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.
14
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,
15
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.
16
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
17
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:
18
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
19
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)
2
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
20
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
21
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
22
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
23
- Perhitungan Forecast by 4 MA
Gambar 3.1 forecast by 4 WMA
- Perhitungan Forecast Error
Gambar 3.2 forecase error MA
24
- Perhitungan ABS Error
Gambar 3.3 ABS error MA - Perhitugan MAD
Gambar 3.4 MAD error MA
25
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
26
- Perhitungan forecast Error
Gambar 3.6 forecaste erro WMA
27
- Perhirungan ABS Error
Gambar 3.7 ABS error WMA
- Perhitungan MAD Error
Gambar 3.8 MAD error WMA
28
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
29
- Perhitungan Forecast by SES
Gambar 3.9 forecaste error
- Peritungan Forecast Error
Gambar 3.10 forecast error SES
30
- Perhitungan ABS Error
Gambar 3.11 ABS error SES
- Perhitungan MAD Error
Gambar 3.12 MAD error SES
31
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
32
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.
33
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
34
Gambar 3.18 langkah 7 MA
7. Setelah di klik Solve, maka akan keluar tampilan data results yang berisi Error Measures pada forecasting.
35
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
36
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
37
3.
Klik menu File, pilih New dan kemudian pilih Times Series AnalysisGambar 3.24 langkah 3 WMA
38
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
39
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.
40
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
41
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 AnalysisGambar 2.32 langkah 2 SES
42
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
43
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
44
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.
45
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%
46
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
47
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
48
Diagram Scatter Weighted Moving Average
Gambar 3.31 diagram scatter WMA
Diagram Scatter Simple Exponential Smoothing
744
DIAGRAM SCATTER 3 WMA
732
49
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.
50
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
51
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
52
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
53
LEMBAR PENGESAHAN
Laporan praktikum ini telah dibuat oleh :
54
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
55
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
57
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
58
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
3. Semua komponen untuk suatu perakitan harus tersedia pada saat suatu pesanan untuk perakitan tersebut dilakukan, sehingga jumlah