Dalam konsep atau metode Centralized Demand Information¸ jumlah produk yang harus diproduksi atau dikirim oleh pihak up stream menuju down stream harus berdasarkan pada data aktual konsumen. Hal ini diperlukan agar tidak menjadi variabilitas yang tinggi atau nilai bullwhip yang besar. Jadi informasi pada data aktual permintaan langsung berasal dari data permintaan konsumen. Kemudian dipusatkan pada satu rantai supply diatasnya untuk menentukan kebijakan yang harus dikirim ke tingkat dibawahnya.
Langkah-langkah yang harus dilakukan dalam penguran bullwhip effect menggunakan metode Centralized Demand Information adalah sebagai berikut : 1. Peramalan Penjualan Produk
Peramalan penjualan dilakukan untuk memprediksi atau memperkirakan penjualan produk pada periode yang akan dilakukan penilitian yaitu 4 periode mingguan pada bulan Agustus 2018, dengan data historis 16 periode mingguan mulai bulan April 2018 hingga Juli 2018. Data historis penjualan ini adalah jumlah produk yang terjual ke konsumen. Langkah-langkah dalam melakukan peramalan produk sebagai berikut :
a. Identifikasi Pola Historis dari Data Aktual Penjualan
Sebelum memilih suatu model peramalan tertentu, sebaiknya terlebih dahulu mengidentifikasi pola historis dari data aktual penjualan tersebut.
Identifikasi pola data aktual penjualan terhadap 50 pengecer. Dari data identifikasi tersebut dapat diketahui bahwa pola historis dari data aktual penjualan produk Twistko BBQ Corn 68gr dan 2000 French Fries 68gr selama 16 periode mingguan mulai bulan April 2018 hingga Juli 2018 berfluktuatif.
Dengan demikian dapat dipertimbangkan mengunakan model peramalan time
series. Setelah identifikasi pola data telah dilakukan, selanjutnya yang dilakukan adalah pengolahan peramalan.
b. Pengolahan Peramalan Data Penjualan
Pengolahan peramalan penjualan produk ini menggukan software Minitab 16.0. hasil running programnya dapat dilihat pada lanpiran. Hasil peramalan yang digunakan dalam pengolahan, selanjutnya menggunakan metode peramalan yang memberikan nilai MAPE terkecil yang kurang dari 20% dari metode time series yang digunakan. Hasil dari nilai MAPE terpilih setiap produk tersebut ditunjukkan pada tabel 4.15, sedangkan hasil peramalan setiap produk ditunjukkan pada tabel 4.16.
Tabel 4. 15 Nilai MAPE Peramalan Terpilih Setiap Produk
No Pengecer/Toko Twistko BBQ Corn 68gr 2000 French Fries 68gr
MAPE Metode MAPE Metode
1 Abdhi Jaya 6.417 Winter Multiplicative 2.969 Winter Multiplicative 2 Amanah 5.094 Winter Multiplicative 1.023 Winter Multiplicative 3 Annur BMR 7.789 Winter Multiplicative 0.557 Winter Multiplicative 4 Bang Samiun 12.947 Winter Multiplicative 2.430 Winter Multiplicative 5 Bella 3.430 Winter Multiplicative 1.079 Winter Multiplicative 6 Bu Hanik 3.256 Winter Multiplicative 2.270 Winter Multiplicative 7 Bu Mujayanah 1.620 Winter Multiplicative 4.772 Winter Multiplicative 8 Bu Ning 1.358 Winter Multiplicative 3.010 Winter Multiplicative 9 Bu Nunuk 9.044 Winter Multiplicative 3.955 Winter Multiplicative 10 Bu Puji 13.012 Winter Multiplicative 1.384 Winter Multiplicative 11 Bu ran 15.782 Winter Multiplicative 3.778 Winter Multiplicative 12 Bu Sulastri 2.203 Winter Multiplicative 3.124 Winter Multiplicative 13 Bu Tria 5.406 Winter Multiplicative 3.758 Winter Multiplicative 14 Bu Tumiasih 4.484 Winter Multiplicative 4.054 Winter Multiplicative 15 Buk Patemi 8.652 Winter Multiplicative 1.844 Winter Multiplicative 16 Cahaya 99 3.776 Winter Multiplicative 3.473 Winter Multiplicative 17 Cak Ali 5.374 Winter Multiplicative 9.023 Winter Multiplicative 18 Corner 9.974 Winter Multiplicative 9.574 Winter Multiplicative 19 Devi 0.761 Winter Multiplicative 8.419 Winter Multiplicative 20 Dua Putra jaya 3.117 Winter Multiplicative 2.728 Winter Multiplicative 21 Eda 18.790 Winter Multiplicative 0.296 Winter Multiplicative
22 Five Vi 1.962 Winter Multiplicative 4.262 Winter Multiplicative 23 Gino 5.962 Winter Multiplicative 1.367 Winter Multiplicative 24 Grosir Bu Yayuk 1.362 Winter Multiplicative 5.617 Winter Multiplicative 25 Harapan Kita 2.065 Winter Multiplicative 3.881 Winter Multiplicative 26 Indah 2.000 Winter Multiplicative 0.227 Winter Multiplicative 27 Jaya Raya 1.594 Winter Multiplicative 0.654 Winter Multiplicative 28 Lintang Gemilang 6.936 Winter Multiplicative 7.100 Winter Multiplicative 29 Maftu Jaya 8.326 Winter Multiplicative 0.754 Winter Multiplicative 30 Mbah Marlan 7.078 Winter Multiplicative 1.078 Winter Multiplicative 31 Mbak Siti 5.577 Winter Multiplicative 3.394 Winter Multiplicative 32 Mbak Sri 13.160 Winter Multiplicative 2.314 Winter Multiplicative 33 Mitra Enggal 5.564 Winter Multiplicative 1.662 Winter Multiplicative 34 Mi'ung 5.063 Winter Multiplicative 2.520 Winter Multiplicative 35 Mulya Jaya 8.647 Winter Multiplicative 0.527 Winter Multiplicative 36 Najunda 14.738 Winter Multiplicative 2.184 Winter Multiplicative 37 O2 12.399 Winter Multiplicative 0.799 Winter Multiplicative 38 Pak Soleh 5.361 Winter Multiplicative 1.433 Winter Multiplicative 39 Pak Sukardi 12.739 Winter Multiplicative 2.649 Winter Multiplicative 40 Richo 13.532 Winter Multiplicative 1.096 Winter Multiplicative 41 Sembako 10.432 Winter Multiplicative 1.324 Winter Multiplicative 42 Sembako Murah 5.513 Winter Multiplicative 6.079 Winter Multiplicative 43 Sembilan Belas 4.958 Winter Multiplicative 4.388 Winter Multiplicative 44 Te Elis 9.580 Winter Multiplicative 1.331 Winter Multiplicative 45 Teguh Jaya 10.123 Winter Multiplicative 0.633 Winter Multiplicative 46 Tunas Baru 17.829 Winter Multiplicative 0.162 Winter Multiplicative 47 Wahyu 2.884 Winter Multiplicative 7.289 Winter Multiplicative 48 Zafa 3.501 Winter Multiplicative 1.210 Winter Multiplicative 49 Zamun 15.150 Winter Multiplicative 1.186 Winter Multiplicative 50 Zulfa 4.321 Winter Multiplicative 9.585 Winter Multiplicative
Dari tabel perbandingan MAPE hasil peramalan yang telah dilalukan dengan menggunakan software minitab tersebut didapat nilai MAPE yang terkecil dari hasil perbandingan metode peramalan yang digunakan yang artinya data peramalan dapat dipertanggungjawabkan. Selanjutnya metode peramalan dengan nilai MAPE diatas dijadikan usulan permintaan baru terhadap pengecer. Ringkasan perbandingan MAPE dapat dilihat pada lampiran.
Tabel 4. 16 Hasil Peramalan Permintaan Setiap Produk Selama 4 Periode Mingguan Pada Bulan Agustus 2018 Menggunakan Peramalan Terpilih
No Pengecer/Toko Agustus 2018 Agustus 2018
1 2 3 4 1 2 3 4
29 Maftu Jaya 7 5 8 8 2 2 2 2
30 Mbah Marlan 3 2 4 4 6 4 5 5
31 Mbak Siti 4 3 6 6 2 2 2 1
32 Mbak Sri 3 3 3 3 6 7 7 1
33 Mitra Enggal 1 2 1 3 6 7 7 2
34 Mi'ung 7 6 9 8 2 2 2 4
35 Mulya Jaya 5 6 8 7 7 6 5 5
36 Najunda 4 5 6 5 1 1 2 1
37 O2 6 5 6 6 9 9 7 5
38 Pak Soleh 2 3 3 3 2 1 2 2
39 Pak Sukardi 6 4 5 3 2 2 2 2
40 Richo 6 5 3 3 7 5 6 5
41 Sembako 5 4 4 3 5 3 5 3
42 Sembako Murah 5 4 3 3 1 1 1 1
43 Sembilan Belas 5 4 4 3 1 1 1 1
44 Te Elis 5 4 4 4 1 1 1 1
45 Teguh Jaya 8 7 6 6 9 7 9 5
46 Tunas Baru 7 6 5 5 1 2 2 4
47 Wahyu 9 7 6 6 4 2 2 1
48 Zafa 3 2 3 3 6 5 7 8
49 Zamun 2 1 3 2 5 3 5 2
50 Zulfa 7 6 9 8 1 1 1 3
Hasil peramalan penjualan yang ditunjukkan pada tabel 4.16 tersebut selajutnya digunakan sebagai jumlah pengiriman setiap produk dari distributor ke pengecer atau jumlah permintaan setiap produk dari pengecer kepada tingkatan diatasnya yaitu distributor. Besarnya nilai yang tercantum dalam tabel hasil peramalan tersebut telah dilakukan pembulatan karena satuan produk yang diteliti adalah per dus.
2. Mengukur ulang Variabilitas permintaan (Bullwhip Effect)
Pengukuran bullwhip effect dilakukan kembali dengan menggunakan data usulan permintaan yang baru agar dapat dibandingkan dengan pengukuran bullwhip effect awal. Agregasi data permintaan dilakukan dalam dua tingkatan.
Pertama pada distributor ke pengecer dan yang kedua pada permintaan distributor ke pabrik. Pada tingkat pertama agregasi data permintaan dilakukan
dalam empat tingkatan pembagian seperti yang dilakukan pada subbab 4.3.1 dilakukan kembali. Sedangkan pada tingkat kedua agregasi data permintaan hanya dilakukan dalam 2 tingkatan pembagian seperti pada subbab 4.3.2 juga dilakukan kembali.
a. Pengukuran bullwhip pada tingkat pertama (permintaan pengecer ke distributor) Pengolahan data untuk pengukuran bullwhip ini langkah-langkahnya sama dengan pengukuran pada bullwhip awal pada subbab 4.3.1. Hasil pengukuran bullwhip pada tingkat ini untuk ke 4 tingkat agregasi ditunjukkan pada tabel 4.17 sampai 4.20.
Tabel 4. 17 Hasil Pengukuran Pada Agregasi Permintaan Setiap Produk Dan Pengecer Dengan Konsep Centralized Demand Information
Banyak pengecer/toko
Produk D µ σ C ω ω
(%)
ω (Unit)
50 Pengecer
Twistko Din 3,865 1,016 0,296
0,945 0,95% 49 Dout 4,835 1,114 0,237
french Din 3,605 0,840 0,269
1,007 1,01% 10 Dout 3,805 0,831 0,223
Rata-rata (ω1) 0,976 0,98%
Total kelebihan produk 59
Dari tabel 4.17 tersebut dapat diketahui bahwa besarnya peningkatan variabilitas permintaan terhadap penjualan dalam agregasi permintaan setiap produk dan pengecer untuk produk Twistko BBQ Corn 68gr sebesar 0,945 atau meningkat sebesar 0,95% dan jumlah kelebihan produk 49 dus dengan rata-rata sebesar 0,98 dus setiap pengecer. Sedangkan untuk produk 2000 French Fries 68gr sebesar 1,007 atau meningkat sebesar 0,01% dan jumlah kelebihan produk sebanyak 10 dus dengan rata-rata sebesar 0,2 dus setiap pengecer.
Tabel 4. 18 Hasil Pengukuran Pada Agregasi Permintaan Terhadap Produk Dengan Konsep Centralized Demand Information
Produk D µ σ C ω ω (%) ω (Unit)
Total kelebihan produk 59
Dari tabel 4.18 dapat diketahui bahwa besarnya peningkatan variabilitas permintaan terhadap penjualan dalam agregasi terhadap produk sebesar 0,346 atau meningkat sebesar 0,35%, dan jumlah kelebihan produk sebesar 59 dus dengan 49 dus untuk produk Twistko BBQ Corn 68gr, dan 10 dus untuk produk 2000 French Fries.
Tabel 4. 19 Hasil Pengukuran Pada Agregasi Permintaan Terhadap Pengecer Dengan Konsep Centralized Demand Information
Banyak
Total kelebihan produk 59
Dari tabel 4.19 tersebut dapat diketahui bahwa besarnya peningkatan variabilitas permintaan terhadap penjualan dalam agregasi permintaan setiap produk dan pengecer untuk produk Twistko BBQ Corn 68gr sebesar 0,945 atau meningkat sebesar 0,95% dan jumlah kelebihan produk 49 dus dengan rata-rata sebesar 0,98 dus setiap pengecer. Sedangkan untuk produk 2000 French Fries 68gr sebesar 1,007 atau meningkat sebesar 0,01% dan jumlah kelebihan produk sebanyak 10 dus dengan rata-rata sebesar 0,2 dus setiap pengecer.
Tabel 4. 20 Hasil Pengukuran Pada Agregasi Permintaan Terhadap Echelon Dengan Konsep Centralized Demand Information
Banyak
Dari perhitungan agregasi permintaan terhadap echelon diatas didapat nilai bullwhip (ω4) sebesar 1,281 atau meningkat sebesar 1,28% dan jumlah kelebihan produk sebesar 59 dus untuk keseluruhan pengecer.
b. Pengukuran bullwhip pada tingkat kedua (permintaan distributor ke pabrik) Pengolahan data untuk pengekurun bullwhip pada tingkat ini langkah-langkahnya sama dengan pengukuran bullwhip awal pada subbab 4.3.2. Hasil bullwhip pada tingkat ini hanya untuk 2 tingkat agregasi, yaitu agregasi terhadap produk dan agregasi terhadap echelon ditunjukkan pada tabel 4.21 sampai dengan 4.22.
Tabel 4. 21 Hasil Pengukuran Pada Agregasi Permintaan Terhadap Produk Dengan Konsep Centralized Demand Information
Produk D µ σ C ω ω (%) ω (Unit)
Dari tabel 4.21 dapat diketahui bahwa rata-rata besarnya peningkatan variabilitas permintaan terhadap penjualan dalam agregasi terhadap produk sebesar 0 atau meningkat sebesar 0%. Hal ini dikarenakan jumlah permintaan ke PT. Siantar Top konsisten sebesar 250 dus per minggu (minimal pemesanan yang diijinkan untuk pihak distributor guna mengantisipasi kekurangan/safety stock). Sedangkan jumlah kelebihan produk sebesar 127 dus yang berada di tingkat distributor dengan
rincian 57 dus untuk produk Twistko BBQ Corn 68gr, dan 70 dus untuk produk 2000 French Fries 68gr.
Tabel 4. 22 Hasil Pengukuran Pada Agregasi Permintaan Terhadap Echelon Dengan Konsep Centralized Demand Information
Banyak
pengecer/toko Produk D µ σ C ω ω
(%) ω (Unit)
50 Pengecer Twistko dan 2000 Frech fries
Din 373,500 25,000 0,067
0 0% 127
Dout 500,000 0,000 0,000
Dari perhitungan agregasi permintaan terhadap echelon diatas didapat nilai bullwhip sebesar 0 atau meningkat sebesar 0% dan jumlah kelebihan produk sebesar 127 dus yang berada di tingkat distributor.
4.3.4. Perhitungan Biaya Terhadap Data Permintaan Dengan Data