LANDASAN TEORI
3.1. Perencanaan dan Pengendalian Produksi
Perencanaan produksi (Lynwood, 1974) adalah kegiatan dari usaha membangun tujuan produksi untuk beberapa tahun mendatang yang disebut sebagai planning horizon. Tujuan dari perencanaan produksi adalah untuk membuat rencana optimal menggunakan sumberdaya untuk menyatakan kebutuhan produksi atau untuk memanfaatkan peluang penjualan. Sebagai input perencanaan produksi akan menggunakan beberapa informasi seperti tingkat persediaan, backlog, peramalan permintaan dimasa mendatang, work in process, kapasitas masing-masing stasiun produksi, ketersediaan material, standar produksi, harga penjualan, dan kebijakan manajemen. Informasi ini akan dikumpulkan dan dianlisis secara periodik untuk mengembangkan rencana produksi. Output dari perencanaan produksi ini dapat membentuk atau menentukan beberapa hal berikut ini:
1. Jumlah masing-masing produk yang akan diproduksi
2. Jumlah produk tertentu untuk diproduksi oleh masing-masing proses alternatif
3. Jumlah masing-masing produk yang akan dihasilkan dari suatu proses (seperti pekerja, lintasan, mesin dan lain-lain)
4. Target tingkat persediaan produk 5. Tingkat tenaga kerja
6. Lembur, shift tambahan, kapasitas yang tidak digunakan dan lain-lain
7. Jumlah material dan produk setengah jadi yang akan dipindahkan antara tahap yang satu ke tahap lainnya
8. Rencana subkontrak
9. Pembelian kebutuhan material.
Keputusan dibuat pada perencanaan produksi mempengaruhi biaya dan penerimaan yaitu seperti biaya produksi, biaya perubahan tingkat produksi, biaya perubahan kapasitas, biaya persediaan, customer service dan kerugian akibat kekurangan, biaya pembelian.
Kegagalan memenuhi kepuasan pelanggan tepat waktu merupakan kerugian intangible (tidak terlihat dalam bentuk fisik), seperti ketidakmampuan salesman dalam membuat janji pengiriman. Terdapat dua kemungkinan dari perencanaan produksi dan kontrol yang menghasilkan kerugian seperti itu, yaitu yang pertama adalah kegagalan untuk mengkoordinasi produksi dengan permintaan, dimana akan terjadi kekurangan produk dan keterlambatan pengiriman, yang kedua adalah waktu idle yang berlebihan yang akan menurunkan produk yang dihasilkan dibandingkan dengan tingkat produksi yang berlangsung.
3.2. Peramalan
Peramalan (Douglas, 2008) adalah sebuah prediksi dari beberapa kejadian masa depan. Peramalan adalah bagian penting dalam berbagai bidang seperti bisnis dan industri, pemerintahan, ekonomi, lingkungan ilmu pengetahuan,
obat-obatan, ilmu sosial, politik, dan finansial. Permasalahan peramalan sering diklasifikasikan pada peramalan jangka pendek, jangka menengah dan jangka panjang. Peramalan jangka pendek digunakan untuk memprediksi kejadian hanya untuk periode waktu yang sedikit (hari, minggu, bulan) di masa mendatang. Peramalan jangka menengah berlanjut dari satu hingga dua tahun mendatang, dan peramalan jangka panjang dapat digunakan untuk lebih banyak tahun lagi. peramalan jangka pendek dan jangka menengah dibutuhkan untuk aktivitas ddari manajemen operasi untuk anggaran dan pemilihan research and development produk baru. Peramalan jangka panjang digunakan untuk perencanaan stategis. Permalan jangka pendek dan jangka menengah adalah tipikal yang didasarkan pada pengidentifikasian, permodelan dan diluar model yang ditemukan pada data historis.
Peramalan yang paling sering digunakan adalah time series data. Time series berdaasarkan pada orientasi waktu atau urutan kronologi dari observasi pada variabel. Tingkat variabel dikumpulkan sesuai dengan periode waktu sebagai tipikal time series dan aplikasi peramalan. Banyak palikasi bisnis untuk peramalan dengan memanfaatkan data harian, mingguna, bulanan, kuarter, atau annual data.
Teknik peramlan kuantitatif untuk digunakan pada data historis dan model peramalan. Model menunjukkan pola data dan menunjukkan hubungan statistik antara sebelum dan nilai variabel yang sedang berlaku, kemudian model digunakan untuk mengetahui pola data dimasa mendatang. Terdapat tiga jenis peramalan kuantitatif yang paling sering digunakan yaitu model regresi, model smoothing, dan model umum time series. Model regresi dengan penggunaan
hubungan antara variabel yang berhubungan, terkadang model regresi disebut dengan juga dengan model kausal, karena variabel yang digunakan telah diasumsikan dapat menunjukkan nilai dari data yang diamati. Smoothing models biasanya menggunakan fungsi sederhana dari observasi sebelumnya untuk memberikan perkiraan dari variabel. Metode ini mungkin memiliki basis perhitungan statistik, tetapi sering digunakan dengan heuristik karena mudah digunakan dan hasil yang lebih memuaskan. Model time series menggunakan karakteristik statistik dari data historis untuk menentukan model dan mengestimasi parameter yang tidak diketahui dari model yang biasanya.
Proses dari time series (Douglas, 2008) adalah untuk menghubungkan kegiatan transformasi satu atau lebih input menjadi satu atau lebih output. Urutan proses peramalan ditunjukkan pada Gambar 3.1.
Pendefenisian masalah
Pengumpulan
data Analisis data
Pemilihan model & penyesuaian Validasi model Penyebaran model peramalan Pemantauan kinerja model peramalan
Gambar 3.1. Proses Peramalan Sumber: Douglas C. Montgomery, dkk, 2008
1. Pendefenisian masalah meliputi pengembangan pemahaman bagaimana peramalan akan digunakan agar sesuai dengan yang diharapkan.
2. Pengumpulan data terdiri dari data historis yang relevan dari variabel yang akan diramalkan, termasuk informasi pada variabel prediksi yang potensial. Pada fase ini juga berguna untuk memulai perencanaan bagaimana pengumpulan data dan permasalahan dimasa mendatang yang akan ditangani seingga kehandalan dan integritas data akan diperoleh.
3. Analisis data adalah bagian yang penting untuk pemilihan model peramalan yang digunakan. Plot time series dari data seharusnya dibangun dan divisualisasikan untuk pengenalan pola seperti trend dan musiman atau komponen yang berhubungan. Informasi ini akan menunjukkan tipe metode peamalan kuantitatif dan model yang akan dikembangkan.
4. Pemilihan model terdiri dari pemilihan satu atau lebih model peramalan dan menyesuaikan dengan model data.
5. Validasi model terdiri dari evaluasi dari model peramalan untuk mendefenisikan bagaimana kemungkinan kinerja pada aplikasi yang dimaksudkan.
6. Penyebaran model peramalan meliputi pemilihan model dan hasil peramalan yang digunakan, hal ini penting untuk memastikan pemahaman pengguna bagaimana untuk menggunakan model dan mengembangkan peramalan dari model menjadi penerapan yang terus dilakukan.
7. Pemeriksaan kinerja model peramalan adalah kegiatan berkelanjutan setelah model dikembangkan untuk memastikan model masih memiliki kinerja yang memuaskan. Peta kontrol dari error hasil peramalan adalah alat sederhana tetapi efektif untuk secara rutin mengontrol kinerja dari model peramalan.
3.2.1. Evaluasi Model Peramalan
Mempertimbangkan bagaimana untuk mengevaluasi kinerja dari teknik peramalan (Douglas, 2008) untuk sebuah waktu tertentu, penting untuk secara teliti mendefenisikan arti dari kinerja. Pengukuran pada umumnya adalah untuk
melihat akurasi peramalan, salah satu metodenya adalah average error atau mean error
= ∑
Mean absolute deviation (mean absolute error)
= ∑| |
Mean squared error
� = ∑[ ]
Defenisi relative forecast error adalah
= � �
Metode ini sering disebut percent forecast error. Mean percent error dirumuskan sebagai berikut
� = ∑
Dan mean absolute percent error adalah
� = ∑| |
Mengetahui bahwa nilai relatif atau MAPE adalah 3% dapat menjadi sangat memliki arti dari pada mengetahui nilai MAD.
