2.5 Sistem MRP
2.5.3 MRP Teknik PPB
Teknik Part Period Balancing merupakan pendekatan yang lebih dinamis untuk menyeimbangkan biaya pemesanan dan biaya penyimpanan (Heizer dan Render, 2010). Teknik ini membentuk bagian periode ekonomis yang merupakan rasio biaya pemesanan dengan biaya penyimpanan.
PPB secara sederhana menambah kebutuhan sampai nilai bagian periode mencapai EPP (Economic Part Period). EPP adalah kuantitas pembelian yang dapat menyeimbangkan biaya pemesanan dan biaya penyimpanan berdasarkan kebutuhan bersih kumulatif dari beberapa periode yang digabungkan yang dapat dihitung dengan rumus, sebagai berikut :
EPP = S ……….(2)
H Dimana :
S = biaya pemesanan per pesanan
H = biaya penyimpanan per unit per tahun
Teknik PPB berusaha memiliki prinsip menggabungkan suatu periode ke periode berikutnya dan menghitung kumulatif bagian
17
periodenya. Kumulatif bagian periode diperoleh dengan mengkumulatifkan perkalian kebutuhan bersih suatu periode dengan periode tambahan yang ditanggung.
Bagian gabungan periode yang paling mendekati nilai EPP adalah merupakan pilihan gabungan periode yang dipilih, demikian juga untuk periode berikutnya. Besar pesanan adalah sebesar kebutuhan bersih kumulatif yang dilakukan sebelum kebutuhan tersebut terjadi dengan harapan akan diterima tepat pada awal periode gabungan tersebut dan akan digunakan selama periode gabungan. 2.6 Jadwal Induk Produksi
Menurut Baroto (2002), jadwal induk produksi (master production schedule) dibuat berdasarkan permintaan (diperoleh dari daftar pesanan atau peramalan) terhadap semua produk jadi yang dibuat. Hasil peramalan (sebagai perencanaan jangka panjang) dipakai untuk membuat rencana produk agregat (sebagai perencanaan jangka menengah), yang pada akhirnya dibuat rencana jangka pendek, yaitu menentukan jumlah produksi yang dibutuhkan untuk setiap produk akhir beserta periode waktunya untuk suatu jangka perencanaan. Jadwal induk produksi merupakan perencanaan jangka pendek ini. Jadi, jadwal induk produksi merupakan proses alokasi untuk membuat sejumlah produk yang diinginkan dengan memperhatikan kapasitas yang dipunyai (mesin, peralatan dan pekerja).
Perencanaan jadwal induk produksi dilakukan dalam dua tahap. Tahap pertama adalah menentukan besarnya kapasitas atau kecepatan operasi yang diinginkan. Perencanaan ini biasanya dilakukan pada tingkat agregat (dengan meminimalkan total biaya produksi untuk keseluruhan produk yang dibuat) sesuai dengan kapasitas yang dimiliki. Rencana kapasitas secara agregat ini terutama diarahkan pada unit-unit yang dianggap sebagai “titik kritis” atau “Potential bottle neck”. Tahap kedua perencanaan adalah menentukan jumlah total tenaga kerja yang dibutuhkan di setiap periode, jumlah mesin dan jumlah shift kerja yang diperlukan untuk penjadwalan. Pada tahap ini juga dilakukan perencanaan jumlah persediaan secara agregat. Dalam tahap ini, suatu perencanaan kebutuhan akan persediaan
18
penanganan untuk memelihara service level kepada konsumen lazim dilakukan. Jumlah persediaan pengaman sangat tergantung pada jenis barang dan kebijakan perusahaan (Baroto, 2002).
Interval perencanaan (planning horizon) adalah jumlah periode yang dibutuhkan untuk penjadwalan yang harus ditentukan terlebih dahulu dalam pembuatan atau perencanaan jadwal induk produksi. Interval perencanaan minimal merupakan jumlah periode produksi (termasuk perakitan) ditambah
lead time pembelian atas bahan untuk setiap produk akhir yang akan dibuat (Baroto, 2002).
Jadwal induk produksi adalah suatu rencana terperinci tentang apa dan berapa banyak perusahaan merencanakan untuk memproduksi masing-masing produk akhir dalam setiap periode waktu (biasanya minggu) untuk beberapa bulan yang akan datang (Handoko, 2008). Jadwal induk produksi sebagai hasil dari perencanaan agregat menyajikan rencana menyeluruh dan lebih detail dengan memerinci rencana produksi masing-masing produk akhir. Proses penyusunan skedul produksi induk dalam perusahaan-perusahaan yang berproduksi untuk persediaan akan berbeda dengan perusahaan-perusahaan yang berproduksi untuk pesanan, karena sumber informasi utama tentang permintaan juga berbeda. Bagi perusahaan yang berproduksi untuk persediaan, informasi permintaan berasal dari hasil ramalan-ramalan. Sedangkan bagi perusahaan yang berproduksi untuk pesanan, informasi permintaan berasal dari pesanan-pesanan (orders) yang diterima.
Menurut Handoko (2008), beberapa fungsi penting skedul produksi induk adalah :
1. Menerjemahkan dan memerinci rencana-rencana agregat menjadi produk-produk akhir tertentu (spesifik).
2. Mengevaluasi skedul-skedul alternatif.
3. Memerinci dan menentukan kebutuhan-kebutuhan material. 4. Memerinci dan menentukan kebutuhan-kebutuhan kapasitas. 5. Memudahkan pemrosesan informasi.
19 7. Menggunakan kapasitas secara efektif.
Hal-hal pokok yang perlu diperhatikan dalam jadwal induk produksi adalah :
1. Scheduling induk dikerjakan atas dasar rencana produksi agregat. 2. Menyusun skedul dengan modul-modul umum bila mungkin. 3. Melakukan pembebanan pada fasilitas-fasilitas secara realistik. 4. Menyampaikan order-order atas dasar satuan waktu.
5. Memonitor tingkat persediaan dengan cermat. 6. Melakukan rescheduling sesuai keperluan. 2.7 Struktur Produk
Menurut Baroto (2002), struktur produk berisi informasi tentang hubungan antara komponen-komponen dalam suatu perakitan. Informasi ini sangat penting dalam penentuan kebutuhan kotor dan kebutuhan bersih. Struktur produk (product structure file) juga memberikan informasi tentang
item, seperti nomor item, jumlah dibutuhkan dalam setiap perakitan, dan berapa jumlah akhir yang harus dibuat. Disamping ketiga input di atas, sistem MRP memerlukan input lain berikut :
1. Pesanan komponen perusahaan lain. 2. Peramalan atas item yang independen.
Pesanan komponen perusahaan lain adalah bahwa selain menjual produk jadi, perusahaan juga menjual komponen perusahaan lain. Termasuk dalam pengertian ini adalah peramalan dari service part. Pesanan antar perusahaan, dan pesanan untuk kepentingan-kepentingan eksperimen, promosi, pemeliharaan dan kepentingan lainnya.
Peramalan atas sistem yang bersifat independen. Tercakup disini adalah komponen-komponen yang dibutuhkan, namun berada diluar jalur sistem MRP. Suatu program khusus dibuat untuk melengkapi program sistem MRP yang ada. Program khusus ini dapat berupa teknik peramalan statistik. Program khusus dimaksudkan untuk menambahkan hasil peramalan yang telah dibuat pada perhitungan kebutuhan kotor dalam sistem MRP. Peramalan disini termasuk peramalan atas pesanan komponen dan perusahaan lain dan peramalan atas item yang independen.
20 2.8 Status Persediaan
Catatan keadaan persediaan (inventory master file) menggambarkan status semua item yang ada dalam persediaan. Sistem item persediaan harus didefinisikan untuk menjaga kekeliruan perencanaan. Catatan keadaan persediaan ini harus dijaga agar tetap up to date, dengan selalu melakukan pencatatan pada setiap transaksi yang terjadi, yaitu penerimaan, pengeluaran, produk gagal, dan lain-lain. Catatan persediaan juga berisi data tentang lead time, teknik ukuran lot yang digunakan, persediaan pengaman dan catatan-catatan penting lainnya dari semua item (Baroto, 2002).
2.9 Peramalan
Peramalan (Heizer dan Render, 2006) adalah seni dan ilmu untuk memperkirakan kejadian di masa depan. Menurut Ishak (2010), peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk periode yang akan datang.
Menurut Heizer dan Render (2006), peramalan diklasifikasikan berdasarkan horizon waktu masa depan yang dicakupnya. Horizon waktu dibagi atas beberapa kategori, yaitu :
1. Peramalan jangka pendek
Peramalan ini mencakup jangka waktu hingga 1 (satu) tahun, tetapi umumnya kurang dari 3 (tiga) bulan. Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja dan tingkat produksi.
2. Peramalan jangka menengah
Peramalan ini umumnya mencakup hitungan bulanan hingga tiga tahun. Peramalan ini berguna untuk merencanakan penjualan, perencanaan dan anggaran produksi, anggaran kas dan menganalisis bermacam-macam rencana operasi.
3. Peramalan jangka panjang
Peramalan ini umumnya untuk perencanaan masa 3 (tiga) tahun atau lebih. Peramalan jangka panjang digunakan untuk merencanakan
21
produk baru, pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian dan pengembangan (litbang).
Heizer dan Render (2006) menyebutkan tujuh langkah dasar dalam melakukan peramalan, yaitu sebagai berikut :
1. Menetapkan tujuan peramalan.
2. Memilih unsur apa yang akan diramal. 3. Menentukan horizon waktu peramalan. 4. Memilih tipe model peramalan.
5. Mengumpulkan data yang diperlukan untuk melakukan peramalan. 6. Membuat peramalan.
7. Memvalidasi dan menerapkan hasil peramalan.
Menurut Ishak (2010), mengemukakan bahwa jenis peramalan berdasarkan sifatnya dibedakan menjadi peramalan kualitatif dan kuantitatif. Peramalan kualitatif adalah peramalan yang didasarkan atas kualitatif pada masa lalu, dan sangat bergantung pada orang yang menyusunnya karena disusun berdasarkan pemikiran bersifat intuisi, judgment atau pendapat, pengetahuan dan pengalaman. Sedangkan peramalan kuantitatif merupakan peramalan yang didasarkan data kuantitatif pada masa lalu. Peramalan kuantitatif dibedakan atas metode time series dan metode kausal. Metode
time series adalah metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Dengan analisis deret waktu dapat menunjukkan permintaan terhadap suatu produk tertentu bervariasi terhadap waktu. Sifat dari perubahan permintaan dari tahun ke tahun dirumuskan untuk meramalkan penjualan pada masa yang akan datang.
Ada 4 (empat) komponen utama yang memengaruhi analisis dalam penelitian ini, yaitu :
1. Pola horisontal (H) terjadi jika data berfluktuasi disekitar nilai rataan yang konstan. Pola khas dari data horizontal atau stasioner seperti ini dapat dilihat dalam Gambar 4.
22
2. Pola musiman (S) terjadi jika suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Pola musiman kuartal dapat dilihat Gambar 4. 3. Pola siklis (C) terjadi jika datanya dipengaruhi oleh fluktuasi ekonomi
jangka panjang seperti yang berhubungan dengan siklus bisnis. Jenis pola ini dapat dilihat pada Gambar 4.
4. Pola trend (T) terjadi jika terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Jenis pola ini dapat dilihat pada Gambar 4.
Gambar 4. Pola deret waktu peramalan (Heizer dan Render, 2006)
Menurut Assauri dalam Aulia (2010) mendeteksi pola data menggunakan analisis autokorelasi, jika :
1. Apabila semua nilai koefisien autokorelasi berada di dalam batas kepercayaan atau tidak berbeda nyata dengan nol, maka data tersebut memiliki pola random (acak).
2. Apabila nilai koefisien autokorelasi pada beberapa time lag pertama secara berurutan berbeda nyata dari nol, maka data memiliki pola data tren.
Biaya Biaya
Waktu Waktu
1. Pola data horizontal 2. Pola data musiman
Biaya Biaya
Waktu Waktu
23
3. Apabila nilai koefisien autokorelasi pada beberapa time lag yang mempunyai jarak yang sistematis berbeda nyata dari nol, maka data memiliki pola data musiman.
Metode peramalan yang digunakan dalam penelitian ini adalah time series (Heizer dan Render, 1993) berikut :
1. Linear Trend
Bentuk persamaan umum dari peramalan trend linear ini adalah :
Yt = a + bt ………(3)
Dimana :
Yt = nilai peramalan pada periode ke-t t = waktu atau periode
dengan menggunakan metode kuadrat terkecil, maka harga konstan a dan b dapat diperoleh dari persamaan berikut :
………(4) ………(5)
2. Moving Average
Moving average pada suatu periode merupakan peramalan untuk satu periode ke depan dari periode rataan tersebut. Persoalan timbul dalam penggunaan metode ini adalah menentukan nilai t (periode perataan). Semakin besar nilai t maka peramalan yang dihasilkan akan semakin menjauhi pola data. Secara sistematik, rumus fungsi peramalan metode ini adalah :
Ft+1 = Xt-N+1+...+Xt-1+Xt………...(6)
N
Dimana :
Xt = data pengamatan periode t
N = jumlah deret waktu yang digunakan Ft-1 = nilai peramalan periode t+1
( )
∑ ∑
∑ ∑ ∑
− − = 2 2 t t n Y t tY n b t t n t b Yt n a∑
−∑
=24 3. Single Exponential Smoothing
Pengertian dasar dari metode ini adalah nilai ramalan pada perode t+1 merupakan nilai peramalan pada periode t ditambah dengan penyesuaian yang berasal dari kesalahan nilai ramalan yang terjadi pada periode t tersebut. Nilai peramalan dapat dicari dengan menggunakan rumus berikut :
………(7)
Dimana :
Ft+1 = Ramalan untuk periode t Xt = Data permintaan pada periode t α = Faktor pemulusan
Menghitung kesalahan peramalan penting dilakukan ketika melakukan peramalan. Bedworth dalam Kusuma (2004), mengusulkan penggunaan beberapa tolak ukur kesalahan peramalan (forecast error), yaitu :
1. Mean Absolute Deviation (MAD)
Ukuran pertama untuk kesalahan sebuah model. MAD diperoleh dengan mengambil nilai absolut dari tiap kesalahan peramalan dibagi dengan jumlah periode data (Heizer dan Render, 2006).
MAD = ∑│aktual-peramalan│………(8) n
2. Mean Squared Error (MSE)
MSE merupakan rataan selisih kuadrat antara nilai yang diramalkan dan yang diamati.
MSE = ∑(kesalahan peramalan) 2………...(9) n
3. Mean Absolute Percentage Error (MAPE)
Menghitung dalam unsur yang diramalkan ribuan. Dihitung sebagai rata-rata diferensiasi absolut antara nilai yang diramal dan aktual untuk n periode (Heizer dan Render, 2006).
MAPE = 100∑n
i=1│ aktuali-ramalani│/aktuali………(10)
n
t t
t
