Data Permintaan Produk Hard Candy Periode Juni 2014
–
Mei
2016
Periode P. Siantar T. Tinggi Rantauprapat Pekanbaru Medan Total (Kardus)
Jun ‘14 3.052 2.035 5.086 4.069 6.104 20.346
Jul ‘14 3.388 2.259 5.646 4.517 6.775 22.585
Ags ‘14 3.543 2.362 5.905 4.779 7.086 23.675
Sep ‘14 3.584 2.584 5.973 4.724 7.751 24.616
Okt ‘14 3.876 2.390 6.459 5.167 7.168 25.060
Nov ‘14 3.886 2.591 6.477 5.181 7.803 25.938
Des ‘14 3.902 2.601 7.042 5.202 7.772 26.519
Jan ‘15 4.225 2.850 6.502 5.700 8.450 27.727
Feb ‘15 4.275 2.817 7.125 5.634 8.550 28.401
Mar ‘15 4.735 3.157 7.891 6.313 10.096 32.192
Apr ‘15 4.739 3.159 8.414 6.318 9.469 32.099
Mei ‘15 5.048 3.366 8.939 6.731 9.477 33.561
Jun ‘15 5.363 3.576 7.898 7.437 10.726 35.000
Jul ‘15 5.578 3.739 9.296 7.477 11.156 37.246
Ags ‘15 5.608 3.719 9.346 7.614 11.570 37.857
Sep ‘15 5.710 3.807 9.642 7.151 11.215 37.525
Okt ‘15 5.785 3.857 9.517 7.714 11.420 38.293
Nov ‘15 6.038 4.025 10.062 8.050 12.075 40.250
Des ‘15 6.200 4.133 10.333 8.543 13.434 42.643
Jan ‘16 6.407 4.478 10.678 8.956 12.399 42.918
Feb ‘16 6.717 4.272 11.195 8.266 12.814 43.264
Mar ‘16 6.886 4.591 11.476 9.181 13.771 45.905
Apr ‘16 7.001 4.708 11.668 9.334 14.123 46.834
Mei ‘16 7.062 4.667 11.769 9.415 14.001 46.914
Perhitungan Parameter Peramalan Jumlah Permintaan dengan
Metode Eksponensial
X Y X2 lnY X lnY
1 20.346 1 9,9205 9,9205
2 22.585 4 10,025 20,05
3 23.675 9 10,0721 30,2163
4 24.616 16 10,1111 40,4444
5 25.060 25 10,1289 50,6445
6 25.938 36 10,1634 60,9804
7 26.519 49 10,1855 71,2985
8 27.727 64 10,2301 81,8408
9 28.401 81 10,2541 92,2869
10 32.192 100 10,3794 103,794 11 32.099 121 10,3765 114,1415 12 33.561 144 10,4211 125,0532 13 35.000 169 10,4631 136,0203 14 37.246 196 10,5252 147,3528 15 37.857 225 10,5415 158,1225 16 37.525 256 10,5327 168,5232
17 38.293 289 10,553 179,401
18 40.250 324 10,6028 190,8504 19 42.643 361 10,6606 202,5514
20 42.918 400 10,667 213,34
21 43.264 441 10,675 224,175
22 45.905 484 10,7342 236,1524 23 46.834 529 10,7543 247,3489
24 46.914 576 10,756 258,144
300 817.368 4.900 249,7331 3.162,653
Perhitungan Parameter Peramalan Jumlah Permintaan dengan
Metode Linear
X Y X2 X.Y
1 20.346 1 20.346
2 22.585 4 45.170
3 23.675 9 71.025
4 24.616 16 98.464
5 25.060 25 125.300
6 25.938 36 155.628
7 26.519 49 185.633
8 27.727 64 221.816
9 28.401 81 255.609
10 32.192 100 321.920
11 32.099 121 353.089
12 33.561 144 402.732
13 35.000 169 455.000
14 37.246 196 521.444
15 37.857 225 567.855
16 37.525 256 600.400
17 38.293 289 650.981
18 40.250 324 724.500
19 42.643 361 810.217
20 42.918 400 858.360
21 43.264 441 908.544
22 45.905 484 1.009.910
23 46.834 529 1.077.182
24 46.914 576 1.125.936
300 817.368 4.900 11.567.061
Perhitungan SEE pada Peramalan Jumlah Permintaan dengan
Metode Eksponensial
X Y Y' Y-Y' (Y-Y')²
1 20.346 21.932,77 -1.586,77 2.517.852,04 2 22.585 22.728,6 -143,60 20.621,30
3 23.675 23.553,3 121,70 14.809,72
4 24.616 24.407,93 208,07 43.292,04 5 25.060 25.293,57 -233,57 54.555,13 6 25.938 26.211,34 -273,34 74.716,61 7 26.519 27.162,42 -643,42 413.986,34
8 27.727 28.148 -421,00 177.242,26
9 28.401 29.169,35 -768,35 590.357,27 10 32.192 30.227,75 1.964,25 3.858.269,81 11 32.099 31.324,56 774,44 599.755,61 12 33.561 32.461,17 1.099,83 1.209.631,31 13 35.000 33.639,02 1.360,98 1.852.278,26 14 37.246 34.859,6 2.386,40 5.694.895,89 15 37.857 36.124,48 1.732,52 3.001.636,64
16 37.525 37.435,25 89,75 8.055,51
17 38.293 38.793,58 -500,58 250.579,54
18 40.250 40.201,2 48,80 2.381,64
19 42.643 41.659,89 983,11 966.501,93 20 42.918 43.171,51 -253,51 64.269,35 21 43.264 44.737,99 -1.473,99 2.172.632,66 22 45.905 46.361,3 -456,30 208.205,77 23 46.834 48.043,51 -1.209,51 1.462.908,88 24 46.914 49.786,76 -2.872,76 8.252.740,82
300 817.368 817.434,8 -66,85 33.512.176,35
Perhitungan SEE pada Peramalan Jumlah Permintaan dengan
Metode Linear
X Y Y' Y-Y' (Y-Y')²
1 20.346 20.557,39 -211,39 44.685,73 2 22.585 21.731,27 853,7309 728.856,4 3 23.675 22.905,15 769,8517 592.671,6 4 24.616 24.079,03 536,9726 288.339,6 5 25.060 25.252,91 -192,907 37.212,92 6 25.938 26.426,79 -488,786 238.911,5 7 26.519 27.600,66 -1.081,66 1.169.999 8 27.727 28.774,54 -1.047,54 1.097.348 9 28.401 29.948,42 -1.547,42 2.394.518 10 32.192 31.122,3 1.069,698 1.144.253 11 32.099 32.296,18 -197,181 38.880,47 12 33.561 33.470,06 90,9396 8.270,011 13 35.000 34.643,94 356,0604 126.779 14 37.246 35.817,82 1.428,181 2.039.702 15 37.857 36.991,7 865,3022 748.747,9 16 37.525 38.165,58 -640,577 410.338,9 17 38.293 39.339,46 -1.046,46 1.095.070 18 40.250 40.513,34 -263,335 69.345,43 19 42.643 41.687,21 955,7857 913.526,3 20 42.918 42.861,09 56,9065 3.238,35 21 43.264 44.034,97 -770,973 594.398,8 22 45.905 45.208,85 696,1483 484.622,5 23 46.834 46.382,73 451,2691 203.643,8 24 46.914 47.556,61 -642,61 412.947,6
300 817.368 817.368 0 14.886.307
Perhitungan Hasil Verifikasi Peramalan Jumlah Permintaan
X Y Y' Y-Y' MR
1 20.346 20.557,39 -211,39 -
2 22.585 21.731,27 853,7309 1.065,121
3 23.675 22.905,15 769,8517 83,8792
4 24.616 24.079,03 536,9726 232,8791
5 25.060 25.252,91 -192,907 729,8791
6 25.938 26.426,79 -488,786 295,8792
7 26.519 27.600,66 -1.081,66 592,8791
8 27.727 28.774,54 -1.047,54 34,1209
9 28.401 29.948,42 -1.547,42 499,8791
10 32.192 31.122,3 1.069,698 2.617,121
11 32.099 32.296,18 -197,181 1.266,879
12 33.561 33.470,06 90,9396 288,1209
13 35.000 34.643,94 356,0604 265,1208
14 37.246 35.817,82 1.428,181 1.072,121
15 37.857 36.991,7 865,3022 562,8791
16 37.525 38.165,58 -640,577 1.505,879
17 38.293 39.339,46 -1.046,46 405,8791
18 40.250 40.513,34 -263,335 783,1209
19 42.643 41.687,21 955,7857 1.219,121
20 42.918 42.861,09 56,9065 898,8792
21 43.264 44.034,97 -770,973 827,8791
22 45.905 45.208,85 696,1483 1.467,121
23 46.834 46.382,73 451,2691 244,8792
24 46.914 47.556,61 -642,61 1.093,879
300 817.368 817.368 0 18.053,4
Perhitungan Hasil Peramalan Jumlah Permintaan Distribution
Centre
Distribution Centre
Hasil Peramalan Jumlah Permintaan
(Kardus)
Pematang Siantar 99.593
Tebing Tinggi 66.303
Rantauprapat 165.564
Pekanbaru 132.381
Medan 198.399
Hasil Perhitungan Demand Setiap Periode
Periode Kota
Penjumlahan Planned Shipments – Ship Date
per Periode
Total
1
Pematang Siantar 9.140
62.501 Tebing Tinggi 8.382
Rantauprapat 15.255
Pekanbaru 11.808
Medan 17.916
2
Pematang Siantar 9.140
55.324 Tebing Tinggi 4.191
Rantauprapat 15.255
Pekanbaru 11.808
Medan 14.930
3
Pematang Siantar 9.140
55.324 Tebing Tinggi 4.191
Rantauprapat 15.255
Pekanbaru 11.808
Medan 14.930
4
Pematang Siantar 9.140
56.721 Tebing Tinggi 5.588
Rantauprapat 15.255
Pekanbaru 11.808
Medan 14.930
5
Pematang Siantar 9.140
43.120 Tebing Tinggi 4.191
Rantauprapat 3.051
Pekanbaru 11.808
Medan 14.930
6
Pematang Siantar 2.285
54.249 Tebing Tinggi 6.985
Rantauprapat 15.255
Pekanbaru 11.808
Medan 17.916
7
Pematang Siantar 9.140
46.468 Tebing Tinggi 4.191
Rantauprapat 15.255
Pekanbaru 2.952
Hasil Perhitungan Demand Setiap Periode (Lanjutan)
Periode Kota
Penjumlahan Planned Shipments – Ship Date
per Periode
Total
8
Pematang Siantar 9.140
65.614 Tebing Tinggi 5.588
Rantauprapat 12.204
Pekanbaru 11.808
Medan 26.874
9
Pematang Siantar 6.855
55.833 Tebing Tinggi 6.985
Rantauprapat 15.255
Pekanbaru 11.808
Medan 14.930
10
Pematang Siantar 9.140
56.901 Tebing Tinggi 5.768
Rantauprapat 15.255
Pekanbaru 11.808
Medan 14.930
11
Pematang Siantar 9.140
58.478 Tebing Tinggi 7.345
Rantauprapat 15.255
Pekanbaru 11.808
Medan 14.930
12
Pematang Siantar 9.140
58.490 Tebing Tinggi 4.371
Rantauprapat 15.255
Pekanbaru 11.808
Medan 17.916
DAFTAR PUSTAKA
Batubara, Sumiharni, Rahmi Maulidya dan Irma Kusumaningrum. 2011.
Perbaikan Sistem Distribusi dan Transportasi dengan Menggunakan
Distribution Requirement Planning (DRP) dan Algoritma Djikstra (Studi
Kasus: Depot Pertamina Tasikmalaya). Vol. 1. No. 1. ISSN 1411-6340.
Fogarty, Donald W., John H. Blackstone dan Thomas R. Hoffmann. 1991.
Production & Inventory Management. Ohio: South Western Publishing Co.
Gaspersz, Vincent. 2005. Production Planning adn Inventory Control Berdasarkan Pendekatan Sistem Terintegrasi MRP II dan JIT Menuju
Manufakturing 21. Jakarta: PT. Gramedia Pustaka Utama.
Ginting, Rosnani. 2007. Sistem Produksi. Yogyakarta : Graha Ilmu.
Hidayat, Syarif, Nunung Nurhasanah, Anela Septieni Zulkifli. 2013. Perencanaan dan Penjadwalan Distribusi Pakaian Jadi dengan Metode Distribution
Resource Planning. Vol 12. No. 2. ISSN 2088-4842.
Kristanto, Titus dan Rachman Arief. 2013. Rancang Bangun Sistem Penjadwalan Aktivitas Distribusi dengan Metode DRP (Distribution Requirement
Planning). ISBN 978-979-98438-8-3.
Martin, Andre J. 1992. DRP Distribution Resource Planning Distribution
Management’s Most Powerful Tool. New York: Prentice Hall, Inc.
Paramitasari, Dewi dan Muhammad Yusuf. 2015. Analisis dalam Perencanaan
Kebutuhan Distribusi Produk Gula Menggunakan Distribution
2338-Pujawan, I Nyoman. 2010. Supply Chain Management. Surabaya: Guna Widya Sinulingga, Sukaria. 2013. Perencanaan dan Pengendalian Produksi.
Yogyakarta : Graha Ilmu.
Sinulingga, Sukaria. 2014. Metode Penelitian. Medan: USU Press. Sinulingga, Sukaria. 2015. Teori Jaringan. Medan: USU Press.
Surya, Steven Regina. 2013. Implementasi Metode Distribution Requirements
Plannning (DRP) pada CV Karya Mandiri Sejahtera di Surabaya. Vol. 2 .
No. 1.
BAB III
LANDASAN TEORI
3.1. Peramalan (Forecasting)
Menurut Rosnani Ginting (2007), peramalan merupakan bagian awal dari suatu proses pengambilan suatu keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu. Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang.
3.2. Peramalan Kuantitatif
Pada metode ini, data historis masa lalu digunakan untuk meramalkan permintaan masa depan. Ada dua kelompok besar metode kuantitatif, yaitu:
1. Time Series
Metode time series adalah metode peramalan secara kuantitatif dengan menggunakan waktu sebagai dasar peramalan. Untuk membuat suatu peramalan diperlukan data historis. Data inilah yang diakumulasikan dalam beberapa periode waktu. Metode time series mengasumsikan bahwa apa yang telah terjadi di masa lalu akan terus terjadi di masa yang akan datang. Time
series memakai teknik statistik yang menggunakan data historis.
Ada empat komponen utama yang mempengaruhi analisa ini, yaitu:
Trend merupakan sifat dari permintaan dimasa lalu terhadap waktu terjadinya bila ada pertambahan/kenaikan atau penurunan dari data observasi jangka panjang.
b. Siklus
Digunakan bila data dipengaruhi oleh fluktuasi jangka panjang atau memiliki siklus yang berulang secara periodik.
c. Musiman (Seasonal)
Pola ini digunakan bila suatu deret waktu dipengaruhi oleh faktor musim (seperti mingguan, bulanan, dan harian).
d. Horizontal
Pola ini dipakai bila nilai-nilai dari data observasi berfluktuasi di sekitar nilai konstan rata-rata. Dengan demikian dapat dikatakan pola ini sebagai
stationary pada rata-rata hitungannya. Misalnya, pola ini terdapat bila suatu produk mempunyai jumlah penjualan yang tidak menaik atau menurun selama beberapa periode waktu.
2. Causal Method
Metode yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya.
3.2.1. Metode Regresi
peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan metode ini sangat baik. Data yang dibutuhkan untuk metode ini adalah tahunan, minimal lima tahun. Namun, semakin banyak data yang dimiliki semakin baik hasil yang diperoleh.
Bentuk fungsi dari metode ini dapat berupa: 1. Konstan, dengan fungsi peramalan (Yt):
Yt = a, dimana
N Y
a
1Dimana: Yt = nilai tambah N = jumlah periode
Gambar 3.1. Grafik Metode Konstan
2. Linear, dengan fungsi peramalan:
Yt = a + bt
Dimana:
n bt Y
a
2 2 t t n y t ty n b 0 2 4 6 81 2 3 4 5
Gambar 3.2. Grafik Metode Linear
3. Kuadratis, dengan fungsi peramalan:
Yt = a + bt + ct2 Dimana: n t c t b Y
a
2
b
c 2 b
2 2 4
t n t
t Y n tY
t2 Y n t2Y
2 3
t n t t
2 2
t n t 0 2 4 6 8 10 12
1 2 3 4 5
Gambar 3.3. Grafik Metode Kuadaratis
4. Eksponensial, dengan fungsi peramalan: Yt = aebt Dimana:
n t b Y
a
ln
ln
22 ln ln
t t n Y t Y t n bGambar 3.4. Grafik Metode Eksponensial
5. Siklis, dengan fungsi peramalan:
0 20 40 60 80 100 120
0 2 4 6
Series1 0 2 4 6 8 10 12
0 20 40 60 80
n t c n b a Yt 2 cos 2 sin ˆ Dimana: n t c n t b na
Y sin2
cos2
n t n t c n b n t a n tYsin2
sin2 sin2 2
sin2 cos2
n t n t b n c n t a n tYcos2
cos2
cos2 2
sin2 cos2
Gambar 3.5. Grafik Metode Siklis
3.3. Kriteria Pemilihan Metode Peramalan
Kriteria peramalan yang terbaik antara lain:
1. Mean Square Error (MSE)
m f f MSE t t m t 2 1 ˆ
Dimana: tf : data aktual periode t 0 1 2 3 4 5
0 20 40 60
t
fˆ : nilai ramalan periode t m : banyaknya periode
2. Percentage Error (PEt)
% 100 ˆ t t t t f f f PE
3. Standard Error of Estimate (SEE)
k m f f SEE m t t t
12 ˆ
Dimana: k = derajat kebebasan
Untuk data konstan, k = 1 karena data konstan hanya memiliki satu parameter, yaitu a.
Untuk data linear, k = 2 karena data linear memiliki 2 parameter, yaitu a dan b. Untuk data kuadratis, k = 3 karena data kuadratis memiliki 3 parameter yang harus dicari, yaitu a, b, dan c.
Untuk data siklis, k = 3 karena data siklis memiliki 3 parameter, yaitu a, b, dan c.
4. Mean Absolute Percentage Error (MAPE)
3.4. Verifikasi dan Pengendalian Peramalan
Langkah penting setelah peramalan dibuat adalah melakukan verifikasi peramalan sedemikian rupa sehingga hasil peramalan tersebut benar-benar mencerminkan data masa lalu dan sistem sebab akibat yang mendasari permintaan tersebut. Sepanjang aktualitas peramalan tersebut dapat dipercaya, hasil peramalan akan terus digunakan. Jika selama proses verifikasi tersebut ditemukan keraguan validitas metode peramalan yang digunakan, harus dicari metode lainnya yang lebih cocok.
Banyak alat yang dapat digunakan untuk memverifikasi peramalan dan mendeteksi perubahan sistem sebab akibat yang melatarbelakangi perubahan pola permintaan. Bentuk yang paling sederhana adalah peta kontrol peramalan yang mirip dengan peta kontrol kualitas dengan nama Moving Range Chart (MRC). Peta kontrol ini dapat dibuat dengan dalama kondisi data yang tersedia minim. Dari peta ini dapat dilihat apakah sebaran masih dalam kontrol ataupun sudah berada di luar kontrol. Proses verifikasi dengan menggunakan Moving Range
Chart (MRC) dapat dilihat pada Gambar 3.6.
Gambar 3.6. Moving Range Chart Moving Range Chart
-4000 -3000 -2000 -1000 0 1000 2000 3000 4000
1 2 3 4 5 6 7 8 9 10
Harga MR diperoleh dari: 1 1 2
N MR R M N t tDimana:
1
1
t
t t F
T t
t Y Y Y Y
MR atau: MRt et et1
Kondisi out of control dapat diperiksa dengan menggunakan empat aturan berikut:
1. Aturan Satu Titik
Bila ada titik sebaran (Y-YF) berada di luar UCL dan LCL. 2. Aturan Tiga Titik
Bila ada tiga buah titik secara berurutan berada pada salah satu sisi, yang mana dua diantaranya jatuh pada daerah A.
3. Aturan Lima Titik
Bila ada lima buah titik secara berurutan berada pada salah satu sisi, yang mana empat diantaranya jatuh pada daerah B.
4. Aturan Delapan Titik
Gambar 3.7. Bagan Batas Kendali Out of Control
Proses verifikasi dari proses peramalan dapat dilihat pada Gambar 3.8.
MRC
Out of Control?
Fungsi Penyebab Diketahui?
Gunakan Fungsi yang diperoleh untuk meramalkan
Gejala tersebut bukan Bersifat random sehingga
Data menyimpang
Ganti dengan Fungsi baru
Menghitung kembali Parameter fungsi tersebut dengan menghilangkan
titik-titik out of control sehingga diperoleh fungsi yang baru
(data berkurang)
Ulangi Kembali
Tidak
Ya
Tidak
3.5. Pengujian Mengenai Ragam
3.5.1. Uji Ragam (Uji F)
Menurut Ronald E. Walpole (1995), masalah pengujian adalah kesamaaan dua ragam populasi � dan � . Artinya jika ingin menguji hipotesis nol Ho � =
� lawan salah satu dari alternatif � < � , � > � , atau � ≠ � . Bila contoh yang berukuran dan n itu bersifat bebas, maka nilai f bagi pengujian � = � adalah rasio:
f =
Sedangkan dalam hal ini dan s adalah ragam yang dihitung dari kedua contoh tersebut. Bila kedua populasi menghampiri sebaran normal dan hipotesis nolnya benar, maka menurut Dalil rasio f = / merupakan suatu nilai dari sebaran F dengan � = -1 dan � = -1 derajat bebas.
Langkah-langkah/ urutan menguji hipotesa dengan distribusi F: 1. Merumuskan hipotesa
2. Ho : β1= β2= β3= β4 = 0
Artinya secara bersama-sama tidak ada pengaruh variabel bebas terhadap
variabel terikat. Ha : β1 ≠ β2 ≠ β3 ≠ β4 ≠ 0, berarti secara bersama-sama ada
pengaruh variabel bebas terhadap variabel terikat. 3. Menentukan taraf nyata / levelofsignificance= α
Taraf nyata/derajat keyakinan yang digunakan sebesar α = 1%, 5%, 10%.
Derajat bebas (df) dalam distribusi F ada dua, yaitu: df numerator = dfn = df1 = k – 1
Dimana:
df = degreeoffreedom/derajat kebebasan n = jumlah sampel
k = banyaknya koefisien regresi
4. Menentukan daerah keputusan, yaitu daerah dimana hipotesa nol diterima atau
tidak. Ho diterima apabila F hitung ≤ F tabel, artinya semua variabel bebas
secara bersama-sama bukan merupakan variabel penjelas yang signifikan terhadap variabel terikat. Ho ditolak apabila F hitung > F tabel, artinya semua variabel bebas secara bersama-sama merupakan penjelas yang signifikan terhadap variabel terikat.
5. Menentukan uji statistik nilai F
[image:33.595.221.408.442.513.2]Bentuk distribusi F selalu bernilai positif
Gambar 3.9. Distribusi F
6. Mengambil keputusan
3.6. Distribusi
Menurut Donald Fogarty (1991), distribusi merupakan usaha perpindahan/pengiriman produk dari lini akhir produksi kepada konsumen dengan tujuan tepat sasaran, tepat waktu dan harga yang wajar. Menurut Weiss dan Gershon (2002), distribusi merupakan keseluruhan proses logistik yang melibatkan pengiriman produk akhir atau jasa ke tempat yang tepat, pada waktu yang tepat dan pada biaya yang terendah. Menurut Domschke and Schield (2011), distribusi adalah suatu sistem yang mentransfer produk jadi dari manufacturer
kepada konsumen. Kegiatan distribusi ini meliputi koordinasi perencanaan dari produk sesuai dengan spesifikasi, volume, waktu hingga produk sampai ke tangan konsumen, sehingga pemenuhan order atau estimasi permintaan dapat terealisasi secara efisien.
Menurut Vincent Gaspersz (2005), sistem distribusi diklasifikasikan atas: 1. Sistem tarik (pull system)
Sistem tarik adalah sistem pengisian persediaan dimana setiap distribution centre pada tingkat lebih rendah (lower levels of distribution centre) menghitung kebutuhannya dan memesan dari pusat distribusi pada tingkat lebih tinggi (higher levels of distribution centre).
2. Sistem dorong (push system)
Sistem dorong adalah sistem pengendaliaan dari jaringan distribusi. Data diperoleh dari semua field stocking points. Dalam hal ini, central distribution
3.7. Faktor-faktor yang Mempengaruhi Sistem Distribusi
Menurut Philip Kotler (2010), faktor-faktor yang mempengaruhi aktivitas distribusi meliputi:
1. Penjadwalan distribusi
Penjadwalan distribusi merupakan hal yang paling penting dalam suatu sistem distribusi karena jika penjadwalan distribusi tidak disusun dan diatur sedemikian rupa, maka penyaluran produk / barang dari produsen ke konsumen pasti akan terhambat dan menyebabkan bottleneck.
2. Penjadwalan produksi
Jumlah produksi sangat erat kaitannya dengan distribusi, jika penjadwalan produksi terhambat maka otomatis penjadwalan distribusi juga terhambat dan mengakibatkan barang tidak tepat waktu sampai ke tangan konsumen.
3. Stok
Persediaan produk yang tidak berlebihan pada distributor digunakan sebagai cadangan agar tidak terjadi keterlambatan distribusi, sehingga sistem distribusi tetap dapat berjalan normal tanpa adanya hambatan.
4. Komunikasi
Komunikasi yang baik sangat dibutuhkan dari hulu ke hilir dan dari hilir ke hulu sehingga terjalin hubungan yang baik dan menghindari terjadinya
miscommunication.
3.8. Input Distribution Requirement Planning (DRP)
1. Bill of Distribution
Bill of Distribution adalah informasi tentang hubungan antara supplier dan yang disuplainya yang dibentuk dari level per level. Informasi ini menunjukkan arah informasi material produk dari level yang lebih tinggi ke level yang lebih rendah.
2. Lead Time Distribusi
Lead time distribusi adalah waktu yang dibutuhkan dari pelepasan order
sampai order diterima di DC. Lead time distribusi disusun dari dari beberapa komponen yaitu pelepasan order, pemuatan barang, pengangkutan barang, pembongkaran muatan di DC.
3. Order Entry
Order entry merupakan proses penerimaan dan penerjemahan apa yang
diinginkan konsumen kepada bagian distribusi. Hal ini dapat merupakan sebuah proses yang sederhana seperti pembuatan dokumen penerimaan untuk
finished good, sampai kepada aktivitas usaha rumit yang meliputi usaha
engineering untuk produk make to order. 4. Forecasting
menggunakan teknik-teknik tertentu, peramalan menjadi lebih dari sekedar perkiraan. Peramalan dapat disebut sebagai perkiraan yang ilmiah (educated
guess). Dalam kegiatan produksi, peramalan dilakukan untuk menentukan
jumlah permintaan terhadap suatu produk dan juga merupakan langkah awal dari proses perencanaan dan pengendalian produksi.
5. Inventory Record
Inventory record adalah catatan keadaan persediaan pada masing-masing DC.
3.9. OutputDistribution Requirement Planning
Sistem DRP dengan nyata menghasilkan dua output yaitu jadwal distribusi untuk setiap DC, dan master schedule yang merupakan DRP display untuk CSF. Disamping itu terdapat pegging informasi yang dapat melacak kembali sumber dari permintaan kepada CSF dan Tranportation Planning Report.
DRP display (DRP Worksheet) memiliki 2 bagian penting yaitu:
1. Time Phased Information
Time phased information adalah informasi-informasi yang dikeluarkan
berdasarkan pada suatu time phased yang menunjukkan perkiraan keadaan pada time phased tersebut. Informasi time phased meliputi:
a. Gross Requirement
Gross requirement merupakan permintaan akan suatu item atau produk
Schedule receipt adalah jumlah item atau produk yang dijadwalkan untuk dimasukkan dalam stok. Schedule receipt produk tidak harus dalam perjalanan, tetapi dapat juga berupa order yang masih dalam pengemasan dan pemuatan.
c. Planned Order
Planned order adalah order yang belum dilepas dan masih dalam
perencanaan. Pada DC, planned order adalah jadwal untuk pengiriman produk pada masa yang akan datang dari CSF.
d. Project on –hand
Project on-hand balance adalah proyeksi jumlah persediaan yang ada pada
suatu time phased tertentu. Project on- hand balace merupakan suatu perencanaan jumlah persediaan pada DC dan CSF yang dijadikan gambaran persediaan yang ada pada masa yang akan datang. Sehingga dengan project on- hand balance ini, setiap komponen sistem distribusi dapat mengetahui masing-masing dapat mengetahui inventory level sistem tersebut.
2. Description Information
Description information adalah atribut-atribut masukan pada awal
perencanaan. Description information ini berupa pengolahan data awal untuk masukan sistem DRP. Description information meliputi:
a. On-hand balance
On-hand balance adalah jumlah persediaan produk yang terdapat dalam
yang berada dalam transit dan produk rusak. Jadi produk yang ada pada DC adalah jumlah produk yang tersedia untuk dikirimkan
b. Safety stock
Safety stock adalah persediaan pengaman yang digunakan untuk
memproteksi keadaan apabila penjualan melebihi apa yang diramalkan. Stok pengaman dalam DRP digunakan untuk mengantisipasi ketidakpastian permintaan relatif terhadap ramalan-ramalan yang dibuat. Ketidakpastian ini paling mungkin terjadi apabila permintaan benar-benar
independent pada pusat-pusat distribusi yang secar langsung melayani
pelanggan. Tingkat stok pengaman secara keseluruhan dalam sistem distribusi seharusnya menjadi lebih kecil untuk push system daripada pull system.
Salah satu cara untuk menyelesaikan masalah ketidakpastian permintaan dan penawaran adalah mengkombinasikan data yang menunjukkan rata-rata permintaan. Hal ini akan menghasilkan ukuran variasi yang lebih besar, namun dapat diterapkan sebagai perhitungan dalam keadaan normal untuk menentukan stok pengaman guna mencapai tingkat pelayanan yang diinginkan yaitu :
Safety Stock = s x Z
Dimana: s = Standar deviasi permintaan pada distribution centre
Lead time distribusi adalah waktu yang dibutuhkan untuk melepaskan order sampai order diterima. Lead time distribusi dimulai saat menentukan saat menentukan kebutuhan untuk sebuah penambahan(replenishment) sampai saat inventory yang dibutuhkan.
d. Order Quantity
Order quantity adalah jumlah produk yang ditentukan untuk dikirim.
Dalam model EOQ (Economic Order Quantity) digunakan asumsi-asumsi beikut untuk menyederhanakan sistem persediaan yang ada:
1. Permintaan (kebutuhan) diketahui dengan pasti dan konstan sepanjang waktu.
2. Pemesanan kembali dilakukan ketika persediaan mencapai titik nol, dan akan langsung diterima seketika, sesuai ukuran pemesanan yang dilakukan, sehingga tidak akan terjadi kekurangan persediaan.
Model EOQ ini mencari ukuran pemesanan yang ekonomis dengan meminimalkan total biaya. Ada dua macam biaya yang dipertimbangkan yaitu: 1. Biaya penyimpanan
Biaya penyimpanan per tahun merupakan perkalian antara rata-rata persediaan per tahun dengan biaya simpan per unit per tahun. Jika rata-rata persediaan per tahun =
2
Q
, dimana Q adalah ukuran pemesanan, dan biaya simpan per unit
per tahun adalah h, maka
Total biaya penyimpanan per tahun = 2
Q h
Biaya pembelian per tahun (annual purchase cost) merupakan total harga yang dikeluarkan untuk membeli suatu barang, yaitu perkalian antara barang per unit (C) dengan banyaknya barang yang dibeli sepanjang tahun yaitu sebesar demand (D).
Total biaya per tahun = DC
Sedangkan total biaya pemesanan per tahun =
Q D A
Sehingga:
Total biaya per tahun (TC) = biaya pembelian per tahun + biaya pemesanan per tahun + biaya penyimpanan per tahun
TC = DC+ Q D A + 2 Q h
Dengan perhitungan kalkulus melalui pengambilan turunan pertama dari persamaan total biaya akan diperoleh rumusan ukuran pemesanan yang optimum (Q*), yaitu :
TC = DC+ Q D
A +
2
Q
h Q* =
Dimana:
D = tingkat permintaan, unit per tahun A = biaya per pemesanan
h = biaya penyimpanan per unit per tahun Q* = ukuran pesanan ekonomis
ketika persediaan mencapai titik pemesanan ulang (reorder point). Titik pemesanan ulang dihitung dengan mengalikan tenggang waktu L dengan permintaan per hari. Jika kita mengasumsikan bahwa satu tahun terdiri dari 365 hari, maka permintaan per hari adalah:
Jumlah pesanan ekonomis (Economic Order Quantity)
365
D
. Jadi, rumus
untuk titik pemesanan ulang, R, adalah: R =
365
D L
Asumsi-asumsi yang digunakan dalam model EOQ klasik adalah: a. Rata-rata kebutuhan diketahui dan konstan.
b. Lamanya leadtime diketahui dan konstan.
c. Pesanan tiba sekaligus dan pada satu waktu sesuai ukuran pesanan. d. Tidak terjadi kekurangan persediaan.
e. Strukur biaya tetap.
f. Terdapat tempat penyimpanan, kapasitas, dan biaya yang cukup untuk mendatangkan sejumlah kuantitas pemesanan yang diinginkan.
3.10. Algoritma Djikstra
Menurut Sukaria Sinulingga (2015), Algoritma Djikstra memberikan basis untuk penyelesaian shortest path problem dengan cara yang paling efisien. Algoritma ini dikenal sebagai label setting karena menggunakan bantuan atau penggunaan label pada tahapan-tahapan prosesnya. Setiap node dengan arc
Node dan arc yang termasuk dalam lintasan (path) diberi warna sedangkan yang lainnya tidak berwarna.
Misalkan dari node y ada m buah node yang dapat dipilih untuk menjadi bagian lintasan terpendek dari node y. karena ada m node di depan nodey maka berarti ada m buah path dari y. Misalkan node x adalah salah satu node dari m
node tersebut dan juga merupakan path terpendek dari nodey. Beri warna nodey
dan arc (y,x). Node x yang telah terpilih kemudian disebut sebagai node y untuk proses pemilihan berikutnya. Identifikasi kembali node-node apa saja yang dapat dijangkau dari node y yang baru ini. Kemudian pilih lagi, node mana yang merupakan node terdekat dari nodey dan seterusnya.
Sistematika dari proses di atas adalah sebagai berikut: 1. Pada awalnya semua node dan arc tidak berwarna.
Beri tanda d(x) pada setiap node x untuk menunjukkan panjang dari path yang terpendek dari s (node sumber) ke node x. Pada langkah awal ini, beri d(s) = 0 dan d(x) = ∞ untuk semua x≠ s.
Misalkan y = s, karena s adalah node awal dan node s direpresentasikan oleh
node variabel y maka node y adalah node pertama yang akan diberi warna.
Beri warna pada semua node y = s.
2. Untuk setiap node x yang belum berwarna, tentukan d(x) dengan cara berikut
d(x) = Min { d(x), d(y) + a(x,y)}
belum berwarna tersebut. Jika d(x)≠ ∞, beri warna node x yang masih belum
berwarna dengan ketentuan node tersebut memiliki nilai d(x) yang terkecil. Juga beri warna pada pada arc yang langsung menuju node x dari node berwarna dimana harga d(x) yang minimum tadi ditemukan. Selanjutnya, dimisalkan node y yang baru adalah node x yang terpilih tersebut. Jadi y = x. 3. Periksa apakah node t sudah berwarna. Jika sudah berwarna, iterasi dihentikan
BAB IV
METODOLOGI PENELITIAN
4.1. Tempat dan Waktu Penelitian
Penelitian ini dilakukan di PT Union Confectionery yang terletak di Jalan Medan-Belawan Km 10,5 Kawasan Industri Medan. Waktu penelitian dilakukan dari Mei 2016 hingga bulan Juli 2016.
4.2. Jenis Penelitian
Jenis penelitian ini termasuk dalam penelitian descriptive research.
Menurut Sukaria Sinulingga (2014), yang dimaksud dengan penelitian descriptive
research adalah jenis penelitian yang bertujuan untuk mendeskripsikan secara
sistematik, faktual, dan akurat tentang fakta-fakta dan sifat-sifat dari objek tanpa membuat prediksi atau atau mencari pemecahan atas masalah yang ada dalam objek tersebut.
4.3. Objek Penelitian
4.4. Variabel Penelitian
Variabel-variabel yang terdapat dalam penelitian ini adalah:
1. Jumlah permintaan produk yang mempengaruhi perubahan pada lead time.
2. Lead time, merupakan waktu yang dibutuhkan untuk mendistribusikan produk
dari Central Supply Facility ke setiap Distribution Centre.
3. Jumlah stok pada Central Supply Facility yang mempengaruhi perubahan pada project on hand
4. Project on hand, merupakan jumlah stok yang tersedia pada periode
sebelumnya dan mampu menpengaruhi jumlah produksi perusahaan untuk periode selanjutnya.
5. Forecasting, merupakan hasil peramalan permintaan produk masing
Distribution Centre yang langsung berhubungan dengan konsumen dari data
historis.
6. Proyeksi permintaan, merupakan peramalan atau proyeksi permintaan untuk satu periode ke depan.
7. Biaya pemesanan merupakan biaya yang dikeluarkan setiap Distribution
Centre untuk memenuhi permintaan konsumen seperti biaya administrasi dan
biaya bongkar muat.
4.5. Kerangka Berpikir
Suatu penelitian dapat dilaksanakan jika perancangan kerangka berpikir yang baik telah tersedia sehingga langkah-langkah penelitian lebih sistematis. Kerangka berpikir inilah yang merupakan landasan awal dalam melaksanakan penelitian. Kerangka berpikir dapat dilihat pada Gambar 4.1.
Lead Time
Project on Hand
Perencanaan Jadwal Distribusi Produk
Forecasting Proyeksi
Permintaan Jumlah Permintaan
Jumlah stok pada
Central Supply Facility
Biaya Pemesanan Biaya Administrasi
dan Biaya Bongkar Muat
Rute Terpendek Lokasi, Kapasitas
[image:47.595.115.511.241.544.2]Pengangkutan, Jarak
Gambar 4.1. Kerangka Berpikir
4.6. Pengumpulan Data
4.6.1. Sumber Data
Berdasarkan cara pengumpulannya, data yang digunakan dalam penelitian ini adalah:
1. Data primer diperoleh dengan cara pengamatan atau pengukuran langsung. Data yang termasuk kategori ini adalah:
a. Pengamatan proses produksi
2. Data sekunder diperoleh berdasarkan data dokumentasi perusahaan. Data yang termasuk kategori ini adalah:
a. Data lead time pengiriman b. Data persediaan
c. Data jumlah persediaan d. Biaya distribusi
e. Data project on hand
f. Data jarak lokasi distribution centre
4.6.2. Pengumpulan Data
Pengumpulan data dalam penelitian ini adalah:
2. Data data historis, data frekuensi pemesanan, data lead time, biaya distribusi dan data jarak lokasi antara distribution centre didapat dari hasil wawancara dengan pihak perusahaan.
4.7. Pengolahan Data
Langkah-langkah dalam proses pengolahan data adalah:
1. Tahapan pertama adalah menentukan variabel penyebab ketidaknormalan pada sistem distribusi rantai pasok.
2. Tahapan kedua yang dilakukan adalah melakukan peramalan terhadap jumlah permintaan produk untuk periode berikutnya yaitu dari data permintaan Juli 2016 – Juni 2017. Peramalan ini digunakan untuk menentukan lot size atau jumlah produksi dari lantai produksi pada 12 periode ke depan.
3. Selanjutnya adalah penentuan order quantity dengan menggunakan model EOQ (Economic Order Quantity) untuk meminimasi biaya persediaan dengan menggunakan jumlah permintaan dari data historis 12 periode sebelumnya. 4. Melakukan perhitungan frekuensi pemesanan pada distribution center pada PT
Union Confectionery.
5. Melakukan perhitungan Safety Stock dengan cara memperhitungkan standar deviasi permintaan.
6. Penentuan aplikasi perencanaan produksi dan distribusi dengan menggunakan metode Distribution Resources Planning yang ditampilkan pada Distribution
7. Pembuatan network diagram dengan Algoritma Djikstra menggunakan data jarak antara distribution centre.
Peramalan terhadap jumlah permintaan periode berikutnya
untuk menentukan jumlah produksi pada lantai pabrik
Menghitung order quantity
Menentukan aktivitas produksi dan distribusi yang ditampilkan dalam Distribution Requirement
Planning Worksheet Menghitung safety stock Menghitung frekuensi pemesanan
Mulai
Penentuan variabel penyebab ketidaknormalan pada sistem
distribusi rantai pasok
Selesai
[image:51.595.243.380.95.706.2]Pembuatan network diagram dengan Algoritma Djikstra
4.8. Analisis Pemecahan Masalah
Analisis dilakukan terhadap hasil pengolahan data metode DRP dengan mempertimbangkan setiap safety stock, order quantity dan pengoptimuman biaya distribusi dan produksi perusahaan, dan penentuan shortest path antara
distribution centre dengan Algoritma Djikstra.
4.9. Rancangan Penelitian
Rancangan penelitian dapat dilihat pada Gambar 4.3.
Studi Pendahuluan
1. Kondisi dan Masalah pada Pabrik 2. Proses Produksi
3. Informasi pendukung
Studi Literatur
1. Teori dan Literatur Distribusi 2. Jurnal Internet
3. Metode Pemecahan Masalah
Kesimpulan dan Saran
Mulai
Pengumpulan Data
Data Primer :
- Pengamatan Proses Produksi Data Sekunder
- Data Lead Time Pengiriman - Data Persediaan
- Data Jumlah Permintaan - Biaya Distribusi
- Data Project on Hand
- Data Jarak Lokasi Distribution
Centre
Pengolahan Data
- Menentukan variabel-variabel penyebab ketidaknormalan sistem distribusi
- Langkah-langkah DRP:
Melakukan Peramalan Permintaan untuk menentukan Jumlah Produksi Menghitung Order Quantity Menghitung Frekuensi Permintaan Menghitung Jumlah Permintaan Menghitung Safety Stock
DRP Worksheet
- Pembuatan Network Diagram dengan Algoritma Djikstra
Analisis Pemecahan Masalah
[image:53.595.113.486.106.705.2]Selesai
BAB V
PENGUMPULAN DAN PENGOLAHAN DATA
5.1. Pengumpulan Data
Jaringan distribusi PT Union Confectionery dapat dilihat pada Gambar 5.1.
PT Union Confectionery
Pematang Siantar
Tebing Tinggi
Rantauprapat
Pekanbaru
Distribution Centre
[image:54.595.153.427.287.513.2]Medan
Gambar 5.1. Jaringan Distribusi PT Union Confectionery
Tahapan-tahapan aktivitas distribusi dari PT Union Confectionery adalah sebagai berikut:
1. Masing-masing distribution centre mengajukan permintaan ke pihak pembelian (purchasing).
3. Bagian lantai produksi melakukan proses produksi sesuai dengan jumlah permintaan dari masing-masing distribution centre.
4. Bagian produksi memberi produk jadi ke bagian gudang barang jadi untuk didistribusikan ke masing-masing distribution centre.
5.1.1. Data Permintaan Produk Hard Candy Periode Juni 2014 – Mei 2016
Data permintaan produk hard candy digunakan untuk menjadi dasar atau data historis untuk peramalan permintaan 12 periode ke depan. Setelah meramalkan jumlah permintaan, maka jumlah permintaan akan digunakan sebagai landasan awal penjadwalan produksi dan penjadwalan aktivitas produksi menggunakan DRP Worksheet. Rincian data permintaan selama 2 tahun terakhir dapat dilihat pada Tabel Lampiran 1. Grafik jumlah permintaan dari distribution
centre Pematang Siantar ditunjukkan pada Gambar 5.2.
Gambar 5.2. Grafik Jumlah Permintaan Produk Hard Candy pada
Distribution Centre Pematang Siantar
2000 3000 4000 5000 6000 7000 8000
0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
Ju m lah P er m in taan Periode
Jumlah Permintaan Produk Hard Candy di Pematang Siantar
Grafik jumlah permintaan dari distribution centre Tebing Tinggi ditunjukkan pada Gambar 5.3.
Gambar 5.3. Grafik Jumlah Permintaan Produk Hard Candy pada
Distribution Centre Tebing Tinggi
Grafik jumlah permintaan dari distribution centre Rantauprapat ditunjukkan pada Gambar 5.4.
Gambar 5.4. Grafik Jumlah Permintaan Produk Hard Candy pada
Distribution Centre Rantauprapat
1000 1500 2000 2500 3000 3500 4000 4500 5000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Ju m lah P er m in taan Periode
Jumlah Permintaan Produk Hard Candy di Tebing Tinggi
Jumlah Permintaan di Tebing Tinggi 2000 4000 6000 8000 10000 12000 14000
0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
Ju m lah P er m in taan Periode
Jumlah Permintaan Produk Hard Candy di Rantauprapat
[image:56.595.110.522.487.695.2]Grafik jumlah permintaan dari distribution centre Pekanbaru ditunjukkan pada Gambar 5.5.
Gambar 5.5. Grafik Jumlah Permintaan Produk Hard Candy pada
Distribution Centre Pekanbaru
Grafik jumlah permintaan dari distribution centre Medan ditunjukkan pada Gambar 5.6.
Gambar 5.6. Grafik Jumlah Permintaan Produk Hard Candy pada
Distribution Centre Medan
2000 3000 4000 5000 6000 7000 8000 9000 10000
0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
Ju m lah P er m in taan Periode
Jumlah Permintaan Produk Hard Candy di Pekanbaru
Jumlah Permintaan di Pekanbaru 2000 4000 6000 8000 10000 12000 14000 16000
0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
Ju m lah P er m in taan Periode
Jumlah Permintaan Produk Hard Candy di Medan
5.1.2. Biaya Pemesanan
Biaya pemesanan merupakan biaya yang dikeluarkan perusahaan untuk menunjang kegiatan pengiriman produk. Biaya pemesanan meliputi biaya administrasi, biaya telepon dan biaya bongkar muat. Biaya pemesanan digunakan dalam perhitungan jumlah unit hard candy yang dipesan setiap satu kali pemesanan menggunakan metode Economic Order Quantity. Rincian biaya pemesanan pada masing-masing distributioncentre dapat dilihat pada Tabel 5.1.
Tabel 5.1. Data Biaya Pemesanan
Distribution Centre
Biaya Administrasi
(Rp/ Order)
Biaya Telepon (Rp/Order)
Biaya Bongkar Muat (Rp/Kirim)
Total Biaya (Rp)
Pematang Siantar 4.500 2.500 255.000 262.000
Tebing Tinggi 4.500 2.500 140.000 147.000
Rantauprapat 4.500 2.500 274.000 281.000
Pekanbaru 4.500 2.500 322.000 329.000
Medan 4.500 2.500 215.000 222.000
Sumber : PT Union Confectionery
5.1.3. Biaya Penyimpanan Persediaan
Biaya penyimpanan persediaan adalah biaya yang dikeluarkan oleh perusahaan dikarenakan terdapat persediaan produk di gudang. Biaya tersebut meliputi biaya yang diperkirakan akibat adanya modal yang tertanam di dalam persediaan (capital cost), biaya yang digunakan untuk pemeliharaan barang, pemindahan produk, catatan-catatan dan sebagainya.
Biaya penyimpanan juga digunakan dalam perhitungan Economic Order
quantity. Besarnya biaya penyimpanan persediaan telah ditetapkan perusahaan
5.1.4. Lead Time Distribusi
Leadtime distribusi merupakan waktu yang dibutuhkan untuk pelepasan
order sampai dengan order diterima pada stock room distribution centre. Lead
time digunakan dalam penjadwalan aktivitas distribusi pada DRP worksheet. Lead
time pada setiap distributioncentre dapat dilihat pada Tabel 5.2.
Tabel 5.2. Data Lead Time Distribusi
Distribution Centre Lead Time (Hari)
Pematang Siantar 3
Tebing Tinggi 2
Rantauprapat 4
Pekanbaru 3
Medan 1
Sumber : PT Union Confectionery
5.1.5. Status Persediaan Awal (On Hand Balance)
Status persediaan awal (on hand balance) merupakan persediaan awal yang tersedia pada setiap distribution centre pada awal perencanaan. Status persediaan awal digunakan untuk penjadwalan minggu pertama distribusi, sehingga stok awal dapat dialokasikan ke konsumen terlebih dahulu sebelum dilakukan pemesanan ulang untuk mencegah penumpukan produk pada
distribution centre. Status persediaan pada masing-masing distribution centre
dapat dilihat pada Tabel 5.3.
Tabel 5.3. Data Status Persediaan Awal (On Hand Balance)
Distribution Centre Jumlah Persediaan (Kardus)
Pematang Siantar 536
Tebing Tinggi 106
Rantauprapat 659
Pekanbaru 562
Medan 602
5.1.6. Kapasitas Pabrik dan Kapasitas Pengangkutan
Kapasitas adalah tingkat kemampuan untuk berproduksi secara optimum dari sebuah fasilitas dan biasanya dinyatakan dalam jumlah volume output per periode waktu.
Kapasitas pabrik pada PT Union Confectionery adalah 40 ton permen per hari atau sama dengan 1.200 ton permen per bulan. Berikut merupakan data kapasitas jumlah produksi permen maksimum yang diizinkan.
Tabel 5.4. Kapasitas Jumlah Produksi Permen Maksimum
Jenis Produk Persentase Jumlah Permintaan
Kapasitas Jumlah Produksi Maksimum (Kardus/Bulan)
Bubble gum 25% 50.000
Hard candy 35% 70.000
Soft candy 15% 30.000
Deposited candy 5% 10.000
Tablet type candy 20% 40.000
Total 100% 200.000
Sumber : PT Union Confectionery
Untuk pendistribusian produk, digunakan alat transportasi berupa truk untuk mengangkut produk jadi dari pabrik ke masing-masing distribution centre.
Kapasitas truk pengangkutan adalah 2.500 kardus per distribusi. Berikut merupakan data kapasitas truk pengangkutan hard candy ke masing-masing
distribution centre.
Tabel 5.5. Kapasitas Truk Pengangkutan Hard Candy pada Distribution Centre
Distribution Centre Kapasitas Truk (Kardus/Distribusi)
Pematang Siantar 500
Tebing Tinggi 400
Rantauprapat 550
Pekanbaru 500
Medan 450
5.1.7. Jarak Perpindahan
Lokasi perusahaan PT Union Confectionery berada di kota Medan.
Distribution centre PT Union Confectionery berada di kota Pematang Siantar,
Tebing Tinggi, Rantauprapat dan Pekanbaru. Perusahaan menerapkan sistem distribusi produk hard candy langsung dari perusahaan (CSF) ke seluruh
distribution centre.
Berikut merupakan data jarak antara perusahaan dan distribution centre
dalam satuan kilometer.
Tabel 5.6. Data Jarak Antara Perusahaan dan Distribution Centre
Pematang Siantar
Tebing Tinggi
Rantau prapat
Pekan
baru Medan
Pematang Siantar X 47 238 653 128
Tebing Tinggi 47 X 207 713 81
Rantauprapat 238 207 X 516 282
Pekanbaru 653 713 516 X 798
Medan 128 81 282 798 X
Sumber : PT Union Confectionery
5.2. Pengolahan Data
5.2.1. Penentuan Variabel Penyebab Ketidaknormalan Sistem Distribusi
pada Distribution Centre
DistributionCentre merupakan distributor PT Union Confectionery yang
berlokasi di kota Pematang Siantar, Tebing Tinggi, Rantauprapat, Pekanbaru dan Medan. Distributor ini berfungsi untuk menerima produk dari perusahaan PT Union Confectionery yang kemudian akan disalurkan kepada konsumen-konsumen di kota masing-masing.
1. Jumlah permintaan
Jumlah permintaan yang fluktuatif dari masing-masing konsumen pada umumnya menyebabkan kekurangan produk atau penumpukan produk pada
distribution centre.
2. Jadwal distribusi
Jadwal distribusi yang tidak tetap menyebabkan konsumen tidak menerima pesanan tepat waktu dan kondisi ini akan menyebabkan penurunan kepuasan konsumen.
3. Sistem transportasi
Sistem transportasi mempunyai peran penting dalam aktivitas distribusi sebuah perusahaan. Terhambatnya sistem transportasi dalam suatu aktivitas menyebabkan terhambatnya pada bagian lain.
4. Sistem komunikasi
Perusahaan dan distribution centre terkadang sering mengalami
miscommunication sehingga pesanan dan produk yang didistribusikan tidak
sinkron dan menyebabkan tidak normalnya suatu aktivitas distribusi.
5.2.2. Peramalan Permintaan Produk
1. Menetapkan tujuan peramalan
Tujuan peramalan adalah untuk menentukan lot size atau jumlah produk yang akan diproduksi di lantai produksi untuk 12 periode yang akan datang.
2. Membuat scatter diagram
Gambar 5.7. Scatter Diagram Jumlah Permintaan Produk Hard Candy
3. Memilih metode yang mendekati pola yang dianggap sesuai Metode peramalan yang digunakan adalah sebagai berikut : a. Metode Eksponensial
b. Metode Linear
4. Menghitung parameter-parameter fungsi peramalan
Untuk memudahakan perhitungan, maka dimisalkan X sebagai variabel tahun dan Y adalah variabel jumlah permintaan konsumen.
a. Metode Eksponensial Fungsi peramalan : Y = aebx
10000 15000 20000 25000 30000 35000 40000 45000 50000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Rincian tabel perhitungan variabel dari parameter peramalan jumlah permintaan dengan Metode Eksponensial dapat dilihat pada Tabel Lampiran 2. Perhitungan parameternya dapat dilihat di bawah ini.
b=n∑(X lnY) -n∑ X² - (∑∑XX)²∑lnY
b= 24 4900 -(300 x 300). , -(300)( , )=0,0356 ln a=∑ lnY - b n ∑X
ln a= , -(0,0356)(300)24 =9,96 a =21.164,81
Fungsi peramalannya adalah :
Y’ = 21.164,81e0,0356x b. Metode Linear
Fungsi peramalan : Y’ = ax + b
Rincian tabel perhitungan variabel dari parameter peramalan jumlah permintaan dengan metode linear dapat dilihat pada Tabel Lampiran 3. Perhitungan parameternya dapat dilihat di bawah ini.
b=n∑∑ xxy-∑ y- ∑
− ∑x
b= 24 24 4.900 -(300 x 300). . -(817.368)(300)
b= 1.173,879
a=∑y-bn∑x
a=19.383,
Fungsi peramalannya adalah:
Y'= 19.383,51 + 1.173,879 x 5. Menghitung setiap kesalahan setiap metode
Perhitungan kesalahan menggunakan metode SEE (Standard Error of
Estimation) dengan menggunakan rumus sebagai berikut :
k m f f SEE m t t t
12 ˆ
Dimana :
t
f = Data aktual periode t
t
fˆ = Nilai ramalan periode t m = Banyak periode
k = Derajat kebebasan
a. Metode Ekponensial ( k = 2 )
Rincian perhitungan Y-Y’ metode ekponensial dapat dilihat pada Tabel Lampiran 4. Adapun perhitungan SEE untuk metode Ekponensial adalah:
k m f f SEE m t t t
12 ˆ
SEE =
√
. . , SEE = 1.234,213 b. Metode Linear ( k = 2 )
k m f f SEE m t t t
12 ˆ
SEE =
√
. .SEE = 822,587
6. Menghitung pola peramalan yang terbaik dengan perhitungan distribusi f H0 = SEE Eksponensial ≤ SEE Linear
H1 = SEE Eksponensial > SEE Linear
α = 0,05
Uji Statistik
=
� � ��� �� ��
=
. ,
, = 2,251
F tabel = 0,05 (24-2, 24-2) = 2,12
Oleh karena Fhitung (2,251) > Ftabel (2,12), maka H0 ditolak. Jadi hasil
pengujian menyatakan bahwa metode linear lebih baik daripada metode eksponensial. Adapun fungsi linear adalah :
Y'= 19.383,51 + 1.173,879 x 7. Verifikasi peramalan
Tabel hasil perhitungan verifikasi peramalan dapat dilihat pada Tabel Lampiran 6. Tujuan verifikasi adalah untuk mengetahui fungsi yang telah ditentukan dapat mewakili data yang akan diramalkan. Gambar 5.8. moving
range chart dari hasil verifikasi peramalan jumlah permintaan.
784,9303 1
24 18.053,4
1
n MR MR
2/3 BKA = 2/3 x 2.087,915 = 1.391,943
BKB = -2,66 x MR = 2,66 x 784,9303= -2.087,915 1/3 BKB = 1/3 x -2.087,915 = -695,9715
2/3 BKB = 2/3 x -2.087,915 = -1.391,943
Gambar 5.8. Moving Range Chart Hasil Peramalan Permintaan
Gambar Moving Range Chart di atas menunjukkan bahwa titik hasil peramalan telah berada dalam batas sehingga peramalan dengan metode linear telah memenuhi persyaratan dengan fungsi peramalan :
Y'= 19.383,51 + 1.173,879 x
Perhitungan hasil peramalan permintaan untuk masing-masing distribution
centre pada periode Juni 2016 adalah Y’ = 19.383,51 + 1.173,879 (25) =
48.731.
Hasil peramalan permintaan untuk 12 periode ke depan dan penjadwalan produksi untuk 12 bulan ke depan dapat dilihat pada Tabel 5.7.
-2500 -2000 -1500 -1000 -500 0 500 1000 1500 2000 2500
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Moving Range Chart Hasil Peramalan Permintaan
Tabel 5.7. Hasil Peramalan 12 Periode ke Depan Periode Hasil Peramalan (Kardus)
Juni 2016 48.731
Juli 2016 49.905
Agustus 2016 51.079
September 2016 52.253
Oktober 2016 53.427
November 2016 54.600
Desember 2016 55.774
Januari 2017 56.948
Februari 2017 58.122
Maret 2017 59.296
April 2017 60.470
Mei 2017 61.644
Sumber: Pengolahan Data
Berikut merupakan perbandingan antara data permintaan dan hasil peramalan permintaan.
Gambar 5.9. Perbandingan Data Permintaan dan Hasil Peramalan
Permintaan
5.2.3. Perhitungan Order Quantity Setiap Distribution Centre
Perhitungan order quantity untuk setiap distribution centre adalah dengan menggunakan metode economic order quantity. Perhitungan order
10000 30000 50000 70000 90000 110000 130000
0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
Ju m lah P rod u k ( K ar d u s) Periode
[image:68.595.112.528.379.606.2]quantity juga digunakan untuk menjadwalkan aktivitas distribusi. Jumlah pemesanan yang optimal dapat melancarkan aktivitas distribusi sehingga pesanan dapat sampai ke tangan konsumen tepat waktu. Perhitungan EOQ dilakukan dengan menggunakan rumus sebagai berikut :
Q optimal =
√
ℎ
Keterangan : D = Jumlah Kebutuhan Barang selama satu periode (tahun) k = Ordering cost setiap kali pesan
h = Holding cost setiap 100 unit selama satu periode
Berikut adalah perhitungan order quantity dengan menggunakan metode EOQ pada masing-masing distribution centre :
a. Distribution Centre Pematang Siantar
D = 99.593 kardus (dapat dilihat pada Tabel Lampiran 7) k = Rp. 262.000/ pesan
h = Rp. 10.000/ tahun
Q optimal =
√
. ..
= 2.285 kardus
b. Distribution Centre Tebing Tinggi
D = 66.303 kardus (dapat dilihat pada Tabel Lampiran 7) k = Rp. 147.000/ pesan
h = Rp. 10.000/ tahun
Q optimal =
√
. .= 1.397 kardus
c. Distribution Centre Rantauprapat
D = 165.564 kardus (dapat dilihat pada Tabel Lampiran 7) k = Rp. 281.000/ pesan
h = Rp. 10.000/tahun
Q optimal =
√
. ..
= 3.051 kardus
d. Distribution Centre Pekanbaru
D = 132.381 kardus (dapat dilihat pada Tabel Lampiran 7) k = Rp. 329.000 / pesan
h = Rp. 10.000 / tahun
Q optimal =
√
. ..
= 2.952 unit
e. Distribution Centre Medan
D = 198.399 kardus (dapat dilihat pada Tabel Lampiran 7) k = Rp. 222.000/ pesan
h = Rp. 10.000/ tahun
Q optimal =
√
. ..
= 2.986 kardus
Tabel 5.8. Rekapitulasi Perhitungan Order Quantity
No Distribution Centre Order Quantity (Kardus/Pesan)
1 Pematang Siantar 2.285
2 Tebing Tinggi 1.397
3 Rantauprapat 3.051
4 Pekanbaru 2.952
5 Medan 2.986
Sumber :Pengolahan Data
5.2.4. Perhitungan Frekuensi Pemesanan
Frekuensi pemesanan dihitung untuk mengetahui tingkat frekuensi dan mengetahui kapan harus dilakukan pemesanan ulang. Frekuensi pemesanan untuk setiap distribution centre dapat diperoleh dengan menggunakan rumus :
� � � � = � �ℎ � �� �� �
Perhitungan frekuensi pemesanan untuk setiap distribution centre adalah sebagai berikut :
a. Distribution Centre Pematang Siantar
Frekuensi Pemesanan = .
.
= 44 pemesanan
b. Distribution Centre Tebing Tinggi
Frekuensi Pemesanan = .
.
= 48 pemesanan
c. Distribution Centre Rantauprapat
Frekuensi Pemesanan = .
.
= 55 pemesanan
d. Distribution Centre Pekanbaru
Frekuensi Pemesanan = .
.
= 45 pemesanan
Frekuensi Pemesanan = .
.
= 67 pemesanan
Berikut adalah tabel rekapitulasi perhitungan frekuensi pemesananpada tiap DC.
Tabel 5.9. Rekapitulasi Perhitungan Frekuensi Pemesanan No Distribution Centre Frekuensi Pemesanan
1 Pematang Siantar 44
2 Tebing Tinggi 48
3 Rantauprapat 55
4 Pekanbaru 45
5 Medan 67
Sumber : Pengolahan Data
5.2.5. Perhitungan Safety Stock
Safety stock dalam sistem merupakan suatu acuan untuk melakukan
pemesanan kembali guna memenuhi hasil peramalan. Dalam perencanaan system
Distribution Resources Planning ini perkiraan safety stock dilakukan dengan cara
sederhana dengan menganggap permintaan normal selama lead time distribusi dan tingkat pelayanan yang diinginkan perusahaan adalah 95%. Sebagaimana pada bagian landasan teori maka perhitungan safety stock yang dipakai adalah sebagai berikut :
Safety Stock = s x Z
Dimana: s = Standar deviasi permintaan pada distribution centre
Z = Nilai di bawah kurva normal yang ditentukan oleh tingkat pelayanan perusahaan terhadap konsumen yang sebesar 95% dan nilai Z diperoleh ialah sebesar 1,65. Nilai ini diperoleh dari tabel distribusi normal.
Safety Stock = s x Z = 639 x 1,65 = 1.054 kardus
b. Distribution Centre Tebing Tinggi
Safety Stock = s x Z = 425 x 1,65 = 701 kardus
c. Distribution Centre Rantauprapat
Safety Stock = s x Z = 1.058 x 1,65 = 1.746 kardus
d. Distribution Centre Pekanbaru
Safety Stock = s x Z = 845 x 1,65 = 1.394 kardus
e. Distribution Centre Medan
Safety Stock = s x Z = 1.265 x 1,65 = 2.087 kardus
[image:73.595.108.523.421.737.2]Berikut adalah tabel rekapitulasi perhitungan safety stock pada tiap DC.
Tabel 5.10. Rekapitulasi Perhitungan Safety StockDistribution Centre
Periode Pematang Siantar (Kardus) Tebing Tinggi (Kardus) Rantau Prapat (Kardus) Pekanbaru (Kardus) Medan (Kardus)
Juni 2016 7.324 4.878 12.183 9.742 14.603
Juli 2016 7.502 4.995 12.476 9.977 14.954
Agustus 2016 7.679 5.113 12.770 10.211 15.305
September 2016 7.856 5.231 13.063 10.446 15.656
Oktober 2016 8.034 5.349 13.357 10.680 16.007
November 2016 8.211 5.466 13.650 10.915 16.358
Desember 2016 8.388 5.584 13.944 11.149 16.709