Perencanaan Kebutuhan Distribusi dengan Metode Distribution Resource Planning (DRP) pada PT. Sabas Indonesia

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

DAFTAR PUSTAKA

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.

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 Requirement Planning (DRP) di PT. Madubaru. Vol. 3. No. 2. ISSN 2338-7750.

Pujawan, I Nyoman. 2010. Supply Chain Management. Surabaya: Guna Widya Sinulingga, Sukaria. 2013. Perencanaan dan Pengendalian Produksi. Yogyakarta

: Graha Ilmu.

(15)

BAB III

LANDASAN TEORI

3.1. Konsep Dasar Peramalan

Peramalan merupakan bagian awal dari proses pengambilan suatu keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess), namun dengan 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. (Rosnani, 2007)

3.1.1. Pendefinisian Tujuan Peramalan yang Baik

Tujuan peramalan dilihat dari segi waktu, terdiri dari : 1. Jangka Pendek (Short Term)

Menentukan kuantitas dan waktu dari item produksi. Peramalan ini biasanya bersifat harian, mingguan ataupun bulanan dan ditentukan oleh low management.

(16)

Menentukan kuantitas dan waktu dari kapasitas produksi. Peramalan ini biasanya bersifat kuartal ataupun tahunan dan ditentukan oleh middle management.

3. Jangka Panjang (Long Term)

Menentukan kuantitas dan waktu dari fasilitas produksi. Peramalan ini biasanya bersifat 5 tahun, 10 tahun ataupun 20 tahun dan ditentukan oleh top management.

3.1.2. Karakteristik Peramalan yang Baik

Peramalan yang baik mempunyai kriteria yang penting yaitu : 1. Akurasi

(17)

2. Biaya

Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari jumlah item yang diramalkan, lamanya peramalan dan metode peramalan yang digunakan. Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa banyak data yang dibutuhkan, bagaimana pengolahan datanya, bagaimana penyimpanan datanya dan siapa tenaga ahli yang diperbantukan. Pemilihan metode peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi yang ingin diperoleh. Misalkan item-item yang akan penting akan diramalkan dengan metode yang sederhana dan murah.

3. Kemudahan

Penggunaan metode peramalan yang sederhana, mudah dibuat dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Metode yang canggih hanya percuma bila tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumber daya manusia maupun peralatan dan teknologi.

3.1.3. Teknik Peramalan

(18)

yang dikeluarkan dalam mengupayakan hal tersebut. Faktor-faktor yang harus dipertimbangkan antara lain :

1. Horizon Peramalan

Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramaln, yaitu :

a. Cakupan waktu di masa datang

Dimana perbedaan dari metode peramalan hendaknya disesuaikan b. Jumlah periode ramalan yang diinginkan

Beberapa teknik dan metode hanya dapat disesuaikan untuk peramalan satu atau dua periode, sedangkan teknik dan metode ini dapat digunakan untuk peramalan beberapa periode di masa yang akan datang.

2. Tingkat Ketelitian

Tingkat ketelitian yang dibutuhkan sangat erat hubungannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan. Untuk beberapa pengambilan keputusan diharapkan penyimpangan yang terjadi antara 10 – 15%, namun untuk kasus yang lain dapat dianggap bahwa penyimpangan sebesar 5 % merupakan penyimpangan yang cukup berbahaya.

3. Ketersediaan data

Metode yang digunakan sangat besar manfaatnya, apabila dikaitkan dengan keadaan atau informasi yang ada atau data yang tersedia.

4. Bentuk pola data

(19)

menunjukkan pola musiman atau trend. Metode peramalan yang lain mungkin lebih sederhana, terdiri dari satu nilai rata-rata, dengan fluktuasi yang acak. Karena perbedaan kemampuan metode peramalan untuk mengidentifikasi pola-pola data, maka perlu adanya usaha penyesuaian pola data.

5. Biaya

Umumnya ada empat jenis biaya dalam proses peramalan yaitu biaya pengembangan, biaya penyimpanan, biaya operasi dan biaya kesempatan penggunaan teknik peramalan.

3.1.4. Klasifikasi Teknik Peramalan

Dalam sistem peramalan, metode yang berdeda akan memberikan hasil yang berbeda dan derajat galat peramalan yang juga berbeda. (Donald, 1991)

3.1.4.1.Peramalan Kualitatif

(20)

1. Metode Delphi

Dalam hal ini, sekelompok pakar mengisi kuesioner, kemudian moderator menyimpulkan hasilnya dan memformulasikan menjadi suatu kuesioner baru yang diisi kembali oleh kelompok tersebut, demikian seterusnya.

2. Dugaan Manajemen

Dalam hal ini, peramalan didasarkan pada pertimbangan manajemen, umunya oleh manajemen senior. Metode ini akan cocok dalam situasi yang sangat sensitif terhadap intuisi dari suatu kelompok kecil orang dimana pengalamannya mampu memberikan opini yang kritis dan relevan.

3. Riset pasar

Metode peramalan yang didasarkan pada hasil-hasil dari survey pasar yang dilakukan oleh tenaga-tenaga pemasar produk atau yang mewakilinya. Metode ini akan menjaring informasi dari pelanggan, sehingga riset pasar tidak hanya untuk membantu peramalan, tetapi juga untuk meningkatkan desain produk dan perencanaan untuk produk-produk baru.

4. Metode Kelompok Terstruktur

(21)

5. Analogi historis

Teknik peramlan yang didasarkan pada pola data masa lalu dari produk-produk yang dapat disamakan secara analogi. Analogi historis akan cenderung lebih baik untuk penggantian produk di pasar dan apabila terdapat hubungan substitusi langsung dari dalam pasar itu.

3.1.4.2.Peramalan Kuantitatif

Peramalan kuantitatif merupakan peramalan yang didasarkan pada data kuantitatif pada masa lalu. Hasil peramalan yang dibuat tergantung pada metode yang digunakan dalam peramalan tersebut. Metode yang baik yaitu yang memberi nilai-nilai perbedaan atau penyimpangan yang mungkin. Peramalan kuantitatif hanya dapat digunkaan apabila terdapat dua kondisi berikut :

1. Adanya informasi tentang keadaan yang lain

2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.

Prosedur umum yang digunakan dalam peramalan secara kuantitatif adalah:

1. Mendefinisikan Tujuan Peramalan 2. Pembuatan diagram pencar

3. Memilih minimal dua metode peramalan yang dianggap sesuai 4. Hitung parameter-parameter fungsi peramalan

(22)

6. Pilih metode yang terbaik, yaitu yang memiliki kesalahan terkecil 7. Lakukan verifikasi peramalan.

3.1.4.3.Metode Time Series

Analisis Time Series menemukan bagaimana indikator produksi tertentu bervariasi terhadap waktu. Total penjualan tahunan pada beberapa tahun terakhir dapat menjadi indikator produksi. Pada umumnya jumlah dari penjualan dapat berubah dari tahun ke tahun sesuai dengan yang telah diformulasikan, hasil dari penggambaran tidak dapat dipungkiri pada sebuah hubungan waktu penjualan yang digunakan untuk memprediksi level penjualan yang akan datang. Menetapkan perhatian untuk setiap langkah dan setiap rumusan hasil sebuah produk hasil akhir terbaik, yang merupakan peramalan paling tepat. (James, 1981)

3.1.4.4.Metode Proyeksi Kecenderungan dengan Regresi

Dalam meramalkan biaya-biaya yang termasuk di dalam biaya operasi dipergunakan pola trend karena biaya tersebut cenderung naik jika mesin/peralatan semakin tua atau semakin lama jangka waktu pemakaiannya. Ada beberapa trend yang digunakan di dalam penyelesaian masalah ini yaitu :

1. Trend Linier

Bentuk persamaan umum : Y = a + bt

(23)

2. Trend Eksponensial Bentuk persamaan umum : Y = aebt

Persamaan peramalan : Yt = aebt

3. Trend Logaritma

Metode proyeksi kecenderungan dengan regresi pada dasar garis kecenderungan untuk suatu persamaan, sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang.

Y = a + b log t

Bentuk fungsi dari metode ini dapat berupa : a. Konstan, dengan fungsi peramalan (Yt) :

Yt = a dimana,

(24)

b. Linier, dengan fungsi peramalan : Yt = a + bt

dimana :

c. Kuadratis, dengan fungsi peramalan : Yt = a + bt + ct2

dimana :

d. Eksponensial, dengan fungsi peramalan :

(25)

dimana :

e. Siklis, dengan fungsi peramalan :

dimana :

3.1.5. Kriteria Performance Peramalan

Ketepatan yang kecil memberikan arti ketelitian peramalan tinggi, keakuratan hasil peramalan tinggi, begitu pulak sebaliknya. Besar kesalahan suatu peramalan dapat dihitung dengan metode Standard Error of Estimate (SEE).

dimana,

k = derajat kebebasan

(26)

Untuk data kuadratis, k = 3 Untuk data siklis, k= 3 Untuk data eksponensial, k =2

3.1.6. Pengujian Hipotesa Distribusi F

Setelah diperoleh kesalahan dari masing-masing metode peramalan, maka akan dilakukan pengujian hipotesis terhadap dua metode yang memiliki error

terkecil, guna mendapatkan metode peramalan yang baik untuk digunakan. Pengujian dilakukan dengan tes distribusi F. Jika diasumsikan bahwa metode X adalah metode peramalan yang memiliki besar error yang paling kecil pertama dan metode Y adalah metode peramalan yang memiliki besar error yang paling kecil kedua, maka langkah-langkah pengujiannya adalah sebagai berikut :

1. Tentukan pernyataan awal H0 dan pernyataan alternatif H1 2. Lakukan tes statistik dengan rumus

3. Bandingkan hasil yang diperoleh dari langkah 2 dengan hasil yang diperoleh dari tabel distribusi F dengan tingkat ketelitian yang telah diterapkan.

3.1.7. Proses Verifikasi

(27)

Kondisi out of control dapat diperiksa dengan menggunakan empat aturan berikut :

1. Aturan Satu Titik

Bila ada sebaran berada di luar UCL dan LCL. Walaupun jika semua titik sebaran berada dalam batas kontrol belum tentu fungsi metode sudah representatif. Untuk itu, penganalisaan perlu dilanjuti dengan membagi MRC menjadi tiga daerah A, B dan C.

2. Aturan Tiga Titik

Bila ada 3 buah titik secara berurutan berada pada salah satu sisi, yang mana dua di antaranya jatuh pada daerah A.

3. Aturan Lima Titik

Bila ada 5 titik secara berurutan berada pada salah satu sisi, yang mana dua di antaranya jatuh pada daerah B.

4. Aturan Delapan Titik

Bila ada 8 buah titik secara berurutan berada pada salah satu sisi, pada daerah C.

3.2. Pengertian Distribusi

(28)

Sistem distribusi diklasifikasikan atas 2 jenis yaitu: 1. Sistem tarik (pull system)

Sistem tarik adalah sistem pengisian persediaan dimana setiap DC menentukan kebutuhannya dan memesan dari CSF.

2. Sitem dorong (push system)

Sistem dorong adalah sistem pengendaliaan persediaan dimana CSF menentukan bagaimana mengalokasikan produk ke DC.

3.3. Input Distribution Requirement Planning (DRP)

Input-input DRP secara umum meliputi data sebagai berikut: 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

(29)

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

Menurut Rosnani Ginting (2007), forecasting adalah hasil peramalan permintaan produk masing DC yang langsung berhubungan dengan konsumen. Peramalan merupakan bagian awal dari proses pengambilan suatu keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess), namun dengan 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.

3.4. OutputDistribution Requirement Planning

(30)

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 yang diramalkan.

b. Schedule Receipt

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

(31)

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 DC pada awal perencanaan. On-hand balance tidak termasuk pada produk 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.

(32)

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

Z = faktor Pengganda pada tingkat pelayanan yang diinginkan.

c. Lead time distribusi

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.

(33)

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

2. Biaya pemesanan dan pembelian

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:

(34)

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

Pada model EOQ dengan titik pemesanan ulang (reorder point), pemesanan harus dilakukan sebelum tingkat persediaan menjadi nol, yaitu 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

(35)

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.

3.5. Peramalan dengan Metode Dekomposisi

(36)

Persamaan model ini adalah:

X’t = Tt + St + Ct + εt

dimana T adalah trend, S adalah komponen musiman, C adalah komponen

(37)

BAB IV

METODOLOGI PENELITIAN

4.1. Tempat dan Waktu Penelitian

Penelitian ini dilakukan di PT. Sabas Indonesia yang beralamat di Jalan Pulau Bunaken No A-11, Kawasan Industri Medan III, Tangkahan, Medan Labuhan. Penelitian dilakukan mulai dari bulan Januari 2016 – Oktober 2016.

4.2. Objek Penelitian

Objek penelitian yang diteliti adalah proses distribusi produk pakan ternak pada PT. Sabas Indonesia.

4.3. Jenis Penelitian

Penelitian ini termasuk dalam penelitian jenis deskriptif berbentuk action research dimana hasil penelitian berbentuk penjelasan yang bertujuan untuk mendeskripsikan secara sistematik, faktual, dan akurat tentang fakta-fakta dan sifat-sifat suatu objek tertentu, kemudian menggunakan metode perbaikan yang mampu diaplikasikan pada perusahaan. (Sukaria, 2013)

4.4. Variabel Penelitian

Varibel penelitian yang akan diamati dalam penelitian ini yaitu:

(38)

2. Lead time, merupakan waktu yang dibutuhkan untuk mendistribusikan produk dari PT. Sabas Indonesia ke setiap Distribution Centre.

3. Jumlah stok pada PT. Sabas Indonesia 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

(39)

Dari Gambar 4.1. dapat dilihat bahwa input untuk merencanakan jadwal distribusi produk pada penelitian ini adalah jumlah permintaan, lead time, jumlah stok pada CSFuntuk menghitung project on hand, forecasting untuk menentukan proyeksi permintaan, biaya administrasi dan biaya bongkar muat untuk menentukan biaya pemesanan serta . Sehingga output dari penelitian ini adalah untuk menentukan perencanaan jadwal distribusi produk.

Lead Time

Perencanaan Jadwal Distribusi Produk

Forecasting Jumlah Permintaan

Jumlah stok pada Central Supply

Facility

Biaya Administrasi dan Biaya Bongkar

Muat

Gambar 4.1. Kerangka Berpikir

4.6. Rancangan Penelitian

(40)

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

Pengolahan Data

- Langkah-langkah DRP:

Melakukan Peramalan Permintaan untuk menentukan Jumlah Produksi Menghitung Order Quantity Menghitung Frekuensi Permintaan Menghitung Jumlah Permintaan Menghitung Safety Stock DRP Worksheet

Analisis Pemecahan Masalah

Selesai

[image:40.595.130.499.110.689.2]

(41)

4.7. Pengumpulan Data

Pada penelitian ini teknik pengumpulan data yang dilakukan adalah berupa:

1. Wawancara yaitu mendapatkan informasi dengan pihak perusahaan yang berupa mekanisme dan distribusi perusahaan, biaya yang dikeluarkan untuk distribusi produk.

2. Observasi yaitu melakukan pengamatan terhadap informasi dan data yang dibutuhkan untuk penelitian seperti data permintaan dan produksi perusahaan. 3. Studi kepustakaan yaitu mempelajari teori-teori dan literatur yang terkait

dengan objek penelitian seperti literatur dan teori mengenai Distribution Resource Planning.

4.8. Pengolahan Data

Pengolahan data dilakukan dengan menggunakan metode Supply Chain Management:

1. Tahapan pertama yang dilakukan adalah melakukan peramalan terhadap jumlah permintaan produk untuk periode berikutnya yaitu dari data permintaan Agustus 2016 – Juli 2017. Peramalan ini digunakan untuk menentukan lot size atau jumlah produksi dari lantai produksi pada 12 periode ke depan.

(42)

3. Melakukan perhitungan frekuensi pemesanan pada distribution center pada PT Sabas Indonesia

4. Melakukan perhitungan Safety Stock dengan cara memperhitungkan standar deviasi permintaan.

5. Penentuan aplikasi perencanaan produksi dan distribusi dengan menggunakan metode Distribution Resources Planning yang ditampilkan pada Distribution Resources Planning Worksheet.

Flow Chart pengolahan data dapat dilihat pada Gambar 4.3.

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 Resource Planning Worksheet

Menghitung safety stock

Menghitung frekuensi pemesanan Mulai

Selesai

[image:42.595.225.401.334.711.2]

(43)

4.9. 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.

4.10. Kesimpulan dan Saran

(44)

BAB V

PENGUMPULAN DAN PENGOLAHAN DATA

5.1. Pengumpulan Data 5.1.1. Supply Chain

Bagan supply chain dari PT. Sabas Indonesia dapat dilihat dari Gambar 5.1.

PT. Itertama Trikencana Bersinar

PT. Sabas Indonesia PT. Ayam Mas Makmur

PT. Unggas Sehat Mandiri

Pabrik

Distribution Centre

Gambar 5.1. Supply Chain PT. Sabas Indonesia

(45)

5.1.2. Data Permintaan Produk Pakan Ternak Periode Agustus 2015 – Juli 2016

[image:45.595.189.438.282.641.2]

Data permintaan produk pakan ternak dari Distribution Centre pada periode Agustus 2015 hingga Juli 2016 dapat dilihat pada Tabel 5.1.

Tabel 5.1. Data Permintaan Produk Pakan Ternak Periode Agustus 2015 – July 2016

Periode DC1 DC2 DC3 Total (ton)

Agt-15 ₅₂ ₄₈ ₄₉ ₁₄₉

Sep-15 38 39 41 118

Okt-15 31 33 35 99

Nov-15 ₄₉ ₃₇ ₅₁ ₁₃₇

Des-15 35 38 55 128

Jan-16 63 45 59 167

Feb-16 50 47 43 140

Mar-16 48 44 49 141

Apr-16 ₄₅ ₃₇ ₄₄ ₁₂₆

Mei-16 37 55 37 129

Jun-16 21 36 30 87

Jul-16 32 39 32 103

(46)

5.1.3. Biaya Pemesanan

Biaya pemesanan merupakan biaya yang dikeluarkan perusahaan untuk menunjang kegiatan pengiriman produk yang berupa biaya faktur, biaya telepon dan biaya bongkar muat. Biaya pemesanan pada masing-masing Distribution Centre dapat dilihat pada Tabel 5.2.

Tabel 5.2. Data Biaya Pemesanan

Distribution Centre

Biaya Faktur (Rp/ Order)

Biaya Telepon (Rp/Order)

Biaya Bongkar Muat (Rp/Kirim)

Total Biaya (Rp)

PT. Itertama Trikencana Bersinar

5000 10.000 255.000 270.000

PT. Ayam Mas Makmur 5000 10.000 200.000 215.000

PT. Unggas Sehat Mandiri 5000 10.000 225.000 240.000

Sumber : PT. Sabas Indonesia

5.1.4. Biaya Penyimpanan Persediaan

(47)

5.1.5. LeadTime Pengiriman dan Frekuensi Pemesanan

Leadtime distribusi merupakan waktu yang dibutuhkan dalam pelepasan order sampai order diterima di Distribution Centre. Frekuensi pemesanan dihitung untuk mengetahui tingkat frekuensi dan mengetahui kapan harus dilakukan pemesanan ulang.Adapun lead time dan frekuensi pemesanan dapat dilihat pada Tabel 5.3.

Tabel 5.3. LeadTime Pengiriman dan Frekuensi Pemesanan Keterangan DC1 DC2 DC3

Lead Time (Hari) 6 4 4

Frekuensi Pemesanan 18 15 20

5.1.6. 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 bulan 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 distributioncentre dapat dilihat pada Tabel 5.4.

Tabel 5.4. Data Status Persediaan Awal (On Hand Balance)

Distribution Centre Jumlah Persediaan (Ton)

1 93

2 86

(48)

5.2. Pengolahan Data

5.2.1. Peramalan Permintaan DC1

Untuk meramalkan permintaan Distribution Centre 1 dilakukan 7 langkah peramalan. Berikut adalah proses perhitungan peramalan pada

Distribution Centre 1. Langkah-langkah peramalan yang dilakukan adalah: 1. Menetapkan tujuan peramalan

Tujuan peramalan adalah untuk meramalkan data jumlah permintaan pada

[image:48.595.124.507.320.591.2]

Distribution Centre 1 pada 12 bulan yang akan datang. 2. Membuat scatter diagram

Gambar 5.2. Scatter Diagram Jumlah Permintaan Produk Pakan Ternak pada Distribution Centre 1

3. Memilih metode yang mendekati pola yang dianggap sesuai Metode peramalan yang digunakan adalah sebagai berikut : a. Metode Siklis

b. Metode Kuadratis

(49)

4. Menghitung parameter-parameter fungsi peramalan

Untuk memudahkan perhitungan, maka dimisalkan X sebagai variabel tahun dan Y adalah variabel jumlah permintaan Distribution Centre 1.

a. Metode Siklis

Fungsi peramalan : Y’ = a + b sin 

     n X π 2

+ c cos 

[image:49.595.53.572.336.741.2]

     n X π 2

Tabel 5.5. Perhitungan Parameter Peramalan Jumlah Permintaan

Distribution Centre 1 dengan Metode Siklis

X Y Sin(2πx/n) Cos(2πx/n) Y.sin(2πx/n) Y.cos(2πx/n) sin2(2πx/n) cos2(2πx/n)

sin(2πx/n)

cos(2πx/n)

1 52 0,50 0,87 26,00 45,03 0,25 0,75 0,43

2 38 0,87 0,50 32,91 19,00 0,75 0,25 0,43

3 31 1,00 0,00 31,00 0,00 1,00 0,00 0,00

4 49 0,87 -0,50 42,43 -24,50 0,75 0,25 -0,43

5 35 0,50 -0,87 17,50 -30,31 0,25 0,75 -0,43

6 63 0,00 -1,00 0,00 -63,00 0,00 1,00 0,00

7 50 -0,50 -0,87 -25,00 -43,30 0,25 0,75 0,43

8 48 -0,87 -0,50 -41,57 -24,00 0,75 0,25 0,43

9 45 -1,00 0,00 -45,00 0,00 1,00 0,00 0,00

10 37 -0,87 0,50 -32,04 18,50 0,75 0,25 -0,43

11 21 -0,50 0,87 -10,50 18,19 0,25 0,75 -0,43

12 32 0,00 1,00 0,00 32,00 0,00 1,00 0,00

(50)

∑

Y = na + b

∑

      n X π 2

sin + c

∑



     n X π 2 cos

501 = 12(a) +b (0) +c (0) a = 41,75

∑

      +       +       =       n X n X c n X b n X a n X

Ysin2π sin2π sin2 2π sin2π cos2π

-4,27= a(0) + b(6) + c(0) b = -0,711

∑

      +       +       =       n X c n X n X b n X a n X

Ycos2π cos2π sin2π cos2π cos22π

-52,39 = a(0) + b(0) + c(6) c = -8,732

Fungsi Peramalannya adalah :

Y = 41,75 – 0,711 sin 

     n X π 2

- 8,732 cos 

     n X π 2

b. Metode Kuadratis

[image:50.595.143.524.108.540.2]

Fungsi peramalan : Y’ = a + bx + cx2

Tabel 5.6. Perhitungan Parameter Peramalan Jumlah Permintaan

Distribution Centre 1 dengan Metode Kuadratis

X Y x² x³ x⁴ xy x²y

1 52 1 1 1 52 52

2 38 4 8 16 76 152

3 31 9 27 81 93 279

(51)

[image:51.595.171.454.169.449.2]

Distribution Centre 1 dengan Metode Kuadratis (Lanjutan)

X Y x² x³ x⁴ xy x²y

5 35 25 125 625 175 875

6 63 36 216 1296 378 2268 7 50 49 343 2401 350 2450 8 48 64 512 4096 384 3072 9 45 81 729 6561 405 3645 10 37 100 1000 10000 370 3700 11 21 121 1331 14641 231 2541 12 32 144 1728 20736 384 4608 78 501 650 6084 60710 3094 24426

Sumber : Pengolahan Data

= 35,534

= -0,449

(52)

Fungsi peramalannya adalah :

Y’ = 35,534 + 4,698x – 0,449x2

5. Mengitung setiap kesalahan setiap metode

Perhitungan kesalahan menggunakan metode SEE (Standard Error of Estimation) dengan menggunakan rumus sebagai berikut :

Dimana :

Y = Data aktual Y’ = Data peramalan n = Banyak data f = Derajat kebebasan a. Metode Siklis ( f =3 )

Adapun perhitungan SEE untuk metode Siklis adalah :

Tabel 5.7. Perhitungan SEE pada Peramalan Jumlah Permintaan

X Y Y' Y-Y' (Y-Y')²

1 52 33,833 18,167 330,040

2 38 36,768 1,232 1,518

3 31 41,039 -10,039 100,782

(

)

f n

Y Y SEE

− −

=

∑

2

(53)

Tabel 5.7. Perhitungan SEE pada Peramalan Jumlah Permintaan

Distribution Centre 1 dengan Metode Siklis (Lanjutan)

X Y Y' Y-Y' (Y-Y')²

4 49 45,5 3,5 12,250

5 35 48,956 -13,956 194,770

6 63 50,482 12,518 156,700

7 50 49,667 0,333 0,111

8 48 46,732 1,268 1,608

9 45 42,461 2,539 6,447

10 37 38 -1 1,000

11 21 34,544 -13,544 183,440

12 32 33,018 -1,018 1,036

78 501 501,00 0,00 989,701

SEE =

SEE = 10,487

b. Metode Kuadratis( f = 3 )

Adapun perhitungan SEE untuk metode Kuadratis adalah :

(

)

f n

Y Y SEE

− −

=

∑

2

(54)

Distribution Centre 1 dengan Metode Kuadratis

X Y Y' Y-Y' (Y-Y')²

1 52 39,78 12,22 149,26

2 38 43,13 -5,13 26,36

3 31 45,59 -14,59 212,78

4 49 47,14 1,86 3,45

5 35 47,80 -12,80 163,81

6 63 47,56 15,44 238,46

7 50 46,42 3,58 12,82

8 48 44,38 3,62 13,09

9 45 41,45 3,55 12,62

10 37 37,61 -0,61 0,38

11 21 32,88 -11,88 141,21

12 32 27,25 4,75 22,52

78 501 501,00 0,00 996,76

SEE =

SEE = 10,524

6. Menghitung pola peramalan yang terbaik dengan perhitungan distribusi f

≤ SEE

(

)

f n

Y Y SEE

− −

=

∑

2

(55)

H1 = SEE Siklis > SEE Kuadratis

α = 0,05

Uji Statistik

=

= 0,992

F tabel = 0,05 (12-3, 12-3) = 3,18

Oleh karena Fhitung (0,992) ≤ F tabel (3,18), maka H0 diterima. Jadi hasil pengujian menyatakan bahwa metode siklis lebih baik daripada metode kuadratis. Adapun fungsi siklis adalah :

Y = 41,75 – 0,711 sin 

     n X π 2

- 8,732 cos 

     n X π 2

7. Verifikasi peramalan

Tujuan verifikasi dilakukan adalah untuk mengetahui fungsi yang telah ditentukan dapat mewakili data yang akan diramalkan.

Tabel 5.9. Perhitungan Hasil Verifikasi Peramalan Jumlah Permintaan

Distribution Centre 1

X Y Y' Y-Y' MR

1 52 33,833 18,167 -

2 38 36,768 1,232 16,94

3 31 41,039 -10,039 11,27

4 49 45,5 3,5 13,54

5 35 48,956 -13,956 17,46

6 63 50,482 12,518 26,47

(56)

Tabel 5.9. Perhitungan Hasil Verifikasi Peramalan Jumlah Permintaan

Distribution Centre 1 (Lanjutan)

X Y Y' Y-Y' MR

8 48 46,732 1,268 0,94

9 45 42,461 2,539 1,27

10 37 38 -1 3,54

11 21 34,544 -13,544 12,54 12 32 33,018 -1,018 12,53 78 501 501,00 0,00 128,68

83 , 11 1 12 128,68 1 = − =

− =

∑

n MR MR

BKA = 2,66 x MR = 2,66 x 11,83 = 31,48 1/3 BKA = 1/3 x 31,48 = 10,49

2/3 BKA = 2/3 x 31,48 = 20,99

BKB = -2,66 x MR = -2,66 x 11,83 = -31,48 1/3 BKB = 1/3 x -31,48 = -10,49

(57)

[image:57.595.143.506.111.332.2]

Gambar 5.3. Moving Range Chart Jumlah Permintaan Distribution Centre 1

Gambar Moving Range Chart menunjukkan bahwa titik hasil peramalan telah berada dalam batas sehingga peramalan dengan metode siklis cukup memenuhi persyaratan dengan fungsi peramalan :

Y = 41,75 – 0,711 sin 

    

n X π 2

- 8,732 cos 

    

n X π 2

5.2.2. Peramalan Permintaan DC2

(58)

Gambar 5.4. Scatter Diagram Jumlah Permintaan Produk Pakan Ternak pada Distribution Centre 2

b. Metode Kuadratis

a. Metode Siklis

     n X π 2

+ c cos 

(59)

Tabel 5.10. Perhitungan Parameter Peramalan Jumlah Permintaan

sin(2πx/n)

cos(2πx/n)

1 48 0,50 0,87 24,00 41,57 0,25 0,75 0,43

2 39 0,87 0,50 33,77 19,50 0,75 0,25 0,43

3 33 1,00 0,00 33,00 0,00 1,00 0,00 0,00

4 37 0,87 -0,50 32,04 -18,50 0,75 0,25 -0,43

5 38 0,50 -0,87 19,00 -32,91 0,25 0,75 -0,43

6 45 0,00 -1,00 0,00 -45,00 0,00 1,00 0,00

7 47 -0,50 -0,87 -23,50 -40,70 0,25 0,75 0,43

8 44 -0,87 -0,50 -38,10 -22,00 0,75 0,25 0,43

9 37 -1,00 0,00 -37,00 0,00 1,00 0,00 0,00

10 55 -0,87 0,50 -47,63 27,50 0,75 0,25 -0,43

11 36 -0,50 0,87 -18,00 31,18 0,25 0,75 -0,43

12 39 0,00 1,00 0,00 39,00 0,00 1,00 0,00

78 498 0,00 0,00 -22,42 -0,37 6,00 6,00 0,00

∑

Y = na + b

∑



     n X π 2

sin + c

∑



     n X π 2 cos

(60)

∑

      +       +       =       n X n X c n X b n X a n X

-22,42= a(0) + b(6) + c(0) b = -3,736

∑

      +       +       =       n X c n X n X b n X a n X

-0,37 = a(0) + b(0) + c(6) c = -0,061

Y = 41,5 – 3,736 sin 

     n X π 2

- 0,061 cos 

     n X π 2

b. Metode Kuadratis

Distribution Centre 2 dengan Metode Kuadratis

(61)

X Y x² x³ x⁴ xy x²y

9 37 81 729 6561 333,00 37 10 55 100 1000 10000 550,00 55 11 36 121 1331 14641 396,00 36 12 39 144 1728 20736 468,00 39 78 498 650 6084 60710 3261,00 498

= 39,596

= -0,027

= 0,518

(62)

Dimana :

Tabel 5.12. Perhitungan SEE pada Peramalan Jumlah Permintaan

X Y Y' Y-Y' (Y-Y')²

1 48 39,58 8,42 70,91

2 39 38,23 0,77 0,59

3 33 37,76 -4,76 22,70

4 37 38,30 -1,30 1,68

5 38 39,69 -1,69 2,84

6 45 41,56 3,44 11,83

7 47 43,42 3,58 12,81

8 44 44,77 -0,77 0,59

(

)

f n

Y Y SEE

− −

=

∑

2

(63)

X Y Y' Y-Y' (Y-Y')²

9 37 45,24 -8,24 67,83

10 55 44,71 10,30 105,99

11 36 43,32 -7,32 53,51

12 39 41,44 -2,44 5,95

78 498 498,00 0,00 357,21

SEE =

SEE = 6,3

Tabel 5.13. Perhitungan SEE pada Peramalan Jumlah Permintaan

X Y Y' Y-Y' (Y-Y')²

1 48 40,09 7,91 62,62

2 39 40,52 -1,52 2,32

(

)

f n

Y Y SEE

− −

=

∑

2

(64)

X Y Y' Y-Y' (Y-Y')²

3 33 40,91 -7,91 62,52

4 37 41,24 -4,24 17,94

5 38 41,51 -3,51 12,33

6 45 41,73 3,27 10,68

7 47 41,90 5,10 26,02

8 44 42,01 1,99 3,95

9 37 42,07 -5,07 25,72

10 55 42,08 12,92 167,03

11 36 42,03 -6,03 36,32

12 39 41,92 -2,92 8,55

78 498 498,01 -0,01 436,00

SEE =

SEE = 6,96

6. Menghitung pola peramalan yang terbaik dengan perhitungan distribusi f H0 = SEE Siklis ≤ SEE Kuadratis

α

(

)

f n

Y Y SEE

− −

=

∑

2

(65)

Uji Statistik

=

= 0,819

F tabel = 0,05 (12-3, 12-3) = 3,18

Y = 41,5 – 3,736 sin 

     n X π 2

- 0,061 cos 

     n X π 2

[image:65.595.172.453.454.735.2]

Tabel 5.14. Perhitungan Hasil Verifikasi Peramalan Jumlah Permintaan

X Y Y' Y-Y' MR

1 48 39,58 8,42 -

2 39 38,23 0,77 7,66

3 33 37,76 -4,76 5,53

4 37 38,30 -1,30 3,47

5 38 39,69 -1,69 0,39

6 45 41,56 3,44 5,12

7 47 43,42 3,58 0,14

8 44 44,77 -0,77 4,35

(66)

X Y Y' Y-Y' MR

10 55 44,71 10,30 18,53

11 36 43,32 -7,32 17,61

12 39 41,44 -2,44 4,88

78 498 498,00 0,00 75,14

19 , 7 1 12 75,14 1 = − =

− =

∑

n MR MR

BKA = 2,66 x MR = 2,66 x 7,19 = 19,12 1/3 BKA = 1/3 x 19,12 = 6,37

2/3 BKA = 2/3 x 19,12 = 12,74

BKB = -2,66 x MR = -2,66 x 7,19 = -19,12 1/3 BKB = 1/3 x -19,12 = -6,37

(67)

[image:67.595.143.506.111.332.2]

Gambar 5.5. Moving Range Chart Jumlah Permintaan Distribution Centre 2

Y = 41,5 – 3,736 sin 

    

n X π 2

- 0,061 cos 

    

n X π 2

5.2.3. Peramalan Permintaan DC3

(68)

[image:68.595.135.506.185.423.2]

Gambar 5.6. Scatter Diagram Jumlah Permintaan Produk Pakan Ternak pada Distribution Centre 3

b. Metode Kuadratis

a. Metode Siklis

     n X π 2

+ c cos 

(69)

[image:69.595.59.572.203.614.2]

Tabel 5.15. Perhitungan Parameter Peramalan Jumlah Permintaan

sin(2πx/n)

cos(2πx/n)

1 49 0,50 0,87 24,50 42,43 0,25 0,75 0,43

2 41 0,87 0,50 35,51 20,50 0,75 0,25 0,43

3 35 1,00 0,00 35,00 0,00 1,00 0,00 0,00

4 51 0,87 -0,50 44,17 -25,50 0,75 0,25 -0,43

5 55 0,50 -0,87 27,50 -47,63 0,25 0,75 -0,43

6 59 0,00 -1,00 0,00 -59,00 0,00 1,00 0,00

7 43 -0,50 -0,87 -21,50 -37,24 0,25 0,75 0,43

8 49 -0,87 -0,50 -42,43 -24,50 0,75 0,25 0,43

9 44 -1,00 0,00 -44,00 0,00 1,00 0,00 0,00

10 37 -0,87 0,50 -32,04 18,50 0,75 0,25 -0,43

11 30 -0,50 0,87 -15,00 25,98 0,25 0,75 -0,43

12 32 0,00 1,00 0,00 32,00 0,00 1,00 0,00

78 525 0,00 0,00 11,70 -54,45 6,00 6,00 0,00

∑

Y = na + b

∑



     n X π 2

sin + c

∑



     n X π 2 cos

(70)

∑

      +       +       =       n X n X c n X b n X a n X

11,70= a(0) + b(6) + c(0) b = 1,949

∑

      +       +       =       n X c n X n X b n X a n X

-54,45 = a(0) + b(0) + c(6) c = -9,076

Y = 43,75 + 1,949 sin 

     n X π 2

- 9,076 cos 

     n X π 2

b. Metode Kuadratis

[image:70.595.215.411.484.741.2]

Distribution Centre 3 dengan Metode Kuadratis

(71)

[image:71.595.157.365.381.677.2]

X Y x² x³ x⁴ xy x²y 9 44 81 729 6561 396 3564 10 37 100 1000 10000 370 3700 11 30 121 1331 14641 330 3630 12 32 144 1728 20736 384 4608 78 525 650 6084 60710 3242 25588

= 37,101

= -0,474

= 4,973

Y’ = 37,101 + 4,973x – 0,474x2 2046

(72)

Dimana :

[image:72.595.161.463.498.751.2]

Tabel 5.17. Perhitungan SEE pada Peramalan Jumlah Permintaan

X Y Y' Y-Y' (Y-Y')²

1 49 36,865 12,135 147,258

2 41 40,9 0,1 0,010

3 35 45,699 -10,699 114,469

4 51 49,976 1,024 1,049

5 55 52,584 2,416 5,837

6 59 52,826 6,174 38,118

7 43 50,635 -7,635 58,293

8 49 46,6 2,4 5,760

(

)

f n

Y Y SEE

− −

=

∑

2

(73)

X Y Y' Y-Y' (Y-Y')²

9 44 41,801 2,199 4,836

10 37 37,524 -0,524 0,275

11 30 34,916 -4,916 24,167

12 32 34,674 -2,674 7,150

78 525 525,00 0,00 407,221

SEE = 6,7

Tabel 5.18. Perhitungan SEE pada Peramalan Jumlah Permintaan

X Y Y' Y-Y' (Y-Y')²

1 49 41,60 7,40 54,76

2 41 45,15 -4,15 17,23

(

)

f n

Y Y SEE

− −

=

∑

2

'

9 221 , 407 =

(74)

[image:74.595.168.454.168.505.2]

X Y Y' Y-Y' (Y-Y')²

3 35 47,75 -12,75 162,66

4 51 49,41 1,59 2,53

5 55 50,12 4,88 23,85

6 59 49,88 9,13 83,27

7 43 48,69 -5,69 32,33

8 49 46,55 2,45 6,01

9 44 43,46 0,54 0,29

10 37 39,43 -2,43 5,91

11 30 34,45 -4,45 19,80

12 32 28,52 3,48 12,10

78 525 525,01 -0,01 420,75

SEE = 6,83

6. Menghitung pola peramalan yang terbaik dengan perhitungan distribusi f H0 = SEE Siklis ≤ SEE Kuadratis

α = 0,05

(75)

Uji Statistik

=

      83 , 6 7 , 6 = 0,97

F tabel = 0,05 (12-3, 12-3) = 3,18

Y = 43,75 + 1,949 sin 

     n X π 2

- 9,076 cos 

     n X π 2

[image:75.595.171.454.460.739.2]

Tabel 5.19. Perhitungan Hasil Verifikasi Peramalan Jumlah Permintaan

X Y Y' Y-Y' MR

1 49 36,87 12,14 -

2 41 40,90 0,10 12,04

3 35 45,70 -10,70 10,80

4 51 49,98 1,02 11,72

5 55 52,58 2,42 1,39

6 59 52,83 6,17 3,76

7 43 50,64 -7,64 13,81

8 49 46,60 2,40 10,04

9 44 41,80 2,20 0,20

(76)

X Y Y' Y-Y' MR

10 37 37,52 -0,52 2,72

11 30 34,92 -4,92 4,39

12 32 34,67 -2,67 2,24

78 525 525,00 0,00 73,11

26 , 7 1 12

73,11

1 = − =

−

=

∑

n MR MR

BKA = 2,66 x MR = 2,66 x 7,26 = 19,30 1/3 BKA = 1/3 x 19,30 = 6,43

2/3 BKA = 2/3 x 19,30 = 12,87

BKB = -2,66 x MR = -2,66 x 7,26 = -19,30 1/3 BKB = 1/3 x -19,30 = -6,43

2/3 BKB = 2/3 x -19,30 = -12,87

(77)

Y = 43,75 + 1,949 sin _

     n X π 2

- 9,076 cos _

     n X π 2

Rekapitulasi fungsi peramalan permintaan setiap Distribution Centre

pada Tabel 5.20:

Tabel 5.20. Rekapitulasi Fungsi Peramalan Permintaan

Jenis

Metode yang Digunakan

Fungsi Peramalan SEE

Metode Terpilih

DC1

Siklis

Y = 41,75 – 0,711 sin _

     n X π

2 +

8,732 cos _

     n X π 2 10,49 Siklis

Kuadratis Y = 35,534 +4,698 x – 0,449 x2 10,52

DC2

Siklis

Y = 41,5 – 3,736 sin _

     n X π 2

+ 0,061 cos _

     n X π 2 6,30 Siklis

Kuadratis Y = 40,825 – 0,182 x + 0,042x2 6,96

DC3 Siklis

Y = 43,75+1,949 sin _

     n X π 2

- 9,076 cos _

     n X π 2 6,73 Siklis

Kuadratis Y’ = 37,101 + 4,973x – 0,474x2 6,83

(78)

Perhitungan hasil peramalan permintaan untuk masing-masing

Distribution Centre pada periode Agustus 2016 (periode penelitian ke 13) : a. Distribution Centre 1

Y = 41,75 – 0,711 sin _

     n X π

2 + 8,732 cos _

     n X π 2 = 34

b. Distribution Centre 2 Y = 41,5 – 3,736 sin _

     n X π

2 _{+ 0,061 cos} _

     n X π 2 = 40

c. Distribution Centre 3 Y = 43,75 + 1,949 sin _

     n X π

2 _{- 9,076 cos} _

     n X π 2 = 37

Hasil peramalan data permintaan selama 12 bulan ke depan untuk setiap

Distribution Centre dapat dilihat pada Tabel 5.21.

Tabel 5.21. Rekapitulasi Hasil Peramalan Permintaan Periode DC1 DC2 DC3 Total

Agt-16 34 40 37 110

Sep-16 37 38 41 116

Okt-16 41 38 46 125

Nov-16 46 38 50 134

Des-16 49 40 53 141

(79)

[image:79.595.177.446.140.365.2]

Tabel 5.21. Rekapitulasi Hasil Peramalan Permintaan (Lanjutan) Periode DC1 DC2 DC3 Total

Feb-17 50 43 51 144

Mar-17 47 45 47 138

Apr-17 42 45 42 129

Mei-17 38 45 38 120

Jun-17 35 43 35 113

Jul-17 33 41 35 109

Total per Tahun ₅₀₁ ₄₉₈ 525 1524

Peramalan dengan metode dekomposisi merupakan metode yang menggunakan empat komponen utama dalam meramalkan nilai masa depan, komponen tersebut antara lain trend (Tt), musiman (St), Siklik/siklus (Ct) dan

Error atau komponen ketidakteraturan (Et). Persamaan model ini adalah:

X’t = Tt + St + Ct + εt

dimana T adalah trend, S adalah komponen musiman, C adalah komponen

(80)

[image:80.595.197.425.167.560.2]

Tabel 5.22. Rekapitulasi Hasil Peramalan Permintaan dengan Metode Dekomposisi

Periode DC1 DC2 DC3

Agt-16 55 43 33

Sep-16 50 36 34

Okt-16 45 49 49

Nov-16 55 40 59

Des-16 51 47 60

Jan-17 57 40 50

Feb-17 40 40 57

Mar-17 43 42 56

Apr-17 40 50 40

Mei-17 35 48 32

Jun-17 39 47 38

Jul-17 37 45 40

(81)

[image:81.595.113.477.113.332.2] [image:81.595.111.483.361.590.2]

Gambar 5.8. Perbandingan Hasil Peramalan DC1

(82)

[image:82.595.132.494.112.331.2]

Gambar 5.10. Perbandingan Hasil Peramalan DC3

5.2.4. Perhitungan Order Quantity

Perhitungan order quantity untuk setiap konsumen adalah dengan menggunakan metode economic order quantity. perhitungan EOQ dilakukan dengan menggunakan rumus sebagai berikut :

Q optimal =

Keterangan : D = Jumlah Kebutuhan Barang selama satu periode (tahun) k = Ordering cost setiap kali pesan

h = Holding cost setiap 1 unit selama satu periode

Berikut adalah perhitungan order quantity dengan menggunakan metode EOQ pada masing-masing distribution centre :

(83)

k = Rp. 270.000/ pesan h = Rp. 50.000/ tahun Q optimal =

= 74 ton b. Distribution Centre 2

D = 498 ton

= 66 ton c. Distribution Centre 3

D = 525 ton

[image:83.595.112.304.105.556.2]

= 71 ton

Tabel 5.23. Rekapitulasi Perhitungan Order Quantity

Jenis Order Quantity (Ton/Pesan)

Distribution Centre 1 74

Sumber :Pengolahan Data

(84)

5.2.5. 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 :

Perhitungan frekuensi pemesanan untuk setiap distribution centre adalah sebagai berikut :

a. Distribution Centre 1 Frekuensi Pemesanan =

74 501

= 7 pemesanan b. Distribution Centre 2

Frekuensi Pemesanan = 66 498

= 8 pemesanan c. Distribution Centre 3

Frekuensi Pemesanan = 71 525

= 8 pemesanan

(85)

Tabel 5.24. Rekapitulasi Perhitungan Frekuensi Pemesanan

No Distribution Centre Frekuensi Pemesanan

1 DC 1 7

2 DC 2 8

3 DC 3 8

5.2.6. 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.

a. Distribution Centre 1

(86)

Safety Stock = s x Z = 3 x 1,65 = 5 ton c. Distribution Centre 3

Safety Stock = s x Z = 7 x 1,65 = 12 ton

[image:86.595.163.456.252.550.2]

Berikut adalah tabel rekapitulasi perhitungan safety stock pada tiap DC. Tabel 5.25. Rekapitulasi Perhitungan Safety StockDistribution Centre

Periode DC 1 (ton) DC 2 (ton) DC 3 (ton)

Agustus 2016 34 40 37

September 2016 37 38 41

Oktober 2016 41 38 46

November 2016 46 38 50

Desember 2016 49 40 53

Januari 2017 50 42 53

Februari 2017 50 43 51

Maret 2017 47 45 47

April 2017 42 45 42

Mei 2017 38 45 38

Juni 2017 35 43 35

Juli 2017 33 41 35

Total 501 498 525

Standar Deviasi 6 3 7

z (95%) 1,65 1,65 1,65

Safety Stock 10 5 12

5.2.7. Jumlah Permintaan Setiap Minggu Distribution Centre

Jumlah permintaan setiap minggu dari setiap distribution centre

diperoleh dengan pembagian antara jumlah permintaan setiap distribution centre

(87)

[image:87.595.144.481.133.372.2]

Tabel 5.26. Jumlah Permintaan Distribution Centre Setiap Minggu Periode Jumlah

Minggu DC 1 (ton) DC 2 (ton) DC 3 (ton)

Agustus 2016 5 7 8 7

September 2016 4 9 10 10

Oktober 2016 4 10 9 11

November 2016 5 9 8 10

Desember 2016 4 12 10 13

Januari 2017 4 13 10 13

Februari 2017 4 12 11 13

Maret 2017 4 12 11 12

April 2017 4 11 11 10

Mei 2017 5 8 9 8

Juni 2017 5 7 9 7

Juli 2017 4 8 10 9

Total 52 118 116 123

5.2.8. Distribution Resources Planning Worksheet

Perencanaan DRP disusun untuk setiap DC dalam time bucket mingguan sebab lead time masing-masing DC tidak melewati 1 bulan atau hanya dalam mingguan.

5.2.8.1. Distribution Resources Planning Worksheet DC 1

Perencanaan DRP disusun untuk setiap DC dalam time bucket mingguan sebab lead time masing-masing DC tidak melewati 1 bulan atau hanya dalam mingguan.

Dalam distribution resources planning worsheet terdapat beberapa istilah yang perlu diketahui yaitu :

1. On hand balance adalah jumlah persediaan awal produk yang ada pada

(88)

2. Safety Stock adalah persediaan untuk melindungi atau menjaga kemungkinan terjadinya kekurangan produk.

3. Lead time adalah waktu yang dipe