“ANALISIS MATERIAL REQUIREMENT PLANNING (MRP) UNTUK PENGENDALIAN PERSEDIAAN BAHAN BAKU PEMBUATAN BLANK FILTER AFPL PRODUK ITEM NO. 1517
DENGAN MENGGUNAKAN PERANGKAT LUNAK WINQSB”
(STUDI KASUS PADA PT. XYZ.)
Muhammad Kholil
(1), Rudini Mulya
(2)Program Studi Teknik Industri
Universitas Mercubuana
–
Jakarta
Email:
1)m.kholil@mercubuana.ac.id,
2)rudinimenteri@gmail.com
ABSTRAK
PT XYZ. yang merupakan industri yang memproduksi komponen – komponen otomotif.
Sebelumnya PT XYZ. belum pernah menerapkan metode MRP pada salah satu produk yaitu unit
AFPL tipe 1517¸ maka penulis tertarik untuk mengadakan penelitian menyangkut masalah persediaan
bahan baku, terutama akan mengulas tentang Material Rquirement Planning (MRP). Sistem MRP
merupakan strategi material proaktif. MRP melihat ke masa depan dengan mengidentifikasi material
yang akan diperlukan, dengan biaya yang optimal sehingga dapat berdampak meningkatnya keuntungan perusahaan. Perencanaan kebutuhan material sangat memerlukan peramalan permintaan konsumen yang dihitung dari permintaan masa lalu, sehingga dapat memperkirakan
kebutuhan dimasa mendatang. Metode peramalan yang akan digunakan adalah Single exponential
Smooting (SES), Single Exponential Smooting White Ternd (SEST), Moving Average (MA), Weighted
Moving Average (WMA), Regresi Linear (RL). Kemudian setiap akurasi hasil peramalan dihitung
sehingga hasil peramalan dapat untuk mengetahui tingkat kesalahan yang terjadi. Dalam
perencanaan kebutuhan material metode lot sizing yang digunakan yaitu Wagner Whiting(WW), Lot
For Lot(LFL), Fixed Order Quantity (FOQ), Part Period Balancing (PPB), Least Total Cost (LTC), dan
dalam pengolahan perhitungan tersebut dilakukan dengan menggunakan perangkat lunak WinQSB. Dari penelitian yang telah dilakukan didapat hasil peramalan yang terbaik untuk produk AFPL item no. 1517 untuk periode mendatang berdasarkan hasil nilai ukuran MAPE (Rata-rata Persentase Kesalahan Absolut) terendah yaitu sebesar 11,40. Sedangkan untuk perhitungan kebutuhan material
yang telah dilakukan didapatkan biaya yang paling optimal pada tipe ukuran lot sizing WW (Wagner
Whiting) yaitu sebesar Rp 383.509.850.
ABSTRACT
PT XYZ. which is the industry that produces components - components otomotif.Sebelumnya PT XYZ. MRP method has never been applied to one type AFPL unit produkyaitu 1517 ¸ the authors are interested in conducting research concerning the problem of raw material supply, especially rquirement will review the Material Planning (MRP). material MRP system is a proactive strategy. MRP look into the future to identify the material that will be required, with the optimal cost increase that may impact the company's profits. Material requirements planning is in need of demand forecasting consumer demand is calculated from the past, so it can estimate mendatang.Metode forecasting future needs that will be used is single exponential Smooting (SES), Single Exponential Smooting White Ternd (sest), Moving Average (MA), weighted Moving Average (WMA), Linear Regression (RL). Then each forecasting accuracy is calculated so that the results can forecast results to determine the level of error that occurred. In material requirements planning metodelot sizing used the Wagner Whiting (WW), Lot For Lot (LFL), Fixed Order Quantity (FOQ), Part Period Balancing (PPB), Least Total Cost (LTC), and the processing of the calculations performed by using software WinQSB. From the research that has been done obtained the best forecasting results for AFPL product item no. 1517 for future periods based on the value of the size of MAPE (mean absolute percentage error) is the lowest of 11.40. As for the calculation of material requirements that have done the most optimal cost obtained in type size of lot sizing WW (Wagner Whiting) in the amount of USD 383 509 850.
Keywords: AFPL product item no. 1517, forecasting, MRP, Lot Sizing, WinQSB
1 PENDAHULUAN
1.1 LATAR BELAKANG
Peningkatan kemampuan penyediaan atau produksi barang dan jasa yang dibutuhkan manusia merupakan usaha yang harus dilakukan oleh perusahaan atau organisasi untuk dapat memenuhi permintaan untuk kebutuhan-kebutuhan tersebut secara efektif dan efisien. Perusahaan yang dipilih oleh penulis sebagai tempat untuk melaksanakan skripsi adalah PT Selamat Sempurna Tbk. yang merupakan industri yang memproduksi
komponen – komponen otomotif seperti ; filter,
radiator, pipa rem, pipa bahan bakar,
kondensor, sistem pembuangan dan press
parts. Sebelumnya PT Selamat Sempurna
Tbk. belum pernah menerapkan metode MRP
I pada produk unit AFPL tipe 1517¸ maka
penulis tertarik untuk mengadakan penelitian menyangkut masalah persediaan bahan baku,
terutama akan mengulas tentang Material
Rquirement Planning (MRP).
1.2 Perumusan Masalah
Berdasarkan latar belakang di atas, maka rumusan permasalahan yang akan menjadi obyek kajian didalam penelitian ini adalah:
1. Bagaimana mengetahui metode
peramalan apakah yang terbaik untuk produk AFPL 1517?
2. Bagaimana menerapan sistem
perencanaan kebutuhan material yang memiliki biaya paling optimal pada produk AFPL tipe 1517 ?
3. Apakah dengan menerapkan aplikasi
perangkat lunak WinQSB mampu
menganalisa jumlah kebutuhan produksi
pada enam bulan mendatang dan
perencanaan kebutuhan material yang akan dipesan ?
1.3 Batasan masalah
Adapun batasan – batasan masalah dalam
penelitian ini adalah sebagai berikut :
1. Perhitungan Lot Size dilakukan
dengan munggunakan software
WinQSB dan tidak menggunakan rumus manual.
2. Jadwal induk produksi berdasarkan pada hasil peramalan permintaan perusahaan
3. Data yang diambil berdasarkan data
produksi bulan juli 2012 – februari
2013
4. Biaya total yang akan dihitung adalah
biaya pemesanan dan biaya
penyimpanan.
5. Tidak menganalisa penjadwalan.
6. Tidak menganalisa persediaan
pengaman.
1.1 Tujuan penelitian
Tujuan Pelaksanaan penelitian ini yaitu : 1. Untuk mengetahui metode peramalan
yang terbaik untuk produk AFPL 1517. 2. Untuk mengetahui penerapan sistem
3
3. Untuk mengetahui penerapan aplikasiperangkat lunak WinQSB untuk
menganalisa jumlah kebutuhan produksi
pada periode mendatang dan
perencanaan kebutuhan material yang akan dipesan.
2 LANDASAN TEORI 2.1 Sistem Produksi
Bagan 1.1 skema sistem produksi
2.2 Peramalan
Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang.
a. Simple Moving Average
Metode ini menggunakan sejumlah data aktual permintaan yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa mendatang. Metode rata-rata bergerak akan efektif diterapkan apabila diasumsikan bahwa permintaan pasar terhadap produk akan teteap stabil sepanjang waktu.
b. Weighted Moving Average = WMA
Pada metode ini, setiap data diberikan bobot yang sama. Aktualnya hal ini mustahil karena data yang lebih baru akan mempunyai bobot yang lebih tinggi karena data tersebut
merepresentasikan kondisi yang terakhir
terjadi. Hal ini yang melahirkan metode
peramalan rata-rata bergerak dengan
pembobotan.
c. Exponential Smoothing = ES
Kelemahan teknik moving average dalam
kebutuhan akan data-data masa lalu yang cukup banyak dapat diatasi dengan teknik pemulusan eksponensial. Metode peramalan
pemulusan eksponensial bekerja hampir
serupa dengan alat thermostat, di mana
apabila galat ramalan (forecast error) adalah
positif, yang berarti nilai aktual permintaan lebih tinggi dari pada nilai ramalan (A-F>0), maka model pemulusan eksponensial akan secara otomatis meningkatkan nilai ramalan, Sebaliknya.
d. Exponential Smoothing White Trend = EST
Teknik moving average dan exponential
smoothing sederhana telah dijelaskan di
depan hanya tepat bila data yang digunakan
stationer. Metode winter didasarkan atas tiga
persamaan pemulusan, yaitu persamaan untuk penyesuaian stationer, satu persamaan untuk penyesuaian tren, dan persamaan yang lain untuk penyesuaian musiman.
e. Metode Regresi (regression method)
Sebelum suatu keputusan diambil, kadang
perlu dilakukan suatu peramalan (forecasting)
mengenai kemungkinan atau harapan yang akan terjadi di masa depan. Analisis regresi digunakan untuk mempelajari dan mengukur hubungan yang terjadi di antara dua atau lebih variabel. Regresi sederhana dikaji untuk dua variabel. Regresi majemuk dikaji lebih dari dua
variabel.Analisis regresi, menyusun
persamaan regresi yang digunakan untuk menggambarkan pola atau fungsi hubungan antar variabel.
Ukuran Akurasi Hasil Peramalan
a.
Mean Absolute Deviation = MADMAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan kenyataannya.
b.
Mean Square Error = MSEMSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan.
c.
Mean Forecast Error =MFE)MFE sangat efektif untuk mengetahui apakan suatu hasil peramalan selama periode tertentu terlalu tinggi atau terlalu
rendah. MFE dihitung dengan
menjumlahkan semua kesalahan
peramalan selama periode peramalan dan membaginya dengan jumlah periode peramalan.
d.
Mean Absolute Percentage Error =MAPE)
MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti
dibandingkan MAD karena MAPE
menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama periode tertentu yang akan
memberikan informasi persentase
kesalahan terlalu tinggi atau terlalu rendah.
2.3 Persediaan
persediaan merupakan sejumlah
4
dalam perusahaan untuk proses produksi,serta barang-barang jadi/produk yang
disediakan untuk memenuhi permintaan dari konsumen atau langganan setiap waktu.
2.4 Material Requirement Planning (MRP)
MRP adalah prosedur logis, aturan
keputusan dan teknik pencatatan
terkomputerisasi yang dirancang untuk
menterjemahkan “Jadwal Induk Produksi” atau
MPS (Master Production Scheduling), menjadi
“kebutuhan bersih” atau NR (Net Requirement) untuk semua item.
Gambar 1.1 masukan dan keluaran MRP
2.4.1 Fixed Order Quantity (FOQ)
Jumlah pesanan tetap (FOQ) ini sangat spasifik untuk menentukan persediaan item.Penentuan besarnya lot dapat semau kita, atau dapat pula memakai intuisi atau melalui faktor-faktor empirik atau juga sesuai dengan pengalaman pemakai. Kebijaksanaan ini dapat ditempuh untuk item-item yang biaya
pemesanan (ordering cost) tinggi, dengan
memenuhi kebutuhan bersih dari perode ke periode.
2.4.2 Lor For Lot (LFL)
Teknik penetapan ukuran dengan ini
dilakukan atas dasar pesanan diskrit,
disamping itu teknik dilakukan atas pasanan dasat diskrit, disamping itu juga teknik ini merupakan cara paling sederhana dari semua teknik ukuran lot yang ada.
2.4.3 (Least Total Cost – LTC)
Teknik ini didasarkan pada pemikiran bahwa jumlah ongkos pengadaan dan ongkos
simpan (ongkos total) setiap ukuran
pemesanan (lot size) yang ada pada suatu horizon perencanaan dapat diminimalkan jika besar ongkos-ongkos tersebut sama atau hampir sama. Sarana untuk mencapai tujuan tersebut adalah suatu faktor yang disebut Economic Part Period (EPP). Part period adalah suatu unit yang disimpan dalam persediaan selama satu periode. EPP dapat didefinisikan sebagai kuantitas suatu item
persediaan yang bila disimpan dalam
persediaan selama satu periode akan
menghasilkan ongkos pengadaan yang sama dengan ongkos simpan. EPP dihitung secara
sederhana dengan membagi ongkos
pengadaan dengan ongkos simpan per unit per periode.
4.3.4 Part Period Balancing – PPB)
Teknik PBB ini menggunakan dasar logika yang sama dengan teknik LTC. Perhitungan kuantitas pemesanannya juga
sama. Perbedaannya terletak pada
pengalokasian pemesanan yang dilakukan dengan melihat kebutuhan bersih periode yang ada di depan dan di belakang (look a
head/look back) dari periode yang
bersangkutan. Hal ini dimaksudkan untuk mencegah penyimpanan item persediaan dalam jumlah yang terlalu besar (cakupan periode yang terlalu panjang) dan menghindari kuantitas pemesanan yang terlalu sedikit.
4.3.5 Wagner Whitin (WW)
Teknik ini menggunakan prosedur
optimasi yang didasari model program
dinamis. Tujuannya adalah untuk
mendapatkan strategi pemesanan yang
optimum untuk seluruh jadwal kebutuhan bersih dengan jalan meminimalkan total ongkos pengadaan dan ongkos simpan. Pada dasarnya, teknik ini menguji semua cara pemesanan yang mungkin dalam memenuhi kebutuhan bersih setiap periode yang ada
pada horizon perencanaan sehingga
senantiasa memberikan jawaban optimal.
2.4 Mengenal Software WinQSB Versi 2.0
Salah satu program komputer yang
dirancang untuk
menyelesaikanmasalah-masalah kuantitatif di bidang manajemen adalah WinQSB. Program inidibuat oleh Profesor Yih-Long Chan dari Georgia Institute of Technology ,Amerika Serikat. Program ini merupakan pengembangan dari program QSB (Quantitative System for Business),
QSB+, dan QS (Quantitative System)
yangsudah banyak digunakan pada akhir tahun 1980-an. Program WinQSB saat ini sudah sampai pada versi 2.0. Disebut WinQSB karena merupakan perkembangan dari program QSB yang dulu berbasis sistem operasi DOS, dan sekarang sudahdapat dijalankan pada komputer berbasis Microsoft Windows.
3 METODOLOGI PENELITIAN
5
Studi Literatur
q Sistem produksi
q Persediaan
q Perhitungan Peramalan
q Perhitungan MRP
q Modul WinQSB
Observasi Lapangan
q Profil Perusahaan
q Pengamatan Tahapan Proses Produksi E-RSPU P/N 5903
Perumusan Masalah
· Mengetahui metode peramalan terbaik
· Menerapakan Sistem MRP I dengan biaya optimal
· Penerapan MRP I dengan Software WINQSB
Mulai
Latar Belakang
Belum adanya penerapkan metode MRP I pada produk unit AFPL
Identifikasi Variabel Penelitian
Pengumpulan Data Produksi AFPL Periode Januari – Agustus 2012
Penetuan Item Number Fast Moving (Lewat Rangking Permintaan)
Pengambilan Data Sekunder · Bill of Material E-RSPU I/P No. A-5903
· Lead Time, Safety Stock, dan Project On Hand E-RSPU Item Produk No. A-5903 dan Komponen Penyusunnya
· Unit Cost, Holding Cost & Setup/Order Cost
Pengolahan Data Tahap I
Peramalan Permintaan Untuk delapan Periode Mendatang dengan WinQSB
· SES (Single Exponential Smooting)
· SEST (Single Exponential Smooting With Trend)
· MA 2-Bulan, 3-Bulan dan 4-Bulan
· WMA 2-Bulan, 3-Bulan dan 4-Bulan
· Regresi Linear
Pengolahan Data Tahap II · Pembuatan Bill Of Material AFPL02
Item Produk 1517
· Pembuatan MRP dengan Metode Lot Size (FOQ, LFL, LTC, PPB & WW)
Analisa Dan Hasil · Analisa Pemilihan Peramalan terbaik dengan
MAPE
· Analisa Perbandingan Biaya Paling Optimal
Selesai
Tahap I Penentuan Objek Penelitian
E-RSPU
Tahap II Pengambilan Data
Sekunder
Tahap III Pengolahan Data Untuk Peramalan, Pembuatan MRP dan Perhitungan Biaya
Kesimpulan dan Saran
Diagram 1.1 Alur Metodologi Penelitian
4 PENGUMPULAN dan PENGOLAHAN DATA
4.1 Pengumpulan Data
4.1 Rangking Product Fast Moving
Pemelihan item produk AFPL di tentukan pada
produk fastmoving tertinggi yaitu AFPL produk
item no. 1517
Tabel 1.2 Permintaan AFPL Item Produk No. 1517 (Periode juli 2012 - februari 2013)
Periode Permintaan (Unit) Project On Hand AFPL Item Produk No.1517
dan Komponen Penyusunnya
Tabel 1.4 Struktur Biaya Bahan Baku AFPL Item Produk no. 1517
Item Line Rank % Cumm % Sakura No Total 1 5,38% 5,38% A-1517 66.536 2 4,54% 9,91% A-1123 56.140 3 3,91% 13,82% A-1047 48.400 4 3,14% 16,96% A-5828 38.840 5 3,03% 19,99% A-1876 37.500 .... .... .... .... .... E-AFPL01 274 0,01% 100,00% CA-29010 100
TOTAL 1.237.442
Sum of MPP Qty E-AFPL Qty Jan-Okt 2012
E-AFPL02 9 2 Plastik Injection 1 Unit Pcs 0 Bulan Make - 10000 2% 10 3 Polyfiber UNP300 1 m2 Meter 1 Bulan Buy
- 10000
-Level Kom ponen Kuantitas Measure Lead Tim e
6
4.2 Pengolahan Data
4.2.1 Peramalan
· Single Eksponensial Smoothing (SES)
Gambar 1.1 WinQSB Forecast - Hasil
Peramalan dengan SES (Single exponential Smooting)
Berdasarkan data yang ditampilkan pada tabel diatas dapat diketahui secara langsung dengan peramalan permintaan untuk delapan
periode mendatang, nilai MAD (Mean Absolute
Deviation), MSE (Mean Square Error) dan
MAPE (Mean Absolute Persentage Error).
Di Forecasting Setup terdapat bagian
“Smoothing constant alpha”. Nilai α berkisar
antara 0,01 sampai dengan 0.99. Salah satu keuntungan dalam mengaplikasikan perangkat lunak WinQSB adalah bahwa untuk metode
Single Eksponensial Smoothing user dapat
meminta program untuk langsung menentukan
nilai α yang memberikan hasil peramalan
terbaik.
· Single Exponential Smooting (SEST)
Gambar 1.2 WinQSB Forecast - Hasil
Peramalan AFPL Item Produk No. 1517
dengan SEST α = 0,3 dan β = 0,23
Salah satu keuntungan dalam
mengaplikasikan perangkat lunak WinQSB
adalah bahwa untuk metode Single
Eksponensial Smoothing White Trend user dapat meminta program untuk langsung
menentukan nilai α dan juga nilai β yang
memberikan hasil peramalan terbaik.
· Moving average (MA) 2 Bulan
Gambar 1.3 WinQSB Forecast - Hasil Peramalan AFPL Item Produk No. 1517
dengan MA – 2 bulan
Penulis juga menerapkan metode Moving
Average dengan kriteria perataan bulan yang
berbeda. Penulis menggunakan Moving
Average 3-Bulan, Moving Average 4-Bulan
dan Moving Average 5-Bulan. Hal ini dilakukan
untuk mendapatkan akurasi data peramalan dengan lebih akurat.
· Weighted Moving Average (WMA) 2 Bulan
Gambar 1.4 Hasil Peramalan AFPL Item
Produk No. 1517 dengan WMA – 2bulan
penulis menentukan bobot untuk data periode
t-2 dan t-1, memberikan bobot 0,6 untuk data
periode t-2 dan bobot sebesar 0,4 untuk data
7
· Metode Regresi (regression method)Gambar 1.5Hasil Peramalan AFPL Item Produk No. 1517 dengan linear regresi
Pada tampilan hasil peramalan metode Linear
Regresi (LR) diatas langsung dapat diketahui
nilai masing-masing untuk nilai intercept (a)
dan Slope (b), yaitu sebesar 6526,429 untuk
nilai intercept (a) sedangkan untuk nilai Slope
(b) sebesar 450,2381.
4.2.2 Pembuatan Bild Of Material (BOM)
Bagan 1.1 struktur Bild Of Material (BOM)
AFPL produk item no. 1517
4.1.2 Perhitungan Lot size
MaterialRequirement Planning (MRP)
perhitungan MRP pada level nol yakni
independent product dari item produk AFPL
tipe no. 1517.
· Perhitungan lot size tipe Lot For Lot (LFL)
Gambar 1.6 Hasil Perhitungan MRP – LFL pada Level 0 AFPL item produk
no. 1517
Gambar 1.7 Biaya Material Requirement Planning Lor For Lot (LFL)
· Perhitungan lot size tipe Fixesd Order Quantity (FOQ)
Gambar 1.8Hasil Perhitungan MRP – FOQ pada Level 0 AFPL item produk no. 1517
Gambar 1.9 Biaya Material Requirement
Planning Fixed Order Quantity (FOQ)
· Perhitungan lot size tipeLeast Total Cost (LTC)
Gambar 1.10 Hasil Perhitungan MRP – LTC pada Level 0 AFPL item produk no. 1517
Gambar 1.11 Biaya Material Requirement Planning Least Total Cost (LTC)
· Perhitungan lot size tipe Part Period
Balancing (PPB)
Gambar 1.12 Hasil Perhitungan MRP – PPB pada Level 0 AFPL item produk
no. 1517
AFP
L
1517
1 Lot
Box
Bes
ar
1 Unit
Box
Kecil
8 Uni
t
Plas
tik
unit 2Lab
el
10 unitAFPL
Blank
Filter
8 unit
Pap
er
m1 2Polyfib
er
UNP30
0
1 m2UNP
15
m1 2Rub
er
unit 1Plas
tic
Inje
ctio
n
1 unit
PP
Recy
cle
1 onsPP
Compo
8
Gambar 1.13 Biaya Material Requirement Planning Part Period Balancing (PPB)
· Perhitungan lot size tipe Algoritma Wagner Whiting (AWW)
Gambar 1.14 Hasil Perhitungan MRP – AWW pada Level 0 AFPL item produk
no. 1517
Gambar 1.15 Biaya Material Requirement Planning Algoritma Wagner Whiting (AWW)
5 ANALISA dan HASIL 5.1 Peramalan
Setelah melakukan peramalan dengan lima metode peramalan, Penulis merangkum semua data yang dihasilkan dalam tabel di
bawah ini. Hal ini ditujukan untuk
mempermudah pemilihan hasil peramalan yang memiliki akurasi terbaik dan dapat dipercaya.
Untuk menetukan parameter yang dapat dijadikan acuan untuk menilai hasil peramalan adalah nilai MAPE (rata-rata persentase kesalahan absolut), karena MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti dibandingkan ukuran
parameter lainnya. MAPE menyatakan
persentase kesalahan hasil peramalan
terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah. Semakin kecil nilai MAPE, maka akan semakin akurat hasil peramalannya.
Tabel 1.1 Rangkuman Hasil Peramalan
Berdasarkan hasil perhitungan yang telah dilakukan penulis memutuskan untuk memilih hasil peramalan dengan metode
Weigth Moving Average 4-bulan, karena
berdasarkan nilai MAPE, Moving Average
4-bulan adalah yang terbaik karena nilainya paling kecil dibandingkan ketiga nilai lainnya yaitu sebesar 12,3
Tabel 1.2 Nilai Paramater dari hasil Aplikasi
Metode WMA 4 – Bulan
Parameter Nilai
CFE 4020
MAD 1109
MSE 2029324
MAPE 11,4
Maka data peramalan kebutuhan yang akan
diterapkan di dalam pembuatan Master
Production Schedule adalah data hasil
peramalan dengan metode Weigth Moving
Average 4-bulan dengan perkiraan jumlah
permintaan sebagai berikut.
Tabel 1.1 Peramalan Permintaan AFPL produk Item no. 1517 dengan WMA 4-Bulan
(Periode Maret 2013 – Juli 2013)
Periode Data Produksi (AFPL 1517)
Mar-13 7152
Apr-13 8928
May-13 8348
Jun-13 9412
Jul-13 9512
Total 43352
Rata-Rata 8670
5.2 Material Requirement Planning (MRP)
Tabel 1.3 Rangkuman biaya hasil perhitungan
MRP
Dari kelima metode lot size MRP tersebut didapatkan nilai-nilai total biaya ID peroduk AFPL iten no. 1517, dari hasil perhitungan
teknik lot size yang memiliki total biaya
terendah yaitu dengan menggunakan teknik lot
size WW (Wagner Whiting) dengan total biaya
yaitu Rp 383.509.850 dan untuk metode lot
size yang menghasilkan total biaya tertinggi
yaitu teknik lot size FOQ (Fixed Order
Quantity), dengan total biaya Rp 384.204.039.
CFE 10299,79 7002,9 3200 4020 -1,96 MAD 1955,63 1721,2 1172,5 1109 1290,06 MSE 5265018 4808388 1705938 2029324 2013944 MAPE 21,0361 18,89 12,3 11,4 16,89
SEST MA 4-Bulan
WMA 4-Bulan LR Parameter SES
WW LFL FOQ PPB LTC
AFPL 1517 65.590 90.707 90.873 73.350 73.350
Blank Filter 740.000 780.000 780.000 740.000 740.000
Box Besar 2.501.200 2.522.850 2.527.625 2.518.870 2.501.200
Box Kecil 10.976.800 11.140.800 11.159.000 10.976.800 10.976.800
Plastik 8.566.600 8.602.600 8.617.000 8.566.600 8.566.600
Label 25.588.000 25.630.000 25.677.750 25.588.000 25.588.000
Paper 119.830 152.685 153.250 123.555 123.555
Ruber 113.004.000 113.040.000 113.232.000 113.004.000 113.004.000
Plastik Injection 119.830 152.685 153.250 123.555 123.555
Polyfiber UNP300 43.987.600 44.041.632 44.138.752 43.987.600 43.987.600
UNP 15 43.992.600 44.047.440 44.144.500 43.992.600 43.992.600
PP Recycle 43.992.600 44.047.440 44.144.500 43.992.600 43.992.600
PP Compound 89.855.200 89.955.200 90.150.000 89.855.200 89.855.200
Total 383.509.850 384.204.039 384.968.500 383.542.730 383.525.060
9
6 KESIMPULAN dan SARAN
6.1 Kesimpulan
Berdasarkan dari analisa pengolahan
data terkait dengan Analisis Material
Requirement Planning (MRP) untuk Pengendalian Persediaan Bahan Baku Pembuatan Blank Filter Item AFPL Produk No. 1517 Dengan Menggunakan Perangkat Lunak WinQSB yang dilakukan di bab V di PT Selamat Sempurna Tbk, selanjutnya dapat diambil beberapa kesimpulan sebagai berikut, yaitu:
· Dari kelima metode peramalan yang telah
dilakukan, peramalan dengan metode
Weight Moving Average 4-bulan
memberikan hasil terbaik. Hal ini dilihat
dari nilai MAPE (rata-rata persentase
kesalahan absolut)= 11,40
· Dari kelima metode Material Requirement
Material (MRP) yang telah dilakukan,
ukuran lot sizing WW (Wagner Whiting)
yang memberikan total biaya yang
terendah sebesar Rp 383.509.850.
· Dari penelitian yang telah dilakukan oleh
Penulis, dapat diketahui bahwa analisa peramalan dan perencanaan kebutuhan
material dapat dilakukan dengan
menerapkan aplikasi perangkat lunak
WinQSB modul Forecast dan Material
Requirement Planning.
6.2 Saran
Berikut ini beberapa saran yang dapat diambil oleh penulis untuk dijadikan bahan
pertimbangan untuk kegiatan penelitian
selanjutnya dalam memperbaiki perencanaan sistem persediaan perusahaan yang ada. Hal ini tentu dimaksudkan agar perencanaan persediaan dapat dilakukan lebih baik lagi
demi kelancaran proses produksi. Saran –
saran tersebut antara lain sebagai berikut :
· Untuk penelitian selanjutnya diharapkan
dapat mengidentifikasi penyebab
terjadinya selisih antara permintaan yang
diajukan di dalam Master Production
Schedule (MPS) dengan produksi aktual di
plant factory.
· Untuk penelitian selanjutnya diharapkan
penambahan pada objek penelitian agar aktivitas produksi dan pemesanan bahan baku dapat dilakukan secara serempak demi mencapai efisiensi waktu, biaya dan transportasi.
DAFTAR PUSTAKA
Assauri, S.2008. Manajemen Produksi dan
Operasi, Jakarta, 2008, Lembaga
Penerbit FE-UI, Jakarta.
Baroto, T. 2002. Perencanaan dan
Pengendalian Produksi. Penerbit
GahliaIndonesia, Jakarta
Gaspersz, V. 2004. Production Planning and
Inventory Control. PT.
GramediaPustaka Umum, Jakarta.
Gintin, R. 2007.Sistem Produksi, Graha Ilmu,
Yogyakarta
Hakim, A. 2008. Perencanaan dan
Pengendalian Produksi, Graha Ilmu,
Yogyakarta
Herjanto, E. 1997.Manajemen Produksi dan
Operasi, Gramedia, Jakarta
Jurnal Nasional “Penerapan Sistem Material
Requiring Planning (MRP) Untuk
Peningkatan Kinerja di Industri
Proses”oleh Muslim Efendi Harahap. 2009
Laporan Skripsi“Analisis Hubungan Nilai
Overall Equipment Efectivness (Oee)
Dengan Six Big Losess Dalam Usaha
Mencari Penyebab Besarnya Reduced
Speed Losses Dan ProcessDefect
Losses Pada Mesin Injection (Studi
Kasus: PT. Selamat Sempurna)”oleh Wahyu sugar Ibrahim. 2013. Universitas Mercubuana. Jakarta
Laporan Skripsi“Mengoptimalkan Master
Production Schedule (MPS) dan
Material Requirement Planning I (MRP
I) E-RSPU 5903 Melalui Perhitungan
Rough Cut Capasity Planning (RCCP)”
oleh Endah Worowardani. 2013.
Universitas Mercubuana. Jakarta
Kusuma, H. 2004.Manajemen Produksi,Andi,
Jakarta
Nasution,A.H.2006. Manajemen Industri, Andi,
Yogyakarta
Nasution, A.H. 2008. Perencanaan dan
Pengendalian Produksi, Graha Ilmu,
Yogyakarta,
Purnomo, H. 2003. Pengantar Teknik Industri,
Graha Ilmu, Yogyakarta
Rangkuti, F. 1998.Manajemen Persediaan:
Aplikasi di Bidang Bisnis, Rajawali Pers
Rangkuti, F. 2004.Manajemen Persediaan –
Aplikasi dibidang Bisnis, PT
GrafindoPersada, Jakarta
Ristono, A. 2008. Manajemen Persediaan,
Graha Ilmu, Yogyakarta
Ristono, A. 2009.Manajemen Persediaan,
