BAB II LANDASAN TEORI. dalam pembuatan ini melibatkan tenaga kerja, bahan baku, mesin, energi, informasi,

BAB II

LANDASAN TEORI

2.1 Pengenalan Produksi

Produksi adalah suatu proses pengubahan bahan baku menjadi produk jadi. Sistem produksi adalah sekumpulan aktivitas untuk pembuatan suatu produk, dimana dalam pembuatan ini melibatkan tenaga kerja, bahan baku, mesin, energi, informasi, modal, dan tindakan manajemen. Dalam praktik, aktivitas dalam sistem produksi ini dapat dikelompokkan ke dalam dua kategori, yaitu proses produksi dan perencanaan dan pengendalian produksi (Production Planning Control – PPC).

2.1.1 Sistem Produksi Menurut Tujuan Operasinya

Dilihat dari tujuan perusahaan melakukan operasinya dalam hubungannya dengan pemenuhan kebutuhan konsumen, maka sistem produksi dibedakan menjadi 4 jenis, yaitu :

1. Engineering to Order

Bila pemesan meminta produsen untuk membuat produk yang dimulai dari proses rekayasa.

2. Assembly to Order

Bila produsen membuat desain standar, modul – modul opsinya standar yang sebelumnya dan merakit suatu kombinasi tertentu dari modul – modul tersebut sesuai dengan pesanan konsumen. Contohnya pabrik mobil dan elektronik.

3. Make to Order

Bila produsen menyelesaikan item akhirnya jika dan hanya jika telah menerima pesanan konsumen untuk item tersebut.

4. Make to Stock

Bila produsen membuat item – item yang diselesaikan dan ditempatkan sebagai persediaan sebelum pesanan konsumen diterima.

2.1.2 Sistem Produksi Menurut Aliran Operasi dan Variasi Produk

Adapun karakteristik dari masing – masing aliran operasi tersebut adalah sebagai berikut :

1. Flow Shop

Proses konversi dimana unit – unit output secara berturut – turut melalui urutan operasi yang sama pada mesin – mesin khusus, biasanya ditempatkan sepanjang suatu lintasan produksi. Contohnya industri pengalengan dan pakaian jadi. Proses ini juga biasa dinamakan mass production.

2. Continuous

Proses ini merupakan bentuk ekstrim dari flow shop dimana terjadi aliran material yang konstan. Contohnya adalah industri penyulingan minyak dan pemrosesan kimia.

3. Job Shop

Merupakan bentuk proses konversi dimana unit – unit untuk pesanan yang berbeda akan mengikuti urutan yang berbeda pula dengan melalui pusat – pusat kerja yang dikelompokkan berdasarkan fungsinya. Volume produksi tiap jenis produk sedikit, variasi produknya banyak, lama proses produksi tiap jenis produk agak panjang, dan tidak ada lintasan produksi khusus.

4. Batch

Merupakan bentuk suatu langkah kedepan dibandingkan job shop dalam hal

standarisasi produk, tetapi tidak terlalu terstandarisasi seperti produk yang dihasilkan pada aliran lintasan perakitan flow shop. Sistem ini memproduksi

banyak variasi produk dan volume, lama proses produksi untuk tiap produk agak pendek, dan satu lintasan produksi dapat dipakai untuk beberapa tipe produk.

5. Proyek

Merupakan proses penciptaan satu jenis produk yang agak rumit dengan suatu pendefinisian urutan tugas – tugas yang teratur akan kebutuhan sumber daya dan dibatasi oleh waktu penyelesaiannya.

2.1.3 Sistem Produksi Menurut Cara Pembuatan dan Masa Pengerjaan

Berdasarkan cara pembuatan dan masa pengerjaannya, produksi dapat diklasifikasikan menjadi :

1. Engineering to Order

Bila perusahaan melakukan rekayasa mulai dari penyiapan fasilitas sampai pembuatan untuk memenuhi pesanan. Produk yang dipesan biasanya berjumlah satu unit dan spesifikasinya sangat berbeda antara pesanan yang satu dengan lainnya. Disamping itu, sangat banyak aktivitas yang terlibat dalam pembuatannya.

2. Made to Order

Bila perusahaan berproduksi (membuat) dengan fasilitas produksi yang dimiliki untuk memenuhi pesanan.

3. Assembly to Order

Bila perusahaan memproduksi (merakit) dengan fasilitas produksi yang dimiliki untuk memenuhi pesanan.

4. Made to Stock

Bila produksi perusahaan tidak ditunjukkan untuk melayani pesanan, namun distok untuk mengantisipasi permintaan.

5. Make to Demand

Bila perusahaan memproduksi karena ingin merespon terhadap permintaan pelanggan secara total. Strategi ini diciptakan untuk menanggapi kompetisi

sekarang yang sangat ketat dalam dunia industri. Biasanya harga produknya lebih rendah dan waktu penyerahan lebih cepat.

Peranan perencanaan dan pengendalian produksi adalah semata – mata dimaksudkan untuk mengkoordinasikan kegiatan dari bagian – bagian yang langsung atau tidak langsung dalam berproduksi, merencanakan, menjadwalkan, dan mengendalikan kegiatan produksi dari mulai tahapan bahan baku, proses sampai

output yang dihasilkan sehingga perusahaan itu betul – betul dapat menghasilkan

barang atau jasa dengan efektif dan efisien.

2.2 Teori Peramalan

Peramalan adalah suatu proses untuk memperkirakan beberapa kebutuhan dimasa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang di butuhkan dalam rangka memenuhi permintaan barang ataupun jasa.

Dalam kondisi permintaan pasar yang stabil peramalan cenderung tidak dibutuhkan,karena perubahan permintaan relatif kecil, tetapi peramalan akan sangat dibutuhkan bila kondisi permintaan pasar bersifat kompleks dan dianamis.

Suatu system peramalan harus memiliki kaitan dengan ramalan-ramalan yang dibuat manajemen lain yang terkait, dalam satu struktur organisasi perusahaan.Jika peramalan ingin berhasil,maka harus diperhatikan adanya saling ketergantungan diantara ramalan- ramalan berbagai divisi atau departemen, contohnya pada peramalan penjualan hal tersebut terkait dengan ramalan ramalan anggaran, pengeluaran operasi, arus kas,

Dalam kondisi pasar bebas, permintaan pasar lebih banyak bersifat kompleks, dan dinamis karena permintaan tersebut akan tergantung dari keadaan social, politik, ekonomi, aspek teknologi, produk pesaing, dan produk substitusi.Oleh karena itu peramalan akurat merupkan informasi yang sangat dibutuhkan dalam pengambilan keputusan manajemen.

2.2.1 Manfaat peramalan

Beberapa manfaat peramalan terutama dalam bidang manufactur:

 Menentukan penjadwalan sesuai dengan jangka waktu yang di gunakan untuk menghasilkan produk- produk yang ada berdasarkan peralatan yang ada

 Menentukan penjadwalan pembelian bahan baku,sesuai dengan produk yang

akan dihasilkan

 Menentukan perencanaan lanjutan produk- produk yang ada untuk dikerjakan berdasarkan peralatan yang ada.

Dalam membuat suatu keputusan bisnis,seorang manager membutuhkan informasi dari berbagai sisi yang berbeda.Oleh karena itu seorang manajer perlu melakukan peramalan pada beberapa bidang penting, antara lain peramalan tentang perkembangan teknologi, peramalan tentang kondisi ekonomi dan peramalan permintaan.Pada bidang Perencanaan dan Pengendalian Produksi (PPC), bidang peramalan yang difokuskan adalah peramalan permintaan.

2.2.2 Peramalan dan horizon waktu

Dalam hubungan dengan horizon waktu peramalan, maka kita bisa mengklasifikasikan peramalan tersebut kedalam 3 kelompok :

1. Peramalan jangka panjang umumnya 2 sampai 10 tahun.Peramalan ini digunakan untuk perencanaan produk dan perencanaan sumberdaya.

2. Peramalan jangka menengah, umumnya 1 sampai 24 bulan. Peramalan ini lebih spesifik dibanding peramalan jangka panjang, umumnya digunakan untuk menentukan aliran kas, perancanaan produksi dan penentuan anggaran.

3. Peramalan Jangka Pendek, umumnya 1 sampai 5 minggu, peramalan ini

digunakan untuk mengambil keputusan dalam hal jadwal kerja, perlu tidaknya lembur, dan keputusan- keputusan kontrol jangka pendek yang lain.

2.2.3 Metode – Metode Dalam Peramalan

Semua metode peramalan memiliki ide sama, yaitu menggunakan data masa lalu untuk memperkirakan atau memproyeksikan data di masa yang akan datang. Berdasarkan tekniknya, metode peramalan dapat dikategorikan ke dalam metode kualitatif dan metode kuantitatif.

Metode kualitatif biasanya digunakan bila data masa lalu yang tersedia sedikit. Dalam metode ini, pendapat pakar dan prediksi mereka dijadikan dasar untuk menetapkan permintaan yang akan datang, diantaranya :

2.2.3.a Metode Delphi

Metode ini pada dasarnya merupakan proses untuk mencapai konsensus (kesepakatan kelompok) pakar yang terlibat dalam peramalan. Anggota kelompok terdiri atas para pakar yang berpengalaman dalam bidangnya. Hasil yang baik dapat diperoleh bila pakar memilki latar belakang yang bervariasi.

2.2.3.b Metode Kelompok Nominal

Metode ini melibatkan orang – orang yang berpengalaman dalam berbagai bidang. Dalam metode ini terdapat diskusi antar anggota secara langsung dan secara tatap muka.

Metode kuantitatif suatu set data historis (masa lalu) digunakan untuk mengekstrapolasi (meramalkan) permintaan masa depan. Ada 2 kelompok besar: a. Metode Time Series :

- Metode free hand (grafik)

- Metode moving average

- Metode weight moving average

- Metode exponential smoothing

- Metode regresi linier sederhana - Metode interpolasi Gregory – Newton

b. Metode Non Time Series

Berikut yang paling banyak digunakan adalah metode time series dan akan

dibahas lebih jauh lagi. Metode ini secara kuantitatif menggunakan waktu sebagai dasar peramalan. Secara umum, permintaan pada masa yang akan datang dipengaruhi oleh waktu.

Pada metode time series ini akan dibahas lebih jauh karena pokok bahasan yang

diambil / data peramalan menggunakan data time series. Peramalan pada time series

ini memilki prosedur yang harus dilaksanakan secara utuh. Bila tidak, maka resiko-resiko berikut akan terjadi :

1. Hasil peramalan tidak valid, sehingga tidak dapat diterapkan.

2. Kesulitan mendapatkan / memilih metode peramalan yang akan memberikan validitas ramalan tinggi.

3. Memerlukan waktu dalam melakukan analisis dan peramalan. Prosedur peramalan dengan data time series adalah sebagai berikut : 1. Tentukan pola data permintaan

2. Mencoba beberapa metode time series yang sesuai dengan pola permintaan

tersebut untuk melakukan peramalan.

3. Mengevaluasi tingkat kesalahan masing-masing metode yang telah dicoba. 4. Memilih metode peramalan terbaik diantara metode yang telah dicoba. 5. Melakukan peramalan permintaan dengan metode terbaik yang telah dipilih.

2.2.3.c Metode Moving Average (MA)

Moving average diperoleh dengan merata-rata permintaan berdasarkan

beberapa data masa lalu yang terbaru. Tujuan utama dari penggunaan teknik MA ini adalah untuk mengurangi atau menghilangkan variasi acak permintaan dalam hubungannya dengan waktu. Tujuan ini dicapai dengan merata-ratakan beberapa nilai data secara bersama-sama dan menggunakan nilai rata-rata tersebut sebagai ramalan permintaan untuk periode yang akan datang. Disebut rata-rata bergerak karena begitu setiap data aktual permintaan baru deret waktu tersedia, maka data aktual permintaan yang paling terdahulu akan dikeluarkan dari perhitungan, kemudian suatu nilai rata-rata baru akan dihitung. Secara matematis, maka MA akan dinyatakan dalam persamaan sebagai berikut :

dimana : At

N = Jumlah data permintaan yang dilibatkan dalam perhitungan MA = Permintaan actual pada periode t

Kelemahan dari teknik MA :

1. Peramalan selalu berdasarkan pada N data terakhir tanpa

mempertimbangkan data – data sebelumnya.

2. Setiap data dapat dianggap memiliki bobot yang sama, padahal lebih masuk akal bila data yang lebih baru akan mempunya bobot yang lebih

MA = At + At-1 + … + At-(N-1)

tinggi karena data tersebut mempresentasikan kondisi yang terakhir terjadi. Kelemahan kedua ini akan diatasi dengan menggunakan teknik MA dengan pembobotan.

3. Diperlukan biaya yang besar dalam penyimpanan dan pemrosesan

datanya, karena N cukup besar, maka akan membutuhkan memori yang cukup besar dan proses komputerasinya menjadi lama.

2.2.3.d Weighted Moving Average (WMA)

Model Weighted Moving Average (rata-rata bergerak terbobot) lebih responsif

terhadap perubahan. Karena data dari periode yang baru biasanya diberi bobot lebih besar. Secara matematis, WMA dapat dirumuskan sebagai berikut :

Dimana : Wt

A

= Bobot permintaan aktual pada periode t

t = Permintaan aktual pada periode t

2.2.3.e Exponential Smoothing – ES (Pemulusan Eksponensial)

Model ES bekerja hampir serupa dengan alat thermostat, dimana apabila

forecast error positif, berarti nilai aktual permintaan lebih tinggi daripada

nilai ramalan ( A-F > 0 ), maka model ES akan secara otomatis meningkatkan nilai ramalan. Sebaliknya apabila forecast error negatif, berarti nilai aktual

permintaan lebih rendah daripada nilai ramalan ( A-F < 0 ), maka model ES akan secar otomatis menurunkan nilai ramalan. Proses penyesuaian ini berlangsung terus-menerus kecuali jika error sudah mencapai nol. Kenyataan

inilah yang mendorong forecaster lebih suka menggunakan model ES, apabila

pola historis data aktual permintaan bergejolak atau tidak stabil dari waktu ke waktu. Peramalan model ES dapat dilakukan dengan rumusan sebagai berikut :

Dimana : Ft

F

= Nilai ramalan untuk periode t

t-1

A

= Nilai ramalan untuk satu periode waktu yang lalu (t-1)

t-1

α = Konstanta pemulusan

= Nilai aktual untuk satu periode waktu yang lalu (t-1)

Permasalahan umum yang dihadapi apabila penggunaan model ES adalah memilih konstanta pemulusan ( α ) yang diperkirakan tepat. Nilai α dapat dipilih diantara nilai 0 dan 1, karena berlaku: 0 < α < 1. Salah satu metode yang terbaik dalam penentuan α berdasarkan nilai N yang dilibatkan dalam teknik MA. Metode ini hanya dapat diterapkan oleh perusahaan yang telah lama menggunakan teknik MA dengan nilai N yang cukup memadai. Rata – rata usia data yang menggunakan teknik MA = N – ½, sedangkan rata-rata

usia dengan menggunakan teknik ES = 1 - α/α . Untuk menghitung nilai α dalam hubungannya dengan N adalah membuat rumusan sebagai berikut :

Dimana :

N = Jumlah data yang dilibatkan dalam perhitungan MA

2.2.3.f Metode Regresi Linier

Regresi linier adalah suatu metode populer untuk berbagai macam permasalahan. Untuk peramalan time series, formula regresi linier cocok

digunakan bila pola data adalah trend. Rumusannya adalah sebagai berikut:

Dimana :

f ^

a

( t ) = Nilai dari fungsi (permintaan) pada periode t (variable

terikat)

0

t = periode (variabel bebas)

, b = intercept dan slope

 t = error atau kesalahan atau penyimpangan periode t Bila digunakan untuk peramalan , maka formula regresi linier adalah :

α =

2 N + 1

Dimana :

2.2.3.g Metode Konstan

Metode konstan ini digunakan apabila pola dasar permintaan yang ditunjukkan cenderung statis atau tidak banyak memiliki perubahan selama periode aktual. Hasil peramalan dari metode konstan ini adalah rata-rata permintaan aktual selama periode terhitung, dapat ditunjukkan dengan rumus :

Dimana :

Y = Jumlah total permintaan aktual n = Banyaknya periode Y’ = Peramalan 2.2.3.h Metode Siklus f ( t ) = a + b t a = ∑ t2 ∑ f (t) - ∑ t ∑ t.f (t) n ∑ t2 - ( ∑ t )2 b = n ∑ t . f (t) - ∑ t ∑ f (t) n ∑ t2 - ( ∑ t )2 Y’ = ∑ Y n

Peramalan ini digunakan untuk pola data cenderung berbentuk kuadratik dari tiap periodenya. Untuk menentukan nilai peramalan dengan metode ini, maka digunakan persamaan suatu fungsi trigonometri sebagai berikut :

d’ = a + u cos ( 2 π / n ) t + v sin ( 2 π / n ) t Dimana :

n = banyaknya periode yang digunakan Tabel 2-1

Tabel Determinan Untuk Menentukan Konstanta-konstanta

d’ 1 Cos (2 π / n ) t Sin ( 2 π / n ) t ∑ d n 0 0 ∑ d cos ( 2 π / n ) t 0 n / 2 0 ∑ d sin ( 2 π / n ) t 0 0 n / 2 u = v = a = ∑ d / n

2.2.3.i Analisis Deret Waktu (Time Series)

∑ d cos ( 2 π / n ) t n / 2

∑ d sin ( 2 π / n ) t n / 2

Analisa deret waktu didasarkan pada asumsi bahwa deret waktu tersebut dari komponen-komponen Trend (T), Siklus / Cycle (C), Pola musiman / Season (S), dan

Variasi acak / Random (R) yang akan menunjukkan suatu pola tertentu. Analisa

deret waktu ini sangat tepat untuk meramlakan permintaan yang pola permintaan dimasa lalunya cukup konsisten dalam periode waktu yang lama, sehingga diharapkan pola tersebut masih akan tetap berlanjut. Penjelasan tentang komponen – komponen tersebut adalah sebagai berikut :

1. Kecenderungan / Trend (T)

Merupakan sifat dari permintaan masa lalu terhadap waktu terjadinya, apakah permintaan tersebut cenderung naik, turun, atau konstan.

Gambar 2-1 Pola Permintaan Trend 2. Siklus / Cycle (C)

Permintaan suatu produk dapat memiliki siklus yang berulang secara priodik, biasanya lebih dari satu tahun, sehingga pola ini tidak perlu dimasukkan dalam peramalan jangka pendek. Pola ini amat berguna untuk peramalan jangka menengah dan jangka panjang.

Gambar 2-2 Pola Permintaan Siklus

3. Musiman / Season (S)

Fluktuasi permintaan suatu produk dapat naik turun disekitar garis trend dan

biasanya berulang setiap tahun. Pola ini biasanya disebabkan oleh faktor cuaca, musim libur panjang, dan hari raya keagamaan yang akan berulang secara periodik setiap tahunnya.

Gambar 2-3 Pola Permintaan Musiman 4. Variasi acak / Random (R)

Permintaan suatu produk dapat mengikuti pola bervariasi secara acak karena faktor – faktor adanya bencana alam, bangkrutnya perusahaan pesaing, promosi khusus, dan kejadian – kejadian lainnya yang tidak mempunyai pola tertentu. Variasi acak ini diperlukan dalam rangka menentukan persediaan pengaman untuk mengantisipasi kekurangan persediaan bila terjadi lonjakan permintaan.

Gambar 2-4 Pola Permintaan Acak

2.2.4 Ketepatan Memilih Metode Peramalan

Ketepatan dalam memilih metode yang nanti akan di gunakan dalam peramalan sangatlah penting,tentu semua itu berhubungan dengan akurasi dari metode yang kita gunakan.Untuk mengukur akurasi/ketepatan dari metode peramalan tersebut dengan menggunakan metode statistik standart.Beberapa metode statistik yang digunakan untuk mengukur akurasi dari permalan tersebut adalah:

• Nilai kesalahan Absolute MAE/MAD (Mean Absolute Error or Deviation)

∑

− = n F A MAD/MAE t t

• Nilai Tengah Kesalahan Kuadrat MSE/MSD(Mean Square Error or Deviation)

∑

− = n ) F (A MSE/MSD 2 t t

∑

− = n ) F (A MFE t t

• Rata-rata Persentase Kesalahan Absolut (Mean Absolute Percentage Error = MAPE)

∑

−       = t t t A F A n 100 MAPE Dimana : e(t)= A(t) - F F (t)

(t) = Nilai Peramalan Periode t e(t)

A

= error periode t

(t) = Nilai rata- rata actual periode t N = Jumlah Periode

2.2.5 Verifikasi dan Pengendalian Peramalan

Langkah terpenting setelah peramalan di buat 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 aktualisasi peramalan tersebut dapat dipercaya, hasil peramalan akan terus dipergunakan.Jika selama proses verifikasi tersebut ditemukan keraguan validitas metode peramalan yang digunakan,maka harus digunakan metode lain yang lebih sesuai, Validitas ditentukan dengan uji statistika yang sesuai.

Banyak alat yang dapat digunakan untuk memverifikasi peramalan dan mendeteksi perubahan system sebab akibat yang melatar belakangi perubahan pola

permintaan.Bentuk yang paling sederhana adalah peta kontrol peramalan yang mirip dengan peta kontrol kualitas.

Peta Moving Range dirancang untuk membandingkan nilai permintaan actual dengan nilai peramalan.Dengan kata lain membandingkan data actual dan peramalan pada periode yang sama.Peta tersebut akan dikembangkan sampai periode yang akan datang,hingga dapat membandingkan data peramalan dengan permintaan actual.Peta moving range juga dapat digunakan sebagai verifikasi teknik dan parameter peramalan selama periode dasar atau periode pada saat menghitung peramalan.

Langkah pertama yang harus dilakukan sebelum melakukan pengujian adalah mencari nilai moving range (MR), kemudian di plot pada peta control yang telah diketahui batas-batas kontrolnya

Untuk mengetahui nilai MR dan nilai batas kendali dapat di gunakan beberapa rumus dibawah ini :

• Rumus untuk menentukan nilai MR :

(

)

(

( ) ( )

1 1

)

MR = F′−dt − F′ t− −d t− 1 MR 1 − =

∑

= n MR n i Dimana : MR = Moving Range

MR = Rata – rata moving range

MR UCL MR CL MR UCL 66 . 2 66 . 2 − = = + = Dimana :

UCL = Batas Kendali Atas CL = Batas Kendali

LCL = Batas Kendali Bawah

• Pengujian kondisi diluar batas kendali

Daerah A = ±2/3 (2.66 MR) = ±1.77 MR Daerah B = ±1/3(2.66 MR) = ±0.89 MR

Daerah C = Daerah diatas atau dibawah garis tengah CL

Daerah B Daerah B Daerah A Daerah A Daerah C Daerah C UCL +1.77MR UCL -1.77MR +0.89 MR +0.89 MR CL = MR

Gbr.2.5 Peta Pengendalian Uji Verifikasi

Berdasarkan peta diatas, Uji kondisi diluar kendali adalah:

a. Dari tiga titik berturut-turut, ada dua atau lebih titik yang berada didaerah A b. Dari lima titik berturut-turut,ada empat atau lebih titk yang berada di daerah

B

c. Ada delapan titik berturut-turut yang berada disalah satu sisi (diatas atau dibawah garis tengah)

Apabila data peta kendali tersebut memenuhi salah satu kriteria diatas maka data tersebut tidak layak digunakan dan harus mencari metode peramalan yang lain, atau menambah jumlah data peramalan.

2.3 Perencanaan Kebutuhan Material (Material Requirement Planning)

Teknik perencanaan kebutuhan material (Material Requirement Planning) digunakan untuk perencanaan dan pengendalian item barang (komponen) yang tergantung pada item- item ditingkat level yang lebih tinggi.

Sedangkan MRP-I adalah suatu konsep dalam manajemen produksi untuk perencanaan kebutuhan material yang berisikan prosedur dan aturan serta teknik pencatatan yang akurat,hingga material yang dibutuhkan dapat tersedia sesuai dengan

yang direncanakan.MRP-I juga dapat berperan sebagai pengendali dan penjadwalan persediaan.

2.3.1 Kemampuan sistem MRP

Ada empat kemampuan yang menjadi ciri utama dari sistem MRP, yaitu:

1. Mampu menentukan kebutuhan pada saat yang tepat,seperti kapan suatu

pekerjaan harus diselesaikan atau kapan material harus tersedia untuk memenuhi permintaan atas produk akhir yang sudah direncanakan pada Jadwal Induk Produksi.

2. Menentukan kebutuhan minimal untuk setiap item,dengan diketahuinya

kebutuhan akan produk jadi MRP dapat menentukan secara tepat sistem penjadwalan berdasarkan prioritas untuk memenuhi semua kebutuhan minimal setiap item komponen.

3. Dapat memberikan indikasi kapan akan dilakukan pemesanan atau pembatalan terhadap pesanan, baik pemesanan yang di peroleh dari luar ataupun dibuat sendiri.

4. Menentukan penjadwalan ulang atau pembatalan atas suatu jadwal yang sudah direncanakan.Apabila kapasitas yang ada tidak mampu untuk memenuhi pesanan yang dijadwalkan pada waktu yang diinginkan,maka MRP dapat memberikan indikasi untuk melakukan rencana penjadwalan ulang dengan menentukan prioritas pesanan yang realistis.

1. Jadwal Induk Produksi

Jadwal Induk Produksi didasarkan pada peramalan atas permintaan dari setiap produk akhir yang dibuat.Hasil peramalan digunakan untuk membuat rencana produksi.

2. Catatan keadaan persediaan.

Catatan tersebut berisi status semua item yang ada dalam persediaan.Setiap item persedian harus diidentifikasikan secara jelas jumlahnya karena transaksi-transaksi yang terjadi, seperti penerimaan, pengeluaran, produk cacat, dan data –data tentang lead time,teknik pengukuran lot yang terpakai.

3. Data tentang struktur produk.

Berisi tentang hubungan antara komponen–komponen dalam suatu proses assembly.Informasi ini dibutuhkan untuk menentukan kebutuhan kotor dan kebutuhan bersih suatu komponen.

2.3.3 Output system MRP

1. Catatan tentang pesanan yang harus dikerjakan

2. Indikasi untuk penjadwalan ulang atau pembatalan produksi 3. Indikasi pembatalan pesanan

4. Informasi keadaan persediaan.

2.3.4 Langkah – langkah proses pengolahan MRP

Setelah semua inputan yang dibutuhkan untuk pengolahan data MRP telah dilengkapi maka dapat dilakukan proses dasar pengolahan MRP.Empat langkah dasar pengolahan MRP adalah ;

Kebutuhan bersih dapat dihitung sebagai nilai kebutuhan kotor minus jadwal penerimaan minus persediaan ditangan.

2.Lotting (Penentuan Ukuran Lot)

Langkah ini bertujuan menentukan besarnya pesanan tiap komponen yang optimal berdasarkan hasil dari perhitungan kebutuhan bersih.

Dalam tulisan ini terdapat lima macam jenis lotting yang akan digunakan ; a) FOQ (Fix order Quantity)

Metode ini menggukan jumlah pemesanan yang tetap, dimana waktu jadwal pemesanan bisa tidak menentu,karena pesanan dapat dilakukan bila pesanan sebelumnya akan segera habis.

b) Economic Order Quantity.

Metode ini dasarkan pada pemikiran bahwa totalBiaya minimum dapat diperoleh jika biaya peasn dan biaya simpannya juga minimum.

Rumus persamaannya sebagai berikut;

I

dC

Q

=

2

Dimana;

Q = Jumlah pemesanan yang ekonomis d = Kebutuhan pertahun

C = Ongkos Pesan I = Ongkos Simpan

Pada metode ini jumlah pesanan yang harus disedikan harus sama dengan jumlah kebutuhan bersih yang diperlukan.Metode ini sering sekali disebut metode pemesanan diskrit, metode ini dapat memperkacil ongkos simpan bagi barang, atau komponen yang mahal.

d) Fixed Periode Reqruitment (FPR)

Metode ini memiliki interval pemesanan yang konstan, sedangkan jumlah lot pemesanan boleh bervariasi.

e) Periode Order quantity (POQ)

Metode ini hampr sama dengan metode FPR, tetapi pada metode POQ interval pemesanan ditentukan oleh suatu perhitungan yang didasarkan pada logika EOQ klasik yang dimodifikasi hingga dapat digunakan pada permintaan yang berperiode waktu diskrit.

Interval pemesanan tersebut dilakukan sebagai berikut;













∑

×

∑

=

kebutuhan

EOQ

Periode

POQ

3.Offsetting (Penentuan Waktu Pemesanan)

Langkah ini bertujuan agar kebutuhan komponen dapat tersedia tepat pada saat dibutuhkan dengan memperhitungkan lead time pengadaan komponen tersebut. 4.Exploding

Langlah ini merupakan proses perhitungan kebutuhan kotor untuk tingkat item komponen pada level yang lebih rendah dari struktur produk yang tersedia.