BAB 2 LANDASAN TEORI

2.1 Tinjauan Pustaka 2.1.1 Peramalan

Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern mengetahui keadaan yang akan datang tidak saja penting untuk melihat yang baik atau buruk tetapi juga bertujuan untuk melakukan persiapan peramalan.

Menurut Yamit (1999, p13), peramalan adalah prediksi, proyeksi atau estimasi tingkat kejadian yang tidak pasti dimasa yang akan datang. Sedangkan menurut Makridakis (1999, lampiran p24), peramalan merupakan prediksi nilai-nilai sebuah variabel berdasarkan kepada nilai yang diketahui dari variabel tersebut atau variabel yang berhubungan.

Beberapa faktor umum lingkungan yang mempengaruhi peramalan, yaitu : 1. Kondisi umum bisnis dan ekonomi

2. Reaksi dan tindakan pesaing 3. Tindakan pemerintah

4. Kecenderungan pasar 5. Inovasi teknologi

2.1.1.1Klasifikasi Metode Peramalan

Metode peramalan secara umum dibagi menjadi dua, yaitu :

1. Kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut :

a. Tersedia informasi tentang masa lalu.

b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.

c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.

Metode kuantitatif dapat dibagi menjadi dua, yaitu : a. Deret Berkala (time series)

Merupakan metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel dan/atau kesalahan masa lalu. Tujuannya adalah menemukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut ke masa depan. Keuntungan dari model deret berkala yaitu dapat digunakan dengan mudah untuk meramal. Ada empat jenis pola data pada peramalan time series, yaitu :

• Pola Horisontal atau Stationary (H)

Pola data ini terjadi apabila nilai data berfluktuasi disekitar nilai rata – rata yang konstan.

y

waktu Grafik 2.1 Pola Data Horisontal • Pola Musiman atau Seasonal (S)

Pola ini terjadi apabila suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan atau hari-hari pada minggu tertentu).

y

s s f w s s f w s s f w

1979 1980 1981 1982 waktu

• Pola Siklus atau Cyclical (C)

Pola ini terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.

y

waktu

Grafik 2.3 Pola Data Siklis

• Pola Trend (T)

Pola ini terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.

y

waktu

b. Model Causal

Merupakan metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu. Model kausal mengasumsikan bahwa faktor yang diramalkan mewujudkan hubungan sebab akibat dengan satu atau lebih variabel bebas. Tujuan dari metode peramalan ini adalah untuk menemukan bentuk hubungan tersebut dan menggunakannya untuk meramalkan nilai mendatang dari variabel tak bebas. Sedangkan keuntungannya yaitu dapat digunakan dengan keberhasilan yang lebih besar untuk pengambilan keputusan dan kebijaksanaan.

2. Kualitatif (Teknologis), yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu. Metode ini biasa digunakan untuk meramalkan lingkungan dan teknologi, karena kondisi tersebut berbeda dengan kondisi perekonomian dan pemasaran. Input yang dibutuhkan tergantung pada metode tertentu dan biasanya merupakan hasil dari pemikiran intuitif, pertimbangan, dan pengetahuan yang telah didapat. Ramalan ini terutama digunakan untuk memberikan petunjuk, untuk membantu perencana dan untuk melengkapi ramalan kuantitatif, bukan untuk memberikan suatu ramalan numeric tertentu. Metode ini dibagi menjadi dua bagian, yaitu :

a. Metode Normatif

Metode ini dimulai dengan menetapkan sasaran dan tujuan yang akan datang, kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai, berdasarkan kendala, sumber daya, dan teknologi yang tersedia. Contohnya seperti Matriks Keputusan, Pohon Relevansi / Relevance Trees

b. Metode Eksploratoris

Metode ini dimulai dengan masa lalu dan masa kini sebagai titik awalnya dan bergerak ke arah masa depan secara heuristik, seringkali dengan melihat semua kemungkinan yang ada. Contohnya seperti Dalphi, Kurva-s, Analogi dan Penelitian Morfologis.

2.1.1.2Langkah-langkah Peramalan

Pada dasarnya ada tiga langkah peramalan yang penting, yaitu : 1. Menganalisa data yang lalu.

Tahap ini berguna untuk pola yang terjadi pada masa lalu. Analisa ini dilakukan dengan cara membuat tabulasi dari data yang lalu. Dengan tabulasi data, maka dapat diketahui pola dari data tersebut.

2. Menentukan metode yang dipergunakan.

Masing-masing metode memberikan hasil peramalan yang berbeda. Metode peramalan yang terbaik adalah metode yang memberikan hasil ramalan yang tidak jauh berbeda dengan kenyataan yang terjadi.

3. Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan dan mempertimbangkan adanya beberapa faktor perubahan.

Faktor-faktor perubahan tersebut antara lain terdiri dari perubahan kebijakan-kebijakan yang mungkin terjadi, termasuk perubahan kebijakan-kebijakan pemerintah, perkembangan potensi masyarakat, perkembangan teknologi dan penemuan-penemuan baru, dan perbedaan antara hasil ramalan yang ada dengan kenyataan.

2.1.1.3 Peranan Metode Peramalan

Metode peramalan memiliki beberapa peranan, yaitu : 1. Penentuan sumber daya yang diinginkan.

Setiap organisasi harus menentukan sumber daya yang ingin dimiliki dalam jangka panjang. Keputusan semacam itu bergantung pada kesempatan pasar, faktor-faktor lingkungan, dan pengembangan internal dari sumber daya finansial, manusia, produk, dan teknologis. Semua penentuan ini memerlukan ramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.

2. Penyediaan sumber daya tambahan.

Waktu tenggang untuk memperoleh bahan baku, menerima pekerjaan baru, atau membeli mesin dan peralatan dapat berkisar antar beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan sumber daya di masa mendatang.

3. Penjadwalan sumber daya yang tersedia.

Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi, transportasi, kas, personalia, dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaan untuk produk, bahan, tenaga kerja, finansial, atau jasa pelayanan.

2.1.1.4 Metode Pemulusan (Smoothing)

Strategi untuk menilai suatu metode peramalan pemulusan terdiri dari enam tahap, yaitu :

1. Tahap 1 : Pilih suatu deret berkala (kelompok data) untuk dianalisis.

Bagi data ini menjadi kelompok “inisialisasi” dan kelompok “pengujian”.

2. Tahap 2 : Pilih suatu metode pemulusan.

3. Tahap 3 : Menginisialisasi metode. Gunakan kelompok data inisisalisasi.

4. Tahap 4 : Gunakan metode pemulusan untuk meramalkan seluruh kelompok “pengujian”.

5. Tahap 5 : Mengoptimalkan

Memodifikasi prosedur inisialisasi. Melacak nilai parameter yang optimum.

Klasifikasi metode pemulusan (smoothing) : 1. Metode Perataan (Average)

Tujuan dari metode ini adalah memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.

Metode perataan ini meliputi :

a. Metode rata-rata bergerak sederhana (simple moving average)

Metode rata-rata sederhana adalah mengambil rata-rata dari semua data dalam kelompok inisialisasi :

∑

= + = = T i i T X

X

T

F

1 1

sebagai ramalan untuk periode (T+1). Kemudian bilamana data periode (T+1) tersedia, maka dimungkinkan untuk menghitung nilai kesalahannya :

F

X

e

T+1= T+1− T+1

Metode ini akan menghasilkan ramalan yang baik hanya jika proses yang mendasari nilai pengamatan X : tidak menunjukkan adanya trend dan tidak menunjukkan adanya unsur musiman.

b. Metode rata-rata bergerak tunggal (single moving average) Metode ini memiliki karakteristik sebagai berikut :

• Hanya menyangkut T periode terakhir dari data yang diketahui.

• Jumlah titik data dalam setiap rata-rata tidak berubah dengan berjalannya waktu.

Secara aljabar, rata-rata bergerak (MA) dapat dituliskan sebagai berikut :

∑

= + = + + + = T i i T T

X

X

X

X

F

_{T T} 1 2 1 1 1 ...

∑

+ = + + = + + + = 1 2 1 2 2 1 ... T i i T T T

X

X

X

X

F

_{T T}

c. Metode rata-rata bergerak ganda (double moving average)

Metode ini dapat mengatasi adanya trend dengan lebih baik. Rata-rata bergerak ganda ini merupakan rata-rata bergerak dari rata-rata bergerak, dan menurut simbol dituliskan sebagai MA(M x N) yang artinya adalah MA M -periode dari MA N-periode. Prosedur rata-rata bergerak linier secara umum dapat diterangkan melalui persamaan berikut :

N

X

X

X

X

S

t t t t N t 1 2 1 ...

'

= + − + − + + − + N

S

S

S

S

S

t t t t N t

'

'

'

'

''

= + −1+ −2+...+ − +1

(

_'

_''

)

₂

_'

_''

'

S

S

S

S

S

a

t = t+ t− t = t− t

(

_'

_''

)

1 2

S

S

b

t t t N− − = m

b

a

F

t+m= t+ t

2. Metode Pemulusan Eksponensial (Exponential Smoothing) a. Metode Pemulusan Eksponensial Tunggal

Metode ini dapat mengurangi banyak masalah penyimpanan data, karena tidak perlu lagi menyimpan semua data historis atau sebagian daripadanya.

Persamaan berikut merupakan bentuk umum yang digunakan dalam menghitung ramalan dengan metode pemulusan eksponensial :

(

)

_F

X

F

t+1=α t+ 1−α t

Karena nilai untuk F1 tidak diketahui, maka dapat digunakan nilai observasi

pertama (X1) sebagai ramalan pertama (F1 = X1) dan kemudian dialnjutkan

dengan menggunakan persamaan di atas. Ini merupakan salah satu metode inisialisasi.

b. Metode Pemulusan Eksponensial Tunggal : Pendekatan Adaptif

Metode ini bersifat adaptif dalam arti bahwa nilai α akan berubah secara otomatis bilamana terdapat perubahan pada pola data dasar dan dapat bermanfaat untuk sistem peramalan yang melibatkan sejumlah besar item. Inisialisasi : F2 = X1

α2 = α3 = α4 = β

E1 = M1 = 0

Persamaan dasar untuk peramalan dengan metode ini adalah :

(

)

_F

X

dimana

M

E

t t t+ =

α

1

(

)

_E

e

E

t =β t+ 1−β t−1

(

)

_M

e

M

t=β t + 1−β t−1

F

X

e

t= t− t

Et = unsur kesalahan yang dihaluskan.

Mt = unsur kesalahan absolut yang dihaluskan.

c. Metode Pemulusan Eksponensial Ganda : Metode Linear Satu-Parameter dari Brown

Dasar pemikiran dari pemulusan eksponensial metode Brown adalah serupa dengan rata-rata bergerak linier karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend, perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend.

Persamaan yang dipakai dalam implementasi pemulusan eksponensial linear satu-parameter dari Brown ditunjukkan dibawah ini :

m b a F S S b S S a S S S X S t t m t t t t t t t t t t t t t

S

. ) '' ' ( 1 '' ' . 2 '' ) 1 ( ' . ' ) 1 ( . ' ) 1 ( ) 1 (

''

+ = − − = − = − + = − + = + − − α α α α α α

dimana : S’t = nilai pemulusan eksponensial tunggal. S’’t = nilai pemulusan eksponensial ganda. m = jumlah periode ke muka yang diramalkan.

d. Metode Pemulusan Eksponensial Ganda : Metode Dua-Parameter dari Holt Metode pemulusan eksponensial linear dari Holt dalam prinsipnya sama dengan Brown kecuali, bahwa Holt tidak menggunakan rumus pemulusan berganda secara langsung.Untuk digunakan sebagai gantinya, Holt memuluskan nilai trend dengan parameter yang berbeda dari parameter yang digunakan pada deret yang asli. Ramalan dari pemulusan eksponensial linear Holt didapat dengan menggunakan dua konstanta pemulusan (dengan nilai antara 0 dan 1) dan tiga persamaan sebagai berikut :

) )( 1 ( − −1 + −1 + = t t t t X S b S α α 1 1) (1 ) ( − ₋ + − ₋ = t t t t S S b b γ γ m S Ft+m = t +

_b

_t.

Inisialisasi : S1 = X1

b1 = X2 – X1

e. Metode Pemulusan Eksponensial Tripel : Metode Kuadratik Satu-Parameter dari Brown

Pendekatan dasarnya adalah memasukkan tingkat pemulusan tambahan (pemulusan tripel) dan memberlakukan persamaan peramalan kuadratik

Persamaan untuk pemulusan kuadratik adalah :

Inisialisasi awal : S'1=S ''1=S' ''1=x1 Pemulusan pertama : S'_t=α.X_t +

(

1−α

)

S'_t−1 Pemulusan Kedua : _{S ''t} =α_.S't+

(

₁−α

)

_{S ''t−1} Pemulusan Ketiga : S' ''_t =α.S ''_t+

(

1−α

)

S' ''_t−1 t t t t S S S a =3. ' −3. '' + '''

(

)

(

)

(

)

[

t t t

]

t S S S b 6 5 ' 10 8 '' 4 3 ' '' ) 1 ( 2 α 2 α α α α − + − − − − = ) ' ' ' ' ' . 2 ' ( 1 2 t t t t S S S c ⎟ − + ⎠ ⎞ ⎜ ⎝ ⎛ − = α α dan

m

t t t m t a b m c F 2 2 1 + + = +

f. Metode Pemulusan Eksponensial Tripel : Metode Tiga-Parameter untuk Kecenderungan dan Musiman dari Winter.

Metode Winter didasarkan atas tiga persamaan pemulusan, yaitu satu untuk unsur stasioner, satu untuk trend, dan satu untuk musiman. Hal ini serupa dengan metode Holt, dengan satu persamaan tambahan untuk mengatasi musiman.

Persamaan dasar untuk metode Winter adalah sebagai berikut : Pemulusan Keseluruhan : ) )( 1 ( . _{−1 −1} − + − + = _{t t} L t t t S b I X S α α Pemulusan Trend : 1 1) (1 ) ( + ₋ + − ₋ = t t t t S S b b γ γ Pemulusan Musiman : L t t t t I S X I =β +(1−β) ₋ Ramalan :

(

t t

)

t L m m t S bm I F₊ = + _{− +} Inisialisasi awal : 1 1 − − = L L X S X X It = t L X X L i t

∑

= = 1

)] ( ... ) ( ) [( 1 2 2 1 1 2 1 L L L L L L X X X X X X L b ₊ = ₊ − + ₊ − + + ₊ −

2.1.1.5Ketepatan Metode Peramalan

Kesalahan dalam peramalan mempengaruhi keputusan melalui dua cara yaitu kesalahan dalam memilih teknik peramalan dan kesalahan dalam mengevaluasi keberhasilan penggunaan teknik peramalan.bagi pemakai peramalan, ketepatan ramalan yang akan datang adalah yang paling penting.

Ketepatan metode peramalan secara garis besar dibagi menjadi : 1. Ukuran Statistik Standar

Jika Xi merupakan data aktual untuk periode i dan Fi merupakan ramalan untuk periode yang sama, maka kesalahan didefinisikan sebagai :

ei = Xi – Fi

Jika terdapat nilai pengamatan dan ramalan untuk n periode waktu, maka ukuran statistik standar berikut yang dapat didefinisikan :

a. Nilai Tengah Galat (Mean Error)

∑

= = n 1 i ME

_e

_i n

b. Nilai Tengah Galat Absolut (Mean Absolute Error)

∑

= = n 1 i MAE

_e

_i n

c. Jumlah Kuadrat Galat (Mean Squared Error)

∑

= = n 1 i 2 SSE

_e

_i

d. Nilai Tengah Galat Kuadrat (Mean Squared Error)

∑

= = n 1 2 MSE i i n

e

e. Deviasi Standar Galat (Standard Deviation of Error) SDE=

∑

_e

_i2

(

n−1

)

2. Ukuran-ukuran Relatif

Tiga ukuran berikut sering digunakan : a. Galat Persentase (Percentage Error)

( )

100

PE

t ⎟⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ − =

X

F

X

t t t

b. Nilai Tengah Galat Persentase (Mean Pencentage Error)

∑

= = n 1 i

PE

MPE _i n

c. Nilai Tengah Galat Persentase Absolut (Mean Absolute Percentage Error)

∑

= = n 1 i

PE

MAPE _i n

3. Statistik-u dari Theil

∑

∑

− = + − = + + ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ − ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ − = 1 1 2 1 1 1 2 1 1 U n i _i i i n i _i i i

X

X

X

X

X

F

4. Statistik Durbin-Watson

(

)

∑

∑

= = − − = _n t t n t t t

e

e

e

1 2 2 2 1 W -D

2.1.2 Material Requirement Planning (MRP)

Ide dasar dari konsep Material Requirement Planning (MRP) telah banyak berkembang dan telah banyak digunakan dalam penyelesaian proyek industri. Menurut Yamit (1999, p151), MRP merupakan sistem yang dirancang secara khusus untuk situasi permintaan bergelombang, yang secara tipikal karena permintaan tersebut dependen. Sedangkan menurut Gaspersz (2001, p177), perencanaan kebutuhan material adalah metode penjadwalan untuk purchased planned orders dan

manufactured planned orders.

Metode MRP adalah metode perencanaan dan pengendalian pesanan dan inventori untuk item-item dependent demand, dimana permintaan cenderung terputus-putus (discontinuous) dan tidak halus (lumpy). Item-item yang termasuk dalam

dependent demand adalah bahan baku (raw materials), parts, subassemblies, dan

assemblies, yang kesemuanya disebut manufacturing inventories.

Menurut Gaspersz (2001, p177) moto dari MRP adalah memperoleh material yang tepat, dari sumber yang tepat, untuk penempatan yang tepat, pada waktu yang tepat.

Tujuan sistem MRP adalah :

1. Menjaga tingkat persediaan pada kondisi minimum.

2. Menjamin tersedianya material, item atau komponen pada saat dibutuhkan untuk memenuhi skedul produksi, dan menjamin tersedianya produk jadi bagi konsumen.

3. Merencanakan aktivitas pengiriman, penjadwalan, dan aktivitas pembelian.

2.1.2.1Karakteristik Dasar Sistem MRP

Sistem MRP memiliki karakteristik sebagai berikut : 1. Perhatian terhadap prioritas pemesanan

Adanya kesadaran bahwa semua pesanan konsumen tidak memiliki prioritas yang sama atau produk yang satu lebih penting dari produk yang lain. Hal ini memungkinkan dilakukannya penjadwalan untuk memenuhi prioritas pesanan. 2. Perhatian terhadap kapan dibutuhkan.

Integrasi pemikiran antara fungsi pengawasan produksi dan manajemen persediaan mengakibatkan pergeseran perhatian terhadap kapan dibutuhkan dibandingkan dengan perhatian langsung terhadap kapan melakukan pemesanan. 3. Penundaan pengiriman permintaan

Konsekuensi dari prioritas pesanan menghasilkan konsep penundaan pengiriman yaitu menunda produksi atau pesanan terhadap item yang telah dijadwal, untuk memaksimumkan keseluruhan operasi.

4. Fungsi integrasi

Pengawasan produksi dan manajemen persediaan dipandang sebagai fungsi yang terintegrasi.

2.1.2.2Arus Informasi Sistem MRP Tiga masukan MRP, yaitu :

1. Master Production Schedule (MPS)

MPS adalah ringkasan jadwal produksi produk jadi untuk periode mendatang yang dirancang berdasarkan ramalan permintaan atau pesanan pelanggan. Sistem MRP mengasumsikan bahwa pesanan yang dicatat dalam MPS adalah pasti, walaupun hanya merupakan sebuah ramalan.

2. Bill Of Material (BOM) atau Product Structure Records (PSR)

BOM merupakan rangkaian struktur semua komponen yang digunakan untuk memproduksi barang jadi sesuai dengan MPS. Secara spesifik struktur BOM tidak hanya berisi komponen, tetapi juga memuat langkah-langkah penyelesaian produk jadi. Tanpa adanya struktur BOM sangat mustahil untuk dapat melaksanakan sistem MRP.

3. Inventory Master File (IMF) atau Inventory Status Record (ISR)

Terdiri dari semua catatan tentang persediaan produk jadi, komponen dan sub-komponen lainnya, baik yang sedang dipesan maupun persediaan pengaman.

Tiga keluaran MRP, yaitu :

1. Purchase Order (PO), merupakan surat perintah untuk melakukan pembelian

barang.

2. Work Order (WO), merupakan surat perintah untuk melakukan pekerjaan tertentu.

3. Reschedule Notices (RN), merupakan surat perintah untuk melakukan

penjadwalan kembali.

2.1.2.3Langkah-langkah Proses Perhitungan MRP

Langkah-langkah proses perhitungan MRP adalah sebagai berikut : 1. Menentukan kebutuhan bersih (netting)

Besarnya kebutuhan bersih (net requirements) adalah selisih antara kebutuhan kotor (gross requirements) dengan persediaan di tangan (on hand). Data yang diperlukan dalam menentukan kebutuhan bersih adalah kebutuhan kotor setiap periode, persediaan yang ada di tangan, dan rencana penerimaan (scheduled

receipt) pada periode mendatang. Sedangkan kebutuhan kotor yang dimaksud

adalah jumlah permintaan produk akhir. Untuk komponen yang lebih rendah, kebutuhan kotor dihitung dari komponen yang berada di atasnya dengan dikalikan kelipatan tertentu sesuai dengan kebutuhan. Perhitungan kebutuhan bersih dapat diperbaiki dengan menambahkan faktor persediaan pengaman, tetapi hanya ditujukan untuk permintaan independen. Sedangkan persediaan pengaman untuk komponen dapat diperlukan apabila reability process pembuatan komponen sangat tidak menentu.

2. Menentukan jumlah pesanan/ukuran lot (lotting/lot sizing)

Penentuan jumlah pesanan baik untuk item maupun komponen, didasarkan kebutuhan bersih. Lot sizing (lotting) mencoba untuk mencari jumlah pesanan yang optimal berdasarkan pertimbangan :

a. Biaya pesan

Adalah biaya yang harus dikeluarkan setiap kali memesan barang ke supplier, atau biaya setup yang terjadi setiap kali ada pergantian proses produksi dari satu produk ke produk lainnya.

b. Biaya simpan

Adalah biaya yang harus dikeluarkan karena harus menyimpan barang. Biaya-biaya yang termasuk kelompok ini misalnya listrik, pajak, premi asuransi, biaya tenaga kerja yang mengawasi persediaan, dan lain-lain.

Alternatif yang dapat digunakan untuk menentukan besarnya ukuran lot pemesanan diantaranya :

a. Lot-For-Lot (LFL)

Metode Lot For Lot merupakan metode yang paling sederhana dimana pada dasarnya metode ini mengadakan pemesanan persediaan setiap sub-periode. Tujuannya adalah untuk meminimasi biaya simpan, karena tidak adanya persediaan yang tersisa setiap pergantian sub-periode.

b. Periodic Order Quantity (POQ)

Metode POQ sebenarnya adalah pengembangan dari metode EOQ. Jika pada metode EOQ jumlah barang setiap pemesanan adalah konstan, maka pada

metode POQ ini interval periode pemesanannya yang bersifat konstan. Rumusan untuk menentukan jumlah dan periode POQ adalah :

FP R C 2 R EOQ EOI= = dimana :

EOI (Economic Order Interval) = jumlah periode pemesanan EOQ (Economic Order Quantity) = jumlah barang setiap pemesanan

R = tingkat permintaan rata-rata C = biaya pesan per sekali pesan

F = persentase biaya simpan

P = biaya pembelian per unit.

c. Algoritma Wagner-Within

Algoritma ini memberikan solusi optimum bagi persoalan ukuran pemesanan dinamis-deterministik pada suatu kurun waktu tertentu dimana kebutuhan pada seluruh perioda harus terpenuhi.

Prosedur perhitungan terdiri dari 3 langkah sebagai berikut :

1. Hitung matrix total variabel untuk seluruh alternatif pemesanan yang dapat dilakukan selama kurun waktu yang terdiri dari N perioda. Ongkos total variabel ini meliputi ongkos pemesanan dan ongkos simpan. Definisikan Zce sebagai ongkos total variabel pada periode c hingga e

sebagai akibat melakukan pesanan pada perioda c yang akan memenuhi kebutuhan pada perioda c hingga e.

(

)

∑

= − + = e c i ce ci ce

Q

Q

Z

C FP untuk i≤c≤e≤N

dimana : C = biaya pesan per sekali pesan

F = persentase biaya simpan per perioda P = biaya pembelian per unit

∑

= = e c k k ce

R

Q

dimana Rk = tingkat kebutuhan pada perioda k.

2. Definisikan fe sebagai ongkos minimum yang mungkin terjadi pada periode 1 hingga e, dimana tingkat persediaan pada akhir perioda e adalah nol.

Algoritma dimulai dengan f0 = 0, kemudian hitung f1, f2, …, fn

berturut-turut fe dihitung pada urutan yang menaik dengan menggunakan rumus :

(

_Z

_f

)

f

e=Min ce+ c-1

untuk c = 1, 2, …, e. artinya :

- Pada setiap perioda seluruh kombinasi dari alternatif pemesanan dengan strategi fe dibandingkan.

- Kombinasi terbaik yaitu yang memberikan ongkos terendah, dinyatakan sebagai strategi fe untuk memenuhi kebutuhan pada

perioda 1 hingga e.

- Nilai fN adalah ongkos dari jadwal pemesanan yang optimal.

3. Terjemahkan solusi optimum (fN) yang diperoleh dari algoritma ini untuk

menentukan ukuran pemesanan sebagai berikut :

f

z

f

N= WN+ W-1

Pemesanan terakhir terjadi pada perioda W dan dapat memenuhi kebutuhan pada perioda W hingga N.

f

z

f

W-1= V(W-1)+ V-1

Pemesanan yang mendahului pemesanan terakhir terjadi pada perioda V dan dapat memenuhi kebutuhan pada perioda V hingga W-1.

f

z

f

U-1= 1(U-1)+ 0

Pemesanan pertama terjadi pada perioda i dan memenuhi kebutuhan pada perioda 1 hingga U-1.

d. Algoritma Silver-Meal

Metode ini dikembangkan oleh Edward Silver dan Harlan Meal yang didasarkan pada least period cost. Metode ini bertujuan untuk meminimasi ongkos per periode. Ukuran lot ditentukan dengan cara menjumlahkan kebutuhan beberapa periode yang berturut-turut sebagai kumulatif demand. Penjumlahan dilakukan terus sampai ongkos total dibagi dengan banyaknya

periode yang kebutuhannya termasuk dalam kumulatif demand tersebut meningkat.

Rumus untuk menghitung ongkos total per periode adalah :

T FP C T T Perioda Akhir hingga Simpan Ongkos Total C T (T) TRC T 1 k k

1)R

-(K

∑

= + = + = dimana :

C = biaya pesan per sekali pesan

F = persentase biaya simpan per perioda P = biaya pembelian per unit

Rk = tingkat kebutuhan pada periode k

T = waktu supply dilakukannya pemenuhan (dalam perioda) TRC(T)= total ongkos relevan selama T perioda.

Rumus untuk memilih T yaitu dievaluasi dengan penambahan nilainya sampai diperoleh: T (T) TRC 1 T 1) (T TRC > + +

Jika total ongkos relevan per unit waktu mulai naik pada T+1 maka T dipilih sebagai jumlah perioda supply untuk pemenuhan pesanan, dengan ukuran :

∑

= = T 1 K K

R

Q

e. Part Period Balancing

Prosedur Part Period Balancing berusaha menyeimbangkan ongkos pesan dan ongkos simpan dengan menggunakan Economic Part Period (EPP) yaitu :

periode unit tiap per simpan Ongkos pesan Ongkos EPP=

Rumus untuk menghitung banyaknya jumlah persediaan pada suatu periode (disebut juga Part Period) yang disebabkan oleh ukuran lot sementara tertentu adalah sebagai berikut :

(

)

[

]

∑

= ∗ = L T t dt T -t PP(L) dimana :

PP = Part Period (unit) t = periode ke-t

T = periode awal dimana lot sementara mulai dihitung

L = periode terakhir yang kebutuhannya termasuk dalam lot sementara dt = kebutuhan pada periode t.

3. Menentukan BOM dan kebutuhan kotor setiap komponen (exploding)

BOM ditentukan berdasarkan struktur produk dengan memuat informasi nomor dan jenis komponen, jumlah kebutuhan komponen yang di atasnya, dan sumber diperolehnya komponen. Sedangkan kebutuhan kotor setiap komponen, ditentukan oleh rencana pemesanan (planned order releases) komponen yang berada di atasnya dengan dikalikan kelipatan tertentu sesuai kebutuhan.

4. Menentukan tanggal pemesanan (off setting)

Penentuan saat yang tepat untuk melakukan pemesanan, dipengaruhi oleh rencana penerimaan (planned order receipts) dan tenggang waktu pemesanan (lead time).

2.1.2.4Format Material Requirement Planning (MRP) Tabel 2.1 Format MRP

Part No. : Deskripsi :

BOM UOM : On Hand :

Lead Time : Order Policy :

Safety Stock : Lot Size :

Periode Past due 1 2 3 4 5 6

Kebutuhan Kotor Jadwal Penerimaan Persediaan di tangan Kebutuhan Bersih Rencana Penerimaan Rencana Pemesanan

Format MRP dapat dilihat dalam tabel 2.1 dan keterangannya adalah sebagai berikut :

1. Part No. digunakan untuk menyatakan kode komponen atau material yang akan dirakit.

2. BOM UOM digunakan untuk menyatakan satuan komponen atau material yang akan dirakit.

3. Lead Time digunakan untuk menyatakan waktu yang dibutuhkan untuk

me-release atau memanufaktur suatu komponen.

4. Safety Stock digunakan untuk menyatakan cadangan material yang harus ada di tangan sebagai antisipasi kebutuhan di masa yang akan datang.

5. Description digunakan untuk menyatakan deskripsi material secara umum.

6. On Hand digunakan untuk menyatakan jumlah material yang ada di tangan sebagai sisa periode sebelumnya.

7. Order Policy digunakan untuk menyatakan jenis pendekatan yang digunakan untuk menentukan ukuran lot yang dibutuhkan saat memesan barang.

8. Lot Size digunakan untuk menyatakan penentuan ukuran lot saat memesan barang.

9. Kebutuhan kotor digunakan untuk menyatakan jumlah yang akan diproduksi atau dipakai pada setiap periode.

10.Jadwal penerimaan digunakan untuk menyatakan material yang dipesan dan akan diterima pada periode tertentu.

11.Persediaan di tangan digunakan untuk menyatakan kuantitas material yang ada di tangan sebagai persediaan pada awal periode.

Rumus persediaan di tangan :

(Persediaan di Tangan)t = (Persediaan di Tangan)t-1 – (Kebutuhan Kotor)t-1 +

(Jadwal Penerimaan)t-1 + (Rencana Penerimaan)t-1.

12.Kebutuhan bersih digunakan untuk menyatakan jumlah bersih dari setiap komponen yang harus disediakan untuk memenuhi induk komponennya atau untuk memenuhi Master Production Schedule (MPS).

Kebutuhan Bersih = Kebutuhan Kotor – Persediaan di Tangan – Jadwal Penerimaan (jika persediaan di tangan ≤ 0).

Kebutuhan Bersih = 0 (jika persediaan di tangan > 0).

13.Rencana Penerimaan digunakan untuk menyatakan kuantitas pemesanan yang dibutuhkan pada suatu periode.

14.Rencana Pemesanan digunakan untuk menyatakan kapan suatu order sudah harus di-release atau dimanufaktur sehingga komponen ini tersedia ketika dibutuhkan oleh induk itemnya.

2.1.2.5Jenis Material Requirement Planning (MRP)

Menurut Schroeder (1997, p45-46) MRP dalam perkembangannya sesuai dengan tuntutan kemajuan teknologi dan masalah yang dihadapi oleh perusahaan terdiri dari 3 jenis yaitu:

1. Tipe I : Suatu Sistem Pengendali Sediaan. Sistem MRP tipe I adalah sistem pengendali sediaan yang memungkinkan bagian manufaktur dan pembelian memesan barang dalam jumlah dan waktu yang tepat untuk mendukung jadwal induk. Sistem ini melakukan pemesanan-pemesanan untuk mengendalikan sediaan barang dalam proses dan bahan baku, melalui pengaturan waktu pemesanan yang tepat. Namun sistem tipe ini tidak mencakup perencanaan kapasitas.

2. Tipe II : Suatu Sistem Produksi dan Pengendali Sediaan. Sistem MRP tipe II adalah sistem informasi yang dipakai untuk merencanakan dan mengendalikan sediaan serta kapasitas dalam perusahaan-perusahaan manufaktur. Pada sistem tipe ini juga mencakup perencanaan kapasitas. Jadi pemesanan yang berasal dari pemecahan bagian (parts explosion) akan diperiksa dengan kapasitas produksi, apakah kapasitas yang ada mencukupi atau tidak. Jika kapasitas tidak cukup, maka perlu dilakukan penyesuaian ulang jadwal induk produksi. Sistem tipe ini memberikan umpan balik antara pemesanan yang dilakukan dengan ketersediaan kapasitas produksi. Sistem ini disebut juga sistem lingkar tertutup (close loop

system) yang mengendalikan baik persediaan maupun kapasitas.

3. Tipe III : Suatu Sistem Perencanaan sumber Pabrikan. Sistem MRP tipe III digunakan untuk merencanakan dan mengendalikan semua sumber daya manufaktur yaitu sediaan, kapasitas, karyawan, fasilitas dan alat modal. Adanya suatu perubahan misalnya pada jadwal induk produksi akan menyebabkan perubahan juga pada seluruh subsistem perencanaan sumber pada perusahaan.

2.2 Kerangka Pemikiran

Untuk merancang suatu sistem persediaan dengan menggunakan metode MRP, ada tahap-tahap yang harus dilakukan terlebih dahulu. Tahap pertama yaitu tahap pengumpulan data. Pada tahap ini data-data yang berhubungan dengan sistem persediaan harus dikumpulkan terlebih dahulu. Data-data tersebut meliputi data

produksi beberapa periode terakhir, data kebutuhan bahan baku, data persediaan bahan baku (Inventory Master File), serta data biaya pesan dan biaya simpan.

Setelah seluruh data terkumpul, tahap selanjutnya yang harus dilakukan adalah membuat peramalan produksi untuk memperoleh perkiraan atau estimasi produksi di masa yang akan datang. Ada beberapa metode peramalan yang dapat digunakan untuk dapat meramalkan jumlah produksi di masa yang akan datang, tetapi dari seluruh metode peramalan tersebut hanya satu metode peramalan yang dipilih yaitu metode peramalan yang mampu memberikan hasil yang terbaik. Artinya, metode peramalan tersebut memiliki nilai error yang paling kecil dibandingkan dengan metode peramalan yang lainnya. Untuk dapat mengetahui besar nilai error tersebut, maka setiap metode peramalan harus dihitung ketepatan peramalannya.

Ada empat langkah dalam proses perhitungan MRP. Langkah pertama yaitu perhitungan exploding. Pada perhitungan exploding ini, kebutuhan kotor untuk setiap material dihitung. Caranya adalah dengan mengalikan hasil peramalan produksi dengan kebutuhan material per m2.

Langkah lain yang harus dilakukan dalam proses perhitungan MRP yaitu perhitungan ukuran lot (lotting). Metode perhitungan ukuran lot ini terdiri dari beberapa metode. Oleh karena itu, agar dapat mengetahui hasil perencanaan kebutuhan material dengan total biaya yang minimum, maka seluruh metode pengukuran lottersebut harus dihitung.

Dua langkah lain yang harus dilakukan dalam proses perhitungan MRP yaitu perhitungan netting dan off setting. Netting adalah proses perhitungan kebutuhan

bersih, sedangkan off setting adalah tahap untuk melakukan rencana pemesanan. Kedua langkah ini dapat langsung dihitung dalam perhitungan MRP.

Sesudah seluruh perhitungan MRP dibuat dengan berbagai macam metode lotting, maka total biaya antara biaya pesan dan biaya simpan dapat dihitung dari masing-masing perhitungan MRP tersebut. Hasil dari perhitungan MRP dengan total biaya yang terkecil merupakan hasil perhitungan MRP yang nantinya akan diusulkan untuk diterapkan di PT. Maha Keramindo Perkasa.