Laporan Tugas Akhir
Diajukan Sebagai Salah Satu Syarat untuk Menyelesaikan
Program S1(Strata 1)
Disusun Oleh : Yudhi Eka Prasetiyo
41605110073
PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS MERCU BUANA
JAKARTA
Saya yang brtanda tangan di bawah ini :
Nama : Yudhi Eka Prasetiyo
NIM : 41605110073
Jurusan : Teknik Industri Fakultas : Teknologi Industri Universitas : Universitas Mercu Buana
Menyatakan dengan sesungguhnya, bahwa Tugas Akhir ini adalah hasil karya saya sendiri, kecuali pada bagian yang disebutkan sumbernya.
Jakarta, Februari 2009 Penulis
“ Peramalan Permintaan Material PBT Resin Duranex 304 SA Pada PT. TTLC ”
Nama : Yudhi Eka Prasetiyo
NIM : 41605110073
Jurusan : Teknik Industri Fakultas : Teknologi Industri Universitas : Universitas Mercu Buana
Tugas Akhir ini telah diterima dan diujikan
Jakarta, Februari 2009 Mengetahui
Koordinator TA/Ketua Jurusan Pembimbing Tugas Akhir
logistic dan transportasi yang menangani banyak material dan part automotive. PT. TTLC selalu berusaha meningkatkan kualitas pelayanan kepada para customer nya.
Salah satu permasalahan yang timbul adalah beberapa material resin yang mengalami fluktuasi jumlah permintaan di setiap bulannya khususyna material PBT Resin Duranex 304SA. Dalam rangka untuk memenuhi kepuasan pelanggan, PT TTLC berusaha untuk memenuhi permintaan dengan pengiriman sesuai dengan kuantitas yang diminta.
Untuk itu penulis berusaha membantu perusahaan untuk memenuhi target permintaan dengan melakukan peramalan akan permintaan Material PBT Resin Duranex 304SA. Peramalan yang digunakan dengan pendekatan kuantitatif yaitu Metode Linier, Metode Kuadratik dan Metode Single Smoothing Exponential. Hasil peramalan ini akan dijadikan masukan untuk perencanaan penyediaan Material PBT Resin Duranex 304SA periode mendatang. Setelah dilakukan penelitian maka dipilih metode yang mempunyai bias atau error yang paling kecil yaitu dengan Metode Peramalan Single Exponential Smoothing.
PT TTLC is peripatetic company in the field of service logistic and transportation handling many materials and part automotive. PT. TTLC trying increases quality of service satisfaction to the customer.
One of arising problems is some resin materials experiencing fluctuation quantity of requests in per month especially for material PBT Resin Duranex 304SA. For the agenda of to fulfill customer satisfaction, PT TTLC tries to fulfill request with delivery as according to amount asked. For the purpose writer tries assists company to fulfill target of request by doing request forecasting would of Material PBT Resin Duranex 304SA. Forecasting applied with quantitative approach that is Metode Linier, Quadratic Method and Metode Single Smoothing Exponential. Result of this forecasting will be made input for supply planning of Material PBT Resin Duranex 304SA period to come. After done [by] research hence selected method having smallest diffraction or errors that is with Metode Single Exponential Smoothing.
dan anugrah-Nya penulis dapat menyelesaikan laporan Tugas Akhir dengan judul “Peramalan Permintaan Material PBT Resin Duranex 304 SA Pada PT. TTLC ”
Tujuan dari penulisan laporan Tugas Akhir ini adalah untuk memenuhi salah satu syarat program sarjana Jurusan Teknik Industri, Fakultas Teknologi Industri, Universitas Mercu Buana, Jakarta.
Tidak lupa penulis sampaikan ungkapan rasa terima kasih dan
penghargaan kepada semua pihak yang telah banyak memberikan
masukkan, bimbingan dan dorongan kepada penulis baik selama masa penelitian maupun masa penyelesaian laporan ini, rasa terima kasih penulis ucapkan kepada :
1. Allah SWT atas rahmat dan Anugerah-Nya, sehingga penulis dapat menyelesaikan Tugas Akhir ini.
2. Ayahanda dan Ibunda tercinta, yang doa-doanya selalu menyertai perjalanan hidup.
3. Ketiga adikku : Dani, Koko & Kiki yang selalu memberi semangat dalam setiap langkahku.
4. Bapak Ir. Yenon Orsa, MT selaku Direktur PKSM atas usaha kerasnya dalam mewujudkan Program Kelas Karyawan yang berkualitas.
6. Bapak Ir. Alfa Firdaus, MT selaku pembimbing Tugas Akhir yang telah memberikan saran dan bimbingan dalam penyelesaian laporan Tugas Akhir ini.
7. Pihak manajemen PT TTLC, yang telah memberikan kesempatan kepada penulis untuk melakukan penelitian.
8. Rekan-rekan mahasiswa Teknik Industri Universitas Mercu Buana, yang telah membagi ilmunya dan kerjasamanya.
9. P-manz Base Camp & teman-teman seperjuangan: P-man, Eko Waluyo, Joko S, Wanto & Ucup yang telah meminjamkan Laptopnya.
10. Seseorang yang slalu bisa membuatku tersenyum disaat suka ataupun duka. (Thanks hard disknya)
11. Dan pihak-pihak lain yang tidak dapat disebutkan satu-persatu
Penulis menyadari bahwa Tugas Akhir ini masih jauh dari harapan dan masih banyak kekurangan, sehingga penulis sangat mengharapkan adanya kritik dan saran yang membangun.
Jakarta, Februari 2009
LEMBAR PERNYATAAN ii
LEMBAR PENGESAHAN iii
ABSTRAK iv
ABSTRACT v
KATA PENGANTAR vi
DAFTAR ISI ix
DAFTAR TABEL xiv
DAFTAR GAMBAR xv
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah 1
1.2 Perumusan Masalah 3
1.3 Pembatasan Masalah 4
1.4 Tujuan Penelitian 4
1.5 Metode Penelitian 4
1.6 Sistematika Penulisan 5
BAB II LANDASAN TEORI
2.1 Definisi Peramalan 8
2.5 Perlunya Ketelitian Peramalan 13
2.6 Faktor Yang Mempengaruhi Permintaan 14
2.7 Karakteristik Peramalan Yang Baik 15
2.8 Sifat Hasil Peramalan 16
2.9 Langkah-Langkah Dalam Peramalan 17
2.10 Pola Permintaan 17
2.10.1 Kecenderungan/ Trend (T) 17
2.10.2 Siklus / Cycle (C) 18
2.10.3 Musiman/ Season (S) 19
2.10.4 Variasi Acak / Random (R) 19
2.11 Jenis Metode Peramalan 20
2.11.1 Simple Average 20
2.11.2 Single Moving Average 20
2.11.3 Double Moving Average 21
2.11.4 Weight Moving Average 22
2.11.5 Single Exponential Smoothing 23
2.11.6 Double Exponential Smoothing 24
2.11.7 Regresi Linier 25
2.12.2 Rata- rata Kuadrat Kesalahan (Mean Square
Error = MSE) 27
2.12.3 Rata-rata Kesalahan Peramalan (Mean Forecast
Error = MFE) 27
2.12.4 Rata-rata Persentase Kesalahan Absolut (Mean
Absolute Percentage Error = MAPE) 27
2.12.5 . Standard Error of Estimate (SEE) 28
2.13 Peta Rentang Bergerak (Moving Range) 28
2.13 Uji Kondisi di Luar Kendali 30
BAB III METODOLOGI PENELITIAN
3.1 Identifikasi Masalah 33
3.2 Tujuan Penelitian 33
3.3 Studi Pendahuluan 33
3.4 Pengumpulan Data 34
3.5 Pengolahan Data 34
4.1.2 Profil PT. TTLC 37
4.1.3 Struktur Organisasi PT TTLC 38
4.1.4 Jenis-jenis jasa logistic & transportasi 38
4.2 Pengumpulan Data 40
4.2.1 Data Permintaan Material Resin Duranex 304 SA 40
4.2.2 Uji Kecukupan Data 40
4.2.3 Penentuan Pola Dasar Permintaan 43
4.3 Penerapan Metode-metode peramalan 44
4.3.1 Metode Linier 45
4.3.2 Metode Kuadratik 50
4.3.3 Metode Single Exponential Smoothing 56
4.4 Pembobotan Hasil-Hasil Peramalan 59
4.5 Test Metode Peramalan Single Exponential Smoothing
(Uji Validasi) 60
BAB V ANALISA HASIL PENGOLAHAN DATA
5.1 Analisa Pola Data Permintaan 63
5.2 Analisa Metode Peramalan 64
BAB VI KESIMPULAN DAN SARAN
6.1 Kesimpulan 73
6.2 Saran 74
DAFTAR PUSTAKA LAMPIRAN
Januari 2006 s/d Desember 2008 41
Tabel 4.2 Data Aktual Permintaan Material Resin 304SA 42
Tabel 4.3 Data perhitungan Metode Linier 45
Tabel 4.4 Data Perhitungan Dengan Persamaan Linier 47
Tabel 4.5 Data Perhitungan Metode Kuadratik 49
Tabel 4.6 Data Perhitungan Ukuran Akurasi Parameter Dengan
Metode Kuadratik 53
Tabel 4.7 Peramalan dengan Metode Kuadratik 55
Tabel 4.8 Data Perbandingan Alpha pada Metode Single
Exponential Smoothing 56
Tabel 4.9 Data Perhitungan Peramalan dengan Metode Single
Exponential Smoothing ( α=0,6) 57
Tabel 4.10 Pembobotan Nilai Metode peramalan yang digunakan 59 Table 4.11 Perhitungan Moving Range untuk Pemeriksaan Peramalan
Metode Single Smoothing Exponential 61
Tabel. 5.1 Data Permintaan aktual PBT Resin Duranex 304SA 63
Tabel 5-2 Ukuran Akurasi Hasil Peramalan 70
Gambar 2-2 Pola Permintaan Tren 17
Gambar 2-3 Pola Permintaan Siklus 18
Gambar 2-4 Pola Permintaan Musiman 19
Gambar 2-5 Pola Permintaan Acak 20
Gambar 2-6 Kriteria Di Luar Kendali 30
Gambar 3-1 Metodologi Penelitian 36
Gambar 4-1 Material PBT Resin Duranex 304SA 40
Gambar 4.2 Grafik Data Permintaan Periode 2006 s/d 2008 44
Gambar 4.3 Grafik Perbandingan Data Permintaan Terhadap Peramalan
Permintaan dengan Metode Linier 49
Gambar 4.4 Grafik Perbandingan Data Aktual Permintaan Terhadap
Peramalan dengan Metode Kuadratik 55
Gambar 4.5 Grafik Perbandingan Data Aktual Permintaan Terhadap Peramalan Metode Single Exponential Smothing dengan
α=0,6 59
Gambar 4.6. Peta Pengendalian Uji Validasi Metode Single
Exponential Smoothing 62
Gambar 5.1. Data Permintaan Periode 2006 s/d 2008 64
Nasution, Arman Hakim Ir. M.Eng, Manajemen Industri, Perencanaan dan
Pengendalian Produksi. Penerbit Andi Yogyakarta : 2006
Baroto, Teguh. Perencanaan dan Pengendalian Produksi. Penerbit Ghalia Indonesia. Jakarta : 2002
Biegel, John E. Pengendalian Produksi “Suatu Pendekatan Kuantitatif”. Akademika Presindo. Jakarta: 1992
Assauri, Sofyan. Manajemen Produksi dan Operasi. Edisi Revisi. LPFE UI. UI Press. Jakarta: 1992
Nasution, A.H. Perencanaan dan Pengendalian Produksi. ITS Press. Surabaya: 2003
Kusuma, Hendra. Perencanaan dan Pengendalian Produksi. Penerbit Andi Yogyakarta : 2004
Nasution, Arman Hakim Ir. M.Eng, Yudha Prasetyawan. Perencanaan dan
Pengendalian Produksi. Graha Ilmu : 2008
Panduan Modul Program Studi Teknik Industri, mata kuliah Perencanaan dan Pengendalian Produksi
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Perkembangan industri telah mempermudah dan berpengaruh banyak pada bidang perindustrian. Terutama pada munculnya perusahaan yang bergerak di bidang jasa pergudangan khususnya jasa logistik dan warehouse. Begitu banyak perusahaan yang memanfaatkan jasa warehouse atau gudang untuk memenuhi kebutuhan tempat penyimpanan bagi stock produk perusahaan tersebut, baik berupa material ataupun barang jadi. Hal ini sangat menguntungkan perusahaan tersebut, karena selain tidak membutuhkan banyak space/ tempat penyimpanan di pabrik/ perusahaan tapi juga dapat menghemat cost yang dikeluarkan akibat dari biaya penyimpanan, pemeliharaan, penyusutan stock, dan sebagainya.
Banyak perusahaan memperoleh manfaat dengan menggunakan perusahaan jasa warehouse sebagai mitranya. Karena hal ini bisa menghemat dalam pengeluaran biaya-biaya yang tak seharusnya dikeluarkan.
Warehouse adalah suatu gudang penyimpanan material, spare part, component knock down (CKD), produk jadi dan lain-lain yang mempunyai standarisasi tersendiri dalam pengelolaan material/ produk (handling) dalam warehouse serta dalam sistem pencatatan stock yaitu dalam proses incoming (kedatangan material) , stock on hand (stock yang ada di warehouse) dan proses
Perusahaan jasa logistik dan warehouse (Logistic Center Operation) yang saat ini terus berkembang adalah PT. Toyota Tsusho Logistic Center (PT. TTLC). Perusahaan ini didirikan tahun 1995 dan berkembang pesat hingga sekarang. Sampai saat ini PT. TTLC melayani lebih dari 50 customers. Untuk meningkatkan pelayanan pada customers dan mengembangkan ekspansi perusahaan, maka PT. TTLC menambah lagi satu warehouse dengan luas 47.400 m2 (Warehouse 1), sehingga sekarang ada 2 warehouse (Warehouse 2 dengan luas 14.400 m2). Konsep pelayanan PT. Toyota Tsusho Logistic Center yaitu memberikan kualitas penyediaan logistik yang tinggi (Providing High Logistic Quality).
Operasi Jasa Logistic Terpusat (Logistic Center Operation) dan Transportasi pada PT. Toyota Tsusho Logistic Center adalah sebagai berikut:
a. Vendor to Vendor operation
TTLC mensupport total logistik antara perusahaan manufactur domestik dengan perusahaan manufactur luar negeri dengan menggunakan sistem komputerisasi yang memungkinkan dalam pengendalian dari proses receiving – packing –delivery ke customer yang dituju.
b. Bonded Warehouse
TTLC menyediakan kontrol terpadu sebagai stock point tanpa melihat apakah untuk pabrik bonded atau pabrik lokal. Terlebih lagi, bonded warehouse sangat berguna untuk mengurangi resiko pengurangan storage (tempat penyimpanan) pada pelabuhan serta mempersingkat Custom Clearance Lead Time dengan cara mengumpulkan muatan pelanggan (customer) yang bernilai sebelum proses Custum Clearance dilakukan.
c. General Warehouse
Merupakan warehouse yang strategis untuk material dan produksi dengan respon yang cepat, lead time delivery yang lebih pendek dan status control yang berkualitas.
d. Milk Run
Besar ataupun kecil ukurannya, TTLC mengirimkan semua part atau material dengan berbasis pada Just In Time ( ketepatan waktu, efisiensi biaya, dan efektifitas transportasi)
1.2 Perumusan Masalah
Berdasarkan latar belakang diatas bahwa salah satu masalah utama bagi perusahaan adalah diperlukannya suatu metode yang dapat memberikan gambaran mengenai pertumbuhan permintaan pengiriman material/ part oleh customer sehingga dapat dijadikan acuan oleh bagian logistik. Maka pada tugas akhir ini mencoba untuk menganalisis sistem peramalan permintaan pengiriman yang efektif bagi perusahaan yaitu PT Toyota Tsusho Logistic Center.
Adapun data awal dalam proses peramalan permintaan pengiriman material adalah data actual pengiriman material selama tahun 2006 sampai dengan tahun 2008.
1.2 Pembatasan Masalah
Agar penelitian dan pembahasan tidak menyimpang terlalu jauh dari ruang lingkup permasalahan maka pembatasan masalah penelitian ini sebagai berikut : 1. Penelitian dibatasi hanya pada pengiriman produk material resin (chemical)
Duranex 304SA.
2. Metode peramalan permintaan pengiriman material yang digunakan hanya tiga macam yaitu linear, kuadratik dan single smoothing exponential.
3. Penentuan metode yang terbaik hanya didasarkan kepada ukuran akurasi terkecil dari hasil peramalan permintaan pengiriman material resin.
1.4 Tujuan Penelitian
Berdasarkan latar belakang permasalahan di atas maka penulisan tugas akhir ini memiliki tujuan sebagai berikut :
1. Menentukan dan menggunakan metode peramalan permintaan terbaik.
2. Membandingkan pertumbuhan aktual permintaan pengiriman material resin Duranex 304 SA dengan data hasil pengolahan dengan menggunakan metode peramalan permintaan.
1.5 Metode Penelitian
Pada penulisan tugas akhir ini, beberapa metode digunakan dalam melakukan penelitian yang mencakup cara pengumpulan data, alat yang digunakan dan cara analisa data. Adapun metode-metode tersebut adalah sebagai berikut :
1.5.1 Observasi Lapangan
Melakukan penelitian secara langsung dengan cara mengadakan pengamatan dan pencatatan maupun pengumpulan data di lapangan yang berhubungan dengan tingkat pengiriman material resin.
1.5.2 Studi Pustaka
Penelitian Teoritis mengenai data-data yang berhubungan dengan masalah yang akan dibahas melalui buku-buku dan jurnal yang akan dijadikan landasan teori dan pengolahan data.
1.5.3 Gabungan
Pada metode ini dilakukan pengolahan data dengan menggabungkan data-data aktual yang diperoleh pada studi lapanganj dengan bahan-bahan yang diperoleh dari buku-buku dan jurnal pada studi pustaka.
1.6 Sistematika Penulisan
Dalam penulisan tugas akhir ini penulis berpedoman pada kriteria penyusunan laporan dan membaginya dalam lima bab yang saling berkaitan satu sama lainnya, yaitu dengan format sebagai berikut :
BAB I : PENDAHULUAN
Pada bab ini berisi gambaran singkat tentang penelitian pendahuluan yang antara lain terdapat :
Latar Belakang masalah, merupakan gambaran yang melatarbelakangi penulis untuk di jadikan topik penulisan
Pokok permasalahan yang merupakan pokok utama dari permasalahan yang ditampilkan penulis
Tujuan penulisan yang berisikan tujuan yang hendak dicapai oleh penulis
Pentingnya pemecahan masalah itu penting untuk diangkat sebagai bahan penelitian dan hasil apa yang diperoleh jika masalah itu berhasil dituntaskan. Pembatasan masalah merupakan uraian mengenai batasan yang akan diambil oleh
penulis dalam melakukan penelitian.
Metodologi pengumpulan data yang merupakan cara yang dilakukan penulis dalam memenuhi kebutuhan data pada penelitian ini.
Sistematika penulisan yang merupakan uraian singkat dari cara penyusunan tugas akhir ini.
BAB II : LANDASAN TEORI
Pada bab ini berisikan uraian secara singkat tentang teori-teori yang berhubungan dan berkaitan erat dengan masalah-masalah yang akan dibahas serta merupakan tinjauan kepustakaan yang menjadi kerangka dan landasan berfikir dalam proses penulisan atau penelitian tugas akhir ini.
BAB III : METODOLOGI PENELITIAN
Pada bab ini berisikan tentang metodologi penelitian dan kerangka pemikiran yang dilakukan dalam penelitian berikut tahapan pemecahan masalah yang menguraikan secara garis besar langkah-langkah yang dilakukan dalam memecahkan masalah.
BAB IV : PENGUMPULAN DATA
Dalam bab ini akan membahas tentang data-data yang akan dikumpulkan untuk menganalisis sistem peramalan permintaaan pengiriman material resin. Data yang akan digunakan adalah data pengiriman material resin tahun 2007.
BAB V : ANALISA HASIL PENGUMPULAN DAN PENGOLAHAN DATA Pada bab ini berisikan mengenai analisa dari hasil pengolahan data yang telah dilakukan berdasarkan landasan teori yang digunakan.
BAB VI : KESIMPULAN DAN SARAN
Pada bab ini merupakan jawaban dari masalah dan tujuan penelitian yang disertai saran-saran yang berguna agar dapat diaplikasikan sesuai tujuan semula.
BAB II
LANDASAN TEORI
2.1 Definisi peramalan
Peramalan adalah suatu proses untuk memperkirakan tingkat permintaan yang diharapkan untuk suatu produk atau jasa dalam periode waktu tertentu di masa yang akan datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan alokasi yang dibutuhkan dalam rangka memenuhi permintaan barang atau jasa.
Pada dasarnya peramalan adalah suatu taksiran yang ilmiah meskipun akan terdapat sedikit kesalahan yang disebabkan adanya keterbatasan kemampuan manusia.
Agar dalam membuat suatu peramalan banyak mempunyai arti, maka peramalan tersebut perlu direncanakan dan dijadwalkan sehingga akan diperlukan suatu periode paling sedikit dalam periode waktu yang dbutuhkan untuk mrmbuat suatu kebijaksanaan dan menetapkan beberapa hal yang mempengaruhi kebijaksanaan tersebut. Dalam hal ini terdapat sedikit nilai, tetapi dalam kenyataannnya tidak ada nilai bisa membuat ramalan dalam jangka pendek sehingga efektifitas kegiatan tidak dapat diperoleh.
2.2 Kegunaan peramalan
Suatu manfaat dan tujuan harus dapat diperoleh dan dipersiapkan sehingga dapat mempengaruhi sifat ramalan. Diantara kegunaan dan tujuan peramalan adalah:
1. Menentukan apa yang dibutuhkan untuk perluasan pabrik
2. Menentukan perencanaan lanjutan bagi produk yang ada untuk dikerjakan dalam fasilitas-fasilitas yang ada.
3. Menentukan penjadwalan jangka pendek produk yang ada untuk dikerjakan berdasarkan peralatan yang ada.
Dalam setiap ramalan harus dipenuhi salah satu dari kegunaan diatas, sehingga hal ini akan menimbulkan tambahan waktu yang diperlukan untuk
membuat kebijaksanaan ditambah dengan waktu untuk membuat akibat
kebijaksanaan tersebut. Ramalan untuk tujuan yang pertama diatas dapat dibuat untuk ramalan jangka panjang. Ramalan untuk tujuan perluasan pabrik dinamakan perluasan fasilitas. Ramalan perencanaan produksi dan produk, dapat digunakan untuk peramalan yang memenuhi tujuan kedua & ketiga diatas. Sifat peramalan dan metode perbaikannya ditentukan oleh manfaat yang diharapkan dan tingkat rincian dalam ramalan tersebut.
2. 3 Konsep Dasar Sistem Peramalan Dalam Manajemen Permintaan Pada dasarnya terdapat sembilan langkah yang harus diperhatikan untuk menjamin efektifitas dan efisiensi dari sistem peramalan dalam manajemen peramalan yaitu :
1. Menentukan tujuan peramalan
Tujuan dari peramalan lah untuk meramalkan permintaan dari item-item independent demand di masa yang akan datang. Perencanaan produksi dan inventory seharusnya mengacu pada data total permintaan produk masa datang. Dengan demikian jelas bahwa tujuan peramalan adalah untuk mencapai efektivitas dan efisiensi dari manajemen produksi dan inventori. Analisis peramalan membicarakan dengan para pembuat keputusan untuk mengetahui apa kebutuhan mereka dan selanjutnya menentukan :
- Variable apa yang diramalkan
- Siapa yang akan menggunakan hasil peramalan - Untuk tujuan apa hasil peramalan digunakan - Derajat ketepatan peramalan yang diinginkan - Kapan peramalan diperlukan
- bagian-bagian peramalan yang diinginkan, seperti peramalan untuk kelompok pembeli, kelompok produk atau daerah geografis.
2. Memilih item independent demand yang diramalkan
Memperhatikan bahwa item-item independent demand adalah item yang bebas dengan bill of materials.
3. Menentukan horison waktu dari peramalan (jangka pendek, menengah atau panjang).
Semakin panjang horozon waktu peramalan, hasil-hasil ramalan akan semakin kurang akurat. Pemilihan interval waktu mingguan dimaksudkan untuk peramalan jangka pendek, sedangkan interval waktu bulanan untuk
peramalan jangka menengah, dan interval waktu triwulan untuk peramalan jangka panjang.
4. Memilih model-model peramalan
Jika ditinjau dari waktu maka model peramalan dapat dibagi menjadi :
- Peramalan jangka panjang, yaitu berkaitan dengan perencanaan bisnis analisis fasilitas, proyek-proyek jangka panjang, produk-produk atau pasar-pasar baru, investasi modal dan lain-lain. Karakteristik dari peramalan jangka panjang adalah dilakukan analisis satu kalipertimbangan manajemen puncak (top management) , dan dilakukan terhadap bebrapa produk.
- Peramalan jangka menengah berkaitan dengan perencanaan anggaran produksi, pembelian (purchase order) dan lain-lain. Karakteristik dari peramalan jangka menengah adalah bersifat periodikal (data bulanan atau triwulan), menggunakan teknik kuantitatif dan kualitatif, dilakukan oleh manajemen menengah dan dilakukan terhadap kelompok produk atau familinya.
- Peramalan jangka pendek berkaitan dengan perencanaan distribusi inventori, perencanaan material dan lain-lain. Karakteristik dari peramalan ini adalah dilakukan secara teratur dan berulang, menggunakan teknik kuantitatif dan dilakukan secara terperinci untuk banyak item atau stock keeping units. 5. Memperoleh data yang dibutuhkan untuk melakukan peramalan.
Data yang paling sedikit terbentuk dari tiga komponen : - Pengaruh musiman (seasonality)
- Keteracakan (randomness) 6. Validasi model peramalan.
7. Membuat peramalan
8. Implementasi hasil-hasil peramalan 9. memantau keandalan hasil peramalan. 2.4 Tipe Peramalan
Pada dasarnya model peramalan dapat diklasifikasikan dalam dua jenis : 1. Model kuantitatif, ekstrapolasi (time series method) dan kausal
Pada metode ini, suatu set data histories (masa lalu) digunakan untuk mengekstrapolasi (meramalkan) permintaan masa depan. Dibagi menjadi dua kelompok besar yaitu:
a. Metode Time Series
b. Metode Nontime Series (Structural Models)
Yang termasuk time series antara lain:
1. Metode moving average
2. Metode weight moving average 3. Metode exponential smoothing 4. Metode regresi linear
5. Metode kuadratik
Biasanya digunakan bila tidak ada atau sedikit data masa lalu tersedia. Pendapat pakar dan prediksi mereka dijadikan dasar untuk menetapkan permintaan yang akan datang. Metode kualitatif yang banyak dikenal adalah metode Delphi dan metode kelompok nominal (nominal group technique).
.
Gambar 2-1 Taksonomi Peramalan
2. 5 Perlunya ketelitian peramalan
Tanpa mempermasalahkan bagaimana memperolehnya, ketelitian ramalan adalah suatu hal yang pokok. Kebijaksanaan perusahaan baik secara langsung atau tidak langsung akan didasarkan pada ramalan-ramalan. Oleh karena itu, ketidaktelitian dan kesalahan-kesalahan dalam ramalan dapat menghasilkan kebijaksanaan yang tidak menguntungkan. Dalam suatu pasar dengan persaingan yang tinggi berhasil dan gagal tergantung pada tingkat pengendalian melalui ramalan-ramalan yang baik.
2. 6 Faktor yang mempengaruhi permintaan
Permintaan produk pada suatu perusahaan merupakan hasil dari berbagai faktor yang sering berinteraksi dalam pasar. Faktor-faktor tersebut hampir selalu merupakan kekuatan yang berada di luar kendali perusahaan. Berbagai faktor tersebut antara lain :
- Siklus Bisnis
Penjualan produk akan dipengaruhi oleh permintaan akan produk tersebut dan permintaan akan suatu produk akan dipengaruhi oleh kondisi ekonomi yang membentuk siklus bisnis dengan fase-fase inflasi, resesi, depresi dan masa pemulihan.
- Siklus Hidup Produk
Siklus hidup suatu produk biasanya mengikuti pola yang biasa disebut kurva S. Kurva S mengambarkan besarnya permintaan terhadap waktu dimana siklus hidup suatu produk akan dibagi menjadi fase pengenalan, fase pertumbuhan, fase kematangan, dan akhirnya fase penurunan. Untuk menjaga kelangsungan usaha, maka perlu dilakukan inovasi produk pada saat yang tepat.
- Faktor-faktor lain
Beberapa faktor lain yang mempengaruhi permintaan adalah reaksi balik dari pesaing, perilaku konsumen yang berubah, dan usaha-usaha yang dilakukan sendiri oleh perusahaan seperti peningkatan kualitas, pelayanan anggaran periklanan dan kebijakan pembayaran kredit.
2. 7 Karakteristik peramalan yang baik
Peramalan yang baik mempunyai beberapa kriteria yang penting antara lain sebagai berikut :
- Akurasi
Akurasi dari suatu hasil peramalan diukur dengan kebiasaan dan konsistensi peramalan tersebut. Hasil peramalan diakatakan biasa apabila peramalan tersebut terlalu tinggi atau terlal rendah dibandingkan dengan kenyataan yang sebenarnya terjadi. Hail peramalan dikatakan konsisten bila besarnya keslahan peramalan relatif keil. Peramalan terlalu rendah akan mengakibatkan kkurangan persediaan, sehingga permintaan konsumen tidak dapat dipenuhi segera, akibatnya adalah perusahaan dimungkinkan kehilangan pelanggan dan kehilangan keuntungan penjualan. Peramalan yang terlalu tinggi akan mengakibatkan terjadinya penumpukan persediaan sehingga banyak modal yang terserap sia-sia. Keakuratan dari hasil
peramalan ini berperan penting dalam menyeimbangkan persediaan dan
memaksimalkan tingkat pelayanan.
- Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan bergantung kepada jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramala yang dipakai. Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa banyak data yang dibutuhkan, bagaimana pengolahan datanya, yaitu secara manual atau komputerisasi, bagaimana penyimpanan datanya, dan siapa tenaga ahli yang diperbantukan. Pemilihan metode peramala harus disusuaikan dengan dana yang
tersedia dan tingkat akurasi yang ingin didapat, misalnya item-item yang penting akan diramalkan dengan metode canggih dan mahal, sedangkan item-item yang kurang penting bisa diramalkan dengan metode yang sederhana dan murah. Prinsip ini merupakan adopsi dari hukum pareto (Analisis ABC).
- Kemudahan
Pengguanaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah pecuma memakai metode yang canggih tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumber daya manusia maupun peralatan teknologi.
2.8 Sifat Hasil Peramalan
Dalam membuat peramalan atau menerapakan hasil suatu peramalan terdapat beberapa hal yang harus dipertimbangkan, yaitu :
1. Peramalan masih mengandung kesalahan, artinya peramal hanya bisa mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian tersebut.
2. Peramalan seharusnya memberikan informasi tentang berapa ukuran kesalahan, artinya karena peramalan pasti mengandung kesalahan, maka adalah penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.
3. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang. Hal ini disebabkan pada peramalan jangka pendek, sejumlah faktor yang mempengaruhi permintaan relatif masih konstan, sementara semakin panjang periode peramalan, semakin besar pula kemungkinan terjadinya perubahan faktor yang mempengaruhi permintaan.
2.9 Langkah-langkah dalam Peramalan
Untuk mengetahui bahwa metode yang digunakan untuk data yang lalu adalah suatu cara peramalan yang realistik untuk masa yang akan datang, perlu dilakukan hal-hal sebagai berikut :
1. Membuat suatu gambaran permintaan dan waktu. (Permintaan sebagai ordinat dan waktu sebagai absis)
2. Menentukan pola datanya dengan membuat plot data dalam grafik 3. Menentukan metode peramalan dan melakukan perhitungan peramalan 4. Menilai kesalahan yang diperkiraan
5. Memilih metode peramalan terbaik berdasarkan nilai kesalahan (error) terkecil 6. Melakukan uji validitas dengan uji moving range dari peramalan terpilih
2.10 Pola Permintaan
Dalam time series terdapat empat jenis pola permintaan yaitu: 2.10.1. Kecenderungan / Trend (T)
Merupakan sifat dari permintaan masa lalu terhadap waktu terjadinya apakah permintaan tersebut cenderung naik, turun, atau konstan.
Gambar 2-2 Pola Permintaan Trend
2.10.2. Siklus / Cycle (C)
Permintaan suatu produk dapat memiliki siklus yang berulang secara periodik, 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 2-3 Pola Permintaan Siklus
2.10.3. 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 2-4
Pola Permintaan Musiman 2.10.4. 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 pengamanan untuk mengantisipasi kekurangan persediaan bila terjadi lonjakan permintaan.
Gambar 2-5 Pola Permintaan Acak
2.11. Jenis Metode Peramalan 2.11.1. Simple Average
Metode simple average mengambil rata-rata dari semua data dalam kelompok inisialisasi tersebut sebagai ramalan untuk periode (t+1)
T t t t T X X F 1 1 Dimana : Ft+1 = Peramalan metode ke t+1 Xt = Permintaan pada periode tt = Periode
T = Periode pengamatan
2.11.2 Single Moving Average
yang paling tua dan masukkan nilai observasi terbaru. Rata-rata bergerak ini kemudian akan menjadi peramalan untuk periode mendatang. Perhitungannya dapat dilakukan dengan menggunakan rumus sebagai berikut:
1 1 r T r t t t T X X F Dimana : Ft+1 = Peramalan metode ke t+1 Xt = Permintaan pada periode tt = Periode
T = Periode pengamatan
2.11.3. Double Moving Average
Metode ini menjelaskan suatu variasi dari prosedur rata-rata bergerak yang diinginkan untuk dapat mengatasi adanya trend secara lebih baik. Dasar metode ini adalah menghitung rata-rata bergerak yang kedua. Perhitungannya dapat menggunakan rumus sebagai berikut:
N X X X X S't t t1 t2 .... t(n1)
N
X
X
X
X
S
t''
t
t1
t2
....
t(n1) t t t t t t S S S S S a '' ( ' '' )2 ' '' ) '' ' ( 1 2 t S t S N bt ) (m b a Ftm t t Dimana:
Ft+m = Peramalan Periode ke-t+m S’t = Pemulusan pertama period ke-t S’’t = Pemulusan kedua period ke-t Xt = Permintaan pada periode t
t = Periode
m = Jumlah period ke depan
2.11.4. Weight Moving Average
Saat ada trend atau pola yang terdeteksi, bobot dapat digunakan untuk menempatkan penekanan yang lebih pada nilai terkini. Dinyatakan dengan rumus sebagai berikut: ) ( 1 1 2 2 1
t t m t n t W X W X W X F Dimana: Ft+1 = Peramalan periode t+1Wm = Bobot masing-masing data yang digunakan ( Wi = 1), ditentukan secara subjektif
Xt = Permintaan actual period ke-t n = Jumlah periode ke depan
2.11.5 Single Exponential Smoothing
Perhitungan implikasi untuk pemulusan eksponensial dapat dilihat lebih baik bila persamaannya diperluas dengan mengganti F dengan komponen sebagai berikut:
1
1 (1 )( ) (1 ) t t t t X X t F F 1 2 1 1 (1 ) (1 ) t t t t X X F F Jika proses substitusi ini diulang dengan mengganti Ft+1 dengan komponennya, Ft+2 dengan komponennya dan seterusnya, hasilnya adalah persamaan: ) 1 ( 1 2 3 2 2 1 1 (1 ) (1 ) (1 ) ... (1 ) t n n t t t t t X X X X X F
Cara lain untuk menuliskan persamaan tersebut adalah dengan susunan sebagai berikut: ) ( 1 t t t t F X F F Secara sederhana: ) ( 1 t t t F E F Dimana: Ft+1 = Peramalan periode t+1 Ft = Peramalan periode t = Nilai pembobotan (0< <1)
2.11.6 Double Exponential Smoothing
Dasar pemikiran dari metode ini adalah serupa dengan rata-rata bergerak linier, karena kedua pemulusan tunggal dan ganda ketinggalan dalam data yang sebenarnya bilamana terdapat unsur trend. Dimana S’t adalah nilai pemulusan eksponensial tunggal dan S’’t adalah nilai pemulusan eksponensial ganda.
1 ' ) 1 ( 't Xt S t S 1 '' ) 1 ( ' ' t St S t S t t t t t S S S S S a ' ( ' '' )2 ' " ) ' ' ' ( 1 t t t S S b ) (m b a Ftm t t Dimana:
Ft+m = Peramlan Period ke-t+m S’t = Pemulusan pertama period ke-t S’’t = Pemulusan kedua period ke-t Xt = Permintaan pada periode t a,b = Parameter peramalan
t = Periode
m = Jumlah period ke depan
2.11.7 Regresi Linier
Persamaan yang digunakan dalam metode peramalan ini adalah:
Ft= a + bt
Dimana:
Ft = Peramalan periode ke-t a,b = Parameter peramalan
t = Periode
Untuk mencari a dan b digunakan persamaan berikut:
2 2 ) ( t t n t Xt tX n b t n t b X a t Dimana:Xt = Permintaan pada periode t a,b = Parameter peramalan
t = Periode
n = Jumlah periode
2.11.8 Kuadratik
Persamaan yang digunakan pada peramalan ini adalah :
2 2 4 ) ( t n t
t Xt n tXt t t n t X X t
2 2
2 3 t n t t
2 3 ) ( t n t 2 b b c 2 ct bt X a t DimanaFt = Peramalan period ke-t Xt = Permintaan pada periode t a,b = Parameter peramalan
t = Periode
n = Jumlah periode
2.12 Ukuran Akurasi Hasil Peramalan
Ukuran akurasi hasil peramalan merupakan ukuran tentang tingkat perbedaan antara hasil peramalan dengan permintaan yang terjadi untuk melihat kesalahan peramalan.
Adapun ukuran yang biasa digunakan adalah :
MAD merupakan rata-rata kesalahan mutlak selama perioda tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan kenyataannya. Secara matematis, MAD dirumuskan sebagai berikut :
n F A MAD t t Dimana :A = Permintaan Aktual pada perioda –t
Ft = Peramalan Permintaan pada perioda –t
n = Jumlah Periode Peramalan yang terlibat
2.12.2 Rata-rata Kuadrat Kesalahan (Mean Square Error = MSE)
MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap perioda dan membaginya dengan jumlah perioda peramalan . Secara matematis, MSE dirumuskan sebagai berikut :
n F A MSE t t 2 ) (2.12.3. Rata-rata Kesalahan Peramalan (Mean Forecast Error = MFE)
MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan selama perioda tertentu terlalu tinggi atau terlalu rendah. MFE dihitung dengan menjumlahkan semua kesalahan peramalan dan membaginya dengan jumlah perioda peramalan. Secara matematis, MFE dinyatakan sebagai berikut :
n F A MFE ( t t)2.12.4. Rata-rata Persentase Kesalahan Absolut (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. Secara otomatis, MAPE dinyatakan sebagai berikut :
t t t A F A n MAPE 1002.12.5. Standard Error of Estimate (SEE) SEE dapat dinyatakan sebagai berikut:
SEE =
n t t f n D t d 1 ' Dimana : f = derajat kebebasan-1 = untuk data konstan -2 = untuk data linier -3 = untuk data kuadratis
2.13 Peta Rentang Bergerak (Moving Range)
Peta rentang bergerak dirancang untuk membandingkan nilai yang diamati dengan yang diramalkan dari suatu permintaan. Dengan kata lain, dilihat terjadi permintaan dari peramalan secara periode dasar. Kemudian peta tersebut diperluas untuk masa yang akan datang sehingga dapat dibandingkan ramalan dengan kenyataan dari periode tersebut (periode yang dibuat untuk peramalan). Peta rentang bergerak digunakan untuk memeriksa teknik peramalan dan parameter-parameternya. Sekali dibuat peramalan dan dan peta rentang bergerak, berarti akan digunakan sebagai pemeriksaan yang berkesinambungan untuk melihat jika yang mendasari sistem penyebab tersebut adalah tidak berubah.
Rentang bergerak didefinisikan sebagai :
) ( ) ( 1 1 Ft Xt Ft Xt MR
Rata-rata rentang bergerak didefinisikan sebagai :
N MR R M dan BKA = 2,66MR BKB = 2,66MR
2.14 Uji Kondisi di Luar Kendali
Uji yang paling konklusif bagi kondisi di luar kendali adalah adanya titik di luar batas kendali. Selain itu, terdapat pula uji lainnya dengan tingkat kemungkinan yang sama. Teknik yang digunakan berikut dirancang agar dapat digunakan dengan jumlah data yang seminimal mungkin. Uji dilakukan dengan cara membagi peta kendali ke dalam enam bagian dengan selang yang sama:
1. Daerah A adalah adalah daerah di luar 2/3 (2.66 MR) = 1.77 MR (di atas + 1.77 MR dan di bawah -1.77 MR).
2. Daerah B adalah di luar 1/3 (2.66 MR) = 0.89 MR (di atas +0.89 MR dan di bawah -0.89 MR).
3. Daerah C adalah daerah di atas atau di bawah garis tengah.
Gambar 2-6 Kriteria Di Luar Kendali 0
Batas Kendali Bawah Daerah Di Luar Kendali
Daerah Di Luar Kendali Daerah A Daerah A Daerah B Daerah B Daerah C Daerah C
Batas Kendali Atas
Batas Daerah A Batas Daerah A
Batas Daerah B Batas Daerah B
Pengujian Out of control
1) Dari 3 titik yang berurutan, 2 titik atau lebih di Daerah A 2) Dari 5 titik yang berurutan, 4 titik atau lebih di Daerah B
3) Dari 8 titik yang berurutan seluruhnya berada atau di bawah center line
4) Satu titik di luar batas kontrol
Bila kondisi out-of-control terjadi, tindakan yang bisa diambil :
1) Perbaiki ramalan dengan mencakup data baru (sistem sebab baru) 2) Tunggu evidence selanjutnya
BAB III
METODOLOGI PENELITIAN
Pada penulisan tugas akhir ini, metode penelitian disusun berdasarkan kerangka berpikir dan tahapan penelitian di lapangan secara sistematis. Metodologi ini diperlukan guna menghasilkan suatu bentuk pemecahan masalah yang terintegrasi dan menuju pada suatu tujuan, yaitu memberikan jawaban atau pemecahan atas perumusan masalah. Untuk memperoleh hasil yang maksimal, berbagai literatur diambil sebagai pijakan awal dalam membuka dan mempelajari lebih dalam masalah yang terjadi pada perusahaan. Untuk memperoleh data lapangan, dilakukan metode observasi yaitu mengamati secara langsung proses di warehouse dan melihat data dari warehouse system.
Keberhasilan suatu penelitian sangat ditentukan oleh langkah – langkah penelitian yang baik dan jelas, sehingga dengan mudah pula dapat diketahui apa yang harus dilakukan untuk lebih memudahkan proses pencapaian tujuan penelitian. Adapun langkah – langkah dalam melakukan penelitian dibagi menjadi enam tahap, yaitu :
1. Identifikasi masalah 2. Tujuan penelitian 3. Studi pendahuluan
5. Pengolahan data 6. Analisa & kesimpulan 3.1 Identifikasi Masalah
Dari survei di lapangan dan melihat data permintaan baik permintaan order parts dan material, ditemukan beberapa masalah terkait ketidakpastian permintaan oleh customer sehingga mempengaruhi ketersediaan stock dan space warehouse. Karena permasalahan tersebut maka diperlukan suatu peramalan permintaan untuk mengetahui besarnya permintaan terutama material resin untuk menentukan order selanjutnya dan perhitungan space di warehouse .
3.2 Tujuan Penelitian
Tujuan penelitian adalah untuk mendapatkan metode peramalan yang terbaik untuk menentukan order selanjutnya sehingga dapat menjadi acuan perusahaan untuk menetapkan kebijakan selanjutnya.
3.3 Studi Pendahuluan
Sebelum kegiatan dimulai, studi pendahuluan merupakan dasar dan tahap awal untuk melakukan proses penelitian. Studi pendahuluan ini didukung oleh dua kegiatan, yaitu :
1. Studi Pustaka
Yaitu studi yang mendukung dan berkaitan dengan teori – teori yang akan digunakan dalam proses pemecahan masalah. Studi pustaka ini dilakukan bersamaan pada saat penelitian, hal ini mempunyai tujuan agar dalam proses
pemecahan masalah tidak hanya berdasarkan situasi dan kondisi perusahaan tetapi juga didukung oleh teori – teori yang terkait.
2. Studi Lapangan
Yaitu suatu studi untuk mencari keterangan data atau informasi yang dibutuhkan tentang gambaran umum operasional perusahaan, dengan cara melakukan pengamatan langsung ke lokasi lapangan. Serta mengumpulkan data yang di peroleh dari berbagai sumber informasi.
3.4 Pengumpulan Data
Pengumpulan data sangat diperlukan untuk mencapai tujuan penelitian. Data diperoleh dari berbagai sumber informasi di perusahaan. Data yang diambil adalah data permintaan material Resin 304 SA dari tahun 2006 sampai 2008. Sehingga ini termasuk peramalan jangka panjang. Peramalan jangka panjang berkaitan dengan perencanaan bisnis, analisis fasilitas, proyek jangka panjang, produk-produk atau pasar baru, serta investasi modal.
3.5 Pengolahan Data
Pengolahan data dilakukan untuk mendapatkan suatu landasan perhitungan yang dapat dijadikan dasar bagi pembuatan perencanaan dan penjadwalan persediaan yang terintergrasi sebagai suatu kesatuan yang utuh, sehingga dapat dengan baik dan optimal diterapkan oleh perusahaan. Pengolahan data untuk tugas akhir ini adalah proses peramalan ( Forecasting ).
Proses peramalan permintaan yang dilakukan adalah untuk permintaan material resin 304SA dengan jangka waktu peramalan selama 12 periode mendatang dengan mengambil rata-rata permintaan per bulan dari jangka waktu 3 tahun. Metode peramalan yang digunakan adalah metode konstan, linier, dan kuadratik. Pemilihan metode terbaik akan dilakukan dengan menganalisa kesalahan peramalan yaitu dengan membandingkan nilai ukuran hasil peramalan permintaan dengan jangka waktu peramalan selama 12 periode.
3.6 Analisis dan Kesimpulan
Pada tahap ini dilakukan analisis dari pengumpulan dan pengolahan data yang telah dilakukan dengan berbagai metode peramalan sehingga didapatkan metode peramalan yang terbaik dari beberapa metode yang ada serta menyimpulkan dan memberikan gagasan-gagasan baru untuk pengambilan keputusan dan kebijakan manajemen perusahaan serta untuk meningkatkan kinerja perusahaan.
Identifikasi Masalah
Menentukan Masalah yang dihadapi PT. TTLC Tujuan Penelitian
Mendapatkan metode peramalan yang dipilih sesuai data aktual permintaan pada periodesebelumnya
Studi Pendahuluan
Studi Pustaka Studi teori-teori terkait Studi Lapangan
Melakukan survei ke sumber-sumber Informasi
Pengumpulan Data
1. Data permintaan material resin Duranex 304SA dari tahun 2006 s/d 2008
2. Uji kelayakan data permintaan material resin Duranex 304 SA
Pengolahan Data
- Memilih metode peramalan berdasarkan data permintaan yaitu metode Single Exponential Smoothing, metode linier dan metode kuadratik. - Validasi metode peramalan
- Membuat peramalan
- Implementasi hasil-hasil peramalan - Memantau keandalan hasil peramalan
Analisis Hasil Pengolahan Data
Analisa hasil perhitungan metode
Kesimpulan dan Saran
Selesai
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Data Umum Perusahaan
4.1.1 Perkembangan PT. Toyota Tsusho Logistic Center
PT. TTLC secara resmi berdiri pada July 1995 dengan nama PT. Toyota Tsusho Logistic Center. Sampai sekarang PT. TTLC melayani lebih dari 50 customers. Konsep pelayanan PT. Toyota Tsusho Logistic Center yaitu memberikan kualitas penyediaan logistik yang tinggi (Providing High Logistic Quality).
4.1.2 Profil PT. Toyota Tsusho Logistic Center Secara singkat profil PT. TTLC adalah sebagai berikut :
1). Nama : PT. Toyota Tsusho Logistic Center
2.) Alamat : Warehouse I
Jl. Irian V Blok KK-8 Kawasan Berikat MM2100 Cikarang Barat
Bekasi 17520 Warehouse II
Jl. Lombok I Blok N10-11 Kawasan Berikat MM2100 Cikarang Barat Bekasi 17520
4.) Stock Holder : Toyota Tsusho Corporation 84% PT. Toyota Tsusho Indonesia 13%
PT. Nasmoco 3%
5.) Bisnis : - Logistic Center
a. Vendor to Vendor Operation b. Bonded Warehouse
c. General Warehouse - Transportation
a. Milk Run
b. General Transportation
4.1.3 Struktur Organisasi PT. Toyota Tsusho Logistic Center Struktur Organisasi PT. TTLC bisa dilihat pada lampiran
4.1.4 Jenis-jenis jasa logistic & transportasi a. Vendor to Vendor operation
TTLC mensupport total logistik antara perusahaan manufactur domestik dengan perusahaan manufactur luar negeri dengan menggunakan sistem komputerisasi yang memungkinkan dalam pengendalian dari proses receiving – packing –delivery ke customer yang dituju.
b. Bonded Warehouse
TTLC menyediakan kontrol terpadu sebagai stock point tanpa melihat apakah untuk pabrik bonded atau pabrik lokal. Terlebih lagi, bonded warehouse
sangat berguna untuk mengurangi resiko pengurangan storage (tempat penyimpanan) pada pelabuhan serta mempersingkat Custom Clearance Lead Time dengan cara mengumpulkan muatan pelanggan (customer) yang bernilai sebelum proses Custom Clearance dilakukan.
c. General Warehouse
Merupakan warehouse yang strategis untuk material dan produksi dengan respon yang cepat, Lead time delivery yang lebih pendek dan status control yang berkualitas. Bagian Warehouse melakukan proses inbound , stock control, serta outbound berdasarkan permintaan (order) dari customer melalui system komputer yang sudah terintegrasi . Beberapa System yang digunakan adalah:
1) Manajemen Warehouse dengan System TT- Logix. Yaitu mengutamakan system FIFO (First In First Out) sehinggga menjamin keakuratan Inbound Outbound Management dan Stock Control.
2) Free Location System. Yaitu memaksimalkan efisiensi tempat atau
gudang berdasarkan volume kedatangan dan permintaan order dari customer. Dengan mengikuti TPS (Toyota Production System) yaitu dengan manajemen tanpa pemborosan (waste).
3) Global Supply Chain Management. Memungkinkan poin order secara keseluruhan untuk pengiriman ke customers. Sampai saat ini hanya dikhususkan untuk automotive parts.
4.2 Pengumpulan Data
4.2.1 Data Permintaan Material Resin Duranex 304 SA
Data yang digunakan untuk Tugas akhir ini adalah data Permintaan Resin Duranex 304 SA . Dasar pemilihan material ini adalah dikarenakan material ini adalah common material. Yaitu adanya permintaan material dari beberapa
customers antara lain PT. AII, PT. NNI, PT. ANI, dll. Data perkembangan aktual permintaan material PBT Resin Duranex 304 SA yang ditampilkan disini adalah data permintaan selama tahun 2006- 2008.
Gambar 4.1
Material PBT Resin Duranex 304 SA
4.2.2 Uji Kecukupan Data
Pengujian kecukupan data ini perlu dilakukan untuk mengetahui apakah data yang terkumpul sudah mencukupi atau belum.
Rumus pengujian data adalah sebagai berikut :
N’ = 2 2 2 ) (
Xj Xj Xj N s ZDimana :
N’ = Jumlah pengamatan teoritis yang diperlukan N = Jumlah pengamatan aktual yang dilkukan
Z = Koefisien data distribusi normal sesuai dengan tingkat keyakinan s = Tingkat ketelitian (%)
Xj = Data pengamatan hasil pengukuran
Data Perkembangan Permintaan Aktual Material Resin 304 SA dari Januari tahun 2006 sd Desember 2008:
Tabel 4.1 Data Aktual Permintaan Material Resin 304 SA Januari 2006 s/d Desember 2008
Permintaan (Kgs) Bulan
Tahun 2006 Tahun 2007 Tahun 2008
Januari 7500 7600 12675 Februari 8100 8375 11150 Maret 10325 10700 10675 April 9175 10775 12475 Mei 9500 9900 12625 Juni 9825 12650 14200 Juli 8625 11650 10450 Agustus 10700 12350 11775 September 12325 12875 12750 Oktober 8100 13625 9500 November 7725 14350 10450 Desember 7075 13525 9000 Total 108975 138375 137725
Maka, data permintaan dimasukkan dalam tabel berikut:
Tabel 4.1 Data Aktual Permintaan Material Resin 304 SA
Periode Permintaan (kg) Periode Permintaan (kg) Periode Permintaan (kg) 1 7.500,00 13 7.600,00 25 12.675,00 2 8.100,00 14 8.375,00 26 11.150,00 3 10.325,00 15 10.700,00 27 10.675,00 4 9.175,00 16 10.775,00 28 12.475,00 5 9.500,00 17 9.900,00 29 12.625,00 6 9.825,00 18 12.650,00 30 14.200,00 7 8.625,00 19 11.650,00 31 10.450,00 8 10.700,00 20 12.350,00 32 11.775,00 9 12.325,00 21 12.875,00 33 12.750,00 10 8.100,00 22 13.625,00 34 9.500,00 11 7.725,00 23 14.350,00 35 10.450,00 12 7.075,00 24 13.525,00 36 9.000,00 Total 385.075,00 Bahwa :
Tingkat ketelitian adalah 10% (0,10) dan tingkat keyakinan adalah 99% (Z=3). Banyaknya data (N) adalah 36, maka :
N’ = 2 2 2 ) (
Xj Xj Xj N s Z = 2 2 2 ) ( 36 10 , 0 3
Xj Xj Xj= 2 2 2 2 ) 9000 .... 7500 ( ) 9000 .... 7500 ( ) 9000 .... 7500 ( 36 10 , 0 3 = 2 385075 ) 482827500 1 ( ) 4267035625 ( 36 30 = 2 385075 5330526875 30 = 2 385075 9 2190313,71 =
5,688018487
2 =32,35355431≈ 32Dari perhitungan diatas didapati bahwa data pengamatan yang ada sudah mencukupi (N = 36) sedangkan N’ yang diperlukan 32 data. Maka data yang ada sudah cukup dan penelitian selanjutnya dapat diteruskan
.
4.2.3 Penentuan Pola Dasar Permintaan
Berdasarkan data permintaan aktual pengiriman material PBT Resin Duranex 304 SA dari bulan Januari 2006 sampai dengan Desember 2008, maka grafik pola permintaan dapat digambarkan sebagai berikut :
Data Permintaan Periode 2006 s/d 2008 0,00 2.000,00 4.000,00 6.000,00 8.000,00 10.000,00 12.000,00 14.000,00 16.000,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Periode (Bulan) P e rm in ta a n ( k g ) Permintaan
Gambar 4.2 Grafik Data Permintaan Periode 2006 s/d 2008
4.3 Penerapan Metode-metode peramalan
Untuk metode peramalan yang digunakan tergantung pada plot permintaan yang dihasilkan (seperti yang terlihat pada Gambar 4.2). Maka pada penelitian ini digunakan 3 (tiga) metode peramalan yang termasuk dalam Metode time series, yaitu Metode Linier, Metode Kuadratik dan Metode Single Exponential Smoothing
4.3.1 Metode Linier
Data perhitungan Metode Linier
Tabel 4.3 Data perhitungan metode linier
Tahun Bulan t d dt t2 d2 Januari 1 7500 7500 1 56250000 Februari 2 8100 16200 4 65610000 Maret 3 10325 30975 9 106605625 April 4 9175 36700 16 84180625 Mei 5 9500 47500 25 90250000 Juni 6 9825 58950 36 96530625 Juli 7 8625 60375 49 74390625 Agustus 8 10700 85600 64 114490000 September 9 12325 110925 81 151905625 Oktober 10 8100 81000 100 65610000 November 11 7725 84975 121 59675625 Desember 12 7075 84900 144 50055625 Januari 13 7600 98800 169 57760000 Februari 14 8375 117250 196 70140625 Maret 15 10700 160500 225 114490000 April 16 10775 172400 256 116100625 Mei 17 9900 168300 289 98010000 Juni 18 12650 227700 324 160022500 Juli 19 11650 221350 361 135722500 Agustus 20 12350 247000 400 152522500 September 21 12875 270375 441 165765625 Oktober 22 13625 299750 484 185640625 November 23 14350 330050 529 205922500 Desember 24 13525 324600 576 182925625 Januari 25 12675 316875 625 160655625 Februari 26 11150 289900 676 124322500 Maret 27 10675 288225 729 113955625 April 28 12475 349300 784 155625625 Mei 29 12625 366125 841 159390625 Juni 30 14200 426000 900 201640000 Juli 31 10450 323950 961 109202500 Agustus 32 11775 376800 1024 138650625 September 33 12750 420750 1089 162562500 Oktober 34 9500 323000 1156 90250000 November 35 10450 365750 1225 109202500 Desember 36 9000 324000 1296 81000000 Total 666 385075 7514350 16206 4267035625 2006 2007 2008
2 2 2 ) ( t t n dt t t d a 2 ) 666 ( ) 16026 36 ( ) 7514350 666 ( ) 16026 385075 ( x x x 443556 583416 5004557100 6240525450 8837,18 139860 1235968350 ≈ 8837 b =
2 2 ) ( t t n t d dt n = 2 ) 666 ( ) 16026 36 ( ) 666 385075 ( ) 7514350 36 ( x x x = 443556 583416 256459950 270516600 = 139860 14056650 =100,51≈ 101Maka diperoleh persamaan linier sebagai berikut :
d’t= a + bt
Tabel 4.4 Data perhitungan dengan persamaan linier n d d MAD n t
1 ' = 36 52809 = 1466,92 ≈ 1467 Tahun Bulan t d d - d' |d - d'| (d - d')2 (dt- d't)/dt |(dt- d't)/dt| Januari 1 7500 -1438 1438 2067844 -0,19 0,19 Februari 2 8100 -939 939 881721 -0,12 0,12 Maret 3 10325 1185 1185 1404225 0,11 0,11 April 4 9175 -66 66 4356 -0,01 0,01 Mei 5 9500 158 158 24964 0,02 0,02 Juni 6 9825 382 382 145924 0,04 0,04 Juli 7 8625 -919 919 844561 -0,11 0,11 Agustus 8 10700 1055 1055 1113025 0,10 0,10 September 9 12325 2579 2579 6651241 0,21 0,21 Oktober 10 8100 -1747 1747 3052009 -0,22 0,22 November 11 7725 -2223 2223 4941729 -0,29 0,29 Desember 12 7075 -2974 2974 8844676 -0,42 0,42 Januari 13 7600 -2550 2550 6502500 -0,34 0,34 Februari 14 8375 -1876 1876 3519376 -0,22 0,22 Maret 15 10700 348 348 121104 0,03 0,03 April 16 10775 322 322 103684 0,03 0,03 Mei 17 9900 -654 654 427716 -0,07 0,07 Juni 18 12650 1995 1995 3980025 0,16 0,16 Juli 19 11650 894 894 799236 0,08 0,08 Agustus 20 12350 1493 1493 2229049 0,12 0,12 September 21 12875 1917 1917 3674889 0,15 0,15 Oktober 22 13625 2566 2566 6584356 0,19 0,19 November 23 14350 3190 3190 10176100 0,22 0,22 Desember 24 13525 2264 2264 5125696 0,17 0,17 Januari 25 12675 1313 1313 1723969 0,10 0,10 Februari 26 11150 -313 313 97969 -0,03 0,03 Maret 27 10675 -889 889 790321 -0,08 0,08 April 28 12475 810 810 656100 0,06 0,06 Mei 29 12625 859 859 737881 0,07 0,07 Juni 30 14200 2333 2333 5442889 0,16 0,16 Juli 31 10450 -1518 1518 2304324 -0,15 0,15 Agustus 32 11775 -294 294 86436 -0,02 0,02 September 33 12750 580 580 336400 0,05 0,05 Oktober 34 9500 -2771 2771 7678441 -0,29 0,29 November 35 10450 -1922 1922 3694084 -0,18 0,18 Desember 36 9000 -3473 3473 12061729 -0,39 0,39 Total 666 385075 -323 52809 108830549 -1,04 5,18 12372 12473 385398 11968 12069 12170 12271 11059 11160 11261 2008 11362 11463 11564 11665 11766 11867 2007 10150 10251 10352 10453 10554 10655 10756 10857 10958 9746 9847 9948 10049 d't = 8837 + 101t 2006 8938 9039 9140 9241 9342 9443 9544 9645n d d MSE n t
1 2 ' = 36 108830549 =3023070,81≈3023071 n d d MFE n t
1 ) ' ( = 36 323 = -8,97 ≈ -9 MAPE = n x dt t d dt n t
1 % 100 ) / ' ( = 36 % 100 18 , 5 x = 14,40 % SEE = ) 2 ( ) ' ( 2 n t d dt = ) 2 12 ( 2585633 = 34 108830549 = 1789,1055 ≈ 1789Metode Linier 0 2000 4000 6000 8000 10000 12000 14000 16000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 Periode T o ta l Q ty (K g s )
Permintaan Peramalan Permintaan
Gambar 4.3 Grafik Perbandingan Data Permintaan Terhadap Peramalan Permintaan dengan Metode Linier
4.3.2 Metode Kuadratik
Tabel 4.5 Data perhitungan dengan Metode Kuadratik
Bulan t d t2 t3 t4 dt t2d d2 Januari 2006 1 7500 1 1 1 7500 7500 56250000 Februari 2 8100 4 8 16 16200 32400 65610000 Maret 3 10325 9 27 81 30975 92925 106605625 April 4 9175 16 64 256 36700 146800 84180625 Mei 5 9500 25 125 625 47500 237500 90250000 Juni 6 9825 36 216 1296 58950 353700 96530625 Juli 7 8625 49 343 2401 60375 422625 74390625 Agustus 8 10700 64 512 4096 85600 684800 114490000 September 9 12325 81 729 6561 110925 998325 151905625 Oktober 10 8100 100 1000 10000 81000 810000 65610000 November 11 7725 121 1331 14641 84975 934725 59675625 Desember 12 7075 144 1728 20736 84900 1018800 50055625 Januari 2007 13 7600 169 2197 28561 98800 1284400 57760000 Februari 14 8375 196 2744 38416 117250 1641500 70140625 Maret 15 10700 225 3375 50625 160500 2407500 114490000 April 16 10775 256 4096 65536 172400 2758400 116100625 Mei 17 9900 289 4913 83521 168300 2861100 98010000 Juni 18 12650 324 5832 104976 227700 4098600 160022500 Juli 19 11650 361 6859 130321 221350 4205650 135722500 Agustus 20 12350 400 8000 160000 247000 4940000 152522500 September 21 12875 441 9261 194481 270375 5677875 165765625 Oktober 22 13625 484 10648 234256 299750 6594500 185640625 November 23 14350 529 12167 279841 330050 7591150 205922500 Desember 24 13525 576 13824 331776 324600 7790400 182925625 Jan-08 25 12675 625 15625 390625 316875 7921875 160655625 Februari 26 11150 676 17576 456976 289900 7537400 124322500 Maret 27 10675 729 19683 531441 288225 7782075 113955625 April 28 12475 784 21952 614656 349300 9780400 155625625 Mei 29 12625 841 24389 707281 366125 10617625 159390625 Juni 30 14200 900 27000 810000 426000 12780000 201640000 Juli 31 10450 961 29791 923521 323950 10042450 109202500 Agustus 32 11775 1024 32768 1048576 376800 12057600 138650625 September 33 12750 1089 35937 1185921 420750 13884750 162562500 Oktober 34 9500 1156 39304 1336336 323000 10982000 90250000 November 35 10450 1225 42875 1500625 365750 12801250 109202500 Desember 36 9000 1296 46656 1679616 324000 11664000 81000000 Total 666 385075 16206 443556 12948594 7514350 185442600 4267035625
γ =
2 2 4 t n t = (16026)² - (36)(12948594) =262634436–466149384 =-203514948 σ =
t d nt
d = (666)(385075) – (36)(7514350) =256459950–270516600 =-14056650 θ = t2
d nt2d = (16206)(385075) – (36)(185442600) =6240525450–6675933600 =-435408150 =
2 3 t n t t = (666)(16206) – (36)(443556) =10793196–5322672 =-5174820 ß =
t 2 nt3 = (666)² - (36)(443556) =443556–15968016 =-15524460b = 2 = 2 ) -5174820 ( ) -15524460 )( -203514948 ( ) -5174820 )( -435408150 ( ) -435408150 )( -203514948 ( = 2400 2677876203 628080 3159459669 783000 2253158802 804200 2860738393 = 595680 3132680907 21200 6075795910 =0,19 c = b = 203514948 -) -5174820 )( 19 , 0 ( ) -435408150 ( = 203514948 --1003650) ( ) -435408150 ( = 203514948 -434404500 -= 2,13 a = n t c n t b n d 2 = 36 ) 16206 )( 13 , 2 ( 36 ) 666 )( 19 , 0 ( 36 385075 =10696,53–3,59–960,88 =9732,05
Persamaan kuadratik adalah : y abxcx2
Jika persamaan peramalannya adalah : d'abtct2
Maka 2 13 , 2 19 , 0 05 , 9732 ' t t d
Tabel 4.6 Data Perhitungan Ukuran Akurasi Parameter Dengan Metode Kuadratik MAPE = n dt dt dt n t
1 % 100 ) ' ( = 5,50/36 x 100% = 15,29 % Bulan t d (d - d') |d - d'| (d - d')2 (dt- d't)/dt |(dt- d't)/dt| Januari 2006 1 7500 -2234 2234 4992469 -0,30 0,30 Februari 2 8100 -1641 1641 2692818 -0,20 0,20 Maret 3 10325 573 573 328504 0,06 0,06 April 4 9175 -592 592 350444 -0,06 0,06 Mei 5 9500 -286 286 82018 -0,03 0,03 Juni 6 9825 15 15 223 0,00 0,00 Juli 7 8625 -1213 1213 1471377 -0,14 0,14 Agustus 8 10700 830 830 688543 0,08 0,08 September 9 12325 2418 2418 5848196 0,20 0,20 Oktober 10 8100 -1847 1847 3413054 -0,23 0,23 November 11 7725 -2267 2267 5141393 -0,29 0,29 Desember 12 7075 -2967 2967 8801615 -0,42 0,42 Januari 2007 13 7600 -2495 2495 6226563 -0,33 0,33 Februari 14 8375 -1778 1778 3161760 -0,21 0,21 Maret 15 10700 485 485 235003 0,05 0,05 April 16 10775 493 493 243451 0,05 0,05 Mei 17 9900 -452 452 204508 -0,05 0,05 Juni 18 12650 2223 2223 4941165 0,18 0,18 Juli 19 11650 1144 1144 1308055 0,10 0,10 Agustus 20 12350 1760 1760 3098524 0,14 0,14 September 21 12875 2198 2198 4829242 0,17 0,17 Oktober 22 13625 2856 2856 8154313 0,21 0,21 November 23 14350 3484 3484 12140549 0,24 0,24 Desember 24 13525 2559 2559 6547525 0,19 0,19 Januari 2008 25 12675 1604 1604 2572907 0,13 0,13 Februari 26 11150 -30 30 902 0,00 0,00 Maret 27 10675 -618 618 382355 -0,06 0,06 April 28 12475 1064 1064 1132222 0,09 0,09 Mei 29 12625 1092 1092 1192897 0,09 0,09 Juni 30 14200 2541 2541 6457029 0,18 0,18 Juli 31 10450 -1339 1339 1793806 -0,13 0,13 Agustus 32 11775 -149 149 22201 -0,01 0,01 September 33 12750 687 687 472058 0,05 0,05 Oktober 34 9500 -2706 2706 7323203 -0,28 0,28 November 35 10450 -1904 1904 3623757 -0,18 0,18 Desember 36 9000 -3505 3505 12287554 -0,39 0,39 Total 666 385075 0,00 56051,78 122162201,55 -1,14 5,50 d't = 9732.05 +0.19t +2.13t2 9734 9741 9752 9767 9786 9810 9838 9870 9907 9947 9992 10042 385075 10095 10215 10153 10966 10866 10769 10677 10590 10506 10427 10352 10282 12505 12354 12206 12063 11924 11789 11659 11533 11411 11293 11180 11071SEE = ) ( ) ' ( 2 f n d d = ) 2 36 ( 55 122162201, = 3593005,928 =1895,5226 MSE = n d d n t
1 2 ) ' ( = 36 55 122162201, =3393394,49 MAD = n d d ' = 36 56051,78 =1556,99Metode Kuadratik 0 2000 4000 6000 8000 10000 12000 14000 16000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 Periode T o ta l Q ty (K g s )
permintaan Peramalan Permintaan
Gambar 4.4 Grafik Perbandingan Data Aktual Permintaan terhadap Peramalan dengan Metode Kuadratik
Tabel 4.7 Peramalan dengan Metode Kuadratik Bulan Periode (t) d' Januari 37 12661 Februari 38 12822 Maret 39 12986 April 40 13155 Mei 41 13328 Juni 42 13505 Juli 43 13687 Agustus 44 13873 September 45 14063 Oktober 46 14258 November 47 14456 Desember 48 14659 Total 163454
4.3.3 Metode Single Exponential Smoothing Rumus yang digunakan adalah :
) (
1 Ft Xt Ft
Ft
Penentuan besarnya α (konstanta penghalusan) berdasarkan trial & error dengan nilai antara 0 dan 1
Tabel 4.8 Data Perbandingan Alpha pada Metode Single Exponential Smoothing
Berdasarkan uji verifikasi menggunakan MAPE, terpilih α =0,6 dengan nilai MAPE = 11,996%
Untuk perhitungan penentuan nilai alpha selengkapnya dapat dilihat di lampiran. Contoh perhitungan untuk periode pertama dan kedua :
) ( 1 1 1 2 F X F F ) 7500 7500 ( 6 , 0 7500 7500 ) ( 2 2 2 3 F X F F ) 7500 8100 ( 6 , 0 7500 7860 360 7500 ) ( 3 3 3 4 F X F F ) 7860 10325 ( 6 , 0 10325 9339 1479 7860 Alpha 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 MAPE (%) 14,995 14,663 13,803 13,019 12,387 11,996 12,012 12,115 12,208
