III. ANALISIS PERAMALAN BAHAN BAKU

(1)

III. ANALISIS PERAMALAN BAHAN BAKU

Perancangan sistem dimulai dengan mengelompokkan bahan baku berdasarkan diameter sehingga akan diketahui banyaknya bahan baku yang akan dirancang pengendalian persediaannya. Kemudian dilakukan proses aggregat bahan baku dan dilanjutkan dengan peramalan permintaan bahan baku dan yang terakhir akan dirancang sistem pengendalian persediaan bahan baku itu sendiri.

1. KLASIFIKASI DAN AGREGASI DATA PERMINTAAN PRODUK

Jenis produk yang diproduksi oleh perusahaan ini dibedakan berdasarkan pesanan, yaitu pesanan dengan melihat tipe yang telah disediakan dari perusahaan dan pesanan berdasarkan tipe dari pemesan. Dari data perusahaan diperoleh 22 produk dengan pesanaan berdasarkan tipe yang telah disediakan oleh perusahaan.

Dari 22 produk tersebut dilakukan penggelompokkan bahan baku berdasarkan

diameter yaitu sebanyak 30 bahan baku, hasil penggelompokkan bahan baku

selengkapnya disajikan pada Tabel 3.1.

(2)

Jenis Rotan Umbulu core

Umbulu core

Diameter (mm)

5

7

8

9 Ukuran (cm)

13,5 65 85 17 23 130 180 15 18 26 27 30 38 41 82 360

11 20 26 37 58 78 87

Produk

R-84-127 MR-3717

R-760 KP-9530

R-793 R-84-127

KF-102 R-243 UR-9514 KP-9530 R-793 R-218 R-625

R-218 R-625 R-84-127

MR-841 UR-3305

Jenis Rotan Umbulu core

Umbulu core Umbulu core

Diameter (mm)

10 - - -

11 14

Ukuran (cm)

10 16 18 19 21 22 23 25 26 27 28 31 37 40 50 54 55 118 119 28 66 50 130

Produk

KF-111 R-243 MR-3717

MR-841 BK-317 SR-3502 R-793 KF-102 R-84-127

BK-307 BK-316 CP-9515

R-721 CP-9521

C-4AB

Jenis Rotan Umbulu core

Umbulu core

Tohiti core Tohiti core Tohiti core

Tohiti core Batang

Diameter (mm)

12

13 8 10 12

17 20

Ukuran (cm)

20 22 32 46 63 65 68 115 511 11 29 58 880 54 54 56 72 18 52 86 88 S9

Produk

CP-9515 UR-9514 R-84-127 CP-9521 BK-316 UR-3301 R-721 UR-3305

BK-316 R-84-127

UR-3301 UR-3301 R-625 UR-3305 UR-3305 UR-9514 R-84-127 UR-3301 MR-3717 UR-3305

Tabel 3.1 Klasifikasi Produk

(3)

Jenls Rotan Batang

Batang

Pahit

Diameter (mm)

22

28 20 Ukuran

(cm) 17.5

20 20.5 25 28 35.5 37 38 39 39.5 42 81 85 89 90 95 102 103 105 115 26 30 173 77 86 140

Produk

R-793 KF-102 R-625 KF-111 MR-3717 MR-841 BK-317

BK-316

KP-9530 R-760

Jenis Rotan Batang

Batang

Pahit Tohiti

Diameter (mm)

24

26 24 20

Ukuran (cm)

25 26 34 45 58 67 160 15 30 32 37 40 42 60 65 68 100 140 145 154 160 270 375 138 58

Produk

UR-9514 SR-3502 CP-9521

R-84-127 CP-9515 BK-307

R-218 MR-3717

Jenis Rotan Batang

Manau Manau Manau Manau

Manau Pahit Pahit

Pahit

Diameter (mm)

32 14 16 18 22

24 16 18

22 Ukuran

(cm) 1 Produk

24JR-721 190|

26| CP-9521 55|C-4AB 701 65 89 122 50 17 21 22 70 73 110 20 23 38 47 90 95 99 105 290

KF-102 KF-102 C-4AB CP-9521 R-760 R-760 KP-9530 R-793

KP-9530 C-4AB R-218 R-243

Tabel 3.1 Klasifikasi Produk (lanjutan)

(4)

23 Dan sebagai contoh perhitungan aggregat diambil data bahan baku Batang diameter 20 mm.

Contoh aggregat Batang diameter 20 mm:

Produk

MR-3717 UR-3305

UR-9514 UR-3301 R - 84 - 127

Panjang (cm)

18 52 88 86 88 89

Kebutuhan (unit)

2 3 3 3 3 4

Setelah itu untuk mengetahui kebutuhan tiap jenis bahan baku untuk proses peramalan dikalikan dengan demand tiap produk, hasil aggregat Batang diameter 20 mm disajikan pada Tabel 3.2.

2. PERAMALAN PERMINTAAN BAHAN BAKU

Metode peramalan yang digunakan adalah metode Multiplicative Decomposition dengan pertimbangan pemilihan sebagai berikut:

• Metode dekomposisi bisa mengidentifikasi tiga pola dasar data melalui faktor

musiman, faktor trend dan faktor siklus, ketiga faktor ini sangat membantu dalam analisis perilaku serial data.

• Metode ini sesuai digunakan untuk serial data yang memiliki pola trend dan

musiman, pola permintaan produk menunjukkan kondisi tersebut.

(5)

Diameter (mm)

20 Panjang (cm)

18 52 86 88 89

Jumlah (buah)

2 3 3 6 4 Total

Tahun 1994 Jan

2800 8400 6000 14400

2000 33600

Feb 2400 9000 9000 16500

1600 38500

Mar ! 3400 15000

4500 19500

1400 43800

Apr 2000 12600

3900 16950

2800 38250

Mei 1800 16200

6000 20100

2800 46900

Juni 2000 13200 15000 19200 1600 51000

Juli 1900 9900 10500 14700 1600 38600

Apt 1600 6000 5400 10500

2000 25500

Sept 1400 10500

6000 15600

2400 35900

Okt 2000 3000 12600

7500 2000 27100

Nov

2400 5100 8400 8700 1600 26200

Des

3000 5400 9000 12900

3000 33300

Diameter (mm)

20 Panjang (cm)

18 52 86 88 89

Jumlah (buah)

2 3 3 6 4 Total

Tahun 1995 Jan

2000 7500 6000 13500

2800 31800

Feb 1500 6600 15000 15600 1600 40300

Mar 1700 9000 8400 16500

1400 37000

Apr 1800 3000 9000 9600 1600 25000

Mei 1400 4500 4500 16500

1200 28100

Juni 1000 10500

6000 18900

2600 39000

Juli Agt 2600

12000 5400 21000

2400 43400

2000 9600 12000 21600 2800 48000

Sept 1600 15000

9600 28500

2800 57500

Okt 1400 13500

4800 22500

2000 44200

Nov 1800 13500

6000 25500

1600 48400

Des 2000 15000

6000 27600

2400 53000

Tabel 3.2 Aggregat Batang Diameter 20 mm

to

4-x

(6)

25 • Metode ini penggunaannya cukup mudah dan fleksibel, sehingga tidak membutuhkan keahlian tertentu bagi pemakai.

Langkah-langkah proses peramalan yang dilakukan adalah:

1. Plot data permintaan barang untuk mengetahui pola musiman.

2. Mengisolasi komponen musiman dan acak.

3. Menghitung indeks musiman.

4. Menghitung indeks deseasonal.

5. Plot indeks deseasonal dan penentuan model regresi (linier atau kuadratik) dan menghitung indeks trend berdasarkan model.

6. Mengisolasi komponen trend dan musiman.

7. Mengisolasi komponen siklus dan acak.

8. Plot hasil isolasi siklus dan acak. Menghilangkan indeks acak dengan rata-rata bergerak.

9. Menghitung indeks siklus 10. Menghitung indeks acak.

11. Menghitung peramalan permintaan.

12. Perhitungan kesalahan.

13. Perhitungan monitor dan kontrol model peramalan.

Sebagai contoh perhitungan peramalan adalah bahan baku Batang

diameter 20 mm. Perhitungan peramalan dapat dilihat pada Tabel 3.3.

(7)

26 2.1 Perhitungan Indeks Musiman

Plot data permintaan bulanan untuk Batang 20 mm yang menunjukkan pola musiman yang berulang tiap 4 bulan (lihat gambar 3.1 pada grafik permintaan), sehingga pengisolasian faktor trend dan acak dilakukan dengan rata-rata bergerak 4 bulanan (kolom 4, Tabel 3.3) karena musimannya genap maka perlu dihitung rata-rata bergerak terpusatnya (kolom 5, Tabel 3.3). T pada kolom 2 menunjukkan bulan dimana t = 1 adalah bulan Januari 1994 dan t = 24 adalah bulan Desember 1995.

Con ton:

m x

a,

⁼

h

⁺

h

⁺

h

⁺

Y

^{t m}

336 + 385 +438 + 382.5

^{= 3}

^ 4 4 Rata-rata bergerak terpusat.

(TR

²

xCL2) + (TR

³

xCL3)

⁼

385,375 + 418,625 _

2 2

Pengisolasian faktor musiman dan acak persamaan (2-3) adalah hasil pembagian kolom 3 dengan kolom 5.

Contoh:

SN ^ ^m "rn^crr ^hm6

SNuXlR,,-

^Y

" =1.1191

1I\\5 XL,L\s

^0896+1,1191 ,

^1AjI

. SN

^M

aret X IR

^Marel

= ~ J-

¹

= 1, 1044 Dari persamaan (2-4) didapat:

SN

Maret

X IRuare, = SN

Mare

, = 1, 1 0 4 4

Normalisasi indeks musiman dengan persamaan (2-5):

12 L£Mr= 11,9953

(8)

(9)

28 SNi = • 12 •x 1,044 =1,10483 11,9953

Jadi indeks musiman untuk bulan Maret = SN

Maret

= 1,10483

2.2 Perhitungan Indeks Trend

Perhitungan indeks deseasonal dengan persamaan (2-6) didapat dengan membagi kolom 3 dengan kolom 7.

Contoh:

d-K = - ^ - =

4 3 8

— = 396 4401

3

SNi 1,10483

j y o

'

H H U 1

Pengujian model regresi dari indeks-indeks deseasonal dengan bantuan software Minitab adalah sebagai berikut:

• Regresi linier:

Persamaan regresi: Trt = 330 + 4,73t Predictor

Konstan t

S = 82,41

Koefisien

330,07 4,733 R-Sq=14,7%

Simpangan baku 34,72 2,430

t-rasio

9,51 1,95

P

0,000 0,064 R-Sq(adj) = 10,8%

• Regresi kuadratik:

Persamaan regresi: TRt = 463 - 26t + 1,23^

Predictor

Konstan t

t

2

S = 62,83

Koefisien

463,47 -26,050

1,2313 R-Sq = 52,7 %

Simpangan baku 41,92 7,727 0,3001

t-rasio

11,06 -3,37 4,10

P

0,000

0,003

0,001

R-Sq (adj) = 48,2 %

(10)

29 Dengan oc= 0,05 didapat bahwa regresi kuadratik adalah yang sesuai untuk pola bahan baku rotan diameter 20 mm. Indeks trend diperoleh dari model regresi kuadratik tersebut.

Contoh:

TR3 = 463 - 26 (3) + 1,23 (3)

2

- 396,07

Hasil pengujian model regresi terdapat di lampiran Bl.

2.3 Perhitungan Indeks Siklus

Pengisolasian faktor trend dan musiman diperlukan sebelum menentukan indeks siklus.

Contoh:

TRi x SN

3

= 396,07 x 1,1048 = 437,591 Dari persamaan (2-9) didapat:

Menghilangkan faktor acak dengan rata-rata bergerak 3 bulanan dari persamaan (2-10).

„

r

CL

2

x IRi + CL3XJR3 + CLA, x IR

4

CL3 =

3 0,794+1,001 + 1,173

= 0,9891 3

Indeks siklus untuk bulan Maret diperoleh dari persamaan (2-11).

CZ3 + CL15

^•L'Maret — L

n QS01 4-n o?52

— = 0,9572 2

Jadi CL

3

= CL

15

= ( ^ = = 0 , 9 5 7 2

(11)

1 3 3 7 9 11 II 13 17 II 21 23 25 27 29 31 33 33 WiMufbutoi)

» A k t u « l -•- Pertmaltn

, . 500

2

c 5 400

1

* 300

Grafik Trend Permintaan

: A ^

1 3 3 7 9 11 13 13 17 19 21 23 WaMu (Dulan)

• err -•-TOT

i, r

a l o .

Grafik Indeks Random

: / V A A

1 3 5 7 9 11 13 13 17 19 21 23 WaMu(bul»n)

1-"M

1.05

| 1 '

0.93

Grafik Indeks Siklus

v V ^ A A

1 3 3 7 * 11 11 « 17 » 21 21 Waktu (bul»n)

| - a . T |

-ERR [

Gambar 3.1 Grafik Peramalan Dekonposisi Batang Diameter 20 mm

(12)

31 2.4 Perhitungan Indeks Acak Contoh:

Dengan persamaan (2-12) diperoleh:

CLiXlRj 1,0009

/ / ? 3 _

C£

³

~ 0,9572 -

¹

'

^{0 4 5 7}

2.5 Perhitungan Peramalan

Gambar 3-1 adalah plot dari tiap-tiap indeks yang telah diperoleh, yang terlihat bahwa indeks acak tidak membentuk pola tertentu dan berfluktuasi mendekati 1, sehingga faktor acak tidak ikut dalam perhitungan peramalan.

Contoh:

Dari Tabel 3.2 didapat indeks-indeks sebagai berikut:

S N ^ - 1 , 1 0 4 8 3 CL

^Maret

= 0,9572 Maka peramalan untuk bulan Maret 1996 (t = 27) adalah:

Yj7

==

1 X\j7 X 0N27 X C-L/27

Y

²⁷

= [463 -26(27) + 1,23 (27)

²

] x 1,10483 x 0,9572 = 695,48 - 696

Jadi peramalan Batang diameter 20 mm untuk bulan Maret 1996 • 696

unit. Hasil peramalan terdapat pada kolom 21 yang merupakan hasil

pembulatan, sedangkan seluruh hasil peramalan produk terdapat di

lampiran A-4.

(13)

32 2,6 Perhitungan Kesalahan

Perhitungan kesalahan menggunakan persamaan (2-15) dan diplot untuk melihat apakah pola kesalahan adalah acak.

Contoh:

MSE untuk Batang 20 mm - ~ ^ 1

⁼

2891,095833

2,7 Perhitungan Monitor Dan Kontrol Model Peramalan

Dari Tabel 3.2 dengan menggunakan persamaan (2-16) diperoleh:

Contoh:

ii; (aktual-ramalan) _ g , , JO

*-i ~~ i n —

Tracking signal (Batang 20 mm) = j ³⁰

22 \aktual-ramalan\ 1 0 4 4*5

f 55

24

= ^ r r = -0,08'

2,8 Disagregasi Jumlah Peramalan Permintaan

Disagregasi diperlukan untuk mengetahui peramalan permintaan kebutuhan bahan baku berdasarkan diameter, sehingga perlu diketahui probabilitas permintaan tiap jenisnya.

Contoh: Data permintaan dan peramalan bahan baku Batang diameter 20 mm.

Bulan

Jan' 94 Jan'95 Total Jan' 96

Data Aktual Ukuran

18 2800 2000 4800 dihitung

52 8400 7500 15900 dihitung

86 6000 6000 12000 dihitung

88 14400 13500 27900 dihitung

89 2000 2800 4800 dihitung

Total

33600 31800 65400

Forecast

54000

(14)

33 Apabila data masa lalu adalah lebih dari satu tahun sehingga memungkinkan terdapat dua data untuk bulan yang sama dengan tahun yang berbeda, seperti bulan Januari 1994 dan Januari 1995, maka perlu dicari probabilitas permintaan item terhadap waktu, maka sesuai persamaan (2-18) diperoleh:

Peramalan untuk bulan Januari 1996

Ukuran 18 cm 72800 2800 ^ (2000 2000 V

\4800 33600 J 14800 31800 J x 54000

= 4040,8

T T W ™ ^ ™ - [("8400

^v

8400 ^ , f 7500

^v

7500 V

Ukuran52cm- ^ — j x ^ g g g J + ( ^ ^ O

^X

3i800J ^{x 54000} - 13139,55

Ukuran 86 c m • ( 6000 6000 ^ ( 6000 6000 Y

.U2000 33600 J 112000 31800 J x 54000

= 9915,768

iiw-«a«,.

m

_rri4400

v

14400^1 , (13500

^v

13500^1,, ^,

nnn

Ukuran 88 cm - 1 ^ ^ — - x ^ ^ J + [ ^ ^ x j ^ J J x 54000

= 23037,21

in™™., «o ™ -172000 ., 2000 "\ , ("2800,, 2800 ^ " L ^ ,

^{n n n}

Ukuran 89 cm - | _ ( ^ — x ^ ^ j + ( ^ — x

^{i m}

j J x54000

= 4112,871

Dan setelah dilakukan normal isasi, maka diperoleh hasil:

Ukuran 18 cm = 4040,094 x0,995474 = 4022 Ukuran 52 cm = 13139,55 x0,995474 - 13080 Ukuran 86 cm - 9915,768x0,995474 = 9870 Ukuran 88 cm - 23037,21 x 0,995474 = 22932 Ukuran 89 cm = 4112,871 x 0,995474 - 4096

Seluruh hasil disagregasi terdapat pada lampiran A-5 sampai A-15

(15)

Panjang (cm)

18 52 86 88 89

Kebutuhan (unit)

2 3 3 6 4

Bulan

1 4022 13080

9870 22932

4096

2 3470 13449 21099 26904 2676

3 4502 20496

12333 29916 2352

4 3344 15687 15297 22884 3788

5 3072 21609 10035 35412 3872

6 3250 24675 23796 40290 4988

7 4828 23310

19341 38478 4344

8 | 9 10 4140

17328 19320 35496 5416

3712 30765

18762 53250 6412

4166 19920 27048 33270 4392

11 5602 20991

19584 39162 3860

12 7434 26991 22305 51426 7548

Tabel 3.4 Disagregasi Batang 20 mm