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.
Jenis Rotan Umbulu core
Umbulu core
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
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)
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.
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
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.
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 m336 + 385 +438 + 382.5
= 3^ 4 4 Rata-rata bergerak terpusat.
(TR
2xCL2) + (TR
3xCL3)
=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
Maret X IR
Marel= ~ J-
1= 1, 1044 Dari persamaan (2-4) didapat:
SN
MaretX IRuare, = SN
Mare, = 1, 1 0 4 4
Normalisasi indeks musiman dengan persamaan (2-5):
12
L£Mr= 11,9953
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 1Pengujian 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
2S = 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 %
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).
„
rCL
2x IRi + CL3XJR3 + CLA, x IR
4CL3 =
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
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
31
2.4 Perhitungan Indeks Acak Contoh:
Dengan persamaan (2-12) diperoleh:
CLiXlRj 1,0009
/ / ? 3 _
C£
3~ 0,9572 -
1'
0 4 5 72.5 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.
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