“ANALISIS MATERIAL REQUIREMENT PLANNING (MRP) UNTUK PENGENDALIAN PERSEDIAAN BAHAN BAKU PEMBUATAN BLANK FILTER AFPL PRODUK ITEM NO. 1517 DENGAN MENGGUNAKAN PERANGKAT LUNAK WINQSB” (STUDI KASUS PADA PT. XYZ.)
Muhammad Kholil (1), Rudini Mulya (2) Program Studi Teknik Industri Universitas Mercubuana – Jakarta 1)
Email:
[email protected],2)
[email protected]
ABSTRAK
PT XYZ. yang merupakan industri yang memproduksi komponen – komponen otomotif. Sebelumnya PT XYZ. belum pernah menerapkan metode MRP pada salah satu produk yaitu unit AFPL tipe 1517¸ maka penulis tertarik untuk mengadakan penelitian menyangkut masalah persediaan bahan baku, terutama akan mengulas tentang Material Rquirement Planning (MRP). Sistem MRP merupakan strategi material proaktif. MRP melihat ke masa depan dengan mengidentifikasi material yang akan diperlukan, dengan biaya yang optimal sehingga dapat berdampak meningkatnya keuntungan perusahaan. Perencanaan kebutuhan material sangat memerlukan peramalan permintaan konsumen yang dihitung dari permintaan masa lalu, sehingga dapat memperkirakan kebutuhan dimasa mendatang. Metode peramalan yang akan digunakan adalah Single exponential Smooting (SES), Single Exponential Smooting White Ternd (SEST), Moving Average (MA), Weighted Moving Average (WMA), Regresi Linear (RL). Kemudian setiap akurasi hasil peramalan dihitung sehingga hasil peramalan dapat untuk mengetahui tingkat kesalahan yang terjadi. Dalam perencanaan kebutuhan material metode lot sizing yang digunakan yaitu Wagner Whiting (WW), Lot For Lot (LFL), Fixed Order Quantity (FOQ), Part Period Balancing (PPB), Least Total Cost (LTC), dan dalam pengolahan perhitungan tersebut dilakukan dengan menggunakan perangkat lunak WinQSB. Dari penelitian yang telah dilakukan didapat hasil peramalan yang terbaik untuk produk AFPL item no. 1517 untuk periode mendatang berdasarkan hasil nilai ukuran MAPE (Rata-rata Persentase Kesalahan Absolut) terendah yaitu sebesar 11,40. Sedangkan untuk perhitungan kebutuhan material yang telah dilakukan didapatkan biaya yang paling optimal pada tipe ukuran lot sizing WW (Wagner Whiting) yaitu sebesar Rp 383.509.850. Kata Kunci : AFPL produk item no. 1517, peramalan, MRP, Lot Sizing, WinQSB
ABSTRACT
PT XYZ. which is the industry that produces components - components otomotif.Sebelumnya PT XYZ. MRP method has never been applied to one type AFPL unit produkyaitu 1517 ¸ the authors are interested in conducting research concerning the problem of raw material supply, especially rquirement will review the Material Planning (MRP). material MRP system is a proactive strategy. MRP look into the future to identify the material that will be required, with the optimal cost increase that may impact the company's profits. Material requirements planning is in need of demand forecasting consumer demand is calculated from the past, so it can estimate mendatang.Metode forecasting future needs that will be used is single exponential Smooting (SES), Single Exponential Smooting White Ternd (sest), Moving Average (MA), weighted Moving Average (WMA), Linear Regression (RL). Then each forecasting accuracy is calculated so that the results can forecast results to determine the level of error that occurred. In material requirements planning metodelot sizing used the Wagner Whiting (WW), Lot For Lot (LFL), Fixed Order Quantity (FOQ), Part Period Balancing (PPB), Least Total Cost (LTC), and the processing of the calculations performed by using software WinQSB. From the research that has been done obtained the best forecasting results for AFPL product item no. 1517 for future periods based on the value of the size of MAPE (mean absolute percentage error) is the lowest of 11.40. As for the calculation of material requirements that have done the most optimal cost obtained in type size of lot sizing WW (Wagner Whiting) in the amount of USD 383 509 850. Keywords: AFPL product item no. 1517, forecasting, MRP, Lot Sizing, WinQSB
1 PENDAHULUAN 1.1 LATAR BELAKANG Peningkatan kemampuan penyediaan atau produksi barang dan jasa yang dibutuhkan manusia merupakan usaha yang harus dilakukan oleh perusahaan atau organisasi untuk dapat memenuhi permintaan untuk kebutuhan-kebutuhan tersebut secara efektif dan efisien. Perusahaan yang dipilih oleh penulis sebagai tempat untuk melaksanakan skripsi adalah PT Selamat Sempurna Tbk. yang merupakan industri yang memproduksi komponen – komponen otomotif seperti ; filter, radiator, pipa rem, pipa bahan bakar, kondensor, sistem pembuangan dan press parts. Sebelumnya PT Selamat Sempurna Tbk. belum pernah menerapkan metode MRP I pada produk unit AFPL tipe 1517¸ maka penulis tertarik untuk mengadakan penelitian menyangkut masalah persediaan bahan baku, terutama akan mengulas tentang Material Rquirement Planning (MRP). 1.2 Perumusan Masalah Berdasarkan latar belakang di atas, maka rumusan permasalahan yang akan menjadi obyek kajian didalam penelitian ini adalah: 1. Bagaimana mengetahui metode peramalan apakah yang terbaik untuk produk AFPL 1517? 2. Bagaimana menerapan sistem perencanaan kebutuhan material yang memiliki biaya paling optimal pada produk AFPL tipe 1517 ?
3. Apakah dengan menerapkan aplikasi perangkat lunak WinQSB mampu menganalisa jumlah kebutuhan produksi pada enam bulan mendatang dan perencanaan kebutuhan material yang akan dipesan ? 1.3 Batasan masalah Adapun batasan – batasan masalah dalam penelitian ini adalah sebagai berikut : 1. Perhitungan Lot Size dilakukan dengan munggunakan software WinQSB dan tidak menggunakan rumus manual. 2. Jadwal induk produksi berdasarkan pada hasil peramalan permintaan perusahaan 3. Data yang diambil berdasarkan data produksi bulan juli 2012 – februari 2013 4. Biaya total yang akan dihitung adalah biaya pemesanan dan biaya penyimpanan. 5. Tidak menganalisa penjadwalan. 6. Tidak menganalisa persediaan pengaman. 1.1
Tujuan penelitian Tujuan Pelaksanaan penelitian ini yaitu : 1. Untuk mengetahui metode peramalan yang terbaik untuk produk AFPL 1517. 2. Untuk mengetahui penerapan sistem perencanaan kebutuhan material yang memiliki biaya paling optimal pada produk AFPL tipe 1517.
d. Exponential Smoothing White Trend = EST Teknik moving average dan exponential smoothing sederhana telah dijelaskan di depan hanya tepat bila data yang digunakan stationer. Metode winter didasarkan atas tiga persamaan pemulusan, yaitu persamaan untuk penyesuaian stationer, satu persamaan untuk penyesuaian tren, dan persamaan yang lain untuk penyesuaian musiman.
3. Untuk mengetahui penerapan aplikasi perangkat lunak WinQSB untuk menganalisa jumlah kebutuhan produksi pada periode mendatang dan perencanaan kebutuhan material yang akan dipesan. 2 LANDASAN TEORI 2.1 Sistem Produksi
e. Metode Regresi (regression method) Sebelum suatu keputusan diambil, kadang perlu dilakukan suatu peramalan (forecasting) mengenai kemungkinan atau harapan yang akan terjadi di masa depan. Analisis regresi digunakan untuk mempelajari dan mengukur hubungan yang terjadi di antara dua atau lebih variabel. Regresi sederhana dikaji untuk dua variabel. Regresi majemuk dikaji lebih dari dua variabel.Analisis regresi, menyusun persamaan regresi yang digunakan untuk menggambarkan pola atau fungsi hubungan antar variabel. Ukuran Akurasi Hasil Peramalan a. Mean Absolute Deviation = MAD MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan kenyataannya. b. Mean Square Error = MSE MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan. c. Mean Forecast Error =MFE) MFE sangat efektif untuk mengetahui apakan suatu hasil peramalan selama periode tertentu terlalu tinggi atau terlalu rendah. MFE dihitung dengan menjumlahkan semua kesalahan peramalan selama periode peramalan dan membaginya dengan jumlah periode peramalan. d. 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. 2.3 Persediaan persediaan merupakan sejumlah bahan-bahan, bagian-bagian yang disediakan dan bahan-bahan dalam proses yang terdapat
Bagan 1.1 skema sistem produksi 2.2
Peramalan Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang. a. Simple Moving Average Metode ini menggunakan sejumlah data aktual permintaan yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa mendatang. Metode rata-rata bergerak akan efektif diterapkan apabila diasumsikan bahwa permintaan pasar terhadap produk akan teteap stabil sepanjang waktu. b. Weighted Moving Average = WMA Pada metode ini, setiap data diberikan bobot yang sama. Aktualnya hal ini mustahil karena data yang lebih baru akan mempunyai bobot yang lebih tinggi karena data tersebut merepresentasikan kondisi yang terakhir terjadi. Hal ini yang melahirkan metode peramalan rata-rata bergerak dengan pembobotan. c. Exponential Smoothing = ES Kelemahan teknik moving average dalam kebutuhan akan data-data masa lalu yang cukup banyak dapat diatasi dengan teknik pemulusan eksponensial. Metode peramalan pemulusan eksponensial bekerja hampir serupa dengan alat thermostat, di mana apabila galat ramalan (forecast error) adalah positif, yang berarti nilai aktual permintaan lebih tinggi dari pada nilai ramalan (A-F>0), maka model pemulusan eksponensial akan secara otomatis meningkatkan nilai ramalan, Sebaliknya.
3
dalam perusahaan untuk proses produksi, serta barang-barang jadi/produk yang disediakan untuk memenuhi permintaan dari konsumen atau langganan setiap waktu.
menghasilkan ongkos pengadaan yang sama dengan ongkos simpan. EPP dihitung secara sederhana dengan membagi ongkos pengadaan dengan ongkos simpan per unit per periode. 4.3.4 Part Period Balancing – PPB) Teknik PBB ini menggunakan dasar logika yang sama dengan teknik LTC. Perhitungan kuantitas pemesanannya juga sama. Perbedaannya terletak pada pengalokasian pemesanan yang dilakukan dengan melihat kebutuhan bersih periode yang ada di depan dan di belakang (look a head/look back) dari periode yang bersangkutan. Hal ini dimaksudkan untuk mencegah penyimpanan item persediaan dalam jumlah yang terlalu besar (cakupan periode yang terlalu panjang) dan menghindari kuantitas pemesanan yang terlalu sedikit. 4.3.5 Wagner Whitin (WW) Teknik ini menggunakan prosedur optimasi yang didasari model program dinamis. Tujuannya adalah untuk mendapatkan strategi pemesanan yang optimum untuk seluruh jadwal kebutuhan bersih dengan jalan meminimalkan total ongkos pengadaan dan ongkos simpan. Pada dasarnya, teknik ini menguji semua cara pemesanan yang mungkin dalam memenuhi kebutuhan bersih setiap periode yang ada pada horizon perencanaan sehingga senantiasa memberikan jawaban optimal.
2.4 Material Requirement Planning (MRP) MRP adalah prosedur logis, aturan keputusan dan teknik pencatatan terkomputerisasi yang dirancang untuk menterjemahkan “Jadwal Induk Produksi” atau MPS (Master Production Scheduling), menjadi “kebutuhan bersih” atau NR (Net Requirement) untuk semua item.
Gambar 1.1 masukan dan keluaran MRP 2.4.1
Fixed Order Quantity (FOQ) Jumlah pesanan tetap (FOQ) ini sangat spasifik untuk menentukan persediaan item.Penentuan besarnya lot dapat semau kita, atau dapat pula memakai intuisi atau melalui faktor-faktor empirik atau juga sesuai dengan pengalaman pemakai. Kebijaksanaan ini dapat ditempuh untuk item-item yang biaya pemesanan (ordering cost) tinggi, dengan memenuhi kebutuhan bersih dari perode ke periode. 2.4.2 Lor For Lot (LFL) Teknik penetapan ukuran dengan ini dilakukan atas dasar pesanan diskrit, disamping itu teknik dilakukan atas pasanan dasat diskrit, disamping itu juga teknik ini merupakan cara paling sederhana dari semua teknik ukuran lot yang ada. 2.4.3 (Least Total Cost – LTC) Teknik ini didasarkan pada pemikiran bahwa jumlah ongkos pengadaan dan ongkos simpan (ongkos total) setiap ukuran pemesanan (lot size) yang ada pada suatu horizon perencanaan dapat diminimalkan jika besar ongkos-ongkos tersebut sama atau hampir sama. Sarana untuk mencapai tujuan tersebut adalah suatu faktor yang disebut Economic Part Period (EPP). Part period adalah suatu unit yang disimpan dalam persediaan selama satu periode. EPP dapat didefinisikan sebagai kuantitas suatu item persediaan yang bila disimpan dalam persediaan selama satu periode akan
2.4
Mengenal Software WinQSB Versi 2.0 Salah satu program komputer yang dirancang untuk menyelesaikanmasalahmasalah kuantitatif di bidang manajemen adalah WinQSB. Program inidibuat oleh Profesor Yih-Long Chan dari Georgia Institute of Technology ,Amerika Serikat. Program ini merupakan pengembangan dari program QSB (Quantitative System for Business), QSB+, dan QS (Quantitative System) yangsudah banyak digunakan pada akhir tahun 1980-an. Program WinQSB saat ini sudah sampai pada versi 2.0. Disebut WinQSB karena merupakan perkembangan dari program QSB yang dulu berbasis sistem operasi DOS, dan sekarang sudahdapat dijalankan pada komputer berbasis Microsoft Windows. 3 METODOLOGI PENELITIAN Pada bagian ini akan dijelaskan langkahlangkah yang digunakan untuk memecahkan suatu masalah agar hasil penelitian sesuai dengan tujuan yang telah ditetapkan.
4
Mulai
Latar Belakang
Tabel 1.2 Permintaan AFPL Item Produk No. 1517 (Periode juli 2012 - februari 2013) Permintaan Periode (Unit) Jul-12 5.200 Aug-12 9.580 Sep-12 6.200 Oct-12 9.580 Nov-12 9.700 Dec-12 10.060 Jan-13 8.140 Feb-13 9.960 Total 68.420 Rata8.553 Rata
Belum adanya penerapkan metode MRP I pada produk unit AFPL
Studi Literatur q q q q q
Observasi Lapangan q q
Sistem produksi Persediaan Perhitungan Peramalan Perhitungan MRP Modul WinQSB
Profil Perusahaan Pengamatan Tahapan Proses Produksi E-RSPU P/N 5903
Perumusan Masalah
· · ·
Mengetahui metode peramalan terbaik Menerapakan Sistem MRP I dengan biaya optimal Penerapan MRP I dengan Software WINQSB
Identifikasi Variabel Penelitian
Tahap I Penentuan Objek Penelitian E-RSPU
Pengumpulan Data Produksi AFPL Periode Januari – Agustus 2012
Penetuan Item Number Fast Moving (Lewat Rangking Permintaan)
Pengambilan Data Sekunder Bill of Material E-RSPU I/P No. A-5903 Lead Time, Safety Stock, dan Project On Hand E-RSPU Item Produk No. A-5903 dan Komponen Penyusunnya Unit Cost, Holding Cost & Setup/Order Cost
· · ·
Tahap II Pengambilan Data Sekunder
Tabel 1.3 Lead Time, Safety Stock, dan Project On Hand AFPL Item Produk No.1517 dan Komponen Penyusunnya
Pengolahan Data Tahap I Peramalan Permintaan Untuk delapan Periode Mendatang dengan WinQSB · SES (Single Exponential Smooting) · SEST (Single Exponential Smooting With Trend) · MA 2-Bulan, 3-Bulan dan 4-Bulan · WMA 2-Bulan, 3-Bulan dan 4-Bulan · Regresi Linear
· ·
· ·
Pengolahan Data Tahap II Pembuatan Bill Of Material AFPL02 Item Produk 1517 Pembuatan MRP dengan Metode Lot Size (FOQ, LFL, LTC, PPB & WW)
Level
Kom ponen
1
0
AFPL 1517
2
1
3
Lead Tim e
Kuantitas Measure
NO.
Tahap III Pengolahan Data Untuk Peramalan, Pembuatan MRP dan Perhitungan Biaya
Analisa Dan Hasil Analisa Pemilihan Peramalan terbaik dengan MAPE Analisa Perbandingan Biaya Paling Optimal
Kesimpulan dan Saran
Ket. Safety On Stock Hand
1 Lot
-
0 Bulan
Make
Blank Filter
8 Unit
Pcs
0 Bulan
Make
1
Box Besar
1 Unit
Pcs
1 Bulan
4
1
Box Kecil
8 Unit
Pcs
5
1
Plastik
2 Unit
6
1
Label
7
2
8 9
Scrap
10000
-
8000
40000
-
Buy
1000
10000
-
1 Bulan
Buy
8000
80000
-
Pcs
1 Bulan
Buy
-
10000
-
10 Unit
Pcs
1 Bulan
Buy
-
80000
-
Paper
1 m2
Pcs
0 Bulan
Make
-
10000
2%
2
Ruber
1 Unit
Pcs
2 Bulan
Buy
1000
10000
-
2
Plastik Injection
1 Unit
Pcs
0 Bulan
Make
-
10000
2%
10
3
Polyfiber UNP300
1 m2
Meter
1 Bulan
Buy
-
10000
-
11
3
UNP 15
1 m2
Meter
1 Bulan
Buy
-
10000
-
12
3
PP Recycle
1 ons
ons
1 Bulan
Buy
-
10000
-
13
3
PP Compound
2 ons
ons
2 Bulan
Buy
-
10000
-
Selesai
Tabel 1.4 Struktur Biaya Bahan Baku AFPL Item Produk no. 1517
Diagram 1.1 Alur Metodologi Penelitian
Setup/Requir m ent Cost
Holding Cost
AFPL 1517
20000
10
M
Blank Filter
20000
75
M
-
Box Besar
18000
15
M
100
Box Kecil
18000
75
M
50
Plastik
18000
15
M
150
Label
18000
15
M
100
Paper
20000
30
M
-
Total
Ruber
18000
30
M
500
Kom ponen
4
PENGUMPULAN DATA
dan
PENGOLAHAN
4.1 Pengumpulan Data 4.1 Rangking Product Fast Moving Sum of MPP Qty E-AFPL Qty Jan-Okt 2012 Item Line
E-AFPL02
E-AFPL01 TOTAL
Cumm % Sakura No
Shortage unit cost Cost -
Rank
%
1
5,38%
5,38%
A-1517
66.536
Plastik Injection
20000
30
M
-
2
4,54%
9,91%
A-1123
56.140
Polyfiber UNP300
50000
15
M
200
3
3,91%
13,82%
A-1047
48.400
UNP 15
50000
18
M
200
4
3,14%
16,96%
A-5828
38.840
PP Recycle
50000
18
M
200
5
3,03%
19,99%
A-1876
37.500
PP Compound
50000
18
M
200
....
....
....
....
....
274
0,01%
100,00%
CA-29010
100 1.237.442
Pemelihan item produk AFPL di tentukan pada produk fastmoving tertinggi yaitu AFPL produk item no. 1517
5
Eksponensial Smoothing White Trend user dapat meminta program untuk langsung menentukan nilai α dan juga nilai β yang memberikan hasil peramalan terbaik. · Moving average (MA) 2 Bulan
4.2 Pengolahan Data 4.2.1 Peramalan · Single Eksponensial Smoothing (SES)
Gambar 1.1 WinQSB Forecast - Hasil Peramalan dengan SES (Single exponential Smooting)
Gambar 1.3 WinQSB Forecast - Hasil Peramalan AFPL Item Produk No. 1517 dengan MA – 2 bulan
Berdasarkan data yang ditampilkan pada tabel diatas dapat diketahui secara langsung dengan peramalan permintaan untuk delapan periode mendatang, nilai MAD (Mean Absolute Deviation), MSE (Mean Square Error) dan MAPE (Mean Absolute Persentage Error). Di Forecasting Setup terdapat bagian “Smoothing constant alpha”. Nilai α berkisar antara 0,01 sampai dengan 0.99. Salah satu keuntungan dalam mengaplikasikan perangkat lunak WinQSB adalah bahwa untuk metode Single Eksponensial Smoothing user dapat meminta program untuk langsung menentukan nilai α yang memberikan hasil peramalan terbaik. · Single Exponential Smooting (SEST)
Penulis juga menerapkan metode Moving Average dengan kriteria perataan bulan yang berbeda. Penulis menggunakan Moving Average 3-Bulan, Moving Average 4-Bulan dan Moving Average 5-Bulan. Hal ini dilakukan untuk mendapatkan akurasi data peramalan dengan lebih akurat. · Weighted Moving Average (WMA) 2 Bulan
Gambar 1.4 Hasil Peramalan AFPL Item Produk No. 1517 dengan WMA – 2bulan penulis menentukan bobot untuk data periode t-2 dan t-1, memberikan bobot 0,6 untuk data periode t-2 dan bobot sebesar 0,4 untuk data periode t-1.
Gambar 1.2 WinQSB Forecast - Hasil Peramalan AFPL Item Produk No. 1517 dengan SEST α = 0,3 dan β = 0,23 Salah satu keuntungan dalam mengaplikasikan perangkat lunak WinQSB adalah bahwa untuk metode Single
6
·
Metode Regresi (regression method)
Gambar 1.7 Biaya Material Requirement Planning Lor For Lot (LFL) · Perhitungan lot size tipe Fixesd Order Quantity (FOQ)
Gambar 1.8 Hasil Perhitungan MRP – FOQ pada Level 0 AFPL item produk no. 1517
Gambar 1.5 Hasil Peramalan AFPL Item Produk No. 1517 dengan linear regresi Pada tampilan hasil peramalan metode Linear Regresi (LR) diatas langsung dapat diketahui nilai masing-masing untuk nilai intercept (a) dan Slope (b), yaitu sebesar 6526,429 untuk nilai intercept (a) sedangkan untuk nilai Slope (b) sebesar 450,2381. 4.2.2 Pembuatan Bild Of Material (BOM)
Gambar 1.9 Biaya Material Requirement Planning Fixed Order Quantity (FOQ) · Perhitungan lot size tipe Least Total Cost (LTC)
AFP L1 Lot Lab Box8 Plas 1517 2 10
AFPL Box Plas 1 Bes 8 Blank Uni Kecil Uni tik el tic unit Pap unit unit ar t t Filter Polyfib 1 Rub 1 1 Inje er unit PP ctio unitPP er 1erm2 UNP 1 Recy 1 Compo 2 15m2 UNP30 ons n und ons m2 cle 0
Gambar 1.10 Hasil Perhitungan MRP – LTC pada Level 0 AFPL item produk no. 1517
Bagan 1.1 struktur Bild Of Material (BOM) AFPL produk item no. 1517 4.1.2 Perhitungan Lot size MaterialRequirement Planning (MRP) perhitungan MRP pada level nol yakni independent product dari item produk AFPL tipe no. 1517. · Perhitungan lot size tipe Lot For Lot (LFL)
Gambar 1.11 Biaya Material Requirement Planning Least Total Cost (LTC) · Perhitungan lot size tipe Part Period Balancing (PPB)
Gambar 1.6 Hasil Perhitungan MRP – LFL pada Level 0 AFPL item produk no. 1517 Gambar 1.12 Hasil Perhitungan MRP – PPB pada Level 0 AFPL item produk no. 1517
7
Berdasarkan hasil perhitungan yang telah dilakukan penulis memutuskan untuk memilih hasil peramalan dengan metode Weigth Moving Average 4-bulan, karena berdasarkan nilai MAPE, Moving Average 4bulan adalah yang terbaik karena nilainya paling kecil dibandingkan ketiga nilai lainnya yaitu sebesar 12,3 Tabel 1.2 Nilai Paramater dari hasil Aplikasi Metode WMA 4 – Bulan Parameter Nilai CFE 4020 MAD 1109 MSE 2029324 MAPE 11,4 Maka data peramalan kebutuhan yang akan diterapkan di dalam pembuatan Master Production Schedule adalah data hasil peramalan dengan metode Weigth Moving Average 4-bulan dengan perkiraan jumlah permintaan sebagai berikut. Tabel 1.1 Peramalan Permintaan AFPL produk Item no. 1517 dengan WMA 4-Bulan (Periode Maret 2013 – Juli 2013) Data Produksi Periode (AFPL 1517) Mar-13 7152 Apr-13 8928 May-13 8348 Jun-13 9412 Jul-13 9512 Total 43352 Rata8670 Rata
Gambar 1.13 Biaya Material Requirement Planning Part Period Balancing (PPB) · Perhitungan lot size tipe Algoritma Wagner Whiting (AWW)
Gambar 1.14 Hasil Perhitungan MRP – AWW pada Level 0 AFPL item produk no. 1517
Gambar 1.15 Biaya Material Requirement Planning Algoritma Wagner Whiting (AWW) 5 ANALISA dan HASIL 5.1 Peramalan Setelah melakukan peramalan dengan lima metode peramalan, Penulis merangkum semua data yang dihasilkan dalam tabel di bawah ini. Hal ini ditujukan untuk mempermudah pemilihan hasil peramalan yang memiliki akurasi terbaik dan dapat dipercaya. Untuk menetukan parameter yang dapat dijadikan acuan untuk menilai hasil peramalan adalah nilai MAPE (rata-rata persentase kesalahan absolut), karena MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti dibandingkan ukuran parameter lainnya. MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah. Semakin kecil nilai MAPE, maka akan semakin akurat hasil peramalannya. Parameter
SES
SEST
MA 4Bulan
WMA 4Bulan
5.2 Material Requirement Planning (MRP) Tabel 1.3 Rangkuman biaya hasil perhitungan MRP Item ID
10299,79
7002,9
3200
4020
-1,96
MAD
1955,63
1721,2
1172,5
1109
1290,06
MSE
5265018
4808388
1705938
2029324
2013944
MAPE
21,0361
18,89
12,3
11,4
16,89
LFL
FOQ
PPB
LTC
AFPL 1517
65.590
90.707
90.873
73.350
73.350
Blank Filter
740.000
780.000
780.000
740.000
740.000
Box Besar
2.501.200
2.522.850
2.527.625
2.518.870
2.501.200
Box Kecil
10.976.800
11.140.800
11.159.000
10.976.800
10.976.800
Plastik
8.566.600
8.602.600
8.617.000
8.566.600
8.566.600
Label
25.588.000
25.630.000
25.677.750
25.588.000
25.588.000
Paper
119.830
152.685
153.250
123.555
123.555
Ruber
113.004.000
113.040.000
113.232.000
113.004.000
113.004.000
Plastik Injection
119.830
152.685
153.250
123.555
123.555
Polyfiber UNP300
43.987.600
44.041.632
44.138.752
43.987.600
43.987.600
UNP 15
43.992.600
44.047.440
44.144.500
43.992.600
43.992.600
PP Recycle
43.992.600
44.047.440
44.144.500
43.992.600
PP Compound Total
43.992.600
89.855.200
89.955.200
90.150.000
89.855.200
89.855.200
383.509.850
384.204.039
384.968.500
383.542.730
383.525.060
Dari kelima metode lot size MRP tersebut didapatkan nilai-nilai total biaya ID peroduk AFPL iten no. 1517, dari hasil perhitungan teknik lot size yang memiliki total biaya terendah yaitu dengan menggunakan teknik lot size WW (Wagner Whiting) dengan total biaya yaitu Rp 383.509.850 dan untuk metode lot size yang menghasilkan total biaya tertinggi yaitu teknik lot size FOQ (Fixed Order Quantity), dengan total biaya Rp 384.204.039.
LR
CFE
TOTAL BIAYA PER ID (Rp) WW
Tabel 1.1 Rangkuman Hasil Peramalan
8
6 KESIMPULAN dan SARAN 6.1 Kesimpulan Berdasarkan dari analisa pengolahan data terkait dengan Analisis Material Requirement Planning (MRP) untuk Pengendalian Persediaan Bahan Baku Pembuatan Blank Filter Item AFPL Produk No. 1517 Dengan Menggunakan Perangkat Lunak WinQSB yang dilakukan di bab V di PT Selamat Sempurna Tbk, selanjutnya dapat diambil beberapa kesimpulan sebagai berikut, yaitu: · Dari kelima metode peramalan yang telah dilakukan, peramalan dengan metode Weight Moving Average 4-bulan memberikan hasil terbaik. Hal ini dilihat dari nilai MAPE (rata-rata persentase kesalahan absolut) = 11,40 · Dari kelima metode Material Requirement Material (MRP) yang telah dilakukan, ukuran lot sizing WW (Wagner Whiting) yang memberikan total biaya yang terendah sebesar Rp 383.509.850. · Dari penelitian yang telah dilakukan oleh Penulis, dapat diketahui bahwa analisa peramalan dan perencanaan kebutuhan material dapat dilakukan dengan menerapkan aplikasi perangkat lunak WinQSB modul Forecast dan Material Requirement Planning.
Baroto, T. 2002. Perencanaan dan Pengendalian Produksi. Penerbit GahliaIndonesia, Jakarta Gaspersz, V. 2004. Production Planning and Inventory Control. PT. GramediaPustaka Umum, Jakarta. Gintin, R. 2007.Sistem Produksi, Graha Ilmu, Yogyakarta Hakim, A. 2008. Perencanaan dan Pengendalian Produksi, Graha Ilmu, Yogyakarta Herjanto, E. 1997.Manajemen Produksi dan Operasi, Gramedia, Jakarta Jurnal Nasional “Penerapan Sistem Material Requiring Planning (MRP) Untuk Peningkatan Kinerja di Industri Proses”oleh Muslim Efendi Harahap. 2009 Laporan Skripsi“Analisis Hubungan Nilai Overall Equipment Efectivness (Oee) Dengan Six Big Losess Dalam Usaha Mencari Penyebab Besarnya Reduced Speed Losses Dan ProcessDefect Losses Pada Mesin Injection (Studi Kasus: PT. Selamat Sempurna)”oleh Wahyu sugar Ibrahim. 2013. Universitas Mercubuana. Jakarta Laporan Skripsi“Mengoptimalkan Master Production Schedule (MPS) dan Material Requirement Planning I (MRP I) E-RSPU 5903 Melalui Perhitungan Rough Cut Capasity Planning (RCCP)” oleh Endah Worowardani. 2013. Universitas Mercubuana. Jakarta Kusuma, H. 2004.Manajemen Produksi,Andi, Jakarta Nasution,A.H.2006. Manajemen Industri, Andi, Yogyakarta Nasution, A.H. 2008. Perencanaan dan Pengendalian Produksi, Graha Ilmu, Yogyakarta, Purnomo, H. 2003. Pengantar Teknik Industri, Graha Ilmu, Yogyakarta Rangkuti, F. 1998.Manajemen Persediaan: Aplikasi di Bidang Bisnis, Rajawali Pers Rangkuti, F. 2004.Manajemen Persediaan – Aplikasi dibidang Bisnis, PT GrafindoPersada, Jakarta Ristono, A. 2008. Manajemen Persediaan, Graha Ilmu, Yogyakarta Ristono, A. 2009.Manajemen Persediaan, Graha Ilmu, Yogyakarta
6.2
Saran Berikut ini beberapa saran yang dapat diambil oleh penulis untuk dijadikan bahan pertimbangan untuk kegiatan penelitian selanjutnya dalam memperbaiki perencanaan sistem persediaan perusahaan yang ada. Hal ini tentu dimaksudkan agar perencanaan persediaan dapat dilakukan lebih baik lagi demi kelancaran proses produksi. Saran – saran tersebut antara lain sebagai berikut : · Untuk penelitian selanjutnya diharapkan dapat mengidentifikasi penyebab terjadinya selisih antara permintaan yang diajukan di dalam Master Production Schedule (MPS) dengan produksi aktual di plant factory. · Untuk penelitian selanjutnya diharapkan penambahan pada objek penelitian agar aktivitas produksi dan pemesanan bahan baku dapat dilakukan secara serempak demi mencapai efisiensi waktu, biaya dan transportasi. DAFTAR PUSTAKA Assauri, S.2008. Manajemen Produksi dan Operasi, Jakarta, 2008, Lembaga Penerbit FE-UI, Jakarta.
9
