chapter iii vii
TRANSCRIPT
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 1/74
V-31
BAB III
TINJAUAN PUSTAKA
3.1. Peramalan ( Forecasting)
Peramalan merupakan tahap awal dari perencanaan dan pengendalian
produksi. Peramalan adalah pemikiran terhadap suatu besaran, misalnya
permintaan terhadap suatu atau beberapa produk pada periode yang akan datang.
Pada hakekatnya peramalan merupakan suatu perkiraan terhadap keadaan yang
akan terjadi di masa yang akan datang. Keadaan masa yang akan datang yang
dimaksud adalah :
1. Apa yang dibutuhkan (jenis)
2. Berapa yang dibutuhkan (jumlah/kuantitas)
3. Kapan dibutuhkan (waktu)
Tujuan peramalan dalam kegiatan produksi adalah untuk meredam
ketidakpastian, sehingga diperoleh suatu perkiraan yang mendekati keadaan yang
sebenarnya. Peramalan tidak akan pernah “ perfect ”, tetapi meskipun demikian
hasil peramalan akan memberikan arahan bagi suatu perencanaan. Suatu
perusahaan biasanya menggunakan prosedur tiga tahap untuk sampai pada
peramalan penjualan, yaitu diawali dengan melakukan peramalan lingkungan,
diikuti dengan peramalan penjualan industri, dan diakhiri dengan peramalan
penjualan perusahaan.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 2/74
V-32
3.1.1. Pendefinisian Tujuan Peramalan
Tujuan peramalan dilihat dengan waktu:
a. Jangka pendek (short term)
Menentukan kuantitas dan waktu dari item dijadikan produksi. Biasanya
bersifat harian ataupun mingguan dan ditentukan oleh low management .
b. Jangka menengah (medium term)
Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya bersifat
bulanan ataupun kuartal dan ditentukan oleh middle management .
c. Jangka panjang (long term)
Menentukan kuantitas dan waktu dari fasilitas produksi. Biasanya bersifat
tahunan, 5 tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh top
management .
3.1.2. Peranan Peramalan dalam Sistem Produksi
Peranan peramalan dalam perencanaan proses produksi adalah sebagai
berikut:
1. Business Planning
Berisi rencana pendanaan, pembiayaan dan keuangan perusahaan sebagai
dasar untuk membuat rencana pemasaran.
2. Marketing Planning
Rencana tentang produk yang akan dibuat, penjualan dan pemasaran, sebagai
dasar untuk membuat production planning.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 3/74
V-33
3. Master Production Schdule
Rencana produk akhir yang harus dibuat pada tiap periode selama 1-5 tahun.
Produk akhir, merupakan dekomposisi dari production planning .
4. Requirement Planning
Rencana kapasitas yang diperlukan untuk memenuhi production plan, dapat
dinyatakan dalam jam-orang atau jam-mesin. Merupakan bahan pertimbanagn
untuk ekspansi orang, mesin, pabrik, dan lain-lain, yang ditetapkan
berdasarkan kapasitas yang tersedia.
5. Rought Cut Capacity Planning (RCPP)
Rencana untuk menentukan kapasitas yang diperlukan untuk memenuhi MPS.
Hasilnya berupa jenis orang/mesin yang diperlukan untuk tiap work centre
pada setiap periode. Merupakan bahan pertimbangan untuk penambahan jam
kerja atau sub kontrak.
6. Demand Management
Aktivitas memprediksi kebutuhan di masa datang dikaitkan dengan kapasitas.
Terdiri dari aktivitas forecasting, distribution requirement planning, order
entry, shipment, dan service part requirement.
7. Material Requirement Planning
Menetapkan rencana kebutuhan material untuk melaksanakan MPS. Output
MRP adalah purchasing dan PAC (Production Activity Control), dan MRP
menghasilkan rencana pembelian meliputi jumlah due date, release date.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 4/74
V-34
8. Capacity Requirement Planning
Rencana kebutuhan kapasitas yang dibutuhkan untuk merelealisasikan MPS di
tiap periode dan tiap mesin. CRP lebih teliti dan lebih rinci dibanding RCCP,
karena disarkan pada planned order . Jika kapasitas tidak tersedia bisa
ditambah dengan over time, merubah routing dan lain-lain. Jika tidak tercapai
MPS harus dirubah.
9. Production Activity Control (PAC)
Sering disebut distributor shop floor control (SFC), aktivitas membuat produk
setelah bahan dibeli. PAC terdiri dari aktivitas awal-akhir suatu job
berdasarkan urutan kedatangan job, lalu membebankan job ke work station,
dan melakukan pelaporan. Hasil laporan akan merupakan feedback bagi MPS.
10. Purchasing
Merupakan aktivitas memilih vendor , membuat order pembelian, dan
menjadwalkan vendor .
11. Performance Measurement
Evaluasi sistem untuk melihat seberapa jauh hasil yang diperoleh
dibandingkan dengan rencana yang telah ditetapkan. Sebagai bahan evaluasi
pencapaian bisnis planning.
3.1.3. Karakteristik Peramalan yang Baik
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 5/74
V-35
Peramalan yang baik mempunyai beberapa kriteria yang penting, antara
lain akurasi, biaya, dan kemudahan. Penjelasan dari kriteria-kriteria tersebut
adalah sebagai berikut:
1. Akurasi
Akurasi dari suatu peramalan diukur dengan hasil kebiasaan dan konsistensi
peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut
terlalu tinggi atau telalu rendah dibanding dengan kenyataan yang sebenarnya
terjadi. Hasil peramalan dikatakan konsisten jika besarnya kesalahan
peramalan relatif kecil. Peramalan yang terlalu rendah akan mengakibatkan
kekurangan persediaan sehingga permintaan konsumen tidak dapat dipenuhi
segera, akibatnya perusahaan kemungkinan kehilangan pelanggan dan
keuntungan penjualan. Peramalan yang terlalu tinggi akan mengakibatkan
terjadinya penumpukan barang/ persediaan, sehingga banyak modal tersia-
siakan. Keakuratan hasil peramalan berperan dalam menyeimbangkan
persediaan ideal.
2. Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan tergantung jumlah
item yang diramalkan, lamanya periode peramalan, dan metode peramalan
yang digunakan. Ketiga faktor pemicu biaya tersebut akan mempengaruhi
betapa banyak data yang diblutuhkan, bagaimana pengolahannya (manual atau
komputerisasi), bagaimana penyimpanan datanya dan siapa data ahli yang
diperbantukan. Pemilihan metode peramalan harus sesuai dengan dana yang
tersedia dan tingkat akurasi yang ingin didapat, misalnya item-item yang
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 6/74
V-36
penting akan diramalkan dengan metode yang sederhana dan murah. Prinsip
ini merupakan adopsi dari hukum Pareto (Analisa ABC).
3. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah
diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah percuma
memakai metode yang canggih tetapi tidak dapat diaplikasikan pada sistem
perusahaan karena keterbatasan dana, sumber daya manusia, maupun
peralatan teknologi.
3.1.4. Peramalan Kuantitatif
Metode peramalan ini didasarkan pada data kuantitatif pada masa lalu.
Hasil peramalan yang dibuat tergantung pada metode yang dipergunakan dalam
peramalan tersebut. Metode yang baik yaitu yang memberi nilai-nilai perbedaan
atau penyimpangan yang mungkin. Peramalan kuantitatif hanya dapat digunakan
apabila terdapat tiga kondisi berikut:
1. Adanya informasi tentang keadaan yang lain.
2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data dapat
diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan
datang.
Ada dua kelompok besar metode kuantitatif, yaitu:
a. Metode Time Series
Metode time series dalah metode yang dipergunakan untuk menganalisis
serangkaian data yang merupakan fungsi dari waktu. Metode ini mengasumsikan
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 7/74
V-37
beberapa pola atau kombinasi pola selalu berulang sepanjang waktu, dan pola
dasarnya dapat diidentifikasi semata-mata atas dasar data historis dari serial itu.
Dengan metode deret waktu dapat ditunjukkan bagaimana permintaan terhadap
suatu produk tertentu bervariasi terhadap waktu. Sifat dari perubahan permintaan
dari tahun ke tahun dirumuskan untuk meramalkan penjualan pada masa yang
akan datang.
Ada empat komponen utama yang mempengaruhi analisis ini, yaitu :
1. Pola siklis, jika penjualan produk memilki siklus yang berulang secara
periodik
2. Pola musiman, jika pola penjualan berulang setiap periode
3. Pola horizontal, jika nilai data berfluktuasi di sekitar nilai rata-rata.
4. Pola trend, jika data memiliki kecenderungan untuk naik atau turun terus
menerus
Dalam meramalkan biaya-biaya yang termasuk di dalam biaya operasi
dipergunakan pola trend karena biaya tersebut cenderung naik jika
mesin/peralatan semakin tua atau semakin lama jangka waktu pemakaiannya. Ada
beberapa trend yang digunakan di dalam penyelesaian masalah ini yaitu :
1. Trend linier
Bentuk persamaan umum :
Y = a + bt
sedangkan peramalannya mempunyai bentuk persamaan
Yt = a + bt
∑ ∑∑ ∑ ∑
−
−−
22)( t t n
Y t tY nb
t t
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 8/74
V-38
n
t bY a
t ∑ ∑−=
2. Trend Eksponensial atau Pertumbuhan
Bentuk persamaan umum :
Y = aebt
sedangkan peramalannya mempunyai bentuk persamaan :
Yt = aebt
∑ ∑∑ ∑ ∑
−
−=
22 )(
lnln
t t n
Y t Y t nb
t t
n
t bY a
t ∑ ∑−=
lnln
3. Trend Logaritma
Y = a + b log t
sedangkan bentuk peramalannya :
Yt = a + b log t
∑ ∑∑ ∑ ∑
−
−=
22)log(log
loglog
t t n
Y t tY nb
t t
n
t bY a
t ∑ ∑−=
log
4. Trend Geometrik
Bentuk persamaannya :
Y = atb
sedangkan bentuk peramalannya :
Yt = atb
∑ ∑∑ ∑ ∑
−
−=
22)log(log
logloglog.log
t t n
Y t Y t nb
t t
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 9/74
V-39
n
t bY a
t ∑ ∑−=
loglog
5. Trend Hyperbola
Bentuk persamaan umumnya adalah :
Y =t b
a
sedangkan peramalnnya :
Yt = t b
a
∑ ∑∑ ∑ ∑
−
−=
22)(
loglog.log
t nt
Y t Y t nb
t t
n
t bY a
t ∑ ∑−=
logloglog
Adapun metode peramalan yang termasuk model time series adalah :
1. Metode Penghalusan (Smoothing)
Metode ini digunakan untuk mengurangi ketidakteraturan musiman dari data
yang lalu, dengan membuat rata-rata tertimbang dari sederetan data masa lalu.
Ketepatan dengan metode ini akan terdapat pada peramalan jangka pendek,
sedangkan untuk peramalan jangka panjang kurang akurat.
Metode ini terdiri dari:
a. Metode rata-rata bergerak (moving average)
1. Single Moving Average
Merupakan peramalan untuk satu periode ke depan dari periode rata-rata.
Rumus yang digunakan adalah:
N
X X X F t t N t t
+++= ++−
+11
1
...
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 10/74
V-40
Dimana:
Xi : data pengamatan periode i.
N : jumlah deret waktu yang digunakan
Ft+1 : nilai peramalan periode t+1
2. Linear Moving Avarage
Dasar dari metode ini adalah penggunaan moving average kedua untuk
memperoleh penyesuaian bentuk pola trend.
3. Double Moving Avarage
Notasi yang diberikan adalah MA (M x N), artinya M – periode MA dan
N – periode NA
4. Weigthed Moving Average
Weighted moving average adalah metode perhitungan dengan cara
mengalikan tiap-tiap periode dengan faktor bobot dan membagikannya
dengan hasil produk yang merupakan penjumlahan faktor bobot. Formula
metode Weighted Moving Average adalah:
nt nt t t Aw Aw AwF −−− +++= ...2211
dimana :
w1 : bobot yang diberikan pada periode t-1
w2 : bobot yang diberikan pada periode t-2
wn : bobot yang diberikan pada periode t-n
n : jumlah periode
b. Metode Eksponensial Smoothing
1. Single Eksponensial Smoothing
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 11/74
V-41
Pengertian dasar dari metode ini adalah: nilai ramalan pada periode t+1
merupakan nilai aktual pada periode t ditambah dengan penyesuaian yang
berasal dari kesalahan nilai ramalan yang terjadi pada periode t tersebut.
Secara matematis dapat dinyatakan:
( ) ( ) 1ˆ1ˆ
−−+= t t t f f f α α
dimana :
t f ̂ : perkirakan permintaan pada periode t
α : suatu nilai (0<α <1) yang ditentukan secara subjektif
t f : permintaan aktual pada periode t
1ˆ
−t f : perkiraan permintaan pada periode t-1
2. Double Exponensial Smoothing
Formula Double Exponential Smoothing adalah :
..mba f t t mt +=+
sedangkan :
( ) 1'1' −−+= t t t f X f α α
( ) 1"1"" −−+= t t t f f f α α
dimana
't f : single exponential smoothing
"t f : double exponential smoothing
( ) "'2"'' t t t t t t f f f f f −=−+=α
( )"'1
t t t f f −−
=α
α β
2. Metode Proyeksi Kecenderungan dengan Regresi
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 12/74
V-42
Metode ini merupakan dasar garis kecenderungan untuk suatu persamaan,
sehingga dengan dasar persamaan tersebut dapat di proyeksikan hal-hal yang
akan diteliti pada masa yang akan datang.
Bentuk fungsi dari metode ini dapat berupa:
a. Konstan, dengan fungsi peramalan (Yt):
Yt = a, dimana N
Y a
∑=
1
dimana : Yt = nilai tambah
N = jumlah periode
b. Linier, dengan fungsi peramalan:
Yt = a + bt
dimana :n
bt Y a
−=
( ) ( )
( )∑ ∑
∑ ∑ ∑
−−
−=
22
t t n
yt tynb
c. Kuadratis, dengan fungsi peramalan :
Yt = a + bt + ct2
dimana :
n
t ct bY a
∑ ∑ ∑−−=
2
;∂
−=
α θ bc ;
2α β
θα δ
−∂
−∂=b
( ) ∑∑ −=∂422t nt
∑ ∑ ∑−= tY nY t δ
∑ ∑ ∑−= Y t nY t 22θ
∑ ∑ ∑−= 322t nt t α
( ) ∑∑ −= 22t nt β
d. Eksponensial, dengan fungsi peramalan :
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 13/74
V-43
Yt = aebt
dimana :
n
t bY a
∑ ∑−=
lnln
( )22
lnlnln
∑∑
∑ ∑∑−
−=
t t n
Y t Y t na
e. Siklis, dengan fungsi peramalan :
n
t c
nbaY t
τ τ 2cos
2sinˆ ++=
dimana :
n
t c
n
t bnaY
τ τ 2cos
2sin ∑∑ ++=
n
t
n
t c
nb
n
t a
n
t Y
τ τ τ τ τ 2cos
2sin
2sin
2sin
2sin 2 ∑∑∑ ++=
n
t
n
t b
nc
n
t a
n
t Y
τ τ τ τ τ 2cos
2sin
2cos
2cos
2cos 2 ∑∑∑∑ ++=
3. Metode dekomposisi
Metode peramalan yang ditentukan dengan kombinasi dari fungsi yang ada
sehingga tidak dapat diramalkan secara biasa. Model tersebut didekati dengan
funsi linier atau siklis, kemudian bagi t atas kuartal sementara berdasarkan
pola data yang ada. Metode dekomposisi merupakan pendekatan peramalan
yang tertua. Terdapat beberapa pendekatan alternatif umtuk
mendekomposisikan suatu deret berkala yang semuanya bertujuan
memisahkan setiap komponen deret data seteliti mungkin.
b. Metode Kausal
Peramalan dengan metode kausal mendasarkan hasil ramalan yang disusun
atas pola hubungan antara variabel yang dicari atau diramalkan dengan variabel-
variabel yang mempengaruhinya yang bukan waktu. Dalam analisa ini,
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 14/74
V-44
diasumsikan bahwa faktor atau variabel yang menunjukkan suatu hubungan
pengaruh sebab akibat dengan satu atau lebih variabel bebas. Sebagai contoh,
permintaan akan baju baru mungkin berhubungan dengan banyaknya populasi
pendapatan masyarakat, jenis kelamin, budaya daerah, dan bualn-bulan khusus.
Jadi, maksud dari analisa metode kausal adalah untuk menemukan bentuk
pola hubungan yang saling mempengaruhi antara variabel yang dicari dan
variabel-variabel yang mempengaruhinya, serta menggunakannya untuk
meramalkan nilai-nilai dari variabel pada masa yang akan datang. Metode kausal
dapat dipergunakan dalam peramalan dengan keberhasilan yang lebih besar,
sehingga sering dipergunakan untuk pengambilan keputusan. Metode kausal ini
terdiri dari :
1. Metode regresi dan korelasi
Metode regresi dan korelasi didasarkan pada penetapan suatu persamaan
estimasi menggunakan teknik “least squares”. Ketepatan peramalan dengan
metode ini sangat baik untuk peramalan jangka pendek, sedangkan untuk
peramalan jangka panjang ternyata ketepatannya kurang begitu baik.
2. Model Ekonometri
Metode ini didasarkan atas peramalan pada sistem persamaan regresi yang
diestimasikan secara simultan. Baik untuk peramalan jangka pendek maupun
untuk jangka panjang, ketepatan peramalan dengan metode ini sangat baik.
Data yang dibutuhkan untuk penggunaan metode peramalan ini adalah data
kuartalan beberapa tahun.
3. Model Output-Input
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 15/74
V-45
Metode ini dipergunakan untuk menyusun proyeksi trend ekonomi jangka
panjang. Model ini kurang baik ketepatannya untuk peramalan jangka pendek,
dan sangat baik ketepatannya untuk peramalan jangka panjang. Data yang
digunakan untuk metode ini adalah data tahunan selama sekitar sepuluh
sampai lima belas tahun.
3.1.5. Kriteria Performance Peramalan
Seorang perencana tentu menginginkan hasil perkiraan peramalan yang
tepat atau paling tidak dapat memberikan gambaran yang paling mendekati
sehingga rencana yang dibuatnya merupakan rencana yang realistis. Ketepatan
yang kecil memberikan arti ketelitian peramalan tinggi, keakuratan hasil
peramalan tinggi, begitu pula sebaliknya. Besar kesalahan suatu peramalan dapat
dihitung dengan beberapa cara, antara lain adalah:
1. Mean Square Error (MSE)
( )
N
f f
MSE t t
N
t
2
1
ˆ−
=
∑=
dimana,t
f : data aktual periode t
t f ̂ : nilai ramalan periode t
N : banyaknya periode
2. Standard Error of Estimate (SEE)
( )
f N
f f
SEE
N
t
t t
−
−
=
∑=1
2ˆ
dimana : f = derajat kebebasan
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 16/74
V-46
Untuk data konstan, f = 1
Untuk data linier, f = 2
Untuk data kuadratis, f = 3
Untuk data siklis, f = 3
3. Percentage Error
%100×
−=
t
t t
t X
F X PE
dimana nilai dari PEt bisa positif atau negatif.
4. Mean Absolute Percentage Error (MAPE)
N
PE
MAPE t
N
t
∑== 1
3.1.6. Verifikasi Peramalan
Langkah penting setelah peramalan dibuat adalah melakukan verifikasi peramalan
sedemikian rupa sehingga hasil peramalan tersebut benar-benar mencerminkan
data masa lalu dan sistem sebab akibat yang mendasari permintaan tersebut.
Sepanjang aktualitas peramalan tersebut dapat dipercaya, hasil peramalan akan
terus digunakan. Jika selama proses verifikasi tersebut ditemukan keraguan
validitas metode peramalan yang digunakan, harus dicari metode lainnya yang
lebih cocok. Banyak alat yang dapat digunakan untuk memverifikasi peramalan
dan mendeteksi perubahan sistem sebab akibat yang melatarbelakangi perubahan
pola permintaan. Bentuk yang paling sederhana adalah peta kontrol peramalan
yang mirip dengan peta kontrol kualitas dengan nama Moving Range Chart
(MRC). Peta kontrol ini dapat dibuat dengan dalama kondisi data yang tersedia
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 17/74
V-47
minim. Dari peta ini dapat dilihat apakah sebaran masih dalam control ataupun
sudah berada di luar kontrol. Proses verifikasi dengan menggunakan Moving
Range Chart (MRC), dapat digambarkan pada Gambar 3.1. Harga MR diperoleh
dari :
1
1
2
−=
∑−
=
N
MR
R M
N
t
t
Dimana :
( ) ( )11 −
−−−=− t t F t T t t
Y Y Y Y MR atau :1−
−=t t t
ee MR
Moving Range Chart
-4000
-3000
-2000
-1000
0
1000
2000
3000
4000
1 2 3 4 5 6 7 8 9 10
Y-Y'
UCL
LCL
1/3 UCL
2/3 UCL
1/3 LCL
2/3 LCL
Gambar 3.1. Moving Range Chart
Kondisi out of control dapat diperiksa dengan menggunakan empat aturan
berikut:
1. Aturan Satu Titik
Bila ada titik sebaran (Y-Yf ) berada di luar UCL dan LCL.
2. Aturan Tiga Titik
Bila ada tiga buah titik secara berurutan berada pada salah satu sisi, yang
mana dua diantaranya jatuh pada daerah A.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 18/74
V-48
3. Aturan Lima Titik
Bila ada lima buah titik secara berurutan berada pada salah satu sisi, yang
mana empat diantaranya jatuh pada daerah B.
4. Aturan Delapan Titik
Bila ada delapan buah titik secara berurutan berada pada salah satu sisi, pada
daerah C.
3.2. Economic Order Quantity (EOQ)
Kegunaan EOQ adalah untuk menentukan order Quantity yang akan
meminimumkan jumlah biaya persediaan per waktu. Dalam penggunaannya
metode EOQ ini dapat dikombinasikan untuk menentukan order release. DRP
adalah satu metode yang dipakai bersama – sama dengan EOQ untuk
pengendalian persediaan pada unit distribusi.
Asumsi – asumsi dasar EOQ adalah :
1. Lead time adalah konstan dan diketahui dan demand relatif konstan dan
diketahui ratenya, sehingga tidak terjadi stock out.
2. Preparation cost dan total carrying cost konstan dan diketahui.
3. Replenishment sesegera mungkin, item tiba pada laju infinitif pada suatu
waktu tertentu.
EOQ dapat dihitung dengan rumus :
CV
PD EOQ
2=
Dimana :
P = biaya pengorderan (Rp / order )
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 19/74
V-49
D = jumlah permintaan produk tahunan
C = biaya melakukan persediaan produk tahunan (persentase dari harga
produk)
V = biaya per unit
3.3. Distribution Requirement Planning ( DRP )
Distribusi adalah usaha perpindahan / pengiriman produk dari akhir lini
produksi kepada konsumen. Kegiatan distribusi meliputi transportasi /
pengangkutan, proteksi terhadap pengemasan, pengendalian persediaan, bangunan
pabrik, pemilihan lokasi gudang, pemrosesan pesanan, peramalan pasar, dan
layanan pelanggan.
Distribution Requirement Planning (DRP) adalah suatu rencana
penjadwalan kebutuhan untuk mengisi persediaan pada distribution center (DC).
Sistem distribusi diklasifikasikan atas 2 jenis yaitu :
1. Sistem tarik ( pull system)
Sistem tarik adalah sistem pengisian persediaan dimana setiap DC
menentukan kebutuhannya dan memesan dari CSF.
2. Sistem dorong ( push system)
Sistem dorong adalah sistem pengisian persediaan dimana CSF menentukan
bagaimana mengalokasikan produksi ke DC daripada menunggu mereka untuk
memesan.
Distribution Requirement Planning (DRP) adalah proses manajemen yang
mengintegrasikan sejumlah aktivitas kritis yang perlu untuk mengatur dan
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 20/74
V-50
mengendalikan operasi – operasi distribusi dan mengintegrasikan kebutuhan
operasi tersebut dengan kemampuan dari sumber – sumber persediaan. Logika
yang digunakan dalam DRP hampir sama dengan MRP. DRP mengantisipasi
kebutuhan – kebutuhan dengan perencanaan ke depan pada tiap level distribusi.
Dengan DRP ini, unit usaha memulai penjadwalan distribusi dengan lebih akurat
dan pada saat yang sama mencapai stabilitas produksi.
Sebagai akibatnya kegiatan distribusi produk dapat memperoleh
keuntungan besar dalam hal perbaikan pelayanan pelanggan, pengurangan biaya
persediaan, dan pengurangan sedikitnya biaya – biaya barang yang usang.
3.3.1. Input Distribution Requirement Planning (DRP)
Input – input DRP secara umum meliputi data sebagai berikut :
1. Bill of Distribution
Bill of Distribution adalah informasi tentang hubungan antara supplier dan
yang disuplainya tersusun dalam bentuk level per level.informasi ini
menunjukkan arah informasi material produk dari level yang tinggi ke level
yang rendah. Sehingga akan membantu menentukan kebutuhan kotor yang
lebih tinggi nantinya.
2. Lead time Distribusi
Lead time distribusi adalah waktu yang diperlukan dari pelepasan order
sampai order diterima DC. Lead time distribusi disusun dari beberapa
komponen yaitu pelepasan order , pemuatan barang, pengangkutan barang, dan
pembongkaran barang ke DC.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 21/74
V-51
3. Order Entry
Order Entry merupakan proses penerimaan dan penerjemahan apa yang
diinginkan konsumen kepada bagian distribusi. Hal ini dapat merupakan
sebuah proses yang sederhana seperti pembuatan dokumen penerimaan untuk
finished good product , sampai kepada aktivitas rumit yang meliputi usaha
engineering untuk produk make to order .
4. Forecasting
Forecasting adalah hasil peramalan permintaan produk pada masing – masing
DC yang langsung berhubungan dengan konsumen.
5. Inventory Record
Inventory Record adalah catatan keadaan persediaan produk pada masing –
masing gudang di DC.
3.3.2. Logika Distribution Requirement Planning (DRP)
Pada intinya logika dari proses DRP adalah proses – proses yang hampir
sama dengan MRP yaitu :
1. Netting
Netting adalah proses perhitungan kebutuhan bersih (net requirement ).
Kebutuhan bersih adalah selisih antara kebutuhan kotor (Gross Requirement )
dengan keadaan persediaan yaitu persediaan yang masih dimiliki (on-hand )
dan sedang dipesan (on-order ). Dimana kebutuhan kotor untuk DC adalah
hasil ramalan permintaan produk pada DC tersebut. Data yang harus diketahui
untuk menentukan kebutuhan bersih pada setiap periode adalah persediaan
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 22/74
V-52
yang masih dipunyai ( project on – hand ) pada awal perencanaan dan jadwal
penerimaan untuk tiap periode perencanaan.
2. Lot Sizing
Lot Sizing adalah proses untuk menentukan besarnya pesanan pada setiap item
berdasarkan kebutuhan bersih yang dihasilkan dari proses netting. Biasanya
cara yang digunakan adalah economic order Quantity (EOQ).
3. Offsetting
Offsetting bertujuan menentukan saat yang tepat untuk melakukan rencana
pemesanan guna memenuhi kebutuhan bersih.
4. Exploding
Exploding adalah proses perhitungan kebutuhan kotor untuk item pada level
yang lebih tinggi. Dasar untuk menentukan kebutuhan item pada level
tergantung pada posisinya pada struktur distribusi.
3.3.3. Output Distribution Requirement Planning (DRP)
Sistem DRP dengan nyata menghasilkan dua output yaitu DRP display
untuk setiap DC, dan master schedule yang merupakan DRP display untuk CSF di
samping terdapat pegging informasi yang dapat melacak kembali sumber dari
permintaan pada CSF dan Transportation Planning Report .
DRP display (DRP Worksheet ) memiliki 2 bagian penting yaitu :
1. Time Phased Information
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 23/74
V-53
Time phased information adalah informasi – informasi yang dikeluarkan
berdasarkan pada suatu time phased yang menunjukkan perkiraan keadaan
pada time phased tersebut. Informasi time – phased meliputi :
a. Gross Requirement
Gross Requirement merupakan permintaan akan suatu item atau produk yang
diramalkan.
b. Schedule receipt
Schedule receipt adalah jumlah item atau produk yang dijadwalkan untuk
dimasukkan dalam stok. Schedule receipt produk tidak harus dalam
perjalanan, tetapi dapat juga berupa order yang masih dalam pengemasan dan
pemuatan.
c. Planned order
Planned order adalah order yang belum dilepas dan masih dalam
perencanaan. Pada DC, Planned order adalah jadwal untuk pengiriman
produk pada masa yang akan datang dari CSF.
d. Project on – hand balance
Project On – hand balance adalah proyeksi jumlah persediaan yang ada pada
suatu time phased tertentu. Project On – hand balance merupakan suatu
perencanaan jumlah persediaan pada DC dan CSF yang dijadikan gambaran
persediaan yang ada pada masa yang akan datang. Sehingga dengan project on
– hnad balance ini, setiap komponen sistem distribusi dapat mengetahui
masing – masing inventory level sistem tersebut.
2. Description Information
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 24/74
V-54
Description information adalah atribut – atribut masukan pada awal
perencanaan. Description information ini berupa pengolahan data awal untuk
masukan sistem DRP. Description Information meliputi :
a. On – hand balance
On – hand balance adalah jumlah persediaan produk yang terdapat dalam DC
pada awal perencanaan. On – hand balance tidak termasuk pada produk yang
berada dalam transit dan produk yang rusak. Jadi produk yang ada pada DC
adalah jumlah produk yang tersedia untuk dikirimkan.
b. Safety stock
Safety stock adalah persediaan pengaman yang digunakan untuk memproteksi
keadaan apabila penjualan melebihi apa yang diramalkan.
c. Lead time distribusi
Lead time distribusi adalah waktu yang dibutuhkan untuk melepaskan suatu
order sampai waktu order diterima di distribusi. Lead time distribusi dimulai
saat menentukan kebutuhan untuk sebuah penambahan (replenishment )
sampai saat inventory yang dibutuhkan.
d. Order Quantity
Order Quantity adalah jumlah produk yang telah ditentukan untuk dikirim.
Sedangkan pegging information adalah suatu cara untuk dapat melacak
kembali sumber dari permintaan pada CSF untuk satu waktu tertentu. Pegging
information sangat berguna bilamana seluruh demand dari sebuah item tidak dapat
dipenuhi.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 25/74
V-55
Penggunaan pegging ini penting dilakukan untuk menghemat waktu dalam
memperoleh sumber masalah untuk perencanaan pendistribusian bilamana
demand melebihi supply. Dengan bantuan pegging information, perencana dapat
lebih banyak menghabiskan waktu untuk pemecahan masalah tersebut daripada
mencari dimana terjadi kelebihan demand .
Transportation planning report adalah laporan yang berisikan
perencanaan jumlah alat transportasi untuk pengiriman item ke suatu DC tertentu.
3.3.4. Sumber – sumber Perubahan yang Mempengaruhi Rencana DRP
Beberapa perubahan yang mungkin akan mempengaruhi rencana DRP
adalah :
1. Kesalahan peramalan
2. Perbaikan – perbaikan peramalan
3. Variasi waktu tunggu
4. Kehilangan atau kerusakan dari inventory
5. Pemogokan karyawan / pekerja
3.3.5. Integrasi Sistem Distribusi dan Manufaktur
Integrasi sistem distribusi dan manufaktur bertemu pada jadwal induk
produksi (MPS) dimana Planned order untuk central supply stocking point
menjadi satu input utama dalam pengembangan MPS. MPS juga
mempertimbangkan kebutuhan – kebutuhan lain seperti pesanan – pesanan
internal atau antar pabrik. Tetapi ramalan untuk permintaan produk disaring
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 26/74
V-56
melalui rencana distribusi, seharusnya menjadi penyumbang utama bagi MPS.
Integrasi sistem distribusi dan manufaktur dikenal sebagai DRP / MRP connention
yang bertemu pada MPS. Dengan kata lain, titik dimana sistem distribusi dan
sistem produksi digabung secara bersama adalah melalui pengembangan dari satu
MPS.
Manajemen permintaan menggambarkan keterkaitan (connection) antara
market place dan manufaktur. Pada umumnya dimulai dengan peramalan dan
berakhir dengan suatu MPS yang konsisten sesuai dengan tujuan jangka panjang
perusahaan dan kendala kapasitas. Melalui pengintegrasian sistem distribusi dan
produksi, dimana data dan catatan time phased grid berada dalam format yang
sesuai fungsi manajemen permintaan dapat menjadi lebih efektif, efisien, dan
tepat waktu.
3.3.6. Stok Pengaman dalam DRP
Stok pengaman dalam DRP digunakan untuk mengantisipasi
ketidakpastian permintaan relatif terhadap ramalan – ramalan yang dibuat.
Ketidakpastian ini paling mungkin terjadi apabila permintaan benar – benar
independent pada pusat – pusat distribusi yang secara langsung melayani
pelanggan. Sedangkan keadaan permintaan yang ditempatkan ada intermediate
distribution center adalah dependent demand yang seharusnya dapat diperkirakan.
Planned requirement yang ditunjukkan pada TPOP display, mengijinkan
tindakan – tindakan yang berkaitan dengan pesanan dapat direncanakan lebih awal
dengan lebih sedikit terjadi hal – hal yang bersifat luar biasa. Bagaimanapun, stok
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 27/74
V-57
pengaman masih tetap diperlukan pada intermediate distribution centres. Namun
tingkat stok pengaman secara keseluruhan dalam sistem distribusi seharusnya
menjadi lebih kecil untuk push system daripada pull system.
Sebagai tambahan, apabila permintaan adalah discontinuous, penggunaan
metode safety Lead time lebih tepat atau cocok mengantisipasi ketidakpastian
dibandingkan dengan penggunaan Safety stock Quant ities.
Safety Lead time didefenisikan sebagai suatu elemen waktu yang
ditambahkan pada noraml Lead time untuk memenuhi suatu pesanan sebelum
tanggal dibutuhkan (real need date) guna mencegah fluktuasi dalam waktu tunggu
(supply uncertainty). Apabila menggunakan sistem MRP untuk item – item
inventory yang tergolong dependent demand , diperlukan Lead time offset yaitu
teknik yang digunakan dimana Planned order receipts dalam suatu periode waktu
membutuhkan order release lebih awal didasarkan pada waktu tunggu untuk item
itu.
Banyaknya safety Lead time terhadap penyesuaian reorder point
mencakup penambahan unit item sehingga pesanan pengisian kembali akan
dilakukan lebih awal kepada pabrik untuk item yang dibeli atau kepada pabrik
untuk item yang dibuat. Asumsinya jika pesanan suatu item dilakukan lebih awal,
tetapi penyerahan item itu berada dalam Lead time yang diharapkan atau lebih
lambat, maka diharapkan kuantitas pengisian kembali tidak terlambat datang.
Variabilitas Lead time dapat diukur dari simpangan baku disekitar rata –
rata lead time, sehingga penentuan banyaknya tambahan waktu dalam upaya
menentukan safety Lead time dapat menjadi optimum.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 28/74
V-58
Menghadapi situasi ketidakpastian permintaan (demand uncertainty) dan
juga ketidakpastian waktu tunggu ( Lead time uncertainty), dibutuhkan lebih
banyak stok pengaman dibandingkan apabila hanya mempertimbangkan salah satu
ketidakpastian tetapi tidak sebanyak pengkombinasian keduanya (stok pengaman
dari permintaan tidak pasti + stok pengaman dari penawaran / Lead time tidak
pasti). Karena probabilitas bersama ( joint probability) dari kelebihan permintaan
dan kelebihan Lead time tidak terjadi dalam siklus pesanan yang sama lebih kecil
dari probabilitas yang tunggal (single probability) untuk kelebihan permintaan
atau kelebihan Lead time terjadi secara bebas.
Dengan demikian apabila permintaan dan penawaran kedua – duanya
bersifat tidak pasti, banyaknya stok pengaman yang disimpan seharusnya
didasarkan pada probabilitas bersama ( joint probability) dari kedua ketidak
pastian itu.
Salah satu cara untuk menyelesaikan masalah ketidak pastian permintaan
dan penawaran ( Lead time uncertainty) adalah mengkombinasikan data yang
menunjukkan rata – rata permintaan selama suatu rata – rata Lead time dan
membangun distribusi probabilitas tunggal. Hal ini akan menghasilkan ukuran
variasi yang lebih besar, namun dapat diterapkan sebagai perhitungan dalam
keadaaan normal untuk menentukan stok pengaman guna mencapai tingkat
pelayanan yang diinginkan yaitu :
SS = z x s
Dimana :
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 29/74
V-59
SS = stok pengaman yang disediakan untuk menghadapi ketidakpastian
permintaan dan penawaran.
z = faktor pengganda pada tingkat pelayanan yang diinginkan.
s = simpangan baku di sekitar rata – rata permintaan selama rata – rata lead time.
Safety Factor (service level) adalah tingkat pelayanan kosumen yang
merupakan penyimpanan normal standar yang memberi kemungkinan terjadinya tidak
ada persediaan atau stock out.
Penentuan safety level adalah dengan membagi jumlah permintaan yang dapat
dipenuhi dengan jumlah permintaan total dikali dengan 100 %.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 30/74
V-60
BAB IV
METODOLOGI PENELITIAN
4.1. Tempat dan Waktu Penelitian
Penelitian ini akan dilaksanakan pada bulan Januari 2010 sampai dengan
Maret 2010. Dan penelitian ini akan dilaksanakan di PT. Uni Perkasa yang
beralamat di Jl. Johar No. 62 Sunggal, Medan.
4.2. Objek Penelitian
Objek penelitian yang diteliti adalah jumlah kebutuhan produk /
permintaan di tiap Distribution Center . Dalam penelitian ini, produk yang
digunakan adalah AMDK ( Air Minum Dalam Kemasan ) Minly.
4.3. Variabel / Data Penelitian
Adapun variabel yang mempengaruhi perencanaan suatu sistem distribusi
adalah :
1. Jumlah permintaan di tiap DC .
2. Biaya-biaya dalam proses pendistribusian.
3. Lead time distribusi.
4. Status Persediaan ( Inventory record ).
5. Jaringan distribusi produk di PT. Uni Perkasa.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 31/74
V-61
4.4. Instrumen Penelitian
Instrumen penelitian yang digunakan adalah metode peramalan kuantitatif
dan metode perencanaan kebutuhan DRP.
4.5. Pelaksanaan Penelitian
Pelaksanaan Penelitian mulai dilakukan setelah SK TA keluar atau dimulai
dari bulan Januari 2010 hingga laporan penelitian selesai ( masa berlaku 6 bulan ).
4.6. Sistem Informasi
Sistem informasi yang diaplikasikan dalam perusahaan awalnya bersifat
manual, hanya menggunakan telepon, untuk segala keperluan operasional
perusahaan
baik internal maupun eksternal.
Hal tersebut dapat dilihat pada Gambar 4.1
Gambar 4.1. Sistem Informasi Distribusi Produk
Perusahaan menerima orderan dari bagian pemasaran. Informasi
permintaan produk tentu saja berawal dari sales tiap wilayah ataupun permintaan
via telepon, faximile dan e-mail dari DC tertentu. Selanjutnya perusahaan
mengecek persediaan yang ada dari bagian pergudangan. Jika jumlah produk tidak
mencukupi , maka dilakukan pemasokan bahan baku yang akan diproses menjadi
Pemasok
Bahan BakuUni
Perkasa
Agen
Penjual
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 32/74
V-62
produk guna memenuhi jumlah permintaan. Perusahaan akan melakukan
pengiriman langsung ke DC yang bersangkutan jikalau produk telah ada ;
begitupun seterusnya.
Jadi, dalam hal ini perusahaan dituntut untuk melakukan pendistribusian
yang efektif untuk mendukung strategi supply chain ( distribusi yang tak
terhambat ). Pendistribusian yang efektif tentu didukung oleh persediaan / stok
yang ada dan bagaimana mengalokasikannya sehingga permintaan dari DC dapat
terpenuhi secara tepat waktu. Aliran distribusi yang lancar merupakan salah satu
cara untuk meningkatkan efisiensi dan profit perusahaan yang berdampak pada
peningkatan produktivitas perusahaan. Untuk lebih jelasnya akan digambar tabel
pendistribusian makanan ternak secara ril seperti pada Gambar 4.2.
4.7. Pengolahan Data
Dalam pengolahan data penelitian ini digunakan metode kuantitatif.
Semua data yang terkumpul, baik data yang berasal dari hasil wawancara dengan
bagian produksi, data yang berasal dari pengamatan secara langsung, maupun data
tertulis akan diolah sesuai dengan langkah – langkah dalam metode DRP untuk
mendapatkan hasil akhir yaitu DRP Worksheet dan Pegging Information. Tahapan
– tahapan yang dilakukan dalam pengolahan data yaitu :
a. Perhitungan Peramalan
Dari data permintaan atau data jumlah produk jelly yang didistribusikan sepanjang
tahun 2009, dilakukan peramalan untuk tahun 2010. Dalam meramalkan data ini,
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 33/74
V-63
BagianPemasaran
Sales
Bagian Gudang / Persediaan
Produk
Pemasok BahanBaku
Mengirimkan OrderProduk
Order BahanBaku Diproses
Jadi Produk
PengirimanBahan BakuDistribution
Centers
MengirimkanOrder
UNIPERKASA
J u m l a h P r o d u k
C u k u p
J uml ah P r o d uk
T i d ak C uk u p
Gambar 4.2. Rantai Pendistribusian Produk
digunakan tiga metode peramalan, dimana metode peramalan yang digunakan
adalah metode peramalan dengan SEE terkecil. Peramalan dilakukan untuk
semua DC.
b. Safety Stock
Dalam pengembangan sistem DRP, perkiraan safety stock dilakukan dengan
cara sederhana dan menganggap permintaan normal selama lead time distribusi
dan service level yang diinginkan adalah 95%.
c. Economic Order Quantity (EOQ)
Kegunaan EOQ adalah untuk menentukan order quantity yang akan
meminimumkan jumlah biaya pemesanan dan biaya persssediaan per waktu.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 34/74
V-64
Dari perhitungan EOQ, maka dapat disusun perencanaan DRP untuk setiap DC
dalam time bucket bulanan.
d. DRP Worksheet dan Pegging Information
Setelah langkah – langkah diatas, kemudian disusun DRP Worksheet dan
Pegging Information sesuai dengan hasil perhitungan. Elemen – elemen yang
ada dalam DRP Worksheet adalah gross requirement, on hand, safety stock, in
transit dan replenish order.
Diagram yang menggambarkan tahap-tahap pengolahan data dapat dilihat
pada Gambar 4.3.
4.8. Analisa Data
Setelah hasil dalam pengolahan data didapat, langkah selanjutnya adalah
menganalisis data tersebut. Dalam analisis data, akan ditentukan faktor – faktor
yang dianggap dominan dalam menentukan saluran distribusi dan kebutuhan
produk setiap DC akan dianalisi sebagai landasan dalam menyusun strategi bisnis
selanjutnya. Dan jumlah pesanan ekonomis yang dapat diterapkan pada setiap DC
sesuai dengan kebutuhan tiap periodenya.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 35/74
V-65
Menentukan peramalan permintaan konsumen- Peramalan dengan menggunakan software QS
- Pilih metode peramalan berdasarkan MAD terkecil
Menetapkan Economic Order Quantity (EOQ)
- Hitung biaya order
- Biaya persediaan- Biaya per unit
Membuat DRP Worksheet - Hitung GR, POH, order release, schedule receipt
Membuat Pegging Information
- Masukkan data DRP sheet dalam diagram Pegging
Information
Gambar 4.3. Blok Diagram Pengolahan Data
Perhitungan safety stock
- Hitung rata-rata peramalan tiap DC- Hitung standar deviasi
- Hitung safety stock
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 36/74
V-66
BAB V
PENGUMPULAN DAN PENGOLAHAN DATA
5.1. Pengumpulan Data
PT. Uni Perkasa merupakan suatu perusahaan swasta yang bergerak di
bidang produksi air minum kemasan, air rasa dan jelly. Produk yang dihasilkan
oleh PT. Uni Perkasa mempunyai merk seperti “Minly”, “Syrup Aceh”,
“Fantamin”, “ Black Coffee” dan “Ria Jelly”.
Data yang dikumpulkan dalam penelitian ini adalah data permintaan
produk ” Minly “ dari tiap DC, data waktu ancang ( lead time) ke tiap DC ,status
persediaan awal dan safety stock , data biaya pemesanan, dan data biaya simpan.
Minly merupakan air minum dalam kemasan ( AMDK ) dengan ukuran cup 220
ml dan tiap karton / dus berisi 48 buah cup. Jaringan distribusi produk minly
mencakup 4 kota ( DC ) yaitu kota Padang, Pekanbaru, Aceh dan Bandar
Lampung. Jaringan distribusi PT. Uni Perkasa dapat dilihat pada Gambar 5.1.
PT. Uni
Perkasa
Bandar
LampungPadangAceh Pekanbaru
Gambar 5.1. Jaringan Distribusi PT. Uni Perkasa
5.1.1. Data Jumlah Permintaan Produk Minly
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 37/74
V-67
Data jumlah permintaan yang digunakan adalah dari periode Maret 2009
hingga Maret 2010 yang akan digunakan untuk meramalkan jumlah permintaan
pada periode berikutnya di masing-masing DC. Berikut data jumlah permintaan
produk Minly dapat dilihat pada Tabel 5.1 dan satuan yang digunakan untuk
masing-masing DC adalah kotak.
Tabel 5.1. Permintaan Produk Minly pada Masing – Masing DC
Bulan
DC 1
( Aceh)
DC 2
( Padang )
DC 3
( Bandar Lampung )
DC 4
( Pekanbaru )
Maret 2009 21000 25100 15600 8700
April 2009 35000 18200 15400 13700
Mei 2009 27000 25200 14200 27700
Juni 2009 42500 24300 13800 25000
Juli 2009 43000 15000 12200 27000
Agustus 2009 45000 16500 11500 28700
September 2009 32000 29000 11000 29900
Oktober 2009 55000 31500 12000 24300
November 2009 46500 41400 12300 9000
Desember 2009 51000 33700 14400 6350
Januari 2010 23600 12000 14400 5600
Februari 2010 24700 15000 15600 12500
Jumlah446300 286900 162400 218450
Sumber : PT. Uni Perkasa
5.1.2. Data Lead Time
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 38/74
V-68
Lead time adalah selang waktu antara dimulainya pemesanan barang
hingga pesanan diterima, data ini dibutuhkan untuk menetapkan kapan waktu
yang tepat untuk melakukan pemesanan agar barang yang digunakan sesuai
dengan waktu yang dibutuhkan. Tabel 5.2 berisikan data setiap kota ( DC )
beserta lead time nya.
Tabel 5.2. Lead time Distribusi Masing – Masing DC
Nama DC Lead Time
Bandar Lampung 1 minggu
Padang 4 hari
Aceh 3 hari
Pekanbaru 2 hari
5.1.3. Status Persediaan Awal dan Safety Stock
Status persediaan awal berisikan persediaan produk pada setiap DC di
awal perencanaan dan safety stock adalah stok pengaman untuk mencegah
fluktuasi permintaan. Persediaan awal dan safety stock AMDK Minly di masing –
masing DC dapat dilihat pada Tabel 5.3.
5.1.4. Data Biaya-biaya Terkait
Perhitungan biaya pemesanan berbeda-beda pada setiap DC tergantung
jarak yang ditempuhnya.
Tabel 5.3. Status Persediaan Awal dan Safety Stock Masing – masing DC
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 39/74
V-69
No. Nama DC
Jumlah
Persediaan( Kotak )
Safety Stock
( Kotak )
1 Aceh 350 85
2 Padang 200 35
3 Bandar Lampung 170 30
4 Pekanbaru 150 10
Biaya-biaya ini meliputi biaya pemesanan ( via telepon ) dan biaya transportasi.
Berikut biaya-biaya yang terkait untuk setiap DC :
1. Biaya pesan untuk DC 1 ( Aceh )
• Biaya berkas nota dan nota = 5.000
• Biaya telepon 10 menit = 10.000
• Biaya bongkar muat = 350.000
Total : Rp.365.000
+
2. Biaya pesan untuk DC 2 ( Padang )
• Biaya berkas nota dan nota = 5.000
• Biaya telepon 10 menit = 10.000
• Biaya bongkar muat = 350.000
Total : Rp.365.000
+
3. Biaya pesan untuk DC 3 ( Bandar Lampung )
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 40/74
V-70
• Biaya berkas nota dan nota = 5.000
• Biaya telepon 10 menit = 10.000
• Biaya bongkar muat = 280.000
Total : Rp.295.000
+
4. Biaya pesan untuk DC 4 ( Pekanbaru )
• Biaya berkas nota dan nota = 5.000
• Biaya telepon 10 menit = 10.000
• Biaya bongkar muat = 300.000
Total : Rp.315.000
+
5.1.5. Data Frekuensi Pemesanan Tiap-tiap DC pada Tahun 2008
Frekuensi pemesanan produk minly ( Air minum dalam kemasan ) setiap
DC berbeda-beda , jumlah pemesanan yang dilakukan setiap tahun dapat dilihat
pada Tabel 5.4.
Tabel 5.4. Frekuensi Pemesanan tiap DC
DC Frekuensi Pemesanan per Tahun (kali )
Aceh 48
Padang 35
Bandar Lampung 30
Pekanbaru 32
5.2. Pengolahan Data
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 41/74
V-71
5.2.1. Peramalan dan Proporsi Kebutuhan ( Permintaan )
Untuk mengetahui jumlah permintaan yang akan datang, dibuat perkiraan
permintaan melalui peramalan kebutuhan tiap DC dengan bantuan softwar e Q.S
dengan menggunakan sepuluh metode yaitu:
1. Double exponential smoothing.
2. Exponential smoothing with linier trend.
3. Double exponential smoothing with linier trend.
4. Adaptive exponential smoothing.
5. Linier regression
6. Winter’s model
7. Simple average.
8. Weight moving average.
9. Moving average with linier trend.
10. Single exponential smoothing.
Data yang digunakan adalah data 12 bulan lalu yang dimulai dari bulan
Maret 2009 hingga Februari 2010 . Data tersebut akan dijadikan sebagai acuan
untuk melakukan peramalan kebutuhan produk Minly untuk 12 bulan mendatang.
Metode peramalan yang akan dipilih adalah metode dengan tingkat kesalahan
terkecil ( MAD terkecil ). Dengan memilih MAD( Mean Absolute Deviation )
terkecil sebagai parameter tingkat kesalahan, nilai tingkat kesalahan dapat dilihat
pada Tabel 5.5.
Tabel 5.5. Model dan Nilai Kesalahan
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 42/74
V-72
Nama DC Model Peramalan
Nilai MAD
terkecil
Aceh Exponential smoothing with linear trend’s model 7567
Padang Winter’s model 8270
Bandar Lampung Double Exponential smoothing with linear trend’s model 697
Pekanbaru Double exponential smoothing with linear’s model 5834
Hasil peramalan untuk masing–masing DC dapat dilihat pada Tabel 5.6.
Tabel 5.6. Rekapitulasi Hasil Peramalan
No Bulan
Jumlah Item
( Kotak )
Aceh
( Exponential
smoothing with
linear trend’s
model )
Padang
(Winter’s
model )
Bandar
Lampung
( Double
exponential
smoothing with
linear’s model )
Pekanbaru
( Double
exponential
smoothing with
linear’s model )
1 Maret 2010 20176 21322 16090 15800
2 April 2010 21600 15104 16600 17880
3 Mei 2010 25000 2041517110
19050
4 Juni 2010 29500 2921117620
23150
5 Juli 2010 36700 2656418130
28280
6 Agustus 2010 41200 1239618640
29450
7 September 2010 50850 31218 19150 30550
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 43/74
V-73
8 Oktober 2010 52420 3742819660
31700
9 November 2010 57000 40663 20170 28800
10 Desember 2010 65500 5767020680
26500
11 Januari 2011 28500 1783721190
15100
12 Februari 2011 29600 1950121700
11300
Jumlah 458046 329329 226740 277560
5.2.2. Perbandingan Grafik Laju Permintaan
Grafik laju permintaan produk minly untuk tiap DC tahun 2009 dan laju
permintaan peramalan tahun 2010.
• Untuk DC Aceh
Gambar 5.2. Permintaan Produk di DC Aceh Tahun 2009 dan
Peramalan Tahun 2010
• Untuk DC Padang
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 44/74
V-74
Gambar 5.3. Permintaan Produk di DC Padang Tahun 2009 dan
Peramalan Tahun 2010
• Untuk DC Bandar Lampung
Gambar 5.4. Permintaan Produk di DC Bandar Lampung Tahun 2009 dan
Peramalan Tahun 2010
• Untuk DC Pekanbaru
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 45/74
V-75
Gambar 5.5. Permintaan Produk di DC Pekanbaru Tahun 2009 dan
Peramalan Tahun 2010
5.2.3. Perhitungan EOQ untuk Setiap DC
Perhitungan EOQ dilakukan dengan menggunakan rumus berikut.
CV
PD EOQ
2=
Dimana : P = biaya pengorderan (Rp/ order )
D = jumlah permintaan produk tahunan
C = biaya persediaan tahunan (persentase dari harga produk)
V = biaya per unit
Berikut perhitungan EOQ dan safety stock untuk masing-masing DC :
• DC Aceh
P = Rp 365.000
D = 458.046 kotak
CV = Rp. 800 ( 10% dari harga produk )
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 46/74
V-76
kotak EOQ
CV
PD EOQ
450.20
2,444.20800
)046.458)(000.365(22
=
===
Total permintaan = 458.046 / tahun = 38.170 / bulan = 9540 / minggu
Frekuensi pembelian dalam 1 tahun = 22450.20
046.458= kali
• DC Padang
P = Rp 765.000
D = 329.329 kotak
CV = Rp. 800
kotak EOQ
CV
PD EOQ
340.17
3,335.17800
)329.329)(000.365(22
=
===
Total permintaan = 329.329 / tahun = 27.500 / bulan = 6870 / minggu
Frekuensi pembelian dalam 1 tahun = 19340.17
329.329= kali
• DC Bandar Lampung
P = Rp 1.015.000
D = 226.740 kotak
CV = Rp. 800
kotak EOQ
CV
PD EOQ
950.12
4,931.12800
)740.226)(000.295(22
=
===
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 47/74
V-77
Total permintaan = 226.740 / tahun = 18.890 / bulan = 4.720 / minggu
Frekuensi pembelian dalam 1 tahun = 17950.12740.226 = kali
• DC Pekanbaru
P = Rp 515.000
D = 277.560 kotak
CV = Rp. 800
kotak EOQ
CV
PD EOQ
800.14
4,784.14800
)560.277)(000.315(22
=
===
Total permintaan = 277.560 / tahun = 23.130 / bulan
Frekuensi pembelian dalam 1 tahun = 18800.14
560.277
= kali
5.2.4. Perhitungan Safety Stock
Safety stock merupakan suatu acuan untuk melakukan pemesanan kembali
guna memenuhi hasil peramalan. Dalam pengembangan sistem DRP ini, perkiraan
Safety stock dilakukan dengan cara sederhana dengan menganggap permintaan
normal selama Lead time distribusi dan service level yang digunakan adalah
92,55%. Perhitungan / penentuan persentase service level setelah menganalisis
service level masing-masing DC per bulannya dapat dilihat di bagian lampiran.
Sesuai dengan landasan teori, maka rumus untuk menghitung Safety stock
adalah :
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 48/74
V-78
SS = s x z
Dimana : s = standar deviasi penjualan
z = faktor penggandaan pada service level yang diinginkan.
1
2(1
)
−
−
=∑
=
−
n
X Xi
s
n
i
Dimana : ∑Xi = jumlah seluruh data penjualan
X −
= rata – rata penjualan
Xi = nilai penjualan ke – i
n = jumlah data
Service level 92,55% memberikan nilai z sebesar 1,445 yang diperoleh melalui
interpolasi dari Tabel kurva normal.
1. Safety stock pada DC Aceh seperti pada Tabel 5.7.
Tabel 5.7. Data Hasil Peramalan DC Aceh
BulanHasil Peramalan
( Xi )
Rata-Rata
( X )( Xi - X )
2
Maret 2010 20176
38171
323802030
April 2010 21600
274581470Mei 2010 25000
173462070
Juni 2010 29500
75177570
Juli 2010 36700
2162370
Agustus 2010 41200
9177870
September 2010 50850
160769720
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 49/74
V-79
Oktober 2010 52420203048250
November 2010 57000354550070
Desember 2010 65500
746901570
Januari 2011 28500
93518570
Februari 2011 2960073453470
Total ( ∑ ) 4580462.490.605.033
047.15112
033.605.490.2
1
2(1
)=
−=
−
−
=∑
=
−
n
X Xi
s
n
i kotak
SS = 15.047 kotak x 1,445 = 21.700 kotak
2. Safety stock pada DC Padang seperti pada Tabel 5.8.
Tabel 5.8. Data Hasil Peramalan DC Padang
BulanHasil Peramalan
( Xi )
Rata-Rata
( X )( Xi - X )
2
Maret 2010 21322
27444
37479904
April 2010 15104152275600
Mei 2010 2041549406841
Juni 2010 292113122289
Juli 2010 26564774400
Agustus 2010 12396226442304
September 2010 3121814243076
Oktober 2010 3742899680256
November 2010 40663174741961
Desember 2010 57670913611076
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 50/74
V-80
Januari 2011 1783792294449
Februari 2011 19501 63091249Total ( ∑ ) 329.329
1.827.163.405
888.12112
405.163.827.1
1
2(1
)=
−=
−
−
=∑
=
−
n
X Xi
s
n
i kotak
SS = 12.888 kotak x 1,445 = 18.600 kotak
3. Safety stock pada DC Bandar Lampung seperti pada Tabel 5.9.
Tabel 5.9. Data Hasil Peramalan DC Bandar Lampung
BulanHasil Peramalan
( Xi )
Rata-Rata
( X )( Xi - X )
2
Maret 201016090
18895
7868025
April 2010 16600 5267025
Mei 2010 17110 3186225
Juni 2010 17620 1625625
Juli 2010 18130 585225
Agustus 2010 18640 65025
September 2010 19150 65025
Oktober 2010 19660 585225
November 2010 20170 1625625
Desember 2010 20680 3186225
Januari 2011 21190 5267025
Februari 2011 21700 7868025
Total ( ∑ ) 226.740
37.194.300
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 51/74
V-81
839.1112300.194.37
1
2(1
)=
−=
−
−
=
∑=
−
n
X Xi
s
n
i kotak
SS = 1.839 kotak x 1,445 = 2.600 kotak
4. Safety stock pada DC Pekanbaru seperti pada Tabel 5.10.
Tabel 5.10. Data Hasil Peramalan DC Pekanbaru
BulanHasil Peramalan
( Xi )
Rata-Rata
( X )( Xi - X )
2
Maret 2010 15800
23130
53728900
April 2010 17880
27562500
Mei 2010 19050
16646400
Juni 2010 23150
400Juli 2010 28280
26522500
Agustus 2010 29450
39942400
September 2010 30550
55056400
Oktober 2010 31700
73444900
November 2010 28800
32148900
Desember 2010 26500
11356900
Januari 2011 15100
64480900
Februari 2011 11300
139948900
Total ( ∑ ) 277.560540.840.000
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 52/74
V-82
012.7112000.840.540
1
2(1
)=
−=
−
−
=
∑=
−
n
X Xi
s
n
i kotak
SS = 7.012 kotak x 1,445 = 10.100 kotak
Berikut rekapitulasi hasil EOQ, safety stock dan frekuensi pembelian per
tahun dari masing-masing DC dapat dilihat pada Tabel 5.11.
Tabel 5.11. Rekapitulasi Perhitungan EOQ, Safety Stock dan Frekuensi
Pembelian per tahun
No.
Distribution Center
( DC )
EOQ
( kotak )
Safety Stock
( kotak )
Frek. Pembelian dalam
Setahun
1 Aceh 20.450 21.700 22 kali
2 Padang 17.340 18.600 19 kali
3 Bandar Lampung 12.950 2.600 17 kali
4 Pekanbaru 14.800 7.012 18 kali
5.2.5. Distribution Requirement Planning Worksheet
Dari perhitungan data diatas, maka dapat disusun perencanaan DRP untuk
setiap DC dalam time bucket mingguan sebab lead time masing-masing DC tidak
melewati 1 bulan atau hanya dalam mingguan. Dan permintaan mingguan
diperoleh dengan membagi rata permintaan tahunan dengan 54 minggu.
Dalam DRP, ada beberapa istilah yang perlu diketahui yaitu :
a. GR (Gross Requirement ) : jumlah permintaan yang akan didistribusikan yang
diperoleh dari hasil peramalan
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 53/74
V-83
b. SR (Schedule Receipt ) : jumlah penerimaan yang sudah terjadwal sebagai
hasil PORel sebelumnya. SR ini disebut juga dengan open – order.
c. POH (Projected On Hand ) : jumlah persediaan yang ada yang kadang –
kadang sebagian persediaan sudah dialokasikan.
d. PORec (Plan Order Receipt ) : jumlah pemesanan yang dijadwalkan pada
periode yang dibutuhkan setelah melewati Lead time.
e. PORel (Plan Order Release) : rencana pemesanan setelah informasi Lead time
diperhitungkan. Lead time adalah tenggang waktu antara pemesanan dan
penerimaan pesanan.
Contoh perhitungan DRP worksheet untuk DC Aceh :
1. minggu 1 bulan Maret 2010
a. GR = nilai peramalan pada minggu 1 bulan Maret tahun 2010 = 20.176 / 4
= 5.044 kotak
b. PORec = 20.450 kotak , karena stok / POh tidak mencukupi.
c. PORel = pesanan permintaan karena stok tidak cukup untuk memenuhi
permintaan bulan Maret 2010 ( Lead time = 3 hari) = 0 karena minggu ke
dua tidak melakukan pemesanan.
d. SR = 0 , sebab pemesanan yang dilakukan dapat diterima dalam waktu 1
bulan.
e. POH = data persediaan pada akhir bulan Februari 2010 = 350 kotak
PoRec + POH sebelumnya – GR
20.450 + 350 – 5.044 = 15.756 kotak
2. minggu ke-2
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 54/74
V-84
a. GR = nilai peramalan minggu ke 2 pada bulan Maret tahun 2010 = 5.044
kotak
b. PORec = 0 kotak , karena stok mencukupi.
c. SR = tidak ada pemesanan pada minggu ke 2 karena pemesanan yang
dilakukan dapat diterima dalam waktu 1 minggu.
d. POH = data persediaan pada akhir minggu ke-2 bulan Maret 2010
POH sebelumnya + PoRec – GR
15.756 – 5.044 = 10.712 kotak
Demikian seterusnya perhitungan untuk minggu ke – 3 sampai minggu ke
– 20, nilai SR dan PORel = 0, bila stok masih mencukupi permintaan. Sedangkan
jika nilai SR dan PORel sebesar nilai EOQ, bila stok tidak mencukupi permintaan.
Perhitungan selanjutnya dilakukan dengan menggunakan bantuan Ms. Excel dan
dilanjutkan hingga periode ke 20 dan dapat dilihat pada Tabel 5.12
Penyelesaian yang sama juga dilakukan pada masing-masing DC yaitu
Padang, Bandar Lampung dan Pekanbaru.
Tabel 5.12. Distribution Requirement Planning Sheet untuk DC Aceh
Nama item : AMDK Minly Stock on hand : 350 kotak
Safety stock : Order quantity : 31.480 kotak
Nama DC : Aceh Lead time : 3 hari ( 0 minggu )
KetMinggu
0 1 2 3 4 5 6 7 8 9 10 11 12
GR 50445044 5044 5044 5400 5400 5400 5400 5044 5044 5044 5400
SR
POH 35015756 10712 5668 624 15674 10274 4874 19924 13674 7424 1174 15374
PORec 20450 20450 20450 20450
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 55/74
V-85
PORel 20450 20450 20450 20450
KetMinggu
13 14 15 16 17 18 19 20
GR 7375 7375 7375 7375 9175 9175 9175 9175
SR
POH 7999 624 13699 6324 17599 8424 19699 10524
PORec 20450 20450 20450
PORel20450 20450 20450
Tabel 5.13. Distribution Requirement Planning Sheet untuk DC Padang
Nama item : AMDK Minly Stock on hand : 200 kotak
Safety stock : Order quantity : 25.100 kotak Nama DC : Padang Lead time : 4 hari
KetMinggu
0 1 2 3 4 5 6 7 8 9 10 11 12
GR 5331 5331 5331 5331 3776 3776 3776 3776 5104 5104 5104 5104
SR
POH 200 12210 6879 1549 13558 9782 6006 2230 15794 10690 5587 483 12719
PORec 17340 17340 17340 17340
PORel 17340 17340 17340 17340
KetMinggu
13 14 15 16 17 18 19 20
GR 7303 7303 7303 7303 6414 6414 6414 6414
SR
POH 5416 15454 8151 848 11547 4906 15605 8964
PORec 17340 17340 17340
PORel 17340 17340 17340
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 56/74
V-86
Tabel 5.14. Distribution Requirement Planning Sheet untuk DC Bandar
LampungNama item : AMDK Minly Stock on hand : 170 kotak
Safety stock : Order quantity : 23.990 kotak Nama DC : Bandar Lampung Lead time : 1 minggu
KetMinggu
0 1 2 3 4 5 6 7 8 9 10 11 12
GR 4023 4023 4023 4023 4150 4150 4150 4150 4278 4278 4278 4278
SR 12950
POH 170 9098 5075 1053 9980 5830 1680 10480 6330 2053 10725 6448 2170
PORec 12950 12950 12950
PORel 12950 12950 12950 12950
KetMinggu
13 14 15 16 17 18 19 20
GR 4405 4405 4405 4405 4533 4533 4533 4533
SR
POH 10715 6310 1905 10450 5918 1385 9803 5270
PORec 12950 12950 12950
PORel 12950 12950
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 57/74
V-87
Tabel 5.15. Distribution Requirement Planning Sheet untuk DC Pekanbaru
Nama item : AMDK Minly Stock on hand : 150 kotak
Safety stock : Order quantity : 19.810 kotak
Nama DC : Pekanbaru Lead time : 2 hari
KetMinggu
0 1 2 3 4 5 6 7 8 9 10 11 12
GR 3950 3950 3950 3950 4470 4470 4470 4470 4763 4763 4763 4763SR
POH 150 11000 7050 3100 13950 9480 5010 540 10870 6108 1345 11383 6620
PORec 14800 14800 14800 14800
PORel 14800 14800 14800 14800
Ket
Minggu
13 14 15 16 17 18 19 20
GR 5788 5788 5788 5788 7070 7070 7070 7070
SR
POH 833 9845 4058 13070 6000 13730 6660 14390
PORec 14800 14800 14800 14800
PORel 14800 14800 14800 14800
5.2.6. Pegging Information
Pegging Information sebagai hasil dari master planning untuk
pendistribusian produk Minly pada masing – masing DC untuk periode 20 minggu
ke depan ( dari bulan Maret 2010 sampai Juli 2010 ).
1. Total permintaan tiap DC = ∑ permintaan tiap DC selama 20 minggu
a. DC Aceh = 7 x 20.450 = 143.150 kotak
b. DC Padang = 7 x 17.340
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 58/74
V-88
= 121.380 kotak
c. DC Bandar Lampung = 6 x 12.950
= 77.700 kotak
d. DC Pekanbaru = 8 x 14.800
= 118.400 kotak
2. Total permintaan keseluruhan tiap DC = ∑ permintaan periode 20 minggu
a. Minggu ke-1 = 20.45 + 17.340 + 14.800 = 52.590 kotak
b. Minggu ke-2 = 0 kotak
c. Minggu ke-3 = 12.950 = 12.950 kotak
d. Minggu ke-4 = 17.340 = 17.340 kotak
e. Minggu ke-5 = 20.450 = 20.450 kotak
f. Minggu ke-6 = 12.950 = 12.950 kotak
g. Minggu ke-7 = 0 kotak
h. Minggu ke-8 = 20.45 + 17.340 + 14.800 = 52.590 kotak
i. Minggu ke-9 = 12.950 = 12.950 kotak
j. Minggu ke-10 = 0 kotak
k. Minggu ke-11 = 14.800 = 14.800 kotak
l. Minggu ke-12 = 20.450 + 17.340 + 12.950 = 50.740 kotak
m. Minggu ke-13 = 0 kotak
n. Minggu ke-14 = 17.340 + 14.800 = 32.140 kotak
o. Minggu ke-15 = 20.450 + 12.950 = 33.400 kotak
p. Minggu ke-16 = 14.800 = 14.800 kotak
q. Minggu ke-17 = 20.450 + 17.340 = 37.790 kotak
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 59/74
V-89
r. Minggu ke-18 = 12.950 + 14.800 = 27.750 kotak
s. Minggu ke-19 = 20.450 + 17.340 = 37.790 kotak
t. Minggu ke-20 = 14.800 = 14.800 kotak
3. Total permintaan = ∑ total permintaan tiap DC selama 20 minggu
= DC Aceh + DC Padang + DC Bandar Lampung + DC Pekanbaru
= 143.150 + 121.380 + 77.700 + 118.400
= 460.630 kotak
PT. Uni Perkasa( CSF )
Aceh
( DC 1 )
Padang
( DC 2 )
Bandar
Lampung
( DC 3 )
Pekanbaru
( DC 4 )
Gambar 5.6. Struktur Demand tiap DC ke PT. Uni Perkasa
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 60/74
I-90
Tabel 5.16. Pegging Information PT. Uni Perkasa
Minggu ke
Pegging Information tiap DCTotal
( kotak )DC 1
( Aceh )
DC 2
(Padang)
DC 3
( Bandar
Lampung )
DC 4
(Pekanbaru)
120.450 17.340 – 14.800 52.590
2– – – – –
3– – 12.950 – 12.950
4– 17.340 – 14.800 32.140
520.450 – – – 20.450
6– – 12.950 – 12.950
7 – – – – –
8 20.450 17.340 – 14.800 52.590
9 – – 12.950 – 12.950
10 – – – – –
11– – – 14.800 14.800
12 20.450 17.340 12.950 – 50.740
13 – – – – –
14 – 17.340 – 14.800 32.140
1520.450 – 12.950 – 33.400
16–
– – 14.80014.800
17 20.450 17.340– – 37.790
18 – – 12.950 14.800 27.750
1920.450 17.340
– – 37.790
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 61/74
I-91
20– –
– 14.80014.800
∑ ( kotak ) 143.150 121.380 77.700 118.400 460.630
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 62/74
I-92
BAB VI
ANALISIS PEMECAHAN MASALAH
6.1. Analisis Hasil Peramalan
Setelah peramalan dilakukan untuk permintaan periode berikutnya, tidak
selamanya selalu tepat dengan kekuatan pasar, sebab banyak sekali faktor yang
tidak terduga di lapangan. Salah satunya adalah banyaknya persaingan di pangsa
pasar. Laju peramalan adalah suatu kumpulan peramalan yang telah diolah dengan
bantuan software QS ( Quant System ) 3.0 yang dapat disimpulkan berdasarkan
nilai hasil olahan sehingga penerapan distribution requirement planning akan
lebih efektif dan efisien. Adapun sepuluh metode yang digunakan adalah :
1. Double exponential smoothing.
2. Exponential smoothing with linier trend.
3. Double exponential smoothing with linier trend.
4. Adaptive exponential smoothing.
5. Linier regression
6. Winter’s model
7. Simple average.
8. Weight moving average.
9. Moving average with linier trend.
10. Single exponential smoothing.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 63/74
I-93
Kesepuluh metode akan diterapkan pada data permintaan tahun lalu dari
masing-masing DC yaitu wilayah Aceh, Padang, Bandar Lampung dan
Pekanbaru. Perbedaan permintaan tahun lalu pada setiap DC berdampak pada
bedanya metode yang cocok atau sesuai untuk meramalkan permintaan yang akan
datang. Pemilihan kecocokan metode untuk setiap DC adalah berdasarkan MAD
atau MAD yang terkecil. Berikut metode beserta nilai MAD yang terkecil untuk
setiap DC dapat dilihat pada Tabel 6.1.
Tabel 6.1. Model dan Nilai Kesalahan
Nama DC Model Peramalan
Nilai MAD
terkecil
Padang Winter’s model 8270
Bandar Lampung Double Exponential smoothing with linear trend’s model 697
Aceh Exponential smoothing with linear trend’s model 7567
Pekanbaru Double exponential smoothing with linear’s model 5834
6.2. Analisis Grafik Laju Permintaan
• DC Aceh
Pada gambar 6.1 adalah grafik laju permintaan tahun 2009 dan peramalan
permintaan tahun 2010 produk Minly di DC Aceh dimana hasil permalan hampir
sama dengan data actual tahun sebelumnya dan metode yang digunakan adalah
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 64/74
I-94
Double exponential smoothing’s model. Permintaan di DC Aceh merupakan
permintaan yang tertinggi dibandingkan dengan DC lainnya.
Gambar 6.1. Permintaan Produk di DC Aceh Tahun 2009 dan Peramalan
Tahun 2010
• Untuk DC Padang
Pada gambar 6.2 di bawah adalah grafik laju permintaan tahun 2009 dan
peramalan permintaan tahun 2010 untuk wilayah Padang ,dimana pada peramalan
permintaan tahun 2010 ini terdapatnya permintaan yang fluktuatif pada periode 10
yaitu bulan Desember 2010.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 65/74
I-95
Gambar 6.2. Permintaan Produk di DC Padang Tahun 2009 dan Peramalan
Tahun 2010
• DC Bandar Lampung
Grafik pada Gambar 6.3 menunjukkan perbandingan hasil peramalan
dengan data actual di DC Bandar Lampung. Hasil peramalan yang diperoleh
menunjukkan permintaan yang senantiasa stabil dari periode pertama hingga
periode ke 12. Metode yang digunakan adalah Exponential smoothing with linear
trend’s model.
• DC Pekanbaru
Hasil peramalan yang ditunjukkan oleh grafik di atas cenderung melebihi
data actual meskipun bentuk pola ramalan tersebut hampir mirip dengan pola
permintaan actual. Model peramalan yang cocok untuk DC Pekanbaru adalah
Double exponential smoothing with linear’s model.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 66/74
I-96
Gambar 6.3. Permintaan Produk di DC Bandar Lampung Tahun 2009 dan
Peramalan Tahun 2010
Gambar 6.4. Permintaan Produk di DC Pekanbaru Tahun 2009 dan
Peramalan Tahun 2010
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 67/74
I-97
6.3. Analisis Economic Order Quantity (EOQ)
Kegunaan EOQ adalah untuk menentukan order quantity yang ekonomis
yang akan meminimumkan jumlah biaya pemesanan dan biaya persediaan per
waktu.
Tabel 6.2. Rekapitulasi Nilai EOQ Setiap DC
No. Distribution Center
( DC )
EOQ
( kotak )
1 Aceh 31.480
2 Padang 25.100
3 Bandar Lampung 23.990
4 Pekanbaru 19.810
Dari Tabel 6.2 , terlihat bahwa EOQ yang terbesar adalah pada DC Aceh.
Permintaan yang banyak juga memengaruhi nilai EOQ dari tiap DC.
PT. Uni Perkasa dalam menentukan order quantity menggunakan metode
Lot for Lot yaitu jumlah pemesanan sama banyak dengan jumlah yang
dibutuhkan. Metode ini memang dapat meminimumkan biaya persediaan, tetapi
menambah biaya transportasi. Seperti yang diketahui bahwa persentase terbesar
biaya distribusi adalah biaya transportasi. Dengan metode EOQ, perusahaan dapat
meminimumkan biaya transportasi, dengan menambah sedikit biaya persediaan.
Selain menghemat biaya-biaya yang timbul dari metode lot for lot ,
perusahaan bisa lebih memfokuskan hasil penjualannya sehingga bisa tersebar
merata di pangsa pasar.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 68/74
I-98
6.4. Analisa DRP ( Distribution Requirement Planning) Worksheet
Untuk memenuhi permintaan, perusahaan menyikapinya dengan fleksibel
dan respon yang cepat. Dengan mengetahui peramalan permintaan 12 bulan
kedepan, menjadikan perusahaan dapat mengambil keputusan- keputusan
strategis, mengingat kejadian-kejadian dilapangan begitu tidak terduga.
Perusahaan selalu berusaha melebarkan pangsa pasarnya, memeperluas jangkauan
pasar nasional dengan kualitas isi maupun kemasan dari produk dengan tujuan
untuk kepuasan konsumen.
Berikut ini adalah pembahasan hasil perhitungan DRP ( Distribution
Requirement Planning) worksheet pada DC Aceh, Padang, Bandar Lampung dan
Pekanbaru selama periode 20 minggu. DRP worksheet dibuat dalam bucket
mingguan sebab lead time setiap kota rata-rata dalam mingguan. Jadi permintaan
setiap bulan dirata-ratakan menjadi permintaan mingguan.
DC Aceh
Berdasarkan data masa lalu , jumlah permintaan yang diperoleh adalah
446.300 kotak. Sedangkan hasil peramalan dengan metode Double exponential
smoothing’s model diperoleh 458.046 kotak ( terjadi peningkatan sekitar 12
ribu kotak ). Sesuai dengan nilai EOQ yang diperoleh , hampir setiap bulan DC
Aceh memerlukan order dari PT. Uni Perkasayaitu pada periode ke 1, 5, 8, 12,
15, 17 dan 19 dengan ukuran pemesanan ekonomis sebesar 20.450 kotak.
DC Padang
Hasil peramalan untuk DC Padang menunjukkan bahwa peningkatan
permintaan produk Minly terjadi pada bulan September hingga Desember . Hal
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 69/74
I-99
ini biasanya disebabkan oleh banyaknya hari raya pada bulan-bulan tersebut
maupun hari libur. Dalam DRP worksheet yang telah dibuat dalam bucket
mingguan, DC Padang melakukan pemesanan pada minggu ke 1, 4, 8, 12, 14,
17 dan 19 dengan lead time 4 hari dan ukuran pemesanan sebesar 17.340
kotak.
DC Bandar Lampung
DRP Worksheet untuk DC ini menunjukkan permintaan yang stabil hingga
akhir periode padahal data actual menunjukkan permintaan yang cenderung
menurun. Permintaan dari DC ini tidak bergejolak atau lebih stabil bila
dibandingkan dengan permintaan DC lainnya. DC ini hanya melakukan
pemesanan selama enam kali dalam periode 20 minggu yaitu minggu ke 3, 6, 9,
12, 15 dan 18 dengan lead time selama 1 minggu.
DC Pekanbaru
Pada data actual, permintaan di DC ini menunjukkan jumlah yang lebih
banyak dari DC Bandar Lampung. Metode peramalan yang cocok dengan data
permintaan sebelumnya adalah Double exponential smoothing with linear’s
model yang sama dengan DC Bandar Lampung. Nilai EOQ mendapat nilai
terkecil dibandingkan dengan DC lainnya. DC ini dijadwalkan akan melakukan
pemesanan selama 8 kali selama periode 20 minggu yaitu minggu ke 1, 4, 8,
11, 14, 16, 18 dan 20.
Setelah melakukan penjadwalan dengan metode DRP , frekuensi
pemesanan menjadi lebih kecil per tahunnya dibandingkan dengan periode yang
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 70/74
I-100
lalu. Dengan berkurangnya frekuensi pemesanan akan berdampak pada
berkurangnya biaya set up ( pesan ) yang dilakukan. Perbandingan frekuensi
pemesanan sebelum dan sesudah menggunakan DRP dapat dilihat pada Tabel 6.3
Tabel 6.3. Perbandingan Frekuensi Pemesanan
DC Tanpa DRP Dengan DRP
Aceh 48 kali 22 kali
Padang 35 kali 19 kali
Bandar Lampung 30 kali 17 kali
Pekanbaru 32 kali 18 kali
Adapun usulan kepada pihak pabrik agar dapat menjalankan jadwal baru
yang menggunakan sistem DRP adalah :
1. Menambah armada pengangkutan dan kontainer yang lebih besar agar
produk dapa dimuat dalam jumlah yang banyak sekali jalan.
2. Pihak PPIC dapat memprediksi atau menghitung permintaan pada periode
mendatang dengan software maupun rumus pendekatan lainnya sehingga
data masa depan yang diperoleh dapat dijadikan patokan dalam produksi.
3. Kedisiplinan semua pekerja dalam hal jadwal dan kualitas pekerjaan.
4. Memanfaatkan mesin-mesin yang ada ( jangan sampai ada yang
menganggur ). Jika mesin tidak berfungsi secara optimal , disarankan
secepatnya diperbaiki atau mengganti mesin yang baru setelah menghitung
dengan ekonomi teknik daripada hanya menjadi beban.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 71/74
I-101
BAB VII
KESIMPULAN DAN SARAN
7.1. Kesimpulan
Setelah melakukan pengolahan data dan pembahasan pada bab
sebelumnya maka dapat diambil beberapa kesimpulan, yaitu :
1. Jumlah permintaan di tiap-tiap wilayah pemasaran, hal ini disebabkan karena
tidak menentunya permintaan pasar dan masih sedikitnya distributor tunggal
khususnya di wilayah yang variabilitas permintaannya sedikit di wilayah
Aceh, Padang , Bandar Lampung dan Pekanbaru.
2. Peramalan dilakukan dengan bantuan software Q.S yang dapat melakukan
hingga 10 metode peramalan yang cocok dengan kondisi permintaan tahun
lalu. Metode yang dipilih adalah metode dengan nilai MAD (kesalahan)
terkecil.
3. Peramalan permintaan untuk DC Aceh dari bulan Maret 2010 hingga Februari
2011 adalah sebesar 458.046 kotak dengan metode Exponential smoothing
with linear trend’s model. Artinya pihak perusahaan harus menambah sekitar
8 ribu kotak agar tidak terjadi kekurangan produk sesuai dengan peramalan
yang dilakukan untuk 12 periode mendatang.
4. Metode peramalan yang sesuai dengan DC Padang adalah Winter’s model
dengan hasil peramalan sebesar 329.329 kotak untuk 12 periode mendatang.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 72/74
I-102
Dan terjadi peningkatan sebesar 30 ribu kotak dibandingkan dengan periode
sebelumnya..
5. Hasil peramalan yang stabil yang sesuai dengan data masa lalu DC Pekanbaru
adalah hasil dari Double exponential smoothing’s model dengan total
permintaan dari bulan Maret 2010 hingga Februari 2011 adalah sebesar
277.560 kotak.
6. DC Bandar lampung adalah DC dengan jumlah permintaan masa lalu yang
paling kecil di antara DC lainnya. Metode peramalan yang sesuai adalah
Double exponential smoothing with linear’s model dengan total permintaan
sebesar 226.740 kotak. Artinya pihak perusahaan harus menyediakan jumlah
produk yang lebih banyak dibandingkan dengan permintaan tahun lalu untuk
mengantisipasi terjadinya kekurangan stok yang dapat menghambat sistem
distribusi.
7. Metode order quantity yang digunakan adalah metode EOQ. Nilai EOQ
untuk DC Aceh adalah 20.450 kotak, Padang 17.340 kotak, Bandar Lampung
12.950 kotak dan Pekanbaru 14.800 kotak.
8. Service level yang digunakan dalam menghitung jumlah safety stock adalah
92,55 % dengan nilai Z= 1,445. Pemilihan service level yang tidak begitu
besar adalah karena lead time untuk setiap DC sudah cukup akurat, dengan
asumsi bencana alam bukan penyebab terhambatnya distribusi, tetapi safety
stock yang diperlukan cukup besar yang dikarenakan dalam perhitungannya
menghasilkan deviasi yang cukup besar dari hasil ramalan.
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 73/74
I-103
9. PT. Uni Perkasa harus mempersiapkan produk yang paling banyak pada
minggu pertama untuk dikirimkan ke distribution center nya di Aceh, Padang
dan Pekanbaru ( dalam periode 20 mingguan ). Dari pegging information ,
terlihat bahwa pihak perusahaan lebih sibuk ketika memasuki minggu ke 13.
10. Jumlah permintaan dalam periode 20 minggu untuk DC Aceh adalah 143.150
kotak , DC Padang adalah 121.380 kotak , DC Bandar Lampung adalah
77.700 kotak dan DC Pekanbaru adalah 118.400 kotak.
11. Persentase pengurangan frekuensi pemesanan berkisar antara 40 – 50 % pada
masing-masing DC yang mengakibatkan biaya pemesanan yang semakin
kecil.
7.2. Saran
Perusahaan ingin memberikan pelayanan yang terbaik untuk
pelanggannya, dan sebagai perusahaan dimana persediaan barang dan
distribusinya menjadi aktifitas yang terpenting, maka perencanaan pembelian dan
alokasi kebutuhan konsumen yang tepat waktu adalah keputusan yang vital.
Dengan quick response berarti berusaha untuk mengantisipasi permintaan
konsumen dengan segera, diimbangi dengan perencanaan pemesanan yang
berkesinambungan, hal ini dapat dilakukan melalui simulasi perhitungn yang
sistematis dan berinteraksi antara supply dan demand , dimana penggunaan DRP
sangat bermanfaat untuk tujuan ini.
Guna meningkatkan omset penjualan dan pengusaan pasar, khususnya
diwilayah yang sedikit permintaannya diharapkan elemen bagian pemasaran
berani melakukan riset pasar Setelah menerapkan webflow pada proses bisnisnya,
5/13/2018 Chapter III Vii - slidepdf.com
http://slidepdf.com/reader/full/chapter-iii-vii-55a74d60acd7f 74/74
I-104
diharapkan perusahaan juga menerapkan manajemen bisnis terpadu dengan
software navision yang bertujuan untuk fokus dalam peningkatan produktifitas
internal perusahaan dan kinerja dari rantai pasokannya.