c. Silver Meal SM : Menitik beratkan pada ukuran lot yang harus dapat
meminimumkan ongkos total per-perioda. d.
Least Total Cost LTC : Pendekatan menggunakan konsep ongkos total akan diminimalisasikan apabila untuk setiap lot dalam suatu horison
perencanaan hampir sama besarnya. 3. Optimum Rules
Optimum Rules bertujuan mencapai solusi biaya rendah yang juga optimum. Termasuk didalamnya adalah Metode Wagner Whitin WW. WW merupakan
pendekatan menggunakan konsep ukuran lot dengan prosedur optimasi program linear, bersifat matematis. Fokus utama dalam penyelesaian masalah ini adalah
melakukan minimalisasi penggabungan ongkos total dari set-up cost dan holding cost dan berusaha agar totalnya mendekati nilai yang sama untuk kuantitas
pemesanan yang dilakukan.
2.7 Peramalan Forecasting
Peramalan adalah suatu metode untuk memprediksi keadaan masa depan. Dalam kasus ini, yang diprediksi adalah keadaan permintaan pada masa depan yang akan
mempengaruhi keadaan stok barang yang dimiliki. Ada 3 metode peramalan, yaitu:
1. Metode kualitatif, yang menggunakan opini dari sang ahli untuk meramalkan
masa depan. 2.
Metode kausal, yang menghubungkan variabel yang akan diramalkan dengan variabel lainnya.
3. Metode rangkaian waktu, yang berusaha meramalkan masa depan dari kejadian
pada masa lampau. Ada lima prinsip mengenai peramalan, yaitu:
1. Hasil peramalan mengandung error
2. Error peramalan harus jelas
3. Peramalan untuk jumlah yang besar lebih akurat dibandingkan dengan peramalan
untuk jumlah kecil. 4.
Peramalan lebih akurat untuk jangka waktu yang lebih pendek dibanding dengan jangka waktu yang lebih panjang.
5. Jika memungkinkan, perhitungan permintaan lebih baik daripada
meramalkannya. Dalam skripsi ini, untuk melakukan peramalan data permintaan yang akan terjadi
pada masa mendatang dilakukan dengan metode Trend Analysis. Metode ini dapat mengatasi adanya keadaan permintaan yang bersifat periodik.
Rumus untuk melakukan peramalan dengan metode Trend Analysis ini adalah sebagai berikut:
month
MR bx
a y
+ +
= y = nilai hasil peramalan pada periode selanjutnya.
a + bx = nilai dari least square dengan x sebagai periode yang mau diramalkan nilainya.
MR
month
= nilai mean residual pada bulan yang bersesuaian dengan periode bulan yang akan diramalkan nilainya.
2.8 Metode Wagner - Whitin
Metode Wagner-Whitin ditemukan pada tahun 1958 oleh Wagner dan Whitin. Metode ini merupakan pengembangan dari Dynamic Programming yang ditemukan oleh
Richard Bellman pada tahun 1957. Metode Wagner-Whitin sering digunakan dalam pengenalan Dynamic Programming.
Kelebihan dari Metode Wagner-Whitin antara lain memiliki solusi optimal yang terjamin untuk problem statis. Wagner-Whitin dimulai dari model deterministik, dengan
jumlah permintaan diketahui per periodenya, biaya pemesanan yang fluktuatif, dan stok barang dari satu periode ke periode berikutnya.
Pendekatan menggunakan konsep ukuran lot dengan prosedur optimasi program linear, bersifat matematis. Fokus utama dalam penyelesaian masalah ini adalah
melakukan minimasi penggabungan ongkos total dari ongkos pesan dan ongkos simpan dan berusaha agar kedua ongkos tersebut tersebut mendekati nilai yang sama untuk
kuantitas pemesanan yang dilakukan. Berikut ini adalah langkah-langkah Wagner-Whitin, yang disertai dengan contoh
soal. Tabel 2.1 Data Permintaan
j 1 2 3 4 5
Dt 20 50 10 50 50
At 100 100 100 100 100
Ht 1 1 1 1 1
• j menunjukkan periode, yang dapat berupa hari, minggu, atau bulan. Pada soal ini, j merupakan periode dalam satuan bulan.
• Dt menunjukkan jumlah permintaan pada periode tersebut. • At menunjukkan setup cost, pada soal di atas merupakan nilai dalam satuan
dollar. • Ht menunjukkan holding cost, pada soal di atas merupakan nilai dalam satuan
dollar.
Langkah 1:
Karena ini merupakan data pertama, periode optimal adalah periode 1.
Langkah 2:
Periode 1 masih yang terkecil, jadi permintaan barang periode 2 akan dipesan pada periode 1.
1 100
1 1
1
= =
= j
A Z
1 150
200 100
100 150
50 1
100 min
2 in
produce ,
Z 1
in produce
, min
2 2
1 2
1 1
2
= =
⎩ ⎨
⎧ =
+ =
+ =
⎩ ⎨
⎧ +
+ =
j A
D h
A Z
Langkah 3:
Periode 1 masih yang terkecil, jadi permintaan barang periode 2 dan 3 akan dipesan pada periode 1.
Langkah 4:
Periode 4 yang terkecil, jadi permintaan barang periode 4 akan dipesan pada periode ini.
.
1 170
250 100
150 210
10 1
100 100
170 10
1 1
50 1
100 min
3 in
produce ,
Z 2
in produce
, Z
1 in
produce ,
min
3 3
2 3
2 2
1 3
2 1
2 1
1 3
= =
⎪ ⎩
⎪ ⎨
⎧ =
+ =
+ +
= +
+ +
= ⎪
⎩ ⎪
⎨ ⎧
+ +
+ +
+ +
=
j A
D h
A D
h h
D h
A Z
4 270
270 100
170 300
50 1
100 150
310 50
1 1
10 1
100 100
320 50
1 1
1 10
1 1
50 1
100 min
4 in
produce ,
Z 3
in produce
, Z
2 in
produce ,
Z 1
in produce
, min
4 4
3 4
3 3
2 4
3 2
3 2
2 1
4 3
2 1
3 2
1 2
1 1
4
= =
⎪ ⎪
⎩ ⎪
⎪ ⎨
⎧
= +
= +
+ =
+ +
+ +
= +
+ +
+ +
+ =
⎪ ⎪
⎩ ⎪
⎪ ⎨
⎧
+ +
+ +
+ +
+ +
+ +
+ +
+ =
j A
D h
A D
h h
D h
A D
h h
h D
h h
D h
A Z
2.9 Alat Bantu Perancangan 2.9.1
