Usulan Penerapan Distribution Requirement Planning di PT. Uni Perkasa

USULAN PENERAPAN DISTRIBUTION

REQUIREMENT PLANNING DI

PT. UNI PERKASA

TUGAS SARJANA

Diajukan Untuk Memenuhi Sebagian Dari Syarat-Syarat Memperoleh Gelar Sarjana Teknik

Oleh

JOHANNES CHANDRA 050403080

D E P A R T E M E N T E K N I K I N D U S T R I

F A K U L T A S T E K N I K

UNIVERSITAS SUMATERA UTARA

MEDAN

2010

KATA PENGANTAR

Puji dan syukur penulis panjatkan pada Tuhan Yang Maha Esa, yang telah memberikan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan laporan tugas sarjana ini. Laporan tugas sarjana ini merupakan salah satu kewajiban akademis dan sebagai salah satu syarat akademis menyelesaikan studi di Departemen Teknik Industri, Fakultas Teknik, Universitas Sumatera Utara.

Tugas sarjana ini berjudul “Usulan Penerapan Distribution Requirement

Planning di PT. Uni Perkasa ”. Tujuan utama yang ingin dicapai adalah

menghasilkan sistem distribusi yang baru yang dapat mengurangi ketidakseimbangan antara supply dan demand sehingga permintaan pelanggan dapat terpenuhi secara tepat dan cepat, selain itu juga diharapkan dapat mengurangi biaya-biaya yang diakibatkan oleh penumpukan jumlah persediaan yang tak terkalkulasi.

Dalam menyusun tugas sarjana ini tentulah terdapat kekurangan-kekurangan akibat kesalahan dari penulis, untuk itulah penulis mengharapkan berbagai saran yang berguna untuk memperbaiki laporan ini, disamping menambah pengetahuan bagi penulis sendiri. Semoga tugas sarajana ini bermanfaat bagi kita semua.

Medan, Juni 2010

Penulis

UCAPAN TERIMA KASIH

Penulis menyadari bahwa dalam menyelesaikan laporan tugas sarjana ini dibutuhkan banyak bantuan, bimbingan dan dukungan dari berbagai pihak baik moril maupun materil. Untuk itu, penulis ingin menyampaikan terima kasih kepada:

1. Dosen Pembimbing I, yaitu Bapak Prof. DR. Ir. Sukaria Sinullinga, MEng, yang telah membimbing dan membantu dalam menyelesaikan laporan Tugas Akhir ini.

2. Dosen Pembimbing II, yaitu Bapak Aulia Ishak, ST, MT, yang telah membimbing dan membantu dalam menyelesaikan laporan Tugas Akhir ini.

3. Dosen Pembanding I, yaitu Bapak Dr. Ir. Humala L. Napitupulu, DEA yang telah memberikan masukan dalam penyelesian laporan Tugas Akhir ini.

4. Dosen Pembanding II, yaitu Bapak Ir. Tanib S. Tjolia, M.Eng yang telah memberikan masukan dalam penyelesian laporan Tugas Akhir ini.

5. Dosen Pembanding III, yaitu Ibu Ir. Dini Wahyuni, MT yang telah memberikan masukan dalam penyelesian laporan Tugas Akhir ini. 6. Bapak Amin selaku Pemilik PT. Uni Perkasa beserta

karyawan-karyawan yang telah meluangkan waktu kepada penulis untuk melakukan survei dan pengambilan data serta bimbingan mengenai berbagai hal yang berkaitan dengan riset penulis.

7. Kepada Orang Tua penulis yang telah banyak memberikan bantuan dan dorongan serta mengiringi penulis dengan doa dalam menyelesaikan tugas sarjana ini.

8. Para Dosen, staf akademik, staf tata usaha dan rekan-rekan mahasiswa yang telah banyak membantu dalam penyusunan tugas sarjana ini. Penulis menyadari masih banyak kekurangan dalam Laporan Tugas Akhir. Oleh karena itu, kritik dan saran yang bersifat membangun sangat diharapkan untuk penyempurnaan proposal di lain waktu.

.

Medan, Juni 2010

Penulis

ABSTRAK

Untuk menciptakan pelayanan yang diinginkan, koordinasi antara pihakpihak didalam supply chain sangat diperlukan, kurangnya koordinasi sering kali menimbulkan kesalahan informasi yang salah satu sebabnya adalah adanya komposisi biaya-biaya untuk pemesanan dan persediaan yang tidak sama antar konsumen.

Akibatnya informasi produk apa yang yang diperlukan, jumlah, siapa konsumen yang memesan dan kapan produk harus dikirim menjadi kurang tepat. Dampaknya rencana pemesanan bahan baku ke pemasok juga tidak terestimasi dengan baik

Distribution Requirement Planning (DRP) mengolah informasi untuk

memperlancar dan mengatur pemasaran agar supply dan demand lebih seimbang. Caranya adalah dengan melakukan peramalan permintaan dari data periode sebelumnya sebagai acuan untuk memesan bahan baku ke pemasok. Dengan acuan tersebut perusahaan bisa tepat waktu memenuhi permintaan pelanggan serta menyiapkan tersedianya produk yang cukup dan tidak berlebihan sehingga dapat diketahui banyaknya jumlah produk yang harus disediakan di tiap wilayah distribusi (Economic Order Quantity ), kapan dilakukannya pemesanan kembali oleh masing- masing wilayah (Reorder Point) dan besarnya persediaan yang ada (Safety Stock),

keywords : DRP, Economic Order Quantity, Reorder Point, Safety Stock

D A F T A R I S I

BAB Halaman

JUDUL

LEMBAR PENGESAHAN i

KATA PENGANTAR ii

UCAPAN TERIMA KASIH iii

ABSTRAK v

DAFTAR ISI vi

DAFTAR TABEL xi

DAFTAR GAMBAR xiv

I. PENDAHULUAN

1.1. Latar Belakang Permasalahan ... I-1 1.2. Peruumusan Masalah ... I-2 1.3. Tujuan dan Manfaat Penelitian ... I-2 1.4. Batasan Masalah dan Asumsi ... I-3 1.5. Sistematika Penulisan Laporan ... I-4

II. GAMBARAN UMUM PERUSAHAAN

2.1. Sejarah Perusahaan ... II-1 2.2. Ruang Lingkup Bidang Usaha ... II-1 2.3. Organisasi dan Manajemen ... II-2 2.3.1. Struktur Organisasi Perusahaan ... II-2

BAB Halaman

2.3.2. Jumlah Tenaga Kerja ... II-2 2.3.3. Jam Kerja ... II-4 2.4. Lokasi Perusahaan ... II-4 2.5. Daerah Pemasaran ... II-6

III. TINJAUAN PUSTAKA

3.1. Peramalan ( Forecasting ) ... III-1 3.1.1. Pendefinisian Tujuan Peramalan ... III-2 3.1.2. Peranan Peramalan dan Sistem Produksi ... III-2 3.1.3. Karakteristik Peramalan yang Baik ... III-5 3.1.4. Peramalan Kuantitatif ... III-6 3.1.5. Kriteria Performance Peramalan ... III-15 3.1.6. Verifikasi Peramalan... III-17 3.2. Economic Order Quantity ( EOQ ) ... III-19 3.3. Distribution Requirement Planning ( DRP ) ... III-20 3.3.1. Input Distribution Requirement Planning ( DRP ) ... III-21 3.3.2. Logika Distribution Requirement Planning ( DRP ) ... III-22 3.3.3. Output Distribution Requirement Planning ( DRP ) ... III-23 3.3.4. Sumber-sumber Perubahan yang Mempengaruhi Rencana DRP . III-26 3.3.5. Integrasi Sistem Distribusi Manufaktur ... III-27

BAB Halaman

3.3.6. Stok Pengaman dalam DRP ... III-27

IV. METODOLOGI PENELITIAN

4.1. Tempat Dan Waktu Penelitan ... IV-1 4.2. Objek Penelitian... IV-1 4.3. Variabel / Data Penelitian ... IV-1 4.4. Instrumen Penelitian ... IV-2 4.5. Pelaksanaan Penelitian ... IV-2 4.6. Sistem Informasi ... IV-2 4.7. Pengolahan Data ... IV-4 4.8. Analisa Data ... IV-6

V. PENGUMPULAN DAN PERANCANGAN SISTEM ... V-1

5.1. Pengumpulan Data ... V-1 5.1.1. Data Jumlah Permintaan Produk Minly ... V-2 5.1.2. Data Lead Time ... V-3 5.1.3. Status Persediaan Awal dan Safety Stock ... V-3 5.1.4. Data Biaya-biaya Terkait ... V-3 5.1.5. Data Frekuensi Pemesanan Tiap DC pada Tahun 2008 ... V-5 5.2. Pengolahan Data ... V-6 5.2.1. Peramalan dan Proporsi Kebutuhan ( Permintaan ) ... V-5

BAB Halaman

5.2.2. Perbandingan Grafik Laju Permintaan ... V-8 5.2.3. Perhitungan EOQ untuk Setiap DC ... V-10 5.2.4. Perhitungan Safety Stock ... V-12 5.2.5. Distribution Requirement Planning Worksheet... V-17 5.2.6. Pegging Information... V-23

VI. ANALISIS PEMECAHAN MASALAH

6.1. Analisis Hasil Peramalan ... VI-1 6.2. Analisis Grafik Laju Permintaan ... VI-3 6.3. Analisis Economic Order Quantity ( EOQ ) ... VI-6 6.4. Analisis DRP ... VI-7

VII. KESIMPULAN DAN SARAN

7.1. Kesimpulan ... VII-1 7.2. Saran... VII-3

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Tabel Halaman

2.1. Rincian Jumlah Tenaga Kerja di PT. Uni Perkasa ... II-11 3.1 Strategi Supply Chain ... III-36 5.1 Permintaan Produk Minly pada Masing-masing DC ... V-2 5.2 Lead Time Distribusi Masing-masing DC... V-3 5.3 Status Persediaan Awal dan Safety Stock Masing – masing DC ... V-4 5.4 Frekuensi Pemesanan Tiap DC ... V-5 5.5 Model dan Nilai Kesalahan ... V-7 5.6 Rekapitulasi Hasil Peramalan ... V-7 5.7 Data Hasil Peramalan DC Aceh ... V-13 5.8 Data Hasil Peramalan DC Padang ... V-14 5.9 Data Hasil Peramalan DC Bandar Lampung ... V-15 5.10 Data Hasil Peramalan DC Pekanbaru ... V-17 5.11 Rekapitulasi Perhitungan EOQ, Safety Stock dan Frekuensi

Pembelian per tahun ... V-17 5.12 Distribution Requirement Planning Sheet untuk DC Aceh ... V-20 5.13 Distribution Requirement Planning Sheet untuk DC Padang ... V-21 5.14 Distribution Requirement Planning Sheet untuk DC Bandar Lampung V-22 5.15 Distribution Requirement Planning Sheet untuk DC Pekanbaru ... V-23 5.16 Pegging Information PT. Uni Perkasa ... V-26

Tabel Halaman

6.1 Model dan Nilai Kesalahan ... VI-2 6.2 Rekapitulasi Nilai EOQ setiap DC ... VI-7 6.3 Perbandingan Frekuensi Pemesanan ... VI-9

DAFTAR GAMBAR

Gambar Halaman

2.1 Strukutur Organisasi PT. Uni Perkasa ... II-3 3.1 Moving Range Chart ... III-18 4.1 Sistem Informasi Distribusi Produk ... IV-2 4.2 Rantai Pendistribusian Produk ... IV-4 4.3 Blok Diagram Pengolahan Data ... IV-6 5.1 Jaringan Distribusi PT. Uni Perkasa ... V-1 5.2 Permintaan Produk di DC Aceh Tahun 2009 dan Peramalan

Tahun 2010. ... V-8 5.3 Permintaan Produk di DC Padang Tahun 2009 dan Peramalan

Tahun 2010 ... V-8 5.4 Permintaan Produk di DC Bandar Lampung Tahun 2009 dan

Peramalan Tahun 2010... V-9 5.5 Permintaan Produk di DC Pekanbaru Tahun 2009 dan

Peramalan Tahun 2010... V-9 5.6 Struktur Demand tiap DC ke PT. Uni Perkasa ... V-24 6.1 Permintaan Produk di DC Aceh Tahun 2009 dan Peramalan

Tahun 2010 ... VI-3 6.2 Permintaan Produk di DC Padang Tahun 2009 dan Peramalan

Tahun 2010 ... VI-4

Gambar Halaman

6.3 Permintaan Produk di DC Bandar Lampung Tahun 2009 dan

Peramalan Tahun 2010... VI-5 6.4 Permintaan Produk di DC Pekanbaru Tahun 2009 dan Peramalan

Tahun 2010 ... VI-6

DAFTAR LAMPIRAN

Lampiran Halaman

1. Hasil Peramalan DC Aceh ... L-1 2. Hasil Peramalan DC Padang ... L-11 3. Hasil Peramalan DC Bandar Lampung ... L-21 4. Hasil Peramalan DC Pekanbaru ... L-31 5. Pembagian Tugas dan Tanggungjawab ... L-41 6. Penentuan Service Level ... L-45

ABSTRAK

Untuk menciptakan pelayanan yang diinginkan, koordinasi antara pihakpihak didalam supply chain sangat diperlukan, kurangnya koordinasi sering kali menimbulkan kesalahan informasi yang salah satu sebabnya adalah adanya komposisi biaya-biaya untuk pemesanan dan persediaan yang tidak sama antar konsumen.

Akibatnya informasi produk apa yang yang diperlukan, jumlah, siapa konsumen yang memesan dan kapan produk harus dikirim menjadi kurang tepat. Dampaknya rencana pemesanan bahan baku ke pemasok juga tidak terestimasi dengan baik

Distribution Requirement Planning (DRP) mengolah informasi untuk

memperlancar dan mengatur pemasaran agar supply dan demand lebih seimbang. Caranya adalah dengan melakukan peramalan permintaan dari data periode sebelumnya sebagai acuan untuk memesan bahan baku ke pemasok. Dengan acuan tersebut perusahaan bisa tepat waktu memenuhi permintaan pelanggan serta menyiapkan tersedianya produk yang cukup dan tidak berlebihan sehingga dapat diketahui banyaknya jumlah produk yang harus disediakan di tiap wilayah distribusi (Economic Order Quantity ), kapan dilakukannya pemesanan kembali oleh masing- masing wilayah (Reorder Point) dan besarnya persediaan yang ada (Safety Stock),

BAB I

PENDAHULUAN

1.1. Latar Belakang Permasalahan

PT. Uni Perkasa merupakan perusahaan yang bergerak dalam bidang pembuatan jelly. Setiap perusahaan tentunya ingin mendapatkan respon yang baik dari konsumen dan salah satu cara yang dapat dilakukan adalah dengan menjaga ketersediaan produk di pasaran sehingga kebutuhan konsumen dapat terpenuhi. Untuk menjaga agar produk tetap tersedia di pasaran, diperlukan suatu jadwal distribusi yang terencana.

PT. Uni Perkasa memiliki rantai distribusi yang terdiri dari Central Supp ly Facilities (CSF) dan Distribution Center (DC). Perusahaan belum membuat perencanaan distribusi yang terintegrasi antar setiap bagian sistem distributor. Pendistribusian produk yang dilakukan perusahaan lebih berdasarkan pada taksiran dan pengalaman ataupun permintaan langsung dari DC tanpa memperhatikan posisi stock pada CSF dan DC serta ketersediaan sumber yang lain seperti alat transportasi. Hal ini menyebabkan permintaan yang sangat fluktuatif dan safety stock yang dibutuhkan cukup besar. Dan dampak lainnya adalah terhambatnya aliran distribusi produk dari perusahaan ke distribution centre.

Oleh karena itu perusahaan perlu melakukan perencanaan distribusi yang baik sehingga dapat mengalokasikan kebutuhan produk pada masing-masing agen atau DC dan permintaan konsumen dapat terpenuhi dengan tepat waktu. Salah satu metode perencanaan distribusi adalah dengan menggunakan Distribution Requirement Planning (DRP). Sistem distribusi dengan menggunakan metode Distribution Requirement Planning bertujuan untuk membuat suatu perencanaan penjadwalan pendistribusian dan diharapkan dapat meminimasi permasalahan yang dihadapi perusahaan.

1.2. Perumusan Masalah

Rumusan permasalahan yang terjadi di PT. Uni Perkasa adalah sistem pendistribusian produk dari Central Supply Facilities (CSF) dan Distribution Center (DC). Sistem distribusi yang diterapkan masih berdasarkan pengalaman masa lalu atau taksiran dan belum ada sistem distribusi yang terencana. Yang artinya pihak perusahaan masih menggunakan sistem trial and error dalam menentukan demand pada periode mendatang. Hal tersebut mengakibatkan pihak perusahaan sering mengalami ketdidakseimbangan pada demand dan jumlah produksi ataupun kelebihan atau kekurangan stok yang dapat berdampak pada terganggunya aliran distribusi ke DC.

Adapun tujuan yang dapat diambil dari penelitian ini adalah :

1. Membuat suatu model perencanaan distribusi pemenuhan permintaan pelanggan yang agregasinya menjadi kebutuhan pemesanan ke pemasok.

2. Mengembangkan implementasi metode tersebut agar perusahaan dapat menerapkan sistem DRP dalam merencanakan distribusi sumber dayanya untuk beberapa Distribution Centre (DC).

Adapun manfaat dari hasil penelitian ini adalah memberikan gambaran mengenai jumlah penjualan di tiap lokasi pemasaran sehingga dapat menjadi salah satu dasar pemikiran pimpinan perusahaan dalam merencanakan sistem distribusi yang efektif.

1.4. Batasan Masalah dan Asumsi

Batasan masalah yang digunakan dalam penelitian ini adalah sebagai berikut : a. Penelitian dibatasi pada kegiatan distribusi dalam kaitannya dengan penjualan

pada masing-masing daerah ( dari CSF ke DC saja ).

b. Planning horizon yang ditinjau dalam perencanaan adalah jangka menengah yang

dibagi dalam time-bucket mingguan.

c. Daerah pemasaran yang diteliti adalah daerah distribusi dengan demand terbanyak.

d. Penelitian yang dilakukan tidak dilanjutkan ke implementasi model pada sistem distribusi perusahaan.

Sedangkan asumsi-asumsi yang digunakan dalam penelitian ini adalah : a. Kondisi perusahaan tidak mengalami perubahan selama proses penelitian.

b. Data yang digunakan adalah data masa lalu dan tidak memperhitungkan pertumbuhan penduduk.

c. Lokasi Distribution Center tidak berubah.

d. Bahan baku, tenaga kerja dan sumber daya dipenuhi dengan baik dan sarana transportasi beroperasi dengan baik.

1.5. Sistematika Penulisan Laporan

Agar lebih mudah untuk dipahami dan ditelusuri maka sistematika penulisan tugas sarjana ini akan disajikan dalam beberapa bab sebagai berikut :

I. Pendahuluan

Dalam bab ini akan diuraikan mengenai latar belakang permasalahan, rumusan permasalahan, tujuan penelitian, manfaat penelitian, batasan dan asumsi yang digunakan, alat dan bahan yang digunakan serta sistematika penulisan tugas akhir.

II. Tinjauan Pustaka

Dalam bab ini diuraikan mengenai tinjauan-tinjauan kepustakaan yang berisi teori-teori yang mendukung permasalahan.

Bab ini berisi metodologi yang digunakan untuk mencapai tujuan penelitian meliputi tahapan-tahapan penelitian dan penjelasan tiap tahapan secara ringkas disertai diagram alirnya.

IV. Pengumpulan dan Pengolahan Data

Bab ini memuat data-data hasil penelitian yang diperoleh dari hasil pengamatan dan pengukuran yang dilakukan di lapangan sebagai bahan untuk melakukan pengolahan data yang digunakan sebagai dasar pada perencanaan sistem distribusi yang efektif.

V. Analisis Pemecahan Masalah

Bab ini menganalisa kemampuan metode DRP dalam merencanakan sistem distribusi di tiap DC sehingga tidak terjadi ketidak seimbangan pada

demand dan supply.

VI. Kesimpulan dan Saran

Bab ini berisikan kesimpulan yang dapat diambil oleh penulis dari hasil penelitian ini serta rekomendasi saran-saran yang perlu bagi perusahaan.

BAB II

GAMBARAN UMUM PERUSAHAAN

2.1. Sejarah Perusahaan

PT. Uni Perkasa merupakan suatu perusahaan swasta yang bergerak di bidang produksi air minum kemasan, air rasa dan jelly. Perusahaan ini didirikan pada tahun 2000 oleh Pak Amin. Pada mulanya, PT. Uni Perkasa adalah sebuah industri kecil (home industry) yang bergerak di bidang produksi air minum kemasan.

Pada tahun 2006 perusahaan ini mulai didirikan dengan nama PT. Uni Perkasa. Seiring dengan perkembangan usaha dan peningkatan permintaan dari konsumen, maka perusahaan mulai memproduksi air rasa dan jelly. Pada tanggal 8 Agustus 2008, perusahaan memperluas lantai produksinya dengan mulai memproduksi kemasan sendiri berupa cup. Kemasan (cup) tersebut selain untuk dipergunakan sendiri, juga dijual kepada pihak lain.

2.2. Ruang Lingkup Bidang Usaha

PT. Uni Perkasa bergerak di bidang produksi air minum kemasan, air rasa dan jelly. PT. Uni Perkasa juga memproduksi kemasan (cup), baik yang dipergunakan untuk keperluan sendiri maupun untuk memenuhi pemesanan dari pihak lain.

Produk yang dihasilkan oleh PT. Uni Perkasa mempunyai merk seperti “Minly”, “Syrup Aceh”, “Fantamin”, “Black Coffee” dan “Ria Jelly”. Produk-produk tersebut dipasarkan di daerah Aceh, Sumatera Utara, Sumatera Barat dan Riau.

2.3. Organisasi dan Manajemen

2.3.1. Struktur Organisasi Perusahaan

Struktur organisasi PT. Uni Perkasa berbentuk staf dan fungsional. Hubungan lini dapat dijumpai dari hubungan General Manager dengan Sales Manager, Koord. Finance & Accounting, Kepala Pabrik, Bagian PPIC dan Kepala Personalia & Umum. Hubungan staf dapat dijumpai dari hubungan antara General Manager dengan Staff GM , bagian Purchasing dan Quality Control. Hubungan fungsional dijumpai pada kelompok Kepala Gudang, Kepala Adm, Manajer Produksi dan Manajer Pemasaran. Struktur organisasi PT. Uni Perkasa dapat dilihat pada Gambar 2.1.

2.3.2. Jumlah Tenaga Kerja

PT. Uni Perkasa memiliki tenaga kerja sebanyak 122 orang, yang terdiri dari staf dan karyawan. Yang termasuk dalam golongan staf adalah pekerja pada tingkat manager, kepala bagian, koordinator dan karyawan yang bekerja pada bagian administrasi dan accounting. Yang termasuk dalam golongan karyawan adalah

pekerja pada bagian produksi termasuk satpam dan petugas kebersihan. Perincian jumlah tenaga kerja dapat dilihat pada Tabel 2.1 .

Tabel 2.1. Rincian Jumlah Tenaga Kerja di PT. Uni Perkasa

Jabatan Jumlah (orang)

General Manager ( GM ) 1

Staff General Manager 1

Purchasing 1

Quality Control 5

Sales Manager 1

Koordinator Finance & Accounting 1

Kepala Pabrik 1

PPIC 1

Kepala Personalia & Umum 1

Salesman 4

Kabag Gudang Jadi 1

Adm Gudang Jadi 1

Kepala Finance 1

Pembukuan Kas 1

Kepala Accounting 1

Staf Accounting 3

Adm. Stok 4

Kabag Produksi Cup 1

Karu Produksi Cup 3

Karyawan Produksi Cup 27

Kabag Produksi Minuman & Galon 1

Karu Produksi Minuman & Galon 1

Karyawan Produksi Minuman & Galon 41

Kabag Gudang Bahan Baku 1

Adm Stok Bahan Baku 1

Kabag Workshop 1

Mekanik 3

Security 6

Petugas Kebersihan 6

Total 122

Sumber : PT. Uni Perkasa

2.3.3. Jam Kerja

PT. Uni Perkasa menetapkan 1 (satu) shift kerja dengan jam kerja efektif 42 jam per minggu. Sistem penjadwalan kerja adalah sebagai berikut:

Senin – Sabtu : pukul 08.00 WIB s/d 12.00 WIB : waktu kerja

pukul 12.00 WIB s/d 13.00 WIB : waktu istirahat pukul 13.00 WIB s/d 16.00 WIB : waktu kerja

Pada waktu tertentu bilamana terjadi lonjakan permintaan, perusahaan akan menerapkan jam kerja tambahan di luar jam kerja normal yang disebut sebagai jam kerja lembur.

2.4. Lokasi Perusahaan

PT. Uni Perkasa berlokasi di Jalan Johar No.62 Desa Paya Geli, Sunggal – Deli Serdang. Pabrik ini berdiri diatas lahan seluas 4000 m2 (40 m x 100 m) dengan luas bangunan seluas 2390 m2. Hal-hal yang perlu diperhatikan dalam menentukan lokasi pabrik antara lain:

1. Lokasi pabrik diusahakan berada di daerah yang jauh dari tempat pemukiman warga setempat / kawasan industri.

General Manager Sales Manager Adm. Gudang Jadi

Salesman Ka. Bag.

Gudang Jadi Koord. Finance & Accounting Staff Accounting Kepala Accounting Kepala Finance Pembukuan Kas Adm. Stock Kepala Pabrik Ka. Bag. Prod. Minuman &

Galon

Ka. Bag. Gdg Bhn Baku Ka. Bag. Produksi Cup Karu Produksi Cup Karyawan Karu Prod. Minuman &

Galon Karyawan Ka. Bag. Workshop Adm. Stock Bahan Baku Mekanik Kepala Personalia & Umum Adm. Personalia & Umum Petugas Kebersihan Security PPIC Staff GM Quality Control Purchasing

V-30

2. Tersedianya fasilitas pendukung seperti sarana transportasi, listrik dan air. 3. Bahan baku yang tersedia.

4. Tenaga kerja yang tersedia. 5. Keamanan.

Beberapa keuntungan yang dimiliki oleh lokasi perusahaan PT. Uni Perkasa antara lain:.

1. Dekat dengan jalan lintas kota yang memudahkan proses pengiriman barang. 2. Letaknya strategis karena mudah dijangkau dari jalan lintas kota

Medan-Sunggal.

3. Fasilitas-fasilitas yang mendukung kegiatan pabrik seperti sarana jalan, listrik, telekomunikasi, pengolahan limbah, dan fasilitas pendukung lainnya tersedia dengan baik.

2.5. Daerah Pemasaran

Seluruh produk minuman ringan milik PT. Uni Perkasa dipasarkan di daerah lokal meliputi Aceh, Sumatera Utara, dan Pekan Baru.

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.

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.

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.

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.

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

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

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

∑ ∑

∑ ∑ ∑

− −

− 2 2

) ( t t

n

Y t tY n

V-38

n t b Y

a=

∑

t−

∑

2. Trend Eksponensial atau Pertumbuhan Bentuk persamaan umum :

Y = aebt

sedangkan peramalannya mempunyai bentuk persamaan : Yt = aebt

∑ ∑

∑

∑ ∑

− −

= 2 2

) ( ln ln t t n Y t Y t n

b t t

n t b Y

a =

∑

ln t −

∑

ln

3. Trend Logaritma Y = a + b log t

sedangkan bentuk peramalannya : Yt = a + b log t

∑

∑

∑

∑ ∑

− −

= 2 2

) log ( log log log t t n Y t tY n

b t t

n t b

Y

a=

∑

t−

∑

log

4. Trend Geometrik Bentuk persamaannya : Y = atb

sedangkan bentuk peramalannya : Yt = atb

∑

∑

∑

∑ ∑

− −

= 2 2

) log ( log log log log . log t t n Y t Y t n

V-39

n

t b

Y

a=

∑

t −

∑

log

log

5. Trend Hyperbola

Bentuk persamaan umumnya adalah :

Y = _t

b a

sedangkan peramalnnya :

Yt = _t

b a

∑

∑

∑

∑ ∑

− −

= 2 2

) ( log log . log t n t Y t Y t n

b t t

n

t b Y

a=

∑

log t −log

∑

log

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 N t t

t

+ + +

= − + +

+1 1 1

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:

F_t =w₁A_t−1+w₂A_t−2 +...+w_nA_t−n

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

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:

( )

(

1

)

ˆ 1

ˆ

− − +

= t t

t f f

f α α

dimana :

t

fˆ : perkirakan permintaan pada periode t

α : suatu nilai (0<α <1) yang ditentukan secara subjektif t

f : permintaan aktual pada periode t

1 ˆ

−

t

f : perkiraan permintaan pada periode t-1 2. Double Exponensial Smoothing

Formula Double Exponential Smoothing adalah : f_t+m =a_t +b_t.m.

sedangkan :

( )

1 ' 1

'= _t+ − _t−

t X f

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

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= −

( ) ( )

( )

∑ ∑

∑ ∑ ∑

− − −

= ₂ 2

t t n y t ty n b

c. Kuadratis, dengan fungsi peramalan : Yt = a + bt + ct2

dimana : n t c t b Y

a=

∑

−

∑ ∑

−

2

;

∂ − =θ bα

c ; ₂

α β θα δ − ∂ − ∂ = b

( )

_∑

−

_∑

=

∂ 2 2 4

t n t

∑ ∑

−

∑

= t Y n tY

δ

∑ ∑

−

∑

= t2 Y n t2Y θ

∑ ∑

−

∑

= 2 2 3

t n t t α

( )

_∑

−

_∑

= 2 2

t n t β

V-43

Yt = aebt dimana : n t b Y

a=

∑

ln −

∑

ln

( )

2 2 ln ln ln

∑

∑

∑

∑

∑

− − = t t n Y t Y t n a

e. Siklis, dengan fungsi peramalan :

n t c n b a

Yˆ_t = + sin2τ + cos2τ

dimana : n t c n t b na

Y sin2τ

∑

cos2τ

∑

= + + n t n t c n b n t a n t

Ysin2τ

∑

sin2τ sin2 2τ

∑

sin2τ cos2τ

∑

= + + n t n t b n c n t a n t

Ycos2τ

∑

cos2τ

∑

cos2 2τ

∑

sin2τ cos2τ

∑

= + +

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,

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.

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, f _t : data aktual periode t

t

fˆ : nilai ramalan periode t N : banyaknya periode 2. Standard Error of Estimate (SEE)

( )

f N f f SEE N t t t − − =

∑

=1

2

ˆ

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

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 :

(

) (

)

1

1 − ₋

− −

= t Tt t− Ft

t Y Y Y Y

MR atau : MR_t =e_t −e_t−1

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.

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 :

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

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.

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

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 :

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.

V-54

Description information adalah atribut – atribut masukan pada awal

perencanaan. Description information ini berupa pengolahan data awal untuk masukan sistem DRP. Description Information meliput i :

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

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

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

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 Quantities.

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.

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 :

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

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 ).

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 Baku

_Perkasa

Uni

Agen Penjual

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,

V-63

Bagian Pemasaran

Sales

Bagian Gudang / Persediaan

Produk

Pemasok Bahan Baku

Mengirimkan Order Produk

Order Bahan Baku Diproses

Jadi Produk

Pengiriman Bahan Baku

Distribution Centers

Mengirimkan Order

UNI PERKASA

Jumlah Produk

Cukup

Jumlah Produk

Tidak Cukup

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.

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.

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

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 Lampung Padang

Aceh Pekanbaru

Gambar 5.1. Jaringan Distribusi PT. Uni Perkasa

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

Jumlah

446300 286900 162400 218450

Sumber : PT. Uni Perkasa

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.

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 +

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

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 software 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.

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 20415

17110 19050

4 Juni 2010 29500 29211

17620 23150

5 Juli 2010 36700 26564

18130 28280

6 Agustus 2010 41200 12396

18640 29450

7 September 2010 50850 31218

V-73

8 Oktober 2010 52420 37428

19660 31700

9 November 2010 57000 40663

20170 28800

10 Desember 2010 65500 57670

20680 26500

11 Januari 2011 28500 17837

21190 15100

12 Februari 2011 29600 19501

21700 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

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

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

V-76 kotak EOQ CV PD EOQ 450 . 20 2 , 444 . 20 800 ) 046 . 458 )( 000 . 365 ( 2 2 = = = =

Total permintaan = 458.046 / tahun = 38.170 / bulan = 9540 / minggu

Frekuensi pembelian dalam 1 tahun = 22 450 . 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 . 17 800 ) 329 . 329 )( 000 . 365 ( 2 2 = = = =

Total permintaan = 329.329 / tahun = 27.500 / bulan = 6870 / minggu

Frekuensi pembelian dalam 1 tahun = 19 340 . 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 . 12 800 ) 740 . 226 )( 000 . 295 ( 2 2 = = = =

V-77

Total permintaan = 226.740 / tahun = 18.890 / bulan = 4.720 / minggu

Frekuensi pembelian dalam 1 tahun = 17 950 . 12 740 . 226 = kali

•

DC Pekanbaru P = Rp 515.000 D = 277.560 kotak CV = Rp. 800

kotak EOQ CV PD EOQ 800 . 14 4 , 784 . 14 800 ) 560 . 277 )( 000 . 315 ( 2 2 = = = =

Total permintaan = 277.560 / tahun = 23.130 / bulan

Frekuensi pembelian dalam 1 tahun = 18 800 . 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 :

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

Bulan Hasil Peramalan ( Xi )

Rata-Rata

(X )

( Xi -

X

)

2 Maret 2010 20176

38171

323802030 April 2010 21600

274581470

Mei 2010 25000

173462070 Juni 2010 29500

75177570 Juli 2010 36700

2162370 Agustus 2010 41200

9177870 September 2010 50850

V-79

Oktober 2010 52420

203048250 November 2010 57000

354550070 Desember 2010 65500

746901570 Januari 2011 28500

93518570 Februari 2011 29600

73453470

Total ( ∑ ) 458046

2.490.605.033 047 . 15 1 12 033 . 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

Bulan Hasil Peramalan ( Xi )

Rata-Rata

(X )

( Xi -

X

)

2 Maret 2010 21322

27444

37479904 April 2010 15104

152275600

Mei 2010 20415

49406841 Juni 2010 29211

3122289 Juli 2010 26564

774400 Agustus 2010 12396

226442304 September 2010 31218

14243076 Oktober 2010 37428

99680256 November 2010 40663

174741961 Desember 2010 57670

V-80

Januari 2011 17837

92294449 Februari 2011 19501

63091249

Total ( ∑ ) 329.329

1.827.163.405 888 . 12 1 12 405 . 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

Bulan Hasil Peramalan ( Xi )

Rata-Rata

(X )

( Xi -

X

)

2 Maret 2010 16090

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

V-81 839 . 1 1 12 300 . 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

Bulan Hasil Peramalan ( Xi )

Rata-Rata

(X )

( Xi -

X

)

2 Maret 2010 15800

23130

53728900 April 2010 17880

27562500

Mei 2010 19050

16646400 Juni 2010 23150

400 Juli 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 ( ∑ ) 277.560