Model Rencana Produksi Kaca Otomotif Agus Ruhimat 127
ada analisa kebutuhan, formulasi masalah, dan identifikasi sistemdiagram input-
output Gambar 1 dan 2.
Klasifikasi ABC bisa memberikan analisa kerangka
kerja yang
penting untuk
mengorganisir dan mengontrol persediaan, dengan adanya klasifikasi ini seorang
manajer dapat lebih fokus terhadap persediaan yang memiliki nilai uang yang
tinggi karena akan berpengaruh terhadap cost management
Stanford, 2007.
Gambar 1. Metodologi Penelitian
Gambar 2. Diagram Input-Output
Pengetahuan Pakar
Kondisi Nyata
Konsep- Konsep
ANALISIS SISTEM 1.Analisis Kebutuhan
2.Formulasi Masalah 3.Identifikasi Sistem
Diagram Input-Output [A] RANCANG BANGUN MODEL
1.Sub Model Peramalan 2.Sub Model Perencanaan
3.Sub Model Produksi
VERIFIKASI VALIDASI MODEL
BISA DIAPLIKASIKAN SELESAI
MODEL PERENCANAAN PRODUKSI
MASUKAN TERKENDALI: 1. Peramalan permintaan
2. Tingkat Persediaan 3. Design ukuran supply vs order
MASUKAN TIDAK TERKENDALI: 1. Aktual permintaan
2. Reability Process produksi
HASIL YANG DIKEHENDAKI: Nilai persediaan yang turun
HASIL YANG TIDAK DIKEHENDAKI:
Pekerjaan administrasi bertambah banyak
128 , ISSN:1411-6340
Tahapan selanjutnya
membuat rancang bangun model dimana dibuat sub
model peramalan
permintaan dan
perencanaan produksi dengan dibantu klasifikasi ABC dalam pengelompokan
data. Setelah model didapat dilakukan verifikasi dan validasi model dengan cara
mencoba
aplikasikan terhadap
aktual perencanaan produksi bulan Dec 2010 dan
setelah dipastikan bisa diaplikasikan maka penelitian ini selesai.
Diagram Input-Output dibutuhkan untuk menjelaskan masukan-masukan ke
dalam model dan keluaran dari model, baik untuk yang terkendalitidak terkendali atau
yang diharapkantidak diharapkan sehingga struktur
penelitian bisa
lebih jelas.
Penelitian ini dibatasi hanya pada proses pembuatan rencana produksi dengan faktor
reliability process diasumsikan 1 bulan sebagai cycle stock minimal.
3. ANALISA SISTEM
Industri otomotif menerapkan Lean Manufacturing
yang salah satunya dikenal dengan istilah just-in-time JIT dimana
pabrikan otomotif
tidak memiliki
persediaan karena pemasok diharuskan mengirimkan bahan baku yang tepat jumlah
dan tepat waktu sehingga keterlambatan pasokan dapat mengakibatkan lini perakitan
konsumen berhenti sama sekali yang bisa sangat mahal kompensasinya dan merusak
reputasi pemasok.
Mengingat resiko barang kurang yang demikian besar maka sewajarnya
perencana produksi menginginkan tingkat persediaan
yang tinggi
sehingga menerapkan 1,3 bulan persediaan pada
posisi akhir bulan. Namun demikian tingginya persediaan tidak baik untuk
cashflow berusahaan karena merupakan aset yang tertunda. Sehingga perlu dicari
cara pembuatan rencana produksi yang dapat memenuhi keduanya yaitu tidak
menyebabkan barang kurang dan dengan jumlah yang sekecil mungkin.
Konsep yang akan dicoba diterapkan dalam penelitian ini adalah Klasifikasi ABC
dimana setiap bagian yang berkontribusi terhadap persediaan barang akan dibagi ke
dalam tiga kelompok yaitu A, B, dan C. Penelitian ini juga ditunjang oleh pendapat
para
pakar terutama
dari internal
perusahaan yang terbiasa berkecimpung dalam perencanaan produksi. Masukan dari
kondisi nyata,
konsep-konsep, dan
pengetahuan pakar tersebut selanjutnya menjadi bahan untuk menganalisa sistem
dimana di dalamnya ada analisa kebutuhan, formulasi
masalah, dan
identifikasi sistemdiagram input-output Gambar 1 dan
2. Pengukuran resiko bisa dilakukan dengan
adanya klasifikasi tersebut, sehingga bisa ditentukan persediaan mana yang bisa
ditekan sekecil mungkin dan mana yang tetap dipertahankan pada tingkat tinggi.
Faktor-faktor yang berpengaruh terhadap tingkat persediaan diidentifikasi sebagai
berikut : 1. Nilai uang persediaan, 2. Resiko barang kurang, dan 3. Akurasi peramalan.
Ketiga
faktor tersebut
yang akan
dimodelkan dalam penelitian ini sehingga diperoleh keluaran model perencanaan
produksi.
Gambar 3. Continues System Persediaan
Aktual Permintaan
Akurasi peramalan
Nature Industri
Peramalan Rencana
Diterima Otomotif
Permintaan Produksi
Konsumen
Kebijakan tingkat persediaan Nilai persediaan
Kritikalitas Fisik
Data
Inventory Produksi
Model Rencana Produksi Kaca Otomotif Agus Ruhimat 129
4. RANCANG BANGUN MODEL
Penelitian ini menggunakan data masa lalu periode Oktober-Nopember 2010
yang diperoleh dari internal perusahaan. Dari data tersebut dipetakan distribusi ke
dalam tiga kelompok yaitu A, B, dan C.
4.1. Sub model Nilai Uang
Nilai uang diperoleh dari jumlah permintaan dikalikan dengan harga jual
kaca tersebut. Pada tabel 1 di bawah terlihat bahwa 80 dari nilai persediaan hanya
diwakili oleh 70 ukuran kaca A senilai 26 Milyar,
sementara 20
dari nilai
persediaan adalah akumulasi dari 354 ukuran kaca B C senilai 6 Milyar.
Petugas perencana
produksi hendaknya menetapkan tingkat persediaan
untuk kategori A sekecil mungkin karena akan sangat berpengaruh terhadap nilai
uang persediaan
yang tertahan
kebalikannya untuk kategori C memiliki keleluasaan untuk menaikan persediaan
karena nilai uangnya tidak begitu besar. Tabel 1. Kategori Nilai Persediaan
4.2. Sub
model Kritikalitas
Service Level
Kritikalitas adalah seberapa besar resiko yang akan terjadi bila terjadi
kekurangan pasokan
ke konsumen.
Komposisi pada
kategori kritikalitas
berbeda dengan nilai uang di atas, pada kategori ini terdapat 125 ukuran kaca yang
tidak boleh terjadi kekurangan supply atau harus 100 A, selanjutnya ada 95 ukuran
kaca yang bilamana persediaan kurang akan mengakibatkan pabrik perubahan jadwal
produksi dan pengiriman bisa dijadwal ulang, dan ada 204 ukuran kaca yang
pengirimannya bisa jadwal ulang baik di pabrik sendiri maupun di konsumen.
Kebalikan dengan kategori nilai uang di atas, untuk kategori A petugas perencana
produksi sebaiknya memiliki persediaan yang aman untuk menghindari berhentinya
proses produksi di konsumen.
Tabel 2. Kategori Kritikalitas
4.3. Sub model Peramalan
Peramalan adalah
perkiraan kebutuhan dimasa depan yang dapat
ditentukan secara matematis melalui data historis atau melalui kualitatif informal atau
melalui kedua teknik tersebut. Peramalan sangat diperlukan untuk merencanakan
yang akan datang, mengurangi faktor ketidakpastian, antisipasi dan mengelola
perubahan, meningkatkan komunikasi dan integrasi,
dan antisipasi
persediaan, kapasitas,
demand dan
lead time.
Mengingat pentingnya peramalan maka akurasi peramalan perlu dicek, semakin
buruk performansi peramalan maka harus semakin
tinggi tingkat
keamanan persediaannya.
Akurasi peramalan dibagi ke dalam tiga kelas. Kelas A yang memiliki akurasi ±
5, kelas B diantara 5 sd 15, kelas C 15. Besaran angka tersebut merupakan
inisiatif awal saja untuk memisahkan data, selanjutnya
bisa diperketat
atau diperlonggar lagi sesuai dengan kebijakan
Data NILAI UANG
Sum of PERCENTAGE Sum of UKURAN Sum of AMOUNT A
80 70
8.702.933.458 B
14 86
1.541.946.162 C
5 268
589.057.887 Grand Total
100 424
10.833.937.507
Data SERVICE LEVEL
Sum of PERCENTAGE Sum of UKURAN Sum of AMOUNT A
83 125,000
8.942.883.488 B
14 95,000
1.463.019.437 C
4 204,000
428.034.582 Grand Total
100 424,000
10.833.937.507
