Sub model Peramalan RANCANG BANGUN MODEL

130 , ISSN:1411-6340 perencana produksi. Akurasi terdapat dua jenis yaitu plus + dan minus -, akurasi plus berarti pengiriman selalu lebih besar dari peramalan, akurasi minus adalah sebaliknya. Kedua jenis akurasi tersebut perlu dipisahkan karena sangat berbeda hasilnya. Data akurasi diperoleh dari perbandingan antara peramalan permintaan dengan aktual permintaan selama 3 bulan berturut-turut sbb: Tabel 3. Kategori Akurasi Peramalan Terlihat bahwa ada sejumlah 152 ukuran kaca yang memiliki penyimpangan ± 5 atau kategori A, 41 ukuran kaca masuk kategori B, dan 231 ukuran kaca masuk kategori C. Petugas perencana produksi harus memperhatikan ukuran kaca yang memiliki akurasi tidak baik, semakin tinggi persediaan maka akan semakin aman dari fluktuasi peramalan. Kebalikannya untuk akurasi yang baik kelas A maka persediaan bisa diturunkan seminimal mungkin. Menentukan Kombinasi 3 Faktor Utama Ketiga sub model tersebut perlu diformulasikan untuk menghasilkan sebuah angka tunggal mengenai status tiap ukuran kaca, caranya dengan dilakukan pembobotan untuk tiap sub model. Bobot Akurasi Peramalan adalah 5 kali lebih penting karena ini merupakan sumber utama dari kesalahan dalam perbuatan rencana produksi dan bisa mengakibatkan fenomena Bullwip yaitu sebuah kondisi dimana persediaan di proses selanjutnya akan terus membesar dibandingkan kebutuhan sesungguhnya atau kebalikannya malah terjadi kekurangan barang, Nilai Persediaan 3 kali lebih penting; seperti yang telah dijelaskan pada tujuan penelitian ini, dan Kritikalitas 2 kali. Walaupun kritikalitas bobotnya ada di bawah akurasi namun sudah diamankan oleh adanya cycle-stock 1,0 bulan. Artinya jika Reliability process tidak baik sehingga ukuran kaca tertentu baru bisa diproduksi diakhir bulan maka perusahaan sudah memiliki persediaan pengaman. Oleh karena kebijakan persediaan perusahaan maksimal 1,3 bulan maka angka tersebut dijadikan batas maksimal, sementara batas minimalnya adalah 1,0 bulan atau tanpa persediaan pengaman. Berikut data pembagian target tingkat persediaan dan bobot untuk tiap sub model faktor utama: Tabel 4. Pembobotan Faktor Utama Setiap ukuran kaca dapat dihasilkan statusnya dengan mengalikan Kategori A, B, C dengan Bobotnya sbb: Data AKURASI Sum of PERCENTAGE Sum of UKURAN Sum of AMOUNT A 43 152 4.628.776.145 B 24 41 2.577.296.012 C 33 231 3.627.865.350 Grand Total 100 424 10.833.937.507 FAKTOR UTAMA Tingkat Bobot A B C Nilai Uang Tinggi -- Rendah 2 1,1 1,2 1,3 Kritikalitas Stopline -- Tidak 3 1,3 1,2 1,1 Akurasi min - 1,0 1,0 1,0 Akurasi plus + 1,0 1,2 1,3 5 Bagus -- Jelek Kelas Model Rencana Produksi Kaca Otomotif Agus Ruhimat 131 Sehingga akan diperoleh nilai AAA, BBB, CCC, ABB, dst. Jika ada ukuran kaca statusnya ABC+ artinya nilai uangnya tinggi A, kritikalitas bisa dijadwal ulang B, akurasi peramalan selalu plus + 15 C. Dengan model di atas pada akhirnya tingkat persediaan dapat digambarkan dengan status berikut: Tabel 5. Nilai tingkat persediaan dari status tiap ukuran kaca Dari tabel di atas dapat terlihat bahwa tingkat persediaan dapat bervariasi sesuai dengan faktor dominannya; tingkat persediaan paling rendah dimiliki adalah 1,07 BAC+, BCB-, dan lain-lain. Variasi tingkat persediaan tersebut lebih realistis daripada dianggap sama untuk semua jenis ukuran kaca. Jika simulasi dijalankan terdapat penghematan uang sebesar 2,6 Milyar Rupiah tiap bulannya. Tabel 6. Hasil simulasi Saat ini Sesudah klasifikasi Penghematan uang 16.250.906.260 13.576.786.961 2.674.119.299 Dengan demikian model di atas sudah diverifikasi dan divalidasi bisa diaplikasikan dan hasilnya nyata yaitu turunnya nilai persediaan. Model yang dihasilkan tersebut juga bisa ditelusuri latar belakangnya daripada cara penentuan rencana produksi sebelumnya yaitu menyamakan semua tingkat persediaan sebesar 1,3 bulan untuk semua ukuran kaca.

5. KESIMPULAN

Perhitungan dengan melakukan pembobotan akan diperoleh nilai yang realistis dimana sudah memperhitungkan semua resiko yang terlibat dan sesuai dengan kebutuhan saat itu. Petugas perencana produksi pun dapat memutahirkan data tersebut berdasarkan kondisi terbaru dan berdasarkan kecenderungan data. Dengan model perencanaan produksi di atas perusahaan dapat menurunkan nilai persediaan sehingga cashflow yang lebih lancar. Namun demikian metode klasifikasi dalam penelitian ini perlu diperbaiki lagi dengan mencari pembobotan dan nilai klasifikasi kelas yang lebih ilmiah berdasarkan kajian ilmiah dalam menentukan tingkat persediaan pengaman Selain hal tersebut kedepannya perlu diperluas untuk tidak hanya pada 3 faktor utama saja melainkan pada faktor lain misalkan biaya produksi yang timbul karena jumlah produksi yang tidak optimal, faktor reliability process seperti disinggung pada bagian pendahuluan, faktor kemudahan utilisasi ke ukuran kaca lain jika terjadi akurasi peramalan minus, dan faktor-faktor lainnya. Tentunya kendala- kendala tersebut harus memakai metode Tingkat Tingkat Tingkat Tingkat Kode Persediaan Kode Persediaan Kode Persediaan Kode Persediaan AAA- 1,11 BAB- 1,13 BCC 1,07 CBA+ 1,12 AAA+ 1,11 BAB+ 1,23 BCC- 1,07 CBB- 1,12 AAB- 1,11 BAC 1,13 BCC+ 1,22 CBB+ 1,22 AAB+ 1,21 BAC- 1,13 BCX 1,07 CBC- 1,12 AAC- 1,11 BAC+ 1,28 CAA- 1,15 CBC+ 1,27 AAC+ 1,26 BBA- 1,10 CAA+ 1,15 CCA- 1,09 ABA- 1,08 BBA+ 1,10 CAB- 1,15 CCA+ 1,09 ABA+ 1,08 BBB- 1,10 CAB+ 1,25 CCB- 1,09 ABB- 1,08 BBB+ 1,20 CAC 1,15 CCB+ 1,19 ABB+ 1,18 BBC- 1,10 CAC- 1,15 CCC 1,09 ABC- 1,08 BBC+ 1,25 CAC+ 1,30 CCC- 1,09 BAA- 1,13 BCA+ 1,07 CAX 1,15 CCC+ 1,24 BAA+ 1,13 BCB- 1,07 CBA- 1,12 CCX 1,09 132 , ISSN:1411-6340 Multi Criteria Decision atau metode lainnya.

6. DAFTAR PUSTAKA

[1] Preiss, Kenneth, Patterson, R., dan Merc Field, 2001, “The future direction of industrial enterprises” dalam “Maynard’s Industrial Engineering Handbook“ , 5 th ed, h-1.135. [2] Stanford, R.E. dan W. Martin, 2007, Towards a normative model for inventory cost management in a generalized ABC classification system. Journal of the Operational Research Society . Vol 58 No. 7, hal. 2. [3] Zelbst, P.J., Green, K.W. Jr, Abshire, R.D., dan Victor E. Sower. 2010. Relationships among market orientation, JIT, TQM and agility, Industrial Management Data Systems , Vol. 110 No. 5, hal 1.