ANALISA SISTEM JURNAL TI Vol 1 No 2 Juli 2011

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 10.833.937.507 130 , 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