235836038 Analisis MRP Dalam Penerapan Lean Productin (1)

“ANALISIS MATERIAL REQUIREMENT PLANNING (MRP) UNTUK PENGENDALIAN
PERSEDIAAN BAHAN BAKU PEMBUATAN BLANK FILTER AFPL PRODUK ITEM NO. 1517
DENGAN MENGGUNAKAN PERANGKAT LUNAK WINQSB”
(STUDI KASUS PADA PT. XYZ.)

Muhammad Kholil (1), Rudini Mulya (2)
Program Studi Teknik Industri
Universitas Mercubuana – Jakarta
1)

Email: m.kholil@mercubuana.ac.id,2)rudinimenteri@gmail.com

ABSTRAK

PT XYZ. yang merupakan industri yang memproduksi komponen – komponen otomotif.
Sebelumnya PT XYZ. belum pernah menerapkan metode MRP pada salah satu produk yaitu unit
AFPL tipe 1517¸ maka penulis tertarik untuk mengadakan penelitian menyangkut masalah persediaan
bahan baku, terutama akan mengulas tentang Material Rquirement Planning (MRP). Sistem MRP
merupakan strategi material proaktif. MRP melihat ke masa depan dengan mengidentifikasi material
yang akan diperlukan, dengan biaya yang optimal sehingga dapat berdampak meningkatnya
keuntungan perusahaan. Perencanaan kebutuhan material sangat memerlukan peramalan

permintaan konsumen yang dihitung dari permintaan masa lalu, sehingga dapat memperkirakan
kebutuhan dimasa mendatang. Metode peramalan yang akan digunakan adalah Single exponential
Smooting (SES), Single Exponential Smooting White Ternd (SEST), Moving Average (MA), Weighted
Moving Average (WMA), Regresi Linear (RL). Kemudian setiap akurasi hasil peramalan dihitung
sehingga hasil peramalan dapat untuk mengetahui tingkat kesalahan yang terjadi. Dalam
perencanaan kebutuhan material metode lot sizing yang digunakan yaitu Wagner Whiting (WW), Lot
For Lot (LFL), Fixed Order Quantity (FOQ), Part Period Balancing (PPB), Least Total Cost (LTC), dan
dalam pengolahan perhitungan tersebut dilakukan dengan menggunakan perangkat lunak WinQSB.
Dari penelitian yang telah dilakukan didapat hasil peramalan yang terbaik untuk produk AFPL item no.
1517 untuk periode mendatang berdasarkan hasil nilai ukuran MAPE (Rata-rata Persentase
Kesalahan Absolut) terendah yaitu sebesar 11,40. Sedangkan untuk perhitungan kebutuhan material
yang telah dilakukan didapatkan biaya yang paling optimal pada tipe ukuran lot sizing WW (Wagner
Whiting) yaitu sebesar Rp 383.509.850.
Kata Kunci : AFPL produk item no. 1517, peramalan, MRP, Lot Sizing, WinQSB

ABSTRACT

PT XYZ. which is the industry that produces components - components otomotif.Sebelumnya
PT XYZ. MRP method has never been applied to one type AFPL unit produkyaitu 1517 ¸ the authors
are interested in conducting research concerning the problem of raw material supply, especially

rquirement will review the Material Planning (MRP). material MRP system is a proactive strategy.
MRP look into the future to identify the material that will be required, with the optimal cost increase
that may impact the company's profits. Material requirements planning is in need of demand
forecasting consumer demand is calculated from the past, so it can estimate mendatang.Metode
forecasting future needs that will be used is single exponential Smooting (SES), Single Exponential
Smooting White Ternd (sest), Moving Average (MA), weighted Moving Average (WMA), Linear
Regression (RL). Then each forecasting accuracy is calculated so that the results can forecast results
to determine the level of error that occurred. In material requirements planning metodelot sizing used
the Wagner Whiting (WW), Lot For Lot (LFL), Fixed Order Quantity (FOQ), Part Period Balancing
(PPB), Least Total Cost (LTC), and the processing of the calculations performed by using software
WinQSB. From the research that has been done obtained the best forecasting results for AFPL
product item no. 1517 for future periods based on the value of the size of MAPE (mean absolute
percentage error) is the lowest of 11.40. As for the calculation of material requirements that have
done the most optimal cost obtained in type size of lot sizing WW (Wagner Whiting) in the amount of
USD 383 509 850.
Keywords: AFPL product item no. 1517, forecasting, MRP, Lot Sizing, WinQSB
1 PENDAHULUAN
1.1 LATAR BELAKANG
Peningkatan kemampuan penyediaan atau
produksi barang dan jasa yang dibutuhkan

manusia merupakan usaha yang harus
dilakukan oleh perusahaan atau organisasi
untuk dapat memenuhi permintaan untuk
kebutuhan-kebutuhan tersebut secara efektif
dan efisien. Perusahaan yang dipilih oleh
penulis sebagai tempat untuk melaksanakan
skripsi adalah PT Selamat Sempurna Tbk.
yang merupakan industri yang memproduksi
komponen – komponen otomotif seperti ; filter,
radiator, pipa rem, pipa bahan bakar,
kondensor, sistem pembuangan dan press
parts. Sebelumnya PT Selamat Sempurna
Tbk. belum pernah menerapkan metode MRP
I pada produk unit AFPL tipe 1517¸ maka
penulis tertarik untuk mengadakan penelitian
menyangkut masalah persediaan bahan baku,
terutama akan mengulas tentang Material
Rquirement Planning (MRP).
1.2 Perumusan Masalah
Berdasarkan latar belakang di atas,

maka rumusan permasalahan yang akan
menjadi obyek kajian didalam penelitian ini
adalah:
1. Bagaimana
mengetahui
metode
peramalan apakah yang terbaik untuk
produk AFPL 1517?
2. Bagaimana
menerapan
sistem
perencanaan kebutuhan material yang
memiliki biaya paling optimal pada produk
AFPL tipe 1517 ?

3. Apakah dengan menerapkan aplikasi
perangkat
lunak
WinQSB
mampu

menganalisa jumlah kebutuhan produksi
pada enam bulan mendatang dan
perencanaan kebutuhan material yang
akan dipesan ?
1.3 Batasan masalah
Adapun batasan – batasan masalah dalam
penelitian ini adalah sebagai berikut :
1. Perhitungan Lot Size dilakukan
dengan
munggunakan
software
WinQSB dan tidak menggunakan
rumus manual.
2. Jadwal induk produksi berdasarkan
pada hasil peramalan permintaan
perusahaan
3. Data yang diambil berdasarkan data
produksi bulan juli 2012 – februari
2013
4. Biaya total yang akan dihitung adalah

biaya
pemesanan
dan
biaya
penyimpanan.
5. Tidak menganalisa penjadwalan.
6. Tidak
menganalisa
persediaan
pengaman.
1.1

Tujuan penelitian
Tujuan Pelaksanaan penelitian ini yaitu :
1. Untuk mengetahui metode peramalan
yang terbaik untuk produk AFPL 1517.
2. Untuk mengetahui penerapan sistem
perencanaan kebutuhan material yang
memiliki biaya paling optimal pada produk
AFPL tipe 1517.

d. Exponential Smoothing White Trend =
EST
Teknik moving average dan exponential
smoothing sederhana telah dijelaskan di
depan hanya tepat bila data yang digunakan
stationer. Metode winter didasarkan atas tiga
persamaan pemulusan, yaitu persamaan
untuk penyesuaian stationer, satu persamaan
untuk penyesuaian tren, dan persamaan yang
lain untuk penyesuaian musiman.

3. Untuk mengetahui penerapan aplikasi
perangkat
lunak
WinQSB
untuk
menganalisa jumlah kebutuhan produksi
pada
periode

mendatang
dan
perencanaan kebutuhan material yang
akan dipesan.
2 LANDASAN TEORI
2.1 Sistem Produksi

e. Metode Regresi (regression method)
Sebelum suatu keputusan diambil, kadang
perlu dilakukan suatu peramalan (forecasting)
mengenai kemungkinan atau harapan yang
akan terjadi di masa depan. Analisis regresi
digunakan untuk mempelajari dan mengukur
hubungan yang terjadi di antara dua atau lebih
variabel. Regresi sederhana dikaji untuk dua
variabel. Regresi majemuk dikaji lebih dari dua
variabel.Analisis
regresi,
menyusun
persamaan regresi yang digunakan untuk

menggambarkan pola atau fungsi hubungan
antar variabel.
Ukuran Akurasi Hasil Peramalan
a. Mean Absolute Deviation = MAD
MAD merupakan rata-rata kesalahan
mutlak selama periode tertentu tanpa
memperhatikan apakah hasil peramalan
lebih besar atau lebih kecil dibandingkan
kenyataannya.
b. Mean Square Error = MSE
MSE dihitung dengan menjumlahkan
kuadrat semua kesalahan peramalan
pada setiap periode dan membaginya
dengan jumlah periode peramalan.
c. Mean Forecast Error =MFE)
MFE sangat efektif untuk mengetahui
apakan suatu hasil peramalan selama
periode tertentu terlalu tinggi atau terlalu
rendah.
MFE

dihitung
dengan
menjumlahkan
semua
kesalahan
peramalan selama periode peramalan
dan membaginya dengan jumlah periode
peramalan.
d. Mean Absolute Percentage
Error =
MAPE)
MAPE merupakan ukuran kesalahan
relatif. MAPE biasanya lebih berarti
dibandingkan
MAD
karena
MAPE
menyatakan persentase kesalahan hasil
peramalan terhadap permintaan aktual
selama periode tertentu yang akan

memberikan
informasi
persentase
kesalahan terlalu tinggi atau terlalu
rendah.
2.3 Persediaan
persediaan
merupakan
sejumlah
bahan-bahan, bagian-bagian yang disediakan
dan bahan-bahan dalam proses yang terdapat

Bagan 1.1 skema sistem produksi
2.2

Peramalan
Peramalan adalah pemikiran terhadap
suatu besaran, misalnya permintaan terhadap
satu atau beberapa produk pada periode yang
akan datang.
a. Simple Moving Average
Metode ini menggunakan sejumlah data aktual
permintaan yang baru untuk membangkitkan
nilai ramalan untuk permintaan di masa
mendatang. Metode rata-rata bergerak akan
efektif diterapkan apabila diasumsikan bahwa
permintaan pasar terhadap produk akan
teteap stabil sepanjang waktu.
b. Weighted Moving Average = WMA
Pada metode ini, setiap data diberikan bobot
yang sama. Aktualnya hal ini mustahil karena
data yang lebih baru akan mempunyai bobot
yang lebih tinggi karena data tersebut
merepresentasikan kondisi yang terakhir
terjadi. Hal ini yang melahirkan metode
peramalan
rata-rata
bergerak
dengan
pembobotan.
c. Exponential Smoothing = ES
Kelemahan teknik moving average dalam
kebutuhan akan data-data masa lalu yang
cukup banyak dapat diatasi dengan teknik
pemulusan eksponensial. Metode peramalan
pemulusan eksponensial bekerja hampir
serupa dengan alat thermostat, di mana
apabila galat ramalan (forecast error) adalah
positif, yang berarti nilai aktual permintaan
lebih tinggi dari pada nilai ramalan (A-F>0),
maka model pemulusan eksponensial akan
secara otomatis meningkatkan nilai ramalan,
Sebaliknya.

3

menghasilkan ongkos pengadaan yang sama
dengan ongkos simpan. EPP dihitung secara
sederhana
dengan
membagi
ongkos
pengadaan dengan ongkos simpan per unit
per periode.
4.3.4 Part Period Balancing – PPB)
Teknik PBB ini menggunakan dasar
logika yang sama dengan teknik LTC.
Perhitungan kuantitas pemesanannya juga
sama.
Perbedaannya
terletak
pada
pengalokasian pemesanan yang dilakukan
dengan melihat kebutuhan bersih periode
yang ada di depan dan di belakang (look a
head/look
back)
dari
periode
yang
bersangkutan. Hal ini dimaksudkan untuk
mencegah penyimpanan item persediaan
dalam jumlah yang terlalu besar (cakupan
periode yang terlalu panjang) dan menghindari
kuantitas pemesanan yang terlalu sedikit.
4.3.5 Wagner Whitin (WW)
Teknik ini menggunakan prosedur
optimasi yang didasari model program
dinamis.
Tujuannya
adalah
untuk
mendapatkan strategi pemesanan yang
optimum untuk seluruh jadwal kebutuhan
bersih dengan jalan meminimalkan total
ongkos pengadaan dan ongkos simpan. Pada
dasarnya, teknik ini menguji semua cara
pemesanan yang mungkin dalam memenuhi
kebutuhan bersih setiap periode yang ada
pada
horizon
perencanaan
sehingga
senantiasa memberikan jawaban optimal.

dalam perusahaan untuk proses produksi,
serta
barang-barang
jadi/produk
yang
disediakan untuk memenuhi permintaan dari
konsumen atau langganan setiap waktu.
2.4 Material Requirement Planning (MRP)
MRP adalah prosedur logis, aturan
keputusan
dan
teknik
pencatatan
terkomputerisasi yang
dirancang untuk
menterjemahkan “Jadwal Induk Produksi” atau
MPS (Master Production Scheduling), menjadi
“kebutuhan bersih” atau NR (Net Requirement)
untuk semua item.

Gambar 1.1 masukan dan keluaran MRP
2.4.1

Fixed Order Quantity (FOQ)
Jumlah pesanan tetap (FOQ) ini
sangat spasifik untuk menentukan persediaan
item.Penentuan besarnya lot dapat semau
kita, atau dapat pula memakai intuisi atau
melalui faktor-faktor empirik atau juga sesuai
dengan pengalaman pemakai. Kebijaksanaan
ini dapat ditempuh untuk item-item yang biaya
pemesanan (ordering cost) tinggi, dengan
memenuhi kebutuhan bersih dari perode ke
periode.
2.4.2 Lor For Lot (LFL)
Teknik penetapan ukuran dengan ini
dilakukan atas dasar pesanan diskrit,
disamping itu teknik dilakukan atas pasanan
dasat diskrit, disamping itu juga teknik ini
merupakan cara paling sederhana dari semua
teknik ukuran lot yang ada.
2.4.3 (Least Total Cost – LTC)
Teknik ini didasarkan pada pemikiran
bahwa jumlah ongkos pengadaan dan ongkos
simpan
(ongkos
total)
setiap
ukuran
pemesanan (lot size) yang ada pada suatu
horizon perencanaan dapat diminimalkan jika
besar ongkos-ongkos tersebut sama atau
hampir sama. Sarana untuk mencapai tujuan
tersebut adalah suatu faktor yang disebut
Economic Part Period (EPP). Part period
adalah suatu unit yang disimpan dalam
persediaan selama satu periode. EPP dapat
didefinisikan sebagai kuantitas suatu item
persediaan yang bila disimpan dalam
persediaan selama satu periode akan

2.4

Mengenal Software WinQSB Versi 2.0
Salah satu program komputer yang
dirancang untuk menyelesaikanmasalahmasalah kuantitatif di bidang manajemen
adalah WinQSB. Program inidibuat oleh
Profesor Yih-Long Chan dari Georgia Institute
of Technology ,Amerika Serikat. Program ini
merupakan pengembangan dari program
QSB (Quantitative System for Business),
QSB+, dan QS (Quantitative System)
yangsudah banyak digunakan pada akhir
tahun 1980-an. Program WinQSB saat ini
sudah sampai pada versi 2.0. Disebut
WinQSB karena merupakan perkembangan
dari program QSB yang dulu berbasis sistem
operasi DOS, dan sekarang sudahdapat
dijalankan pada komputer berbasis Microsoft
Windows.
3 METODOLOGI PENELITIAN
Pada bagian ini akan dijelaskan langkahlangkah yang digunakan untuk memecahkan
suatu masalah agar hasil penelitian sesuai
dengan tujuan yang telah ditetapkan.

4

Mulai

Latar Belakang

Tabel 1.2 Permintaan AFPL Item Produk No.
1517 (Periode juli 2012 - februari 2013)
Permintaan
Periode
(Unit)
Jul-12
5.200
Aug-12
9.580
Sep-12
6.200
Oct-12
9.580
Nov-12
9.700
Dec-12
10.060
Jan-13
8.140
Feb-13
9.960
Total
68.420
Rata8.553
Rata

Belum adanya penerapkan metode MRP I pada produk unit AFPL

q
q
q
q
q

Studi Literatur

Observasi Lapangan

q
q

Sistem produksi
Persediaan
Perhitungan Peramalan
Perhitungan MRP
Modul WinQSB

Profil Perusahaan
Pengamatan Tahapan Proses Produksi
E-RSPU P/N 5903

Perumusan Masalah

·
·
·

Mengetahui metode peramalan terbaik
Menerapakan Sistem MRP I dengan biaya optimal
Penerapan MRP I dengan Software WINQSB

Identifikasi Variabel Penelitian

Tahap I
Penentuan Objek Penelitian
E-RSPU

Pengumpulan Data Produksi AFPL
Periode Januari – Agustus 2012

Penetuan Item Number Fast Moving
(Lewat Rangking Permintaan)

·
·

Pengambilan Data Sekunder
Bill of Material E-RSPU I/P No. A-5903
Lead Time, Safety Stock, dan Project On Hand E-RSPU
Item Produk No. A-5903 dan Komponen Penyusunnya
Unit Cost, Holding Cost & Setup/Order Cost

·

Tahap II
Pengambilan Data
Sekunder

Tabel 1.3 Lead Time, Safety Stock, dan
Project On Hand AFPL Item Produk No.1517
dan Komponen Penyusunnya

Pengolahan Data Tahap I
Peramalan Permintaan Untuk delapan Periode Mendatang
dengan WinQSB
·
SES (Single Exponential Smooting)
·
SEST (Single Exponential Smooting With Trend)
·
MA 2-Bulan, 3-Bulan dan 4-Bulan
·
WMA 2-Bulan, 3-Bulan dan 4-Bulan
·
Regresi Linear
·
·

·
·

Pengolahan Data Tahap II
Pembuatan Bill Of Material AFPL02
Item Produk 1517
Pembuatan MRP dengan Metode Lot
Size (FOQ, LFL, LTC, PPB & WW)

Level

Kom ponen

1

0

AFPL 1517

2

1

3

Lead
Tim e

Kuantitas Measure

NO.

Tahap III
Pengolahan Data Untuk Peramalan,
Pembuatan MRP dan Perhitungan Biaya

Analisa Dan Hasil
Analisa Pemilihan Peramalan terbaik dengan
MAPE
Analisa Perbandingan Biaya Paling Optimal

Kesimpulan dan Saran

Ket. Safety On
Stock Hand

1 Lot

-

0 Bulan

Make

Blank Filter

8 Unit

Pcs

0 Bulan

Make

1

Box Besar

1 Unit

Pcs

1 Bulan

4

1

Box Kecil

8 Unit

Pcs

5

1

Plastik

2 Unit

6

1

Label

7

2

8
9

Scrap

10000

-

8000

40000

-

Buy

1000

10000

-

1 Bulan

Buy

8000

80000

-

Pcs

1 Bulan

Buy

-

10000

-

10 Unit

Pcs

1 Bulan

Buy

-

80000

-

Paper

1 m2

Pcs

0 Bulan

Make

-

10000

2%

2

Ruber

1 Unit

Pcs

2 Bulan

Buy

1000

10000

-

2

Plastik Injection

1 Unit

Pcs

0 Bulan

Make

-

10000

2%

10

3

Polyfiber UNP300

1 m2

Meter

1 Bulan

Buy

-

10000

-

11

3

UNP 15

1 m2

Meter

1 Bulan

Buy

-

10000

-

12

3

PP Recycle

1 ons

ons

1 Bulan

Buy

-

10000

-

13

3

PP Compound

2 ons

ons

2 Bulan

Buy

-

10000

-

Selesai

Tabel 1.4 Struktur Biaya Bahan Baku AFPL
Item Produk no. 1517

Diagram 1.1 Alur Metodologi Penelitian

Setup/Requir
m ent Cost

Holding
Cost

AFPL 1517

20000

10

M

Blank Filter

20000

75

M

-

Box Besar

18000

15

M

100

Kom ponen

4

PENGUMPULAN
DATA

dan

PENGOLAHAN

Box Kecil

18000

75

M

50

18000

15

M

150

Label

18000

15

M

100

Paper

20000

30

M

-

Total

Ruber

18000

30

M

500

Sum of MPP Qty E-AFPL Qty Jan-Okt 2012

E-AFPL02

E-AFPL01
TOTAL

Cumm % Sakura No

-

Plastik

4.1 Pengumpulan Data
4.1 Rangking Product Fast Moving
Item Line

Shortage
unit cost
Cost

Rank

%

1

5,38%

5,38%

A-1517

66.536

Plastik Injection

20000

30

M

-

2

4,54%

9,91%

A-1123

56.140

Polyfiber UNP300

50000

15

M

200

3

3,91%

13,82%

A-1047

48.400

UNP 15

50000

18

M

200

4

3,14%

16,96%

A-5828

38.840

PP Recycle

50000

18

M

200

5

3,03%

19,99%

A-1876

37.500

PP Compound

50000

18

M

200

....

....

....

....

....

274

0,01%

100,00%

CA-29010

100
1.237.442

Pemelihan item produk AFPL di tentukan pada
produk fastmoving tertinggi yaitu AFPL produk
item no. 1517

5

Eksponensial Smoothing White Trend user
dapat meminta program untuk langsung
menentukan nilai α dan juga nilai β yang
memberikan hasil peramalan terbaik.
· Moving average (MA) 2 Bulan

4.2 Pengolahan Data
4.2.1 Peramalan
· Single Eksponensial Smoothing (SES)

Gambar 1.1 WinQSB Forecast - Hasil
Peramalan dengan SES (Single exponential
Smooting)

Gambar 1.3 WinQSB Forecast - Hasil
Peramalan AFPL Item Produk No. 1517
dengan MA – 2 bulan

Berdasarkan data yang ditampilkan pada tabel
diatas dapat diketahui secara langsung
dengan peramalan permintaan untuk delapan
periode mendatang, nilai MAD (Mean Absolute
Deviation), MSE (Mean Square Error) dan
MAPE (Mean Absolute Persentage Error).
Di Forecasting Setup terdapat bagian
“Smoothing constant alpha”. Nilai α berkisar
antara 0,01 sampai dengan 0.99. Salah satu
keuntungan dalam mengaplikasikan perangkat
lunak WinQSB adalah bahwa untuk metode
Single Eksponensial Smoothing user dapat
meminta program untuk langsung menentukan
nilai α yang memberikan hasil peramalan
terbaik.
· Single Exponential Smooting (SEST)

Penulis juga menerapkan metode Moving
Average dengan kriteria perataan bulan yang
berbeda. Penulis menggunakan Moving
Average 3-Bulan, Moving Average 4-Bulan
dan Moving Average 5-Bulan. Hal ini dilakukan
untuk mendapatkan akurasi data peramalan
dengan lebih akurat.
· Weighted Moving Average (WMA) 2 Bulan

Gambar 1.4 Hasil Peramalan AFPL Item
Produk No. 1517 dengan WMA – 2bulan
penulis menentukan bobot untuk data periode
t-2 dan t-1, memberikan bobot 0,6 untuk data
periode t-2 dan bobot sebesar 0,4 untuk data
periode t-1.

Gambar 1.2 WinQSB Forecast - Hasil
Peramalan AFPL Item Produk No. 1517
dengan SEST α = 0,3 dan β = 0,23
Salah
satu
keuntungan
dalam
mengaplikasikan perangkat lunak WinQSB
adalah
bahwa
untuk
metode
Single

6

·

Metode Regresi (regression method)

Gambar 1.7 Biaya Material Requirement
Planning Lor For Lot (LFL)
· Perhitungan lot size tipe Fixesd Order
Quantity (FOQ)

Gambar 1.8 Hasil Perhitungan MRP – FOQ
pada Level 0 AFPL item produk no. 1517

Gambar 1.5 Hasil Peramalan AFPL Item
Produk No. 1517 dengan linear regresi
Pada tampilan hasil peramalan metode Linear
Regresi (LR) diatas langsung dapat diketahui
nilai masing-masing untuk nilai intercept (a)
dan Slope (b), yaitu sebesar 6526,429 untuk
nilai intercept (a) sedangkan untuk nilai Slope
(b) sebesar 450,2381.
4.2.2 Pembuatan Bild Of Material (BOM)

Gambar 1.9 Biaya Material Requirement
Planning Fixed Order Quantity (FOQ)
· Perhitungan lot size tipe Least Total
Cost (LTC)

AFP
L1
Lot Lab
Box8 Plas
1517
2
10

AFPL
Box
Plas
1
Bes
8
Blank
Uni Kecil
Uni tik
el
tic
unit Pap
unit
unit
ar t
t
Filter
Polyfib 1 Rub
1
1
Inje
er
unit PP ctio
unitPP
er 1erm2 UNP
1 Recy
1 Compo
2
15m2
UNP30
ons n und
ons
m2
cle
0

Gambar 1.10 Hasil Perhitungan MRP – LTC
pada Level 0 AFPL item produk no. 1517

Bagan 1.1 struktur Bild Of Material (BOM)
AFPL produk item no. 1517
4.1.2 Perhitungan Lot size
MaterialRequirement Planning
(MRP)
perhitungan MRP pada level nol yakni
independent product dari item produk AFPL
tipe no. 1517.
· Perhitungan lot size tipe Lot For Lot
(LFL)

Gambar 1.11 Biaya Material Requirement
Planning Least Total Cost (LTC)
· Perhitungan lot size tipe Part Period
Balancing (PPB)

Gambar 1.6 Hasil Perhitungan MRP – LFL
pada Level 0 AFPL item produk
no. 1517

Gambar 1.12 Hasil Perhitungan MRP – PPB
pada Level 0 AFPL item produk
no. 1517

7

Berdasarkan hasil perhitungan yang
telah dilakukan penulis memutuskan untuk
memilih hasil peramalan dengan metode
Weigth Moving Average 4-bulan, karena
berdasarkan nilai MAPE, Moving Average 4bulan adalah yang terbaik karena nilainya
paling kecil dibandingkan ketiga nilai lainnya
yaitu sebesar 12,3
Tabel 1.2 Nilai Paramater dari hasil Aplikasi
Metode WMA 4 – Bulan
Parameter
Nilai
CFE
4020
MAD
1109
MSE
2029324
MAPE
11,4
Maka data peramalan kebutuhan yang akan
diterapkan di dalam pembuatan Master
Production Schedule adalah data hasil
peramalan dengan metode Weigth Moving
Average 4-bulan dengan perkiraan jumlah
permintaan sebagai berikut.
Tabel 1.1 Peramalan Permintaan AFPL
produk Item no. 1517 dengan WMA 4-Bulan
(Periode Maret 2013 – Juli 2013)
Data Produksi
Periode
(AFPL 1517)
Mar-13
7152
Apr-13
8928
May-13
8348
Jun-13
9412
Jul-13
9512
Total
43352
Rata8670
Rata

Gambar 1.13 Biaya Material Requirement
Planning Part Period Balancing (PPB)
· Perhitungan lot size tipe Algoritma
Wagner Whiting (AWW)

Gambar 1.14 Hasil Perhitungan MRP – AWW
pada Level 0 AFPL item produk
no. 1517

Gambar 1.15 Biaya Material Requirement
Planning Algoritma Wagner Whiting (AWW)
5 ANALISA dan HASIL
5.1 Peramalan
Setelah melakukan peramalan dengan
lima metode peramalan, Penulis merangkum
semua data yang dihasilkan dalam tabel di
bawah
ini.
Hal
ini
ditujukan
untuk
mempermudah pemilihan hasil peramalan
yang memiliki akurasi terbaik dan dapat
dipercaya.
Untuk menetukan parameter yang
dapat dijadikan acuan untuk menilai hasil
peramalan adalah nilai MAPE (rata-rata
persentase kesalahan absolut), karena MAPE
merupakan ukuran kesalahan relatif. MAPE
biasanya lebih berarti dibandingkan ukuran
parameter
lainnya.
MAPE
menyatakan
persentase
kesalahan
hasil
peramalan
terhadap permintaan aktual selama periode
tertentu yang akan memberikan informasi
persentase kesalahan terlalu tinggi atau terlalu
rendah. Semakin kecil nilai MAPE, maka akan
semakin akurat hasil peramalannya.
Parameter

SES

SEST

MA 4Bulan

WMA 4Bulan

5.2 Material Requirement Planning (MRP)
Tabel 1.3 Rangkuman biaya hasil perhitungan
MRP
Item ID

CFE

10299,79

7002,9

3200

4020

-1,96

1955,63

1721,2

1172,5

1109

1290,06

MSE

5265018

4808388

1705938

2029324

2013944

MAPE

21,0361

18,89

12,3

11,4

16,89

LFL

FOQ

PPB

LTC

AFPL 1517

65.590

90.707

90.873

73.350

73.350

Blank Filter

740.000

780.000

780.000

740.000

740.000

Box Besar

2.501.200

2.522.850

2.527.625

2.518.870

2.501.200

Box Kecil

10.976.800

11.140.800

11.159.000

10.976.800

10.976.800

Plastik

8.566.600

8.602.600

8.617.000

8.566.600

8.566.600

Label

25.588.000

25.630.000

25.677.750

25.588.000

25.588.000

Paper

119.830

152.685

153.250

123.555

123.555

Ruber

113.004.000

113.040.000

113.232.000

113.004.000

113.004.000

Plastik Injection

119.830

152.685

153.250

123.555

123.555

Polyfiber UNP300

43.987.600

44.041.632

44.138.752

43.987.600

43.987.600

UNP 15

43.992.600

44.047.440

44.144.500

43.992.600

43.992.600

PP Recycle

43.992.600

44.047.440

44.144.500

43.992.600

PP Compound
Total

43.992.600

89.855.200

89.955.200

90.150.000

89.855.200

89.855.200

383.509.850

384.204.039

384.968.500

383.542.730

383.525.060

Dari kelima metode lot size MRP tersebut
didapatkan nilai-nilai total biaya ID peroduk
AFPL iten no. 1517, dari hasil perhitungan
teknik lot size yang memiliki total biaya
terendah yaitu dengan menggunakan teknik lot
size WW (Wagner Whiting) dengan total biaya
yaitu Rp 383.509.850 dan untuk metode lot
size yang menghasilkan total biaya tertinggi
yaitu teknik lot size FOQ (Fixed Order
Quantity), dengan total biaya Rp 384.204.039.

LR

MAD

TOTAL BIAYA PER ID (Rp)
WW

Tabel 1.1 Rangkuman Hasil Peramalan

8

Baroto,
T.
2002.
Perencanaan
dan
Pengendalian
Produksi.
Penerbit
GahliaIndonesia, Jakarta
Gaspersz, V. 2004. Production Planning and
Inventory
Control.
PT.
GramediaPustaka Umum, Jakarta.
Gintin, R. 2007.Sistem Produksi, Graha Ilmu,
Yogyakarta
Hakim,
A.
2008.
Perencanaan
dan
Pengendalian Produksi, Graha Ilmu,
Yogyakarta
Herjanto, E. 1997.Manajemen Produksi dan
Operasi, Gramedia, Jakarta
Jurnal Nasional “Penerapan Sistem Material
Requiring Planning (MRP) Untuk
Peningkatan
Kinerja
di
Industri
Proses”oleh Muslim Efendi Harahap.
2009
Laporan Skripsi“Analisis Hubungan Nilai
Overall Equipment Efectivness (Oee)
Dengan Six Big Losess Dalam Usaha
Mencari Penyebab Besarnya Reduced
Speed Losses Dan ProcessDefect
Losses Pada Mesin Injection (Studi
Kasus: PT. Selamat Sempurna)”oleh
Wahyu sugar Ibrahim. 2013. Universitas
Mercubuana. Jakarta
Laporan
Skripsi“Mengoptimalkan
Master
Production
Schedule
(MPS)
dan
Material Requirement Planning I (MRP
I) E-RSPU 5903 Melalui Perhitungan
Rough Cut Capasity Planning (RCCP)”
oleh
Endah Worowardani.
2013.
Universitas Mercubuana. Jakarta
Kusuma, H. 2004.Manajemen Produksi,Andi,
Jakarta
Nasution,A.H.2006. Manajemen Industri, Andi,
Yogyakarta
Nasution, A.H. 2008. Perencanaan dan
Pengendalian Produksi, Graha Ilmu,
Yogyakarta,
Purnomo, H. 2003. Pengantar Teknik Industri,
Graha Ilmu, Yogyakarta
Rangkuti, F. 1998.Manajemen Persediaan:
Aplikasi di Bidang Bisnis, Rajawali Pers
Rangkuti, F. 2004.Manajemen Persediaan –
Aplikasi
dibidang
Bisnis,
PT
GrafindoPersada, Jakarta
Ristono, A. 2008. Manajemen Persediaan,
Graha Ilmu, Yogyakarta
Ristono, A. 2009.Manajemen Persediaan,
Graha Ilmu, Yogyakarta

6 KESIMPULAN dan SARAN
6.1 Kesimpulan
Berdasarkan dari analisa pengolahan
data terkait dengan Analisis Material
Requirement
Planning
(MRP)
untuk
Pengendalian Persediaan Bahan Baku
Pembuatan Blank Filter Item AFPL Produk
No. 1517 Dengan Menggunakan Perangkat
Lunak WinQSB yang dilakukan di bab V di PT
Selamat Sempurna Tbk, selanjutnya dapat
diambil beberapa kesimpulan sebagai berikut,
yaitu:
· Dari kelima metode peramalan yang telah
dilakukan, peramalan dengan metode
Weight
Moving
Average
4-bulan
memberikan hasil terbaik. Hal ini dilihat
dari nilai MAPE (rata-rata persentase
kesalahan absolut) = 11,40
· Dari kelima metode Material Requirement
Material (MRP) yang telah dilakukan,
ukuran lot sizing WW (Wagner Whiting)
yang memberikan total biaya yang
terendah sebesar Rp 383.509.850.
· Dari penelitian yang telah dilakukan oleh
Penulis, dapat diketahui bahwa analisa
peramalan dan perencanaan kebutuhan
material dapat dilakukan
dengan
menerapkan aplikasi perangkat lunak
WinQSB modul Forecast dan Material
Requirement Planning.
6.2

Saran
Berikut ini beberapa saran yang dapat
diambil oleh penulis untuk dijadikan bahan
pertimbangan untuk kegiatan penelitian
selanjutnya dalam memperbaiki perencanaan
sistem persediaan perusahaan yang ada. Hal
ini tentu dimaksudkan agar perencanaan
persediaan dapat dilakukan lebih baik lagi
demi kelancaran proses produksi. Saran –
saran tersebut antara lain sebagai berikut :
· Untuk penelitian selanjutnya diharapkan
dapat
mengidentifikasi
penyebab
terjadinya selisih antara permintaan yang
diajukan di dalam Master Production
Schedule (MPS) dengan produksi aktual di
plant factory.
· Untuk penelitian selanjutnya diharapkan
penambahan pada objek penelitian agar
aktivitas produksi dan pemesanan bahan
baku dapat dilakukan secara serempak
demi mencapai efisiensi waktu, biaya dan
transportasi.
DAFTAR PUSTAKA
Assauri, S.2008. Manajemen Produksi dan
Operasi, Jakarta, 2008, Lembaga
Penerbit FE-UI, Jakarta.

9