Penjadwalan Distribusi Produk Dengan Menggunakan Metode Distribution Resources Planning (DRP) di PT. Pabrik Es Siantar Chapter III VII
BAB III
LANDASAN TEORI
3.1.
Konsep Dasar Peramalan 4
Peramalan merupakan bagian awal dari proses pengambilan suatu
keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa
sebenarnya persoalan dalam pengambilan keputusan itu. Pada hakekatnya
peramalan
hanya
merupakan
suatu
perkiraan
(guess),
namun
dengan
menggunakan teknik-teknik tertentu, peramalan menjadi lebih dari sekedar
perkiraan. Peramalan dapat disebut sebagai perkiraan yang ilmiah (educated
guess). Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah
permintaan terhadap suatu produk dan juga merupakan langkah awal dari proses
perencanaan dan pengendalian produksi.
3.1.1. Metode Peramalan Kuantitatif (Statistical Method) 5
Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas dua
bagian, yaitu:
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
antara variabel yang akan diperkirakan dengan variabel waktu, yang
merupakan deret waktu atau "time-series".
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
antara variabel yang akan diperkirakan dengan variabel lain yang
4
5
Rosnani Ginting, 2007, Sistem Produksi, Yogyakarta : Graha Ilmu, h. 31
Ibid, h 43-44.
Universitas Sumatera Utara
mempengaruhinya, yang bukan waktu yang disebut metode korelasi atau sebab
akibat (causal method).
Prosedur umum yang digunakan dalam peramalan secara kuantitatif adalah:
1. Definisikan tujuan peramalan.
2. Pembuatan diagram pencar.
3. Pilih minimal dua metode peramalan yang dianggap sesuai.
4. Hitung parameter-parameter fungsi peramalan.
5. Hitung kesalahan setiap metode peramalan.
6. Pilih metode yang terbaik, yaitu yang memiliki kesalahan terkecil.
7. Lakukan verifikasi peramalan.
3.1.2. Metode Time Series 6
Metode Time Series adalah metode yang dipergunakan untuk menganalisis
serangkaian data yang merupakan fungsi dari waktu. Metode ini mengasumsikan
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.
6
Ibid. h. 46.
Universitas Sumatera Utara
3.1.3. Metode Proyeksi Kecenderungan dengan Regresi 7
Metode
kecendrungan
dengan
regresi
merupakan
dasar
garis
kecendrungan untuk suatu persamaan, sehinggan dengan dasar persamaan tersebut
dapat diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang. Untuk
peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan
metode ini sangat baik.
Bentuk fungsi dari metode ini dapat berupa :
a. Konstan, dengan fungsi peramalan (Yt) :
Yt = a dimana,
�=
∑ ��
�
Yt
N
= Jumlah periode
dimana :
= nilai tambah
b. Linier, dengan fungsi peramalan :
Yt = a + bt
dimana :
� − ��
�=
�
� ∑ �� − ∑(�) ∑(�)
�=
� − ∑ � 2 − (∑ �)2
c. Kuadratis, dengan fungsi peramalan :
Yt = a + bt + ct2
dimana :
7
∑ � − � ∑ � − � ∑ �2
�=
�
� − ��
�=
�
Ibid, h. 55
Universitas Sumatera Utara
�=
�� − ��
�� − � 2
2
� = �� � 2 � − � � � 4
� = � � � � − � � ��
� = � �2 � � − � � �2 �
� = � �2 � �2 − � � �3
� = �(�)2 − � � � 2
d. Eksponensial, dengan fungsi peramalan :
Yt = aebt
dimana :
∑ ln � − � ∑ �
�
� ∑ ���� − ∑ � ∑ ���
ln � =
� ∑ � 2 − (∑ �)2
e. Siklis, dengan fungsi peramalan :
ln � =
dimana :
�� = � + ����
2��
2��
+ � cos
�
�
2��
2��
� � = �� + ����
+ � � cos
�
�
2��
2��
2��
2��
2��
2
� ����
= � � sin
+ ����
+ � � ���
���
�
�
�
�
�
2��
2��
2��
2��
2��
2
= � � ���
+ � � ���
+ � � ���
cos
� ����
�
�
�
�
�
3.2. Uji Statistik Peramalan 8
Dari hasil peramalan yang dilakukan dengan menggunakan beberapa
metode yang berbeda maka akan dipilih metode mana yang terbaik. Untuk itu
perlu dilakukan uji distribusi F untuk melihat pengaruh variabel-variabel bebas
secara kesleuruhan terhadap variable tidak bebas. Pengujian ini dilakukan dengan
membandingkan Fhitung dengan Ftabel.
8
Ibid, h. 66
Universitas Sumatera Utara
Setelah didapat kesalahan (error) dari masing-masing metode peramalan,
maka akan dilakukan pengujian terhadap dua metode yang memiliki error yang
terkecil, guna mendapatkan metode peramalan yang lebih baik untuk digunakan.
Pengujian dilakukan dengan uji distribusi F. Jika diasumsikan bahwa metode “X”
adalah metode peramalan yang memiliki besar error yang paling kecil pertama,
dan metode “Y” adalah metode peramalan yang memiliki besar error yang paling
kecil kedua, maka langkah-langkah pengujiannya adalah sebagai berikut:
1.
Tentukan pernyataan awal (H0) dan pernyataan alternatif (H1):
H0:
Metode “X” lebih baik daripada metode “Y”
H1 : Metode “X” tidak lebih baik daripada metode “Y”, atau Metode “Y”
lebih baik daripada metode “X”.
2.
Lakukan uji statistik, dengan rumus:
F=
S1 2
S2 2
Dimana:
S1 = besarnya error metode peramalan “X”
S2 = besarnya error metode peramalan “Y”
3.
Bandingkan hasil yang diperoleh dari langkah 2 dengan hasil yang diperoleh
dari tabel distribusi F dengan harga α (tingkat ketelitian) yang telah
ditetapkan.
Jika Fhitung< Ftabelmaka H0diterima (berarti metode paramalan dengan metode
“X” lebih baik digunakan), dan jika sebaliknya maka H0ditolak (berarti
metode “Y” lebih baik digunakan).
Universitas Sumatera Utara
Setelah didapatkan metode peramalan mana yang lebih baik, maka
dilakukanlah verifikasi terhadap metode peramalan yang terbaik tersebut.
3.3. Kriteria Performance Peramalan 9
Ketepatan yang kecil memberikan arti ketelitian peramalan tinggi,
kakuratan hasil peramalan tinggu, begitu pulak sebaliknya. Besar kesalahan suatu
peramalan dapat dihitung dengan metode Standard Error of Estimate (SEE).
2
∑�
�=1(� − �1)
�
��� =
�−�
dimana,
k = derajat kebebasan
Untuk data konstan, k =1
Untuk data linier, k = 2
Untuk data kuadratis, k = 3
Untuk data siklis, k= 3
Untuk data eksponensial, k =2
3.3.1
Proses Verifikasi
Proses verifikasi digunakan untuk melihat apakah metode peramalan yang
diperoleh telah representatif terhadap data. Proses verifikasi dilakukan dengan
menggunakan Moving Range Chart (MRC). Dari peta ini dapat terlihat apakah
sebaran berada di dalam batas kontrol ataupun sudah di luar kontrol.
Proses verifikasi dengan menggunakan
Moving Range Chart (MRC),
dapat digambarkan pada Gambar 3.1.
9
Ibid, 58-59
Universitas Sumatera Utara
UCL
A
2/3 UCL
B
1/3 UCL
C
CCL
C
2/3 LCL
B
2/3 LCL
A
LCL
Sumber : Rosnani Ginting, Sistem Produksi
Gambar 3.1. Moving Range Chart
Harga MR diperoleh dari:
N −1
MR =
∑ MR
t =2
t
n −1
Dimana : MRt = |(Y-Y’)t-1 – (Y-Y’)t|
atau :
MRt = et − et −1
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.
Universitas Sumatera Utara
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.
3.4.
Model Economic Order Quantity
Model EOQ ini mencari ukuran pemesanan yang ekonomis dengan
meminimalkan total biaya. Ada dua macam biaya yang dipertimbangkan yaitu:
1. Biaya penyimpanan
Biaya penyimpanan per tahun merupakan perkalian antara rata-rata
persediaan per tahun dengan biaya simpan per unit per tahun. Jika rata-rata
persediaan per tahun =
Q
, dimana Q adalah ukuran pemesanan, dan biaya
2
simpan per unit per tahun adalah h, maka
Total biaya penyimpanan per tahun = h
Q
2
2. Biaya pemesanan dan pembelian
Biaya pembelian per tahun (annual purchase cost) merupakan total harga
yang dikeluarkan untuk membeli suatu barang, yaitu perkalian antara barang
per unit (C) dengan banyaknya barang yang dibeli sepanjang tahun yaitu
sebesar demand (D).
Total biaya per tahun = DC
Universitas Sumatera Utara
Sedangkan total biaya pemesanan per tahun = A
D
Q
Sehingga:
Total biaya per tahun (TC) = biaya pembelian per tahun + biaya pemesanan
per tahun + biaya penyimpanan per tahun
TC = DC+ A
Q
D
+h
2
Q
Dengan perhitungan kalkulus melalui pengambilan turunan pertama dari
persamaan total biaya akan diperoleh rumusan ukuran pemesanan yang
optimum (Q*), yaitu :
TC = DC+ A
Q
D
+h
2
Q
Q* =
Dimana:
D = tingkat permintaan, unit per tahun
A = biaya per pemesanan
h
= biaya penyimpanan per unit per tahun
Q* = ukuran pesanan ekonomis
Pada model EOQ dengan titik pemesanan ulang (reorder point),
pemesanan harus dilakukan sebelum tingkat persediaan menjadi nol, yaitu
ketika persediaan mencapai titik pemesanan ulang (reorder point). Titik
pemesanan ulang dihitung dengan mengalikan tenggang waktu L dengan
Universitas Sumatera Utara
permintaan per hari. Jika kita mengasumsikan bahwa satu tahun terdiri dari
288 hari kerja, maka permintaan per hari adalah:
Jumlah pesanan ekonomis (Economic Order Quantity) , permintaan per hari
dibagi dengan jumlah hari pertahun. Rumus untuk titik pemesanan ulang, R,
adalah:
R = (jumlah rata-rata permintaan harian x lead time) + safety stock
Asumsi-asumsi yang digunakan dalam model EOQ klasik adalah:
1. Rata-rata kebutuhan diketahui dan konstan.
2. Lamanya leadtime diketahui dan konstan.
3. Pesanan tiba sekaligus dan pada satu waktu sesuai ukuran pesanan.
4. Tidak terjadi kekurangan persediaan.
5. Strukur biaya tetap.
6. Terdapat tempat penyimpanan, kapasitas, dan biaya yang cukup untuk
mendatangkan sejumlah kuantitas pemesanan yang diinginkan.
3.5.
Safety Stock
Safety stock adalah persediaan pengaman yang digunakan untuk
memproteksi keadaan apabila penjualan melebihi apa yang diramalkan. 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. Tingkat stok
pengaman secara keseluruhan dalam sistem distribusi seharusnya menjadi lebih
kecil untuk push system daripada pull system.
Universitas Sumatera Utara
Salah satu cara untuk menyelesaikan masalah ketidakpastian permintaan
dan penawaran adalah mengkombinasikan data yang menunjukkan rata-rata
permintaan. Hal ini akan menghasilkan ukuran variasi yang lebih besar, namun
dapat diterapkan sebagai perhitungan dalam keadaan normal untuk menentukan
stok pengaman guna mencapai tingkat pelayanan yang diinginkan yaitu :
Safety Stock = s x Z
3.6.
Pengertian Distribusi 10
Kegiatan distribusi merupakan usaha perpindahan/pengiriman produk dari
akhir lini produksi kepada konsumen. Kegiatan distribusi yang terdapat pada
perusahaan meliputi transportasi pengangkutan, proteksi terhadap pengemasan,
pengendalian persediaan, pemilihan lokasi gudang dan pelayanan terhadap
pelanggan.
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.
Sitem dorong (push system)
Sistem dorong adalah sistem pengendaliaan persediaan dimana CSF
menentukan bagaimana mengalokasikan produk ke DC.
3.7.
10
Logika Distribution Resources Planning (DRP) 11
Fogarty, Donald. 1991. Production & Inventory Management, Ohio: South-Wester Publishing
Co.
Universitas Sumatera Utara
Distribution Resources Planning adalah sebuah proses manajemen yang
menentukan keperluan inventory stocking locations (ISLs) yang merupakan toko,
pusat distribusi, pusat distribusi regional, pusat distribusi manufaktur atau gudang
yang menyimpan produk yang akan dijual. Sumber kebutuhan supplier dapat
menjadi third party supplier, titik distribusi regional atau sebuah perusahaan
sehingga dapat diperkirakan bahwa kebutuhan supplier dapat sesuai dengan
permintaan.
DRP mempunyai input sebagai berikut :
1.
Peramalan stok berdasarkan inventory stocking locations (ISLs)
2.
Permintaan pelanggan baik untuk pemesanan sekarang dan masa depan
3.
Biaya penyimpanan berdasarkan inventory stocking locations (ISLs)
4.
Pemesanan produk yang akan dibeli atau yang diproduksi
5.
Logistik, manufaktur, dan lead time pembelian
6.
Jalur transportasi
7.
Prinsip safety stock berdasarkan inventory stocking locations (ISLs)
8.
Kuantitas normal minimum untuk produk yang dibeli, diproduksi dan
didistribusikan.
12
Sistem DRP dengan nyata menghasilkan dua output yaitu jadwal
distribusi untuk setiap DC, dan master schedule yang merupakan DRP display
untuk CSF. Disamping itu terdapat pegging informasi yang dapat melacak
kembali sumber dari permintaan kepada CSF dan Tranportation Planning Report.
DRP display (DRP Worksheet) memiliki 2 bagian penting yaitu:
11
12
Martin, Andre. 1995. DRP : Distribution Resources Planning, Canada : John Wiley & Sons, Inc.
Gaspersz, Vincent, 1998, Production Planning and Inventory Control, Jakarta: PT Gramedia
Pustaka Utama.
Universitas Sumatera Utara
1.
Time Phased Information
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.
Demand forecast
Demand forecast 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
Project on-hand balance adalah proyeksi jumlah persediaan yang ada
pada suatu time phased tertentu. Project on- hand balace merupakan
suatu perencanaan jumlah persediaan pada DC dan CSF yang dijadikan
gambaran persediaan yang ada pada masa yang akan datang. Sehingga
dengan project on- hand balance ini, setiap komponen sistem distribusi
Universitas Sumatera Utara
dapat mengetahui masing-masing dapat mengetahui inventory level
sistem tersebut.
2.
Description Information
Description
information
adalah
atribut-atribut
masukan
pada
awal
perencanaan. Description information ini berupa pengolahan data awal untuk
masukan sistem DRP. Description information meliputi:
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 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 dari pelepasan order
sampai order diterima di DC. Lead time distribusi disusun dari dari
beberapa komponen yaitu pelepasan order, pemuatan barang, proses
transportasi, pembongkaran muatan di DC.
d.
Order Quantity
Universitas Sumatera Utara
Order quantity adalah jumlah produk yang ditentukan untuk dikirim.
Sedangkan pegging information adalah suatu cara untuk melacak
kembali sumber dari permintaan CSF untuk satu waktu tertentu. Pegging
information sangat berguna bilamana seluruh demand dari sebuah item
tidak dapat terpenuhi. Penggunaan pegging ini penting dilakukan untuk
menghemat
waktu
dalam
memperoleh
sumber
masalah
untuk
perencanaan distribusi bilamana demand melebihi supply. Dengan
bantuan pegging information, perencana dapat menghabiskan lebih
banyak waktu untuk pemecahan masalah daripada mencari dimana
terjadi kelebihan demand.
e.
In transit
In Transit adalah jumlah produk yang sudah dikirimkan pada periode
sebelumnya namun produk belum tiba (produk sedang dalam perjalanan).
Produk yang pada status in transit tidak dapat dikatakan projected on
hand dikarenakan produk belum sampai ke gudang distribution center.
Gambar Distribution Resources Planning Sheet dapat dilihat pada
Gambar 3.2.
Sumber : Andre J. Martin, Distribution Resource Planning
Gambar 3.2. DRP Worksheet
Universitas Sumatera Utara
3.8.
Langkah-langkah Perencanaan 13
Perencanaan DRP adalah proses yang hampir sama dengan MRP. Empat
langkah utama yang diterapkan pada proses MRP yaitu :
1. Netting
Netting adalah proses perhitungan kebutuhan bersih (net requirement).
Kebutuhan bersih adalah selisih antara kebutuhan kotor (gross requirement)
ramalan permintaan produk pada DC tersebut.
2. Lot Size
Lot sizing adalah proses untuk menentukan besarnya pesanan pada setiap item
berdasarkan kebutuhan bersih yang dihasilkan dari proses netting. Ada
beberapa prosedur untuk menentukan ukuran lot.
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 dan struktur distribusinya.
3.9.
13
Manajemen Distribusi Inventory 14
Rosnani, Ginting, 2007, Sistem Produksi, Yogyakarta:Graha Ilmu, h. 182-184
Universitas Sumatera Utara
Kunci yang paling tepat untuk menetapkan prinsip DRP adalah
kemampuan untuk mengubah. Seperti yang telah dijelaskan, bahwa secara umum
perkembangan industri sering berganti. Perubahan yang paling besar terjadi
apabila jumlah permintaan berbeda dengan jumlah peramalan. Hal tersebut bukan
merupakan
suatu
masalah
pada DRP
dikarenakan
sistem
DRP
tidak
merencanakan setiap item pada setiap Distribution Center (DC), namun DRP juga
merencanakan kembali secara kontinu. Pada sistem DRP, setiap item yang berada
pada DC direncanakan setidaknya sekali dalam seminggu.
14
Fogarty, Donald. 1991. Production & Inventory Management, Ohio: South-Wester Publishing
Co.
Universitas Sumatera Utara
BAB IV
METODOLOGI PENELITIAN
4.1.Tempat dan Waktu Penelitian
Penelitian ini dilakukan di PT. Es Siantar yang berlokasi di Jalan Pematang, Kota
Pematang Siantar, Provinsi Sumatera Utara. Waktu penelitian dilakukan pada bulan
Maret 2017.
4.2. Jenis Penelitian 15
Jenis Penelitian adalah penelitian deskriptif yaitu penelitian yang bertujuan
menyelidiki secara terperinci aktivitas dan pekerjaan seseorang atau sekelompok orang
agar mendapat rekomendasi untuk berbagai keperluan.
4.3. Objek Penelitian
Objek penelitian yang diteliti adalah aktivitas distribusi produk minuman
sarsaparilla pada Central Supply Facility (CSF) yaitu DC Medan, DC Tanjung Balai dan DC
Padang Sidempuan..
4.4.
Variabel Penelitian
Variabel-variabel yang terdapat dalam penelitian ini adalah:
15
Sukaria Sinulingga, Metode Penelitian, USU Press, Medan, 2015, hlm. 31.
Universitas Sumatera Utara
1. Variabel independen, yang merupakan variabel yang mempengaruhi dan
menjadi sebab perubahan atau timbulnya variabel dependen. Berikut ini adalah
variabel independen, yaitu :
a.
Informasi permintaan, yaitu jumlah produk yang telah diramalkan dengan
metode peramalan time series
b. Informasi jumlah persediaan, yang merupakan jumlah stok yang tersedia
pada periode sebelumnya yang mampu mempengaruhi jumlah produksi
perusahaan untuk periode berikutnya.
c.
Lead time pengiriman merupakan waktu yang dibutuhkan untuk
mendistribusikan produk dari Central Supply Facility ke setiap
Distribution Centre.
d.
Informasi biaya, yang didefinisikan sebagai biaya yang dikeluarkan pada
kegiatan distribusi seperti biaya pemesanan, biaya pengiriman dan ongkos
simpan.
2. Variabel dependen, yaitu variabel yang dipengaruhi atau menjadi variabel
akibat dari variabel independen, yaitu perencanaan kebutuhan distribusi.
4.5.
Kerangka Konseptual Penelitian
Kerangka konseptual dapat mempermudah peneliti dalam pengambilan
data dan pengolahan data. Kerangka konseptual menunjukkan hubungan logis
antara variabel-variabel yang telah diidentifikasi yang penting dan menjadi
fondasi dalam melaksanakan penelitian. Perencanaan kebutuhan distribusi
Universitas Sumatera Utara
menggunakan metode Distribution Resources Planning (DRP) dipengaruhi oleh
permintaan, jumlah persediaan, lead time dan order biaya distribusi.
Berdasarkan uraian di atas, maka kerangka konseptual penelitian ini dapat
digambarkan seperti yang dapat dilihat pada Gambar 4.1.
Informasi Jumlah Persediaan
Lead Time
Perencanaan Kebutuhan Distribusi
Informasi Biaya
Informasi Permintaan DC
Gambar 4.1. Kerangka Konseptual Penelitian
Universitas Sumatera Utara
4.6. Rancangan Penelitian
Langkah-langkah proses penelitian dapat dilihat pada Gambar 4.2.
Mulai
Studi Pendahuluan
1. Kondisi dan Masalah pada Pabrik
2. Mekanisme distribusi
3. Informasi pendukung
Studi Literatur
1. Teori Buku
2. Jurnal Internet
Identifikasi Masalah Awal
Ketidaksesuaian antara jumlah produk yang
dipasok dengan jumlah permintaan produk pada
distribution centre.
Studi Literatur
Mengumpulkan literatur yang berhubungan
dengan pemecahan masalah
Pengumpulan Data
1. Jumlah permintaan produk
2. Jumlah project on hand
3. Lead time
4. Persediaan awal
5. Biaya (biaya pesan, biaya simpan)
6. Data Biaya
Pengolahan Data
1. Peramalan jumlah permintaan
2. Perhitungan jumlah order quantitiy
3. Perhitungan jumlah safety stock
4. Penentuan reorder point
5. Pembuatan DRP Worksheet
Analisis Pemecahan Masalah
-Analisis hasil peramalan permintaan
-Analisis order quantity, safety stock, reorder point
-Analisis DRP Worksheet
Kesimpulan dan Saran
- Kesimpulan
- Saran
Selesai
Gambar 4.2. Langkah-langkah Proses Penelitian
Universitas Sumatera Utara
4.7.
Pengumpulan Data
Penelitian yang dilakukan di PT. Pabrik Es Siantar membutuhkan
beberapa data tertentu. Data yang diperlukan dalam penelitian adalah sebagai
berikut :
1. Jumlah permintaan produk
2. Jumlah Project on hand
3. Lead time
4. Persediaan awal
5. Biaya (biaya pesan, biaya simpan,biaya bongkar muat dan biaya distribusi)
4.8.
Pengolahan Data
Pengolahan data dilakukan setelah keseluruhan data yang dibutuhkan baik
data primer maupun data sekunder terkumpul. Langkah-langkah pengolahan data
adalah sebagai berikut :
1. Melakukan peramalan terhadap jumlah permintaan untuk periode berikutnya
berdasarkan data historis permintaan Maret 2016 – Februari 2017. Hasil
peramalan ini digunakan untuk menentukan jumlah produksi dari lantai
produksi pada 12 periode ke depan.
2. Selanjutnya dilakukan penentuan order quantity untuk menentukan titik
pemesanan optimum.
3. Melakukan perhitungan safety stock untuk setiap Distribution Centre.
Universitas Sumatera Utara
4. Menghitung titik pemesanan kembali atau reorder point.
5. Perencanaan
kebutuhan
distribusi
menggunakan
metode
Distribution
Resources Planning yang ditampilkan pada Distribution Resources Planning
Worksheet.
Flow chart pengolahan data dapat dilihat pada Gambar 4.3
MULAI
Peramalan
Peramalan dilakukan untuk menentukan jumlah
permintaan untuk periode ke depan
Perhitungan Persediaan
Untuk mengetahui berapa kapasistas persediaan
Perhitungan Safety Stock
Untuk menentukan berapa safety stock yang
diperlukan
Perhitungan Order Quantity
Perhitungan jumlah produk yang harus dikirim
dalam sekali pemesanan
Pembuatan Worksheet DRP
SELESAI
Gambar 4.3.Flow Chart Pengolahan data
Universitas Sumatera Utara
4.9. Analisis Pemecahan Masalah
Analisis dilakukan terhadap hasil pengolahan data menggunakan metode
DRP.
4.10.
Kesimpulan dan Saran
Penarikan kesimpulan yang berisi hal-hal penting dalam penelitian
tersebut dan pemberian saran kepada perusahaan mengenai hal-hal yang berkaitan
dengan penelitian.
Universitas Sumatera Utara
BAB V
PENGUMPULAN DAN PENGOLAHAN DATA
5.1.
Pengumpulan Data
Data-data yang diperlukan untuk pengolahan data yaitu lead time
pemesanan produk, data persediaan awal, biaya pemesanan produk, biaya simpan
dan data jumlah permintaan produk.
5.1.1.
Lead Time Distribusi
Lead time distribusi mereupakan waktu yang dibutuhkan dalam
pelepasan order sampai order diterima di stock room pada distribution center.
Komponen-komponen yang termasuk dalam lead time pemesanan adalah:
1.
Waktu pelepasan order
2.
Waktu pemuatan barang (Loading)
3.
Proses transportasi
4.
Waktu bongkar (Unloading)
Lead time pada setiap distribution center dapat dilihat pada Tabel 5.1.
Tabel 5.1. Data Lead Time Distribusi
Distribution Center
Medan
Tj. Balai
Padang Sidempuan
Lead Time (hari)
1
1
2
Sumber: PT .Pabrik Es siantar
Universitas Sumatera Utara
5.1.2.
Status Persediaan Awal
Status persediaan awal merupakan persediaan awal yang tersedia pada
setiap distribution center pada awal perencanaan. Status persediaan pada masingmasing distribution center dapat dilihat pada Tabel 5.2.
Tabel 5.2. Data Status Persediaan Awal
No
Distribution Center
1
2
3
Medan
Tj. Balai
Padang Sidempuan
Jumlah Persediaan
(Krat)
2080
300
270
Sumber : PT. Pabrik Es siantar
5.1.3. Biaya Pemesanan Produk
Biaya pemesanan merupakan biaya yang dikeluarkan perusahaan untuk
menunjang kegiatan pengiriman produk yang berupa biaya faktur, biaya telepon
dan biaya bongkar muat meliputi biaya bensin dan supir . Biaya pemesanan pada
masing-masing distribution center dapat dilihat pada Tabel 5.3.
Tabel 5.3. Data Biaya Pemesanan produk
Distribution
Center
Medan
Tj. Balai
Padang
Sidempuan
Biaya Faktur
(Rp/Order)
Rp 5.000
Rp 5.000
Rp 5.000
Biaya Telepon
(Rp/Order)
Rp 10.000
Rp 10.000
Rp 10.000
Biaya Bongkar
Muat
(Rp/Kirim)
Rp 600.000
Rp 750.000
Rp 850.000
Total Biaya
(Rp)
Rp 615.000
Rp 765.000
Rp 865.000
Sumber : PT. Pabrik Es Siantar
Universitas Sumatera Utara
5.1.4. Biaya Simpan Produk
Biaya simpan adalah semua pengeluaran yang timbul akibat penyimpanan
barang yang meliputi biaya memiliki inventori, biaya gudang, dan biaya
kerusakan dan penyusutan. Besarnya biaya simpan pada distribution center
ditetapkan sebesar 5% dari harga produk yaitu sebesar Rp. 4.900 per krat selama 1
tahun dimana harga produk per krat adalah Rp. 98.000.
5.1.5.
Data Jumlah Permintaan Produk
Data jumlah permintaan produk minuman Sarsaparilla ke setiap
distribution center pada periode Maret 2016 – Februari 2017 dapat dilihat pada
Tabel 5.4.
Tabel 5.4. Data Jumlah Permintaan Produk Minuman Sarsaparilla Periode
Maret 2016 – Februari 2017
Periode
Medan
Tj.Balai
Mar-16
Apr-16
Mei-16
Jun-16
Jul-16
Agust-16
Sep-16
Okt-16
Nov-16
Des-16
Jan-17
Feb-17
Total
30700
27450
25200
28500
26800
32000
30240
30410
29800
31460
30120
29940
346020
2200
2100
1400
1850
1900
2100
2050
1920
2000
2210
2020
1970
41720
Padang
Sidempuan
1200
1150
1000
1200
1000
1100
1000
1150
1200
1340
960
1030
13330
Sumber : PT. Pabrik Es Siantar
Universitas Sumatera Utara
5.2.
Pengolahan Data
Pengolahan data yang dilakukan antara lain, Peramalan permintaan pada
masing-masing distribution center, perhitungan order quantity, safety stock dan
reorder point dan penjadwalan distribusi.
5.2.1.
Peramalan Permintaan pada Distribution Center
Peramalan permintaan dapat dilakukan dengan melihat trend permintaan
pada masing-masing Distribution Center.
5.2.1.1. Peramalan Permintaan pada Distribution Center Medan
Untuk meramalkan permintaan produk minuman Sarsaparilla pada setiap
DC dilakukan 7 langkah peramalan. Berikut adalah proses perhitungan peramalan
pada DC Medan. Langkah-langkah peramalan yang dilakukan adalah:
1.
Menetapkan tujuan peramalan
Tujuan peramalan adalah untuk meramalkan data jumlah permintaan produk
minuman Sarsaparilla untuk DC Medan pada 12 bulan yang akan datang.
2.
Membuat scatter diagram
Scatter diagram jumlah permintaan DC Medan dapat dilihat pada Gambar
5.1.
Universitas Sumatera Utara
Jumlah permintaan produk (krat)
Data Permintaan DC Medan
35000
30000
25000
20000
15000
Data Permintaan DC
Medan
10000
5000
0
Periode
Gambar 5.1. Scatter Diagram Jumlah Permintaan Minuman Sarsaparilla
pada DC Medan
3.
Memilih metode yang mendekati pola yang dianggap sesuai
Metode peramalan yang digunakan adalah sebagai berikut :
a. Metode Kuadratis
b. Metode Siklis
4.
Menghitung parameter-parameter fungsi peramalan
Untuk memudahkan perhitungan, maka dimisalkan X sebagai variabel tahun
dan Y adalah variabel jumlah permintaan DC Medan.
a.
Metode Kuadratis
Fungsi peramalan : Y’ = a + bx + cx2
Perhitungan parameter peramalan jumlah permintaan pada DC Medan
dengan Metode Kuadratis dapat dilihat pada Tabel 5.5.
Universitas Sumatera Utara
Tabel 5.5. Perhitungan Parameter Peramalan Jumlah Permintaan pada DC
Medan dengan Metode Kuadratis
X
Y
1 30700
2 27450
3 25200
4 28500
5 26800
6 32000
7 30240
8 30410
9 29800
10 31460
11 30120
12 29940
78 352620
x2
x3
1
4
9
16
25
36
49
64
81
100
121
144
650
1
8
27
64
125
216
343
512
729
1000
1331
1728
6084
x4
x.Y
x2.Y
1
30700
30700
16
54900
109800
81
75600
226800
256 114000
456000
625 134000
670000
1296 192000 1152000
2401 211680 1481760
4096 243280 1946240
6561 268200 2413800
10000 314600 3146000
14641 331320 3644520
20736 359280 4311360
60710 2329560 19588980
Sumber : Pengolahan Data
α = ∑ X ∑ X 2 − n∑ X 3
= (78)(650)-(12)(6084)
= -22308
β = (∑ X ) − n∑ X 2
2
= (78)2 – (12)(650)
= -1716
γ = (∑ X 2 ) − n∑ X 4
2
= (650)2 – (12)(60710)
= -306020
δ = ∑ X ∑ Y − n∑ XY
= (78)( 352620) – (12)( 2329560)
Universitas Sumatera Utara
= -450360
θ = ∑ X 2 ∑ Y − n∑ X 2Y
= (650)( 352620) – (12)( 19588980)
= -5864760
γ .δ − θ .α
b=
γ .β − α 2
=
(−306020 )(−450360 )− (−5864760 )(−22308 )
(−306020 )(−1716 )− (−22308 )2
= 254.67
c=
θ − bα
γ
=
(1418 )− (254.67)(−22308 )
(−306020 )
= -0,63
a=
∑ y − b∑ X − c ∑ X
=
2
n
(352620 )− (254.67)(78)−(−0.63)(650)
12
= 27698.12
Fungsi Peramalannya adalah :
Y’ = 23698.12 + 254.27x – 0.63x2
b.
Metode Siklis
2πX
2πX
Fungsi peramalan : Y’ = a + b sin
+ c cos
n
n
Perhitungan parameter peramalan jumlah permintaan pada DC Medan
dengan Metode Siklis dapat dilihat pada Tabel 5.6.
Universitas Sumatera Utara
Tabel 5.6. Perhitungan Parameter Peramalan Jumlah Permintaan pada
DC Medan dengan Metode Siklis
X
Y
Sin
(2πx/n)
Cos
(2πx/n)
Y.sin
(2πx/n)
Y.cos
(2πx/n)
sin2
(2πx/n)
cos2
(2πx/n)
sin(2πx/n)
cos(2πx/n)
1
30700.00
0.50
0.87
15350.00
26586.98
0.25
0.75
0.43
2
27450.00
0.87
0.50
23772.40
13725.00
0.75
0.25
0.43
3
25200.00
1.00
0.00
25200.00
0.00
1.00
0.00
0.00
4
28500.00
0.87
-0.50
24681.72
-14250.00
0.75
0.25
-0.43
5
26800.00
0.50
-0.87
13400.00
-23209.48
0.25
0.75
-0.43
6
32000.00
0.00
-1.00
0.00
-32000.00
0.00
1.00
0.00
7
30240.00
-0.50
-0.87
-15120.00
-26188.61
0.25
0.75
0.43
8
30410.00
-0.87
-0.50
-26335.83
-15205.00
0.75
0.25
0.43
9
29800.00
-1.00
0.00
-29800.00
0.00
1.00
0.00
0.00
10
31460.00
-0.87
0.50
-27245.16
15730.00
0.75
0.25
-0.43
11
30120.00
-0.50
0.87
-15060.00
26084.69
0.25
0.75
-0.43
12
29940.00
0.00
1.00
0.00
29940.00
0.00
1.00
0.00
78
352620.00
0.00
0.00
-11156.87
1213.58
6.00
6.00
0.00
Sumber : Pengolahan Data
∑Y = na + b ∑ sin 2πnX + c ∑ cos 2πnX
352620
a
= 12(a) +b (0) +c (0)
= 29385
∑ Y sin
2πX
n
-11156.87
b
2πX
2πX
cos
+ c ∑ sin
n
n
= -1859.48
∑ Y cos
-15,66
c
2 2πX
2πX
+ b∑ sin
= a ∑ sin
n
n
= a(0) + b(6,00) + c(0)
2πX
2πX
2πX
2πX
2 2πX
cos
+ c ∑ cos
+ b∑ sin
= a ∑ cos
n
n
n
n
n
= a(0) + b(0) + c(6,00)
= -202.26
Universitas Sumatera Utara
Fungsi Peramalannya adalah :
2πX
2πX
Y’ = 29385 – 1859.48 sin
- 202.26 cos
n
n
5.
Menghitung setiap kesalahan setiap metode
Perhitungan kesalahan menggunakan metode SEE (Standard Error of
Estimation) dengan menggunakan rumus sebagai berikut :
∑ (Y − Y ')
2
SEE =
n− f
Dimana :
Y
= Data aktual
Y’ = Data peramalan
n
= Banyak data
f
= Derajat kebebasan
a. Metode Kuadratis
Fungsi peramalannya adalah Y’ = 23698.12 + 254.27x – 0.63x2
Contoh perhitungan Y’ untuk x =1 adalah
Y’ = 23698.12 + 254.27(1) – 0.63(1)2
= 27953.02
Adapun perhitungan SEE untuk metode kuadratis dapat dilihat pada Tabel
5.7.
Tabel 5.7. Perhitungan SEE pada Peramalan Jumlah Permintaan pada
DC Medan dengan Metode Kuadratis
Universitas Sumatera Utara
X
1
2
3
4
5
6
7
8
9
10
11
12
78
Y
30700
27450
25200
28500
26800
32000
30240
30410
29800
31460
30120
29940
352620
Y'
27953.02
28209.18
28466.6
28725.28
28985.22
29246.42
29508.88
29772.6
30037.58
30303.82
30571.32
30840.08
352620
Y-Y'
2746.98
-759.18
-3266.6
-225.28
-2185.22
2753.58
731.12
637.4
-237.58
1156.18
-451.32
-900.08
0
(Y-Y')²
7545899.12
576354.27
10670675.56
50751.08
4775186.45
7582202.82
534536.45
406278.76
56444.26
1336752.19
203689.74
810144.01
34548914.71
Sumber : Pengolahan Data
∑ (Y − Y ')
2
SEE =
SEE = �
n− f
, dimana untuk kuadratis f = 3
34548914.71
12−3
SEE = 1959.28
b. Metode Siklis
Fungsi peramalannya adalah
2πX
2πX
Y’ = 29385 – 1859.48 sin
- 202.26 cos
n
n
Contoh perhitungan Y’ untuk x =1 adalah
Universitas Sumatera Utara
2πX
2πX
Y’ = 29385 – 1859.48 sin
- 202.26 cos
n
n
2(180)(1)
2(180)(1)
= 29385 – 1859.48 sin
- 202.26 cos
12
12
= 28630.42
Adapun perhitungan SEE untuk metode kuadratis dapat dilihat pada Tabel
5.8.
Tabel 5.8. Perhitungan SEE pada Peramalan Jumlah Permintaan pada DC
Medan dengan Metode Siklis
X
1
2
3
4
5
6
7
8
9
10
11
12
78
Y
30700
27450
25200
28500
26800
32000
30240
30410
29800
31460
30120
29940
352620
Y'
28630.42
27875.77
27525.52
27673.51
28280.1
29182.74
30139.58
30894.23
31244.48
31096.49
30489.9
29587.26
352620
Y-Y'
2069.58
-425.77
-2325.52
826.49
-1480.1
2817.26
100.42
-484.23
-1444.48
363.51
-369.9
352.74
0
(Y-Y')²
4283161.38
181280.09
5408043.27
683085.72
2190696.01
7936953.91
10084.18
234478.69
2086522.47
132139.52
136826.01
124425.51
23407696.75
Sumber : Pengolahan Data
∑ (Y − Y ')
2
SEE =
SEE = �
n− f
, dimana untuk siklis f = 3
23407696.75
12−3
SEE = 1612.72
6.
Menghitung pola peramalan yang terbaik dengan perhitungan distribusi f
Universitas Sumatera Utara
H0 = SEE Siklis ≤ SEE Kuadratis
H1 = SEE Siklis > SEE Kuadratis
α
= 0,05
Uji Statistik
F0,5;9;9
=�
��� ������
��� ���������
= 3,18
2
1959.28 2
� = �1612.72� = 1.2148
Oleh karena Fhitung (1.2148) ≤ F tabel (3,18), maka H0 diterima. Jadi hasil
pengujian menyatakan bahwa metode siklis lebih baik daripada metode
kuadratis. Adapun fungsi siklis adalah :
2πX
2πX
Y’ = 29385 – 1859.48 sin
- 202.26 cos
n
n
7.
Verifikasi peramalan
Tujuan verifikasi dilakukan adalah untuk mengetahui fungsi yang telah
ditentukan dapat mewakili data yang akan diramalkan.
MRt = |(Y-Y’)t-1 – (Y-Y’)t|
Untuk x = 1, nilai MR = Untuk x = 2, nilai MR = -425.77 – 2069.58
= 2395.35
Perhitungan hasil verifikasi peramalan jumlah permintaan pada DC Medan
dapat dilihat pada Tabel 5.9.
Universitas Sumatera Utara
Tabel 5.9. Perhitungan Hasil Verifikasi Peramalan Jumlah Permintaan
pada DC Medan
X
1
2
3
4
5
6
7
8
Y
30700
27450
25200
28500
26800
32000
30240
30410
Y'
28630.42
27875.77
27525.52
27673.51
28280.1
29182.74
30139.58
30894.23
Y-Y'
2069.58
-425.77
-2325.52
826.49
-1480.1
2817.26
100.42
-484.23
MR
2495.35
1899.75
3152.01
2306.59
4297.36
2716.84
584.65
9
10
11
12
78
29800
31460
30120
29940
352620
31244.48
31096.49
30489.9
29587.26
352620
-1444.48
363.51
-369.9
352.74
0
960.25
1807.99
733.41
722.64
21676.84
Sumber : Pengolahan Data
MR =
BKA
∑ MR = 21676.84 = 1970.62
n −1
12 − 1
= 2,66 x MR = 2,66 x 1970.62 = 5241.85
1/3 BKA = 1/3 x 5241.85 = 1747.28
2/3 BKA = 2/3 x 5241.85 = 3494.57
BKB
= -2,66 x MR = -2,66 x 1970.62 = -5241.85
1/3 BKB = 1/3 x -5241.85 = -1747.28
2/3 BKB = 2/3 x -5241.85 = -3494.57
Gambar moving range peramalan jumlah permintaan DC Medan dapat dilihat
pada Gambar 5.2.
Universitas Sumatera Utara
Moving Range Peramalan
6000
jumlah Permintaan
4000
Y-Y'
BKA
2000
1/3 BKA
2/3 BKA
0
1
2
3
4
5
6
7
8
9
10 11 12
-2000
BKB
1/3 BKB
2/3 BKB
-4000
-6000
Gambar 5.2. Moving Range Chart Permintaan pada DC Medan
Gambar Moving Range Chart menunjukkan bahwa titik hasil peramalan
telah berada dalam batas sehingga peramalan dengan metode siklis cukup
memenuhi persyaratan dengan fungsi peramalan :
2πX
2πX
Y’ = 29385 – 1859.48 sin
- 202.26 cos
n
n
Dilakukan perhitungan dengan cara yang sama untuk setiap DC.
Rekapitulasi fungsi peramalan permintaan setiap DC dapat dilihat pada pada
Tabel 5.10 :
Universitas Sumatera Utara
Tabel 5.10. Rekapitulasi Fungsi Peramalan Permintaan setiap DC
Metode
yang
Digunakan
DC
Kuadratis
Fungsi Peramalan
SEE
Y’ = 23698.12 + 254.27x –
Metode
Terpilih
1958.75
0.63x2
Y’ = 29385 – 1859.48 sin
Medan
Siklis
2πX
n
-
202.26
cos
Siklis
1612.72
2πX
n
Kuadratis
Tj.Balai
3.62x2
227.34
Siklis
Y’ = 1976.67- 122.78 sin
Siklis
Kuadratis
Padang
Sidempuan
Y’ = 2013.87 – 35.89 x +
2��
�
+ 62.07 cos
2��
�
Y’ = 1138.52 –6.51x +
0,27x2
207.02
126.64
Siklis
Y’ = 1110.83 -33.41 sin
Siklis
Sumber : Pengolahan Data
2��
�
+23.05 cos
2��
122.82
�
Perhitungan hasil peramalan permintaan pada masing-masing DC periode
September 2016 (periode ke 13) :
a. DC Medan
Y’ = 29385 – 1859.48 sin
2(180)(13)
12
– 202.26 cos
2(180)(13)
12
= 28631 Krat
Universitas Sumatera Utara
DC Tanjung Balai
b. Y’ = 1976.67 – 122.78 sin
2(180)(13)
12
- 62.07 cos
2(180)(13)
12
= 1970 Krat
c. DC Padang Sidempuan
Y’ = 1110.83 - 33.41 sin
2(180)(13)
12
+ 23.05cos
2(180)(13)
12
= 1115 Krat
Hasil peramalan data permintaan selama 12 bulan ke depan pada setiap
DC dapat dilihat pada Tabel 5.11.
Tabel 5.11. Rekapitulasi Hasil Peramalan Permintaan Pada Setiap DC
Periode
Medan
(Krat)
Tj.Balai
(Krat)
Padang
Sidempuan
(Krat)
Mar-16
28631
1970
1115
Apr-16
27876
1902
1094
Mei-16
27526
1854
1078
Jun-16
27674
1840
1071
Jul-16
28281
1862
1075
Agust-16
29183
1915
1088
Sep-16
30140
1985
1108
Okt-16
30895
2052
1129
Nov-16
31245
2100
1145
Des-16
31097
2115
1152
Jan-17
30490
2092
1148
Universitas Sumatera Utara
Tabel 5.11. Rekapitulasi Hasil Peramalan Permintaan pada Setiap DC
(Lanjutan)
Periode
Medan
(Krat)
Tj.Balai
(Krat)
Padang
Sidempuan
(Krat)
Feb-17
29588
2039
1134
Total
352626
23726
13337
Sumber : Pengolahan Data
Permintaan rata-rata setiap bulan untuk DC Medan adalah :
x
∑
=
i
n
=
28631 + 27876 + ... + 29588
12
= 29386 Krat
Permintaan rata-rata setiap hari untuk DC Medan adalah:
x
∑
=
i
n
=
352626
271
= 1302 Krat
Standar deviasi permintaan DC Medan yaitu :
∑ (x − x )
2
σ=
n −1
Universitas Sumatera Utara
(28631 − 29386) 2 + (27876 − 29386) 2 + ... + (29588 − 29386) 2
=
12 − 1
= 1381.42
Rekapitulasi rata-rata permintaan dan standar deviasi untuk setiap DC dapat
dilihat pada Tabel 5.12.
Tabel 5.12. Rekapitulasi Rata-rata Permintaan dan Standar Deviasi setiap
Distribution Center
DC
Medan
Tj.Balai
Padang
Sidempuan
Rata-rata
permintaan setiap
bulan (unit)
29386
1978
1112
Rata-rata
permintaan
setiap hari (unit)
1302
88
50
Standar
Deviasi (σ)
1381.42
101.61
29.98
Sumber : Pengolahan Data
5.2.2. Perhitungan Order Quantity, Safety Stock dan Reorder Point
Data yang dibutuhkan dalam perhitungan persediaan untuk DC Medan
adalah sebagai berikut:
1.
Permintaan dalam setahun (D)
= 352626 Krat
2.
Standar deviasi permintaan (S)
= 1381.42
3.
Leadtime (L)
= 1 hari
4.
Biaya pesan (A)
= Rp 615.000/kirim
5.
Harga produk (p)
= Rp 98.000 per Krat
6.
Biaya simpan (h)
= Rp 4900 per Krat
7.
Rata-rata permintaan harian
= 1302 Krat
Universitas Sumatera Utara
Perhitungan inventori optimal, tingkat pelayanan, dan biaya total dimulai
dengan menghitung ukuran pemesanan optimal (q), safety stock (ss) dan reorder
point (r), yaitu:
1.
Hitung ukuran pemesanan ekonomis (q):
q
2AD
=�
h
2 x 615000 x 352626
=�
4900
≈ 9409 Krat
2.
Hitung safety stock (ss):
ss = s x z
= 1381.42 x 1,65
≈ 2280 Krat
3.
Hitung reorder point (r)
r = (jumlah permintaan harian x lead time) + safety stock
= (1302 x 1) + 2280
= 3582 unit
Hal ini berarti order quantity pada DC Medan dalam sekali pemesanan sebanyak
9409 Krat, safety stock sebanyak 2280 Krat dan reorder point yaitu 3582 unit.
Rekapitulasi order quantity, reorder point dan safety stock untuk setiap DC dapat
dilihat pada Tabel 5.13.
Universitas Sumatera Utara
Tabel 5.13. Rekapitulasi Jumlah Order Quantity, Reorder Point dan Safety
Stock untuk setiap DC
DC
Medan
Tj.Balai
Padang
Sidempuan
Order Quantity
(Krat)
9409
2722
2170
Safety Stock
(Krat)
2280
168
50
Reorder Point
(Krat)
3582
432
100
Sumber : Pengolahan Data
5.2.3.
Jumlah Permintaan setiap Minggu Distribution Center
Jumlah permintaan setiap minggu dari setiap distribution center
diperoleh dengan pembagian antara jumlah permintaan setiap distribution center
setiap bulan dengan jumlah minggu yang ada pada setiap bulan tersebut. Jumlah
permintaan setiap distribution center dapat dilihat pada tabel 5.14.
Tabel 5.14. Jumlah Permintaan Distribution Center setiap Minggu
Bulan
Jumlah
Minggu
Medan
(Krat)
Tj.Balai
(Krat)
Mar-16
Apr-16
Mei-16
Jun-16
4
5
4
4
Jul-16
Agust-16
Sep-16
Okt-16
Nov-16
Des-16
Jan-17
Feb-17
Total
5
4
4
5
4
5
4
4
52
7158
5576
6882
6919
5657
7296
7535
6179
7812
6220
7623
7397
82254
493
381
464
460
373
479
497
411
525
529
419
510
5541
Padang
Sidempuan
(Krat)
279
219
270
268
215
272
277
226
287
288
230
284
3115
Sumber : Pengolahan Data
Universitas Sumatera Utara
5.2.4.
Distribution Resources Planning Worksheet
Perencanaan DRP disusun untuk setiap DC dalam time bucket mingguan
sebab lead time masing-masing DC tidak melewati 1 bulan atau hanya dalam
mingguan.
Dalam distribution resources planning worsheet terdapat beberapa istilah
yang perlu diketahui yaitu :
1.
Reorder point adalah titik pemesanan kembali.
2.
On hand balance adalah jumlah persediaan awal produk yang ada pada
distribution center.
3.
Safety Stock adalah persediaan untuk melindungi atau menjaga kemungkinan
terjadinya kekurangan produk.
4.
Lead time adalah waktu yang diperlukan dalam pelepasan order sampai order
diterima di stock room pada distribution center.
5.
Order quantity adalah jumlah produk yang dikirimkan ke untuk setiap kali
pemesanan
6.
Demands forecast adalah peramalan jumlah permintaan dari masing-masing
distribution center
7.
In transit adalah jumlah produk yang sedang dalam proses pendistribusian
8.
Projected on hand adalah persediaan yang ada dan siap digunakan.
9.
Planned shipments – Receipt Date adalah jadwal perencanaan penerimaan
produk yang dikirim.
10. Planned shipments – Ship Date adalah jadwal perencanaan pengiriman
produk
Universitas Sumatera Utara
Langkah-langkah pengisian Distribution Resources Planning Sheet untuk
Dsitribution Center Medan adalah :
1.
Reorder point = 3582 Krat (diperoleh dari tabel 5.13)
2.
On hand balance = 2080 Krat (diperoleh dari tabel 5.2)
3.
Lead time = 1 hari (diperoleh dari tabel 5.1)
4.
Order quantity = 9784 Krat (diperoleh dari tabel 5.13)
5.
Safety stock = 2280 Krat (diperoleh dari tabel 5.13)
6.
Projected on Hand (Past Due) = 2080 Krat (diperoleh dari On hand Balance)
7.
Demands forecast (1st Week) = 7158 Krat (diperoleh dari tabel 5.14)
8.
In transit (1st Week) = 0 unit
9.
Planned shipments – Ship Date = 9784 Krat (diperoleh dari Order Quantity)
10. Planned shipments – Receipt Date = 9784 Krat (diperoleh dari Order
Quantity)
11. Projected on hand (1st Week) = Projected on Hand (Past Due) + Order
quantity - Demands forecast (1st Week) = 2080 + 9784 – 7158 = 4706 Krat
12. Demands forecast (2nd Week) = 7158 Krat (diperoleh dari tabel 5.14)
13. Projected on hand (2nd Week) = Projected on hand (1st Week) - Demands
forecast (2nd Week) = 4706 – 7158 = -2452
14. Dilakukan hal yang sama dengan proses yang sama untuk 52 minggu ke
depan sehingga Distribution Resources Planning Worksheet terisi secara
keseluruhan.
Distribution Resources Planning Worksheet untuk DC Medan dapat dilihat
pada Tabel 5.15.
Universitas Sumatera Utara
Tabel 5.15. Distribution Resources Planning Worksheet untuk Distribution Center Medan
Distribution Resources Planning Worksheet Medan
On Hand Balance : 3582 Krat
Lead Time : 1 days = 0 week
Safety Stock : 2280 Krat
Order Quantity : 9784 Krat
Distribution Center : Medan
Reorder point : 3582 Krat
Past Due
Demand Forecast
Week
1
2
3
4
5
6
7
8
9
10
11
12
13
7158
7 158
7 158
7 158
5 576
5 576
5 576
5 576
5 576
6 882
6 882
6 882
6 882
4 706
-2 452
-9 610
-16 768
-22 344
-27 920
-23 712
-29 288
-34 864
-41 746
-48 628
-55 510
-52 608
In Transit
Projected on Hand
2 080
9 784
9 784
9 784
9 784
9 784
Past Due
Week
Planned Shipment-Receipt Date
Planed Shipments - Ship Date
Demand Forecast
14
15
16
17
18
19
20
21
22
23
24
25
26
6 919
6 919
6 919
6 919
5 657
5 657
5 657
5 657
5 657
7 296
7 296
7 296
7 296
-59 527
-66 446
-73 365
-80 284
-85 941
-81 814
-87 471
-93 128
-98 785
-106 081
-113 377
-110 889
-118 185
In Transit
Projected on Hand
-52 608
Planned Shipment-Receipt Date
9 784
9 784
Planed Shipments - Ship Date
9 784
9 784
Past Due
Demand Forecast
Week
27
28
29
30
31
32
33
34
35
36
37
38
39
7 535
7 535
7 535
7 535
6 179
6 179
6 179
6 179
6 179
7 812
7 812
7 812
7 812
-125 720
-133 255
-140 790
-138 541
-144 720
-150 899
-157 078
-163 257
-169 436
-167 464
-175 276
-183 088
-190 900
In Transit
Projected on Hand
-118 185
Planned Shipment-Receipt Date
9 784
9 784
Planed Shipments - Ship Date
9 784
9 784
Past Due
Demand Forecast
Week
40
41
42
43
44
45
46
47
48
49
50
51
52
7 775
7 775
7 775
7 775
6 098
6 098
6 098
6 098
6 098
7 397
7 397
7 397
7 397
Universitas Sumatera Utara
In Transit
Projected on Hand
-190 900
-198 675
-206 450
-204 441
-212 216
-218 314
-224 412
-230 510
-236 608
-232 922
Planned Shipment-Receipt Date
9 784
9 784
Planed Shipments - Ship Date
9 784
9 784
-240 319
-247 716
-255 113
Universitas Sumatera Utara
-262 510
Langkah-langkah pengisian Distribution Resources Planning Sheet untuk
Dsitribution Center Tanjung Balai adalah :
1.
Reorder point = 256 Krat (diperoleh dari tabel 5.13)
2.
On hand balance = 300 krat (diperoleh dari tabel 5.2)
3.
Lead time = 1 hari (diperoleh dari tabel 5.1)
4.
Order quantity = 2441 Krat (diperoleh dari tabel 5.13)
5.
Safety stock = 168 Krat (diperoleh dari tabel 5.13)
6.
Projected on Hand (Past Due) = 300 Krat (diperoleh dari On hand Balance)
7.
Demands forecast (1st Week) = 493 Krat (diperoleh dari tabel 5.14)
8.
In transit (1st Week) = 0 unit
9.
Planned shipments – Ship Date = 2441 Krat (diperoleh dari Order Quantity)
10. Planned shipments – Receipt Date = 2441 Krat (diperoleh dari Order
Quantity)
11. Projected on hand (1st Week) = Projected on Hand (Past Due) + Order
quantity - Demands forecast (1st Week) = 300 + 2441 – 493 = 2248 Krat
12. Demands forecast (2nd Week) = 493 Krat (diperoleh dari tabel 5.14)
13. Projected on hand (2nd Week) = Projected on hand (1st Week) - Demands
forecast (2nd Week) = 2248 – 493 = 1775 Krat
14. Dilakukan hal yang sama dengan proses yang sama untuk 52 minggu ke
depan sehingga Distribution Resources Planning Worksheet terisi secara
keseluruhan.
Distribution Resources Planning Worksheet untuk DC Tj.Balai dapat dilihat
pada Tabel 5.16.
Universitas Sumatera Utara
Tabel 5.16. Distribution Resources Planning Worksheet untuk Distribution Center Tj.Balai
Distribution Resources Planning Worksheet Tj. Balai
On Hand Balance : 300 Krat
Lead Time : 1 hari = 0 week
Safety Stock : 168 Krat
Order Quantity : 2441 Krat
Distribution Center : Tj.Balai
Reorder Point : 256 Krat
Past Due
Demand Forecast
Week
1
2
3
4
5
6
7
8
9
10
11
12
13
493
493
493
493
381
381
381
381
381
464
464
464
464
2 248
1 755
1 262
769
388
2 448
2 067
1 686
1 305
841
377
-87
1 890
In Transit
Projected on Hand
3
Planned Shipment-Receipt Date
Planed Shipments - Ship Date
107
2 441
2 441
2 441
2 441
Past Due
Demand Forecast
Week
14
15
16
17
18
19
20
21
22
23
24
25
26
17
17
17
17
13
13
13
13
13
16
16
16
16
101
84
67
50
37
24
118
105
92
76
60
44
28
In Transit
Projected on Hand
118
Planned Shipment-Receipt Date
107
Planed Shipments - Ship Date
107
Past Due
Demand Forecast
Week
27
28
29
30
31
32
33
34
35
36
37
38
39
497
497
497
497
411
411
411
411
411
525
525
525
525
654
LANDASAN TEORI
3.1.
Konsep Dasar Peramalan 4
Peramalan merupakan bagian awal dari proses pengambilan suatu
keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa
sebenarnya persoalan dalam pengambilan keputusan itu. Pada hakekatnya
peramalan
hanya
merupakan
suatu
perkiraan
(guess),
namun
dengan
menggunakan teknik-teknik tertentu, peramalan menjadi lebih dari sekedar
perkiraan. Peramalan dapat disebut sebagai perkiraan yang ilmiah (educated
guess). Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah
permintaan terhadap suatu produk dan juga merupakan langkah awal dari proses
perencanaan dan pengendalian produksi.
3.1.1. Metode Peramalan Kuantitatif (Statistical Method) 5
Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas dua
bagian, yaitu:
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
antara variabel yang akan diperkirakan dengan variabel waktu, yang
merupakan deret waktu atau "time-series".
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
antara variabel yang akan diperkirakan dengan variabel lain yang
4
5
Rosnani Ginting, 2007, Sistem Produksi, Yogyakarta : Graha Ilmu, h. 31
Ibid, h 43-44.
Universitas Sumatera Utara
mempengaruhinya, yang bukan waktu yang disebut metode korelasi atau sebab
akibat (causal method).
Prosedur umum yang digunakan dalam peramalan secara kuantitatif adalah:
1. Definisikan tujuan peramalan.
2. Pembuatan diagram pencar.
3. Pilih minimal dua metode peramalan yang dianggap sesuai.
4. Hitung parameter-parameter fungsi peramalan.
5. Hitung kesalahan setiap metode peramalan.
6. Pilih metode yang terbaik, yaitu yang memiliki kesalahan terkecil.
7. Lakukan verifikasi peramalan.
3.1.2. Metode Time Series 6
Metode Time Series adalah metode yang dipergunakan untuk menganalisis
serangkaian data yang merupakan fungsi dari waktu. Metode ini mengasumsikan
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.
6
Ibid. h. 46.
Universitas Sumatera Utara
3.1.3. Metode Proyeksi Kecenderungan dengan Regresi 7
Metode
kecendrungan
dengan
regresi
merupakan
dasar
garis
kecendrungan untuk suatu persamaan, sehinggan dengan dasar persamaan tersebut
dapat diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang. Untuk
peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan
metode ini sangat baik.
Bentuk fungsi dari metode ini dapat berupa :
a. Konstan, dengan fungsi peramalan (Yt) :
Yt = a dimana,
�=
∑ ��
�
Yt
N
= Jumlah periode
dimana :
= nilai tambah
b. Linier, dengan fungsi peramalan :
Yt = a + bt
dimana :
� − ��
�=
�
� ∑ �� − ∑(�) ∑(�)
�=
� − ∑ � 2 − (∑ �)2
c. Kuadratis, dengan fungsi peramalan :
Yt = a + bt + ct2
dimana :
7
∑ � − � ∑ � − � ∑ �2
�=
�
� − ��
�=
�
Ibid, h. 55
Universitas Sumatera Utara
�=
�� − ��
�� − � 2
2
� = �� � 2 � − � � � 4
� = � � � � − � � ��
� = � �2 � � − � � �2 �
� = � �2 � �2 − � � �3
� = �(�)2 − � � � 2
d. Eksponensial, dengan fungsi peramalan :
Yt = aebt
dimana :
∑ ln � − � ∑ �
�
� ∑ ���� − ∑ � ∑ ���
ln � =
� ∑ � 2 − (∑ �)2
e. Siklis, dengan fungsi peramalan :
ln � =
dimana :
�� = � + ����
2��
2��
+ � cos
�
�
2��
2��
� � = �� + ����
+ � � cos
�
�
2��
2��
2��
2��
2��
2
� ����
= � � sin
+ ����
+ � � ���
���
�
�
�
�
�
2��
2��
2��
2��
2��
2
= � � ���
+ � � ���
+ � � ���
cos
� ����
�
�
�
�
�
3.2. Uji Statistik Peramalan 8
Dari hasil peramalan yang dilakukan dengan menggunakan beberapa
metode yang berbeda maka akan dipilih metode mana yang terbaik. Untuk itu
perlu dilakukan uji distribusi F untuk melihat pengaruh variabel-variabel bebas
secara kesleuruhan terhadap variable tidak bebas. Pengujian ini dilakukan dengan
membandingkan Fhitung dengan Ftabel.
8
Ibid, h. 66
Universitas Sumatera Utara
Setelah didapat kesalahan (error) dari masing-masing metode peramalan,
maka akan dilakukan pengujian terhadap dua metode yang memiliki error yang
terkecil, guna mendapatkan metode peramalan yang lebih baik untuk digunakan.
Pengujian dilakukan dengan uji distribusi F. Jika diasumsikan bahwa metode “X”
adalah metode peramalan yang memiliki besar error yang paling kecil pertama,
dan metode “Y” adalah metode peramalan yang memiliki besar error yang paling
kecil kedua, maka langkah-langkah pengujiannya adalah sebagai berikut:
1.
Tentukan pernyataan awal (H0) dan pernyataan alternatif (H1):
H0:
Metode “X” lebih baik daripada metode “Y”
H1 : Metode “X” tidak lebih baik daripada metode “Y”, atau Metode “Y”
lebih baik daripada metode “X”.
2.
Lakukan uji statistik, dengan rumus:
F=
S1 2
S2 2
Dimana:
S1 = besarnya error metode peramalan “X”
S2 = besarnya error metode peramalan “Y”
3.
Bandingkan hasil yang diperoleh dari langkah 2 dengan hasil yang diperoleh
dari tabel distribusi F dengan harga α (tingkat ketelitian) yang telah
ditetapkan.
Jika Fhitung< Ftabelmaka H0diterima (berarti metode paramalan dengan metode
“X” lebih baik digunakan), dan jika sebaliknya maka H0ditolak (berarti
metode “Y” lebih baik digunakan).
Universitas Sumatera Utara
Setelah didapatkan metode peramalan mana yang lebih baik, maka
dilakukanlah verifikasi terhadap metode peramalan yang terbaik tersebut.
3.3. Kriteria Performance Peramalan 9
Ketepatan yang kecil memberikan arti ketelitian peramalan tinggi,
kakuratan hasil peramalan tinggu, begitu pulak sebaliknya. Besar kesalahan suatu
peramalan dapat dihitung dengan metode Standard Error of Estimate (SEE).
2
∑�
�=1(� − �1)
�
��� =
�−�
dimana,
k = derajat kebebasan
Untuk data konstan, k =1
Untuk data linier, k = 2
Untuk data kuadratis, k = 3
Untuk data siklis, k= 3
Untuk data eksponensial, k =2
3.3.1
Proses Verifikasi
Proses verifikasi digunakan untuk melihat apakah metode peramalan yang
diperoleh telah representatif terhadap data. Proses verifikasi dilakukan dengan
menggunakan Moving Range Chart (MRC). Dari peta ini dapat terlihat apakah
sebaran berada di dalam batas kontrol ataupun sudah di luar kontrol.
Proses verifikasi dengan menggunakan
Moving Range Chart (MRC),
dapat digambarkan pada Gambar 3.1.
9
Ibid, 58-59
Universitas Sumatera Utara
UCL
A
2/3 UCL
B
1/3 UCL
C
CCL
C
2/3 LCL
B
2/3 LCL
A
LCL
Sumber : Rosnani Ginting, Sistem Produksi
Gambar 3.1. Moving Range Chart
Harga MR diperoleh dari:
N −1
MR =
∑ MR
t =2
t
n −1
Dimana : MRt = |(Y-Y’)t-1 – (Y-Y’)t|
atau :
MRt = et − et −1
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.
Universitas Sumatera Utara
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.
3.4.
Model Economic Order Quantity
Model EOQ ini mencari ukuran pemesanan yang ekonomis dengan
meminimalkan total biaya. Ada dua macam biaya yang dipertimbangkan yaitu:
1. Biaya penyimpanan
Biaya penyimpanan per tahun merupakan perkalian antara rata-rata
persediaan per tahun dengan biaya simpan per unit per tahun. Jika rata-rata
persediaan per tahun =
Q
, dimana Q adalah ukuran pemesanan, dan biaya
2
simpan per unit per tahun adalah h, maka
Total biaya penyimpanan per tahun = h
Q
2
2. Biaya pemesanan dan pembelian
Biaya pembelian per tahun (annual purchase cost) merupakan total harga
yang dikeluarkan untuk membeli suatu barang, yaitu perkalian antara barang
per unit (C) dengan banyaknya barang yang dibeli sepanjang tahun yaitu
sebesar demand (D).
Total biaya per tahun = DC
Universitas Sumatera Utara
Sedangkan total biaya pemesanan per tahun = A
D
Q
Sehingga:
Total biaya per tahun (TC) = biaya pembelian per tahun + biaya pemesanan
per tahun + biaya penyimpanan per tahun
TC = DC+ A
Q
D
+h
2
Q
Dengan perhitungan kalkulus melalui pengambilan turunan pertama dari
persamaan total biaya akan diperoleh rumusan ukuran pemesanan yang
optimum (Q*), yaitu :
TC = DC+ A
Q
D
+h
2
Q
Q* =
Dimana:
D = tingkat permintaan, unit per tahun
A = biaya per pemesanan
h
= biaya penyimpanan per unit per tahun
Q* = ukuran pesanan ekonomis
Pada model EOQ dengan titik pemesanan ulang (reorder point),
pemesanan harus dilakukan sebelum tingkat persediaan menjadi nol, yaitu
ketika persediaan mencapai titik pemesanan ulang (reorder point). Titik
pemesanan ulang dihitung dengan mengalikan tenggang waktu L dengan
Universitas Sumatera Utara
permintaan per hari. Jika kita mengasumsikan bahwa satu tahun terdiri dari
288 hari kerja, maka permintaan per hari adalah:
Jumlah pesanan ekonomis (Economic Order Quantity) , permintaan per hari
dibagi dengan jumlah hari pertahun. Rumus untuk titik pemesanan ulang, R,
adalah:
R = (jumlah rata-rata permintaan harian x lead time) + safety stock
Asumsi-asumsi yang digunakan dalam model EOQ klasik adalah:
1. Rata-rata kebutuhan diketahui dan konstan.
2. Lamanya leadtime diketahui dan konstan.
3. Pesanan tiba sekaligus dan pada satu waktu sesuai ukuran pesanan.
4. Tidak terjadi kekurangan persediaan.
5. Strukur biaya tetap.
6. Terdapat tempat penyimpanan, kapasitas, dan biaya yang cukup untuk
mendatangkan sejumlah kuantitas pemesanan yang diinginkan.
3.5.
Safety Stock
Safety stock adalah persediaan pengaman yang digunakan untuk
memproteksi keadaan apabila penjualan melebihi apa yang diramalkan. 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. Tingkat stok
pengaman secara keseluruhan dalam sistem distribusi seharusnya menjadi lebih
kecil untuk push system daripada pull system.
Universitas Sumatera Utara
Salah satu cara untuk menyelesaikan masalah ketidakpastian permintaan
dan penawaran adalah mengkombinasikan data yang menunjukkan rata-rata
permintaan. Hal ini akan menghasilkan ukuran variasi yang lebih besar, namun
dapat diterapkan sebagai perhitungan dalam keadaan normal untuk menentukan
stok pengaman guna mencapai tingkat pelayanan yang diinginkan yaitu :
Safety Stock = s x Z
3.6.
Pengertian Distribusi 10
Kegiatan distribusi merupakan usaha perpindahan/pengiriman produk dari
akhir lini produksi kepada konsumen. Kegiatan distribusi yang terdapat pada
perusahaan meliputi transportasi pengangkutan, proteksi terhadap pengemasan,
pengendalian persediaan, pemilihan lokasi gudang dan pelayanan terhadap
pelanggan.
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.
Sitem dorong (push system)
Sistem dorong adalah sistem pengendaliaan persediaan dimana CSF
menentukan bagaimana mengalokasikan produk ke DC.
3.7.
10
Logika Distribution Resources Planning (DRP) 11
Fogarty, Donald. 1991. Production & Inventory Management, Ohio: South-Wester Publishing
Co.
Universitas Sumatera Utara
Distribution Resources Planning adalah sebuah proses manajemen yang
menentukan keperluan inventory stocking locations (ISLs) yang merupakan toko,
pusat distribusi, pusat distribusi regional, pusat distribusi manufaktur atau gudang
yang menyimpan produk yang akan dijual. Sumber kebutuhan supplier dapat
menjadi third party supplier, titik distribusi regional atau sebuah perusahaan
sehingga dapat diperkirakan bahwa kebutuhan supplier dapat sesuai dengan
permintaan.
DRP mempunyai input sebagai berikut :
1.
Peramalan stok berdasarkan inventory stocking locations (ISLs)
2.
Permintaan pelanggan baik untuk pemesanan sekarang dan masa depan
3.
Biaya penyimpanan berdasarkan inventory stocking locations (ISLs)
4.
Pemesanan produk yang akan dibeli atau yang diproduksi
5.
Logistik, manufaktur, dan lead time pembelian
6.
Jalur transportasi
7.
Prinsip safety stock berdasarkan inventory stocking locations (ISLs)
8.
Kuantitas normal minimum untuk produk yang dibeli, diproduksi dan
didistribusikan.
12
Sistem DRP dengan nyata menghasilkan dua output yaitu jadwal
distribusi untuk setiap DC, dan master schedule yang merupakan DRP display
untuk CSF. Disamping itu terdapat pegging informasi yang dapat melacak
kembali sumber dari permintaan kepada CSF dan Tranportation Planning Report.
DRP display (DRP Worksheet) memiliki 2 bagian penting yaitu:
11
12
Martin, Andre. 1995. DRP : Distribution Resources Planning, Canada : John Wiley & Sons, Inc.
Gaspersz, Vincent, 1998, Production Planning and Inventory Control, Jakarta: PT Gramedia
Pustaka Utama.
Universitas Sumatera Utara
1.
Time Phased Information
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.
Demand forecast
Demand forecast 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
Project on-hand balance adalah proyeksi jumlah persediaan yang ada
pada suatu time phased tertentu. Project on- hand balace merupakan
suatu perencanaan jumlah persediaan pada DC dan CSF yang dijadikan
gambaran persediaan yang ada pada masa yang akan datang. Sehingga
dengan project on- hand balance ini, setiap komponen sistem distribusi
Universitas Sumatera Utara
dapat mengetahui masing-masing dapat mengetahui inventory level
sistem tersebut.
2.
Description Information
Description
information
adalah
atribut-atribut
masukan
pada
awal
perencanaan. Description information ini berupa pengolahan data awal untuk
masukan sistem DRP. Description information meliputi:
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 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 dari pelepasan order
sampai order diterima di DC. Lead time distribusi disusun dari dari
beberapa komponen yaitu pelepasan order, pemuatan barang, proses
transportasi, pembongkaran muatan di DC.
d.
Order Quantity
Universitas Sumatera Utara
Order quantity adalah jumlah produk yang ditentukan untuk dikirim.
Sedangkan pegging information adalah suatu cara untuk melacak
kembali sumber dari permintaan CSF untuk satu waktu tertentu. Pegging
information sangat berguna bilamana seluruh demand dari sebuah item
tidak dapat terpenuhi. Penggunaan pegging ini penting dilakukan untuk
menghemat
waktu
dalam
memperoleh
sumber
masalah
untuk
perencanaan distribusi bilamana demand melebihi supply. Dengan
bantuan pegging information, perencana dapat menghabiskan lebih
banyak waktu untuk pemecahan masalah daripada mencari dimana
terjadi kelebihan demand.
e.
In transit
In Transit adalah jumlah produk yang sudah dikirimkan pada periode
sebelumnya namun produk belum tiba (produk sedang dalam perjalanan).
Produk yang pada status in transit tidak dapat dikatakan projected on
hand dikarenakan produk belum sampai ke gudang distribution center.
Gambar Distribution Resources Planning Sheet dapat dilihat pada
Gambar 3.2.
Sumber : Andre J. Martin, Distribution Resource Planning
Gambar 3.2. DRP Worksheet
Universitas Sumatera Utara
3.8.
Langkah-langkah Perencanaan 13
Perencanaan DRP adalah proses yang hampir sama dengan MRP. Empat
langkah utama yang diterapkan pada proses MRP yaitu :
1. Netting
Netting adalah proses perhitungan kebutuhan bersih (net requirement).
Kebutuhan bersih adalah selisih antara kebutuhan kotor (gross requirement)
ramalan permintaan produk pada DC tersebut.
2. Lot Size
Lot sizing adalah proses untuk menentukan besarnya pesanan pada setiap item
berdasarkan kebutuhan bersih yang dihasilkan dari proses netting. Ada
beberapa prosedur untuk menentukan ukuran lot.
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 dan struktur distribusinya.
3.9.
13
Manajemen Distribusi Inventory 14
Rosnani, Ginting, 2007, Sistem Produksi, Yogyakarta:Graha Ilmu, h. 182-184
Universitas Sumatera Utara
Kunci yang paling tepat untuk menetapkan prinsip DRP adalah
kemampuan untuk mengubah. Seperti yang telah dijelaskan, bahwa secara umum
perkembangan industri sering berganti. Perubahan yang paling besar terjadi
apabila jumlah permintaan berbeda dengan jumlah peramalan. Hal tersebut bukan
merupakan
suatu
masalah
pada DRP
dikarenakan
sistem
DRP
tidak
merencanakan setiap item pada setiap Distribution Center (DC), namun DRP juga
merencanakan kembali secara kontinu. Pada sistem DRP, setiap item yang berada
pada DC direncanakan setidaknya sekali dalam seminggu.
14
Fogarty, Donald. 1991. Production & Inventory Management, Ohio: South-Wester Publishing
Co.
Universitas Sumatera Utara
BAB IV
METODOLOGI PENELITIAN
4.1.Tempat dan Waktu Penelitian
Penelitian ini dilakukan di PT. Es Siantar yang berlokasi di Jalan Pematang, Kota
Pematang Siantar, Provinsi Sumatera Utara. Waktu penelitian dilakukan pada bulan
Maret 2017.
4.2. Jenis Penelitian 15
Jenis Penelitian adalah penelitian deskriptif yaitu penelitian yang bertujuan
menyelidiki secara terperinci aktivitas dan pekerjaan seseorang atau sekelompok orang
agar mendapat rekomendasi untuk berbagai keperluan.
4.3. Objek Penelitian
Objek penelitian yang diteliti adalah aktivitas distribusi produk minuman
sarsaparilla pada Central Supply Facility (CSF) yaitu DC Medan, DC Tanjung Balai dan DC
Padang Sidempuan..
4.4.
Variabel Penelitian
Variabel-variabel yang terdapat dalam penelitian ini adalah:
15
Sukaria Sinulingga, Metode Penelitian, USU Press, Medan, 2015, hlm. 31.
Universitas Sumatera Utara
1. Variabel independen, yang merupakan variabel yang mempengaruhi dan
menjadi sebab perubahan atau timbulnya variabel dependen. Berikut ini adalah
variabel independen, yaitu :
a.
Informasi permintaan, yaitu jumlah produk yang telah diramalkan dengan
metode peramalan time series
b. Informasi jumlah persediaan, yang merupakan jumlah stok yang tersedia
pada periode sebelumnya yang mampu mempengaruhi jumlah produksi
perusahaan untuk periode berikutnya.
c.
Lead time pengiriman merupakan waktu yang dibutuhkan untuk
mendistribusikan produk dari Central Supply Facility ke setiap
Distribution Centre.
d.
Informasi biaya, yang didefinisikan sebagai biaya yang dikeluarkan pada
kegiatan distribusi seperti biaya pemesanan, biaya pengiriman dan ongkos
simpan.
2. Variabel dependen, yaitu variabel yang dipengaruhi atau menjadi variabel
akibat dari variabel independen, yaitu perencanaan kebutuhan distribusi.
4.5.
Kerangka Konseptual Penelitian
Kerangka konseptual dapat mempermudah peneliti dalam pengambilan
data dan pengolahan data. Kerangka konseptual menunjukkan hubungan logis
antara variabel-variabel yang telah diidentifikasi yang penting dan menjadi
fondasi dalam melaksanakan penelitian. Perencanaan kebutuhan distribusi
Universitas Sumatera Utara
menggunakan metode Distribution Resources Planning (DRP) dipengaruhi oleh
permintaan, jumlah persediaan, lead time dan order biaya distribusi.
Berdasarkan uraian di atas, maka kerangka konseptual penelitian ini dapat
digambarkan seperti yang dapat dilihat pada Gambar 4.1.
Informasi Jumlah Persediaan
Lead Time
Perencanaan Kebutuhan Distribusi
Informasi Biaya
Informasi Permintaan DC
Gambar 4.1. Kerangka Konseptual Penelitian
Universitas Sumatera Utara
4.6. Rancangan Penelitian
Langkah-langkah proses penelitian dapat dilihat pada Gambar 4.2.
Mulai
Studi Pendahuluan
1. Kondisi dan Masalah pada Pabrik
2. Mekanisme distribusi
3. Informasi pendukung
Studi Literatur
1. Teori Buku
2. Jurnal Internet
Identifikasi Masalah Awal
Ketidaksesuaian antara jumlah produk yang
dipasok dengan jumlah permintaan produk pada
distribution centre.
Studi Literatur
Mengumpulkan literatur yang berhubungan
dengan pemecahan masalah
Pengumpulan Data
1. Jumlah permintaan produk
2. Jumlah project on hand
3. Lead time
4. Persediaan awal
5. Biaya (biaya pesan, biaya simpan)
6. Data Biaya
Pengolahan Data
1. Peramalan jumlah permintaan
2. Perhitungan jumlah order quantitiy
3. Perhitungan jumlah safety stock
4. Penentuan reorder point
5. Pembuatan DRP Worksheet
Analisis Pemecahan Masalah
-Analisis hasil peramalan permintaan
-Analisis order quantity, safety stock, reorder point
-Analisis DRP Worksheet
Kesimpulan dan Saran
- Kesimpulan
- Saran
Selesai
Gambar 4.2. Langkah-langkah Proses Penelitian
Universitas Sumatera Utara
4.7.
Pengumpulan Data
Penelitian yang dilakukan di PT. Pabrik Es Siantar membutuhkan
beberapa data tertentu. Data yang diperlukan dalam penelitian adalah sebagai
berikut :
1. Jumlah permintaan produk
2. Jumlah Project on hand
3. Lead time
4. Persediaan awal
5. Biaya (biaya pesan, biaya simpan,biaya bongkar muat dan biaya distribusi)
4.8.
Pengolahan Data
Pengolahan data dilakukan setelah keseluruhan data yang dibutuhkan baik
data primer maupun data sekunder terkumpul. Langkah-langkah pengolahan data
adalah sebagai berikut :
1. Melakukan peramalan terhadap jumlah permintaan untuk periode berikutnya
berdasarkan data historis permintaan Maret 2016 – Februari 2017. Hasil
peramalan ini digunakan untuk menentukan jumlah produksi dari lantai
produksi pada 12 periode ke depan.
2. Selanjutnya dilakukan penentuan order quantity untuk menentukan titik
pemesanan optimum.
3. Melakukan perhitungan safety stock untuk setiap Distribution Centre.
Universitas Sumatera Utara
4. Menghitung titik pemesanan kembali atau reorder point.
5. Perencanaan
kebutuhan
distribusi
menggunakan
metode
Distribution
Resources Planning yang ditampilkan pada Distribution Resources Planning
Worksheet.
Flow chart pengolahan data dapat dilihat pada Gambar 4.3
MULAI
Peramalan
Peramalan dilakukan untuk menentukan jumlah
permintaan untuk periode ke depan
Perhitungan Persediaan
Untuk mengetahui berapa kapasistas persediaan
Perhitungan Safety Stock
Untuk menentukan berapa safety stock yang
diperlukan
Perhitungan Order Quantity
Perhitungan jumlah produk yang harus dikirim
dalam sekali pemesanan
Pembuatan Worksheet DRP
SELESAI
Gambar 4.3.Flow Chart Pengolahan data
Universitas Sumatera Utara
4.9. Analisis Pemecahan Masalah
Analisis dilakukan terhadap hasil pengolahan data menggunakan metode
DRP.
4.10.
Kesimpulan dan Saran
Penarikan kesimpulan yang berisi hal-hal penting dalam penelitian
tersebut dan pemberian saran kepada perusahaan mengenai hal-hal yang berkaitan
dengan penelitian.
Universitas Sumatera Utara
BAB V
PENGUMPULAN DAN PENGOLAHAN DATA
5.1.
Pengumpulan Data
Data-data yang diperlukan untuk pengolahan data yaitu lead time
pemesanan produk, data persediaan awal, biaya pemesanan produk, biaya simpan
dan data jumlah permintaan produk.
5.1.1.
Lead Time Distribusi
Lead time distribusi mereupakan waktu yang dibutuhkan dalam
pelepasan order sampai order diterima di stock room pada distribution center.
Komponen-komponen yang termasuk dalam lead time pemesanan adalah:
1.
Waktu pelepasan order
2.
Waktu pemuatan barang (Loading)
3.
Proses transportasi
4.
Waktu bongkar (Unloading)
Lead time pada setiap distribution center dapat dilihat pada Tabel 5.1.
Tabel 5.1. Data Lead Time Distribusi
Distribution Center
Medan
Tj. Balai
Padang Sidempuan
Lead Time (hari)
1
1
2
Sumber: PT .Pabrik Es siantar
Universitas Sumatera Utara
5.1.2.
Status Persediaan Awal
Status persediaan awal merupakan persediaan awal yang tersedia pada
setiap distribution center pada awal perencanaan. Status persediaan pada masingmasing distribution center dapat dilihat pada Tabel 5.2.
Tabel 5.2. Data Status Persediaan Awal
No
Distribution Center
1
2
3
Medan
Tj. Balai
Padang Sidempuan
Jumlah Persediaan
(Krat)
2080
300
270
Sumber : PT. Pabrik Es siantar
5.1.3. Biaya Pemesanan Produk
Biaya pemesanan merupakan biaya yang dikeluarkan perusahaan untuk
menunjang kegiatan pengiriman produk yang berupa biaya faktur, biaya telepon
dan biaya bongkar muat meliputi biaya bensin dan supir . Biaya pemesanan pada
masing-masing distribution center dapat dilihat pada Tabel 5.3.
Tabel 5.3. Data Biaya Pemesanan produk
Distribution
Center
Medan
Tj. Balai
Padang
Sidempuan
Biaya Faktur
(Rp/Order)
Rp 5.000
Rp 5.000
Rp 5.000
Biaya Telepon
(Rp/Order)
Rp 10.000
Rp 10.000
Rp 10.000
Biaya Bongkar
Muat
(Rp/Kirim)
Rp 600.000
Rp 750.000
Rp 850.000
Total Biaya
(Rp)
Rp 615.000
Rp 765.000
Rp 865.000
Sumber : PT. Pabrik Es Siantar
Universitas Sumatera Utara
5.1.4. Biaya Simpan Produk
Biaya simpan adalah semua pengeluaran yang timbul akibat penyimpanan
barang yang meliputi biaya memiliki inventori, biaya gudang, dan biaya
kerusakan dan penyusutan. Besarnya biaya simpan pada distribution center
ditetapkan sebesar 5% dari harga produk yaitu sebesar Rp. 4.900 per krat selama 1
tahun dimana harga produk per krat adalah Rp. 98.000.
5.1.5.
Data Jumlah Permintaan Produk
Data jumlah permintaan produk minuman Sarsaparilla ke setiap
distribution center pada periode Maret 2016 – Februari 2017 dapat dilihat pada
Tabel 5.4.
Tabel 5.4. Data Jumlah Permintaan Produk Minuman Sarsaparilla Periode
Maret 2016 – Februari 2017
Periode
Medan
Tj.Balai
Mar-16
Apr-16
Mei-16
Jun-16
Jul-16
Agust-16
Sep-16
Okt-16
Nov-16
Des-16
Jan-17
Feb-17
Total
30700
27450
25200
28500
26800
32000
30240
30410
29800
31460
30120
29940
346020
2200
2100
1400
1850
1900
2100
2050
1920
2000
2210
2020
1970
41720
Padang
Sidempuan
1200
1150
1000
1200
1000
1100
1000
1150
1200
1340
960
1030
13330
Sumber : PT. Pabrik Es Siantar
Universitas Sumatera Utara
5.2.
Pengolahan Data
Pengolahan data yang dilakukan antara lain, Peramalan permintaan pada
masing-masing distribution center, perhitungan order quantity, safety stock dan
reorder point dan penjadwalan distribusi.
5.2.1.
Peramalan Permintaan pada Distribution Center
Peramalan permintaan dapat dilakukan dengan melihat trend permintaan
pada masing-masing Distribution Center.
5.2.1.1. Peramalan Permintaan pada Distribution Center Medan
Untuk meramalkan permintaan produk minuman Sarsaparilla pada setiap
DC dilakukan 7 langkah peramalan. Berikut adalah proses perhitungan peramalan
pada DC Medan. Langkah-langkah peramalan yang dilakukan adalah:
1.
Menetapkan tujuan peramalan
Tujuan peramalan adalah untuk meramalkan data jumlah permintaan produk
minuman Sarsaparilla untuk DC Medan pada 12 bulan yang akan datang.
2.
Membuat scatter diagram
Scatter diagram jumlah permintaan DC Medan dapat dilihat pada Gambar
5.1.
Universitas Sumatera Utara
Jumlah permintaan produk (krat)
Data Permintaan DC Medan
35000
30000
25000
20000
15000
Data Permintaan DC
Medan
10000
5000
0
Periode
Gambar 5.1. Scatter Diagram Jumlah Permintaan Minuman Sarsaparilla
pada DC Medan
3.
Memilih metode yang mendekati pola yang dianggap sesuai
Metode peramalan yang digunakan adalah sebagai berikut :
a. Metode Kuadratis
b. Metode Siklis
4.
Menghitung parameter-parameter fungsi peramalan
Untuk memudahkan perhitungan, maka dimisalkan X sebagai variabel tahun
dan Y adalah variabel jumlah permintaan DC Medan.
a.
Metode Kuadratis
Fungsi peramalan : Y’ = a + bx + cx2
Perhitungan parameter peramalan jumlah permintaan pada DC Medan
dengan Metode Kuadratis dapat dilihat pada Tabel 5.5.
Universitas Sumatera Utara
Tabel 5.5. Perhitungan Parameter Peramalan Jumlah Permintaan pada DC
Medan dengan Metode Kuadratis
X
Y
1 30700
2 27450
3 25200
4 28500
5 26800
6 32000
7 30240
8 30410
9 29800
10 31460
11 30120
12 29940
78 352620
x2
x3
1
4
9
16
25
36
49
64
81
100
121
144
650
1
8
27
64
125
216
343
512
729
1000
1331
1728
6084
x4
x.Y
x2.Y
1
30700
30700
16
54900
109800
81
75600
226800
256 114000
456000
625 134000
670000
1296 192000 1152000
2401 211680 1481760
4096 243280 1946240
6561 268200 2413800
10000 314600 3146000
14641 331320 3644520
20736 359280 4311360
60710 2329560 19588980
Sumber : Pengolahan Data
α = ∑ X ∑ X 2 − n∑ X 3
= (78)(650)-(12)(6084)
= -22308
β = (∑ X ) − n∑ X 2
2
= (78)2 – (12)(650)
= -1716
γ = (∑ X 2 ) − n∑ X 4
2
= (650)2 – (12)(60710)
= -306020
δ = ∑ X ∑ Y − n∑ XY
= (78)( 352620) – (12)( 2329560)
Universitas Sumatera Utara
= -450360
θ = ∑ X 2 ∑ Y − n∑ X 2Y
= (650)( 352620) – (12)( 19588980)
= -5864760
γ .δ − θ .α
b=
γ .β − α 2
=
(−306020 )(−450360 )− (−5864760 )(−22308 )
(−306020 )(−1716 )− (−22308 )2
= 254.67
c=
θ − bα
γ
=
(1418 )− (254.67)(−22308 )
(−306020 )
= -0,63
a=
∑ y − b∑ X − c ∑ X
=
2
n
(352620 )− (254.67)(78)−(−0.63)(650)
12
= 27698.12
Fungsi Peramalannya adalah :
Y’ = 23698.12 + 254.27x – 0.63x2
b.
Metode Siklis
2πX
2πX
Fungsi peramalan : Y’ = a + b sin
+ c cos
n
n
Perhitungan parameter peramalan jumlah permintaan pada DC Medan
dengan Metode Siklis dapat dilihat pada Tabel 5.6.
Universitas Sumatera Utara
Tabel 5.6. Perhitungan Parameter Peramalan Jumlah Permintaan pada
DC Medan dengan Metode Siklis
X
Y
Sin
(2πx/n)
Cos
(2πx/n)
Y.sin
(2πx/n)
Y.cos
(2πx/n)
sin2
(2πx/n)
cos2
(2πx/n)
sin(2πx/n)
cos(2πx/n)
1
30700.00
0.50
0.87
15350.00
26586.98
0.25
0.75
0.43
2
27450.00
0.87
0.50
23772.40
13725.00
0.75
0.25
0.43
3
25200.00
1.00
0.00
25200.00
0.00
1.00
0.00
0.00
4
28500.00
0.87
-0.50
24681.72
-14250.00
0.75
0.25
-0.43
5
26800.00
0.50
-0.87
13400.00
-23209.48
0.25
0.75
-0.43
6
32000.00
0.00
-1.00
0.00
-32000.00
0.00
1.00
0.00
7
30240.00
-0.50
-0.87
-15120.00
-26188.61
0.25
0.75
0.43
8
30410.00
-0.87
-0.50
-26335.83
-15205.00
0.75
0.25
0.43
9
29800.00
-1.00
0.00
-29800.00
0.00
1.00
0.00
0.00
10
31460.00
-0.87
0.50
-27245.16
15730.00
0.75
0.25
-0.43
11
30120.00
-0.50
0.87
-15060.00
26084.69
0.25
0.75
-0.43
12
29940.00
0.00
1.00
0.00
29940.00
0.00
1.00
0.00
78
352620.00
0.00
0.00
-11156.87
1213.58
6.00
6.00
0.00
Sumber : Pengolahan Data
∑Y = na + b ∑ sin 2πnX + c ∑ cos 2πnX
352620
a
= 12(a) +b (0) +c (0)
= 29385
∑ Y sin
2πX
n
-11156.87
b
2πX
2πX
cos
+ c ∑ sin
n
n
= -1859.48
∑ Y cos
-15,66
c
2 2πX
2πX
+ b∑ sin
= a ∑ sin
n
n
= a(0) + b(6,00) + c(0)
2πX
2πX
2πX
2πX
2 2πX
cos
+ c ∑ cos
+ b∑ sin
= a ∑ cos
n
n
n
n
n
= a(0) + b(0) + c(6,00)
= -202.26
Universitas Sumatera Utara
Fungsi Peramalannya adalah :
2πX
2πX
Y’ = 29385 – 1859.48 sin
- 202.26 cos
n
n
5.
Menghitung setiap kesalahan setiap metode
Perhitungan kesalahan menggunakan metode SEE (Standard Error of
Estimation) dengan menggunakan rumus sebagai berikut :
∑ (Y − Y ')
2
SEE =
n− f
Dimana :
Y
= Data aktual
Y’ = Data peramalan
n
= Banyak data
f
= Derajat kebebasan
a. Metode Kuadratis
Fungsi peramalannya adalah Y’ = 23698.12 + 254.27x – 0.63x2
Contoh perhitungan Y’ untuk x =1 adalah
Y’ = 23698.12 + 254.27(1) – 0.63(1)2
= 27953.02
Adapun perhitungan SEE untuk metode kuadratis dapat dilihat pada Tabel
5.7.
Tabel 5.7. Perhitungan SEE pada Peramalan Jumlah Permintaan pada
DC Medan dengan Metode Kuadratis
Universitas Sumatera Utara
X
1
2
3
4
5
6
7
8
9
10
11
12
78
Y
30700
27450
25200
28500
26800
32000
30240
30410
29800
31460
30120
29940
352620
Y'
27953.02
28209.18
28466.6
28725.28
28985.22
29246.42
29508.88
29772.6
30037.58
30303.82
30571.32
30840.08
352620
Y-Y'
2746.98
-759.18
-3266.6
-225.28
-2185.22
2753.58
731.12
637.4
-237.58
1156.18
-451.32
-900.08
0
(Y-Y')²
7545899.12
576354.27
10670675.56
50751.08
4775186.45
7582202.82
534536.45
406278.76
56444.26
1336752.19
203689.74
810144.01
34548914.71
Sumber : Pengolahan Data
∑ (Y − Y ')
2
SEE =
SEE = �
n− f
, dimana untuk kuadratis f = 3
34548914.71
12−3
SEE = 1959.28
b. Metode Siklis
Fungsi peramalannya adalah
2πX
2πX
Y’ = 29385 – 1859.48 sin
- 202.26 cos
n
n
Contoh perhitungan Y’ untuk x =1 adalah
Universitas Sumatera Utara
2πX
2πX
Y’ = 29385 – 1859.48 sin
- 202.26 cos
n
n
2(180)(1)
2(180)(1)
= 29385 – 1859.48 sin
- 202.26 cos
12
12
= 28630.42
Adapun perhitungan SEE untuk metode kuadratis dapat dilihat pada Tabel
5.8.
Tabel 5.8. Perhitungan SEE pada Peramalan Jumlah Permintaan pada DC
Medan dengan Metode Siklis
X
1
2
3
4
5
6
7
8
9
10
11
12
78
Y
30700
27450
25200
28500
26800
32000
30240
30410
29800
31460
30120
29940
352620
Y'
28630.42
27875.77
27525.52
27673.51
28280.1
29182.74
30139.58
30894.23
31244.48
31096.49
30489.9
29587.26
352620
Y-Y'
2069.58
-425.77
-2325.52
826.49
-1480.1
2817.26
100.42
-484.23
-1444.48
363.51
-369.9
352.74
0
(Y-Y')²
4283161.38
181280.09
5408043.27
683085.72
2190696.01
7936953.91
10084.18
234478.69
2086522.47
132139.52
136826.01
124425.51
23407696.75
Sumber : Pengolahan Data
∑ (Y − Y ')
2
SEE =
SEE = �
n− f
, dimana untuk siklis f = 3
23407696.75
12−3
SEE = 1612.72
6.
Menghitung pola peramalan yang terbaik dengan perhitungan distribusi f
Universitas Sumatera Utara
H0 = SEE Siklis ≤ SEE Kuadratis
H1 = SEE Siklis > SEE Kuadratis
α
= 0,05
Uji Statistik
F0,5;9;9
=�
��� ������
��� ���������
= 3,18
2
1959.28 2
� = �1612.72� = 1.2148
Oleh karena Fhitung (1.2148) ≤ F tabel (3,18), maka H0 diterima. Jadi hasil
pengujian menyatakan bahwa metode siklis lebih baik daripada metode
kuadratis. Adapun fungsi siklis adalah :
2πX
2πX
Y’ = 29385 – 1859.48 sin
- 202.26 cos
n
n
7.
Verifikasi peramalan
Tujuan verifikasi dilakukan adalah untuk mengetahui fungsi yang telah
ditentukan dapat mewakili data yang akan diramalkan.
MRt = |(Y-Y’)t-1 – (Y-Y’)t|
Untuk x = 1, nilai MR = Untuk x = 2, nilai MR = -425.77 – 2069.58
= 2395.35
Perhitungan hasil verifikasi peramalan jumlah permintaan pada DC Medan
dapat dilihat pada Tabel 5.9.
Universitas Sumatera Utara
Tabel 5.9. Perhitungan Hasil Verifikasi Peramalan Jumlah Permintaan
pada DC Medan
X
1
2
3
4
5
6
7
8
Y
30700
27450
25200
28500
26800
32000
30240
30410
Y'
28630.42
27875.77
27525.52
27673.51
28280.1
29182.74
30139.58
30894.23
Y-Y'
2069.58
-425.77
-2325.52
826.49
-1480.1
2817.26
100.42
-484.23
MR
2495.35
1899.75
3152.01
2306.59
4297.36
2716.84
584.65
9
10
11
12
78
29800
31460
30120
29940
352620
31244.48
31096.49
30489.9
29587.26
352620
-1444.48
363.51
-369.9
352.74
0
960.25
1807.99
733.41
722.64
21676.84
Sumber : Pengolahan Data
MR =
BKA
∑ MR = 21676.84 = 1970.62
n −1
12 − 1
= 2,66 x MR = 2,66 x 1970.62 = 5241.85
1/3 BKA = 1/3 x 5241.85 = 1747.28
2/3 BKA = 2/3 x 5241.85 = 3494.57
BKB
= -2,66 x MR = -2,66 x 1970.62 = -5241.85
1/3 BKB = 1/3 x -5241.85 = -1747.28
2/3 BKB = 2/3 x -5241.85 = -3494.57
Gambar moving range peramalan jumlah permintaan DC Medan dapat dilihat
pada Gambar 5.2.
Universitas Sumatera Utara
Moving Range Peramalan
6000
jumlah Permintaan
4000
Y-Y'
BKA
2000
1/3 BKA
2/3 BKA
0
1
2
3
4
5
6
7
8
9
10 11 12
-2000
BKB
1/3 BKB
2/3 BKB
-4000
-6000
Gambar 5.2. Moving Range Chart Permintaan pada DC Medan
Gambar Moving Range Chart menunjukkan bahwa titik hasil peramalan
telah berada dalam batas sehingga peramalan dengan metode siklis cukup
memenuhi persyaratan dengan fungsi peramalan :
2πX
2πX
Y’ = 29385 – 1859.48 sin
- 202.26 cos
n
n
Dilakukan perhitungan dengan cara yang sama untuk setiap DC.
Rekapitulasi fungsi peramalan permintaan setiap DC dapat dilihat pada pada
Tabel 5.10 :
Universitas Sumatera Utara
Tabel 5.10. Rekapitulasi Fungsi Peramalan Permintaan setiap DC
Metode
yang
Digunakan
DC
Kuadratis
Fungsi Peramalan
SEE
Y’ = 23698.12 + 254.27x –
Metode
Terpilih
1958.75
0.63x2
Y’ = 29385 – 1859.48 sin
Medan
Siklis
2πX
n
-
202.26
cos
Siklis
1612.72
2πX
n
Kuadratis
Tj.Balai
3.62x2
227.34
Siklis
Y’ = 1976.67- 122.78 sin
Siklis
Kuadratis
Padang
Sidempuan
Y’ = 2013.87 – 35.89 x +
2��
�
+ 62.07 cos
2��
�
Y’ = 1138.52 –6.51x +
0,27x2
207.02
126.64
Siklis
Y’ = 1110.83 -33.41 sin
Siklis
Sumber : Pengolahan Data
2��
�
+23.05 cos
2��
122.82
�
Perhitungan hasil peramalan permintaan pada masing-masing DC periode
September 2016 (periode ke 13) :
a. DC Medan
Y’ = 29385 – 1859.48 sin
2(180)(13)
12
– 202.26 cos
2(180)(13)
12
= 28631 Krat
Universitas Sumatera Utara
DC Tanjung Balai
b. Y’ = 1976.67 – 122.78 sin
2(180)(13)
12
- 62.07 cos
2(180)(13)
12
= 1970 Krat
c. DC Padang Sidempuan
Y’ = 1110.83 - 33.41 sin
2(180)(13)
12
+ 23.05cos
2(180)(13)
12
= 1115 Krat
Hasil peramalan data permintaan selama 12 bulan ke depan pada setiap
DC dapat dilihat pada Tabel 5.11.
Tabel 5.11. Rekapitulasi Hasil Peramalan Permintaan Pada Setiap DC
Periode
Medan
(Krat)
Tj.Balai
(Krat)
Padang
Sidempuan
(Krat)
Mar-16
28631
1970
1115
Apr-16
27876
1902
1094
Mei-16
27526
1854
1078
Jun-16
27674
1840
1071
Jul-16
28281
1862
1075
Agust-16
29183
1915
1088
Sep-16
30140
1985
1108
Okt-16
30895
2052
1129
Nov-16
31245
2100
1145
Des-16
31097
2115
1152
Jan-17
30490
2092
1148
Universitas Sumatera Utara
Tabel 5.11. Rekapitulasi Hasil Peramalan Permintaan pada Setiap DC
(Lanjutan)
Periode
Medan
(Krat)
Tj.Balai
(Krat)
Padang
Sidempuan
(Krat)
Feb-17
29588
2039
1134
Total
352626
23726
13337
Sumber : Pengolahan Data
Permintaan rata-rata setiap bulan untuk DC Medan adalah :
x
∑
=
i
n
=
28631 + 27876 + ... + 29588
12
= 29386 Krat
Permintaan rata-rata setiap hari untuk DC Medan adalah:
x
∑
=
i
n
=
352626
271
= 1302 Krat
Standar deviasi permintaan DC Medan yaitu :
∑ (x − x )
2
σ=
n −1
Universitas Sumatera Utara
(28631 − 29386) 2 + (27876 − 29386) 2 + ... + (29588 − 29386) 2
=
12 − 1
= 1381.42
Rekapitulasi rata-rata permintaan dan standar deviasi untuk setiap DC dapat
dilihat pada Tabel 5.12.
Tabel 5.12. Rekapitulasi Rata-rata Permintaan dan Standar Deviasi setiap
Distribution Center
DC
Medan
Tj.Balai
Padang
Sidempuan
Rata-rata
permintaan setiap
bulan (unit)
29386
1978
1112
Rata-rata
permintaan
setiap hari (unit)
1302
88
50
Standar
Deviasi (σ)
1381.42
101.61
29.98
Sumber : Pengolahan Data
5.2.2. Perhitungan Order Quantity, Safety Stock dan Reorder Point
Data yang dibutuhkan dalam perhitungan persediaan untuk DC Medan
adalah sebagai berikut:
1.
Permintaan dalam setahun (D)
= 352626 Krat
2.
Standar deviasi permintaan (S)
= 1381.42
3.
Leadtime (L)
= 1 hari
4.
Biaya pesan (A)
= Rp 615.000/kirim
5.
Harga produk (p)
= Rp 98.000 per Krat
6.
Biaya simpan (h)
= Rp 4900 per Krat
7.
Rata-rata permintaan harian
= 1302 Krat
Universitas Sumatera Utara
Perhitungan inventori optimal, tingkat pelayanan, dan biaya total dimulai
dengan menghitung ukuran pemesanan optimal (q), safety stock (ss) dan reorder
point (r), yaitu:
1.
Hitung ukuran pemesanan ekonomis (q):
q
2AD
=�
h
2 x 615000 x 352626
=�
4900
≈ 9409 Krat
2.
Hitung safety stock (ss):
ss = s x z
= 1381.42 x 1,65
≈ 2280 Krat
3.
Hitung reorder point (r)
r = (jumlah permintaan harian x lead time) + safety stock
= (1302 x 1) + 2280
= 3582 unit
Hal ini berarti order quantity pada DC Medan dalam sekali pemesanan sebanyak
9409 Krat, safety stock sebanyak 2280 Krat dan reorder point yaitu 3582 unit.
Rekapitulasi order quantity, reorder point dan safety stock untuk setiap DC dapat
dilihat pada Tabel 5.13.
Universitas Sumatera Utara
Tabel 5.13. Rekapitulasi Jumlah Order Quantity, Reorder Point dan Safety
Stock untuk setiap DC
DC
Medan
Tj.Balai
Padang
Sidempuan
Order Quantity
(Krat)
9409
2722
2170
Safety Stock
(Krat)
2280
168
50
Reorder Point
(Krat)
3582
432
100
Sumber : Pengolahan Data
5.2.3.
Jumlah Permintaan setiap Minggu Distribution Center
Jumlah permintaan setiap minggu dari setiap distribution center
diperoleh dengan pembagian antara jumlah permintaan setiap distribution center
setiap bulan dengan jumlah minggu yang ada pada setiap bulan tersebut. Jumlah
permintaan setiap distribution center dapat dilihat pada tabel 5.14.
Tabel 5.14. Jumlah Permintaan Distribution Center setiap Minggu
Bulan
Jumlah
Minggu
Medan
(Krat)
Tj.Balai
(Krat)
Mar-16
Apr-16
Mei-16
Jun-16
4
5
4
4
Jul-16
Agust-16
Sep-16
Okt-16
Nov-16
Des-16
Jan-17
Feb-17
Total
5
4
4
5
4
5
4
4
52
7158
5576
6882
6919
5657
7296
7535
6179
7812
6220
7623
7397
82254
493
381
464
460
373
479
497
411
525
529
419
510
5541
Padang
Sidempuan
(Krat)
279
219
270
268
215
272
277
226
287
288
230
284
3115
Sumber : Pengolahan Data
Universitas Sumatera Utara
5.2.4.
Distribution Resources Planning Worksheet
Perencanaan DRP disusun untuk setiap DC dalam time bucket mingguan
sebab lead time masing-masing DC tidak melewati 1 bulan atau hanya dalam
mingguan.
Dalam distribution resources planning worsheet terdapat beberapa istilah
yang perlu diketahui yaitu :
1.
Reorder point adalah titik pemesanan kembali.
2.
On hand balance adalah jumlah persediaan awal produk yang ada pada
distribution center.
3.
Safety Stock adalah persediaan untuk melindungi atau menjaga kemungkinan
terjadinya kekurangan produk.
4.
Lead time adalah waktu yang diperlukan dalam pelepasan order sampai order
diterima di stock room pada distribution center.
5.
Order quantity adalah jumlah produk yang dikirimkan ke untuk setiap kali
pemesanan
6.
Demands forecast adalah peramalan jumlah permintaan dari masing-masing
distribution center
7.
In transit adalah jumlah produk yang sedang dalam proses pendistribusian
8.
Projected on hand adalah persediaan yang ada dan siap digunakan.
9.
Planned shipments – Receipt Date adalah jadwal perencanaan penerimaan
produk yang dikirim.
10. Planned shipments – Ship Date adalah jadwal perencanaan pengiriman
produk
Universitas Sumatera Utara
Langkah-langkah pengisian Distribution Resources Planning Sheet untuk
Dsitribution Center Medan adalah :
1.
Reorder point = 3582 Krat (diperoleh dari tabel 5.13)
2.
On hand balance = 2080 Krat (diperoleh dari tabel 5.2)
3.
Lead time = 1 hari (diperoleh dari tabel 5.1)
4.
Order quantity = 9784 Krat (diperoleh dari tabel 5.13)
5.
Safety stock = 2280 Krat (diperoleh dari tabel 5.13)
6.
Projected on Hand (Past Due) = 2080 Krat (diperoleh dari On hand Balance)
7.
Demands forecast (1st Week) = 7158 Krat (diperoleh dari tabel 5.14)
8.
In transit (1st Week) = 0 unit
9.
Planned shipments – Ship Date = 9784 Krat (diperoleh dari Order Quantity)
10. Planned shipments – Receipt Date = 9784 Krat (diperoleh dari Order
Quantity)
11. Projected on hand (1st Week) = Projected on Hand (Past Due) + Order
quantity - Demands forecast (1st Week) = 2080 + 9784 – 7158 = 4706 Krat
12. Demands forecast (2nd Week) = 7158 Krat (diperoleh dari tabel 5.14)
13. Projected on hand (2nd Week) = Projected on hand (1st Week) - Demands
forecast (2nd Week) = 4706 – 7158 = -2452
14. Dilakukan hal yang sama dengan proses yang sama untuk 52 minggu ke
depan sehingga Distribution Resources Planning Worksheet terisi secara
keseluruhan.
Distribution Resources Planning Worksheet untuk DC Medan dapat dilihat
pada Tabel 5.15.
Universitas Sumatera Utara
Tabel 5.15. Distribution Resources Planning Worksheet untuk Distribution Center Medan
Distribution Resources Planning Worksheet Medan
On Hand Balance : 3582 Krat
Lead Time : 1 days = 0 week
Safety Stock : 2280 Krat
Order Quantity : 9784 Krat
Distribution Center : Medan
Reorder point : 3582 Krat
Past Due
Demand Forecast
Week
1
2
3
4
5
6
7
8
9
10
11
12
13
7158
7 158
7 158
7 158
5 576
5 576
5 576
5 576
5 576
6 882
6 882
6 882
6 882
4 706
-2 452
-9 610
-16 768
-22 344
-27 920
-23 712
-29 288
-34 864
-41 746
-48 628
-55 510
-52 608
In Transit
Projected on Hand
2 080
9 784
9 784
9 784
9 784
9 784
Past Due
Week
Planned Shipment-Receipt Date
Planed Shipments - Ship Date
Demand Forecast
14
15
16
17
18
19
20
21
22
23
24
25
26
6 919
6 919
6 919
6 919
5 657
5 657
5 657
5 657
5 657
7 296
7 296
7 296
7 296
-59 527
-66 446
-73 365
-80 284
-85 941
-81 814
-87 471
-93 128
-98 785
-106 081
-113 377
-110 889
-118 185
In Transit
Projected on Hand
-52 608
Planned Shipment-Receipt Date
9 784
9 784
Planed Shipments - Ship Date
9 784
9 784
Past Due
Demand Forecast
Week
27
28
29
30
31
32
33
34
35
36
37
38
39
7 535
7 535
7 535
7 535
6 179
6 179
6 179
6 179
6 179
7 812
7 812
7 812
7 812
-125 720
-133 255
-140 790
-138 541
-144 720
-150 899
-157 078
-163 257
-169 436
-167 464
-175 276
-183 088
-190 900
In Transit
Projected on Hand
-118 185
Planned Shipment-Receipt Date
9 784
9 784
Planed Shipments - Ship Date
9 784
9 784
Past Due
Demand Forecast
Week
40
41
42
43
44
45
46
47
48
49
50
51
52
7 775
7 775
7 775
7 775
6 098
6 098
6 098
6 098
6 098
7 397
7 397
7 397
7 397
Universitas Sumatera Utara
In Transit
Projected on Hand
-190 900
-198 675
-206 450
-204 441
-212 216
-218 314
-224 412
-230 510
-236 608
-232 922
Planned Shipment-Receipt Date
9 784
9 784
Planed Shipments - Ship Date
9 784
9 784
-240 319
-247 716
-255 113
Universitas Sumatera Utara
-262 510
Langkah-langkah pengisian Distribution Resources Planning Sheet untuk
Dsitribution Center Tanjung Balai adalah :
1.
Reorder point = 256 Krat (diperoleh dari tabel 5.13)
2.
On hand balance = 300 krat (diperoleh dari tabel 5.2)
3.
Lead time = 1 hari (diperoleh dari tabel 5.1)
4.
Order quantity = 2441 Krat (diperoleh dari tabel 5.13)
5.
Safety stock = 168 Krat (diperoleh dari tabel 5.13)
6.
Projected on Hand (Past Due) = 300 Krat (diperoleh dari On hand Balance)
7.
Demands forecast (1st Week) = 493 Krat (diperoleh dari tabel 5.14)
8.
In transit (1st Week) = 0 unit
9.
Planned shipments – Ship Date = 2441 Krat (diperoleh dari Order Quantity)
10. Planned shipments – Receipt Date = 2441 Krat (diperoleh dari Order
Quantity)
11. Projected on hand (1st Week) = Projected on Hand (Past Due) + Order
quantity - Demands forecast (1st Week) = 300 + 2441 – 493 = 2248 Krat
12. Demands forecast (2nd Week) = 493 Krat (diperoleh dari tabel 5.14)
13. Projected on hand (2nd Week) = Projected on hand (1st Week) - Demands
forecast (2nd Week) = 2248 – 493 = 1775 Krat
14. Dilakukan hal yang sama dengan proses yang sama untuk 52 minggu ke
depan sehingga Distribution Resources Planning Worksheet terisi secara
keseluruhan.
Distribution Resources Planning Worksheet untuk DC Tj.Balai dapat dilihat
pada Tabel 5.16.
Universitas Sumatera Utara
Tabel 5.16. Distribution Resources Planning Worksheet untuk Distribution Center Tj.Balai
Distribution Resources Planning Worksheet Tj. Balai
On Hand Balance : 300 Krat
Lead Time : 1 hari = 0 week
Safety Stock : 168 Krat
Order Quantity : 2441 Krat
Distribution Center : Tj.Balai
Reorder Point : 256 Krat
Past Due
Demand Forecast
Week
1
2
3
4
5
6
7
8
9
10
11
12
13
493
493
493
493
381
381
381
381
381
464
464
464
464
2 248
1 755
1 262
769
388
2 448
2 067
1 686
1 305
841
377
-87
1 890
In Transit
Projected on Hand
3
Planned Shipment-Receipt Date
Planed Shipments - Ship Date
107
2 441
2 441
2 441
2 441
Past Due
Demand Forecast
Week
14
15
16
17
18
19
20
21
22
23
24
25
26
17
17
17
17
13
13
13
13
13
16
16
16
16
101
84
67
50
37
24
118
105
92
76
60
44
28
In Transit
Projected on Hand
118
Planned Shipment-Receipt Date
107
Planed Shipments - Ship Date
107
Past Due
Demand Forecast
Week
27
28
29
30
31
32
33
34
35
36
37
38
39
497
497
497
497
411
411
411
411
411
525
525
525
525
654