PPIC Manajemen Permintaan

download PPIC Manajemen Permintaan

of 29

Embed Size (px)

Transcript of PPIC Manajemen Permintaan

PRODUCTION PLANNING AND INVENTORY CONTROL

PRODUCTION PLANNING AND INVENTORY CONTROL

Demand management didefinisikan sebagai suatu fungsi pengelolaan dari semua permintaan produk untuk menjamin bahwa penyusunan jadwal induk (master schedule) mengetahui dan menyadari semua permintaan produk itu. Secara garis besar aktivitas-aktivitas dalam manajemen permintaan dapat dikategorikan ke dalam dua aktivitas utama, pelayanan pesanan (order service), dan peramalan (forecasting)Konsep DasarMarketing seyogyanya memisahkan sales plan dan order.Produk dependent demand tidak boleh diramalkan, tetapi harus di hitungPeramalan hanya boleh dilakukan pada produk yang tergolong independent demandKonsep Dasar

Dependent demand order quantities are computed using a system called material requirements planning (MRP)Konsep Dasar

Metode paramalan dekomposisi klasikal: data yang ada paling sedikit terbentuk dari 3 komponen (seasonality, trend, dan randomness).Pola-pola data deret waktu yang umum terjadi pada peramalanSistem PeramalanPeramalan adalah proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa.

Salah satu jenis peramalan adalah peramalan permintaan. Peramalan permintaan merupakan tingkat permintaan produk produk yang diharapkan akan terealisasi untuk jangka waktu tertentu pada masa yang akan datangPeramalan dan Horison WaktuDalam hubunganya dengan horizon waktu peramalan, kita dapat mengklasifikasikan peramalan tersebut ke dalam 3 kelompok, yaitu:

Peramalan Jangka Pajang, umumnya 2 sampai 10 tahun. Peramalan ini digunakan untuk perencanaan produk dan perencanaan sumber daya.Peramalan Jangka Menengah, umumnya 1 sampai 24 bulan. Peramalan ini lebih mengkhusus dibandingkan peramalan jangka panjang, biasanya digunakan untuk menentukan aliran kas, perencanaan produksi, dan penentuan anggaran.Peramalan Jangka Pendek, umumnya 1 sampai 5 minggu. Peramalan ini digunakan untuk mengambil keputusan dalam hal perlu tidaknya lembur, penjadwalan kerja, dan lain lain.Faktor Faktor yang Mempengaruhi PeramalanPermintaan suatu produk pada suatu perusahaan sangat dipengaruhi oleh berbagai faktor lingkungan yang saling berinteraksi dalam pasar yang berada di luar kendali perusahaan. Faktor faktor lingkungan tersebut juga akan mempengaruhi peramalan.

Beberapa faktor lingkungan yang mempengaruhi peramalan:Kondisi umum bisnis dan ekonomiReaksi dan tindakan pesaingTindakan pemerintahKecenderungan pasarSiklus hidup produkGaya dan modePerubahan permintaan konsumenInovasi teknologiBeberapa Sifat Hasil PeramalanDalam membuat peramalan atau menerapkan hasil peramalan, ada beberapa hal yang harus dipertimbangkan:

Peramalan pasti mengandung kesalahan, artinya peramal hanya bias mengurangi ketidakpastian yang akan terjadi tetapi tidak dapat menghilangkan ketidakpastian tersebut.Peramalan seharusnya memberikan informasi mengenai berapa ukuran kesalahan.Peramalan jangka pendek lebih akurat dibandingkan dengan peramalan jangka panjang.Peraturan PeramalanTidak boleh meramalkan produk produk yang tergolong ke dalam dependent demand.Produkproduk yang tergolong dalam dependent demand harus direncanakan atau dihitung. Peramalan hanya boleh dilakukan pada produkproduk yang tergolong ke dalam independent demand.

Penentuan horizon peramalan berdasarkan kondisi aktual sistem manufaktur dan tujuan dari peramalan.Semakin jauh periode di masa mendatang yang diramalkan-dengan asumsi faktorfaktor lain tetap-hasil ramalan akan semakin kurang akurat

Disamping berdasarkan waktu, peramalan juga dapat dilakukan berdasarkan lokasi geografis, kelompok produk, yang dikenal sebagai peramlan berdasarkan dimensi agregasi dan disagregasi.Peramalan pada tingkat agregasi yang lebih tinggi akan lebih akurat dibandingkan peramalan pada tingkat agregasi yang lebih rendah atau pada tingkat disagregasi.Metode bebas (freehand method)Metode setengah rata-rata (semi average method) Metode rata-rata bergerak (moving average method)Metode kwadrat terkecil (least quares method)

METODE PERAMALAN PERMINTAAN

1. Metode Bebas

Pendekatan garis lurus yang ditarik mendekati titik-titik koordinat yang sudah diketahui2. Metode setengah rata-rata (semi average method)Perhitungan nilai trend pada tahun tertentu dapat ditentukan dengan menggunakan rumus sebagai berikut: Y' = ao + bxKeteranganY : nilai trend periode tertentua : nilai trend periode dasarb : tambahan trend tahunan yang dihitung dengan cara (X2 X1)/nX2 : setengah rata-rata kelompok keduaX1 : setengah rata-rata kelompok pertaman : jumlah periode antara x2 dan x1X : jumlah unit tahun yang dihitung dari periode dasar.2. Metode setengah rata-rata (semi average method)ao = a1988 = 332.200b = (X2 X1)/n = (459.600 - 332.200)/5 = 25.480

Sekelompok data dibagi menjadi 2 (dua) bagian yang sama, jika jumlah datanya ganjil, maka data yang ditengah dapat dihilangkan2. Metode setengah rata-rata (semi average method)Nilai trend permulaan tahun 1986-1995 adalah:ao = a1988 = 319.200b = (X2 X1)/n = (459.600 - 332.200)/5 = 25.480

Y1986 = 332.200 + 25.480 (-2,5) = 268.500Y1987 = 332.200 + 25.480 (-1,5) = 293.980Y1988 = 332.200 + 25.480 (-0,5) = 319.460Y1989 = 332.200 + 25.480 ( 0,5) = 344.940Y1990 = 332.200 + 25.480 ( 1,5) = 370.420Y1991 = 332.200 + 25.480 ( 2,5) = 395.900Y1992 = 332.200 + 25.480 ( 3,5) = 421.380Y1993 = 332.200+ 25.480 (4,5) = 446.860Y1994 = 332.200 + 25.480 ( 5,5) = 472.340Y1995 = 332.200 + 25.480 ( 6,5) = 497.8202. Metode setengah rata-rata (semi average method)Misalnya: Nilai trend permulaan tahun 1986-1995 adalah:ao = a1993 = 459.600b = (X2 X1)/n = (459.600 - 332.200)/5 = 25.480

Nilai trend permulaan tahun 1986-1995 adalah:Y1986 = 459.600+ 25.480 (-7,5) = 268.500Y1987 = 459.600+ 25.480 (-6,5) = 293.980Y1988 = 459.600+ 25.480 (-5,5) = 319.460Y1989 = 459.600+ 25.480 (-4,5) = 344.940Y1990 = 459.600+ 25.480 (-3,5) = 370.420Y1991 = 459.600+ 25.480 (-2,5) = 395.900Y1992 = 459.600+ 25.480 (-1,5) = 421.380Y1993 = 459.600+ 25.480 (-0,5) = 459.600Y1994 = 459.600+ 25.480 ( 0,5) = 472.340Y1995 = 459.600+ 25.480 ( 1,5) = 497.8202. Metode setengah rata-rata (semi average method)

3. Metode Single Moving AverageMetode single moving averageCara menghitung:Jika menggunakan cara 3 bulan moving averages, maka forecast satu bulan sebesar rata-rata 3 bulan sebelumnya.Rumus:

St+1= Forecast untuk periode ke t + 1Xt = Data periode tn= Jangka waktu moving averages.

3. Metode Single Moving AverageMetode Single Moving Average ini biasanya lebih cocok digunakan untuk melakukan forecast hal-hal yang bersifat random, artinya tidak ada gejala trend naik maupun turun, musiman dan sebagainya, melainkan sulit diketahui polanya.Metode Single Moving Average mempunyai 2 sifat khusus:Untuk membuat forecast diperlukan data masa lalu selama jangka waktu tertentu.Semakin panjang moving averages, maka akan menghasilkan moving averages yang semakin halus.

Menghitung forecast errorMean absolute error =>

Mean squared error =>

Xt = Data aktual periode t, St = Peramalan periode t 3. Metode Single Moving AverageMisal:Jika forecast dengan metode 3 bulan moving averages untuk bulan April adalahPenjualanJanuari20.000 kgFebruari21.000 kgMaret19.000 kg

3. Metode Single Moving AverageBulanPermintaan Forecast3 bulan5 bulanJanuariFebruariMaretAprilMeiJuniJuliAgustusSeptemberOktoberNovemberDesember202119172224182320252224---20.00--------------------3. Metode Single Moving AverageBulanPermintaan 3 bulanForecastErrorAbsoluteerror(Error)2JanuariFebruariMaretAprilMeiJuniJuliAgustusSeptemberOktoberNovemberDesember202119172224182320252224---20.0019.0019.3321.0021.3321.6720.3322.6722.33------------------------------------3. Metode Single Moving AveragePerbandingan error antara 3 bulan dan 5 bulan moving average

3 bln moving average 5 bln moving averageMean absolut error2.672.37Mean squared error8.817.54

Berdasarkan perbandingan tersebut, moving average dengan jangka waktu lebih lama, maka forecasting akan menimbulkan penyimpangan lebih kecil.4. Trend Metode Least SquareTrend adalah rata-rata perubahan dalam jangka panjang.

Jika hal yang diteliti menunjukkan gejala pertambahan, maka trend yang dimiliki disebut sebagai trend positif.

Jika hal yang diteliti menunjukkan gejala semakin berkurang, maka trend yang dimiliki disebut sebagai trend negatif.

Salah satu metode trend yang digunakan adalah metode least squares.

Persamaan trend dengan metode least square adalah

= a + bX

4. Trend Metode Least SquareY = a + bxx = na + bxxy = x + b x2

Dimana:a & b = konstanta persamaann = Jumlah datax = periode waktuTahunXPenjualanYxyX2Y2000200120022003200420052006200720081005152025304045354. Trend Metode Least SquareTahunXPenjualanYxyX2Y20002001200220032004200520062007200801234567810051520253040453505306010015024031528001491625364964361180204x = na + bxxy = xa + bx24. Trend Metode Least Squarex = na + bxxy = xa + b x236 = 9a + 36b (4)1180 = 36a + 204b (1)36 = 9a + 36b (4) => 144 = 36a + 144b1180 = 36a + 204b (1) => 1180 = 36a + 204b -1036 = -60b b = -1036 /-60 b = 17.336 = 9a + 36b => 36 = 9a + 36 (17.3) => 36 = 9a + 622.8 => -9a = 622.8 36 => -9a = 586.8 => a = -65.2Y = -65.2 + 17.3 xTahunPenjualanXXYX^2200010000-65.2520015151-47.952002152304-30.652003203609-13.352004254100163.9520053051502521.2520064062403638.5520074573154955.8520083582806473.152151180204Y = -65,25 + 17.30Xa = -65.25b =17.30LatihanDari laporan pesanan barang selama 10 bulan perusahaan A didapatkan sebagai berikut di bawah ini.Dengan menggunakan Metode Single Moving Average, hitunglah Forecast Error-