PPIC Manajemen Permintaan

29
PRODUCTION PLANNING AND INVENTORY CONTROL

Transcript of PPIC Manajemen Permintaan

Page 1: PPIC Manajemen Permintaan

PRODUCTION PLANNING

AND INVENTORY

CONTROL

Page 2: PPIC Manajemen Permintaan

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 Dasar

Page 3: PPIC Manajemen Permintaan

Marketing seyogyanya memisahkan sales plan dan order.

Produk dependent demand tidak boleh diramalkan, tetapi harus di

hitung

Peramalan hanya boleh dilakukan pada produk yang tergolong

independent demand

Konsep Dasar

Dependent demand order quantities are computed using a system called

material requirements planning (MRP)

Page 4: PPIC Manajemen Permintaan

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 peramalan

Page 5: PPIC Manajemen Permintaan

Sistem Peramalan

Peramalan 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 datang

Page 6: PPIC Manajemen Permintaan

Peramalan dan Horison Waktu

Dalam hubunganya dengan horizon waktu peramalan, kita

dapat mengklasifikasikan peramalan tersebut ke dalam 3

kelompok, yaitu:

1. Peramalan Jangka Pajang, umumnya 2 sampai 10 tahun.

Peramalan ini digunakan untuk perencanaan produk dan

perencanaan sumber daya.

2. 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.

3. Peramalan Jangka Pendek, umumnya 1 sampai 5 minggu.

Peramalan ini digunakan untuk mengambil keputusan dalam hal

perlu tidaknya lembur, penjadwalan kerja, dan lain – lain.

Page 7: PPIC Manajemen Permintaan

Faktor – Faktor yang Mempengaruhi Peramalan

Permintaan 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:

1. Kondisi umum bisnis dan ekonomi

2. Reaksi dan tindakan pesaing

3. Tindakan pemerintah

4. Kecenderungan pasar

5. Siklus hidup produk

6. Gaya dan mode

7. Perubahan permintaan konsumen

8. Inovasi teknologi

Page 8: PPIC Manajemen Permintaan

Beberapa Sifat Hasil Peramalan

Dalam 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.

Page 9: PPIC Manajemen Permintaan

Peraturan Peramalan

Tidak boleh meramalkan produk – produk yang tergolong ke dalam

dependent demand.

Produk–produk yang tergolong dalam dependent demand harus

direncanakan atau dihitung. Peramalan hanya boleh dilakukan

pada produk–produk 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 faktor–faktor 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.

Page 10: PPIC Manajemen Permintaan

• 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

Page 11: PPIC Manajemen Permintaan

1. Metode Bebas

Pendekatan garis lurus yang ditarik mendekati titik-titik koordinat yang

sudah diketahui

Page 12: PPIC Manajemen Permintaan

2. Metode setengah rata-rata

(semi average method)

Perhitungan nilai trend pada tahun tertentu dapat ditentukan dengan menggunakan rumus sebagai berikut:

Y' = ao + bx

Keterangan

Y’ : nilai trend periode tertentu

a : nilai trend periode dasar

b : tambahan trend tahunan yang dihitung dengan cara (X2 – X1)/n

X2 : setengah rata-rata kelompok kedua

X1 : setengah rata-rata kelompok pertama

n : jumlah periode antara x2 dan x1

X : jumlah unit tahun yang dihitung dari periode dasar.

Page 13: PPIC Manajemen Permintaan

2. Metode setengah rata-rata (semi average

method)

ao = a1988 = 332.200

b = (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 dihilangkan

Page 14: PPIC Manajemen Permintaan

2. Metode setengah rata-rata

(semi average method)

Nilai trend permulaan tahun 1986-1995 adalah:

ao = a1988 = 319.200

b = (X2 – X1)/n = (459.600 - 332.200)/5 = 25.480

Y1986 = 332.200 + 25.480 (-2,5) = 268.500 Y1987 = 332.200 + 25.480 (-1,5) = 293.980 Y1988 = 332.200 + 25.480 (-0,5) = 319.460 Y1989 = 332.200 + 25.480 ( 0,5) = 344.940 Y1990 = 332.200 + 25.480 ( 1,5) = 370.420 Y1991 = 332.200 + 25.480 ( 2,5) = 395.900 Y1992 = 332.200 + 25.480 ( 3,5) = 421.380 Y1993 = 332.200+ 25.480 (4,5) = 446.860 Y1994 = 332.200 + 25.480 ( 5,5) = 472.340 Y1995 = 332.200 + 25.480 ( 6,5) = 497.820

Page 15: PPIC Manajemen Permintaan

2. Metode setengah rata-rata

(semi average method)

Misalnya: Nilai trend permulaan tahun 1986-1995 adalah: ao = a1993 = 459.600

b = (X2 – X1)/n = (459.600 - 332.200)/5 = 25.480

Nilai trend permulaan tahun 1986-1995 adalah: Y1986 = 459.600+ 25.480 (-7,5) = 268.500 Y1987 = 459.600+ 25.480 (-6,5) = 293.980 Y1988 = 459.600+ 25.480 (-5,5) = 319.460 Y1989 = 459.600+ 25.480 (-4,5) = 344.940 Y1990 = 459.600+ 25.480 (-3,5) = 370.420 Y1991 = 459.600+ 25.480 (-2,5) = 395.900 Y1992 = 459.600+ 25.480 (-1,5) = 421.380 Y1993 = 459.600+ 25.480 (-0,5) = 459.600 Y1994 = 459.600+ 25.480 ( 0,5) = 472.340 Y1995 = 459.600+ 25.480 ( 1,5) = 497.820

Page 16: PPIC Manajemen Permintaan

2. Metode setengah rata-rata

(semi average method)

Page 17: PPIC Manajemen Permintaan

3. Metode Single Moving Average

◦ Metode single moving average

Cara 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 + 1

Xt = Data periode t

n = Jangka waktu moving averages.

n

X ...X XS 1n-t1-tt

1t

Page 18: PPIC Manajemen Permintaan

3. Metode Single Moving Average

Metode Single Moving Average ini biasanya lebih cocok digunakanuntuk melakukan forecast hal-hal yang bersifat random, artinyatidak ada gejala trend naik maupun turun, musiman dansebagainya, melainkan sulit diketahui polanya.

Metode Single Moving Average mempunyai 2 sifat khusus:

◦ Untuk membuat forecast diperlukan data masa lalu selamajangka waktu tertentu.

◦ Semakin panjang moving averages, maka akan menghasilkanmoving averages yang semakin halus.

Menghitung forecast error

◦ Mean absolute error =>

◦ Mean squared error =>

ntt S X

E

n

SXE

2

tt

Xt = Data aktual periode t, St = Peramalan periode t

Page 19: PPIC Manajemen Permintaan

3. Metode Single Moving Average

◦ Misal:

◦ Jika forecast dengan metode 3 bulan moving averages

untuk bulan April adalah

◦ Penjualan Januari 20.000 kg

Februari 21.000 kg

Maret 19.000 kg

3

X X XS 123

4

3

20.000 21.000 19.000S4

000.20S4

Page 20: PPIC Manajemen Permintaan

3. Metode Single Moving

Average

Bulan Permintaan

Forecast

3 bulan 5 bulan

Januari

Februari

Maret

April

Mei

Juni

Juli

Agustus

September

Oktober

November

Desember

20

21

19

17

22

24

18

23

20

25

22

24

-

-

-

20.00

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

Page 21: PPIC Manajemen Permintaan

3. Metode Single Moving

Average

Bulan Permintaan

3 bulan

Forecast Error Absoluteerror

(Error)2

Januari

Februari

Maret

April

Mei

Juni

Juli

Agustus

September

Oktober

November

Desember

20

21

19

17

22

24

18

23

20

25

22

24

-

-

-

20.00

19.00

19.33

21.00

21.33

21.67

20.33

22.67

22.33

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

Page 22: PPIC Manajemen Permintaan

3. Metode Single Moving Average

Perbandingan error antara 3 bulan dan 5 bulan moving average

3 bln moving average 5 bln moving

average

Mean absolut error 2.67 2.37

Mean squared error 8.81 7.54

Berdasarkan perbandingan tersebut, moving average dengan

jangka waktu lebih lama, maka forecasting akan menimbulkan

penyimpangan lebih kecil.

Page 23: PPIC Manajemen Permintaan

4. Trend Metode Least Square

Trend 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, makatrend yang dimiliki disebut sebagai trend negatif.

Salah satu metode trend yang digunakan adalah metode least squares.

Persamaan trend dengan metode least square adalah

Ŷ = a + bX

Page 24: PPIC Manajemen Permintaan

4. Trend Metode Least Square

Y’ = a + bx

Σx = na + bΣx

Σxy = x + b Σx2

Dimana:

a & b = konstantapersamaan

n = Jumlah data

x = periode waktu

Tahun X Penjualan

Y

xy X2 Y’

2000

2001

2002

2003

2004

2005

2006

2007

2008

10

05

15

20

25

30

40

45

35

Page 25: PPIC Manajemen Permintaan

4. Trend Metode Least Square

Tahun X Penjualan

Y

xy X2 Y’

2000

2001

2002

2003

2004

2005

2006

2007

2008

0

1

2

3

4

5

6

7

8

10

05

15

20

25

30

40

45

35

0

5

30

60

100

150

240

315

280

0

1

4

9

16

25

36

49

64

36 1180 204

Σx = na + bΣx

Σxy = ∑xa + bΣx2

Page 26: PPIC Manajemen Permintaan

4. Trend Metode Least Square

Σx = na + bΣx

Σxy = ∑xa + b Σx2

36 = 9a + 36b (4)

1180 = 36a + 204b (1)

36 = 9a + 36b (4) => 144 = 36a + 144b

1180 = 36a + 204b (1) => 1180 = 36a + 204b

-1036 = -60b

b = -1036 /-60

b = 17.3

36 = 9a + 36b => 36 = 9a + 36 (17.3)

=> 36 = 9a + 622.8

=> -9a = 622.8 – 36

=> -9a = 586.8

=> a = -65.2

Y’ = -65.2 + 17.3 x

Page 27: PPIC Manajemen Permintaan

Tahun Penjualan X XY X^2 Ŷ

2000 10 0 0 0 -65.25

2001 5 1 5 1 -47.95

2002 15 2 30 4 -30.65

2003 20 3 60 9 -13.35

2004 25 4 100 16 3.95

2005 30 5 150 25 21.25

2006 40 6 240 36 38.55

2007 45 7 315 49 55.85

2008 35 8 280 64 73.15

Σ 215 1180 204

Y = -65,25 + 17.30X a = -65.25 b = 17.30

Page 28: PPIC Manajemen Permintaan

Latihan

Dari laporan pesanan barang selama 10 bulan perusahaan A didapatkan

sebagai berikut di bawah ini.

Dengan menggunakan Metode Single Moving Average, hitunglah Forecast

Error-nya (Mean Absolute Error dan Mean Averaged Error)

Bulan Pesanan

Januari 120

Pebuari 90

Maret 100

April 75

Mei 110

Juni 50

Juli 75

Agustus 130

September 110

Oktober 90

Page 29: PPIC Manajemen Permintaan

Periode Permintaan

x y xy x2

1 37 37 1

2 40 80 4

3 41 123 9

4 37 148 16

5 45 225 25

6 50 300 36

7 43 301 49

8 47 376 64

9 56 504 81

10 52 520 100

11 55 605 121

12 54 648 144

78 557 3.867 650

Perusahaan B ingin mengembangkan peramalan dengan

menggunakan metode Least Square. Hitunglah peramalannya (Y’)

tiap periode!