USULAN PERAMALAN DAN PERENCANAAN AGREGAT TEPUNG …
78
USULAN PERAMALAN DAN PERENCANAAN AGREGAT TEPUNG JELI DENGAN MEMPERHITUNGKAN PENGARUH SPECIAL EVENT, SEASONAL, DAN TREND DI PT. XYZ Oleh Mashudi NIM: 004201000140 Skripsi ini disampaikan kepada Fakultas Teknik President University diajukan untuk memenuhi Persyaratan akademik mencapai gelar Sarjana Teknik Program Studi Teknik Industri 2015
Transcript of USULAN PERAMALAN DAN PERENCANAAN AGREGAT TEPUNG …
USULAN PERAMALAN DAN PERENCANAANAGREGAT TEPUNG JELI DENGAN
MEMPERHITUNGKAN PENGARUH SPECIALEVENT, SEASONAL, DAN TREND DI PT. XYZ
OlehMashudi
NIM: 004201000140
Skripsi ini disampaikan kepadaFakultas Teknik President University diajukan untuk memenuhi
Persyaratan akademik mencapai gelar Sarjana TeknikProgram Studi Teknik Industri
2015
ii
LEMBAR REKOMENDASI PEMBIMBING
Skripsi berjudul “Usulan Peramalan dan Perencanaan Agregat
Tepung Jeli Dengan Memperhitungkan Pengaruh Special Event,
Seasonal, dan Trend Di PT. XYZ ” yang disusun dan diajukan oleh
Mashudi sebagai salah satu persyaratan untuk mendapatkan gelar
Strata Satu (S1) pada Fakultas Teknik telah ditinjau dan dianggap
memenuhi persyaratan sebuah skripsi. Oleh karena itu, Saya
merekomendasikan skripsi ini untuk maju sidang.
Cikarang, Indonesia, 13 April 2015
Anastasia Lidya Maukar, ST., M.Sc., M.MT
iii
LEMBAR PERNYATAAN ORISINALITAS
Saya menyatakan bahwa skripsi berjudul “Usulan Peramalan dan
Perencanaan Agregat Tepung Jeli Dengan Memperhitungkan
Pengaruh Special Event, Seasonal, dan Trend Di PT. XYZ”adalah hasil dari pengetahuan terbaik Saya dan belum pernah diajukan
ke Universitas lain maupun diterbitkan baik sebagian maupun secara
keseluruhan.
Cikarang, Indonesia, 13 April 2015
Mashudi
iv
USULAN PERAMALAN DAN PERENCANAANAGREGAT TEPUNG JELI DENGAN
MEMPERHITUNGKAN PENGARUH SPECIALEVENT, SEASONAL, DAN TREND DI PT. XYZ
OlehMashudi
NIM. 004201000140
Disetujui oleh:
Anastasia Lidya Maukar, ST., M.Sc., M.MT Ir. Andira, MT
Pembimbing Skripsi 1 Pembimbing Skripsi 2
Herwan Yusmira, B.Sc. MET, MTech
Ketua Program Studi Teknik Industri
v
ABSTRAK
Permintaan tepung jeli yang tinggi pada special event seperti Lebaran, Natal dan
Tahun Baru terjadi secara periodik setiap tahunnya (seasonal) dan cenderung
meningkat (positive trend). PT. XYZ merupakan perusahaan pembuat tepung jeli
berskala nasional, selama ini perusahaan tidak memiliki metode tertentu pada
proses peramalan dan perencanan produksi sehingga pada puncak permintaan
yaitu pada special event Lebaran terjadi lost sale sebesar 10%. Lost sale terjadi
karena jumlah permintaan telah melebihi kapasitas yang tersedia (regular time
dan over time) sedangkan pada periode dimana tidak terjadi lonjakan permintaan
(non special event) masih terdapat kapasitas yang dapat digunakan. Hal ini terlihat
dari utilisasi kapasitas regular time pada periode non special event yang rendah
yaitu 63,15%. Hasil ramalan pada periode Lebaran memerlukan faktor koreksi
karena tanggal berlangsungnya selalu bergeser setiap tahunnya pada kalender
Masehi. Oleh karena itu pemilihan metode peramalan dan perencanaan produksi
yang memperhitungkan pengaruh special event, seasonal dan trend diharapkan
dapat memprediksi permintaan dengan lebih akurat dan mengoptimalkan
kapasitas. Pada penelitian ini didapatkan hasil bahwa perencanaan metode
transportasi dapat meningkatkan utilisasi kapasitas regular time pada non special
event meningkat menjadi 97,85% dan semua permintaan dapat terpenuhi (tidak
terjadi lost sale). Metode Decomposition dan Winters Method dapat digunakan
untuk meramalkan permintaan yang terdapat faktor special event, seasonal dan
trend.
Kata kunci : Peramalan, Perencanaan Agregat, Metode Transportasi, Special
Event, Decomposition, Winters Method, Linear Regression with Seasonal
vi
KATA PENGANTAR
Segala puji syukur penulis panjatkan kepada Allah SWT karena atas segala
karunia dan rahmat-Nya penulis dapat menyelesaikan skripsi yang berjudul
“Usulan Peramalan dan Perencanaan Agregat Tepung Jeli Dengan
Memperhitungkan Pengaruh Special Event, Seasonal, dan Trend Di PT.
XYZ” sebagai salah satu syarat untuk memenuhi persyaratan dalam mencapai
gelar Sarjana Srata Satu (S1). Dalam menyusun skripsi ini banyak pihak yang
telah membantu dan memberi dukungan sehingga penulis dapat menyelesaikan
dengan baik. Oleh karena itu penulis memberi penghargaan dan ucapan terima
kasih kepada:
1. Bapak Herwan Yusmira B.Sc. MET, MTech. selaku Ketua Program Studi
Jurusan Teknik Industri.
2. Ibu Anastasia Lidya Maukar, ST., M.Sc., M.MT selaku dosen pembimbing
yang telah memberikan arahan dan bimbingan dalam pembuatan skripsi
ini.
3. Ibu Ir. Andira, MT. selaku dosen pembimbing yang telah memberikan
arahan dan bimbingan dalam pembuatan skripsi ini.
4. Kedua Orang tua dan semua anggota keluarga lainnya yang telah
memberikan bimbingan, doa serta semangat kepada penulis.
5. Ibu Kristianingsih selaku Technical Manager ditempat penulis bekerja
atas ijin yang telah diberikan kepada penulis untuk mengangkat topik pada
skripsi ini.
6. Seluruh rekan-rekan kerja ditempat penulis bekerja, khusunya bagian
marketing, laboratorium, produksi, dan PPIC yang telah memberikan
bantuan dan informasi yang terkait dengan skripsi ini.
7. Semua pihak yang telah membantu dalam penyusunan skripsi ini yang
tidak bisa saya sebutkan satu persatu.
Semoga skripsi ini dapat bermanfaat bagi perusahaan dan pihak-pihak terkait
untuk menambah pengetahuan dan perbaikan sistem serta menjadi referensi untuk
vii
penelitian-penelitian selanjutnya. Saran dan kritik penulis harapkan untuk
perbaikan dalam skripsi ini. Terima kasih
Cikarang, 13 April 2015
Penulis
viii
DAFTAR ISI
LEMBAR REKOMENDASI PEMBIMBING ................................................ ii
LEMBAR PERNYATAAN ORISINALITAS ................................................ iii
LEMBAR PERSETUJUAN............................................................................. iv
ABSTRAK ....................................................................................................... v
KATA PENGANTAR ..................................................................................... vi
DAFTAR ISI.................................................................................................... viii
DAFTAR TABEL............................................................................................ xii
DAFTAR GAMBAR ....................................................................................... xiv
DAFTAR TERMINOLOGI............................................................................. xv
BAB I PENDAHULUAN................................................................................ 1
1.1 Latar Belakang Masalah .................................................................... 1
1.2 Rumusan Masalah .............................................................................. 3
1.3 Tujuan Masalah.................................................................................. 3
1.4 Batasan Masalah ................................................................................ 3
1.5 Asumsi ............................................................................................... 3
1.6 Sistematika Penulisan ....................................................................... 4
BAB II STUDI PUSTAKA.............................................................................. 5
2.1 Peramalan........................................................................................... 5
2.1.1 Tujuan Peramalan .................................................................. 5
2.1.2 Fungsi Peramalan ................................................................... 6
2.1.3 Jenis Peramalan ...................................................................... 6
2.1.4 Pola Peramalan ....................................................................... 6
2.1.5 Langkah-Langkah Peramalan ................................................ 8
2.1.6 Metode Peramalan ................................................................. 8
2.1.6.1 Metode Linear Regression with Seasonal ................. 9
2.1.6.2 Metode Winters Method ............................................ 9
2.1.6.3 Metode Decomposition ............................................. 10
2.1.7 Uji Performansi Ramalan ........................................................ 10
ix
2.1.8 Uji Kelayakan Model ............................................................... 11
2.1.8.1 Tracking Signal ............................................................ 11
2.1.8.2 Uji Residual IIDN ........................................................ 11
2.2 Perencanaan Produksi ........................................................................ 12
2.3 Perencanaan Agregat ......................................................................... 12
2.3.1 Tujuan Perencanaan Agregat ................................................... 13
2.3.2 Fungsi Perencanaan Agregat.................................................... 14
2.3.3 Strategi Perencanan Agregat.................................................... 14
2.3.3.1 Strategi Perencanaan Agregat Murni .......................... 16
2.3.3.2 Strategi Perencanaan Agregat Gabungan.................... 17
2.3.4 Metode Perencanaan Agregat .................................................. 18
2.3.4.1 Metode Trial and Error .............................................. 18
2.3.4.2 Metode Grafik ............................................................ 19
2.3.4.3 Metode Transportasi.................................................... 19
BAB III METODOLOGI PENELITIAN......................................................... 22
3.1 Lokasi dan Periode Penelitian............................................................ 22
3.2 Obyek dan Data Penelitian ................................................................ 23
3.3 Model Penelitian ............................................................................... 23
3.4 Metode Pengumpulan Data ............................................................... 23
3.5 Metode Pengolahan Data .................................................................. 23
3.6 Frame work Penyelesaian Masalah..................................................... 24
3.6.1 Observasi.................................................................................... 24
3.6.2 Identifikasi Masalah................................................................... 24
3.6.3 Studi Pustaka.............................................................................. 26
3.6.4 Pengumpulan Data ..................................................................... 26
3.6.5 Pengolahan Data Kondisi Saat ini.............................................. 26
3.6.6 Pengolahan Data Peramalan untuk Permintaan tahun 2015 ...... 27
3.6.7 Pemilihan Metode Peramalan Terbaik....................................... 28
3.6.8 Perencanaan Metode Transportasi ............................................. 29
3.6.9 Perbandingan Rencana Usulan dengan Kondisi Saat ini ........... 29
3.6.10 Hasil dan Pembahasan ............................................................. 29
3.6.11 Simpulan dan Saran ................................................................. 29
x
BAB IV DATA DAN ANALISIS .................................................................. 30
4.1 Kondisi Saat ini.................................................................................. 30
4.1.1 Peramalan Perusahaan Saat ini ................................................ 31
4.1.2 Perencanaan Produksi Metode Perusahaan tahun 2014.......... 32
4.2 Pengumpulan Data ............................................................................. 33
4.2.1 Data Kapasitas Aktual ............................................................. 33
4.2.2 Data Permintaan Aktual tahun 2010-2014............................... 34
4.2.3 Data Biaya Produksi ............................................................... 35
4.2.4 Data Tanggal Lebaran tahun 2010-2015 ................................ 36
4.3 Peramalan........................................................................................... 36
4.3.1. Identifikasi Pola Permintaan .................................................... 37
4.3.1.1 Identifikasi Pola Musiman ............................................ 37
4.3.1.2 Identifikasi Pola Trend.................................................. 38
4.3.1.3 Identifikasi Pola Special Event ..................................... 38
4.3.1.4 Perhitungan Faktor Koreksi Special Event Lebaran ..... 40
4.3.1.5 Perhitungan Indeks Musiman ....................................... 41
4.3.2 Peramalan Linear Regression with Seasonal ............................ 43
4.3.3 Peramalan Winters Method ....................................................... 44
4.3.4 Peramalan Decomposition ........................................................ 45
4.3.5 Pemilihan Metode Peramalan Terbaik...................................... 46
4.3.6 Adjustment Hasil Ramalan Special Event Lebaran tahun 2015 47
4.4 Perencanaan Agregat metode Transportasi........................................ 48
4.4.1 Perencanaan Agregat metode Transportasi tahun 2014............ 49
4.4.2 Perencanana Agregat metode Transportasi tahun 2015............ 51
4.5 Perbandingan Kondisi saat ini dengan Metode Usulan ..................... 54
4.5.1 Perbandingan Utilisasi Kapasitas.............................................. 54
4.5.2 Perbandingan Biaya dan Revenue ............................................. 56
4.5.3 Perbandingan Metode Peramalan ............................................. 58
4.5.4 Analisis Special Event pada Permintaan Tepung Jeli ............... 58
4.5.5 Analisis Faktor Koreksi pada Adjustment Periode bulan
Ramadhan .................................................................................. 59
xi
BAB V SIMPULAN DAN SARAN................................................................ 61
5.1 Simpulan ............................................................................................ 61
5.2 Saran .................................................................................................. 62
DAFTAR PUSTAKA ...................................................................................... 63
LAMPIRAN..................................................................................................... 64
Lampiran 1. Perhitungan Nilai a dan b untuk persamaan Y' = a +bt pada
Peramalan Linear Regression with Seasonal ....................... 64
Lampiran 2. Perhitungan Peramalan Linear Regression with Seasonal
tahun 2015............................................................................ 65
Lampiran 3. Perhitungan Nilai Kesalahan (Error) Linear Regression
with Seasonal tahun 2015 ..................................................... 66
Lampiran 4. Perhitungan Peramalan Winters Method
(α= 0.9, β = 0.1 γ=0.1) tahun 2015 ....................................... 68
Lampiran 5. Perhitungan Nilai Kesalahan (Error) Winters Method
(α= 0.9, β = 0.1 γ=0.1) tahun 2015....................................... 68
Lampiran 6. Perhitungan Peramalan Decomposition tahun 2015.......... 73
Lampiran 7. Perhitungan Nilai Kesalahan (Error) Decomposition
tahun 2015............................................................................ 76
Lampiran 8. Uji Kelayakan Model Linear Regression with Seasonal...... 78
Lampiran 9. Uji Kelayakan Model Winters Method
(α= 0.9, β = 0.1 γ=0.1) ........................................................ 80
Lampiran 10. Uji Kelayakan Model Decomposition ................................ 82
Lampiran 11. Tabel Perencanaan Metode Transportasi tahun 2014........ 84
Lampiran 12. Tabel Perencanaan Metode Transportasi tahun 2015........ 85
xii
DAFTAR TABEL
Tabel 2.1 Perbandingan Strategi Murni .......................................................... 17
Tabel 2.2 Strategi Perencanaan Agregat Berdasarkan Jenis Produksi ............ 18
Tabel 2.3 Metode Perencanaan Agregat Berdasarkan Variabel Perencanaan 18
Tabel 2.4 Contoh Data Rencana Agregat Metode Transportasi ..................... 20
Tabel 2.5 Contoh Penyelesaian Metode Transportasi .................................... 21
Tabel 2.6 Contoh Jadwal Induk Produksi ...................................................... 21
Tabel 4.1 Akurasi Peramalan Perusahaan tahun 2014 ................................. 31
Tabel 4.2 Perencanaan Produksi tahun 2014 Kondisi Saat ini ........................ 32
Tabel 4.3 Biaya Produksi tahun 2014 Kondisi Saat ini .................................. 33
Tabel 4.4 Kapasitas Aktual tahun 2014 dan 2015 .......................................... 34
Tabel 4.5 Permintaan Aktual tahun 2010-2014 ............................................. 35
Tabel 4.6 Tanggal Berlangsungnya Lebaran tahun 2010-2015 .................... 36
Tabel 4.7 Identifikasi Special Event tahun 2014........................................... 39
Tabel 4.8. Rasio Permintaan Special Event Lebaran tahun 2015 ................... 40
Tabel 4.9 Faktor Koreksi Periode Special Event Lebaran tahun 2015 ........... 41
Tabel 4.10 Indeks Musiman ............................................................................ 41
Tabel 4.11 Kelompok Indeks Musiman .......................................................... 42
Tabel 4.12 Hasil Ramalan Linear Regression with Seasonal tahun 2015 ....... 43
Tabel 4.13 Hasil Ramalan Winters Method (α= 0.9, β = 0.1 γ=0.1)
tahun 2015...................................................................................... 44
Tabel 4.14 Hasil Ramalan Decomposition tahun 2015.................................... 45
Tabel 4.15 Uji Performansi dan Kelayakan Model ......................................... 46
Tabel 4.16 Adjustment Permintaan Special Event Lebaran tahun 2015.......... 48
Tabel 4.17 Utilisasi Metode Transportasi tahun 2014 .................................. 49
Tabel 4.18 Alokasi Inventori Metode Transportasi tahun 2014 .................... 49
Tabel 4.19 Biaya Simpan Metode Transportasi tahun 2014........................... 50
Tabel 4.20 Biaya Produksi Metode Transpotasi tahun 2014 ........................... 50
Tabel 4.21 Rencana Produksi dengan Hasil Ramalan Terbaik tahun 2015 ..... 51
Tabel 4.22 Utilisasi Metode Transportasi tahun 2015 .................................... 51
Tabel 4.23 Alokasi Inventori Metode Transportasi tahun 2015 ..................... 52
xiii
Tabel 4.24 Biaya Simpan Metode Transportasi tahun 2015............................ 52
Tabel 4.25 Biaya Produksi Metode Transportasi tahun 2015 .......................... 53
Tabel 4.26 Utilisasi Metode Perushaan tahun 2015......................................... 53
Tabel 4.27 Perbandingan Utilisasi Kondisi saat ini dengan Metode Usulan
tahun 2015..................................................................................... 53
Tabel 4.28 Perbandingan Pemanfaatan Kapasitas Kondisi saat ini dengan
Metode Usulan tahun 2014 ............................................................ 54
Tabel 4.29 Perbandingan Biaya Kondisi saat ini dengan Metode Usulan
tahun 2014..................................................................................... 56
Tabel 4.30 Perbandingan Revenue Kondisi saat ini dengan Metode Usulan
tahun 2014..................................................................................... 56
Tabel 4.31 Perbandingan Akurasi Peramalan Kondisi saat ini dengan Metode
Usulan ........................................................................................... 58
Tabel 4.32 Signifikansi Special Event pada Kenaikan Permintaan ................ 58
Tabel 4.33 Puncak Permintaan tahun 2015..................................................... 59
xiv
DAFTAR GAMBAR
Gambat 2.1 Pola Aditif dan Multiplikatif ...................................................... 7
Gambat 3.1 Flow Chart Metodologi Penelitian ............................................. 22
Gambar 3.2 Frame Work Penyelesaian Masalah ........................................... 25
Gambar 4.1 Grafik Permintaan tahun 2014 ................................................... 30
Gambar 4.2 Grafik Identifikasi Pola Musiman tahun 2010-2014 .................. 37
Gambar 4.3 Grafik Identifikasi Pola Trend tahun 2010-2014 ........................ 38
Gambar 4.4 Grafik Identifikasi Pola Special Event tahun 2014 ..................... 39
Gambar 4.5 Grafik Hasil Ramalan Regression With Seasonal tahun 2015 .. 43
Gambar 4.6 Grafik Hasil Ramalan Winters Method tahun 2015 .................... 44
Gambar 4.7 Grafik Hasil Ramalan Decomposition tahun 2015...................... 45
Gambar 4.8 Grafik Perbandingan Peramalan Terbaik tahun 2015 ................ 46
Gambar 4.9 Pembagian Hari yang Berpengaruh bulan Ramadhan ................ 47
Gambar 4.10 Grafik Perbandingan Utilisasi Kapasitas Regular Time............ 55
Gambar 4.11 Grafik Perbandingan Total Produksi......................................... 55
Gambar 4.12 Grafik Perbandingan Over Time Cost ....................................... 57
Gambar 4.13 Grafik Perbandingan Revenue ................................................... 57
Gambar 4.14 Grafik Rasio Permintaan pada Peak period .............................. 59
Gambar 4.15 Grafik Hasil Ramalan Decomposition dengan Faktor Koreksi. 60
Gambar 4.16 Grafik Perbandingan Akurasi Peramalan.................................. 60
xv
DAFTAR TERMINOLOGI
Seasonal : Pola permintaan yang selalu berulang secara periodik
Trend : Pola Permintaan yang terdapat kecenderungan meningkat atau
menurun
Regular Time : Waktu kerja pada jam normal
Over Time : Waktu kerja diluar jam normal
Holding Cost : Biaya simpan inventori yang mencakup biaya pemeliharaan,
biaya fasilitas, dan kerugian yang mungkin timbul karena
penyimpanan tersebut
Revenue : Selisih total harga jual produk dikurangi total biaya yang
dikeluarkan
Special event : Periode dimana terjadi lonjakan permintaan yang tinggi seperti
Lebaran, Natal, dan Tahun baru
Non Special : Periode dimana tidak terjadi lonjakan permintaan.
Event
Transportasi : Metode perencanaan produksi dengan prinsip optimalisasi
kapasitas dengan biaya total yang minimum.
Lost Sale : Kerugian akibat hilangnya kesempatan menjual produk karena
tidak terpenuhinya permintaan.
v
ABSTRAK
Permintaan tepung jeli yang tinggi pada special event seperti Lebaran, Natal dan
Tahun Baru terjadi secara periodik setiap tahunnya (seasonal) dan cenderung
meningkat (positive trend). PT. XYZ merupakan perusahaan pembuat tepung jeli
berskala nasional, selama ini perusahaan tidak memiliki metode tertentu pada
proses peramalan dan perencanan produksi sehingga pada puncak permintaan
yaitu pada special event Lebaran terjadi lost sale sebesar 10%. Lost sale terjadi
karena jumlah permintaan telah melebihi kapasitas yang tersedia (regular time
dan over time) sedangkan pada periode dimana tidak terjadi lonjakan permintaan
(non special event) masih terdapat kapasitas yang dapat digunakan. Hal ini terlihat
dari utilisasi kapasitas regular time pada periode non special event yang rendah
yaitu 63,15%. Hasil ramalan pada periode Lebaran memerlukan faktor koreksi
karena tanggal berlangsungnya selalu bergeser setiap tahunnya pada kalender
Masehi. Oleh karena itu pemilihan metode peramalan dan perencanaan produksi
yang memperhitungkan pengaruh special event, seasonal dan trend diharapkan
dapat memprediksi permintaan dengan lebih akurat dan mengoptimalkan
kapasitas. Pada penelitian ini didapatkan hasil bahwa perencanaan metode
transportasi dapat meningkatkan utilisasi kapasitas regular time pada non special
event meningkat menjadi 97,85% dan semua permintaan dapat terpenuhi (tidak
terjadi lost sale). Metode Decomposition dan Winters Method dapat digunakan
untuk meramalkan permintaan yang terdapat faktor special event, seasonal dan
trend.
Kata kunci : Peramalan, Perencanaan Agregat, Metode Transportasi, Special
Event, Decomposition, Winters Method, Linear Regression with Seasonal
president
Sticky Note
1
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
PT. XYZ adalah perusahaan yang memproduksi tepung jeli yaitu bahan tambahan
makanan yang berfungsi sebagai gelling agent dan smoothing agent. Tepung jeli
ini diaplikasikan untuk berbagai macam jenis makanan dan minuman seperti sirup
, jelly cup, jelly motif, jelly instant, pudding, mie instant, sosis, selai, dan lain-
lain. Permintaan terhadap tepung jeli tersebut meningkat pesat saat terjadi special
event seperti Lebaran, Natal, dan Tahun Baru dimana terjadi konsumsi yang tinggi
terhadap makanan dan minuman yang menggunakan bahan tepung jeli tersebut.
Permintaan tertinggi terjadi pada special event Lebaran dimana selama bulan
Ramadhan terjadi lonjakan permintaan hingga 82 % dari rata-rata permintaan
bulanan pada tahun 2014. Metode peramalan yang digunakan oleh perusahaan
selama ini tidak dapat memperhitungkan dengan baik periode-periode special
event tersebut, terlihat dari akurasi peramalan pada periode Mei, Juni, dan Juli
2014 berturut-turut adalah 71,43%, 79,19% dan 79% (periode 3 bulan sebelum
Lebaran) lebih rendah dari akurasi peramalan satu tahun periode Januari-
Desember 2014 yaitu sebesar 86,67%. Oleh karena itu diperlukan metode
peramalan yang mampu memperhitungkan pengaruh special event tersebut
terhadap pola permintaan tepung jeli agar akurasi hasil ramalan dapat meningkat.
Berdasarkan data permintaan aktual 5 tahun terakhir, periode dimana terjadi
lonjakan permintaan yang signifikan yaitu Lebaran, Natal dan Tahun Baru selalu
berulang secara periodik setiap tahunnya (seasonal) dan cenderung meningkat
dari tahun ke tahun (positive trend) tetapi khusus untuk Lebaran karena sistem
periodiknya menggunakan kalender Hijriah maka tanggal berlangsungnya
Lebaran tidak sama dari tahun ke tahun pada kalender Masehi. Hal ini akan
berpengaruh pada ketepatan prediksi permintaan karena pada perhitungan
peramalan, bulan Ramadhan diasumsikan selalu sama tanggal berlangsungnya.
Oleh karena itu diperlukan penyesuaian atau adjustment pada periode tersebut
2
sehingga hasil ramalan bulan Ramadhan pada kalender Hijriah dapat dikonversi
pada kalender Masehi.
Peramalan perusahaan yang kurang tepat berpengaruh pada kurang optimalnya
rencana produksi yaitu pada saat terjadi lonjakan permintaan perusahaan tidak
mampu mengatur dengan baik penggunaan kapasitas sehingga terjadi lost sale
yang diakibatkan permintaan melebihi kapasitas yang tersedia. Pada tahun 2014
terjadi lost sale pada periode puncak permintaan (peak period) yang terjadi pada
special event Lebaran dimana terdapat permintaan 200.000 kg tetapi hanya
terpenuhi 180.000 kg sehingga terjadi lost sale sebesar 10%. Hal ini menyebabkan
berkurangnya revenue perusahaan. Perencanaan produksi yang kurang tepat juga
mengakibatkan tingginya biaya produksi karena perusahaan menerapkan strategi
lembur untuk memenuhi lonjakan permintaan tersebut padahal masih terdapat
kapasitas tersedia yang dapat dimanfaatkan pada periode yang tidak terdapat
lonjakan permintaan (non special event), rata-rata utilisasi kapasitas regular time
pada periode-periode non special event hanya 63,15%. Oleh karena itu diperlukan
perencanaan agregat untuk menjabarkan secara rinci rencana produksi satu tahun
kedepan sehingga dapat mengoptimalkan penggunaan kapasitas dengan biaya
produksi yang minimum.
Perencanaan agregat akan memperhitungkan dengan tepat keseimbangan antara
supply dan demand untuk mengetahui kemampuan sumber daya dan kapasitas
produksi perusahaan selama satu tahun kedepan sehingga jika terdapat permintaan
yang tidak dapat dipenuhi pada periode tertentu maka akan dialokasikan ke
periode sebelumnya. Hal ini akan membuat penjadwalan produksi lebih teratur
dan waktu lembur (over time) berkurang karena memanfaatkan terlebih dahulu
jam normal yang tersedia (regular time).
Perencanaan tersebut kemudian dituangkan dalam Jadwal Induk Produksi (JIT)
sebagai acuan dalam perencanan produksi satu tahun ke depan sehingga dengan
adanya JIT maka jadwal produksi menjadi lebih teratur serta kapasitas dan
kebutuhan sumber daya menjadi lebih terukur.
3
1.2 Rumusan Masalah
Rumusan masalah untuk penelitian pada peramalan dan perencanan produksi ini
adalah sebagai berikut :
Apa metode peramalan yang tepat untuk meramalkan permintaan tepung
jeli yang terdapat pengaruh special event, seasonal dan trend ?
Bagaimana mengoptimalkan kapasitas dan meminimasi biaya produksi
dengan menerapkan perencanaan metode transportasi di PT. XYZ ?
1.3 Tujuan
Tujuan pada penelitian ini adalah untuk menentukan motode peramalan yang tepat
dengan memperhitungkan adanya special event, seasonal dan trend agar dapat
meningkatkan akurasi peramalan dan mengusulkan perencanaan metode
transportasi pada produksi tepung jeli sehingga dapat memproduksi dengan biaya
produksi yang minimum, mengoptimalkan kapasitas yang tersedia dan memenuhi
semua permintaan konsumen.
1.4 Batasan Masalah
Batasan masalah pada penelitian ini adalah:
Alternatif subkontrak dikesampingkan karena pilihan alternatif tersebut
tidak sesuai dengan kebijakan perusahaan yang senantiasa menjaga
formulasi produk.
Alternatif penambahan dan pengurangan jumlah pekerja dikesampingkan
karena jumlah karyawan tidak berpengaruh signifikan terhadap hasil
produksi (bukan proses perakitan).
Perencanaan hanya pada produk akhir dan bukan pada bahan baku.
Tidak membahas proses produksi karena terkait kebijakan perusahaan.
1.5 Asumsi
Asumsi pada penelitian ini adalah:
Persediaan bahan baku selalu tersedia pada periode 2015.
Tidak ada penambahan kapasitas mesin pada periode 2015.
Jumlah hari puasa adalah genap 30 hari.
4
Kapasitas yang tersedia sudah memperhitungkan adanya waktu set up
mesin, maintenance serta hari libur.
Tidak ada perubahan variabel biaya selama proses perencanaan.
Inventori awal adalah 0 dan jumlah yang diproduksi sesuai dengan
permintaan
1.6 Sistematika Penulisan
Bab I Pendahuluan
Pada bab ini berisi mengenai latar belakang masalah, rumusan
masalah, tujuan, batasan, asumsi, dan sistematika penulisan.
Bab II Studi Pustaka
Pada bab ini menyajikan teori-teori yang mendukung penelitian
mengenai Perencanaan Agregat, Jenis Perencanaan Agregat,
Peramalan Linear Regression with Seasonal, Winters Method, dan
Decomposition.
Bab III Metodologi Penelitian
Pada bab ini membahas tentang pengumpulan data, waktu
pengumpulan data, analisa data, langkah–langkah pemecahan
masalah dan diagram pemecahan masalah.
Bab IV Data dan Analisis
Pada bab ini dilakukan pengolahan data dan analisisnya.
Pengolahan untuk menentukan jenis peramalan yang tepat sesuai
dengan pola data permintaan produk tepung jeli dan Perencanaan
produksi menggunakan metode transportasi.
Bab V Simpulan dan Saran
Pada bab ini berisi mengenai simpulan dari hasil penelitian dan
saran-saran untuk penelitian berikutnya.
5
BAB II
STUDI PUSTAKA
2.1 Peramalan
Peramalan adalah perhitungan yang obyektif dengan menggunakan data-data
masa lalu untuk menentukan sesuatu dimasa datang sedangkan menurut Barry
Render dan Jay Heizer (2011) peramalan adalah adalah seni dan ilmu
memprediksi peristiwa-peristiwa masa depan dengan pengambilan data
historis dan memproyeksikannya ke masa depan dengan menggunakan
beberapa bentuk model matematis. Pada perencanaan produksi peramalan
merupakan aktivitas memperkirakan atau memprediksi tingkat permintaan
(demand) dimasa mendatang dengan menggunakan data-data dimasa lalu. Hasil
perkiraan ini dimodelkan dalam bentuk matematis yang merupakan pendekatan
terhadap kecenderungan suatu pola data pada rentang waktu tertentu. Peramalan
dapat dilakukan dengan baik jika informasi dari variabel-variabel yang diperoleh
dari masa lalu masih berkaitan dan dalam kondisi yang tidak jauh berbeda. Hasil
peramalan ini digunakan sebagai dasar atau landasan dalam strategi perencanaan
kedepan.
2.1.1 Tujuan Peramalan
Tujuan utama dari peramalan adalah memprediksi tingkat permintaan dimasa
yang akan datang dengan tepat dan sesuai dengan permintaan aktualnya sehingga
perusahaan mampu mengelola tingkat permintaan tersebut dengan membuat
perencanaan dalam hal kapasitas dan kebutuhan sumber daya yang disesuaikan
dengan tingkat permintaan tersebut. Perencanaan yang baik akan membantu
perusahaan dalam mencapai efektivitas dan efesiensi sumber daya. Oleh karena
itu akurasi hasil peramalan diharapkan mendekati dengan permintaan aktualnya
dan untuk mencapai tujuan tersebut diperlukan pemilihan metode peramalan yang
paling tepat. Pemilihan metode peramalan yang tepat berdasarkan tingkat
performansi dan kelayakan model dari peramalan tersebut yaitu metode peramalan
yang mempunyai nilai kesalahan (error) yang rendah serta lolos uji kelayakan
model.
6
2.1.2 Fungsi Peramalan
Peramalan mempunyai peran yang besar dalam kaitannya dengan perencanaan
produksi. Berikut adalah fungsi dari peramalan:
1. Sebagai tools pengambilan keputusan dalam hal penetapan strategi jangka
panjang perusahaan seperti pengembangan produk baru maupun peningkatan
kapasitas produksi.
2. Sebagai bahan analisis trend permintaan suatu produk. Hasil ramalan dapat
memperlihatkan pola permintan suatu produk apakah terdapat kecenderungan
meningkat/menurun, musiman, atau adanya special event yang berpengaruh
signifikan pada permintaan.
3. Sebagai dasar pembuatan jadwal produksi yaitu harian, mingguan atau
bulanan.
2.1.3 Jenis Peramalan
Peramalan secara klasifikasi dibagi menjadi 2 (dua) yaitu peramalan secara sifat
dan peramalan secara jangka waktu.
Peramalan secara sifat dibagi menjadi:
1. Peramalan Kualitatif
Yaitu peramalan yang didasarkan pada data kualitatif dan pengolahannya
didasarkan pada intuisi, pengalaman, situasi, dan kondisi peramal.
2. Peramalan Kuantitatif
Yaitu peramalan yang didasarkan pada data kuantitatif pada masa lalu yang
akan dimodelkan secara matematis atau statistik. Pada peramalan model ini
pemilihan metode sangat berpengaruh pada hasil ramalan. Oleh karena itu
pemilihan model ramalan harus disesuaikan dengan pola data dan informasi
variabel pada data tersebut.
2.1.4 Pola Peramalan
Pola data suatu permintaan berbeda-beda tergantung pada jenis dan karakter suatu
produk. Oleh karena itu peramalan yang baik adalah peramalan yang mampu
memperhitungkan dengan tepat jenis pola permintaan tersebut dengan cara
mengidentifikasi masing-masing pola data. Keakuratan dalam proses identifikasi
7
sangat berpengaruh pada pemilihan metode peramalan yang baik dan sesuai.
Berikut adalah jenis-jenis pola permintaan:
1. Pola Konstan
Yaitu pola permintaan yang pergerakan antar periodenya cenderung sama dan
mendekati nilai rata-rata dari permintaan tersebut serta tidak terdapat lonjakan
atau fluktuasi yang signifikan. Pola seperti ini adalah pola yang mudah untuk
diramalkan.
2. Pola Trend
Yaitu pola permintaan yang terdapat kecenderungan naik (positive trend) atau
turun (negative trend). Naik atau turunnya pola data tersebut dipengaruhi oleh
faktor-faktor atau hubungan sebab akibat tertentu.
3. Pola Musiman (Seasonal)
Yaitu pola permintaan yang berulang secara periodik pada periode-periode
tertentu. Panjang musiman pada suatu pola permintaan berbeda-beda
tergantung pada faktor musiman yang mempengaruhinya. Pola musiman
terdapat dua tipe yaitu multiplikatif dan aditif seperti pada gambar berikut ini:
Gambar 2.1 Pola Aditif dan Multiplikatif
4. Pola Siklis
Yaitu pola permintaan yang membentuk siklis. Pola siklis besar atau panjang
periodenya susah untuk diprediksi dan cenderung tidak berulang dengan
besaran yang sama.
5. Pola Campuran
Yaitu pola peramalan yang terdiri atas dua atau lebih pola misalnya pola
musiman yang terdapat trend . Pola campuran ini harus diramalkan dengan
metode yang dapat memperhitungkan kesemua jenis pola tersebut.
8
2.1.5 Langkah-Langkah Peramalan
Pada proses peramalan terdapat langkah-langkah kerja yang harus dilakukan agar
metode peramalan yang digunakan tepat dan sesuai. Berikut adalah langkah-
langkah peramalan tersebut:
1. Identifikasi Pola Permintaan
Tahap ini adalah langkah untuk mengetahui jenis pola data permintaan dengan
cara menplot data permintaan pada diagram pencar sehingga dapat diketahui
karakter polanya apakah konstan, trend, seasonal, atau campuran. Tahap ini
penting karena dengan identifikasi pola permintaan yang tepat maka pemilihan
peramalannya pun tepat dan sesuai.
2. Pemilihan Metode Peramalan
Tahap ini adalah proses menentukan model peramalan yang tepat untuk
digunakan pada proses peramalan. Pemilihan model tersebut berdasarkan pada
identifikasi pola data yang telah dilakukan sebelumnya. Keakuratan hasil
ramalan sangat tergantung pada pemilihan model ini. Oleh karena itu lebih baik
menggunakan lebih dari satu model untuk kemudian dibandingkan.
3. Uji Performansi Ramalan
Tahap ini adalah tahap untuk menguji kehandalan dari model peramalan yang
dipakai. Uji dapat dilakukan dengan menghitung nilai kesalahan atau error
pada hasil ramalan, semakin kecil nilai kesalahan maka hasil ramalan tersebut
semakin baik.
4. Uji Kelayakan Model
Tahap ini adalah proses untuk menentukan sebuah model ramalan apakah dapat
mewakili pola permintaanya atau tidak. Terdapat berbagai uji yang dapat
dilakukan yaitu tracking signal, control chart, Normalitas, ACF (auto
correlation fuction), dan PACF (partial auto correlation fuction).
2.1.6 Metode Peramalan
Terdapat berbagai metode dalam peramalan secara garis besar dibagi atas time
series dan kausal (sebab akibat). Pada bab ini akan dibahas metode peramalan
time series yang dapat memperhitungkan kecenderungan trend serta seasonal.
9
2.1.6.1 Metode Linear Regression with Seasonal
Yaitu metode peramalan yang fungsi dasarnya adalah untuk memprediksi adanya
faktor kecenderungan peningkatan atau penurunan (trend) kemudian dikoreksi
dengan indeks musiman pada pola permintaan tersebut. Berikut persamaannya:
Yt' = (a + bt) St (2-1)
b = (∑ − ( ̅)( )/(∑ ^2 − (∑ )̅) (2-2)
a = (∑ ) − ∑ /̅ (2-3)
Dimana :
Yt = permintaan aktual
Yt’ = nilai peramalan pada periode t
n = jumlah periode yang digunakan
St = Indeks Musiman
2.1.6.2 Metode Winters Method
Metode peramalan Winters Method ini merupakan metode pemulusan yang
dikoreksi dengan unsur musiman dan tren. Pada ramalan ini terdapat konstanta
utama yaitu konstanta pemulusan (α), konstanta trend (β) dan konstanta musiman
(γ) yang nilainya (0,1). Berikut persamaannya (Model Multiplikatif):
Lt = + 1 − + ( + ) (2-4)
bt = ( + ) + (1- ) (2-5)
St = + 1 − (2-6)
ft+m = + − + (2-7)
Dimana:
s = Panjang Periodik Musiman
Lt = Pemulusan Keseluruhan
bt = Komponen Trend
St = Komponen Musiman
ft+m= Peramalan untuk periode selanjutnya
10
2.1.6.3 Metode Decomposition
Metode Decomposition merupakan metode yang memecah suatu pola permintaan
menjadi komonen trend, musiman, dan siklis. selain ketiga unsur tadi juga
terdapat unsur acak atau random yang merupakan deviasi dari ketiga unsur
utamanya. Berikut adalah persamaannya (Model Multipikatif):
Yt = It . Tt .Ct .Et (2-8)
Dimana:
Yt = Data runtun waktu pada periode ke t
Tt = Komponen tren pada periode ke t
It = Komponen musiman pada periode ke t
Ct = Komponen siklis pada periode ke t
Et = Komponen random pada periode ke t
2.1.7 Uji Performansi Ramalan
Berikut adalah parameter-parameter error untuk menguji ketepatan peramalan:
1. Mean Absolute Deviation (MAD)
Nilai MAD mengukur nilai error mutlak secara rata-rata pada keseluruhan
periode peramalan dengan mengesampingkan apakah hasil peramalan lebih
besar atau lebih kecil dari data aktualnya.
MAD =∑
(2-9)
2. Mean Square Deviation (MSD)
Nilai MSD ini dihitung dengan mengkuadratkan nilai kesalahan pada masing-
masing periode kemudian dibagi dengan jumlah periode ramalan.
MSD =∑
(2-10)
3. Mean Absolute Percentage Error (MAPE)
Nilai MAPE merupakan nilai error yang berupa prosentase kesalahan antara
hasil aktual dengan hasil peramalan. Nilai MAPE akan menunjukkan
prosentase kesalahan peramalan yang terlalu rendah atau terlalu tinggi.
11
MAPE =∑ | |
(2-11)
Dimana:
et = Yt - Y't (error / kesalahan pada periode t)
Yt = Data aktual pada periode t
Y't = Data hasil ramalan pada periode ke t
n = Jumlah periode waktu
2.1.8 Uji Kelayakan Model
Yaitu uji untuk menentukan apakah model peramalan tersebut dapat diterima atau
tidak. Berikut adalah metode uji kelayakan model ramalan:
2.1.8.1 Tracking Signal
Yaitu uji sebaran acak nilai tracking signal, uji dinyatakan lolos jika sebaran
nilainya berada pada range -4 sampai dengan +4, dengan pergerakan nilainya
mendekati 0 dan distribusinya merata antara nilai positive dan negatif.
TS = = ∑ ( − ′)= 1 (2-12)
MAD = = ∑ ( − ′)= 1 (2-13)
Dimana:
Yt = Data aktual pada periode t
Y't = Data hasil ramalan pada periode ke t
n = Jumlah periode waktu
2.1.8.2 Uji Residual IIDN (Identik, Independen, Distribusi Normal)
Residual dari peramalan dilakukan uji pada masing-masing parameter tersebut.
Berikut adalah uji-uji tersebut:
1. Uji Residual Identik
Yaitu uji untuk melihat sebaran dari residual apakah identik yaitu sebarannya
random dan tidak membentuk pola tertentu.
12
2. Uji Residual Independen
Pada uji ini menggunakan ACF (yaitu auto correlation function) dan PACF
(partial auto correlation function) yaitu jika semua lag berada pada garis
kontrol, jika terdapat lag yang di luar garis berarti model tersebut tidak layak.
3. Uji Distribusi Normal
Yaitu uji normalitas pada residual syaratnya α harus lebih dari 0.05 dan
sebarannya berada pada sekitar garis linear.
2.2 Perencanaan Produksi
Perencanan produksi adalah adalah aktivitas untuk menghasilkan produk sesuai
dengan kebutuhan secara tepat bagi konsumen maupun perusahaan atau dengan
kata lain proses untuk merencanakan dan mengendalikan input, melakukan proses
dan menghasilkan output dari suatu sistem produksi sehingga permintaan
konsumen dapat dipenuhi dengan jumlah dan waktu yang tepat serta biaya
produksi yang minimum (Diana Khairani Sofyan, 2013).
Perencanaan produksi merupakan tahapan/langkah awal sebagai tindakan untuk
menentukan strategi yang tepat bagi perusahaan dalam masa yang akan datang
secara menyeluruh.
2.3 Perencanaan Agregat
Perencanaan agregat adalah proses menggabungkan sumber daya yang tepat ke
dalam jangka waktu umum atau keseluruhan dengan prediksi permintaan,
kapasitas, fasilitas, tingkat persediaan, ukuran tenaga kerja, dan input yang
berhubungan. (Jay Heizer dan Barry Render, 2011)
Perencanaan agregat adalah kegiatan menetapkan jenis produk yang akan
diproduksi, jumlah, waktu dan kebutuhan sumber daya yang dibutuhkan untuk
proses produksi tersebut. Perencanaan agregat pada dasarnya menyesuaikan
kapasitas produksi dan sumber daya yang dimiliki sesuai dengan tingkat
permintaan sehingga mampu memproduksi produk sesuai tingkat permintaan
dengan kuantitas serta waktu yang tepat dan biaya total yang minimum.
Perencanaan agregat dipergunakan untuk perencanaan jangka menengah 3-18
bulan.
13
dalam perencanaan agregat satuan yang digunakan adalah satuan produk
pengganti dengan kata lain outputnya bukan dalam bentuk individual produk atau
setiap jenis / tipe produk.
Penggunaan satuan agregat memliki beberapa keunggulan dalam proses
perencanaan produksi yaitu : (Rosnani Ginting, 2012)
1. Mudah dalam pengelolaan data karena pengolahan data tidak dilakukan pada
setiap jenis produk.
2. Ketelitian hasil yang didapat, dengan pengolahan satu jenis produk maka
semakin besar tingkat ketelitian yang didapatkan.
3. Kemudahan untuk melihat dan memahami mekanisme sistem produksi yang
terjadi dalam implementasi rencana.
2.3.1 Tujuan Perencanaan Agregat
Tujuan dari perencanaan agregat adalah:
1. Sebagai tahap awal untuk menentukan aktivitas produksi yaitu merencanakan
aktivitas produksi yang lebih rinci.
2. Menjabarkan secara keseluruhan perencanaan produksi pada semua tingkatan
untuk mencapai keseimbangan antara tingkat supply dan demand dengan biaya
total yang minimum.
3. Menjabarkan secara rinci mengenai kebutuhan sumber daya yang dibutuhkan
untuk keseluruhan proses produksi sehingga dapat sebagai masukan untuk
pengembangan perencanaan produksi.
4. Memberikan respon yang cepat terhadap fluktuasi permintaan yang tajam
dengan perubahan alokasi sumber daya.
Tujuan perencanaan agregat tersebut di atas sejalan dengan sasaran yang ingin
dicapai perusahaan dalam rangka memajukan perusahaan yaitu:
1. Tercapainya Kepuasan Pelanggan (customer satisfaction)
kepuasan pelanggan merupakan hal utama dalam perusahaan yang dapat
dicapai dengan menghasilkan produk yang berkualitas serta pemenuhan
kebutuhan konsumen yang tepat secara jumlah, waktu serta pengiriman.
14
2. Tercapainya optimalisasi sumber daya (utility) yaitu penggunaan optimal
waktu kerja mesin dan manusia sehingga dapat meminimasi sumber daya yang
menggangur (idle).
3. Tecapainya biaya produksi yang minimal yaitu dengan mengoptimalkan
regular time.
2.3.2 Fungsi Perencanaan Agregat
Perencanan agregat berperan penting dalam proses perencanaan produksi yaitu:
1. Sebagai master plan perencanaan produksi yaitu langkah strategis perusahaan
dalam perencanaan ke depan.
2. Sebagai parameter atau tolak ukur performansi perencanaan produksi secara
keseluruhan aspek.
3. Sebagai alat ukur kemampuan produksi untuk menjamin konsistensi produksi
agar berjalan sesuai dengan rencana atau target produksi.
4. Sebagai dasar dalam penyusunan jadwal induk produksi (JIT).
2.3.3 Strategi Perencanaan Agregat
Permintaan produksi yang fluktuatif tentunya akan sangat berpengaruh pada
perencanan produksi dimana perusahaan perlu strategi tertentu agar tercapai
pemenuhan kebutuhan konsumen dengan nilai variabel biaya yang minimal.
Kondisi perusahaan yang berbeda-beda juga berpengaruh pada strategi yang akan
dipilih. Pada strategi perencanaan terdapat variabel yang saling berkaitan dan
sebagai input dalam pemilihan strategi perencanaan yaitu:
1. Jangka Waktu Periode Perencanaan
yaitu panjang atau lamanya jangka waktu agregat yang akan direncanakan.
Jangka waktu perencanaan agregat biasanya dalam jangka menengah yaitu 3-
18 bulan.
2. Sumber daya yang diperlukan dalam proses produksi seperti tenaga kerja,
kapasitas mesin, serta fasilitas produksi yang harus diketahui secara rinci
sepanjang periode untuk perhitungan kemampuan produksi yang optimal.
3. Data permintaan sebagai dasar dalam penentuan target produksi, data tersebut
harus diolah dulu sesuai dengan tren atau pola data permintaannya untuk
15
melihat tingkat fluktuasi dan stabilitasnya karena perhitungan yang tepat pada
perhitungan permintaan ini akan berpengaruh pada rencana agregat tersebut.
4. Biaya aktivitas produksi
Berikut adalah variabel biaya yang terdapat pada aktivitas perencanaan
agregat:
a. Biaya Lembur (Overtime Cost)
Adalah biaya yang dikeluarkan oleh perusahaan untuk karyawan yang
bekerja pada jam tambahan dan di luar jam kerja normal. Hal ini dilakukan
untun meningkatkan output sesuai dengan tingkat permintaan.
b. Biaya Memperkerjakan Karyawan Baru (Hiring Cost)
Adalah biaya yang dikeluarkan oleh perusahaan untuk merekrut karyawan
baru mulai dari iklan hingga tahap seleksi.
c. Biaya Memberhentikan Karyawan (Layoff Cost)
Adalah biaya yang dikeluarkan oleh perusahaan untuk memberhentikan
karyawan yang sudah tidak difungsikan lagi karena laju produksi yang
normal seperti semula. Biaya yang dikeluarkan seperti uang pesangon atau
PHK.
d. Biaya Simpan (Holding Cost)
Adalah biaya karena inventori, adanya inventori ini untuk mengantisipasi
permintaan yang mendadak sehingga perusahaan perlu menyimpan produk
dalam jumlah lebih. Biaya ini mencakup biaya simpan, pajak, asuransi dan
kerusakan inventori.
e. Biaya Kekurangan Persediaan (Back Order Cost)
Adalah biaya yang dikeluarkan karena perusahaan tidak mampu memenuhi
kebutuhan konsumen.
f. Biaya Subkontrak (Subcontract Cost)
Adalah biaya yang dikeluarkan karena perusahaan mengalihkan order
melalui jasa outsource. Biasanya biaya untuk memproses produk tersebut
lebih besar jika dibandingkan diproses perusahaan sendiri.
16
2.3.3.1 Strategi Perencanaan Agregat Murni
Strategi perencanaan agregat murni adalah strategi yang merubah atau mengatur
salah satu variabel pada proses perencanaan. Masing-masing variabel tersebut
diatur sesuai dengan laju produksinya tentunya masing-masing variabel
mempunyai karakteristik yang berbeda. Perencanaan agregat secara murni yaitu:
1. Pengaturan Jumlah Tenaga Kerja (perubahan tenaga kerja)
yaitu strategi penyesuaian tenaga kerja yang fleksibel artinya jumlah tenaga
kerja disesuaikan dengan tingkat produksi untuk pemenuhan permintaan pada
setiap periodenya dengan melakukan penambahan tenaga kerja maupun
pengurangan tenaga kerja berdasarkan tingkat permintaan.
2. Pengaturan Kecepatan Produksi (laju produksi)
yaitu strategi penyesuaian kecepatan produksi artinya tingkat laju produksi
disesuaikan dengan tingkat permintaan, jika permintaan meningkat maka laju
produksi ditingkatkan dengan penambahan jam kerja (over time). Kelemahan
dari strategi ini adalah tidak maksimalnya penggunaan kapasitas (utilisasinya
rendah) dimana terdapat kapasitas yang tidak dimanfaatkan saat permintaannya
rendah.
3. Pengaturan Persediaan (perubahan persediaan)
yaitu strategi penyesuaian produksi berdasarkan jumlah permintaan rata-rata
jika terdapat kekurangan persediaan maka dapat ditutupi dengan persediaan
pada periode sebelumnya dan jumlah tenaga kerja tetap.
4. Menggunakan Karyawan Paruh Waktu
yaitu strategi dengan memperkerjakan karyawan paruh waktu (part time) untuk
melakukan pekerjaan yang ruang lingkupnya memungkinkan untuk pekerja
paruh waktu. Strategi dilakukan untuk meminimasi biaya pekerja. Kelemahan
menggunakan pilihan strategi ini adalah kemampuan dari pekerja paruh waktu
yang terbatas sehingga hanya dapat dilakukan untuk bidang-bidang pekerjaan
tertentu.
5. Subkontrak
yaitu strategi pemenuhan permintaan dilakukan oleh pihak luar yang bekerja
sama sebagai alternatif pemenuhan kebutuhan secara keselurahan ataupun
17
sebagian dengan asumsi bahwa pihak subkontrak mampu memenuhi semua
pesanan. Hal ini untuk menghindari terjadinya keterlambatan pengiriman
produk.
Berikut adalah tabel kelebihan dan kekurangan masing-masing strategi murni:
Tabel. 2.1 Perbandingan Strategi Murni
No. Strategi Murni Kelebihan Kekurangan Keterangan
1.PengaturanJumlah TenagaKerja.
Untuk menghindaribiaya alternatiflainnya.
Biaya perekrutan, PHKdan pelatihan besar.
Digunakan untukjumlah tenaga kerjayang besar.
2.PengaturanKecepatanProduksi.
MenyesuaikanFluktuasipermintaan tanpabiaya perekrutan.
Biaya lembur tinggi,faktor kelelahansehingga tidak mampumemenuhi permintaan.
Memungkinkanfleksibilitas dalamrencana agregat.
3.PengaturanPersediaan.
Tidak adaperubahan lajuproduksi secaratiba-tiba.
Biaya penyimpanandapat meningkat,kekurangan penjualandapat mengakibatkankehilangan penjualan.
Diterapkan pada unitproduksi dan bukanjasa.
4.Karyawan ParuhWaktu.
Biaya karyawanlebih murah danfleksibel dari padakaryawan penuh.
Biayaperputaran/pelatihankaryawan tinggi, sulitmembuat jadwal.
Cocok untuk yangtidak membutuhkanketrampilan denganjumlah tenaga kerjasementara yangbanyak.
5. Subkontrak.Fleksibilitas tinggidan Hasil yangoptimal.
Kehilanganpengendalian mutu,mengurangi keuntungan,potensi kehilanganbisnis dimasamendatang.
Diterapkan terutamadalam penentuanproduksi.
2.3.3.2 Strategi Perencanaan Agregat Gabungan
Pada strategi murni tersebut masing-masing strategi mempunyai kelebihan dan
kekurangan terutama menyangkut variabel biaya. Oleh karena jika salah satu
strategi murni tersebut sudah dapat menghasilkan perencanaan yang baik maka
salah satu strategi tersebut dapat dipilih tetapi jika strategi murni belum dapat
menghasilkan pilihan perencanaan yang optimal maka dapat dilakukan dengan
18
mengkombinasikan pilihan strategi tersebut. Strategi campuran dilakukan dengan
menggabungkan dua atau lebih metode agregat dengan pertimbangan output yang
dihasilkan lebih optimum dan untuk mencegah timbulnya dampak negatif pada
salah satu metode yang dipilih.
Tabel. 2.2 Strategi Perencanaan Agregat Berdasarkan Jenis Produksi
No. Jenis Produksi Strategi Perencanaan Agregat
1. Produksi bervariasi sesuaitingkat demand yang terjadi
- Menambah atau mengurangi jumlahkaryawan atau mengubah shift
- Melakukan overtime ataumengurangi waktu kerja.
2. Produksi Konstan- Melebihkan jumlah karyawan- Menambah atau mengurangi subkontrak
2.3.4 Metode Perencanaan Agregat
Metode perencanaan agregat adalah teknik untuk merumuskan strategi
perencanaan agregat yang kita pilih ke dalam bentuk matematis maupun diagram
sehingga kita dapat mendapatkan perhitungan berupa perbandingan berbagai
variabel yang terkait yang tujuan akhirnya untuk mendapatkan total biaya yang
minimum. Pemilihan metode perencanaan agregat tergantung pada variabel
strategis yang akan kita pilih seperti pada tabel berikut:
Tabel. 2.3 Metode Perencanaan Agregat Berdasarkan Variabel Perencanaan
No. Variabel Perencanaan Metode
1. Jumlah tenaga tetap- Trial and Error
- Transportasi
2. Jumlah tenaga berubah- Program Linear
- Metode Heuristik
2.3.4.1 Metode Trial and Error
Metode Trial and Error merupakan yang paling sederhana tetapi memerlukan
ketelitian karena satu proses berpengaruh pada proses lainnya. Metode ini kurang
optimal dalam menghasilkan keputusan.
19
2.3.4.2 Metode Grafik
Metode grafik adalah metode yang sederhana yaitu menggunakan beberapa
variabel secara bersamaan agar dapat membandingkan permintaan dengan
kapasitas. Berikut adalah langkah-langkah pada metode grafik:
1. Tentukan permintaan pada masing-masing periode.
2. Tentukan kapasitas untuk waktu regular, lembur, dan subkontrak pada
masing-masing periode.
3. Gambarkan histogram permintaan dan tentukan kecepatan produksi rata-rata
yang diperlukan untuk memenuhi permintaan.
4. Gambarkan grafik permintaan kumulatif terhadap waktu serta grafik
permintaan rata-rata kumulatif terhadap waktu, kemudian identifikasikan
periode-periode terjadinya kekurangan permintaan dan periode dimana terjadi
kelebihan permintaan.
5. Tentukan strategi yang akan dipilih untuk menanggulangi kekurangan dan
kelebihan permintaan tersebut.
6. Hitung biaya yang timbul oleh setiap strategi dan pilih yang memberikan biaya
terkecil.
2.3.4.3 Metode Transportasi
Metode transportasi merupakan metode dengan tujuan mengoptimalkan kapasitas
dengan biaya produksi yang minimum. Metode ini dilakukan dengan pengaturan
kapasitas produksi yaitu mengalokasikan sejumlah permintaan yang tinggi ke
periode yang kapasitas aktual tersedianya masih dapat dimanfaatkan.
Berikut Persamaannya:
∑ = ∑ (2-14)
Pada persamaan tersebut, total supply (sumber) sama dengan total demand (tujuan
dengan biaya yang minimum. Permintaan harus selalu terpenuhi sedangkan
kapasitas tidak harus terpenuhi. Dalam mengalokasikan atau menempatkan ke
sumbernya alokasikan terlebih dahulu regular time baru kemudian ke pilihan
alternatif lain jika sumbernya sudah terbatas.
20
Tabel 2.4 Contoh Data Rencana Agregat Metode Transportasi
Periode Permintaan(unit)
KapasitasSubcont.
KapasitasRegular
Time
KapasitasOverTime
1 540 200 350 150
2 400 200 450 150
3 420 200 350 150
4 498 200 400 150
Jumlah 1550 600
Tabel di atas adalah contoh data permintaan pada 4 periode. terdapat 3 pilihan
sumber produksi yaitu Regular Time (RT) ,Over Time (OT) dan Subcontract (SC).
Biaya untuk RT adalah Rp. 1000, OT adalah Rp.1500, SC adalah Rp.1700,
simpannya adalah Rp. 100/unit/periode. Berikut adalah langkah penyelesaiannya:
1. Membuat tabel model transportasi, seperti pada tabel 2.5. Letakkan sumber
atau pasokan pada sisi sebelah kiri, kapasitas di sebelah kanan, dan tujuan di
sebelah atas dengan total permintaan dibagian bawah.
2. Mengisi sumber dengan pilihan jenis produksi yang ada yaitu regular time,
over time dan subcontract. Masukkan unsur biaya pada masing-masing kolom
yang tersedia. Unsur biaya simpan dapat langsung ditambahkan pada masing-
masing biaya regular time, over time, dan subcontract dengan menambahkan
Rp. 100 pada periode berikutnya.
3. Alokasikan sebanyak mungkin produksi yang tersedia pada sebuah sel yang
memiliki biaya yang paling rendah tanpa melebihi kapasitas yang tersedia,
jika masih terdapat permintaan pada sel tersebut maka alokasikan sebanyak
mungkin pada sel dengan biaya rendah berikutnya.
4. Setelah semua terisi maka jumlah input dalam satu baris harus sama dengan
kapasitas total baris serta total input dalam suatu kolom harus sama dengan
permintaan untuk periode tersebut.
5. Hitung total biaya produksinya dengan mengalikan jumlah yang diproduksi
dengan faktor biaya masing-masing periode.
6. Buat rencana produksi yang menjabarkan jumlah permintaan dan jumlah yang
akan diproduksi dengan berapa total inventori.
21
Tabel 2.5 Contoh Penyelesaian Metode Transportasi
SumberPeriode Kapasitas Kapasitas
1 2 3 4Tidak
Terpakai TersediaBulan Persediaan 20
1
RT 1000 1100 1200 13000 350
350OT 1500 1600 1700 1800
0 150150
SK 1700 1700 1700 1700180 200
20
2
RT 1000 1100 12000
450400 50OT 1500 1600 1700
150 150
ST 1700 1700 1700200 200
3
RT 1000 11000 350
350OT 1500 1600
130 15020
ST 1700 1700200 200
4
RT 10000 400
400OT 1500
32 150118
ST 1700200 200
Permintaan 540 400 420 518 1092 2950
Biaya Total = 350 (1000) + 150 (1500) + 20 (1700) + 400 (1000) + 50 (1100)
+ 350 (1000) + 20 (1500) + 400 (1000) + 118 (1500)
= 2.021.000
Jadwal Produksi Induknya adalah sebagai berikut:
Tabel 2.6 Contoh Jadwal Induk Produksi
Periode 1 2 3 4
Permintaan (kg) 520 400 420 518
Jumlah Produksi (kg) 520 450 370 518
22
BAB III
METODOLOGI PENELITIAN
Metodologi penelitian adalah proses atau kerangka yang akan ditempuh dalam
melakukan penelitian agar langkah kerja penelitian menjadi lebih terarah sesuai
dengan tujuan yang akan dicapai. Pada kerangka penyelesaian masalah juga
disebutkan dengan rinci variabel-variabel yang akan digunakan serta proses
pengolahannya sehingga proses penelitian dari awal hingga akhir berjalan dengan
baik dan menghasilkan simpulan yang sesuai dengan tujuan penelitian . Berikut
ini adalah flow chart metodologi penelitian secara umum:
Gambar 3.1 Flow Chart Metodologi Penelitian
3.1 Lokasi dan Periode Penelitian
Penelitian ini dilakukan di PT.XYZ yang berlokasi di Cikarang, Jawa Barat. PT.
XYZ adalah perusahaan yang memproduksi tepung jeli (jelly powder) yang
mempunyai area pemasaran di seluruh indonesia. Penelitian dilakukan pada
periode September 2014-Maret 2015.
Studi Pendahuluan
Identifikasi Masalah
Studi Pustaka
Data dan Analisis
Simpulan dan Saran
23
3.2 Obyek dan Data Penelitian
Obyek pada penelitian ini adalah peramalan dan perencanaan produksi. Data pada
penelitian ini adalah variabel independent yaitu variabel yang akan mempengaruhi
variabel dependent seperti data permintaan, biaya jam normal (regular cost),
biaya lembur (overtime cost), biaya simpan (holding cost), dan kapasitas produksi
serta variabel dependent yaitu variabel yang dipengaruhi variabel independent
yaitu hasil ramalan, total biaya produksi dan revenue.
3.3 Model Penelitian
Berdasarkan jenis dan analisis data yang dilakukan, model penelitian ini melalui
pendekatan kuantitatif yaitu model penelitian yang menggunakan jenis data dan
variabel yang dapat diukur (measurable variable) serta pengolahan datanya
menggunakan model matematis berdasarkan rumusan baku. Simpulan akhir pada
penelitian ini merupakan parameter dari variabel yang diolah tersebut.
3.4 Metode Pengumpulan Data
Metode pengumpulan data pada penelitian ini adalah melalui observasi secara
langsung ke lapangan (divisi yang terkait) dengan melakukan wawancara secara
langsung pada pihak terkait terhadap kondisi nyata yang terjadi dilapangan
kemudian memverifikasi data-data hasil wawancara tersebut dengan menyalin
data dari perusahaan baik dalam bentuk soft copy maupun hard copy sedangkan
untuk data yang bukan dari perusahaan (data eksternal) seperti data tanggal
berlangsungnya Lebaran dilakukan dengan menyalin dari internet kemudian
diverifikasi dengan kalender resmi nasional.
3.5 Metode Pengolahan Data
Metode pengolahan data pada penelitian ini menggunakan bantuan software Excel
dan Minitap 17. Data yang telah dikumpulkan kemudian dikelompokkan sesuai
jenis variabelnya dan dianalisa kecukupan datanya jika belum cukup maka
dilakukan penambahan data dan jika sudah cukup kemudian diverifikasi terlebih
dahulu agar data yang akan diolah benar-benar valid dengan melakukan cross
check dari sumber lain yang masih terkait. Data-data yang sudah terverifikasi
24
tersebut kemudian diolah menggunakan software Excel dan Minitap 17 sesuai
dengan rumusan bakunya.
3.6 Frame Work Penyelesaian Masalah
Frame work penyelesaian masalah ini berisikan rincian langkah-langkah
pemecahan masalah mulai dari tahap awal hingga tahap akhir. Frame work ini
digunakan sebagai pedoman agar penelitian ini berlangsung secara sistematis dan
sesuai dengan tujuan penelitian. Frame Work penyelesaian masalah dapat dilihat
pada Gambar 3.2.
3.6.1 Observasi
Pada tahap ini dilakukan observasi awal atau survey lapangan pada bagian yang
terkait secara langsung yaitu pada proses perencanaan produksi tepung jeli.
Observasi ini bertujuan untuk mendapatkan gambaran secara jelas mengenai
permasalahan yang terjadi secara keseluruhan pada sistem yang terkait. Observasi
ini fokus pada perencanaan produksi yang meliputi proses peramalan,
penjadwalan, dan penggunaan sumber daya yang tersedia.
3.6.2 Identifikasi Masalah
Pada tahap ini dilakukan identifikasi masalah secara rinci pada setiap bagian dan
proses yang telah diobservasi. Permasalahan tersebut kemudian dirangkum dan
dianalisa untuk dirumuskan dan dijadikan dasar pada penelitian ini untuk
dicarikan solusi dan pemecahannya dengan metode-metode yang sesuai.
Pada penelitian ini masalah yang dirumuskan adalah tidak akuratnya peramalan
perusahaan karena tidak memperhitungkan adanya special event, seasonal dan
trend , tidak optimalnya penggunaan kapasitas yang tersedia (utilisasi), biaya
lembur yang tinggi, dan tidak terpenuhinya permintaan (lost sale) konsumen pada
periode-periode tertentu dimana terdapat kenaikan permintaan (peak period)
Sebagai tolak ukur penyelesaian pada penelitan ini akan berdasarkan pada
pemilihan metode ramalan yang tepat, total biaya produksi, utilisasi kapasitas
regular time, dan revenue.
25
Gambar 3.2 Frame Work Penyelesaian Masalah
Mulai
Observasi
Identifikasi Masalah Studi Pustaka
Pengumpulan Data: Permintaan Aktual Tahun 2010-2014 Kapasitas Produksi Tahun 2014 & 2015 Biaya-Biaya (regular time, over time, &
holding)
Perencanaan Produksitahun 2014 Kondisi
Saat ini : Menghitung Utilisasi Menghitung Biaya
Produksi Menghitung Revenue
Peramalan tahun 2015 : Identifikasi Pola Seasonal Identifikasi Pola Trend Identifikasi Special Event Menghitung Faktor Koreksi Peramalan Linear Regression,
Decomposition, & Winters Method
Pemilihan Ramalan Terbaik: Nilai Error (MAD) terendah Lolos Uji IIDN
Membandingkan Perencanan saat inidengan Metode Transportasi
Adjustment dengan Faktor Koreksipada Periode Special Event Lebaran
Hasil dan Pembahasan
Simpulan dan Saran
Perencanaan Produksitahun 2015 Metode Transpotasi
Perencanaan Produksitahun 2014 Metode
Transportasi : Menghitung Utilisasi Menghitung Biaya
Produksi Menghitung Revenue
Selesai
Membandingkan UtilisasiPerencanaan saat ini dengan Metode
Transportasi(Periode Januari,Maret, April 2015)
26
3.6.3 Studi Pustaka
Pada tahap ini dipelajari teori-teori yang didapatkan dari buku, jurnal, seminar,
skripsi, atau halaman internet yang valid dan dapat dipertanggung jawabkan
sumbernya yang dijadikan landasan untuk mendukung penyelesaian masalah pada
penelitian ini. Teori-teori tersebut kemudian dipelajari dan dikaji serta
dikomparasi dari berbagai sumber untuk mendapatkan penjelasan teori yang
berimbang. Teori-teori yang dipelajari membahas tentang hal-hal berikut ini:
Fungsi dan tujuan peramalan.
Jenis-jenis pola permintaan seperti pola seasonal, trend, siklis, dan campuran.
Metode Peramalan yang memperhitungkan adanya pengaruh special event,
seasonal, dan trend yaitu Linear Regression with Seasonal, Winters Method,
dan Decomposition.
Uji error dan kelayakan model.
Fungsi dan tujuan perencanaan agregat.
Perencanaan Agregat metode transportasi.
3.6.4 Pengumpulan Data
Pada tahap ini dilakukan pengumpulan data yang diperlukan untuk dijadikan
bahan penelitian yang akan diolah dan dianalis pada langkah selanjutnya.
Variabel-variabel data yang dikumpulkan tersebut sesuai dengan hasil observasi
dan identifikasi pada tahap sebelumnya. Data yang dikumpulkan adalah sebagai
berikut:
1. Data permintaan aktual tahun 2010-2014.
2. Kapasitas aktual tahun 2014 dan 2015
3. Tanggal berlangsungnya Lebaran tahun 2010-2015
4. Biaya-biaya (regular time cost, over time cost, holding cost)
3.6.5 Pengolahan Data Kondisi Saat ini
Pada tahap ini dilakukan perhitungan akurasi ramalan perusahaan, lost sale yang
terjadi, utilisasi kapasitas produksi , dan total biaya produksi, serta revenue yang
dihasilkan selama 2014. Data ini nantinya digunakan sebagai data pembanding
untuk perhitungan pada metode transportasi.
27
3.6.6 Pengolahan Data Peramalan Untuk Permintaan Tahun 2015
Pada tahap ini dilakukan pengolahan data berupa peramalan menggunakan metode
time series. Hasil peramalan ini digunakan sebagai dasar dalam perencanaan
agregat satu tahun ke depan. Adapun langkahnya adalah sebagai berikut:
1. Identifikasi Pola Permintaan
Yaitu dengan plotting data untuk mengidentifikasi pola seasonal, trend dan
special event.
Pola Seasonal, identifikasi apakah terdapat pola yang berulang secara
periodik dan apakah berulangnya di sertai tren yang kenaikannya sama
(aditif) atau kenaikannya berlipat (multiplikatif)
Pola Trend, identifikasi apakah terdapat kecenderungan permintaan yang
meningkat (positive trend) atau menurun (negative trend).
Pola Special Event, identifikasi special event apa saja yang berpengaruh
signifikan terhadap lonjakan permintaan dan dikelompokan periode yang
termasuk special event dan non special event.
2. Perhitungan Indeks Musiman (seasonal index)
Perhitungan Indeks Musiman ini sebagai koefisien pengaruh special event pada
permintaan aktual. Periode dimana terjadi lonjakan permintaan maka nilai
indeksnya lebih dari 1 sedangkan yang permintaanya di bawah rata-rata
permintaan tahunan maka indeksnya kurang dari 1.
3. Menentukan Faktor Koreksi
Faktor koreksi digunakan untuk proses adjustment atas hasil ramalan pada
special event Lebaran dimana hari terjadinya Lebaran tidak sama dari tahun ke
tahun pada kelender Masehi. Dengan menghitung faktor ini maka hasil
ramalan dapat terkoreksi sesuai dengan permintaan aktualnya. Langkah
penentuan faktor koreksi adalah sebagai berikut:
3.1 Hitung tingkat permintaan tepung jeli pada bulan Ramadhan dengan
periode mingguan menggunakan data 2013 dan 2014 kemudian hitung
rasionya.
3.2 Hitung pembagian rasio pada periode dimana terjadi bulan Ramadhan
dengan menghitung berapa hari puasa pada bulan tersebut.
28
3.3 Faktor koreksi ini kemudian digunakan untuk adjustment hasi ramalan
pada bulan Ramadhan.
4. Peramalan
Metode Peramalan yang digunakan antara lain Linear Regression with
Seasonal, Winters Methods, dan Decomposition. Berikut adalah langkah
kerjanya untuk masing masing peramalan:
4.1. Linear Regression with Seasonal (menggunakan sofware excel)
Hitung persamaan garis lurusnya untuk menentukan nilai trend.
Hitung Indeks musiman.
Hitung Nilai ramalannya.
Uji Error dan Kelayakan Model (IIDN).
4.2 Winters Method (menggunakan software minitap 17)
Menentukan nilai α, γ, dan β (dicoba dengan trial and error)
Input Data: Data permintaan 2013 dan 2014, Panjang musiman, komponen
peramalan (nilai α, γ, dan β), tipe musiman (multiplikatif), dan panjang
periode yang akan diramalkan.
Hitung Nilai Ramalannya.
Uji Error dan Kelayakan Model (IIDN).
4.3 Decomposition (menggunakan software minitap 17)
Input Data: Data permintaan 2013 dan 2014, Panjang musiman, Jenis
Peramaan (trend plus seasonal), tipe musiman (multiplikatif), dan panjang
periode yang akan diramalkan.
Hitung Nilai Ramalannya.
Uji Error dan Kelayakan Model (IIDN)
3.6.7 Pemilihan Metode Peramalan Terbaik
Pada tahap ini dilakukan pemilihan metode yang terbaik dari hasil peramalan yang
telah dilakukan dengan cara membandingkan performansi dari masing-masing
peramalan dan uji verifikasi
1. Uji Error
29
Tahap ini dengan membandingkan nilai performansi ramalan berdasarkan nilai
MAD yang terendah dibandingkan dengan metode permalan yang lain.
2. Uji Kelayakan Model
Uji kelayakan model ini untuk menilai apakah suatu metode peramalan
tersebut dapat mewakili pola data tersebut atau tidak. pada uji kali ini verifikasi
peramalan yang dipakai adalah IIDN (identik, Independen, Distribusi Normal)
3.6.8 Perencanaan Metode Transportasi
Pada tahap ini dilakukan perhitungan perencanaan agregat tahun 2014 dan tahun
2015 dengan metode transportasi, data yang digunakan untuk perencanaan agregat
tahun 2015 adalah berdasarkan peramalan yang terbaik yang sudah dilakukan
proses adjustment dengan faktor koreksi.
3.6.9 Perbandingan Rencana Usulan dengan Kondisi Saat ini.
Pada tahap ini dilakukan komparasi hasil perhitungan antara metode usulan
dengan metode perusahaan yang meliputi pemanfaatan kapasitas , biaya, revenue,
dan peramalan. Periode yang dibandingkan untuk tahun 2014 sebanyak 12 periode
(Jan-Des) sedangkan untuk tahun 2015 adalah 3 periode yaitu (Jan-Maret) karena
saat penelitian berlangsung periode berjalan pada tahun 2015 baru sampai Maret
2015.
3.6.10 Hasil dan Pembahasan
Pada tahap ini dilakukan pembahasan atas keseluruhan proses penelitian yang
dilakukan dengan memproyeksikan permasalahan yang dirumuskan dengan hasil
pengolahan data.
3.6.11 Simpulan dan Saran
Tahap ini merupakan tahap terakhir pada penelitian yaitu menarik simpulan
terhadap penelitian ini berdasarkan dari hasil pengolahan data dan analisanya
yang mencakup inti dari penelitian ini serta memberikan saran terhadap penelitian
di masa mendatang yang mempunyai topik yang berkaitan sebagai bahan
pengembangan
30
BAB IV
DATA DAN ANALISIS
4.1 Kondisi Saat ini
Kurangnya perusahaan dalam mengantisipasi lonjakan permintaan pada periode
special event khususnya Lebaran membuat biaya produksi menjadi tinggi karena
pada periode tersebut pemenuhan kebutuhan dilakukan dengan over time,
ditambah dengan terjadinya lost sale membuktikan bahwa perencanaan produksi
perusahaan saat ini tidak optimal. Berikut adalah pola permintaan tepung jeli
pada tahun 2014:
Gambar 4.1 Grafik Permintaan tahun 2014
Berdasarkan grafik di atas terlihat bahwa pola permintaan tepung jeli berfluktuasi
yaitu naik turun pada periode tertentu. Periode dengan tanda panah merah
merupakan periode dimana permintaannya di bawah rata-rata permintaan bulanan
sedangkan periode dengan tanda panah hijau merupakan periode dimana
permintaannya di atas rata-rata permintaan bulanan. Pola permintaan yang
berfluktuasi tersebut memerlukan perencanaan produksi yang rinci dan metode
peramalan yang sesuai agar penjadwalan produksi berjalan optimal yaitu dapat
mengoptimalkan kapasitas dengan biaya produksi yang minimum.
31
4.1.1 Peramalan Perusahaan Saat ini
Perusahaan selama ini tidak menggunakan metode peramalan tertentu untuk
memprediksi tingkat permintaan tepung jeli. Rencana produksi hanya berdasarkan
permintaan tahun lalu, jika terdapat kenaikan permintaan maka di lakukan
penyesuaian (adjustment) pada rencana produksi. Berdasarkan permintaan tepung
jeli tahun 2014. Hasil ramalan perusahaan mempunyai akurasi yang rendah
terutama pada 3 periode menjelang special event Lebaran. Periode tersebut adalah
Mei, Juni, dan Juli. Berikut adalah akurasi ramalan perusahaan:
Tabel 4.1 Akurasi Ramalan Perusahaan tahun 2014
Periode(Bulan)
RamalanPerusahaan
(kg)
PermintaanAktual (kg) Akurasi (%)
1 63.000 70.000 902 60.000 69.000 86,963 78.000 85.000 91,764 66.000 80.000 82,55 105.000 147.000 71,436 118.000 149.000 79,197 158.000 200.000 798 63.000 70.000 909 70.000 75.000 93,3310 80.000 85.000 94,1211 129.000 140.000 92,1412 130.000 145.000 89,66
Rata-rata 86,67%
Berdasarkan tabel di atas rata-rata akurasi peramalan periode Januari-Desember
2014 adalah 86,67%, terdapat 9 periode yang akurasinya di atas 80% dan 3
periode yang akurasinya di bawah 80% yaitu bulan Mei, Juni, dan Juli berturut-
turut 71,43%, 79,19% dan 79% dimana pada periode tersebut terjadi lonjakan
permintaan tepung jeli karena menjelang special event Lebaran. Efek special
event tersebut berpengaruh pada akurasi peramalan karena pada special event
tersebut terdapat kenaikan permintaan yang signifikan yang besarnya hingga 80%
dari rata-rata permintaan bulanan dan selama ini belum dapat diantisipasi dengan
baik oleh perusahaan. Lonjakan permintaan ini harus dapat diprediksi dengan
baik. Oleh karena itu diperlukan metode peramalan yang sesuai dengan pola data
permintaan tersebut.
32
4.1.2 Perencanaan Produksi Metode Perusahaan tahun 2014
Perencanaan produksi yang dilakukan perusahaan selama ini dilakukan secara
bulanan bukan perencanaan yang dilakukan secara tahunan. Data permintaannya
berdasarkan ramalan perusahaan yang mempunyai tingkat akurasi yang rendah
pada periode special event sehingga rencana produksinya pun menjadi tidak
optimal karena pada periode dimana tidak terjadi lonjakan permintaan (non
special event) utilisasinya rendah dan pada periode puncak permintaan (peak
period) terjadi lost sale yaitu kehilangan penjualan karena permintaan yang tidak
dapat dipenuhi. Lost sale terjadi karena permintaan melebihi kapasitas aktual
yang tersedia (regular dan over time) dan hal tersebut menyebabkan menurunnya
tingkat keuntungan perusahaan (revenue). Berikut adalah tabel perencanaan
produksi tahun 2014:
Tabel 4.2 Perencanaan Produksi tahun 2014 Kondisi Saat ini
Periode(Bulan)
Permintaan(kg)
KapasitasRT (kg)
Produksi (kg) Utilisasi RT(%)RT OT
1 70.000 95.000 70.000 0 742 69.000 100.000 69.000 0 693 85.000 100.000 85.000 0 854 80.000 105.000 80.000 0 765 147.000 85.000 85.000 62.000 1006 149.000 105.000 105.000 44.000 1007 200.000 90.000 90.000 90.000 1008 70.000 100.000 70.000 0 709 75.000 110.000 75.000 0 6810 85.000 115.000 85.000 0 7411 140.000 100.000 100.000 40.000 7412 145.000 105.000 105.000 40.000 69
Jumlah 1.019.000 1.315.00 1.019.000 276.000Rata-rata 84,64
Berdasarkan tabel di atas terlihat bahwa utilisasi kapasitas regular time periode
satu tahun adalah 84,64% dan utilisasi kapasitas regular time pada periode
dimana tidak terjadi lonjakan permintaan (non special event) hanya 63,15%. Pada
periode ke 7 dimana terjadi puncak permintaan yaitu pada special event Lebaran
terdapat kekurangan permintaan sebesar 20.000 kg. Permintaan pada periode
tersebut adalah 200.000 kg tetapi yang dapat dipenuhi hanya 180.000 kg atau
terjadi lost sale sebesar 10%. Hal ini menunjukkan tidak optimalnya penggunaan
33
kapasitas pada periode non special event. Adapun biaya produksi tahun 2014
dapat dilihat pada tabel 4.3 di bawah ini.
Tabel 4.3 Biaya Produksi tahun 2014 Kondisi Saat ini
No. Jenis Biaya Biaya/unit(Rp/kg)
Produksi(kg) Biaya (Rp)
1 Reguler Time 2.000 1.019.000 2.038.000.0002 Over Time 4.000 276.000 1.104.000.0003 Holding Cost 0 0 0
Jumlah 1.295.000 3.142.000.000
Biaya Produksi tahun 2014 = Rp. 3.143.000.000
Lost sale tahun 2014 = Rp. 50.000/kg x 20.000 kg = Rp.1.000.000.000
Revenue = Income - Biaya Produksi
= (1.295.000 x Rp. 50.000) - Rp. 3.142.000.000
= Rp. 61.608.000.000
Dari perhitungan di atas terlihat bahwa revenue perusahaan berkurang karena
adanya lost sale.
4.2 Pengumpulan Data
Berikut adalah data-data yang dikumpulkan sebagai bahan untuk proses
peramalan dan perencanaan.
4.2.1 Data Kapasitas Aktual
PT. XYZ menerapkan hari kerja efektif adalah 5 hari/minggu (senin-jumat), hari
sabtu dan minggu digunakan untuk proses sanitasi serta maintenance. PT.XYZ
tidak melakukan pembatasan waktu lembur selama waktu masih tersedia. Berikut
adalah waktu kerja efektifnya:
Regular Time (07.30-16.30) = 8 jam kerja efektif/hari, 1 jam istirahat
Over Time (16.30-01.30) = 8 Jam kerja efektif/hari, 1 jam istirahat
Kapasitas Efektifnya:
Mesin I = 2.000 kg/hari, Mesin II = 1.000 kg/hari, Mesin III = 1.000 kg/hari
Mesin IV = 1.000 kg/hari.
Total Kapasitas efektif = 5.000 kg/hari
34
Tabel 4.4 Kapasitas Aktual tahun 2014 dan 2015
Periode(Bulan)
HariAktual2014
HariAktual2015
Kapasitas Aktual2014
Kapasitas Aktual2015
RT/Periode
OT/Periode
RT/Periode
0T/Periode
1 19 20 95.000 95.000 100.000 100.0002 20 19 100.000 100.000 95.000 95.0003 20 22 100.000 100.000 110.000 110.0004 21 21 105.000 105.000 105.000 105.0005 17 18 85.000 85.000 90.000 90.0006 21 21 105.000 105.000 105.000 105.0007 18 18 90.000 90.000 90.000 90.0008 20 20 100.000 100.000 100.000 100.0009 22 21 110.000 110.000 105.000 105.00010 23 21 115.000 115.000 105.000 105.00011 20 21 100.000 100.000 105.000 105.00012 21 21 105.000 105.000 105.000 105.000
Jumlah 242 243 1.210.000 1.210.000 1.215.000 1.215.000Rata-rata 100.833 100.833 101.250 101.250
Berdasarkan tabel di atas terlihat bahwa kapasitas produksi yang rendah terjadi
pada periode ke 5 (Mei) dan 7 (Juni) baik pada tahun 2014 dan 2015. Periode ke
7 (Juni) merupakan periode puncak permintaan (peak period) tetapi kapasitas
aktual yang tersedia justru di bawah rata-rata permintaan tahunan. Oleh karena itu
diperlukan pemanfaatan kapasitas yang optimal terutama pada periode non special
event agar permintaan yang tinggi pada periode puncak tersebut dapat
dialokasikan ke periode non special event. Kapasitas aktual tersebut sudah
memperhitungkan waktu maintenance, set up, dan hari libur.
4.2.2 Data Permintaan Aktual tahun 2010-2014
Data permintaan aktual tepung jeli ini menggambarkan bagaimana pola atau
karakteristik produk tersebut. Pola permintaan tersebut akan dianalisis lebih lanjut
pada proses peramalan. Data permintaan tepung jeli ini juga digunakan sebagai
dasar dalam perhitungan perencanaan produksi agregat untuk kemudian
dibandingkan antara kondisi saat ini dengan metode transportasi. Data permintaan
tepung jeli ini merupakan data 5 tahun terakhir yaitu tahun 2010 hingga 2014.
Berdasarkan data permintaan tepung jeli tersebut menunjukkan permintaan
tepung jeli tersebut meningkat dari tahun ke tahun. Hal ini menunjukkan terdapat
indikasi kecenderungan positive trend.
35
Tabel 4.5 Permintaan Aktual tahun 2010-2014
Periode(Bulan)
Data Permintaan Aktual (kg)2014 2013 2012 2011 2010
1 70.000 63.000 57.000 50.000 47.0002 69.000 60.000 60.000 68.000 51.0003 85.000 78.000 70.000 68.500 46.5004 80.000 66.000 60.000 57.000 39.9505 147.000 105.000 90.000 66.000 54.0006 149.000 118.000 90.000 80.000 59.0007 200.000 158.000 130.000 80.000 78.9508 70.000 63.000 60.000 100.000 91.8009 75.000 70.000 70.000 50.000 42.00010 85.000 80.000 70.000 65.000 57.90011 140.000 129.000 90.000 78.000 75.00012 145.000 130.000 110.000 87.000 86.300
Jumlah 1.315.000 1.120.000 957.000 849.500 729.400Rata-rata 109.583,33 93.333,33 79.750,00 70.791,67 60.783,33
Berdasarkan tabel di atas menunjukkan bahwa permintaan tepung jeli selalu
meningkat dari tahun ke tahun dengan rata-rata permintaan tahun 2010
sebesar 60.783,33 kg terus meningkat hingga menjadi 109.583,33 kg pada
tahun 2014 atau meningkat sebesar 80,28 % selama 5 tahun.
4.2.3 Data Biaya Produksi
Biaya produksi pada penelitian ini mencakup biaya tenaga kerja langsung
dan overhead tetapi tidak mencakup biaya bahan baku sehingga revenue
yang dihitung pada penelitian ini merupakan keuntungan kotor yang belum
dikurangi dengan biaya bahan baku.
Berikut ini adalah biaya-biaya pada produksi tepung jeli:
Regular Time Cost = Rp. 2.000/kg
Over Time Cost = Rp. 4.000/kg
Holding Cost = Rp. 100/kg/periode
Selling Price = Rp. 50.000/kg
Berdasarkan rincian biaya di atas terlihat bahwa over time cost dua kali lipat
(100%) lebih tinggi dibandingkan dengan regular time cost sehingga jika
terjadi over time yang tinggi maka akan berpengaruh signifikan pada biaya
produksi sedangkan holding cost nilainya 5% dari regular time cost dan
2,5% dari over time cost.
36
4.2.4 Data Tanggal Lebaran tahun 2010-2015
Special event Lebaran, Natal, dan Tahun Baru memberikan efek positif pada
permintan tepung jeli yaitu terjadi lonjakan permintaan yang tinggi terutama pada
special event Lebaran. Pada Natal dan Tahun Baru berlangsungnya special event
tersebut selalu sama yaitu pada tanggal 25 Desember dan 1 Januari tetapi untuk
Lebaran karena menggunakan kalender Hijriah maka tanggal berlangsungnya
selalu bergeser kedepan. Hal ini berpengaruh pada hasil ramalan karena periode
untuk tahun berikutnya juga bergeser. Oleh karena diperlukan koreksi atau
adjustment atas hasil ramalan tersebut agar sesuai dengan kondisi aktualnya pada
kalender Masehi. Berikut adalah hari berlangsungnya Lebaran tahun 2010-2015:
Tabel 4.6 Tanggal Berlangsungnya Lebaran 2010-2015
Berdasarkan tabel di atas terlihat bahwa tanggal berlangsungnya Lebaran selalu
bergeser kedepan sekitar 10-11 hari ke minggu di depannya.
4.3 Peramalan
Peramalan diperlukan untuk memprediksi tingkat permintaan tepung jeli pada
periode selanjutnya sehingga perusahaan dapat melakukan perencanaan dengan
baik sesuai dengan hasil ramalan tersebut. Peramalan dikatakan baik jika memiliki
tingkat akurasi yang tinggi, mempunyai nilai kesalahan (error) yang rendah, pola
datanya sesuai dengan data permintan, serta lolos uji verifikasi dan validasi. Pada
peramalan tepung jeli ini terdapat indikasi adanya seasonal dan trend serta
pengaruh special event. Oleh karena itu metode peramalan yang digunakan harus
dapat memperhitungkan pengaruh special event, seasonal, dan trend tersebut agar
hasil ramalan dapat mewakili pola permintaan tepung jeli dan mempunyai akurasi
yang tinggi.
TahunSpecial Event Lebaran
Bulan Minggu ke Tanggal2010 9 (September) 1 102011 9 (September) 1 12012 8 (Agustus) 3 192013 8 (Agustus) 2 82014 7 (Juli) 4 282015 7 (Juli) 3 17
37
4.3.1 Identifikasi Pola Permintaan
Identifikasi ini bertujuan untuk mengetahui jenis pola permintaan. Pola data
mempunyai beberapa karakter seperti statis, fluktuatif, musiman, linear atau jenis
lainnya. Oleh karena itu untuk mempermudah dalam analisis pola permintaan
maka masing-masing karakter tersebut di uji dengan cara memploting data
permintaan tersebut kemudian dilihat kecenderungannya. Jenis pola data tersebut
sangat penting dalam penentuan metode peramalan yang tepat.
4.3.1.1 Identifikasi Pola Musiman (Seasonal)
Tahap ini adalah untuk mengidentifikasi apakah terdapat kecenderungan pola
musiman atau tidak pada permintaan tepung jeli. Pola musiman (seasonal) adalah
pola dimana kenaikan atau penurunan permintaan terjadi pada periode-periode
tertentu dan selalu berulang pada periode berikutnya.
Gambar 4.2 Grafik Identifikasi Pola Musiman tahun 2010-2014
Grafik di atas memperlihatkan bahwa pada permintaan tepung jeli terdapat pola
musiman yaitu permintaan periode ke satu terulang diperiode tahun selanjutnya.
dan permintaanya cenderung meningkat pada periode berikutnya (multiplikatif).
Hal tersebut menunjukkan bahwa pada permintaan tepung jeli peningkatan
permintaan ataupun penurunan terjadi pada periode-periode tertentu. Angka 1-5
60544842363024181261
200000
175000
150000
125000
100000
75000
50000
Bulan
Permintaan(Kg)
Identifikasi Pola Musiman
12
3
4
5
38
pada plot data menunjukkan adanya permintaan yang berulang pada special event
Lebaran.
4.3.1.2 Identifikasi Pola Trend
Tahap ini adalah untuk mengidentifikasi apakah terdapat kecenderungan pola
trend atau tidak pada permintaan tepung jeli. Pola trend adalah pola dimana terjadi
kecenderungan peningkatan atau penurunan permintaan. Pola trend ini sangat
berpengaruh pada peramalan karena mempengaruhi besarnya peningkatan atau
penurunan permintaan hasil ramalan.
Gambar 4.3 Grafik Identifikasi Pola Trend tahun 2010-2014
Grafik di atas adalah pola data permintaan pertahun tepung jeli. Grafik tersebut
menunjukkan permintaan tahunan tepung jeli meningkat dari tahun ke tahun
sehingga pada pola permintaan tepung jeli ini terdapat positive trend yaitu
permintaan yang cenderung meningkat dari satu periode ke periode selanjutnya.
4.3.1.3 Identifikasi Special Event
Tahap ini adalah untuk mengidentifikasi special event apa saja yang berpengaruh
pada permintaan tepung jeli. Special event yang dimaksud adalah periode dimana
terjadi lonjakan permintaan yang lebih tinggi dari rata-rata permintaan pada
periode-periode lainnya. Dengan mengidentifikasi special event tersebut maka
akan diketahui special event apa yang paling besar memberikan pengaruh pada
54321
110000
100000
90000
80000
70000
60000
Tahun
Permintaan(Kg)
Identifikasi Pola Trend
39
kenaikan permintaan tepung jeli serta dapat mengelompokkan periode-periode
mana saja yang masuk kategori special event dan non special event.
Gambar 4.4 Grafik Identifikasi Pola Special Event tahun 2014
Grafik di atas memperlihatkan titik-titik pada periode dimana terjadi lonjakan
permintaan atau penurunan permintaan.
Tabel 4.7. Identifikasi Special Event tahun 2014
Dari tabel di atas terlihat bahwa terdapat indikasi adanya special event pada pola
permintaan tepung jeli. Berikut adalah keterangan selengkapnya:
1. Peningkatan signifikan pertama terjadi pada bulan Mei, Juni, dan puncaknya
pada bulan Juli. Kenaikan terjadi karena menjelang special event Lebaran
yang berlangsung pada tanggal 28 Juli pada tahun 2014.
2. Peningkatan signifikan kedua terjadi pada bulan November dan Desember.
dipastikan bahwa kenaikan tersebut terjadi karena menjelang special event
Natal dan Tahun Baru.
121110987654321
200000
175000
150000
125000
100000
75000
50000
Bulan
Permintaan(Kg) 1 2
3
4
5
Identifikasi Special Event
6
Kecenderungan Plot Keterangan
Peningkatan Signifikan ke 1 1,2, & 3Terjadi pada bulan Mei, Juni, danJuli
Peningkatan Signifikan ke 2 5 & 6Terjadi pada bulan November danDesember
Penurunan Signifikan 4 Terjadi pada bulan Agustus
40
3. Penurunan signifikan terjadi pada bulan Agustus dapat dipastikan bahwa
penurunan tersebut terjadi setelah periode special event Lebaran.
4. Periode yang masuk kategori special event adalah Mei, Juni, Juli, November,
dan Desember.
5. Periode yang masuk kategori non special event adalah Januari, Februari, Maret,
April, Agustus, September, dan Oktober.
4.3.1.4 Perhitungan Faktor Koreksi Special Event Lebaran
Special event Lebaran menggunakan sistem kalender Hijriah sehingga tanggal
berlangsungnya Lebaran selalu bergeser ke depan. Hal ini akan membuat
perbedaan tanggal berlangsungnya Lebaran pada kalender Masehi. Perbedaan
tersebut akan berpengaruh pada hasil ramalan karena pada perhitungan ramalan
diasumsikan tanggal berlangsungnya Lebaran selalu sama. Oleh karena itu
diperlukan faktor koreksi yang berfungsi sebagai koefisien koreksi sehingga hasil
peramalan pada sistem kalender Masehi sesuai dengan kondisi aktualnya.
Penentuan faktor koreksi menggunakan rasio permintaan yang akan
mengidentifikasi pola penjualan pada periode special event tersebut.
Berikut adalah rasio penjualan pada periode puncak (peak period) tahun 2013 dan
2014:
Tabel 4.8 Rasio Permintaan Special Event Lebaran tahun 2015
Minggu HariEfektif
PemintaanJuli2014
PemintaanJuli2013
RasioPermintaan
2014
RasioPermintaan
2013
Rata-rataRasio
1 1-5 40.000 32.000 0,222 0,203 0,212 6-10 80.000 60.000 0,444 0,380 0,413 11-15 50.000 60.000 0,278 0,380 0,334 16-20 10.000 6.000 0,056 0,038 0,05
Jumlah 180.000 158.000 1 1 1
Berdasarkan tabel di atas terlihat bahwa puncak permintaan terjadi pada minggu
ke 2 dengan rasio 0,41 dan kemudian terus turun sampai minggu terakhir. Hal
tersebut menunjukan bahwa pada minggu ke 4 atau menjelang hari raya Lebaran
tingkat permintaannya sangat rendah sehingga rasionya juga kecil yaitu 0,05.
Perhitungan rasio permintaan tersebut menggunakan hari kerja efektif yaitu senin
sampai dengan jumat karena pada hari sabtu dan minggu tidak ada aktivitas
41
penjualan (hari libur). Berdasarkan nilai rasio tersebut maka didapatkan faktor
koreksi untuk bulan Juni dan Juli dengan menghitung terlebih dahulu jumlah hari
pada bulan Ramadhan yang berada di ke dua periode tersebut (Juni dan Juli).
Berikut adalah tabel faktor koreksi tersebut:
Tabel 4.9 Faktor Koreksi Periode Special Event Lebaran tahun 2015
Bulan Range HariRamadhan
Hari KerjaEfektif Rasio
Juni 17-31 10 0,62Juli 1-17 11 0,38
Hari Lebaran pada tahun 2015 berlangsung pada tanggal 17 Juli 2015 oleh karena
itu hasil ramalan pada bulan Juli dan juni akan dikoreksi sesuai dengan tingkat
rasio hari yang berpengaruh tersebut.
4.3.1.5 Perhitungan Indeks Musiman (Seasonal Index)
Pada proses identifikasi pola permintaan yang telah dilakukan, memperlihatkan
bahwa pola pemintaan tersebut terdapat unsur permintaan musiman (seasonal
demand). Perhitungan indeks musiman ini digunakan untuk mengelompokkan
periode berdasarkan nilai indeks musimannya.
Tabel 4.10 Indeks Musiman
Periode(Bulan)
Permintaan Aktual(kg)
Rata-rataPermintaan(2013&2014)
Rata-rataPermintaan
pertahun
IndeksMusiman
2014 2013 (1) (2) (1)/(2)1 70.000 63.000 101.500 156.250 0,652 69.000 60.000 99.000 156.250 0,633 85.000 78.000 124.000 156.250 0,794 80.000 66.000 113.000 156.250 0,725 147.000 105.000 199.500 156.250 1,286 149.000 118.000 208.000 156.250 1,337 200.000 158.000 279.000 156.250 1,798 70.000 63.000 101.500 156.250 0,659 75.000 70.000 110.000 156.250 0,7010 85.000 80.000 125.000 156.250 0,8011 140.000 129.000 204.500 156.250 1,3112 145.000 130.000 210.000 156.250 1,34
Rata-rata 156.250Jumlah 12
42
Berdasarkan Tabel 4.10 di atas menunjukkan bahwa terdapat periode-periode
yang nilai seasonal indeksnya di bawah 1 dan periode-periode yang nilainya
di atas 1. Periode-periode tersebut kemudian dikelompokkan berdasarkan
nilai seasonal indeksnya seperti tabel di bawah ini:
Tabel 4.11 Kelompok Indeks Musiman
Berdasarkan tabel di atas maka diperoleh keterangan sebagai berikut:
1. Terdapat 7 periode yang indeks musimannya kurang dari 1 (satu) dengan nilai
terendah yaitu 0,63 dan nilai tertinggi 0,80. Periode-periode tersebut adalah
Januari, Februari, Maret, April, Agustus, September, dan Oktober. Hal
tersebut menunjukkan bahwa pada periode-periode tersebut tingkat
permintaannya di bawah permintaan rata-rata bulanan.
2. Terdapat 5 periode yang indeks musimannya lebih dari 1 (satu) dengan nilai
terendah yaitu 1,28 dan nilai tertinggi 1,79. Periode-periode tersebut adalah
Mei, Juni, Juli, November, dan Desember. Hal tersebut menunjukkan bahwa
pada periode-periode tersebut tingkat permintaannya di atas rata-rata
permintaan bulanan.
Nilai indeks musiman tersebut digunakan sebagai faktor koreksi seasonal effect
dalam peramalan metode Linear Regression with Seasonal sehingga hasil ramalan
yang diperoleh sesuai dengan kondisi pola datanya yaitu terdapat pola seasonal.
KelompokIndeks
Musiman
KelompokPeriode
Periode(Bulan)
IndeksMusiman Keterangan
≤ 1
11 0,65
Periode sebelum Special EventLebaran
2 0,633 0,794 0,72
28 0,65
Periode sebelum Special EventNatal dan Tahun Baru
9 0,7010 0,80
≥ 13
5 1,28Periode Special Event Lebaran6 1,33
7 1,79
411 1,31 Periode Special Event Natal
dan Tahun Baru12 1,34
43
4.3.2 Peramalan Linear Regression With Seasonal
Peramalan ini menggunakan persamaan Yt' = (a + bt) St, dimana St adalah indeks
musiman. Berikut hasil ramalan untuk periode Januari-Desember 2015:
Tabel 4.12 Hasil Ramalan Regression With Seasonal tahun 2015
Periode(Bulan)
IndeksWaktu (t)
IndeksMusim
(St)
Nilai TrendY=74.800, 72
+ 2132,61 t
RamalanY'= (74.800,72
+ 2132,61)StJanuari 25 0,65 128.115,97 83.224,13Februari 26 0,63 130.248,58 82.525,50Maret 27 0,79 132.381,19 105.057,71April 28 0,72 134.513,80 97.280,38Mei 29 1,28 136.646,41 174.470,14Juni 30 1,33 138.779,02 184.742,63Juli 31 1,79 140.911,63 251.611,81Agustus 32 0,65 143.044,24 92.921,54September 33 0,70 145.176,85 102.204,50Oktober 34 0,80 147.309,46 117.847,57November 35 1,31 149.442,07 195.589,78Desember 36 1,34 151.574,68 203.716,37
Perhitungan peramalan metode Linear Regression With Seasonal secara lengkap
dapat dilihat pada lampiran No. 1 dan 2 halaman 64-65. Adapun Plotting hasil
ramalan dapat dilihat pada gambar 4.5 di bawah ini.
Gambar 4.5 Grafik Hasil Ramalan Regression With Seasonal tahun 2015
3632282420161284
250000
200000
150000
100000
50000
0
Bulan
Permintaan(kg)
ForecastActual
Variable
Plot Permintaan Aktual dengan Hasil RamalanLinear Regression with Seasonal
44
4.3.3 Peramalan Winter's Method
Pada peramalan Winter's Method ini menggunakan variasi koefisien, yaitu
pemulusan (α), trend (β), dan seasonal (γ). Berikut hasil ramalan untuk periode
Januari-Desember 2015:
Tabel 4.13 Hasil Ramalan Winters Method (α= 0.9, β = 0.1 γ=0.1) tahun 2015
Periode(Bulan)
IndeksWaktu (t)
Ramalan(α= 0.9, β = 0.1
γ=0.1)Januari 25 73.936Februari 26 71.852Maret 27 91.362April 28 82.219Mei 29 142.510Juni 30 152.096Juli 31 205.095Agustus 32 76.741September 33 84.166Oktober 34 96.314November 35 157.842Desember 36 162.184
Perhitungan peramalan metode Winters Method secara lengkap dapat dilihat pada
lampiran No. 4 halaman 68-70. Adapun Plotting hasil ramalan dapat dilihat pada
gambar 4.6 di bawah ini.
Gambar 4.6 Grafik Hasil Ramalan Winters Method tahun 2015
3632282420161284
250000
200000
150000
100000
50000
0
α (level) 0.9γ (trend) 0.1δ (seasonal) 0.1
Smoothing Constants
MAPE 5MAD 4739MSD 41932183
Accuracy Measures
Bulan
Permintaan(Kg)
ActualFitsForecasts95.0% PI
Variable
Plot Permintaan Aktual dengan Hasil RamalanWinters Method Multiplikatif
45
4.3.4 Peramalan Decomposition
Pada peramalan Decomposition ini koefisiennya adalah trend (T), seasonal (S),
siklis (C) dan faktor random (I) dengan persamaan Y' = T .S. C.I. Berikut hasil
ramalan untuk periode Januari-Desember 2015:
Tabel 4.14 Hasil Ramalan Decomposition tahun 2015
Periode(Bulan)
IndeksWaktu (t)
Ramalan(Y')
Januari 25 75.687
Februari 26 73.830
Maret 27 91.329
April 28 86.378
Mei 29 159.117
Juni 30 161.061
Juli 31 200.468
Agustus 32 80.044
September 33 89.060
Oktober 34 101.698
November 35 161.419
Desember 36 159.081
Perhitungan peramalan metode Decomposition secara lengkap dapat dilihat pada
lampiran No. 6 halaman 73-75. Adapun Plotting hasil ramalan dapat dilihat pada
gambar 4.7 di bawah ini.
Gambar 4.7 Grafik Hasil Ramalan Decomposition tahun 2015
3632282420161284
200000
175000
150000
125000
100000
75000
50000
MAPE 5MAD 4722MSD 49502333
Accuracy Measures
Bulan
Permintaan(Kg)
ActualFitsTrendForecasts
Variable
Plot Permintaan Aktual dengan Hasil RamalanDecomposition Multiplikatif
46
4.3.5 Pemilihan Metode Peramalan Terbaik
Peramalan terbaik pada penelitian ini adalah berdasarkan nilai MAD (mean
absolute deviation) yang terendah dan lolos uji kelayakan model.
Tabel 4.15 Uji Performansi dan Kelayakan Model
Uji Linear RegressionWith Seasonal
WintersMethod Decomposition
MAD 6.674 4.739 4.722
Independen Tidak Valid Valid Valid
Identik Valid Valid Valid
Distribusi Normal Valid Valid Valid
Pola Data Mewakili Mewakili Mewakili
Peramalan dengan niai MAD terendah adalah Decomposition. Oleh karena itu
hasil ramalan metode Decomposition yang akan digunakan dalam perencanaan
agregat tahun 2015. Perhitungan nilai error secara lengkap dapat dilihat pada
lampiran No. 3 hal. 66-67, No. 5 hal. 71-72 dan No. 7 hal. 76-77 sedangkan uji
kelayakan model dapat dilihat pada lampiran No. 8-10 hal. 78-83.
Gambar 4.8 Grafik Perbandingan Peramalan Terbaik
Berdasarkan Grafik di atas menunjukkan bahwa pola data dari semua metode
peramalan dapat mewakili pola aktualnya yaitu terdapat seasonal dan trend.
121110987654321
250000
200000
150000
100000
50000
Bulan
Permintaan(Kg)
ActualLinear Regression with SeasonalWinters MethodDecomposition
Variable
Perbandingan Peramalan Terbaik
47
4.3.6 Adjustment Hasil Ramalan Special Event Lebaran tahun 2015
Hasil ramalan metode Decomposition tersebut sebelum digunakan untuk
perencanaan agregat maka terlebih dahulu dikoreksi yaitu pada special event
Lebaran dimana asumsi dari model ramalan bahwa puncak Lebaran terjadi pada
bulan Juli, tetapi berdasarkan kalender Masehi maka bulan Ramadhan terbagi
dalam dua bulan yaitu Juni dan Juli.
Juni 1 2 3 --- 1717 --- 28 29 30 Juli
Gambar 4.9 Pembagian Hari yang Berpengaruh Bulan Ramadhan
Berdasarkan perhitungan rasio hari yang berpengaruh pada pembahasan
sebelumnya maka didapatkan rasio 0,62 untuk periode Juni dan 0,38 untuk
periode Juli. Berikut adalah langkah-langkah untuk mengoreksi hasil ramalan
pada periode special event Lebaran tahun 2015:
1. Jumlahkan Permintaan pada periode Juni dan Juli sebelum dikoreksi
Juni = 161.061 kg
Juli = 200.468 kg
Jumlah = 361.529 kg
2. Koreksi Permintaan pada bulan Juni
Kalikan faktor koreksi pada bulan Juni yaitu 0,62 dengan permintaan pada
periode Juli dan 0,38 dengan permintaan pada bulan Juni.
0,62 x 200.468 Kg = 124. 290,16 kg
0,38 x 161.061 Kg = 61.203, 18 kg
Jumlah = 185.493,34 kg
3. Koreksi Permintaan pada bulan Juli
Kalikan faktor koreksi pada bulan Juli yaitu 0,38 dengan permintaan pada
bulan Juli dan 0,38 dengan permintaan pada bulan Agustus.
0,38 x 200.468 kg = 76.177,84 kg
0,62 x 80.044 kg = 49.627,28 kg
Jumlah = 125.805,12 kg
Puncak Permintaan (peak period) Special Event Lebaran 2015
48
4. Jumlahkan permintaan pada bulan Juni dan Juli yang sudah dikoreksi
Juni = 185.493,34 kg
Juli = 125.805,12 kg
Jumlah = 311.298,46 kg
5. Syaratnya adalah ∑ Permintaan sebelum dikoreksi = ∑ Permintaan setelah
dikoreksi. 361.529 kg ≠ 311.298,46 kg
karena hasilnya masih belum sama dengan jumlah permintaan periode Juni
dan Juli maka selisihnya kembali dikalikan faktor koreksi yaitu:
361.529 - 311.298,46 = 50.230,54 kg
0,62 x 50.230,54 kg = 31.142, 93 kg
0,38 x 50.230,54 kg = 19.087,61 kg
6. Hasil akhir adjustment adalah =
Juni = 185.493,34 kg + 31.142, 93 = 216.636,27 kg
Juli = 125.805,12 kg + 19.087,61 = 144.892,73 kg
Jumlah = 361.529 kg
Jumlah permintaan sebelum dikoreksi dan sesudah dikoreksi sudah sama
Adapun hasil koreksi peramalan pada periode Juni dan Juli secara rinci dapat
dilihat pada tabel 4.16 di bawah ini.
Tabel 4.16 Adjustment Permintaan Special Event Lebaran tahun 2015
Periode SebelumAdjustment (kg)
SesudahAdjustment (kg)
Juni 161.061 216.636,27Juli 200.468 144.892,73Jumlah 361.529 361.529
4.4 Perencanaan Agregat Metode Transportasi
Perencanaan agregat dengan model transportasi pada prinsipnya adalah
menyeimbangkan antara permintaan dan kapasitas aktual dengan tujuan untuk
meminimasi biaya. Pada perencanaan metode transportasi ini permintaan yang
tinggi pada periode special event tersebut dialokasikan ke periode dimana
permintaannya rendah (non special event) dengan tujuan untuk memaksimalkan
kapasitas dan mengurangi biaya lembur dengan konsekuensi terdapat inventori
pada periode tersebut.
49
4.4.1 Perencanaan Agregat Metode Transportasi tahun 2014
Perencanan metode transportasi menggunakan prinsip keseimbangan antar tingkat
permintaan dan penggunaan kapasitas yang tersedia. Tabel lengkap perencanaan
metode transportasi dapat dilihat pada lampiran No. 11 hal. 84. Berikut adalah
utilisasi kapasitas regular time perencanaan metode transportasi:
Tabel 4.17 Utilisasi Metode Transportasi tahun 2014
Periode(Bulan)
Permintaan(kg)
KapasitasRT (kg)
Produksi (kg) Utilisasi RT(%)RT OT
1 70.000 95.000 95.000 0 1002 69.000 100.000 100.000 0 1003 85.000 100.000 100.000 0 1004 80.000 105.000 105.000 0 1005 147.000 85.000 85.000 0 1006 149.000 105.000 105.000 30.000 1007 200.000 95.000 90.000 90.000 1008 70.000 100.000 85.000 0 859 75.000 110.000 110.000 0 10010 85.000 115.000 115.000 0 10011 140.000 100.000 100.000 0 10012 145.000 105.000 105.000 0 100
Jumlah 1.315.000 1.210.000 1.195.000 120.000Rata-rata 98,75
Alokasi inventori pada perencanan metode transportasi dapat dilihat pada tabel
4.18 di bawah ini:
Tabel 4.18 Alokasi Inventori Metode Transportasi tahun 2014
Periode(Bulan)
Permintaan(kg)
TotalProduksi
(kg)
Inventory
Holding (kg) Allocation (Periode ke)
1 70.000 95.000 25.000 62 69.000 100.000 31.000 22.000 (5), 9.000 (6)3 85.000 100.000 15.000 54 80.000 105.000 25.000 55 147.000 85.000 0 -6 149.000 135.000 20.000 77 200.000 180.000 0 -8 70.000 85.000 15.000 129 75.000 110.000 35.000 10.000 (11), 25.000 (12)10 85.000 115.000 30.000 1111 140.000 100.000 0 -12 145.000 105.000 0 -
Jumlah 1.315.000 1.315.000 196.000
50
Berdasarkan tabel 4.17 utilisasi kapasitas produksi regular time selama periode
Januari-Desember 2014 adalah 98,75 % dan utilisasi kapasitas produksi regular
time non special event adalah 97,85%.
Berdasarkan tabel 4.18 perencanaan produksi dengan metode transportasi terdapat
inventori sejumlah 196.000 kg. Perhitungan biaya simpan dari hasil alokasi
perencanaan metode transportasi dapat dilihat pada tabel 4.19 di bawah ini.
Tabel 4.19 Biaya Simpan Metode Transportasi tahun 2014
No. Periode Holding(kg)
PeriodeSimpan
Biaya 100/kg/Periode
Total BiayaSimpan (Rp)
1 Januari 25.000 5 12.500.000 12.500.000
2 Februari22.000 3 6.600.000
3.600.00010.200.000
9.000 43 Maret 15.000 2 3.000.000 3.000.0004 April 25.000 1 2.500.000 2.500.0005 Mei 0 0 0 06 Juni 20.000 1 2.000.000 2.000.0007 Juli 0 0 0 08 Agustus 15.000 4 6.000.000 6.000.000
9 September10.0000 2 2.000.000
9.500.00025.000 3 7.500.000
10 Oktober 30.000 1 3.000.000 3.000.00011 November 0 0 0 012 Desember 0 0 0 0
Jumlah 196.000 48.700.000
Perhitungan biaya produksi secara keseluruhan dapat dilihat pada tabel 4.20 di
bawah ini.
Tabel 4.20 Biaya Produksi Metode Transportasi tahun 2014
No. Jenis Biaya Biaya(Rp/kg)
Produksi(kg) Total Biaya (Rp)
1 Regular Time 2.000 1.195.000 2.390.000.0002 Over Time 4.000 120.000 482.000.0003. Holding Cost 100 196.000 48.700.000
Jumlah 2.918.700.000
Biaya Produksi tahun 2014 = Rp. 2.918.700.000
Revenue = Income - Biaya produksi
= (1.315.000 x Rp. 50.000) - Rp. 2.918.700.000
= Rp. 62.831.300.00
51
4.4.2 Perencanaan Agregat Metode Transportasi tahun 2015
Hasil ramalan dengan menggunakan metode Decomposition yang sudah dilakukan
adjustment kemudian dibuatkan perencanaan agregatnya menggunakan metode
transportasi. Tabel transportasi dapat dilihat pada lampiran No. 12 hal. 85
Berikut adalah tabel rencana produksi tahun 2015 dengan hasil ramalan terbaik:
Tabel 4.21 Rencana Produksi dengan Hasil Ramalan Terbaik tahun 2015
PeriodeJumlah Hariyang tersedia
PeramalanDecomposition
Pembulatansesuai satuanunit Produk
Januari 20 75.687 75.700
Februari 19 73.830 73.900
Maret 22 91.329 91.350
April 21 86.378 86.400
Mei 20 159.117 159.150
Juni 21 216.636 216.650
Juli 18 144.892 144.900
Agustus 20 80.044 80.050
September 21 89.060 89.100
Oktober 21 101.698 101.700
November 21 159.081 159.050
Desember 21 161.061 161.050
Adapun tabel utilisasinya dapat dilihat pada tabel 4.22 dibawah ini:
Tabel 4.22 Utilisasi Metode Transportasi tahun 2015
Periode(Bulan)
Permintaan(kg)
KapasitasRT (kg)
Produksi (kg)Utilisasi RT
(%)RT OT
1 75.700 100.000 100.000 0 1002 73.900 95.000 95.000 0 1003 91.350 110.000 110.000 0 1004 86.400 105.000 105.000 0 1005 159.150 100.000 100.000 0 1006 216.650 105.000 105.000 88.150 1007 144.900 90.000 90.000 54.900 1008 80.050 100.000 100.000 0 1009 89.100 105.000 105.000 0 10010 101.700 105.000 105.000 14.900 10011 159.050 105.000 105.000 56.050 10012 161.050 105.000 105.000 0 100
Jumlah 1.439.000 1.225.000 214.000 100Rata-rata 100
52
Berikut adalah tabel alokasi inventori pada perencanan metode transportasi 2015:
Tabel 4.23 Alokasi Inventori Metode Transportasi tahun 2015
Periode(Bulan)
Permintaan(kg)
TotalProduksi
(kg)
Inventory
Holding (kg) Allocation (Periode ke)
1 75.700 100.000 24.300 52 73.900 95.000 21.100 53 91.350 110.000 18.650 13.750 (5), 4.900 (6)4 86.400 105.000 18.600 65 159.150 100.000 0 -6 216.650 105.000 0 -7 144.900 90.000 0 -8 80.050 100.000 19.950 119 89.100 105.000 15.900 1110 101.700 105.000 3.300 1111 159.050 105.000 0 -12 161.050 161.050 0 -
Jumlah 1.439.000 1.439.000 121.800
Adapun biaya simpan pada tahun 2015 dapat dilihat pada tabel berikut ini:
Tabel 4.24 Biaya Simpan Metode Transportasi tahun 2015
No. Periode Holding (kg) PeriodeSimpan
Biaya100/kg
/Periode
Total BiayaSimpan (Rp)
1 Januari 24.300 4 9.720.000 9.720.0002 Februari 21.100 3 6.330.000 6.330.000
3 Maret13.750 2 2.750.000
4.220.0004.900 3 1.470.000
4 April 18.600 2 3.720.000 3.720.0005 Mei 0 0 0 06 Juni 0 0 0 2.000.0007 Juli 0 0 0 08 Agustus 19.950 3 5.985.000 5.985.0009 September 15.900 2 3.180.000 3.180.00010 Oktober 3.300 1 330.000 330.00011 November 0 0 0 012 Desember 0 0 0 0
Jumlah 121.800 33.485.000
53
Biaya Produksi tahun 2015 dapat dilihat pada tabel berikut ini:
Tabel 4.25 Biaya Produksi Metode Transportasi tahun 2015
No. Jenis Biaya Biaya(Rp/kg)
Produksi(kg) Total Biaya (Rp)
1. Regular Time 2.000 1.225.000 2.450.000.0002. Over Time 4.000 214.000 856.000.0003. Holding Cost 100 121.800 33.485.000
Jumlah 3.339.485.000
Pada penelitian ini, perencanaan agregat tahun 2015 dengan metode transportasi
tidak dapat dibandingkan secara keseluruhan periode dengan metode perusahaan
karena periode berjalan sekarang baru sampai pada periode ke 3 (Maret) tahun
2015. Oleh karena itu parameter yang akan dibandingkan adalah utilisasi antara
metode transportasi dengan metode perusahaan. Berikut adalah utilisasi regular
time metode perusahaan tahun 2015:
Tabel 4.26 Utilisasi Metode Perusahaan tahun 2015
Periode(Bulan)
Permintaan(kg)
KapasitasRT (kg)
Produksi (kg)Utilisasi RT
(%)RT OT
1 75.000 100.000 75.000 0 752 74.000 95.000 74.000 0 783 90.000 110.000 90.000 0 82
Tabel 4.27 Perbandingan Utilisasi Kondisi Saat ini dengan Metode Usulan tahun
2015
PeriodeUtilisasi
RT (%) 2015Kondisi saat Ini Metode Usulan
Januari 75 100Februari 78 100Maret 82 100Rata-rata 78,2 100
Berdasarkan tabel 4.27 di atas menunjukkan bahwa utilisasi regular time pada 3
periode berjalan kondisi saat ini hanya 78,2 % sehingga masih terdapat kapasitas
yang tidak terpakai sebesar 21,8% sedangkan metode usulan 100%. Meskipun
baru 3 periode hal ini membuktikan bahwa metode kondisi saat ini penggunaan
kapasitasnya tidak optimal.
54
4.5 Perbandingan Kondisi Saat ini dengan Metode Usulan
Berikut adalah perbandingan kondisi saat ini dengan metode usulan yang meliputi
perbandingan utilisasi kapasitas, biaya dan revenue serta peramalan:
4.5.1 Perbandingan Utilisasi Kapasitas
Utilisasi kapasitas non special event pada perencanaan kondisi saat ini sangat
rendah yaitu hanya 63,15%. Hal tersebut karena tidak optimalnya penggunaan
kapasitas. Salah satu tujuan dari perencanaan agregat adalah mengoptimalkan
kapasitas aktual yang tersedia sesuai dengan tingkat permintaan dan berikut
adalah perbandingan antara perencanaan kondisi saaat ini dengan perencanaan
metode transportasi dalam hal pemanfaatan kapasitas aktual produksi:
Tabel 4.28 Perbandingan Pemanfaatan Kapasitas Kondisi Saat ini dengan Metode
Usulan tahun 2014
Perbandingan KondisiSaat ini
MetodeUsulan
Utilisasi Kapasitas 1 tahun 84,64% 98,75%Utilisasi KapasitasPeriode Non Special event
63,15% 97,85%
Total Produksi 1.295.000 1.315.000Lost sale pada periode special event 20.000 kg 0
Dari tabel diatas terlihat bahwa dengan metode transportasi maka akan menaikkan
utilisasi pada periode non special event menjadi 97.85% serta rata-rata utilisasi
tahunan menjadi 98,75%, hal ini menunjukkan bahwa dengan metode transportasi
maka penggunaan kapasitas menjadi optimal dimana pada periode non special
event sebelumnya banyak kapasitas yang tidak terpakai kemudian dapat
dimanfaatkan secara optimal. Pada metode usulan juga tidak terdapat lost sale
artinya semua permintaan dapat dipenuhi. Hal tersebut terlihat dari total produksi
pada keseluruhan periode dimana metode usulan mampu memproduksi lebih
banyak yaitu sejumlah 1.315.00 kg yang merupakan keseluruhan jumlah
permintaan periode satu tahun sedangkan pada kondisi saat ini hanya mampu
memproduksi sejumlah 1.295.000 kg.
55
Gambar 4.10 menunjukkan bahwa utilisasi kapasitas regular time periode non
special event metode usulan meningkat sebesar 34,70% menjadi 97,85%.
Gambar. 4.10 Grafik Perbandingan utilisasi RT non special event
Gambar 4.11 menunjukkan bahwa metode usulan mampu memenuhi semua
permintaan tepung jeli sejumlah 1.315.000 kg (tidak terdapat lost sale) sedangkan
kondisi saat ini hanya mampu memenuhi sejumlah 1.295.000 kg.
Gambar. 4.11 Grafik Perbandingan Total Produksi
63.15%
97.85%
0.00%10.00%20.00%30.00%40.00%50.00%60.00%70.00%80.00%90.00%
100.00%
Kondisi Saat ini Metode Usulan
%Utilisasi Kapasitas Regular time Non Special Event
1.295.000
1.315.000
1285000
1290000
1295000
1300000
1305000
1310000
1315000
1320000
Kondisi Saat ini Metode Usulan
Perm
inta
an (K
g)
Total Produksi
56
4.5.2 Perbandingan Biaya dan Revenue
Pada perencanaan produksi kondisi saat ini biaya produksi menjadi tinggi karena
faktor biaya over time. Biaya over time tersebut tinggi karena perencanaan
produksi yang kurang optimal pada periode-periode special event. Pada metode
transportasi ini tujuan utamanya selain mengoptimalkan kapasitas adalah
meminimasi biaya produksi dan target biaya yang diminimasi adalah biaya over
time karena besarnya biaya over time besarnya dua kali lipat dari biaya regular
time. Berikut adalah perbandingan biaya antara kondisi saat ini dengan metode
usulan:
Tabel 4.29 Perbandingan Biaya Kondisi Saat ini dengan Metode Usulan tahun 2014
Jenis BiayaKondisi Saat
ini(Rp)
Metode Usulan(Rp)
Selisih(Rp) Keterangan
Over Time Cost 1.104.000.000 482.000.000 622.000.000 Turun 56,34 %Regular Time Cost 2.038.000.000 2.390.000.000 (352.000.000) Naik 17,27%Holding Cost 0 48.700.000 (48.700.000)Biaya Produksi 3.142.000.000 2.918.700.000 223.300.000 Naik 7,10 %
Berdasarkan tabel di atas terlihat bahwa metode transportasi dapat menurunkan
biaya over time sebesar 56,34 %, biaya holding meningkat karena pada metode
transportasi terdapat inventori yang disimpan untuk periode berikutnya, biaya
regular time meningkat karena kuantitas jeli yang diproduksi lebih banyak 10%
dari kondisi saat ini seperti yang dibahas pada point 5.2 mengenai utilisasi
kapasitas. Naiknya biaya simpan tersebut tidak signifikan jika dibandingkan
dengan penghematan yang dilakukan karena biaya over time yang turun hingga
56,34%. Hal tersebut terlihat pada reveneu yang diperoleh berdasarkan metode
usulan adalah sebesar Rp. 62.831.300.000 lebih besar 1,98 % dari kondisi saat ini
seperti yang terlihat pada tabel 4.30 berikut ini:
Tabel 4.30 Perbandingan Revenue Kondisi Saat ini dengan Metode Usulan tahun
2014
Parameter Kondisi Saat ini(Rp)
Metode Usulan(Rp)
Selisih(Rp) Keterangan
Revenue 61.608.000.000 62.831.300.000 1.223.300.000 Naik 1,98%
57
Gambar 4.12 menunjukkan bahwa metode usulan dapat menurunkan over time
cost hingga 56,34% menjadi Rp. 482.000.000.
Gambar. 4.12 Grafik Perbandingan Over Time Cost
Gambar 4.13 menunjukkan bahwa reveneu metode usulan Rp. 62.831.300.000lebih besar Rp. 1.223.300.000 dari kondisi saat ini.
Gambar. 4.13 Grafik Perbandingan Revenue
1.104.000.000
482.000.000
0
200000000
400000000
600000000
800000000
1000000000
1200000000
Kondisi Saat ini Metode Usulan
(Rp)
Over Time Cost
61.608.000.000
62.831.300.000
608000000006100000000061200000000614000000006160000000061800000000620000000006220000000062400000000626000000006280000000063000000000
Kondisi Saat ini Metode Usulan
(Rp)
Revenue
58
4.5.3 Perbandingan Metode Peramalan
Berdasarkan hasil peramalan metode Decomposition dan Winters method lolos uji
kelayakan model dan mempunyai nilai MAD yang tidak jauh berbeda yaitu 4.739
(Winters Method), 4.722 (Decomposition) serta pola data permintaannya dapat
mewakili pola permintaan aktualnya sehingga kedua metode tersebut dapat
digunakan pada peramalan dengan pola permintaan yang terdapat special event,
seasonal dan trend tetapi karena nilai MAD metode Decompositon lebih rendah
maka yang digunakan sebagai dasar Perencanaan agregat tahun 2015 adalah
metode Decomposition.
Tabel 4.31 Perbandingan Akurasi Peramalan Kondisi Saat ini dengan Metode
Usulan
PeramalanAkurasi Peramalan
(%)% Kenaikan Akurasi
Metode Perusahaan 86,678,1
Decomposition 94,77
Berdasarkan tabel di atas terlihat bahwa metode usulan dapat menaikkan akurasi
peramalan sebesar 8,1%. Akurasi peramalan metode usulan berdasarkan nilai
MAPE yaitu 5,23 sehingga akurasinya adalah 94,77%.
4.5.4 Analisis Special Event pada permintaan tepung jeli
Berdasarkan hasil perhitungan pengaruh special event dengan menghitung indeks
musimannya dan permintaan maka special event Lebaran memiliki pengaruh
yang signifikan pada pola permintaan tepung jeli kemudian disusul dengan special
event Natal dan Tahun Baru.
Tabel 4.32 Signifikansi Special Event pada kenaikan Permintaan
Special EventPanjangperiode
Rata-rataIndeks
musiman
TotalPermintaan (kg)
%SignifikansiPermintaan
Lebaran 3 1,68 496.000 352,62Natal & Tahun Baru 2 1,32 285.000 160,07
Berdasarkan tabel di atas terlihat bahwa periode special event lebaran
menyumbang sebesar 352,62% kenaikan permintaan.
59
Sedangkan Natal dan Tahun baru menyumbang 160,07 % kenaikan permintaan.
Kenaikan permintaan yang dimaksud adalah kenaikan dari rata-rata permintaan
bulanan.
4.5.5 Analisis Faktor Koreksi untuk Adjustment Periode Bulan Ramadhan
Periode special event Lebaran berlangsung pada tanggaL 17 bulan juli 2015
sehingga bulan Ramadhan terbagi pada bulan Juni dan Juli. Berdasarkan
perhitungan faktor koreksi yang didasarkan pada rasio permintaan maka terdapat
62% permintaan yang terdapat pada bulan Juni dan 38% pada bulan Juli seperti
pada tabel dibawah ini:
Gambar. 4.14 Grafik Rasio Permintaan pada Peak Period
Tabel di atas menunjukkan rasio permintaan pada bulan Juni dan Juli. Rasio pada
bulan Juli lebih rendah karena tingkat permintaan terjadi pada minggu ke 2 dan
terun menurun menjelang Lebaran. Puncak permintaan (peak period) berdasarkan
hasil ramalan Decomposition yang sebelumnya berangsung pada periode Juli
maka sesuai rasio permintaan pada grafik di atas maka puncak permintaan
bergeser ke bulan Juni. sehingga dengan faktor koreksi ini puncak permintaan
yang terjadi pada bulan Ramadhan pada kalender Hijriah dapat dikonversi dengan
tepat pada kalender Masehi.
Tabel 4.33 Puncak permintaan tahun 2015
Parameter Peak PeriodeBefore adjustment JuliAfter Adjustment Juni
Juni Juli
Series1 0.62 0.38
-0.1
0.1
0.3
0.5
0.7
Rasio
Rasio Permintaan
60
Adapun hasil ramalan Decomposition yang telah dikoreksi dapat dilihat pada
gambar 4.15 berikut ini:
Gambar. 4.15 Grafik Hasil Ramalan Decomposition dengan Faktor Koreksi
Adapun hasil perbandingan akurasi ramalan dapat dilihat pada gambar 4.16
berikut ini:
Gambar. 4.16 Perbandingan Akurasi Peramalan
121110987654321
220
200
180
160
140
120
100
80
60
Bulan
Permintaan(Kg)
After AdjustmentBefore Adjustment
Variable
Plot Hasil Ramalan Decomposition
86.67
94.77
82
84
86
88
90
92
94
96
Kondisi Saat ini Metode Usulan
%
Akurasi Peramalan
61
BAB V
SIMPULAN DAN SARAN
5.1 Simpulan
Berdasarkan hasil analisis dan pengolahan dapat diambil simpulan sebagai
berikut:
1. Metode peramalan yang sesuai dengan karakteristik pola permintaan tepung
jeli dimana terdapat pengaruh special event, seasonal, dan trend adalah
Decomposition dan Winters Method dengan nilai MAD sebesar 4.739 (Winters
Method) dan 4.722 (Decomposition). Akurasi peramalan berdasarkan metode
Decomposition meningkat menjadi 94,77% yang sebelumnya 86,67% atau naik
8,1% dibandingkan peramalan metode perusahaan.
2. Periode special event yang berpengaruh pada peningkatan permintaan adalah:
Lebaran dengan 3 periode (Mei, Juni, Juli) dengan rata-rata indeks
musimannya 1,68.
Natal dan Tahun Baru dengan 2 periode (November dan Desember)
dengan rata-rata indeks musimannya adalah 1,32.
3. Faktor koreksi berdasarkan rasio penjualan pada bulan Ramadhan dapat
digunakan untuk adjustment hasil ramalan periode special event Lebaran yang
tanggal berlangsungnya selalu bergeser setiap tahunnya pada kalender Masehi.
4. Metode perencanaan transportasi dapat digunakan untuk perencanaan produksi
tepung jeli karena dapat mengoptimalkan kapasitas dengan biaya minimum
dengan hasil sebagai berikut:
Menaikkan utilisasi kapasitas regular time pada periode non special event
yang sebelumnya 63,15% menjadi 97,85% atau naik 34,7%.
Semua permintaan dapat terpenuhi (tidak terdapat lost sale).
Menurunkan over time cost yang sebelumnya Rp. 1.104.000.000 menjadi
Rp. 482.000.000 atau turun 56,34%.
Menghasilkan revenue lebih tinggi yang sebelumnya Rp. 61.608.000.000
menjadi Rp. 62.831.300.000 atau naik Rp. 1.223.300.000.
62
5.2 Saran
Saran yang perlu dipertimbangkan untuk penelitian selanjutnya adalah:
1. Peramalan dengan pola data trend dan seasonal dapat dilakukan dengan
metode ARIMA dengan input variasi kalender, karena model ARIMA dapat
melakukan proses koreksi di awal dengan membuat hari dummy sebagai
variabel koreksi.
2. Pada penelitian ini terdapat batasan pada pilihan strategi produksi yaitu
subkontrak karena sesuai dengan kebijakan perusahaan. Pilihan tersebut dapat
dipertimbangkan untuk digunakan jika tidak terdapat batasan dan sesuai
dengan kebijakan perusahaan.
