Peramalan Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special Event di PT. Coca Cola Bottling Indonesia (PT. CCBI) Plant Pandaan

Transkripsi

1 Peramalan Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special Event di PT. Coca Cola Bottling Indonesia (PT. CCBI) Plant Pandaan Peneliti : Ilsan Nur Putra Dosen Pembimbing : Dosen Ko-Pembimbing : Prof. Ir. I Nyoman Pujawan, M.Eng., Ph.D Niniet Indah Arvitrida, ST., MT Latar Belakang Ketidakakuratan Ramalan Permintaan Produk Biaya Inventory Stockout Special Event Setyo Adi Nugroho, General Marketing Sales PT. CCBI Pada saat lebaran, kebutuhan konsumen meningkat 30 % dari tahun ke tahun. Sehingga Coca Cola menambah pasokan 2 kali lipat dibanding bulan sebelumnya (Kaltim Post, 2009) Coca-Cola Company Sumber : Silver, 1998 Special Event mempengaruhi permintaan Fluktuasi Permintaan 1

2 Latar Belakang Akurasi Ramalan Tahun Prosentase (%) % % % % % Sumber : PT. CCBI Plant Pandaan Tingkat Inventori Metode Peramalan yang tidak mempertimbangkan special event Metode Peramalan dan Perencanaan Produksi yang mempertimbangkan Special Event Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Coca-Cola Company Sumber : PT. CCBI Plant Pandaan Perumusan Masalah Tidak Akuratnya Peramalan Perencanaan Produksi yang Tidak responsif Metode Peramalan Permintaan dengan mempertimbangkan Pengaruh Special Event terhadap Fluktuasi permintaan yang mengakomodasi Perencanaan Produksi yang lebih Akurat Coca-Cola Company 2

3 Gambaran Objek Penelitian PT. Coca-Cola Bottling Indonesia Plant- Pandaan di Jl. Raya Surabaya Malang KM 43 Gempol, Pasuruan, Jawa Timur. Memiliki 16 Sales Center di Jawa Timur Coca-Cola Company Jenis Produk Coca-Cola Company 3

4 Bisnis Proses Tiap Sales Center mengumpul kan informasi mengenai penjualan, special event dan inventory Penjualan oleh Sales Center yang di distribusikan kepada Retailer dan mendokumentasikan data penjualan tersebut Distribusi Produk jadi ke masing-masing Sales Center Melakukan Produksi Produk sesuai dengan Perencanaan yg dilakukan oleh Planner Produk jadi kemudian disimpan dan ditata di gudang penyimpanan Bagian Sales melakukan peramalan permintaan untuk periode berikutnya Pengecekan Level Inventory di Plant Menentukan Jumlah Produksi per-minggu dalam bentuk MPS dan menghitung Target Inventory Coca-Cola Company Mengecek ketersediaan Bahan Baku untuk proses produksi Flowchart Peramalan dan Perencanaan Produksi di Perusahaan Coca-Cola Company 4

5 Tujuan Penelitian Menghasilkan Peramalan yang lebih Akurat Memberikan referensi mengenai nilai indeks Special Event untuk periode tahun 2010 Menghasilkan rencana produksi dengan biaya yang lebih murah Menetapkan target inventori yang menghasilkan biaya lebih murah dalam perencanaan produksi Coca-Cola Company Ruang Lingkup Penelitian Batasan Penelitian dilakukan di PT. Coca Cola Bottling Indonesia (PT. CCBI) Plant Pandaan. Produk yang diamati adalah produk menggunakan kemasan Returnable Glass Bottle (RGB) antara lain Coca-Cola 193 ml, Sprite 200 ml, Fanta Strawberry 200 ml, Sprite 295 ml, Fanta Soda Water 295 ml, Frestea Jasmine 220 ml. Special Event yang dimaksud hanya pada special event yang telah didokumentasikan oleh perusahaan. Evaluasi dari perencanaan produksi dilakukan untuk periode Januari-Desember Asumsi Kekurangan barang pada suatu periode akan dipenuhi pada periode berikutnya. Biaya Penyimpanan dan biaya backlog adalah 30 % dari harga jual produk. Coca-Cola Company 5

6 Manfaat Penelitian Memberikan rekomendasi serta preferensi mengenai metode peramalan dengan mempertimbangkan special event yang terjadi di perusahaan. Memberikan masukan dan gambaran mengenai perencanaan produksi yang dipengaruhi oleh setiap special event berdasarkan hasil dari peralaman permintaan. Coca-Cola Company Metodologi 6

7 Metodologi (2) Pengumpulan Data Data Penjualan Aktual Produksi Minggu Sales Minggu Sales Minggu Sales Jenis-Jenis Special Event Kedatangan Botol 7

8 Metodologi (3) B Peramalan Pengecekan Pola Data Historis Pengecekan Pola Data Historis Plot Data Waktu vs Penjualan dalam Grafik ( ) Time Series Plot of S-Coca Cola S-Coca Cola Index

9 Pengecekan Pola Data Historis (2) Analisis Autokorelasi Lag ACF Statistik-T Ljung-Box Q Autocorrelation Function for S-Coca Cola (with 5% significance limits for the autocorrelations) 1,0 0,8 0,6 Autocorrelation 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1, Lag Pengecekan Pola Data Historis (3) 9

10 Metodologi (3) B Peramalan Pengecekan Pola Data Historis Perhitungan Indeks Special Event Perhitungan Indeks Special Event 10

11 Perhitungan Indeks Special Event (2) Dimana : = = Data aktual periode t (minggu) = Indeks pada periode t (minggu) = Diadjust (data hasil peramalan pada periode t dengan menggunakan moving average dan exponential smoothing) Moving Average (MA) Dimana : = D t = Diajust (data forecast menggunakan Moving Average) pada periode t A t = Data aktual pada periode t Contoh : A 24 = botol A 25 = botol A 26 = botol 27 = = 9247,3 11

12 Moving Average (2) Berdasarkan hasil perhitungan dan data historis pada periode tersebut didapatkan bahwa : A 27 = botol D 27 = 9247,3 botol 27 = ,3 = 1,03 Setelah di verifikasi dengan data rekap Special Event diketahui bahwa periode pada periode ke-27 terdapat Event Hanging Out With High School. Yang berarti indeks untuk event tersebut yaitu sebesar 1,03. Moving Average (3) Minggu Tanggal Event Index 2 10 Januari 2006 Idul Adha 1426 H 1, Januari - 5 Februari 2006 Promo Outlet "Pizza Hut" 0, Januari 2006 Tahun Baru Imlek , Februari-10 Maret 2006 Promosi (Beli 1 dapat 2) 1, Mei 2006 Promo Botol Squeeze Coca-Cola Gratis! 1, Mei 2006 Ultah Coca Cola ke 120 1,00 Group Event Event Index Group Index Idul Adha 1426 H 1,071 Idul Adha Idul Adha 1427 H 1,04 Idul Adha 1428 H 1,035 1,06 Idul Adha 1,115 Promo Outlet "Pizza Hut" 0,99 Promo Outlet Promosi "Asyiknya Ngegame di Timezone" 1,03 1,03 Promosi Outlet "Top Noddle" 1,067 Tahun Baru Imlek ,989 Tahun Baru Imlek Tahun Baru Imlek ,019 1,01 Tahun Baru Imlek ,025 12

13 Exponential Smoothing Dimana : = ( 1 ) + ((1 ) 1 ) D t = Diajust (data forecast menggunakan Exponential Smoothing) pada periode t A t = Data aktual pada periode t Contoh : A 26 = botol D 26 = botol 27 = (0,2 9536) + (0,8 8709) = 8874, 9 Exponential Smoothing (2) Berdasarkan hasil perhitungan dan data historis pada periode tersebut didapatkan bahwa : A 27 = botol D 27 = 8874,9 botol 27 = ,9 = 1,08 Setelah di verifikasi dengan data rekap Special Event diketahui bahwa periode pada periode ke-27 terdapat Event Hanging Out With High School. Yang berarti indeks untuk event tersebut yaitu sebesar 1,08. 13

14 Exponential Smoothing (3) Metodologi (3) B Peramalan Pengecekan Pola Data Historis Perhitungan Indeks Special Event Peramalan Permintaan 14

15 Peramalan Berdasarkan Hasil Pengecekan Pola Data Historis diketahui bahwa Data mengikuti Pola Musiman. Menurut Hanke et all (2001) metode peramalan yang digunakan untuk Pola Data Musiman yaitu Metode Winter Exponential Smoothing dan Decomposition. Kedua metode ini akan dibandingkan dengan metode Event Based. Winter Exponential Smoothing 15

16 Decomposition Event Based = Dimana, Y t = Peramalan dengan Indeks pada periode -t I t = Indeks Special Event pada periode t Y t = Peramalan sebelum Indeks pada periode t Event Based ini terbagi atas dua : Moving Average Event Based (MAEB) Exponential Smoothing Event Based (ESEB) 16

17 MAEB = Dimana : Y t = Nilai Peramalan dengan menggunakan moving average pada periode t A t = Data aktual pada periode t Contoh : meramalkan permintaan pada minggu ke-18 A 15 = botol A 16 = botol A 17 = botol 18 = = MAEB (2) Diketahui bahwa pada periode ke-18, SC melaksanakan Special Event Perayaan Hari Ultah Coca-Cola yg ke-123. Maka permintaan pada periode ke-18 yaitu sebesar : Y 18 = botol I 18 = 1,01 (indeks Event Perayaan Hari Ultah Coca-Cola) 18 = 1, = 7978 * untuk periode yang tidak ada Special Event, indeks = 1 Minggu Forecast Before Index Index Actual Sales Forecast After Indexing I e t I 2 e t I e t I / Y t , ,69 0, , ,00 0, , ,00 0, , , ,87 0, , ,00 0, , ,00 0, , ,44 0, , ,00 0, , ,11 0, , ,00 0,10 17

18 MAEB (3) ESEB = ( 1 ) + ((1 ) 1 ) Dimana : Y t = Nilai Peramalan dengan menggunakan exponential smoothing pada periode t A t = Data aktual pada periode t Contoh : Meramalkan permintaan pada minggu ke-18 A 17 = botol Y 17 = botol 18 = (0,2 7822) + (0,8 7609) =

19 ESEB (2) Diketahui bahwa pada periode ke-18, SC melaksanakan Special Event Perayaan Hari Ultah Coca-Cola yg ke-123. Maka permintaan pada periode ke-18 yaitu sebesar : Y 18 = botol I 18 = 1,02 (indeks Event Perayaan Hari Ultah Coca-Cola) 18 = 1, = 7771 * untuk periode yang tidak ada Special Event, indeks = 1 ESEB (3) 19

20 Rekapitulasi Hasil Peramalan Rekapitulasi Hasil Peramalan (2) Grafik Perbandingan Metode Forecast terhadap Aktual Sales Variable Eksisting Winter Decomposition MA Event Based ES Event Based Aktual Sales Data Index

21 Akurasi Peramalan Updating Indeks Menambahkan indeks pada tahun 2009 untuk memperbaharui indeks yang dapat digunakan sebagai referensi pada tahun

22 Metodologi (3) B Melakukan pembuatan Master Production Schedule (MPS) tanpa mempertimbangkan ketersediaan botol Melakukan pembuatan Master Production Schedule (MPS) dengan mempertimbangkan ketersediaan botol Peramalan Pengecekan Pola Data Historis Rancangan Skenario Perhitungan Indeks Special Event Peramalan Permintaan C 22

23 Metodologi (4) C Pembuatan MPS dengan Skenario MPS Skenario 1 Didapatkan dari hasil peramalan dengan metode terbaik Data Historis Perusahaan Pt = TI t (SOH t-1 -Y t ) + Sh t-1 SOH = I t-1 TI t = = Yt 6 I t = (P t + SOH t-1 ) -S t x 12 hari Sh t = S t - (P t + SOH t-1 ) Rekapitulasi Avg. Inventory Avg. Backorder 0 23

24 MPS Skenario 2 Didapatkan dari hasil peramalan dengan metode terbaik Pt = Min (Pet ; Et) Data Historis Perusahaan TI t = E t = SE t + (E t-1 -P t ) SOH = I t-1 = Yt x 12 hari 6 I t = (P t + SOH t-1 ) -S t Sh t = S t - (P t + SOH t-1 ) Metodologi (4) C Pembuatan MPS dengan Skenario MPS Kondisi Eksisting 24

25 MPS Eksisting Metodologi (4) C Pembuatan MPS dengan Skenario Perhitungan Total Cost dan Tingkat Inventori serta Backlog untuk setiap kondisi MPS Kondisi Eksisting 25

26 Perhitungan Total Cost Cost terdiri dari dua komponen yaitu Inventori Holding Cost dan Backlog Cost. Eksisting : Perhitungan Total Cost (2) Skenario 1 : Skenario 2 : 26

27 Penghematan (Savings) Dibandingkan Total Biaya Eksisting dengan Skenario 2 (karena skenario lebih riil menggambarkan kondisi perencanaan produksi) Metodologi (4) C Pembuatan MPS dengan Skenario Perhitungan Total Cost dan Tingkat Inventori serta Backlog untuk setiap kondisi MPS Kondisi Eksisting Analisis D 27

28 Metodologi (5) D Analisis Sensitivitas Target Inventori terhadap Biaya Analisis Sensitivitas Dilakukan analisis sensitivitas besaran Target Inventori (TI) yang digunakan oleh perusahaan untuk memberikan masukan yang lebih optimal dari segi minimasi total biaya. Nilai TI ditentukan dengan cara merubah-rubah besaran TI yang dapat menghasilkan total biaya yang lebih murah yang tidak menghasilkan Shortage. 28

29 Analisis Sensitivitas (2) Rp Rp Rp Rp/th Rp Rp Rp Rp Hari Inventory Cost Backlog Cost Total Cost Metodologi (5) D Analisis Sensitivitas Target Inventori terhadap Biaya 29

30 Kesimpulan 1. Metode peramalan dengan mempertimbangkan special event dapat meningkatkan akurasi ramalan jika dibandingkan dengan metode peramalan yang diterapkan oleh perusahaan saat ini. Peningkatan akurasi ramalan untuk produk Coca-Cola 193 ml, Sprite 200 ml, Fanta Strawberry 200 ml, Sprite 295 ml, Fanta Soda Water 295 ml, dan Frestea Jasmine 220 ml masing-masing yaitu 4 persen; 9 persen; 12 persen; 4 persen; 3 persen dan 3 persen. 2. Perencanaan produksi dengan menggunakan peramalan dengan mempertimbangkan special event dapat menghasilkan total penghematanuntuk 6 varian produksebesar Rp ,-/th. 3. Penentuan target inventori yang optimal dapat mengurangi tingkat inventori yang tinggi dan dapat menghasilkan total biaya yang lebih murah. Kesimpulan (2) 4. Natal dan Tahun Baru merupakan Special Event yang paling memiliki pengaruh yang signifikan dalam mempengaruhi permintaan untuk 6 varian produk ini. 30

31 Saran 1. Perusahaan dapat menerapkan metode peramalan dengan menggunakaan event based forecast berdasarkan refenrensi indeks special event yang telah diperbaharui. 2. Identifikasi perputaran botol dapat disimulasikan menjadi variabel tambahan untuk perencanaan produksi. 3. Penelitian ini diterapkan untuk produk jenis lainnya seperti jenis PET, tetrapack, dll. Daftar Pustaka Andrian, Y (2004). Evaluasi dan Perancangan Sistem Penunjang Keputusan pada Proses Perencanaan Produksi Studi Kasus : PT. Coca Cola Bottling Indonesia Plant Pandaan. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. Anggraheni, W (2003). Peramalan Berdasarkan Event di PT. Coca Cola Distribution Indonesia SIER Surabaya. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. Ashayeri, J dan Kampstra, P. (2003) Collaborative Replenishment : A Step by Step Approach, Tillburg University Chopra dan Meindl (2004) Supply Chain Management : Strategy, Planning, and Operation, Prectice Hall Inc., New Jersey Christopher,M.(1992). Logistics and Supply chain Management. Pitman, London. Chung, C.H, Krajewski, L.J (1984). Planning Horizon For Master Production Schedulling. Journal of Operation Management. Vol. 4 No. 4, August

32 Daftar Pustaka (2) Gangadharan, Rajesh. (2006). Supply chain Strategies To Manage Volatile Demand. <URL: > Hanke, J.E, Reitsch, A.G, dan Wichern, D.W. (2001). Business Forecasting Seventh Edition, Prentice Hall, United States of America. Kaltim Post (2009). Siapkan Cadangan 600 Ribu Krat (Kamis, 25 Desember 2009) <URL : Malkridakis, S, Wheelright, S.C, dan Mc Gee, V.E. (1983). Forecasting Methods and Application 2nd Edition, John Wiley and Sons, Inc. Nahmias, S. (1993). Production and Operation Analysis, Mc Graw-Hill Internasional, Singapore. Nahmias, S. (2009). Production and Operation Analysis Seventh Edition, Mc Graw-Hill Internasional, Singapore. Nasution, AH. (1999). Perencanaan dan Pengendalian Produksi. Guna Widya, Surabaya. Daftar Pustaka (3) Posko Manado (2009). Permintaan Tetap Tinggi (Kamis, 17 September 2009) <URL : =1> Pujawan, I Nyoman. (2005). Supply Chain Management. Guna Widya, Surabaya Russel, R.A, Urban, T.L (1993). Horizon Extention for Rolling Production Schedules : Lenght and Accuracy Requirement. International Journal of Production Economics, 29 (1993) R. Liu et al. (2006). A Formal Modeling Approach for Supply Chain Event Management, Desicion Support System 43, Silver, E.,D. Pyke, D.,F. Peterson, R. (1998). Inventory Management and Production Planning and Schedulling. New York, John Willey and Sons, Inc. Surya (2009). Coca Cola Luncurkan Sprite Zero (Rabu, 11 Maret 2009) <URL : Withycombe, R (1989). Forecasting with Combined Seasonal Indices. International Journal of Forecasting,

33 Terima Kasih 33