LOGO. Pengembangan Metode Peramalan Permintaan dan Perencanaan Produksi yang Mempertimbangkan Special Event : Studi Kasus di Perusahaan minuman Ringan

Transkripsi

1 Pengembangan Metode Peramalan Permintaan dan Perencanaan Produksi yang Mempertimbangkan Special Event : Studi Kasus di Perusahaan minuman Ringan Peneliti : Rina Yulizar Rahman Dosen Pembimbing : Prof. Ir. I Nyoman Pujawan, M.Eng.,Ph.D.,CSCP LOGO TI

2 Latar Belakang Fluktuasi permintaan yang menyebabkan peramalan menjadi tidak akurat Adanya special event Pengembangan penelitian sebelumnya (Putra, I. N. (2010)) Pengaruh pembatasan kapasitas penyimpanan terhadap total cost.

3 Data Aktual Penjualan "Fluktuasi Permintaan Karena Adanya Special Event" 8000 Demand Sales Week Pada minggu ke-28 sampai 30 terjadi kenaikan karena adanya event berupa panen tembakau pada waktu tersebut. Selain itu, terjadi puncak kenaikan permintaan pada minggu ke-52 dikarenakan adanya event bersamaan berupa promosi produk, Natal, dan Tahun baru.

4 Ilustrasi Index Index dimiliki oleh masing-masing special event. Index menggambarkan prosentase (%) kenaikan permintaan pada periode tersebut ketika terjadinya Special Event.

5 Perumusan Masalah Pengembangan Penelitian Perencanaan Produksi yang lebih baik Hubungan Tingkat Error dengan Total Cost

6 Tujuan Penelitian Peramalan dengan special event lebih akurat Pengujian terhadap level smoothing parameter forecast dengan minimal error Perencanaan produksi dengan total cost untuk masing-masing kondisi. Menghubungkan secara statistik antara tingkat kesalahan forecast dengan ukuran financial Nilai update indeks special event untuk peramalan periode selanjutnya

7 Manfaat Penelitian 1 2 Mengetahui EFEK dari perubahan level smoothing parameter terhadap hasil forecast Mengetahui HUBUNGAN antara nilai error forecast dengan total biaya 3 Sebagai ALTERNATIF penurunan biaya produksi melalui perencanaan produksi dengan skenario 4 Memberikan REKOMENDASI mengenai metode peramalan yang lebih akurat dengan memperhatikan special event

8 Ruang Lingkup Penelitian Batasan Data yang digunakan adalah data sekunder yang berasal dari penelitian sebelumnya Produk yang diamati sebanyak 3 produk. A, B, dan C Special Event yang diperhitungkan adalah special event yang diperkirakan mempengaruhi penjualan secara signifikan. Metode peramalan yang digunakan adalah Seasonality dan Exponential Smoothing dengan nilai level smoothing parameter 0.1, 0.2, 0.3, dan 0.5. Asumsi Total biaya dihitung berdasarkan Inventory cost, shortage cost, dan set up cost. Kapasitas penyimpanan adalah sebesar 700 krat, yang berisi 24 botol setiap kratnya. Kekurangan barang pada suatu periode akan dipenuhi pada periode berikutnya C A B

9 Critical Review No. Penulis Judul Jenis Deskripsi 1 Withycombe, R (1989) Forecasting with Combined Seasonal Indices Jurnal Internasional Menghasilkan metode peramalan dengan menggunakan indeks seasonal untuk multi produk 2 Liu, R (2006) A Formal Modeling Approach for Supply Chain Event Management Jurnal Internasional Memodelkan Supply Chain Event Management dengan menggunakan simulasi Petri net 3 Chung, C.H, Krajewski, L.J (1984) Planning Horizon For Master Production Schedulling Jurnal Internasional Penentuan planning horizon yang tepat untuk Pembuatan Master Production Schedule (MPS)

10 Critical Review (cont d) No. Penulis Judul Jenis Deskripsi 4 Aggraheni, W (2003) Peramalan Penjualan Berdasarkan Event di PT. Coca Cola Distribution Indonesia SIER Surabaya Tugas Akhir Mengusulkan model forecast yang mengakomadasi tren data event. 5 Putra, I.N (2010) Peramalan Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special Event di PT. Coca Cola Bottling Indonesia (PT. CCBI) Plant Pandaan Tugas Akhir Menghasilkan metode peramalan dengan mempertimbangkan special event dan melakukan perencanaan produksinya 6 Rahman, Y.R. (2013) Pengembangan Metode Peramalan Permintaan Dan Perencanaan Produksi Yang Mempertimbangkan Special Event : Studi Kasus di Perusahaan Minuman Ringan Tugas Akhir Metode peramalan dengan pertimbangan special event dengan menambahkan pengujian menggunakan beberapa level smoothing parameter dan melihat efeknya terhadap forecast, perencanaan produksi, dan total biaya yang dihasilkan

11 Metodologi Penelitian Tahap Pembuatan Forecast Mulai Menentukan variabel dan parameter sebagai input dalam pengambilan data 1. Data penjualan produk : Data aktual produksi : Data harga jual produk yang diamati 4. Data kapasitas penyimpanan 5. Stock on hand akhir periode Data special event yang telah direcord perusahaan: Data Penjualan Produk Data Aktual Produksi Data Harga jual Produk Pengambilan Data Kapasitas Penyimpanan Stock On Hand Akhir Periode Data Event yang telah direcord

12 Metodologi Penelitian (cont d) Tahap Pembuatan Forecast

13 Pola Data Historis Plot Data Produk A Sales Week Menunjukkan pola data musiman selama kurun waktu tiga tahun. Dengan pola musiman 52 minggu

14 Metode Seasonality A Wx = (D T1 +D T2 +D T3 ) 3 I Wx = A Wx G A F T4 = I Wx x A Wx Dimana : A wx = Rata-rata demand pada minggu ke-x selama T1, T2, T3 D T1 I Wx G A F T4Wx = Demand pada tahun ke-1 = Index seasonality pada minggu ke-x = Rata-rata keseluruhan demand = Hasil forecast tahun ke-4 pada minggu ke-x

15 Metode Exponential Smoothing F t = D t 1 + (1 )F t 1 Dimana : Ft = Forecast pada periode t Dt-1 = Aktual permintaan pada periode t-1 Ft-1 = Forecast pada periode t-1 α = Level smoothing parameter

16 Perhitungan Indeks Special Event I t = A t D t Dimana : It = Indeks pada periode t (minggu) At = Data aktual periode t (minggu) Dt = Diadjust (data hasil peramalan pada periode t )

17 Perhitungan Indeks SE (cont d) Produk A Minggu Sales Minggu Sales Minggu Sales Minggu Sales Minggu Sales Produk A Produk B Produk C Event Minggu Ke- Minggu Ke- Minggu Ke Hari Raya Idul Adha I t = A t D t Hari Raya Idul Fitri Promo Outlet dan Kerja Sama Data Penjualan Forecast Perhitungan Indeks SE Input Periode dan event Grouping event

18 Perhitungan Indeks SE (cont d) Group Event Hari Raya Idul Adha Index Masing-Masing α 0,1 0,2 0,3 0,5 Optimis Mean Pesimis Optimis Mean Pesimis Optimis Mean Pesimis Optimis Mean Pesimis 1,22 1,15 1,07 1,07 1,09 1,16 1,14 1,10 1,05 1,10 1,06 1,03 Pengkategorian Indeks Event Hari Raya Idul Fitri 1,20 1,14 1,08 1,12 1,08 1,04 1,16 1,08 1,01 1,03 1,01 0,98 Promo Outlet dan Kerja Sama Promosi Produk dan Event Kompetisi Ulang Tahun dan Pesta Perusahaan 1,01 0,90 0,77 1,03 0,97 0,87 1,00 0,85 0,70 1,10 1,04 1,01 1,13 1,08 1,01 1,10 1,05 1,00 1,08 1,03 1,00 1,06 1,03 forecast after indexing = I t x forecast 1,15 1,05 0,96 1,09 1,03 1,00 1,08 1,03 0,93 1,07 1,02 0,97 1,06 Indeks digunakan untuk tahun 2009 Event Goes to School 1,14 1,07 0,98 1,08 1,06 1,02 1,12 1,07 1,03 1,05 1,04 1,03 Panen Tembakau Tahun Baru Imlek Natal dan Tahun Baru 1,10 1,09 1,10 1,09 1,06 1,04 1,11 1,06 1,02 1,07 1,04 1,00 1,01 0,84 0,74 1,00 0,95 1,00 0,67 0,87 0,67 1,02 1,01 0,99 1,27 1,18 1,13 1,18 1,11 1,07 1,17 1,12 1,05 1,08 1,06 1,03 Input Periode dan event 2009 Compare dengan aktual produksi dan perhitungan error

19 Nilai Error Masing-masing Metode Error Metode MAD MAPE MSE PRODUK A Seasonality 757,67 9, Metode Exponential smoothing Exponential Smoothing α=0,1 419,58 5, ,38 Produk Level Smoothing Parameter MAD MAPE α=0,2 MSE 395,60 4, ,74 α=0,3 394,63 4, ,50 Nilai Index Optimis 419,58 5, α=0,1 α=0,5 407,42 5, ,54 Nilai Index Mean 526,85 6, Nilai Index Pesimis 819,38 9, PRODUK B Seasonality , Nilai Index Optimis 395,60 4, α=0,2 Nilai Index Mean 417,50 Exponential 5,13 Smoothing Nilai Index Pesimis 592,85 α=0,1 7, ,03 11, A Nilai Index Optimis 460,46 α=0,2 5, ,66 10, α=0,3 Nilai Index Mean 394,63 α=0,3 4, ,02 9, Nilai Index Pesimis 466,12 α=0,5 5, ,21 8, Error Metode Nilai Index Optimis 470,70 5, PRODUK C MAD MAPE MSE α=0,5 Nilai Index Mean 407,42 Seasonality 5, , PRODUK Nilai A Index Pesimis 451,88 Exponential 5,43 Smoothing Seasonality 757,67 9, α=0, ,74 11, Exponential Smoothing α=0, ,61 11, α=0,1 419,58 5, ,38 α=0, ,12 10, α=0,2 395,60 4, ,74 α=0, ,28 8, α=0,3 394,63 4, ,50 α=0,5 407,42 5, ,54 PRODUK B Seasonality , Exponential Smoothing α=0, ,03 11, α=0, ,66 10, α=0, ,02 9, α=0, ,21 8, PRODUK C Seasonality , Nilai error paling minimal untuk ketiga varian produk didapatkan dari metode Exponential Smoothing

20 Peningkatan Akurasi Peramalan Akurasi Peramalan (%) Peningkatan akurasi (%) Produk Metode eksisting perusahaan Metode penelitian sebelumnya Metode Usulan Terhadap Metode Eksisting Terhadap Penelitian Sebelumnya A ,13 4,13 0,13 B ,69 9,69 0,69 C ,41 12,41 0,41 Terjadi peningkatan yang cukup besar dari metode eksisting perusahaan, tetapi tidak cukup besar jika dibandingkan dengan penelitian sebelumnya

21 Updating Indeks Pembobotan Indeks Event It = 0, 1x1, 12 + (0, 2x1, 09) + 0, 3x1, , 4x1, 12 Bobot tahun 2006 Bobot tahun 2007 Bobot tahun 2008 Bobot tahun 2009 Event PRODUK A Index Special Event Hari Raya Idul Adha 1,095 1,07 1,16 1,05 1,09 Hari Raya Idul Fitri 1,12 1,09 1,04 1,12 1,09 Promo Outlet dan Kerja Sama Promosi Produk dan Event Kompetisi Ulang Tahun dan Pesta Perusahaan Updating Index 1 0,87 1,03 1,04 1,00 1,04 1 1,09 1,095 1,07 1,06 1,01 1,05 1,055 1,05 Event Goes to School 1,08 1,08 1,02 1,08 1,06 Panen Tembakau 1,04 1,09 1,06 1,1 1,08 Tahun Baru Imlek 1 0,84 0,85 1 0,92 Natal dan Tahun Baru 1,07 1,09 1,18 1,14 1,14

22 Updating Indeks (con t) Event PRODUK B Index Special Event Updating Index Hari Raya Idul Adha 1,03 1,04 1,04 1,04 1,04 Hari Raya Idul Fitri 1,03 1,07 0,8 0,97 0,95 Promo Outlet dan Kerja Sama ,01 1,00 Promosi Produk dan Event Kompetisi 1,09 0,98 0,96 1,03 1,01 Ulang Tahun dan Pesta Perusahaan 1,05 0,95 0,97 0,99 0,98 Event Goes to School 1,02 1,02 1,25 1,09 1,12 Panen Tembakau 0,98 1,05 1,02 1,02 1,02 Tahun Baru Imlek 1,02 0,87 0,91 0,93 0,92 Natal dan Tahun Baru 1,03 1,08 1,22 1,11 1,13 Event PRODUK C Index Special Event Updating Index Hari Raya Idul Adha 1,04 1,01 1,06 1,04 1,04 Hari Raya Idul Fitri 1,02 1,07 0,84 0,98 0,96 Promo Outlet dan Kerja Sama Promosi Produk dan Event Kompetisi 1,07 1,11 1,06 1,07 1,08 Ulang Tahun dan Pesta Perusahaan 1,06 0,92 1 0,99 0,99 Event Goes to School 0,99 1,08 1,14 1,07 1,09 Panen Tembakau 0,98 1,08 1,06 1,02 1,04 Tahun Baru Imlek 0,93 0,85 0,9 0,89 0,89 Natal dan Tahun Baru 1,03 1,02 1,03 1,03 1,03

23 Metodologi Penelitian (cont d) Tahap Perencanaan dan Pengukuran Performansi Skenario 1: Melakukan pembuatan MPS tanpa batasan Skenario 2: Melakukan pembuatan MPS dengan batasan kapasitas penyimpanan

24 MPS Skenario 1 Skenario 1: Melakukan pembuatan MPS tanpa batasan Hasil Peramalan tiap varian dengan masing-masing alfa TI t = Peramalan periode t Jumlah hari x ti tiap varian Data historis perusahaan α= 0,1 Sh t = S t - (P t + SOH t-1 ) Periode (t) Forecast (Y t ') Produksi (P t ) Actual Sales (S t ) Stock On Hand (SOH t-1 ) Target Inventory (TI t ) Inventory (I t ) Shortage (Sh t ) Total Biaya Simpan (TCi) Total Biaya Shortage (TCs) SOH = I t 1 IC = It x Ic/ P t = TI t (SOH t 1 Y t ) + Sh t 1 I t = (P t + SOH t-1 ) - S t SC = Sht x Sc/52

25 MPS Skenario 2 Skenario 2: Melakukan pembuatan MPS Dengan batasan kapasitas penyimpanan Jika inventory melebihi , maka inventory hanya sebesar dan kekurangannya akan diproduksi pada periode selanjutnya α= 0,1 Periode (t) Forecast (Y t ') Produksi (P t ) Actual Sales (S t ) Stock On Hand (SOH t-1 ) Target Inventory (TI t ) Inventory (I t ) Shortage (Sh t ) Total Biaya Simpan (TCi) Total Biaya Shortage (TCs)

26 Perhitungan Total Cost (skenario 1) Komponen penyusun Total Cost dalam penelitian ini adalah Inventory cost, Shortage cost, dan Setup cost Metode Exponential smoothing Skenario Pertama Produk Nilai Alfa Inventory Cost (Rp/th) Shortage Cost (Rp/th) Setup Cost (Rp/th) Total Cost (Rp/th) 15% A B C Produk 0, , , , , , , , , , , , Metode Seasonality Inventory Cost (Rp/th) Shortage Cost (Rp/th) Setup Cost (Rp/th) Total Cost (Rp/th) A B C Variabel pembentuk total biaya yang dihasilkan pada metode exponential smoothing lebih kecil dibandingkan dengan metode seasonality

27 Perhitungan Total Cost (skenario 2) Kapasitas penyimpanan dibatasi sebesar botol Metode Exponential smoothing Skenario Kedua Produk Nilai Alfa Inventory Cost (Rp/th) Shortage Cost (Rp/th) Setup Cost (Rp/th) Total Cost (Rp/th) 12,6% A B C Metode Seasonality Produk 0, , , , , , , , , , , , Inventory Cost (Rp/th) Shortage Cost (Rp/th) Setup Cost (Rp/th) Total Cost (Rp/th) A B C Variabel pembentuk total biaya paling kecil Juga didapatkan dari metode exponential smoothing

28 Rekapitulasi Total Biaya Produk Urutan Total Cost Nilai Alfa Skenario 1 Skenario 2 Exponential Smoothing 0, A 0, , , , B 0, , , , C 0, , , Seasonality A B C Total biaya paling kecil didapatkan dari metode Exponential Smoothing. Perbedaan Total biaya antara skenario 1 dan 2 tidak besar, bahkan ada yang sama. Perbedaan yang terlihat adalah pada produk C yang mempunyai shortage cost yang cukup tinggi

29 Analisa Korelasi Error-Total Cost Hubungan antara Error dengan Total cost dapat diketahui melalui running aplikasi Macro pada Microsoft Excel yang telah dibuat Skenario 1 A α = 0,1 0 Kategori Total Biaya Cost Per Unit MAD MAPE MSE Optimis ,80 419,58 5, Mean ,57 526,85 6, Pesimis ,47 819,38 9, Karena terdapat perbedaan jumlah produk yang diproduksi, maka dilihat cost per unit nya B C α = 0,1 0 Kategori Total Biaya Cost Per Unit MAD MAPE MSE Optimis , ,03 16, Mean , ,03 11, Pesimis , ,15 13, α = 0,1 0 Kategori Total Biaya Cost Per Unit MAD MAPE MSE Optimis , ,05 15, Mean , ,74 11, Pesimis , ,65 15, Pada produk A, nilai error kecil menghasilkan cost per unit yang kecil Pada produk B & C, nilai error kecil tidak menghasilkan cost per unit yang kecil

30 Analisa Korelasi Error-Total Cost Skenario 2 A B C α = 0,1 0 Kategori Total Biaya Cost Per Unit MAD MAPE MSE Optimis ,11 419,58 5, Mean ,89 526,85 6, Pesimis ,47 819,38 9, α = 0,1 0 Kategori Total Biaya Cost Per Unit MAD MAPE MSE Optimis , ,03 16, Mean , ,03 11, Pesimis , ,15 13, α = 0,1 0 Kategori Total Biaya Cost Per Unit MAD MAPE MSE Optimis , ,05 15, Mean , ,74 11, Pesimis , ,65 15, Pada produk A, nilai error kecil menghasilkan cost per unit yang kecil Tetapi... Pada produk B & C, nilai error kecil tidak menghasilkan cost per unit yang kecil

31 Kesimpulan Pemilihan metode peramalan yang tepat dan pertimbangan terhadap special event akan memberikan pengaruh terhadap tingkat akurasi forecast yang dihasilkan. Melakukan pengujian terhadap tingkat kehalusan peramalan akan memberikan pilihan terhadap nilai error yang dihasilkan. Tetapi tidak ada pola urutan untuk tingkat error yang dihasilkan oleh setiap nilai alfa. Terjadi peningkatan akurasi peramalan yang cukup besar terhadap metode eksisting perusahaan, tetapi tidak cukup besar jika dibandingkan dengan penelitian sebelumnya.

32 Kesimpulan (cont d) Perencanaan produksi dengan menggunakan skenario berupa batasan kapasitas penyimpanan tidak mempunyai pengaruh signifikan terhadap total biaya dikarenakan batasan yang diterapkan masih cukup besar di atas average inventory masing-masing variannya, sehingga merupakan batasan yang longgar. Penambahan variabel setup cost dalam perhitungan total biaya dapat meningkatkan biaya sebesar dari biaya eksisting. Nilai ini dipengaruhi oleh besar jumlah produksi tiap periode pada masingmasing varian. Besar atau kecilnya tingkat error yang dihasilkan dalam suatu peramalan tidak selalu memberikan pengaruh terhadap besarnya cost per unit masing-masing varian. Berdasarkan nilai updating index, pada tahun selanjutnya event yang paling berpengaruh adalah event Natal dan Tahun baru serta event Goes to School.

33 Saran Perusahaan dapat menggunakan metode peramalan ini dengan nilai updating index yang telah diperbarui sesuai dengan keadaan riil untuk periode terbaru. Penggunaan batasan dalam kapasitas penyimpanan dapat diperbesar atau diperkecil sesuai dengan keinginan perusahaan. Penelitian ini dapat diterapkan untuk produk jenis lainnya seperti jenis tetrapack, dll. Penelitian selanjutnya dapat dilakukan untuk melihat hal-hal yang mempunyai korelasi signifikan dengan besarnya total biaya, selain dari segi akurasi.

34 Daftar Pustaka Anggraheni, W (2003). Peramalan Berdasarkan Event di PT. Coca Cola Distribution Indonesia SIER Surabaya. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. Bowerman, B.L., & O Connell, R.T. (1987). Time series forecasting: Unified concepts and computer implementation 2 nd edition. Boston: Duxbury Press. Christopher, M.C. (1998). Logistics and Supply Chain Management: Strategies for Reducing Cost and Improving Services, Financial Times Prentice Hall London (second edition). Chung, C.H., Krajewski, L.J. (1984). Planning horizons for master production scheduling. Journal of Operations Management. 4(4), Croxton, K.L., Lambert, D.M., Garcia-Dastugue, S.J., et. al. (2002). The demand management process. International Journal of Logistics Management. 13, Gaspersz, V. (1997). Production Planning and Inventory Control. Jakarta: PT. Gramedia Pustaka Utama. Hanke, J., Reitsch, A., & Wichern, D. (2001). Business Forecasting Seventh Edition. Prentice-Hall, Inc., Upper Sadle River, New Jersey. Ignaciuk, P. (2012). Dead-time compensation in continuous-review perishable inventory systems. Journal of Process Control, 22,

35 Daftar Pustaka (cont d) Kaltim Post (2009). Siapkan Cadangan 600 Ribu Krat (Kamis, 25 Desember 2009) <URL : Liu, R., Kumar, A., & Aalst, W. (2006). A formal modeling approach for supply chain event management. Journal of decision support system. 43, Nasution, A. H. (1999). Perencanaan dan Pengendalian Produksi. Surabaya: Guna Widya. Nasution, A. H. (2003). Metode Research Penelitian Ilmiah, Edisi pertama, Cetakan keenam. Jakarta: Bumi Aksara. Nahmias, S. (2009). Production and Operation Analysis Seventh Edition, Mc Graw-Hill International, Singapore. Arvitrida, N.I. (2010). Forecasting. Materi mata kuliah Production Planning and Inventory Control. Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember, Surabaya. Pujawan, I. N., & Mahendrawathi (2010). Supply Chain Management. Surabaya: Guna Widya. Putra, I. N. (2010). Peramalan Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special Event di PT. Coca Cola Bottling Indonesia Plant- Pandaan. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya.

36 Daftar Pustaka Spencer B, Smith. (1989). Computer-Based Production and Inventory Control. Prentice-Hall International,Inc. Surya (2009). Coca Cola Luncurkan Sprite Zero (Rabu, 11 Maret 2009) <URL : Whitfield, R. I., & Duffy, A. (2011). Extended revenue forecasting within a service industry. Int. J. Production Economics. 141, Withycombe, R. (1989). Forecasting with combined seasonal indices. International Journal of Forecasting. 5,