BAB V ANALISA PEMECAHAN MASALAH

Transkripsi

1 BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan dlakukan dengan menggunakan pembobotan dengan nla terkecl untuk nla kesalahan terkecl bak MAD dan MAPE, sedangkan untuk trackng sgnal nla bobot terkecl untuk nla yang mendekat nol bak bernla postf maupun negatf. Model forecastng terplh adalah yang mempunya rangkng terkecl Pembobotan Nla-nla Statstk Tabel 5.1 menamplkan pembobotan nla-nla MAD, MAPE dan TS berdasarkan pada 4 (empat) model peramalan, dmana 2 (dua) model lannya tdak dlakukan evaluas lebh lanjut yatu model movng average dan weghted movng average yang berada d luar peta kendal control untuk pengendalan trackng sgnal. Model forecastng yang akan dlakukan pembobotan adalah untuk Exponental Smoothng, Trend-Corrected Exponental Smoothng, Seasonalty Exponental Smoothng dan Trend & Seasonalty Corrected Exponental Smothng. Pembobotan nla MAD berturut-turut nla dar 1 sampa 4 adalah Seasonalty Exponental Smoothng, Trend & Seasonalty Corrected Exponental Smothng. Trend-Corrected Exponental Smoothng, dan Exponental Smoothng. Nla MAPE berturut dar 1 sampa 4 adalah Exponental Smoothng, Seasonalty Exponental Smoothng, Trend-Corrected Exponental Smoothng, dan Trend & Seasonalty Corrected Exponental Smothng. 77

2 78 Sedangkan untuk trackng sgnal, pembobotan dengan nla bobot terkecl untuk nla yang mendekat nol bak yang bernla postf maupun negatf, sehngga bak nla mnmal dan maksmal, akan dplh nla yang palng tngg yang dmlk masng-masng model forecastng, sehngga dperoleh pembobotan nla TS berturutturut nla dar 1 sampa 4 adalah Seasonalty Exponental Smoothng, Trend- Corrected Exponental Smoothng, Exponental Smoothng, dan Trend & Seasonalty Corrected Exponental Smothng. Tabel 5.1 : Pembobotan Nla MAD, MAPE dan TS Hasl Aplkas 4 (Empat) Model Forecastng Metode Peramalan MAD MAPE Trackng Sgnal Pont Mn Max Smple Exponental Smoothng α = 0,9 3, Trend-Corrected Exponental Smoothng 2, α = 0,9, β = 0, Seasonalty Exponental Smoothng 2, α = 0,5, γ = Trend-Corrected & Seasonalty Exponental 2, Smoothng α = 0,7, β = 0,03, γ = Dar tabel pembobotan terlhat bahwa model yang tepat untuk melakukan peramalan menggunakan seasonalty exponental smoothng dengan nla koefsen α = 0.5, γ = 0.01 dengan hasl nla MAD = 2,601.6, MAPE = 22.69, dan TS Range dar -2.1 sampa Analsa Uj Verfkas Forecastng Begel, John E. (1990 P51) menyatakan bahwa langkah pertama yang harus dlakukan setelah melakukan forecastng adalah melakukan verfkas apakah fungs peramalan mewakl pola yang ada. Salah satu metode yang dgunakan untuk melakukan verfkas forecastng dengan menggunakan movng range chart.

3 79 MR = MR = ' ' ( d t d ) ( d t 1 d ) MR n 1 UCL = MR LCL = 2.66MR t t 1 (John E. Begel, 1990 p52) ( 2.66MR) 2 A = ± 3 A = ± 1.77MR 1 B = ± 3 ( 2.66MR) B = ± 0.89MR (John E. Begel, 1990 p54) Tabel 5.2 : Perhtungan Movng Range Chart untuk Seasonalty Exponental No Year Month Perode (t) Demand (d) Forecast (d') 1 Jan 1 6,872 16,319 9,447 2 Feb 2 9,454 9, ,102 3 Mar 3 10,602 8,831 (1,771) 2,115 4 Apr 4 12,446 11,222 (1,224) May 5 13,678 11,334 (2,344) 1,120 6 Jun 6 16,768 14,260 (2,508) Jul 7 16,816 19,800 2,984 5,492 8 Aug 8 15,552 14,637 (915) 3,899 9 Sep 9 15,640 16, , Oct 10 21,100 14,187 (6,913) 7, Nov 11 19,256 17,769 (1,487) 5, Dec 12 14,902 14,248 (654) 833 Totals 173, ,673 (4,413) 37,782 d'-d Movng Range

4 80 MR ' ' ( d t d ) ( d t 1 d ) = t t 1 MR 37,782 MR = = = 3,435 n UCL = MR UCL = + 2,66 3,435 = + 9,136 LCL = 2.66MR LCL = ,435 = 9,136 Gambar 5.1 : Grafk MR Chart untuk Seasonalty Exponental Smoothng Tabel 5.3 : Matrk Konds d Luar Kendal MR Chart Konds d luar kendal, jka : Ya Tdak Ada ttk d luar UCL atau LCL V Dar 3 ttk plot berurutan 2 ttk berada pada regon A V Dar 5 ttk plot berurutan 4 ttk berada pada regon B V Ada 8 ttk plot berurutan berada pada bagan atas atau bawah gars tengah (regon C) V (John E. Begel, 1990 p54)

5 81 Dar hasl pemerksaan dan pengendalan data peramalan model seasonalty exponental smoothng dapat dsmpulkan bahwa peramalan tersebut vald dan layak untuk dgunakan karena seluruh data hasl peramalan dapat dkontrol dalam peta kendal rentang bergerak. 5.2 Analsa Sstem Inventor Hasl perbandngan baya nventor dar masng-masng metode dapat dlhat dalam tabel 5.4. Dar hasl perbandngan, terlhat bahwa nla baya untuk model LFL sama dengan model saat n dmana pemesanan dlakukan setap mnggu sekal. Metode EOQ memlk nla lebh besar dar sstem saat n. Metode PPB memlk nla lebh kecl dar nla sstem saat n, namun mash lebh besar dbandng dengan metode lannya yatu metode POQ dan LUC yang memlk nla total nventor sama yatu Rp ,00. Dbandngkan dengan sstem saat n, ada selsh sebesar Rp ,00. Karena metode POQ dan LUC memlk baya terkecl dar sstem saat n maupun metode yang lan sepert PPB dan EOQ sehngga dapat dsmpulkan perbakan sstem menggunakan aplkas metode POQ atau LUC yatu penjadwalan pemesanan setap 2 mnggu sekal dengan jumlah pesan bervaras tergantung pada perode tercakup.

6 82 Tabel 5.4 : Perbandngan Hasl Analsa Metode Lot Szng Perod Demand Metode Lot Szng Saat n LFL EOQ POQ LUC PPB , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,122 1,019, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,199 Total Cost 322,400, ,400, ,746, ,401, ,401, ,754,282

7 Analsa Safety Stock pada Sstem Terplh Dar hasl analsa sstem nventor, dperoleh sstem yang memberkan baya nventor terkecl yang dplh sebaga metode untuk perbakan sstem saat n, yatu metode POQ atau LUC. Kemudan dlakukan perhtungan tngkat safety stock yang akan dterapkan dalam sstem sebaga tambahan dalam besarnya jumlah pemesanan produk setap perode pesan. Analsa nla safety stock dgunakan sebaga pengamanan nventor agar tdak terjad kehabsan persedaan (stock out), karena adanya lead tme pengrman materal. Penghtungan safety stock mengunakan metode devas pemakaan selama lead tme, yatu safety stock dhtung dar hasl perkalan devas lead tme, laju pemakaan rata-rata per-har selama lead tme dan safety factor (k) yang dambl dar tabel dstrbus normal tergantung pada berapa besar resko stock out (servce level). Dalam hal n, perusahaan membatas bahwa nla safety stock tertngg adalah Kg dengan tngkat servce level sebesar 99%. Tabel 5.5 : Data Analsa Devas Standar Lead Tme Pemesanan No Month Lead Tme (Har) Devas (L - L) Devas Kuadrat (L - L) 2 1 Jun Jul Aug Sep Oct Nov Dec Sehngga dar data d atas, dperoleh :

8 84 L = 34,57 ( L L) n = 7 2 = 51,71 Nla standar devas : S L ( L L) = n 1 2 = 51,71 = 2,936 6 tabel berkut : Sedangkan data laju pemakaan materal selama lead tme dtunjukkan dalam Tabel 5.6 : Data Laju Pemakaan selama Lead Tme No Month Pemakaan 1 Jun 489,728 2 Jul 711,667 3 Aug 1,065,253 4 Sep 932,680 5 Oct 1,564,188 6 Nov 1,184,570 7 Dec 1,138,910 U = ,20 L = 242 Sehngga dar data d atas, dperoleh nla rata-rata penggunaan materal perhar selama lead tme : U L = U L ,20 = = ,11

9 85 Selanjutnya analsa nla safety stock dapat dcar menggunakan persamaan berkut, dmana perlu dketahu terlebh dahulu nla konstanta safety factor (k) yang akan dterapkan pada sstem, yatu nla servce level sebesar 99%, nla safety factor (k) adalah sebesar 2.33 sehngga besar safety stock dapat dhtung. Safety _ Stock = SS = k. U. S Safety _ Stock = SS = , Kg L L = 2, ,11 2,936 Angka safety stock yang dperoleh sebesar Kg mash dbawah nla maksmal yang djnkan yatu Kg (kapastas pt penampung). Berdasarkan pada pembahasan 5.3, telah dtetapkan bahwa baya nventor terkecl dperoleh dengan menerapkan hasl analsa POQ atau LUC yatu reorder perod setap 2 mnggu sekal. Dengan menambahkan nla safety stock sebesar Kg maka dperoleh jadwal pemesanan materal dan besarnya jumlah materal sepert pada tabel berkut : Tabel 5.7 : Jadwal Pemesanan Menggunakan POQ / LUC setelah penambahan Safety Stock untuk Perode Tahun 2010 Dengan perhtungan baya nventor sebaga berkut : - Baya smpan = jumlah nventor x baya smpan per unt per perode Baya smpan = x Rp. 12,31 = Rp ,00

10 86 - Baya pesan = jumlah pemesanan x baya pesan per pesan Baya pesan = 26 x Rp ,00 = Rp ,00 Total baya nventor = Baya smpan + Baya pesan = Rp ,00 + Rp ,00 = Rp ,00 Untuk mendapatkan hasl perbandngan, maka perlu dbandngkan dengan data tahun sebelumnya yang palng mendekat yatu tahun 2009, dmana dperoleh data sebaga berkut : - Baya smpan = jumlah nventor x baya smpan per unt per perode Baya smpan = ,00 x Rp. 12,31 = Rp ,00 - Baya pesan = jumlah pemesanan x baya pesan per pesan Baya pesan = 44 x Rp ,00 = Rp ,00 Dmana pada 2 bulan pertama (8 mnggu) tahun 2009 tdak melakukan mportas karena stock yang dmlk mash cukup besar. Total baya nventor = Baya smpan + Baya pesan = Rp ,00 + Rp ,00 = Rp ,00 Jka dbandngkan dengan baya nventor tahun 2009 yatu sebesar Rp ,00 (empat ratus dua belas juta enam ratus semblan puluh dua rbu semblan ratus dua puluh semblan rupah), nla baya nventor menggunakan metode usulan perbakan sstem nventor menggunakan smulas pada tahun 2010 adalah sebesar Rp ,00 (tga ratus enam puluh lma juta enam ratus enam belas rbu dua ratus empat puluh semblan rupah). Nla n mash lebh kecl dbandng baya nventor perode sebelumnya dmana terjad penghematan sebesar

11 87 Rp ,00 (empat puluh tujuh juta tujuh puluh enam rbu enam ratus delapan puluh rupah). Mengngat tngkat penghematan baya yang cukup besar usulan n patut untuk dpertmbangkan phak manajemen perusahaan untuk dterapkan pada perode-perode yang akan datang.