BAB I PENDA U!UAN 1"1 !a#ar Belakang Dalam sistem manufaktur maupun non manufaktur, adanya persediaan merupakan faktor yang memicu peningkatan biaya. Meskipun demikian persediaan harus tetap diperlukan karena kondisi nyata dari kebutuhan (permintaan) dapat bersifat tidak pasti. Menetapkan jumlah persediaan yang terlalu banyak akan mengakibatkan pemborosan biaya penyimpanan, sedangkan menetapkan jumlah persediaan yang terlalu sedikit juga berakibat hilangnya kesempatan untuk mendapatkan keuntungan apabila permintaan nyata melebihi permintaan yang diperkirakan. Kedua dilema dalam memutuskan erapa! jumlah persediaan yang harus disediakan dan Kapan! harus disediakan dapat dipecahkan dengan metode"metode yang ada di dalam #roduction #lanning and $n%entory &ontrol (##$&). #ada era globalisasi sekarang ini, suatu perusahaan harus bisa lebih flexible dan cepat dalam menangani permintaan customer agar dapat bertahan dan bertarung menghadapi banyaknya competitor. 'ebagai salah satu contoh yaitu pada perusahan #(. )o*omika digital printing yang mampu menghasilkan produk berupa berbagai jenis hasil cetak berupa banner, pster, sticker, dan photo canfas. +ntuk memenuhi kebutuhan pelanggan #(. )o*omika digital printing melayani file siap cetak dari pelanggan maupun membuat desain sesuai dengan keinginan pelanggan serta tidak ada minimal order dalam melakukan pemesanan produk. Dimana dari keempat produk yang dihasilkan oleh #(. )o*omika digital printing mempunyai beberapa perbedaan mendasar antara satu produk dengan produk yang lain, seperti perbedaan bahan baku, harga dari masing"masing bahan baku dan proses permesinannya yang secara tidak langsung akan berdampak pada biaya operator dan pera,atan mesin. -leh karena itu #(. )o*omika digital printing membutuhkan suatu proses perencanaan dan pengendalian produksi agar jumlah permintaan sesuai atau seimbang dengan jumlah resources yang dimiliki, dan tidak adanya kelebihan maupun kekurangan pada le%el inventorynya. 'elain itu untuk mendapatkan keuntungan akhir"akhir ini sangat sulit sehingga perusahaan harus benar"benar mempertimbangkan keputusan yang harus diambil. 1"2 Ru$usan %asala&
1
201 3
201 3
#(.
pada le%el
201 3
1"+ Asu$si 6dapun asumsi yang digunakan dalam studi kasus ini adalah sebagai berikut7 1. 'eluruh data yang diperoleh dari pihak perusahaan dianggap benar. .. 'eluruh data yang diperoleh dari pihak perusahaan dianggap benar. 0. 'eluruh data diasumsikan berdistribusi normal.
0
201 3
201 3
9ambar 1.1 :rame,ork Manufacturing #lanning Dalam frame,ork terdapat kegiatan yang terintegrasi agar M#& dapat terlaksana dalam memenuhi keinginan konsumen. 'alah satu bagian dari M#& yaitu demand planning. Dalam memanajemen demand dikenal peramalan untuk melihat permintaan atau demand dimasa akan dating agar kebutuhan konsumen terpenehi dan tidak terjadi o%er produksi.
2
201 3
Ft =
X t + X t 1 + X t 2 + .... + X t n +1 N
(."1)
'umber7 9aspers* ;incent, .<117=4 Dimana 7 >t ) :t ? #ermintaan aktual pada periode t ? anyaknya data permintaan yang dilibatkan dalam permitungan M6 ? #eramalan permintaan pada periode t
2"2"2 Weight Moving Averages #ada metode @M6, setiap data permintaan aktual memiliki bobot yang berbeda. Data yang lebih baru akan mempunyai bobot yang tinggi karena data tersebut mempresentasikan kondisi yang terakhir terjadi. 'ecara matematis @M6 dapat dinyatakan sebagai berikut 7
201 3
?m 'umber7
"M
(."0)
2"2"( Exponensial Smoothing Kelemahan teknik M6 dalam kebutuhan akan data"data masa lalu yang cukup banyak dapat diatasi dengan teknik C'. Model ini mengasumsikan bah,a data berfluktuasi di sekitar nilai mean yang tetap, tanpa trend atau pola pertumbuhan konsisten. 5umus C' dinyatakan sebagai berikut 7 :t ? 6t.D B (1"D) :t"1 :t ? :t"1 B D (6t E :t"1) 1) 'umber7 fotocopy bu ,idha Dimana 7 :t 6t :t"1 D ? #eramalan untuk periode t ? )ilai aktual time series ? #eramalan pada ,aktu t"1 (,aktu sebelumnya) ? Konstanta (."
2"2"* Exponensial Smoothing with Trend Adjustment #ersamaan unutk koreksi kecenderungan (trend correction) menggunakan suatu konstanta pemulusan beta, , yang dihitung berdasarkan formula berikut 7
201 3
2"2"+ Exponensial Smoothing with Seosanal Variation 6pabila identifikasi pola historis dari data aktual permintaan menunjukkan adanya fluktuasi musiman, perlu dilakukan penyesuaian terhadap pengaruh musiman itu melalui menghitung indeks musiman ( seasonal index). 'elanjutnya metode peramalan seperti pemulusan eksponensial dapat diterapkan tergantung pada pola historis dari data itu
2"2". Analisis Garis -ecenderungan Digunakan apabila historis dari data actual permintaan menunjukkan adanya suatu kecenderungan naik dari ,aktu ke ,aktu. :t ? a B bt 'umber7 9aspers* ;incent, .<1171<. Dimana7 :t ? nilai ramalan permintaan pada period eke"t a ? intersep b ? Slope dari garis kecenderungan (trend line), merupakan tingkat perubahan data permintaan t ? indeks ,aktu
=
(."4)
201 3
b?
a ? 6"bar E b(t"bar) 'umber7 9aspers* ;incent, .<1171<. Dimana7 b ? slope dari persamaan garis lurus a ? intersep dari persamaan garis lurus t ? indeks ,aktu t"bar ? nilai rata"rata dari t 6 ? %ariable permintaaan (data actual permintaan) 6"bar ? niFai rata"rata permintaan perperiode ,ktu, rata"rata dari 6
2"2"/ 0in#er Digunakan jika data historis menunjukan adanya trend dan perilaku musiman. Data historis permintaan yang ddibutuhkan minimal dua tahun terakhir. >t ? (a< B at.t) &t " Slope G ? (."=)
? " Level
201 3
2"2"1 Pengukuran Akurasi Ra$alan (erdapat sejumlah indicator dalam pengukuran akurasi peramalan, namun yang paling umum dipergunakan adalah M6D ( Mean 6bsolute De%iation ? rata" rata penyimpangan absolut), M6#C (Mean 6bsolut #ercentage Crror ? rata"rata persentase kesalahan 6bsulut), dan M'C (Mean '8uare Crror ? rata"rata kuadrat kesalahan). 6kurasi peramalan akan semakin tinggi apabilai nilai"nilai7 M6D, M6#C, dan M'C semakin kecil. 1. Mean Absolute Deviation (M6D)
MAD =
X
t =1
Ft
(."A)
'umber7 Hakim )asution dan Iudha #rasetya,an, .<<=701 Dimana 7 >t ? #ermintaan aktual pada periode t :t ? #eramalan permintaan pada periode t n ? Jumlah periode peramalan yang terlibat .. Mean S uare !rror (M'C)
MSE =
( X
t =1
Ft ) 2
(."1<)
'umber7 Hakim )asution dan Iudha #rasetya,an, .<<=701 Dimana 7 >t ? #ermintaan aktual pada periode t :t ? #eramalan permintaan pada periode t n ? Jumlah periode peramalan yang terlibat
201 3
1. Mean :orecast Crror (M:C) (." 1.) 'umber7 Hakim )asution dan Iudha #rasetya,an, .<<=702 Dimana 7 6t ? #ermintaan aktual pada periode t :t ? #eramalan permintaan pada periode t n ? Jumlah periode peramalan yang terlibat erkaitan dengan %alidasi model peramalan, kita dapat menggunakan tracking signal. (racking signal adalah suatu ukuran bagaimana sebaiknya suatu ramalan memperlirakan nilai"nilai actual. (racking signal dihitung sebagai running sum of the errors (5':C) dibagi dengan M6D, sebagai berikut7 (tracking signal
'umber7 9aspers* ;incent, .<117=1 (racking signal yang positif menunjukkan bah,a nilai actual permintaan lebih besar dari pada peramalan, sedangkan tracking signal yang negati%e berarti nilai akyual permintaan lebih kecil daripada ramalan. 2"3 Agrega# Planning #erencanaan agregat merupakan proses di mana sebuah perusahaan menentukan le%el kapasitas, produksi, subkontrak, inventory, kehabisan stock (stockout) dan pricing selama rentang ,aktu tertentu. #erencanaan agregat dibuat di tingkat agregat, bukan pada 'tock Keeping +nit ('K+). Misalnya,
11
201 3
bertujuan menghubungkan sasaran strategis perusahaan dengan rencana perusahaan menghubungkan sasaran dengan jad,al pekerja. 6da empat hal yang diperlukan dalam perencanaan agregat antara lain7 a. b. c. d. Keseluruhan unit yang logis untuk mengukur penjualan dan output. #rediksi permintaan untuk suatu periode perencanaan jangka menengah yang layak pada ,aktu agregat. Metode untuk menentukan biaya. Model yang mengombinasikan prediksi dan biaya sehingga keputusan penjad,alan dapat dibuat untuk periode perencanaan. 6da empat jenis strategi perencanaan agregat, yaitu7 1. "hase Kaju strategy E produksi menggunakan kapasitas sebagai dengan pendukung7 mengubah menyelaraskan laju produksi dengan laju permintaan. diselaraskan dengan permintaan kapasitas mesin atau permintaan ber%ariasi. Dalam praktek sering kali sulit untuk mengubah kapasitas dan tenaga kerja dalam ,aktu singkat. Mahal jika biaya mengubah kapasitas tinggi. #engaruh negatif terhadap moral tenaga kerja. erakibat pada rendahnya persediaan. erguna jika biaya menyimpan persediaan tinggi sementara biaya mengubah kapasitas rendah. menye,aLmemberhentikan tenaga kerja saat
1.
201 3
permintaan dipenuhi dari persediaan. Menjaga stabilitas kapasitas dan tenaga kerja dengan laju output konstan. Kekurangan dan kelebihan berakibat pada fluktuasi persediaan dari ,aktu ke ,aktu. #ersediaan yang ditimbun sebagai antisipasi permintaan yang akan datang atau backlogs dipindahkan dari periode permintaan tinggi ke rendah. Kebih baik bagi moral tenaga kerja. #ersediaan dan backlogs bisa terakumulasi cukup banyak. Harus digunakan saat biaya menyimpan dan backlogs relatif rendah.
10
201 3
landasan
untuk
penentuan
kebutuhan
sumber
daya
dan
201 3
12
201 3
bagian
pembelian
mengecek
ketersediaan
media
yang
201 3
1( .. = .1 . 1= 1 10 3
1* .. 0 .1 0 1= 0 1. 2
1+ .1 A .1 2 1= 1 11 1
1. .0 1 .1 1 1= 3 10 4
1/ .0 0 .1 A 1= . 11 1
11 .0 = .1 1 1= 1 1< =
20 .. 4 .1 . 1= 2 1< 2
21 .1 1 .1 1 1= 0 1< 4
22 .0 = .1 A 1= 1 1< 3
23 .0 1 .1 1 AA 11 =
2( .0 1 .< 3 1= < 11 2
Data penjualan mingguan selama dua periode terakhir adalah sebagai berikut7 %inggu -e6 1 2 3 ( * + Banner 31 23 2= 2A 24 22 Pos#er 1A 2< 2= 21 22 21 S#icker .3 1A .2 .A 11 1= P&o#o 7an8as 0< 0< 0. .3 04 03
anner, poster, stiker dan #hoto can%as dibuat dari komponen"komponen tinta &MIK, %ynil, art #aper, stiker #aper, dan can%as. (abel berikut ini memberikan kuantitas kebutuhan asing"masing komponen dalam 1 unit produk sebagai berikut7 Banner Pos#er S#icker P&o#o 7an8as 2< 1
Tin#a 7%9- 2$l3: 1<< .2 .2 Plas#ik Pe$5ungkus 2uni#3 1 1 1 ;<nil 2$e#er3 1 Ar# Pa=er 2le$5ar3 1 S#icker Pa=er 2le$5ar3 1 7an8as 2le$5ar3 1 O(inta &MIK dijual dalam bentuk kaleng. 1 kaleng terdiri atas 1 liter tinta (1<<<ml) Keseluruhan bahan baku yang digunakan dalam proses produksi merupakan bahan baku yang langsung digumakan untuk produk jadi tanpa diproses terlebih dahulu. Harga bahan baku, nilai lead time rata"rata serta jumlah discount yang diberikan adalah sebagai berikut7 Ba&an !ead arga Diskon
14
201 3
#embayaran dilakukan pada akhir minggu dimana bahan baku tersebut telah dikirimkan. Jad,al pengiriman biasanya dilakukan pada a,al minggu. dimana terjadi pemesanan. Harga yang diberlakukan untuk tiap produk jika terjadi kelebihan kapasitas dan harus melakukan subkontrak dengan #(. )irilia sebagai berikut7 anner #oster 'ticker 5p ..<<<,<<Lmeter 5p 1.<<<,<<Llembar 5p 1.<<<,<<L lembar iaya tambahan sebesar 5p 1<.<<<,<< diberikan untuk setiap pemesanan pada minggu
#hoto &an%as 5p 1.2<<,<< Llembar @aktu proses mesin, sudah termasuk ,aktu setup, berkaitan dengan proses cetak dan finishing adalah sebagai berikut7 ,o5 0ak#u =roses $esin 2$eni#3 %esin ce#ak %esin Sealer = 2 0 0 3 . 4 1
&etak banner (meter) &etak poster (lembar) &etak sticker (lembar) &etak photo can%as (lembar)
1=
201 3
iaya o%erhead yang ditetapkan sebesar 5p ..<<<.<<<,<< tiap bulan untuk biaya untuk biaya administrasi dan o%erhead proses manufaktur. 1<.<<<,<< per unit per tahun. 'etelah melakukan pengaturan persediaan, ternyata pada pertengahan tahun terjadi lonjakan permintaan hingga 42P dari permintaan seluruh produk pada bulan biasanya diakibatkan adanya pemilu kepala daerah. ("3 Proses Produksi #roses produksi #(. )o*omika secara umum dapat digambarkan sebagai berikut iaya untuk carrying cost (biaya pengangkutan dan penyimpanan) per tahun sebesar 5p
1A
201 3
#roses c etak
#roses finishin g
#h oto &an%a s
' elesai
BAB I; ANA!ISIS DAN PE%BA ASAN ("1 Pera$alan Data penjualan #(. )o*omika yang grafik bulanan penjualan historis produk anner, #oster, 'ticker, dan #hoto &an%as selama . tahun sebagai berikut 7 (.1 bulan) adalah
.<
201 3
9ambar 1.1 Data #enjualan Historis 'etiap #roduk Dilihat dari grafik di atas, dapat disimpulkan bah,a data penjualan keempat produk memiliki pola data penjualan historis yang berbeda, sehingga masing" masing produk dilakukan perhitungan forecast yang berbeda pula. #roduk (anner menggunakan metode forecast )eight moving average, moving average, dan !ksponensial Smoothing karena memiliki pola data historis yang fluktuatif. #roduk poster menggunakan metode forecast eksponential smoothing )ith trend , karena data memiliki kecenderungan meningkat. #roduk sticker menggunakan metode forecast eksponential smoothing )ith seasonal factor dan )inters )ith seasonal factor, karena data memiliki pola musiman dan tidak memiliki kecenderungan meningkat atau menurun. 'edangkan produk photo canvas menggunakan metode forecast simple eksponential smoothing dan eksponential smoothing )ith trend, karena data memiliki pola yang fluktuatif namun cederung meningkat. ("1 Pera$alan Produk Banner #erhitungan peramalan produk banner akan menggunakan 0 metode peramalan, yaitu metode Moving Average, *eighted Moving Average dan !xponential Smoothing. Data produk banner selama dua periode dapat digambarkan dalam gambar permintaan aktual.
.1
201 3
anner
Dari 9ambar dapat dijelaskan bah,a data aktual permintaan produk banner tidak membentuk kecenderungan (trendline), sehingga model peramalan dengan pertimbangan trend tidak perlu lagi dipertimbangkan.
("1"1 %e#ode moving average #ada metode moving average rata"rata bergerak (n) yang digunakan yaitu 0 bulan, 1 bulan, 2 bulan, 3 bulan dan 4 bulan. (abel 1.1 merupakaan perbandingan hasil peramalan produk banner. &ontoh perhitungan7 moving average (n?2)
Ft =
:3 ?
X t + X t 1 + X t 2 + .... + X t n +1 N
? .0.,. (abel 1.1 Hasil #eramalan Mo%ing 6%erage moving average 6ktu ( al )?0 )?1 )?2 )?3 )?4 1 . 0 1 2 .01 ..0 .0= .0. .04 .0<,3 4 .01,< <
.01
..
201 3
.0
201 3
Dari perhitungan forecast diatas akan dilakukan perhitungan forecast error untuk mengetahui error dari setiap peramalan yang meliputi M6D, M:C, M'C, M6#C serta dihitung juga nilai tracking signalnya. &ontoh perhitungan (M6 2) 1. )ilai error pada periode ke"1A ? 6t E :t ? .01".02,3 ? "1,3 .. 0. 5':C ? 6bsolut error ?
.1
201 3
3.
M'C ?
4.
M:C ?
=.
M6#C ?
A.
.2
201 3
('
erdasarkan tabel perbandingan diatas, diketahui bah,a metode mo%ing a%erage untuk n ? 2 mempunyai nilai tracking signal berada didalam batas kontrol. @alaupun nilai M6D, M'C, M6#C dan M:C tidak lebih kecil daripada lainnya tetapi metode M6 (n?1) rele%an digunakan karena memiliki pola yang menyerupai historis data aktual dibandingkan dengan lainnya. ("1"2 %e#ode >eig&#ed moving average +ntuk metode )eighted moving average digunakan rata"rata bergerak (n) yaitu 0 bulan, 1 bulan, 2 bulan, 3 bulan dan 4 bulan. (abel 1.0 merupakaan perbandingan hasil peramalan produk banner. &ontoh perhitungan7 *eighted Moving Average (n ? 0)
:2 ?
? .01,=0 (abel 1.0 Hasil #erhitungan #eramalan Metode @eighted Mo%ing 6%erage )eight moving average ( 1 . 6ktu al .01 ..0
.3
)?0
)?1
)?2
)?3
)?4
201 3
(abel 1.0 Hasil #erhitungan #eramalan Metode (lanjutan) 1 ..4,3 ..4,4 ..=,= . .02 4 < 4 1 .0.,< .0<,3 .0<,1 0 .0. < < 0 1 .00,0 .0.,< .01,< 1 ..= 0 < 4 1 .0<,2 .01,. .0<,3 2 ..0 < < 4 1 ..3,1 ..4,2 ..=,1 3 .1A 4 < 4 1 ..1,= ..0,0 ..1,3 4 .01 0 < 4 1 ..4,1 ..3,4 ..3,= = .00 4 < 4 1 .01,< ..A,2 ..=,= A .0= < < < . .02,3 .00,= .0.,0 < ..4 4 < 0 . .01,3 .0.,. .01,2 1 .11 4 < 0 . .02,= .02,1 .02,1 . .0= 0 < 0 . .04,1 .03,4 .03,. 0 .01 4 < 4 . .03,2 .02,A .02,= 1 .01 < < < . .00,1 .01,0 .01,. 2 4 < 4 . .0.,2 .00,3 .01,. 3 = . A . .0.,2 .00,0 .00,= 4 1 1 0
@eighted Mo%ing 6%erage ..A,1 A .0<,3 . .0<,3 4 .0<,1 A ..=,1 = ..2,4 3 ..4,0 0 ..=,3 . .01,1 0 .0<,= 1 .01,. 1 .02,A 2 .02,3 . .01,1 0 .01,0 1 .01,0 0 ..A,3 1 .0<,3 1 .0<,A 3 .0<,< < ..=,0 A ..3,1 1 ..4,= . ..=,4 2 .0<,A 3 .0<,0 . .00,0 3 .02,1 = .02,1 3 .01,1 3 .01,1 1 .01,0 2
.4
201 3
untuk mengetahui error dari setiap peramalan yang meliputi M6D, M:C, M'C, M6#C serta dihitung juga nilai tracking signalnya. &ontoh perhitungan (@M6 0) 1. )ilai error pada periode ke".1 ? 6t E :t ? .01".03,2 ? "2,2 .. 0. 1. 2. 5':C ? 6bsolut error ? Kumulatif abs. error ? M6D ?
3.
M'C ?
4.
M:C ?
=.
M6#C ?
A.
.=
201 3
('
#ola Distribu si
erdasarkan tabel perbandingan diatas, diketahui bah,a metode ,eighted mo%ing a%erage untuk n ? 0 mempunyai nilai tracking signal berada didalam batas kontrol. @alaupun nilai M6D, M'C, M6#C dan M:C tidak lebih kecil daripada lainnya tetapi metode @M6 (n?1) rele%an digunakan karena memiliki pola yang menyerupai historis data aktual dibandingkan dengan lainnya. ("1"3 %e#ode exponential smoothing +ntuk metode exponential smoothing digunakan rata"rata bergerak (n) yang sama denga moving average dan )eighted moving average yaitu 0 bulan, 1 bulan, 2 bulan, 3 bulan dan 4 bulan. (abel 1.2 merupakaan perbandingan hasil peramalan produk banner. &ontoh perhitungan7 :t ? 6t.D B (1"D) :t"1
(abel 1.2 Hasil #erhitungan #eramalan Metode Cksponential 'moothing !ksponensial Smoothing 6ktua C' C' l D?<, D?<, C' C' C' 1 . D?<,0 D?<,1 D?<,2 ( .01,< .01,< .01,< 1 .01 < < .01,<< < .01,< . ..0 .0<,. ..A,1 ..=,3< ..4,= ..4,<
.A
201 3
0 1 2 3 4
.0.,2 .0.,0 .01,3 ..A,0 .04,. 'moothing (lanjutan) .01,3 .0<,0 ..1,3 ..A,0 .0.,. .0.,1 .0<,< ..3,2 ...,= ..=,1 .0<,4 .01,0 .0<,4 .02,= .03,A .02,2 .00,. .00,.
0<
(abel 1.2 Hasil #erhitungan #eramalan Metode Cksponential .0.,. .00,. .01,0 = .0. = = .00,A4 A .00,1 .01,= .02,2 A ..3 0 . .01,2= = 1 .00,2 ..A,. .03,< < .1A 2 3 ..4,=1 3 1 .00,3 .0<,. .03,2 1 .01 3 1 ..A,33 0 1 .00,4 .01,1 .04,< . .02 = 4 .01,.3 1 1 .00,= .01,0 .04,1 0 .0. A 0 .01,1A A 1 .01,< .0<,3 .04,A 1 ..= 1 4 .0<,11 3 1 .01,1 ..A,1 .0=,1 2 ..0 . 0 ..=,.1 1 1 .01,. ..4,1 .0A,0 3 .1A 1 1 ..2,12 A 1 .01,0 ..=,1 .0A,0 4 .01 2 A ..=,<1 A 1 .01,1 ..A,0 .0A,= = .00 4 A ..A,21 4 1 .01,2 .01,1 .1<,0 A .0= = 1 .0.,<3 2 . .01,4 .0<,. .1<,= < ..4 < A .0<,21 . . .01,= .0.,1 .11,0 1 .11 1 0 .00,3= < . .01,A .00,2 .11,4 . .0= 0 1 .01,A4 = . .02,< .00,3 .1.,. 0 .01 1 1 .01,3= 2 . .02,1 .00,1 .1.,4 1 .01 3 1 .00,2= 0 . .02,1 .00,1 .1.,4 2 3 1 .00,2= 0
201 3
3.
M'C ?
4.
M:C ?
=.
M6#C ?
A.
(racking signal periode ke".< ? (abel 1.3 Hasil #erhitungan M6D, M'C, M6#C, M:C dan (racking 'ignal
01
201 3
('
#ola Distribu si
erdasarkan
tabel
perbandingan
diatas,
diketahui
bah,a
metode
eQponential smoothing untuk nilai alpha (D) ? <,2 mempunyai nilai tracking signal berada didalam batas kontrol. 'elain itu, nilai M6D, M'C, M6#C dan M:C lebih kecil daripada lainnya. Jadi metode eQponential smoothing D?<,2 rele%an digunakan karena memiliki pola yang menyerupai historis data aktual dibandingkan dengan lainnya. ("1"( %e#ode Pera$alan Ter=ili& Dari ketiga metode peramalan yang digunakan yaitu average, )eighted
moving average dan exponential smoothing diperoleh hasil bah,a M6 dengan n?0, @M6 dengan n? 1 dan C' dengan (D) ? <,2. Dari hasil tersebut maka dipilih metode yang paling cocok digunakan sebagai metode peramalan untuk produk banner. (abel 1.4 Hasil #erhitungan #eramalan dari 'etiap Metode #eriod e 1 . 0 1 2 3 4 = A Data aktual .01 ..0 .0= .0. .04 ..1 .12 .0. ..3 M6 (n?2) @M6 (n?0) C' (<,2) .01,< ..4,< .0.,2 .0.,0 .01,3 ..A,0 .04,. .01,3 .0<,0
0.
201 3
00
201 3
anner
Dari perhitungan forecast diatas akan dilakukan perhitungan forecast error untuk mengetahui error dari setiap peramalan yang meliputi M6D, M:C, M'C, M6#C serta dihitung juga nilai tracking signalnya. 6gar metode peramalan yang tepat dapat dipilih.
01
201 3
M6 M6 M6# M6 M: D M'C M6#C M:C D M'C C M:C D M'C M6#C C 3,2 24,A 4,1 32,2 0,0 11,A <,< 1 . .,=. <,11 < 3 0,<4 "<,<. 0 1 1,2< A erdasarkan tabel diatas, metode yang tepat untuk peramalan produk banner adalah !ksponential Smoothing+C' <,2) karena memiliki nilai error dan nilai bias paling kecil dan hasil forecast yang responsi%e terhadap permintaan aktual.
("2
Produk P&o#o 7an8as Data produk photo can%as selama dua periode dapat digambarkan dalam
9ambar 1.. Data 6ktual #ermintaan #hoto &anfas Dari grafik dapat dijelaskan bah,a data aktual permintaan produk photo can%as tidak membentuk kecenderungan ( trendline), sehingga model peramalan dengan pertimbangan trend tidak perlu lagi dipertimbangkan. ("2"1 %e#ode Eks=onen#ial S$oo#&ing dengan Trend erikut ini hasil peramalan menggunakan metode eksponential smoothing dengan trend menggunaan D?<,2 dengan empat jenis nilai beta (R ? <,.F R ? <,0F R ?<,1F dan R ? <,2). &ontoh perhitungan periode dua D?<,2 dan R ? <,.7
02
201 3
(abel 1.= Hasil #erhitungan #eramalan Metode Cksponential 'moothing ,ith (rend #hoto &an% as A1 1<= 1<3 114 A= 1.2 11= =3 1<= 113 102 1.3 12= 103 1.2 1<1.. < 1<1.4 3 11..A 1 1<2.1 = 114.2 4 104.< 4 1<=.4 3 1<=.0 3 11..A 3 1.3.2 1 1.4.0 = 113.4 A 11..1 4 100.2 < 1<..<2 1<2.21 110.A1 1<2.<< 11=.0= 10A.<< 1<4..4 1<4..4 11..2= 1.4.0< 1.4.43 11=.13 11..=0 10..3A 1<..A< 1<3.<A 111.40 1<1.14 11A.<< 11<.33 1<2..0 1<3.12 11..1< 1.=..A 1.=.1< 12<.<. 11..=< 101.24 1<0.4 2 1<3.2 < 112.0 1 1<0.3 A 11A.3 1 11..1 A 1<..4 A 1<2.. 1 11..2 1 1.A.1 = 1.=.0 2 121.1 = 11..0 A 10<.. 4 'C' D?<,2 C'( C'( C'( (beta (beta (beta <,.) <,0) <,1) C'( (beta <,2)
t 1 . 0 1 2 3 4 = A 1 < 1 1 1 . 1 0 1 1 1 2
03
201 3
(abel 1.= Hasil #erhitungan #eramalan Metode Cksponential 'moothing ,ith (rend (lanjutan) 100.. 10<.A . 10..11 10..A. 2 = 2 101.< 10<.2 . 101.1. 101..= 0 2 3 1.A.A 10<.. . 10<.10 10<..A . < 4 1.A.0 1.A.A . 1.A.A1 1.A.4< 4 . = 1.A.< 1.A.4 . 1.A.3< 1.A.01 A < A 1.=.A 1.A.2 0 1.A.04 1.A.10 2 . < &ontoh perhitungan error D <,2 dan R <,. 1. M6D ?
04
201 3
? ? 1..31 0. M6#C ?
? ? 3.0< 1. M:C ?
sebagai berikut7
('
#ola Distribusi
0=
201 3
("2"2 %e#ode Si$=le Eks=onen#ial S$oo#&ing erikut ini hasil peramalan menggunakan metode simple eksponential smoothing menggunaan D ? <,1F D ? <,.F D ? <,0F D ?<,1F danD ? <,2). &ontoh perhitungan7 :t ? 6t.D B (1"D) :t"1
201 3
1...21 1.1< (abel nilai !ksponential Smoothing (lanjutan) 4 3 A .. 3 . 4 . = . A 0 < 114.3 4 114.3 4 114.3 4 114.3 4 1.<.3 3 1.<.3 3 1.<.3 3 1.<.3 3 1...21 1...21 1...21 1...21 1.2.0 A 1.2.0 A 1.2.0 A 1.2.0 A 1.=.=1 .. 1.=.=1 .. 1.=.=1 .. 1.=.=1 ..
1<
201 3
? ? 11.0A .. M'C ?
? ? .<=1.01 0. M6#C ?
? ? 11.14 1. M:C ?
erikut tabel nilai error dari masing"masing nilai D7 1.11 (abel nilai error !ksponential Smoothing 'C' D <.1 'C' D <.. 'C' D <.0 'C' D <.1 1..0A 1<.31 =.A1 12.<1 03..3. 1..1= 1<.<< er%ariasi mulai dari . sampai dengan 12.1 (idak .13.1. 1<.2= 1.A1 er%ariasi mulai dari . sampai dengan 11.< (idak 14A.<4 A..0 0.<4 er%ariasi mulai . dari sampai dengan =.30 Menyerup 10<.20 4.=. ..12 er%ariasi mulai dari . sampai dengan 4..0 Menyerupa SES @ 0"* .2.30 A1.43 .1.4. 1.2= er%ariasi mulai dari <.31 sampai dengan ..10 Menyerupai
11
('
#ola
201 3
Distribusi
erdasarkan dari hasil peramalan yang mendekati nilai actual, error terkecil, dan tracking signal yang berada dalam batas control maka pada metode simple eQponensial smoothing digunakan D ? <.2 ("2"3 %e#ode %o8ing A8erage erikut ini hasil peramalan menggunakan metode mo%ing a%erage ,ith trend menggunakan M6 ) ? 0, ) ? 1, ) ? 2, dan ) ? 3. &ontoh perhitungan7 Moving Average (n ? 0) :2 ? ? 1<1,34 # 1 . 0 1 2 3 4 = A 1.1. (abel ak#ual NA3 A1 1<= 1<3 1<1.3 114 4 11<.0 A= 0 1<4.< 1.2 < 110.0 11= 0 1.0.3 =3 4 11A.3 1<= 4 1.1. (abel nilai 111.< 113 < 1<0.0 102 0 11A.3 1.3 4 1.2.3 12= 4 10A.3 103 4 1.2 11<.< nilai Moving Average NA( NA* NA+ NA.
1< 11 1. 10 11 12
Moving Average (lanjutan) 113.4 110.< 110.34 11..24 2 < 111.2 113.3 110.2< 111.<< < < 111.. 11=.3 11A.34 113.24 2 < 1.1.. 111.. 11A.=0 1.<.24 2 < 100.4 1.=.3 1.1.2< 1.2..A 2 < 10=.4 101.. 1.A.=0 1.0.24
1.
201 3
1. M6D
? ? 12... .. M'C ?
? ? 114.<<
10
201 3
? ? 10.41 1. M'C ?
11
201 3
('
#ola Distribu si
Dari tabel di atas nilai error terkecil pada mo%ing a%arege dengan nilai ) ? 1. ("2"( %e#ode Pera$alan Ter=ili& 1.11 (abel peramalan yang terpilih #-K6 D6(6 6K(+6 :t :t ( M6 K (C') (C'() 1 A1 A1.<< 1<0.4 . 1<= AA.2< 2 1<..4 1<3.2 0 1<3 2 < 1<A.= 112.0 1 114 = 1 1<0.A 1<0.3 2 A= 1 A 1<2.2 111.1 11A.3 1<4.0 3 1.2 4 1 101.. 11..1 111.2 4 11= 0 A 1<=.3 1<..4 1...< = =3 . A 1<=.0 1<2.. 111.0 A 1<= 1 1 11..1 11..2 113.= 1< 113 2 1 1.0.2 1.A.1 111.2 11 102 = = 1. 1.3 1.1.4 1.=.0 111.0 A 2
12
201 3
13
201 3
9ambar 1.0 perbandingan hasil forecast dengan aktual Dari perhitungan forecast diatas akan dilakukan perhitungan forecast error untuk mengetahui error dari setiap peramalan yang meliputi M6D, M:C, M'C, M6#C serta dihitung juga nilai tracking signalnya. 6gar metode peramalan yang tepat dapat dipilih. 1.11 (abel nilai error C' dan C'( C' (<,2) M6D M'C M6# C M:C .2.30 A1.43 .1.4. 1.2= C'( (<,2) dan (<,2) 1..4 0<.A0 0.=1 <.04
Dari perhitungan error metode est memiliki error dan bias yang lebih kecil dibandingkan dengan simple es. Dan diketahui dari pola data bah,a est lebih mendekati pola data aktual, sehingga pada produk photo can%as ini, metode forecast yang paling tepat adalah est
("3
#erhitungan peramalan produk poster akan menggunakan 0 metode peramalan, yaitu metode !xponential Smoothing )ith #rend, *eighted Moving
14
201 3
9ambar 1.1 Data #enjualan Historis#roduk #oster Dari 9ambar dapat dijelaskan bah,a data aktual permintaan produk poster membentuk kecenderungan (trendline), sehingga model peramalan dengan pertimbangan trend perlu lagi dipertimbangkan.
("1"1 %e#ode Exponential Smoothing with Trend erikut ini hasil peramalan menggunakan metode eksponential smoothing dengan trend menggunaan D?<,2 dengan empat jenis nilai beta (R ? <,.F R ? <,0F R ?<,1F dan R ? <,2). &ontoh perhitungan periode . pada C'( D?<,2 dan R ? <,07
1=
201 3
(abel 1.12 Hasil #eramalan Mo%ing 6%erage C'( D ? <,2 C'( C'( C'( #oste (R ? (R ? (R ? ( r <,0) <,1) <,2) 1 . 0 1 2 3 4 = A 1 < 1 1 1 . 1 0 1 1 1 2 1 3 1 4 1 = 1 A . < . 1 1A3 1A1 1A. .<< .<1 1AA .<. .<1 .<3 .<. .<1 .1. .<4 .1. .10 .10 .11 .1A .11 .1. .11 1A1.4< 1A..=1 1A4..3 1AA.=4 1AA.32 .<1.10 .<0.11 .<2.2. .<0.40 .<1.11 .<A.13 .<=.12 .11.10 .1..=2 .10.1= .11..4 .14.43 .10.A4 .1..=1 .10.3. 1A1.3< 1A..33 1A4.22 .<<..< 1AA.43 .<1.24 .<0.3< .<2.3A .<0.2= .<1.<0 .<A.43 .<=.10 .11..1 .1..A1 .10.13 .11... .14.A1 .10.30 .1..2. .10.1A 1A1.2< 1A..2< 1A4.== .<<.2< 1AA.4= .<1.33 .<0.41 .<2.=< .<0.04 .<0.A. .1<.<= .<=.02 .11.00 .1..AA .10.11 .11.13 .1=.<3 .10..4 .1...2 .10.11
(abel 1.12 Hasil #eramalan Mo%ing 6%erage (lanjutan) . . .1A .14..< .14.0= .14.3. . .11 .10.20 .10..4 .10.<1
1A
201 3
.<3
Dari perhitungan forecast diatas akan dilakukan perhitungan forecast error untuk mengetahui error dari setiap peramalan yang meliputi M6D, M:C, M'C, M6#C serta dihitung juga nilai tracking signalnya. &ontoh perhitungan (C'( D ? <.2 dan R ? <.2) 1. )ilai error pada periode ke"1A ? 6t E :t ? .11".10,.4 ? "...4 .. 5':C ? 0. 6bsolut error ? 1. Kumulatif abs. error ?
2. M6D ?
3. M'C ?
4. M:C ?
=. M6#C ?
201 3
exponential smoothing )ith trend mempunyai nilai tracking signal berada di dalam batas kontrol kecuali untuk D ? <.2 dan R ? <.0. ila dilihat nilai M6D, M'C, M6#C dan M:C, C'( dengan D ? <.2 dan R ? <.2 mempunyai nilai yang lebih kecil daripada lainnya. Maka dapat dismpulkan bah,a hasil peramalan exponential smoothing )ith trend yang paling tepat dengan menggunakan D? <.2 dan R? <.2. ("1"2 %e#ode Moving Average with Trend +ntuk metode moving average digunakan rata"rata bergerak (n) yaitu 0 bulan, 1 bulan, 2 bulan dan 3 bulan. (abel 1.0 merupakaan perbandingan hasil peramalan produk poster. &ontoh perhitungan periode .2 pada M6( n ? 07 *eighted Moving Average (n ? 0)
21
201 3
(abel 1.14 &ontoh #erhitungan M6( periode .2 pada n ? 0 Double M6 n ? ( #oster n?0 0 aS<.t aS1.t 1 . 0 1 2 1A3 1A1 1A. .<< .<1 1A1.<< 1A2.00 1A4.34 1A2.34
1AA.3 4 ..<< .<..0 3 1AA .<<.<< 1A4.34 0 ..00 (abel 1.14 &ontoh #erhitungan M6( periode .2 pada n ? 0 (lanjutan) .<1.= 4 .<. .<<.34 1AA.11 A 1... .<..2 = .<1 .<1.34 .<<.4= 3 <.=A .<2.= A .<3 .<1.<< .<..11 A 1.=A 1 .<1.4 < .<. .<1.<< .<0... = <.4= 1 .<1.< 1 .<1 .<1.<< .<1.<< < <.<< 1 .<4.0 . .1. .<3.<< .<1.34 0 1.00 1 .<A.1 0 .<4 .<4.34 .<2.=A 1 1.4= 1 .1..3 1 .1. .1<.00 .<=.<< 4 ..00 1 .11.4 2 .10 .1<.34 .<A.23 = 1.11 1 .11.1 3 .10 .1..34 .11... 1 1.11 1 .11 .10.00 .1.... .11.1 1.11 4 1
2.
201 3
(abel 1.1= Hasil #erhitungan #eramalan Metode Moving Average *ith #rend 6ktu M6( M6( M6( M6( al (n ? (n ? (n ? (n ? 0) 1) 2) 3) t 1 1A3 . 1A1 0 1A. 1 .<< 1A2.3 2 .<1 4 1A4.3 3 1AA 4 1AA.1 1A4.3 4 .<. 1 A .<<.4 1AA.1 = .<1 = A .<..1 .<<.3 1AA.. A .<3 1 A 1 1 .<0.. .<..< .<<.1 < .<. . 3 1 1 .<1.< .<..A .<1.4 .<<.0 1 .<1 < 1 . 1 1 .1. .<1.3 .<1.< .<0.< .<1.3 . 4 3 = 1
20
201 3
21
201 3
0.
1. Kumulatif
2.
M6D ?
3.
M'C ?
4.
M:C ?
=.
M6#C ?
A.
(racking signal periode ke".1 (data ke".<) ? (abel 1.1A #erhitungan M6D, M'C, M6#C, M:C dan (racking 'ignal M6( (n ? M6( (n ? 0) M6( (n ? 1) M6( (n ? 2) 3) M6D 0..< 0.=4 1.2< 2..3 M'C 11.A< .<.1. .4.12 04.42 M6#C 1.21 1.=1 ..10 .,1= M:C 1.1< ...< <.1= 0.41 er%ariasi er%ariasi er%ariasi er%ariasi mulai dari mulai dari " mulai dari mulai dari B1.<< B1.<< B1.<< ".,03 (' sampai sampai sampai sampai dengan dengan dengan dengan B10.. B10.2 B1..A4 B.,.= (idak (idak (idak (idak sesuai sesuai sesuai sesuai #ola dengan dengan dengan dengan Distribus pola historis pola pola pola i dari data historis dari historis dari historis dari aktual data aktual data aktual data aktual
22
201 3
(abel 1..< Hasil #erhitungan #eramalan Metode Cksponential 'moothing #oster t (6) t6 t. :t 1 1A3 1A3 1 1A3.2< . 1A1 0== 1 1A4.0A 0 1A. 243 A 1A=..A (abel 1..< Hasil #erhitungan #eramalan Metode Cksponential 'moothing (lanjutan)
23
201 3
Dari perhitungan forecast diatas akan dilakukan perhitungan forecast error untuk mengetahui error dari setiap peramalan yang meliputi M6D, M:C, M'C, M6#C serta dihitung juga nilai tracking signalnya. &ontoh perhitungan 7 1. )ilai error pada periode ke".1 ? 6t E :t ? .<3".14,<A ? "11.<A .. 5':C ?
24
201 3
2.
M6D ?
3.
M'C ?
4.
M:C ?
=.
M6#C ?
A.
(abel 1..1 Hasil #erhitungan M6D, M'C, M6#C, M:C dan (racking 'ignal Metode (rend Kine 6nalysis M6D 0.<. M'C 12.3= M6#C 1.12 M:C <.<< er%ariasi mulai dari "1,<< sampai dengan (' <,<< #ola Menyerupai dengan pola historis dari data Distribusi aktual erdasarkan tabel perbandingan diatas, diketahui bah,a metode #rend Line Analysis Model mempunyai nilai tracking signal berada di dalam batas kontrol. 'elain itu, nilai M6D, M'C, M6#C dan M:C dari metode #rend Line Analysis Model relatif lebih kecil. Maka dapat dismpulkan bah,a hasil peramalan #rend Line Analysis Model baik untuk digunakan karena menyerupai dengan pola historis dari data aktual. ("1"( %e#ode Pera$alan Ter=ili& Dari ketiga metode peramalan yang digunakan yaitu !xponential
Smoothing)ith #rend, Moving Average )ith #rend dan #rend Line Analysis Model
2=
201 3
3 1AA 1AA.4= 1A4.34 .<<.A4 (abel 1..1 Hasil #erhitungan #eramalan dari 'etiap Metode (lanjutan) 4 = A 1< 11 1. 10 11 12 13 14 1= 1A .< .1 .. .0 .1 .<. .<1 .<3 .<. .<1 .1. .<4 .1. .10 .10 .11 .1A .11 .1. .11 .1A .11 .<3 .<1.33 .<0.41 .<2.=< .<0.04 .<0.A. .1<.<= .<=.02 .11.00 .1..AA .10.11 .11.13 .1=.<3 .10..4 .1...2 .10.11 .14.3. .10.<1 .<4.31 .<=.4< .<A..2 .<A.2. .<A.33 .<A.40 .<A.43 1AA.11 .<<.4= .<..11 .<0... .<1.<< .<1.34 .<2.=A .<=.<< .<A.23 .11... .1.... .10.4= .11.11 .11.34 .10.34 .10.4= .11.<< .10.=A .<=... .<3.00 .<1.11 .<..23 .<<.34 1A=.4= .<1.=4 .<..43 .<0.33 .<1.22 .<2.12 .<3.01 .<4..1 .<=.10 .<A.<0 .<A.A. .1<.=. .11.4. .1..31 .10.21 .11.1< .12.0< .13.1A .14.<A .14.A= .1=.== .1A.44 ..<.34 ..1.23 ....13
2A
201 3
9ambar 1.2 9rafik #erbandingan Hasil #ermalan #oster Dari perhitungan forecast diatas akan dilakukan perhitungan forecast error untuk mengetahui error dari setiap peramalan yang meliputi M6D, M:C, M'C, M6#C serta dihitung juga nilai tracking signalnya. 6gar metode peramalan yang tepat dapat dipilih. (abel 1... #erbandingan Crror dari 'etiap Metode #C5 6)D$)96) C55-5 C'( (D ?<.2 dan R ? <.2) M6 (n ? 0) (K6M M6 M' M6# M6 M6# M: M6 M6# M: D C C M:C D M'C C C D M'C C C " <.= 1.. <.< 0.. 11.A 1.2 0,< 12.3 <,< 1 1 <.1. A < < 1.21 1 . = 1,12 < erdasarkan tabel diatas, dapat diketahui bah,a exponential smoothing )ith trend yang paling tepat dengan menggunakan D? <.2 dan R? <.2 memiliki nilai M6D, M'C, M6#C, M:C yang paling kecil, kemudian dari tracking signal, metode tersebut tidak keluar dari batas atas maupun batas ba,ah tracking signal, dan dari pola data yang dihasilkan, hasil forecast sangat responsi%e terhadap data aktual, sehingga smoothing )ith trend merupakan metode terbaik untuk produk poster. ("( Produk S#icker
3<
201 3
9ambar 1.3 9rafik #erbandingan Hasil #ermalan stiker Dari gambar diatas tampak bah,a pola historis dari data aktual permintaan sticker menunjukan adanya fluktuasi musiman. :luktuasi musiman itu tampak dari adanya kesamaan pola data permintaan pada tahun pertama dan berulang kembali pada tahun kedua. ("*"1 %e#ode Eks=onen#ial S$oo#&ing dengan Seasonal &ontoh perhitungan peramalan dengan metode eksponential smoothing dengan seasonal pada periode kedua dengan D?<,.
DQ. ? <,. Q 1=< ? 03 (1"D)QS t"1 ? (1"<,.)1=1 ? 114,. QS . ? DQ. B (1"D)QS t"1 ? 03 B 114,. ? 1=0,. :. ? QS . Q indeks musim ?1=0,. Q 1,<4 ? 1A2,41 (abel 1..0 Metode #ermintaan ( 6ktual 1 1=1 . 1=< 0 AA 1 A4 2 1=1 3 1=. Cksponential 'moothing dengan 'easonal C'' C'' C'' C'' D?<,. D?<,0 D?<,1 D?<,2 121,1< 121,1< 121,1< 121,1< 1A2,41 1A2,.A 1A1,=3 1A1,10 10=,=0 101,24 1.1,0= 114,.2 1.3,=< 112,A4 1<3,30 A=,42 141,=< 132,<< 13.,1A 13.,44 142,20 140,04 141,A0 14=,41
31
201 3
? ? 13,43 3. M'C ?
? ? =3,=4 4. M6#C ?
3.
201 3
(abel 1..1 )ilai Crror Cksponential 'moothing dengan 'easonal (lanjutan) "0.<4 "..1A "...0 "..<= M:C er%ariasi mulai dari "0.1= sampai dengan ..A0 Menyerupa i dengan pola historis dari data aktual er%ariasi mulai dari 0.13 sampai dengan ..3A Menyerup ai dengan pola historis dari data aktual er%ariasi mulai dari "0.3< sampai dengan ...2 er%ariasi mulai dari "1..4samp ai dengan 1..3 Menyerup ai dengan pola historis dari data aktual
('
Dari perhitungan nilai error M6D, M'C, M6#C, dan M:C diperoleh nilai terkecil pada D? <,1. Dapat disimpulkan berdasarkan nilai forcast yang mendekati aktual dan nilai error terkecil untuk perhitungan dengan metode Cksponential 'moothing dengan 'easonal di pergunakan nilai D? <,1 *"*"1 %e#ode 0in#er erikut ini hasil perhitungan peramalan menggunakan metode ,inter &ontoh perhitungan7 >t ? (a< B at.t) &t 4) " Slope G ? ? ? 13A
30
(."
201 3
? "<,<<3A1
B a1
? 13=,A134 B ("<<3A1)
? 13=,=4=2
&t ?
? 1,11
Dengan cara seperti diatas, didapatkan hasil perhitungan seperti tabel diba,ah ini7 'ticker (Qt) 1 1=1 1=< AA A4 1=1 1=. 1=3 1=2 1== 1=1 1=. 1=< (abel ...2 #erhitungan dengan Metode @inter 'ticker a<Ba1 a<Ba1t &t (Qt) . t &t 13=,A 13A,<1 1,<A AA 2 <,2A 13=,A 13A,<0 1,<3 1=1 2 1,<4 13=,A 13A,<. <,2A 1=0 1 1,<= 13=,A 13A,<. <,24 1=1 0 1,<A 13=,A 13A,<1 1,<4 1=3 0 1,1< 13=,A 13A,<< 1,<= 1=. . 1,<= 13=,A 13A,<< 1,1< 1=1 1 1,<A 13=,A 13=,AA 1,<A 1=2 1 1,1< 13=,A 13=,A= 1,11 1=0 < 1,<= 13=,= 13=,A= 1,<A 1=1 A 1,<4 13=,= 13=,A4 1,<= AA A <,2A 13=,= 13=,A3 1,<4 1=< = 1,<4
&Gt <,=1 1,<4 <,=0 <,=0 1,<A 1,<= 1,<A 1,1< 1,1< 1,<= <,=0 1,<4 1.,<<
31
201 3
32
201 3
erikut merupakan hasil perhitungan M6D, M'C, M6#C dan M:C7 (abel ...A )ilai Crror perhitungan dari metode ,inter M6D M'C M6#C M:C .2.A 10=.30 1=.0= "0.0A < +"*"1 %e#ode Ter5aik a. #ola data 'etelah melakukan peramalan dengan bermacam"macam metode, maka dari metode"metode tersebut dibandingkan, metode mana yang memiliki tingka error paling sedikit. (abel ..0< #erbanding hasil peramalan 6K(+6 @$)(C C'' ( K 5 <,1 121,1 1 1=1 13=,=4 < 1A1,= . 1=< 13=,=3 3 1.1,0 0 AA 13=,=3 = 1<3,3 1 A4 13=,=3 0 13.,1 2 1=1 13=,=1 A 141,A 3 1=. 13=,=0 0 1==,1 4 1=3 13=,=0 2 1A0,A = 1=2 13=,=. . A 1== 13=,=1 1AA,.
33
201 3
34
201 3
Dari grafik tersebut diketahui bah,a dengan metode C'' <,1, pola garisnya sangat responsif dengan permintaan aktual. b. )ilai Crror erikut ini adalah perbandingan eror tiap metode yang ditampilkan dalam tabel berikut7 (abel ..01 #erbanding error hasil peramalan C'' <,1 @inter M6D 14,A3 .2,A< M'C ==,A0 10=,30 M6#C 11,12 1=,0= M:C <,=0 "0,0A er%ariasi mulai er%ariasi mulai dari (' dari "0.13 sampai "..=4 sampai dengan ..3A dengan ..=0 (abel ..01 #erbanding error hasil peramalan (lanjutan) Menyerupai (idak sesuai dengan #ola dengan pola pola historis dari Distribusi historis dari data data aktual aktual Dari tebel tersebut diketahui dengan menggunakan metode C'' <,1 memiliki error paling rendah
c. 6nalisa
3=
201 3
("* Perencanaan Agrega# 6. om (ree erikut adalah bom tree dari produk banner, poster, photo can%as, dan sticker 1. #roduk anner
201 3
dari can%as sebanyak1 lembar, tinta &MIK sebanyak 2< ml, plastik pembungkus
1" Per&i#ungan Ne# De$and a. #roduk anner . .00 < .00 0 .00 < .00 1 .00 < .00 2 .00 < .00 3 .00 < .00 anner 1 DemanLbul .00 an $n%entori < )et .00 Demand b. #roduk #hoto &an%as #hoto &an%as DemanLbul an $n%entori )et Demand c. #roduk #oster #oster DemanLbul an $n%entori )et Demand 1 .<=,4 < < .<=,4 < . .<A,. 2 < .<A,. 2 0 .<A,2 . < .<A,2 . 1 .<A,3 3 < .<A,3 3 2 .<A,4 0 < .<A,4 0 3 .<A,4 3 < .<A,4 3 1 101,. 2 < 101,. 2
4<
201 3
41
201 3
2" -a=asi#as Produksi& 0ak#u Siklus 2-ece=a#an Produksi3 Diketahui7 ,egular #ime 'vertime iaya ,egular #ime iaya 'vertime iaya Mesin iaya $n%entori a. ? 1< jamLminggu ? 13< jamLbulan. ? 2 jamLminggu - 5p 0<.<<<,<< Ljam ? 5p 1<.<<< Ljam ? 5p .<.<<< Ljam ? 5p =00." L bulan ? .< jamLbulan
Kapasitas #roduksi (unitLjam) ? 3<Llama ,aktu proses mesin setiap produk Kapasitas #roduksi anner ?3<L10
? 1,3. unitLjam b. @aktu 'iklus L Kecepatan #roduksi (jamLunit)? lama ,aktu proses mesin setiap @aktu 'iklus anner produkL3< ? 10L3<
? <,.. jamLunit produk #roduk anner #hoto &an%as #oster Kapasitas #roduksi (unitLjam) 1,3. 2,12 1<,<< @aktu 'iklus (jamLunit) <,.. <,1= <,1<
4.
201 3
("*"1 !e8el S#ra#eg< ("*"1"1 -e5u#u&an ,a$BBulan Kebutuhan JamL ulan Kebutuhan JamL ulan ? net demand Q ,aktu siklus anner ? .00,00 Q <,.. ? 2<,20 jamLbulan
#eriod e .2 .3 .4 .= .A 0< ann er .00,. 0 .00,. 0 .00,. 0 .00,. 0 .00,. 0 1<=,1 2 Kebutuh an 2<,20 2<,20 2<,20 2<,20 2<,20 ==,10 &an% as 100,. 2 101,< 0 1.A,A . 1.A,0 4 1.A,< A ..2,3 3 Kebutuh an .1,10 .1,<. .0,=. .0,4. .0,34 11,04 #oste r .<=,4 < .<A,. 2 .<A,2 . .<A,3 3 .<A,4 0 034,< A Kebutuh an .<,=4 .<,A0 .<,A2 .<,A4 .<,A4 03,41 'tick er 102,1 2 14.,1 < 101,3 4 101,. < 142,. 4 0<1,. 1 kebutuh an 1=,<. ..,AA 14,A3 14,=A .0,04 1<,23 (otal 110,= 2 11=,1 4 110,. 3 110,1 1 11=,2 1 .<4,< 4 .<4,< 4
5eguler (ime
("*"1"2
Per&i#ungan Agrega#
#ada Level Method setiap le%el produksi sama sehingga harus mencari total ,aktu siklus dalam setiap periode yang akan dijadikan acuan le%el produksi terlebih dahulu. @aktu siklus terbesar terdapat pada periode 0< sebesar .<4,4 jam.
Perio de .2 .3 .4 .= .A 0< To#al Ti$e 110,=2 11=,14 110,.3 110,11 11=,21 .<4,<4 Regular Ti$e .<4,<4 .<4,<4 .<4,<4 .<4,<4 .<4,<4 .<4,<4 C8er Ti$e < < < < < < In8en#o r< A0,.. ==,31 A0,=1 A0,A4 ==,20 <,<<
40
201 3
.3
<,01
<,1=
<,.=
<,.0
.4
<,00
<,1=
<,0<
<,1A
.=
<,00
<,1=
<,0<
<,1A
.A
<,01
<,14
<,.=
<,.0
0<
<,01
<,14
<,.=
<,.0
Mencari jumlah in%entory masing"masing produk dari in%entory (jam) di atas pada setiap periode 7 Dari total in%entory (jam) diatas, ,aktu yang dibutuhkan banner pada periode .2 in%entory (jam) banner periode .2 ?
41
201 3
Mencari jumlah in%entory (unit produk) masing"masing produk dari in%entory (jam) masing"masing produk di atas pada setiap periode 7 Dari in%entory (jam) masing"masing produk diatas, jumlah in%entory banner dalam bentuk produk pada periode .2 $n%entory (produk) banner pada periode .2 siklus ? 0<,3.L<,.. ? 111
#eriod e .2 .3 .4 .= .A 0< ann er 111 1.= 110 110 1.4 <,< #hoto &an%as A3 =2 A1 A1 =1 <,< #oste r .40 .1= .4= .4= .1= <,< 'tick er 100 120 101 101 123 <,< 0141
(otal $n%entory
("*"1"3 a.
Per&i#ungan Bia<a
iaya $n%entori iaya $n%entori ? in%entori produk Q biaya in%entori per bulan Q lama produk disimpan sampai periode ke 0< iaya $n%entori anner #eriode .2 ? 111 Q =00Q 3 bulan ? 5p. 4<3.<0.,"
42
201 3
333=<=
.3
021A<0
30A231
.4
01.42.
113241
.=
.01A10
3A24A0
00214.
.A 0<
110121 <
b.
iaya #ermesinan iaya #ermesinan ? biaya produksi mesin Q total time dari semua produk tiap periode iaya #ermesinan #ada #eriode .2 ?.<<<< Q 110,=2 jam ? 5p. ...44.<03,"
#eriod e .2 .3 .4 .= .A 0< (otal (ime 110,=2 11=,14 110,.3 110,11 11=,21 .<4,<4 (otal iaya MesinLjam 5p. .<.<<<," 5p. .<.<<<," 5p. .<.<<<," 5p. .<.<<<," 5p. .<.<<<," 5p. .<.<<<," iaya MesinLperiode ..44<03 .03A003 ..32.1. ..3.1=< .04<=.. 11111=1 5p. 12.3=3.<41,"
iaya #ermesinan
c.
iaya (enaga Kerja iaya (enaga Kerja ? (upah standar Q lama kerja operator tiap periode) Q jumlah operator iaya (enaga Kerja pada #eriode .2 ? (1<<<< Q .<4,<4) Q . ? 5p. 1..1.1.121,"
#eriod e 5eguler (ime +pah 'tandart L jam iaya (enaga Kerja
43
201 3
iaya yang Dibutuhkan ? total biaya in%entori B total biaya permesinan biaya tenaga kerja iaya yang Dibutuhkan ? 5p 1<.2=A.3A3," B 5p. 12.3=3.<41," B 5p.
41.213.4<3," ? 5p 1<<.=...14.,"
("*"2 7&ase %e#&od ("*"2"1 -e5u#u&an ,a$BBulan Kebutuhan JamL ulan Kebutuhan JamL ulan anner ? net demand Q ,aktu siklus ? .00,00 Q <,.. ? 2<,20 jamLbulan
period e 1 . 0 1 2 3 bann er 2<.20 2<.20 2<.20 2<.20 2<.20 ==.10 photo can%as .1.10 .1.<. .0.=. .0.4. .0.34 11.04 post er .<.= 4 .<.A 0 .<.A 2 .<.A 4 .<.A 4 03.4 1 stick er 1=.<. ...AA 14.A3 14.=A .0.04 1<.23 total jam kerja 110.=2 11=.14 110..3 110.11 11=.21 .<4.<4 4=1.0<
("*"2"2
Per&i#ungan Agrega#
44
201 3
#ada periode ke 0< adanya lonjakan permintaan sebesar 42P dari bulan biasanya, tidak terpenuhinya order selama .4 jam.
x .//0
#roporsi pada periode ke 0< anner7 <.01 #hoto can%as7 <.14 #oster7 <..= 'ticker7 <..0
#erhitungan ,aktu produk benner yang tidak terpenuhi ? jam yang tidak terpenuhi Q proporsi benner ? .4 Q <.01 ? =.12 jam
0A unit
4=
201 3
("*"2"3 a.
Per&i#ungan 5ia<a
iaya subkontrak
Diketahui7 iaya 'ubkontrak (penambahan kapasitas) anner 7 .1<<< &an%as 7 1<2<< #oster 7 10<<< 'ticker 7 14<<<
? 0A Q .1<<< ? =1=31.
produ k 0A .2 43 14 (otal biaya subkontrak (biaya penambahan kapasitas) 5p =1=,31. 5p .34,010 5p 5p 5p A=4,11A =<.,0<1 .,=42,1<=
b.
iaya permesinan
#erhitungan biaya produksi mesin periode .2 ? ,aktu total permesinan Q ,aktu permesinan
4A
201 3
A 5p
? 5p 3.,320,423
=<
201 3
5eguler (ime
("*"3"2
Per&i#ungan Agrega#
#ada Mixed Strategy setiap le%el produksi sama sehingga harus mencari rata" rata ,aktu siklus dalam setiap periode yang akan dijadikan acuan le%el produksi terlebih dahulu. @aktu siklus terbesar terdapat pada periode 0< sebesar .<4,4 jam.
(abel
Perio de .2 .3 .4 .= .A 0< (otal To#al Ti$e 110,=2 11=,14 110,.3 110,11 11=,21 .<4,<4 4=1,0< Regular Ti$e 10<,414 10<,414 10<,414 10<,414 10<,414 10<,414 1.1.,12 C8er Ti$e < < < < < 43,03 In8en#o r< 13,=4 .A,1. 13,24 31,1= 43,03 <,<<
=1
201 3
(abel Disagregasi
#eriod e ann er .2 .3 .4 .= .A 0< .00,0 0 .00,0 0 .00,0 0 .00,0 0 .00,0 0 .00,0 0 )et Demand (otal &an% as 100,. 2 101,< 0 1.A,A . 1.A,0 4 1.A,< A 1.=,A 2 #oste r .<=,4 < .<A,. 2 .<A,2 . .<A,3 3 .<A,4 0 .<A,4 3 'tick er 102,1 2 14.,1 < 101,3 4 101,. < 142,. 4 140,= 0 41<,1 0 413,< 1 4<4,1 2 4<3,2 2 414,1 1 412,= = ann er <,00 <,01 <,00 <,00 <,01 <,01 &an% as <,1A <,1= <,1= <,1= <,14 <,14 #oste r <,.A <,.= <,0< <,0< <,.= <,.= 'tick er <,1A <,.0 <,1A <,1A <,.0 <,.0 #roporsi
Mencari jumlah in%entory masing"masing produk dari in%entory (jam) di atas pada setiap periode 7 Dari total in%entory (jam) diatas, ,aktu yang dibutuhkan banner pada periode .2 in%entory (jam) banner periode .2 ?
=.
201 3
Mencari jumlah in%entory (unit produk) masing"masing produk dari in%entory (jam) masing"masing produk di atas pada setiap periode 7 Dari in%entory (jam) masing"masing produk diatas, jumlah in%entory banner dalam bentuk produk pada periode .2 $n%entory (produk) banner pada periode .2 siklus ? 2,21L<,.. ? 111
#eriod e .2 .3 .4 .= .A 0< ann er .3 1. 41 A= 11< < #hoto &an%as 14 .= 14 31 4. < #oste r 1A =. 10= 1A< .11 < 'tick er .1 2< 34 A. 101 < 1401
(otal $n%entory
("*"3"3 Per&i#ungan Bia<a a. iaya $n%entori iaya $n%entori iaya $n%entori ? in%entori produk Q biaya in%entori per bulan anner #eriode .2
#eriod e .2 .3 ann er .1.= A 01A= 3
=0
201 3
b.
iaya #ermesinan iaya #ermesinan ? biaya produksi mesin Q total time dari semua produk tiap periode iaya #ermesinan #ada #eriode .2 ...44.<03,"
#eriod e .2 .3 .4 .= .A 0< (otal (ime 110,=2 11=,14 110,.3 110,11 11=,21 .<4,<4 (otal iaya MesinLjam 5p. .<.<<<," 5p. .<.<<<," 5p. .<.<<<," 5p. .<.<<<," 5p. .<.<<<," 5p. .<.<<<," iaya MesinLperiode ..44<03 .03A003 ..32.1. ..3.1=< .04<=.. 11111=1 5p. 12.3=3.<41,"
iaya #ermesinan
c.
iaya (enaga Kerja iaya (enaga Kerja ? (upah standar Q lama kerja operator tiap periode) Q jumlah operator iaya (enaga Kerja pada #eriode .2 ? (1<<<< Q 10<,414) Q . ? 5p. 1..1.1.121,"
#eriod e .2 .3 .4 .= 5eguler (ime 10<,414 10<,414 10<,414 10<,414 +pah 'tandart L jam 5p 0<.<<<," 5p 0<.<<<," 5p 0<.<<<," 5p 0<.<<<," iaya (enaga Kerja 4=10<02 4=10<02 4=10<02 4=10<02
=1
201 3
(otal (otal
iaya yang Dibutuhkan ? total biaya in%entori B total biaya biaya tenaga kerja iaya yang Dibutuhkan ? 5p1<.2=A.3A3," B 5p. 12.3=3.<41," B 5p.
? 5p 31.<=A.330," ("*"( Analisa #erusahaan ini menggunakan strategi make to order (M(-) dalam merespon permintaan konsumen. 6kti%itas proses pembuatan produk bersifat khusus yang di sesuaikan dengan setiap pesanan dari pelanggan, dan tidak memungkinkan untuk menyediakan in%entori karena karakteristik produk berbeda"beda setiap pesanannya. Dari ketiga strategi perencanaan diperoleh total biaya pemenuhan permintaan selama enam periode sebagai berikut7
Level method 5p 1<<.=...14.," "hase strategy 5p 3.,320,423 Mix strategy 5p 31.<=A.330,"
Dapat dilihat pada table di atas bah,a biaya terkecil produksi selama enam periode menggunakan meode chase. 'trategi chase lebih tepat digunakan untuk perusahaan M(- karena metode perencanaannya mengikuti permintaan total dan M(- memproduksi sesuai pesanan pelanggan. iaya yang menyangkut dalam perencanaan agregat meliputi biaya tenaga kerja, biaya permesinan, biaya in%entori, dan biaya subkontrak dengan perusahaan lain.
=2