ANALISIS MATERIAL REQUIREMENT PLANNING (MRP) UNTUK PENGENDALIAN PERSEDIAAN BAHAN BAKU PEMBUATAN BLANK FILTER AFPL PRODUK ITEM NO. 1517

DENGAN MENGGUNAKAN PERANGKAT LUNAK WINQSB (STUDI KASUS PADA PT. XYZ.)

Muhammad Kholil (1), Rudini Mulya (2)

Program Studi Teknik Industri

Universitas Mercubuana Jakarta

Email: 1)m.kholil@mercubuana.ac.id,2)rudinimenteri@gmail.com

ABSTRAK

PT XYZ. yang merupakan industri yang memproduksi komponen komponen otomotif.

Sebelumnya PT XYZ. belum pernah menerapkan metode MRP pada salah satu produk yaitu unit AFPL tipe 1517 maka penulis tertarik untuk mengadakan penelitian menyangkut masalah persediaan bahan baku, terutama akan mengulas tentang Material Rquirement Planning (MRP). Sistem MRP merupakan strategi material proaktif. MRP melihat ke masa depan dengan mengidentifikasi material yang akan diperlukan, dengan biaya yang optimal sehingga dapat berdampak meningkatnya keuntungan perusahaan. Perencanaan kebutuhan material sangat memerlukan peramalan permintaan konsumen yang dihitung dari permintaan masa lalu, sehingga dapat memperkirakan kebutuhan dimasa mendatang. Metode peramalan yang akan digunakan adalah Single exponential Smooting (SES), Single Exponential Smooting White Ternd (SEST), Moving Average (MA), Weighted Moving Average (WMA), Regresi Linear (RL). Kemudian setiap akurasi hasil peramalan dihitung sehingga hasil peramalan dapat untuk mengetahui tingkat kesalahan yang terjadi. Dalam perencanaan kebutuhan material metode lot sizing yang digunakan yaitu Wagner Whiting (WW), Lot For Lot (LFL), Fixed Order Quantity (FOQ), Part Period Balancing (PPB), Least Total Cost (LTC), dan dalam pengolahan perhitungan tersebut dilakukan dengan menggunakan perangkat lunak WinQSB. Dari penelitian yang telah dilakukan didapat hasil peramalan yang terbaik untuk produk AFPL item no. 1517 untuk periode mendatang berdasarkan hasil nilai ukuran MAPE (Rata-rata Persentase Kesalahan Absolut) terendah yaitu sebesar 11,40. Sedangkan untuk perhitungan kebutuhan material yang telah dilakukan didapatkan biaya yang paling optimal pada tipe ukuran lot sizing WW (Wagner Whiting) yaitu sebesar Rp 383.509.850. Kata Kunci : AFPL produk item no. 1517, peramalan, MRP, Lot Sizing, WinQSB

ABSTRACT

PT XYZ. which is the industry that produces components - components otomotif.Sebelumnya PT XYZ. MRP method has never been applied to one type AFPL unit produkyaitu 1517 the authors are interested in conducting research concerning the problem of raw material supply, especially rquirement will review the Material Planning (MRP). material MRP system is a proactive strategy. MRP look into the future to identify the material that will be required, with the optimal cost increase that may impact the company's profits. Material requirements planning is in need of demand forecasting consumer demand is calculated from the past, so it can estimate mendatang.Metode forecasting future needs that will be used is single exponential Smooting (SES), Single Exponential Smooting White Ternd (sest), Moving Average (MA), weighted Moving Average (WMA), Linear Regression (RL). Then each forecasting accuracy is calculated so that the results can forecast results to determine the level of error that occurred. In material requirements planning metodelot sizing used the Wagner Whiting (WW), Lot For Lot (LFL), Fixed Order Quantity (FOQ), Part Period Balancing (PPB), Least Total Cost (LTC), and the processing of the calculations performed by using software WinQSB. From the research that has been done obtained the best forecasting results for AFPL product item no. 1517 for future periods based on the value of the size of MAPE (mean absolute percentage error) is the lowest of 11.40. As for the calculation of material requirements that have done the most optimal cost obtained in type size of lot sizing WW (Wagner Whiting) in the amount of USD 383 509 850. Keywords: AFPL product item no. 1517, forecasting, MRP, Lot Sizing, WinQSB

1 PENDAHULUAN 1.1 LATAR BELAKANG Peningkatan kemampuan penyediaan atau produksi barang dan jasa yang dibutuhkan manusia merupakan usaha yang harus dilakukan oleh perusahaan atau organisasi untuk dapat memenuhi permintaan untuk kebutuhan-kebutuhan tersebut secara efektif dan efisien. Perusahaan yang dipilih oleh penulis sebagai tempat untuk melaksanakan skripsi adalah PT Selamat Sempurna Tbk. yang merupakan industri yang memproduksi komponen komponen otomotif seperti ; filter, radiator, pipa rem, pipa bahan bakar, kondensor, sistem pembuangan dan press parts. Sebelumnya PT Selamat Sempurna Tbk. belum pernah menerapkan metode MRP I pada produk unit AFPL tipe 1517 maka penulis tertarik untuk mengadakan penelitian menyangkut masalah persediaan bahan baku, terutama akan mengulas tentang Material Rquirement Planning (MRP). 1.2 Perumusan Masalah

Berdasarkan latar belakang di atas, maka rumusan permasalahan yang akan menjadi obyek kajian didalam penelitian ini adalah: 1. Bagaimana mengetahui metode

peramalan apakah yang terbaik untuk produk AFPL 1517?

2. Bagaimana menerapan sistem perencanaan kebutuhan material yang memiliki biaya paling optimal pada produk AFPL tipe 1517 ?

3. Apakah dengan menerapkan aplikasi perangkat lunak WinQSB mampu menganalisa jumlah kebutuhan produksi pada enam bulan mendatang dan perencanaan kebutuhan material yang akan dipesan ?

1.3 Batasan masalah Adapun batasan batasan masalah dalam penelitian ini adalah sebagai berikut :

1. Perhitungan Lot Size dilakukan dengan munggunakan software WinQSB dan tidak menggunakan rumus manual.

2. Jadwal induk produksi berdasarkan pada hasil peramalan permintaan perusahaan

3. Data yang diambil berdasarkan data produksi bulan juli 2012 februari 2013

4. Biaya total yang akan dihitung adalah biaya pemesanan dan biaya penyimpanan.

5. Tidak menganalisa penjadwalan. 6. Tidak menganalisa persediaan

pengaman.

1.1 Tujuan penelitian Tujuan Pelaksanaan penelitian ini yaitu :

1. Untuk mengetahui metode peramalan yang terbaik untuk produk AFPL 1517.

2. Untuk mengetahui penerapan sistem perencanaan kebutuhan material yang memiliki biaya paling optimal pada produk AFPL tipe 1517.

3

3. Untuk mengetahui penerapan aplikasi perangkat lunak WinQSB untuk menganalisa jumlah kebutuhan produksi pada periode mendatang dan perencanaan kebutuhan material yang akan dipesan.

2 LANDASAN TEORI 2.1 Sistem Produksi

Bagan 1.1 skema sistem produksi

2.2 Peramalan

Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang.

a. Simple Moving Average

Metode ini menggunakan sejumlah data aktual permintaan yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa mendatang. Metode rata-rata bergerak akan efektif diterapkan apabila diasumsikan bahwa permintaan pasar terhadap produk akan teteap stabil sepanjang waktu. b. Weighted Moving Average = WMA

Pada metode ini, setiap data diberikan bobot yang sama. Aktualnya hal ini mustahil karena data yang lebih baru akan mempunyai bobot yang lebih tinggi karena data tersebut merepresentasikan kondisi yang terakhir terjadi. Hal ini yang melahirkan metode peramalan rata-rata bergerak dengan pembobotan. c. Exponential Smoothing = ES

Kelemahan teknik moving average dalam kebutuhan akan data-data masa lalu yang cukup banyak dapat diatasi dengan teknik pemulusan eksponensial. Metode peramalan pemulusan eksponensial bekerja hampir serupa dengan alat thermostat, di mana apabila galat ramalan (forecast error) adalah positif, yang berarti nilai aktual permintaan lebih tinggi dari pada nilai ramalan (A-F>0), maka model pemulusan eksponensial akan secara otomatis meningkatkan nilai ramalan, Sebaliknya.

d. Exponential Smoothing White Trend = EST

Teknik moving average dan exponential smoothing sederhana telah dijelaskan di depan hanya tepat bila data yang digunakan stationer. Metode winter didasarkan atas tiga persamaan pemulusan, yaitu persamaan untuk penyesuaian stationer, satu persamaan untuk penyesuaian tren, dan persamaan yang lain untuk penyesuaian musiman. e. Metode Regresi (regression method)

Sebelum suatu keputusan diambil, kadang perlu dilakukan suatu peramalan (forecasting) mengenai kemungkinan atau harapan yang akan terjadi di masa depan. Analisis regresi digunakan untuk mempelajari dan mengukur hubungan yang terjadi di antara dua atau lebih variabel. Regresi sederhana dikaji untuk dua variabel. Regresi majemuk dikaji lebih dari dua variabel.Analisis regresi, menyusun persamaan regresi yang digunakan untuk menggambarkan pola atau fungsi hubungan antar variabel. Ukuran Akurasi Hasil Peramalan

a. Mean Absolute Deviation = MAD MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan kenyataannya.

b. Mean Square Error = MSE MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan.

c. Mean Forecast Error =MFE) MFE sangat efektif untuk mengetahui apakan suatu hasil peramalan selama periode tertentu terlalu tinggi atau terlalu rendah. MFE dihitung dengan menjumlahkan semua kesalahan peramalan selama periode peramalan dan membaginya dengan jumlah periode peramalan.

d. Mean Absolute Percentage Error = MAPE) MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah.

2.3 Persediaan persediaan merupakan sejumlah

bahan-bahan, bagian-bagian yang disediakan dan bahan-bahan dalam proses yang terdapat

4

dalam perusahaan untuk proses produksi, serta barang-barang jadi/produk yang disediakan untuk memenuhi permintaan dari konsumen atau langganan setiap waktu.

2.4 Material Requirement Planning (MRP)

MRP adalah prosedur logis, aturan keputusan dan teknik pencatatan terkomputerisasi yang dirancang untuk menterjemahkan Jadwal Induk Produksi atau MPS (Master Production Scheduling), menjadi kebutuhan bersih atau NR (Net Requirement) untuk semua item.

Gambar 1.1 masukan dan keluaran MRP

2.4.1 Fixed Order Quantity (FOQ) Jumlah pesanan tetap (FOQ) ini

sangat spasifik untuk menentukan persediaan item.Penentuan besarnya lot dapat semau kita, atau dapat pula memakai intuisi atau melalui faktor-faktor empirik atau juga sesuai dengan pengalaman pemakai. Kebijaksanaan ini dapat ditempuh untuk item-item yang biaya pemesanan (ordering cost) tinggi, dengan memenuhi kebutuhan bersih dari perode ke periode. 2.4.2 Lor For Lot (LFL)

Teknik penetapan ukuran dengan ini dilakukan atas dasar pesanan diskrit, disamping itu teknik dilakukan atas pasanan dasat diskrit, disamping itu juga teknik ini merupakan cara paling sederhana dari semua teknik ukuran lot yang ada. 2.4.3 (Least Total Cost LTC)

Teknik ini didasarkan pada pemikiran bahwa jumlah ongkos pengadaan dan ongkos simpan (ongkos total) setiap ukuran pemesanan (lot size) yang ada pada suatu horizon perencanaan dapat diminimalkan jika besar ongkos-ongkos tersebut sama atau hampir sama. Sarana untuk mencapai tujuan tersebut adalah suatu faktor yang disebut Economic Part Period (EPP). Part period adalah suatu unit yang disimpan dalam persediaan selama satu periode. EPP dapat didefinisikan sebagai kuantitas suatu item persediaan yang bila disimpan dalam persediaan selama satu periode akan

menghasilkan ongkos pengadaan yang sama dengan ongkos simpan. EPP dihitung secara sederhana dengan membagi ongkos pengadaan dengan ongkos simpan per unit per periode. 4.3.4 Part Period Balancing PPB)

Teknik PBB ini menggunakan dasar logika yang sama dengan teknik LTC. Perhitungan kuantitas pemesanannya juga sama. Perbedaannya terletak pada pengalokasian pemesanan yang dilakukan dengan melihat kebutuhan bersih periode yang ada di depan dan di belakang (look a head/look back) dari periode yang bersangkutan. Hal ini dimaksudkan untuk mencegah penyimpanan item persediaan dalam jumlah yang terlalu besar (cakupan periode yang terlalu panjang) dan menghindari kuantitas pemesanan yang terlalu sedikit. 4.3.5 Wagner Whitin (WW)

Teknik ini menggunakan prosedur optimasi yang didasari model program dinamis. Tujuannya adalah untuk mendapatkan strategi pemesanan yang optimum untuk seluruh jadwal kebutuhan bersih dengan jalan meminimalkan total ongkos pengadaan dan ongkos simpan. Pada dasarnya, teknik ini menguji semua cara pemesanan yang mungkin dalam memenuhi kebutuhan bersih setiap periode yang ada pada horizon perencanaan sehingga senantiasa memberikan jawaban optimal.

2.4 Mengenal Software WinQSB Versi 2.0 Salah satu program komputer yang dirancang untuk menyelesaikanmasalah-masalah kuantitatif di bidang manajemen adalah WinQSB. Program inidibuat oleh Profesor Yih-Long Chan dari Georgia Institute of Technology ,Amerika Serikat. Program ini merupakan pengembangan dari program QSB (Quantitative System for Business), QSB+, dan QS (Quantitative System) yangsudah banyak digunakan pada akhir tahun 1980-an. Program WinQSB saat ini sudah sampai pada versi 2.0. Disebut WinQSB karena merupakan perkembangan dari program QSB yang dulu berbasis sistem operasi DOS, dan sekarang sudahdapat dijalankan pada komputer berbasis Microsoft Windows. 3 METODOLOGI PENELITIAN Pada bagian ini akan dijelaskan langkah-langkah yang digunakan untuk memecahkan suatu masalah agar hasil penelitian sesuai dengan tujuan yang telah ditetapkan.

5

Studi Literaturq Sistem produksiq Persediaanq Perhitungan Peramalanq Perhitungan MRPq Modul WinQSB

Observasi Lapanganq Profil Perusahaanq Pengamatan Tahapan Proses Produksi

E-RSPU P/N 5903

Perumusan Masalah Mengetahui metode peramalan terbaik

Menerapakan Sistem MRP I dengan biaya optimal

Penerapan MRP I dengan Software WINQSB

Mulai

Latar BelakangBelum adanya penerapkan metode MRP I pada produk unit AFPL

Identifikasi Variabel Penelitian

Pengumpulan Data Produksi AFPL

Periode Januari Agustus 2012

Penetuan Item Number Fast Moving

(Lewat Rangking Permintaan)

Pengambilan Data Sekunder

Bill of Material E-RSPU I/P No. A-5903

Lead Time, Safety Stock, dan Project On Hand E-RSPU

Item Produk No. A-5903 dan Komponen Penyusunnya

Unit Cost, Holding Cost & Setup/Order Cost

Pengolahan Data Tahap I

Peramalan Permintaan Untuk delapan Periode Mendatang

dengan WinQSB

SES (Single Exponential Smooting)

SEST (Single Exponential Smooting With Trend)

MA 2-Bulan, 3-Bulan dan 4-Bulan

WMA 2-Bulan, 3-Bulan dan 4-Bulan

Regresi Linear

Pengolahan Data Tahap II

Pembuatan Bill Of Material AFPL02

Item Produk 1517

Pembuatan MRP dengan Metode Lot

Size (FOQ, LFL, LTC, PPB & WW)

Analisa Dan Hasil

Analisa Pemilihan Peramalan terbaik dengan

MAPE

Analisa Perbandingan Biaya Paling Optimal

Selesai

Tahap I

Penentuan Objek Penelitian

E-RSPU

Tahap II

Pengambilan Data

Sekunder

Tahap III

Pengolahan Data Untuk Peramalan,

Pembuatan MRP dan Perhitungan Biaya

Kesimpulan dan Saran

Diagram 1.1 Alur Metodologi Penelitian

4 PENGUMPULAN dan PENGOLAHAN

DATA

4.1 Pengumpulan Data 4.1 Rangking Product Fast Moving

Pemelihan item produk AFPL di tentukan pada produk fastmoving tertinggi yaitu AFPL produk item no. 1517

Tabel 1.2 Permintaan AFPL Item Produk No.

1517 (Periode juli 2012 - februari 2013)

Periode Permintaan

(Unit)

Jul-12 5.200

Aug-12 9.580

Sep-12 6.200

Oct-12 9.580

Nov-12 9.700

Dec-12 10.060

Jan-13 8.140

Feb-13 9.960

Total 68.420

Rata-Rata

8.553

Tabel 1.3 Lead Time, Safety Stock, dan

Project On Hand AFPL Item Produk No.1517 dan Komponen Penyusunnya

Tabel 1.4 Struktur Biaya Bahan Baku AFPL Item Produk no. 1517

Item Line Rank % Cumm % Sakura No Total

1 5,38% 5,38% A-1517 66.536

2 4,54% 9,91% A-1123 56.140

3 3,91% 13,82% A-1047 48.400

4 3,14% 16,96% A-5828 38.840

5 3,03% 19,99% A-1876 37.500

.... .... .... .... ....

E-AFPL01 274 0,01% 100,00% CA-29010 100

TOTAL 1.237.442

Sum of MPP Qty E-AFPL Qty Jan-Okt 2012

E-AFPL02

1 0 AFPL 1517 1 Lot - 0 Bulan Make 10000 -

2 1 Blank Filter 8 Unit Pcs 0 Bulan Make 8000 40000 -

3 1 Box Besar 1 Unit Pcs 1 Bulan Buy 1000 10000 -

4 1 Box Kecil 8 Unit Pcs 1 Bulan Buy 8000 80000 -

5 1 Plastik 2 Unit Pcs 1 Bulan Buy - 10000 -

6 1 Label 10 Unit Pcs 1 Bulan Buy - 80000 -

7 2 Paper 1 m2 Pcs 0 Bulan Make - 10000 2%

8 2 Ruber 1 Unit Pcs 2 Bulan Buy 1000 10000 -

9 2 Plastik Injection 1 Unit Pcs 0 Bulan Make - 10000 2%

10 3 Polyfiber UNP300 1 m2 Meter 1 Bulan Buy - 10000 -

11 3 UNP 15 1 m2 Meter 1 Bulan Buy - 10000 -

12 3 PP Recycle 1 ons ons 1 Bulan Buy - 10000 -

13 3 PP Compound 2 ons ons 2 Bulan Buy - 10000 -

Ket. Safety

Stock

On

HandScrap

NO.Level Komponen Kuantitas Measure

Lead

Time

KomponenSetup/Requir

ment Cost

Holding

Cost

Shortage

Costunit cost

AFPL 1517 20000 10 M -

Blank Filter 20000 75 M -

Box Besar 18000 15 M 100

Box Kecil 18000 75 M 50

Plastik 18000 15 M 150

Label 18000 15 M 100

Paper 20000 30 M -

Ruber 18000 30 M 500

Plastik Injection 20000 30 M -

Polyfiber UNP300 50000 15 M 200

UNP 15 50000 18 M 200

PP Recycle 50000 18 M 200

PP Compound 50000 18 M 200

6

4.2 Pengolahan Data 4.2.1 Peramalan

Single Eksponensial Smoothing (SES)

Gambar 1.1 WinQSB Forecast - Hasil

Peramalan dengan SES (Single exponential Smooting)

Berdasarkan data yang ditampilkan pada tabel diatas dapat diketahui secara langsung dengan peramalan permintaan untuk delapan periode mendatang, nilai MAD (Mean Absolute Deviation), MSE (Mean Square Error) dan MAPE (Mean Absolute Persentage Error). Di Forecasting Setup terdapat bagian Smoothing constant alpha. Nilai berkisar antara 0,01 sampai dengan 0.99. Salah satu keuntungan dalam mengaplikasikan perangkat lunak WinQSB adalah bahwa untuk metode Single Eksponensial Smoothing user dapat meminta program untuk langsung menentukan nilai yang memberikan hasil peramalan terbaik.

Single Exponential Smooting (SEST)

Gambar 1.2 WinQSB Forecast - Hasil Peramalan AFPL Item Produk No. 1517

dengan SEST = 0,3 dan = 0,23

Salah satu keuntungan dalam mengaplikasikan perangkat lunak WinQSB adalah bahwa untuk metode Single

Eksponensial Smoothing White Trend user

dapat meminta program untuk langsung menentukan nilai dan juga nilai yang memberikan hasil peramalan terbaik.

Moving average (MA) 2 Bulan

Gambar 1.3 WinQSB Forecast - Hasil Peramalan AFPL Item Produk No. 1517

dengan MA 2 bulan Penulis juga menerapkan metode Moving Average dengan kriteria perataan bulan yang berbeda. Penulis menggunakan Moving Average 3-Bulan, Moving Average 4-Bulan dan Moving Average 5-Bulan. Hal ini dilakukan untuk mendapatkan akurasi data peramalan dengan lebih akurat.

Weighted Moving Average (WMA) 2 Bulan

Gambar 1.4 Hasil Peramalan AFPL Item

Produk No. 1517 dengan WMA 2bulan

penulis menentukan bobot untuk data periode t-2 dan t-1, memberikan bobot 0,6 untuk data periode t-2 dan bobot sebesar 0,4 untuk data periode t-1.

7

Metode Regresi (regression method)

Gambar 1.5 Hasil Peramalan AFPL Item Produk No. 1517 dengan linear regresi

Pada tampilan hasil peramalan metode Linear Regresi (LR) diatas langsung dapat diketahui nilai masing-masing untuk nilai intercept (a) dan Slope (b), yaitu sebesar 6526,429 untuk nilai intercept (a) sedangkan untuk nilai Slope (b) sebesar 450,2381. 4.2.2 Pembuatan Bild Of Material (BOM)

Bagan 1.1 struktur Bild Of Material (BOM) AFPL produk item no. 1517

4.1.2 Perhitungan Lot size MaterialRequirement Planning (MRP)

perhitungan MRP pada level nol yakni independent product dari item produk AFPL tipe no. 1517.

Perhitungan lot size tipe Lot For Lot (LFL)

Gambar 1.6 Hasil Perhitungan MRP LFL

pada Level 0 AFPL item produk no. 1517

Gambar 1.7 Biaya Material Requirement

Planning Lor For Lot (LFL)

Perhitungan lot size tipe Fixesd Order Quantity (FOQ)

Gambar 1.8 Hasil Perhitungan MRP FOQ

pada Level 0 AFPL item produk no. 1517

Gambar 1.9 Biaya Material Requirement

Planning Fixed Order Quantity (FOQ)

Perhitungan lot size tipe Least Total Cost (LTC)

Gambar 1.10 Hasil Perhitungan MRP LTC

pada Level 0 AFPL item produk no. 1517

Gambar 1.11 Biaya Material Requirement Planning Least Total Cost (LTC)

Perhitungan lot size tipe Part Period Balancing (PPB)

Gambar 1.12 Hasil Perhitungan MRP PPB

pada Level 0 AFPL item produk no. 1517

AFPL

1517 1

Lot Box Besar

1 Uni

t

Box Kecil

8 Uni

t

Plastik

2 unit

Label

10 unit

AFPL Blank Filter

8 unit Pap

er 1

m2 Polyfib

er UNP30

0

1

m2

UNP 15

1 m2

Ruber

1 unit

Plastic

Injectio

n

1 unit PP

Recycle

1 ons

PP Compo

und 2

ons

8

Gambar 1.13 Biaya Material Requirement Planning Part Period Balancing (PPB)

Perhitungan lot size tipe Algoritma Wagner Whiting (AWW)

Gambar 1.14 Hasil Perhitungan MRP AWW

pada Level 0 AFPL item produk no. 1517

Gambar 1.15 Biaya Material Requirement Planning Algoritma Wagner Whiting (AWW)

5 ANALISA dan HASIL 5.1 Peramalan

Setelah melakukan peramalan dengan lima metode peramalan, Penulis merangkum semua data yang dihasilkan dalam tabel di bawah ini. Hal ini ditujukan untuk mempermudah pemilihan hasil peramalan yang memiliki akurasi terbaik dan dapat dipercaya.

Untuk menetukan parameter yang dapat dijadikan acuan untuk menilai hasil peramalan adalah nilai MAPE (rata-rata persentase kesalahan absolut), karena MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti dibandingkan ukuran parameter lainnya. MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah. Semakin kecil nilai MAPE, maka akan semakin akurat hasil peramalannya.

Tabel 1.1 Rangkuman Hasil Peramalan

Berdasarkan hasil perhitungan yang telah dilakukan penulis memutuskan untuk memilih hasil peramalan dengan metode Weigth Moving Average 4-bulan, karena berdasarkan nilai MAPE, Moving Average 4-bulan adalah yang terbaik karena nilainya paling kecil dibandingkan ketiga nilai lainnya yaitu sebesar 12,3 Tabel 1.2 Nilai Paramater dari hasil Aplikasi

Metode WMA 4 Bulan Parameter Nilai

CFE 4020

MAD 1109

MSE 2029324

MAPE 11,4

Maka data peramalan kebutuhan yang akan diterapkan di dalam pembuatan Master Production Schedule adalah data hasil peramalan dengan metode Weigth Moving Average 4-bulan dengan perkiraan jumlah permintaan sebagai berikut.

Tabel 1.1 Peramalan Permintaan AFPL produk Item no. 1517 dengan WMA 4-Bulan

(Periode Maret 2013 Juli 2013)

Periode Data Produksi (AFPL 1517)

Mar-13 7152

Apr-13 8928

May-13 8348

Jun-13 9412

Jul-13 9512

Total 43352

Rata-Rata

8670

5.2 Material Requirement Planning (MRP) Tabel 1.3 Rangkuman biaya hasil perhitungan

MRP

Dari kelima metode lot size MRP tersebut didapatkan nilai-nilai total biaya ID peroduk AFPL iten no. 1517, dari hasil perhitungan teknik lot size yang memiliki total biaya terendah yaitu dengan menggunakan teknik lot size WW (Wagner Whiting) dengan total biaya yaitu Rp 383.509.850 dan untuk metode lot size yang menghasilkan total biaya tertinggi yaitu teknik lot size FOQ (Fixed Order Quantity), dengan total biaya Rp 384.204.039.

CFE 10299,79 7002,9 3200 4020 -1,96

MAD 1955,63 1721,2 1172,5 1109 1290,06

MSE 5265018 4808388 1705938 2029324 2013944

MAPE 21,0361 18,89 12,3 11,4 16,89

SESTMA 4-

Bulan

WMA 4-

BulanLRParameter SES

WW LFL FOQ PPB LTC

AFPL 1517 65.590 90.707 90.873 73.350 73.350

Blank Filter 740.000 780.000 780.000 740.000 740.000

Box Besar 2.501.200 2.522.850 2.527.625 2.518.870 2.501.200

Box Kecil 10.976.800 11.140.800 11.159.000 10.976.800 10.976.800

Plastik 8.566.600 8.602.600 8.617.000 8.566.600 8.566.600

Label 25.588.000 25.630.000 25.677.750 25.588.000 25.588.000

Paper 119.830 152.685 153.250 123.555 123.555

Ruber 113.004.000 113.040.000 113.232.000 113.004.000 113.004.000

Plastik Injection 119.830 152.685 153.250 123.555 123.555

Polyfiber UNP300 43.987.600 44.041.632 44.138.752 43.987.600 43.987.600

UNP 15 43.992.600 44.047.440 44.144.500 43.992.600 43.992.600

PP Recycle 43.992.600 44.047.440 44.144.500 43.992.600 43.992.600

PP Compound 89.855.200 89.955.200 90.150.000 89.855.200 89.855.200

Total 383.509.850 384.204.039 384.968.500 383.542.730 383.525.060

TOTAL BIAYA PER ID (Rp)Item ID

9

6 KESIMPULAN dan SARAN 6.1 Kesimpulan

Berdasarkan dari analisa pengolahan data terkait dengan Analisis Material Requirement Planning (MRP) untuk Pengendalian Persediaan Bahan Baku Pembuatan Blank Filter Item AFPL Produk No. 1517 Dengan Menggunakan Perangkat Lunak WinQSB yang dilakukan di bab V di PT Selamat Sempurna Tbk, selanjutnya dapat diambil beberapa kesimpulan sebagai berikut, yaitu:

Dari kelima metode peramalan yang telah dilakukan, peramalan dengan metode Weight Moving Average 4-bulan memberikan hasil terbaik. Hal ini dilihat dari nilai MAPE (rata-rata persentase kesalahan absolut) = 11,40

Dari kelima metode Material Requirement Material (MRP) yang telah dilakukan, ukuran lot sizing WW (Wagner Whiting) yang memberikan total biaya yang terendah sebesar Rp 383.509.850.

Dari penelitian yang telah dilakukan oleh Penulis, dapat diketahui bahwa analisa peramalan dan perencanaan kebutuhan material dapat dilakukan dengan menerapkan aplikasi perangkat lunak WinQSB modul Forecast dan Material Requirement Planning.

6.2 Saran Berikut ini beberapa saran yang dapat

diambil oleh penulis untuk dijadikan bahan pertimbangan untuk kegiatan penelitian selanjutnya dalam memperbaiki perencanaan sistem persediaan perusahaan yang ada. Hal ini tentu dimaksudkan agar perencanaan persediaan dapat dilakukan lebih baik lagi demi kelancaran proses produksi. Saran saran tersebut antara lain sebagai berikut :

Untuk penelitian selanjutnya diharapkan dapat mengidentifikasi penyebab terjadinya selisih antara permintaan yang diajukan di dalam Master Production Schedule (MPS) dengan produksi aktual di plant factory.

Untuk penelitian selanjutnya diharapkan penambahan pada objek penelitian agar aktivitas produksi dan pemesanan bahan baku dapat dilakukan secara serempak demi mencapai efisiensi waktu, biaya dan transportasi.

DAFTAR PUSTAKA Assauri, S.2008. Manajemen Produksi dan

Operasi, Jakarta, 2008, Lembaga Penerbit FE-UI, Jakarta.

Baroto, T. 2002. Perencanaan dan Pengendalian Produksi. Penerbit GahliaIndonesia, Jakarta

Gaspersz, V. 2004. Production Planning and Inventory Control. PT. GramediaPustaka Umum, Jakarta.

Gintin, R. 2007.Sistem Produksi, Graha Ilmu, Yogyakarta

Hakim, A. 2008. Perencanaan dan Pengendalian Produksi, Graha Ilmu, Yogyakarta

Herjanto, E. 1997.Manajemen Produksi dan Operasi, Gramedia, Jakarta

Jurnal Nasional Penerapan Sistem Material Requiring Planning (MRP) Untuk Peningkatan Kinerja di Industri Prosesoleh Muslim Efendi Harahap. 2009

Laporan SkripsiAnalisis Hubungan Nilai Overall Equipment Efectivness (Oee) Dengan Six Big Losess Dalam Usaha Mencari Penyebab Besarnya Reduced Speed Losses Dan ProcessDefect Losses Pada Mesin Injection (Studi Kasus: PT. Selamat Sempurna)oleh Wahyu sugar Ibrahim. 2013. Universitas Mercubuana. Jakarta

Laporan SkripsiMengoptimalkan Master Production Schedule (MPS) dan Material Requirement Planning I (MRP I) E-RSPU 5903 Melalui Perhitungan Rough Cut Capasity Planning (RCCP) oleh Endah Worowardani. 2013. Universitas Mercubuana. Jakarta

Kusuma, H. 2004.Manajemen Produksi,Andi, Jakarta

Nasution,A.H.2006. Manajemen Industri, Andi, Yogyakarta

Nasution, A.H. 2008. Perencanaan dan Pengendalian Produksi, Graha Ilmu, Yogyakarta,

Purnomo, H. 2003. Pengantar Teknik Industri, Graha Ilmu, Yogyakarta

Rangkuti, F. 1998.Manajemen Persediaan: Aplikasi di Bidang Bisnis, Rajawali Pers

Rangkuti, F. 2004.Manajemen Persediaan Aplikasi dibidang Bisnis, PT GrafindoPersada, Jakarta

Ristono, A. 2008. Manajemen Persediaan, Graha Ilmu, Yogyakarta

Ristono, A. 2009.Manajemen Persediaan, Graha Ilmu, Yogyakarta