kuliah 2_perencanaan logistics
TRANSCRIPT
-
8/16/2019 Kuliah 2_Perencanaan Logistics
1/35
ENGINEERING LOGISTICSINDRAMAWAN ST.MT
PERENCANAAN LOGISTIK
-
8/16/2019 Kuliah 2_Perencanaan Logistics
2/35
LOGISTICS PLANNING
• Planning Row
Material.
• Planning Production
• DC Warehouse
• Transportation.
• Distribution
• Hub DC
• Transportation
• Distribution
• Informasi KebutuhanPasar/Customer.
• Rencana Produksi.
• Kebutuhan RM.
• Kebutuhan bahan
Pembantu.
• Kebutuhan Manpower
• Working Capital
• Cash Flow.
• Equipment yang lain
• Kebutuhan Luas WH baik RM maupun Finish Good.• Own Warehouse atau Outsourcing.
• Equipment di WH.
• Manpower di WH.
• System atau WMS yang digunakan.
• Transportasi untuk Suttle dari Plant ke DC WH.
• Transportasi dari DC WH ke Hub DC dan end user.• Own transport atau Outsourcing.
• Jenis moda transportasi yang digunakan.
• Metode charging untuk biaya transport.
• Metode Vendor yang digunakan.
-
8/16/2019 Kuliah 2_Perencanaan Logistics
3/35
PERAMALAN PERMINTAAN
Peramalan permintaan adalah kegiatan untukmengestimasi besarnya permintaan terhadap barang
dan jasa tertentu pada periode dan wilayah pemasaran
tertentu.
Peramalan tentang perkiraan jumlah permintaan dankebutuhan pasar di masa yang akan datang sebagai
dasar untuk perencanaan dan pengambilan keputusan
bisnis.
Sebagai input untuk perencanaan produksi danmengelola persediaan, bahan baku, peralatan,sumber daya manusia
-
8/16/2019 Kuliah 2_Perencanaan Logistics
4/35
Dimensi produk, wilayah dan waktu permintaan
KP A (A1,A2,A2,A3)
KP B (B1,B2)
KP C(C1,C2,C3)
Bulan 1 (m1,m2,m3,m4)
Bulan 2 (m1,m2,m3,m4)
Bulan 3 (m1,m2,m3,m4)
WP X (X1,X2,X3,X4)WP Y (Y1,Y2,Y3,Y4)
WP Z (Z1,Z2,Z3,Z4)
Dimensi Waktu
Dimensi Wilayah
Dimensi Produk
-
8/16/2019 Kuliah 2_Perencanaan Logistics
5/35
Teknik Peramalan Tingkat Peramalan
ualitatif
Pendapat Para Eksekutif
Riset Pasar
Metoda Delphi
Metoda Kelompok Nominal
uantitatif
1. Metoda Time Seriesa. M. Free Hand
b. M. Moving Average (Simple MA ; Weight MA)c. M. Exponential Smoothing (Single ES ; Double ES ; ES with Linear Trend)
e. M. Regresi Linear
f. M. Interpolasi Gregory-Newton
g. M. Winter’s
2. Metoda Non Time Series
Metoda Top Down
Metoda Bottom Up
Metoda Interprestasi Permintaan
METODA PERAMALAN
-
8/16/2019 Kuliah 2_Perencanaan Logistics
6/35
TEKNIK PERAMALAN KUALITATIF (SUBJECTIF)
Bila tidak ada data atau data masa lalu hanya sedikit tersedia, memakai intuisi, pengalaman,pendapat dan pengambilan keputusan.
1. Pendapat para eksekutif atau manajer senior,
Berdasarkan atas pengalaman dan data permintaan sebelumnya.
2. Riset Pasar ,
Mendengar keluhan, komplain dan klaim pelanggan melalui kuesioner.
3. Metoda Delphi,
Ditentukan berdasarkan kesepakatan kelompok pakar yang terlibat dalam peramalan.
- Seorang yang terpilih sebagai koordinator mengajukan pertanyaan tertulis
menyangkut hal-hal yang berkaitan dengan perkiraan masa yang akan datang
kepada anggota panel untuk mendapatkan tanggapan.
- Tidak diadakan komunikasi antar anggota.
- Koordinator mengedit dan merangkum jawaban tertulis berdasarkan kelompok
disertai penjelasan dan informasi lainnya.
- Hasil pertama dikirimkan lagi ke anggota panel disertai pertanyaan berikut untukditanggapi secara tertulis.
- Masing-masing anggota kelompok menanggapi pertanyaan.
- Seterusnya diadakan langkah diatas beberapa kali hingga memperoleh hasil akhir .
4. Metoda Kelompok Nominal
Melibatkan orang-orang yang berpengalaman di berbagai bidang , diskusi diadakan secara langsungdan terbuka.
-
8/16/2019 Kuliah 2_Perencanaan Logistics
7/35
Metoda Top - DownDimulai dengan hasil-hasil peramalan berbagai kondisi bisnis yang dibuat oleh pakarekonom dalam lembaga pemerintah, perusahaan besar atau perguruan tinggi. Parapakar peramalan dalam perusahaan menterjemahkan peramalan umum kedalamperamalan bisnis industri untuk waktu yang akan datang.
Metoda Bottom - Up
Dimulai dengan perkiraan permintaan produk akhir individual. Informasi dari pengecertentang permintaan konsumen, pendapat distributor tentang perilaku permintaanproduk dan perkiraan dari petugas sales. Informasi ini dipadukan dengan polapermintaan masa lalu, dianalisis untuk membuat peramalan jumlah produk yang akandijual.
Metoda Interpretasi Permintaan
Metoda peramalan sering kali tidak tepat dengan kenyataan dan tidak dapat menjawabpermasalahan yang datang secara tidak terduga seperti krisis moneter, lonjakanpermintaan. Para pakar peramalan harus mempunyai wawasan yang luas dankemampuan menganalisis yang terpadu.
TINGKAT PERAMALAN
-
8/16/2019 Kuliah 2_Perencanaan Logistics
8/35
TEKNIK PERAMALAN KUANTITATIF
POLA PERAMALAN TIME SERIES
1. Pola Trend
2. Pola Musiman3. Pola Siklikal
4. Pola Random
-
8/16/2019 Kuliah 2_Perencanaan Logistics
9/35
P e r m i n t a a n
Waktu/Periode
Trend
POLA PERAMALAN TRENDBila data permintaan menunjukkan pola gerakan kenaikan atau
penurunan jangka panjang. Maka, Metoda peramalan yang sesuai :Regresi Linear dan Exponential Smoothing.
-
8/16/2019 Kuliah 2_Perencanaan Logistics
10/35
P e r m i n t a a n
Waktu/Periode
POLA PERAMALAN MUSIMANData berfluktuasi berulang dalam suatu interval waktu tertentu,
biasanya dipengaruhi oleh musim. Metoda peramalan yang sesuai :Metoda Winter, Moving Average
-
8/16/2019 Kuliah 2_Perencanaan Logistics
11/35
P e r m i n t a a n
Waktu/Periode
POLA PERAMALAN SIKLIKAL
Data flukuasi permintaan secara jangka panjang membentuk pola gelombang
atau siklus. Metoda peramalan yang sesuai : Moving Average dan Exponential Smoothing.
-
8/16/2019 Kuliah 2_Perencanaan Logistics
12/35
P e r m i n t a a n
Waktu/Periode
POLA PERAMALAN RANDOMBila fluktuasi data permintaan dalam jangka panjang bersifat acak dan tidak
jelas serta tidak dapat digambarkan oleh ketiga pola lainnyaTidak ada metoda peramalan yang direkomendasikan dengan pola ini
-
8/16/2019 Kuliah 2_Perencanaan Logistics
13/35
TEKNIK PERAMALAN KUANTITATIF METODA FREE HAND
Adalah metoda Time Series yang besifat subjektif. Plotkan data historis
permintaan dalam bentuk grafik. Pola data dilihat secara visual. Annual dan
logis untuk menentukan titik permintaan masa yang akan datang
P e r m i n t a a n
Waktu/Periode
Data Historis Masa Depan
Perkiraan
TEKNIK PERAMALAN KUANTITATIF
-
8/16/2019 Kuliah 2_Perencanaan Logistics
14/35
Peramalan rata-rata bergerak menggunakansejumlah data aktual masa lalu untuk
menghasilkan peramalan.
Rata-rata bergerak berguna jikakita dapat mengasumsikan bahwapermintaan pasar akan stabil
sepanjang masa yang kitaramalkan .
TEKNIK PERAMALAN KUANTITATIFMETODA Rata-Rata Bergerak (Moving Average)
TEKNIK PERAMALAN KUANTITATIF
-
8/16/2019 Kuliah 2_Perencanaan Logistics
15/35
Ft = Forecast (ramalan) permintaan untuk periode t
At = Actual (aktual) permintaan pada periode t
n = Jumlah periode yang dipakai untuk kalkulasi peramalan
Periode Permintaan
2000 109
2001 115
2002 112
2003 118
2004 114
2005 120
2006 116
2007 118
Berapa Forecast 2008 apabila jumlah periode
untuk kalkulasi adalah 4
F2008 = 118 + 116 + 120 + 114
4
= 117
At-1 + At-2 + At-3 + … At - n
Ft =
n
TEKNIK PERAMALAN KUANTITATIFMETODA Rata-Rata Bergerak (Moving Average)
TEKNIK PERAMALAN KUANTITATIF
-
8/16/2019 Kuliah 2_Perencanaan Logistics
16/35
Saat terdapat tren atau pola yang terdeteksi, bobot dapat
digunakan untuk menempatkan penekanan yang lebih
pada nilai terkini. Pemilihan bobot merupakan hal yang
tidak pasti karena tidak ada rumus untuk menetapkan
mereka.Oleh karena itu, pemutusan bobot yang digunakan
membutuhkan pengalaman. Sebagai contoh, jika bulan
atau periode terakhir diberi bobot yang terlalu berat,
peramalan dapat menggambarkan perubahan yang terlalucepat yang tidak biasa pada permintaan atau pola
penjualan.
TEKNIK PERAMALAN KUANTITATIFMetode Rata-Rata Bergerak dengan Pembobotan (Weighted Moving
Average)
TEKNIK PERAMALAN KUANTITATIF
-
8/16/2019 Kuliah 2_Perencanaan Logistics
17/35
Ft = Forecast (ramalan) permintaan untuk periode t
At = Actual (aktual) permintaan pada periode t
wx = Weight (bobot), ditentukan secara subjektif. (Σ wx = 1)
n = Jumlah periode yang dipakai untuk kalkulasi peramalan
Ft = w1At-1 + w2At-2 + w3At-3 + ….. wnAt –n
Periode Permintaan
2000 109
2001 115
2002 1122003 118
2004 114
2005 120
2006 116
2007 118
Berapa Forecast 2008 apabila jumlah periode
untuk kalkulasi adalah 4
F2008 = (0.3)118 + (0.2)116 + (0.3)120 + (0.2)114
= 35.4 + 23.2 + 36 + 22.8
= 117.4
TEKNIK PERAMALAN KUANTITATIFMetode Rata-Rata Bergerak dengan Pembobotan (Weighted Moving
Average)
-
8/16/2019 Kuliah 2_Perencanaan Logistics
18/35
Penghalusan eksponensial merupakan metode
peramalan rata-rata bergerak dengan pembobotan
yang canggih, tetapi masih mudah digunakan.
Metode ini mengunakan pencatatan data masa laluyang sangat sedikit.Peramalan baru = Peramalan periode terakhir + (permintaan
periode terakhir – Peramalan periode terakhir)
Dimana :
α= Sebuah bobot atau konstanta penghalus yang dipilih oleh
peramal yang mempunya nilai antara 0 dan 1
TEKNIK PERAMALAN KUANTITATIF
Metode Penghalusan Eksponensial (Exponential Smoothing )
-
8/16/2019 Kuliah 2_Perencanaan Logistics
19/35
Ft = Forecast (ramalan) permintaan untuk periode t
α = Konstanta, nilai (0 s/d 1) yang ditentukan secara subjektif
Tt - 1 = Permintaan aktual periode lalu
Ft - 1 = Forecast permintaan pada periode sebelumnya
Ft = Ft - 1 + α (Tt - 1 - Ft – 1)
Periode Prmnt α At Tt-1 Ft-1
2000 109 10.9 105.4 116.3
2001 115 11.5 104.7 116.2
2002 112 11.2 104.6 115.82003 118 11.8 104.2 116.0
2004 114 11.4 104.4 115.8
2005 120 12.0 104.2 116.2
2006 116 11.6 104.6 116.2
2007 118 11.8 104.6 116.4
Berapa Forecast 2008 apabila asumsi α = 0.1
F2008 = 118 + 0.1 (116.4 - 104.6)
= 118 + 0.1 (11.8)= 118 + 1.18
= 119,18
TEKNIK PERAMALAN KUANTITATIF
Metode Penghalusan Eksponensial (Exponential Smoothing )
TEKNIK PERAMALAN KUANTITATIF
-
8/16/2019 Kuliah 2_Perencanaan Logistics
20/35
TEKNIK PERAMALAN KUANTITATIF
Metode Proyeksi Trend (Linear Regression)
Proyeksi Tren merupakan suatu metode peramalan yang
mencocokan garis tren pada serangkaian data masa
lalu, kemudian memproyeksikan garis pada masa
mendatang untuk peramalan jangka menengah atau
jangka panjang
y = α +bX
y = nilai terhitung dari variable yang akan diprediksi
α = persilangan sumbub = kemiringan garis regresi (atau tingkat perubahan pada untuk perubahan
yang terjadi di x )
X = variable bebas (dalam kasus ini adalah waktu)
TEKNIK PERAMALAN KUANTITATIF
-
8/16/2019 Kuliah 2_Perencanaan Logistics
21/35
Untuk menentukan nilai α dan b
TEKNIK PERAMALAN KUANTITATIF
Metode Proyeksi Trend (Linear Regression)
y = nilai terhitung dari variable yang akan diprediksiα = persilangan sumbu y
b = kemiringan garis regresi (atau tingkat perubahan pada untuk
perubahan yang terjadi di x)
X = variabel bebas (dalam kasus ini adalah waktu)
Y = nilai variabel terikat yang diketahui
n = jumlah data atau pengamatan
-
8/16/2019 Kuliah 2_Perencanaan Logistics
22/35
PROSEDUR PERAMALAN PERMINTAAN
1. Tentukan pola data permintaan dengan penampilangrafis (Trend, Musiman, Siklikal atau Random).
2. Mencoba beberapa metoda Time Series yang sesuaidengan pola permintaan
3. Mengevaluasi tingkat kesalahan masing-masingmetoda berdasarkan kriteria MAD (Mean AbsoluteDeviation), MSE (Mean Square of Error) atau MAPE(Mean Absolute Percentage of Error).
4. Memilih metoda peramalan terbaik, yaitu metodadengan tingkat kesalahan terkecil dan harus beradadibawah batas tingkat kesalahan yang ditetapkan.
5. Melakukan peramalan dengan metoda yang terpilih.
-
8/16/2019 Kuliah 2_Perencanaan Logistics
23/35
Material RequirementPlanning
-
8/16/2019 Kuliah 2_Perencanaan Logistics
24/35
MRP sebuah tehnik yang digunakan dalam
lingkungan produksi untuk permintaan dependen
(dependent demand). Menggunakan bill of
material, inventory, expected receipts dan master
production schedule (MPS) untuk menentukanmaterial apa saja yang dibutuhkan untuk proses
produksi.
-
8/16/2019 Kuliah 2_Perencanaan Logistics
25/35
Permintaan dependen berarti permintaan suatu produk
berkaitan dengan permintaan untuk produk lainnya.
Permintaan untuk produk bersifat dependen terjadi bilahubungan antar produk dapat ditentukan.
Misalnya, bagi produsen mobil permintaan ban mobil dan radiator tergantung
produksi mobil itu sendiri. Oleh karenanya bila manajemen telah membuat
peramalan tentang permintaan barang jadi, maka jumlah yang diperlukan
untuk setiap komponen dapat dihitung, karena komponen semuanya bersifatdependen
-
8/16/2019 Kuliah 2_Perencanaan Logistics
26/35
-
8/16/2019 Kuliah 2_Perencanaan Logistics
27/35
Penggunaan dependent demand inventory model yang
efektif membutuhkan hal-hal di bawah ini:
1. Master Production Schedule (MPS) = apa yang akan dibuat, dan kapan di buat
2. Bill of material (BOM) = material dan komponen-komponen
yang diperlukan untuk membuat produk
3. Inventory availability = apa yang ada dalam persediaan
yang disimpan
4. Purchase Orders Outstanding =apa yang perlu dipesan
(biasa juga disebut expected receipt)5. Lead times = berapa lama waktu dari pemesanan barang,
sampai barang tersebut tiba
-
8/16/2019 Kuliah 2_Perencanaan Logistics
28/35
MANFAAT MRP
Permintaan dependen membuat penjadwalan dan
perencanaan persediaan menjadi kompleks, sekaligusmenguntungkan.
Beberapa manfaat MRP adalah:
1. Peningkatan pelayanan dan kepuasan konsumen.
2. Peningkatan pemanfaatan fasilitas dan tenaga kerja.3. Perencanaan dan penjadwalan persediaan yang lebih
baik.
4. Tanggapan yang lebih cepat terhadap perubahan dan
pergeseran pasar.5. Tingkat persediaan menurun tanpa mengurangi
pelayanan kepada konsumen.
-
8/16/2019 Kuliah 2_Perencanaan Logistics
29/35
STRUKTUR MRP
Kebanyakan system MRP terkomputerisasi, analisisnya bersifat
langsung dan serupa antara system terkomputerisasi satu denganlainnya, yang mana strukturnya terlihat pada gambar berikut :
Gambar : Struktur Sistem MRP
Master Production Schedule MRP melalui laporan periodeBill Of Material MRP melalui laporan harian
Lead time MRP program Laporan Pemesanan Terencana
Inventory komputer Saran-saran Pembelian
Pembelian Laporan Pengecualian
-
8/16/2019 Kuliah 2_Perencanaan Logistics
30/35
-
8/16/2019 Kuliah 2_Perencanaan Logistics
31/35
Gross Material Requirements Plan
asumsinya belum ada inventory on-hand, menunjukkan
berapa barang yang harus di order untuk memenuhipermintaan dari periode tersebut
-
8/16/2019 Kuliah 2_Perencanaan Logistics
32/35
Net Material Requirements Plan
mempertimbangkan inventory on hand yang sudah ada,
menunjukkkan berapa barang yang harus di order, dikurangi
dengan inventory yang sudah ada, untuk memenuhi permintaan
periode tersebut
-
8/16/2019 Kuliah 2_Perencanaan Logistics
33/35
MRP Dynamics
Perubahan-perubahan pada input MRP (BOM, MPS, pencatatan
persediaan dkk) dapat menyebabkan system nervousness, dandampaknya adalah kekacauan pada departemen purchasing dan
production.
Kondisi MRP nervousnes:
• Bila Sistem MRP di-update terlalu sering, sistem menjadi tidak stabil dan tidakefisien
• Bila sistem tidak cukup di-update, sistem menjadi tidak fleksibel
• Sistem lebih baik pada trade-off antara stabilitas dan fleksibilitas dengan
menggunakan time fences. Time fences adalah (memperkenankan segmen dari
MPS untuk didesain sebagai jadwal yang tidak dapat di “rescheduled”) • Makin pendek time fences, makin fleksibel dan nervous sistem tersebut; dan
makin panjang time fences, makin stabil dan tidak fleksibel sistem tersebut
-
8/16/2019 Kuliah 2_Perencanaan Logistics
34/35
STUDI KASUS
-
8/16/2019 Kuliah 2_Perencanaan Logistics
35/35
Terima Kasih