peramalan permintaan dan perencanaan produksi dengan ... file29/07/2010 1 peramalan permintaan dan...
TRANSCRIPT
29/07/2010
1
Peramalan Permintaan dan Perencanaan Produksi dengan Mempertimbangkan SpecialEvent di PT. Coca Cola Bottling Indonesia(PT. CCBI) Plant Pandaan
Peneliti :Ilsan Nur Putra2506.100.128
Dosen Pembimbing : Dosen Ko-Pembimbing :Prof. Ir. I Nyoman Pujawan, M.Eng., Ph.D Niniet Indah Arvitrida, ST., MT
Latar Belakang
Coca-Cola CompanyCoca-Cola Company
Ketidakakuratan Ramalan
Permintaan
Produk Inventory
StockoutBiaya
Sumber : Silver, 1998
Special Event
Pada saat lebaran, kebutuhan Pada saat lebaran, kebutuhan konsumen meningkat 30 % dari
tahun ke tahun. Sehingga Coca Cola menambah pasokan 2 kali lipat
dibanding bulan sebelumnya (Kaltim Post, 2009)Setyo Adi Nugroho, General
Marketing Sales PT. CCBI
Special Event
permintaan
Special Event mempengaruhi
permintaan
Fluktuasi Permintaan
Coca-Cola Company
29/07/2010
2
Latar Belakang
Coca-Cola Company
Akurasi Ramalan
Tahun Prosentase (%)
2005 82 %2006 85 %2007 85 %2008 88 %2009 86 %
Sumber : PT. CCBI Plant Pandaan
0200004000060000
Janu
ari
Febr
uari
Mar
et
Apri
l
Mei
Juni Juli
Agus
tus
Sept
embe
r
Okt
ober
Nov
embe
r
Des
embe
r
Tingkat Inventori
2008 2009 Sumber : PT. CCBI Plant Pandaan
Metode Peramalan yang tidak mempertimbangkan
special event
Metode Peramalan dan Perencanaan Produksi yang mempertimbangkan Special
Event
Coca-Cola Company
Perumusan Masalah
Tidak Akuratnya Peramalan
Perencanaan Produksi yang Tidak responsif
Metode Peramalan Permintaan dengan mempertimbangkan Pengaruh Special Event terhadap Fluktuasi permintaan yang
mengakomodasi Perencanaan Produksi yang lebih Akurat
Coca-Cola Company
29/07/2010
3
Gambaran Objek Penelitian
• PT. Coca-Cola Bottling Indonesia Plant-Pandaan di Jl. Raya Surabaya Malang KM 43Gempol, Pasuruan, Jawa Timur.
• Memiliki 16 Sales Center di Jawa Timur
Coca-Cola Company
Jenis Produk
Coca-Cola Company
29/07/2010
4
Bisnis Proses
Penjualan oleh Sales Center yang di distribusikan kepada
Retailer dan mendokumentasikan data
penjualan tersebut
Tiap Sales Center
mengumpulkan
informasi mengenai penjualan,
special event dan
inventory
Bagian Sales melakukan peramalan permintaan untuk
periode berikutnya
Pengecekan Level Inventory di Plant
Menentukan Jumlah Produksi per-minggu dalam
bentuk MPS dan menghitung Target
Inventory
Mengecek ketersediaan Bahan Baku untuk
proses produksi
Melakukan Produksi Produk sesuai dengan
Perencanaan yg dilakukan oleh Planner
Produk jadi kemudian disimpan dan ditata di gudang penyimpanan
Distribusi Produk jadi ke masing-masing Sales
Center
Coca-Cola Company
Flowchart Peramalan dan Perencanaan Produksi di Perusahaan
Coca-Cola Company
29/07/2010
5
Tujuan Penelitian
Coca-Cola Company
Menghasilkan Peramalan yang lebih Akurat
Memberikan referensi mengenai nilai indeks Special Event untuk periode tahun 2010
Menghasilkan rencana produksi dengan biaya yang lebih murah
Menetapkan target inventori yang menghasilkan biaya lebih murah dalam perencanaan produksi
Coca-Cola Company
Ruang Lingkup Penelitian
Coca-Cola Company
Batasan• Penelitian dilakukan di PT. Coca Cola Bottling
Indonesia (PT. CCBI) Plant Pandaan.
• Produk yang diamati adalah produkmenggunakan kemasan Returnable Glass Bottle(RGB) antara lain Coca-Cola 193 ml, Sprite 200ml, Fanta Strawberry 200 ml, Sprite 295ml, Fanta Soda Water 295 ml, Frestea Jasmine220 ml.
• Special Event yang dimaksud hanya padaspecial event yang telah didokumentasikan olehperusahaan.
• Evaluasi dari perencanaan produksi dilakukanuntuk periode Januari-Desember 2009.
Asumsi• Kekurangan barang pada suatu periode akan
dipenuhi pada periode berikutnya.
• Biaya Penyimpanan dan biaya backlog adalah30 % dari harga jual produk.
Coca-Cola Company
29/07/2010
6
Manfaat Penelitian
Coca-Cola Company
Memberikan rekomendasi serta preferensimengenai metode peramalan denganmempertimbangkan special event yangterjadi di perusahaan.
Memberikan masukan dan gambaranmengenai perencanaan produksi yangdipengaruhi oleh setiap special eventberdasarkan hasil dari peralamanpermintaan.
Coca-Cola Company
Metodologi
29/07/2010
7
Metodologi (2)
Pengumpulan DataMinggu Sales Minggu Sales Minggu Sales
1 7.035 16 8.853 31 8.975 2 7.536 17 8.426 32 9.023 3 7.162 18 8.241 33 9.252 4 7.165 19 8.335 34 9.425 5 7.143 20 8.537 35 9.535 6 7.156 21 8.742 36 9.632 7 6.294 22 8.747 37 9.799 8 6.124 23 8.840 38 9.934 9 6.842 24 8.954 39 10.341 10 7.134 25 9.252 40 11.841 11 7.123 26 9.536 41 11.865 12 7.253 27 9.567 42 11.896 13 7.298 28 9.356 43 12.012 14 8.134 29 9.532 44 10.686 15 9.141 30 9.145 45 10.854
Data Penjualan
Jenis-Jenis Special Event
Aktual Produksi
Kedatangan Botol
29/07/2010
8
Metodologi (3)B
Peramalan
Pengecekan Pola Data Historis
Pengecekan Pola DataHistoris
• Plot Data Waktu vs Penjualan dalam Grafik (2006-2008)
Index
S-C
oca
Cola
1441281129680644832161
13000
12000
11000
10000
9000
8000
7000
6000
5000
Time Series Plot of S-Coca Cola
29/07/2010
9
Pengecekan Pola DataHistoris (2)• Analisis Autokorelasi
Lag
Au
toco
rrel
atio
n
1501401301201101009080706050403020101
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
Autocorrelation Function for S-Coca Cola(with 5% significance limits for the autocorrelations)
Lag
ACF
Statistik-T Ljung-Box Q
Pengecekan Pola DataHistoris (3)
29/07/2010
10
Metodologi (3)B
Peramalan
Pengecekan Pola Data Historis
Perhitungan Indeks Special Event
Perhitungan IndeksSpecial Event
29/07/2010
11
Perhitungan Indeks SpecialEvent (2)
Dimana :
• = Data aktual periode – t (minggu)• = Indeks pada periode –t (minggu)
= Diadjust (data hasil peramalan pada periode –t dengan menggunakan moving average dan exponential smoothing)
=
Moving Average (MA)
Dimana :• Dt = Diajust (data forecast menggunakan Moving Average)
pada periode – t• At = Data aktual pada periode – t
Contoh :• A24 = 8.954 botol• A25 = 9.252 botol• A26 = 9.536 botol
= 1 + 2 + 3
3
27 = 8954 + 9252 + 9536
3 = 9247,3
29/07/2010
12
Moving Average (2)
• Berdasarkan hasil perhitungan dan data historispada periode tersebut didapatkan bahwa :A27 = 9.567 botolD27 = 9247,3 botol
Setelah di verifikasi dengan data rekap Special Event diketahuibahwa periode pada periode ke-27 terdapat Event “HangingOut With High School”. Yang berarti indeks untuk eventtersebut yaitu sebesar 1,03.
27 = 9567
9247,3 = 1,03
Moving Average (3)
Minggu Tanggal Event Index2 10 Januari 2006 Idul Adha 1426 H 1,07
4 - 6 23 Januari - 5 Februari 2006 Promo Outlet "Pizza Hut" 0,994 29 Januari 2006 Tahun Baru Imlek 2557 0,99
9 - 11 27 Februari-10 Maret 2006 Promosi (Beli 1 dapat 2) 1,0718 1 - 14 Mei 2006 Promo Botol ‘Squeeze’ Coca-Cola Gratis! 1,0018 08 Mei 2006 Ultah Coca Cola ke 120 1,00
Group Event Event Index Group IndexIdul Adha 1426 H 1,071Idul Adha 1427 H 1,04Idul Adha 1428 H 1,035Idul Adha 1,115Promo Outlet "Pizza Hut" 0,99Promosi "Asyiknya Ngegame di Timezone" 1,03Promosi Outlet "Top Noddle" 1,067Tahun Baru Imlek 2557 0,989Tahun Baru Imlek 2558 1,019Tahun Baru Imlek 2559 1,025
Tahun Baru Imlek 1,01
Idul Adha 1,06
Promo Outlet 1,03
29/07/2010
13
Exponential Smoothing
Dimana :• Dt = Diajust (data forecast menggunakan Exponential Smoothing) pada
periode – t• At = Data aktual pada periode – t
• Contoh :• A26 = 9.535 botol• D26 = 8.709 botol
= ( 1) + ((1 ) 1)
27 = (0,2 9536) + (0,8 8709) = 8874, 9
Exponential Smoothing (2)
• Berdasarkan hasil perhitungan dan data historispada periode tersebut didapatkan bahwa :
• A27 = 9.567 botol• D27 = 8874,9 botol
Setelah di verifikasi dengan data rekap Special Event diketahuibahwa periode pada periode ke-27 terdapat Event “HangingOut With High School”. Yang berarti indeks untuk eventtersebut yaitu sebesar 1,08.
27 = 9567
8874,9 = 1,08
29/07/2010
14
Exponential Smoothing (3)
Metodologi (3)B
Peramalan
Pengecekan Pola Data Historis
Perhitungan Indeks Special Event
Peramalan Permintaan
29/07/2010
15
Peramalan
• Berdasarkan Hasil Pengecekan Pola DataHistoris diketahui bahwa Data mengikuti PolaMusiman. Menurut Hanke et all (2001)metode peramalan yang digunakan untukPola Data Musiman yaitu Metode WinterExponential Smoothing dan Decomposition.Kedua metode ini akan dibandingkan denganmetode Event Based.
Winter ExponentialSmoothing
29/07/2010
16
Decomposition
Event Based
Dimana,• Yt’ = Peramalan dengan Indeks pada periode -t• It = Indeks Special Event pada periode – t• Yt = Peramalan sebelum Indeks pada periode –t
Event Based ini terbagi atas dua :• Moving Average Event Based (MAEB)• Exponential Smoothing Event Based (ESEB)
=
29/07/2010
17
MAEB
Dimana : • Yt = Nilai Peramalan dengan menggunakan moving average pada
periode – t• At = Data aktual pada periode – t
• Contoh : meramalkan permintaan pada minggu ke-18• A15 = 8.048 botol• A16 = 7.812 botol• A17 = 7.822 botol
= 1 + 2 + 3
3
18 = 8048 + 7812 + 7822
3 = 7894
MAEB (2)• Diketahui bahwa pada periode ke-18, SC melaksanakan Special Event
Perayaan Hari Ultah Coca-Cola yg ke-123. Maka permintaan padaperiode ke-18 yaitu sebesar :
• Y18 = 7.894 botol• I18 = 1,01 (indeks Event Perayaan Hari Ultah Coca-Cola)
• * untuk periode yang tidak ada Special Event, indeks = 118 = 1,01 7894 = 7978
Minggu Forecast Before Index Index Actual Sales Forecast After
Indexing I et I et2 I et I / Yt
1 7011 1 7.046 7011 35,48 1258,69 0,012 7046 1 7.856 7046 810,00 656100,00 0,103 7451 1 6.749 7451 702,00 492804,00 0,104 7217 1,01 7.055 7297 242,42 58767,87 0,035 7220 1 7.043 7220 177,00 31329,00 0,036 6949 1 6.864 6949 85,00 7225,00 0,017 6987 1 7.213 6987 225,67 50925,44 0,038 7040 1 6.805 7040 235,00 55225,00 0,039 6961 1 6.601 6961 359,67 129360,11 0,05
10 6873 1 7.643 6873 770,00 592900,00 0,10
29/07/2010
18
MAEB (3)
ESEB
Dimana :• Yt = Nilai Peramalan dengan menggunakan exponential smoothing
pada periode – t• At = Data aktual pada periode – t
• Contoh : Meramalkan permintaan pada minggu ke-18• A17 = 7.822 botol• Y17 = 7.609 botol
= ( 1) + ((1 ) 1)
18 = (0,2 7822) + (0,8 7609) = 7651
29/07/2010
19
ESEB (2)• Diketahui bahwa pada periode ke-18, SC melaksanakan Special Event
Perayaan Hari Ultah Coca-Cola yg ke-123. Maka permintaan padaperiode ke-18 yaitu sebesar :
• Y18 = 7.651 botol• I18 = 1,02 (indeks Event Perayaan Hari Ultah Coca-Cola)
• * untuk periode yang tidak ada Special Event, indeks = 118 = 1,02 7651 = 7771
ESEB (3)
29/07/2010
20
Rekapitulasi HasilPeramalan
Rekapitulasi HasilPeramalan (2)
Index
Dat
a
50454035302520151051
20000
17500
15000
12500
10000
7500
5000
Variable
DecompositionMA Event BasedES Event BasedAktual Sales
EksistingWinter
Grafik Perbandingan Metode Forecast terhadap Aktual Sales
29/07/2010
21
Akurasi Peramalan
Updating Indeks• Menambahkan indeks pada tahun 2009 untuk memperbaharui indeks
yang dapat digunakan sebagai referensi pada tahun 2010.
29/07/2010
22
Metodologi (3)B
Peramalan
Pengecekan Pola Data Historis
Perhitungan Indeks Special Event
Peramalan Permintaan
Rancangan Skenario
Melakukan pembuatan Master Production Schedule (MPS) tanpa mempertimbangkan
ketersediaan botol
Melakukan pembuatan Master Production Schedule (MPS) dengan
mempertimbangkan ketersediaan botol
C
29/07/2010
23
Metodologi (4)
C
Pembuatan MPS dengan Skenario
MPS Skenario 1Didapatkan dari hasil
peramalan dengan metode terbaik
Data Historis Perusahaan
TIt = = Yt 6
x 12 hari
It = (Pt + SOHt-1) - St
Sht = St - (Pt + SOHt-1)Pt = TIt – (SOHt-1 - Yt) + Sht-1 SOH = It-1
Avg. Inventory 16.473Avg. Backorder 0
Rekapitulasi
29/07/2010
24
MPS Skenario 2Didapatkan dari hasil
peramalan dengan metode terbaik
Data Historis Perusahaan
TIt = = Yt 6
x 12 hari
It = (Pt + SOHt-1) - St
Sht = St - (Pt + SOHt-1)Pt = Min (Pet ; Et)
SOH = It-1
Et = SEt + (Et-1 - Pt)
Metodologi (4)C
Pembuatan MPS dengan Skenario
MPS Kondisi Eksisting
29/07/2010
25
MPS Eksisting
Metodologi (4)C
Pembuatan MPS dengan Skenario
Perhitungan Total Cost dan Tingkat Inventori serta Backlog
untuk setiap kondisi
MPS Kondisi Eksisting
29/07/2010
26
Perhitungan Total Cost
• Cost terdiri dari dua komponen yaitu Inventori Holding Cost dan Backlog Cost.
• Eksisting :
Perhitungan Total Cost (2)
• Skenario 1 :
• Skenario 2 :
29/07/2010
27
Penghematan (Savings)
• Dibandingkan Total Biaya Eksisting dengan Skenario 2(karena skenario lebih riil menggambarkan kondisiperencanaan produksi)
Metodologi (4)C
Pembuatan MPS dengan Skenario
Perhitungan Total Cost dan Tingkat Inventori serta Backlog
untuk setiap kondisi
MPS Kondisi Eksisting
Analisis
D
29/07/2010
28
Metodologi (5)D
Analisis Sensitivitas Target Inventori terhadap Biaya
Analisis Sensitivitas
• Dilakukan analisis sensitivitas besaran TargetInventori (TI) yang digunakan oleh perusahaanuntuk memberikan masukan yang lebih optimal darisegi minimasi total biaya.
• Nilai TI ditentukan dengan cara merubah-rubahbesaran TI yang dapat menghasilkan total biayayang lebih murah yang tidak menghasilkanShortage.
29/07/2010
29
Analisis Sensitivitas (2)
Rp-
Rp1.000.000
Rp2.000.000
Rp3.000.000
Rp4.000.000
Rp5.000.000
Rp6.000.000
1 2 3 4 5 6 7 8 9 10 11 12
Rp/t
h
Hari
Inventory Cost Backlog Cost Total Cost
Metodologi (5)D
Analisis Sensitivitas Target Inventori terhadap Biaya
29/07/2010
30
Kesimpulan1. Metode peramalan dengan mempertimbangkan special event dapat
meningkatkan akurasi ramalan jika dibandingkan dengan metodeperamalan yang diterapkan oleh perusahaan saat ini. Peningkatanakurasi ramalan untuk produk Coca-Cola 193 ml, Sprite 200 ml, FantaStrawberry 200 ml, Sprite 295 ml, Fanta Soda Water 295 ml, danFrestea Jasmine 220 ml masing-masing yaitu 4 persen; 9 persen; 12persen; 4 persen; 3 persen dan 3 persen.
2. Perencanaan produksi dengan menggunakan peramalan denganmempertimbangkan special event dapat menghasilkan totalpenghematan untuk 6 varian produk sebesar Rp 49.122.321,-/th.
3. Penentuan target inventori yang optimal dapat mengurangi tingkatinventori yang tinggi dan dapat menghasilkan total biaya yang lebihmurah.
Kesimpulan (2)
4. Natal dan Tahun Baru merupakan Special Eventyang paling memiliki pengaruh yang signifikan dalam mempengaruhi permintaan untuk 6 varian produk ini.
29/07/2010
31
Saran
1. Perusahaan dapat menerapkan metode peramalandengan menggunakaan event based forecastberdasarkan refenrensi indeks special event yangtelah diperbaharui.
2. Identifikasi perputaran botol dapat disimulasikanmenjadi variabel tambahan untuk perencanaanproduksi.
3. Penelitian ini diterapkan untuk produk jenislainnya seperti jenis PET, tetrapack, dll.
Daftar Pustaka• Andrian, Y (2004). Evaluasi dan Perancangan Sistem Penunjang
Keputusan pada Proses Perencanaan Produksi Studi Kasus : PT. Coca Cola Bottling Indonesia Plant Pandaan. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya.
• Anggraheni, W (2003). Peramalan Berdasarkan Event di PT. Coca Cola Distribution Indonesia SIER Surabaya. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya.
• Ashayeri, J dan Kampstra, P. (2003) Collaborative Replenishment : A Step by Step Approach, Tillburg University
• Chopra dan Meindl (2004) Supply Chain Management : Strategy, Planning, and Operation, Prectice Hall Inc., New Jersey
• Christopher,M.(1992). Logistics and Supply chain Management. Pitman, London.
• Chung, C.H, Krajewski, L.J (1984). Planning Horizon For Master Production Schedulling. Journal of Operation Management. Vol. 4 No. 4, August 1984
29/07/2010
32
Daftar Pustaka (2)• Gangadharan, Rajesh. (2006). Supply chain Strategies To Manage Volatile
Demand. <URL: http://www.sdcexec.com/online/article.jsp?id=9159&siteSection=4 >
• Hanke, J.E, Reitsch, A.G, dan Wichern, D.W. (2001). Business Forecasting Seventh Edition, Prentice Hall, United States of America.
• Kaltim Post (2009). Siapkan Cadangan 600 Ribu Krat (Kamis, 25 Desember 2009) <URL : http://www.kaltimpost.co.id/?mib=berita.detail&id=6770>
• Malkridakis, S, Wheelright, S.C, dan Mc Gee, V.E. (1983). Forecasting Methods and Application 2nd Edition, John Wiley and Sons, Inc.
• Nahmias, S. (1993). Production and Operation Analysis, Mc Graw-Hill Internasional, Singapore.
• Nahmias, S. (2009). Production and Operation Analysis Seventh Edition, Mc Graw-Hill Internasional, Singapore.
• Nasution, AH. (1999). Perencanaan dan Pengendalian Produksi. Guna Widya, Surabaya.
Daftar Pustaka (3)• Posko Manado (2009). Permintaan Tetap Tinggi (Kamis, 17 September 2009) <URL :
http://poskomanado.com/news/index.php?option=com_content&task=view&id=3813&Itemid=1>
• Pujawan, I Nyoman. (2005). Supply Chain Management. Guna Widya, Surabaya• Russel, R.A, Urban, T.L (1993). Horizon Extention for Rolling Production Schedules : Lenght
and Accuracy Requirement. International Journal of Production Economics, 29 (1993) 111-122
• R. Liu et al. (2006). A Formal Modeling Approach for Supply Chain Event Management, Desicion Support System 43, 761-778
• Silver, E.,D. Pyke, D.,F. Peterson, R. (1998). Inventory Management and Production Planning and Schedulling. New York, John Willey and Sons, Inc.
• Surya (2009). Coca Cola Luncurkan Sprite Zero (Rabu, 11 Maret 2009) <URL : http://www.surya.co.id/2009/03/11/coca-cola-luncurkan-sprite-zero.html>
• Withycombe, R (1989). Forecasting with Combined Seasonal Indices. International Journal of Forecasting, 547-552
29/07/2010
33
Terima Kasih