BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan Permintaan (Forecast Demand)

Peramalan permintaan atau forecast demand (FD) adalah peramalan

kuantitas permintaan sesuatu (barang atau jasa) dimasa yang akan datang.

Menurut Vincent Gaspersz didalam manajemen permintaan ada dua jenis

permintaan yaitu :

1. Permintaan bebas (Independent Demand)

2. Permintaan tidak bebas (Dependent Demand)

Berikut penjelasannya :

1. Permintaan bebas

Permintaan bebas didefinisikan sebagai permintaan terhadap material,

suku cadang atau produk yang bebas atau tidak terkait langsung dengan

stuktur bill of material (BOM) untuk produk akhir atau item tertentu.

Permintaan untuk produk akhir, suku cadang atau produk yang

digunakan untuk percobaan pengajuan produk itu.

2. Permintaan tidak bebas

Permintaan tidak bebas didefinisikan sebagai permintaan terhadap

material, suku cadang atau produk yang terkait langsung dengan atau

diturunkan dari struktur bill of material untuk produk akhir atau untuk

item tertentu.

14

2.2 Pengertian Inventory Control (Pengendalian persediaan)

Controlling adalah membandingkan rencana terhadap hasil yang

diperoleh, dan melakukan tindakan perbaikan jika terjadi penyimpangan.

Dengan adanya controlling ini diharapapkan semua proses yang terjadi

sesuai dengan apa yang sudah direncanakan sebelumnya yang dikuti dengan

adanya perbaikan pada proses-proses yang mengalami penyimpangan.

Inventory control adalah mengatur persediaan barang atau produk

jadi ada pada tingkat minimum. Barang yang disediakan adalah merupakan

modal usaha yang harus dijaga pada tingkat minimum, karena modal usaha

sangat berpengaruh terhadap operasional perusahaan.

2.3 Metode Peramalan

Metode peramalan dipakai supaya peramalan kuantitas permintaan

sesuatu (barang atau jasa) dimasa akan datang dapat direncanakan dan hasil

yang diperoleh tidak jauh menyimpang dari actual yang terjadi. Metode

peramalan secara umum dibagi menjadi dua yaitu :

2.3.1 Peramalan Kualitatif

Peramalan kualitatif digunakan untuk meramalkan

lingkungan dan teknologi, karena kondisi tersebut berbeda dengan

kondisi perekonomian dan pemasaran. Metode kualitatif sering

disebut dengan Technological Forecasting.

15

2.3.2 Peramalan Kuantitatif

Peramalan kuantitatif dapat diterapkan jika tersedia data masa

lalu, informasi dapat dikuatifikasi (diwujudkan dalam bentuk angka)

dan Asumsi beberapa aspek pola masa lalu akan terus berlanjut

(assumption of continuity). Jenis peramalan kuantitatif meliputi :

2.3.2.1 Time Series

Time series melakukan estimasi masa depan dilakukan

berdasarkan nilai masa lalu dari suatu variabel dan atau

kesalahan masa lalu. Berikut adalah beberapa metode time

series yang yang dipakai untuk mencari forecast demand

(peramalan permintaan) meliputi :

1. Moving Average

Rumus : FD 1+t = n

DDDD ntttt )1(21 −−−− +++

(Sumber : Gaspersz, Vincent, Production Planning and Inventory Control, 1998)

Keterangan :

FD = Forecast Demand

D = Demand

n = Jumlah data

t = Bulan ke .. (1, 2 …,t)

16

Contoh : Permintaan material. 07000 – 12012 O-

RING memiliki data history sebagai

berikut :

TAHUN BLN D FD 2000 Jan 34

Feb 30 Mar 37 Apr 36 May 20 Jun 23 Jul 40 30,00 Aug 36 31,00 Sep 25 32,00 Oct 48 30,00 Nov 32 32,00 Dec 29 34,00

2001 Jan 32 35,00 Feb 34 33,67 Mar 38 33,33 Apr 37 35,50 May 36 33,67 Jun 41 34,33 Jul 39 36,33 Aug 37,50

Tabel 2.1 Tabel contoh perhitungan moving average

Dengan jumlah data perhitungan per 6 bulan

(ditetapkan), maka FD pada bulan agustus 2001, adalah

(34+38+37+36+41+39)/6 = 37,5

Jika data mempunyai trend demand :

a. Naik (up trend), A ≥ B, B > C, C > 0,

C B A

Gambar 2.1 Grafik Up Trend

maka menggunakan rumus: FD = A/4 (Sumber : David bedworth, James E Bailey, Intergrated Production Control System, 1987)

17

b. Turun (down trend), C ≥ B, B > A, A > 0,

C B A

Gambar 2.2 Grafik Down Trend

maka menggunakan rumus : FD = (A + B)/8 (Sumber : David bedworth, James E Bailey, Intergrated Production Control System, 1987)

A = Dt-1 + Dt-2 + Dt-3 + Dt-4 (Total Demand kuarter pertama)

B = Dt-5 + Dt-6 + Dt-7 + Dt-8 (Total Demand kuarter kedua)

C = Dt-9 + Dt-10+ Dt-11 + Dt-12 (Total Demand kuarter ketiga)

Jika trend data tidak memenuhi kedua pola di atas, maka

menggunakan metode Moving Average.

2. Double Moving Average

FDt+p = at + btp

at = 2Mt – M’t

bt = ( )tt MMn

'

12

−−

, dimana

Mt = Moving Averages Forecast selama t periode

M’t = Moving Averages Forecast dari

M’t = n

MMM nttt 11 '...... +−− +++

FD = Forecast Demand

D = Demand Actual

n = Jumlah data

p = peramalan ke (1,2,....,p)

18

Contoh : Material 07000 – 12012 O-RING seperti contoh

data di atas, dengan perhitungan data per 6

bulanan, maka peramalannya adalah sebagai

berikut :

Thn Bln D Mt M't at bt FD 2000 Jan 34

Feb 30 Mar 37 Apr 36 May 20 Jun 23 30 Jul 40 31 Aug 36 32 Sep 25 30 Oct 48 32 Nov 32 34 31,5 36,5 1 Dec 29 35 32,33 37,67 1,07 37,5

2001 Jan 32 33,67 32,78 64,56 0,36 38,73 Feb 34 33,33 33 33,67 0,13 34,91 Mar 38 35,5 33,92 37,08 0,63 33,8 Apr 37 33,67 34,19 33,14 -0,21 37,72 May 36 34,33 34,25 34,42 0,03 32,93 Jun 41 36,33 34,47 38,19 0,74 34,45 Jul 39 37,5 35,11 39,89 0,96 38,94 Aug 40,84

Tabel 2.2 Tabel contoh perhitungan double moving average

at = (2 x 37,50) – 35,11

= 39,89

bt = ( )11,3550,3716

2−

− = 0,96

FDAgt2001 = 39,89 + 0,96

= 40,84

Jadi, perkiraan permintaan pada agustus 2001 adalah

40,84 pc.

19

Jika kita akan menghitung perkiraan permintaan di bulan

September 2001, maka :

FDSept2001 = 39,89 + 2 x 0,96

= 41,80

3. Exponential Smoothing

Pada metode ini apabila hasil forecast adalah positif,

yang berarti nilai aktual permintaan lebih tinggi dibanding

nilai ramalan (A-F > 0). Maka, model exponential

smoothing akan secara otomatis meningkatkan ramalan.

Sebaliknya apabila hasil forecast adalah negatif,

yang berarti nilai aktual permintaan lebih rendah daripada

nilai ramalan (A-F<0), maka model exponential smoothing

akan otomatis menurunkan nilai ramalan sebagai berikut.

Rumus : FD t = FD 1−t + α (A 1−t - FD 1−t )

( Sumber : Vincent Gaspersz )

Keterangan :

FD t = Nilai ramalan untuk periode waktu ke-t

FD 1−t = Nilai ramalan untuk satu periode waktu yang lalu,

t-1

A 1−t = Nilai aktual untuk satu periode waktu yang lalu,

t-1

α = Smoothing constant (0 < α < 1)

20

Contoh : Seperti data sebelumnya, dengan α ditentukan

0,1 maka :

TAHUN BLN D FD 2000 Jan 34

Feb 30 34,00 Mar 37 33,60 Apr 36 33,94 May 20 34,15 Jun 23 32,73 Jul 40 31,76 Aug 36 32,58 Sep 25 32,92 Oct 48 32,13 Nov 32 33,72 Dec 29 33,55

2001 Jan 32 33,09 Feb 34 32,98 Mar 38 33,08 Apr 37 33,58 May 36 33,92 Jun 41 34,13

2001 Jul 39 34,81 Aug 35,23

Tabek 2.3 Tabel contoh perhitungan exponential smoothing

FD pada agustus 2001 adalah

FDagt2001 = 0,1.39 + (1 – 0,1).34,81 = 35,23

4. Seasonal

FD 1+t = S t I ( 1+−Lt )

( Sumber : Buffa, Modern Production / Operation Management, 1983)

Keterangan :

S = α. (D t / I Lt− )+ (1- α) S 1−t

I t = γ+ (D t / S t ) + (1- γ )I Lt− , dimana

FD = Peramalan permintaan

Α = Smoothing constant (0 < α < 1)

21

I t = Nilai indeks musiman

Contoh : Dari data yang sama, jika α = 0,1 dan γ = 0,3.

Hitunglah FD pada Agt 2001!

Perhitungan Indeks musiman bulan Jan – Des 2000 adalah

sebagai berikut :

∑ tD = 5,3212

29......3034=

+++

It jan2001 = 046,15,32

34=

It feb2001 = 923,05,32

30=

Metode peramalan yang disampaikan di atas merupakan

sebagian dari sekian banyak metode peramalan yang ada, masih

banyak metode peramalan lainnya.

2.3.2.2 Model Causal

Model causal mengasumsikan bahwa faktor yang diramalkan

mewujudkan hubungan sebab akibat dengan satu atau lebih independent

variabel.

22

Berikut contoh beberapa kondisi sebagai akibat dari adanya

deviasi permintaan dan deviasi lead time pemesanan.

1. Demand Konstan dan Lead time Konstan

Karena permintaan dan tenggang waktu pemesanan sudah tepat

sesuai dengan yang diperkirakan, maka cadangan tidak perlu

disediakan lagi.

Gambar 2.3 Diagram gergaji demand konstan dan LT konstan

a. Garis vertical menunjukan pesanan datang.

b. Garis putus-putus menunjukkan persediaan yang terjual.

c. Periode pemesanan = 2 bulan ; LT = 2 bulan.

d. FD : Forecast Demand

e. SS : Safety Stock

23

2. Demand Tidak Konstan dan Lead time Konstan

Gambar 2.4 Diagram gergaji demand tidak konstan dan LT konstan

a. Garis vertical menunjukan pesanan datang.

b. Garis putus-putus menunjukkan persediaan yang terjual.

c. Periode pemesanan = 2 bulan ; LT = 2 bulan.

d. FD : Forecast Demand

e. SS : Safety Stock

.

24

3. Demand Tidak Konstan dan Lead time Konstan

Gambar 2.5 Diagram gergaji demand tidak konstan dan LT

a. Garis vertical menunjukan pesanan datang.

b. Garis putus-putus menunjukkan persediaan yang terjual.

c. Periode pemesanan = 2 bulan ; LT = 2 bulan.

d. FD : Forecast Demand

e. SS : Safety Stock

25

4. Demand Tidak Konstan dan Lead time Tidak Konstan

Gambar 2.6 Diagram gergaji demand tidak konstan dan LT tidak konstan

a. Garis vertical menunjukan pesanan datang.

b. Garis putus-putus menunjukkan persediaan yang terjual.

c. Periode pemesanan = 2 bulan ; LT = 2 bulan.

d. FD : Forecast Demand

e. SS : Safety Stock

2.4 Komponen Filter Pada Alat Berat

Filter pada Alat berat adalah bagian atau komponen dari Alat berat

yang berfungsi untuk melakukan penyaringan terhadap sistem yang sedang

bekerja. Sistem yang sedang bekerja ini bisa berupa sistem pembakaran

bahan bakar, sistem pelumasan engine, sistem peyaringan air yang dipakai

26

dalam proses pendinginan engine. Masing-masing sistem tersebut memliki

filter yang berbeda seperti berikut :

a. Fuel filter (filter bahan bakar)

Fuel filter berfungsi untuk menyaring kotoran yang

terkandung di dalam bahan bakar. Supaya bahan bakar dapat

tersaring dengan maksimal maka harus ada pembersihan secara

berkala dan melakukan penggatian sesuai pada standar life time.

Untuk fuel filter pada aplikasi alat berat life time adalah 250 HM.

Jadi, setiap kelipatan 250 HM harus dilakukan penggatian supaya

bahan bakar bebas dari kotoran yang akhirnya akan mendapatkan

proses pembakaran yang sempurna.

Gambar 2.7 Gambar fuel system chart

27

Gambar 2.8 Gambar fuel filter

b. Air Filter (filter udara)

Air filter pada alat berat berfungsi untuk pembersih udara

sehingga debu dan kotoran dapat dipisahkan terlebih dahulu sebelum

masuk ke ruang bakar. Supaya air filter dapat bekerja dengan

sempurna maka harus dilakukan pembersihan berkala atau rutin. Dan

untuk periode tertentu harus dilakukan penggatian yang mengacu

pada standart life time yaitu 1000 HM.

28

Gambar 2.9 Gambar air system chart

Gambar 2.10 Gambar air filter

29

c. Oil Filter (filter oli)

Oil engine digunakan untuk pelumasan, pembersihan, dan

pendinginan komponen-komponen dalam engine dan oli akan

kembali ke tangki oli. Oli yang bersikulasi secara bertahap akan

menjadi kotor karena membawa partikel-partikel komponen yang

bergesekan. Sebagian oli yang bersikulasi akan melalui bagian yang

mempunyai temperatur tinggi dan tekanan tinggi sehingga ada yang

terbakar dan menjadi karbon. Jika kotoran tersebut ikut bersama oli

ke komponen bagian dalam maka komponen bagian dalam tersebut

akan cepat aus. Untuk menjaga hal tersebut di atas maka pada sistem

tersebut diberi filter agak kotoran tersebut dapat disaring dan oil

yang bersikulasi tetap bersih. Sapaya fungsi filter tetap maksimal

maka harus dilakukan pembersihan dan jika sudah pada life time

tertentu harus dilakukan penggantian. Mengacu pada standard lite

time oil filter maka setiap kelipatan 250 HM harus dilakukan

penggantian.

30

Gambar 2.11 Gambar lubricating system chart

31

Gambar 2.12 Gambar oil filter

d. Water filter (filter air)

Proses pendinginan dengan memakai media sirkulasi air

maka air harus dijaga supaya tetap dalam kondisi yang bebas dari

kotoran. Air yang kotor akan mengakibatkan sistem pendingan

tersumbat dan efeknya engine akan over heat. Dengan dipasang

water filter maka air yang bersirkulasi akan disaring supaya terbebas

dari endapan dan karat yang menyebabkan saluran pendingin

tersumbat. Seperti filter yang lainnya, water filter juga harus

dilakukan pembersihan secara berkala dan penggantian jika sudah

melewati life time. Water filter harus diganti sesuai standard life time

adalah 1000 HM.

32

Gambar 2.13 Gambar cooling system

Gambar 2.14 Gambar water filter

33

2.5 Metode perhitungan menggunakan hour meter berdasarkan life time.

Proses perhitungan pengisian stok (stock replenisment) fuel filter

atau forecast demand (FD) bulananya adalah dengan menggunakan

pengukuran standart life time yaitu dengan melakukan perhitungan

berdasarkan jumlah populasi unit dikalikan dengan jumlah filter per unit

dikalikan jumlah jam kerja satu tahun dibagi life time filter dibagai dengan

dua belas atau bisa disederhanakan dengan pendekatan matematik seperti

berikut :

( )( )

12/

1ker⎟⎟⎠

⎞⎜⎜⎝

⎛⎟⎠⎞

⎜⎝⎛ ΣΣ

=TL

thjaJamxQxPFD

Jam kerja 1 tahun = (jam kerja 1 hari x hari kerja 1 bulan x 12)

(Sumber : pengembangan rumus dari Buku Manajemen Persediaan, Agus Ristono, 2009) Keterangan :

FD = Forecast demand

ΣP = Jumlah populasi unit

Q = Quatity per unit

L/T = life time