bab 2 landasan teori - library.binus.ac.id · 2.2 pengertian inventory control (pengendalian...
TRANSCRIPT
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