87 BAB 3 ANALISIS PERUSAHAAN 3.1 Latar Belakang Perusahaan CV. Orlena yang berlokasi di Jln. K.H.Moh.Mansyur No.32A, Jakarta Barat merupakan perusahaan yang bergerak di bidang industri pakaian. Perusahaan yang didirikan oleh Bapak Arifin dan Ibu Tjung Miauw Djan ini bermula dari industri rumahan yang memproduksi pakaian wanita, namun pada tanggal 18 Oktober 1991 berevolusi menjadi perusahaan yang lebih memfokuskan diri pada produksi kemeja wanita. Sejak saat itu, perusahaan mengalami perkembangan dalam memproduksi kemeja wanita yang terus mengikuti tren masa kini, didukung dengan membuat merk produk bernama “ORLENA”. CV. Orlena memproduksi kemeja wanita. Kemeja wanita diproduksi dengan memotong kain yang disesuaikan dengan pola-pola desain kemeja yang telah dirancang sebelumnya. Kemudian melewati tahap penjahitan pola-pola tersebut, pemasangan kancing, pembuangan benang, penggosokan kemeja, dan terakhir pengemasan produk. Kemeja wanita diproduksi dalam tiga ukuran, yaitu medium, large, dan extra-large. Hasil produksi dari CV. Orlena masih didistribusikan untuk pasar domestik, dimana pemesanan pelanggan dilayanin melalui toko wholesale Orlena yang berlokasi di Pusat Grosir Metro Tanah Abang, Jakarta Utara. CV. Orlena mempunyai banyak pemasok yang tersebar di seluruh Jakarta. Pemasok-pemasok menyediakan bahan baku tekstil dan material untuk kebutuhan produksi CV. Orlena.
88 3.2 Visi dan Misi Perusahaan CV. Orlena mempunyai beberapa visi dan misi, antara lain: a. Visi Perusahaan Menjadi perusahaan kemeja wanita terbaik yang selalu memprioritaskan kepuasan pelanggan dengan menempatkan kualitas dan model terkini sebagai nilai tambah utama. b. Misi Perusahaan Misi dari CV. Orlena yaitu: 1. Memenuhi kebutuhan kemeja wanita yang bermutu dan terkini bagi pelanggan di pasar domestik. 2. Menyediakan lingkungan kerja yang nyaman, mensejahterakan dan memberikan kesempatan untuk berkembang secara profesional bagi karyawan. 3. Mengembangkan jaringan penjualan dengan dukungan teknologi dan sumber daya manusia yang berkualitas untuk memastikan perusahaan berjalan pada tingkat efisien yang tinggi. 3.3 Struktur Organisasi Perusahaan Struktur organisasi perusahaan merupakan suatu kerangka pembagian tugas dan wewenang setiap bagian atau anggota dari perusahaan. Melalui struktur organisasi ini tujuan yang diinginkan oleh perusahaan dapat tercapai yakni dengan adanya pembagian tugas dan wewenang yang jelas sehingga dapat dilakukan pengkoordinasian yang baik. Berikut ini disajikan struktur organisasi dari CV. Orlena disertai dengan penjelasan tugas dan wewenang dari masing – masing bagian.
89 3.3.1 Struktur Organisasi Direktur
Manajer Keuangan
Manajer Pemasaran&Penjualan
Keuangan
Adm
Pajak
Penjual an
Pemasaran
Manajer Operasional
Pembelian
Produksi
Gudang
Mekanik
Pemotongan
Pejahitan
PPIC
Finishing
Quality Control
Gambar 3.1 Struktur Organisasi CV.Orlena 3.3.2 Uraian Tugas dan Wewenang Berikut adalah penjelasan mengenai tugas dan wewenang dari masingmasing bagian : 1.
Direktur
Memastikan pelaksanaan audit internal.
Mengkoordinasikan menyeluruh.
jalannya
operasional
perusahaan
secara
HRD
90
Menunjuk manajer yang mewakili pimpinan puncak dalam tugas sehari-hari, yaitu memantau dan mengendalikan mutu di lingkungan perusahaan.
Memimpin Rapat Kerja Tahunan Perusahaan, untuk menentukan anggaran serta langkah-langkah yang akan diterapkan perusahaan di tahun berikutnya.
2.
Manajer Penjualan dan Pemasaran
Menerima pembayaran dari distributor dalam negeri
Melakukan pembayaran kepada supplier.
Mengontrol jalannya aliran uang di dalam perusahaan.
Membuat laporan keuangan setiap bulan untuk diserahkan kepada direktur.
3.
Sales & Marketing Manager
Melakukan monitor proses penangananan keluhan pelanggan.
Menyelesaikan keluhan pelanggan yang berupa market claim yang tidak dapat terselesaikan oleh bagian Claim dan Complaint.
Membuat Laporan Rencana Kerja Setahun kepada Direktur.
Memutuskan
penyelesaian
claim
dan
retur
sesuai
batasan
wewenangnya.
Meneruskan ke Direktur putusan penyelesaian claim dan retur yang nilainya di atas wewenang yang diberikan.
Menerima dan memeriksa Laporan Hasil Riset dari Market Research Development.
91
Memberikan
saran
secara
berkala
kepada
Direktur perihal
Strategi Sales dan Marketing. 4.
Manajer Operasional
Menetapkan strategi dan kebijaksanaan produksi yang dapat menunjang strategi dan kebijaksanaan umum, serta mendiskusikan dengan bagian Produksi.
Memberikan pengarahan mengenai penyusunan program-program kerja masing-masing bagian yang ada di bagian produksi.
Mengkoordinasikan semua fungsi yang ada di bagian produksi sehingga tercipta kegiatan terpadu.
Memberikan pengarahan kepada Kepala Bagian mengenai sistem kerja.
Menyusun rencana produksi menyeluruh secara bersama-sama dengan memperhatikan kapasitas produksi.
Menyusun rencana produksi secara keseluruhan dari pengadaan bahan baku sampai dengan jadwal pengiriman.
Memberikan pengarahan dan mengawasi pelaksanaan peraturanperaturan perusahaan.
Memberikan pengarahan dan mengawasi bagian dalam hal penataan, penyimpanan bahan baku dalam ruang gudang.
Mengawasi pelaksanaan strategi/kebijakan yang telah ditetapkan oleh perusahaan.
Menyusun petunjuk-petunjuk operasional dalam melaksanakan aktivitas di bagian produksi.
92
Memberikan pengarahan dan mengawasi kegiatan semua bagian sehingga dapat bekerja secara efektif dan efisien.
Meningkatkan kualitas sumber daya manusia dengan mengusulkan program pelatihan karyawan kepada SDM.
Mengadakan rapat dengan para bawahannya secara berkala untuk membahas masalah-masalah yang terjadi sehubungan dengan kegiatan yang dilakukan di bagian produksi.
Menjaga disiplin kerja dan melakukan penilaian atas prestasi kerja bawahannya secara berkala.
Mendampingi tamu perusahaan yang akan mengadakan peninjauan di bagian produksi.
Melaporkan kepada direktur atas aktivitas, kesulitan-kesulitan yang dihadapi dan mengusulkan jalan keluarnya.
Melaporkan kepada direktur atas pembelian bahan baku yang dilakukan per periode.
5.
Melaksanakan tugas-tugas lain yang berhubungan dengan pekerjaan.
Staf Pembelian
Mengawasi semua Purchase Order yang sudah dibuat.
Mengontrol permintaan pembelian.
Bertanggung jawab atas seluruh hasil kerja bagian pembelian.
Menyetujui / menolak usulan pemeliharaan supplier baru / alternatif.
Menyetujui dan mengesahkan purchase order.
93 6.
Staf Produksi
Menetapkan strategi dan kebijaksanaan produksi yang dapat menunjang
strategi
dan
kebijaksanaan
umum
perusahaan,
mendiskusikan dengan manajer produksi.
Memberi pengarahan mengenai penyusunan program kerja masingmasing bagian yang ada di bagian produksi.
Memberikan pengarahan dan mengawasi pelaksanaan peraturanperaturan perusahaan.
Memberikan pengarahan dan mengawasi bagian dalam hal penataan, penyimpanan bahan baku dalam ruang gudang.
Mengawasi pelaksanaan strategi/kebijakan yang telah ditetapkan oleh perusahaan.
Menyusun petunjuk-petunjuk operasional dalam melaksanakan aktivitas di bagian produksi.
Memberikan pengarahan dan mengawasi kegiatan semua bagian sehingga dapat bekerja secara efektif dan efesien.
Meningkatkan kualitas sumber daya manusia dengan mengusulkan program pelatihan karyawan kepada SDM.
Mengadakan rapat dengan para bawahannya secara berkala untuk membahas masalah-masalah yang terjadi sehubungan dengan kegiatan yang dilakukan bagian produksi.
Menjaga disiplin kerja dan melakukan penilaian atas presentasi kerja bawahannya secara berkala.
94
Mendampingi pejabat dan tamu perusahaan yang akan mengadakan peninjauan di bagian produksi dengan seijin manajer produksi.
7.
Staf PPIC
Mengelola permintaan barang, baik barang umum, kimia maupun barang- barang pengeluaran
sparepart,
sesuai
serta
mengatur
pemasukan
dan
dengan prosedur dan peraturan yang telah
ditetapkan.
Membuat perencanaan kerja yang baik untuk menjamin tercapai dan terlaksana sasaran yang ingin dituju.
Membantu menyusun rencana produksi menyeluruh secara bersamasama dengan memperhatikan kapasitas produksi.
Melakukan pengawasan mengenai pesanan pembelian barangbarang sehingga barang tersebut dapat datang tepat sesuai dengan waktu yang telah ditentukan.
Melakukan pemeriksaan dan pengecekan terhadap barang-barang yang masuk untuk memastikan apakah barang-barang tersebut sesuai dengan pesanan, baik mutu, spesifikasi maupun jumlahnya.
Mengalokasikan penyimpanan barang-barang di gudang pada tempat-tempat yang telah ditentukan sesuai dengan jenis dan bentuk barang tersebut berdasarkan sistem yang ada.
Mengawasi sistem penyimpanan barang-barang di gudang agar aman dari kehilangan, kerusakan, kebakaran, dan lain-lain.
95
Memberikan pengarahan dan pembinaan terhadap bawahannya tentang prosedur
kerja,
tata
tertib
dan
sebagainya
untuk
menjamin agar tercapai efektifitas dan efesiensi kerja. 8.
Staf HRD
Bertanggungjawab atas pengkoordinasian dan pelaksanaan kegiatan personalia dan umum yang mencakup administrasi personalia, transportasi atau kendaraan, pemeliharaan gedung dan inventaris, serta keamanan di lingkungan pabrik.
Bertugas melaksanakan kegiatan yang bersifat pelayanan umum kepada semua karyawan pabrik dan tamu perusahaan, seperti pemeliharaan kebersihan ruang kerja, bangunan, transportasi atau kendaraan, serta keamanan di lingkungan pabrik.
Bertanggungjawab
menyelenggarakan
dan
mengendalikan
administrasi data karyawan dan pekerja lainnya. 9.
Mekanik
Mengadakan kontrol secara rutin mesin yang ada.
Mengupayakan seminim mungkin pemakaian tenaga kerja yang dipakai dan mengefisiensikan tenaga kerja yang ada.
Membuat perencanaan-perencanaan servis yang akan dipakai.
Memecahkan permasalahan yang ada untuk peningkatan kualitas baik yang diakibatkan oleh mesin, bahan baku maupun tenaga kerja.
Mengupayakan servis mesin sebaik mungkin, sehingga mesin yang ada stabil dan efisien.
96
Membuat rencana-rencana untuk sasaran pengembangan yang bertujuan untuk kemajuan perusahaan.
Mengupayakan penekanan biaya over head seminim mungkin dengan cara penggantian tipe sparepart, perbaikan sparepart yang masih bisa dipakai dan penghematan lainnya (bahan baku atau energi).
Mengupayakan peningkatan kemampuan yang ada dengan cara membuat sistem atau program pelatihan.
Mengupayakan kondisi perusahaan agar tetap stabil dan aman dari bencana yang ada seperti : kebakaran, gempa bumi, gangguan dari luar.
3.4 Penghitungan Penghitungan-penghitungan yang dilakukan di bawah ini adalah penghitungan peramalan, EOQ, ROP, dan MRP. 3.4.1 Penghitungan Peramalan 3.4.1.1 Peramalan Kemeja Resmi Contoh perhitungan peramalan permintaan dengan metode regresi linier, regresi kuadratis, double moving average, double exponential smoothing, dan siklis untuk barang jadi kemeja resmi. Tabel 3.1 Data Penjualan Kemeja Resmi Tahun 2007 Bulan Januari
Penjualan Y(t) (unit) 7883
Februari
5937
Maret
9660
97 April
7923
Mei
8322
Juni
10268
Juli
11299
Agustus
15646
September
18242
Oktober
6451
November
10628
Desember
9736
Sumber: Data CV.Orlena (2009) Tabel 3.2 Data Penjualan Kemeja Resmi Tahun 2008 Bulan Penjualan Y(t) (unit) Januari 11573 Februari
12853
Maret
17346
April
19566
Mei
15899
Juni
18819
Juli
18782
Agustus
23174
September
19140
Oktober
5836
November
11830
Desember
9232
Sumber: Data CV.Orlena (2009) Tabel 3.3 Data Penjualan Kemeja Resmi Tahun 2009 Bulan Januari
Penjualan Y(t) (unit) 7614
Februari
7921
Maret
8821
98 April
12369
Mei
12796
Juni
14348
Juli
18213
Agustus
24050
September
11578
Sumber: Data CV.Orlena (2009) Dari data penjualan Kemeja Resmi diatas, dibuat bentuk grafik berdasarkan jumlah penjualan dan periodenya. Pola data yang terbentuk adalah pola data horisontal, seperti yang terlihat pada gambar 3.3 berikut.
Penjualan
Kemeja Resmi 30000 25000 20000 15000 10000 5000 0 1
3
5
7
9
11
13
15
17
19
21
23
25
27
29
31
33
Periode
Sumber: Hasil Pengolahan Penulis Gambar 3.2 Grafik Data Penjualan Kemeja Resmi 3.4.1.1.1 Metode Regresi Linier Disini ditampilkan perhitungan dan hasil peramalan dengan menggunakan Metode Regresi Linier untuk barang jadi Kemeja Resmi.
99 Tabel 3.4 Perhitungan Metode Regresi Linier Bulan
Periode (t)
Penjualan Y(t) (unit)
tY(t)
t2
(2007) Januari
1
7883
7883
1
Februari
2
5937
11874
4
Maret
3
9660
28980
9
April
4
7923
31692
16
Mei
5
8322
41610
25
Juni
6
10268
61608
36
Juli
7
11299
79093
49
Agustus
8
15646
125168
64
September
9
18242
164178
81
Oktober
10
6451
64510
100
November
11
10628
116908
121
Desember
12
9736
116832
144
(2008) Januari
13
11573
150449
169
Februari
14
12853
179942
196
Maret
15
17346
260190
225
April
16
19566
313056
256
Mei
17
15899
270283
289
Juni
18
18819
338742
324
Juli
19
18782
356858
361
Agustus
20
23174
463480
400
September
21
19140
401940
441
Oktober
22
5836
128392
484
November
23
11830
272090
529
Desember
24
9232
221568
576
(2009) Januari
25
7614
190350
625
Februari
26
7921
205946
676
Maret
27
8821
238167
729
April
28
12369
346332
784
100 Mei
29
12796
371084
841
Juni
30
14348
430440
900
Juli
31
18213
564603
961
Agustus
32
24050
769600
1024
September
33
11578
382074
1089
561
423755
7705922
12529
Jumlah (Σ) =
Sumber: Hasil Pengolahan Penulis
b= (33)( 7705922)-( 423755)(561) = 167.810 (33)(12529)-(561)2
a= 423755 – (167.810)(561) = 9988.291 33
33
Jadi, Y (t) = a + bt Y (t) = 9988.291 + 167.810t Dengan demikian hasil peramalan untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 adalah sebagai berikut: Y(34)= 9988.291 + 167.810(34) = 15693.831≈ 15694 unit Y(35)= 9988.291 + 167.810(35) = 15861.641≈ 15862 unit
101 Y(36)= 9988.291 + 167.810(36) = 16029.451≈ 16029 unit Y(37)= 9988.291 + 167.810(37) = 16197.261≈ 16197 unit Y(38)= 9988.291 + 167.810(38) = 16365.071≈ 16365 unit Hasil peramalan permintaan dengan metode Regresi Linier untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 dapat dilihat pada Tabel 3.5
Tabel 3.5 Hasil Peramalan Permintaan dengan Metode Regresi Linier untuk Kemeja Resmi Bulan
Hasil Peramalan
(2009) Oktober
15694
November
15862
Desember
16029
(2010) Januari
16197
Februari
16365
Sumber: Hasil Pengolahan Penulis 3.4.1.1.2 Metode Regresi Kuadratis Disini ditampilkan perhitungan dan hasil peramalan dengan menggunakan Metode Regresi Kuadratis untuk barang jadi Kemeja Resmi. Tabel 3.6 Perhitungan Metode Regresi Kuadratis Bulan
Periode (t)
t2
t3
t4
Penjualan Y(t) (unit)
tY(t)
t2Y(t)
(2007) Januari
1
1
1
1
7883
7883
7883
Februari
2
4
8
16
5937
11874
23748
Maret
3
9
27
81
9660
28980
86940
102 April
4
16
64
256
7923
31692
126768
Mei
5
25
125
625
8322
41610
208050
Juni
6
36
216
1296
10268
61608
369648
Juli
7
49
343
2401
11299
79093
553651
Agustus
8
64
512
4096
15646
125168
1001344
September
9
81
729
6561
18242
164178
1477602
Oktober
10
100
1000
10000
6451
64510
645100
November
11
121
1331
14641
10628
116908
1285988
Desember
12
144
1728
20736
9736
116832
1401984
Januari
13
169
2197
28561
11573
150449
1955837
Februari
14
196
2744
38416
12853
179942
2519188
Maret
15
225
3375
50625
17346
260190
3902850
April
16
256
4096
65536
19566
313056
5008896
Mei
17
289
4913
83521
15899
270283
4594811
Juni
18
324
5832
104976
18819
338742
6097356
Juli
19
361
6859
130321
18782
356858
6780302
Agustus
20
400
8000
160000
23174
463480
9269600
September
21
441
9261
194481
19140
401940
8440740
Oktober
22
484
10648
234256
5836
128392
2824624
November
23
529
12167
279841
11830
272090
6258070
Desember
24
576
13824
331776
9232
221568
5317632
Januari
25
625
15625
390625
7614
190350
4758750
Februari
26
676
17576
456976
7921
205946
5354596
Maret
27
729
19683
531441
8821
238167
6430509
April
28
784
21952
614656
12369
346332
9697296
Mei
29
841
24389
707281
12796
371084
10761436
Juni
30
900
27000
810000
14348
430440
12913200
Juli
31
961
29791
923521
18213
564603
17502693
(2008)
(2009)
103 Agustus
32
1024
32768
1048576
24050
769600
24627200
September
33
1089
35937
1185921
11578
382074
12608442
561
12529
314721
8432017
423755
7705922
174812734
Jumlah (Σ) =
Sumber: Hasil Pengolahan Penulis
α = (561)(12529)-(33)(314721)= -3357024
β = (561)2-(33)(12529)= -98736
γ = (12529)2-(33)(8432017)= -121280720
δ = (561)(423755)-(33)(7705922)= -16568871
θ = (12529)(423755)-(33)(174812734)= -459593827
b = (-121280720)(-16568871)-(-459593827)(-3357024) = 661.715 (-121280720)(-98736)-(-3357024)2
c = (-459593827)-(661.715)(-3357024) = -14.527
104 -121280720
a = 423755 - (661.715)(561) - (-14.527)(12529) = 7107.323 33
33
33
Jadi, Y(t) = a + bt + ct2 Y(t) = 7107.323+ 661.715t– 14.527t2 Dengan demikian hasil peramalan untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 adalah sebagai berikut: Y(34) = 7107.323+ 661.715(34)– 14.527(34)2 = 12812.421≈ 12812 unit Y(35) = 7107.323+ 661.715(35)– 14.527(35)2 = 12471.773 ≈ 12472 unit Y(36) = 7107.323+ 661.715(36)– 14.527(36)2 = 12102.071≈ 12102 unit Y(37) = 7107.323+ 661.715(37)– 14.527(37)2 = 11703.315 ≈ 11703 unit Y(38) = 7107.323+ 661.715(38)– 14.527(38)2 = 11275.505 ≈ 11276 unit Hasil peramalan permintaan dengan metode Regresi Kuadratis untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 dapat dilihat pada Tabel 3.7 Tabel 3.7 Hasil Peramalan Permintaan dengan Metode Regresi Kuadratis untuk Kemeja Resmi Bulan
Hasil Peramalan
(2009) Oktober
12812
November
12472
Desember
12102
(2010) Januari
11703
Februari
11276
Sumber: Hasil Pengolahan Penulis
105 3.4.1.1.3 Metode Double Moving Average Disini ditampilkan perhitungan dan hasil peramalan dengan menggunakan Metode Double Moving Average untuk barang jadi Kemeja Resmi. Tabel 3.8 Perhitungan Metode Double Moving Average Bulan
Periode Penjualan (t) Y(t) (unit)
S’t
S’’t
a
B
a+bm
(2007) Januari
1
7883
-
-
-
-
-
Februari
2
5937
-
-
-
-
-
Maret
3
9660
-
-
-
-
-
April
4
7923
7850.75
-
-
-
-
Mei
5
8322
7960.5
-
-
-
-
Juni
6
10268
9043.25
-
-
-
-
Juli
7
11299
9453
8576.875
10329.125
584.083
-
Agustus
8
15646
11383.75
9460.125
13307.375
1282.417
10913.208
September
9
18242
13863.75
10935.938
16791.563
1951.875
14589.792
Oktober
10
6451
12909.5
11902.5
13916.5
671.333
18743.438
November
11
10628
12741.75
12724.688
12758.813
11.375
14587.833
Desember
12
9736
11264.25
12694.813
9833.688
-953.708
12770.188
Januari
13
11573
9597
11628.125
7565.875
-1354.08
8879.980
Februari
14
12853
11197.5
11200.125
11194.875
-1.75
6211.792
Maret
15
17346
12877
11233.938
14520.063
1095.375
11193.125
April
16
19566
15334.5
12251.5
18417.5
2055.333
15615.438
Mei
17
15899
16416
13956.25
18875.75
1639.833
20472.833
Juni
18
18819
17907.5
15633.75
20181.25
1515.833
20515.583
Juli
19
18782
18266.5
16981.125
19551.875
856.917
21697.083
Agustus
20
23174
19168.5
17939.625
20397.375
819.25
20408.792
(2008)
106 September
21
19140
19978.75
18830.313
21127.188
765.625
21216.625
Oktober
22
5836
16733
18536.688
14929.313
-1202.46
21892.813
November
23
11830
14995
17718.813
12271.188
-1815.88
13726.854
Desember
24
9232
11509.5
15804.063
7214.938
-2863.04
10455.313
Januari
25
7614
8628
12966.375
4289.625
-2892.25
4351.896
Februari
26
7921
9149.25
11070.438
7228.063
-1280.79
1397.375
Maret
27
8821
8397
9420.938
7373.063
-682.625
5947.271
April
28
12369
9181.25
8838.875
9523.625
228.25
6690.438
Mei
29
12796
10476.75
9301.063
11652.438
783.792
9751.875
Juni
30
14348
12083.5
10034.625
14132.375
1365.917
12436.229
Juli
31
18213
14431.5
11543.25
17319.75
1925.5
15498.292
Agustus
32
24050
17351.75
13585.875
21117.625
2510.583
19245.25
September
33
11578
17047.25
15228.5
18866
1212.5
23628.208
(2009)
Sumber: Hasil Pengolahan Penulis Prosedur-prosedur yang digunakan untuk menghitung peramalan dengan menggunakan metode Double Moving Average adalah sebagai berikut : a. Cari x rata-rata dari x1 sampai xt dan nilai peramalan untuk periode S’t+1 adalah x rata-rata tersebut. b. Cari x rata-rata dari x2 sampai xt-1, dan nilai peramalan untuk periode S’t+2 adalah x rata-rata tersebut. c. Ulangi kedua langkah di atas sampai semua nilai x telah dihitung. Lanjutkan dengan cara yang sama untuk menghitung S’t hanya saja kini yang dirata-ratakan bukan x melainkan S’t. d. Menghitung at dengan rumus :
e. Menghitung bt dengan rumus :
107
Jadi, Ft+m = at + bt.m F33+m= 18866 + 1212.5m Dengan demikian hasil peramalan untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 adalah sebagai berikut: F34 = 18866 + 1212.5(1) = 20078.5 ≈ 20079unit F35 = 18866 + 1212.5(2) = 21291 unit F36 = 18866 + 1212.5(3) = 22503.5 ≈ 22504 unit F37 = 18866 + 1212.5(4) = 23716 unit F38 = 18866 + 1212.5(5) = 24928.5 ≈ 24929 unit Hasil peramalan permintaan dengan metode Double Moving Average untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 dapat dilihat pada Tabel 3.9 Tabel 3.9 Hasil Peramalan Permintaan dengan Metode Double Moving Average untuk Kemeja Resmi Bulan (2009) Oktober
Hasil Peramalan
November
21291
Desember
22504
(2010) Januari
23716
Februari
24929
20079
Sumber: Hasil Pengolahan Penulis 3.4.1.1.4 Metode Double Exponential Smoothing Disini ditampilkan perhitungan dan hasil peramalan dengan menggunakan Metode Double Exponential Smoothing untuk barang jadi Kemeja Resmi.
108 Tabel 3.10 Perhitungan Metode Double Exponential Smoothing
Bulan
Periode (t)
Penjua lan Y(t) (unit)
SES S’t (α=0,5)
DES S’’t (α=0,5)
SESDES
a
b
a+bm
Januari
1
7883
7883
7883
0
-
-
-
Februari
2
5937
6910
7396.5
-486.5
6423.5
-486.5
-
Maret
3
9660
8285
7840.75
444.25
8729.25
444.25
5937
April
4
7923
8104
7972.375
131.625
8235.625
131.625
9173.5
Mei
5
8322
8213
8092.688
120.3125
8333.313
120.3125
8367.25
Juni
6
10268
9240.5
8666.594
573.907
9814.4063
573.907
8453.625
Juli
7
11299
10269.75
9468.1719
801.5781
11071.328
801.5781
10388.313
Agustus
8
15646
12957.875
11213.023
1744.852
14702.727
1744.852
11872.906
September
9
18242
15599.938
13406.48
2193.457
17793.395
2193.457
16447.578
Oktober
10
6451
11025.469
12215.975
-1190.51
9834.9629
-1190.51
19986.852
November
11
10628
10826.734
11521.354
-694.62
10132.114
-694.62
8644.457
Desember
12
9736
10281.367
10901.361
-619.994
9661.3735
-619.994
9437.4941
Januari
13
11573
10927.184
10914.272
12.911
10940.095
12.91138
9041.380
Februari
14
12853
11890.092
11402.182
487.910
12378.002
487.910
10953.006
Maret
15
17346
14618.046
13010.114
1607.932
16225.978
1607.932
12865.911
April
16
19566
17092.023
15051.068
2040.954
19132.977
2040.954
17833.91
Mei
17
15899
16495.511
15773.29
722.222
17217.733
722.2215
21173.932
Juni
18
18819
17657.256
16715.273
941.983
18599.239
941.983
17939.954
Juli
19
18782
18219.628
17467.45
752.178
18971.805
752.1775
19541.222
Agustus
20
23174
20696.814
19082.132
1614.682
22311.496
1614.682
19723.983
September
21
19140
19918.407
19500.27
418.1374
20336.544
418.1374
23926.178
Oktober
22
5836
12877.203
16188.737
-3311.53
9565.6704
-3311.53
20754.682
November
23
11830
12353.602
14271.169
-1917.57
10436.034
-1917.57
6254.138
Desember
24
9232
10792.801
12531.985
-1739.18
9053.617
-1739.18
8518.467
Januari
25
7614
9203.400
10867.693
-1664.29
7539.109
-1664.29
7314.433
Februari
26
7921
8562.200
9714.947
-1152.75
7409.454
-1152.75
5874.816
(2007)
(2008)
(2009)
109 Maret
27
8821
8691.600
9203.273
-511.673
8179.927
-511.673
6256.708
April
28
12369
10530.3
9866.787
663.513
11193.813
663.513
7668.254
Mei
29
12796
11663.15
10764.968
898.182
12561.332
898.182
11857.327
Juni
30
14348
13005.575
11885.272
1120.303
14125.878
1120.303
13459.513
Juli
31
18213
15609.288
13747.28
1862.008
17471.295
1862.008
15246.182
Agustus
32
24050
19829.644
16788.462
3041.182
22870.826
3041.182
19333.303
September
33
11578
15703.822
16246.142
-542.32
15161.502
-542.32
25912.008
Sumber: Hasil Pengolahan Penulis
Jadi, Ft+m = at + bt.m F33+m = 15161.502 – 542.32m
Dengan demikian hasil peramalan untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 adalah sebagai berikut: F34 = 15161.502 – 542.32(1)= 14619.182≈ 14619 unit F35 = 15161.502 – 542.32(2)= 14076.862≈ 14077 unit F36 = 15161.502 – 542.32(3)= 13534.542≈ 13535 unit F37 = 15161.502 – 542.32(4)= 12992.222≈ 12992 unit F38 = 15161.502 – 542.32(5)= 12449.902≈ 12450 unit
110 Hasil peramalan permintaan dengan metode Double Exponential Smoothing untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 dapat dilihat pada Tabel 3.11
Tabel 3.11 Hasil Peramalan Permintaan dengan Metode Double Exponential Smoothing untuk Kemeja Resmi Bulan (2009) Oktober
Hasil Peramalan
November
14077
Desember
13535
(2010) Januari
12992
Februari
12450
14619
Sumber: Hasil Pengolahan Penulis 3.4.1.1.5 Metode Siklis Disini ditampilkan perhitungan dan hasil peramalan dengan menggunakan Metode Siklis untuk barang jadi Kemeja Resmi. Tabel 3.12 Perhitungan Metode Siklis Bulan
Periode Penjualan (t) Y(t) (unit)
Sin (2πt/n)
Cos (2πt/n)
Y(t)*Sin (2πt/n)
Y(t)*Cos Peramalan (2πt/n) Y’(t) (unit)
(2007) Januari
1
7883
0.18925
0.981929
1491.868
7740.544
10525.578
Februari
2
5937
0.37166
0.928368
2206.56
5511.72
10496.867
Maret
3
9660
0.54064
0.841254
5222.59
8126.509
10552.882
April
4
7923
0.69008
0.723734
5467.496
5734.145
10691.597
Mei
5
8322
0.81458
0.580057
6778.901
4827.234
10908
Juni
6
10268
0.90963
0.415415
9340.101
4265.481
11194.269
Juli
7
11299
0.97181
0.235759
10980.5
2663.84
11540.056
111 Agustus
8
15646
0.99887
0.047582
15628.28
744.4667
11932.866
September
9
18242
0.98982
-0.14231
18056.32
-2596.11
12358.5
Oktober
10
6451
0.945
-0.32707
6096.2
-2109.92
12801.575
November
11
10628
0.86603
-0.5
9204.118
-5314
13246.077
Desember
12
9736
0.75575
-0.65486
7357.978
-6375.72
13675.941
Januari
13
11573
0.61816
-0.78605
7153.954
-9096.99
14075.63
Februari
14
12853
0.45823
-0.88884
5889.585
-11424.2
14430.699
Maret
15
17346
0.28173
-0.95949
4886.933
-16643.4
14728.314
April
16
19566
0.09506
-0.99547
1859.867
-19477.4
14957.719
Mei
17
15899
-0.09506
-0.99547
-1511.3
-15827
15110.622
Juni
18
18819
-0.28173
-0.95949
-5301.92
-18056.7
15181.497
Juli
19
18782
-0.45823
-0.88884
-8606.41
-16694.1
15167.783
Agustus
20
23174
-0.61816
-0.78605
-14325.2
-18216
15069.975
September
21
19140
-0.75575
-0.65486
-14465
-12534
14891.608
Oktober
22
5836
-0.86603
-0.5
-5054.12
-2918
14639.13
November
23
11830
-0.945
-0.32707
-11179.4
-3869.21
14321.664
Desember
24
9232
-0.98982
-0.14231
-9138.03
-1313.85
13950.685
Januari
25
7614
-0.99887
0.047582
-7605.38
362.2887
13539.602
Februari
26
7921
-0.97181
0.235759
-7697.72
1867.447
13103.272
Maret
27
8821
-0.90963
0.415415
-8023.86
3664.376
12657.464
April
28
12369
-0.81458
0.580057
-10075.5
7174.724
12218.293
Mei
29
12796
-0.69008
0.723734
-8830.25
9260.901
11801.629
Juni
30
14348
-0.54064
0.841254
-7757.11
12070.31
11422.534
Juli
31
18213
-0.37166
0.928368
-6769.09
16908.37
11094.708
Agustus
32
24050
-0.18925
0.981929
-4551.49
23615.39
10829.999
September
33
11578
0
1
0
11578
10637.976
-13270.6
-36350.9
(2008)
(2009)
Jumlah (Σ) 423755
112 423755.01
561
=
Sumber: Hasil Pengolahan Penulis
a= 423755 = 12841.061 33
b= (2)(-13270.6) = -804.279 33
c= (2)(-36350.9) = -2203.085 33
Jadi, Y’(t) = 12841.061- 804.279 sin 2Πt - 2203.085 cos 2Πt n
n
Dengan demikian hasil peramalan untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 adalah sebagai berikut: Y’(34) = 12841.061- 804.279 sin 2Π(34) - 2203.085 cos 2Π(34) = 10525.578≈ 10526 unit 33
33
Y’(35) = 12841.061- 804.279 sin 2Π(35) - 2203.085 cos 2Π(35) = 10496.867≈ 10497 unit 33
33
113 Y’(36) = 12841.061- 804.279 sin 2Π(36) - 2203.085 cos 2Π(36) = 10552.882 ≈ 10553 unit 33
33
Y’(37) = 12841.061- 804.279 sin 2Π(37) - 2203.085 cos 2Π(37) = 10691.597 ≈ 10692 unit 33
33
Y’(38) = 12841.061- 804.279 sin 2Π(38) - 2203.085 cos 2Π(38) = 10908 unit 33
33
Hasil peramalan permintaan dengan metode Siklis untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 dapat dilihat pada Tabel 3.13 Tabel 3.13 Hasil Peramalan Permintaan dengan Metode Siklis untuk Kemeja Resmi Bulan (2009) Oktober
Hasil Peramalan
November
10497
Desember
10553
(2010) Januari
10692
Februari
10908
10526
Sumber: Hasil Pengolahan Penulis 3.4.1.2 Peramalan Kemeja Karet Contoh perhitungan peramalan permintaan dengan metode regresi linier, regresi kuadratis, double moving average, double exponential smoothing, dan siklis untuk barang jadi kemeja karet. Tabel 3.14 Data Penjualan Kemeja Karet Tahun 2007 Bulan Januari
Penjualan Y(t) (unit) 3379
Februari
2545
Maret
4140
114 April
3395
Mei
3566
Juni
4400
Juli
4842
Agustus
6706
September
7818
Oktober
2765
November
4555
Desember
4173
Sumber: Data CV.Orlena (2009) Tabel 3.15 Data Penjualan Kemeja Karet Tahun 2008 Bulan Januari
PenjualanY(t) (unit)
Februari
5508
Maret
7434
April
8386
Mei
6814
Juni
8065
Juli
8050
Agustus
9931
September
8203
Oktober
2501
November
5070
Desember
3957
4960
Sumber: Data CV.Orlena (2009) Tabel 3.16 Data Penjualan Kemeja Karet Tahun 2009 Bulan Januari
Penjualan Y(t) (unit) 3263
Februari
3394
Maret
3780
115 April
5301
Mei
5484
Juni
6149
Juli
7805
Agustus
10307
September
4962
Sumber: Data CV.Orlena (2009) Dari data penjualan Kemeja Karet diatas, dibuat bentuk grafik berdasarkan jumlah penjualan dan periodenya. Pola data yang terbentuk adalah pola data horisontal, seperti yang terlihat pada gambar 3.4 berikut. Kemeja Karet 12000
Penjualan
10000 8000 6000 4000 2000 0 1
3
5
7
9
11
13
15
17
19
21
23
25
27
29
31
33
Periode
Sumber: Hasil Pengolahan Penulis Gambar 3.3 Grafik Data Penjualan Kemeja Karet 3.4.1.2.1 Metode Regresi Linier Disini ditampilkan perhitungan dan hasil peramalan dengan menggunakan Metode Regresi Linier untuk barang jadi Kemeja Karet.
116 Tabel 3.17 Perhitungan Metode Regresi Linier Bulan
Periode (t)
Penjualan Y(t) (unit)
tY(t)
t2
(2007) Januari
1
3379
3379
1
Februari
2
2545
5090
4
Maret
3
4140
12420
9
April
4
3395
13580
16
Mei
5
3566
17830
25
Juni
6
4400
26400
36
Juli
7
4842
33894
49
Agustus
8
6706
53648
64
September
9
7818
70362
81
Oktober
10
2765
27650
100
November
11
4555
50105
121
Desember
12
4173
50076
144
(2008) Januari
13
4960
64480
169
Februari
14
5508
77112
196
Maret
15
7434
111510
225
April
16
8386
134176
256
Mei
17
6814
115838
289
Juni
18
8065
145170
324
Juli
19
8050
152950
361
Agustus
20
9931
198620
400
September
21
8203
172263
441
Oktober
22
2501
55022
484
November
23
5070
116610
529
Desember
24
3957
94968
576
(2009) Januari
25
3263
81575
625
Februari
26
3394
88244
676
Maret
27
3780
102060
729
April
28
5301
148428
784
117 Mei
29
5484
159036
841
Juni
30
6149
184470
900
Juli
31
7805
241955
961
Agustus
32
10307
329824
1024
September
33
4962
163746
1089
561
181608
3302491
12529
Jumlah (Σ) =
Sumber: Hasil Pengolahan Penulis b= (33)( 3302491)-(181608)(561) = 71.91 (33)(12529)-(561)2 a= 181608 – (71.91)(561) = 4280.803 33
33
Jadi, Y(t)= 4280.803 + 71.91t Dengan demikian hasil peramalan untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 adalah sebagai berikut: Y(34)= 4280.803 + 71.91(34) = 6725.743 ≈ 6726 unit Y(35)= 4280.803 + 71.91(35) = 6797.653 ≈ 6798 unit Y(36)= 4280.803 + 71.91(36) = 6869.563 ≈ 6870 unit Y(37)= 4280.803 + 71.91(37) = 6941.473 ≈ 6941 unit Y(38)= 4280.803 + 71.91(38) = 7013.383 ≈ 7013 unit Hasil peramalan permintaan dengan metode Regresi Linier untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 dapat dilihat pada Tabel 3.18.
118 Tabel 3.18 Hasil Peramalan Permintaan dengan Metode Regresi Linier untuk Kemeja Karet Bulan Hasil Peramalan (2009) Oktober 6726 November
6798
Desember
6870
(2010) Januari
6941
Februari
7013
Sumber: Hasil Pengolahan Penulis 3.4.1.2.2 Metode Regresi Kuadratis Disini ditampilkan perhitungan dan hasil peramalan dengan menggunakan Metode Regresi Kuadratis untuk barang jadi Kemeja Karet. Tabel 3.19 Perhitungan Metode Regresi Kuadratis Bulan
Periode (t)
t2
t3
t4
Penjualan Y(t) (unit)
tY(t)
t2Y(t)
(2007) Januari
1
1
1
1
3379
3379
3379
Februari
2
4
8
16
2545
5090
10180
Maret
3
9
27
81
4140
12420
37260
April
4
16
64
256
3395
13580
54320
Mei
5
25
125
625
3566
17830
89150
Juni
6
36
216
1296
4400
26400
158400
Juli
7
49
343
2401
4842
33894
237258
Agustus
8
64
512
4096
6706
53648
429184
September
9
81
729
6561
7818
70362
633258
Oktober
10
100
1000
10000
2765
27650
276500
November
11
121
1331
14641
4555
50105
551155
Desember
12
144
1728
20736
4173
50076
600912
119 (2008) Januari
13
169
2197
28561
4960
64480
838240
Februari
14
196
2744
38416
5508
77112
1079568
Maret
15
225
3375
50625
7434
111510
1672650
April
16
256
4096
65536
8386
134176
2146816
Mei
17
289
4913
83521
6814
115838
1969246
Juni
18
324
5832
104976
8065
145170
2613060
Juli
19
361
6859
130321
8050
152950
2906050
Agustus
20
400
8000
160000
9931
198620
3972400
September
21
441
9261
194481
8203
172263
3617523
Oktober
22
484
10648
234256
2501
55022
1210484
November
23
529
12167
279841
5070
116610
2682030
Desember
24
576
13824
331776
3957
94968
2279232
Januari
25
625
15625
390625
3263
81575
2039375
Februari
26
676
17576
456976
3394
88244
2294344
Maret
27
729
19683
531441
3780
102060
2755620
April
28
784
21952
614656
5301
148428
4155984
Mei
29
841
24389
707281
5484
159036
4612044
Juni
30
900
27000
810000
6149
184470
5534100
Juli
31
961
29791
923521
7805
241955
7500605
Agustus
32
1024
32768
1048576
10307
329824
10554368
September
33
1089
35937
1185921
4962
163746
5403618
561
12529
314721
8432017
181608
3302491
74918313
(2009)
Jumlah (Σ) =
Sumber: Hasil Pengolahan Penulis α = (561)(12529)-(33)(314721)= -3357024 β = (561)2-(33)(12529)= -98736 γ = (12529)2-(33)(8432017)= -121280720
120 δ = (561)(181608)-(33)(3302491)= -7100115 θ = (12529)(181608)-(33)(74918313)= -196937697 b = (-121280720)(-7100115)-(-196937697)(-3357024) = 283.598 (-121280720)(-98736)-(-3357024)2 c = (-196937697)-(283.598)(-3357024) = -6.226 -121280720 a = 181608 - (283.598)(561) – (-6.226)(12529) = 3045.911 33
33
33
Jadi, Y(t) = 3045.911+ 283.598t– 6.226t2 Dengan demikian hasil peramalan untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 adalah sebagai berikut: Y(34) = 3045.911+ 283.598(34)– 6.226(34)2 = 5490.987 ≈ 5491unit Y(35) = 3045.911+ 283.598(35)– 6.226(35)2 = 5344.991≈ 5345 unit Y(36) = 3045.911+ 283.598(36)– 6.226(36)2 = 5186.543 ≈ 5187 unit Y(37) = 3045.911+ 283.598(37)– 6.226(37)2 = 5015.643 ≈ 5016 unit Y(38) = 3045.911+ 283.598(38)– 6.226(38)2 = 4832.291≈ 4832 unit Hasil peramalan permintaan dengan metode Regresi Kuadratis untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 dapat dilihat pada Tabel 3.20. Tabel 3.20 Hasil Peramalan Permintaan dengan Metode Regresi Kuadratis untuk Kemeja Karet Bulan (2009) Oktober
Hasil Peramalan
November
5345
Desember
5187
5491
121 (2010) Januari
5016
Februari
4832
Sumber: Hasil Pengolahan Penulis 3.4.1.2.3 Metode Double Moving Average Disini ditampilkan perhitungan dan hasil peramalan dengan menggunakan Metode Double Moving Average untuk barang jadi Kemeja Karet. Tabel 3.21 Perhitungan Metode Double Moving Average Bulan
Periode Penjualan (t) Y(t) (unit)
S’t
S’’t
a
B
a+bm
(2007) Januari
1
3379
-
-
-
-
-
Februari
2
2545
-
-
-
-
-
Maret
3
4140
-
-
-
-
-
April
4
3395
3364.75
-
-
-
-
Mei
5
3566
3411.5
-
-
-
-
Juni
6
4400
3875.25
-
-
-
-
Juli
7
4842
4050.75
3675.563
4425.938
250.125
-
Agustus
8
6706
4878.5
4054
5703
549.667
4676.063
September
9
7818
5941.5
4686.5
7196.5
836.667
6252.667
Oktober
10
2765
5532.75
5100.875
5964.625
287.917
8033.167
November
11
4555
5461
5453.438
5468.563
5.04167
6252.542
Desember
12
4173
4827.75
5440.75
4214.75
-408.667
5473.604
Januari
13
4960
4113.25
4983.688
3242.813
-580.292
3806.083
Februari
14
5508
4799
4800.25
4797.75
-0.83333
2662.521
Maret
15
7434
5518.75
4814.688
6222.813
469.375
4796.917
April
16
8386
6572
5250.75
7893.25
880.833
6692.188
(2008)
122 Mei
17
6814
7035.5
5981.313
8089.688
702.792
8774.083
Juni
18
8065
7674.75
6700.25
8649.25
649.667
8792.479
Juli
19
8050
7828.75
7277.75
8379.75
367.333
9298.917
Agustus
20
9931
8215
7688.5
8741.5
351
8747.083
September
21
8203
8562.25
8070.188
9054.313
328.042
9092.5
Oktober
22
2501
7171.25
7944.313
6398.188
-515.375
9382.354
November
23
5070
6426.25
7593.688
5258.813
-778.292
5882.813
Desember
24
3957
4932.75
6773.125
3092.375
-1226.92
4480.521
Januari
25
3263
3697.75
5557
1838.5
-1239.5
1865.458
Februari
26
3394
3921
4744.438
3097.563
-548.958
599
Maret
27
3780
3598.5
4037.5
3159.5
-292.667
2548.604
April
28
5301
3934.5
3787.938
4081.063
97.7083
2866.833
Mei
29
5484
4489.75
3985.938
4993.563
335.875
4178.771
Juni
30
6149
5178.5
4300.313
6056.688
585.458
5329.438
Juli
31
7805
6184.75
4946.875
7422.625
825.25
6642.146
Agustus
32
10307
7436.25
5822.313
9050.188
1075.96
8247.875
September
33
4962
7305.75
6526.313
8085.188
519.625
10126.15
(2009)
Sumber: Hasil Pengolahan Penulis Jadi, F33+m= 8085.188 + 519.625m Dengan demikian hasil peramalan untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 adalah sebagai berikut: F34 = 8085.188 + 519.625(1) = 8604.813 ≈ 8605 unit F35 = 8085.188 + 519.625(2) = 9124.438 ≈ 9124 unit F36 = 8085.188 + 519.625(3) = 9644.063 ≈ 9644 unit F37 = 8085.188 + 519.625(4) = 10163.688 ≈ 10164 unit F38 = 8085.188 + 519.625(5) = 10683.313 ≈ 10683 unit
123 Hasil peramalan permintaan dengan metode Double Moving Average untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 dapat dilihat pada Tabel 3.22 Tabel 3.22 Hasil Peramalan Permintaan dengan Metode Double Moving Average untuk Kemeja Karet Bulan (2009) Oktober
Hasil Peramalan
November
9124
Desember
9644
(2010) Januari
10164
Februari
10683
8605
Sumber: Hasil Pengolahan Penulis 3.4.1.2.4 Metode Double Exponential Smoothing Disini ditampilkan perhitungan dan hasil peramalan dengan menggunakan Metode Double Exponential Smoothing untuk barang jadi Kemeja Karet.
Tabel 3.23 Perhitungan Metode Double Exponential Smoothing Bulan
Peri ode (t)
Penjua lan Y(t) (unit)
SES S’t (α=0,5)
DES S’’t (α=0,5)
SES-DES
a
b
a+bm
Januari
1
3379
3379
3379
0
-
-
-
Februari
2
2545
2962
3170.5
-208.5
2753.5
-208.5
-
Maret
3
4140
3551
3360.75
190.25
3741.25
190.25
2545
April
4
3395
3473
3416.875
56.125
3529.125
56.125
3931.5
Mei
5
3566
3519.5
3468.1875
51.3125
3570.8125
51.3125
3585.25
Juni
6
4400
3959.75
3713.9688
245.7813
4205.5313
245.7813
3622.125
Juli
7
4842
4400.875
4057.4219
343.4531
4744.3281
343.4531
4451.3125
Agustus
8
6706
5553.4375
4805.4297
748.0078
6301.4453
748.0078
5087.7813
(2007)
124 September
9
7818
6685.7188
5745.5742
940.1445
7625.8633
940.1445
7049.4531
Oktober
10
2765
4725.3594
5235.4668
-510.107
4215.252
-510.107
8566.0078
November
11
4555
4640.1797
4937.8232
-297.644
4342.5361
-297.644
3705.1445
Desember
12
4173
4406.5898
4672.2065
-265.617
4140.9731
-265.617
4044.8926
Januari
13
4960
4683.2949
4677.7507
5.544189
4688.8391
5.544189
3875.3564
Februari
14
5508
5095.6475
4886.6991
208.9484
5304.5958
208.9484
4694.3833
Maret
15
7434
6264.8237
5575.7614
689.0623
6953.886
689.0623
5513.5442
April
16
8386
7325.4119
6450.5866
874.8252
8200.2371
874.8252
7642.9484
Mei
17
6814
7069.7059
6760.1463
309.5596
7379.2656
309.5596
9075.0623
Juni
18
8065
7567.353
7163.7496
403.6033
7970.9563
403.6033
7688.8252
Juli
19
8050
7808.6765
7486.2131
322.4634
8131.1399
322.4634
8374.5596
Agustus
20
9931
8869.8382
8178.0256
691.8126
9561.6508
691.8126
8453.6033
September
21
8203
8536.4191
8357.2224
179.1967
8715.6159
179.1967
10253.463
Oktober
22
2501
5518.7096
6937.966
-1419.26
4099.4531
-1419.26
8894.8126
November
23
5070
5294.3548
6116.1604
-821.806
4472.5492
-821.806
2680.1967
Desember
24
3957
4625.6774
5370.9189
-745.241
3880.4359
-745.241
3650.7436
Januari
25
3263
3944.3387
4657.6288
-713.29
3231.0486
-713.29
3135.1944
Februari
26
3394
3669.1693
4163.3991
-494.23
3174.9396
-494.23
2517.7585
Maret
27
3780
3724.5847
3943.9919
-219.407
3505.1775
-219.407
2680.7099
April
28
5301
4512.7923
4228.3921
284.4002
4797.1926
284.4002
3285.7703
Mei
29
5484
4998.3962
4613.3941
385.002
5383.3982
385.002
5081.5928
Juni
30
6149
5573.6981
5093.5461
480.152
6053.8501
480.152
5768.4002
Juli
31
7805
6689.349
5891.4476
797.9015
7487.2505
797.9015
6534.002
Agustus
32
10307
8498.1745
7194.811
1303.363
9801.538
1303.363
8285.152
September
33
4962
6730.0873
6962.4492
-232.362
6497.725
-232.362
11104.901
(2008)
(2009)
Sumber: Hasil Pengolahan Penulis
Jadi, F33+m = 6497.725 – 232.362m
125 Dengan demikian hasil peramalan untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 adalah sebagai berikut: F34 = 6497.725 – 232.362(1)= 6265.363 ≈ 6265 unit F35 = 6497.725 – 232.362(2)= 6033.001 ≈ 6033 unit F36 = 6497.725 – 232.362(3)= 5800.639 ≈ 5801 unit F37 = 6497.725 – 232.362(4)= 5568.277 ≈ 5568 unit F38 = 6497.725 – 232.362(5)= 5335.915 ≈ 5336 unit Hasil peramalan permintaan dengan metode Double Exponential Smoothing untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 dapat dilihat pada Tabel 3.24 Tabel 3.24 Hasil Peramalan Permintaan dengan Metode Double Exponential Smoothing untuk Kemeja Karet Bulan (2009) Oktober
Hasil Peramalan
November
6033
Desember
5801
(2010) Januari
5568
Februari
5336
6265
Sumber: Hasil Pengolahan Penulis 3.4.1.2.5 Metode Siklis Disini ditampilkan perhitungan dan hasil peramalan dengan menggunakan Metode Siklis untuk barang jadi Kemeja Karet.
126 Tabel 3.25 Perhitungan Metode Siklis Bulan
Periode Penjualan (t) Y(t) (unit)
Sin (2πt/n)
Cos (2πt/n)
Y(t)*Sin (2πt/n)
Y(t)*Cos Peramalan (2πt/n) Y’(t) (unit)
(2007) Januari
1
3379
0.18925
0.981929
639.48
3317.937
4510.833
Februari
2
2545
0.37166
0.928368
945.8809
2362.696
4498.546
Maret
3
4140
0.54064
0.841254
2238.253
3482.79
4522.574
April
4
3395
0.69008
0.723734
2342.818
2457.077
4582.046
Mei
5
3566
0.81458
0.580057
2904.778
2068.483
4674.814
Juni
6
4400
0.90963
0.415415
4002.381
1827.826
4797.525
Juli
7
4842
0.97181
0.235759
4705.512
1141.545
4945.743
Agustus
8
6706
0.99887
0.047582
6698.404
319.0843
5114.111
September
9
7818
0.98982
-0.14231
7738.424
-1112.62
5296.546
Oktober
10
2765
0.945
-0.32707
2612.927
-904.343
5486.451
November
11
4555
0.86603
-0.5
3944.746
-2277.5
5676.965
Desember
12
4173
0.75575
-0.65486
3153.743
-2732.73
5861.201
Januari
13
4960
0.61816
-0.78605
3066.069
-3898.82
6032.501
Februari
14
5508
0.45823
-0.88884
2523.912
-4895.71
6184.673
Maret
15
7434
0.28173
-0.95949
2094.4
-7132.87
6312.217
April
16
8386
0.09506
-0.99547
797.14
-8348.03
6410.524
Mei
17
6814
-0.09506
-0.99547
-647.712
-6783.15
6476.041
Juni
18
8065
-0.28173
-0.95949
-2272.17
-7738.31
6506.399
Juli
19
8050
-0.45823
-0.88884
-3688.72
-7155.13
6500.502
Agustus
20
9931
-0.61816
-0.78605
-6138.94
-7806.29
6458.562
September
21
8203
-0.75575
-0.65486
-6199.41
-5371.82
6382.095
Oktober
22
2501
-0.86603
-0.5
-2165.93
-1250.5
6273.866
November
23
5070
-0.945
-0.32707
-4791.15
-1658.23
6137.786
Desember
24
3957
-0.98982
-0.14231
-3916.72
-563.14
5978.772
(2009)
25
3263
-0.99887
0.047582
-3259.3
155.2598
5802.573
(2008)
127 Januari Februari
26
3394
-0.97181
0.235759
-3298.33
800.1658
5615.556
Maret
27
3780
-0.90963
0.415415
-3438.41
1570.269
5424.481
April
28
5301
-0.81458
0.580057
-4318.07
3074.882
5236.254
Mei
29
5484
-0.69008
0.723734
-3784.39
3968.957
5057.678
Juni
30
6149
-0.54064
0.841254
-3324.4
5172.868
4895.206
Juli
31
7805
-0.37166
0.928368
-2900.83
7245.912
4754.712
Agustus
32
10307
-0.18925
0.981929
-1950.61
10120.74
4641.272
September
33
4962
0
1
0
4962
4558.988
Jumlah (Σ) 561
=
181608
-5686.24
-15580.7
181608.01
Sumber: Hasil Pengolahan Penulis a= 181608 = 5503.273 33 b= (2)(-5686.24) = -344.621 33 c= (2)(-15580.7) = -944.285 33 Jadi, Y’(t) = 5503.273- 344.621 sin 2Πt - 944.285 cos 2Πt n
n
Dengan demikian hasil peramalan untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 adalah sebagai berikut: Y’(34) = 5503.273- 344.621 sin 2Π(34) - 944.285 cos 2Π(34) = 4510.833 ≈ 4511 unit 33
33
128 Y’(35) = 5503.273- 344.621 sin 2Π(35) - 944.285 cos 2Π(35) = 4498.546 ≈ 4499 unit 33
33
Y’(36) = 5503.273- 344.621 sin 2Π(36) - 944.285 cos 2Π(36) = 4522.574 ≈ 4523 unit 33
33
Y’(37) = 5503.273- 344.621 sin 2Π(37) - 944.285 cos 2Π(37) = 4582.046 ≈ 4582 unit 33
33
Y’(38) = 5503.273- 344.621 sin 2Π(38) - 944.285 cos 2Π(38) = 4674.814 ≈ 4675 unit 33
33
Hasil peramalan permintaan dengan metode Siklis untuk bulan Oktober 2009 sampai dengan bulan Februari 2010 dapat dilihat pada Tabel 3.26 Tabel 3.26 Hasil Peramalan Permintaan dengan Metode Siklis untuk Kemeja Karet Bulan (2009) Oktober
Hasil Peramalan
November
4499
Desember
4523
(2010) Januari
4582
Februari
4675
4511
Sumber: Hasil Pengolahan Penulis 3.4.2 Penghitungan Tracking Signal 3.4.2.1 Tracking signal kemeja resmi Penghitungan di sini digunakan untuk mencari kesalahan (error). Pada kasus ini saya menggunakan metode MSE. Peramalan yang dipilih yaitu peramalan dengan MSE yang kecil.
129 Tabel 3.27 Perhitungan Tracking Signal untuk Metode Regresi Linier i 1
Penjua lan xi 7883
2
Peramalan Fi
ei=xi-Fi
RSFE
|ei|=|xi-Fi|
Cumm. |ei|
MAD
TS
10156.101
-2273.101
-2273.101
2273.101
2273.101
2273.101
-1.000
5937
10323.911
-4386.911
-6660.012
4386.911
6660.012
3330.006
-2.000
3
9660
10491.721
-831.721
-7491.733
831.721
7491.733
2497.244
-3.000
4
7923
10659.531
-2736.531
-10228.264
2736.531
10228.264
2557.066
-4.000
5
8322
10827.341
-2505.341
-12733.605
2505.341
12733.605
2546.721
-5.000
6
10268
10995.151
-727.151
-13460.756
727.151
13460.756
2243.459
-6.000
7
11299
11162.961
136.039
-13324.717
136.039
13596.795
1942.399
-6.860
8
15646
11330.771
4315.229
-9009.488
4315.229
17912.024
2239.003
-4.024
9
18242
11498.581
6743.419
-2266.069
6743.419
24655.443
2739.494
-0.827
10
6451
11666.391
-5215.391
-7481.46
5215.391
29870.834
2987.083
-2.505
11
10628
11834.201
-1206.201
-8687.661
1206.201
31077.035
2825.185
-3.075
12
9736
12002.011
-2266.011
-10953.672
2266.011
33343.046
2778.587
-3.942
13
11573
12169.821
-596.821
-11550.493
596.821
33939.867
2610.759
-4.424
14
12853
12337.631
515.369
-11035.124
515.369
34455.236
2461.088
-4.484
15
17346
12505.441
4840.559
-6194.565
4840.559
39295.795
2619.72
-2.365
16
19566
12673.251
6892.749
698.184
6892.749
46188.544
2886.784
0.242
17
15899
12841.061
3057.939
3756.123
3057.939
49246.483
2896.852
1.297
18
18819
13008.871
5810.129
9566.252
5810.129
55056.612
3058.701
3.128
19
18782
13176.681
5605.319
15171.571
5605.319
60661.931
3192.733
4.752
20
23174
13344.491
9829.509
25001.08
9829.509
70491.44
3524.572
7.093
21
19140
13512.301
5627.699
30628.779
5627.699
76119.139
3624.721
8.450
22
5836
13680.111
-7844.111
22784.668
7844.111
83963.25
3816.511
5.970
23
11830
13847.921
-2017.921
20766.747
2017.921
85981.171
3738.312
5.555
24
9232
14015.731
-4783.731
15983.016
4783.731
90764.902
3781.871
4.226
25
7614
14183.541
-6569.541
9413.475
6569.541
97334.443
3893.378
2.418
26
7921
14351.351
-6430.351
2983.124
6430.351
103764.794
3990.954
0.747
27
8821
14519.161
-5698.161
-2715.037
5698.161
109462.955
4054.184
-0.670
28
12369
14686.971
-2317.971
-5033.008
2317.971
111780.926
3992.176
-1.261
29
12796
14854.781
-2058.781
-7091.789
2058.781
113839.707
3925.507
-1.807
30
14348
15022.591
-674.591
-7766.38
674.591
114514.298
3817.143
-2.035
31
18213
15190.401
3022.599
-4743.781
3022.599
117536.897
3791.513
-1.251
32
24050
15358.211
8691.789
3948.008
8691.789
126228.686
3944.646
1.001
33
11578
15526.021
-3948.021
-0.013
3948.021
130176.707
3944.749
-0.000
130 Sumber: Hasil Pengolahan Penulis MSE=
N
Σ e i2 i=1
N = (727482791.7 / 33) = 2204493.324 Tabel 3.28 Perhitungan Tracking Signal untuk Metode Regresi Kuadratis i 1
Penjua lan xi 7883
2
Peramalan Fi
ei=xi-Fi
RSFE
|ei|=|xi-Fi|
Cumm. |ei|
MAD
TS
7754.511
128.489
128.489
128.489
128.489
128.489
1.000
5937
8372.645
-2435.645
-2307.156
2435.645
2564.134
1282.067
-1.800
3
9660
8961.725
698.275
-1608.881
698.275
3262.409
1087.47
-1.479
4
7923
9521.751
-1598.751
-3207.632
1598.751
4861.16
1215.29
-2.639
5
8322
10052.723
-1730.723
-4938.355
1730.723
6591.883
1318.377
-3.746
6
10268
10554.641
-286.641
-5224.996
286.641
6878.524
1146.421
-4.558
7
11299
11027.505
271.495
-4953.501
271.495
7150.019
1021.431
-4.850
8
15646
11471.315
4174.685
-778.816
4174.685
11324.704
1415.588
-0.550
9
18242
11886.071
6355.929
5577.113
6355.929
17680.633
1964.515
2.839
10
6451
12271.773
-5820.773
-243.66
5820.773
23501.406
2350.141
-0.104
11
10628
12628.421
-2000.421
-2244.081
2000.421
25501.827
2318.348
-0.968
12
9736
12956.015
-3220.015
-5464.096
3220.015
28721.842
2393.487
-2.283
13
11573
13254.555
-1681.555
-7145.651
1681.555
30403.397
2338.723
-3.055
14
12853
13524.041
-671.041
-7816.692
671.041
31074.438
2219.603
-3.522
15
17346
13764.473
3581.527
-4235.165
3581.527
34655.965
2310.398
-1.833
16
19566
13975.851
5590.149
1354.984
5590.149
40246.114
2515.382
0.539
17
15899
14158.175
1740.825
3095.809
1740.825
41986.939
2469.82
1.254
18
18819
14311.445
4507.555
7603.364
4507.555
46494.494
2583.027
2.944
19
18782
14435.661
4346.339
11949.703
4346.339
50840.833
2675.833
4.466
20
23174
14530.823
8643.177
20592.88
8643.177
59484.01
2974.201
6.924
21
19140
14596.931
4543.069
25135.949
4543.069
64027.079
3048.909
8.244
22
5836
14633.985
-8797.985
16337.964
8797.985
72825.064
3310.23
4.936
23
11830
14641.985
-2811.985
13525.979
2811.985
75637.049
3288.567
4.113
24
9232
14620.931
-5388.931
8137.048
5388.931
81025.98
3376.083
2.410
25
7614
14570.823
-6956.823
1180.225
6956.823
87982.803
3519.312
0.335
26
7921
14491.661
-6570.661
-5390.436
6570.661
94553.464
3636.672
-1.482
131 27
8821
14383.445
-5562.445
-10952.881
5562.445
100115.909
3707.997
-2.954
28
12369
14246.175
-1877.175
-12830.056
1877.175
101993.084
3642.61
-3.522
29
12796
14079.851
-1283.851
-14113.907
1283.851
103276.935
3561.274
-3.963
30
14348
13884.473
463.527
-13650.38
463.527
103740.462
3458.015
-3.947
31
18213
13660.041
4552.959
-9097.421
4552.959
108293.421
3493.336
-2.604
32
24050
13406.555
10643.445
1546.024
10643.445
118936.866
3716.777
0.416
33
11578
13124.015
-1546.015
0.009
1546.015
120482.881
3650.996
0.000
Sumber: Hasil Pengolahan Penulis MSE=
N
Σ e i2 i=1
N = (681812926.4 / 33) = 20660997.77 Tabel 3.29 Perhitungan Tracking Signal untuk Metode Double Moving Average i
Penjualan Peramalan xi Fi
ei=xi-Fi
RSFE
|ei|=|xiFi|
Cumm. |ei|
MAD
TS
1
7883
0
7883
7883
7883
7883
7883
1.000
2
5937
0
5937
13820
5937
13820
6910
2.000
3
9660
0
9660
23480
9660
23480
7826.667
3.000
4
7923
0
7923
31403
7923
31403
7850.75
4.000
5
8322
0
8322
39725
8322
39725
7945
5.000
6
10268
0
10268
49993
10268
49993
8332.167
6.000
7
11299
0
11299
61292
11299
61292
8756
7.000
8
15646
10913.208
4732.792
66024.792
4732.792
66024.792
8253.099
8.000
9
18242
14589.792
3652.208
69677
3652.208
69677
7741.889
9.000
10
6451
18743.438
-12292.44
57384.563
12292.44
81969.44
8196.944
7.001
11
10628
14587.833
-3959.833
53424.729
3959.833
85929.273
7811.752
6.839
12
9736
12770.188
-3034.188
50390.542
3034.188
88963.461
7413.622
6.797
13
11573
8879.9792
2693.021
53083.563
2693.021
91656.482
7050.499
7.529
14
12853
6211.7917
6641.208
59724.771
6641.208
98297.69
7021.264
8.506
15
17346
11193.125
6152.875
65877.646
6152.875
104450.565
6963.371
9.461
16
19566
15615.438
3950.563
69828.208
3950.563
108401.128
6775.071
10.307
17
15899
20472.833
-4573.833
65254.375
4573.833
112974.961
6645.586
9.819
18
18819
20515.583
-1696.583
63557.792
1696.583
114671.544
6370.641
9.977
19
18782
21697.083
-2915.083
60642.708
2915.083
117586.627
6188.77
9.799
20
23174
20408.792
2765.208
63407.917
2765.208
120351.835
6017.592
10.537
132 21
19140
21216.625
-2076.625
61331.292
2076.625
122428.46
5829.927
10.52
22
5836
21892.813
-16056.81
45274.479
16056.81
138485.27
6294.785
7.192
23
11830
13726.854
-1896.854
43377.625
1896.854
140382.124
6103.571
7.107
24
9232
10455.313
-1223.313
42154.313
1223.313
141605.437
5900.227
7.145
25
7614
4351.8958
3262.104
45416.417
3262.104
144867.541
5794.702
7.838
26
7921
1397.375
6523.625
51940.042
6523.625
151391.166
5822.737
8.920
27
8821
5947.2708
2873.729
54813.771
2873.729
154264.895
5713.515
9.594
28
12369
6690.4375
5678.563
60492.333
5678.563
159943.458
5712.266
10.59
29
12796
9751.875
3044.125
63536.458
3044.125
162987.583
5620.261
11.305
30
14348
12436.229
1911.771
65448.229
1911.771
164899.354
5496.645
11.907
31
18213
15498.292
2714.708
68162.938
2714.708
167614.062
5406.905
12.607
32
24050
19245.25
4804.75
72967.688
4804.75
172418.812
5388.088
13.542
33
11578
23628.208
-12050.21
60917.479
12050.21
184469.022
5589.97
10.898
Sumber: Hasil Pengolahan Penulis MSE=
N
Σ e i2 i=1
N = (1461843787 / 33) = 44298296.58 Tabel 3.30 Perhitungan Tracking Signal untuk Metode Double Exponential Smoothing i
Peramalan Fi
ei=xi-Fi
RSFE
|ei|=|xiFi|
Cumm. |ei|
MAD
TS
1
Penjua lan xi 7883
0
7883
7883
7883
7883
7883
1.000
2
5937
0
5937
13820
5937
13820
6910
2.000
3
9660
5937
3723
17543
3723
17543
5847.667
3.000
4
7923
9173.5
-1250.5
16292.5
1250.5
18793.5
4698.375
3.468
5
8322
8367.25
-45.25
16247.25
45.25
18838.75
3767.75
4.312
6
10268
8453.625
1814.38
18061.625
1814.38
20653.13
3442.188
5.247
7
11299
10388.313
910.688
18972.313
910.688
21563.818
3080.545
6.159
8
15646
11872.906
3773.09
22745.406
3773.09
25336.908
3167.114
7.182
9
18242
16447.578
1794.42
24539.828
1794.42
27131.328
3014.592
8.140
10
6451
19986.852
-13535.9
11003.977
13535.9
40667.228
4066.723
2.706
11
10628
8644.457
1983.54
12987.52
1983.54
42650.768
3877.343
3.350
12
9736
9437.4941
298.506
13286.025
298.506
42949.274
3579.106
3.712
133 13
11573
9041.3799
2531.62
15817.646
2531.62
45480.894
3498.53
4.521
14
12853
10953.006
1899.99
17717.639
1899.99
47380.884
3384.349
5.235
15
17346
12865.911
4480.09
22197.728
4480.09
51860.974
3457.398
6.420
16
19566
17833.91
1732.09
23929.818
1732.09
53593.064
3349.567
7.144
17
15899
21173.932
-5274.93
18654.886
5274.93
58867.994
3462.823
5.387
18
18819
17939.954
879.046
19533.932
879.046
59747.04
3319.28
5.885
19
18782
19541.222
-759.222
18774.71
759.222
60506.262
3184.54
5.896
20
23174
19723.983
3450.02
22224.727
3450.02
63956.282
3197.814
6.950
21
19140
23926.178
-4786.18
17438.55
4786.18
68742.462
3273.451
5.327
22
5836
20754.682
-14918.7
2519.8679
14918.7
83661.162
3802.78
0.663
23
11830
6254.1374
5575.86
8095.7304
5575.86
89237.022
3879.871
2.087
24
9232
8518.467
713.533
8809.2635
713.533
89950.555
3747.94
2.350
25
7614
7314.4326
299.567
9108.8309
299.567
90250.122
3610.005
2.523
26
7921
5874.8159
2046.18
11155.015
2046.18
92296.302
3549.858
3.142
27
8821
6256.7077
2564.29
13719.307
2564.29
94860.592
3513.355
3.905
28
12369
7668.2537
4700.75
18420.054
4700.75
99561.342
3555.762
5.180
29
12796
11857.327
938.673
19358.727
938.673
100500.02
3465.518
5.586
30
14348
13459.513
888.487
20247.213
888.487
101388.5
3379.617
5.991
31
18213
15246.182
2966.82
23214.032
2966.82
104355.32
3366.301
6.896
32
24050
19333.303
4716.7
27930.728
4716.7
109072.02
3408.501
8.194
33
11578
25912.008
-14334
13596.72
14334
123406.02
3739.576
3.636
Sumber: Hasil Pengolahan Penulis MSE=
N
Σ e i2 i=1
N = (944010267.6 / 33) = 28606371.75 Tabel 3.31 Perhitungan Tracking Signal untuk Metode Siklis i
Peramala n Fi
ei=xi-Fi
RSFE
|ei|=|xi-Fi|
Cumm. |ei|
MAD
TS
1
Penjua lan xi 7883
10525.578
-2642.578
-2642.578
2642.578
2642.578
2642.578
-1.000
2
5937
10496.867
-4559.867
-7202.445
4559.867
7202.445
3601.223
-2.000
3
9660
10552.882
-892.8819
-8095.327
892.8819
8095.3269
2698.442
-3.000
4
7923
10691.597
-2768.597
-10863.92
2768.597
10863.924
2715.981
-4.000
5
8322
10908
-2586
-13449.92
2586
13449.924
2689.985
-5.000
134 6
10268
11194.269
-926.2685
-14376.19
926.2685
14376.192
2396.032
-6.000
7
11299
11540.056
-241.0564
-14617.25
241.0564
14617.249
2088.178
-7.000
8
15646
11932.866
3713.134
-10904.12
3713.134
18330.383
2291.298
-4.759
9
18242
12358.5
5883.4999
-5020.615
5883.4999
24213.883
2690.431
-1.866
10
6451
12801.575
-6350.575
-11371.19
6350.575
30564.458
3056.446
-3.720
11
10628
13246.077
-2618.077
-13989.27
2618.077
33182.535
3016.594
-4.637
12
9736
13675.941
-3939.941
-17929.21
3939.941
37122.476
3093.54
-5.796
13
11573
14075.63
-2502.63
-20431.84
2502.63
39625.106
3048.085
-6.703
14
12853
14430.699
-1577.699
-22009.54
1577.699
41202.805
2943.057
-7.478
15
17346
14728.314
2617.686
-19391.85
2617.686
43820.491
2921.366
-6.638
16
19566
14957.719
4608.2813
-14783.57
4608.2813
48428.772
3026.798
-4.884
17
15899
15110.622
788.37816
-13995.19
788.37816
49217.15
2895.126
-4.834
18
18819
15181.497
3637.5028
-10357.69
3637.5028
52854.653
2936.37
-3.527
19
18782
15167.783
3614.217
-6743.473
3614.217
56468.87
2972.046
-2.269
20
23174
15069.975
8104.0249
1360.5514
8104.0249
64572.895
3228.645
0.421
21
19140
14891.608
4248.3916
5608.9431
4248.3916
68821.286
3277.204
1.712
22
5836
14639.13
-8803.13
-3194.186
8803.13
77624.416
3528.383
-0.905
23
11830
14321.664
-2491.664
-5685.85
2491.664
80116.08
3483.308
-1.632
24
9232
13950.685
-4718.685
-10404.54
4718.685
84834.765
3534.782
-2.943
25
7614
13539.602
-5925.602
-16330.14
5925.602
90760.367
3630.415
-4.498
26
7921
13103.272
-5182.272
-21512.41
5182.272
95942.639
3690.102
-5.830
27
8821
12657.464
-3836.464
-25348.87
3836.464
99779.103
3695.522
-6.859
28
12369
12218.293
150.70734
-25198.17
150.70734
99929.811
3568.922
-7.060
29
12796
11801.629
994.37055
-24203.8
994.37055
100924.18
3480.144
-6.955
30
14348
11422.534
2925.466
-21278.33
2925.466
103849.65
3461.655
-6.147
31
18213
11094.708
7118.2922
-14160.04
7118.2922
110967.94
3579.611
-3.956
32
24050
10829.999
13220.001
-940.037
13220.001
124187.94
3880.873
-0.242
33
11578
10637.976
940.024
-0.013
940.024
125127.96
3791.757
-0.000
Sumber: Hasil Pengolahan Penulis MSE=
N
Σ e i2 i=1
N = (720980682.4 / 33) = 21847899.47
135
Kemeja Resmi
Tracking Signal
15 10
Regresi Linier Regresi Kuadratis
5
Double Moving
0 -5
1
4
7
10 13 16 19 22 25 28 31
Double Exponential Siklis
-10 Periode
Sumber: Hasil Pengolahan Penulis Gambar 3.4 Grafik Perbandingan Tracking Signal Kemeja Resmi Kemeja Resmi
1500000000 1000000000
Regresi Linear Regresi Kuadratis Double Moving
MSE 500000000
Double Exponential Sikllis
0
Sumber: Hasil Pengolahan Penulis Gambar 3.5 Grafik Perbandingan MSE Peramalan Penjualan Kemeja Resmi Oleh karena itu, dapat dikatakan bahwa dari 5 metode, antara lain metode Regresi Linear, metode Regresi Kuadratis, metode Moving Average, metode Double Exponential Smoothing, dan metode Siklis, ternyata MSE yang terkecil adalah metode Regresi Kuadratis, sehingga persamaan yang digunakan dalam peramalan adalah
136 Y(t) = a + bt + ct2 Y(t) = 7107.323+ 661.715t– 14.527t2 Dalam persamaan tersebut dapat diartikan bahwa penjualan kemeja resmi setelah di hitung secara keseluruhan untuk periode bulan Oktober 2009 sampai dengan Februari 2010 adalah sebesar 60365 unit. Angka ramalan perkiraan volume penjualan ini dapat dipakai sebagai dasar perencanaan tahunan yang bersangkutan apabila faktor faktor yang mempengaruhinya relatif konsisten atau diasumsikan kondisinya sama dari periode ke periode. 3.4.2.2 Tracking Signal kemeja karet Penghitungan di sini digunakan untuk mencari kesalahan (error). Pada kasus ini saya menggunakan metode MSE. Peramalan yang dipilih yaitu peramalan dengan MSE yang kecil.
Tabel 3.32 Perhitungan Tracking Signal untuk Metode Regresi Linier i
Peramalan Fi
ei=xi-Fi
RSFE
|ei|=|xi-Fi|
Cumm. |ei|
MAD
TS
1
Penjua lan xi 3379
4352.713
-973.713
-973.713
973.713
973.713
973.713
-1.000
2
2545
4424.623
-1879.623
-2853.336
1879.623
2853.336
1426.668
-2.000
3
4140
4496.533
-356.533
-3209.869
356.533
3209.869
1069.956
-3.000
4
3395
4568.443
-1173.443
-4383.312
1173.443
4383.312
1095.828
-4.000
5
3566
4640.353
-1074.353
-5457.665
1074.353
5457.665
1091.533
-5.000
6
4400
4712.263
-312.263
-5769.928
312.263
5769.928
961.6547
-6.000
7
4842
4784.173
57.827
-5712.101
57.827
5827.755
832.5364
-6.861
8
6706
4856.083
1849.917
-3862.184
1849.917
7677.672
959.709
-4.024
9
7818
4927.993
2890.007
-972.177
2890.007
10567.679
1174.187
-0.828
10
2765
4999.903
-2234.903
-3207.08
2234.903
12802.582
1280.258
-2.505
11
4555
5071.813
-516.813
-3723.893
516.813
13319.395
1210.854
-3.075
12
4173
5143.723
-970.723
-4694.616
970.723
14290.118
1190.843
-3.942
137 13
4960
5215.633
-255.633
-4950.249
255.633
14545.751
1118.904
-4.424
14
5508
5287.543
220.457
-4729.792
220.457
14766.208
1054.729
-4.484
15
7434
5359.453
2074.547
-2655.245
2074.547
16840.755
1122.717
-2.365
16
8386
5431.363
2954.637
299.392
2954.637
19795.392
1237.212
0.242
17
6814
5503.273
1310.727
1610.119
1310.727
21106.119
1241.536
1.297
18
8065
5575.183
2489.817
4099.936
2489.817
23595.936
1310.885
3.128
19
8050
5647.093
2402.907
6502.843
2402.907
25998.843
1368.36
4.752
20
9931
5719.003
4211.997
10714.84
4211.997
30210.84
1510.542
7.093
21
8203
5790.913
2412.087
13126.927
2412.087
32622.927
1553.473
8.450
22
2501
5862.823
-3361.823
9765.104
3361.823
35984.75
1635.67
5.970
23
5070
5934.733
-864.733
8900.371
864.733
36849.483
1602.151
5.555
24
3957
6006.643
-2049.643
6850.728
2049.643
38899.126
1620.797
4.227
25
3263
6078.553
-2815.553
4035.175
2815.553
41714.679
1668.587
2.418
26
3394
6150.463
-2756.463
1278.712
2756.463
44471.142
1710.429
0.748
27
3780
6222.373
-2442.373
-1163.661
2442.373
46913.515
1737.538
-0.670
28
5301
6294.283
-993.283
-2156.944
993.283
47906.798
1710.957
-1.261
29
5484
6366.193
-882.193
-3039.137
882.193
48788.991
1682.379
-1.806
30
6149
6438.103
-289.103
-3328.24
289.103
49078.094
1635.936
-2.034
31
7805
6510.013
1294.987
-2033.253
1294.987
50373.081
1624.938
-1.251
32
10307
6581.923
3725.077
1691.824
3725.077
54098.158
1690.567
1.001
33
4962
6653.833
-1691.833
-0.009
1691.833
55789.991
1690.606
-0.000
Sumber: Hasil Pengolahan Penulis MSE=
N
Σ e i2 i=1
= (133621818.4 / 33) = 4049146.012
N Tabel 3.33 Perhitungan Tracking Signal untuk Metode Regresi Kuadratis i
Peramalan Fi
ei=xi-Fi
RSFE
|ei|=|xi-Fi|
Cumm. |ei|
MAD
TS
1
Penjua lan xi 3379
3323.283
55.717
55.717
55.717
55.717
55.717
1.000
2
2545
3588.203
-1043.203
-987.486
1043.203
1098.92
549.46
-1.797
3
4140
3840.671
299.329
-688.157
299.329
1398.249
466.083
-1.476
4
3395
4080.687
-685.687
-1373.844
685.687
2083.936
520.984
-2.637
5
3566
4308.251
-742.251
-2116.095
742.251
2826.187
565.2374
-3.744
6
4400
4523.363
-123.363
-2239.458
123.363
2949.55
491.5917
-4.556
7
4842
4726.023
115.977
-2123.481
115.977
3065.527
437.9324
-4.849
138 8
6706
4916.231
1789.769
-333.712
1789.769
4855.296
606.912
-0.550
9
7818
5093.987
2724.013
2390.301
2724.013
7579.309
842.1454
2.838
10
2765
5259.291
-2494.291
-103.99
2494.291
10073.6
1007.36
-0.103
11
4555
5412.143
-857.143
-961.133
857.143
10930.743
993.7039
-0.967
12
4173
5552.543
-1379.543
-2340.676
1379.543
12310.286
1025.857
-2.282
13
4960
5680.491
-720.491
-3061.167
720.491
13030.777
1002.367
-3.054
14
5508
5795.987
-287.987
-3349.154
287.987
13318.764
951.3403
-3.520
15
7434
5899.031
1534.969
-1814.185
1534.969
14853.733
990.2489
-1.832
16
8386
5989.623
2396.377
582.192
2396.377
17250.11
1078.132
0.540
17
6814
6067.763
746.237
1328.429
746.237
17996.347
1058.609
1.255
18
8065
6133.451
1931.549
3259.978
1931.549
19927.896
1107.105
2.945
19
8050
6186.687
1863.313
5123.291
1863.313
21791.209
1146.906
4.467
20
9931
6227.471
3703.529
8826.82
3703.529
25494.738
1274.737
6.924
21
8203
6255.803
1947.197
10774.017
1947.197
27441.935
1306.759
8.245
22
2501
6271.683
-3770.683
7003.334
3770.683
31212.618
1418.755
4.936
23
5070
6275.111
-1205.111
5798.223
1205.111
32417.729
1409.466
4.114
24
3957
6266.087
-2309.087
3489.136
2309.087
34726.816
1446.951
2.411
25
3263
6244.611
-2981.611
507.525
2981.611
37708.427
1508.337
0.337
26
3394
6210.683
-2816.683
-2309.158
2816.683
40525.11
1558.658
-1.482
27
3780
6164.303
-2384.303
-4693.461
2384.303
42909.413
1589.238
-2.953
28
5301
6105.471
-804.471
-5497.932
804.471
43713.884
1561.21
-3.522
29
5484
6034.187
-550.187
-6048.119
550.187
44264.071
1526.347
-3.962
30
6149
5950.451
198.549
-5849.57
198.549
44462.62
1482.087
-3.947
31
7805
5854.263
1950.737
-3898.833
1950.737
46413.357
1497.205
-2.604
32
10307
5745.623
4561.377
662.544
4561.377
50974.734
1592.96
0.4159
33
4962
5624.531
-662.531
0.013
662.531
51637.265
1564.766
0.000
Sumber: Hasil Pengolahan Penulis MSE=
N
Σ e i2 i=1
= (125232390.6/ 33) = 3794920.927
N Tabel 3.34 Perhitungan Tracking Signal untuk Metode Double Moving Average i
Penjualan Peramalan xi Fi
ei=xi-Fi
RSFE
|ei|=|xiFi|
Cumm. |ei|
MAD
TS
1
3379
0
3379
3379
3379
3379
3379
1.000
2
2545
0
2545
5924
2545
5924
2962
2.000
3
4140
0
4140
10064
4140
10064
3354.667
3.000
139 4
3395
0
3395
13459
3395
13459
3364.75
4.000
5
3566
0
3566
17025
3566
17025
3405
5.000
6
4400
0
4400
21425
4400
21425
3570.833
6.000
7
4842
0
4842
26267
4842
26267
3752.429
7.000
8
6706
4676.063
2029.938
28296.938
2029.938
28296.938
3537.117
8.000
9
7818
6252.667
1565.333
29862.271
1565.333
29862.271
3318.03
9.000
10
2765
8033.167
-5268.167
24594.104
5268.167
35130.438
3513.044
7.001
11
4555
6252.542
-1697.542
22896.563
1697.542
36827.98
3347.998
6.839
12
4173
5473.604
-1300.604
21595.958
1300.604
38128.584
3177.382
6.797
13
4960
3806.083
1153.917
22749.875
1153.917
39282.501
3021.731
7.529
14
5508
2662.521
2845.479
25595.354
2845.479
42127.98
3009.141
8.506
15
7434
4796.917
2637.083
28232.438
2637.083
44765.063
2984.338
9.460
16
8386
6692.188
1693.813
29926.25
1693.813
46458.876
2903.68
10.306
17
6814
8774.083
-1960.083
27966.167
1960.083
48418.959
2848.174
9.819
18
8065
8792.479
-727.4792
27238.688
727.4792
49146.438
2730.358
9.976
19
8050
9298.917
-1248.917
25989.771
1248.917
50395.355
2652.387
9.799
20
9931
8747.083
1183.917
27173.688
1183.917
51579.272
2578.964
10.537
21
8203
9092.5
-889.5
26284.188
889.5
52468.772
2498.513
10.520
22
2501
9382.354
-6881.354
19402.833
6881.354
59350.126
2697.733
7.192
23
5070
5882.813
-812.8125
18590.021
812.8125
60162.939
2615.78
7.107
24
3957
4480.521
-523.5208
18066.5
523.5208
60686.46
2528.602
7.145
25
3263
1865.458
1397.542
19464.042
1397.542
62084.002
2483.36
7.838
26
3394
599
2795
22259.042
2795
64879.002
2495.346
8.920
27
3780
2548.604
1231.396
23490.438
1231.396
66110.398
2448.533
9.594
28
5301
2866.833
2434.167
25924.604
2434.167
68544.565
2448.02
10.590
29
5484
4178.771
1305.229
27229.833
1305.229
69849.794
2408.614
11.305
30
6149
5329.438
819.5625
28049.396
819.5625
70669.356
2355.645
11.907
31
7805
6642.146
1162.854
29212.25
1162.854
71832.21
2317.168
12.607
32
10307
8247.875
2059.125
31271.375
2059.125
73891.335
2309.104
13.543
33
4962
10126.15
-5164.146
26107.229
5164.146
79055.481
2395.621
10.898
Sumber: Hasil Pengolahan Penulis MSE=
N
Σ e i2 i=1
N
= (268484981.5 / 33) = 8135908.53
140 Tabel 3.35 Perhitungan Tracking Signal untuk Metode Double Exponential Smoothing i
Peramalan Fi
ei=xi-Fi
RSFE
|ei|=|xi-Fi|
Cumm. |ei|
MAD
TS
1
Penjua lan xi 3379
0
3379
3379
3379
3379
3379
1.000
2
2545
0
2545
5924
2545
5924
2962
2.000
3
4140
2545
1595
7519
1595
7519
2506.333
3.000
4
3395
3931.5
-536.5
6982.5
536.5
8055.5
2013.875
3.467
5
3566
3585.25
-19.25
6963.25
19.25
8074.75
1614.95
4.312
6
4400
3622.125
777.875
7741.125
777.875
8852.625
1475.438
5.247
7
4842
4451.3125
390.688
8131.8125
390.688
9243.313
1320.473
6.158
8
6706
5087.7813
1618.22
9750.0313
1618.22
10861.533
1357.692
7.181
9
7818
7049.4531
768.547
10518.578
768.547
11630.08
1292.231
8.140
10
2765
8566.0078
-5801.01
4717.5703
5801.01
17431.09
1743.109
2.706
11
4555
3705.1445
849.855
5567.4258
849.855
18280.945
1661.904
3.35
12
4173
4044.8926
128.107
5695.5332
128.107
18409.052
1534.088
3.713
13
4960
3875.3564
1084.64
6780.1768
1084.64
19493.692
1499.515
4.522
14
5508
4694.3833
813.617
7593.7935
813.617
20307.309
1450.522
5.235
15
7434
5513.5442
1920.46
9514.2493
1920.46
22227.769
1481.851
6.421
16
8386
7642.9484
743.052
10257.301
743.052
22970.821
1435.676
7.145
17
6814
9075.0623
-2261.06
7996.2386
2261.06
25231.881
1484.228
5.387
18
8065
7688.8252
376.175
8372.4134
376.175
25608.056
1422.67
5.885
19
8050
8374.5596
-324.56
8047.8537
324.56
25932.616
1364.875
5.896
20
9931
8453.6033
1477.4
9525.2504
1477.4
27410.016
1370.501
6.95
21
8203
10253.463
-2050.46
7474.7869
2050.46
29460.476
1402.88
5.328
22
2501
8894.8126
-6393.81
1080.9744
6393.81
35854.286
1629.74
0.663
23
5070
2680.1967
2389.8
3470.7776
2389.8
38244.086
1662.786
2.087
24
3957
3650.7436
306.256
3777.034
306.256
38550.342
1606.264
2.351
25
3263
3135.1944
127.806
3904.8396
127.806
38678.148
1547.126
2.524
26
3394
2517.7585
876.241
4781.0811
876.241
39554.389
1521.323
3.143
27
3780
2680.7099
1099.29
5880.3712
1099.29
40653.679
1505.692
3.905
28
5301
3285.7703
2015.23
7895.6009
2015.23
42668.909
1523.89
5.181
29
5484
5081.5928
402.407
8298.0081
402.407
43071.316
1485.218
5.587
30
6149
5768.4002
380.6
8678.6079
380.6
43451.916
1448.397
5.992
31
7805
6534.002
1271
9949.6059
1271
44722.916
1442.675
6.897
141 32
10307
8285.152
2021.85
11971.454
2021.85
46744.766
1460.774
8.195
33
4962
11104.901
-6142.9
5828.5524
6142.9
52887.666
1602.657
3.637
Sumber: Hasil Pengolahan Penulis MSE=
N
Σ e i2 i=1
= (173394170.7/ 33) = 5254368.808
N Tabel 3.36 Perhitungan Tracking Signal untuk Metode Siklis i
Peramala n Fi
ei=xi-Fi
RSFE
|ei|=|xi-Fi|
Cumm. |ei|
MAD
TS
1
Penjua lan xi 3379
4510.833
-1131.833
-1131.833
1131.833
1131.833
1131.833
-1.000
2
2545
4498.546
-1953.546
-3085.379
1953.546
3085.379
1542.69
-2.000
3
4140
4522.574
-382.5737
-3467.953
382.5737
3467.9527
1155.984
-3.000
4
3395
4582.046
-1187.046
-4654.999
1187.046
4654.9987
1163.75
-4.000
5
3566
4674.814
-1108.814
-5763.813
1108.814
5763.8127
1152.763
-5.000
6
4400
4797.525
-397.5245
-6161.337
397.5245
6161.3372
1026.89
-6.000
7
4842
4945.743
-103.7427
-6265.08
103.7427
6265.0799
895.0114
-7.000
8
6706
5114.111
1591.8886
-4673.191
1591.8886
7856.9685
982.1211
-4.758
9
7818
5296.546
2521.4545
-2151.737
2521.4545
10378.423
1153.158
-1.866
10
2765
5486.451
-2721.451
-4873.188
2721.451
13099.874
1309.987
-3.72
11
4555
5676.965
-1121.965
-5995.153
1121.965
14221.839
1292.894
-4.637
12
4173
5861.201
-1688.201
-7683.354
1688.201
15910.04
1325.837
-5.795
13
4960
6032.501
-1072.501
-8755.855
1072.501
16982.541
1306.349
-6.703
14
5508
6184.672
-676.6725
-9432.527
676.6725
17659.214
1261.372
-7.478
15
7434
6312.217
1121.7831
-8310.744
1121.7831
18780.997
1252.066
-6.638
16
8386
6410.524
1975.4761
-6335.268
1975.4761
20756.473
1297.28
-4.884
17
6814
6476.041
337.95949
-5997.308
337.95949
21094.432
1240.849
-4.833
18
8065
6506.399
1558.6012
-4438.707
1558.6012
22653.033
1258.502
-3.527
19
8050
6500.501
1549.4985
-2889.209
1549.4985
24202.532
1273.817
-2.268
20
9931
6458.562
3472.4383
583.22958
3472.4383
27674.97
1383.749
0.421
21
8203
6382.095
1820.9047
2404.1342
1820.9047
29495.875
1404.565
1.712
22
2501
6273.866
-3772.866
-1368.732
3772.866
33268.741
1512.215
-0.905
23
5070
6137.785
-1067.785
-2436.517
1067.785
34336.526
1492.892
-1.632
24
3957
5978.772
-2021.772
-4458.289
2021.772
36358.298
1514.929
-2.943
142 25
3263
5802.573
-2539.573
-6997.862
2539.573
38897.871
1555.915
-4.498
26
3394
5615.556
-2221.556
-9219.418
2221.556
41119.427
1581.516
-5.829
27
3780
5424.481
-1644.481
-10863.9
1644.481
42763.908
1583.848
-6.859
28
5301
5236.254
64.74606
-10799.15
64.74606
42828.654
1529.595
-7.06
29
5484
5057.678
426.32248
-10372.83
426.32248
43254.976
1491.551
-6.954
30
6149
4895.206
1253.7939
-9119.037
1253.7939
44508.77
1483.626
-6.146
31
7805
4754.712
3050.2882
-6068.749
3050.2882
47559.059
1534.163
-3.956
32
10307
4641.272
5665.7276
-403.021
5665.7276
53224.786
1663.275
-0.242
33
4962
4558.988
403.012
-0.009
403.012
53627.798
1625.085
-0.000
Sumber: Hasil Pengolahan Penulis N
Σ e i2 i=1
= (132421414.4/ 33) = 4012770.133
N
Kemeja Karet 15 Tracking Signal
MSE=
10
Regresi Linear Regresi Kuadratis
5
Double Moving 0 -5
1
4
7 10 13 16 19 22 25 28 31
Double Exponential Siklis
-10 Periode
Sumber: Hasil Pengolahan Penulis Gambar 3.6 Grafik Perbandingan Tracking Signal Kemeja Karet
143
Kemeja Karet
300000000 250000000 200000000 MSE 150000000 100000000 50000000 0
Regresi Linear Regresi Kuadratis Double Moving Double Exponential Siklis
Sumber: Hasil Pengolahan Penulis Gambar 3.7 Grafik Perbandingan MSE Peramalan Penjualan Kemeja Karet Oleh karena itu, dapat dikatakan bahwa dari 5 metode, antara lain metode Regresi Linear, metode Regresi Kuadratis, metode Moving Average, metode Double Exponential Smoothing, dan metode Siklis, ternyata MSE yang terkecil adalah metode Regresi Kuadratis, sehingga persamaan yang digunakan dalam peramalan adalah Y(t) = a + bt + ct2 Y(t) = 3045.911+ 283.598t– 6.226t2 Dalam persamaan tersebut dapat diartikan bahwa penjualan kemeja karet setelah di hitung secara keseluruhan untuk periode bulan Oktober 2009 sampai dengan Februari 2010 adalah sebesar 25871 unit. Angka ramalan perkiraan volume penjualan ini dapat dipakai sebagai dasar perencanaan tahunan yang bersangkutan apabila faktor faktor yang mempengaruhinya relatif konsisten atau diasumsikan kondisinya sama dari periode ke periode.
144 3.4.3. Penghitungan EOQ (Economic Order Quantity ) dan ROP (Reorder Point) Perhitungan EOQ dan ROP untuk bahan baku, subassembly, dan hasil assembly dari masing-masing produk.
a. Kain Periode ke-10 Perkiraan permintaan pada periode ke-10 = 18303 buah unit Hari Kerja per periode = 27 Hari Penggunaan bahan baku satu unit = 1,4 Yard Penggunaan bahan baku untuk periode ke-10 = 1,4 X 18303 = 25624,2 Yard • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 25624,2 × 13612 2.6 Q = 16380 Yard • ROP (Reorder Point) ROP = d× L
145 d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 18303 27 = 677,89 Yard ROP = 677,89 × 3 = 2033,67 Yard Periode ke-11 Perkiraan permintaan pada periode ke-11 = 17817 buah unit Hari Kerja per periode = 24 Hari Penggunaan bahan baku satu unit = 1,4 Yard Penggunaan bahan baku untuk periode ke-10 = 1,4 X 17817 = 24943,8 Yard • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan
146 S = Biaya pemesanan H = Biaya penyimpanan 2 × 24943,8 × 32274 2.6 Q = 24885 Yard • ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 24943,8 24 = 1039,33 Yard ROP = 1039,33 × 3 = 3117,99 Yard Periode ke-12 Perkiraan permintaan pada periode ke-12 = 17289 buah unit Hari Kerja per periode = 22 Hari Penggunaan bahan baku satu unit = 1,4 Yard
147 Penggunaan bahan baku untuk periode ke-10 = 1,4 X 17289 = 24204,6 Yard • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 24204,6 × 31404 2.6 Q = 24180,8 Yard
• ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode
148 d = 24204,6 22 = 1100,21 Yard ROP = 1100,21 × 3 = 3300,63 Yard Periode ke-1 Perkiraan permintaan pada periode ke-1 = 16719 buah unit Hari Kerja per periode = 24 Hari Penggunaan bahan baku satu unit = 1,4 Yard Penggunaan bahan baku untuk periode ke-1 = 1,4 X 16719 = 23406,6 Yard • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 23406,6 × 30403 2.6 Q = 23396,8 Yard • ROP (Reorder Point) ROP = d× L
149 d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 23406,6 24 = 975,275 Yard ROP = 975,275 × 3 = 2925,83 Yard Periode ke-2 Perkiraan permintaan pada periode ke-2 = 16108 buah unit Hari Kerja per periode = 22 Hari Penggunaan bahan baku satu unit = 1,4 Yard Penggunaan bahan baku untuk periode ke-2 = 1,4 X 16108 = 22551,2 Yard • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan
150 S = Biaya pemesanan H = Biaya penyimpanan 2 × 22551,2 × 29309 2.6 Q = 22548,4 Yard • ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 22551,2 22 = 1025,05 Yard ROP = 1025,05 × 3 = 3075,15 Yard
151 Tabel 3.37 Tabel Perhitungan EOQ dan ROP Kain Periode
EOQ
ROP
10
16380
2033,67
11
24885
3117,99
12
24180,8
3300,63
1
23396,8
2925,83
2
22548,4
3075,15
Sumber: Hasil Pengolahan Penulis
b. Benang Periode ke-10 Perkiraan permintaan pada periode ke-10 = 18303 buah unit Hari Kerja per periode = 27 Hari Penggunaan bahan baku satu unit = 0,909 Yard Penggunaan bahan baku untuk periode ke-10 = 0,909 X 18303 = 16637,43 Yard • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan
152
2 × 16637,43 × 4079 1,2 Q = 10635,3 Yard • ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 16637,43 27 = 616,2 Yard ROP = 616,2 × 1 = 616,2 Yard Periode ke-11 Perkiraan permintaan pada periode ke-11 = 17817 buah unit Hari Kerja per periode = 24 Hari Penggunaan bahan baku satu unit = 0,909 Yard Penggunaan bahan baku untuk periode ke-11 = 0,909 X 17817 = 16195,65 Yard
153 • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 16195,65 × 9672 1,2 Q = 16157,475 Yard • ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 16195,65 24
154 = 674,819 Yard ROP = 674,819 × 1 = 674,819 Yard Periode ke-12 Perkiraan permintaan pada periode ke-12 = 17289 buah unit Hari Kerja per periode = 22 Hari Penggunaan bahan baku satu unit = 0,909 Yard Penggunaan bahan baku untuk periode ke-12 = 0,909 X 17289 = 15715,701 Yard • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 15715,701 × 9411 1,2 Q = 15700,248 Yard
• ROP (Reorder Point) ROP = d× L d=D h
155 Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 15715,701 22 = 714,35 Yard ROP = 714,35 × 1 = 714,35 Yard Periode ke-1 Perkiraan permintaan pada periode ke-1 = 16719 buah unit Hari Kerja per periode = 24 Hari Penggunaan bahan baku satu unit = 0,909 Yard Penggunaan bahan baku untuk periode ke-1 = 0,909 X 16719 = 15197,571 Yard • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan
156 H = Biaya penyimpanan 2 × 15197,571 × 9111 1,2 Q = 15191,208 Yard • ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 15197,571 24 = 633,232 Yard
ROP = 633,232 × 1 = 633,232 Yard Periode ke-2 Perkiraan permintaan pada periode ke-2 = 16108 buah unit Hari Kerja per periode = 22 Hari Penggunaan bahan baku satu unit = 0,909 Yard
157 Penggunaan bahan baku untuk periode ke-2 = 0,909 X 16108 = 14642,172 Yard • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 14642,172 × 8783 1,2 Q = 14640,354 Yard • ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode
158 d = 14642,172 22 = 665,553 Yard ROP = 665,553 × 1 = 665,553 Yard Tabel 3.38 Tabel Perhitungan EOQ dan ROP Benang Periode
EOQ
ROP
10
10635,3
616,2
11
16157,475
674,819
12
15700,248
714,35
1
15191,208
633,232
2
14640,354
665,553
Sumber: Hasil Pengolahan Penulis
c. Kancing Periode ke-10 Perkiraan permintaan pada periode ke-10 = 18303 buah unit Hari Kerja per periode = 27 Hari Penggunaan bahan baku satu unit = 0,055 Gross Penggunaan bahan baku untuk periode ke-10 = 0,055 X 18303 = 1006,665 Gross • EOQ (Economic Order Quantity)
159 Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 1006,665 × 230 1,12 Q = 643,5 Gross • ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 1006,665 27 = 37,28 Gross ROP = 37,28 × 1 = 37,28 Gross
160 Periode ke-11 Perkiraan permintaan pada periode ke-11 = 17817 buah unit Hari Kerja per periode = 24 Hari Penggunaan bahan baku satu unit = 0,055 Gross Penggunaan bahan baku untuk periode ke-10 = 0,055 X 17817 = 979,935 Gross • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 979,935 × 546 1,12 Q = 977,625 Gross • ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari
161 L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 979,935 24 = 40,830 Gross ROP = 40,830 × 1 = 40,830 Gross Periode ke-12 Perkiraan permintaan pada periode ke-12 = 17289 buah unit Hari Kerja per periode = 22 Hari Penggunaan bahan baku satu unit = 0,055 Gross Penggunaan bahan baku untuk periode ke-10 = 0,055 X 17289 = 950,895 Gross • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 950,895 × 531 1,12 Q = 949,96 Gross
162 • ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 950,895 22 = 43,22 Gross ROP = 43,22 × 1 = 43,22 Gross Periode ke-1 Perkiraan permintaan pada periode ke-1 = 16719 buah unit Hari Kerja per periode = 24 Hari Penggunaan bahan baku satu unit = 0,055 Gross Penggunaan bahan baku untuk periode ke-1 = 0,055 X 16719 = 919,54 Gross • EOQ (Economic Order Quantity)
163 Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 919,54 × 515 1,12 Q = 919,16 Gross • ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 919,54 24 = 38,314 Gross ROP = 38,314 × 1 = 38,314 Gross
164 Periode ke-2 Perkiraan permintaan pada periode ke-2 = 16108 buah unit Hari Kerja per periode = 22 Hari Penggunaan bahan baku satu unit = 0,055 Gross Penggunaan bahan baku untuk periode ke-2 = 0,055 X 16108 = 885,94 Gross • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 885,94 × 496 1,12 Q = 885,83 Gross • ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari
165 L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 885,94 22 = 40,27 Gross ROP = 40,27 × 1 = 40,27 Gross Tabel 3.39 Tabel Perhitungan EOQ dan ROP Kancing Periode
EOQ
ROP
10
643,5
37,28
11
977,625
40,830
12
949,96
43,22
1
919,16
38,314
2
885,83
40,27
Sumber: Hasil Pengolahan Penulis
d. Karet Periode ke-10 Perkiraan permintaan pada periode ke-10 = 5491 buah unit Hari Kerja per periode = 27 Hari Penggunaan bahan baku satu unit = 1,2 Yard Penggunaan bahan baku untuk periode ke-10 = 1,2 X 5491 = 6589,2 Yard
166 • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 6589,2 × 2217 1,18 Q = 4976,4 Yard • ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 6589,2 27
167 = 244,04 Yard ROP = 244,04 × 1 = 244,04 Yard Periode ke-11 Perkiraan permintaan pada periode ke-11 = 5345 buah unit Hari Kerja per periode = 24 Hari Penggunaan bahan baku satu unit = 1,2 Yard Penggunaan bahan baku untuk periode ke-11 = 1,2 X 5345 = 6414 Yard • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 6414× 3877 1,18 Q = 6492 Yard • ROP (Reorder Point) ROP = d× L d=D h
168 Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 6414 24 = 267,25 Yard ROP = 267,25 × 1 = 267,25 Yard Periode ke-12 Perkiraan permintaan pada periode ke-12 = 5187 buah unit Hari Kerja per periode = 22 Hari Penggunaan bahan baku satu unit = 1,2 Yard Penggunaan bahan baku untuk periode ke-10 = 1,2 X 5187 = 6224,4 Yard • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan
169 2 × 6224,4 × 3711 1,18 Q = 6256,8 Yard • ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 6224,4 22 = 282,93 Yard ROP = 282,93 × 1 = 282,93 Yard Periode ke-1 Perkiraan permintaan pada periode ke-1 = 5016 buah unit Hari Kerja per periode = 24 Hari Penggunaan bahan baku satu unit = 1,2 Yard Penggunaan bahan baku untuk periode ke-1 = 1,2 X 5016 = 6019,2 Yard
170 • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 6019,2 × 3567 1,18 Q = 6032,4 Yard • ROP (Reorder Point) ROP = d× L d=D h Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 6019,2 24
171 = 250,8 Yard ROP = 250,8 × 1 = 250,8 Yard Periode ke-2 Perkiraan permintaan pada periode ke-2 = 4832 buah unit Hari Kerja per periode = 22 Hari Penggunaan bahan baku satu unit = 1,2 Yard Penggunaan bahan baku untuk periode ke-2 = 1,2 X 4832 = 5798,4 Yard • EOQ (Economic Order Quantity)
Dimana : Q = Jumlah optimal barang per pesanan (EOQ) D = Permintaan S = Biaya pemesanan H = Biaya penyimpanan 2 × 5798,4 × 3428 1,18 Q = 5804,4 Yard • ROP (Reorder Point) ROP = d× L d=D h
172 Dimana : ROP = Titik pemesanan ulang (reorder point) d = Permintaan per hari L = Lead Time D = Permintaan satu periode h = Jumlah hari kerja satu periode d = 5798,4 22 = 263,56 Yard ROP = 263,56 × 1 = 263,56 Yard Tabel 3.40 Tabel Perhitungan EOQ dan ROP Karet Periode
EOQ
ROP
10
4976,4
244,04
11
6492
267,25
12
6256,8
282,93
1
6032,4
250,8
2
5804,4
263,56
Sumber: Hasil Pengolahan Penulis 3.4.4 Perhitungan MRP (Material Requirement Planning) 3.4.4.1. Perhitungan Agregat Dari hasil perhitungan Tracking Signal pada Tabel 3.28 dan Tabel 3.33 didapat peramalan terbaik yaitu Metode Regresi Kuadratis.
173 Tabel 3.41 Hasil Peramalan Terbaik Periode (Bulan)
Hasil Peramalan Produk Produk Kemeja Resmi Kemeja Karet (Produk A) (Produk B)
Jumlah Hari Kerja
(2009) 10
12812
5491
27
11
12472
5345
24
12
12102
5187
22
(2010) 1
11703
5016
24
2
11276
4832
22
Total
60365
25871
119 hari
W.Baku(jam)
6
10
Sumber: Hasil Pengolahan Penulis Diketahui: Persediaan awal produk A = 5000 unit Persediaan awal produk B = 1500 unit Total Persediaan awal
= 6500 unit
Data agregat pada CV. Orlena adalah sebagai berikut: Tenaga kerja sebanyak 175 orang. Waktu siklus 1 unit adalah 6 jam. Tiap harinya pekerja bekerja selama 8 jam. Biaya untuk merekrut satu pekerja baru adalah Rp. 1.500.000,00 dan biaya untuk memberhentikan satu pekerja adalah Rp. 1.000.000,00. Biaya persediaan untuk 1 unit per bulannya adalah Rp. 23.000,00. Biaya subkontrak untuk 1 unit adalah Rp. 30.000,00 sedangkan biaya kehilangan pelanggan tiap 1 unit adalah Rp. 70.000,00.
Upah straight-time pekerja tiap jam Rp. 3000,00 dan upah
overtime per jam Rp. 1500,00. Maksimum overtime adalah 2 jam per hari. Maksimum subkontrak produk adalah 15.000 unit/bulan. Biaya bahan baku Rp. 20.000,00. Langkah pengerjaan awal:
174 1. Tentukan faktor konversinya. Produk A memiliki total hasil peramalan terbesar, maka waktu baku produk A memiliki faktor konversi 1, sedangkan produk B memiliki faktor konversi= waktu baku produk B x faktor konversi A waktu baku produk A = 10 x 1 = 1.667 6 2. Setelah mendapatkan faktor konversinya, kemudian dilakukan perkalian hasil peramalan dengan faktor konversinya. Jika hasilnya berupa desimal, maka dilakukan pembulatan ke atas. Hasil konversi dapat dilihat pada Tabel 20. Tabel 3.42 Hasil Konversi Periode (Bulan)
Hasil Peramalan
Jumlah (satuan agregat)
Produk A
Produk B
(2009)10
12812
9152
21964
11
12472
8909
21381
12
12102
8645
20747
(2010) 1
11703
8360
20063
2
11276
8054
19330
Sumber: Hasil Pengolahan Penulis 3. Mengkonversikan persediaan awal ke dalam satuan agregat. Produk A = persediaan awal x faktor konversi = 5000 x 1= 5000 satuan agregat Produk B = persediaan awal x faktor konversi = 1500 x 1.667 = 2500 satuan agregat Jumlah
= 5000 + 2500 = 7500 satuan agregat
175 4. Selanjutnya, kurangkan jumlah hasil konversi bulan pertama dengan jumlah persediaan awal, sehingga didapatkan perkiraan demand dalam satuan agregat seperti pada Tabel 2. Tabel 3.43 Perkiraan Demand Periode
Jumlah
(Bulan)
(satuan agregat)
(2009)10
21964 – 7500 = 14464
11
21381
12
20747
(2010) 1
20063
2
19330
Sumber: Hasil Pengolahan Penulis
Safety stock
= 0.25 x perkiraan demand
Production requirement = (perkiraan demand + safety stock) – inventori awal Inventori akhir
= (inventori awal + safety stock) – perkiraan demand Tabel 3.44 Agregate Production Planning Requirements
Periode (Bulan) (2009) 10
Inventori Awal 7500
Perkiraan Demand 14464
Safety Stock 3616
Production Inventori Requirement Akhir 18080 11116
11
11116
21381
5345
15610
5345
12
5345
20747
5187
20589
5187
(2010) 1
5187
20063
5016
19892
5016
2
5016
19330
4833
19147
4833
Total Sumber: Hasil Pengolahan Penulis
93318
176 Menghitung perencanaan agregat dengan menggunakan beberapa alternatif: 1. Vary Work Force Production Hours Required = production requirement x waktu siklus Hours per Month per Worker = hari kerja per bulan x jam kerja per hari Workers Required
= production hours required : hours per month per worker
Hiring Cost
= new workers hired x biaya merekrut pekerja
Layoff cost
= workers laid off x biaya memberhentikan pekerja
Straight-Time Cost
= production hours required x upah straight-time pekerja
2. Vary Inventory and Stockout Production Hours Available = hari kerja per bulan x jumlah jam kerja per hari x 528 pekerja* * (jumlah production requirement x waktu siklus) : (jumlah hari kerja per bulan x jam kerja per hari)
Produksi Aktual
= production hours available : waktu siklus
Persediaan Akhir
= (persediaan awal + produksi aktual) – demand forecast
* jika bernilai positif, maka di Units Short bernilai 0, jika bernilai negatif, maka di Units Short mempositifkan nilai negative tersebut.
Shortage Cost
= units short x biaya kehilangan pelanggan per unit
Units Excess
= persediaan akhir – safety stock
* jika bernilai negatif, maka di Units Excess bernilai 0
Biaya Persediaan
= units excess x biaya inventori
Straight-Time Cost
= production hours available x upah straight-time pekerja
3. Subcontracting Production Hours Available = hari kerja per bulan x jumlah jam kerja per hari x 503 pekerja*
177 * minimum production requirement (production requirement bulan Februari x 5 bulan x waktu siklus) : (jumlah hari kerja per bulan x jam kerja per hari)
Produksi Aktual
= production hours available : waktu siklus
Units Subcontracted
= production requirement – produksi aktual
Subcontracting Cost
= units subcontracted x biaya subkontrak
Straight-Time Cost
= production hours available x upah straight-time pekerja
4. Mixed Strategy Production Hours Available = hari kerja per bulan x jumlah jam kerja per hari x jumlah tenaga kerja Regular Shift Production
= production hours available : waktu siklus
Units Available before Overtime
= (persediaan awal + regular shift production) – demand forecast
* jika bernilai positif, maka di Units Overtime bernilai 0, jika bernilai negatif, maka di Units Overtime mempositifkan nilai negative tersebut.
Overtime Cost
= units overtime x waktu siklus x biaya overtime
Units Excess
= units available before overtime – safety stock
* jika bernilai negatif, maka di Units Excess bernilai 0
Biaya Persediaan
= units excess x biaya inventori
Straight-Time Cost
= production hours available x upah straight-time pekerja
178 Tabel 3.45 Hasil Perhitungan Perencanaan Produksi 1: Exact Production; Vary Work Force Periode Production Production Hari Hour Workers New Hiring (Bulan) Requirement Hours Kerja/Bulan per Required Workers Cost Required Mon Hired per work
(2009) 18080 10 108480 15610 11 93660 20589 12 123534 (2010) 19892 1 119352 19147 2 114882 Total Sumber: Hasil Pengolahan Penulis
Workers Layoff Laid Off Cost
StraightTime Cost
27 24 22
216 192 176
502 488 702
327 0 214
490500000 0 321000000
0 14 0
0 14000000 0
325440000 280980000 370602000
24 22
192 176
622 653
0 31
0 46500000 858000000
80 0
80000000 0 94000000
358056000 344646000 1679724000
Tabel 3.46 Hasil Perhitungan Perencanaan Produksi 2: Constant Work Force; Vary Inventory and Stockout Periode Persediaan Hari Production Produksi (Bulan) Awal Kerja/Bulan Hours Aktual Available
(2009) 10 6500 27 11 13204 24 12 10639 22 (2010) 1 7140 24 2 5893 22 Total 119 Sumber: Hasil Pengolahan Penulis
Perkiraan Persediaan Units Shortage Safety Units Biaya Straig Demand Akhir Short Cost Stock Excess Persediaan Time Cost
127008 112896 103488
21168 18816 17248
14464 21381 20747
13204 10639 7140
0 0 0
0 0 0
3616 5345 5187
9588 5294 1953
220524000 121762000 44919000
3810 3386 3104
112896 103488
18816 17248
20063 19330
5893 3811
0 0
0 0 0
5016 4833
877 0
20171000 0 407376000
3386 3104 16793
179
Tabel 3.47 Hasil Perhitungan Perencanaan Produksi 3: Constant Low Work Force; Subcontract Periode (Bulan)
Production Requirement
Hari Kerja/Bulan
18080 (2009) 10 15610 11 20589 12 19892 (2010) 1 19147 2 Total Sumber: Hasil Pengolahan Penulis
Production Hours Available
27 24 22 24 22
106272 94464 86592 94464 86592
Produksi Aktual 17712 15744 14432 15744 14432
Units Subcontracted
Subcontracting Cost
Straight-Time Cost
368 0 6157 4148 4715
11040000 0 184710000 124440000 141450000 461640000
318816000 283392000 259776000 283392000 259776000 1405152000
Tabel 3.48 Hasil Perhitungan Perencanaan Produksi 4: Constant Work Force; Overtime Production Regular Units Units Overtime Safety Per Hours Shift Pro Available Over Cost Stock kiraan Available duction time Demand before
Periode Persediaan Hari (Bulan) Awal Kerja /Bulan
Units Ex cess
Inven tory Cost
Straight Time Cost
Overtime
(2009) 10 6500 27 11 0 24 12 0 22 (2010) 1 0 24 2 0 22 Total Sumber: Hasil Pengolahan Penulis
37800 33600 30800
6300 5600 5133
14464 21381 20747
-1664 -17445 -33059
1664 17445 33059
14976000 157005000 297531000
3616 5345 5187
0 0 0
0 0 0
1134000 1008000 924000
33600 30800
5600 5133
20063 19330
-47522 -61718
47522 61718
427698000 555462000 1452672000
5016 4833
0 0
0 0
1008000 924000 4998000
180 Tabel 3.49 Perbandingan 4 Perencanaan Produksi Biaya
Perencanaan 2: Constant Work Force; Vary Inventory and Stockout 0
Perencanaan 3: Constant Low Work Force; Subcontract
Perencanaan 4: Constant Work Force; Overtime
Hiring
Perencanaan 1: Exact Production; Vary Work Force 858000000
0
0
Layoff
94000000
0
0
0
Excess
0
Inventory
0 407376000
0
Shortage
0
0
0
0
Subcontract
0
0
461640000
0
Overtime
0
0
0
1452672000
Straight time
1679724000
1679328000
1405152000
499800000
Total
2631724000
2086704000
1866792000
1952472000
Sumber: Hasil Pengolahan Penulis Oleh karena itu, dapat dikatakan bahwa dari 4 strategi perencanaan produksi, antara lain strategi Vary Inventory and Stockout, strategi Vary Work Force, strategi Subcontract, dan strategi mixed, ternyata biaya yang terkecil adalah strategi Subcontract. Hal ini juga dikarenakan sesuai dengan kondisi CV.Orlena, dimana Subcontract dapat dilakukan untuk menaikkan kapasitas perusahaan pada saat perusahaan sibuk sehingga permintaan dapat dipenuhi. 3.4.4.2 Perhitungan Disagregat Setelah
melakukan
perhitungan
perencanaan
produksi
agregat,
didapatkan hasil terbaik dengan menggunakan strategi Subcontract. Dengan rumus untuk Subcontract, diperoleh Y* = demand dalam satuan agregat. Perhitungan untuk perencanaan disagregat dapat dilihat pada Tabel 1.
181 Tabel 3.50 Perhitungan Disagregat Periode (Bulan) (2009)10
Demand (satuan agregat)
Y*
14464
14464
11
21381
21381
12
20747
20747
(2010) 1
20063
20063
2
19330
19330
Sumber: Hasil Pengolahan Penulis Tabel 3.51 Input Disagregat Periode 10
Family i
Item j
Produk
A
Persediaan Permintaan Awal Dij,t Iij,t-1 5000 12812
B
1500
Faktor Konversi Kij 1
Ekspetasi Jumlah Iij,t-1- Dij,t -7812
12812
1.667
-3991
9152
5491
Jumlah *Safety Stock tiap bulan untuk kedua jenis produk adalah sama, yaitu (SSij=467 unit)
Sumber: Hasil Pengolahan Penulis Step 1 : Y* = 14464 Dengan N = 1 didapat : Y* ≤ (KijA x (Dij,tA + SSij A – Iij,t-1A)) + (KijB x (Dij,tB +SSijB– Iij,t-1B)) 14464 ≤ 1(12812+467-5000)+1.667(5491+467-1500) 14464 ≤ 8279 + 7430 14464 ≤ 15709 Step 2 : Ei = 15709 - 14464 = 1245
KijDij
21964
182 Step 3 : Y* produk A = (Dij,tA + SSij A – Iij,t-1A) – (Ei x Dij,tA/∑ KijDij) = (12812+467-5000)-(1245 x 12812/21964) = 7553 Y* produk B = (Dij,tB + SSij B– Iij,t-1B) – (Ei x Dij,tB /∑ KijDij) = (5491+467-1500)-(1245 x 5491/21964) = 4147 Tabel 3.52 Perhitungan Disagregat Periode 10 (2009) Y*
Step 1
Step 2
Step 3
Kuantitas Produksi
8279
1245
7553 4147
7430 14464
15709
NPEI
7553
Konversi ke Agregat 7553
4147
6912
156
11700
14465
156
0
Sumber: Hasil Pengolahan Penulis Tabel 3.53 Input Disagregat Periode 11
Family i
Item j
Produk
A B
Persediaan Permintaan Awal Dij,t Iij,t-1 0 12472 156
5345
Faktor Konversi Kij 1
Ekspetasi Jumlah Iij,t-1- Dij,t -12472
12472
1.667
-5189
8909
Jumlah Sumber: Hasil Pengolahan Penulis Step 1 : Y* = 21381 Dengan N = 1 didapat : Y* ≤ (KijA x (Dij,tA + SSij A – Iij,t-1A)) + (KijB x (Dij,tB + SSij B– Iij,t-1B))
KijDij
21381
183 21381 ≤ 1(12472+467-0)+1.667(5345+467-156) 21381 ≤ 12939 + 9427 21381 ≤ 22366 Step 2 : Ei = 22366 - 21381 = 985 Step 3 : Y* produk A = (Dij,tA + SSij A – Iij,t-1A) – (Ei x Dij,tA/∑ KijDij) = (12472+467-0)-(985 x 12472/21381) = 12365 Y* produk B = (Dij,tB + SSij B– Iij,t-1B) – (Ei x Dij,tB /∑ KijDij) = (5345+467-156)-(985 x 5345/21381) = 5410
Tabel 3.54 Perhitungan Disagregat Periode 11 Y*
Step 1
Step 2
Step 3
Kuantitas Produksi
12939
985
12365 5410
9427 21381
22366
NPEI
12365
Konversi ke Agregat 12365
5410
9017
221
17775
21382
221
0
Sumber: Hasil Pengolahan Penulis Tabel 3.55 Input Disagregat Periode 12
Family i
Item j
Produk
A
Persediaan Permintaan Awal Dij,t Iij,t-1 0 12102
Faktor Konversi Kij 1
Ekspetasi Jumlah Iij,t-1- Dij,t -12102
KijDij 12102
184 B
221
5187
1.667
-4966 Jumlah
8645 20747
Sumber: Hasil Pengolahan Penulis Step 1 : Y* = 20747 Dengan N = 1 didapat : Y* ≤ (KijA x (Dij,tA + SSij A – Iij,t-1A)) + (KijB x (Dij,tB + SSij B– Iij,t-1B)) 20747 ≤ 1(12102+467-0)+1.667(5187+467-221) 20747 ≤ 12569 + 9055 20747 ≤ 21624 Step 2 : Ei = 21624 - 20747 = 877 Step 3 : Y* produk A = (Dij,tA + SSij A – Iij,t-1A) – (Ei x Dij,tA/∑ KijDij) = (12102+467-0)-(877 x 12102/20747) = 12058 Y* produk B = (Dij,tB + SSij B– Iij,t-1B) – (Ei x Dij,tB /∑ KijDij) = (5187+467-221)-(877 x 5187/20747) = 5214 Tabel 3.56 Perhitungan Disagregat Periode 12 Y*
Step 1
Step 2
Step 3
Kuantitas Produksi
12569
877
12058 5214
9055 20747
21624
NPEI
12058
Konversi ke Agregat 12058
5214
8690
248
17272
20748
248
0
185 Sumber: Hasil Pengolahan Penulis Tabel 3.57 Input Disagregat Periode 1 (2010) Family i
Item j
Produk
A
Persediaan Permintaan Awal Dij,t Iij,t-1 0 11703
B
248
Faktor Konversi Kij 1
Ekspetasi Jumlah Iij,t-1- Dij,t -11703
11703
1.667
-4768
8360
5016
Jumlah Sumber: Hasil Pengolahan Penulis Step 1 : Y* = 20063 Dengan N = 1 didapat : Y* ≤ (KijA x (Dij,tA + SSij A – Iij,t-1A)) + (KijB x (Dij,tB + SSij B– Iij,t-1B)) 20063 ≤ 1(11703+467-0)+1.667(5016+467-248) 20063 ≤ 12170 + 8725 20063 ≤ 20895 Step 2 : Ei = 20895 - 20063 = 832 Step 3 : Y* produk A = (Dij,tA + SSij A – Iij,t-1A) – (Ei x Dij,tA/∑ KijDij) = (11703+467-0)-(832 x 11703/20063) = 11685 Y* produk B = (Dij,tB + SSij B– Iij,t-1B) – (Ei x Dij,tB /∑ KijDij) = (5016+467-248)-(832 x 5016/20063) = 5027
KijDij
20063
186 Tabel 3.58 Perhitungan Disagregat Periode 1 Y*
Step 1
Step 2
Step 3
Kuantitas Produksi
12170
832
11685 5027
8725 20063
20895
NPEI
11685
Konversi ke Agregat 11685
5027
8379
259
16712
20064
259
0
Sumber: Hasil Pengolahan Penulis Tabel 3.59 Input Disagregat Periode 2 Family i
Item j
Produk
A
Persediaan Permintaan Awal Dij,t Iij,t-1 0 11276
B
259
Faktor Konversi Kij 1
Ekspetasi Jumlah Iij,t-1- Dij,t -11276
11276
1.667
-4573
8054
4832
Jumlah Sumber: Hasil Pengolahan Penulis Step 1 : Y* = 19330 Dengan N = 1 didapat : Y* ≤ (KijA x (Dij,tA + SSij A – Iij,t-1A)) + (KijB x (Dij,tB + SSij B– Iij,t-1B)) 19330 ≤ 1(11276+467-0)+1.667(4832+467-259) 19330 ≤ 11743 + 8400 19330 ≤ 20143 Step 2 : Ei = 20143 - 19330 = 813 Step 3 : Y* produk A = (Dij,tA + SSij A – Iij,t-1A) – (Ei x Dij,tA/∑ KijDij) = (11276+467-0)-(813 x 11276/19330)
KijDij
19330
187 = 11269 Y* produk B = (Dij,tB + SSij B– Iij,t-1B) – (Ei x Dij,tB /∑ KijDij) = (4832+467-259)-(813 x 4832/19330) = 4837 Tabel 3.60 Perhitungan Disagregat Periode 2 Y*
Step 1
Step 2
Step 3
Kuantitas Produksi
11743
813
11269 4837
8400 19330
20143
NPEI
11269
Konversi ke Agregat 11269
4837
8062
264
16106
19331
264
0
Sumber: Hasil Pengolahan Penulis
3.4.4.3. MPS (Master Production Schedule) Dari hasil perhitungan disagregat didapatkan MPS Kemeja Resmi dan MPS Kemeja Karet yang dapat dilihat pada Tabel 12. Tabel 3.61 MPS (Master Production Schedule) MPS Periode (2009) 10
Produk Kemeja Resmi 7553
Produk Kemeja Karet 4147
11
12365
5410
12
12058
5214
(2010) 1
11685
5027
2
11269
4837
Total
54930
24635
Sumber: Hasil Pengolahan Penulis
188 3.4.4.4. BOM (Bill Of Material) Daftar dari semua material, parts, dan subassemblies, serta kuantitas dari masing-masing yang dibutuhkan untuk memproduksi satu unit Kemeja Resmi dan Kemeja Karet Tabel 3.62 BOM(Bill Of Material) untuk Kemeja Resmi
Kemeja Resmi Level
Nama Bahan Baku
Jumlah
Satuan
1
Kain
1,4
Yard
1
Benang
0,909
Yard
1
Kancing
0,055
Gross
Sumber: Data CV.Orlena (2009)
Kemeja Resmi (1)
Kain (1,4)
Benang (0,909)
Level 0 Kancing (0.055)
Level 1
Sumber: Hasil Pengolahan Penulis Gambar 3.8 Struktur Produk Kemeja Resmi
Tabel 3.63 BOM(Bill Of Material) untuk Kemeja Karet Kemeja Karet Level
Nama Bahan Baku
Jumlah
Satuan
1
Kain
1,4
Yard
189 1
Benang
0,909
Yard
1
Kancing
0,055
Gross
1
Karet
1,2
Yard
Sumber: Data CV.Orlena (2009)
Level 0
Kemeja Karet (1)
Kain (1,4)
Benang (0,909)
Kancing (0.055)
Karet (1,2)
Level 1
Gambar 3.9 Struktur Produk Kemeja Karet Sumber: Hasil Pengolahan Penulis 3.4.4.5. Penghitungan Material Requirement Planning Perhitungan MRP untuk bahan baku, subassembly, dan hasil assembly dari masing-masing produk berdasarkan BOM (Bill Of Material) di atas.
190
Lead Time = 3 On-Hand = 0 Satuan = yard
Tabel 3.64 Material Requirement Planning untuk Kain Lot Size = 1 Safety Stock = 0 Periode 10 11 12 16380 24885 24180,8
Gross Requirement Inventory Net Requirements 16380 Planned Order Receipts Planned Order Release Sumber: Hasil Pengolahan Penulis
Lead Time = 1 On-Hand = 0 Satuan = yard
16380 24885 16380
24885 24180,8 24885
24180,8 23396,8 24180,8
Tabel 3.65 Material Requirement Planning untuk Benang Lot Size = 1 Safety Stock = 0 Periode 10 11 12 10635,3 16157,475 15700,248
Gross Requirement Inventory Net Requirements 10635,3 Planned Order Receipts Planned Order Release Sumber: Hasil Pengolahan Penulis
10635,3 16157,475 10635,3
16157,475 15700,248 16157,475
15700,248 15191,208 15700,248
1 23396,8
2 22548,4
23396,8 22548,4 23396,8
22548,4 22548,4
1 15191,208
2 14640,354
15191,208 14640,354 15191,208
14640,354 14640,354
191
Lead Time = 1 On-Hand = 0 Satuan = gross
Tabel 3.66 Material Requirement Planning untuk Kancing Lot Size = 1 Safety Stock = 0 Periode 10 11 12 643,5 977,625 949,96
1 919,16
2 885,83
949,96 919,16 949,96
919,16 885,83 919,16
885,83
Tabel 3.67 Material Requirement Planning untuk Karet Lot Size = 1 Safety Stock = 0 Periode 10 11 12 4976,4 6492 6256,8
1 6032,4
2 5804,4
6032,4 5804,4 6032,4
5804,4
Gross Requirement Inventory Net Requirements 643,5 Planned Order Receipts Planned Order Release Sumber: Hasil Pengolahan Penulis
Lead Time = 1 On-Hand = 0 Satuan = yard
Gross Requirement Inventory Net Requirements 4976,4 Planned Order Receipts Planned Order Release Sumber: Hasil Pengolahan Penulis
643,5 977,625 643,5
4976,4 6492 4976,4
977,625 949,96 977,625
6492 6256,8 6492
6256,8 6032,4 6256,8
885,83
5804,4
192 3.5 Implikasi Hasil Analisis Dari hasil perhitungan di atas, dapat dilihat hasil perhitungan EOQ (Economic Order Quantity) dan MRP (Material Requirement Planning) pada Tabel 3.68. Tabel 3.68 Tabel Perhitungan EOQ dan MRP Bahan Baku
Periode
EOQ
MRP
Kain
10
16380
16380
11
24885
24885
12
24180,8
24180,8
1
23396,8
23396,8
2
22548,4
22548,4
10
10635,3
10635,3
11
16157,475
16157,475
12
15700,248
15700,248
1
15191,208
15191,208
2
14640,354
14640,354
10
643,5
643,5
11
977,625
977,625
12
949,96
949,96
1
919,16
919,16
2
885,83
885,83
10
4976,4
4976,4
11
6492
6492
Benang
Kancing
Karet
193 12
6256,8
6256,8
1
6032,4
6032,4
2
5804,4
5804,4
Sumber: Hasil Pengolahan Penulis Sehingga, diperoleh hasil perhitungan EOQ dan MRP tiap periode dari masingmasing bahan baku adalah sama, sehingga dapat diketahui bahwa MRP dapat juga digunakan untuk menghitung kebutuhan bahan baku produk kemeja pada hanya 2 level pertama, yaitu level 0 dan level 1. Untuk lebih dari 2 level, belum tentu hasilnya sama, karena belum ada pembuktian. 3.6 Analisa Sistem yang Berjalan Penentuan model kemeja pada CV.Orlena bukan berdasarkan pesanan pelanggan, namun berdasarkan tren model yang ada saat ini, sehingga produksi kemeja diperkirakan berdasarkan jumlah tingkat penjualan. Oleh karena itu, sebelum memproduksi kemeja dengan motif dan jumlah tertentu, designer akan merancang modelnya terlebih dahulu dalam bentuk gambar. Setelah mendapatkan model tersebut, designer akan mendiskusikan dengan manajer PPIC untuk menentukan jenis, motif, dan jumlah warna kain yang akan digunakan untuk model tersebut, jika manajer PPIC telah menyetujuinya, designer akan langsung membuat pola model kemeja. Pada awalnya, designer akan membuat model dikirimkan2
1
dan model tersebut akan
ke bagian PPIC. Bagian PPIC menggunakan model tersebut untuk
menentukan produksi pada periode tertentu dengan membuat Rencana Produksi 3, Rencana Produksi akan diterima4 oleh Bagian Produksi, jika bahan baku tersedia, akan langsung membuat SKBB
15
(Surat_Keluar_Bahan_Baku) untuk dikirimkan ke bagian
194 gudang 16 guna mengambil bahan baku 17 yang telah ditentukan dalam rencana produksi. Dalam memproduksi kemeja, proses produksinya terdiri dari proses cutting, knitting, finishing, dan quality control. Proses cutting akan memotong kain sesuai dengan pola model tersebut dimana motif dan jumlah warna disesuaikan dengan rancangan ( 1 warna = 1 roll kain ). Setelah selesai memotong, proses pemotongan akan memisahkan polapola kain berdasarkan warna dan ukuran untuk dikirim ke bagian penjahitan. Proses knitting akan menjahit sesuai dengan pola-pola tersebut dan kemudian mengirimkannya ke proses finishing untuk dipasangkan kancing, dibersihkan, digosok, dan dikemas. Setelah selesai memasang kancing, kemeja tersebut akan dibersihkan dari benangbenang berlebih hasil dari penjahitan. Kemudian kemeja akan disetrika terlebih dahulu sebelum dimasukkan ke dalam plastik pengemasan. Setelah barang selesai dikemas, akan dilanjutkan ke proses quality control untuk memastikan kualitas produk tetap terjaga. Jika bahan baku yang telah ditentukan tidak tersedia, sebelumnya bagian PPIC akan melakukan konfirmasi SPPB (Surat Permintaan Pembelian Bahan Baku) karena harus disetujui terlebih dahulu oleh kepala gudang. Setelah disetujui, bagian PPIC akan membuat SPPB
5
dan diberikan pada bagian purchasing
6
untuk memesan bahan baku.
Maka bagian purchasing akan membuat PO (Purchase Order)
7
dan menyerahkannya
kepada pemasok 8. Supplier akan menyiapkan bahan baku 9 kemudian mengirimkannya pada bagian gudang 10. Bagian gudang akan membuat Surat Terima Bahan Baku (STBB) 11
dan memberikannya kepada supplier
12
sebagai bukti bahan baku telah diterima oleh
perusahaan, sekaligus menyetok bahan baku tersebut. Kemudian, bagian PPIC akan mengecek adanya kerusakan barang, dan jika ditemukan kerusakan, bagian PPIC akan meretur barang tersebut dan membuat Surat Retur
13
untuk dikirim
14
ke supplier.
195 Supplier menggantikan barang yang diretur dan kemudian bagian PPIC menyetok lagi bahan baku yang diterima dari supplier. Untuk selalu mendapatkan informasi bahan baku terbaru agar dapat terus berinovasi dalam memproduksi kemeja, perusahaan akan meminta penawaran baru
18
kepada supplier, setelah supplier menerima permintaan
19
tersebut, baru kemudian supplier mengirimkan penawaran baru 20&21 kepada perusahaan. Untuk setiap periode, bagian purchasing membuat laporan pembelian22 yang diserahkan 23
kepada manajer operasional.
196 3.7
Rich
Picture
Sistem
Berjalan
Gambar 3.10 Rich Picture yang Berjalan
yang
197 3.8 Permasalahan yang dihadapi Adapun beberapa masalah yang dihadapi oleh CV. Orlena adalah : 1. Sulit dalam menentukan waktu dan kuantitas yang tepat ketika pengadaan bahan baku (kain) sehingga terjadi kekurangan bahan baku pada saat produksi atau bahkan penumpukan bahan baku dimana kain yang sudah ketinggalan model pun masih menumpuk di gudang. 2. Sulit menentukan jumlah kemeja yang harus diproduksi sehingga terkadang kekurangan produk yang menyebabkan kehilangan penjualan atau bahkan terjadi penumpukan produk yang menyebabkan meningkatnya biaya pemeliharaan persediaan. 3. Kurang terciptanya koordinasi taktis maupun operasional antara bagian persediaan, produksi, dan penjualan sehingga menyebabkan kegiatan produksi, pengadaan material, maupun pengiriman produk dilakukan tidak tepat waktu. 4. Transaksi pembelian yang kurang komunikatif dengan supplier, dimana dalam melakukan pembelian, perusahaan kurang cepat dalam menangkap respon supplier, misalnya sales sering membawakan katalog contoh-contoh barang yang tidak dibutuhkan perusahaan, dan ketika perusahaan berencana membeli barang baru dari supplier tertentu, perusahaan harus meminta penawaran baru terlebih dahulu, kemudian baru sales supplier tersebut datang dan membawakan katalog contoh-contoh barang. Kemudian, ketika mengirimkan Purchase Order, perusahaaan tidak dapat langsung mengetahui apakah supplier sudah menerima atau belum. Jadi, perusahaan tidak dapat langsung mendapat informasi yang diinginkan dengan cepat dan tepat.
198 3.9 Usulan Pemecahan Masalah yang dihadapi Usulan pemecahan atas masalah-masalah yang dihadapi oleh CV. Orlena yang telah disebutkan diatas, antara lain : 1. Dengan menambahkan sistem mengecek kebutuhan produksi, dimana di dalamnya tersedia informasi kebutuhan bahan baku dan kekurangan yang harus dipenuhi dalam memproduksi suatu rencana produksi. Dan juga, pada saat membeli bahan baku, kepala gudang harus memasukkan data ke dalam sistem sehingga terdapat catatan mengenai jumlah barang yang masuk. Pada saat barang diminta manajer PPIC, kepala gudang juga harus memasukkan jumlah barang yang keluar, dan jika bahan baku telah mencapai reorder point, bagian pembelian harus segera membuat purchase order kepada supplier. 2. Dengan adanya jadwal produksi dalam membuat suatu rencana produksi, dimana di dalamnya terdapat jumlah kemeja yang harus diproduksi dalam periode tertentu. 3. Mengintegrasikan bagian produksi, pembelian dan persediaan sehingga semua data dan proses saling terhubung satu sama lain, dengan tersedianya database untuk menampung semua data perusahaan tersebut pada satu wadah. 4. Menyediakan sistem informasi berbasiskan web yang dapat menghubungkan perusahaan dengan supplier, sehingga supplier dapat langsung memberikan penawaran terbaru dan yang dibutuhkan perusahaan dengan melihat list jumlah persediaan bahan baku di web, kemudian ketika perusahaan
mengirimkan
purchase order, supplier dapat langsung menerima dan menyetujuinya dengan mengupdate status purchase order, sehingga informasi yang dibutuhkan cepat dan tepat.