TUGAS MANAJEMEN OPERASI "MRP"

AJENG SRI NOVIA

1123070003

3 MKS A

1. Pengertian Material Requirement Planning (MRP)

Perencanaan kebutuhan material (MRP) dapat didefinisikan sebagai suatu teknik atau set prosedur yang sistematis untuk penentuan kuantitas serta waktu dalam proses perencanaan dan pengendalian item barang (komponen) yang tergantung pada item–item tingkat (level) yang lebih tinggi (dependent demand). Ada 4 kemampuan yang menjadi ciri utama dari sistem MRP yaitu:

1.      Mampu menentukan kebutuhan pada saat yang tepat

2.      Membentuk kebutuhan minimal untuk setiap item

3.      Menentukan pelaksanaan rencana pemasaran

4.      Menentukan penjadwalan ulang atau pembatalan atas suatu jadwal yang sudah direncanakan

Perencanaan kebutuhan material atau sering dikenal dengan Material Requirement Planning (MRP) adalah suatu sistem informasi yang terkomputerisasi untuk mengatur persediaan permintaan yang dependent dan mengatur jadwal produksi. Sistem ini bertujuan untuk mengurangi tingkat persediaan dan meningkatkan produktivitas. Terdapat dua hal penting dalam MRP yaitu lead time, dan berapa banyaknya jumlah material yang siap dipesan

Dengan metode MRP dapat memesan sejumlah barang atau persediaan sesuai dengan jadwal produksi, maka tidak akan ada pembelian barang walaupun persediaan telah berada pada tingkat terendah. MRP dapat mengatasi masalah-masalah kompleks dalam persediaan yang memproduksi banyak produk. Masalah yang ditimbulkannya antara lain kebingungan inefisiensi, pelayanan yang tidak memuaskan konsumen, dll.

Penentuan kebutuhan material yang pasti dalam proses produksi akan meminimalkan kerugian yang timbul dalam kaitannya dengan persediaan. Dengan menggunakan metode MRP untuk melakukan penjadwalan produksi, maka perusahaan akan menentukan secara tepat perencanaan tanggal penyelesaian pekerjaan yang realistik, pekerjaan dapat selesai tepat pada waktunya, janji kepada konsumen dapat ditepati dan waktu tengang pemesanan dapat dikurangi.

2. Tujuan Material Requirement Planning

Secara umum, sistem MRP dimaksudkan untuk mencapai tujuan sebagai berikut :

1. Meminimalkan Persediaan

MRP menentukan berapa banyak dan kapan suatu komponen diperlukan disesuaikan dengan Jadwal Induk Produksi (JIP). Dengan menggunakan komponen ini, pengadaan (pembelian) atas komponen yang diperlukan untuk suatu rencana produksi dapat dilakukan sebatas yang diperlukan saja sehingga dapat meminimalkan biaya persediaan.

2. Mengurangi resiko karena keterlambatan produksi atau pengriman

MRP mengidentifikasikan banyaknya bahan dan komponen yang diperlukan baik dari segi jumlah dan waktunya dengan memperhatikan waktu tenggang produksi maupun pengadaan atau pembelian komponen, sehingga memperkecil resiko tidak tersedianya bahan yang akan diproses yang mengakibatkan terganggunya rencana produksi.

3. Komitmen yang realistis

Dengan MRP, jadwal produksi diharapkan dapat dipenuhi sesuai dengan rencana, sehingga komitmen terhadap pengiriman barang dilakukan secara lebih realistis. Hal ini mendorong meningkatnya kepuasan dan kepercayaan konsumen.

4. Meningkatkan efisiensi

MRP juga mendorong peningkatan efisiensi karena jumlah persediaan, waktu produksi, dan waktu pengiriman barang dapat direncanakan lebih baik sesuai dengan Jadwal Induk Produksi (JIP).

Dengan demikian terdapat beberapa hal yang dapat dilakukan MRP (Material Requirements Planning), yaitu :

a. Menentukan kebutuhan pada saat yang tepat

Kapan pekerjaan harus selesai atau material harus tersedia agar Jadwal Induk Produksi (JIP)

dapat terpenuhi.

b. Menentukan kebutuhan minimal setiap item melalui sistem penjadwalan.

c. Menentukan pelaksanaan rencana pemesanaan.

Kapan pemesanan atau pembatalan pemesanan harus dilakukan.

d. Menentukan penjadwalan ulang atau pembatalan atas suatu jadwal yang harus direncanakan didasarkan pada kapasitas yang ada.

3. Kelebihan dan Kelemahan Material Requirement Planning

II.3.1. Kelebihan MRP

         Kemampuan memberi harga lebih kompetitif

         Mengurangi harga penjualan

         Mengurangi Inventori

         Pelayanan pelanggan yang lebih baik

         Respon terhadap permintaan pasar lebih baik

         Kemampuan mengubah jadwal induk

         Mengurangi biaya setup

         Mengurangi waktu menganggur

         Memberi catatan kemajuan sehingga manager dapat merencanakan order sebelum pesanan aktual dirilis

         Memberitahu kapan memperlambat akan sebaik mempercepat

         Menunda atau membatalkan pesanan

         Mengubah kuantitas pesanan

         Memajukan atau menunda batas waktu pesanan

         Membantu perencanaan kapasitas

II.3.2. Kelemahan MRP

Problem utama penggunaan sistem MRP adalah integritas data. Jika terdapat data salah pada data persediaan, bill material data/master schedule kemudian juga akan menghasilkan data salah. Problem utama lainnya adalah MRP systems membutuhkan data spesifik berapa lama perusahaan menggunakan berbagai komponen dalam memproduksi produk tertentu (asumsi semua variable). Desain sistem ini juga mengasumsikan bahwa "lead time" dalam proses in manufacturing sama untuk setiap item produk yang dibuat.

Proses manufaktur yang dimiliki perusahaan mungkin berbeda diberbagai tempat. Hal ini berakibat terjadinya daftar pesanan yang berbeda karena perbedaaan jarak yang jauh. The overall ERP system dapat digunakan untuk mengorganisaisi sediaan dan kebutuhan menurut individu perusaaannya dan memungkinkan terjadinya komunikasi antar perusahaan sehingga dapat mendistribuskan setiap komponen pada kebutuan perusahaan.

Hal ini mengindikasikan bahwa sebuah sistem enterprise perlu diterapkan sebelum menerapkan sistem MRP. Sistem ERP system dibutuhkan untuk menghitung secara reguler dengan benar bagaimana kebutuhan item sebenarnya yang harus disediakan untuk proses produksi.

MRP tidak mengitung jumlah kapasitas produksi. Meskipun demikian, dalam jumlah yang besar perlu diterapkan suatu sistem dalam tingkatan lebih lanjut, yaitu MRP II. MRP II adalah sistem yang mengintegrasikan aspek keuangan. Sistem ini mencakup perencanaan kapasitas

• Kegagalan dalam mengaplikasikan sistem MRP biasanya disebabkan oleh ;

Kurangnya komitmen top manajemen, Kesalahan memandang MRP hanyalah software yang hanya butuh digunakan secara tepat, integrasi MRP JIT yang tidak tepat, Membutuhkan pengoperasian yang akurat, dan Terlalu kaku.

4. Input, Proses, Output Material Requirement Planning

4.1. Input MRP

Input yang dibutuhkan dalam konsep MRP, yaitu sebagai berikut :
1. Jadwal Induk Produksi (Master Production Schedule), merupakan ringkasan skedul produksi produk jadi untuk periode mendatang yang dirancang berdasarkan pesanan pelanggan atau peramalan permintaan. JIP berisi perencanaan secara mendetail mengenai jumlah produksi yang dibutuhkan untuk setiap produk akhir beserta periode waktunya untuk suatu jangka perencanaan dengan memperhatikan kapasitas yang tersedia. Sistem MRP mengasumsikan bahwa pesanan yang dicatat dalam JIP adalah pasti, kendatipun hanya merupakan peramalan.

2. Status Persediaan (Inventory Master File atau Inventory Status Record), merupakan catatan keadaan persediaan yang menggambarkan status semua item yang ada dalam persediaan yang berkaitan dengan:

a. Jumlah persediaan yang dimiliki pada setiap periode (on hand inventory).
b. Jumlah barang yang sedang dipesan dan kapan pesanan tersebut akan datang (on order inventory).
c. Lead time dari setiap bahan.

3. Struktur Produk (Bill Of Material), merupakan kaitan antara produk dengan komponen penyusunnya yang memberikan informasi mengenai daftar komponen, campuran bahan dan bahan baku yang diperlukan untuk membuat produk. BOM juga memberikan deskripsi, penjelasan dan kuantitas dari setiap bahan baku yang diperlukan untuk membuat satu unit produk.

4.2. Proses MRP
Langkah–langkah dasar dalam penyusunan MRP, yaitu antara lain:

1.      Netting

 yaitu proses perhitungan jumlah kebutuhan bersih untuk setiap periode selama horison perencanaan yang besarnya merupakan selisih antara kebutuhan kotor dengan jadwal penerimaan persediaan dan persediaan awal yang tersedia.

2.      Lotting

yaitu penentuan besarnya ukuran jumlah pesanan (lot size) yang optimal untuk sebuah item berdasarkan kebutuhan bersih yang dihasilkan.

3.      Offsetting

yaitu proses yang bertujuan untuk menentukan saat yang tepat melaksanakan rencana pemesanan dalam pemenuhan kebutuhan bersih. Penentuan rencana saat pemesanan ini diperoleh dengan cara mengurangkan kebutuhan bersih yang harus tersedia dengan waktu ancang-ancang (lead time).

4.      Exploding

merupakan proses perhitungan dari ketiga langkah sebelumnya yaitu netting, lotting dan offsetting yang dilakukan untuk komponen atau item yang berada pada level dibawahnya berdasarkan atas rencana pemesanan

4.3.  Output MRP

Output MRP sekaligus juga mencerminkan kemampuan dan ciri dari MRP, yaitu :

1. Planned Order Schedule (Jadwal Pesanan Terencana) penentuan jumlah kebutuhan material serta waktu pemesanannya untuk masa yang akan datang.

2. Order Release Report (Laporan Pengeluaran Pesanan) berguna bagi pembeli yang akan digunakan untuk bernegoisasi dengan pemasok dan berguna juga bagi manajer manufaktur yang akan digunakan untuk mengontrol proses produksi.

3. Changes to Planning Orders (Perubahan terhadap pesanan yang telah direncanakan) yang merefleksikan pembatalan pesanan, pengurangan pesanan dan pengubahan jumlah pesanan.

4. Performance Report (Laporan Penampilan), suatu tampilan yang menunjukkan sejauh mana sistem bekerja, kaitannya dengan kekosongan stok dan ukuran yang lain.

FORECASTING (PERAMALAN)

FORECASTING (PERAMALAN)

Ajeng sri novia

3 MKS A “1123070003”

Peramalan merupakan aktivitas fungsi bisnis yang memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat. Peramalan merupakan dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramal, sering berdasarkan data deret waktu historis. Peramalan menggunakan teknik-teknik peramalan yang bersifat formal maupun informal (Gaspersz, 1998).

Kegiatan peramalan merupakan bagian integral dari pengambilan keputusan manajemen. Peramalan mengurangi ketergantungan pada hal-hal yang belum pasti (intuitif). Peramalan memiliki sifat saling ketergantungan antar divisi atau bagian. Kesalahan dalam proyeksi penjualan akan mempengaruhi pada ramalan anggaran, pengeluaran operasi, arus kas, persediaan, dan sebagainya. Dua hal pokok yang harus diperhatikan dalam proses peramalan yang akurat dan bermanfaat (Makridakis, 1999):

1. Pengumpulan data yang relevan berupa informasi yang dapat menghasilkan peramalan yang akurat.
2. Pemilihan teknik peramalan yang tepat yang akan memanfaatkan informasi data yang diperoleh semaksimal mungkin.

Terdapat dua pendekatan untuk melakukan peramalan yaitu dengan pendekatan kualitatif dan pendekatan kuantitatif. Metode peramalan kualitatif digunakan ketika data historis tidak tersedia. Metode peramalan kualitatif adalah metode subyektif (intuitif). Metode ini didasarkan pada informasi kualitatif. Dasar informasi ini dapat memprediksi kejadian-kejadian di masa yang akan datang. Keakuratan dari metode ini sangat subjektif (Materi Statistika, UGM).

Metode peramalan kuantitatif dapat dibagi menjadi dua tipe, causal dan time series. Metode peramalan causal meliputi faktor-faktor yang berhubungan dengan variabel yang diprediksi seperti analisis regresi. Peramalan time series merupakan metode kuantitatif untuk menganalisis data masa lampau yang telah dikumpulkan secara teratur menggunakan teknik yang tepat. Hasilnya dapat dijadikan acuan untuk peramalan nilai di masa yang akan datang (Makridakis, 1999).

Model deret berkala dapat digunakan dengan mudah untuk meramal, sedang model kausal lebih berhasil untuk pengambilan keputusan dan kebijakan. Peramalan harus mendasarkan analisisnya pada pola data yang ada. Empat pola data yang lazim ditemui dalam peramalan (Materi Statistika, UGM):

1. Pola Horizontal

Pola ini terjadi bila data berfluktuasi di sekitar rata-ratanya. Produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu termasuk jenis ini. Struktur datanya dapat digambarkan sebagai berikut ini.

2. Pola Musiman

Pola musiman terjadi bila nilai data dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan atau hari-hari pada minggu tertentu). Struktur datanya dapat digambarkan sebagai berikut ini.

3. Pola Siklis

Pola ini terjadi bila data dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Struktur datanya dapat digambarkan sebagai berikut.

4. Pola Trend

Pola Trend terjadi bila ada kenaikan atau penurunan sekuler jangka panjang dalam data. Struktur datanya dapat digambarkan sebagai berikut.

Forecasting adalah peramalan atau perkiraan mengenai sesuatu yang belum terjadi. Ramalan yang dilakukan pada umumnya akan berdasarkan data yang terdapat di masa lampau yang dianalisis dengan mengunakan metode-metode tertentu. Forecasting diupayakan dibuat dapat meminimumkan pengaruh ketidakpastian tersebut, dengan kata lainbertujuan mendapatkan ramalanyang bisa meminimumkan kesalahan meramal (forecast error) yang biasanya diukur dengan Mean Absolute Deviation, Absolute Error, dan sebagainya. Peramalan merupakan alat bantu yang sangat penting dalam perencanaan yang efektif dan efisien (Subagyo, 1986).

Peramalan permintaan memiliki karakteristik tertentu yang berlaku secara umum. Karakteristik ini harus diperhatikan untuk menilai hasil suatu proses peramalan permintaan dan metode peramalan yang digunakan. Karakteristik peramalan yaitu faktor penyebab yang berlaku di masa lalu diasumsikan akan berlaku juga di masa yang akan datang, dan peramalan tak pernah sempurna, permintaan aktual selalu berbeda dengan permintaan yang diramalkan (Baroto, 2002).

Penggunaan berbagai model peramalan akan memberikan nilai ramalan yang berbeda dan derajat dari galat ramalan (forecast error) yang berbeda pula. Seni dalam melakukan peramalan adalah memilih model peramalan terbaik yang mampu mengidentifikasi dan menanggapi pola aktivitas historis dari data. Model-model peramalan dapat dikelompokan ke dalam dua kelompok utama, yaitu metode kualitatif dan metode kuantitatif. Metode kuantitatif dikelompokkan ke dalam dua kelompok utama, yaitu intrinsik dan ekstrinsik.

Metode kualitatif ditujukan untuk peramalan terhadap produk baru, pasar baru, proses baru, perubahan sosial dari masyarakat, perubahan teknologi, atau penyesuaian terhadap ramalan-ramalan berdasarkan metode kuantitatif.

Metode Peramalan:

·         Model kuantitatif intrinsik sering disebut sebagai model-model deret waktu (Time Series model). Model deret waktu yang populer dan umum diterapkan dalam peramalan permintaan adalah rata-rata bergerak (Moving Averages), pemulusan eksponensial (Exponential Smoothing), dan proyeksi kecenderungan (Trend Projection). Model kuantitatif ekstrinsik sering disebut juga sebagai model kausal, dan yang umum digunakan adalah model regresi (Regression Causal model) (Gaspersz, 1998).

1. Weight Moving Averages (WMA)

Model rata-rata bergerak menggunakan sejumlah data aktual permintaan yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang akan datang. metode rata-rata bergerak akan efektif diterapkan apabila permintaan pasar terhadap produk diasumsikan stabil sepanjang waktu. Metode rata-rata bergerak terdapat dua jenis, rata-rata bergerak tidak berbobot (Unweight Moving Averages) dan rata-rata bobot bergerak (Weight Moving Averages). Model rata-rata bobot bergerak lebih responsif terhadap perubahan karena data dari periode yang baru biasanya diberi bobot lebih besar. Rumus rata-rata bobot bergerak yaitu sebagai berikut.

2. Single Exponential Smoothing (SES)

Pola data yang tidak stabil atau perubahannya besar dan bergejolak umumnya menggunakan model pemulusan eksponensial (Exponential Smoothing Models). Metode Single Exponential Smoothing lebih cocok digunakan untuk meramalkan hal-hal yang fluktuasinya secara acak (tidak teratur). Peramalan menggunakan model pemulusan eksponensial rumusnya adalah sebagai berikut.

Permasalahan umum yang dihadapi apabila menggunakan model pemulusan eksponensial adalah memilih konstanta pemulusan (α) yang diperirakan tepat. Nilai konstanta pemulusan dipilih di antara 0 dan 1 karena berlaku 0 < α < 1. Apabila pola historis dari data aktual permintaan sangat bergejolak atau tidak stabil dari waktu ke waktu, nilai α yang dipilih adalah yang mendekati 1. Pola historis dari data aktual permintaan tidak berfluktuasi atau relatif stabil dari waktu ke waktu, α yang dipilih adalah yang nilainya mendekati nol (Gaspersz, 1998).

3. Regresi Linier

Model analisis Regresi Linier adalah suatu metode populer untuk berbagai macam permasalahan. Menurut Harding (1974) dua variabel yang digunakan, variabel x dan variabel y, diasumsikan memiliki kaitan satu sama lain dan bersifat linier. Rumus perhitungan Regresi Linier yaitu sebagai berikut.

Keterangan:

Y = hasil peramalan

n = periode

a = perpotongan dengan sumbu tegak

b = menyatakan slope atau kemiringan garis regresi

Ukuran Akurasi Peramalan:

Model-model peramalan yang dilakukan kemudian divalidasi menggunakan sejumlah indikator. Indikator-indikator yang umum digunakan adalah rata-rata penyimpangan absolut (Mean Absolute Deviation), rata-rata kuadrat terkecil (Mean Square Error), rata-rata persentase kesalahan absolut (Mean Absolute Percentage Error), validasi peramalan (Tracking Signal), dan pengujian kestabilan (Moving Range).

1. Mean Absolute Deviation (MAD)

Metode untuk mengevaluasi metode peramalan menggunakan jumlah dari kesalahan-kesalahan yang absolut. Mean Absolute Deviation (MAD) mengukur ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai absolut masing-masing kesalahan). MAD berguna ketika mengukur kesalahan ramalan dalam unit yang sama sebagai deret asli. Nilai MAD dapat dihitung dengan menggunakan rumus sebegai berikut.

2. Mean Square Error (MSE)

Mean Squared Error (MSE) adalah metode lain untuk mengevaluasi metode peramalan. Masing-masing kesalahan atau sisa dikuadratkan. Kemudian dijumlahkan dan ditambahkan dengan jumlah observasi. Pendekatan ini mengatur kesalahan peramalan yang besar karena kesalahan-kesalahan itu dikuadratkan. Metode itu menghasilkan kesalahan-kesalahan sedang yang kemungkinan lebih baik untuk kesalahan kecil, tetapi kadang menghasilkan perbedaan yang besar.

3. Mean Absolute Percentage Error  (MAPE)

Mean Absolute Percentage Error (MAPE) dihitung dengan menggunakan kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang nyata untuk periode itu. Kemudian, merata-rata kesalahan persentase absolut tersebut. Pendekatan ini berguna ketika ukuran atau besar variabel ramalan itu penting dalam mengevaluasi ketepatan ramalan. MAPE mengindikasi seberapa besar kesalahan dalam meramal yang dibandingkan dengan nilai nyata.

4. Tracking Signal

Validasi peramalan dilakukan dengan Tracking Signal. Tracking Signal adalah suatu ukuran bagaimana baiknya suatu peramalan memperkirakan nilai-nilai aktual. Nilai Tracking Signal dapat dihitung dengan menggunakan rumus sebegai berikut.

Tracking signal yang positif menunjukan bahwa nilai aktual permintaan lebih besar daripada ramalan, sedangkan tracking signal yang negatif berarti nilai aktual permintaan lebih kecil daripada ramalan. Tracking signal disebut baik apabila memiliki RSFE yang rendah, dan mempunyai positive error yang sama banyak atau seimbang dengan negative error, sehingga pusat dari tracking signal mendekati nol. Tracking signal yang telah dihitung dapat dibuat peta kontrol untuk melihat kelayakkan data di dalam batas kontrol atas dan batas kontrol bawah.

5. Moving Range (MR)

Peta Moving Range dirancang untuk membandingkan nilai permintaan aktual dengan nilai peramalan. Data permintaan aktual dibandingkan dengan nilai peramal pada periode yang sama. Peta tersebut dikembangkan ke periode yang akan datang hingga dapat dibandingkan data peramalan dengan permintaan aktual. Peta Moving Range digunakan untuk pengujian kestabilan sistem sebab-akibat yang mempengaruhi permintaan. Rumus perhitungan peta Moving Range adalah sebagai berikut.

Jika ditemukan satu titik yang berada diluar batas kendali pada saat peramalan diverifikasi maka harus ditentukan apakah data harus diabaikan atau mencari peramal baru. Jika ditemukan sebuah titik berada diluar batas kendali maka harus diselidiki penyebabnya. Penemuan itu mungkin saja membutuhkan penyelidikan yang ekstensif. Jika semua titik berada di dalam batas kendali, diasumsikan bahwa peramalan permintaan yang dihasilkan telah cukup baik. Jika terdapat titik yang berada di luar batas kendali, jelas bahwa peramalan yang didapat kurang baik dan harus direvisi (Gaspersz, 1998).

Kegunaan peta Moving Range ialah untuk melakukan verifikasi hasil peramalan least square terdahulu. Jika peta Moving Range menunjukkan keadaan diluar kriteria kendali. Hal ini berarti terdapat data yang tidak berasal dari sistem sebab-akibat yang sama dan harus dibuang maka peramalan pun harus diulangi lagi.