Transcription
Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006)Yogyakarta, 17 Juni 2006ISSN: 1907-5022PERANCANGAN DAN PEMBUATAN SISTEM PERENCANAAN PRODUKSI(STUDI KASUS PADA PT. VONITA GARMENT)Felicia Soedjianto1, Tanti Oktavia2, James Arthur Anggawinata1Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Kristen Petra2Jurusan Teknik Industri, Fakultas Teknologi Industri, Universitas Kristen PetraE-mail: felis@peter.petra.ac.id, tanti@peter.petra.ac.id1ABSTRAKSIPT. Vonita Garment adalah perusahaan yang bergerak di garmen. Selama ini sistem produksi yangdilakukan berdasarkan inventori atau stok gudang, dimana produksi terus berlangsung tanpa melihatpermintaan penjualan. Hal ini dapat mengakibatkan kerugian apabila permintaan penjualan jumlahnya lebihsedikit dari hasil produksi sehingga terdapat sisa produk yang tidak terjual, maupun apabila terjadi permintaanpenjualan yang melebihi stok sehingga PT. Vonita Garment tidak dapat memenuhi permintaan tersebut. Hal inidisebabkan kurang akuratnya data permintaan penjualan karena pencatatan yang dilakukan secara manual.Untuk mengatasi masalah tersebut, maka dibutuhkan suatu sistem baru untuk memperbaiki sistem yang dipakaisaat ini. Dari hasil uji coba, perangkat lunak yang dibuat ini dapat mengetahui jumlah stok barang yangdiperlukan, jumlah perkiraan permintaan penjualan, hasil peramalan dengan menggunakan metode yangmemiliki nilai Mean Absolute Deviation (MAD) terkecil, hasil penjadwalan produksi tiap minggu, dan hasilproduksi.Kata kunci: Peramalan Produksi, Penjadwalan Produksi, Sistem Penjualanyang menjadi acuan adalah data masa lampau.Selama ini semua itu dijalankan secara manual,sehingga kurang efektif. Karena itu dengan adanyasistem perencanaan produksi ini dapat lebihmemaksimalkan produktivitas dan efektifitas dariPT. Vonita Garment. Sehingga dapat meminimalkanterjadinya demand over supply ataupun sebaliknya,dan juga dapat membantu proses produksi berjalandengan efektif dan tepat waktu.1.PENDAHULUANKebutuhan untuk menekan biaya produksi,meningkatkan kualitas produksi, meningkatkanproduktivitas, dan menciptakan sebuah produk barumenjadi stimulan yang mendorong teknologi untukmelakukan terobosan-terobosan dan penemuanpenemuan baru. Produksi dalam sebuah organisasipabrik merupakan inti yang paling dalam, spesifikserta berbeda dengan bidang fungsional seperti :keuangan, personalia, dan lain-lain. Dalam sistemproduksi modern terjadi suatu proses transformasinilai tambah yang mengubah input bahan mentahmenjadi output sebuah produk yang dapat dijual dipasar dengan harga yang kompetitif.PT. Vonita Garment bergerak di bidanggarment atau disebut juga konveksi, yaitupembuatan pakaian jadi, terutama untuk anak-anakyang berusia sekitar 1-7 tahun. Perusahaan inicukup bersaing dibidangnya. Hal ini dapat dilihatdari penyebaran hasil produksinya yang mencapaiSemarang, Surabaya, Jakarta, maupun beberapakota lainnya. Proses produksi yang berlangsungdalam PT. Vonita Garment secara umum dapatdigambarkan sebagai berikut: Pembuatan pola, yaitu pembuatan pola darimasing-masing bagian pakaian (kerah, lengan,dada, dll). Proses pemindahan pola ke material dasar(kain), dan diikuti dengan pemotongan kaintersebut. Menyerikan tiap-tiap bagian dari pakaianmenjadi satu kesatuan pakaian. Memberi corak pada masing-masing bagianpakaian (obras, sablon, dll). Menjahit masing-masing bagian pakaianmenjadi satu kesatuan. Finishing, yaitu memeriksa apakah ada yangkurang dari tiap pakaian yang sudah jadi (biasajuga disebut sebagai quality control).2. DASAR TEORI2.1 Peramalan (Forecasting) [6]Tahap pertama dalam perencanaan danpengendalian produksi yang bersifat make to stockadalah menentukan suatu peramalan akurat daripermintaan (demand) untuk produk yangdiproduksi. Peramalan ini digunakan sebagai dasaruntuk menentukan kebijakan perencanaan produksi,pembebanan mesin, menentukan kebutuhan mesin,peralatan, bahan, serta untuk menentukan tingkattenaga kerja selama periode produksi.Pada dasarnya peramalan adalah sebuahtafsiran, sehingga keadaan dimasa mendatang tidakharus persis sama seperti hasil peramalan. Namunada batas interval dimana keadaan yang sebenarnyamasih berada dalam interval tersebut, sehinggahasilnya tidak jauh berbeda dengan yang sudahdiramalkan. Peramalan diperlukan karena adanyaperbedaan waktu antara kesadaran akandibutuhkannya suatu kebijaksanaan baru denganpelaksanaan kebijakan baru tersebut. Jadi dalammenentukan kebijakan tersebut perlu diperkirakankesempatan atau peluang yang ada, dan ancamanyang mungkin terjadi saat kebijakan baru tersebutdilaksanakan.Dalam pembuatan program aplikasi inidigunakan beberapa metode dalam melakukanperamalan, yaitu:a.Moving AverageMoving Average termasuk dalam time seriesmodel yang merupakan metode peramalanDalam proses produksi ini, PT. VonitaGarment memakai sistem make to stock. DimanaE-117
Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006)Yogyakarta, 17 Juni 2006kuantitatif dengan menggunakan waktu sebagaidasar peramalan. Untuk membuat suatu peramalandiperlukan data historis (masa lampau) permintaan.Data inilah yang akan dianalisis denganmenggunakan parameter waktu sebagai dasaranalisis. Metode Moving Average ini paling sesuaiapabila pola data masa lampau yang dimilikibertipe siklikal.Rumus yang dipakai dalam metode MovingAverage adalah sebagai berikut: ft 1 ft 2 ft 3 L ft mft . (1)mdimana:a1 Linear RegressionLinear Regression termasuk dalam timeseries model yang merupakan metode kuantitatifdengan menggunakan waktu sebagai dasarperamalan. Metode ini paling tepat dipakai apabilapola data masa lampau yang dipunyai adalahbertipe trend.Linear Regression memiliki persamaan dasarsebagai berikut:a.MAD (Mean Absolute Deviation)MAD adalah error hasil peramalan terhadapactual value tiap periodenya. Error ini kemudiandijadikan nilai mutlak sebelum kemudian dibagidengan n. Rumus dari MAD ini adalah sebagaiberikut :LinearRegressionmempunyaitigakomponen dalam persamaan dasarnya, yaitu : asebagai intercept, b sebagai slope, dan t sebagaiwaktu. Dimana cara untuk mendapatkan nilai a danb adalah sebagai berikut:b 2n t . f (t ) t f (t )2n t ( t )MAD . (3)2 ftm.(12) ft ramalan permintaan periode tmc.Exponential Smoothing adjusted for trendand seasonal variation (metode Winter)Metode Winter juga termasuk dalam timeseries model yang merupakan metode kuantitatifdengan menggunakan waktu sebagai dasarperamalan. Metode ini paling cocok diterapkanpada data yang bertipe seasonal. Metode Wintermemiliki persamaan-persamaan dasar sebagaiberikut:n xts1 t 1nm ftt 1dimana:ft permintaan aktual periode. (4)2.(11)Yang perlu diperhatikan dalam melakukanperamalan adalah seberapa efektif hasil peramalanyang dihasilkan. Untuk melihat hal tersebut perludilihat seberapa besar error dari hasil peramalanyang telah dihasilkan. Untuk keperluan ini ada tigamacam ukuran yang dapat dipakai. Ketiga macamukuran itu adalah: n t ( t ). (10) . (2)f (t ) t t . f (t ).(8)xt ramalan permintaan untuk periode ta 0,2 n levela1 slopet periodect seasonalft ramalan permintaan untuk periode ta, b intercept dan slopet periode t xta0 a1.txt (a 0,2n a1.t )ctdimana:b.a n 12 peramalan2.(7) a0,2n s2 a1Persamaan (5) hingga (7) adalah untukmenghitung slope dari data masa lampau yang ada.Persamaan (8) adalah sebagai variabel yangmenyatakan level. Sedangkan persamaan (9) adalahsebagai indikator trend dan persamaan (10) adalahsebagai indikator seasonal. Data masa lampau yangdipunyai diolah dengan persamaan-persamaan yangada diatas sehingga menghasilkan suatu pola datamasa lampau.Berdasar hasil olahan data masa lampaudapatdibuatsebuahperamalandenganmenggunakan rumus a b.tdimana:s 2 s1na 0 a 0,2n (2n )a1 . (9) ct ft ramalan permintaan untuk periode tft permintaan aktual periode tm jumlah periode yang digunakan untuk ftISSN: 1907-5022.(5) s 2 2n xtt n 1n jumlah periode peramalanb. MAPE (Mean Absolute Percentage Error)MAPE adalah rata-rata persentase absolutdari kesalahan peramalan dengan menghitung errorabsolut tiap periode. Error ini kemudian dibagidengan n. Rumus dari MAPE ini adalah sebagaiberikut: m ft ft ft .100% t 1 MAPE .(13)mdimana:.(6)E-118
Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006)Yogyakarta, 17 Juni 20063. ANALISIS DAN DESAIN3.1 Analisis kebutuhanSaat ini proses yang ada pada PT. VonitaGarment meliputi:a. Proses PenjualanProses penjualan pada PT. Vonita Garmentdilakukan langsung di pabrik milik PT. VonitaGarment sendiri.b. Proses ProduksiProses produksi yang dilakukan oleh PT.Vonita Garment saat ini adalah didasarkanpada stok gudang tanpa melihat permintaanpenjualan yang ada. Hal ini menyebabkansering terjadi stok yang berlebihan di gudang,sehingga menjadi kurang efektif mengingatlifetime produk yang sangat singkat. Selain ituPT. Vonita Garment tidak mempunyai sistemperamalan dan penjadwalan produksi.ft permintaan aktual periode t ft ramalan permintaan periode tm jumlah periode peramalanc.MSE (Mean Squared Error)MSE adalah rata-rata absolut dari kesalahanperamalan yang dikuadratkan. Rumus dari MSEadalah sebagai berikut:MSE m ftt 1 2 ftmISSN: 1907-5022. (14)dimana:ft permintaan aktual periode t ft ramalan permintaan periode tm jumlah periode peramalanBerdasarkan permasalahan yang dihadapioleh PT. Vonita Garment maka sistem baru yangdibutuhkan adalah sebagai berikut:a. Suatu sistem yang dapat menyimpan datapenjualan.b. Suatu sistem yang dapat membantu PT. VonitaGarment untuk meramalkan permintaanpenjualan pada suatu periode tertentu.c. Suatu sistem yang dapat mengupdate data stokproduk yang ada.d. Suatu sistem yang dapat menganalisa lifecycledari produk yang ada.e. Suatu sistem yang dapat membantumenjadwalkan produksi secara efisien yangmengacu pada hasil peramalan serta kapasitasproduksi PT. Vonita Garment.2.2 Master Production Schedule [1]Jadwal Induk Produksi (JIP) atau disebutjuga Master Production Schedule (MPS)merupakan suatu pernyataan tentang produk akhir,dari industri manufaktur yang memproduksi outputberkaitan dengan kuantitas dan periode waktu(Gasperz, 2001). MPS berkaitan dengan pernyataantentang produksi, dan bukan pernyataan tentangpermintaan pasar. MPS merupakan pernyataanakhir tentang berapa banyak produk jadi yang harusdiproduksi, dan kapan harus produksi (Nasution,2003). Melalui MPS terbentuk jalinan komunikasiantara bagian pemasaran dengan bagianmanufakturing.MPS menggunakan lima jenis input, yaitu: Data permintaan total, sebagai sumber databagi proses penjadwalan induk. Datapermintaan total berkaitan dengan ramalanpenjualan dan pemesanan. Status inventori, berkaitan dengan informasimengenai inventori on-hand, dan pesananproduksi. Rencana produksi. Data perencanaan, berkaitan dengan aturanaturan lot-sizing, safety stock, dan lain-lain. Informasi dari Rough Cut Capacity Planning(RCCP), yang berupa kebutuhan kapasitasmesin.3.2 Desain ProgramBerikut adalah flowchart untuk n.Gambar 1 menunjukan flow dari program ini.Pada awal dilakukan pengecekan apakah sudah adapola data masa lampau. Yang dimaksud apakahsudah pernah dihitung MAD dari data masa lampauyang dimiliki dengan metode-metode yang dipakai.Apabila belum, maka akan dilakukan penghitunganterlebih dahulu. Setelah itu dilakukan peramalanberdasar tiap kelompok ukuran. Untuk melakukanperamalan ini digunakan metode yang mempunyainilai MAD terkecil. Kemudian hasil peramalantersebut akan dibagi menjadi peramalan tiap itemproduk. Keselurahan proses ini dilakukan padaawal periode bulanan.Pada akhir periode mingguan akandimasukkan data penjualan tiap item produk padaminggu tersebut. Ini berlangsung terus setiapminggunya. Kemudian pada akhir periode bulananakan dihitung nilai akumulasi tiap item produkuntuk tiap kelompok ukuran. Kemudian dicekapakah masih dalam batas tracking signal yangditentukan. Apabila sudah melebihi dapat dihitungulang MAD dengan menggunakan tiap-tiap metodeyang dimiliki. Hasil akhirnya adalah laporan MPS(Master Production Schedule) yang dihasilkan tiapakhir periode mingguan.Terdapat beberapa pertimbangan dalampenentuan desain MPS, yaitu ncanaan, lead times, production time fences,serta pemilihan item-item MPS. Lingkunganmanufakturing dalam desain MPS dapat jugadinyatakan sebagai strategi yang diterapkanperusahaan (Gasperz, 2001).Pemilihan item-item yang dijadwalkanmelalui MPS merupakan hal yang penting, karenatidak hanya mempengaruhi bagaimana MPSberoperasi, tetapi mempengaruhi pula seluruhsistem Production Planning and Inventory Control(PPIC).E-119
Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006)Yogyakarta, 17 Juni 2006ISSN: 1907-5022 Tabel BarangTabel ini berfungsi untuk menyimpan dataproduk yang dihasilkan oleh PT.Vonita Garment.Tabel 4. Tabel BarangFieldKod BarangKod mericChar2091DescriptionKode produkKode ukuranprodukNama jenis produkHarga produkStatus produk Tabel PenjualanTabel ini berfungsi untuk menyimpan datapenjualan yang dilakukan oleh PT. VonitaGarment.Tabel 5. Tabel PenjualanFieldKod BarangGambar 1. Flowchart 2TahunInt4JumlahNumeric9DescriptionKode produkMinggu penjualan produkBulan penju-alanprodukTahun penju-alanprodukPenjualan periodeini4. IMPLEMENTASI4.1 Implemensi DatabaseDatabase diimplementasikan dalam bentuktabel-tabel. Tabel yang akan dijelaskan berikutdikhususkan pada tabel yang digunakan dalamproses akuntansinya saja.Tabel PeramalanTabel ini berfungsi untuk menyimpan dataperamalan yang dilakukan oleh PT. VonitaGarment. Tabel 6. Tabel Peramalan Tabel AktifitasTabel ini berfungsi untuk menyimpan dataaktifitas yang dilakukan dalam PT. VonitaGarment.FieldKod BarangTabel 1. Tabel AktifitasFieldKod tionKode iptionKode produkMinggu peramalan produkBulan pera-malanprodukTahun pera-malanprodukPeramalan periodeini Tabel ProduksiTabel ini berfungsi untuk menyimpan datapenjadwalan produksi yang dilakukan oleh PT.Vonita Garment. Tabel MesinTabel ini berfungsi untuk menyimpan datamesin yang dimiliki oleh PT. Vonita Garmentbeserta kapasitas produksinya.Tabel 7. Tabel ProduksiFieldKod BarangTabel 2. Tabel MesinFieldKod MesinKod ionKode mesinKode aktifitasKapasitas produksi(sec)SmallIntIntNumericTabel 8. Tabel StokTabel 3. Tabel UkuranKeteranganSmallIntBulanTahunJumlahTabel StokTabel ini berfungsi untuk menyimpan datastok produk yang dimiliki oleh PT. VonitaGarment.Tabel UkuranTabel ini berfungsi untuk menyimpan dataukuran produk yang dihasilkan oleh PT. VonitaGarment.Kod UkuranMingguLengthDescription4Kode produkMinggu produksi2produk2Bulan produksi produk4Tahun produksi produk9Produksi periode ini FieldTypeCharTypeLengthChar1VarChar15FieldKod BarangMingguBulanTahunDescriptionKode ukuranprodukKeterangan scriptionKode produkMinggu stok produkBulan stok produkTahun stok produk
Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006)Yogyakarta, 17 Juni 2006JumlahNumeric9ISSN: 1907-5022Stok periode ini Tabel KapasitasTabel ini berfungsi untuk menyimpan datakapasitas produksi PT. Vonita Garment pada tiaptiap periode penjadwalan.Tabel 9. Tabel KapasitasTypeLengthMingguFieldSmall Int2BulanTahunJam KerjaKapasitasSmall IntIntBigIntInt2484DescriptionMinggu kapasitasproduksiBulan kapasitas produksiTahun kapasitas produkJam kerja periode iniKapasitas periode ini4.2 Implementasi dan Pengujian ProgramBerikut ini adalah contoh kasus penjualanproduk untuk kelompok A (umur 1-3 tahun) selama24 bulan.Dari data yang tersedia pada Tabel 10, makapertama kali yang dilakukan adalah mencari hasilperamalan dengan 3 metode yaitu: MovingAverage, Linear Regression dan Winter. Kemudiandihitung MAD-nya, metode yang memiliki MADpalingkecilmenunjukkanbahwahasilperamalannya mendekati keakuratannya. Gambarberikut menunjukkan hasil perhitungan MAD daridata tersebut.Gambar 2. Hasil Perhitungan MAD Ukuran ATabel 10. Penjualan Produk Kelompok anJanuari 2003Februari 2003Maret 2003April 2003Mei 2003Juni 2003Juli 2003Agustus 2003September 2003Oktober 2003November 2003Desember 2003Januari 2004Februari 2004Maret 2004April 2004Mei 2004Juni 2004Juli 2004Agustus 2004September 2004Oktober 2004November 2004Desember 64264276288288276288288288288276Gambar 3. Peramalan Periode Ke-25 Ukuran AMetode Linear RegressionGambar 4. Form Peramalan Tiap Item ProdukTabel 11. Komposisi Prosentase Item ProdukKarena dari hasil perhitungan MAD, metodelinear regression yang terkecil, maka merode iniyang dipakai untuk meramalkan penjualan periodeke-25.Dari hasil penghitungan peramalan tiapukuran tersebut baru diramalkan untuk tiap itemproduk dalam kelompok ukuran tersebut. Dengankomposisi perhitungan seperti pada Tabel 11.Contoh peramalan tiap item produk dapat dilihatpada Gambar 4, sedangkan penjadwalanproduksinya dapat dilihat pada Gambar 5.Bulan 1Bulan 2Bulan 3A100%100%60%B100%120%70%Dengan komposisi seperti di atas dan denganasumsi tiap bulan ada 3 macam item untuk tiap-tiapkelompok ukuran maka akan didapatkan hasilseperti pada Tabel 12.E-121
Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006)Yogyakarta, 17 Juni 2006ISSN: 1907-50225.KESIMPULAN DAN SARANSetelah melalui berbagai tahap perancangan,desain dan implementasi software sistemperencanaan produksi pada PT. Vonita Garmentdiambil beberapa kesimpulan sebagai berikut:a. Dengan adanya informasi mengenai stokbarang yang ada, maka dapat meminimalkankemungkinan terjadinya penumpukan stok.b. Dengan adanya laporan penjualan yang rapidan lengkap maka dapat memudahkan untukpembuatan peramalan.c. Dengan adanya menu untuk memasukan jamkerja dalam seminggu, membantu . Dengan adanya laporan penjadwalan produksi,maka kegiatan produksi dalam perusahaanlebih terkontrol.e. Pengujian peramalan yang telah dilakukandengan menggunakan data penjualan periodeJanuari 2003 hingga Desember 2004menghasilkan nilai: Untuk kelompok ukuran A (1-3 tahun)MAD dari peramalan dengan metodeMoving Average sebesar 22.9, metodeLinearRegressionsebesar22.79,sedangkan metode Winter sebesar2317.67. Untuk kelompok ukuran B (4-7 tahun)MAD dari peramalan dengan metodeMoving Average sebesar 27.25, metodeLinearRegressionsebesar23.25,sedangkan metode Winter sebesar 651.75.Gambar 5. Form Perencanaan ProduksiTabel 12. Peramalan Tiap Item telah mendapatkan hasil peramalan tiapitem barang dan perencanaan produksinya, formberikut yang dihasilkan adalah MPS seperti yangtampak pada Gambar 6.Baris forecast menunjukan peramalan yangsudah dilakukan untuk item produk tersebut padaperiode tertentu, sales menunjukan penjualan aktualpada periode tersebut, stock menunjukan sisa stokproduk tersebut pada periode yang sama, MPSmenunjukan rencana produksi mula-mula, dan Rev.Prod menunjukan produksi yang sebenarnyadilakukan pada periode yang sama.Pada form ini terdapat fasilitas untukmenampilkan quick report. Dimana quick report ininantinya dapat di-print untuk kemudian dijadikanarsip secara manual.DAFTAR PUSTAKA[1] Baroto, Teguh, (2002). Perencanaan danPengendalian Produksi, (1st ed). Jakarta.Ghalia Indonesia.[2] Elasyed, Elsayed. A. and Thomas. O. Boucher,(1994). Analysis and Control of ProductionSystem, (2nd ed). New Jersey. Prentice Hall.[3] Gasperz, Vincent, (2001). Production Planningand Inventory Control. Jakarta. PT. Gramedia.[4] Hanke, John E, Dean W. Wichern and ArthurG. Reitsch. (2001). Business Forecasting, (7thed). New Jersey: Prentice Hall.[5] Kendall, Kenneth E. and Julie E. Kendall.(1992). System Analysis and Design. NewJersey: Prentice Hall.[6] Makridakis, Spyros, Steven C. Wheelwright,and Victor E. Mgee. (1999). Metode danAplikasi Peramalan. Jakarta: Binarupa Aksara.Gambar 6. Form Laporan MPSE-122
Informasi dari Rough Cut Capacity Planning (RCCP), yang berupa kebutuhan kapasitas mesin. Terdapat beberapa pertimbangan dalam penentuan desain MPS, yaitu lingkungan manufakturing, struktur produk, horison perencanaan, lead times, production time fences, serta pemilihan item-item MPS. Lingkungan manufakturing dalam desain MPS dapat juga
