Perbaikan perkiraan pesanan dan perencanaan kebutuhan bahan baku menggunakan artificial neural network dan cover time planning di PT.Katsushiro Indonesia
P PT. Katsushiro Indonesia merupakan industri manufaktur yang memproduksi komponen komponen alat berat. Permasalahan yang dihadapi adalah perusahaan sering mengalami kekurangan maupun kelebihan persediaan produk. Hal tersebut disebabkan rendahnya tingkat akurasi perkiraan pesanan yang dilakukan oleh perusahaan. Perusahaan berproduksi berdasarkan pesanan. Tujuan penelitian, untuk melakukan perkiraan pesanan produk dengan menggunakan metode Artificial Neural Network (ANN) dan merancang kebutuhan bahan baku. Tahap pertama penelitian dilakukan dengan membandingkan hasil perkiraan pesanan pada perusahaan saat ini dengan hasil perkiraan pesanan menggunakan metode ANN. Hasil perbandingan akurasi metode perkiraan pesanan saat ini dengan aktual mendapatkan nilai MAPE sebesar 27.50%. Hasil perbandingan pengujian akurasi metode ANN dengan aktual mendapatkan nilai MAPE sebesar 0.005%. Selanjutnya, dibuat perencanaan produksi menggunakan Koefisien Manajemen untuk mendapatkan model tingkat tenaga kerja dan tingkat laju produksi. Kemudian, pengecekan kapasitas menggunakan Rough Cut Capaciy Planning (RCCP). Jadwal Induk Produksi layak karena kebutuhan jam kerja lebih kecil dibandingkan dengan jam kerja tersedia. Selanjutnya dilakukan perhitungan perencanaan kebutuhan bahan baku dengan menggunakan Cover-Time. Total biaya persediaan pada kondisi awal Rp.156.336.200 sedangkan total biaya persediaan setelah menggunakan cover time Rp.131.565.075, terjadi penurunan total biaya persediaan sebesar 16%. Hasil akhir penelitian jumlah perkiraan pesanan mendekati jumlah pesanan dan total biaya persediaan mengalami penurunan.
P PT. Katsushiro Indonesia is a company that engaged in the industrial manufacturing. It is produces components of heavy equipment. This company facing a problem about the inventory could be underload and overload. This is caused by the low level of accuracy in the estimated orders that made by the company. Companies producing those components based on order. The purpose of this study to estimate product orders using Artificial Neural Network (ANN) method and designing raw material requirements for companies. First steps of this studying is compare the estimated results of orders at the current company with the estimated order results using the ANN method. The comparison result of accuracy method is estimation order with the actual value of MAPE about 27.50%. The next comparison result of accuracy tested using ANN method with value’s MAPE about 0.005%. Furthermore, production planning was made by Management Coefficient to get a model of the manpower’s level and the rate of production. Then, check the capacity using Rough Cut Capaciy Planning. Master Production Schedule is feasible since the working hour needs was smaller than available working hours before. Afterward calculate all the raw material needs planning using Cover-Time. The inventory total cost before was Rp.156.336.200 while after using Cover-Time, it cost would be Rp.131.565.075. As can be known there was a decrease in the inventory total cost about 16%. The final result is total of the estimated orders approaching the total of orders and the inventory total cost has been decreased.