PPP Laporan Akhir Revisi PDF

PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
LAPORAN AKHIR
Diajukan untuk Memenuhi dan Melengkapi Persyaratan Akademik Mata Kuliah
Praktikum Perencanaan dan Pengendalian Produksi
Program Studi Teknik Industri Fakultas Teknik Universitas Widyatama
Disusun Oleh :
Arip Hidayatullah
(0515103014)
LABORATORIUM SISTEM PRODUKSI
PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS WIDYATAMA
SK Ketua Badan Akreditasi Nasional Perguruan tinggi (BAN-PT)
Nomor : 112/BAN-PT/AKRED-XIII/2015
BANDUNG
2017
LEMBAR PENGESAHAN
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
LAPORAN AKHIR
PROGRAM TEKNIK INDUSTRI-FAKULTAS TEKNIK
UNIVERSITAS WIDYATAMA
Oleh :
Arip Hidayatullah
(0515103014)
Telah Disetujui dan Disahkan di Bandung, Tanggal ...../ ..... / 2017
Menyetujui,
Asisten 1 Asisten 2
Devi Frida Sagala Rizka Yarsa
Mengesahkan,
Instruktur Praktikum
Perencanaan dan Pengendalian Produksi
Tiaradia Ihsan,S.T
i
KATA PENGANTAR
Segala puji dan syukur tidak henti-hentinya kita panjatkan kehadirat Allah SWT
yang telah memberikan rahmat, nikmat dan anugerah-Nya sehingga laporan akhir
Praktikum Perencanaan dan Pengendalian Produksi pada Semester V ini dapat
terselesaikan dengan baik. Laporan ini disusun mulai dari modul satu sampai
dengan modul lima sebagai syarat untuk melengkapi tugas Praktikum
Perencanaan dan Pengendalian Produksi Program Studi Teknik Industri
Universitas Widyatama.
Penyusunan laporan ini telah terselesaikan berkat bantuan banyak pihak, baik
pada saat pelaksanaan pratikum maupun pada saat penyusunan laporan Praktikum
Perencanaan dan Pengendalian Produksi, oleh karena itu, penyusun mengucapkan
terima kasih yang sebesar-besarnya kepada:
1. Asisten Praktikum Perencanaan dan Pengendalian Produksi yang telah

memberikan bimbingan dan saran dalam melakukan kegiatan praktikum
laporan Praktikum Perencanaan dan Pengendalian Produksi ini.
2. Seluruh pihak yang telah membantu penyelesaian laporan akhir Praktikum
Perencanaan dan Pengendalian Produksi dengan baik secara langsung maupun
tidak langsung.
Penulis sadar bahwasanya masih banyak kekurangan yang terkandung di

dalamnya, oleh sebab itu, dengan penuh kerendahan hati penulis berharap kepada
para pembaca untuk memberikan kritik dan saran demi lebih memperbaiki
penyusunan laporan akhir praktikum ini.
Akhir kata, semoga laporan ini bermanfaat bagi saya selaku praktikan pada
khususnya dan seluruh pihak pada umumnya.
Bandung, 8 Januari 2018
Arip Hidayatullah
ii
DAFTAR ISI
LEMBAR PENGESAHAN ................................................................................... i

KATA PENGANTAR ........................................................................................... ii
DAFTAR ISI ......................................................................................................... iii
DAFTAR GAMBAR ............................................................................................ vi
DAFTAR TABEL ............................................................................................... vii
1BAB I PENDAHULUAN .................................................................................... 1
LATAR BELAKANG ................................................................................... 1
Peramalan (Forecasting) ................................................................... 1
Produksi Agregat ............................................................................... 2
Produksi Disagregasi ......................................................................... 2
Perencanaan Kebutuhan Material ..................................................... 3
Keseimbangan Lintasan (Line Balancing) ........................................ 4
TUJUAN PRAKTIKUM ............................................................................... 5
Peramalan (Forecasting) ................................................................... 5
Perencanaan Produksi Agregat ......................................................... 5
Perencanaan Produksi Disagregasi ................................................... 5
Perencanaan Kebutuhan Material ..................................................... 5
Keseimbangan Lintasan (Line Balancing) ........................................ 6
2BAB II LANDASAN TEORI ............................................................................. 7
2.1 PERAMALAN (FORECASTING) ................................................................ 7
2.1.1 Pengertian Peramalan ........................................................................ 7
2.1.2 Tujuan Peramalan.............................................................................. 7
2.1.3 Klasifikasi Teknik Peramalan ........................................................... 8
2.1.4 Kriteria Performa Peramalan .......................................................... 14
2.2 PERENCANAAN PRODUKSI AGREGAT .............................................. 16
2.2.1 Perencanaan Agregat dan Kapasitas ............................................... 16
2.2.2 Strategi Perencanaan Kapasitas....................................................... 16
2.2.3 Biaya Perencanaan Agregat ............................................................ 20
2.3 PERENCANAAN PRODUKSI DISAGREGASI....................................... 21
2.3.1 Proses Disagregasi .......................................................................... 21
2.3.2 .Master Production Schedule (MPS)............................................... 23
iii
2.4 PERENCANAAN KEBUTUHAN MATERIAL ........................................ 24
2.4.1 .Material Requirement Planning..................................................... 24
2.4.2 Asumsi MRP ................................................................................... 25
2.4.3 Langkah-Langkah Membuat MRP .................................................. 25
2.4.4 .Input dan Output MRP ................................................................... 26
2.4.5 Metode Lotting ................................................................................ 27
2.5 KESEIMBANGAN LINI PRODUKSI (LINE BALANCING) .................... 29
2.5.1 Pengertian Line Balancing .............................................................. 29
2.5.2 Tujuan Line Balancing .................................................................... 30
2.5.3 Istial-Istilah Line Balancing ............................................................ 30
2.5.4 Metode Line Balancing ................................................................... 32
3BAB III FLOWCHART KEGIATAN PRAKTIKUM .................................... 34
3.1 .FLOW CHART KEGIATAN PRAKTIKUM ............................................. 34
3.2 URAIAN FLOW CHART KEGIATAN PRAKTIKUM ............................ 35
3.2.1 Studi Literatur ................................................................................. 35
3.2.2 Pengumpulan Data .......................................................................... 35
3.2.3 Pengolahan Data.............................................................................. 36
3.2.4 Analisis............................................................................................ 37
3.2.5 Kesimpulan dan Saran..................................................................... 37
4BAB IV PENGUMPULAN DAN PENGOLAHAN DATA ........................... 38
4.1 PENGUMPULAN DATA ........................................................................... 38
4.1.1 Peramalan (Forecasting) ................................................................. 38
4.1.2 Perencanaan Produksi Agregat ....................................................... 38
4.1.3 Perencanaan Produksi Disagregat ................................................... 38
4.1.4 Perencanaan Kebutuhan Material .... Error! Bookmark not defined.
4.1.5 Keseimbangan Lintasan (Line Balancing) ...................................... 42
4.2 PENGOLAHAN DATA.............................................................................. 44
4.2.1 Peramalan (Forecasting) ................................................................. 44
4.2.2 Perencanaan Produksi Agregat ....................................................... 55
4.2.3 Perencanaan Produksi Disagregasi ................................................. 55
4.2.4 Perencanaan Kebutuhan Material ................................................... 72
4.2.5 Keseimbangan Lintasan (Line Balancing) ...................................... 72
5BAB V ANALISIS ............................................................................................. 79
5.1 PERAMALAN (FORECASTING) .............................................................. 79
iv
5.2 PERENCANAAN PRODUKSI AGREGAT .............................................. 79
5.3 PERENCANAAN PRODUKSI DISAGREGASI....................................... 80
5.4 PERENCANAAN KEBUTUHAN MATERIAL ........................................ 80
5.5 KESEIMBANGAN LINTASAN (LINE BALANCING) ............................. 82
6BAB VI KESIMPULAN DAN SARAN........................................................... 83
6.1 KESIMPULAN ........................................................................................... 83
6.1.1 PERAMALAN (FORECASTING) .................................................. 83
6.1.2 PERENCANAAN PRODUKSI AGREGAT .................................. 83
6.1.3 PERENCANAAN PRODUKSI DISAGREGASI .......................... 83
6.1.4 PERENCANAAN KEBUTUHAN MATERIAL ........................... 84
6.1.5 KESEIMBANGAN LINTASAN (LINE BALANCING)................. 84
6.2 SARAN ....................................................................................................... 85
6.2.1 PERAMALAN (FORECASTING) .................................................. 85
6.2.2 PERENCANAAN PRODUKSI AGREGAT .................................. 85
6.2.3 PERENCANAAN PRODUKSI DISAGREGASI .......................... 86
6.2.4 PERENCANAAN KEBUTUHAN MATERIAL ........................... 86
6.2.5 KESEIMBANGAN LINTASAN (LINE BALANCING)................. 86
DAFTAR PUSTAKA .......................................................................................... 85
v
DAFTAR GAMBAR
Gambar 2.1 Pola Siklik ........................................................................................... 9

Gambar 2.2 Pola Musiman .................................................................................... 10
Gambar 2.3 Pola Horizontal.................................................................................. 10
Gambar 2.4 Pola Trend ......................................................................................... 11
Gambar 2.5 Model-Model Strategi Kapasitas ....................................................... 17
Gambar 4.1 APC Kursi Chitose ............................. Error! Bookmark not defined.
Gambar 4.2 Struktur Explotion Produk Kursi Chitose......... Error! Bookmark not
defined.
Gambar 4.3 Assembling Process Chart (APC) Kursi Chitose .... Error! Bookmark
not defined.
Gambar 4.4 Precedence Diagram Kursi Chitose ... Error! Bookmark not defined.
Gambar 4.5 Diagram Scatter Demand Double Moving Average (DMA) ...... Error!
Bookmark not defined.
Gambar 4.6 Plot Data Double Moving Average (DMA) ...... Error! Bookmark not
defined.
Gambar 4.7 Diagram Scatter Demand DES Satu Parameter dari Brown ...... Error!
Gambar 4.8 Plot Data DES Satu Parameter dari Brown ...... Error! Bookmark not
defined.
Gambar 4.9 Diagram Scatter Demand DES Dua Parameter dari Holt .......... Error!
Gambar 4.10 Plot Data DES Dua Parameter dari Holt ........ Error! Bookmark not
defined.
Gambar 4.11 Diagram Scatter Demand Regresi Linier ....... Error! Bookmark not
defined.
Gambar 4.12 Plot Data Regresi Linier ................... Error! Bookmark not defined.
Gambar 4.13 Pembagian Region ............................ Error! Bookmark not defined.
vi
DAFTAR TABEL
Tabel 2.1 Tabel Model Transportasi untuk Aggregate Planning.......................... 20

Tabel 3.1 Flowchart Praktikum ............................................................................ 34
Tabel 4.1 Data Demand.......................................... Error! Bookmark not defined.
Tabel 4.2 Komponen Data Awal ........................... Error! Bookmark not defined.
Tabel 4.3 Data Demand.......................................... Error! Bookmark not defined.
Tabel 4.4 Data Demand......................................................................................... 38
Tabel 4.5 Data Proses Disagregasi ......................... Error! Bookmark not defined.
Tabel 4.6 Persentase Actual Demand ..................... Error! Bookmark not defined.
Tabel 4.7 Data Master Production Schedule ......... Error! Bookmark not defined.
Tabel 4.8 Master Schedule Baracuda ..................... Error! Bookmark not defined.
Tabel 4.9 Bill Of Material Kursi Chitose ............... Error! Bookmark not defined.
Tabel 4.10 Uraian Precedence Diagram Kursi Chitose....... Error! Bookmark not
defined.
Tabel 4.11 Data Jumlah Permintaan Kursi Chitose ............. Error! Bookmark not
defined.
Tabel 4.12 Peramalan dengan Metode DMA ......... Error! Bookmark not defined.
Tabel 4.13 Peramalan dengan Metode DES Satu Parameter dari Brown ...... Error!
Tabel 4.14 Peramalan dengan Metode DES Dua Parameter dari Holt ......... Error!
Tabel 4.15 Peramalan dengan Metode Regresi Linear ........ Error! Bookmark not
defined.
Tabel 4.16 Hasil Perhitungan Error ....................... Error! Bookmark not defined.
Tabel 4.17 Perhitungan Menggunakan Metode Double Moving Avarage ..... Error!
Tabel 4.18 Strategi Tenaga Kerja Tetap (Round Down) ...... Error! Bookmark not
defined.
Tabel 4.19 Strategi Tenaga Kerja Berubah (Round Up) ...... Error! Bookmark not
defined.
Tabel 4.20 Strategi Tenaga Kerja Berubah (Round Down) . Error! Bookmark not
defined.
Tabel 4.21 Strategi Transportasi ............................ Error! Bookmark not defined.
vii
Tabel 4.22 Proses Agregasi Tiap End Item ............ Error! Bookmark not defined.
Tabel 4.23 Proses Disagregasi Periode 1 ............... Error! Bookmark not defined.
Tabel 4.32 Proses Disagregasi Periode 10 ............. Error! Bookmark not defined.
Tabel 4.35 Proporsi untuk Tiap End Item .............. Error! Bookmark not defined.
Tabel 4.36 Master Production Schedule Baracuda Error! Bookmark not defined.
Tabel 4.37 Master Production Schedule Cobra ..... Error! Bookmark not defined.
Tabel 4.38 Master Production Schedule Hauler .... Error! Bookmark not defined.
Tabel 4.39 Master Production Schedule Emperor . Error! Bookmark not defined.
Tabel 4.40 Perhitungan MRP untuk Produk Kursi Chitose . Error! Bookmark not
defined.
Tabel 4.41 Perhitungan MRP untuk Produk Alas Duduk .... Error! Bookmark not
defined.
Tabel 4.42 Perhitungan MRP untuk Produk Assembly 2 ..... Error! Bookmark not
defined.
Tabel 4.43 Perhitungan MRP untuk Produk Sandaran......... Error! Bookmark not
defined.
Tabel 4.44 Perhitungan MRP untuk Produk Assembly 1 ..... Error! Bookmark not
defined.
Tabel 4.45 Perhitungan MRP untuk Produk Kaki Belakang Error! Bookmark not
defined.
Tabel 4.46 Perhitungan MRP untuk Produk Sub Assembly-1 ..... Error! Bookmark
not defined.
Tabel 4.47 Perhitungan MRP untuk Produk Tiang Bantalan Error! Bookmark not
defined.
viii
Tabel 4.48 Perhitungan MRP untuk Produk Kaki Depan .... Error! Bookmark not
defined.
Tabel 4.49 Positional Weight Tiap Elemen Kerja . Error! Bookmark not defined.
Tabel 4.50 Positional Weight Tiap Elemen Kerja . Error! Bookmark not defined.
Tabel 4.51 Cumulative Station Time ...................... Error! Bookmark not defined.
Tabel 4.52 Efisiensi Stasiun Kerja ......................... Error! Bookmark not defined.
Tabel 4.53 Task Time Tiap Region ........................ Error! Bookmark not defined.
Tabel 4.54 Cumulative Station Time ...................... Error! Bookmark not defined.
Tabel 4.55 Efisiensi Stasiun Kerja ......................... Error! Bookmark not defined.
Tabel 5.1 Hasil Perhitungan Error ......................... Error! Bookmark not defined.
Tabel 5.2 Hasil Peramalan 12 periode kedepan ..... Error! Bookmark not defined.
Tabel 5.3 Data Perbandingan dari Setiap Metode .. Error! Bookmark not defined.
Tabel 5.4 Tabel Master Schedule ........................... Error! Bookmark not defined.
ix
1 BAB I
PENDAHULUAN
LATAR BELAKANG
Peramalan (Forecasting)
Peramalan (forecasting) merupakan suatu kegiatan untuk mengetahui apa
yang akan terjadi di masa yang akan datang menggunakan dan
mempertimbangkan data dari masa lampau. Ketepatan secara mutlak
dalam memprediksi suatu peristiwa adalah tidak mungkin dicapai. Oleh
karena itu, ketika tidak dapat melihat kejadian yang akan datang secara
pasti, diperlukan waktu dan biaya yang besar agar mereka dapat memiliki
kekuatan dalam menghadapi masa yang akan datang. Peramalan
merupakan alat bantu yang penting dalam sebuah perencanaan yang
efektif. Dalam lingkungan perusahaan, peramalan kebanyakan digunakan
untuk mengestimasi dan memprediksi permintaan yang akan datang guna
memperkirakan jumlah dan jenis apa saja yang diproduksi oleh
perusahaan.
Banyak jenis metode peramalan yang tersedia. Namun, yang lebih penting
adalah bagaimana memahami karakteristik suatu metode peramalan agar
sesuai dengan situasi pengambilan keputusan. Situasi peramalan sangat
beragam, faktor yang menentukan hasil sebenarnya, tipe pola data, dan
berbagai aspek lain. Untuk menghadapi penggunaan yang luas seperti itu,
beberapa metode telah dikembangkan. Berdasarkan jenisnya, metode
peramalan dapat dibagi menjadi dua, yaitu metode peramalan kualitatif
dan kuantitatif
Praktikum pada mata kuliah Perencanaan dan pengendalian produksi
praktikan belajar menggunakan metode Double Moving Average, Double
Exponential Smoothing (DES) dari Brown, Exponential Smoothing (DES)
dari Holt, dan Regresi Linear dengan data yang telah diberikan oleh
Instruktur dengan pengerjaan perorangan. Data yang telah diberikan
dimodifikasi dengan menambahkan NPM untuk menghindari kesamaan
data antar praktikan, sehingga praktikan bisa lebih memahami metode
pada praktikum.
i
Universitas Widyatama Praktikum Perencanaan dan Pengendalian Produksi
Perencanaan Produksi Agregat

Perencanaan Produksi Agregat Dalam suatu kegiatan produksi agar target
produksi dapat tercapai dan tidak ada hambatan-hambatan yang dapat
mengganggu kelancaran produksi tersebut, maka diperlukan perencanaan
produksi yang tepat dan akurat sesuai dengan kondisi serta situasi pada
kenyataan dilapangannya. Salah satu dari perencanan produksi adalah
perhitungan mengenai jam kerja dan jumlah pekerja yang akan
dipekerjakan. Pada beberapa perusahaan, perusahaan jasa maupun
perusahaan manufaktur, perencanaan produksi agregat selalu digunakan
sebelum proses produksi dilakukan.
Manajer operasi berupaya untuk menetukan cara terbaik untuk memenuhi
ramalan permintaan dengan menyesuaikan tingkat produksi, tingkat
kebutuhan tenaga kerja, tingkat persediaan, waktu lembur, tingkat nilai sub
kontrak, dan semua variabel lain yang dapat dikendalikan. Penjadwalan
agregat (perencanaan agregat) menyangkut penentuan jumlah dan kapan
produksi akan dilangsungkan dalam waktu dekat, seringkali 3-18 bulan ke
depan. Perencanaan agregat merupakan salah satu unsur yang paling
penting dalam penjadwalan proses produksi sehingga akan dipakai secara
terus menerus dan berkelanjutan.
Praktikum Perencanaan dan pengendalian produksi kali ini praktikan akan
mencoba menerapkan beberapa metode - metode yang telah dijelaskan
ketika pembelajaran teori dengan data yang yang telah ada dari hasil
praktikum sebelumnya. Metode yang coba digunakan oleh praktikan
antara lain adalah perhitungan strategi tenaga kerja tetap, strategi tenaga
kerja berubah dan metode transportasi. Dimana setelah melakukan
perhitungan praktikan dapat melakukan dan memahami analisis dari hasil
praktikum dan menentukan metode manakah yang lebih tepat yang
menghasilkan perhitungan biaya yang paling minimum.
Perencanaan Produksi Disagregasi

Perencanaan produksi adalah aktivitas mengenai berapa banyak produk yang
harus dihasilkan setiap periode produksinya. Fase perencanaan produksi dapat
Laboratorium Sistem Produksi 2

dinyatakan dalam satuan tahun, bulan, minggu, hari, bahkan dalam jam.
Perencanaan produksi yang baik adalah perencanaan produksi yang mampu
memenuhi kebutuhan konsumen pada saat demand datang dan memberikan biaya
perencanaan seminimum mungkin.
Banyak industri pada saat ini semakin berkembang dan mengalami kemajuan.
Permasalahan tersebut menuntut perusahaan untuk membuat suatu sistem yang
lebih efektif dan efisien. Sistem yang efektif dan efisien tentunya akan dapat
meningkatkan keuntungan yang diperoleh perusahaan baik dari segi produksi
maupun dalam keseluruhan perusahaan.
Berbeda kenyataannya bahwa industri pada saat ini biasanya melakukan
perencanaan produksi, tetapi pelaksanaanya tersebut hanya berdasarkan hasil
penjualan periode sebelumnya, sehingga memungkinkan terjadinya waktu
produksi yang tidak optimal dan mengharuskan adanya penambahan waktu
produksi (jam lembur). Kendala yang di hadapi adalah apakah kapasitas waktu
produksi yang tidak optimal sudah dapat memenuhi target produksi yang ingin
dicapai. Berdasarkan masalah tersebut untuk mengatur segala aktivitas perusahaan
dalam menjalankan produksinya diperlukan Proses Disagregasi yang berpungsi
sebagai merubah hasil rencana agregat menjadi jumlah yang harsus di produksi
untuk setiap periode yang berupa Jadwal Induk Produksi atau Master Production
Schedule (MPS).
Perencanaan Kebutuhan Material

Bagian penting dalam perencanaan yang harus dilakukan perusahaan yaitu
perencanaan produksi dan kebutuhan material. Perencanaan produksi sendiri
berfungsi untuk memenuhi total semua kebutuhan produk yang akan dihasilkan
menggunakan sumber daya yang ada. Perencanaan kebutuhan material adalah
untuk perencanaan dan pengendalian komponen yang saling bergantung pada
item-item yang ada ditingkat lebih tinggi. Perencanaan produksi dan kebutuhan
material sangatlah penting untuk menjamin kelancaran dalam proses produksi.
Perencanaan produksi dan kebutuhan material dapat dilakukan maka perusahaan
dapat memperhitungkan kebutuhan yang dibutuhkan dengan sumber daya yang
tersedia. Perencanaan produksi dan kebutuhan material juga berguna untuk

meminimasi total biaya produksi ketika perencanaan dapat dilakukan dengan

tepat. Suatu kegiatan produksi bisa saja terjadi berbagai hal tak terduga yang
menyebabkan adanya biaya tambahan yang harus dikeluarkan perusahaan seperti
biaya lembur, biaya inventori dan lain sebagainya.
Praktikum Perencanaan dan Pengendalian Produksi pada Modul ini adalah
Material Requirement Plannning Kursi Chitose yang belum memiliki
perencanaan produksi dan kebutuhan material agar semua aspek produksi menjadi
lebih efektif maka dibuatlah perencanaan produksi dan perhitungan material.
Dengan adanya Perencanaan yang baik, maka pelayanan terhadap konsumen dapat
ditingkatkan. Mengatur segala aktivitas dalam menjalankan produksinya
diperlukan suatu perencanaan yang terukur dan dapat diperhitungkan dengan baik.
Keseimbangan Lintasan (Line Balancing)

Perusahaan tentu memiliki bagian produksi yang bertugas untuk mengatur proses
produksi yang dilakukan perusahaan tersebut. Perencanaan lantai produksi yang
baik dalam perusahaan diperlukan sebuah metode untuk keseimbangan lintasan
sehingga proses produksi menjadi tepat dan efisien, dalam perencanaannya dan
waktu menganggur pun dapat diminimalkan sekecil mungkin. Perhitungan untuk
menyeimbangkan lini produksi adalah mendapatkan tingkat efisiensi yang tinggi
bagi setiap departemen dan berusaha memenuhi produksi yang telah ditetapkan,
sehingga diupayakan untuk memenuhi perbedaan waktu kerja antar departemen
dan memperkecil waktu tunggu.
Proses produksi suatu departemen ke departeman yang lainnya membutuhkan
waktu proses (waktu siklus) produk tersebut. Hambatan atau ketidakefisiensian
dalam suatu departemen akan mengakibatkan tidak lancarnya material ke
departemen berikutnya, sehingga terjadi waktu menunggu (delay time) dan
penumpukan material. Lini produksi yang seimbang juga akan memudahkan
penyiapan fasilitas dan bahan-bahan pembantu. Beberapa perusahaan
mengimlementasikan keseimbangn lintasan ini secara maksimal.
Praktikum Perancangan dan Pengendalian Produksi pada modul 5 ini membahas
tentang Line Balancing yang dilakukan dengan melakukan proses pengukuran
kerja. Proses pengukuran kerja dilakukan dengan menggukur standar waktu
proses operasi dengan menggunakan metode studi waktu dibandingkan dengan

kinerja pegawai. Pengambilan data dilakukan dengan menggunakan studi waktu

dengan bantuan stopwatch variasi waktu dan untuk menentukan standar waktu.
Berdasarkan atas standar waktu yang telah dihitung, dilakukan analisa
penyeimbangan lintasan kerja.
TUJUAN PRAKTIKUM
Peramalan (Forecasting)
Tujuan melakukan kegiatan praktikum pada Modul satu mengenai Forecasting
ini, praktikan diharapkan mampu:
1. Mengetahui dan memahami pengertian Forecasting.
2. Mengetahui metode-metode yang digunakan dalam Forecasting.
3. Mengetahui cara menghitung peramalan dengan berbagai metode,
khususnya dalam menggunakan metode kuantitatif.
Perencanaan Produksi Agregat

Tujuan melakukan kegiatan praktikum pada modul dua ini mengenai Perencanaan
Produksi Agregat ini, praktikan diharapkan mampu:
1. Mengetahui pegertian dan proses dari perencanaan agregat.
2. Mengetahui fungsi dan tujuan dari perencanaan agregat.
3. Mengerti akan strategi dan metode dalam perencanaan agregat.
4. Mengetahui tentang biaya perencanaan agregat.
Perencanaan Produksi Disagregasi
Tujuan melakukan kegiatan praktikum pada modul tiga ini mengenai perencanaan
disagregasi ini, praktikan diharapkan mampu:
1. Memahami dan menggunakan teknik disagregasi.
2. Mengetahui fungsi dan tujuan dari perencanaan disagregasi.
3. Menyusun Master Production Schedule (MPS) atau Jadwal Induk
Produksi (JIP).
Perencanaan Kebutuhan Material

Tujuan melakukan kegiatan praktikum pada modul empat ini mengenai
Perencanaan Kebutuhan Material, praktikan diharapkan mampu:
1. Mengetahui Pengertian Material Requirement Plannning (MRP).

2. Membuat Jadwal MRP dan Memperhitungkan Jumlah Material yang

Tepat.
3. Memahami Istilah dalam membuat MRP.
4. Mengimplementasikan Kebutuhan Material atau MRP.
Keseimbangan Lintasan (Line Balancing)

Tujuan melakukan kegiatan praktikum pada Modul lima ini mengenai
keseimbangan lintasan (Line Balancing) , praktikan diharapkan mampu:
1. Memahami konsep dan proses keseimbangan lintasan (line balancing).
2. Mengetahui istilah-istilah dalam line balancing.
3. Memahami metode-metode penyeimbangan lini rakit.

2 BAB II
LANDASAN TEORI
2.1 PERAMALAN (FORECASTING)

2.1.1 Pengertian Peramalan
Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan
terhadap satu atau beberapa produk pada periode yang akan datang. Pada
hakekatnya peramalan hanya merupakan suatu perkiraan (guess), tetapi dengan
menggunakan teknik-teknik tertentu, maka peramalan menjadi lebih sekedar
perkiraan. Peramalan dapat dikatakan perkiraan yang ilmiah (educated guess).
Setiap pengambilan keputusan yang menyangkut keadaan di masa yang akan
datang, maka pasti ada peramalan yang melandasi pengambilan keputusuan
tersebut.
2.1.2 Tujuan Peramalan

Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah
permintaan terhadap suatu produk dan merupakan langkah awal dari proses
perencanaan dan pengendalian produksi. Tujuan peramalan dalam kegiatan
produksi adalah untuk meredam ketidakpastian, sehingga diperoleh suatu
perkiraan yang mendekati keadaan yang sebenarnya.
Tujuan peramalan dilihat dengan waktu terdiri atas:
1. Jangka pendek (Short Term)
Menentukan kuantitas dan waktu dari item dijadikan produksi. Biasanya
bersifat harian ataupun mingguan dan ditentukan oleh Low Management.
2. Jangka Menengah (Medium Term)
Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya
bersifat bulanan ataupun kuartal dan ditentukan oleh Middle Management.
3. Jangka Panjang (Long Term)
Merencanakan kuantitas dan waktu dari fasilitas produksi. Biasanya
bersifat tahunan, 5 tahunan, 10 tahunan, ataupun 20 tahun dan ditentukan
oleh Top Management.
i
2.1.3 Klasifikasi Teknik Peramalan

2.1.3.1 Peramalan Kualitatif
Peramalan kualitatif adalah metode penaksiran permintaan berdasarkan perkiraan
secara subjektif atau opini terhadap ramalan. Dengan sifatnya yang demikian itu,
ramalan atas hal yang sama yang dilakukan oleh orang yang berbeda
berkemungkinan memberikan hasil yang juga berbeda. Metode kualitatif pada
umumnya digunakan apabila data kuantitatif tentang peramalan masa lalu tidak
tersedia atau akurasinya tidak memadai.
Ada beberapa karakteristik dari peramalan secara kualitatif, yaitu:
Peramalan biasanya berdasaran dari penilaian seseorang atau berdasarkan data
dari pihak luar.
a) Peramalan lebih cenderung bersifat subjektif, peramalan tersebut
cenderung dikembangkan dari pengalaman orang yang ada pada bidang
tersebut.
b) Keuntungan dari metode ini adalah dapat dilakukan dengan cepat dan
menghasilkan hasil peramalan dengan cepat.
c) Peramalan bisa sangat penting dalam beberapa kasus karena menjadi satu-
satunya metode ang tersedia.
d) Peramalan biasanya digunakan untuk satu produk dan jarang digunakan
untuk meramalkan seluruh kebutuhan pasar.
2.1.3.2 Peramalan Kuantitatif

Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas dua bagian,
yaitu:
a) Metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antara variabel yang akan diperkirakan dengan variabel waktu,
yang merupakan deret watu atau time series.
b) Metode peramalan yang digunakan atas penggunaan analisis pola
hubungan antara variabel yang akan diperkirakan dengan variabel lain
yang mempengaruhinya, yang bukan waktu disebut metode korelasi atau
sebab-akibat (causal method).

2.1.3.3 Metode Time Series

Metode time series adalah metode yang digunakan untuk menganalisis
serangkaian data yang merupakan fungsi dari waktu. Metode ini mengasumsikan
beberapa pola atau kombinasi pola selalu berulang sepanjang waktu, dan pola
dasarnya dapat diidentifikasi semata-mata atas dasar data historis dari serial itu.
Terdapat 4 komponen yang mempengaruhi analisis ini, yaitu:
a) Pola Siklis
Penjualan produk dapat memiliki siklus yang berulang secara periodik.
Banyak produk dipengaruhi pola pergerakan aktivitas ekonomi yang
terkadang memiliki kecenderungan periodik. Komponen siklis ini akan sangat
berguna dalam peramalan jangka menengah. Pola data ini memiliki
kecenderungan untuk naik atau turun terus-menerus. Pola siklik ini dapat
dilihat pada grafik yang terlihat pada Gambar 2.1.
Gambar 2.1 Pola Siklik

(Sumber: http://2.bp.blogspot.com/nKF4S91uFLg/s1600/pb.jpg)
b) Pola Musiman
Perkataan musiman menggambarkan pola penjualan yang berulang setiap
periode. Komponen musim dapat dijabarkan ke dalam faktor cuaca, libur, atau
kecenderungan perdagangan. Pola musiman berguna dalam meramalkan
penjualan dalam jangka pendek. Pola ini terjadi bila data sangat dipengaruhi
oleh musim. Pola musim ini dapat dilihat pada Gambar 2.2.

Gambar 2.2 Pola Musiman

c) Pola Horizontal
Pola ini terjadi apabila nilai data berfluktuasi disekitar nilai rata-rata. Pola
horizontal ini dapat dilihat pada Gambar 2.3.
Gambar 2.3 Pola Horizontal

d) Pola Trend
Pola data ini terjadi bila data memiliki kecenderungan untuk naik atau
turun terus menerus. Gambar pola trend ini dapat dilihat pada Gambar 2.4.

Gambar 2.4 Pola Trend

Metode peramalan yang termasuk model time series adalah:

a) Double Moving Average (LMA)
Dasar dari metode ini adalah penggunaan moving average kedua untuk
memperoleh penyesuaian bentuk pola trend. Peramalan dilakukan melalui
beberapa tahap berikut ini:
1. Hitung rata-rata dari data dengan periode perata-rataan tertentu,
hasilnya dinotasikan dengan 𝑆′𝑡
2. Setelah semua rata-rata dihitung, hitung rata-rata kedua yaitu rata-rata
dari 𝑆𝑡 dengan periode peratarataan yang sama, hasilnya dinotasikan
dengan 𝑆′′𝑡
3. Hitung komponen at dengan rumus:
𝑎𝑡 = 𝑆′𝑡 + (𝑆′𝑡 − 𝑆′′𝑡 )
4. Hitung komponen trend bt dengan rumus:
2
𝑏𝑡 = (𝑆′𝑡 − 𝑆′′𝑡 )
𝑁−1
5. Peramalan untuk periode kedepan setelah t adalah sebagai berikut:

𝐹𝑡+𝑚 = 𝑎𝑡 + 𝑏𝑡 . 𝑚

b) Double Exponential Smoothing (DES) Satu Parameter dari Brown

Dasar pemikiran metode pemulsan eksponensial linier dari Brown adalah
serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal
dan ganda ketinggalan dari data yang sebenarnya jika terdapat unsur trend.
Perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan
dengan nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang
dipakai dalam implementasi pemulusan eksponensial linier satu parameter dari
Brown adalah sebagai berikut:
Pemulusan Eksponensial Tunggal, 𝑆′𝑡 = α Xt + (1 – α) 𝑆′𝑡−1
Pemulusan Eksponensial Ganda, 𝑆′′𝑡 = α 𝑆′𝑡 + (1 – α) 𝑆′′𝑡−1
𝛼
Pemulusan Trend, 𝑎𝑡 = 𝑆′𝑡 + (𝑆′𝑡 − 𝑆′′𝑡 ) = 2𝑆′𝑡 − 𝑆′′𝑡 dan 𝑏𝑡 = 1−𝛼 (𝑆′𝑡 − 𝑆′′𝑡 )
Ramalan, 𝐹𝑡+𝑚 = 𝑎𝑡 + 𝑏𝑡 . 𝑚
Agar dapat menggunakan rumus pemulusan eksponensial tunggal dan rumus

pemulusan eksponensial ganda, nilai 𝑆′𝑡−1 dan 𝑆′′𝑡−1 harus ada. Tetapi pada
saat t = 1, nilai-nilai tersebut tidak tersedia sehingga nilai-nilai ini harus
ditentukan pada awal periode. Hal ini dapat dilakukan dengan hanya
menetapkan 𝑆′𝑡 dan 𝑆′′𝑡 sama dengan 𝑋𝑡 atau menggunakan nilai rata-rata dari
beberapa nilai pertama sebagai titik awal. Jenis masalah inisialisasi ini muncul
dalam setiap metode pemulusan eksponential jika parameter pemulusan α
tidak memdekati nol. Tetapi, jika α mendekati nol, proses inisialisai tersebut
dapat memainkan peranan yang nyata selama periode waktu yang panjang.
c) Double Exponential Smoothing (DES) Dua Parameter dari Holt

Metode pemulusan eksponentsial linier dari Holt pada prinsipnya serupa
dengan Brown kecuali bahwa Holt tidak menggunakan rumus pemulusan
berganda secara langsung. Sebagai gantinya, Holt memuluskan nilai trend
dengan parameter yang berbeda dari parameter yang digunakan pada deret
yang asli.

Ramalan dari pemulusan eksponensial linier Holt didapat dengan

menggunakan dua konstanta pemulusan (dengan niali antara 0 dan 1) dan tiga
persamaan:
Pemulusan, 𝑆′𝑡 = α 𝑋𝑡 + (1 – α)(𝑆′𝑡−1 + 𝑏𝑡−1 )
Peremajaan Trend, 𝑏𝑡 = γ (𝑆′𝑡 − 𝑆′𝑡−1 ) + (1 – γ)𝑏𝑡−1
Ramalan, 𝐹𝑡+𝑚 = 𝑆′𝑡 + 𝑏𝑡 . 𝑚
Persamaan pemulusan menyesuaikan 𝑆𝑡 secara langsung untuk trend periode

sebelumnya, yaitu 𝑏𝑡−1 dengan menambah nilai pemulusan yang terakhir,
yaitu 𝑆𝑡−1. Hal ini membantu untuk menghilangkan kelambatan dan
menempatkan 𝑆𝑡 ke nilai data saat ini. Kemudian persamaan peremajaan trend,
yang ditunjukan sebagai perbedaan antara dua nilai pemulusan yang terakhir.
Hal ini tepat karena jika terdapat kecenderungan didalam data, nilai yang baru
akan lebih tinggi atau lebih rendah daripada nilai yang sebelumnya. Karena
mungkin masih terdapat sedikit kerandoman, maka hal ini dihilangkan oleh
pemulusan dengan γ trend pada periode terakhir (𝑆𝑡 − 𝑆𝑡−1) dan
menambahkannya dengan taksiran trend sebelumnya dikalikan dengan (1 – γ).
Jadi, persamaan peremajaan serupa dengan bentuk pemulusan tunggal pada
persamaan pemulusan eksponensial tunggal tetapi dipakai untuk meremajakan
trend. Akhirnya persamaan peramalan digunakan untuk ramalan yang akan
datang (ke muka). Trend, b_t dikalikan dengan jumlah periode ke muka yang
diramalkan yaitu m dan ditambahkan pada nilai dasar yaitu S_t. Proses
inisialisasi untuk pemulusan eksponensial linier dari Holt memerlukan dua
taksiran yang satu mengambil nilai pemulusan pertama untuk S_1 dan yang
lain mengambil trend b_1. Pilih S_1 = X_1. Taksiran trend kadang-kadang
lebih merupakan masalah. Kita memerlukan taksiran trend dari satu periode ke
periode lainnya. Kemungkinannya b_t = X_2 - X_1.
d) Metode Regresi Linier

Metode kecenderungan dengan regresi merupakan dasar garis kecenderungan
untuk suatu persamaan, sehingga dengan dasar persamaan tersebut dapat
diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang.

Untuk peramalan jangka pendek dan jangka panjang, ketepatan peramalan

dengan metode ini sangat baik. Data yang dibutuhkan untuk metode ini adalah
tahunan, minimal lima tahun. Namun, semakin banyak data yang dimiliki
semakin baik hasil yang diperoleh. Adapun perhitungan untuk peramalan
dengan metode regresi linier adalah:
Peramalan 𝐹𝑡 = a + b + t
Untuk mendapatkan nilai a dan b bias diperoleh dari rumus:
∑ 𝑑−𝑏 ∑ 𝑡
a= 𝑛
𝑛 ∑ 𝑑𝑡−(∑ 𝑡)(∑ 𝑑)
b= 𝑛 ∑ 𝑡²−(∑ 𝑡)²
Dimana:
F = nilai yang diramalakan
a = konstanta
b = koefisien regresi
P = variabel yang mempengaruhi waktu (tahun, ualn, hari)
X = variabel demand
n = jumlah data
2.1.4 Kriteria Performa Peramalan

Ketepatan atau ketelitian dalam melakukan peramalan yang menjadi kriteria
performa suatu metode peramalan. Ketepatan atau ketelitian tersebut dapat
dinyatakan sebagai kesalahan dalam peramalan. Kesalahan yang kecil
memberikan arti ketelitian peramalan yang tinggi, dengan kata lain keakuratan
hasil peramalan tinggi, begitu pula sebaliknya. Menghitung kesalahan dalam
peramalan dilakukan dengan rumus 𝑒𝑡 = 𝑋𝑡 - 𝐹𝑡

Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara:
1. Ukuran Kesalahan dengan cara Statistik

a. Mean Error (ME)
∑ 𝑒𝑡
ME = 𝑛
b. Mean Absolute Error (MAE)

∑ |𝑒𝑡 |
MAE = 𝑛
c. Sum of Square Error (SSE)

SSE = ∑(𝑒𝑡 )²
d. Mean of Square Error (MSE)
𝑆𝑆𝐸
MSE = 𝑛
e. Standard Deviation Error (SDE)

𝑆𝑆𝐸
SDE = √𝑛−1
2. Ukuran Kesalahn Relatif

a. Percentage Error (PE)
𝑒
PE = 𝑑𝑡 x 100%
𝑡
b. Mean Percentage Error (MPE)

∑ 𝑃𝐸
MPE = 𝑛
c. Mean Absolute Percentage Error (MAPE)

∑ |𝑃𝐸|
MAPE = 𝑛

2.2 PERENCANAAN PRODUKSI AGREGAT

2.2.1 Perencanaan Agregat dan Kapasitas
Kapasitas (capacity) adalah hasil produksi (throughtphut), atau jumlah unit yang
dapat ditahan, diterima, disimpan, atau diproduksi oleh sebuah fasilitas dalam
suatu periode waktu tertentu. Kapasitas mempengaruhi sebagian besar biaya tetap,
kapasitas juga menetukan apakah permintaan dapat dipenuhi, atau apakah fasilitas
yang ada akan berlebih. Fasilitas yang terlalu besar maka akan mengakibatakan
sebagian fasilitas menganggur dan akan terdapat biaya tambahan yang dibebankan
pada produksi yang ada atau pelanggan dan fasilitas terlalu kecil, pelanggan dan
bahkan pasar keseluruhan akan hilang. Penetapan ukuran fasilitas, dengan tujuan
pencapaian tingkat utilitas tinggi dan tingkat pengembalian investasi tinggi, sangat
menentukan.
2.2.2 Strategi Perencanaan Kapasitas

Setiap pilihan kapasitas dari lima dan tiga pilihan permintaan dapat menghasilkan
sebuah jadwal agregat yang efektif, beberapa kombinasi di antara pilihan
kapasitas dan pilihan permintaan mungkin lebih baik. Menentukan kebutuhan
kapasitas masa depan bisa menjadi prosedur yang rumit dan sebagian besar
didasarkan pada permintaan di masa yang akan datang. Permintaan barang dan
jasa dapat diramalkan dengan dengan tingkat ketepatan yang memadai, maka
penentuan kebutuhan kapasitas dapat langsung dilakukan. Penentuan kapasitas
biasanya membutuhkan dua tahap. Tahap pertama, permintaan masa depan
diramalkan dengan model tradisional seperti metode-metode peramalan, baik
kuantitatif maupun kualitatif. Pada tahap kedua, peramalan ini digunakan untuk
menentukan kebutuhan kapasitas serta peningkatan ukuran untuk setiap
penambahan kapasitas. Pertumbuhan permintaan biasanya terjadi secara bertahap
dalam unit yang kecil dan penambahan kapasitas biasanya terjadi secara serentak
dan dalam unit yang besar.

(a) Lead Strategy perluasan tahap (b) Lead Strategy satu tahap
D D
e e
m m
a a
n n
d d
1 2 3 Time (tahun) 1 2 3 Time (tahun)

(c) Lag Strategy (d) Average Strategy
D D
e e
m m
a a
n n
d d
1 2 3 Time (tahun) 1 2 3 Time (tahun)
Gambar 2.5 Model-Model Strategi Kapasitas

(Sumber: (http://aymutzpunya.blogspot.co.id/2012/10/perencanaan-kapasitas.html)
Gambar 2.5 mengungkapkan empat pendekatan menuju kapasitas baru.

Sebagaimana terlihat dalam gambar (a), hanya merupakan satu dari sekian banyak
rencana yang tidak terhitung untuk memenuhi permintaan di masa yang akan
datang. Pada gambar ini, kapasitas baru diperoeh secara bertahap pada permulaan
tahun 1 dan awal tahun 2. Pada gambar (b), peningkatan kapasitas besar-besaran
didapatkan pada awal tahun 1 untuk memenuhi ramalan permintaan awal tahun 3.
Kapasitas berlebih yang dihasilkan oleh perencanaan, gambar (a) dan gambar (b)
memberikan fleksibilitas bagi para manajer operasi. Sebagai contoh, dalam
industry perhotelan, perubahan kapasitas dalam bentuk penambahan kamar
memberikan adanya pilihan kamar yang lebih bervariasi dan mungkin

menambahkan fleksibiitas dalam jadwal pembersihan ruangan. Kapasitas yang

berlebih dalam sebuah manufaktur dapat digunakan untuk melakukan lebih
banyak penyeletelan mesin untuk mempercepat laju prduksi dan menurunkan
tingkat persediaan. Kapasitas tambahan juga menjadikan manajemen dapat
membuat persediaan yang berlebih dan karenanya dapat menunda pengeluaran
modal dan gangguan yang datang dengan adanya penambahan kapasitas baru.
Alternatif seperti pada gambar (a) dan gambar (b) kapasitas memimpin (lead),
yakni kapasitas yang ada selalu melebihi permintaan tetapi gambar (c)
menunjukkan sebuah pilihan di mana kapasitas terlambat (lag) dari permintaan,
mungkin dengan menggunakan waktu lembur atau subkontrak untuk mengatasi
permintaan yang berlebih. Gambar (d) mencoba untuk membuat kapasitas “rata-
rata”, yang terkadang kurang dari permintaan dan terkadang lebih dari
permintaan.
Pengambilan keputusan dari beberapa kasus terdapat alternatif mana yang akan
diambil relatif mudah. Biaya total dari setiap alternatif dapat dihitung dan
alternatif biaya total terendah akan dipilih. Penetapan kapasitas dan bagaimana
mencapai kapasitas dari beberapa kasus yang lain tersebut akan lebih rumit.
Faktor subjektif dalam banyak kasus akan sangat sulit untuk dihitung dan diukur.
Faktor-faktor lain meliputi pilihan teknologi, strategi pesaing, pembuat keputusan,
biaya modal, piihan sumber daya manusia dan hukum, serta peraturan lokal di
negara bagian.
a) Pendekatan Matematika
Perencanaan agregat dipandang sebagai salah satu masalah dalam
mengalokasikan kapasitas operasi untuk memenuhi peramalan permintaan,
dapat digunakan formulasi dalam format linear programming. Metode
transportasi linear programming bukan merupakan pendekatan trial and error
seperti grafik tetapi agak menghasilkan perencanaan yang optimal untuk
meminimalkan biaya. Pendekatan matematika juga dapat lebih fleksibel dalam
menentukan produksi regular dan overtime dalam tiap periode waktu, jumlah

unit yang disubkontrak, ekstra shift, dan menyimpan persediaan dari period ke
periode (Heizer & Render, 2011:554).
b) Metode Transportasi
Menurut Arman Hakim Nasution (2003:79) perencanaan agregat dapat
menggunakan metode transportasi yang merupakan bagian dari perencanaan
produksi program linier dengan jumlah tenaga kerja (work-force) tetap.
Metode ini mengijinkan penggunaan produksi regular, overtime, inventory,
backorder, dan subkontrak. Hasil perencanaan yang diperoleh dapat dijamin
optimal dengan asumsi optimistik bahwa tingkat produksi (yang dipengaruhi
oleh hiring dan training. pekerja) dapat dirubah dengan cepat. Agar supaya
metode ini dapat diaplikasikan, kita harus memformulasikan persoalan
perencanaan agregat sehingga:
Kapasitas produksi dan permintaan dinyatakan dalam satuan yang sama;
1. Kapasitas tersedia (supply) dinyatakan dalam unit yang sama dengan
kebutuhan (demand)
2. Total kapasitas untuk horison perencanaan harus sama dengan total
peramalan kebutuhan. Bila tidak sama, kita gunakan variabel bayangan
(dummy) sebanyak jumlah selisih tersebut dengan unit cost = 0
3. Semua hubungan biaya merupakan hubungan linier.

Berikut ini tabel 2.1 yang menggambarkan model dari metode transportasi
menurut William J. Stevenson (2009:626) yang digunakan untuk
menyesuaikan kapasitas dengan permintaan dan meminimalkan total biaya
produksi reguler, subkontrak, lembur, menganggur, dan penyimpanan.
Tabel 2.1 Tabel Model Transportasi untuk Aggregate Planning
(Sumber: William J. Stevenson (2009:626))
2.2.3 Biaya Perencanaan Agregat

Secara umum, tujuan dari perencanaan agregat adalah untuk meminimalkan total
biaya produksi selama periode perencanaan dengan menyesuaikan dari tiga
strategi perencanaan agregat yang mempertimbangkan kapasitas produksi regular
time, overtime, backorder, subkontrak, tingkat persediaan, mempekerjakan atau
memberhentikan sementara pegawai.
Perencanaan agregat tersebut sangat penting bagi manajemen produksi dalam
mengidentifikasi dan mempertimbangkan biaya-biaya yang dipengaruhi oleh
keputusan dari strategi perencanaan agregat yang digunakan. Beberapa biaya
dalam perencanaan agregat antara lain (Nahmias, 2009:130):

1. Smoothing cost, yaitu biaya tambahan yang ditimbulkan dari adanya

perubahan tingkat produksi dari satu periode ke periode berikutnya.
Adapun biaya yang sangat berpengaruh pada smoothing adalah adanya
perubahan jumlah tenaga kerja yang direkrut atau diberhentikan
sementara.
2. Holding costs, yaitu biaya yang ditimbulkan dari adanya penyimpanan
inventory. Menurut Arman Hakim Nasution dan Yudha Prasetyawan
(2008:79), persediaan mempunyai fungsi mengantisipasi timbulnya
kenaikan permintaan pada saat-saat tertentu. Sehingga, konsekuensi dari
adanya persediaan bagi perusahaan adalah timbulnya ongkos
penyimpanan(inventory cost/holding costs) yang berupa ongkos
tertahannya modal, pajak, asuransi, kerusakan bahan, dan sewa gudang.
3. Shortage costs, yaitu biaya yang dibebankan pada saat terjadi kekurangan
atau yang diwakili oleh tingkat negatif dalam persediaan. Kekurangan
dapat terjadi ketika perkiraan permintaan melebihi kapasitas dari fasilitas
produksi atau ketika tuntutan yang lebih tinggi daripada yang diantisipasi.
Sedangkan menurut Arman Hakim Nasution dan Yudha Prasetyawan
(2008:79) ongkos kehabisan persediaan (shortage costs) ini dihitung
berdasarkan berapa permintaan yang datang tetapi tidak dapat dilayani
karena barang yang diminta tidak tersedia.
4. Regular time costs, yaitu biaya yang ditimbulkan dari proses produksi di
tiap unit produknya selama jam kerja regulernya.
5. Overtime and subcontracting costs, biaya yang ditimbulkan dari adanya
proses produksi di tiap unit produknya di luar jam kerja reguler.
6. Idel time costs, biaya untuk underutilization dari tenaga kerja yang bernilai
nol. Sebagai biaya langsung (direct costs) pada idle time akan
diperhitungkan dalam biaya tenaga kerja dan biaya produksi yang lebih
rendah.
2.3 PERENCANAAN PRODUKSI DISAGREGASI
2.3.1 Proses Disagregasi
Proses disagregasi merupakan proses merubah hasil rencana agregat menjadi
jumlah yang harus diproduksi untuk setiap produk atau item, hasil dari disagregasi

ini berupa Master Production Schedule (MPS). Karakteristik dari perencanaan

produksi biasanya tidak rinci, rencana dibuat untuk family atau kelompok produk
dan satuan yang digunakan dapat berbeda antara satu perusahaan dengan
perusahaan yang lainnya, seperti ton, waktu produksi standar, satuan uang dan
lain-lain. Horizon perencanaan bisa sama panjang dengan rencana bisnis dimana
periode perencanaan biasanya bulanan.
Hasil yang diperoleh dari proses disagregasi adalah:

1. Demand tiap end item.
2. On hand tiap end item.
3. Master Production Schedule (MPS)
Langkah-langkah dalam perhitungan proses disagregasi dengan menggunakan

family set-up yaitu:
1. Menghitung inventori akhir dengan rumus:
Iij,t = Iij,t-1- rij
2. Menentukan family yang harus diproduksi dengan rumus:
Iij,t < Sij,t
3. Menghitung waktu antar produksi optimal, T*j untuk tiap family yang dibuat
dengan rumus:
2 Kj
T*j = √∑hij.rij
4. Menghitung q*ij dengan rumus:

Max {T*ij.rij}- dij = Iij,t-1-rij-Sij
5. Menghitung ukuran produksi dalam satuan agregat untuk tiap item dengan
rumus:
Q*ij = q*ij.Mij
6. Memeriksa apakah Q*ij = P, jika tidak maka lakukan adjustment dengan

rumus:
q*ij(adj) = qij + rij (P- Q*ij)atau(∑rij.Mij)
Q*ij(adj)= q*ij.Mij

Dimana:
Iij-t : Inventori akhir item i family j
Iij,t-1 : Inventori awal item i family j
rij : Demand item i family j
Sij : Safety stock item i family j
T*j : Waktu antar produksi optimal family j
Kj : Ongkos set up family j
Mij : Faktor konversi item i family j
P : Rencana Produksi Agregat
2.3.2 .Master Production Schedule (MPS)

Master Production Schedule (MPS) merupakan suatu set perencanaan yang
mengidentifikasi kuantitas dari item tertentu yang dapat dan akan dibuat oleh
suatu perusahaan manufaktur (dalam satuan waktu). Master Production Schedule
(MPS) merupakan suatu pernyataan tentang produk akhir (termasuk parts
pengganti dan suku cadang) dari suatu perusahaan industri manufaktur yang
merencanakan memproduksi output berkaitan dengan kuantitas dan periode
waktu.
Adapun fungsinya MPS adalah:
1. Menjadwalkan produksi dan order pembelian untuk item-item MPS.
2. Memberikan input dasar bagi sistem MRP.
3. Menjadi dasar bagi penentuan kebutuhan sumber daya (tenaga kerja, jam
mesin, dan lain-lain) melalui Rough Cut Capacity Planning (RCCP).
4. Menjadi dasar dalam membuat janji pengiriman (Delivery Promises) pada
konsumen.
Adapun tujuan MPS adalah:
1. Memenuhi target tingkat pelayanan terhadap konsumen (Customer Service
Level).
2. Efisiensi penggunaan sumber daya produksi.
3. Mencapai target tingkat produksi.
Istilah yang sering digunakan:
1. Time Bucket, adalah pembagian planning periode yang digunakan dalam MPS
atau MRP.

2. Time Phase Plan, adalah penyajian plan, dimana semua demand, order dan
inventori disajikan dalam time bucket.
3. Time Fences, adalah batas waktu penyesuaian pesanan yang terdiri dari
beberapa zona, dimana setiap zonanya mempunyai aturan yang berbeda. Time
Fences terdiri dari:
a. Demand Time Fences (DTF), adalah batas dimana demand tidak bisa lagi
untuk diubah. PAB dihitung dari actual demand dan perubahan demand
tidak dilayani.
b. Planning Time Fences (PTF), adalah batas dimana demand masih
memungkinkan untuk berubah jika material dan kapasitas tersedia.
4. Planning Horizon, adalah jangka waktu perencanaan yang dipakai, dimana
panjang planning horizon adalah kumulatif lead time ditambah beberapa saat
untuk melihat hasilnya.
5. Inventori status, adalah:
a. Catatan status persediaan menggambarkan keadaan masing-masing item
yang ada di dalam persediaan, baik yang ada di tangan (On hand) maupun
yang sedang dipesan (On Order).
b. Catatan-catatan transaksi-transaksi yang terjadi seperti penerimaan dan
pengeluaran komponen-komponen yang rusak dan lain-lain.
c. Catatan yang mengandung informasi tentang waktu ancang-ancang ukuran
lot, daftar pemasok dan lain-lain.
2.4 PERENCANAAN KEBUTUHAN MATERIAL

2.4.1 .Material Requirement Planning
Material Requirement Planning (MRP) merupakan suatu teknik atau prosedur
logis untuk menterjemahkan Jadwal Produksi Induk (JPI) dari barang jadi atau
end item menjadi kebutuhan bersih untuk beberapa komponen yang dibutuhkan
untuk mengimplementasikan JPI. MRP ini digunakan untuk menentukan jumlah
dari kebutuhan material untuk mendukung Jadwal Produksi Induk dan kapan
kebutuhan material tersebut dijadwalkan. (Orlicky,et al., 1994). Pengertian
lainnya Material Requirement Planning (MRP) merupakan aktivitas perencanaan
material untuk seluruh komponen dan raw material (bahan baku) yang dibutuhkan

sesuai dengan Jadwal Produksi Induk (JPI) yang sama halnya dengan demand
atau permintaan per komponen (John A. White, et al., 1987).
Material Requirement Planning (MRP) lebih dari sekedar metode proyeksi
kebutuhan-kebutuhan akan komponen individual dari suatu produk. Sistem MRP
mempunyai tiga fungsi utama, yaitu :
1. Sebagai kontrol tingkat persediaan
2. Penugasan komponen berdasarkan urutan prioritas
Penentu kebutuhan kapasitas (capacity requirement) pada tingkat yang lebih
detail daripada proses perencanaan pada rough-cut capacity-requirements.
2.4.2 Asumsi MRP

Asumsi-asumsi dalam pembuatan MRP:
1. Adanya data file yang terintegrasi dan Lead time unlink semua item
diketahui.
2. Setiap item persediaan selalu ada dalam pengendalian.
3. Semua komponen untuk suatu perakitan dapat disediakan pada saat
perakitan dilakukan.
4. Pengadaan dan pemakaian komponen bersifat diskrit
5. Proses pembuatan suatu item tidak tergantung terhadap proses pembuatan
item lainnya.
2.4.3 Langkah-Langkah Membuat MRP

Terdapat beberapa langkah yang harus diketahui dalam membuat MRP yaitu:
1) Netting
Netting merupakan proses penentuan kebutuhan bersih (net requirement)
yang besarnya merupakan selisih dari kebutuhan kotor (gross requirement)
dikurang dengan jadwal penerimaan persediaan (schedule receipt)
dikurang persediaan awal yang tersedia (on hand).
NR=GR-SR-OH
Kebutuhan bersih dianggap tidak ada atau tidak ada kebutuhan apabila
nilai NR lebih kecil atau sama dengan nol
2) Offsetting

Merupakan proses yang bertujuan untuk menentukan saat yang tepat untuk
melakukan pemesanan. Langkah ini bertujuan agar kebutuhan komponen
dapat tersedia tepat pada saat dibutuhkan dengan mempertimbangkan
parameter lead time pengadaan komponen tersebut
3) Lotting
Merupakan suatu proses untuk menentukan besarnya jumlah pesanan yang
optimal untuk setiap item secara individual pada setiap pemesanan.
Langkah ini ditentukan berdasarkan teknik lotting atau lotsizing.
Parameter yang digunakan biasanya adalah biaya simpan dan biaya pesan.
4) Exploding atau Explosion
Langkah ini merupakan proses perhitungan kebutuhan kotor untuk tingkat
item (komponen) pada level yang lebih rendah dari struktur produk yang
telah tersedia. Perhitungan ini didasarkan pada pemesanan item-item
produk pada level yang lebih atas.
2.4.4 .Input dan Output MRP

Beberapa proses input dalam sistem MRP yaitu sebagai berikut:
1) Jadwal Induk Produksi (JIP) atau Main Production Schedule (MPS)
Jadwal Induk Produksi (JIP) atau dalam bahasa inggris disebut Master
Production Schedule (MPS) dibuat secara spesifik untuk menentukan
pembuatan suatu item (produk akhir).
JIP merupakan disagregasi dari suatu Rencana Agregat. Kegunaan JIP
(Jadwal Induk Produksi atau MPS) adalah menjadwalkan pesanan dan
pembelian material.
2) Bill of Material (BOM)
Bill of Materials (BOM), berisi informasi atas material, komponen, dan
sub assemblies yang diperlukan untuk menghasilkan tiap produk akhir.
BOM dalam jadwal induk produksi (JIP) merencanakan berapa banyak
dari tiap item harus tersedia pada waktu-waktu tertentu untuk mencukupi
permintaan independent. BOM digunakan untuk menurunkan jumlah dari
komponen yang dependent, yang diperlukan untuk membangun end items.
3) Status Persediaan atau Inventory

Status inventori berisi informasi on-hand dan status on-order dari tiap item
inventori. Arsip ini dicek untuk menentukan inventori apa yang akan
tersedia dalam memenuh jadwal produksi dan jika berlebih akan
digunakan untuk menutupi kebutuhan pada periode tertentu. Informasi file
status inventori juga berisi data lead-time untuk lead-time offsetting
(penyesuaian order atau pesanan untuk memperhatikan periode lead-time).
Informasi lain, seperti ukuran lot (kelompok), uraian item, daftar penjual,
pemakaian sampai saat ini, sejarah demand, pencapaian penyerahan
penjual, catatan dalam pemesanan terkemuka, dan tingkat tarif sisa juga
terkadang ditemui pada file status persediaan. Pemeliharaan database harus
dilaksanakan untuk melindungi ketelitian informasi ini.
Beberapa Output dalam sistem MRP yaitu sebagai berikut:

1) Jadwal pemesanan yang harus dilakukan
2) Indikasi bila diperlukan penjadwalan ulang
3) Indikasi untuk pembatalan atas pemesanan
4) Indikasi tentang keadaan dari persediaan
2.4.5 Metode Lotting

Terdapat bebeapa metode Lotting dalam MRP yaitu sebagai berikut:
2.4.5.1 Lot for lot (LFL)
Lot for lot menentukan ukuran lot sama besarnya dengan NR. Asumsi yang ada di
balik metode ini adalah bahwa pemasok (dari luar atau dari lantai pabrik) tidak
mensyaratkan ukuran lot tertentu artinya berapapun ukuran lot yang dipilih akan
dapat dipenuhi.
Metode LFL atau dikenal juga sebagai metode persediaan minimal, berdasarkan
pada ide menyediakan persediaan atau memproduksi sesuai dengan yang
diperlukan saja, jumlah persediaan diusahakan seminimal mungkin. Jumlah
pesanan sesuai dengan jumlah sesungguhnya yang diperlukan (Lot for lot) ini

menghasilkan tidak adanya persediaan yang disimpan sehingga biaya yang timbul
hanya berupa biaya pemesanan saja. Namun metode ini juga beresiko jika terjadi
keterlambatan dalam pengiriman barang akan mengakibatkan terhentinya
produksi.
2.4.5.2 Economic Order Quantity (EOQ )

Formulasi rumus untuk menghitung ukuran lot ekonomis atau EOQ yaitu:
2. 𝑆. 𝐷
𝐸𝑂𝑄 = √
ℎ
Dimana : EOQ = jumlah pembelian bahan baku yang ekonomis

S = biaya pesan setiap kali pemesanan
D = jumlah kebutuhan bahan baku untuk satu periode
h = biaya penyimpanan
Ada beberapa asumsi yang harus diperhatikan dalm penggunaan metode EOQ,
yaitu sebagai berikut :
a. Barang yang dipesan dan disimpan hanya satu macam
b. Kebutuhan atau permintaan barang yang diketahui dan konstan.
c. Biaya pemesnan dan biaya penyimpanan diketahui dan konstan.
d. Barang yang dipesan diterima dalam satu kelompok (batch).
e. Harga barang tetap dan tidak tergantung dari jumlah yang dibeli.
f. Waktu tenggang (lead time) diketahui dan konstan.
2.4.5.3 Period Order Quantity (POQ)

Metode POQ ini menentukan jumlah perioda yang akan dimasukkan ke dalam
sekali pemesanan. Langkah-langkah penentuan ukuran lot dengan metode ini
adalah:
1) Hitung Economic Order Quantity (EOQ).
2) Hitung jumlah (frekuensi) pemesan N, yaitu dengan membagi permintaan
per tahun (D) dengan EOQ. Bulatkan ke atas bila hasil pembagian (nilai
N) bukan bilangan bulat.
3) Hitung POQ dengan membagi jumlah minggu per tahun dengan N. Hasil
pembagian ini kemudian dibulatkan ke atas.

2.5 KESEIMBANGAN LINI PRODUKSI (LINE BALANCING)

2.5.1 Pengertian Line Balancing
Line balancing merupakan penyeimbangan penugasan elemen-elemen tugas dari
suatu assembly line ke work stations untuk meminimumkan banyaknya work
station dan meminimumkan total harga idle time pada semua stasiun untuk tingkat
output tertentu, yang dalam penyeimbangan tugas ini, kebutuhan waktu per unit
produk yang di spesifikasikan untuk setiap tugas dan hubungan sekuensial harus
dipertimbangkan.
Lini produksi adalah penempatan area-area kerja dimana operasi-operasi diatur

secara berturut-turut dan material bergerak secara kontinu melalui operasi yang
terangkai seimbang. Menurut karakteristiknya proses produksinya, lini produksi
dibagi menjadi dua:
1. Lini fabrikasi, merupakan lintasan produksi yang terdiri atas sejumlah
operasi pekerjaan yang bersifat membentuk atau mengubah bentuk benda
kerja.
2. Lini perakitan, merupakan lintasan produksi yang terdiri atas sejumlah
operasi perakitan yang dikerjakan pada beberapa stasiun kerja dan
digabungkan menjadi benda assembly atau subassembly.
Persyaratan umum yang harus digunakan dalam suatu keseimbangan lintasan

produksi adalah dengan meminimumkan waktu menganggur (idle time) dan
meminimumkan pula keseimbangan waktu senggang (balance delay). Sedangkan
tujuan dari lintasan produksi yang seimbang adalah sebagai berikut:
1. Menyeimbangkan beban kerja yang dialokasikan pada setiap workstation
sehingga setiap work station selesai pada waktu yang seimbang dan
mencegah terjadinya bottle neck. Bottle neck adalah suatu operasi yang
membatasi output dan frekuensi produksi.
2. Menjaga agar pelintasan perakitan tetap lancar.
3. Meningkatkan efisiensi atau produktifitas.

2.5.2 Tujuan Line Balancing

Tujuan line balancing adalah untuk memperoleh suatu arus produksi yang lancar
dalam rangka memperoleh utilisasi yang tinggi atas fasilitas, tenaga kerja, dan
peralatan melalui penyeimbangan waktu kerja antar work station, dimana setiap
elemen tugas dalam suatu kegiatan produk dikelompokkan sedemikian rupa dalam
beberapa stasiun kerja yang telah ditentukan sehingga diperoleh keseimbangan
waktu kerja yang baik. Syarat dalam pengelompokan stasiun kerja:
1. Hubungan dengan proses terdahulu.
2. Jumlah stasiun kerja tidak boleh melebihi jumlah elemen kerja.
3. Waktu siklus lebih dari atau sama dengan waktu maksimum dari tiap
waktu di stasiun kerja dari tiap elemen pengerjaan.
2.5.3 Istial-Istilah Line Balancing

Terdapat beberapa istilah dalam keseimbangan lintasan atau line balancing yaitu:
1) Precedence diagram
Precedence diagram merupakan gambaran secara grafis dari urutan kerja
operasi kerja. Adapun tanda-tanda yang dipakai sebagai berikut:
a) Simbol lingkaran dengan huruf atau nomor di dalamnya untuk
mempermudah identifikasi dari suatu proses operasi.
b) Tanda panah menunjukkan ketergantungan dan urutan proses operasi.
Dalam hal ini, operasi yang berada pada pangkal panah berarti
mendahului operasi kerja yang ada pada ujung anak panah.
c) Angka di atas simbol lingkaran adalah waktu standar yang diperlukan
untuk menyelesaikan setiap operasi.
2) Asssamble product adalah Produk yang melewati urutan work stasiun di
mana tiap work station (WS) memberikan proses tertentu hingga selesai
menjadi produk akhir pada perakitan akhir.
3) Work elemen yaitu elemen operasi dari seluruh proses perakitan.
4) Time Operation (Ti) yaitu waktu standar menyelesaikan suatu operasi.
5) Work station (WS) adalah tempat pada lini perakitan di mana proses
perakitan dilakukan. Setelah menentukan interval waktu siklus, maka
jumlah stasiun kerja efisien dapat ditetapkan dengan rumus berikut:

∑𝑛𝑖=1 𝑡𝑖
𝐾𝑚𝑖𝑛 =
𝐶
Dimana: Ti : waktu operasi atau elemen ( I=1,2,3,…,n)
C :waktu siklus stasiun kerja
N : jumlah elemen
Kmin : jumlah stasiun kerja minimal
6) Cycle time (CT) merupakan waktu yang diperlukan untuk membuat satu
unit produk satu stasiun. Keseimbangan lintasan produksi untuk sejumlah
produksi tertentu, waktu siklus harus sama atau lebih besar dari waktu
operasi terbesar yang merupakan penyebab terjadinya bottleneck
(kemacetan) dan waktu siklus juga harus sama atau lebih kecil dari jam
kerja efektif per hari dibagi dari jumlah produksi per hari, yang secara
matematis dinyatakan sebagi berikut:
𝑃
𝑡𝑖 𝑚𝑎𝑥 ≤ 𝐶𝑇 ≤
𝑄
Dimana: ti max : waktu operasi terbesar pada lintasan
CT : waktu siklus (cycle time)
P : jam kerja efektif per hari
Q : jumlah produksi per hari
7) Station time (ST) adalah Jumlah waktu dari elemen kerja yang dilakukan
pada suatu stasiun kerja yang sama.
8) Idle time (I) merupakan selisih (perbedaan 0 antara cycle time (CT) dan
stasiun time (ST) atau CT dikurangi ST.
9) Balance delay (D) atau balancing loss adalah ukuran dari
ketidakefisiensinan lintasan yang dihasilkan dari waktu menganggur
sebenarnya yang disebabkan karena pengalokasian yang kurang sempurna
di antara stasiun-stasiun kerja. Balance delay ini dinyatakan dalam
persentase. Balance delay dapat dirumuskan:
(𝑛 𝑥 𝐶 )– ∑𝑛𝑖=1 𝑡𝑖
𝐷= 𝑥 100%
(𝑛𝑥𝐶)
Di mana:
n : jumlah stasiun kerja

C : waktu siklus terbesar dalam stasiun kerja

∑ 𝑡𝑖 : jumlah waktu operasi dari semua operasi
𝑡𝑖 : waktu operasi
𝐷 : balance delay (%)
10) Line efficiency (LE) adalah rasio dari total waktu di stasiun kerja dibagi
dengan waktu siklus dikalikan jumlah stasiun kerja
∑𝐾
𝑖=1 𝑆𝑇𝑖
𝐿𝐸 = 𝑥100%
(𝐾)(𝐶𝑇)
Di mana:
STi : waktu stasiun dari stasiun ke-1
K : jumlah(banyaknya) stasiun kerja
CT : waktu siklus
11) Smoothes index (SI) adalah suatu indeks yang menunjukkan kelancaran
relative dari penyeimbangan lini perakitan tertentu
SI= √∑𝐾
𝑖=1(𝑆𝑇𝑖 𝑚𝑎𝑥 − 𝑆𝑇𝑖)
2
Di mana:
St max : maksimum waktu di stasiun
Sti : waktu stasiun di stasiun kerja ke-i
12) Output production (Q)adalah jumlah waktu efektif yang tersedi dalam
suatu periode dibagi dengan cycle time.
𝑇
𝑄=
𝐶𝑇
Di mana:
T : jam kerja efektif penyelesaiaan produk
C : waktu siklus terbesar
2.5.4 Metode Line Balancing

Penyeimbangan lintasan memerlukan metode tertentu yang sistematis. Metode
penyeimbngan lini rakit yang biasa digunakan antara lain:
1) Metode formulasi dengan program sistematis
2) Metode Kilbridge-Wester Heruistic
3) Metode Helgeson-Birnie

4) Metode Moodie Young

5) Metode Immediate Update First-Fit Heruistic
6) Metode Rank And Assign Heruistic

3 BAB III
FLOWCHART KEGIATAN PRAKTIKUM
3.1 .FLOW CHART KEGIATAN PRAKTIKUM
MULAI
STUDI LITERATUR
PENGUMPULAN DATA
PERENCANAAN PROSES DISAGREGASI MATERIAL

PERAMALAN DAN ASSEMBLY LINE
PRODUKSI REQUIREMENT
(FORECASTING) MASTER PRODUCTION BALANCING
AGREGAT SCHEDULE PLANNING
 Data demand 12  Komponen Data  Data Demand 12  Assembly Proccess  Assembly Operation
periode  Data Hari Kerja 12 Periode Chart Kursi Chitose Chart Kursi Chitose
Periode  Data Proses  Data Master Schedule  Precedence Diagram
 Data Demand 12 Disagregasi Baracuda Kursi Chitose
Periode  Persentase Actual  Struktur Produk  Data demand Kursi
Demand Exsplosion Chitose
 Data Master  Bill Of Material
Productiion Schedule
PENGOLAHAN DATA
PROSES DISAGREGASI MATERIAL

PERENCANAAN ASSEMBLY LINE
PERAMALAN DAN
REQUIREMENT
PRODUKSI MASTER PRODUCTION BALANCING
(FORECASTING) PLANNING
AGREGAT SCHEDULE
 Metode Double  Strategi Tenaga  Proses Disagregasi  Material Requirement  Stasiun Kerja
Moving Average Kerja Tetap  Master Production Planning Komponen
 Metode Double  Strategi Tenaga Schedule
(Teknik Lot for Lot)  Rank Positioning
 Material Requirement
Exponensial Kerja Berubah Weight
Planning
Smoothing (Holt)  Strategi Transportasi (Teknik EOQ)  Metode Killbridge-
 Metode Double  Material Requirement Wester Heuristic
Exponensial Planning
Smoothing (Brown) (Teknik POQ)
 Metode Regresi Linear
ANALISIS
KESIMPULAN
SELESAI
Tabel 3.1 Flowchart Praktikum
i
3.2 URAIAN FLOW CHART KEGIATAN PRAKTIKUM

3.2.1 Studi Literatur
Langkah awal yang dilakukan praktikum perencanaan dan pengendalian produksi
adalah melakukan studi literatur yang bertujuan agar praktikum yang
dilaksanakan dapat dipahami materi untuk setiap modulnya (forecasting, rencana
produksi agregat, dan proses produksi disagregasi dan master planning schedule)
sehingga dapat diperoleh penyelesaian dan pengolahan data dengan cara yang
tepat.
3.2.2 Pengumpulan Data
Pengumpulan data yang dilakukan adalah sebaai berikut:
3.2.2.1 Peramalan (Forecasting)
Praktikan diberi data berupa demand 12 periode data suatu perusahaan
manufaktur. Data-data tersebut tersebut menjadi sumber informasi bagi
praktikan sehingga praktikan dapat melakukan pengumpulan data dan
menentukan penggunaan forecasting yang tepat.
3.2.2.2 Rencana Produksi Agregat
Praktikan diberi data berupa demand, data hari kerja 12 periode, dan komponen
data suatu perusahaan manufaktur. Data-data tersebut tersebut menjadi sumber
informasi bagi praktikan sehingga praktikan dapat melakukan pengumpulan
data dan menentukan penggunaan strategi yang tepat.
3.2.2.3 Perencanaan Produksi Disagregasi
Praktikan diberi data berupa demand, data proses disagregasi, data actual
demand dan data master production schedule suatu perusahaan manufaktur.
Data-data tersebut tersebut menjadi sumber informasi bagi praktikan sehingga
praktikan dapat melakukan pengumpulan data dan menentukan jadwal induk
produksi.
3.2.2.4 Perencanaan Kebutuhan Material
Praktikan diberi data berupa assembly proccess chart dari kursi chitose, data
master schedule dari MPS produk Baracuda, data struktur produk Explotion,
dan Bill Of Material. Data tersebut menjadi sumber informasi bagi praktikan
untuk melakukan pengumpulan data untuk menjadwalkan produksi secara
tepat.

3.2.2.5 Assembling Line Balancing

Praktikan diberi data berupa assembly proccess chart, precedence diagram,
data demand dari kursi chitose. Data tersebut menjadi sumber informasi bagi
praktikan untuk melakukan pengumpulan data untuk membuat alur perakitan
yang tepat berdasarkan komponennya.
3.2.3 Pengolahan Data

Pengolahan data yang dilakukan adalah sebagai berikut:
3.2.3.1 Peramalan (Forecasting)
Praktikan melakukan pengolahan data terhadap data demand yang sudah
diberikan dan diolah kedalam metode peramalan (forecasting), diantaranya:
1. Metode Double Moving Average
2. Metode Double Exponensial Smoothing
3. Metode Forecasting Regresi Linear
3.2.3.2 Perencanaan Produksi Agregat
Praktikan melakukan pengolahan data terhadap data demand beserta komponen
data yang sudah diberikan dan diolah kedalam proses jadwal induk produksi,
diantaranya:
1. Strategi Tenaga Kerja Tetap
2. Strategi Tenaga Kerja Berubah
3. Strategi Transportasi
3.2.3.3 Perencanaan Produksi Disagregat
Praktikan melakukan pengolahan data terhadap data demand beserta komponen
data yang sudah diberikan dan diolah kedalam strategi perencanaan produksi
agregat, diantaranya:
1. Proses Disagregasi
2. Master Production Schedule

3.2.3.4 Perencanaan Kebutuhan Material

Praktikan melakukan pengolahan data terhadap data master schedule beserta
struktur data yang sudah diberikan dan diolah kedalam material requirement
planning, diantaranya:
1. Material Requirement Planning (Teknik Lot For Lot)
2. Material Requirement Planning (Teknik EOQ)
3. Material Requirement Planning (Teknik POQ)
3.2.3.5 Assembly Line Balancing
Praktikan melakukan pengolahan data terhadap data assembly proccess chart
kursi chitose beserta struktur data yang sudah diberikan dan diolah kedalam
assembly line balancing:
1. Stasiun Kerja Komponen
2. Metode Killbridge-Wester Heuristic
3. Rank Positioning Weight
3.2.4 Analisis
Tahap selanjutnya adalah tahap analisis. Setelah melakukan pengolahan data
praktikum dapat menganalisis hasil pengolahan data yang sudah dilaksanakan.
Analisis dilakukan dengan menjelaskan hasil dari pengolahan data setiap modul.
3.2.5 Kesimpulan dan Saran

Selanjutnya praktikan dapata menyimpulkan hasil dari analisis dan pengolahan
data yang telah dilakukan serta memberi saran berupa cara-cara yang dapat
membantu saat melakukan pengolahan data.

4 BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1 PENGUMPULAN DATA

4.1.1 Peramalan (Forecasting)
5 Pengumpulan data diperoleh berdasarkan data demand masa lalu dari tabel
pada sebuah perusahaan selama 24 periode, yaitu sebagai berikut:
6 14
7 Tabel 4.2 Data Demand Awal 15 Tabel 4.3 Data Demand Akhir
Periode ( t ) Demand ( d ) Periode ( t ) Demand ( d )
1 8292 1 8306
2 12456 2 12470
3 9461 3 9475
4 8438 4 8452
5 9729 5 9743
6 8074 6 8088
7 10044 7 10058
8 8973 8 8987
9 9901 9 9915
10 7586 10 7600
11 9997 11 10011
12 8974 12 8988
13 9949 13 9963
14 7982 14 7996
15 9494 15 9508
16 7982 16 7996
17 9808 17 9822
18 7618 18 7632
19 9637 19 9651
20 9845 20 9859
21 10077 21 10091
22 11212 22 11226
23 11287 23 11301
24 11367 24 11381
8 (Sumber: Pengumpulan Data) 16 (Sumber:Pengumpulan Data)
9
10
11
12
13
i
17 Keterangan:
18 Penyesuaian data dilakukan dengan menambahkan data awal dengan dua
digit terakhir dari NPM yang dibalikkan (0515103014  (14)
4.1.2 Perencanaan Produksi Agregat

19 Pengumpulan data pada modul ini dilakukan dengan pengumpulan data yang
berasal dari hasil forecasting pada modul 1. Data yang digunakan merupakan
data yang didapat dari nilai error terkecil metode Regresi Linear. Data yang
disajikan sebanyak 12 data seperti pada Tabel 4.1 di bawah ini:
20 Pengolahan data dilakukan dengan menghitung tenaga kerja tetap, tenaga
kerja berubah dan transportasi dengan menggunakan data umum dalam
pengumpulan data seperti Tabel 4.2 berikut ini:
21 Tabel 4.3 Hari Kerja Awal dan Demand Tabel 4.4 Komponen Data Awal
Periode Hari Kerja Demand Inventori Awal 250 Unit
1 21 10062 Jam Kerja (JK) 8 Jam
2 19 10106
Maks. Over Time (OT ) 25% RT Unit
3 21 10150
4 20 10194 Maks. Sub Kontrak 50% RT Unit
5 22 10238 Waktu Baku 1.67 Jam/Unit
6 20 10282 Tenaga Kerja (TK) Awal 12 Orang
7 21 10326 Regular Time (RT) Cost Rp50000/Unit
8 19 10370 Over Time (OT) Cost Rp75,000/Unit
9 20 10414
Sub Kontrak (SK) Cost Rp120,000/Unit
10 21 10458
11 20 10502 Hiring (HR) Cost Rp1,000,000/Orang
12 18 10546 Lay Off (LO) Cost RP1,500,000/Orang
22 Total 243 228288 Inventory Cost Rp2,500/Unit
23
24 (Sumber: Pengumpulan Data) (Sumber: Pengumpulan Data)
25
4.1.3 Perencanaan Produksi Disagregat

Pengumpulan data diperoleh berdasarkan hasil peramalan untuk demand sebanyak
12 periode dengan metode Regresi Linier yang telah dilakukan sebelumnya.
Hasilnya adalah sebagai berikut:
Tabel 4.5 Data Demand
Periode (t) Demand (Dt)
1 10062
2 10106
3 10150
4 10194
5 10238
i
Periode (t) Demand (Dt)

6 10282
7 10326
8 10370
9 10414
10 10458
11 10502
12 10546
Total 123.648
(Sumber: Pengumpulan Data)
4.1.4 Master Schedule

Pengumpulan data diperoleh dari hasil perhitungan Master Schedule Baraccuda
pada modul 3. Data Master Schedule dari masing-masing kelompok praktikan
dalam 12 periode dikumpulkan dan disatukan sebagai dasar untuk bahan
pengumpulan data yaitu sebagai berikut:
Tabel 4.6 Master Schedule Baracuda

Master Schedule
Nama
1 2 3 4 5 6 7 8 9 10 11 12
Dwi 9367 9407 9448 9490 9531 9572 9612 9653 9694 9735 9776 9816
Fariz 9376 9415 15762 0 15897 15968 0 12078 16171 0 16307 16376
Resito 9380 9422 9463 9504 9545 9586 9625 9667 9709 9749 9789 9831
Nanda 9368 9408 15751 9491 9532 15956 0 16092 16161 0 16295 16366
Agus 9407 9448 9488 9529 9570 9610 9651 9693 9732 9773 9814 9855
Alif 9383 9423 15773 0 15908 15978 0 12085 16182 0 16321 16388
Bayu 9370 9411 9454 9495 9535 9576 9618 9658 9699 9739 9780 9822
Laelawati 11372 11788 12204 12619 12768 12002 10123 6840 1270 -7337 -25125 -61585
Assembly Process Chart (APC)
Assembly Process Chart (APC) adalah suatu peta yang menggambarkan langkah-
langkah proses perakitan yang akan dialami komponen, mulai dari pemeriksaan
sampai produk jadi selesai. Berikut ini merupakan APC perakitan kursi Chitose
tampak pada Gambar 4.1:

ASSEMBLING PROCESS CHART

NAMA OBJEK : KURSI CHITOS
NOMOR PETA :1
DIPETAKAN OLEH : PRAKTIKAN PERENCANAAN DAN PENGENDALIAN PRODUKSI
TANGGAL DIPETAKAN : 1 DESEMBER 2017
SEKARANG : USULAN :
ALAS DUDUK SANDARAN TIANG BANTALAN KAKI DEPAN KAKI BELAKANG KETERANGAN
ASSEMBLING
Sub Assembling 1 Assembling 1 :

memasangkan kaki depan
3' SA- dengan kaki belakang
Sub Assembling 1
1 (Las Asitelin)
0% Assembling 2 :
Assembling 1 Memasangkan sandaran ke
kaki belakang
3' Assembling 1 Assembling 3 :

A-1 Memasangkan alas duduk ke
(Las Asitelin)
0% tiang bantalan yang sudah
Assembling 2 disatukan dengan kaki kaki
SUB ASSEMBLING
4'
Assembling 2 Sub Assembling 1 :
A-2
(Obeng + ) Tiang bantalan ke kaki
0%
depan
Assembling 3
KETRANGAN 4'
Assembling 3
A-3
KEGIATAN JUMLAH WAKTU (S) (Obeng + )
0%
4 16 2'
I-1 Pemeriksaan
0%
1 2
Storage
JUMLAH 5 18
Gambar 4.1 APC Kursi Chitos

(Sumber: Pengolahan Data)
4.1.1 Struktur Produk Explotion
APC perakitan kursi Chitose yang telah dibuat maka selanjutnya yaitu membuat
model struktur produk Explotion tampak pada Gambar 4.2:

Kursi Chitos
(1) LEVEL 0
2 3
Alas Duduk A-2

(1) (1) LEVEL 1
4 5
Sandaran A-1
(1) (1)
LEVEL 2
6 7
Kaki
SA-1
Belakang
(1) LEVEL 3
(2)
8 9
Tiang Kaki Depan

Bantalan (2) LEVEL 4
(1)
Gambar 4.2 APC Struktur Produk Baracuda

Bill of Material
Bill of Material (BOM) adalah daftar dari bahan, material atau komponen yang
dibutuhkan untuk dirakit, dicampur atau membuat produk akhir atau jaringan
yang menggambarkan hubungan induk dan komponen. Berikut ini merupakan
tabel BOM untuk perakitan kursi Chitose yang tampak pada Tabel 4.2
Tabel 4.7 Bill of Material Kursi Chitose

No Level Kode Deskripsi Kuantitas Order Policy On Hand Lead Time Lot Size Setup Cost Holding Cost
1 0 KC Kursi Chitose LFL 148 0 1
2 1 AD Alas Duduk 1 LFL 0 0 1
3 1 A-2 Assembly 2 1 EOQ 0 2 EOQ Rp 950.000 Rp 20.000
4 2 S Sandaran 1 LFL 0 0 1
5 2 A-1 Assembly 1 1 POQ 0 1 EOQ Rp 950.000 Rp 10.000
6 3 KB Kaki Belakang 1 LFL 0 0 1
7 3 SA-1 Sub Assembly 1 1 POQ 0 1 EOQ Rp 950.000 Rp 10.000
8 4 TB Tiang Bantalan 1 EOQ 0 1 EOQ Rp 950.000 Rp 13.000
9 4 KD Kaki Depan 1 EOQ 0 2 EOQ Rp 950.000 Rp 10.000

4.1.5 Keseimbangan Lintasan (Line Balancing)

Melakukan proses Line Balancing tentunya memerlukan data-data seperti jumlah
permintaan, proses produksi atau perakitan dan lain sebagainya. Berikut
merupakan data yang telah dikumpulkan dapat dilihat pada Tabel 4.1, Gambar 4.1
dan Gambar 4.2 di bawah ini:
Tabel 4. 8 Data Permintaan

Periode permintaan
1 9367
2 9407
3 9448
4 9490
5 9531
6 9572
7 9612
8 9653
9 9694
10 9735
11 9776
12 9816
jumlah 115101
Rata-rata 9591.75
Keterangan:
Data permintaan yang diperoleh merupakan hasil penambahan NPM
kelompok dengan data permintaan yang diberikan. (NPM kelompok: 14 + 04
+ 05 =23 )

ASSEMBLING PROCESS CHART

NAMA OBJEK : KURSI CHITOS
NOMOR PETA :1
DIPETAKAN OLEH : PRAKTIKAN PERENCANAAN DAN PENGENDALIAN PRODUKSI
TANGGAL DIPETAKAN : 1 DESEMBER 2017
SEKARANG : USULAN :
ALAS DUDUK SANDARAN TIANG BANTALAN KAKI DEPAN KAKI BELAKANG KETERANGAN
ASSEMBLING
Sub Assembling 1 Assembling 1 :

memasangkan kaki depan
3' SA- dengan kaki belakang
Sub Assembling 1
1 (Las Asitelin)
0% Assembling 2 :
Assembling 1 Memasangkan sandaran ke
kaki belakang
3' Assembling 1 Assembling 3 :

A-1 Memasangkan alas duduk ke
(Las Asitelin)
0% tiang bantalan yang sudah
Assembling 2 disatukan dengan kaki kaki
SUB ASSEMBLING
4'
Assembling 2 Sub Assembling 1 :
A-2
(Obeng + ) Tiang bantalan ke kaki
0%
depan
Assembling 3
KETRANGAN 4'
Assembling 3
A-3
KEGIATAN JUMLAH WAKTU (S) (Obeng + )
0%
4 1416 2' Storage

I-1 Pemeriksaan
0%
1 2
Storage
JUMLAH
JUMLAH 54 14
18
Gambar 4. 3 Assembly Process Chart (APC) Kursi chitos

PRECEDENCE DIAGRAM
0' 3' 4' 4' 0'
1 3 4 5 6
3'
Gambar 4. 4 Precedence Diagram


Tabel 4. 9 Penunjukkan Waktu Berdasarkan Presedence Diagram

Waktu Node
No Kegiatan Mesin
(detik) Pendahulu
1 Star 0 - -
2 Sub Assembling 3 Start Meja Perakitan
3 Assembling 1 3 Start, 2 Meja Perakitan
4 Assembling 2 4 3 Meja Perakitan
5 Assembling 3 4 4 Meja Perakitan
6 End 0 - -
Total 14
4.2 PENGOLAHAN DATA

4.2.4 Peramalan (Forecasting)
Pengolahan data dilakukan dengan meramalkan demand 12 periode ke depan
menggunakan data demand masa lalu lemari selama 24 periode. Metode yang
akan digunakan untuk peramalan adalah Double Moving Average (DMA), Double
Exponential Smoothing (DES) Satu Parameter dari Brown, Double Exponential
Smoothing (DES) Dua Parameter dari Holt dan Regresi Linear.
A. Double Moving Average (DMA)

Tabel 4.10 Peramalan dengan Metode DMA

Periode Demand S't S''t at bt m F(t+m) et | et | et² Pe (%) | Pe |
1 8306
2 12470
3 9475 10083.67
4 8452 10132.33
5 9743 9223.33 9813.11 8633.56 -589.78 1 8044.00 1699.00 1699.00 2886601.00 17.44% 0.17
6 8088 8761.00 9372.22 8149.78 -611.22 1 7539.00 549.00 549.00 301401.00 6.79% 0.07
7 10058 9296.33 9093.56 9499.11 202.778 1 9702.00 356.00 356.00 126736.00 3.54% 0.04
8 8987 9044.33 9033.89 9054.78 10.4444 1 9066.00 -79.00 79.00 6241.00 -0.88% 0.01
9 9915 9653.33 9331.33 9975.33 322 1 10298.00 -383.00 383.00 146689.00 -3.86% 0.04
10 7600 8834.00 9177.22 8490.78 -343.22 1 8148.00 -548.00 548.00 300304.00 -7.21% 0.07
11 10011 9175.33 9220.89 9129.78 -45.556 1 9085.00 926.00 926.00 857476.00 9.25% 0.09
12 8988 8866.33 8958.56 8774.11 -92.222 1 8682.00 306.00 306.00 93636.00 3.40% 0.03
13 9963 9654.00 9231.89 10076.11 422.111 1 10499.00 -536.00 536.00 287296.00 -5.38% 0.05
14 7996 8982.33 9167.56 8797.11 -185.22 1 8612.00 -616.00 616.00 379456.00 -7.70% 0.08
15 9508 9155.67 9264.00 9047.33 -108.33 1 8939.00 569.00 569.00 323761.00 5.98% 0.06
16 7996 8500.00 8879.33 8120.67 -379.33 1 7742.00 254.00 254.00 64516.00 3.18% 0.03
17 9822 9108.67 8921.44 9295.89 187.222 1 9484.00 338.00 338.00 114244.00 3.44% 0.03
18 7632 8483.33 8697.33 8269.33 -214 1 8056.00 -424.00 424.00 179776.00 -5.56% 0.06
19 9651 9035.00 8875.67 9194.33 159.333 1 9354.00 297.00 297.00 88209.00 3.08% 0.03
20 9859 9047.33 8855.22 9239.44 192.111 1 9432.00 427.00 427.00 182329.00 4.33% 0.04
21 10091 9867.00 9316.44 10417.56 550.556 1 10969.00 -878.00 878.00 770884.00 -8.70% 0.09
22 11226 10392.00 9768.78 11015.22 623.222 1 11639.00 -413.00 413.00 170569.00 -3.68% 0.04
23 11301 10872.67 10377.22 11368.11 495.444 1 11864.00 -563.00 563.00 316969.00 -4.98% 0.05
24 11381 11302.67 10855.78 11749.56 446.889 1 12197.00 -816.00 816.00 665856.00 -7.17% 0.07
25 1 12197.00
26 2 12644.00
27 3 13091.00
28 4 13538.00
29 5 13984.00
30 6 14431.00
31 7 14878.00
32 8 15325.00
33 9 15772.00
34 10 16219.00
35 11 16666.00
36 12 17113.00
Jumlah 365209.00 465.00 10977.00 8262949.00 5.31% 1.16
Contoh Perhitungan:
1. S’t 3= d1 + d2 + d3 / N 1. Ft5 = at5 + bt5 × m5
= 8306 + 12470 + 9475 / 3 = 8633,56 + (-589,78) × 1
= 10.803,67 = 8044
2. S”t5= S’t3 + S’t4 + S’t5 / N 2. et5 = d5 – Ft5

=10.083,67+10.123.33+9.223,33 = 9743 – 8044,78
= 9813,11 = 1699,00
3. at5 = S’t5 + (S’t5 – S”t5) et5

3. PEt5= ( d5 ) × 100%
= 9223,33 + (9223,33 – 9813,11) 1699,222
=( ) × 100%
9743
= 8633,56

= 17,44%
2
4. bt5 = N−1 (S’t5 – S”t5)
2
= 3−1 (9223,33 – 9813,11)
= -589,78
Perhitungan Error:
Σet 474,89
1. 𝑀𝐸 = = = 23,25
n 20
Σ|et| 10975,11
2. 𝑀𝐴𝐸 = = = 548,85
n 20
3. 𝑆𝑆𝐸 = Σ(et)2 = (474,89)2 = 216225,00

S𝑆𝐸 216225,00
4. 𝑀𝑆𝐸 = = = 10881,25
n 20
𝑆𝑆𝐸 216225,00
5. 𝑆𝐷𝐸 = √n−1 = √ = 106,68
19
Σ𝑃𝐸 0,053%
6. 𝑀𝑃𝐸 = = = 0,00
n 20
Σ|𝑃𝐸| 1,16
7. 𝑀𝐴𝑃𝐸 = = = 0,06
n 20
Gambar 4.5 Diagram Scatter Demand


Gambar 4.6 Plot Data Double Moving Average (DMA)

B. Double Exponential Smoothing (DES) Satu Parameter dari Brown

Tabel 4.11 Peramalan dengan Metode DES Satu Parameter dari Brown
Periode Demand s't s''t at bt m Ft+m et |et| et² pe (%) |pe|
1 8306 8306 8306
2 12470 12053.60 11678.8 12428.36 3372.84
3 9475 9732.86 9927.46 9538.26 -1751.38 1 7787.00 1688.00 1688 2849344 17.82% 0.1782
4 8452 8580.09 8714.82 8445.35 -1212.63 1 7233.00 1219.00 1219 1485961 14.42% 0.1442
5 9743 9626.71 9535.52 9717.9 820.70 1 10539.00 -796.00 796 633616 -8.17% 0.0817
6 8088 8241.87 8371.24 8112.51 -1164.28 1 6949.00 1139.00 1139 1297321 14.08% 0.1408
7 10058 9876.39 9725.87 10026.9 1354.64 1 11382.00 -1324.00 1324 1752976 -13.16% 0.1316
8 8987 9075.94 9140.93 9010.95 -584.94 1 8427.00 560.00 560 313600 6.23% 0.0623
9 9915 9831.09 9762.08 9900.11 621.15 1 10522.00 -607.00 607 368449 -6.12% 0.0612
10 7600 7823.11 8017.01 7629.21 -1745.07 1 5885.00 1715.00 1715 2941225 22.57% 0.2257
11 10011 9792.21 9614.69 9969.73 1597.68 1 11568.00 -1557.00 1557 2424249 -15.55% 0.1555
12 8988 9068.42 9123.05 9013.79 -491.64 1 8523.00 465.00 465 216225 5.17% 0.0517
13 9963 9873.54 9798.49 9948.59 675.44 1 10625.00 -662.00 662 438244 -6.64% 0.0664
14 7996 8183.75 8345.23 8022.28 -1453.26 1 6570.00 1426.00 1426 2033476 17.83% 0.1783
15 9508 9375.58 9272.54 9478.61 927.31 1 10406.00 -898.00 898 806404 -9.44% 0.0944
16 7996 8133.96 8247.82 8020.1 -1024.72 1 6996.00 1000.00 1000 1000000 12.51% 0.1251
17 9822 9653.20 9512.66 9793.73 1264.84 1 11059.00 -1237.00 1237 1530169 -12.59% 0.1259
18 7632 7834.12 8001.97 7666.27 -1510.68 1 6156.00 1476.00 1476 2178576 19.34% 0.1934
19 9651 9469.31 9322.58 9616.05 1320.60 1 10937.00 -1286.00 1286 1653796 -13.33% 0.1333
20 9859 9820.03 9770.29 9869.78 447.71 1 10318.00 -459.00 459 210681 -4.66% 0.0466
21 10091 10063.90 10034.5 10093.3 264.26 1 10358.00 -267.00 267 71289 -2.65% 0.0265
22 11226 11109.79 11002.3 11217.3 967.72 1 12186.00 -960.00 960 921600 -8.55% 0.0855
23 11301 11281.88 11253.9 11309.8 251.65 1 11562.00 -261.00 261 68121 -2.31% 0.0231
24 11381 11371.09 11359.4 11382.8 105.45 1 11489.00 -108.00 108 11664 -0.95% 0.0095
25 1 11489.00
26 2 11594.00
27 3 11700.00
28 4 11805.00
29 5 11911.00
30 6 12016.00
31 7 12121.00
32 8 12227.00
33 9 12332.00
34 10 12438.00
35 11 12543.00
36 12 12649.00
Jumlah 352302.00 266.00 21110 25206986 26% 2.34

Contoh Perhitungan:
1. S’t1 = d1 8. Ft3 = at3 + bt3 × m3
= 8306 = 12.428,60 + (3372,84) × 1
= 7786,88
2. S’’t1 = d1 9. et3 = d3 – Ft3

= 8306 = 9475 – 7786,88
= 1688,12
3. at2 = S’t2 + (S’t2 – S”t2) 10. PEt3= (

et3
) × 100%
d3
= 12.053,60 + (12.053,60 – 11678,84) 1688,12
=( ) × 100%
9475
= 12.428,36
= 17,82 %

4. bt2 = 1− (S’t2 – S”t2)
0,61
= 1−0,61 (12.053,60 – 11678,84)
= 3372,84
Perhitungan Error:
Σet 266
1. 𝑀𝐸 = = = 12.09
n 22
Σ|et| 21110
2. 𝑀𝐴𝐸 = = = 959,55
n 22
3. 𝑆𝑆𝐸 = Σ(et)2 = (266)2 = 70756,00

S𝑆𝐸 670756
4. 𝑀𝑆𝐸 = = = 3216,18
n 22
𝑆𝑆𝐸 70756
5. 𝑆𝐷𝐸 = √n−1 = √ = 58,05
21
Σ𝑃𝐸 26%
6. 𝑀𝑃𝐸 = = = 0,0112
n 22
Σ|𝑃𝐸| 2,34%
7. 𝑀𝐴𝑃𝐸 = = = 0,11
n 22


Gambar 4.8 Plot Data DES Satu Parameter dari Brown


C. Double Exponential Smoothing (DES) Dua Parameter dari Holt

Tabel 4.12 Peramalan dengan Metode DES Dua Parameter dari Holt
α = 0,9 γ = 0,9
Periode Demand
St bt m Ft+m et |et| et² pe (%) |pe|
1 8306 8306 4164

2 12470 12470 4164
3 9475 10190,9 -1634,8 1 8557 918 918 842724 9,69% 0,09689
4 8452 8462,41 -1719,1 1 6744 1708 1708 2917264 20,21% 0,20208
5 9743 9443,03 710,644 1 10154 -411 411 168921 -4,22% 0,04218
6 8088 8294,57 -962,55 1 7333 755 755 570025 9,33% 0,09335
7 10058 9785,4 1245,5 1 11031 -973 973 946729 -9,67% 0,09674
8 8987 9191,39 -410,06 1 8782 205 205 42025 2,28% 0,02281
9 9915 9801,63 508,213 1 10310 -395 395 156025 -3,98% 0,03984
10 7600 7870,98 -1686,8 1 6185 1415 1415 2002225 18,62% 0,18618
- -
11 10011 9628,32 1412,93 1 11042 1031 1031 1062961 10,30% 0,10299
12 8988 9193,32 -250,2 1 8944 44 44 1936 0,49% 0,0049
13 9963 9861,01 575,898 1 10437 -474 474 224676 -4,76% 0,04758
14 7996 8240,09 -1401,2 1 6839 1157 1157 1338649 14,47% 0,1447
15 9508 9241,09 760,771 1 10002 -494 494 244036 -5,20% 0,05196
16 7996 8196,59 -863,97 1 7333 663 663 439569 8,29% 0,08292
17 9822 9573,06 1152,43 1 10726 -904 904 817216 -9,20% 0,09204
18 7632 7941,35 -1353,3 1 6589 1043 1043 1087849 13,67% 0,13666
19 9651 9344,71 1127,69 1 10473 -822 822 675684 -8,52% 0,08517
20 9859 9920,34 630,84 1 10552 -693 693 480249 -7,03% 0,07029
21 10091 10137 258,095 1 10396 -305 305 93025 -3,02% 0,03022
22 11226 11142,9 931,113 1 12075 -849 849 720801 -7,56% 0,07563
23 11301 11378,3 304,963 1 11684 -383 383 146689 -3,39% 0,03389
24 11381 11411,2 60,1281 1 11472 -91 91 8281 -0,80% 0,008
25 1 11472
26 2 11532
27 3 11592
28 4 11652
29 5 11712
30 6 11772
31 7 11833
32 8 11893
33 9 11953
34 10 12013
35 11 12073
36 12 12133
Jumlah 83 15733 14987559 19,40% 1,75
(Sumber: Pengolahan Data

Contoh perhitungan :
1. S’t1 = d1 4. et3 = d3 – Ft3
= 8306 = 9475 – 8557
= 918
2. bt1 = d2 – d1 𝑒𝑡3
5. PEt3= ( 𝑑3 ) × 100%
= 12470 – 8306 918
= (9475) × 100%
= 4164
= 9,69 %
3. Ft3 = S’t3 + bt3 × m3

= 10191 + (-1634,8) × 1
= 8557
Perhitungan Error:
𝛴𝑒𝑡 83
1. 𝑀𝐸 = = = 3,77
𝑛 22
𝛴|𝑒𝑡| 15733
2. 𝑀𝐴𝐸 = = = 715,14
𝑛 22
3. 𝑆𝑆𝐸 = 𝛴(𝑒𝑡)2 = (83)2 = 6889

S𝑆𝐸 6889
4. 𝑀𝑆𝐸 = = = 313,14
𝑛 22
𝑆𝑆𝐸 6889
5. 𝑆𝐷𝐸 = √𝑛−1 = √ = 18,11
21
Σ𝑃𝐸 0,194
6. 𝑀𝑃𝐸 = = = 0,01
𝑛 22
Σ|𝑃𝐸| 1,75
7. 𝑀𝐴𝑃𝐸 = = = 0,08
𝑛 22


Gambar 4.10 Plot Data DES Dua Parameter dari Holt


D. Regresi Linier
Tabel 4.13 Peramalan dengan Metode Regresi Linier
Periode (P) Demand (X) t² dt F=a+bt Forecast et |et| et² Pe (%) | Pe |
1 8306 1 8306 9015.46 9016 -710.00 710 504100 -8.55% 0.085
2 12470 4 24940 9059.47 9060.00 3410.00 3410 11628100 27.35% 0.273
3 9475 9 28425 9103.49 9104 371.00 371 137641 3.92% 0.039
4 8452 16 33808 9147.50 9148 -696.00 696 484416 -8.23% 0.082
5 9743 25 48715 9191.52 9192 551.00 551 303601 5.66% 0.057
6 8088 36 48528 9235.53 9236 -1148.00 1148 1317904 -14.19% 0.142
7 10058 49 70406 9279.55 9280 778.00 778 605284 7.74% 0.077
8 8987 64 71896 9323.56 9324 -337.00 337 113569 -3.75% 0.037
9 9915 81 89235 9367.57 9368 547.00 547 299209 5.52% 0.055
10 7600 100 76000 9411.59 9412 -1812.00 1812 3283344 -23.84% 0.238
11 10011 121 110121 9455.60 9456 555.00 555 308025 5.54% 0.055
12 8988 144 107856 9499.62 9500 -512.00 512 262144 -5.70% 0.057
13 9963 169 129519 9543.63 9544 419.00 419 175561 4.21% 0.042
14 7996 196 111944 9587.65 9588 -1592.00 1592 2534464 -19.91% 0.199
15 9508 225 142620 9631.66 9632 -124.00 124 15376 -1.30% 0.013
16 7996 256 127936 9675.68 9676 -1680.00 1680 2822400 -21.01% 0.210
17 9822 289 166974 9719.69 9720 102.00 102 10404 1.04% 0.010
18 7632 324 137376 9763.70 9764 -2132.00 2132 4545424 -27.94% 0.279
19 9651 361 183369 9807.72 9808 -157.00 157 24649 -1.63% 0.016
20 9859 400 197180 9851.73 9852 7.00 7 49 0.07% 0.001
21 10091 441 211911 9895.75 9896 195.00 195 38025 1.93% 0.019
22 11226 484 246972 9939.76 9940 1286.00 1286 1653796 11.46% 0.115
23 11301 529 259923 9983.78 9984 1317.00 1317 1734489 11.65% 0.117
24 11381 576 273144 10027.79 10028 1353.00 1353 1830609 11.89% 0.119
25 10071.80 10072
26 10115.82 10116
27 10159.83 10160
28 10203.85 10204
29 10247.86 10248
30 10291.88 10292
31 10335.89 10336
32 10379.90 10380
33 10423.92 10424
34 10467.93 10468
35 10511.95 10512
36 10555.96 10556
300 228519 4900 2907104 228519.00 228528 -9 21791 34632583 -38% 2.34
Contoh Perhitungan:
1. t2 = 12 5. Ft1 = a + b × t1
=1 = 8971,45– 44,014()
= 9015,46
2. dt1 = d1 × t1
= 8304 × 1 6. et1 = d1 – Ft1
= 8306 = 8306 – 9016
= -710
n ∑ dt −(∑ t)(∑ d)
3. b = n ∑ t2 −(∑ t)2

24 ×2907104 −(300)(228519) et1

= 7. PEt1= ( d1 ) × 100%
24 × 4900 −(300)2
−710
= 44,014 = ( 8306 ) × 100%
= -8,55%
∑ d− b ∑ t
4. a = n
228519−(44,014) × 300
= 24
= 8971,45
Perhitungan Error:
Σet −9
1. 𝑀𝐸 = = = -0,38
n 24
Σ|et| 21791
2. 𝑀𝐴𝐸 = = = 907,96
n 24
3. 𝑆𝑆𝐸 = Σ(et)2 = (−9)2 =81

S𝑆𝐸 81
4. 𝑀𝑆𝐸 = = 24 = 3,38
n
𝑆𝑆𝐸 81
5. 𝑆𝐷𝐸 = √n−1 = √23 = 1,88
Σ𝑃𝐸 −38
6. 𝑀𝑃𝐸 = = = -0,02
n 21
Σ|𝑃𝐸| 2,34
7. 𝑀𝐴𝑃𝐸 = = =0,10
n 21


Gambar 4.12 Plot Data MRL

4.2.2 Perencanaan Produksi Agregat

Tabel 4.14 Perhitungan Tenaga Kerja Tetap (TKT) Round Up
Periode HK Demand TK RMH UPRT UPOT Hiring Inventory Biaya RT Biaya Inventory Biaya OT Biaya Hiring Total Biaya
0 12 250
1 21 10062 17976 10764 95 952 Rp 538,200,000 Rp 2,380,000 Rp - Rp 95,000,000 Rp 635,580,000
2 19 10106 16264 9738 584 Rp 486,900,000 Rp 1,460,000 Rp - Rp 488,360,000
3 21 10150 17976 10764 1198 Rp 538,200,000 Rp 2,995,000 Rp - Rp 541,195,000
4 20 10194 17120 10251 1255 Rp 512,550,000 Rp 3,137,500 Rp - Rp 515,687,500
5 22 10238 18832 11276 2293 Rp 563,800,000 Rp 5,732,500 Rp - Rp 569,532,500
6 20 10282 17120 10251 2262 Rp 512,550,000 Rp 5,655,000 Rp - Rp 518,205,000
107
7 21 10326 17976 10764 2700 Rp 538,200,000 Rp 6,750,000 Rp - Rp 544,950,000
8 19 10370 16264 9738 2068 Rp 486,900,000 Rp 5,170,000 Rp - Rp 492,070,000
9 20 10414 17120 10251 1905 Rp 512,550,000 Rp 4,762,500 Rp - Rp 517,312,500
10 21 10458 17976 10764 2211 Rp 538,200,000 Rp 5,527,500 Rp - Rp 543,727,500
11 20 10502 17120 10251 1960 Rp 512,550,000 Rp 4,900,000 Rp - Rp 517,450,000
12 19 10546 16264 9738 1152 Rp 486,900,000 Rp 2,880,000 Rp - Rp 489,780,000
Total 243 123648 119 208008 124550 0 95 20540 Rp 6,227,500,000 Rp 51,350,000 Rp - Rp 95,000,000 Rp 6,373,850,000
Contoh Perhitungan:
a. Tenaga Kerja Hitung (TK Hit)
(𝐷𝑒𝑚𝑎𝑛𝑑 − 𝑖𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖 𝑎𝑤𝑎𝑙) × 𝑊𝑎𝑘𝑡𝑢 𝐵𝑎𝑘𝑢(𝑊𝐵)
𝑇𝐾 𝐻𝑖𝑡 =
𝐻𝑎𝑟𝑖 𝐾𝑒𝑟𝑗𝑎(𝐻𝐾) × 𝐽𝑎𝑚 𝐾𝑒𝑟𝑗𝑎(𝐽𝐾)
(123648 − 250) × 1,67
= = 106,005 = 107 orang
243 × 8
b. Regular Man Hour

𝑅𝑀𝐻𝑡 = 𝐻𝑎𝑟𝑖 𝐾𝑒𝑟𝑗𝑎 ×𝑡 𝐽𝑎𝑚 𝐾𝑒𝑟𝑗𝑎 × 𝑇𝑒𝑛𝑎𝑔𝑎 𝐾𝑒𝑟𝑗𝑎
𝑅𝑀𝐻1 = 21 × 8 × 107 = 17976jam

c. Unit Produksi Regular Time

𝑅𝑀𝐻𝑡
𝑈𝑃𝑅𝑇𝑡 =
𝑊𝐵
𝑅𝑀𝐻1 17976
𝑈𝑃𝑅𝑇1 = = = 10764,07 = 10674 unit
𝑊𝐵 1,67
d. Unit Produksi Over Time

𝑈𝑃𝑂𝑇𝑡 = 𝐷𝑒𝑚𝑎𝑛𝑑𝑡 − (𝑈𝑃𝑅𝑇𝑡 + 𝐼𝑡 − 1)
=0
e. Hiring
𝐻𝑖𝑟𝑖𝑛𝑔 = 𝑇𝐾 − 𝑇𝐾 𝐴𝑤𝑎𝑙 = 107 − 12 = 95 orang
f. Inventori
𝐼𝑡 = (𝑈𝑃𝑅𝑇 + 𝑈𝑃𝑂𝑇 + 𝑆𝐾 + 𝐼𝑡−1 ) − 𝐷
𝐼1 = (10764 + 0 + 0 + 250) − 10062 = 952 unit
g. Biaya Unit Production Regular Time

𝐵𝑖𝑎𝑦𝑎 𝑅𝑇 = 𝑈𝑃𝑅𝑇 × 𝑜𝑛𝑔𝑘𝑜𝑠 𝑅𝑇
𝐵𝑖𝑎𝑦𝑎 𝑅𝑇1 = 10764 × Rp50.000 = Rp538.200.000
h. Biaya Inventori
𝐵𝑖𝑎𝑦𝑎 𝑖𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖 = 𝑖𝑣𝑒𝑛𝑡𝑜𝑟𝑖 × 𝑜𝑛𝑔𝑘𝑜𝑠 𝑖𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖
𝐵𝑖𝑎𝑦𝑎 𝑖𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖 = 952 × Rp2.500 = Rp 2.380.000
i. Biaya Unit Production Over Time

𝐵𝑖𝑎𝑦𝑎 𝑂𝑇 = 𝑈𝑃𝑂𝑇 × 𝑜𝑛𝑔𝑘𝑜𝑠 𝑂𝑇
𝐵𝑖𝑎𝑦𝑎 𝑂𝑇1 = 0 × Rp75.000 = 0
j. Biaya Hiring
𝐵𝑖𝑎𝑦𝑎 𝐻𝑖𝑟𝑖𝑛𝑔 = 𝐻𝑖𝑟𝑖𝑛𝑔 × 𝑜𝑛𝑔𝑘𝑜𝑠 𝐻𝑖𝑟𝑖𝑛𝑔
𝐵𝑖𝑎𝑦𝑎 𝐻𝑖𝑟𝑖𝑛𝑔 = 95 × Rp1.000.000 = Rp95.000.000
k. Total Biaya
𝑇𝑜𝑡𝑎𝑙 𝐵𝑖𝑎𝑦𝑎 = 𝐵𝑖𝑎𝑦𝑎 𝑅𝑇 + 𝐵𝑖𝑎𝑦𝑎 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖 + 𝐵𝑖𝑎𝑦𝑎 𝑈𝑃𝑂𝑇
+ 𝐵𝑖𝑎𝑦𝑎 𝐻𝑖𝑟𝑖𝑛𝑔

𝑇𝑜𝑡𝑎𝑙 𝐵𝑖𝑎𝑦𝑎 = Rp6.227.500.000 + Rp52.350.000 + Rp0 + Rp95.000.000

= Rp6.373.850.000
B. Metode Tenaga Kerja Tetap (TKT) Round Down

Tabel 4.15 Strategi Tenaga Kerja Tetap (Round Down)
Periode HK Demand TK RMH UPRT UPOT Hiring Inventory Biaya RT Biaya Inventory Biaya OT Biaya Hiring Total Biaya
0 12 250
1 21 10062 17808 10663 94 851 Rp 533,150,000 Rp 2,127,500 Rp 94,000,000 Rp 629,277,500
2 19 10106 16112 9647 392 Rp 482,350,000 Rp 980,000 Rp 483,330,000
3 21 10150 17808 10663 905 Rp 533,150,000 Rp 2,262,500 Rp 535,412,500
4 20 10194 16960 10155 866 Rp 507,750,000 Rp 2,165,000 Rp 509,915,000
5 22 10238 18656 11171 1799 Rp 558,550,000 Rp 4,497,500 Rp 563,047,500
6 20 10282 16960 10155 1672 Rp 507,750,000 Rp 4,180,000 Rp 511,930,000
106
7 21 10326 17808 10663 2009 Rp 533,150,000 Rp 5,022,500 Rp 538,172,500
8 19 10370 16112 9647 1286 Rp 482,350,000 Rp 3,215,000 Rp 485,565,000
9 20 10414 16960 10155 1027 Rp 507,750,000 Rp 2,567,500 Rp 510,317,500
10 21 10458 17808 10663 1232 Rp 533,150,000 Rp 3,080,000 Rp 536,230,000
11 20 10502 16960 10155 885 Rp 507,750,000 Rp 2,212,500 Rp 509,962,500
12 19 10546 16112 9647 14 0 Rp 482,350,000 Rp - Rp 1,050,000 Rp 483,400,000
Total 243 123648 118 206064 123384 14 94 12924 Rp 6,169,200,000 Rp 32,310,000 Rp 1,050,000 Rp 94,000,000 Rp 6,296,560,000
Contoh perhitungan:

(𝐷𝑒𝑚𝑎𝑛𝑑 − 𝑖𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖 𝑎𝑤𝑎𝑙) × 𝑊𝑎𝑘𝑡𝑢 𝐵𝑎𝑘𝑢(𝑊𝐵)
𝐻𝑎𝑟𝑖 𝐾𝑒𝑟𝑗𝑎(𝐻𝐾) × 𝐽𝑎𝑚 𝐾𝑒𝑟𝑗𝑎(𝐽𝐾)
(123648 − 250) × 1,67
= = 106.005 = 106 orang
243 × 8
b. Regular Man Hour

𝑅𝑀𝐻1 = 21 × 8 × 106 = 17808 jam

𝑅𝑀𝐻𝑡
𝑊𝐵
𝑅𝑀𝐻1 117808
𝑈𝑃𝑅𝑇1 = = = 10663.47 = 10663 unit
𝑊𝐵 1,67

𝑈𝑃𝑂𝑇𝑡 = 𝐷𝑒𝑚𝑎𝑛𝑑𝑡 − (𝑈𝑃𝑅𝑇𝑡 + 𝐼𝑡 − 1)
𝑈𝑃𝑂𝑇1 = 0

e. Hiring
𝐻𝑖𝑟𝑖𝑛𝑔 = 𝑇𝐾 − 𝑇𝐾 𝐴𝑤𝑎𝑙 = 106 − 12 = 94 orang
f. Inventori
𝐼1 = (10663 + 0 + 0 + 250) − 10062 = 851 unit
g. Biaya Unit Production Regular Time

𝐵𝑖𝑎𝑦𝑎 𝑅𝑇1 = 10663 × Rp50.000 = Rp533.150.000
h. Biaya Inventori
𝐵𝑖𝑎𝑦𝑎 𝑖𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖 = 851 × Rp2.500 = Rp 2.127.500
i. Biaya Unit Production Over Time

𝐵𝑖𝑎𝑦𝑎 𝑂𝑇1 = 0 × Rp75.000 = 0
j. Biaya Hiring
𝐵𝑖𝑎𝑦𝑎 𝐻𝑖𝑟𝑖𝑛𝑔 = 94 × Rp1.000.000 = Rp94.000.000
k. Total Biaya
𝑇𝑜𝑡𝑎𝑙 𝐵𝑖𝑎𝑦𝑎 = 𝐵𝑖𝑎𝑦𝑎 𝑈𝑃𝑅𝑇 + 𝐵𝑖𝑎𝑦𝑎 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖 + 𝐵𝑖𝑎𝑦𝑎 𝑈𝑃𝑂𝑇
+ 𝐵𝑖𝑎𝑦𝑎 𝐻𝑖𝑟𝑖𝑛𝑔
𝑇𝑜𝑡𝑎𝑙 𝐵𝑖𝑎𝑦𝑎 = Rp6.169.200.000 + Rp32.310.000 + Rp1.050.000
+ Rp94.000.000
= Rp6.296.560.000

C. Metode Tenaga Kerja Berubah (Round Up)

Tabel 4.16 Strategi Tenaga Kerja Berubah (Round Up)
Periode HK Demand TK Dihitung TK Terpakai RMH UPRT UPOT Hiring Lay Off Inventory Biaya RT Biaya Inventory Biaya OT Biaya Hiring Biaya Lay Off Total Biaya
0 12 250
1 21 10062 98 98 16464 9858 86 37 Rp 492,900,000 Rp 92,500 - Rp 86,000,000 Rp 578,992,500
2 19 10106 109 109 16568 9920 149 11 0 Rp 496,000,000 - Rp 11,175,000 Rp 11,000,000 Rp 518,175,000
3 21 10150 99 99 16632 9959 191 10 0 Rp 497,950,000 - Rp 14,325,000 Rp 15,000,000 Rp 527,275,000
4 20 10194 104 104 16640 9964 230 5 0 Rp 498,200,000 - Rp 17,250,000 Rp 5,000,000 Rp 520,450,000
5 22 10238 95 95 16720 10011 227 9 0 Rp 500,550,000 - Rp 17,025,000 Rp 13,500,000 Rp 531,075,000
6 20 10282 105 105 16800 10059 223 10 0 Rp 502,950,000 - Rp 16,725,000 Rp 10,000,000 Rp 529,675,000
7 21 10326 101 101 16968 10160 166 4 0 Rp 508,000,000 - Rp 12,450,000 Rp 6,000,000 Rp 526,450,000
8 19 10370 112 112 17024 10194 176 11 0 Rp 509,700,000 - Rp 13,200,000 Rp 11,000,000 Rp 533,900,000
9 20 10414 107 107 17120 10251 163 5 0 Rp 512,550,000 - Rp 12,225,000 Rp 7,500,000 Rp 532,275,000
10 21 10458 102 102 17136 10261 197 5 0 Rp 513,050,000 - Rp 14,775,000 Rp 7,500,000 Rp 535,325,000
11 20 10502 108 108 17280 10347 155 6 0 Rp 517,350,000 - Rp 11,625,000 Rp 6,000,000 Rp 534,975,000
12 18 10546 120 120 17280 10347 199 12 0 Rp 517,350,000 - Rp 14,925,000 Rp 12,000,000 Rp 544,275,000
Total 242 123648 1260 1260 202632 121331 2076 141 33 287 Rp 6,066,550,000 Rp 92,500 Rp 155,700,000 Rp 141,000,000 Rp 49,500,000 Rp 6,412,842,500
Contoh perhitungan:

(𝐷𝑒𝑚𝑎𝑛𝑑 − 𝑖𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖 𝑎𝑤𝑎𝑙) × 𝑊𝑎𝑘𝑡𝑢 𝐵𝑎𝑘𝑢(𝑊𝐵)
𝐻𝑎𝑟𝑖 𝐾𝑒𝑟𝑗𝑎(𝐻𝐾) × 𝐽𝑎𝑚 𝐾𝑒𝑟𝑗𝑎(𝐽𝐾)
(10062 − 250) × 1,67
= = 97,53 = 98 orang
21 × 8
b. Regular Man Hour

𝑅𝑀𝐻1 = 21 × 8 × 98 = 16464 jam

𝑅𝑀𝐻𝑡
𝑊𝐵
𝑅𝑀𝐻1 16464
𝑈𝑃𝑅𝑇1 = = = 9858.68 = 9858unit
𝑊𝐵 1,67

𝑈𝑃𝑂𝑇𝑡 = 𝐷𝑒𝑚𝑎𝑛𝑑𝑡 − (𝑈𝑃𝑅𝑇𝑡 + Inventory t-1)
𝑈𝑃𝑂𝑇1 = 0 unit
e. Hiring
𝐻𝑖𝑟𝑖𝑛𝑔1 = 𝑇𝐾 − 𝑇𝐾 𝐴𝑤𝑎𝑙 = 99 − 12 = 87 orang
f. Lay Off
𝐿𝑎𝑦 𝑂𝑓𝑓10 = 𝑇𝐾 𝐴𝑤𝑎𝑙 − 𝑇𝐾 = 107 − 102 = 5 orang

g. Inventori
𝐼1 = 9858 + 0 + 250 − 10062 = 37unit
h. Biaya Unit Production Regular Time

𝐵𝑖𝑎𝑦𝑎 𝑅𝑇1 = 9858 × RP50.000 = Rp492.900.000
i. Biaya Inventori
𝐵𝑖𝑎𝑦𝑎 𝑖𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖 = 37 × Rp2.500 = Rp92.500
j. Biaya Unit Production Over Time

𝐵𝑖𝑎𝑦𝑎 𝑂𝑇1 = 0 × Rp75.000 = 0
k. Biaya Hiring
𝐵𝑖𝑎𝑦𝑎 𝐻𝑖𝑟𝑖𝑛𝑔1 = 86 × Rp1.000.000 = Rp86.000.000
l. Biaya Lay Off

𝐵𝑖𝑎𝑦𝑎 𝐿𝑎𝑦 𝑂𝑓𝑓 = 𝑜𝑛𝑔𝑘𝑜𝑠 𝐿𝑎𝑦 𝑂𝑓𝑓 × 𝐿𝑎𝑦 𝑂𝑓𝑓
𝐵𝑖𝑎𝑦𝑎 𝐿𝑎𝑦 𝑂𝑓𝑓10 = Rp1.500.000 × 5 = Rp7.500.000
m. Total Biaya
𝑇𝑜𝑡𝑎𝑙 𝐵𝑖𝑎𝑦𝑎 = 𝐵𝑖𝑎𝑦𝑎 𝑈𝑃𝑅𝑇 + 𝐵𝑖𝑎𝑦𝑎 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖 + 𝐵𝑖𝑎𝑦𝑎 𝑈𝑃𝑂𝑇 +
𝐵𝑖𝑎𝑦𝑎 𝐻𝑖𝑟𝑖𝑛𝑔 + 𝐵𝑖𝑎𝑦𝑎 𝐿𝑎𝑦 𝑂𝑓𝑓
𝑇𝑜𝑡𝑎𝑙 𝐵𝑖𝑎𝑦𝑎 = Rp6.066.550.000 + Rp92500 + Rp155.700.000
+ Rp141.000.000 + Rp49.500.000
= Rp6.412.842.500

D. Metode Tenaga Kerja Berubah (Round Down)

Tabel 4.16 Strategi Tenaga Kerja Berubah (Round Down)
Periode HK Demand TK Dihitung TK Terpakai RMH UPRT UPOT Hiring Lay Off Inventory Biaya RT Biaya Inventory Biaya OT Biaya Hiring Biaya Lay Off Total Biaya
0 12 250
1 21 10062 97 97 16296 9758 54 85 0 Rp 487,900,000 - Rp 4,050,000 Rp 85,000,000 Rp 576,950,000
2 19 10106 108 108 16416 9829 277 11 0 Rp 491,450,000 - Rp 20,775,000 Rp 11,000,000 Rp 523,225,000
3 21 10150 98 98 16464 9858 292 10 0 Rp 492,900,000 - Rp 21,900,000 Rp 15,000,000 Rp 529,800,000
4 20 10194 103 103 16480 9868 326 5 0 Rp 493,400,000 - Rp 24,450,000 Rp 5,000,000 Rp 522,850,000
5 22 10238 94 94 16544 9906 332 9 0 Rp 495,300,000 - Rp 24,900,000 Rp 13,500,000 Rp 533,700,000
6 20 10282 104 104 16640 9964 318 10 0 Rp 498,200,000 - Rp 23,850,000 Rp 10,000,000 Rp 532,050,000
7 21 10326 100 100 16800 10059 267 4 0 Rp 502,950,000 - Rp 20,025,000 Rp 6,000,000 Rp 528,975,000
8 19 10370 111 111 16872 10102 268 11 0 Rp 505,100,000 - Rp 20,100,000 Rp 11,000,000 Rp 536,200,000
9 20 10414 106 106 16960 10155 259 5 0 Rp 507,750,000 - Rp 19,425,000 Rp 7,500,000 Rp 534,675,000
10 21 10458 101 101 16968 10160 298 5 0 Rp 508,000,000 - Rp 22,350,000 Rp 7,500,000 Rp 537,850,000
11 20 10502 107 107 17120 10251 251 6 0 Rp 512,550,000 - Rp 18,825,000 Rp 6,000,000 Rp 537,375,000
12 18 10546 119 119 17136 10261 285 12 0 Rp 513,050,000 - Rp 21,375,000 Rp 12,000,000 Rp 546,425,000
Total 242 123648 1260 1248 200696 120171 3227 140 33 250 Rp 6,008,550,000 - Rp 242,025,000 Rp 140,000,000 Rp 49,500,000 Rp 6,440,075,000
Contoh Perhitungan:

(𝐷𝑒𝑚𝑎𝑛𝑑 − 𝑖𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖 𝑎𝑤𝑎𝑙) × 𝑊𝑎𝑘𝑡𝑢 𝐵𝑎𝑘𝑢(𝑊𝐵)
𝐻𝑎𝑟𝑖 𝐾𝑒𝑟𝑗𝑎(𝐻𝐾) × 𝐽𝑎𝑚 𝐾𝑒𝑟𝑗𝑎(𝐽𝐾)
(10172 − 250) × 1,67
= = 97.53 = 97 orang
21 × 8
b. Regular Man Hour

𝑅𝑀𝐻𝑡 = 𝐻𝑎𝑟𝑖 𝐾𝑒𝑟𝑗𝑎 ×𝑡 𝐽𝑎𝑚 𝐾𝑒𝑟𝑗𝑎 × 𝑇𝑒𝑛𝑎𝑔𝑎 𝑘𝑒𝑟𝑗𝑎
𝑅𝑀𝐻1 = 21 × 8 × 97 = 16296 jam

𝑅𝑀𝐻𝑡
𝑊𝐵
𝑅𝑀𝐻1 16296
𝑈𝑃𝑅𝑇1 = = = 97183.23 = 9758 unit
𝑊𝐵 1,67

𝑈𝑃𝑂𝑇𝑡 = 𝐷𝑒𝑚𝑎𝑛𝑑𝑡 − (𝑈𝑃𝑅𝑇𝑡 + Inventory t-1)
𝑈𝑃𝑂𝑇1 = 10062 − (9758 + 250) = 54 unit
e. Hiring
𝐻𝑖𝑟𝑖𝑛𝑔1 = 𝑇𝐾 − 𝑇𝐾 𝐴𝑤𝑎𝑙 = 97 − 12 = 85 orang
f. Lay Off
𝐿𝑎𝑦 𝑂𝑓𝑓10 = 𝑇𝐾 𝐴𝑤𝑎𝑙 − 𝑇𝐾 = 106 − 101 = 5 orang
g. Inventori


𝐼1 = (9758 + 54 + 0 + 250) − 10062 = 0 unit
h. Biaya Unit Production Regular Time

𝐵𝑖𝑎𝑦𝑎 𝑅𝑇1 = 9758 × RP50.000 = Rp487.900.000
i. Biaya Inventori
𝐵𝑖𝑎𝑦𝑎 𝑖𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖 = 0 × Rp2.500 = Rp 0
j. Biaya Unit Production Over Time

𝐵𝑖𝑎𝑦𝑎 𝑂𝑇1 = 54 × Rp75.000 = Rp4.050.000
k. Biaya Hiring
𝐵𝑖𝑎𝑦𝑎 𝐻𝑖𝑟𝑖𝑛𝑔1 = 85 × Rp1.000.000 = Rp85.000.000
l. Biaya Lay Off

𝐵𝑖𝑎𝑦𝑎 𝐿𝑎𝑦 𝑂𝑓𝑓 = 𝑜𝑛𝑔𝑘𝑜𝑠 𝐿𝑎𝑦 𝑂𝑓𝑓 × 𝐿𝑎𝑦 𝑂𝑓𝑓
𝐵𝑖𝑎𝑦𝑎 𝐿𝑎𝑦 𝑂𝑓𝑓10 = Rp1.500.000 × 5 = Rp7.500.000
m. Total Biaya
𝑇𝑜𝑡𝑎𝑙 𝐵𝑖𝑎𝑦𝑎 = 𝐵𝑖𝑎𝑦𝑎 𝑈𝑃𝑅𝑇 + 𝐵𝑖𝑎𝑦𝑎 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖 + 𝐵𝑖𝑎𝑦𝑎 𝑈𝑃𝑂𝑇 +
𝐵𝑖𝑎𝑦𝑎 𝐻𝑖𝑟𝑖𝑛𝑔 + 𝐵𝑖𝑎𝑦𝑎 𝐿𝑎𝑦 𝑂𝑓𝑓
𝑇𝑜𝑡𝑎𝑙 𝐵𝑖𝑎𝑦𝑎 = Rp6.008.550.000 + Rp0 + Rp242.025.000 + Rp140.000.000
+ Rp49.500.000
= Rp6.440.075.000

E. Metode Transportasi
Periode 1 2 3 4
Tabel 4.17 Strategi Transportasi
5 6 7 8 9 10 11 12 Kapasitas Kapasitas Tak Terpakai Cost
50000 52500 55000 57500 60000 62500 65000 67500 70000 72500 75000 77500
RT 9812 368 10764 584
75000 77500 80000 82500 85000 87500 90000 92500 95000 97500 100000 102500
1 OT 2691 2691 Rp 509,920,000
120000 122500 125000 127500 130000 132500 135000 137500 140000 142500 145000 147500
ST 5382 5382
50000 52500 55000 57500 60000 62500 65000 67500 70000 72500 75000
RT 9738 9738 0
75000 77500 80000 82500 85000 87500 90000 92500 95000 97500 100000
2 OT 2435 2435 Rp 486,900,000
120000 122500 125000 127500 130000 132500 135000 137500 140000 142500 145000
ST 4869 4869
50000 52500 55000 57500 60000 62500 65000 67500 70000 72500
RT 10150 492 10764 122
75000 77500 80000 82500 85000 87500 90000 92500 95000 97500
3 OT 2691 2691 Rp 507,500,000
120000 122500 125000 127500 130000 132500 135000 137500 140000 142500
ST 5382 5382
50000 52500 55000 57500 60000 62500 65000 67500 70000

RT 10194 27 10251 30
75000 77500 80000 82500 85000 87500 90000 92500 95000
4 OT 2563 2563 Rp 509,700,000
120000 122500 125000 127500 130000 132500 135000 137500 140000

ST 5126 5126
50000 52500 55000 57500 60000 62500 65000 67500

RT 10238 31 290 219 68 365 11276 65
75000 77500 80000 82500 85000 87500 90000 92500
5 OT 2819 2819 Rp 513,527,500
120000 122500 125000 127500 130000 132500 135000 137500
ST 5638 5638
50000 52500 55000 57500 60000 62500 65000

RT 10251 10251 0
75000 77500 80000 82500 85000 87500 90000

6 OT 2563 2563 Rp 512,550,000
120000 122500 125000 127500 130000 132500 135000

ST 5126 5126
50000 52500 55000 57500 60000 62500
RT 10326 397 10764 41
75000 77500 80000 82500 85000 87500
7 OT 2691 2691 Rp 516,300,000
120000 122500 125000 127500 130000 132500

ST 5382 5382
50000 52500 55000 57500 60000

RT 9738 9738 0
75000 77500 80000 82500 85000

8 OT 2435 2435 Rp 486,900,000
120000 122500 125000 127500 130000
ST 4869 4869
50000 52500 55000 57500
RT 10251 10251 0
75000 77500 80000 82500

9 OT 2563 2563 Rp 512,550,000
120000 122500 125000 127500

ST 5126 5126
50000 52500 55000
RT 10458 249 10764 57
75000 77500 80000
10 OT 2691 2691 Rp 522,900,000
120000 122500 125000

ST 5382 5382
50000 52500
RT 10251 10251 0
75000 77500
11 OT 2563 2563 Rp 512,550,000
120000 122500
ST 5126 5126
50000
RT 9226 9226 0
75000
12 OT 2307 2307 Rp 461,300,000
120000
ST 4613 4613
Demand 10062 10106 10150 10194 10238 10282 10326 10370 10414 10458 10502 10546 Rp 6,052,597,500
Contoh perhitungan:
a. Cost periode
C1 = (9812 x 50.000) + (368 x 52.500)
= Rp. 509.920.000
C2 = (9738 x 50.000)
= Rp. 486.900.000
C3 = (10150 x 50.000)
= Rp. 507.5000
C4 = (10194 x 50.000)
= Rp. 509.70.000
C5 = (10238 x 50.000) + (31 x 52500) + (290 x 57500) + (219 x 67500)
= Rp. 513.527.500
C6 = (10251 x 50.000)

= Rp. 516.300.000
C7 = (10326 x 50.000) + (397 x 52500)
= Rp. 566.605.000
C8 = (9738 x 50.000)
= Rp. 486.900.000
C9 = (10251 x 50.000)
= Rp. 512.550.000
C10 = (10458 x 50.000) + (249 x 52500)
= Rp. 522.900.000
C11 = (10251 x 50.000)
= Rp. 512.550.000
C12 = (9226 x 50.000)
= Rp. 461.300.000

4.2.3 Perencanaan Produksi Disagregasi

Tabel 4.18 Hasil Perhitungan Forecast Demand Setiap Item
Forecast Demand
Demand Tamiya Auldey RPA
Baracuda Cobra Hauler Emperor
10062 5919 5805 2188 2013 15925
10106 5945 5831 2197 2022 15995
10150 5971 5856 2207 2030 16064
10194 5997 5882 2217 2039 16135
10238 6023 5907 2226 2048 16204
10282 6049 5932 2236 2057 16274
10326 6075 5958 2245 2066 16344
10370 6100 5983 2255 2074 16412
10414 6126 6009 2264 2083 16482
10458 6152 6034 2274 2092 16552
10502 6178 6059 2284 2101 16622
10546 6204 6085 2293 2110 16692
Contoh Perhitungan:
Forecast Demand
𝐷𝑒𝑚𝑎𝑛𝑑 𝑥 Proporsi
𝐹𝐷 =
𝐹𝑎𝑘𝑡𝑜𝑟 𝐾𝑜𝑟𝑒𝑘𝑠𝑖
10062 𝑥 30%
𝐹𝐷 𝐵𝑎𝑟𝑎𝑐𝑢𝑑𝑎 =
0,51
𝐹𝐷 𝐵𝑎𝑟𝑎𝑐𝑢𝑑𝑎 = 5919 unit
10062 𝑥 30%
𝐹𝐷 𝐶𝑜𝑏𝑟𝑎1 =
0,52
𝐹𝐷 𝐶𝑜𝑏𝑟𝑎1 = 5805
10062 𝑥 20%
𝐹𝐷 𝐻𝑎𝑢𝑙𝑒𝑟 =
0,92
𝐹𝐷 𝐻𝑎𝑢𝑙𝑒𝑟 = 2188
10062 𝑥 20%
𝐹𝐷 Emperor =
1

𝐹𝐷 Emperor = 2013
RPA = 5919 + 5805+. . +2013
RPA = 1592
Tabel 4.19 Data Produ ksi Setiap Item pada Periode 1

Periode 1
Demand 10062 RPA 15925
Family (i) Item(j) Iij,t-1 rij,t Sij,t Iij,t dij,t dij,t < Sij,t Kj hij rij,t x hij,t T*j q*ij,t mij,t q*ij,t x mij,t rij,t x mij,t q*ij,t (adj)q*ij,t x (adj x mij,t) Iij,t (adj) Iij,t (adj) x mij,t
Baracuda 148 5919 0 -5771 5771 √ Rp400.000 Rp 2.000 Rp11.838.000 1 5919 0,51 3019 3019 9367 4778 3596 1834
Tamiya
Cobra 145 5805 0 -5660 5660 √ Rp400.000 Rp 2.200 Rp12.771.000 1 5805 0,52 3019 3019 9186 4777 3526 1834
Hauler 55 2188 0 -2133 2133 √ Rp300.000 Rp 2.500 Rp 5.470.000 1 2188 0,92 2013 2013 3463 3186 1330 1224
Auldey
Emperor 50 2013 0 -1963 1963 √ Rp300.000 Rp 3.000 Rp 6.039.000 1 2013 1 2013 2013 3186 3186 1223 1223
Total Rp36.118.000 10064 10064 15927
Contoh Perhitungan:
Menentukan Inventori
(Inventori awal x proporsi)
Iijt-1= faktor koreksi
250 𝑥 30%
Iijt-1= 0.51
Iijt-1= 148 unit
Menentukan Forecast Tiap item

(𝐷𝑒𝑚𝑎𝑛𝑑 x proporsi)
rij,t = faktor koreksi
10062 x30%
rij,t = 0,51
rij,t = 5919 unit
Penentuan Demand Periode t

Iij,t = Iijt-1 - rij,t - Sijt
Iij,t = 148 − 5919 − 0
Iij,t = -5771
dij,t = abs (Iij,t)
dij,t = 5771 unit

Penentuan Keputusan untuk Produksi Karena Iijt-1 < Sijt yaitu -5771<0
berarti v atau harus melakukan produksi.
Waktu antar produksi optimal untuk tiap family yang dibuat
Kj = Rp 400.000
hij = Rp 2.000
2𝐾𝑗 2 x 400.000
T*j = √
∑(ℎ𝑖𝑗 . 𝑟𝑖𝑗)
=√ =1
36.118.000
Ukuran Produksi dalam Satuan Agregat

q*ij = max [(𝑇 ∗ 𝑗 𝑥 𝑟𝑖𝑗, 𝑡), 𝑑𝑖𝑗, 𝑡 ]
q*ij = (1 x 5919), 5771
q*ij = 5919 unit
Penentuan Adjustment
𝑟𝑖𝑗,𝑡 𝑥 (𝑅𝑃𝐴−∑ 𝑞∗𝑖𝑗 𝑥 𝑚𝑖𝑗
q*ij (adj) = 𝑞 ∗ 𝑖𝑗 + ∑ 𝑟𝑖𝑗 𝑥 𝑚𝑖𝑗
5919 x 15927−10064
q*ij (adj) = 5919 + 10064
q*ij (adj) = 9367 unit
Iij,t (adj) = Iijt-1 + q*ij (adj) - rij,t

Iij,t (adj) = 148 + 9367 − 5919
Iij,t (adj) = 3596 unit
Iij,t (adj) x mij
= 3596 x 0.51
= 1834 unit
Tabel 4.20 Data Produksi Setiap Item pada Periode 2

Periode 2
Demand 10.106 RPA 15995
Family (i) item (j) lij,t-1 rij,t Sij,t lij,t dij,t lij,t<Sij,t Kj hij,t rij,t . hij,t T*J q*ij,t mij q*ij . mij rij . mij q*ij(adj) q*ij(adj) x mij lij,t(adj) lij,t(adj) x mij
Baracuda 1834 5945 0 -4111 4111 √ 400000 2000 11890000 1 5945 0,51 3032 3032 9407 4798 5296 2701
Tamiya
Cobra 1834 5831 0 -3997 3997 √ 400000 2200 12828200 1 5831 0,52 3033 3033 9227 4799 5230 2720
Hauler 1224 2197 0 -973 973 √ 300000 2500 5492500 1 2197 0,92 2022 2022 3477 3199 2504 2304
Auldey
Emperor 1223 2022 0 -799 799 √ 300000 3000 6066000 1 2022 1 2022 2022 3200 3200 2401 2401
Total 6115 15995 0 -9880 9880 1400000 9700 36276700 2,95 10109 10109 25311 15996 15431 10126


Periode 3
Demand 10.150 RPA 16064
Family (i) lij,t-1item (j)
rij,t Sij,t lij,t dij,t lij,t<Sij,t Kj hij,t rij,t . hij,t T*J q*ij,t mij q*ij . mij rij . mij q*ij(adj) q*ij(adj) x mij lij,t(adj) lij,t(adj) x mij
2701 Baracuda
5971 0 -3270 3270 √ 400000 2000 11942000 1 5971 0,51 3046 3046 15745 8030 12475 6363
Tamiya
2720 Cobra
5856 0 -3136 3136 √ 400000 2200 12883200 1 5856 0,52 3046 3046 15442 8030 12306 6400
2304 Hauler
2207 0 97 97 X
Auldey
2401 Emperor
2030 0 371 371 X
Total 10126 16064 0 -5938 6874 800000 4200 24825200 1,03 6092 6092 31187 16060 24781 12763

Periode 4
Demand 10.194 RPA 16135
Baracuda 6363 5997 0 366 366 X
Tamiya
Cobra 6400 5882 0 518 518 X
Hauler 97 2217 0 -2120 2120 √ 300000 2500 5542500 1 2217 0,92 2040 2040 8770 8069 6650 6118
Auldey
Emperor 371 2039 0 -1668 1668 √ 300000 3000 6117000 1 2039 1 2039 2039 8066 8066 6398 6398
Total 13231 16135 0 -2904 4672 600000 5500 11659500 1,92 4079 4079 16836 16135 13048 12516

Periode 5
Demand 10.238 RPA 16204
Baracuda 366 6023 0 -5657 5657 √ 400000 2000 12046000 1 6023 0,51 3072 3072 15885 8102 10228 5217
Tamiya
Cobra 518 5907 0 -5389 5389 √ 400000 2200 12995400 1 5907 0,52 3072 3072 15579 8102 10190 5299
Hauler 6118 2226 0 3892 3892 X
Auldey
Emperor 6398 2048 0 4350 4350 X
Total 13400 16204 0 -2804 19288 800000 4200 25041400 1,03 6144 6144 31464 16204 20418 10516

Periode 6
Demand 10.282 RPA 16274
Baracuda 5217 6049 0 -832 832 √ 400000 2000 12098000 1 6049 0,51 3085 3085 15955 8138 15123 7713
Tamiya
Cobra 5299 5932 0 -633 633 √ 400000 2200 13050400 1 5932 0,52 3085 3085 15647 8137 15014 7808
Hauler 3892 2236 0 1656 1656 X
Auldey
Emperor 4350 2057 0 2293 2293 X
Total 18758 16274 0 2484 5414 800000 4200 25148400 1,03 6170 6170 31602 16275 30137 15521


Periode 7
Demand 10.326 RPA 16344
Baracuda 7713 6075 0 1638 1638 X
Tamiya
Cobra 7808 5958 0 1850 1850 X
Hauler 1656 2245 0 -589 589 √ 300000 2500 5612500 1 2245 0,92 2066 2066 8881 8171 8292 7629
Auldey
Emperor 2293 2066 0 227 227 X 300000 3000 6198000 1 2066 1 2066 2066 8172 8172 8399 8399
Total 19470 16344 0 3126 4304 600000 5500 11810500 1,92 4132 4132 17053 16343 16691 16028

Periode 8
Demand 10.370 RPA 16412
Baracuda 1638 6100 0 -4462 4462 √ 400000 2000 12200000 1 6100 0,51 3111 3111 16088 8205 11626 5930
Tamiya
Cobra 1850 5983 0 -4133 4133 √ 400000 2200 13162600 1 5983 0,52 3112 3112 15780 8206 11647 6057
Hauler 7629 2255 0 5374 5374 X
Auldey
Emperor 8399 2074 0 6325 6325 X
Total 19516 16412 0 3104 20294 800000 4200 25362600 1,03 6223 6223 31868 16411 23273 11987

Periode 9
Demand 10.414 RPA 16482
Baracuda 5930 6126 0 -196 196 √ 400000 2000 12252000 1 6126 0,51 3125 3125 16155 8240 15959 8140
Tamiya
Cobra 6057 6009 0 48 48 X 400000 2200 13219800 1 6009 0,52 3125 3125 15847 8241 15895 8266
Hauler 5374 2264 0 3110 3110 X
Auldey
Emperor 6325 2083 0 4242 4242 X
Total 23686 16482 0 7204 7596 800000 4200 25471800 1,03 6250 6250 32002 16481 31854 16406

Periode 10
Demand 10.458 RPA 16552
Family (i) lij,t-1item (j) rij,t Sij,t lij,t dij,t lij,t<Sij,t Kj hij,t rij,t . hij,t T*J q*ij,t mij q*ij . mij rij . mij q*ij(adj) q*ij(adj) x mij lij,t(adj) lij,t(adj) x mij
8140 Baracuda6152 0 1988 1988 X
Tamiya
8266 Cobra 6034 0 2232 2232 X
3110 Hauler 2274 0 836 836 X
Auldey
4242 Emperor 2092 0 2150 2150 X
Total 23758 16552 0 7206 7206


Periode 11
Demand 10.502 RPA 16622
Baracuda 1988 6178 0 -4190 4190 √ 400000 2000 12356000 1 6178 0,51 3151 3151 9776 4986 5586 2849
Tamiya
Cobra 2232 6059 0 -3827 3827 √ 400000 2200 13329800 1 6059 0,52 3151 3151 9588 4986 5761 2996
Hauler 0 2284 0 -2284 2284 √ 400000 2200 5024800 1 2284 0,92 2102 2102 3614 3325 1330 1224
Auldey
Emperor 0 2101 0 -2101 2101 √ 400000 2200 4622200 1 2101 1,00 2101 2101 3325 3325 1224 1224
Total 4220 16622 0 -12402 12402 1600000 8600 35332800 2,95 10505 10505 26303 16622 13901 8293

Periode 12
Demand 10.546 RPA 16692
Family (i) item (j) lij,t-1 rij,t Sij,t lij,t dij,t lij,t<Sij,t Kj hij,t rij,t . hij,t T*J q*ij,t mij q*ij . mij rij . mijq*ij(adj) q*ij(adj) x mij lij,t(adj) lij,t(adj) x mij
Baracuda 2849 6204 0 -3355 3355 √ 400000 2000 12408000 1 6204 0,51 3165 3165 9816 5007 6461 3296
Tamiya
Cobra 2996 6085 0 -3089 3089 √ 400000 2200 13387000 1 6085 0,52 3165 3165 9628 5007 6539 3401
Hauler 2284 2293 0 -9 9 √ 400000 2200 5044600 1 2293 0,92 2110 2110 3628 3338 3619 3330
Auldey
Emperor 2101 2110 0 -9 9 √ 400000 2200 4642000 1 2110 1,00 2110 2110 3339 3339 3330 3330
Total 10230 16692 0 -6462 6462 1600000 8600 35481600 2,95 10550 10550 26411 16691 19949 13357

B. Master Production Schedule

Tabel 4.31 Master Production Schedule Baracuda
periode %AD Baracuda Cobra Hauler Emperor
1 105% 6215 6096 2298 2114
2 110% 6540 6415 2417 2225
3 115% 6867 6735 2539 2335
4 120% 7197 7059 2661 2447
5 120% 7228 7089 2672 2458
6 115% 6957 6822 2572 2366
(Sumber: Pengolahan Data
Tabel 4.32 Master Production Schedule Baracuda

Description: Baracuda DTF: 4 Safety Stock: 0 Lot Size: 10
Order Quantity: 2 Periode NR PTF: 7 Lead Time: 1
Periode Post Due 1 2 3 4 5 6 7 8 9 10 11 12

Forecast 5919 5945 5971 5997 6023 6049 6075 6100 6126 6152 6178 6204
Actual Demand 6215 6540 6867 7197 7228 6957 0 0 0 0 0 0
Master Schedule 9367 9407 9448 9490 9531 9572 9612 9653 9694 9735 9776 9816
PAB 148 3300 6167 8748 11041 13344 15959 19496 23049 26617 30200 33798 37410
ATP 3300 6167 8748 11041 13344 15959 19496 23049 26617 30200 33798 37410
Planned Order
Contoh Perhitungan :
𝐷𝑒𝑚𝑎𝑛𝑑 𝑥 𝑃𝑟𝑜𝑝𝑜𝑟𝑠𝑖
Forecast = PABt = PABt-1 + MS –
𝐹𝑎𝑘𝑡𝑜𝑟 𝐾𝑜𝑛𝑣𝑒𝑟𝑠𝑖
Max{AD;Forecast}
10062 𝑥 30%
= PAB5 = 11041 + 9531 – 7228
0,51
= 5919 unit = 13344 unit

Master Schedule = q*ij(adj) PABt = PABt-1 + MS – Forecast
= 9367 PAB7 = 15959 + 9612 – 0
= 19496 unit
PABt = PABt-1 + MS – AD
PAB1 = 148 + 9367 – 6215
= 3300 unit

Tabel 4.33 Master Production Schedule Cobra
Description: Cobra DTF: 4 Safety Stock: 0 Lot Size: 10
Periode Post Due 1 2 3 4 5 6 7 8 9 10 11 12

Forecast 5805 5831 5856 5882 5907 5932 5958 5983 6009 6034 6059 6085
Actual Demand 6096 6415 6735 7059 7089 6822 0 0 0 0 0 0
Master Schedule 9186 9227 9266 9308 9348 9387 9427 9468 9509 9548 9588 9628
PAB 145 3235 6047 8578 10827 13086 15651 19120 22605 26105 29619 33148 36691
ATP 3235 6047 8578 10827 13086 15651 19120 22605 26105 29619 33148 36691
Planned Order
Tabel 4.34 Master Production Schedule Hauler

Description: Hauler DTF: 4 Safety Stock: 0 Lot Size: 10
Periode Post Due 1 2 3 4 5 6 7 8 9 10 11 12

Forecast 2188 2197 2207 2217 2226 2236 2245 2255 2264 2274 2293 2293
Actual Demand 2298 2417 2539 2661 2672 2572 0 0 0 0 0 0
Master Schedule 3463 3477 3492 3509 3523 3539 3553 3569 3583 3599 3614 3628
PAB 55 1220 2280 3233 4081 4932 5899 7207 8521 9840 11165 12486 13821
ATP 1220 2280 3233 4081 4932 5899 7207 8521 9840 11165 12486 13821
Planned Order
Tabel 4.35 Master Production Schedule Emperor

Description: Emperor DTF: 4 Safety Stock: 0 Lot Size: 10
Periode Post Due 1 2 3 4 5 6 7 8 9 10 11 12

Forecast 2013 2022 2030 2039 2048 2057 2066 2074 2083 2092 2101 2110
Actual Demand 2114 2225 2335 2447 2458 2366 0 0 0 0 0 0
Master Schedule 3186 3200 3212 3227 3241 3255 3269 3282 3297 3311 3325 3339
PAB 50 1122 2097 2974 3754 4537 5426 6629 7837 9051 10270 11494 12723
ATP 1122 2097 2974 3754 4537 5426 6629 7837 9051 10270 11494 12723
Planned Order
4.2.4 Perencanaan Kebutuhan Material

4.2.4.1 Perhitungan MRP
Pengolahan data dilakukan dengan membuat Material Requirement Planning
(MRP) untuk tiap-tiap komponen yang dibutuhkan dalam pembuatan produk
Tamiya Baracuda, sebagai berikut:
Tabel 4.36 MRP Kursi Chitos

Part No. :1 Description : Kursi Chitose
BOM UOM : 1 Unit On Hand : 148
Lead Time :0 Order Policy : LFL
Safety Stock :0 Lot Size :1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12

Gross Requirement 9367 9407 9448 9490 9531 9572 9612 9653 9694 9735 9776 9816
Schedule Receipts
PAB I 148 -9219 -9407 -9448 -9490 -9531 -9572 -9612 -9653 -9694 -9735 -9776 -9816
Net Requirement 9219 9407 9448 9490 9531 9572 9612 9653 9694 9735 9776 9816
Planned Order Receipts 9219 9407 9448 9490 9531 9572 9612 9653 9694 9735 9776 9816
Planned Order Released 9219 9407 9448 9490 9531 9572 9612 9653 9694 9735 9776 9816
PAB II 0 0 0 0 0 0 0 0 0 0 0 0
i
Contoh perhitungan Lot for Lot:

a. Project Available Balance I = PABt-1 + SR – GR
= 148 + 0 – 9367
= -9229 unit
b. Net Requirement = Safety Stock – PAB I
= 0 - (-9229)
= 9229 unit
c. Project Available Balance II = PABt-1 – GR + SR + PORC
= 148 – 9367 + 0 + 9229
= 0 unit
Keterangan: untuk perhitungan MRP dengan kebijakan Lot for Lot selanjutnya
dilakukan dengan cara yang sama.
Tabel 4.37 MRP alas duduk

Part No. :2 Description : Alas Duduk
BOM UOM : 1 Unit On Hand :0
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12

Schedule Receipts
PAB I 0 -9219 -9407 -9448 -9490 -9531 -9572 -9612 -9653 -9694 -9735 -9776 -9816
Net Requirement 9219 9407 9448 9490 9531 9572 9612 9653 9694 9735 9776 9816
PAB II 0 0 0 0 0 0 0 0 0 0 0 0
Tabel 4.38 Assembly 2

Part No. :3 Description : Assembly 2
Lead Time :2 Order Policy : EOQ
Safety Stock :0 Lot Size EOQ 954
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12

Schedule Receipts
PAB I 0 -9219 -9407 -9448 -9490 -9531 -9572 -9612 -9653 -9694 -9735 -9776 -9816
Net Requirement 9219 9407 9448 9490 9531 9572 9612 9653 9694 9735 9776 9816
PAB II 0 0 92 50 9 922 882 841 800 759 718 678

Contoh perhitungan Periodic Order Quantity (EOQ):

a. Demand (D) = Rata-rata Gross Requirement b. Lot Sze menggunakan EOQ
= 9579,417 2𝐴𝐷
𝐸𝑂𝑄 = √ ℎ
≈ 9580 unit
2×950000×9580
=√ 20000
= 954 unit
Keterangan: untuk perhitungan MRP dengan kebijakan Economicc Order

Quantity (EOQ) selanjutnya dilakukan dengan cara yang sama.
Tabel 4.39 Sandaran
Part No. :4 Description : Sandaran
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12

Schedule Receipts
PAB I 0 -9540 -9540 -9540 -10494 -10494 -10494 -10494 -10494 -10494 -10494 0 0
Net Requirement 9540 9540 9540 10494 10494 10494 10494 10494 10494 10494 0 0
PAB II 0 0 0 0 0 0 0 0 0 0 0 0
Tabel 4.40 Assembly 1

Part No. :5 Description : Assembly 1
Lead Time :1 Order Policy : POQ 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12

Schedule Receipts
PAB I 0 -9540 -9540 -9540 -10494 -10494 -10494 -10494 -10494 -10494 -10494 0 0
Net Requirement 9540 9540 9540 10494 10494 10494 10494 10494 10494 10494 0 0
PAB II 3180 3180 3180 2226 2226 3498 3498 3498 3498 3498 0 0
Contoh perhitungan Periodic Order Quantity (POQ):
c. Demand (D) = Rata-rata Gross Requirement e. Lot Sze menggunakan EOQ
= 8506,5 2𝐴𝐷
𝐸𝑂𝑄 = √ ℎ
≈ 8507 unit
𝐸𝑂𝑄 2×950000×8507
d. 𝑃𝑂𝑄 = ̅𝐷 =√
X 20000

899 = 899 unit

= 8507
= 0,105
≈ 1 unit
Keterangan: untuk perhitungan MRP dengan kebijakan Periodic Order Quantity
(POQ) selanjutnya dilakukan dengan cara yang sama.
Tabel 4.41 MRP kaki belakang

Part No. :6 Description : Kaki Belakang
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12

Schedule Receipts
PAB I 0 -12720 -12720 -12720 -12720 -13992 -13992 -13992 -13992 -13992 0 -13992 0
Net Requirement 12720 12720 12720 12720 13992 13992 13992 13992 13992 0 13992 0
PAB II 0 0 0 0 0 0 0 0 0 0 0 0
Tabel 4.42 Sub-Assembly 1

Part No. :7 Description : Sub Assembly 1
Lead Time :1 Order Policy : POQ 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12

Schedule Receipts
PAB I 0 -12720 -12720 -12720 -12720 -13992 -13992 -13992 -13992 -13992 0 -13992 0
Net Requirement 12720 12720 12720 12720 13992 13992 13992 13992 13992 0 13992 0
PAB II 1900 1900 1900 1900 628 2090 2090 2090 2090 16082 0 0
Tabel 4.43 Tiang bantalan

Part No. :8 Description : Tiang Bantalan
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12

Schedule Receipts
PAB I 0 -14620 -14620 -14620 -14620 -16082 -16082 -16082 -16082 -16082 0 -16082 0
Net Requirement 14620 14620 14620 14620 16082 16082 16082 16082 16082 0 16082 0
PAB II 0 494 494 494 -968 -968 -968 -968 0 0 0 0


Tabel 4.44 MRP kaki depan

Part No. :9 Description : Kaki Depan
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12

Schedule Receipts
PAB I 0 -14620 -14620 -14620 -14620 -16082 -16082 -16082 -16082 -16082 0 -16082 0
Net Requirement 14620 14620 14620 14620 16082 16082 16082 16082 16082 0 16082 0
PAB II 0 0 1050 1050 -412 -412 -412 -412 0 0 0 0

4.2.5 Keseimbangan Lintasan (Line Balancing)

1. Waktu Siklus (Ws)
Jumlah Permintaan 115101
Target Produksi = = = 9591.75
Banyaknya Periode 12
Waktu Kerja 8 x 24 x 3600 73
Ws = = = 72.06 ≈ = 12.17
Target Produksi 9591.75 6
≈ 12 detik/unit
2. Wsi = Waktu Maksimal = 4 (berdasarkan waktu kegiatan terbesar)
3. Stasiun Kerja (SK)
Total Waktu 14
𝐒𝐊 = 𝑅𝑜𝑢𝑛𝑑𝑈𝑝 = = 4 Stasiun kerja
Wsi 4
A. Cluster (Killbridges Waster)
Tabel 4. 45 Penentuan Region dengan Metode Cluster

Task Time
Ragion Task
(detik)
1 1,2,3,4 10
2 5,6 4
Tabel 4. 16 Cumulative Station Time (CST)

Stasiun Task Time Comulative
Task
Kerja (detik) Station Time
1 0
1 10
2 3
3 3
4 4
5 4
2 4
6 0

PRECEDENCE DIAGRAM
3' 4' 4' 0'

1 3 4 5 6
3'
2
SK1 SK2 SK3 SK4
Gambar 4.11 Pembagian Region

Tabel 4. 47 Efisiensi Stasiun Kerja

Stasiun Station Time Idle Time Efisiensi
Kerja (detik) (detik) Stasiun Kerja
1 10 1 83%
2 4 1 33%
Contoh perhitungan:
Stasiun Time 10
ESK1 = x 100% = x 100% = 83
Wsi 12
Stasiun Time 4
ESK 2 = x 100% = x 100% = 33
Wsi 12
2
𝑆𝑚𝑜𝑜𝑡ℎ𝑒𝑛𝑠𝑠 𝐼𝑛𝑑𝑒𝑥 (𝑆𝐼) = √∑(STmaks − STi)
𝑆𝑚𝑜𝑜𝑡ℎ𝑒𝑛𝑠𝑠 𝐼𝑛𝑑𝑒𝑥 (𝑆𝐼) = √(12 − 10)2 + (12 − 4)2

𝑆𝑚𝑜𝑜𝑡ℎ𝑒𝑛𝑠𝑠 𝐼𝑛𝑑𝑒𝑥 (𝑆𝐼) = √68 = 8.25 detik
(∑ 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝑘𝑒𝑟𝑗𝑎 x Wsi)− ∑ 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝑘𝑒𝑟𝑗𝑎 (2x12)−2

Balance Delay = ∑ 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝑘𝑒𝑟𝑗𝑎 x Wsi
= = −2 detik
(2x12)
EL = 𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 ESK = 99.5 %

B. Rank Potition Weight (RPW)
Tabel 4.48 Penentuan Task

Task (EK) Task Time Positional Weight
1 0 14
2 3 14
3 3 11
4 4 8
5 4 4
6 0 0
Tabel 4.49 Pengurutan Task

Task (EK) Task Time Positional Weight
1 0 14
2 3 14
3 3 11
4 4 8
5 4 4
6 0 0

Tabel 4. 50 Cumulative Station Time (CST)

Stasiun Task Time Comulative
Task
Kerja (detik) Station Time
1 0
1 10
2 3
3 3
4 4
5 4
2 4
6 0
PRECEDENCE DIAGRAM
3' 4' 4' 0'

1 3 4 5 6
3'
2
SK1 SK2 SK3 SK4
Gambar 4.14 Pembagian Region

Tabel 4. 51 Efisiensi Stasiun Kerja
Stasiun Station Time Idle Time Efisiensi

Kerja (detik) (detik) Stasiun Kerja
1 10 1 83%
2 4 1 33%
Contoh perhitungan:
Stasuin Time 10
ESK1 = x 100% = x 100% = 83
Wsi 12

Stasuin Time 4
ESK 2 = x 100% = x 100% = 33
Wsi 10
2
𝑆𝑚𝑜𝑜𝑡ℎ𝑒𝑛𝑠𝑠 𝐼𝑛𝑑𝑒𝑥 (𝑆𝐼) = √∑(STmaks − STi)
𝑆𝑚𝑜𝑜𝑡ℎ𝑒𝑛𝑠𝑠 𝐼𝑛𝑑𝑒𝑥 (𝑆𝐼) = √(12 − 10)2 + (12 − 4)2

𝑆𝑚𝑜𝑜𝑡ℎ𝑒𝑛𝑠𝑠 𝐼𝑛𝑑𝑒𝑥 (𝑆𝐼) = √68 = 8.25 Detik
(∑ 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝑘𝑒𝑟𝑗𝑎 x Wsi) − ∑ 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝑘𝑒𝑟𝑗𝑎 (2x12) − 2

Balance Delay = =
∑ 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝑘𝑒𝑟𝑗𝑎 x Wsi (2x12)
= −2 𝑑𝑒𝑡𝑖𝑘
EL = 𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 ESK = 99.5 %

BAB V
ANALISIS
5.1 PERAMALAN (FORECASTING)

Setelah melakukan pengumpulan dan pengolahan data, maka langkah
selanjutnya adalah melakukan analisa terhadap hasil akhir dari masing-
masing pengolahan data tersebut. Hal ini untuk memperjelas dan lebih
memahami terhadap permasalahan yang dihadapi serta hasil yang diperoleh
dari penerapan pemecahan masalah yang sudah digunakan.Sekaligus
mengetahui metode mana yang lebih baik untuk digunakan untuk
memecahkan permasalahan tersebut.
Berdasarkan hasil ploting data permintaan masa lalu selama 24 periode, maka
pola yang terbentuk adalah pola data tren. Hal ini dikarenakan tidak terjadi
fluktuasi permintaan yang terlalu besar. Peramalan yang dilakukan
berdasarkan dari hasil peramalan yang telah dilakukan dengan menggunakan
empat metode, hasil perhitungan peramalan dengan menggunakan Double
Moving Average, metode Double Exsponential Smoothing dengan Satu
Parameter dari Brown, metode Double Exsponential Smoothing dengan dua
Parameter dari Holt dan Regresi Linier menunjukkan bahwa nilai MSE yang
terkecil adalah dengan menggunakan metode Regresi linier seperti ditunjukan
pada tabel dibawah ini.
Tabel 5.1 Hasil Perhitungan Error

Metode
No. Error
DMA DES Brown DES Holt RL
1 ME 23,25 12,09 3,77 -0,38
2 MAE 548,85 959,55 715,14 907,96
3 SSE 216225,00 70756,00 6889 81
4 MSE 10811,25 3216,18 313,14 3,38
5 SDE 106,68 58,05 18,14 1,88
6 MPE 0,00 0,0117 0,01 -0,02
7 MAPE 0,06 0,11 0,08 0,10
Hasil pengolahan data metode Regresi Linier dengan nilai MSE 3,38, Metode
Double Moving Average dengan nilai MSE 10811,25, Metode Double
Exsponential Smoothing dengan Satu Parameter dari Brown dengan nilai MSE
13216,18 dan metode Double Exponential Smoothing dengan dua Parameter
dari Holt dengan nilai MSE 4424,73. Pemilihan hasil forecasting berdasarkan
i
dari nilai MSE terkecil karena MSE mempunyai kelebihan dari hasil eror yang
lainnya yaitu dengan mengambil selisih kuadrat antara nilai yang diramalkan
dan yang diamati.
5.2 PERENCANAAN PRODUKSI AGREGAT

Setelah melakukan pengumpulan dan pengolahan data, maka langkah selanjutnya
adalah melakukan analisa terhadap hasil akhir dari masing-masing pengolahan
data tersebut. Hal ini untuk memperjelas dan lebih memahami terhadap
permasalahan yang dihadapi serta hasil yang diperoleh dari penerapan pemecahan
masalah yang sudah digunakan seperti pada tabel di bawah ini:
Tabel 5.2 Hasil Perhitungan Rencana Produksi Agregat

Strategi Roundup Roundown
Tenaga Kerja Tetap Rp 6,373,850,000 Rp 6,296,560,000
Tenaga Kerja Berubah Rp 6,412,842,500 Rp 6,525,800,000
Transportasi Rp 6,052,597,500
Berdasarkan Tabel 5.2 di atas didapatkan hasil bahwa strategi Transportasi
memiliki biaya yang paling rendah dibandingkan dengan yang lainnya. Hal ini
disebabkan karena pada strategi Transportasi tidak terdapat biaya hiring dan
biaya lay off sedangkan pada tenaga kerja tetap dan tenaga kerja berubah
terdapat biaya hiring, biaya lay off dan biaya inventori yang menyebabkan
total biaya menjadi lebih tinggi. Biaya yang digunakan pada transportasi
adalah regular time cost dan over time cost. Sementara ongkos simpan pada
transportasi dibebankan langsung terhadap demand yang diproduksi pada
setiap metode.
5.3 PERENCANAAN PRODUKSI DISAGREGASI

Berdasarkan praktikum yang telah dilakukan dengan pengolahan data demand
dengan melakukan proses disagregasi dan Master Production Schedule
didapatkan bahwa metode disagregasi dan Master Production Schedule
merupakan satu kesatuan. Hal ini terjadi karena suatu rencana produksi
agregat yang sudah dibuat akan dapat diimplementasikan dengan adanya
penjadwalan berupa jadwal induk produksi (Master Production Schedule).

Penjadwalan ini berfungsi untuk mengidentifikasi kuantitas dari item tertentu

yang dapat dibuat oleh suatu perusahaan manufaktur (dalam satuan waktu).
Penentuan adjustment (Iij,t (adj)) yaitu 9367 unit, penentuan demand periode t
dengan adjusment dan faktor konversi Iij,t (adj) x mij yaitu 1834 unit
Berbeda halnya hasil pad rekapan MRP bahwa komponen melakukan
pemesanan setiap periode adalah pada Barcuda, Cobra dan tidak memesan tiap
bulan adalah Hauler, Emperor Hal tersebut menunjukkan bahwa pemesanan
dilakukan pada saat terdapat kebutuhan akan komponen tersebut. Pemesanan
komponen pada periode satu akan memenuhi kebutuhan di periode satu,
pemesanan komponen pada periode dua akan memenuhi kebutuhan di periode
dua, dan begitupun seterusnya. Berhubung pemesanan dilakukan setiap ada
kebutuhan, maka tidak ada biaya simpan yang dikeluarkan.
5.4 PERENCANAAN KEBUTUHAN MATERIAL

Perencanaan dan penegendalian persediaan bahan baku produk Kursi Chitose,
digunakan MRP sebagai teknik untuk merencanakan persediaan bahan baku.
Komposisi penggunaan bahan baku untuk satu Kursi Chitose membutuhkan
lima komponen bahan yaitu Alas Duduk, Sandaran, Tiang Bantalan, Kaki
Depan dan Kaki Belakang. Struktur Produk Explotion yang telah dibuat yaitu
sebanyak empat level dan metode lot size yang digunakan dalam menyusun
MRP bahan baku produk Kursi Chitose, yaitu dengan menggunakan metode
Lot For Lot (LFL), Economic Order Quantity (EOQ) dan Period Order
Quantity (POQ). Berikut adalah hasil analisis perhitungan MRP dari setiap
komposisi yang dihasilkan dari ketiga metode lot size MRP sebagai berikut:
1) Metode Lot For Lot (LFL)
Pada metode Lot for Lot, jumlah pesanan yang akan di pesan (ukuran lot)
akan selalu sama jumlahnya dengan jumlah kebutuhan bersih yang diperlukan
karena Lot Size yang ditentukan adalah satu. Tabel Kursi Chitose, Tabel Alas
Duduk, Tabel Sandaran, dan Tabel Kaki Belakang merupakan perhitungan
lotting dengan menggunakan metode Lot for Lot pada semua jenis bahan
baku.

2) Metode Economic Order Quantity (EOQ)

Perhitungan lotting pada metode ini dengan penggunaan kebutuhan bersih
dihitung berdasarkan rata-rata kebutuhan per tahun (d). Perhitungan EOQ
pada Tabel Assembly 2 didapatkan jumlah pemesanan ekonomis sebesar 954
unit, Tabel Tiang Bantalan sebesar 968 unit dan Tabel Kaki Depan 1050 unit.
3) Metode Periode Order Quantity (POQ)
Metode POQ sering juga disebut sebagai siklus waktu pemesanan ekonomis.
Interval pemesanan pada metode ini di hitung memakai logika metode EOQ.
Hasil perhitungan POQ sebesar satu maka interval waktu pemesanan lot
dilakukan setiap periode. POQ sebesar 1 unit dengan Lot size EOQ sebesar
899 unit.
5.5 KESEIMBANGAN LINTASAN (LINE BALANCING)

Berdasarkan hasil pengumpulan dan pengolahan data maka pada tahap
selanjutnya yaitu melakukan analisis pada data yang telah diolah pada masing-
masing metode yaitu sebagai berikut:
a) Metode Rank Positioning Weight
Berdasarkan perhitungan didapatkan waktu siklus sebesar 12.17 detik = 13
detik. Untuk Efisiensi stasiun kerja 1 diperoleh waktu siklus pendekatan
teknis diperoleh nilai 83% sedangkan stasiun kerja 2 adalah 33%. Dengan
balance delay -2 detik yang artinya efisiensi pada tempat kerja itu sangat
lah baik, dan EL sebesar 99.5%.
b) 5.1.2 Metode Kilbridge-Wester Heuristic
Berdasarkan perhitungan didapatkan waktu siklus sebesar 12.17 detik.
Untuk Efisiensi stasiun kerja 1 diperoleh waktu siklus pendekatan teknis
diperoleh nilai 83%, stasiun kerja 2 sebesar 33%. Dengan balance delay -
2 detik yang artinya efisiensi pada tempat kerja itu sangat lah baik EL =
99.5%.

BAB VI
KESIMPULAN DAN SARAN
5.3 KESIMPULAN
5.3.1 PERAMALAN (FORECASTING)
Berdasarkan hasil pengolahan data dan analisis yang telah dilakukan, maka
kesimpulan yang dapat ditarik yaitu sebagai berikut:
Ketika melakukan peramalan kita dapat menggunakan beberapa metode

tergantung kebutuhan dan keadaan data yang akan digunakan untuk melakukan
peramalan. Hasil analisa dan pengolahan data dapat disimpulkan penggunaan
metode Regresi Linier dapat dipilih sebagai metode untuk melakukan peramalan
dikarenakan memiliki hasil eror MSE yang paling kecil dibandingkan ketiga
metode lainnya
5.3.2 PERENCANAAN PRODUKSI AGREGAT

1. Perecanaan produksi adalah salah satu unsur yang paling penting dalam
jalannya suatu perusahaan yang secara terus menerus akan digunakan untuk
melakukan perencanaan produksi
2. Hasil dari perhitungan praktikum Rencana Produksi Agregat yang
dilakukan dengan perhitungan Ongkos Total Tenaga Kerja Tetap, Tenaga
Kerja Berubah dan metode Transportasi dan didapatkan ongkos terkecil atau
ongkos optimal adalah dengan metode Transportasi sebesar Rp6,052,597,500.
5.3.3 PERENCANAAN PRODUKSI DISAGREGASI

Disagregasi dan Master Production Schedule (MPS) merupakan perhitungan
untuk mengolah data demand yang digunakan untuk menentukan inventori,
forecast, safety stock, keputusan untuk produksi, waktu antar produksi optimal
untuk tiap family yang dibuat, ukuran produksi dalam satuan agregat dan
pengecekan.
Menentukan jenis family yang harus diproduksi, jika hasil perhitungan yang
diperoleh negatif. Artinya, Family pada end item tersebut harus diproduksi.

Jika positif, artinya semua end item pada family tersebut masih mampu
memenuhi permintaan konsumen dan tidak perlu diproduksi dulu. Jika jumlah
family yang harus diproduksi tidak sama dengan jumlah perencanaan
produksinya maka perlu dilakukan penyesuaian. Proses pemecahan dari famili
ke end item adalah langkah terakhir dalam menentukan jumlah end item yang
harus diproduksi.
6.1.4 PERENCANAAN KEBUTUHAN MATERIAL
Perencanaan dan penegendalian persediaan bahan baku produk Kursi Chitose,
digunakan MRP sebagai teknik untuk merencanakan persediaan bahan baku.
Komposisi penggunaan bahan baku untuk satu Kursi Chitose membutuhkan lima
komponen bahan yaitu Alas Duduk, Sandaran, Tiang Bantalan, Kaki Depan dan
Kaki Belakang. Struktur Produk Explotion yang telah dibuat yaitu sebanyak
empat level dan metode lot size yang digunakan dalam menyusun MRP bahan
baku produk Kursi Chitose, yaitu dengan menggunakan metode Lot For Lot
(LFL), Economic Order Quantity (EOQ) dan Period Order Quantity (POQ).
Berikut adalah hasil analisis perhitungan MRP dari setiap komposisi yang
dihasilkan dari ketiga metode lot size MRP sebagai berikut:
1) Metode Lot For Lot (LFL)
Pada metode Lot for Lot, jumlah pesanan yang akan di pesan (ukuran lot)
akan selalu sama jumlahnya dengan jumlah kebutuhan bersih yang
diperlukan karena Lot Size yang ditentukan adalah satu. Metode
Economic Order Quantity (EOQ)
Perhitungan lotting pada metode ini dengan penggunaan kebutuhan bersih
dihitung berdasarkan rata-rata kebutuhan per tahun (d). Metode Periode
Order Quantity (POQ)
Metode POQ sering juga disebut sebagai siklus waktu pemesanan
ekonomis. Interval pemesanan pada metode ini di hitung memakai logika
metode EOQ. Hasil perhitungan POQ sebesar satu maka interval waktu
pemesanan lot dilakukan setiap periode.
6.1.5 KESEIMBANGAN LINTASAN (LINE BALANCING)

Berdasarkan hasil pengolahan data dan analisis yang telah dilakukan, maka
kesimpulan yang dapat ditarik yaitu sebagai berikut:

1) Keseimbangan lintasan merupakan salah satu elemen terpenting dalam

merancang sebuah proses produksi di suatu perusahaan. Hal ini dilakukan
untuk menciptakan adanya keseimbangan antara lintasan di lantai produksi
dalam memproduksi suatu produk dengan memperhatikan waktu dan
operasi kerja yang dijalankan. Proses keseimbangan lintasan dilakukan
dengan mengelompokkan beberapa operasi kerja ke dalam suatu stasiun
kerja yang bertujuan untuk meminimumkan waktu menganggur, waktu
siklus dan jumlah stasiun kerja yang diperlukan dalam proses produksi.
2) Istilah-istilah dalam line balancing yaitu Precedence diagram, Asssamble
product, Work elemen, Waktu operasi (Ti), Work stasiun (WS), Cycle time
(CT), Station time (ST), Idle time (I), Smoothes index (SI), Line efficiency
(LE).
6.2 SARAN
6.2.1 PERAMALAN (FORECASTING)
Berikut ini poin-poin saran yang perlu untuk diperhatikan yaitu sebagai berikut:
1) Perlunya penentuan terhadap pengumpulan data agar terealisasikannya
penggunaan metode-metode secara kuantitatif.
2) Perlunya keahlian dan ketelitian dalam mengolah data serta untuk metode
Double Exponential Smoothing baik satu maupun dua parameter, hal yang
cukup lama dalam mencari Alpha dan Gamma.
3) Perlunya penggunaan software forecasting agar dapat membandingkan
data hasil pengolahan data forecasting secara manual agar data yang
dihasilkan menjadi lebih akurat.
6.2.2 PERENCANAAN PRODUKSI AGREGAT

1) Dalam proses produksi, sebaiknya terlebih dahulu memperhatikan
kapasitas atau kemampuan yang dimiliki agar tidak terjadi kekurangan
kapasitas yang mengakibatkan permintaan tidak terpenuhi.
2) Praktikan agar lebih teliti lagi dalam mengerjakan perhitungannya.
3) Praktikan pada saat melakukan praktikum perhitungan harus lebih teliti

6.2.3 PERENCANAAN PRODUKSI DISAGREGASI

Berikut ini saran yang perlu untuk diperhatikan yaitu sebagai berikut:
1) Praktikan agar lebih teliti lagi dalam mengerjakan perhitungannya.
2) Untuk PAB yang bernilai negatif maka ATP bernilai 0 karena prkatikan
sering tidak memperhatikan hal tersebut.
3) Perlunya pemahaman dalam pemakaian Exel
6.2.4 PERENCANAAN KEBUTUHAN MATERIAL

1) Teliti dalam menyusun struktur produk karena data akan digunakan dalam
perhitungan MRP.
2) Teliti dalam melakukan perhitungan MRP karena yang membedakan
perhitungan MRP adalah order policy dan lead time.
3) Dalam pengumpulan data real harus benar - benar mengumpulkan data
dengan teliti termasuk spesifikasi material.
6.2.5 KESEIMBANGAN LINTASAN (LINE BALANCING)

1) Sebaiknya praktikan memahami dengan baik dan benar operasi kerja yang
akan dilakukan dilantai produksi serta berlatih terlebih dahulu sehingga
mengurangi kesalahan dan delay yang terjadi.
2) Praktikan memahami proses dan aturan dalam melakukan keseimbangan
lintasan agar tidak terjadi kesalahan dalam proses produksinya.
3) Perlunya pelajaran tambahan untuk mempelajari aplikasi penunjang untuk
membuat APC.

DAFTAR PUSTAKA
Sim Narashiman, Dennis W McLeavley, Peter Billington, “Production Planning
and Inventory Control”, Prentice Hall.
Daniel S, Robert L.B, Jr. “Production Planning, Control and Integration”,
McGraw Hill, 1997
http://2.bp.blogspot.com/nKF4S91uFLg/s1600/pb.jpg
Modul Perencanaan dan Pengendalian Prdoduksi Widyatama.
86

PPP Laporan Akhir Revisi PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

PPP Laporan Akhir Revisi PDF

Uploaded by

Copyright:

Available Formats

PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI

LABORATORIUM SISTEM PRODUKSI

PROGRAM STUDI TEKNIK INDUSTRI

SK Ketua Badan Akreditasi Nasional Perguruan tinggi (BAN-PT)

PROGRAM TEKNIK INDUSTRI-FAKULTAS TEKNIK

Telah Disetujui dan Disahkan di Bandung, Tanggal ...../ ..... / 2017

Devi Frida Sagala Rizka Yarsa

Perencanaan dan Pengendalian Produksi

1. Asisten Praktikum Perencanaan dan Pengendalian Produksi yang telah

Penulis sadar bahwasanya masih banyak kekurangan yang terkandung di

Bandung, 8 Januari 2018

LEMBAR PENGESAHAN ................................................................................... i

Gambar 2.1 Pola Siklik ........................................................................................... 9

Tabel 2.1 Tabel Model Transportasi untuk Aggregate Planning.......................... 20

Perencanaan Produksi Agregat

Perencanaan Produksi Disagregasi

Laboratorium Sistem Produksi 2

Perencanaan Kebutuhan Material

Laboratorium Sistem Produksi 3

meminimasi total biaya produksi ketika perencanaan dapat dilakukan dengan

Keseimbangan Lintasan (Line Balancing)

Laboratorium Sistem Produksi 4

kinerja pegawai. Pengambilan data dilakukan dengan menggunakan studi waktu

Perencanaan Produksi Agregat

Perencanaan Kebutuhan Material

Laboratorium Sistem Produksi 5

2. Membuat Jadwal MRP dan Memperhitungkan Jumlah Material yang

Keseimbangan Lintasan (Line Balancing)

Laboratorium Sistem Produksi 6

2.1 PERAMALAN (FORECASTING)

2.1.2 Tujuan Peramalan

2.1.3 Klasifikasi Teknik Peramalan

2.1.3.2 Peramalan Kuantitatif

Laboratorium Sistem Produksi 8

2.1.3.3 Metode Time Series

Gambar 2.1 Pola Siklik

Laboratorium Sistem Produksi 9

Gambar 2.2 Pola Musiman

Gambar 2.3 Pola Horizontal

Laboratorium Sistem Produksi 10

Gambar 2.4 Pola Trend

Metode peramalan yang termasuk model time series adalah:

5. Peramalan untuk periode kedepan setelah t adalah sebagai berikut:

Laboratorium Sistem Produksi 11

b) Double Exponential Smoothing (DES) Satu Parameter dari Brown

Pemulusan Eksponensial Ganda, 𝑆′′𝑡 = α 𝑆′𝑡 + (1 – α) 𝑆′′𝑡−1

Agar dapat menggunakan rumus pemulusan eksponensial tunggal dan rumus

c) Double Exponential Smoothing (DES) Dua Parameter dari Holt

Laboratorium Sistem Produksi 12

Ramalan dari pemulusan eksponensial linier Holt didapat dengan

Pemulusan, 𝑆′𝑡 = α 𝑋𝑡 + (1 – α)(𝑆′𝑡−1 + 𝑏𝑡−1 )

Peremajaan Trend, 𝑏𝑡 = γ (𝑆′𝑡 − 𝑆′𝑡−1 ) + (1 – γ)𝑏𝑡−1

Ramalan, 𝐹𝑡+𝑚 = 𝑆′𝑡 + 𝑏𝑡 . 𝑚

Persamaan pemulusan menyesuaikan 𝑆𝑡 secara langsung untuk trend periode

d) Metode Regresi Linier

Laboratorium Sistem Produksi 13

Untuk peramalan jangka pendek dan jangka panjang, ketepatan peramalan

Untuk mendapatkan nilai a dan b bias diperoleh dari rumus:

F = nilai yang diramalakan

P = variabel yang mempengaruhi waktu (tahun, ualn, hari)

2.1.4 Kriteria Performa Peramalan

Laboratorium Sistem Produksi 14

Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara: