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 pelaksana an 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 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! Bookmark not defined.
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! Bookmark not defined.
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! Bookmark not defined.
Tabel 4.14 Peramalan dengan Metode DES Dua Parameter dari Holt ......... Error! Bookmark not defined.
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! Bookmark not defined.
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 4.24 Proses Disagregasi Periode 2 ............... Error! Bookmark not defined. Tabel 4.25 Proses Disagregasi Periode 3 ............... Error! Bookmark not defined. Tabel 4.26 Proses Disagregasi Periode 4 ............... Error! Bookmark not defined. Tabel 4.27 Proses Disagregasi Periode 5 ............... Error! Bookmark not defined. Tabel 4.28 Proses Disagregasi Periode 6 ............... Error! Bookmark not defined. Tabel 4.29 Proses Disagregasi Periode 7 ............... Error! Bookmark not defined. Tabel 4.30 Proses Disagregasi Periode 8 ............... Error! Bookmark not defined. Tabel 4.31 Proses Disagregasi Periode 9 ............... Error! Bookmark not defined. Tabel 4.32 Proses Disagregasi Periode 10 ............. Error! Bookmark not defined. Tabel 4.33 Proses Disagregasi Periode 11 ............. Error! Bookmark not defined. Tabel 4.34 Proses Disagregasi Periode 12 ............. 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 s ehingga 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 mem ahami 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
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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 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 Pro duction 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
Laboratorium Sistem Produksi
3
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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 Laboratorium Sistem Produksi
4
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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). Laboratorium Sistem Produksi
5
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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.
Laboratorium Sistem Produksi
6
2
BAB II
LANDASAN TEORI
PERAMALAN (FORECASTING)
2.1 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
Universitas Widyatama 2.1.3
Praktikum Perencanaan dan Pengendalian Produksi
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 satusatunya 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 ).
Laboratorium Sistem Produksi
8
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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.
Laboratorium Sistem Produksi
9
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Gambar 2.2 Pola Musiman (Sumber: http://2.bp.blogspot.com/nKF4S91uFLg/s1600/pb.jpg)
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 (Sumber: http://2.bp.blogspot.com/nKF4S91uFLg/s1600/pb.jpg)
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.
Laboratorium Sistem Produksi
10
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Gambar 2.4 Pola Trend (Sumber: http://2.bp.blogspot.com/nKF4S91uFLg/s1600/pb.jpg)
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
′
2. Setelah semua rata-rata dihitung, hitung rata-rata kedua yaitu rata-rata dari
dengan periode peratarataan yang sama, hasilnya dinotasikan
dengan
′′
3. Hitung komponen at dengan rumus:
′ ′ ′′ − ′ ′′ + . =
+ (
)
4. Hitung komponen trend bt dengan rumus: =
(
)
5. Peramalan untuk periode kedepan setelah t adalah sebagai berikut: =
+
Laboratorium Sistem Produksi
11
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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:
′ ′′ ′
= α Xt + (1 – α)
Pemulusan Eksponensial Tunggal, Pemulusan Eksponensial Ganda, Pemulusan Trend, Ramalan,
=α
+ (1 – α)
′− ′′−
′ ′ ′′ ′ ′′ − ′ ′′ =
+ (
)=2
dan
=
(
)
+ . =
+
Agar dapat menggunakan rumus pemulusan eksponensial tunggal dan rumus pemulusan eksponensial ganda, nilai
′− ′′− dan
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
′dan ′′
sama dengan
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.
Laboratorium Sistem Produksi
12
Universitas Widyatama Ramalan
dari
Praktikum Perencanaan dan Pengendalian Produksi
pemulusan
eksponensial
linier
Holt
didapat
dengan
menggunakan dua konstanta pemulusan (dengan niali antara 0 dan 1) dan tiga persamaan:
′ ′− − ′ ′− − + ′ . − − =α
Pemulusan,
Peremajaan Trend, =
Ramalan,
+ (1 – α)(
= γ (
+
) + (1 – γ)
+
Persamaan pemulusan menyesuaikan sebelumnya, yaitu yaitu
)
secara langsung untuk trend periode
dengan menambah nilai pemulusan yang terakhir,
. Hal ini membantu untuk menghilangkan kelambatan dan
menempatkan
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
−
(
) 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. Laboratorium Sistem Produksi
13
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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
= a + b + t
Untuk mendapatkan nilai a dan b bias diperoleh dari rumus: a=
b=
∑−∑ ∑−(∑)(∑) ∑²−(∑)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
=
-
Laboratorium Sistem Produksi
14
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara: 1. Ukuran Kesalahan dengan cara Statistik a. Mean Error (ME) ME =
∑ ∑| |
b. Mean Absolute Error (MAE) MAE =
c. Sum of Square Error (SSE) SSE =
∑()²
d. Mean of Square Error (MSE) MSE =
−
e. Standard Deviation Error (SDE) SDE =
2. Ukuran Kesalahn Relatif a. Percentage Error (PE) PE =
x 100%
b. Mean Percentage Error (MPE) MPE =
∑ ∑||
c. Mean Absolute Percentage Error (MAPE) MAPE =
Laboratorium Sistem Produksi
15
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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.
Laboratorium Sistem Produksi
16
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
(a) Lead Strategy perluasan tahap
(b) Lead Strategy satu tahap
D e m a n d
D e m a n d 1
2
3
(c) Lag Strategy
Time (tahun)
1
2
3
Time (tahun)
(d) Average Strategy
D e m a n d
D e m a n d 2
3
Time (tahun)
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 Laboratorium Sistem Produksi
17
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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 rata”, yang terkadang kurang dari permintaan dan terkadang t erkadang 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
Laboratorium Sistem Produksi
18
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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.
Laboratorium Sistem Produksi
19
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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, lembur, menganggur, dan penyimpanan. 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) : Laboratorium Sistem Produksi
20
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
1. Smoothing cost, yaitu biaya tambahan yang ditimbulkan dari adan ya
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
penyimpanan(inventory
perusahaan
cost/holding
adalah
costs)
timbulnya
yang
berupa
ongkos 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
Laboratorium Sistem Produksi
21
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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 adala h: 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: I ij,t = I ij,t-1- r ij
2.
Menentukan family yang harus diproduksi dengan rumus: I ij,t < S ij,t
3.
Menghitung waktu antar produksi optimal, T*j untuk tiap family yang dibuat dengan rumus: T*j =
4.
2 Kj
∑hij.rij
Menghitung q*ij dengan rumus: Max {T*ij.r i j}- d ij = I ij,t-1-r ij-S ij
5.
Menghitung ukuran produksi dalam satuan agregat untuk tiap item dengan rumus: Q*ij = q*ij.M ij
6.
Memeriksa apakah Q*ij = P, jika tidak maka lakukan adjustment dengan rumus: q*ij(adj) = q ij + r ij (P- Q*ij )atau(∑r ij.M ij) Q*ij(adj)= q*ij.M ij
Laboratorium Sistem Produksi
22
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Dimana: I ij-t
: Inventori akhir item i family j
I ij,t-1
: Inventori awal item i family j
r ij
: Demand item i family j
S ij
: Safety stock item i family j
T* j
: Waktu antar produksi optimal family j
K j
: Ongkos set up family j
M ij
: 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. Laboratorium Sistem Produksi
23
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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
Laboratorium Sistem Produksi
24
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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
Laboratorium Sistem Produksi
25
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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
Laboratorium Sistem Produksi
26
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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 Laboratorium Sistem Produksi
27
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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:
Dimana :
EOQ
2.ℎ.
= 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.
Laboratorium Sistem Produksi
28
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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.
Laboratorium Sistem Produksi
29
Universitas Widyatama 2.5.2
Praktikum Perencanaan dan Pengendalian Produksi
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:
Laboratorium Sistem Produksi
30
Universitas Widyatama
Dimana: Ti
Praktikum Perencanaan dan Pengendalian Produksi
∑ =
: waktu operasi atau elemen ( I=1,2,3,…,n)
C :waktu siklus stasiun kerja N : jumlah elemen K min : 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:
≤≤
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:
Di mana: n
( ) ∑ – = ( ) 100%
: jumlah stasiun kerja
Laboratorium Sistem Produksi
31
Universitas Widyatama C
∑
Praktikum Perencanaan dan Pengendalian Produksi : waktu siklus terbesar dalam stasiun kerja : jumlah waktu operasi dari semua operasi : waktu operasi : balance delay (%)
10) Line efficiency (LE) adalah rasio dari total waktu di stasiun kerja dibagi
dengan waktu siklus dikalikan jumlah stasiun kerja
∑ (=)() 100%
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=
∑=( )
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.
Di mana:
2.5.4
T
: jam kerja efektif penyelesaiaan produk
C
: waktu siklus terbesar
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 Laboratorium Sistem Produksi
32
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
4) Metode Moodie Young 5) Metode Immediate Update First-Fit Heruistic 6) Metode Rank And Assign Heruistic
Laboratorium Sistem Produksi
33
3
BAB III
FLOWCHART KEGIATAN PRAKTIKUM
3.1
. FLOW CHART KEGIATAN PRAKTIKUM
MULAI
STUDI LITERATUR
PENGUMPULAN DATA
Data demand 12 periode
PROSES DISAGREGASI DAN MASTER PRODUCTION SCHEDULE
PERENCANAAN PRODUKSI AGREGAT
PERAMALAN (FORECASTING)
Komponen Data Data Hari Kerja 12 Periode Data Demand 12 Periode
Data Demand 12 Periode Data Proses Disagregasi Persentase Actual Demand Data Master Productiion Schedule
MATERIAL REQUIREMENT PLANNING
Assembly Proccess Chart Kursi Chitose Data Master Schedule Baracuda Struktur Produk Exsplosion Bill Of Material
ASSEMBLY LINE BALANCING
Assembly Operation Chart Kursi Chitose Precedence Diagram Kursi Chitose Data d emand Kursi Chitose
PENGOLAHAN DATA
Metode Double Moving Average Metode Double Exponensial Smoothing (Holt) Metode Double Exponensial Smoothing (Brown) Metode Regresi Linear
PROSES DISAGREGASI DAN MASTER PRODUCTION SCHEDULE
PERENCANAAN PRODUKSI AGREGAT
PERAMALAN (FORECASTING)
Strategi Tenaga Kerja Tetap Strategi Tenaga Kerja Berubah Strategi Transportasi
Proses Disagregasi Master Production Schedule
MATERIAL REQUIREMENT PLANNING
Material Requirement Planning (Teknik Lot for Lot) Material Requirement Planning (Teknik EOQ) Material Requirement Planning (Teknik POQ)
ANALISIS
KESIMPULAN
SELESAI
Tabel 3.1 Flowchart Praktikum
i
ASSEMBLY LINE BALANCING
Stasiun Kerja Komponen Rank Positioning Weight Metode KillbridgeWester Heuristic
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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.
Laboratorium Sistem Produksi
35
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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
Laboratorium Sistem Produksi
36
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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.
Laboratorium Sistem Produksi
37
4
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1
PENGUMPULAN DATA
4.1.1
Peramalan (Forecasting)
Pengumpulan data diperoleh berdasarkan data demand masa lalu dari tabel
5
pada sebuah perusahaan selama 24 periode, yaitu sebagai berikut: 7
6 Tabel 4.2 Data Demand Awal
14 15
Periode ( t ) Demand ( d ) 1 8292 2 12456 3 9461 4 8438 5 9729 6 8074 7 10044 8 8973 9 9901 10 7586 11 9997 12 8974 13 9949 14 7982 15 9494 16 7982 17 9808 18 7618 19 9637 20 9845 21 10077 22 11212 23 11287 24 11367 8
Tabel 4.3 Data Demand Akhir Periode ( t ) Demand ( d ) 1 8306 2 12470 3 9475 4 8452 5 9743 6 8088 7 10058 8 8987 9 9915 10 7600 11 10011 12 8988 13 9963 14 7996 15 9508 16 7996 17 9822 18 7632 19 9651 20 9859 21 10091 22 11226 23 11301 24 11381
(Sumber: Pengumpulan Data)
16
9 10 11 12
13
i
(Sumber:Pengumpulan Data)
17 Keterangan: 18 Penyesuaian data dilakukan dengan menambahkan data awal dengan dua digit terakhir dari NPM yang dibalikkan (0515103014
4.1.2
(14)
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
22 23 24 25
Hari Kerja Demand
1
21
10062
2
19
10106
3
21
10150
4
20
10194
5
22
10238
6
20
10282
7
21
10326
8
19
10370
9
20
10414
10
21
10458
11
20
10502
12
18
10546
Total
243
228288
Inventori Awal Jam Kerja (JK) Maks. Over Time (OT ) Maks. Sub Kontrak Waktu Baku Tenaga Kerja (TK) Awal Regular Time (RT) Cost Over Time (OT) Cost Sub Kontrak (SK) Cost Hiring (HR) Cost Lay Off (LO) Cost Inventory Cost
(Sumber: Pengumpulan Data)
250 Unit 8 Jam 25% RT Unit 50% RT Unit 1.67 Jam/Unit 12 Orang Rp50000/Unit Rp75,000/Unit Rp120,000/Unit Rp1,000,000/Orang RP1,500,000/Orang Rp2,500/Unit
(Sumber: Pengumpulan Data)
4.1.3 Perencanaan Produksi Disagregat
Pengumpulan data diperoleh berdasarkan hasil pe ramalan 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 ( D t)
1 2 3 4 5
10062 10106 10150 10194 10238
i
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Periode ( t) 6
Demand ( D t) 10282 10326 10370 10414 10458
7 8 9 10 11 12 Total
10502 10546 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 Nama Dwi Fariz Resito Nanda Agus Alif Bayu Laelawati
Master Schedu le
1 9367 9376 9380 9368 9407 9383 9370 11372
2 9407 9415 9422 9408 9448 9423 9411 11788
3 9448 15762 9463 15751 9488 15773 9454 12204
4 9490 0 9504 9491 9529 0 9495 12619
5 9531 15897 9545 9532 9570 15908 9535 12768
6 9572 15968 9586 15956 9610 15978 9576 12002
7 9612 0 9625 0 9651 0 9618 10123
8 9653 12078 9667 16092 9693 12085 9658 6840
9 9694 16171 9709 16161 9732 16182 9699 1270
10 9735 0 9749 0 9773 0 9739 -7337
11 9776 16307 9789 16295 9814 16321 9780 -25125
12 9816 16376 9831 16366 9855 16388 9822 -61585
(Sumber: Pengumpulan Data)
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:
Laboratorium Sistem Produksi
39
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
ASSEMBLING PROCESS CHART
NAMA OBJEK NOMOR PETA DIPETAKAN OLEH TANGGAL DIPETAKAN SEKARANG : ALAS DUDUK
: KURSI CHITOS :1 : PRAKTIKAN PERENCANAAN DAN PENGENDALIAN PRODUKSI : 1 DESEMBER 2017 USULAN :
SANDARAN TIANG BANTALAN KAKI DEPAN KAKI BELAKANG
KETERANGAN ASSEMBLING
Sub Assembling 1
3' 0%
SA1
Assembling 1 : memasangkan kaki depan dengan kaki belakang
Sub Assembling 1
(Las Asitelin)
Assembling 2 : Memasangkan sandaran ke kaki belakang
Assembling 1
3'
Assembling 1 (Las Asitelin)
A-1 0% Assembling 2
Assembling 3 : Memasangkan alas duduk ke tiang bantalan yang sudah disatukan dengan kaki kaki SUB ASSEMBLING
4' A-2
Assembling 2 (Obeng + )
A-3
Assembling 3 (Obeng + )
I-1
Pemeriksaan
0%
Sub Assembling 1 : Tiang bantalan ke kaki depan
Assembling 3
KETRANGAN
4'
KEGIATAN JUMLAH WAKTU (S)
0%
4
2'
16
0% 1
2
5
18
Storage
JUMLAH
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:
Laboratorium Sistem Produksi
40
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
1
Kursi Chitos (1)
2
LEVEL 0
3
Alas Duduk (1)
A-2 (1)
4
LEVEL 1
5
Sandaran (1)
A-1 (1)
6
LEVEL 2
7
Kaki Belakang (2)
SA-1 (1)
8
9
Tiang Bantalan (1)
LEVEL 3
Kaki Depan (2)
LEVEL 4
Gambar 4.2 APC Struktur Produk Baracuda (Sumber: Pengolahan Data)
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
1
0
KC
Kursi Chitose
Deskripsi
2
1
AD
Alas Duduk
3
1
A-2
Assembly 2
4
2
S
Sandaran
5
2
A-1
6
3
KB
7
3
SA-1
8
4
TB
9
4
KD
Kaki Depan
Kuantitas Order Policy
On Hand
Lead Time
Lot Size
LFL
148
0
1
1
LFL
0
0
1
1
EOQ
0
2
EOQ
1
LFL
0
0
1
Assembly 1
1
POQ
0
1
EOQ
Kaki Belakang
1
LFL
0
0
1
Sub Assembly 1
1
POQ
0
1
Tiang Bantalan
1
EOQ
0
1
1
EOQ
0
2
Setup Cost
Holding Cost
Rp
950.000
Rp
20.000
Rp
950.000
Rp
10.000
EOQ
Rp
950.000
Rp
10.000
EOQ
Rp
950.000
Rp
13.000
EOQ
Rp
950.000
Rp
10.000
(Sumber: Pengumpulan Data)
Laboratorium Sistem Produksi
41
Universitas Widyatama
4.1.5
Praktikum Perencanaan dan Pengendalian Produksi
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 (Sumber: Pengumpulan Data)
Keterangan: Data permintaan yang diperoleh merupakan hasil penambahan NPM kelompok dengan data permintaan yang diberikan. (NPM kelompok: 14 + 04 + 05 =23 )
Laboratorium Sistem Produksi
42
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
ASSEMBLING PROCESS CHART
NAMA OBJEK NOMOR PETA DIPETAKAN OLEH TANGGAL DIPETAKAN SEKARANG : ALAS DUDUK
: KURSI CHITOS :1 : PRAKTIKAN PERENCANAAN DAN PENGENDALIAN PRODUKSI : 1 DESEMBER 2017 USULAN :
SANDARAN TIANG BANTALAN KAKI DEPAN KAKI BELAKANG
KETERANGAN ASSEMBLING
Sub Assembling 1
3' 0%
SA1
Assembling 1 : memasangkan kaki depan dengan kaki belakang
Sub Assembling 1
(Las Asitelin)
Assembling 2 : Memasangkan sandaran ke kaki belakang
Assembling 1
3' A-1 0%
Assembling 1 (Las Asitelin)
Assembling 2
Assembling 3 : Memasangkan alas duduk ke tiang bantalan yang sudah disatukan dengan kaki kaki SUB ASSEMBLING
4' A-2
Assembling 2 (Obeng + )
A-3
Assembling 3 (Obeng + )
I-1
Pemeriksaan
0%
Sub Assembling 1 : Tiang bantalan ke kaki depan
Assembling 3
KETRANGAN
4'
KEGIATAN JUMLAH WAKTU (S)
0%
14 16
4
Storage
2' 0%
1
2
54
14 18
Storage
JUMLAH JUMLAH
Gambar 4. 3 Assembly Process Chart (APC) Kursi chitos (Sumber: Pengumpulan Data) PRECEDENCE DIAGRAM
0'
3' 1
4' 3
0'
4' 4
5
6
3' 2
Gambar 4. 4 Precedence Diagram (Sumber: Pengumpulan Data)
Laboratorium Sistem Produksi
43
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Tabel 4. 9 Penunjukkan Waktu Berdasarkan Presedence Diagram Node Waktu No Kegiatan Mesin (detik) Pendahulu
1 2 3 4 5 6
Star Sub Assembling Assembling 1 Assembling 2 Assembling 3 End Total
0 3 3 4 4 0 14
Start Start, 2 3 4 -
Meja Perakitan Meja Perakitan Meja Perakitan Meja Perakitan -
(Sumber: Pengumpulan Data)
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)
Laboratorium Sistem Produksi
44
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Tabel 4.10 Peramalan dengan Metode DMA Periode
Demand
S't
S''t
bt
m
F(t+m)
et
| et |
et²
8633.56
-589.78
1
8044.00
1699.00
1699.00
2886601.00
17.44%
8149.78
-611.22
1
7539.00
549.00
549.00
301401.00
6.79%
0.07
9499.11
202.778
1
9702.00
356.00
356.00
126736.00
3.54%
0.04
9033.89
9054.78
10.4444
1
9066.00
-79.00
79.00
6241.00
-0.88%
0.01
9331.33
9975.33
322
1
10298.00
-383.00
383.00
146689.00
-3.86%
0.04
1
8306
2
12470
3
9475
10083.67
4
8452
10132.33
5
9743
9223.33
9813.11
6
8088
8761.00
9372.22
7
10058
9296.33
9093.56
8
8987
9044.33
9
9915
9653.33
at
Pe (%)
| Pe |
0.17
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
9239.44
20
9859
9047.33
8855.22
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
10977.00
8262949.00
5.31%
1.16
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
(Sumber: Pengolahan Data)
Contoh Perhitungan: 1. S’t 3= d 1 + d 2 + d 3 / 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 = d 5 – 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) = 9223,33 + (9223,33 – 9813,11) = 8633,56
,
3. PE t5= ( =(
) × 100% ) × 100%
Laboratorium Sistem Produksi
45
Universitas Widyatama
4. bt5 = =
N− −
Praktikum Perencanaan dan Pengendalian Produksi
= 17,44% (S’t5 – S”t5) (9223,33 – 9813,11)
= -589,78
Perhitungan Error : 1. 2. 3. 4. 5. 6. 7.
, || , Σ(et) (474, 8 9) , − , ,% || , = 23,25
= 548,85 = 216225,00
= 10881,25 = 106,68
= 0,00 = 0,06
Gambar 4.5 Diagram Scatter Demand (Sumber: Pengolahan Data)
Laboratorium Sistem Produksi
46
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Gambar 4.6 Plot Data Double Moving Average ( DMA) (Sumber: Pengolahan Data)
Double Exponential Smoothing ( DES) Satu Parameter dari Brown
B.
Tabel 4.11 Peramalan dengan Metode DES Satu Parameter dari Brown Periode
Demand
s't
1
8306
8306
s''t
at
bt
m
Ft+m
2
12470
3
9475
9732.86
9927.46
9538.26
-1751.38
1
7787.00
1688.00
1688
2849344
17.82%
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
|et|
et²
pe (%)
|pe|
11381
11371.09 11359.4
11382.8
105.45
-108.00
108
11664
-0.95%
0.0095
266.00
21110
25206986
26%
2.34
12053.60 11678.8 12428.36 3372.84
1
11489.00
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
et
8306
352302.00
Laboratorium Sistem Produksi
47
0.1782
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
(Sumber: Pengolahan Data)
Contoh Perhitungan: 8. F t3 = at3 + bt3 × m3
1. S’ t1 = d 1 = 8306
= 12.428,60 + (3372,84) × 1 = 7786,88
2. S’’ t1 = d 1
9. et3 = d 3 – Ft3
= 8306
= 9475 – 7786,88 = 1688,12
3. at2 = S’t2 + (S’t2 – S”t2)
,
10. PE t3= (
= 12.053,60 + (12.053,60 – 11678,84 ) = 12.428,36
=(
) × 100% ) × 100%
= 17,82 % 4. bt2 = =
− ,−,
(S’t2 – S”t2) (12.053,60 – 11678,84)
= 3372,84
Perhitungan Error : 1. 2. 3. 4. 5. 6. 7.
|| Σ(et) (266) − % || ,%
= 12.09 = 959,55 = 70756,00
= 3216,18 = 58,05
= 0,0112 = 0,11
Laboratorium Sistem Produksi
48
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Gambar 4.7 Diagram Scatter Demand (Sumber: Pengolahan Data)
Gambar 4.8 Plot Data DES Satu Parameter dari Brown (Sumber: Pengolahan Data)
Laboratorium Sistem Produksi
49
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
C. Double Exponential Smoothing ( DES) Dua Parameter dari Holt Tabel 4.12 Peramalan dengan Metode DES Dua Parameter dari Holt α = 0,9
Periode
γ = 0,9
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
2002225
10011
9628,32
1412,93
1
11042
1031
1062961
18,62% 10,30%
0,18618
11
1415 1031
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 83
15733
14987559
Jumlah
19,40%
1,75
(Sumber: Pengolahan Data
Laboratorium Sistem Produksi
50
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Contoh perhitungan : 1. S’ t1 = d 1
4. et3 = d 3 – F t3
= 8306
= 9475 – 8557 = 918
2. bt1
= d 2 – d 1
= 12470 – 8306 = 4164
5. PE t3= (
) × 100%
=(
) × 100%
= 9,69 % 3. F t3 = S ’t 3 + bt3 × m3
= 10191 + (-1634,8) × 1 = 8557
Perhitungan Error : 1. 2. 3. 4. 5. 6. 7.
|| () (83) − , || , = 3,77
= 715,14 = 6889
= 313,14 = 18,11
= 0,01 = 0,08
Laboratorium Sistem Produksi
51
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Gambar 4.9 Diagram Scatter Demand (Sumber: Pengolahan Data)
Gambar 4.10 Plot Data DES Dua Parameter dari Holt (Sumber: Pengolahan Data)
Laboratorium Sistem Produksi
52
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
D. Regresi Linier Tabel 4.13 Peramalan dengan Metode Regresi Linier Periode (P)
Demand (X)
t²
dt
et
|et|
et²
Pe (%)
| Pe |
1
8306
1
8306
9015.46
F=a+bt Forecast 9 016
-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
1 592
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
1 680
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
2 132
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
1 1.89%
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
228519.00
228528
300
228519
4900
2907104
-9
21791
34632583
-38%
2.34
(Sumber: Pengolahan Data)
Contoh Perhitungan: 1. t2 = 12 =1
5. Ft1 = a + b × t 1 = 8971,45 – 44,014() = 9015,46
2. dt1 = d 1 × t1 = 8304 × 1 = 8306
3. b =
∑ −(∑)(∑) ∑−(∑)
6. et1 = d 1 – Ft1 = 8306 – 9016 = -710
Laboratorium Sistem Produksi
53
Universitas Widyatama
=
Praktikum Perencanaan dan Pengendalian Produksi
× −()() × −()
= 44,014
4. a = =
−
7. PE t1= ( =(
) × 100% ) × 100%
= -8,55%
∑−b∑ −(,) ×
= 8971,45
Perhitungan Error : 1. 2. 3. 4. 5. 6. 7.
− || Σ(et) (9) − − || ,
= -0,38 = 907,96 =81
= 3,38
= 1,88
= -0,02 =0,10
Gambar 4.11 Diagram Scatter Demand (Sumber: Pengolahan Data)
Laboratorium Sistem Produksi
54
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Gambar 4.12 Plot Data MRL (Sumber: Pengolahan Data)
4.2.2
Perencanaan Produksi Agregat Tabel 4.14 Perhitungan Tenaga Kerja Tetap (TKT) Round Up
Periode 0
HK Demand
TK 12
RMH
UPRT
UPOT
Hiring Inventory 250
Biaya Inventory Biaya OT
Biaya Hiring
21
10062
17976
10764
952
Rp 538,200,000
Rp 2,380,000 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
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 11
21 20
10458 10502
17976 17120
10764 10251
2211 1960
Rp 538,200,000 Rp 512,550,000
Rp 5,527,500 Rp Rp 4,900,000 Rp
-
Rp Rp
543,727,500 517,450,000
1152
Rp 486,900,000
Rp 2,880,000 Rp
-
20540
Rp 6,227,500,000
Rp 51,350,000
-
12
19
10546
Total
243
123648
119
16264
9738
208008
124550
0
95
Rp
Rp
Total Biaya
1
107
95
Biaya RT
Rp
Rp
489,780,000
95,000,000 Rp
6,373,850,000
(Sumber: Pengolahan Data)
Contoh Perhitungan: a.
Tenaga Kerja Hitung (TK Hit)
)× () ( ()× () ) ×1, 6 7 (123648250 243×8 106,005107 orang × × 21×8×10717976jam
b.
Regular Man Hour
Laboratorium Sistem Produksi
55
Universitas Widyatama
c.
Praktikum Perencanaan dan Pengendalian Produksi
Unit Produksi Regular Time
, 10764,0710674 ( 1)
unit
d.
Unit Produksi Over Time
=0
e.
Hiring
f.
Inventori
g.
Biaya Unit Production Regular Time
1071295 orang (−) (1076400250) 10062952 unit × 10764×Rp50.000 × 952×Rp2.500Rp 2.380.000 × 0×Rp75.0000 × 95×Rp1.000.000Rp95.000.000 Rp538.200.000
h.
Biaya Inventori
i.
Biaya Unit Production Over Time
j.
Biaya Hiring
k.
Total Biaya
Laboratorium Sistem Produksi
56
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Rp6.227.500.000Rp52.350.000Rp0Rp95.000.000 Rp6.373.850.000 B.
Metode Tenaga Kerja Tetap (TKT) Round Down Tabel 4.15 Strategi Tenaga Kerja Tetap (Round Down)
Periode 0 1 2 3 4 5 6 7 8 9 10 11 12 Total
HK Demand 21 19 21 20 22 20 21 19 20 21 20 19 243
10062 10106 10150 10194 10238 10282 10326 10370 10414 10458 10502 10546 123648
TK 12
106
118
RMH
UPRT
17808 16112 17808 16960 18656 16960 17808 16112 16960 17808 16960 16112 206064
10663 9647 10663 10155 11171 10155 10663 9647 10155 10663 10155 9647 123384
UPOT
Hiring Inventory 250
94
14 14
94
851 392 905 866 1799 1672 2009 1286 1027 1232 885 0 12924
Biaya RT Rp 533,150,000 Rp 482,350,000 Rp 533,150,000 Rp 507,750,000 Rp 558,550,000 Rp 507,750,000 Rp 533,150,000 Rp 482,350,000 Rp 507,750,000 Rp 533,150,000 Rp 507,750,000 Rp 482,350,000 Rp6,169,200,000
Biaya Inventory Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp
2,127,500 980,000 2,262,500 2,165,000 4,497,500 4,180,000 5,022,500 3,215,000 2,567,500 3,080,000 2,212,500 32,310,000
Biaya OT
Rp 1,050,000 Rp 1,050,000
Biaya Hiring
Total Biaya
Rp 94,000,000
Rp 629,277,500 Rp 483,330,000 Rp 535,412,500 Rp 509,915,000 Rp 563,047,500 Rp 511,930,000 Rp 538,172,500 Rp 485,565,000 Rp 510,317,500 Rp 536,230,000 Rp 509,962,500 Rp 483,400,000 Rp 6,296,560,000
Rp 94,000,000
(Sumber: Pengolahan Data)
Contoh perhitungan: a.
Tenaga Kerja Hitung (TK Hit)
)× () ( ()× () ) ×1, 6 7 (123648250 243×8 106.005 106 orang × × 21×8×10617808 jam , 10663.4710663 ( 1) 0
b.
Regular Man Hour
c.
Unit Produksi Regular Time
unit
d.
Unit Produksi Over Time
Laboratorium Sistem Produksi
57
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
e.
Hiring
f.
Inventori
g.
Biaya Unit Production Regular Time
1061294 orang (−) (1066300250)10062851 unit × 10663×Rp50.000 × 851×Rp2.500Rp 2.127.500 × 0×Rp75.0000 × 94×Rp1.000.000 Rp94.000.000 Rp94. Rp6.1069.00.2000.00000Rp32.310.000Rp1.050.000 Rp6.296.560.000 Rp533.150.000
h.
Biaya Inventori
i.
Biaya Unit Production Over Time
j.
Biaya Hiring
k.
Total Biaya
Laboratorium Sistem Produksi
58
Universitas Widyatama
C.
Praktikum Perencanaan dan Pengendalian Produksi
Metode Tenaga Kerja Berubah ( Round Up ) Tabel 4.16 Strategi Tenaga Kerja Berubah (Round Up)
P er io de
HK Demand TK Dihitung TK Terpakai RMH
0 1
21
2 3 4 5 6 7 8 9
19 21 20 22 20 21 19 20
10 11 12 Total
UPRT
UPOT
Biaya RT
Hiring Lay Off Inventory
10062
12 98
98
16464
9858
10106 10150 10194 10238 10282 10326 10370 10414
109 99 104 95 105 101 112 107
109 99 104 95 105 101 112 107
16568 16632 16640 16720 16800 16968 17024 17120
9920 9959 9964 10011 10059 10160 10194 10251
149 191 230 227 223 166 176 163
21 20
10458 10502
102 108
102 108
17136 17280
10261 10347
197 155
6
18 242
10546 123648
120 1260
120 1260
17280 10347 202632 121331
199 2076
12 141
250 37
86 11 10 5 9 10 4 11 5 5
33
Biaya Inventory
92,500
Biaya OT
Biaya Hiring
Rp 492,900,000
Rp
0 0 0 0 0 0 0 0
Rp Rp Rp Rp Rp Rp Rp Rp
496,000,000 497,950,000 498,200,000 500,550,000 502,950,000 508,000,000 509,700,000 512,550,000
-
Rp Rp Rp Rp Rp Rp Rp Rp
0 0
Rp 513,050,000 Rp 517,350,000
-
Rp 14,775,000 Rp 11,625,000
Rp
0 287
Rp 517,350,000 Rp6,066,550,000
Rp
92,500
Rp 14,925,000 Rp155,700,000
Rp 12,000,000 Rp141,000,000
Biaya Lay Off
-
Rp 86,000,000
Rp
578,992,500
11,175,000 14,325,000 17,250,000 17,025,000 16,725,000 12,450,000 13,200,000 12,225,000
Rp 11,000,000
Rp Rp Rp Rp Rp Rp Rp Rp
518,175,000 527,275,000 520,450,000 531,075,000 529,675,000 526,450,000 533,900,000 532,275,000
Rp 15,000,000 Rp
5,000,000 Rp 13,500,000
Rp 10,000,000 Rp 6,000,000 Rp 11,000,000 Rp 7,500,000 Rp 7,500,000 6,000,000 Rp 49,500,000
(Sumber: Pengolahan Data)
Contoh perhitungan: a.
Tenaga Kerja Hitung (TK Hit)
b.
Regular Man Hour
c.
Unit Produksi Regular Time
) × () ( () × () 6 7 (10062250)×1, 21×8 97,53 98 orang × × 121×8×9816464 jam , 9858.68 ( 0 991287 orang 1071025 orang = 9858unit
d.
Unit Produksi Over Time
+ Inventory t-1)
unit
e.
Hiring
f.
Lay Off
Total Biaya
Laboratorium Sistem Produksi
59
Rp 535,325,000 Rp 534,975,000 Rp 544,275,000 Rp 6,412,842,500
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
g.
Inventori
h.
Biaya Unit Production Regular Time
(−) 985802501006237unit × 9858×RP50.000 × 37×Rp2.500 Rp92.500 × 10×Rp75.0000 × 86×Rp1.000.000 Rp86.000.000 × Rp1.500.000×5Rp7.500.000 Rp6.066.550.000Rp92500Rp155.700.000 Rp141.000.000Rp49.500.000 Rp6.412.842.500 Rp492.900.000
i.
Biaya Inventori
j.
Biaya Unit Production Over Time
k.
Biaya Hiring
l.
Biaya Lay Off
m.
Total Biaya
+
Laboratorium Sistem Produksi
60
Universitas Widyatama
D.
Praktikum Perencanaan dan Pengendalian Produksi
Metode Tenaga Kerja Berubah ( Round Down ) Tabel 4.16 Strategi Tenaga Kerja Berubah (Round Down)
P erio de
H K Demand TK Dihitung TK Terpakai
0 1 2 3
21 19 21
4 5 6 7
RMH
UPRT
UPOT Hiring Lay Off Inventory
10062 10106 10150
12 97 108 98
97 108 98
16296 16416 16464
9758 9829 9858
54 277 292
85 11
20 22 20 21
10194 10238 10282 10326
103 94 104 100
103 94 104 100
16480 16544 16640 16800
9868 9906 9964 10059
326 332 318 267
5
8 9 10
19 20 21
10370 10414 10458
111 106 101
111 106 101
16872 16960 16968
10102 10155 10160
268 259 298
11
11 12 Total
20 18 242
10502 10546 123648
107 119 1260
107 119 1248
17120 17136 200696
10251 10261 120171
251 285 3227
6 12 140
Biaya RT
Biaya OT
Biaya Inventory
Biaya Hiring
250 0 0 0
Rp Rp Rp
487,900,000 491,450,000 492,900,000
-
Rp 4,050,000 Rp 20,775,000 Rp 21,900,000
Rp Rp
85,000,000 11,000,000
Rp Rp Rp Rp
493,400,000 495,300,000 498,200,000 502,950,000
-
Rp Rp Rp Rp
24,450,000 24,900,000 23,850,000 20,025,000
Rp
5,000,000
Rp
10,000,000
4
0 0 0 0
Rp Rp Rp
505,100,000 507,750,000 508,000,000
-
Rp 20,100,000 Rp 19,425,000 Rp 22,350,000
Rp
11,000,000
5 5
0 0 0
33
0 0 250
Rp 512,550,000 Rp 513,050,000 Rp 6,008,550,000
-
Rp 18,825,000 Rp 21,375,000 Rp 242,025,000
Rp 6,000,000 Rp 12,000,000 Rp 140,000,000
10 9 10
Biaya Lay Off
Total Biaya
Rp Rp Rp
576,950,000 523,225,000 529,800,000
Rp 6,000,000
Rp Rp Rp Rp
522,850,000 533,700,000 532,050,000 528,975,000
Rp 7,500,000 Rp 7,500,000
Rp Rp Rp
536,200,000 534,675,000 537,850,000
Rp 49,500,000
Rp 537,375,000 Rp 546,425,000 Rp 6,440,075,000
Rp 15,000,000 Rp 13,500,000
(Sumber: Pengolahan Data)
Contoh Perhitungan: a.
Tenaga Kerja Hitung (TK Hit)
b.
Regular Man Hour
c.
Unit Produksi Regular Time
) × () ( () × () ) ×1, 6 7 (10172250 21×8 97.53 97 orang × × 121×8×9716296 jam , 97183.239758 ( 10062 (9758250)54 971285 orang 1061015 orang unit
d.
Unit Produksi Over Time
+ Inventory t-1) unit
e.
Hiring
f.
Lay Off
g.
Inventori
Laboratorium Sistem Produksi
61
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
(−) (9758540250)100620 unit × 9758×RP50.000 × 0×Rp2.500 Rp 0 × 154×Rp75.000Rp4.050.000 × 85×Rp1.000.000 Rp85.000.000 × Rp1.500.000×5Rp7.500.000 Rp6.008.550.000Rp0Rp242.025.000Rp140.000.000 Rp49.500.000 Rp6.440.075.000 h.
Biaya Unit Production Regular Time
Rp487.900.000
i.
Biaya Inventori
j.
Biaya Unit Production Over Time
k.
Biaya Hiring
l.
Biaya Lay Off
m.
Total Biaya
+
Laboratorium Sistem Produksi
62
Universitas Widyatama
E.
Praktikum Perencanaan dan Pengendalian Produksi
Metode Transportasi Tabel 4.17 Strategi Transportasi
Periode RT 1
OT ST
1 9812
2 50000
77500
85000
87500
90000
92500
95000
97500
100000
102500
132500
135000
137500
140000
142500
145000
147500
50000
52500
55000
57500
60000
62500
65000
67500
70000
72500
75000
75000
77500
80000
82500
85000
87500
90000
92500
95000
97500
100000
120000
122500
125000
127500
130000
132500
135000
137500
140000
142500
145000
50000
52500
55000
57500
60000
62500
65000
67500
70000
75000
77500
80000
82500
85000
87500
90000
92500
95000
97500
120000
122500
125000
127500
130000
132500
135000
137500
140000
142500
50000
52500
55000
57500
60000
62500
65000
67500
75000
77500
80000
82500
85000
87500
90000
92500
95000
120000
122500
125000
127500
130000
132500
135000
137500
140000
9738
OT
10150
OT
10194
OT
10238
OT
50000
55000
60000
62500
80000
82500
85000
87500
90000
92500
120000
122500
125000
127500
130000
132500
135000
137500
50000
52500
55000
57500
60000
62500
65000
75000
77500
80000
82500
85000
87500
90000
120000
122500
125000
127500
130000
132500
135000
10251
OT
RT
10326
OT ST
50000
219
68
67500
52500
55000
57500
60000
62500
77500
80000
82500
85000
87500
120000
122500
125000
127500
130000
132500
50000
52500
55000
57500
60000
75000
77500
80000
82500
85000
120000
122500
125000
127500
130000
50000
52500
55000
57500
75000
77500
80000
82500
120000
122500
125000
127500
397
9738
OT ST RT
10251
OT ST RT
10458
OT ST
50000
52500
55000
75000
77500
80000
120000
122500
125000
50000
52500
75000
77500
120000
122500
RT
249
10251
OT ST RT
9226
50000 75000
OT
120000
ST Demand
365
75000
RT
12
70000
77500
290
65000
27
72500
52500
31
57500
492
75000
ST
11
12 75000
130000
RT
10
11 72500
82500
ST
9
10 70000
127500
RT
8
9 67500
80000
ST
7
8 65000
125000
RT
6
7 62500
77500
ST
5
6 60000
122500
RT
4
5 57500
75000
ST
3
4 55000
120000
RT 2
3 52500
368
10062
10106
10150
10194
10238
10282
10326
10370
10414
10458
10502
Kapasitas
Kapasitas TakTerpakai
10764
584
2691
2691
5382
5382
9738
0
2435
2435
4869
4869
10764
122
2691
2691
5382
5382
10251
30
2563
2563
5126
5126
11276
65
2819
2819
5638
5638
10251
0
2563
2563
5126
5126
10764
41
2691
2691
5382
5382
9738
0
2435
2435
4869
4869
10251
0
2563
2563
5126
5126
10764
57
2691
2691
5382
5382
10251
0
2563
2563
5126
5126
9226
0
2307
2307
4613
4613
10546
Cost
Rp
509,920,000
Rp
486,900,000
Rp
507,500,000
Rp
509,700,000
Rp
513,527,500
Rp
512,550,000
Rp
516,300,000
Rp
486,900,000
Rp
512,550,000
Rp
522,900,000
Rp
512,550,000
Rp
461,300,000
Rp
6,052,597,500
(Sumber: Pengolahan Data)
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)
Laboratorium Sistem Produksi
63
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
= 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
Laboratorium Sistem Produksi
64
Universitas Widyatama
4.2.3
Praktikum Perencanaan dan Pengendalian Produksi
Perencanaan Produksi Disagregasi Tabel 4.18 Hasil Perhitungan Forecast Demand Setiap Item Forecast Demand Tamiya Auldey Baracuda Cobra Hauler Emperor 5919 5805 2188 2013 5945 5831 2197 2022 5971 5856 2207 2030 5997 5882 2217 2039 6023 5907 2226 2048 6049 5932 2236 2057 6075 5958 2245 2066 6100 5983 2255 2074 6126 6009 2264 2083 6152 6034 2274 2092 6178 6059 2284 2101 6204 6085 2293 2110
Demand
10062 10106 10150 10194 10238 10282 10326 10370 10414 10458 10502 10546
RPA 15925 15995 16064 16135 16204 16274 16344 16412 16482 16552 16622 16692
(Sumber: Pengolahan Data)
Contoh Perhitungan: Forecast Demand
Proporsi 100620,5 130% 5919 1 100620,5 230% 1 5805 100620,9 220% 2188 Emperor 100621 20% unit
Laboratorium Sistem Produksi
65
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Emperor 2013 RPA =
59195805..2013
RPA = 1592 Tabel 4.19 Data Produ ksi Setiap Item pada Periode 1 Periode 1 Demand 10062 Family (i) Ite m(j) Iij ,t -1 rij ,t Baracuda148 5919 Tamiya Cobra 145 5805 Hauler 55 2188 Auldey Emperor 50 2013 Total
RPA 15925 Sij ,t Iij ,t dij ,t dij ,t < Sij ,t Kj 0 -5771 5771 √ Rp400.000 0 - 5660 5660 √ Rp400.000 0 - 2133 2133 √ Rp300.000 0 - 1963 1963 √ Rp300.000
hij Rp 2.000 Rp 2.200 Rp 2.500 Rp 3.000
rij ,t x hij,t Rp 11.838.000 Rp 12.771.000 Rp 5.470.000 Rp 6.039.000 Rp36.118.000
T*j q*ij,t mij,t q*ij,t x mij,t rij ,t x mij,t q*ij,t (adj) *ij ,t x (adj x mij,t )Iij ,t (adj) Iij ,t (adj) x mij,t 1 5919 0,51 3019 3019 9367 4778 3596 1834 1 5805 0,52 3019 3019 9186 4777 3526 1834 1 2188 0,92 2013 2013 3463 3186 1330 1224 1 2013 1 2013 2013 3186 3186 1223 1223 10064 10064 15927
(Sumber: Pengolahan Data)
Contoh Perhitungan: Menentukan Inventori
(Ivfw ) .% 148 unit
I ijt-1 I ijt-1 I ijt-1
Menentukan Forecast Tiap item
) ( f ,% 5919 unit
r ij,t r ij,t r ij,t
Penentuan Demand Periode t I ij,t = I ijt-1 - r ij,t - S ijt I ij,t =
14859190
I ij,t = -5771
d ij,t = abs (I ij,t ) d ij,t = 5771 unit
Laboratorium Sistem Produksi
66
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Penentuan Keputusan untuk Produksi Karena I ijt-1 < S ijt 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 T*j =
∑(ℎ . ) ... =
= 1
Ukuran Produksi dalam Satuan Agregat q*ij = max q*ij = (1 x
[(∗ ,),, ] 5919), 5771
q*ij = 5919 unit
Penentuan Adjustment q*ij (adj) =
∗ , (−∑∗ ∑ − 10064
q*ij (adj) = 5919
q*ij (adj) = 9367 unit
I ij,t (adj) = I ijt-1 + q*ij (adj) - r ij,t I ij,t (adj) =
148 9367 5919
I ij,t (adj) = 3596 unit I ij,t (adj) x mij = 3596 x 0.51
= 1834 unit
Tabel 4.20 Data Produksi Setiap Item pada Periode 2 Periode 2 Demand
RPA
10.106
Family (i)
Tamiya Auldey Total
15995
item (j)
lij,t-1
rij,t
Sij,t
lij,t
dij,t
lij,t
Baracuda
1834
5945
0
-4111
4111
Cobra Hauler Emperor
1834 1224 1223 6115
5831 2197 2022 15995
0 0 0 0
-3997 -973 -799 -9880
3997 973 799 9880
√ √ √ √
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
400000 2000
11890000
1
5945
0,51
400000 300000 300000 1400000
12828200 5492500 6066000 36276700
1 1 1
5831 2197 2022
0,52 3033 0,92 2022 1 2022 2,95 10109
2200 2500 3 000 9700
3032 3032 9407 3033 2022 2022 10109
9227 3477 3200 25311
4798
5296
2701
4799 3199 3200 15996
5230 2504 2401 15431
2720 2304 2401 10126
(Sumber: Pengolahan Data)
Laboratorium Sistem Produksi
67
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Tabel 4.21 Data Produksi Setiap Item pada Periode 3 Periode 3 Demand Family (i)
RPA lij,t -3270 -3136 97 371 -5938
10.150
item (j) Baracuda Cobra Hauler Emperor
lij,t-1 rij,t Sij,t 2701 5971 0 Tamiya 2720 5856 0 2304 2207 0 Auldey 2401 2030 0 Total 10126 16064 0 (Sumber: Pengolahan Data)
16064
dij,t lij,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 11942000 1 5971 0,51 3046 3046 15745 8030 12475 6363 12883200 1 5856 0,52 3046 3046 15442 8030 12306 6400
24825200
1,03 6092 6092 31187
16060
24781 12763
Tabel 4.22 Data Produksi Setiap Item pada Periode 4 Periode 4 Demand Family (i)
10.194
item (j) Baracuda Cobra Hauler Emperor
Tamiya Auldey Total
lij,t-1 6363 6400 97 371 13231
rij,t 5997 5882 2217 2039 16135
Sij,t 0 0 0 0 0
RPA lij,t 366 518 -2120 -1668 -2904
16135
dij,t 366 518 2120 1668 4672
lij,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 m ij lij,t(adj) lij,t(adj) x mij
300000 2500 300000 3 000 600000 5500
5542500 6117000 11659500
1 1
2217 2039
0,92 2040 2 040 8770 1 2039 2039 8066 1,92 4079 4079 16836
8069 8066 16135
6650 6398 13048
6118 6398 12516
(Sumber: Pengolahan Data)
Tabel 4.23 Data Produksi Setiap Item pada Periode 5 Periode 5 Demand Family (i)
10.238
item (j) Baracuda Cobra Hauler Emperor
Tamiya Auldey Total
lij,t-1 366 518 6118 6398 13400
rij,t 6023 5907 2226 2048 16204
Sij,t 0 0 0 0 0
RPA lij,t -5657 -5389 3892 4350 -2804
16204
dij,t lij,t
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 6023 0,51 3072 3072 15885 8102 10228 5217 5907 0,52 3072 3072 15579 8102 10190 5299
1,03 6144 6144 31464
16204
20418
1 0516
(Sumber: Pengolahan Data)
Tabel 4.24 Data Produksi Setiap Item pada Periode 6 Periode 6 Demand Family (i)
10.282
item (j) Baracuda Cobra Hauler Emperor
Tamiya Auldey Total
lij,t-1 5217 5299 3892 4350 18758
rij,t 6049 5932 2236 2057 16274
Sij,t 0 0 0 0 0
RPA lij,t -832 -633 1656 2293 2484
16274
dij,t 832 633 1656 2293 5414
lij,t
√ √
Kj hij,t rij,t . hij,t T*J 400000 2000 12098000 1 400000 2200 13050400 1
q*ij,t mij q*ij . mij rij . mijq*ij(adj) q*ij(adj) x mij lij,t(adj) lij,t(adj) x mij 6049 0,51 3085 3085 15955 8138 15123 7713 5932 0,52 3085 3085 15647 8137 15014 7808
X X 800000 4200
25148400
1,03
6170 6170 31602
16275
30137
(Sumber: Pengolahan Data)
Laboratorium Sistem Produksi
68
15521
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Tabel 4.25 Data Produksi Setiap Item pada Periode 7 Periode 7 Demand Family (i)
10.326
item (j) Baracuda Cobra Hauler Emperor
Tamiya Auldey Total
lij,t-1 7713 7808 1656 2293 19470
rij,t 6075 5958 2245 2066 16344
Sij,t 0 0 0 0 0
RPA lij,t 1638 1850 -589 227 3126
16344
dij,t lij,t
q*ij,t mij q*ij . mij rij . mijq*ij(adj) q*ij(adj) x mij lij,t(adj) lij,t(adj) x mij
2245 0,92 2066 2066 8881 2066 1 2066 2066 8172 1,92 4132 4132 17053
8171 8172 16343
8292 8399 16691
7629 8399 16028
(Sumber: Pengolahan Data)
Tabel 4.26 Data Produksi Setiap Item pada Periode 8 Periode 8 Demand Family (i)
10.370
item (j) Baracuda Cobra Hauler Emperor
Tamiya Auldey Total
lij,t-1 1638 1850 7629 8399 19516
rij,t 6100 5983 2255 2074 16412
Sij,t 0 0 0 0 0
RPA lij,t -4462 -4133 5374 6325 3104
16412
dij,t lij,t
rij,t . hij,t T*J 12200000 1 13162600 1
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 6100 0,51 3111 3111 16088 8205 11626 5930 5983 0,52 3112 3112 15780 8206 11647 6057
25362600
1,03 6223 6223 31868
1 6411
2 3273
11987
(Sumber: Pengolahan Data)
Tabel 4.27 Data Produksi Setiap Item pada Periode 9 Periode 9 Demand Family (i)
10.414
item (j) Baracuda Cobra Hauler Emperor
Tamiya Auldey Total
lij,t-1 5930 6057 5374 6325 23686
rij,t 6126 6009 2264 2083 16482
Sij,t 0 0 0 0 0
RPA lij,t -196 48 3110 4242 7204
16482
dij,t lij,t
Kj hij,t rij,t . hij,t T*J q*ij,t mij q*ij . mijrij . mij q*ij(adj)q*ij(adj) x mij lij,t(adj) lij,t(adj) x mij 400000 2000 12252000 1 6126 0,5 1 3125 3125 16155 8240 15959 8140 400000 2200 13219800 1 6009 0,52 3125 3125 15847 8241 15895 8266
800000 4200 25471800
1,03 6250 6250 32002
16481 3 1854 16406
(Sumber: Pengolahan Data)
Tabel 4.28 Data Produksi Setiap Item pada Periode 10 Periode 10 Demand Family (i)
10.458
item (j) Baracuda Cobra Hauler Emperor
lij,t-1 rij,t Sij,t 8140 6152 0 Tamiya 8266 6034 0 3110 2274 0 Auldey 4242 2092 0 Total 23758 16552 0 (Sumber: Pengolahan Data)
RPA lij,t 1988 2232 836 2150 7206
16552
dij,t lij,t
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
Laboratorium Sistem Produksi
69
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Tabel 4.29 Data Produksi Setiap Item pada Periode 11 Periode 11 Demand Family (i)
10.502
item (j) Baracuda Cobra Hauler Emperor
Tamiya Auldey Total
lij,t-1 1988 2232 0 0 4220
rij,t 6178 6059 2284 2101 16622
Sij,t 0 0 0 0 0
RPA lij,t -4190 -3827 -2284 -2101 -12402
16622
dij,t 4190 3827 2284 2101 12402
lij,t
Kj √ 400000 √ 400000 √ 400000 √ 400000 1600000
hij,t rij,t . hij,t T*J 2000 12356000 1 2200 13329800 1 2200 5024800 1 2200 4622200 1 8600 35332800
q*ij,t 6178 6059 2284 2101
mij 0,51 0,52 0,92 1,00 2,95
q*ij . mij rij . mij q*ij(adj) q*ij(adj) x mij lij,t(adj) lij,t(adj) x mij 3151 3151 9776 4986 5586 2849 3151 3151 9588 4986 5761 2996 2102 2102 3614 3325 1330 1224 2101 2101 3325 3325 1224 1224 10505 10505 26303 16622 13901 8293
(Sumber: Pengolahan Data)
Tabel 4.30 Data Produksi Setiap Item pada Periode 12 Periode 12 Demand Family (i)
10.546
item (j) Baracuda Cobra Hauler Emperor
Tamiya Auldey Total
lij,t-1 2849 2996 2284 2101 10230
rij,t 6204 6085 2293 2110 16692
Sij,t 0 0 0 0 0
RPA lij,t -3355 -3089 -9 -9 -6462
16692
dij,t lij,t
rij,t . hij,t T*J q*ij,t 12408000 1 6204 13387000 1 6085 5044600 1 2293 4642000 1 2110 35481600
mij q*ij . mijrij . mij q*ij(adj)q*ij(adj) x mijlij,t(adj) lij,t(adj) x mij 0,5 1 3165 3165 9816 5007 6461 3296 0,5 2 3165 3165 9628 5007 6539 3401 0,92 2110 2110 3628 3338 3619 3330 1,00 2110 2110 3339 3339 3330 3330 2,95 10550 10550 26411 16691 19949 13357
(Sumber: Pengolahan Data)
Laboratorium Sistem Produksi
70
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
B. Master Production Schedule Tabel 4.31 Master Production Schedule Baracuda
periode 1 2 3 4 5 6
%AD 105% 110% 115% 120% 120% 115%
Baracuda 6215 6540 6867 7197 7228 6957
Cobra 6096 6415 6735 7059 7089 6822
Hauler 2298 2417 2539 2661 2672 2572
Emperor 2114 2225 2335 2447 2458 2366
(Sumber: Pengolahan Data
Tabel 4.32 Master Production Schedule Baracuda Description: Baracuda Order Quantity: 2 Periode NR Periode Post Due Forecast Actual Demand Master Schedule PAB 148 ATP Planned Order
DTF: 4 PTF: 7
Safety Stock: 0 Lead Time: 1
Lot Size: 10
1
2
3
4
5
6
7
8
9
10
11
12
5919
5945
5971
5997
6023
6049
6075
6100
6126
6152
6178
6204
6215
6540
6867
7197
7228
6957
0
0
0
0
0
0
9367
9407
9448
9490
9531
9572
9612
9653
9694
9735
9776
9816
3300
6167
8748
11041
13344
15959
19496
23049
26617
30200
33798
37410
3300
6167
8748
11041
13344
15959
19496
23049
26617
30200
33798
37410
(Sumber: Pengumpulan Data)
Contoh Perhitungan :
,%
Forecast =
PABt = PABt-1 + MS –
Max{AD;Forecast}
=
= 5919 unit
Master Schedule = q*ij(adj) = 9367
PAB5 = 11041 + 9531 – 7228
= 13344 unit PABt = PABt-1 + MS – Forecast PAB7 = 15959 + 9612 – 0
= 19496 unit
PABt = PABt-1 + MS – AD PAB1 = 148 + 9367 – 6215
= 3300 unit
Laboratorium Sistem Produksi
71
Tabel 4.33 Master Production Schedule Cobra Description: Cobra Order Quantity: 2 Periode NR Periode Post Due Forecast Actual Demand Master Schedule 145 PAB ATP Planned Order
DTF: 4 PTF: 7
Safety Stock: 0 Lead Time: 1
Lot Size: 10
1
2
3
4
5
6
7
8
9
10
11
12
5805
5831
5856
5882
5907
5932
5958
5983
6009
6034
6059
6085
6096
6415
6735
7059
7089
6822
0
0
0
0
0
0
9186
9227
9266
9308
9348
9387
9427
9468
9509
9548
9588
9628
3235
6047
8578
10827
13086
15651
19120
22605
26105
29619
33148
36691
3235
6047
8578
10827
13086
15651
19120
22605
26105
29619
33148
36691
(Sumber: Pengumpulan Data)
Tabel 4.34 Master Production Schedule Hauler Description: Hauler Order Quantity: 2 Periode NR Periode Post Due Forecast Actual Demand Master Schedule PAB 55 ATP Planned Order
DTF: 4 PTF: 7
1 2188 2298 3463 1220 1220
Safety Stock: 0 Lead Time: 1
2 2197 2417 3477 2280 2280
3 2207 2539 3492 3233 3233
4 2217 2661 3509 4081 4081
5 2226 2672 3523 4932 4932
Lot Size: 10
6 2236 2572 3539 5899 5899
7 2245 0 3553 7207 7207
8 2255 0 3569 8521 8521
9 2264 0 3583 9840 9840
10 2274 0 3599 11165 11165
11 2293 0 3614 12486 12486
12 2293 0 3628 13821 13821
(Sumber: Pengumpulan Data)
Tabel 4.35 Master Production Schedule Emperor Description: Emperor Order Quantity: 2 Periode NR Periode Post Due Forecast Actual Demand Master Schedule PAB 50 ATP Planned Order
DTF: 4 PTF: 7
Safety Stock: 0 Lead Time: 1
Lot Size: 10
1
2
3
4
5
6
7
8
9
10
11
12
2013
2022
2030
2039
2048
2057
2066
2074
2083
2092
2101
2110
2114
2225
2335
2447
2458
2366
0
0
0
0
0
0
3186
3200
3212
3227
3241
3255
3269
3282
3297
3311
3325
3339
1122
2097
2974
3754
4537
5426
6629
7837
9051
10270
11494
12723
1122
2097
2974
3754
4537
5426
6629
7837
9051
10270
11494
12723
(Sumber: Pengumpulan Data)
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
BOM UOM
: 1 Unit
Lead Time Safety Stock
:0 :0
Periode
Gross Requirement Schedule Receipts PAB I Net Requirement Planned Order Receipts Planned Order Released PAB II
Past Due
148
: Kursi Chitose
Description On Hand Order Policy Lot Size
: 148 : LFL :1
1
2
3
4
5
6
7
8
9
10
11
12
9367
9407
9448
9490
9531
9572
9612
9653
9694
9735
9776
9816
-9219
-9407
-9448
-9490
-9531
-9572
-9612
-9653
-9694
-9735
-9776
-9816
9219
9407
9448
9490
9531
9572
9612
9653
9694
9735
9776
9816
9219
9407
9448
9490
9531
9572
9612
9653
9694
9735
9776
9816
9219
9407
9448
9490
9531
9572
9612
9653
9694
9735
9776
9816
0
0
0
0
0
0
0
0
0
0
0
0
(Sumber: Pengolahan Data )
i
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Contoh perhitungan Lot for Lot : = PABt-1 + SR – GR
a. Project Available Balance I
= 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 + POR C
= 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
BOM UOM
: 1 Unit
Lead Time Safety Stock
:0 :0
Periode
0
:0 : LFL :1
1
2
3
4
5
6
7
8
9
10
11
12
9219
9407
9448
9490
9531
9572
9612
9653
9694
9735
9776
9816
-9219
-9407
-9448
-9490
-9531
-9572
-9612
-9653
-9694
-9735
-9776
-9816
9219
9407
9448
9490
9531
9572
9612
9653
9694
9735
9776
9816
9219
9407
9448
9490
9531
9572
9612
9653
9694
9735
9776
9816
9219
9407
9448
9490
9531
9572
9612
9653
9694
9735
9776
9816
0
0
0
0
0
0
0
0
0
0
0
0
Past Due
Gross Requirement Schedule Receipts PAB I Net Requirement Planned Order Receipts Planned Order Released
: Alas Duduk
Description On Hand Order Policy Lot Size
PAB II
(Sumber: Pengolahan Data )
Tabel 4.38 Assembly 2 Part No.
:3
BOM UOM
: 1 Unit
Lead Time Safety Stock
:2
Descriptio n On Hand Order Policy
:0
Lot Size
Periode
Past Due
Gross Requirement Schedule Receipts PAB I Net Require ment Planned Order Receipts Planned Order Released PAB II
0
9
: Assembly
2
:0 : EOQ
EOQ
954
1
2
3
4
5
6
7
8
10
11
12
9219
9407
9448
9490
9531
9572
9612
9653
9694
9735
9776
9816
-9219
-9407
-9448
-9490
-9531
-9572
-9612
-9653
-9694
-9735
-9776
-9816
9219
9407
9448
9490
9531
9572
9612
9653
9694
9735
9776
9816
9540
9540
9540
9540
9540
10494
10494
10494
10494
10494
10494
10494
9540
9540
9540
10494
10494
10494
10494
10494
10494
10494
0
0
0
0
92
50
9
922
882
841
800
759
718
678
(Sumber: Pengolahan Data )
Laboratorium Sistem Produksi
73
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Contoh perhitungan Periodic Order Quantity ( EOQ): a. Demand ( D) = Rata-rata Gross Requirement
b. Lot Sze menggunakan EOQ
××
= 9579,417 ≈ 9580 unit
= 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
BOM UOM
: 1 Unit
Lead Time Safety Stock
Description On Hand Order Policy Lot Size
:0 :0
Periode
Past Due
Gross Requirement Schedule Receipts PAB I Net Requirement Planned Order Receipts Planned Order Released
0
PAB II
: Sandaran :0 : LFL :1
1
2
3
4
5
6
7
8
9
10
11
12
9540
9540
9540
10494
10494
1 0494
10494
10494
10494
10494
0
0
-9540
-9540
-9540
-10494
-10494
-10494
-10494
-10494
-10494
-10494
0
0
9540
9540
9540
10494
10494
10494
10494
10494
10494
10494
0
0
9540
9540
9540
10494
10494
10494
10494
10494
10494
10494
0
0
9540
9540
9540
10494
10494
10494
10494
10494
10494
10494
0
0
0
0
0
0
0
0
0
0
0
0
0
0
(Sumber: Pengolahan Data )
Tabel 4.40 Assembly 1 Part No.
:5
BOM UOM
: 1 Unit
Lead Time Safety Stock
Description On Hand Order Policy Lot Size EOQ
:1 :0
Periode
Past Due
Gross Requirement Schedule Receipts PAB I Net Requirement Planned Order Receipts Planned Order Released PAB II
0
: Assembly
1
:0 :
POQ
1
1272
1
2
3
4
5
6
7
8
9
10
11
12
9540
9540
9540
10494
10494
1 0494
10494
10494
10494
10494
0
0
-9540
-9540
-9540
-10494
-10494
-10494
-10494
-10494
-10494
-10494
0
0
9540
9540
9540
10494
10494
10494
10494
10494
10494
10494
0
0
12720
12720
12720
12720
12720
13992
13992
13992
13992
13992
13992
13992
12720
12720
12720
12720
13992
13992
13992
13992
13992
0
13992
0
3180
3180
3180
2226
2226
3498
3498
3498
3498
3498
0
0
(Sumber: Pengolahan Data )
Contoh perhitungan Periodic Order Quantity (POQ): c. Demand ( D) = Rata-rata Gross Requirement = 8506,5
d.
X̅
≈ 8507 unit
e. Lot Sze menggunakan EOQ
×× Laboratorium Sistem Produksi
74
Universitas Widyatama
=
Praktikum Perencanaan dan Pengendalian Produksi
= 899 unit
= 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. BOM UOM Lead Time Safety Stock
:6 : 1 Unit :0 :0
Periode Past Due Gross Requirement Schedule Receipts 0 PAB I Net Requirement Planned Order Receipts Planned Order Released PAB II
: Kaki Belakang :0 : LFL :1
Description On Hand Order Policy Lot Size
1 12720
2 12720
3 12720
4 12720
5 13992
6 13992
7 13992
8 13992
9 13992
10 0
11 13992
12 0
-12720 12720 12720 12720
-12720 12720 12720 12720
-12720 12720 12720 12720
-12720 12720 12720 12720
-13992 13992 13992 13992
-13992 13992 13992 13992
-13992 13992 13992 13992
-13992 13992 13992 13992
-13992 13992 13992 13992
0 0 0 0
-13992 13992 13992 13992
0 0 0 0
0
0
0
0
0
0
0
0
0
0
0
0
(Sumber: Pengolahan Data )
Tabel 4.42 Sub-Assembly 1 Part No. BOM UOM Lead Time Safety Stock
:7 : 1 Unit :1 :0
Periode Past Due Gross Requirement Schedule Receipts PAB I 0 Net Requirement Planned Order Receipts Planned Order Released PAB II
: Sub Assembly 1 :0 : POQ 1 1462
Description On Hand Order Policy Lot Size EOQ
1 12720
2 12720
3 12720
4 12720
5 13992
6 13992
7 13992
8 13992
9 13992
10 0
11 13992
12 0
-12720 12720 14620 14620
-12720 12720 14620 14620
-12720 12720 14620 14620
-12720 12720 14620 14620
-13992 13992 14620 16082
-13992 13992 16082 16082
-13992 13992 16082 16082
-13992 13992 16082 16082
-13992 13992 16082 16082
0 0 16082 0
-13992 13992 16082 16082
0 0 16082 0
1900
1900
1900
1900
628
2090
2090
2090
2090
16082
0
0
(Sumber: Pengolahan Data )
Tabel 4.43 Tiang bantalan Part No. BOM UOM Lead Time Safety Stock
:8 : 1 Unit :1 :0
Periode Past Due Gross Requirement Schedule Receipts PAB I 0 Net Requir ement Planned Order Receipts Planned Order Released PAB II
Descrip tion On Hand Order Policy Lot Size EOQ
1 14620
2 14620
3 14620
4 14620
5 16082
6 16082
7 16082
8 16082
9 16082
-14620 14620 13740 15114
-14620 14620 15114 15114
-14620 14620 15114 15114
-14620 14620 15114 15114
-16082 16082 15114 15114
-16082 16082 15114 15114
- 16082 16082 15114 15114
- 16082 16082 15114 16082
-16082 16082 16082 0
0
494
494
494
-968
-968
-968
-968
0
10 0
: Tiang Bantalan :0 : EOQ 1374 11 16082
12 0
0 0 0 16082
-16082 16082 16082 0
0 0 0 0
0
0
0
(Sumber: Pengolahan Data )
Laboratorium Sistem Produksi
75
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi Tabel 4.44 MRP kaki depan
Part No. BOM UOM Lead Time Safety Stock
:9 : 1 Unit :2 :0
Periode Past Due Gross Requirement Schedule Receipts 0 PAB I Net Requirement Planned Order Receipts Planned Order Released PAB II
Description On Hand Order Policy Lot Size EOQ
: Kaki Depan :0 : EOQ 1567
1 14620
2 14620
3 14620
4 14620
5 16082
6 16082
7 16082
8 16082
9 16082
10 0
11 16082
12 0
-14620 14620 14103 15670
-14620 14620 15670 15670
-14620 14620 15670 15670
-14620 14620 15670 15670
-16082 16082 15670 15670
-16082 16082 15670 15670
-16082 16082 15670 16082
-16082 16082 15670 0
-16082 16082 16082 0
0 0 0 16082
-16082 16082 16082 0
0 0 0 0
0
0
1050
1050
-412
-412
-412
-412
0
0
0
0
(Sumber: Pengolahan Data )
4.2.5
Keseimbangan Lintasan (Line Balancing)
Jumlah PermiPerintaanode 115101 Target Produksi Banyaknya 9591.75 12 WaktuProduksi Kerja 8 x9591. 24 x 3600 73 Ws Target 72. 0 6≈ 75 6 12.17 ≈12 detik/unit
1. Waktu Siklus (Ws)
2. Wsi = Waktu Maksimal = 4 (berdasarkan waktu kegiatan terbesar) 3. Stasiun Kerja (SK)
4
Stasiun kerja
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 (Sumber: Pengolahan Data)
Tabel 4. 16 Cumulative Station Time (CST) Task Time Comulative Stasiun Task Kerja (detik) Station Time 1 0 1 10 2 3 3 3 4 4 5 4 2 4 6 0 (Sumber: Pengolahan Data)
Laboratorium Sistem Produksi
76
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
PRECEDENCE DIAGRAM
4'
3' 1
4'
3
4
SK2
SK3
0' 5
6
3' 2
SK1
SK4
Gambar 4.11 Pembagian Region (Sumber: Pengolahan Data)
Stasiun Kerja
Tabel 4. 47 Efisiensi Stasiun Kerja Station Time Idle Time Efisiensi (detik) (detik) Stasiun Kerja
1 2
10 4
1 1
83% 33%
(Sumber: Pengolahan Data)
Contoh perhitungan:
ESK StasiWsiun Time x 100% 1012 x 100%83 ESK StasiWsiun Time x 100% 124 x 100%33 ℎ () (STmaksSTi) ℎ () (1210) (124) ℎ () √ 688.25 ( ) )−∑ − Balance Delay (∑∑ () 2 EL ESK 99.5 % detik
Laboratorium Sistem Produksi
detik
77
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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
(Sumber: Pengolahan Data)
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
(Sumber: Pengolahan Data)
Laboratorium Sistem Produksi
78
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Tabel 4. 50 Cumulative Station Time (CST)
Stasiun Kerja 1
2
Task
Task Time (detik)
1 2 3 4 5 6
0 3 3 4 4 0
Comulative Station Time
10
4
(Sumber: Pengolahan Data)
PRECEDENCE DIAGRAM
4'
3' 1
4'
3
4
SK2
SK3
0' 5
6
3' 2
SK1
SK4
Gambar 4.14 Pembagian Region (Sumber: Pengolahan Data)
Tabel 4. 51 Efisiensi Stasiun Kerja
Stasiun Kerja
Station Time (detik)
Idle Time (detik)
Efisiensi Stasiun Kerja
1 2
10 4
1 1
83% 33%
(Sumber: Pengolahan Data)
Contoh perhitungan:
ESK StasuiWsin Time x 100% 1012 x 100%83 Laboratorium Sistem Produksi
79
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
ESK StasuiWsin Time x 100% 104 x 100%33 ( ) ℎ (STmaksSTi) ℎ () (1210) (124) ℎ () √ 688.25 (2x12)2 Balance Delay (∑∑ xWsi ) ∑ x Wsi (2x12) 2 EL ESK 99.5 % Detik
Laboratorium Sistem Produksi
80
BAB V ANALISIS
5.1 PERAMALAN (FORECASTING)
Setelah melakukan pengumpulan dan pengolahan data, maka langkah selanjutnya adalah melakukan analisa terhadap hasil akhir dari masingmasing 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.
No.
Error
1 2 3 4 5 6 7
ME MAE SSE MSE SDE MPE MAPE
Tabel 5.1 Hasil Perhitungan Error Metode DMA DES Brown DES Holt 23,25 12,09 3,77 548,85 959,55 715,14 216225,00 70756,00 6889 10811,25 3216,18 313,14 106,68 58,05 18,14 0,00 0,0117 0,01 0,06 0,11 0,08
RL -0,38 907,96 81 3,38 1,88 -0,02 0,10
(Sumber: Pengolahan Data)
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
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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
(Sumber: Pengolahan Data)
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). Laboratorium Sistem Produksi
80
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Penjadwalan ini berfungsi untuk mengidentifikasi kuantitas dari item tertentu yang dapat dibuat oleh suatu perusahaan manufaktur (dalam satuan waktu). Penentuan adjustment (I ij,t (adj)) yaitu 9367 unit, penentuan demand periode t dengan adjusment dan faktor konversi I ij,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.
Laboratorium Sistem Produksi
81
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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 masingmasing 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%.
Laboratorium Sistem Produksi
82
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi 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.
Laboratorium Sistem Produksi
83
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
Jika positif, artinya semua end item pada family tersebut masih mampu memenuhi permintaan konsumen dan tidak perlu diproduksi dulu. J ika 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: Laboratorium Sistem Produksi
84
Universitas Widyatama
Praktikum Perencanaan dan Pengendalian Produksi
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
Berikut ini poin-poin saran yang perlu untuk diperhatikan yaitu sebagai berikut: 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
Laboratorium Sistem Produksi
85
Universitas Widyatama 6.2.3
Praktikum Perencanaan dan Pengendalian Produksi
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
Berikut ini poin-poin saran yang perlu untuk diperhatikan yaitu sebagai berikut: 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)
Berikut ini poin-poin saran yang perlu untuk diperhatikan yaitu sebagai berikut: 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.
Laboratorium Sistem Produksi
86