You are on page 1of 156

JADWAL INDUK PRODUKSI DAN PERHITUNGAN

KEBUTUHAN KAPASITAS UNTUK PEMBUATAN


STYROFOAM DI PT. BETON ELEMENINDO PUTRA

TUGAS AKHIR
Karya tulis sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik
Program Studi Teknik Industri



Oleh:
Rizky Rachmastyah Putra
1.03.07.011







PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
BANDUNG
2011
MASTER PRODUCTION SCHEDULE AND THE
CALCULATION OF CAPACITY REQUIREMENTS FOR THE
MANUFACTURE OF STYROFOAM IN PT. BETON
ELEMENINDO PUTRA

TUGAS AKHIR
Karya tulis sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik
Program Studi Teknik Industri



Oleh:
Rizky Rachmastyah Putra
1.03.07.011






PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
BANDUNG
2011
ii

ABSTRAK

JADWAL INDUK PRODUKSI DAN PERHITUNGAN KEBUTUHAN
KAPASITAS UNTUK PEMBUATAN STYROFOAM DI PT BETON
ELEMENINDO PUTRA

Rizky Rachmatsyah Putra
1.03.07.011

Persaingan dalam dunia industri akan semakin ketat, setiap perusahaan akan
berusaha untuk meningkatkan kinerja perusahaan agar perusahaannya dapat
bertahan. Kemampuan perusahaan dalam memenuhi produk dengan cepat sesuai
dengan permintaan konsumen merupakan salah satu faktor utama yang dapat
menghidupkan eksistensi perusahaan dalam menghadapi pesaing dari perusahaan
sejenis yang semakin bertambah dan berkembang. Dengan adanya perencanaan
produksi, diharapkan mampu memenuhi jadwal produksi yang ditetapkan.
Kekurangan produksi atau kelebihan produksi akan memberikan dampak negatif,
oleh karena itu perencanaan produksi yang baik adalah membuat atau menyediakan
produk sesuai dengan kebutuhan pada waktu yang tepat. Sehingga kerugian
khususnya dalam segi financial dapat dikurangi.
PT. Beton Elemenindo Putra merupakan perusahaan yang bergerak dibidang
produksi Expanded PolyStrene (EPS) dengan merek dagang B-foam Untuk
memenuhi kebutuhan EPS/styrofoam bermutu dengan harga terjangkau, khususnya
untuk keperluan packaging dan dekorasi. PT. Beton Elemenindo Putra sering
mendapatkan permintaan yang tinggi untuk produknya. Oleh karena itu pihak
perencanaan dan pengendalian produksi harus berhati-hati dalam melakukan
perencanaan agar tidak terjadi kekosongan stok akan bahan baku dan produk jadi.
Tujuan penelitian ini adalah jadwal induk produksi dengan langkah awalnya
meramalkan dan menentukan perencanaan produksi tahun 2010 guna
meminimumkan total biaya produksi serta menggunakan informasi dari perencanaan
untuk optimalisasi produksi. Penelitian dilakukan pada produk B-foam dengan 3 item
yaitu WEB, WES dan WEP. Metode-metode yang digunakan dalam penelitian
diantaranya metode Moving Average, Single Exponential Smoothing, Double
Exponential Smoothing, Linear Regression untuk penentuan ramalan permintaan
untuk tahun 2010, 2 metode untuk perencanaan produksi agregat yaitu metode
Tenaga Kerja Tetap dan metode Transportasi, dan untuk proses disagregasi
menggunakan metode Family Setup. Dilanjutkan perhitunga MPS dan RCCP dengan
menggunakan Metode Bill Of Labour Approach.


Kata kunci : jadwal induk produksi, peramalan, perencanaan agregat dan disagregasi.
ABSTRACT

MASTER PRODUCTION SCHEDULE AND THE CALCULATION OF
CAPACITY REQUIREMENTS FOR THE MANUFACTURE OF
STYROFOAM IN PT. BETON ELEMENINDO PUTRA

Rizky Rachmatsyah Putra
1.03.07.011

Competition in the industry will be increasingly tight, each company will seek
to improve the performance of the company so the company can survive. Company's
ability to meet the product quickly in accordance with consumer demand is one of
the main factors that can turn a company's existence in the face of competition from
similar companies growing and growing. With the planning of production, is
expected to meet established production schedules. Production deficiency or excess
production will have a negative effect, therefore, a good production planning is to
make or provide products according to needs at the right time. So especially in terms
of financial losses can be reduced.
PT. Concrete Elemenindo Putra is a company engaged in the production of
PolyStrene Expanded (EPS) with the trademark B-foam to meet the needs of the EPS
/ Styrofoam quality at affordable prices, especially for packaging and decoration. PT.
Concrete Elemenindo son often in high demand for its products. Therefore, the
production planning and control must be cautious in planning to avoid gaps will
stock raw materials and finished products.
The purpose of this study is the master production schedule with the first step
to predict and determine the production planning in 2010 in order to minimize the
total cost of production and use of information from planning to production
optimization. The study was conducted on the product B-foam with 3 items of the
WEB, WES and WEP. The methods used in research methods including Moving
Average, Single Exponential Smoothing, Double Exponential Smoothing, Linear
Regression for the determination of the demand forecast for 2010, two methods for
aggregate production planning is the method of Labor Transportation Equipment and
methods, and to use the disaggregation process Family Setup method. Followed
perhitunga MPS and RCCP using the Bill Of Labour Approach Method.


Keywords: master production schedule, forecasting, aggregate planning and
disaggregation.
iii

KATA PENGANTAR


Puji dan Syukur hanya kepada Allah SWT, atas semua nikmat dan karunia-Nya
yang telah penulis terima, shalawat serta salam penulis sampaikan kepada
junjungan Nabi besar Rasulullah Muhammad SAW yang telah membawa kita dari
zaman kebodohan sampai zaman yang penuh dengan ilmu pengetahuan seperti
sekarang ini, sehingga penulis dapat menyelesaikan tugas akhir yang berjudul
JADWAL INDUK PRODUKSI DAN PERHITUNGAN KEBUTUHAN
KAPASITAS UNTUK PEMBUATAN STYROFOAM DI PT BETON
ELEMENINDO PUTRA dapat selesai tepat pada waktunya. Tujuan penulisan
tugas akhir ini untuk memenuhi salah satu syarat dalam menyelesaikan studi pada
Program Strata-1 (S1) Jurusan Teknik Industri, Fakultas Teknik dan Ilmu
Komputer, Universitas Komputer Indonesia, Bandung. pada kesempatan inilah
dengan segenap rasa tulus penulis menyampaikan ucapan terima kasih kepada
yang terhormat:
1. Ayah dan Bunda beserta keluarga tercinta yang telah banyak membantu
memberikan dukungan doa dan semangat, semoga perlindungan dan
keselamatan dari Allah SWT selalu menyertai hingga di akhirat kelak.
2. Bapak Agus Riyanto, MT. Selaku dosen pembimbing yang sudah
meluangkan waktunya untuk memberikan bimbingan, pengarahan dan
nasehat selama penyusunan laporan ini.
3. Bapak I Made Aryantha A., MT. selaku Ketua Jurusan Teknik Industri
Universitas Komputer Indonesia.
4. Teteh Eka Novi selaku pembimbing di perusahaan yang selalu membantu
dalam pengumpulan data. Terima kasih banyak teh bantuannya.
5. Teman-teman, khususnya Friska Sitanggang dan Agil Ichsan yang sudah
mau menemani dan membantu selama pengerjaan tugas akhir, terima kasih
untuk setiap dukungan doa dan semangat saat pengerjaannya.
6. Buat para teman temanku Teknik Industri Angkatan 2007 yang selalu
memberikan dorongan dan dukungannya untuk menyelesaikan tugas akhir
ini.
iv

7. My Luvly Sekar Rachma Ayu Riscky yang sudah memberikan motivasi dan
inspirasi penulis dalam pengerjaan laporan tugas akhir ini.

Akhirnya penulis berharap semoga hasil laporan kerja praktek ini bermanfaat bagi
kita semua, khususnya bagi yang membacanya.Amin.


Bandung, Agustus 2011
Penulis


Rizky Rachmatsyah Putra
1.03.07.011

1

BAB I
PENDAHULUAN


1.1. Latar Belakang Penelitian
Dalam proses produksi, suatu perusahaan sebelumnya pasti membutuhkan
suatu sistem produksi yang perencanaan dan pengendaliannya baik. Dimana
sistem produksi memegang peranan penting dalam suatu industri manufaktur,
karena sistem produksi adalah rancangan proses yang terintegrasi dan terkendali
guna mentransformasikan elemen-elemen input menjadi produk yang bermanfaat.
Sistem produksi juga dapat diartikan sebagai aktifitas yang meliputi desain,
operasi dan kontrol suatu sistem manufaktur sampai dengan distribusi produk jadi.
Hal ini menunjukan besarnya peranan sistem produksi pada suatu industri. Suatu
industri manufaktur bisa berhasil dan sukses dalam produksi juga didukung oleh
suatu sistem produksi yang baik dan sistem produksi dikatakan baik bila dapat
mengefisiensikan kerja, material, mesin dan biaya.
Produktifitas perusahan dapat dinilai dari tingkat efektif dan efisiennya
suatu perusahaan dalam mengelola sumber-sumber produksi, yaitu manusia,
material, modal, mesin, dan energi.
Jika suatu perusahaan telah mampu mengelola sumber-sumber produksi di
atas, maka dapat di pastikan bahwa perusahaan tersebut akan dapat memenuhi
permintaan konsumen dengan penggunaan biaya produksi yang seminimum
mungkin. Keputusan ini harus didukung unsur-unsur penting dalam suatu sistem
produksi suatu perusahaan.
Unsur-unsur penting yang menjadi faktor utama yang mendukung suatu
keputusan yaitu unsur perencanaan dan penjadwalan produk. Jika perencanaan
dan penjadwalan produksi tidak berjalan dengan baik, akibatnya segala keputusan
akan menjadi tidak ada artinya lagi karena jelas akan mengalami keterlambatan
proses produksi. Keterlambatan proses produksi akan mengakibatkan
penumpukan bahan setengah jadi. Tentu saja ini akan mengakibatkan kerugian
dan pemborosan waktu dan tenaga kerja, serta naiknya ongkos produksi akibat
mundurnya jadwal produksi.
2

PT. Beton Elemenindo Putra merupakan perusahan yang bergerak di bidang
manufaktur. Salah satu produk yang dihasilkannya berupa styrofoam. Pengadaan
persediaan styrofoam digudang produk jadi harus di lakukan secara terus menerus
dan diharapkan persediaan sudah tersedia digudang sebelum permintaan datang.
Dengan melihat kondisi perusahaan yang perencanaan dan jadwal induk produksi
yang selama ini hanya mengandalkan pada perkiraan yang diambil berdasarkan
data-data sebelumnya pihak perusahaan terus memproduksi dan akibatnya apabila
permintaan menurun maka stok di gudang penyimpanan akan terjadi
penumpukan, begitu juga sebalikanya apabila permintaan bertambah perusahaan
sering kekurangan produk sehingga tidak dapat memenuhi permintaan konsumen.
Kelebihan produksi maupun kekurangan produksi akan memberikan dampak
negatif bagi perusahaan.
oleh karena itu perencanaan produksi yang efektif adalah membuat atau
menyediakan produk sesuai dengan kebutuhan pada waktu yang tepat. Maka
penulis melakukan penelitian berdasarkan permasalahan di perusahaan dengan
judul Jadwal Induk Produksi dan Kebutuhan Kapasitas Untuk Pembuatan
Styrofoam di PT. Beton Elemenindo Putra.

1.2. Identifikasi Masalah
Berdasarkan latar belakang yang telah diuraikan sebelumnya maka
permasalahan yang akan diselesaikan dalam penelitian ini adalah:
1. Menentukan jumlah produk yang akan dibuat untuk dapat memenuhi
permintaan konsumen.
2. Menghitung kapasitas yang tersedia dan kapasitas yang dibutuhkan untuk
melaksanakan jadwal induk produksi.

1.3. Tujuan Penelitian
Adapun tujuan dari peneilitian ini antara lain:
1. Membuat jadwal induk produksi dengan menghitung terlebih dahulu
peramalan, rencana produksi agregat dan proses disagregasi.
2. Menghitung kapasitas untuk melihat apakah kapasitas yang tersedia dapat
memenuhi kapasitas yang dibutuhkan.
3

1.4. Pembatasan Masalah
Adapun batasan yang diambil dalam memecahkan masalah agar
pembahasan yang dilakukan dapat lebih terarah adalah sebagai berikut:
1. Objek penelitian adalah styrofoam yang merupakan produk yang dihasilkan
di PT. Beton Elemenindo Putra.
2. Mesin yang digunakan dianggap berjalan normal dan tidak terjadi kerusakan
pada mesin yang beroperasi.
3. Perencanaan didasarkan pada data-data hasil peramalan.
4. Periode data berdasarkan data tahun 2010.

1.5. Sistematika Penulisan
Sistematika penulisan ini disusun untuk memberikan gambaran umum
tentang penelitian yang dijalankan. Sistematika penulisan tugas akhir ini adalah
sebagai berikut :
Bab 1 Pendahuluan
Bab ini merupakan pendahuluan yang berisi latar belakang masalah,
identifikasi masalah, maksud dan tujuan yang ingin dicapai, batasan masalah dan
sistematika penulisan.

Bab 2 Landasan Teori
Bab ini berisi teori dan konsep untuk mendukung penelitian. Teori dasar
acuan sebagai penunjang untuk menjelaskan tentang jadwal induk produksi dan
kebutuhan kapasitas dan hal-hal yang berguna dalam proses analisis
permasalahan.

Bab 3 Metodologi Penelitian
Bab ini berisikan tentang model atau cara pemecahan masalah serta
langkah-langkah pemecahan masalah yang digambarkan dalam flow chart
pemecahan masalah.



4

Bab 4 Pengumpulan dan Pengolahan Data
Bab ini berisikan tentang pengumpulan data yang di dapat dari penelitian di
perusahaan dan pengolahan datanya.

Bab 5 Analisis Sistem
Analisis serta pembahasan terhadap hasil pengolahan data.

Bab 6 Kesimpulan dan Saran
Merupakan kesimpulan sebagai alternative pemecahan yang akan tersaji
dalam bentuk kesimpulan, saran dan kritik dalam upaya penyempurnaan sistem
yang telah dibuat.
5

BAB II
LANDASAN TEORI


2.1. Peramalan
2.1.1. Konsep Dasar Peramalan
Peramalan merupakan bagian awal dari suatu proses pengembalian suatu
keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa
sebenarnya persoalan dalam pengambilan keputusan.
Peramalan adalah pemikiran terhadap besaran, misalnya permintaan
terhadap satu atau beberapa produk pada periode yang akan datang. Pada
hakikatnya 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 dimasa yang akan
datang, maka pasti ada peramalan yang melandasi pengambilan keputusan
tersebut (Sofyan Assauri, 1984, hal.1).
Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah
permintaan terhadap suatu produk dan merupakan langkah awal dari proses
perencanaan dan pengendalian produksi. Dalam peramalan ditetapkan jenis
produk apa yang diperlukan (what), jumlahnya (how many) dan kapan dibutuhkan
(when). Tujuan peramalan dalam kegiatan produksi adalah untuk meredam
ketidakpastian, sehingga diperoleh suatu perkiraan yang mendekati keadaan yang
sebenarnya. Suatu perusahaan biasanya menggunakan prosedur tiga tahap untuk
sampai pada peramalan penjualan, yaitu diawali dengan melakukan peramalan
lingkungan, diikuti dengan peramalan penjualan industry, dan diakhiri dengan
peramalan penjualan perusahaan.
Peramalan lingkungan dilakukan untuk meramalkan inflasi, pengangguran,
tingkat suku bunga, kecendrungan konsumsi dan menabung, iklim investas,
belanja pemerintah, ekspor, dan berbagai ukuran lingkungan yang penting bagi
perusahaan. Hasil akhirnya adalah proyeksi Produk Nasional Bruto, yang
digunakan bersama indicator lingkungan lainnya untuk meramalkan penjualan
6

industri. Kemudian, perusahaan melakukan peramalan penjualan dengan asumsi
tingkat pangsa tertentu akan tercapai.

2.1.2. Pendefinisian Tujuan Peramalan
Tujuan peramalan dilihat dengan waktu:
a. Jangka Pendek (Short Term)
Menentukan kuantitas dan waktu dari item dijadikan produksi. Biasanya
bersifat harian ataupun mingguan dan ditentukan oleh low management.
b. Jangkah menengah (Medium Term)
Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya bersifat
bulanan ataupun kuartal dan ditentukan oleh middle management.
c. Jangka Panjang (Long Term)
Merencanakan kuantitas dan waktu dari fasilitas produksi. Biasanya bersifat
tahunan, 5 tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh top
management.

2.1.3. Karakteristik Peramalan yang Baik
Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain
akurasi, biaya dan kemudahan. Penjelasan dari kriteria-kriteria tersebut adalah
sebagai berikut:
1. Akurasi
Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasaan dan
kekonsistensian peramalan tersebut. Hasil peramalan dikatakan bias bila
peramalan tersebut terlalu tinggi atau rendah dibandingkan dengan kenyataan
yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten bila besarnya
kesalahan peramalan relative kecil. Peramalan yang terlalu rendah akan
mengakibatkan kekurangan persediaan, sehingga permintaan konsumen tidak
dapat dipenuhi segera akibatnya perusahaan dimungkinkan kehilangan
pelanggan dan kehilangan keuntungan penjualan. Peramalan yang terlalu
tinggi akan mengakibatkan terjadinya penumpukan persediaan, sehingga
banyak modal yang terserap sia-sia. Keakuratan dari hasil peramalan ini
berperan penting dalam menyeimbangkan persediaan yang ideal.
7

2. Biaya
Biaya yang diperlukan dalam pembuatan suatu permasalahan adalah
tergantung dari jumlah item yang diramalkan, lamanya periode peramalan
dan metode peramalan yang dipakai. Ketiga faktor pemicu biaya tersebut
akan mempengaruhi berapa banyak data yang dibutuhkan, bagaimana
pengolahan datanya (manual atau komputersasi), bagaimana penyimpanan
datanya dan siapa tenaga ahli yang diperbantukan. Pemilihan metode
peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi
yang ingin didapat, misalnya item-item yang penting yang diramalkan dengan
metode yang sederhana dan murah. Prinsip ini merupakan adopsi dari hukum
parito (analisa ABC).
3. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat dan mudah
diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah
percuma memakai metode yang canggih, tetapi tidak dapat diaplikasikan pada
system perusahaan karena keterbatasan dana, sumber daya manusia maupun
peralatan teknologi.

2.1.4. Beberapa Sifat Hasil Peramalan
Dalam membuat peramalan atau menerapkan suatu peramalan maka ada
beberapa hal yang harus dipertimbangkan yaitu:
1. Ramalan pasti mengandung kesalahan, artinya peramalan hanya bisa
mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat
menghilangkan ketidakpastian tersebut.
2. Peramalan seharusnya memberikan informasi tentang beberapa ukuran
kesalahan, artinya karena kesalahan pasti mengandung kesalahan, maka
adalah penting bagi peramal untuk menginformasikan seberapa besar
kesalahan yang mungkin terjadi.
3. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka
panjang. Hal ini disebabkan karena pada peramalan jangka pendek, faktor-
faktor yang mempengaruhi permintaan relative masih konstan sedangkan
8

masih panjang periode peramalan, maka semakin besar pula kemungkinan
terjadinya perubahan faktor-faktor yang mempengaruhi permintaan.

2.1.5. Teknik Peramalan
2.1.5.1. Faktor-faktor yang Mempengaruhi Pemilihan Teknik Peramalan
Peramalan sebenarnya upaya untuk memperkecil resiko yang timbul akibat
pengambilan keputusan dalam suatu perencanaan produksi. Semakin besar upaya
yang dikeluarkan tentu resiko yang dapat dihindari semakin besar pula. Namun
upaya memperkecil risiko tersebut dibatasi oleh biaya yang dikeluarkan akibat
mengupayakan hal tersebut.
Faktor-faktor yang harus dipertimbangkan:
1. Horizon Peramalan
Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing
metode peramalan yaitu:
a. Cakupan waktu dimasa yang akan datang
Dimana perbedaan dari metode peramalan yang digunakan sebaiknya
disesuaikan.
b. Jumlah periode dimana ramalan diinginkan
Beberapa teknik dan metode hanya dapat disesuaikan untuk peramalan
satu atau dua periode di muka, sedangkan teknik dan metode lain dapat
dipergunakan untuk peramalan beberapa periode dimasa mendatang.
2. Tingkat Ketelitian
Tingkat ketelitian yang dibutuhkan sangat erat hubungannya dengan tingkat
perincian yang dibutuhkan dalam suatu peramalan. Untuk beberapa
pengambilan keputusan mengharapkan variasi atau penyimpangan atas
ramalan yang dilakukan antara 10 persen sampai dengan 15 persen bagi
maksud-maksud yang mereka harapkan, sedangkan untuk hal atau kasus lain
mungkin menganggap bahwa adanya variasi atau penyimpangan atas ramalan
sebesar 5 persen adalah cukup berbahaya.
3. Ketersediaan Data
Metode yang dipergunakan sangat besar manfaatnya, apabila dikaitkan
dengan keadaan atau informasi yang adaatau data yang dipunyai. Apabila dari
9

data yang lalu diketahui adanya pola musiman, maka untuk peramalan satu
tahun kedepan sebaiknya digunakan metode variasi musim. Sedangkan
apabila dari data yang lalu diketahui adanya pola hubungan antara variabel-
variabel yang saling mempengaruhi, maka sebaiknya dipergunakan metode
sebab akibat (causal) atau korelasi (correlation).
4. Bentuk Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola
yang didapati di dalam data yang diramalkan akan berkelanjutan. Sebagai
contoh, beberapa deret yang menggambarkan pola musiman, demikian pula
halnya dengan suatu pola trend. Metode peramalan yang lain mungkin lebih
sederhana, terdiri dari suatu nilai rata-rata, dengan fluktuasi yang acakan atau
random yang terkandung. Oleh karena adanya perbedaan kemampuan metode
peramalan untuk mengidentifikasikan pola-pola data, maka perlu adanya
usaha penyesuaian antara pola data yang telah diperkirakan terlebih dahulu
dengan teknik dan metode peramalan yang akan digunakan.
5. Biaya
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu
prosedur peramalan, yaitu biaya-biaya pengembangan, penyimpanan
(storage) data, operasi pelaksanaan dan kesempatan penggunaan teknik-
teknik dan metode lainnya. Adanya perbedaan yang nyata dalam jumlah
biaya, mempunyai pengaruh atas dapat menarik tidaknya penggunaan metode
tertentu untuk suatu keadaan yang dihadapi.
6. Jenis Dari Model
Sebagai tambahan perlu diperhatikan anggapan beberapa pola dasar yang
penting dalam data. Banyak metode peramalan telah menganggap adanya
beberapa model dari keadaan yang diramalkan. Model-model ini merupakan
suatu deret dimana waktu digambarkan sebagai unsur penting untuk
menentukan perubahan-perubahan dalam pola, yang mungkin secara
sistematik dapat dijelaskan dengan analisis regresi atau korelasi. Model yang
lain adalah model sebab akibat atau causal model, yang menggambarkan
bahwa ramalan yang dilakukan sangat tergantung pada terjadinya sejumlah
peristiwa yang lain, atau sifatnya merupakan campuran dari model-model
10

yang telah disebutkan di atas. Model-model tersebut sangat penting
diperhatikan, karena masing-masing model tersebut mempunyai kemampuan
yang berbeda-beda dalam analisis keadaan untuk pengambilan keputusan.
7. Mudah Tidaknya Penggunaan dan Aplikasinya
Satu prinsip umum dalam penggunaan metode ilmiah dari peramalan untuk
menejemen dan analisis adalah metode-metode yang dapat dimengerti dan
mudah diaplikasikan yang akan dipergunakan dalam pengembalian keputusan
dan analisa. Prinsip ini didasarkan pada alasan bahwa, bila seorang menejer
atau analisis bertanggung jawab atas keputusan yang diambilnya atau hasil
analisa yang dilakukannya, maka ia sudah tentu tidak menggunakan dasar
yang tidak diketahuinya atau tidak diyakininy. Jadi, sebagai ciri tambahan
dari teknik dan metode peramalan adalah bahwa yang diperlukan untuk
memenuhi kebutuhan dari keadaan ialah teknik dan metode peramalan yang
dapat disesuaikan dengan kemampuan dari menejer atau analisis yang akan
menggunakan meteode peramalan tersebut.

2.1.5.2. Kegunaan Pemilihan Teknik Peramalan
Metode yang dipergunakan sangat besar manfaatnya, apabila dikaitkan
dengan informasi atau data yang dipunyai. Apabila dari data yang lalu diketahui
adanya pola musiman, maka untuk peramalan satu tahun kedepan sebaiknya
dipergunakan metode variasi musim. Sedangkan apabila dari data yang lalu
diketahui adanya pola hubungan antara variabel-variabel yang saling
mempengaruhi, maka sebaiknya dipergunakan metode sebab akibat (causal) atau
korelasi (cross section).
Sebagaimana diketahui bahwa metode merupakan cara berpikir yang
sistematis dan pragmatis atas pemecahan suatu masalah. Dengan dasar ini, maka
metode peramalan merupakan cara memperkirakan apa yang akan terjadi pada
masa yang akan datang secara sistematis dan pragmatis. Sehingga metode
peramalan sangat berguna untuk dapat memperkirakan secara sistematis dan
pragmatis atas dasar data yang relevan pada masa yang lalu, dengan demikian
metode peramalan diharapkan dapat memberikan obyektifitas yang lebih besar.
11

Disamping itu juga metode peramalan juga memberikan urutan pengerjaan
dan pemecahan atas pendekatan suatu masalah dalam peramalan. Sehingga bila
digunakan pendekatan yang sama atas permasalahan dalam suatu kegiatan
peramalan, maka akan didapat dasar pemikiran dan pemecahan yang sama, karena
argumentasinya sama. Selain itu, metode peramalan memberikan cara pengerjaan
yang teratur dan terarah, sehingga dengan demikian dapat dimungkinkannya
penggunaan teknik-teknik penganalisaan yang lebih maju. Dengan penggunaan
teknik-teknik tersebut, maka diharapkan dapat memberikan tingkat kepercayaan
dan keyakinan yang lebih besar, karena dapat diuji dan dibuktikan penyimpangan
atau deviasi yang terjadi secara ilmiah.
Dari uraian ini, dapatlah disimpulkan bahwa metode peramalan sangat
berguna, karena akan membantu dalam mengadakan pendekatan analisa terhadap
tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara
pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta
memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang
dibuat, atau yang disusun.

2.1.6. Klasifikasi Teknik Peramalan
Dalam sistem peramalan, penggunaan berbagai model peramalan akan
memberikan nilai ramalan yang berbeda dan derajat dari galat peramalan yang
berbeda pula. Salah satu seni dalam melakukan peramalan adalah memilih model
peramalan yang terbaik yang mampu mengidentifikasi dan menanggapi pola
aktifitas historis dari data.
Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung
dari cara melihatnya. Apabila dilihat dari sifat penyusunannya, maka peramalan
dapat dibedakan atas dua macam, yaitu:
1. Dilihat dari sifat penyusunannya
a. Peramalan yang subjektif, yaitu peramalan yang didasarkan atas perasaan
atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan
orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan
tersebut.
12

b. Peramalan yang objektif, yaitu peramalan yang didasarkan atas data yang
relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode
dalam penganalisaannya.
2. Dilihat dari jangka waktu ramalan yang disusun
a. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan yang jangka waktunya satu tahun atau kurang.
Peramalan ini dugunakan untuk mengambil keputusan dalam hal perlu
tidaknya lembur, penjadwalan kerja, dan lain-lain keputusan kontrol
jangka pendek.
b. Peramalan jangka menengah, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan yang jangka waktunya satu hingga lima tahun
ke depan. Peramalan ini lebih mengkhususkan dibandingkan peramalan
jangka panjang, biasanya digunakan untuk menentukan aliran kas,
perencanaan produksi, dan penentuan anggaran.
c. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan yang jangka waktunya lebih dari lima tahun
yang akan datang. Peramalan jangka panjang digunakan untuk
pengambilan keputusan mengenai perencanaan produk dan perencanaan
pasar, pengeluaran biaya perusahaan, studi kelayakan pabrik, anggaran,
purchase order, perencanaan tenaga kerja serta perencanaan kapasitas
kerja.
3. Berdasarkan sifat ramalan yang disusun, maka peramalan dapat dibedakan
atas dua macam, yaitu:
a. Peramalan Kualitatif
Yaitu peramalan yang didasarkan atas kwalitatif pada masa lalu. Hasil
peramalan yang dibuat sangat tergantung pada orang yang menyusunnya.
Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan
pemikiran yang bersifat intuisi, judgement atau pendapat, dan
pengetahuan serta pengalaman dari penyusunannya. Biasanya peramalan
secara kwalitatif ini didasarkan atas hasil penyelidikan, seperti Delphi, S-
curev, analogies dan penelitian bentuk atau morphological research atau
13

didasarkan atas ciri-ciri normative seperti decision matrices atau
decisions tress.
b. Peramalan Kuantitatif
Yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu.
Hasil peramalan yang dibuat sangat tergantung pada metode yang
dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda
akan diperoleh hasil peramalan yang berbeda, apapun yang perlu
diperhatikan dari penggunaan metode tersebut, adalah baik tidaknya
metode yang dipergunakan, sangat ditentukan oleh perbedaan atau
penyimpangan antara hasil dengan kenyataan yang terjadi. Metode yang
baik adalah metode yang memberikan nilai-nilai perbedaan atau
penyimpangan yang mungkin. Peramalan kuntitatif hanya dapat
digunakan apabila terdapat tiga kondisi sebagai berikut:
- Adanya informasi tentang keadaan yang lain.
- Informasi tersebut dapat dikuantifikasikan dalam bentuk data.
- Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada
masa yang akan datang.

Juru Opini
Eksekutif
Metode Delphi
Gabungan
Tenaga
Penjualan
Survel Pasar
Model Kualitatif
Regresi
Smoothing
Dekomposisi
Time Series
Regresi Linier
Koefisien
Korelasi
Permodelan
Ekonomik
Rata-rata
Moving Average
Eksponensial
Smoothing
Kausal
Metode
Kuantitatif
Peramalan

14

Gambar 2.1. Taksonomi Peramalan
2.1.6.1. Metode Peramalan Kualitatif (Judgement Method)
Peramalan kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi,
emosi, pendidikan dan pengalaman seseorang. Oleh karena itu, hasil peramalan
dari satu orang dengan orang yang lain dapat berbeda. Meskipun demikian,
peramalan dengan metode kualitatif tidak berarti hanya menggunakan intuisi,
tetapi juga bisa mengikutsertakan model-model statistik sebagai bahan masukan
dalam melakukan judgement (keputusan), dan dapat dilakukan secara
perseorangan maupun kelompok.
Beberapa metode yang digolongkan sebagai model kualitatif adalah sebagai
berikut:
1. Metode Delphi, Sekelompok pakar mengisi kuesioner, Moderator
menyimpulkan hasilnya dan memformulasikan menjadi suatu kuesioner baru
yang diisi kembali oleh kelompok tersebut, demikian seterusnya. Hal ini
merupakan prosespembelajaran (leaming process) dari kelompok tanpa
adanya tekanan atau intimidasi individu. Metode dikembangkan pertama kali
oleh Rand Corporation pada tahun 1950-an. Adapun tahapan yang dilakukan
adalah:
a. Tentukan beberapa pakar sebagai partisipan. Sebaiknya bervariasi dengan
latar belakang disiplin ilmu yang berbeda.
b. Melalui kuesioner (atau e-mail), diperoleh peramalan dari seluruh
partisipan.
c. Simpulkan hasilnya, kemudian distribusikan kembali kepada seluruh
partisipan dengan pertanyaan yang baru.
d. Simpulkan kembali revisi peramalan dan kondisi, kemudian
dikembangkan dengan pertanyaan yang baru.
e. Apabila diperlukan, ulangi tahap 4. Seluruh hasil akhir didistribusikan
kepada seluruh partisipan.
2. Dugaan manajemen (management estimate) atau Panel Consensus, dimana
peramalan semata-mata berdasarkan pertimbangan manajemen, umumnya
oleh menejemen senior. Metode ini akan cocok dalam situasi yang sangat
sensitif terhadap intuisi dari suatu atau sekelompok kecil orang yang karena
15

pengalamannya mampu memberikan opini yang kritis dan relevan. Teknik
akan dipergunakan dalam situasi dimana tidak ada situasi dimana tidak ada
alternatif lain dari model peramalan yang dapat diterapkan. Bagaimanapun
metode ini mempunyai banyak keterbatasan sehingga perlu dikombinasikan
dengan metode peramalan yang lain.
3. Riset Pasar (market research), merupakan metode peramalan berdasarkan
hasil-hasil dari survei pasar yang dilakukan oleh tenaga-tenaga pemasar
produk atau yang mewakilinya. Metode ini akan menjaring informasi dari
pelanggan atau pelanggan potensial. (konsumen) berkaitan dengan rencana
pembelian mereka dimasa mendatang. Riset pasar tidak hanya akan
membantu peramalan, tetapi juga untuk meningkatkan desain produk dan
perencanaan untuk produk-produk baru.
4. Metode kelompok terstruktur (structured group methods), seperti metode
Delphi, dan lain-lain. Metode Delphi merupakan teknik peramalan
berdasarkan pada proses konvergensi dari opini beberapa orang atau ahli
secara interaktif tanpa menyebutkan identitasnya. Grup ini tidak bertemu
secara bersama dalam suatu forum untuk berdiskusi, tetapi mereka diminta
pendapatnya secara terpisah dan tidak boleh secara berunding. Hal ini
dilakukan untuk menghindari pendapat yang bias karena pengaruh kelompok.
Pendapat yang berbeda secara signifikan dari ahli yang lain dalam grup
tersebut akan dinyatakan lagi kepada yang bersangkutan, sehingga akhirnya
diperoleh angka estimasi pada interval tertentu yang dapat diterima. Metode
Delphi ini dipakai dalam peramalan teknologi yang sudah digunakan pada
pengoperasian jangka panjang selain itu, metode ini juga bermanfaat dalam
pengembangan produk baru, pengembangan kapasitas produksi, penerobosan
ke segmen pasar baru dan strategi keputusan bisnis lainnya.
5. Analogi historis (Historical Analogi), merupakan teknik peramalan
berdasarkan pola data masa lalu dari produk-produk yang dapat disamakan
secara Analogi. Misalnya peramalan untuk pengembangan pasar televisi multi
sistem menggunakan model permintaan televisi hitam putih atau televisi
berwarna biasa. Analogi historis cenderung akan menjadi terbaik untuk
16

penggantian produk di pasar dan apabila terdapat hubungan substitusi
langsung dari produk dalam pasar itu.
2.1.6.2. Metode Peramalan Kuantitatif (Statistical Method)
Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas dua
bagian, yaitu:
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan
deret waktu atau "time-series ".
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
antara variabel yang akan diperkirakan dengan variabel lain yang
mempengaruhinya, yang bukan waktu yang disebut metode korelasi atau sebab
akibat (causal method).

Prosedur umum yang digunakan dalam peramalan secara kuantitatif adalah:
1. Definisikan tujuan peramalan.
2. Pembuatan diagram pencar.
3. Pilih minimal dua metode peramalan yang dianggap sesuai.
4. Hitung parameter-parameter fungsi peramalan
5. Hitung kesalahan setiap metode peramalan.
6. Pilih metode yang terbaik, yaitu yang memiliki kesalahan terkecil.
7. Lakukan verivikasi peramalan.

Adapun langkah-langkah peramalan secara kuantitatif dapat dilihat pada
gambar 2.2.








17



Langkah I:
Definisikan Tujuan
Peramalan
Langkah II:
Buat Diagram
Pencar
Langkah III:
Pilih Beberapa
Metode
Langkah IV:
Hitung Parameter-
Parameter
Langkah V:
Hitung Setiap
Kesalahan Setiap
Metode
Langkah VI:
Pilih Metode Dengan
Kesalahan Terkecil
Langkah VII:
Verivikasi
Peramalan

Gambar 2.2. Langkah-langkah peramalan secara kuantitatif

2.1.6.3. Metode Time Series
Metode time series adalah metode yang dipergunakan 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 diidentitikasi semata-mata atas dasar data historis dari serial itu.
Dengan analisis deret waktu dapat ditunjukkan bagaimana permintaan
terhadap suatu produk tertentu bervariasi terhadap waktu. Sifat dari perubahan
18

permintaan dari tahun ke tahun dirumuskan untuk meramalkan penjualan pada
masa yang akan datang.
Ada empat komponen utama yang mempengaruhi analisis ini, yaitu:
a. Pola Siklis (Cycle)
Penjualan produk dapat memiliki siklus yang berulang secara periodik. Banyak
produk dipengaruhi pola pergerakan aktivitas ekonomi yang terkadang memiliki
kecenderungan periodik. Komponen siklis ini sangat berguna dalam peramalan
jangka menengah. Pola data ini terjadi bila data memiliki kecenderungan untuk
naik atau turun terus-
menerus. Pola data dalam
bentuk trend ini
digambarkan sebagai
berikut:








Gambar 2.3. Pola Siklis

b. Pola Musiman (Seasonal)
Perkataan musim 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 data ini terjadi bila nilai data sangat dipengaruhi oleh musim,
misalnya permintaan bahan baku jagung untuk makanan ternak
ayam pada pabrik pakan ternak selama satu tahun. Selama musim
panen harga jagung akan menjadi turun karena jumlah jagung yang
19

Biaya
Biaya
dibutuhkan
tersedia dalam jumlah
yang besar.
Pola data musiman
dapat
digambarkan sebagai berikut:









Gambar 2.4. Pola Musiman

c. Pola Horizontal
Pola data ini terjadi apabila nilai data berfluktuasi di sekitar nilai rata-rata. Pola
ini dapat digambarkan sebagai berikut (Sofyan Assauri, 1984, hal. 4647):







Gambar 2.5. Pola Horizontal

d. Pola Trend
Pola data ini terjadi bila data memiliki kecenderungan untuk naik atau turun
terus-menerus. Pola data dalam bentuk trend ini dapat digambarkan sebagai
berikut:
20









Gambar 2.6. Pola Trend

Dalam meramalkan biaya-biaya yang termasuk di dalam biaya operasi
dipergunakan Pola Trend karena biaya tersebut cenderung naik jika mesin
atau peralatan semakin tua atau semakin lama jangka waktu pemakaiannya.
Ada beberapa trend yang digunakan di dalam penyelesaian masalah ini, yaitu:
1) Trend Linier
Bentuk persamaan umum (Sofyan Assauri, 1984, hal. 53-56):
Y = a + bt
Sedangkan peramalannya mempunyai bentuk persamaan:
Y
t
= a + bt
Dimana:
Y
t
= Nilai ramalan pada periode ke-t
T = Waktu/periode
Dengan menggunakan metode kuadrat terkecil (Least Square Method)
maka harga konstanta a dan b diperoleh dari persamaan di bawah ini:
( )
n
t b
Y
t
a
t
2
t
2
n
Y
t
t
tY
t
n
b

=


=

2) Trend Eksponensial atau Pertumbuhan
Bentuk persamaan umum:
Y = ae
bt

Sedangkan peramalannya mempunyai bentuk persamaan:
Y
t
= ae
bt
Biaya
21

Dengan menggunakan transformasi logaritma natural maka harga
konstanta a dan b diperoleh dari persamaan di bawah ini:
( )
n
t b
Y In
t
a In
t
2
t
2
n
Y In
t
t
Y In t
t
n
b

=


=




3) Trend Logaritma
Y = a + b log t
Sedangkan peramalan mempunyai bentuk persamaan:
Y
t
= a + b log t
Dengan menggunakan transformasi logaritma natural maka harga
konstanta a dan b diperoleh dari persamaan di bawah ini:
( )
n
t log b
Y
t
a In
t log
2
t
log
2
n
Y
t
t log t.Y log
t
n
b

=


=


A. Metode Penghalusan (Smoothing)
Metode smoothing digunakan untuk mengurangi ketidakteraturan musiman
dari data yang lalu, dengan membuat rata-rata tertimbang dari sederetan data masa
lalu. Ketepatan peramalan dengan metode ini akan terdapat pada peramalan jangka
pendek, sedangkan untuk peramalan jangka panjang kurang akurat.
Metode smoothing terdiri dari beberapa jenis, antara lain:
1. Metode Rata-rata Bergerak (Moving Average), terdiri atas:
Single Moving Average (SMA)
Moving overage pada suatu periode merupakan peramalan untuk satu
periode ke depan dari periode rata-rata tersebut. Persoalan yang timbul
dalam penggunaan metode ini adalah dalam menentukan nilai t (periode
rata-rata). Semakin besar nilai t maka peramalan yang dihasilkan akan
22

semakin menjauhi pola data.
Secara matematis, rumus fungsi peramalan metode ini adalah:
N
X
t
X
1 t
...
X
1 N t
F
1 t
+
+
+ +
+
=
+

Dimana:
X
t
= data pengamatan periode i
N = Jumlah deret waktu yang digunakan
F
t+1
= nilai peramalan periode t+1

Linier Moving Average (LMA)
Dasar dari metode ini adalah penggunaan moving average kedua untuk
memperoleh penyesuaian bentuk pola trend. Metode Linier moving
Average adalah :
a. Hitung "single moving average dari data dengan periode perata-
rataan tertentu; hasilnya di notasikan dengan St.
b. Setelah semua single Average dihitung, hitung moving aver-
age kedua yaitu moving average dari St` dengan periode perata-rataan
yang sama. Hasilnya di notasikan dengan:
St
c. Hitung komponen at dengan rumus:
At = St + (St-St)
d. Hitung komponen trend bt dengan rumus:
( ) st" St'
1 - N
2
bt =
e. Peramalan untuk periode ke depan setelah t adalah sebagai berikut:
F
t+m
= at + bt . m
Double Moving Average
Notasi yang diberikan adalah MA (M x N), artinya M-periode MA dan N-
periode MA.
Weighted Moving Average
Data pada periode tertentu diberi bobot, semakin dekat dengan saat
sekarang semakin besar bobotnya. Bobot ditentukan berdasarkan
23

pengalaman. Rumusnya adalah sebagai berikut:
W
n
W
2
W
1
A
n t
W
n
A
2 t
W
2
A
1 t
W
1
F
t
+ +

+

=
Dimana:
W
1
= bobot yang diberikan pada periode t-1
W
2
= bobot yang diberikan pada periode t-2
W
n
= bobot yang diberikan pada periode t-n
n = jumlah periode

2. Metode Exponential Smoothing, terdiri atas:
Single Exponential Smoothing
Pengertian dasar dari metode ini adalah: nilai ramalan pada periode t+1
merupakan nilai aktual pada periode t ditambah dengan penyesuaian
yang berasal dari kesalahan nilai ramalan yang terjadi pada periode t
tersebut.
Nilai peramalan dapat dicari dengan menggunakan rumus berikut:
F
t+1
= a . X
t
+ (1-a) . F
t
Dimana:
X
t
= data permintaan pada periode t
a = faktor/konstanta pemulusan
F
t+1
= peramalan untuk periode t
Double Exponential Smoothing (DES), yang terbagi atas:
a. Satu Parameter (Browns Linear Method)
Merupakan metode yang hampir sama dengan metode linear moving
average, disesuaikan dengan menambahkan satu parameter.
S
t
= X
t
+ (1-) S
t-1
S
t
= S
t
+ (1-) S
t-1

Dimana S
t
merupakan single exponential smoothing, sedangkan S
t
merupakan double exponential smoothing.
a
t
= S
t
+ (S
t
S
t
) = 2S
t
S
t
( )
t
S"
t
S'
1

b
t

=
24

Rumus perhitungan peramalan pada periode ke t:
F
t+m
= a
t
+ b
t
. m
b. Dua Parameter (Holts Method)
Merupakan metode DES untuk time series dengan trend linier.
Terdapat konstanta yaitu dan . Adapun rumusnya adalah sebagai
berikut:
S
t
= D
t
+ (1-)(S
t-1
+G
t-1
)
G
t
= (S
t
-S
t-1
) + (1-)G
t-1


Dimana:
St = intercept pada waktu t
Gt = slope pada waktu t
Rumusan perhitungan peramalan pada periode ke t:
F
t+m
= S
t
. G
t
. m
Exponential Smoothing dengan Musiman
Pola musiman dipengaruhi karakteristik data masa lalu, antara lain natal dan
tahun baru, lebaran, awal tahun ajaran sekolah, dan sebagainya. Terdapat dua
kemungkinan dari pengaruh musiman. Pertama dapat bersifat addictive, yaitu
mengabaikan laju penjualan setiap minggu selama bulan desember, hanya
dikatakan penjualan selama bulan desember meningkat 200 unit. kedua,
pengaruh musiman bersifat multiplicative, laju penjualan setiap minggu
selama bulan desember meningkat dua kali lipat.
Rumusan untuk exponential smoothing dengan musiman:
( )( )
( )
( ) ( )
1 t
b 1
1 t
S
t
S
t
G
1 t
I 1
t
S
t
X

t
I
1 t
b
1 t
S 1
1 - t
I
t
X

S'
t

+ =

+ =

Maka rumus perhitungan peramalan:
F
t+m
= (S
t
+ G + m) I
t-1
+ m
Dimana:
G = komponen trend
25

L = panjang musiman
I = faktor penyesuaian
F
t+m
= ramalan untuk m period eke muka

B. Metode Proyeksi Kecenderungan dengan Regresi
Metode kecenderungan dengan regresi merupakan dasar garis kecenderungan
untuk suatu persamaan, sehingga dengan dasar persamaan tersebut dapat
diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang. Untuk
peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan metode
ini sangat baik. Data yang dibutuhkan untuk metode ini adalah tahunan, minimal
lima tahun. Namun, semakin banyak data yang dimiliki semakin baik basil yang
diperoleh.
Bentuk fungsi dari metode ini dapat berupa:
a. Konstan, dengan fungsi peramalan (Y
t
)
Y
t
=a, dimana a = Y
t
/N
Y
t
= nilai tambah
N = jumlah periode
b. Linier, dengan fungsi peramalan:
Y
t
= + b
t

Dimana:
n
bt Y
a

=
( ) ( )
( )
2
t
2
t - n
y t ty n
b


=
c. kuadratis, dengan fungsi peramalan
Y
t
= + bt +
2

Dimana:
n
2
t c t b Y
a

=
c

=
b
c
2
-

b
c
c
=
3
t n
2
t t
Y
2
t n Y
2
t
tY n Y t
4
t n
2
2
t
=
=
=
|
.
|

\
|
= c

d. Eksponensial, dengan fungsi peramalan:
Y
t
= ae
bt

26

Dimana:
n
t b InY
a In

=
( )

=
2
t
3
t n
Y In t Y In t n
b
e. Siklis, dengan fungsi peramalan:
n
2
ccos
n
2
bsin a t Y + + =






Dimana:
+ + =
+ + =
+ + =
n
2
cos
n
2
sin b
n
2
2
cos c
n
2
cos a
n
2
Ycos
n
2
cos
n
2
sin c
n
2
2
sin b
n
2
sin a
n
2
Ysin
n
2
cos c
n
2
sin b na Y


C. Metode Dekomposisi
Yaitu hasil ramalan ditentukan dengan kombinasi dari fungsi yang ada sehingga
tidak dapat diramalkan secara biasa. Model tersebut didekati dengan fungsi linier atau
siklis, kemudian bagi t atas kwartalan sementara berdasarkan pola data yang ada.
Metode dekomposisi merupakan pendekatan peramalan yang tertua. Terdapat
beberapa pendekatan alternatif untuk mendekomposisikan suatu deret berkala yang
semuanya bertujuan memisahkan setiap komponen deret data seteliti mungkin.
Konsep dasar pemisahan bersifat empiris dan tetap, yang mula-mula memisahkan
unsur musiman, kemudian trend, dan akhirnya unsur siklis.
Adapun langkah-langkah perhitungannya adalah sebagai berikut:
1. Ramalkan fungsi Y biasa (dt = a + bt)
2. Hitung nilai indeks.
3. Gabungkan nilai perolehan indeks kemudian ramalkan yang baru.

2.1.6.4. Metode Kausal
Metode kausal mengasumsikan faktor yang diperkirakan menunjukkan
27

adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas
(independen). Sebagai contoh, jumlah pendapatan berhubungan dengan faktor-
faktor seperti jumlah penjualan, harga jual, dan tingkat promosi. Kegunaan dari
metode kausal adalah untuk menemukan bentuk hubungan antara variabel-variabel
tersebut dan menggunakannya untuk meramalkan nilai dari variabel tidak bebas
(dependen).



Pada model ini untuk meramalkan permintaan tidak hanya memperhatikan
waktu, tetapi juga memperhatikan faktor yang mempengaruhi, antara lain:
a. Harga produk, jika harga produk naik maka permintaan naik
b. Saluran distribusi, jika banyak saluran distribusi maka permintaan naik.
Metode kausal terdiri atas beberapa metode, antara lain:
a. Metode regresi dan korelasi
Metoda regresi dan korelasi pada penetapan suatu persamaan estimasi
menggunakan teknik "least squares". Hubungan yang ada pertama-tama
dianalisis secara statistik. Ketepatan peramalan dengan menggunakan metode
ini sangat baik untuk peramalan jangka pendek, sedangkan untuk peramalan
jangka panjang ternyata ketepatannya kurang begitu baik. Metode ini banyak
digunakan untuk peramalan penjualan, perencanaan keuntungan,
peramalan permintaan darn peramalan keadaan ekonomi. Data yang dibutuhkan
untuk penggunaan metode ini adalah data kuartalan dari beberapa tahun lalu.
b. Metode Ekonometrik
Metode ini didasarkan atas peramalan sistem persamaan regresi yang
diestimasikan secara simultan. Baik untuk peramalan jangka pendek maupun
peramalan jangka panjang, ketepatan peramalan dengan metode ini sangat baik.
Metode permalan ini selalu dipergunakan untuk peramalan penjualan menurut
kelas produk, atau peramalan keadaan ekonomi masyarakat, seperti permintaan,
harga dan penawaran. Data yang dibutuhkan untuk penggunaan metode
peramalan ini adalah data kuartalan beberapa tahun.
c. Metode Input-Output
28

Metode ini dipergunakan untuk menyusun proyeksi trend ekonomi jangka
panjang. Model ini kurang baik ketepatannya untuk peramalan jangka panjang.
Model ini banyak dipergunakan untuk peramalan penjualan perusahaan,
penjualan sektor industri dan sub sektor industri, produksi dari sektor dan sub
sektor industri. Data yang dibutuhkan untuk penggunaan metode atau model ini
adalah data tahunan selama sekitar sepuluh sampai lima belas tahun.



2.1.7. Kriteria Performance Peramalan
Seorang perencana tentu menginginkan hasil perkiraan ramalan yang tepat
atau paling tidak dapat memberikan gambaran yang paling mendekati sehingga
rencana yang dibuatnya merupakan rencana yang realistis. Ketepatan atau ketelitian
inilah yang menjadi kriteria performance 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.
Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara, antara
lain adalah:
1. Mean Square Error (MSE)
( )
N
N
1 t
2
t
F
t
X
MSE

=

=
Dimana:
X
t
= data actual periode t
F
t
= nilai ramalan periode t
N = banyaknya periode

2. Standart Error of Estimate (SEE)
( )
f N
N
1 t
2
t
F
t
X
SEE

=

=
29

Dimana:
f = Derajat kebebasan
Untuk data konstan, f = 1
Untuk data linier, f = 2
Untuk data kwadratis, f = 3
Untuk data siklis, f = 3




3. Percentage Error (PE)
100%
t
X
t
F
t
X
t
PE
|
|
.
|

\
|
=
Dimana nilai dari PE
t
bisa positif ataupun negatif.
4. Mean Absolute Percentage Error
N
N
1 t
t
PE
MAPE

=
=
Menghitung kesalahan dari peramalan merupakan prosedur yang kelima dari
perhitungan peramalan secara kuantitatif. Setelah didapat kesalahan (error) dari
masing-masing metode peramalan, maka akan dilakukan pengujian terhadap dua
metode yang memiliki error yang terkecil, guna mendapatkan metode peramalan yang
lebih baik untuk digunakan. Pengujian dilakukan dengan test distribusi F. Jika
diasumsikan bahwa metode "X" adalah metode peramalan yang memiliki besar error
yang paling kecil pertama, dan metode "Y" adalah metode peramalan yang memiliki
besar error yang paling kecil kedua, maka langkah-langkah pengujiannya adalah
sebagai berikut:
1. Tentukan pernyataan awal (H
0
) dan pernyataan alternative (H
1
):
H
0
: Metode X lebih baik dari pada metode Y
H
1
: Metode X tidak lebih baik daripada metode Y, atau metode Y lebih
baik daripada metode X.
2. Lakukan test statistik, dengan rumus:
30

2
2
S
2
1
S
F =
Dimana:
S
1
= besarnya error metode peramalan X
S
2
= besarnya error metode peramalan Y




3. Bandingkan hasil yang diperoleh dari langkah 2 dengan hasil yang diperoleh
dari tabel distribusi F dengan harga a (tingkat ketelitian) yang telah
ditetapkan
Jika F
Hitung
< F
Tabel
maka H
0
diterima (berarti metode peramalan dengan metode
X lebih baik digunakan), dan jika sebaliknya maka H
0
ditolak (berarti metode
Y lebih baik digunakan).
Setelah didapatkan metode peramalan mana yang lebih baik, maka
dilakukanlah verifikasi terhadap metode peramalan yang terbaik tersebut.

2.1.8. Proses Verifikasi
Proses verifikasi digunakan untuk melihat apakah metode peramalan yang
diperoleh representatif terhadap data. Proses verifikasi dilakukan dengan
menggunakan Moving Range Chart (MRC). Dari chart (peta) ini dapat terlihat
apakah sebaran masih dalam kontrol ataupun sudah berada di luar kontrol. Jika
sebaran berada di luar kontrol, maka fungsi atau metode peramalan tersebut tidak
sesuai, artinya pola peramalan terhadap data (Y-Y
F
) tersebut tidak representatif.
Proses verifikasi dengan menggunakan Moving Range Chart (MRC), dapat
digambarkan pada gambar 2.7.
31

MR 2.66 UCL =
MR 2.66 3 / 2
MR 2.66 3 / 1
MR Line Central
MR 2.66 3 / 1
MR 2.66 3 / 2
MR 2.66 LCL =
A
B
C
A
B
C
Y-YF

Gambar 2.7. Moving Range Chart



Harga MR diperoleh dari:
1 - N
1 - N
2 t
t
MR
MR

=
=
Dimana:
|
|
.
|

\
|

|
.
|

\
|
=
1 t
F
Y
1 t
Y
t
F
Y
t
Y
t
MR atau
1 t
e
t
e
t
MR

=

Kondisi out of control dapat diperiksa dengan menggunakan empat aturan
berikut:
1. Aturan Satu Titik
Bila ada titik sebaran (Y-Y
F
) berada di luar UCL dan LCL. Walaupun jika semua
titik sebaran berada dalam batas kontrol, belum tentu fungsi atau metode
representative. Untuk itu penganalisaan perlu dilanjutkan dengan membagi MRC
dalam tiga daerah, yaitu: A, B, dan C.
2. Aturan Tiga Titik
Bila ada tiga buah titik secara berurutan berada pada salah satu sisi, yang mana
dua diantaranya jatuh pada daerah A.
32

3. Aturan Lima Titik
Bila ada lima buah titik secara berurutan berada pada salah satu sisi, yang mana
empat diantaranya jatuh pada daerah B.
4. Aturan Delapan Titik
Bila ada delapan buah titik secara berurutan berada pada salah satu sisi, pada
daerah C. Adapun gambar metode peramalan dapat dilihat pada gambar 2.8.
MRC
Out Of Control?
Funsi Penyebab
diketahui?
Gunakan fungsi yang
diperoleh untuk
meramalkan
Gejala tersebut bukan
bersifat random sehingga
data menyimpang
Menghitung kembali
parameter fungsi tersebut
dengan menghilangkan
titik-titik out of control
sehingga diperoleh fungsi
yang baru dengan jumlah
data yang baru (data
berkurang)
Ganti dengan
fungsi baru
Tidak
Ya
Tidak
Ya
Ulangi
Kembali

Gambar 2.8. Proses Verifikasi Metode Peramalan

2.2. Perencanaan Produksi
Peningkatan daya saing industry, salah satunya dapat dicapai melalui
perencanaan produksi. Perencanaan produksi berhubungan dengan penentuan
volume, ketepatan waktu penyelesaian, utilisasi kapasitas, dan pemerataan beban.
Rencana produksi dalam hal ini harus terkoordinasi dengan perencanaan
perusahaan. Ada beberapa tipe perencanaan produksi. Berdasarkan periode
33

waktunya, aka nada perencanaan jangka panjang, perencanaan jangka menengah,
dan perencanaan jangka pendek. Ketiga jenis perencanaan ini memerlukan proses
perencanaan yang berbeda satu sama lain.
Perencaaan produksi adalah pernyataan rencana produksi ke dalam bentuk
agregat. Perencanaan produksi ini merupakan alat komunikasi antara manajemen
teras (top management) dan manufaktur. Di samping itu juga, perencanaan
produksi merupakan pegangan untuk merancang jadwal induk produksi. Beberapa
fungsi lain perencanan produksi adalah:
- Menjamin rencana penjualan dan rencana produksi konsisten terhadapa
rencana strategis perusahaan
- Sebagai alat ukur performansi proses perencanaan produksi
- Menjamin kemampuan produksi konsisten terhadap rencana produksi
- Memonitor hasil produksi aktual terhadap rencana produksi dan membuat
penyesuaian.
- Mengatur persediaan produk jadi untuk mencapai target produksi dan rencana
strategis.
- Mengarahkan penyusunan dan pelaksanaan Jadwal induk Produksi.

2.2.1. Tujuan Perencanaan Produksi
Tujuan perencanan produksi adalah:
1. Sebagai langkah awal untuk menentukan aktivitas prduksi yaitu sebagai
referensi perencanaan lebih rinci dari rencana agregat menjadi item dalam
jadwal induk produksi.
2. Sebagai masukan rencana sumber daya sehingga perencanaan sumber daya
dapat dikembangkan untuk mendukung perencanaan produksi.
3. Meredam (stabilisasi) produksi dan tenaga kerja terhadap fluktuasi
permintaan.

2.2.2. Karakteristik Perencanaan Produksi
Agar manajemen teras dapat memfokuskan seluruh tingkat produksi tanpa
harus rinci, maka perencanaan produksi dinyatakan dalam kelompok produk atau
famili (agregat). Satuan unit yang dipakai dalam perencanaan produksi bervariasi
34

dari satu pabrik ke pabrik lain. Hal ini bergantung dari jenis produk seperti: ton,
liter, kubik, jam mesin atau jam orang. Jika satuan menit sudah ditetapkan maka
faktor konversi harus ditetapkan sebagai alat komunikasi dengan departemen
lainnya seperti departemen pemasaran dan akuntansi. Satuan unit di atas harus
dikonversikan dalam bentuk satuan rupiah. Di samping menjaga faktor konversi
diperlukan untuk menterjemahkan.
perencanaan produksi ke jadwal produksi induk produksi. Perencanaan
produksi mempunyai waktu perencanaan yang cukup panjang, biasanya 5 tahun.
Rencana ini digunakan untuk perencanaan sumber daya seperti ekspansi,
pembelian mesin. Proses peramalan telah memberikan informasi mengenai
besarnya permintaan akan produk yang direncanakan. Langkah selanjutnya adalah
membuat rencana produksinya itu sendiri. Dalam hal ini tidak semua permintaan
dari hasil peramalan mungkin bisa diproduksi karena kapasitas produksi yang
dimiliki tidak mencukupi. Pada dasarnya perencanaan produksi adalah upaya
menjabarkan hasil peramalan menjadi rencana produksi yang layak dilakukan
dalam bentuk jadwal rencana produksi. Banyak metode yang dapat dilakukan
untuk maksud tersebut, salah satunya adalah perencanaan agregat.

2.3. Perencanaan Agregat
Perencanaan agregat merupakan salah satu metode dalam perencanaan
produksi. Dengan menggunakan perencanaan agregat maka perencanaan produksi
dapat dilakukan dengan menggunakan satuan produk pengganti sehingga keluaran
dari perencanaan produksi tidak dinyatakan dalam tiap jenis produk (individual
produk).
Perencanaan Agregat adalah perencanaan yang dibuat untuk menentukan
total permintaan dari seluruh elemen produksi dan jumlah tenaga kerja yang
diperlukan (David D. Bedworth). Perencanaan agregat adalah proses perencanaan
kuantitas dan pengaturan waktu keluaran selama periode waktu tertentu (tiga
bulan sampai satu tahun) melalui penyesuaian variabel-variabel tingkat produksi
karyawan, persediaan, variabel yang dapat dikendalikan lainnya (T. Hani
Handoko).
35

Jadi dalam perencanaan agregat, tidak dihasilkan rencana dalam bentuk
individual produk melainkan dalam betuk agregat produk. Penggunaan satuan
agregat ini dilakukan mengingat keuntungankeuntungan yang dapat diperoleh
antara lain:



a. Kemudahan dalam pengolahan data
Dengan menggunakan satuan agregat maka pengolahan data tidak dilakukan
untuk setiap individual produk. Keuntungan ini akan semakin terasa jika
pabrik tempat perencanaan dilakukan memproduksi banyak jenis produk.
b. Ketelitian hasil yang didapatkan
Dengan hanya mengolah satu jenis data produk maka kemungkinanuntuk
menerapkan metode yang canggih semakin besar sehinggaketelitian hasil
yang didapatkan semakin baik.
c. Kemudahan untuk melihat dan memahami mekanisme system produksi yang
terjadi dalam implementasi rencana.

2.3.1. Strategi Perencanaan Agregat
Ada beberapa strategi yang dapat dilakukan untuk melakukan perencanaan
yaitu dengan melakukan manipulasi persediaan, laju produksi, jumlah tenaga
kerja, kapasitas atau variabel terkendali lainnya. Jika perubahan dilakukan
terhadap suatu variabel sehingga terjadi perubahan laju produksi disebut sebagai
strategi murni (pure strategy). Sebaliknya, strategi gabungan (mixed strategy),
merupakan gabungan perubahan dua atau lebih strategi murni sehingga diperoleh
perencanaan produksi fleksibel.
Seandainya datangnya permintaan dari konsumen bersifat rutin dan dapat
diketahui dengan pasti baik besarnya maupun waktunya maka perencanaan
produksi tidak diperlukan lagi. Namun pada kenyataannya pola permintaan ini
tidak dapat ditentukan dengan pasti. Masalah tersebut mengakibatkan perusahaan
harus menemukan cara atau strategi berproduksi agar fluktuasi permintaan
tersebut dapat diantisipasi tentu saja dengan cara yang ekonomis sehingga tujuan
36

perusahaan mencari keuntungan dapat tercapai. Jadi dalam perencanaan agregat,
tidak dihasilkan rencana dalam bentuk individual produk melainkan dalam betuk
agregat produk. Penggunaan satuan agregat ini dilakukan mengingat keuntungan-
keuntungan yang dapat diperoleh antara lain:



a. Kemudahan dalam pengolahan data
Dengan menggunakan satuan agregat maka pengolahan data tidak dilakukan
untuk setiap individual produk. Keuntungan ini akan semakin terasa jik
pabrik tempat perencanaan dilakukan memproduksi banyak jenis produk.
b. Ketelitian hasil yang didapatkan
Dengan hanya mengolah satu jenis data produk maka kemungkinan untuk
menerapkan metode yang canggih semakin besar sehingga ketelitian hasil
yang didapatkan semakin baik.
c. Kemudahan untuk melihat dan memahami mekanisme sistem produksi yang
terjadi dalam implementasi rencana.
Secara garis besar terdapat tiga strategi murni yang dapat dilakukan untuk
menghadapi fluktuasi permintaan ini, yaitu :
1. Melakukan pengaturan setiap saat atas jumlah tenaga kerja yang
dipergunakan dalam hal ini merekrut tenaga kerja baru bila permintaan
meningkat dan memberhentikan sebagian tenaga kerja bila permintaan
menurun.
2. Tetap mempertahankan jumlah tenaga kerja tetapi yang diatur adalah
kecepatan produksi, misahiya jika permintaan meningkat kecepatan produksi
ditingkatkan dengan mengadakan jam lembur.
3. tetap mempertahankan baik jumlah tenaga kerja maupun kecepatan produksi
dan untuk mengatasi flukruasi permintaan diadakan persediaan (inventory).
Masing-masing strategi akan memberikan konsekuensi ongkos. Dalam
kenyataannya mengandalkan pada strategi tersebut secara murni seringkali
menimbulkan ongkos yang masih tidak ekonomis sehingga strategi yang
digunakan adalah mengkombinasikan ketiga strategi tersebut.
37

A. Strategi Perencanaan Agregat Secara Murni (Pure Strategy)
Dikatakan pure strategy, jika perubahan dilakukan terhadap suatu variabel
sehingga terjadi perubahan laju produksi. Beberapa strategi murni yaitu:
a. Mengendalikan jumlah persediaan
Persediaan dapat dilakukan pada saat kapasitas produksi di bawah permintaan
(demand). Persediaan ini selanjutnya dapat digunakan pada saat permintaan
berada di atas kapasitas produksi.
b. Mengendalikan jumlah tenaga kerja
Manajer dapat melakukan perubahan jumlah tenaga kerja dengan menambah
atau mengurangi tenaga kerja sesuai dengan laju produksi yang diinginkan.
Tindakan lain yang dapat dilakukan yaitu dengan melakukan jam lembur.
c. Subkontrak
Subkontrak dapat dilakukan untuk menaikkan kapasitas perusahaan pada saat
perusahaan sibuk sehingga permintaan dapat dipenuhi.
d. Mempengaruhi demand
Karena perubahan permintaan merupakan faktor utama dalam masalah
perencanaan agregat, maka pihak manajemen dapat melakukan tindakan,
yaitu dengan mempengaruhi pola permintaan itu sendiri.

B. Strategi Perencanaan Agregat Secara Gabungan (Mixed Strategy)
Setiap pure strategy akan melibatkan biaya yang besar dan sering pure
strategy menjadi tidak layak, oleh karena itu kombinasi dari pure strategy ini
menjadi mixed strategy lebih sering digunakan. Ketika suatu perusahaan
mempertimbangkan kemungkinan dari pencampuran strategi yang bervariasi
dengan tidak terbatasnya rasio untuk melakukan strategi yang bervariasi tersebut,
maka perusahaan baru akan menyadari tantangan yang sedang dihadapinya.
Bagian pengendalian produksi dan bagian pemasaran harus menghasilkan master
schedule yang mencakup beberapa kebijakasanaan perubahan dan prosedur
pengoperasian. Karena masalah yang kompleks ini, maka dalam pengendalian
keputusan diperlukan diskusi tentang THE VALUE OF DECISION RULES.

C. Produksi Pada Tingkat Konstan (Tenaga Kerja Tetap)
38

Produksi pada tingkat konstan artinya dengan tenaga kerja tetap.
Kemungkinan yang terjadi adalah dengan menumpuk atau menggunakan
persediaan, atau menambah dan mengurangi backlog atau dengan menambah atau
mengurangi sub kontrak. Dalam perhitungan strategi ini biasanya disebut dengan
alternatif 1 atau strategi 1.


Tabel yang digunakan:
Alternatif 1
Tabel 2.1. Kapasitas
PERIODE
(T)
REGULAR TIME
(UNIT)
OVER TIME
(UNIT)
SUB KONTRAK
(UNIT)



Tabel 2.2. Alternatif 1
P(t) HK
D
(unit)
RMH
(jam
orang)
UPRT
(unit)
UPOT
(unit)
SK
(unit)
H
LAY OFF
(orang)
IA
(unit)

Total

Keterangan:
P = Periode SK = Sub Kontrak
HK =Hari Kerja D = Demand
H = Hirring IA = Inventori Akhir

2.3.2. Nilai dari Aturan-aturan Pengambilan Keputusan (The Value of
Decision Rules)
39

Kecepatan produksi p (unit produk/bulan)
O
n
g
k
o
s

p
r
o
d
u
k
s
i

w
a
k
t
u

l
e
m
b
u
r
Untuk menentukan perubahan production level merupakan keputusan yang
sulit, dan akan melibatkan uang dan waktu dalam jumlah yang sangat besar.
Dengan menentukan decision rules, manajer pengendalian produksi dan manajer
pengoperasian akan menetapkan aturan mainnya. Setelah penerapan beberapa
kebijaksanaan dan mengurangi perubahan terhadap kebijaksanaan ini, maka
keputusan mingguan dapat diambil untuk menyelesaikan masalah-masalah
pengoptimal sumber daya. Untuk mengoptimalkan aturan ini, perlu ditinjau
struktur biaya yang terjadi.
2.3.2.1. Ongkos-ongkos
A. Ongkos Upah Normal dan Ongkos Lembur (Normal and Over time Cost)
Perbandingan antara ongkos produksi dan tingkat produksiadalah
merupakan suatu perbandingan kurva garis lurus. Kenaikan yang tiba-tiba
mungkin disebabkan oleh adanya penambahan peralatan yang baru. Ongkos
produksi regular time diasumsikan untuk para pekerja fulltime. Ongkos ini akan
meningkat sesuai dengan bertambahnnya jumlah pekerja. Adapun grafik ongkos
ini dapat dilihat pada gambar 3.9.












Gambar 2.9. Ongkos Produksi Waktu Reguler

Tetapi selain itu perusahaan juga harus menentukan berapa faktor biaya,
antara lain mempertahankan jumlah tenaga kerja yang perubahannya disebabkan
oleh tekanan sosial, pendapat masyarakat, tingginya biaya pelatihan. Dengan
40

memasukkan faktor-faktor ini biaya tenaga kerja akan menjadi konstan, seperti
terlihat pada gambar 3.10.
Ukuran tenaga kerja W
O
n
g
k
o
s

p
r
o
d
u
k
s
i

w
a
k
t
u

r
e
g
u
l
e
r

Gambar 2.10. Ongkos Tenaga Kerja

Bentuk kurva dan ongkos waktu lembur (overtime) dari jumlah tenaga kerja dapat
dilihat pada gambar 3.11.

Laju produksi
O
n
g
k
o
s

p
r
o
d
u
k
s
i
Kapasitas pada
waktu reguler atau
kapasitas desain
Operasi pada
waktu lembur
Kapasitas
dibawah

Gambar 2.11. Ongkos Waktu Lembur dan Tunda

Biaya ini dijaga agar tetap minimum, pada saat fasilitas dioperasikan pada
level yang optimum. Biaya akan meningkat jika perusahaan beroperasi pada
kapasitas yang rendah. Dengan peningkatan permintaan, maka produksi akan
semakin terjadwal.

41



B. Ongkos Perubahan Kecepatan Produksi
Biaya akibat perubahan tingkat produksi bisa disebabkan oleh jumlah tenaga
kerja perubahan biaya, pemberhentian dan perekrutan tenaga kerja, dapat dilihat
gambar 3.12.

Kecepatan produksi
P
e
r
u
b
a
h
a
n

o
n
g
k
o
s

Gambar 2.12. Ongkos Perubahan Tingkat Tenaga Kerja

Dengan bertambahnya jumlah tenaga kerja, biaya-biaya yang dikeluarkan
antara lain: Ongkos rekrut, ongkos pelatihan, yang menyebabkan turunnya
produktivita selama periode tertentu. Begitu juga dengan pemberhentian tenaga
kerja. Biaya peningkatan produksi dan penurunan tingkat produksi adalah
berbeda.

C. Ongkos Persediaan, Permintaan/Kekurangan Pesanan
Tingkat persediaan agregat yang optimum, merupakan pendekatan dari
jumlah rata-rata safety stock dan dari optimum batch size, yang ditentukan dari
tiap item, seperti yang terlihat pada gambar 3.13.
42

Periode
Ukuran
optimal
batch
Safety Stock

Gambar 2.13. Tingkat Inventori Agregat

Total ongkos selama periode yaitu:
C
i
= I
1
r + I
2
r + I
3
r + + I
n
r
C
i
= I
1
n.r
Ongkos persediaan berkisar antara 5% sampai 90% dari harga item tersebut.
Total ongkos persediaan adalah merupakan jumlah dari ongkos persediaan semua
item.
Biaya back order dan lost sales merupakan masalah keuangan yang sama.
Jika sering terjadi lost sales, maka keadaan ini akan membuka peluang bagi
kompetitor dan menyebabkan semua biaya produksi meningkat. Biaya lost sales
sangat sulit diperkirakan. Dari angka peramalan permintaan, biaya inventory, back
order, digambarkan pada gambar 3.14.

O
n
g
k
o
s
Inventori optimal

Gambar 2.14. Biaya Inventori dan Shortage
43

D. Ongkos Subkontrak
Alternatif lain untuk merubah tingkat produksi dan persediaan, sebuah
perusahaan bisa memilih subkontrak untuk memenuhi permintaan. Subkontrak
bisa juga tidak menguntungkan, karena akan akan menyebabkan biaya yang lebih
besar dan akan membuka peluang kompetitor. Selain itu subkontrak juga sulit
dijalankan, karena untuk mencari supplier yang on time dan reliable tidak mudah.

2.3.3. Metode-metode Perencanaan Agregat
Banyak metode yang telah dikembangkan untuk perencanaan agregat ini
tetapi pada dasarnya dapat dikelompokkan menjadi dua kelompok yaitu:
a. Dengan pendekatan Optimasi :
Progamma linier
Aturan HMMS (Linier Decision Rule)
Search Decision Rule, dan Iain-lain
b. Dengan pendekatan Heuristik :
metode grafik
metode koefisien manajemen
metode parametric, dan Iain-lain
Tidak semua metode ini akan dijelaskan pada buku ini, namun pada
prinsipnya semua metode yang ada akan menghasilkan kecepatan produksi pada
periode perencanaan yang dibuat, jumlah tenaga kerja yang digunakan, serta
tingkat persediaan yang terjadi.

2.3.3.1. Perencanaan Agregat dengan Metode Grafis
Metode grafis ini adalah metode perencanaan agregat yang sangat sederhana
dan mudah dipahami. Dasar metode ini sebenamya adalah "trial and error"
dengan melihat gambaran antara permintaan kumulatif dan rata-rata permintaan
kumulatifnya. Secara garis besar langkah perencanaan yang dilakukan adalah
sebagai berikut:
1. Gambarkan histogram permintaan dan tentukan kecepatan produksi (Pt) rata-
rata yang diperlukan untuk memenuhi permintaan.
44

2. Gambarkan grafik permintaan kumulatif terhadap waktu serta grafik
permintaan rata-rata kumulatif terhadap waktu. Identiflkasikan periode-
periode tempat terjadinya kekurangan barang (back order) dan periode-
periode adanya kelebihan barang (inventory).
3. Tentukan strategi yang akan digunakan untuk menanggulangi kekurangan dan
kelebihan barang tersebut.
4. Hitung ongkos yang ditimbulkan oleh setiap strategi dan pilih yang
memberikan ongkos terkecil.

2.3.3.2. Perencanaan Agregat dengan Metode Tabular (Model Transportasi)
Metode transportasi merupakan metode linear programming yang
disederhanakan. Metode ini memberikan hasil yang optimal jika kasus yang
diselesaikan sesuai dengan asumsi atau persyaratan masalah transportasi. Asumsi
metode transportasi adalah sebagai berikut:
1. Kapasitas produksi dan permintaan dinyatakan dalam satuan yang sama.
2. Total kapasitas sama dengan total permintaan dalam horizon yang sama. Jika
keadaan ini tidak terpenuhi, maka harus dibuat kapasitas atau permintaan
buatan atau dummy dengan biaya nol per unit, sehingga sistem jadi seimbang.
3. Semua hubungan biaya linier.
Sasarannya metode transportasi adalah meminimumkan biaya total
(produksi reguler, subkontrak, lembur, menganggur, dan penyimpanan). Metode
matematis untuk menyelesaikan masalah transportasi ini ada banyak, di antaranya
metode northwest corner rule (NCR), metode vogel's approximated methods
(VAM), metode least cost, dan Iain-lain.

2.3.3.3. Perencanaan Agregat dengan Metode Programma Linier
Metode transportasi melakukan perhitungan dengan variabel yang relatif
kecil. Jika variabel penambahan pengurangan tenaga kerja dilibatkan, maka model
transportasi akan menggunakan biaya denda (penalty cost) akibat aktifitas
tersebut. Dengan menggunakan programma linier, biaya-biaya tersebut dapat
dihitung secara eksplisit. Programma linier memberi solusi strategi hibrid
45

sehingga biaya total minimum. Asumsi yang digunakan untuk menggunakan
model ini yaitu:
1. Laju permintaan (demand rate) Dt diketahui dan diasumsikan deterministi.
2. Biaya produksi pada jam kerja normal linier dan asumsikan biaya produksi
normal, biaya produksi lembur dan biaya subkontrak secara berturut
memiliki besaran C3>C2>C1.
3. Biaya perubahan biaya produksi berfungsi linier.
4. Batas atas dan batas bawah mempresentasikan ketersediaan kapasitas
produksi dan tempat penyimpanan
5. Biaya yang timbul berkaitan dengan adanya persediaan/backlog
Dalam model ini diasumsikan bahwa yang menjadi fungsi tujuan adalah
minimisasi biaya produksi, penambahan-pengurangan tenaga kerja, lembur
menganggur dan persediaan.

2.4. Disagregasi
Pada perencanaaan produksi tidak dibahas produk yang diproduksi secara
rinci melainkan dalam bentuk agregat yaitu satuan yang mempresentasikan
kumpulan beberapa produk. Agar rencana tersebut dapat diimplementasikan, perlu
dilakukan disagregasi dalam jumlah produksi masing-masing produk individu
(item). Hasil disegregasi ini menjadi jadwal induk produksi dan merupakan
masukan untuk perencanaan kebutuhan material.
Ada beberapa metode yang mencoba untuk memecahkan permasalahan
disagregasi. Berikut ini akan dibahas suatu metode yang dikembangkan Hax dan
Bitran.
Metode ini terdiri dari 2 algoritma yaitu:
1. Algoritma untuk memecahkan rencana agregat dalam jumlah produk famili.
2. Algoritma untuk memecahkan jumlah produksi famili dalam jumlah produk
individu (item).
Sebelum melanjutkan prosedur di atas, terlebih dahulu akan dibahas istilah-
istilah yang digunakan dalam campuran produk (product mix). Famili
didefenisikan sebagai sekumpulan produk sejenis yang layak diproduk bersama,
dipandang dari sudut ekonomi dan teknologi. Dengan kata lain, karena biaya
46

pergantian produksi dari satu famili ke famili lain besar, perlu dilakukan
perencanaan untuk menentukan famili mana yang akan diproduksi sebelum
menentukan untuk pindah ke famili lainnya. Secara umum, di dalam suatu pabrik
ada beberapa famili. Kumpulan famili disebut tipe produk.
Langkah pertama prosedur ini yaitu menetukan famili mana yang akan
diproduksi. Hal ini dilakukan dengan mempertimbangkan jumlah produk tersedia
dan jumlah permintaan setiap produk dalam famili. Jika expektasi jumlah produk
pada akhir periode lebih kecil dari persediaan cadangan (safety stock), maka
seluruh produk dalam famili tersebut diproduksi. Secara formula untuk produk j
dalam famili, jika jumlah expektasi qij
t
pada akhir periode t lebih kecil dari
persediaan cadangan Ssij, seluruh produk di dalam famili akan diproduksi. Jika
Iij
t-1
adalah jumlah persediaan produk pada akhir periode t-1 dan jumlah
permintaan adalah Dij.t maka jika:
qij
t
= Iij
t-1
- Dij
t

Hasil yang diperoleh dari proses disagregasi adalah:
a. Demand tiap end item.
b. On hand tiap end item.
c. Master Production Schedule.

Metode yang digunakan dalam proses disagregasi adalah:
a. Metode Heuristik.
b. Metode Analitik.
c. Linier Progrmming method.
d. Integer Programming method.
e. Family Set Up Method.

Metode-metode dalam diasgregasi:
1. Pendekatan Hax and Meal.
2. Pendekatan Britian and Hax.
3. Rencana yang lebih tinggi menjadi pembatas atau kendala bagi rencana
tingkat rendah.
47

4. Agregat taktis.

Tabel yang digunakan:
Tabel 2.3. Tabel Disagregasi
Family
(I0)
Item
(J)
Inventory
(I
ij t-1
)
Demand
(D
ij.t
)
Konversi
(K
ij
)
K
ij
D
ij t











Tujuan dari proses disagregasi ialah untuk menyusun jadwal induk
produksi.

2.4.1. Langkah-langkah Disagregasi
1. Menentukan famili yang akan diproduksi
Suatu famili akan diproduksi bila salah satu item j dari famili tersebut
memenuhi syarat sebagai berikut:
I
ij
.
t-1
-D
ij.t
SS
ij

Dengan:
I
ij
.
t-1
= tingkat persediaan pada akhir periode t-1 dari item j famili i
D
ij . t
= permintaan item j famili i pada periode t
SS
ij
= cadangan pinjaman (safety stock) item j dalam famili i
Item yang berjumlah kurang dari safety stock (SS
ij
) harus segera dibuat
supaya tidak terjadi kekurangan. Lihat tabel 2.2.

Tabel 2.4. Contoh Item yang Jumlahnya Kurang Dari Safety Stock
Famili
i
Produk
j
Persediaan
nI
ij . t-1

Permintaan
D
ij . t

Konversi
K
ij

Persediaan
cadangan
SS
ij
Ekspektasi
Jumlah
I
ij . t-1
D
ij . t
A
A
1
2
240
285
170
200
0.85
1.10
50
75
70
85
48

A
B
B
B
B
C
C
C
3
4
5
6
7
8
9
10
122
223
290
193
420
235
135
180
100
130
170
110
210
150
100
140
0.90
1.15
1.05
1.20
1.15
0.75
0.85
0.80
40
50
50
40
60
40
50
50
22
93
120
83
210
85
35
40



2. Disagregasi famili
Tujuan : Menentukan jumlah yang diproduksi untuk masing-masing famili
terpilih.
Syarat : Jumlah keseluruhan dari semua famili harus sama dengan rencana
agregat.
Model Pemecahan : Bitran and Hax
Jika z: semua item yang akan diproduksi maka modelnya adalah:
Min
e
+ =
i j
kij.t
i
x
i
s
2
i
x
i
h
z
Z
i
V e
Kendala
e
- =
z i
x
i
x

x
i
LB
i
x
i
UB
i

S
i
= set-up cost untuk memproduksi famili I
x* = produksi yang diinginkan (hasil perencanaan agregat)
K
ij
= faktor konversi item j famili I selama periode produksi t
D
ij.t
= demand item j famili i selama periode produksi t
h
i
= ongkos simpan famili i
x
i
= jumlah unit famili i yang akan diproduksi
LB
i
= batas bawah produksi famili i
UB
i
= batas akhir produksi famili i
Batas bawah dihitung untuk menjamin safety stock selama periode produksi
49


e
(

|
.
|

\
|
+

=
i f
ij
SS
1 ij.t
I
ij.t
D
ij
K : 0 Max
i
LB
Pada bahasan selanjutnya, LB dan UB dapat di abaikan apabila hal ini
menyulitkan rencana produksi.
Jika - <
e
x
z i
i
UB abaikan UB, produksi di atas UB
Kelebihan produksi diperhitungkan pada ongkos persediaan. Jika ongkos
persediaan sama untuk setiap famili, tingkat produksi adalah:

e
-
= -
z i
i
UB
i
UB x
i
Y
Batas atas dihitung supaya tidak inventori yang berlebihan.
Misal: Inventori Produksi n periode

e
(

|
.
|

\
|
+

|
.
|

\
|
+

=
=
i j
ij
SS
1 ij.t
D k
ij.t
D
1 n
0 k ij
K
i
UB
- Jika
e
- >
z i
X LB infeasible dan persediaan akan berada di bawah
safety stock.
- Dalam kasus ini rencana produksi harus didistribusikan pada semua
famili dalam Z untuk menghindari ongkos stock-out yang besar.

e
-
= -
z i
i
LB
i
LB x
i
Y
- Jika
e
s
e
- s
z i
i
UB
z i
X
i
LB maka logaritma disagregasi famili
adalah:
Tentukan += 1, P = X* dan Z = z untuk iterasi 1
Langkah 1: Untuk semua i Z hitunglah;

P
z i i j
ij.t
D
ij
K
i
S
ij.t
D
ij
K
i
S

i
Y

e

e
|
.
|

\
|

|
.
|

\
|
=
Langkah 2: Untuk semua i Z
50

Jika
i
UB

i
Y
i
LB s s
Maka
b
j
Y
*
i
Y =
Untuk famili lain lanjutkan langkah 3
Langkah 3: Bagilah famili yang lain menjadi 2 kelompok.
{ }
i
UB
i
Y

Z i

Z > = e =
+
untuk seluruh famili dimana
i
UB

i
Y >
{ }
i
LB
i
Y

Z i

Z < = e =

untuk seluruh famili dimana


i
LB

i
Y <
Hitunglah: |
.
|

\
|

+
e
=
+
1
UB

i
Y
z i

A
|
.
|

\
|

+
e
=

i
Y
i
LB
z i

A
Lanjutkan ke langkah 4
Langkah 4:

>
+
A A jika maka
i
UB
*
i
Y = semua

Z i
+
e

<
+
A A jika maka
i
LB
*
i
Y = semua

Z i

e
* Z
1
Z 1, =
+
+ = - {semua famili yang telah
didapatkan hasil nya -
*
i
Y }
i
Y

1
=
+
(untuk semua i yang dijadwalkan pada
iterasi )
Jika Z
+1
= stop
Jika tidak, kembali ke langkah 1.

3. Disagregasi item
Langkah 1: Untuk setiap famili yang diproduksi, tentukanlah jumlah
periode (N) dimana:
51


(
(

+
=

e
s
1 t
ij
I
ij
SS
ijn
D
N
1 n
ij
K
i j
*
i
Y
Langkah 2: Hitunglah
*
1
Y
N
1 t
ij
I
ij
SS
ijn
D
ij
K
i
E
(
(

+ =
Langkah 3: Untuk setiap item dalam famili i, hitunglah jumlah yang
akan diproduksi.

N
ij
D
ij
K
i j
N
ij
D
i
E
1 t
ij
I
ij
SS
ijn
D
N
1 n
*
ij
Y

+ +
=
=
Jika Y
ij
* < 0 untuk item apa saja misal: J = maka Y
i
*=0 keluarkan dari
famili dan kurangi pembagi dalam persamaan di atas dengan k
id
Dis N.

2.5. Jadwal Induk Produksi
Jadwal induk produksi (JIP) adalah pernyataan produk akhir (end item) apa
saja yang akan diproduksi dalam bentuk jumlah dan waktu (kapan). Jadwal induk
produksi merupakan disagregasi dan implementasi perencanaan produksi
(agregate).
Jadwal induk produksi adalah suatu set perencanaan yang
mengidentifikasikan kuantitas dari item tertentu yang dapat dan akan dibuat oleh
suatu perusahaan manufaktur (dalam satuan waktu).
Informasi yang dibutuhkan untuk membuat MPS, yaitu:
Production Plan.
Demand Data.
Inventory Status.
Ordering Policy.

2.5.1. Konsep Dasar Tentang Aktivitas Penjadwalan Produksi Induk
Sebelum memulai pembahasan tentang penjadwalan produksi induk (Master
Production scheduling = MPS) perlu dikemukakan kedua istilah tentang MPS
yang digunakan secara bersamaan, yaitu:
52

1. Penjadwalan Induk Produksi (Master Production Schedule).
2. Jadwal Induk Produksi (Master Production Schedule).

Pada dasarnya istilah jadwal induk produksi (Master Production Schedule)
merupakan hasil dari aktivitas penjadwalan induk produksi (Master Production
Schedule). MPS merupakan suatu pernyataan tentang produk akhir (termasuk
parts pengganti dan suku cadang) dari suatu perusahaan industri manufaktur yang
merancang memproduksi output berkaitan dengan kuantitas dan periode waktu.
MPS mendisagregasikan dan mengimplementasikan rencana produksi. Apabila
rencana produksi yang merupakan hasil dari proses perencanaan produksi
dinyatakan dalam bentuk agregat, jadwal induk produksi yang merupakan hasil
dari proses penjadwalan induk produksi dinyatakan dalam konfigurasi spesifik
dengan nomor-nomor item yang ada dalam Item Master dan BOM (Bill Of
Material) Files.
Aktivitas penjadwalan induk produksi berkaitan dengan bagaimana
menyusun dan memperbaharui jadwal induk produksi. Seperti: memproses
transaksi, memelihara catatan-catatan, mengevaluasi efektivitas dari MPS, dan
memberikan laporan evaluasi dalam periode waktu yang teratur untuk keperluan
umpan-balik dan tinjauan ulang. Berdasarkan uraian di atas, kita mengetahui
bahwa MPS berkaitan dengan pernyataan tentang produksi, bukan pernyataan
tentang permintaan pasar. MPS sering didefinisikan sebagai Anticipated Build
Schedule untuk item-item yang disusun oleh perencana jadwal induk produksi
(Master schedule).
MPS berkaitan dengan aktivitas melakukan empat fungsi utama berikut:
1. Menyediakan atau memberikan input utama kepada sistem perencanaan
kebutuan material dan kapasitas (material and capacity requirements
planning = M&CRP).
2. Menjadwalkan pesanan-pesanan produksi dan pembelian (production and
purchase orders) untuk item-item MPS.
3. Memberikan landasan untuk penentuan kebutuhan sumber daya dan
kapasitas.
53

4. Memberikan basis untuk pembuatan janji tentang penyerahan produk
(delivery promises) kepada pelanggan.

2.5.2. Fungsi Jadwal Induk Produksi
Jadwal induk produksi memiliki empat fungsi penting, yaitu:
1. Menjadwalkan produksi dan pembelian material untuk produk (item). Jadwal
induk produksi menyatakan kapan, jumlah dan due date produk harus
dipesan.
2. Menjadikan masukan data sistem perencanaan kebutuhan material. Jadwal
induk produksi dijabarkan menggunakan bill of material untuk menentukan
jumlah kebutuhan komponen material dan perakitan sehingga jadwal induk
produksi dapat dipenuhi.
3. Sebagai dasar penentuan kebutuhan sumber daya, seperti tenaga kerja, jam
mesin, atau energi melalui perhitungan perencanaan kapasitas kasar. Karena
jadwal induk produksi dinyatakan dalam satuan produk (bukan aggregate),
perencanaan kapasitas dapat dilakukan lebih rinci.
4. Sebagai dasar untuk menentukan janji pengiriman produk kepada konsumen.
Dengan mengalokasikan jumlah unit produk dalam penjadwalan, maka
pengendalian jumlah produk yang belum teralokasi dapat diketahui sehingga
pembuatan janji dapat diperkirakan lebih akurat.

2.5.3. Hubungan Jadwal Induk Produksi dan Perencanaan Agregat
Perencanaan agregat adalah suatu langkah pendahuluan perencanaan
kapasitas secara terperinci. Perencanaan agregat merupakan dasar untuk membuat
jadwal induk produksi (JIP). Jadwal induk produksi menyajikan rencana produksi
detail untuk setiap produk akhir. Proses penyusunan jadwal induk produksi untuk
perusahaan yang 'Make to Stock' akan berbeda dengan perusahaan yang 'Make to
Order'. Hal ini dikarenakan sumber informasi permintaan (kebutuhan) yang
berbeda. Bagi perusahaan yang 'Make to Stock', informasi permintaan didapat dari
hasil peramalan. Bagi perusahaan yang 'Make to Order', informasi permintaan
diperoleh dari order-order (pesanan) yang diterima dari pelanggan.
54

Jadwal induk produksi adalah rencana tertulis yang menunjukkan apa dan
berapa banyak setiap produk (barang jadi) yang akan dibuat dalam setiap periode
untuk beberapa periode yang akan datang. Contoh jadwal induk produksi seperti
terlihat pada tabel 2.1.

Tabel 2.5. Contoh Jadwal Induk Produksi
Produk Spesifikasi
Rencana Produksi (unit) untuk Bulan Januari
Minggu I Minggu II Minggu III Minggu IV
A - 100 200 50
B - 200 200 200
C Tipe VIP 300 100
D Tipe Biasa 200 400 100


Jadwal induk produksi ini merupakan rencana induk (master) yang akan
dijadikan pedoman utama dalam rencana pengerjaan, kebijakan persediaan,
kebijakan finansial, pembebanan tenaga kerja, penjadwalan mesin, kebijakan
alternatif produksi: reguler, lembur, subkontrak dan Iain-lain. Karena jadwal
induk produksi merupakan sumber rencana dan kebijakan bagi departemen lain
dan departemen shop floor (lantai pabrik), maka dalam membuat jadwal induk
produksi ini harus ada koordinasi dengan depatemen terkait dan dengan
keterbatasan sumber daya (kapasitas) perusahaan.
Pembuatan jadwal induk produksi ini relatif sulit, karena order atau
permintan bersifat tidak pasti. Order dan permintaan, 'Produk apa, kapan, dan
berapa jumlah' yang diminta atau dipesan tidak dapat dipastikan. Dalam satu
periode mungkin saja terjadi ada permintaan untuk banyak jenis produk secara
bersamaan dan dalam jumlah besar, padahal kapasitas produksi terbatas. Untuk
meresponsnya, perusahaan mungkin meningkatkan kapasitas produksinya,
misalkan merekrut tenaga kerja di luar reguler. Periode berikutnya, ternyata
permintaan ini akan menurun drastis dalam jenis dan jumlahnya. Bagaimana
dengan tenaga kerja nonreguler yang terlanjur direkrut. apakah akan dilepas?
Periode berikutnya ternyata permintaan banyak lagi. Rekrut lagi, terus lepas lagi.
54

Tentunya hal ini tidak mungkin dilakukan. Alinea berikut akan menjelaskan
akibat-akibat bila jadwal induk produksi tidak disusun secara tepat.
- Akibat 1, produksi tidak sesuai permintaan. Jumlah produksi terlalu
banyak akan berisiko modal tertanam pada persediaan. Semestinya modal
dapat diputar (diinvestasikan) pada kegiatan lain yang lebih menguntungkan
atau ditabung di bank untuk dapat bunga. Risiko lainnya adalah timbulnya
persediaan. Meningkatnya jumlah persediaan akan meningkatkan biaya untuk
penanganan, listrik, dan lainlain, serta risiko barang menjadi rusak. Jumlah
produksi kurang dari permintaan akan mengakibatkan 'stock out'. Konsumen
bisa kecewa, perusahaan tidak jadi dapat keuntungan, dan bahkan konsumen
bisa lari ke pesaing.
- Akibat 2, tidak optimalnya utilisasi kapasitas. Utilisasi (tingkat
penggunaan) kapasitas yang baik adalah jika 80% kapasitas digunakan secara
seragam (tidak naik turun) di setiap periode produksi. Utilisasi rendah
membuat investasi yang sudah ditanamkan (bila besar) sia-sia, bisa jadi
sumber daya lain menjadi stand by, biaya operasi dan opportunity cost terjadi
terus. Utilisasi melebihi beban normal berisiko sumber daya cepat rusak.
- Akibat 3, keterlambatan waktu penyerahan. Konsumen atau pelanggan
yang kecewa karena keterlambatan penyerahan produk bisa lari ke produk
pesaing. Kecuali itu, konsumen yang tidak puas akan bercerita kepada
minimal 11 orang temannya (menurut Philip Kotler).
- Akibat 4, beban produksi tidak merata. Beban kerja yang tidak merata
pada setiap periode akan menimbulkan banyak permasalahan, salah satunya
berhubungan dengan tenaga kerja. Beban kerja yang naik turun setiap periode
mengakibatkan jumlah tenaga kerja yang diperlukan naik turun. Selain mahal,
ancaman protes atau demo adalah hal yang fatal.

Jadwal Induk Produksi yang dibuat perusahaan agar tidak terjadi kasus
semacam ini harus dikoordinasikan dengan semua kapasitas (sumber daya)
perusahaan. Dalam sistem produksi, jadwal induk produksi yang dibuat harus
dikoordinasikan dengan kapasitas produksi (alternatif produksi) yang ada.
Perencanaan agregat adalah salah satu cara untuk mengkoordinasikan pembuatan
55

Jadwal induk produksi tersebut dengan kapasitas dan alternatif produksi yang
sudah eksis.
Sebagai contoh, untuk mengatasi fluktuasi permintaan perencanaan agregat
untuk tenaga kerja dapat dilakukan alternatif berikut.
1. Penyesuaian jumlah tenaga kerja (subkontrak). Berdasar data historis,
manajemen dapat memperkirakan produktifitas rata-rata per tenaga kerja,
sehingga dapat menentukan jumlah tenaga kerja yang diperlukan untuk
memenuhi target produksi per periode. Jika tingkat produksi rendah dapat
dilakukan pelepasan tenaga kerja dan sebaliknya, pada tingkat produksi
tinggi dapat dilakukan perekrutan.
2. Penyesuaia utilisasi tenaga kerja. Pada alternative ini, bila jumlah tenaga
kerja ditetapkan dan digunakan terus tidak berubah jumlahnya. Bila
permintaan meningkat, maka dilakukan lembur.
3. Penyesuaian tingkat persediaan (make to stock). Pada strategi ini digunakan
tingkat jumlah tenaga kerja tetap (seperti pada strategi 2). Beda dengan
strategi 2, produksi setiap periode tetap dengan kapasitas normal. Jika
produksi lebih dari permintaan, hasilnya akan disimpan. Jika suatu saat
permintaan lebih dari produksi, maka diambilkan simpanan yang telah
dilakukan. Kelebihan strategi ini adalah jumlah tenaga kerja tetap, tidak ada
lembur, tidak ada undertime. Apa kelemahannya? Diperlukan tambahan
modal untuk persediaan, padahal modal dapat digunakan untuk kegiatan lain
yang menguntungkan. Perlu biaya penanganan, perlu ruangan, perlu
administrasi, dan risiko rusak.
Untuk mengeliminasi akibat-akibat jadwal induk produksi dari jadwal induk
produksi yang tidak tepat, maka jadwal induk produksi yang dibuat harus
mengakomodasi aspek permintaan, alternatif produksi, dan sumber daya
perusahaan lainnya agar tidak terjadi akibat-akibat seperti yang dikemukakan di
halaman sebelumnya. Perencanaan agregat adalah suatu perencanaan yang
dimaksudkan untuk mengkompromikan tujuan dengan sumber daya (kapasitas
dan alternatif produksi). Bentuk kompromistis misalnya dengan cara penerapan
salah satu kombinasi strategi sumber daya (kapasitas) tenaga kerja pada contoh di
atas.
56

Strategi tenaga kerja yang telah dipaparkan sebelumnya hanya ilustrasi
sederhana dari proses perencanaan agregat. Selain sumber daya tenaga kerja,
perencanaan agregat mengakomodasi keterbatasan mesin, fasilitas produksi, dan
persediaan dalam rangka kompromisitas dengan permintaan. Kriteria optimal dari
kompromi ini umumnya dinyatakan dalam nilai uang. Perencanaan agregat (yang
telah kompromistis ini) selanjutnya digunakan untuk membuat jadwal induk
produksi. Dengan demikian, jadwal induk produksi yang dibuat diharapkan sudah
kompromistis pula dengan sendirinya.

2.5.4. Teknik Penyusunan Jadwal Induk Produksi
Banyak input yang dibutuhkan dalam penyusunan MPS telah dapat
diperoleh berdasarkan laporan dari print out komputer. Pada saat ini telah banyak
program komputer untuk sistem manufakturing yang tersedia, sehingga akan
sangat membantu dalam perhitungan. Dengan demikian, masalah perhitungan
telah terbantu melalui program-program komputer itu. Persoalan nyata adalah
bagaimana memahami konsep-konsep termasuk mekanisme kerja dari sistem
manufacturing itu sendiri. Bentuk atau format umum dari MPS ditunjukan pada
tabel berikut:
Tabel 2.6. Bentuk Umum dari MPS
Description : Safety Stock :
Order Quantity : DTF :
PTF :
Periode Past Due 1 2 3 4
Forecast
Actual Order
Projected Available
Balance (PAB)

Available To
Promise (ATP)

Master Schedule
Planned Order

Safety Stock adalah stok tambahan dari item yang direncanakan untuk
berada dalam inventory yang disajikan sebagai stok pengaman guna mengatasi
fluktuasi dalam ramalan penjualan, pesanan-pesanan pelanggan dalam waktu
57

singkat (short-term customer order), penyerahan item untuk pengisian kembali
inventory dan lain-lain. Safety stock merupakan kebijaksanaan manajemen
berkaitan dengan stabilisasi dari sistem manufacturing, dimana apabila sistem
manufakturing semakin stabil kebijaksanaan stok pengaman ini dapat
diminimumkan.
Sasaran dari sistem manufacturing Just In Time adalah menstabilkan
mekanisme kerja dari sistem manufacturing dengan melibatkan secara langsung
pemasok dan pelanggan dalam sistem manufakturing itu, sehingga kebijaksanaan
terhadap stok pengaman dapat diminimumkan menuju nol (konsep zero
inventory).
DTF (Demand Time fence) adalah periode mendatang dari MPS di mana
dalam periode ini perubahan-perubahan terhadap MPS tidak diizinkan atau tidak
diterima karena akan menimbulkan kerugian biaya yang besar akibat
ketidaksesuaian atau kekacauan jadwal.
PTF (Planning Time Fence) adalah periode mendatang dari MPS di mana
dalam periode ini perubahan-perubahan terhadap MPS dievaluasi guna mencegah
ketidaksesuaian atau kekacauan jadwal yang akan menimbulkan kerugian dalam
biaya. MPS biasanya dinyatakan sebagai Firm Planned Orders (FPO) dalam PTF.
Forecast sales Plan merupakan rencana penjualan atau peramalan penjualan
untuk item yanag dijadwalkan itu. Dalam konsep manajemen permintaan sales
plan bersifat tidak pasti (uncertain).
Actual Orders merupakan pesanan-pesanan yang diterima dan bersifat pasti
(certain). Dalam kosep manajemen semua pesanan yang bersifat pasti ini
dikelompokan ke dalam aktivitas order service, sedangkan sales forecast
dikategorikan ke dalam aktivitas peramalan (forecasting).

Order dalam Master Production Schedule terdiri dari tiga jenis yaitu:
a. Planned Order
Adalah order yang rencananya akan dilepaskan (released) dan dibuat setelah
mempertimbangkan Supply Demand.
b. Firm Planned Order
58

Adalah order yang direncanakan akan dibuat diperusahaan ini tapi belum
dilepaskan (released).
c. Orders
Adalah order yang sudah dibuat dan diperintahkan untuk dikerjakan atau
dibuatkan purchase order surat pengiriman.

Projected Available Balances (PAB) merupakan proyeksi on hand inventory
dari waktu ke waktu selama horizon perencanaan MPS, yang menunjukan status
inventory yang diproyeksikan pada akhir dari setiap periode waktu dalam horizon
perencanaan MPS.
Dalam buku-buku teks yang lain PAB disebut juga sebagai Projected On
Hand Balance. Dalam lingkungan manufacturing Make To Order, pada umumnya
inventory tidak tersedia sebelumnya, on hand inventory tidak ada. Maka PAB
dapat dipandang sebagai suatu perbandingan antara penawaran (supply) dan
permintaan (demand). Apabila PAB negatif berarti pada periode itu produksi atau
penawaran tidak mampu memenuhi permintaan. Sebaliknya untuk lingkungan
manufacturing Make To Stock, kenaikan terus-menerus dalam nilai PAB
menunjukan bahwa inventory dari item yang dijadwalkan itu semakin menumpuk.
Berdasar informasi PAB, berbagai kebijakan dan tindakan korektif dapat diambil
untuk perbaikan terus-menerus dari proses manufacturing. PAB dinyatakan
melewati PTF hanya sebagai informasi saja, sementara Master schedule dan PTF
tidak direncanakan melewati PTF.
Available To Promises (ATP) memberikan informasi tentang berapa
banyak item atau produk tertentu yang dijadwalkan pada peride waktu itu tersedia
untuk pesanan pelanggan, sehingga berdasarkan infomasi ini, bagian pemasaran
dapat membuat janji yang tepat kepada pelanggan. ATP dapat juga dihitung
secara kumulatif untuk memberikan informasi tentang kumulatif ATP pada
periode waktu tertentu. Master Schedule merupakan jadwal produksi atau
manufacturing yang diantisipasi (anticipated manufacturing schedule) untuk item
tertentu.


59

2.6. Rough Cut Capacity Planning (RCCP)
RCCP (perencanaan kapasitas kasar) ini termasuk dalam perencanaan
kapasitas jangka panjang. RCCP menentukan kebutuhan kapasitas yang
diperlukan untuk melaksanakan MPS. Horizon waktu atau MPS, biasanya 1
sampai dengan 3 tahun.
Berikut ini akan diperkenalkan tiga teknik RCCP, yaitu:
- Pendekatan total faktor (Capacity Planning Using Overall Factor Approach).
- Pendekatan daftar tenaga kerja (Bill Of labour Approach = BOLA).
- Pendekatan profil sumber (Resource Profile Approach = RPA).

- CPOF (Capacity Planning Overall Factor)
CPOF membutuhkan tiga masukan yaitu MPS, waktu total yang diperlukan
untuk memproduksi suatu produk dan proporsi waktu penggunaan sumber.
CPOF mengalikan waktu total tiap family terhadap jumlah MPS untuk
memperoleh total waktu yang diperlukan pabrik untuk mencapai MPS. Total
waktu ini kemudian dibagi menjadi waktu penggunaan masing-masing
sumber dengan mengalikan total waktu terhadap proporsi penggunaan sumber

- BOLA (Bill Of Labour Approach)
Jumlah kebutuhan kapasitas yang diperlukan diperoleh dengan mengkalikan
waktu tiap komponen yang tercantum pada daftar tenaga kerja dengan jumlah
produk dari MPS.

- RPA (Resource Profile Approach)
Merupakan teknik perencanaan kapasitas kasar yang paling rinci tetapi tidak
serinci perencanaan kebutuhan kapasitas (Capacity Requirement Planning).

- CRP (Capacity Requirement Planning)
CRP merupakan fungsi untuk menentukan, mengukur dan menyesuaikan
tingkat kapasitas atau proses untuk menentukan jumlah tenaga kerja dan
sumber daya mesin yang diperlukan untuk melaksanakan produksi.

60

CRP merupakan teknik perhitungan kapasitas rinci yang dibutuhkan oleh
MRP. CRP memverifikasi apakah kapasitas yang tersedia mencukupi selama
rentang perencanaan. Berikut ini data-data yang diperlukan untuk perhitungan
CRP:
1. BOM.
2. Data induk setiap komponen.
3. MPS untuk setiap komponen.
4. Routing setiap komponen.
5. Work center master file.

Rough Cut Capasity Planning (RCCP) yaitu urutan kedua dari hierarki
perencanaan prioritaskapasitas yang berperan dalam mengembangkan MPS.
RCCP melakukan validasi terhadap MPS yang juga menempati urutan kedua
hierarki perencanaan prioritas produksi. Guna menempatkan sumber-sumber
spesifik tertentu khususnya yang diperkirakan akan menjadi hambatan potensial
(potential bottlenecks) adalah cukup untuk melaksanakan MPS. Dengan demikian
kita dapat membantu manajemen untuk melaksanakan RCCP, dengan
memberikan informasi tentang tingkat produksi dimasa mendatang yang akan
memenuhi permintaan total itu.
Pada dasarnya RCCP didefinisikan sebagai proses konversi dari rencana
produksi dan atau MPS kedalam kebutuhan kapasitas yang berkaitan dengan
sumber-sumber daya kritis seperti: tenaga kerja, mesin dan peralatan, kapasitas
gudang, kapabilitas pemasok material dan parts dan sumber daya keuangan.
RCCP serupa dengan perencanaan kebutuhan sumber daya (Resource
Requirements Planning = RCCP), kecuali bahwa RCCP lebih terperinci dari pada
RRP dalam beberapa hal seperti:
- RCCP didisagregasikan kedalam level item atau SKU (Stockeeiping Unit).
- RCCP didisagregasikan berdasrkan periode waktu harian atau mingguan.
- RCCP mempertimbangkan lebih banyak sumber daya produksi.


61

Pada dasarnya terdapat empat langkah yang diperlukan untuk melakukan RCCP
yaitu:
1. Memperoleh informasi tentang rencana produksi dari MPS.
2. Memperoleh informasi tentang struktur produk dan waktu tunggu (lead times).
3. Menentukan Bill Of Resources.
4. Menghitung kebutuhan sumber daya spesifik dan membuat laporan RCCP.

- Load Lavelling
Selanjutnya hasilhasil dari Rough Cut Capacity Planning (RCCP)
ditampilkan dalam suatu diagram yang dikenal sebagai load profile. Load Profile
merupakan metode yang umum dpergunakan untuk menggambarkan kapasitas
yang dibutuhkan versus kapasitas yang tersedia. Dengan demikian load profile
didefinisikan sebagai tampilan dari kebutuhan kapasitas diwaktu mendatang
berdasarkan pesananpesanan yang direncanakan dan dikeluarkan sepanjang suatu
periode waktu tertentu. Sebelum melaksanakan produksi, diusahakan agar
kapasitas yang dibutuhkan kirakira sama dengan kapasitas yang tersedia.
Load Leveling disini berupa grafik perbandingan antara kapasitas yang
dibutuhkan dengan kapasitas yang tersedia. Rough Cut Capacity Planning
menetapkan kapasitas yang dibutuhkan untuk menghasilkan Master Schedule atau
MS. Perencanaan ini lebih spesifik bila dibandingkan dengan informasi dari
Resource Planning, karena Master Schedule memerlukan penjadwalan yang lebih
spesisifik bagi setiap end itemnya, dimana productian planning telah dihitung
berdasarkan product families. Rough Cut Capacity Planinng memperlihatkan
bagaimana opretor dan jam mesin ditetapkan bagi setiap departemen atau work
centre setiap periodenya.
Rought Cut Capacity Planning ( RCCP ) adalah suatu perencanaan
kapasitas yang diperlukan untuk setiap work centre per periode berdasarkan
Master Production Schedule ( MPS ) atau Master Schedule ( MS ), dimana
kapasitas yang dihasilkan adalah kapasitas yang diperlukan untuk setiap end item,
hasil dari RCCP ini berupa jumlah orang/mesin yang diperlukan untuk tiap work
centre pada setiap periode. RCCP ini merupakan bahan pertimbangan untuk
penambahan total atau subkontrak.
62


RCCP menetapkan kapasitas yang dibutuhkan untuk menghasilkan MPS
dimana perencanaan ini lebih spesifik dibandingkan dengan informasi dari
Resource Planning, karena MPS memerlukan penjadwalan yang lebih spesifik
bagi setiap end itemnya, dimana production planning telah dihitung berdasarkan
product families. RCCP ini memberikan gambaran berapa banyak operator yang
diperlukan dan jumlah kapasitas yang diperlukan setiap departement atau work
centre untuk setiap periodenya untuk membuat suatu end item.
Perencanaan ini lebih spesifik bila dibandingkan dengan informasi resource
planning, karena MPS memerlukan penjadwalan yang lebih spesifik bagi setiap
end item, dimana production planning telah dihitung berdasarkan product
families. RCCP memperlihatkan bagaimana operator dan jam mesin ditetapkan
bagi setiap department atau work center setiap periodenya.
Output dari RCCP yaitu dimana kita mendapatkan jumlah kapasitas yang
dibutuhkan untuk memproduksi suatu produk, yang kemudian akan dibuat suatu
Load Leveling yaitu merupakan perbandingan dari kapasitas yang dibutuhkan
dengan kapasitas yang tersedia dalam bentuk grafik.
Dalam jangka panjang, perhitungan dan perencanaan kebutuhan kapasitas
dilakukan dengan menggunakan metode Rough Cut Capacity Planning. Analisis
ini dilakukan untuk menguji ketersediaan kapasitas fasilitas produksi yang
tersedia di dalam memenuhi jadwal induk produksi (MPS) yang telah ditetapkan.
Dengan kata lain, proses ini akan menghasilkan jadwal induk produksi (MPS)
yang telah disesuaikan atau direvisi, karena telah memberikan gambaran tentang
ketersediaan kapasitas untuk memenuhi target produksi yang disusun dalam
jadwal induk produksi Master Production Schedule (MPS).
Hal ini dilakukan mengingat rencana induk produksi diturunkan dari
optimasi ongkos-ongkos produksi sehingga tidak mencerminkan realita kebutuhan
kapasitas sebenarnya. Pada kenyataannya, keputusan-keputusan penambahan
fasilitas baru, lembur, atau subkontrak pada hakikatnya dihasilkan pada tahap ini.
Untuk melakukan perhitungan kebutuhan kapasitas dengan menggunakan Rough
Cut Capacity Planning (RCCP) dibutuhkan masukan berupa:
63

1. Ramalan permintaan dan rencana produksi yang dihasilkan dari proses
peramalan, perencanaan agregat, serta proses disagregasi.
2. Struktur produk dan Bill Of Material-nya.
3. Waktu set-up dan waktu proses suatu produk di suatu departemen.
4. Jumlah produksi yang ekonomis dari produk tersebut.

Keempat macam data tersebut selanjutnya digunakan untuk menghitung
kebutuhan kapasitas periode per periode. Tahapan perhitungan kebutuhan
kapasitas dengan menggunakan metode Rough Cut Capacity Planning (RCCP)
ialah sebagai berikut:
Step 1 : Menentukan rencana produksi melalui proses peramalan dan
proses perencanaan produksi.
Step 2 : Membuat struktur produk dan bill of material produk.
Step 3 : Menghitung standar waktu kerja (Standard Run Hours: SRH)
dengan menggunakan persamaan berikut:
Time Run
EPQ
Time Setup
SRH + =
(Dalam satuan waktu per unit). SRH ini menunjukkan total waktu yang
dibutuhkan untuk membuat satu unit grup produk pada suatu kelompok
mesin.
Step 4 : Menghitung kebutuhn sumber daya (Bill Of Resource).
Step 5 : Menghitung kebutuhan kasar kapasitas.



64

Mulai
Studi Pendahuluan:
- Studi Literatur
- Melakukan Pengamatan dan Observasi
Identifikasi Masalah
Tujuan Penelitian
Pengumpulan Data
Gambaran Umum Perusahaan
Data Kebutuhan Mesin
Data Penjualan B-foam
Data Hari Kerja Dalam Periode Perencanaan
Data Jam Kerja yang Tersedia
Data Biaya Tenaga Kerja
Data Persediaan Produk
Peramalan
Plot Data
Menentukan Metode Peramalan
Peramalan dan Penentuan Metode Yang Terbaik
Verifikasi
Peramalan
Jadwal Induk Produksi
Analisis Hasil Penelitian
Kesimpulan dan Saran
Selesai
Tidak
Ya
Perencanaan Produksi Agregat
Metode Tenaga Kerja Tetap
Metode Transportasi
Proses Disagregasi Produk
Metode Family Setup
RCCP (Rought Cut Capacity Planning)
Metode Pendekatan Daftar
Tenaga Kerja (Bill of labour
Approach)
Pengolahan Data
Membuat Peta Proses Operasi
Faktor Konversi
BAB III
METODOLOGI PENELITIAN


3.1. Flowchart Pemecahan Masalah
Untuk lebih mempermudah melihat urutan atau tahapan-tahapan pemecahan
masalah, maka pada gambar flowchart dibawah ini akan merangkum semua
tahapan-tahapan yang ada. Adapun flowchart pemecahan masalahnya adalah
sebagai berikut.
























Gambar 3.1. Flowchart Pemecahan Masalah
65

3.2. Langkah-langkah Pemecahan Masalah
Untuk mencapai tujuan penelitian yang telah ditentukan diperlukan adanya
tahapan-tahapan kegiatan penelitian yang disusun secara terstruktur dan
sistematis. Untuk itu pada penelitian ini dilakukan tahapan kegiatan sebagai
berikut:
1. Pengamatan di perusahaan, pada tahap ini peneliti melakukan penelitian
langsung di perusahaan PT. Beton Elemenindo Putra. Dan melakukan studi
literatur yang mengacu dari berbagai sumber, baik dari buku maupun tugas
akhir yang sudah ada guna mencari gambaran tentang permasalahan yang
akan di ambil dalam penelitian.
2. Melakukan pengidentifikasian dan perumusan masalah dari permasalahan
yang ada di perusahaan. penentuan tujuan penelitian dan ruang lingkup
penelitian.
3. Melakukan pengumpulan data yang berhubungan dengan masalah jadwal
induk produksi dan perhitungan kapasitas. Adapun data-data yang diperlukan
yaitu sebagai berikut:
Gambaran umum perusahaan.
Data kebutuhan mesin
Data penjualan B-foam
Data hari kerja dalam periode perencanaan
Data jam kerja yang tersedia
Data biaya tenaga kerja
Data Persediaan Produk
4. Melakukan pengolahan data terhadap data yang telah dikumpulkan, dengan
langkah-langkah sebagai berikut:
a. Membuat Peta Proses Operasi (Operation Process Chart)
Peta Proses Operasi ini bertujuan untuk menggambarkan langkah-
langkah proses yang dilakukan perusahaan untuk melakukan proses
produksi yang dialami oleh bahan baku yang meliputi urutan-urutan
proses operasi dan pemeriksaan.


66


b. Faktor Konversi
Perhitungan konversi dilakukan pada data yang bersifat multi item, yang
bertujuan agar produk tersebut memiliki satuan produksi yang sama.
terbesar item proses Waktu
foam - B item proses Waktu
Konversi Faktor

c. Melakukan peramalan (Forecasting)
Peramalan (Forecasting) adalah upaya untuk memperkirakan apa yang
akan terjadi dimasa yang akan datang, dan objek yang diramalkan dapat
dapat meliputi apa saja. Dari data permintaan produk akan dilakukan
proses peramalan guna memprediksi untuk periode yang akan datang.
Untuk mendapatkan hasil peramalan yang lebih akurat penulis
menggunakan software WIN QS.
Langkah-langkah melakukan peramalan , yaitu:
1. Menganalisis data dengan cara memplotkan data sehingga dapat
diketahui pola data yang dihasilkan.
2. menentukan metode peramalan yang digunakan sesuai dengan pola
data yang terbentuk.
3. Memproyeksikan data lalu dengan menggunakan metode yang sesuai.

d. Verifikasi peramalan
Apabila terdapat data yang keluar batas (out of control), untuk itu data
yang keluar dari batas akan dilakukan revisi dengan cara membuang data
yang keluar batas dan dilakukan peramalan kembali dengan
menggunakan metode yang sama.

e. Perencanaan produksi agregat
Agregasi merupakan pengkonversian produk kedalam satuan produk
pengganti yang disebut produk agregat. Agregat ini dilakukan dari data
penjualan, persediaan, dan kapasitas produksi.
Langkah-langkah dalam melakukan agregasi produk yaitu:
67

1. Menentukan satuan agregat
Satuan agregat dipilih sedemikian rupa sehingga dapat
mencerminkan karakteristik dari semua jenis produk, dalam hal ini
adalah ukuran dari produk tersebut, yang satuannya rupiah.

2. Memilih Metode yang digunakan
Dalam pembuatan perencanaan produksi agregat metode yang
digunakan adalah metode hybrid dan metode transportasi. Kedua
metode ini akan dibandingkan dan dipilih yang memiliki ongkos
terkecil.

f. Proses disagregasi produk
Proses disagregasi adalah proses merubah hasil rencana agregat menjadi
jumlah yang harus diproduksi untuk setiap produk atau item, hasil dari
disagregasi ini, berupa jadwal induk produksi. Untuk menentukan berapa
jumlah produk item yang diproduksi pada setiap periode produksi. Untuk
mencapai produk item prosesnya adalah sebagai berikut:
1. Disagregasi family
Disagregasi family merupakan proses penentuan jumlah produk yang
akan dijadwalkan untuk produksi pada setiap periode produksi.
2. Disagregasi item
Disagregasi item merupakan penjabaran dari produk family sampai
pada tingkat item atau produk yang dijadwalkan dalam jadwal induk
produksi.

g. Jadwal induk produksi
Jadwal induk produksi merupakan penjabaran rencana produksi (hasil
perencanaan produksi) menjadi produk individu yang berkaitan dengan
kuantitas dan periode waktu. Jadwal induk produksi didapat dari hasil
perhitungan disagregasi.


68


h. Perhitungan Kapasitas Kasar (Rought Cut Capacity Planning)
Perencanaan kebutuhan kapasitas adalah merupakan upaya penentuan
kapasitas yang diperlukan untuk melaksanakan jadwal induk produksi.
Metode yang digunakan untuk menentukan kapasitas yang dibutuhkan
adalah pendekatan daftar tenaga kerja (bill of labour approach).

5. Melakukan analisis secara deskriptif terhadap hasil dari pengolahan data
mulai dari melakukan peramalan, perencanaan produksi agregat, proses
disagregasi produk, jadwal induk produksi dan perhitungan kapasitas pada
proses pembuatan produk Styrofoam.

6. Menyimpulkan mengenai penelitian yang telah dilakukan yaitu berisi
rangkuman dari pengolahan data dan analisis, serta berisikan saran penelitian
bagi perusahaan.
69

BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA


4.1. Pengumpulan Data
4.1.1. Gambaran Umum Perusahaan
PT. Beton Elemenindo Putra didirikan pada tahun 2006. Kami adalah anak
perusahaan PT. Beton Elemenindo Perkasa, salah satu perusahaan beton
prestressed/precast yang terbesar dan terpercaya di Indonesia.
PT. Beton Elemenindo Putra memproduksi Expanded PolyStrene (EPS)
dengan merek dagang b-foam. Untuk memenuhi kebutuhan EPS/styrofoam
bermutu dengan harga terjangkau, khususnya untuk keperluan packaging dan
dekorasi. Kami berusaha melayani kebutuhan EPS untuk daerah Jawa Barat mulai
dari kota Bandung, Cimahi, Cirebon, Tasikmalaya (Tasik), Cianjur, Sukabumi,
Sumedang, Subang, Garut, Majalaya, Purwakarta, Kuningan, Cicalengka, Nagrek,
Indramayu, Pamanukan, Cipanas, dan Pangandaran; hingga daerah Jabodetabek:
Jakarta, Bogor, Depok, Tangerang, Bekasi.
Aplikasi EPS/Styrofoam yang baru-baru meningkat pesat adalah Geofoam
(Pengunaan EPS/Styrofoam sebagai pengganti tanah urugan/material konstruksi
lainnya). Kami juga memproduksi b-foam jenis FR (Fire Retardant) yang
mayoritas kami gunakan sendiri untuk memproduksi dan mengembangkan bahan
bangunan dan sistem konstruksi baru dan inovatif, dengan menggunakan panel
komposit yang kedap suhu dan suara, yang kami namakan b-panel, yaitu bahan
dan sistem bangunan tahan gempa dan ramah lingkungan kebanggaan kami. b-
panel diproduksi untuk memenuhi kebutuhan yang meningkat pesat akan bahan
bangunan hemat energi dan tempat hunian yang ramah lingkungan. Teknologi b-
panel ini akan menjadi solusi bahan dan sistem bangunan hemat energi yang
paling efektif untuk industri properti di Indonesia.

4.1.2. Struktur Organisasi Perusahaan
Struktur organisasi merupakan susunan pemegang jabatan dalam suatu
organisasi maupun perusahaan sesuai dengan fungsi dan peranan.
70


Struktur Organisasi PT. Beton Elemenindo Putra















Gambar 4.1. Struktur Organisasi PT. Beton Elemenindo Putra
71

4.1.3. Visi dan Misi Perusahaan
Visi
- Mengurangi konsumsi energi untuk hunian sekaligus meningkatkan
kenyamanan dan keamanan bagi penghuninya.
- Menjadi perusahaan bahan dan sistem bangunan terkemuka, sekaligus
menjaga kelestarian Bumi.

Misi
- Mengutamakan integritas, keinginan untuk menjadi yang terbaik, dan
kepedulian terhadap lingkungan, sebagai pedoman menjalankan usaha kami.
- Bekerja bersama sumber daya manusia yang berkualitas dan bermotivasi
untuk senantiasa menyempurnakan produk dan layanan kami.
- Menjadi yang terdepan dalam inovasi efisiensi energi melalui perpaduan
teknologi, sistem, desain, dan bahan dasar.

4.1.4. Data Kebutuhan Mesin
Mesin yang digunakan dalam proses pembuatan B-foam terdiri atas:
Tabel 4.1. Jenis dan Jumlah Mesin yang digunakan.
No Mesin Jumlah Mesin
1 Hopper 1
2 Chamber 2
3 Fluidized Bead 2
4 Silo 18
5 Block Molding 1
6 EPS Cutting Machine 3
7 EPS Cutting Machine Schnell 1
Total 28

4.1.5. Data Penjualan B-foam
Data permintaan masa lalu untuk ketiga produk merupakan data yang akan
digunakan untuk meramalkan jumlah permintaan pada masa yang akan datang.
Data permintaan B-foam diperoleh dari laporan bulananan hasil penjualan dari
72

bulan Januari 2010 sampai dengan Desember 2010. Untuk lebih jelas datanya
dapat dilihat pada tabel di bawah ini.
Tabel 4.2. Data Permintaan B-foam Periode Januari 2010 Desember 2010
No Periode
WEB
(Balok)
WES
(Lembaran)
WEP
(Pipa)
1 Januari 2010 527 19060 240
2 Februari 2010 318 24509 300
3 Maret 2010 388 23272 185
4 April 2010 321 27985 30
5 Mei 2010 367 25515 100
6 Juni 2010 432 30121 571
7 Juli 2010 382 34628 0
8 Agustus 2010 354 29628 15
9 September 2010 244 32569 1132
10 Oktober 2010 574 29057 20
11 November 2010 509 35645 237
12 Desember 2010 543 33286 0
Total 4959 345275 2830

4.1.6. Data Hari kerja Dalam Periode Perencanaan
Jumlah hari kerja dalam sebulan setelah di kurangi hari libur, berdasarkan
kebijaksanaan perusahaan. Pada periode Januari 2011 sampai desember 2011
dapat dilihat pada tabel di bawah ini
Tabel 4.3. Rata-rata Hari kerja periode Januari 2011 sampai Desember 2011
No Bulan
Hari Kerja
(Hari)
1 Januari 21
2 Februari 21
3 Maret 21
4 April 21
5 Mei 21
6 Juni 21
7 Juli 21
8 Agustus 21
9 September 21
10 Oktober 21
11 November 21
73

12 Desember 21


4.1.7. Data Jam Kerja Yang Tersedia
Waktu jam kerja perusahaan dimulai pukul 08.00 WIB sampai dengan pukul
16.00 WIB, sedangkan waktu istirahat diberikan pada pukul 12.00 WIB sampai
pukul 13.00 WIB untuk semua bagian. Jadi dalam satu hari kerja para pekerja
bekerja selama 8 jam. Untuk jam lembur peusahaan menentukan waktunya sendiri
yaitu 8 jam sama seperti jam kerja normal.
Jumlah jam kerja yang tersedia untuk setiap bulannya diperoleh dari jumlah
hari kerja setiap bulan dikalikan dengan jam kerja per hari. Adapun jam kerja
yang tersedia untu setiap bulannya dapat dilihat pada tabel 4.4.
Tabel 4.4. Data Jam Kerja yang Tersedia
No Bulan
Jam Kerja
(Jam)
1 Januari 168
2 Februari 168
3 Maret 168
4 April 168
5 Mei 168
6 Juni 168
7 Juli 168
8 Agustus 168
9 September 168
10 Oktober 168
11 November 168
12 Desember 168

Contoh perhitungan untuk bulan januari
Jumlah jam kerja per bulan = Jumlah hari kerja Jam kerja per hari
= 21 hari 8 jam per hari
= 168 jam
74




4.1.8. Data Biaya Tenaga Kerja
Data gaji karyawan per orang untuk jam kerja normal (regular time) telah di
tentukan sebesar Rp 1,175,959 per bulan/orang dimana rata-rata hari kerja per
bulan 21 hari, maka upah kerja per hari/ orang adalah Rp 55,998 per hari/orang.
Sedangkan ongkos gaji karyawan per orang untuk jam kerja lembur (overtime)
sama dengan ongkos jam kerja normal yaitu sebesar 55,998 perhari/orang atau
Rp 6,999.75 per jam/orang.

4.1.9. Data Persediaan
Jumlah produk yang masih ada digudang pada akhir bulan Desember 2010
Tabel 4.5. Data Persediaan B-foam
No Item Unit
1 WEB (Balok) 238
2 WES (Lembaran) 22446
3 WEP (Pipa) 989

4.2. Pengolahan Data
4.2.1. Data Proses Produksi
Proses produksi yang dilakukan oleh perusahaan dalam menghasilkan
produk jadi berbeda-beda. Dalam hal ini proses pembuatan Styrofoam dengan
masing-masing jenis bisa dikatakan sama, yang membedakannya dalam
pembuatan Styrofoam yaitu pada proses pemotongan ada yang menggunakan
mesin potong manual dan ada juga yang menggunakan mesin potong otomatis.
- Proses produksi yang dilakukan oleh pihak perusahaan dalam menghasilkan
produk jadi berupa Styrofoam adalah melalui tahap-tahap sebagai berikut.
Bahan baku EPS bead dari warehouse dimasukkan ke dalam mesin pre-
expand untuk proses expanding. Tahap pertama dinamakan "single expand"
dan tahap kedua dinamakan "double expand".
75

- Setelah proses expanding, butiran EPS bead (virgin) yang telah mengembang
akan keluar melalui pintu pengeluaran (discharge) dan jatuh ke dalam
fluidized bed.
- Setelah melalui proses expanding dan fluidizing butiran EPS disimpan ke
dalam silo untuk proses aging. EPS didiamkan selama sekurang-kurangnya 4
jam. Tujuannya agar sisa gas pentane yang tidak terekspansi dapat keluar dan
oksigen dapat masuk ke dalam pori-pori butiran EPS.
- EPS yang sudah di-aging, butiran EPS dimasukkan ke dalam mesin blocking
untuk dicetak menjadi bentuk balok dengan ukuran 1,2 x 0,6 x 6 meter atau
1,0 x 0,6 x 6 meter dengan melalui tahap pemanasan dan penekanan sehingga
dapat mengikat butiran EPS tersebut menjadi balok yang padat sesuai dengan
densitas yang diinginkan. Setelah menjadi balok, balok tersebut harus
didiamkan sekurang kurangnya 2 x 24 jam untuk menurunkan kadar air dalam
balok.

Berikut merupakan langkah-langkah dalam proses produksi yang digambarkan
dalam peta proses operasi (Operation Process Chart).

76

O - 9
Single Expand
Double Expand
1'
Operation Process Chart
Nama Objek : Pembuatan B-Foam WEP
No Peta : 01
Dipetakan Oleh : Rizky Rachmatsyah
Tanggal Dipetakan : 1 Juni 2011
Sekarang [ ] Usulan [ ]
B-Foam Pipa
O - 1
Butiran syrofoam pencetakan dengan 3 kali hit
Block Molding
Syrofoam jadi dan ditimbang
Timbangan
Syrofoam jadi disimpan ke gudamg
Pemotongan syrofoam
Schnell
0,5'
5'
14'
1'
1440'
180'
Pemesiksaan
Bahan baku (Polystyrene/EPS Bead)
Menimbang Polystyrene/EPS Bead
Pre-expand/Hopper
Membuat butiran EPS Bead
Chamber 1
I-1

Gudang penyimpanan produk jadi
O - 2
O - 3
Butiran yang sudah mengembang akan keluar
melalui discharge dan jatuh kedalam Fluidized
bed 1
7'
O - 4
Pengeringan butiran EPS Bead (Aging) + Spare Time
Silo 1
240'
5' O - 5
O - 6 7'
O - 7 240'
Membuat butiran Styrofoam lebih besar
Chamber 2
Proses pengembangan styrofoam akan keluar
melalui discharge dan jatuh kedalam Fluidized
bed 2
Pengeringan butiran styrofoam tahap akhir + Spare Time
Silo 2
O - 8

O - 10
Ringkasan

Lambang Kegiatan
Operasi
Pemeriksaan
Aktivitas Gabungan
Penyimpanan
Jumlah Waktu
9
1
1
2
698.5
1'
1'
1440'

Gambar 4.2. Gambar peta proses operasi (Operation Process Chart) Produk B-foam Pipa
(WEP)

77

O - 9
Single Expand
Double Expand
1'
Operation Process Chart
Nama Objek : Pembuatan B-Foam WES
No Peta : 02
Dipetakan Oleh : Rizky Rachmatsyah
Tanggal Dipetakan : 1 Juni 2011
Sekarang [ ] Usulan [ ]
B-Foam Lembaran
O - 1
Butiran syrofoam pencetakan dengan 3 kali hit
Block Molding
Syrofoam jadi dan ditimbang
Timbangan
Syrofoam jadi disimpan ke gudamg
Pemotongan syrofoam
Schnell
0,5'
5'
14'
1'
1440'
10'
Pemesiksaan
Bahan baku (Polystyrene/EPS Bead)
Menimbang Polystyrene/EPS Bead
Pre-expand/Hopper
Membuat butiran EPS Bead
Chamber 1
I-1

Gudang penyimpanan produk jadi
O - 2
O - 3
Butiran yang sudah mengembang akan keluar
melalui discharge dan jatuh kedalam Fluidized
bed 1
7'
O - 4
Pengeringan butiran EPS Bead (Aging) + Spare Time
Silo 1
240'
5' O - 5
O - 6 7'
O - 7 240'
Membuat butiran Styrofoam lebih besar
Chamber 2
Proses pengembangan styrofoam akan keluar
melalui discharge dan jatuh kedalam Fluidized
bed 2
Pengeringan butiran styrofoam tahap akhir + Spare Time
Silo 2
O - 8

O - 10
Ringkasan

Lambang Kegiatan
Operasi
Pemeriksaan
Aktivitas Gabungan
Penyimpanan
Jumlah Waktu
9
1
1
2
528.5'
1'
1'
1440'

Gambar 4.3. Gambar peta proses operasi (Operation Process Chart) Produk B-foam
Lembaran (WES)

78

O - 9
Single Expand
Double Expand
Operation Process Chart
Nama Objek : Pembuatan B-Foam WEB
No Peta : 03
Dipetakan Oleh : Rizky Rachmatsyah
Tanggal Dipetakan : 1 Juni 2011
Sekarang [ ] Usulan [ ]
B-Foam Balok
O - 1
Butiran syrofoam pencetakan dengan 3 kali hit
Block Molding
Syrofoam jadi dan ditimbang
Timbangan
0,5'
5'
14'
1'
Bahan baku (Polystyrene/EPS Bead)
Menimbang Polystyrene/EPS Bead
Pre-expand/Hopper
Membuat butiran EPS Bead
Chamber 1

Gudang penyimpanan produk jadi
O - 2
O - 3
Butiran yang sudah mengembang akan keluar
melalui discharge dan jatuh kedalam Fluidized
bed 1
7'
O - 4
Pengeringan butiran EPS Bead (Aging) + Spare Time
Silo 1
240'
5' O - 5
O - 6 7'
O - 7 240'
Membuat butiran Styrofoam lebih besar
Chamber 2
Proses pengembangan styrofoam akan keluar
melalui discharge dan jatuh kedalam Fluidized
bed 2
Pengeringan butiran styrofoam tahap akhir + Spare Time
Silo 2
O - 8
Ringkasan

Lambang Kegiatan
Operasi
Pemeriksaan
Aktivitas Gabungan
Penyimpanan
Jumlah Waktu
8
-
1
1
518.5'
-
1'
-

Gambar 4.4. Gambar peta proses operasi (Operation Process Chart) Produk B-foam
Balok (WEB)

79

Tabel 4.6. Data waktu proses per 1 unit balok produk (dalam satuan menit).
Stasiun Kerja/Mesin
WEB
(Balok)
WES (Lembaran)
WEP
(Pipa)
Hopper 0.5 0.5 0.5
Chamber 1 5 5 5
Fluidized Bead 1 7 7 7
Silo 1 240 240 240
Single Expand
Chamber 2 5 5 5
Fluidized Bead 2 7 7 7
Silo 2 240 240 240
Double Expand
Block Moulding 14 14 14
Aktivitas Gabungan 1 1 1
Penyimpanan

1440 1440
EPS Cutting Machine - 10 -
EPS Cutting Machine Schnell - - 180
Pemeriksaan - 1 1
Total 519.5 1970.5 2140.5

Tabel 4.7. Jenis dan waktu operasi Mesin.
Nama Mesin
Waktu Proses
(Menit)
Hopper 0.5
Chamber 1 5
Fluidized Bead 1 7
Silo 1 240
Single Expand
Chamber 2 5
Fluidized Bead 2 7
Silo 2 240
Double Expand
Block Moulding 14
EPS Cutting Machine (WES) 10
EPS Cutting Machine Schnell (WEP) 180

80


4.2.2. Faktor Konversi Untuk Setiap Item
Perhitungan konversi dilakukan pada data yang bersifat multi item, yang
bertujuan agar produk tersebut memiliki satuan produksi yang sama. Faktor
konversi didapatkan dari perbandingan antara besarnya waktu proses item terkecil
dibagi dengan besarnya waktu proses item terbesar.
Perhitungan faktor konversi seluruhnya dapat dilihat pada tabel dibawah ini.
Tabel 4.8. Faktor Konversi
Item
Waktu proses total
(menit)
Faktor Konversi
B-foam Balok (WEB) 519.5 0.243
B-foam Lembaran (WES) 1970.5 0.921
B-foam Pipa (WEP) 2140.5 1.000

Contoh perhitungan item B-foam Balok (WEB)
Item B-foam Balok (WEB) = Waktu proses item B-foam Balok (WEB)
Waktu proses item terbesar
Item B-foam Balok (WEB) =
5 . 2140
5 . 519
= 0.243

Pengkalian Data Penjualan Dengan Faktor Konversi
Tabel 4.9. Pengkalian Data Penjualan Dengan Faktor Konversi
No Periode
WEB
(Balok)
WES
(Lembaran)
WEP
(Pipa)
Total
1 Januari 2010 127.9152 17546.24 240 17914.16
2 Februari 2010 77.05735 22562.48 300 22939.54
3 Maret 2010 94.20218 21423.72 185 21702.92
4 April 2010 77.83933 25762.41 30 25870.25
5 Mei 2010 89.15183 23488.58 100 23677.73
6 Juni 2010 104.8465 27728.77 571 28404.62
7 Juli 2010 92.80593 31877.82 0 31970.63
8 Agustus 2010 85.98047 27274.92 15 27375.90
9 September 2010 59.2281 29982.35 1132 31173.58
10 Oktober 2010 139.2321 26749.27 20 26908.50
11 November 2010 123.4985 32814.05 237 33174.55
12 Desember 2010 131.6977 30642.4 0 30774.10
Total 1203.455 317853 2830 321886.47
81


Pengkalian Data Persediaan Dengan Faktor Konversi
Tabel 4.10. Pengkalian Data Persedian Dengan Faktor Konversi
No Item Unit
1 WEB (Balok) 57.834
2 WES (Lembaran) 20672.77
3 WEP (Pipa) 989
Total 21719.6

4.2.3. Peramalan
Tahap peramalan ini bertujuan untuk memprediksi kebutuhan untuk masa
yang akan datang. Pengumpulan data didapat dari data-data hasil permintaan
produk B-foam dari bulan Januari 2010 sampai Desember 2010.
a. Plotting dan Penentuan Pola Data Untuk Peramalan.
Plot data penjualan (permintaan) produk B-foam dari bulan Januari 2010 sampai
Desember 2010 dapat dilihat pada Gambar dibawah ini:

Gambar 4.5. Plot data penjualan B-foam

b. Pemilihan Metode Peramalan
Dilihat dari plot data penjualan diatas, pola tersebut cenderung bergerak naik atau
turun yang membentuk pola Trend. Oleh karena itu metode yang dapat digunakan
untuk peramalan yang berpola data trend adalah:
- Moving Average
82

- Single Exponential Smoothing
- Double Exponential Smoothing
- Linear Regression

c. Menentukan Peramalan Yang terpilih
Setelah melakukan peramalan dengan metode diatas langkah selanjutnya
adalah menentukan hasil peramalan dengan memilih metode yang terbaik.
Parameter yang digunakan yaitu dengan menggunakan kriteria Mean Absolut
Deviation (MAD), Mean Square Error (MSE), Tracking Signal (TS) dan R-
square. Suatu metode dianggap lebih baik dari metode yang lain jika metode
tersebut memiliki nilai MSE dan MAD paling kecil, nilai Tracking Signal-
nya berada dalam range 4 serta nilai R-quare > 0.5.
83


4.2.3.1. Moving Average
Tabel 4.11. Peramalan B-foam dengan metode Moving Average Dengan Pergerakan 9-
bulanan
Forecast Result for Forecast B-foam
6/7/2011
Month
Actual
Data
Forecast by
4-MA
Forecast
Error
CFE MAD MSE
MAPE
(%)
Tracking
Signal
R-square
1 17914.16
2 22939.54
3 21702.92
4 25870.25
5 23677.73
6 28404.62
7 31970.63
8 27375.9
9 31173.58
10 26908.5 25669.93
11 33174.55 26669.3
12 30774.1 27806.52
13 28814.43
14 28814.43
15 28814.43
16 28814.43
17 28814.43
18 28814.43
19 28814.43
20 28814.43
21 28814.43
22 28814.43
23 28814.43
24 28814.43
CFE 10711.41
MAD 3570.47
MSE 17552970
MAPE 11.29
Trk.Signal 3
R-square
m=9
84


Gambar 4.6. Plot Data Actual dan Forecast Metode Moving Average
Dengan pergerakan 4-bulanan





















85

4.2.3.2. Single Exponential Smoothing
Tabel 4.12. Peramalan B-foam dengan metode Single Exponential Smoothing Dengan
nilai Alpha=0.6
Forecast Result for Forecast B-foam
6/7/2011
Month
Actual
Data
Forecast by
SES
Forecast
Error
CFE MAD MSE
MAPE
(%)
Tracking
Signal
R-square
1 17914.16
2 22939.54 17914.16 5025.38 5025.38 5025.38 25254430 21.91 1
3 21702.92 20929.39 -734.08 4291.3 2879.73 12896660 12.64 1.49
4 25870.25 21393.51 4093.92 8385.22 3284.46 14184500 13.7 2.55
5 23677.73 24079.55 -1783.13 6602.09 2909.13 11433260 12.16 2.27
6 28404.62 23838.46 4548.58 11150.67 3237.02 13284520 12.93 3.44
7 31970.63 26578.15 4020.87 15171.54 3367.66 13765000 12.87 4.51
8 27375.9 29813.64 -4192.64 10978.89 3485.51 14309750 13.22 3.15
9 31173.58 28351 3378.42 14357.31 3472.13 13947740 12.92 4.14
10 26908.5 30044.55 -3927.24 10430.07 3522.69 14111680 13.11 2.96
11 33174.55 28162.92 5873.33 16303.4 3757.76 16150110 13.57 4.34
12 30774.1 31169.9 -1813.12 14490.28 3580.97 14980770 12.87 4.05
13 30932.42
14 30932.42
15 30932.42
16 30932.42
17 30932.42
18 30932.42
19 30932.42
20 30932.42
21 30932.42
22 30932.42
23 30932.42
24 30932.42
CFE 21697.1
MAD 3130.9
MSE 13181960
MAPE 11.22
Trk.Signal 6.93
R-square
Alpha=0.6
F(0)=17914.16



86


Gambar 4.7. Plot Data Actual dan Forecast Metode Single Exponential Smoothing
Dengan nilai Alpha=0.6





















87

4.2.3.3. Double Exponential Smoothing
Tabel 4.13. Peramalan B-foam dengan metode Double Exponential Smoothing Dengan
nilai Alpha=0.8
ForecastResultforForecastB-foam
6/7/2011
Month
Actual
Data
Forecast by
DES
Forecast
Error
CFE MAD MSE
MAPE
(%)
Tracking
Signal
R-square
1 17914.16
2 22939.54 17914.16 5025.38 5025.38 5025.38 25254430 21.91 1
3 21702.92 21130.4 -281.8 4743.58 2653.59 12666920 11.6 1.79
4 25870.25 21625.46 4073.08 8816.66 3126.75 13974610 12.98 2.82
5 23677.73 24361.93 -1416.76 7399.91 2699.25 10982760 11.23 2.74
6 28404.62 24033.5 4424.73 11824.64 3044.35 12701860 12.1 3.88
7 31970.63 26817.88 4417.86 16242.5 3273.27 13837790 12.39 4.96
8 27375.9 30227.02 -3791.07 12451.43 3347.24 13914140 12.6 3.72
9 31173.58 28538.67 3041.24 15492.67 3308.99 13331010 12.24 4.68
10 26908.5 30157.48 -3656.9 11835.77 3347.65 13335660 12.39 3.54
11 33174.55 28142.88 5546.91 17382.68 3567.57 15078920 12.82 4.87
12 30774.1 31282.57 -1317.16 16065.51 3362.99 13865830 12.05 4.78
13 31082.74
14 31082.74
15 31082.74
16 31082.74
17 31082.74
18 31082.74
19 31082.74
20 31082.74
21 31082.74
22 31082.74
23 31082.74
24 31082.74
CFE 19740.38
MAD 3120.54
MSE 12811800
MAPE 11.19
Trk.Signal 6.33
R-square
Alpha=0.8
F(0)=17914.16
F'(0)=17914.16


88



Gambar 4.8. Plot Data Actual dan Forecast Metode Double Exponential Smoothing
Dengan nilai Alpha=0.8




















89


4.2.3.4. Linear Regression
Tabel 4.14. Peramalan B-foam dengan metode Linear Regression
Forecast Result for B-foam Forecast
6/7/2011
Month
Actual
Data
Forecast by
LR
Forecast
Error
CFE MAD MSE
MAPE
(%)
Tracking
Signal
R-square
1 17914.16 20839.44 -2925.28 -2925.28 2925.28 8557236 16.33 -1

2 22939.54 21927.52 1012.02 -1913.25 1968.65 4790714 10.37 -0.97 0.19
3 21702.92 23015.59 -1312.67 -3225.93 1749.99 3768180 8.93 -1.84 0.43
4 25870.25 24103.67 1766.58 -1459.35 1754.14 3606333 8.4 -0.83 0.2
5 23677.73 25191.75 -1514.02 -2973.37 1706.11 3343520 8 -1.74 0.39
6 28404.62 26279.83 2124.79 -848.59 1775.89 3538719 7.92 -0.48 0.32
7 31970.63 27367.91 4602.72 3754.13 2179.72 6059616 8.84 1.72 0.28
8 27375.9 28455.99 -1080.09 2674.04 2042.27 5447989 8.23 1.31 0.38
9 31173.58 29544.07 1629.51 4303.54 1996.41 5137690 7.9 2.16 0.44
10 26908.5 30632.15 -3723.65 579.89 2169.13 6010480 8.49 0.27 0.58
11 33174.55 31720.23 1454.32 2034.21 2104.15 5656349 8.12 0.97 0.6
12 30774.1 32808.31 -2034.21 0 2098.32 5529822 7.99 0 0.72
13

33896.39

14

34984.47

15

36072.55

16

37160.63

17

38248.71

18

39336.79

19

40424.87

20

41512.95

21

42601.03

22

43689.11

23

44777.19

24

45865.27

CFE

0

MAD

2098.32

MSE

5529822

MAPE

7.99

Trk.Signal

0

R-square

0.72


Y-intercept
=19751.36

Slope=1088.080






90



Gambar 4.9. Plot Data Actual dan Forecast Metode Lenear Regression

4.2.3.5. Metode Peramalan Yang Terpilih
Tabel 4.15. Perbandingan Metode Peramalan
No Metode MAD MSE
1 Moving Average 3570.47 17552970
2 Single Exponential Smoothing 3130.9 13181960
3 Double Exponential Smoothing 3120.54 12811800
4 Linear Regression 2098.32 5529822

Dari tabel diatas dapat diketahui bahwa dari keempat metode peramalan yang
dilakukan, metode peramalan Linear Regression memiliki nilai MAD dan MSE
yang terkecil yaitu MAD=2098.32 dan MSE=5529822, sehingga ditetapkan
metode peramalan ini menjadi metode peramalan terpilih.
91


Gambar 4.10. Plot Data peramalan yang terpilih

4.2.4. Uji Validasi Peramalan Terpilih
Uji validasi peramalan MRC (Moving Range Chart) digunakan untuk
mengetahui apakah nilai penyimpangan yang ada pada hasil peramalan terpilih
masih berada dalam batas kontrol dan layak untuk digunakan. Untuk pengolahan
uji validasi Moving Range Chart dapat dilihat pada tabel di bawah ini.
Tabel 4.16. Pengujian Moving Range Chart Peramalan lenear regression
Periode Data Actual (d) Forecast (d) d - d MR |MR|
1 17914.16 33896.39 15982.23

2 22939.54 34984.47 12044.93 -3937.3 3937.3
3 21702.92 36072.55 14369.63 2324.7 2324.7
4 25870.25 37160.63 11290.38 -3079.25 3079.25
5 23677.73 38248.71 14570.98 3280.6 3280.6
6 28404.62 39336.79 10932.17 -3638.81 3638.81
7 31970.63 40424.87 8454.24 -2477.93 2477.93
8 27375.9 41512.95 14137.05 5682.81 5682.81
9 31173.58 42601.03 11427.45 -2709.6 2709.6
10 26908.5 43689.11 16780.61 5353.16 5353.16
11 33174.55 44777.19 11602.64 -5177.97 5177.97
12 30774.1 45865.27 15091.17 3488.53 3488.53
Total 41150.66


92

Menghitung Batas Kontrol

= =

= 97 . 3740
11
66 . 41150
1 n
MR
MR

BKA = +2.66 MR
= +2.66 3740.97
= 9950.98

BKA = -2.66 MR
= -2.66 3740.97
= -9950.98

Region A (+) = 2/3 2.66 MR
= 2/3 9950.98
= 6633.99

Region B (+) = 1/3 2.66 MR
= 1/3 9950.98
= 3316.99

Region B (-) = -1/3 2.66 MR
= -1/3 9950.98
= 3316.99

Region A (-) =- 2/3 2.66 MR
= -2/3 9950.98
= 6633.99

93


Gambar 4.11. Grafik Uji Validasi Moving Range Chart

Dari gambar diatas dapat kita lihat bahwa semua data berada dalam daerah batas
kontrol. Maka dengan menggunakan metode Lenear Regression bahwa persamaan
peramalan tersebut adalah benar dan layak untuk di gunakan.

4.2.5. Perencanaan Produksi
4.2.5.1. Perhitungan Kapasitas Produksi
Kapasitas produksi untuk semua produk yang digunakan dalam perencanaan
produksi ini diperoleh dari jumlah jam kerja setiap produk terhadap jumlah
produk yang akan di produksi.
Jumlah jam kerja yang di amati untuk setiap bulannya diperoleh daru jumlah
jam kerja yang tersedia dibagi dengan jumlah jenis produk (item) yang dihasilkan
setiap bulannya. Pada perusahaan B-foam jumlah produk yang diproduksi
sebanyak 3 produk. Kapasitas yang ada di perusahaan B-foam ini yaitu kapasitas
regular time dan over time. Kapasitas regular time lima hari kerja selama 8 jam
per harinya, sedangkan kapasitas untuk over time satu hari kerja selama 8 jam per
hari.



94

Perhitungan Kapasitas Kerja Normal (Regular Time)
Jam kerja per bulan diperoleh dari hasil kali antara jam kerja per hari
dengan jumlah hari kerja per bulan.
Tabel 4.17. Total Jam Kerja Per Bulan
Periode Hari Kerja
Jam Hari Kerja
Per Hari (Jam)
Jam Kerja
Normal (Jam)
1 21 8 168
2 21 8 168
3 21 8 168
4 21 8 168
5 21 8 168
6 21 8 168
7 21 8 168
8 21 8 168
9 21 8 168
10 21 8 168
11 21 8 168
12 21 8 168

Setelah diperoleh jumlah jam kerja, maka langkah selanjutnya adalah melakukan
perhitungan kapasitas waktu yang dibutuhkan untuk setiap produk dengan cara:
Kapasitas Waktu yang Tersedia
item Jumlah
n Kerja/bula Jam
=
Contoh perhitungan waktu yang tersedia untuk satu jenis produk periode 1
Kapasitas Waktu yang Tersedia menit/item 3360
3
60 168
=

=









95

Tabel 4.18. Waktu Yang Tersedia Untuk Setiap Item
Periode Waktu Yang Tersedia
1 3360
2 3360
3 3360
4 3360
5 3360
6 3360
7 3360
8 3360
9 3360
10 3360
11 3360
12 3360

Setelah diperoleh waktu yang dibutuhkan untuk setiap item maka dapat di
tentukan perhitungan kapasitas produksi setiap stasiun kerja/mesin untuk setiap
item setiap periode.
Proses untuk setiap stasiun kerja per mesin dapat di lihat pada tabel 4.19.
Tabel 4.19. Data Waktu Proses Per Mesin Dan Jumlah Tenaga Kerja Per Stasiun
Nama Mesin
Waktu Proses
(Menit)
Jumlah
Tenaga Kerja
Hopper 0.5 1
Chamber 1 5 1
Fluidized Bead 1 7 1
Silo 1 240 1
Single Expand
Chamber 2 5 -
Fluidized Bead 2 7 -
Silo 2 240 -
Double Expand
Block Moulding 14 2
EPS Cutting Machine (WES) 10 2
EPS Cutting Machine Schnell (WEP) 180 2


96


Diketahui untuk satu kali produksi = 1600 kg/produksi
Tabel 4.20. Jumlah B-foam yang Dihasilkan Per 1600kg
Jenis B-foam
Jumlah yang
Dihasilkan
WEB (Balok) 34 unit
WES (Lembaran) 2040 unit
WEP (Pipa) 102 unit

Contoh perhitungan kapasitas produksi pada mesin Hopper pada periode 1
proses Waktu
JTK produk jenis satu untuk tersedia yang Waktu
Mesin Kapasitas

= Hopper
item per produksi 6720
0.5
1 3360
=

=
Perhitungan kapasitas mesin Hopper untuk item WEB pada periode 1
unit 224000
unit 0.5/34
1 3360
Hopper Mesin Kapasitas =

=
97


Tabel 4.21. Perhitungan Kapasitas Produksi Pada Masing-Masing Mesin Untuk Setiap Item
Family Item Stasiun Kerja
Periode
1 2 3 4 5 6 7 8 9 10 11 12
B-foam
WEB
Hopper 224000 224000 224000 224000 224000 224000 224000 224000 224000 224000 224000 224000
Chamber 1 22400 22400 22400 22400 22400 22400 22400 22400 22400 22400 22400 22400
Fluidized Bead 1 16000 16000 16000 16000 16000 16000 16000 16000 16000 16000 16000 16000
Silo 1 476 476 476 476 476 476 476 476 476 476 476 476
Chamber 2 22400 22400 22400 22400 22400 22400 22400 22400 22400 22400 22400 22400
Fluidized Bead 2 16000 16000 16000 16000 16000 16000 16000 16000 16000 16000 16000 16000
Silo 2 476 476 476 476 476 476 476 476 476 476 476 476
Block Moulding 16390 16390 16390 16390 16390 16390 16390 16390 16390 16390 16390 16390
EPS Cutting Machine (WES) - - - - - - - - - - - -
EPS Cutting Machine Schnell (WEP) - - - - - - - - - - - -
WES
Hopper 13440000 13440000 13440000 13440000 13440000 13440000 13440000 13440000 13440000 13440000 13440000 13440000
Chamber 1 1344000 1344000 1344000 1344000 1344000 1344000 1344000 1344000 1344000 1344000 1344000 1344000
Fluidized Bead 1 988235 988235 988235 988235 988235 988235 988235 988235 988235 988235 988235 988235
Silo 1 28000 28000 28000 28000 28000 28000 28000 28000 28000 28000 28000 28000
Chamber 2 1344000 1344000 1344000 1344000 1344000 1344000 1344000 1344000 1344000 1344000 1344000 1344000
Fluidized Bead 2 988235 988235 988235 988235 988235 988235 988235 988235 988235 988235 988235 988235
Silo 2 28000 28000 28000 28000 28000 28000 28000 28000 28000 28000 28000 28000
Block Moulding 973913 973913 973913 973913 973913 973913 973913 973913 973913 973913 973913 973913
EPS Cutting Machine (WES) 1371429 1371429 1371429 1371429 1371429 1371429 1371429 1371429 1371429 1371429 1371429 1371429
EPS Cutting Machine Schnell (WEP) - - - - - - - - - - - -

98


Tabel 4.22. Lanjutan Perhitungan Kapasitas Produksi Pada Masing-Masing Mesin Untuk Setiap Item
Family Item Stasiun Kerja
Periode
1 2 3 4 5 6 7 8 9 10 11 12
B-foam WEP
Hopper 685714 685714 685714 685714 685714 685714 685714 685714 685714 685714 685714 685714
Chamber 1 68571 68571 68571 68571 68571 68571 68571 68571 68571 68571 68571 68571
Fluidized Bead 1 48696 48696 48696 48696 48696 48696 48696 48696 48696 48696 48696 48696
Silo 1 1430 1430 1430 1430 1430 1430 1430 1430 1430 1430 1430 1430
Chamber 2 68571 68571 68571 68571 68571 68571 68571 68571 68571 68571 68571 68571
Fluidized Bead 2 48696 48696 48696 48696 48696 48696 48696 48696 48696 48696 48696 48696
Silo 2 1430 1430 1430 1430 1430 1430 1430 1430 1430 1430 1430 1430
Block Moulding 24000 24000 24000 24000 24000 24000 24000 24000 24000 24000 24000 24000
EPS Cutting Machine (WES) - - - - - - - - - - - -
EPS Cutting Machine Schnell (WEP) 1909 1909 1909 1909 1909 1909 1909 1909 1909 1909 1909 1909
99

Setelah diketahui kapasitas produksi setiap mesin untuk seluruh produk, maka
kapasitas produksi yang tersedia adalah kapasitas produksi mesin yang
menghasilkan output terendah. Dari hasil perhitungan, output terendah untuk
seluruh periode dan seluruh jenis produk dihasilkan oleh mesin Silo. Maka
kapasitas produksi yang tersedia berdasarkan output atau kemampuan produksi
dari masing-masing stasiun kerja/mesin tersebut. Kapasitas produksi yang tersedia
ditunjukkan pada tabel 4.23.
Tabel 4.23. Kapasitas Produksi yang Tersedia
Periode
Item
Kapasitas
WEB WES WEP
1 476 28000 1430 29906
2 476 28000 1430 29906
3 476 28000 1430 29906
4 476 28000 1430 29906
5 476 28000 1430 29906
6 476 28000 1430 29906
7 476 28000 1430 29906
8 476 28000 1430 29906
9 476 28000 1430 29906
10 476 28000 1430 29906
11 476 28000 1430 29906
12 476 28000 1430 29906

Kapasitas tersebut dijadikan dalam satuan konversi, dalam perhitungan kali ini
dikonversikan ke dalam standart waktu operasi tiap item.










100

Tabel 4.24. Kapasitas Produksi Reguler Time Setelah Dikonversikan
Periode
Item
Kapasitas
WEB WES WEP
1 111 25788 1430 27329
2 111 25788 1430 27329
3 111 25788 1430 27329
4 111 25788 1430 27329
5 111 25788 1430 27329
6 111 25788 1430 27329
7 111 25788 1430 27329
8 111 25788 1430 27329
9 111 25788 1430 27329
10 111 25788 1430 27329
11 111 25788 1430 27329
12 111 25788 1430 27329

Contoh perhitungan untuk item WEB pada periode 1
Kap. produksi unit konversi = kapasitas Produksi per item faktor konversi
= 476 0.234 = 111.3

4.2.6. Perencanaan Produksi Agregat
4.2.6.1. Perhitungan Ongkos Produksi
4.2.6.1.1. Perhitungan Ongkos Produksi Untuk Kerja Normal (Reguler
Time)
Untuk ongkos produksi kerja normal (regular time)
- Upah tenaga kerja perorangan = Rp 1,175,959 per bulan/orang
Rata-rata hari kerja perbulan = 21 hari
1 hari kerja = 8 jam
Maka upah kerja untuk kerja normal (regular time) per jam adalah:
perhari kerja jam bulan per kerja Hari
bulan per kerja upah
jam per Upah

=
m 6,999.7/ja Rp
8 21
1175959
=

=



101

- Kapasitas rata-rata produksi per jam
Diambil dari rata-rata kapasitas per bulan dibagi dengan jam kerja perbulan
adalah:
bulan per kerja jam
bulan per kapasitas rata - Rata
jam per produksi Kapasitas =
unit 163 162.67
168
27329
= = =
Jadi upah untuk kerja normal (regular time) per unit adalah:
42.9/unit Rp
163
6999.7
normal kerja jam Upah = =

- Rata-rata beban listrik yang d keluarkan selama 1 bulan = Rp 3500000
Maka ongkos listrik per jam dalam regular time adalah:
20833/jam Rp
168
3500000
jam per listrik Ongkos = =
Jadi beban ongkos listrik per unit adalah:
127.8/unit Rp
163
20833
unit per listrik Ongkos = =

- Perhitungan ongkos bahan baku
Kebutuhan bahan baku dalam sekali produksi = 1600 kg EPS Bead,
harga per kg EPS Bead = Rp 15,000
maka ongkos bahan baku per unitnya ( 1600 kg = 2040 unit) adalah:



jadi jumlah ongkos untuk jam kerja normal (regular time) = ongkos upah per
unit+ biaya bahan baku+ ongkos beban listrik.
Ongkos jam kerja normal = 42.9 + 11764.71 + 127.8
= Rp 11935.41 = Rp 11935



unit 11,764.71/ Rp
2040
15000 1600
unit per baku bahan Ongkos =

=
102

4.2.6.1.2. Perhitungan Ongkos Produksi Untuk Kerja Lembur (Over Time)
upah kerja lembur/jam = upah kerja normal/jam
42.9/unit Rp
163
6999.7
lembur kerja jam Upah = =
jadi jumlah ongkos untuk jam kerja lembur (over time) = ongkos upah per unit+
biaya bahan baku+ ongkos beban listrik.
Ongkos jam kerja lembur = 42.9 + 11764.71 + 127.8
= Rp 11935.41 = Rp 11935

4.2.6.1.3. Perhitungan Untuk Ongkos Inventory
Besarnya ongkos simpan berdasarkan pendekatan dengan menentukan suatu
persentasi terhadap ongkos regular time, persentasi yang diambil adalah biaya
listrik 1.25%, gaji karyawan 2.25% dan modal tertanam 11.5%.
Ongkos simpan = 15% regular time
= 15% 11935
= 1790.25= Rp 1790

4.2.6.2. Metode Tenaga Kerja Tetap
Tabel 4.25. Data Demand Dari Peramalan yang Terpilih
Periode
Hari
Kerja
Demand
Demand Setelah
Pembulatan
1 21 33896.39 33896
2 21 34984.47 34984
3 21 36072.55 36073
4 21 37160.63 37161
5 21 38248.71 38249
6 21 39336.79 39337
7 21 40424.87 40425
8 21 41512.95 41513
9 21 42601.03 42601
10 21 43689.11 43689
11 21 44777.19 44777
12 21 45865.27 45685
Jumlah 252 4347 478390

103

Keterangan:
Inventori awal = 21719.6 = 21720
Tenaga Kerja = 13 Orang
Ongkos Reguler Time = Ongkos Overtime = Rp. 11935
Ongkos Simpan = Rp. 1790

Tabel 4.26. Metode Tenaga Kerja Tetap
Periode HK Demand UPRT UPOT SC Total Supply Inv.Akhir
1 21 33896 27329 0 0 27329 15153
2 21 34984 27329 0 0 27329 7498
3 21 36073 27329 1246 0 28575 0
4 21 37161 27329 9832 0 37161 0
5 21 38249 27329 10920 0 38249 0
6 21 39337 27329 12008 0 39337 0
7 21 40425 27329 13096 0 40425 0
8 21 41513 27329 14184 0 41513 0
9 21 42601 27329 15272 0 42601 0
10 21 43689 27329 16360 0 43689 0
11 21 44777 27329 17448 0 44777 0
12 21 45685 27329 18356 0 45685 0
Total 252 478390 327948 128722 0 456670 22651

Total Supply
TS periode 1 = Produksi jam normal + produksi jam lembur + SC
= 27329 + 0 + 0 = 27329

Tabel 4.27. Total Cost Metode Tenaga Kerja Tetap
UPRT 327948 x Rp 11,935 Rp 3,914,059,380
UPOT 128722 x Rp 11,935 Rp 1,536,297,070
SC x Rp 0 Rp 0
Inventori 22651 x Rp 1,790 Rp 40,545,290
Total Cost Rp 5,490,901,740
104


4.2.6.3. Metode Transportasi
Tabel 4.28. Tabel Transportasi
Periode
Inventori
1 2 3 4 5 6 7 8 9 10 11 12
Kapasitas
Sisa
Kapasitas
1
2
3
4
5
6
7
8
9
10
11
12
Reguler Time
Reguler Time
Reguler Time
Reguler Time
Reguler Time
Reguler Time
Reguler Time
Reguler Time
Reguler Time
Reguler Time
Reguler Time
Reguler Time
Over Time
Over Time
Over Time
Over Time
Over Time
Over Time
Over Time
Over Time
Over Time
Over Time
Over Time
Over Time
Demand 33896 34984 36073 37161 38249 39337 40425 41513 42601 43689 44777 45685
11935 13725 15515 17305 19095 20885 22675 24465 28045 29835 31625 33415
21720 15153 7498
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0 0 0 0 0 0 0 0
11935 13725 15515 17305 19095 20885 22675 24465 28045 29835 31625 33415
11935 13725 15515 17305 19095 20885 22675 24465 28045 29835 31625
11935 13725 15515 17305 19095 20885 22675 24465 28045 29835 31625
11935 13725 15515 17305 19095 20885 22675 24465 28045 29835
11935 13725 15515 17305 19095 20885 22675 24465 28045 29835
11935 13725 15515 17305 19095 20885 22675 24465 28045
11935 13725 15515 17305 19095 20885 22675 24465 28045
11935 13725 15515 17305 19095 20885 22675 24465
11935 13725 15515 17305 19095 20885 22675 24465
11935 13725 15515 17305 19095 20885 22675
11935 13725 15515 17305 19095 20885 22675
11935 13725 15515 17305 19095 20885
11935 13725 15515 17305 19095 20885
11935 13725 15515 17305 19095
11935 13725 15515 17305 19095
11935 13725 15515 17305
11935 13725 15515 17305
11935 13725 15515
11935 13725 15515
11935 13725
11935 13725
11935
11935
27329
0
27329
0
27329
0
27329
1246
27329
9832
27329
10920
27329
12008
27329
13096
27329
14184
27329
15272
27329
16360
27329
17448
27329
18356
27329
18356
27329
17448
27329
16360
27329
15272
27329
14184
27329
13096
27329
12008
27329
10920
27329
9832
27329
1246
27329
0

105

Tabel 4.29. Summary Untuk Metode Transportasi
Periode Demand RT OT SC Total Supply
Inventori
Akhir
1 33896 27329 0 0 27329 21720
2 34984 27329 0 0 27329 15153
3 36073 27329 1246 0 28575 7498
4 37161 27329 9832 0 37161 0
5 38249 27329 10920 0 38249 0
6 39337 27329 12008 0 39337 0
7 40425 27329 13096 0 40425 0
8 41513 27329 14184 0 41513 0
9 42601 27329 15272 0 42601 0
10 43689 27329 16360 0 43689 0
11 44777 27329 17448 0 44777 0
12 45685 27329 18356 0 45685 0
Jumlah 478390 327948 128722 0 456670 590

Total Supply
TS periode 1 = Produksi jam normal + produksi jam lembur + SC
= 27329 + 0 + 0 = 34161

Tabel 4.30. Total Cost Metode Transportasi
UPRT 327948 x Rp 11,935 Rp 3,914,059,380
UPOT 128722 x Rp 11,935 Rp 1,536,297,070
SC x Rp 0 Rp 0
Inventori 44371 x Rp 1,790 Rp 79,424,090
Total Cost Rp 5,529,780,540

Tabel 4.31. Tabel Perbandingan
Tabel Perbandingan
Metode Total Cost
Tenaga Kerja Tetap Rp 5,490,901,740
Transportasi Rp 5,529,780,540

106

Dari tabel perbandingan diatas maka metode yang memerlukan ongkos paling
minimum yaitu dengan menggunakan metode tenaga kerja tetap dengan total cost
Rp 5,490,901,740

4.2.7. Disagregasi
Setelah didapat hasil perencanaan agregat proses disagregasi ini diperlukan
agar diketahui secara jelas berapa jumlah produk yang harus diproduksi pada
masing-masing tipe produk, dan juga untuk merubah satuan produk dari produk
agregat menjadi produk individu.
4.2.7.1. Menentukan Permintaan Tiap Item
Jumlah masing-masing item setiap periode dapat diperoleh dari persentase
item dikalikan dengan jumlah permintaan item pada periode tersebut.
Tabel 4.32. Persentasi Tiap Item
Family Item % Item
B-foam
WEB 1.56%
WES 93.75
WEP 4.69%
Total 100%

Perhitungan permintaan masing-masing item dalam satuan unit yang dapat dilihat
dalam tabel berikut ini:
Tabel 4.33. Perhitungan Permintaan Masing-masing Item (Dari Peramalan)
Periode
Item (Unit)
WEB WES WEP
1 2176 34503 1590
2 2246 35611 1641
3 2316 36719 1692
4 2386 37827 1743
5 2455 38934 1794
6 2525 40042 1845
7 2595 41149 1896
8 2665 42257 1947
9 2735 43364 1998
10 2805 44472 2049
11 2875 45579 2100
12 2933 46503 2143
107

Contoh perhitungan untuk item WEB pada periode 1 sebagai berikut:
Permintaan B-foam WEB
Konversi Faktor
1 periode pada Permintaan WEB foam - B Item %
=

0.243
33896 % 1.56
=
unit 2176 =

Keterangan
- Inventori awal = WEB = 238
WES = 22446
WEP = 989
- Ongkos setup (K
ij
) = Rp 25,000
- Ongkos simpan (H
ij
) = Rp 1,790
- Safety stock (S
ij
) = WEB = 23
WES = 1380
WEP = 68

Tabel 4.34. Tabel Proporsi
Periode
B-foam item
Total Demand
WEB WES WEP
1 2176 34503 1590 38269
2 2246 35611 1641 39498
3 2316 36719 1692 40727
4 2386 37827 1743 41956
5 2455 38934 1794 43183
6 2525 40042 1845 44412
7 2595 41149 1896 45640
8 2665 42257 1947 46869
9 2735 43364 1998 48097
10 2805 44472 2049 49326
11 2875 45579 2100 50554
12 2933 46503 2143 51579
Total 30712 486960 22438 540110
% Proporsi 5.69% 90.16 4.15% 100%
% Pembulatan 6% 90% 4% 100%
Proporsi 0.0569 0.9016 0.0415 1

108

1. Contoh perhitungan disagregasi metode family set-up periode 1
- Menghitung inventori awal (I
ij-1
)
55.73
0.243
5.69% 38 2
FK
%proporsi
awal
I
1 WEB1
I =


21973.20
0.921
90.16% 22446
FK
%proporsi
awal
I
1 WES1
I =


41.04
1
% 15 . 4 989
FK
%proporsi
awal
I
1 WEP1
I =



- Menghitung ramalan demand tiap item (R
ijt
)
7936.96
0.243
5.69% 33896
FK
%proporsi demand Ramalan
WEB1
R =

=
01 . 3182 3
0.921
% 16 . 0 9 33896
FK
%proporsi demand Ramalan
WES1
R =

=
68 . 1406
1
% 15 . 4 33896
FK
%proporsi demand Ramalan
WEP1
R =

=

- Menghitung I
ijt
tiap item
24 . 7881 96 . 7936 73 . 55
WEB1
R
1 WEB1
I = =


82 . 11208 01 . 33182 20 . 21973
WES1
R
1 WES1
I = =


64 . 1365 68 . 1406 04 . 41
WEP1
R
1 WEP1
I = =



- Menghitung D
ijt
tiap item
-7904.24 23 96 . 7936 73 . 55
ij
S
WEB1
R
1 WEB1
I
WEB1
D = =

=
82 . 12588 1380 01 . 33182 20 . 21973
ij
S
WES1
R
1 WES1
I
WES1
D = =

=
-1433.64 68 68 . 1406 04 . 41
ij
S
WEP1
R
1 WEP1
I
WEP1
D = =

=

- Menetapkan keputusan dibuat atau tidak
WEB1= -7881.24 < 23, Maka tidak dibuat
WES1= -11208.82 < 1380, Maka tidak dibuat
109

WEP1= -1365.64 < 68, Maka tidak dibuat
Karena nilai dari I
jt
< S
ij
maka produk dibuat, adjusment dilakukan.

- Menghitung H
ij
R
ij

WEB 1790 7936.96 = 14207166.7
WES 1790 33182.01 = 59395802.5
WEP 1790 1406.68 = 2517964.36
Total Family = 79120934

- Menghitung T*
0.03
79120934
2(25000)
)
ij
R
ij
(H
ij
2K
foam - B * T = =

=

- Menghitung Q*
ij

Q*
ij
= max {(T*
ij
R
ij
) D
ij
;0}
WEB = max {(0.03 7936.96) (-7904.24);0}= 8107.65
WES = max {(0.03 33182.01) (-12588.82);0}= 12588.82
WEP = max {(0.03 1406.68) (-1433.64);0}= 1433.64

- Menghitung Q*
ij
M
ij

WEB = 8107.65 0.243 = 1970.16
WES = 12588.82 0.921 = 11594.30
WEP = 1433.64 1 = 1433.64








110

- Mencari penyesuaian order
(
(
(
(

|
.
|

\
|

|
.
|

\
|

+
ij
M
ij
R
ij
M
ij
* Q p
ij
R
ij
* Q
P (supply) = 34161
(Q*
ij
M
ij
) = (8107.65 0.243) + (12588.82 0.921) + (1433.64 1)
= 14998.10
(Q*
ij
M
ij
) P maka perhitungan adjustment dilanjutkan
(R
ij
M
ij
) = (7936.96 0.243) + (33182.01 0.921) + (1406.68 1)
= 33896.00
363786 . 0
00 . 33896
10 . 14998 27329
ij
M
ij
R
ij
M
ij
* Q p
=
(


=
(
(
(
(

|
.
|

\
|

|
.
|

\
|



Q*
ij(adj)
untuk WEB = 8107.65 + (7936.96(0.363786) = 10995.01
Q*
ij(adj)
untuk WES = 12588.82 + (33182.01(0.363786) = 24659.98
Q*
ij(adj)
untuk WEP = 1433.64 + (1406.68(0.363786) = 1945.37

- Menghitung inventori akhir I
ijt(adj)

I
ijt(adj)
= I
ijt-1
+ Q*
ij(adj)
R
ijt

I
ijt(adj)
WEB = 55.73+ 10995.01 7936.96 = 3113.78
I
ijt(adj)
WEB = 21973.20 + 24659.98 33182.01 = 13451.16
I
ijt(adj)
WEB = 41.04+ 1945.37 1406.68 = 579.73







111


4.2.7.2. Disagregasi Dengan Metode Family Set-up
Periode 1
Tabel 4.35. Family Set-up Periode 1
Ongkos Set-Up (Kij) = 25000 Ongkos Simpan (Hij) =1790 P=27329 D=33896 Jika Ijt < Sij maka produk dibuat Jika Ijt > Sij maka produk tidak dibuat
Family(j) Item(i) I(ijt-1) Sijt Rijt Iijt Dijt Ijt<Sij Kij hij hij.Rij T*ij Q*ij Mij Rijt*Mijt Q*ijt.Mijt Q*ij(adj) Q*ij(adj).Mij Iijt(adj)
B-foam
WEB 55.73 23 7936.96 -7881.24 -7904.24 dibuat 25000 1790 14207166.65
0.03
8107.65 0.243 1928.68 1970.16 10995.01 2671.79 3113.78
WES 21973.20 1380 33182.01 -11208.82 -12588.82 dibuat 25000 1790 59395802.55 12588.82 0.921 30560.63 11594.30 24659.98 22711.84 13451.16
WEP 41.04 68 1406.68 -1365.64 -1433.64 dibuat 25000 1790 2517964.36 1433.64 1 1406.68 1433.64 1945.37 1945.37 579.73
76120933.6 33896.00 14998.10 27329.00

Periode 2
Tabel 4.36. Family Set-up Periode 2
Inventory awal = 71759 Ongkos Set-Up (Kij) = 25000 Ongkos Simpan (Hij) =1815 P=27329 D=34984 Jika Ijt < Sij maka produk dibuat Jika Ijt > Sij maka produk tidak dibuat
Family
(j)
Item
(i)
I
(ijt-1)
S
ijt
R
ijt
I
ijt
D
ijt
I
jt
<S
ij
K
ij
h
ij
h
ij
.R
ij
T*i
j
Q*
ij
M
ij
R
ijt
*M
ijt
Q*
ijt
.M
ijt
Q*
ij(adj)
Q*
ij(adj)
.M
ij
I
ijt(adj)

B-foam
WEB 3113.78 23 8191.73 -5077.95 -5100.95

25000 1790 14663190.88
0.03
5307.61 0.243 1990.59 1289.75 6402.31 1555.76 1324.36
WES 13451.16 1380 34247.09 -20795.93 -22175.93

25000 1790 61302299.87 22175.93 0.921 31541.57 20424.04 26752.57 24639.12 5956.64
WEP 579.73 68 1451.84 -872.10 -940.10

25000 1790 2598786.44 940.10 1 1451.84 940.10 1134.12 1134.12 262.02
78564277.2 34984.00 22653.89 27329.00



112


Periode 3
Tabel 4.37. Family Set-up Periode 3
Inventory awal = 71759 Ongkos Set-Up (Kij) = 25000 Ongkos Simpan (Hij) =1815 P=28575 D=36073 Jika Ijt < Sij maka produk dibuat Jika Ijt > Sij maka produk tidak dibuat
Family
(j)
Item
(i)
I
(ijt-1)
S
ijt
R
ijt
I
ijt
D
ijt
I
jt
<S
ij
K
ij
h
ij
h
ij
.R
ij
T*i
j
Q*
ij
M
ij
R
ijt
*M
ijt
Q*
ijt
.M
ijt
Q*
ij(adj)
Q*
ij(adj)
.M
ij
I
ijt(adj)

B-foam
WEB 1324.36 23 8446.72 -7122.36 -7145.36 Dibuat 25000 1790 15119634.25
0.02
7355.21 0.243 2052.55 1787.32 6694.03 1626.65 0.00
WES 5956.64 1380 35313.16 -29356.52 -30736.52 Dibuat 25000 1790 63210549.48 30736.52 0.921 32523.42 28308.34 27972.34 25762.52 0.00
WEP 262.02 68 1497.03 -1235.01 -1303.01 Dibuat 25000 1790 2679682.805 1303.01 1 1497.03 1303.01 1185.83 1185.83 0.00
81009866.5 36073.00 31398.66 28575.00

Periode 4
Tabel 4.38. Family Set-up Periode 4
Inventory awal = 71759 Ongkos Set-Up (Kij) = 25000 Ongkos Simpan (Hij) =1815 P=37161 D=37161 Jika Ijt < Sij maka produk dibuat Jika Ijt > Sij maka produk tidak dibuat
Family
(j)
Item
(i)
I
(ijt-1)
S
ijt
R
ijt
I
ijt
D
ijt
I
jt
<S
ij
K
ij
h
ij
h
ij
.R
ij
T*i
j
Q*
ij
M
ij
R
ijt
*M
ijt
Q*
ijt
.M
ijt
Q*
ij(adj)
Q*
ij(adj)
.M
ij
I
ijt(adj)

B-foam
WEB 0.00 23 8701.49 -8701.49 -8724.49 Dibuat 25000 1790 15575658.48
0.02
8937.47 0.243 2114.46 2171.81 8610.52 2092.36 0.00
WES 0.00 1380 36378.24 -36378.24 -37758.24 Dibuat 25000 1790 65117046.8 37758.24 0.921 33504.36 34775.34 36391.33 33516.41 13.09
WEP 0.00 68 1542.18 -1542.18 -1610.18 Dibuat 25000 1790 2760504.885 1610.18 1 1542.18 1610.18 1552.23 1552.23 10.05
83453210.2 37161.00 38557.33 37161.00




113


Periode 5
Tabel 4.39. Family Set-up Periode 5
Inventory awal = 71759 Ongkos Set-Up (Kij) = 25000 Ongkos Simpan (Hij) =1815 P=38249 D=38249 Jika Ijt < Sij maka produk dibuat Jika Ijt > Sij maka produk tidak dibuat
Family
(j)
Item
(i)
I
(ijt-1)
S
ijt
R
ijt
I
ijt
D
ijt
I
jt
<S
ij
K
ij
h
ij
h
ij
.R
ij
T*i
j
Q*
ij
M
ij
R
ijt
*M
ijt
Q*
ijt
.M
ijt
Q*
ij(adj)
Q*
ij(adj)
.M
ij
I
ijt(adj)

B-foam
WEB 0.00 23 8956.25 -8956.25 -8979.25 Dibuat 25000 1790 16031682.71
0.02
9195.33 0.243 2176.37 2234.47 8873.37 2156.23 0.00
WES 13.09 1380 37443.32 -37430.23 -38810.23 Dibuat 25000 1790 67023544.12 38810.23 0.921 34485.30 35744.23 37464.22 34504.55 33.99
WEP 10.05 68 1587.33 -1577.28 -1645.28 Dibuat 25000 1790 2841326.965 1645.28 1 1587.33 1645.28 1588.22 1588.22 10.94
85896553.8 38249.00 39623.97 38249.00

Periode 6
Tabel 4.40. Family Set-up Periode 6
Inventory awal = 71759 Ongkos Set-Up (Kij) = 25000 Ongkos Simpan (Hij) =1815 P=39337 D=39337 Jika Ijt < Sij maka produk dibuat Jika Ijt > Sij maka produk tidak dibuat
Family
(j)
Item
(i)
I
(ijt-1)
S
ijt
R
ijt
I
ijt
D
ijt
I
jt
<S
ij
K
ij
h
ij
h
ij
.R
ij
T*i
j
Q*
ij
M
ij
R
ijt
*M
ijt
Q*
ijt
.M
ijt
Q*
ij(adj)
Q*
ij(adj)
.M
ij
I
ijt(adj)

B-foam
WEB 0.00 23 9211.01 -9211.01 -9234.01 Dibuat 25000 1790 16487706.94
0.02
9453.15 0.243 2238.28 2297.11 9135.73 2219.98 0.00
WES 33.99 1380 38508.40 -38474.41 -39854.41 Dibuat 25000 1790 68930041.44 39854.41 0.921 35466.24 36705.91 38527.39 35483.73 52.98
WEP 10.94 68 1632.49 -1621.55 -1689.55 Dibuat 25000 1790 2922149.045 1689.55 1 1632.49 1689.55 1633.29 1633.29 11.74
88339897.4 39337.00 40692.58 39337.00




114


Periode 7
Tabel 4.41. Family Set-up Periode 7
Inventory awal = 71759 Ongkos Set-Up (Kij) = 25000 Ongkos Simpan (Hij) =40425 P=40425 D=40425 Jika Ijt < Sij maka produk dibuat Jika Ijt > Sij maka produk tidak dibuat
Family
(j)
Item
(i)
I
(ijt-1)
S
ijt
R
ijt
I
ijt
D
ijt
I
jt
<S
ij
K
ij
h
ij
h
ij
.R
ij
T*i
j
Q*
ij
M
ij
R
ijt
*M
ijt
Q*
ijt
.M
ijt
Q*
ij(adj)
Q*
ij(adj)
.M
ij
I
ijt(adj)

B-foam
WEB 0.00 23 9465.77 -9465.77 -9488.77 Dibuat 25000 1790 16943731.17
0.02
9710.92 0.243 2300.18 2359.75 9397.61 2283.62 0.00
WES 52.98 1380 39573.49 -39520.51 -40900.51 Dibuat 25000 1790 70836538.76 40900.51 0.921 36447.18 37669.37 39590.68 36463.01 70.17
WEP 11.74 68 1677.64 -1665.89 -1733.89 Dibuat 25000 1790 3002971.125 1733.89 1 1677.64 1733.89 1678.37 1678.37 12.47
90783241.1 40425.00 41763.01 40425.00

Periode 8
Tabel 4.42. Family Set-up Periode 8
Inventory awal = 71759 Ongkos Set-Up (Kij) = 25000 Ongkos Simpan (Hij) =1815 P=41513 D=41513 Jika Ijt < Sij maka produk dibuat Jika Ijt > Sij maka produk tidak dibuat
Family
(j)
Item
(i)
I
(ijt-1)
S
ijt
R
ijt
I
ijt
D
ijt
I
jt
<S
ij
K
ij
h
ij
h
ij
.R
ij
T*i
j
Q*
ij
M
ij
R
ijt
*M
ijt
Q*
ijt
.M
ijt
Q*
ij(adj)
Q*
ij(adj)
.M
ij
I
ijt(adj)

B-foam
WEB 0.00 23 9720.53 -9720.53 -9743.53 Dibuat 25000 1790 17399755.4
0.02
9968.65 0.243 2362.09 2422.38 9659.05 2347.15 0.00
WES 70.17 1380 40638.57 -40568.40 -41948.40 Dibuat 25000 1790 72743036.08 41948.40 0.921 37428.12 38634.47 40654.07 37442.40 85.68
WEP 12.47 68 1722.79 -1710.32 -1778.32 Dibuat 25000 1790 3083793.205 1778.32 1 1722.79 1778.32 1723.45 1723.45 13.13
93226584.7 41513.00 42835.17 41513.00




115


Periode 9
Tabel 4.43. Family Set-up Periode 9
Inventory awal = 71759 Ongkos Set-Up (Kij) = 25000 Ongkos Simpan (Hij) =1815 P=42601 D=42601 Jika Ijt < Sij maka produk dibuat Jika Ijt > Sij maka produk tidak dibuat
Family
(j)
Item
(i)
I
(ijt-1)
S
ijt
R
ijt
I
ijt
D
ijt
I
jt
<S
ij
K
ij
h
ij
h
ij
.R
ij
T*i
j
Q*
ij
M
ij
R
ijt
*M
ijt
Q*
ijt
.M
ijt
Q*
ij(adj)
Q*
ij(adj)
.M
ij
I
ijt(adj)

B-foam
WEB 0.00 23 9975.30 -9975.30 -9998.30 Dibuat 25000 1790 17855779.63
0.02
10226.34 0.243 2424.00 2485.00 9920.08 2410.58 0.00
WES 85.68 1380 41703.65 -41617.97 -42997.97 Dibuat 25000 1790 74649533.4 42997.97 0.921 38409.06 39601.13 41717.58 38421.89 99.61
WEP 13.13 68 1767.94 -1754.81 -1822.81 Dibuat 25000 1790 3164615.285 1822.81 1 1767.94 1822.81 1768.53 1768.53 13.72
95669928.3 42601.00 43908.94 42601.00

Periode 10
Tabel 4.44. Family Set-up Periode 10
Inventory awal = 71759 Ongkos Set-Up (Kij) = 25000 Ongkos Simpan (Hij) =1815 P=43689 D=43689 Jika Ijt < Sij maka produk dibuat Jika Ijt > Sij maka produk tidak dibuat
Family
(j)
Item
(i)
I
(ijt-1)
S
ijt
R
ijt
I
ijt
D
ijt
I
jt
<S
ij
K
ij
h
ij
h
ij
.R
ij
T*i
j
Q*
ij
M
ij
R
ijt
*M
ijt
Q*
ijt
.M
ijt
Q*
ij(adj)
Q*
ij(adj)
.M
ij
I
ijt(adj)

B-foam
WEB 0.00 23 10230.06 -10230.06 -10253.06 Dibuat 25000 1790 18311803.86
0.02
10484.00 0.243 2485.90 2547.61 10180.71 2473.91 0.00
WES 99.61 1380 42768.73 -42669.13 -44049.13 Dibuat 25000 1790 76556030.72 44049.13 0.921 39390.00 40569.25 42781.18 39401.47 112.05
WEP 13.72 68 1813.09 -1799.37 -1867.37 Dibuat 25000 1790 3245437.365 1867.37 1 1813.09 1867.37 1813.62 1813.62 14.25
98113272 43689.00 44984.23 43689.00




116


Periode 11
Tabel 4.45. Family Set-up Periode 11
Inventory awal = 71759 Ongkos Set-Up (Kij) = 25000 Ongkos Simpan (Hij) =1815 P=44777 D=44777 Jika Ijt < Sij maka produk dibuat Jika Ijt > Sij maka produk tidak dibuat
Family
(j)
Item
(i)
I
(ijt-1)
S
ijt
R
ijt
I
ijt
D
ijt
I
jt
<S
ij
K
ij
h
ij
h
ij
.R
ij
T*i
j
Q*
ij
M
ij
R
ijt
*M
ijt
Q*
ijt
.M
ijt
Q*
ij(adj)
Q*
ij(adj)
.M
ij
I
ijt(adj)

B-foam
WEB 0.00 23 10484.82 -10484.82 -10507.82 Dibuat 25000 1815 19029948.6
0.02
10740.00 0.243 2547.81 2609.82 10439.45 2536.79 0.00
WES 112.05 1380 43833.81 -43721.76 -45101.76 Dibuat 25000 1815 79558373.41 45101.76 0.921 40370.94 41538.72 43845.26 40381.48 123.50
WEP 14.25 68 1858.25 -1844.00 -1912.00 Dibuat 25000 1815 3372715.583 1912.00 1 1858.25 1912.00 1858.73 1858.73 14.73
101961038 44777.00 46060.54 44777.00

Periode 12
Tabel 4.46. Family Set-up Periode 12
Inventory awal = 71759 Ongkos Set-Up (Kij) = 25000 Ongkos Simpan (Hij) =1815 P=45685 D=44777 Jika Ijt < Sij maka produk dibuat Jika Ijt > Sij maka produk tidak dibuat
Family
(j)
Item
(i)
I
(ijt-1)
S
ijt
R
ijt
I
ijt
D
ijt
I
jt
<S
ij
K
ij
h
ij
h
ij
.R
ij
T*i
j
Q*
ij
M
ij
R
ijt
*M
ijt
Q*
ijt
.M
ijt
Q*
ij(adj)
Q*
ij(adj)
.M
ij
I
ijt(adj)

B-foam
WEB 0.00 23 10697.43 -10697.43 -10720.43 Dibuat 25000 1815 19415842.99
0.02
10954.96 0.243 2599.48 2662.05 10656.86 2589.62 0.00
WES 123.50 1380 44722.69 -44599.19 -45979.19 Dibuat 25000 1815 81171679.41 45979.19 0.921 41189.60 42346.84 44732.92 41199.02 133.73
WEP 14.73 68 1895.93 -1881.19 -1949.19 Dibuat 25000 1815 3441108.413 1949.19 1 1895.93 1949.19 1896.36 1896.36 15.17
104028631 45685.00 46958.09 45685.00
117

4.2.8. Jadwal Induk Produksi
Jadwal induk produksi (master production schedule) adalah suatu
perencanaan yang mengidentifikasi jumlah dari item tertentu yang akan dibuat.
Hasil akhir dari disagregasi item merupakan input atau master schedule bagi
jadwal induk produksi.
Tabel 4.47. Master Schedulle
Periode
Item
WEB WES WEP
1 10995.01 24659.98 1945.37
2 6402.31 26752.57 1134.12
3 6694.03 27972.34 1185.83
4 8610.52 36391.33 1552.23
5 8873.37 37464.22 1588.22
6 9135.73 38527.39 1633.29
7 9397.61 39590.68 1678.37
8 9659.05 40654.07 1723.45
9 9920.08 42781.18 1768.53
10 10180.71 42781.18 1813.62
11 10439.45 43845.26 1858.73
12 10656.86 44732.92 1896.36

Tabel 4.48. Master Schedulle Yang Telah Dilakukan Pembulatan
Periode
Item
WEB WES WEP
1 10995 24660 1945
2 6402 26753 1134
3 6694 27972 1186
4 8610 36391 1552
5 8873 37464 1588
6 9136 38527 1633
7 9398 39591 1678
8 9659 40654 1723
9 9920 42781 1768
10 10181 42781 1813
11 10439 43845 1858
12 10657 44733 1896



118

Tabel 4.49. Permintaan Masing-masing Item (Dari Peramalan)
Periode
Item (Unit)
WEB WES WEP
1 2176 34503 1590
2 2246 35611 1641
3 2316 36719 1692
4 2386 37827 1743
5 2455 38934 1794
6 2525 40042 1845
7 2595 41149 1896
8 2665 42257 1947
9 2735 43364 1998
10 2805 44472 2049
11 2875 45579 2100
12 2933 46503 2143


Data-data yang diperlukan dalam merancang jadwal induk produksi antara
lain:
- Data Actual Order
Data yang berupa pesanan konsumen yang seudah diterima dan bersifat pasti
(certain).
- Inventory Item
Merupakan persediaan awal (inventory awal) yang di peroleh dari perusahaan
yaitu sebesar 71759 unit.
- Safety Stock
Stok tambahan dari item yang direncanakan sebagai stok pengaman guna
mengatasi fluktuasi dalam ramalan penjualan. Didapat dari data buffer
perusahaan 119 unit per periode.
- DTF (Demand Time Fence)
Periode mendatang dari MPS di mana dalam periode ini perubahan-
perubahan terhadap jadwal induk produksi tidak diterima karena akan
menimbulkan kerugian biaya yang besar akibat ketidaksesuaian atau
kekacauan jadwal.
119

- PTF (Planning Time Fence)
Periode mendatang dari jadwal induk produksi di mana dalam periode ini
perubahan-perubahan terhadap jadwal induk produksi dievaluasi guna
mencegah ketidaksesuaian atau kekacauan jadwal yang akan menimbulkan
kerugian dalam biaya.

Berikut tabel perhitungan Master Production Schedulle, untuk mendapatkan
jadwal induk produksi.
Tabel 4.50. Jadwal Induk Produksi Item WEB
Description : WEB
DTF : 4 Periode
Order Qty : 1 periode
PTF : 8 Periode
Safty Stock : 23
DTF

PTF

Periode 1 2 3 4 5 6 7 8 9 10 11 12
Forecast 2176 2246 2316 2386 2455 2525 2595 2665 2735 2805 2875 2933
Act.order 2100 2100 2100 2100 2100 2100 2100 2100 2100 2100 2100 2100
PAB 238 9133 13435 18029 24539 30957 37568 44371 51365 58550 65926 73490 81214
ATP 18028 4302 4594 6510 6773 7036 7298 7559 7820 8081 8339 8557
MS 10995 6402 6694 8610 8873 9136 9398 9659 9920 10181 10439 10657
PO 1961 -6864 -11096 -15620 -22061 -28409 -34950 -41683 -48607 -55722 -63028 -70534

Tabel 4.51. Jadwal Induk Produksi Item WES
Description : WES
DTF : 4 Periode
Order Qty : 1 periode
PTF : 8 Periode
Safty Stock : 1380
DTF

PTF


Periode 1 2 3 4 5 6 7 8 9 10 11 12
Forecast 34503 35611 36719 37827 38934 41149 41149 42257 43364 44472 45579 46503
Act.order 31200 31200 31200 31200 31200 31200 31200 31200 31200 31200 31200 31200
PAB 22446 15906 11459 8231 13422 11952 9330 7772 6169 5586 3895 2161 391
ATP 9366 -4447 -3228 5191 6264 7327 8391 9454 11581 11581 12645 13533
MS 24660 26753 27972 36391 37464 38527 39591 40654 42781 42781 43845 44733
PO 13437 21085 26640 30976 26892 30577 33199 35865 38575 40266 43064 45722


120

Tabel 4.52. Jadwal Induk Produksi Item WEP
Description : WEP
DTF : 4 Periode
Order Qty : 1 periode
PTF : 8 Periode
Safty Stock : 68
DTF

PTF


Periode 1 2 3 4 5 6 7 8 9 10 11 12
Forecast 1590 1641 1692 1743 1794 1845 1896 1947 1998 2049 2100 2143
Act.order 1200 1200 1200 1200 1200 1200 1200 1200 1200 1200 1200 1200
PAB 989 1734 1668 1654 2006 1800 1588 1370 1146 916 635 393 146
ATP 2479 -66 -14 352 388 433 478 523 568 568 658 696
MS 1945 1134 1186 1552 1588 1633 1678 1723 1768 1768 1858 1896
PO 669 -25 92 157 -144 113 376 645 920 1201 1533 1818

Contoh perhitungan dari tabel di atas adalah sebagai berikut:
Untuk Daerah DTF WEP:
PABt = PAB(t-1) + MSt AOt
PABt = 989 + 1945 1200 = 1734

Untuk Perhitungan periode 2 sampai 4 sama dengan perhitungan Periode 1 untuk
daerah DTF, dan daerah PTF untuk perhitungan periode 5 sampai 7 yaitu:
PABt = PAB(t-1) + MSt max (AOt,Ft)
PABt = 2006 + 1588 1794 = 1800

Sedangkan Untuk Periode 9 dan seterusnya perhitungan menggunakan data
Forecast :
PABt = PAB(t-1) + MSt Ft
PABt = 1146 + 1768 1998= 916

Perhitungan untuk ATP (Available to Promise) pada periode 1:
ATPt = PAB(t-1) + MS1 AOt
ATPt = 989 + 1945 (1200+1200) = 1945


121

Pada Periode Selanjutnya:
ATPt = MSt AOt
ATPt = 1134 250 = 884

PO = F + SS - PAB(t-1)
PO = 1590 + 68 989= 669

4.2.9. Perhitungan Kapasitas Kasar (Rought Cut Capacity Planning)
Dalam perhitungan kapasitas kasar ini metode yang digunakan adalah
metode pendekatan tenaga kerja (bill of labour approach). Perhitungan ini
dilakukan untuk mengetahui berapa besarnya kapasitas yang dimiliki oleh
perusahaan dalam melakukan produksi. Langkah awal dalam perhitungan ini yaitu
menentukan kapasitas masing-masing stasiun kerja/mesin.

1. Kapasitas waktu yang tersedia setiap stasiun kerja (mesin)
Dalam menentukan kapasitas yang tersedia dihitung berdasarkan jumlah jam kerja
per periode untuk stasiun kerja dikalikan dengan jumlah tenaga kerja.
122


Tabel 4.53. Kapasitas Reguler Time Tersedia (Menit)
Periode
Stasiun Kerja
Mesin
Hopper
Mesin
Chamber 1
Mesin
Fluidized Bed 1
Mesin
Silo 1
Mesin
Chamber 2
Mesin
Fluidized Bed 2
Mesin
Silo 2
Mesin
Block Moulding
EPS Cutting
Machine
EPS Cutting Machine
Schnell
1 131040 131040 131040 131040 131040 131040 131040 131040 131040 131040
2 131040 131040 131040 131040 131040 131040 131040 131040 131040 131040
3 131040 131040 131040 131040 131040 131040 131040 131040 131040 131040
4 131040 131040 131040 131040 131040 131040 131040 131040 131040 131040
5 131040 131040 131040 131040 131040 131040 131040 131040 131040 131040
6 131040 131040 131040 131040 131040 131040 131040 131040 131040 131040
7 131040 131040 131040 131040 131040 131040 131040 131040 131040 131040
8 131040 131040 131040 131040 131040 131040 131040 131040 131040 131040
9 131040 131040 131040 131040 131040 131040 131040 131040 131040 131040
10 131040 131040 131040 131040 131040 131040 131040 131040 131040 131040
11 131040 131040 131040 131040 131040 131040 131040 131040 131040 131040
12 131040 131040 131040 131040 131040 131040 131040 131040 131040 131040
123

Contoh perhitungan kapasitas regular time yang tersedia untuk mesin hopper pada
periode 1
Kap. Waktu tersedia M. Hopper = Jumlah jam kerja Jumlah TK 60
= 168 13 60
= 131040

Contoh perhitungan kapasitas regular time yang tersedia untuk mesin chamber1
pada periode 1
Kap. Waktu tersedia M. Chamber 1 = Jumlah jam kerja Jumlah TK 60
= 168 13 60
= 131040

Contoh perhitungan kapasitas regular time yang tersedia untuk mesin EPS Cutting
Machine pada periode 1
Kap. Waktu tersedia EPS Cutting Machine = Jumlah JK Jumlah TK 60
= 168 13 60
= 131040

2. Kapasitas yang diperlukan setiap stasiun kerja
Tabel 4.54. Data Jadwal Induk Produksi B-foam
Periode
Item
WEB WES WEP
1 10783 20606 2684
2 16735 20859 3568
3 22979 22331 4504
4 31139 32222 5806
5 37557 30752 5806
6 44168 28130 5600
7 50971 26572 5388
8 57965 24969 5170
9 65150 24386 4946
10 72526 22695 4435
11 80090 20961 4193
12 87814 19191 3946
124


Tabel 4.55. Data Waktu Operasi Per Stasiun
Nama Mesin
Waktu Proses
(Menit)
Jumlah
Tenaga Kerja
Hopper 0.5 1
Chamber 1 5 1
Fluidized Bead 1 7 1
Silo 1 240 1
Single Expand
Chamber 2 5 -
Fluidized Bead 2 7 -
Silo 2 240 -
Double Expand
Block Moulding 14 2
EPS Cutting Machine (WES) 10 2
EPS Cutting Machine Schnell (WEP) 180 2
125


Tabel 4.56. Kapasitas Reguler Time yang Dibutuhkan (Menit)
Periode
Stasiun Kerja
Mesin
Hopper
Mesin
Chamber 1
Mesin
Fluidized Bed 1
Mesin
Silo 1
Mesin
Chamber 2
Mesin
Fluidized Bed 2
Mesin
Silo 2
Mesin
Block Moulding
EPS Cutting
Machine
EPS Cutting Machine
Schnell
1 146.71 1467.07 2053.90 70419.53 1467.07 2053.90 70419.53 4107.81 2764.15 51411.18
2 208.56 2085.59 2919.82 100108.12 2085.59 2919.82 100108.12 5839.64 4007.64 74070.00
3 275.26 2752.58 3853.61 132123.65 2752.58 3853.61 132123.65 7707.21 5343.00 98366.47
4 373.99 3739.91 5235.87 179515.53 3739.91 5235.87 179515.53 10471.74 7283.15 133452.35
5 467.00 4670.03 6538.04 224161.41 4670.03 6538.04 224161.41 13076.08 9163.59 167066.47
6 562.54 5625.42 7875.58 270020.00 5625.42 7875.58 270020.00 15751.17 11095.15 201691.76
7 661.14 6611.35 9255.89 317344.94 6611.35 9255.89 317344.94 18511.79 13088.39 237322.94
8 762.50 7624.97 10674.96 365998.71 7624.97 10674.96 365998.71 21349.92 15137.59 273954.71
9 866.89 8668.89 12136.44 416106.59 8668.89 12136.44 416106.59 24272.88 17247.97 311587.06
10 973.57 9735.67 13629.94 467312.35 9735.67 13629.94 467312.35 27259.89 19409.09 350140.59
11 1083.19 10831.91 15164.68 519931.88 10831.91 15164.68 519931.88 30329.36 21625.30 389758.24
12 1195.14 11951.35 16731.89 573664.82 11951.35 16731.89 573664.82 33463.78 23888.39 430214.12
126

Contoh perhitungan kebutuhan kapasitas kasar mesin Hopper pada periode 1
Kapasitas mesin Hopper yang dibutuhkan
Menit 71 . 146
102
1734 0.5
2040
15906 0.5
34
9133 0.5
=

=



Gambar 4.12. Grafik Reguler Time yang Dibutuhka
127

4.2.9.1. Grafik Perbandingan Kapasitas Per Mesin
Dari hasil perhitungan kapasitas maka diperoleh grafik perbandingan antara
kapasitas yang dibutuhkan dengan kapasitas yang tersedia setiap mesin (stasiun
kerja) yang ditunjukkan pada gambar dibawah ini.

Gambar 4.13. Grafik Perbandingan Kapasitas Mesin Hopper yang Tersedia dan yang
Dibutuhkan

Dari gambar grafik perbandingan di atas dapat dilihat bahwa kapasitas
waktu yang tersedia untuk Mesin Hopper lebih banyak dari pada waktu yang
dibutuhkan, maka kapasitas yang dibutuhkan dapat terpenuhi dari kapasitas
tersedia pada reguler time dan tidak perlu ada penambahan waktu kerja dan
tenaga kerja.


128


Gambar 4.14. Grafik Perbandingan Kapasitas Mesin Chamber1 yang Tersedia dan yang
Dibutuhkan

Dari gambar grafik perbandingan di atas dapat dilihat bahwa kapasitas
waktu yang tersedia untuk Mesin Chamber 1 lebih banyak dari pada waktu yang
dibutuhkan, maka kapasitas yang dibutuhkan dapat terpenuhi dari kapasitas
tersedia pada reguler time dan tidak perlu ada penambahan waktu kerja dan
tenaga kerja.


Gambar 4.15. Grafik Perbandingan Kapasitas Mesin Fluidized Bed1 yang Tersedia dan
yang Dibutuhkan
129

Dari gambar grafik perbandingan di atas dapat dilihat bahwa kapasitas
waktu yang tersedia untuk Mesin Fluidized Bed 1 lebih banyak dari pada waktu
yang dibutuhkan, maka kapasitas yang dibutuhkan dapat terpenuhi dari kapasitas
tersedia pada reguler time dan tidak perlu ada penambahan waktu kerja dan
tenaga kerja.


Gambar 4.16. Grafik Perbandingan Kapasitas Mesin Silo1 yang Tersedia dan yang
Dibutuhkan

Dari gambar grafik perbandingan di atas dapat dilihat bahwa kapasitas
waktu yang tersedia untuk Mesin Silo1 belum mencukupi waktu yang dibutuhkan,
maka kapasitas yang dibutuhkan belum dapat terpenuhi dari kapasitas tersedia
pada reguler time dan perlu ada penambahan waktu kerja dan tenaga kerja.

130


Gambar 4.17. Grafik Perbandingan Kapasitas Mesin Chamber2 yang Tersedia dan yang
Dibutuhkan

Dari gambar grafik perbandingan di atas dapat dilihat bahwa kapasitas
waktu yang tersedia untuk Mesin Chamber 2 lebih banyak dari pada waktu yang
dibutuhkan, maka kapasitas yang dibutuhkan dapat terpenuhi dari kapasitas
tersedia pada reguler time dan tidak perlu ada penambahan waktu kerja dan
tenaga kerja.


Gambar 4.18. Grafik Perbandingan Kapasitas Mesin Fluidized Bed2 yang Tersedia dan
yang Dibutuhkan
131

Dari gambar grafik perbandingan di atas dapat dilihat bahwa kapasitas
waktu yang tersedia untuk Mesin Fluidized Bed 2 lebih banyak dari pada waktu
yang dibutuhkan, maka kapasitas yang dibutuhkan dapat terpenuhi dari kapasitas
tersedia pada reguler time dan tidak perlu ada penambahan waktu kerja dan
tenaga kerja.


Gambar 4.19. Grafik Perbandingan Kapasitas Mesin Silo2 yang Tersedia dan yang
Dibutuhkan

Dari gambar grafik perbandingan di atas dapat dilihat bahwa kapasitas
waktu yang tersedia untuk Mesin Silo2 belum mencukupi waktu yang dibutuhkan,
maka kapasitas yang dibutuhkan belum dapat terpenuhi dari kapasitas tersedia
pada reguler time dan perlu ada penambahan waktu kerja dan tenaga kerja.


132


Gambar 4.20. Grafik Perbandingan Kapasitas Mesin Block Moulding yang Tersedia dan
yang Dibutuhkan

Dari gambar grafik perbandingan di atas dapat dilihat bahwa kapasitas
waktu yang tersedia untuk Mesin Block Moulding lebih banyak dari pada waktu
yang dibutuhkan, maka kapasitas yang dibutuhkan dapat terpenuhi dari kapasitas
tersedia pada reguler time dan tidak perlu ada penambahan waktu kerja dan
tenaga kerja.


Gambar 4.21. Grafik Perbandingan Kapasitas Mesin EPS Cutting Machine yang Tersedia
dan yang Dibutuhkan
133

Dari gambar grafik perbandingan di atas dapat dilihat bahwa kapasitas
waktu yang tersedia untuk Mesin EPS Cutting Machine lebih banyak dari pada
waktu yang dibutuhkan, maka kapasitas yang dibutuhkan dapat terpenuhi dari
kapasitas tersedia pada reguler time dan tidak perlu ada penambahan waktu kerja
dan tenaga kerja.


Gambar 4.22. Grafik Perbandingan Kapasitas Mesin EPS Cutting Machine Schnell yang
Tersedia dan yang Dibutuhkan

Dari gambar grafik perbandingan di atas dapat dilihat bahwa kapasitas
waktu yang tersedia untuk Mesin EPS Cutting Machine Schnell belum mencukupi
waktu yang dibutuhkan, maka kapasitas yang dibutuhkan belum dapat terpenuhi
dari kapasitas tersedia pada reguler time dan perlu ada penambahan waktu kerja
dan tenaga kerja.

4.2.9.2. Usulan Perancangan Kapasitas
Usulan perancangan kapasitas dibuat untuk memenuhi kapasitas yang
dibutuhkan tiap mesin terhadap kapasitas yang tersedia di perusahaan untuk
memenuhi permintaan.


134

4.2.9.2.1. Perancangan Kapasitas dengan Penambahan Waktu Kerja
Perancangan Kapasitas ini dilakukan dengan penambahan waktu kerja 5 jam
setiap bulanya sebagai jam kerja lembur.
Contoh perhitungan kapasitas yang tersedia untuk mesin Silo1 pada periode 1
Kap. Waktu tersedia M. silo 1
= Jumlah JK Jam kerja Tambahan jumlah TK 60
= 168 5 13 60
= 655200

Contoh perhitungan kapasitas regular time yang tersedia untuk mesin chamber1
pada periode 1
Kap. Waktu tersedia M. Chamber 1
= Jumlah JK Jam kerja Tambahan jumlah TK 60
= 168 5 13 60
= 655200

Contoh perhitungan kapasitas regular time yang tersedia untuk mesin EPS Cutting
Machine pada periode 1
Kap. Waktu tersedia EPS Cutting Machine
= Jumlah JK Jam kerja Tambahan jumlah TK 60
= 168 5 13 60
= 655200









135


Tabel 4.57. Penambahan Jam Kerja (lembur)
Periode
Mesin
Silo 1 Silo 2 EPS Cutting Machine Schnell
1 655200 655200 655200
2 655200 655200 655200
3 655200 655200 655200
4 655200 655200 655200
5 655200 655200 655200
6 655200 655200 655200
7 655200 655200 655200
8 655200 655200 655200
9 655200 655200 655200
10 655200 655200 655200
11 655200 655200 655200
12 655200 655200 655200

4.2.9.2.2. Grafik Perbandingan Setelah Penambahan Jam Kerja

Gambar 4.23. Grafik Perbandingan Kapasitas Mesin Silo1 yang Tersedia dan yang
Dibutuhkan Setelah Penambahan Jam Kerja



136

Dari gambar grafik perbandingan di atas dapat dilihat bahwa kapasitas
waktu yang tersedia untuk Mesin Silo 1 telah terpenuhi, setelah ada penambahan
jam lembur.


Gambar 4.24. Grafik Perbandingan Kapasitas Mesin Silo2 yang Tersedia dan yang
Dibutuhkan Setelah Penambahan Jam Kerja

Dari gambar grafik perbandingan di atas dapat dilihat bahwa kapasitas
waktu yang tersedia untuk Mesin Silo 2 telah terpenuhi, setelah ada penambahan
jam lembur.


137


Gambar 4.25. Grafik Perbandingan Kapasitas Mesin EPS Cutting Machine Schnell yang
Tersedia dan yang Dibutuhkan Setelah Penambahan Jam Kerja

Dari gambar grafik perbandingan di atas dapat dilihat bahwa kapasitas
waktu yang tersedia untuk Mesin EPS Cutting Machine Schnell telah terpenuhi,
setelah ada penambahan jam lembur.



138

BAB V
ANALISIS


5.1. Analisis Peramalan
Peramalan merupakan suatu cara untuk memperkirakan permasalahan
dimasa yang akan datang berdasarkan pada data penjualan masa lalu. Dari bulan
januari 2010 sampai dengan desember 2010. Langkah awal dalam melakukan
proses peramalan yaitu plotting data permintaan actual berdasarkan dari
permintaan setiap periodenya, plotting data ini dilakukan untuk mengetahui pola
data actual yang terjadi.
Berdasarkan hasil plotting data permintaan masa lalu yang dimiliki, maka
pola yang terbentuk adalah pola data trend. Hal ini dikarenakan tidak terjadi
fluktuasi permintaan yang terlalu besar. Peramalan yang dilakukan berdasrkan
trend data permintaan periode sebelumnya yaitu moving average, single
exsponential smoothing, double exponential smoothing dan linear regression.
Dari hasil peramalan yang telah dilakukan dengan menggunakan empat metode,
hasil perhitungan peramalan dengan menggunakan WINQ SB menunjukkan
bahwa nilai MSE dan MAD yang terkecil adalah dengan menggunakan metode
linear regression yaitu terlihat pada tabel 5.1:
Tabel 5.1. Kesalahan Estimasi Peramalan Metode Linear Regression
Metode Peramalan Produk MSE MAD
Linear Regression B-foam 5529822 2098.32

Setelah di dapat bahwa metode yang sesuai untuk trend data
permintaannya yaitu dengan metode linear regression maka di dapat data
peramalan untuk periode Januari 2011 sampai Desember 2011.
Adapun hasil metode peramalan yang terpilih adalah seperti pada tabel berikut:





139

Tabel 5.2. Hasil Peramalan Terpilih
Periode Peramalan
1 33896.39
2 34984.47
3 36072.55
4 37160.63
5 38248.71
6 39336.79
7 40424.87
8 41512.95
9 42601.03
10 43689.11
11 44777.19
12 45865.27

5.2. Analisis Uji Moving Range Chart
Setelah mendapatkan metode peramalan terpilih berdasarkan kesalahan
yang terkecil maka untuk mendapatkan hasil ramalan yang baik, kita harus
membandingkan hasil ramalan tersebut dengan permintaan dan membuat
perbaikan ramalan jika terdapat perubahan peramalan.
Untuk memastikan apakah metode peramalan yang terpilih sesuai dengan
pola data, maka dilakukan uji moving range yang merupakan salah satu cara untuk
mengendalikan kesalahan peramalan dengan mengabaikan error positif dan error
negatif. uji moving range diawali dengan menghitung selisih antara data actual
dengan data hasil peramalan, kemudian hasilnya dipetakan pada rentang bergerak.
Dari peta rentang bergerak tersebut dapat disimpulkan apakah metode peramalan
yang digunakan dapat mewakili system permintaan yang ada. Pengujian dilakukan
dengan menentukan batas-batas, region-region dan selanjutnya memplotkan data
error. Hasil plot data dapat dilihat pada gambar dibawah ini:
140


Gambar 5.1. Grafik Pengujian Moving Range chart Peramalan Linear Regression

setelah diadakan uji verifikasi terbukti data tidak out of control maka
metode peramalan linear regression memang cocok diterapkan. Dengan BKA =
9950.98 dan BKB = -9950.98 jadi tidak perlu diadakan peramalan lagi dengan
metode lain.

5.3. Analisis Kapasitas Produksi
Kapasitas produksi merupakan kemampuan produksi yang dimiliki
perusahaan dalam memenuhi permintaan konsumen. Kapasitas produksi ini terdiri
dari kapasitas normal (regular time) dan kapasitas produksi yang dihasilkan dari
kerja lembur (over time). Over time atau lembur diperoleh dari 25% dari jam kerja
normal yang telah ditentukan oleh perusahaan.
Perhitungan kapasitas dalam perencaan produksi untuk jam kerja normal
dan jam kerja lembur, berdasarkan waktu jam kerja terhadap jumlah produk yang
diproduksi. Setelah diketahui kapasitas produksi tiap stasiun kerja/mesin seluruh
jenis produk, maka kapasitas produksi yang tersedia adalah kapasitas stasiun kerja
yang memiliki output terendah. Kemampuan memproduksi dalam suatu aliran
produksi berdasarkan output terendah dan stasiun kerja (mesin) yang ada.
Dari hasil perhitungan, output terendah untuk seluruh periode dan seluruh
jenis produk yang diamati, untuk setiap jenis B-foam dihasilkan oleh mesin Silo.
141

Maka kapasitas produksi yang tersedia berdasrkan output atau kemampuan
produksi dari masing-masing stasiun kerja tersebut.

5.4. Analisi Perencanaan Produksi Agregat
pada perencanaan produksi agregat ini tidak dibahas produk yang
diproduksi secara rinci melainkan dalam bentuk agregat, yaitu suatu satuan yang
mempresentasikan kumpulan beberapa produk.
Pada perencanaan produksi agregat data yang digunakan didapat dari hasil
kapasitas produksi dan peramalan. Pada perhitungan perencanaan produksi
agregat metode yang dipakai adalah metode hibrid dan metode Transportasi.
Dari hasil perhitungan metode yang digunakan diperoleh
a. Metode Tenaga Kerja Tetap
Dari perhitungan metode Tenaga Kerja Tetap dapat dianalisis pada periode 1
dan periode 2 semua permintaan yang terpenuhi oleh kapasitas jam kerja
normal (regular time), tetapi pada periode 3 sampai dengan periode 12
kapasitas jam kerja normal (regular time) tidak memenuhi, maka dibutuhkan
kapasitas jam kerja lembur (over time) pada setiap periode sesuai dengan
kebutuhan. Dari hasil perhitungan didapat total ongkos dari metode Tenaga
Kerja Tetap sebesar Rp. 5,490,901,740/tahun.
Tabel 5.3. Total Cost Metode Tenaga Kerja Tetap
UPRT 327948 x Rp 11,935 Rp 3,914,059,380
UPOT 128722 x Rp 11,935 Rp 1,536,297,070
SC x Rp 0 Rp 0
Inventori 22651 x Rp 1,790 Rp 40,545,290
Total Cost Rp 5,490,901,740

b. Dari perhitungan metode transportasi dapat dianalisis pada periode 1 sampai
dengan periode 3 semua permintaan yang masuk terpenuhi oleh kapasitas jam
kerja normal (regular time), tetapi pada periode 4 sampai dengan periode 12
kapasitas jam kerja normal (regular time) tidak memenuhi, maka dibutuhkan
kapasitas jam kerja lembur (over time) pada setiap periode sesuai dengan
kebutuhan. Dari hasil perhitungan didapat total ongkos dari metode hibrid
sebesar Rp. 5,529,780,540/tahun.
142

Tabel 5.4. Total Cost Metode Transportasi
UPRT 327948 x Rp 11,935 Rp 3,914,059,380
UPOT 128722 x Rp 11,935 Rp 1,536,297,070
SC x Rp 0 Rp 0
Inventori 44371 x Rp 1,790 Rp 79,424,090
Total Cost Rp 5,529,780,540

Dari kedua metode tersebut dapat dibandingkan, metode tenaga kerja tetap
mempunyai total cost yang lebih kecil dibandingkan dengan metode transportasi.
Oleh karena itu, maka metode tenaga kerja tetap adalah metode yang terpilih
untuk rencana produksi agregat.
Tabel 5.5. Perbandingan Total Cost Pada Metode Tenaga Kerja Tetap dan Transportasi
Tabel Perbandingan
Metode Total Cost
Tenaga Kerja Tetap Rp 5,490,901,740
Transportasi Rp 5,529,780,540

Selanjutnya dari hasil perhitungan metode yang terpilih akan dijadikan sebagai
input pada proses disagregasi.

5.5. Analisis Proses Disagregasi
Disagregasi merupakan proses mengubah hasil rencana produksi agregat
menjadi jumlah yang harus diproduksi untuk setiap item. Data yang diolah dalam
proses disagregasi ini sebagai data inputnya di dapat dari hasil proses perencanan
produksi agregat yang kemudian digunakan untuk pengolahan data.
Dengan melihat perhitungan pada bab 4 ongkos setup sebesar Rp 25,000
ongkos simpan sebesar Rp 1,790 dan safety stock produk WEB sebanyak 23 unit,
Produk WES sebanyak 1380 unit dan produk WEP sebanyak 68 unit. Dapat
dianalisis proses disagregasi ini dengan mengacu pada faktor konversi, presentasi
proporsi dari tiap-tiap item untuk menghasilkan jadwal induk produksi yang
nantinya akan digunakan. Pada rencana produksi agregat yang terpilih metode
tenaga kerja tetap didapat data-data demand dan total supply yang akan dijadikan
acuan untuk proses disagregasi selama 12 periode.
143

Pada proses disagregasi digunakan metode family setup untuk mengetahui
apakah tiap family dari msing-masing tersebut dibuat atau tidak. Item yang dibuat
ada 3, yaitu WEB, WES dan WEP.
Dari perhitungan dapat dianalisis bahwa semua item diproduksi, karena
mempunyai inventori yang lebih kecil dibandingkan dengan safety stock (I
jt
>S
ij
).
Kemudian dilakukan penyesuaian atau adjustment karena ukuran produksi
optimal.

5.6. Analisis Jadwal Induk Produksi
Jadwal induk produksi merupakan hasil akhir dari proses disagregasi dari
masing-masing item yang akan diproduksi. Jadwal induk produksi yang
dihasilkan akan memberikan informasi tingkat produksi yang diperlukan dari
setiap item untuk memenuhi ramalan tingkat permintaan pada suatu periode
tertentu. Pada perhitungan jadwal induk produksi untuk masing-masing item
diambil dari perhitungan disagregasi item untuk setiap periodenya.

5.7. Analisis Kebutuhan Kapasitas Kasar
Perencanaan kebutuhan kapasitas merupakan langkah penting dalam
mencapai target produksi. Perencanaan kapasitas ini berdasarkan pada jam kerja
stasiun kerja (mesin). Untuk mendapatkan nilai RCCP (Rought Cut Capasity
Planning) ini digunakan perkalian data waktu kerja setiap stasiun kerja dikalikan
dengan jadwal induk produksi, sehingga akan didapatkan jumlah waktu yang
diperlukan untuk produksi masing-masing item.
Metode yang digunakan dalam penentuan kapasitas kasar ini adalah Bill Of
Labour (pendekatan jumlah tenaga kerja). Pendekatan ini menghasilkan waktu
total untuk memproduksi permintaan setiap item agar dapat memenuhi jadwal
induk produksi.
Dari hasil grafik perbandingan dapat dilihat bahwa kapasitas waktu yang
tersedia untuk mesin Hopper, Chamber 1, Fluidized Bed 1, Chamber 2, Fluidized
Bed 2, Block Moulding, EPS Cutting Machine dapat terpenuhi dari kapasitas yang
tersedia pada regular time dan mesin silo 1, silo 2 dan EPS cutting machine
144

schnell tidak dapat terpenuhi oleh kapasitas waktu yang tersedia, maka perlu ada
tambahan jam kerja lembur (Overtime)
145

BAB VI
KESIMPULAN DAN SARAN


6.1. Kesimpulan
Jadwal induk produksi merupakan faktor penting dalam system produksi.
Perlu diperhatiakn karena jadwal induk produksi memberikan informasi kapan
produk akan diproduksi dan berapa jumlah yang harus diproduksi. Permintaan-
permintaan dari konsumen menuntut perusahaan untuk selalu siap apabila terjadi
kenaikan permintaan yang melebihi kapasitas produksi.
Setelah melakukan pengolahan data yang diperoleh setelah melakukan
penelitian di PT. Beton Elemenindo Putra dan menganalisis hasil pengolahan data
tersebut diperoleh beberapa kesimpulan, antara lain:
1. Dalam melakukan jadwal induk produksi terlebih dahulu dilakukan
peramalan. Metode yang dipilih dalam peramalan berdasarkan trend
permintaan periode 1 tahun sebelumnya adalah Moving Average, Single
Exponential Smoothing, Double Exponential Smoothing, Linear Regression.
Sesuai dengan langkah-langkah peramalan didapat hasil verivikasi peramalan
dengan nilai estimasi kesalahan terkecil adalah pada metode Linear
Regression dengan nilai MSE 5529822.
2. Dari hasil peramalan kemudian dilakukan perencanaan agregat dengan
menggunakan metode terpilih yaitu metode tenaga kerja tetap dengan
diperoleh total ongkos produksi sebesar Rp 5,490,901,740.
3. Hasil dari perencanaan agregat ini kemudian dilakukan proses disagregasi
dengan menggunakan metode Family Setup.
4. Output yang dihasilkan dari proses disagregasi merupakan data input jadwal
induk produksi.
5. Dari jadwal induk produksi bisa mengetahui kapasitas yang diperlukan untuk
setiap periodenya berdasarkan kapasitas tersebut. Didapat kapasitas yang
dibutuhkan untuk melaksanakan jadwal induk produksi dapat terpenuhi oleh
kapasitas yang tersedia setelah ada penambahan jam kerja, maka jadwal induk
produksi dapat dilaksanakan.
146


6.2. Saran
Berdasarkan penelitian dan analisis yang dilakukan, saran yang dapat
penulis sampaikan untuk bahan masukan dan perkembangan yang mungkin
berguna bagi perusahaan dan penelitian selanjutnya antara lain:
1. Untuk mengetahui apakah jadwal induk produksi ini dapat dilaksanakan
dengan baik maka perusahaan dapat melakukan pengevaluasian setiap
bulannya.
2. Penelitian hanya dibatasi pada produk jenis B-foam saja, diharapkan dapat
menjadi bahan pertimbangan ketika melakukan penelitian untuk produk
lainnya.
3. Sebaiknya pihak perusahaan melakukan proses peramalan untuk mengetahui
permintaan produk yang terjadi di periode yang akan datang.
4. Dalam proses produksi, sebaiknya perusahaan terlebih dahulu memperhatikan
kapasitas atau kemampuan yang dimiliki agar tidak terjadi kekurangan
kapasitas yang mengakibatkan permintaan tidak terpenuhi.

DAFTAR PUSTAKA


Andriana, Iyan, Diktat WIN-QSB, Universitas Komputer Indonesia: Bandung,
2009
Mulyani, Sri., Rachmatsyah, Rizky, Risalah Praktikum Sistem Produksi,
Universitas Komputer Indonesia: Bandung, 2010
Baroto, Teguh, Perencanaan dan Pengendalian Produksi, Ghalia Indonesia:
Jakarta, 2002.

Ginting, Rosnani, Sistem Produksi, Graha Ilmu: Yogyakarta, 2007.

Siregar, Alden, 2007, Penyusunan Jadwal Induk Produksi Pada PT. Hitachi
Construction Machinery Indonesia, Artikel, Teknik Industri, Fakultas Teknologi
Industri, Universitas Gunadarma.

Sahidin, 2007, Jadwal Induk Produksi PT. X, Teknik Industri, Fakultas Teknik
dan Ilmu Komputer, Universitas Komputer: Bandung.

CURRI CUL UM VI T AE
Rizky Rachmatsyah Putra
Jl. Banyuasin 6 No. 436 RT.07 RW04
Depok - 16418
e-mail: rizkyrachmatsyah1101@gmail.com
Tlp: 021-7717729 Hp: 081361510611







Tempat/tanggal lahir : Medan, 11 Januari 1989
Usia : 22 Tahun
Jenis kelamin : Laki-laki
Kewarganegaraan : Indonesia
Tinggi Badan : 170 cm
Berat Badan : 58 kg
Status : Belum Menikah
Agama : Islam
IPK : 3.33


Universitas Komputer Indonesia Bandung, 2007 2010
S1 Teknik Industri
SMU Perg. Al Azhar Medan, 2004 2007
SMP Perg. Al Azhar Medan, 2001 2004
SD Perg. Al Azhar Medan, 1999 2001
SDN Hagu Selatan Lhokseumawe, 1995 1999


Kerja Praktek PT. Pusat Survei Geologi Bandung, Juli 2010 Agustus 2010
Deskripsi Kerja :
Analisis Perancangan Sistem Informasi

DATA PRIBADI








PENDIDIKAN FORMAL







PENGALAMAN KERJA









Seminar dan Kunjungan Industri Sukabumi, 20 November 2007
PT. Asia Health Energi Beverages (Kratingdaeng)
Seminar dan Kunjungan Industri Bogor, 25 November 2009
PT. Wijaya Karya Beton Bogor
Seminar dan Kunjungan Industri Cibitung, 21 Februari 2011
PT. Coca Cola Amatil Indonesia


Seksi Rohani Islam Organisasi Siswa Intra Sekolaha (OSIS) SMU Perg. Al Azhar 2004 2005
Wakil Majelis Permusyawaratan Siswa (MPS) SMU Perg. Al Azhar 2005 2006
Penegak Bantara Gugus Depan (GUDEP) 07477 2005 2006
Staff Muda Himpunan Mahasiswa Teknik Iindustri (HMTI) UNIKOM 2008
Anggota Divisi Informasi dan Komunikasi (INFOKOM) 2009
Anggota Divisi Informasi dan Komunikasi (INFOKOM) 2010


Microsoft Office Baik
Ms. Word, Ms. PowerPoint, Ms.Excel, Ms.Visio, Ms Acces
Komputer Aplikasi
SPSS Baik
Win QS Baik
Adobe Photoshop Baik
Perangkat Keras/Hardware
Merakit dan Installasi Komputer Sedang
Keterampilan Bahasa
Bahasa Indonesia Baik
Bahasa Inggris Sedang

SERTIFIKAT/SEMINAR







KEAHLIAN DAN KETERAMPILAN







PENGALAMAN ORGANISASI

You might also like