TUGAS BESAR Perencanaan & Pengendalian Produksi

BAB I PENDAHULUAN
1.1 Latar Belakang Kemajuan dunia teknologi dan industri yang semakin cepat membuat perusahaanperusahaan yang bergerak di bidang manufaktur membutuhkan suatu sistem yang lebih efektif dan efisisen yang nantinya akan mendukung mereka dalam bersaing di berbagai bidang ekonomi, politik ataupun sosial agar semakin tinggi dan memenuhi kebutuhan pelanggannya. Oleh karena itu setiap perusahaan dituntut untuk bisa mengatur sistem manajemennya dan mengendalikan sistem produksinya ke tingkat yang lebih baik. Tujuan pengendalian produksi adalah merencanakan dan mengendalikan arus bahan baku produksi mulai dari masuk ke dalam system hingga keluar dari sistem menjadi sebuah output produk. Pengendalian produksi dituntut untuk dapat menilai secara kontinyu permintaan konsumen, modal perusahaan, kapasitas produksi dan lain-lain. Perencanaan produksi dapat mudah dibuat jika permintaan bersifat konstan dan waktu produksi tidak menghambat. Namun pada kenyataannya tingkat permintaan akan berfluktuasi dan waktu produksi dibatasi oleh perusahaan sehingga tidak mudah dibuat. Pada studi kasus yang diberikan yaitu PT !" merupakan suatu perusahaan yang bergerak di bidang produksi kaleng dengan jenis sistem produksi make-to-order. #ari semua proses yang dilakukan mulai dari pemesanan bahan baku hingga pengiriman sangat bergantung pada jumlah pesanan dari konsumen. $aka dari itu, diperlukan sebuah metode agar perusahaan dapat mengantisipasi fluktuatifnya permintaan konsumen. #engan melakukan perencanaan secara menyeluruh meliputi peramalan permintaan, perencanaan agregat, pengendalian persediaan, perencanaan kebutuhan material, maupun penjadwalan inilah tujuan akhir perusahaan untuk memksimalkan keuntungan serta dapat mengembangkan usaha dapat dicapai. 1.2 Rumusan Masalah %umusan masalah pada studi kasus ini adalah& '. ,. -. (agaimana metode $ ,)$ ,dan *ksponensial dapat di aplikasikan untuk meramalkan permintaan berdasarkan data historis PT. !" + (agaimana mnghitung perencanaan agregat yang ada pada PT. !" tersebut+ (agaimana menghitung jadwal permintaan tiap periode dari PT. !"+

201 3

1.3 Tujuan Tujuan dari studi kasus ini adalah& '. #apat memahami dan mengaplikasikan peramalan permintaan berdasarkan data historis menggunakan metode $ , )$ dan *ksponensial dari perusahaan ada pada PT. !". 1

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

,. -. #apat memahami dan mengaplikasikan perhitungan Perencanaan greegat dari PT. !" #apat memahami dan mengaplikasikan $%P dalam menghitung jadwal permintaan tiap periode dari PT. !" 1. '. ,. -. Man!aat $anfaat dari studi kasus ini adalah& #apat mengetahui dan mengaplikasikan peramalan permintaan berdasarkan data historis menggunakan metode $ , )$ dan *ksponensial dari perusahaan ada pada PT. !". #apat mengetahui dan mengaplikasikan perhitungan Perencanaan greegat dari PT. !" #apat mengetahui dan mengaplikasikan $%P dalam menghitung jadwal permintaan tiap periode dari PT. !" 1." Batasan (atasan yang digunakan untuk studi kasus diatas adalah sebagai berikut& '. Peramalan hanya menggunakan metode Moving Average .$ /, Moving Average with trend, Exponential Smoothing .*!/, dan Double Exponential Smoothing ,. Tracking signal adalah 01 dan -1. -. Perencanaaan produksi dan pengendalian persediaan pada PT. depan 1.# Asums$ sumsi yang digunakan untuk studi kasus diatas adalah sebagai berikut& '. Tidak ada mesin yang rusak selama melakukan proses produksi. ,. Pekerjanya bekerja secara normal !" dilakukan selama 2 bulan ke

201 3

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

BAB II TIN%AUAN PU&TA'A
2.1 Peren(anaan )an Pengen)al$an Pr*)uks$ Perencanaan dan pengendalian produksi dapat didefinisikan sebagai proses untuk merencanakan dan mengendalikan aliran material yang masuk, mengalir dan keluar dari sistem produksi atau operasi sehingga permintaan pasar dapat dipenuhi dengan jumlah yang tepat, waktu penyerahan yang tepat, dan biaya produksi minimum. #ari definisi di atas, maka pekerjaan yang terkandung dalam hal ini secara garis besar dapat kita bedakan menjadi dua hal yang saling berkaitan, yaitu& perencanaan produksi dan pengendalian produksi. Kerangka kerja untuk memahami sistem $P3 adalah sebagai berikut&

201 3

"ambar ,.' Manu acturing !lanning and "ontrol .$P3/ !ystem !umber& 4ournal of $anufacturing Planning and 3ontrol 3hapter ' Kegiatan yang terjadi pada $P3 system sangatlah komplek hal ini dikarenakan $P3 merupakan kegiatan manufaktur yang dimulai dari perencanaan produksi sampai proses eksekusi. Kegiatan tersebut meliputi perencanaan bisnis sebagai dasar membuat rencana pemasaran, marketing planning sebagai dasar untuk membuat production planning, production planning rencana tentang beberapa yang akan dibuat pada tiap periode yang biasanya dinyatakan dalan satuan agregat, $P! . Master 3 Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

!roduction scheduling#untuk rencana berapa item yang harus dibuat pada tiap periode selama '-5 tahun, resource planning untuk rencana kapasitas yang diperlukan sebagai pemenuhan kebutuhan dari perencanaan produksi, rough cut capacit$ planning dimana merencanakan untuk menentukan kapasitas kebutuhan yang diperlukan untuk memenuhi $P!, demand management sebagai akti6itas untuk memprediksi kebutuhan dimasa datang dikaitkan dengan kapasitas, $%P . material re%uirement planning# untuk menetapkan rencana kebutuhan material untuk melaksanakan $P!, capacit$ re%uirement planning sebagai rencana untuk merealisasikan $P! di setiap periode dan tiap mesin, production activit$ control &P 3/ untuk akti6itas membuat produk setelah barang dibeli, purchasing yang merupakan akti6itas memilih 6endor, membuat order pembelian, menjadualkan 6endor sampai mengejar 6endor, dan yang terakhir adalah per ormance measurement sebagai e6aluasi sistem $P3 untuk melihat seberapa jauh hasil yang diperoleh dengan rencana yang telah ditetapkan. 2.1.1.1 Met*)e Peramalan

201 3

(eberapa metode yang dapat digunakan dalam melakukan peramalan adalah metode )eight $o6ing 6erage, *7ponential !moothing, dan )inter method. 8ntuk lebih jelasnya sebagai berikut& '. Moving Average Moving average diperoleh dengan merata-rata permintaan berdasarkan beberapa data masa lalu yang terbaru. Tujuan utama dari penggunaan metode ini adalah untuk mengurangi atau menghilangkan 6ariasi acak permintaan dalam hubungannya dengan waktu. Tujuan ini dicapai dengan merata-rata beberapa nilai data secara bersama-sama, dan menggunakan nilai rata-rata tersebut sebagai ramalan permintaan untuk periode yang akan datang. !ecara matematis, maka $ persamaan sebagai berikut & akan dinyatakan dalam

Ft =

X t + X t 1 + X t 2 + .... + X t n +1 N

!umber& 9akim Nasution dan :udha Prasetyawan, ,;;<&1; #imana & =t N ?t (. > Permintaan aktual pada periode t > (anyaknya data permintaan yang dilibatkan dalam permitungan $ > Peramalan permintaan pada periode t )eighted Moving Average Pada metode )$ , setiap data permintaan aktual memiliki bobot yang berbeda. #ata yang lebih baru akan mempunyai bobot yang tinggi karena data tersebut mempresentasikan kondisi yang terakhir terjadi. !ecara matematis )$ dapat dinyatakan sebagai berikut &

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

!umber& 9akim Nasution dan :udha Prasetyawan, ,;;<&1#imana & =t > Permintaan aktual pada periode t *. Exponential Smoothing Model Kelemahan teknik $ dalam kebutuhan akan data-data masa lalu yang cukup banyak dapat

201 3

diatasi dengan teknik *!. $odel ini mengasumsikan bahwa data berfluktuasi di sekitar nilai mean yang tetap, tanpa trend atau pola pertumbuhan konsisten. %umus *! dinyatakan sebagai berikut & S t = . X t + (1 ) Ft 1 !umber& 9akim Nasution dan :udha Prasetyawan, ,;;<&15 #imana & !t =t0.'-@/ ?t-' @ > > Peramalan untuk periode t > Nilai aktual time series > Peramalan pada waktu t-' .waktu sebelumnya/ Konstanta perataan antara ; dan '

2.1.1.2

Ukuran Akuras$ Has$l Peramalan 8kuran akurasi hasil peramalan yang merupakan ukuran kesalahan peramalan merupakan

ukuran tentang tingkat perbedaan antara hasil peramalan dengan permintaan yang sebenarnya terjadi. da 1 ukuran yang biasa digunakan yaitu& a. %ata-rata de6iasi mutlak .Mean Absolute Deviation+ $ ## $ # merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar ataukah lebih kecil dibandingkan dengan kenyataannya. !ecara matematis, $ # dirumuskan sebagai berikut& $ #> !umber& 9akim Nasution dan :udha Prasetyawan, ,;;<&-1 #imana & > permintaan actual pada periode-t ?t > peramalan permintaan pada periode-t n > jumlah periode peramalan yang terlibat b. %ata-rata kuadrat kesalahan .Mean S%uare Error > $!* /

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

$!* dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan. !ecara matematis, $!* dirumuskan sebagai berikut& $!* > !umber& 9akim Nasution dan :udha Prasetyawan, ,;;<&-1 c. %ata-rata kesalahan peramalan .Mean ,orecast Error > $?*/ $?* sangat efektif untuk mengetahui apakah suatu hasil peramalan selama periode tertentu terlalu tinggi atau terlalu rendah. (ila hasil peramalan tidak bias, maka nilai $?* akan mendekati nol. $?* dihitung dengan menjumlahkan semua kesalahan peramalan selama periode peramalan dan membaginya dengan jumlah periode peramalan. !ecara sistematis, $?* dinyatakan sebagai berikut& $?* > !umber& 9akim Nasution dan :udha Prasetyawan, ,;;<&-5 d. %ata-rata persentase kesalahan absolut .Mean Absolute !ercentage Error > $ P*/ $ P* merupakan ukuran kesalahan relatif. $ P* biasanya lebih berarti dibandingkan dengan $ # karena $ P* menyatakan persentase kesalahan hasil peramalan terhadap permintaan actual selama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah. !ecara sistematis, $ P* dinyatakan sebagai berikut& $ P* > !umber& 9akim Nasution dan :udha Prasetyawan, ,;;<&-5

201 3

2.1.2

Peren(anaan Agregat +Agregate Planning,

Tujuan dari perencanaan agregat adalah untuk memberikan pemahaman konsep agregasi serta mampu menyusun rencana agregat dan mampu menyusun jadwal produksi induk dalam informasi perusahaan. !elain itu tujuan gregat Planning adalah membangkitkan .generate/ top le6el production plans. (asis dari P adalah hasil ramalan dan target produksi ditentukan oleh top level business plan nalisisnya dilakukan dalam kelompok produk P pada perusahaan adalah sebagai inter ace antara memperhatikan kapasitan dan kapabilitas perusahaan. .product amil$/ dengan unit agregat. Peran perusahaanAsistem manufaktur dan pasar produknya.

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

2.1.2.1 '. Agregate Planning Strategies !trategi dari perencanaa agregat meliputi& Pilihan kapasitas .capacity option/ a. $engubah-ubah tingkat in6entory .le6el production/ b. $engubah-ubah ukuran tenaga kerja& penambahanApengurangan pegawai c. $engubah-ubah tingkat produksi& tinggiArendah .o6er timeAunder time/ d. $enggunakan pekerja sambilan .part time works/ ,. Pilihan permintaan .demand option/ a. $empengaruhi demand& iklan, promosi, penjualan langsung, discount, diskriminasi harga. b. Penangguhan pengiriman. -. !trategi murni .pure strategy/ (ila yang diubah-ubah hanya satu 6ariable 1. Kombinasi !trategi .mi7ed strategy/ $elibatkan pengubahan beberapa 6ariable, misalnya bila pure strateg$ tidak easible. ?aktor-faktor yang dapat dikendalikan dalam agregate planning& '. ,. -. 1. 5. Persediaan .inventor$# Baju produksi .production rate# Tenaga kerja .manpower# Kapasitas& lemburApenambahan tenaga kerja .recruitment#Apengurangan tenaga kerja .la$o # !ubkontrak .subcontract#

201 3

$etode yang dipakai meliputi& '. $etode grafik .graphical methods/ a. !trategi murni .!ure strateg$/ b. !trategi kombinasi .mixed strateg$/ ,. Pendekatan matematik .mathematical approach# a. $odel program linier .linear programming model/ b. Transportasi model .transportation model/ -. 1. Cndek koefesien manajemen .management coe icient index/ !imulasi .simulation/

(iaya-biaya yang muncul dalam aggregate planning '. ,. -. Penambahan tenaga kerjaApengurangan tenaga kerja Bembur .o6ertime/A tidak lembur (iaya penyimpanan persediaan 7

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

1. 5. 2. D. (iaya sub kontrak (iaya tenaga kerja sambilan .part time labor cost/ (iaya penangguhan pesanan .backorder cost/ (iaya kekurangan barang .stock out cost/

201 3

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

2.1.3 Peren(anaan Disagregate #isagregasi dilakukan untuk menyusun jadwal induk produksi .$P! E Master !roduction Schedule/ setelah diketahui jadwal produksi agregatnya. $etode disagregasi meliputi& '. !ersentase ,. -itran dan hax -. .ax dan meal 2.1.3.1 Master Production Schedule +MP&, 4adwal produksi induk .master production schedule, $P!/ atau 4PC merupakan input dari disagregasi pada rencana agregat. 4PC bertujuan untuk melihat dampak demand pada perencanaan material dan kapasitas, selain itu untuk menjamin bahwa produk tersedia untuk memenuhi demand tetapi ongkos dan in6entori yang tidak perlu dapat dihindarkan. 2.1.3.2 MATERIAL REQUIREMENT PLANNING (MRP) $%P adalah prosedur logis, aturan keputusan dan teknik pencatatan terkomputerisasi yang dirancang untuk menterjemahkan $P! menjadi kebutuhan bersih untuk semua item. !istem $%P dikembangkan untuk membantu perusahaan manufaktur mengatasi kebutuhan akan item-item dependent secara lebih baik dan efesien. !elain itu sistem $%P didesain untuk melepaskan pesananpesanan dalam produksi dan pembelian untuk mengatur aliran bahan baku dan persediaan dalam proses sehingga sesuai dengan jadwal prouksi untuk produk akhir. 2.1.3.2.1 In-ut )ar$ MRP

201 3

#alam $%P terdapat - input yang nantinya akan dibutuhkan yaitu& '. 4adwal induk produksi ,. 3atatan keadaan persediaan -. !truktur produk 4adwal induk produksi didasarkan pada peramalan atas permintaan independent dari setiap produk akhir yang akan dibuat. 9asil peramalan dipakai untuk membuat rencana produksi agregat yang pada akhirnya dibuat rencana detail yang menentukan jumlah produksi yang dibutuhkan untuk setiap produk akhir beserta periode waktunya untuk suatu jangka perencanaan. 2.1.3.2.2 .ut-ut )ar$ MRP

%encana pemesanan merupakan output dari $%P yang dibuat atas dasar waktu ancang-ancang dari setiap komponen. )aktu ancang-ancang dari suatu item yang dibeli merupakan periode antara

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

pesanan dilakukan sampai barang diterima, sedangkan untuk produk yang dibuat dipabrik sendiri, merupakan periode antara perintah item harus dibuat sampai dengan selesai di proses. da tujuan yang hendak dicapai dengan adanya rencana pemesanan yaitu& '. ,. '. ,. -. 1. $enentukan kebutuhan bawah pada tingkat lebih bawah $emproyeksi kebutuhan kapasitas $emberikan catatan tentang pesanan penjadwalan yang harus dilakukan A direncanakan baik dari pabrik sendiri maupun dari supplier. $emberikan indikasi untuk penjadwalan ulang $emberikan indikasi untuk pembatalan atau pesanan $emberikan indikasi untuk keadaan persediaan. Langkah/Langkah Dasar Pr*ses Peng*lahan MRP

201 3

!ecara umum output dari $%P adalah

2.1.3.2.3

dapun langkah-langkah mendasar pada proses $%P adalah sebagai berikut&

'.

/etting sebagai perhitungan kebutuhan bersih. #ata yang diperlukan dalam proses perhitungan kebutuhan bersih ini adalah& a. b. c. Kebutuhan kotoh untuk setiap periode Persediaan yang dipunyai pada awal perencanaan %encana penerimaan untuk setiap periode perencanaan

,.

0otting untuk menentukan ukuran slot Terdapat banyak alternati6e untuk menghitung ukuran lot, beberapa teknik diarahkan untuk

ongkos Fset-upG dan ongkos simpan, ada juga yang bersifat sederhana dengan menggunakan jumlah pemesanan tetap atau dengan periode pemesanan tetap.

-.

1 setting untuk penetapan besarnya lead time langkah ini bertujuan untuk menentukan saat yang tepat untuk melakukan rencana pemesanan

dalam rangka memenuhi kebutuhan bersih. %encana pemesanan diperoleh cara mengurangkan saat awal tersediannya ukuran lot yang diinginkan dengan besarnya lead time.

1.

Explosion sebagai perhitungan selanjutnya untuk item le6el berikutnya .dibawahnya/ *7plosion atau kita sebut saja proses e7plosion merupakan proses perhitungan kebutuhan kotor

untuk tingkat itemAkomponen yang lebih bawah, tentu saja didasar atas rencana pemesanan.

2.1.3.2.

0akt*r 1ang Mem-engaruh$ T$ngkat 'esul$tan )alam Pr*ses MRP

!etiap sistem tentu memiliki beberapa keterbatasan, sehingga selalu saja ada hal-hal yang mempengaruhi tingkat kesulitan setelah sistem tersebut dioperasikan. (egitu pula dengan $%P terdapat 5 faktor yang mempengaruhi tingkat kesulitan dalamproses $%P yaitu& '. !truktur produk 10

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

!truktur produk yang kompleks kea rah 6ertical akan membuat proses $%P .proses netting, lotting, o setting, explosion# yang berulan-ulang dilakukan satu per satu dari atas kebawah serta tingkat demi tingkat dari periode demi periode. ,. 8kuran lot Perkembangan teknik-teknik ukuran lot sebagai salah satu proses terpenting dalam $%P dapat dikategorikan sebagai berikut& a. b. c. d. Teknik ukuran lot untuk satu tingkat dengan kapasitas tak terbatas Teknik ukuran lot untuk satu tingkat dengan kapasitas terbatas Teknik ukuran lot untuk banyak tingkat dengan kapasitas tak terbatas Teknik ukuran lot untuk banyak tingkat dengan kapasitas terbatas

201 3

(eberapa teknik ukuran lot untuk satu tingkat dengan asumsi kapasitas tak terbatas yang banyak dipakai secara meluas pada industry mekanis dan elektronis secara berturut-turut adalah& '/ ,ixed !eriod 2e%uirement .?P%/ dalam metode ini besarnya jumlah ukuran lot adalah tetap, meskipun selang waktu antar pemesanan tidak tetap. ,/ 0ot ,or 0ot .B-1-B/ dalam teknik penetapan ukuran lot dengan ini dilakukan atas dasar pesanan diskrit, disamping itu teknik dilakukan atas dasar pesanan diskrit, disamping itu teknik ini merupakan cara paling sederhana dari semua teknik ukuran lot yang ada. -/ ,ixed 1rder 3uantit$ .?OH/ teknik ini sangat spesifik untuk menetukan persediaan item. Penentuan besarnya lot dapat semau kita atau dapatpula memakai intuisi yang sesuai dengan pengalaman pemakai. Kebijakan ini ditempuh untuk item-item yang biaya pemesanan .ordering cost# tinggi, dengan memenuhi kebutuhan bersih dari period eke periode. 1/ Economic 1rder 3uantit$ .*OH/ dalam teknik inipun besarnya ukuran lot adalah tetap. Namun perhitungannya sudah mencakup biaya-biaya pesan serta biaya-biaya simpan. Perumusan yang dipakai dalam teknik ini adalah sebagai berikut& *OH > #engan& # > rata-rata kebutuhan k > biaya pesan h > biaya simpan !umber& 9akim Nasution dan :udha Prasetyawan, ,;;<&,D' -. 0ead time yang berbeda-beda salah satu data yang erat kaitannya dengan waktu adalah lead time, dimana lead time akan mempengaruhi proses o setting. !uatu perakitan tidak dapat dilakukan apabila komponen-komponen pembentuknya belum siap tersedia. 1. Kebutuhan yang berubah maksudnya adalah dalam $%P memang dirancang untuk menjadi suatu sistem yang FpekaG terhadap perubahan-perubahan, baik perubahan dari luar .permintaan/ maupun dari dalam .kapasitas/.

Universitas Brawijaya

11

TUGAS BESAR Perencanaan & Pengendalian Produksi

5. Komponen-komponen yang bersifat umum &commonalit$# berarti komponen tersebut dibutuhkan oleh lebih dari satu induk itemnya. Kompnen umum ini akan menimbulkan kesulitan pada proses netting dan lotting. Proses lotting untuk komponen ini diperoleh dari semua induknya dengan terlebih dahulu menentukan rencana kebutuhan.

201 3

Universitas Brawijaya

12

TUGAS BESAR Perencanaan & Pengendalian Produksi

5.

201 3

BAB III &TUDI 'A&U&

3.1 2am3aran Umum Usaha PT. !" merupakan perusahaan manufaktur yang bergerak di bidang produksi beberapa jenis kemasan kaleng yang mana awalnya merupakan industry pengolahan makanan dalam kaleng menjadi industry pembuatan kemasan kaleng yang berfokus pada produksi kemasan kaleng non-food seperti kaleng thinner, cat, pernis, politer dan sebagian kecil jenis produk lain seperti lem, minyak, grease dan sebagainya. PT !" semakin berkembang pada tahun-tahun terakhir ini yang kemudian membuat PT. !" memiliki pelanggan utama yang merupakan perusahaan perusahaan produksi yang terdepan di bidangnya seperti PT.Propan %aya, PT.(ina Paint, PT.Trico Paint, dan PT. 6ia 6ian. Pada tahun ,;';, PT. !" menambah sumber daya-nya yaitu mesin C!!AO!! untuk memproduksi produknya sehingga dapat menambah 6olume produk yang dihasilkan. 4enis jenis kaleng yang diproduksi dalam perusahaan ini diantaranya ada - macam yaitu kaleng dengan bentuk bulat .round can-line manual/, bentuk bulat .round can-line auto/ dan kaleng berbentuk persegi. Tujuan utama perubahan ini adalah agar akses gerak kedepan lebih luas dalam mengahadapi persaingan dan untuk meningkatkan strategi ke depan. 3.2 Pr*)uk (erikut merupakan produk yang dihasilkan dalam PT. !"& Tabel -.' Produk PT. !" No ' , Nama Produk %ound can-line manual %ound can-line auto %ectangular can 9arga Produk %p. 1.5;;Aunit %p. 5.;;;Aunit %p. 5.5;;Aunit di #aya, PT. Nisannindo $ulia badi, PT.Nippon

3." Pr*ses Pr*)uks$ Pada perusahaan !" bagian Produksi-Assembl$ bertanggung jawab dalam perakitan komponen dengan body kaleng. Pembuatan kemasan kaleng dilakukan dengan menyambung lembaran plat timah hingga membentuk kaleng. (erikut ini merupakan alur proses produksi- assembl$ kaleng yang dapat dilihat pada bagan dan lowchart di bawah ini&

Universitas Brawijaya

13

TUGAS BESAR Perencanaan & Pengendalian Produksi

201 3

"ambar -.' lur Proses Assembl$

Universitas Brawijaya

14

TUGAS BESAR Perencanaan & Pengendalian Produksi

201 3

"ambar -., ,lowchart Proses Assembl$

Universitas Brawijaya

15

TUGAS BESAR Perencanaan & Pengendalian Produksi

Tabel -., Keterangan Proses Kode (' (, ((1 $' $, $$1 Keterangan Bempeng Plat Timah (ottom %ing 9andle kaleng $esin %ounding $esin )elding $esin C!!AO!! $esin *7panding Kode $5 $2 $D $< P' P, PKeterangan $esin flanging $esin seaming bottom $esin seaming ring $esin ri6eting 2ound-can line manual 2ound-can line auto 2ectangular can

201 3

(erikut untuk penjelasan masing-masing prosesnya& '. 2ounding 4 ,lexing Proses rounding adalah proses penggulungan lempeng plat timah untuk membentuk bodi kaleng sebelum proses welding. ,. )elding )elding adalah proses penyambungan body untuk pembentukan kaleng selain dengan proses keaping dan soldering. Penyambungan kaleng menggunakan sistem ini disebut juga welding side seam. -. Expanding Expanding adalah proses pembentukan body hasil welding menjadi bentuk kotak. !elain itu, expander juga digunakan untuk membentuk kerucutAcone pada kaleng. $esin otomatis expanding yang digunakan membuat round can-line auto yaitu mesin C!!AO!!. 1. ,langing ,langing merupakan proses untuk menghasilkan ,lange width .bagian dari body yang akan masuk dalam proses seaming/. 5. Double seam Double seam adalah proses untuk menyambung atau merangkai untuk menjadikan sebuah kaleng dari body dan komponen-komponen endukung seperti bottom, ring dan top endAtop lid. Proses seaming dibagi menjadi , yaitu seaming bottom dan seaming ringAtop endAtop lid. 2. !roses riveting ?ungsi ri6eting adalah sebagai tempat pemasangan handle plastik untuk kaleng-kaleng yang menggunakan handle sebagai alat bantu mengangkat atau membawa. Produk 2ound-can line manual, 2ound-can line auto dan 2ectangular can dibuat dari komponen sub-assembly plat timah, ring, bottom dan handle kaleng.(erikut ini tabel kuantitas kebutuhan masingi-masing komponen sub-ssembly& Tabel -.- Kebutuhan Komponen Sub-Assembl$

Universitas Brawijaya

16

TUGAS BESAR Perencanaan & Pengendalian Produksi

'*m-*nen &u3/ assem3l1 (' (, ((1 R*un) (an/l$ne manual , ' ' ' R*un) (an/l$ne aut* , ' ' ' Re(tangular (an , ' ' '

201 3

Komponen sub-assembly yang digunakan merupakan raw-material yang diperoleh dari supplier PT. !". (erikut ini merupakan harga komponen sub-assembly dan nilai lead time rata-rata& '*m-*nen &u3/ assem3l1 (' (, ((1 Tabel -.1 Komponen Sub-Assembl$ dan Nilai Bead Time A4erage Lea) T$me Harga .r)er 5*st set$aPemes$nan , minggu %p ';5;;;Aunit %p. 5;;;; , minggu %p -5;;Aunit %p. 5;;;; ' minggu %p 5;;;Aunit %p. 5;;;; ' minggu %p 5;;;Aunit %p. 5;;;;

PT. !" setiap bulan selalu menyediakan persediaan tambahan .suku cadang/ komponen subassembly bottom yang dibeli dari supplier PT. ngkasa 8tama. Tujuan dari penyediaan suku cadang bottom yaitu untuk pemeliharaan kaleng. (erikut ini independent demand yang ber6ariasi pada komponen sub-assembly selama ', bulan terakhir .Tahun ,;',/. Tabel -.5 5ndependent Demand '*m-*nen Per$*)e 6aktu +3ulan, &u3/ ' , 1 5 2 D < assem3l1 (ottom 5; '5 < ,; 5D 15 '; 'I .(-/ Tidak ada persediaan pada awal bulan. PT. !" mempunyai

I ''

'; '1

'' <;

', '1

delapan mesin yang digunakan untuk perakitan komponen sub-

assembly. %ata-rata tingkat perakitan untuk masing-masing mesin adalah sebagai berikut& Tabel -.2 %ata-rata Tingkat Perakitan Komponen '*m-*nen Rata/rata +-erak$tan 7 jam8m$nggu, &u3/ $' $, $$1 $5 $2 assem3l1 (' ,5;; ,-;; ,,;; '<;; ',;; (, ('-;; (1 )aktu set up mesin untuk masing-masing mesin adalah sebagai berikut& Tabel -.D )aktu !et-up $esin !et-up )aktu .jamAminggu/ $' $, $$1 $5 5 2 5 1 1 $D '';; $< ';;; -

'*m-*nen &u3 assem3l1 (' (,

$2 -

$D -

$< , 17

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

((1 , -

201 3

(iaya perakitan untuk semua mesin yaitu %p ,5;;;Ajam. Terdapat satu operator di setiap mesin dengan 1; jam per minggu merupakan standar kerja ' operator dengan upah %p -;;;; tiap jamnya. 8pah lembur diberikan sebesar %p '5;;; untuk tiap jamnya dengan batas waktu lembur sampai < jam tiap minggu. jam. (erikut ini kecepatan produksi masing-masing produk secara keseluruhan. Tabel -.< Kecepatan Produksi Pr*)uk 6aktu +men$t, P' < P, P5 !tock harus dilakukan pada masing-masing tahap produksi yang ada. !tock pada posisi awal, pada minggu ke-; adalah sebagai berikut& '*m-*nen &u3/assem3l1 (' (, ((1 Tabel -.I !tock Posisi wal Perse)$an ';; ,;; ,5; ,-; pabila jam tenaga kerja reguler dan lembur tidak dapat mencukupi kebutuhan, maka perusahaan akan menambah pekerja sub-kontrak, dengan biaya %p ',;;;Aorang per

Komponen sub-assembly mempunyai persediaan pada bulan ke-;. Tidak ada produk jadi yang disimpan .inventor$/. Produk jadi seluruhnya dikirim ke pemberi order atau konsumen setiap selesai proses perakitan. (iaya o6erhead yang ditetapkan sebesar %p 5;;.;;;,;; tiap minggu untuk biaya administrasi dan o6erhead proses manufaktur.

Universitas Brawijaya

18

TUGAS BESAR Perencanaan & Pengendalian Produksi

BAB I9 HA&IL DAN PEMBAHA&AN
.1 Peramalan + orecasting, Pada pembahasan orecasting ini,kelompok kami, telah mencoba - metode orecasting untuk setiap produk, yakni metode moving average, weight moving average, eksponential smoothing , serta double exponential smoothing. Kami memilih kedua metode tersebut, karena berdasarkan pola pada data historis dari data aktual permintaan menunjukkan bahwa data tersebut tidak bersifat seasonal maupun trend. .1.1 Pr*)uk 1 !ebelum memilih suatu model peramalan tertentu, terlebih dahulu mengidentifikasi pola historis dari data aktual permintaan itu. (erikut adalah pola historis dari data penjualan produk ' PT. !"&

201 3

"ambar 1.' "rafik #ata 9istoris Penjualan Produk ' PT. !" .1.1.1 Met*)e Mo!ing A!erage "ith Trend Permasalahan umum dalam menggunakan metode moving average with trend ini adalah bagaimana memilih n-periode yang diperkirakan tepat. #alam hal ini, dapat menggunakan beberapa nilai n-periode yang memiliki $ # .mean absolute deviation/ terkecil. #isini, dikemukakan penggunaan nilai n-periode n>, dan n>1. (erikut ini adalah contoh perhitungan manualnya

$ J ?.-/>

$ JJ ?.-/ >

> ><5 a;t>.,$ J/-$ JJ >.,.<5/-I2,,,> '5D,'

> >I2,,, a't > .,A.n-'//.$ J-$ JJ > .,A.--'//.',2,,,-I2,,,/>-;,11 19 ?tJJ>a;t0a't>'<D,55

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

Tabel 1.' Perhitungan Peramalan $etode Moving Average with Trend Per$*)e ' , 1 5 2 D < I '; '' ', ''1 '5 '2 'D Aktual <, <5 << ''; '-; '1; ';; ''; ',; ',5 '-; '-; '<D.5552 '1I.DDD< '';.1111 <5.55552 ','.222D '15 '1I.1111 '5D.,,,, '25.55'' '<'.D<11 '<D.5,'' ',I.'1 ''<.'1 ''I.;D ',;.;-',,.'', ',D.-;'-I.-15 0 +3, 0+",

201 3

,;1.I,52 '22.-< '< Pada tabel 1., akan ditampilkan perbandingan dari hasil perhitungan error, tracking signal, serta grafik demand dan orecast untuk - jenis periode pada metode moving average Tabel 1., Perbandingan Error MA +3, --.,< .-,.5<'/ - .-'/ MA+", 2.-2 ' dan ,

MAD Tra(k$ng &$gnal M&E M&0E

'<25 D;,2I -'1,'D 2,-2 Tabel 4.2 Perbandingan Error (Lanjutan) MA +3, MA+",

Universitas Brawijaya

20

TUGAS BESAR Perencanaan & Pengendalian Produksi

201 3

Ket& Ket& (iru > #emand K merah > forecast 2ra!$k (iru > #emand K merah > forecast -;,'ID 5,1MAPE Pada table perbandingan error diatas dapat diketahui bahwa rentang tracking signal pada keduanya tidak ada yang melebihi batas, jadi keduanya dapat dikatakan baik. $ # yang dimiliki $ .5/ lebih kecil yaitu 2,-2 dan $ # .-/ adalah --,,< yang berarti $ .5/ lebih baik daripada $ .-/ karena $ # yang dimiliki lebih kecil, namun metode yang dipilih dari keduanya adalah $ .-; dikarenakan grafik data peramalan yang dimiliki $ .-/ lebih menyerupai dengan data historisnya. !ehingga karena pertimbangan itulah dipilih metode yang terbaik dari Moving Average with Trend ini adalah yang menggunakan n>-. .1.1.2 Met*)e Dou#le E$%onential S&oothing +DE&, (erikut ini peramalan menggunakan Double Exponential Smoothing dengan alpha ;,1 beta ;,-K alpha ;,5, beta ;,-K dan alpha ;,2 beta ;,5. (erikut ini adalah contoh perhitungan manualnya =J .a>;,5 b>;,-/> .a.=t/0.'-a/=t-' > .;,5.<5/0.'-;,5/<, > <-,5; =JJ.a>;,5 b>;,-/> .=J.a/0.'-a/=JJt -' > .<-,5;.;,5/0.'-;,5/<-,5; > <,,D5 ? > .,.=J-=JJ/0..aAb/.=J-=JJ//> .,.<-,5;-<,,D5/0..;,5A;,-/. <-,5;-<,,D5/ ><5,5; Tabel 1.- Perhitungan Peramalan metode Double Exponential Smoothing : ; 7< : ; 7<" : ; 7<# Per$*)e Aktual 3;7<3 3;7<3 3;7<" <,.;; ' , 1 <5.;; <<.;; '';.;; <1.<< <<.<, '''.,, <5.5; <I.D5 ''2.;1 <,.<I <1.5I,.15

Tabel 1.- Perhitungan Peramalan metode Double Exponential Smoothing .Banjutan/ : ; 7< : ; 7<" : ; 7<# Per$*)e Aktual 3;7<3 3;7<3 3;7<" '-;.;; '-<.,I '11.11 ';5.;; 5 2 '1;.;; '52.-' '5I.5I ''<.1; 21

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

D < I '; '' ', ''1 '5 '2 'D '< ';;.;; '';.;; ',;.;; ',5.;; '-;.;; '-;.;; ','.DI ''5.1D ','.I, ',<.D1 '-5.-I '-2.I'1-.;, '5;.;I '5<.,I '2D.<; 'D<.<'I'.2'''.<, ';<.5I ''I.<; ',<.1I '-5.2, '-2.;; '1'.5I '1<.', '55.D'21.2' 'D1.ID '<D.;2 ''D.51 ''I.25 ',1.,5 ',I.1, '-5.;5 '-I.52 '15.ID '5-.;' '2;.D1 '2I.,, 'D<.51 '<<.DD

201 3

8ntuk mengetahui sejauh mana keandalan dari model peramalan double exponential smoothing menggunakan ketiga alpha tersebut, hasil orecasting pada metode double eksponential smoothing dapat dilihat pada tabel. Tabel 1.1 Perbandingan Error : ; 7< 3;7<3 MAD Tra(k$ng &$gnal M&0E M&E ',,25 .-',1,/ E .05/ -',5 -<' : ; 7<" 3;7<3 '',D55 .-',D-/ - .01/ -',, -II : ; 7<# 3;7<" ',,2'D .',;; - .0 2,;<D2/ D -1;

: ; 7< 3;7<3

Tabel 1.1 Perbandingan Error .Banjutan/ : ; 7<" 3;7<3

: ; 7<# 3;7<"

2ra!$k

Universitas Brawijaya

22

TUGAS BESAR Perencanaan & Pengendalian Produksi

MAPE ';,I1';,<,D ';,2,,

201 3

Pada tabel perbandingan error diatas dapat diketahui bahwa rentang tracking signal pada keduanya ada yang melebihi batas,yaitu yang menggunakan alpha ;,2 beta ;,5 dan alpha ;,1 beta ;,-. 9anya satu yang tidak melebihi dari tracking signal yaitu yang menggunakan alpha ;,5 dan beta ;,- jadi dilihat dari tracking signal maka yang terbaik adalah yang memakai alpha ;,5 beta ;,-. !edangkan untuk $ # yang mana semakin kecil semakin akurat data peramalannya , maka yang terbaik adalah yang menggunakan alpha ;,5 beta ;,- yaitu '',D5, kemudian selanjutnya dari grafik data historis dan peramalannya paling menyerupai diantara ketiganya adalah yang menggunakan alpha ;,5 beta ;,juga. !ehingga dapat dikatakan bahwa metode double exponential smoothing ini yang terpilih adalah yang menggunakan alpha ;,5 beta ;,-. .1.1.3 Met*)e Si&%le E$%onential S&oothing (erikut ini peramalan menggunakan Simple Exponential Smoothing dengan alpha ;,5 K ;,1, K dan ;,- dimana sebelumnya adalah contoh perhitungan manualnya =J .a>;,1/ > .a.=t/0.'-a/=t-' > .;,1.<5/0.'-;,1/<, > <-,,; Tabel 1.5 Perhitungan Peramalan metode Simple Exponential Smoothing Per$*)e Aktual : ; 7<3 : ; 7< : ; 7<" <, <,.;; <,.;; <,.;; ' , 1 5 2 <5 << ''; '-; '1; <,.I; <1.1I,.'; ';-.1D ''1.1<-.,; <5.', I5.;D ';I.;1 ','.1<-.5; <5.D5 ID.<< ''-.I1 ',2.ID

Tabel 1.5 Perhitungan Peramalan metode Simple Exponential Smoothing.Banjutan/ Per$*)e Aktual : ; 7<3 : ; 7< : ; 7<" ';; '';.'; '',.<2 ''-.1< D < I '; '' ', ''; ',; ',5 '-; '-; '';.;D ''-.;5 ''2.2',;.21 ',-.15 '''.D' ''5.;''I.;, ',-.1' ',2.;5 '''.D1 ''5.<D ',;.11 ',5.,, ',D.2' 23

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

',-.15 ',-.15 ',-.15 ',-.15 ',-.15 ',-.15 ',2.;5 ',2.;5 ',2.;5 ',2.;5 ',2.;5 ',2.;5 ',D.52 ',D.5',D.5, ',D.5, ',D.5' ',D.5'

201 3

''1 '5 '2 'D '<

8ntuk mengetahui sejauh mana keandalan dari model peramalan simple exponential smoothing menggunakan ketiga alpha tersebut, hasil forecasting pada metode eksponential smoothing with trend dapat dilihat pada tabel 1.2 Tabel 1.2 Perbandingan Error : ; 7<3 '5,,; .'/ E .I,;I/ ',.52 -DI,5< ',,5' : ; 7< '1,1.'/ - .D,2-/ ';,;' -,I,<< ',,I : ; 7<" '-,<.'/-.2,2;/ <,,I -;-,;< '',D2

MAD Tra(k$ng &$gnal M&0E M&E MAPE

Tabel 1.2 Perbandingan Error.Banjutan/ : ; 7<3 : ; 7< : ; 7<"

2ra!$k Aktual )an -eramalan

Pada tabel perbandingan error diatas dapat diketahui bahwa rentang tracking signal yang didapat tidak ada data yang masuk dalam garis batas tracking signal, sehingga untuk mempertimbangkan yang

Universitas Brawijaya

24

TUGAS BESAR Perencanaan & Pengendalian Produksi

terbaik pada metode ini bisa dilihat dari $ # yang lebih kecil dan grafik antara data aktual dan peramalannya, yang mana $ # terkecil adalah yang menggunakan alpha ;,5, sedangkan untuk grafiknya ketiganya sama baik karena data peramalannya juga mengikuti data historisnya. Oleh karena itu yang dipilih dari metode ini adalah yang menggunakan alpha ;,5 karena lebih baik dalam $ # yang dimiliki. .1.1. Anal$sa Has$l Peramalan (erikut ini adalah hasil analisis dari ketiga metode terpilih diatas, untuk kemudian dipilih salah satu metode terpilih yang terbaik. Tabel 1.D nalisa perbandingan antara metode No ' , #eskripsi Nilai Peramalan permintaan produk ' Nilai Tracking !ignal $ # Tebaran nilai-nilai tracking signal $odel $ .-/ '1I,11 .-,.5<'/ - .-'/ --.,< !emua nilai ratarata berada diantara garis 1 Pola distribusi nilai nilai ramalan 5 Nilai %!?* tracking signal. Kurang sesuai dengan data historis -<5 M*)el DE& +a;7<" 3;7<3, 1 1<"= +/1<>3, / +? , 11.>""1@ &emua n$la$ rata/ rata 3era)a )$antara gar$s trac'ing signal. &esua$ atau men1eru-a$ )ata h$st*r$s /13<#3 $odel !*! .a>;,5/ ',D,52 .'/-.2,2/ '-,<nilai rata rata tidak semua berada di antara garis tracking signal !esuai atau menyerupai data historis I',,,

201 3

Tabel 1.D nalisa perbandingan antara metode .Banjutan/ No 2 #eskripsi Keputusan $odel $ .-/ $enolak $odel M*)el DE& +a;7<" 3;7<3, Mener$ma M*)el $odel !*! .a>;,5/ $enolak $odel !*!

$ DE& (erdasarkan hasil perbandingan ke tiga metode diatas, maka metode yang terbaik adalah metode dengan model Double Exponential Smoothing dengan .a>;,5 b>;,-/ yang mana tebaran nilai-nilainya berada diantara garis tracking signal semua yang berarti bahwa data tersebut termasuk baik, pertimbangan selanjutnya adalah pola distribusi data yang mana pola distribusi data antara data actual dan data peramalan produk ' dengan metode Double Exponential Smoothing dengan alpha ;,5 dan beta ;,- sudah sesuai dan menyerupai atau sama. Nilai $ # yang didapatkan dari ke tiga metode tersebut, yang memiliki nilai $ # terkecil adalah Double Exponential Smoothing dengan alpha ;,5 dan beta ;,- dan karena nilai $ # yang semakin kecil berarti bahwa nilai errornya juga semakin bagus dan data peramalan lebih akurat.

Universitas Brawijaya

25

TUGAS BESAR Perencanaan & Pengendalian Produksi

.1.2 Pr*)uk II !ebelum memilih suatu model peramalan tertentu, terlebih dahulu mengidentifikasi pola historis dari data aktual permintaan itu. (erikut adalah pola historis dari data penjualan produk , PT. !"&

201 3

"ambar 1., "rafik #ata 9istoris Penjualan Produk , PT. !" .1.2.1 Met*)e Mo!ing A!erage "ith Trend Permasalahan umum dalam menggunakan metode moving average with trend ini adalah bagaimana memilih n-periode yang diperkirakan tepat. #alam hal ini, dapat menggunakan beberapa nilai n-periode yang memiliki $ # .mean absolute deviation/ terkecil. #isini, dikemukakan penggunaan nilai n-periode n>- dan n>5. (erikut ini adalah contoh perhitungan manualnya $ J ?.-/> $ JJ ?.-/ >

> >'2; a;t>.,$ J/-$ JJ >.,.,-;/-'<2,D> ,D-,-

> >-'2,22 a't > .,A.n-'//.$ J-$ JJ/ > .,A.--'//. ,-;-'<2,D/>1-,--

?tJJ>a;t0a't>-'2,22

Tabel 1.< Perhitungan Peramalan dan $ # $etode Moving Average Per$*)e Aktual 0 +3, 0+", ',; ' 'D; , 'I; ,'; 1 ,-; 5 2 ,5;

Universitas Brawijaya

26

TUGAS BESAR Perencanaan & Pengendalian Produksi

Per$*)e D < I '; '' ', ''1 '5 '2 'D '< Aktual ,1; ,<; -;; -,; --; ,5; 0 +3, -'2.222D -;; -'2.222D --5.5552 -<2.222D -I2.222D -;2.222D -25.55<I -,5.'I'' 11;.;;<I --;.II52 15I.D,11 -5I -D;.< -5;.2 -<D.--5 -2D.12I< -D,.;1I1 -51.'';1 1-<.2D 0+",

201 3

Pada tabel 1.I akan ditampilkan perbandingan dari hasil perhitungan error, tracking signal, serta grafik demand dan orecast untuk - jenis periode pada metode moving average Tabel 1.I Perbandingan Error MA +3, 55.-D .-2/ E .-'/ ,<25,--;,,;

MAD Tra(k$ng &$gnal M&E M&0E

MA+", D1.I -' dan -, DD'2,<, -D1,I

2ra!$k MAPE

,;,<I

,5,D2

Pada table perbandingan error dapat diketahui bahwa rentang tracking signal pada keduanya yang tidak melebihi batas adalah dengan $ # yang -. !edangkan $ # yang dimiliki $ .-/ lebih kecil yaitu 55.5D dan $ # yang .5/ adalah D1,I yang berarti $ .-/ lebih baik daripada $ .5/ karena $ # yang dimiliki lebih kecil, namun metode yang dipilih dari keduanya adalah $ .-/

Universitas Brawijaya

27

TUGAS BESAR Perencanaan & Pengendalian Produksi

dikarenakan grafik data peramalan yang dimiliki $ .-/ lebih menyerupai dengan data historisnya. !ehingga dipilih metode yang terbaik dari Moving Average with Trend ini adalah yang menggunakan n>-.

201 3

.1.2.2 Dou#le E$%onential S&oothing +DE&, (erikut ini peramalan menggunakan #ouble *7ponential !moothing dengan alpha ;,5 beta ;,1K alpha ;,-, beta ;,-K dan alpha ;,1 beta ;,1 dan dibawah ini merupakan contoh perhitungan secara manual& =J .a>;,5 b>;,1/> .a.=t/0.'-a/=t-' > .;,5.'D;/0.'-;,5/',; > '15 =JJ.a>;,5 b>;,-/> .=J.a/0.'-a/=JJt -' > .'15.;,5/0.'-;,5/',; > '-,,5; ? > .,.=J-=JJ/0..aAb/.=J-=JJ//> .,.'15-'-,,5;/0..;,5A;,1/. '15-'-,,5;/ >'D-,'-

Tabel 1.'; Perhitungan Peramalan metode Double Exponential Smoothing : ; 7<" : ; 7<3 : ; 7< Per$*)e Aktual 3;7< 3;7<3 3;7< ',; ' , 1 5 2 D < I '; '' ', ''1 'D; 'I; ,'; ,-; ,5; ,1; ,<; -;; -,; --; ,5; 'D-.',;2.<< ,-,.-1 ,51.-< ,D5.;1 ,2-.-, ,ID.;2 -,,.1< -11.1D -51.1D ,25.<5 ,52.5< ,12.D'52.;; '<I.-; ,,;.;< ,1<.22 ,D5.-< ,D<.II -;2.;5 --'.-2 -55.-1 -D'.'' -'D.51 ---.<1 -5,.'; '21.;; 'I<.1; ,,D.;1 ,5,.,, ,D5.-,D;.<; ,II.11 -,1.,1 -12.<I -5I.51 ,<<.ID ,I'.2, ,I1.1< 28

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

Per$*)e '5 '2 'D '< Aktual : ; 7<" 3;7< ,-2.,2 ,,5.'1 ,'-.-, ,;;.D2 : ; 7<3 3;7<3 -D,.55 -I5.15 1,'.'; 11I.<: ; 7< 3;7< ,ID.52 -;;.<I -;1.1I -;<.-<

201 3

8ntuk mengetahui sejauh mana keandalan dari model peramalan double exponential smoothing menggunakan ketiga alpha tersebut, hasil forecasting pada metode double eksponential smoothing dapat dilihat pada tabel 1.''

Tabel 1.'' Perbandingan Error : ; 7<" 3;7< MAD Tra(k$ng &$gnal M&0E M&E ,,.I< .--.,;;2/ E .01.',1,/ -2.D 1I'.<1 : ; 7<3 3;7<3 ,<.D5 .-,.<2,/ - .05/ -D 2'5.: ; 7< 3;7< ,1.1' .-,,D<, - .0 1.D2;-// -2 1'I.;-

2ra!$k MAPE ';.;I1 Ket& (iru > ?orecast K $erah > Demand ',.2'I ';,<1

Universitas Brawijaya

29

TUGAS BESAR Perencanaan & Pengendalian Produksi

Pada tabel perbandingan error diatas dapat diketahui bahwa rentang tracking signal pada ketiganya melebihi batas yaitu yang menggunakan alpha ;,5 beta ;,1 , alpha ;,- beta ;,- dan alpha ;,1 beta ;,1. Tetapi pada alfa ;.5 an beta ;.1 angka yang keluar dari batas hanyalah sedikit dibandingkan dengan yang lain, oleh sebab itu metode ini yang terbaik dari pada yang lain. !edangkan untuk $ # yang mana semakin kecil semakin akurat data peramalannya , maka yang terbaik adalah yang menggunakan alpha ;,1 beta ;,1 yaitu ,1,1', kemudian selanjutnya dari grafik data historis dan peramalannya paling menyerupai diantara ketiganya adalah yang menggunakan alpha ;,5 beta ;,1 juga. !ehingga dapat dikatakan bahwa metode double exponensial smoothing ini yang terpilih adalah yang menggunakan alpha ;,5 beta ;,1. .1.2.3 Si&%le E$%onential S&oothing (erikut ini peramalan menggunakan Simple Exponential Smoothing dengan alpha ;,5 K alpha ;,1K dan alpha ;,-. =J .a>;,1/ > .a.=t/0.'-a/=t-' > .;,1.'D;/0.'-;,1/',; > '1;

201 3

Tabel 1.', Perhitungan Peramalan !imple *7ponential !moothing Per$*)e Aktual : ; 7<3 : ; 7< : ; 7<" ',; ',; ',;.;; ',;.;; ' , 1 5 2 D < I '; '' ', 'D; 'I; ,'; ,-; ,5; ,1; ,<; -;; -,; --; ,5; '-5.;; '5'.5; '2I.;5 '<D.-1 ,;2.','2.,I ,-5.1' ,51.D< ,D1.-5 ,I'.;1 ,D<.D'1;.;; '2;.;; '<;.;; ,;;.;; ,,;.;; ,,<.;; ,1<.<; ,2I.,< ,<I.5D -;5.D1 ,<-.11 '15.;; '2D.5; '<<.D5 ,;I.-< ,,I.2I ,-1.<1 ,5D.1, ,D<.D' ,II.-2 -'1.2< ,<,.-1 30

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

''1 '5 '2 'D '< ,D<.D,D<.D,D<.D,D<.D,D<.D,D<.D,<-.11 ,<-.11 ,<-.11 ,<-.11 ,<-.11 ,<-.11 ,<,.-1 ,<,.-1 ,<,.-1 ,<,.-1 ,<,.-1 ,<,.-1

201 3

8ntuk mengetahui sejauh mana keandalan dari model peramalan simple exponential smoothing menggunakan ketiga alpha tersebut, hasil forecasting pada metode simple eksponential smoothing dapat dilihat pada tabel 1.'Tabel 1.'- Perbandingan Error : ; 7<3 MAD Tra(k$ng &$gnal M&0E M&E 55,52 .'/ E .';/ 1<,'; -'<',I2 : ; 7<3 1,,D' : ; 7< 1D,,2 .'/ E .';/ -D,'5 ,-,',DI Tabel 1.'- Perbandingan Error .Banjutan/ : ; 7< 'I,2; : ; 7<" 1',,< .'/ E .';/ ,I,5, '<2;,D< : ; 7<" ;.;2

MAPE

2ra!$k Ket& (iru > ,orecast K $erah > #emand Pada table perbandingan error diatas dapat diketahui bahwa rentang tracking signal yang didapat pada ketiga alternati6 tersebut yaitu alpha ;,5,alpha ;,1 dan alpha ;,- tidak ada yang masuk dalam batas tracking signal, sehingga dapat dilihat dari segi $ # yang terendah adalah pada alpha ;.5 sehingga dapat disimpulkan bahwa pada metode Simple Exponential Smoothing terbaik adalah pada alpha ;.5.

.1.1. Anal$sa Has$l Peramalan Tabel 1.'1 nalisa Pembandingan $etode Terpilih

Universitas Brawijaya

31

TUGAS BESAR Perencanaan & Pengendalian Produksi

No ' , #eskripsi Nilai Peramalan permintaan produk ' Nilai Tracking !ignal $ # Tebaran nilai-nilai tracking signal $odel $ .-/ -;2,2 .-2/ E .-'/ 55.-D !emua nilai rata-rata ada yang berada diluar garis 1 Pola distribusi nilai nilai ramalan tracking signal. Kurang sesuai dengan data historis M*)el DE& +a;7<" 3;7< , 2"#<"@ +/3.277#, A +? .12 2, 22.=@ &emua n$la$ rata/rata a)a 1ang keluar )$antara gar$s tra(k$ng s$gnal< namun han1a se)$k$t. &esua$ atau men1eru-a$ )ata h$st*r$s !udah sesuai namun masih kurang menyerupai data actual $odel !*! .a>;,5/ ,<,,-1 .'/-.';/ 1',,< semua nilai rata rata tidak berada di antara garis tracking signal

201 3

Tabel 1.'1 nalisa Pembandingan $etode Terpilih .Banjutan/ No 5 2 #eskripsi Nilai %!?* Keputusan $odel $ .-/ ---,,,, $enolak $odel $ .-/ M*)el DE& +a;7<" 3;7< , />3<"" Mener$ma M*)el DE& +a;7<" 3;7< , $odel !*! .a>;,5/ -,1,2< $enolak $odel *! with Trend .a>;,5 b>;,5/

(erdasarkan hasil perbandingan ke tiga metode diatas, maka metode yang terbaik adalah metode dengan model double exponensial smoothing dengan .a>;,5 b>;,1/ yang mana tebaran nilai-nilainya berada diantara garis tracking signal walau tidak semua namun satu data yang outlayer tersebut masih dapat di tolerir karena yang keluar dari batas hanya satu data dan tidak terlalu jauh dari batas yang berarti bahwa data tersebut termasuk baik. Pertimbangan selanjutnya adalah pola distribusi data yang mana pola distribusi data antara data actual dan data peramalan produk , dengan metode double e7ponensial smoothing dengan alpha ;,5 dan beta ;,1 sudah sesuai dan menyerupai atau sama. Nilai $ # yang meskipun didapatkan bahwa dari ke tiga metode tersebut dengan metode ini mempunyai nilai $ # terkecil maka dari itu metode ini cukup baik atau paling tepat yang dimiliki juga tidak terlalu besar sehingga metode yang paling tepat adalah pada double e7ponential smoothing dengan alpha ;,5 dan beta ;,1.

.1.3 Pr*)uk 3

Universitas Brawijaya

32

TUGAS BESAR Perencanaan & Pengendalian Produksi

!ebelum memilih suatu model peramalan tertentu, terlebih dahulu mengidentifikasi pola historis dari data aktual permintaan itu. (erikut adalah pola historis dari data penjualan produk - PT. !"&

201 3

"ambar 1.- "rafik #ata 9istoris Penjualan Produk - PT. !" .1.3.1 Met*)e Mo!ing A!erage Permasalahan umum dalam menggunakan metode moving average ini adalah bagaimana memilih n-periode yang diperkirakan tepat. #alam hal ini, dapat menggunakan beberapa nilai n-periode yang memiliki $ # .mean absolute deviation/ terkecil. #isini, dikemukakan penggunaan nilai n-periode n>- dan n>5. $ J ?.-/>

> >'2<,2D Per$*)e ' , 1 5 2 D < I '; '' ', ''1 '5 '2 'D '< Tabel 1.'5 Perhitungan Peramalan dan $ # $etode Moving Average Aktual 0 +3, 0 +", ';; 'I2 ,'; '<5 '2<,2D '<; 'ID '5; 'I',2D 'D1,,; '2; 'D',2D '<1,,; '5; '2-,-'DD,;; '2; '5-,-'25,;; '25 '52,2D '2;,;; '-; '5<,-'5D,;; --; '5',2D '5-,;; ,;<,-'<D,;; ,;-,<I '<D,-,-;,;; 'ID,;; '<D,I2 ,'1,;D ,,1,D< ,;D,,< 'I2,-D 33

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

Pada tabel 1.'2 akan ditampilkan perbandingan dari hasil perhitungan error, tracking signal, serta grafik demand dan orecast untuk - jenis period pada metode moving average Tabel 1.'2 Perbandingan Error MA +3, -5,D1 .-1,5;/ E .,,D-/ ';5I,<2

201 3

MAD Tra(k$ng &$gnal M&E

MA+", 1',-1,< .-5,1D/ E .',<;/ DI5,;,,I

2ra!$k MAPE

Ket& (iru > #emand K merah > forecast '2,-2

Ket& (iru > #emand K merah > forecast '<,55

#ari tabel perbandingan diatas, dapat di analisa bahwa $ # yang dimiliki metode Moving average dengan n>- lebih kecil daripada yang n>5. 9al ini menunjukkan bahwa dengan n>- data yang didapatkan lebih baik dan akurat. Kemudian pada tracking signal, keduanya tidak ada yang sepenuhnya masuk di dalam garis batas, namun yang paling mendekati adalah metode Moving average dengan n>- dimana satu data memiliki tracking signal -1,5; sedangkan yang menggunakan n>5 data yang outlayer adalah -5,1D. !etelah itu dapat dilihat pada grafik antara data actual dan data peramalan yang mana keduanya sama-sama hampir mengikuti tren data aktual. !ehingga dari ketiga pertimbangan diatas, dapat dikatakan bahwa metode ini menggunakan n>- lebih baik dan akurat daripada dengan n>5. .1.3.2 Si&%le E$%onential S&oothing +&E&, (erikut ini peramalan menggunakan Simple Exponential Smoothing dengan alpha ;,1 beta ;,-K alpha ;,5, beta ;,-K dan alpha ;,2 beta ;,5 dimana berikut adalah contoh perhitungan manualnya =J .a>;,1/ > .a.=t/0.'-a/=t-' > .;,1.'I2/0.'-;,1/';; > '-<,1; Tabel 1.'D Perhitungan Peramalan metode Simple Exponential Smoothing Per$*)e Aktual : ; 7<3 : ; 7< : ; 7<" ';;,;; ' , 1 'I2,;; ,';,;; '<5,;; ',<,<; '5-,'2 '2,,D' '-<,1; '1<,;; '2D,;1 'DI,;; 'D1,,, '<,,;; 34

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

5 2 D < I '; '' ', ''<;,;; '5;,;; '2;,;; '5;,;; '2;,;; '25,;; '-;,;; --;,;; '2D,I; '2,,5'2',DD '5<,,1 '5<,DD '2;,21 '5',15 ,;5,;' 'D2,5- '<',;; '25,I, '25,5; '2-,55 '2,,D5 '5<,'- '52,-< '5<,<< '5<,'I '2',-- '2',5I '1<,<; '15,<; ,,',,< ,-D,I; '1<,;;

201 3

',<,<; '-<,1;

Tabel 1.'D Perhitungan Peramalan metode Simple Exponential Smoothing .Banjutan/ Per$*)e Aktual : ; 7<3 : ; 7< : ; 7<" ,;5,;' ,,',,< ,-D,I; '1 '5 '2 'D '< ,;5,;' ,,',,< ,;5,;' ,,',,< ,;5,;' ,,',,< ,;5,;' ,,',,< ,-D,I; ,-D,I; ,-D,I; ,-D,I;

8ntuk mengetahui sejauh mana keandalan dari model peramalan simple exponential smoothing menggunakan ketiga alpha tersebut, hasil forecasting pada metode simple eksponential smoothing dapat dilihat pada tabel 1.'< Tabel 1.'< Perbandingan Error : ; 7<3 MAD Tra(k$ng &$gnal M&0E M&E MAPE 1-,,5 .',;;/ E .<,;I/ -',<, '''-<,I2 ';,I1: ; 7< 1',2, .',;;/ - .D,,</ ,D,52 <-5D,;; ';,<,D : ; 7<" 1;,'.',;;/ E .2,<D/ ,5,;D 2I'1,I; ';,2,,

Universitas Brawijaya

35

TUGAS BESAR Perencanaan & Pengendalian Produksi

: ; 7<3 : ; 7< : ; 7<"

201 3

2ra!$k Ket& (iru > ?orecast K $erah > #emand #ari table perbandingan diatas dapat diketahui bahwa $ # terkecil dimiliki oleh metode simple exponensial smoothing dengan alpha>;,- yang mana semakin kecil $ # maka semakin baik pula hail peramalannya. Kemudian pada tracking signal , semua data peramalan memiliki data yang keluar dari garis batas, yang sebaiknya tidak dianjurkan, namun yang memiliki data outla$er yang tidak jauh pada metode ini adalah yang menggunakan alpha >;,5 sehingga bias dikatakan bahwa data peramalan dengan alpha ;,5 ini lebih baik. #ari kedua pertimbangan sebelumnya, dapat dikatakan bahwa metode simple exponensial smoothing dengan alpha ;,5 yang terbaik, karena ketika dilihat dari grafik antara data aktual dan peramalan, semua memiliki grafik yang cukup baik. .1.3.3 Met*)e "eight Mo!ing A!erages (erikut ini peramalan menggunakan )eight Moving Averages dengan n>, dan n>3ontoh perhitungan manualnya adalah sebagai berikut & )$ >

>

> '21 Tabel 1.'< Perhitungan Peramalan dan $ # $etode )eight Moving Average

Per$*)e ' , 1 5 2 D < I '; '' ',

Aktual ';;,;; 'I2,;; ,';,;; '<5,;; '<;,;; '5;,;; '2;,;; '5;,;; '2;,;; '25,;; '-;,;; --;,;;

6MA +2, '21,;; ,;5,-'I-,-'<',2D '2;,;; '52,2D '5-,-'52,2D '2-,-'1',2D

6MA +3,

'<D,;; 'I5,'D '<2,2D '25,<'2;,;; '5-,-'52,2D '2;,<'12,2D 36

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

''1 '5 '2 'D '< ,2-,-,;1,15 ,,,,D< ,,1,;< ,'2,2D ,,-,25 ,-5,<,;5,;; ,,',<' ,;5,52 ,'<,51 ,';,<<

201 3

Pada tabel 1.'I akan ditampilkan perbandingan dari hasil perhitungan error, tracking signal, serta grafik demand dan forecast untuk - jenis period pada metode weight mo6ing a6erage Tabel 1.'IPerbandingan Error 6MA +2, -5,122D .-,,1;/ E .1,;2/ 1;11,<I 6MA+3, --,,;-D .-5,I,/ E .,,I5/ 1;1-,'-

MAD Tra(k$ng &$gnal M&E

Tabel 1.'IPerbandingan Error 6MA +2, 6MA+3,

2ra!$k '5,DD<< '1,D5;5 MAPE #ari table perbandingan diatas dapat diketahui bahwa nilai $ # terkecil dimiliki oleh metode ini dengan n>-, sedangkan pada hasil tracking signal keduanya memiliki data yang keluar dari garis batas tracking signal .1.3. Anal$sa -em3an)$ngan has$l -eramalan -erm$ntaan Pr*)uk 3 Tabel 1.,; nalisa Pembandingan $etode Terpilih No ' , #eskripsi Nilai Peramalan permintaan produk ' Nilai Tracking !ignal $ # Tebaran nilai-nilai tracking signal $odel $ .-/ ,;<,-.-1,5;/ E .,,D-/ -5,D1 Nilai rata-rata ada yang berada $odel !*! .a>;,5/ '1< .',;;/ E .2,<D/ 1;,'Nilai rata-rata ada yang keluar diantara garis $odel )$ .a>,/ ,2-,-.-,,1;/ E .1,;2/ -5,122D !emua nilai rata rata berada di antara garis 37

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi

No #eskripsi $odel $ .-/ diluar garis tracking signal. !esuai dengan data historis ID,2D $enolak $odel $ .-/ $odel !*! .a>;,5/ tracking signal, namun hanya sedikit. !esuai atau menyerupai data historis ,D5,< $enolak $odel #*! .a>;,5 b>;,1/ $odel )$ .a>,/ tracking signal !udah sesuai namun masih data actual '11 $enerima $odel )$ dengan n>,

201 3

1 5 2

Pola distribusi nilai nilai ramalan Nilai %!?* Keputusan

(erdasarkan tabel analisa diatas maka dapat di simpulkan bahwa yang memiliki $ # paling kecil adalah peramalan dengan metode )eight Moving Average dengan n>, dimana tracking signal yang dimiliki data peramalan hanya satu yang keluar dari garis batas dan tidak terlalu menyimpang jauh seperti pada metode Moving Average dan Simple Exponential Smoothing. Tebaran nilai yang dimiliki oleh ketiga metode semua sudah baik yaitu sudah mengikuti trend dari data historisnya, namun karena , pertimbangan sebelumnya, maka dipilihlah metode )eight Moving Average dengan n>, yang terbaik untuk digunakan dalam peramalan produk - ini.

Universitas Brawijaya

38