Anda di halaman 1dari 76

TUGAS BESAR Perencanaan & Pengendalian Produksi

BAB I PENDAHULUAN 1.1 Latar Belakang

2013

Pada masa-masa ini proses produksi dalam industri harus dipandang sebagai suatu sistem perbaikan yang terus menerus. Produksi memiliki komponen atau elemen yang saling menunjang satu sama lain. Elemen utama dalam proses produksi yaitu input-proses output merupakan proses harus semakin berkembang seiring berjalannya waktu. Oleh karena itu diperlukan pembelajaran lebih dalam mengenai perencanaaan dan pengendalian yang baik pada sistem produksi. Dalam perencanaan diperlukan beberbagai proses untuk menghasilkan output yang maksimal. Dalam tugas besar ini akan mempelajari tahapan-tahapan dalam perencanaan sebuah sistem produksi berdasarkan studi kasus pada sebuah perusahaan. Perusahaan yang digunakan sebagai bahan studi kasus adalah PT. Good Wold. PT. Good Wood merupakan perusahaan manufaktur yang bergerak dalam bidang funiture. Perusahaan tersebut terletak di Kota Malang dengan pangsa pasar di seluruh Indonesia. 1.2 Rumusan Masalah Berikut rumusan masalah yang diangkat dalam pembahasan tugas besar ini adalah: 1. Bagaimana melakukan suatu perencanaan produksi yang baik dan menghasilkan output yang optimal pada industri furniture PT. Good Wood? 2. Bagaimana melakukan suatu pengendalian bahan baku yang baik agar efisiensi biaya produksi dapat tercapai? 3. Bagaimana melakukan analisa biaya dari suatu sistem produksi? 1.3 Tujuan Tujuan dari penulisan laporan tugas besar ini adalah: 1. Mahasiswa diharapkan dapat memahami bagaimana perencanaan produksi sehingga menciptakan output yang optimal. 2. Mahasiswa diharapkan dapat memahami bagaimana pengendalian bahan baku yang efisien pada industri furniture PT. Good Wood. Universitas Brawijaya
1

TUGAS BESAR Perencanaan & Pengendalian Produksi


Wood. 1.4 Manfaat Manfaat dari penulisan laporan tugas besaar ini adalah:

2013

3. Mahasiswa diharapakan dapat menganalisa biaya sistem produksi pada PT. Good

1. Mahasiswa dapat memahami tahapan-tahapan dalam perencanaan produksi dan pengendalian bahan baku dalam sebuah sistem produksi. 2. Mahasiswa dapat menganalisa suatu sistem produksi untuk mencapai output yang optimal melalui studi kasus pada PT. Good Wood. 1.5 Batasan Berikut batasan enulisan laporan tugas besar ini, yaitu: 1. Produk furniture yang dibuat berdasarkan komponen-komponen kayu, partikel board, handle, cat, baut, paku. 2. Data penjualan yang digunakan tiga periode terakhir. 3. Perencanaa produksi dan pengendalian persediaan dilakukan selama horison 6 bulan ke depan. 1.6 Asumsi Berikut asumsi penulisan laporan tugas besar ini, yaitu: 1. Proses produksi tidak mengalami perubahan selama penelitian dilaksanakan. 2. Tidak ada perubahan spesifikasi produk selama penelitian dilakukan. 3. Fasilitas produksi berjalan pada kondisi normal dan lancar. 4. Material dan bahan-bahan penunjang lainnya selalu tersedia.

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


BAB II TINJAUAN PUSTAKA 2.1 Perencanaan dan Pengendalian Produksi
PERAMALAN

2013

STRATEGIC PLANNING PERENCANAAN AGREGAT

CAPACITY PLANNING

JADWAL PRODUKSI INDUK


TACTICAL PLANNING

ROUGH CUT CAPACITY PLANNING (RCCP)

PERENCANAAN MATERIAL

CAPACITY REQUIREMENT PLANNING (CRP)

EXECUTION PLANNING

ORDER PEMBELIAN

JADWAL PRODUKSI

PENJADWAL AN ULANG

OUT-SOURCING

PENGENDALIAN AKTIVITAS PRODUKSI DI LANTAI PABRIK

Gambar 2.1 Framework perencanaan dan pengendalian produksi Sumber: Hakim Nasution dan Yudha Prasetyawan, 2008:40

1.

Tahap Peramalan Peramalan (forecasting) merupakan bagian vital bagi setiap organisasi bisnis dan

untuk setiap pengambilan keputusan manajemen yang sangat signifikan. Peramalan menjadi dasar bagi perencanaan jangka panjang perusahaan. Dalam area fungsional keuangan, peramalan memberikan dasar dalam menentukan anggaran dan pengendalian biaya. Pada bagian pemasaran, peramalan penjualan dibutuhkan untuk merencanakan produk baru, kompensasi tenaga penjual, dan beberapa keputusan Universitas Brawijaya
3

TUGAS BESAR Perencanaan & Pengendalian Produksi

2013

penting lainnya. Selanjutnya, pada bagian produksi dan operasi menggunakan data-data peramalan untuk perencanaan kapasitas, fasilitas, produksi, penjadwalan, dan pengendalian persedian (inventory control). Untuk menetapkan kebijakan ekonomi seperti tingkat pertumbuhan ekonomi, tingkat pengangguran, tingkat inflasi, dan lain sebagainya dapat pula dilakukan dengan metode peramalan. 2. Tahap Perencanaan Agregat Perencanaan Agregat merupakan suatu perencanaan produksi yang bersifat global dan tidak menggunakan satuan jenis produk (Individual Product). Perencanaan agregat adalah perencanaan yang dibuat untuk menentukan total permintaan dari seluruh elemen produksi dan jumlah tenaga kerja yang diperlukan. Perencanaan agregat merupakan perencanaan produksi jangka panjang menengah. Horizon perencanaannya biasanya berkisar antara 1 sampai 24 bulan atau bisa bervariasi dari 1 tahun sampai 3 tahun. Horizon tersebut tergantung pada karakteristik produk dan jangka waktu produksi. Periode perencanaan disesuaikan dengan periode peramalan, biasanya 1 bulan. Pada umumnya ada empat jenis strategi yang dapat dipilih dalam membuat perencanaan agregat, antara lain : 1. Memproduksi banyak barang pada saat permintaan rendah, dan menyimpan kelebihannya sampai saat yang dibutuhkan. Alternatif ini akan menghasilkan tingkat produksi relatif konstan, tetapi mengakibatkan ongkos persediaan yang tinggi. 2. Menambah tenaga kerja pada saat permintaan tinggi dan memberhentikannya pada saat permintaan rendah. 3. Melemburkan pekerja. Alternatif ini serung dipakai dalam perencanaan agregat, tetapi ada keterbatasannya dalam menjadwalkan kapasitas mesin dan tenaga kerja yang ada. Jika permintaan naik, maka kapasitas produksi dapat dinaikkan dengan melemburkan pekerja. 4. Mensubkontrakkan sebagian pekerjaan pada saat sibuk. Alternatif ini akan mengakibatkan tambahan ongkos karena subkontrak dan ongkos kekecewaan konsumen bila terjadi kelambatan penyerahan dari barang yang disubkontrakkan.

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


3. Capacity Planning

2013

Perencanaan kapasitas adalah proses menentukan tingkat kapasitas yang diperlukan untuk melakukan jadwal produksi, dibandingkan terhadap kapasitas yang tersedia dan tindakan-tindakan penyesuaian yang diperlukan terhadap tingkat kapasitas atau jadwal produksi yang sudah dibuat. (1) Rought Cut Capacity Planning Penentuan kebutuhan kapasitas kasar atau Rough-Cut Capacity Planning (RCCP)menentukan kebutuhan kapasitas yang diperlukan untuk melaksanakan Jadwal Induk Produksi. Ketidaklayakan JIP akan diperbaiki oleh RCCP dimana RCCP akan mengkonversikan JIP menjadi kebutuhan-kebutuhan kapasitas untuk sumber daya utama dan kemudian menentukan apakah JIP tersebut layak dengan keterbatasan-keterbatasan kapasitas yang ada. Rough-Cut Capacity Planning digunakan untuk menyesuaikan kapasitas jangka manengah. Tindakan yang mungkin dilakukan meliputi penentuan standar peralatan mesin, penentuan subkontrak, atau alokasi tenaga kerja. Ada 3 teknik perencanaan kebutuhan kapasitas kasar yaitu : 1. Pendekatan Total Faktor (overall factor approach) 2. Pendekatan Daftar Tenaga Kerja 3. Pendekatan Profil Sumber (2) Capacity Requirement Planning Capacity Requirement Planning (CRP) adalah fungsi untuk menentukan, mengukur, dan menyesuaikan tingkat kapasitas atau proses untuk menentukan jumlah tenaga kerja dan sumber daya mesin yang diperlukan untuk melaksanakan produksi. CRP merupakan teknik perhitungan kapasitas rinci yang dibutuhkan oleh perencanaan kebutuhan material (Material Requirement Planning). CRP memverifikasi apakah kapasitas yang tersedia mencukupi selama rentang perencanaan.

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


2.2 Peramalan

2013

Peramalan merupakan aktivitas fungsi bisnis yang memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat. Peramalan merupakan dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramalan, sering berdasarkan data deret waktu historis. Peramalan menggunakan teknik-teknik peramalan yang bersifat formal maupun informal. (Gaspersz, (2004) Production Planning and Inventory Control:25) Dua hal pokok yang harus diperhatikan dalam proses peramalan yang akurat dan bermanfaat: 1. Pengumpulan data yang relevan berupa informasi yang dapat menghasilkan peramalan yang akurat. 2. Pemilihan teknik peramalan yang tepat yang akan memanfaatkan informasi data yang diperoleh semaksimal mungkin. Peramalan diperlukan untuk mengantisipasi suatu peristiwa yang dapat terjadi pada masa yang akan datang, sehingga dapat dipersiapkan kebijaksanaan atau tindakantindakan yang perlu dilakukan. 2.2.1 Manfaat Peramalan 1. Membantu agar perencanaan suatu pekerjaan dapat diperkirakan dengan secara tepat. 2. Merupakan suatu pedoman dalam menentukan tingkat persediaan perencanaan dapat sebagai masukan untuk penentuan jumlah investasi. 3. Membantu menentukan pengembangan suatu pekerjaan untuk periode selanjutnya. 2.2.2 Pendekatan Peramalan Pendekatan metode kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan dan pengalaman seseorang. Oleh karena itu hasil peramalan dari satu orang dengan orang lain dapat berbeda. Meskipun demikian, peramalan kualitatif dapat menggunakan teknik/metode peramalan, yaitu : 1. Juri dari Opini Eksekutif: metode ini mengambil opini atau pendapat dari sekelompok kecil manajer puncak/top manager (pemasaran, produksi, teknik, keuangan dan logistik), yang seringkali dikombinasikan dengan model-model Universitas Brawijaya
6

TUGAS BESAR Perencanaan & Pengendalian Produksi


statistik.

2013

2. Gabungan Tenaga Penjualan: setiap tenaga penjual meramalkan tingkat penjualan di daerahnya, yang kemudian digabung pada tingkat provinsi dan nasional untuk mencapai ramalan secara menyeluruh. 3. Metode Delphi: dalam metode ini serangkaian kuesioner disebarkan kepada responden, jawabannya kemudian diringkas dan diberikan kepada para ahli untuk dibuat peramalannya. Metode memakan waktu dan melibatkan banyak pihak, yaitu para staf, yang membuat kuesioner, mengirim, merangkum hasilnya untuk dipakai para ahli dalam menganalisisnya. Keuntungan metode ini hasilnya lebih akurat dan lebih profesional sehingga hasil peramalan diharapkan mendekati aktualnya. 4. Survai Pasar (market survey): Masukan diperoleh dari konsumen atau konsumen potensial terhadap rencana pembelian pada periode yang diamati. Survai dapat dilakukan dengan kuesioner, telepon, atau wawancara langsung. Metode peramalan kuantitatif dapat dikelompokkan menjadi dua jenis, yaitu : 1. Model seri waktu / metode deret berkala (time series) metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Model Seri Waktu / Metode deret berkala, terbagi menjadi : a. Rata-rata bergerak (moving averages), b. Penghalusan eksponensial (exponential smoothing), c. Proyeksi trend (trend projection) 2. Model/metode kausal (causal/explanatory model), mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas (independent variable). 2.2.3 Horizon Perencanaan Peramalan akan permintaan hasil produksi mempunyai suatu kurun waktu yang biasa disebut horizon perencanaan yang terbagi atas periode-periode perencanaan yaitu tahun, bulan, dan minggu. Klasifikasi periode perencanaan peramalan tersebut seperti berikut: 1. Peramalan Jangka Panjang. Peramalan ini mencakup waktu lebih besar 24 bulan atau 2 tahun. Misalnya peramalan yang berkaitan dengan penanaman modal, perencanaan fasilitas, dan Universitas Brawijaya
7

TUGAS BESAR Perencanaan & Pengendalian Produksi


sebagainya. 2. Peramalan Jangka Menengah.

2013

Peramalan ini mencakup waktu 3 sampai 24 bulan. Misalnya peramalan untuk perencanaan penjualan, perencanaan, dan anggaran produksi. 3. Peramalan Jangka Pendek. Peramalan ini mencakup waktu kurang dari 3 bulan. Misalnya peramalan dalam hubungannya dengan perencanaan pembelian material, penjadwalan kerja, dan penugasan. 2.2.4 Kriteria Peramalan 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 bila terlalu tinggi atau rendah dibandingkan dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten bilabesarnya kesalahan peramalan relatif kecil.Peramalan yang terlalu rendah akan mengakibatkan kekuranga persediaan,sehingga permintaan konsumen tidak dapat dipenuhi segera akibatnya perusahaan dimungkinkan kehilangan pelanggandan kehilangan keuntungan penjualan. Peramalan yang terlalu tinggi akan mengakibatkan terjadinya penumpukan persediaan, sehingga banyak modal yang terserap siasia. Keakuratan dari hasil peramalan ini berperan penting dalam menyeimbangkan persediaan yang ideal 2. Biaya. Biaya yang diperlukan dalam pembuatan suatu peramalan 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 komputerisasi), 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 akan diramalkan dengan metode Universitas Brawijaya
8

TUGAS BESAR Perencanaan & Pengendalian Produksi


ABC). 3. Kemudahan

2013

yang sederhana dan murah. Prinsip ini merupakan adopsi dari hukum Pareto (Analisa

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 sistem perusahaan karena keterbatasan dana, sumber daya manusia, maupun peralatan teknologi. 2.2.5 Metode Peramalan (Forecasting) Berikut adalah metode-metode pada proses peramalan. 2.2.5.1 Metode Rata-Rata Bergerak (Moving Average) Moving Average diperoleh dengan merata-rata permintaan berdasarkan beberapa data masa lalu yang terbaru. Tujuan utama dari penggunaan teknik MA ini adalah untuk mengurangi atau menghilangkan variasi acak permintaan dalam hubungannya dengan waktu. Tujuan ini dicapai dengan merata-ratakan beberapa nilai data secara bersama-sama, dan menggunakan nilai rata-rata tersebut sebagai ramalan permintaan untuk periode yang akan datang. Disebut rata-rata bergerak karena begitu setiap data aktual permintaan baru deret waktu tersedia, maka data aktual permintaan yang paling terdahulu akan dikeluarkan dari perhitungan, kemudian suatu nilai ratarata baru akan dihitung. Secara matematis, maka MA akan dinyatakan dalam persamaan sebagai berikut:

Sumber: Hakim Nasution dan Yudha Prasetyawan, 2008:40

Dimana: MA At N : Peramalan permintaan pada periode t : Permintaan aktual pada periode ke-t : jumlah data permintaan yang dilibatkan dalam perhitungan MA Karena data aktual yang dipakai untuk perhitungan MA berikutnya selalu dihitung

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


dengan mengeluarkan data yang paling terdahulu, maka:

2013

Sumber: Hakim Nasution dan Yudha Prasetyawan, 2008:40

Dimana : MA At N : Peramalan permintaan pada periode t : Permintaan aktual pada periode ke-t : jumlah data permintaan yang dilibatkan dalam perhitungan MA MAt-1 : Peramalan permintaan pada periode t-1

2.2.5.2 Metode Rata-Rata Bergerak dengan Bobot (Weighted Moving Average) Secara matematis, WMA dapat dinyatakan sebagai berikut:
Sumber: Hakim Nasution dan Yudha Prasetyawan, 2008:45

Dimana: Wt = Bobot permintaan aktual pada periode t At = Permintaan aktual pada periode t Dengan keterbatasan bahwa:
Sumber: Hakim Nasution dan Yudha Prasetyawan, 2008:45

Dimana: Wt = Bobot permintaan aktual pada periode t 2.2.5.3 Metode Pemulusan Eksponensial (Exponential Smoothing) Metode peramalan dengan pemulusan eksponensial biasanya digunakan untuk pola data yang tidak stabil atau perubahannya besar dan bergejolak. Metode permalan ini bekerja hampir serupa dengan alat thermostat. Apabila galat ramalan(forecast error) adalah positif, yang berarti nilai aktual permintaan lebih tinggi daripada nilai ramalan (AF>0), maka modelpemulusan eksponensial akan secara otomatis meningkatkan nilai ramalannya. Sebaliknya, apabila galat ramalan (forecast error) adalah negatif, yang berarti nilai aktual permintaan lebih rendah daripada nilai ramalan Universitas Brawijaya
10

TUGAS BESAR Perencanaan & Pengendalian Produksi


nilai ramalan.

2013

(A F < 0), maka metode pemulusan eksponensial akan secara otomatis menurunkan Proses penyesuaian ini berlangsung secara terus-menerus, kecuali galat ramalan telah mencapai nol. Peramalan menggunakan metode pemulusan eksponensial dilakukan berdasarkan formula seperti di bawah ini (Gaspersz, 2004).

Sumber: Hakim Nasution dan Yudha Prasetyawan, 2008:45

Dimana: Ft Ft-1 At-1 peramalan : nilai ramalan untuk periode waktu ke-t : nilai ramalan untu satu periode waktu yang lalu, t-1 : nilai aktual untuk satu periode waktu yang lalu, t-1 : konstanta pemulusan (smoothing constant) Cara yang digunakan untuk mengetahui sejauh mana keandalan dari model berdasarkan pemulusan eksponensial harus menggunakan peta kontrol dan membandingkan apakah nilai-nilai ramalan itu telah tracking signal (Gaspersz, 2004). 2.2.5.4 Metode Double Exponential Smoothing (Holt Winter Additive) Pada beberapa kasus komponen anggaran kas tidak mampu diproyeksi secara musiman. Hal ini dikarenakan terdapat data yang hilang atau tidak lengkapnya data perbulan. Tidak lengkapnya data ini bukan berarti datanya tidak mampu didapat namun secara faktual data tersebut tidak ada, antara lain untuk lain-lain penerimaan daerah yang sah. Pengeluaran pembiayaan dan penerimaan pembiayaan. Komponen anggaran kas ini tidak adanya transaksi di bulan-bulan tertentu, misalkan bulan mei, juni dan juli untuk penerimaan pembiayaan tidak ada. Oleh karena itu proyeksi dilakukan dengan metode exponential smoothing holt dan exponential smoothing brown. Dan untuk mendistribusikan pada bulan yang bersangkutan, maka dilakukan dengan mengalikan rata-rata transaksi dengan indeks musimannya. Model ini dapat diterapkan ketika time series mengandung komponen musiman (seasonal). Metode ini mengasumsikan bahwa time series tersusun dari siklus trend dan

menggambarkan atau sesuai dengan pola historis dari data aktual permintaan

Universitas Brawijaya

11

TUGAS BESAR Perencanaan & Pengendalian Produksi

2013

musiman linier, yang tersusun dari tiga rangkaian proses statistik yang terkorelasi (pemulusan, trend, dan musiman) dan memproyeksikan trend serta komponen musiman ke depan. 1. Base Level: Et = (Yt St-p) + (1 ) (Et-1 + Tt-1), pada periode t; 0 1 2. Ekspektasi Nilai Trend: Tt = (Ee Et-1) + (1 ) Tt-1, pada periode t; 0 1 3. Hitung Faktor Seasonal: St = (Yt Et-1) + (1 ) St-p, pada periode t; 0 1 4. Hasil forecast: += + + , + 5. Untuk Inisiasi: Untuk 1 seasonal pertama: = -
Sumber: Pangestu Subagyo, 1986:25

t = 1,2, , p;

Dimana: P = 0 : banyaknya periode dalam 1 seasonal : periode ke pada seasonal pertama = : pertama periode ke pada seasonal pertama

2.2.5.5 Metode Double Exponential Smoothing (Holt Winter Multikatif) Metode ini dapat diterapkan pada data time series musiman sama halnya dengan additive, tetapi pada model ini diasumsikan bahwa komponen-komponen time series (pemulusan data, trend, dan musiman), dikalikan satu sama lain sehingga menghasilkan data time series yang lebih aktif. Selain metode dekomposisi untuk memproyeksi data yang bersifat musiman dapat dilakukan dengan metode kecenderungan dan musiman tiga parameter dari winters atau biasa disebut winters multiplicative. Metode winters didasarkan atas tiap persamaan pemulusan, yaitu satu untuk unsure stasioner, satu untuk trend dan satu untuk musiman. Memproyeksi data time series yang bersifat musiman yang memiliki data stasioner dengan efek musiman yang multiplikatif atau biasa disebut multiplicative seasonal effect dapat menggunakan metode winter multiplicative method dengan rumus sebagai berikut : Universitas Brawijaya
12

TUGAS BESAR Perencanaan & Pengendalian Produksi


1. Base level = + (1 ) ( + ), pada periode t; 0 1

2013

2. Ekspektasi nilai trend: Tt = ( - ) + (1 ) -1, pada periode t; 0 1 3. Faktor seasonal: = ( + ( 1- ) S -, pada periode t = 0 1

4. Hasil forecast: +n = ( + n ) St +n p , pada periode t = 1,2, , +1 = (Et + Tt ) St p, pada periode t + n 5. Untuk Inisiasi Untuk 1 seasonal pertama: t =
Sumber: Pangestu Subagyo, 1986:27
( )

, t = 1,2 ,.,p

Dimana: P Ep= Tp = 0 : banyaknya periode dalam 1 seasonal : periode ke p pada seasonal pertama : periode ke p pada seasonal pertama Ukuran Akurasi Peramalan

2.6

Validasi metode peramalan terutama dengan menggunakan metode-metode di atas tidak dapat lepas dari indikator-indikator dalam pengukuran akurasi peramalan. Bagaimanapun juga terdapat sejumlah indikator dalam pengukuran akurasi peramalan, tetapi yang paling umum digunakan adalah mean absolute deviation mean absolute percentage error, dan mean squared error. a. Mean Absolute Deviation(MAD) Akurasi peramalan akan tinggi apabila nilai-nilai MAD, mean absolute percentage error, dan mean squared errorsemakin kecil. MAD merupakan nilai total absolut dari forecast error dibagi dengan data. Atau yang lebih mudah adalah nilai kumulatif absolut error dibagi dengan periode. Jika diformulasikan maka formula untuk menghitung MAD adalah sebagai berikut: Universitas Brawijaya
13

TUGAS BESAR Perencanaan & Pengendalian Produksi


2013

Sumber: Pangestu Subagyo, 1986:30

b.

Mean Squared Error (MSE) Menurut Gaspersz (2004), mean squared error biasa disebutjuga galat peramalan.

Dalam sistem peramalan, penggunaan berbagai model peramalan akan memberikan nilai ramalan yang berbedadan derajat dari galat ramalan yang berbeda pula.Rata-rata kesalahan kuadrat memperkuat pengaruh angka-angkakesalahan besar, tetapi memperkecil angka kesalahanprakiraan yang lebih kecil dari satu unit.
Sumber: Pangestu Subagyo, 1986:31

c.

Mean Absolute Percentage Error (MAPE) Rata-rata persentase kesalahan kuadrat merupakanpengukuran ketelitian

dengan cara persentase kesalahan absolute.MAPE menunjukkan rata-rata kesalahan absolut prakiraan dalambentuk persentasenya terhadap data aktualnya.
Sumber: Pangestu Subagyo, 1986:31

d.

Tracking Signal Menurut Gaspersz (2004), suatu ukuran bagaimana baiknyasuatu ramalan

memperkirakan nilai-nilai aktual suatu ramalandiperbaharui setiap minggu, bulan atau triwulan, sehingga datapermintaan yang baru dibandingkan terhadap nilai-nilai ramalan.Tracking signal dihitung sebagai running sum of the forecast errorsdibagi dengan mean absolute deviation. Tracking Signal =
Sumber: Pangestu Subagyo, 1986:32

Universitas Brawijaya

14

TUGAS BESAR Perencanaan & Pengendalian Produksi


2.7 Economic Order Quantity

2013

Economic Order Quantity (EOQ) adalah model persediaan yang pertama kali dikembangkan tahun 1915 secara terpisah oleh Ford Harris dan R.H. Wilson. Metode EOQ merupakan sebuah perhitungan dengan rumus mengenai berapa jumlah, atau frekuensi pemesanan, atau nilai pemesanan yang paling ekonomis. Dalam hampir semua situasi yang menyangkut pengelola persediaan barang jadi, metode ini dapat dikatakan cocok untuk digunakan. Metode EOQ dapat dilaksanakan apabila kebutuhan-kebutuhan per-mintaan pada masa yang akan datang memiliki jumlah yang konstan dan relatif memiliki fluktuasi perubahan yang sangat kecil. Apabila jumlah per-mintaan dan masa tenggang diketahui, maka dapat diasumsikan bahwa jumlah permintaan dan masa tenggang merupakan bilangan yang konstan dan diketahui. EOQ dihitung denga menganalisis total biaya (TC). Total biaya pada satu periode merupakan jumlah dari biaya pemesanan ditambah biaya penyimpanan selama periode tertentu. Secara grafik model persediaan EOQ dapat dilihat pada Gambar berikut:

Sumber: Elisabeth Sibarani, Faigiziduhu Buulolo, 2013 Gradien garis singgung di titik kritis diperoleh dengan cara menurunkan fungsi yang bersangkutan terhadap variabel keputusannya. Fungsi persediaannya yaitu : ( ) ( )

Dimana: D = Jumlah kebutuhan barang Q= Jumlah setiap pemesanan Qopt = jumlah pemesanan optimal Oc = Biaya pemesanan H = Biaya penyimpanan P = biaya pembelian TC = biaya total persediaan dikarenakan Purchasing Cost tidak berpengaruh terhadap hasil EOQ, maka didapatkan Total Increment Cost yaitu:

Universitas Brawijaya

15

TUGAS BESAR Perencanaan & Pengendalian Produksi


( ) ( )

2013

dimana untuk mencari jumlah pemesanan optimal dapat dilakukan dengan menurunkan fungsi TIC diatas : ( ) ( ) ( ) ( )

Universitas Brawijaya

16

TUGAS BESAR Perencanaan & Pengendalian Produksi


BAB III STUDI KASUS 3.1 Gambaran Umum Usaha

2013

Perusahaan yang digunakan sebagai bahan studi kasus adalah PT. Good Wold. PT. Good Wood merupakan perusahaan manufaktur yang bergerak dalam bidang funiture. Perusahaan tersebut terletak di Kota Malang dengan pangsa pasar di seluruh Indonesia. 3.2 Produk Produk yang dibuat oleh PT. Good Wood antara lain adalah meja tulis, meja komputer, lemari dan rak buku. Produk-produk tersebut disusun oleh beberapa komponen pendukung yaitu: a. b. c. d. e. f. Kayu Partikel board Baut Paku Cat Handle
Tabel 3.1 Kebutuhan Komponen Produk A (m2) B(m2) C D E(kg) Meja Tulis 5,5 30 1,5 Meja Komputer 4,75 30 Lemari 12 25 2,5 Rak Buku 3 25

Berikut ini merupakan kebutuhan komponen untuk masing-masing produk:


F 1 2 4

Universitas Brawijaya

17

TUGAS BESAR Perencanaan & Pengendalian Produksi


3.3 ini.
E M2 A A M1 B B RAK BUKU C ASSEMBLY LEMARI MEJA TULIS

2013

Proses Produksi Gambaran Proses Produksi PT. Good Wood dapat dilihat pada gambar di bawah

MEJA KOMPUTER

Gambar 3.1 Gambaran Proses Produksi Produk Keterangan: A: Kayu B: Parktikel Board C: Baut D: Paku E: Cat F: Handle MI: Power Hack Saw M2:Color Spray Masing-masing part tersebut memiliki beberapa kesamaan komponen penyusun, yang artinya sistem produksi berdasarkan group technology dan melalui proses fabrikasi ketika ada pesanan yang masuk dari pelanggan. Maka dapat dikatakan proses produksi berdasarkan Make to Order.

Universitas Brawijaya

18

TUGAS BESAR Perencanaan & Pengendalian Produksi


3.4 Bahan Baku

2013

Komponen yang digunakan untuk menghasilkan keempat jenis produk tersebut didapatkan dari supplier dengan rincian keterangan sebagai berikut:
Tabel 3.2 Rincian Bahan Baku

Komponen Lead Time Harga Potongan A 2minggu Rp. 50.000,- Tidak ada potongan B 1minggu Rp. 45.000,- 2% jika membeli lebih dari 1000m 5% jika membeli lebih dari 2000m C D E F 1minggu 1minggu 2minggu 1minggu Rp 150,Tidak ada potongan Rp 175,Tidak ada potongan Rp. 40.000,- 5% jika membeli lebih dari 250kg Rp, 15.000,- Tidak ada potongan

Perusahaan memiliki persediaan bahan baku (untuk minggu ke 0) dengan rincian sebagai berikut:
Tabel 3.3 Persediaan Bahan Baku

Bahan Baku A B C D E

Persediaan 2500m2 3000m2 15000 7000 500kg

Dalam Pemesanan 7000 m2 5000 m2 20000 25000 2100kg

Universitas Brawijaya

19

TUGAS BESAR Perencanaan & Pengendalian Produksi


BAB IV ANALISA PEMBAHASAN 4.1 Forecasting

2013

Pada bagian ini dilakukan peramalan dengan menggunakan 3 metode, yaitu Moving Average (MA), Weighted Moving Average (WMA), dan Exponential Smoothing (ES) dengan Moving Average dan Weighted Moving Average menggunakan periode terpilih (N=3 atau N=4 atau N=5) serta untuk Exponential Smoothing menggunakan nilai =0.4, =0.45, =0.5. 4.1.1 Meja Tulis Berikut adalah data penjualan Meja Tulis selama 2 tahun terakhir : Tabel 4.1 Data PenjualanMeja Tulis
Bulan Meja Tulis Bulan Meja Tulis 1 320 13 337 2 326 14 348 3 356 15 351 4 345 16 319 5 329 17 337 6 355 18 365 7 321 19 348 8 351 20 352 9 365 21 321 10 344 22 382 11 339 23 348 12 342 24 329

390 380 370 360 350 340 330 320 310 0 5 10 15 20 25 30 35

Gambar 4.1 Grafik Permintaan Meja Tulis

4.1.1.1 Moving Average Berikut ini adalah hasil peramalan meja tulis dengan metode Moving Average Tabel 4.2 Metode Moving Average Meja Tulis Bulan Demand F (3) F (4) F (5) (A) 1 320 2 326 3 356 4 345 334 5 329 343 337 Universitas Brawijaya
20

TUGAS BESAR Perencanaan & Pengendalian Produksi

2013

Tabel 4.3 Metode Moving Average Meja Tulis Bulan Demand F (3) F (4) F (5) (A) 6 355 344 339 336 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Perbandingan : Berdasarkan perhitungan diatas diketahui bahwa nilai MAD(3) = 14.77778 , MAD(4) = 14.58750 dan MAD(5) =13.76842. Nilai MAD(5) lebih kecil daripada nilai MAD(3) dan Universitas Brawijaya
21

321 351 365 344 339 342 337 348 351 319 337 365 348 352 321 382 348 329

343 335 343 346 354 350 342 340 343 346 340 336 341 350 355 341 352 351

347 338 339 348 346 350 348 341 342 345 339 339 343 343 351 347 351 351

343 342 341 345 348 344 349 346 342 344 340 339 344 344 345 345 354 351

TUGAS BESAR Perencanaan & Pengendalian Produksi


MA(5). 4.1.1.2 Weighted Moving Average

2013

MAD(4), maka pada Moving Average produk Meja Tulis akan digunakan berdasarkan

Berikut ini adalah hasil peramalan meja tulis dengan metode Weight Moving Average Tabel 4.4 Metode Weight Moving Average Meja Tulis Bulan Demand F (3) F (4) F (5) (A) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Universitas Brawijaya 320 326 356 345 329 355 321 351 365 344 339 342 337 348 351 319 337 365 348 352 321 382 348
340 346 339 345 334 342 353 353 345 342 339 344 348 335 334 348 352 353 336 357 355 345 341 342 339 346 336 341 351 350 347 344 340 343 347 337 336 346 348 352 341 355 354 345 345 338 345 338 341 349 349 346 346 342 343 346 338 337 346 347 350 342 355 353 346 345 22

TUGAS BESAR Perencanaan & Pengendalian Produksi


24 Perbandingan: 329
343 343 345

2013

Berdasarkan perhitungan diatas diketahui bahwa nilai MAD(3) = dan MAD(5) = MA(5). 4.1.1.3 Exponential Smoothing

, MAD(4) =

. Nilai MAD(5) lebih kecil daripada nilai MAD(3) dan MAD(4),

maka pada Weight Moving Average produk Meja Tulis akan digunakan berdasarkan

Berikut ini adalah hasil peramalan meja tulis dengan metode Eksponential Smoothing : Tabel 4.5Eksponential Smoothing Meja Tulis Bulan Aktual (0,4) (0,45) (0,5) 1 255 235 235 235 2 247 243 244 245 3 208 245 246 246 4 227 230 229 227 5 219 229 228 227 6 205 225 224 223 7 244 217 216 214 8 246 228 229 229 9 233 236 237 238 10 238 235 235 236 11 251 236 237 237 12 203 242 243 244 13 247 227 225 224 14 252 235 235 236 15 201 242 243 244 16 241 226 224 223 17 217 232 232 232 18 258 226 226 225 Bulan Aktual (0,4) (0,45) (0,5) 19 220 239 240 242 20 249
232 231 231

Universitas Brawijaya

23

TUGAS BESAR Perencanaan & Pengendalian Produksi


21 22 23 24 Perbandingan : MAD (0,4) =18,34957 MAD (0,45) =18,34497 MAD (0,5) =18,31272 234 218 257 257
239 237 230 241 240 237 229 242 240 237 228 243

2013

Dari perbandingan nilai MAD di atas diketahui bahwa penggunaan =0.5 menghasilkan MAD terkecil diantara yang lain, sehingga dapat digunakan =0.5 pada metode peramalan Eksponential Smoothing produk meja tulis. 4.1.1.4 Verifikasi Dari perhitungan berdasarkan metode MA(5), WMA(5) dan ES( =0.5), didapat nilai tracking signal dari masing-masing metode seperti pada tabel 4.5. MA(5) MAD MAPE MSE 3,979300104 297,0273684 18,44 469,82 Tabel 4.5 Rekap nilai Error WMA(5) ES (0,5) 18,31272 186,55464 398,6258

Dari tabel diatas dapat dilihat perbandingan nilai diantara erornya, dapat dilihat pada metode Exponential Smoothing (=0,5) menunjukkan nilai MSE, MAD dan MAPE yang paling kecil diantara kedua metode lainnya. Sehingga metode Exponential Smoothing (=0,5) dapat diandalkan.

Universitas Brawijaya

24

TUGAS BESAR Perencanaan & Pengendalian Produksi

2013

5 4 3 2 1 0 -1 0 -2 -3 -4 -5 UCL LCL ES MA WMA CL 5 10 15 20 25 30 35

Gambar 4.2

Tracking Signal Meja Tulis

Dari gambar diatas dapat dilihat bahwa nilai-nilai tracking signal dari masingmasing model MA(5), WMA(5) dan ES(=0,5) berada di dalam batas yang dapat diterima yang menunjukkan akurasi model MA(5), WMA(5) dan ES(=0,5) dapat dipergunakan.

500 400 300 200 100 0 0 5 10


AKTUAL

15
ES

20
MA

25

30
WMA

35

Gambar 4.3 Peramalan dan Aktual Meja Tulis Dari gambar diatas dapat dilihat bahwa pola grafik peramalan menggunakan Exponential Smoothing (=0,5) dibandingkan dengan model MA dan WMA lebih sesuai dengan pola historis data aktual penjualan produk Meja Tulis. Berdasarkan perbandingan yang telah dilakukan dari rekap nilai error, tracking signal dan grafik peramalan, dapat dipilih metode Exponential Smoothing (=0,5) pada produk meja tulis.Sehingga untuk peramalan selanjutnya dapat dihitung dalam tabel berikut:

Universitas Brawijaya

25

TUGAS BESAR Perencanaan & Pengendalian Produksi


Tabel 4.7 Peramalan Meja Tulis Bulan Demand Forecast Bulan Demand Forecast 1 320 319 343 319 16 2 326 17 337 332 337 3 356 18 365 329 365 4 345 19 348 343 348 5 329 20 352 344 352 6 355 21 321 337 321 7 321 22 382 346 382 8 351 23 348 334 348 9 365 24 329 343 329 10 344 25 354 342 342 11 339 26 349 342 342 12 342 27 344 342 342 13 337 28 343 342 342 14 348 29 340 342 342 15 351 30 344 342 342 4.1.2 Meja Komputer Berikut adalah data penjualan dari Meja Komputer dalam periode 2 tahun terakhir: Tabel 4.8 Data Penjualan Meja Komputer
Bulan Meja Komputer Bulan Meja Komputer 1 255 13 247 2 247 14 252 3 208 15 201 4 227 16 241 5 219 17 217 6 205 18 258 7 244 19 220 8 246 20 249 9 233 21 234 10 238 22 218 11 251 23 257

2013

12 203 24 257

300 250 200 150 100 50 0 0 5 10 15 20 25 30 35

Gambar 4.4 Permintaan Meja Komputer

4.1.2.1 Moving Average Berikut ini adalah hasil peramalan meja komputer dengan metode Moving Average

Universitas Brawijaya

26

TUGAS BESAR Perencanaan & Pengendalian Produksi


Tabel 4.7 Metode Moving Average Meja Komputer Periode Demand F (3) F (4) F (5) (A) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Perbandingan: Berdasarkan perhitungan di atas dapat diketahui nilai MAD(3) = = dan MAD(5) = 225 247 208 227 219 205 244 246 233 238 251 203 247 252 201 241 217 258 220 249 234 218 257 257 227 228 218 217 223 232 241 239 241 231 234 234 234 232 220 239 232 243 235 234 237

2013

227 226 215 224 229 232 241 242 232 235 239 226 236 228 230 234 236 241 231 240

226 222 221 229 230 234 243 235 235 239 231 229 232 234 228 237 236 236 236

; MAD(4)

. Nilai MAD(3) lebih kecil daripada nilai MAD(4) dan

MAD(5), maka pada model Moving Average produk Meja Komputer dapat digunakan peramalan berdasarkan MA(3).

Universitas Brawijaya

27

TUGAS BESAR Perencanaan & Pengendalian Produksi


4.1.2.2 Weighted Moving Average

2013

Berikut ini adalah hasil peramalan meja komputer dengan metode Weight Moving Average Tabel 4.9Metode Weight Moving Average Meja Komputer Demand F (5) Bulan F (3) F (4) (A) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 255 247 208 227 219 205 244 246 233 238 251 203 247 252 201 241 217 258 228.83 224.00 219.83 213.33 226.83 238.50 239.17 237.67 243.67 224.83 233.00 242.17 225.67 229.50 222.33 228.10 --

222.00 225.07 213.90 216.33 225.60 223.93 234.50 232.40 236.30 234.00 238.70 236.87 243.00 242.80 227.40 229.67 233.70 233.93 240.60 239.80 225.70 227.40 231.80 230.80 224.50 226.87

Tabel 4.10Metode Weight Moving Average Meja Komputer Demand F (5) Bulan F (3) F (4) (A) 19 20 21 22 23 220 249 234 218 257 241.50 232.17 240.83 236.67 228.50 236.60 235.67 232.90 231.07 238.90 238.27 238.10 237.27 229.20 231.40

Universitas Brawijaya

28

TUGAS BESAR Perencanaan & Pengendalian Produksi


24 Perbandingan: 257 240.17 239.90 238.47

2013

Berdasarkan perhitungan di atas dapat diketahui nilai MAD(3) = 18.44 ; MAD(4) = 18.79 dan MAD(5) = 25.31. Nilai MAD(3) lebih kecil daripada nilai MAD(4) dan MAD(5), maka pada model Weighted Moving Average produk Meja Tulis dapat digunakan peramalan berdasarkan WMA(3). 4.1.2.3 Exponential Smoothing Berikut ini adalah hasil peramalan meja komputer dengan metode metode Eksponential Smoothing : Tabel 4.11Eksponential Smoothing Meja Komputer Bulan Aktual (0,4) (0,45) (0,5) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Universitas Brawijaya 255 247 208 227 219 205 244 246 233 238 251 203 247 252
235 243 245 230 229 225 217 228 236 235 236 242 227 235 235 244 246 229 228 224 216 229 237 235 237 243 225 235 235 245 246 227 227 223 214 229 238 236 237 244 224 236 29

TUGAS BESAR Perencanaan & Pengendalian Produksi


15 16 201 241
242 226 243 224 244 223

2013

Tabel 4.12Eksponential Smoothing Meja Komputer Bulan Aktual (0,4) (0,45) (0,5) 17 18 19 20 21 22 23 24 Perbandingan :

217 258 220 249 234 218 257 257

232 226 239 232 239 237 230 241

232 226 240 231 240 237 229 242

232 225 242 231 240 237 228 243

18,34497 dapat diketahui nilai MAD(=0.4) = ; Nilai MAD(=0.5) lebih kecil

Berdasarkan

perhitungan

MAD(=0.45) = 18,34497dan MAD(=0.5) =.

daripada nilai MAD(=0.45) dan MAD(=0.5) maka pada model Exponential Smoothing produk Meja Komputer akan digunakan peramalan berdasarkan ES(=0.5). 4.1.2.4 Verifikasi Dari perhitungan berdasarkan metode MA(3), WMA(5) dan ES( =0.5), didapat nilai tracking signal dari masing-masing metode seperti pada tabel 4.5. MA(3) 17,0794 7,361098284 403,2275132 Tabel 4.13 Rekap nilai Error WMA(3) 18,44 7,98 469,82 ES (0,5) 11,85001 0,029038 303,6141

MAD MAPE MSE

Dari tabel diatas dapat dilihat perbandingan nilai diantara erornya, dapat dilihat Universitas Brawijaya
30

TUGAS BESAR Perencanaan & Pengendalian Produksi

2013

pada metode Exponential Smoothing (=0,5) menunjukkan nilai MSE, MAD dan MAPE yang paling kecil diantara kedua metode lainnya. Sehingga metode Exponential Smoothing (=0,5) dapat diandalkan.
5 4 3 2 1 0 -1 0 -2 -3 -4 -5 UCL LCL ES MA WMA CL 5 10 15 20 25 30 35

Gambar 4.5

Tracking Signal Meja Komputer

Dari gambar diatas dapat dilihat bahwa nilai-nilai tracking signal dari masingmasing model MA(3), WMA(3) dan ES(=0,5) berada di dalam batas yang dapat diterima yang menunjukkan akurasi model MA(3), WMA(3) dan ES(=0,5) dapat dipergunakan.
300 250 200 150 100 50 0 0 5 10 15 AKTUAL 20 ES 25 MA 30 WMA 35

Gambar 4.6 Peramalan dan Aktual Meja Komputer Dari gambar diatas dapat dilihat bahwa pola grafik peramalan menggunakan Exponential Smoothing (=0,5) dibandingkan dengan model MA dan WMA lebih sesuai dengan pola historis data aktual penjualan produk Meja Komputer. Berdasarkan perbandingan yang telah dilakukan dari rekap nilai error, tracking signal dan grafik peramalan, dapat dipilih metode Exponential Smoothing (=0,5) pada produk meja komputer . Sehingga untuk peramalan selanjutnya dapat dihitung dalam

Universitas Brawijaya

31

TUGAS BESAR Perencanaan & Pengendalian Produksi


tabel berikut:

2013

Universitas Brawijaya

32

TUGAS BESAR Perencanaan & Pengendalian Produksi


Tabel 4.14 Peramalan Meja Komputer Bulan Demand Forecast Bulan Demand Forecast 235 1 255 241 223 16 245 2 247 17 217 232 246 3 208 18 258 225 227 4 227 19 220 242 227 5 219 20 249 231 223 6 205 21 234 240 214 7 244 22 218 237 229 8 246 23 257 228 238 9 233 24 257 243 236 10 238 25 250 250 237 11 251 26 250 250 244 12 203 27 250 250 224 13 247 28 250 250 236 14 252 29 250 250 244 15 201 30 250 250 4.1.3 Lemari Berikut ini adalah data penjualan Lemari selama periode 2 tahun terakhir: Tabel 4.15Data Penjualan Lemari
Bulan Lemari Bulan Lemari 1 119 13 146 2 128 14 128 3 134 15 161 4 149 16 101 5 105 17 136 6 153 18 156 7 137 19 110 8 145 20 142 9 128 21 129 10 139 22 131 11 134 23 138

2013

12 151 24 147

200 150 100 50 0 0 5 10 15 20 25 30 35

Gambar 4.7 Permintaan Lemari

Universitas Brawijaya

33

TUGAS BESAR Perencanaan & Pengendalian Produksi


4.1.3.1 Moving Average Berikut ini adalah hasil peramalan lemari dengan metode Moving Average Tabel 4.16Metode Moving Average Lemari Bulan Demand F (3) F (4) F (5) (A) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Perbandingan: Universitas Brawijaya
34

2013

119 128 134 149 105 153 137 145 128 139 134 151 146 128 161 101 136 156 110 142 129 131 138 147

127 137 130 136 132 145 137 138 134 142 144 142 145 130 133 131 134 136 127 134 133

133 129 136 136 135 141 138 137 138 143 140 147 134 132 139 126 136 135 128 135 127 134 136 138 134 141 137 140 140 140 144 138 135 137 133 129 135 134 130

TUGAS BESAR Perencanaan & Pengendalian Produksi


Berdasarkan perhitungan dapat diketahui nilai MAD(3) = dan MAD(5) = berdasarkan MA(5). 4.1.3.2 Weighted Moving Average Berikut ini adalah hasil peramalan lemari dengan metode Weight Moving Average Tabel 4.17Metode Weight Moving Average lemari
Bulan Demand (A) F (3) F(4) F (5)

2013

; MAD(4) =

. Nilai MAD(5) lebih kecil daripada nilai MAD(3) dan

MAD(4), maka pada model Moving Average produk Lemari akan digunakan peramalan

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Universitas Brawijaya

119 128 134 149 105 153 137 145 128 139 134 151 146 128 161 101 136 156 110

130 141 125 137 137 144 136 137 135 144 146 138 148 126 129 141

0 138 127 136 137 141 138 137 136 142 145 139 148 129 130 140

0 0 127 136 137 140 137 138 136 141 143 139 147 132 132 139 35

TUGAS BESAR Perencanaan & Pengendalian Produksi


Tabel 4.18 Metode Weight Moving Average lemari
Bulan 20 21 22 23 24 Demand (A) 142 129 131 138 147 F (3) F(4) 130 134 131 133 135 129 135 132 131 135 F (5) 130 133 133 132 133

2013

Perbandingan:

Berdasarkan perhitungan dapat diketahui nilai MAD(3) = 15.48 ; MAD(4) = 14.68 dan MAD(5) =13.34. Nilai MAD(5) lebih kecil daripada nilai MAD(3) dan MAD(4), maka pada model Weighted Moving Average produk Lemari dapat digunakan peramalan berdasarkan MA(5). 4.1.3.3 Exponential Smoothing Berikut ini adalah hasil peramalan Lemari dengan metode Eksponential Smoothing : Tabel 4.18Eksponential Smoothing Lemari Bulan Aktual (0,4) (0,45) (0,5) 1 119 136 136 136 2 128 129 128 128 3 134 129 128 128 4 149 131 131 131 5 105 139 139 140 6 153 125 124 123 7 137 137 137 138 8 145 137 137 138 9 128 140 141 142 10 139 136 135 135

Universitas Brawijaya

36

TUGAS BESAR Perencanaan & Pengendalian Produksi


Tabel 4.19Eksponential Smoothing Lemari

2013

Bulan Aktual (0,4) 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Perbandingan:

(0,45) (0,5)
137 136 143 145 137 148 127 131 143 128 135 132 132 135 137 136 144 145 137 149 125 131 144 127 135 132 132 135

134 151 146 128 161 101 136 156 110 142 129 131 138 147

137 136 142 144 138 147 129 132 142 129 135 133 132 135

. 10,84247 diketahui nilai MAD(=0.4) =10,84247; . Nilai MAD(=0.45) lebih kecil

Berdasarkan MAD(=0.45) = perhitungan

dapat

dan MAD(=0.5) =

daripada nilai MAD(=0.5) dan MAD(=0.4) maka pada model Exponential Smoothing produk lemari dapat digunakan peramalan berdasarkan ES(=0.45). 4.1.3.4 Verifikasi Dari perhitungan berdasarkan metode MA(5), WMA(5) dan ES( =0.45), didapat nilai tracking signal dari masing-masing metode seperti pada tabel berikut:

Universitas Brawijaya

37

TUGAS BESAR Perencanaan & Pengendalian Produksi


MA(5) 12,6737 9,682656177 273,9284211 Tabel 4.20 Rekap nilai Error WMA(5) 13,34 10,2198 304,1048 ES (0,45) 107,899 264,9684

2013

MAD MAPE MSE

Dari tabel diatas dapat dilihat perbandingan nilai diantara erornya, dapat dilihat pada metode Exponential Smoothing (=0,5) menunjukkan nilai MSE, MAD dan MAPE yang paling kecil diantara kedua metode lainnya. Sehingga metode Exponential Smoothing (=0,5) dapat digunakan
6 4 2 0 0 -2 -4 -6 UCL LCL ES MA WMA CL 5 10 15 20 25 30 35

Gambar 4.8

Tracking Signal Lemari

Dari gambar diatas dapat dilihat bahwa nilai-nilai tracking signal dari masingmasing model MA(5), WMA(5) berada di luar batas yang diterima, dan ES(=0,5) berada di dalam batas yang dapat diterima yang menunjukkan akurasi model MA(5), WMA(5) makaES(=0,5) dapat dipergunakan.

200 150 100 50 0 0 5 10 15 AKTUAL 20 ES 25 MA 30 WMA 35

Gambar 4.9 Peramalan dan Aktual Lemari

Universitas Brawijaya

38

TUGAS BESAR Perencanaan & Pengendalian Produksi


metode memiliki kesamaan pola dengan data historis.

2013

Dari gambar diatas dapat dilihat bahwa pola grafik peramalan menggunakan ketiga Berdasarkan perbandingan yang telah dilakukan dari rekap nilai error, tracking signal dan grafik peramalan, dapat dipilih metode Exponential Smoothing (=0,5) pada produk lemari. Sehingga untuk peramalan selanjutnya dapat dihitung dalam tabel berikut: Tabel 4.21 Peramalan Lemari Bulan Demand Forecast Bulan Demand Forecast 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 4.1.4 Handle Berikut ini adalah data penjualan Handle selama periode 2 tahun Tabel 4.22 Data Penjualan Handle
Bulan Handle Bulan Handle 1 13 13 2 14 25 3 15 10 4 16 14 5 17 8 6 18 21 7 19 17 8 20 24 9 21 10 10 22 13 11 23 7 12 24 18

119 128 134 149 105 153 137 145 128 139 134 151 146 128 161

136 128 128 131 140 123 138 138 142 135 137 136 144 145 137

16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

101 136 156 110 142 129 131 138 147 140,83 140,83 140,83 140,83 140,83 140,83

149 125 131 144 127 135 132 132 135 141 141 141 141 141 141

30 20 10 0 0 5 10 15 20

Gambar 4.10 Permintaan Handle

Universitas Brawijaya

39

TUGAS BESAR Perencanaan & Pengendalian Produksi


4.1.4.1 Moving Average Berikut ini adalah hasil peramalan Handle dengan metode Moving Average Tabel 4.23 Metode Moving Average Handle Bulan Demand F(3) F (4) F (5) (A) 1 2 3 4 5 6 7 8 9 10 11 12 Perbandingan: Berdasarkan perhitungan diketahui nilai MAD(3) = ; MAD(4) = 13 25 10 14 8 21 17 24 10 13 7 18 16 17 11 15 16 21 17 16 10 16 15 14 15 18 18 16 14 14 16 14 17 16 17 15

2013

dan

MAD(5) = . Nilai MAD(5) lebih kecil daripada nilai MAD(3) dan MAD(4), maka pada model Moving Average produk Handle akan digunakan peramalan berdasarkan MA(5).

Universitas Brawijaya

40

TUGAS BESAR Perencanaan & Pengendalian Produksi


4.1.4.2 Weight Moving Average Berikut ini adalah hasil peramalan handle dengan metode Weight Moving Average Tabel 4.24 Metode Weight Moving Average Handle Bulan Demand F(3) F (4) F (5) (A) 1 2 3 4 5 6 7 8 9 10 11 12 Perbandingan: 13 25 10 14 8 21 17 24 10 13 7 18 16 15 11 16 17 22 16 14 10

2013

0 15 12 15 172 20 17 15 122

0 0 13 15 16 19 17 16 13

Berdasarkan perhitungan diketahui nilai MAD(3) = 6.297 ; MAD(4) = 5.063 dan MAD(5) = 6.514. Nilai MAD(4) lebih kecil daripada nilai MAD(3) dan MAD(5), maka pada model Weighted Moving Average produk Handle akan digunakan peramalan berdasarkan MA(4).

Universitas Brawijaya

41

TUGAS BESAR Perencanaan & Pengendalian Produksi


4.1.4.3 Exponential Smoothing Berikut ini adalah hasil peramalan Handle dengan metode Eksponential Smoothing : Tabel 4.25Eksponential Smoothing Handle Demand ES ES ES Bulan (A) (=0.4) (=0.45) (=0.45) 1 2 3 4 5 6 7 8 9 10 11 12 Perbandingan:

2013

13 25 10 14 8 21 17 24 10 13 7 18

12 13 18 15 15 12 16 17 20 16 15 12

12 12 18 15 15 12 16 17 20 16 15 12

11 12 19 15 15 12 17 17 21 16 15 11

5,77 6,19 5,46

Berdasarkan perhitungan diketahui nilai MAD(=0.4) = 5.455 ; MAD(=0.45) = 5.772 dan MAD(=0.5) = 6.193. Karena nilai MAD(=0.5) lebih kecil daripada nilai MAD(=0.4) dan MAD(=0.45) maka pada model Exponentil Smoothing produk Handle akan digunakan peramalan berdasarkan ES(=0.4).

Universitas Brawijaya

42

TUGAS BESAR Perencanaan & Pengendalian Produksi


4.1.4.4 Verifikasi

2013

Dari perhitungan berdasarkan metode MA(5), WMA(4) dan ES( =0.4), didapat nilai tracking signal dari masing-masing metode seperti pada tabel 4.5. MA(5) 6 48,32578159 45,80571429 Tabel 4.26 Rekap nilai Error WMA(4) 5,06 56,30 51,66 ES (0,4) 5,5 37,6 2,275085

MAD MAPE MSE

Dari tabel diatas dapat dilihat perbandingan nilai diantara erornya, dapat dilihat pada metode Exponential Smoothing (=0,4) menunjukkan nilai MSE, MAD dan MAPE yang paling kecil diantara kedua metode lainnya. Sehingga metode Exponential Smoothing (=0,4) dapat diandalkan.
10 8 6 4 2 0 -2 0 -4 -6 ES MA WMA LCL UCL CL 5 10 15 20

Gambar 4.11 Tracking Signal Handle Dari gambar diatas dapat dilihat bahwa nilai-nilai tracking signal dari masingmasing model MA(5), dan ES(=0,4) berada di dalam batas yang dapat diterima yang menunjukkan akurasi model sedangkan WMA(4) berada di luar batas.

Universitas Brawijaya

43

TUGAS BESAR Perencanaan & Pengendalian Produksi


30 25 20 15 10 5 0 0 5 aktual ES 10 MA 15 WMA 20

2013

Gambar 4.12Peramalan dan Aktual Handle Dari gambar diatas dapat dilihat bahwa pola grafik peramalan menggunakan Exponential Smoothing (=0,4) dibandingkan dengan model MA dan WMA lebih sesuai dengan pola historis data aktual penjualan produk Handle Berdasarkan perbandingan yang telah dilakukan dari rekap nilai error, tracking signal dan grafik peramalan, dapat dipilih metode Exponential Smoothing (=0,4) pada produk handle. Sehingga untuk peramalan selanjutnya dapat dihitung dalam tabel berikut: Tabel 4.27 Peramalan Handle
Bulan Demand Forecast 1 13 12 2 25 12 3 10 18 4 14 15 5 8 15 6 21 12 7 17 16 8 24 17 9 10 20 10 13 16 11 7 15 12 18 12 13 15 15 14 15 15 15 15 15 16 15 15 17 15 15 18 15 15

Universitas Brawijaya

44

TUGAS BESAR Perencanaan & Pengendalian Produksi


4.1.5 Rak Buku Berikut ini adalah data penjualan rak buku dalam periode 2 tahun terakhir: Tabel 4.28 Data Penjualan Rak Buku
Bulan Rak Buku Bulan Rak Buku 1 13 2 14 3 15 4 16 5 17 6 18 7 19 8 20 9 21 10 22 33 11 23 63

2013

12 24 65

70 60 50 40 30 20 10 0 0 2 4 6 8 10

Gambar 4.13 Permintaan Rak Buku

4.1.5.1 Exponential Smoothing Berikut ini adalah hasil peramalan meja tulis dengan metode Exponential Smoothing: Tabel 4.29 Metode Eksponential Smoothing Rak Buku Bulan Demand ES ES ES (A) (=0.4) (=0.45) (=0.45) 1 33 54 54 54 2 63 46 45 44 3 Perbandingan:

65

53

53

54

16,942 17,18278 17,38889

Berdasarkan perhitungan diketahui nilai MAD(=0.4) = 16,942; MAD(=0.45) = 17,1827 dan MAD(=0.5) = 17,3889 . Karena nilai MAD(=0.5) lebih kecil daripada nilai

Universitas Brawijaya

45

TUGAS BESAR Perencanaan & Pengendalian Produksi


akan digunakan peramalan berdasarkan ES(=0.4). 4.1.5.2 Verifikasi

2013

MAD(=0.4) dan MAD(=0.45) maka pada model Exponentil Smoothing produk rak buku

Dari perhitungan berdasarkan metode ES( =0.4) ,ES( =0.45) dan ES( =0.5), didapat nilai tracking signal dari masing-masing metode seperti pada tabel berikut ES (0,4) MAD MAPE MSE 16,94222222 36,62861583 298,208237 Tabel 4.30 Rekap nilai Error ES (0,45) 17,38888889 37,34944068 317,9722222 ES (0,5) 17,18277778 37,01552398 308,1112972

Dari tabel diatas dapat dilihat perbandingan nilai diantara erornya, dapat dilihat pada metode Exponential Smoothing (=0,4) menunjukkan nilai MSE, MAD dan MAPE yang paling kecil diantara kedua metode lainnya. Sehingga metode Exponential Smoothing (=0,4) dapat diandalkan.
70 60 50 40 30 20 10 0 -10 0 0.5 0,4 1 0,45 1.5 0,5 2 ucl 2.5 lcl 3 cl 3.5

Gambar 4.14 Tracking Signal Rak Buku Dari gambar diatas dapat dilihat bahwa nilai-nilai tracking signal dari masingmasing model ES(=0,4) dan ES(=0,5) berada di dalam batas yang dapat diterima yang menunjukkan akurasi model sedangkan ES(=0,45) berada di luar batas.

Universitas Brawijaya

46

TUGAS BESAR Perencanaan & Pengendalian Produksi


70 60 50 40 30 20 10 0 0 2 Demand 4 0,4 6 0,45 8 0,5 10

2013

Gambar 4.15 Peramalan dan Aktual Rak Buku Dari gambar diatas dapat dilihat bahwa pola grafik peramalan menggunakan Exponential Smoothing (=0,45) dibandingkan dengan model MA dan WMA lebih sesuai dengan pola historis data aktual penjualan produk Rak Buku Berdasarkan perbandingan yang telah dilakukan dari rekap nilai error, tracking signal dan grafik peramalan, dapat dipilih metode Exponential Smoothing (=0,45) pada produk rak buku .Sehingga untuk peramalan selanjutnya dapat dihitung dalam tabel berikut: Tabel 4.31 Peramalan Rak Buku
Bulan Demand Forecast 1 33 54 2 63 46 3 65 53 4 53 58 5 53 57 6 56 56 7 55 55 8 55 55 9 55 55

Universitas Brawijaya

47

TUGAS BESAR Perencanaan & Pengendalian Produksi


4.2 Pengendalian Persediaan

2013

Berdasarkan studi kasus diketahui bahwa perusahaan melakukan pengendalian persediaan terhadap handle yang dipesan dari pihak lain, dengan lead time 1 minggu. Handle disini merupakan part yang dijual terpisah. Oleh karena itu digunakan metode EOQ dengan menggunakan ROP karena sesuai dengan asumsi perusahaan yaitu tidak ada stock out,independent demand, dan permintaan konstan. Tabel 4.32 Peramalan Produk Handle
Bulan Demand Forecast 1 13 12 2 25 12 3 10 18 4 14 15 5 8 15 6 21 12 7 17 16 8 24 17 9 10 20 10 13 16 11 7 15 12 18 12 13 15 15 14 15 15 15 15 15 16 15 15 17 15 15 18 15 15

Dari tabel di atas dapat dilihat bahwa hasil peramalan dari kebutuhan handle dapat dikatakan konstan, maka dapat dilakukan pengendalian inventory dengan metode EOQ (Economic Order Quantity). Berikut ini adalah perhitungannya: Diketahui: Permintaan (Demand) Lead Time (Lt) Biaya pemesanan (Cost) Biaya penyimpanan (Holding Cost(H)) Harga produk (Price) =Rp200,00 perunit/minggu = Rp800,00 perunit/perbulan =Rp15.000,00 = 15 = 0,25 bulan =Rp3000,00

Universitas Brawijaya

48

TUGAS BESAR Perencanaan & Pengendalian Produksi


Perhitungan EOQ =10,6066 (unit)

2013

Maka pemesanan ideal untuk produk handle tiap periode pesan adalah sebesar 11 buah. Berdasarkan hasil perhitungan EOQ diatas, diketahui bahwa nilai EOQ yang didapat adalah 10,6066 . Hal ini menjelaskan bahwa jumlah barang tiap kali periode pemesanan yang optimal adalah 11 unit. 4.2.1 Perhitungan frekuensi pemesanan optimal 1,363636 Dari hasil perhitungan didapat frekuensi sebesar 2, hal ini pemesanan baiknya dilakukan 2 kali dalam sebulan. 4.2.2 Perhitungan rata-rata waktu pemesanan 1,3636 Dari perhitungan duatas didapat rata2 waktu pemesanan adalah 2, yang berarti dalam sebulan terdapat rata-rata 2 kali pemesanan. 4.2.3 Perhitungan Reorder Point (ROP) 3,75 unit Dari hasi perhitungan Rop diatas, diketahui bahwa ROP adalah 4 unit, yang berarti ketika persediaan produk sudah mencapai 4 buah, perlu dilakukan pemesanan kembali untuk memenuhi jumlah pemesanan yang optimal. 4.2.4 Perhitungan Total Incremental Cost Universitas Brawijaya
49

menunjukkan bahwa

TUGAS BESAR Perencanaan & Pengendalian Produksi


Rp 110.309,00

2013

Biaya pemesanan optimal dari produk tersebut adalah Rp110.309,00 , hal ini menunjukkan bahwa biaya pemesanan inkremental untuk tiap penebusan demand adalah sebesar Rp 110.309,00. 4.2.5 Perhitungan Total Cost

Rp 335.309,00 Didapat nilai Total Cost adalah sebesar Rp 335.309,00 , hal ini menunjukkan total biaya yang harus dikeluarkan untuk memenuhi demand adalah sebesar Rp 335.309,00.

Universitas Brawijaya

50

TUGAS BESAR Perencanaan & Pengendalian Produksi

2013

Berikut ini adalah grafik penggambaran dari Economic Order Quantity dan Reorder Point produk handle.

Gambar 4.16 Grafik Economic Order Quantity dan Reorder Point produk handle. Pada grafik diatas dapat dilihat garis biru menandakan Demand, dengan EOQ ada pada puncak tertinggi garis yaitu pada angka 11. Diketahui ROP berada pada angka 4, dimana menandakan pemesanan kembali erjadi apabila stok barang tinggal 4 unit, dan dilakukan pemesanan pada waktu di titik t.

Universitas Brawijaya

51

TUGAS BESAR Perencanaan & Pengendalian Produksi


4.6. Bom Tree

2013

Bom tree yang akan dibuat berdasarkan produk pada PT. Gold Wood, antara lain bom tree meja tulis, bom tree meja computer, bom tree lemari, dan bom tree rak buku. 4.6.1 Bom Tree MejaTulis

Berikut ini merupakan Bom Tree dari meja tulis:


Meja Tulis

A (5,5 m2)

D (30)

E (1,5 kg)

F (1)

Berdasarkan

BOM 5.5

tree m2,

mejatulisdiatasdapatdiketahuiprodukmejatulismembutuhkankomponenAsebesar

komponen D sebanyak 30, komponen E sebanyak 1.5 kg dankomponen F sebanyak 1 buah. 4.6.2 Bom Tree MejaKomputer

Berikut ini merupakan Bom Tree dari meja komputer:

Meja Komputer

B (4,75 m2)

C (30)

BerdasarkanBOM 4.75 m2dankomponen C sebanyak 30 buah. 4.6.3 Bom Tree Lemari

tree

mejacomputerdiatasdapatdiketahuiprodukmejacomputermembutuhkankomponen B sebesar

Berikut ini merupakan Bom Tree dari lemari:

Lemari

A (12 m2)

D (25)

E (2,5 kg)

F (2)

Berdasarkan

BOM

tree

lemariDiatasdapatdiketahuiproduklemarimembutuhkankomponenAsebesar 12 m2, komponen D

Universitas Brawijaya

52

TUGAS BESAR Perencanaan & Pengendalian Produksi


sebanyak 25 buah, komponensebanyak 2.5 kg, dankomponen F sebanyak 2 buah. 4.6.4 Bom Tree RakBuku Berikut ini merupakan Bom Tree dari rak buku:

2013

Rak Buku

B (3 m2)

C (25)

F (4)

Berdasarkan BOM tree rak buku diatas dapat diketahui produk rak buku membutuhkan komponen B sebesar 3 m2, komponen C sebanyak 25 buah, dan komponen F sebanyak 4 buah. 4.7. Perencanaan Agregat Berikut ini adalah langkah-langkah dalam perencaaan agregat: 4.7.1. Kebutuhan Bersih Per Sub-Assembly Kebutuhan bersih per sub assembly dapat dihitung dari kebutuhan per komponen dalam satu produk dikalikan denga`n hasil forecast. Berikut ini adalah rekapan dari kebutuhan bersih dari per sub-assembly:
Tabel 4.32 Rekapan Kebutuhan Bersih Per Sub-Assembly A (m2) B (m2) C D E (kg) 1881 10260 513 1188 7500 1692 3525 353 174 1450 3573 1362 8950 13785 866 F 342 282 232 856

Meja tulis Meja komputer Lemari Rak Buku Jumlah

Contoh perhitungan: Kebutuhan bersih komponen A meja tulis = kebutuhan komponen A meja tulis inventori Kebutuhan bersih komponen A meja tulis = 5,5 * 342 - 0 Kebutuhan bersih komponen A meja tulis = 1881 4.7.2. Kecepatan Waktu Produksi Berikut adalah rekapan perhitungan kecepatan waktu produksi per periode:
Tabel 4.33Rekapan Perhitungan Kecepatan Waktu Produksi Kecepatan Produksi A 0,036363636 m1 B 0,05 m1 E 0,044444444 m2

Kecepatan waktu produksi dapat diketahui dengan perhitungan sebagai berikut: Kecepatanproduksi = = ... jam/unit

Universitas Brawijaya

53

TUGAS BESAR Perencanaan & Pengendalian Produksi


Kecepatan produksi komponen A = = = 0,036363

2013

Pada tabel di atas dapat diketahui bahwa kecepatan produksi komponen A adalah 0,036 jam/unit dengan menggunakan mesin 1, kemudian produksi komponen B 0,05 jam/unit dengan mesin 1 dan komponen E 0,04 jam/unit dengan mesin 2. 4.7.3. Waktu Produksi Produk. Berikut hasil waktu produksi produk :
Tabel 4.34 Waktu Produksi Produk

Waktu produksi produk meja tulis meja komputer Lemari rak buku Jumlah

m1 A 0,2 0 0,436363636 0 B 0 0,2375 0 0,15

m2 Jumlah E 0,044444444 0,244444444 0 0,2375 0,088888889 0,525252525 0,177777778 0,327777778

Perhitungan waktu produksi per produk dengan rumus: waktu produksi produk = bahan bakunya dan mesin. Waktu produksi komponen A Meja Tulis = Waktu produksi komponen A Meja Tulis = Waktu produksi komponen A Meja Tulis = Selanjutnya dapat dihitung total waktu permesinan untuk masing-masing produk.
Tabel 4.37 Waktu Permesinan Produk

=....per

WAKTU PERMESINAN KEBUTUHAN M1 M2 MEJA TULIS 68,4 22,8 MEJA KOMPUTER 59,4 LEMARI 61,52727273 15,68888889 RAK BUKU 8,7 TOTAL 198,0272727 38,48888889 TOTAL M1 DAN M2 236,5161616 WAKTU SETUP 24 TOTAL WAKTU MESIN 260,5161616 PERIODE 2 KEBUTUHAN PERIODE 1

Universitas Brawijaya

54

TUGAS BESAR Perencanaan & Pengendalian Produksi


M1 M2 MEJA TULIS 68,4 22,8 MEJA KOMPUTER 59,4 LEMARI 61,52727273 15,68888889 RAK BUKU 8,55 TOTAL 197,8772727 38,48888889 TOTAL M1 DAN M2 236,3661616 WAKTU SETUP 24 TOTAL WAKTU MESIN 260,3661616 PERIODE 3 KEBUTUHAN M1 M2 MEJA TULIS 68,4 22,8 MEJA KOMPUTER 59,4 LEMARI 61,52727273 15,68888889 RAK BUKU 8,4 TOTAL 197,7272727 38,48888889 TOTAL M1 DAN M2 236,2161616 WAKTU SETUP 24 TOTAL WAKTU MESIN 260,2161616 PERIODE 4 KEBUTUHAN M1 M2 MEJA TULIS 68,4 22,8 MEJA KOMPUTER 59,4 LEMARI 61,52727273 15,68888889 RAK BUKU 8,25 TOTAL 197,5772727 38,48888889 TOTAL M1 DAN M2 236,0661616 WAKTU SETUP 24 TOTAL WAKTU MESIN 260,0661616 PERIODE 5 KEBUTUHAN M1 M2 MEJA TULIS 68,4 22,8 MEJA KOMPUTER 59,4 LEMARI 61,52727273 15,68888889 RAK BUKU 8,25 TOTAL 197,5772727 38,48888889 TOTAL M1 DAN M2 236,0661616 WAKTU SETUP 24 TOTAL WAKTU MESIN 260,0661616 PERIODE 6 KEBUTUHAN M1 M2 MEJA TULIS 68,4 22,8 MEJA KOMPUTER 59,4

2013

Universitas Brawijaya

55

TUGAS BESAR Perencanaan & Pengendalian Produksi


LEMARI 61,52727273 RAK BUKU 8,25 TOTAL 197,5772727 TOTAL M1 DAN M2 WAKTU SETUP TOTAL WAKTU MESIN 15,68888889 38,48888889 236,0661616 24 260,0661616

2013

Total waktu permesinan = Total waktu permesinan meja tulis+Total waktu permesinan meja komputer+Total waktu permesinan lemari+Total waktu rak buku + setup Total waktu permesinan periode 1 = Total waktu permesinan meja tulis periode 1 + Total waktu permesinan meja komputer periode 1 + Total waktu permesinan lemari periode 1+ Total waktu rak buku periode 1 + setup Total waktu permesinan periode 1 = 68,4 + 22,8 + 59,4 + 59,4 + 15,68888889 + 8,7 + 198,0272727 + 38,48888889 + 28 = 260,5161616 4.7.4. Kecepatan Waktu Produksi Perakitan Berikut adalah hasil perhitungan kecepatan waktu produksi perakitan:
Tabel 4.35 Kecepatan Waktu Produksi Perakitan

Produk Meja tulis Meja komputer Lemari Rak buku Produk meja tulis meja komp Lemari rak buku

Kecepatan produksi perakitan Rata-rata perakitan/40 jam Waktu setup per minggu (jam)/bulan 200 180 160 175 Kecepatan 0,2 0,222222222 0,25 0,228571429 1 1 1 1

Rata-rata perakitan perbulan 800 720 640 700

Kecepatan waktu produksi perakitan komponen produk dapat dihitung dengan menggunakan perhitungan sebagai berikut: Kecepatan produksi perakitan = =0,2 jam/unit

Kecepatan produksi perakitan meja tulis =

Universitas Brawijaya

56

TUGAS BESAR Perencanaan & Pengendalian Produksi


4.7.5. Total Waktu Produksi Hasil perhitungan total waktu produksi dapat diketahui dalam tabel di bawah ini:
Tabel 4.36 Total Waktu Produksi

2013

Total Waktu Produksi Produk Meja tulis Meja komputer Lemari Rak buku Waktu Pemesinan 0,244444444 0,2375 0,525252525 0,327777778 Waktu Perakitan 0,2 0,222222222 0,25 0,228571429 TOTAL Total Waktu Produksi 0,444444444 0,459722222 0,775252525 0,556349206 2,235768398

Total waktu produksi dapat diketahui dengan perhitungan berikut: pX= (waktu eprmesinanpX + waktu perakitanpX) Produk Meja Tulis = Waktu permesinan meja tulis+waktu perakitan meja tulis = 0,244444444 + 0,2 = 0,444444444 4.7.6. Total waktu permesinan Berikut ini adalah perhitungan waktu permesinan berdasarkan jam mesin:
Tabel 4.37 Total Waktu Jam Mesin

Jam Mesin Periode 1 2 3 4 5 6 jam mesin set up Total m1 198,0022727 198,0022727 198,0022727 198,0022727 198,0022727 198,0022727 1188,013636 28 1216,013636 m2 38,04444444 38,04444444 38,04444444 38,04444444 38,04444444 38,04444444 228,2666667 28 256,2666667

Waktu permesinan dapat dihitung dengan cara sebagai berikut: Waktu Permesinan =( net demand p1 x waktu produksi komponen p1 ) + (net demand p2 x waktu produksi komponen p2) Waktu permesinan Mesin 1 = (342 x 0,2) + (250 x 0,2375) + (141 x 0,4363) + (58 x 0,15) = 198,0023 jam/ periode

Universitas Brawijaya

57

TUGAS BESAR Perencanaan & Pengendalian Produksi


4.7.7. Perencanaan Agregat dengan Chase Strategy Berikut ini adalah perencanaan agregat dengan menggunakan chase strategy : 4.7.7.1. Perhitungan Proporsi Di bawah ini merupakan hasil dari perhitungan proporsi dari tiap produk:
Tabel 4.38 Perhitungan Proporsi tiap produk
Forecast MT 342 342 342 342 342 342 Forecast MK 250 250 250 250 250 250 Forecast Lemari 141 141 141 141 141 141 Forecast Rak Buku 58 57 56 55 55 55 PROPORSI Meja Jumlah Tulis 0,432 791 790 789 788 788 788 0,432 0,433 0,434 0,434 0,434 Meja Kom 0,316 0,316 0,316 0,317 0,3172 0,317

2013

Lemari 0,1782 0,1784 0,178 0,1789 0,1789 0,1789

Rak Buku 0,0733 0,0721 0,070 0,069 0,0697 0,0697

Jumlah 1 1 1 1 1 1

Perhitungan proporsi dapat dihitung dari hasil forecast dibagi dengan jumlah total dalam satu periode. Proporsi meja tulis = 342/791=0,316 4.7.7.2. Perhitungan Chase Strategy Berikut ini merupakan hasil perhitungan dari chase strategy 1. Perhitungan toal kebutuhan jam per periode
Table4.39 Total Perhitungan Kebutuhan jam per periode Kebutuhan Periode 1 2 3 4 5 6 MT 152 152 152 152 152 152 MK 114,9305556 114,9305556 139,0873016 114,9305556 114,9305556 114,9305556 L 109,3106061 109,3106061 109,3106061 109,3106061 109,3106061 109,3106061 R 32,26825397 31,71190476 31,15555556 30,59920635 30,59920635 30,59920635 Set up 28 28 28 28 28 28 Total waktu 436,5094156 435,9530664 459,5534632 434,840368 434,840368 434,840368

Waktu kebutuhan per periode= Hasil Forecast X Total waktu Porduksi Per produk Waktu kebutuhan meja tulis = 342 x 0,4 = 152 Total jam per periode = Total kebutuhan waktu waktu seluruh produk + waktu setpu Total waktu per periode 1=152+114,9305556+109,310606+132,26825397+28=436,5094156 Kemudian biaya total per perode dimasukkan dalam perhitungan chase strategy.

Universitas Brawijaya

58

TUGAS BESAR Perencanaan & Pengendalian Produksi


2. Perhitungan chase strategy
Tabel 4.40Perhitungan Chase Strategy

2013

1 2 3 4 5 6

Total Waktu 436,5094156 435,9530664 459,5534632 434,840368 434,840368 434,840368

Reguler Overtime Subkontrak 160 20 256,5094156 160 20 255,9530664 160 20 279,5534632 160 20 254,840368 160 20 254,840368 160 20 254,840368

Perhitungan Subkontrak periode 1 = Total demand periode 1 reguler periode 1 overtime periode 1 Perhitungan Subkontrak periode 1 = 436,5094156 160 -20 = 256,5094156
Tabel 4.41 Perhitungan per produk Chase Strategy

1 2 3 4 5 6

Meja Tulis Meja Komputer Lemari Rak Buku 110,9054616 81,07124386 45,72418154 18,80852858 110,8049984 80,99780582 45,68276248 18,46749973 121,1752654 88,57841039 49,95822346 19,84156393 110,6033069 80,85037055 45,59960899 17,78708152 110,6033069 80,85037055 45,59960899 17,78708152 110,6033069 80,85037055 45,59960899 17,78708152

TOTAL 256,5094156 255,9530664 279,5534632 254,840368 254,840368 254,840368

Selanjutnya dilakukan perhitungan sub kontrak perunit Tabel 4.42 Sub Kontrak Perunit Sub Kontrak Per Unit Meja Tulis Meja Komputer Lemari Rak Buku 50 38 36 11 50 38 36 11 54 41 39 12 50 38 36 10 50 38 36 10 50 38 36 10 304 231 219 64 TOTAL 818

1 2 3 4 5 6

Perhitungan subkontrak Meja Tulis periode 1 = Perhitungan Chase StrategyMeja Tulis periode 1 x waktu produksi Perhitungan subkontrak Meja Tulis periode 1 = 110,9054616 x 0,45 =49.9 ~ 50 Setelah itu dilakukan perhitungan biaya dengan chase strategy:

Universitas Brawijaya

59

TUGAS BESAR Perencanaan & Pengendalian Produksi


Tabel 4.43 Perhitungan Biaya dengan Chase Strategy Total biaya Biaya pekerja reguler 276480000 Biaya pekerja lembur 4992000 Biaya permesinan 5152981,061 Overhead 750000 Inventori 0 biaya subkontrak 2045000 TOTAL 287374981,1

2013

Perhitungan total biaya = biayapekerjaregular + biayapekerjalembur + biayapermesinan + overhead + inventori + biayasubkontrak Perhitungan total biaya = 276480000+ 4992000 + 5152981,061 +750000 + 0 + 2045000 = 287374981,1 Dari tabel di atas diketahui bahwa biaya pekerja reguler adalah Rp 27648000,00, sedangkan biaya pekerja lembur sebesar Rop 499.200,00 kemudian biaya permesinan sebesar Rp 5152981,061 dan selanjutnya biaya inventori 0, dikarenakan tidak ada inventori. Kemudian biaya sub kontrak dapat dihitung dari total sub kontrak per unit per produk dikalikan Rp 2500,00 maka sebesar Rp 2045000,00. Maka perhitungan biaya total sebesar Rp 287374981,10. 4.7.8. Perencanaan Agregat dengan Level Strategy Berikut ini adalah perencanaan agregat dengan menggunakan level strategy : Tabel 4.41 Level Strategy
Total 436,5094156 435,9530664 459,5534632 434,840368 434,840368 434,840368 max prod 459,5534632 459,5534632 459,5534632 459,5534632 459,5534632 459,5534632 reguler 160 160 160 160 160 160 overtime 20 20 20 20 20 20 level high (max prod) subkontrak inventory (jam) 279,5534632 279,5534632 279,5534632 279,5534632 279,5534632 279,5534632 23,04404762 23,60039683 0 24,71309524 24,71309524 24,71309524 23,04404762 46,64444444 46,64444444 71,35753968 96,07063492 120,7837302 MT 5 5 0 5 5 5 MK 4 4 0 4 4 4 L 4 4 0 4 4 4 RB 1 1 0 1 1 1 biaya inventory 14000 14000 0 14000 14000 14000

level mid (rata-rata prod) Total 436,5094156 435,9530664 459,5534632 434,840368 434,840368 434,840368 rata-rata prod 439,4228415 439,4228415 439,4228415 439,4228415 439,4228415 439,4228415 reguler 160 160 160 160 160 160 overtime 20 20 20 20 20 20 subkontrak 259,4228415 259,4228415 259,4228415 259,4228415 259,4228415 259,4228415 inventory (jam) 2,913425926 3,469775132 20,13062169 4,582473545 4,582473545 4,582473545 2,913425926 6,383201058 13,74742063 -9,16494709 4,582473545 -1,13687E13 inventory unit 1 1 -4 1 1 1 biaya inventory 4000 4000 0 4000 4000 4000

1 1 -3 1 1 1

1 1 -3 1 1 1

1 1 -1 1 1 1

level low (min prod)

Universitas Brawijaya

60

TUGAS BESAR Perencanaan & Pengendalian Produksi


Total 436,5094156 435,9530664 459,5534632 434,840368 434,840368 434,840368 min prod 434,840368 434,840368 434,840368 434,840368 434,840368 434,840368 reguler 160 160 160 160 160 160 overtime 20 20 20 20 20 20 subkontrak 254,840368 254,840368 254,840368 254,840368 254,840368 254,840368 inventory (jam) 1,669047619 1,112698413 24,71309524 0 0 0 1,669047619 2,781746032 27,49484127 27,49484127 27,49484127 27,49484127 inventory unit -1 -1 -5 0 0 0 -1 -1 -4 0 0 0 -1 -1 -4 0 0 0 -1 -1 -1 0 0 0

2013
biaya inventory 0 0 0 0 0 0

Perhitungan subkontrak level low periode 1 = min produksi periode 1 reguler periode 1 overtime periode 1 Perhitungan subkontrak level low periode 1 =434,840368 - 160 20 = 254,840368 Tabel 4.42 Total Biaya Level High Strategy Total biaya biaya pekerja reguler biaya pekerja lembur biaya permesinan Overhead Inventori biaya subkontrak TOTAL 276480000 4992000 5152981,061 750000 14000 1298258 288687239,1

Tabel 4.43 Total Biaya Level Average Strategy Total biaya biaya pekerja reguler 276480000 biaya pekerja lembur 4992000 biaya permesinan 5152981,061 overhead 750000 inventori 4000 biaya subkontrak 1228118 288607099,1 TOTAL Total 4.44 Total Biaya Level Low Strategy Total biaya biaya pekerja 276480000 reguler biaya pekerja 4992000 lembur biaya permesinan 5152981,061 overhead 750000 inventori 0 biaya subkontrak 1206430

Universitas Brawijaya

61

TUGAS BESAR Perencanaan & Pengendalian Produksi


TOTAL 287374981,1

2013

Perhitungan total biaya = biayapekerjaregular + biayapekerjalembur + biayapermesinan + overhead + inventori + biayasubkontrak Perhitungan total biaya (low) =276480000 + 4992000 + 5152981,061 + 750000 + 0 + 1206430 = 287374981,1 Berikut adalah tabel perbandingan total biaya dari ketiga metode yang digunakan dalam aggregate planning: Tabel 4.45 Perbandingan total biaya aggregat keempat metode metode level metode level metode level metode chase maximum average minimum 287374981,1 288687239,1 288607099,1 287374981,1

total biaya

Berdasarkan tabel 4.45, maka diputuskan untuk menggunakan metode chase karena sistem produksi make to order tidak diizinkan adaya inventory. Maka dari itu metode yang paling optimal adalah dengan metode chase strategy dengan total biaya Rp.287.374.981

Universitas Brawijaya

62

TUGAS BESAR Perencanaan & Pengendalian Produksi


4.8. Master Production Scheduling

2013

MPS digunakan sebagai dasar dalam penentuan jumlah pesanan dan waktu pemesanan. Selain itu, adanya struktur produk yang berguna untuk mengidentifikasi kebutuhan material untuk membuat satu unit produk. Di samping itu catatan inventory juga harus sudah tersedia termasuk untuk menentukan teknik lot sizing yang akan digunakan. Berikut ini merupakan hasil dari metode disagregasi pada
keempat produk yang dihasilkan oleh PT Gold Wood a. Produk Meja Tulis Berikut ini adalah MPS untuk produk Meja Tulis dengan menggunakan metode heuristik : Lead time
Periode Aktual demand Subkontrak MPS PAB/POH Planned Order

: 2 minggu , Order quantity


1 86 13 73 2 86 13 73 3 86 13 4 86 13 5 86 13

: 0, Safety stock
6 86 13 7 86 14 8 86 14 9 86 14 10 86 14

: 0 , DTF
11 86 13 12 86 13 13 86 13 14 86 13

: 2 minggu, PTF
15 86 13 16 86 13 17 86 13 18 86 13 19 86 13 20 86 13

: 2 minggu
21 86 13 22 86 13 23 86 13 24 86 13

Tabel 4.46 MPS produk Meja Tulis

73

73

73

73

72

72

72

72

73

73

73

73

73

73

73

73

73

73

73

73

73

73

Berdasarkan data MPS produk Meja Tulis diatas, dimana lead time sebesar 3, DTF bernilai 2 dan PTF sebesar 2 periode. Aktual demand = aktual demand bulan/minggu = 324/ 4 = 80 Subkontrak MPS = 13 = aktual demand Sub Kontrak =73

61

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


b. Produk Meja Komputer : 2 minggu
18 63 10 19 63 10 20 63 10 21 63 10 22 63 10 23 63 10 24 63 10

2013

Berikut ini adalah MPS untuk produk Meja Komputer dengan menggunakan metode heuristik : Lead time : 2 minggu , Order quantity : 0, Safety stock : 0 , DTF : 2 minggu, PTF
Tabel 4.47 MPS produk Meja Komputer
8 63 11 9 63 11 10 63 11 11 63 10 12 63 10 13 63 10 14 63 10 Periode Aktual demand Subkontrak MPS PAB/POH Planned Order 1 63 10 53 2 63 10 53 3 63 10 4 63 10 5 63 10 6 63 10 7 63 11 15 63 10 16 63 10 17 63 10

53

53

53

53

52

52

52

52

53

53

53

53

53

53

53

53

53

53

53

53

53

53

Berdasarkan data MPS produk Komputer diatas, dimana lead time sebesar 0, DTF bernilai 2 dan PTF sebesar 2 periode. Aktual demand = aktual demand bulan/minggu = 250/ 4 = 62,5 = 63 Subkontrak MPS = 10 = aktual demand Sub Kontrak = 53 c. Produk Lemari Berikut ini adalah MPS untuk produk Lemari dengan menggunakan metode heuristik : Lead time
Periode Aktual demand Subkontrak MPS

: 1 minggu , Order quantity


1 43 9 34 2 43 9 34 3 43 9 4 43 9 5 43 9

: 0, Safety stock
6 43 9 7 43 10

: 0 , DTF
14 43 9

: 1 minggu, PTF
15 43 9 16 43 9 17 43 9 18 43 9 19 43 9 20 43 9

: 1 minggu
21 43 9 22 43 9 23 43 9 24 43 9

Tabel 4.48MPS produk Lemari 8 9 10 11 12 13 43 43 43 43 43 43 10 10 10 9 9 9

62

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


PAB/POH Planned Order 34 34 34 34 33 33 33 33 34 34 34 34 34 34 34 34 34 34 34 34 34 34

2013

Berdasarkan data MPS produk Lemari diatas, dimana lead time sebesar 0, DTF bernilai 2 dan PTF sebesar 2 periode. Aktual demand = aktual demand bulan/minggu = 141/ 4 = 43 Subkontrak MPS =9 = aktual demand Sub Kontrak = 34 d. Produk Rak Buku : 1 minggu
18 14 3 19 14 3 20 14 3 21 14 3 22 14 3 23 14 3 24 14 3

Berikut ini adalah MPS untuk produk Rak Buku dengan menggunakan metode heuristik : Lead time : 1 minggu , Order quantity : 0, Safety stock : 0 , DTF : 1 minggu, PTF
Tabel 4.49 MPS produk Rak buku
Periode Aktual demand Subkontrak MPS PAB/POH Planned Order 1 15 3 12 2 15 3 12 3 15 3 4 15 3 5 15 3 6 15 3 7 15 3 8 15 3 9 14 3 10 14 3 11 14 3 12 14 3 13 14 3 14 14 3 15 14 3 16 14 3 17 14 3

12

12

12

12

12

12

11

11

11

11

11

11

11

11

11

11

11

11

11

11

11

11

Berdasarkan data MPS Rak Buku diatas, dimana lead time sebesar 0, DTF bernilai 2 dan PTF sebesar 2 periode. Aktual demand = aktual demand bulan/minggu = 58/ 4 = 15 Subkontrak =3 63

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


MPS = aktual demand Sub Kontrak = 12 4.9. Material Requirement Planning 4.9.1. Material Requirement Planning Produk Berikut adalah material requirement planning dari keempat produk yang dihasilkan oleh PT Gold Wood a. Produk meja tulis Produk meja tulis ini menggunakan metode lot for lot dengan diketahui lead time 2 minggu project on hand 0dalam tabel di bawah ini:
Tabel 4.50 MRP Meja Tulis LOT for LOT Gross requirements Scheduled receipts Project on hand Net requirements Planned order receipts Planned order releases 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 72 72 72 72 72 72 72 72 72 72 72 72 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 1 73 2 73 3 73 4 73 5 73 6 73 7 72 8 72 9 72 10 72 11 73 12 73 13 73 14 73 15 73 16 73 17 73 18 73 19 73 20 73 21 73 22 73 23 73

2013

24 73

73 73

Biaya simpan =

= 350400 5152981,061x 73 x 24= 9028022819

Biaya setup = Biaya total = biaya simpan + biaya setup = 350400 + 9028022819 = 9028373219 b. Produk meja komputer

64

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


Produk meja komputer ini menggunakan metode lot for lot dengan diketahui lead time 1 minggu project on hand 0 dalam tabel di bawah ini:
Tabel 4.51 MRP Meja Komputer

2013

Lot For Lot Gross requirements Scheduled receipts Project on hand Net requirements Planned order receipts Planned order releases

1 34 0 34 34 34

2 34

3 34

4 34

5 34

6 34

7 33

8 33

9 33

10 33

11 34

12 34

13 34

14 34

15 34

16 34

17 34

18 34

19 34

20 34

21 34

22 34

23 34

24 34

34

34

34 34 34

34 34 34

34 34 34

34 34 34

34 34 34

33 33 33

33 33 33

33 33 33

33 33 33

34 34 34

34 34 34

34 34 34

34 34 34

34 34 34

34 34 34

34 34 34

34 34 34

34 34 34

34 34 34

34 34 34

34 34 34

34 34

34 34

Biaya simpan = Biaya setup = Biaya total = biaya simpan + biaya setup = 25440 + 6554591910 = 6554846310 c. Produk lemari Produk lemari ini menggunakan metode lot for lot dengan diketahui lead time 1 minggu project on hand 0 dalam tabel di bawah ini:
Tabel 4.52 MRP Lemari

= 254400 5152981,061x 53 x 24= 6554591910

Lot for Lot Gross requirements Scheduled receipts Project on hand 0

1 12 12

2 12 12

3 12 12

4 12 12

5 12 12

6 12 12

7 12 12

8 12 12

9 11 11

10 11 11

11 11 11

12 11 11

13 11 11

14 11 11

15 11 11

16 11 11

17 11 11

18 11 11

19 11 11

20 11 11

21 11 11

22 11 11

23 11 11 65

24 11 11

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


Net requirements Planned order receipts Planned order releases 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11

2013
11 11

d.

Biaya simpan = Biaya setup = Biaya total = biaya simpan + biaya setup = 163200 + 4204832546 = 4204995746 Produk rak buku Produk rak buku ini menggunakan metode lot for lot dengan diketahui lead time 1 minggu project on hand 2500 dalam tabel di bawah ini:
Tabel 4.53 MRP Rak Buku

= 163200 5152981,061x 34 x 24= 4204832546

Lot for Lot Gross requirements Scheduled receipts Project on hand Net requirements Planned order receipts Planned order releases

1 12 0 12 12 12

2 12

3 12

4 12

5 12

6 12

7 12

8 12

9 11

10 11

11 11

12 11

13 11

14 11

15 11

16 11

17 11

18 11

19 11

20 11

21 11

22 11

23 11

24 11

12

12

12 12 12

12 12 12

12 12 12

12 12 12

12 12 12

12 12 12

12 12 12

11 11 11

11 11 11

11 11 11

11 11 11

11 11 11

11 11 11

11 11 11

11 11 11

11 11 11

11 11 11

11 11 11

11 11 11

11 11 11

11 11 11

11 11

11 11

Biaya simpan = Biaya setup = Biaya total = biaya simpan + biaya setup = 52800 + 1360387000 = 1360439800 4.9.2. Material Requirement Planning Komponen

= 52800 5152981,061x 11 x 24 = 1360387000

66

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


Berikut ini merupakan material requirement planning untuk masing-masing komponen penyusun produk a. Komponen A

2013

Untuk perencanaan kebutuhan material produk A menggunakan metode Lead Unit Cost dengan lead time 2 minggu, project on hand 2500 m, dan scheduled receipt 7000 m. Maka dapat dihitung dalam tabel di bawah ini:
1 Gross requirements Scheduled receipts Project on hand Net requirements Planned order receipts Planned order releases 282 2 473 3 989 4 810 7000 2500 2218 1745 756 6946 6136 5326 4534 3742 2950 2158 1348 538 810 272 1082 1082 810 0 0 0 810 810 810 0 0 0 810 810 810 0 0 0 0 810 810 810 0 0 0 0 810 810 810 0 0 0 0 810 810 0 0 5 810 6 810 7 792

Tabel 4.54 MRP komponen A 8 9 10 11 12


792 792 792 810 810

13 810

14 810

15 810

16 810

17 810

18 810

19 810

20 810

21 810

22 810

23 810

24 810

Berikut adalah perhitungan pengujian periodenya :


Tabel 4.55 Perhitungan Pengujian Periode Komponen A

Periode

13,14,15 13,14,15,16

Demand 13 272 13,14 1082 1892 2702 17 810

Biaya Pesan Biaya Simpan Total Cost Ongkos 150000 0 150000 551,4705882 150000 162000 312000 288,3548983 150000 486000 636000 336,1522199 150000 972000 1122000 415,2479645 150000 0 150000 185,1851852 67

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


17,18 17,18,19 17,18,19,20 21 21,22 21,22,23 21,22,23,24 1620 2430 3240 810 1620 2430 3240 150000 150000 150000 150000 150000 150000 150000 324000 648000 1134000 0 324000 648000 1134000 474000 798000 1284000 312000 636000 1122000 1770000 292,5925926 328,3950617 396,2962963 385,1851852 1182,156134 832,3442136 820,2038925

2013

Biaya Pesan= Total Order Release X Harga pesan = 5132 X 150000= 769800000 Biaya Simpan = Total Project on Hand X Biaya Pesan = 39207 X 200 =777641400 Biaya Total =769800000+7841400=Rp 777641400,b. Komponen B Untuk perencanaan kebutuhan material komponen B menggunakan metode Minimum Cost dengan lead time 1 minggu, project on hand 3000 m, dan scheduled receipt 5000 m. Maka dapat dihitung dalam tabel di bawah ini:
Tabel 4.56 MRP Komponen B

Berikut adalah perhitungan pengujian periodenya :


Tabel 4.57 Perhitungan Pengujian Periode Komponen B
Periode 13 13,14 13,14,15 13,14,15,16 13,14,15,16,17 Demand 97 487 1207 1927 2466 Biaya Pesan 175000 175000 175000 175000 175000 Biaya Simpang 0 78000 79120 80440 81779 Total Biaya 175000 253000 254120 255440 256779 Ongkos/Periode 175000 126500 84706,66667 63860 51355,8

68

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


18 18,19 18,19,20 18,19,20,21 18,19,20,21,22 18,19,20,21,22,23 18,19,20,21,22,23,24 390 1110 1830 2369 2759 3479 4199 175000 175000 175000 175000 175000 175000 175000 0 144000 145120 146259 147449 149169 151089 175000 319000 320120 321259 322449 324169 326089 175000 159500 106706,6667 80314,75 64489,8 54028,16667 46584,14286

2013

c.

Komponen C Untuk perencanaan kebutuhan material produk A menggunakan metode Lead Unit Cost dengan lead time 1 minggu, project on hand 15000 m,

dan scheduled receipt 25000 m. Maka dapat dihitung dalam tabel di bawah ini:
Tabel 4.58 MRP Komponen C
1 Gross requirements Scheduled receipts Project on hand Net requirements Planned order receipts Planned order releases 850 25000 15000 14150 12260 9995 7730 6605 4340 2075 0 190 190 190 1125 0 1125 1125 1965 0 1965 1965 2240 0 2240 2240 2240 0 2240 2240 2240 0 2240 2240 1965 0 1965 1965 2240 0 2240 2240 2240 0 2240 2240 1100 0 1100 1100 1965 0 1965 1965 2240 0 2240 2240 2240 0 2240 2240 1100 0 1100 1100 1965 0 1965 1965 2240 0 2240 2240 2240 0 2240 2240 2 1890 3 2265 4 2265 5 1125 6 2265 7 2265 8 2265 9 1125 10 1965 11 2240 12 2240 13 2240 14 1965 15 2240 16 2240 17 1100 18 1965 19 2240 20 2240 21 1100 22 1965 23 2240 24 2240

Berikut adalah perhitungan pengujian periodenya :


Tabel 4.59 Perhitungan Pengujian Periode Komponen C
Periode 8 demand 190 Biaya Pesan 5000 Biaya Simpan 0 Biaya Total 5000 ongkos/unit 26,31578947

69

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


8,9 8,9,10 8,9,10,11 1315 3280 5520 5000 5000 5000 225000 227365 230205 230000 232365 235205 174,904943 70,8429878 42,60960145

2013

Karena yang dipilih adalah yang pertama, maka untuk periode selanjutnya juga pada perhitungan pertama yang digunakan karena hasilnya akan selalu yang palingkecil pada periode pertama sehingga hasil project on hand akan selalu 0 karena jumlah kebutuhan akan sama dengan jumlah pesanan. d. Komponen D Untuk perencanaan kebutuhan material komponen D menggunakan metode Fix Order Quantity dengan lead time 1 minggu, project on hand 7000 m, dan scheduled receipt 25000 m. Maka dapat dihitung dalam tabel di bawah ini:
Tabel4.60 MRP Komponen D
1 Gross requirements Scheduled receipts Project on hand Net requirements Planned order receipts Planned order releases
1255 25000 7000 5745 3165 3210 490 3700 3700 3700

2
2580

3
3655

4
3655 25000 24555

5
1255

6
3655

7
3655

8
3655

9
1255

10
3655

11
3655

12
3655

13
1255

14
3655

15
3655

16
3655

17
1255

18
3655

19
3655

20
3655

21
1255

22
3655

23
3655

24
3655

23300

19645

15990

12335

11080

7425

3770

115

2560 1140 3700 3700

2605 1095 3700 3700

2650 1050 3700 3700

2695 1005 3700

1440 1255

1485 2215 3700

1530 2170 3700 3700

1575 2125 3700

320 1225

365 3335 3700

410 3290 3700 3700

455 3245 3700

3700

3700

3700

3700

Biaya simpan = Biaya pesan =

Biaya total = biaya simpan + biaya pesan =

70

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


e. Komponen E

2013

Untuk perencanaan kebutuhan material komponen E menggunakan metode FPR dengan lead time 2 minggu, project on hand 500 m, dan scheduled receipt 2100 m. Maka dapat dihitung dalam tabel di bawah ini:
Tabel 4.61 MRP Komponen E
1 Gross requirements Scheduled receipts Project on hand Net requirements Planned order receipts Planned order releases
115 500 428 266 119 72

2
162

3
147

4
129 2100 2090

5
54

6
129

7
129

8
129

9
54

10
129

11
129

12
129

13
54

14
129

15
129

16
129

17
54

18
129

19
129

20
129

21
54

22
129

23
129

24
129

2036

1907

1778

1649

1595

1466

1337

1208

1154

1025

896

767

713

584

455

326

272

143

14 115 115

Biaya simpan = Biaya pesan =

Biaya total = biaya simpan + biaya pesan = f. Komponen F Untuk perencanaan kebutuhan material komponen F menggunakan metode Fix Order Quantity dengan lead time 1 minggu. Maka dapat dihitung dalam tabel di bawah ini:

Tabel 4.62 MRP Komponen F


1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

71

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


Gross requirements Scheduled receipts Project on hand Net requirements Planned order receipts Planned order releases 230 164 66 230 230 78 86 76 154 230 230 74 156 230 230 194 36 230 230 192 38 230 230 190 40 230 230 188 42 230 230 78 110 124 106 230 230 126 104 230 230 128 102 230 230 22 106 68 162 230 230 70 160 230 230 72 158 230 230 196 34 230 230 14 184 16 214 230 230 18 212 230 230 142 88 230 230 188 42 230 230 190 40 230 230 66 86 232 232 110 232 232 232 110 184 228 228 106 184 228 228 106 184 228 228 106 184 228

2013
228

192 38 230

Biaya simpan = Biaya pesan =

Biaya total = biaya simpan + biaya pesan = Pengendalian Persediaan Berikut adalah perhitungan EOQ per komponen produk. Komponen A (QA) = = Komponen B (QB) = Komponen C (QC) = Komponen D (QB) =

72

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


Komponen E (QE) =

2013

4.7 Analisis Biaya Berikut adalah analisis biaya PT Gold Wood. Biaya holding = biaya holding komponen A + biaya holding komponen B + biaya holding komponen C + biaya holding komponen D + biaya holding komponen E+ biaya holding komponen F = 11424600+11009400+29290600+32200000+2820800+223200 = Rp. 80908600 Biaya komponen = biaya komponen A + biaya komponen B + biaya komponen C + biaya komponen D + biaya komponen E = Biaya order = (biaya order A x 12) + (biaya order B x 4) + (biaya order C x 15) + (biaya order D x 13) + (biaya order E x 11) = 1800000 + 700000 + 75000 + 65000 + 33000 = Rp. 2673000,00 Biaya MRP = biaya holding + biaya komponen + biaya order = 80908600 + = Rp. 83584244.1 73 + 2673000 + + + + = Rp. 4838.911

Universitas Brawijaya

TUGAS BESAR Perencanaan & Pengendalian Produksi


Biaya reguler tenaga kerja = Rp. 334329760000 Biaya lembur tenaga kerja = Rp. 26883075000 Biaya subkontrak Biaya permesinan = Rp. 762652500,00 = Rp. 5473595,00

2013

74

Universitas Brawijaya