PRAKTIKUM

SISTEM PRODUKSI
TAHUN AKADEMIK 2014/2015

SISPRO 02
BOM DAN RENCANA PERAMALAN

Disusun oleh:
Kelompok 14

Moh. Kholidul Imam

(12.04.2.1.1.00043)

Malinda Diah Agustin

(12.04.2.1.1.00101)

Dyan Shofia Pratiwi

(12.04.2.1.1.00104)

Andi Maulana Amin

(12.04.2.1.1.00105)

Asisten:

Haris Agung Wicaksono

(11.04.2.1.1.00048)

LABORATORIUM SISTEM MANUFAKTUR

PRODI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS TRUNOJOYO
2015

BAB 1
PENDAHULUAN
1.1 Latar Belakang
Sebelum melakukan sebuah produksi perusahaan harus melakukan
perancangan produk terlebih dahulu. Tidak hanya melakuakn perancangan namun
pada proses produksi diperlukan juga sebuah metode peramalan guna
mempermudah perusahaan untuk melakukan prediksi dalam menentukan berapa
banyak produk yang akan dibuat. Perancangan dan peramalan dilakukan guna
meminimalisasi kerugian dan mengoptimalkan keuntungan dari sebuah system
produksi. Telah diketahui bahwa banyak metode peramalan yang berkembang
seiring kemajuan zaman. Manusia telah mulai memikirkan bagaimana sebuah
system produksi mampu berjalan secara seimbang. Memproduksi sesuai kapasitas
dengan mempertimbangkan kebutuhan sehingga tidak menghasilkan biaya
inventori yang besar.
Dalam perancangan produk kita mengenal istilah Bill Of Material (BOM).
Pengertian dari BOM adalah sebuah bagan atau bisa juga dalam bentuk tabel yang
terdiri dari daftar item, bahan, atau material yang dibutuhkan untuk merakit,
mencampur atau memproduksi sebuah produk. BOM dibuat sebagai bagian
dari proses desain dan digunakan oleh manufacturing engineer untuk
menentukan item yang harus dibeli atau dibuat (make or buy). Perencanaan
pengendalian produksi dan persediaan menggunakan BOM yang d-hubungkan
dengan master production schedule, untuk menentukan release item yang
dibeli atau diproduksi. Upaya untuk meminimalisasi kerugian juga bisa dilakukan
dengan forecasting atau peramalan mengenai sesuatu yang belum terjadi pada
waktu yang akan datang. Forecasting bertujuan agar forecast yang dibuat dapat
meminimumkan

pengaruh

ketidakpastian

terhadap

perusahaan

atau

meminimumkan kesalahan meramal (forecast error) yang biasanya diukur dengan

Mean Square Error (MSE), Mean Absolute Error (MAE) .
Pada praktikum system produksi ini praktikan akan belajar mengenai
BOM dan forecasting dengan melakukan simulasi pada PT.Prodi yang memiliki 2
pabrik yang teetak dilab MI dan lab sisman. Pada pabrik yang terletak dilab
sisman memproduksi tamiya jenis A dan herley . Sedangkan untuk pabrik yang

terletak di lab MI memproduksi tamiya jenis B. praktikan akan membuat BOM

dari masing-masin produk, kemudian melakukan forecasting dengan data historis
yang sudah diberikan.
1.2 Tujuan
Setelah mengikuti praktikum sistem produksi modul 02 (Kasus BOM) ini
praktikan diharapkan mampu :
1. Mampu mengidentifikasi komponen yang menyusun produk
2. Memahami dan mampu membuat BOM (Bill Of Material)
3. Mampu menghitung jumlah komponen yang dibutuhkan untuk 1 unit produk
4. Memahami kapan kita harus membuat atau membeli komponen
5. Memahami jenis material yang diperlukan untuk membuat BOM
Secara umum, dari praktikum ini untuk pembahasan peramalan
permintaan pasar praktikan diharapkan:
1. Memahami dan mampu menggunakan kriteria pemilihan metode
peramalan permintaan pasar;
2. Memahami dan mampu menggunakan metode-metode peramalan untuk
memprediksi permintaan pasar;
3. Memahami dan mampu mengevaluasi performansi metode peramalan
permintaan pasar;
4. Mampu menginterpretasikan hasil peramalan permintaan pasar.
Secara khusus, dari praktikum ini untuk pembahasan peramalan
permintaan pasar praktikan diharapkan:
Memahami dan mampu membuat peramalan permintaan pasar sebagai dasar
perencanaan produksi dengan benar;
1. Memahami dan mampu mengintepretasikan hasil peramalan dengan
benar;
2. Mampu menggunakan alat bantu komputer untuk melakukan peramalan
permintaan pasar sebagai dasar perencanaan produksi.

1.3 Flowchart Pengolahan Data

Gambar 2.1.1 Flowchart

Sumber: Modul 02 sistem produksi

BAB II
PENGOLAHAN DATA
2.1 BOM
Bill of Material atau yang biasa disebut dengan daftar material atau juga
disebut struktur produk adalah suatu daftar baik berupa bagan atau tabel yang
memuat material apa saja yang dibutuhkan untuk peakitan atau pembuatan produk
akhir. (Astana, 2007)
Dibawah ini merupakan BOM bagan dan BOM tabel :
2.1.1 BOM BAGAN
BOM bagan dibuat guna mengetahui komponen produk, make or buy dan
level dari komponen yang dirakit pada sebuah produk dibawah ini merupakan
BOM dari produk tamiya dan Harley :

a. BOM BAGAN TAMIYA

Gambar 2.2.2 Bill Of Material Tamiya

b. BOM BAGAN HERLEY

Gambar 2.2.3 Bill Of Material Herley

2.1.2 BOM TABEL

a. BOM Tabel Tamiya
Tabel 2.2.1 Bill Of Material Tamiya

b. BOM Tabel Herley

Berikut ini adalah merupakan bill of material tabel dari produk herley :
Tabel 2.2.2 Bill Of Material Herley

2.2 Pre-Processing Data Penjualan Data

Pre-processing data merupakan penyelesaian data missing . Dibawah ini
merupakan hasil dari proses pre processing data dari masing-masing produk
disetiap kota yang diproduksi oleh PT. Prodi:

2.2.1 Pre-Processing Data Penjualan Data Tamiya A

Dari hasil pre-processing data penjualan data tamiya A dalam
menyelesaikan permasalahan missing data dengan menggunakan prosedur
statistic. Dibawah ini merupakan hasil pre-processing data penjualan data tamiya
A:
Tabel 2.2.3 Hasil Pre-Processing Data Penjualan Data Tamiya A

2.2.2 Pre-Processing Data Penjualan Data Tamiya B

Dari hasil pre-processing data penjualan data tamiya B dalam
menyelesaikan permasalahan missing data dengan menggunakan prosedur
statistik. Dibawah ini merupakan hasil pre-processing data penjualan data tamiya
B:
Tabel 2.2.4 Hasil Pre-Processing Data Penjualan Data Tamiya B

2.2.3 Pre-Processing Data Penjualan Data Harley

Dari hasil pre-processing data penjualan data produk harley dalam
menyelesaikan permasalahan missing data dengan menggunakan prosedur
statistic. Dibawah ini merupakan hasil pre-processing data penjualan data produk
harley:
Tabel 2.2.5 Hasil Pre-Processing Data Penjualan Data Harley

2.3 Agregasi Data Penjualan Setiap Jenis Produk Selama Periode T

Dalam sebuah teknik peramalan kita mengenal istilah agregasi. Dimana
menggabungkan duaspesifikasi

produk yang sama jenisnya. Dibawah ini

merupakan hasil agregasi dari produk tamiya A dan tamiya B:

Tabel 2.2.6 Hasil Agregasi Produk Tamiya

2.4 Pemetaan Dan Penentuan Pola Data Penjualan Untuk Setiap Jenis
Produk
2.4.1 Pola Data Penjualan Untuk Setiap Jenis Produk Tamiya
a. Bangkalan
Dibawah ini merupakan pola data dari data historis produk tamiya dikota
Bangkalan:

Gambar 2.2.4 pola data historis produk tamiya di kota Bangkalan

b. Sampang
Dibawah ini merupakan pola data dari data historis produk tamiya dikota
Sampang:

Gambar 2.2.5 pola data historis produk tamiya di kota Sampang

c. Pamekasan
Dibawah ini merupakan pola data dari data historis produk tamiya dikota
Pamekasan:

Gambar 2.2.6 pola data historis produk tamiya di kota Pamekasan

d. Sumenep
Dibawah ini merupakan pola data dari data historis produk tamiya dikota
Sumenep:

Gambar 2.2.7 pola data historis produk tamiya di kota Sumenep

2.4.2 Pola Data Penjualan Untuk Setiap Jenis Produk Harley

a. Bangkalan
Dibawah ini merupakan pola data dari data historis produk harley dikota
Bangkalan:

Gambar 2.2.8 pola data historis produk harley di kota Bangkalan

b. Sampang
Dibawah ini merupakan pola data dari data historis produk harley dikota
Sampang:

Gambar 2.2.9 pola data historis produk harley di kota Sampang

c. Pamekasan
Dibawah ini merupakan pola data dari data historis produk harley
dikota Pamekasan:

Gambar 2.2.10 pola data historis produk harley di kota Pamekasan

d. Sumenep
Dibawah ini merupakan pola data dari data historis produk harley
dikota Sumenep:

Gambar 2.2.11 pola data historis produk harley di kota Sumenep

2.5 Pemilihan Metode Peramalan Yang Akan Digunakan Untuk Setiap

Produk
Peramalan adalah suatu perkiraan tentang apa yang akan terjadi pada masa
yang akan datang dimana salah satu caranya yaitu dengan menggunakan data
historis. (Tanuwijaya, 2010)
2.5.1

Pemilihan Metode Peramalan Yang Akan Digunakan Untuk Setiap

Produk Tamiya
a. Bangkalan
1. Metode Sample Moving Average
Tabel 2.2.7 Metode Sample Moving Average Produk Tamiya

2. Metode Exponensial Smoothing

Tabel 2.2.8 Metode Exponensial Smoothing produk tamiya di Bangkalan

3. Metode Trend
Tabel 2.2.9 Metode trend produk tamiya di Bangkalan

b. Sampang
1. Metode Sample Moving Average
Tabel 2.2.10 Metode Sample Moving Average Produk Tamiya Sampang

2. Metode Eksponential Smoothing

Tabel 2.2.11 Metode exponensial smoothing Produk Tamiya Sampang

3.Metode Trend
Tabel 2.2.12 Metode trend Produk Tamiya Sampang

c. Pamekasan
1. Metode Sample Moving Average
Tabel 2.2.13 Metode Sample Moving Average Produk Tamiya Pamekasan

2. Metode Exponensial Smoothing

Tabel 2.2.14 Metode Eksponensial Smoothing Produk Tamiya Pamekasan

3. Metode Trend
Tabel 2.2.15 Metode Trend Produk Tamiya Pamekasan

d. Sumenep
1. Metode Sample Moving Average
Tabel 2.2.16 Metode Sample Moving Average Produk Tamiya Sumenep

2. Metode Eksponensial Smoothing

Tabel 2.2.17 Metode Eksponensial Smoothing Produk Tamiya Sumenep

3. Metode Trend
Tabel 2.2.18 Metode Trend Produk Tamiya Sumenep

2.5.2

Pemilihan Metode Peramalan Yang Akan Digunakan Untuk Setiap

Produk Harley
a. Bangkalan
1. Metode Simple Moving Average
Tabel 2.2.19 simple moving average produk Harley Bangkalan

2. Metode Eksponential Smoothing

Tabel 2.2.20 Eksponential Smoothing produk Harley Bangkalan

3. Metode Tren
Tabel 2.2.21 Metode Tren produk Harley Bangkalan

b. Sampang
1. Metode Simple Moving Average
Tabel 2.2.22 simple moving average produk Harley Sampang

2. Eksponential Smoothing
Tabel 2.2.23 Eksponential Smoothing produk Harley Sampang

3. Metode Trend
Tabel 2.2.24 Metode Trend produk Harley Sampang

c. Pamekasan
1. Metode Sample Moving Average
Tabel 2.2.25 simple moving average produk Harley Pamekasan

2.Metode Eksponential Smoothing

Tabel 2.2.26 Eksponential Smoothing produk Harley Pamekasan

3. Metode Trend
Tabel 2.2.27 Metode Trend produk Harley Pamekasan

4. Sumenep
1. Metode Sample Moving Average
Tabel 2.2.28 simple moving average produk Harley Sumenep

2. Metode Eksponential Smoothing

Tabel 2.2.29 Eksponential Smoothing produk Harley Sumenep

3. Metode Trend
Tabel 2.2.30 Metode Trend produk Harley Sumenep

2.6 Perhitungan Galat Setiap Metode Peramalan Yg Digunakan Per Jenis

Produk
1. Perhitungan Manual untuk metode Simple Moving Average
Berikut adalah perhitungan manual dari MAD, MSE, MAPE dan SEE
teknik peramalan Single Moving Average:
a. Perhitungan MAD Harley kota Bangkalan

MAD =

MAD =
MAD = 392,98
Tabel 2.2.31 Rekapan hasil perhitungan MAD

b. Perhitungan MSE Harley dikota Bangkalan

MSE =

MSE =
MSE = 224373,25
Tabel 2.2.32 Rekapan hasil perhitungan MSE

c.

Perhitungan MAPE Harley dikota Bangkalan

MAPE =

MAPE =
MAPE = 0,50
Tabel 2.2.33 Rekapan hasil perhitungan MAPE

d.

Perhitungan SEE
*f = 1, karena pola data konstan

SEE =
SEE =
SEE = 989,49
Tabel 2.2.34 Rekapan hasil perhitungan SEE

2. Perhitungan Manual untuk metode Exponensial Smoothing

a. Perhitungan MAD Harley dikota Bangkalan

MAD =

MAD =

MAD = 173,70
Tabel 2.2.35 Rekapan perhitungan MAD metode Exponensial Smoothing

b. Perhitungan MSE

MSE =

MSE =
MSE = 47131,47496
Tabel 2.2.36 Rekapan perhitungan MSE metode Exponensial Smoothing

c. Perhitungan MAPE

MAPE =

MAPE =
MAPE = 0,08930

Tabel 2.2.37 Rekapan perhitungan MAPE metode Exponensial Smoothing

d. Perhitungan SEE

SEE =
SEE =
SEE = 217,097
Tabel 2.2.38 Rekapan perhitungan SEE metode Exponensial Smoothing

3. Perhitungan Manual untuk metode Trend

a. Perhitungan MAD Harley kota Bangkalan

MAD =

MAD =
MAD = 3599,580

Tabel 2.2.39 Rekapan hasil perhitungan MAD

b. Perhitungan MSE Harley dikota Bangkalan

MSE =

MSE =
MSE = 13289577,87
Tabel 2.2.40 Rekapan hasil perhitungan MSE

c. Perhitungan MAPE Harley dikota Bangkalan

MAPE =

MAPE =
MAPE = 3,9389
Tabel 2.2.41 Rekapan hasil perhitungan MAPE

d. Perhitungan SEE

*f = 1, karena pola data konstan

SEE =
SEE =
SEE = 3684,06499
Tabel 2.2.42 Rekapan hasil perhitungan SEE

2.6 Verifikasi Hasil Peramalan Produk dan Pemilihan Metode Peramalan

Yang Paling Tepat Untuk Setiap Jenis Produk
Berdasarkan hasil peramalan dengan menggunakan 5 metode yaitu metode
simple moving average, exponensial smoothing 0,1, exponensial smoothing 0,2,
exponensial smoothing 0,3 dan metode tren maka dapat dihasilkan sebuah metode
terbaik dengan melihat rankaian tabel dibawah ini:
a. Produk Harley
Tabel 2.2.43 Rekapan hasil perhitungan 5 metode produk harley

b. Produk Tamiya
Tabel 2.2.44 Rekapan hasil perhitungan 5 metode produk tamiya

2.7 Peramalan Penjualan Menggunakan Metode Yang Dipilih Per Jenis

Produk
Dibawah ini merupakan hasil peramalan dari tiap kota dipulau
Madura dengan metode peramalan yang terpilih dari masing-masing produk
yaitu produk tamiya A, tamiya B, dan Harley:
a. Peramalan penjualan di kabupaten Bangkalan
Tabel 2.2.45 peramalan di bangkalan

b. Peramalan penjualan di kabupaten Sampang

Tabel 2.2.46 peramalan di sampang

c. Peramalan penjualan di kabupaten Pamekasan

Tabel 2.2.47 peramalan di pamekasan

d. Peramalan penjualan di kabupaten Sumenep

Tabel 2.2.48 peramalan disumenep

BAB III
ANALISIS
3.1. Perencanaan Proses
Dari pembuatan BOM untuk Tamiya dan Harley diperoleh informasi kurang
lebihnya sebagai berikut:
a. Tamiya
Untuk membuat satu unit produk tamiya membutuhkan 28 jenis komponen
dimana keduapuluh delapan komponen tersebut diperoleh dari membeli (buy)
dengan jumlah total komponen ada 49 komponen penyusun.
b. Harley
Untuk membuat satu unit harley membutuhkan 28 jenis komponen serta
ditambah satu yaitu perekatnya atau lem. Dimana keduapuluh komponen
tersebut dibuat sendiri (make) sedangkan hanya satu yang dibeli (buy) yaitu lem
sebagai perekatnya.
3.2. Analisis pre-processing data (Missing Data)
Pada pre-processing data

dilakukan pengisian data yang missing dengan

menggunakan bantuan software SPSS dan yang digunakan untuk mengisi data
missing tersebut diperoleh dari hasil rata-rata dari data satu golongan.
3.3. Analisis agregasi/diagregasi data penjualan produk A, B, dan C di 4 wilayah
penjualan
Setelah dilakukan agregasi produk tamiya A dan B maka diperoleh bahwa data yang
akan dijadikan data historis untuk peramalan adalah hasil agregasinya yaitu dengan
menjumlahkan data historis tiap produk dalam satuan unit dengan harga jualnya. Hal
tersebut dilakukan karena kedua produk tersebut jenisnya sama selain itu juga
dikarenakan peredaran uang pada setiap daerah amatan berbeda signifikan.

3.4. Analisis pola data penjualan setiap jenis produk yang telah diagregasikan
antar 4 wilayah penjualan
Berdasarkan data hasil agregasi yang telah dibuat grafiknya diperoleh bahwa grafik
data hasil agregasinya memiliki pola data trend karena terus mengalami peningkatan
sepanjang waktunya. Sehingga pola data tersebut akan mempengaruhi pemilihan
metode peramalan yang akan dilakukan.
3.5. Analisis metode-metode peramalan yang digunakan
Karena diketahui bahwa pola data historisnya meunjukkan pola data trend maka
metode yang digunakan untuk meramalkan penjualan kali ini adalah metode
peramalan untuk pola data trend yaitu metode moving average (ma), eksponensial
smothing (es 0,1) , eksponensial smothing (es 0,2), eksponensial smothing (es 0,3)
trend, moving average 3 dan moving average 5.
3.6. Analisis metode peramalan yang dipilih untuk setiap jenis produk
Berdasarkan hasil peramalan diperoleh data nilai dari alternatif galat yang sudah
dihitung yaitu SEE, MSE, MAPE , MAD serta yang lolos verifikasi metode yang
terpilih untuk produk tamiya diseluruh tempat adalah eksponensial smothing (es 0,3)
karena seluruh nilai galatnya terendah dan lolos verifikasi , sedangkan untuk produk
Harley yang memiliki galat terkecil dan lolos verifikasi adalah metode exponensial
smoothing 0,3 didaerah sampan, pamekasan dan sumenep . Sedangkan untuk
wilayah bangkalan yang terpilih adalah metode moving average 3.
3.7. Analisis hasil peramalan
Dari hasil peramalan yang didapatkan dengan menggunakan metode eksponensial
smothing (es 0,3) adalah data yang selalu meningkat sepanjang waktunya sehinggga
hasil peramalannya juga berpola trend hal tersebut berlaku untuk keempat daerah
amatan.sedangkan untuk Harley menggunakan metode simple moving average
memiliki jumlah unit peramalan yang lebih kostan.
3.8. Analisis perbandingan ketepatan penggunaan data penjualan atau data
produksi untuk peramalan permintaan produk di masa yang akan datang
Ketepatan hasil peramalan bila dibandingkan dengan kenyataan bisa saja lebih tinggi
atau lebih rendah hal tersebut dikarenakan ada beberapa faktor yang mempengaruhi
yang tidak dapat dikontrol, dalam hal ini salah satu prediksi ketidaksesuaian ramalan

dengan kenyataan adalah tingkat kesalahannya masih tinggi.

3.9. Analisis pengaruh kesalahan peramalan terhadap kegiatan produksi dan solusi
yang diperlukan untuk penangannya,
a. Jika peramalan lebih besar daripada kenyataan
Akan membenani perusahaan karena bila hasil peramalan direalisasikan
maka akan terjadi inventory yang hal tersebut berdampak pada cost yang
ditanggung oleh perusahaan. Penanganannya adalah dengan menerapkan
metode just in time.
b. Jika peramalan lebih kecil daripada kenyataan
Akan memberikan kesempatan bagi pesaing untuk merebut pangsa pasar
perusahaan karena order customer tidak terpenuhi. Penangannya adalah
dengan melempar ke perusahaan lain sejenis yang sudah bekerja sama
dengan perusahaan sebelumya (outsourcing)
3.10. Analisis keterkaitan Modul Peramalan Permintaan dengan modul lainnya
Modul peramalan akan mempengaruhi pada modul yang lainnya mugkin mengenai
kebutuhan
lainnya.

materialnya, jadwal produksinya, proses produksinya atau yang

BAB IV
KESIMPULAN DAN SARAN
4.1. Kesimpulan
Berdasarkan hasil praktikum sistem produksi modul 2 dapat ditarik beberapa
kesimpulan diantaranya adalah:
1. Untuk membuat satu produk tamiya membuthkan 28 jenis komponen
begitupula dengan harley juga membutuhkan 28 jenis komponen penyusun
produk.
2. Setelah dilakukan ploting data yang sudah diagregasi yaitu data tamiya A
dan tamiya B diperoleh bahwa pola datanya adalah trend karen menigkat
sepanjang waktunya.
3. Setelah diketahui pola datanya kemudian dilakukan peramalan dengan
menggunakan metode- metode peramalan yang sudah diketahui diperoleh
bahwa metode terbaik adalah es 0,3 karena tingkat erornya teredah untuk
produk tamiya dikeempat daerah serta produk Harley didaerah sampan,
pamekasan dan sumenep sedangankan untuk produk Harley didaerah
bangkalan metode terbaik yang terpilih adalah moving average 3.
4. Untuk peramalan menggunalkan sistem dipertakan tiap kota dengan
masing-masing kota dijual tiga jenis produk Harley, tamiya a dan tamiya B
yang sudah dihitung sesuai dengan data peramalan dari metode terbaik
yang terpilih dengan syarat memiliki tingkan eror palin kecil dan data
harus lolos verifikasi.
4.1. Saran
Saran untuk pelaksanaan praktikum yang sejenis dengan praktikum kali ini
adalah sebagai berikut:
1. Sebaiknya lebih diperbanyak referensi tentang peramalan.
2. Sebaiknya lebih diperbanyak juga metode yang digunakan siapa tahu ada
metode lain yang dapat menurunkan nilai errornya.

DAFTAR PUSTAKA
Astana, I. N. (2007). Perencanaan Persediaan Bahan Baku Berdasarkan Metode MRP.
Jurnal Ilmiah Teknik Sipil , Vol. 11 No. 2, Hal. 184 - 194.
Tanuwijaya, H. (2010). Penerapan Metode Winter's Exponential Smoothing dan Single
Moving Average Dalam Sistem Informasi Pengadaan Obat Rumah Sakit. Prosiding
SEMNAS Manajemen Teknologi XI , Hal. C-12-1 - C-12.10.