LAPORAN PRAKTIKUM

SISTEM PRODUKSI
ACARA II
PERENCANAAN PRODUKSI

Disusun oleh :
PLUG I
KELOMPOK : 5

1.

Danar Teguh Santoso

122130231

2.

Wahyu Surya Rahman

122130232

LABORATORIUM SISTEM PRODUKSI

PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN
YOGYAKARTA
2016

BAB II
PERENCANAAN PRODUKSI

2.1

Tujuan Praktikum

1.

Praktikan mampu memahami maksud dan tujuan perencanaan produksi.

2.

Praktikan mampu memahami prosedur peramalan dan berbagai macam

metode peramalan.

3.

2.2

Praktikan dapat memahami dan membuat Jadwal Induk Produksi (JIP)

Landasan Teori

2.2.1 Perencanaan Produksi

Perencanaan produksi merupakan aktivitas untuk menetapkan produk yang
diproduksi, jumlah yang dibutuhkan, kapan produk tersebut harus selesai dan
sumber-sumber yang dibutuhkan. Perencanan produksi berkaitan erat dengan
pengendalian produksi. Kedua hal tersebut bertujuan untuk merencanakan dan
mengendalikan aliran material ke dalam, di dalam dan keluar pabrik sehingga posisi
keuntungan maksimal yang menjadi tujuan perusahaan dapat dicapai.
Pada dasarnya fungsi dasar yang hams dipenuhi oleh aktivitas perencanaan
dan pengendalian produksi adalah:
1. Meramalkan permintaan produk yang dinyatakan dalam jumlah produk
sebagai fungsi dan waktu.
2. Menetapkan jumlah dan saat pemesanan bahan baku serta komponen secara
ekonomis dan terpadu.
3. Menetapkan keseimbangan antara tingkat kebutuhan produksi, teknik
pemenuhan pesanan, serta memonitor tingkat persediaan produk jadi setiap
saat, membandingkannya dengan rencana persediaan dan melakukan revisi
atas rencana produksi pada saat yang ditentukan.
4. Membuat jadwal produksi, penugasan, pembebanan mesin dan tenaga kerja
yang terperinci sesuai dengan ketersediaan kapasitas dan fluktuasi
permintaan pada suatu periode.

2.2.2 Peramalan Permintaan Produk

Peramalan (forecasting) adalah kegiatan untuk memperkirakan apa yang
akan terjadi di masa yang akan datang. Peramalan diperlukan untuk mengantisipasi
pengaruh perubahan kondisi pasar yang kompleks dan dinamis, dimana terjadi
perubahan permintaan yang bervariasi sepanjang waktu.

Peramalan merupakan salah satu informasi yang dibutuhkan dalam

pengambilan keputusan dan pengendaian perusahaan, peramalan berperan penting
dalam:
1. Penjadwalan sumberdaya yang tersedia
2. Kebutuhan sumberdaya tambahan
3. Penentuan sumberdaya yang diinginkan
Terdapat lima prinsip (Plossi) yang perlu dipertimbangkan dalam peramalan,
yaitu:
1. Peramalan mengakibatkan kesalahan (error). Peramalan hanya mengurangi
ketidakpastian tetapi tidak rnenghilangkannya.
2. Peramalan harus memberikan informasi ukuran kesalahan, sehingga pemakai
tahu besar kesalahan yang mungkin terjadi dalam peramalan.
3. Peramalan famili produk lebih akurat dibanding peramalan produk individu
(item). Jika satu famili produk diramalkan menjadi satu kesatuan, persentase
kesalahan cenderung lebih kecil daripada persentase kesalahan peramalan
produk-produk individu penyusun famili.
4. Peramalan jangka pendek lebih akurat daripada jangka panjang, karena faktor
yang mempengaruhi permintaan pada peramalan jangka pendek lebih stabil,
sehingga hasil peramalan lebih akurat.
5. Jika dimungkinkan, hitung permintaan dengan meramalkan permintaan
tersebut, untuk sistem produksi make to stock. Jadwal produksi dibuat
berdasarkan peramalan permintaan.

Untuk menghadapi beragamnya kebutuhan, beberapa teknik peramalan telah

dikembangkan. Teknik peramalan ini dibagi menjadi dua, yaitu:
1. Peramalan

kualitatif

adalah

peramalan

yang menggunakan

intuisi

penyusunannya, tidak menggunakan pendekatan metematis maupun statistik,

sehingga sifatnya sangat subyektif.
2. Peramalan kuantitatif adalah peramalan yang menggunakan model matematis
dan statistik data historis dalam menunjukkan hubungan antara permintaan
dengan variabel-variabel yang mempengaruhinya.
Peramalan ini dibagi menjadi dua, yaitu:
1. Metode Time Series memprediksi masa yang akan datang berdasarkan pada
pengamatan masa lalu tanpa memperhatikan faktor dan luar yang dapat
mempengaruhi permintaan
2. Metode Kausal menganggap bahwa permintaan produk bukan hanya
merupakan fungsi waktu tetapi ada variabel-variabel lain yang mempengaruhi
seperti promosi, harga, daya beli, dll.

Hasil peramalan yang dibuat sangat bergantung pada metode yang digunakan
dalam peramalan tersebut. Peramalan kualitatif tidak akan dibahas. Metode
peramalan banyak digunakan adalah metode peramalan kuantitatif.

2.2.3 Perencanaan Agregat

Perencanaan Agregat merupakan perencanan yang dibuat untuk memenuhi
total kebutuhan semua produk yang akan dihasilkan dalam menghadapi permintaan
pasar yang tidak pasti dengan mengoptimalkan penggunaan sumber daya (kapasitas
mesin tersedia, jumlah tenaga kerja, tingkat persediaan yang ditentukan dan
penjadwalannya) yang ada, sehingga ongkos total produksi dapat ditekan
seminimum mungkin.
Metode perencanaan agregat sangat penting peranannya dalam menetapkan
rencana produksi bulanan. Perencanaan produksi dibuat berdasarkan permintaan.
Pola permintaan dipengaruhi oleh empat komponen yaitu kecendrungan (trend),
sikius bisnis, musiman dan random.

Agregat merupakan perencanaan yang dibuat pada tingkat kasar untuk

memenuhi total kebutuhan semua produk yang akan dihasilkan (bukan per individu
produk) dengan tnenggunakan sumber daya (kapasitas mesin yang tersedia, jumlah
tenaga kerja yang ada, tingkat persediaan ditentukan dan penjadwalan) yang ada.
Terdapat 4 jenis strategi yang dapat dipilih dalam membuat perencanaan
agregat. Pemilihan strategi tersebut tergantung dan kebijaksanaan perusahaan,
keterbatasan perusahaan dalam bidang prakteknya dan pertimbangan biaya.
Keempat strategi tersebut adalah sebagai berikut:
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

memperhatikannya

kerja

pada

(mengurangi)

saat
pada

permintaan
saat

tinggi

permintaan

dan

rendah.

Penambahan ini memerlukan biaya rekrutmen dan pelatihan. Biaya

kompensasi dan reorganisasi seringkali harus dikeluarkan jika harus
dilakukan pengurangan tenaga kerja. Biaya ini biasanya diikuti oleh biaya
biaya tak tampak. Karena kapasitas fasilitas produksi adalah tetap maka
penurunan produktivitas mungkin akan terjadi jika penambahan tenaga
kerja tanpa disertai dengan penarnbahan peralatan produksi (mesinmesin).
3. Melemburkan pekerja
Alternatif ini sering dipakai dalam perencanaan agregat, tetapi ada
keterbatasannya dalam menjadwalkan kapasitas mesin dan tenaga kerja
yang ada.
4. Mensubkontrakkan sebagian pekerjaan pada saat sibuk.
Alternatif ini mengakibatkan tambahan ongkos karena subkontrak dan
ongkos kekecewaan konsumen bila terjadi keterlambatan penyerahan
barang yang disubkontrakkan.
Masing-masing alternatif tersebut

akan mempunyai

dampak

yang

berpengaruh secara psikologis maupun non psikologis (ongkos, efisiensi). Biasanya

bagian perencanaan produksi alcan membuat perencanaan agregat dengan

mengkombinasi alternatif-alternatif di atas sehingga fluktualisasi permintaan dapat
dikendalikan dan biaya total produksi yang direncanakan dapat ditekan seminimal
mungkin.
Rencana agregasi memperhitungkan tenaga kerja dan kualitas produk secara
keseluruhan. Agar lebih berguna, rencana harus dijabarkan dalam kuantitas produk
untuk masing-masing individu produk. Proses penjabaran atau disagregasi ini akan
menghasilkan jadwal induk yang selanjutnya akan menjadi input bagi MRP.

Master Production Scheduling (MPS)

Jadwal induk Produksi (JIP) atau Master Production Scheduling (MPS)
adalah penjabaran rencana produksi famili produk (hasil PP) menjadi produk
individu dalam jumlah dan waktu tertentu. MPS biasanya disusun dan direvisi
setiap bulan.

Beberapa karakteristik dan MPS adalah:

1. Merupakan pernyataan mengenai sesuatu yang akan diproduksi
2. Sebelum dinyatakan sebagai produk famili dalam PP
3. Merupakan suatu peramalan dengan mempertimbangkan ketersediaan
material dan kapasitas backlog serta tujuan dan kebijaksanaan manajemen.
4. Memberikan arah bagi sistem perencanaan kebutuhan material.

Fungsi-fungsi MPS adalah sebagai benkut:

1. MPS menjadwalkan produksi dan pembelian dari item-item.
2. MPS adalah salah satu dari tiga input dalam sistem MRP. MPS diekploitasi
melalui struktur produk sehingga akan diketahui jenis, jumlah dan waktu
kebutuhan bahan atau komponen produk individual.
3. Merupakan dasar dalam menentukan kebutuhan sumber daya produksi
(jumlah tenaga kerja, jam mesin, dll) melalui perencanaan kebutuhan
kapasitas kotor (RCCP)
4. Dasar menetapkan janji waktu pengiriman kepada pelanggan.

Input MPS adalah:

1. Rencana produksi agregat
2. Data permintaan (berupa ramalan penjualan, pesanan pelanggan, kebutuhan
gudang, kebutuban antar pabrik, safety stock dll harus dipertimbangkan dalam
pembuatan MPS)
3. Status persediaan (dengan mengetahui jumlah item yang tersedia, baik yang
digudang ataupun sedang dipesan maka penentuan untuk melakukan
pemesanan baru yang tepat).
4. Kebijakan pemesanan seperti: ongkos per unit, ongkos pemesanan,
presentase kerusakan, lead time, safety stock, dll).
Penyusunan MPS memainkan peranan penting dalam fungsi MPS itu sendiri.

2.3

Peralatan dan Bahan

1.

Data penjualan (permintaan) minimal tahun yang lalu

2.

Kertas kerja

3.

Alat tulis

4.

Kalkulator dan komputer

5.

Data persediaan awal

6.

Conveyor

7.

Komponen produk tamiya.

2.4

Prosedur Praktikum

1.

Mempersiapkan semua peralatan yang digunakan.

2.

Melakukan analisis peramalan dengan menghitung ME, MSE, dll.

3.

Melakukan pemilihan metode peramalan yang terbaik.

4.

Melakukan verifikasi.

5.

Melakukan peramalan untuk periode mendatang.

6.

Siapkan data permintaan atau hasil peramalan.

7.

Lakukan analisis perencanaan agregat.

8.

Pilih metode perencanaan agregat yang memberikan hasil yang terbaik.

9.

Menguraikan produk famili menjadi produk individual atau item produk.

10.

Menentukan proporsi ukuran untuk masing-masing item.

11.

Menghitung disagregasi dan masing-masing item produk.

2.5

Pengumpulan Data

2.5.1 Data Permintaan

Data permintaan produk Tamiya sekama setahun disajikan pada Tabel 2.2
Tabel 2.1 Data Permintaan

Periode

Permintaan
Produk A

Produk B

7900

8000

7520

7500

7440

7500

7250

7553

6510

7608

6330

7507

5000

7456

4770

7404

4830

7000

10

4600

6503

11

4400

6555

12

4300

6304

Jumlah

70850

86890

2.5.2 Waktu Proses

Berdasarkan praktikum acara I dapat diperoleh hasil waktu proses
pembuatan produk sebagai berikut :
a. Produk A = 11,88 menit/unit = 0,198 jam/unit
b. Produk B = 10,64 menit/unit = 0,178 jam/unit
2.5.3 Biaya-biaya Produksi
Biaya-biaya yang terlibat dalam produksi Tamiya adalah sebagai berikut :
a. Biaya Hiring = Rp., 12.500,- / Unit

b. Biaya Layoff = Rp., 3.300,- / Unit

c. Biaya Inventory = Rp., 24.000,- / Unit

2.6

Pengolahan Data

2.6.1 Pengolahan Permintaan Agregat

Permintaan agregat dihitung dengan rumus sebagai berikut :
Permintaan Agregat = Permintaan (unit) x Waktu Proses (Jam)
Hasil perhitungan lain disajikan pada tabel 2.2
Tabel 2.2 Data Permintaan Agregat
Permintaan

Waktu Proses

Permintaan Agregat

Periode
Produk Produk Produk Produk
A
B
A
B

Total
Permintaan
Agregat

Produk A

Produk B
1424
1335

2823,96

2988,2

7900

8000

0,198

0,178

7520

7500

0,198

0,178

1564,2
1488,96

7440

7500

0,198

0,178

1473,12

1335

2808,12

7250

7553

0,198

0,178

1435,5

1344,434

2779,934

6510

7608

0,198

0,178

1288,98

1354,224

2643,204

6330

7507

0,198

0,178

1253,34

1336,246

2589,586

5000

7456

0,198

0,178

990

1327,168

2317,168

4770

7404

0,198

0,178

944,46

1317,912

2262,372

4830

7000

0,198

0,178

956,34

1246

2202,34

10

4600

6503

0,198

0,178

910,8

1157,534

2068,334

11

4400

6555

0,198

0,178

871,2

1166,79

2037,99

12

4300

6304

0,198

0,178

851,4

1122,112

1973,512

Jumlah

70850

86890

2,376

2,136

14028,3

15466,42

29494,72

0,475620721 0,524379279

Proporsi

Contoh Perhitungan (Periode ke-1)

Periode Ke-1
Permintaan Agregat (PA)

Produk A = Permintaan x Waktu Proses = 7900 x 0,198 = 1564,2

Produk B = Permintaan x Waktu Proses = 8000 x 0,178 = 1424
Total Permintaan Agregat = 1564,2 + 1424 = 2988,2
Grafik permintaan aregat dapat dilihat pada gambar 2.1

TOTAL
3500
3000
2500
2000
1500
1000
500
0
1

10

11

12

Gambar 2.1 Grafik Permintaan Agregat

Pola data yang terbentuk merupakan pola trend, sehingga dipiluh dua metode
peramalan yaitu Single Exponential Smoothing Trend (SEST) dan Double
Exponential Smoothing Trend (DEST).
2.6.2 Hasil Peramalan
Berdasarkan peramalan yang dilakukan menggunakan softwere WinQSB,
dikerahui tingkat error (MAD) hasil peramalan dengan metode SEST sebesar 60,71
dan metode DEST sebesar 64,15 Dengan demikian metode peramalan terpilih
adalah metode SEST Hasil peramalan diperoleh dapat dilihat pada Tabel 2.3 dan
hasil peramalan menggunakan sofwere WinQSB dari kedua metode dapat dilihat
pada Lampiran.
Tabel 2.3 Data hasil peramalan dengan metode SEST
Periode

13

1909,471

14

1845,437

15

1781,402

Tabel 2.3 Data hasil peramalan dengan metode SEST (Lanjutan)

Periode

16

1717,368

17

1653,334

18

1589,299

19

1525,265

20

1461,23

21

1397,196

22

1333,161

23

1269,127

24

1205,093

Grafik peramalan dapat dilihat pada gambar 2.2

Chart Title
2500
2000
1500
1000
500
0
1

10

11

Gambar 2.2 Grafik permintaan agregat

2.6.3 Uji Verfikasi
Perhitungan uji verivikasi dapat dilihat pada tabel 2.5
Tabel 2.5 Data perhitungan kesalahan dengan metode SEST
Periode

Error (Et)

Et-(Et-1)

[Et-(Et-1)]

-164,24

164,24

12

Tabel 2.5 Data perhitungan kesalahan dengan metode SEST (Lanjutan)

Periode

Error (Et)

Et-(Et-1)

[Et-(Et-1)]

-164,24

162,820322

162,820322

-1,419678

-8,936522

8,936522

-10,3562

-107,6062

107,6062

-117,9624

93,67578

93,67578

-24,28662

-214,30838

214,30838

-238,595

239,0566699

239,0566699

0,4616699

-0,50463865

0,50463865

-4,30E-02

-73,9797413

73,97974125

10

-74,02271

110,16224

110,16224

11

36,13953

-35,8266638

35,8266638

12

0,3128662

-0,3128662

0,3128662

Total

1211,430024

MR Rata-rata

110,1300022

Contoh perhitungan kesalan (Periode 2)

Et-(Et-1)

= -164,24 0
= - 164,24

= 110,13

a. MR

b. BKA

= 2,66 x MR = 292,9458

c. BKB

= -2.66 x MR = -292,9458

d. Grafik uji verifikasi

Chart Title
400
300
200
100
0
-100

10

11

12

-200
-300
-400
X

BKA

BKB

2.6.4 Perencanaan Agregat Berdasarkan Level Produksi

Perencanaan agregat produksi dihitung menggunakan rumus sebagai
berikut ;

Level produksi (LP) =

Inventory (I) = Kumulatif LP Kumulatif Y

Cost = {I-(Imin)} x cost inventory

Perhitungan disajikan pada table 2.6
Tabel 2.6 Perencanaan Agregat

Periode

Kum Y

LP

Kum LP

I-(Imin)

Cost

13

1909,471

1909,471

1557,282

1557,282

-352,189

833,5309

20004742

14

1845,437

3754,908

1557,282

3114,564

-640,344

510,0858

12242060

15

1781,402

5536,31

1557,282

4671,846

-864,464

285,9658

6863178

16

1717,368

7253,678

1557,282

6229,128

-1024,55

125,8797

3021112

17

1653,334

8907,012

1557,282

7786,41

-1120,6

29,82758

715862

18

1589,299

10496,311

1557,282

9343,692

-1152,62

-2,1895

-52548

19

1525,265

12021,576

1557,282

10900,97

-1120,6

29,82742

715858

20

1461,23

13482,806

1557,282

12458,26

-1024,55

125,8793

3021104

Tabel 2.6 Perencanaan Agregat (Lanjutan)

Periode

Kum Y

LP

Kum LP

I-(Imin)

Cost

21

1397,196

14880,002

1557,282

14015,54

-864,465

285,9653

6863166

22

1333,161

16213,163

1557,282

15572,82

-640,344

510,0862

12242068

23

1269,127

17482,29

1557,282

17130,1

-352,189

798,2411

19157786

24

1205,093

18687,383

1557,282

18687,38

1150,43

27610320

Total

18687,38

130624,91

18687,38

121468

-9156,92

4683,53

112404708

Contoh perhitungan perencanaan agregat (Period ke-13)

,

LP =

I = Kum LP-Kum Y = 1557,282 1909,471 = -352,189

Cost = 833,5309 x 2.4000 = 20.004.742

= 1557,282

2.6.5 Hiring dan Layoff

Biaya yang disebabkan oleh hiring dan layoff dihitung dengan
menggunakan rumus sebagai berikut :

Biaya peningkatan = Hiring x Biaya Peningkatan

Biaya penurunan = Layoff x Biaya penurunan

Perhitungan hiring dan layoff dapat dilihat pada table 2.7
Table 2.7 Hiring dan Layoff
Periode
13
14
15
16
17
18
19
20
21
22
23
24
total

Y'
1909,471
1845,437
1781,402
1717,368
1653,334
1589,299
1525,265
1461,23
1397,196
1333,161
1269,127
1205,093
18687,38

Hiring
0
0
0
0
0
0
0
0
0
0
0
0
0

Layoff
0
64,034
64,035
64,034
64,034
64,035
64,034
64,035
64,034
64,035
64,034
64,034
704,378

Cost
0
211312,2
211315,5
211312,2
211312,2
211315,5
211312,2
211315,5
211312,2
211315,5
211312,2
211312,2
2324447

Contoh perhitungan (Periode ke-24)

Biaya Peningkatan = 0 x 12.500 = 0

Biaya Penurunan = 64,035 x 3.300 = 211.312,2

2.6.6 Disagregasi Peramalan

Disagregasi peramalan dihitung dengan rumus : Y x proporsi tiap item.
Perhitungan disagregasi disajikan pada table 2.8
Tabel 2.8 Disagregasi Peramalan
Periode

Y'

13
14
15
16
17
18
19
20
21
22
23
24
Total

1909,471
1845,437
1781,402
1717,368
1653,334
1589,299
1525,265
1461,23
1397,196
1333,161
1269,127
1205,093

Proporsi
Produk A
0,475621
0,475621
0,475621
0,475621
0,475621
0,475621
0,475621
0,475621
0,475621
0,475621
0,475621
0,475621

Produk B
0,524379
0,524379
0,524379
0,524379
0,524379
0,524379
0,524379
0,524379
0,524379
0,524379
0,524379
0,524379

Disagregasi
Produk A
Produk B
908,1839743
1001,287
877,728077
967,7089
847,2717041
934,1303
816,8158068
900,5522
786,3599096
866,9741
755,9035367
833,3955
725,4476394
799,8174
694,9912665
766,2387
664,5353693
732,6606
634,0789964
699,082
603,6230991
665,5039
573,1672019
631,9258
8888,106581
9799,276

Contoh perhitungan (Periode Ke-13)

Disagregasi Produk A

= Y x Proporsi tiap item

= 1909,471 x 0,475621
= 908,1839743

Disagregasi Produk B

= 1909,471 x 0,524379
= 1001,287

2.6.7 Master Production Schedulling (MPS)

Perhitungan MPS dilakukan dengan rumus sebagai berikut
MPS = Disagregasi Produk / Waktu Proses Tiap Produk
Perhitungan MPS disajikan pada Tabel 2.9

Tabel 2.9 Perhitungan MPS

Periode
13

Waktu Proses
Produk A
Produk B
0,178
0,198

Disagregasi
Produk A
Produk B
908,184
1001,287026

MPS
Produk A
Produk B
4586,787749 5625,20801

14

0,198

0,178

877,7281

967,708923

4432,970086

5436,566983

15

0,198

0,178

847,2717

934,1302959

4279,150021

5247,923011

16

0,198

0,178

816,8158

900,5521932

4125,332358

5059,281984

17

0,198

0,178

786,3599

866,9740904

3971,514695

4870,640957

18

0,198

0,178

755,9035

833,3954633

3817,69463

4681,996985

19

0,198

0,178

725,4476

799,8173606

3663,876967

4493,355958

20

0,198

0,178

694,9913

766,2387335

3510,056902

4304,711986

21

0,198

0,178

664,5354

732,6606307

3356,239239

4116,070959

22

0,198

0,178

634,079

699,0820036

3202,419174

3927,426987

23

0,198

0,178

603,6231

665,5039009

3048,601511

3738,78596

24

0,198

0,178

573,1672

631,9257981

2894,783848

3550,144933

8888,107

9799,276419

44889,42718

55052,11471

Total

Contoh perhitungan MPS (Period ke-13)

MPS
Produk A = 908,184 / 0,198 = 4586,787749
Produk B = 1001,2782026 / 0,178 = 5625,20801

2.6.8 Hasil MPS

Berdasarkan perhitungan yang telah dilakukan, diperoleh Master
Production Scheduling seperti pada table 2.10
Tabel 2.10 Data Hasil MPS
Periode
13
14
15
16
17
18
19
20
21
22
23
24

2.7

MPS
Produk A
4586,787749
4432,970086
4279,150021
4125,332358
3971,514695
3817,69463
3663,876967
3510,056902
3356,239239
3202,419174
3048,601511
2894,783848

Produk B
5625,20801
5436,566983
5247,923011
5059,281984
4870,640957
4681,996985
4493,355958
4304,711986
4116,070959
3927,426987
3738,78596
3550,144933

Analisis Hasil
Pada praktikum Sistem Produksi Acara II tentang penjadwalan produksi

data waktu yang kita gunakan merupakan data waktu yang didapatkan pada
praktikum acara pertama yaitu waktu proses dari pembuatan Produk A dan Produk
B. Permintaan produk mulai dari periode 1 sampai period eke 12 merupakan data
yang diberikan pada saat acara praktikum ke 2 ini.
Dengan melakukan pengolahan data dari permintaan per periode dengan
waktu proses setiap periode akan menghasilkan data permintaan agregat dari
periode-periode tersebut. Total permintaan agregat ini akan digunakan pada
pengolahan data dengan menggunakan aplikasi WinQSB untuk menemukan
peramalan periode selanjutnya. Setelah mengolah data dengan menggunakan
aplikasi ini kemudian kita memilih metode dengan MAD terkecil dari dua metode
terpilih yaitu SEST dan DEST. Pada praktikum acara II ini didapatkan MAD dari
SEST yaitu 60,71 dan DEST yaitu 64,15. Dari hasil tersebut pada peramalan kali
ini kita memilih data dari pengolahan data dengan SEST.

Selain mendapatkan data permintaan pada periode selanjutnya, dengan

menggunakan aplikasi ini didapatkan data tentang kesalahan (error) dari peramalan
yang dilakukan. Error ini akan berfungsi sebagai data untuk menentukan MR
maupun Batas dari keseragaman data yang diperoleh dari peramalan tersebut. MR
yang didapatkan pada praktikum kali ini sebesar 110,13. Sedangkan BKA dan BKB
didapatkan sebesar 292,95 dan -292,95.
Data peramalan ini juga digunakan untuk melakukan perhitungan pada
biaya inventory dan biaya peningkata maupun penurunan. Total biaya inventory
dari proses produksi ini didapatkan sebesar Rp 112.404.708. sedangkan untuk biaya
penurunan maupun peningkatan didapatkan sebesar Rp 2.324.447.
Setelah mendapatkan data permintaan selanjutnya. Kemudian kita
mengolah data tersebut menjadi data disagregasi. Data ini didapatkan dari data
peramalan yang dikalikan dengan proporsi yang ada. Jumlah disagregasi produk A
dan produk B yaitu sebesar 8888,106581 dan 9799,276. Data ini digunakan sebagai
Jadwal Induk Produksi dari peramalan ini. Data JIP didapatkan dari pengolahan
data disagregasi setiap produk dengan waktu proses dari produk-produk tersebut.
Untuk produk A dari periode 13-24 diperoleh total JIP yaitu sebesar 44889,42718
dan 55052,11471. Data ini merupakan data akhir dari praktikum acara ini.

2.8

Kesimpulan dan Saran

Kesimpulan dan saran yang dapat ditarik dari praktikum acara II ini antara

lain yaitu :
2.8.1 Kesimpulan
1. Perencanaan produksi merupakan suatu langkah guna kelancara dan
efektivitas dalam sebuah sistem produksi.
2. Perencanaan produksi melalui beberapa langkah antara lain : penentuan
jumlah agregasi, melakukan pengolahan data disagregasi, dan pengolahan
data Jadwal induk Produksi.
3. Metode dari peramalan antara lain menggunakan metode SEST dan
DEST. Peramalan yang baik merupakan peramalan dengan nilai error yang
kecil

2.8.2 Saran
Jika melakukan perhitungan, Sebaiknya data yang digunakan harus data
yang valid dan dalam pembulatan dari data tersebut seharusnya kita melakukan
pembulatan dengan konsisten agar hasil dari pengolahan data menjadi lebih valid
dan logis.