3

I.

Abstrak
Pembuatan Bill off Material (BOM) bertujuan agar dapat mengerti dan

menerapkannya. Metode yang digunakan terkait dengan modul ini yaitu BOM,
Forcasting, Agergate Planning. Pengolahan data menggunakan software Win
QSB menghasilkan nilai MAPE sebesar 10,03, MAD 124,45 dan MSE 21442,17.
Maka dari itu dapat diketahui bahwa pemilihan metode peramalan dengan metode
Single Exponential Smooting, Double Exponential Smoothing dan Adaptive
Exponential Smoothing sesuai dengan plot data yang memliki pola plot konstan
(berfluktuasi disektiar rata-rata yang konstan). Hal ini dapat dibuktikan dengan
hasil dari nilai alpha sebesar 0.

II. Data Praktikum

Data kebutuhan bahan baku seperti pada tabel 2.1.
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

Tabel 2.1 Bill of Material

Nama Part
Jumlah
Body depan
1
Body belakang
1
Chasis
1
Roda
4
Rem
4
As roda
2
Sekrup penyangga
8
Bamper
2
Lampu
14
Pintu
2
Bak
1
Pintu bak
1
Engsel
4
Tempat bahan bakar
1
Velg
4
Gardan
1
Mur roda
4
Lampu ruangan
1
Kabin
1

b. Forecasting
Untuk meramalkan permintaan 6 bulan ke depan dibutuhkan data
permintaan 3 periode sebelumnya. Data permintaan 3 tahun lalu seperti
pada tabel 2.2
Tabel 2.2 Data Permintaan Tamiya
Jumlah (2012) Jumlah (2013)
1210
1318
1193
1204
1084
1017
1044
1174
1353
1024
1206
1334
1440
1176
1428
1215
1282
1048
1029
1319
1314
1031
1271
1392
(Sumber: Tugas Akhir Ardianto)

Periode
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember

Jumlah (2014)
1114
1324
1026
1489
1384
1209
1278
1286
1397
1434
1161
1468

III. Analisis

Tamiya
Tamiya

Chasis
Chasis

Pengunci
Pengunci
Body
Body
Chasis
Chasis
Belakang
Belakang

Chasis
Chasis Atas
Atas

Ring
Ring

Bamper
Bamper
Belakang
Belakang

Gardan
Gardan

Cover
Cover Gear
Gear
Depan
Depan

Plat
Plat

AS
AS

As
As Depan
Depan

Motor
Motor
Penggerak
Penggerak

Roda
Roda

As
As
Belakang
Belakang

Velg
Velg

Ban
Ban
Karet
Karet

Baterai
Baterai

Roda
Roda Assy
Assy

Screw
Screw
Roller
Roller

Rumah
Rumah
Dinamo
Dinamo

Switch
Switch On/
On/
Off
Off
Plat
Plat Tembaga
Tembaga

Eyelet
Eyelet

Gear
Gear
Dinamo
Dinamo

Roller
Roller

Cover
Cover Baterai
Baterai

Bamper
Bamper
Depan
Depan

Gambar 2.1 Bill of Material produk Tamiya.

Tutup
Tutup Gear
Gear

Screw
Screw Gear
Gear

Karet
Karet
Roller
Roller

1. Plot Data
Plot data digunakan untuk mengetahui pola data yang digunakan untuk
mengetahui jenis permalan.

Gambar 2 Plot Data Permintaan Produk

Berdasarkan plot data di atas maka termasuk pola horizontal/stasionary karena
pola data cenderung konstan, oleh karena itu jenis peramalan yang digunakan
adalah Model Single Exponential Smoothing (SES), Model Double
Exponential Smoothing (DES), dan Adaptive Exponential, Smoothing (AES).

2. Peramalan selama 6 periode dengan menggunakan software WinQsB

Hasil peramalan diambil dari nilai MAD, MSE, dan MAPE yang paling kecil.
Hasilnya adalah sebagai berikut:

Tabel 2.3 Hasil peramalan dari WinQSB adalah sebagai berikut:

Bulan
Ke1
2
3
4
5
6

Tahun

Bulan

2015

Januari
Februari
Maret
April
Mei
Juni

Metode
SES
1210
1210
1210
1210
1210
1210

Metode
DES
1210
1210
1210
1210
1210
1210

Metode
AES
1210
1210
1210
1210
1210
1210

MAD
MSE
MAPE
Nilai Alpha

124,45
21442,17
10,03
0

124,45
21442,17
10,03
0

124,45
21442,17
10,03
0

Berdasarkan pada hasil peramalan dengan menggunakan software WinQSB

dapat diketahui bahwa:
1. Nilai MAPE (Mean Absolute Precentage Error)
Nilai MAPE yang merupakan rata-rata dari keseluruhan presentase
kesalahan (selisih) antara data aktual dengan data hasil peramalan pada
ketiga metode mendapatkan hasil yang sama, yaitu sebesar 10,03.
2. Nilai MAD (Mean Absolute Deviation)
Nilai MAD yang merupakan rata-rata dari nilai absolut simpangan, dari
hasil peramalan dengan menggunakan ketiga metode mendapatkan hasil
yang sama, yaitu sebesar 124,45.
3. Nilai MSE (Mean Square Error)
Nilai MSE yang merupakan rata-rata kuadrat dari kesalahan, dari hasil
peramalan dengan menggunakan ketiga metode mendapatkan hasil yang
sama pula, yaitu sebesar 21442,17.
Maka dari itu dapat diketahui bahwa pemilihan metode peramalan dengan
metode Single Exponential Smooting, Double Exponential Smoothing dan
Adaptive Exponential Smoothing sesuai dengan plot data yang memliki pola
plot konstan (berfluktuasi disektiar rata-rata yang konstan). Hal ini dapat
dibuktikan dengan hasil dari nilai alpha sebesar 0.

Tabel 2.4 Kebutuhan Bahan Baku

Sub
Assembly
Body
Belakang

Nama
Part
Lampu
Engsel

Ukuran
Part (cm)
5x2x0,1 (4

Material
Kaca
Besi

Jumlah
Part
6
1

Beli/
Buat
Beli
Beli

(1)
Bak
Baut
Bamper
Body
Depan
(2)

Kabin
Lampu
As

Panjang
15, R 0,5
R7
Panjang
15, Tebal
0,05cm, 4
Lubang
Panjang

Ban
Gardan
Roda (3)
Baut
Roda
Mur
Velg
Balok
Baut
Sekrup

Chasis
(4)

lubang)
30x20x10
Panjang 2
15x10x1,5
(sudut
kemiringan
150)
10x15x1,5

52x5x3
Panjang 2
3x1

Kayu
Besi
Kayu

1
1
2

Buat
Beli
Buat

Kayu
Bambu

1
1
2

Buat
Beli
Buat

Kayu
Baja

5
2

Beli
Beli

Besi

Beli

Besi
Kayu
Kayu
Besi
Kayu

4
4
1
8
4

Beli
Buat
Buat
Beli
Beli

Tabel 2.5 Hasil Forecasting Tamiya

Periode 2010

Januari
Februari
Maret
April
Mei
Juni

Rencana
produksi
(unit)
1210
1210
1210
1210
1210
1210

Jumlah hari
kerja
perbulan
24
24
24
24
24
24

Tabel 2.6 Data Produksi Tamiya

Biaya-Biaya
Biaya Inventori

Rp 35/ unit/ bulan

Biaya sub kontrak

Rp 4.000/ unit

Biaya Pengankatan tenaga kerja (hiring cost)

Rp 20.000/ orang

Biaya Pemberhentian Layoff (Firing cost)

Rp 26.000/ orang

Biaya tenaga kerja (Straight time)

Rp 16.000/ orang/ jam

Biaya lembur (Over time)

Rp 5.000/ orang/ jam

Biaya

mempercepat

proses

produksi

Rp 5.000/ unit

(Shortage)
Kebutuhan Jam Tenaga Kerja
Kebutuhan jam produksi (waktu produksi)

2 jam/unit

Jumlah tenaga kerja

30 orang/tenaga kerja

Jam kerja reguler

8 jam

Inventori
Inventori awal

100 unit

Safty stock

10% dari demand

Tabel 2.6 Hasil forecasting

Periode

Januari
2010

Februari
2010

Maret
2010

April
2010

Mei
2010

Juni
2010

Inventory (1)

100

121

121

121

121

121

Data permintaan
(2)
Safety stock (3)=
(0.1x (2))

1210

1210

1210

1210

1210

1210

121

121

121

121

121

121

Kebutuhan
produksi (4)=
(2+3-1)
Inventori akhir
(5)= (1+4-2)

1231

1210

1210

1210

1210

1210

121

121

121

121

121

121

1. Agregate planning menggunakan Microsoft excel

a. Plan 1 Exact Production: Vary Workforce
Tabel 2.7 Agregate Planning
Periode
Kebutuhan produksi (1)
Kebutuhan jam produksi (2) : (1
x waktu produksi/unit)
Hari kerja/bulan (3)
Jam kerja/ orang/ bulan (4) :
(jam kerja x hari kerja)
Kebutuhan tenaga kerja (5) :
(2/4)
Pengangkatan tenaga kerja (6) :
gunakan fungsi if
Biaya Pengangkatan (7) : (6 x
hiring cost)
Lay off tenaga kerja (8) :

Januar

Febru

ari

1231

Maret

April

Mei

Juni

1210

1210

1210

1210

1210

2462

2420

2420

2420

2420

2420

24

24

24

24

24

24

168

168

168

168

168

168

47

47

47

47

47

47

17

18

16

16

14

18

340000

360000

320000

320000

280000

360000

Total
Biaya

1980000

10

gunakan fungsi if
Lay off cost (9) : (8 x firing cost)

Biaya straight time (10) : (2 x

393920

387200

387200

387200

387200

387200

2329920

straight time cost)

00

00

00

00

00

00

00

Total Biaya

2349720
00

11

a. Plan 3 Constanta Low Force: Stockout

Tabel 2.8 Stockout

Tot

Periode

Januari

Februari

Maret

April

Mei

Juni

Kebutuhan produksi (1)

2462

2420

2420

2420

2420

2420

Hari kerja/bulan (2)

24

24

24

24

24

24

TK)

5040

5040

5040

5040

5040

5040

Produksi aktual (4) : (3)/ waktu produksi/ unit

2520

2520

2520

2520

2520

2520

Sub kontrak (5) : (1-4)

-58

-100

-100

-100

-100

-100

unit

-232000

-600000

-600000

-600000

-600000

-600000

-32

Biaya Straight Time (7) : (3) x Biaya Stright Time

26880000

26880000

26880000

26880000

26880000

26880000

161

Bia

Kebutuhan jam produksi (3) : (2 x 7 jam/hari x 30

Biaya Subkontrak (6) : (5)x rp Biaya subkontrak/

Total Biaya

144

12

b. Plan 4 Constant Low Work Force : Overtime

Tabel 2.9 Waktu Lembur
Periode

January

February

March

April

May

June

Inventory Awal (1)

100

Hari kerja/ Bulan (2)

24

24

24

24

24

24

Kebutuhan jam produksi (3) : (2 x jam kerja x JMLTK)

5040

5040

5040

5040

5040

5040

Produksi shift reguleer (4) : (3)/ Waktu produksi/Unit

2100

2100

2100

2100

2100

2100

Data Permintaan (5)

1210

1210

1210

1210

1210

1210

Jumlah Unit sebelum lembur (6) :(1+4-5)

900

900

900

900

900

900

Unit lembur(7)

-900

-900

-900

-900

-900

-900

-9000000

-9000000

-9000000

-9000000

-9000000

-90000

Safety Stock (9) :(% safety stock x 5)

121

121

121

121

121

121

Unit kelebihan (10) :(6-9) jika jumlah positif gunakan IF

779

779

779

779

779

779

Biaya inventory (11) : (10 x Inventory cost)

35055

35055

35055

35055

35055

35055

Biaya Staraight time (12) : (3 x Straight time cost)

806480000

806480000

806480000

806480000

806480000

80648

Biaya lembur (8) : (7 x Wkt Produksi/unit x biaya

lembur/unit)

Total Biaya

13

Hasil untuk agregat planning adalah sebagai berikut.

Tabel 2.10 Hasil Agregate Planning
Biaya Produksi (Rp)

Biaya

Plan 1

Pengangkatan

2483472

PHK

Plan 2

Inventory

99900

Shortage

19025000

Subkontrak

Plan 3

-10416000

Lembur

IV.

Plan 4

-16400000

Straight Time

143808000

92736000

154560000

154560000

Total Biaya

146291472

111860900

144144000

138160000

Kesimpulan
Kesimpulan dari pengolahan Bill Of Material dan Aggregate Planning
adalah sebagai berikut:
a. Setelah dilakukan pengolahan Bill Of Material ddiapatkan 7
komponen utama
b. Dengan

dilakukan

aggregate

planning

didapatkan

hasil

forecasting.
c. Hasil Aggregate adalah pengangkatan plan 1146291472, plan 2
Inventory 5400, Shortage plan 2 111860900, dan Inventory Plan 4
14414400.