Anda di halaman 1dari 98

LABORATORIUM SISTEM MANUFAKTUR

PROGRAM STUDI TEKNIK INDUSTRI


JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
BAB II
TINJAUAN PUSTAKA
A. Konsep Dasar Peramalan
Peramalan adalah proses untuk memperkirakan beberapa kebutuhan di
masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu
dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang
ataupun jasa (Nasution, Arman Hakim, 1999). Pada hakekatnya, peramalan
hanya merupakan suatu perkiraan, tetapi dengan menggunakan teknik-teknik
tertentu, maka peramalan menjadi lebih sekedar perkiraan. Dalam kegiatan
produksi, peramalan dilakukan untuk menentukan jumlah permintaan
terhadap suatu produk dan merupakan langkah awal dari proses perencanaan
dan pengendalian produksi. Tujuan peramalan dalam kegiatan produksi
adalah untuk meredam ketidakpastian, sehingga diperoleh suatu perkiraan
yang mendekati keadaan yang sebenarnya (Agung, 2013).
Perubahan dalam dunia usaha yang semakin cepat mengharuskan
perusahaan untuk merespon perubahan yang terjadi. Problem sentral yang
dihadapi perusahaan-perusahaan saat ini adalah bagaimana perusahaan
tersebut mampu menciptakan strategi terbaik agar perusahaan tersebut dapat
bertahan dan berkembang. Tujuan tersebut akan tercapai jika perusahaan
melakukan proses produksi secara tepat. Salah satu kegiatan yang mampu
menjadi dasar dalam pembuatan strategi produksi perusahaan adalah
peramalan penjualan. Besarnya fluktuasi dan tingginya risiko merupakan
karakter yang melekat pada sistem produksi dan distribusi kebanyakan
produk bisnis. Hal yang sama juga dapat terjadi pada industri beton, apabila
NURUL AZIZAH SYARIF
AGREGAT

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
perusahaan yang ada tidak dapat mempersiapkan diri dengan baik untuk
menghadapi tantangan persaingan ini, maka dikhawatirkan produk-produk
mereka tidak akan mampu bertahan dalam menghadapi keadaan pasar yang
tidak menentu, sehingga akan berdampak pada kelangsungan perusahaan di
masa yang akan datang (Agung, 2013).
Untuk menjamin efektivitas dan efisiensi dari sistem peramalan
permintaan, terdapat Sembilan langkah yang harus diperhatikan yaitu (Yamit,
2005):
1. Menentukan tujuan dari peramalan
2. Memilih item independent demand yang diramalkan
3. Menentukan horizon waktu dari peramalan
4. Memilih modelmodel peramalan
5. Memperoleh data yang dibutuhkan untuk melakukan peramalan
6. Validasi model peramalan
7. Membuat peramalan
8. Implementasi hasil hasil peramalan
9. Memantau keandalan hasil peramalan

B. Karakteristik Peramalan yang Baik


Peramalan yang baik mempunyai beberapa kriteria penting, antara lain
(Diana, 2013):
1. Akurasi
Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasaan
dan kekonsistenan peramalan tersebut. Hasil peramalan dikatakan bias
bila peramalan tersebut terlalu tinggi atau terlalu rendah dibandingkan
dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan
NURUL AZIZAH SYARIF
AGREGAT

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
konsisten bila besarnya kesalahan peramalan relatif kecil. Peramalan
yang terlalu rendah akan mengakibatkan kekurangan persediaan,
sehingga permintaan konsumen tidak dapat dipenuhi segera akibatnya
perusahaan dimungkinkan kehilangan pelanggan dan kehilangan
keuntungan

penjualan.

Peramalan

yang

terlalu

tinggi

akan

mengakibatkan terjadinya penumpukan persediaan, sehingga banyak


modal yang terserap sia-sia. 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. Pemilihan metode peramalan harus disesuaikan
dengan dana yang tersedia dan tingkat akurasi yang ingin didapat,
misalnya item-item yang penting akan diramalkan dengan metode yang
sederhana dan murah.
3. Kemudahan
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,
sumberdaya manusia, maupun peralatan teknologi.
4. Response

NURUL AZIZAH SYARIF


AGREGAT

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Peramalan haruslah bersifat stabil artinya bahwa hasil peramalan
tidak memperlihatkan fluktuasi dan perbedaan yang relatif besar dengan
kenyataan yang sebenarnya, jika hal ini terjadi maka harus diiringi
dengan respon dari pengguna peramalan terhadap perbedaan tersebut,
sehingga pengguna mampu untuk mendeteksi secara cepat mengenai
terjadinya penyimpangan terhadap hasil peramalan yang dilakukan.

C. Klasifikasi Teknik Peramalan


Dalam sistem peramalan, penggunaan berbagai model peramalan akan
memberi nilai ramalan yang berbeda. Salah satu seni dalam melakukan
peramalan adalah memilih model peramalan yang terbaik yang mampu
mengidentifikasi dan menanggapi pola aktivitas historis dari data.

NURUL AZIZAH SYARIF


AGREGAT

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

Gambar 1. Bagan Taksonomi Peramalan


(Sumber: Modul Perencanaan Agregat, Laporan akhir PTI 3, Universitas Hasanuddin)

1. Klasifikasi teknik peramalan berdasarkan teknik penyelesaiannya, yaitu


(Makaridatis, dkk, 1988):
a. Metode kualitatif
Yaitu peramalan yang didasarkan atas kualitatif pada masa lalu.
Hasil peramalan yang dibuat sangat tergantung pada orang yang
menyusunnya. Hal ini penting karena hasil peramalan tersebut
ditentukan berdasarkan pemikiran yang bersifat intuisi, judgement,
atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya.
Biasanya peramalan secara kualitatif ini didasarkan atas hasil
penyelidikan. Meskipun demikian, peramalan dengan metode
kualitatif tidak berarti hanya menggunakan intuisi, tetapi juga bisa
NURUL AZIZAH SYARIF
AGREGAT

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
mengikutsertakan model-model statistik sebagai bahan masukan
dalam

melakukan

keputusan,

dan

dapat

dilakukan

secara

perseorangan maupun kelompok. Metode peramalan kualitatif dapat


digolongkan sebagai berikut.
1) Metode Delphi
Sekelompok pakar

mengisi

kuisioner,

moderator

menyimpulkan hasilnya dan memformulasikan menjadi suatu


kuisioner baru yang diisi kembali oleh kelompok tersebut,
demikian seterusnya. Hal ini merupakan proses pembelajaran
dari kelompok tanpa adanya tekanan atau intimidasi individu.
2) Dugaan manajemen (management estimate) atau Panel
Consensus
Dimana peramalan semata-mata berdasarkan pertimbangan
manajemen, umumnya oleh manajemen senior. Metode ini akan
cocok dalam situasi yang sangat sensitive. Bagaimanapun
metode ini mempunyai banyak keterbatasan, sehingga perlu
dikombinasikan dengan metode peramalan yang lain.
3) Gabungan pendapat armada penjualan
Dalam pendekatan ini, setiap wiraniaga mengestimasi
jumlah penjualan di wilayahnya, ramalan ini kemudian dikaji
ulang untuk meyakinkan kerealistisannya, lalu dikombinasikan
pada tingkat atas untuk mencapai ramalan secara menyeluruh.
4) Riset Pasar (market research)
Merupakan metode peramalan berdasarkan hasil-hasil dari
survei pasar yang dilakukan oleh tenaga-tenaga pemasar produk
atau yang mewakilinya. Metode ini akan menjaring informasi

NURUL AZIZAH SYARIF


AGREGAT

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
dari planggan atau pelanggan potenbsial (konsumen) berkaitan
dengan rencana pembelian mereka dimasa mendatang.
5) Metode kelompok terstruktur (structured group methods)
Seperti metode Delphi, dan lain lain. Metode Delphi
merupakan

teknik

peramalan

berdasarkan

pada

proses

konvergensi dari opini beberapa orang atau ahli secara interaktif


tanpa menyebutkan identitasnya. Grup ini tidak bertemu secara
bersama dalam suatu forum untuk berdiskusi, tetapi mereka
diminta pendapatnya secara terpisah dan tidak boleh secara
berunding.
6) Analogi historis (historical analogy)
Merupakan teknik peramalan berdasarkan pola data masa
lalu dari produk-produk yang dapat disamakan secara Analogi.
Analogi historis cenderung akan menjadi terbaik untuk
penggantian produk di pasar dan apabila terdapat hubungan
substitusi langsung dari produk dalam pasar itu.
7) Pendekatan naif
Cara sederhana untuk peramalan ini mengasumsikan bahwa
permintaan dalam periode berikutnya adalah sama dengan
peramalan dalam periode sebelumnya.
b. Metode Kuantitatif
Metode Kuantitatif yaitu peramalan yang didasarkan atas data
kuantitaif pada masa lalu. Hasil peramalan yang dibuat sangat
tergantung pada metode yang dipergunakan dalam peramalan
tersebut. Dengan metode yang berbeda akan diperoleh hasil
peramalan yang berbeda, adapaun yang perlu diperhatikan dari
NURUL AZIZAH SYARIF
AGREGAT

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
penggunaan metode tersebut adalah baik tidaknya metode yang
dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan
antara hasil ramalan dengan kenyataan yang terjadi. Metode yang
baik adalah metode yang memberikan nilai-nilai perbedaan atau
penyimpangan yang mungkin (Agung, 2013).
Metode peramalan kuantitatif dibedakan atas dua bagian, yaitu
(Alamsyah, 2013):
1) Metode Time Series
Digunakan untuk menganalisis serangkaian data yang
merupakan fungsi dari waktu. Metode ini mengasumsikan
beberapa pola atau kombinasi pola selalu berulang sepanjang
waktu, dan pola dasarnya dapat diidentifikasikasi semata-mata
atas dasar data historis dari serial itu.
a) Metode Averages
Metode Averages terbagi atas:
1. Wieghted Moving Average (WMA)
Data pada periode tertentu diberi bobot, semakin
dekat dengan saat sekarang semakin besar bobotnya.
Bobot ditentutkan berdasarkan pengalaman. Rumusnya
adalah sebagai berikut:
Ft=w1 A t1 +w 2 At 2+ +w n A tn
Dimana:
w1 = bobot yang diberikan pada periode t 1
w2 = bobot yang diberikan pada periode t 2
w3 = bobot yang diberikan pada periode t n
n = jumlah periode
2. Single Moving Average (SMA)
Moving Average pada suatu periode merupakan
peramalan untuk satu periode ke depan dari periode ratarata tersebut. Persoalan yang timbul dalam penggunaan
NURUL AZIZAH SYARIF
AGREGAT

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
metode ini adalah dalam menentukan nilai t. Semakin
besar nilai t maka peramalan yang dihasilkan akan
semakin menjauhi pola data.
Secara matematis, rumus fungsi peramalan metode ini
adalah:
XtN +1+ + Xt +1+ Xt
F=
N
Dimana:
Xi = data pengamatan periode i
N = jumlah deret waktu yang digunakan
Ft+1 = nilai peramalan periode + 1
3. Double Moving Average
Notasi yang diberikan adalah MA (M x N), artinya
Mperiode MA dan Nperiode MA.
Untuk dapat melakukan perhitungan dengan double
moving average, digunakan hasil dari single moving
average. Hasil dari metode tersebut digunakan untuk
mendapatkan average kedua.
Bentuk perhitungan yang dilakukan dapat dijelaskan
dengan persamaan sebagai berikut:
x +x +x
s ' t = 1 t1 1 N +1
N
st =

s ' t +s t1 + s1 N+1
N

a1=s 't + ( s' t s '' t )


2 s ' ts ' ' t
b=

2
( s ' s ' ' t )
N 1 1

f t+m =a+ bt . m
Dimana:
st = nilai peramalan dengan single moving average
st = nilai moving average kedua
NURUL AZIZAH SYARIF
AGREGAT

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
ft+m = hasil peramalan dengan double moving average
pada periode kedepan
m = periode kedepan yang diramalkan
b) Exponential Smoothing
Exponential Smoothing adalah metode peramalan yang
mudah digunakan dan efisien bila dilakukan dengan
komputer. Rumus metode exponential smoothing dasar
adalah:
Ramalan baru = Ramalan periode lalu + (permintaan
aktual periode lalu ramalan periode lalu)
Dimana adalah konstanta smoothing yang nilainya antara
0 hingga 1. Rumus diatas dapat juga ditulis sebagai berikut:
F t=F t + ( A t1 F t1)
Dimana:
Ft
= Ramalan baru
At-1
= permintaan aktual periode lalu
Ft-1
= ramalan periode lalu

= konstanta smoothing, umunya antara 0.005 sampai


0.50 untuk aplikasi bisnis. Konstanta smoothing dapat
diubah untuk memberikan timbangan yang lebih besar pada
data baru (bila tiinggi) atau pada data masa lalu (bila
rendah). Yang pasti periode masa lalu menurun dengan
cepat ketika meningkat.
Metode Exponential Smoothing, terdiri atas:
1) Single Exponential Smoothing
Pengertian dasar dari metode ini adalah nilai
ramalan pada periode t+1 merupakan nilai actual pada
periode t ditambah dengan penyesuaian yang berasal
dari kesalahan nilai ramalan yang terjadi pada periode t
tersebut.
NURUL AZIZAH SYARIF
AGREGAT

10

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Nilai ramalan dapat dicari dengan menggunakan rumus
berikut:
F t+ 2= . X +(1. ) . F t
Dimana:
Xt = data permintaan pada periode t

= faktor/konstanta pemulusan
Ft+1 = peramalan untuk periode t
2) Exponential Smoothing dengan musiman
Pola
permintaan
musiman

dipengaruhi

karakteristik data masa lalu, antara lain natal dan tahun


baru,

lebaran,

awal

tahun

ajaran

sekolah

dan

sebagainya.
c) Regresi
Metode kecenderungan dengan regresi merupakan dasar
garis kecenderungan untuk suatu persamaan, sehingga
dengan dasar persamaan tersebut akan dapat diproyeksikan
hal-hal yag akan diteliti pda masa yang akan datang. Untuk
peramalan jangka pendek dan jangka panjang, ketepatan
peramalan dengan metode ini sangat baik. Data yang
dibutuhkan untuk metode ini adalah tahunan, minimal lima
tahun. Namun, semakin banyak data yang dimiliki semakin
baik hasil yang diperoleh.
Bentuk fungsi metode ini dapat berupa:
1) Konstan, dengan fungsi peramalan (Yt):
Yt =a
Dimana:
a = Yt/N
Yt = nilai tambah
N = jumlah periode
2) Linier, dengan sungsi peramalan:
Yt =a+bt
NURUL AZIZAH SYARIF
AGREGAT

11

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

Y bt
a=
n

Dimana:

b=

n ty (t) ( y )
nt 2( t)2

3) Kuadratis, dengan fungsi peramalan:


Yt =a+bt +ct 2
Dimana:
t t t 2

ba
c=
Y b
n
a=

=( t 2 ) n t 2
= t Y n tY
= t 2 Y n t 2 Y
2

= t t n t

4) Eksponensial, dengan fungsi peramalan:


bt
Yt =ae
Dimana:
ln ln Y b t
ln a=
n
b=

n t lnY t lnY
n t 2( t )2

Dimana:
= tanda penjumlahan
Yt= nilai ramalan pada period eke-t; t = waktu/periode
a = koefisien intercept
t = variable independen
n = jumlah sampel
b = keofisien slope
t = nilai dari variable independen
Y = nilai dari variable dependen
NURUL AZIZAH SYARIF
AGREGAT

12

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
5) Siklus, dengan fungsi peramalan:
2 t
2 t
Y t =a+b sin
+c cos
n
n
Dimana:

Y =na+b sin

Y sin

2 t
2 t
+ c cos
n
n

2 t
2 t
2 t
=a sin
+ b sin2
n
n
n
+c sin

cos

2 t
2 t
2 t
cos
Y cos
a

n
n
n

2 t
2 t
+ c cos 2
n
n

+b sin

2 t
2 t
cos
n
n

d) Pemulusan Eksponensial Stasioner, Trend dan Musiman


(Metode Winter)
Metode MA dan ES sederhana tepat bila datanya
stasioner. Bila data permintaan bersifat musiman dan trend,
maka dapat digunakan Metode Winter (WM). Metode
Winter didasarkan atas 2 pemulusan, yaitu pemulusan trend
dan musiman. Salah satu masalah dalam penggunaan nilainilai a, dan b, yang akan meminimumkan error.
1) Model Winter dengan Pemulusan Trend
Model Winter dengan trend dari Bolt, dimana model
ini dimulai denga perkiraan trend sebagai berikut:
Tt =b(Ft Ft 1)+(1b)Tt 1
Ft=a At +(12)(Ft 1+ Tt1)

2) Metode Winter dengan Pemulusan Musiman


NURUL AZIZAH SYARIF
AGREGAT

13

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Proses umum dari permintaan musiman ini dapat
dinyatakan

dalam

persamaan

matematis

sebagai

berikut:
At = x t + t
Dimana adalah tingkat permintaan rata, adalah
faktor musiman, dan adalah distribusi permintaan
normal dengan mean nol.
Dt
Ft=
+ (1 ) Ft 1
m
2) Model Kausal
Metode peramalan kausal biasanya mempertimbangkan
beberapa variabel yang dikaitkan pada variabel yang sedang
diprediksi. Sekali variabel-variabel ini diperoleh, model statistic
dibangun dan dibangun dan digunakan untuk meramal variable.
Pendekatan ini lebih kuat ketimbang metode seri waktu yang
hanya menggunakan nilai historis untuk variabel yang
diramalkan (Agung, 2013).
Banyak faktor bisa dipertimbangkan dalam analisi kausal.
Sebagai contoh, penjualan produk mungkin dikaitkan dengan
anggaran iklan perusahaan, pembebanan harga, harga pesaing,
dan startegi promosi atau bahkan tingkat ekonomi dan
pengangguran. Dalam hal ini, penjualan akan disebut variabel
tidak bebas (dependent variable) dan variabel-variabel lain
disebut bebas (independent variable). Metode kausal terbagi
atas (Agung, 2013):
a) Metode regresi dan korelasi

NURUL AZIZAH SYARIF


AGREGAT

14

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Metode regresi dan korelasi pada penetapan suatu
persamaan estimasi menggunakan teknik least squares.
Ketepatan peramalan dengan menggunakan metode ini
sangat baik untuk peramalan jangka pendek, sedangkan
untuk peramalan jangka panjang tepatnya ketepatannya
kurang begitu baik. Metode ini banyak digunakan untuk
peramalan penjualan, perencanaan keuntungan, peramalan
permintaan dan peramalan keadaan ekonomi.
b) Ekonometrika
Ekonometrika mengkombinasikan ilmu ekonomi dan
matematika untuk mengetahui kondisi riil dari hubunganhubungan kuantitatif di dalam untuk meramalkan kehidupan
ekonomi modern.
Model matematika:
Teori yang sudah dinyatakan ke dalam bentuk model
(persamaan) matematika.
C=a+bY
Dimana:
a= parameter konstanta, a > 0
b= parameter slope, 0<MPC<1
Fungsi konsumsi Keynes:
(1) Model persamaan tunggal
(2) Konsumsi berhubungan linear positif
(3) Bersifat deterministic
(4) Penetapan restriksi sangat penting
Model ekonometrika:
C=a+bY +
Hubungan antar variable ekonomi bersifat Stochastik.
= error time, mrpk variabel random (stokastik) mewakili
variabel-variabel yang lain tidak termasuk kedalam model.
c) Metode Input-Output
NURUL AZIZAH SYARIF
AGREGAT

15

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Metoda ini dipergunakn untuk menyusun proyeksi
trend ekonomi jangka panjang. Model ini kurangbaik
ketepatannya untuk peramalan jangka panjang. Model ini
banyak

dipergunakan

untuk

peramalan

penjualan

perusahaan, penjualan sektor dan sub sektor industri,


produksi dari sektor dan sub sektor industri (Agung, 2013).
d) Klasifikasi teknik peramalan berdasarkan dari sifat
penyusunannya,yaitu (Makridatis, 1999):
1) Peramalan subjektif, yaitu peramalan yang didasarkan
atas perasaan atauintuisi dari orang yang menyusunnya.
Dalam hal ini, pandangan dari orangyang menyusunnya
sangat menentukan baik tidaknya hasil ramalan
tersebut.
2) Peramalan objektif, yaitu peramalan yang didasarkan
atas data yang relevan pada masa lalu, dengan
menggunakan teknik-teknik dan metode-metode dalam
penganalisaan data tersebut.
e) Klasifikasi
teknik
peramalan

berdasarkan

dari

pengelompokkan horizon waktu, yaitu (Teguh, 2002):


1) Peramalan jangka panjang, yaitu peramalan yang
jangka waktu peramalan lebih dari 24 bulan, misalnya
peramalan yang diperlukan dalam kaitannya dengan
anggaran produksi.
2) Peramalan jangka menengah, yaitu peramalan yang
jangka waktu peramalan antara 3-24 bulan, misalnya

NURUL AZIZAH SYARIF


AGREGAT

16

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
peramalan untuk perencanaan penjualan, perencanaan
dan anggaran produksi
3) Peramalan jangka pendek, yaitu peramalan yang jangka
waktu peramalan kurang dari 3 bulan, misalnya
peramalan dalam hubungannya dengan perencanaan
pembelian material, penjadwalan kerja dan penugasan

D. Pola-Pola Peramalan
Ada lima pola komponen yang mempengaruhi analisis ini, yaitu
(Alamsyah, 2013):
1. Pola siklus, terjadi apabila data memiliki kecenderungan untuk naik atau
turun terus-menerus. Dalam pola siklus ini menggunakan metode Weight
Moving Avarage (WMA), Moving Avarage (MA), dan Regresi Linier.
Gambar 2. Pola Siklus
(Sumber: Sunneng Sandino B dalam Jurnal Peramalan Penjualan)

2. Pola musiman, terjadi apabila nilai data sangat dipengaruhi oleh musim,
misalnya permintaan bahan baku, kedelai pada pabrik tahu. Pada pola
musiman ini menggunaka metode sebagai berikut:
NURUL AZIZAH SYARIF
AGREGAT

17

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
a. Moving Average, banyak digunakan untuk menentukan trend dari
suatu deret waktu.
b. Single moving average, suatu metode peramalan yang dilakukan
dengan mengambil sekelompok nilai pengamatan, mencari nilai ratarata tersebut gesebagai ramalan untuk periode yang akan datang.
c. Weight moving average, diberikan bobot yang berbeda untuk setiap
data historis masa lalu yang tersedia, dengan asumsi bahwa data
historis yang paling terakhir atau terbaru akan memiliki bobot lebih
besar dibandingkan dengan data historis yang lama karena data yang
paling terakhir atau terbaru merupakan data yang paling relevan
untuk peramalan.
d. Winter, model ini mengasumsikan bahwa seri pengamatan memiliki
trend linier dan variasi musiman.
Gambar 3. Pola Musiman

(Sumber: Sunneng Sandino B dalam Jurnal Peramalan Penjualan)

3. Pola horizontal, terjadi apabila nilai data berfluktuasi di sekitar nilai ratarata.

NURUL AZIZAH SYARIF


AGREGAT

18

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

Gambar 4. Pola Horizon


(Sumber: Modul Agregat, Laporan Akhir Lab PTI 3, Universitas Hasanuddin)

4. Pola trend, terjadi apabila data memiliki kecenderungan untuk naik atau
turun terus-menerus. Pola trend menggunakan metode sebagai berikut:
a) Single Exponential Smoothing, juga dikenal sebagai simple
exponential smoothing yang digunakan pada peramalan jangka
pendek, biasanya hanya 1 bulan ke depan.
b) Double Exponential Smoothing, metode ini digunakan ketika data
menunjukkan adanya trend. Exponential smoothing dengan adanya
trend seperti pemulusan sederhana kecuali bahwa dua komponen
harus diupdate setiap periode level dan trendnya.
c) Regresi Linier, penggunaan metode ini didasarkan kepada variabel
yang ada dan yang akan mempengaruhi hasil peramalan.
Gambar 5. Pola Trend

(Sumber: Sunneng Sandino B dalam Jurnal Peramalan Penjualan)

NURUL AZIZAH SYARIF


AGREGAT

19

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
5. Pola Random (Variasi Acak), Permintaan suatu produk dapat mengikuti
pola bervariasi secara acak karena faktor-faktor adanya bencana alam,
bangkrutnya perusahaan pesaingn promosi khusus, dan kejadian-kjadin
lainnya yang tidak mempunyai pola tertentu. Random ini diperlukan
dalam

rangka

memnentukan

persediaan

pengamanan

untuk

mengantisipasi kekurangan persediaan bila terjadi lonjakan permintaan.

Gambar 6. Pola Random


(Sumber: Sunneng Sandino B dalam Jurnal Peramalan Penjualan)

NURUL AZIZAH SYARIF


AGREGAT

20

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
E. Faktor-Faktor yang Mempengaruhi Permintaan
Permintaan akan suatu produk pada suatu perusahaan merupakan resultan
dari berbagai faktor yang saling berinteraksi dalam pasar. Faktor-faktor ini
hampir selalu merupakan kekuatan yang berada diluar kendali perusahaan.
Berbagai faktor tersebut antara lain (Alamsyah, 2013):
1. Harga Barang
Jika harga barang makin tinggi maka permintaan makin rendah dan
begitu sebaliknya, jika harga barang rendah maka permintaan akan
barang tersebut makin tinggi.
2. Pendapatan Masyarakat
Makin tinggi pendapatan seseorang maka makin besar daya beli
yang ia miliki, sehingga permintaan akan barang dan jasa pun meningkat,
dan begitu sebaliknya jika orang berpenghasilan rendah maka permintaan
akan barang dan jasa pun akan menurun.
3. Selera masyarakat
Jika selera masayarakat meningkat maka permintaan pun akan ikut
meningkat, begitupun sebaliknya. Selera masyarakat sering disebut mode
atau tren
4. Kualitas barang
Makin tinggi kualitas suatu barang maka keinginaan orang untuk
memiliki barang tersebut makin besar.
5. Harga barang lain yang berkaitan
Harga barang lain yang dimaksud ini adalah barang subtitusi, yaitu
barang barang pengganti yang sama fungsinya dengan barang yang
dibutuhkan.
6. Waktu
Pada waktu-waktu tertentu permintaan terhadap barang dan jasa
bisa meningkat, seperti hari-hari besar/istimewa lainnya.
7. Jumlah penduduk
NURUL AZIZAH SYARIF
AGREGAT

21

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Makin besar jumlah penduduk maka makin besar pula permintaan
terhadap barang dan jasa, dan sebaliknya.
8. Kejadian yang akan datang
Isu sering kali dikembangkan untuk mempengaruhi permintaan
agar dapat meningkat, seperti adanya berita tentang kenaikan BBM,
kenaikan sembako dan lain-lain.

F. Definisi Agregat
1. Pengertiaan agregat secara umum
Perencanaan agregat atau penjadwalan agregat adalah perencanaan
yang dilakukan untuk mengatur penyesuaian kapasitas produksi dan
sumberdaya terhadap permintaan untuk mencapai biaya yang seminimal
mungkin. Peramalan permintaan ada yang berjangka pendek, menengah
dan panjang. Pada umumnya, perencanaan agregat disusun untuk rencana
jangka menengah yaitu antara 3 sampai 12 bulanan. Perencanaan ini
dibuat oleh manajemen puncak dan menengah agar dapat memfokuskan
seluruh tingkat produksi yang dinyatakan dalam kelompok produk atau
famili (agregat) tanpa harus rinci (Arman, 2008).
Dalam arti yang luas, definisi perencanaan agregat mempunyai ciri
sebagai berikut (Arman, 2008):
a. Jangka waktunya kira-kira 12 bulan, dengan pembaruan rencana
secara periodik (mungkin bulanan).
NURUL AZIZAH SYARIF
AGREGAT

22

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
b. Tingkat permintaan produk agregat terdiri dari satu atau beberapa
kategori produk. Permintaan diasumsikan berfluktuasi, tidak pasti
atau musiman.
c. Mungkin terjadinya perubahan variabel suplai dan demand.
d. Terdapat beberapa sasaran manajemen yang menyangkut inventori
rendah, hubungan yang baik dengan pekerja, biaya rendah,
fleksibilitas untuk meningkatkan keluaran pada masa mendatang,
dan pelayanan yang baik kepada pelanggan.
e. Fasilitas dianggap tetap dan tidak dapat diperluas.
2. Pengertiaan agregat menurut para ahli
Pengertian perencanaan agregat yang dikemukakan oleh Chase
Aquilano Jacob (2008:484) adalah sebagai berikut: The main purpose
of the aggregate plan is to specify the optimal combination of production
rate,

workforce

level,

and

inventory

on

hand.Artinya

yaitu:

Perencanaan agregat bertujuan untuk menetapkan kombinasi nilai


produksi yang optimal berdasarkan tingkat tenaga kerja dan penempatan
tingkat persediaan.Sejalan dengan itu menurut Roger G. Schroeder
(2003:243) bahwa: Aggregat planning is concerned with matching
supply and demand of output over the medium time range, up to
approximately 12 month into the future. Artinya sebagai berikut:
Perencanaan agregat adalah pertemuan antara permintaan dan
penawaran dalam jangka waktu menengah untuk 12 bulan yang akan
datang.

NURUL AZIZAH SYARIF


AGREGAT

23

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

G. Tujuan Perencanaan Agregat


Perencanaan merupakan langkah awal dalam proses manajemen yang
meliputi penetapan tujuan dan sasaran yang ingin di capai dan keputusan
mengenai cara untuk mencapai tujuan dan sasaran tersebut. Untuk itu maka
perencanaan produksi memiliki beberapa tujuan, yaitu (Arman, 2008):
1. Untuk mempersiapkan rencana produksi mulai dari tingkat agregatpada
seluruh aktivitas diperusahaan industry hingga meliputi perkiraan pasar
dan proyeksi penjualan.
2. Untuk merencanakan produksi dan pengadaan sumber daya yang
dibutuhkan dalam system produksi.
3. Untuk mengatasi fluktuasi permintaan terhadap produk.
Dalam hal ini tujuan dapat terlaksana sempurna jika sasaran pokok
perencanaan produksi berhasil dilakukan yaitu (Arman, 2008):
1. Tercapainya kepuasan pelanggan, dapat diukur dengan terpenuhinya
setiap permintaan produk secara tepat waktu sesuai dengan jumlah dan
waktu pemesanan.
2. Tercapainya tingkat utilitas sumber daya produksi yang maksimum
dengan cara minimasi waktu setiap aktivitas produksi.
3. Menghindari adanya over inventory (persediaan berlebih) di perusahaan,
untuk meminimasi adanya biaya akibat adanya persediaan.

H. Sifat Perencanaan Agregat


NURUL AZIZAH SYARIF
AGREGAT

24

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Menurut Heizer dan Render, sebagaimana tersirat pada istilah agregat,
suatu perencanaan agregat berarti menggabungkan sumber daya yang tepat ke
dalam jangka waktu umum atau keseluruhan.

Perencanaan agregat

merupakan bagian dari system perencanaan produksi yang lebih besar. Oleh
karena itu, sangatlah bermanfaat untuk dapat memahami hubungan antara
rencana serta beberapa factor internal dan eksternal.

Dalam lingkungan

manufaktur, proses menguraikan rencana agregat secara lebih terperinci


disebut disagregasi (disaggregation). Disagregasi menghasilkan jadwal
produksi induk yang menyediakan input bagi sistem perencanaan kebutuhan
bahan baku (MRP system). Jadwal produksi induk menangani pembelian atau
produksi bagian atau komponen yang diperlukan untuk membuat produk
akhir. Jadwal kerja yang terperinci bagi orang-orang dan prioritas
penjadwalan untuk produk menghasilkan thap akhir dari sistem perencanaan
produksi (Bryan, 2012).
Perencanaan agregat menurut istilah agregat berarti mengombinasikan
sumber daya yangsesuai ke dalam jangka waktu keseluruhan. Dengan
prediksi permintaan, kapasitas fasilitas, tingkat persediaan, ukuran tenaga
kerja, dan input yang saling berhubungan, perencana harus memilih tingkat
output untuk sebuah fasilitas selama 3 hingga 18 bulan yang akan datang.
Dalam perencanaan agregat, rencana produksi tidak menguraikan per produk
tetapi menyangkut berapa banyak produk yang akan dihasilkan tanpa
mempermasalahkan jenis dari produk tersebut. Sebagai contoh pada
perusahaan pembuat mobil, hanya memperhitungkan berapa banyak mobil

NURUL AZIZAH SYARIF


AGREGAT

25

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
yang akan dibuat, tetapi bukan berapa banyak mobil dua pintu atau empat
pintu atau berapa banyak mobil berwarna merah atau biru (Bryan, 2012).

I. Metode dalam Menyusun Perencanaan Agregat


Ada beberapa metode yang dapat digunakan untuk menyelesaikan
permasalahan pada perencanaan produksi agregat. Beberapa diantaranya
adalah sebagai berikut (Arman, 2008):
1. Jumlah tenaga kerjanya tetap dan struktur biayanya linier
a. Trial dan Error
Metode trial-error ini merupakan metode yang paling sederhana
tetapi tidak menghasilkan keputusan yang optimal. Metode ini
memerlukan ketelitian dalam perhitungannya, karena sekali langkah
awal salah, maka langkah berikutnya akan salah.
b. Program linier
Pada dasarnya, metode-metode yang dikembangkan untuk
memecahkan model programa linier ditujukan untuk mencari solusi
NURUL AZIZAH SYARIF
AGREGAT

26

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
dari beberapa alternatif solusi yang dibentuk oleh persamaan
persamaan pembatas sehingga diperoleh nilai fungsi tujuan yang
optimum. Ada dua cara yang bisa digunakan untuk menyelesaikan
persoalan-persoalan programa linier yang akan diselesaikan itu
hanya mmepunyai dua buah variabel. Walaupun demikian, cara ini
telah memberikan satu petunjuk bahwa untuk memecahkan
persoalan-persoalan

programa

linier,

kita

hanya

perlu

memperhatikan titik ekstrem (titik terjauh) pada ruang solusi atau


daerah

fisibel.

Petunjuk

ini

telah

menjadi

kunci

dalam

mengembangkan motode simpleks. Metoda simpleks merupakan


teknik yang paling berhasil dikembangkan untuk memecahkan
persoalan program linier yang mempunyai lebih dari dua variabel
keputusan dan pembatas. Algoritma simpleks ini diterangkan dengan
menggunakan logika secara aljabar matriks, sedemikian sehingga
operasi perhitungan dapat dibuat lebih efesien.
c. Metode transportasi
Perencanaan agregat dapat menggunakan metode transportasi
yang merupakan bagian dari perancangan produksi program linier
dengan jumlah tenaga kerja (work-force) tetap. Metode ini
mengijinkan penggunaan produksi regular, overtime, inventory,
backorder, dan sub kontrak. Hasil perencanaan yang diperoleh dapat
dijamin optimal dengan asumsi optimistik bahwa tingkat produksi
(yang dipengaruhi oleh hiring dan training pekerja) dapat dirubah
dengan cepat. Agar metode ini dapat diaplikasikan, kita harus
NURUL AZIZAH SYARIF
AGREGAT

27

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
memformulasikan persoalan perencanaan agregat sehingga (Arman,
2008):
1) Kapasitas tersdeia (supply) dinyatakan dalam unit harus sama
dengan kebutuhan (demand)
2) Total kapasitas untuk horizon perencanaan harus sama dengan
total peramalan kebutuhan. Tidak sama, kita gunakan variable
bayangan (dummy) sebanyak jumlah selisih tersebut dengan unit
cost = 0.
3) Semua hubungan biaya merupakan hubungan linier.
d. Program Dinamis
1) Programa Dinamis
a) Metode program dinamis tanpa backorder
Program dinamis dapat diaplikasikan dalam menyelesaikan
problem perencanaan produksi agregat dengan batasanbatasan tertentu. Ada 2 algoritma yang diperkenalkan, yaitu
algoritma wagner within backorder, dan algoritma Zangwill
yang digunakan untuk membuat perencanaan produksi yang
melibatkan kasus backorder(Arman, 2008).
Asumsikan bahwa biaya produksi pada periode t(C(Pt))
mengikuti fungsi-fungsi sebagai berikut:
C (P) =

{
{

0 , bila P1 = 0

A1 + bP1 > 0

Dimana:
At = biaya produksi tetap
b = biaya produksi variable per-unit
Pt = jumlah produksi pada periode t
NURUL AZIZAH SYARIF
AGREGAT

28

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
b) Metode Program Dinamis Dengan Backorder
Pada bagian sebelumnya, algoritma WagnerWithin
terlihat dapat dialokasikan pada kondisi dimana kurva biaya
yang berbeda dari periode ke periode tanpa mempunyai
sifat peningkatan biaya marginal. Hal ini berlaku pada kasus
dimana biaya-biaya bersifat konkav dan pada kasus khusus
dengan:
C(PI) = {0 , jika Pt = 0
{At + btPt , jika Pt> 0
Dimana bt tidak konstan untuk semua periode - t
2. Berdasarkan jumlah tenaga kerja yang berubah-ubah dan struktur biaya
non- linier.
a. Metode Heuristik
Metode heurisitik unutk menyelesaikan permasalahan adalah
salah satu aplikasi dari satu set aturan solusi terbaik tetapi belum
tentu merupakan solusi optimal. Keuntungannya adalah lebih
sederhana dan tidak memmerlukan proses terkomputerisasi.Salah
satu perhitungan perencanaan agregat dapat dilakukan dengan
menggunakan metode heuristik adalah dengan metode grafis,
metode grafis ini adalah metode perencanaan agrgat yang sanat
sederhana dan mudah dipahami. Dasar metode ini sebenarnya
adalah trial and error dengan melihat gambaran aantara
permintaan kumulatif dan rata-rata permintaan kumulatifnya
(Arman, 2008).

NURUL AZIZAH SYARIF


AGREGAT

29

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Secara garis besar langkah perecanaan yang dilakukan adalah
sebagai berikut (Arman, 2008):
1) Gambarkan histogram dan tentukan kecepatan produksi ratarata yang diperlukan untuk memenuhi permintaan.
2) Gambarkan grafik permintaan kumulatif terhadap waktu serta
grafik permintaan rata-rata kumulatif terhadap waktu.
3) Tentukan strategi yang akan digunakan untuk menanggulangi
kekurangan dan kelebihan barang tersebut.
4) Hitung ongkos yang ditimbulkan oleh setiap strategi dan pilih
yang memeberikan ongkos terkecil.
b. Linier Decision Rule
Merupakan model perencanaan agregat yang berupaya untuk
mengoptimalkan tingkat produksi dan tingkat jumlah tenaga kerja
sepanjang periode tertentu. Metode ini meminimasi biaya total
dari biaya gaji, rekrutmen, PHK, Lembur, dan persediaan melalui
serangkaian kurva biaya kuadrat (Arman, 2008).
3. Jumlah tenaga kerjanya berubah-ubah dan struktur biayanya linier
a. Programa Linier
Program linear yaitu suatu metode untuk mencari nilai
maksimum atau nilai minimum dari bentuk linear pada daerah
yang dibatasi grafik -grafik fungsi linier

J. Input dan Output Perencanaan Agregat


1. Input Perencanaan Agregat
Informasi yang diperlukan untuk membuat perencanaan agregat yang
efektif (Irwan, 2008):
a. Sumber daya yang tersedia sepanjang periode rencana produksi harus
diketahui.
NURUL AZIZAH SYARIF
AGREGAT

30

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
b. Data permintaan yang berasal dari peramalan dan pesanan yang
kemudian diterjemahkan kedalam tingkat produksi
c. Memasukkan kebijakan perusahaan yang berkenaan

dengan

perencanaan agregat, misalnya perubahan tingkat tenaga kerja, dan


penentuan kebutuhan sumber daya.
2. Output Perencanaan Agregat
Output dari proses perencanaan agregat biasanya berupa jadwal
produksi untuk pengelompokkan produk berdasarkan famili. Misalnya
untuk produsen mobil, output memberikan informasi mengenai berapa
mobil yang harus diproduksi, tetapi bukan pada berapa mobil yang
bermerk A, berseri B maupun berseri C. Jadi berupa jumlah keseluruhan
output yang dihasilkan tiap periode tertentu bukan berdasarkan tipe (Irwan,
2008).

Gambar 6: Hubungan Input dan Output Perencanaan Agregat

NURUL AZIZAH SYARIF


AGREGAT

31

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

(Sumber: https://www.scribd.com/doc/9757430/Laporan-Akhir-Lab-Pti-3)

Gambar di atas memperlihatkan bahwa dalam membuat rencana agregat


untuk produksi, manajer operasi tidak hanya menerima input mengenai
prediksi permintaan dari bagian pemasaran, tetapi harus pulaberhadapan
dengan data keuangan, personel (tenaga kerja), persediaan kapasitas eksternal
(subkontraktor) dan ketersediaan bahan baku/mentah. Didalam sebuah
lingkungan manufaktur, proses untuk menguraikan rencana agregat secara
lebih terinci disebut disagregasi (disagregation). Disagregasi menghasilkan
sebuah jadwal produksi induk (master production schedule), yang
menyediakan input bagi system perencanaan kebutuhan material (Material
Requirement Planning-MRP system). Master production schedule menangani
pembelian atau produksi komponen yang diperlukan untuk membuat produk
NURUL AZIZAH SYARIF
AGREGAT

32

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
akhir. Jadwal kerja yang terinci bagi orang-orang dan prioritas penjadwalan
bagi produk menghasilkan tahap akhir system perencanaan produksi
(Alamsyah, 2013).

K. Ongkos-Ongkos yang Terlibat dalam Perencanaan Agregat


NURUL AZIZAH SYARIF
AGREGAT

33

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Sebagian besar metode perencanaan agregat menentukan suatu rencana
yang minimasi biaya. Jika permintaan diketahui, maka biaya-biaya berikut
harus dipertimbangkan (Irwan, 2008):
1. Hiring cost (ongkos penambahan tenaga kerja)
Penambahan tenaga kerja menimbulkan ongkos - ongkos untuk
iklan, proses seleksi, dan training. Ongkos training merupakan ongkos
yang besar apabila tenaga kerja yang direkrut adalah tenaga keja baru
yang belum berpengalaman.
2. Firing cost (ongkos pemberhentian tenaga keja)
Pemberhentian tenaga kerja biasanya terjadi karena semakin
rendahnya permintaan akan produk yang dihasilkan, sehingga tingkat
produksi akan menurun secara drastis ataupun karena persoalan teknis
seperti produktivitas yang menurun, serta factor yang ada pada diri tenga
kerja itu sendiri.pemberhentian ini mengakibatkan perusahaan harus
mengeluarkan uang pesangon bagi karyawan yang di PHK, menurunkan
moral kerja dan produktifitas karyawan yang masih bekerja, dan tekanan
yang bersifat social.
3. Overtime cost dan undertime cost (ongkos lembur dan ongkos
menganggur)
Penggunaan waktu lembur bertujuan untuk meningkatkan output
produksi, tetapi konsekuensinya perusahaan harus mengeluarkan ongkos
tambahan lembur yang biasanya 150% dari ongkos kerja regular.
Disamping ongkos tersebut, adanya lembur biasanya akan memperbesar
tingkat absent karyawan dikarenakan faktor kelelahan fisik pekerja.
Kebalikan dari kondisi diatas adalah bila perusahaan mempunyai
kelebihan tenaga kerjadimandingkan dengan jumlah tenaga kerja yang
NURUL AZIZAH SYARIF
AGREGAT

34

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
dibutuhkan untuk kegiatan produksi. Tenaga kerja berlebih ini kadang
kadang bisa dialokasikan untuk kegiatan lain yang produktif meskipun
tidak selamanya efektif. Bila tidak dapat dialokasikan yang efektif. Maka
perusahaan dianggap menanggung ongkos menganggur yang besarnya
merupakan perkalian antara jumlah yang tidak terpakai dengan tingkat
uaph dan tunjangan lainnya.
4. Inventory cost (ongkos persediaan)
Persediaan mempunyai fungsi mengantisipasi timbulnya kenaikan
permintaan pada saatsaat tertentu. Konsekuensi dari kebijakakan
perusahaan adalah timbulnya ongkos penyimpanan (inventory cost dan
back order cost) yang berupa ongkos tertahannya modal, pajak, asuransi,
kerusakan bahan, dan ongkos sewa gudang. Kebalikan dari kondisi
diatas,

kebijakkan

tidak

mengadaaan

persediaan.

Seolaholah

menguntungkan tetapi sebenarnya dapat menimbulkan kerugian dalam


bentuk ongkos kehabisan persediaan.
5. Sub-contract (ongkos Sub-Kontrak)
Pada saat permintaan melebihi kemampuan kapasitas reguler,
biasanya perusahaan men-SubKontrak kelebihan permintaan yang tidak
bisa ditanganinya sendiri kepada perusahaan lain. Konsekuensinya dari
kebijakan ini adalah timbulnya ongkos SubKontrak, dimana biasanya
ongkos men-SubKontrak ini menjadi lebih mahal dibandingkan
memproduksi sendiri dan adanya resiko terjadinya keterlambatan
penyerahan dari kontraktor.
6. Part-Time Cost (tenaga kerja paruh waktu)

NURUL AZIZAH SYARIF


AGREGAT

35

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Karena perbedaan tunjangan, biaya tenaga kerja paruh-waktu atau
sementara kemungkinan bisa akan lebih kecil daripada tenaga kerja
tetap. Walaupun pekerja paruh waktu kerapkali tidak mendapatkan
tunjangan, namun persentasi maksimuam tenaga kerja paruh waktu bisa
dibatasi oleh pertimbangan operasional atau kontrak dengan serikat
pekerja. Jika tidak maka akan ada kecenderungan untuk menggunakan
tenaga kerja paruh waktu atau sementara bagi semua kebutuhan akan
tenaga kerja. Akan tetapi, angkatan tenaga kerja tetap sangat penting
bagi pendayagunaan personel paruh waktu atau sementara secara efektif.
7. Backorder cost (ongkos kehabisan persediaan)
Ongkos kehabisan persediaan ini dihitung berdasarkan beberapa
permintaan yang datang tetapi tidak dapat dilayani karena barang yang
diminta tidak tersedia. Kondisi ini pada sistem MTO (make to order)
akan mengakibatkan jadwal penyerahan order terlambat, sedangkan pada
sistem MTS (make to stock) akan mengakibatkan beralihnya pelanggan
pada produk lain. Kekecewaan pelanggan karena tidak tersedia barang
yang diinginkan akan diperhitungkan sebagai kerugiaan bagi perusahaan,
dimana kerugiaan tersebut akan dikelompokkan sebagai ongkos
kehabisan persediaan. Ongkos kehabisan persediaan ini sama nilainya
dengan ongkos pemesanan kembali bila konsumen bersedia menunggu.

NURUL AZIZAH SYARIF


AGREGAT

36

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

L. Strategi Perencanaan Agregat Beserta Keuntungan dan Kerugian


Masing-Masing
1. Pilihan Kapasitas/Pure Strategy
Sebuah perusahaan dapat memilih pilihan kapasitas dasar (produksi)
berikut (Alamsyah, 2013):
a. Mengubah tingkat persediaan
Para manajer dapat meningkatkan persediaan selama periode
permintaan rendah untuk memenuhi permintaan yang tinggi di masa
mendatang. Jika strategi ini dipilih, maka biaya-biaya yang berkaitan
dengan penyimpanan, asuransi, penanganan, keusangan, pencurian,
dan modal yang diinvestasikan akan meningkat. (Biaya-biaya ini
pada umumnya berkisar 15% hingga 40% dari nilai sebuah barang
setiap tahunnya). Pada sisi lain, ketika perusahaan memasuki masa
dimana permintaan meningkat, maka kekurangan yang terjadi dapat
mengakibatkan tidak terjadinya penjualan yang disebabkan waktu
tunggu yang lebih panjang dan pelayanan pelanggan yang lebih
buruk.
b. Meragamkan jumlah tenaga kerja
Dilakukan

dengan

cara

mengkaryakan

atau

memberhentikan.Salah satu cara untuk memenuhi permintaan adalah


NURUL AZIZAH SYARIF
AGREGAT

37

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
dengan mengkaryakan atau memberhentikan para pekerja produksi
untuk menyesuaikan tingkat produksi. Bagaimanapun, sering
karyawan baru memerlukan pelatihan, dan produktivitas rata-rata
menurun untuk sementara karena mereka menjadi terbiasa.
Pemberhentian atau PHK, tentu saja, menurunkan moral semua
pekerja dan dapat mendorong ke arah produktivitas yang lebih
rendah.
c. Meragamkan tingkat produksi melalui lembur atau waktu kosong
Terkadang tenaga kerja dapat dijaga tetap konstan dengan
meragamkan waktu kerja, mengurangi banyaknya jam kerja ketika
permintaan rendah dan menambah jam kerja pada saat permintaan
naik. Sekalipun begitu, ketika permintaan sedang tinggi, terdapat
keterbatasan seberapa banyak lembur yang dapat dilakukan. Upah
lembur membutuhkan lebih banyak uang, dan terlalu banyak lembur
dapat membuat titik produktivitas pekerja secara keseluruhan
merosot. Lembur juga dapat menyiratkan naiknya biaya overhead
yang diperlukan untuk menjaga agar fasilitas dapat tetap
berjalan.Pada sisi lain, disaat permintaan menurun, perusahaan harus
mengurangi waktu kosong pekerja-yang biasanya merupakan proses
yang sulit
d. Subkontrak
Sebuah perusahaan dapat memperoleh kapasitas sementara
dengan

melakukan

subkontrak

selama

periode

permintaan

tinggi.Bagaimana pun, subkontrak, memiliki beberapa kekurangan


antara lain:
NURUL AZIZAH SYARIF
AGREGAT

38

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
1) Mahal.
2) Membawa resiko dengan membuka pintu klien bagi pesaing.
3) Seringkali susah mendapatkan pemasok subkontrak yang
sempurna, yang selalu dapat mengirimkan produk bermutu tepat
waktu.
e. Penggunaan karyawan paruh waktu
Terutama di sector jasa, karyawan paruh waktu dapat mengisi
kebutuhan tenaga kerja tidak terampil. Praktik ini umum dilakukan
direstoran, toko eceran, dan supermarket.
2. Pilihan Permintaan
Pilihan permintaan dasar adalah sebagai berikut (Alamsyah, 2013):
a. Mempengaruhi permintaan.
Ketika permintaan rendah, sebuah perusahaan dapat mencoba
untuk

meningkatkan

permintaan

melalui

iklan,

promosi,

kewiraniagaan, dan diskon. Perusahaan penerbangan dan hotel telah


lama menawarkan diskon akhir pekan dan tarif musim sepi;
perusahaan telepon membebankan biaya yang lebih murah pada
malam hari; beberapa perguruan tinggi member diskon bagi warga
senior; dan pendingin udara dijual lebih murah pada waktu musim
dingin. Bagaimana pun, bahkan iklan khusus, promosi, penjualan,
dan penetapan harga tidak selalu mampu menyeimbangkan
permintaan dengan kapasitas produksi.
b. Tunggakan pesanan selama periode permintaan tinggi.
Tunggakan pesanan adalah pesanan barang atau jasa yang
diterima perusahaan tetapi tidak mampu (secara sengaja atau
kebetulan) untuk dipenuhi pada saat itu. Jika pelanggan mau
menunggu tanpa kehilangan kehendak baik mereka maupun
pesanannya, tunggakan pesanan adalah strategi yang mungkin
NURUL AZIZAH SYARIF
AGREGAT

39

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
dijalankan.

Banyak

perusahaan

menggunakan

tunggakan

pesanan,tetapi pendekatan ini sering mengakibatkan hilangnya


penjualan.
c. Perpaduan produk dan jasa yang

counterseasonal (dengan

musimyang berbeda)
Sebuah teknik pelancar masalah aktif yang secara luas
digunakan para pengusaha manufaktur adalah mengembangkan
sebuah

produk

yang

merupakan

perpaduan

dari

barang

counterseasonal. Contohnya adalah perusahaan yang membuat


pemanas dan pendingin ruangan atau mesin pemotong rumput dan
penyingkir salju. Bagaimanapun, perusahaan yang menerapkan
pendekatan ini mungkin mendapati diri mereka terlibat dengan
produk atau jasa di luar area keahlian atau target pasar mereka.
3. Strategi Campuran (Mixed Strategy)
Walaupun setiap lima pilihan kapasitas dan tiga pilihan permintaan
dapat menghasilkan sebuah jadwal agregat yang efektif, beberapa
kombinasi

diantara

pilihan

kapasitas

dan

pilihan

permintaan

mungkinakan lebih baik. Kebanyakan pengusaha manufaktur berasumsi


bahwa penggunaan pilihan permintaan telah diteliti secara menyeluruh
oleh bagian pemasaran dan pilihan-pilihan yang layak itu digabungkan
dengan prediksi permintaan. Manajer operasi lalu membuat rencana
agregat

berdasarkan

pada

prediksi

itu.

Bagaimanapun,

dengan

menggunakan lima pilihan kapasitas dalam otoritasnya, manager operasi


masih memiliki banyak kemungkinan rencana. Rencana ini dapat terdiri
dari (Alamsya, 2013):
a. Strategi perburuan (Chase Strategy)
NURUL AZIZAH SYARIF
AGREGAT

40

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Sebuah strategi perburuan mencoba untuk mencapai tingkat
output bagi setiap periode yang memenuhi prediksi permintaan
untuk periode tersebut. Strategi ini dapat terpenuhi dengan berbagai
jalan. Sebagai contoh, manager operasi dapat memvariasikan tingkat
tenaga kerja dengan merekrut atau menghentikan karyawan, atau
dapat memvariasikan produks idengan waktu lembur, waktu kosong,
karyawan paruh waktu,atau subkontrak.
b. Strategi Penjadwalan bertingkat (Level-Scheduling Strategy).
Sebuah rencana agregat di mana produksi harian tetap samadari
periode ke periode. Perusahaan seperti Toyota dan Nissan
mempertahankan tingkat produksi pada tingkatan yang seragam dan
mungkin membiarkan persediaan barang jadi naik atau turun untuk
menopang perbedaan permintaan dan produksi atau menemukan
pekerjaan alternatif bagi karyawan. Penjadwalan bertingkat akan
bekerja dengan baik ketika permintaan stabil (Bryan, 2012).

NURUL AZIZAH SYARIF


AGREGAT

41

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
4) Keuntungan dan Kerugian Masing-Masing Strategi Perencanaan Agregat
Pilihan
Keunggulan
Kerugian
Beberapa
Komentar
Mengubah
Perubahan sumber Biaya
Diterapkan
tingkat
daya manusia
penyimpanan
terutama untuk
persediaan
terjadi secara
persediaan dapat
produksi dan
bertahap atau tidak meningkat.
operasi, bukan
ada perubahan
Kekurangan
jasa
produksi secara
persediaan dapat
tiba-tiba
menyebabkan
kehilangan
pernjualan
Meragamkan
Menghindari biaya Biaya perekrutan, Digunakan di
jumlah tenaga
alternative lain
PHK, dan
mana jumlah
kerja dengan
pelatihan
angkatan kerja
merekrut atau
mungkin
besar
memberhentikan
berjumlah besar.
karyawan
Meragamkan
Menyesuaikan
Upah lembur
Memungkinkan
tingkat produksi fluktuasi musiman mahal; karyawan fleksibilitas
melalui waktu
tanpa biaya
lelah; mungkin
dalam rencana
lembur atau
perekrutan /
tidak dapat
agregat
waktu kosong
pelatihan
memenuhi
permintaan
Subkontrak
Membolehkan
Kehilangan
Diterapkan
adanya
pengendalian
terutama dalam
fleksibilitas dan
mutu;
penentuan
memuluskan
mengurangi
produksi
output perusahaan keuntungan;
kehilangan bisnis
di masa datang
Menggunakan
Lebih murah dan
Biaya perputaran Baik untuk
karyawan paruh lebih fleksibel
karyawan/
pekerjaan yang
waktu
daripada karyawan pelatihan tinggi;
tidak
penuh waktu
sulit membuat
membutuhkan
penjadwalan
keterampilan di
wilayah dengan
jumlah tenaga
kerja sementara
yg bnyak
Mempengaruhi
Mencoba untuk
Ketidakpastian
Menciptakan idepermintaan
menggunakan
permintaan, sulit
ide pemasaran,
kapasitas berlebih; untuk
sering digunakan
diskon menarik
menyesuaikan
overbook
pelanggan baru
permintaan pada
(permintaan
NURUL AZIZAH SYARIF
AGREGAT

42

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
pasokan ssecara
tepat
Tunggakan
pesanan selama
periode
permintaan
tinggi
Perpaduan
produk dan jasa
counterseasonal

Dapat menghindari
lembur, menjaga
kapasitas tetap
konstan

Pelanggan harus
mau menunggu,
tetapi kehendak
baik akan hilang

Sumber daya yang


dimanfaatkan
secara penuh;
memungkinkan
tenaga kerja stabil

Mungkin
membutuhkan
keahlian atau
peralatan diluar
keahlian
perusahaan

melebihi
pasokan) dalam
beberapa jenis
usaha
Banyak
perusahaan
melakukan
tunggakan
pesanan
Sangat berisiko
untuk
menemukan
produk atau jasa
dengan pola
permintaan yang
berlawanan

Tabel 1. Keuntungan dan Kerugian Masing-Masing Strategi Perencanaan Agregat


(Sumber: https://www.scribd.com/doc/9757430/Laporan-Akhir-Lab-Pti-3

NURUL AZIZAH SYARIF


AGREGAT

43

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
M. Fase-Fase Perencanaan Agregat
Pengembangan perencanaan agregat mengikuti prosedur yang terdiri dari
empat fase. Setelah prosedur ini diaplikasikan beberapa kali dan persoalanpersoalan pokok yang terlibat pada fase 2 dan 3 telah dapat dipecahkan, maka
pihak manajemen dapat memproses langsung dari fase satu ke fase empat.

PHASE 2
Smooth Out Utilitas Kapasitas

PHASE 3
Penentuan Alternatif Produski yang Layak

PHASE 1
Peramalan
permintaan agregat
Time series

PHASE 4
Produk Komplementer

Peramalan
Penetapan tenaga kerja:
-over time
-undertime

Harga

Moving Average

Promosi
Exponensial smothing
Waktu Pengiriman yang fleksibel

Yang lain

permintaan agregat

Biaya linier
Variable tenaga kerja :
-penyewaan
-pemberhentian

Trial &Error

Linier
Programing:
-Transportasion

Inventory

-Simplex

Back order
Biaya Non Linier

subkontrak
Linier Decision Rule

Yang lain

Heuristic dan penentuan Model (cocok untuk semua t

Gambar 7. Prosedur Perencanaan Produksi Agregat


(Sumber: Perencanaan dan pengendalian Produksi, Arman Hakim Nasution)

NURUL AZIZAH SYARIF


AGREGAT

50

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
1. Fase

1:

Persiapan

peramalan

permintaan Agregat.

Peramalan

permintaan agregat mencakup beberapa permintaan yang diperkirakan


pada tiap-tiap periode selama horison perencanaan dalam satu unit yang
sama untuk semua jenis item produk yang dihasilkan. Peramalan ini
dapat menggunakan analisa deret waktu, rata-rata bergerak dan lain-lain
(Arman, 2008).
2. Fase 2: mengkhususkan kebijakan organisasi untuk melancarkan
penggunaan

kapasitas.

Pada

fase

ini,

manajemen

mencoba

mengidentifikasikan kebijakan-kebijakan yang dapat melancarkan


perkiraan permintaan agregat yang telah diramalkan pada fase
sebelumnya.

Kombinasi

dari

kebijakan-kebijakan

yang

paling

diinginkan akan merupakan strategi terbaik untuk mengantisipasi


permintaan dimasa mendatang yang bersifat musimandan berfluktuasi
secara acak. Penentuan kebijakan ini akan melibatkan kerjasama divisi
marketing dengan divisi produksi, dimana kebijakan-kebijakan umum
a.

yang biasa diambil adalah (Arman, 2008):


Memperkenalkan produk pelengkap pada saat permintaan tahunan produk
utama menurun, misalnya produsen AC akan memperkenalkan produk

b.

berupa unit pemanas pada saat musim dingin tiba.


Memberikan diskon harga pada saat tidak sibuk, misalnya tarif pulsa pada

c.
d.

malam hari lebih murah 75% dibanding jam-jam sibuk.


Meningkatkan kegiatan promosi untuk mempengaruhi konsumen.
Menawarkan perjanjian khusus kepada konsumen untuk mendapatkan
batas waktu pengiriman barang yang fleksibel sehingga kegiatan
produksidapat dijadwalkan lebih merata.

NURUL AZIZAH SYARIF


AGREGAT

51

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
3. Fase 3: Menentukan alternative produksi yang layak. Fase ini terdiri
dari 2 alternatif, yaitu (Arman, 2008):
a. Merubah tingkat produksi dengan tenaga kerja yang sama, hal ini
dilakukan dengan melemburkan karyawan yang ada pada saat
permintaan tinggi, dan pengalokasian karyawan yang ada ke
pekerjaan non produksi pada saat permintaan turun.
b. Merubah tingkat produksi dengan merubah jumlah tenaga kerja, hal
ini dilakukan dengan merekrut tenaga kerja baru pada saat
permintaan tinggi dan memberhentikan tenaga kerja pada saat
permintaan turun.
4. Fase 4: Menentukan strategi produksi yang optimal. Setelah alternatif
produksi yang layak telah dipilih dan dihitung, perkiraan ongkosnya,
langkah berikutnya adalah menentukan strategi produksi yangoptimal.
Langkah ini melibatkan pengalokasian peramalan permintaan dengan
menggunakan alternative-alternatif setiap periode yang meminimasi
ongkos total untuk keseluruhan horizon perencanaan. Metode
perencanaan agregat untuk mengalokasikan permintaan selama periode
produksi adalah bervariasi tergantung asumsi-asumsi yang dibuat pada
alternative-alternatif yang dianggap layak dan biayanya (linier atau non
linier) (Arman, 2008).
N. Disagregasi
1. Pengertian Disagregasi
Disagregasi merupakan proses pemecahan satuan produk agregat,
yang disebut dengan family produk, yang kita hasilkan ari perencanaan
agregat kedalam item-item produk. Proses disagregasi diperlukan untuk
menyediakan masukan bagi pembuatan jadwal induk produksi.
NURUL AZIZAH SYARIF
AGREGAT

52

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Pembuatan jadwal induk produksi membutuhkan informasi jumlah
produk per item yang harus diproduksi untuk memenuhi permintaan
pasar. Perencanaan disgaregat merupakan langkah selanjutnya setelah
perencanaan agregat, tujuan dari perencanaan disagregat adalah untuk
memecah satuan agregat pada perencanaan agregat kedalam setiap item
produk serta mengetahui item suatu produk tersebut akan diproduksi.
Disagregasi akan dilakukan dengan regular knapsack method.
Disagregasi merupakan perhitungan yang dilakukan

untuk

mendapatkan jadwal untuk produksi yang merupakan masukan bagi


kebutuhan material. Dimana jadwal induk produksi ini merupakan
pernyataan produk akhir yang akan diproduksi dengan berdasarkan
implementasi dari perancangan agregat. Ada beberapa metode yang dapat
digunakan dalam menyelesaikan permasalahn disagregasi. Salah satunya
adalah metode yang dikembangkan oleh Hax dan Bitran (Doni, 2009).

Metode ini terdiri dari dua algoritma yaitu:


a. Algoritma pada perencanaan agregat dalam jumlah produk individu.
b. Algoritma pada jumlah produksi family dalam jumlah produk
individu. Pada disagregasi ini ada beberapa istilah yang digunakan,
yaitu (Arman, 2008):
1) Family merupakan sekumpulan produk sejenis yang diproduksi
secara bersamaan, karena biaya pergantian produksi dari satu
family ke familylain besar, maka dilakukan perencanaan untuk
menentukan

family

mana

yang

akan

diproduksi

sebelu

menentukan untuk memproduksi family lainya.


NURUL AZIZAH SYARIF
AGREGAT

53

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
2) Tipe produk merupakan kumpulan dari family.
2. Metode Disagregasi
a. Disagregasi Metoda Britain dan Hax
Secara konseptual, Britain dan Hax menyarankan pendekatan
disagregasi famili sebagai berikut:
1) Memilih family (keluarga) produk yang akan diproduksi pada
perioda yang bersangkutan.Katakanlah bahwa suatu family i
produk akan diproduksi apabila salah satu item j dari family i
tersebut memiliki syarat sebagai berikut:
Iijt-1 Dijt Ssij
Dimana:
Iijt-1 = tingkat persediaan pada akhir periode I-1 dari item j famili
Dijt = permintaan item j famili I pada periode t
Ssij = cadangan pengamanan item j dalam famili i
2) Menentukan jumlah yang harus diproduksi tiap item dalam satu
family setiap bulannya.
Sc ( Kij.Dij )
jt

Sc ( Kij.Dij )

X RT

ji

Y=
Dimana:

b.

= total jumlah item dalam family yang harus dibuat.

Sc

= Setup cost mesin

Kij

= Faktor konversi item

Dijt

= permintaan item j family I pada periode t.

Metoda Equalization of Run Out Time (EROT)

NURUL AZIZAH SYARIF


AGREGAT

54

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Suatu alternatif yang jelas dari metode disagregasi adalah
mengalokasikan jumlah produksi yang ditetapkan pada tingkat
perencanaan agregat untuk tipe produk dengan metode yang disebut
Equalization of Run Out Time dari semua item tipe produk i. Metode
ini ternyata melampaui tingkat famili sebagai tahapan disagregasi.
Metode Equalization of Run Out Time (EROT) adalah metode
disagregasi yang diterapkan pada tingkat item.
Metode EROT secara langsung diterapkan pada tingkat item,
disini tidak mempertimbangkan ongkos set up yang berkaitan
dengan jumlah produksi famili, yang mengharapkan bahwa prosedur
disagregasi akan menghasilkan ongkos set up yang lebih baik.
Keuntungan yang mungkin terjadi pada metode EROT dengan
disagregasi langsung tipe produk kepada item-itemnya adalah
terjadinya sinkronisasi (keserempakan) yang tinggi dari sistem
perencanaan produksi, serta kesederhanaan di dalam melaksanakan
sistem perencanaan bertingkat.Adapun perumusan modelnya adalah
sebagai berikut (Alamsyah, 2013):
Zk , t dk , t

Xt ( Alk 1 SSk , t )
kK

dk , t

SSk , t Alk , t 1

kK

Dimana:
Zk,t = jumlah unit item k yang diproduksi
Al k = persediaan yang ada dari item k
SSk = persediaan pengaman item k

NURUL AZIZAH SYARIF


AGREGAT

55

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Dk = ramalan permintaan item k
K = kumpulan semua item dari tipe yang bersangkutan
Xt = jumlah produksi tipe hasil perencanaan agregasi yang
dialokasikan pada item-itemnya.

O. RCCP (Rough Cut Capacity Planning) dan FAS (Final Assembly


Scheduling)
1. RCCP (Rough Cut Capacity Planning)
Rought Cut Capasity Planning (RCCP) merupakan urutan kedua
dari hierarki perencanaan prioritas-kapasitas yang berperan dalam
mengembangkan MPS. RCCP melakukan validasi terhadap MPS yang
juga menempati urutan kedua dalam hierarki perencanaan prioritas
produksi.

Guna

menetapakan

sumber-sumber

spesifik

tertentu,

khususnya yang diperkirakan akan menjadi hambatan potensial adalah


cukup untuk melaksanakan RCCP, dengan memberikan informasi tentang
tingkat produksi di masa mendatang yang akan memenuhi permintaan
total.
Pada dasarnya RCCP didefinisikan sebagai proses konversi dari
rencana produksi dan atau MPS ke dalam kebutuhan kapasitas yang
berkaitan dengan sumber-sumber daya kritis seperti: tenaga kerja, mesin
NURUL AZIZAH SYARIF
AGREGAT

56

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
dan peralatan, kapasitas gudang, kapabilitas pemasok material dan parts,
dan sumber daya keuangan. RCCP adalah serupa dengan perencanaan
kebutuhan sumber daya, kecualai bahwa RCCP adalah lebih terperinci
dari pada RRP dalam beberapa hal, seperti RCCP didisagregasikan ke
dalam level item atau SKU (stockkeeping unit); RCCP didisagregasikan
berdasarkan periode waktu harian atau mingguan; dan RCCP
mempertimbangkan lebih banyak sumber daya produksi (Arman, 2008).
Pada dasarnya terdapat empat langkah yang diperlukan untuk
melaksanakan RCCP, yaitu (Arman, 2008):
a.
b.
c.
d.

Memperoleh informasi tentang rencana produksi dari MPS.


Memperoleh informasi tentang struktur produk dan waktu tunggu.
Menentukan bill of resources
Menghitung kebutuhan sumber daya spesifik dan membuat laporan

RCCP.
2. FAS (Final Assembly Scheduling)
FAS merupakan suatu jadwal untuk produk-produk akhir individu
yang di assembling dari item-item MPS. MPS tersebut digunakan untuk
memproduksi pesanan-pesanan bagian-bagian komponen. FAS harus
menjamin

bahwa

komponen-komponen

tersebut

tersedia

ketika

dibuthkan. Pengembangan suatu FAS dibatasi oleh ketersediaan itemitem yang dijadwalkan pada MPS, persediaan, kebutuhan lead time, dan
kapasitas proses assembling. FAS menyatakan komitmen akhir untuk
produksi, otoritas biasanya ditunda sampai waktu terakhir yang mungkin,
sehingga fleksibilitas dan pelayanan kepada konsumen secara lebih baik
dapat tercapai (Arman, 2008).

NURUL AZIZAH SYARIF


AGREGAT

57

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Ada 4 klasifikasi manufaktur berdsarka tipe produksi, yaitu
(Bertrand, 1990):
a. Make to Stock (MTS)
Pada strategi MTS, persediaan dibuat dalam bentuk produk
akhir yang siap dipak. Siklus dimulai ketika perusahaan menentukan
produk, kemudian menentukan kebutuhan bahan baku, dan
membuatnya untuk disimpan. Konsumen akan memesan produk jika
harga dan spesifikasi produk sesuai dengan kebutuhannya. Operasi
difokuskan pada kebutuhan pemenuhan tingkat persediaan dan order
yang tidak diidentifikasi pada proses produksi. Sistem produksi
mengembangkan tingkat persediaan yang didasarkan pada order
yang akan datang, bukan pada order sekarang. Pada strategi ini,
resiko persediaan lebih besar. Contoh produk: makanan, minuman,
mainan, dan lain-lain.
b. Assemble to Order (ATO)
Strategi
ATO,
semua

subassembly

masuk

pada

persediaan.Ketika order suatu produk datang, perusahaan dapat


dengan cepat merakit komponen menjadi produk jadi. Strategi ini
digunakan oleh perusahaan yang mempunyai produk modular, yang
dapat dirakit menjadi beberapa produk akhir. Strategi ini
mempunyai moderate risk terhadap investasi persediaan. Operasi
lebih difokuskan pada modul atau part. Contoh produk: automobile,
elektronik, komputer komersil, restoran fast food yang menyediakan
beberapa paket makanan, dan lain-lain.
c. Make to Order (MTO)

NURUL AZIZAH SYARIF


AGREGAT

58

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Strategi MTO mempunyai persediaan tetapi hanya dalam bentuk
desain produk dan beberapa bahan baku standar, sesuai dengan
produk yang telah dibuat sebelumnya. Aktivitas proses berdasarkan
order konsumen. Aktivitas proses dimulai pada saat konsumen
menyerahkan spesifikasi produk yang dibutuhkan dan perusahaan
akan membantu konsumen menyiapkan spesifikasi produk, beserta
harga dan waktu penyerahan. Apabila telah dicapai kesepakatan,
maka perusahaan akan mulai membuat komponen dan merakitnya
menjadi produk dan kemudian menyerahkan kepada konsumen. Pada
strategi

ini,

resiko

terhadap

investasi

persediaan

kecil,

operasionalnya lebih fokus pada keinginan konsumennya. Contoh


produk: komponen mesin, komputer untuk riset, dan lain-lain.
d. Engineering to Order (ETO)
Dalam ETO, tidak ada persediaan. Produk belum dibuat sebelum
ada order. Ketika order datang, perusahaan akan mengembangkan
desain produk berserta waktu dan biaya yang diperlukan. Apabila
rancangannya disetujui konsumen, maka produk baru dibuat. Strategi
ini tidak mempunyai resiko (zero risk) persediaan. Dan cocok untuk
produk baru atau unik. Misalnya: Kapal, komputer untuk militer,
prototype mesin baru, dan lain-lain. Operasi lebih difokuskan pada
spesifikasi order dari konsumen daripada partnya itu sendiri
(Bertrand, 1990).

NURUL AZIZAH SYARIF


AGREGAT

59

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

P. Ukuran Akurasi Hasil Peramalan


Ukuran akurasi hasil peramalan yang merupakan ukuran kesalahan
peramalan merupakan ukuran tentang tingkat perbedaan antara hasil
peramalan dengan permintaan yang sebenarnya terjadi. Ada 4 uuran yang
biasa digunakan, yaitu (Arman, 2008):
1. Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD)
MAD merupakan rata-rata kesalahan mutlak selama periode tertentu
tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil
dibandingkan kenyataanya. Secara matematis, MAD dirumuskan sebagai
berikut.

MAD=

At F t
n

Dimana:
A = Pemintaan Aktual pada periode-t
F1 = Peramalan Permintaan (Forecast) pada periode-t
N = Jumlah periode peramalan yang terlibat
2. Rata-rata Kuadrat Kesalahan (Mean Square Error = MSE)
MSE dihitung dengan menjumlahkan kuadrt semua kesalahan
peramalan pada setiap periode dan membaginya dengan jumlah periode
peramalan. Secara matematis, MSE dirumuskan sebagai berikut:
2
( A tF t )
MSE=
n

3. Rata-rata Kesalahan Peramalan (Mean Forecast Error = MFE)


MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan
selama periode tertentu terlalu tinggi atau terlalu rendah. Bila hasil
peramalan tidak bias, maka nilai MFE akan mendekati not. MFE dihitung
dengan menjumlahkan semua kesalahan peramalan selama periode

NURUL AZIZAH SYARIF


AGREGAT

60

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
peramalan selama periode peramalan dan membaginya dengan jumlah
periode peramalan. Secara matematis, MFE dinyatakan sebagai berikut:
( A tF t )
MFE=
n
4. Rata-rata Pesentase Kesalahan Absolut (Mean Absolute Percentage Error
= MAPE)
MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih
beararti dibandingkan MAD karena MAPE menyatakan persentase
kesalahan hasil peramalan terhadap permintaan aktual selama periode
tertentu yang akan memberikan informasi persentase kesalahan terlalu
tinggi atau terlalu rendah. Secara matematis, MAPE dinyatakan sebagai
berikut:
F
100
MAPE=
At t
n
At

( )

Q. Jadwal Induk Produksi


Jadwal Induk Produksi (JIP) atau disebut juga Master Production
Schedule (MPS) merupakan suatu pernyataan tentang produk akhir, dari
idnustri manufaktur yang memproduksi output berkaitan dengan kuantitas
dan periode waktu. MPS berkaitan dengan pernyataan akhir tentang produksi,
dan bukan penytaan tentang permintaan pasar, MPS merupakan pernyataan

NURUL AZIZAH SYARIF


AGREGAT

61

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
akhir tentang berapa banyak produk jadi yang harus diproduksi, dan kapan
harus produksi. Melalui MPS terbentuk jalinan komunikasi antara bagian
permasaran dengan bagian manufakturing. MPS menggunakan lima jenis
input, yaitu (Felicia, 2006):
1. Data permintaan total, sebagai sumber data bagi proses penjadwalan
induk. Data permintaan total berkaitan dengan ramalan penjualan dan
pemesanan.
2. Status inventori, berkaitan dengan informasi mengenai inventori on-hand,
dan pesanan produksi.
3. Rencana produksi.
4. Data perencanaan, berkaitan dengan aturan-aturan lot-sizing,safety stock,
dan lain-lain.
5. Informasi dari Rough Cut Capacity Planning (RCCP), yang berupa
kebutuhan kapasitas mesin.
Terdapat beberapa pertimbangan dalam penentuan desain MPS, yaitu
lingkungan manufacturing, struktur produk, horizon perencanaan, lead times,
production time fences, serta pemilihan item-item MPS. Lingkungan
manufacturing dalam desain MPS dapat juga dinyatakan sebagai strategi yang
diterpkan perusahaan.Pemilihan item-item yang dijadwalkan melalui MPS
merupakan hal yang penting, karena tidak hanya mempengaruhi bagaimana
MPS beroperasi, tetapi mempengaruhi pula seluruh sistem Production
Planning Inventory Control (PPIC) (Felicia, 2006).

NURUL AZIZAH SYARIF


AGREGAT

62

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

BAB III
PENGOLAHAN DATA
A. Perhitungan Data Peramalan
Berikut ini merupakan data penjualan Minyak Sawit Kasar atau (Crude

Bula
n
1
2
3
4
5
6
7
8
9
10
11
12

Palm Oil) CPO pada tahun 2005 dan 2006 dengan pola musiman.
1. Pola Musiman (PT. XYZ)
2005

2006

96348
97018
127642
154500
152288
138032
78990
169750
105497
172670
133564
184400
157546
227757
NURUL AZIZAH
SYARIF
205487
191500
AGREGAT
157221
170589
83449
155750
113812
169500
82411
113500

Tabel 1. Pola Musiman

63

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

POLA MUSIMAN
250000
200000
150000
100000
50000
0

2005

10

11

12

Column1

Gambar 6. Grafik Pola Musiman

a. Moving Average
Rumus matematis yang digunakan:
Dt 1+ Dt 2+ Dt 3
Ft +1=
m

MAD=

MSE=

MFE=
MAPE=

At F t
n

( A tF t )

( A tF t )
n

( 100n )|A A |
Ft

Dimana:
Ft-1= Nilai ramalan pada periode (t+1)
Dt = Nilai sebenarnya/aktual pada periode t
NURUL AZIZAH SYARIF
AGREGAT

64

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
m = Banyaknya waktu dalam moving average
A = Pemintaan Aktual pada periode-t
F1 = Peramalan Permintaan (Forecast) pada periode-t
N = Jumlah periode peramalan yang terlibat
Contoh perhitungan:
Untuk peramalan 3 bulanan maka hasil peramalan pada bulan Maret
2007 adalah:
Djan 2005+ Dfeb 2005+ Dmar 2005
Ft=
3

96348+ 127642+152288
3

376278
=125426
3

Hasil peramalan pada bulan April 2007 adalah:


Dapr 2005Dmar 2007
Ft=Dmar 2007+
3

( 78990125426
)
3
15479
125426+(
)=109947
3

125426+

Untuk peramalan 5 bulanan maka hasil peramalan pada bulan Mei


2007 adalah:
Djan 2005+ Dfeb 2005+ Dmar 2005+ Dapr 2005+ Dmei2005
Ft=
5

96348+ 127642+152288+78990+ 105497


5

105497
=112153
5

Hasil peramalan pada bulan Juni 2007 adalah:


Djun 2005Dmei2007
Ft=Dmei 2007+
5

( 133564112153
)
5
21411
112153+ (
=116435
5 )
112153+

NURUL AZIZAH SYARIF


AGREGAT

65

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

Tabel 2. Pola Musiman Moving Average


t (bulan)

D(bulan)

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

96348
127642
152288
78990
105497
133564
157546
205487
157221
83449
113812
82411
97018
154500
138032
169750
172670
184400
227757
191500
170589
155750
169500
113500

MA
3
5
Bulan
Bulan
125426
109947
108464 112153
116831 116435
130402 119229
155431 126469
156027 132381
131835 132271
125827 130983
111355 127057
106576 122961
122551 122879
127711 123845
141724 127421
152039 132345
162826 138441
184470 147647
186813 155480
181405 160665
172853 163103
171736 164829
152324 162328

Tabel 3. Ukuran Akurasi Pola Musiman Moving Average 3 bulan


t
(bulan)

ft

ft

(ft-ft)

NURUL AZIZAH SYARIF


AGREGAT

ft-ft

(ft-ft)2

(ft-ft/ft)100

ft-ft/ft x
100

66

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
1

97018

106576

-9558

9558

154500

122551

31949

31949

3
4
5
6

138032
169750
172670
184400

127711
141724
152039
162826

10321
28026
20631
21574

10321
28026
20631
21574

227757

184470

43287

43287

8
9
10
11

191500
170589
155750
169500

186813
181405
172853
171736

4687
-10816
-17103
-2236

4687
10816
17103
2236

12

113500

152324

-38824

38824

81938

239012

91355364
102073860
1
106523041
785456676
425638161
465437476
187376436
9
21967969
116985856
292512609
4999696
150730297
6
671268279
4

-9.85

9.85

20.68

20.68

7.48
16.51
11.95
11.70

7.48
16.51
11.95
11.7

19.01

19.01

2.45
-6.34
-10.98
-1.32

2.45
6.34
10.98
1.32

-34.21

34.21
152

Maka, ukuran akurasi hasil peramalan:


At F t 239012
MAD=
=
=19918
n
12

MSE=

MFE=
MAPE=

||

( A tF t )

6712682794
=559390233
12

( A tF t ) 81938
=
=6828
n

12

F
100
152
At t =
=12.58
n
At
12

( )

Tabel 4. Ukuran Akurasi Pola Musiman Moving Average 5 bulan


t
(bulan)

ft

ft

(ft-ft)

ft-ft

(ft-ft)2

(ft-ft/ft)100

ft-ft/ft x
100

1
2

97018
154500

122961
122879

-25943
31621

25943
31621

673039249
999887641

-26.74
20.47

26.74
20.47

NURUL AZIZAH SYARIF


AGREGAT

67

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
3
4
5
6
7
8
9
10
11
12

138032
169750
172670
184400
227757
191500
170589
155750
169500
113500

123845
127421
132345
138441
147647
155480
160665
163103
164829
162328

14187
42329
40325
45959
80110
36020
9924
-7353
4671
-48828

14187
42329
40325
45959
80110
36020
9924
7353
4671
48828

223022

387270

201270969
1791744241
1626105625
2112229681
6417612100
1297440400
98485776
54066609
21818241
2384173584
1767787411
6

10.28
24.94
23.35
24.92
35.17
18.81
5.82
-4.72
2.76
-43.02

10.28
24.94
23.35
24.92
35.17
18.81
5.81
4.71
2.76
43.02
241

Maka, ukuran akurasi hasil peramalan:


At F t 387270
MAD=
=
=32273
n
12

MSE=

MFE=
MAPE=

||

( A tF t )
n

17677874116
=1473156176
12

( A tF t ) 223022
=
=18360
n

12

=20.08
( 100n )|A A |= 241
12
Ft

b. Single Moving Average


Rumus matematis yang digunakan:
Dt + Dt1+ Dt n+1
Ft +1=
m
Dimana:
Ft-1 = Nilai ramalan pada periode (t+1)
Dt = Nilai sebenarnya/aktual pada periode t
m = Banyaknya waktu dalam moving average
Contoh perhitungan:
Untuk peramalan 3 bulan maka hasil peramalan pada bulan Januari
2007 adalah:
Doct 2006+ Dnov 2006+ Ddes 2006
Ft=
3

155750+169500+113500
3
NURUL AZIZAH SYARIF
AGREGAT

68

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

438750
3

146250
Hasil peramalan pada bulan Februari 2007 adalah:
Dnov 2006+ Ddes 2006+ Djan 2007
Ft=
3

169500+113500 +145250
3

275250
3

143083

Untuk peramalan 5 bulan maka hasil peramalan pada bulan Januari


2007 adalah:
Daug2006+ Dsep2006+ Doct 2006 + Dnov 2006+ Ddes 2006
Ft=
5

191500+170589+155750+169500+113500
5

SMA
3 bulan
5 bulan
1
96348
146250
160168
2
127642
143083
153901
3
152288
134278
150564
4
78990
141204
149527
5
105497
139522
145532
6
133564
138334
151938
7
157546
139687
150292
8
205487
139181
149571
9
157221
139067
149372
10
83449
139312
149341
11
113812
139187
150103
12
82411
139188
149736
13
97018
139229
149624
14
154500
139201
149635
15
138032
139206
149688
16
169750
139212
149757
17
172670
139207
149688
18
184400
139208
149679
19
227757
139209
149689
20NURUL
191500
139208
AZIZAH SYARIF 149700

21AGREGAT
170589
139208
149703
22
155750
139208
149692
23
169500
139208
149693
24
113500
139208
149695

t (bulan)

800839
=160168
5

D(bulan)

Hasil peramalan pada bulan


Februari 2007:

769507
=153901
5

Tabel 5. Pola Musiman Single


Moving Average

69

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

Tabel 6. Ukuran Akurasi Pola Musiman Single Moving Average 3 bulan


t (bulan)

ft

ft

(ft-ft)

ft-ft

(ft-ft)2

(ft-ft/ft)100

ft-ft/ft x 100

1
2
3
4
5
6
7
8
9
10
11
12

97018
154500
138032
169750
172670
184400
227757
191500
170589
155750
169500
113500

139229
139201
139206
139212
139207
130208
130209
130208
130208
130208
130208
130208

-42211
15299
-1174
30538
33463
54192
97548
61292
40381
25542
39292
-16708
337454

42211
15299
1174
30538
33463
54192
97548
61292
40381
25542
39292
16708
457640

1781768521
234059401
1378276
932569444
1119772369
2936772864
9515612304
3756709264
1630625161
652393764
1543861264
279157264
24384679896

-43.51
9.90
-0.85
17.99
19.38
29.39
42.83
32.01
23.67
16.40
23.18
-14.72

43.51
9.9
0.85
17.99
19.38
29.29
42.83
32.01
23.67
16.4
23.18
14.72
273.73

Maka, ukuran akurasi hasil peramalan:


At F t
457640
MAD=
=
=38137
n
12

MSE=

MFE=
MAPE=

||

( A tF t )

2438679896
=203223325
12

( A tF t ) 337454
=
=28121
n

12

F
100
273.73
At t =
=22.81
n
At
12

( )

NURUL AZIZAH SYARIF


AGREGAT

70

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

Tabel 7. Ukuran Akurasi Pola Musiman Single Moving Average 5 bulan


t (bulan)

ft

ft

(ft-ft)

ft-ft

(ft-ft)2

(ft-ft/ft)100

ft-ft/ft x 100

1
2
3
4
5
6
7
8
9
10
11
12

97018
154500
138032
169750
172670
184400
227757
191500
170589
155750
169500
113500

149624
149635
149688
149757
149688
149679
149689
149700
149703
149692
149693
149695

-52606
4865
-11656
19993
22982
34721
78068
41800
20886
6058
19807
-36195

52606
4865
11656
19993
22982
34721
78068
41800
20886
6058
19807
36195

-54.22
3.15
-8.44
11.78
13.31
18.83
34.28
21.83
12.24
3.89
11.69
-31.89

54.22
3.15
8.44
11.78
13.31
18.83
34.28
21.83
12.24
3.89
11.69
31.89

148723

349637

2767391236
23668225
135862336
399720049
528172324
1205547841
6094612624
1747240000
436224996
36699364
392317249
1310078025
1507753426
9

225.55

Maka, ukuran akurasi hasil peramalan:


At F t 349637
MAD=
=
=29136
n
12

MSE=

MFE=
MAPE=

||

( A tF t )
n

15077534269
=1256461189
12

( A tF t ) 148723
=
=12394
n

12

=18.79
( 100n )|A A |= 225.55
12
Ft

c. Weighted Moving Average


XtN +1+ + Xt +1+ Xt
F=
N
Dimana:
Xi = data pengamatan periode i
N = jumlah deret waktu yang digunakan
Ft+1 = nilai peramalan periode + 1
Contoh perhitungan:
Bila W1 = 0.25, W2 = 0.25, dan W3 = 0.5. Maka dengan WMA 3
bulanan, hasil peramalan pada bulan Januari 2007:
NURUL AZIZAH SYARIF
AGREGAT

71

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
F=Doct 2006 ( 0.25 )+ Dnov 2006 ( 0.5 ) + Ddes2006 (0.25)
155750(0.25)+169500(0.5)+113500(0.25)

38938+84750+28375=152063
Hasil peramalan pada bulan Februari 2007:
F=Dnov 2006 ( 0.25 ) + Ddes 2006 ( 0.5 ) + Djan2007 (0.25)
169500 ( 0.25 )+ 113500 ( 0.5 ) +152063(0.25)
84750+28375+38016=137141

Bila W1 = W2 = W3 = W4 = W5 = 0.2. Maka dengan WMA 5


bulanan, hasil peramalan pada bulan Januari 2007:
F=Dagu 2006 ( 0.2 ) + Dsep 2006 ( 0.2 )+ Doct 2006 ( 0.2 )
+ Dnov 2006 ( 0.2 ) + Ddes 2006(0.2)

191500 ( 0.2 )+170589 ( 0.2 ) +155750 ( 0.2 )


+169500(0.2)+113500(0.2)

38300+34118+31150 +33900+22700=160168
Hasil peramalan pada bulan Februari 2007:
F=Dsep2006 ( 0.2 )+ Doct 2006 ( 0.2 ) + Dnov 2006 ( 0.2 )
WMA
3 bulan
5 bulan
1
96348
152063
160168
2
127642
137141
153901
3
152288
138691
150564
4
78990
103243
149527
5
105497
95156
145532
6
133564
75411
151938
7
157546
66431
150292
8
205487
54313
149571
9
157221
46794
149372
10
83449
38855
149341
11
113812
33111
150103
12
82411
27705
149736
13
97018
23482
149624
14
154500
19723
149635
15
138032
16672
149688
16
169750
14029
149757
17
172670
11843
149688
18
184400
9975
149679
19
227757
8415
149689
20 NURUL
191500
7092
AZIZAH SYARIF149700

21 AGREGAT
170589
5981
149703
22
155750
5041
149692
23
169500
4251
149693
24
113500
3583
149695

t (bulan)

D(bulan)

+ Ddes 2006 ( 0.2 )+ Djan 2007 (0.2)


+113500 ( 0.2 ) +160168(0.2)
Tabel 8. Pola Musiman Weigthed Moving
Average

72

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

Tabel 9. Pola Musiman Weighted Moving Average 3 bulan


t (bulan)

ft

ft

(ft-ft)

ft-ft

(ft-ft)2

(ft-ft/ft)100

ft-ft/ft x 100

1
2
3
4
5
6
7
8
9
10
11
12

97018
154500
138032
169750
172670
184400
227757
191500
170589
155750
169500
113500

23482
19723
16672
14029
11843
9975
8415
7092
5981
5041
4251
3583

73536
134777
121360
155721
160827
174425
219342
184408
164608
150709
165249
109917
1814879

73536
134777
121360
155721
160827
174425
219342
184408
164608
150709
165249
109917
1814879

5407543296
18164839729
14728249600
24249029841
25865323929
30424080625
48110912964
34006310464
27095793664
22713202681
27307232001
12081746889
2.90154E+11

75.80
87.23
87.92
91.74
93.14
94.59
96.31
96.30
96.49
96.76
97.49
96.84

75.80
87.23
87.92
91.74
93.14
94.59
96.31
96.30
96.49
96.76
97.49
96.84
1110.61

NURUL AZIZAH SYARIF


AGREGAT

73

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Maka, ukuran akurasi hasil peramalan:
At F t 1814879
MAD=
=
=151239
n
12

MSE=

MFE=
MAPE=

||

( A tF t )

2.90154E+11
=24179522140
12

( A tF t ) 1814879
=
=151239
n

12

=92.55
( 100n )|A A |= 1110.61
12
Ft

Tabel 10. Ukuran Akurasi Pola Musiman Weighted Moving Average 5 bulan
t (bulan)

ft

ft

(ft-ft)

ft-ft

(ft-ft)2

(ft-ft/ft)100

ft-ft/ft x 100

1
2
3
4
5
6
7
8
9
10
11
12

97018
154500
138032
169750
172670
184400
227757
191500
170589
155750
169500
113500

149624
149635
149688
149757
149688
149679
149689
149700
149703
149692
149693
149695

-52606
4865
-11656
19993
22982
34721
78068
41800
20886
6058
19807
-36195

52606
4865
11656
19993
22982
34721
78068
41800
20886
6058
19807
36195

-54.22
3.15
-8.44
11.78
13.31
18.83
34.28
21.83
12.24
3.89
11.69
-31.89

54.22
3.15
8.44
11.78
13.31
18.83
34.28
21.83
12.24
3.89
11.69
31.89

148723

349637

2767391236
23668225
135862336
399720049
528172324
1205547841
6094612624
1747240000
436224996
36699364
392317249
1310078025
1507753426
9

225.55

Maka, ukuran akurasi hasil peramalan:


A F t 349637
MAD= t
=
=29136
n
12

MSE=

||

( A tF t )
n

NURUL AZIZAH SYARIF


AGREGAT

15077534269
=1256461189
12

74

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

MFE=
MAPE=

( A tF t ) 148723
=
=12394
n

12

=18.79
( 100n )|A A |= 225.55
12
Ft

d. Metode Winter

Rumus matematis yang digunakan adalah:


F F1
a1= 2
N
a0,2 N =F 2 +a1

N 1
2

a0 =a0,2 N (2 N ) a1
n

(ct )

ct =

f1
, t=1
a 0+ a1 t
N

Dimana:
a1
ao
F1, F2
ao,2N
a1t
ct
N
ft
t (2005)
1
2
3
4
5
6
7
8
9
10
11
12

ao+ait
103487
107312
111136
114960
118785
122609
126433
130258
134082
137907
141731
145555

=1

= rata-rata selisih periode 1 dan 2


= rata-rata periode 1/aktual
= rata-rata pada periode 1 dan 2
= rata-rata dua periode
= -rata-rata per periode
= selisih nilai tiap bulan
= jumlah periode (bulan)
= bulan ke-n
ct
0.9
1.2
1.4
0.7
0.9
1.1
1.2
1.6
1.2
0.6
0.8
0.6

t (2006)
13
14
15
16
17
18
19
20
21
22
23
24

ao+ait
149380
153204
157029
160853
164677
168502
172326
176150
179975
183799
187624
191448

ct
0.6
1.0
0.9
1.1
1.0
1.1
1.3
1.1
0.9
0.8
1.4
0.6

ctrata2
0.8
1.1
1.1
0.9
1.0
1.1
1.3
1.3
1.1
0.7
1.1
0.6

t (2007)
154313
218798
228216
180119
203902
234086
280165
295837
239467
166814
261468
137543

Tabel 11. Pola Musiman Metode Winter

NURUL AZIZAH SYARIF


AGREGAT

75

t (2008)
190579
269232
279830
220101
248342
284194
339085
356981
288123
200144
312854
164138

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

Tabel 12. Ukuran Akurasi Pola Musiman Metode Winter


t (bulan)

ft

ft

(ft-ft)

ft-ft

(ft-ft)2

(ft-ft/ft)100

ft-ft/ft x 100

1
2
3
4
5
6
7
8
9
10
11
12

97018
154500
138032
169750
172670
184400
227757
191500
170589
155750
169500
113500

190579
269232
279830
220101
248342
284194
339085
356981
288123
200144
312854
164138

-93561
-114732
-141798
-50351
-75672
-99794
-111328
-165481
-117534
-44394
-143354
-50638
-1208637

93561
114723
279830
50351
75672
99794
111328
165481
117534
44394
143354
50638
1346660

8753660721
13161366729
78304828900
2535223201
5726251584
9958842436
12393923584
27383961361
13814241156
1970827236
20550369316
2564207044
1.97118E+11

-96.44
-74.26
-102.73
-29.66
-43.82
-54.12
-48.88
-86.41
-68.90
-28.50
-84.57
-44.61

96.44
74.26
102.73
29.66
43.82
54.12
48.88
86.41
68.9
28.5
84.57
44.61
762.9

Maka, ukuran akurasi hasil peramalan:


At F t 1346660
MAD=
=
=112222
n
12

MSE=

MFE=
MAPE=

||

( A tF t )
n

1.9711E+11
=16426475272
12

( A tF t ) 1208637
=
=100720
n

12

=63.58
( 100n )|A A |= 762.9
12
Ft

NURUL AZIZAH SYARIF


AGREGAT

76

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

2. Pola Trend (PT. ABC)


Berikut ini merupakan data penjualan Motor jenis Matic pada
tahun 2014 dan 2015 dengan pola musiman.
Tabel 13. Pola Trend
Bulan
1
2
3
4
5
6
7
8
9
10
11
12

2014
1367
1611
1485
1608
1821
1809
2060
2002
2000
1791
1905
2173

2015
1912
2044
2131
2081
2265
2256
2507
2364
2449
2280
2319
2648

POLA TREND
3000
2500
2000
1500
1000
500
23

21

19

17

15

13

11

0
Bulan

Gambar 7. Grafik Pola Trend

NURUL AZIZAH SYARIF


AGREGAT

77

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

a. Single Exponential Smoothing


Rumus matematis yang digunakan:
F' t=Ft+ ( 1 ) F t1
Dimana:
Ft
= Nilai ramalan pada periode ke-t

= 0 < < 1, = 0.3


Ft
= Data actual pada periode ke-t
Ft-1
= Data actual pada periode sebelumnya (t-1)
Contoh perhitungan:
Nilai ramalan untuk bulan Februari 2007:
'

F t=0.3 Ffeb 2005+ ( 10.3 ) Fjan 2005


0.3 x 1611+ ( 0.7 ) 1367
483+ 957=1440

Tabel 14. Pola Trend Single Exponential Smoothing


NURUL AZIZAH SYARIF
AGREGAT

78

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
t (bulan)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

ft
1367
1611
1485
1608
1821
1809
2060
2002
2000
1791
1905
2173
1912
2044
2131
2081
2265
2256
2507
2364
2449
2280
2319
2648

.ft
0
483
446
482
546
543
618
601
600
537
572
652
574
613
639
624
680
677
752
709
735
684
696
794

(1-)ft-1
0
957
1128
1040
1126
1275
1266
1442
1401
1400
1254
1334
1521
1338
1431
1492
1457
1586
1579
1755
1655
1714
1596
1623

f't
1367
1440
1573
1522
1672
1817
1884
2043
2001
1937
1825
1985
2095
1952
2070
2116
2136
2262
2331
2464
2390
2398
2292
2418

Tabel 15. Ukuran Akurasi Pola Trend Single Exponential Smoothing


NURUL AZIZAH SYARIF
AGREGAT

79

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
t (bulan)
1
2
3
4
5
6
7
8
9
10
11
12

ft
1912
2044
2131
2081
2265
2256
2507
2364
2449
2280
2319
2648

ft
2095
1952
2070
2116
2136
2262
2331
2464
2390
2398
2292
2418

(ft-ft)
-183
92
61
-35
129
-6
176
-100
59
-118
27
230

ft-ft
183
92
61
35
129
6
176
100
59
118
27
230

(ft-ft)2
33489
8464
3721
1225
16641
36
30976
10000
3481
13924
729
52900

332

1216

175586

(ft-ft/ft)100
-9.57
4.50
2.86
-1.68
5.70
-0.27
7.02
-4.23
2.41
-5.18
1.16
8.69

ft-ft/ft x 100
9.57
4.5
2.86
1.68
5.7
0.27
7.02
4.23
2.41
5.18
1.16
8.69
53

Maka, ukuran akurasi hasil peramalan:


At F t 1216
MAD=
=
=101
n
12

MSE=

MFE=
MAPE=

|| |

( A tF t )
n

175586
=14632
12

( A tF t ) 332
=
=23
n

12

( 100n )|A A |= 5312 =4.41


Ft

b. Double Exponential Smoothing


Rumus matematis yang digunakan:
0,t=( F t F ' t ) + F ' t
F t2

( )

1 t =

'

Ft

F ' t1

F ' 't =o ,24 + i 24 (t)


Contoh perhitungan:
Nilai ramalan untuk bulan Febuari 2007:

NURUL AZIZAH SYARIF


AGREGAT

80

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
0,t= ( 483432 ) +1440=1491

1 t =

F feb 20052
F ' feb 2007

16612
F jan 2007=
1367=435
1440
'

F ' 't =o ,24 + i 24 ( 2 ) =2487+ ( 609 ( 2 ) )=3705

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

ft
1367
1611
1485
1608
1821
1809
2060
2002
2000
1791
1905
2173
1912
2044
2131
2081
2265
2256
2507
2364
2449
2280
2319
2648

.ft
410
483
446
482
546
543
618
601
600
537
572
652
574
613
639
624
680
677
752
709
735
684
696
794

(1-)ft-1
0
957
1128
1040
1126
1275
1266
1442
1401
1400
1254
1334
1521
1338
1431
1492
1457
1586
1579
1755
1655
1714
1596
1623

f't
1367
1440
1573
1522
1672
1817
1884
2043
2001
1937
1825
1985
2095
1952
2070
2116
2136
2262
2331
2464
2390
2398
2292
2418

.f't-1
410
432
472
457
502
545
565
613
600
581
548
596
628
585
621
635
641
679
699
739
717
719
688
725

(1-)ft'-1
0
957
1008
1101
1065
1170
1272
1319
1430
1401
1356
1278
1390
1466
1366
1449
1481
1495
1584
1632
1725
1673
1679
1604

ft^2/f't
1367
1802
1402
1699
1983
1801
2252
1962
1999
1656
1988
2378
1745
2141
2194
2047
2402
2250
2696
2268
2510
2168
2347
2900

aoit
1367
1491
1547
1548
1717
1815
1937
2030
2001
1893
1849
2042
2040
1979
2088
2106
2175
2260
2384
2434
2407
2363
2300
2487

ait
0
435
-38
126
461
129
435
78
-44
-346
51
553
-240
46
242
-24
286
114
434
-63
46
-222
-52
609

Tabel 16. Pola Trend Double Exponential Smoothing

Tabel 17. Ukuran Akurasi Pola Trend Double Exponential Smoothing


t (bulan)

ft

ft

(ft-ft)

ft-ft

(ft-ft)2

(ft-ft/ft)100

1912

10404

-8492

8492

72114064

-444.14

NURUL AZIZAH SYARIF


AGREGAT

ft-ft/ft x
100
444.14

81

f''t
3096
3705
4314
4923
5532
6141
6750
7359
7968
8577
9186
9795
10404
11013
11622
12231
12840
13449
14058
14667
15276
15885
16494
17103

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
2
3
4
5
6
7
8
9
10
11
12

2044
2131
2081
2265
2256
2507
2364
2449
2280
2319
2648

11013
11622
12231
12840
13449
14058
14667
15276
15885
16494
17103

-8969
-9491
-10150
-10575
-11193
-11551
-12303
-12827
-13605
-14175
-14455

8969
9491
10150
10575
11193
11551
12303
12827
13605
14175
14455

80442961
90079081
103022500
111830625
125283249
133425601
151363809
164531929
185096025
200930625
208947025

-137786

137786

1627067494

-438.80
-445.38
-487.75
-466.89
-496.14
-460.75
-520.43
-523.76
-596.71
-611.25
-545.88

438.8
445.38
487.75
466.89
496.14
460.75
520.43
523.76
596.71
611.25
545.88
6038

Maka, ukuran akurasi hasil peramalan:


A F t 137786
MAD= t
=
=11482
n
12

MSE=

MFE=
MAPE=

||

( A tF t )

1627067494
=135588938
12

( A tF t ) 137786
=
=11842
n

12

F
100
6038
At t =
=503.17
n
At
12

( )

NURUL AZIZAH SYARIF


AGREGAT

82

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
c. Regresi Linier
Rumus matematis yang digunakan:
f ( t )= + (t)
t

2
n t
2
t . f (t ) t t . f ( t )
=

n t 2
n t . f (t) t f (t )
=

Tabel 18. Regresi Linier Pola Trend


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

ft
1367
1611
1485
1608
1821
1809
2060
2002
2000
1791
1905
2173
1912
2044
2131
2081
2265
2256
2507
2364
2449
2280
2319
2648

t^2
1
4
9
16
25
36
49
64
81
100
121
144
169
196
225
256
289
324
361
400
441
484
529
576

tf(t)
1367
3222
4455
6432
9105
10854
14420
16016
18000
17910
20955
26076
24856
28616
31965
33296
38505
40608
47633
47280
51429
50160
53337
63552

= 300

= 48888

= 4900

= 660049

NURUL AZIZAH SYARIF


AGREGAT

87

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

n t 2
t 2 . f (t ) t t . f ( t )
=

300

( 24 x 4900 )
( 4900 x 48888 )( 300 x 660049 )

239551200198014700
11760090000

41536500
27600

1504.9

n t 2
n t . f ( t ) t f (t )
=

( 24 x 660049 )( 300 x 48888 )


( 24 x 4900 ) (300 )2

1584117614666400
11760090000

1174776
27600

42.5
Jadi, bentuk regresi liniernya adalah:
NURUL AZIZAH SYARIF
AGREGAT

88

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

f(t)
1548
2623
2666
2709
2752
2795
2838
2881
2924
2967
3010
3053
3096
3139
3182
3225
3268
3311
3354
3397
3440
3483
3526
3569

NURUL AZIZAH SYARIF


AGREGAT

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
f ( t )= + (t)
f ( t )=1504.9+ 42.5 x (t)

Maka nilai ramalan untuk bulan


Januari 2007, yaitu:
f ( 1 )=1504.9+ 42.5 x ( 1 )=1548
Maka nilai ramalan untuk bulan
Februari 2007, yaitu:
f ( 2 )=1504.9+42.5 x ( 2 )=2623

Tabel 19. Regresi Linier Pola


Trend

89

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

Tabel 20. Ukuran Akurasi Pola Trend Regresi Linier


t
(bulan)
1
2
3
4
5
6
7
8
9
10
11
12

ft

ft

(ft-ft)

ft-ft

(ft-ft)2

(ft-ft/ft)100

1912
2044
2131
2081
2265
2256
2507
2364
2449
2280
2319
2648

3096
3139
3182
3225
3268
3311
3354
3397
3440
3483
3526
3569

-1184
-1095
-1051
-1144
-1003
-1055
-847
-1033
-991
-1203
-1207
-921

1184
1095
1051
1144
1003
1055
847
1033
991
1203
1207
921

-61.92
-53.57
-49.32
-54.97
-44.28
-46.76
-33.79
-43.70
-40.47
-52.76
-52.05
-34.78

-12734

12734

1401856
1199025
1104601
1308736
1006009
1113025
717409
1067089
982081
1447209
1456849
848241
1365213
0

ft-ft/ft x
100
61.92
53.57
49.32
54.97
44.28
46.76
33.79
43.7
40.47
52.76
52.05
34.78
568

Maka, ukuran akurasi hasil peramalan:


At F t 12734
MAD=
=
=1061
n
12

NURUL AZIZAH SYARIF


AGREGAT

|| |

90

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

MSE=
MFE=
MAPE=

( A tF t )

13652130
=1137603
12

( A tF t ) 12734
=
=1061
n

12

F
100
568
At t =
=47.33
n
At
12

( )

B. Pengolahan Data Trial and Error


1. Pengumpulan Data
Biaya dan Asumsi
Perusahaan memprediksikan

kebutuhan

agregat

selama

setahun

mendatang sebagai berikut:


Januari
211

Februari
263

Maret
255

April
291

Mei
265

Juni
274

a. Biaya penjualan yang hilang karena persediaan yang kosong Rp.


150.000/unit
b. Biaya penyimpanan persediaan dalam 1 bulan Rp. 500.000
c. Hari kerja/bulan dari bulan Januari = 31 hari, Februari = 28 hari,
d.
e.
f.
g.
h.

Maret = 31 hari, April = 30 hari, Mei = 31 hari, Juni = 30 hari.


Biaya perekrutan tenaga kerja Rp. 250.000
Biaya PHK Rp. 500.000
Biaya subkontrak Rp.90.000/ unit produk6
Biaya tenaga kerja reguler Rp.100.000/unit dalam sehari
Biaya lembur Rp. 50.000/unit setiap satu orang

NURUL AZIZAH SYARIF


AGREGAT

91

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
i. Produktifitas 2 unit dalam 8 jam kerja /orang dalam sehari
Opsi Perencanaan Agregat
Asumsi A:
Pertahankan tenaga kerja stabil dengan mempertahankan tingkat produksi
yang sama dengan kebutuhan rata-rata dan membolehkan tingkat
persediaan yang beragam. Petakan permintaan dengan membuat sebuah
grafik yang menunjukan kebutuhan rata-rata. Lakukan analisa anda dari
Bulan Januari Juni.
Asumsi B:
Buat produksi konstan 230 unit/bulan yang akan memenuhi permintaan
maksimal. Kemudian gunakan subkontrak dengan unit tambahan.
Evaluasilah rencana ini dengan menghitung biaya dari bulan Januari
Juni.
Asumsi C:
Pertahankan tenaga kerja yang ada sekarang yang memproduksi 250
unit/bulan dan lakukan subkontrak untuk memenuhi sisa permintaan.
Evaluasi rencana ini.
2. Pengolahan Data
Diketahui:
Januari
211

Februari
263

BOC (Back Order Cost)


IC (Inventory cost)
HC (Hiring Cost)
FC (Firing Cost)
SC (Subcontract Cost)
NURUL AZIZAH SYARIF
AGREGAT

Maret
255

April
291

Mei
265

Juni
274

= Rp.150.000/unit
= Rp.500.000/unit/bulan
= Rp.250.000
= Rp.500.000
= Rp.90.000
92

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
BTK (Biaya Tenaga Kerja) = Rp.100.000/hari/pekerja
OC (Overtime Cost)
= Rp.50.000

c) Penyelesaian:
Produk ratarata ( A )

Jumlah tenaga kerja =

1
2
3
4
5
6

produksiJanuariJuni

= harikerjaJanuariJuni
=

211 +263+255+291+265+274
31+28+31+30+31+30+31

1559
181

A x waktu kerja per unit


8 jam/hari

8,61 4
8

34,44
8

Kapasitas:
Produksi bulan Januari
Produksi bulan Februari
Produksi bulan Maret
Produksi bulan April
Produksi bulan Mei
Produksi bulan Juni

NURUL AZIZAH SYARIF


AGREGAT

= 8,61

=4
= 31 x 8,61= 267
= 28 x 8,61= 241
= 31 x 8,61= 267
= 30 x 8,61= 258
= 31 x 8,61= 267
= 30 x 8,61= 258

93

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
1) Asumsi A
Tabel 21. Data Permintaan dan Kapasitas Asumsi A

Permintaa
n
Kapasitas

Januari

Februari

Maret

April

Mei

Juni

211

263

255

291

265

274

267

241

267

258

267

258

Grafik Permintaan dan Kapasitas


350
300
250
200
150
100
50
0
Januari

Februari

Maret
Permintaan

April

Mei

Juni

Kapasitas

Gambar 8. Grafik Permintaan dan Permintaan Asumsi A

NURUL AZIZAH SYARIF


AGREGAT

94

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Tabel 22. Asumsi A
Perubahan
Persediaan

Permintaan
Bulan

Produksi
(Unit)

JHK
(Unit)

Persediaan
Akhir

Biaya
Persediaan
Akhir
(Rp)

(Unit)
[produksipermintaaan
]

(Unit)

Penjualan
Hilang

Biaya Tenaga Kerja


(Rp)

[ P. Akhir x
IC ]

(Rp)
[boc x
perubahan
persediaan]

[JHK x BTK x
Jumlah Tenaga
Kerja ]

Januari

267

211

31

56

56

28.000.000

12.400.000

Februari

241

263

28

-22

34

17.000.000

11.200.000

Maret

267

255

31

12

46

23.000.000

12.400.000

April

258

291

30

-33

13

6.500.000

12.000.000

Mei

267

265

31

15

7.500.000

12.400.000

Juni

258

274

30

-16

-1

150.000

12.000.000

Jumlah

1558

1559

181

82.000.000

72.400.000

Biaya Produksi =

Biaya Persediaan+ Biaya Penjualan+ Biaya Tenaga Kerja

= 82.000.000 + 0 + 72.400.000 = 154.400.000

NURUL AZIZAH SYARIF


AGREGAT

94

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
2) Asumsi B
Tabel 23. Data Permintaan dan Kapasitas Asumsi B

Permintaa
n
Kapasitas

Januari

Februari

Maret

April

Mei

Juni

211

263

255

291

265

274

230

230

230

230

230

230

Grafik Permintaan dan Kpasitas


350
300
250
200
150
100
50
0
Januari

Februari

Maret
Permintaan

April

Mei

Juni

Kapasitas

Gambar 9. Grafik Permintaan dan Kapasitas Asumsi B

NURUL AZIZAH SYARIF


AGREGAT

96

Bulan

Produksi
Konstan
(Unit)

Januari

230

Februar
i
Maret

230
230

April

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN
FAKULTAS TEKNIK
Biaya Tenaga
Biaya
UNIVERSITAS
Kerja
Subkontrak HASANUDDIN

Permintaan
(Unit)`
JHK

211

Subkontrak

(Rp)

(Rp)

[JHK x BTK x
Jumlah Tenaga
Kerja ]

[ Subkontrak x
SC]

Persediaan
(Unit)

12.400.000

19

28

33

11.200.000

2.970.000

255

31

25

12.400.000

2.250.000

230

291

30

61

12.000.000

5.490.000

Mei

230

265

31

35

12.400.000

3.150.000

Juni

230

274

30

44

12.000.000

3.960.000

Jumlah

1380

1559

198

72.400.000

17.820.000

19

181
Tabel 24. Asumsi B

(Rp)

[Persediaan x IC

31

263

9.500.0000

9.500.000

Biaya Produksi =
Biaya Tenaga Kerja Reguler+ Biaya Subkontrak+ Biaya Persediaan
= 72.400.000 + 17.820.000+ 9.500.000
= 99.720.00

NURUL AZIZAH SYARIF


AGREGAT

Biaya Persediaan

98

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
3) Asumsi C
Tabel 25. Data Permintaan dan Kapasitas Asumsi C

Permintaa
n
Kapasitas

Januari

Februari

Maret

April

Mei

Juni

211

263

255

291

265

274

250

250

250

250

250

250

Grafik Permintaan dan Kapasitas


350
300
250
200
150
100
50
0
Januari

Februari

Maret
Permintaan

April

Mei

Juni

Kapasitas

Gambar 10. Grafik Permintaan dan Kapasitas Asumsi C

NURUL AZIZAH SYARIF


AGREGAT

98

Bulan

Produksi
Konstan
(Unit)

Januari
Februar
i
Maret

250

250

April

Permintaan
(Unit)

211

JHK

Subkontrak

Biaya Tenaga
Kerja

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
Biaya
Biaya Persediaan
UNIVERSITAS
HASANUDDIN
Subkontrak

(Rp)

(Rp)

[JHK x BTK x
Jumlah Tenaga
Kerja ]

[ Subkontrak x
SC]

31

12.400.000

28

13

11.200.000

1.170.000

255

31

12.400.000

450.000

250

291

30

41

12.000.000

3.690.000

Mei

250

265

31

15

12.400.000

1.350.000

Juni

250

274

30

24

12.000.000

2.250.000

Jumlah

1500

1559

181

108

72.400.000

8.910.000

250

263

Persediaan
(Unit)

(Rp)
[Persediaan x IC]

39

19.500.000

39

19.500.000

Tabel
26.

Asumsi C

Biaya Produksi =

Biaya Tenaga Kerja Reguler+ Biaya Subkontrak+ Biaya Persediaan

=72.400.000 + 8.910.000 + 19.500.000


= 100.810.000

NURUL AZIZAH SYARIF


AGREGAT

98

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
BAB IV
ANALISA PERHITUNGAN
A. Pembahasan Umum
1. Analisa Perhitungan Trial and Error
Asumsi A mengatakan bahwa pertahankan tenaga kerja stabil
dengan mempertahankan tingkat produksi yang sama dengan kebutuhan
rata-rata dan membolehkan tingkat persediaan yang beragam. Pada tabel
diatas didapatkan tenaga kerja yang stabil yakni 4 orang. Setelah
dilakukan pengolahan data, didapatkan hasil seperti pada table. Pada
asumsi A tidak didapatkan penjualan yang hilang namun mempunyai biaya
persediaan yang tinggi yaitu Rp 82.000.000,-, ditambah dengan biaya
tenaga kerja sebesar Rp 72.400.000,- sehingga didapatkan total biaya
produksi yaitu Rp 154.400.000,-.
Berbeda pada asumsi B yang mengatakan bahwa buat produksi
konstan 230 unit/bulan yang akan memenuhi permintaan maksimal.
Kemudian gunakan subkontrak dengan unit tambahan. Setelah dilakukan
perhitungan sesuai dengan asumsi tersebut didapatkan jumlah pemakaian
tenaga subkontrak dengan biaya subkontrak sebesar Rp 17.820.000,-.
Namun di samping itu terdapat pula jumlah persediaan sebanyak 19 unit
dengan biaya persediaan sebesar Rp 9.500.000. Dari hasil tersebut
didapatkan total biaya produksi sebesar Rp 99.720.000
Untuk asumsi C dikatakan bahwa pertahankan tenaga kerja yang
ada sekarang yang memproduksi 250 unit/bulan dan lakukan subkontrak
untuk memenuhi sisa permintaan. Untuk itu ketika didapatkan kekurangan
persediaan maka akan dilakukan subkontrak untuk memenuhi kebutuhan.

NURUL AZIZAH SYARIF


AGREGAT

100

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Setelah dilakukan perhitungan sesuai dengan asumsi tersebut didapatkan
jumlah pemakaian tenaga subkontrak dengan biaya subkontrak sebesar Rp
8.910.000,-. Namun di samping itu terdapat pula biaya persediaan sebesar
Rp 19.500.000,-. Dari hasil tersebut didapatkan total biaya produksi
sebesar Rp 100.810.000,-.
Dari ketiga asumsi tersebut, didapatkan total biaya
produksi

terkecil

yakni

pada

asumsi

sebesar

Rp

99.720.000,- dan biaya tertinggi pada asumsi A yaitu sebesar


Rp 154.400.000,-. Jadi asumsi yang baik dilakukan yakni
asumsi B.

B. Pembahasan Khusus
Perencanaan Produksi Agregat dan Kebutuhan Bahan Baku
Kertas Pada PT. Akcaya Pariwara
Perusahaan PT. Akcaya Pariwara telah membuat perencanaan produksi
akan tetapi perencanaan dibuat secara terpisah untuk masing-masing
produk. Disamping itu perusahaan tidak memiliki perencanaan pemesanan
bahan baku yang baik. Pemesanan bahan baku utama berupa kertas tidak
dijadwalkan secara baik, sehingga terjadi penumpukan bahan baku kertas
di ruang produksi yang menyebabkan ongkos simpan semakin besar.
Penempatan bahan baku kertas pada ruang produksi menyebabkan ruangan
menjadi semakin sempit, karena perusahaan tidak memiliki gudang

NURUL AZIZAH SYARIF


AGREGAT

101

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
penyimpanan bahan baku. Penyimpanan bahan baku yang kurang baik,
tentunya dapat menyebabkan bahan baku mudah rusak.
Hasil dari perecanaan produksi agregat digunakan sebagai dasar untuk
membuat perencanaan kebutuhan bahan baku kertas. Perencanaan
produksi agregat menggunakan metode linear programming sedangkan
perencanaan pemesanan bahan baku menggunakan metode lot for lot,
jumlah pesanan ekonomis dan jumlah pesanan tetap.
Berdasarkan data historis permintaan surat kabar pada bulan Januari
2009- Desember 2011, maka pola data yang dihasilkan membentuk pola
trend dan musiman (seasonal). Metode peramalan yang digunakan dari
pola data yang terbentuk adalah moving average with trend, single
exponential smoothing with trend, double exponential smoothing with
trend, dan winters model. Hasil peramalan terbaik dari permintaan surat
kabar Pontianak Post dan Kapuas Post, untuk bulan Januari-Desember
2012 menggunakan single exponential smoothing with trend, dan surat
kabar Kun Dian Ri Bao menggunakan double exponential smoothing with
trend, pemilihan metode tersebut berdasarkan kriteria kesalahan MAD,
MSE, dan MAPE.
Data peramalan yang dihasilkan dalam data yang digunakan
menunjukkan data peramalan menggunakan pola trend, dengan hasil
sebagai berikut:

NURUL AZIZAH SYARIF


AGREGAT

102

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Kun Dian
Hasil
Bulan Pontianak Post Kapuas Post
RiBao
1
33615
7725
4087
2
33695
7733
4125
3
33776
7742
4163
4
33857
7750
4200
5
33938
7758
4238
6
34019
7766
4276
7
34100
7775
4314
8
34181
7783
4352
9
34262
7791
4389
10
34343
7800
4427
11
34424
7808
4465
12
34505
7816
4503
Peramalan Surat Kabar Menggunakan Metode Double Exponential
Smoothing With Trend Tahun 2012

NURUL AZIZAH SYARIF


AGREGAT

103

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

P ontianak P ost
34600
34400
34200
34000
33800
33600
33400
33200
33000

10

11

12

Grafik

Kapuas P ost
7840
7820
7800
7780
7760
7740
7720
7700
7680
7660

NURUL AZIZAH SYARIF


AGREGAT

10

11

12

104

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN

Kun Dian RiBao


4600
4500
4400
4300
4200
4100
4000
3900
3800

10

11

12

Dari ketiga data diatas dapat dilihat bahwa data peramalan


menghasilkan pola trend. Dimana data peramalan kecenderungan naik
secara terus-menerus.
BAB V
PENUTUP
A. Kesimpulan
1. Perencanaan agregat atau penjadwalan agregat adalah perencanaan
yang dilakukan untuk mengatur penyesuaian kapasitas produksi dan
sumberdaya terhadap permintaan untuk mencapai biaya yang
seminimal mungkin. Peramalan permintaan ada yang berjangka
pendek, menengah dan panjang. Pada umumnya, perencanaan agregat
disusun untuk rencana jangka menengah yaitu antara 3 sampai 12
bulanan.

NURUL AZIZAH SYARIF


AGREGAT

105

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
2. Tujuan dari perencanaan agregat adalah untuk mempersiapkan
rencana produksi mulai dari tingkat agregat pada seluruh aktivitas
diperusahaan industry hingga meliputi perkiraan pasar dan proyeksi
penjualan.
3. Metode dalam penyusunan agregat terdiri atas dua metode yaitu
metode kualitatif dan metode kuantitatif. Metode kualitatif terbagi
atas delapan yaitu Metode Delphi, Dugaan Manajemen, Gabungan
Pendapatan Armada Penjualan, Riset Pasar, Metode Kelompok
Terstruktur, Analogi Historis, Pendekatan Naif. Sedangkan metode
kuantitatif dibedakan menjadi dua bagian yaitu Metode Time Series,
dan Metode Kausal. Time Series terdiri dari Moving Average dan
Exponential dan Metode Kausal terdiri dari Regresi, Ekonometrika
dan Input-Output.
4. Ongkos-ongkos yang terlibat dalam perencanaan agregat yaitu Hiring
Cost, Firing Cost, Overtime Cost, Inventory Cost, Subcontract, Under
Time Cost, dan Back Order Cost.
5. Strategi dalam perancangan agregat terdiri dari:
a. Pilihan Kapasitas yang terdiri dari mengubah tingkat persediaan,
meragamkan jumlah tenaga kerja, meragamkan tingkat produksi
melalui lembur atau waktu kosong, sub kontrak, dan penggunaan
karyawan paruh waktu.
b. Pilihan permintaan yang meliputi mempengaruhi permintaan,
Tunggakan pesanan selama periode permintaan tinggi, perpaduaan
produk dan jasa yang counterseasonal.
c. Strategi Campuran yang meliputi Strategi perburuaan, dan strategi
penjadwalan bertingkat.

NURUL AZIZAH SYARIF


AGREGAT

106

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
B. Saran
1. Untuk Asisten
Sebaiknya kak Anom juga ikut menjelaskan pada saat perhitungan
diberikan. Cara menjelaskan kak Anom sudah sangat baik, semoga lain
kali TDnya bisa dikurangi kak, terima kasih banyak bimbingannya kak
2. Untuk Laboratorium
Sebaiknya asistensi dilakukan pada saat tidak ada kuliah di Gowa agar
praktikan tidak bolak-balik Gowa-Tamalanrea.

DAFTAR PUSTAKA
Aulia Octaviani, Itsna. et al. 2007. Perencanaan Produksi Agregat Produk
Tembakau Rajang PO1 dan PO2 di PT. X. Skripsi Program Studi Teknik
Industri Fakultas Teknik iUniversitas Brawijaya. Malang.
Baroto, Teguh. 2002. Perencanaan dan Pengendalian Produksi. Jakarta: Ghalia
Indonesia.
Dwi Cahyono, Doni. 2009. Perencanaan Produksi Disagregasi. Skripsi. Jurusan
Teknik Industri Fakultas Teknologi Industri Universitas Gunadarma. Jakarta.
Fenji,
Bryan.
2012.
Sifat
Perencanaan
Agregat.
https://www.scribd.com/doc/85965632/sifat-PerencanaanAgregat#scribd.Oktober 2015.

Tersedia:

Hakim Nasution, Arman dan Yudha Prasetyawan. 2008. Perencanaan dan


Pengendalian Produksi. Graha Ilmu: Yogyakarta.
Makridatis, Spyros. et al. 1999. Forecasting: Methods and Applications (2nded.)
Mukti, Agung Sedayu Wibowo. 2013. Penerapan Metode Goal Programming
Untuk Optimasi Perencanaan Produksi Menggunakan Software Lindo 6.1
Pada CV. Risna Mandiri. Skripsi pada Fakultas Matematika dan Ilmu
Pengetahuan Alam UNS. Semarang.
Putra, Alamsyah, dkk. 2013. Laporan Akhir LAB PTI3. Universitas Hasanuddin.
Makassar.
Sukendar, Irwan dan Riki Kristomi. 2008. Metoda Agregat Planning Heuristik
Sebagai Perencanaan dan Pengendalian Jumlah Produksi Untuk Meminimasi
Biaya. Skripsi Jurusan Teknik Industri Fakultas Teknologi Industri
Universitas Islam Sultan Agung. Semarang.
NURUL AZIZAH SYARIF
AGREGAT

107

LABORATORIUM SISTEM MANUFAKTUR


PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN MESIN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
Soedjianto, Felicia. et al. 2006. Perancangan dan Pembuatan Sistem Perencanaan
Produksi Studi Kasus Pada PT. Vonita Garment. Skripsi Fakultas Teknologi
Industri Universitas Kristen Petra. Yogyakarta.
Sofyan, Diana Hairani. 2013. Perencanaan dan Pengendalian Produksi:
Yogyakarta.
Yamit, Zulian. 2005. Manajemen Persediaan. Ekonisia: Yogyakarta.

NURUL AZIZAH SYARIF


AGREGAT

108