TUGAS INDIVIDU

PERENCANAAN DAN PENGENDALIAN PRODUKSI

(Production Planning and Inventory Control)

DOSEN PEMBIMBING : RINI ALFATIYAH ST.,MT.

Muthia Kamila
2013080584
06TIDPA

FAKULTAS TEKNIK
TEKNIK INDUSTRI
UNIVERSITAS PAMULANG
2016

KATA PENGANTAR

Segala puji hanya milik Allah SWT. Shalawat dan salam selalu tercurahkan
kepada Rasulullah SAW. Berkat limpahan dan rahmat-Nya penulis mampu
menyelesaikan tugas ini. Tugas ini disusun agar pembaca dapat memperluas ilmu
tentang PPIC (Production Planning and Inventory Control) yang penulis sajikan
berdasarkan pengamatan dari berbagai sumber informasi, referensi, dan buku
panduan. Tugas ini di susun oleh penulis dengan berbagai rintangan. Baik itu yang
datang dari diri penyusun maupun yang datang dari luar. Namun dengan penuh
kesabaran dan terutama pertolongan dari Allah akhirnya tugas ini dapat terselesaikan.
Semoga tugas ini dapat memberikan wawasan yang lebih luas dan menjadi
sumbangan pemikiran kepada pembaca khususnya para mahasiswa Universitas
Pamulang. Penulis sadar bahwa tugas ini masih banyak kekurangan dan jauh dari
sempurna. Untuk itu, penulis meminta masukannya demi perbaikan pembuatan tugastugas yang lainnya di masa yang akan datang dan mengharapkan kritik dan saran dari
para pembaca.

Depok, 19 Mei 2016

Muthia Kamila

DAFTAR ISI

Kata Pengantar . i
Daftar Isi .. ii
Model Forecasting
I. Rata-rata Bergerak ...
II. Rata-rata bergerak Terbobot ...
III. Pemulusan Eksponensial .........
IV. Analisis garis kecendrungan ....
V. Pemulusan eksponensial dengan
mempertimbangkan kecendrungan ...............................................
VI. Peramalan Dengan Mempertimbangkan Pengaruh Musiman
Dalam Data Permintaan ....

1
3
4
7
9
11

Tugas Kanban
VII.

Penentuan jumlah kartu kanban .

16

MODEL PERAMALAN
I.

MODEL RATA-RATA BERGERAK

Data permintaan produk A tahun 2016

Bulan
April
May
June
July
August
September
October
November
December
January
February
March
April

Indeks
waktu
(t)
1
2
3
4
5
6
7
8
9
10
11
12
13

Permintaan
Aktual
(A)
334
357
354
414
400
401
354
359
364
339
409
414
???

1. Perhitungan berdasarkan model rata-rata bergerak 3 dan 4 periode

Bulan
April
May
June

t
1
2
3

A
334
357
354

July

414

=((354)+(357
)+(334))/3 =
348.33

August

400

375.00

=((354)+(357)+(334)+
(414))/4 = 364.75

401

389.33

381.25

7
8
9
10
11
12
13

354
359
364
339
409
414

405.00
385.00
371.33
359.00
354.00
370.67
387.33

392.25
392.25
378.5
369.5
354
367.75
381.5

Septembe
r
October
November
December
January
February
March
April

FM3

FM4

2. Nilai MAD untuk MA(3) dan MA(4)

Bulan

FM3

Absolute FM3

FM4

Absolute FM4

juli

414

August

400

Septembe
r

401

October

November

348.3
3
375.0
0

[414-348.33]=
65.67

25.00

364.75

389.3
3

11.67

381.25

354

405.0
0

51.00

392.25

359

385.0
0

26.00

392.25

December

364

371.3
3

7.33

378.5

January

10

339

359.0
0

20.00

369.5

February

11

409

354.0
0

55.00

354

March

12

414

370.6
7

43.33

367.75

33.89

[400364,75]=
35.25
19.75

38.25

33.25

14.50

30.50

55.00

46.25
34.09

3. Tracking Signal dari model peramalan MA (3) (terkecil)

RSFP
Kumula
tif

Perio
de

Error

3
48.3
3

41
4

414384,3
3=
65.67

65.67

40
0

25.00

90.67

40
1

11.67

102.33

35
4

-51.00

51.33

-26.00

25.33

2
3
4
5

3
75.0
0
3
89.3
3
4
05.0
0
3
85.0

35
9

Absolu
te
Error
[65,67
]=
65.67
25.00
11.67
51.00
26.00

Kumulati
f

MAD

Tracking
Signal

65.67

65,
67/1=
65.67

90.67

45
.33

2.00

102.33

34
.11

3.00

153.33

38
.33

1.34

35

0.71

179.33

65,67/65,67
=1.00

.87

0
3
71.3
3
3
59.0
0
3
54.0
0
3
70.6
7

6
7
8
9

II.

36
4

-7.33

18.00

33
9

-20.00

-2.00

40
9

55.00

53.00

41
4

43.33

96.33

7.33
20.00
55.00
43.33

186.67

31
.11

0.58

206.67

29
.52

-0.07

261.67

32
.71

1.62

305.00

33
.89

2.84

MODEL RATA-RATA BERGERAK TERBOBOT

1. Perhitungan berdasarkan Model Weight MA (3) dan (4)
Bulan
April
May
June

t
1
2
3

A
334
357
354

FM3

July

414

=((354)+(357)+(3
34))/6=
351.67

August

400

384.50

=((354)+(357)+(33
4)+(414))/10 =
376.6

401

397.00

390.7

354

402.83

398.6

359

377.33

383.3

364

364.33

370

10
11
12
13

339
409
414

360.67
350.67
378.17
399.83

364.2
352
374
392.5

Septemb
er
October
Novemb
er
Decemb
er
January
February
March
April

FM4

2. Tracking signal dari model peramalam Weight MA (4)

Period
e

F,
WMA
4

Error

376.

40

23.4

RSFP
Kumula
tif

Absolute
Error

23.40

Kumulati
f

MAD

23,40/1=
3

Tracking
Signal

390.
7

40
1

398.
6

35
4

383.
3

35
9

10.3
0
44.6
0
24.3
0

370.
0

36
4

6
7
8

364.
2

33
9

352.
0
374.
0

40
9
41
4

33.70
-10.90
-35.20

-6.00

-41.20

25.2
0
57.0
0
40.0
0

-66.40
-9.40
30.60

[23,40]=
23.40

23.40

10.30

33.70

44.60

78.30

24.30

102.60

6.00

108.60

25.20

133.80

57.00

190.80

40.00

230.80

23.40
16.85

-0.42
25.65
-1.37
21.72

-2.98
27.26
28.85

4
3
2

-1

UCL
LCL
1

9 10 11 12

Tracking Signal

-2
-3
-4
-5

4. Grafik data Akutual Dan Ramalan Berdasarkan WMA(4)

-1.90

22.30

2.00

26.10

3. Grafik Peta Control Tracing Signal Dari Peramalan Model Weight MA(4)

MAD/AS=1
.00

-0.34
1.06

Bulan

(F,ES a:0.9)

(F,ES a:0.95)

April
May
June
July
August
September
October
November
December
January
February
March
April

1
2
3
4
5
6
7
8
9
10
11
12
13

334
357
354
414
400
401
354
359
364
339
409
414

374.92
338.09
355.11
354.11
408.01
400.80
400.98
358.70
358.97
363.50
341.45
402.24
412.82

374.92
336.05
356.05
354.06
411.01
400.40
400.99
356.35
358.98
363.75
340.22
405.62
413.41

374.92

900
800
700
600
500
Permintaan WMA4

400

Permintaan Aktual

300
200
100
0

III.

MODEL PEMULUSAN EKSPONENSIAL

1. Perhitunagn berdasarkan model ES ( = 0,9) dan ( = 0,95)

F,ES = 0,9 Periode 2 = 374,92 +(0,9*(334-374,92))= 338,09

F,ES = 0,95 Periode 2 = 374,92 +(0,95*(334-374,92))= 336,05
5

2. Nilai absolute dari masing masing model ES

(F,ES
a:0.9)

A
334
357
354
414
400
401
354
359
364
339
409
414

374.92
338.09
355.11
354.11
408.01
400.80
400.98
358.70
358.97
363.50
341.45
402.24
412.82

374.91
67

(F,ES
a:0.95)

ABSOLUTE
[334374,92]=40.92
18.91
1.11
59.89
8.01
0.20
46.98
0.30
5.03
24.50
67.55
11.76

374.92
336.05
356.05
354.06
411.01
400.40
400.99
356.35
358.98
363.75
340.22
405.62
413.41

ABSOLUTE
[334-374,92]=
40.92
20.95
2.05
59.94
11.01
0.60
46.99
2.65
5.02
24.75
68.78
8.38

23.76

24.34

3. Tracking signal dari peramalan

P
1
2
3
4
5
6
7
8
9
1
0

F
374.
92
338.
09
355.
11
354.
11
408.
01
400.
80
400.
98
358.
70
358.
97
363.
50

Error

RSFE

Absolute

Kumulatif
Absolute Error

MAD

Tracking
Signal

334

-40.92

-40.92

40.92

40.92

40.92

-1.00

357

18.91

-22.01

18.91

59.83

29.91

-0.74

354

-1.11

-23.12

1.11

60.93

20.31

-1.14

414

59.89

36.77

59.89

120.82

30.21

1.22

400

-8.01

28.76

8.01

128.83

25.77

1.12

401

0.20

28.96

0.20

129.03

21.51

1.35

354

-46.98

-18.02

46.98

176.01

25.14

-0.72

359

0.30

-17.72

0.30

176.32

22.04

-0.80

364

5.03

-12.69

5.03

181.35

20.15

-0.63

339

-24.50

-37.19

24.50

205.84

20.58

-1.81

1
1
1
2

341.
45
402.
24

4.

409

67.55

30.36

67.55

273.39

24.85

1.22

414

11.76

42.12

11.76

285.15

23.76

1.77

Error periode 1= 334-374,92 = -40,92

RSFE periode 2 = -40,92+18,91 = -22,01
Absolute = [40,92] = 40,92
Kumulatif absolute error :periode 2 = 40,92+18,91=59,83
MAD = 40,92 / Periode ke-n
Tracking signal = MAD / RSFE = 40,92/-40,92
Grafik Peta Control Tracing Signal Dari Peramalan Model ES = 0,9
5
4
3
2
UCL

LCL

0
-1

10

11

12

-2
-3
-4
-5

5.

Grafik data aktual dan ramalan berdasarkan ES = 0,9

Tracking Signal

Periode waktu (bulan)

450
400
350

Nilai Aktual dan Ramalan

300

Permintaan Aktual

250

(F,ES a:0.9)

200

Permintaan Aktual

150

(F,ES a:0.9)

100
50
0

IV.

MODEL ANALISIS GARIS KECENDRUNGAN

1. Perhitungan Untuk Model Analisis Garis Kecendrungan

Bulan

tA

April
May
June
July
August
Septem
ber
October
Novemb
er
Decemb
er
January
February
March

rata-rata

1
2
3
4
5

334
357
354
414
400

1 x 334 = 334
2x 357= 714
1062
1656
2000

1 = 1
4
9
16
25

6
7

401
354

2406
2478

36
49

359

2872

64

9
10
11
12
78
6.5

364
339
409
414
4499
374.92

3276
3390
4499
4968
29655

81
100
121
144
650

2. Peramalan Permintaan Berdasarkan Model Ft = a + bt

8

(tA-n(t-bar)(A-bar))/(t^2- n (t-bar))
(29655- 12(6,5)(374,92 )) /(650-12(6,65) =
A-bar b (t-bar)
374,92 2,88(6,5) = 356.21

b=
a=
Ft=

2.88

356.21+2.88 t

Bulan
April
May
June
July
August
Septembe
r
October
November
December
January
February
March
april

t
1
2
3
4
5

A
334
357
354
414
400

Ft=a+bt
356.21+2.88 (1) = 359.09
361.97
364.85
367.73
370.61

401

373.49

7
8
9
10
11
12
13

354
359
364
339
409
414

376.37
379.25
382.13
385.01
387.89
390.77
393.65

3. Tracking signal dari model Ft = a + bt

P
1
2
3
4
5
6
7
8

F
359.0
9
361.9
7
364.8
5
367.7
3
370.6
1
373.4
9
376.3
7
379.2
5

Error

RSFE

Absolut
e

Kumulatif
Absolute Error

334

-25.09

-40.92

40.92

40.92

357

-4.97

-45.89

18.91

59.83

354

-10.85

-56.74

1.11

60.93

414

46.27

-10.47

59.89

120.82

400

29.39

18.92

8.01

128.83

401

27.51

46.43

0.20

129.03

354

-22.37

24.06

46.98

176.01

359

-20.25

3.81

0.30

176.32

MAD
40.9
2
29.9
1
20.3
1
30.2
1
25.7
7
21.5
1
25.1
4
22.0
4

TRACKING
SIGNAL
-1.00
-1.53
-2.79
-0.35
0.73
2.16
0.96
0.17

9
1
0
1
1
1
2

382.1
3
385.0
1
387.8
9
390.7
7

364

-18.13

-14.32

5.03

181.35

339

-46.01

-60.33

24.50

205.84

409

21.11

-39.22

67.55

273.39

414

23.23

-15.99

11.76

285.15

V.

20.1
5
20.5
8
24.8
5
23.7
6

Error periode 1= 334-359,09 = -25,09

RSFE periode 2 = -40,92+(-4,97) = -45,89
Absolute = [40,92] = 40,92
Kumulatif absolute error :periode 2 = 40,92+18,91=59,83
MAD = 40,92 / Periode ke-n
Tracking signal = MAD / RSFE = 40,92/-40,92

MODEL PEMULUSAN EKSPONENSIAL DENGAN

MEMPERTIMBANGAKAN KECENDRUNGAN

1. Peramalan permintaan berdasarkan model EST

Bulan

FIT

April
May
June
July
August
September
October
November
December
January
February
March
APRIL

1
2
3
4
5
6
7
8
9
10
11
12
13

334
357
354
414
400
401
354
359
364
339
409
414

395.00
352.30
355.59
354.48
396.14
398.84
400.35
367.91
361.67
363.30
346.29
390.19
406.86

0
-8.54
-6.17
-5.16
4.20
3.90
3.42
-3.75
-4.25
-3.07
-5.86
4.09
6.61

360.84
361.76
359.64
391.94
394.94
396.93
371.66
365.92
366.37
352.15
386.10
400.25

Ramalan tanpa Tren (F) periode 2 = 395+0.7*(334-395)

Tren (T) =((1-0.2)*0)+(0.2*(352,3-395))

10

-0.71
-2.93
-1.58
-0.67

Ramalan EST = F + T = 352,3- (-8,54)

2. Tracking signal berdasarkan model EST

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

F
395.
00
352.
30
355.
59
354.
48
396.
14
398.
84
400.
35
367.
91
361.
67
363.
30
346.
29
390.
19

ERROR

RSFE

Absolut
e

Kumulatif
absolute
error

MAD

Tracking
signal

334

-61.00

-40.92

40.92

40.92

40.92

-1.00

357

4.70

-36.22

18.91

59.83

29.91

-1.21

354

-1.59

-37.81

1.11

60.93

20.31

-1.86

414

59.52

21.72

59.89

120.82

30.21

0.72

400

3.86

25.57

8.01

128.83

25.77

0.99

401

2.16

27.73

0.20

129.03

21.51

1.29

354

-46.35

-18.62

46.98

176.01

25.14

-0.74

359

-8.91

-27.53

0.30

176.32

22.04

-1.25

364

2.33

-25.20

5.03

181.35

20.15

-1.25

339

-24.30

-49.50

24.50

205.84

20.58

-2.40

409

62.71

13.21

67.55

273.39

24.85

0.53

414

23.81

37.02

11.76

285.15

23.76

1.56

Error periode 1= 334-359,00 = -61,00

RSFE periode 2 = -40,92+(4,70) = -36,22
Absolute = [40,92] = 40,92
Kumulatif absolute error :periode 2 = 40,92+18,91=59,83
MAD = 40,92 / Periode ke-n
Tracking signal = MAD / RSFE = 40,92/-40,92

3. Grafik Peta Control Tracing Signal Dari Peramalan Model EST

11

5
4
3

UCL

LCL

Tracking Signal

0
-1

UCL
1

10 11 12

LCL
Tracking Signal

-2
-3
-4
-5

4.

Grafik data aktual dan ramalan berdasarkan EST

F
A
I
T

VI.

MODEL PERAMALAN DENGAN MEMPERTIMBANGKAN

PENGARUH MUSIMAN DALAM DATA PERMINTAAN

1. Data actual permintaan produk A selama Periode 2015-2016

Bulan

May' 14 April' 15

May' 15 April' 16

May
June

199
204

194
199

July
August
September
October
November
December
January
February
March

219
209
224
225
211
219
217
225
220

204
209
214
217
224
226
219
223
217

12

April

229

213

2. Perhitungan Indeks Musiman Untuk Permintaan Produk A

Bulan

Permintaan
Aktual

Rata-rata
Permintaan
2014-2015

Rata-rata
Permintaa
n Per
Bulan*)

Indeks
Musim

2014

2015

May

199

194

(199+194)/2=
197

215

197/215 =
0.914

June
July
August
Septembe
r
October
Novembe
r
December
January
February
March
April
Total
Rata-rata

204
219
209

199
204
209

202
212
209

215
215
215

0.937
0.984
0.972

224
225

214
217

219
221

215
215

1.019
1.028

211
219
217
225
220
229

224
226
219
223
217
213

218
223
218
224
219
221
2580
2580/12= 215

215
215
215
215
215
215

1.012
1.035
1.014
1.042
1.016
1.028
12.000

13

3. Perhitungan Untuk Model Analisis Garis Kecendungan

Periode
20142015

Indeks Waktu,
t

Permintaan
Aktual, A

May-14

199

June
July
August
Septembe
r
October
November
December
January
February
March
April
May-15
June
July
August
Septembe
r
October
November
December
January
February
March
April
Total

2
3
4

204
219
209

1x 199=
199
2x2014=
408
657
836

5
6
7
8
9
10
11
12
13
14
15
16

224
225
211
219
217
225
220
229
194
199
204
209

1120
1350
1477
1752
1953
2250
2420
2748
2522
2786
3060
3344

25
36
49
64
81
100
121
144
169
196
225
256

17
18
19
20
21
22
23
24
300

3638
3906
4256
4520
4599
4906
4991
5112
64810

289
324
361
400
441
484
529
576
4900

Rata-rata

300/24= 12.5

214
217
224
226
219
223
217
213
5160
5160/12=
215

14

tA

^2
1= 1
4
9
16

4. Peramalan permintaan berdasarkan model Ft = a + bt setelah dikoreksi

terhadap pengaruh musiman menggunakan indeks musim
b = ( ( -bar)(-bar)/((-bar)
(6481024(12,5)(215)/(490024(12,5) = 0,27
a = ar - b(-bar ) = 2150,27(12,5) = 211,625
Ft = a + bt = 211,625 + 0,27 (t)

Indeks
Musim

Nilai Trend
Berdasarkan
Model F =
211.625 +
0.27t

Nilai
Ramalan
Setelah
Dikoreksi, F*

199
204

0.914
0.937

211.895
212.165

194
199

219
209
224
225
211
219
217
225
220
229
194
199
204
209
214
217
224
226
219
223
217
213

0.984
0.972
1.019
1.028
1.012
1.035
1.014
1.042
1.016
1.028
0.914
0.937
0.984
0.972
1.019
1.028
1.012
1.035
1.014
1.042
1.016
1.028
0.914
0.937
0.984
0.972
1.019

212.435
212.705
212.975
213.245
213.515
213.785
214.055
214.325
214.595
214.865
215.135
215.405
215.675
215.945
216.215
216.485
216.755
217.025
217.295
217.565
217.835
218.105
218.375
218.645
218.915
219.185
219.455

209
207
217
219
216
221
217
223
218
221
197
202
212
210
220
223
219
225
220
227
221
224
200
205
215
213
224

Periode
Waktu 20142016

Indeks
Waktu, t

Permintaan
Aktual, A

May-14
June

1
2

July
August
September
October
November
December
January
February
March
April
May-15
June
July
August
September
October
November
December
January
February
March
April
May-16
June
July
August
September

3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

15

October
November
December
January
February
March
April

5.

30
31
32
33
34
35
36

1.028
1.012
1.035
1.014
1.042
1.016
1.028

219.725
219.995
220.265
220.535
220.805
221.075
221.345

226
223
228
224
230
225
228

Ft periode 1 = 211,625 + 0,27 (1)

Nilai ramalan setelah dikoreksi F* = 211.895 x 194
Grafik data aktual dan ramalan permintaan periode 2014-2016

240
230
220
210
Permintaan Aktual

200

Nilai Ramalan Setelah

Dikoreksi, F*

190
180
170

16

17

VII.

PENENTUAN JUMLAH KARTU KANBAN

Permintaan Harian x Waktu Tunggu x Faktor Pengaman
Ukuran Lot

Banyak kanban =

Post
Kerja
1
2
3
4
5
6
7
8
9
10

Part

Perminta
an

Permintaan
Harian

LT
Mingg
u

LT
Hari

Safety
factor

Lot
size

A
B
C
D
E
F
G
H
I
J

96000
97000
98000
99000
101000
10400
10900
9900
10100
10300

4000
4042
4083
4125
4208
2080
2180
1980
2020
2060

5
5
6
6
6
7
5
5
5
5

25
25
30
30
30
35
25
25
25
25

1.25
1.25
1.5
1.5
1.75
1.75
1.75
1.5
1.5
1.25

16
16
16
14
14
28
28
28
24
24

Post kerja 1 Part A

Permintaan harian =

Banyak kanban =

96000
=4000
24
4000 x 25 x 1,25
=7813
16

18

Banya
k
kanba
n
7813
7894
11484
13259
15781
4550
3406
2652
3156
2682

Kanba
n
Produk
si
6250
6315
7656
8839
9018
2600
1946
1768
2104
2146

Kanban
Pengam
an

jumla
h
(cek)

1563
1579
3828
4420
6763
1950
1460
884
1052
536

7813
7894
11484
13259
15781
4550
3406
2652
3156
2682

 Kanban produksi =

Kanban pengaman =

1
x 7813=6250
kartu
1,25
0,25
x 7813=1563
1,25

kartu

Artinya, Kanban produksi terdapat 6250 kartu. 1 kartu = 16 lot

6250 x 16 = 10.000 unit
Kanban pengaman terdapat 1563 katu x 16 = 25.008 unit.

19