Tugas Besar PPC

TUGAS BESAR 2017
Perencanaan & Pengendalian Produksi

BAB I
PENDAHULUAN
1.1 Latar Belakang

Saat ini dunia industri semakin berkembang dan mengalami kemajuan. Hal ini
menuntut perusahaan untuk membuat suatu sistem yang lebih efektif dan
efisien. Sistem yang efektif dan efisien tentunya akan dapat meningkatkan
keuntungan yang diperoleh perusahaan baik dari segi produksi maupun dalam
keseluruhan perusahaan.
Dalam sistem manufaktur maupun non manufaktur, adanya persediaan

merupakan faktor yang memicu peningkatan biaya. Meskipun demikian
persediaan tetap diperlukan karena kondisi nyata dari permintaan dapat
bersifat tidak pasti.Sebagai contohnya PT. Leid Electronics yang bergerak
di sektor industri manufaktur dengan berbagai tipe notebook yang
komponennya dapat disesuaikan dengan permintaan konsumen.
Komponen-komponen yang ada dipatenkan spesifikasinya dan
memungkinkan pasar untuk memilih fitur dalam notebook yang
diinginkan.Pelanggan mempercayai LEID Electronics untuk memberikan solusi
teknologi yang membantu mereka melakukan dan menyelesaikan lebih banyak,
apakah mereka beraa di rumah, tempat kerja, sekolah atau dimana saja di dunia
pelanggan.
Menetapkan jumlah persediaan komponen yang terlalu banyak akan

mengakibatkan pemborosan biaya penyimpanan, sedangkan menetapkan jumlah
persediaan yang terlalu sedikit juga berakibat hilangnya kesempatan untuk
mendapatkan keuntungan apabila permintaan nyata melebihi permintaan yang
diperkirakan. Untuk menganalisa permintaan akan produk maupun jasa di masa
yang akan datang dibutuhkan peramalan untuk estimasi produksi yang akan
dilakukan.
1.2 Rumusan Masalah

Rumusan masalah pada studi kasus ini adalah:
1. Apa metode peramalan yang digunakan untuk menyelesaikan permasalahan
pada PT Leid Electronics?
2. Bagaimana cara melakukan perencanaan agregat pada PT Leid electronics?
3. Bagaimana cara menyusun MPS dan MRP dalam melakukan penjadwalan
produksi?
4. Bagaimana cara penyusunan EOQ sebelum melakukan proses produksi?
Institut Teknologi Medan

1
TUGAS BESAR 2017
1.3 Tujuan
Tujuan dari studi kasus ini adalah:
1. Mengetahui metode peramalan yang digunakan untuk menyelesaikan
permasalahan pada PT Leid Electronics.
2. Mengetahui perencanaan agregat pada PT. Leid Electronics
3. Mengetahui cara penyusunan Master Production Schedule dan Material
Requirement Planning
4. Mengetahui cara penyusunan EOQ
1.4 Manfaat
Manfaat dari studi kasus ini adalah:
1. Dapat mangetahui metode peramalan yang digunakan untuk menyelesaikan
permasalahan PT Leid Electronics
2. Dapat mengetahui perencanaan agregat pada PT. LEID Electronics.
3. Dapat mengetahui cara penyusunan Master Production Schedule dan
Material Requirement Planning
4. Dapat mengetahui cara penyusunan EOQ
1.5 Batasan
1. Horison perencanaan yang dilakukan selama 6 bulan kedepan
1.6 Asumsi
Adapun asumsi yang digunakan dalam studi kasus ini adalah sebagai berikut.
1. Seluruh data yang diperoleh dari pihak perusahaan dianggap benar.
2. Seluruh data diasumsikan berdistribusi normal.
3. Seluruh mesin dan pekerja dalam keadaan normal.

2
TUGAS BESAR 2017
BAB II
TINJAUAN PUSTAKA
2.1 Perencanaan dan Pengendalian Produksi

Perencanaan dan pengendalian produksi dapat didefinisikan sebagai proses
untuk merencanakan dan mengendalikan aliran material yang masuk, mengalir
dan keluar dari sistem produksi/operasi sehingga permintaan pasar dapat
dipenuhi dengan jumlah yang tepat, waktu penyerahan yang tepat, dan biaya
produksi minimum. Dari definisi di atas, maka pekerjaan yang terkandunng
dalam PPC secara garis besar dapat dibedakan menjajdi dua hal yang saling
berkaitan, yaitu: perencanaan produksi dan pengendalian produksi
Perencanaan produksi dilakukan dengan tujuan menentukan arah awal
tindakan-tindakan yang harus dilakukan dimasa mendaatang, apa yang hahrus
dilakukan, berapa banyak melakukannya, dan kapan harus melakukan. Karena
perencanaan ini berkaitan dengan masa mendatang, maka perencanaan harus
disusun atas dasar perkiraan yang dibuat berdasarkan data masa lalu dengan
menggunakan beberapa asumsi. Oleh karena itu perencanaan tidak selalu
memberikan hasil sebagaimana yang diharapkan dalam rencana tersebut,
sehingga setiap perencanaan yang harus dibuat harus dievaluasi secara berkala
dengan jalan melakukan pengendalian.
Pekerjaan pengendalian produksi akan sangat tergantung pada ada tidaknya
penyimpangan dalam pelaksanaan produksi terhadap rencana produksi yang
telah dibuat sebelumnya. Bila penyimpangan yang terjadi cukup besar perlu
diadakan tindakan-tindakan penyesuaian yang membenahi penyimpangan yang
terjadi. Hasil penyesuaian yang dilakukan ini akan dijadikan dasar dalam
menyusun rencana produksi selanjutnya.

3
TUGAS BESAR 2017
Gambar 2.1 Framework Manufacturing Planning and Control

Framework dari MPC dibagi menjadi tiga tahap. Pada tahap pertama terdapat
serangkaian kegiatan perusahaan secara keseluruhan untuk perencanaan
manufaktur dan kontrol yang terdiri dari demand management yang
mengkoordinasikan semua kegiatan usaha yang terfokus pada permintaan dan
kapasitas manufaktur, sales & operations planning menyeimbangkan
penjualan/rencana pemasaran dengan produksi yang tersedia di sumber daya,
serta resource planning yang merencanakan penjadwalan tenaga kerja, alat dan
mesin yang digunakan, dan pemesanan bahan baku Pada tahap kedua terdapat
perencanaan material dan kapasitas yang lebih detail dari tahap pertama. Pada
tahap terakhir terdapat konfigurasi sistem yang bergantung pada proses
produksi yang terdiri dari sistem lantai produksi dan sistem supplier.
2.2 Peramalan
Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa
datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan
lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun
jasa.
2.2.1 Karakteristik peramalan yang baik

Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain
sebagai berikut:
1. Akurasi
Akurasi adalah suatu hasil peramalan diukur dengan kebiasaan dan
kekonsistensian peramalan tersebut. Hasil peramalan dikatakan bias bila

4
TUGAS BESAR 2017
peramalan tersebut terlalu tinggi atau terlalau rendah dibandingkan
kenyataaan yang sebenarnya terjadi.
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 tersebut akan
memperngaruhi berapa banyak data yang dibutuhkan, bagaimana
penyimpanan datanya (manual atau komputerisasi), bagaimana
penyimpanan datanya dan siapa tenaga ahli yang diperbantukan
3. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat, dan
mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah
percuma menggunakan metode yang canggih, tetapi tidak dapat
diaplikasikan pada sistem perusahaan karena keterbatasan dana,
sumberdaya manusia, maupun peralatan teknologi.
2.2.2 Sifat hasil peramalan

Dalam membut peramalan atau menerapkan hasil suatu peramalan, maka
ada beberapa hal yang harus dipertimbangkan, yaitu:
1. Peramalan pasti mengandung kesalahan, artinya peramal hanya bisa
mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat
menghilangkan kepastian tersebut.
2. Peramalan seharusnya memberikan informasi tentang berapa ukuran
kesalahan, artinya karena permalan pasti mengandung kesalahan, maka
adalah penting bagi peramal untuk menginformasikan seberapa besar
kesalahan yang mungkin terjadi.
3. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka
panjang. Hal ini disebabkan karena peramalan jangka pendek, faktor-faktor
yang mempengaruhi permintaan relatif masih konstan.
2.2.3 Moving Average

Moving average diperoleh dengan merata-rata permintaan berdasarkan
beberapa data masa lalu yang terbaru.Tujuan utama dari penggunaan metode ini
adalah untuk mengurangi atau menghilangkan variasi acak permintaan dalam
hubungannya dengan waktu. Tujuan ini dicapai dengan merata-rata beberapa
nilai data secara bersama-sama, dan menggunakan nilai rata-rata tersebut

5
TUGAS BESAR 2017
sebagai ramalan permintaan untuk periode yang akan datang. Secara
matematis, maka MA akan dinyatakan dalam persamaan sebagai berikut :
X t X t 1 X t 2 .... X t n 1
Ft
N
Sumber: Hakim Nasution dan Yudha Prasetyawan, 2008:40

Dimana :
Xt = Permintaan aktual pada periode t
N = Banyaknya data permintaan yang dilibatkan dalam permitungan MA
Ft = Peramalan permintaan pada periode t
2.2.4 Weight Moving Average

Pada metode WMA, setiap data permintaan aktual memiliki bobot yang
berbeda. Data yang lebih baru akan mempunyai bobot yang tinggi karena data
tersebut mempresentasikan kondisi yang terakhir terjadi. Secara matematis
WMA dapat dinyatakan sebagai berikut :
Ft (Wt xX t )

Dimana :
Wt = Bobot permintaan aktual pada periode t dengan keterbatasan W=1
Xt = Permintaan aktual pada periode t
2.2.5 Exponential Smoothing

Kelemahan teknik MA dalam kebutuhan akan data-data masa lalu yang cukup
banyak dapat diatasi dengan teknik ES. Model ini mengasumsikan bahwa data
berfluktuasi di sekitar nilai mean yang tetap, tanpa trend atau pola pertumbuhan
konsisten.
Rumus ES dinyatakan sebagai berikut :
St . X t (1 ) Ft 1

Dimana :
St = Peramalan untuk periode t
Xt+(1-) = Nilai aktual time series
Ft-1 = Peramalan pada waktu t-1 (waktu sebelumnya)

6
TUGAS BESAR 2017
= Konstanta perataan antara 0 dan 1
2.2.6 Ukuran akurasi hasil peramalan

Ukuran akurasi hasil peramalan yang merupakan ukuran kesalahan
peramalan merupakan tentang tingkat perbedaan antara hasil peramalan
permintaan yang sebenarnya terjadi. Ada 4 ukuran yang biasa digunakan, yaitu:
1. Mean absolute deviation (MAD)
MAD merpakan rata-rata kesalahan mutlak selama periode tertentu tanpa
memperhatikan apakah hasil peramalan lebih besar atau lebih kecil
dibandingkan kenyataannya.
A tF f
MAD = n

dimana:
A= permintaan aktual pada periode-t
F1= peramalan permintaan (forecast) pada periode-t
n= jumlah periode peramalan terlihat
2. Mean square error (MSE)
MSE dihitung dengan menunjumlahkan kuadrat semua kesalahan
peramalan pada setiap periode dan membaginya dengan jumlah periode
peramalan.
A
2
( tF f )
MSE =
n

3. Mean forecast error (MFE)

MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan
selama periode tertentu terlalu tinggi atau terlalau rendah. Bila hasil
peramalan tidak bias, maka nilai MFE akan mendekati nol.
A
( tF f)
MFE = n

4. Mean absolute percentage error (MAPE)

MAPE merupakan ukuran kesalahan relatif. MAPE biasanya berarti lebih
berarti 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

7
TUGAS BESAR 2017
100 Ft
MAPE = ( n ) | A | At - At |
2.3 Perencanaan Agregat

Perencanaan agregat merupakan proses di mana sebuah perusahaan
menentukan level kapasitas, produksi, subkontrak, inventory, kehabisan stock
(stockout) dan pricing selama rentang waktu tertentu. Perencanaan agregat
dibuat di tingkat agregat, bukan pada Stock Keeping Unit (SKU). Misalnya,
perencanaan agregat menentukan total produksi di pabrik pada suatu bulan
tanpa merinci kuantitas setiap SKU. Dengan tingkat kerincian keputusan seperti
ini, perencanaan agregat merupakan alat yang cocok untuk keputusan jangka
menengah, yaitu antara 3-18 bulan.
Pada dasarnya tujuan dari perencanaan agregat adalah berusaha untuk
memperoleh suatu pemecahan yang optimal dalam biaya atau keuntungan pada
periode perencanaan. Namun bagaimanapun juga, terdapat permasalahan
strategis lain yang mungkin lebih penting daripada biaya rendah. Permasalahan
strategis yang dimaksud itu antara lain mengurangi permasalahan tingkat
ketenagakerjaan, menekan tingkat persediaan, atau memenuhi tingkat
pelayanan yang lebih tinggi. Bagi perusahaan manufaktur, jadwal agregat
bertujuan menghubungkan sasaran strategis perusahaan dengan rencana
produksi, tetapi untuk perusahaan jasa, penjadwalan agregat bertujuan
menghubungkan sasaran dengan jadwal pekerja. Ada empat hal yang diperlukan
dalam perencanaan agregat antara lain:
1. Keseluruhan unit yang logis untuk mengukur penjualan dan output.
2. Prediksi permintaan untuk suatu periode perencanaan jangka menengah
yang layak pada waktu agregat.
3. Metode untuk menentukan biaya.
4. Model yang mengombinasikan prediksi dan biaya sehingga keputusan
penjadwalan dapat dibuat untuk periode perencanaan.
Ada empat jenis strategi perencanaan agregat, yaitu:
1. Chase strategy menggunakan kapasitas sebagai pendukung:
menyelaraskan laju produksi dengan laju permintaan.
a. Laju produksi diselaraskan dengan permintaan dengan mengubah kapasitas
mesin atau menyewa/memberhentikan tenaga kerja saat permintaan bervariasi.
b. Dalam praktek sering kali sulit untuk mengubah kapasitas dan tenaga kerja
dalam waktu singkat.
c. Mahal jika biaya mengubah kapasitas tinggi.
d. Pengaruh negatif terhadap moral tenaga kerja.

8
TUGAS BESAR 2017
e. Berakibat pada rendahnya persediaan.
f. Berguna jika biaya menyimpan persediaan tinggi sementara biaya mengubah
kapasitas rendah.
2. Time flexibility strategy menggunakan utilitas sebagai pendukung,
mengubah waktu kerja dan lembur untuk menyelaraskan produksi dengan
permintaan.
a. Dapat digunakan jika terdapat kelebihan kapasitas mesin>mesin tidak
bekerja 24 jam dalam sehari, 7 hari seminggu.
b. Jumlah tenaga kerja tetap, tetapi jumlah jam kerja diubah sepanjang
waktu untuk menyelaraskan produksi dan permintaan.
c. Dapat menggunakan lembur atau jadwal kerja fleksibel.
d. Membutuhkan tenaga kerja fleksibel, tetapi menghindari masalah moral
yang muncul pada chase strategy.
e. Tingkat persediaan rendah dan utilisasi rendah.
f. Harus digunakan saat biaya menyimpan persediaan tinggi dan kapasitas
tidak terlalu mahal.
g. Dapat digunakan jika terdapat kelebihan kapasitas mesin>mesin tidak
bekerja 24 jam dalam sehari, 7 hari seminggu.
h. Jumlah tenaga kerja tetap, tetapi jumlah jam kerja diubah sepanjang
waktu untuk menyelaraskan produksi dan permintaan.
i. Dapat menggunakan lembur atau jadwal kerja fleksibel.
j. Membutuhkan tenaga kerja fleksibel, tetapi menghindari masalah moral
yang muncul pada chase strategy.
k. Tingkat persediaan rendah dan utilisasi rendah.
l. Harus digunakan saat biaya menyimpan persediaan tinggi dan kapasitas
tidak terlalu mahal.
3. Level strategy menggunakan persediaan sebagai pendukung:
penggunaan/kapasitas mesin dan tingkat tenaga kerja dibuat tetap,
permintaan dipenuhi dari persediaan.
a. Menjaga stabilitas kapasitas dan tenaga kerja dengan laju output
konstan.
b. Kekurangan dan kelebihan berakibat pada fluktuasi persediaan dari waktu
ke waktu.
c. Persediaan yang ditimbun sebagai antisipasi permintaan yang akan
datang atau backlogs dipindahkan dari periode permintaan tinggi ke
rendah.
d. Lebih baik bagi moral tenaga kerja.
e. Persediaan dan backlogs bisa terakumulasi cukup banyak.
f. Harus digunakan saat biaya menyimpan dan backlogs relatif rendah.
4. Mixed strategy kombinasi satu atau lebih dari ketiga strategi di atas.
2.4 Master Production Schedule (MPS)

Suatu rencana produksi agregat yang sudah dibuat akan diimplementasikan
sehingga dibutuhkan penjadwalan yang berupa jadwal induk produksi (Master

9
TUGAS BESAR 2017
Production Schedule).
Jumlah yang harus diproduksi merupakan jumlah untuk setiap item atau produk
spesifik tertentu, maka hasil rencana produksi agregat harus didisagregasikan
kembali untuk menyusun MPS dari masing-masing item.
Master Production Scheduling merupakan Rencana Produksi (Agregat
Planning) untuk menunjukan kuantitas produksi akhir yang akan diproduksi
untuk setiap periode waktu (biasanya mingguan) sepanjang horizon
perencanaan taktis. Master Scheduling menjadwalkan kuantitas spesifik dari
produksi akhir (disagregasi) dalam periode waktu spesifik.
Penjadwalan produksi induk pada dasarnya berkaitan dengan aktivitas
melakukan empat fungsi utama :
1. Menyediakan input utama kepada sitem perencanaan kebutuhan material dan
kapasitas (material and capacity requirement planning/MCRP).
2. Menjadwalkan pesanan-pesanan produksi dan pembelian untuk item-item
MPS.
3. Memberikan landasan untuk penentuan kebutuhan sumber daya dan
kapasitas.
4. Memberikan basis untuk pembuatan janji tentang penyerahan produk kepada
pelanggan
2.5 Material Requirement Planning (MRP)

MRP adalah prosedur logis, aturan keputusan dan teknik pencatatan
terkomputerisasi, yang dirancang untuk menterjemahkan Jadwal Induk
Produksi atau MPS (Master Production Schedulling) menjadi kebutuhan bersih
atau NR (Net Requirement) untuk semua item. Sistem MRp dikembangkan untuk
membantu perusahaan manufaktur mengatasi kebutuhan akan item-item
dependent secara lebih baik dan efisien.selain itu, sistem MRP didesain untuk
melapaskan pesanan-pesanan dalam produksi dan pembelianuntuk mengatur
aliran bahan bakudan persediaan dalam proses sehingga sesuai dengan jadwal
produksi untuk produksi akhir.hal ini memungkinkan perusahaan memelihara
tingkat minimumdari item-item yang kebutuhannya dependent, tetapi tetap
dapat menjamin terpenuhinya jadwal produksi untuk produk akhirnya. Sistem
MRP juga dikenal sebagai perencanaan kebutuhan berdasarkan tahapan waktu
(time phases requirements planning).

10
TUGAS BESAR 2017
BAB III
STUDI KASUS
4.1 Gambaran Umum Usaha
PT. LEID Electronics adalah perusahaan yang bergerak di sector industry
manufaktur dengan jenis produk Notebook yang cukup terkenal dengan berbagai
tipe notebook yang komponennya dapat disesuaikan dengan permintaan
konsumen.Komponen-komponen yang ada dipatenkan spesifikasinya dan
memungkinkan pasar untuk memilih fitur dalam notebook yang
diinginkan.Pelanggan mempercayai LEID Electronics untuk memberikan solusi
teknologi yang membantu mereka melakukan dan menyelesaikan lebih banyak,
apakah mereka beraa di rumah, tempat kerja, sekolah atau dimana saja di dunia
pelanggan.
Dengan perkembangan bisnis yang semakin mantap tahun-tahun ini, LEID
Electronics tetap memfokuskan usahanya pada bidang produksi notebook
dengan menambahkan satu poin pelayanan yang diunggulkan. Pangsa pasar dari
manufaktur ini antara lain untuk instansi, perkantoran, dan juga bias langsung ke
end customer. Meskipun pasar masih menunjukan perkembangan usaha yang
menjanjikan untuk beberapa tahun ke depan, perusahaan tidak dapat
mengabaikan beberapa kemungkinan yang mungkin akan dapat menurunkan
permintaan pasar yang tidak menentu atau musiman sesuai dengan permintaan
pelanggan.
4.2 Produk
Berikut adalah produk yang dihasilkan PT. LEID Electronics
Tabel 3.1Harga produk notebook
No Nama Produk Harga Produk
1 NVG 110 Rp. 14.599K
2 NVG 119 Rp. 16.750K
3 DCO 110 Rp. 15.499K
4 DCO 119 Rp. 17.899K
4.3 Proses Produksi
Produk NVG 110, NVG 119, DCO 110, dan DCO 119 dibuat dari
komponen sub-assembly plat timah dan handle kaleng.
Berikut ini table kuantitas kebutuhan masing-masing komponen sub-
assembly
3Tabel 3.2 Kebutuhan komponen tiap tipe produk
Komponen NVG 110 NVG 119 DCO 110 DCO119
Sub-
assembly
A 2 3 3 2
B 1 1 1 1

11
TUGAS BESAR 2017
C 1 1 1 2
D 2 1 3 1
E 2 2 2 2
F 3 1 3 2
G 1 2 1 2
H 2 1 2 1
I 1 1 1 1
3.3.1 Bahan Baku

Komponen sub-assembly yang digunakan merupakan raw-material
yang diperoleh dari supplier PT LEID COMPUTER. Berikut ini harga komponen
sub- assembly dari nilai lead time rata-rata :
Tabel 3.3 Average lead time dan price komponen
Komponen Sub- Average Lead Time Price/Unit
assembly
A 1 Minggu Rp 390K
B 2 Minggu Rp 580K
C 1 Minggu Rp 450K
D 1 Minggu Rp 1000K
E 3 Minggu Rp 980K
F 1 Minggu Rp 675K
G 1 Minggu Rp 2000K
H 2 Minggu Rp 985K
I 1 Minggu Rp 865K
Berikut merupakan data historis dari pengambilan produk setengah jadi kedua
jenis untuk diproses lebih lanjut dalam departemen finishing Selma 8 minggu
terakhir :
Tabel 3.4 Data historis pengambilan produk setengah jadi
Produk 1 2 3 4 5 6 7 8
NVG 1000 1500 1010 990 1000 1100 950 1150
110
NVG 900 1000 1020 1000 998 1082 1500 950
119
DCO 1600 1590 890 910 1200 990 1400 980
110
DCO 1080 1380 990 1080 1020 930 1490 1070
119
3.3.2 Permesinan
Terdapat satu mesin automaticyang digunakan untuk produksi
komponen komponen sub-assembly. Rata-rata tingkat produksi dan waktu set
up untuk mesin tersebut adalah sebagai berikut :
Tabel 3.5 Rata-rata tingkat produksi dan waktu setup mesin
Komponen Sub- Bagian per 40 Set up Waktu (jam)
assembly jam/minggu

12
TUGAS BESAR 2017
M1 M2
A 2000 3
B 2500 0.3
C 3000 0.1
D 1900 0.3
E 1980 0.2
F 3000 0.1
G 1460 0.3
H 1300 0.4
I 2500 0.2
3.3.3 Biaya Karyawan

Biaya produksi untuk satu mesin telah ditentukan sebesar Rp 1000K
untuk setiap unitnya.Satu orang operator diperkerjakan secara full
time pada beberapa mesin yang ada. 40 jam per minggu merupakan standar
kerja opratordengan upah Rp 15K tiap jamnya. Upah lembur diberikan
sebesar Rp 9K untuk tiap jamnya dengan batas waktu lembur sampai 4 jam
tiap minggu.
3.3.4 Persediaan Awal

Perusahaan melakukan penyimpanan bahan baku untuk setiap
tahapan produksi yang ada. Stok pada minggu awal (minggu ke-0),
berdasarkan rekaman pengambilan stok sampai minggu ke-8 adalah sebagai
berikut :
Tabel 3.6 Data rekaman pengambilan stok sampai minggu kedelapan
Bahan Persediaan Dalam Dalam Komponen
Baku Pemesanan Proses* Jadi
A 1300 2400 - 300
B 1200 3350 300 470
C 2150 4500 - 710
D 1000 2590 - 600
E 1300 2800 400 -
F 1590 3350 130 -
G 2000 4500 - -
H 1000 2780 - -
I 1400 1300 - -
Catatan : *dikeluarkan pada stok barang jadi awal minggu ke-1
Tabel 3.7 Data stok produk jadi dan barang dalam proses perakitan
Perakitan Stok Produk Jadi Dalam Proses Perakitan
NVG 110 80 100
NVG 119 345 -
DCO 110 498 39
DCO 119 390 120

13
TUGAS BESAR 2017
BAB IV
ANALISIS DAN PEMBAHASAN
4.1 Peramalan
Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa
datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan
lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun
jasa. Peramalan pada PT. Leid Electronics dilakukan untuk memperkirakan
kebutuhan notebook yaitu NVG 110, NVG 119, DCO 110 dan DCO 119 pada
horizon 6 bulan kedepan. Berikut pada gambar 4.1 disajikan grafik data
penjualan selama 12 periode.
Data Penjualan
800
700
600 DCO 119
500 DCO 110
400 NVG 119
300 NVG 110
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.1 Grafik data penjualan produk notebook

Dari grafik data penjualan di atas, dapat dilihat bahwa jumlah penjualan
cenderung fluktuatif dari bulan ke bulan (terjadi naik-turunnya permintaan
secara tidak beraturan). Oleh karena itu, diputuskan untuk menggunakan
metode moving average, weighted moving average, dan exponential smoothing

14
TUGAS BESAR 2017
yang kemudian akan dibandingkan untuk mencari metode paling tepat untuk
melakukan peramalan permintaan bagi masing-masing produk.
4.2 Peramalan produk NVG 110

Berikut ini merupakan hasil peramalan selama horizon 6 bulan kedepan dari
produk NVG 110 pada PT Leid Electronics menggunakan weight moving average
dan exponential smoothing.
Data Penjualan NVG 110

250
200
Data Penjualan
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.2 Grafik data penjualan produk NVG 110
4.2.1 Metode Weight Moving Average

Contoh perhitungan:
1. Weighted Moving Average (n = 3)
( 3 x 220 ) + ( 2 x 110 ) +(1 x 120)
F5 = 16 = 116.67
Tabel 4.1 Hasil peramalan produk NVG 110

AKTUA
Bulan WMA 3 WMA 4 WMA 5
L
1 120
2 110
3 220
4 105 166.67
5 85 144.17 142
6 90 114.17 120.5 123
7 88 90.83 104.5 110.33
8 100 88.17 89.7 99
9 82 94.33 92.9 93.13
10 190 89 89.4 89.27
11 98 139 129.4 122.93

15
TUGAS BESAR 2017
12 110 126 122.6 118.93
13 119.33 119.6 118.4
14 112.67 119.44 144
15 114.44 115.46 151.97
16 114.67 116.93 160.47
17 114.26 117.26 167.7
18 114.43 117.02 181.01
Grafik Perbandingan Data Aktual dengan WMA

200
180
160 AKTUAL
140 WMA 3
120 WMA 4
100 WMA 5
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.3 Grafik Perbandingan Data AKtual dengan WMA
Contoh perhitungan error:

1. Mean Absolute Error (MAD) WMA3
|e|/n = 975/14 = 69.68
2. MSE
|e|2/n = 98958,3/14 = 7068
3. MFE
e/n = -753.71/14 = -53.84
4. MAPE
(100/n) |(At-Ft)/At| = (100/14) x 753.71/ 1398 = 0.299 x100 = 29.9 %
Tabel 4.2 perbandingan error NVG 110

ERROR WMA3 WMA 4 WMA5
MAD 67.986 69.6791 86.585
42 4 66
MSE 6643.6 7068.45 12080.
22 62
MFE -52.942 - -
53.8363 57.805
7
MAPE 0.3276 0.2997 0.2331
TS -2.66 -2.76 -2.99
2.59 2.67 2.79

16
TUGAS BESAR 2017
Dari peramalan di atas, dapat disimpulkan bahwa metode weight moving
average periode 3 adalah metode yang peramalannya paling mendekati data
aktualnya.
4.2.2 Metode Simple Exponential Smoothing

Contoh perhitungan:
1. Exponential Smoothing ( = 0.5)
1( X t1)
Ft = Xt +
F2 =0.5 x 110+ ( 10.5 x 120 )=115
Tabel 4.3 Metode Exponential Smoothing

AKTUA ES
Bulan ES 0.2 ES 0.3 ES 0.4 ES 0.5
L 0.1
1 120 120 120 120 120 120
2 110 119 118 117 116 115
3 220 129.1 138.4 147.9 157.6 167.5
126.6
4 105 131.72 135.03 136.56 136.25
9
122.5 120.02
5 85 122.376 115.936 110.625
2 1
119.2 115.900 111.01 105.561 100.312
6 90
7 8 47 6 5
116.1 110.320 104.11 98.5369 94.1562
7 88
4 6 03 6 5
114.5 108.256 102.87 99.1221 97.0781
8 100
3 5 72 8 3
111.2 103.005 96.614 92.2733 89.5390
9 82
8 2 04 1 6
119.1 120.404 124.62 139.769
10 190 131.364
5 2 98 5
117.0 115.923 116.64 118.018 118.884
11 98
3 3 09 4 8
116.3 114.738 114.64 114.442
12 110 114.811
3 7 86 4
116.3 114.738 114.64 114.811 114.442
13
3 67 86 03 38
116.3 114.738 114.64 114.811 114.442
14
3 67 86 03 38
116.3 114.738 114.64 114.811 114.442
15
3 67 86 03 38
116.3 114.738 114.64 114.811 114.442
16
3 67 86 03 38
116.3 114.738 114.64 114.811 114.442
17
3 67 86 03 38
116.3 114.738 114.64 114.811 114.442
18
3 67 86 03 38

17
TUGAS BESAR 2017
Grafik Perbandingan Data Aktual dengan ES

180
AKTUAL
160
ES 0.1
140
ES 0.2
120
ES 0.3
100
ES 0.4
80
ES 0.5
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.4 Grafik Perbandingan Data Aktual dan ES
Tabel 4.4 perbandingan error NVG 110

ERROR ES 0.1 ES 0.2 ES 0.3 ES 0.4 ES 0.5
MAD 32.508 30.887 30.17425 30.189 30.564
09 15 1 54
MSE 30.542 25.471 25.19786 25.691 24.577
76 18 9 45
MFE - - -1.51351 - -
1.6663 1.5217 1.5282 1.4947
2 8 6
MAPE 30.709 28.328 26.8113 25.946 25.322
33 29 54 99
TS -2.63 -2.47 1 - -1.96 -1.8 -1
1.99 1.56 3.8 -1
0
Dari peramalan di atas, dapat disimpulkan bahwa metode simple exponential
smoothing0.5 adalah metode yang peramalannya paling mendekati data
aktualnya.
4.2.3 Metode Terpilih

Tabel 4.5 Tabel Metode Terpilih
AKTUA
Bulan WMA 3 ES 0.5
L
1 120 120
2 110 115
3 220 167.5
4 105 166.67 136.25
5 85 144.17 110.625

18
TUGAS BESAR 2017
100.312
6 90 114.17
5
94.1562
7 88 90.83
5
97.0781
8 100 88.17
3
89.5390
9 82 94.33
6
139.769
10 190 89
5
118.884
11 98 139
8
114.442
12 110 126
4
114.442
13 119.33
38
114.442
14 112.67
38
114.442
15 114.44
38
114.442
16 114.67
38
114.442
17 114.26
38
114.442
18 114.43
38
Grafik perbandingan data aktual WMA dan ES

180
160
140 AKTUAL
120 WMA 3
100 ES 0.5
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.5 Grafik perbandingan data actual dan WNA dab ES

19
TUGAS BESAR 2017
Tracking Signal WMA 3 dan ES 0.5

5
4
TS WMA 3
3
ucl
2
lcl
1
0 TS ES 0.5
-1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
-2
-3
-4
-5
Gambar 4.6 Grafik perbandingan Tracking Signal WMA 3 dan ES 0.5
Dari perbandingan peramalan antara exponential smoothing dan moving

average dapat disimpulkan bahwa metode exponential smoothing dengan 0.5
adalah metode yang peramalannya paling mendekati data aktualnya dan dilihat
dari error nya exponential smoothing 0.5 memiliki tingkat lebih kecil
deibandingkan dengan moving average dan tidak terdapat tracking signal yang
keluar batas kontrol.
4.3 Peramalan produk NVG 119

produk NVG 119 pada PT Leid Electronics menggunakan moving average dan
exponential smoothing.
Data Penjualan NVG 119

400
350
300
Data Penjualan
250
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.7 Grafik data penjualan NVG 119
4.3.1 Metode Moving Average

20
TUGAS BESAR 2017
Tabel 4.6 Hasil peramalan NVG 119
BULA AKTUA MA 2 MA 3 MA4 MA5
N L
1 94
2 150
3 250 122.0
0
4 100 200.0 164.6
0 7
5 240 175.0 166.6 148.5
0 7 0
6 220 170.0 196.6 185.0 166.8
0 7 0 0
7 260 230.0 186.6 202.5 192.0
0 7 0 0
8 290 240.0 240.0 205.0 214.0
0 0 0 0
9 280 275.0 256.6 252.5 222.0
0 7 0 0
10 178 285.0 276.6 262.5 258.0
0 7 0 0
11 300 229.0 249.3 252.0 245.6
0 3 0 0
12 350 239.0 252.6 262.0 261.6
0 7 0 0
13 294.5 276.0 277.0 279.6
0 0 0 0
14 266.7 300.8 272.5 273.9
5 9 0 2
15 280.6 292.8 297.2 273.8
3 9 5 4
16 273.6 276.5 290.3 293.0
9 2 8 2
17 277.1 289.9 277.1 287.7
6 3 9 9
18 275.4 290.1 284.2 276.4
2 0 8 0
Grafik Perbandingan Data Aktual dengan MA

350
300 AKTUAL
MA 2
250
MA 3
200 MA4
150 MA5
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12

21
TUGAS BESAR 2017
Gambar 4.8 Grafik perbandingan hasil data aktual dan data moving average
Tabel 4.7 Hasil perhitungan error NVG 119

ERROR MA 2 MA 3 MA4 MA5
MAD 71.7 61.6 64.6 68.3
12321.
MSE 0 9473.8 7744.0 7814.6
MFE 6.9 6.5 6.3 6.8
MAPE 905.5 521.3 492.0 404.3
-1
TS 0.69
Dari peramalan di atas, dapat disimpulkan bahwa metode moving average
periode 3 adalah metode yang peramalannya paling mendekati data aktualnya.

Berikut adalah tabel perhitungan peramlan menggunakan metode simple
BULA AKTUA es es es es es
N L 0.1 0.2 0.3 0.4 0.5
1 94 94.00 94.00 94.00 94.00 94.00
2 150 99.60 105.2 110.8 116.4 122.0
0 0 0 0
3 250 114.6 134.1 152.5 169.8 186.0
4 6 6 4 0
4 100 113.1 127.3 136.7 141.9 143.0
8 3 9 0 0
5 240 125.8 149.8 167.7 181.1 191.5
6 6 5 4 0
6 220 135.2 163.8 183.4 196.6 205.7
7 9 3 9 5
7 260 147.7 183.1 206.4 222.0 232.8
5 1 0 1 8
8 290 161.9 204.4 231.4 249.2 261.4
7 9 8 1 4
9 280 173.7 219.5 246.0 261.5 270.7
7 9 4 2 2
10 178 174.2 211.2 225.6 228.1 224.3
0 7 3 1 6
11 300 186.7 229.0 247.9 256.8 262.1
8 2 4 7 8
12 350 203.1 253.2 278.5 294.1 306.0
0 1 6 2 9
13 203.1 253.2 278.5 294.1 306.0
0 1 6 2 9
14 203.1 253.2 278.5 294.1 306.0
0 1 6 2 9
15 203.1 253.2 278.5 294.1 306.0
0 1 6 2 9
16 203.1 253.2 278.5 294.1 306.0
0 1 6 2 9
17 203.1 253.2 278.5 294.1 306.0
0 1 6 2 9
18 203.1 253.2 278.5 294.1 306.0
0 1 6 2 9

22
TUGAS BESAR 2017
ERROR es 0.1 es 0.2 es 0.3 es 0.4 es 0.5
MAD 73.3 55.0 44.4 41.2 43.3
MSE 853.6 199.0 41.8 3.1 3.4
MFE 8.8 4.3 1.9 0.5 -0.6
MAPE 36.9 29.0 24.6 38.8 24.3
-1 -2 -2 -2
TS 0.69 -1 - 7 5.05 1.67 1.08
Grafik perbandingan data aktual dengan ES

350
AKTUAL
300
es 0.1
250 es 0.2
200 es 0.3
es 0.4
150
es 0.5
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.10 Grafik perbandingan hasil peramalan dan data aktual NVG 119
Dari peramalan di atas, dapat disimpulkan bahwa metode exponential

smoothing dengan 0.5 adalah metode yang peramalannya paling mendekati
data aktualnya.

Tabel 4.10 Tabel Metode Terpilih
BULA AKTUA
MA 3 es 0.5
N L
1 94 94
2 150 122
3 250 186
4 100 164.67 143
5 240 166.67 191.5
6 220 196.67 205.75
7 260 186.67 232.88
8 290 240 261.44
9 280 256.67 270.72
10 178 276.67 224.36
11 300 249.33 262.18
12 350 252.67 306.09

23
TUGAS BESAR 2017
13 276 306.09
14 300.89 306.09
15 292.89 306.09
16 276.52 306.09
17 289.93 306.09
18 290.1 306.09
grafik perbandingan data aktual, MA dan ES

350
300
AKTUAL
250
MA 3
200 es 0.5
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.11 Grafik perbandingan data actual, MA dan ES
Grafik perbandingan data aktual dengan ES

350
AKTUAL
300
es 0.1
250 es 0.2
200 es 0.3
es 0.4
150
es 0.5
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.10 Grafik perbandingan hasil peramalan dan data aktual NVG 119

24
TUGAS BESAR 2017
Tracking Signal MA 3 dan ES 0.5

5
4
TS ES 0.5
3
ucl
2
lcl
1
0 TS MA 3
-1 1 2 3 4 5 6 7 8 9 10 11
-2
-3
-4
-5

4.4 Peramalan produk DCO 110

produk DCO 110 pada PT Leid Electronics menggunakan weightmoving average
dan exponential smoothing.
Data Penjualan DCO 110

200
150 Data Penjualan
100
50
0
11
1
4.4.1 Metode WeightMoving Average

Tabel 4.11 Hasil peramalan DCO 110 dengan WMA
BULA AKTUA WMA 3 WMA 4

25
TUGAS BESAR 2017
N L
1 150
2 70
3 90
4 120 93.3333
3
5 99 101.666 104
7
6 104 104.5 100.6
7 125 105 104.3
8 129 113.666 113
7
9 157 123.5 119.8
10 190 142.333 136.9
3
11 111 168.833 161.4
3
12 106 145 145.7
13 121.666 129.4
7
14 114.666 124.76
7
15 115.555 121.024
6
16 116.277 122.317
8 6
17 115.768 123.126
5 2
18 115.902 122.626
8 6
Perbandingan Data Aktual dengan WMA

200
AKTUAL
150 WMA 3
WMA 4
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12
Dari hasil peramalan menggunakan periode 3 dan 4 yang membentuk pola

paling mendekati pola nilai aktual adalah weightmoving average periode 3.
Berikut disajikan tabel perbandingan perhitungan error pada produk
notebook tipe DCO 110.
Tabel 4.12 perbandingan error DCO 110

ERROR WMA 3 WMA 4

26
TUGAS BESAR 2017
2.90666 4.94262
MAD 7 5
126.730 7225.42
MSE 7 3
MFE -2.90667 -50.5682
MAPE 0.3276 0.2997
-3.33 -3.28
TS 2.28 2.35
Dari perhitungan nilai error MAD, MSE, MAPE, dan MFE diperoleh nilai terkecil
pada periode 3. Maka untuk perhitungan dengan metode weightmoving average
di pergunakan periode 3.

BULA AKTUA ES 0.2 ES 0.3 ES 0.4 ES 0.5
N L
1 150 120.916 120.916 120.916 120.916
7 7 7 7
2 70 126.733 129.641 132.55 135.458
3 7 3
3 90 115.386 111.749 107.53 102.729
7 2 2
4 120 110.309 105.224 100.518 96.3645
3 4 8
5 99 112.247 109.657 108.310 108.182
5 1 8 3
6 104 109.598 106.46 104.586 103.591
5 1
7 125 108.478 105.722 104.351 103.795
4 9 6
8 129 111.782 111.505 112.611 114.397
7 4 1 8
9 157 115.226 116.753 119.166 121.698
2 8 7 9
10 190 123.580 128.827 134.3 139.349
9 6 4
11 111 136.864 147.179 156.58 164.674
7 3 7
12 106 131.691 136.325 138.348 137.837
8 5 4
13 126.553 127.227 125.408 121.918
4 9 8 7
14 126.553 127.227 125.408 121.918
4 9 8 7
15 126.553 127.227 125.408 121.918
4 9 8 7
16 126.553 127.227 125.408 121.918
4 9 8 7
17 126.553 127.227 125.408 121.918
4 9 8 7
18 126.553 127.227 125.408 121.918
4 9 8 7

27
TUGAS BESAR 2017
Grafik Perbandingan Data Aktual dengan ES

180
160 AKTUAL
140 ES 0.2
120 ES 0.3
100 ES 0.4
80 ES 0.5
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.15 Grafik perbandingan data aktual dan ES
Dari hasil peramalan menggunakan dengan 0.2, 0.3, 0.4 dan 0.5 yang
membentuk pola paling mendekati pola nilai aktual adalah simple exponential
smoothing dengan 0.2.
ERROR ES 0.2 ES 0.3 ES 0.4 ES 0.5
28.0183 28.5891 28.4166
MAD 3 7 7 28.9575
55.0056 76.6365 87.1994 84.4681
MSE 9 4 4 3
-
MFE -2.14098 -2.52713 2.69567 -2.65311
-
MAPE -4.99705 -5.43206 6.01028 -6.53476
-2.61 - -2.20 - -1.79 -1.47
TS 2.80 3.17 3.12 3.34
pada 0.2. Maka untuk perhitungan dengan metode simple exponential
smoothing di pergunakan periode 0.2.
i. Metode Terpilih
Tabel 4.16 Metode Terpilih
BULA AKTU WMA
ES 0.2
N AL 3
120.91
1 150
67
126.73
2 70
33
115.38
3 90
67
93.333 110.30
4 120
33 93

28
TUGAS BESAR 2017
101.66 112.24
5 99
67 75
109.59
6 104 104.5
8
108.47
7 125 105
84
113.66 111.78
8 129
67 27
115.22
9 157 123.5
62
142.33 123.58
10 190
33 09
168.83 136.86
11 111
33 47
131.69
12 106 145
18
121.66 126.55
13
67 34
114.66 126.55
14
67 34
115.55 126.55
15
56 34
116.27 126.55
16
78 34
115.76 126.55
17
85 34
115.90 126.55
18
28 34
Grafik Perbandingan Data Aktual, WMA dan ES

160
140
AKTUAL
120
WMA 3
100
ES 0.2
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.16 Grafik perbandingan data actual, WMA dan ES

29
TUGAS BESAR 2017
Tracking Signals WMA 3 dan ES 0.2

5
4
TS WMA 3
3
ucl
2
lcl
1
0 TS ES 0.2
-1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
-2
-3
-4
-5
Gambar 4.17 Grafik perbandingan Tracking Signal WMA 3 dan ES 0.2
Dari peramalan di atas, dapat disimpulkan bahwa metode exponential

smoothing dengan 0.2 adalah metode yang peramalannya paling mendekati
data aktualnya dan dilihat dari error nya exponential smoothing 0.2 memiliki
tingkat error paling kecil.
Dari perhitungan tracking signal metode exponential smoothing dengan
0.2 semua data masuk kedalam batas control sehingga metode exponential
smoothing dengan alpha 0.2 baik untuk digunakan
4.5 Peramalan produk DCO 119

produk DCO 119 pada PT Leid Electronics menggunakan moving average dan
Grafik Data Aktual

200
150 Aktual
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.18 Hasil peramalan DCO 119

30
TUGAS BESAR 2017
4.5.1 Metode Moving Average
Tabel 4.17 Metode Moving Average

Bulan Aktual MA 3 MA 4 MA 5
1 180
2 90
3 87
4 82 119.0
5 130 86.3 109.8
6 140 99.7 97.3 113.8
7 98 117.3 109.8 105.8
8 88 122.7 112.5 107.4
9 97 108.7 114.0 107.6
10 87 94.3 105.8 110.6
11 100 90.7 92.5 102.0
12 102 94.7 93.0 94.0
13 98.9 95.5 96.0
14 98.5 97.6 95.8
15 99.8 97.0 97.6
16 99.1 95.8 97.1
17 99.1 96.5 96.1
18 99.3 96.7 96.5
Perbandingan Hasil peramalan dengan Moving Average

140
120
Aktual
100 MA 3
80 MA 4
MA 5
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.19 Hasil peramalan dengan Moving Average
Dari hasil peramalan menggunakan periode 3, 4 dan 5 yang membentuk

pola paling mendekati pola nilai aktual adalah moving average periode 5.

31
TUGAS BESAR 2017
Tabel 4.18 Tabel Perbandingan MA

Error MA 3 MA 4 MA 5
MAD 37.11 31.02 27.91
MSE 756.54 469.22 265.85
MFE -1.04 0.94 -4.17
MAPE 22.62 17.67 13.8
-11.25 -10.95 -11.69
TS 1.17 2.06 1.08
pada periode 5. Maka untuk perhitungan dengan metode moving average di
pergunakan periode 5.

Tabel 4.19 Metode Simple Exponential Smoothing
Bulan Aktual ES 0.1 ES 0.2 ES 0.3 ES 0.4 ES 0.5
1 180 180.0 180 180 180 180
2 90 171.0 162 153 144 135
3 87 162.6 147 133.2 121.2 111
4 82 154.5 134 117.8 105.5 96.5
5 130 152.1 133.2 121.5 115.3 113.3
6 140 150.9 134.6 127 125.2 126.6
7 98 145.6 127.3 118.3 114.3 112.3
8 88 139.8 119.4 109.2 103.8 100.2
9 97 135.5 114.9 105.6 101.1 98.6
10 87 130.7 109.3 100 95.4 92.8
11 100 127.6 107.5 100 97.3 96.4
12 102 125.1 106.4 100.6 99.2 99.2
13 125.1 106.4 100.6 99.2 99.2
14 125.1 106.4 100.6 99.2 99.2
15 125.1 106.4 100.6 99.2 99.2
16 125.1 106.4 100.6 99.2 99.2
17 125.1 106.4 100.6 99.2 99.2
18 125.1 106.4 100.6 99.2 99.2

32
TUGAS BESAR 2017
perbandingan hasil peramalan dengan SES

200
180 Aktual
160 ES 0.1
140 ES 0.2
120 ES 0.3
100 ES 0.4
80 ES 0.5
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.20 Hasil peramalan dengan Simpe Exponential Smoothing
Dari hasil peramalan menggunakan dengan 0.1, 0.2, 0.3, 0.4 dan 0.5 yang
membentuk pola paling mendekati pola nilai aktual adalah simple exponential
smoothing dengan 0.5.
Tabel 4.20 Tabel Perbandingan Error

Error ES 0.1 ES 0.2 ES 0.3 ES 0.4 ES 0.5
MAD 40.7 31.57 27 24.93 23.6
MSE 187.74 85.79 51 38.99 30.41
MFE -3.44 -1.79 -1 -0.36 0.08
MAPE 40.98 26.5 20 16.97 14.61
TS
pada 0.5. Maka untuk perhitungan dengan metode simple exponential
smoothing di pergunakan periode 0.5.

Tabel 4.21 Metode Terpilih
Bulan Aktual MA 5 ES 0.5
1 180 180
2 90 135
3 87 111
4 82 96.5
5 130 113.3
6 140 113.8 126.6
7 98 105.8 112.3
8 88 107.4 100.2

33
TUGAS BESAR 2017
9 97 107.6 98.6
10 87 110.6 92.8
11 100 102.0 96.4
12 102 94.0 99.2
13 96.0 99.2
14 95.8 99.2
15 97.6 99.2
16 97.1 99.2
17 96.1 99.2
18 96.5 99.2
Grafik Perbandingan Data Aktual dengan MA dan ES

200
180
160 Aktual
140
ES 0.5
120
MA 5
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.21 Grafik Perbandingan Data Aktual, MA dan ES
Grafik Perbandingan Tracking Signal

5
4
TS MA 5
3
UCL
2
LCL
1
0 TS ES 0.5
-1 1 2 3 4 5 6 7 8 9 10 11 12 13
-2
-3
-4
-5
Gambar 4.22 Grafik Perbandingan Tracking Signal

34
TUGAS BESAR 2017
4.2 Perencanaan Agregat

Setelah dilakukan perhitungan peramalan penjualan untuk tiap-tiap produk
dengan metode yang paling optimal, selanjutnya akan dilakukan perencanaan
agregat. Perencanaan agregat yang dilakukan akan membandingkan antara tiga
metode yaitu metode chase, level, dan Level dengan Rata-rata Tengah. Dimana
selanjutnya akan dipilih metode yang paling optimal dengan membandingkan
total biaya yang dikeluarkan untuk masing-masing metode. Berdasarkan data-
data yang telah dijabarkan pada bab 3, dapat dihitung:
1. Hari kerja per bulan = 20 hari
2. Jam kerja reguler per bulan = 8 jam (per hari) x 20 = 160 jam per bulan
3. Jam lembur per bulan = 4 jam (per minggu) x 4 = 16 jam per bulan
4. Upah kerja reguler per jam = 15.000
5. Upah lembur per jam = 9000
6. Biaya mesin per jam = 1000
Berikut adalah data peramalan permintaan dari metode peramalan terpilih
dikurangi stok dan proporsi untuk masing-masing produk.
Tabel 4.21 Total Permintaan Tiap Produk
Bulan NVG 110 NVG DCO DCO TOTAL
119 110 119
1 34 0 0 0 34
2 114 267 0 0 381
3 114 306 0 0 421
4 114 306 10 6 631
5 114 306 127 99 646
6 114 306 127 99 646
Tabel 4.22 Proporsi Tiap Produk

Bulan NVG NVG DCO DCO TOTAL
110 119 110 119
1 1 0 0 0 1
2 0,30002 0,6999 0 0 1
5 75
3 0,27213 0,7278 0 0 1
7 63
4 0,26216 0,7011 0,0229 0,0137 1
2 85 08 45
5 0,17707 0,4736 0,1958 0,1534 1
7 14 16 92

35
TUGAS BESAR 2017
6 0,17707 0,4736 0,1958 0,1534 1
7 14 16 92
Berikut adalah tabel-tabel net demand tiap-tiap produk

a. Produk NVG 110
Tabel 4.23 Produk NVG 110
NVG 110 1 2 3 4 5 6
Demand/bul 114 144 144 144 144 144
an
Inventori 80 0 0 0 0 0
Net 34 144 144 144 144 144
Demand
b. Produk NVG 119

Tabel 4.24 Produk NVG 119
NVG 119 1 2 3 4 5 6
Demand/bul 306 306 306 306 306 306
an
Inventori 345 39 0 0 0 0
Net 0 267 306 306 306 306
Demand
c. Produk DCO 110

Tabel 4.25 Produk DCO 110
DCO 110 1 2 3 4 5 6
Demand/bul 127 127 127 127 127 127
an
Inventori 498 371 244 117 0 0
Net 0 0 0 10 127 127
Demand
d. Produk DCO 119

Tabel 4.26 Produk DCO 119
DCO 119 1 2 3 4 5 6
Demand/bul 99 99 99 99 99 99
an
Inventori 390 291 192 93 0 0
Net 0 0 0 6 99 99
Demand
Berikut adalah table waktu pembuatan per produk:

Tabel 4.28 waktu pembuatan produk NVG 110
KOMPON M1 M2 NVG WAKTU M1 NVG WAKTU M2 NVG
EN 110 110 110
A 0.020 0.033 2 0.040 0.067
B 0.016 0.031 1 0.016 0.031
C 0.013 0.029 1 0.013 0.029
D 0.021 0.021 2 0.042 0.042
E 0.020 0.020 2 0.040 0.040
F 0.013 0.022 3 0.040 0.067

36
TUGAS BESAR 2017
G 0.027 0.014 1 0.027 0.014
H 0.031 0.027 2 0.062 0.053
I 0.016 0.014 1 0.016 0.014
Total 0.281 0.356

KOMPON M1 M2 NVG WAKTU M1 WAKTU M1
EN 119 NVG 119 NVG 119
A 0.020 0.033 3 0.060 0.100
B 0.016 0.031 1 0.016 0.031
C 0.013 0.029 1 0.013 0.029
D 0.021 0.021 1 0.021 0.021
E 0.020 0.020 2 0.040 0.040
F 0.013 0.022 1 0.013 0.022
G 0.027 0.014 2 0.055 0.027
H 0.031 0.027 1 0.031 0.027
I 0.016 0.014 1 0.016 0.014
0.266 0.311
Tabel 4.30 waktu pembuatan produk DCO 110

KOMPON M1 M2 DCO1 WAKTU M1 WAKTU M2
EN 10 DCO 110 DCO 110
A 0.020 0.033 3 0.060 0.100
B 0.016 0.031 1 0.016 0.031
C 0.013 0.029 1 0.013 0.029
D 0.021 0.021 3 0.063 0.063
E 0.020 0.020 2 0.040 0.040
F 0.013 0.022 3 0.040 0.067
G 0.027 0.014 1 0.027 0.014
H 0.031 0.027 2 0.062 0.053
I 0.016 0.014 1 0.016 0.014
0.338 0.410

KOMPON M1 M2 DCO1 WAKTU M1 WAKTU M2
EN 19 DCO 110 DCO 119
A 0.020 0.033 2 0.040 0.067
B 0.016 0.031 1 0.016 0.031
C 0.013 0.029 2 0.027 0.057
D 0.021 0.021 1 0.021 0.021
E 0.020 0.020 2 0.040 0.040
F 0.013 0.022 2 0.027 0.044
G 0.027 0.014 2 0.055 0.027
H 0.031 0.027 1 0.031 0.027
I 0.016 0.014 1 0.016 0.014
0.272 0.328

37
TUGAS BESAR 2017
4.2.1 Metode Level dengan Rata-Rata Maksimum

Berikut akan disajikan perhitungan perencanaan agregat dengan
menggunakan metode level.
4.2.1.1 Perencanaan Agregat
Berikut adalah tabel perhitungan untuk perencanaan agregat PT. LEID
Electronics dengan metode level dengan rata-rata maksimum.
Tabel 4.32 Perencanaan Agregat Metode Level
Bulan Waktu yg dibutuhkan Total Total Level RT OT Penambah Inventor
waktu waktu an y
NVG11 NVG11 DCO110 DCO11
+ setup kapasitas
0 9 9
1 22.193 0 0 0 22.193 68.993 452,17 160 16 276,18 383,18
7
2 74.701 153.89 0 0 228.59 275.392 452,17 160 16 276,18 176,78
2 2 7
3 74.701 176.42 0 0 251.12 297.923 452,17 160 16 276,18 154,25
2 3 7
4 74.701 176.42 87.536 55.847 394.50 441.306 452,17 160 16 276,18 10,87
2 6 7
5 74.701 176.42 94.684 59.570 405.37 452.177 452,17 160 16 276,18 0
2 7 7
6 74.701 176.42 94.684 59.570 405.37 452.177 452,17 160 16 276,18 0
2 7 7
Contoh perhitungan:
a. Waktu yang dibutuhkan produk NVG 110 bulan 1
Waktu yang dibutuhkan= peramalan permintaan NVG 110 bulan 1 x waktu
produk NVG
110 bulan 1
= 34 x 0,652736 = 22,193
b. Total waktu bulan 1
Total waktu = jumlah dari waktu yang dibutuhkan dari tiap produk di bulan 1
= 22,193 + 0 + 0 + 0 = 22,193
c. Total waktu dan setup = total waktu + waktu setup
= 22,193 + 46,8 = 68,993
d. Level
Level = Maximal dari total waktu dan setup = 452,177
e. Penambahan kapasitas
Penambahan kapasitas = Level RT OT
= 452,177 160 16 = 276,18
f. Inventori
Inventori bulan 1 = Level - Total waktu dan setup
= 452,177 68,993 = 383,18
Dari tabel di atas dapat diketahui bahwa terdapat nilai level yang didapat
dari nilai maksimal total waktu + setup. Hal tersebut disebabkan karena
perencanaan agregat yang digunakan adalah metode level. Dimana dalam
metode level ini, dapat dilakukan penentuan level tertentu untuk bisa memenuhi
demand di akhir periode atau dapat memenuhi fluktuasi permintaan sehingga
inventori di akhir periode sama dengan 0.

38
TUGAS BESAR 2017
4.2.1.2 Perhitungan Jam dan Jumlah Unit Inventori untuk Tiap

Produk pada Masing-masing Bulan
Tabel 4.33 Jam Penambahan Kapasitas untuk Tiap Produk Metode Level
BULAN NVG 110 NVG 119 DCO 110 DCO 119
1 383,183537 0 0 0
6
2 53,0397226 123,7444 0 0
8
3 41,9781237 112,2756 0 0
5
4 2,84989278 7,622383 0,249024 0,149415
5 0 0 0 0
6 0 0 0 0
Tabel 4.34 Jumlah Penambahan Kapasitas Tiap Produk dalam Unit Metode Level
BULAN NVG NVG DCO DCO
110 119 110 119
1 587 0 0 0
2 81 215 0 0
3 64 195 0 0
4 4 13 0,33 0,25
5 0 0 0 0
6 0 0 0 0
Contoh perhitungan:
a. Jam inventori untuk produk NVG 110 pada bulan 1
= Inventori untuk NVG 110 x proporsi NVG bulan 1
= 1 x 383,18= 383,18jam
b. Jumlah unit inventoriproduk NVG 110 dalam unit untuk bulan 1

= Jam inventori untuk NVG 110 pada bulan 1/waktu pembuatan produk NVG
110
= 383,18/0,652736=587 unit
4.2.1.3 Perhitungan Jam dan Jumlah Unit Penambahan Kapasitas

untuk Tiap Produk padaMasing-masing Bulan
Tabel 4.35 Jam Penambahan Kapasitas untuk Tiap Produk Metode Level
110 119 110 119
1 276,17 0 0 0
66
2 82,859 193,31 0 0
97 66
3 75,157 201,01 0 0
83 87
4 72,403 193,65 6,3266 3,7959
11 09 6
5 48,904 130,80 54,079 42,391
53 11 92 02
6 48,904 130,80 54,079 42,391
53 11 92 02

39
TUGAS BESAR 2017
Contoh perhitungan:
a. Jam penambahan kapasitas untuk produk NVG 110 pada bulan 1
= proporsi untuk NVG 110 x penambahan kapasitas bulan 1
= 1 x 276,18= 276,18 jam
4.2.1.4 Perhitungan Unit Subkontrak

Berdasarkan studi kasus ditentukan bahwa jika penambahan kapasitas
yang dibutuhkan melebihi total keseluruhan permintaan, maka perusahaan
memberikan kebijakan untukmelakukan subkontrak.
Tabel 4.36 Tabel Perhitungan Unit Subkontrak Metode Level
1 423,106 0 0 0
1
2 126,942 335,401 0 0
5 5
3 115,142 348,764 0 0
8 6
4 110,922 335,981 8,45604 6,32132
5 5 7 5
5 74,9223 226,938 72,2824 70,5928
8 9
6 74,9223 226,938 72,2824 70,5928
8 9
TOTAL 925,958 1474,02 153,021 147,506
7 4 9
Contoh perhitungan:
a. Subkontrak untuk produk NVG 110 pada bulan 1
= jam penambahan kapasitas dalam unit untuk NVG 110 bulan 1/ waktu
pembuatan produk NVG 110
= 276,1766/0,652736 = 423,1061 unit
4.2.1.5 Perhitungan Total Biaya yang Dikeluarkan

Dari perhitungan agregat yang telah dilakukan dan data-data biaya yang
diketahui, dapat diestimasi biaya-biaya yang akan dikeluarkan. Berikut adalah
perhitungan biaya-biaya.
a. Biaya Tenaga Kerja
Tabel 4.37 Perhitungan Biaya Tenaga Kerja Metode Level
BULAN RT (160) OT (16) BIAYA RT BIAYA TOTAL
OT
1 160 16 2400000 144000 254400
0
2 160 16 2400000 144000 254400
0
3 160 16 2400000 144000 254400
0
4 160 16 2400000 144000 254400
0
5 160 16 2400000 144000 254400
0
6 160 16 2400000 144000 254400
0
TOTAL BIAYA TENAGA KERJA SELAMA 6 BULAN 152640
00

40
TUGAS BESAR 2017
1) RT (regulartime) = Total RT dalam 6 bulan x upah kerja reguler x jumlah
tenaga kerja
= 960 x Rp 15.000,00 x 1 = Rp 14.400.000,00
2) OT (over time) = Total OT dalam 6 bulan x upah kerja lembur x jumlah

tenaga kerja
= 96 x Rp 9.000,00 x 1 = Rp 864.000,00
Total Biaya Tenaga Kerja = RT + OT
= Rp 14.400.000 + Rp 864.000 = Rp 15.264.000,00
a. Biaya Mesin dalam 6 bulan

Biaya mesin 1 bulan = 1.000.000 per mesin (dalam studi kasus) x 2 mesin
= Rp 2.000.000
Biaya mesin 6 bulan = 2.000.000 x 6 = Rp 12.000.000
b. Biaya Subkontrak
Tabel 4.38 Perhitungan Biaya Subkontrak Metode Level
110 119 110 119
1 555923 0 0 0
3
2 166791 505617 0 0
1 8
3 151287 525762 0 0
2 7
4 145742 506492 117954 101830
2 1 ,2 ,9
5 984412, 342109 100827 113718
6 1 6 7
6 984412, 342109 100827 113718
6 1 6 7
TOTAL 121662 222209 213450 237620
63 07 6 4
1) NVG 110
= 0,9 x total unit subkontrak NVG 110 x biaya subkontrak NVG 110
= 0,9 x 925,9587 x Rp 14.599 = Rp 12166263
2) NVG 119
= 0,9 x 1474,024 x Rp 16.750 =Rp 22220907
3) DCO 110
= 0,9 x total unit subkontrak DCO 110 x biaya subkontrak DCO 110
= 0,9 x 153,021 x Rp 15449 =Rp 2134506
4) DCO 119

41
TUGAS BESAR 2017
= 0,9 x 147,5069 x Rp 17899 =Rp 2376204
Total biaya subkontrak
= biaya subkontrak NVG 110 + biaya subkontrak NVG 119 + biaya

subkontrak DCO 110 + biaya subkontrak DCO 119
= Rp 12166263 + Rp 22220907 + Rp 2134506 + Rp 2376204 = Rp

152640000
c. Biaya Inventori
Tabel 4.39 Perhitungan Biaya Inventori Metode Level
BULAN NVG 110 NVG DCO DCO
119 110 119
1 214255 0 0 0
7
2 243912 89903 0 0
7 4
3 267384 17147 0 0
6 45
4 268978 17701 1290 1113
1 23
5 268978 17701 1290 1113
1 23
6 268978 17701 1290 1113
1 23
TOTAL 153248 79241 3869 3340
73 50
a. NVG 110
= 0,25 x total unit inventoriNVG 110 x biaya inventoriNVG 110
= 0,25 x 736,9768 x Rp 14.599 = Rp 2689781
b. NVG 119
= 0,25 x total unit inventoriNVG 119 x biaya inventoriNVG 119
= 0,25 x 422,716 x Rp 16.750 =Rp 1770123
c. DCO 110
= 0,25 x total unit inventoriDCO 110 x biaya inventoriDCO 110
= 0,25 x 0,332842 x Rp 15449 =Rp 1289,681
d. DCO 119
= 0,25 x total unit inventoriDCO 119 x biaya inventoriDCO 119

42
TUGAS BESAR 2017
= 0,25 x 0,248817 x Rp 17899 =Rp 1113,392
Total biaya inventori
= biaya inventori NVG 110 + biaya inventori NVG 119 + biaya inventori DCO
110 + biaya inventori DCO 119
= Rp 2689781 + Rp 1770123 + Rp 1289,681 + Rp 1113,392 = Rp 4462308

Dari perhitungan biaya-biaya yang ada dapat diperoleh total biaya untuk
metode level adalah:
Total biaya = biaya tenaga kerja + biaya permesinan + biaya inventori +

biaya subkontrak
= Rp 15264000 + Rp 12.000.000 + Rp 4462308 + Rp 38897880
= Rp 81839586
4.2.2 Metode Chase

menggunakan metode chase.

Berikut adalah tabel perhitungan untuk perencanaan agregat PT. Leid
Electronics dengan metode chase.
Tabel 4.40 Perencanaan Agregat Metode Chase

Bulan Waktu yg dibutuhkan (Jam) Total Total RT OT Penambaha
waktu waktu n kapasitas
+ setup
NVG NVG DCO DCO
110 119 110 119
1 22.193 0 0 0 22.193 68.993 68,99 0 0
3
2 74.701 153.89 0 0 228.59 275.39 160 16 99,392
2 2 2
3 74.701 176.42 0 0 251.12 297.92 160 16 121,923
2 3 3
4 74.701 176.42 87.536 55.847 394.50 441.30 160 16 265,306
2 6 6
5 74.701 176.42 94.684 59.570 405.37 452.17 160 16 276,177
2 7 7
6 74.701 176.42 94.684 59.570 405.37 452.17 160 16 276,177
2 7 7
Contoh perhitungan:
Waktu yang dibutuhkan= peramalan permintaan NVG 110 bulan 1 x waktu
produk NVG
110 bulan 1
= 34 x 0,652736 = 22.193
b. Total waktu pada bulan 1

43
TUGAS BESAR 2017
= 22,193 + 0 + 0 + 0 = 22,193
= 22,193 + 46,8 = 68,993
d. Penambahan kapasitas
Penambahan kapasitas =total waktu dan setup RT OT
= 68,993 68,99 0 = 0
Dari tabel di atas dapat diketahui bahwa nilai inventori untuk tiap-tiap bulan
tidak ada.Hal tersebut disebabkan karena perencanaan agregat yang
menggunakan metode chase. Dimana dalam metode chase peminimalan biaya
menggunakan carazero inventory. Sehingga produksi yang dilakukan diusahakan
untuk sesuai dengan permintaan yang ada, agar tidak diperlukan biaya
tambahan untuk inventori.
4.2.2.2 Perhitungan Jam dan Jumlah Unit Penambahan Kapasitas

untuk Tiap Produk Pada Masing-masing Bulan.
Dari hasil perhitungan total waktu yang dibutuhkan untuk memenuhi
permintaan pada tiap bulan untuk masing-masing produk diketahui bahwa jika
hanya menggunakan jam regular dan jam lembur tidak dapat mencukupi waktu
yang dibutuhkan untuk menyelesaikan permintaan produk yang ada. Oleh
karena itu diperlukan adanya penambahan kapasitas. Pada pembahasan
sebelumnya penambahan kapasitas yang diketahui adalah total untuk semua
produk. Berikut disajikan tabel perhitungan proporsi jam dan unit penambahan
kapasitas untuk tiap produk.
Tabel 4.41 Jam Penambahan Kapasitas untuk Tiap Produk Metode Chase
BULAN nvg nvg dco dco
110 119 110 119
1 0 0 0 0
2 15.779 36.813 0 0
06 36
3 20.443 54.679 0 0
7 16
4 57.284 153.21 5.0054 3.0032
02 3 9 94
5 40.617 108.63 44.915 35.207
32 6 71 57
6 40.617 108.63 44.915 35.207
32 6 71 57
Contoh perhitungan:
= proporsi untuk produk NVG 110 x penambahan kapasitas bulan 1

44
TUGAS BESAR 2017
= 1 x 0 = 0 jam

Berdasarkan studi kasus ditentukan bahwa jika penambahan kapasitas yang
dibutuhkan melebihi dari total keseluruhan permintaan, maka perusahaan
memberikan kebijakan untuk melakukan subkontrak.
Tabel 4.42 Perhitungan Subkontrak Metode Chase
BULA nvg nvg 119 dco dco 119
N 110 110
1 0 0 0 0
2 24 64 0 0
3 31 95 0 0
4 88 266 7 5
5 62 188 60 59
6 62 188 60 59
Contoh perhitungan:
=jam penambahan kapasitas NVG 110 periode 2/ waktu pembuatan produk
NVG 110
=15.77906/0,652736= 24

perhitungan biaya-biaya.

Tabel 4.43 Perhitungan Biaya Tenaga Kerja Metode Chase
BULAN RT OT BIAYA BIAYA OT TOTAL
(160) (16) RT
1 68,993 0 103489 0 103489
5 5
2 160,00 16 240000 144000 254400
0 0 0
3 160,00 16 240000 144000 254400
0 0 0
4 160,00 16 240000 144000 254400
0 0 0
5 160,00 16 240000 144000 254400
0 0 0
6 160,00 16 240000 144000 254400
0 0 0
95
1) RT (regulartime) = Total RT dalam 6 bulan x upah kerja reguler

= 868,993 x Rp 15.000,00 = Rp 13.034.895

45
TUGAS BESAR 2017
2) OT (over time) = Total OT dalam 6 bulan x upah kerja lembur
= 80 x Rp 9.000,00 = Rp 720.000
3) Total Biaya Tenaga Kerja = RT + OT

= 13034895 + 720000 = Rp 13.754.895
b. Biaya Mesin 6 bulan
Biaya mesin 1 bulan = Rp 10.000.000 per mesin (tercantum dalam study
kasus) x 2 mesin
= Rp 20.000.000,00
Biaya mesin 6 bulan = Rp 2.000.000 x 6 = Rp 12.000.000,00
c. Biaya Subkontrak
Tabel 4.44 Perhitungan Biaya Subkontrak Metode Chase
BULAN nvg 110 nvg 119 dco 110 dco 119
1 0 0 0 0
2 317620.9 962850.09 0 0
5 53
3 411516.8 1430128.4 0 0
63 71
4 1153085. 4007273.2 93323.24 80566.71
58 62 61 78
5 817597.1 2841363.5 837416.4 944482.5
72 02 6 36
6 817597.1 2841363.5 837416.4 944482.5
72 02 6 36
TOTAL 3517417. 12082978. 1768156. 1969531.
74 83 17 79
1) NVG 110
= 0,9 x 268 x 14.599 = 317620.95
2) NVG 119
= 0,9 x 802 x 16.750 =962.850.09
3) DCO 110
=0,9 x total unit subkontrak DCO 110 x biaya subkontrak DCO 110
= 0,9 x 127 x 15.499 =93.323.2461
4) DCO 119
= 0,9 x 122 x 17.899 =80566.7178

= 4.637.024,05 + 15.848.462,97 + 2.129.862,67 + 2.372.195,74 = Rp
249.875,45
metode chase adalah:

46
TUGAS BESAR 2017
Total biaya = biaya total tenaga kerja + biaya permesinan + biaya total
subkontrak
= Rp 13.754.895,35 + Rp 12.000.000,00 + Rp 249.875,45
= Rp 50.742.440,79
4.2.3 Metode Level dengan Rata-rata Tengah

menggunakan metode Level dengan Rata-rata Tengah.
Berikut adalah tabel perhitungan untuk perencanaan agregat PT. leid
Electronics denganmetode Level dengan rata-rata Tengah.
Tabel 4.45 Perencanaan Agregat Metode Level dengan rata-rata tengah
Bulan Waktu yg dibutuhkan Total Total Level RT OT Sub Inventory
NVG NVG DCO DCO waktu waktu + dengan kontrak
110 119 110 119 setup Rata-
rata
Tengah
1 22.193 0 0 0 22.193 68,9930 331,33 160 16 155,32 262,33485
2 55
2 74.701 153.89 0 0 228.592 275,392 331,33 160 16 155,32 318,27031
4 61
3 74.701 176.42 0 0 251.123 297,922 331,33 160 16 155,32 351,67533
9 17
4 74.701 176.42 87.536 55.847 394.506 441,305 331,33 160 16 155,32 241,69736
8 43
5 74.701 176.42 94.684 59.570 405.377 452,176 331,33 160 16 155,32 120,84868
6 22
6 74.701 176.42 94.684 59.570 405.377 452,176 331,33 160 16 155,32 0
6
Contoh perhitungan :
Waktu yang dibutuhkan = peramalan permintaan NVG 110 bulan 1 x waktu
standar
pengerjaanproduk NVG 110
= 34 x 0,652736 = 22,193
b. Total waktu bulan 1
= 22,193 + 0 + 0 + 0 = 22,193
= 22,193 + 46,8 = 68,993
d. Level dengan Rata-rata Tengah = rata-rata dari total waktu dan setup
= (68,99302 + 275,3924+ 297,9229+ 441,3058+ 452,1766 +
452,1766)/6
= 331,33
g. Subkontrak = Level dengan Rata-rata Tengah RT OT
= 331,33 160 16 = 155,3278789
h. Inventori
Inventori bulan 1 = Level dengan Rata-rata Tengah - Total waktu dan setup

47
TUGAS BESAR 2017
= 331,33 68,993 = 262,3348555
4.2.3.2 Perhitungan Jam dan Jumlah Unit Inventori untuk Tiap

Produk pada Masing-masing Bulan
Berikut adalah tabel dari perhitungan jam yang dibutuhkan untuk membuat
tiap produk menggunakan metode Level dengan Rata-rata Tengah agregat.
Tabel 4.46 Jam Inventori untuk Tiap Produk Metode Level dengan Rata-rata Tengah
BULAN nvg 110 nvg dco dco
119 110 119
1 262,3348555 0 0 0
2 95,48916002 222,78 0 0
12
3 95,70383604 255,97 0 0
15
4 63,36396309 169,47 5,5367 3,3220
46 57 54
5 21,39952825 57,235 23,664 18,549
63 16 36
6 0 0 0 0
Tabel 4.47 Jumlah Inventori Tiap Produk dalam Unit Metode Level dengan Rata-rata
Tengah
BULA nvg nvg dco dco
N 110 119 110 119
1 401,90 0 0 0
04
2 146,29 386,52 0 0
06 21
3 146,61 444,10 0 0
95 69
4 97,074 294,03 7,4003 5,5321
41 6 54 41
5 32,784 99,303 31,629 30,889
36 2 83
6 0 0 0 0
Contoh perhitungan:
a. Jam inventori untuk produk NVG 110 pada bulan 1
= Inventori untuk NVG 110 x proporsi NVG bulan 1
= 1 x 262,3348555= 262,3348555jam
b. Jumlah unit inventoriproduk NVG 110 dalam unit untuk bulan 1
= Jam inventori untuk NVG 110 pada bulan 1/waktu pembuatan produk NVG
110
= 262,3348555/ 0,652736 = 401,9004 unit

48
TUGAS BESAR 2017
4.2.3.3 Perhitungan Jam Subkontrak dan Jumlah Unit Penambahan
Kapasitas untuk Tiap Produk pada Masing-masing Bulan
Berikut adalah table dari perhitungan jam yang dibutuhkan untuk membuat
tiap produk menggunakan metode Level dengan Rata-rata Tengah agregat
Tabel 4.48 Jam Penambahan Kapasitas untuk Tiap Produk Metode Level dengan
Rata-rata Tengah
BULA NVG 110 NVG 119 DCO 110 DCO 119
N
1 155,3279 0 0 0
2 46,6023 108,7256 0 0
3 42,27045 113,0574 0 0
4 40,72113 108,9136 3,55822 2,134933
1
5 27,505 73,56546 30,4157 23,84166
6
6 27,505 73,56546 30,4157 23,84166
6
Contoh perhitungan:
= proporsi untuk NVG 110 x penambahan kapasitas bulan 1
= 1 x 155,33= 155,33 jam

Berdasarkan studi kasus ditentukan bahwa jika penambahan kapasitas yang
dibutuhkan melebihi dari total keseluruhan permintaan, maka perusahaan
memberikan kebijakan untuk melakukan subkontrak.
Tabel 4.49 Perhitungan Subkontrak Metode Level dengan rata-rata tengah

110 119 110 119
1 237,964 0 0 0
3
2 71,3953 188,63 0 0
3 73
3 64,7588 196,15 0 0
8 3
4 62,3853 188,96 4,7558 3,5552
35 7 55
5 42,1380 127,63 40,653 39,702
2 5 29 97
6 42,1380 127,63 40,653 39,702
2 5 29 97
Contoh perhitungan:

49
TUGAS BESAR 2017
= jam penambahan kapasitas dalam unit untuk NVG 110 bulan 1/ waktu
pembuatan produk NVG 110
= 155,3279/0,652736 = 237,9643 unit

perhitungan biaya-biaya:
Tabel 4.50 Perhitungan Biaya Tenaga Kerja Metode Level dengan Rata-rata Tengah
BULAN RT (160) OT (16) BIAYA RT BIAYA OT TOTAL
1 160 16 24000 14400 254400
00 0 0
2 160 16 24000 14400 254400
00 0 0
3 160 16 24000 14400 254400
00 0 0
4 160 16 24000 14400 254400
00 0 0
5 160 16 24000 14400 254400
00 0 0
6 160 16 24000 14400 254400
00 0 0
1) RT (regulartime) = Total RT dalam 6 bulan x upah kerja reguler x jumlah
tenaga kerja
= 960 x Rp 15.000,00 x 1 = Rp 14.400.000,00
2) OT (over time) = Total OT dalam 6 bulan x upah kerja lembur x jumlah
tenaga kerja
= 96 x Rp 9.000,00 x 1 = Rp 864.000,00
Total Biaya Tenaga Kerja = RT + OT

= Rp 14.400.000 + Rp 864.000 = Rp 15.264.000,00
b. Biaya Mesin dalam 6 bulan
Biaya mesin 1 bulan = 1.000.000 per mesin (dalam studi kasus) x 2 mesin
= 2.000.000
Biaya mesin 6 bulan = 2.000.000 x 6 = 12.000.000
c. Biaya Subkontrak
Tabel 4.51 Perhitungan Biaya Subkontrak Metode Level dengan Rata-rata Tengah
1 3126637 0 0 0
2 938070,4 2843708 0 0
3 850873,3 2957007 0 0
4 819686,7 2848625 66340,11 57271,96
5 553655,7 1924098 567076,8 639579,2
6 553655,7 1924098 567076,8 639579,2
TOTAL 6842579 12497536 1200494 1336430

50
TUGAS BESAR 2017
1) NVG 110
= 0,9 x 520,7799 x Rp 14.599 = Rp 6842579
2) NVG 119
= 0,9 x 829,0239 x Rp 16.750 =Rp 12497536
3) DCO 110
= 0,9 x 86,06245 x Rp 15449 =Rp 1200494
4) DCO 119
= 0,9 x 82,9612 x Rp 17899 =Rp 1334630

= 6842579 + 12497536 + 1200494 + 1334630 = 21877038
d. Biaya Inventori
Tabel 4.31 Perhitungan Biaya Inventori Metode Level dengan Rata-rata Tengah
1 146683 0 0 0
6
2 533924. 1618561 0 0
2
3 535124. 1859698 0 0
6
4 354297. 1231276 28674.5 24754.9
3 2 5
5 119654. 415831.3 122555. 138224.
7 2 3
6 0 0 0 0
TOTAL 300983 5125366 151229. 162979.
7 8 2
metode Level dengan Rata-rata Tengah adalah:
Total biaya = biaya tenaga kerja + biaya permesinan + biaya inventori +
biaya subkontrak
= Rp 15.264.000 + Rp 12.000.000 + Rp 8.449.412 + Rp 21.877.038
= Rp 57.590.450,00

51
TUGAS BESAR 2017
4.2.4 Analisis
Untuk melakukan pemilihan metode yang paling tepat digunakan dalam
perencanaan agrerat departemen permesinan pada PT. LEID Electronics dapat
dilakukan analisis terhadap faktor biaya.
Berikut ini merupakan tabel perbandingan biaya per periode untuk masing-
masing metode
Tabel 4.32 Perbandingan Biaya
Biaya Chase Level Level dengan
Rata-rata Tengah
BIAYA 1425089 4421474 3239791
PERMESINAN
BIAYA TENAGA 13754895 15264000 15264000
KERJA
BIAYA INVENTORI 0 23256232 8449412
BIAYA 24987545 38897880 21877038
SUBKONTRAK
Total Biaya 40167529 81839586 48830241
Berdasarkan tabel diatas, dapat diketahui bahwa strategi level menghasilkan
biaya total tertinggi. Pada metode ini, memutuhkan biaya inventori sehingga
biaya yang dikeluarkan ditambah dengan biaya penyimpanan produk.. Hal ini
akan mengakibatkan jumlah inventori yang tinggi dan akan menghasilkan total
biaya yang tinggi.
Selain faktor biaya, kesesuaian dengan tipe perusahaan juga harus
dipertimbangkan untuk memilih metode yang tepat. Strategi yang digunakan
oleh perusahaan ini adalah strategi make to order (MTO) dalam memenuhi
kebutuhan konsumen..
Dilihat dari dua faktor diatas, maka strategi chase cenderung dipilih sebagai
metode yang tepat untuk perencanaan agregat pada PT. LEID
Electronicsberdasarkan faktor biaya. Hal ini dikarenakan biaya total terkecil
terdapat pada metode chase. Selain itu, metode ini juga sesuai dengan tipe
perusahaan yaitu MTO (make to order).Untuk itu, metode yang dipilih adalah
metode chase.

52
TUGAS BESAR 2017
4.3 Master Production Schedule
Pada sub bab ini akan ditampilkan tabel MRP (Master Production Schedule)
pada tiap-tiap produk.
a) Produk NVG 110
Berikut ini adalah tabel perhitungan MPS dari produk NVG 110
PT
F
NVG 110
DT
F
1 1 1 1 1 1 1 1 1 1 2 2 2 2 2
period 1 2 3 4 5 6 7 8 9
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4
forecast
producti
on
forecast
actual 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
9 9 8 8 28
demand 8 9 9 8 8 9 9 8 8 9 9 8 8 9 9 8 8 9 9
2 3 8 6 6
subkon
4 1 7 2 2
2
MPS 9 9 8 8 23
3
project
1 2 1 6 4 2 4 3 1 4 3 1
available 14 7 0 9 0 0 0 0
9 4 7 6 5 3 7 2 6 7 2 6
balance
available
to
promise
Planned 2 2 2 2 2 2 1 1 1 1 1 1 1 1
7 7 7 6
order 2 2 1 1 1 0 3 3 3 3 3 3 3 3
Pada tabel Perhitungan MPS NVG 110, diketahui bahwa pada periode ke 5
terdapat subkontrak sebesar 24 produk, sehingga pada periode tersebut
terdapat nilai PAB (Projected Available Balance) didapat dari nilai MPS karena
tidak terdapat planned order. Berikut contoh perhitungan PAB:
PAB Minggu ke 5 = MPS + Subkontrak actual demand
= 23 + 24 28 = 19
Sedangkan pada periode ke 9 terdapat subkontrak sebanyak 31 produk,
sehingga pada periode tersebut nilai PAB (Projected Available Balance) adalah
sebagai berikut:

53
TUGAS BESAR 2017
PAB Minggu ke 9 = Planned Order + Subkontrak Actual demand
= 21 + 31 28 = 24
b) Produk NVG 119

Berikut ini adalah tabel perhitungan MPS dari produk NVG 119
PT
F
NVG 119
DT
F
1 1 1 1 1 1 1 2 2 2 2
period 1 2 3 4 5 6 7 8 9 13 14 17 21
0 1 2 5 6 8 9 0 2 3 4
forecast
producti
on
forecast
actual 6 6 6 7 7 7 7 7 7 7 7 7 7 7 7
0 0 0 0 67 77 77 77 77
demand 7 7 6 7 7 6 6 6 6 7 6 6 7 6 6
6 9 26 18 18
subkon
4 5 6 8 8
5
MPS 0 0 0 0 51
1
project
4 1 7 4 2 19 13 6 14 9 4 14 9 4
available 32 0 0 0 0 0
8 6 1 7 4 9 2 6 1 4 7 1 4 7
balance
available
to
promise
Planned 5 5 5 5 5 5 1 1 3 2 2 3 2 2
10 10 30 30
order 1 0 3 3 3 2 0 0 0 9 9 0 9 9
Pada tabel Perhitungan MPS NVG 119, diketahui bahwa pada periode ke 5
terdapat subkontrak sebesar 64 produk, sehingga pada periode tersebut
terdapat nilai PAB (Projected Available Balance) didapat dari nilai MPS karena
tidak terdapat planned order. Berikut contoh perhitungan PAB.
PAB Minggu ke 5 = MPS + Subkontrak actual demand
= 51 + 64 67 = 48

54
TUGAS BESAR 2017
Sedangkan pada periode ke 9 terdapat subkontrak sebanyak 95 produk,
sehingga pada periode tersebut nilai PAB (Projected Available Balance) adalah
sebagai berikut:
= 53 + 95 77 = 71

55
TUGAS BESAR 2017
c) Produk DCO 110
Berikut ini adalah tabel perhitungan MPS dari produk DCO 110
PTF
DCO 110 DT
F
1 1 1 1 1 1 1 2 2 2 2
Period 1 2 3 4 5 6 7 8 9 13 14 17 21
0 1 2 5 6 8 9 0 2 3 4
Forecast
producti
on
forecast
actual 3 3 3 3 3 3
0 0 0 0 0 0 0 0 0 0 0 0 3 3 2 2 32 32
demand 2 2 1 2 2 1
Subkon 7 60 60
MPS 0 0 0 0 0 0
project
3 1 3 1
available 5 3 2 0 45 0 45 0
0 5 0 5
balance
available
to
promise
Planned 1 1 1 1 1 1
0 0 0 0 0 0 1 1 1 0 17 17
order 7 7 6 7 7 6
Pada tabel Perhitungan MPS DCO 110, diketahui bahwa pada periode ke 13
terdapat subkontrak sebesar 7 produk, sehingga pada periode tersebut terdapat
nilai PAB (Projected Available Balance). Berikut contoh perhitungan PAB.
= 1+73=5
d) Produk DCO 119
Berikut ini adalah tabel perhitungan MPS dari DCO 119
PTF
DCO 119 DT
F
1 1 1 1 1 1 1 2 2 2 2
Period 1 2 3 4 5 6 7 8 9 13 14 17 21
0 1 2 5 6 8 9 0 2 3 4
Forecast
producti
on
forecast
actual 2 2 2 2 2 2
0 0 0 0 0 0 0 0 0 0 0 0 2 2 1 1 25 25
demand 5 5 4 5 5 4
Subkon 5 59 59
MPS 0 0 0 0 0 0
project
2 1 2 1
available 4 2 1 0 44 0 44 0
9 4 9 4
balance
available
to
promise
Planned 0 0 0 0 0 0 1 0 0 0 10 1 1 1 10 1 1 1

56
TUGAS BESAR 2017
order 0 0 0 0 0 0
Pada tabel Perhitungan MPS DCO 119, diketahui bahwa pada periode ke 13
terdapat subkontrak sebesar 5 produk, sehingga pada periode tersebut terdapat
nilai PAB (Projected Available Balance). Berikut contoh perhitungan PAB.
= 1+52=4
4.4 Material Requirement Planning

Pada sub bab ini akan dijelaskan tentang MRP (Material Requirement
Planning) pada tiap produk dan tiap komponen produk.
4.4.1 Material Requirement Planning Tiap Komponen

Pada sub bab ini akan dijelaskan tentang tabel MRP dari tiap-tiap
komponen/item dari produk beserta contoh pengerjaannya.
a. Bill of Material(BOM) Tree NVG 110
b. Bill of Material(BOM) Tree NVG 119
c. Bill of Material(BOM) Tree DCO 110
d. Bill of Material(BOM) Tree DCO 119

57
TUGAS BESAR 2017

58
TUGAS BESAR 2017
a) Item A
e. Berikut ini adalah tabel MRP dari komponen/item A.
f. Item : A g. LLC :
h. lot size : minimum cost i. LT :
j. Ite
k. l. m. n. o. p.
m q. r. s. t. u. v. w. x. y. z. aa. ab. ac. ad. ae. af. ag. ah. ai.
A
aj. Pe au. av. aw. ax. ay. az. ba. bb. bc. bd. be. bf. bg. bh. bi.
ak. al. am. an. ao. ap. aq. ar. as. at.
rio 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2
1 2 3 4 5 6 7 8 9
d
bj. Gr
os
s
re
qu
ire
m bl. bm. bn. bo. bp. bq. br. bs. bt. bu. bv. bw. bx. by. bz. ca. cb. cc. cd. ce. cf. cg. ch. ci.
en bk. 1 1 1 1 1 1 1 1 2 2 2 1 4 4 4 4 1 1 1 1 1 1 1 1
t
cj. Sc
he
du
led
Re
cei ck. cl. cm. cn. co. cp. cq. cr. cs. ct. cu. cv. cw. cx. cy. cz. da. db. dc. dd. de. df. dg. dh. di.
pt
dj. Pr
oje
ct
ed
On dk. dl. dm. dn. do. dp. dq. dr. ds. dt. du. dv. dw. dx. dy. dz. eb. ed. ee. eg. eh.
Ha 1 1 1 1 1 1 8 6 4 2 4 3 1 1 8 4 ea. 1 ec. 3 1 ef. 3 1 ei.
nd 0 0 0 0
ej. Ne ek. el. em. en. eo. ep. eq. er. es. et. eu. ev. ew. ex. ey. ez. fa. fb. fc. fd. fe. ff. fg. fh. fi.
t 1 1 4 4 4 4 1 1 1 1 1 1 1 1
Re

59
TUGAS BESAR 2017
qu
ire
m
en
t
fj. pla
nn
ed
or
de
r
re
cei fk. fl. fm. fn. fo. fp. fq. fr. fs. ft. fu. fv. fw. fx. fy. fz. ga. gb. gc. gd. ge. gf. gg. gh. gi.
pt
gj. Pla
nn
ed
or
de
r
rel
ea gv. hb. hd. hg.
se gk. gl. gm. gn. go. gp. gq. gr. gs. gt. gu. 5 gw. gx. gy. gz. ha. 3 hc. 5 he. hf. 5 hh. hi.
d
hj. Pada periode ke 11 perusahaan perlu melakukan order komponen A untuk memenuhi kebutuhan komponen A di
periode selanjutnya mengguanakan metode lot sizing minimum cost per period. Berikut ini adalah perhitungan
minimum cost per period
hk. Tabel ... Perhitungan Minimum Cost Per Period
hm.
Trial
Lo ho.Cost
t hn.Cummu Per
hl. Periode Si lative Period
Kombinasi ze Cost e
hp.11 hq.20 hr. 150000 hs. 15000

60
TUGAS BESAR
2017
1 0
hu.39 hw.
hv. 187632
ht. 11,12 7 93816
hy. 44
hz. 206448 ia. 68816
hx.11,12,13 6
ib. 11,12,13,1 ic. 49
id. 233520 ie. 58380
4 3
if. 11,12,13,1 ig. 54
ih. 269616 ii. 53923
4,15 0
ij. 11,12,13,1 ik. 58
il. 309936 im.51656
4,15,16 2
in. 11,12,13,1 io. 77
ip. 527664 iq. 75381
4,15,16,17 1
ir.
is. Tabel ... Perhitungan Minimum Cost Per Period (lanjutan)
iu. Tri
al
Lo iw. Cost
t iv. Cummu Per
it. Periode Siz lative Period
Kombinasi e Cost e
iy. 18 ja. 15000
iz. 150000
ix. 17 9 0
jc. 37
jd. 185904 je. 92952
jb. 17,18 6
jg. 56 ji. 10465
jh. 313968
jf. 17,18,19 0 6
jj. 17,18,19, jk. 93 jm.14060
jl. 562416
20 0 4
jo. 18 jq. 15000
jp. 150000
jn. 19 4 0
js. 36
jt. 185904 ju. 92952
jr. 19,20 5
jv. 19,20,21 jw. 55 jx. 257328 jy. 85776

61
TUGAS BESAR
2017
4
jz. 19,20,21, ka. 74
kb. 365040 kc. 91260
22 1
ke. 18 kg. 15000
kf. 150000
kd. 22 7 0
ki. 37
kj. 185328 kk. 92664
kh. 22,23 1
km.
kn. 254832 ko. 84944
kl. 22,23,24 552
kp.
kq.

62
TUGAS BESAR
2017
b) Item B
kr. Berikut ini adalah tabel MRP dari komponen/item B.
ks. item : B kt. LLC :
ku. lot size :EOQ kv. LT :
kw. It
e
m kx. ky. kz. la. lb. lc. ld. le. lf. lg. lh. li. lj. lk. ll. lm. ln. lo. lp. lq. lr. ls. lt. lu. lv.
A
lw. p
e mh. mi. mj. mk. ml. mm. mn. mo. mp. mq. mr. ms. mt. mu. mv.
ly. lz. ma. mb. mc. md. me. mf. mg.
ri lx. 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2
1 2 3 4 5 6 7 8 9
o
d
mw. G
r
o
s
s
r
e nc. nd. ne. nf. ng. nh. ni. nj. nk. nl. nm. nn. no. np. nq. nr. ns. nt. nu. nv.
my. mz. na. nb.
q mx. 7 7 7 7 7 7 7 7 1 1 1 1 7 7 6 6 7 7 6 6
9 9 8 8
u
ir
e
m
e
n
t
nw. S nx. ny. nz. oa. ob. oc. od. oe. of. og. oh. oi. oj. ok. ol. om. on. oo. op. oq. or. os. ot. ou. ov.
c
h
e
d
u
l
e
d
R
e

63
TUGAS BESAR
2017
c
e
i
p
t
ow. P
r
o
j
e
c
t ox. oy. oz. pa. pb. pc. pd. pe. pf. pg. ph. pi. pj. pk. pl. pm. pn. po. pp. pq. pr. ps. pt. pu. pv.
e 3 3 3 3 3 3 3 3 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
d
O
n
H
a
n
d
pw. N
e
t
R
e
q
u px. py. pz. qa. qb. qc. qd. qe. qf. qg. qh. qi. qj. qk. ql. qm. qn. qo. qp. qq. qr. qs. qt. qu. qv.
ir
e
m
e
n
t
qw. p qx. qy. qz. ra. rb. rc. rd. re. rf. rg. rh. ri. rj. rk. rl. rm. rn. ro. rp. rq. rr. rs. rt. ru. rv.
l
a
n
n
e
d
o
r

64
TUGAS BESAR
2017
d
e
r
r
e
c
e
i
p
t
rw. Pl
a
n
n
e
d
o
r
d
e rx. ry. rz. sa. sb. sc. sd. se. sf. sg. sh. si. sj. sk. sl. sm. sn. so. sp. sq. sr. ss. st. su. sv.
r
r
e
l
e
a
s
e
d
sw.
sx. Pada item B tidak terdapat planned order relesed karena inventory dari komponen B sudah mencukupi
kebutuhan sampai periode ke 24.
sy.
sz.

65
TUGAS BESAR 2017
c) Item C
ta. Berikut ini adalah tabel MRP dari komponen/item B.
tb. item : C tc. LLC:
td. lot size : POQ te. LT :
tf. It
e
m tg. th. ti. tj. tk. tl. tm. tn. to. tp. tq. tr. ts. tt. tu. tv. tw. tx. ty. tz. ua. ub. uc. ud. ue.
C
uf. P
e uq. ur. us. ut. uu. uv. uw. ux. uy. uz. va. vb. vc. vd. ve.
uh. ui. uj. uk. ul. um. un. uo. up.
ri ug. 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2
1 2 3 4 5 6 7 8 9
o
d
vf. G
ro
s
s
re
vl. vm. vn. vo. vp. vq. vr. vs. vt. vu. vv. vw. vx. vy. vz. wa. wb. wc. wd. we.
q vh. vi. vj. vk.
vg. 7 7 7 7 7 7 7 7 2 1 1 1 8 8 7 7 8 8 7 7
ui 9 9 8 8
re
m
e
n
t
wf. S wg. wh. wi. wj. wk. wl. wm. wn. wo. wp. wq. wr. ws. wt. wu. wv. ww. wx. wy. wz. xa. xb. xc. xd. xe.
c
h
e
d
ul
e
d
R

66
TUGAS BESAR 2017
e
c
ei
p
t
xf. Pr
oj
e
ct
e
xg. xh. xi. xj. xk. xl. xm. xn. xo. xp. xq. xr. xs. xt. xu. xv. xw. xx. xy. xz. ya. yb. yc. yd. ye.
d
2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 9 8 8
O
n
H
a
n
d
yf. N
e
t
R
e
q
yg. yh. yi. yj. yk. yl. ym. yn. yo. yp. yq. yr. ys. yt. yu. yv. yw. yx. yy. yz. za. zb. zc. zd. ze.
ui
re
m
e
n
t
zf. pl zg. zh. zi. zj. zk. zl. zm. zn. zo. zp. zq. zr. zs. zt. zu. zv. zw. zx. zy. zz. aaa. aab.aac. aad. aae.
a
n
n
e
d
or
d

67
TUGAS BESAR
2017
e
r
re
c
ei
p
t
aaf. Pl
a
n
n
e
d
or
d
aag. aah. aai. aaj. aak. aal. aam. aan. aao. aap. aaq. aar. aas. aat. aau. aav. aaw. aax. aay. aaz. aba. abb.abc.abd. abe.
e
r
re
le
a
s
e
d
abf.
abg. Pada item C tidak terdapat planned order relesed karena inventory dari komponen B sudah mencukupi
abh.

68
TUGAS BESAR 2017
d) Item D
abi. item : D abj. LLC:
abk. lot size : EOQ abl. LT :
abm. abn.
abo.
Ite
m abp.abq.abr. abs.abt. abu.abv.abw.abx.aby. abz.aca.acb.acc. acd.ace.acf. acg.ach.aci. acj. ack.acl. acm.acn.
D
aco.
Per acz. ada.adb.adc.add. adg.adh.adi. adj. adk.adl. adm.adn.
acq.acr. acs. act. acu.acv. acw.acx. acy. ade.adf.
i acp. 1 1 1 1 1 1 1 1 2 2 2 2 2
1 2 3 4 5 6 7 8 9 15 16
o
d
ado.
Gro
s
s
r
e
q
u
i
r
e
m
e adq.adr. ads. adt. adu.adv. adw.adx.ady. adz. aea.aeb.aec. aed. aeg.aeh.aei. aej. aek.ael. aem.aen.
n adp. 1 1 1 1 9 9 9 9 9 9 9 9 2 2 aee.aef. 1 1 1 1 1 1 1 1
t 27 22
aeo. aep.aeq.aer. aes. aet. aeu.aev. aew.aex.aey. aez. afa. afb. afc. afd.afe.aff. afg. afh. afi. afj. afk. afl. afm.afn.
Sch
e
d

69
TUGAS BESAR2017
u
l
e
d
R
e
c
e
i
p
t
afo. P
r
o
j
e
c
t
e
d
O
n
H
a afp. afq. afr. afs. aft. afu. afv. afw. afx. afy. afz. aga.agb.agc.agd. agg.
n 1 9 9 9 9 8 7 6 5 4 3 2 1 1 1 age.agf. 2 agh.agi. agj. agk.agl. agm.agn.
d 90 68
ago. agp.agq.agr. ags. agt. agu.agv. agw.agx.agy. agz. aha.ahb.ahc.ahd.ahe.ahf. ahg.ahh.ahi. ahj. ahk.ahl. ahm.ahn.
Net 5 1 6 3 1 6 2 1
R
e
q
u
i

70
TUGAS BESAR 2017
r
e
m
e
n
t
aho.
pla
n
n
e
d
o
r
d
e
r
r
e
c
e
i aig. aii. ail.
p ahp.ahq.ahr. ahs. aht. ahu.ahv. ahw.ahx.ahy. ahz. aia. aib. aic. aid.aie.aif. 3 aih. 3 aij. aik. 3 aim. ain.
t
aio. P aip. aiq. air. ais. ait. aiu. aiv. aiw. aix. aiy. aiz. aja. ajb. ajc. ajd.aje.ajf. ajg. ajh. aji. ajj. ajk. ajl. ajm. ajn.
l
a
n
n
e
d
o
r

71
TUGAS BESAR
2017
d
e
r
r
e
l
e
a
s
e
d
ajo.
ajp. Pada periode ke 17 perusahaan perlu melakukan order komponen D untuk memenuhi kebutuhan
komponen D di periode selanjutnya. Untuk mendapatkan Planned Order Receipt digunakan metode lot size EOQ.
ajq. EOQ = 2 DC
h
=

2 x 78 x 150000
192
=348
ajr. D = rata-rata Gross requirement

ajs. C = biaya order
ajt.h = holding cost

72
TUGAS BESAR 2017
e) Item E
aju. item : E ajv. LLC:

ajw. lot size : POQ ajx. LT :
ajy. It
e
ajz.
m aka. akb. akc. akd. ake. akf. akg. akh. aki. akj. akk. akl. akm.akn.ako.akp. akq. akr. aks. akt. aku. akv. akw. akx.
E
aky. alj. alk. all. alm. aln. alo. alp. alq. alr. als. alt. alu. alv. alw. alx.
ala. alb. alc. ald. ale. alf. alg. alh. ali.
Perio akz. 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2
1 2 3 4 5 6 7 8 9
d
aly. G
r
o
s
s
r
e
q
ui
r
e
m
e ama. amb. amc. amd. ame.amf. amg.amh.ami. amj. amk. aml.amm.amn.
amo.amp.amq.amr. ams. amt. amu.amv. amw.amx.
n alz. 1 1 1 1 1 1 1 1 1 1 1 1 3 3 3 3 1 1 1 1 1 1 1 1
t
amy. amz. ana. anb. anc. and. ane. anf. ang. anh. ani. anj. ank. anl. anm.ann.ano.anp. anq. anr. ans. ant. anu. anv. anw. anx.
Sche
d
ul
e
d
R
e
c

73
TUGAS BESAR
2017
ei
p
t
any.
Proje
ct
e
d
O
n
H
a anz. aoa. aob. aoc. aod. aoe. aof. aog. aoh. aoi. aoj. aok. aol. aom.
n 1 1 1 1 1 1 9 7 6 4 3 2 5 2 aon.aoo.aop. aoq. aor. aos. aot. aou. aov. aow. aox.
d
aoy.N
e
t
R
e
q
ui
r
e
m
e apn.apo.app. apq. apr. aps. apt. apu. apv. apw. apx.
n aoz. apa. apb. apc. apd. ape. apf. apg. aph. api. apj. apk. apl. apm.1 3 3 1 1 1 1 1 1 1 1
t
apy. apz. aqa. aqb. aqc. aqd. aqe. aqf. aqg. aqh. aqi. aqj. aqk. aql. aqm.aqn.aqo.aqp. aqq. aqr. aqs. aqt. aqu. aqv. aqw. aqx.
plann 2 5 4
e
d
o
r
d
e
r
r

74
TUGAS BESAR2017
e
c
ei
p
t
aqy.
Plann
e
d
o
r
d
e
r
r
el
e
a
s
e aqz. ara. arb. arc. ard. are. arf. arg. arh. ari. arj. ark. arl. arm. arn. aro. arp. arq. arr. ars. art. aru. arv. arw. arx.
d
ary. Pada periode ke 14 perusahaan perlu melakukan order komponen E untuk memenuhi kebutuhan
komponen E di periode selanjutnya. Untuk mendapatkan Planned Order Receipt digunakan metode lot size POQ.
arz. EOQ = 2 DC
h
=
2 x 104 x 150000
192
=403
52 XD
asa. POQ = EOQ
52
=3.88=4
asb. POQ= 52 X 104
403
asc. Planned order receipt periode 14 = kumulatif gross requirement periode 14,15,16,17
asd. = 36 + 36 + 32 + 142 = 246

75
TUGAS BESAR2017
ase. Item F
asf. item : F asg. LLC:

ash. lot size : EOQ asi. LT :
asj.I
t
e
ask. asl. asm. asn. aso. asp. asq. asr. ass. ast. asu. asv. asw. asx. asy. asz. ata. atb. atc. atd. ate. atf. atg. ath. ati.
m
F
atj. P
e
atu. atv. atw. atx. aty. atz. aua. aub. auc. aud. aue. auf. aug. auh. aui.
r atl. atm. atn. ato. atp. atq. atr. ats. att.
atk. 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2
i 1 2 3 4 5 6 7 8 9
o
d
auj. G
r
o
s
s
r
e aul. aum. aun. auo. aup. auq. aur. aus. aut. auu. auv. auw. aux. auy. auz. ava. avb. avc. avd. ave. avf. avg. avh. avi.
q auk. 2 2 2 2 1 1 1 1 1 1 1 1 3 3 3 2 1 1 1 1 1 1 1 1
u
ir
e
m
e
n
t
avj. S avk. avl. avm. avn. avo. avp. avq. avr. avs. avt. avu. avv. avw. avx. avy. avz. awa.awb.awc. awd.awe.awf. awg.awh. awi.
c
h
e

76
TUGAS BESAR2017
d
u
l
e
d
R
e
c
e
i
p
t
awj.
Proje
c
t
e
awk. awl. awm. awn. awo. awp. awq. awr. aws. awt. awu.awv. aww.awx. awy. awz. axa. axb. axc. axe.
d axd.
1 1 1 1 1 1 1 1 1 8 7 6 5 5 4 4 4 2 1 2 axf. axg. axh. axi.
O 2
n
H
a
n
d
axj. N
e
t
R
e
q aye. ayf. ayg. ayh. ayi.
u axk. axl. axm. axn. axo. axp. axq. axr. axs. axt. axu. axv. axw. axx. axy. axz. aya. ayb. ayc. ayd. 1 1 3 2 7
ir
e
m
e
n
t

77
TUGAS BESAR2017
ayj. p
l
a
n
n
e
d
o
r aze. azf.
d ayk. ayl. aym. ayn. ayo. ayp. ayq. ayr. ays. ayt. ayu. ayv. ayw. ayx. ayy. ayz. aza. azb. azc. azd. 3 3 azg. azh. azi.
e
r
r
e
c
e
i
p
t
azj. P azk. azl. azm. azn. azo. azp. azq. azr. azs. azt. azu. azv. azw. azx. azy. azz. baa. bab. bac. bad. bae. baf. bag. bah. bai.
l
a
n
n
e
d
o
r
d
e
r
r
e
l
e
a
s

78
TUGAS BESAR
2017
e
d
baj.
bak. Pada periode ke 20 perusahaan perlu melakukan order komponen F untuk memenuhi kebutuhan
komponen F di periode selanjutnya. Untuk mendapatkan Planned Order Receipt digunakan metode lot size EOQ.
bal. EOQ = 2 DC
h
=
2 x 95 x 150000
192
=385
bam.

79
TUGAS BESAR
2017
f) Item G
ban. item : G bao. LLC:

bap. lot size : POQ baq. LT :
bar.
Item bas. bat. bau. bav. baw. bax. bay. baz. bba. bbb. bbc. bbd. bbe. bbf. bbg.bbh.bbi. bbj. bbk. bbl. bbm.bbn. bbo. bbp. bbq.
G
bbr. bcc. bcd. bce. bcf. bcg. bch. bci. bcj. bck. bcl. bcm.bcn. bco. bcp. bcq.
bbt. bbu. bbv. bbw. bbx. bby. bbz. bca. bcb.
Perio bbs. 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2
1 2 3 4 5 6 7 8 9
d
bcr. G
r
o
s
s
r
e bcx. bcy. bcz. bda. bdb. bdc. bdd. bde. bdf. bdg. bdh. bdi. bdj. bdk. bdl. bdm.bdn. bdo. bdp. bdq.
bct. bcu. bcv. bcw.
q bcs. 1 1 1 1 1 1 1 1 3 2 2 2 1 1 1 1 1 1 1 1
9 9 8 8
u
ir
e
m
e
n
t
bdr. S bds. bdt. bdu. bdv. bdw. bdx. bdy. bdz. bea. beb. bec. bed. bee. bef. beg. beh. bei. bej. bek. bel. bem.ben. beo. bep. beq.
c
h
e
d
u
l
e
d
R
e

80
TUGAS BESAR 2017
c
e
i
p
t
ber. P
r
o
j
e
c
t bes. bet. beu. bev. bew. bex. bey. bez. bfa. bfb. bfc. bfd. bfe. bff. bfg. bfh. bfi. bfj. bfk. bfl. bfm. bfn. bfo. bfp.
e 2 1 1 1 1 1 1 1 1 1 1 1 9 9 9 8 8 7 6 5 4 3 1 8 bfq.
d
O
n
H
a
n
d
bfr. N
e
t
R
e
q bgq.
u bfs. bft. bfu. bfv. bfw. bfx. bfy. bfz. bga. bgb. bgc. bgd. bge. bgf. bgg.bgh.bgi. bgj. bgk. bgl. bgm.bgn. bgo. bgp. 2
ir
e
m
e
n
t
bgr. p bgs. bgt. bgu. bgv. bgw. bgx. bgy. bgz. bha. bhb. bhc. bhd. bhe. bhf. bhg.bhh.bhi. bhj. bhk. bhl. bhm.bhn. bho. bhp. bhq.
l 1
a
n

81
TUGAS BESAR
2017
n
e
d
o
r
d
e
r
r
e
c
e
i
p
t
bhr. P
l
a
n
n
e
d
o
r
d
bhs. bht. bhu. bhv. bhw. bhx. bhy. bhz. bia. bib. bic. bid. bie. bif. big. bih. bii. bij. bik. bil. bim. bin. bio. bip. biq.
e
r
r
e
l
e
a
s
e
d
bir.

82
TUGAS BESAR
2017
bis. Pada periode ke 24 perusahaan perlu melakukan order komponen G untuk memenuhi kebutuhan
komponen G di periode selanjutnya. Untuk mendapatkan Planned Order Receipt digunakan metode lot size POQ.
bit. EOQ = 2 DC
h
=
2 x 95 x 150000
192
=385
52 XD
biu. POQ = EOQ
52
=12.1=13
biv. POQ= 52 X 95
385
biw. Planned order receipt periode 24 = kumulatif gross requirement periode 24
bix. = 107

83
TUGAS BESAR
2017
g) Item H
biy. item : H biz. LLC:

bja. lot size : EOQ bjb. LT :
bjc.Ite
m bjd. bje. bjf. bjg. bjh. bji. bjj. bjk. bjl. bjm. bjn. bjo. bjp. bjq. bjr. bjs. bjt. bju. bjv. bjw. bjx. bjy. bjz. bka. bkb.
H
bkn. bko. bkp. bkq. bkr. bks. bkt. bku. bkv. bkw. bkx. bky. bkz. bla. blb.
bkc. bke. bkf. bkg. bkh. bki. bkj. bkk. bkl. bkm.
bkd. 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2
Period 1 2 3 4 5 6 7 8 9
blc. Gr
os
s
re ble. blf. blg. blh. bli. blj. blk. bll. blm. bln. blo. blp. blq. blr. bls. blt. blu. blv. blw. blx. bly. blz. bma. bmb.
qui bld. 1 1 1 1 9 9 9 9 9 9 9 9 2 2 2 2 1 1 9 9 1 1 9 9
re
m
en
t
bmc.
Sched
ule
d bmd. bme. bmf. bmg. bmh. bmi. bmj. bmk. bml. bmm.bmn. bmo. bmp. bmq. bmr.bms.bmt. bmu. bmv. bmw.bmx. bmy. bmz. bna. bnb.
Re
cei
pt
bnc.
Project
bnd. bne. bnf. bng. bnh. bni. bnj. bnk. bnl. bnm. bnn. bno. bnp. bnq. bnr. bns. bnt. bnu.
ed
1 9 9 9 9 8 7 6 5 4 3 2 1 1 1 9 7 3 bnv. bnw. bnx. bny. bnz. boa. bob.
On
Ha
nd
boc. bod. boe. bof. bog. boh. boi. boj. bok. bol. bom. bon. boo. bop. boq. bor. bos. bot. bou. bov. bow. box. boy. boz. bpa. bpb.
Net 3 2 1 9 2 1 4 2
Re
qui

84
TUGAS BESAR
2017
re
m
en
t
bpc.
planne
d
or bpu. bpx. bqa.
de bpd. bpe. bpf. bpg. bph. bpi. bpj. bpk. bpl. bpm. bpn. bpo. bpp. bpq. bpr. bps. bpt. 3 bpv. bpw. 3 bpy. bpz. 3 bqb.
r
rec
eip
t
bqc.
Planne
d
or
de
bqd. bqe. bqf. bqg. bqh. bqi. bqj. bqk. bql. bqm. bqn. bqo. bqp. bqq. bqr. bqs. bqt. bqu. bqv. bqw. bqx. bqy. bqz. bra. brb.
r
rel
ea
se
d
brc.
brd. Pada periode ke 17 perusahaan perlu melakukan order komponen H untuk memenuhi kebutuhan
komponen H di periode selanjutnya. Untuk mendapatkan Planned Order Receipt digunakan metode lot size EOQ.
bre. EOQ = 2 DC
h
=
2 x 72 x 150000
192
=335
brf.
brg.

85
TUGAS BESAR
2017
h) Item I
brh. item : I bri. LLC:

brj. lot size : POQ brk. LT :
brl. It
e brr. brt.
brm. brn. bro. brp. brq. brs. bru. brv. brw. brx. bry. brz. bsa. bsb. bsc. bsd. bse. bsf. bsg. bsh. bsi. bsj. bsk.
m
I
bsl.P
e bsw. bsx. bsy. bsz. bta. btb. btc. btd. bte. btf. btg. bth. bti. btj. btk.
bsn. bso. bsp. bsq. bsr. bss. bst. bsu. bsv.
ri bsm. 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2
1 2 3 4 5 6 7 8 9
o
d
btl. G
ro
ss
re
btr. bts. btt. btu. btv. btw. btx. bty. btz. bua. bub. buc. bud. bue. buf. bug. buh. bui. buj. buk.
q btn. bto. btp. btq.
btm. 7 7 7 7 7 7 7 7 1 1 1 1 7 7 6 6 7 7 6 6
ui 9 9 8 8
re
m
e
nt
bul. S
c
h
e
d
ul
e bum. bun. buo. bup. buq. bur. bus. but. buu. buv. buw. bux. buy. buz. bva. bvb. bvc. bvd. bve. bvf. bvg. bvh. bvi. bvj. bvk.
d
R
e
c
ei
pt

86
TUGAS BESAR
2017
bvl. Pr
oj
e
ct
e
bvm. bvn. bvo. bvp. bvq. bvr. bvs. bvt. bvu. bvv. bvw. bvx. bvy. bvz. bwa. bwb. bwc. bwd. bwe. bwf. bwg. bwh. bwi. bwj. bwk.
d
1 1 1 1 1 1 1 1 1 9 9 8 7 7 7 7 7 6 5 4 4 3 2 2 1
O
n
H
a
n
d
bwl.
Net
R
e
q
bwm. bwn. bwo. bwp. bwq. bwr. bws. bwt. bwu. bwv. bww.bwx. bwy. bwz. bxa. bxb. bxc. bxd. bxe. bxf. bxg. bxh. bxi. bxj. bxk.
ui
re
m
e
nt
bxl. pl
a
n
n
e
d
or bxm. bxn. bxo. bxp. bxq. bxr. bxs. bxt. bxu. bxv. bxw. bxx. bxy. bxz. bya. byb. byc. byd. bye. byf. byg. byh. byi. byj. byk.
d
er
re
c
ei
pt
byl. Pl bym. byn. byo. byp. byq. byr. bys. byt. byu. byv. byw. byx. byy. byz. bza. bzb. bzc. bzd. bze. bzf. bzg. bzh. bzi. bzj. bzk.
a

87
TUGAS BESAR
2017
n
n
e
d
or
d
er
re
le
a
s
e
d
bzl.
bzm. Pada item I tidak terdapat planned order relesed karena inventory dari komponen I sudah mencukupi
a)

88
TUGAS BESAR 2017
a) Produk NVG 110
bzn. item : NVG 110 bzo. LLC:

bzp. lot size : bzq. LT :
bzr. bzs.
bzt.
NVG
bzu. bzv. bzw. bzx. bzy. bzz. caa. cab. cac. cad. cae. caf. cag. cah. cai. caj. cak. cal. cam. can. cao. cap. caq. car. cas.
11
0
cbe. cbf. cbg. cbh. cbi. cbj. cbk. cbl. cbm. cbn. cbo. cbp. cbq. cbr. cbs.
cat. cav. caw. cax. cay. caz. cba. cbb. cbc. cbd.
cau. 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2
Period 1 2 3 4 5 6 7 8 9
cbt. Gr
os
s
re cbz. cca. ccb. ccc. ccd. cce. ccf. ccg. ccl. ccm. ccn. cco. ccp. ccq. ccr. ccs.
cbv. cbw. cbx. cby. cch. cci. ccj. cck.
qui cbu. 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1
9 9 8 8 7 7 7 6
re
m
en
t
cct. Sc
he
dul
ed ccu. ccv. ccw. ccx. ccy. ccz. cda. cdb. cdc. cdd. cde. cdf. cdg. cdh. cdi. cdj. cdk. cdl. cdm.cdn. cdo. cdp. cdq. cdr. cds.
Re
cei
pt
cdt. Pr
oje
cte
d cdu. cdv. cdw. cdx. cdy. cdz. cea. ceb. cec. ced. cee. cef. ceg. ceh. cei. cej. cek. cel. cem. cen. ceo. cep. ceq. cer. ces.
On
Ha
nd
cet. Ne ceu. cev. cew. cex. cey. cez. cfa. cfb. cfc. cfd. cfe. cff. cfg. cfh. cfi. cfj. cfk. cfl. cfm. cfn. cfo. cfp. cfq. cfr. cfs.

89
TUGAS BESAR
2017
t
Re
qui
2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1
re 9 9 8 8 7 7 7 6
m
en
t
cft. pla
nn
ed
or cfz. cga. cgb. cgc. cgd. cge. cgf. cgg. cgl. cgm. cgn. cgo. cgp. cgq. cgr. cgs.
cfv. cfw. cfx. cfy. cgh. cgi. cgj. cgk.
de cfu. 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1
9 9 8 8 7 7 7 6
r
rec
eip
t
cgt. Pla
nn
ed
or
cgz. cha. chb. chc. chd. che. chf. chg. chl. chm. chn. cho. chp. chq. chr. chs.
de cgv. cgw. cgx. cgy. chh. chi. chj. chk.
cgu. 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1
r 9 9 8 8 7 7 7 6
rel
ea
se
d
cht.
chu.

90
TUGAS BESAR 2017
chv.
b) Produk NVG 119
chw. item : NVG 119 chx. LLC:

chy. lot size : chz. LT :
cia.N
V
cib. cic. cid. cie. cif. cig. cih. cii. cij.
G cik. cil. cim. cin. cio. cip. ciq. cir. cis. cit. ciu. civ. ciw. cix. ciy. ciz.
11
9
cja.Pe cjl. cjm. cjn. cjo. cjp. cjq. cjr. cjs. cjt. cju. cjv. cjw. cjx. cjy. cjz.
cjb. cjc. cjd. cje. cjf. cjg. cjh. cji. cjj. cjk.
rio 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2
1 2 3 4 5 6 7 8 9
d
cka.
Gross
re
ckg. ckh. cki. ckj. ckk. ckl. ckm. ckn. cko. ckp. ckq. ckr. cks. ckt. cku. ckv. ckw. ckx. cky. ckz.
qui ckc. ckd. cke. ckf.
ckb. 5 5 5 5 5 5 5 5 1 1 1 1 3 3 2 2 3 3 2 2
re 0 0 0 0
m
en
t
cla. Sc
he
dul
clb. clc. cld. cle. clf. clg. clh. cli. clj.
ed clk. cll. clm. cln. clo. clp. clq. clr. cls. clt. clu. clv. clw. clx. cly. clz.
Re
cei
pt
cma.
Project
ed
cmb. cmc. cmd. cme. cmf. cmg. cmh. cmi. cmj. cmk. cml. cmm.cmn.cmo. cmp.cmq.cmr. cms. cmt. cmu.cmv. cmw.cmx. cmy. cmz.
On
Ha
nd
cna. cnb. cnc. cnd. cne. cnf. cng. cnh. cni. cnj. cnk. cnl. cnm.cnn. cno. cnp. cnq. cnr. cns. cnt. cnu. cnv. cnw. cnx. cny. cnz.

91
TUGAS BESAR
2017
Net
Re
qui
5 5 5 5 5 5 5 5 1 1 1 1 3 3 2 2 3 3 2 2
re 0 0 0 0
m
en
t
coa.
planne
d
or cog. coh. coi. coj. cok. col. com. con. coo. cop. coq. cor. cos. cot. cou. cov. cow. cox. coy. coz.
coc. cod. coe. cof.
de cob. 5 5 5 5 5 5 5 5 1 1 1 1 3 3 2 2 3 3 2 2
0 0 0 0
r
rec
eip
t
cpa.
Planne
d
or
cpg. cph. cpi. cpj. cpk. cpl. cpm. cpn. cpo. cpp. cpq. cpr. cps. cpt. cpu. cpv. cpw. cpx. cpy. cpz.
de cpc. cpd. cpe. cpf.
cpb. 5 5 5 5 5 5 5 5 1 1 1 1 3 3 2 2 3 3 2 2
r 0 0 0 0
rel
ea
se
d
cqa.
cqb.

92
TUGAS BESAR
2017
c) Produk DCO 110
cqc. item : DCO 110 cqd. LLC:

cqe. lot size : cqf. LT :
cqg.
DCO cqi. cqj. cql.
cqh. cqk. cqm. cqn. cqo. cqp. cqq. cqr. cqs. cqt. cqu. cqv. cqw. cqx. cqy. cqz. cra. crb. crc. crd. cre. crf.
11
0
crr. crs. crt. cru. crv. crw. crx. cry. crz. csa. csb. csc. csd. cse. csf.
crg. cri. crj. crk. crl. crm. crn. cro. crp. crq.
crh. 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2
Period 1 2 3 4 5 6 7 8 9
csg.
Gross
re
csy. csz. cta. ctb. ctc. ctd. cte. ctf.
qui csi. csj. csk. csl. csm. csn. cso. csp. csq. csr. css. cst. csu. csv. csw. csx.
csh. 1 1 1 1 1 1 1 1
re 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0
m
en
t
ctg. Sc
he
dul
cti. ctj. ctl.
ed cth. ctk. ctm. ctn. cto. ctp. ctq. ctr. cts. ctt. ctu. ctv. ctw. ctx. cty. ctz. cua. cub. cuc. cud. cue. cuf.
Re
cei
pt
cug.
Project
ed cui. cuj. cul.
cuh. cuk. cum. cun. cuo. cup. cuq. cur. cus. cut. cuu. cuv. cuw. cux. cuy. cuz. cva. cvb. cvc. cvd. cve. cvf.
On
Ha
nd
cvg. cvh. cvi. cvj. cvk. cvl. cvm. cvn. cvo. cvp. cvq. cvr. cvs. cvt. cvu. cvv. cvw. cvx. cvy. cvz. cwa. cwb. cwc. cwd. cwe. cwf.
Net 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 1 1 1 1
Re
qui

93
TUGAS BESAR
2017
re
m
en
t
cwg.
planne
d
or cwy. cwz. cxa. cxb. cxc. cxd. cxe. cxf.
cwi. cwj. cwk. cwl. cwm. cwn. cwo. cwp. cwq. cwr. cws. cwt. cwu. cwv. cww. cwx.
de cwh. 1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0
r
rec
eip
t
cxg.
Planne
d
or
cxy. cxz. cya. cyb. cyc. cyd. cye. cyf.
de cxi. cxj. cxk. cxl. cxm. cxn. cxo. cxp. cxq. cxr. cxs. cxt. cxu. cxv. cxw. cxx.
cxh. 1 1 1 1 1 1 1 1
r 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0
rel
ea
se
d
cyg.
cyh.

94
TUGAS BESAR
2017
d) Produk DCO 119
cyi. item : DCO 119 cyj. LLC:

cyk. lot size : cyl. LT :
cym.
DCO cyr.
cyn. cyo. cyp. cyq. cys. cyt. cyu. cyv. cyw. cyx. cyy. cyz. cza. czb. czc. czd. cze. czf. czg. czh. czi. czj. czk. czl.
11
9
czx. czy. czz. daa. dab. dac. dad. dae. daf. dag. dah. dai. daj. dak. dal.
czm. czo. czp. czq. czr. czs. czt. czu. czv. czw.
czn. 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2
Period 1 2 3 4 5 6 7 8 9
dam.
Gross
re
dbe. dbf. dbg. dbh. dbi. dbj. dbk. dbl.
qui dao. dap. daq. dar. das. dat. dau. dav. daw. dax. day. daz. dba. dbb. dbc. dbd.
dan. 1 1 1 1 1 1 1 1
re 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
m
en
t
dbm.
Sched
ule
d dbn. dbo. dbp. dbq. dbr. dbs. dbt. dbu. dbv. dbw. dbx. dby. dbz. dca. dcb. dcc. dcd. dce. dcf. dcg. dch. dci. dcj. dck. dcl.
Re
cei
pt
dcm.
Project
ed
dcn. dco. dcp. dcq. dcr. dcs. dct. dcu. dcv. dcw. dcx. dcy. dcz. dda. ddb. ddc. ddd. dde. ddf. ddg. ddh. ddi. ddj. ddk. ddl.
On
Ha
nd
ddm. ddn. ddo. ddp. ddq. ddr. dds. ddt. ddu. ddv. ddw. ddx. ddy. ddz. dea. deb. dec. ded. dee. def. deg. deh. dei. dej. dek. del.
Net 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 1 1 1 1 1 1 1
Re
qui

95
TUGAS BESAR
2017
re
m
en
t
dem.
planne
d
or dfe. dff. dfg. dfh. dfi. dfj. dfk. dfl.
deo. dep. deq. der. des. det. deu. dev. dew. dex. dey. dez. dfa. dfb. dfc. dfd.
de den. 1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
r
rec
eip
t
dfm.
Planne
d
or
dge. dgf. dgg. dgh. dgi. dgj. dgk. dgl.
de dfo. dfp. dfq. dfr. dfs. dft. dfu. dfv. dfw. dfx. dfy. dfz. dga. dgb. dgc. dgd.
dfn. 1 1 1 1 1 1 1 1
r 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
rel
ea
se
d

96
TUGAS BESAR 2017
4.5 Pengendalian Inventory
dgm. PT LEID ELECTRONICS dilihat dari strategi response terhadap
permintaan konsumen dapat diketahui bahwa perusahaan ini termasuk MakeTo
Order (MTO). Perusahaan ini memperoleh komponen-komponen sub-assembly
untuk masing-masing produk dari supplier yang akan dirakit ketika ada pesanan
yang masuk dari pelanggan.
dgn. PT LEID ELECTRONICS setiap bulan menyediakan persediaan
tambahan (suku cadang) komponen F yang dibeli dari supplier. Komponen F
diperlukan sebagai persediaan tambahan ini tidak memperhatikan demand
produk jadi yang ada,diperlukan dijual lagi pada pihak ketiga untuk menambah
profit perusahaan yaitu Rp 1500 per unit. Berikut ini kebutuhan komponen F
selama 12 bulan terakhir (Tahun 2012).
dgo. Dalam pengendalian inventory PT LEID ELECTRONICS hanya dapat
dilakukan untuk komponen sub-assemblyF saja dengan menggunakan metode
Economic Order Quantity (EOQ) karena hanya komponen tersebut yang
merupakan demand independent. Demand komponen sub-assembly F selama 6
bulan ke depan telah diramalkan dengan metode peramalan Exponential
Smoothing dengan nilai alpha 0,2.
dgp. Tabel 4. Data Forecast Demand komponen F
dgq. Bul dgr. 13 dgs. 14 dgt. 15 dgu. 16 dgv. 17 dgw. 18
an
dgx. De dgy. 51 dgz. 46 dha. 41 dhb. 37 dhc. 33 dhd. 30
mand
dhe.
dhf. 4.5.1 Pemesanan Optimal
dhg. Demand pada 6 bulan kedepan mempunyai nilai yang hamper
sama, sehingga nilainya dianggap konstan. Maka dari itu metode EOQ yang
dipilih dalah model statis EOQ.Perhitungan pemesanan yang optimal dapat dilihat
sebagai berikut.
dhh. Diketahui:
dhi. Demand (D) : 40 bulan
dhj. Ordering Cost (C) :Rp 28.000,- per pesan/bulan
dhk. Purchase Cost (P) : Rp 1.500,- per unit
dhl. Holding Cost (H) : Rp1000,- per unit /minggu
dhm. Rp4000, - per unit/ bulan
dhn. EOQ=Q=
2 DC
H
=

2 ( 40 ) (28.000)
4000
=
2240000
4000
=23,66 unit=24 unit

97
TUGAS BESAR 2017
dho. Dari perhitungan diatas maka dapat diketahui bahwa nilai
pemesanan yang optimal adalah sejumlah 24 unit.
dhp.
dhq.
dhr.
dhs. 4.5.2 Biaya Total Inventory
dht. Dengan diketahuinya nilai EOQ maka dapat dihitung juga biaya total
inventory sebagai berikut.
D Q
dhu.
Total Cost Inventory=TC= C + D . P+ H
Q 2
dhv.
40 perunit /bulan 24
TC= ( 28.000 perkali pesan ) + ( 40 perunit /bulan ) (1500 perunit ) + ( 4000 )=46760+
24 2
dhw. Biayatotal inventory per bulandengannilai EOQ =

24adalahsebesarRp154.760,-.
dhx.
dhy. 4.5.3 FrekuensiPemesanan
dhz. Frekuensi pemesanan komponen F dalam bulan dapat dilihat
sebagai berikut.
dia. Frekuensi pemesanan optimal perbulan =
D D 40
= = =1,6=2 kali
Q0 EOQ 24
dib. Frekuensi pemesanan komponen F yang optimal dalam 1 bulan

dengan jumlah demand 40 dan EOQ = 24 adalah sebesar 2 kali
pemesanan.
dic.
did. 4.5.4 Rata-rata WaktuantarPemesanan
die. Waktu antar pemesanan (siklus) optimal komponen F dalam 1 bulan
adalah sebagai berikut.
EOQ 24
dif. Ts = x 1 bulan =
x 1bulan=0,6 bulan
D 40
EOQ 24
dig. Ts = x 4 minggu =
x 4 minggu=2,4 minggu=3 minggu
D 40

98
TUGAS BESAR 2017
EOQ 24
dih. Ts = x 28 hari =
x 28 hari=16.8 hari=17 hari
D 40
dii. Waktu antar pemesanan (siklus) optimal komponen F dalam 1 bulan

dilakukan setiap 0,6 bulan sekali atau 3 minggu sekali atau17 hari sekali.
dij.
dik. 4.5.5 Reorder Point
dil. Reorder pointkomponen F pada 6 bulan kedepan dengan lead time 1
minggu adalah sebagai berikut.
dim. L = 1 minggu = 0,25 bulan
din. ROP = D . L = 40(0,25)=10 unit
dio. Makareorder point komponen F dilakukan ketika tingkat persediaan

produk = 10 unit.
dip.
diq. 4.5.6 Grafik
dir. Berikut ini merupakan grafik dari nilai Economic Order Quantity
(EOQ) untuk komponen sub-assembly F.
dis.
dit. Gambar 4.16 Grafik EOQ produkhandle

diu. Dengan diperoleh nilai pemesanan komponen F yang optimal
sebesar 24 unit, maka dalam 1 bulan kedepan didapatkan waktu pemesanan
produk rata-rata yaitu setiap 3 minggu sekali atau sebesar 17 hari ketika tingkat
persediaan produk sama dengan 2 unit. Biaya total yang dibutuhkan untuk
pemesanan yakni Rp 154.760,-. Untuk pemesanan kembali dilakukan saat unit
tersisa tinggal 10 unit saja.
div.

99
TUGAS BESAR 2017
diw. 4.6 Analisis Biaya
dix. 4.6.1 Biaya Pemesanan Bahan Baku
diy. Berikut ini adalah analisis biaya pemesanan bahan baku.
diz. Biaya Bahan Baku dja. jumlah
djb. a djc. 2064 djd. 804960000
dje. b djf. djg.
djh. c dji. djj.
djk. d djl. 1044 djm. 1044000000
djn. E djo. 1216 djp. 1191680000
djq. F djr.770 djs. 519750000
djt.G dju. djv.
djw. H djx. 1005 djy. 989925000
djz. I dka. dkb.
dkc. Total dkd. dke. 4550315000
dkf.
dkg. Perhitungan biaya bahan baku di dapat dari hasil kali dari
harga per komponen dikalikan banyaknya bahan baku yang diperlukan
pada MRP, yaitu Rp 4.550.315.000
dkh.
dki. 4.6.2 Biaya Penyimpanan Bahan Baku
dkj. a) Biaya Penyimpanan Bahan Baku A
dkk. A
dkm.
Jang
k
a dkn. dko.
dkl. u Jumlah Bia
Mi a simp y
n an a
dks.
dkp. dkq. dkr. 345
1 1 18 6
dkw.
dkt. dku. dkv. 691
2 2 18 2
dla.
dkx. dky. dkz. 921
3 3 16 6
dle.
122
dlb. dlc. dld. 8
4 4 16 8
dlf. dlg. dlh. dli. 1
5 5 199 9
1
0
100
TUGAS BESAR 2017
4
0
dlm.
229
2
dlj. dlk. 4
6 6 dll. 199 8
dlq.
264
7
dln. dlo. dlp. 6
7 7 197 8
dlu.
297
9
dlr. dls. 8
8 8 dlt.194 4
dly.
347
3
dlv. dlw. dlx. 2
9 9 201 8
dmc.
385
9
dlz. dma. dmb. 2
10 10 201 0
dmg.
174
8
1
dmd. dme. dmf. 6
0
dmh.
dmi.
dmj.

101
TUGAS BESAR 2017
b) Biaya Penyimpanan Bahan Baku B
dmk. B
dmm.
Jang
k
a dmn. dmo.
dml. u Jumlah Bia
Mi a simp y
n an a
dms.
dmp. dmq. dmr. 172
1 1 9 8
dmw.
dmt. dmu. dmv. 345
2 2 9 6
dna.
dmx. dmy. dmz. 460
3 3 8 8
dne.
dnb. dnc. dnd. 614
4 4 8 4
dni.
710
dnf. dng. dnh. 4
5 5 74 0
dnm.
852
dnj. dnk. dnl. 4
6 6 74 8
dnq.
981
dnn. dno. dnp. 1
7 7 73 2
dnu.
110
5
dnr. dns. dnt. 9
8 8 72 2
dny.
127
8
dnv. dnw. dnx. 7
9 9 74 2
doc.
142
0
dnz. doa. dob. 8
10 10 74 0
dod. doe. dof. dog.
11 11 74 156
2
8

102
TUGAS BESAR 2017
8
dok.
165
8
doh. doi. doj. 8
12 12 72 8
doo.
474
dol. dom. don. 2
13 13 19 4
dos.
483
dop. doq. dor. 8
14 14 18 4
dow.
518
dot. dou. dov. 4
15 15 18 0
dpa.
491
dox. doy. doz. 5
16 16 16 2
dpe.
231
7
dpb. dpc. dpd. 4
17 17 71 4
dpi.
241
9
dpf. dpg. dph. 2
18 18 70 0
dpm.
251
7
dpj. dpk. dpl. 1
19 19 69 2
dpq.
261
1
dpn. dpo. dpp. 2
20 20 68 0
dpu.
286
2
dpr. dps. dpt. 7
21 21 71 2
dpy.
295
6
dpv. dpw. dpx. 8
22 22 70 0
dpz. dqa. dqb. dqc.
103
TUGAS BESAR 2017
304
7
0
23 23 69 4
dqg.
313
3
dqd. dqe. dqf. 4
24 24 68 4
dqk.
335
6
3
dqh. dqi. dqj. 5
2
dql.
c) Biaya Penyimpanan Bahan Baku C
dqm. C
dqo.
Jang
k
a dqp. J dqq.
dqn. u umah Bia
Mi a Simpa y
n n a
dqu.
dqr. dqs. 172
1 1 dqt. 9 8
dqy.
dqv. dqw. 345
2 2 dqx. 9 6
drc.
dqz. dra. 460
3 3 drb. 8 8
drg.
drd. dre. 614
4 4 drf. 8 4
drk.
710
drh. dri. drj. 7 4
5 5 4 0
dro.
852
drl. drm. drn. 7 4
6 6 4 8
drs.
981
drp. drq. drr. 7 1
7 7 3 2
drt. dru. drv. 7 drw.
8 8 2 110
5

104
TUGAS BESAR 2017
9
2
dsa.
127
8
drx. dry. drz. 7 7
9 9 4 2
dse.
142
0
dsb. dsc. dsd. 7 8
10 10 4 0
dsi.
156
2
dsf. dsg. dsh. 7 8
11 11 4 8
dsm.
165
8
dsj. dsk. dsl. 7 8
12 12 2 8
dsq.
499
dsn. dso. dsp. 2 2
13 13 0 0
dsu.
483
dsr. dss. dst. 1 8
14 14 8 4
dsy.
518
dsv. dsw. dsx. 1 4
15 15 8 0
dtc.
491
dsz. dta. dtb. 1 5
16 16 6 2
dtg.
267
6
dtd. dte. 4
17 17 dtf.82 8
dtk.
276
4
dth. dti.1 8
18 8 dtj.80 0
dto.
288
1
dtl. dtm. dtn. 7 9
19 19 9 2

105
TUGAS BESAR 2017
dts.
299
5
dtp. dtq. dtr. 7 2
20 20 8 0
dtw.
330
6
dtt. dtu. dtv. 8 2
21 21 2 4
dua.
337
9
dtx. dty. dtz. 8 2
22 22 0 0
due.
348
8
dub. duc. dud. 7 6
23 23 9 4
dui.
359
4
duf. dug. duh. 7 2
24 24 8 4
dum.
368
1
duj. 0
To 2
duk. dul. 4
dun.
d) Biaya Penyimpanan Bahan Baku D
duo. D
duq.
Jang
k
a dur. dus.
dup. u Jumlah Bia
Mi a Simp y
n an a
duw.
dut. duu. duv. 345
1 1 18 6
dva.
dux. duy. duz. 691
2 2 18 2
dve.
dvb. dvc. dvd. 921
3 3 16 6
dvf. dvg. dvh. dvi.
4 4 16 122

106
TUGAS BESAR 2017
8
8
dvm.
931
dvj. dvk. dvl. 2
5 5 97 0
dvq.
111
7
dvn. dvo. dvp. 4
6 6 97 4
dvu.
127
6
dvr. dvs. dvt. 8
7 7 95 0
dvy.
144
3
dvv. dvw. dvx. 8
8 8 94 4
dwc.
164
1
dvz. dwa. dwb. 6
9 9 95 0
dwg.
182
4
dwd. dwe. dwf. 0
10 10 95 0
dwk.
200
6
dwh. dwi. dwj. 4
11 11 95 0
dwo.
211
9
dwl. dwm. dwn. 6
12 12 92 8
dws.
698
dwp. dwq. dwr. 8
13 13 28 8
dww.
725
dwt. dwu. dwv. 7
14 14 27 6
dxa.
777
dwx. dwy. dwz. 6
15 15 27 0

107
TUGAS BESAR 2017
dxe.
675
dxb. dxc. dxd. 8
16 16 22 4
dxi.
874
9
4
dxh. 4
dxf. dxg. 0
dxj.
e) Biaya Penyimpanan Bahan Baku E
dxk. E
dxm.
Jang
k
a dxn. J dxo.
dxl. u umlah Bia
Mi a Simpa y
n n a
dxs.
dxp. dxq. dxr. 1 345
1 1 8 6
dxw.
dxt. dxu. dxv. 1 691
2 2 8 2
dya.
dxx. dxy. dxz. 1 921
3 3 6 6
dye.
122
dyb. dyc. dyd. 1 8
4 4 6 8
dyi.
142
0
dyf. dyg. dyh. 1 8
5 5 48 0
dym.
170
4
dyj. dyk. dyl. 1 9
6 6 48 6
dyq.
196
2
dyn. dyo. dyp. 1 2
7 7 46 4
dyr. dys. dyt. 1 dyu.
8 8 44 221
1
8

108
TUGAS BESAR 2017
4
dyy.
255
7
dyv. dyw. dyx. 1 4
9 9 48 4
dzc.
284
1
dyz. dza. dzb. 1 6
10 10 48 0
dzg.
312
5
dzd. dze. dzf. 1 7
11 11 48 6
dzk.
331
7
dzh. dzi. dzj. 1 7
12 12 44 6
dzo.
948
dzl. dzm. dzn. 3 4
13 13 8 8
dzs.
204
0
9
6
dzp. dzq. dzr. 0
dzt.
f) Biaya Penyimpanan Bahan Baku F
dzu. F
dzv. dzx. Ju
Ming dzw. mlah dzy.
g Jangka Simpana Biay
u uan n a
eac.
dzz. eaa. 518
1 1 eab. 27 4
eag.
103
ead. eae. 6
2 2 eaf. 27 8
eak.
138
eah. eai. 2
3 3 eaj. 24 4
eal. eam. ean. 24 eao.
4 4 184
109
TUGAS BESAR 2017
3
2
eas.
115
2
eap. eaq. ear. 12 0
5 5 0 0
eaw.
138
2
eat. eau. eav. 12 4
6 6 0 0
eba.
157
2
eax. eay. eaz. 11 4
7 7 7 8
ebe.
178
1
ebb. ebc. ebd. 11 7
8 8 6 6
ebi.
200
4
ebf. ebg. ebh. 11 4
9 9 6 8
ebm.
222
7
ebj. ebk. ebl. 11 2
10 10 6 0
ebq.
244
9
ebn. ebo. ebp. 11 9
11 11 6 2
ebu.
258
0
ebr. ebs. ebt. 11 4
12 12 2 8
eby.
898
ebv. ebw. 5
13 13 ebx. 36 6
ecc.
913
ebz. eca. 9
14 14 ecb. 34 2
ecd. ece. ecf. 34 ecg.
15 15 979
2

110
TUGAS BESAR 2017
0
eck.
860
ech. eci. 1
16 16 ecj. 28 6
eco.
463
4
ecl. ecm. ecn. 14 8
17 17 2 8
ecs.
483
8
ecp. ecq. ecr. 14 4
18 18 0 0
ecw.
507
0
ect. ecu. ecv. 13 7
19 19 9 2
eda.
338
2
4
ecy. 6
ecx. ecz. 4
edb.
g) Biaya Penyimpanan Bahan Baku G
edc. G
ede.
jang
k
a edf. edg.
edd. u Jumlah Bia
Mi a Simpa y
n n a
edk.
edh. edi. edj. 172
1 1 9 8
edo.
edl. edm. edn. 345
2 2 9 6
eds.
edp. edq. edr. 460
3 3 8 8
edw.
edt. edu. edv. 614
4 4 8 4
edx. edy. edz. eea.
5 5 125 120
0
0

111
TUGAS BESAR 2017
0
eee.
144
0
eeb. eec. eed. 0
6 6 125 0
eei.
166
6
eef. eeg. eeh. 5
7 7 124 6
eem.
187
3
eej. eek. eel. 9
8 8 122 2
eeq.
219
4
een. eeo. eep. 5
9 9 127 6
eeu.
243
8
eer. ees. eet. 4
10 10 127 0
eey.
268
2
eev. eew. eex. 2
11 11 127 4
efc.
285
6
eez. efa. efb. 9
12 12 124 6
efg.
748
efd. efe. 8
13 13 eff.30 0
efk.
752
efh. efi.1 6
14 4 efj.28 4
efo.
806
efl. efm. efn. 4
15 15 28 0
efs.
798
efp. efq. 7
16 16 efr.26 2
eft. efu. efv. efw.
112
TUGAS BESAR 2017
365
5
6
17 17 112 8
ega.
380
1
efx. efy. efz. 6
18 18 110 0
ege.
393
9
egb. egc. egd. 8
19 19 108 4
egi.
410
8
egf. egg. egh. 8
20 20 107 0
egm.
451
5
egj. egk. egl. 8
21 21 112 4
egq.
464
6
egn. ego. egp. 4
22 22 110 0
egu.
476
9
egr. egs. egt. 2
23 23 108 8
egy.
493
0
egv. egw. egx. 5
24 24 107 6
ehc.
539
8
6
ehb. 5
egz. eha. 6
ehd.
h) Biaya Penyimpanan Bahan Baku H
ehe. H
ehf. ehg. ehh. ehi.
Mi Jang Jumlah Bia
k Simp y

113
TUGAS BESAR 2017
a
u
a
n an a
ehm.
ehj. ehk. ehl. 345
1 1 18 6
ehq.
ehn. eho. ehp. 691
2 2 18 2
ehu.
ehr. ehs. eht. 921
3 3 16 6
ehy.
122
ehv. ehw. ehx. 8
4 4 16 8
eic.
931
ehz. eia. eib. 2
5 5 97 0
eig.
111
7
eid. eie. 4
6 6 eif. 97 4
eik.
127
6
eih. 8
7 eii. 7 eij. 95 0
eio.
144
3
eil. eim. ein. 8
8 8 94 4
eis.
164
1
eip. eiq. 6
9 9 eir. 95 0
eiw.
182
4
eit. eiu. eiv. 0
10 10 95 0
eja.
200
6
eix. eiy. eiz. 4
11 11 95 0
ejb. ejc. ejd. eje.
12 12 92 211

114
TUGAS BESAR 2017
9
6
8
eji. 6
7
3
ejf. ejg. ejh. 9
13 13 27 2
ejm.
698
ejj. ejk. 8
14 14 ejl. 26 8
ejq.
748
ejn. ejo. ejp. 8
15 15 26 0
eju.
675
ejr. ejs. 8
16 16 ejt.22 4
ejy.
154
7
7
ejx. 1
ejv. ejw. 2
ejz.
i) Biaya Penyimpanan Bahan Baku I
eka. I
ekc.
Jang
k
a ekd. eke.
ekb. u Jumlah Bia
Mi a Simp y
n an a
eki.
17
ekf. ekg. ekh. 2
1 1 9 8
ekm.
34
ekj. ekk. ekl. 5
2 2 9 6
ekq.
46
ekn. eko. ekp. 0
3 3 8 8
ekr. eks. ekt. eku.
4 4 8 61
4

115
TUGAS BESAR 2017
4
eky.
71
0
ekv. ekw. ekx. 4
5 5 74 0
elc.
85
2
ekz. ela. elb. 4
6 6 74 8
elg.
98
1
eld. ele. 1
7 7 elf. 73 2
elk.
11
0
5
elh. 9
8 eli. 8 elj. 72 2
elo.
12
7
8
ell. elm. eln. 7
9 9 74 2
els.
14
2
elp. 0
1 elq. 8
10 elr. 74 0
elw.
15
6
elt. 2
1 elu. elv. 8
11 74 8
ema.
16
5
elx. 8
1 ely. elz. 8
12 72 8
eme.
47
emb. 4
1 emc. emd. 2
13 19 4
emf. emg. emh. emi.
1 14 18 48

116
TUGAS BESAR 2017
3
8
4
emm.
51
emj. 8
1 emk. eml. 4
15 18 0
emq.
49
emn. 1
1 emo. emp. 5
16 16 2
emu.
23
1
emr. 7
1 ems. emt. 4
17 71 4
emy.
24
1
emv. 9
1 emw. emx. 2
18 70 0
enc.
25
1
emz. 7
1 ena. enb. 1
19 69 2
eng.
26
1
end. 1
2 ene. enf. 2
20 68 0
enk.
28
6
enh. 2
2 eni. enj. 7
21 71 2
eno.
29
5
enl. 6
2 enm. enn. 8
22 70 0
enp. enq. enr. ens.
2 23 69 30
4
7

117
TUGAS BESAR 2017
0
4
enw.
31
3
ent. 3
2 enu. env. 4
24 68 4
eoa.
33
5
6
3
enz. 5
enx. eny. 2
eob.
j) Total Biaya Penyimpanan Seluruh Komponen
eoc. Biaya Inventory

eod.
Kompo eoe. Total
nen Biaya Inventory
eof.
A eog. 1748160
eoh.
B eoi. 3356352
eoj.
C eok. 3681024
eol.
D eom. 8749440
eon.
E eoo. 2040960
eop.
F eoq. 3382464
eor.
G eos. 5398656
eot.
H eou. 1547712
eov.
I eow. 3356352
eox.
eoy. 33261120
eoz.
epa. 4.6.3 Biaya Pemasukan dan Pengeluaran
epb. Dari perhitungan biaya biaya diatas berikut ini adalah biaya
total pemasukan dan pengeluaran dari PT. LEID Electronics.
epc.

118
TUGAS BESAR 2017
a) Biaya Pemasukan
epd. Tabel... Biaya Pemasukan

epe. PEMASUKAN
epf.
Pro epg. eph. P
d U enjual
u an
k
epi.
NVG epj. epk. 8
1 6 84699
1 4000
0
epl.
NVG epm. epn. 2
1 1 49742
1 50000
9
epo.
DCO epp. epq. 4
1 2 07623
1 7000
0
epr.
DCO eps. ept. 3
1 2 65139
1 6000
9
epv.
4
epu. T
15488
OTAL
77000
epw. Biaya pemasukan didapatkan dari berapa jumlah unit yang dijual
dikalikan dengan harga perproduk, yaitu Rp 41.548.877.000,00
b) Biaya Pengeluaran
epx. Tabel... Biaya Pengeluaran

epy. PENGELUARAN
eqc. 4
eqb.
epz. Biaya Pembelian eqa. 55031
Bahan Baku 5000
eqf. 3
eqd. Biaya Penyimpanan eqe.
55886
Bahan Baku
016
eqi. 8
eqh.
eqg. Biaya Tenaga Kerja 25293
72
eql. 1
eqk.
eqj. Biaya Mesin 20000
00
eqm. Biaya Subkontrak eqn. eqo. 1
16028

119
TUGAS BESAR 2017
507
eqr.
3
eqp. Biaya Inventory eqq. 32611
20
eqt. 5
eqs. TOTAL 15002
0015
equ. Biaya yang dikeluarkan oleh perusahan didapatkan dari jumlah total
biaya pembelian bahan baku, biaya penyimpanan barang baku, biaya tenaga
kerja, biaya mesin, biaya subkontrak dan biaya inventory.
eqv.
c) Keuntungan yang didapatkan
eqw. Tabel.. Keuntungan
eqx. PROFIT
eqy.
Pemas eqz.
uk 4154887
an 7000
era.Pe
ng
elu erb.5150
ara 0200
n 15
erd.3639
8856
erc. 985
ere.
erf.
erg. Jadi keuntungan yang didpatkan oleh PT. LEID Electronics adalah
jumlah total pemasukan dikurangi oleh jumlah total biaya pengeluaran, Rp
41.548.877.000 Rp 5.150.020.015= Rp 36.393.856.985, 00
erh.
eri.
erj.
erk.
erl.
erm.
ern.
ero.
erp.
erq.
err.

120
TUGAS BESAR 2017
ers.
ert.
eru.
erv.
erw.
erx.
ery.
erz.
esa.
esb.

121

Tugas Besar PPC

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Tugas Besar PPC

Diunggah oleh

Hak Cipta:

Format Tersedia

TUGAS BESAR 2017

Perencanaan & Pengendalian Produksi

1.1 Latar Belakang

Dalam sistem manufaktur maupun non manufaktur, adanya persediaan

Menetapkan jumlah persediaan komponen yang terlalu banyak akan

1.2 Rumusan Masalah

Institut Teknologi Medan

Institut Teknologi Medan

2.1 Perencanaan dan Pengendalian Produksi

Institut Teknologi Medan

Gambar 2.1 Framework Manufacturing Planning and Control

2.2.1 Karakteristik peramalan yang baik

Institut Teknologi Medan

2.2.2 Sifat hasil peramalan

2.2.3 Moving Average

Institut Teknologi Medan

Sumber: Hakim Nasution dan Yudha Prasetyawan, 2008:40

2.2.4 Weight Moving Average

Sumber: Hakim Nasution dan Yudha Prasetyawan, 2008:43

2.2.5 Exponential Smoothing

Sumber: Hakim Nasution dan Yudha Prasetyawan, 2008:45

Institut Teknologi Medan

2.2.6 Ukuran akurasi hasil peramalan

3. Mean forecast error (MFE)

4. Mean absolute percentage error (MAPE)

Institut Teknologi Medan

2.3 Perencanaan Agregat

Institut Teknologi Medan

2.4 Master Production Schedule (MPS)

Institut Teknologi Medan

2.5 Material Requirement Planning (MRP)

Institut Teknologi Medan

Institut Teknologi Medan

3.3.1 Bahan Baku

Institut Teknologi Medan

3.3.3 Biaya Karyawan

3.3.4 Persediaan Awal

Institut Teknologi Medan

Gambar 4.1 Grafik data penjualan produk notebook

Institut Teknologi Medan

4.2 Peramalan produk NVG 110

Data Penjualan NVG 110

Gambar 4.2 Grafik data penjualan produk NVG 110

4.2.1 Metode Weight Moving Average

Tabel 4.1 Hasil peramalan produk NVG 110

Institut Teknologi Medan

Grafik Perbandingan Data Aktual dengan WMA

Gambar 4.3 Grafik Perbandingan Data AKtual dengan WMA

Contoh perhitungan error:

Tabel 4.2 perbandingan error NVG 110

Institut Teknologi Medan

4.2.2 Metode Simple Exponential Smoothing

F2 =0.5 x 110+ ( 10.5 x 120 )=115

Tabel 4.3 Metode Exponential Smoothing

Institut Teknologi Medan

Grafik Perbandingan Data Aktual dengan ES

Gambar 4.4 Grafik Perbandingan Data Aktual dan ES

Tabel 4.4 perbandingan error NVG 110

4.2.3 Metode Terpilih

Institut Teknologi Medan

Grafik perbandingan data aktual WMA dan ES

Gambar 4.5 Grafik perbandingan data actual dan WNA dab ES

Institut Teknologi Medan