BAB I

PENDAHULUAN

1 Latar Belakang
Pada zaman yang semakin modern, inovasi dan perbaikan terus dilakukan, begitu halnya
dalam dunia industri yang semakin mengembangkan produk-produk yang dimilikinya,
fungsinya untuk memenuhi kebutuhan sekaligus keinginan dari konsumen. Pengembangan
yang dilakukan mencakup sistem perencanaan, pengendalian, dan produksi. Persaingan bisnis
yang semakin sengit baik industri sejenis atau berbeda semakin banyak muncul dipasaran.
Oleh karena itu, perusahaan perlu untuk mengatasi permasalahan-permasalahan tersebut dan
memastikan agar kondisi perusahaan saat ini berada dalam posisi terbaik untuk kelangsungan
jangka panjangnya. Salah satu cara untuk mengatasi masalah-masalah tersebut yaitu
perusahaan dapat melakukan perencanaan dan pengendalian produksi. Perencanaan dan
pengendalian produksi dapat diartikan sebagai aktivitas merencanakan dan mengendalikan
material masuk dalam sistem produksi yang dialirkan dalam sistem produksi dan keluar dari
sistem produksi sehingga permintaan pasar dapat dipenuhi. Tujuan dari perencanaan dan
pengendalian produksi yaitu untuk merencanakan letak-letak fasilitas yang digunakan untuk
proses kelancaran berjalannya produksi.
Pada laporan ini, akan dibahas mengenai permasalahan yang berada pada PT. Karya
Sejahtera. PT tersebut memiliki dua jenis produk utama yakni Tas Ransel dan Tas selempang.
Dalam penjualan PT Karya Sejahtera selama 3 tahun terakhir ini akan ditunjukkan pada tabel
1 dibawah ini. Untuk proporsi penjualan produk, sebanyak 60% merupakan produk tas ransel
dan 40% merupakan produk tas selempang.
Tabel 1. Data Penjualan
Family Product Tas Family Product Tas
Periode Periode
(Unit) (Unit)
1 1098 19 1933
2 1086 20 1780
3 1249 21 1808
4 1307 22 1929
5 1189 23 2277
6 1170 24 1996
7 1330 25 2139
8 1346 26 2274
9 1289 27 2169
10 1308 28 2412
11 1563 29 2587
12 1509 30 2339
13 1693 31 2597
 14 1756 32 2398
15 1624 33 2506
16 1759 34 2726
17 1931 35 2558
18 1680 36 2828

PT. Karya Sejahtera menjualkannya melalui toko pembuat tas maupun konter resmi yang
tersebar di seluruh Indonesia. Harga jual kedua jenis produk terbilang konstan sejak pertama
kali diluncurkan yaitu sebesar :
Tabel 2. Harga Jual Produk
Harga Jual
Daftar Produk Jadi
(Rupiah)
Tas Ransel Rp. 500000
Tas Selempang Rp. 350000

Oleh karena itu, PT Karya Sejahtera harus memastikan produksinya mampu memenuhi
seluruh permintaan di Indonesia secara tepat waktu. Untuk memenuhi permintaan dua produk
utamanya, PT Karya Sejahtera memiliki anak perusahaan untuk memproduksi bagian
penyusun dua produk tersebut. Harga bahan baku, lead time, holding cost, order cost, biaya
pembelian dan lot size adalah sebagai berikut :
Tabel 3. Informasi Biaya Bahan Baku
Lead Time Holding Cost Order Cost Biaya Pembelian Lot Size
Nama Item
(Rupiah) (Rupiah) (Rupiah) (Rupiah) (Unit)
Kantong Depan 1 500 2000000 20000
Zipper Utama 2 250 1000000 10000
Zipper Kantong 3 500 1000000 5000
Badan Ransel 1 1250 2000000 50000
Badan Selempang 2 1250 2000000 45000
Pola Belakang 3 1250 2000000 30000
Tali Strap 1 250 500000 10000 2000
Busa Strap 2 200 500000 8000 3000
Pengait Strap 3 75 250000 3500 3500

PT Karya Sejahtera memesan part-part tersebut ke anak perusahaannya tanpa menunggu

pesanan pelanggan karena desain kedua produk tersebut adalah tidak adanya perubahan
spesifikasi, sehingga akan di produksi sesuai perkiraan pasar di manajemen. Urutan produksi
secara keseluruhan di perusahaan ini adalah pada proses pembuatan Ransel meliputi operasi
penggabungan kantong depan dan pola badan tas ransel selama 7 menit dengan menggunakan
mesin jahit A, selanjutnya adalah operasi penggabungan zipper kantong depan selama 5,5
menit dengan menggunakan mesin jahit A, operasi selanjutnya adalah penggabungan dengan
pola belakang selama 5,5 menit, dengan menggunakan mesin jahit B kemudian operasi
penggabungan zipper utama selama 9,5 menit dengan menggunakan mesin jahit B,
selanjutnya adalah penggabungan antara busa, pengait, dan tali strap selama 6 menit di meja
kerja, kemudian digabungkan dengan tas setengah jadi yang telah digabung selama 4 menit
dengan menggunakan mesin jahit A, operasi selanjutnya adalah proses inspeksi dan finishing
selama 12,5 menit di meja kerja, dan yang tearkahir di bawa ke Gudang. Pada proses
pembuatan pembuatan tas selempang meliputi operasi penggabungan kantong depan dengan
pola badan tas ransel selama 7 menit dengan menggunakan mesin jahit A, selanjutnya adalah
operasi penggabungan zipper kantong depan selama 5,5 menit dengan menggunakan mesin
jahit A, operasi selanjutnya adalah penggabungan zipper utama dengan mesin jahit B selama
9,5 menit,operasi selanjutnya adalah penggabungan dengan busa, pengait, tali strap yang
sebelumnya telah digabungkan selama 6 menit di meja kerja, yang selanjutnya digabungkan
selama 4 menit dengan mesin jahit A, selanjutnya adalah operasi inspeksi dan finishing
selama 12,5 menit di meja kerja, dan yang terakhir dibawa ke gudang.
Setiap minggunya, jam regular pekerja tersedia selam 160 jam/bulan (1 minggu = 5 hari
kerja) untuk mengoperasikan mesin. Dan maksimal melakukan lembur kerja 2 jam/hari. Dan
mesin masih bersifat semi-otomatis, sehingga tetap membutuhkan pekerja. Besarnya upah
pekerja adalah sebagai berikut:
Tabel 4. Daftar Upah Pekerja
Harga
Jenis Upah
(Rupiah)
Upah Reguler 18.750
Upah Lembur 28.125

Dalam menjalankan proses produksinya, perusahaan menghendaki perekrutan pekerja

apabila kapasitas tidak mencukupi permintaan pasar yang ada. Perusahaan menetapkan
besarnya biaya perekrutan untuk satu orang pekerja sebesar Rp. 1.500.000,00. Dan dengan
adanya tindakan mengatasi masalah yang akan dilakukan perusahaan akan diharapkan
keputusan terbaik dimana mempengaruhi jumlah produk yang akan diproduksi serta
pemilihan lokasi-lokasi yang tepat dalam suatu proses produksi.
2 Identifikasi Masalah
Berdasarkan latar belakang diatas didapatkan beberapa masalah sebagai berikut:
1 Perhitungan peramalan (forecast) dan pemilihan metode optimal dengan error terkecil
untuk studi kasus PT. Karya Sejahtera.
2 Perencanaan agregat menggunakan metode terpilih dengan total biaya terkecil untuk
studi kasus PT. Karya Sejahtera.
3 Perencanaan disagregat menggunakan metode terpilih dengan total biaya terkecil untuk
studi kasus PT. Karya Sejahtera.
4 Perencanaan Master Product Schedule (MPS) untuk studi kasus PT. Karya Sejahtera.
5 Perencanaan Material Requirement Planning (MRP) untuk studi kasus PT. Karya
Sejahtera.
6 Perencanaan Gudang yang dapat digunakan untuk untuk studi kasus PT. Karya Sejahtera.
7 Perencanaan aliran dan kebutuhan ruang yang baik untuk studi kasus PT. Karya
Sejahtera.
8 Perencanaan tata letak fasilitas produksi yang cocok untuk studi kasus PT. Karya
Sejahtera.

3 Rumusan Masalah
Rumusan masalah yang didapatkan dengan melihat masalah yang ada adalah sebagai
berikut:
1 Bagaimana perhitungan peramalan (forecast) dan pemilihan metode optimal dengan
error terkecil untuk studi kasus PT. Karya Sejahtera ?
2 Bagaimana melakukan perencanaan agregat menggunakan metode terpilih dengan total
biaya terkecil untuk studi kasus PT. Karya Sejahtera ?
3 Bagaimana melakukan perencanaan disagregat menggunakan metode terpilih dengan
total biaya terkecil untuk studi kasus PT. Karya Sejahtera ?
4 Bagaimana melakukan perencanaan Master Product Schedule (MPS) untuk studi kasus
PT. Karya Sejahtera ?
5 Bagaimana melakukan perencanaan Material Requirement Planning (MRP) untuk studi
kasus PT. Karya Sejahtera?
6 Bagaimana melakukan perencanaan Gudang yang dapat digunakan untuk untuk studi
kasus PT. Karya Sejahtera ?
7 Bagaiamana melakukan perencanaan aliran dan kebutuhan ruang yang baik untuk studi
kasus PT. Karya Sejahtera ?
8 Bagaimana melakukan perencanaan tata letak fasilitas produksi yang cocok untuk studi
kasus PT. Karya Sejahtera ?

4 Batasan
Batasan yang digunakan dalam melakukan penelitian adalah sebagai berikut:
1 Produk yang dibahas adalah tas ransel dan tas selempang
2 Data yang digunakan adalah data penjualan 18 periode selama 3 tahun terakhir

5 Asumsi
Asumsi yang digunakan dalam melakukan penlitian adalah sebagai berikut:
1 Operator bekerja secara optimal
2 Mesin bekerja secara optimal
3 Harga jual produk selalu konstan

6 Tujuan Penelitian
Tujuan dari penelitian yang dilakukan adalah sabagai berikut :
1 Mengetahui dan memahami metode forecasting dan pemilihan metode secara optimal
dengan error terkecil untuk studi kasus PT. Karya Sejahtera
2 Mengetahui dan memahami perencanaan agregat menggunakan metode terpilih dengan
total biaya terkecil untuk studi kasus PT. Karya Sejahtera
3 Mengetahui dan memahami perencanaan disagregat menggunakan metode terpilih
dengan total biaya terkecil untuk studi kasus PT. Karya Sejahtera.
4 Mengetahui dan memahami perencanaan Master Product Schedule (MPS) untuk studi
kasus PT. Karya Sejahtera.
5 Mengetahui dan memahami perencanaan Material Requirement Planning (MRP) untuk
studi kasus PT. Karya Sejahtera.
6 Mengetahui dan memahami perencanaan Gudang yang dapat digunakan untuk untuk
studi kasus PT. Karya Sejahtera.
7 Mengetahui dan memahami perencanaan aliran dan kebutuhan ruang yang baik untuk
studi kasus PT. Karya Sejahtera.
8 Mengetahui dan memahami perencanaan tata letak fasilitas produksi yang cocok untuk
studi kasus PT. Karya Sejahtera.

7 Manfaat Penelitian
Manfaat dari penelitian yang dilakukan adalan sebagai berikut :
1 Dapat mengetahui dan memahami metode forecasting dan pemilihan metode secara
optimal dengan error terkecil untuk studi kasus PT. Karya Sejahtera
2 Dapat mengetahui dan memahami perencanaan agregat menggunakan metode terpilih
dengan total biaya terkecil untuk studi kasus PT. Karya Sejahtera
3 Dapat mengetahui dan memahami perencanaan disagregat menggunakan metode terpilih
dengan total biaya terkecil untuk studi kasus PT. Karya Sejahtera.
4 Dapat mengetahui dan memahami perencanaan Master Product Schedule (MPS) untuk
studi kasus PT. Karya Sejahtera.
5 Dapat mengetahui dan memahami perencanaan Material Requirement Planning (MRP)
untuk studi kasus PT. Karya Sejahtera.
6 Dapat mengetahui dan memahami perencanaan Gudang yang dapat digunakan untuk
untuk studi kasus PT. Karya Sejahtera.
7 Dapat mengetahui dan memahami perencanaan aliran dan kebutuhan ruang yang baik
untuk studi kasus PT. Karya Sejahtera.
8 Dapat mengetahui dan memahami perencanaan tata letak fasilitas produksi yang cocok
untuk studi kasus PT. Karya Sejahtera.
 BAB II
TINJAUAN PUSTAKA

1 Peramalan (Forecast)
Peramalan (forecasting) merupakan prediksi, proyeksi, atau estimasi atas terjadinya
aktivitas atau peristiwa di masa depan yang belum dapat dipastikan tingkatannya. Peramalan
digunakan untuk memperkirakan perubahan kejadian, sehingga perencanaan dapat
dipersiapkan untuk menghadapi kondisi mendatang. Meskipun akurasi peramalan tidak dapat
dipastikan, namun penggunaan metode ini lebih baik daripada tanpa metode apapun untuk
menentukan data-data masa depan untuk kepentingan pengambilan keputusan. Adanya
kesenjangan waktu (lag time) dengan kejadian di masa depan menyebabkan peramalan tidak
tepat

2 Metode Peramalan
Ada beberapa metode yang dapat digunakan dalam menghitung sebuah peramalan.
Macam-macam metode peramalan, yaitu Metode Moving Average, Metode Weighted Moving
Average, Metode Exponential Smoothing, Metode Exponential Smoothing with Trend,
Metode Exponential Smoothing with Seasonal, Metode Exponential Smoothing with Tren and
Seasonal.

1 Metode Moving Average (Rata-Rata Bergerak)

Metode rata-rata bergerak atau moving average menggunakan sejumlah data aktual
pemintaan yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang
akan datang. Metode rata-rata bergerak akan efektif diterapkan apabila kita dapat
mengasumsikan bahwa permintaan pasar terhadap produk akan tetap stabil sepanjang waktu.
Metode rata-rata bergerak n-periode menggunakan formula berikut:
permintaan dalam n periode
Rata-rata bergerak n-periode = n
(2-1)
Sumber: Gaspers (2008)
Dimana: n adalah banyaknya periode dalam rata-rata bergerak
Untuk menjelaskan proses peramalan menggunakan metode rata-rata bergerak beserta
pengujian terhadap keandalan model peramalan menggunakan peta kontrol tracking signal ,
akan dilakukan dengan menggunakan langkah-langkah berikut:
1 Identifikasi pola historis dari data aktual permintaan
 2 Memilih model peramalan yang sesuai dengan pola historis dari data aktual permintaan.
3 Melakukan analisis data berdasarkan model peramalan yang dipilih
4 Memilih model peramalan yang tepat berdasarkan MAD (MeanAbsolute Deviation)
terkecil
5 Memeriksa keandalan model peramalan yang dipilih berdasarkan peta kontrol Tracking
Signal

2 Metode Weighted Moving Average (Rata-Rata Bergerak Terbobot)

Model rata-rata bergerak terbobot lebih responsif terhadap perubahan, karena data dari
periode yang baru biasanya diberi bobot lebih besar (Gaspers, 2008:92). Suatu model rata-
rata bergerak n-periode terbobot, weighted MA(n), dinyatakan sebagai berikut:
Weighted MA(n) =
( pembobot untuk periode n ) ( permintaanaktual dalam periode n)
(2-2)
( pembobot )
Sumber: Gaspers (2008)

Untuk mengetahui sejauh mana keandalan dari model peramalan, maka digunakan peta
kontrol tracking signal seperti pada metode moving average.

3 Metode Exponential Smoothing (Pemulusan Eksponensial)

Model peramalan pemulusan eksponensial bekerja hampir serupa dengan alat
thermostat, dimana apabila galat ramalan (forecast error) adalah positif, yang berarti nilai
aktual permintaan lebih tinggi daripada nilai ramalan (A - F > 0), maka model pemulusan
eksponensial akan secara otomatis meningkatkan nilai ramalan. Sebaliknya apabila galat
ramalan (forecast error) adalah negatif, yang berarti nilai actual permintaan lebih rendah
daripada nilai ramalan (A - F < 0), maka model pemulusan eksponensial akan secara otomatis
menurunkan nilai ramalan. Proses penyesuaian ini berlangsung terus menerus, kecuali galat
ramalan telah mencapai nol (Gaspers, 2008:97). Peramalan menggunakan model pemulusan
eksponensial dilakukan berdasarkan formula berikut:

Ft = Ft-1 + At-1 Ft-1)
(2-3)
Sumber: Gaspers (2008)
Dimana:
Ft = nilai ramalan untuk periode waktu ke-t
Ft-1 = nilai ramalan untuk satu periode waktu yang lalu, t-1
At-1 = nilai aktual untuk satu periode waktu yang lalu, t-1
 = konstanta pemulusan
nilai konstanta pemulusan, , dapat dipilih di antara nilai 0 dan 1, karena berlaku: 0 < < 1.
Untuk menentukan nilai yang tepat dapat menggunakan panduan berikut:
1 Apabila pola historis dari data actual permintaan sangat bergejolak atau tidak stabil dari
waktu ke waktu, dapat menggunakan nilai yang mendekati satu.
2 Apabila pola historis dari data aktual permintaan tidak berfluktuasi atau relative dari
waktu ke waktu, dapat menggunakan nilai yang mendekati nol.
Selanjutnya untuk menguji keandalan dari model peramalan pemulusan eksponensial
maka harus menggunakan peta kontrol tracking signal dan membandingkan apakah nilai-nilai
ramalan itu telah menggambarkan atau telah sesuai dengan pola historis dari aktual
permintaan.

4 Metode Exponential Smoothing with Trend

Menurut Pangestu Subagyo (1986:25) metode double exponential smoothing atau
metode Holt lebih tepat untuk meramalkan data yang mengalami trend kenaikan. Berikut ini
rumus-rumus yang dapat digunakan untuk menghitung forecasting menggunakan metode
Holt.
Base level dapat dihitung menggunakan:
Et = Y t + ( 1 ) ( E t1 +T t 1 ) ; t=1, 2, 3, ,n ; 0 1 (2-4)

Ekspektasi nilai trend dapat dihitung melalui

T t = ( Et Et 1 ) + (1 ) T t1 ; t=1,2, 3, ,n ; 0 1 (2-5)

Hasil forecast dapat dihitung dengan:

Y^ t1=E t +T t ; t=1,2, 3, , n

(2-6)
Y^ t +n=Et +n T t ; t=1, 2, 3, , n

(2-7)
Untuk inisialisai E1 = Y1 dan T1 = 0

5 Metode Exponential Smoothing with Seasonal

Perkiraan permintaan untuk barang-barang dengan pola musiman yang paling sering
dibuat dengan menggunakan faktor musiman. Faktor musiman dikembangkan untuk setiap
periode permintaan periode rata-rata. Dapat dihitung menggunakan rumus:
 Yt = Xt + Tt (Satu periode ke depan)
Yt+n = Xt + (n+1) T t (Satu Periode, lebih dari satu period eke depan)
T t 1
Xt = I t 1 + (1-) (Xt-1 + Tt-1)

(2-8)
T t = ( X t X t1 )+(1 )T t1 (2-9)
Sumber: Smith (1898)

6 Metode Exponential Smoothing with Tren and Seasonal

Metode Holt-Winter digunakan untuk memodelkan data dengan pola musiman, baik
mengandung trend maupun tidak. Titik berat metode ini adalah pada nilai ramalan (),
kemiringan slope (), maupun efek musiman (). Rumus yang digunakan dalam studi kasus
iini adalah:
Menghitung satu periode kedepan
Y^ t
^
=( X t + Tt )It

(2-10)
Menghitung nilai dasar permintaan

^ Yt
X = - Tt (Inisial dasar pertama)
t It

(2-11)
Y t1
^
X ^
t = ^
Xt + (1-)( X t-1 + Tt-1) (inisial dasar ke 2 dan seterusnya)

(2-12)
Menghitung inisial indeks tren
Slope d 2d 1
Tt = m = m (inisial indeks tren pertama)

(2-13)

Tt = ( ^
X t - ^
X t-1 ) + (1- ) Tt-1 (inisial indeks tren ke 2 dan seterusnya)

(2-14)
Menghitung inisial indeks musim
 Y t
It+m = ^
Xt + (1- )It

(2-15)
Sumber: Tersine (1994)
2 Pengukuran kesalahan (Ukuran Kesalahan Peramalan)
Ukuran akurasi hasil peramalan merupakan ukuran kesalahan peramalan tentang tingkat
perbedaan antara hasil peramalan dengan permintaan yang sebenarnya terjadi. Terdapat
empat ukuran yang biasa digunakan.

1 Mean Absolute Deviation (MAD)

MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa
memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan
kenyataannya. Secara matematis MAD dirumuskan sebagai berikut:

MAD= | A tF t
n | (2-16)

Sumber: Nasution (2008)

Dimana:
At = Permintaan Aktual pada periode t
Ft = Peramalan Permintaan (Forecast) pada periode t
n = Jumlah periode

2 Mean Square Error (MSE)

MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap
periode dan membaginya dengan jumlah periode peramalan. Secara matematis, MSE
dirumuskan sebagai berikut:
( At F t )2
MSE= (2-17)
n
Sumber: Nasution (2008)
Dimana:
At = Permintaan Aktual pada periode t
Ft = Peramalan Permintaan (Forecast) pada periode t
n = Jumlah periode

3 Mean Forecast Error (MFE)

MFE sangat efektif untuk mengetahui apakah suatu hasi peramalan selama periode
tertentu terlalu tinggi apa terlalu rendah. Bila hasil peramalan tidak bias, maka niai MFE akan
mendekatin not. MFE dihitung dengan menjumlahkan semua kesalahan peramalan selama
periode peramalan dan membaginya dengan jumlah periode peramalan. Secara matematis,
MFE dinyatakan sebagai berikut:
 (A t Ft )
MFE= (2-18)
n
Sumber: Nasution (2008)
Dimana:
At = Permintaan Aktual pada periode t
Ft = Peramalan Permintaan (Forecast) pada periode t
n = Jumlah periode

4 Mean Absolute Percentage Error (MAPE)

MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti
dibandingkan MAD karena MAPE menyatakn persentase kesalahan hasil peramalan terhadap
permintaan aktual selama periode tertentu yang akan memberikan informasi persentase
kesalahan terlalu tinggi atau terlalu rendah. Secara matematis, MAPE dinyatakan sebagai
berikut:

A=(
100
n | |F
) A t t
At (2-19)

Sumber: Nasution (2008)

Dimana:
At = Permintaan Aktual pada periode t
Ft = Peramalan Permintaan (Forecast) pada periode t
n = Jumlah periode

5 Tracking signal
Berkaitan dengan validasi model peramalan, kita dapat menggunakan tracking signal.
Tracking signal adalah suatu ukuran bagaimana sebaiknya suatu ramalan memperlirakan
nilai-nilai aktual. Tracking signal dihitung sebagai running sum of the errors (RSFE) dibagi
dengan MAD, sebagai berikut:
RSFE (actual demand period iforecast demand period i)
tracking signal= =
MAD MAD
(2-20)
Sumber: Gaspers (2008)
Tracking signal yang positif menunjukkan bahwa nilai aktual permintaan lebih besar dari
pada peramalan, sedangkan tracking signal yang negatif berarti nilai aktual permintaan lebih
kecil daripada ramalan.
2 Perencanaan Agregat
Perencanaan produksi agregat atau aggregate planning merupakan perencanaan jangka
menengah yang dibuat perusahaan terkait dengan penentuan tingkat produksi yang
dioperasikan di lantai produksi. Perencanaan produksi agregat memberikan ketentuan
kapasitas dan persediaan yang diperhatikan dalam perencanaan jangka menengah dan jangka
panjang yang dapat menjadi masukan dalam perencanaan finansial, perencanaan pemasaran
dan perencanaan produksi yang lebih rinci. Perencanaan produksi agregat memberikan
ketentuan kapasitas dan persediaan yang diperhatikan dalam perencanaan jangka menengah
dan jangka panjang yang dapat menjadi masukan dalam perencanaan finansial, perencanaan
pemasaran dan perencanaan produksi yang lebih rinci

1 Tujuan Perencanaan Agregat

Beberapa tujuan perencanaan agregat yaitu:
1 Minimasi biaya
2 Maksimasi keuntungan
3 Maksimasi tingkat pelayanan
4 Minimasi persediaan
5 Minimasi perubahan pada laju produksi
6 Minimasi perubahan jumlah tenaga kerja
7 Maksimasi utilisasi fasilitas produksi

2 Metode Perencanaan Agregat

Berikut ini adalah macam-macam metode pada Agregrat Planning.
1 Chase strategy
Menggunakan kapasitas sebagai pendukung: menyelaraskan laju produksi dengan laju
permintaan. Chase strategy digunakan pada laju produksi yang diselaraskan dengan
permintaan dengan mengubah kapasitas mesin atau merekrut/memecat tenaga kerja saat
permintaan bervariasi dan dalam prakteknya, seringkali sulit untuk mengubah kapasitas
dan tenaga kerja dalam waktu singkat. Strategi ini berguna bila biaya menyimpan
persediaan tinggi sementara biaya mengubah kapasitas rendah.Namun kelemahannya,
strategi ini mengakibatkan rendahnya persediaan dan mahal jika biaya pengubahan
kapasitas tinggi.

2 Level strategy
 Menggunakan persediaan sebagai pendukung: penggunaan/kapasitas mesin dan tingkat
tenaga kerja dibuat tetap, permintaan dipenuhi dari persediaan. Level strategy digunakan
untuk menjaga stabilitas dan tenaga kerja dengan laju output yang konstan. Persediaan
yang ditimbun sebagai antisipasi permintaan yang akan datang atau backlogs
dipindahkan dari periode permintaan tinggi ke rendah. Strategi ini dapat digunakan saat
biaya menyimpan dan backlog relatif rendah.
3 Mixed strategy
Kombinasi satu atau lebih dari kedua strategi di atas.

3 Biaya Pada Agregat

Dalam membuat perencanaan agregat dengan biaya optimal pastinya terdapat biaya-
biaya yang harus dipertimbangkan dalam perencanaan agregat, antara lain:
a Hiring Cost (ongkos penambahan tenaga kerja)
Penambahan tenaga kerja menimbulkan ongkos-ongkos untuk iklan, proses seleksi dan
training.
b Firing Cost (ongkos perberhentian tenaga kerja)
Pemberhentian tenaga kerja biasanya terjadi karena semakin rendahnya permintaan akan
produk yang dihasilkan, sehingga tingkat produksi menurun dengan drastis.
Pemberhentian ini mengakibatkan perusahaan harus mengeluarkan uang pesangon bagi
karyawan yang di-PHK, menurunnya moral kerja, dan produktivitas karyawan yang masih
bekerja, dan tekanan yang bersifat sosial.
c Overtime Cost dan Undertime Cost (ongkos lembur dan ongkos menganggur)
Penggunaan waktu lembur bertujuan untuk meningkatkan output produksi, tetapi
konsekuensinya perusahaan harus mengeluarkan ongkos tambahan lembur yang biasanya
bergantung pada kebijakan perusahaan dan peraturan pemda
d Inventory Cost (Ongkos Persediaan)
Persediaan mempunyai fungsi mengantisipasi timbulnya kenaikan permintaan pada saat-
saat tertentu. Konsekuensi dari kebijaksanaan persediaan bagi perusahaan adalah
timbulnya ongkos penyimpanan yang berupa ongkos tertahannya modal, pajak, asuransi,
kerusakan bahan, dan ongkos sewa gedung.
e Backorder Cost (Ongkos Tidak Bisa Memenuhi Demand)
Ketika demand pada kuantitas tinggi dan perusahaan tidak memiliki kemampuan untuk
memenuhi demand yang ada. Hal tersebut terhitung biaya atau laba yang tidak bisa
didapatkan oleh perusahaan.
f Subcontract Cost (Ongkos Subkontrak)
 Pada saat permintaan melebihi kemampuan kapasitas reguler, biasanya perusahaan
mensubkontrak kelebihan permintaan yang tidak bisa ditanganinya sendiri kepada
perusahaan lain.

3 Perencanaan Diasgregat
Disagregasi adalah suatu proses untuk memecah rencana produksi secara agregat
menjadi rencana produksi end item. Hasil out put dari proses disagregasi adalah MPS atau
JIP (jadwal induk produksi) adalah untuk memecah satuan agregat pada perencanaan agregat
kedalam setiap item produk serta mengetahui item suatu produk tersebut akan diproduksi.
Tujuan dari adanya proses agregasi adalah agar dapat menjumlahkan End item yang berbeda
menjadi satu satuan kelompok agregat untuk memudahkan perencanaan proses produksi dan
pengendalian produksi. Unit agregat yang biasa digunakan dalam proses agregasi:
1 Jam kerja buruh, mesin atau resource lainnya
2 Waktu standar
3 Harga jual

1 Metode Disagregasi
Metode yang digunakan untuk disagregasi ada 4 macam, yaitu:
a Heuristic Method
Ketika metode heuristik yang digunakan, tujuannya adalah untuk mendapatkan yangbaik,
walaupun belum tentu optimal, solusinya perhitungan jumlah yang masuk akal. Family Set
Up Method
Digunakan pada perusahaan yang dalam satu line produksinya terdiri atas beberapa
product family yang terdiri dari beberapa item Memiliki biaya setup yang signifikan pada
perubahan product family, tetapi biaya setup antar I tem dapat diabaikan.
b Linear Programming Method
Perusahaan minyak, tekstil, dan industri yang lain menggunakan linear programming (LP)
untuk menentukan campuran terbaik dalam menghasilkan produk dengan
memperhitungkan kendala kapasitas.
c Integer Programming Method
Integer Programming mirip dengan linear programming dengan pengecualian bahwa
beberapa atau semua variable dibatasi untuk mengambil nilai integer. Model integer
programming telah
digunakan dalam industri ban untuk menjadwalkan produk mana ketika ada kendala
kapasitas dan biaya setup yang signifikan.

4 Perencanaan Jadwal Produksi (MPS)

Pada dasarnya jadwal produksi induk (MPS) merupakan suatu pernyataan tentang produk
akhir (termasuk parts pengganti dan suku cadang) dari suatu perusahaan industri manufaktur
 yang merencanakan memproduksi output berkaitan dengan kuantitas dan periode waktu.
MPS mendisagregasikan dan mengimplementasikan renacana produksi. Apabila rencana
produksi Apabila rencana produksi yang merupakan hasil dari proses perencanaan produksi
dinyatakan dalam bentuk agregat, jadwal produksi induk yang merupakan hasil dari proses
penjadwalan produksi induk dinyatakan dalam konfigurasi spesifik dengan nomor nomor
item yang ada dalam item master and BOM ( Biils of materials) files.
Aktivitas penjadwalan produksi induk (MPS) pada dasarnya berkaitan dengan bagaimana
menyusun dan memperbaharui jadwal produksi induk, memproses trasnsaksi dari MPS,
memelihara catatan catatan MPS, mengevaluasi efektivitas dari MPS, dan memberikan
laporan evaluasi dalam periode yang teratur untuk keperluan umpan balik dan tinjaun ulang.

1 Fungsi MPS
Penjadwalan produksi induk pada dasarnya berkaitan dengan aktivitas melakukan
empat fungsi utama berikut :
1 Menyediakan atau memberikan input utama kepada sistem perencanaan kebutuhan

material dan kapasitas

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 Input MPS
Sebagai suatu aktivitas proses, penjadwalan produksi induk (MPS) membtuhkan lima
input sebagi berikut.
1 Data permintaan total merupakan salah satu sumber ata bagi proses penjadwalan
produksi induk
2 Status Inventory berkaitan dengan informasi tentang on-hand inventory, stok yang
dialokasikan untuk penggunaan tertentu. Pesanan pesanan produksi dan pembelian
yang dikeluarkan dan firm planned orders.
3 Rencana Produksi memberikan sekumpulan batasan kepada MPS
4 Data perencanaan bekaitan dengan aturan aturan tentang lot sizing yang harus
digunakan, stok pengaman, dan waktu tunggu.
5 Informasi dari RCCP berupa kebutuhan kapasitas untuk mengimplementasikan MPS
menjadi dalah satu input MPS.

3 Content of The MPS

Pada bagian header MPS akan berisi: nomor item, deskripsi item, lead time, safety stock,
jumlah pemesanan, DTF dan PTF. Berikut isi laporan untuk setiap item melalui horizon
perencanaan.
 1 Peramalan, perkiraan permintaan independent. Jika item adalah produk akhir, akan
menjadi perkiraan dari total permintaan. Jika item adalah komponen dan memiliki
permintaan layanan, akan menjadi proyeksi permintaan layanan.
2 Perkiraan produksi, dihitung pemintaan dependent-nya jika item tersebut komponen.
3 Permintaan aktual, pesanan pelangan yang dijanjikan.
4 MPS, penerimaan dijadwalkan oleh pesanan dan FPO.
5 Projected available balance, proyeksi persediaan di tangan dikurangi alokasi atau urutan
belakang. Saldo saat ini ditampilkan di sebelah kiri periode pertama.
6 Available to promise (ATP), jumlah dari saldo saat ini dan dari setiap pesanan MPS yang
sudah dijanjikan kepada pelanggan.
7 Pesanan terencana (planned orders), berdasarkan periode dimana pesanan dijadwalkan
untuk diterima.

5 Perencanaan Kebutuhan Material (MRP)

Perencanaan Kebutuhan Material atau Material Requirement Planning adalah proses
perencanaan produksi dan persediaan data dengan menggunakan data inventory, master
production schedule dan bill of material sebagai basis menetukan keseluruhan material
keseluruhan item. Dalam sistem produksi, MRP dapat digunakan sebagai penentu beberapa
material yang dibutuhkan dalam proses produksi, sehingga material yang dibutuhkan tersebut
dapat tersedia sesuai dengan yang dijadwalkan. MRP dapat didefinisikan sebagai suatu teknik
atau set prosedur yang sistematis dalam penentuan kuantitas serta waktu dalam proses
pengendalian kebutuhan bahan terhadap komponen-komponen permintaan yang saling
bergantungan (dependent demand items).

1 Input MRP
Proses MRP membuhkan lima sumber informasi utama , yaitu
1 Jadwal Induk Produksi (Master Production Schedule)
Merupakan suatu renfcana produksi yang menggambarkan hubungan antara kuantitas
setiap jenis produk akhir yang diinginkan dengan waktu penyediaannya.
2 Bill of Material
Merupakan daftar dari semua material, parts, dan subassemblies serta kuantitas dari
masing masing yang dibutuhkan untuk meproduksi satu unit produk.
3. Item master
Merupakan suatu file yang berisi informasi status tentang material, parts, subassemblies,
dan produk produk yang menunjukan kuantitas on hand, kuantitas yang dialokasikan,
waktu tunggu yang direncanakan, ukuran lot, stok pengaman, kriteria lot sizing, dan
berbagai informsai penting lainnya.
 4 Pesanan pesanan akan memberitahukan tentang berapa banyak dari setiap item yang
akan diperoleh sehingga akan meningkatkan stock on hand di masa yang akan datang.
5 Kebutuhan kebutuhan (requirement) akan memberitahukan tentang berapa banyak dari
masing masing item itu dibuthan sehingga akan mengurangi stock on hand yang akan
datang.

2 Teknik Lot Sizing

Proses pengerjaan MRP terdiri dari empat langkah dasar yaitu netting, lotting, offsetting
dan explosion. Berikut merupakan beberapa teknik untuk menentukan ukuran lot:
a Lot for Lot (LFL) : pendekatan menggunakan konsep atas dasar pesanan diskrit dengan
pertimbangan minimasi dari ongkos simpan, jumlah yang dipesan sama dengan jumlah
yang dibutuhkan
b Least unit cost (LUC) : Pendekatan menggunakan konsep pemesanan dengan ongkos
terkecil, dimana jumlah pemesanan didasarkan atas:
Ongkos perunit terkecil (LUC) = Ongkos persan per unit + ongkos simpan per unit.
c Economic Order Quantity (E0Q) : pendekatan menggunakan konsep minimasi ongkos
simpan dan ongkos pesan. Ukuran lot yang dipesan tetap berdasarkan perhitungan
minimasi tersebut

EOQ=
2 ds
h

(2-21)
Dimana
d = rata-rata permintaan
h = biaya inventory
K = Order cost per pemesanan
b Period Order Quantity (POQ) : Pendekatan menggunakan konsep jumlah pemesanan
ekonomis agar dapat digunakan pada periode bersifat permintaan diskrit. Teknik ini
dilandasi oleh metode EOQ dengan mengambil dasar perhitungan pada metode pesanan
ekonomis maka akan didapatkan besarnya jumlah pesanan yang harus dilakukan dan
interval periode pemesanannya adalah setahun. Jumlah pesanan yang harus dilakukan
dalam satu tahun dapat dihitung dengan membagi total permintaan dalam satu tahun
dengan EOQ. Kemudian interval waktu antar pesanan dapat dihitung dengan membagi
jumlah minggu dalam satu tahun dengan jumlah pesanan yang harus dilakukan dalam
satu tahun.
 BAB III
METODOLOGI PENELITIAN

3.1 Langkah- langkah Pengerjaan

Berikut merupakan langkah- langkah pengerjaan yang dilakukan dalam praktikum ini.
1. Identifikasi data
Pada tahap identifikasi data pada studi kasus yang sudah ditentukan.
2. Identifikasi masalah
Pada tahap ini, dilakukan identifikasi masalah yang ada pada data studi kasus
3. Menentukan pola data
Penentuan pola data dilakukan berdasarkan data dari masing- masing periode untuk
mengetahui metode peramalan yang sesuai untuk produk tersebut. Penentuan pola
data dapat dilakukan dengan dua cara yaitu menggunakan Microsoft Excel dan
Minitab 16. Berikut merupakan langkah- langkah untuk mengetahui pola data
permintaan produk dengan menggunakan Microsoft Excel.
a. Buka software Microsoft Excel
b. Masukkan data permintaan produk
c. Untuk melihat pola data permintaan produk, blok tabel yang berisi dta historis
permintaan, kemudian klik insert insert line chart line with markers.
d. Line chart atau diagram garis dari produk tersebut akan muncul
e. Menganalisis chart yang muncul
Berikut merupakan langkah- langkah untuk mengetahui pola permintaan produk
menggunakan Minitab 16.
a. Buka software Minitab 16
b. Masukkan data permintaan produk pada kolom C1
c. Ganti nama dibawah cell C1 menjadi tas
d. Klik Stat time series time series plots simple OK
e. Klik C1 tas Select - OK
4. Uji Autokorelasi
Untuk mengetahui metode peramalan yang sesuai digunakan untuk produk tersebut,
dilakukan uji Autokorelasi. Berikut merupakan langkah- langkah untuk melakukan uji
autokorelasi menggunakan Minitab 16.
a. Buka software Minitab 16
 b. Masukkan data permintaan produk pada kolom C1
c. Ganti nama dibawah cell C1 menjadi tas
d. Klik Stat Time Series Autocorellation function
e. Klik C1 tas select - OK
5. Melakukan peramalan (forecasting)
Peramalan dilakukan menggunakan Minitab 16 sesuai dengan hasil uji auto korelasi.
a. Untuk melakukan peramalan dengan metode Trend Analysis, klik Stat Time
Series Trend Analysis masukkan c1 Tas pada variable pilih Linear pada
Model Type centang Generate Forecast isi angka pada Number of forecast
sesuai dengan jumlah periode yang ingin dilakukan peramalan OK.
b. Untuk melakukan peramalan dengan metode Double Exponensial Smoothing, klik
Stat Time Series Double exponensial Smoothing masukkan c1 Tas pada
variable pilih optional ARIMA centang Generate Forecast isi angka pada
Number of forecast sesuai dengan jumlah periode yang ingin dilakukan peramalan
OK.
6. Menghitung error peramalan
Perhitungan error peramlan dapat menggunakan alat ukur untuk menghitung keslaahn
prediksi antara lain Mean Squared Error (MSE), Mean Absolute Percentage Error
(MAPE), dan Mean Absolute Deviation (MAD). Dalam Minitab 16, MSE disebut
juga MSD. Jika hasil error peramalan sudah muncul, maka metode dengan nilai error
terkecil yang dipilih untuk melakukan peramalan.
7. Melakukan perencanaan agregat
8. Melakukan perencanaan disagregat.
9. Melakukan perencanaan Material Requirement Planning
10. Melakukan perencanaan Master Production Scheduling
11. Melakukan perencanaan perencanaan tata letak fasilitas
3.2 Diagram Alir
 BAB IV
ANALISIS DAN PEMBAHASAN
4.1 Peramalan
Dalam peramalan yang dilakukan adalah menginterpretasi grafik, melakukan
autokorelasi, melakukan peramalan produk, dan membandingkan peramalan

4.1.1 Interpretasi Grafik

Setelah mengetahui data historis permintaan tas selama 3 tahun terakhir, maka
selanjutnya adalah melihat pola data dari data historis tersebut untuk mengetahui metode
peramalan yang sesuai. Berikut ini adalah hasil pola data dari produk tas dengan
menggunakan software Minitab 16.

Gambar 4.2 Hasil Pola Data Tas Dengan Minitab 16

4.1.2 Autokorelasi
Selanjutnya untuk mengetahui metode peramalan yang sesuai digunakan, maka
dilakukan uji Autokorelasi. Analisis autokorelasi merupakan analisis yang dilakukan untuk
melihat hubungan antara masing-masing data pada setiap periode. Suatu data dikatakan
memiliki pola data trend apabila pada periode awal kondisi lag jauh berbeda dari nol namun
pada periode akhir kondisi lag mendekati nol. Sedangkan suatu data dikatakan memiliki pola
seasonal apabila terdapat satu atau lebih lag yang melebihi garis putus-putus dan terdapat
pola data yang berulang pada interval waktu tertentu. Berikut ini merupaakan hasil uji
autokorelasi menggunakan software Minitab 16.
 Gambar 4.4 Hasil Uji Autokorelasi Produksi Tas Dengan Menggunakan Minitab 16.

Berdasarkan hasil uji autokorelasi pada gambar 4.4 dapat diketahui bahwa lag pada periode
awal berbeda jauh dari nol sedangkan pada periode akhir kondisi lag mendekati nol. Oleh
karena itu dapat disimpulkan bahwa data produksi tas memiliki pola data trend. Metode
peramalan yang tepat digunakan untuk pola data trend adalah trend analysis dan Double
Exponential Smoothing

4.1.3 Peramalan Produk

Peramalan adalah memperkirakan jumlah sesuatu pada waktu yang akan datang
berdasarkan data pada masa lampau. Peramalan dilakukan untuk mengurangi ketidakpastian
terhadap sesuatu yang akan terjadi dimasa yang akan datang. Permalan yang dilakukan
adalah dengan menggunakan software minitab 16. Berikut merupakan hasil

Gambar 4.5 Hasil peramalan Linier Trend Analysis

Gambar 4.6 Hasil peramalan Quadratic Trend Anlysis

Gambar 4.7 Hasil peramalan Growth Trend Anlysis

Gambar 4.8 Hasil peramalan S-Curve Trend Anlysis

Tabel 4.1 Tabel perbandingan Trend Analysys

 Trend Analysis Plot
Double
Linier Exponensial Quadratic
Smoothing
Period Hasil Period Hasil Period Hasil
e Forecast e Forecast e Forecast
1 2752 1 2791 1 2814
2 2799 2 2842 2 2873

3 2847 3 2894 3 2931

4 2895 4 2945 4 2990

5 2943 5 2996 5 3050

6 2991 6 3048 6 3111

4.1.4 Perbandingan Peramalan

Setelah melakukan peramalan dengan metode peramalan, maka selanjutnya adalah

menentukan hasil peramalan yang tepat digunakan. Metode peramalab tentu saja akan
menghasilkan kesalahan. Jika tingkat kesalahan yang dihasilkan semakin kecil, maka hasil
peramalan akan semakin mendekati tepat. Alat ukur yang digunakan untuk menghitung
kesalahan prediksi antara lain mean square error (MSE), mean absolute percentage error
(MAPE) dan mean ansolute deviation (MAD). Dalam minitab 16, MSE disebut juga dengan
MSD. Berikut ini adalah hasil dari error peramalan untuk produk tas.

Tabel 4.2 Perbandingan Hasil Peramalan dan Error Peramlan Produksi Tas
Forecast
Periode
Double
Linear Quadratic
Exponential
1
2752 2814 2791
2 2799 2873 2842
3 2847 2931 2894
 4 2895 2990 2945

5 2943 3050 2996

6 2991 3111 3048

Error Linier Quadratic Double

Peramalan Trend Trend Exponential

MAPE 5,3 5,1 6

MAD 96,9 94,1 110
12144,
MSD 11473,2 16463
5

Dari tabel 4. Dapat dilihat bahwa hasil error peramalan yang muncul dari pengolahan
data peramalan dengan metode Trend Analysis Model, Single Exponential Smoothing dan
Double Exponential Smoothing. Dari ketiga metode tersebut, terlihat bahwa berdasarkan
error peramalan yaitu MAPE, MAD dan MSD yang memiliki hasil paling kecil adalah
metode peramalan Quadratic Trend. Oleh karena itu, dipilih metode Quadratic Trend untuk
produk tas pengolahan data lebih lanjut.

4.2 Perencanaan Agregat

Perencanaan agregat bertujuan memberikan keputusan yang optimum berdasarkan
sumberdaya yang dimiliki perusahaan dalam memenuhi permintaan akan produk yang
dihasilkan. Dalam perencanaan agregat terdapat tiga strategi yaitu chase strategy, level
strategy dan mixed strategy. Dimana selanjutnya akan dipilih metode yang paling optimal
dengan membandingkan total biaya yang dikeluarkan untuk masing-masing metode.
Berdasarkan data-data sebagai berikut:

1 Chase Strategy
Dalam subbab ini akan dilakukan perhitungan perencanaan agregat dengan
menggunakan chase strategy atau dengan melakukan variasi tenaga kerja yang digunakan
untuk melakukan produksi tas. Berikut adalah perhitungan perencanaan agregat dengan
chase strategy.
Tabel 4.3 Data Keterangan Biaya
Waktu pekerja/jam/hari 8
Waktu produksi/jam/unit 0,741666667
Biaya simpan Rp25.000,00
 Biaya hiring & firing Rp1.500.000,00
Biaya reguler Rp18.750,00
Biaya lembur Rp28.125,00
Jumlah pekerja 14
Rata-rata produk yg
2197
diproduksi/periode

Tabel 4.4 Data Kebutuhan Produksi tas dan Hari Kerja

Periode Permintaan Hari Kerja
1 2814 20
2 2873 20
3 2931 20
4 2990 20
5 3050 20
6 3111 20
TOTAL 17769 120

Gambar 4.9 Hasil Agregat metode Chase Strategy

No Data Periode 1 Perhitungan

1 Total Jam Kerja/periode = jumlah hari kerja/periode x waktu produksi/jam/hari
= 20 x 8 = 160
2 Unit/pekerja/periode jam/ pekerja/ periode 160
= waktu produksi / pekerja = 0,741 =

216

3 Pekerja dibutuhkan = total demand/total jam kerja tersedia

= 2088 / 160 = 14
 4 Pekerja tersedia = Jumlah pekerja yang dimiliki periode sebelumnya = 0

5 Pekerja digunakan = Jumlah pekerja yang dibutuhkan = 14

6 Biaya pokok pekerja = jml pekerja/periode x biaya pekerja x
jam/pekerja/periode
= 14 x Rp. 18.750,00 x 160 = Rp. 52.500.000
7 Biaya pekerja lembur/periode = jumlah pekerja lembur*biaya lembur = 0

8 Biaya Rekrut pekerja = jumlah rekrut pekerja*biaya rekrut

= 14 x 1.500.000 = 21.000.000
9 Biaya pekerja diberhentikan = Jumlah pekerja diberhentikan *biaya diberhentikan
=0
10 Kapasitas produksi regular = Pekerja digunakan*total jam kerja reguler/Bln
= 14 x 160 = 2240
11 Kapasitas produksi lembur = Pekerja lembur * total jam kerja lembur/Bln
=0
12 Kapasitas produksi total = Kapasitas produksi regular + kapasitas produksi
lembur = 2240 + 0 = 2240
13 Unit diproduksi / jam = Demand (jam)
= 2088
14 Inventory = Unit produksi (jam) Total Demand (jam)
15 Kumulative persediaan = Biaya inventory/ Jam / Bulan* kumulatif
persediaan(jam) =
16 Biaya Inventory = Biaya inventory/ Jam / Bulan* kumulatif
persediaan(jam) =
17 Total Biaya = total biaya pekerja + total biaya invemtory
= Rp. 73.500.000
2 Level Strategy
Dalam subbab ini akan dilakukan perhitungan perencanaan agregat dengan
menggunakan level strategy atau dengan melakukan variasi tenaga kerja yang digunakan
untuk melakukan produksi tas. Berikut adalah perhitungan perencanaan agregat dengan level
strategy.
Tabel 4.5 Keterangan Biaya metode Level Strategy
Waktu pekerja/jam/hari 8
Waktu produksi/jam/unit 0,741666667
Biaya simpan Rp25.000,00
Biaya hiring & firing Rp1.500.000,00
Biaya reguler Rp18.750,00
Biaya lembur Rp28.125,00
Jumlah pekerja 14
 Rata-rata produk yg
144,25
diproduksi/periode

Tabel 4.6 Data Kebutuhan Produksi tas dan Hari Kerja

Permintaa
Periode Hari Kerja
n
1 2814 20
2 2873 20
3 2931 20
4 2990 20
5 3050 20
6 3111 20
TOTAL 17769 120

Gambar 4.10 Hasil Agregat metode Linear Programming

No Data Periode 1 Perhitungan
1 Total Jam Kerja/periode = jumlah hari kerja/periode x waktu produksi/jam/hari
= 20 x 8 = 160
2 Unit/pekerja/periode jam/ pekerja/ periode 160
= waktu produksi / pekerja = 0,741 =

216

3 Pekerja dibutuhkan = total demand/total jam kerja tersedia

= 2088 / 160 = 14

4 Pekerja tersedia = Jumlah pekerja yang dimiliki periode sebelumnya = 0

5 Pekerja digunakan = Jumlah pekerja yang dibutuhkan = 14

6 Biaya pokok pekerja = jml pekerja/periode x biaya pekerja x
 jam/pekerja/periode
= 14 x Rp. 18.750,00 x 160 = Rp. 52.500.000
7 Biaya pekerja lembur/periode = jumlah pekerja lembur*biaya lembur = 0

8 Biaya Rekrut pekerja = jumlah rekrut pekerja*biaya rekrut

= 14 x 1.500.000 = 21.000.000
9 Biaya pekerja diberhentikan = Jumlah pekerja diberhentikan *biaya diberhentikan
=0
10 Kapasitas produksi regular = Pekerja digunakan*total jam kerja reguler/Bln
= 14 x 160 = 2240
11 Kapasitas produksi lembur = Pekerja lembur * total jam kerja lembur/Bln
=0
12 Kapasitas produksi total = Kapasitas produksi regular + kapasitas produksi
lembur = 2240 + 0 = 2240
13 Unit diproduksi / jam = Demand (jam)
= 2814
14 Inventory = Unit produksi (jam) Total Demand (jam)
= 2240 2088 = 32 buah
15 Kumulative persediaan = Biaya inventory/ Jam / Bulan* kumulatif
persediaan(jam) =
16 Biaya Inventory = Biaya inventory/ Jam / Bulan* kumulatif
persediaan(jam) =
17 Total Biaya = total biaya pekerja + total biaya invemtory
= Rp. 115.033.033.33

3 Metode Linear Programming

Dalam sub bab ini akan dilakukan perhitungan agregat dengan menggunakan metode
Linear Programing dan aplikasi solver yang terdapat pada Ms. Excel. tetap. Dengan
menggunakan data yang sama dengan data pada chase, berikut adalah perhitungan
perencanaan agregat dengan Linear Programming.
 Gambar 4.11 Hasil Agregat metode Chase Strategy
No Data Periode 1
1 Total Jam Kerja/periode
2 Unit/pekerja/periode
3 Pekerja dibutuhkan
4 Pekerja tersedia
5 Pekerja digunakan
6 Pekerja Lembur
6 Biaya pokok pekerja
7 Biaya pekerja lembur/periode
8 Biaya Rekrut pekerja
9 Biaya pekerja diberhentikan
10 Kapasitas produksi regular
11 Kapasitas produksi lembur
Perhitungan
= jumlah hari kerja/periode x waktu produksi/jam/hari
= 20 x 8 = 160
jam/ pekerja/ periode 160
= waktu produksi / pekerja = 0,741 =
216
= total demand/total jam kerja tersedia
= 2088 / 200 = 11
= Jumlah pekerja yang dimiliki periode sebelumnya = 0
= Jumlah pekerja yang dibutuhkan = 11
=1
= jml pekerja/periode x biaya pekerja x
jam/pekerja/periode
= 13 x Rp. 18.750,00 x 200 = Rp. 48.750.000
= jumlah pekerja lembur*biaya lembur
= 1 x 28.125 x 40 = Rp 1.125.000
= jumlah rekrut pekerja*biaya rekrut
= 11 x 1.500.000 = 16.500.000
= Jumlah pekerja diberhentikan *biaya diberhentikan
=0
= Pekerja digunakan*total jam kerja reguler/Bln
= 13 x 160 = 2080
= Pekerja lembur * total jam kerja lembur/Bln
= 1 x 40 = 40
 12 Kapasitas produksi total = Kapasitas produksi regular + kapasitas produksi
lembur = 2080 + 40 = 2120
13 Unit diproduksi / jam = Demand (jam)
= 2120
14 Inventory = Unit produksi (jam) Total Demand (jam)
= 2240 2088 = 32 buah
15 Kumulative persediaan = Biaya inventory/ Jam / Bulan* kumulatif
persediaan(jam) = 0 + 32 = 32
16 Biaya Inventory = Biaya inventory/ Jam / Bulan* kumulatif
persediaan(jam) = 32 X 18.541.67 = 593.333.33
17 Total Biaya = total biaya pekerja + total biaya invemtory
= Rp. 66.968.333.33

4 Analisis Metode Agregat

Berdasarkan perencanaan agregat menggunakan metode chase, level dan linear
programming diperoleh hasil yang berbeda, berikut adalah perbandingan hasil perencanaan
berdasarkan total cost-nya menggukan metode chase, metode level dan linier programing.
Tabel 4.7 Tabel Perbandingan Perencanaan Agregat
Metode Chase Metode Level Linear Programming
Rp
Rp
Total Cost Rp 345.000.000 7.784.474.583.3
342.128.541.67
3

Dari tabel diatas dapat dilihat bahwa biaya terkecil diperoleh dengan metode linear
programming hal ini dikarenakan pertimbangan bahwa tidak harus semua pekerja lembur.
Hal ini dikarenakan pekerja lembur ketika permintaan melebihi kapasitas

3 Perencanaan Disagregat
1 Analisis Perencanaan Disagregat

Proses disagregasi adalah proses merunah hasil rencana produksi agregat menjadi jumlah
yang harus diproduksi untuk setiap produk atau lem. Proses disagregat dibutuhkan sebelum
membuat Master Production Schedule (MPS). Berikut ini adalah analisis metode disagregat
dari tiap tiap periodenya :

Total waktu
Jam
perminggu
1 530
2 540
3 550
4 560
5 570
 6 580

Inventory akhir Inventory awal

Periode (Jam) (jam)
1 32,21 0
2 29,19 0
3 25,43 0
4 21,67 0
5 17,17 0
6 12,67 0

Invent Invent
Total
Period Deman ory ory Produ
Produ
e d Tas Awal Akhir ksi Tas
ksi
Tas Tas
1 2815 0 44 2815 2859
2 2873 44 40 2873 2869
3 2932 40 35 2932 2927
4 2991 35 30 2991 2986
5 3051 30 24 3051 3045

a Total produksi per periode = Produksi tas + inventori akhir

Contoh periode 1 = 2815 + 44 = 2859
Propor
Waktu Pembuatan si
Tas Ransel 43,5 0,73 0.6
Tas Selempang 44,5 0,74 0.4
b Waktu pembuatan tas ransel = Jumlah waktu proses menit / 60 menit
= 43.5 / 60 = 0.73 jam

cWaktu pembuatan tas selempang = Jumlah waktu proses menit / 60 menit

= 44.5 / 0.74 = 0.4

Periode 1
Periode Tot Produ
2
1 1 3 4 al ksi
Tas 171
Ransel 428 429 429 429 5 1715
Tas
Selemp 114
ang 286 286 286 286 4 1144
Total 285
Tas 714 715 715 715 9 2859
Waktu
Tas
Ransel 310,3 311,025 311,025 311,025
Waktu 212,1166 212,1166 212,1166 212,1166
Tas
Selemp
ang 667 667 667 667
Total 522,4166 523,1416 523,1416 523,1416
waktu 667 667 667 667
Batas
waktu 530 530 530 530

a Total tas ransel per periode = jumlah tiap minggu tas ransel
= 428 + 429 + 429 + 429 = 1715
b Total tas selempang per periode = jumlah tiap minggu tas selempag
= 286 + 286 + 286 + 286 = 1144
c Total tas periode 1 = tas selempang periode 1 + tas ransel periode 1
= 1715 +1144 = 2859
d Waktu tas ransel = jumlah tas ransel periode minggu 1 x waktu proses tas ransel
(menit)
= 428 x 0.73
= 310.3
e Waktu tas selempang = jumlah tas selempang periode minggu 1 x waktu proses
tas selempang (menit)
= 286 x 0.74
= 212.11
f Total waktu tas = Waktu tas ransel + waktu tas selempang
= 310.3 + 212.11
= 522.41

Periode 2
Periode Tot Produ
2
2 1 3 4 al ksi
Tas 172
Ransel 431 430 430 430 1 1721
Tas
Selemp 114
ang 287 287 287 287 8 1148
Total 286
Tas 718 717 717 717 9 2869
Waktu
Tas
Ransel 312,475 311,75 311,75 311,75
Waktu
Tas
Selemp 212,8583 212,8583 212,8583 212,8583
ang 333 333 333 333
Total 525,3333 524,6083 524,6083 524,6083
waktu 333 333 333 333
Batas
waktu 540 540 540 540
a. Total tas ransel per periode = jumlah tiap minggu tas ransel
= 431 + 430 + 430 + 430
= 1721
b. Total tas selempang per periode = jumlah tiap minggu tas selempag
 = 287 + 287 + 287 + 287
= 1148
c. Total tas periode 1 = tas selempang periode 1 + tas ransel periode 1
= 1721 + 1148
= 2869
d. Waktu tas ransel = jumlah tas ransel periode minggu 1 x waktu proses tas ransel
(menit)
= 431 x 0.73
= 312.4
e. Waktu tas selempang = jumlah tas selempang periode minggu 1 x waktu proses
tas selempang (menit)
= 287 x 0.74
= 212.85
f. Total waktu tas = Waktu tas ransel + waktu tas selempang
= 312.4 + 212.85
= 525.33

Periode 3
Periode Tot Produ
2
3 1 3 4 al ksi
Tas 175
Ransel 439 439 439 439 6 1756
Tas
Selemp 117
ang 292 293 293 293 1 1171
Total 292
Tas 731 732 732 732 7 2927
Waktu
Tas
Ransel 318,275 318,275 318,275 318,275
Waktu
Tas
Selemp 216,5666 217,3083 217,3083 217,3083
ang 667 333 333 333
Total 534,8416 535,5833 535,5833 535,5833
waktu 667 333 333 333
Batas
waktu 550 550 550 550
a. Total tas ransel per periode = jumlah tiap minggu tas ransel
= 439 + 439 + 439 + 439
= 1756
b. Total tas selempang per periode = jumlah tiap minggu tas selempag
= 292 + 293 + 293 + 293
= 1171
c. Total tas periode 1 = tas selempang periode 1 + tas ransel periode 1
= 1756 + 1171
= 2927
d. Waktu tas ransel = jumlah tas ransel periode minggu 1 x waktu proses tas ransel
(menit)
= 439 x 0.73
 = 318.27
e. Waktu tas selempang = jumlah tas selempang periode minggu 1 x waktu proses
tas selempang (menit)
= 292 x 0.74
= 216.56
f. Total waktu tas = Waktu tas ransel + waktu tas selempang
= 318.27 + 216.56
= 534.84

Periode 4
Periode Tot Produ
2
4 1 3 4 al ksi
Tas 179
Ransel 448 448 448 448 2 1792
Tas
Selemp 119
ang 298 298 299 299 4 1194
Total 298
Tas 746 746 747 747 6 2986
Waktu
Tas
Ransel 324,8 324,8 324,8 324,8
Waktu
Tas
Selemp 221,0166 221,0166 221,7583 221,7583
ang 667 667 333 333
Total 545,8166 545,8166 546,5583 546,5583
waktu 667 667 333 333
Batas
waktu 560 560 560 560
a. Total tas ransel per periode = jumlah tiap minggu tas ransel
= 448 + 448 + 448 + 448
= 1792
b. Total tas selempang per periode = jumlah tiap minggu tas selempag
= 298 + 298 + 299 + 299
= 1194
c. Total tas periode 1 = tas selempang periode 1 + tas ransel periode 1
= 1792 + 1194
= 2986
d. Waktu tas ransel = jumlah tas ransel periode minggu 1 x waktu proses tas ransel
(menit)
= 448 x 0.73
= 324.8
e. Waktu tas selempang = jumlah tas selempang periode minggu 1 x waktu proses
tas selempang (menit)
= 298 x 0.74
= 221.01
f. Total waktu tas = Waktu tas ransel + waktu tas selempang
= 324.8 + 221.01
= 545.81
Periode 5
Periode Tot Produ
2
5 1 3 4 al ksi
Tas 182
Ransel 456 457 457 457 7 1827
Tas
Selemp 121
ang 304 304 305 305 8 1218
Total 304
Tas 760 761 762 762 5 3045
Waktu
Tas
Ransel 330,6 331,325 331,325 331,325
Waktu
Tas
Selemp 225,4666 225,4666 226,2083 226,2083
ang 667 667 333 333
Total 556,0666 556,7916 557,5333 557,5333
waktu 667 667 333 333
Batas
waktu 570 570 570 570
a. Total tas ransel per periode = jumlah tiap minggu tas ransel
= 456 + 457 + 457 + 457
= 1827
b. Total tas selempang per periode = jumlah tiap minggu tas selempag
= 304 + 304 + 304 + 304
= 1218
c. Total tas periode 1 = tas selempang periode 1 + tas ransel periode 1
= 1827 + 1218
= 3045
d. Waktu tas ransel = jumlah tas ransel periode minggu 1 x waktu proses tas ransel
(menit)
= 456 x 0.73
= 330.6
e. Waktu tas selempang = jumlah tas selempang periode minggu 1 x waktu proses
tas selempang (menit)
= 304 x 0.74
= 225.46
f. Total waktu tas = Waktu tas ransel + waktu tas selempang
= 330.6 + 225.46
= 556.06
Periode 6
Periode Tot Produ
2
6 1 3 4 al ksi
Tas 186
Ransel 465 466 466 466 3 1863
Tas
Selemp 124
ang 310 310 311 311 2 1242
Total 775 776 777 777 310 3105
Tas 5
Waktu
Tas
Ransel 337,125 337,85 337,85 337,85
Waktu
Tas
Selemp 229,9166 229,9166 230,6583 230,6583
ang 667 667 333 333
Total 567,0416 567,7666 568,5083 568,5083
waktu 667 667 333 333
Batas
waktu 580 580 580 580
a. Total tas ransel per periode = jumlah tiap minggu tas ransel
= 465 + 466 + 466 + 466
= 1863
b. Total tas selempang per periode = jumlah tiap minggu tas selempag
= 310 + 310 + 311 + 311
= 1242
c. Total tas periode 1 = tas selempang periode 1 + tas ransel periode 1
= 1863 + 1242
= 3105
d. Waktu tas ransel = jumlah tas ransel periode minggu 1 x waktu proses tas ransel
(menit)
= 465 x 0.73
= 337.12
e. Waktu tas selempang = jumlah tas selempang periode minggu 1 x waktu proses
tas selempang (menit)
= 310 x 0.74
= 229.91
f. Total waktu tas = Waktu tas ransel + waktu tas selempang
= 337.12 + 229.91
= 567.04

4.3.2 Analisis Metode Disagregat

Pada metode disagregat, total produksi didapatkan dari demand 6 periode dari hasil
forecast dijumlahkan dengan inventori yang didapatkan dari metode agregat. Fungsi dari
disagregat ini untuk merencanakan jumlah produksi tas dari PT.Fajar Sejahtera di tiap
minggunya selama 6 periode berikutnya. Hasil dari perencanaan produksi ini didapatkan
jumlah produksi di setiap minggunya rata rata mengalami kenaikan tiap periodenya, hal ini
dikarenakan bedasarkan pola data historis sebelumnya dari PT Fajar Sejahtera membentuk
pola trend. Sehingga produksi tiap tiap minggu di periodenya akan memproduksi tas lebih
tinggi dari periode sebelumnya.