OPTIMASI PERENCANAAN DAN PENGENDALIAN PRODUKSI

BAHAN AJAR
MATA KULIAH
PERENCANAAN & PENGENDALIAN PRODUKSI
Disusun Oleh :
Yasrin Zabidi, S.T., M.T.
JURUSAN TEKNIK INDUSTRI
SEKOLAH TINGGI TEKNOLOGI ADISUTJIPTO
YOGYAKARTA
PERENCANAAN & PENGENDALIAN PRODUKSI TI 3306
1. Pendahuluan (Sistem Industri/Produksi)
2. Peramalan (Forcasting)
3. Inventory System (Sistem Persediaan)
4. Perencanaan Produksi Agregat
5. Material Requirement Planning (MRP) Dan Manufacturing Resource Planning (MRP II)
6. Penjadwalan (Schedulling)
7. Line Balancing (Keseimbangan Lintasan)
8. Teory Of Constranints (TOC)
DAFTAR PUSTAKA
1. Chase, Aquilana, Jacobs, Production And Operations Management, Eight Edition, 1998,
McgrawHill.
2. Vincent Gaspersz, Production Planning and Inventory Control, 2002, Gramedia, Jakarta.
3. Seetharama, Dennos, Peter, Production Planning and Inventory Control, 1995, Prentice-
Hall International, New Jersey.
4. Arman Hakim N, Perencanaan Dan Pengendalian Produksi, 2003, Guna Widya,

Surabaya.
BAB I
PENDAHULUAN
Fungsi Produksi
Proses Produksi
Perencanaan Produksi
Pengendalian Produksi
Perencanaan
Peramalan Perencanaan
Keuangan dan
Permintaan Strategik Bisnis
Pemasaran
Perencanaan
Manajemen Perencanaan
Kebutuhan
Permintaan Produksi
Sumber Daya
Pelayanan
Pesanan
(Order Service)
Penjadwalan Rough-Cut
Final Assembly
Produksi Induk Capacity Planning
Schedule
(MPS) (RCCP)
Perencanaan Perencanaan
Rekayasa Produk
Kebutuhan Material Kebutuhan
dan Manufakturing
(MRP) Kapasitas (CRP)
Operations
Sequeneing
Pembelian
Pengendalian
Pengendalian Input/
Aktivitas Produksi
Output
(PAC)
Pengendalian dan
Penjadwalan
Pemasok Akuntansi dan
Keuangan
Keterangan
= Hubungan dua arah, termasuk umpan balik
MPS = Master Production Scheduling
CRP = Capacity Requirements Planning
MRP = Material Requirements Planning
PAC = Production Activity Control
Gambar 1 Sistem Manufacturing Resource Planning (MRPII)

Produk Contoh :
Bendungan
Jembatan
Proyek CN 235 IPTN
Jenis
Rumah Sakit
Aliran
Bengkel Mobil
Proyek Job Shop
Bengkel Mesin
Pabrik Mebel
Flow Shop Laboratorium Sinar X
Pabrik TV
Proses Pabrik Mobil
Kontinyu Perusahaan Listrik
Pemurnian Minyak
Pabrik Kimia
Jenis
Spesifikasi
Output Khusus Standar
Gambar 2
Klasifikasi Sistem Produksi Menurut Aliran Proses Produksi (Kostas 270)
Proses
Kontinyu
Kuantitas Produk
Produksi
Massal
Produksi
Batch
Produksi
Job Shop
Variasi Produk
Gambar 3
Klasifikasi Sistem Produksi Menurut Variasi Produknya (Pat)

BAB II
PERAMALAN
Pelanggan
Produk
Mutu & Harga
Variasi Acak Pesaing
Siklus Bisnis Sikap dan

Kepercayaan
Pelanggan
OUTPUTS
INPUTS PERUSAHAAN Permintaan
Iklan Mutu
Hasil Kebijaksanaan
Citra
Usaha Penjualan Desain Barang Kredit
Pelayanan
Perusahaan Dan Pelayanan
Gambar 4
Beberapa Faktor Yang Mempengaruhi Permintaan

KARAKTERISTIK PERAMALAN YANG BAIK
MODEL-MODEL PERAMALAN
METODE METODE
KUALITATIF KUANTITATIF
POLA-POLA POLA DATA

EKSTERNAL HISTORIS
LANGKAH-LANGKAH PERAMALAN
Menentukan Tujuan Peramalan
Memilih Item (Independent Demand) yang diramalkan
Menentukan Horizon Peramalan

PENDEK (1-5 Minggu)
MENENGAH (1-24 Bulan)
PANJANG (2-10 Tahun)
Identifikasi Pola Historis Data Aktual Permintaan
Memilih Model Peramalan yang sesuai dengan pola data historis
Melakukan Analisis Peramalan berdasarkan model peramalan

yang dipilih
Memilih Model Peramalan yang tepat berdasarkan Ukuran

Akurasi Peramalan (MAD-Mean Absolute Deviation) Terkecil
Memerikasa Keandalan Model Peramalan yang dipilih

berdasarkan Peta Kontrol Tracking Signal
Komponen
Tren
Komponen
Musiman
Komponen
Siklus
Komponen
Acak
PENENTUAN ERROR PERAMALAN
1. Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD)

MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa
memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan
kenyataannya. Secara matematis, MAD dirumuskan sebagai berikut :
Dimana :
A = Permintaan Aktual Pada Periode-t
Ft = Peramalan Permintaan (Forecast) Pada Periode-t
n = Jumlah Periode Peramalan Yang Terlibat
2. Rata-Rata Kuadrat Kesalahan (Mean Square Error = MSE)

MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap
periode dan membaginya dengan jumlah periode peramalan. Secara matematis, MSE
dirumuskan sebagai berikut :
3. Rata-Rata Kesalahan Peramalan (Mean Forcast Error = MFE)

MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan selama periode
tertentu terlalu tinggi atau terlalu rendah. Bila hasil peramalan tidak bias, maka nilai MFE
akan mendekati nol. MFE dihitung dengan mejumlahkan semua kesalahan peramalan
selama periode peramalan dan membaginya dengan jumlah periode peramalan. Secara
matematis, MFE dinyatakan sebagai berikut :
4. Rata-rata Persentase Kesalahan Absolut (Mean Absolute Percentage Error =

MAPE)
MAPE merupakan ukuran kesalahan relatif. MAPE biasanya 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. Secara matematis, MAPE dinyatakan sebagai
berikut :
CONTOH :
Suatu data permintaan aktual produk X dibandingkan hasil peramalannya diketahui seperti
yang tercantum pada tabel dibawah ini. Hitunglah MAD, MSE, MAPE dan MPE-nya.
JAWAB :
(1) (2) (3) (4) (5) (6) (7)

No Permintaan Ramalan Deviasi Deviasi Kuadrat Persentase Persentase
Aktual Absolut Kesalahan Kesalahan Kesalahan Absolut
A F A-F
1 120 125 -5 5 25 -4,17 4,17

2 130 125 +5 5 25 3,85 3,85
3 110 125 -15 15 225 -13,64 13,64
4 140 125 +15 15 225 10,71 10,71
5 110 125 -15 15 225 -13,64 13,64
6 130 125 +5 5 25 3,85 3,85
X??? -10 60 750 49,86
MAD = 60/6 = 10
MSE = 750/6 = 125
MAPE = 49,86/6 = 8,31%
MFE = -10/6 = -1,67
VERIFIKASI DAN PENGENDALIAN PERAMALAN
PETA MOVING RANGE
Peta Moving Range dirancang untuk membandingkan nilai permintaan aktual dengan nilai
peramalan.
Adapun Rata-rata Moving Range didefinisikan sebagai :

Garis tengah peta Moving Range adalah pada titik nol. Batas kontrol atas dan bawah pada peta
Moving Range adalah :
Sementara itu, variabel yang akan diplot ke dalam peta Moving Range :
Bulan Periode Peramalan Permintaan Moving Range

(t) y MR
Januari 1 196 199 -3
Februari 2 199 202 -3 0
Maret 3 202 199 3 6
April 4 205 208 -3 6
Mei 5 208 212 -4 1
Juni 6 211 194 17 21
Juli 7 214 214 0 17
Agustus 8 217 220 -3 3
September 9 220 219 1 4
Oktober 10 223 234 -11 12
November 11 226 219 7 18
Desember 12 229 233 -4 11
78 2.550 2.553 -3 99
Peta Kontrol Tracking Signal
Tracking signal adalah suatu ukuran bagaimana baiknya suatu ramalan memperkirakan nilai-
nilai aktual.
Tracking Signal dari Model Peramalan Tertentu
Periode Forcast Aktual Error RSFE Absolute Kumulatif MAD Tracking

(n) (F) (A) E = A-F Error Absolute Error Signal
(1) (2) (3) (4)=(3)- (5)=Kumulatif (6)=Absolut (7)=Kumulatif (8)=(7)/(1) (9)=(5)/(8)
(2) dari (4) dari (4) dari (6)
1 100 90 -10 -10 10 10 10,0 -1
2 100 95 -5 -15 5 15 7,5 -2
3 100 115 +15 0 15 30 10,0 0
4 100 100 -10 -10 10 40 10,0 -1
5 100 125 +15 +5 15 55 11,0 +0,45
6 100 130 +20 +25 20 75 12,5 +2
Tracking signal yang positif menunjukkan bahwa nilai aktual permintaan lebih besar dari pada
ramalan, sedangkan tracking signal yang negatif berarti nilai aktual permintaan lebih kecil dari
pada ramalan. Suatu tracking signal disebut baik apabila memiliki RSFE yang rendah, dan
mempunyai positive error yang sama banyak atau imbang dengan negative error, sehingga pusat
dari tracking signal mendekati nol.
Peta Kontrol Tracking Signal dari Model Peramalan Permintaan
Model Rata-rata Bergerak (Moving Averages Model)
Data Aktual Permintaan Komputer Selama tahun 1997
Bulan Indeks Waktu (t) Permintaan Aktual (A)

Januari 1 280
Februari 2 270
Maret 3 330
April 4 250
Mei 5 340
Juni 6 330
Juli 7 350
Agustus 8 300
September 9 330
Oktober 10 350
November 11 270
Desember 12 290
Januari 1998 13 ???
Langkah 1 : Identifiaksi Pola Historis dari Data Aktual Permintaan
Langkah 2 : Memilih Model Peramalan yang Sesuai Dengan Pola Historis dari Data
Aktual Permintaan
Kita mengetahui bahwa pola historis dari data aktual permintaan komputer selama
periode 1997 tidak membentuk kecenderungan (trend line), dengan demikian model-model
peramalan yang mempertimbangkan kecenderungan (trend) tidak perlu dipertimbangkan. Karena
pola data tidak membentuk kecenderungan, kita dapat mempertimbangkan model peramalan
rata-rata bergerak (moving average) atau pemulusan eksponensial (exponential smoothing).
Langkah 3 : Melakukan Analisis Data Berdasarkan Model Peramalan yang Dipilih

Contoh Perhitungan Berdasarkan Model Rata-rata Bergerak 4 dan 5 Periode (Bulan)
Ramalan
Bulan Indeks Waktu Permintaan Ramalan Berdasarkan MA (4) (F4
Berdasarkan
(Tahun 1997) (t) Aktual (A) MA4)
MA(5) (F5 MA5)
Januari 1 280 - -
Februari 2 270 - -
Maret 3 330 - -
April 4 250 - -
Mei 5 340 = (280 + 270 + 330 + 250)/4 = 283 -
Juni 6 330 = (270 + 330 + 250 + 340)/4 = 298 294
Juli 7 350 = (330 + 250 + 340 + 330)/4 = 313 304
Agustus 8 300 = (250 + 340 + 330 + 350)/4 = 318 320
September 9 330 = (340 + 330 + 350 + 300)/4 = 330 314
Oktober 10 350 = (330 + 350 + 300 + 330)/4 = 328 330
November 11 270 = (350 + 300 + 330 + 350)/4 = 333 332
Desember 12 290 = (300 + 330 + 350 + 270)/4 = 313 320
Januari 1998 13 ??? = (330 + 350 + 270 + 290)/4 = 310 308
Keterangan : MA (4) = rata-rata bergerak 4-periode, MA(5) = rata-rata bergerak 5-periode. Nilai
ramalan adalah nilai pembulatan.
Langkah 4 : Memilih Model Peramalan yang Tepat Berdasarkan MAD (Mean Absolute
Deviation) Terkecil
Nilai MAD untuk MA (4) dan (MA (5)
Bulan Indeks Permintaan Ramalan Absolute Ramalan Absolute
(Tahun Waktu Aktual Berdasarkan Deviation Berdasarkan Deviation
1997) (t) (A) MA (4) untuk MA(5) untuk
(F4 MA4) MA (4) (F5 MA5) MA (5)
Mei 5 340 283 57 - -
Juni 6 330 298 32 294 36
Juli 7 350 313 37 304 46
Agustus 8 300 318 18 320 20
September 9 330 330 0 314 16
Oktober 10 350 328 22 330 20
November 11 270 333 63 332 62
Desember 12 290 313 23 320 30
MAD = 31,5 MAD = 32,9
Keterangan :
MAD untuk MA (4) = (57 + 32 + 37 + 18 + 0 + 22 + 63 + 23)/8 = 31,5
MAD untuk MA (5) = (36 + 46+ 20 + 16 + 20 + 62 + 63 + 30)/8 = 32,9
Langkah 5 : Memeriksa Keandalan Model Peramalan yang Dipilih Berdasarkan Peta
Kontrol Tracking Signal
Tracking Signal dari Model Peramalan MA (4)

Periode, Forcast Aktual, Error, RSFE Absolut Kumulatif MAD Tracking
n F A E = A-F (5) = Error Absolut (8) = Signal
(1) (2) (3) (4) Kumulatif (6) = Error (7)/(1) (9) =
dari (4) Absolut (7) = (5)/(8)
dari (4) Kumulatif
1 283 340 +57 +57 57 57 57 +1
2 298 330 +32 +89 32 89 44,5 +2
3 313 350 +37 +126 37 126 42 +3
4 318 300 -18 +108 18 144 36 +3
5 330 330 0 +108 0 144 28,8 +3,8
6 328 350 +22 +130 22 166 27,7 +4,7
7 333 270 -63 +67 63 229 32,7 +2
8 313 290 -23 +44 23 252 31,5 +1,4
Peta Kontrol Tracking Signal dari Model Peramalan MA (4)
Model Rata-rata Bergerak Terbobot (Weighted Moving Averages Model)
Suatu model rata-rata bergerak n-periode terbobot, weighted MA (n), dinyatakan sebagai
berikut :
Contoh perhitungan berdasarkan model Weighted MA (4)

Bulan Indeks Permintaan Ramalan Berdasarkan WMA (4)
(Tahun 1997) Waktu (t) Aktual (A) (F4 WMA4)
Januari 1 280 -
Februari 2 270 -
Maret 3 330 -
April 4 250 -
Mei 5 340 {(4)(250) + (3)(330) + (2)(270) + (1)(280)} / 10 = 281
Juni 6 330 {(4)(340) + (3)(250) + (2)(330) + (1)(270)} / 10 = 301
Juli 7 350 {(4)(330) + (3)(340) + (2)(250) + (1)(330)} / 10 = 317
Agustus 8 300 {(4)(350) + (3)(330) + (2)(340) + (1)(250)} / 10 = 332
September 9 330 {(4)(300) + (3)(350) + (2)(330) + (1)(340)} / 10 = 325
Oktober 10 350 {(4)(330) + (3)(300) + (2)(350) + (1)(330)} / 10 = 325
November 11 270 {(4)(350) + (3)(330) + (2)(300) + (1)(350)} / 10 = 334
Desember 12 290 {(4)(270) + (3)(350) + (2)(330) + (1)(300)} / 10 = 309
Januari 1998 13 ??? {(4)(290) + (3)(270) + (2)(350) + (1)(330)} / 10 = 300
Keterangan : WMA (4) = rata-rata bergerak 4-bulan (periode) terbobot, Weighted MA (4)
Dimana :
A1 = permintaan aktual 1 bualan (periode) yang lalu
Tracking Signal dari Model Peramalan Weighted MA (4)
n F A E = A-F (5) = Error Absolut (8) = Signal
(1) (2) (3) (4) Kumulatif (6) = Error (7)/(1) (9) =
=(3)-(2) dari (4) Absolut (7) = (5)/(8)
dari (4) Kumulatif
dari (6)
1 281 340 +59 +59 59 59 59 +1
2 304 330 +26 +85 26 85 42,5 +2
3 317 350 +33 +118 33 118 39,3 +3
4 332 300 -32 +86 32 150 37,5 +2,3
5 325 330 +5 +91 5 155 31 +2,9
6 325 350 +25 +116 25 180 30 +3,9
7 334 270 -64 +52 64 246 34,9 +1,5
8 309 290 -19 +33 19 263 32,9 +1
Peta Kontrol Tracking Signal dari Model Peramalan Weight MA (4)

Model Pemulusan Eksponensial (Exponential Smoothing Model)
Peramalan menggunakan model pemulusan eksponensial dilakukan berdasarkan formulasi
berikut :
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 (smoothing constant)
Contoh Perhitungan Berdasarkan Model ES (=0,9)

Bulan Indeks Permintaan Ramalan Berdasarkan Model ES (=0,9)
(Tahun 1997) Waktu (t) Aktual (A) (F ES =0,9)
Januari 1 280 307
Februari 2 270 307 + 0,9 (280 307) = 283
Maret 3 330 283 + 0,9 (270 283) = 271
April 4 250 271 + 0,9 (330 271) = 324
Mei 5 340 324 + 0,9 (250 324) = 257
Juni 6 330 257 + 0,9 (340 257) = 332
Juli 7 350 332 + 0,9 (330 332) = 330
Agustus 8 300 330 + 0,9 (350 330) = 348
September 9 330 348 + 0,9 (300 348) = 305
Oktober 10 350 305 + 0,9 (330 305) = 327
November 11 270 327 + 0,9 (350 327) = 348
Desember 12 290 348 + 0,9 (270 348) = 278
Januari 1998 13 ??? 278 + 0,9 (290 278) = 289
Keterangan : ES (=0,9) = pemulusan eksponensial (exponential smoothing = ES) dengan
konstanta pemulusan =0,9. Nilai-nilai ramalan adalah nilai pembulatan. Angka ramalan pada
periode pertama ditentukan berdasarkan angka perkiraan, biasanya dipilih angka-angka aktual
permintaan bulanan, dalam kasus ini adalah : 3690/12 = 307 unit (dibulatkan).
Tracking Signal dari Model Peramalan ES (=0,9)

n F (A) E = A-F (5) = Error Absolut (8) = Signal
(1) (2) (3) (4) Kumulatif (6) = Error (7)/(1) (9) =
=(3)-(2) dari (4) Absolut (7) = (5)/(8)
dari (4) Kumulatif
dari (6)
1 307 280 -27 -27 27 27 27 -1
2 283 270 -13 -40 13 40 20 -2
3 271 330 +59 +19 59 99 33 +0,6
4 324 250 -74 -55 74 173 43,3 -1,33
5 257 340 +83 +28 83 256 51,2 +0,5
6 332 330 -2 +26 2 258 43 +0,6
7 330 350 +20 +46 20 278 39,7 +1,2
8 348 300 -48 -2 48 326 40,8 -0,05
9 305 330 +25 +23 25 351 39 +0,6
10 327 350 +23 +46 23 374 37,4 +1,2
11 348 270 -78 -32 78 452 41,1 -0,8
12 278 290 +12 -20 12 464 38,7 -0,5
Peta Kontrol Tracking Signal dari Model Peramalan ES ( = 0,9)
Data Aktual dan Ramalan Permintaan Komputer Berdasarkan ES ( = 0,9)

Perbandingan Hasil Peramalan Permintaan Komputer Berdasarkan Tiga Model Peramalan
No Deskripsi Model MA (4) Model WMA (4) Model ES (=0,9)
Nilai ramalan
permintaan komputer
1 untuk periode bulan 30 Unit 300 Unit 289 Unit
Januari 1998
Nilai-nilai Tracking Bervariasi dari +1,0 Bervariasi dari +1,0 Bervariasi dari -2
2 Signal sampai dengan +4,7 sampai dengan +3,9 sampai dengan +1,2
Semua nilai tracking Semua nilai tracking Semua nilai tracking

signal berada di atas signal berada di atas signal berada dalam
garis tengah (central garis tengah (central batas-batas
line = CL) dari peta line = CL) dari peta pengendalian peta
Tebaran nilai-nilai kontrol, dan ada satu kontrol, dan ada satu kontrol. Banyaknya
3 tracking signal dalam nilai tracking signal nilai tracking signal nilai tracking signal
peta kontrol yang berada di luar yang hamper positif seimbang
batas kontrol atas menyentuh batas dengan nilai-nilai
(upper control limit kontrol atas (upper tracking signal
= UCL) control limit = UCL) negatif.
Tidak sesuai dengan Tidak sesuai dengan Sesuai atau

pola historis dari pola historis dari menyerupai pola
Pola distribusi nilai-nilai
4 data aktual data aktual historis dari data
ramalan
permintaan permintaan aktual permintaan
5 Nilai RSFE +44 +33 -20

Menolak Menolak Menerima
6 Keputusan
Model MA (4) Model WMA (4) Model ES (=0,9)
Keterangan :
MA (4) = rata-rata bergerak 4 bulan tidak berbobot, WMA (4) = rata-rata bergerak 4 bulan
berbobot, ES (=0,9) = pemulusan eksponensial dengan konstanta 0,9; RSFE = running sum of the forcast
error.
Suatu tracking signal yang baik memiliki RSFE yang rendah, mempunyai positive error yang
sama banyak atau seimbang dengan negative error, sehingga pusat dari tracking signal mendekati nol, dan
semua nilai tracking signal itu berada dalam batas-batas pengendalian peta kontrol tracking signal
(maksimum 4).
Model Analisis Garis Kecenderungan (Trend Line Analysis Model)
Dimana :
Ft = nilai ramalan permintaan pada period eke-t
a = intersep
b = slope dari garis kecenderungan (trend line), merupakan tingkat perubahan dalam
permintaan
t = indeks waktu (t = 1, 2, 3,.., n) ; n adalah banyaknya periode waktu
Slope dan intersep dari persamaan garis lurus dihitung dengan menggunakan formula berikut:
dimana :
b = slope dari persamaan garis lurus
a = intersep dari persamaan garis lurus
t = indeks waktu
t-bar = nilai rata-rata dari t
A = variabel permintaan (data aktual permintaan)
A-bar = nilai rata-rata permintan per periode waktu, rata-rata dari A
Data Aktual Permintaan Komputer Selama Tahun 1997

Bulan Indeks Waktu (t) Permintaan Aktual (A)
Januari 1 120
Februari 2 170
Maret 3 200
April 4 190
Mei 5 240
Juni 6 220
Juli 7 260
Agustus 8 290
September 9 280
Oktober 10 310
November 11 300
Desember 12 350
Januari 1998 13 ???
Langkah 1 : Identifikasi Pola Hitoris dari Data Aktual Permintaan
Pola Historis dari Data Aktual Permintaan Komputer Pada Tahun 1997
Langkah 2 : Memilih Model Peramalan yang Sesuai dengan Pola Hitoris dari Data Aktual
Permintaan
Langkah 3 : Melakukan Analisis Data Berdasarkan Model Pearmalan Yang Dipilih

Lembar Perhitungan Untuk Model Analisis Garis Kecenderungan
Bulan Indeks Permintaan tA t2
(Tahun 1997) Waktu (t) Aktual, (A)
(1) (2) (3) (4) = (2) x (3) (5) = (2) x (2)
Januari 1 120 120 1
Februari 2 170 340 4
Maret 3 200 600 9
April 4 190 760 16
Mei 5 240 1200 25
Juni 6 220 1320 36
Juli 7 260 1820 49
Agustus 8 290 2320 64
September 9 280 2520 81
Oktober 10 310 3100 100
November 11 300 3300 121
Desember 12 350 4200 144
Jumlah () 78 2930 21600 650
Rata-rata 6,5 244,167 650 -
Dengan demikian persamaan garis lurus untuk peramalan permintaan komputer adalah
Tabel III.16. Peramalan Permintaan Komputer Berdasarkan Model

Bulan Indeks Waktu Permintaan Aktual Ramalan Berdasarkan
(Tahun 1997) (t) (A) Model
Januari 1 120 127,8 + 17,9 (1) = 146

Februari 2 170 127,8 + 17,9 (2) = 164
Maret 3 200 127,8 + 17,9 (3) = 182
April 4 190 127,8 + 17,9 (4) = 199
Mei 5 240 127,8 + 17,9 (5) = 217
Juni 6 220 127,8 + 17,9 (6) = 235
Juli 7 260 127,8 + 17,9 (7) = 253
Agustus 8 290 127,8 + 17,9 (8) = 271
September 9 280 127,8 + 17,9 (9) = 289
Oktober 10 310 127,8 + 17,9 (10) = 307
November 11 300 127,8 + 17,9 (11) = 325
Desember 12 350 127,8 + 17,9 (12) = 343
Januari 1998 13 ??? 127,8 + 17,9 (13) = 361
Langkah 4 : Memeriksa Keandalan Model Peramalan yang Dipilih Berdasarkan Peta Kontrol
Tracking Signal
Tracking Signal dari Model Peramalan

Kumulatif
Absolut
Error, RSFE Absolut Tracking
Periode, Forcast, Aktual, Error MAD
E = A-F (5) = Error Signal
n F (A) (6) = (8) =
(4) Kumulatif (7) = (9) =
(1) (2) (3) Absolut (7)/(1)
=(3)-(2) dari (4) Kumulatif (5)/(8)
dari (4)
dari (6)
1 146 120 -26 -26 26 26 26 -1
2 164 170 6 -20 6 32 16 -1,3
3 182 200 18 -2 18 50 16,7 -0,2
4 199 190 -9 -11 9 59 16,7 -0,7
5 217 240 23 +12 23 82 16,4 +0,7
6 235 220 -15 -3 15 97 16,2 -0,2
7 253 260 7 +4 17 104 14,9 +0,3
8 271 290 19 +23 19 123 15,4 +1,5
9 289 280 -9 +14 9 132 15,4 +1
10 307 310 3 +17 3 135 13,5 +1,3
11 325 300 -25 -8 25 160 14,5 -0,6
12 343 350 7 -1 7 167 13,9 -0,1
Peta Kontrol Tracking Signal dari Model Peramalan Ft = a + bt

Model Pemulusan Eksponensial dengan Mempertimbangkan Kecenderungan
(Exponential Smoothing with Trend Adjustment)
Hasil peramalan permintaan komputer berdasarkan model pemulusan eksponensial dengan

mempertimbangkan kecenderungan untuk nilai =0,6 dan = 0,3
Bulan Indeks Waktu Permintaan Aktual Ramalan Trend Ramalan EST
(Tahun (t) (A) Tanpa Trend (T) (FIT = F + T)
1997) (F)
Januari 1 120 110 0 -
Februari 2 170 116 2 118
Maret 3 200 148 11 159
April 4 190 179 17 196
Mei 5 240 186 21 207
Juni 6 220 218 24 242
Juli 7 260 219 17 236
Agustus 8 290 244 19 263
September 9 280 272 22 294
Oktober 10 310 277 17 294
November 11 300 297 18 315
Desember 12 350 299 13 312
Januari 1998 13 ??? 330 18 348
Tracking Signal dari Model Peramalan EST ( = 0,6 dan = 0,3)
Periode, Forcast, Aktual, Error, RSFE Absolut Kumulatif MAD Tracking
n F (A) E = A-F (5) = Error Absolut (8) = Signal
(4) Kumulatif (6) = Error (7)/(1) (9) =
(1) (2) (3) =(3)-(2) dari (4) Absolut (7) = (5)/(8)
dari (4) Kumulatif
dari (6)
1 118 170 +52 +52 52 52 52 +1
2 159 200 +41 +93 41 93 46,5 +0,9
3 196 190 -6 +87 6 99 33 +2,6
4 207 240 +33 +120 33 132 44 +2,7
5 242 220 -222 +98 22 154 30,8 +3,2
6 236 260 +24 +122 24 178 29,7 +4,1
7 263 290 +27 +149 27 205 29,3 +5,1
8 294 280 -14 +135 14 219 27,4 +4,9
9 294 310 +16 +151 16 235 26,1 +5,8
10 315 300 -15 +136 15 250 25 +5,4
11 312 350 +38 +174 38 288 26,2 +6,6
Data Aktual dan Ramalan Permintaan Komputer Berdasarkan Model EST
Perbandingan Hasil Peramalan Permintaan Komputer Berdasarkan Dua Model

Peramalan
No Deskripsi Model EST Model Ft = a + bt

Nilai ramalan
permintaan komputer
1 untuk periode bulan 348 Unit 361 Unit
Januari 1998
Nilai-nilai tracking Bervariasi dari +0,9 Bervariasi dari -1,3 sampai

2
signal sampai dengan +6,6 dengan +1,5
Semua nilai tracking
Semua nilai tracking signal
signal berada di atas garis
berada dalam batas-batas
tengah (central line = CL)
Tebaran nilai-nilai pengendalian peta kontrol.
dari peta kontrol, dan ada
3 tracking signal dalam Banyaknya nilai tracking
enam nilai tracking signal
peta kontrol signal positif seimbang
yang berada di luar batas
dengan nilai-nilai tracking
kontrol atas (upper
signal negatif
control limit = UCL)
4 Nilai RSFE +174 -1
Menolak Menerima
5 Keputusan
Model EST Model Ft = a + bt
Model Peramalan dengan Mempertimbangkan Pengaruh Musiman (Seasional
Variation) dalam Data Permintaan
Data Aktual Permintaan Komputer Selama Periode 1996-1997

Permintaan Aktual
Bulan
Tahun 1996 Tahun 1997
Januari 800 1200
Februari 750 1100
Maret 820 1250
April 900 1300
Mei 1150 1740
Juni 1100 1650
Juli 1000 1540
Agustus 900 1350
September 850 1280
Oktober 750 1130
November 750 1270
Desember 806 1230
Pola Historis dari Data Aktual Permintaan Komputer Periode 1996-1997

Contoh Perhitungan Indeks Musiman Untuk Permintaan Komputer
Bulan Permintaan Aktual Rata-Rata Rata-Rata Indeks
(1) Permintaan Permintaan Musim
Tahun 1996 Tahun 1997
1996-1997 Per Bulan *)
(2) (3)
(4) = {(2) + (3)}/2 (5) (6) = (4)/(5)
Januari 1996 800 1200 1000 1109 0,902
Februari 750 1100 925 1109 0,834
Maret 820 1250 1035 1109 0,933
April 900 1300 1100 1109 0,992
Mei 1150 1740 1445 1109 1,303
Juni 1100 1650 1375 1109 1,240
Juli 1000 1540 1270 1109 1,145
Agustus 900 1350 1125 1109 1,014
September 850 1280 1065 1109 0,960
Oktober 750 1130 940 1109 0,848
November 750 1270 1010 1109 0,911
Desember 806 1230 1018 1109 0,918
Total - - 13308 - 12,00
Rata-rata - - 13308/12 = 1109 - -
Lembar Perhitungan untuk Model Analisis Garis Kecenderungan
Periode Indeks Waktu, t Permintaan tA t2
1996-1997 Aktual, A
(1) (2) (3) (4) = (2) x (3) (5) = (2) x (2)
Januari 1996 1 800 800 1
Februari 2 750 1500 4
Maret 3 820 2460 9
April 4 900 3600 16
Mei 5 1150 5750 25
Juni 6 1100 6600 36
Juli 7 1000 7000 49
Agustus 8 900 7200 64
September 9 850 7650 81
Oktober 10 750 7500 100
November 11 750 8250 121
Desember 12 806 9672 144
Januari 1997 13 1200 10600 169
Februari 14 1100 15400 196
Maret 15 1250 18750 225
April 16 1300 20800 256
Mei 17 1740 29580 289
Juni 18 1650 29700 324
Juli 19 1540 29260 361
Agustus 20 1350 27000 400
September 21 1280 26880 441
Oktober 22 1130 24860 484
November 23 1270 29210 529
Desember 24 1230 29520 576
Total () 300 26616 364542 4900
Rata-rata 12,5 1109 - -
Dengan demikian persamaan garis lurus untuk peramalan permintaan komputer adalah
Ft = a +bt = 762,891 + 27,689 t
Peramalan Permintaan Komputer Berdasarkan Model Ft = a + bt. Setelah Dikoreksi
Terhadap Pengruh Musiman Menggunakan Indeks Musim
Periode Indeks Permintaan Indeks Nilai Trend Nilai Ramalan
1996-1998 Waktu, t Aktual, A Musim Berdasarkan Model Setelah
Ft=762,891+27,689t Dikoreksi, 1*
(1) (2) (3) (4) (5) (6) = (4) x (5)
Januari 1996 1 800 0,902 790,580 713
Februari 2 750 0,834 818,269 682
Maret 3 820 0,933 845,958 789
April 4 900 0,992 873,647 867
Mei 5 1150 1,303 901,336 1174
Juni 6 1100 1,240 929,025 1152
Juli 7 1000 1,145 956,714 1095
Agustus 8 900 1,014 984,403 998
September 9 850 0,960 1012,092 972
Oktober 10 750 0,848 1039,781 882
November 11 750 0,911 1067,470 972
Desember 12 806 0,918 1095,159 1005
Januari 1997 13 1200 0,902 1122,848 1013
Februari 14 1100 0,834 1150,537 960
Maret 15 1250 0,933 1178,226 1099
April 16 1300 0,992 1205,915 1196
Mei 17 1740 1,303 1233,604 1607
Juni 18 1650 1,240 1261,293 1564
Juli 19 1540 1,145 1288,982 1476
Agustus 20 1350 1,014 1316,671 1335
September 21 1280 0,960 1344,360 1291
Oktober 22 1130 0,848 1372,049 1163
November 23 1270 0,911 1399,738 1275
Desember 24 1230 0,918 1427,427 1310
Januari 1998 25 ???? 0,902 1455,116 1313
Februari 26 ???? 0,834 1482,805 1237
Maret 27 ???? 0,933 1510,494 1409
April 28 ???? 0,992 1538,183 1526
Mei 29 ???? 1,303 1565,872 2040
Juni 30 ???? 1,24 1593,561 1976
Juli 31 ???? 1,145 1621,250 1856
Agustus 32 ???? 1,014 1648,939 1672
September 33 ???? 0,960 1676,628 1610
Oktober 34 ???? 0,848 1704,317 1445
November 35 ???? 0,911 1732,006 1578
Desember 36 ???? 0,918 1759,695 1615
Nilai Aktual dan Ramalan Permintaan Komputer Periode 1996-1998
Biaya Total Persediaan
Ordering cost per-periode =
Holding cost per-periode =

Purchasing cost per-periode =
Parameter-parameter yang dipakai dalam model ini adalah :

D = jumlah kebutuhan barang selama satu periode (misalnya : 1 tahun)
k = ordering cost setiap kali pesan
h = holding cost per-satuan nilai persediaan per-satuan waktu
c = purchasing cost per-satuan nilai persediaan
t = waktu antara satu pemesanan ke pemesanan berikutnya
Titik saat pesanan diterima (order point)

Persediaan (Q)
Tingkat
Q = D. t Rata-rata
persediaan =
Q/2
Waktu (t)
T = Q/D
Gambar 4.3
Model Persediaan EOQ Sederhana
Komponen biaya ketiga, yaitu purchasing cost dapat diabaikan karena biaya terebut akan
timbul tanpa tergantung pada frekuensi pemesanan, sehingga tujuan model EOQ ini adalah
meminimasi biaya total persediaan dengan komponen biaya ordering cost dan holding cost
saja, atau :
Biaya persediaan :
Jumlah pemesanan yang optimal (EOQ) secara matematis
t optimal diperoleh :
Biaya
Kurva TC
TC minimum
Kurva Holding Cost h (Q/2)
Kurva Ordering Cost (D/Q)k
EOQ Jumlah Persediaan (Q)
Gambar 4.4
Kurva TC Minimum
Pada kondisi nyata di lapangan, asumsi barang bersifat instaneous sulit diterapkan karena
diperlukan suatu tenggang waktu tertentu untuk mengirimkan barang yang dipesan karena
mungkin produsen barang yang dipesan tidak mempunyai cukup persediaan.
Tenggang waktu antara saat dilakukan pemesanan dengan saat barang datang disebut lead
time.
Saat dimana pemesanan kembali harus dilakukan agar barang yang dipesan datang tepat
pada saat dibutuhkan disebut titik pemesanan kembali (reorder point = R).
Reorder point ditentukan berdasarkan 2 variabel, yaitu lead time (L) dan tingkat kebutuhan
selama lead time. Ada 2 kemungkinan lead time (L) bila kita bandingkan dengan waktu antara
satu pemesanan ke pemesanan berikut (t), yaitu :
a. L < t R = L x DL
b. L>t = (L-t) x DL
Tingkat Persediaan Tingkat Persediaan
Q Q
R R
L L L Waktu t Waktu
L
t t
Gambar 4.5
Perbandingan L dengan t
CONTOH :
Permintaan harian suatu jenis barang diperkirakan 100 unit. Biaya pemesanan diketahui Rp 100,-
setiap kali pesan. Biaya penyimpanan harian setiap unit persediaan Rp 0,02,-. Bila diketahui lead
time-nya 12 hari, tentukan EOQ dan R-nya!
JAWAB :
Diketahui :
D = Rp 100,- unit / hari
k = Rp 100,- / pesan
h = Rp 0,02 / unit / hari
Dari rumus Wilson, maka :
Waktu antar pemesanan (siklus) optimal adalah :
Karena lead time-nya 12 hari dan waktu siklus optimal 10 hari, maka R dilakukan pada saat
tingkat persediaan = (12 10). 100 = 200 unit, yaitu 2 hari sebelum persediaan baru datang.
Hal ini membutuhkan bahwa bila L > t, maka efektif lead time-nya L t.
Q0 = 1000
R=200
-12 -2 0 10 20
t0 hari ke-
Pesan 100
Pesan 1000
L
Gambar 4.6 Kondisi Grafis contoh di atas
Keterangan : 12 hari sebelum beroperasi, perusahaan memesan barang untuk kebutuhan

siklus pertama dan 2 hari sebelum beroperasi, perusahaan memesan barang lagi untuk
kebutuhan siklus berikutnya.
CONTOH :
Suatu perusahaan membutuhkan bahan baku sebanyak 6400 unit setahun dengan harga per
unit Rp 10,-. Biaya-biaya yang terlibat dalam pembelian bahan baku tersebut tercatat
sebagai berikut :
Biaya pengiriman Rp 10,-
Biaya pemeriksaan bahan baku yang datang Rp 70,-
Biaya administrasi Rp 20,-
Biaya untuk menyelesaikan pesanan Rp 20,-
Biaya penyimpanan di gudang 20% dari nilai rata-rata barang yang dibeli
Biaya modal 10% dari modal rata-rata yang tertanam dalam persediaan.
Tentukan :
a. EOQ dan frekuensi pemesanan dalam 1 tahun
b. R, bila diketahui lead time pengadaan bahan baku tersebut satu minggu
c. Biaya Total Persediaan yang relevan (TIC)
JAWAB :
Diketahui :
k = 10 + 70 + 20 + 20 = 120
h = (20% + 10%) 10 = Rp 3 / unit / tahun
D = 6400 unit / tahun
a. Dari rumus Wilson, maka :
Frekuensi pemesanan (f) = kali pertahun
b. R = L x DL, dimana L = 1 minggu

Karena L dinyatakan dalam 1 minggu, maka kita harus cari kebutuhan bahan baku
selama 1 minggu dengan cara sebagai berikut :
Kebutuhan / tahun = 6400 unit/tahun, maka :
Kebutuhan / bulan = 6400 unit/12 533 unit/bulan, maka :
Kebutuhan selama lead time
c. TIC = =
MODEL STATIS EPQ
Model persediaan ini disebut model EPQ (Economic Production Quantity), dimana
pemakaiannya terjadi pada perusahaan yang pengadaan bahan baku atau komponennya dibuat
sendiri oleh perusahaan.
Tujuan dari model EPQ adalah menentukan berapa jumlah bahan baku (komponen) yang
harus diproduksi, sehingga meminimasi biaya persediaan yang terdiri dari biaya set-up produksi
dan biaya penyimpanan.
Tingkat Persediaan
Q
Produksi Berakhir
I max I max = (P D)tp

P-D
I II I II
R
tp L L Waktu
t1
t0
Gambar 4.7. Fluktuasi Tingkat Persediaan Model EPQ
Dari gambar 4.7, terlihat bahwa setiap siklus persediaan terdiri atas dua tahap :
1. Tahap produksi, dimana perusahaan memproduksi bahan baku (komponen)
dengan tingkat produksi P dan sekaligus menggunakan secara langsung untuk membuat
produk jadi selama sub siklus produski (tp). Tahap produksi ini berhenti pada tingkat
persediaan mencapai Imax , dimana :
Imax = (P D) tp Q = P. tp
2. Tahap persediaan, dimana perusahaan dalam memproduksi produk jadi memakai

bahan baku (komponen) sisa produksi yang menjadi persediaan dari tahap sebelumnya
selama periode tp. Pada tahap ini, jika persediaan telah mencapai tingkat R, maka harus
diadakan set-up (persiapan) produksi yang lamanya tergantung lead time (L). Jadi, L
dalam model ini menyatakan waktu yang diperlukan untuk set-up produksi. Tujuan dari
model ini adalah meminimasi TIC yang terdiri dari set-up cost dan holding cost, atau :
TIC = set-up cost + holding cost
Jumlah produksi ekonomis ini bisa disebut EPQ yang akan dinotasikan sebagai Q0.
Dimana waktu antara set-up ke set-up berikutnya :
Dan TIC minimum
CONTOH 1 :
Suatu perusahaan memproduksi peralatan kemudian mobil lengkap yang terdiri dari poros dan
roda kemudi. Permintaan kemudi mobil didasarkan atas permintaan mobil yang sifatnya tetap
dan diketahui sebesar 6.400 unit/tahun. Roda kemudi yang digunakan sebagai bagian peralatan
kemudi dapat diproduksi sendiri dengan kecepatan produksi 128 unit/hari. Biaya set-up setiap
siklus produksi Rp 24,- dan holding cost Rp 3,- unit/tahun. Bila diketahui dalam 1 tahunnya
perusahaan beroperasi selama 250 hari, maka tentukan kebijaksanaan perusahaan untuk
komponen roda kemudi tersebut.
JAWAB :
Diketahui :
D = Rp 6.400,- unit/tahun
P = 128,- unit/hari = 128 x 250 = 32.000 unit/tahun
k = Rp 24,- /set-up
h = Rp 3,- / unit/tahun
Jumlah kuantitas produksi ekonomis setiap siklus produksi:
Waktu optimal antara set-up satu ke set-up berikutnya:

Waktu selama siklus produksi:
Tingkat persediaan maksimum dimana tahap produksi berhenti:
TIC minimum persediaan dalam setahun:

MODEL STATIS EPQ MULTI ITEM
Adapun langkah-langkah penyelesaian kasus EPQ multi item adalah sebagai berikut :
1. Hitung apakah waktu penyelesaian dari semua permintaan tahunan tidak melebihi
waktu yang tersedia, misalkan N adalah jumlah hari kerja 1 tahun (misal N = 250),
Hal ini berarti , berarti kapasitas produksi tidak dapat memenuhi seluruh
permintan yang datang, sehingga perlu dilakukan lembur, ekspansi kapasitas mesin dan
subkontrak. Bila syarat tersebut dipenuhi, lanjutkan langkah 2.
2. Hitung frekuensi optimal terpadu sebagai berikut :
Dimana :
Dn = tingkat konsumsi (unit/tahun)
hn = biaya penyimpanan (Rp / unit / tahun)
kn = biaya setup (Rp)
Pn = kecepatan produksi (unit / tahun)
Asumsi lain pada model ini adalah bahwa waktu setup diabaikan sehingga terdapat cukup
waktu longgar untuk setiap siklus produksi yang baru, secara matematis, asumsi tersebut
dinyatakan sebagai :
3. Hitung (ukuran produksi optimal untuk kelompok komponen ke-i), dimana :
4. Hitung TC0, dimana :

CONTOH :
Sebuah mesin digunakan untuk membuat 5 buah produk secara bersama-sama dengan data-data
sebagai berikut :
Permintaan Biaya Biaya Sekali Kecepatan Biaya Simpan
per tahun Produksi per Set-up (Rp) produksi per /unit/tahun
Produk
(Unit) unit jam
Dn Cn kn Pn/jam hn
A 4.000 Rp. 5.000 Rp. 40.000 20 Rp. 100
B 2.000 Rp. 3.000 Rp. 25.000 10 Rp. 200
C 3.500 Rp. 5.000 Rp. 50.000 20 Rp. 300
D 6.000 Rp. 1.000 Rp. 60.000 30 Rp. 250
E 5.000 Rp. 3.000 Rp. 35.000 25 Rp. 320
Perusahaan tersebut beroperasi dalam 8 jam/hari selama 250 hari/tahun.

Ditanya :
a. Berapa siklus produksi yang paling ideal dalam satu tahunnya
b. Berapa jumlah setiap kali produksi untuk masing-masing tipe produk
JAWAB :
Buat tabel yang menunjukkan kecepatan produksi perhari, kebutuhan perhari dan perhitungan
lain yang diperlukan dalam menentukan proporsi optimal (fraksi) sebagai berikut :
Tingkat Produksi Tingkat Kebutuhan
Produk per hari (per hari) hn Pn/tahun Kn
Pn/hari Dnhn
A (20 x 8)=160 16 100 40.000 360.000 40.000
B (10 x 8)= 80 8 200 20.000 360.000 25.000
C (20 x 8)=160 14 300 40.000 958.125 50.000
D (30 x 8)=240 24 250 60.000 1.350.000 60.000
E (25 x 8)=200 20 320 50.000 1.440.000 35.000
JUMLAH 4.468.125 210.000
Waktu produksi yang dibutuhkan dalam satu tahun ;
Karena waktu operasi perusahaan lamanya 250 hari per tahun adalah melebihi waktu yang
dibutuhkan untuk produksi (122 hari), maka persoalan di atas layak dikerjakan sehingga fraksi
dihitung sebagai berikut :
Kemudian buat tabel berikut :
Produk Dn f
Qn =
A 4.000 3,26 1.227
B 2.000 3,26 614
C 3.500 3,26 1.074
D 6.000 3,26 1.840
E 5.000 3,26 1.534
Waktu optimal antara siklus produksi adalah ;
Waktu produksi yang tersedia persiklusnya adalah :
Karena waktu produksi optimal per siklus adalah 15 hari, sedangkan waktu produksi yang
tersedia setiap siklusnya adalah 77 hari, maka ada waktu slack 62 hari untuk setiap siklusnya (hal
ini disebabkan kapasitas mesin yang besar dibandingkan dengan permintaan). Jadi setiap 77 hari
berikutnya, perusahaan akan memulai siklus produksinya kembali. Total biaya persediaan
optimalnya diperoleh sebagai berikut :
FASE-FASE PERENCANAAN AGREGAT
PERIODIK PHASE 2 PHASE 3

Smooth Out Penentuan Alternatif
Utilisasi Kapasitas produksi yang Layak
REGULER
PHASE 1 PHASE 4
Peramalan Alokasi Permintaan
Perencanaan Agregat Pada Periode Produksi
Time Series Produk Penetapan Tenaga Kerja:

-Overtime Biaya Linier
With Seasionals Komplementer
-Undertime
Trial and Error
Moving Variabel Tenaga Kerja:
Harga
Average -Penyewaan Linier
-Pemberhentian Programming :
Exponential -Transportation
Promosi
Smoothing -Simplex
Inventory
Waktu Biaya Non Linier

Yang Lain Pengiriman
Yang Fleksibel Backorder
Linier Decision Rule
Yang Lain
Subkontrak
Heuristic dan
Penentual Model
(cocok untuk semua
tipe biaya)
Gambar 3.3
Prosedur Perencanaan Produksi Agregat
METODE-METODE
PERENCANAAN PRODUKSI AGREGAT
1. METODE TRIAL-ERROR
Type of cost How to calculate
Output
Regular Regular cost per unit X Quantity of regular output
Overtime Overtime cost per unit X Overtime quantity
Subcontract Subcontract cost per unit X Subcontract quantity
Hire/Fire
Hire Cost per hire X Number hired
Fire Cost per fire X Number fired
Inventory Carrying cost per unit X Average inventory
Back order Back order cost per unit X Number of back order units
CONTOH SOAL :
Planners for a company are about to prepare the aggregate plan that will cover six periods. They
assembled the following information :
Period 1 2 3 4 5 6 Total
Forecast 200 200 300 400 500 200 1.800
Cost
Regular = $2 per unit
Overtime = $3 per unit
Subcontract = $6 per unit
Inventory = $1 per unit per period on average inventory
Back order = $5 per unit per period
DIKETAHUI :
INVENTORY AWAL = 0
INVENTORY AKHIR DIRENCANAKAN = 0
TENAGA KERJA = 15 orang
Solusi 1: LEVEL STRATEGI

@ Perusahaan Memproduksi dalam jumlah untuk tiap periode
@ Tidak ada Overtime
Forecast 200 200 300 400 500 200 1.800
Output
Regular 300 300 300 300 300 300 1.800
Overtime - - - - - -
Subcontract - - - - - -
Output-Forcast 100 100 0 (100) (200) 100 0
Inventory
Beginning 0 100 200 200 100 0
Ending 100 200 200 100 0 0
Average 50 150 200 150 50 0 600
Backlog 0 0 0 0 100 0 100
Costs
Output
Regular $600 600 600 600 600 600 600
Overtime - - - - - - -
Subcontract - - - - - - -
Hire/Fire - - - - - - -
Inventory $ 50 150 200 150 50 0 $ 600
Back orders $ 0 0 0 0 500 0 $ 500
Total $650 750 800 750 1.150 600 $4.700
* REGUALR TIME OUTPUT = 300 unit/period
* ADA 15 WORKER =------) 1 orang membuat
= 300/15 = 20 unit/period
Solusi 2 :
@ Jumlah produksi sama tiap bulan
@ Adanya Overtime
Forecast 200 200 300 400 500 200 1.800
Output
Regular 280 280 280 280 280 280 1.680
Overtime 0 0 40 40 40 0 120
Output-Forcast 80 80 20 (80) (180) 80 0
Inventory
Beginning 0 80 160 180 100 0
Ending 80 160 180 100 0 0
Average 40 120 170 140 50 0 528
Backlog 0 0 0 0 80 0 80
Costs
Output
Regular $560 560 560 560 560 560 $3.360
Overtime 0 0 120 120 120 0 $ 360
Hire/Fire - - - - - - -
Inventory $ 40 120 170 140 50 0 $ 520
Back orders $ 0 0 0 0 400 0 $ 400
Total $600 680 850 820 1.130 560 $4.640
*REGULAR TIME OUTPUT direduksi menjadi = 280 unit/period

* Diberlakukan OVERTIME (LEMBUR) MAX = 40 unit/period
* Ada 120 unit yang dihasilkan dengan OVERTIME
Solusi 3 : CHASE STRATEGI
@ Jumlah produksi tiap periode tidak sama
@ Adanya pengangkatan & pemberhentian tenaga kerja
Forecast 200 200 300 400 500 200 1.800
Output
Regular 280 280 280 340 340 280 1.800
Overtime - - - - - -
Output-Forcast 80 80 (20) (60) (160) 80 0
Inventory
Beginning 0 80 160 140 80 0
Ending 80 160 140 80 0 0
Average 40 120 150 110 40 0 460
Backlog 0 0 0 0 80 0 80
Costs
Output
Regular $560 560 560 680 680 560 $3.600
Overtime - - - - - - -
Hire/Fire $ 0 0 0 400 400 0 $ 800
Inventory $ 40 120 150 110 40 0 $ 460
Back orders $ 0 0 0 0 400 0 $ 400
Total $600 680 710 1.190 1.520 560 $5.260
* BIAYA ANGKAT WORKER = $ 100/orang

* 1 WORKER yang diangkat dapat memproduksi 15 unit/periode
*PENAMBAHAN WORKER dikaukan pada periode 4 & 5 karena HIGH DEMAND
@ jadi REGULAR OUTPUT periode 4 & 5 naik masing masing 60 unit, sehingga menjadi
340 unit dari 280 unit
* MAKA JML TAMBAHAN WORKER

METODE TRANSPORTASI
Supply Capacity Demand Forcast

Regular Units of
Period Overtime Subcontract Period
Time Demand
1 700 250 500 1 500
2 800 250 500 2 800
3 900 250 500 3 1700
4 500 250 500 4 900
* INITIAL INVENTORY = 100 unit

* REGULAR TIME COST/UNIT = $ 100/unit
* OVERTIME COST/UNIT = $ 125/unit
* SUBCONTRACT COST/UNIT = $ 150/unit
* INVENTORY COST/UNIT/PERIOD = $ 20/unit
* INVENTORY AKHIR
yang akan direncanakan = 150 unit
TABEL 9.5 Transportation Method of Solving Aggregate Production Problem
Period in Which Product is Forcast to Total
Source of Unused
Period Be Sold Available
Supply/Production Capacity
1 2 3 4 Capacity
0 20 40 60 0
100
Beginning Inventory 100 - - - -
100 120 140 160 40
700
1 Regular time 400 300 - -
125 120 165 180 0
250
1 Overtime 250
150 145 150 150 0
500
1 Subcontract 500
150 120 140 40
800
2 Regular time 800 - - -
100 145 165 0
250
2 Overtime 250 - -
125 150 150 0
500
2 Subcontract 500
150 100 120 40
900
3 Regular time 900 - -
125 145 0
250
3 Overtime 250 - -
150 150 0
500
3 Subcontract 500
100 40
500
4 Regular time 500 -
125 0
250
4 Overtime 250 -
150 0
500
4 Subcontract 300 200
Demand 500 800 1.700 1.050 1.950 6.000

Note : The cost of unused capacity during regular time is $40 per unit. The solution provided
inside the circles is explained by the tabular method.
TOTAL COST = (400 x 100) + (300 x 140) +(800 x 100) + (250 x 145) + (900 x 100)
+ (250 x 125) + (500 x 100) + (250 x 125) + (300 x 150)
= $ 445.750
METODE LINIER PROGRAMMING
Asumsi yang digunakan untuk menggunakan model ini yaitu :

1. Laju permintaan (demand rate) Dt diketahui dan diasumsikan deterministik
2. Biaya produksi pada jam kerja normal linier dan asumsikan biaya produksi
normal, biaya produksi lembur dan biaya subkontrak secara berturut-turut memiliki
besaran :
C3 > C2 > C1
3. Biaya perubahan biaya produksi berfungsi linier.
Dalam model ini diasumsikan bahwa yang menjadi fungsi tujuan adalah minimasi biaya
produksi, penambahan-pengurangan tenaga kerja, lembur-menganggur dan persediaan.
Minimasi :
Pt Mt ; t = 1, 2, , k
Ot Yt ; t = 1, 2, , k
It = It-1 + Pt + Ot - Dt; t = 1, 2, , k
At Pt - Pt-1; t = 1, 2, , k
Rt Pt - Pt-1; t = 1, 2, , k
Dimana :
r, v = biaya produksi/unit secara berturut untuk jam normal dan lembur
Pt, Ot = jumlah unit yang diproduksi berturut untuk jam normal dan lembur
h,f = berturut biaya penambahan dan pengurangan tanaga kerja/unit
At, Rt = berturut jumlah kenaikan dan penurunan unit produksi
c = biaya penyimpanan/unit
Dt = ramalan permintaan
Example 9.3
The following data were obtained from Joyee Manufacturing Company. Using foreging linier
programming model, find the optimal production and workforce levels. Backorders are not
allowed.
D1 = 200 units M1 = 180 Y1 = 30
D2 = 50 units M2 = 120 Y2 = 20
D3 = 75 units M3 = 120 Y3 = 20
v = $15/units f = $10 unit I0 = 0
c = $ 5/units r = $10 unit
h = $30/units P0 = 150
Solution : The problem can be formulated as follows. Minimize
Subject to :
P1 180
P2 120
P3 120
O1 30
O2 20
O3 20
P1 + O1 + I1 = 200
P2 + O2 + I1 I2 = 50
P3 + O3 + I2 I3 = 75
P1 + A1 100
-P1 + P2 A2 0
-P2 + P3 A3 0
P1 + R1 150
-P1 + P2 R2 0
-P2 + P3 R3 0
and
Pr, Or, Rr, Ir 0
The linier programming problem is also exhibited in the tableau (Figure 9.11). We can also
solve the problem using any linier programming software package (we used the IBM-MPS
package). The solution is as follows :
P1 = 170 P2 = 62.5 P3 = 62.5

O1 = 30 O2 = 0 O3 = 0
I1 = 30 I2 = 12.5 I3 = 0
A1 = 20 A2 = 0 A3 = 0
R1 = 0 R2 = 107.5 R3 = 0
C = $5137.50
Pada dasarnya dalam sistem MRP II terdapat tiga alternative strategi perencanaan produksi
yaitu : level method, chase strategy, dan compromise strategy.
Level Method didefinisikan sebagai metode perencanaan produksi yang
mempunyai distribusi merata dalam produksi. Dalam perencanaan produksi, level method
akan mempertahankan tingkat kestabilan produksi sementara menggunakan inventori
yang bervariasi untuk mengakumulasi output apabila terjadi kelebihan permintaan total.
Chase Strategy didefinisikan sebagai metode perencanaan produksi yang
mempertahankan tingkat kestabilan inventori, sementara produksi bervariasi mengikuti
permintaan total.
Compromise Strategy merupakan komromi antara kedua metode perencanaan
produksi di atas.
Tabel IV.2. Permintaan-Produksi-Inventori Berdasarkan Tiga Metode

Periode Waktu (Bulan)
Deskripsi
0 1 2 3 4 5 6 7 8 9 10 11 12 Total
1. Permintaan
- 5 5 5 15 25 35 35 35 35 25 15 5 210
Total
2. Rencana
Produksi (Level - 20 20 20 20 20 20 20 20 20 20 20 20 240
Method)
3. Inventori
30 45 60 75 80 75 60 45 30 15 10 15 30 540
(Level Method)
4. Rencana
Produksi (Chase - 5 5 5 15 25 35 35 35 35 25 15 5 240
Strategy)
5. Inventori
30 30 30 30 30 30 30 30 30 30 30 30 30 360
(Chase Strategy)
6. Rencana
- 0 0 0 0 40 40 40 40 40 40 0 0 240
Produksi (Compromise)
7. Inventori
30 25 20 15 0 15 20 25 30 35 50 35 30 300
(Compromise)
Gambar IV.3. Permintaan-Produksi-Inventori Berdasarkan Level, Chase, dan Compromise
METODE PROGRAM DINAMIS TANPA BACKORDER
CONTOH :
Periode Ramalan Biaya Setup Unit Biaya Unit Biaya Simpan
Permintaan Variabel per periode
(t) (Dt) (At) (ct) (ht)
1 10 20 3 2
2 30 40 3 2
3 30 30 3 1
4 20 50 5 1
JAWAB :
Z1 = C01 = A1 + c1(D1) = 20 + (3 x 10) = 50*
Z*0 + C02 = A1 + c1 (D1 + D2) + h1 (D2)

Z2 = = 20 + 3 (40) + 2 (30) = 200
Z*1 + C12 = Z*1 + A2 + c2 (D2)
= 50 + 40 + 3 (30) = 180*
Z*0 + C03 = 20 + 3 (70) + 2(60) + 2 (20) = 410

Z3 = Z*1 + C13 = 50 + 40 + 3 (60) + 2 (30) = 330
Z*2 + C23 = 180 + 30 + 3 (30) = 300*
Z*0 + C04 = 20 + 3 (90) + 2(80) + 2 (50) + 1 (20) = 570
Z*1 + C14 = 50 + 40 + 3 (80) + 2 (50) + 1 (20) = 450
Z4 =
Z*2 + C24 = 180 + 30 + 3 (50) + 1 (20) = 380*
Z*3 + C34 = 300 + 50 + 3 (20) = 410
Z*4 = 380 membuat 50 unit pada peridoe 3 untuk periode 3 dan 4

Z*2 = 180 membuat 30 unit pada peridoe 2 untuk periode 2
Z*1 = 50 membuat 10 unit pada peridoe 1 untuk periode 1
Hasil optimal adalah sebagai berikut :
Produksi
Periode
(Unit)
1 10
2 30
3 50
4 0
METODE PROGRAMA DINAMIS DENGAN BACKORDER
CONTOH :
Berdasarkan contoh sebelumnya dengan biaya sebagai berikut :
Periode : Dt At t ct ht
1 10 20 10 3 2
2 30 40 30 4 2
3 30 30 50 4 1
4 20 50 0 5 1
dimana : t = Pt
JAWAB :
C01 = A1 + c1(D1) = 20 + 3(10) = 50
A1 + c1 (D1 + D2) + h1 (D2)

= 20 + 3 (40) + 2 (30) = 200
C02 =
A1 + c1 (D1 + D2) + h1 (D2)
= 40 + 4 (40) + 1 (10) = 210
A1 + c1 (D1 + D2+D3) + h1 (D2+ D3)

= 20 + 3 (70) + 2 (60) = 350
C03 = A2 + c2 (D1 + D2+D3) + h2 (D3) + (D1)
= 40 + 4 (70) + 2 (30) + 1 (10) = 390
A3 + c3 (D1 + D2+D3) + (D1) + (D1+D2)
= 30 + 4 (70) + 1 (10) + 1 (40) = 360
A1 + c1 (D1 + D2 + D3 + D4) + h1 (D2+ D3 + D4) + h2 (D3 + D4) + h3 (D4)

= 20 + 3 (90) + 2 (80) + 2 (60) + 1 (20) = 570
A2 + c2 (D1 + D2 + D3 + D4) + h2 (D3 +D4) + h3 (D4) + 1 (D1)
= 40 + 4 (90) + 2 (50) + 1 (20) + 1(10) = 530
C04 =
A3 + c3 (D1 + D2 + D3 + D4) + h3(D4) + 1 (D1) + 2 (D1+D2)
= 30 + 4 (90) + 1 (20) + 1 (10) + 1 (40) = 460
A4 + c4 (D1 + D2 + D3 + D4) + 1 (D1) + 2 (D1+D2) + 3 (D1 + D2 + D3)
= 50 + 5 (90) + 1 (10) + 1 (40) 2 (70) = 690
Subset C12 C13 C14 adalah :

C12 = A2 + c2(D2) = 40 + 4(30) = 160
A2 + c2 (D2 + D3) + h2 (D3)

C13 =
= 40 + 4 (60) + 2 (30) = 340
A3 + c3 (D2 + D3) + 2 (D2)
= 30 + 4 (60) + 1 (30) = 300
A2 + c2 (D2 + D3+ D4) + h2 (D3 + D4) + h3 (D4)

= 40 + 4 (80) + 2 (50) + 4 (20) = 540
A3 + c3 (D2 + D3 + D4) + h2 (D4) + 2 (D2)
C14 =
= 30 + 4 (80) + 1 (20) + 1 (30) = 400
A4 + c4 (D2 + D3 + D4) + 2 (D2) + 2 (D2 + D3)
= 50 + 5 (80) + 1 (30) + 2 (60) = 600
Subset C23 dan C24 adalah :

C23 = A3 + c3(D3) = 30 + 4(30) = 150
A3 + c3 (D3 + D4) + h3 (D4)

= 30 + 4 (50) + 1 (20) = 250
C24 =
A4 + c4 (D3 + D4) + 3 (D3)
= 50 + 5 (50) + 1 (30) = 330
Subset C23 dan C24 adalah :
C34 = A4 + c4(D4) = 50 + 5(20) = 150
Titik regenerasi Titik regenerasi Periode produksi (t)

t*(j.k) Ct
Akhir (j) Berikutnya (j) 1 2 3 4
0 1 50 210 1 50
2 200 210 1 200
3 470 390 360 3 360
4 570 530 460 690 3 460
1 2 160 2 160
3 340 300 3 300
4 540 400 600 3 400
2 3 150 3 150
4 250 330 3 250
3 4 150 4 150
IKTISAR Hasil Perhitungan :
Z0 = min [Z1 + Ct]
Z1 = Z0 + C*01 = 0 + 50 = 50
Z0 + C*02 = 0 + 200 = 200

Z2 =
Z1 + C*12 = 50 + 160 = 210
Z0 + C*03 = 0 + 360 = 360

Z3 = Z1 + C*13 = 50 + 300 = 350
Z2 + C*23 = 200 + 150 = 350
Z0 + C*04 = 0 + 460 = 460

Z1 + C*14 = 50 + 400 = 450
Z3 =
Z2 + C*24 = 200 + 250 = 450
Z3 + C*34 = 350 + 150 = 500
IKTISAR Zt :
1 2 3 4
0 50 200 360 460
1 210 350 450
2 350 450
3 500
0 50 200 350 450
Titik regenerasi optimal dan program produksi adalah sebagai berikut :
1 Produksi (Unit)
1 40
2 0
3 50
4 0
Perencanaan Kebutuhan Sumber Daya
Perencanaan kebutuhan sumber daya (resource requirements planning = RRP) merupakan

tingkat perencanaan tertinggi (level 1) dalam hierarki perencanaan kapasitas.
Perencanaan Kebutuhan Sumber Daya (RRP)

No. Deskripsi RRP
1. Input Kelompok produk atau item-
item
2. Periode Perencanaan Triwulan atau
bulanan
No offset
3. Output Resource plan
4. Metode Bill of resource
Pada dasarnya perencanaan kebutuhan sumber daya (RRP) dapat dilakukan melalui lima
langkah berikut :
Langkah 1 : Memperoleh rencana produksi seperti telah dikemukakan dalam proses

perencanaan produksi. Apabila menggunakan sistem MRP II, kita dapat memilih salah satu dari
tiga strategi perencanaan produksi, yaitu : level method, chase strategy, dan compromise,
(kombinasi antara level dan chase). Misalkan bahwa hasil perhitungan rencana produksi
menggunakan tiga metode itu ditunjukkan dalam tabel IV.5.
Tabel IV.5. Permintaan-Produksi-Inventori Berdasarkan Tiga Metode
Peridoe waktu (Bulan)
Deskripsi
0 1 2 3 4 5 6 7 8 9 10 11 12
1. Permintaan
- 10 10 10 20 20 20 30 30 30 70 55 35
Total
2. Rencana
Produksi (Level - 30 30 30 30 30 30 30 30 30 30 30 30
Method)
3. Inventori
0 20 40 60 70 80 90 90 90 90 50 25 20
(Level Methode)
4. Rencana
Produksi (Chase - 30 10 10 0 20 20 30 30 30 70 55 35
Strategy)
5. Inventori
0 20 20 20 20 20 20 20 20 20 20 20 20
(Chase Strategy)
6. Rencana
Produksi - 15 15 15 25 25 25 35 35 35 45 45 45
(Compromise)
7. Inventori
0 5 10 15 20 25 30 35 40 45 20 10 20
(Compromise)
Langkah 2 : Menentukan struktur produk. Sebagai misal struktur dari kelompok ditunjukkan
dalam Gambar IV.4.
Langkah 3 : Menemukan bill of resource melalui formula berikut :
Rata-rata Waktu Assembly = Proporsi Product Mix Jam Standar Assembly Per Unit
KELOMPOK PRODUK
Assembly Assembly
Product 1 Product 2
40% 60%
Gambar IV.4. Contoh Struktur Produk

Tabel IV.6. Contoh Perhitungan Bill of Labor untuk Kelompok Product Assembly
Produk Product Mix Jam Standar Assembly Rata-rata Waktu
per Unit Assembly
(1) (2) (3) (4) = (2) x (3)
1 0,40 3,5 1,4
2 0,60 6,0 3,6
Jumlah 1,00 - 5,0 jam
Langkah 4 : Menghitung kebutuhan sumber daya total. Contoh perhitungan kebutuhan sumber
daya total berdasarkan tiga strategi rencana produksi ditunjukkan dalam tabel IV.7.
Dalam langkah ini perlu diidentifikasikan kekurangan sumber-sumber daya kritis; dalam
contoh yang dikemukakan telah terjadi kekurangan sumber daya untuk chase strategy dan
compromise.
Tabel IV.7. Contoh Perhitungan Kebutuhan Sumber Daya Total

Periode Waktu (Bulan)
Deskripsi
1 2 3 4 5 6 7 8 9 10 11 12
Level Method
(1) Rencana produksi (unit) 30 30 30 30 30 30 30 30 30 30 30 3
(2) Rata-rata waktu assembly per
5 5 5 5 5 5 5 5 5 5 5
unit (jam)
(3) Kebutuhan sumber daya (= 1 x
150 150 150 150 150 150 150 150 150 150 150 15
2)
(4) Sumber daya yang
175 175 175 175 175 175 175 175 175 175 175 17
tersedia (jam)
(5) Kekurangan/kelebihan
+25 +25 +25 +25 +25 +25 +25 +25 +25 +25 +25 +2
sumer daya (= 4 3)
Chase Strategy
5 5 5 5 5 5 5 5 5 5 5
unit (jam)
150 50 50 100 100 100 150 150 150 350 275 17
2)
175 175 175 175 175 175 175 175 175 175 175 17
tersedia (jam)
(5) Kekurangan/kelebihan - -
+25 +125 +125 +75 +75 +75 +25 +25 +25
sumer daya (= 4 3) 175 100
Compromise
5 5 5 5 5 5 5 5 5 5 5
unit (jam)
75 75 75 125 125 125 175 175 175 225 225 22
2)
175 175 175 175 175 175 175 175 175 175 175 17
tersedia (jam)
(5) Kekurangan/kelebihan
100 100 100 50 50 50 0 0 0 -5 -50 -5
sumer daya (= 4 3)
Langkah 5 : Mengevaluasi rencana yang telah dilakukan. Dalam langkah ini setiap rencana
dievaluasi performansinya berkaitan dengan biaya dan tingkat efisiensi, karena setiap rencana
membutuhkan tingkat inventori maupun penggunaan tenaga kerja yang berbeda. Evaluasi
terhadap setiap rencana juga penting untuk mengetahui apakah rencana itu memenuhi kendala
yang ada. Sebagai misal untuk kasus cotoh yang dikemukakan, kita dapat mengevaluasi tiga
rencana produksi di atas, yaitu :
Rencana Produksi Berdasarkan Level Method :
Kapasitas : OK
Inventori : 725 period-units, sangat tinggi (dihitung berdasarkan nilai inventori dari
keseluruhan periode dalam Tabel IV.5)
Rencana Produksi Berdasarkan Chase Strategy :
Kapasitas : Terdapat kekurangan kapasitas pada periode 10 dan 11
Inventori : 240 period-units, terendah (dihitung berdasarkan nilai inventori dari
Rencana Produksi Berdasarkan Compromise :
Kapasitas : Terdapat kekurangan kapasitas pada periode 10, 11, dan 12
Inventori : 275 period-units, rendah (dihitung berdasarkan nilai inventori dari
MPS
Teknik Penyusunan MPS

MASTER PRODUCTION SCHEDULE (MPS)
Lot Size : Demand Time Fence:

Safty Stock : Planning Time Fence:
Lead Time: Time Periods (Weeks)
On Hand : 1 2 3 4 5 6
Sales Plan (Sales Forecast)
Actual Orders
Projected Available Balances (PAB)
Avaliable To Promise (ATP)
Cumulative ATP
MPS
Gambar V.12. Bentuk Umum dari Master Production Schedule
Berikut ini akan dikemukakan penjelasan singkat berkaitan dengan informasi yang ada dalam
MPS seperti tampak dalam Gambar V.12.
Lead Time adalah waktu (banyaknya periode) yang dibutuhkan untuk

memproduksi atau membeli suatu item.
On Hand adalah posisi inventori awal yang secara fisik tersedia dalam stok, yang
merupakan kuantitas dari item yang ada dalam stok.
Lot Size adalah kuantitas dari item yang biasanya dipesan dari pabrik atau
pemasok. Sering disebut juga sebagai kuantitas pesanan (order quantity) atau ukuran
batch (batch size).
Safty Stock tambahan dari item yang direncanakan untuk berada dalam inventori
yang dijadikan sebagai stok pengamanan guna mengatasi fluktuasi dalam ramalan
penjualan, pesanan-pesanan pelanggan dalam waktu singkat (short-team customer
orders), penyerahan item untuk pengisian kembali inventori, dan lain-lain.
Demand Time Fense (DTF) adalah periode mendatang dari MPS dimana dalam
periode ini perubahan-perubahan terhadap MPS tidak diijinkan atau tidak diterima karena
akan menimbulkan kerugian biaya yang besar akibat ketidaksesuaian atau kekacauan
jadwal.
Planning Time Fense (PTF) adalah periode mendatang dari MPS dimana dalam
periode ini perubahan-perubahan terhadap MPS dievaluasi guna mencegah
ketidaksesuaian atau kekacauan jadwal yang akan menimbulkan kerugian dalam biaya.
Time Periods For Display adalah banyaknya periode waktu yang ditampilkan
dalam format MPS.
Sales Plan (Sales Forecast) merupakan rencana penjualan atau peramalan
penjualan untuk item yang dijadwalkan itu. Sales forecast atau sales plan bersifat tidak
pasti (uncertain).
Actual Orders merupakan pesanan-pesanan yang diterima dan bersifat pasti
(certain).
Projected Available Balance (PAB) merupakan proyeksi on-hand inventory dari
waktu ke waktu selama horizon perencanaan MPS, yang menunjukkan status inventori
yang diproyeksikan pada akhir dari setiap periode waktu dalam horizon perencanaan
MPS.
Available-To-Promise (ATP) merupakan informasi yang sangat berguna bagi
departemen pemasaran untuk mampu memberikan jawaban yang tepat terhadap
pertanyaan pelanggan tentang : Kapan Anda mengirimkan item yang telah dipesan
itu?. Nnilai ATP memberikan informasi tentang berapa banyak item atau produk tertentu
yang dijadwalkan pada periode waktu itu tersedia untuk pesanan pelanggan, sehingga
berdasarkan informasi ini bagian pemasaran dapat membuat untuk memberikan informsi
tentang cumulative ATP pada periode waktu tertentu.
Master Production Schedule (MPS) merupakan jadwal produksi atau
manufakturing yang diantisipasi (anticipated manufacturing schedule) untuk item
tertentu.
MASTER PRODUCTION SCHEDULE (MPS)
Lot Size : 20 Demand Time Fence:2

Safty Stock :0 Planning Time Fence:4
Lead Time: 1 Time Periods (Weeks)
On Hand : 10 1 2 3 4 5 6
Sales Plan (Sales Forecast) 10 10 10 10 10 10
Actual Orders 12 5 20 5 0 0
Projected Available Balances (PAB) 18 13 13 3 -7 -7
Avaliable To Promise (ATP) 13 -5
Cumulative ATP 13 13 8 8
MPS 20 20
Gambar V.12. Chase Production MPS Response With Size = 20
Informasi tentang sales forecast dihitung berdasarkan teknik-teknik peramalan yang telah
dibahas dalam Bab III, sedangkan actual orders merupakan pesanan aktual yang diterima dari
pelanggan (eksternal maupun internal). Actual orders merupakan pesanan-pesanan yang telah
dijanjikan untuk diselesaikan pada periode waktu itu. Nilai-nilai MPS diambil dari rencana
produksi yang telah ditentukan dengan ukuran lot (lot size) sebesar 20 unit.
Perhitungan PAB untuk Tabel V.13 :

PAB (Prior to DTF = Prior-period PAB or On-Hand Balance + MPS Actual Orders
PAB1 = 10 + 20 12 = 18
PAB2 = 18 + 0 5 = 13
PAB (After DTF) = Prior-period PAB + MPS Greater Value of Sales Forcast or A Orders
PAB3 = 13 + 20 20 = 13
PAB4 = 13 + 0 10 = 3
PAB5 = 3 + 0 10 = -7
PAB6 = - 7 + 0 10 = -17
Perhitungan ATP untuk Tabel V.13 :

ATP = (On-Hand Balance + MPS Safety Stock) Sum of Actual Orders
First Period Only Before Next MPS
ATP1 = (10 + 20 0) (12 + 5) = 30 17 = 13
ATP3 = ( + 20 0) (20 + 5) = 20 25 = -5
Rough Cut Capacity Planning (RCCP)

Rough Cut Capacity Planning (RCCP) merupakan urutan kedua dari hierarki perencanaan
prioritas-kapasitas yang berperan dalam mengembangkan MPS.
Pada dasarnya RCCP didefinisikan sebagai proses konversi dari rencana produksi dan / atau
MPS ke dalam kebutuhan kapasitas yang berkaitan dengan sumber-sumber daya kritis seperti :
tenaga kerja, mesin dan peralatan, kapasitas gudang, kapabilitas pemasok material dan parts, dan
sumber daya keuangan. RCCP adalah serupa dengan perencanaan kebutuhan sumber daya
(resource requirements planning = RRP), kecuali bahwa RCCP adalah lebih terperinci daripada
RRP dalam beberapa hal, seperti : RCCP didisagregasikan ke dalam level item atau sku
(stockkeeping unit); RCCP didisagregasikan berdasarkan periode waktu harian atau mingguan;
dan RCCP mempertimbangkan lebih banyak sumber daya produksi.
Pada dasarnya tercepat empat langkah yang diperlukan untuk melakukan RCCP, yaitu :
1. Memperlukan informasi tentang rencana produksi dari MPS.
2. Memperlukan informasi tentang struktur produk dan waktu tunggu (lead time).
3. Menentukan bill of resource.
4. Menghitung kebutuhan sumber daya spesifik dan membuat laporan RCCP.
Langkah 1 : Memperoleh informasi tentang rencana produksi yang telah disusun dalam MPS.
Misalkan bahwa informasi yang berkaitan dengan rencana produksi untuk satu bulan tertentu
(katakanlah dalam minggu-minggu : 32, 33, 34 dan 35) adalah : kelompok produk A = 720 unit.
Tabel V.5. Jadwal Produksi dari Kelompok Produk A (Informasi dari MPS)
Produk A Minggu 32 Minggu 33 Minggu 34 Minggu 35 Total Persentase
Produk 1 180 180 360 50%
Produk 2 180 36 216 30%
Produk 3 144 144 20%
Total 180 180 180 180 720 100%
Langkah 2 : Memperoleh informasi tentang struktur produk dan waktu tunggu (lead time).
Informasi tentang struktur produk biasanya telah ditetapkan pada perencanaan kebutuhan
sumber daya (RRP), yang berada pada level lebih tinggi (level 1) dalam hierarki perencanaan
kapasitas. Misalkan bahwa informasi yang berkaitan dengan struktur produk untuk product
family beserta waktu tunggu telah ditetapkan seperti tampak dalam Gambar V.18.
D Mechanical Assembly Product 1 Assembly
E Product Group A
Product 2 Assembly
B
Product 3 Assembly
F Electrical Assembly
3 2 1
Sekarang
Gambar V.18. Struktur Produk dan Waktu Tunggu untuk Product Family
Langkah 3 : Menentukan bill of resources.
Perhitungan terhadap waktu assembly rata-rata untuk setiap produk dalam kelompok produk
A menggunakan formula berikut :
Waktu Assembly Rata-rata = Unit Produk yang Diproduksi x (Jam Standar Assembly / Unit)
Perhitungan Jam Standar Penggunaan Mesin Berdasarkan Unit Produksi

Produk A Jam Standar Minggu 32 Minggu 33 Minggu 34 Minggu 35
/ Unit (Jam)
180 x 0,342 180 x 0.342
Produk 1 0,342 - -
= 61,56 = 61,56
180 x 0,294 36 x 0,294 =
Produk 2 0,294 - -
= 52,92 10,58
144 x 0,210 =
Produk 3 0,210 - - -
30,24
Total Jam 10,58 + 30,24 =
- 61,56 61,56 52,92
Standar (Jam) 40,82
Langkah 4 : Menghitung kebutuhan sumber daya spesifik dan membuat laporan RCCP
Laporan RCCP tentang Kebutuhan Kapasitas Mesin

Minggu Minggu Minggu Minggu
Deskripsi Total
32 33 34 35
1) Jam standar mesin 61,56 61,56 52,92 40,82 216,86
2) Tingkat efisiensi
0,95 0,95 0,95 0,95 -
(kondisi Aktual)
3) Kebutuhan Aktual = (1) /
64,80 64,80 55,71 42,97 228,28
(2)
4) Kapasitas tersedia
58,25 58,25 58,25 58,25 233,00
(Demonstrated)
5) Kekurangan/kelebihan
-6,55 -6,55 +2,54 +15,28 +4,72
kapasitas = (4) (3)
Gambar V.18. Capacity Lead Profile
PERENCANAAN KEBUTUHAN MATERIAL
(Material Requirement Planning, MRP)
Teknik perencanaan kebutuhan material (Material Requirement Planning, MRP) digunakan

untuk perencanaan dan pengendalian item barang (komponen) yang tergantung (dependent) pada
item-item ditingkat (level) yang lebih tinggi.
F.A.S.
Estimasi Perencanaan
M.P.S. M.R.P. Penjadwalan
Permintaan Agregat
Kontrol
R.C.C.P. C.R.P.
Kapasitas
Gambar 5.1.
Peran MRP pada Perencanaan Produksi dan Proses Penjadwalan
INPUT :
1. MPS
2. Bill of Material
3. Item Master
4. Pesanan-pesanan
5. Kebutuhan
Projected On-Hand merupakan projected available balance (PAB) dan tidak

termasuk planned orders. Projected on-hand dihitung berdasarkan formula :
Projected On-Hand = On-hand pada awal periode + Scheduled Receipts Gross
Requirements.
Dalam kasus yang dikemukakan dalam gambar VI.2, diketahui bahwa on-hand pada awal
periode 1 adalah 550 unit, sehingga projected on-hand untuk periode 1, 2, 3, 4, dan 5 dihitung
sebagai berikut :
Projected on-hand periode 1 = 550 + 0 250 = 300 unit
Projected on-hand periode 5 = 250 + 0 400 = -150 unit
MATERIAL REQUIREMENTS PLANNING (MRP)
Lot Size : 1000

Safty Stock :0
Lead Time: 3 weeks Time Periods (Weeks)
On Hand : 550 1 2 3 4 5
Gross Requirements 250 500 200 350 400
Scheduled Receipts 1000
Projected On-Hand 300 800 600 250 -150
Projected Available 300 800 600 250 850
Net Requirements 150
Planned Order Receipts 1000
Planned Order Release 1000
CONTOH PENYELESAIAN KASUS MRP
Kursi (1)
Rakitan Kaki (1) Rakitan Belakang (1) Atas Kursi (1)
Alas Kaki Kaki Bagian Atas Penyangga

(4) (4) (1) (4)
Persediaan Lead Time
di tangan Pemesanan (minggu)
Kursi 100 1
Rakitan Kaki 50 2
Rakitan Belakang 25 1
Alas Kursi 40 3
Palang 100 1
Kaki 100 1
Bagian Atas 30 2
Penyangga 80 2
Perusahaan akan memproduksi 500 kursi pada minggu ke-5 dan 300 pada minggu ke-6.
a. Buat perencanaan bahan untuk seluruh bagian.
b. Tindakan apa yang harus dilakukan sekarang ?
c. Apa pengaruhnya bila jadwal induk berubah menjadi 300 kursi pada minggu ke-5
dan 400 kursi pada minggu ke-6 ?
d. Misalkan diperlukan waktu 2 jam untuk merakit rakitan belakang, 1 jam untuk
merakit rakitan kaki dan 3 jam untuk merakit kursi. Anggaplah total waktu yang tersedia
untuk ke 3 macam perakitan dibatasi sampai 1000 jam/minggu, apakah pembatasan
kapasitas akan menyebabkan penyumbatan (bottle neck) pada proses perakitan ? Jika ya,
apa yang harus dilakukan ?
JAWAB :
a.
Kursi / L = 1 1 2 3 4 5 6
Kebutuhan Kotor 500 300
Sedian di Tangan 100 100 100 100 0 0
Kebutuhan Bersih 400 300
Pelepasan Pesanan Direncanakan 400 300
Rakitan Kaki / L = 2 1 2 3 4 5 6
Sedian di Tangan 50 50 50 0
Rakitan Belakang / L = 1 1 2 3 4 5 6
Alas Kursi / L = 3 1 2 3 4 5 6
Sedian di Tangan 40 40 40 0 0
Palang / L = 1 1 2 3 4 5 6
Sedian di Tangan 100 0 0
Kaki / L = 1 1 2 3 4 5 6
Bagian Atas / L = 2 1 2 3 4 5 6
Sedian di Tangan 30 30
Penyangga / L = 2 1 2 3 4 5 6
Sedian di Tangan 80 80
b. Tindakan yang dilakukan sekarang adalah memesan alas kursi 360, memesan
palang 1300, memesan kaki 1300, memesan bagian atas 345 dengan memesan penyangga
1420.
c. Bila kebutuhan menjadi 300 kursi pada minggu ke-5 dengan 400 kursi pada
minggu ke-6, maka jadwal pengadilan bahan menjadi : hal. 131 132. Jadi yang berubah
hanya jumlah pesanannya, sedang waktu pesanan tetap (seperti tabel di atas).
Kursi 1 2 3 4 5 6
Sedian di Tangan 100 100 100 100 0 0
Rakitan Kaki 1 2 3 4 5 6
Rakitan Belakang 1 2 3 4 5 6
Alas Kursi 1 2 3 4 5 6
Palang Kaki 1 2 3 4 5 6
Kaki 1 2 3 4 5 6
Bagian Atas 1 2 3 4 5 6
Penyangga 1 2 3 4 5 6
d. Waktu perakitan kaki = 1 jam
Waktu perakitan belakang = 2 jam
Waktu perakitan kursi = 3 jam
Total waktu tersedia = 1000 jam / pekerja
Jadwal perakitan berdasarkan hasil perencanaan pada bagian (a) adalah sebagai berikut :
WAKTU/
Periode 1 2 3 4 5 6
UNIT
Kursi 400 300 3 jam
Rakitan Kaki 350 300 1 jam
Rakitan Belakang 375 300 2 jam
Jumlah Jam 350 1.050 1.800 900
PADA MINGGU KE-2 :

Waktu yang dibutuhkan = 350 x 1 = 350 jam, maka tidak terjadi bottle neck pada minggu
ke-2.
PADA MINGGU KE-3 :
Waktu yang dibutuhkan = (300 x 1) + (375 x 2) = 1.050 jam, maka terjadi bottle neck
karena waktu yang tersedia hanya 1000 jam/minggu.
PADA MINGGU KE-4 :
Waktu yang dibutuhkan = (400 x 3) + (300 x 2) = 1.800 jam, maka terjadi bottle neck.
PADA MINGGU KE-5 :
Waktu yang dibutuhkan = 300 x 3 = 900 jam, maka tidak terjadi bottle neck.
Sistem Perencanaan Kebutuhan Kapasitas (CRP)
Perencanaan
Kebutuhan
Material
(MRP)
INPUT : PROSES CRP

OUTPUT :
1. Schedule of Planned Factory 1. Menghitung Kapasitas Pusat
1. Work Center Loadd Report
Order Releases Kerja
2. Revised Schedule of
2. Work Order Status 2. Menentukan Beban (Load)
Planned Factory Order
3. Routing Data 3. Menyeimbangkan Kapasitas
Releases
4. Work Center Data dengan Beban
Umpan-balik
Gambar VI.14. Sistem Perencanaan Kebutuhan Kapasitas (CRP)
Langkah 1 : Memperoleh informasi tentang planned order release dari MRP
Misalkan bahwa informasi yang berkaitan dengan planned order release untuk part A dan part B
selama periode waktu 4 minggu berdasarkan informs dari MRP telah diwujudkan seperti tampak
dalam Tabel VI.1.
Tabel VI.1. Planned Order Release dari Part A dan B (Informasi dari MRP)
Parts Minggu 1 Minggu 2 Minggu 3 Minggu 4
Parts A 400 400 400 400
Parts B 800 800 800 800
Langkah 2 : Mempertoleh informasi tentang standard run time per unit dan standard setup
time per lot size
Misalkan bahwa terdapat tiga pusat kerja (work centers) dengan informasi tentang standard
setup time per lot size dan standard run time per unit part A dan B dicantumkan dalam Tabel
VI.2.
Tabel VI.2. Standard Setup Time dan Standard Run Time

Setup Time / Lot Run Time / Unit
Work Center Part Lot Size
Menit (Menit)
WC-1 A 400 60 1,20
WC-2 80 1,50
WC-1 B 800 80 1,50

WC-2 96 1,20
WC-3 120 2,00
Langkah 3 : Menghitung kapasitas yang dibutuhkan dari masing-masing pusat kerja

Tabel VI.3. Operation Time Per Unit dari Part A dan B pada Work Center 1, 2, 3
Part Lot Size Work Setup Setup Time Run Time Operation Total
Center Time/Lot /Unit (Menit) /Unit Time/Unit Operation
(Menit) (Menit) (Time) Time (Menit)
(1) (2) (3) (4) (6) = (4)/(2) (6) (7)= (5)+(6) (8) = (2) x (7)
A 400 WC-1 60 0,15 1,20 1,35 540
WC-2 80 0,20 1,50 1,70 680
B 800 WC-1 80 0,10 1,50 1,60 1280
WC-2 96 0,12 1,20 1,32 1056
WC-3 120 0,15 2,00 2,15 1720
WC-1 = 540 + 1280 = 1820 menit per minggu

WC-2 = 680 + 1056 = 1736 menit per minggu
WC-3 = 1720 menit per minggu
Langkah 4 : Membuat laporan CRP
Tabel VI.4. Laporan CRP tentang Kebutuhan Kapasitas Mesin
Deskripsi Minggu Minggu Minggu Minggu Total
WC 1
(1) Waktu Yang Tersedia
2400 2400 2400 2400 9600
(Menit)
(2) Tingkat Utilisasi (Kondisi
0,90 0,90 0,90 0,90 -
Aktual)
(3) Tingkat Efisiensi (Kondisi
0,90 0,90 0,90 0,90 -
Aktual)
(4) Kapasitas Tersedia (Rated
Capacity) 1944 1944 1944 1944 7776
= (1) X (2) X (3)
(5) Kebutuhan Aktual 1820 1820 1820 1820 7286
(6) Kelebihan/Kekurangan
Kapasitas +124 +124 +124 +124 +496
= (4) (5)
WC 2
2400 2400 2400 2400 9600
(Menit)
0,90 0,90 0,90 0,90 -
Aktual)
0,90 0,90 0,90 0,90 -
Aktual)
Capacity) 1944 1944 1944 1944 7776
= (1) X (2) X (3)
Kapasitas +208 +208 +208 +208 +832
= (4) (5)
WC 3
2400 2400 2400 2400 9600
(Menit)
0,90 0,90 0,90 0,90 -
Aktual)
0,90 0,90 0,90 0,90 -
Aktual)
Capacity) 1944 1944 1944 1944 7776
= (1) X (2) X (3)
Kapasitas +224 +224 +224 +224 +896
= (4) (5)
Keterangan : Waktu yang tersedia per minggu dihitung berdasarkan : 5 hari/minggu x 8 jam/hari x 60 menit/jam =
2400 menit per minggu. Tingkat efisiensi dan utilisasi merupakan kondisi performansi aktual dari work
centers. Kebutuhan aktual berdasarkan hasil perhitungan dari Tabel VI.3.
Gambar VI.16. Capacity Load Profile dari Tiga Work Center

Penjadwalan
TUJUAN PENDJADWALAN
Bedworth (1987) mengidentifikasi beberapa tujuan dari aktivitas penjadwalan adalah
sebagai berikut :
Meningkatkan penggunaan sumberdaya atau mengurangi waktu tunggunya,
sehingga total waktu proses dapat berkurang, dan produktivitas dapat meningkat.
Mengurangi persediaan barang setengah jadi atau mengurangi sejumlah pekerjaan
yang menunggu dalam antrian ketika sumber daya yang ada masih mengerjakan tugas
yang lain. Teori Baker mengatakan, jika aliran kerja suatu jadwal konstan, maka antrian
yang mengurangi rata-rata waktu alir akan mengurangi rata-rata persediaan barang
setengah jadi.
Mengurangi beberapa kelambatan pada pekerjaan yang mempunyai batas waktu
penyelesaian sehingga akan meminimasi penalti cost (biaya kelambatan).
Membantu pengambilan keputusan mengenai perencanaan kapasitas pabrik dan
jenis kapasitas yang dibutuhkan sehingga penambahan biaya yang mahal dapat
dihindarkan.
ISTILAH
PROCESSING TIME (WAKTU PROSES)

Merupakan perkiraan waktu penyelesaian suatu pekerjaan. Perkiraan waktu ini meliputi
juga perkiraan waktu set-up yang dibutuhkan. Simbol yang digunakan untuk waktu
proses pekerjaan I adalah Ti.
DUE DATE (BATAS WAKTU)
Merupakan waktu maksimal yang dapat diterima untuk menyelesaikan pekerjaan
tersebut. Kelebihan waktu dari waktu yang ditetapkan, merupakan suatu kelambatan.
Batas waktu ini disimbolkan sebagai di.
LATENESS (KELAMBATAN)
Merupakan penyimpangan antara waktu penyelesaian pekerjaan dengan batas waktu.
Suatu pekerjaan akan mempunyai kelambatan positif jika diselesaikan sesudah batas
waktu dan kelambatan negatif jika diselesaikan sebelum batas waktu. Simbol kelambatan
ini adalah Li.
TARDINESS (UKURAN KELAMBATAN)

Merupakan ukuran untuk kelambatan positif. Jika suatu pekerjaan diselesaikan lebih
cepat dari batas waktu yang ditetapkan, maka mempunyai nilai kelambatan negatif tetapi
ukuran kelambatan positif. Ukuran ini disimbolkan dengan Ti dimana Ti adalah
maksimum dari (0, Li).
SLACK (KELONGGARAN)
Merupakan ukuran yang digunakan untuk melihat selisih waktu antara waktu proses
dengan batas waktu yang sudah ditetapkan. Slack dinotasikan SIi dan dihitung dengan
persamaan SIi = di ti.
COMPLETION TIME (WAKTU PENYELESAIAN)
Merupakan rentang waktu antara saat pekerjaan dimulai (t=0), sampai dengan pekerjaan
itu selesai. Disimbolkan dengan Ci.
FLOW TIME (WAKTU ALIR)
Merupakan rentang waktu antara saat pekerjaan tersedia (dapat dimulai) dan saat
pekerjaan selesai. Waktu alir sama dengan waktu proses ditambah waktu tunggu sebelum
pekerjaan diproses.
PENJADWALAN JOB SHOP
PENJADWALAN n JOB PADA SATU PROSESOR
KASUS TANPA DUE DATE (BATAS WAKTU)

PENJADWALAN DENGAN ATURAN SPT (Shortest Processing Time)
untuk meminimalkan rata-rata waktu alir.
Penjadwalan digunakan untuk mencari nilai minimal rata-rata waktu alir pada satu
prosesor karena waktu proses masing-masing pekerjaan tergantung dari urutan proses.
CONTOH :
Sebuah produk akan dibuat dengan melewati 8 buah pekerjaan dengan waktu proses yang
berbeda, seperti digambarkan pada tabel.
Waktu Proses
Pekerjaan
ti (jam)
1 5
2 8
3 6
4 3
5 10
6 14
7 7
8 3
Dengan pendekatan SPT, urutkan waktu pekerjaan berdasarkan waktu proses terkecil,
untuk pekerjaan dengan waktu proses sama urutan dimulai pada pekerjaan urutan awal,
sehingga urutan pekerjaan menjadi :
Waktu Proses
Pekerjaan
ti (jam)
4 3
8 3
1 5
3 6
7 7
2 8
5 10
6 14
Rata-rata waktu alirnya adalah :

Fs = 1/8 (8x3 + 7x3 + 6x5 + + 1x4)
= 23.875 jam.
PENJADWALAN DENGAN ATURAN WSPT (Weight Shortest Processing
Time) Untuk meminimalkan rata-rata kelambatan pada satu prosesor.
Pendekatan WSPT digunakan karena mungkin saja terjadi masing-masing pekerjaan
mempunyai arti penting yang berbeda (misalnya dengan nilai penalty yang berbeda),
sehingga digunakan pembobotan pada masing-masing pekerjaan untuk membantu
penjadwalannya.
Langkah penjadwalan dengan pendekatan WSPT :
1. Beri bobot pada masing-masing pekerjaan (Wi).
2. Hitung nilai ti/Wi.
3. Urutkan pekerjaan berdasarkan nilai no. 2 mulai dari yang terkecil ke nilai
terbesar.
4. Hitung waktu alir rata-rata pembobotan.
CONTOH :
Waktu Proses Bobot Derajat
Pekerjaan ti/Wi
ti (jam) Kepentingan (Wi)
1 5 1 5
2 8 2 4
3 6 3 2
4 3 1 3
5 10 2 5
6 14 3 4,7
7 7 1 3,5
8 3 2 3
Dengan pendekatan WSPT, urutkan pekerjaan berdasarkan ti/Wi terkecil, sehingga
urutan pekerjaan menjadi :
Waktu Proses Bobot Derajat

Pekerjaan ti/Wi
ti (jam) Kepentingan (Wi)
1 6 3 2
2 3 1 3
3 3 1 3
4 7 2 3,5
5 8 2 4
6 14 3 4,7
7 5 1 5
8 10 2 5
KASUS DENGAN DUE DATE

PENJADWALAN DENGAN ATURAN SPT (Shortes Processing Time) untuk
meminimalkan rata-rata kelambatan pada satu prosesor.
Pada pekerjaan yang mempunyai batas waktu; penjadwalan ditujukan untuk

meminimalkan rata-rata keterlambatan yang mungkin terjadi.
Langkah :
1. Urutkan pekerjaan berdasarkan waktu proses terkecil
2. Hilangkan waktu penyelesaian pekerjaan tersebut (Completion time) yaitu total
proses sebelum pekerjaan ditambah dengan waktu proses pekerjaan itu sendiri.
3. Hitung kelambatan masing-masing pekerjaan
4. Hitung rata-rata kelambatan.
CONTOH :
Waktu Proses Batas Waktu/Due Date
Pekerjaan
ti (jam) (Di)
1 5 15
2 8 10
3 6 15
4 3 25
5 10 20
6 14 40
7 7 45
8 3 50
Urutan pekerjaan berdasarkan SPT :
Pekerjaan Completion Time Batas Waktu Lateness

Ci (jam) Di Ci - Di
1 3 25 -22
2 3+3= 6 50 -44
3 6 + 5 = 11 15 -4
4 11 + 6 = 17 15 2
5 17 + 7 = 24 45 21
6 24 + 8 = 32 10 22
7 32 + 10 = 42 20 22
8 42 + 14 = 56 40 16
Mean Lateness menjadi = -3,625 jam.
PENJADWALAN DENGAN ATURAN EDD (Earliest Due Date) untuk meminimalkan

kelambatan terbesar pada suatu prosesor.
Jika penalti masing-masing pekerjaan sama besarnya dan pekerjaan tidak tergantung pekerjaan
lainnya, maka penjadwalan yang kita lakukan adalah untuk meminimkan jumlah pekerjaan yang
terlambat, yang berarti juga meminimalkan biaya penalti. Aturan Hodgson membantu untuk
mancari jumlah minimal pekerjaan yang terlambat pada operasi dengan satu prosesor. Algoritma
dari Diagram Hodgson digambarkan sebagai berikut :
Mulai
Buat aliran pekerjaan dengan aturan EDD

(Earliest Due Date Batas Waktu Terawal)
Tidak Buat urutan

Ada Pekerjaan
Ada Pekerjaan
Terlambat ?
Sesuai dengan
Terlambat ? EDD
Lihat pekerjaan yang pertama kali terlambat

Misal : pekerjaan ke-n
Dari pekerjaan 1, 2, , n
Pilih waktu proses terlama
Hilangkan pekerjaan 1, 2, ., n dengan waktu

Proses terlama untuk pengaturan ulang
Tempatkan pekerjaan yang dihapuskan

dari list pada akhir penjadwalan
Masukkan ke jadwal induk
Mulai
Gambar 7.6. Algoritma Hodgson

CONTOH :
Waktu Proses Batas Waktu/Due Date

Pekerjaan
ti (jam) (Di)
1 5 15
2 8 10
3 6 15
4 3 25
5 10 20
6 14 40
7 7 45
8 3 50
Urutan pekerjaan berdasarkan EDD :
Pekerjaan Waktu Proses Completion Time Due Time Lateness

ti (jam) ci (jam) di (Lis)
1 8 8 10 -2
2 5 8 + 5 = 13 15 -2
3 6 13 + 6 = 19 15 4
4 10 19 + 10 = 29 20 9
5 3 29 + 3 = 32 25 7
6 14 32 + 14 = 46 40 6
7 7 46 + 7 = 53 45 8
8 3 53 + 3 = 56 50 6
Pekerjaan 3 adalah pekerjaan pertama yang mempunyai nilai Lateness positif. Sedangkan
dari pekerjaan 2, 1, 3, pekerjaan 2 adalah pekerjaan dengan waktu proses terlama,
sehingga proses 2 dihilangkan dan awal diatur kembali.
Pekerjaan Waktu Proses Completion Time Due Time Lateness

ti (jam) ci (jam) di (Lis)
1 5 5 15 -10
3 6 5 + 6 = 11 15 -4
4 10 11 + 10 = 21 20 1
5 3 21 + 3 = 24 25 -1
6 14 24 + 14 = 38 40 -2
7 7 38 + 7 = 45 45 0
8 3 45 + 3 = 48 50 -2
PENJADWALAN n JOB PADA m PROSESOR
Ada dua jenis penjadwalan yang dapat digunakan pada n-job dan m prosesor, yang
digunakan sesuai dengan kebutuhannya, yaitu :
1. PENJADWALAN PARAREL
Digunakan jika n buah pekerjaan dapat dioperasikan bersamaan pada m buah prosesor.
Processor 1
Processor 2
/ / Task
Processor / / /
Gambar 7.7. Penjadwalan Pararel
2. PENJADWALAN SERI
Digunakan jika n buah pekerjaan harus melalui m buah prosesor secara berurutan.
Processor 1 Processor 2 Processor / / /
/ / Task
Gambar 7.8. Penjadwalan Seri
PENJADWALAN PARAREL
PENJADWALAN UNTUK MEMINIMALKAN RATA-RATA WAKTU
ALIR PADA M PROSESOR PARAREL
Langkah penjadwalannya dalah sebagai berikut :
1. Buat aliran pekerjaan dengan SPT
2. Terapkan hasil SPT pada masing-masing prosesor, dengan berurutan.
CONTOH :
Sebuah perusahaan harus menjadwalkan 10 buah pekerjaan (data pada tabel) yang akan
dibuat pada 3 mesin yang dimiliki. Masing-masing pekerjaan tidak saling tergantung, dan
cukup dikerjakan pada satu prosesor.
Waktu Proses
Pekerjaan
ti (jam)
1 5
2 6
3 3
4 8
5 7
6 2
7 3
8 5
9 4
10 2
Untuk pekerjaan berdasarkan SPT (Shortest Processing Time)
Waktu Proses
Pekerjaan
ti (jam)
6 2
10 2
3 3
7 3
9 4
1 5
8 5
2 6
5 7
4 8
Dari SPT diperoleh urutan :
3 3 1 5
Processor
2 10 9 2
1 6 7 8 4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Waktu (Jam)
Sehingga waktu yang digunakan adalah waktu prosesor 1, yaitu 2 + 3 + 5 + 8 = 18 jam
PENJADWALAN UNTUK MENGURANGI TOTAL WAKTU

PENYELESAIAN (DENGAN HASIL SEBAIK PENJADWALAN BERDASARKAN
RATA-RATA WAKTU ALIR PADA M PROSESOR)
Langkah pekerjaan :
1. Urutkan n pekerjaan berdasarkan LPT (Least Processing Time) Waktu Proses
Terpanjang.
2. Buat penjadwalan sesuai hasil SPT, berurutan pada masing-masing mesin.
3. Sesudah selesai dijadwalkan, bentuk penjadwalan akhir pada masing-masing
prosesor dengan aturan SPT.
CONTOH :
Dari soal di atas, penjadwalan berdasarkan LPT (Kebalikan dari SPT), adalah
(untuk pekerjaan dengan waktu proses sama, dahulukan urutan awal
nomor pekerjaan).
3 2 1 3 10
Processor
2 5 8 7
1 4 9 6
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Waktu (Jam)
Gambar 7.10. Langkah 2 teorema 2 penjadwalan pararel
3 10 3 1 2
Processor
2 7 8 5
1 6 9 4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Waktu (Jam)
Gambar 7.11. Langkah 3 teorema 2 penjadwalan pararel
Total waktu yang dibutuhkan untuk menyelesaikan pekerjaan = waktu pada prosesor 3, yaitu
2 + 3 + 5 + 6 += 16 jam.
PENJADWALAN DENGAN ATURAN EDD UNTUK MENGURANGI

MAKSIMUM KELAMBATAN PADA M PARAREL PROSESOR.
Langkah :
1. Urutkan pekerjaan berdasarkan EDD (Earliest Due Date) Batas Waktu Terawal.
2. Terapkan hasil EDD pada masig-masing prosesor secara berurutan.
CONTOH :
Pekerjaan Waktu Proses Batas Waktu / Kelonggaran Slack
ti (jam) Due Date (Di) (SLi)
1 5 8 3
2 6 9 3
3 3 14 11
4 8 12 4
5 7 11 4
6 2 5 3
7 3 8 5
8 5 10 5
9 4 15 11
10 2 7 5
Sehingga urutan pekerjaan berdasarkan EDD adalah :
3 1 5 9
Processor
2 10 2 4
1 6 7 8 3
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Waktu (Jam)
Gambar 7.12. Hasil pendekatan EDD pada penjadwalan pararel
PENJADWALAN SERI
PENJADWLAN DENGAN ATURAN JOHNSON UNTUK

MEMINIMALKAN MAKESPAN PADA 2 PROSESOR SERI.
Langkah yang harus dilakukan adalah sebagai ebrikut :
1. Untuk semua pekerjaan, temukan nilai minimum ti 1 dan ti 2.
2. Jika proses minimum pada proses 1, tempatkan pekerjaan tersebut pada jadwal
mulai awal proses. Jika waktu proses minimum pada proses 2, tempatkan pekerjaan
tersebut pada jadwal sesudah pekerjaan, karena pekerjaan 2 dikerjakan sesudah pekerjaan
1 selesai. Jika nilai yang sama ada pada sejumlah pekerjaan pada prosesor yang sama,
urutkan berdasarkan waktu penyelesaiannya.
3. Hilangkan pekerjaan yang sudah terjadwal, dan kerjakan sisanya.
CONTOH :
Pekerjaan Waktu Waktu Proses
Proses Di Prosesor 2
Di Prosesor 1 (jam)
(jam)
1 3 5
2 6 2
3 2 8
4 7 6
5 8 6
6 5 9
7 5 4
8 3 2
9 6 8
10 10 4
Dari waktu proses diprosesor 1 dan 2, kita lihat waktu minimum adalah 2 jam, yaitu pada
pekerjaan 2 (diprosesor 2), pekerjaan 3 (diprosesor 1), pekerjaan 8 (diprosesor 2).
Prosesor 1 :
Waktu Waktu Batas Waktu Kelambatan
Proses penyelesian / Latenes
Pekerjaan ti (jam) Completion Due Date (Li, )
Time (di)
ci (jam)
6 2 2 5 -3
7 3 5 8 -3
8 5 10 10 0
3 3 13 14 -1
Kesimpulan : Kelambatan 0 (berarti tidak ada pekerjaan yang terlambat)
Prosesor 2 :
Time (di)
ci (jam)
10 2 2 7 -5
2 6 8 9 -1
4 8 16 12 4
Kesimpulan : Kelambatan 0, ada sebanyak 1 buah (pekerjaan no.4) selama 4 jam.
Prosesor 3 :
Time (di)
ci (jam)
1 5 5 8 -3
5 7 12 11 1
9 4 16 15 1
Kesimpulan : Kelambatan 0, ada sebanyak 2 buah (pekerjaan no.5 & 9) masing-masing
selama 1 jam.
PENJADWALAN UNTUK MEMINIMALKAN JUMLAH PEKERJAAN

YANG TERLAMBAT
Langkah yang harus dilakukan adalah sebagai berikut :
1. Jadwalkan Pekerjaan berdasarkan EDD, terapkan pada masing-masing prosesor
secara berurutan
2. Pada msing-masing prosesor, revisi pekerjaan mulai dari lairan terawal, sampai
dengan pekerjaan yang terlambat ditemukan.
Misalnya pekerjaan i pada prosesor j.
3. Lihat prosesor j dan masing-masing waktu proses pekerjaan. Pindahkan pekerjaan
I pada prosesor j tersebut pada urutan yang lebih awal pada prosesor yang sama, sesudah
pekerjaan dengan waktu proses terlama.
CONTOH :
Dari perhitungan terlihat prosesor 2 & 3 masing-msing mempunyai pekerjaan yang terlambat
yaitu pekerjaan 4, 5, dan 9.
Pada prosesor 2, pekerjaan sudah berurutan berdasarkan waktu prosesnya. Sehingga tidak
dapat direvisi.
Pada prosesor 3, urutan pekerjaan dapat diubah manjadi 1 -9 -5
Karena waktu proses pekerjaan -9 > waktu proses pekerjaan -5.
3 1 9 5
Processor
2 10 2 4
1 6 7 8 3
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Waktu (Jam)
Gambar 7.13. Penjadwalan dengan jumlah pekerjaan terlambat minimum
Prosesor 3 :
Pekerjaan ti (jam)
Completion Due Date (Li, )
Time (di)
ci (jam)
1 5 5 8 -3
9 4 9 15 -6
5 7 16 11 5
Kesimpulan : Kelambatan 0, ada sebanyak 1 buah (pekerjaan no.5) selama 5 jam.
Sehingga total pekerjaan yang terlambat menjadi 2 buah, yaitu pada prosesor 2 dan prosesor
3, masing-masing sebanyak 1 buah.
Line Balancing
Terdapat sejumlah langkah pemecahan masalah line balancing, yaitu :
1. Mengidentifikasi tugas-tugas individual atau aktivitas yang akan dilakukan.
2. Menentukan waktu yang dibutuhkan untuk melaksanakan setiap tugas itu.
3. Menetapkan precedence constrainis, jika ada, yang berkaitan dengan setiap tugas
itu.
4. Menentukan output dari assembly line yang dibutuhkan.
5. Menentukan waktu total yang tersedia untuk memproduksi output itu.
6. Menghitung cycle time yang dibutuhkan, misalnya : waktu diantara penyelesaian
produk yang dibutuhkan untuk menyelesaikan output yang diinginkan dalam batas
toleransi dari waktu (batas waktu yang diijinkan).
7. Memberikan tugas-tugas yang kepada pekerja dan/atau mesin.
8. Menetapkan minimum banyaknya stasiun kerja (work stations) yang dibutuhkan
untuk memproduksi output yang diinginkan.
9. Menilai efektivitas dan efisiensi dari solusi.
10. Mencari terobosan-terobosan untuk perbaikan proses terus-menerus (continnous
process improvement).
Tabel VI.5. Predence Data untuk Proses Pembuatan Electrostatic Copier

Tugas Precedents Waktu Performansi
(Operasi) (Tugas/Operasi yang Mengikuti) (Menit)
A - 10
B A 1
C B 5
D B 4
E A 12
F C, D 3
G F 7
H E 11
I G, H 3
Waktu Total - 66
5
C 3 7 3
10 Menit 11
A B 4 F G I
D 11
12
E H
Gambar VI.17 Predence Diagram untuk Pembuatan Electrostatic Copier
Tabel VI.6. Penggunaan Waktu dan Idle Time dari Enam Stasiun Kerja
Pengelompokan Penggunaan Waktu
Work Station Cycle Time Idle Time
Tugas (menit)
WS-1 A 10 12 12 10 = 2
WS-2 B 11 12 12 11 = 1
WS-3 E 12 12 12 12 = 0
WS-4 C, D, F 3 + 4 + 5 = 12 12 12 12 = 0
WS-5 H 11 12 12 11 = 1
WS-6 G, I 7 + 3 = 10 12 12 10 = 2
Total - 66 72 6
5 Menit WS-4
C WS-6
WS-2
10 Menit 11 Menit 3 Menit 7 Menit 3 Menit
A B F G I
4 Menit
WS-1
D
12 Menit 11 Menit
E H
WS-3 WS-5
Keterangan : WS = Work Station
Gambar VI.18. Enam Stasiun Kerja dalam Masalah Line Balancing

OPTIMASI PERENCANAAN DAN PENGENDALIAN PRODUKSI

Diunggah oleh

Informasi Dokumen

Judul 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

OPTIMASI PERENCANAAN DAN PENGENDALIAN PRODUKSI

Diunggah oleh

Hak Cipta:

Format Tersedia

BAHAN AJAR

PERENCANAAN & PENGENDALIAN PRODUKSI

Yasrin Zabidi, S.T., M.T.

JURUSAN TEKNIK INDUSTRI

SEKOLAH TINGGI TEKNOLOGI ADISUTJIPTO

1. Pendahuluan (Sistem Industri/Produksi)

3. Inventory System (Sistem Persediaan)

4. Perencanaan Produksi Agregat

7. Line Balancing (Keseimbangan Lintasan)

8. Teory Of Constranints (TOC)

4. Arman Hakim N, Perencanaan Dan Pengendalian Produksi, 2003, Guna Widya,

= Hubungan dua arah, termasuk umpan balik

MPS = Master Production Scheduling

CRP = Capacity Requirements Planning

MRP = Material Requirements Planning

PAC = Production Activity Control

Gambar 1 Sistem Manufacturing Resource Planning (MRPII)

Klasifikasi Sistem Produksi Menurut Aliran Proses Produksi (Kostas 270)

Klasifikasi Sistem Produksi Menurut Variasi Produknya (Pat)

Siklus Bisnis Sikap dan

Beberapa Faktor Yang Mempengaruhi Permintaan

POLA-POLA POLA DATA

Menentukan Tujuan Peramalan

Memilih Item (Independent Demand) yang diramalkan

Menentukan Horizon Peramalan

Memilih Model Peramalan yang sesuai dengan pola data historis

Melakukan Analisis Peramalan berdasarkan model peramalan

Memilih Model Peramalan yang tepat berdasarkan Ukuran

Memerikasa Keandalan Model Peramalan yang dipilih

1. Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD)

2. Rata-Rata Kuadrat Kesalahan (Mean Square Error = MSE)

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

4. Rata-rata Persentase Kesalahan Absolut (Mean Absolute Percentage Error =

(1) (2) (3) (4) (5) (6) (7)

1 120 125 -5 5 25 -4,17 4,17

VERIFIKASI DAN PENGENDALIAN PERAMALAN

PETA MOVING RANGE

Adapun Rata-rata Moving Range didefinisikan sebagai :

Bulan Periode Peramalan Permintaan Moving Range

Tracking Signal dari Model Peramalan Tertentu

Periode Forcast Aktual Error RSFE Absolute Kumulatif MAD Tracking

Data Aktual Permintaan Komputer Selama tahun 1997

Bulan Indeks Waktu (t) Permintaan Aktual (A)

Langkah 1 : Identifiaksi Pola Historis dari Data Aktual Permintaan

Langkah 3 : Melakukan Analisis Data Berdasarkan Model Peramalan yang Dipilih

Tracking Signal dari Model Peramalan MA (4)

Contoh perhitungan berdasarkan model Weighted MA (4)

Peta Kontrol Tracking Signal dari Model Peramalan Weight MA (4)

Contoh Perhitungan Berdasarkan Model ES (=0,9)

Tracking Signal dari Model Peramalan ES (=0,9)

Data Aktual dan Ramalan Permintaan Komputer Berdasarkan ES ( = 0,9)

Semua nilai tracking Semua nilai tracking Semua nilai tracking

Tidak sesuai dengan Tidak sesuai dengan Sesuai atau

5 Nilai RSFE +44 +33 -20

Data Aktual Permintaan Komputer Selama Tahun 1997

Langkah 3 : Melakukan Analisis Data Berdasarkan Model Pearmalan Yang Dipilih

Tabel III.16. Peramalan Permintaan Komputer Berdasarkan Model

Januari 1 120 127,8 + 17,9 (1) = 146

Tracking Signal dari Model Peramalan

Peta Kontrol Tracking Signal dari Model Peramalan Ft = a + bt

Hasil peramalan permintaan komputer berdasarkan model pemulusan eksponensial dengan

Perbandingan Hasil Peramalan Permintaan Komputer Berdasarkan Dua Model

No Deskripsi Model EST Model Ft = a + bt