Anda di halaman 1dari 140

LEMBAR PENGESAHAN

(PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI)


LAPORAN AKHIR
PROGRAM STUDI TEKNIK INDUSTRI – FAKULTAS TEKNIK
UNIVERSITAS WIDYATAMA

Oleh :
Nama : Riski Septian Rachman
NPM : 0515101031

Telah Disetujui dan Disahkan di Bandung, Tanggal _____________

Menyetujui,
Asisten Praktikum Perencanaan dan Pengendalian Produksi
Asisten Asisten

Usi Putri Pratiwi Aisah Rizka Yasra

Mengesahkan,
Instruktur Praktikum Perencanaan dan Pengendalian Produksi

Tiaradia Ihsan, S.T.

i
KATA PENGANTAR

Puji syukur senantiasa penulis panjatkan kehadirat Allah SWT, karena atas rahmat
dan hidayah-Nya lah penulis dapat menyelesaikan laporan akhir ini dengan judul
”Laporan Akhir Perencanaan dan Pengendalian Produksi”.

Penulis mengucapkan rasa terima kasih yang sebesar-besarnya atas semua bantuan
yang telah diberikan, baik secara langsung maupun tidak langsung selama
penyusunan tugas akhir ini hingga selesai. Secara khusus rasa terima kasih tersebut
penulis sampaikan kepada:

1. Bapak Tiaradia Ihsan, S.T. selaku instruktur praktikum Perencanaan dan


Pengendalian Produksi yang telah memberikan bimbingan serta ilmu
pengetahuan dalam menyusun laporan akhir ini.
2. Usi Putri Pratiwi Aisah dan Rizka Yasra selaku asisten praktikum
Perencanaan dan Pengendalian Produksi yang telah membantu dan
membimbing penulis selama menjalankan praktikum ini.
3. Orang tua penulis yang senantiasa memberikan semangat dan motivasi
untuk penulis menyelesaikan laporan akhir ini.
4. Rekan-rekan penulis yang telah membantu dalam menuntaskan laporan
akhir ini.

Penulis menyadari masih terdapat banyak kekurangan yang dibuat baik sengaja
maupun tidak sengaja, dikarenakan keterbatasan ilmu pengetahuan dan wawasan
serta pengalaman yang penulis miliki. Penulis mengucapkan mohon maaf atas
segala kekurangan tersebut, tidak menutup diri terhadap segala saran dan kritik
serta masukan yang bersifat kontruktif bagi diri penulis. Akhir kata, semoga laporan
akhir ini dapat bermanfaat bagi penulis sendiri, institusi pendidikan dan masyarakat
luas.

Bandung, Desember 2017

Riski Septian Rachman

ii
DAFTAR ISI
Halaman
LEMBAR PENGESAHAN ................................................................................... i
KATA PENGANTAR ........................................................................................... ii
DAFTAR ISI ......................................................................................................... iii
DAFTAR GAMBAR ........................................................................................... vii
DAFTAR TABEL .............................................................................................. viii
BAB I PENDAHULUAN ...................................................................................... 1
1.1 LATAR BELAKANG .................................................................................... 1
1.1.1 Forecasting ................................................................................................1
1.1.2 Rencana Produksi Agregat .........................................................................2
1.1.3 Disagregasi dan Master Production Schedule............................................2
1.1.4 Struktur Produk, BOM dan MRP ................................................................3
1.1.5 Line Balancing ...........................................................................................4
1.2 TUJUAN PRAKTIKUM ................................................................................ 5
1.2.1 Peramalan (Forecasting) ............................................................................5
1.2.2 Rencana Produksi Agregat .........................................................................5
1.2.3 Disagregasi dan Master Production Schedule............................................6
1.2.4 Struktur Produk, BOM dan MRP ................................................................6
1.2.5 Line Balancing ...........................................................................................6
BAB II LANDASAN TEORI ............................................................................... 7
2.1 PERAMALAN (FORECASTING).................................................................. 7
2.1.1 Definisi Peramalan (Forecasting) ..............................................................7
2.1.2 Karakteristik Peramalan yang Baik ............................................................7
2.1.3 Sifat Hasil Peramalan .................................................................................8
2.1.4 Ukuran Akurasi Hasil Peramalan ...............................................................9
2.1.5 Metode-metode Peramalan (Forecasting) ................................................10
2.2 RENCANA PRODUKSI AGREGAT .......................................................... 17
2.2.1 Definisi Perencanaan Agregat ..................................................................17
2.2.2 Tujuan Perencanaan Agregat....................................................................18
2.2.3 Metode Perencanaan Agregat ...................................................................18
2.2.4 Strategi Perencanaan Agregat ..................................................................22

iii
Halaman
2.2.5 Biaya Perencanaan Agregat ......................................................................24
2.2.6 Pemilihan Metode Peramalan ...................................................................27
2.3 DISAGREGASI DAN MASTER PRODUCTION SCHEDULE................... 28
2.3.1 Perencanaan dan Pengendalian Produksi .................................................28
2.3.2 Disagregasi ...............................................................................................30
2.3.3 Langkah-langkah Disagregasi ..................................................................32
2.3.4 Master Production Schedule (MPS) .........................................................32
2.3.5 Fungsi Jadwal Induk Produksi .................................................................34
2.3.6 Hubungan Jadwal Induk Produksi dengan Perencanaan Agregat ............35
2.3.7 Teknik Penyusunan Jadwal Induk Produksi .............................................35
2.4 STRUKTUR PRODUK, BOM DAN MRP .................................................. 37
2.4.1 Pengertian Material Requirements Planning (MRP) ...............................37
2.4.2 Empat Langkah Utama Sistem MRP ......................................................38
2.4.3 Input MRP ................................................................................................39
2.4.4 Output MRP..............................................................................................40
2.4.5 Tujuan MRP .............................................................................................41
2.4.6 Istilah-istilah dalam MRP .........................................................................42
2.4.7 Peta Proses Perakitan (Assembly Process Chart) .....................................43
2.4.8 Struktur Produk ........................................................................................43
2.4.9 Bill of Materials (BOM) ...........................................................................44
2.5 LINE BALANCING ....................................................................................... 44
2.5.1 Definisi Line Balancing............................................................................44
2.5.2 Tujuan Line Balancing ...........................................................................45
2.5.3 Line Balancing Input ................................................................................45
2.5.4 Masalah pada Lintasan .............................................................................46
2.5.5 Metode-metode Line Balancing ...............................................................46
2.5.6 Precedence Diagram ................................................................................48
2.5.7 Terminologi Line Balancing ....................................................................49
BAB III FLOWCHART KEGIATAN PRAKTIKUM ...................................... 51
3.1 FLOWCHART KEGIATAN PRAKTIKUM................................................. 51
3.2 URAIAN FLOWCHART KEGIATAN PRAKTIKUM ................................ 52

iv
Halaman
3.2.1 Studi Literatur...........................................................................................52
3.2.2 Pengumpulan Data ...................................................................................52
3.2.3 Pengolahan Data .......................................................................................53
3.2.4 Analisis .....................................................................................................54
3.2.5 Kesimpulan dan Saran ..............................................................................55
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA ............................. 56
4.1 PENGUMPULAN DATA ............................................................................ 56
4.1.1 Forecasting ...............................................................................................56
4.1.2 Rencana Produksi Agregat .......................................................................57
4.1.3 Disagregasi dan Master Production Schedule..........................................57
4.1.4 Struktur Produk, BOM dan MRP ..............................................................59
4.1.5 Line Balancing .........................................................................................61
4.2 PENGOLAHAN DATA ............................................................................... 63
4.2.1 Forecasting ...............................................................................................63
4.2.2 Rencana Produksi Agregat .......................................................................76
4.2.3 Disagregasi dan Master Production Schedule..........................................86
4.2.4 Struktur Produk, BOM dan MRP ..............................................................92
4.2.5 Line Balancing .......................................................................................107
BAB V ANALISIS ............................................................................................. 114
5.1 FORECASTING .......................................................................................... 114
5.2 RENCANA PRODUKSI AGREGAT ........................................................ 115
5.3 DISAGREGASI DAN MASTER PRODUCTION SCHEDULE................. 116
5.4 STRUKTUR PRODUK, BOM DAN MRP ................................................ 118
5.5 LINE BALANCING ..................................................................................... 119
BAB VI KESIMPULAN DAN SARAN........................................................... 121
6.1 KESIMPULAN ........................................................................................... 121
6.1.1 Forecasting .............................................................................................121
6.1.2 Rencana Produksi Agregat .....................................................................121
6.1.3 Disagregasi dan Master Production Schedule........................................122
6.1.4 Struktur Produk, BOM dan MRP ............................................................122
6.1.5 Line Balancing .......................................................................................123

v
Halaman
6.2 SARAN ....................................................................................................... 123
6.2.3 Forecasting .............................................................................................123
6.2.2 Rencana Produksi Agregat .....................................................................124
6.2.3 Disagregasi dan Master Production Schedule........................................124
6.2.4 Struktur Produk, BOM dan MRP ............................................................124
6.2.5 Line Balancing .......................................................................................125
DAFTAR PUSTAKA ........................................................................................ 126
LAMPIRAN ....................................................................................................... 127

vi
DAFTAR GAMBAR

Halaman
Gambar 3. 1 Flowchart Kegiatan Praktikum ...................................................... 51
Gambar 4. 1 Diagram Scatter DMA .................................................................... 65
Gambar 4. 2 Plot Data DMA................................................................................ 65
Gambar 4. 3 Diagram Scatter DES Brown .......................................................... 68
Gambar 4. 4 Plot Data DES Brown ..................................................................... 69
Gambar 4. 5 Diagram Scatter DES Holt.............................................................. 72
Gambar 4. 6 Plot Data DES Holt ......................................................................... 73
Gambar 4. 7 Diagram Scatter Regresi Linier ...................................................... 75
Gambar 4. 8 Plot Data Regresi Linier ................................................................. 76

vii
DAFTAR TABEL

Halaman
Tabel 2. 1 Pemilihan Metode Peramalan .............................................................. 27
Tabel 4. 1 Data Awal Demand ............................................................................. 56
Tabel 4. 2 Data Awal Demand NPM (+31).......................................................... 56
Tabel 4. 3 Komponen Data Awal ......................................................................... 57
Tabel 4. 4 Data Hari Kerja dan Demand .............................................................. 57
Tabel 4. 5 Data Forecast Demand........................................................................ 58
Tabel 4. 6 Data Parameter .................................................................................... 58
Tabel 4. 7 Persentase Actual Demand .................................................................. 58
Tabel 4. 8 Bill of Materials (BOM) Tamiya Baracuda ......................................... 60
Tabel 4. 9 Master Production Schedule (MPS) Tamiya Baracuda ...................... 60
Tabel 4. 10 Data Permintaan ................................................................................ 62
Tabel 4. 11 Uraian Kegiatan Precedence Diagram.............................................. 62
Tabel 4. 12 Hasil Perhitungan DMA .................................................................... 63
Tabel 4. 13 Ringkasan Perhitungan Error DMA .................................................. 65
Tabel 4. 14 Hasil Perhitungan DES Brown .......................................................... 66
Tabel 4. 15 Ringkasan Perhitungan Error DES Brown ....................................... 68
Tabel 4. 16 Hasil Perhitungan Alpha DES Brown ............................................... 68
Tabel 4. 17 Hasil Perhitungan DES Holt .............................................................. 69
Tabel 4. 18 Ringkasan Perhitungan Error DES Holt ........................................... 71
Tabel 4. 19 Hasil Perhitungan Alpha dan Gamma DES Holt Satu Desimal ........ 71
Tabel 4. 20 Hasil Perhitungan Alpha dan Gamma DES Holt Dua Desimal ......... 72
Tabel 4. 21 Hasil Perhitungan Regresi Linier ...................................................... 73
Tabel 4. 22 Ringkasan Perhitungan Error Regresi Linier .................................... 75
Tabel 4. 23 Ringkasan Hasil Perhitungan Error Semua Metode ......................... 76
Tabel 4. 24 Strategi Tenaga Kerja Tetap (Round Up) .......................................... 76
Tabel 4. 25 Strategi Tenaga Kerja Tetap (Round Down) ..................................... 78
Tabel 4. 26 Strategi Tenaga Kerja Berubah (Round Up) ..................................... 80
Tabel 4. 27 Strategi Tenaga Kerja Berubah (Round Down)................................. 82
Tabel 4. 28 Strategi Transportasi.......................................................................... 84

viii
Halaman
Tabel 4. 29 Kesimpulan Rencana Produksi Agregat ............................................ 85
Tabel 4. 30 Hasil Agregasi Item ........................................................................... 86
Tabel 4. 31 Disagregasi Periode 1 ........................................................................ 86
Tabel 4. 32 Disagregasi Periode 2 ........................................................................ 88
Tabel 4. 33 Disagregasi Periode 3 ........................................................................ 88
Tabel 4. 34 Disagregasi Periode 4 ........................................................................ 88
Tabel 4. 35 Disagregasi Periode 5 ........................................................................ 88
Tabel 4. 36 Disagregasi Periode 6 ........................................................................ 88
Tabel 4. 37 Disagregasi Periode 7 ........................................................................ 89
Tabel 4. 38 Disagregasi Periode 8 ........................................................................ 89
Tabel 4. 39 Disagregasi Periode 9 ........................................................................ 89
Tabel 4. 40 Disagregasi Periode 10 ...................................................................... 89
Tabel 4. 41 Disagregasi Periode 11 ...................................................................... 89
Tabel 4. 42 Disagregasi Periode 12 ...................................................................... 89
Tabel 4. 43 Data Actual Demand ......................................................................... 90
Tabel 4. 44 Master Production Schedule Baracuda ............................................. 90
Tabel 4. 45 Master Production Schedule Cobra .................................................. 91
Tabel 4. 46 Master Production Schedule Hauler ................................................. 91
Tabel 4. 47 Master Production Schedule Emperor .............................................. 91
Tabel 4. 48 MRP End Item Tamiya ...................................................................... 92
Tabel 4. 49 MRP Komponen Body ....................................................................... 92
Tabel 4. 50 MRP Induk Assembling 13 ................................................................ 93
Tabel 4. 51 Metode Silver Meal Komponen Key Battery .................................... 94
Tabel 4. 52 MRP Komponen Key Battery ............................................................ 95
Tabel 4. 53 MRP Induk Assembling 12 ................................................................ 96
Tabel 4. 54 MRP Komponen Black Roller ........................................................... 96
Tabel 4. 55 MRP Induk Assembling 11 ................................................................ 98
Tabel 4. 56 MRP Komponen Blue Roller ............................................................. 98
Tabel 4. 57 MRP Induk Assembling 10 ................................................................ 98
Tabel 4. 58 MRP Komponen Bumper .................................................................. 98
Tabel 4. 59 MRP Induk Assembling 9 .................................................................. 99

ix
Halaman
Tabel 4. 60 MRP Komponen Axle Shaft Cover .................................................... 99
Tabel 4. 61 MRP Induk Assembling 8 .................................................................. 99
Tabel 4. 62 MRP Komponen On Off Button ........................................................ 99
Tabel 4. 63 MRP Induk Assembling 7 .................................................................. 99
Tabel 4. 64 MRP Induk Sub Assembling 8 ......................................................... 100
Tabel 4. 65 MRP Induk Sub Assembling 7 ......................................................... 100
Tabel 4. 66 Metode Silver Meal Komponen Cover Gear .................................. 100
Tabel 4. 67 MRP Komponen Cover Gear .......................................................... 100
Tabel 4. 68 MRP Komponen Blue Gear ............................................................ 101
Tabel 4. 69 MRP Komponen Cover Engine ....................................................... 101
Tabel 4. 70 MRP Induk Assembling 6 ................................................................ 101
Tabel 4. 71 MRP Komponen Orange Gear........................................................ 101
Tabel 4. 72 MRP Induk Assembling 5 ................................................................ 101
Tabel 4. 73 MRP Komponen Propeller Shaft .................................................... 102
Tabel 4. 74 MRP Induk Assembling 4 ................................................................ 102
Tabel 4. 75 MRP Induk Sub Assembling 3 ......................................................... 102
Tabel 4. 76 Metode Silver Meal Komponen Velg FR ........................................ 102
Tabel 4. 77 MRP Komponen Velg FR ................................................................ 103
Tabel 4. 78 MRP Komponen Tire FR ................................................................ 103
Tabel 4. 79 MRP Induk Assembling 3 ................................................................ 103
Tabel 4. 80 MRP Induk Sub Assembling 2 ......................................................... 103
Tabel 4. 81 Metode Silver Meal Komponen Velg RR ........................................ 104
Tabel 4. 82 MRP Komponen Velg RR ................................................................ 104
Tabel 4. 83 MRP Komponen Tire RR ................................................................ 104
Tabel 4. 84 MRP Induk Assembling 2 ................................................................ 104
Tabel 4. 85 MRP Induk Sub Assembling 1 ......................................................... 105
Tabel 4. 86 MRP Komponen Axle Shaft ............................................................. 105
Tabel 4. 87 MRP Komponen Green Gear .......................................................... 105
Tabel 4. 88 MRP Induk Assembling 1 ................................................................ 105
Tabel 4. 89 Metode Silver Meal Komponen Bearing......................................... 106
Tabel 4. 90 MRP Komponen Bearing ................................................................ 106

x
Halaman
Tabel 4. 91 MRP Komponen Chasis .................................................................. 106
Tabel 4. 92 Pembagian Region (Stasiun Kerja).................................................. 107
Tabel 4. 93 Kumulatif Waktu Tiap Stasiun Kerja .............................................. 108
Tabel 4. 94 Efisiensi Stasiun Kerja .................................................................... 108
Tabel 4. 95 Tabel Positional Weight Awal ........................................................ 111
Tabel 4. 96 Tabel Pengurutan Positional Weight ............................................... 111
Tabel 4. 97 Kumulatif Station Time Tiap Stasiun Kerja .................................... 111
Tabel 4. 98 Efisiensi Stasiun Kerja .................................................................... 112
Tabel 5. 1 Perhitungan Mean Squared Error (MSE).......................................... 114
Tabel 5. 2 Ringkasan Perhitungan Total Cost .................................................... 115
Tabel 5. 3 Keputusan Produksi........................................................................... 116
Tabel 5. 4 Master Production Schedule Baracuda ............................................. 117
Tabel 5. 5 MRP Komponen Black Roller ........................................................... 118
Tabel 5. 6 MRP Induk Assembling 12 ................................................................ 119
Tabel 5. 7 Hasil Perhitungan Metode Cluster dan RPW .................................... 119

xi
BAB I

PENDAHULUAN

1.1 LATAR BELAKANG


1.1.1 Forecasting

Seiring dengan semakin bertambahnya kebutuhan masyarakat pada zaman


sekarang, menuntut produsen untuk dapat memproduksi barang atau produk sesuai
dengan permintaan (demand). Permasalahan yang kerap terjadi berkaitan dengan
permintaan (demand) yaitu perusahaan tidak dapat menduga berapa banyak
permintaan (demand) yang akan datang di kemudian hari. Peramalan menjadi
metode yang dapat digunakan perusahaan untuk memperkirakan permintaan
(demand).

Peramalan dapat memperkirakan kebutuhan permintaan (demand) di masa yang


akan datang baik untuk jangka panjang, jangka menengah atau jangka pendek.
Metode peramalan dapat dilakukan dengan menggunakan data masa lalu dan
memproyeksikannya ke masa mendatang dengan suatu bentuk model matematis,
namun dengan menggunakan metode peramalan tidak jarang pula terjadi kesalahan.
Peramalan (forecasting) sangat jarang memberikan hasil yang sempurna dan akurat,
oleh karena itu diperlukan metode yang baik dan benar untuk dapat mendekati nilai
akurat dari peramalan tersebut.

Modul Forecasting pada praktikum kali ini membahas mengenai perkiraan


permintaan demand pada 12 periode yang akan datang. Data yang digunakan untuk
melakukan proses peramalan yaitu data awal demand selama 24 periode. Metode
yang digunakan dalam praktikum kali ini yaitu bersifat kuantitatif dengan model
time series seperti Double Moving Average (DMA), Double Exponential Smoothing
(DES) Satu Parameter dari Brown, Double Exponential Smoothing (DES) Dua
Parameter dari Holt dan metode peramalan Regresi Linier. Adanya metode
peramalan yang digunakan dalam praktikum kali ini diharapkan dapat membantu
suatu perusahaan untuk dapat menentukan kebijakan dalam memenuhi permintaan
(demand).

1
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

1.1.2 Rencana Produksi Agregat

Seiring dengan semakin meningkatnya permintaan (demand) yang berfluktuasi,


mengakibatkan perusahaan memerlukan strategi untuk dapat memenuhi permintaan
berdasarkan sumber daya yang tersedia. Berfluktuasinya permintaan (demand)
dapat diakibatkan oleh ketersediaan produk (supply) ataupun kualitas yang tidak
menentu dari produsen. Ketersediaan produk (supply) dan kualitas yang tidak
menentu dapat menyebabkan turunnya tingkat kepuasan konsumen. Perencanaan
agregat dapat digunakan agar proses produksi suatu perusahaan terjadwal sehingga
permintaan pasar dapat dipenuhi berdasarkan kapasitas sumber daya yang tersedia.

Metode perencanaan agregat dapat digunakan sebagai metode pengambilan


keputusan yang optimum berdasarkan sumber daya yang dimiliki perusahaan dalam
memenuhi permintaan. Sumber daya tersebut dapat berupa kapasitas mesin, tenaga
kerja, teknologi yang dimiliki dan lain-lain. Merencanakan produksi sangat penting
dilakukan oleh suatu perusahaan agar biaya produksi yang dikeluarkan dapat
minimum.

Modul Rencana Produksi Agregat kali ini membahas mengenai perencanaan


produksi berdasarkan permintaan (demand) yang dihasilkan pada metode modul
Peramalan (Forecasting) selama 12 periode. Strategi yang digunakan dalam
merencakan produksi yaitu dengan strategi tenaga kerja tetap, tenaga kerja berubah
dan strategi transportasi. Adanya metode yang tepat dalam merencanakan produksi
di perusahaan diharapkan dapat memenuhi permintaan pasar berdasarkan sumber
daya yang tersedia, serta diharapkan dapat meminimalkan ongkos produksi.

1.1.3 Disagregasi dan Master Production Schedule

Pemenuhan kebutuhan konsumen sangat penting dilakukan oleh perusahaan agar


terjaminnya tingkat kepuasan konsumen. Konsumen menjadi faktor yang penting
bagi perusahaan sebagai sasaran utama untuk mendapatkan keuntungan, sedangkan
di dalam perusahaan sumber daya menjadi faktor yang sangat penting demi
tercapainya sasaran produksi. Sumber daya disini dapat berupa tenaga kerja, mesin,
bahan baku dan lain-lain. Sangat penting bagi perusahaan untuk mengetahui
seberapa banyak sumber daya yang harus dikeluarkan untuk memenuhi kebutuhan

2
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

konsumen. Diperlukan metode yang tepat dalam merencanakan proses produksi


dalam suatu perusahaan agar terpenuhinya permintaan konsumen.

Proses disagregasi dapat dilakukan untuk merubah hasil rencana agregat menjadi
jumlah yang harus diproduksi untuk setiap produk atau item, hasil dari disagregasi
ini berupa Jadwal Induk Produksi (JIP). Jadwal Induk Produksi dapat digunakan
oleh perusahaan sebagai acuan dalam meningkatkan kapasitas produksi, karena
didalamnya terdapat seberapa persediaan yang harus terpenuhi. Jadwal Induk
Produksi pun dapat digunakan perusahaan untuk mengetahui kapasitas produksi
yang dimiliki perusahaan sebagai acuan dalam memenuhi permintaan konsumen.

Modul Disagregasi dan Master Production Schedule kali ini membahas mengenai
dua proses yaitu Disagregasi dan Jadwal Induk Produksi. Proses disagregasi
dilakukan pada family produk Tamiya dan Auldey menjadi masing-masing dua item
yaitu Baracuda, Cobra, Hauler dan Emperor. Hasil dari proses disagregasi tersebut
berupa Jadwal Induk Produksi yang dapat digunakan untuk mengetahui kapasitas
produksi dari masing-masing item. Diketahuinya kapasitas produksi dari masing-
masing item dapat berguna bagi perusahaan sebagai acuan dalam memenuhi
permintaan konsumen. Adanya metode dalam merencanakan produksi di suatu
perusahaan akan sangat membantu dalam menjaga keseimbangan tingkat kepuasan
konsumen.

1.1.4 Struktur Produk, Bill Of Materials dan Material Requirement Planning

Perencanaan kebutuhan material yang baik akan mengakibatkan proses produksi


berjalan dengan baik dan tentunya akan meningkatkan tingkat efisiensi suatu
perusahaan. Sebaliknya, apabila perencanaan kebutuhan material tidak berjalan
dengan baik dengan kata lain kurangnya material, akan mengakibatkan
terganggunya proses produksi. Akibat buruk dari terganggunya proses produksi
yakni tidak terpenuhinya permintaan konsumen. Permintaan konsumen yang tidak
terpenuhi pun dapat mengakibatkan tingkat kepercayaan konsumen pada
perusahaan menurun. Kelebihan material pada perusahaan pun tidak selalu baik,
bahkan kelebihan material akan berdampak pada menumpuknya material sehingga
akan menimbulkan ongkos penyimpanan.

3
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Metode Material Requirement Planning dapat digunakan untuk mengendalikan dan


merencanakan material pada suatu produk. MRP memungkinkan suatu perusahaan
untuk mengatasi kebutuhan material sehingga proses produksi akan berjalan
dengan baik. MRP dapat berisi informasi-informasi mengenai keadaan persediaan,
kebutuhan material, jadwal pemesanan, indikasi pembatalan pesanan pada suatu
perusahaan sehingga diharapkan proses produksi dapat berjalan dengan baik dan
tingkat kepercayaan konsumen akan stabil.

Modul Struktur Produk, Bill Of Materials dan Material Requirement Planning


membahas mengenai perencanaan kebutuhan material dari Tamiya Baracuda.
Metode yang digunakan untuk menjadwalkan kebutuhan material tersebut yaitu
Material Requirement Planning (MRP). Input yang diperlukan untuk membuat
suatu perencanaan kebutuhan material menggunakan MRP yaitu data persediaan,
Jadwal Induk Produksi (JIP) dan Bill of Materials (BOM). Adanya metode yang
dapat merencanakan kebutuhan material diharapkan dapat membantu perusahaan-
perusahaan khususnya yang bergerak dalam bidang manufaktur agar proses
produksi berjalan dengan baik sehingga terpenuhinya permintaan konsumen.

1.1.5 Line Balancing

Tingkat produktivitas suatu pekerjaan dari stasiun kerja dapat diketahui dengan
membandingkan seberapa besar operator melakukan kegiatan-kegiatan yang
produktif dan tidak produktif. Tidak produktif disini dapat berupa kegiatan
menganggur yang berakibat pada menurunnya efisiensi dari stasiun kerja tersebut.
Kegiatan menganggur tersebut pada dasarnya dapat menimbulkan biaya-biaya yang
dapat merugikan perusahaan. Diperlukan cara atau metode-metode untuk
meningkatkan efisiensi dari stasiun kerja yang dapat meminimalisir waktu
menganggur dan meningkatkan tingat efisiensi, yang pada akhirnya dapat
meminimalisir ongkos dari kegiatan-kegiatan yang tidak produktif.

Metode Line Balancing atau penyeimbang lintasan dapat digunakan sebagai cara
dalam meningkatkan tingkat efisiensi dari tiap stasiun kerja dengan
mengelompokkan aktivitas-aktivitas yang saling berkaitan, sehingga tiap stasiun
kerja tidak memiliki waktu yang melebihi dari waktu siklusnya. Tujuan utama dari
penggabungan tersebut yakni meminimalisir waktu menganggur (idle time) yang

4
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

diupayakan sebesar 0% dan meningkatkan tingkat efisiensi menjadi 100% untuk


tiap stasiun kerja. Biaya yang tersedia pun tidak teralokasikan pada kegiatan-
kegiatan menganggur, sehingga biaya tersebut dapat dialokasikan pada kegiatan
yang lebih produktif.

Modul Line Balancing kali ini membahas mengenai penyeimbangan lintasan pada
stasiun kerja dengan menggunakan dua metode, yaitu metode Cluster dan metode
Ranked Positional Weight (RPW). Input yang diperlukan untuk dapat mengolah
data dengan menggunakan metode-metode tersebut yaitu Precedence Diagram,
data waktu baku pekerjaan tiap operasi dan kecepatan lintasan yang diinginkan.
Tujuan dari penyeimbangan lintasan yaitu meminimumkan waktu menganggur
(idle time) dari tiap stasiun kerja yang nantinya akan berdampak pada tingkat
efisiensi dari stasiun kerja tersebut. Waktu menganggur (idle time) yang minimum

1.2 TUJUAN PRAKTIKUM


1.2.1 Forecasting

Tujuan melakukan kegiatan praktikum pada Modul Forecasting ini, praktikan


diharapkan mampu:
1. Meramalkan permintaan dengan menggunakan metode peramalan time
series.
2. Mengetahui metode dengan tingkat akurasi yang tinggi
3. Menggunakan metode yang tepat untuk peramalan.
4. Mengetahui cara untuk mengukur kesalahan dalam peramalan (error).

1.2.2 Rencana Produksi Agregat

Tujuan melakukan kegiatan praktikum pada Modul Rencana Produksi Agregat ini,
praktikan diharapkan mampu:

1. Merencanakan kegiatan produksi berdasarkan permintaan (demand).


2. Merencanakan produksi berdasarkan strategi tenaga kerja tetap, tenaga
kerja berubah dan strategi transportasi.
3. Mendapatkan ongkos minimum berdasarkan strategi yang digunakan.

5
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

1.2.3 Disagregasi dan Master Production Schedule

Berdasarkan praktikum ini, praktikan diharapkan:


1. Mampu melakukan disagregasi pada suatu family produk tertentu.
2. Mendapatkan informasi penting mengenai perencanaan produksi.
3. Memahami konsep perencanaan produksi khususnya Jadwal Induk
Produksi.
4. Memahami dan mampi mengimplementasikan Jadwal Induk Produksi.

1.2.4 Struktur Produk, Bill Of Materials dan Material Requirement Planning

Berdasarkan praktikum modul Struktur Produk, Bill Of Materials dan Material


Requirement Planning ini, praktikan diharapkan:
1. Memahami konsep perencanaan kebutuhan material atau MRP.
2. Memahami dan mampu mengimplementasikan perencanaan kebutuhan
material.
3. Memahami karakterisik dan perbandingan tiap order policy.

1.2.5 Line Balancing


Berdasarkan praktikum modul Line Balancing ini, praktikan diharapkan:

1. Memahami konsep keseimbangan lintasan produksi.


2. Memahami dan mampu mengimplementasikan konsep-konsep
keseimbangan lintasan produksi di tingkat shop floor.

6
BAB II

LANDASAN TEORI

2.1 FORECASTING
2.1.1 Definisi Peramalan (Forecasting)

Peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan kejadian di


masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data historis
dan memproyeksikannya ke masa mendatang dengan suatu bentuk model
matematis. Hal ini bisa juga merupakan prediksi intuisi yang bersifat subjektif. Hal
ini pun dapat dilakukan dengan menggunakan kombinasi model matematis yang
disesuaikan dengan pertimbangan yang baik dari seorang manajer.

Setelah mengenal beberapa teknik peramalan, kita tidak akan melihat satu metode
tunggal yang unggul. Sesuatu yang berjalan dengan baik di suatu perusahaan pada
suatu set kondisi tertentu mungkin bisa menjadi bantuan bagi organisasi lain,
bahkan pada departemen yang berbeda di perusahaan yang sama. Selain itu, juga
dapat melihat keterbatasan dari apa yang dapat anda harapkan dari suatu peramalan.
Peramalan sangat jarang memberikan hasil yang sempurna. Peramalan juga
menghabiskan banyak biaya dan waktu untuk dipersiapkan dan diatasi. Hanya
sedikit bisnis yang dapat menghindari proses peramalan dan hanya menunggu apa
yang terjadi untuk kemudian mengambil kesempatan. Perencanaan yang efektif,
baik untuk jangka panjang maupun pendek bergantung pada peramalan permintaan
untuk produk perusahaan tersebut:

2.1.2 Karakteristik Peramalan yang Baik

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

7
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

peramalan tersebut terlalu tinggi atau rendah dibandingkan dengan


kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten
bila besarnya kesalahan peramalan relatif kecil. Peramalan yang terlalu
rendah akan mengakibatkan kekurangan persediaan, sehingga permintaan
konsumen tidak dapat dipenuhi segera akibatnya perusahaan dimungkinkan
kehilangan pelanggan dan kehilangan keuntungan penjualan. Peramalan
yang terlalu tinggi akan mengakibatkan terjadinya penumpukan persediaan,
sehingga banyak modal yang terserap sia-sia. Keakuratan dari hasil
peramalan ini berperan penting dalam menyeimbangkan persediaan yang
ideal.
2. Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung
dari jumlah item yang diramalkan, lamanya periode peramalan, dan metode
peramalan yang dipakai. Ketiga faktor pemicu biaya tersebut akan
mempengaruhi berapa banyak data yang dibutuhkan, bagaimana
pengolahan datanya (manual atau komputerisasi), bagaimana penyimpanan
datanya dan siapa tenaga ahli yang diperbantukan. Pemilihan metode
peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi
yang ingin didapat, misalnya item-item yang penting akan diramalkan
dengan metode yang sederhana dan murah. Prinsip ini merupakan adopsi
dari hukum Pareto (Analisa ABC).
3. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah
diaplikasikan akan memberikan keuntungan bagi perusahaan. Percuma
memakai metode yang canggih, tetapi tidak dapat diaplikasikan pada sistem
perusahaan karena keterbatasan dana, sumber daya manusia, maupun
peralatan teknologi.

2.1.3 Sifat Hasil Peramalan

Dalam pembuatan peramalan atau menerapkan hasil suatu peramalan, maka ada
beberapa hal yang harus diperhatikan yaitu:

8
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

1. Jarang ada peramalan yang sempurna. Hal ini berarti faktor luar yang tidak
dapat kita duga atau kendalikan sering mempengaruhi peramalan. Perusahaan
harus memberikan kelonggaran untuk kenyataan ini.
2. Hampir semua teknik peramalan mengasumsikan sistem akan tetap stabil. Oleh
karena itu, beberapa perusahaan membuat ramalan secara otomatis
menggunakan komputer dengan software peramalan, serta hanya mengawasi
produk yang mempunyai permintaan tidak menentu.
3. Peramalan kelompok produk dan peramalan secara keseluruhan lebih akurasi
daripada peramalan produk individu. Sebagai contoh, Disney melakukan
peramalan melalui pengelompokkan peramalan pengunjung taman hiburan
harian. Pendekatan ini menolong menyeimbangkan prediksi yang mungkin
kurang atau berlebih untuk keenam taman hiburan Disney.

2.1.4 Ukuran Akurasi Hasil Peramalan

Akurasi keseluruhan dari setiap model peramalan rata-rata bergerak, penghalusan


eksponensial, atau lainnya dapat dijelaskan dengan membandingkan nilai yang
diramal dengan nilai aktual atau nilai yang sedang diamati. Jika Ft melambangkan
peramalan pada periode t dan At melambangkan permintaan aktual pada periode t,
maka kesalahan peramalannya (deviasinya) adalah sebagai berikut:
Kesalahan peramalan = Permintaan Aktual – Nilai Peramalan
= At - Ft

Ada beberapa perhitungan yang biasa digunakan untuk menghitung kesalahan


peramalan total. Perhitungan ini dapat digunakan untuk membandingkan model
peramalan yang berbeda, mengawasi peramalan, dan untuk memastikan peramalan
berjalan dengan baik. Tiga dari perhitungan yang paling terkenal adalah deviasi
mutlak rerata (mean absolute deviation – MAD), kesalahan kuadrat rerata (mean
squared error – MSE) dan rata-rata kesalahan ramalan (mean forecast error – MFE)
yang biasa dikenal dengan BIAS.

Mean Absolute Deviation adalah ukuran pertama kesalahan peramalan keseluruhan


untuk sebuah model. Nilai ini dihitung dengan mengambil jumlah nilai absolut dari
setiap kesalahan peramalan dibagi dengan jumlah periode data (n).

9
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

∑ |Aktual-Peramalan|
MAD =
n
Hampir semua peranti lunak peramalan menyediakan fitur yang secara otomatis
dapat menemukan konstanta penghalusan dengan kesalahan peramalan terkecil.
Beberapa software mengubah nilai α menjadi lebih besar jika kesalahan menjadi
lebih besar dari batas yang dapat diterima.

Mean Squared Error (MSE) merupakan cara kedua untuk mengukur kesalahan
peramalan keseluruhan. MSE merupakan rata-rata selisih kuadrat antara nilai yang
diramalkan dan diamati. Berikut rumusnya:
∑ (Kesalahan peramalan)2
MSE =
n

Kekurangan MSE adalah MSE cenderung menonjolkan deviasi yang besar karena
adanya penguadratan. Sebagai contoh, jika kesalahan peramalan untuk periode 1
dua kali lipat lebih besar dari kesalahan untuk periode 2, maka kesalahan kuadrat
pada periode 1 lebih besar empat kali lipat dibandingkan kesalahan kuadrat pada
periode 2. Oleh karena itu, menggunakan MSE sebagai perhitungan kesalahan
peramalan biasanya menunjukkan bahwa lebih baik mempunyai beberapa deviasi
yang kecil daripada satu deviasi besar.

MFE (mean forecast error) adalah cara yang sangat efektif untuk mengetahui
apakah hasil peramalan selama periode tertentu terlalu tinggi atau terlalu rendah.
Bila hasil peramalan tidak bias, maka nilai MFE akan mendekati nol. MFE dihitung
dengan menjumlahkan semua kesalahan peramalan selama periode peramalan dan
membaginya dengan jumlah periode peramalan.
∑(𝐴𝑡−𝐹𝑡)
MFE =
𝑛

2.1.5 Metode-metode Peramalan (Forecasting)

Terdapat dua pendekatan umum untuk peramalan sebagaimana ada dua cara
mengatasi semua model keputusan. Pendekatan yang satu adalah analisis kuantitatif
dan pendekatan lain adalah analisis kualitatif. Peramalan kuantitatif (quantitative
forecast) menggunakan model matematis yang beragam dengan data masa lalu dan

10
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

variabel sebab-akibat untuk meramalkan permintaan. Peramalan subjektif atau


kualitatif (qualitative forecast) menggabungkan faktor, seperti intuisi, emosi,
pengalaman pribadi dan sistem nilai pengambil keputusan untuk meramal.
Beberapa perusahaan menggunakan satu pendekatan dan perusahaan lain
menggunakan pendekatan yang lain. Kenyataannya, kombinasi dari keduanya
merupakan kombinasi yang paling efektif.

A. Metode Qualitatitve (Judgemental)

Peramalan kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi,


emosi, pendidikan dan pengalaman seseorang. Oleh karena itu, hasil
peramalan dari satu orang dengan orang yang lain dapat berbeda. Meskipun
demikian, peramalan dengan metode kualitatif tidak berarti hanya
menggunakan intuisi, tetapi juga bisa mengikutsertakan model-model
statistik sebagai bahan masukan dalam melakukan judgement (keputusan),
dan dapat dilakukan secara perseorangan maupun kelompok.

Empat teknik peramalan kualitatif yang berbeda, yaitu:

1. Juri dari opini eksekutif (jury of executive opinion). Dalam metode ini,
pendapat sekumpulan kecil manajer atau pakar tingkat tinggi umumnya
digabungkan dengan model statistik, dikumpulkan untuk mendapatkan
prediksi permintaan kelompok. Sebagai contoh, Bristol-Meyers Squibb
menggunakan 220 ilmuwan terkenal sebagai pendapat juri eksekutif
untuk mendapatkan tren masa depan di bidang penelitian medis.

2. Metode Delphi (Delphi method). Ada tiga jenis partisipan dalam


metode Delphi: pengambilan keputusan, karyawan dan responden.
Pengambilan keputusan biasanya terdiri atas 5 hingga 10 orang pakar
yang akan melakukan peramalan. Karyawan membantu pengambil
keputusan dengan menyiapkan, menyebarkan, mengumpulkan, serta
meringkas sejumlah kuesioner dan hasil survei. Responden adalah
sekelompok orang yang biasanya ditempatkan di tempat yang berbeda
dimana penilaian dilakukan. Kelompok ini memberikan input pada
pengambil keputusan sebelum peramalan dibuat. Sebagai contoh,

11
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

negara bagian Alaska menggunakan metode Delphi untuk meramalkan


ekonomi jangka panjangnya. Sekitar 90% anggaran negara bagian
dihasilkan dari 1,5 juta barel minyak yang dipompa setiap hari melalui
pipa minyak di Prudhoe Bay. Sekumpulan besar pakar harus mewakili
semua kelompok dan pendapat dalam negara bagian dan wilayah.
Delphi merupakan alat peramalan yang sempurna karena perjalanan
para panelis dapat dihindari. Hal ini juga berarti para pemain Alaska
dapat berperan serta karena jadwal mereka tidak dipengaruhi oleh
pertemuan dan jarak.
3. Komposit tenaga penjualan (sales force composite). Dalam pendekatan
ini, setiap tenaga penjualan memperkirakan berapa penjualan yang
dapat dicapai dalam wilayahnya. Kemudian, peramalan ini dikaji untuk
memastikan apakah peramalan cukup realistis. Kemudian, peramalan
tersebut digabungkan pada tingkat wilayah dan nasional untuk
mendapatkan peramalan secara keseluruhan.
4. Survei pasar konsumen (consumer market survey). Metode ini meminta
input dari konsumen mengenai rencana pembelian mereka di masa
depan. Hal ini tidak hanya membantu dalam menyiapkan peramalan,
tetapi juga memperbaiki desain produk dan perencanaan produk baru.
Survei konsumen dan gabungan tenaga penjualan bisa jadi tidak benar
karena peramalan yang berasal dari input konsumen yang terlalu
optimis. Hancurnya industri telekomunikasi di tahun 2001 merupakan
hasil ekspansi berlebihan untuk memenuhi “ledakan permintaan
konsumen”. Oplink Communications, pemasok Nortel Network,
mengatakan, “Beberapa tahun terakhir, peramalan perusahaan hanya
didasarkan pada percakapan informal dengan para konsumen”.
B. Metode Quantitative Time Series (Extrapolative)
1. Metode Penghalusan (Smoothing)
Metode ini digunakan untuk mengurangi ketidakteraturan musiman dari
data yang lalu, dengan membuat rata-rata tertimbang dari sederetan data
masa lalu. Ketepatan peramalan dengan metode ini akan terdapat pada

12
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

peramalan jangka pendek, sedangkan untuk peramalan jangka panjang


kurang akurat.
Metode ini terdiri dari beberapa jenis, antara lain:
a. Metode Rata-rata Bergerak (Moving Average), terdiri atas:
a) Single Moving Average (SMA)
Moving average pada suatu periode merupakan peramalan untuk
satu periode ke depan dari periode rata-rata tersebut. Persoalan
yang timbul dalam penggunaan metode ini adalah dalam
menentukan nilai t (periode rata-rata). Semakin besar nilai t
maka peramalan yang dihasilkan akan semakin menjauhi pola
data. Secara matematis, rumus fungsi peramalan metode ini
adalah:
𝑋𝑡−𝑁+1 +⋯+ 𝑋𝑡+1+𝑋𝑡
Ft+1 =
𝑁
Dimana:
Xt = data pengamatan periode i
N = jumlah deret waktu yang digunakan
Ft+1 = nilai peramalan periode t+1
b) Linier Moving Average (LMA)
Dasar dari metode ini adalah penggunaan moving average kedua
untuk memperoleh penyesuaian bentuk pola trend.
c) Double Moving Average
Notasi yang diberikan adalah MA (M x N), artinya M-periode
MA dan N-periode MA.
d) Weighted Moving Average
Data pada periode tertentu diberi bobot, semakin dekat dengan
saat sekarang semakin besar bobotnya
b. Metode Exponential Smoothing, terdiri atas:
a) Single Exponential Smoothing
Pengertian dasar dari metode ini adalah nilai ramalan pada
periode t+1 merupakan nilai aktual pada periode t ditambah
dengan penyesuaian yang berasal dari kesalahan nilai ramalan

13
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

yang terjadi pada periode t tersebut. Nilai peramalan dapat dicari


dengan menggunakan rumus berikut:
Ft+1 = a × Xt + (1 – a) × Ft
Dimana:
Xt = data permintaan pada periode t
a = faktor/konstanta pemulusan
Ft+1 = peramalan untuk periode t
b) Double Exponential Smoothing (DES)
Double Exponential Smoothing (DES), terbagi atas:
1. Satu parameter (Browns Liniar Method), merupakan metode
yang hampir sama dengan metode linear moving average,
disesuaikan dengan menambahkan satu parameter.
S’t = αXt + (1-α)S’t-1
S”t = αS”t + (1-α)S”t-1
Dimana S’t merupakan single exponential smoothing,
sedangkan S”t merupakan double exponential smoothing.
Rumus perhitungan peramalan pada periode ke t:
Ft+m = at + bt × m
2. Dua parameter (Holt’s Method)
Merupakan metode DES untuk time series dengan trend
linier. Terdapat konstanta yaitu α dan β. Adapun rumusnya
adalah sebagai berikut:
St = αDt + (1 – α)(St-1 + Gt-1)
Gt = β (St – St-1) + (1- β)Gt-1
Dimana:
St = intercept pada waktu t
Gt = slope pada waktu t
Rumusan perhitungan peramalan pada periode ke t:
Ft+m = St × Gt × m
c) Exponential Smoothing dengan musiman
Pola permintaan musiman dipengaruhi karakteristik data masa
lalu, antara lain natal dan tahun baru, lebaran, awal tahun ajaran

14
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

sekolah dan sebagainya. Terdapat dua kemungkinan dari


pengaruh musiman. Pertama dapat bersifat addictive, yaitu
mengabaikan laju penjualan, yaitu mengabaikan laju penjualan
setiap minggu selama bulan Desember, hanya dikatakan
penjualan selama bulan Desember meningkat 200 unit. Kedua,
pengaruh musiman bersifat multiplicative, laju penjualan setiap
minggu selama bulan Desember meningkat dua kali lipat.
c. Metode Proyeksi Kecenderungan dengan Regresi
Metode kecenderungan dengan regresi merupakan dasar garis
kecenderungan untuk suatu persamaan, sehingga dengan dasar
persamaan tersebut dapat diproyeksikan hal-hal yang akan diteliti
pada masa yang akan datang. Penggunaan peramalan jangka pendek
dan jangka panjang, ketepatan peramalan dengan metode ini sangat
baik. Data yang dibutuhkan untuk metode ini adalah tahunan,
minimal lima tahun.
C. Metode Quantitative Causal (Explanatory)
Metode kausal mengasumsikan faktor yang diperkirakan menunjukkan
adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas
(independent). Sebagai contoh, jumlah pendapatan berhubungan dengan
faktor-faktor seperti jumlah penjualan, harga jual, dan tingkat promosi.
Kegunaan dari metode kausal adalah untuk menemukan bentuk hubungan
antara variabel-variabel tersebut dan menggunakannya untuk meramalkan
nilai dari variabel tidak bebas (dependent).

Meramalkan permintaan tidak hanya memperhatikan waktu, tetapi juga


memperhatikan faktor yang mempengaruhi, antara lain:
1. Harga produk, jika harga produk naik maka permintaan naik.
2. Saluran distribusi, jika banyak saluran distribusi maka permintaan
naik.

15
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Metode kausal terdiri atas beberapa metode, antara lain:


a. Metode regresi dan korelasi
Metode regresi dan korelasi pada penetapan suatu persamaan estimasi
menggunakan teknik “least squares”. Hubungan yang ada pertama-
tama dianalisis secara statistic. Ketepatan peramalan dengan
menggunakan metode ini sangat baik untuk peramalan jangka pendek,
sedangkan untuk peramalan jangka panjang ternyata ketepatannya
kurang begitu baik. Metode ini banyak digunakan untuk peramalan
penjualan, perencanaan keuntungan, peramalan permintaan dan
peramalan keadaan ekonomi. Data yang dibutuhkan untuk
penggunaan metode ini adalah data kurtalan dari beberapa tahun lalu.

Metode kecenderungan dengan regresi merupakan dasar garis


kecenderungan untuk suatu persamaan, sehingga dengan dasar
persamaan tersebut dapat diproyeksikan hal-hal yang akan diteliti
pada masa yang akan datang. Penggunaan peramalan jangka pendek
dan jangka panjang, ketepatan peramalan dengan metode ini sangat
baik. Data yang dibutuhkan untuk metode ini adalah tahunan, minimal
lima tahun, namun semakin banyak data yang dimiliki semakin
banyak hasil yang diperoleh.

b. Metode ekonometrik
Metode ini didasarkan atas peramalan sistem persamaan regresi yang
diestimasikan secara simultan. Baik untuk peramalan jangka pendek
maupun peramalan jangka panjang, ketepatan peramalan dengan
metode ini sangat baik. Metode peramalan ini selalu dipergunakan
untuk peramalan penjualan menurut kelas produk atau peramalan
keadaan ekonomi masyarakat, seperti permintaan, harga dan
penawaran. Data yang dibutuhkan untuk penggunaan metode
peramalan ini adalah data kuartalan beberapa tahun.

c. Metode input-output
Metode ini dipergunakan untuk menyusun proyeksi trend ekonomi
jangka panjang. Model ini kurang baik ketepatannya untuk peramalan

16
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

jangka panjang. Model ini banyak dipergunakan untuk peramalan


penjualan perusahaan, penjualan sektor industri dan sub sektor
industri, produksi dari sektor dan sub sektor industri. Data yang
dibutuhkan untuk penggunaan metode atau model ini adalah data
tahunan selama sekitar sepuluh sampai lima belas tahun.

2.2 RENCANA PRODUKSI AGREGAT

Menurut Heizer dan Render, Perencanaan Agregat (atau penjadwalan agregat)


merupakan sebuah pendekatan untuk menentukan kuantitas dan waktu produksi
pada jangka menengah biasanya 3 sampai 18 bulan ke depan. Para manajer operasi
berusaha menentukan jalan terbaik untuk memnuhi permintaan yang diprediksi
dengan menyesuaikan nilai produksi, tingkat tenaga kerja, tingkat persediaan,
pekerjaan lembur, tingkat subkontrak, dan variable lain yang dapat dikendalikan.

Menurut Harjanto perencanaan agregat merupakan bagian rencana bisnis yang


menyangkut kegiatan produksi atau operasi disebut rencana produksi atau dikenal
dengan istilah perencanaan agregat. Perencanaan dan penjadwalan adalah bentuk
pengambilan keputusan yang digunakan secara teratur dalam banyak manufaktur
dan industri jasa.

2.2.1 Definisi Perencanaan Agregat

Perencanaan produksi agregat berangkat dari permasalahan adanya


ketidakseimbangan antara permintaan dan kemampuan produksi pada setiap
periode perencanaan. Hal ini karena secara umum tingkat permintaan suatu produk
selalu tidak sama antar periode satu ke periode lain. Adakalanya tingkat permintaan
di atas kapasitas produksi dan ada kalanya di bawah kapasitas produksi. Tujuan
perencanaan produksi agregat adalah untuk mengembangkan suatu rencana
produksi pada tingkat agregat yang layak untuk mencapai suatu keseimbangan
antara permintaan dan kapasitas produksi dengan biaya yang minimum.

Berdasarkan Schroeder perencanaan agregat berkenaan dengan tingkat penawaran


dan tingkat permintaan atas output selama jangka waktu menengah yaitu sampai 12
bulan kedepan. Kata agregat mengimplikasikan bahwa perencanaan dilakukan
dengan satu ukuran menyeluruh atas output. Menurut Heizer dan Render

17
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

perencanaan agregat adalah sebuah pendekatan untuk menentukan kuantitas dan


waktu produksi pada jangka menengah yaitu 3 sampai 8 bulan yang akan datang.

2.2.2 Tujuan Perencanaan Agregat

Menurut Heizer dan Render tujuan perencanaan agregat adalah untuk memenuhi
permintaan atas perkiraan masa depan dan meminimalkan biaya selama periode
perencanaan. Namun, banyak hal yang perlu diperhatikan mungkin jauh lebih
penting daripada biaya yang rendah. Strategi ini mungkin untuk kelancaran tingkat
kerja, menurunkan tingkat persediaan, dan untuk memenuhi permintaan pelanggan
dengan tingkat layanan yang lebih baik. Menurut Schroeder tujuan dari
perencanaan agregat adalah untuk membuat tingkat output secara keseluruhan
untuk kebutuhan permintaan di masa depan yang berfluktuasi. Perencanaan agregat
dihubungkan dengan keputusan bisnis lainnya seperti keuangan, pemasaran, dan
sumber daya manusia.

Chase dan Aquilano berpendapat bahwa tujuan dari perencanaan agregat adalah
menentukan kombinasi yang optimal dari tingkat produksi, jumlah tenaga kerja,
dan tingkat persediaan. Perencanaan agregat yang tergolong perencanaan jangka
menengah memegang peranan penting dalam perencanaan operasi secara
kesuluruhan. Menurut Kusuma tujuan dari perencanaan agregat adalah
menggunakan sumber daya manusia dan peralatan secara produktif. Penggunakaan
kata agregat menunjukan bahwa perencanaan ditunjukan bahwa perencanaan
dilakukan di tingkat kasar dan dimaksudkan untuk memenuhi kebutuhan total
seluruh produk dengan menggunakan seluruh sumber daya manusia dan peralatan
yang ada pada fasilitas produksi tersebut.

2.2.3 Metode Perencanaan Agregat

Perencanaan agregat merupakan perencanaan untuk menentukan, mengalokasikan


dan menyesuaikan kapasitas produksi untuk memenuhi jumlah permintaan pada
suatu periode tertentu. Menurut Narasimahan et al. terdapat beberapa metode untuk
memecahkan masalah tentang perencanaan agregat terdapat dua metode, yaitu:

18
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

1. Metode Kualitatif
a. Intitutive Method
b. Inventoty Method
2. Metode Kuantitatif
a. Charting and Graphical Methods
b. Liniear Programming
c. Liniear Decision Rule
d. Transportasi
e. Management Coefficients Model

Manajer produksi harus bisa menetapkan rencana produksi yang tepat. Pembuatan
suatu rencana produksi yang tepat harus mempertimbangkan seluruh variable dan
parameter yang berkaitan secara langsung, untuk memenuhi tuntutan itu manajer
produksi membutuhkan sebuah model yang akan berfungsi sebagai alat bantu untuk
memperoleh gambaran umum mengenai masalah yang sedang dihadapi. Berikut ini
merupakan penjelasan dari Model yang sering digunakan dalam metode
perencanaan produksi, yaitu:

1. Intitutive Method
Manajemen menggunakan rencanan yang sama dari tahun ke tahun.
Penyelesaian dilakukan dengan intuisi hanya sekedar untuk memenuhi
permintaan baru. Apabila rencana yang lama ternyata tidak optimal,
pendekatan ini mengakibatkan pemborosan yang berkepanjangan.

2. Inventory Ratio
Konsep yang sering digunakan dalam perencanaan produksi karena kinerja
manajer sering diukur oleh rasio perputaran fasilitas, mereka dapat
mencapai menggunakan perputaran rasio untuk mengendalikan kapasitas
produksi. Bagaimanapun, metode itu memiliki kelemahan yaitu itu
mengarah ke perputaran yang besar ditingkat persediaan untuk pola
permintaan berfluktuasi. karena permintaan yang berfluktuasi, perputaran
rasio tidak konstan dan karena itulah menyebabkan kesalahan.

19
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

3. Metode Diagram dan Grafik (Charting and Graphical Methods)


Metode diagram dan grafik mudah untuk dimengerti dan mudah untuk
digunakan. Pada dasarnya metode ini dapat dilakukan dengan beberapa
variabel pada waktu uji coba. Mereka membutuhkan upaya komputasi
hanya kecil. esensi dari masalah perencanaan agregat terbaik digambarkan
oleh kebutuhan produksi dan proyeksi beban kerja kumulatif.

Rencana pada teknik metode graik ini menggunakan beberapa variable


secara bersama agar perencana dapat membandingkan permintaan yang
diproyeksikan dengan kapasitas yang ada. Pendekatan ini merupakan
pendekatan ujicoba yang tidak menjamin sebuah rencana produksi yang
optimal, tetapi hanya membutuhkan perhitungan yang terbatas dan dapat
dilakukan oleh karyawan administrasi sekalipun.

Berikut ini adalah 5 tahapan dalam pembuatan metode diagram dan grafik:
a. Tentukan permintaan pada setiap periode.
b. Tentukan beberapa kapasitas pada waktu biasa, waktu lembur, dan
tindakan subkontrak pada setiap periode.
c. Tentukan biaya tenaga kerja, biaya pengangktan dan pemberhentian
tenaga kerja, serta biaya penambahan persediaan.
d. Kembangkan kebijakan perusahaan yang dapat diterapkan pada para
pekerja dan tingkat persediaan.
e. Kembangkan rencana-rencana alternatif dan amatilah biaya total.

4. Linear Programming
Linear Programming dapat digunakan sebagai alat perencanaan agregat.
Model ini dibuat karena validitas pendekatan koefisien manajemen sukar
dipertanggung jawabkan. Asumsi utama model program linier dalam
perencanaan agregat adalah biaya biaya variable ini bersifat linier dan
variable-variabel tersebut dapat berbentuk bilangan riil. Asumsi ini sering
kali menyebabkan model program linier kurang realistis jika diterapkan.
Misalnya asumsi kondisi ketiadaan persediaan produk jadi yang berbanding
lurus dengan jumlah ketiadakaan persediaan produk jadi.

20
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

5. Linear Decision Rule


Menurut Kusuma Linear Decision Rule mencoba untuk menetapkan tingkat
produksi optimal dan tenaga kerja pada periode tertentu. LDR
meminimalkan biaya total yang terdiri atas upah, perekrutan,
pemberhentian, lembur dan persediaan melalui kurva biaya yang kuadratis.
Program linier adalah suatu teknik matematis yang digunakan untuk
memninimasi atau memaksimasi suatu fungsi linear objektif terhadap
variable–variable non negative, dalam perencanaan tersebut digunakan
untuk memutuskan tentang aktivitas tertentu untuk dilakukan dan
bagaimana kekurangan sumber daya dialokasikan sedemikian rupa
sehingga sasaran seperti biaya biaya minimum atau laba maksimum dapat
dicapai.

6. Transportasi
Metode transportasi sering digunakan dalam proses determinasi
perencanaan minimasi biaya. Secara sederhana, teknik terkomputerisasi
secara lebih efisien dikembangkan masalah transportasi. Kusuma
mengatakan untuk kepentingan yang praktis, biegel mengusulkan model
perencanaan produksi agregat dengan menggunakan teknik Transport
Shipment Problem (TSP). Model transportasi ini dilakukan dengan
menggunakan bantuan tabel transportasi.

7. Management Coefficients Model


Metode perencanaan agragat dengan menggunakan model koefisiensi
manajemen membentuk sebuah model keputusan formal diseputar
pengalaman dan kinerja manajer. Asumsi yang digunakan adalah kinerja
manajer yang lalu cukup baik sehingga dapat digunakan sebagai untuk
keputusan masa depannya. Teknik ini menggunakan sebuah analisis regresi
dari keputusan produksi masa lalu yang dibuat oleh manajer. Kekurangan
dari metode ini adalah seseorang manajer umumnya memiliki sikap
inkonsistensi dalam mengambil keputusan.

21
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

2.2.4 Strategi Perencanaan Agregat

Menurut Russel dan Taylor membagi 3 (tiga) macam strategi perencanaan agregat,
yaitu chase strategy, level strategy, mixed strategi. Chase strategy merupakan
kapasitas produksi dapat divariasikan pada strategi ini dengan menggunakan jam
kerja lembur (overtime), jam kerja reguler (regular time), dan subkontrak. Level
strategy ini menggunkan persediaan dari adanya variasi dalam permintaan, dimana
pada saat permintaan menurun, kelebihan produksi disimpan sebagai persediaan
untuk digunakan pada saat permintaan meningkat. Sedangkan Mixed strategy
merupakan kombinasi dari chase strategy dan level strategy.

Permasalahan perencanaan agregat dapat diselesaikan dengan mempertimbangkan


berbagai keputusan pilihan yang tersedia. Pilihan perencanaan menurut Heizer dan
Render dapat dibagi 2 yaitu dengan memodifikasi permintaan dan pilihan kedua
adalah memodifikasi kapasitas, berikut penjelasan dari masing-masing pilihan:
1. Pilihan kapasitas (Capacity Options)
Pilihan kapasitas merupakan pilihan yang tidak berusaha mengubah
permintaan tetapi untuk menyerap fluktuasi dalam permintaan dengan
mengubah kapasitas yang tersedia. Pilihan kapasitas terdiri dari 5 pilihan,
yaitu:
a. Mengubah tingkat persediaan dengan cara meningkatkan persediaan
selama periode permintaan rendah untuk memenuhi permintaan yang
tinggi dimasa yang akan datang. Akibatnya muncul biaya yang
berkaitan dengan penyimpanan.
b. Meragamkan jumlah tenaga kerja dengan cara merekrut atau
memperhentikan, dimana jumlah karyawan dapat disesuaikan dengan
tingkat produksi yang diinginkan. Akibatnya adalah moral pekerja dan
berpengaruh terhadap produktivitas, serta munculnya biaya tambahan
yang berupa biaya pelatihan dalam perekrutan maupun biaya untuk gaji
pesangon karyawan.
c. Meragamkan tingkat produksi lembur atau waktu kosong, dalam pilihan
ini jumlah tenaga kerja tetap konstan, namun waktu kerja diragamkan
dengan mengurangi jam kerja ketika permintaan rendah, dan melakukan

22
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

lembur jika permintaan tinggi. Akibatnya muncul upah lembur yang


tinggi daripada upah regular.
d. Sub kontrak, dalam hal ini sub kontrak dapat diartikan sebagai kegiatan
yang melakukan realokasi kebutuhan produksi antar perusahaan agar
melancarkan proses produksi. Akibatnya harga yang mahal dapat
menambah biaya pengeluaran perusahaan bertambah dan kualitas dari
perusahaan lain yang melakukan subkontrak tidak sesuai seperti yang
diharapkan.
e. Penggunaan karyawan paruh waktu. Apabila permintaan perusahaan
sedang tinggi maka perusahaan akan merkrut karyawan tidak tetap
untuk memenuhi kebutuhan produksi. Akibatnya menggunakan tenaga
kerja paruh waktu, kinerja karyawan tersebut tidak terampil.
2. Pilihan Permintaan (Demand Options)
Pilihan permintaan merupakan pilihan yang berusaha untuk mengurangi
perubahan pola permintaan selama periode perencanaan. Pilihan
permintaan terdiri dari 3 pilihan, yakni:
a. Mempengaruhi permintaan. Kegiatan promosi, iklan, dan diskon
digunakan ketika permintaan sedang rendah. Bagaimanapun iklan
khusus, promosi, penjualan, dan penetapan harga tidak selalu mampu
menyeimbangkan permintaan dengan kapasitas produksi.
b. Tunggakan pesanan selama periode permintaan tinggi. Tunggakan
pesanan adalah pesanan barang atau jasa yang diterima perusahaan
tetapi tidak mampu (secara sengaja atau kebetulan) untuk dipenuhi pada
saat itu. Pilihan ini digunakan ketika pelanggan berkenan menunggu
tanpa kehilangan kehendak atas pesanannya, namun konsekuensinya
adalah bisa berakibat kehilangan penjualan.
c. Perpaduan produk dan jasa yang counterseasonal (dengan musim yang
berbeda). Perusahaan mengembangkan produk yang merupakan
perpaduan dari barang counterseasonal. Contohnya adalah perusahaan
yang membuat pemanas dan pendingin ruangan, perusahaan yang
menerapkan pendekatan ini mungkin akan menghadapi produk atau jasa
di luar area keahlian atau di luar target pasar mereka.

23
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

3. Pilihan Campuran
Meskipun lima pilihan kapasitas dan tiga pilihan permintaan dapat
menghasilkan jadwal agregat yang efektif, beberapa kombinasi diantara
pilihan kapasitas dan pilihan permintaan mungkin akan lebih baik.
a. Strategi Perburuan (Chase Strategy). Mencoba untuk mencapai tingkat
output untuk setiap periode yang memenuhi prediksi permintaan untuk
periode tersebut. Strategi ini dapat terpenuhi dengan berbagai cara.
Sebagai contoh, manajer operasi dapat negubah-ubah tingkat tenaga
kerjadengan merekrut atau memberhentikan karyawan, atau dapat
mengubah-ubah jumlah produksi dengan waktu lembur, waktu kosong,
karyawan paruh waktu, atau subkontrak. Banyak organisasi jasa
menyukai strategi perburuan ini karena pilihan persediaan sangatlah
sulit atau mustahil untuk diadopsi. Industri yang telah beralih ke strategi
perburuan meliputi sector pendidikan, perhotelan,dan konstruksi.
b. Strategi tingkat atau penjadwalan tingkat (Level Strategy). Adalah
rencana agregat dimana tingkat produksi tetap sama dari period eke
periode. Perusahaan seperti Toyota dan Nissan mempertahankan tingkat
produksi mereka pada tingkat yang seragam dan mungkin (1)
memberikan persediaan produk mereka naik atau turun untuk menopang
perbedaan antara jumlah permintaan dan produksi atau (2) menemukan
pekerjaan alternative bagi karyawan. Filosofi mereka dalah tenaga kerja
yang stabil menciptakan produk dengan kualitas lebih baik, lebih sedikit
perputaran karyawan dan ketidakhadiran, serta karyawan yang lebih
berkomitmen terhadap tujuan perusahaan. Penghematan lain mencakup
karyawan yang lebih berpengalaman, penjadwalan dan pengawasan
yang lebih mudah, serta lebih sedikit pembukaan dan penutupan usaha
yang dramatis. Penjadwalan bertingkat akan bekerja dengan baik ketika
permintaan cukup stabil.

2.2.5 Biaya Perencanaan Agregat

Menurut Narasimhan sebagian besar metode perencanana agregat menentukan


suatu rencana yang minimasi biaya. Jika permintaan diketahui, maka biaya-biaya
berikut harus dipertimbangkan:

24
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

1. Hiring Cost (Ongkos Penambahan Tenaga Kerja)


Penambahan tenaga kerja menimbulkan ongkos-ongkos untuk iklan, proses
seleksi, dan training. Ongkos training merupakan ongkos yang besar apabila
tenaga kerja yang direkrut adalah tenaga kerja baru yang belum
berpengalaman.
2. Firing Cost (Ongkos Pemberhentian Tenaga Keja)
Pemberhentian tenaga kerja biasanya terjadi karena semakin rendahnya
permintaan akan produk yang dihasilkan, sehingga tingkat produksi akan
menurun secara drastis ataupun karena persoalan teknis seperti
produktivitas yang menurun, serta factor yang ada pada diri tenga kerja itu
sendiri.pemberhentian ini mengakibatkan perusahaan harus mengeluarkan
uang pesangon bagi karyawan yang diPHK, menurunkan moral kerja dan
produktifitas karyawan yang masih bekerja, dan tekanan yang bersifat
sosial.
3. Overtime Cost and Undertime Cost (Ongkos Lembur Dan Ongkos
Menganggur.
Penggunaan waktu lembur bertujuan untuk meningkatkan output produksi,
tetapi konsekuensinya perusahaan harus mengeluarkan ongkos tambahan
lembur yang biasanya 150% dari ongkos kerja regular. Disamping ongkos
tersebut, adanya lembur biasanya akan memperbesar tingkat absent
karyawan dikarenakan faktor kelelahan fisik pekerja. Kebalikan dari
kondisi diatas adalah bila perusahaan mempunyai kelebihan tenaga
kerjadimandingkan dengan jumlah tenaga kerja yang dibutuhkan untuk
kegiatan produksi. Tenaga kerja berlebih ini kadang-kadang bisa
dialokasikan untuk kegiatan lain yang produktif meskipun tidak selamanya
efektif. Bila tidak dapat dialokasikan yang efektif. Maka perusahaan
dianggap menanggung ongkos menganggur yang besarnya merupakan
perkalian antara jumlah yang tidak terpakai dengan tingkat uaph dan
tunjangan lainnya.

25
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

4. Inventory Cost and Back Order Cost (Ongkos Persediaan dan Ongkos
Kehabisan Persediaan
Persediaan mempunyai fungsi mengantisipasi timbulnya kenaikan
permintaan pada saat-saat tertentu. Konsekuensi dari kebijakakan
perusahaan adalah timbulnya ongkos penyimpanan (Inventory cost dan back
order cost) yang berupa ongkos tertahannya modal, pajak, asuransi,
kerusakan bahan, dan ongkos sewa gudang. Kebalikan dari kondisi diatas,
kebijakkan tidak mengadaaan persediaan. Seolah–olah menguntungkan
tetapi sebenarnya dapat menimbulkan kerugian dalam bentuk ongkos
kehabisan persediaan. Ada tiga jenis biaya dalam persediaan menurut
Heizer dan Render antara lain:
a. Biaya penyimpanan (holding cost) yaitu biaya yang terkait dengan
menyimpan atau membawa persediaan selama waktu tertentu.
Jenis biaya penyimpanan sebagai berikut:
a) Biaya modal
b) Biaya gudang
c) Biaya penyusutan, kerusakan
d) Biaya keusangan dan kehilangan
e) Biaya kehabisan stok
b. Biaya pemesanan (ordering cost) mencakup biaya dari persediaan,
formulir, proses pesanan, pembelian, dukungan administrasi dan
seterusnya. Ketika pesanan sedang diproduksi, biaya pesanan juga ada,
tetapi mereka adalah bagian dari biaya penyetelan.
c. Biaya penyetelan (setup cost) adalah biaya untuk mempersiapkan
sebuah mesin atau proses untuk membuat sebuah pesanan. Ini
menyertakan waktu dan tenaga kerja untuk membersihkan serta
mengganti peralatan. Manager operasi dapat menurunkan biaya
pemesanan dengan mengurangi biaya penyetelan serta menggunkan
prosedur yang lebih efisien seperti pemesanan dan pembayaran
elektronik.

26
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

d. Sub-contract (Ongkos Sub Kontrak)


Pada saat permintaan melebihi kemampuan kapasitas reguler, biasanya
perusahaan melakukan sub kontrak kelebihan permintaan yang tidak
bisa ditanganinya sendiri kepada perusahaan lain. Konsekuensinya dari
kebijakan ini adalah timbulnya ongkos sub kontrak, dimana biasanya
ongkos untuk melakukan sub kontrak ini menjadi lebih mahal
dibandingkan memproduksi sendiri dan adanya resiko terjadinya
keterlambatan penyerahan dari kontraktor.

2.2.6 Pemilihan Metode Peramalan

Dasar dari pertimbangan dalam pemilihan metode peramalan yang akan digunakan
adalah:
1. Pengguna atau pelaku dan kecanggihan metode.
2. Waktu peramalan dan sumber data yang tersedia.
3. Tergabung pada tujuan penggunaan dan karakteristik keputusan manajemen
yang meliputi antara lain:
a. Akurasi hasil peramalan
b. Jangka waktu penggunaan hasil peramalan
c. Jumlah item yang akan diramalkan
d. Tersedianya data
e. Pola data
Metode peramalan yang terbaik adalah metode yang menggambarkan penekanan
pada data waktu yang berurutan. Apabila pola data penuh dengan random noise dan
nonlinear maka pada metode peramalan kualitatif yang terbaik atau ringkasan
pemilihan metode peramalan dapat dilihat pada tabel di bawah ini:

Tabel 2. 1 Pemilihan Metode Peramalan


Tingkat
Tujuan Peramalan Jangka Waktu Akurasi Metode
Manajemen
Rencana proses Jangka panjang Sedang Tinggi Qualitative/Causal
Kapasitas/fasilitas Jangka panjang Sedang Tinggi Qualitative/Causal
Rencana agregat Jangka panjang Tinggi Menengah Cusal/Time series
Penjadwalan Jangka panjang Tertinggi Rendah Time series
Inventori Jangka panjang Tertinggi Rendah Time series
(Sumber: Heizer, 2001)

27
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

2.3 DISAGREGASI DAN MASTER PRODUCTION SCHEDULE


2.3.1 Perencanaan dan Pengendalian Produksi

Sebuah perusahaan manufaktur yang melakukan proses produksi merupakan bagian


yang sangat penting, maka setiap perusahaan harus bisa memproduksi dengan baik,
untuk melaksanakan fungsi-fungsi produksi dengan baik, diperlukan rangkaian
kegiatan yang akan membentuk suatu sistem produksi, untuk itu dilakukan
perencanaan untuk memonitor hasil produksi aktual terhadap rencana produksi dan
membuat penyesuaian. Dengan adanya perencanaan, kegiatan produksi yang akan
dilakukan akan lebih terarah dan perusahaan dapat mencapai tujuan dengan baik.

Proses perencanaan dimulai dengan perencanaan demand hingga penentuan Jadwal


Induk Produksi (Master Production Schedule), untuk jenis produksi massal yang
melibatkan hanya satu jenis produk, perencanaan produksi tidak perlu melalui tahap
disagregasi, dan perencanaan produksi sudah menjadi Jadwal Induk Produksi (JIP).

Peramalan terhadap kondisi pasar atau meramalkan apa yang diinginkan oleh
konsumen merupakan hal yang perlu diperhatikan dalam perencanaan produksi.
Produk yang harus diproduksi, kuantitas produk yang akan diproduksi, waktu untuk
aktivitas produksi, dan sumber-sumber yang dibutuhkan untuk berproduksi harus
ditetapkan dalam perencanaan produksi.

Dasarnya tahap-tahap dari proses perencanaan produksi adalah sebagai berikut:

1. Mengumpulkan data yang relevan dengan perencanaan produksi. Beberapa


informasi yang dibutuhkan adalah sales forecast yang bersifat tidak pasti
dan pesanan-pesanan yang bersifat pasti selama periode tertentu.
Selanjutnya perlu pula diperhatikan backlog (pesanan yang telah diterima
pada waktu lalu namun belum dikirim), kuantitas produksi di waktu lalu
yang masih kurang dan harus diproduksi, dan lain-lain.
2. Mengembangkan data yang relevan dalam bentuk tabel.

3. Menentukan kapabilitas produksi, berkaitan dengan sumber-sumber daya


yang ada.
4. Melakukan partnership meeting yang dihadiri oleh manajer umum,
manajer PPIC, manajer produksi, manajer pemasaran, manajer keuangan,

28
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

manajer rekayasa, dan manajer-manajer lain yang dianggap relevan.


Disini diasumsikan bahwa yang menjalankan operasi manufakturing
sehari-hari adalah manajer umum dengan dibantu oleh para manajer
lainnya dan mereka mempunyai otoritas untuk membuat keputusan.

Perencanaan produksi juga merupakan acuan untuk menyusun Jadwal Induk


Produksi (JIP). Beberapa fungsi lain perencanaan produksi, yaitu:
1. Menjamin rencana penjualan dan rencana produksi konsisten terhadap
rencana strategis perusahaan.
1. Sebagai alat ukur performansi proses perencanaan produksi.
2. Memonitor hasil produksi aktual terhadap rencana produksi dan
membuat penyesuaian.
3. Mengatur persediaan produk jadi untuk mencapai target produksi dan
rencana strategis.
4. Mengarahkan penyusunan dan pelaksanaan Jadwal Induk Produksi.

Tujuan perencanaan produksi adalah:


1. Sebagai langkah awal untuk menentukan aktivitas prduksi yaitu sebagai
referensi perencanaan lebih rinci dari rencana agregat menjadi item dalam
Jadwal Induk Produksi.
2. Sebagai masukan rencana sumber daya sehingga perencanaan sumber daya
dapat dikembangkan untuk mendukung perencanaan produksi.
3. Meredam (stabilisasi) produksi dan tenaga kerja terhadap fluktuasi
permintaan.

Secara umum proses perencanaan produksi dan pengendalian produksi dapat dibagi
menjadi beberapa tahap:
1. Business Planning
Pada tahap ini dilakukan penentuan orientasi pasar, jenis produk dan
rencana penjualan perusahaan.
2. Perencanaan produksi (Production Planning)
Perencanaan produksi melalui hasil peramalan dengan mempertimbangkan
tingkat persediaan dan target backlog sehingga menghasilkan rencana
produksi untuk tingkat famili produk.

29
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

3. Jadwal Induk Produksi (Master Schedule Planning)


Tahap ini merupakan penguraian rencana produksi family produk (hasil
Production Planning ) menjadi produk individu (item).
4. Rough Cut Capacity Planning (RCCP)
Tahap ini merupakan validasi Jadwal Induk Produksi terhadap kapasitas
yang tersedia, terutama untuk sumber yang kritis.
5. Perencanaan kebutuhan material (Material Requirements Planning) Tahap
ini merupakan proses penjabaran produk (item) menjadi bahan
baku/komponen (part) yang diperlukan, sehingga tahap ini merupakan
tahap penentuan order pembelian atau order pembuatan.
6. Perencanaan kebutuhan kapasitas (Capacity Requirement Planning) Tahap
ini merupakan proses pemeriksaan beban kerja dalam penentuan hasil
perencanaan kapasitas. Tahap ini juga merupakan proses perbandingan
secara rinci kapasitas yang dibutuhkan MRP dengan situasi shop floor yang
sebenarnya.

Perencanaan produksi digunakan untuk menyesuaikan permintaan yang berasal dari


peramalan dengan seluruh kemampuan yang ada di shop floor perusahaan. Dengan
kata lain perusahaan tidak dapat begitu saja mengikuti hasil peramalan yang telah
didapatkan. Karena ketidakpastian hasil peramalan, Tipe dari perusahaan
manufaktur, ongkos yang timbul ketika mengubah tingkat atau level produksi.

2.3.2 Disagregasi

Pada perencanaaan produksi tidak dibahas produk yang diproduksi secara rinci
melainkan dalam bentuk agregat yaitu satuan yang mempresentasikan kumpulan
beberapa produk. Agar rencana tersebut dapat diimplementasikan, perlu dilakukan
disagregasi dalam jumlah produksi masing-masing produk individu (item). Hasil
disegregasi ini menjadi Jadwal Induk Produksi dan merupakan masukan untuk
perencanaan kebutuhan material. Ada beberapa metode yang mencoba untuk
memecahkan permasalahan disagregasi. Berikut ini akan dibahas suatu metode
yang dikembangkan Hax dan Britan, metode ini terdiri dari 2 algoritma yaitu:

1. Algoritma untuk memecahkan rencana agregat dalam jumlah produk famili.

30
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

2. Algoritma untuk memecahkan jumlah produksi famili dalam jumlah produk


individu (item).

Sebelum melanjutkan prosedur di atas, terlebih dahulu akan dibahas istilah-istilah


yang digunakan dalam campuran produk (product mix). Famili didefenisikan
sebagai sekumpulan produk sejenis yang layak diproduk bersama, dipandang dari
sudut ekonomi dan teknologi, dengan kata lain biaya pergantian produksi dari satu
famili ke famili lain besar, perlu dilakukan perencanaan untuk menentukan famili
mana yang akan diproduksi sebelum menentukan untuk pindah ke famili lainnya.
Secara umum, di dalam suatu pabrik ada beberapa famili. Kumpulan famili disebut
tipe produk.

Langkah pertama prosedur ini yaitu menetukan famili mana yang akan diproduksi.
Hal ini dilakukan dengan mempertimbangkan jumlah produk tersedia dan jumlah
permintaan setiap produk dalam famili. Jika expektasi jumlah produk pada akhir
periode lebih kecil dari persediaan cadangan (safety stock), maka seluruh produk
dalam famili tersebut diproduksi. Secara formula untuk produk j dalam famili, jika
jumlah expektasi qijt pada akhir periode t lebih kecil dari persediaan cadangan Ssij,
seluruh produk di dalam famili akan diproduksi. Jika Iijt-1 adalah jumlah persediaan
produk pada akhir periode t-1 dan jumlah permintaan adalah Dij.t maka jika:

qijt = Iijt-1 - Dijt

Hasil yang diperoleh dari proses disagregasi adalah:


a. Demand tiap end item.
b. On hand tiap end item.
c. Master Production Schedule.

Metode yang digunakan dalam proses disagregasi adalah:


a. Metode Heuristik.
b. Metode Analitik.
c. Linier Programming method.
d. Integer Programming method.
e. Family Set Up Method.

31
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Metode-metode dalam diasgregasi:


1. Pendekatan Hax and Meal.
2. Pendekatan Britian and Hax.
3. Rencana yang lebih tinggi menjadi pembatas atau kendala bagi rencana
tingkat rendah.
4. Agregat taktis.

2.3.3 Langkah-langkah Disagregasi

A. Menentukan famili yang akan diproduksi.


Suatu famili akan diproduksi bila salah satu item j dari famili tersebut memenuhi
syarat sebagai berikut:
Iij . t-1-Dij.t ≤ SSij

Keterangan:
Iij,t-1 = Tingkat persediaan pada akhir periode t-1 dari item j famili i
Dij,t = Permintaan item j famili i pada periode t
SSij = Cadangan pinjaman (safety stock) item j dalam famili i
Item yang berjumlah kurang dari safety stock (SSij) harus segera dibuat supaya tidak
terjadi kekurangan.

B. Disagregasi famili.
C. Disagregasi item.

2.3.4 Master Production Schedule (MPS)

Jadwal Induk Produksi merupakan suatu perencanaan tentang produk akhir dari
suatu perusahaan industri manufaktur yang merencanakan memproduksi output
berkaitan dengan kuantitas dan periode waktu. MPS mendisagregasikan dan
mengimplementasikan rencana produksi. Apabila rencana produksi yang
merupakan hasil dari proses perencanaan produksi dinyatakan dalam bentuk
agregat. Aktivitas penjadwalan induk produksi pada dasarnya berkaitan dengan
bagaimana menyusun dan memperbaharui MPS, memproses transaksi dari MPS,
memelihara catatan-catatan MPS, mengevaluasi efektifitas dari MPS dan
memberikan laporan evaluasi dalam periode waktu yang teratur untuk keperluan
umpan balik dan tinjauan ulang.

32
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Berdasarkan uraian diatas, kita mengetahui bahwa MPS berkaitan dengan


pernyataan tentang produksi dan bukan pernyataan tentang permintaan pasar.
MPS sering didefinisikan sebagai anticipated build schedule untuk item-item
yang disusun oleh perencana Jadwal Induk Produksi (MPS). MPS membentuk
jalinan komunikasi antara bagian pemasaran dan bagian manufakturing,
sehingga seyogyanya bagian pemasaran juga mengetahui informasi yang ada
dalam MPS terutama berkaitan dengan ATP (Available To Promise) agar dapat
memberikan janji yang akurat kepada pelanggan.

Penjadwalan Induk Produksi berkaitan dengan aktivitas untuk melakukan 4


fungsi utama yaitu:

1. Menyediakan atau memberikan input utama kepada sistem perencanaan


kebutuhan material dan kapasitas (Material and Capacity Requirements
Planning).
2. Menjadwalkan pesanan-pesanan produksi dan pembelian (Production and
Purchase Order) untuk item-item MPS.
3. Memberikan landasan untuk penentuan kebutuhan sumber daya dan
kapasitas.
4. Memberikan basis untuk pembuatan janji tentang penyerahan produk
(delivery promises) kepada pelanggan.

Sebagai suatu aktivitas proses, penjadwalan induk produksi (MPS)


membutuhkan 5 input utama, yaitu:

1. Data Permintaan Total


Merupakan salah satu sumber data bagi proses penjadwalan induk
produksi. Data permintaan total berkaitan dengan ramalan penjualan
(sales forecasts) dan pesanan-pesanan (orders).
2. Status Inventori
Berkaitan dengan informasi tentang on-hand inventory,stok yang
dialokasikan untuk penggunaan tertentu (allocated stock), pesanan-
pesanan produksi dan pembelian yang dikeluarkan (released production
and purchase orders) dan firm planned orders. MPS harus mengetahui

33
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

secara akurat berapa banyak inventori yang tersedia dan menentukan


berapa banyak yang harus dipesan.
3. Rencana Produksi
Memberikan sekumpulan batasan kepada MPS. MPS harus
menjumlahkannya untuk menentukan tingkat produksi, inventory dan
sumber-sumber daya lain dalam rencana produksi itu.
4. Data Perencanaan
Berkaitan dengan aturan-aturan tentang lot-sizing yang harus digunakan,
shrinkage factor, stok pengaman (safety stock), dan waktu tunggu (lead
time) dari masing-masing item yang biasanya tersedia dalam file induk dari
item (Item Master Fil).
5. Informasi dari RCCP
Berupa kebutuhan kapasitas untuk mengimplementasikan MPS menjadi
salah satu input bagi MPS. RCCP menentukan kebutuhan kapasitas untuk
mengimplementasikan MPS, menguji kelayakan dari MPS, dan
memberikan umpan balik kepada perencana atau penyusun Jadwal Induk
Produksi (master scheduler) untuk mengambil tindakan perbaikan apabila
ditemukan adanya ketidaksesuaian antara penjadwalan induk produksi dan
kapasitas yang tersedia.

2.3.5 Fungsi Jadwal Induk Produksi

Jadwal Induk Produksi memiliki empat fungsi penting, yaitu:


1. Menjadwalkan produksi dan pembelian material untuk produk (item). Jadwal
Induk Produksi menyatakan kapan, jumlah dan due date produk harus
dipesan.
2. Menjadikan masukan data sistem perencanaan kebutuhan material. Jadwal
Induk Produksi dijabarkan menggunakan bill of material untuk menentukan
jumlah kebutuhan komponen material dan perakitan sehingga Jadwal Induk
Produksi dapat dipenuhi.
3. Sebagai dasar penentuan kebutuhan sumber daya, seperti tenaga kerja, jam
mesin, atau energi melalui perhitungan perencanaan kapasitas kasar. Karena
Jadwal Induk Produksi dinyatakan dalam satuan produk (bukan aggregate),
perencanaan kapasitas dapat dilakukan lebih rinci.

34
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

4. Sebagai dasar untuk menentukan janji pengiriman produk kepada konsumen.


Dengan mengalokasikan jumlah unit produk dalam penjadwalan, maka
pengendalian jumlah produk yang belum teralokasi dapat diketahui sehingga
pembuatan janji dapat diperkirakan lebih akurat.

2.3.6 Hubungan Jadwal Induk Produksi dengan Perencanaan Agregat

Perencanaan agregat adalah suatu langkah pendahuluan perencanaan kapasitas


secara terperinci. Perencanaan agregat merupakan dasar untuk membuat Jadwal
Induk Produksi (JIP). Jadwal Induk Produksi menyajikan rencana produksi detail
untuk setiap produk akhir. Proses penyusunan Jadwal Induk Produksi untuk
perusahaan yang 'Make to Stock' akan berbeda dengan perusahaan yang 'Make to
Order'. Hal ini dikarenakan sumber informasi permintaan (kebutuhan) yang
berbeda. Bagi perusahaan yang 'Make to Stock', informasi permintaan didapat dari
hasil peramalan. Bagi perusahaan yang 'Make to Order', informasi permintaan
diperoleh dari order-order (pesanan) yang diterima dari pelanggan. Jadwal Induk
Produksi adalah rencana tertulis yang menunjukkan apa dan berapa banyak setiap
produk (barang jadi) yang akan dibuat dalam setiap periode untuk beberapa periode
yang akan datang.

2.3.7 Teknik Penyusunan Jadwal Induk Produksi

Banyak input yang dibutuhkan dalam penyusunan MPS telah dapat diperoleh
berdasarkan laporan dari print out komputer. Saat ini telah banyak program
komputer untuk sistem manufakturing yang tersedia, sehingga akan sangat
membantu dalam perhitungan, dengan demikian masalah perhitungan telah
terbantu melalui program-program komputer itu. Persoalan nyata adalah
bagaimana memahami konsep-konsep termasuk mekanisme kerja dari sistem
manufacturing itu sendiri.

Safety Stock adalah stok tambahan dari item yang direncanakan untuk berada
dalam inventory yang disajikan sebagai stok pengaman guna mengatasi fluktuasi
dalam ramalan penjualan, pesanan-pesanan pelanggan dalam waktu singkat
(short-term customer order), penyerahan item untuk pengisian kembali
inventory dan lain-lain. Safety stock merupakan kebijaksanaan manajemen

35
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

berkaitan dengan stabilisasi dari sistem manufacturing, dimana apabila sistem


manufakturing semakin stabil kebijaksanaan stok pengaman ini dapat
diminimumkan.

Sasaran dari sistem manufacturing Just In Time adalah menstabilkan mekanisme


kerja dari sistem manufacturing dengan melibatkan secara langsung pemasok
dan pelanggan dalam sistem manufakturing itu, sehingga kebijaksanaan terhadap
stok pengaman dapat diminimumkan menuju nol (konsep zero inventory). DTF
(Demand Time fence) adalah periode mendatang dari MPS dimana dalam periode
ini perubahan-perubahan terhadap MPS tidak diizinkan atau tidak diterima
karena akan menimbulkan kerugian biaya yang besar akibat ketidaksesuaian atau
kekacauan jadwal. PTF (Planning Time Fence) adalah periode mendatang dari
MPS di mana dalam periode ini perubahan-perubahan terhadap MPS dievaluasi
guna mencegah ketidaksesuaian atau kekacauan jadwal yang akan menimbulkan
kerugian dalam biaya. MPS biasanya dinyatakan sebagai Firm Planned Orders
(FPO) dalam PTF.

Forecast sales Plan merupakan rencana penjualan atau peramalan penjualan


untuk item yanag dijadwalkan itu. Konsep manajemen permintaan sales plan
bersifat tidak pasti (uncertain). Actual Orders merupakan pesanan-pesanan yang
diterima dan bersifat pasti (certain). Konsep manajemen semua pesanan yang
bersifat pasti ini dikelompokan ke dalam aktivitas order service, sedangkan sales
forecast dikategorikan ke dalam aktivitas peramalan (forecasting).

Order dalam Master Production Schedule terdiri dari tiga jenis yaitu:
a. Planned Order
Planned order adalah order yang rencananya akan dilepaskan (released)
dan dibuat setelah mempertimbangkan Supply Demand.
b. Firm Planned Order
Firm Planned Order adalah order yang direncanakan akan dibuat
diperusahaan ini tapi belum dilepaskan (released).

36
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

c. Orders
Orders adalah order yang sudah dibuat dan diperintahkan untuk dikerjakan
atau dibuatkan purchase order surat pengiriman.

Projected Available Balances (PAB) merupakan proyeksi on hand inventory dari


waktu ke waktu selama horizon perencanaan MPS, yang menunjukan status
inventory yang diproyeksikan pada akhir dari setiap periode waktu dalam
horizon perencanaan MPS. Dalam buku-buku teks yang lain PAB disebut juga
sebagai Projected On Hand Balance. Dalam lingkungan manufacturing Make To
Order, pada umumnya inventory tidak tersedia sebelumnya, on hand inventory
tidak ada. Maka PAB dapat dipandang sebagai suatu perbandingan antara
penawaran (supply) dan permintaan (demand). Apabila PAB negatif berarti pada
periode itu produksi atau penawaran tidak mampu memenuhi permintaan.
Sebaliknya untuk lingkungan manufacturing Make To Stock, kenaikan terus-
menerus dalam nilai PAB menunjukan bahwa inventory dari item yang
dijadwalkan itu semakin menumpuk. Berdasar informasi PAB, berbagai
kebijakan dan tindakan korektif dapat diambil untuk perbaikan terus-menerus
dari proses manufacturing. PAB dinyatakan melewati PTF hanya sebagai
informasi saja, sementara Master schedule dan PTF tidak direncanakan melewati
PTF.

Available To Promises (ATP) memberikan informasi tentang berapa banyak item


atau produk tertentu yang dijadwalkan pada peride waktu itu tersedia untuk pesanan
pelanggan, sehingga berdasarkan infomasi ini, bagian pemasaran dapat membuat
janji yang tepat kepada pelanggan. ATP dapat juga dihitung secara kumulatif untuk
memberikan informasi tentang kumulatif ATP pada periode waktu tertentu. Master
Schedule merupakan jadwal produksi atau manufacturing yang diantisipasi
(anticipated manufacturing schedule) untuk item tertentu.

2.4 STRUKTUR PRODUK, BILL OF MATERIALS DAN MATERIAL


REQUIREMENT PLANNING
2.4.1 Pengertian Material Requirements Planning (MRP)

Menurut Gasperz, Material Requirement Planning (MRP) adalah metode


penjadwalan untuk purchased planned orders dan manufactured planned orders,

37
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

kemudian diajukan untuk analisis lanjutan berkenaan dengan persediaan kapasitas


dan keseimbangan menggunakan perencanaan kebutuhan kapasitas. Sistem MRP
mengkoordinasikan pemasaran, manufacturing, pembelian, rekayasa melalui
pengadopsian rencana produksi serta melalui penggunaan satu data base
terintegrasi guna merencanakan, dan memperbaharui aktivitas dalam sistem
industri modern secara keseluruhan. Salah satu alasan mengapa MRP digunakan
secara cepat dan meluas sebagai teknik manajemen produksi, yaitu karena MRP
menggunakan kemampuan komputer untuk menyimpan dan mengelola data yang
berguna dalam menjalankan kegiatan perusahaan.

MRP dapat mengkoordinasikan kegiatan dari berbagai fungsi dalam perusahaan


manufaktur, seperti teknik, produksi dan pengadaan. Oleh karena itu, hal yang
menarik dari MRP tidak hanya fungsinya sebagai penunjang dalam pengambilan
keputusan, melainkan keseluruhan peranannya dalam kegiatan perusahaan. MRP
sangat bermanfaat bagi perencanaan kebutuhan material untuk komponen yang
jumlah kebutuhannya dipengaruhi oleh komponen lain (dependent demand). MRP
memberikan peningkatan efisiensi karena jumlah persediaan, waktu produksi dan
waktu pengiriman barang dapat direncanakan dengan lebih baik, karena ada
keterpaduan dalam kegiatan yang didasarkan pada jadwal induk. Moto dari MRP
adalah memperoleh material yang tepat, dari sumber yang tepat, untuk penempatan
yang tepat, dan pada waktu yang tepat.

2.4.2 Empat Langkah Utama Sistem MRP

Sistem MRP memiliki empat langkah utama yang selanjutnya keempat langkah ini
harus ditetapkan satu per satu pada periode perencanaan dan pada setiap item.
Prosedur ini dapat dilakukan secara manual bila jumlah item yang terlibat dalam
produksi relatif sedikit. Suatu program diperlukan bila jumlah item sangat banyak.
Langkah-langkah tersebut adalah sebagai berikut:

1. Netting
Merupakan suatu proses perhitungan kebutuhan bersih yang biasanya
merupakan selisih antara kebutuhan kotor dengan persediaan di tangan dan
yang sedang diproses (dipesan).

38
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

2. Lotting
Merupakan suatu proses untuk menentukan besarnya jumlah pesanan
optimal untuk setiap item secara individual berdasarkan pada hasil
perhitungan kebutuhan bersih yang telah dilakukan. Beberapa teknik
diarahkan untuk menyeimbangkan ongkos set up dan ongkos simpan. Ada
juga teknik yang sederhana yang memakai jumlah pemesanan tetap atau
periode pemesanan tetap.
3. Off Setting
Merupakan salah satu langkah pada MRP untuk menentukan saat yang tepat
untuk rencana pemesanan dalam memenuhi kebutuhan bersih. Rencana
pemesanan didapat dengan cara menggabungkan saat awal tersedianya lot
size yang diinginkan dengan besarnya waktu ancang. Waktu ancang ini
sama dengan besarnya waktu saat barang mulai dipesan atau diproduksi
sampai barang tersebut siap untuk dipakai.
4. Explosion
Yaitu proses perhitungan kebutuhan kotor untuk tingkat yang lebih bawah
didasarkan atas rencana pesanan. Proses explosion ini, data mengenai
struktur produk sangat memegang peranan, karena atas dasar struktur
produk inilah proses explosion akan berjalan dan dapat menentukan ke arah
komponen mana yang harus di-explosion.

2.4.3 Input MRP

Menturut Herjanto ada 3 komponen dasar yang menjadi masukan MRP agar
diperoleh informasi sebagai output atau keluaran adalah sebagai berikut:

1. Jadwal Induk Produksi (JIP) atau Master Production Schedule (MPS)


JIP atau Jadwal Induk produksi merupakan suatu jadwal yang menunjukan
jumlah produk yang akan dibuat dalam setiap periode waktu untuk
mengetahui kapasitas produksi dan kecepatan operasi perusahaan dalam
merencanakan produksi sehingga dapat diketahui panjang horison waktu
perencanaan produksi (Planning Horison).

39
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

2. Status Persediaan (Inventory Record)


Status persedian atau inventory record terdiri dari data-data setiap jenis
barang persediaan, dimana setiap jenis barang persediaan tersebut nantinya
akan dibutuhkan untuk menentukan jumlah kebutuhan bersih.
Berikut ini adalah beberapa data yang dapat dilihat dari status persediaan:
a. Jumlah persediaan yang dimiliki pada setiap periode (on hand
inventory).
b. Jumlah barang yang sedang dipesan dan kapan pesanan
tersebut akan datang (on order Inventory).
c. Waktu ancang-ancang (lead time) dari setiap bahan.
3. Daftar Material atau Struktur Produk atau Bill of Material (BOM)
Struktur produk merupakan suatu daftar barang atau material yang
diperlukan bagi perakitan, pencampuran, atau pembuatan produk akhir
tersebut dan menunjukan berapa banyak setiap komponen dari bagian
produk yang akan diperlukan serta merinci semua nama komponen, nomor
identifikasi, dan sumber bahan.

2.4.4 Output MRP

Menurut keluaran atau output dari MRP, yaitu:


1. Planned Order Schedule (Jadwal Pesanan Terencana) adalah penentuan
jumlah kebutuhan meterial serta waktu pemesanannya untuk masa yang
akan dating.
2. Order Release Report (Laporan Pengeluaran Pesanan) berguna bagi
pembeli yang akan digunakan untuk bernegoisasi dengan pemasok, dan
berguna juga bagi manajer manufaktur, yang akan digunakan untuk
mengontrol proses produksi.
3. Changes to planning Orders (Perubahan terhadap pesanan yang telah
direncanakan) adalah yang merefleksikan pembatalan pesanan,
pengurangan pesanan dan pengubahan jumlah pesanan.
4. Performance Report (Laporan Penampilan) suatu tampilan yang
menunjukkan sejauh mana sistem bekerja, kaitannya dengan kekosongan
stok dan ukuran yang lain.

40
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

2.4.5 Tujuan MRP

Secara umum, sistem MRP dimaksudkan untuk mencapai tujuan antara lain untuk
meminimalkan persediaan dengan menentukan berapa banyak dan kapan suatu
komponen diperlukan disesuaikan dengan Jadwal Induk Produksi (JIP). Dengan
menggunakan komponen ini, pengadaan (pembelian) atas komponen yang
diperlukan untuk suatu rencana produksi dapat dilakukan sebatas yang diperlukan
saja sehingga dapat meminimalkan biaya persediaan. Mengurangi resiko karena
keterlambatan produksi atau pengiriman MRP mengidentifikasikan banyaknya
bahan dan komponen yang diperlukan baik dari segi jumlah dan waktunya dengan
memperhatikan waktu tenggang produksi maupun pengadaan atau pembelian
komponen, sehingga memperkecil resiko tidak tersedianya bahan yang akan
diproses yang mengakibatkan terganggunya rencana produksi. Meningkatkan
efisiensi MRP juga mendorong peningkatan efisiensi karena jumlah persediaan,
waktu produksi, dan waktu pengiriman barang dapat direncanakan lebih baik sesuai
dengan Jadwal Induk Produksi (JIP). Dengan demikian terdapat beberapa hal yang
merupakan tujuan MRP (Material Requirements Planning) yaitu sebagai berikut:
1. Meminimalkan persediaan.
MRP menentukan berapa banyak dan kapan suatu komponendiperlukan
disesuaikan dengan jadwal induk produksi.
2. Mengurangi risiko karena keterlambatan produksi atau pengiriman.
MRP mengidentifikasi banyaknya bahan dan komponen yang diperlukan
baik dari segi jumlah dan waktunya.
3. Jadwal produksi diharapkan dapat dipenuhi sesuai dengan rencana,
sehingga komitmen terhadap pengiriman barang dapat dilakukan secara
lebih nyata.
4. MRP mendorong peningkatan efisiensi karena jumlah persediaan, waktu
produksi, dan waktu pengiriman barang dapat direncanakan lebih baik
sesuai dengan jadwal induk produksi.

41
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

2.4.6 Istilah-istilah dalam MRP

Berikut ini dijelaskan tentang istilah-istilah yang biasa digunakan, yaitu:

1. Gross Requirement (GR, kebutuhan kasar)


Adalah total dari semua kebutuhan, termasuk kebutuhan yang diantisipasi
untuk setiap periode waktu. Berdasarkan pengertian tersebut gross
requirement merupakan bagian dari keseluruhan jumlah item (komponen)
yang diperlukan pada suatu periode.
2. Schedule Receipts (SR, penerimaan yang dijadwalkan)
Merupakan jumlah item yang akan diterima pada suatu periode tertentu
berdasarkan pesanan yang dibuat.
3. Begin Inventory (BI, inventori awal)
Merupakan jumlah inventori di awal periode.
4. Net Requirement (NR, kebutuhan bersih)
Merupakan jumlah aktual yang diinginkan untuk diterima atau diproduksi
dalam periode bersangkutan.
5. Planned Order Receipt (PORt, penerimaan pemesanan yang direncanakan)
Adalah jumlah item yamg diterima atau diproduksi oleh perusahaah
manufaktur pada periode waktu terakhir
6. Planned Ending Inventory (PEI, rencana persediaan akhir periode)
Merupakan suatu perencanaan terhadap persediaan pada akhir periode.
7. Planned Order Releases (PORel, pelepasan pemesanan yang
direncanakan)
Adalah jumlah item yang direncanakan untuk dipesan agar memenuhi
perencanaan pada masa yang akan datang atau order produksi yang dapat
dilepas untuk dimanufaktur.
8. Lead Time
Adalah waktu tenggang yang diperlukan untuk memesan (membuat) suatu
barang sejak saat pesanan (pembuatan) dilakukan sampai barang itu
diterima (selesai dibuat).
9. Lot Size (ukuran lot)
Merupakan kuantitas pesanan dari item yang memberitahukan MRP berapa
banyak kuantitas yang dipesan, serta lot sizing apa yang dipakai.

42
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

10. Safety Stock (stok pengaman)


Merupakan stok pengaman yang ditetapkan oleh perencana MRP untuk
mengatasi fluktuasi dalam permintaan (demand) dan penawaran MRP untuk
mempertahankan tingkat stok pada semua periode waktu.

2.4.7 Peta Proses Perakitan (Assembly Process Chart)

Peta ini digunakan untuk tujuan perencanaan dan pengendalian transformasi


proses. Assembly chart menunjukkan kebutuhan material dan perakitan
komponen yang menghasilkan suatu perakitan mechanical. Flow process chart
menggunakan simbol yang sama seperti assembly chart, peta ini memiliki
tambahan kolom untuk waktu, jarak perpindahan, dan informasi terkait lainya
yang mengizinkan adanya analisis biaya dan lainnya. Tujuan utama dari peta
rakitan adalah untuk menunjukkan keterkaitan antara komponen, yang dapat
juga digambarkan oleh sebuah gambar terurai. Teknik ini juga dapat digunakan
untuk mengajar pekerja yang tidak ahli untuk mengetahui urutan suatu rakitan
yang rumit.

2.4.8 Struktur Produk

Struktur produk terdiri dari komponen pembentuk produk akhir yang ditempatkan
pada level 0 dan seterusnya, sehingga membentuk sebuah hirarki. Pada umumnya
untuk assembly item disebut dengan “parent” dan komponen pembentuknya
disebut dengan “child”. Untuk produk akhir ditandai dengan level 0 dan semakin
kebawah maka nomor level akan bertambah. Diagram sistematik ini menunjukkan
hubungan antar komponen terhadap “parent” dan hubungan keseluruhan perakitan.
Terdapat 2 cara penomoran level struktur produk, yaitu:
1. Single Level
Jenis ini menggambarkan hubungan sebuah induk dengan satu level
komponen – komponen pembentuknya.
2. Multi Level
Jenis ini menggambarkan struktur produk yang lengkap dari level 0 sampai
level yang paling bawah.

43
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

2.4.9 Bill of Materials (BOM)

BOM adalah sebuah daftar jumlah komponen, campuran bahan dan bahan baku
yang diperlukan untuk dirakit, dicampur atau membuat produk akhir atau
dengan kata lain rangkaian struktur semua komponen yang digunakan untuk
memproduksi barang jadi sesuai dengan Master Production Schedulling (MPS).
Tujuan BOM sebagai suatu network atau jaringan yang menggambarkan
hubungan induk (parent product) hingga komponen. BOM dibutuhkan sebagai
Input dalam perencanaan dan pengendalian aktivitas produksi. Beberapa macam
BOM:
1. Explosion
Merupakan BOM dengan urutan dimulai dari induk sampai komponen pada
level paling bawah. BOM jenis ini menunjukkan komponen yang
membentuk suatu induk dari level teratas sampai level terendah.
2. Implosion
Merupakan BOM dimana urutan dimulai dari komponen sampai induk atau
level paling atas. Secara singkat BOM jenis ini adalah kebalikan dari BOM
explosion.

2.5 LINE BALANCING


2.5.1 Definisi Line Balancing

Keseimbangan lini merupakan suatu metode penugasan sejumlah pekerjaan ke


dalam stasiun kerja yang saling berkaitan dalam satu lini produksi sehingga
setiap stasiun kerja memiliki waktu yang tidak melebihi waktu siklus dari
stasiun kerja tersebut. Keterkaitan sejumlah pekerjaan dalam suatu lini produksi
harus dipertimbangkan dalam menentukan pembagian pekerjaan ke dalam
masing-masing stasiun kerja. Hubungan atau saling keterkaitan antara satu
pekerjaan dengan pekerjaan lainnya digambarkan dalam suatu precedence
diagram atau diagram pendahuluan, sedangkan hubungan itu disebut
precedence job atau precedence network.

Konsep keseimbangan lini bertujuan untuk meminimalkan total waktu


menganggur dalam proses produksi. Dalam konsep ini, elemen-elemen operasi
akan digabung-gabung menjadi beberapa stasiun kerja. Tujuan umum

44
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

penggabungan ini adalah untuk mendapatkan rasio delay atau idle


(menganggur) yang serendah mungkin. Jika memungkinkan rasio delay ini
diupayakan 0% yang berarti efisiensi sama dengan 100%. Dengan demikian,
modal tidak akan teralokasi pada kegiatan menganggur. Sehingga penghematan
biaya dapat diperoleh. Hasil penghematan biaya ini selanjutnya dapat
digunakan untuk mengurangi harga jual atau dialokasikan pada kegiatan
produktif lainnya.

2.5.2 Tujuan Line Balancing

Tujuan dasar daripada penyeimbang lintasan yaitu untuk membantu meningkatkan


jumlah produksi yang dikeluarkan dengan fasilitas dan sumber daya yang dimiliki
perusahaan. Megatasi permasalahan bottleneck yang terjadi pada tahapan proses
agar proses produksi dapat berjalan efektif dan effisien. Umumnya merencanakan
keseimbangan dalam sebuah lintasan meliputi usaha yang bertujuan untuk
mencapai suatu kapasitas yang optimal, dimana tidak terjadi pemborosan fasilitas
(waktu, tenaga dan material). Tujuan ini tercapai bila:

1. Lintasan bersifat seimbang, setiap stasiun kerja mendapatkan beban kerja


yang sama nilainya diukur dengan waktu.
2. Jumlah waktu operator menunggu dari proses sebelumnya (idle) minimum
di setiap stasiun kerja sepanjang lintasan proses.
3. Jumlah stasiun yang ada di lintasan memiliki waktu yang seimbang.

2.5.3 Line Balancing Input

Masukan yang diperlukan untuk merencanakan keseimbangan lintasan perakitan


adalah:

1. Precedence diagram suatu jaringan kerja (terdiri atas rangkaian simpul dan
anak panah) yang menggambarkan urutan perakitan serta ketergantungan
pada operasi kerja lainnya yang tujuannya mempermudahkan pengontrolan
dan perencanaan kegiatan yang terkait di dalamnya.
2. Data waktu baku pekerjaan tiap operasi, yang diturunkan dari perhitungan
waktu baku pekerjaan operasi perakitan.
3. Kecepatan lintasan yang diinginkan (waktu siklus atau cycle time).

45
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

2.5.4 Masalah pada Lintasan

Berikut ini adalah masalah-masalah utama yang sering dihadapi dalam lintasan
produksi yang dikemukakan oleh Bigel:

a. Kendala sistem, hal ini sangat berkaitan dengan perawatan atau maintenance
yang dilakukan perusahaan.
b. Menyeimbangkan beban kerja pada beberapa stasiun kerja yang bertujuan
untuk mencapai suatu efisiensi yang tinggi dan memenuhi rencana produksi
yang telah dibuat.

Menyelesaikan permasalahan line balancing, manajemen indsustri harus


mengetahui tentang metoda kerja, peralatan-peralatan, mesin-mesin dan personil
yang digunakan dalam proses kerja dan informasi tentang waktu yang dibutuhkan
untuk setiap assembly line dan precedence relationship.

Di antara aktivitas-aktivitas yang merupakan susunan dan urutan dari berbagai


tugas yang perlu dilakukan manajemen industri perlu menetapkan tingkat produksi
per hari yang disesuaikan dengan tingkat permintaan total, kemudian membaginya
kedalam waktu produktif yang tersedia perhari. Hasil ini adalah cycle time, yang
merupakan waktu dari produk yang tersedia pada setiap stasiun kerja (work station).

Adapun tanda-tanda ketidakseimbangan pada suatu lintasan produksi adalah


sebagai berikut:
a. Stasiun kerja yang sibuk dan waktu menganggur yang mencolok.
b. Adanya produk yang pengerjaan tidak sesuai dengan standarnya stasiun
kerja tersebut.

2.5.5 Metode-metode Line Balancing

Metode-metode yang telah dikembangkan selama masih terbatas pada Metode


Heuristic, yang akan menghasilkan solusi mendekati optimal, tapi tidak menjamin
tercapainya solusi optimal. Beberapa Metode Heuristic penyeimbangan lintasan
ada tiga, yaitu:

46
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

1. RPW (Rank Position Weight)


Salah satu pendekatan keseimbangan lintasan yang biasa digunakan sebagai
metode dasar adalah metode yang dikembangkan oleh Helgesson dan Birnie
yaitu Peringkat Bobot Posisi.
Pendekatan ini menugaskan operasi ke dalam statiun-statiun kerja dengan
dasar panjang waktu operasi. Proses kerja diurutkan berdasarkan pringkat,
mulai dari yang paling besar sampai yang paling kecil. Nilai peringkat
didapatkan dari jumlah waktu operasi mulai dari awal sampai akhir proses.
2. Metode Pembebanan Berurut
Langkah penugasan pekerjaan pada stasiun kerja dengan menggunakan metode
ini berbeda dengan urutan prioritas pembebanan kerja. Langkah-langkah
penyelesaian dengan menggunakan metode pembebanan berurut ini adalah
sebagai berikut:
a. Hitung waktu siklus yang diinginkan.
b. Buat matriks operasi pendahulu (P) dan operasi pengikut (F).
c. Perhatikan baris di matriks kegiatan pendahulu (P) yang semuanya terjadi
dari angka 0, dan bebankan elemen pekerjaan terbesar yang mungkin
terjadi, jika ada lebih dari 1 baris yang memiliki seluruh elemen pekerjaan
yang sama dengan not.
d. Perhatikan nomor elemen dibaris matriks kegiatan pengikut F yang
bersesuaian dengan elemen yang telah ditugaskan.
e. Lanjutkan penugasan elemen-elemen pekerjaan itu pada tiap stasiun kerja
dengan ketentuan bahwa waktu total operasi tidak melebihi waktu siklus.
Proses ini dikerjakan hingga semua baris pada matriks P bernilai 0.
f. Hitung efisiensi rata-rata stasiun kerja yang terbentuk.
g. Gunakan prosedur trial and error untuk mencari pembebanan yang akan
menghasilkan efisiensi rata-rata lebih besar dari efisiensi rata-rata
sebelumnya.
h. Ulangi langkah 6 dan 7 sampai tidak ditemukan lagi stasiun kerja yang
memiliki efisiensi rata-rata lebih tinggi.

47
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

3. Metode Pendekatan Wilayah


Metode ini dikembangkan oleh Bedworth untuk mengatasi kekurangan bobot
posisi. Langkah-langkah penyelesaian dengan metode pendekatan wilayah
(Region approach) adalah sebagai berikut:
a. Hitung waktu siklus yang diinginkan.
b. Bagi jaringan kerja kedalam wilayah-wilayah dari kiri ke kanan.
c. Setiap wilayah, urutkan pekerjaan mulai dari waktu operasi terbesar
sampai dengan waktu operasi terkecil.
d. Bebankan pekerjaan dengan urutan sebagai berikut (perhatikan pula untuk
menyesuaikan diri terhadap batas wilayah):
1) Daerah paling kiri terlebih dahulu,
2) Antar wilayah, bebankan pekerjaan dengan waktu operasi terbesar
pertama kali.
3) Akhir tiap pembebanan statiun kerja, tentukan apakah utilisasi waktu
tersebut telah dapat diterima.

Teknik ini mendapatkan perhatian yang besar seta telah digunakan untuk
mememcahkan beberapa masalah keseimbangan lini dengan baik. Teknik ini
merupakan sebuah prosedur heuristic, dimana pemilihan elemen untuk ditempatkan
pada sebuah statiun kerja didasarkan pada posisi elemen pada precedence diagram.

2.5.6 Precedence Diagram

Precedence diagram digunakan sebelum melangkah pada penyelesaian


menggunakan metode keseimbangan lintasan. Precedence diagram sebenarnya
merupakan gambaran secara grafis dari urutan operasi kerja, serta ketergantungan
pada operasi kerja lainya yang tujuannya untuk memudahkan pengontrolan dan
perencanaan kegiatan yang terkait di dalamnya. Adapun tanda yang dipakai dalam
precedence diagram adalah:

1. Simbol Lingkaran dengan huruf atau nomor di dalamnya untuk


mempermudah identifikasi asli dari suatu proses operasi.
2. Tanda panah menunjukan ketergantungan dan urutan proses operasi, dalam
hal ini operasi yang ada di pangkal panah berarti mendahului operasi kerja
yang adda pada ujung anak panah.

48
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

3. Angka di atas symbol lingkaran adalah waktu standar yang diperlukan untuk
menyelesaikan setiap proses operasi.

2.5.7 Terminologi Line Balancing

a. Waktu Menganggur (Idle Time)


Idle time adalah selisih atau perbedaan antara Cycle Time (CT) dan
Station Time (ST), atau CT dikurangi ST.
b. Keseimbangan Waktu Senggang (Balance Delay)
Balance delay adalah rasio antara waktu idle dalam lini perakitan
dengan waktu yang tersedia. Rumus yang digunakan untuk menentukan
balance delay lini perakitan adalah sebagai berikut:

𝐶𝑇 𝑥 𝑁 − ∑𝑛𝑖=1 𝑡𝑖
𝐵𝑎𝑙𝑎𝑛𝑐𝑒 𝐷𝑒𝑙𝑎𝑦 = 𝑥 100%
𝐶𝑇 𝑥 𝑁
Keterangan:
N = Jumlah elemen kerja yang ada
CT = Cycle time
N = Jumlah work station yang terbentuk
c. Efisiensi Stasiun Kerja
Efisiensi stasiun kerja merupakan rasio antara waktu operasi tiap
stasiun kerja (Wi) dan waktu operasi Stasiun kerja terbesar (Ws).
𝑊𝑖
𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑠𝑡𝑎𝑠𝑖𝑢𝑛 𝑘𝑒𝑟𝑗𝑎 = 𝑥 100%
𝑊𝑠

Keterangan:
Wi = Waktu operasi setiap stasiun
Ws = Waktu operasi stasiun kerja terbesar

d. Efisiensi Lintasan Produksi (Line Efficiency)


Line Efficiency merupakan rasio antara waktu yang digunakan dengan
waktu yang tersedia. Berkaitan dengan waktu yang tersedia, lini akan
mencapai keseimbangan apabila setiap daerah pada lini mempunyai
waktu yang sama. Rumus untuk menentukan efisiensi lini perakitan
setekah proses line balancing adalah sebagai berikut:

49
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

∑𝑛𝑖=1 𝑡𝑖
𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝐿𝑖𝑛𝑖 = 𝑥 100%
𝐶𝑇 𝑥 𝑁

Keterangan:
n = Jumlah elemen kerja yang ada
CT = Cycle time
N = Jumlah work station yang terbentuk

e. Indeks Penghalusan (Smoothess Indeks atau SI)


Indeks penghalusan adalah suatu indek yang mempunyai kelancaran
relative dari penyeimbang lini perakitan tertentu. Formula yang
digunakan untuk menentukan besarnya SI adalah sebagai berikut.

𝑁
𝑆𝐼 = √∑ (𝑊𝑆𝐾𝑚𝑎𝑥 − 𝑊𝑆𝐾𝑖) 2
𝑖−1

Keterangan:
WSKmax = Waktu terbesar dari stasiun kerja terbentuk
WSKi = Waktu work station yang terbentuk

f. Work Station
Work station merupakan tempat pada lini perakitan dimana proses
perakitan dilakukan. Setelah menentukan interval waktu siklus, maka
jumlah stasiun kerja yang efisien dapat ditetapkan dengan rumus.
∑𝑘𝑖−1 𝑡𝑖
𝐾 𝑚𝑖𝑛
𝐶𝑇
Keterangan:
ti = waktu operasi (elemen).
CT = waktu siklus stasiun kerja.
Kmin = jumlah stasiun kerja minimal.

50
BAB III

FLOWCHART KEGIATAN PRAKTIKUM

3.1 FLOWCHART KEGIATAN PRAKTIKUM

Berdasarkan praktikum yang telah dilakukan, berikut ini merupakan flowchart


kegiatan praktikum dapat dilihat pada Gambar 3.1 di bawah ini:

Studi Literatur

Pengumpulan Data

Rencana Produksi Disagregasi dan


Peramalan Struktur Produk,
Agregat Master Production Line Balancing
BOM dan MRP
Schedule
1. Data awal 1. Komponen atau
1. Data forecast 1. APC Tamiya. 1. APC Tamiya.
demand 24 periode. parameter data.
demand. 2. Struktur Produk. 2. Precedence
2. Data hari kerja
2. Data parameter. 3. BOM Tamiya Diagram.
dan demand.
3. Persentase actual Baracuda. 3. Master Schedule
demand. 4. Master Schedule Tamiya Baracuda
Tamiya Baracuda. 4. Uraian Kegiatan
Precedence
Diagram.

Pengolahan Data

Rencana Produksi Disagregasi dan


Peramalan Struktur Produk,
Agregat Master Production Line Balancing
BOM dan MRP
Schedule
1. Peramalan dengan 1. Agregasi dengan
metode DMA. Strategi Tenaga 1. Melakukan 1. MRP seluruh 1. Penyeimbangan
2. Peramalan dengan Kerja Tetap. agregasi item. komponen dan lintasan
metode DES Brown. 2. Agregasi dengan 2. Disagregasi 4 assembling dengan menggunakan
3. Peramalan dengan Strategi Tenaga item selama 12 menggunakan metode Cluster dan
metode DES Holt. Kerja Berubah. periode. metode LFL, EOQ, RPW.
Peramalan dengan 3. Agregasi dengan 3. Membuat MPS POQ dan Silver
Regresi Linier. Strategi terhadap 4 item. Meal.
Transportasi.

Analisis

Kesimpulan dan
Saran

Gambar 3. 1 Flowchart Kegiatan Praktikum

51
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

3.2 URAIAN FLOWCHART KEGIATAN PRAKTIKUM


3.2.1 Studi Literatur

Studi Literatur merupakan suatu cara menyelesaikan persoalan dengan menelusuri


sumber-sumber tulisan yang pernah dibuat sebelumnya. Sumber-sumber tulisan
yang praktikan dapatkan pada Pratikum Perencanaan dan Pengendalian Produksi
ini adalah berupa buku, modul Pratikum Perencanaan dan Pengendalian Produksi,
jurnal, artikel, laporan yang sudah pernah dibuat dan situs-situs internet. Persoalan
yang ada tentunya tidak jauh dari materi yang ada pada Pratikum Perencanaan dan
Pengendalian Produksi ini.

3.2.2 Pengumpulan Data


3.2.2.1 Forecasting

Pengumpulan data pada Modul Forecasting ini yaitu data awal demand selama 24
periode. Data awal tersebut kemudian ditambahkan dengan dua digit pada NPM
praktikan. Data awal demand selama 24 periode tersebut berguna untuk
meramalkan 12 periode yang akan datang dengan menggunakan metode peramalan
yang telah ditentukan.

3.2.2.2 Rencana Produksi Agregat

Pengumpulan data pada Modul Rencana Produksi Agregat ini yaitu hasil dari
peramalan yang telah dilakukan pada Modul Peramalan (Forecasting) selama 12
periode. Data forecast tersebut diambil berdasarkan nilai MSE terkecil. Data
selanjutnya yang dipakai yaitu data parameter-parameter yang berguna dalam
proses agregasi.

3.2.2.3 Disagregasi dan Master Production Schedule

Pengumpulan data pada Modul Disagregasi dan Master Production Schedule ini
yaitu data forecast demand berdasarkan hasil peramalan pada Modul Peramalan
(Forecasting). Data selanjutnya yang dipakai yaitu parameter-parameter seperti
cost, faktor konversi, proporsi dan lain-lain serta persentase actual demand yang
nantinya akan berguna untuk menentukan actual demand pada MPS.

52
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

3.2.2.4 Struktur Produk, Bill of Materials dan Material Requirement Planning

Pengumpulan data pada Struktur Produk, Bill of Materials dan Material


Requirement Planning ini yaitu Assembly Process Chart dari produk Tamiya,
Struktur Produk, Bill of Materials (BOM) dan Master Schedule dari produk Tamiya
Baracuda. Seluruh data digunakan untuk merencanakan kebutuhan material
(Material Requirement Planning) dari seluruh komponen-komponen yang ada.

3.2.2.5 Line Balancing

Pengumpulan data pada Line Balancing ini yaitu Assembly Process Chart dari
produk Tamiya, Precedence Diagram, Master Schedule Tamiya dan uraian
kegiatan berdasarkan Precedence Diagram. APC digunakan sebagai acuan dalam
membuat Precedence Diagram dan Master Schedule digunakan sebagai acuan
dalam menentukan jumlah permintaan (demand) yang datang. Seluruh data tersebut
digunakan dalam penyeimbangan lintasan perakitan.

3.2.3 Pengolahan Data


3.2.3.1 Forecasting

Pengolahan data pada Modul Forecasting yaitu dengan melakukan peramalan


selama 12 periode yang akan datang berdasarkan data masa lalu berupa demand
selama 24 periode. Metode yang digunakan pada Modul Peramalan (Forecasting)
ini yaitu Double Moving Average, Single Exponential Smoothing Satu Parameter
dari Brown, Single Exponential Smoothing Dua Parameter dari Holt dan Metode
Regresi Linier. Hasil akhir yang didapat pada Modul Peramalan (Forecasting) yaitu
peramalan selama 12 periode dengan menggunakan metode yang memiliki tingkat
akurasi tinggi yang dilihat berdasarkan nilai MSE terendah.

3.2.3.2 Rencana Produksi Agregat


Pengolahan data pada Modul Rencana Produksi Agregat yaitu dengan melakukan
agregasi terhadap data hasil peramalan yang telah dilakukan pada Modul Peramalan
(Forecasting) selama 12 periode. Strategi yang digunakan pada proses agregasi ini
yaitu Strategi Tenaga Kerja Tetap, Strategi Tenaga Kerja Berubah dan Strategi
Transportasi. Hasil akhir yang didapatkan pada Modul Rencana Produksi Agregat
ini yaitu ongkos optimal dalam kebijakan produksi.

53
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

3.2.3.3 Disagregasi dan Master Production Schedule

Pengolahan data pada Modul Disagregasi dan Master Production Schedule yaitu
dengan melakukan agregasi, disagregasi lalu membuat Jadwal Induk Produksi (JIP)
terhadap 4 buah item. Data yang dipakai pada proses-proses tersebut yaitu data
forecast demand pada Modul Peramalan (Forecasting) selama 12 periode dan data.
Hasil akhir yang didapat pada Modul Disagregasi dan Master Production Schedule
yaitu Jadwal Induk Produksi (JIP) yang berisi informasi mengenai pengalokasian
sumber daya, ketersediaan kapasitas dan lain-lain.

3.2.2.4 Struktur Produk, Bill of Materials dan Material Requirement Planning

Pengolahan data pada Modul Struktur Produk, Bill of Materials dan Material
Requirement Planning ini yaitu dengan mengolah data Master Schedule dan Bill of
Materials menjadi perencanaan kebutuhan material (Material Requierement
Planning). Metode-metode yang digunakan pada pembuatan MRP ini yaitu LFL,
EOQ, POQ dan Silver Meal. Hasil akhir yang akan didapatkan yaitu informasi-
informasi mengenai kebutuhan komponen untuk suatu produk end item.

3.2.2.5 Line Balancing

Pengolahan data pada Modul Line Balancing ini yaitu proses penyeimbangan
lintasan perakitan dengan menggunakan metode Cluster dan Ranked Positional
Weight (RPW). Penyeimbangan lintasan ini bertujuan untuk meminimalkan waktu
menganggur untuk meningkatkan tingkat efisiensi dari stasiun kerja. Tujuan lain
dari Line Balancing ini yaitu meminimumkan biaya akibat menganggur, sehingga
biaya tersebut dapat dialokasikan kepada kegiatan-kegiatan yang produktif.

3.2.4 Analisis

Analisis diperoleh dari pengerjaan setiap modul tersebut. Analisis berisikan hasil
dari pengolahan data. Hasil pengolahan data tersebut pada tahapan analisis ini dikaji
lebih lanjut. Artinya pada analisis, hasil pengolahan data diuraikan berdasarkan
penyebabnya melalui komponen penyusunnya. Berdasarkan analisis yang telah
dibuat dapat dilihat pemahaman materi dari setiap praktikan dalam mengejakan
setiap modul yang diberikan.

54
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

3.2.5 Kesimpulan dan Saran

Kesimpulan pada laporan akhir ini dibuat guna memenuhi harapan dari tujuan yang
ada. Kesimpulan yang dibuat berdasar pada pembuktian yang diperoleh dari hasil
kegiatan praktikum yang telah dijalani. Saran yang dibuat mejadi pendapat dari
praktikan untuk dilaksanakan. Saran dari praktikan dapat menjadi cara untuk
mengatasi permasalahan atau kelemahan yang ada.

55
BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 PENGUMPULAN DATA


4.1.1 Forecasting

Pengumpulan data dilakukan dengan menambahkan masing-masing demand dari


setiap periode dengan dua digit terakhir pada NPM (+31). Data awal demand dapat
dilihat pada Tabel 4.1 dan Tabel 4.2 di bawah ini:

Tabel 4. 1 Data Awal Demand Tabel 4. 2 Data Awal Demand NPM (+31)
Periode (t) Demand (d) Periode (t) Demand (d)
1 8292 1 8323
2 12456 2 12487
3 9461 3 9492
4 8438 4 8469
5 9729 5 9760
6 8074 6 8105
7 10044 7 10075
8 8973 8 9004
9 9901 9 9932
10 7586 10 7617
11 9997 11 10028
12 8974 12 9005
13 9949 13 9980
14 7982 14 8013
15 9494 15 9525
16 7982 16 8013
17 9808 17 9839
18 7618 18 7649
19 9637 19 9668
20 9845 20 9876
21 10077 21 10108
22 11212 22 11243
23 11287 23 11318
24 11367 24 11398
(Sumber: Pengumpulan Data) (Sumber: Pengumpulan Data)

56
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

4.1.2 Rencana Produksi Agregat

Pengumpulan data pada modul Rencana Produksi Agregat ini terdiri dari
komponen-komponen data awal, data hari kerja dan demand. Komponen data awal
terdiri dari jumlah inventori awal, jam kerja, waktu baku, cost dan juga komponen
lainnya. Data hari kerja terdiri dari 12 periode dengan demand merupakan hasil
pengolahan data pada modul Peramalan (Forecasting) pada metode Regresi Linier.
Pengambilan data pada metode Regresi Linier diakibatkan karena nilai MSE yang
dihasilkan merupakan nilai terkecil dari semua metode peramalan (forecasting).
Komponen data awal, data hari kerja dan demand dapat dilihat pada Tabel 4.3 dan
Tabel 4.4 di bawah ini:

Tabel 4. 3 Komponen Data Awal


Komponen Nilai Satuan
Inventori Awal 250 Unit
Jam Kerja (JK) 8 Jam
Maks. Over Time (OT ) 25% RT Unit
Maks. Sub Kontrak 50% RT Unit
Waktu Baku 1,67 Jam/unit
Tenaga Kerja (TK) Awal 12 Orang
Tenaga Kerja (TK) Maks 30 Orang
Regular Time (RT) Cost Rp 50.000 /Unit
Over Time (OT) Cost Rp 75.000 /Unit
Sub Kontrak (SK) Cost Rp 120.000 /Unit
Hiring (HR) Cost Rp 1.000.000 /Orang
Lay Off (LO) Cost Rp 1.500.000 /Orang
Inventory Cost Rp 2.500 /Unit
(Sumber: Pengumpulan Data)

Tabel 4. 4 Data Hari Kerja dan Demand


Periode Hari Kerja Demand
1 21 10089
2 19 10133
3 21 10177
4 20 10221
5 22 10265
6 20 10309
7 21 10353
8 19 10397
9 20 10441
10 21 10485
11 20 10530
12 19 10574
Total 243 123974
(Sumber: Pengumpulan Data)

4.1.3 Disagregasi dan Master Production Schedule

Pengumpulan data pada modul ini yaitu data forecast demand yang telah
didapatkan pada modul Forecasting, data parameter yang ada dan persentase actual

57
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

demand yang telah ditentukan. Hasil peramalan tersebut digunakan sebagai data
awal untuk melakukan proses disagregasi dan master production schedule atau
Jadwal Induk Produksi. Data-data tersebut dapat dilihat pada Tabel 4.5 sampai
Tabel 4.7 di bawah ini:

Tabel 4. 5 Data Forecast Demand

Periode Demand

1 10089
2 10133
3 10177
4 10221
5 10265
6 10309
7 10353
8 10397
9 10441
10 10485
11 10530
12 10574
(Sumber: Pengumpulan Data)

Tabel 4. 6 Data Parameter


Tamiya Auldey
Jenis Produk
Baracuda Cobra Hauler Emperor
Proporsi 30% 30% 20% 20%
Faktor Konversi 0,51 0,52 0,92 1
Setup Cost Rp 400.000 Rp 400.000 Rp 300.000 Rp 300.000
Holding Cost Rp 2.000 Rp 2.200 Rp 2.500 Rp 3.000
Inventori 250 250 250 250
(Sumber: Pengumpulan Data)

Tabel 4. 7 Persentase Actual Demand


Periode % AD
1 1,05
2 1,1
3 1,15
4 1,2
5 1,2
6 1,15
(Sumber: Pengumpulan Data)

58
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

4.1.4 Struktur Produk, Bill Of Materials dan Material Requirement Planning


4.1.4.1 Assembly Process Chart

Berikut ini merupakan Assembly Process Chart (Peta Proses Perakitan) dari produk
Tamiya Baracuda dapat dilihat pada Gambar 4.1 di bawah ini:

Gambar 4. 1 Assembly Process Chart (APC) Tamiya Baracuda


(Sumber: Pengumpulan Data)

4.1.4.2 Struktur Produk


Berikut ini merupakan Struktur Produk dari produk Tamiya Baracuda dapat dilihat
pada Gambar 4.2 di bawah ini:

Gambar 4. 2 Struktur Produk Tamiya Baracuda


(Sumber: Pengumpulan Data)

59
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

4.1.4.3 Bill of Materials (BOM)


Berikut ini merupakan Bill of Materials (BOM) dari produk Tamiya Baracuda dapat
dilihat pada Tabel 4.8 di bawah ini:

Tabel 4. 8 Bill of Materials (BOM) Tamiya Baracuda


No. Level Kode Deskripsi Kuantitas Order Policy On Hand Lead Time Lot Size Setup Cost Holding Cost
1 0 T Tamiya 1 LFL 148 0 1
2 1 Bd Body 1 POQ 0 2 EOQ Rp2.500.000 Rp 10.000
3 1 A-13 Assembling 13 1 LFL 0 0 1
4 2 KB Key Battery 1 SM 0 0 SM Rp3.000.000 Rp 14.500
5 2 A-12 Assembling 12 1 LFL 0 0 1
6 3 BkR Black Roller 2 EOQ 0 2 EOQ Rp1.750.000 Rp 7.500
7 3 A-11 Assembling 11 1 LFL 0 0 1
8 4 BlR Blue Roller 2 POQ 0 1 EOQ Rp1.750.000 Rp 10.000
9 4 A-10 Assembling 10 1 LFL 0 0 1
10 5 Bu Bumper 1 LFL 0 0 1 Rp2.000.000 Rp 12.000
11 5 A-9 Assembling 9 1 LFL 0 0 1
12 6 AXC Axle Shaft Cover 1 POQ 0 1 EOQ Rp2.500.000 Rp 17.000
13 6 A-8 Assembling 8 1 LFL 0 0 1
14 7 OOB On Off Button 1 EOQ 0 0 EOQ Rp2.500.000 Rp 12.000
15 7 A-7 Assembling 7 1 LFL 0 0 1
16 8 SA-8 Sub Assembling 8 1 LFL 0 0 1
17 9 SA-7 Sub Assembling 7 1 LFL 0 0 1
18 9 CG Cover Gear 1 SM 0 2 SM Rp1.000.000 Rp 10.000
19 10 BIG Blue Gear 1 LFL 0 0 1 Rp1.000.000 Rp 10.000
20 10 CE Cover Engine 1 POQ 0 1 EOQ Rp1.500.000 Rp 12.000
21 8 A-6 Assembling 6 1 LFL 0 0 1
22 9 OrG Orange Gear 2 LFL 0 0 1 Rp1.000.000 Rp 12.000
23 9 A-5 Assembling 5 1 LFL 0 0 1
24 10 PS Propeller Shaft 1 EOQ 0 0 EOQ Rp1.200.000 Rp 8.000
25 10 A-4 Assembling 4 1 LFL 0 0 1
26 11 SA-3 Sub Assembling 3 1 LFL 0 0 1
27 12 VgFR Velg FR 2 SM 0 0 SM Rp1.000.000 Rp 10.000
28 12 TrFR Tire FR 2 LFL 0 0 1 Rp1.000.000 Rp 10.000
29 11 A-3 Assembling 3 1 LFL 0 0 1
30 12 SA-2 Sub Assembling 2 1 LFL 0 0 1
31 13 VgRR Velg RR 2 SM 0 1 SM Rp1.500.000 Rp 12.000
32 13 TrRR Tire RR 2 EOQ 0 2 EOQ Rp2.500.000 Rp 15.000
33 12 A-2 Assembling 2 1 LFL 0 0 1
34 13 SA-1 Sub Assembling 1 1 LFL 0 0 1
35 14 Ash Axle Shaft 2 POQ 0 0 EOQ Rp1.000.000 Rp 10.000
36 14 GrG Green Gear 1 POQ 0 1 EOQ Rp2.500.000 Rp 17.000
37 13 A-1 Assembling 1 1 LFL 0 0 1
38 14 Brg Bearing 4 SM 0 1 SM Rp2.500.000 Rp 17.000
39 14 Chs Chasis 1 POQ 0 1 EOQ Rp2.500.000 Rp 17.000

(Sumber: Pengolahan Data)

Catatan: Data lengkap BOM terlampir.

4.1.4.4 Master Production Schedule (MPS)


Berikut ini merupakan Master Production Schedule (MPS) dari produk Tamiya
Baracuda dapat dilihat pada Tabel 4.9 di bawah ini:

Tabel 4. 9 Master Production Schedule (MPS) Tamiya Baracuda


Master Schedule
No Nama Periode
1 2 3 4 5 6 7 8 9 10 11 12
1 Asep Supriyadi A 9390 9431 15788 0 9888 9927 12044 12097 12147 12198 19599 0
2 Martin Decker L.T 9404 9445 15811 0 9902 9943 12063 12116 12164 12216 19626 17893
3 Muhammad Royyan Miftah R 9399 9439 15800 0 9894 9937 12054 12104 9725 16278 0 16411
4 Alifia Febriliawaty R 9370 9410 15751 0 9867 9907 9614 16091 0 16231 16299 0
5 Firmansyah 9374 9415 15762 0 9870 9909 9619 9703 9702 9410 9499 8469
6 Amanda Kanya H 9383 9425 15778 0 9880 9924 12038 12090 12140 12190 19586 17851
7 Rifqi Naufal W 12387 8073 8319 8565 17426 17914 0 18887 15497 0 20344 20829
8 Fikri Ahmad R 9399 9440 15803 0 9897 9941 9646 16145 0 16280 16349 0
9 Yogi Triana 9399 9439 15800 0 9894 9937 12054 12104 9725 16278 9808 9234
10 Chaka Wafa W 9367 9408 15744 0 9860 9904 9612 9653 9694 9353 9437 9516
11 Riski Septian Rachman 9392 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
12 Vicky Elfian Ageras 9408 9450 15820 0 9906 9946 12068 12121 12168 12222 19637 17899
13 Kusuma Fiqhy Kamalia 9379 9420 15767 0 9875 9918 9624 16108 0 16246 16315 0
14 Nadya Putri 9367 9408 15751 0 9863 9907 9615 16092 0 16225 16295 0
15 Muhammad Raihan M 9387 9796 15779 0 15918 15983 0 12091 16192 0 16327 16393
16 Andika Yusuf Raka M 9376 9416 15761 0 9873 9915 9621 16102 0 16241 16311 0
17 Anggi Tri Satya P 9389 9430 15783 0 9884 9928 9635 16125 0 16262 16332 0
18 Muhammad Habi Yasha 12416 12805 18506 13584 4273 5546 11072 14844 15533 26539 0 16702
19 Briyannes Sinaga 9479 7009 15823 0 0 16100 0 9678 7281 0 11751 0
(Sumber: Pengumpulan Data)

60
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

4.1.5 Line Balancing


Pengumpulan data pada modul Line Balancing ini yaitu Assembly Process Chart
(APC), Precedence Diagam, data demand dari master schedule Tamiya Baracuda
dan tabel uraian kegiatan. Data-data tersebut dapat dilihat pada Gambar 4.3,
Gambar 4.4, Tabel 4.10 dan Tabel 4.11 di bawah ini:

Gambar 4. 3 Assembly Process Chart Tamiya Baracuda


(Sumber: Pengumpulan Data)

Gambar 4. 4 Precedence Diagram


(Sumber: Pengumpulan Data)

61
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 10 Data Permintaan


Periode Demand
1 9392
2 9433
3 15789
4 0
5 9890
6 9932
7 9638
8 16129
9 0
10 16268
11 16339
12 0
Total 112810
Rata-rata 9401
(Sumber: Pengumpulan Data)

Tabel 4. 11 Uraian Kegiatan Precedence Diagram


No. Kegiatan Keterangan Waktu Node Pendahulu Mesin
1 Start 0 - -
2 Assembling 1 Komponen Bearing dan Chassis 22 Start Meja Assembling
3 Sub Assembling 1 Komponen Axle Shaft dan Komponen Green Gear 13 Start Meja Assembling
4 Assembling 2 Rangkaian Axle Shaft dan Rangkaian Chassis 10 2,3 Meja Assembling
5 Sub Assembling 2 Komponen Velg RR dan Komponen Tire RR 18 Start Meja Assembling
6 Assembling 3 Rangkaian Tire RR dan Rangkaian Chassis 11 4,5 Meja Assembling
7 Sub Assembling 3 Komponen Velg FR dan Komponen Tire FR 18 Start Meja Assembling
8 Assembling 4 Rangkaian Tire FR dan Rangkaian Chassis 11 6,7 Meja Assembling
9 Sub Assembling 4 Komponen Tambahan White Gear dan Komponen Propeller Shaft 7 Start Meja Assembling
10 Assembling 5 Rangkaian Propeller Shaft dan Rangkaian Chassis 11 8,9 Meja Assembling
11 Assembling 6 Komponen Orange Gear dan Rangkaian Chassis 10 10 Meja Assembling
12 Sub Assembling 5 Komponen Tambahan Platte Copper dan Komponen Cover Engine 5 Start Meja Assembling
13 Sub Assembling 6 Komponen Tambahan Blue Gear Pin dan Komponen Blue Gear 3 12 Meja Assembling
14 Sub Assembling 7 Rangkaian Blue Gear dan Rangkaian Cover Engine 8 13 Meja Assembling
15 Sub Assembling 8 Rangkaian Cover Engine dan Komponen Cover Gear 8 14 Meja Assembling
16 Assembling 7 Rangkaian Cover Gear dan Rangkaian Chassis 11 11,15 Meja Assembling
17 Assembling 8 Komponen On Off Button dan Rangkaian Chassis 9 16 Meja Assembling
18 Assembling 9 Komponen Axle Shaft Cover dan Rangkaian Chassis 7 17 Meja Assembling
19 Assembling 10 Komponen Bumper dan Rangkaian Chassis 9 18 Meja Assembling
20 Assembling 11 Komponen Blue Roller dan Rangkaian Chassis 11 19 Meja Assembling
21 Assembling 12 Komponen Black Roller dan Rangkaian Chassis 12 20 Meja Assembling
22 Assembling 13 Komponen Key Battery dan Rangkaian Chassis 9 21 Meja Assembling
23 Assembling 14 Komponen Body dan Rangkaian Chassis 8 22 Meja Assembling
24 Assembling 15 Komponen Sticker dan Rangkaian Chassis 40 23 Meja Assembling
25 End 0 - -
Total Waktu Perakitan (Detik) 271
(Sumber: Pengumpulan Data)

62
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

4.2 PENGOLAHAN DATA


4.2.1 Forecasting
Pengolahan data dilakukan dengan meramalkan demand selama 12 periode
kedepan. Data yang dipakai sebagai acuan untuk menentukan ramalan pada 12
periode kedapan yaitu data demand yang telah ditambahkan NPM (+31) selama 24
periode. Metode yang digunakan untuk melakukan peramalan (forecasting) yaitu
Double Moving Average (DMA), Double Exponential Smoothing (DES) Satu
Parameter dari Brown, Double Exponential Smoothing (DES) Dua Parameter dari
Holt dan metode Regresi Linier.
A. Double Moving Average (DMA)
Tabel 4. 12 Hasil Perhitungan DMA
Periode Demand S't S''t at bt m Peramalan et |et| 2 PE (%) |PE|
1 8323
2 12487
3 9492 10100,67
4 8469 10149,33
5 9760 9240,33 9830,11 8650,56 -589,78 1 8061 1699 1699 2886601 17,41 17,41
6 8105 8778,00 9389,22 8166,78 -611,22 1 7556 549 549 301401 6,77 6,77
7 10075 9313,33 9110,56 9516,11 202,78 1 9719 356 356 126736 3,53 3,53
8 9004 9061,33 9050,89 9071,78 10,44 1 9083 -79 79 6241 -0,88 0,88
9 9932 9670,33 9348,33 9992,33 322,00 1 10315 -383 383 146689 -3,86 3,86
10 7617 8851,00 9194,22 8507,78 -343,22 1 8165 -548 548 300304 -7,19 7,19
11 10028 9192,33 9237,89 9146,78 -45,56 1 9102 926 926 857476 9,23 9,23
12 9005 8883,33 8975,56 8791,11 -92,22 1 8699 306 306 93636 3,40 3,40
13 9980 9671,00 9248,89 10093,11 422,11 1 10516 -536 536 287296 -5,37 5,37
14 8013 8999,33 9184,56 8814,11 -185,22 1 8629 -616 616 379456 -7,69 7,69
15 9525 9172,67 9281,00 9064,33 -108,33 1 8956 569 569 323761 5,97 5,97
16 8013 8517,00 8896,33 8137,67 -379,33 1 7759 254 254 64516 3,17 3,17
17 9839 9125,67 8938,44 9312,89 187,22 1 9501 338 338 114244 3,44 3,44
18 7649 8500,33 8714,33 8286,33 -214,00 1 8073 -424 424 179776 -5,54 5,54
19 9668 9052,00 8892,67 9211,33 159,33 1 9371 297 297 88209 3,07 3,07
20 9876 9064,33 8872,22 9256,44 192,11 1 9449 427 427 182329 4,32 4,32
21 10108 9884,00 9333,44 10434,56 550,56 1 10986 -878 878 770884 -8,69 8,69
22 11243 10409,00 9785,78 11032,22 623,22 1 11656 -413 413 170569 -3,67 3,67
23 11318 10889,67 10394,22 11385,11 495,44 1 11881 -563 563 316969 -4,97 4,97
24 11398 11319,67 10872,78 11766,56 446,89 1 12214 -816 816 665856 -7,16 7,16
25 1 12214
26 2 12661
27 3 13108
28 4 13555
29 5 14001
30 6 14448
31 7 14895
32 8 15342
33 9 15789
34 10 16236
35 11 16683
36 12 17130
Total 465 10977 8262949 5,30 115,34
(Sumber: Pengolahan Data)

Contoh Perhitungan:

𝑑1+𝑑2+𝑑3
1. 𝑆 ′ 𝑡 3 = 𝑛
8323+12487+9492
= 3
30302
= = 10100,67
3

63
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

𝑆 ′ 𝑡3 +𝑆 ′ 𝑡4 +𝑆 ′ 𝑡5
2. 𝑆 ′ ′𝑡5 = 𝑛
10100,67+10149,33+9240,33
= 3
29490,33
= = 9830,11
3

3. 𝑎𝑡5 = 𝑆 ′ 𝑡5 + (𝑆 ′ 𝑡5 − 𝑆 ′′ 𝑡5 )
= 9240,33 + (9240,33 − 9830,11)

= 8650,56
2
4. 𝑏𝑡5 = (𝑆 ′ 𝑡5 − 𝑆 ′ ′𝑡5 )
𝑁−1
2
= 3−1 (9240,33 − 9830,11)

= −589,78
5. 𝐹𝑡5 = 𝑎𝑡5 + 𝑏𝑡5 × 𝑚5
= 8650,56 + (−589,78 × 1)
= 8060,78 ≈ 8061
6. 𝑒𝑡5 = 𝑑5 − 𝐹𝑡5
= 9760 − 8061
= 1699
𝑒
7. 𝑃𝐸𝑡5 = ( 𝑑𝑡5 ) × 100%
5

1699
= × 100%
9760
= 17,41%

Perhitungan Error:
∑ 𝑒𝑡 465
1. 𝑀𝐸 = = = 23,25
𝑛 20
∑ |𝑒𝑡| 10977
2. 𝑀𝐴𝐸 = = = 548,85
𝑛 20

3. 𝑆𝑆𝐸 = ∑(𝑒𝑡)2 = (465)2 = 216225


𝑆𝑆𝐸 216225
4. 𝑀𝑆𝐸 = = = 10811,25
𝑛 20

𝑆𝑆𝐸 216225
5. 𝑆𝐷𝐸 = √𝑛−1 = √ = 106,68
19

∑ 𝑃𝐸 5,30
6. 𝑀𝑃𝐸 = = = 0,26
𝑛 20
∑ |𝑃𝐸| 115,34
7. 𝑀𝐴𝑃𝐸 = = = 5,77
𝑛 20

64
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 13 Ringkasan Perhitungan Error DMA


Perhitungan Error
ME 23,25
MAE 548,85
SSE 216225
MSE 10811,25
SDE 106,68
MPE 0,26
MAPE 5,77
(Sumber: Pengolahan Data)

Demand
14000
12000
10000
Demand

8000
6000
Demand
4000
2000
0
0 5 10 15 20 25 30

Periode

Gambar 4. 5 Diagram Scatter DMA


(Sumber: Pengolahan Data)

Plot Data
18000
16000
14000
12000
Demand

10000
8000 Demand
6000
Forecasting
4000
2000
0
0 10 20 30 40
Periode

Gambar 4. 6 Plot Data DMA


(Sumber: Pengolahan Data)

65
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

B. Double Exponential Smoothing Satu Parameter (Brown)


Tabel 4. 14 Hasil Perhitungan DES Brown
α = 0,90
Periode Demand S't S''t at bt m Peramalan et |et| 2 PE (%) |PE|
1 8323 8323,00 8323,00
2 12487 12070,60 11695,84 12445,36 3372,84
3 9492 9749,86 9944,46 9555,26 -1751,38 1 7804 1688 1688 2849344 17,78 17,78
4 8469 8597,09 8731,82 8462,35 -1212,63 1 7250 1219 1219 1485961 14,39 14,39
5 9760 9643,71 9552,52 9734,90 820,70 1 10556 -796 796 633616 -8,16 8,16
6 8105 8258,87 8388,24 8129,51 -1164,28 1 6966 1139 1139 1297321 14,05 14,05
7 10075 9893,39 9742,87 10043,90 1354,64 1 11399 -1324 1324 1752976 -13,14 13,14
8 9004 9092,94 9157,93 9027,95 -584,94 1 8444 560 560 313600 6,22 6,22
9 9932 9848,09 9779,08 9917,11 621,15 1 10539 -607 607 368449 -6,11 6,11
10 7617 7840,11 8034,01 7646,21 -1745,07 1 5902 1715 1715 2941225 22,52 22,52
11 10028 9809,21 9631,69 9986,73 1597,68 1 11585 -1557 1557 2424249 -15,53 15,53
12 9005 9085,42 9140,05 9030,79 -491,64 1 8540 465 465 216225 5,16 5,16
13 9980 9890,54 9815,49 9965,59 675,44 1 10642 -662 662 438244 -6,63 6,63
14 8013 8200,75 8362,23 8039,28 -1453,26 1 6587 1426 1426 2033476 17,80 17,80
15 9525 9392,58 9289,54 9495,61 927,31 1 10423 -898 898 806404 -9,43 9,43
16 8013 8150,96 8264,82 8037,10 -1024,72 1 7013 1000 1000 1000000 12,48 12,48
17 9839 9670,20 9529,66 9810,73 1264,84 1 11076 -1237 1237 1530169 -12,57 12,57
18 7649 7851,12 8018,97 7683,27 -1510,68 1 6173 1476 1476 2178576 19,30 19,30
19 9668 9486,31 9339,58 9633,05 1320,60 1 10954 -1286 1286 1653796 -13,30 13,30
20 9876 9837,03 9787,29 9886,78 447,71 1 10335 -459 459 210681 -4,65 4,65
21 10108 10080,90 10051,54 10110,26 264,26 1 10375 -267 267 71289 -2,64 2,64
22 11243 11126,79 11019,27 11234,32 967,72 1 12203 -960 960 921600 -8,54 8,54
23 11318 11298,88 11270,92 11326,84 251,65 1 11579 -261 261 68121 -2,31 2,31
24 11398 11388,09 11376,37 11399,80 105,45 1 11506 -108 108 11664 -0,95 0,95
25 1 11506
26 2 11611
27 3 11717
28 4 11822
29 5 11928
30 6 12033
31 7 12138
32 8 12244
33 9 12349
34 10 12455
35 11 12560
36 12 12666
Total 266 21110 25206986 25,75 233,65
(Sumber: Pengumpulan Data)
Contoh Perhitungan:
1. 𝑆 ′ 𝑡 2 = 𝛼 × 𝐷𝑡 + (1 − 𝛼) × 𝑆 ′ 𝑡−1
= 0,9 × 12487 + (1 − 0,9) × 8323
= 11238,3 + (0,1) × 8323
= 11238,3 + 832,3
= 12070,6
2. 𝑆 ′′ 𝑡 2 = 𝛼 × 𝑆 ′ 𝑡 2 + (1 − 𝛼) × 𝑆 ′′ 𝑡 −1
= 0,9 × 12070,6 + (1 − 0,9) × 8323
= 10863,54 + (0,1) × 8323
= 10863,54 + 832,3
= 11695,84

66
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

3. 𝑎𝑡2 = 𝑆 ′ 𝑡 2 + (𝑆 ′ 𝑡 2 − 𝑆 ′ ′𝑡 2 )
= 12070,6 + (12070,6 − 11695,84)
= 12445,36
𝛼
4. 𝑏𝑡2 = 1−𝛼 (𝑆 ′ 𝑡 2 − 𝑆 ′ ′𝑡 2 )
0,9
= 1−0,9 (12070,6 − 11695,84)

= 9(374,76)
= 3372,84
5. 𝐹𝑡3 = 𝑎𝑡3 + 𝑏𝑡3 × 𝑚
= 9555,26 + (−1751,38 × 1)
= 9555,26 − 1751,38
= 7803,88 ≈ 7804
6. 𝑒𝑡3 = 𝑑3 − 𝐹𝑡3
= 9492 − 7804
= 1688
𝑒
7. 𝑃𝐸𝑡3 = ( 𝑑𝑡3 ) × 100%
3

1688
= (9492) × 100%

= 17,78%

Perhitungan Error:
∑ 𝑒𝑡 266
1. 𝑀𝐸 = = = 12,09
𝑛 22

∑|𝑒𝑡| 21110
2. 𝑀𝐴𝐸 = = = 959,55
𝑛 22

3. 𝑆𝑆𝐸 = ∑(𝑒𝑡)2 = (266)2 = 70756


𝑆𝑆𝐸 70756
4. 𝑀𝑆𝐸 = = = 3216,18
𝑛 22

𝑆𝑆𝐸 3216,18
5. 𝑆𝐷𝐸 = √𝑛−1 = √ = 58,05
21

∑ 𝑃𝐸 25,75
6. 𝑀𝑃𝐸 = = = 1,17
𝑛 22

∑ |𝑃𝐸| 233,65
7. 𝑀𝐴𝑃𝐸 = = = 10,62
𝑛 22

67
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 15 Ringkasan Perhitungan Error DES Brown


PERHITUNGAN ERROR
ME 12,09
MAE 959,55
SSE 70756
MSE 3216,18
SDE 58,05
MPE 1,17
MAPE 10,62
(Sumber: Pengolahan Data)

Tabel 4. 16 Hasil Perhitungan Alpha DES Brown


α MSE α MSE
0,1 148092,05 0,91 5473,14
0,2 30787,68 0,92 8326,55
0,3 143694,73 0,93 11776,41
0,4 216018,18 0,94 15715,64
0,5 209332,55 0,95 20404,55
0,6 144504,05 0,96 25773,14
0,7 66440,05 0,97 31616,18
0,8 11730,18 0,98 37972,55
0,9 3216,18 0,99 45001,14
(Sumber: Pengolahan Data)

Demand
14000

12000

10000
Demand

8000

6000
Demand
4000

2000

0
0 5 10 15 20 25 30
Periode

Gambar 4. 7 Diagram Scatter DES Brown


(Sumber: Pengolahan Data)

68
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Plot Data
14000
12000
10000

Demand
8000
6000 Demand
4000 Forecast
2000
0
0 10 20 30 40
Periode

Gambar 4. 8 Plot Data DES Brown


(Sumber: Pengolahan Data)

C. Double Exponential Smoothing Dua Parameter (Holt)


Tabel 4. 17 Hasil Perhitungan DES Holt
α = 0,90 dan ɣ = 0,90
Periode Demand S't bt m Peramalan et |et| 2 PE (%) |PE|
1 8323 8323,00 4164,00
2 12487 12487,00 4164,00
3 9492 10207,90 -1634,79 1 8574 918 918 842724 9,67 9,67
4 8469 8479,41 -1719,12 1 6761 1708 1708 2917264 20,17 20,17
5 9760 9460,03 710,64 1 10171 -411 411 168921 -4,21 4,21
6 8105 8311,57 -962,55 1 7350 755 755 570025 9,32 9,32
7 10075 9802,40 1245,50 1 11048 -973 973 946729 -9,66 9,66
8 9004 9208,39 -410,06 1 8799 205 205 42025 2,28 2,28
9 9932 9818,63 508,21 1 10327 -395 395 156025 -3,98 3,98
10 7617 7887,98 -1686,76 1 6202 1415 1415 2002225 18,58 18,58
11 10028 9645,32 1412,93 1 11059 -1031 1031 1062961 -10,28 10,28
12 9005 9210,32 -250,20 1 8961 44 44 1936 0,49 0,49
13 9980 9878,01 575,90 1 10454 -474 474 224676 -4,75 4,75
14 8013 8257,09 -1401,24 1 6856 1157 1157 1338649 14,44 14,44
15 9525 9258,09 760,77 1 10019 -494 494 244036 -5,19 5,19
16 8013 8213,59 -863,97 1 7350 663 663 439569 8,27 8,27
17 9839 9590,06 1152,43 1 10743 -904 904 817216 -9,19 9,19
18 7649 7958,35 -1353,30 1 6606 1043 1043 1087849 13,64 13,64
19 9668 9361,71 1127,69 1 10490 -822 822 675684 -8,50 8,50
20 9876 9937,34 630,84 1 10569 -693 693 480249 -7,02 7,02
21 10108 10154,02 258,09 1 10413 -305 305 93025 -3,02 3,02
22 11243 11159,91 931,11 1 12092 -849 849 720801 -7,55 7,55
23 11318 11395,30 304,96 1 11701 -383 383 146689 -3,38 3,38
24 11398 11428,23 60,13 1 11489 -91 91 8281 -0,80 0,80
25 1 11489
26 2 11549
27 3 11609
28 4 11669
29 5 11729
30 6 11789
31 7 11850
32 8 11910
33 9 11970
34 10 12030
35 11 12090
36 12 12150
Total 83 15733 14987559 19,32 174,37
(Sumber: Pengolahan Data)

69
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Contoh Perhitungan:
1. 𝑆 ′ 𝑡2 = 𝛼 × 𝐷𝑡2 + (1 − 𝛼) × (𝑆 ′ 𝑡2−1 + 𝑏𝑡2−1 )
= 0,90 × 12487 + (1 − 0,90) × (8323 + 4164)
= 11238,3 + (0,1 × 12487)
= 11238,3 + 1248,7
= 12487
2. 𝑏𝑡2 = 𝛾 × (𝑆 ′ 𝑡2 − 𝑆 ′ 𝑡2−1 ) + (1 − 𝛾)𝑏𝑡2−1
= 0,90 × (12487 − 8323) + (1 − 0,90) × 4164,00
= 0,90 × (4164) + (0,1) × 4164,00
= 3747,6 + 416,4
= 4164
3. 𝐹𝑡3 = 𝑆 ′ 𝑡3 + 𝑏𝑡3 × 𝑚3
= 10207,90 + (−1634,79 × 1)
= 10207,90 − 1634,79
= 8573,11 ≈ 8574
4. 𝑒𝑡3 = 𝑑3 − 𝐹𝑡3
= 9492 − 8574
= 918
𝑒
5. 𝑃𝐸𝑡3 = ( 𝑑𝑡3 ) × 100%
3

918
=( ) × 100%
9492
= 9,67%

Perhitungan Error:
∑ 𝑒𝑡
1. 𝑀𝐸 = 5. 𝑆𝐷𝐸 = √𝑛−1
𝑆𝑆𝐸
𝑛
83
= = 3,77
22 6889
=√ = 18,11
∑|𝑒𝑡| 21
2. 𝑀𝐴𝐸 = 𝑛
∑ 𝑃𝐸
15733 6. 𝑀𝑃𝐸 =
= = 715,14 𝑛
22
19,32
= = 0,88
22

70
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

3. 𝑆𝑆𝐸 = ∑(𝑒𝑡)2 7. 𝑀𝐴𝑃𝐸 =


∑|𝑃𝐸|
𝑛

= (83)2 = 6889 174,37


= = 7,93
22
𝑆𝑆𝐸
4. 𝑀𝑆𝐸 = 𝑛
6889
= = 313,14
22
Tabel 4. 18 Ringkasan Perhitungan Error DES Holt
PERHITUNGAN ERROR
ME 3,77
MAE 715,14
SSE 6889
MSE 313,14
SDE 18,11
MPE 0,88
MAPE 7,93
(Sumber: Pengolahan Data)

Tabel 4. 19 Hasil Perhitungan Alpha dan Gamma DES Holt Satu Desimal
α ɣ MSE α ɣ MSE α ɣ MSE
0,1 7587330618,18 0,1 357428771,64 0,1 101901504,73
0,2 2995198936,41 0,2 84687768,00 0,2 23278040,91
0,3 1126182691,64 0,3 31352053,14 0,3 8103450,18
0,4 411852515,64 0,4 15358996,55 0,4 3556896,18
0,1 0,5 155089170,18 0,4 0,5 8600001,14 0,7 0,5 1748964,05
0,6 67284030,73 0,6 5253818,23 0,6 901732,55
0,7 38613150,73 0,7 3457083,68 0,7 464582,23
0,8 30795856,41 0,8 2410342,00 0,8 226852,55
0,9 30983075,64 0,9 1728161,64 0,9 97688,91
0,1 1760232880,41 0,1 216634968,00 0,1 75254305,50
0,2 444088120,41 0,2 51090576,18 0,2 16786049,50
0,3 138727728,41 0,3 18720292,55 0,3 5629756,41
0,4 62986392,05 0,4 8881112,91 0,4 2336116,41
0,2 0,5 40259869,14 0,5 0,5 4845710,23 0,8 0,5 1062161,64
0,6 30169644,05 0,6 2887313,64 0,6 487230,73
0,7 22833753,14 0,7 1815563,64 0,7 209918,23
0,8 16405636,55 0,8 1171171,64 0,8 75172,55
0,9 11127150,73 0,9 758881,64 0,9 16527,68
0,1 687983760,41 0,1 144087054,73 0,1 57419716,55
0,2 162786560,73 0,2 33547540,41 0,2 12445600,41
0,3 58500710,23 0,3 12033883,68 0,3 3991620,05
0,4 29798400,73 0,4 5518014,73 0,4 1548131,64
0,3 0,5 17744480,18 0,6 0,5 2884416,18 0,9 0,5 634780,41
0,6 11030640,18 0,6 1620583,68 0,6 247192,00
0,7 7073892,05 0,7 937716,55 0,7 78481,64
0,8 4812913,64 0,8 542906,18 0,8 13010,23
0,9 3549662,23 0,9 304913,64 0,9 313,14
(Sumber: Pengolahan Data)

71
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 20 Hasil Perhitungan Alpha dan Gamma DES Holt Dua Desimal
α ɣ MSE α ɣ MSE α ɣ MSE
0,91 1818,18 0,91 6324,05 0,91 12624,05
0,92 2909,50 0,92 8056,41 0,92 15290,91
0,93 4256,18 0,93 10255,68 0,93 17926,55
0,94 5793,14 0,94 12385,64 0,94 20894,73
0,91 0,95 7603,68 0,94 0,95 14924,05 0,97 0,95 23826,18
0,96 9493,14 0,96 17416,41 0,96 27090,18
0,97 11638,00 0,97 20282,91 0,97 30266,18
0,98 14051,64 0,98 23107,68 0,98 33618,18
0,99 16418,23 0,99 26254,55 0,99 37310,73
0,91 3002,23 0,91 8326,55 0,91 15396,55
0,92 4424,73 0,92 10385,64 0,92 17983,68
0,93 5989,50 0,93 12720,05 0,93 20956,41
0,94 7753,14 0,94 15133,14 0,94 23826,18
0,92 0,95 9913,14 0,95 0,95 17812,55 0,98 0,95 27020,05
0,96 12055,68 0,96 20587,68 0,96 30489,14
0,97 14254,55 0,97 23498,23 0,97 33931,64
0,98 16802,91 0,98 26601,14 0,98 37475,64
0,99 19560,73 0,99 29896,41 0,99 41195,64
0,91 4538,91 0,91 10385,64 0,91 17869,50
0,92 6122,23 0,92 12624,05 0,92 20710,23
0,93 8056,41 0,93 15238,23 0,93 23892,05
0,94 10040,91 0,94 17926,55 0,94 27301,14
0,93 0,95 12149,50 0,96 0,95 20771,64 0,99 0,95 30414,73
0,96 14613,14 0,96 23629,14 0,96 34088,91
0,97 17304,05 0,97 27020,05 0,97 37558,23
0,98 19800,00 0,98 30118,00 0,98 41109,14
0,99 22656,18 0,99 33462,00 0,99 45091,64
(Sumber: Pengolahan Data)

Demand
14000

12000

10000
Demand

8000

6000

4000

2000

0
0 5 10 15 20 25 30
Periode

Gambar 4. 9 Diagram Scatter DES Holt


(Sumber: Pengolahan Data)

72
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Plot Data
14000
12000
10000
Demand 8000
6000 Demand
4000 Forecast

2000
0
0 10 20 30 40
Periode

Gambar 4. 10 Plot Data DES Holt


(Sumber: Pengolahan Data)

D. Regresi Linier
Tabel 4. 21 Hasil Perhitungan Regresi Linier
2 2
Periode Demand dt F=a+bt Peramalan et |et| PE (%) |PE|
1 8323 1 8323 9032,51 9033 -710 710 504100 -8,53 8,53
2 12487 4 24974 9076,53 9077 3410 3410 11628100 27,31 27,31
3 9492 9 28476 9120,54 9121 371 371 137641 3,91 3,91
4 8469 16 33876 9164,56 9165 -696 696 484416 -8,22 8,22
5 9760 25 48800 9208,57 9209 551 551 303601 5,65 5,65
6 8105 36 48630 9252,59 9253 -1148 1148 1317904 -14,16 14,16
7 10075 49 70525 9296,60 9297 778 778 605284 7,72 7,72
8 9004 64 72032 9340,61 9341 -337 337 113569 -3,74 3,74
9 9932 81 89388 9384,63 9385 547 547 299209 5,51 5,51
10 7617 100 76170 9428,64 9429 -1812 1812 3283344 -23,79 23,79
11 10028 121 110308 9472,66 9473 555 555 308025 5,53 5,53
12 9005 144 108060 9516,67 9517 -512 512 262144 -5,69 5,69
13 9980 169 129740 9560,69 9561 419 419 175561 4,20 4,20
14 8013 196 112182 9604,70 9605 -1592 1592 2534464 -19,87 19,87
15 9525 225 142875 9648,72 9649 -124 124 15376 -1,30 1,30
16 8013 256 128208 9692,73 9693 -1680 1680 2822400 -20,97 20,97
17 9839 289 167263 9736,74 9737 102 102 10404 1,04 1,04
18 7649 324 137682 9780,76 9781 -2132 2132 4545424 -27,87 27,87
19 9668 361 183692 9824,77 9825 -157 157 24649 -1,62 1,62
20 9876 400 197520 9868,79 9869 7 7 49 0,07 0,07
21 10108 441 212268 9912,80 9913 195 195 38025 1,93 1,93
22 11243 484 247346 9956,82 9957 1286 1286 1653796 11,44 11,44
23 11318 529 260314 10000,83 10001 1317 1317 1734489 11,64 11,64
24 11398 576 273552 10044,84 10045 1353 1353 1830609 11,87 11,87
25 10088,86 10089
26 10132,87 10133
27 10176,89 10177
28 10220,90 10221
29 10264,92 10265
30 10308,93 10309
31 10352,94 10353
32 10396,96 10397
33 10440,97 10441
34 10484,99 10485
35 10529,00 10530
36 10573,02 10574
300 228927 4900 2912204 -9,00 21791,00 34632583,00 -37,96 233,57
(Sumber: Pengolahan Data)

73
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Contoh Perhitungan:

1. 𝑡1 2 = 12 5. 𝐹𝑡1 = 𝑎 + 𝑏 × 𝑡1
=1 = 8988,5 + (44,01 × 1)
2. 𝑑𝑡1 = 𝑑𝑡1 × 𝑡1 = 8988,5 + 44,01
= 8323 × 1 = 9032,51 ≈ 9033
= 8323 6. 𝑒𝑡1 = 𝑑1 − 𝐹𝑡1
𝑛 ∑ 𝑑𝑡 −(∑ 𝑡)(∑ 𝑑) = 8323 − 9033
3. 𝑏 = 2
𝑛 ∑ 𝑡 2 −(∑ 𝑡)
= −710
24(2912204)−(300)(228927)
= 𝑒
24(4900)−(300)2
7. 𝑃𝐸𝑡1 = ( 𝑑𝑡1 ) × 100%
69892896−68678100 1
= 117600−90000 −710
1214796 =( ) × 100%
= 8323
27600
= −8,53%
= 44,01
∑ 𝑑−𝑏 ∑ 𝑡
4. 𝑎 = 𝑛

228927 − (44,01)(300)
=
24
228927 − 13203
=
24
215724
=
24
= 8988,50

Perhitungan Error:

∑ 𝑒𝑡 𝑆𝑆𝐸
1. 𝑀𝐸 = 4. 𝑀𝑆𝐸 =
𝑛 𝑛

−9,00 81,00
= = = 3,38
24 24
= −0,38
𝑆𝑆𝐸
∑|𝑒𝑡| 5. 𝑆𝐷𝐸 = √𝑛−1
2. 𝑀𝐴𝐸 = 𝑛
21791 81,00
= = 907,96 =√
24 23
3. 𝑆𝑆𝐸 = ∑(𝑒𝑡)2 = 1,88
= (−9,00)2
= 81,00

74
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

∑ 𝑃𝐸 ∑|𝑃𝐸|
6. 𝑀𝑃𝐸 = 7. 𝑀𝐴𝑃𝐸 =
𝑛 𝑛
−37,96 233,57
= =
24 24
= −1,58 = 9,73

Tabel 4. 22 Ringkasan Perhitungan Error Regresi Linier


PERHITUNGAN ERROR
ME -0,38
MAE 907,96
SSE 81,00
MSE 3,38
SDE 1,88
MPE -1,58
MAPE 9,73
(Sumber: Pengolahan Data)

Demand
14000

12000

10000
Demand

8000

6000

4000

2000

0
0 5 10 15 20 25 30
Periode

Gambar 4. 11 Diagram Scatter Regresi Linier


(Sumber: Pengolahan Data)

75
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Plot Data
14000
12000
10000

Demand 8000
6000 Demand
4000 Forecast
2000
0
0 10 20 30 40
Periode

Gambar 4. 12 Plot Data Regresi Linier


(Sumber: Pengolahan Data)

Tabel 4. 23 Ringkasan Hasil Perhitungan Error Semua Metode


Metode Forecasting
No. Error
DMA DES Brown DES Holt Regresi Linier
1 ME 23,25 12,09 3,77 -0,38
2 MAE 548,85 959,55 715,14 907,96
3 SSE 216225,00 70756,00 6889,00 81,00
4 MSE 10811,25 3216,18 313,14 3,38
5 SDE 106,68 58,05 18,11 1,88
6 MPE 0,26 1,17 0,88 -1,58
7 MAPE 5,77 10,62 7,93 9,73
(Sumber: Pengolahan Data)

4.2.2 Rencana Produksi Agregat

Pengolahan data pada modul Rencana Produksi Agregat ini yaitu dengan mencari
ongkos total menggunakan tiga metode seperti strategi tenaga kerja tetap, strategi
tenaga kerja berubah dan strategi transportasi.

A. Strategi Tenaga Kerja Tetap


Tabel 4. 24 Strategi Tenaga Kerja Tetap (Round Up)
Periode HK Demand TK RMH UPRT UPOT Hiring Inventory Biaya RT Biaya Inventory Biaya OT Biaya Hiring Total Biaya
0 12 250
1 21 10089 17976 10764 95 925 Rp 538.200.000 Rp 2.312.500 Rp - Rp 95.000.000 Rp 635.512.500
2 19 10133 16264 9738 530 Rp 486.900.000 Rp 1.325.000 Rp - Rp 488.225.000
3 21 10177 17976 10764 1117 Rp 538.200.000 Rp 2.792.500 Rp - Rp 540.992.500
4 20 10221 17120 10251 1147 Rp 512.550.000 Rp 2.867.500 Rp - Rp 515.417.500
5 22 10265 18832 11276 2158 Rp 563.800.000 Rp 5.395.000 Rp - Rp 569.195.000
6 20 10309 17120 10251 2100 Rp 512.550.000 Rp 5.250.000 Rp - Rp 517.800.000
107
7 21 10353 17976 10764 2511 Rp 538.200.000 Rp 6.277.500 Rp - Rp 544.477.500
8 19 10397 16264 9738 1852 Rp 486.900.000 Rp 4.630.000 Rp - Rp 491.530.000
9 20 10441 17120 10251 1662 Rp 512.550.000 Rp 4.155.000 Rp - Rp 516.705.000
10 21 10485 17976 10764 1941 Rp 538.200.000 Rp 4.852.500 Rp - Rp 543.052.500
11 20 10530 17120 10251 1662 Rp 512.550.000 Rp 4.155.000 Rp - Rp 516.705.000
12 19 10574 16264 9738 826 Rp 486.900.000 Rp 2.065.000 Rp - Rp 488.965.000
Total 243 123974 119 208008 124550 0 95 18431 Rp 6.227.500.000 Rp 46.077.500 Rp - Rp 95.000.000 Rp 6.368.577.500
(Sumber: Pengolahan Data)

76
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Contoh Perhitungan:

1. Tenaga Kerja
(∑ 𝐷𝑡 − 𝐼𝑡−1 )
𝑇𝐾 = × 𝑊𝐵
(∑ 𝐻𝐾 × 𝐽𝐾)
(123974 − 250)
= × 1,67
(243 × 8)
(123724)
= × 1,67
(1944)
= 63,64 × 1,67 = 106,27 ≈ 107 Pekerja

2. Regular Man Hour (RMH)

𝑅𝑀𝐻1 = 𝐻𝐾1 × 𝐽𝐾 × 𝑇𝐾
= 21 × 8 × 107
= 17976 Jam

3. Unit Production Regular Time (UPRT)


𝑅𝑀𝐻1
𝑈𝑃𝑅𝑇1 =
𝑊𝐵
17976
= = 10764,07 ≈ 10764 Unit
1,67

4. Unit Production Over Time (UPOT)


Karena UPRT > Demand, maka tidak terdapat Unit Production Over Time
(UPOT).
5. Hiring

𝐻𝑖𝑟𝑖𝑛𝑔 = 𝑇𝐾 − 𝑇𝐾𝐴𝑤𝑎𝑙
= 107 − 12
= 95 Pekerja

6. Inventori

𝐼1 = (𝑈𝑃𝑅𝑇1 + 𝑈𝑃𝑂𝑇1 + 𝑆𝐾1 + 𝐼𝑡−1 ) − 𝐷𝑡1


= (10764 + 0 + 0 + 250) − 10089
= 11014 − 10089 = 925 Unit

77
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

7. Biaya Unit Production Regular Time

𝐵𝑅𝑇1 = 𝑈𝑃𝑅𝑇1 × 𝐶𝑜𝑠𝑡 𝑅𝑇


= 10764 × 𝑅𝑝 50.000
= 𝑅𝑝 538.200.000
8. Biaya Inventori

𝐵𝐼1 = 𝐼1 × 𝐶𝑜𝑠𝑡 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦


= 925 × 𝑅𝑝 2.500
= 𝑅𝑝 2.312.500
9. Biaya Unit Production Over Time

𝐵𝑂𝑇1 = 𝑈𝑃𝑂𝑇1 × 𝐶𝑜𝑠𝑡 𝑂𝑇


= 0 × 𝑅𝑝 75.000
= 𝑅𝑝 0
10. Biaya Hiring
𝐵𝐻 = 𝐻𝑖𝑟𝑖𝑛𝑔 × 𝐶𝑜𝑠𝑡 𝐻𝑖𝑟𝑖𝑛𝑔
= 95 × 𝑅𝑝 1.000.000
= 𝑅𝑝 95.000.000
11. Total Cost
𝐵𝑖𝑎𝑦𝑎 𝑇𝑜𝑡𝑎𝑙 = ∑ 𝐵𝑅𝑇 + ∑ 𝐵𝐼 + ∑ 𝐵𝑂𝑇 + ∑ 𝐵𝐻
= 𝑅𝑝 6.227.500.000 + 𝑅𝑝 46.077.500 + 𝑅𝑝 0
+ 𝑅𝑝 95.000.000
= 𝑅𝑝 6.368.577.500
B. Strategi Tenaga Kerja Tetap (Round Down)

Tabel 4. 25 Strategi Tenaga Kerja Tetap (Round Down)


Periode HK Demand TK RMH UPRT UPOT Hiring Inventory Biaya RT Biaya Inventory Biaya OT Biaya Hiring Total Biaya
0 12 250
1 21 10089 17808 10663 94 824 Rp 533.150.000 Rp 2.060.000 Rp - Rp 94.000.000 Rp 629.210.000
2 19 10133 16112 9647 338 Rp 482.350.000 Rp 845.000 Rp - Rp 483.195.000
3 21 10177 17808 10663 824 Rp 533.150.000 Rp 2.060.000 Rp - Rp 535.210.000
4 20 10221 16960 10155 758 Rp 507.750.000 Rp 1.895.000 Rp - Rp 509.645.000
5 22 10265 18656 11171 1664 Rp 558.550.000 Rp 4.160.000 Rp - Rp 562.710.000
6 20 10309 16960 10155 1510 Rp 507.750.000 Rp 3.775.000 Rp - Rp 511.525.000
106
7 21 10353 17808 10663 1820 Rp 533.150.000 Rp 4.550.000 Rp - Rp 537.700.000
8 19 10397 16112 9647 1070 Rp 482.350.000 Rp 2.675.000 Rp - Rp 485.025.000
9 20 10441 16960 10155 784 Rp 507.750.000 Rp 1.960.000 Rp - Rp 509.710.000
10 21 10485 17808 10663 962 Rp 533.150.000 Rp 2.405.000 Rp - Rp 535.555.000
11 20 10530 16960 10155 587 Rp 507.750.000 Rp 1.467.500 Rp - Rp 509.217.500
12 19 10574 16112 9647 340 0 Rp 482.350.000 Rp - Rp 25.500.000 Rp 507.850.000
Total 243 123974 118 206064 123384 340 94 11141 Rp 6.169.200.000 Rp 27.852.500 Rp 25.500.000 Rp 94.000.000 Rp 6.316.552.500
(Sumber: Pengolahan Data)

78
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Contoh Perhitungan:

1. Tenaga Kerja
(∑ 𝐷𝑡 − 𝐼𝑡−1 )
𝑇𝐾 = × 𝑊𝐵
(∑ 𝐻𝐾 × 𝐽𝐾)
(123974 − 250)
= × 1,67
(243 × 8)
(123724)
= × 1,67
(1944)
= 63,64 × 1,67 = 106,27 ≈ 106 Pekerja
2. Regular Man Hour (RMH)
𝑅𝑀𝐻1 = 𝐻𝐾1 × 𝐽𝐾 × 𝑇𝐾
= 21 × 8 × 106
= 17808 Jam
3. Unit Production Regular Time (UPRT)
𝑅𝑀𝐻1
𝑈𝑃𝑅𝑇1 =
𝑊𝐵
17808
= = 10663,47 ≈ 10663 Unit
1,67

4. Unit Production Over Time (UPOT)


𝑈𝑃𝑂𝑇12 = 𝐷𝑡12 − (𝑈𝑃𝑅𝑇12 + 𝐼𝑡−1 )
= 10574 − (9647 + 587)
= 10574 − (10234) = 340
5. Hiring
𝐻𝑖𝑟𝑖𝑛𝑔 = 𝑇𝐾 − 𝑇𝐾𝐴𝑤𝑎𝑙
= 106 − 12
= 94 Pekerja
6. Inventori
𝐼1 = (𝑈𝑃𝑅𝑇1 + 𝑈𝑃𝑂𝑇1 + 𝑆𝐾1 + 𝐼𝑡−1 ) − 𝐷𝑡1
= (10663 + 0 + 0 + 250) − 10089
= 10931 − 10089 = 824 Unit
7. Biaya Unit Production Regular Time
𝐵𝑅𝑇1 = 𝑈𝑃𝑅𝑇1 × 𝐶𝑜𝑠𝑡 𝑅𝑇
= 10663 × 𝑅𝑝 50.000 = 𝑅𝑝 533.150.000

79
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

8. Biaya Inventori
𝐵𝐼1 = 𝐼1 × 𝐶𝑜𝑠𝑡 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦
= 824 × 𝑅𝑝 2.500
= 𝑅𝑝 2.060.000
9. Biaya Unit Production Over Time
𝐵𝑂𝑇1 = 𝑈𝑃𝑂𝑇1 × 𝐶𝑜𝑠𝑡 𝑂𝑇
= 0 × 𝑅𝑝 75.000
= 𝑅𝑝 0
10. Biaya Hiring
𝐵𝐻 = 𝐻𝑖𝑟𝑖𝑛𝑔 × 𝐶𝑜𝑠𝑡 𝐻𝑖𝑟𝑖𝑛𝑔
= 94 × 𝑅𝑝 1.000.000
= 𝑅𝑝 94.000.000
11. Total Cost
𝐵𝑖𝑎𝑦𝑎 𝑇𝑜𝑡𝑎𝑙 = ∑ 𝐵𝑅𝑇 + ∑ 𝐵𝐼 + ∑ 𝐵𝑂𝑇 + ∑ 𝐵𝐻
= 𝑅𝑝 6.169.200.000 + 𝑅𝑝 27.852.500 + 𝑅𝑝 25.000.000
+ 𝑅𝑝 94.000.000 = 𝑅𝑝 6.316.552.500
C. Strategi Tenaga Kerja Berubah (Round Up)

Tabel 4. 26 Strategi Tenaga Kerja Berubah (Round Up)


Biaya
Periode HK Demand TK Dihitung TK Terpakai RMH UPRT UPOT Hiring Lay Off Inventory Biaya RT Biaya OT Biaya Hiring Biaya Lay Off Total Biaya
Inventory
0 12 250
1 21 10089 98 98 16464 9858 86 19 Rp 492.900.000 Rp 47.500 Rp - Rp 86.000.000 Rp 578.947.500
2 19 10133 112 112 17024 10194 14 80 Rp 509.700.000 Rp 200.000 Rp - Rp 14.000.000 Rp 523.900.000
3 21 10177 101 101 16968 10160 11 63 Rp 508.000.000 Rp 157.500 Rp - Rp 16.500.000 Rp 524.657.500
4 20 10221 107 107 17120 10251 6 93 Rp 512.550.000 Rp 232.500 Rp - Rp 6.000.000 Rp 518.782.500
5 22 10265 97 97 17072 10222 10 50 Rp 511.100.000 Rp 125.000 Rp - Rp 15.000.000 Rp 526.225.000
6 20 10309 108 108 17280 10347 11 88 Rp 517.350.000 Rp 220.000 Rp - Rp 11.000.000 Rp 528.570.000
7 21 10353 103 103 17304 10361 5 96 Rp 518.050.000 Rp 240.000 Rp - Rp 7.500.000 Rp 525.790.000
8 19 10397 114 114 17328 10376 11 75 Rp 518.800.000 Rp 187.500 Rp - Rp 11.000.000 Rp 529.987.500
9 20 10441 109 109 17440 10443 5 77 Rp 522.150.000 Rp 192.500 Rp - Rp 7.500.000 Rp 529.842.500
10 21 10485 104 104 17472 10462 5 54 Rp 523.100.000 Rp 135.000 Rp - Rp 7.500.000 Rp 530.735.000
11 20 10530 110 110 17600 10538 6 62 Rp 526.900.000 Rp 155.000 Rp - Rp 6.000.000 Rp 533.055.000
12 19 10574 116 116 17632 10558 6 46 Rp 527.900.000 Rp 115.000 Rp - Rp 6.000.000 Rp 534.015.000
Total 243 123974 1279 1279 206704 123770 0 140 36 1053 Rp 6.188.500.000 Rp 2.007.500 Rp - Rp 140.000.000 Rp 54.000.000 Rp 6.384.507.500

(Sumber: Pengolahan Data)


Contoh Perhitungan:

1. Tenaga Kerja
(𝐷𝑡1 − 𝐼𝑡−1 )
𝑇𝐾1 = ( × 𝑊𝐵)
(𝐻𝐾1 × 𝐽𝐾)
(10089−250)
=( (21×8)
× 1,67)

(9839)
=( × 1,67)
(168)
= (58,57 × 1,67) = 97,81 ≈ 98 P k rja

80
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

2. Regular Man Hour (RMH)


𝑅𝑀𝐻1 = 𝐻𝐾1 × 𝐽𝐾 × 𝑇𝐾1
= 21 × 8 × 97
= 16464 Jam
3. Unit Production Regular Time (UPRT)
𝑅𝑀𝐻1
𝑈𝑃𝑅𝑇1 =
𝑊𝐵
16464
= = 9858,68 ≈ 9858 Unit
1,67

4. Unit Production Over Time (UPOT)


𝑈𝑃𝑂𝑇1 = 𝐷𝑡1 − (𝑈𝑃𝑅𝑇1 + 𝐼𝑡−1 )
= 10089 − (9858 + 250)
= 10089 − 10089 = 0 Unit
5. Hiring
𝐻𝑖𝑟𝑖𝑛𝑔 = 𝑇𝐾1 − 𝑇𝐾𝐴𝑤𝑎𝑙
= 98 − 12 = 86 P k rja
6. Inventori
𝐼1 = (𝑈𝑃𝑅𝑇1 + 𝑈𝑃𝑂𝑇1 + 𝑆𝐾1 + 𝐼𝑡−1 ) − 𝐷𝑡1
= (9858 + 0 + 0 + 250) − 10089
= 10108 − 10089 = 19 Unit
7. Biaya Unit Production Regular Time
𝐵𝑅𝑇1 = 𝑈𝑃𝑅𝑇1 × 𝐶𝑜𝑠𝑡 𝑅𝑇
= 9858 × 𝑅𝑝 50.000
= 𝑅𝑝 492.900.000
8. Biaya Inventori
𝐵𝐼1 = 𝐼1 × 𝐶𝑜𝑠𝑡 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦
= 19 × 𝑅𝑝 2.500
= 𝑅𝑝 47.500
9. Biaya Unit Production Over Time
𝐵𝑂𝑇1 = 𝑈𝑃𝑂𝑇1 × 𝐶𝑜𝑠𝑡 𝑂𝑇
= 0 × 𝑅𝑝 75.000
= 𝑅𝑝 0

81
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

10. Biaya Hiring


𝐵𝐻 = 𝐻𝑖𝑟𝑖𝑛𝑔 × 𝐶𝑜𝑠𝑡 𝐻𝑖𝑟𝑖𝑛𝑔
= 86 × 𝑅𝑝 1.000.000
= 𝑅𝑝 86.000.000
11. Biaya Layoff
𝐵𝐿3 = 𝐿𝑎𝑦𝑜𝑓𝑓3 × 𝐶𝑜𝑠𝑡 𝐿𝑎𝑦𝑜𝑓𝑓
= 11 × 𝑅𝑝 1.500.000
= 𝑅𝑝 16.500.00
12. Total Cost
𝐵𝑖𝑎𝑦𝑎 𝑇𝑜𝑡𝑎𝑙 = ∑ 𝐵𝑅𝑇 + ∑ 𝐵𝐼 + ∑ 𝐵𝑂𝑇 + ∑ 𝐵𝐻 + ∑ 𝐵𝐿
= 𝑅𝑝 6.188.50.000 + 𝑅𝑝 2.007.500 + 𝑅𝑝 0
+ 𝑅𝑝 140.000.000 + 𝑅𝑝 54.000.000
= 𝑅𝑝 6.384.507.500

D. Strategi Tenaga Kerja Berubah (Round Down)

Tabel 4. 27 Strategi Tenaga Kerja Berubah (Round Down)


Biaya
Periode HK Demand TK Dihitung TK Terpakai RMH UPRT UPOT Hiring Lay Off Inventory Biaya RT Biaya OT Biaya Hiring Biaya Lay Off Total Biaya
Inventory
0 12 250
1 21 10089 97 97 16296 9758 81 85 0 Rp 487.900.000 Rp - Rp 6.075.000 Rp 85.000.000 Rp 578.975.000
2 19 10133 111 111 16872 10102 31 14 0 Rp 505.100.000 Rp - Rp 2.325.000 Rp 14.000.000 Rp 521.425.000
3 21 10177 101 101 16968 10160 17 10 0 Rp 508.000.000 Rp - Rp 1.275.000 Rp 15.000.000 Rp 524.275.000
4 20 10221 106 106 16960 10155 66 5 0 Rp 507.750.000 Rp - Rp 4.950.000 Rp 5.000.000 Rp 517.700.000
5 22 10265 97 97 17072 10222 43 9 0 Rp 511.100.000 Rp - Rp 3.225.000 Rp 13.500.000 Rp 527.825.000
6 20 10309 107 107 17120 10251 58 10 0 Rp 512.550.000 Rp - Rp 4.350.000 Rp 10.000.000 Rp 526.900.000
7 21 10353 102 102 17136 10261 92 5 0 Rp 513.050.000 Rp - Rp 6.900.000 Rp 7.500.000 Rp 527.450.000
8 19 10397 114 114 17328 10376 21 12 0 Rp 518.800.000 Rp - Rp 1.575.000 Rp 12.000.000 Rp 532.375.000
9 20 10441 108 108 17280 10347 94 6 0 Rp 517.350.000 Rp - Rp 7.050.000 Rp 9.000.000 Rp 533.400.000
10 21 10485 104 104 17472 10462 23 4 0 Rp 523.100.000 Rp - Rp 1.725.000 Rp 6.000.000 Rp 530.825.000
11 20 10530 109 109 17440 10443 87 5 0 Rp 522.150.000 Rp - Rp 6.525.000 Rp 5.000.000 Rp 533.675.000
12 19 10574 116 116 17632 10558 16 7 0 Rp 527.900.000 Rp - Rp 1.200.000 Rp 7.000.000 Rp 536.100.000
Total 243 123974 1272 1272 205576 123095 629 138 34 250 Rp 6.154.750.000 Rp - Rp 47.175.000 Rp 138.000.000 Rp 51.000.000 Rp 6.390.925.000

(Sumber: Pengolahan Data)

Contoh Perhitungan:

1. Tenaga Kerja
(𝐷𝑡1 − 𝐼𝑡−1 )
𝑇𝐾1 = ( × 𝑊𝐵)
(𝐻𝐾1 × 𝐽𝐾)
(10089 − 250)
=( × 1,67)
(21 × 8)
(9839)
=( × 1,67)
(168)
= (58,57 × 1,67)
= 97,81 ≈ 97 Pekerja

82
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

2. Regular Man Hour (RMH)


𝑅𝑀𝐻1 = 𝐻𝐾1 × 𝐽𝐾 × 𝑇𝐾1
= 21 × 8 × 97
= 16296 Jam
3. Unit Production Regular Time (UPRT)
𝑅𝑀𝐻1
𝑈𝑃𝑅𝑇1 =
𝑊𝐵
16296
= = 9758,08 ≈ 9758 Unit
1,67

4. Unit Production Over Time (UPOT)


𝑈𝑃𝑂𝑇1 = 𝐷𝑡1 − (𝑈𝑃𝑅𝑇1 + 𝐼𝑡−1 )
= 10089 − (9758 + 250)
= 10089 − (10008) = 81 𝑈𝑛𝑖𝑡
5. Hiring
𝐻𝑖𝑟𝑖𝑛𝑔 = 𝑇𝐾1 − 𝑇𝐾𝐴𝑤𝑎𝑙
= 97 − 12 = 85 P k rja
6. Inventori
𝐼1 = (𝑈𝑃𝑅𝑇1 + 𝑈𝑃𝑂𝑇1 + 𝑆𝐾1 + 𝐼𝑡−1 ) − 𝐷𝑡1
= (9758 + 81 + 0 + 250) − 10089
= 10089 − 10089 = 0 Unit
7. Biaya Unit Production Regular Time
𝐵𝑅𝑇1 = 𝑈𝑃𝑅𝑇1 × 𝐶𝑜𝑠𝑡 𝑅𝑇
= 9758 × 𝑅𝑝 50.000
= 𝑅𝑝 487.900.000
8. Biaya Inventori
𝐵𝐼1 = 𝐼1 × 𝐶𝑜𝑠𝑡 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦
= 0 × 𝑅𝑝 2.500
= 𝑅𝑝 0
9. Biaya Unit Production Over Time
𝐵𝑂𝑇1 = 𝑈𝑃𝑂𝑇1 × 𝐶𝑜𝑠𝑡 𝑂𝑇
= 81 × 𝑅𝑝 75.000
= 𝑅𝑝 6.075.000

83
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

10. Biaya Hiring 11. Biaya Layoff


𝐵𝐻 = 𝐻𝑖𝑟𝑖𝑛𝑔 × 𝐶𝑜𝑠𝑡 𝐻𝑖𝑟𝑖𝑛𝑔 𝐵𝐿3 = 𝐿𝑎𝑦𝑜𝑓𝑓3 × 𝐶𝑜𝑠𝑡 𝐿𝑎𝑦𝑜𝑓𝑓
= 85 × 𝑅𝑝 1.000.000 = 10 × 𝑅𝑝 1.500.000
= 𝑅𝑝 85.000.000 = 𝑅𝑝 15.000.000
12. Total Cost
𝐵𝑖𝑎𝑦𝑎 𝑇𝑜𝑡𝑎𝑙 = ∑ 𝐵𝑅𝑇 + ∑ 𝐵𝐼 + ∑ 𝐵𝑂𝑇 + ∑ 𝐵𝐻 + ∑ 𝐵𝐿
= 𝑅𝑝 6.154.750.000 + 𝑅𝑝 0 + 𝑅𝑝 47.175.000
+ 𝑅𝑝 138.000.000 + 𝑅𝑝 51.000.000
= 𝑅𝑝 6.390.925.000

E. Strategi Transportasi

Tabel 4. 28 Strategi Transportasi


Kapasitas Inventori
Periode 1 2 3 4 5 6 7 8 9 10 11 12 Kapasitas Cost
Tak Terpakai Awal
50000 52500 55000 57500 60000 62500 65000 67500 70000 72500 75000 77500
RT 9839 395 10764 530

75000 77500 80000 82500 85000 87500 90000 92500 95000 97500 100000 102500
1 OT 2691 2691 Rp 512.687.500 250

120000 122500 125000 127500 130000 132500 135000 137500 140000 142500 145000 147500
ST 5382 5382

50000 52500 55000 57500 60000 62500 65000 67500 70000 72500 75000
RT 9738 9738 0

75000 77500 80000 82500 85000 87500 90000 92500 95000 97500 100000
2 OT 2435 2435 Rp 486.900.000

120000 122500 125000 127500 130000 132500 135000 137500 140000 142500 145000
ST 4869 4869
50000 52500 55000 57500 60000 62500 65000 67500 70000 72500
RT 10177 291 10764 296

75000 77500 80000 82500 85000 87500 90000 92500 95000 97500
3 OT 2691 2691 Rp 529.947.500
120000 122500 125000 127500 130000 132500 135000 137500 140000 142500
ST 5382 5382

50000 52500 55000 57500 60000 62500 65000 67500 70000


RT 10221 30 10251 0

75000 77500 80000 82500 85000 87500 90000 92500 95000


4 OT 2563 2563 Rp 513.150.000

120000 122500 125000 127500 130000 132500 135000 137500 140000


ST 5126 5126
50000 52500 55000 57500 60000 62500 65000 67500
RT 10265 58 248 190 515 11276 0
75000 77500 80000 82500 85000 87500 90000 92500
5 OT 2819 2819 Rp 576.717.500

120000 122500 125000 127500 130000 132500 135000 137500


ST 5638 5638

50000 52500 55000 57500 60000 62500 65000


RT 10251 10251 0

75000 77500 80000 82500 85000 87500 90000


6 OT 2563 2563 Rp 512.550.000

120000 122500 125000 127500 130000 132500 135000


ST 5126 5126

50000 52500 55000 57500 60000 62500


RT 10353 411 10764 0

75000 77500 80000 82500 85000 87500


7 OT 2691 2691 Rp 539.227.500

120000 122500 125000 127500 130000 132500


ST 5382 5382

50000 52500 55000 57500 60000


RT 9738 9738 0

75000 77500 80000 82500 85000


8 OT 2435 2435 Rp 486.900.000

120000 122500 125000 127500 130000


ST 4869 4869

50000 52500 55000 57500


RT 10251 10251 0

75000 77500 80000 82500


9 OT 2563 2563 Rp 512.550.000
120000 122500 125000 127500
ST 5126 5126

50000 52500 55000


RT 10485 279 10764 0

75000 77500 80000


10 OT 2691 2691 Rp 538.897.500

120000 122500 125000


ST 5382 5382

50000 52500
RT 10251 10251 0

75000 77500
11 OT 2563 2563 Rp 512.550.000

120000 122500
ST 5126 5126

50000
RT 9738 9738 0

75000
12 OT 2435 2435 Rp 486.900.000

120000
ST 4869 4869
Demand 10089 10133 10177 10221 10265 10309 10353 10397 10441 10485 10530 10574 Rp 6.208.977.500

(Sumber: Pengolahan Data)

84
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Contoh Perhitungan:

1. Kapasitas Regular Time (RT)


𝐾𝑎𝑝𝑎𝑠𝑖𝑡𝑎𝑠 𝑅𝑇1 = 𝑈𝑃𝑅𝑇1
= 10764 𝑈𝑛𝑖𝑡
2. Kapasitas Over Time (OT)
𝐾𝑎𝑝𝑎𝑠𝑖𝑡𝑎𝑠 𝑂𝑇1 = 𝑈𝑃𝑅𝑇1 × 𝑀𝑎𝑘𝑠. 𝑂𝑣𝑒𝑟 𝑇𝑖𝑚𝑒
= 10764 × 25%
= 2691 𝑈𝑛𝑖𝑡
3. Kapasitas Sub Contract (ST)
𝐾𝑎𝑝𝑎𝑠𝑖𝑡𝑎𝑠 𝑂𝑇1 = 𝑈𝑃𝑅𝑇1 × 𝑀𝑎𝑘𝑠. 𝑆𝑢𝑏 𝐾𝑜𝑛𝑡𝑟𝑎𝑘
= 10764 × 50% = 5382
4. Total Cost Periode
𝑇𝑜𝑡𝑎𝑙 𝐶𝑜𝑠𝑡1 = (9839 × 50000) + (395 × 52500)
= (𝑅𝑝 491.950.000) + (𝑅𝑝 20.737.500)
= 𝑅𝑝 512.687.500
5. Total Cost

𝑇𝑜𝑡𝑎𝑙 𝐶𝑜𝑠𝑡 = 𝑇𝑜𝑡𝑎𝑙 𝐶𝑜𝑠𝑡1 + 𝑇𝑜𝑡𝑎𝑙 𝐶𝑜𝑠𝑡2 + 𝑇𝑜𝑡𝑎𝑙 𝐶𝑜𝑠𝑡3 + ⋯


+ 𝑇𝑜𝑡𝑎𝑙 𝐶𝑜𝑠𝑡6
= 𝑅𝑝 512.687.500 + 𝑅𝑝 486.900.000 + 𝑅𝑝 529.947.500
+ ⋯ + 𝑅𝑝 486.900.000
= 𝑅𝑝 6.208.977.500

F. Kesimpulan
Tabel 4. 29 Kesimpulan Rencana Produksi Agregat
No. Metode Total Cost
1 Strategi Tenaga Kerja Tetap (Round Up ) Rp 6.368.577.500
2 Strategi Tenaga Kerja Tetap (Round Down ) Rp 6.316.552.500
3 Strategi Tenaga Kerja Berubah (Round Up ) Rp 6.424.822.500
4 Strategi Tenaga Kerja Berubah (Round Down ) Rp 6.452.900.000
5 Strategi Transportasi Rp 6.208.977.500
(Sumber: Pengolahan Data)

85
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

4.2.3 Disagregasi dan Master Production Schedule

A. Agregasi
Tabel 4. 30 Hasil Agregasi Item
Forecast Demand
Periode Demand Tamiya Auldey RPA
Baracuda Cobra Hauler Emperor
1 10089 5935 5821 2194 2018 15968
2 10133 5961 5846 2203 2027 16037
3 10177 5987 5872 2213 2036 16108
4 10221 6013 5897 2222 2045 16177
5 10265 6039 5923 2232 2053 16247
6 10309 6065 5948 2242 2062 16317
7 10353 6090 5973 2251 2071 16385
8 10397 6116 5999 2261 2080 16456
9 10441 6142 6024 2270 2089 16525
10 10485 6168 6050 2280 2097 16595
11 10530 6195 6075 2290 2106 16666
12 10574 6220 6101 2299 2115 16735
(Sumber: Pegolahan Data)

Contoh Perhitungan:
1. Forecast Demand Baracuda Periode 1
𝑑1 × 𝑃𝑟𝑜𝑝𝑜𝑟𝑠𝑖 10089 × 30%
𝐹1 = = = 5934,71 ≈ 5935 𝑈𝑛𝑖𝑡
𝐹𝑎𝑘𝑡𝑜𝑟 𝐾𝑜𝑛𝑣𝑒𝑟𝑠𝑖 0,51
2. RPA
𝑅𝑃𝐴 = 𝐹1 + 𝐹2 + 𝐹3 + 𝐹4
= 5935 + 5821 + 2194 + 2018 = 15968 𝑈𝑛𝑖𝑡

B. Disagregasi
Tabel 4. 31 Disagregasi Periode 1
PERIODE 1
Demand 10089 RPA 15968
Family (i) Item (j) Iij,t-1 rij,t Sij,t Iij,t dij,t Iij,t < Sij,t Kj hij rij x hij T*j q*ij mij q*ij x mij rij x mij q*ij (adj) q*ij (adj) x mij Iij,t (adj) Iij,t (adj) x mij
Baracuda 148 5935 0 -5787 5787 Produksi Rp 400.000 Rp 2.000 Rp 11.870.000 1 5935 0,51 3027 3027 9392 4790 3605 1839
Tamiya
Cobra 145 5821 0 -5676 5676 Produksi Rp 400.000 Rp 2.200 Rp 12.806.200 1 5821 0,52 3027 3027 9212 4791 3536 1839
Hauler 55 2194 0 -2139 2139 Produksi Rp 300.000 Rp 2.500 Rp 5.485.000 1 2194 0,92 2019 2019 3472 3195 1333 1227
Auldey
Emperor 50 2018 0 -1968 1968 Produksi Rp 300.000 Rp 3.000 Rp 6.054.000 1 2018 1 2018 2018 3194 3194 1226 1226
Total Rp 36.215.200 10091 10091 15970 6131
(Sumber: Pengolahan Data)
Contoh Perhitungan Periode 1:
a. Menentukan Inventori Baracuda
𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑖 𝐴𝑤𝑎𝑙 × 𝑃𝑟𝑜𝑝𝑜𝑟𝑠𝑖
𝐼𝑖𝑗,𝑡−1 =
𝐹𝑎𝑘𝑡𝑜𝑟 𝐾𝑜𝑛𝑣𝑒𝑟𝑠𝑖
250 × 30% 75
= =
0,51 0,51
= 147,06 ≈ 148 𝑈𝑛𝑖𝑡

86
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

b. Menentukan Forecast Demand Item Baracuda


𝐷1 × 𝑃𝑟𝑜𝑝𝑜𝑟𝑠𝑖
𝑟𝑖𝑗,𝑡 =
𝐹𝑎𝑘𝑡𝑜𝑟 𝐾𝑜𝑛𝑣𝑒𝑟𝑠𝑖
10089 × 30%
=
0,51
3026,7
= = 5934,71 ≈ 5935 𝑈𝑛𝑖𝑡
0,51
c. Menentukan Inventori Akhir dan Demand Baracuda
𝐼𝑖𝑗,𝑡 = 𝐼𝑖𝑗,𝑡−1 − 𝑟𝑖𝑗,𝑡
= 148 − 5935 = −5787 𝑈𝑛𝑖𝑡
𝑑𝑖𝑗,𝑡 = 𝐴𝑏𝑠𝑜𝑙𝑢𝑡𝑒 𝐼𝑖𝑗,𝑡 = 5787 𝑈𝑛𝑖𝑡
d. Menentukan Family yang Harus Diproduksi (Baracuda)
Karena 𝐼𝑖𝑗,𝑡 < 𝑆𝑖𝑗,𝑡 atau −5787 < 0, maka item Baracuda pada periode 1
diproduksi.
e. 𝑆𝑒𝑡𝑢𝑝 𝐶𝑜𝑠𝑡 (𝐾𝑗) 𝐵𝑎𝑟𝑎𝑐𝑢𝑑𝑎
𝐾𝑗 = 𝑅𝑝400.000
f. 𝐻𝑜𝑙𝑑𝑖𝑛𝑔 𝐶𝑜𝑠𝑡 (ℎ𝑖𝑗) 𝐵𝑎𝑟𝑎𝑐𝑢𝑑𝑎
ℎ𝑖𝑗 = 𝑅𝑝2.000
g. Menghitung 𝑟𝑖𝑗 × ℎ𝑖𝑗 Baracuda
𝑟𝑖𝑗 × ℎ𝑖𝑗 = 5935 × 𝑅𝑝2.000
= 𝑅𝑝11.870.000
h. Waktu Optimal (𝑇 ∗ 𝑗)
2 × 𝐾𝑗
𝑇 ∗𝑗 =
∑ 𝑟𝑖𝑗 × ℎ𝑖𝑗
2 × 𝑅𝑝400.000
=
𝑅𝑝36.215.200
= 0,0221 ≈ 1 𝑃𝑒𝑟𝑖𝑜𝑑𝑒
i. Menghitung 𝑞 ∗ 𝑖𝑗
𝑞 ∗ 𝑖𝑗 = max{(𝑇 ∗ 𝑗 × 𝑟𝑖𝑗, 𝑡); 𝑑𝑖𝑗, 𝑡}
𝑞 ∗ 𝑖𝑗 = max{(1 × 5935); 5787}
= 5945 𝑈𝑛𝑖𝑡

87
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

j. Menghitung 𝑞 ∗ 𝑖𝑗(𝑎𝑑𝑗)
(𝑟𝑖𝑗 × (𝑅𝑃𝐴 − ∑ 𝑞 ∗ 𝑖𝑗 × 𝑚𝑖𝑗))
𝑞 ∗ 𝑖𝑗(𝑎𝑑𝑗) = 𝑞 ∗ 𝑖𝑗 +
∑ 𝑟𝑖𝑗 × 𝑚𝑖𝑗
(5935 × (15968 − 10091))
= 5935 +
10091
(5935 × 5877)
= 5935 +
10091
= 5935 + 3456,54
= 9391,54 ≈ 9392 𝑈𝑛𝑖𝑡

Tabel 4. 32 Disagregasi Periode 2


PERIODE 2
Demand 10133 RPA 16037
Family (i) Item (j) Iij,t-1 rij,t Sij,t Iij,t dij,t Iij,t < Sij,t Kj hij rij x hij T*j q*ij mij q*ij x mij rij x mij q*ij (adj) q*ij (adj) x mij Iij,t (adj) Iij,t (adj) x mij
Baracuda 1839 5961 0 -4122 4122 Produksi Rp 400.000 Rp 2.000 Rp 11.922.000 1 5961 0,51 3041 3041 9433 4811 5311 2709
Tamiya
Cobra 1839 5846 0 -4007 4007 Produksi Rp 400.000 Rp 2.200 Rp 12.861.200 1 5846 0,52 3040 3040 9251 4811 5244 2727
Hauler 1227 2203 0 -976 976 Produksi Rp 300.000 Rp 2.500 Rp 5.507.500 1 2203 0,92 2027 2027 3486 3208 2510 2310
Auldey
Emperor 1226 2027 0 -801 801 Produksi Rp 300.000 Rp 3.000 Rp 6.081.000 1 2027 1 2027 2027 3208 3208 2407 2407
Total Rp 36.371.700 10135 10135 16038 10153
(Sumber: Pengolahan Data)
Tabel 4. 33 Disagregasi Periode 3
PERIODE 3
Demand 10177 RPA 16108
Family (i) Item (j) Iij,t-1 rij,t Sij,t Iij,t dij,t Iij,t < Sij,t Kj hij rij x hij T*j q*ij mij q*ij x mij rij x mij q*ij (adj) q*ij (adj) x mij Iij,t (adj) Iij,t (adj) x mij
Baracuda 2709 5987 0 -3278 3278 Produksi Rp 400.000 Rp 2.000 Rp 11.974.000 1 5987 0,51 3054 3054 15789 8053 12511 6381
Tamiya
Cobra 2727 5872 0 -3145 3145 Produksi Rp 400.000 Rp 2.200 Rp 12.918.400 1 5872 0,52 3054 3054 15486 8053 12341 6418
Hauler 2310 2213 0 97 97 Tidak
Auldey
Emperor 2407 2036 0 371 371 Tidak
Total Rp 24.892.400 6108 6108 16106 12799

(Sumber: Pengolahan Data)


Tabel 4. 34 Disagregasi Periode 4
PERIODE 4
Demand 10221 RPA 16177
Family (i) Item (j) Iij,t-1 rij,t Sij,t Iij,t dij,t Iij,t < Sij,t Kj hij rij x hij T*j q*ij mij q*ij x mij rij x mij q*ij (adj) q*ij (adj) x mij Iij,t (adj) Iij,t (adj) x mij
Baracuda 6381 6013 0 368 368 Tidak
Tamiya
Cobra 6418 5897 0 521 521 Tidak
Hauler 97 2222 0 -2125 2125 Produksi Rp 300.000 Rp 2.500 Rp 5.555.000 1 2222 0,92 2045 2045 8789 8086 6664 6131
Auldey
Emperor 371 2045 0 -1674 1674 Produksi Rp 300.000 Rp 3.000 Rp 6.135.000 1 2045 1 2045 2045 8089 8089 6415 6415
Total Rp 11.690.000 4090 4090 16175 12546

(Sumber: Pengolahan Data)


Tabel 4. 35 Disagregasi Periode 5
PERIODE 5
Demand 10265 RPA 16247
Family (i) Item (j) Iij,t-1 rij,t Sij,t Iij,t dij,t Iij,t < Sij,t Kj hij rij x hij T*j q*ij mij q*ij x mij rij x mij q*ij (adj) q*ij (adj) x mij Iij,t (adj) Iij,t (adj) x mij
Baracuda 368 6039 0 -5671 5671 Produksi Rp 400.000 Rp 2.000 Rp 12.078.000 1 6039 0,51 3080 3080 9890 5044 4219 2152
Tamiya
Cobra 521 5923 0 -5402 5402 Produksi Rp 400.000 Rp 2.200 Rp 13.030.600 1 5923 0,52 3080 3080 9700 5044 4298 2235
Hauler 6131 2232 0 3899 3899 Tidak
Auldey
Emperor 6415 2053 0 4362 4362 Tidak
Total Rp 25.108.600 6160 6160 10088 4387

(Sumber: Pengolahan Data)


Tabel 4. 36 Disagregasi Periode 6
PERIODE 6
Demand 10309 RPA 16317
Family (i) Item (j) Iij,t-1 rij,t Sij,t Iij,t dij,t Iij,t < Sij,t Kj hij rij x hij T*j q*ij mij q*ij x mij rij x mij q*ij (adj) q*ij (adj) x mij Iij,t (adj) Iij,t (adj) x mij
Baracuda 2152 6065 0 -3913 3913 Produksi Rp 400.000 Rp 2.000 Rp 12.130.000 1 6065 0,51 3094 3094 9932 5066 6019 3070
Tamiya
Cobra 2235 5948 0 -3713 3713 Produksi Rp 400.000 Rp 2.200 Rp 13.085.600 1 5948 0,52 3093 3093 9740 5065 6027 3135
Hauler 3899 2242 0 1657 1657 Tidak
Auldey
Emperor 4362 2062 0 2300 2300 Tidak
Total Rp 25.215.600 6187 6187 10131 6205

(Sumber: Pengolahan Data)

88
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 37 Disagregasi Periode 7


PERIODE 7
Demand 10353 RPA 16385
Family (i) Item (j) Iij,t-1 rij,t Sij,t Iij,t dij,t Iij,t < Sij,t Kj hij rij x hij T*j q*ij mij q*ij x mij rij x mij q*ij (adj) q*ij (adj) x mij Iij,t (adj) Iij,t (adj) x mij
Baracuda 3070 6090 0 -3020 3020 Produksi Rp 400.000 Rp 2.000 Rp 12.180.000 1 6090 0,51 3106 3106 9638 4916 6618 3376
Tamiya
Cobra 3135 5973 0 -2838 2838 Produksi Rp 400.000 Rp 2.200 Rp 13.140.600 1 5973 0,52 3106 3106 9453 4916 6615 3440
Hauler 1657 2251 0 -594 594 Produksi Rp 300.000 Rp 2.500 Rp 5.627.500 1 2251 0,92 2071 2071 3563 3278 2969 2732
Auldey
Emperor 2300 2071 0 229 229 Produksi Rp 300.000 Rp 3.000 Rp 6.213.000 1 2071 1 2071 2071 3278 3278 3507 3507
Total Rp 37.161.100 10354 10354 16388 13055

(Sumber: Pengolahan Data)


Tabel 4. 38 Disagregasi Periode 8
PERIODE 8
Demand 10397 RPA 16456
Family (i) Item (j) Iij,t-1 rij,t Sij,t Iij,t dij,t Iij,t < Sij,t Kj hij rij x hij T*j q*ij mij q*ij x mij rij x mij q*ij (adj) q*ij (adj) x mij Iij,t (adj) Iij,t (adj) x mij
Baracuda 3376 6116 0 -2740 2740 Produksi Rp 400.000 Rp 2.000 Rp 12.232.000 1 6116 0,51 3120 3120 16129 8226 13389 6829
Tamiya
Cobra 3440 5999 0 -2559 2559 Produksi Rp 400.000 Rp 2.200 Rp 13.197.800 1 5999 0,52 3120 3120 15821 8227 13262 6897
Hauler 2732 2261 0 471 471 Tidak
Auldey
Emperor 3507 2080 0 1427 1427 Tidak
Total Rp 25.429.800 6240 6240 16453 13726

(Sumber: Pengolahan Data)


Tabel 4. 39 Disagregasi Periode 9
PERIODE 9
Demand 10441 RPA 16525
Family (i) Item (j) Iij,t-1 rij,t Sij,t Iij,t dij,t Iij,t < Sij,t Kj hij rij x hij T*j q*ij mij q*ij x mij rij x mij q*ij (adj) q*ij (adj) x mij Iij,t (adj) Iij,t (adj) x mij
Baracuda 6829 6142 0 687 687 Tidak
Tamiya
Cobra 6897 6024 0 873 873 Tidak
Hauler 471 2270 0 -1799 1799 Produksi Rp 300.000 Rp 2.500 Rp 5.675.000 1 2270 0,92 2089 2089 8979 8261 7180 6606
Auldey
Emperor 1427 2089 0 -662 662 Produksi Rp 300.000 Rp 3.000 Rp 6.267.000 1 2089 1 2089 2089 8263 8263 7601 7601
Total Rp 11.942.000 4178 4178 16524 14207

(Sumber: Pengolahan Data)


Tabel 4. 40 Disagregasi Periode 10
PERIODE 10
Demand 10485 RPA 16595
Family (i) Item (j) Iij,t-1 rij,t Sij,t Iij,t dij,t Iij,t < Sij,t Kj hij rij x hij T*j q*ij mij q*ij x mij rij x mij q*ij (adj) q*ij (adj) x mij Iij,t (adj) Iij,t (adj) x mij
Baracuda 687 6168 0 -5481 5481 Produksi Rp 400.000 Rp 2.000 Rp 12.336.000 1 6168 0,51 3146 3146 16268 8297 10787 5502
Tamiya
Cobra 873 6050 0 -5177 5177 Produksi Rp 400.000 Rp 2.200 Rp 13.310.000 1 6050 0,52 3146 3146 15957 8298 10780 5606
Hauler 6606 2280 0 4326 4326 Tidak
Auldey
Emperor 7601 2097 0 5504 5504 Tidak
Total Rp 25.646.000 6292 6292 16595 11108

(Sumber: Pengolahan Data)


Tabel 4. 41 Disagregasi Periode 11
PERIODE 11
Demand 10530 RPA 16666
Family (i) Item (j) Iij,t-1 rij,t Sij,t Iij,t dij,t Iij,t < Sij,t Kj hij rij x hij T*j q*ij mij q*ij x mij rij x mij q*ij (adj) q*ij (adj) x mij Iij,t (adj) Iij,t (adj) x mij
Baracuda 5502 6195 0 -693 693 Produksi Rp 400.000 Rp 2.000 Rp 12.390.000 1 6195 0,51 3160 3160 16339 8333 15646 7980
Tamiya
Cobra 5606 6075 0 -469 469 Produksi Rp 400.000 Rp 2.200 Rp 13.365.000 1 6075 0,52 3159 3159 16023 8332 15554 8089
Hauler 4326 2290 0 2036 2036 Tidak
Auldey
Emperor 5504 2106 0 3398 3398 Tidak
Total Rp 25.755.000 6319 6319 16665 16069
(Sumber: Pengolahan Data)
Tabel 4. 42 Disagregasi Periode 12
PERIODE 12
Demand 10574 RPA 16735
Family (i) Item (j) Iij,t-1 rij,t Sij,t Iij,t dij,t Iij,t < Sij,t Kj hij rij x hij T*j q*ij mij q*ij x mij rij x mij q*ij (adj) q*ij (adj) x mij Iij,t (adj) Iij,t (adj) x mij
Baracuda 7980 6220 0 1760 1760 Tidak
Tamiya
Cobra 8089 6101 0 1988 1988 Tidak
Hauler 2036 2299 0 -263 263 Produksi Rp 300.000 Rp 2.500 Rp 5.747.500 1 2299 0,92 2116 2116 9094 8367 8831 8125
Auldey
Emperor 3398 2115 0 1283 1283 Produksi Rp 300.000 Rp 3.000 Rp 6.345.000 1 2115 1 2115 2115 8366 8366 9649 9649
Total Rp 12.092.500 4231 4231 16733 17774
(Sumber: Pengolahan Data)

C. Master Production Schedule (MPS)

Pengolahan data untuk proses Jadwal Induk Produksi atau Master Production
Schedule yaitu dengan menambahkan actual demand yang didapat dari proses
pengalian demand dengan persentase actual demand. Data tersebut dapat dilihat
pada Tabel 4.43:

89
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 43 Data Actual Demand


Actual Demand
Periode % AD Tamiya Auldey RPA
Baracuda Cobra Hauler Emperor
1 1,05 6232 6113 2304 2119 16768
2 1,1 6558 6431 2424 2230 17643
3 1,15 6886 6753 2545 2342 18526
4 1,2 7216 7077 2667 2454 19414
5 1,2 7247 7108 2679 2464 19498
6 1,15 6975 6841 2579 2372 18767
(Sumber: Pengolahan Data)

Tabel 4. 44 Master Production Schedule Baracuda


Description Baracuda Safety Stock 0 Lead Time 1
DTF 4
Order Quantity 2 Periode NR Lot Size 10
PTF 7
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Forecast 5935 5961 5987 6013 6039 6065 6090 6116 6142 6168 6195 6220
Actual Demand 6232 6558 6886 7216 7247 6975 0 0 0 0 0 0
Master Schedule 9392 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
PAB 148 3308 6183 15086 7870 10513 13470 17018 27031 20889 30989 41133 34913
ATP 3308 6183 15086 7870 10513 13470 17018 27031 20889 30989 41133 34913
Planned Order
(Sumber: Pengolahan Data)

Contoh Perhitungan:
1. 𝐹𝑜𝑟𝑒𝑐𝑎𝑠𝑡 = 𝑟𝑖𝑗,𝑡
2. 𝑀𝑎𝑠𝑡𝑒𝑟 𝑆𝑐ℎ𝑒𝑑𝑢𝑙𝑒 = 𝑞 ∗ 𝑖𝑗 (𝑎𝑑𝑗)
3. Projected Available Balance (PAB)
a. Daerah Demand Time Fences (DTF)
𝑃𝐴𝐵1 = 𝑃𝐴𝐵𝑡−1 + 𝑀𝑎𝑠𝑡𝑒𝑟 𝑆𝑐ℎ𝑒𝑑𝑢𝑙𝑒 − 𝐴𝑐𝑡𝑢𝑎𝑙 𝐷𝑒𝑚𝑎𝑛𝑑
= 148 + 9392 − 6232
= 3308 𝑈𝑛𝑖𝑡
b. Daerah Planning Time Fences (PTF)
𝑃𝐴𝐵6 = 𝑃𝐴𝐵𝑡−1 + 𝑀𝑆 − 𝐴𝑐𝑡𝑢𝑎𝑙 𝐷𝑒𝑚𝑎𝑛𝑑 𝑎𝑡𝑎𝑢 𝐹𝑜𝑟𝑒𝑐𝑎𝑠𝑡
= 10513 + 9932 − 6975
= 13470 𝑈𝑛𝑖𝑡
c. Setelah Planning Time Fences (PTF)
𝑃𝐴𝐵7 = 𝑃𝐴𝐵𝑡−1 + 𝑀𝑆 − 𝐹𝑜𝑟𝑒𝑐𝑎𝑠𝑡
= 13470 + 9838 − 6090
= 17018 𝑈𝑛𝑖𝑡

90
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

4. Available to Promise (ATP)


𝐴𝑇𝑃1 = 𝑃𝐴𝐵𝑡−1 + 𝑀𝑆 − 𝐴𝑐𝑡𝑢𝑎𝑙 𝐷𝑒𝑚𝑎𝑛𝑑
= 148 + 9392 − 6232
= 3308 𝑈𝑛𝑖𝑡
𝐴𝑇𝑃7 = 𝑃𝐴𝐵𝑡−1 + 𝑀𝑆 − 𝐹𝑜𝑟𝑒𝑐𝑎𝑠𝑡
= 13470 + 9638 − 6090
= 17018 𝑈𝑛𝑖𝑡
5. Planned Order
Tidak terdapat Planned Order karena tidak terdapat PAB yang bernilai
negatif selama 2 periode berturut-turut.

Tabel 4. 45 Master Production Schedule Cobra


Description Cobra Safety Stock 0 Lead Time 1
DTF 4
Order Quantity 2 Periode NR Lot Size 10
PTF 7
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Forecast 5821 5846 5872 5897 5923 5948 5973 5999 6024 6050 6075 6101
Actual Demand 6113 6431 6753 7077 7108 6841 0 0 0 0 0 0
Master Schedule 9212 9251 15486 0 9700 9740 9453 15821 0 15957 16023 0
PAB 145 3244 6064 14797 7720 10312 13211 16691 26513 20489 30396 40344 34243
ATP 3244 6064 14797 7720 10312 13211 16691 26513 20489 30396 40344 34243
Planned Order
(Sumber: Pengolahan Data)

Tabel 4. 46 Master Production Schedule Hauler


Description Hauler Safety Stock 0 Lead Time 1
DTF 4
Order Quantity 2 Periode NR Lot Size 10
PTF 7
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Forecast 2194 2203 2213 2222 2232 2242 2251 2261 2270 2280 2290 2299
Actual Demand 2304 2424 2545 2667 2679 2579 0 0 0 0 0 0
Master Schedule 3472 3486 0 8789 0 0 3563 0 8979 0 0 9094
PAB 55 1223 2285 -260 5862 3183 604 1916 -345 6364 4084 1794 8589
ATP 1223 2285 -260 5862 3183 604 1916 -345 6364 4084 1794 8589
Planned Order
(Sumber: Pengolahan Data)

Tabel 4. 47 Master Production Schedule Emperor


Description Emperor Safety Stock 0 Lead Time 1
DTF 4
Order Quantity 2 Periode NR Lot Size 10
PTF 7
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Forecast 2018 2027 2036 2045 2053 2062 2071 2080 2089 2097 2106 2115
Actual Demand 2119 2230 2342 2454 2464 2372 0 0 0 0 0 0
Master Schedule 3194 3208 0 8089 0 0 3278 0 8263 0 0 8366
PAB 50 1125 2103 -239 5396 2932 560 1767 -313 5861 3764 1658 7909
ATP 1125 2103 -239 5396 2932 560 1767 -313 5861 3764 1658 7909
Planned Order
(Sumber: Pengolahan Data)

91
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

4.2.4 Struktur Produk, Bill Of Materials dan Material Requirement Planning

Tabel 4. 48 MRP End Item Tamiya


Part No 1 Description Tamiya
BOM UOM 1 On Hand 148
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9392 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 148 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0

(Sumber: Pengolahan Data)

Tabel 4. 49 MRP Komponen Body


Part No 2 Description Body
BOM UOM 1 On Hand 0
Lead Time 2 Order Policy POQ 1 Periode
Safety Stock 0 Lot Size EOQ 2167 Unit
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -7842 -14963 206 -9684 -8781 -7584 -15045 124 -16144 -15147 22
Net Requirement 9244 7842 14963 0 9684 8781 7584 15045 0 16144 15147 0
Planned Order Receipts 10835 8668 15169 0 10835 10835 8668 15169 0 17336 15169 0
Planned Order Released 15169 0 10835 10835 8668 15169 0 17336 15169 0 0 0

PAB II 1591 826 206 206 1151 2054 1084 124 124 1192 22 22

(Sumber: Pengolahan Data)

Keterangan:
𝐴 = 𝑆𝑒𝑡𝑢𝑝 𝐶𝑜𝑠𝑡 = 𝑅𝑝2.500.000
ℎ = 𝐻𝑜𝑙𝑑𝑖𝑛𝑔 𝐶𝑜𝑠𝑡 = 𝑅𝑝10.000
Contoh Perhitungan:
1. Rata-rata Demand
9244 + 9433 + 15789 + 0 + 9890 + ⋯ + 0
̅=
𝐷
12
112662
= = 9389 𝑈𝑛𝑖𝑡
12
2. Lot Size

2𝐴𝐷̅
𝐸𝑂𝑄 = √

2(𝑅𝑝2.500.000)(9389)
=√
(𝑅𝑝10.000)

= √46945000 = 2166,67 ≈ 2167 𝑈𝑛𝑖𝑡


3. Order Policy
𝐸𝑂𝑄 2167
𝑃𝑂𝑄 = = = 0,231 ≈ 1 𝑃𝑒𝑟𝑖𝑜𝑑𝑒
̅
𝐷 9389

92
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

4. Gross Requirement
𝐺𝑅1 = 𝑃𝑂𝑅𝐿 𝐾𝑜𝑚𝑝𝑜𝑛𝑒𝑛 𝐼𝑛𝑑𝑢𝑘 × 𝐾𝑢𝑎𝑛𝑡𝑖𝑡𝑎𝑠 𝐾𝑜𝑚𝑝𝑜𝑛𝑒𝑛
= 9244 × 1 = 9244 𝑈𝑛𝑖𝑡
5. PAB I
𝑃𝐴𝐵 𝐼𝑡 = 𝑃𝐴𝐵 𝐼𝐼𝑡−1 − 𝐺𝑅𝑡 + 𝑆𝑅𝑡
𝑃𝐴𝐵 𝐼2 = 1591 − 9433 + 0
= 7842 𝑈𝑛𝑖𝑡
6. Net Requirement
Jika PAB I < 0 maka:
𝑁𝑅𝑡 = 𝐺𝑅𝑡 + 𝑆𝑅𝑡 + 𝑆𝑆 − 𝑃𝐴𝐵 𝐼𝐼𝑡−1
𝑁𝑅2 = 9433 + 0 + 0 − 1591
= 7842 𝑈𝑛𝑖𝑡
7. Planned Order Receipts
𝑁𝑅𝑡
𝑃𝑂𝑅𝐶𝑇 = ( ) × 𝐿𝑜𝑡 𝑆𝑖𝑧𝑒
𝐿𝑜𝑡 𝑆𝑖𝑧𝑒
7842
𝑃𝑂𝑅𝐶𝑇2 = (𝑅𝑜𝑢𝑛𝑑 𝑈𝑝 ( )) × 2167
2167
= 4 × 2167
= 8668 𝑈𝑛𝑖𝑡
8. PAB II
𝑃𝐴𝐵 𝐼𝐼𝑡 = 𝑃𝑂𝑅𝐶𝑇 + 𝑃𝐴𝐵 𝐼𝑡
𝑃𝐴𝐵 𝐼𝐼2 = 8668 + (−7842)
= 826 𝑈𝑛𝑖𝑡

Tabel 4. 50 MRP Induk Assembling 13


Part No 3 Description Assembling 13
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

93
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Contoh Perhitungan:
1. Gross Requirement
𝐺𝑅1 = 𝑃𝑂𝑅𝐿 𝐾𝑜𝑚𝑝𝑜𝑛𝑒𝑛 𝐼𝑛𝑑𝑢𝑘 × 𝐾𝑢𝑎𝑛𝑡𝑖𝑡𝑎𝑠 𝐾𝑜𝑚𝑝𝑜𝑛𝑒𝑛
= 9244 × 1 = 9244 𝑈𝑛𝑖𝑡
2. PAB I
𝑃𝐴𝐵 𝐼𝑡 = 𝑃𝐴𝐵 𝐼𝐼𝑡−1 − 𝐺𝑅𝑡 + 𝑆𝑅𝑡
𝑃𝐴𝐵 𝐼2 = 0 − 9433 + 0
= −9433 𝑈𝑛𝑖𝑡
3. Net Requirement
Jika PAB I < 0 maka:
𝑁𝑅𝑡 = 𝐺𝑅𝑡 + 𝑆𝑅𝑡 + 𝑆𝑆 − 𝑃𝐴𝐵 𝐼𝐼𝑡−1
𝑁𝑅2 = 9433 + 0 + 0 − 0
= 9433 𝑈𝑛𝑖𝑡
4. Planned Order Receipts
𝑁𝑅𝑡
𝑃𝑂𝑅𝐶𝑇 = ( ) × 𝐿𝑜𝑡 𝑆𝑖𝑧𝑒
𝐿𝑜𝑡 𝑆𝑖𝑧𝑒
9433
𝑃𝑂𝑅𝐶𝑇2 = (𝑅𝑜𝑢𝑛𝑑 𝑈𝑝 ( )) × 1
1
= 9433 × 1 = 9433 𝑈𝑛𝑖𝑡
5. PAB II
𝑃𝐴𝐵 𝐼𝐼𝑡 = 𝑃𝑂𝑅𝐶𝑇 + 𝑃𝐴𝐵 𝐼𝑡
𝑃𝐴𝐵 𝐼𝐼2 = 9433 + (9433)
= 0 𝑈𝑛𝑖𝑡

Tabel 4. 51 Metode Silver Meal Komponen Key Battery


Part No 4 Description Key Battery
BOM UOM 1 On Hand 0
Setup Cost Rp 3.000.000 Order Policy SM
Holding Cost Rp 14.500 Lot Size SM
Periode NR IP Setup Cost Holding Cost Total Cost Lot Size TC /Periode Order Ke
1 9244 0 Rp 3.000.000 Rp - Rp 3.000.000 9244 Rp 3.000.000 1
1,2 18677 1 Rp 3.000.000 Rp 136.778.500 Rp 139.778.500 18677 Rp 69.889.250
2 9433 0 Rp 3.000.000 Rp - Rp 3.000.000 9433 Rp 3.000.000 2
2,3 25222 1 Rp 3.000.000 Rp 228.940.500 Rp 231.940.500 25222 Rp 115.970.250
3 15789 0 Rp 3.000.000 Rp - Rp 3.000.000 15789 Rp 3.000.000
3,4 15789 1 Rp 3.000.000 Rp - Rp 3.000.000 15789 Rp 1.500.000 3
4 0 0 Rp - Rp - Rp - 0 Rp -
4,5 9890 1 Rp 3.000.000 Rp 143.405.000 Rp 146.405.000 9890 Rp 73.202.500 4
4,5,6 19822 2 Rp 3.000.000 Rp 574.838.000 Rp 577.838.000 19822 Rp 192.612.667
6 9932 0 Rp 3.000.000 Rp - Rp 3.000.000 9932 Rp 3.000.000 5
6,7 19570 1 Rp 3.000.000 Rp 139.751.000 Rp 142.751.000 19570 Rp 71.375.500
7 9638 0 Rp 3.000.000 Rp - Rp 3.000.000 9638 Rp 3.000.000 6
7,8 25767 1 Rp 3.000.000 Rp 233.870.500 Rp 236.870.500 25767 Rp 118.435.250
8 16129 0 Rp 3.000.000 Rp - Rp 3.000.000 16129 Rp 3.000.000
8,9 16129 1 Rp 3.000.000 Rp - Rp 3.000.000 16129 Rp 1.500.000 7
9 0 0 Rp - Rp - Rp - 0 Rp -
9, 10 16268 1 Rp 3.000.000 Rp 235.886.000 Rp 238.886.000 16268 Rp 119.443.000 8
9, 10,11 32607 2 Rp 3.000.000 Rp 945.603.000 Rp 948.603.000 32607 Rp 316.201.000
11 16339 0 Rp 3.000.000 Rp - Rp 3.000.000 16339 Rp 3.000.000
11,12 16339 1 Rp 3.000.000 Rp - Rp 3.000.000 16339 Rp 1.500.000 9
12 0 0 Rp - Rp - Rp - 0 Rp -

(Sumber: Pengolahan Data)

94
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Contoh Perhitungan:

1. Net Requirement
𝑁𝑅1,2 = 𝑁𝑅1 + 𝑁𝑅2
= 9244 + 9433
= 18677 𝑈𝑛𝑖𝑡
2. 𝐻𝑜𝑙𝑑𝑖𝑛𝑔 𝐶𝑜𝑠𝑡
𝐻𝑜𝑙𝑑𝑖𝑛𝑔 𝐶𝑜𝑠𝑡1,2 = 𝐻𝑜𝑙𝑑𝑖𝑛𝑔 𝐶𝑜𝑠𝑡 × 𝑁𝑅2
= 𝑅𝑝14.500 × 9433
= 𝑅𝑝136.778.500
3. Setup Cost
𝑆𝑒𝑡𝑢𝑝 𝐶𝑜𝑠𝑡1,2 = 𝑆𝑒𝑡𝑢𝑝 𝐶𝑜𝑠𝑡 × 𝐹𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑃𝑒𝑚𝑒𝑠𝑎𝑛𝑎𝑛
= 𝑅𝑝3.000.000 × 1
= 𝑅𝑝3.000.000
4. Total Cost
𝑇𝑜𝑡𝑎𝑙 𝐶𝑜𝑠𝑡1,2 = 𝐻𝑜𝑙𝑑𝑖𝑛𝑔 𝐶𝑜𝑠𝑡1,2 + 𝑆𝑒𝑡𝑢𝑝 𝐶𝑜𝑠𝑡1,2
= 𝑅𝑝136.778.500 + 𝑅𝑝3.000.000
= 𝑅𝑝139.778.500
5. Total Cost per Periode
𝑇𝐶 𝑇𝑜𝑡𝑎𝑙 𝐶𝑜𝑠𝑡1,2 𝑅𝑝139.778.500
= =
𝑃𝑒𝑟𝑖𝑜𝑑𝑒1,2 𝑃𝑒𝑟𝑖𝑜𝑑𝑒 𝐷𝑖𝑔𝑎𝑏𝑢𝑛𝑔𝑘𝑎𝑛 2
= 𝑅𝑝69.889.250

Tabel 4. 52 MRP Komponen Key Battery


Part No 4 Description Key Battery
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy SM
Safety Stock 0 Lot Size SM
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 0 -9932 -9638 -16129 0 0 -16339 0
Net Requirement 9244 9433 15789 0 0 9932 9638 16129 0 0 16339 0
Planned Order Receipts 9244 9433 15789 9890 0 9932 9638 16129 16268 0 16339 0
Planned Order Released 9244 9433 15789 9890 0 9932 9638 16129 16268 0 16339 0

PAB II 0 0 0 9890 0 0 0 0 16268 0 0 0


(Sumber: Pengolahan Data)

Contoh Perhitungan:
1. Gross Requirement
𝐺𝑅1 = 𝑃𝑂𝑅𝐿 𝐾𝑜𝑚𝑝𝑜𝑛𝑒𝑛 𝐼𝑛𝑑𝑢𝑘 × 𝐾𝑢𝑎𝑛𝑡𝑖𝑡𝑎𝑠 𝐾𝑜𝑚𝑝𝑜𝑛𝑒𝑛
= 9244 × 1 = 9244 𝑈𝑛𝑖𝑡

95
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

2. PAB I
𝑃𝐴𝐵 𝐼𝑡 = 𝑃𝐴𝐵 𝐼𝐼𝑡−1 − 𝐺𝑅𝑡 + 𝑆𝑅𝑡
𝑃𝐴𝐵 𝐼2 = 0 − 9433 + 0
= −9433 𝑈𝑛𝑖𝑡
3. Net Requirement
Jika PAB I < 0 maka:
𝑁𝑅𝑡 = 𝐺𝑅𝑡 + 𝑆𝑅𝑡 + 𝑆𝑆 − 𝑃𝐴𝐵 𝐼𝐼𝑡−1
𝑁𝑅2 = 9433 + 0 + 0 − 0
= 9433 𝑈𝑛𝑖𝑡
4. Planned Order Receipts
𝑃𝑂𝑅𝐶𝑇 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑃𝑒𝑚𝑒𝑠𝑎𝑛𝑎𝑛
𝑃𝑂𝑅𝐶𝑇1 = 9433 𝑈𝑛𝑖𝑡
5. PAB II
𝑃𝐴𝐵 𝐼𝐼𝑡 = 𝑃𝑂𝑅𝐶𝑇 + 𝑃𝐴𝐵 𝐼𝑡
𝑃𝐴𝐵 𝐼𝐼2 = 9433 + (−9433)
= 0 𝑈𝑛𝑖𝑡

Tabel 4. 53 MRP Induk Assembling 12


Part No 5 Description Assembling 12
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

Tabel 4. 54 MRP Komponen Black Roller


Part No 6 Description Black Roller
BOM UOM 2 On Hand 0
Lead Time 2 Order Policy EOQ
Safety Stock 0 Lot Size EOQ 2961 Unit
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0
Schedule Receipts
PAB I 0 -18488 -16627 -30439 2132 -17648 -19746 -18295 -29826 2745 -29791 -29898 2673
Net Requirement 18488 16627 30439 0 17648 19746 18295 29826 0 29791 29898 0
Planned Order Receipts 20727 17766 32571 0 17766 20727 20727 32571 0 32571 32571 0
Planned Order Released 32571 0 17766 20727 20727 32571 0 32571 32571 0 0 0

PAB II 2239 1139 2132 2132 118 981 2432 2745 2745 2780 2673 2673
(Sumber: Pengolahan Data)

Keterangan:
𝐴 = 𝑆𝑒𝑡𝑢𝑝 𝐶𝑜𝑠𝑡 = 𝑅𝑝1.750.000
ℎ = 𝐻𝑜𝑙𝑑𝑖𝑛𝑔 𝐶𝑜𝑠𝑡 = 𝑅𝑝7.500

96
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Contoh Perhitungan:
1. Rata-rata Demand
18488 + 18866 + 31578 + 0 + 19780 + ⋯ + 0
̅=
𝐷
12
225324
= = 18777 𝑈𝑛𝑖𝑡
12
2. Lot Size

2𝐴𝐷̅
𝐸𝑂𝑄 = √

2(𝑅𝑝1.750.000)(18777)
=√
(𝑅𝑝7.500)

= √8762600 = 2960,17 ≈ 2961 𝑈𝑛𝑖𝑡


3. Gross Requirement
𝐺𝑅1 = 𝑃𝑂𝑅𝐿 𝐾𝑜𝑚𝑝𝑜𝑛𝑒𝑛 𝐼𝑛𝑑𝑢𝑘 × 𝐾𝑢𝑎𝑛𝑡𝑖𝑡𝑎𝑠 𝐾𝑜𝑚𝑝𝑜𝑛𝑒𝑛
= 9244 × 2 = 18488 𝑈𝑛𝑖𝑡
4. PAB I
𝑃𝐴𝐵 𝐼𝑡 = 𝑃𝐴𝐵 𝐼𝐼𝑡−1 − 𝐺𝑅𝑡 + 𝑆𝑅𝑡
𝑃𝐴𝐵 𝐼2 = 2239 − 18866 + 0
= −16627 𝑈𝑛𝑖𝑡
5. Net Requirement
Jika PAB I < 0 maka:
𝑁𝑅𝑡 = 𝐺𝑅𝑡 + 𝑆𝑅𝑡 + 𝑆𝑆 − 𝑃𝐴𝐵 𝐼𝐼𝑡−1
𝑁𝑅2 = 18866 + 0 + 0 − 2239 = 16627 𝑈𝑛𝑖𝑡
6. Planned Order Receipts
𝑁𝑅𝑡
𝑃𝑂𝑅𝐶𝑇 = ( ) × 𝐿𝑜𝑡 𝑆𝑖𝑧𝑒
𝐿𝑜𝑡 𝑆𝑖𝑧𝑒
16627
𝑃𝑂𝑅𝐶𝑇2 = (𝑅𝑜𝑢𝑛𝑑 𝑈𝑝 ( )) × 2961
2961
= 6 × 2961
= 17766 𝑈𝑛𝑖𝑡

97
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

7. PAB II
𝑃𝐴𝐵 𝐼𝐼𝑡 = 𝑃𝑂𝑅𝐶𝑇 + 𝑃𝐴𝐵 𝐼𝑡
𝑃𝐴𝐵 𝐼𝐼2 = 17766 + (−16627)
= 1139 𝑈𝑛𝑖𝑡

Tabel 4. 55 MRP Induk Assembling 11


Part No 7 Description Assembling 11
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

Tabel 4. 56 MRP Komponen Blue Roller


Part No 8 Description Blue Roller
BOM UOM 2 On Hand 0
Lead Time 1 Order Policy POQ 1 Periode
Safety Stock 0 Lot Size EOQ 2564 Unit
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0
Schedule Receipts
PAB I 0 -18488 -16842 -30472 296 -19484 -18836 -17600 -31910 1422 -31114 -30460 308
Net Requirement 18488 16842 30472 0 19484 18836 17600 31910 0 31114 30460 0
Planned Order Receipts 20512 17948 30768 0 20512 20512 17948 33332 0 33332 30768 0
Planned Order Released 17948 30768 0 20512 20512 17948 33332 0 33332 30768 0 0

PAB II 2024 1106 296 296 1028 1676 348 1422 1422 2218 308 308
(Sumber: Pengolahan Data)

Tabel 4. 57 MRP Induk Assembling 10


Part No 9 Description Assembling 10
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

Tabel 4. 58 MRP Komponen Bumper


Part No 10 Description Bumper
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

98
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 59 MRP Induk Assembling 9


Part No 11 Description Assembling 9
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

Tabel 4. 60 MRP Komponen Axle Shaft Cover


Part No 12 Description Axle Shaft Cover
BOM UOM 1 On Hand 0
Lead Time 1 Order Policy POQ 1 Periode
Safety Stock 0 Lot Size EOQ 1662 Unit
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -8705 -14522 436 -9454 -9414 -9080 -15237 1383 -14885 -16266 354
Net Requirement 9244 8705 14522 0 9454 9414 9080 15237 0 14885 16266 0
Planned Order Receipts 9972 9972 14958 0 9972 9972 9972 16620 0 14958 16620 0
Planned Order Released 9972 14958 0 9972 9972 9972 16620 0 14958 16620 0 0

PAB II 728 1267 436 436 518 558 892 1383 1383 73 354 354

(Sumber: Pengolahan Data)

Tabel 4. 61 MRP Induk Assembling 8


Part No 13 Description Assembling 8
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

Tabel 4. 62 MRP Komponen On Off Button


Part No 14 Description On Off Button
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy EOQ
Safety Stock 0 Lot Size EOQ 1978 Unit
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -8787 -14686 1138 -8752 -8794 -8542 -14781 1043 -15225 -15740 84
Net Requirement 9244 8787 14686 0 8752 8794 8542 14781 0 15225 15740 0
Planned Order Receipts 9890 9890 15824 0 9890 9890 9890 15824 0 15824 15824 0
Planned Order Released 9890 9890 15824 0 9890 9890 9890 15824 0 15824 15824 0

PAB II 646 1103 1138 1138 1138 1096 1348 1043 1043 599 84 84
(Sumber: Pengolahan Data)

Tabel 4. 63 MRP Induk Assembling 7


Part No 15 Description Assembling 7
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0

(Sumber: Pengolahan Data)

99
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 64 MRP Induk Sub Assembling 8


Part No 16 Description Sub Assembling 8
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

Tabel 4. 65 MRP Induk Sub Assembling 7


Part No 17 Description Sub Assembling 7
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

Tabel 4. 66 Metode Silver Meal Komponen Cover Gear


Part No 18 Description Cover Gear
BOM UOM 1 On Hand 0
Setup Cost Rp 1.000.000 Order Policy SM
Holding Cost Rp 10.000 Lot Size SM
Periode NR IP Setup Cost Holding Cost Total Cost Lot Size TC /Periode Order Ke
1 9244 0 Rp 1.000.000 Rp - Rp 1.000.000 9244 Rp 1.000.000 1
1,2 18677 1 Rp 1.000.000 Rp 94.330.000 Rp 95.330.000 18677 Rp 47.665.000
2 9433 0 Rp 1.000.000 Rp - Rp 1.000.000 9433 Rp 1.000.000 2
2,3 25222 1 Rp 1.000.000 Rp 157.890.000 Rp 158.890.000 25222 Rp 79.445.000
3 15789 0 Rp 1.000.000 Rp - Rp 1.000.000 15789 Rp 1.000.000
3,4 15789 1 Rp 1.000.000 Rp - Rp 1.000.000 15789 Rp 500.000 3
4 0 0 Rp - Rp - Rp - 0 Rp -
4,5 9890 1 Rp 1.000.000 Rp 98.900.000 Rp 99.900.000 9890 Rp 49.950.000 4
4,5,6 19822 2 Rp 1.000.000 Rp 396.440.000 Rp 397.440.000 19822 Rp 132.480.000
6 9932 0 Rp 1.000.000 Rp - Rp 1.000.000 9932 Rp 1.000.000 5
6,7 19570 1 Rp 1.000.000 Rp 96.380.000 Rp 97.380.000 19570 Rp 48.690.000
7 9638 0 Rp 1.000.000 Rp - Rp 1.000.000 9638 Rp 1.000.000 6
7,8 25767 1 Rp 1.000.000 Rp 161.290.000 Rp 162.290.000 25767 Rp 81.145.000
8 16129 0 Rp 1.000.000 Rp - Rp 1.000.000 16129 Rp 1.000.000
8,9 16129 1 Rp 1.000.000 Rp - Rp 1.000.000 16129 Rp 500.000 7
9 0 0 Rp - Rp - Rp - 0 Rp -
9, 10 16268 1 Rp 1.000.000 Rp 162.680.000 Rp 163.680.000 16268 Rp 81.840.000 8
9, 10,11 32607 2 Rp 1.000.000 Rp 652.140.000 Rp 653.140.000 32607 Rp 217.713.333
11 16339 0 Rp 1.000.000 Rp - Rp 1.000.000 16339 Rp 1.000.000
11,12 16339 1 Rp 1.000.000 Rp - Rp 1.000.000 16339 Rp 500.000 9
12 0 0 Rp - Rp - Rp - 0 Rp -
(Sumber: Pengolahan Data)

Tabel 4. 67 MRP Komponen Cover Gear


Part No 18 Description Cover Gear
BOM UOM 1 On Hand 0
Lead Time 2 Order Policy SM
Safety Stock 0 Lot Size SM
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 0 -9932 -9638 -16129 0 0 -16339 0
Net Requirement 9244 9433 15789 0 0 9932 9638 16129 0 0 16339 0
Planned Order Receipts 9244 9433 15789 9890 0 9932 9638 16129 16268 0 16339 0
Planned Order Released 15789 9890 0 9932 9638 16129 16268 0 16339 0 0 0

PAB II 0 0 0 9890 0 0 0 0 16268 0 0 0


(Sumber: Pengolahan Data)

100
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 68 MRP Komponen Blue Gear


Part No 19 Description Blue Gear
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0

(Sumber: Pengolahan Data)

Tabel 4. 69 MRP Komponen Cover Engine


Part No 20 Description Cover Engine
BOM UOM 1 On Hand 0
Lead Time 1 Order Policy POQ 1 Periode
Safety Stock 0 Lot Size EOQ 1533 Unit
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -7946 -14537 793 -9097 -9831 -8738 -15669 1194 -15074 -16083 780
Net Requirement 9244 7946 14537 0 9097 9831 8738 15669 0 15074 16083 0
Planned Order Receipts 10731 9198 15330 0 9198 10731 9198 16863 0 15330 16863 0
Planned Order Released 9198 15330 0 9198 10731 9198 16863 0 15330 16863 0 0

PAB II 1487 1252 793 793 101 900 460 1194 1194 256 780 780

(Sumber: Pengolahan Data)

Tabel 4. 70 MRP Induk Assembling 6


Part No 21 Description Assembling 6
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0

(Sumber: Pengolahan Data)

Tabel 4. 71 MRP Komponen Orange Gear


Part No 22 Description Orange Gear
BOM UOM 2 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0
Schedule Receipts
PAB I 0 -18488 -18866 -31578 0 -19780 -19864 -19276 -32258 0 -32536 -32678 0
Net Requirement 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0
Planned Order Receipts 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0
Planned Order Released 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

Tabel 4. 72 MRP Induk Assembling 5


Part No 23 Description Assembling 5
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

101
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 73 MRP Komponen Propeller Shaft


Part No 24 Description Propeller Shaft
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy EOQ Periode
Safety Stock 0 Lot Size EOQ 1679 Unit
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -8603 -14318 793 -9097 -8955 -8519 -14574 537 -15731 -15280 1510
Net Requirement 9244 8603 14318 0 9097 8955 8519 14574 0 15731 15280 0
Planned Order Receipts 10074 10074 15111 0 10074 10074 10074 15111 0 16790 16790 0
Planned Order Released 10074 10074 15111 0 10074 10074 10074 15111 0 16790 16790 0

PAB II 830 1471 793 793 977 1119 1555 537 537 1059 1510 1510
(Sumber: Pengolahan Data)

Tabel 4. 74 MRP Induk Assembling 4


Part No 25 Description Assembling 4
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

Tabel 4. 75 MRP Induk Sub Assembling 3


Part No 26 Description Sub Assembling 3
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

Tabel 4. 76 Metode Silver Meal Komponen Velg FR


Part No 27 Description Velg FR
BOM UOM 2 On Hand 0
Setup Cost Rp 1.000.000 Order Policy SM
Holding Cost Rp 10.000 Lot Size SM
Periode NR IP Setup Cost Holding Cost Total Cost Lot Size TC /Periode Order Ke
1 18488 0 Rp 1.000.000 Rp - Rp 1.000.000 18488 Rp 1.000.000 1
1,2 37354 1 Rp 1.000.000 Rp 188.660.000 Rp 189.660.000 37354 Rp 94.830.000
2 18866 0 Rp 1.000.000 Rp - Rp 1.000.000 18866 Rp 1.000.000 2
2,3 50444 1 Rp 1.000.000 Rp 315.780.000 Rp 316.780.000 50444 Rp 158.390.000
3 31578 0 Rp 1.000.000 Rp - Rp 1.000.000 31578 Rp 1.000.000
3,4 31578 1 Rp 1.000.000 Rp - Rp 1.000.000 31578 Rp 500.000 3
4 0 0 Rp - Rp - Rp - 0 Rp -
4,5 19780 1 Rp 1.000.000 Rp 197.800.000 Rp 198.800.000 19780 Rp 99.400.000 4
4,5,6 39644 2 Rp 1.000.000 Rp 792.880.000 Rp 793.880.000 39644 Rp 264.626.667
6 19864 0 Rp 1.000.000 Rp - Rp 1.000.000 19864 Rp 1.000.000 5
6,7 39140 1 Rp 1.000.000 Rp 192.760.000 Rp 193.760.000 39140 Rp 96.880.000
7 19276 0 Rp 1.000.000 Rp - Rp 1.000.000 19276 Rp 1.000.000 6
7,8 51534 1 Rp 1.000.000 Rp 322.580.000 Rp 323.580.000 51534 Rp 161.790.000
8 32258 0 Rp 1.000.000 Rp - Rp 1.000.000 32258 Rp 1.000.000
8,9 32258 1 Rp 1.000.000 Rp - Rp 1.000.000 32258 Rp 500.000 7
9 0 0 Rp - Rp - Rp - 0 Rp -
9, 10 32536 1 Rp 1.000.000 Rp 325.360.000 Rp 326.360.000 32536 Rp 163.180.000 8
9, 10,11 65214 2 Rp 1.000.000 Rp 1.304.280.000 Rp 1.305.280.000 65214 Rp 435.093.333
11 32678 0 Rp 1.000.000 Rp - Rp 1.000.000 32678 Rp 1.000.000
11,12 32678 1 Rp 1.000.000 Rp - Rp 1.000.000 32678 Rp 500.000 9
12 0 0 Rp - Rp - Rp - 0 Rp -
(Sumber: Pengolahan Data)

102
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 77 MRP Komponen Velg FR


Part No 27 Description Velg FR
BOM UOM 2 On Hand 0
Lead Time 0 Order Policy SM
Safety Stock 0 Lot Size SM
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0
Schedule Receipts
PAB I 0 -18488 -18866 -31578 0 0 -19864 -19276 -32258 0 0 -32678 0
Net Requirement 18488 18866 31578 0 0 19864 19276 32258 0 0 32678 0
Planned Order Receipts 18488 18866 31578 19780 0 19864 19276 32258 32536 0 32678 0
Planned Order Released 18488 18866 31578 19780 0 19864 19276 32258 32536 0 32678 0

PAB II 0 0 0 19780 0 0 0 0 32536 0 0 0


(Sumber: Pengolahan Data)

Tabel 4. 78 MRP Komponen Tire FR


Part No 28 Description Tire FR
BOM UOM 2 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0
Schedule Receipts
PAB I 0 -18488 -18866 -31578 0 -19780 -19864 -19276 -32258 0 -32536 -32678 0
Net Requirement 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0
Planned Order Receipts 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0
Planned Order Released 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

Tabel 4. 79 MRP Induk Assembling 3


Part No 29 Description Assembling 3
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

Tabel 4. 80 MRP Induk Sub Assembling 2


Part No 30 Description Sub Assembling 2
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

103
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 81 Metode Silver Meal Komponen Velg RR


Part No 31 Description Velg RR
BOM UOM 2 On Hand 0
Setup Cost Rp 1.500.000 Order Policy SM
Holding Cost Rp 12.000 Lot Size SM
Periode NR IP Setup Cost Holding Cost Total Cost Lot Size TC /Periode Order Ke
1 18488 0 Rp 1.500.000 Rp - Rp 1.500.000 18488 Rp 1.500.000 1
1,2 37354 1 Rp 1.500.000 Rp 226.392.000 Rp 227.892.000 37354 Rp 113.946.000
2 18866 0 Rp 1.500.000 Rp - Rp 1.500.000 18866 Rp 1.500.000 2
2,3 50444 1 Rp 1.500.000 Rp 378.936.000 Rp 380.436.000 50444 Rp 190.218.000
3 31578 0 Rp 1.500.000 Rp - Rp 1.500.000 31578 Rp 1.500.000
3,4 31578 1 Rp 1.500.000 Rp - Rp 1.500.000 31578 Rp 750.000 3
4 0 0 Rp - Rp - Rp - 0 Rp -
4,5 19780 1 Rp 1.500.000 Rp 237.360.000 Rp 238.860.000 19780 Rp 119.430.000 4
4,5,6 39644 2 Rp 1.500.000 Rp 951.456.000 Rp 952.956.000 39644 Rp 317.652.000
6 19864 0 Rp 1.500.000 Rp - Rp 1.500.000 19864 Rp 1.500.000 5
6,7 39140 1 Rp 1.500.000 Rp 231.312.000 Rp 232.812.000 39140 Rp 116.406.000
7 19276 0 Rp 1.500.000 Rp - Rp 1.500.000 19276 Rp 1.500.000 6
7,8 51534 1 Rp 1.500.000 Rp 387.096.000 Rp 388.596.000 51534 Rp 194.298.000
8 32258 0 Rp 1.500.000 Rp - Rp 1.500.000 32258 Rp 1.500.000
8,9 32258 1 Rp 1.500.000 Rp - Rp 1.500.000 32258 Rp 750.000 7
9 0 0 Rp - Rp - Rp - 0 Rp -
9, 10 32536 1 Rp 1.500.000 Rp 390.432.000 Rp 391.932.000 32536 Rp 195.966.000 8
9, 10,11 65214 2 Rp 1.500.000 Rp 1.565.136.000 Rp 1.566.636.000 65214 Rp 522.212.000
11 32678 0 Rp 1.500.000 Rp - Rp 1.500.000 32678 Rp 1.500.000
11,12 32678 1 Rp 1.500.000 Rp - Rp 1.500.000 32678 Rp 750.000 9
12 0 0 Rp - Rp - Rp - 0 Rp -
(Sumber: Pengolahan Data)

Tabel 4. 82 MRP Komponen Velg RR


Part No 31 Description Velg RR
BOM UOM 2 On Hand 0
Lead Time 1 Order Policy SM
Safety Stock 0 Lot Size SM
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0
Schedule Receipts
PAB I 0 -18488 -18866 -31578 0 0 -19864 -19276 -32258 0 0 -32678 0
Net Requirement 18488 18866 31578 0 0 19864 19276 32258 0 0 32678 0
Planned Order Receipts 18488 18866 31578 19780 0 19864 19276 32258 32536 0 32678 0
Planned Order Released 18866 31578 19780 0 19864 19276 32258 32536 0 32678 0 0

PAB II 0 0 0 19780 0 0 0 0 32536 0 0 0


(Sumber: Pengolahan Data)

Tabel 4. 83 MRP Komponen Tire RR


Part No 32 Description Tire RR
BOM UOM 2 On Hand 0
Lead Time 2 Order Policy EOQ
Safety Stock 0 Lot Size EOQ 2502 Unit
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0
Schedule Receipts
PAB I 0 -18488 -17338 -31402 1124 -18656 -18504 -17764 -30006 18 -32518 -32670 2358
Net Requirement 18488 17338 31402 0 18656 18504 17764 30006 0 32518 32670 0
Planned Order Receipts 20016 17514 32526 0 20016 20016 20016 30024 0 32526 35028 0
Planned Order Released 32526 0 20016 20016 20016 30024 0 32526 35028 0 0 0

PAB II 1528 176 1124 1124 1360 1512 2252 18 18 8 2358 2358
(Sumber: Pengolahan Data)

Tabel 4. 84 MRP Induk Assembling 2


Part No 33 Description Assembling 2
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

104
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 85 MRP Induk Sub Assembling 1


Part No 34 Description Sub Assembling 1
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

Tabel 4. 86 MRP Komponen Axle Shaft


Part No 35 Description Axle Shaft
BOM UOM 2 On Hand 0
Lead Time 0 Order Policy POQ 1 Periode
Safety Stock 0 Lot Size EOQ 1938 Unit
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0
Schedule Receipts
PAB I 0 -18488 -17974 -30172 836 -18944 -19428 -17386 -32202 744 -31792 -31524 1422
Net Requirement 18488 17974 30172 0 18944 19428 17386 32202 0 31792 31524 0
Planned Order Receipts 19380 19380 31008 0 19380 21318 17442 32946 0 32946 32946 0
Planned Order Released 19380 19380 31008 0 19380 21318 17442 32946 0 32946 32946 0

PAB II 892 1406 836 836 436 1890 56 744 744 1154 1422 1422
(Sumber: Pengolahan Data)

Tabel 4. 87 MRP Komponen Green Gear


Part No 36 Description Green Gear
BOM UOM 1 On Hand 0
Lead Time 1 Order Policy POQ 1 Periode
Safety Stock 0 Lot Size EOQ 1662 Unit
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -8705 -14522 436 -9454 -9414 -9080 -15237 1383 -14885 -16266 354
Net Requirement 9244 8705 14522 0 9454 9414 9080 15237 0 14885 16266 0
Planned Order Receipts 9972 9972 14958 0 9972 9972 9972 16620 0 14958 16620 0
Planned Order Released 9972 14958 0 9972 9972 9972 16620 0 14958 16620 0 0

PAB II 728 1267 436 436 518 558 892 1383 1383 73 354 354
(Sumber: Pengolahan Data)

Tabel 4. 88 MRP Induk Assembling 1


Part No 37 Description Assembling 1
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

105
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 89 Metode Silver Meal Komponen Bearing


Part No 38 Description Bearing
BOM UOM 4 On Hand 0
Setup Cost Rp 2.500.000 Order Policy SM
Holding Cost Rp 17.000 Lot Size SM
Periode NR IP Setup Cost Holding Cost Total Cost Lot Size TC /Periode Order Ke
1 36976 0 Rp 2.500.000 Rp - Rp 2.500.000 36976 Rp 2.500.000 1
1,2 74708 1 Rp 2.500.000 Rp 641.444.000 Rp 643.944.000 74708 Rp 321.972.000
2 37732 0 Rp 2.500.000 Rp - Rp 2.500.000 37732 Rp 2.500.000 2
2,3 100888 1 Rp 2.500.000 Rp 1.073.652.000 Rp 1.076.152.000 100888 Rp 538.076.000
3 63156 0 Rp 2.500.000 Rp - Rp 2.500.000 63156 Rp 2.500.000
3,4 63156 1 Rp 2.500.000 Rp - Rp 2.500.000 63156 Rp 1.250.000 3
4 0 0 Rp - Rp - Rp - 0 Rp -
4,5 39560 1 Rp 2.500.000 Rp 672.520.000 Rp 675.020.000 39560 Rp 337.510.000 4
4,5,6 79288 2 Rp 2.500.000 Rp 2.695.792.000 Rp 2.698.292.000 79288 Rp 899.430.667
6 39728 0 Rp 2.500.000 Rp - Rp 2.500.000 39728 Rp 2.500.000 5
6,7 78280 1 Rp 2.500.000 Rp 655.384.000 Rp 657.884.000 78280 Rp 328.942.000
7 38552 0 Rp 2.500.000 Rp - Rp 2.500.000 38552 Rp 2.500.000 6
7,8 103068 1 Rp 2.500.000 Rp 1.096.772.000 Rp 1.099.272.000 103068 Rp 549.636.000
8 64516 0 Rp 2.500.000 Rp - Rp 2.500.000 64516 Rp 2.500.000
8,9 64516 1 Rp 2.500.000 Rp - Rp 2.500.000 64516 Rp 1.250.000 7
9 0 0 Rp - Rp - Rp - 0 Rp -
9, 10 65072 1 Rp 2.500.000 Rp 1.106.224.000 Rp 1.108.724.000 65072 Rp 554.362.000 8
9, 10,11 130428 2 Rp 2.500.000 Rp 4.434.552.000 Rp 4.437.052.000 130428 Rp 1.479.017.333
11 65356 0 Rp 2.500.000 Rp - Rp 2.500.000 65356 Rp 2.500.000
11,12 65356 1 Rp 2.500.000 Rp - Rp 2.500.000 65356 Rp 1.250.000 9
12 0 0 Rp - Rp - Rp - 0 Rp -
(Sumber: Pengolahan Data)

Tabel 4. 90 MRP Komponen Bearing


Part No 38 Description Bearing
BOM UOM 4 On Hand 0
Lead Time 1 Order Policy SM
Safety Stock 0 Lot Size SM
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 36976 37732 63156 0 39560 39728 38552 64516 0 65072 65356 0
Schedule Receipts
PAB I 0 -36976 -37732 -63156 0 0 -39728 -38552 -64516 0 0 -65356 0
Net Requirement 36976 37732 63156 0 0 39728 38552 64516 0 0 65356 0
Planned Order Receipts 36976 37732 63156 39560 0 39728 38552 64516 65072 0 65356 0
Planned Order Released 37732 63156 39560 0 39728 38552 64516 65072 0 65356 0 0

PAB II 0 0 0 39560 0 0 0 0 65072 0 0 0


(Sumber: Pengolahan Data)

Tabel 4. 91 MRP Komponen Chasis


Part No 39 Description Chasis
BOM UOM 1 On Hand 0
Lead Time 1 Order Policy POQ 1 Periode
Safety Stock 0 Lot Size EOQ 1662 Unit
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -8705 -14522 436 -9454 -9414 -9080 -15237 1383 -14885 -16266 354
Net Requirement 9244 8705 14522 0 9454 9414 9080 15237 0 14885 16266 0
Planned Order Receipts 9972 9972 14958 0 9972 9972 9972 16620 0 14958 16620 0
Planned Order Released 9972 14958 0 9972 9972 9972 16620 0 14958 16620 0 0

PAB II 728 1267 436 436 518 558 892 1383 1383 73 354 354
(Sumber: Pengolahan Data)

106
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

4.2.5 Line Balancing


4.2.5.1 Metode Cluster
A. Waktu Siklus (WS)
𝑊𝑎𝑘𝑡𝑢 𝐾𝑒𝑟𝑗𝑎 8 𝐽𝑎𝑚 × 3600
𝑊𝑆 = =
𝑇𝑎𝑟𝑔𝑒𝑡 𝑃𝑟𝑜𝑑𝑢𝑘𝑠𝑖 9401
= 3,06 𝑑𝑒𝑡𝑖𝑘
B. Waktu Maksimal Kegiatan
𝑊𝑆𝐼 = 40 𝑑𝑒𝑡𝑖𝑘 (𝐴𝑠𝑠𝑒𝑚𝑏𝑙𝑖𝑛𝑔 15)
C. Jumlah Stasiun Kerja
𝑊𝑎𝑘𝑡𝑢 𝑇𝑜𝑡𝑎𝑙 271 𝑑𝑒𝑡𝑖𝑘
𝐽𝑢𝑚𝑙𝑎ℎ 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 = =
𝑊𝑆𝐼 40 𝑑𝑒𝑡𝑖𝑘
= 6,78 ≈ 7 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎

Tabel 4. 92 Pembagian Region (Stasiun Kerja)


Region Task Task Time
1 1,2 22
2 3,4 23
3 5,6 29
4 7,8 29
5 9,10,11 28
6 12,13,14,15,16 35
7 17,18,19,20 36
8 21,22,23 29
9 24,25 40
(Sumber: Pengolahan Data)

Gambar 4. 13 Precedence Diagam Setelah Pembagian Region


(Sumber: Pengolahan Data)

107
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 93 Kumulatif Waktu Tiap Stasiun Kerja


Work Station Task Task Time Cumulative Station Time
1 0 0
1
2 22 22
3 13 13
2
4 10 23
5 18 18
3
6 11 29
7 18 18
4
8 11 29
9 7 7
5 10 11 18
11 10 28
12 5 5
13 3 8
6 14 8 16
15 8 24
16 11 35
17 9 9
18 7 16
7
19 9 25
29 11 36
21 12 12
8 22 9 21
23 8 29
24 40 40
9
25 0 40
(Sumber: Pengolahan Data)

Tabel 4. 94 Efisiensi Stasiun Kerja


Work Station Station Time Idle Time Efesiensi Stasiun Kerja
1 22 18 55,0%
2 23 17 57,5%
3 29 11 72,5%
4 29 11 72,5%
5 28 12 70,0%
6 35 5 87,5%
7 36 4 90,0%
8 29 11 72,5%
9 40 0 100,0%
Jumlah 677,5%
Rata-rata 75,3%
(Sumber: Pengolahan Data)

Contoh Perhitungan:
A. Efisiensi Stasiun Kerja
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒1
1. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 1 = × 100%
𝑊𝑆𝐼

22
= × 100% = 55,0%
40

108
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒2
2. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 2 = × 100%
𝑊𝑆𝐼

23
= × 100% = 57,0%
40
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒3
3. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 3 = × 100%
𝑊𝑆𝐼

29
= × 100% = 72,5%
40
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒4
4. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 4 = × 100%
𝑊𝑆𝐼

29
= × 100% = 72,5%
40
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒5
5. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 5 = × 100%
𝑊𝑆𝐼

28
= × 100% = 70,0%
40
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒6
6. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 6 = × 100%
𝑊𝑆𝐼

35
= × 100% = 87,5%
40
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒7
7. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 7 = × 100%
𝑊𝑆𝐼

36
= × 100% = 90,0%
40
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒8
8. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 8 = × 100%
𝑊𝑆𝐼

29
= × 100% = 72,5%
40
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒7
9. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 9 = × 100%
𝑊𝑆𝐼

40
= × 100% = 100,0%
40
B. Rata-rata Persen Efisiensi
𝐽𝑢𝑚𝑙𝑎ℎ 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 =
𝐽𝑢𝑚𝑙𝑎ℎ 𝑊𝑜𝑟𝑘 𝑆𝑡𝑎𝑡𝑖𝑜𝑛
677,5%
= = 75,3%
9
C. Idle Time
𝐼𝑑𝑙𝑒 𝑇𝑖𝑚𝑒 = 100% − 𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑃𝑒𝑟𝑠𝑒𝑛 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖
= 100% − 75,3% = 24,7%

109
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

D. Balance Delay
(𝐽𝑢𝑚𝑙𝑎ℎ 𝑊𝑆 × 𝑊𝑆𝐼 ) − 𝑊𝑎𝑘𝑡𝑢 𝑃𝑟𝑜𝑠𝑒𝑠
𝐵𝑎𝑙𝑎𝑛𝑐𝑒 𝐷𝑒𝑙𝑎𝑦 = × 100%
(𝐽𝑢𝑚𝑙𝑎ℎ 𝑊𝑆 × 𝑊𝑆𝐼 )
(9 × 40 𝑑𝑒𝑡𝑖𝑘) − 271 𝑑𝑒𝑡𝑖𝑘
= × 100%
(9 × 40 𝑑𝑒𝑡𝑖𝑘)
(360 𝑑𝑒𝑡𝑖𝑘) − 271 𝑑𝑒𝑡𝑖𝑘
= × 100%
(360 𝑑𝑒𝑡𝑖𝑘)
89 𝑑𝑒𝑡𝑖𝑘
= × 100% = 24,7%
360 𝑑𝑒𝑡𝑖𝑘
E. Efisiensi Lintasan Kerja
𝑊𝑎𝑘𝑡𝑢 𝑃𝑟𝑜𝑠𝑒𝑠
𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝐿𝑖𝑛𝑡𝑎𝑠𝑎𝑛 = × 100%
(𝐽𝑢𝑚𝑙𝑎ℎ 𝑊𝑆 × 𝑊𝑆𝐼 )
271 𝑑𝑒𝑡𝑖𝑘
= × 100%
(9 × 40 𝑑𝑒𝑡𝑖𝑘)
271 𝑑𝑒𝑡𝑖𝑘
= × 100% = 75,3%
360 𝑑𝑒𝑡𝑖𝑘
F. Smoothness Index
𝑆𝑚𝑜𝑜𝑡ℎ𝑛𝑒𝑠𝑠 𝐼𝑛𝑑𝑒𝑥 = √∑(𝑆𝑇𝑚𝑎𝑥 − 𝑆𝑇𝑖 )2

= √(40 − 22)2 + (40 − 23)2 + ⋯ (40 − 40)2


= √1161 = 34,07

4.2.5.2 Metode Ranked Position Weight


A. Waktu Siklus (WS)
𝑊𝑎𝑘𝑡𝑢 𝐾𝑒𝑟𝑗𝑎 8 𝐽𝑎𝑚 × 3600
𝑊𝑆 = =
𝑇𝑎𝑟𝑔𝑒𝑡 𝑃𝑟𝑜𝑑𝑢𝑘𝑠𝑖 9401
= 3,06 𝑑𝑒𝑡𝑖𝑘
B. Waktu Maksimal Kegiatan
𝑊𝑆𝐼 = 40 𝑑𝑒𝑡𝑖𝑘 (𝐴𝑠𝑠𝑒𝑚𝑏𝑙𝑖𝑛𝑔 1)
C. Jumlah Stasiun Kerja
𝑊𝑎𝑘𝑡𝑢 𝑇𝑜𝑡𝑎𝑙 271 𝑑𝑒𝑡𝑖𝑘
𝐽𝑢𝑚𝑙𝑎ℎ 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 = =
𝑊𝑆𝐼 40 𝑑𝑒𝑡𝑖𝑘
= 6,78 ≈ 7 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎

110
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 95 Tabel Positional Weight Tabel 4. 96 Tabel Pengurutan


Awal Positional Weight
Task Task Time Positional Weight Task Task Time Positional Weight
1 0 191 1 0 191
2 22 191 2 22 191
3 13 182 3 13 182
4 10 169 5 18 177
5 18 177 4 10 169
6 11 159 7 18 166
7 18 166 6 11 159
8 11 148 8 11 148
9 7 144 9 7 144
10 11 137 12 5 140
11 10 126 10 11 137
12 5 140 13 3 135
13 3 135 14 8 132
14 8 132 11 10 126
15 8 124 15 8 124
16 11 116 16 11 116
17 9 105 17 9 105
18 7 96 18 7 96
19 9 89 19 9 89
20 11 80 20 11 80
21 12 69 21 12 69
22 9 57 22 9 57
23 8 48 23 8 48
24 40 40 24 40 40
25 0 0 25 0 0
(Sumber: Pengolahan Data) (Sumber: Pengolahan Data)

Tabel 4. 97 Kumulatif Station Time Tiap Stasiun Kerja


Work Station Task Task Time Cumulative Station Time
1 0 0
1 2 22 22
3 13 35
5 18 18
2
4 10 28
7 18 18
3 6 11 29
8 11 40
9 7 7
12 5 12
4 10 11 23
13 3 26
14 8 34
11 10 10
15 8 18
5
16 11 29
17 9 38
18 7 7
19 9 16
6
20 11 27
21 12 39
22 9 9
7
23 8 17
24 40 40
8
25 0 40
(Sumber: Pengolahan Data)

111
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 4. 98 Efisiensi Stasiun Kerja


Work Station Station Time Idle Time Efesiensi Stasiun Kerja
1 35 5 87,5%
2 28 12 70,0%
3 40 0 100,0%
4 34 6 85,0%
5 38 2 95,0%
6 39 1 97,5%
7 17 23 42,5%
8 40 0 100,0%
Jumlah 677,5%
Rata-rata 84,7%
(Sumber: Pengolahan Data)

Contoh Perhitungan:
A. Efisiensi Stasiun Kerja
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒1
1. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 1 = × 100%
𝑊𝑆𝐼
35
=
× 100% = 87,5%
40
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒2
2. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 2 = × 100%
𝑊𝑆 𝐼
28
= × 100% = 70,0%
40
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒3
3. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 3 = × 100%
𝑊𝑆 𝐼
40
= × 100% = 100%
40
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒4
4. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 4 = × 100%
𝑊𝑆 𝐼
34
= × 100% = 85,0%
40
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒5
5. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 5 = × 100%
𝑊𝑆 𝐼
38
= × 100% = 95,0%
40
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒6
6. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 6 = × 100%
𝑊𝑆 𝐼
39
= × 100% = 97,5%
40
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒7
7. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 7 = × 100%
𝑊𝑆 𝐼
17
= × 100% = 42,5%
40
𝑆𝑡𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒8
8. 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝑆𝑡𝑎𝑠𝑖𝑢𝑛 𝐾𝑒𝑟𝑗𝑎 8 = × 100%
𝑊𝑆 𝐼
40
= × 100% = 100%
40

112
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

B. Rata-rata Persen Efisiensi


𝐽𝑢𝑚𝑙𝑎ℎ 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 =
𝐽𝑢𝑚𝑙𝑎ℎ 𝑊𝑜𝑟𝑘 𝑆𝑡𝑎𝑡𝑖𝑜𝑛
677,5%
= = 84,7%
8
C. Idle Time

𝐼𝑑𝑙𝑒 𝑇𝑖𝑚𝑒 = 100% − 𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑃𝑒𝑟𝑠𝑒𝑛 𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖

= 100% − 84,7% = 15,3%

D. Balance Delay

(𝐽𝑢𝑚𝑙𝑎ℎ 𝑊𝑆 × 𝑊𝑆𝐼 ) − 𝑊𝑎𝑘𝑡𝑢 𝑃𝑟𝑜𝑠𝑒𝑠


𝐵𝑎𝑙𝑎𝑛𝑐𝑒 𝐷𝑒𝑙𝑎𝑦 = × 100%
(𝐽𝑢𝑚𝑙𝑎ℎ 𝑊𝑆 × 𝑊𝑆𝐼 )
(8 × 40 𝑑𝑒𝑡𝑖𝑘) − 271 𝑑𝑒𝑡𝑖𝑘
= × 100%
(8 × 40 𝑑𝑒𝑡𝑖𝑘)
(320 𝑑𝑒𝑡𝑖𝑘) − 271 𝑑𝑒𝑡𝑖𝑘
= × 100%
(360 𝑑𝑒𝑡𝑖𝑘)
49 𝑑𝑒𝑡𝑖𝑘
= × 100% = 15,31%
320 𝑑𝑒𝑡𝑖𝑘

E. Efisiensi Lintasan Kerja

𝑊𝑎𝑘𝑡𝑢 𝑃𝑟𝑜𝑠𝑒𝑠
𝐸𝑓𝑖𝑠𝑖𝑒𝑛𝑠𝑖 𝐿𝑖𝑛𝑡𝑎𝑠𝑎𝑛 = × 100%
(𝐽𝑢𝑚𝑙𝑎ℎ 𝑊𝑆 × 𝑊𝑆𝐼 )
271 𝑑𝑒𝑡𝑖𝑘
= × 100%
(8 × 40 𝑑𝑒𝑡𝑖𝑘)

271 𝑑𝑒𝑡𝑖𝑘
= × 100% = 84,7%
320 𝑑𝑒𝑡𝑖𝑘
F. Smoothness Index

𝑆𝑚𝑜𝑜𝑡ℎ𝑛𝑒𝑠𝑠 𝐼𝑛𝑑𝑒𝑥 = √∑(𝑆𝑇𝑚𝑎𝑥 − 𝑆𝑇𝑖 )2

= √(40 − 35)2 + (40 − 28)2 + ⋯ (40 − 40)2


= √739 = 27,19

113
BAB V

ANALISIS

5.1 FORECASTING

Praktikum modul Forecasting kali ini membahas mengenai kegiatan memprediksi


demand di masa depan dengan menggunakan data demand awal (masa lalu).
Ramalan yang diperoleh pada modul kali ini yaitu menggunakan metode kuantitatif
dengan model time series. Peramalan time series merupakan metode kuantitatif
untuk menganalisis data masa lampau yang telah dikumpulkan secara teratur
dengan menggunakan teknik yang tepat. Metode peramalan (forecasting) yang
digunakan untuk meramalkan demand pada 12 periode yang akan datang yaitu
Double Moving Average (DMA), Double Exponential Smoothing (DES) Satu
Parameter dari Brown, Double Exponential Smoothing (DES) Dua Parameter dari
Holt dan metode peramalan Regresi Linier.

Tabel 5. 1 Perhitungan Mean Squared Error (MSE)


Metode Forecasting
Error DES DES
DMA Regresi Linier
Brown Holt
MSE 10811,25 3216,18 313,14 3,38
(Sumber: Pengolahan Data)

Hasil peramalan (forecasting) pada modul ini diupayakan untuk dapat


meminimumkan pengaruh ketidakpastian, dengan kata lain bertujuan untuk
mendapatkan ramalan yang bisa meminimumkan kesalahan dalam meramal
(forecast error) yang biasanya diukur dengan menggunakan Mean Squared Error
(MSE). Semakin kecil nilai MSE, maka akurasi peramalan akan semakin tinggi atau
dengan kata lain nilai MSE terkecil merupakan hasil ramalan terbaik. Penggunaan
Mean Squared Error (MSE) sebagai metode pengukuran error disebabkan karena
MSE sangat baik dalam memberikan gambaran terhadap konsistensi data. Semakin
minimum nilai MSE, maka varian model yang ada akan semakin kecil. Data dengan
varian yang kecil akan memberikan hasil yang relatif lebih konsisten untuk seluruh
data dibandingkan dengan data dengan varian yang lebih besar.

Berdasarkan Tabel 5.1 di atas menunjukkan hasil perhitungan Error yaitu MSE.
Hasil perhitungan MSE dengan menggunakan metode peramalan Double Moving

114
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Average menjadi nilai yang paling besar yaitu 10811,25, hal tersebut menunjukkan
bahwa metode peramalan yang dilakukan dengan menggunakan Double Moving
Average memiliki tingkat akurasi yang rendah. Hasil perhitungan MSE pada
metode peramalan Regresi Linier menjadi nilai yang terkecil dari semua metode
peramalan yang telah dilakukan yaitu sebesar 3,38, hal tersebut menunjukkan
bahwa metode peramalan (forecasting) yang dilakukan dengan menggunakan
metode Regresi Linier memiliki akurasi yang tinggi atau dengan kata lain
merupakan metode terbaik. Adanya metode peramalan (forecasting) yang baik dan
memiliki tingkat akurasi yang tinggi diharapkan dapat membantu suatu perusahaan
dalam mengambil kebijakan dalam memenuhi permintaan (demand).

5.2 RENCANA PRODUKSI AGREGAT

Praktikum modul Rencana Produksi Agregat kali ini membahas mengenai


menghitung total biaya berdasarkan Demand yang telah diramalkan di modul
Peramalan (Forecasting) sebelumnya. Penggunaan perencanaan agregat ditujukkan
untuk menentukan kombinasi yang optimal dari tingkat produksi, jumlah tenaga
kerja, dan tingkat persediaan. Perencanaan agregat yang tergolong perencanaan
jangka menengah memegang peranan penting dalam perencanaan operasi secara
kesuluruhan. Strategi yang digunakan dalam modul Rencana Produksi Agregat kali
ini yaitu strategi tenaga kerja tetap, strategi tenaga kerja berubah dan strategi
transportasi.

Tabel 5. 2 Ringkasan Perhitungan Total Cost


No. Metode Total Cost
1 Strategi Tenaga Kerja Tetap (Round Up ) Rp 6.368.577.500
2 Strategi Tenaga Kerja Tetap (Round Down ) Rp 6.316.552.500
3 Strategi Tenaga Kerja Berubah (Round Up ) Rp 6.424.822.500
4 Strategi Tenaga Kerja Berubah (Round Down ) Rp 6.452.900.000
5 Strategi Transportasi Rp 6.208.977.500
(Sumber: Pengolahan Data)

Tabel 5.2 di atas merupakan hasil perhitungan total cost berdasarkan strategi yang
digunakan. Strategi tenaga kerja tetap menunjukkan hasil ongkos total yang relatif
lebih kecil dibandingkan dengan menggunakan strategi tenaga kerja berubah. Hal
tersebut dapat terjadi karena pada strategi tenaga kerja tetap, jumlah tenaga kerja

115
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

yang digunakan dari periode 1 sampai dengan 12 adalah sama. Berbeda jika
dibandingkan dengan strategi tenaga kerja berubah, pada strategi ini jumlah tenaga
kerja yang digunakan pada setiap periode bergantung pada jumlah hari kerja (HK)
dan permintaan (demand), serta adanya pemberhentian pada tenaga kerja pun
menambah ongkos yang harus dikeluarkan. Ongkos total tekecil pada perencanaan
agregat ini yaitu dengan menggunakan strategi transportasi sebesar
Rp6.208.997.500. Strategi transportasi yang digunakan lebih menekankan pada
pemenuhan permintaan (demand) dengan kapasitas yang tersedia.

5.3 DISAGREGASI DAN MASTER PRODUCTION SCHEDULE

Proses disagregasi memungkinkan suatu perusahaan mendapatkan Jadwal Induk


Produksi berdasarkan item bukan berdasarkan family atau secara agregat. Hasil
disegregasi ini menjadi Jadwal Induk Produksi dan merupakan masukan untuk
perencanaan kebutuhan material. Adanya proses disagregasi pada suatu family
produk akan sangat membantu perusahaan dalam merencanakan kebutuhan
produksi serta tentunya akan mempermudah perusahaan dalam menganalisa
kebutuhan materialnya. Proses disagregasi yang dilakukan pada modul ini yaitu
pada family Tamiya dan Auldey yang masing-masingnya memiliki dua item yaitu
Baracuda, Cobra, Hauler dan Emperor.

Tabel 5. 3 Keputusan Produksi


Produksi atau Tidak Produksi
Periode
Baracuda Cobra Hauler Emperor
1 Produksi Produksi Produksi Produksi
2 Produksi Produksi Produksi Produksi
3 Produksi Produksi Tidak Tidak
4 Tidak Tidak Produksi Produksi
5 Produksi Produksi Tidak Tidak
6 Produksi Produksi Tidak Tidak
7 Produksi Produksi Produksi Produksi
8 Produksi Produksi Tidak Tidak
9 Tidak Tidak Produksi Produksi
10 Produksi Produksi Tidak Tidak
11 Produksi Produksi Tidak Tidak
12 Tidak Tidak Produksi Produksi
(Sumber: Pengolahan Data)

116
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Berdasarkan Tabel 5.3 menunjukan keputusan perusahaan untuk memproduksi atau


tidak memproduksi keempat jenis produk yang ada. Keputusan untuk memproduksi
produk tersebut diambil apabila nilai inventori akhir (𝐼𝑖𝑗, 𝑡) lebih kecil dari nilai
safety stock (𝑆𝑖𝑗), sebaliknya apabila nilai inventori akhir lebih besar dari nilai
safety stock maka tidak akan dilakukan produksi. Sebagai contoh, pada periode 3
perusahaan tidak memproduksi produk Hauler dan Emperor dikarenakan nilai
inventori akhir masing-masing yaitu 97 unit dan 371 unit. Hal tersebut menunjukan
nilai inventori lebih besar dari nilai safety stock yang berjumlah 0 unit atau tidak
terdapat safety stock.

Tabel 5. 4 Master Production Schedule Baracuda


Description Baracuda Safety Stock 0 Lead Time 1
DTF 4
Order Quantity 2 Periode NR Lot Size 10
PTF 7
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Forecast 5935 5961 5987 6013 6039 6065 6090 6116 6142 6168 6195 6220
Actual Demand 6232 6558 6886 7216 7247 6975 0 0 0 0 0 0
Master Schedule 9392 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
PAB 148 3308 6183 15086 7870 10513 13470 17018 27031 20889 30989 41133 34913
ATP 3308 6183 15086 7870 10513 13470 17018 27031 20889 30989 41133 34913
Planned Order
(Sumber: Pengolahan Data)

Master Production Schedule dapat digunakan suatu perusahaan dalam merencakan


proses produksi selama periode yang telah ditentukan. MPS dapat digunakan
sebagai dasar dalam penentuan kebutuhan sumber daya seperti tenaga kerja dan
kapasitas mesin. MPS pun dapat memberikan informasi penting terutama berkaitan
dengan ATP (Available to Promise) agar dapat memberikan janji yang terukur
kepada pelanggan. Berdasarkan Tabel 5.4 di atas, MPS untuk produk Baracuda
memberikan informasi-informasi berkaitan dengan kegiatan produksi untuk produk
Baracuda selama periode tertentu, dalam pembuatan MPS diperlukan informasi-
informasi pendukung seperti keputusan produksi atau tidak produksinya suatu
produk pada periode tertentu, actual demand, inventori awal dan lain-lain. Nilai 0
pada Master Schedule periode 4 diakibatkan karena pada periode tersebut tidak
terjadi proses produksi untuk item Baracuda. Available to Promise (ATP) untuk
item Baracuda periode 1 yaitu sebesar 3308 unit, hal tersebut menunjukkan bahwa
perusahaan dapat menjanjikan produk kepada konsumen sebanyak 3308 unit.

117
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

5.4 STRUKTUR PRODUK, BILL OF MATERIALS DAN MATERIAL


REQUIREMENT PLANNING

Material Requirement Planning pada dasarnya memberikan informasi-informasi


terkait kebutuhan komponen untuk suatu produk end item. Informasi lain yang
tersedia dapat berupa jadwal pelaksanaan rencana pemesanan, jadwal pemesanan
ulang atau pembatalan pesanan, kebutuhan minimal setiap item, sehingga pada
akhirnya diharapkan dapat meningkatkan efisiensi dari suatu proses produksi. Input
yang harus tersedia agar diperoleh informasi-informasi tersebut berupa Jadwal
Induk Produksi atau Master Production Schedule, status persediaan (inventori
record) dan Bill of Materials (BOM) atau struktur produk.

Modul Struktur Produk, Bill of Materials dan Material Requirement Planning


bertujuan untuk membuat MRP terhadap komponen-komponen pada suatu produk
end item. Terdapat 4 kebijakan pemesanan (Order Policy) yang digunakan dalam
pembuatan MRP pada modul ini yaitu POQ (Period Order Quantity), EOQ
(Economic Order Quantity), Lot For Lot dan Silver Meal. Terdapat beberapa
komponen pada MRP yang berisi informasi-informasi penting, seperti misalnya
Gross Requirement atau kebutuhan kasar merupakan total dari semua kebutuhan,
termasuk kebutuhan yang diantisipasi untuk setiap periode waktu, Net Requirement
yang merupakan jumlah aktual yang diinginkan untuk diterima atau diproduksi
dalam periode bersangkutan dan komponen-komponen lainnya. Berikut merupakan
MRP sebagai perbandingan dari dua kebijakan pemesanan yaitu EOQ dan Lot For
Lot dapat dilihat pada Tabel 5.5 dan Tabel 5.6 di bawah ini:

Tabel 5. 5 MRP Komponen Black Roller


Part No 6 Description Black Roller
BOM UOM 2 On Hand 0
Lead Time 2 Order Policy EOQ
Safety Stock 0 Lot Size EOQ 2961 Unit
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 18488 18866 31578 0 19780 19864 19276 32258 0 32536 32678 0
Schedule Receipts
PAB I 0 -18488 -16627 -30439 2132 -17648 -19746 -18295 -29826 2745 -29791 -29898 2673
Net Requirement 18488 16627 30439 0 17648 19746 18295 29826 0 29791 29898 0
Planned Order Receipts 20727 17766 32571 0 17766 20727 20727 32571 0 32571 32571 0
Planned Order Released 32571 0 17766 20727 20727 32571 0 32571 32571 0 0 0

PAB II 2239 1139 2132 2132 118 981 2432 2745 2745 2780 2673 2673
(Sumber: Pengolahan Data)

118
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

Tabel 5. 6 MRP Induk Assembling 12


Part No 5 Description Assembling 12
BOM UOM 1 On Hand 0
Lead Time 0 Order Policy LFL
Safety Stock 0 Lot Size 1
Periode Past Due 1 2 3 4 5 6 7 8 9 10 11 12
Gross Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Schedule Receipts
PAB I 0 -9244 -9433 -15789 0 -9890 -9932 -9638 -16129 0 -16268 -16339 0
Net Requirement 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Receipts 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0
Planned Order Released 9244 9433 15789 0 9890 9932 9638 16129 0 16268 16339 0

PAB II 0 0 0 0 0 0 0 0 0 0 0 0
(Sumber: Pengolahan Data)

Berdasarkan Tabel 5.5 dan Tabel 5.6 di atas menunjukkan bahwa terdapat
perbedaan yang signifikan terlihat, terutama pada komponen MRP Planned Order
Receipts atau penerimaan pemesanan yang direncanakan. Pada metode atau Order
Policy Lot For Lot, penentuan jumlah kebutuhan bahan baku ditetapkan
berdasarkan kebutuhan bersih (net requirement) untuk satu periode tunggal,
sedangkan pada metode Economic Order Quantity (EOQ) penentuan jumlah
kebutuhan bahan baku ditetapkan berdasarkan kebutuhan yang diperkirakan.
Besarnya kebutuhan bahan baku yang diperkirakan pada metode EOQ biasanya
̅
2𝐴𝐷
dihitung sebesar 𝐸𝑂𝑄 = √ ̅ merupakan rata-
dengan A merupakan setup cost, 𝐷

rata kebutuhan kasar (Gross Requirement) pada beberapa periode tertentu dan h
merupakan ongkos penyimpanan (holding cost).

5.5 LINE BALANCING

Penyeimbangan lini perakitan dapat digunakan sebagai langkah dalam


meminimumkan banyaknya work station dan meminimumkan waktu menganggur
(idle time) pada lintasan produksi. Meminimumkan waktu menganggur berarti
meminimumkan biaya idle time pada setiap stasiun kerja. Tujuan dari pada
penyeimbangan lintasan adalah memaksimasi kecepatan di tiap stasiun kerja
sehingga dicapai efisiensi kerja yang tinggi di tiap stasiun kerja.

Tabel 5. 7 Hasil Perhitungan Metode Cluster dan RPW


Objek Analisis
Rata-rata Efisiensi WS Balance Delay Efisiensi Lintasan Kerja Smoothness Index
Metode
Cluster 75,3% 24,7% 75,3% 34,07
Ranked Positional Weight 84,7% 15,3% 84,7% 27,19
(Sumber: Pengolahan Data)

Berdasarkan Tabel 5.7 menunjukkan bahwa dengan menggunakan metode Cluster,


rata-rata efisiensi stasiun kerja yang dihasilkan yaitu sebesar 75,3% dan dengan

119
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

menggunakan metode RPW efisiensi stasiun kerja meningkat menjadi 84,7%.


Perbedaan tersebut terjadi karena terdapat perbedaan dari banyaknya stasiun kerja.
Banyaknya stasiun kerja dengan menggunakan metode Cluster yaitu sebanyak 9
stasiun kerja dan 8 stasiun kerja pada penggunaan metode Ranked Positional
Weight. Balance Delay merupakan ukuran dari ketidakefisienan lini perakitan yang
dihasilkan dari waktu menganggur sebenarnya yang disebabkan karena
pengalokasian yang kurang sempurna di antara stasiun-stasiun kerja, semakin besar
efisiensi stasiun kerja maka semakin kecil persentase Balance Delay yang
dihasilkan. Balance Delay yang dihasilkan dari penggunaan metode Cluster yaitu
sebesar 24,7% dan Balance Delay dari metode RPW yaitu sebesar 15,3%, dalam
hal ini berarti metode RPW menjadi metode yang optimal dalam meminimumkan
waktu menganggur dari stasiun-stasiun kerja.

Efisiensi lini perakitan pada metode Cluster yaitu sebesar 75,3% dan pada metode
RPW sebesar 84,7%, hal tersebut menunjukkan suatu tingkat efisiensi waktu pada
keseluruhan lini perakitan perakitan, dalam hal tersebut metode RPW menjadi
metode yang memiliki tingkat efisiensi yang tinggi dalam hal peningkatan efisiensi
pada keseluruhan stasiun kerja. Smoothness Index merupakan suatu cara untuk
mengukur tingkatan waktu tunggu relatif dari suatu lini perakitan, semakin
mendekati nol nilai Smoothness Index suatu lini, maka semakin seimbang suatu lini,
artinya pembagian tugas-tugas pada suatu stasiun kerja cukup merata. Lini
perakitan dikatakan mempunyai keseimbangan sempurna jika nilai Smoothness
Index sebesar 0. Besarnya Smoothness Index dengan menggunakan metode Cluster
yaitu sebesar 34,07 dan dengan metode RPW yaitu sebesar 27,19, dalam hal ini
berarti metode RPW memiliki tingkat waktu tunggu relatif paling rendah

120
BAB VI

KESIMPULAN DAN SARAN

6.1 KESIMPULAN
6.1.1 Forecasting

Berdasarkan praktikum modul Forecasting yang telah dilakukan maka dapat ditarik
kesimpulan bahwa:
1. Perhitungan error dengan menggunakan MSE dapat digunakan sebagai cara
untuk meminimumkan kesalahan dalam meramal (forecast error).
2. Mean Squared Error (MSE) sangat baik dalam menggambarkan konsistensi
data. Data dengan varian kecil memberkan hasil yang relatif lebih konsisten.
3. Semakin kecil nilai MSE, maka akurasi peramalan akan semakin tinggi atau
dengan kata lain nilai MSE terkecil merupakan ramalan terbaik.
4. Metode peramalan (forecasting) dengan nilai MSE terbesar yaitu Double
Moving Average sebesar 10811,25, hal tersebut berarti peramalan yang
telah dilakukan memiliki tingkat akurasi yang rendah.
5. Metode peramalan (forecasting) dengan nilai MSE terkecil yaitu Regresi
Linier sebesar 3,38, hal tersebut berarti peramalan yang telah dilakukan
memiliki tingkat akurasi yang tinggi atau dengan kata lain metode terbaik.

6.1.2 Rencana Produksi Agregat

Berdasarkan praktikum modul Rencana Produksi Agregat yang telah dilakukan


maka dapat ditarik kesimpulan bahwa:

1. Pada dasarnya tujuan dari perencanaan agregat yaitu menggunakan sumber


daya manusia dan peralatan secara produktif.
2. Strategi tenaga kerja tetap menggunakan jumlah tenaga kerja yang sama
pada periode 1 sampai dengan 12.
3. Strategi tenaga kerja berubah menggunakan jumlah tenaga kerja yang
berbeda setiap periodenya bergantung pada jumlah hari kerja dan
permintaan (demand).
4. Pada strategi tenaga kerja berubah membutuhkan biaya tambahan yaitu
biaya pemberhentian tenaga kerja (Layoff).

121
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

5. Strategi transportasi merupakan strategi yang menghasilkan ongkos total


paling minimum yaitu sebesar Rp6.208.997.500.
6. Strategi transportasi menekankan pada pemenuhan permintaan berdasarkan
kapasitas produksi yang tersedia.

6.1.3 Disagregasi dan Master Production Schedule

Berdasarkan praktikum modul Disagregasi dan Master Production Schedule yang


telah dilakukan maka dapat ditarik kesimpulan bahwa:
1. Proses disagregasi dapat digunakan untuk memecah suatu family produk
tertentu kedalam item atau jenis produk.
2. MPS pada dasarnya merupakan suatu perencanaan tentang produk akhir dari
suatu perusahaan industri manufaktur yang merencanakan memproduksi
output berkaitan dengan kuantitas dan periode waktu.
3. Apabila nilai inventori akhir dari suatu item lebih kecil dari nilai safety stock
item tersebut, maka terjadi produksi untuk item tersebut.
4. Apabila nilai inventori akhir dari suatu item lebih besar dari nilai safety
stock item tersebut, maka tidak terjadi proses produksi untuk item tersebut.
5. Master Production Schedule dapat digunakan perusahaan dalam
menentukan kebijakan produksi, MPS dapat berisi informasi-informasi
penting seperti ATP dan PAB.
6. Planned Order akan dilakukan apabila terdapat PAB yang bernilai negatif
selama 2 periode berturut-turut.
7. ATP akan sangat berguna sebagai informasi seberapa banyak produk yang
dijanjikan kepada konsumen.

6.1.4 Struktur Produk, Bill Of Materials dan Material Requirement Planning


Berdasarkan praktikum modul Struktur Produk, Bill Of Materials dan Material
Requirement Planning yang telah dilakukan maka dapat ditarik kesimpulan bahwa:

1. MRP memuat informasi-informasi terkait kebutuhan komponen untuk suatu


produk end item.
2. Input yang diperlukan agar MRP menghasilkan informasi yaitu Jadwal
Induk Produksi atau Master Production Schedule, status persediaan
(inventori record) dan Bill of Materials (BOM) atau struktur produk.

122
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

3. Order Policy yang digunakan yaitu LFL, EOQ, POQ dan Silver Meal.
4. Setiap Order Policy atau kebijakan pemesanan bahan baku memiliki
karakteristik yang berbeda-beda.
5. Perbedaan yang signifikan antara metode LFL dan EOQ yaitu penentuan
jumlah bahan baku yang diperlukan. Metode LFL berdasarkan kebutuhan
bersih (net requirement), sedangkan EOQ berdasarkan kebutuhan yang
diperkirakan.

6.1.5 Line Balancing

Berdasarkan praktikum modul Line Balancing yang telah dilakukan maka dapat
ditarik kesimpulan bahwa:

1. Penyeimbangan lini perakitan dapat mempengaruhi tingkat efisiensi suatu


stasiun kerja.
2. Banyaknya stasiun kerja pada metode Cluster yaitu 9 stasiun kerja,
sedangkan pada metode RPW sebanyak 8 stasiun kerja.
3. Semakin besar nilai Balance Delay suatu stasiun kerja, maka akan semakin
rendah tingkat efisiensi stasiun kerja tersebut dan begitupun sebaliknya.
4. Nilai Smoothness Index yang semakin mendekati 0 pada suatu lini
perakitan, maka semakin seimbang lini perakitan tersebut.
5. Metode RPW dalam kasus kali ini menjadi metode yang paling optimal
dalam menyeimbangkan task-task pada lini perakitan.

6.2 SARAN
6.2.3 Forecasting

Penyusunan laporan praktikum modul Forecasting memang terdapat banyak


kelebihan dan kekurangan, adapun yang ingin disampaikan oleh praktikan adalah:
1. Diperlukan ketelitian ketika melakukan perhitungan dengan menggunakan
software Microsoft Office Excel.
2. Diperlukan perhitungan manual dengan kalkulator ilmiah agar tidak terjadi
keraguan disamping dengan menggunakan software.

123
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

3. Ketelitian dalam melakukan perhitungan alpha atau gamma perlu


ditingkatkan agar tidak terdapat kesalahan perhitungan.

6.2.2 Rencana Produksi Agregat

Penyusunan laporan praktikum modul Rencana Produksi Agregat memang terdapat


banyak kelebihan dan kekurangan, adapun yang ingin disampaikan oleh praktikan
adalah:

1. Penggunaan software Microsoft Office Excel sangat dianjurkan untuk


mempermudah proses pengolahan data.
2. Diperlukan perhitungan manual dengan menggunakan kalkulator ilmiah
untuk mendapatkan hasil yang valid.
3. Ketelitian dalam menggunakan rumus perlu ditingkatkan.

6.2.3 Disagregasi dan Master Production Schedule

Penyusunan laporan praktikum modul Disagregasi dan Master Production


Schedule memang terdapat banyak kelebihan dan kekurangan, adapun yang ingin
disampaikan oleh praktikan adalah:
1. Praktikan diharapkan mempelajari materi terlebih dahulu agar tidak terjadi
kesalahan dalam proses disagregasi ataupun pembuatan Jadwal Induk
Produksi.
2. Penggunaan software seperti Microsoft Office Excel akan sangat berguna
dalam proses perhitungan.
3. Penggunaan kalkulator ilmiah sangat dianjurkan untuk menghindari
ketidakakuratan dalam proses perhitungan.

6.2.4 Struktur Produk, Bill Of Materials dan Material Requirement Planning

Penyusunan laporan praktikum modul Struktur Produk, Bill Of Materials dan


Material Requirement Planning memang terdapat banyak kelebihan dan
kekurangan, adapun yang ingin disampaikan oleh praktikan adalah:

1. Praktikan diharapkan mempelajari materi terlebih dahulu agar tidak terjadi


kesalahan dalam proses disagregasi ataupun pembuatan Jadwal Induk
Produksi.

124
UNIVERSITAS
PRAKTIKUM PERENCANAAN DAN PENGENDALIAN PRODUKSI
WIDYATAMA

2. Penggunaan software seperti Microsoft Office Excel akan sangat berguna


dalam proses perhitungan.
3. Penggunaan kalkulator ilmiah sangat dianjurkan untuk menghindari
ketidakakuratan dalam proses perhitungan.

6.2.5 Line Balancing


Penyusunan laporan praktikum modul Line Balancing memang terdapat banyak
kelebihan dan kekurangan, adapun yang ingin disampaikan oleh praktikan adalah:

1. Praktikan diharapkan mempelajari materi terlebih dahulu agar tidak terjadi


kesalahan dalam proses disagregasi ataupun pembuatan Jadwal Induk
Produksi.
2. Penggunaan software seperti Microsoft Office Excel akan sangat berguna
dalam proses perhitungan.
3. Penggunaan kalkulator ilmiah sangat dianjurkan untuk menghindari
ketidakakuratan dalam proses perhitungan.

125
DAFTAR PUSTAKA

Harjanto. (2008). Perencanaan Pengajaran. Jakarta: Rineka Cipta.

Heizer, Jay and Barry Render. (2001). Operation Management 6th edition. Prentice
Hall Inc, New Jersey.

Heizer, Jay dan Barry Render. (2009). Manajemen Operasi Buku 1 Edisi 9. Jakarta:
Salemba 4.

Narasimhan, Seetharama L. (1995). Production Planning and Inventory Control.


Prentice-Hall, New Jersey.

Russel, R. Dan Taylor, B.W. (2009). Operation Management: Creating Value


along the Supply Chain, 6th Edition. John Willey & Sons. New York

Yuli, Purnami. (2016). Exponential Smoothing.


https://www.academia.edu/24552468/Exponential_Smoothing (Diakses
pada tanggal 14 September 2017 pukul 20:00 WIB).

126
LAMPIRAN

127
Kapasitas Inventori
Periode 1 2 3 4 5 6 7 8 9 10 11 12 Kapasitas Cost
Tak Terpakai Awal
50000 52500 55000 57500 60000 62500 65000 67500 70000 72500 75000 77500
RT 9839 395 10764 530
75000 77500 80000 82500 85000 87500 90000 92500 95000 97500 100000 102500
1 OT 2691 2691 Rp 512.687.500 250

120000 122500 125000 127500 130000 132500 135000 137500 140000 142500 145000 147500
ST 5382 5382

50000 52500 55000 57500 60000 62500 65000 67500 70000 72500 75000
RT 9738 9738 0

75000 77500 80000 82500 85000 87500 90000 92500 95000 97500 100000
2 OT 2435 2435 Rp 486.900.000
120000 122500 125000 127500 130000 132500 135000 137500 140000 142500 145000
ST 4869 4869
50000 52500 55000 57500 60000 62500 65000 67500 70000 72500
RT 10177 291 10764 296

75000 77500 80000 82500 85000 87500 90000 92500 95000 97500
3 OT 2691 2691 Rp 529.947.500
120000 122500 125000 127500 130000 132500 135000 137500 140000 142500
ST 5382 5382

50000 52500 55000 57500 60000 62500 65000 67500 70000


RT 10221 30 10251 0

75000 77500 80000 82500 85000 87500 90000 92500 95000


4 OT 2563 2563 Rp 513.150.000

120000 122500 125000 127500 130000 132500 135000 137500 140000


ST 5126 5126
50000 52500 55000 57500 60000 62500 65000 67500
RT 10265 58 248 190 515 11276 0
75000 77500 80000 82500 85000 87500 90000 92500
5 OT 2819 2819 Rp 576.717.500

120000 122500 125000 127500 130000 132500 135000 137500


ST 5638 5638

50000 52500 55000 57500 60000 62500 65000


RT 10251 10251 0
75000 77500 80000 82500 85000 87500 90000
6 OT 2563 2563 Rp 512.550.000
120000 122500 125000 127500 130000 132500 135000
ST 5126 5126

128
50000 52500 55000 57500 60000 62500
RT 10353 411 10764 0

75000 77500 80000 82500 85000 87500


7 OT 2691 2691 Rp 539.227.500

120000 122500 125000 127500 130000 132500


ST 5382 5382
50000 52500 55000 57500 60000
RT 9738 9738 0
75000 77500 80000 82500 85000
8 OT 2435 2435 Rp 486.900.000

120000 122500 125000 127500 130000


ST 4869 4869

50000 52500 55000 57500


RT 10251 10251 0

75000 77500 80000 82500


9 OT 2563 2563 Rp 512.550.000
120000 122500 125000 127500
ST 5126 5126
50000 52500 55000
RT 10485 279 10764 0

75000 77500 80000


10 OT 2691 2691 Rp 538.897.500

120000 122500 125000


ST 5382 5382

50000 52500
RT 10251 10251 0
75000 77500
11 OT 2563 2563 Rp 512.550.000
120000 122500
ST 5126 5126

50000
RT 9738 9738 0

75000
12 OT 2435 2435 Rp 486.900.000

120000
ST 4869 4869
Demand 10089 10133 10177 10221 10265 10309 10353 10397 10441 10485 10530 10574 Rp 6.208.977.500
No. Level Kode Deskripsi Kuantitas Order Policy On Hand Lead Time Lot Size Setup Cost Holding Cost
1 0 T Tamiya 1 LFL 148 0 1
2 1 Bd Body 1 POQ 0 2 EOQ Rp2.500.000 Rp 10.000
3 1 A-13 Assembling 13 1 LFL 0 0 1
4 2 KB Key Battery 1 SM 0 0 SM Rp3.000.000 Rp 14.500
5 2 A-12 Assembling 12 1 LFL 0 0 1
6 3 BkR Black Roller 2 EOQ 0 2 EOQ Rp1.750.000 Rp 7.500
7 3 A-11 Assembling 11 1 LFL 0 0 1
8 4 BlR Blue Roller 2 POQ 0 1 EOQ Rp1.750.000 Rp 10.000
9 4 A-10 Assembling 10 1 LFL 0 0 1
10 5 Bu Bumper 1 LFL 0 0 1 Rp2.000.000 Rp 12.000
11 5 A-9 Assembling 9 1 LFL 0 0 1
12 6 AXC Axle Shaft Cover 1 POQ 0 1 EOQ Rp2.500.000 Rp 17.000
13 6 A-8 Assembling 8 1 LFL 0 0 1
14 7 OOB On Off Button 1 EOQ 0 0 EOQ Rp2.500.000 Rp 12.000
15 7 A-7 Assembling 7 1 LFL 0 0 1
16 8 SA-8 Sub Assembling 8 1 LFL 0 0 1
17 9 SA-7 Sub Assembling 7 1 LFL 0 0 1
18 9 CG Cover Gear 1 SM 0 2 SM Rp1.000.000 Rp 10.000
19 10 BIG Blue Gear 1 LFL 0 0 1 Rp1.000.000 Rp 10.000
20 10 CE Cover Engine 1 POQ 0 1 EOQ Rp1.500.000 Rp 12.000
21 8 A-6 Assembling 6 1 LFL 0 0 1
22 9 OrG Orange Gear 2 LFL 0 0 1 Rp1.000.000 Rp 12.000
23 9 A-5 Assembling 5 1 LFL 0 0 1
24 10 PS Propeller Shaft 1 EOQ 0 0 EOQ Rp1.200.000 Rp 8.000
25 10 A-4 Assembling 4 1 LFL 0 0 1
26 11 SA-3 Sub Assembling 3 1 LFL 0 0 1
27 12 VgFR Velg FR 2 SM 0 0 SM Rp1.000.000 Rp 10.000
28 12 TrFR Tire FR 2 LFL 0 0 1 Rp1.000.000 Rp 10.000
29 11 A-3 Assembling 3 1 LFL 0 0 1
30 12 SA-2 Sub Assembling 2 1 LFL 0 0 1
31 13 VgRR Velg RR 2 SM 0 1 SM Rp1.500.000 Rp 12.000
32 13 TrRR Tire RR 2 EOQ 0 2 EOQ Rp2.500.000 Rp 15.000
33 12 A-2 Assembling 2 1 LFL 0 0 1
34 13 SA-1 Sub Assembling 1 1 LFL 0 0 1
35 14 Ash Axle Shaft 2 POQ 0 0 EOQ Rp1.000.000 Rp 10.000
36 14 GrG Green Gear 1 POQ 0 1 EOQ Rp2.500.000 Rp 17.000
37 13 A-1 Assembling 1 1 LFL 0 0 1
38 14 Brg Bearing 4 SM 0 1 SM Rp2.500.000 Rp 17.000
39 14 Chs Chasis 1 POQ 0 1 EOQ Rp2.500.000 Rp 17.000

129