Laporan Praktikum PTI 3

i
LAPORAN
PRAKTIKUM PERANCANGAN TEKNIK
INDUSTRI II
Disusun Oleh :
KELOMPOK 17
Rahmad Hendri Pramudita 162110567
MuhammadRizky Pandu Afreza 31601200631
LABORATORIUM MANUFAKTUR
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS ISLAM SULTAN AGUNG
SEMARANG
2015
i
LEMBAR PENGESAHAN
Laporan ini disusun untuk memenuhi salah satu tugas Praktikum Perancangan
dan Pengendalian Produksi pada Fakultas Teknologi Industri, Jurusan Teknik Industri
2014 - 2015, telah disetujui dan disahkan pada :
Hari :
Tanggal :
Kelompok :
Oleh,
AsistenPraktikum :
Perancangan dan Pengendalian Produksi
1. Athik Dyana Fitriana ………………….
2. Eka Cahya Nugraha ………………….
3. Ratih Sita ………………….
4. Usmawar ………………….
Mengetahui,
Dosen Pengampu Perancangan dan Pengendalian Produksi
Nurwidiana, ST, MT
ii
KATA PENGANTAR
Assalmu’alikum Wr.Wb
Puji syukur kami hantrakan kehadirat Allah SWT yang telah mlimpajkan rahmat
taufik dan hidayah-Nya sehingga laporan Praktikum Perancangan dan Pengendalian
Produksi Jurusan Teknik Industri ini dapat diselesaikan.
Terima kasih juga tak lupa kami ucapakan kepada seluruh pihak yang telah
membantu kami dalam menyusun dan membuat laporan Praktikum Perancangan dan
Pengendalian Produksi yaitu:
1. Ibu Nurwidiana, ST,MT selaku dosen pengampu Praktikum Perancangan dan
Pengendalian Produksi.
2. Athik Dyana Fitriana, Eka Cahya Nugraha, Ratih Sita dan Usmawar selaku
asisten dosen pengampu Praktikum Perancangan dan Pengendalian Produksi.
3. Kedua orang tua kami, yang hingga saat ini masih memberikan doa restu
untuk mendoakan kami agar selalau sukses dalm dunia perkuliahan.
4. Kepada Candra Saputra yang telah memberikan suatu arahan penyusanan
laporan dari awal hingga selesai.
5. Teman-Teman satu angkatan yang telah memberikan semangat.
Mohon ma’af jika dalam penyusunan dan pembuatan laporan Praktikum

Teknologi Industri kami melakukan kesalahan baik perilaku atau tulisan dalam
laporan, karena kami hanyalah manusia biasa yang tidak luput dari kesalahan.
Wassalamu’alaikum Wr.Wb
Semarang, April 2015
Penyusun
iii
DAFTAR ISI
HALAMAN JUDUL………………………………………………………………. i
LEMBAR PENGESAHAN ........................................................................................ ii
KATA PENGANTAR ............................................................................................... iii
DAFTAR ISI............................................................................................................... iv
DAFTAR GAMBAR ................................................................................................. vii
DAFTAR TABEL ...................................................................................................... ix
BAB I PENDAHULUAN ............................................................................................ 1
1.1 Overview PPIC .................................................................................................... 1
1.2 Definisi Langkah-Langkah Dalam PPIC ............................................................ 2
1.3 Rumusan Masalah………………………………………………………………7
1.4 Tujuan Praktikum………………………………………………………………8
1.5 Batasan Masalah………………………………………………………………..8
1.6 Sistematika Penulisan…………………………………………………………..9
BAB II STUDI KASUS ............................................................................................ 10
BAB III PENGOLAHAN DAN ANALISA DATA ................................................ 14
A. Peramalan Forecasting ................................................................................... 14
1. Data ................................................................................................................. 14
2. Pengolahan Data Dengan Menggunakan POM for Windows ......................... 15
2.1 Metode Moving Average…………………………………………………13
2.2 Metode Weight Moving Average.............................................................. 16
2.3 Metode Eksponential Smoothing………………………………………….…19
2.4 Metode Exponential Smoothing With Tren………………………. ….…22
2.5 Metode Trend Analysis............................................................................ 24
2.6 Dengan Metode Linear Regresi............................................................... 26
2.7 Metode Multiplicative Decomposition…………………………………. 27
2.8 Metode AdditiveDecomposition……………………………………...……… 29
3. Analisa Pada Hasil POM for Windows .......................................................... 35
3.1 Metode Moving Average (MA)………………………………………….32
3.2. Metode Weight Moving Average (WMA)…………………………….. 34
3.3.Metode Eksponential Smoothing………………………………………… 37
3.4.Metode Eksponential Smoothing With Trend…………………………...39
iv
3.5 Metode Trend Analysis……………………………………………….…41
3.6 Metode Linear Regresi.............................................................................43
3.7 Metode Multiplicative Decomposition.....................................................44
3.8 Metode Additive Decomposition..............................................................47
v
v
4. Analisa Perbandingan Kedelapan Metode ...................................................... 53

B. Metode Agregat Planning................................................................................. 55
1. Data ................................................................................................................. 55
1.1 Data Permintaan…………………………………………………………51
1.2 Kapasitas Produksi per Unit……………………………………………..51
1.3 Biaya Produksi…………………………………………………………..52
2. Pengolahan Data Dengan menggunakan software POM for Windows ........... 57
2.1 Metode Smooth Production ( Average Gross Demand )……………….. 53
2.2 Metode Smooth Production ( Average Net Demand )………………...... 54
2.3 Metode Produce to Demand………………………………………….... 55
2.4 Metode Constant Reg Time Then OT……………………………………56
3. Analisa Pada Hasil POM for Windows ........................................................... 61
3.1 Analisa Kapasitas………………………………………………….…….57
3.2 Metode Smooth Production (Average GROOS Demand) ……………..57
3.3 Metode Smooth Production (Average NET demand)……………………58
3.4 Metode Produce to Demand (Let Workforce Vary)………………….….58
3.5 Metode Constand Reg Time, then OT and Sub……………………….....59
4. Analisa Perbandingan Hasil Dari Masing - Masing Metode Error! Bookmark
not defined.
5. Kesimpulan ..................................................................................................... 63
C. MPS dan RCCP ................................................................................................ 64
1. Data ................................................................................................................. 64
2. Pengolahan Data Dengan Menggunkan Software Excel ................................. 66
2.1 Input Data………………………………………………………………..63
2.2 Penyususnan MPS…………………………………………………….... 64
2.3 Penyusunan RCCP…………………………………………………….. .66
3. Analisis Hasil Excel ........................................................................................ 71
3.1 Disagregasi Produk……………………………………………………... 68
3.2 Master Production Schedule (MPS)……………………………………..69
3.3 Rough Cut Capacity Planning (RCCP)……………………………….... 71
4. Kesimpulan ..................................................................................................... 78
D. Lot Sizing .......................................................................................................... 79
1. Data Permintaan Kebutuhan Ban .................................................................... 79
v
vi
2. Pengelolahan Data Dengan Menggunakan Software POM for Windows ....... 80

2.1 Input Data…………………………………………………………..……76
2.2 Metode Wagner – Whitin……………………………………………..….76
2.3 Metode Lot For Lot……………………………………………………...77
2.4 Metode Economic Order Quantity……………………………….……...77
2.5 Metode Period Order Quantity……………………………………….....78
2.6 Metode Part Period Balancing……………………………………….…78
3. Analisa ............................................................................................................ 83
3.1 Perhitungan manual……………………………………………………...79
3.2 Metode Wagner –Whitin…………………………………………………79
3.3 Metode Lot for Lot……………………………………………………….79
3.4 Metode Economic Order Quantity………………………………………80
3.5 Metode Order Quantity………………………………………………….80
3.6 Metode Part Period Balancing………………………………………….80
4. Analisa Perbandingan Total Cost.................................................................... 85
5. Kesimpulan ..................................................................................................... 85
E. MRP (Material Requirement Planning) .......................................................... 86
1. Data ................................................................................................................. 86
2. Pengolahan Data DenganMenggunakan POM for Windows .......................... 89
2.1 Input Data………………………………………………………………..85
2.2 Output data………………………………………………………………86
3. Analisa Per Komponen ................................................................................... 99
4. Kesimpulan ................................................................................................... 132
BAB IV KESIMPULAN DAN SARAN ............................................................... 133
4.1 Kesimpulan .................................................................................................... 133
4.2. Saran ............................................................................................................. 135
REFFRENSI ............................................................................................................ 136
vii
DAFTAR GAMBAR
Gambar 2.1 Sepeda BMX ............................................................................................ 8
Gambar 2.2 Sepeda Fixie ............................................................................................. 8
Gambar 2.3 Sepeda Lipat ............................................................................................. 8
Gambar 2.4 Sepeda Balap ............................................................................................ 8
Gambar 2.5 Sepeda MTB ............................................................................................ 8
Gambar 3A.1 Ploating Data Permintaan pada PT. EAGLE BICYCLE ..................... 13
Gambar 3A.2 Grafik Hasil Pengolahan Dengan Moving Average untuk n=3 ........... 14
Gambar 3A.3 Grafik Hasil Pengolahan Dengan Moving Average untuk n=5 ........... 15
Gambar 3A.4 Grafik Hasil Pengolahan DenganWeight Moving Averageuntuk weight
0.4,0,2;0,2;0,1 ........................................................................................ 17
Gambar 3A.5 Grafik Hasil Pengolahan DenganWeight Moving Averageuntuk weight
0.3,0,2;0,2;0,3 ......................................................................................... 19
Gambar 3A.6 Grafik Hasil Pengolahan Dengan Eksponential Smoothing untuk α =
0,3 ............................................................................................................ 20
Gambar 3A.7 Grafik Hasil Pengolahan Dengan Eksponential Smoothing untuk α =
0,4 ............................................................................................................ 21
Gambar 3A.8 Grafik Hasil Pengolahan Dengan Eksponential SmoothingWith Trend
................................................................................................................. 23
Gambar 3A.9 Grafik Hasil Pengolahan DenganEksponential SmoothingWith Trend
................................................................................................................. 24
Gambar 3A.10 Grafik Trend Analysis ........................................................................ 25
Gambar 3A.11 Grafik Linear Regression ................................................................... 27
Gambar 3A.12 Grafik Multiplicative Decomposition untuk n=4 .............................. 28
Gambar 3A.13 Grafik Multiplicative Decomposition untuk n=5 ............................... 29
Gambar 3A.14 Grafik Additive Decomposition untuk n=3 ........................................ 31
Gambar 3A.15 Additive Decomposition untuk n=5 .................................................. 32
Gambar 3B.1 Grafik Hasil Pengolahan Dengan Eksponential SmoothingWith Trend
................................................................................................................. 53
Gambar 3B.2 Grafik hasilMetode Smooth Production ( Average Gross Demand) .... 54
Gambar 3B.3 Grafik hasilMetode Smooth Production ( Average Net Demand ) ....... 55
Gambar 3B.4 Grafik hasilMetode Produce to Demand ............................................. 56
viii
Gambar 3C.1 Grafik RCCP Bulan 10 ......................................................................... 66

Gambar 3E.1 Sepeda MTB ......................................................................................... 82
Gambar 3E.2 Bagian Bill of Material Sepeda ............................................................ 84
DAFTAR TABEL
Tabel 2.1 Sepeda BMX ................................................................................................................... 8

Tabel 2.2Waktu Oprasi ................................................................................................................. 10
Tabel 3A.1 Toal Permintaan Ke-5 jenis sepeda selama 12 bulan .................................................. 12
Tabel 3A.2 Input data Moving Average ......................................................................................... 13
Tabel 3A.3 Forecasting ResultMoving Averageuntuk n = 3 ......................................................... 13
Tabel 3A.4 Details and Error Analysis Moving Average untuk n = 3 .......................................... 14
Tabel 3A.5 Input Data Moving Average ........................................................................................ 14
Tabel 3A.6 Forecasting ResultMoving Averageuntuk n = 5 ......................................................... 15
Tabel 3A.7 Details and Error AnalysisMoving Average untuk n = 5 ........................................... 15
Tabel 3A.8 Data Weight Moving Average .................................................................................... 16
Tabel 3A.9 Forecasting Result Weight Moving Average untuk weight 0,4;0,2;0,2;0,1 ................ 16
Tabel 3A.10 Details and Error AnalysisWeightMoving Averageuntuk weight 0,4;0,2;0,2;0,1 .... 17
Tabel 3A.11 Input Data WeightMoving Average .......................................................................... 18
Tabel 3A.12 Forecasting Result WeightMoving Average untuk weight 0,3;0,2;0,2;0, ................ 18
Tabel 3A.13 Details and Error AnalysisWeightMoving Averageuntuk weight 0,3;0,2;0,2;0,3 .... 18
Tabel 3A.14 Input Data Eksponential Smoothing .......................................................................... 19
Tabel 3A.15 Forecasting Result Eksponential Smoothing untuk α = 0,3 ...................................... 19
Tabel 3A.16 Details and Error Analysis Eksponential Smoothing untuk α = 0,3 ......................... 20
Tabel 3A.17 Input Data Eksponential Smoothing .......................................................................... 20
Tabel 3A.18 Forecasting Result Eksponential Smoothing untuk α = 0,4 ...................................... 21
Tabel 3A.20 Input DataEksponential Smoothing With Trend ........................................................ 22
Tabel 3A.21 Forecasting Result Eksponential Smoothing With Trend untuk α=0,4 dan β=0,6 ... 22
Tabel 3A.22 Details and Error Analysis Eksponential Smoothing With Trend untuk α=0,4 dan
β=0,6........................................................................................................................ 22
Tabel 3A.23 Input Data Eksponential Smoothing With Trend ....................................................... 23
Tabel 3A.24 Forecasting Result Eksponential Smoothing With Trend untuk α=0,5 dan β=0,5 ... 23
Tabel 3A.25 Details and Error Analysis Eksponential Smoothing With Trend untuk α=0,5 dan
β=0,5, ...................................................................................................................... 24
Tabel 3A.26 Input Data Trend Analysis ........................................................................................ 24
Tabel 3A.27 Forecasting Result Trend Analysis .......................................................................... 25
Tabel 3A.28 Details and Error Analysis Trend Analysis............................................................... 25
ix
x
Tabel 3A.30 Forecasting Result Linear Regresi............................................................................ 26

Tabel 3A.31 Details and Error Analysis Linear Regresi ............................................................... 26
Tabel 3A.32 Input Data Multiplicative Decomposition ................................................................. 27
Tabel 3A.33 Forecasting Results Analysis Multiplicative Decomposition untuk n=4 .................. 27
Tabel 3A.34 Details and Error Analysis Multiplicative Decomposition untuk n=4 ..................... 28
Tabel 3A.35 Input Data Multiplicative Decomposition, ............................................................... 28
Tabel 3A.36 Input Data Trend Analysis ......................................................................................... 29
Tabel 3A.37 Details and Error Analysis Multiplicative Decomposition untuk n=5 ..................... 29
Tabel 3A.38 Input Data Additive Decomposition untuk n=3......................................................... 30
Tabel 3A.39 Forecasting Result Addiitive Decomposition untuk n=3 .......................................... 30
Tabel 3A.40 Details and Error Analysis Linear Regresi ............................................................... 30
Tabel 3A.41 Input Data Additive Decomposition untuk n=5......................................................... 31
Tabel 3A.42 Forecasting Result Addiitive Decomposition untuk n=5 .......................................... 31
Tabel 3A.43 Details and Error Analysis Addiitive Decomposition untuk n=5 ............................. 32
Tabel 3A.35 Input Data Multiplicative Decomposition, ............................................................... 28
Tabel 3A.36 Input Data Trend Analysis ......................................................................................... 29
Tabel 3B.1 Data permintaan per bulan .......................................................................................... 51
Tabel 3B.2 Input Metode Smooth Production ( Average Gross Demand ) .................................... 53
Tabel 3B.3 Result Metode Smooth Production ( Average Gross Demand ) .................................. 53
Tabel 3B.4 Input Metode Smooth Production ( Average Net Demand ) ........................................ 54
Tabel 3B.5 Result Metode Smooth Production ( Average Net Demand ........................................ 54
Tabel 3B.6 Input Metode Produce to Demand .............................................................................. 55
Tabel 3B.7 Result Metode Produce to Demand ............................................................................. 55
Tabel 3B.8 Input Metode Constant Reg Time Then OT ............................................................... 56
Tabel 3B.9 Result Metode Constant Reg Time Then OT ............................................................... 56
Tabel 3B.10 Perbandingan Hasil Dari Masing - Masing Metode .................................................. 59
Tabel 3B.11 Perbandingan Total Cost Masing – Masing Metode ................................................ 60
Tabel 3C.1 Data Kapasitas Produksi Tiap OP Kerja ..................................................................... 61
Tabel 3C.2 Rencana Produksi Agregat Untuk Setiap Unit ............................................................ 61
Tabel 3C.3 Rasio Produk Untuk Setiap Produk ............................................................................. 61
Tabel 3C.4 Desagregasi produk .................................................................................................... 62
Tabel 3C.5 Kapasitas Ketersediaan Produks ................................................................................. 62
Tabel 3C.6 Data Permintaan dan Perencanaan Agregat................................................................. 63
Tabel 3C.7 Data Perencanaan Agregat ......................................................................................... 63
Tabel 3C.8 Data Rasio Produk dan Diagregasi Produk ............................................................... 63
xi
Tabel 3C.9 Input Data RCCP ........................................................................................................ 64

Tabel 3C.10 Waktu Standard Tiap Stasiun.................................................................................... 64
Tabel 3C.11 MPS Bulan 10 .......................................................................................................... 64
Tabel 3C.12 MPS Bulan 11 .......................................................................................................... 65
Tabel 3C.13 MPS Bulan 12 ........................................................................................................... 65
Tabel 3C.14 MPS Bulan 13 ........................................................................................................... 65
Tabel 3C.15 RCCP Bulan 10 ......................................................................................................... 66
Tabel 3D.1 Data Permintaan Mingguan ........................................................................................ 75
Tabel 3D.2 input Data ................................................................................................................... 75
Tabel 3D.3 Output Metode Wagner – Whitin ............................................................................... 76
Tabel 3D.4 Output Metode Lot For Lot ....................................................................................... 77
Tabel 3D.5 Output Metode Economy Order Quantity .................................................................. 77
Tabel 3D.6 Output Metode Period Order Quantity ....................................................................... 78
Tabel 3D.7 Output Metode Part Period Balancing ...................................................................... 78
Tabel 3D.8 Perbandingan total cost ............................................................................................ 79
Tabel 3E.1 Bill of Material ............................................................................................................ 83
Tabel 3E.2 Input Material Requirement Planning ......................................................................... 85
Tabel 3E.3 Output Material Requirement Planning Komponen Sepeda Level 0 ......................... 86
Tabel 3E.4 Output Material Requirement Planning Komponen Frame Level 1 ........................... 86
Tabel 3E.5 Output Material Requirement Planning Komponen Stem Level 1 ............................. 86
Tabel 3E.6 Output Material Requirement Planning Komponenn Hand Grip Level 1 .................. 86
Tabel 3E.7 OutputMaterial Requirement Planning Komponen Shifer Level ................................ 87
Tabel 3E.8 Output Material Requirement Planning Komponen Break Lever Level 1 .................. 87
Tabel 3E.9 Output Material Requirement Planning Komponen Lampu Penerangan Level 1....... 87
Tabel 3E.10 Output Material Requirement Planning Komponen Rear Shock Breaker Level 1 ... 87
Tabel 3E.11 Output Material Requirement Planning Komponen Seat Post Level 1 .................... 87
Tabel 3E.12 Output Material Requirement Planning Komponen Bottom Breaket Level 1 ........ 88
Tabel 3E.13 Output Material Requirement Planning Komponen Crank Level 1 .......................... 88
Tabel 3E.14 Output Material Requirement Planning Komponen Velg Depan Level 1 ................ 88
Tabel 3E.15 Output Material Requirement Planning Komponen Velg Belakang Level 1 ........... 88
Tabel 3E.16 Output Material Requirement Planning Komponen Chain Level 1 .......................... 89
Tabel 3E.17 Output Material Requirement Planning Komponen Break Cabel Level 1 ............... 89
xii
Tabel 3E.18 Output Material Requirement Planning Komponen Botol air Level 1 .................... 89
Tabel 3E.19 Output Material Requirement Planning Komponen kunci Sepiral Level 1 .............. 89
Tabel 3E.20 Output Material Requirement Planning Komponen Frok Depan Level 2................ 89
Tabel 3E.21 Output Material Requirement Planning Komponen Handset Level 2 ..................... 90
Tabel 3E.22 Output Material Requirement Planning Komponen Seat Clamp Level 2 ................ 90
Tabel 3.E.23Output Material Requirement Planning Komponen Pedal Level 2.......................... 90
Tabel 3E.24 Output Material Requirement Planning Komponen Hub Depan Level 2 ................. 90
Tabel 3E.25 Output Material Requirement Planning Komponen Hub Belakang Level 2 ........... 90
Tabel 3E.26 Output Material Requirement Planning Komponen Hanlebar Level 3 .................... 91
Tabel 3E.27 Output Material Requirement Planning Komponen Sedel Level 3 ......................... 91
Tabel 3E.28 Output Material Requirement Planning Komponen Spoke depan Level 3 .............. 91
Tabel 3E.29 Output Material Requirement Planning Komponen Spoke Blakang Level 3 ........... 91
Tabel 3E.30 Output Material Requirement Planning Komponen Ban Tubles depan Level 4 ...... 92
Tabel 3E.31 Output Material Requirement Planning Komponen Ban Tubles Belakang level 4 .. 92
Tabel 3E.32 Output Material Requirement Planning Komponen Rotor Depan Level 5 .............. 92
Tabel 3E.33 Output Material Requirement Planning Komponen Rotor Belakang Level 5 ......... 92
Tabel 3E.34 Output Material Requirement Planning Komponen Break Caliper depan Level 6..92
Tabel 3E.35 Output Material Requirement Planning Komponen Break Blakang Level 6 ........... 93
Tabel 3E.36 Output Material Requirement Planning Komponen Gear Level 7 ........................... 93
Tabel 3E.37 D Output Material Requirement Planning Komponen Front Derailur Level 8 ........ 93
Tabel 3E.38 Output Material Requirement Planning Komponen Rear Derailueur Level 9 ......... 93
Tabel 3E.39 Output Material Requirement Planning Komponen Ideal pully Level 9 .................. 93
1
BAB I
PENDAHULUAN
1.1 Overview PPIC
Fungsi Planning dalam perusahaan (manufacture) dijalankan oleh bagian PPIC

(Production Planning and Inventory Control). Disamping memiliki fungsi production
planning, PPIC juga memiliki peranan dalam manajemen Inventory. Dari pengertian
PPIC adalah merencanakan produksi dan mengontrol kebutuhan bahan bakunya, Jika
kita ambil pengertian Produksi bukan hanya merencanakan produksi saja akan tetapi
pengertiannya bisa menjadi lebih luas. Karena jika kita ingin merencanakan suatu
produksi maka kita harus mengetahui kebutuhan bahan yang akan di produksi, yang
mana Dept. PPIC dapat mengetahuinya berdasarkan informasi Dept. R&D berupa
formulasi product dan dari sini Dept. PPIC dapat menghitung kebutuhan bahan baku
yang harus disediakan sesuai dengan berapa banyak yang akan di produksi. Dari kata
Iventory Control-pun pengertiannya bukan hanya sekedar mengkontrol bahan baku
tetapi bagaimana Dept. PPIC dapat meminimalkan persediaan bahan baku yang
berada di Dept. warehouse sehingga penempatan di gudang menjadi lebih efektif dan
dapat menekan biaya penyimpanan dan pembelian bahan baku.
Setelah melakukan peramalan tersebut, kita melakukan penjadwalan (Agregat

planning) mengenai penetapan tingkat output produksi secara keseluruhan guna
memenuhi tingkat permintaan yang diperoleh dari peramalan dan pesanan dengan
tujuan meminimalkan total biaya produksi. Lot Sizing merupakan teknik 1 pemesanan
dengan tujuan untuk meminimasi biaya pemesanan dan biaya simpan dari material,
hal ini merupakan salah satu keputusan penting yang harus diambil oleh sebuah
perusahaan.
MRP (Material Requitment Planning) berguna untuk menentukan kebutuhan

dan jadual pembuatan komponen untuk memenuhi kebutuhan produks akhir yang
1
2
telah ditetapkan dalam MPS. Master production schedule (MPS) menguraikan

rencana produksi (agregat planning) untuk menunjukkan kuantitas produksi akhir
yang akan diproduksi untuk setiap periode waktu sepanjang horizon perencanaan
taktis. Master schedule menjalankan kuantitas spesifik dari produksi akhir
(disagregasi) dalam waktu spesifik.
1.2 Definisi Langkah-Langkah Dalam PPIC

A. Peramalan (Forcasting)
1. Definisi Peramalan
Peramalan (Forecasting) adalah suatu proses untuk memperkirakan berapa
kebutuhan di masa dating yang meliputi kebutuhan di masa datag yang
meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang
dibutunkan dalam rangka memnuhi permintaan barang atau jasa. Pada kondisi
yang tidak menentu sulit untuk menetukan suatu perencanaan yang efektif.
Peraamalan dapat menentukan para manajer untuk mengurangi ketidakpastian
dalam melakukan perencanaan.
Dalam dunia bisnis, peramalan merupakan dasar bagi perencanaan kapasitas,
anggaran, perencanaan penjualan, perencanaan produksi dan inventory,
perencanaan sumberdaya, perencanaan pembelian atau pengadaan bahan
baku, dan sebagainya.
2. Metode-metode dalam Peramalan

 Moving Average
Indikator yang sering digunakan dalam analisis teknis
menunjukkan nilai rata-rata harga keamanan selama periode yang
ditetapkan. Weight Moving Agerage
Perhitungan diambil berdasarkan pembagian dari jumlah
keseluruhan periode.
3
 Eksponensial Smoothing
Exponential Smoothing adalah suatu tipe teknik peramalan rata-
rata bergerak yang melakukan penimbangan terhadap data masa lalu.
 Eksponensial Smoothing with Trend
Dasar dari metode ini sama dengan metode rata-rata bergerak
linier.
 Trend Analysis
Merupakan suatu metode analisis yang ditujukan untuk melakukan
suatu estimasi atau peramalan pada masa yang akan datang.
 Linear Regression
Linear Regression ialah sebuah data statistik yang dapat
memprediksikan suatu harga kedepan dari data masa lalu.
 Multiplicative Decomposition
Memecahdata deret waktu menjadi beberapa pola dan
mengidentifikasi masing-masing komponen dari deret waktu tersebut
secara terpisah.
 Additive Decomposition
Merupakan pusat dalam menghilangkan redundansi aman dari
database sambil menjaga data asli.
B. Perencanaan Agregat (Agregat Planning)

1. Definisi Perencanaan Agregat
Perencanaan kegiatan sebuah organisasi (perusahaan) meliputi tiga
tingkatan, yaitu perencanaan jangka panjang, jangka pendek. Sehubungan
dengan aktifitas perencanaan operasi atau kapasitas maka ketiga level tersebut
memiliki focus perencanaan yang berbeda sebagaimana diuraikan berikut ini.
Dalam spectra perencanaan produksi, Agregat Planning (perencaan produksi
agregat) merupakan perencanaan kapasitas jangka menengah yang meliputi
4
horizon waktu antara 2 hingga 12 bulan. Agregat planning sangat berguna

bagi suatu organisasi (perusahaan) yang menghadapi tinggkat permintaan
musiman atau sering mengalami fluktuasi. Sedangkan Resource
Requeirements Planing (RRP = Perencanaan Kebutuhan Sumber Daya)
merupakan proses yang mengevaluasi agregat planing guna menentukan
sumber daya jangka panjang. Satu hal yang perlu diingat bahwa perencanaan
produksi agregat dan kebutuhan sumber daya ini seringkali dilakukan
terhadap family produk, dimana produk-produk yang memiliki kemiripan
kebutuhan disatukan dalam tujuan perencanaan. Dalam perencanaan sumber
daya produksi dan aktifitas-aktifitas yang berhubungan, perlu dilakukan
penyeimbangan antara biaya pemenuhan permintaan dan penyimpanan
(inventory) terhadap biaya biaya pengaturan tingkat aktifitas untuk mengatasi
fluktuasi permintaan.
2. Metode-metode dalam Perencanaan Agregat

 Smooth production (average gross demand)
Kelancaran produksi (permintaan kotor rata-rata)
 Smooth production (average net demand)
Kelancaran produksi (permintaan bersih rata-rata)
 Produce to demand
Yaitu manufaktur dapat membantu beberapa perusahaan barang
konsumen kemasan mengurangi persediaan selesai-barang,
 Constant regular time then overtime (OT) then subcontract (SC)
Waktu yang teratur maka Constant lembur (OT) kemudian
mensubkontrakkan (SC).
5
C. MPS dan RCCP

Penjadwalan produksi Induk (Master Scheduling) dan perencanaan
kebutuhan material (Material Requirement Planning/MRP) merupakan bagian
dari perencanaan prioritas (output) dalam system MRP II. Master Production
Scheduling menguraikan Rencana Produksi (Agregat Planning) untuk
menunjukan kuantitas produksi akhir yang akan diproduksi untuk setiap
periode waktu (biasanya mingguan) sepanjang horizon perencanaan taktis.
Master Scheduling menjadwalkan kuantitas spesifik dari produksi akhir
(disagregasi) dalam periode waktu spesifik. Material Requirement Planning
(MRP) mengembangkan pesanan-pesanan yang direncanakan untuk bahan
baku, komponen, dan subassemblies yang dibutuhkan untuk memenuhi
Master Production Scheduled (MPS). Berdasarkan MPS yang diturunkan dari
rencana produksi yang telah diuji kelayakannya melalui proses Rough Cut
Capacity Planning, suatu system MRP mengidentifikasi item apa yang harus
dipesan (dibuat atau dibeli), berapa banyak kuantitas item yang harus dipesan
dan bilaman waktu memesan item tersebut.
D. Lot Sizing
1. Definisi Lot Sizing
Pada system MRP, dapat diketahui saat pemesanan material yang

harus dilakukan. Namun dalam kenyataannya, saat melakukan pemesanan
terdapat beberapa batasan yang perlu diperhatikan berkaitan dengan
manajemen pemesanan. Sebagai contoh, sebuah vendor menetapkan bahwa
pemesanan hanya dapat dilakukan per pack yang berisi 10 material, dan
perusahaan membutuhkan 15 unit material, maka perusahaan harus memesan
material sebanyak 2 pack. Ukuran pack yang harus dipesan disebut lot (satuan
pembulatan). Contoh lain , perusahaan akan memesan material sebanyak 18
unit, akan tetapi alat transportasi hanya mampu mengangkut material
6
sebanyak 10 unit. Maka perusahaan harus melakukan pemesanan sebanyak

dua kali (2 lot).Teknik pemesanan seperti ini bertujuan untuk meminimasi
biaya pemesanan dan biaya simpan dari material. Dan teknik pemesanan ini
dinamakan lot sizing. Dalam perhitungan lot sizing, tersedia berbagai teknik
yang terbagi dalam dua kelompok besar, yaitu model lot sizing dinamis dan
statis. Penggunaannya tergantung dari kondisi permintaan/pengorderan
(planned order release). Bila permintaan bersifat konstan maka model lot
sizing statis yang digunakan. Namun apabila permintaan bersifat lumpy maka
model lot sizing dinamis yang harus digunakan. Untuk menguji apakah
permintaan bersifat kontinyu, salah seorang ahli mengemukakan sebuah
aturan dengan menggunakan pengukuran variansi sebagai dasar penentuan
jenis permintaan , dengan formulasi sebagai berikut :
V = ((nΣ Dt2)/(ΣDt)2) - 1
Bila V < 0,25 , maka permintaan dianggap konstan atau kontinyu. Model Lot
Sizing statis (EOQ, FOQ dan FOI) dengan permintaan rata-rata (D) sebagai
pendekatan terhadap permintaan, lebih tepat dipergunakan. Sedang bila V >
0,25 maka permintaan dianggap kontinyu, dan model Lot Sizing dinamis lebih
tepat dipergunakan.
2. Metode-metode dalam Lot Sizing

 Wagner Within Algorithm (WW)
Merupakan salah satu metode yang menggunakan prosedur
optimasi yang didasari model programa dinamis.
 Part Period Balancing (PPB)
Sebuah teknik ukuran lot yang menggunakan melihat ke depan
dan melihat kembali fungsi untuk mempertimbangkan periode
tambahan dalam memodifikasi perhitungan awal berdasarkan total
biaya minimal.
7
 Period Order Quantity (POQ)

adalah salah satu metode lot sizing dimana kebutuhan
komponen-komponen dipenuhi dengan menentukan jumlah periode
permintaan yang harus dipenuhi (tidak termasuk permintaan nol)
untuk setiap kali pemesanan.
 Economic Order Quantity (EOQ)
Adalah tingkat persediaan yang meminimalkan total biaya
menyimpan persediaan dan biaya pemesanan.
 Lot for Lot
Merupakan suatu teknik yang digunakan untuk menentukan
ukuran kuantitas pemesanan.
E. MRP (Material Requirement Planning)

Material Requirement Planning adalah prosedur logis, aturan keputusan
dan teknik pencatatan terkomputerisasi yang dirancang untuk
menterjemahkan Jadual Induk Produksi (Master Production Schedule / MPS)
menjadi kebutuhan bersih (Net Requirement) untuk semua item. Sistem MRP
dikembangkan untuk membantu perusahaan manufaktur.merencanakan dan
mengendalikan pesanan (produksi atau pembelian) dan persediaan untuk item-
item dependent demand, dimana permintaan cenderung discontinuous dan
lumpy (tidak halus atau tidak rata). Item-item yang termasuk dalam dependent
demand adalah bahan baku (raw material), parts, subassemblies dan
assemblies, yang kesemuanya disebut manufacturing inventaries.
1.3 Rumusan Masalah

Dari latar belakang yang telah diuraikan diatas sehingga rumusan masalahnya
yaitu :
1. Bagaimana cara melakukan teknik metode Peramalan, Agregat Planning, MPS
dan RCCP, Lot Sizing, MRP?
8
2. Bagaimana mencari dan menganalisa hasil dengan menggunakan software POM

for Window, Microsoft Excel?
3. Bagaimana membandingkan antara hasil software POM for Windows, Microsoft
Excel dengan perhitungan manual ?
4. Bagaimana menentukan metode yang paling tepat untuk meramalkan produksi
dari setiap metode ?
1.4 Tujuan Praktikum
Dengan perumusan masalah yang telah dikemukakan di atas, maka perlu adanya
tujuan praktikum secara sistematis, yaitu :
1. Melakukan teknik metode peramalan, Agregat Planning, MPS dan RCCP, Lot
sizing, MRP, dengan cara manual dan menggunakan software POM for
Windows, Microsoft Excel.
2. Mampu menganalisa hasil dari running POM for Windows, Microsoft Excel dari
setiap metode di dalam peramalan.
3. Mampun membandingkan antara hasilsoftware POM for Windows, Microsoft
Excel dengan perhitungan manual
4. Menentukan metode yang terbaik dari setiap metode.
1.5 Batasan Masalah

Mengingat betapa luasnya peramalan mengenai sistem produksi, maka diperlukan
adanya pembatasan masalah supaya pembahasan di sini tidak terlalu luas ruang
lingkupnya pada data yang akan digunakan yaitu pada :
1. Pengolahan data dilakukan dengan software POM for Windows, Microsoft Excel.
2. Metode yang digunakan dalam Forecasting meliputi Moving Average, Weighted
Moving Average, Eksponential Smoothing, Eksponential Smoothing With Trend,
Trend Analysis, Liniear Regresy, Multyplicative Decomposition, dan Addaptive
Decomposition.
9
3. Metode yang digunakan dalam Agregat planning meliputiSmooth Production

(Average GROSS Demand), Smooth Production (Average Demand NET
Demand), Produce To Demand, dan Constant Reg Time Then OT and Sub.
4. Metode-metode yang digunakan dalam Lot Sizingmeliputi metode Wagner
Within, Lot for Lot, Economic Order Quality dan Part Period Balancing.
5. Menganalisa hasil pengolahan dataMRP dari total requirement, on hand,
schedule requirement, planned receipts, dan order release.
1.6 Sistematika Penulisan
Agar dapat memperoleh suatu penyusunan dan pembahasan yang sistematis,

terarah pada masalah yang telah terpilih dan pengendalian yang benar, maka
sistematika penulisannya disusun sebagai berikut :
BAB I PENDAHULUAN
Pada bab pendahuluan ini berisikan latar belakang, perumusan masalah, tujuan
praktikum, pembatasan masalah, dan sistematika penulisan.
BAB II STUDI KASUS
Pada Bab ini berisi tenteng skenario sebagai data awal untuk dikelola.
BAB III PENGOLAHAN DATA DAN ANALISA
Bab ini terdiri dari pemakaian formulasi model matematis dan pengolahan secara
manual serta pengolahan dengan menggunakan software POM for Windows dan
analisa dari hasil running POM for Windows, Microoft Excel serta perbandingan
analisanya.
BAB IV KESIMPULAN
Pada bab ini berisikan kesimpulan sebaga ringkasan dari hasil pengelolahan data
yang mana untuk menjawab rumusan masalah. Selain itu juga saran digunakan untuk
memberikan suatu pendapat untuk menunjang kebaikan dari penyusunan laporan
praktikum ini.
BAB II
STUDI KASUS
PT. BIKE CYCLE merupakan perusahaan yang memproduksi berbagai macam

sepeda kayuh. Produk unggulan dari perusahaan sepeda ini adalah :
a. Sepeda BMX
b. Sepeda fixie
c. Sepeda lipat
d. Sepeda balap
e. Sepeda MTB
Perusahaan akan melakukan peramalan (forecasting) permintaan pada beberapa

periode mendatang, oleh karena itu telah dikumpulkan informasi historis dari total
permintaan ke-enam jenis sepeda tersebut dalam 12 bulan terakhir sebagai berikut:
Tabel 2.1 Permintaan(unit)
Bulan 1 2 3 4 5 6 7 8 9 10 11 12
Permintaan
(unit) 2000 3700 2050 3200 3000 1700 2500 2000 3200 3100 2200 3250
Dalam proses pengerjaan sepeda tersebut meliputi rangkaian operasi kerja dengan
kegiatan dan waktu yang berbeda-beda, yaitu :
OP-1 : Pengukuran (0,2 jam orang/unit)
OP-2 : Pemotongan (0,25 jam orang/unit)
OP-3 : Pembentukan kasar (0,3 jam orang/unit)
OP-4 : Penghalusan (0,15 jam orang/ unit)
OP-5 : Pengecatan (0,25 jam orang/unit)
OP -6 : Perakitan (0,5 jam orang/unit)
10
11
Berdasarkan rangkaian operasi tersebut maka dalam merencanakan produksi

secara keseluruhan (agregat), PT. Bike Cycle telah menetapkan beberapa kebijakan
produksi sebagai berikut:
1. Kapasitas karyawan yang dimiliki saat ini adalah 48 orang karyawan yang
bekerja 8 jam per hari, 26 hari selama satu bulan.
2. Pembagian pekerja tersebut adalah 9 orang dimasing-masing stasiun kerja,
kecuali di stasiun kerja pengecatan dan pengukuran terdapat 6 orang tenaga
kerja.
3. Overtime atau lembur hanya dibatasi maksimal 2 jam per hari.
4. Tingkat efisiensi karyawan diharapkan dapat mencapai 75%.
5. Subkontrak dilakukan jika perusahaan kewalahan dalam memenuhi
permintaan pasar dengan kapasitas subkontrak sebesar 750 unit produk per
bulan.
6. Biaya tenaga kerja dihitung dari gaji karyawan Rp 1.200.000,-/bulan dan
untuk lembur karyawan mendapatkan gaji 1,5 kali jam kerja normal.
7. Biaya produksi berdasarkan pada biaya bahan baku dan biaya tenaga kerja, di
mana untuk I unit produk memerlukan biaya bahan baku sebesar Rp 700.000,-
8. Harga beli produk dari subkontraktor adalah Rp 800.000,- per unit produk.
9. Pada akhir periode, perusahaan harus memiliki persediaan minimal sebesar
500 unit (100 unit untuk masing-masing jenis sepeda) dan prsediaan yang ada
saat ini di gudang adalah sebesar 600 unit (120 unit unuk masing-masing jenis
sepeda).
10. Perusahaan akan menanggung biaya lost sales (shortage) sebesar Rp 8.000,-
/unit jika persediaannya kurang. Jika perusahaan mengalami kelebihan
persediaan, maka akan menanggung biaya simpan (holding cost) sebesar Rp
4.000/unit/bulan.
11. Jika perusahaan kekurangan kapasitas produksi maka akan dilakukan
penambahan kapasitas dengan biaya Rp 10.500/unit. Dan jika kelebihan
12
kapasitas maka akan melakukan pengurangan kapasitas dengan biaya Rp

11.000,-/unit.
Setelah mengetahui rencana agregat dari produk-produk sepedanya, perusahaan
akan membuat rencana produksi induk (master scheduling) dan menganalisa
kelayakannya berdasarkan kapasitas yang tersedia. Berdasarkan data historis,
proporsi permintaan masing-masing jenis sepeda adalah sebagai berikut:
Sepeda BMX = 20%
Sepeda Fixie = 25%
Sepeda Lipat = 20%
Sepeda Balap = 25%
Sepeda MTB = 10%
Dengan perincian sebagai berikut :
2.2 Tabel Waktu Operasi
Waktu operasi (menit)
Rata-Rata
Operasi BMX Fixie Lipat Balap MTB
OP-1 30 10 30 25 30 25.00
OP-2 25 30 45 25 35 32.00
OP-3 30 35 30 30 20 29.00
OP-4 15 30 20 35 30 26.00
OP-5 25 25 20 30 35 27.00
OP-6 20 10 35 20 20 21.00
Perusahaan berencana membuat jadwal pemesanan (Lot Sizing) karena ada

beberapa komponen yang dibeli dari pihak supplier, salah satu dari komponen
tersebut adalah saddle. Karena terkait dengan supplier, maka perusahaan harus
mampu meminimalisir biaya pemesanan. Komponen ban dipesan dari PT. GOES
BIKE dengan harga Rp 80.000,- per unit dengan biaya pemesanan sebesar Rp
200.000,- per pemesanan dan biaya simpan sebesar 5% dari harga barang. Sementara
itu kebutuhan sepeda masing-masing jenis sepeda adalah dua buah.
13
Perusahaan ingin mengetahui kuantitas produksi optimal yang dapat

dilakukan perusahaannya, untuk menentukan berapa jumlah bahan baku (komponen)
yang harus diproduksi untuk meminimasi biaya produksi yang terdiri dari biaya set-
up dan biaya penyimpanan. Oleh karena itu diketahui permintaan sepeda per tahun
adalah 50.000 unit dan waktu operasi 312 hari/tahun. Kecepatan produksi 180
unit/hari, dan biaya simpan Rp 30.000/tahun dan biaya persiapan produksi (setup
cost) Rp 250.000,- setiap kali melakukan produksi.
Dibawah ini adalah sepeda 5 peremintaan konsumen sebagai berikut:
Gambar 2.1. Sepeda BMX Gambar 2.2. Sepeda Fixie
Gambar 2.3. Sepeda Lipat Gambar 2.4. Sepeda Balap
Gambar 2.5. Sepeda MTB

BAB III
PENGOLAHAN DAN ANALISA DATA
A. Peramalan Forecasting
1. Data
PT. BIKE CYCLE merupakan perusahaan yang memproduksi berbagai macam
sepeda kayuh. Produk unggulan dari perusahaan sepeda ini adalah :
a. Sepeda BMX
b. Sepeda Fixie
c. Sepeda Lipat
d. Sepeda Balap
e. Sepeda MTB
Total permintaan ke-lima jenis sepeda tersebut selama 12 bulan terakhir adalah:
Tabel 3A.1. Total Permintaan Untuk ke Lima Jenis Sepeda Selama 12 Bulan
Bulan Permintaan ( Unit )
1
2000
2
3700
3
2050
4
3200
5
3000
6
1700
7
2500
8
2000
9
3200
10
3100
11
2200
12
3250
14
15
Permintaan ( Unit )
4000
3000
2000
Permintaan ( Unit )
1000
0
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 3A.1. Ploting Data Permintaan pada PT. BIKE BICYCLE
2. Pengolahan Data Dengan Menggunakan POM for Windows

2.1. Metode Moving Average
 Parameter n = 3
Tabel 3A.2. Input Data Moving Average
Tabel 3A.3. Forecasting ResultMoving Averageuntuk n = 3

16
Tabel 3A.4. Details and Error Analysis Moving Average untuk n = 3
Gambar 3A.2. Grafik Hasil Pengolahan Dengan Moving Average untuk n=3
 Parameter n = 5
Tabel 3A.5. Input Data Moving Average
17
Tabel 3A.6. Forecasting ResultMoving Average untuk n = 5
Tabel 3A.7. Details and Error AnalysisMoving Average untuk n = 5
Gambar 3A.3. Grafik Hasil Pengolahan Dengan Moving Average untuk n = 5

18
2.2. Metode Weight Moving Average

 Parameter n = 4
Dengan bobot untuk 1 periode sebelumnya , w1 = 0.4
Tabel 3A.8. Input Data Weight Moving Average
Tabel 3A.9. Forecasting Result Weight Moving Average untuk weight 0,4;0,2;0,2;0,1
19
Tabel 3A.10. Details and Error AnalysisWeightMoving Averageuntuk weight

0,4;0,2;0,2;0,1
Gambar 3A.4. Grafik Hasil Pengolahan dengan Weight Moving Average untuk weight
0.4,0,2;0,2;0,1
 Parameter n = 4
Dengan bobot untuk 4 periode sebelumnya , w4= 0.3
20
Tabel 3A.11. Input Data Weight Moving Average
Tabel 3A.12. Forecasting Result WeightMoving Average untuk weight 0,3;0,2;0,2;0,3
Tabel 3A.13. Details and Error AnalysisWeightMoving Averageuntuk weight

0,3;0,2;0,2;0,3
21
Gambar 3A.5. Grafik Hasil Pengolahan dengan Weight Moving Average untuk weight
0.3,0,2;0,2;0,3
2.3. Metode Eksponential Smoothing
 Parameter α = 0.3
Tabel 3A.14. Input Data Eksponential Smoothing
Tabel 3A.15. Forecasting Result Eksponential Smoothing untuk α = 0.3

22
Tabel 3A.16. Details and Error Analysis Eksponential Smoothing untuk α = 0,3
Gambar 3A.6. Grafik Hasil Pengolahan Dengan Eksponential Smoothing untuk α = 0,3
Tabel 3A.17. Input Data Eksponential Smoothing
23
Tabel 3A.18. Forecasting Result Eksponential Smoothing untuk α = 0,4
Tabel 3A.19. Details and Error Analysis Eksponential Smoothing untuk α = 0,4
Gambar 3A.7. Grafik Hasil Pengolahan Dengan Eksponential Smoothing untuk α = 0,4
24
2.4. Metode Exponential Smoothing With Trend
β = 0.6
Tabel 3A.20. Input Data Eksponential Smoothing With Trend
Tabel 3A.21. Forecasting Result Eksponential Smoothing With Trend untuk α=0,4 dan β=0,6
Tabel 3A.22. Details and Error Analysis Eksponential Smoothing With Trend untuk
α=0,4 dan β=0,6
25
Gambar 3A.8. Grafik Hasil Pengolahan dengan Eksponential Smoothing With Trend
β = 0.5
Tabel 3A.23. Input Data Eksponential Smoothing With Trend
Tabel 3A.24. Forecasting Result Eksponential Smoothing With Trend untuk α=0,5 dan β=0,5
26
Tabel 3A.25. Details and Error Analysis Eksponential Smoothing With Trend untuk
α=0,5 dan β=0,5
Gambar 3A.9. Grafik Hasil Pengolahan Dengan Eksponential Smoothing With Trend
2.5. Metode Trend Analysis
Tabel 3A.26. Input Data Trend Analysis

27
Tabel 3A.27. Forecasting Result Trend Analysis
Tabel 3A.28. Details and Error Analysis Trend Analysis
Gambar 3A.10. Grafik Trend Analysis

28
2.6. Dengan Metode Linear Regresi
Tabel 3A.29. Input Data Linear Regresi
Tabel 3A.30. Forecasting Result Linear Regresi
Tabel 3A.31. Details and Error Analysis Linear Regresi

29
Gambar 3A.11. Grafik Linear Regression
2.7. Metode Multiplicative Decomposition

 Parameter n = 4
Tabel 3A.32. Input Data Multiplicative Decomposition
Tabel 3A.33. Forecasting Results Analysis Multiplicative Decomposition untuk n=4

30
Tabel 3A.34. Details and Error Analysis Multiplicative Decomposition untuk n=4
Gambar 3A.12. Grafik Multiplicative Decomposition untuk n=4
 Parameter n = 5
Tabel 3A.35. Input Data Multiplicative Decomposition
31
Tabel 3A.36. Forecasting Results Analysis Multiplicative Decomposition untuk n=5
Tabel 3A.37. Details and Error Analysis Multiplicative Decomposition untuk n=5
Gambar 3A.13. Grafik Multiplicative Decomposition untuk n=5

32
2.8. Metode Additive Decomposition

Parameter n = 3
Tabel 3A.38. Input Data Additive Decomposition untuk n=3
Tabel 3A.39. Forecasting Result Addiitive Decomposition untuk n=3
Tabel 3A.40. Details and Error Analysis Addiitive Decomposition untuk n=3
33
Gambar 3A.14. Grafik Additive Decomposition untuk n=3
 Parameter n = 5
Tabel 3A.41. Input Data Additive Decomposition untuk n=5
Tabel 3A.42. Forecasting Result Addiitive Decomposition untuk n=5

34
Tabel 3A.43. Details and Error Analysis Addiitive Decomposition untuk n=5
Gambar 3A.15. Grafik Additive Decomposition untuk n=5

35
3. Analisa Pada Hasil POM for Windows

3.1 Metode Moving Average (MA)
A. Parameter n = 3
 Forecasting Result
Dari hasil pengolahan data di atas dengan menggunakan software POM for
Windows untuk pengerjaan metode Moving Average dengan parameter n sebesar
3 di dapati hasil bahwa Next Periode (Hasil Peramalan) sebesar 2850 unit,
dengan nilai Bias (Mean Error) sebesar 62.96 diikuti nilai MAD (Mean
Absolute Deviation) sebesar 540.74 juga nilai MSE (Mean Squared Error)
sebesar 413827.2 dan nilai Standard Error yang didapat dari hasil rata-rata
kuadrat error dibagi jumlah periode dikurangi satu sebesar 729.43.
 Details and Error Analysis

Pada bagian details dengan parameter n sebesar 3 diperoleh nilai forecast
pada periode ke-4 sebesar 2583 unit, ke-5 sebesar 2983 unit, periode ke-6 sebesar
2750 unit, periode ke-7 sebesar 2633 unit, periode ke-8 sebesar 2440 unit,
periode ke- 9 sebesar 2066 unit, periode ke-10 sebesar 2567 unit, periode ke-11
sebesar 2767unit, periode ke-12 sebesar 2833 unit dan nilai next period forecast
sebesar 2850 unit. Untuk total eror diperoleh sebesar 566.67 dengan rata - rata
sebesar 62.96 Untuk total eror mutlak diperoleh sebesar 4866.67 dengan rata -
rata sebesar 540.74. Terakhir untuk nilai total eror kuadrat diperoleh sebesar
3724445 dengan rata – rata 413827.2. Sedangkan untuk nilai standar erornya
yaitu sebesar 729.43.
 Grafik Moving Average

Karena pada peramalan ini menggunakan parameter dengan nilai asumsi n
sebesar 3 yang berarti peramalan pada bulan ke-4 akan diperoleh penurunan,
sehingga untuk bulan berikutnya juga akan diketahui berapakah demand
berikutnya. Hasil itu diperoleh setelah pengolahan dari hasil rata-rata tiga periode
36
yang bergerak sebelumnya yakni periode satu, dua,dan tiga. Sehingga grafik
berada di bawah mengikuti pola trend dan musiman.
B. Parameter n = 5
Dari hasil pengolahan data di atas dengan menggunakan software POM
forWindows untuk pengerjaan metode Moving Average dengan parameter n
sebesar 5 di dapati hasil bahwa Next Periode (Hasil Peramalan) sebesar 2750
unit, dengan nilai Bias (Mean Error) sebesar -17.14 diikuti nilai MAD (Mean
sebesar 413771.4 dan nilai Standard Error yang didapat dari hasil rata-rata
kuadrat error dibagi jumlah periode dikurangi satu sebesar 761.1.

Pada bagian details dengan parameter n sebesar 5 diperoleh nilai forecast
pada periode ke-6 sebesar 2790 unit, periode ke-7 sebesar 2730 unit, periode
ke-8 sebesar 2490 unit, periode ke- 9 sebesar 2480 unit, periode ke-10 sebesar
2480 unit, periode ke-11 sebesar 2500 unit, periode ke-12 sebesar 2600 unit dan
nilai next period forecast sebesar 2750 unit. Untuk total eror diperoleh sebesar
-120 dengan rata - rata sebesar -17.14 Untuk total eror mutlak diperoleh sebesar
4100 dengan rata - rata sebesar 585.71. Terakhir untuk nilai total eror kuadrat
diperoleh sebesar 2896400 dengan rata - rata 413771.4. Sedangkan untuk nilai
standar erornya yaitu sebesar 761.1
 Grafik Moving Average

Karena pada peramalan ini menggunakan parameterdengan nilai asumsi
n sebesar 5 yang berarti peramalan pada bulan ke lima akan diperoleh, sehingga
untuk bulan berikutnya juga akan diketahui berapakah demand berikutnya.
Hasil itu diperoleh setelah pengolahan dari hasil rata-rata lima periode yang
37
bergerak sebelumnya yakni periode satu, dua, tiga empat dan lima. Sehingga
grafik berada di bawah mengikuti pola musiman.
3.2. Metode Weight Moving Average (WMA)

A. Parameter N = 4 Dengan Nilai W1=0.4, W2=0.2, W3=0.2, W4=0.1
Windows untuk pengerjaan metode WeightMoving Average dengan parameter n
sebesar 4 kemudian untuk nilai W1 sebesar 0.4 , W2 sebesar 0.2 , w3 sebesar 0.2 ,
w4 sebesar 0.1 di dapati hasil bahwa Next Periode (Hasil Peramalan) sebesar
2977.78 dengan nilai Bias (Mean Error) sebesar 8.33 diikuti nilai MAD (Mean
sebesar 484899.7 dan nilai Standard Error senilai 804.07.

Pada bagian details dengan n parameter 4 dan nilai w1 sebesar 0.4 , w2
sebesar 0.2 , w3 sebesar 0.2 dan w4 sebesar 0.1 diperoleh nilai forecast pada
periode ke-5 sebesar 2922 unit, periode ke-6 sebesar 2911 unit, periode ke-7
sebesar 2361unit, periode ke-8 sebesar 2511unit, periode ke-9 sebesar 2156 unit,
periode ke-10 sebesar 2611 unit, periode ke- 11 sebesar 2611 unit, periode ke-12
sebesar 2600 unit dan nilai next period forecast sebesar 2978 unit. Untuk total
eror diperoleh sebesar 66.67 dengan rata - rata sebesar 8.33 Untuk total eror
mutlak diperoleh sebesar 4733.33 dengan rata - rata sebesar 591.67. Terakhir
untuk nilai total eror kuadrat diperoleh sebesar 3879198 dengan rata - rata
484899.7. Sedangkan untuk nilai standar erornya yaitu sebesar 804.07.
 Grafik Weight Moving Average

Pada peramalan ini, titik awal peramalan, yaitu pada bulan ke 5dikarenakan
kami mengambil langkah pada metode ini dengan menggunakan asumsi n = 4
38
yang berarti peramalan pada bulan ke lima akan diperoleh, sehingga untuk bulan
berikutnya juga akan diketahui berapakah demand berikutnya. Hasil itu diperoleh
setelah pengolahan dari hasil rata-rata empat periode yang bergerak sebelumnya
yakni periode satu, dua, tiga dan empat dimana telah diberikan pembobotan nilai
W1sebesar 0.4 , W2 sebesar 0.2 , w3 sebesar 0.2 , w4 sebesar 0.1 yang dijadikan
sebagai acuan untuk peramalan untuk permintaan musiman.
B. Parameter N = 4 Dengan Nilai W1=0.3, W2=0.2, W3=0.2, W4=0.3

Windows untuk pengerjaan metode Weight Moving Average dengan parameter n
sebesar 4 kemudian untuk nilai w1 sebesar 0.3, w2 sebesar 0.2, w3 sebesar 0.2,
w4 sebesar 0.3 di dapati hasil bahwa Next Periode (Hasil Peramalan) sebesar
2995 dengan nilai Bias (Mean Error) sebesar 26.88 diikuti nilai MAD (Mean
sebesar 556278.1 dan nilai Standard Error senilai 861.22.

Pada bagian details dengan n parameter 4 dan nilai w1 sebesar 0.3 , w2
sebesar 0.2 , w3 sebesar 0.2 dan w4 sebesar 0.3 diperoleh nilai forecast pada
sebesar 2365unit, periode ke-8 sebesar 2650 unit, periode ke-9 sebesar 2340 unit,
periode ke-10 sebesar 2370unit, periode ke- 11 sebesar 2720 unit, periode ke-12
sebesar 2525 unit dan nilai next period forecast sebesar 2995 unit. Untuk total
eror diperoleh sebesar 215 dengan rata - rata sebesar 26.88. Untuk total eror
mutlak diperoleh sebesar 5275 dengan rata - rata sebesar 659.38. Terakhir untuk
nilai total eror kuadrat diperoleh sebesar 4450225 dengan rata - rata 556278.1.
Sedangkan untuk nilai standar erornya yaitu sebesar 861.22.
39
 Grafik Weight Moving Average

Pada peramalan ini, titik awal peramalan, yaitu pada bulan ke 5dikarenakan
kami mengambil langkah pada metode ini dengan menggunakan asumsi n = 4
yang berarti peramalan pada bulan ke lima akan diperoleh, sehingga untuk bulan
berikutnya juga akan diketahui berapakah demand berikutnya. Hasil itu diperoleh
setelah pengolahan dari hasil rata-rata empatperiode yang bergerak sebelumnya
yakni periode satu, dua, tiga dan empat dimana telah diberikan pembobotan nilai
w1sebesar 0.3, w2 sebesar 0.2, w3 sebesar 0.2, w4 sebesar 0.3 yang dijadikan
sebagai acuan untuk peramalan untuk permintaan musiman.
3.3. Metode Eksponential Smoothing

A. Parameter α = 0.3
Dari hasil pengolahan data di atas dengan menggunakan software
POMforWindows untuk pengerjaan metode Eksponential Smoothing dengan
parameter α sebesar 0.3 kemudian di dapati hasil bahwa Next Periode (Hasil
Peramalan) sebesar 2777.27 dengan nilai Bias (Mean Error) sebesar 235.54
diikuti nilai MAD (Mean Absolute Deviation) sebesar 685.78 juga nilai MSE
(Mean Squared Error) sebesar 637062.5 dan nilai Standard Error senilai 882.4.

Pada bagian details diperoleh nilai forecast pada awal periode untuk α =
0,3 telah diketahui berapa nilai untuk forecast, periode ke-2 sebesar 2000 unit,
sebesar 2620 unit, periode ke-6 sebesar 2734 unit, periode ke-7 sebesar 2424
unit, periode ke-8 sebesar 2449 unit, periode ke-9 sebesar 2313 unit, periode ke-
10 sebesar 2579 unit, periode ke-11 sebesar 2735 unit, periode ke-12 sebesar
2575 unit dan nilai next period forecast sebesar 2777 unit. Untuk total eror
40
diperoleh sebesar 2591 dengan rata - rata sebesar 235.54. Untuk total eror mutlak
diperoleh sebesar 7543.57 dengan rata - rata sebesar 685.78. Terakhir untuk nilai
total eror kuadrat diperoleh sebesar 7007688 dengan rata - rata 637062.5.
 Grafik Eksponential Smoothing

Titik awal peramalan, yaitu pada bulan ke 1dikarena kami menggunakan
nilai α sebesar 0.3 sehingga menghasilkan hasil seperti di atas.Berarti peramalan
pada bulan-bulan berikutnya akan di dapatkan. Eksponential Smoothing ini juga
dapat digunakan untuk mengidentifikasi pola demand yang tidak dipengaruhi
oleh siklus dan season. Namun lebih dipengaruhi oleh pola trend atau musiman.
B. Parameter α = 0.4
POMforWindows untuk pengerjaan metode Eksponential Smoothing dengan
parameter α sebesar 0.4 kemudian di dapati hasil bahwa Next Periode (Hasil
Peramalan) sebesar 2843.61 dengan nilai Bias (Mean Error) sebesar 191.73.
diikuti nilai MAD (Mean Absolute Deviation) sebesar 705.25 juga nilai MSE
(Mean Squared Error) sebesar 672929.2 dan nilai Standard Error senilai 906.9.

Pada bagian details diperoleh nilai forecast pada awal periode untuk α =
0.4 telah diketahui berapa nilai untuk forecast, periode ke-2 sebesar 2000 unit,
10 sebesar 2635 unit, periode ke-11 sebesar 2821 unit,periode ke-12 sebesar
41
diperoleh sebesar 2109 dengan rata - rata sebesar 191.73. Untuk total eror mutlak
diperoleh sebesar 7757.73 dengan rata - rata sebesar 705.25. Terakhir untuk nilai
total eror kuadrat diperoleh sebesar 7402221 dengan rata - rata 672929.2.
 Grafik Eksponential Smoothing

Titik awal peramalan, yaitu pada bulan ke 1dikarena kami menggunakan
nilai α sebesar 0.4 sehingga menghasilkan hasil seperti di atas. Berarti peramalan
pada bulan-bulan berikutnya akan di dapatkan. Eksponential Smoothing ini juga
dapat digunakan untuk mengidentifikasi pola demand yang tidak dipengaruhi
oleh siklus dan season. Namun lebih dipengaruhi oleh pola trend.
3.4. Metode Eksponential Smoothing With Trend

A. Parameter α = 0.4, β = 0.6
POMforWindows untuk pengerjaan metode Eksponential Smoothing With Trend
dengan parameter α sebesar 0.4 dan β sebesar 0.6 kemudian di dapati hasil bahwa
Next Periode (Hasil Peramalan) sebesar 3058.66 dengan nilai Bias (Mean Error)
sebesar 62.82 diikuti nilai MAD (Mean Absolute Deviation) sebesar 773.21 juga
nilai MSE (Mean Squared Error) sebesar 892326.6 dan nilai Standard Error
senilai 1044.33.

Pada bagian details diperoleh nilai forecast pada awal periode untuk α 0,4
dan β 0,6 telah diketahui berapa nilai untuk forecast, periode ke-2 sebesar 2000
unit, periode ke-3 sebesar 2680 unit, periode ke-4 sebesar 2673 unit, periode ke-5
42
diperoleh sebesar 691.07 dengan rata - rata sebesar 62.82. Untuk total eror
mutlak diperoleh sebesar 8505.33 dengan rata - rata sebesar 773.21.Terakhir
untuk nilai total eror kuadrat diperoleh sebesar 9815593 dengan rata – rata
 Grafik Eksponential Smoothing With Trend

Forecast terdapat pada titik awal peramalan, yaitu pada bulan ke 2
dikarena kami menggunakan nilai α sebesar 0.4 dan β sebesar 0.6 sehingga
menghasilkan hasil seperti di atas.Berarti peramalan pada bulan-bulan berikutnya
akan di dapatkan. Terlihat pada hasil pengolahan di atas bahwa terjadi
permintaan yang konstan atau tetap seperti terlihat pada grafik. Ini menunjukkan
bahwa Eksponential Smoothing With Trend ini permintaannya dipengaruhi oleh
tren.
B. Parameter α = 0.5, β = 0.5

POMforWindows untuk pengerjaan metode Eksponential Smoothing With Trend
dengan parameter α sebesar 0.5 dan β sebesar 0.5 kemudian di dapati hasil bahwa
Next Periode (Hasil Peramalan) sebesar 3094.53 dengan nilai Bias (Mean Error)
sebesar 53.61 diikuti nilai MAD (Mean Absolute Deviation) sebesar 804.37 juga
nilai MSE (Mean Squared Error) sebesar 935548.4 dan nilai Standard Error
senilai 1069.32.
43

Pada bagian details diperoleh nilai forecast pada awal periode untuk α 0,4
dan β 0,6 telah diketahui berapa nilai untuk forecast. periode ke-2 sebesar 2000
diperoleh sebesar 589.74 dengan rata - rata sebesar 53.61. Untuk total eror
mutlak diperoleh sebesar 8848.06 dengan rata - rata sebesar 804.37.Terakhir
untuk nilai total eror kuadrat diperoleh sebesar 10291030 dengan rata – rata
 Grafik Eksponential Smoothing With Trend

Forecast terdapat pada titik awal peramalan, yaitu pada bulan ke 2dikarena
kami menggunakan nilai α sebesar 0.5 dan β sebesar 0.5 sehingga menghasilkan
hasil seperti di atas.Berarti peramalan pada bulan-bulan berikutnya akan di
dapatkan. Terlihat pada hasil pengolahan di atas bahwa terjadi permintaan yang
konstan atau tetap seperti terlihat pada grafik. Ini menunjukkan bahwa
Eksponential Smoothing With Trend ini permintaannya dipengaruhi oleh trend.
3.5. Metode Trend Analysis

POMforWindows untuk pengerjaan metode Trend Analysis dengan di dapati hasil
bahwa Next Periode (Hasil Peramalan) sebesar 2781 dengan nilai Bias (Mean
Error) sebesar 0 diikuti nilai MAD (Mean Absolute Deviation) sebesar 573.89
44
juga nilai MSE (Mean Squared Error) sebesar 389432.3 dan nilai Standard
Error senilai 683.61

Pada bagian details diperoleh nilai forecast pada awal periode telah
diketahui berapa nilai untuk forecast yaitu sebesar 2555 unit, periode ke-2
unit, periode ke-10 sebesar 2724 unit, periode ke-11 sebesar 2743 unit, periode
ke-12 sebesar 2762 unit dan nilai next period forecast sebesar 2781 unit. Total
nilai time sebesar 78 dengan rata – rata 6,5. Untuk nilai x² periode ke-1 sebesar 1
unit, periode ke-2 sebesar 4 unit, periode ke-3 sebesar 9 unit, periode ke- 4
sebesar 16 unit, periode ke-5 sebesar 25 unit, periode ke-6 sebesar 36 unit,
periode ke-7 sebesar 49 unit, periode ke-8 sebesar 64 unit, periode ke-9 sebesar
81 unit, periode ke-10 sebesar 100 unit, periode ke-11 sebesar 121 unit, periode
ke-12 sebesar 144 unit, dengan total sebesar 650. Untuk nilai x²y periode ke-1
ke- 6 sebesar 10200 unit, periode ke-7 sebesar 17500 unit, periode ke-8 sebesar
periode ke-11 sebesar 24200 unit, periode ke-12 sebesar 39000 unit, dengan total
sebesar 210050 unit. Untuk total eror diperoleh sebesar 0 dengan rata - rata
sebesar 0. Untuk total eror mutlak diperoleh sebesar 6886.71 dengan rata - rata
sebesar 573.89. Terakhir untuk nilai total eror kuadrat diperoleh sebesar 4673188
dengan rata – rata 389432.3. Sedangkan untuk nilai standar erornya yaitu sebesar
683.61
45
 Grafik Trend Analysis

Forecast terdapat pada titik awal peramalan, yaitusejak pada bulan ke 1
karena kami tidak menggunakan parameter ukur untuk memeberikan jarak
ataupun rentang.Terlihat pada hasil pengolahan data terjadi permintaan yang
konstan seperti pada grafik metode Eksponential SmoothingWith Trend. Ini
menunjukkan bahwa permintaannya dipengaruhi oleh trend.
3.6. Metode Linear Regresi

Windows untuk pengerjaan metode Linear Regresi di dapati hasil bahwa Next
Periode (Hasil Peramalan) sebesar 2781.06 dengan nilai Bias (Mean Error)
sebesar 0 diikuti nilai MAD (Mean Absolute Deviation) sebesar 573.89 juga nilai
MSE (Mean Squared Error) sebesar 389432.3 dan nilai Standard Error senilai
638.61.

diketahui berapa nilai untuk forecast yaitu sebesar 2555 unit, periode ke-2
unit, periode ke-5 sebesar 2630unit, periode ke-6 sebesar 2649 unit, periode ke-7
ke-12 sebesar 2762 unit dan nilai next period forecast sebesar 2781 unit. Total
nilai time sebesar 78 dengan rata – rata 6,5. Untuk nilai x² periode ke-1 sebesar
1 unit, periode ke-2 sebesar 4 unit, periode ke-3 sebesar 9 unit, periode ke- 4
sebesar 16 unit, periode ke-5 sebesar 25 unit, periode ke-6 sebesar 36 unit,
periode ke-7 sebesar 49 unit, periode ke-8 sebesar 64 unit, periode ke-9 sebesar
46
81 unit, periode ke-10 sebesar 100 unit, periode ke-11 sebesar 121 unit, periode
ke-12 sebesar 144 unit, dengan total sebesar 650. Untuk nilai x²y periode ke-1
ke- 6 sebesar 10200 unit, periode ke-7 sebesar 17500 unit, periode ke-8 sebesar
periode ke-11 sebesar 24200 unit, periode ke-12 sebesar 39000 unit, dengan total
sebesar 210050 unit. Untuk total eror diperoleh sebesar 0 dengan rata - rata
sebesar 0. Untuk total eror mutlak diperoleh sebesar 6886.71 dengan rata - rata
sebesar 573.89. Terakhir untuk nilai total eror kuadrat diperoleh sebesar 4673188
dengan rata – rata 389432.3. Sedangkan untuk nilai standar erornya yaitu sebesar
683.61.
 Grafik Linear Regresi

Forecast terdapat pada titik awal peramalan, yaitusejak pada bulan ke
1dikarena kami tidak menggunakan parameter ukur untuk memeberikan jarak
ataupun rentang.Terlihat di pada hasil pengolahan data terjadi permintaan yang
konstan seperti yang pada grafik metode Linear Regresi. Ini menunjukkan bahwa
ini permintaannya dipengaruhi oleh tren.
3.7. Metode Multiplicative Decomposition

A. Parameter n = 4
POMforWindows untuk pengerjaan metode Multiplicative Decomposition dengan
n = 4 di dapati hasil bahwa Next Periode (Hasil Peramalan) sebesar 2888.23
dengan nilai Bias (Mean Error) sebesar 0.36 diikuti nilai MAD (Mean Absolute
47
Deviation) sebesar 474.76 juga nilai MSE (Mean Squared Error) sebesar
331199.7 dan nilai Standard Error senilai 813.66.

diketahui dengan n = 4 nilai untuk unadjuster forecast periode ke-1 sebesar
2530.87 unit, periode ke-2 sebesar 2554 unit, periode ke-3 sebesar 2577 unit,
sebesar 2649 unit, periode ke-7 sebesar 2670 unit, periode ke- 8 sebesar 2693
11 sebesar 2762 unit, periode ke-12 sebesar 2786 unit. Untuk adjuster forecast
periode ke-1 sebesar 2602.27 unit, periode ke-2 sebesar 2722 unit, periode ke-3
sebesar 2181unit, periode ke-4 sebesar 2755 unit, periode ke-5 sebesar 2698 unit,
sebesar 2853 unit, periode ke-9 sebesar 2793unit, periode ke-10 sebesar 2920
periode ke-11 sebesar 2338 unit, periode ke-12 sebesar 295 unit dan nilai next
period forecast sebesar 2888 unit. Untuk total eror diperoleh sebesar 4.34 dengan
rata - rata sebesar 0.36. Untuk total eror mutlak diperoleh sebesar 5967.1 dengan
rata - rata sebesar 474.76. Terakhir untuk nilai total eror kuadrat diperoleh
sebesar 3974396 dengan rata - rata 331199.7. Sedangkan untuk nilai standar
erornya yaitu sebesar 813.88.
 Grafik Multiplicative Decomposition

Di dalam metode ini tetapi terdapat smoothing data dan factor tren di
dalamnya. Dimana garis tren tersebut seiring dengan data forecast yang berarti
factor tren berpengaruh di dalamya. Tak hanya itu saja, smooth data juga
berhimpitan dengan data autentik, dimana berarti kedua data tersebut saling
berpengaruh satu sama lainnya. Yang terdapat pada titik awal peramalan,
48
yaitusejak pada bulan ke 1dikarena kami tidak menggunakan parameter ukur

untuk memberikan jarak ataupun rentang.Terlihat di pada hasil pengolahan di
atas bahwa terjadi permintaan yang naik turun di setiap periodenya. Ini
menunjukkan bahwa faktor musiman mempengaruhi dalam metode ini.
B. Parameter = 5
Windows untuk pengerjaan metode Multiplicative Decomposition dengan n = 5
di dapati hasil bahwa Next Periode (Hasil Peramalan) sebesar 2149.17 dengan
nilai Bias (Mean Error) sebesar 6.94 diikuti nilai MAD (Mean Absolute
Deviation) sebesar 274.55 juga nilai MSE (Mean Squared Error) sebesar
114217.6 dan nilai Standard Error senilai 523.57.

diketahui dengan n = 5 nilai untuk unadjusted forecast periode ke-1 sebesar
2833unit, periode ke-2 sebesar 2830 unit, periode ke-3 sebesar 2827 unit, periode
ke-4 sebesar 2825 unit, periode ke-5 sebesar 2822 unit, periode ke-6 sebesar
2819 unit, periode ke-7 sebesar 2817 unit, periode ke- 8 sebesar 2814 unit,
sebesar 2806 unit, periode ke-12 sebesar 2803 unit. Untuk adjusted forecast
periode ke-11 sebesar 1923 unit, periode ke-12 sebesar 2826 unit dan nilai next
period forecast sebesar 2149 unit. Untuk total eror diperoleh sebesar -83.33
49
dengan rata - rata sebesar - 6.94. Untuk total eror mutlak diperoleh sebesar
3294.64 dengan rata - rata sebesar 274.55. Terakhir untuk nilai total eror kuadrat
diperoleh sebesar 1370611.0 dengan rata - rata 114217.6. Sedangkan untuk nilai
standar erornya yaitu sebesar 523.57.
 Grafik Multiplicative Decomposition

Di dalam metode ini tetapi terdapat smoothing data dan factor tren di
dalamnya. Dimana garis tren tersebut seiring dengan data forecast yang berarti
factor tren berpengaruh di dalamya. Tak hanya itu saja, smooth data juga
berhimpitan dengan data autentik, dimana berarti kedua data tersebut saling
berpengaruh satu sama lainnya. Yang terdapat pada titik awal peramalan,
yaitusejak pada bulan ke 1dikarena kami tidak menggunakan parameter ukur
untuk memberikan jarak ataupun rentang.Terlihat di pada hasil pengolahan di
atas bahwa terjadi permintaan yang naik turun di setiap periodenya. Ini
menunjukkan bahwa faktor musiman mempengaruhi dalam metode ini.
3.8. Metode Additive Decomposition

A. Parameter n = 3
Darihasil pengolahan data di atas dengan menggunakan software
POMforWindows untuk pengerjaan metode Additive Decomposition dengan n =
3 di dapati hasil bahwa Next Periode (Hasil Peramalan) sebesar 3290.15 dengan
nilai Bias (Mean Error) sebesar 0 diikuti nilai MAD (Mean Absolute Deviation)
sebesar 574.23 juga nilai MSE (Mean Squared Error) sebesar 434869.3, dan
nilai Standard Error senilai 863.42.
50

2417.31 unit, periode ke-2 sebesar 2458 unit, periode ke-3 sebesar 2499 unit,
11 sebesar 2825 unit, periode ke-12 sebesar 2866 unit. Untuk adjusted forecast
unit, periode ke-11 sebesar 2892 unit, periode ke-12 sebesar 2466 unit dan pada
nilai next period forecast sebesar 3290 unit. Untuk total eror diperoleh sebesar 0
dengan rata - rata sebesar 0. Untuk total eror mutlak diperoleh sebesar 6890.79
dengan rata - rata sebesar 574.23. Terakhir untuk nilai total eror kuadrat
diperoleh sebesar 434869.3 dengan rata - rata 112410.4. Sedangkan untuk nilai
.
 Grafik Additive Decomposition
Tak jauh beda dengan metode Multiplicative Decomposition. Terlihat di
pada hasil pengolahan di atas bahwa terjadi permintaan yang naik turun di setiap
periodenya. Ini menunjukkan bahwa faktor musiman mempengaruhi dalam
metode ini.
51
B. Parameter n = 5
Darihasil pengolahan data di atas dengan menggunakan software
POMforWindows untuk pengerjaan metode Additive Decomposition dengan n =
5 di dapati hasil bahwa Next Periode (Hasil Peramalan) sebesar 2144 dengan
nilai Bias (Mean Error) sebesar 0 diikuti nilai MAD (Mean Absolute Deviation)
sebesar 256.76 juga nilai MSE (Mean Squared Error) sebesar 112410.4, dan
nilai Standard Error senilai 519.41.
2813.91 unit, periode ke-2 sebesar 2809.71 unit, periode ke-3 sebesar 2850.52
unit, periode ke-4 sebesar 2801.32unit, periode ke-5 sebesar 2797.13 unit,
periode ke-6 sebesar 2792.93 unit, periode ke-7 sebesar 2788.74 unit, periode
ke-8 sebesar 2784.54 unit, periode ke-9 sebesar 2780.34 unit, periode ke-10
sebesar 2776.15 unit, periode ke-11 sebesar 2771.95 unit, periode ke-12 sebesar
2767.76 unit. Untuk adjusted forecast periode ke-1 sebesar 2033.91 unit, periode
ke-2 sebesar 2829.71 unit, periode ke-3 sebesar 2185.52 unit, periode ke-4
sebesar 3336.32 unit, periode ke-5 3227.13 unit, periode ke-6 sebesar 2012.93
unit, periode ke-7 sebesar 2808.74 unit, periode ke-8 sebesar 2164.54 unit,
periode ke-9 sebesar 3315.34 unit, periode ke-10 sebesar 3206.15 unit, periode
ke-11 sebesar 1991.95 unit, periode ke-12 sebesar 2787.76 unit dan pada nilai
next period forecast sebesar 2143.56 unit. Untuk total eror diperoleh sebesar 0
dengan rata - rata sebesar 0. Untuk total eror mutlak diperoleh sebesar 3081.15
dengan rata - rata sebesar 256.76. Terakhir untuk nilai total eror kuadrat
diperoleh sebesar 1348924 dengan rata - rata 112410.4. Sedangkan untuk nilai
.
52
 Grafik Additive Decomposition

Tak jauh beda dengan metode Multiplicative Decomposition. Terlihat di
pada hasil pengolahan di atas bahwa terjadi permintaan yang naik turun di setiap
periodenya. Ini menunjukkan bahwa faktor musiman mempengaruhi dalam
metode ini.
53
4. Analisa Perbandingan Kedelapan Metode
Tabel 3.45 Perbandingan Hasil Dari Masing - Masing Metode
Next
No. Metode Parameter MAD MSE MAPE BIAS
Periode
N=3 2850 540.74 423827.2 0.22 62.96
1 Moving Average
N=5 2750 585.71 413771.4 0.25 -17.14
N=4
W1=0.4
W2=0.2 2977.78 591.67 484899.7 0.25 8.33
W3=0.2
Weight Moving W4=0.4
2
Agerage N=4
W1=0.3
W2=0.2 2995 659.38 556278.1 0.28 26.88
W3=0.2
W4=0.3
Eksponential α=0.3 2777 685.78 637062.5 0.26 235.54

3
smoohting α=0.4 2844 705.25 672929.2 0.27 191.73
α=0.4
3058.66 773.21 892326.6 0.31 62.82
Eksponential β= 0.6
4
smoothinh with trend α=0.5
3094.53 804.37 935548.4 0.32 53.61
β= 0.5
5 Trend analysis 2781.06 573.89 389432.3 0.23 0
6 Linear regression 2781.06 573.89 389432.3 0.23 0
Multiplicative N=4 2888.23 474.76 331199.7 0.2 0.36

7
decompotion N=5 2149.17 274.55 114217.6 0.1 -6.94
Additive N=3 3290.15 574.23 434869.3 0.23 0

8
decomposition N=5 2144 256.76 112410.4 0.09 0
54
Pada analisa perbandingan ini, kita akan melihat dari nilai MAD (Mean Absolute
Deviation) dan MSE (Mean Squared Error) untuk melihat metode mana yang paling
tepat untuk dijadikan solusi optimum yang nantinya digunakan untuk acuan data
dalam melakukan peramalan. Nilai MAD (Mean Absolute Deviation) pada Moving
Average, Weighted Moving Average, Eksponential Smoothing, Eksponential
Smoothing With Trend, Trend Analysis, Liniear Regresy, Multyplicative
Decomposition, dan Addaptive Decomposition berturut-turut adalah sebesar: 540.74,
540.74, 585.71, 591.67, 659.38, 685.78, 705.25, 804.37, 773.21, 804.37, 573.89,
573.89, 474.76, 274.55, 574.23, 256.76 dan Nilai MSE (Mean Squared Error)
sebesar 423827, 413771, 484900, 556278, 637063, 672929, 892327, 935548,
389432, 389432, 389432, 31200, 114218, 434869 dan 112410.
Sehingga dapat dilihat metode yang paling tepat adalah metode Additive
Deceomposition parameter N = 5 karna memiliki nilai performansi kesalahan terkecil
yaitu MAD 256.76, MSE 112410.4, MAPE 0.09, BIAS 0 dan Nilai Periode sebesar
2144.
55
B. Metode Agregat Planning

1. Data
1.1. Data permintaan
Data permintaan untuk bulan ke-13 diperoleh dari hasil peramalan pada
modul sebelumnya.
Tabel 3B.1. Data permintaan per bulan
Bulan 10 11 12 13
Permintaan 3100 3200 3250 2144
1.2. Kapasitas produksi per unit

Waktu produksi / unit = OP 1+OP 2+OP3+OP 4+OP 5+OP 6
= (0.2 + 0.25 + 0.3+ 0.15 + 0.25 + 0.5) jam/unit
= 1.65 Jam/unit
Kapasitas produksi per bulan
▪ Kapasitas produksi dengan waktu normal
= ( Jumlah tenaga kerja x jumlah jam kerja per bulan ) x efisiensi
waktu produksi per unit
(48 x(8 x 26))
=  75%
1.65
= 4538 unit
▪ Kapasitas produksi dengan waktu lembur
= ( Jumlah tenaga kerja x jumlah jam kerja per bulan ) x efisiensi
waktu produksi per unit
(48 x(2 x 26))
=  75%  1135 unit
1.56
▪ Kapasitas Sub Kontrak = 750 unit
56
1.3. Biaya produksi

Biaya Produksi = Biaya Bahan Baku + Biaya Tenaga Kerja
 Biaya Tenaga Kerja
Gaji per bulan
= x kebutuhan jam kerja per unit
Jumlah jam kerja per bulan
▪ Dengan waktu normal
( Rp1.200.000)
Biaya Tenaga Kerja =  1,65 jam / unit
8 jam x 26 hari
= Rp. 9519,23 / unit
Biaya Produksi = Rp. 700.000+ Rp. 9519
= Rp. 709.519
▪ Dengan Waktu Lembur
Biaya Tenaga Kerja = gaji lembur x biaya tenaga kerja pada waktu normal
= 1,5 x Rp 9.519
= Rp. 14.278,85
Biaya Produksi = Rp. 14.278,85 + Rp. 700.000
= Rp. 714.278
▪ Biaya dengan Sub Kontrak
Biaya produksi = Rp. 800.000 / unit
 Biaya persediaan per unit per bulan = Rp. 4.000 / unit / bulan
 Biaya kelebihan persediaan = Rp. 10.500
 Biaya kekurangan persediaan = Rp. 11.000
 Biaya Lost Sales = Rp 8.000 / unit
 Jumlah persediaan pengaman = 500 unit
 Jumlah persedian diakhir periode = 600 unit
57
2. Pengolahan Data Dengan menggunakan software POM for Windows

2.1. Metode Smooth Production ( Average Gross Demand )
▪ Input
Tabel 3B.2. Input Metode Smooth Production ( Average Gross Demand )
▪ Result
Tabel 3B.3. Result Metode Smooth Production ( Average Gross Demand )
▪ Grafik
Gambar 3B .1. Grafik hasil Metode Smooth Production (Average Gross Demand)
58
2.2. Metode Smooth Production ( Average Net Demand )

▪ Input
Tabel 3B.4. Input Metode Smooth Production ( Average Net Demand )
▪ Result
Tabel 3B.5. Result Metode Smooth Production ( Average Net Demand )
▪ Grafik
Gambar 3B.2. Grafik hasilMetode Smooth Production ( Average Net Demand )

59
2.3. Metode Produce to Demand

▪ Input
Tabel 3B.6. Input Metode Produce to Demand
▪ Result
Tabel 3B.7. Result Metode Produce to Demand
▪ Grafik
Gambar 3B.3. Grafik hasilMetode Produce to Demand

60
2.4. Metode Constant Reg Time Then OT

▪ Input
Tabel 3B.8. Input Metode Constant Reg Time Then OT
▪ Result
Tabel 3B.9. Result Metode Constant Reg Time Then OT
▪ Grafik
Gambar 3B.4. Grafik hasilMetode Constant Reg Time Then OT

61
3. Analisa Pada Hasil POM for Windows

3.1. Analisa Kapasitas
Pada hasil perhitungan kapasitas di dapat nilai waktu produksi untuk 1 unit
produk sebesar 1.65jam/unit. Kapasitas per bulan dengan waktu normal sebesar
4538unit/bulan, dengan waktu lembur sebesar 1135 unit/bulan, sedangkan dengan
sub kontrak sebesar 750 unit/bulan. Biaya produksi dengan waktu normal sebesar Rp
709519 dengan waktu lembur sebesar Rp 714.278, sedangkan dengan sub kontrak
sebesar Rp 800.000 per unit. Biaya persediaan per unit sebesar Rp 4.000 /unit/bulan.
Untuk biaya kelebihan sebesar Rp 10.500 sedangkan untuk kekurangan sebesar Rp
11.000. Biaya lost sales sebesar Rp 8.000 Jumlah persediaan pengaman sebesar 500
unit, untuk jumlah persediaan di akhir periode sebesar 600 unit.
3.2. Metode Smooth Production (Average GROOS Demand)

Metode untuk merencanakan produksi berdasarkan rata-rata tingkat permintaan
kotor. Pada analisa ini, kapasitas produksi dengan waktu normal (Reguler time
capacity ) pada periode 10, 11, 12, 13 sebesar 4538, dengan total unit sebesar 18152,
Overtime pada periode 10, 11, 12, 13 sebesar 1135, dengan total unit sebesar 4540,
Subcontrck pada periode 10, 11, 12, 13 sebesar 750, dengan total unit sebesar 3000.
Reguler Time produksi pada periode 10 dan 11 sebesar 2764 pada priode 12 dan 13
sebesar 2673 dengan total unit sebesar 10694
Inventory periode 10, 11, 12, 13 masing-masing sebesar 74, 548, 0, 529 dengan
Initial Inventory sebesar 500 dan total unit sebesar 1151 . Dengan nilai sub total,
biaya produksi pada waktu normal (Reguler time Production) sebesar Rp
7.587.596.000, biaya persediaan (Inventory) sebesar Rp 4.604.000, biaya kelebihan
persediaan (unit increase) sebesar Rp 21.777.000. Sehingga didapat total cost sebesar
Rp 7.614.220.000.
62
3. 3. Metode Smooth Production (Average NET demand)

Metode untuk merencanakan produksi berdasarkan rata-rata tingkat permintaan
bersih. Pada analisa ini, kapasitas produksi dengan waktu normal (Reguler time
capacity) pada periode 10, 11, 12, 13 sebesar 4538, dengan total unit sebesar 18152,
Reguler Time produksi pada periode 10 dan 11 sebesar 2549 pada priode 12 dan 13
sebesar 2548 dengan total unit sebesar 10194
Inventory periode 10, 11, 12, 13 masing-masing sebesar 0, 349, 0 dan 404
dengan Initial Inventory sebesar 500 dan total unit sebesar 753. Dengan nilai sub
total, biaya produksi pada waktu normal (Reguler time production) sebesar Rp
7.232.637.000, biaya persediaan (Inventory) sebesar Rp 3.012.000, biaya kelebihan
persediaan (unit increase) sebesar Rp 20.464.500, Sehingga didapat total cost sebesar
Rp 7.259.556.000.
3.4. Metode Produce to Demand (Let Workforce Vary)

Metode ini merencanakan produksi sesuai besarnya permintaan. Pada analisa
ini, kapasitas produksi dengan waktu normal (Reguler time capacity) pada periode
10, 11, 12, 13 sebesar 2430, dengan total unit sebesar 10194, dengan total unit
sebesar 18152, Overtime pada periode 10, 11, 12, 13 sebesar 1135, dengan total unit
sebesar 4540, Subcontrck pada periode 10, 11, 12, 13 sebesar 750, dengan total unit
sebesar 3000. Reguler Time produksi pada periode 10 sebesar 2600, pada periode 11
sebesar 2200, pada priode 12 sebesar 3250 dan pada periode ke-13 sebesar 2144
dengan total unit sebesar 10194
Dengan nilai sub total, biaya produksi pada waktu normal (Reguler time
Production) sebesar Rp 7.232.837.000, biaya kelebihan persediaan (unit increase)
sebesar Rp 32.025.000, sehingga didapat total cost sebesar Rp 7.281.427.000.
63
3.5. Metode Constand Reg Time, then OT and Sub

Dengan metode ini produksi dilakukan dengan jumlah konstan, dimulai dengan
pengerjaan menggunakan total kapasitas regular time, over time dan yang terakhir
dipertimbangkan adalah sub kontraknya. Pada analisa ini, kapasitas produksi dengan
waktu normal (Reguler time Capacity) pada periode 10, 11, 12, 13 sebesar 18152.
Reguler Time produksi pada periode 10, 11, 12, 13 sebesar 4538 dengan total unit
sebesar 18152.
Dengan nilai sub total, biaya produksi pada waktu normal (Reguler time
Production) sebesar Rp 1.287.919.000, biaya kelebihan persediaan (unit increase)
sebesar Rp 41.349.000. Sehingga didapat total cost sebesar Rp 12.999.490.000.
4. Kesimpulan
Berdasarkan hasil analisa diatas didapati kesimpulan sebagai berikut:
Tabel 3B.11. Perbandingan Total Cost Masing – Masing Metode

Metode Total Cost
Smooth Production ( Average Gross Demand ) Rp. 7.614.220.000
Smooth Production ( Average Net Demand ) Rp. 7.259.556.000
Produce to Demand Rp. 7.281.427.000
Constant Reg Time Then OT Rp. 12.999.480.000
Metode yang paling sesuai digunakan, yaitu metode Smooth Production

(Average Net Demand) OT karena memiliki biaya total terkecil jika dibandingkan
dengan metode lainnya yaitu sebesar Rp. 7.259.556.000. Rencana produksi pada
bulan ke- 10, dan 11sebesar 2549, dan bulan ke-12, dan 13sebesar 2548.
64
C. MPS dan RCCP

1. Data
Data permintaan untuk bulan ke-13 diperoleh dari hasil peramalan pada
modul sebelumnya.
Tabel 3C.1. Data Kapasitas Produksi Tiap OP Kerja
Kapasitas/ OP OP1 OP2 OP3 OP4 OP5 OP6
Jumlah Tenaga Kerja 6 9 9 9 6 9
Jam Kerja Normal/ minggu 48 48 48 48 48 48
Jam Kerja Lembur/ minggu 12 12 12 12 12 12
 Pengolahan Data Dari Hasil Agregat Planning

Melakukan pemilihan hasil agregat planning terbaik guna
merencanakan produksi agregat.
Tabel 3C.2. Rencana Produksi Agregat Untuk Setiap Unit

Rencana Produksi Agregat (unit)
Bulan
Reguler Time Over Time Sub.Contract
10 2549 0 0
11 2549 0 0
12 2548 0 0
13 2548 0 0
Tabel 3C.3. Rasio Produk Untuk Setiap Produk

No Produk Proporsi
1 BMX 20%
2 Fixie 25%
3 Lipat 20%
4 Balap 25%
5 MTB 10%
65
Melakukan Disagregasi Produk dengan cara (Regular Time + Ov. Time) x

Rasio untuk setiap bulan dengan melihat nilai tersebut dari hasil agregat
planning terbaik.
Tabel 3C.4. Desagregasi produk
Jenis Disagregasi Produk Bulan ke-
Proporsi
Sepeda 10 11 12 13
Permintaan total 2549 2549 2548 2548
BMX 20% 509.8 509.8 509.6 509.6
Fixie 25% 637.25 637.25 637 637
Lipat 20% 509.8 509.8 509.6 509.6
Balap 25% 637.25 637.25 637 637
MTB 10% 254.9 254.9 254.8 254.8
Mengidentifikasi kebutuhan kapasitas yang tersedia dari masing masing

stasiun kerja dengan memperhatikan efisiensi pekerja dengan mengasumsikan 1
bulan ada 4 minggu sehingga kita akan mengetahui kapasitas produksi
perusahan PT. BIKE BICYCLE dengan cara mencari :
8  26
 Total jam kerja perminggu =  2496 jam
4
Total jam kerja perminggu x efisiensi kerja
 Untuk 1 diperlukan = waktu produksi perunit
2496  75%
=  1134.5
1.65
Sehingga kita dapat mengidentifikasi kapasitas masing masing OP akan
mempunyai kapasitas yang nantinya akan dijadikan acuan di dalam melakukan
penjadualan produksi:
Tabel 3C.5. Kapasitas Ketersediaan Produksi
Oprasi OP1 OP2 OP3 OP4 OP5 OP6
Kapasitas 1135 1135 1135 1135 1135 1135

66
2. Pengolahan Data Dengan Menggunkan Software Excel

2.1. Input Data
Tabel 3C.6. Data Permintaan dan Perencanaan Agregat

DATA PERMINTAAN
BULAN DEMAND
10 3100
11 2200
12 3250
13 2144
Tabel 3C.7. Data Perencanaan Agregat

AGREGAT PLANNING
Rencana Produksi Agregat (unit)
Bulan Reguler Time Over Time Sub Kontrak
10 2549 0 0
11 2549 0 0
12 2548 0 0
13 2548 0 0
Tabel 3C.8. Data Rasio Produk dan Diagregasi Produk

RASIO PRODUK DISAGREGASI PRODUK
No Produk Proporsi Produk Bulan 10 Bulan 11 Bulan 12 Bulan 13
1 BMX 20% BMX 509.8 509.8 509.6 509.6
2 Fixie 25% Fixie 637.3 637.3 637 637
3 Lipat 20% Lipat 509.8 509.8 509.6 509.6
4 Balap 25% Balap 637.3 637.3 637 637
5 MTB 10% MTB 254.9 254.9 254.8 254.8

67
Tabel 3C.9. Input Data RCCP

Kapasitas Tersedia OP 1 OP 2 OP3 OP4 OP5 OP6
Jml Tenaga Kerja 6 9 9 9 6 9
Jam kerja
48 48 48 48 48 48
normal/org/minggu
Jam kerja
12 12 12 12 12 12
lembur/org/minggu
Effisiensi 0.75 0.75 0.75 0.75 0.75 0.75
Tabel 3C.10. Waktu Standard Tiap Stasiun

Waktu Standar ditiap stasiun kerja
Stasiun Kerja (menit orang)
Kode Produk
OP 1 OP 2 OP 3 OP 4 OP 5 OP 6
BMX 30 25 30 15 25 20
Fixie 10 30 35 30 25 10
Lipat 30 45 30 20 20 35
Balap 25 25 30 35 30 20
MTB 30 35 20 30 35 20
Rata-Rata 25 32 29 26 27 21
2.2. Penyunan MPS
Tabel 3C.11. MPS Bulan 10

MPS Bulan 10
JML
Minggu 1 2 3 4
BMX 215 114 181 510
Fixie 175 160 145 157 637
Lipat 125 130 130 125 510
Balap 155 50 340 92 637
MTB 100 155 255
Jumlah 555 555 884 555
68

MPS Bulan 11
Minggu 5 6 7 8 MPS
BMX 215 181 114 510
Fixie 175 160 157 145 637
Lipat 125 130 125 130 510
Balap 155 50 92 340 637
MTB 100 155 255
Jumlah 555 555 555 884

MPS Bulan 12
Minggu 9 10 11 12 Jml
BMX 114 215 181 510
Fixsi 145 160 175 157 637
Lipat 130 130 125 125 510
Balap 340 50 155 92 637
MTB 155 100 255
Jumlah 884 555 555 555

MPS Bulan 13
Minggu 13 14 15 16 Jml
BMX 215 114 181 510
Fixsi 175 160 145 157 637
Lipat 125 130 130 125 510
Balap 155 50 340 92 637
MTB 100 155 255
Jumlah 555 555 884 555
69
2.3 Penyusunan RCCP
Tabel 3C.15. RCCP Bulan 10

Kebutuhan Minggu
Stasiun Kapasitas
Kerja Tersedia Minggu ke – 1 Minggu ke -2 Minggu ke -3 Minggu ke -4
OP-1 16200 11700 10575 16910 10520
OP-2 24300 12075 11375 16860 11305
OP-3 24300 18500 17725 26425 17640
OP-4 24300 13075 12825 17460 12715
OP-5 16200 15750 16125 23425 16070
OP-6 24300 12700 12025 17510 11930
30000
KAPASITAS
20000 TERSEDIA
Minggu ke - 1
10000 Minggu ke -2
0 Minggu ke -3
OP-1 OP-2 OP-3 OP-4 OP-5 OP-6
Minggu ke -4
Gambar 3C.1. Grafik RCCP Bulan 10

Kebutuhan Minggu
Stasiun Kapasitas
Minggu ke -5 Minggu ke -6 Minggu ke -7 Minggu ke -8
Kerja Tersedia
OP-1 16200 11700 10575 10520 16910
OP-2 24300 12075 11375 11305 16860
OP-3 24300 18500 17725 17640 26425
OP-4 24300 13075 12825 12715 17460
OP-5 16200 15750 16125 16070 23425
OP-6 24300 12700 12025 11930 17510
70
30000
KAPASITAS TERSEDIA
20000 Minggu ke -5
Minggu ke -6
10000 Minggu ke -7
Minggu ke -8
0

Kebutuhan Minggu
Stasiun Kapasitas
Minggu ke -9 Minggu ke -10 Minggu ke -11 Minggu ke -12
Kerja Tersedia
OP-1 16200 16910 10575 11700 10520
OP-2 24300 16860 11375 12075 11305
OP-3 24300 26425 17725 18500 17640
OP-4 24300 17460 12825 13075 12715
OP-5 16200 23425 16125 15750 16070
OP-6 24300 17510 12025 12700 11930
30000
25000 KAPASITAS TERSEDIA
20000 Minggu ke -9
15000 Minggu ke -10
10000 Minggu ke -11
5000
Minggu ke -12
0

71
Kebutuhan Minggu
Stasiun Kapasitas
Kerja Tersedia Minggu ke -13 Minggu ke -14 Minggu ke -15 Minggu ke -16
OP-1 16200 11700 10575 16910 10520
OP-2 24300 12075 11375 16860 11305
OP-3 24300 18500 17725 26425 17640
OP-4 24300 13075 12825 17460 12715
OP-5 16200 15750 16125 23425 16070
OP-6 24300 12700 12025 17510 11930
30000
25000 KAPASITAS TERSEDIA
20000 Minggu ke -13
15000 Minggu ke -14
10000 Minggu ke -15
5000 Minggu ke -16
0
1 2 3 4 5 6
3. Analisis Hasil Excel

3.1 Disagregasi Produk
Pada hasil pengolahan data dengan Excel yang telah dilakukan. Disagregasi
Pada bulan ke 10, untuk pembuatan produk jenis sepeda BMX sebesar 509.8 unit,
Fixsi sebesar 637 unit, Lipat sebesar 510 unit, Balap sebesar 637, MTB sebesar
255 unit. Untuk Disagregasi pada bulan ke 11, bulan 12, bulan 13 mengalami
tingkat produksi yang sama juga, untuk masing-masing produk yaitu untuk produk
jenis sepeda BMX sebesar 510 unit, Fixsi sebesar 637 unit, Lipat sebesar 510 unit,
Balap sebesar 637, MTB sebesar 255 unit.
72
3.2 Master Production Schedule (MPS)

 Bulan 10
MPS bulan 10 untuk produk jenis sepeda BMX dilakukan pada minggu ke-
1memproduksi sebesar 0 unit, Fixsi sebesar 175 unit, Lipat sebesar 125 unit,
Balap sebesar 155, dan MTB sebesar 100. Pada minggu ke-2 BMX sebesar 215
unit, Fixsi sebesar 160, Lipat sebesar 130, dan Balap sebesar 50. pada minggu ke-
3 BMX sebesar 114 unit, Fixsi sebesar 145, Lipat sebesar 130, Balap sebesar 340
dan MTB sebesar 155. pada minggu ke-4 BMX sebesar 181 unit, Fixsi sebesar
157, Lipat sebesar 125 dan Balap sebesar 92.
Jadi, pada minggu ke-1 total sepeda yang di produksi adalah 555 unit. Pada
minggu ke-2 total sepeda yang di produksi adalah 555 unit. Pada minggu ke-3 total
sepeda yang di produksi adalah 884 unit. Pada minggu ke-4 total sepeda yang di
produksi adalah 555 unit.
 Bulan 11
MPS bulan 11 untuk produk jenis sepeda BMX dilakukan pada minggu ke-5
memproduksi sebesar 0 unit, Fixsi sebesar 175 unit, Lipat sebesar 125 unit, Balap
sebesar 155, dan MTB sebesar 100. Pada minggu ke-6 BMX sebesar 215 unit,
Fixsi sebesar 160, Lipat sebesar 130, dan Balap sebesar 50. pada minggu ke-7
BMX sebesar 181 unit, Fixsi sebesar 157, Lipat sebesar 125 dan Balap sebesar 92.
Pada minggu ke-8 BMX sebesar 114 unit, Fixsi sebesar 145, Lipat sebesar 130,
Balap sebesar 340 dan MTB sebesar 155.
73
 Bulan 12
MPS bulan 12 untuk produk jenis sepeda BMX dilakukan pada minggu ke-9
memproduksi sebesar 114 unit, Fixsi sebesar 145, Lipat sebesar 130, Balap
sebesar 340 dan MTB sebesar 155. Pada minggu ke-10 BMX sebesar 215 unit,
Fixsi sebesar 160, Lipat sebesar 130, dan Balap sebesar 50. pada minggu ke-11
sebesar 0 unit, Fixsi sebesar 175 unit, Lipat sebesar 125 unit, Balap sebesar 155,
 Bulan 13
MPS bulan 10 untuk produk jenis sepeda BMX dilakukan pada minggu ke-
1memproduksi sebesar 0 unit, Fixsi sebesar 175 unit, Lipat sebesar 125 unit,
Balap sebesar 155, dan MTB sebesar 100. Pada minggu ke-2 BMX sebesar 215
unit, Fixsi sebesar 160, Lipat sebesar 130, dan Balap sebesar 50. pada minggu ke-
3 BMX sebesar 114 unit, Fixsi sebesar 145, Lipat sebesar 130, Balap sebesar 340
74
3.3. Rough Cut Capacity Planning (RCCP)

 Bulan 10
Bulan ke-10 Kapasitas ketersediaan akan produk dari tiap stasiun kerja mulai
OP-1 sampai OP-6 pada bulan 10 sampi 13 adalah sama yaitu pada OP-1 sebesar
16200 menit, OP-2 sebesar 24300 menit, OP-3 sebesar 24300 menit, OP-4 sebesar
24300 menit, OP-5 sebesar 16200 menit, OP-6 sebesar 24300 menit.
Pada minggu ke-1, OP-1 mempunyai nilai sebesar 11700, Op-2 sebesar 12075
pada Op-3 sebesar 18500, pada Op-4 sebesar 13075 pada Op-5 sebesar 15750 dan
pada Op-6 sebesar 12700. Untuk minggu 1 tidak ada yang melebihi kapasitas
tersedia, sehingga MPS pada minggu 1 dinyatakan layak.
tersedia, sehingga MPS pada minggu 2 dinyatakan layak
pada Op-6 sebesar 17510. pada OP-3 terdapat kekurangan kapasitas sebesar 2125
menit atau 35.42 jam, kebijakan perusahaan adalah melakukan Overtime 2 pekerja
selama 1hari yaitu 4 jam, ditambah Tambahan tenaga kerja 1 orang untuk 4 hari.
Total Hiring dan Overtime yaitu 36 jam sehingga kekurangan kapasitas sebesar
35.42 jam dapat terpenuhi. Pada minggu ke-3, OP-5 terdapat kekurangan kapasitas
sebesar 7275 menit atau 120.42 jam, kebijakan perusahaan adalah melakukan
Tambahan tenaga kerja 2 pekerja selama 7 hari yaitu 118 jam, ditambah 1
pekerja 1 hari yaitu 8 jam ditambah 1 pekerja overtime 1 hari. Total Hiring dan
Overtime yaitu 122 jam sehingga kekurangan kapasitas sebesar 120.43 jam dapat
terpenuhi.
75
 Bulan 11
pada Op-6 sebesar 12700 Untuk minggu 1 tidak ada yang melebihi kapasitas
76
terpenuhi.
 Bulan 12
menit atau 35.42 jam, kebijakan perusahaan adalah melakukan Overtime 2
pekerja selama 1hari yaitu 4 jam, ditambah Tambahan tenaga kerja 1 orang untuk
4 hari. Total Hiring dan Overtime yaitu 36 jam sehingga kekurangan kapasitas
sebesar 35.42 jam dapat terpenuhi. Pada minggu ke-3, OP-5 terdapat kekurangan
kapasitas sebesar 7275 menit atau 120.42 jam, kebijakan perusahaan adalah
melakukan Tambahan tenaga kerja 2 pekerja selama 7 hari yaitu 118 jam,
ditambah 1 pekerja 1 hari yaitu 8 jam ditambah 1 pekerja overtime 1 hari. Total
Hiring dan Overtime yaitu 122 jam sehingga kekurangan kapasitas sebesar
120.43 jam dapat terpenuhi
77
 Bulan 13
Bulan ke-13, Kapasitas ketersediaan akan produk dari tiap stasiun kerja mulai
78
terpenuhi.
4. Kesimpulan
Dari rangkaian penyusunan penjadualan perencanaan produksi didapati
beberapa kesimpulan, yaitu :
a. Disagregasi Pada bulan ke 10, untuk pembuatan produk jenis sepeda

BMX sebesar 509.8 unit, Fixsi sebesar 637.3 unit, Lipat sebesar 509.8
unit, Balap sebesar 637.3, MTB sebesar 254.9 unit. Untuk bulan ke 11, 12
dan 13 sama seperti pada bulan ke 10.
b. Karena kebutuhan perminggu di stasiun kerja OP-1, OP-2, OP-3 OP-4,
OP-5 dan OP-6 pada minggu ke-1, ke-2, sampai minggu ke-16 melebihi
kapasitas yang tersedia, maka stasiun kerja tersebut dikatakan tidak layak.
c. Kapasitas ketersediaan akan produk dari tiap stasiun kerja mulai OP-1
sampai OP-6 pada bulan 10 sampi 13 adalah sama yaitu pada OP-1
sebesar 16200 menit, OP-2 sebesar 24300 menit, OP-3 sebesar 24300 menit,
OP-4 sebesar 24300 menit, OP-5 sebesar 16200 menit, OP-6 sebesar 24300
menit.
d. Untuk memenuhi kekurangan kapsitas yang tersedia maka dilakukan dua
alternatif yaitu overtime dan hiring.
79
D. Lot Sizing
1. Data Permintaan Kebutuhan Ban

Data permintaan kebutuhan roda dihitung berdasarkan tingkat permintaan
sepeda perminggu, untuk 1 unit sepeda memerlukan 2 ban sehingga kebutuhan
Ban selama 16 minggu adalah sebagai berikut :
Tabel 3D.1. Data Permintaan Mingguan
Bulan Minggu MPS sepeda Kebutuhan Ban Total
1 555 2 1110
2 555 2 1110
10
3 884 2 1768
4 555 2 1110
5 555 2 1110
6 555 2 1110
11
7 555 2 1110
8 884 2 1768
9 884 2 1768
10 555 2 1110
12
11 555 2 1110
12 555 2 1110
13 555 2 1110
14 555 2 1110
13
15 884 2 1768
16 555 2 1110
Data biaya
 Biaya pesan = Rp 200.000
 Biaya simpan (Holding Cost) = Rp 80.000 x 5 %
= Rp .4000
 Initial Inventory = 500 unit
80
2. Pengelolahan Data Dengan Menggunakan Software POM for Windows

2.1. Input Data
Tabel 3D.2. Input Data
2.2. Metode Wagner – Whitin

Tabel 3D.3. Output Metode Wagner – Whitin
81
2.3. Metode Lot for Lot

Tabel 3D.4. Output Metode Lot for Lot
2.4. Metode Economic Order Quantity

Tabel 3D.5. Output Metode Economy Order Quantity
82
2.5. Metode Period Order Quantity

Tabel 3D.6. Output Metode Period Order Quantity
2.6. Metode Part Period Balancing

Tabel 3D.7. Output Metode Part Period Balancing
83
3. Analisa
3.1. Perhitungan manual
Permintaan pada minggu ke-1, ke-2, ke-4, ke-5, ke-6, ke-7, ke-10, ke-11,
ke-12, ke-13, ke-14, dan ke-16, sama ialah sebesar 1110 unit, permintaan
minggu Ke-3, ke-8, ke-9 dan ke-15 sama ialah sebesar 1768 unit, Sedangkan
Biaya simpan Rp. 4.000 per unit dan biaya pemesanan sebesar Rp 250.000
setiap kali pemesanan.
3.2. Metode Wagner –Whitin

Pada metode ini didapat nilai total demand sebesar 20392, untuk nilai total
Inventory sebesar 0, untuk nilai total Holding Cost Rp. 0, untuk nilai setup
cost sebesar Rp.4.000.000, untuk nilai average demand sebesar 1274.5.
Dengan total cost sebesar RP. 4.000.000. Jumlah produk yang di buat sesuai
dengan demand (permintaan) yang diterima dari konsumen. Pada minggu ke-1
jumlah pemesanan (order receipt) sebesar 610 unit. Minggu ke 2, 4, 5, 6, 7, 10,
11, 12, 13, 14 dan 16 jumlah pemesanan sama yaitu sebesar 1100 unit. Pada
minggu ke-3, 8, 9, dan 15 jumlah pemesanan sebesar 1768 unit.
3.3. Metode Lot for Lot

Inventory sebesar 0, untuk nilai total Holding Cost Rp.0, untuk nilai setup cost
sebesar Rp.4.000.000,untuk nilai average demand sebesar 1274.5. Dengan
total cost sebesar RP. 4.000.000. Jumlah produk yang di buat sesuai dengan
demand (permintaan) yang diterima dari konsumen. Pada minggu ke-1 jumlah
pemesanan (order receipt) sebesar 610 unit. Minggu ke 2, 4, 5, 6, 7, 10, 11,
12, 13, 14 dan 16 jumlah pemesanan sama yaitu sebesar 1100 unit. Pada
minggu ke-3, 8, 9, dan 15 jumlah pemesanan sebesar 1768 unit
84
3.4. Metode Economic Order Quantity

Pada metode ini didapat nilai total demand sebesar 20392. Untuk average
demand sebesar 1274.5. Untuk nilai total inventory sebesar 3305, untuk nilai
EOQ sebesar 399. Untuk total holding cost sebesar Rp. 13.220.000, untuk
Setup Cost sebesar Rp. 4.000.000, dan total cost sebesar Rp. 17.220.000. Pada
minggu ke 1, 7, 13 dan 16 jumlah pemesanan (order receipts) sama yaitu
sebesar 798 unit. Pada minggu ke 3 dan 8 jumlah pemesanan sama sebesar
1596 unit. Pada minggu ke 2, 4, 5, 6, 10, 11, 12 dan 14 jumlah pemesanan
sama sebesar 1197 unit.
3.5. Metode Order Quantity

Pada metode ini didapat nilai total demand sebesar 20392, untuk nilai
Inventory sebesar 0. Untuk nilai EOQ sebesar 399 untuk nilai POQ sebesar 1.
Untuk nilai Hoding Cost sebesar Rp. 32.000.000. Untuk nilai average
demand sebesar 1274,5. Untuk Setup Cost sebesar Rp. 4.000.000 Dengan
total cost sebesar Rp. 36.000.000. Pada Minggu ke 2, 4, 5, 6, 7, 10, 11, 12,
13, 14 dan 16 jumlah pemesanan sebesar 1110 unit. Minggu ke 3, 8, 9 dan 15
jumlah pemesanan sebesar 1768 unit.
3.6. Metode Part Period Balancing

Inventory sebesar 0, untuk nilai total Holding Cost Rp.0, untuk nilai setup cost
sebesar Rp.4.000.000, untuk nilai average demand sebesar 1274,5. Dengan
total cost sebesar Rp. 4.000.000. Pada metode ini jumlah pemesanan (order
receipt ) per minggu sama dengan metode Wagner-Within.
85
4. Analisa Perbandingan Total Cost
Dari hasil 5 metode Wagner – Whitin, Lot for Lot, Economic Order Quantity,
Period Order Quantity, Part Period Balancing diatas dapat kita bandingkan nilai
total cost dari tiap metode.
Tabel 3D.8. Perbandingan total cost
Total Setup
Metode Total Holding Cost Total cost
Cost
Wagner – Whitin Rp 4.000.000 0 Rp 4.000.000
Lot For Lot Rp 4.000.000 0 Rp 4.000.000
3 Economic Order
Rp 4.000.000 Rp 13.220.000 Rp 17.220.000
Quantity
Period Order Quantity Rp 4.000.000 Rp 32.000.000 Rp 36.000.000
Part Period Balancing Rp 4.000.000 0 Rp 4.000.000
5. Kesimpulan
Dari hasil 5 metode Wagner – Whitin, Lot For Lot, Economic Order Quantity,
Period Order Quantity, Part Period Balancing diatas yang telah dibandingkan dan
telah diperoleh metode yang terpilih adalah Wagner – Whitin, Lot For Lot, dan Part
Period Balancing dengan nilai total setup cost sebesarRp 4.000.000, total holding
cost 0 dan total cost Rp 4.000.000. Karena ada 3 metode yang mempunyai total cost
terkecil yaitu metode Wagner – Whitin, Lot For Lot, Economic Order Quantity,
Period Order Quantity, Part Period Balancing maka dipilih satu metode yaitu
Wagner – Whitin.
Kebijakan pemesanan (order receipts) yaitu Pada minggu ke-1 jumlah
pemesanan (order receipt) sebesar 824 unit. Pada minggu ke-1 jumlah pemesanan
(order receipt) sebesar 610 unit. Minggu ke-2, 4, 5, 6, 7, 10, 11, 12, 13, 14 dan 16
jumlah pemesanan sama yaitu sebesar 1100 unit. Pada minggu ke-3, 8, 9, dan 15
86
E. MRP (Material Requirement Planning)

1. Data
PT. BIKE CYCLE merupakan perusahaan yang memproduksi berbagai
macam sepeda kayuh. Produk unggulan dari perusahaan sepeda ini adalah :
a. Sepeda BMX
b. Sepeda fixie
c. Sepeda lipat
d. Sepeda balap
e. Sepeda MTB
Pada modul ini akan membahas kebutuhan yang akan digunakan material
untuk membuat 1 unit sepeda MTB dengan gambar sepeda di bawah ini:
Gambar 3E.1. Sepeda MTB

87
Tabel 3E.1. Bill of Material

Lead # per Onhand Lot Minimum
Item name Level
time parent inventory size Quantity
Sepeda 0 1 1 100 1 0
Frame 1 1 1 100 1 0
Stem 1 1 1 100 1 0
Hand Grip 1 1 2 100 1 0
Shifer 1 1 2 100 1 0
Break lever 1 1 2 100 1 0
Lampu
1 1 1 100 1 0
penerangan
Rear Shock
1 1 1 100 1 0
Breaker
seat post 1 1 1 100 1 0
bottom breaket 1 1 1 100 1 0
Crank 1 1 1 100 1 0
veleg depan 1 1 1 100 1 0
veleg belakang 1 1 1 100 1 0
Chain 1 1 1 100 1 0
break cabel 1 1 2 100 1 0
water botol 1 1 1 100 1 0
kunci spiral 1 1 1 100 1 0
Frok 2 1 1 100 1 0
Handset 2 1 1 100 1 0
seat clamp 2 1 1 100 1 0
Pedal 2 1 2 100 1 0
hub depan 2 1 1 100 1 0
hub belakang 2 1 1 100 1 0
Handlebar 3 1 1 100 1 0
Sedel 3 1 1 100 1 0
sepoke depan 3 1 32 100 1 0
Spoke belakang 3 1 1 100 1 0
Ban tubles depan 4 1 1 100 1 0
Ban tubes blakang 4 1 1 100 1 0
Rotor depan 5 1 1 100 1 0
Rotor belakang 5 1 1 100 1 0
Break caliper
6 1 1 100 1 0
depan
Break caliper
6 1 1 100 1 0
belakang
Gear 7 1 2 100 2 0
Front Derailleur 8 1 1 100 1 0
Rear Derailleur 9 1 1 100 1 0
Ideal pully 9 1 1 100 1 0
88
Gambar 3E.2. Bagian Bill of Material Sepeda

89
2. Pengolahan Data DenganMenggunakan POM for Windows

2.1. Input Data
Tabel 3E.2. Input Material Requirement Planning
90
2.2. Output Data
Tabel 3E.3. Output Material Requirement Planning Komponen Sepeda Level 0
Tabel 3E.4. Output Material Requirement Planning Komponen Frame Level 1
Tabel 3E.5. Output Material Requirement Planning Komponen Stem Level 1
Tabel 3E.6. Output Material Requirement Planning Komponenn Hand Grip Level 1
91
Tabel 3E.7. Output Material Requirement Planning Komponen Shifer Level 1
Tabel 3E.8. Output Material Requirement Planning Komponen Break Lever Level 1
Tabel 3E.9. Output Material Requirement Planning Komponen Lampu Penerangan Level 1
Tabel 3E.10. Output Material Requirement Planning Komponen Rear Shock Breaker Level 1
Tabel 3E.11. Output Material Requirement Planning Komponen Seat Post Level 1
92
Tabel 3E.12. Output Material Requirement Planning Komponen Bottom Breaket Level 1
Tabel 3E.13. Output Material Requirement Planning Komponen Crank Level 1
Tabel 3E.14. Output Material Requirement Planning Komponen Velg Depan Level 1
Tabel 3E.15. Output Material Requirement Planning Komponen Velg Belakang Level 1
93
Tabel 3E.16. Output Material Requirement Planning Komponen Chain Level 1
Tabel 3E.17. Output Material Requirement Planning Komponen Break Cabel Level 1
Tabel 3E.18. Output Material Requirement Planning Komponen Botol air Level 1
Tabel 3E.19. Output Material Requirement Planning Komponen kunci Sepiral Level 1
Tabel 3E.20. Output Material Requirement Planning Komponen Frok Depan Level 2
94
Tabel 3E.21. Output Material Requirement Planning Komponen Haedset Level 2
Tabel 3E.22. Output Material Requirement Planning Komponen Seat Clamp Level 2
Tabel 3E.23. Output Material Requirement Planning Komponen Pedal Level 2
Tabel 3E.24. Output Material Requirement Planning Komponen Hub Depan Level 2
Tabel 3E.25. Output Material Requirement Planning Komponen Hub Belakang Level 2
95
Tabel 3E.26. Output Material Requirement Planning Komponen Hanlebar Level 3
Tabel 3E.27. Output Material Requirement Planning Komponen Sedel Level 3
Tabel 3E.28. Output Material Requirement Planning Komponen Spoke depan Level 3
Tabel 3E.29. Output Material Requirement Planning Komponen Spoke Blakang Level 3
96
Tabel 3E.30. Output Material Requirement Planning Komponen Ban Tubles depan Level 4
Tabel 3E.31. Output Material Requirement Planning Komponen ban tubles belakang level 4
Tabel 3E.32. Output Material Requirement Planning Komponen Rotor Depan Level 5
Tabel 3E.33. Output Material Requirement Planning Komponen Rotor Belakang Level 5
Tabel 3E.34. Output Material Requirement Planning Komponen Break Caliper depan level 6
97
Tabel 3E.35. Output Material Requirement Planning Komponen Break Blakang Level 6
Tabel 3E.36. Output Material Requirement Planning Komponen Gear Level 7
Tabel 3E.37. Output Material Requirement Planning Komponen Front Derailur Level 8
Tabel 3E.38. Output Material Requirement Planning Komponen Rear Derailueur Level 9
Tabel 3E.39. Output Material Requirement Planning Komponen Ideal pully Level 9
98
Tabel 3E.40 Rekapitulasi Hasil Order Release MRP

Order relize
Level Nama Item
Pd0 Pd1 Pd2 Pd3 Pd4 Pd5 Pd6 Pd7 Pd8 Pd9 Pd10 Pd11 Pd12 Pd13 Pd14 Pd 15 Pd16
0 Sepeda 155 100 155 155 100 100 155
1 Frame 55 100 155 155 100 100 155
1 Stem 55 100 155 155 100 100 155
1 Hand Grip 210 200 310 310 200 200 310
1 Shifter 210 200 310 310 200 200 310
1 Break Lever 210 200 310 310 200 200 310
1 Lampu penerangan 55 100 155 155 100 100 155
1 Rear Shock Breaker 55 100 155 155 100 100 155
1 Seat Post 55 100 155 155 100 100 155
1 Bottom breaket 55 100 155 155 100 100 155
1 Crank 55 100 155 155 100 100 155
1 Velg depan 55 100 155 155 100 100 155
1 Veleg belakang 55 100 155 155 100 100 155
1 Chain 55 100 155 155 100 100 155
1 Break cabel 210 200 310 310 200 200 310
1 Water bottol 55 100 155 155 100 100 155
1 Kunci spiral 55 100 155 155 100 100 155
2 Fork depan 55 155 155 100 100 155
2 Headset 55 155 155 100 100 155
2 Seat clam 55 155 155 100 100 155
2 Pedal 10 200 310 310 200 200 310
2 Hub depan 55 155 155 100 100 155
2 Hub belakang 55 155 155 100 100 155
3 Handel bar 110 155 100 100 155
3 Sedel 110 155 100 100 155
3 Spoke depan 1660 4960 4960 3200 3200 4960
3 Spoke belakang 1660 4960 4960 3200 3200 4960
4 Ban tubles depan 1560 4960 4960 3200 3200 4960
4 Ban tubles belakang 1560 4960 4960 3200 3200 4960
5 Rotor depan 4860 4960 3200 3200 4960
5 Rotor Belakang 4860 4960 3200 3200 4960
6 Break caliper depan 4760 4960 3200 3200 4960
6 Break caliper 4760 4960 3200 3200 4960
belakang
7 Gear 9420 9920 6400 5400 9920
8 Front deliluer 9820 6400 6400 9920
9 Rear deliluer 5300 6400 9920
9 Ideal Pully 5300 6400 9920
99
2.3. Analisa Per Komponen

Berdasarkan hasil running software diatas kemudian dilakukan analisa sebagai
berikut:
1. Pada periode 0, dilakukan pemesanan item, yaitu pedal (10), ban tubles depan
(1560), ban tubles belakang (1560), gear (9420) dan front deliluer (9820).
2. Pada periode 1, dilakukan pemesanan item, yaitu frame (55), stem (55), hand
grip (210), shifter (210), brake lever (210), lampu penerangan (55), rear
shockbreaker (55), seat post (55), bottom braket (55), crank (55), velg depan
(55), velg belakang (55), chain (55), brake cable (210), water botle (55), kunci
spiral (55), spoke depan (1660), spoke belakang (1660), break caliper depan
(4760), break caliper belakang (4760), gear (9920), rear draileur (5300), dan
idler pulley (530).
3. Pada periode 2, dilakukan pemesanan item, yaitu sepeda (155) , fork depan
(55), headset (55), seat clamp (55), pedal (200), hub depan (55), hub
belakang(55). rotor depan (4860), rotor belakang (4860), break caliper depan
(4960), break caliper belakang (4960) dan front deliliuer (6400).
4. Pada periode 3, dilakukan pemesanan item, yaitu frame (178), stem (476),
hand grip (476), shifter (298), brake lever (476), lampu penerangan (178), rear
shockbreaker (178), seat post (178), bottom braket (178), crank (178), velg
depan (178), velg belakang (178), chain (178), brake cable (1072), water botle
(178), kunci spiral (178), rotor depan (9416), rotor belakang (9416), rear
draileur (8952), dan idler pulley (8952).
5. Pada periode 4, dilakukan pemesanan item, yaitu sepeda (100), handlebar
(110), kunci sepiral (110), spoke depan (4960), spoke belakang (4960), ban
tubeless depan(4960), ban tubeless belakang(4960), break caliper depan
(3200), break caliper belakang (3200), front draileur (6400).
6. Pada periode 5, dilakukan pemesanan item, yaitu fork depan (155), headset
(155), seat clamp (155), pedal (310), hub depan (155), hub belakang (155),
100
handlebar (155), sedel (155), spoke depan (4960), spoke belakang (4960),
rotor depan (3200), rotor belakang (3200), gear (5400), rear deliliuer (9920)
dan front delilier (9920).
(155), kunci spiral (155), fork depan (155), headset (155), seat clamp (155),
pedal (310), hub depan (155), hub belakang (155), ban tubles depan (3200),
ban tubles belakang (3200), break caliper depan (3200), break caliper
belakang (3200), front deliluer (9920).
8. Pada periode 7, dilakukan pemesanan item, yaitu sepeda (155), frame (155),
stem (155), hand grip (310), shifter (310), brake lever (310), lampu
penerangan (155), rear shockbreaker (155), seat post (155), bottom braket
(155), crank (155), velg depan (155), velg belakang (155), chain (155), brake
cable (310), water botle (155), kunci spiral (155), handlebar (100), kunci
sepiral (100), spoke depan (3200), spoke belakang (3200), rotor depan (3200),
rotor belakang (3200), gear (9920).
9. Pada periode 8, dilakukan pemesanan item, yaitu sepeda (155), fork depan
belakang (100), ban tubeless depan(3200), ban tubeless belakang (3200).
break caliper depan (4960), break caliper belakang (4960).
(100), kunci spiral (100), handlebar (100), sedel (100), spoke depan (3200),
spoke belakang (3200), rotor depan (4960), rotor belakang (4960).
101
belakang (100), ban tubeless depan(4960), ban tubeless belakang (4960).
(100), kunci spiral (100), handlebar (155), sedel (155), spoke depan (4960),
spoke belakang (4960).
belakang (155).
(155), kunci spiral (155),
15. Pada periode 14 dilakukan pemesanan item, yaitu sepeda (155).
16. Pada periode 15, tidak melakukan pemesanan.
17. Pada periode 16, tidak melakukan pemesanan.
 Sepeda (0)
Sepeda MTB level 0 pada minggu ke-1 total kebutuhan (Total Requitment)
sebesar 100 unit. Sedangkan item sepeda MTB memeiliki persedian ditangan (On
Hand) sebesar 100 unit. Persedian tersebut digunakan untuk memenuhi kebutuhan
pada minggu ke 2. Pada minggu ke 3 total kebutuhan sebesar 155 unit. Dan
persediaan ditangan sebesar 0 sehingga karena tidak ada persediaan untuk
memenuhui kebutuhan tersebut maka dilakukan pemesanan (POR) pada priode ke-
2 sebesar 155. Pada minggu ke-5 total kebutuhan sebesar 100 unit. Dan persediaan
102
ditangan sebesar 0 sehingga karena tidak ada persediaan untuk memenuhui

kebutuhan tersebut maka dilakukan pemesanan (POR) pada priode ke-4 sebesar
100. Pada minggu ke-8 total kebutuhan sebesar 155 unit. Dan persediaan ditangan
sebesar 0 sehingga karena tidak ada persediaan untuk memenuhui kebutuhan
tersebut maka dilakukan pemesanan (POR) pada priode ke 7 sebesar 155. Pada
minggu ke-9 total kebutuhan sebesar 155 unit. Dan persediaan ditangan sebesar 0
sehingga karena tidak ada persediaan untuk memenuhui kebutuhan tersebut maka
dilakukan pemesanan (POR) pada priode ke 8 sebesar 155. Pada minggu ke-11
total kebutuhan sebesar 100 unit. Dan persediaan ditangan sebesar 0 sehingga
karena tidak ada persediaan untuk memenuhui kebutuhan tersebut maka dilakukan
pemesanan (POR) pada priode ke-10 sebesar 100. Pada minggu ke-13 total
kebutuhan sebesar 100 unit. Dan persediaan ditangan sebesar 0 sehingga karena
tidak ada persediaan untuk memenuhui kebutuhan tersebut maka dilakukan
pemesanan (POR) pada priode ke-12sebesar 100. Pada minggu ke-15 total
pemesanan (POR) pada priode ke-14 sebesar 155.
 Frame (1)
pada minggu ke 2 Akan tetapi karena masih kurang kebutuhan sebesar 55 maka
dilakukan pemesanan (POR) pada priode ke-1 sebesar 55. Pada minggu ke-4total
103
pemesanan (POR) pada priode ke 6 sebesar 155. Pada minggu ke-9 total
pemesanan (POR) pada priode ke 7 sebesar 155. Pada minggu ke-10 total
 Stem (1)
pemesanan (POR) pada priode ke-3 sebesar 100. Pada minggu ke-7 total kebutuhan
sebesar 155 unit. Dan persediaan ditangan sebesar 0 sehingga karena tidak ada
persediaan untuk memenuhui kebutuhan tersebut maka dilakukan pemesanan (POR)
pada priode ke 6 sebesar 155. Pada minggu ke-9 total kebutuhan sebesar 155 unit.
104
Dan persediaan ditangan sebesar 0 sehingga karena tidak ada persediaan untuk
memenuhui kebutuhan tersebut maka dilakukan pemesanan (POR) pada priode ke 7
sebesar 155. Pada minggu ke-10 total kebutuhan sebesar 100 unit. Dan persediaan
kebutuhan tersebut maka dilakukan pemesanan (POR) pada priode ke-9 sebesar 100.
Pada minggu ke-12 total kebutuhan sebesar 100 unit. Dan persediaan ditangan
sebesar 0 sehingga karena tidak ada persediaan untuk memenuhui kebutuhan tersebut
maka dilakukan pemesanan (POR) pada priode ke-11 sebesar 100. Pada minggu ke-
14 total kebutuhan sebesar 155 unit. Dan persediaan ditangan sebesar 0 sehingga
 Handgrip (1)
pada minggu ke 2. Akan tetapi karena masih kurang kebutuhan sebesar 210 maka
dilakukan pemesanan (POR) pada priode ke-1 sebesar 210. Pada minggu ke 4 total
pada priode ke-6 sebesar 310. Pada minggu ke-8 total kebutuhan sebesar 310 unit.
105
kebutuhan tersebut maka dilakukan pemesanan (POR) pada priode ke 9 sebesar 200.
 3.5 Shifer (1)

106
 Break Lever (1)

107
 Lampu Penerangan (1)

 Rear shock Breaker (1)

108
 Seat Post (1)
109
 Bottom Breaket (1)

110

 Crank (1)
111
 Velg Depan (1)

112
 Velg Belakang (1)

 Chain (1)
113
 Break Cabel (1)

114
 Bottol Air (1)

115
pemesanan (POR) pada priode ke-13 sebesar 155
 Kunci Spiral (1)

116
 Frok Depan (2)

pada minggu ke 2 karena persediaan masih sebanyak 45 maka akan digunakan pada
minggu ke 3 yang mempunyai permintaan sebesar 100, akan tetapi karena persediaan
masih kurang sebesar 55 maka dilakukan pemesanan (POR) pada priode ke-2
Pada minggu ke-7 total kebutuhan sebesar 155 unit. Dan persediaan ditangan sebesar
0 sehingga karena tidak ada persediaan untuk memenuhui kebutuhan tersebut maka
dilakukan pemesanan (POR) pada priode ke 6 sebesar 155. Pada minggu ke-9 total
pemesanan (POR) pada priode ke 8 sebesar 100. Pada minggu ke-11 total kebutuhan
117
12 sebesar 155.
 Handset (2)
118
12 sebesar 155.
 Seat Clamp (2)

12 sebesar 155.
 Pedal (2)
119
pada minggu ke 2 akan tetapi karena persediaan masih kurang sebesar 10 maka
dilakukan pemesanan (POR) pada priode ke-0 sebesar 10. Pada minggu ke-3 total
3.22 Hub Depan (2)
120
12 sebesar 155.
 Hub Belakang (2)

121
12 sebesar 155.
 Handlebar (3)
122

pada priode ke-11 sebesar 155.
 Sedel (3)
 Handlebar (3)
123
 3.27 Spoke depan (3)

pada minggu ke 2 karena persediaan masih kurang sebesar 1600 maka dilakukan
kebutuhan tersebut maka dilakukan pemesanan (POR) pada priode ke 7 sebesar
124
3200. Pada minggu ke-10 total kebutuhan sebesar 3200 unit. Dan persediaan
4960.
 Spoke Belakang (3)

kebutuhan tersebut maka dilakukan pemesanan (POR) pada priode ke 7 sebesar
125
4960.
 Ban Tubles Depan (4)

pemesanan (POR) pada priode ke01 sebesar 1560. Pada minggu ke-4 total kebutuhan
11total kebutuhan sebesar 4960 unit. Dan persediaan ditangan sebesar 0 sehingga
 Ban Tubles Belakang (4)

126
pemesanan (POR) pada priode ke01 sebesar 1560. Pada minggu ke-4 total kebutuhan
11total kebutuhan sebesar 4960 unit. Dan persediaan ditangan sebesar 0 sehingga
 Rotor Depan (5)

pada minggu ke-3 karena persediaan masih kurang sebesar 4860 maka dilakukan
127
4960.
 Rotot Belakang (5)

Hand ) sebesar 100 unit. Persedian tersebut digunakan untuk memenuhi kebutuhan
4960.
 Break Caliper Depan (6)

128
memenuhui kebutuhan tersebut maka dilakukan pemesanan (POR) pada priode ke-4
maka dilakukan pemesanan (POR) pada priode ke-8 sebesar 4960.
 Break Caliper Belakang (6)

129
 Gear (7)
 Front Derailuer (8)

130
9920.
 Rear Derailuer (9)

sebesar 9920.
4. Analisa dari masing-masing komponen

131
Pada periode 1, dilakukanpemesanan item yaitu, Sepeda (129), Stang (1258),

Spacer (1258), Handl & grip (2616), Shifer + rem (1258), Garpu (2616), Fork shork
(2616), Ban luar (22400), Ban dalam (22400).
1. Padaperiode 2 dilakukanpemesanan item yaituBonttom braket (16), F Deraileur

(16), Crank (16), Pedal (16), Ruji (14748), Gear sifter (364), R derailear (364).
2. Padaperiode3, dilakukanpemesanan item yaitu, Sepeda (700), Frame (1400), Seat
post (1400), Seat clamp (1400), Stang (58), Spacer (58), Hand & grip (116),
Sifter +ren (58), Garpu (116),Fork shork (116), Rem depan (2800), Roda (5600),
Hub & freehub (2800), Velg (5600), Ban luar(928), Ban dalam (928).
3. Periode 4, tidakmelakukanpemesanan.Frame (29), Seat post (58), Seat clamp
(58),Sadle (1358), bottom branket (2800), f draileur (2800),crank (2800), pedal
(2800), chain (1358), Rem depan (116), Roda(232), Hub & freehub (116), Velg
(232), Ruji (358400), Gear sifter (11200), R derailur (11200),
4. Padaperiode 5dilakukanpemesanan item yaitu, Sepeda (700), Stang (1400),
Spacer (1400), Hand & grip (2800), Sifter +ren (1400), Garpu (2800), Fork shork
(2800), Banluar (22400), Ban dalam (22400),
5. Padaperiode 6dilakukanpemesanan item yaitu, Sadle (58), bottom branket (116),
f draileur (116),crank (116), pedal (116), Chain (58), Ruji (14848), Gear sifter
(464), R derailur (464).
6. Padaperiode 7, dilakukanpemesanan item yaitu, Frame (29), Seat post (58), Seat
clamp (58),Sadle (1400), bottom branket (2800), f draileur (2800),crank
(2800),pedal (2800),chain (1400), Rem depan (116),Roda (232), Hub & freehub
(116), Velg (232),Ruji (358400), Gear sifter (11200), R derailur (11200).
7. Periode 8, dilakukanpemesanan item yaitu,Sepeda (29), Frame (700), Seat post
(1400), Seat clamp (1400),Stang (58), Spacer (58),Hand & grip (116), Sifter +ren
(58), Garpu (116), Fork shork (116), Rem depan (2800), Roda (5600), Hub &
freehub (2800), Velg(5600).
132
8. Padaperiode 9dilakukanpemesanan item yaitu, Sepeda (700), Stang (1400),

Spacer (1400), Hand & grip (2800), Sifter +ren (1400), Garpu (2800), Fork shork
(2800).
9. Padaperiode 10 dilakukanpemesanan item yaitu, Sadle (58), bottom branket
(116), f draileur (116), crank (116), pedal (116), chain (58).
10. Padaperiode 11, dilakukanpemesanan item yaitu,Frame (29), Seat post (58), Seat
clamp (58),Sadle (1400), bottom branket (2800), f draileur (2800), crank (2800),
pedal (2800), chain (1400).
11. Periode 12, tidakmelakukanpemesanan, Sepeda (29), Frame (700), Seat post
(1400), Seat clamp (1400).
12. Padaperiode 13dilakukanpemesanan item yaitu, Sepeda (70
4. Kesimpulan
Dari keseluruhan pengumpulan dan pengolahan data baik itu manual maupun
dengan software POM for Window sserta keseluruhan analisa, kita peroleh beberapa
kesimpulan yaitu :
1. Untuk melakukan pemesanan akan suatu komponen, berpacu dari data Order
Release sehingga kita tahu berapa banyak komponen yang kita butuhkan untuk
pembuatan satu produk lampu.
2. Jika suatu perusahaan menggunakan lead time sebesar 1, artinya perusahaan
tersebut dalam pemenuhan kebutuhan pada suatu periode, akan melakukan
pemesanan (Order Release) pada periode sebelumnya.
3. Karena ada pemesanan atau order Release yang jatuh pada priode O atau
sebelumnya maka perlu dilakukan pengendalian penjadwalan ulang.
133
BAB IV
KESIMPULAN DAN SARAN
4.1 Kesimpulan
 Metode Forecasting
Metode Multiplicatipe Decomposition dengan N = 5, karena dari ke-4
performansi kesalahan metode tersebut banyak mengandung nilai terkecil dari
metode yang lain. Performansi kesalahan tersebut adalah metode Additive
Deceomposition dengan parameter N = 4 karna memiliki nilai performansi kesalahan
terkecil yaitu MAD 256.76, MSE 112410.4, MAPE 0.09, BIAS 0. Adapun Next
priodenya adalah 2144
 Agregat Planning
Metode yang paling sesuai digunakan, yaitu metode Smooth Produksi (
Average NET demond ) OT karena memiliki biaya total terkecil jika
dibandingkan dengan metode lainnya yaitu sebesar Rp. 7.259.556.000 .
 MPS dan RCCP
Dari rangkaian penyusunan penjadualan perencanaan produksi didapati
beberapa kesimpulan, yaitu :
a. Disagregasi Pada bulan ke 10, untuk pembuatan produk jenis sepeda BMX
sebesar 510 unit, Fixsi sebesar 637 unit, Lipat sebesar 510 unit, Balap
sebesar 637, MTB sebesar 255 unit. Untuk bulan ke 11, 12 dan 13 sama
seperti pada bulan ke 10.
b. Karena kebutuhan perminggu di stasiun kerja OP-1, OP-2, OP-3 OP-4,
OP-5 dan OP-6 pada minggu ke-1sampai minggu ke-16 yang melebihi
kapasitas yang tersedia pada minggu ke 3,8,9 dan14 , maka stasiun kerja
tersebut dikatakan tidak layak.
c. Kapasitas ketersediaan akan produk dari tiap stasiun kerja mulai OP-1
sampai OP-6 pada bulan 10 sampi 13 adalah sama yaitu pada OP-1
sebesar 16200 menit, OP-2 sebesar 24300 menit, OP-3 sebesar 24300
134
menit, OP-4 sebesar 24300 menit, OP-5 sebesar 16200 menit, OP-6
sebesar 24300 menit.
d. Untuk memenuhi kekurangan kapsitas yang tersedia maka dilakukan dua
alternatif yaitu overtime dan hiring.
 Lot Sizing
Metode yang terpilih adalah Wagner – Whitin, dengan nilai total setup cost
sebesar Rp 4.000.000, total holding cost 0 dan total cost Rp 4.000.000.
Kebijakan pemesanan (order receipts) yaitu Pada minggu ke-1 jumlah pemesanan
(order receipt) sebesar 824 unit. Pada minggu ke-1 jumlah pemesanan (order
receipt) sebesar 610 unit. Minggu ke-2, 4, 5, 6, 7, 10, 11, 12, 13, 14 dan 16
jumlah pemesanan sama yaitu sebesar 1100 unit. Pada minggu ke-3, 8, 9, dan 15
 Material Requirement Planning (MRP)

Dari keseluruhan pengumpulan dan pengolahan data baik itu manual
maupun dengan software POM for Windows serta keseluruhan analisa, kita
peroleh beberapa kesimpulan yaitu :
1. Untuk melakukan pemesanan akan suatu komponen, berpacu dari data
Order Release sehingga kita tahu berapa banyak komponen yang kita
butuhkan untuk pembuatan satu produk lampu.
2. Jika suatu perusahaan menggunakan lead time sebesar 1, artinya
perusahaan tersebut dalam pemenuhan kebutuhan pada suatu periode, akan
melakukan pemesanan (Order Release) pada periode sebelumnya.
3. Karena ada pemesanan atau order Release yang jatuh pada priode O atau
sebelumnya maka perlu dilakukan pengendalian penjadwalan ulang.
135
4.2. Saran
 Praktikan harus lebih teliti dalam melakukan pengolahan data

 Data yang di gunakan harus tepat
 Dalam forecasting pilih metode yang paling banyak memiliki nilai terkecil
terbanyak pada performansi kesalahan.
 Jika terdapat order release yang jatuh pada periode 0 dan sebelumnya, maka
harus dilakukan rescheduling atau penjadualan ulang.
REFFRENSI
Saputra Candra. 2013 Peraktikum PTI 2. Unissula. Semarag

Laporan Praktikum PTI 3

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Laporan Praktikum PTI 3

Diunggah oleh

Hak Cipta:

Format Tersedia

i

Rahmad Hendri Pramudita 162110567

MuhammadRizky Pandu Afreza 31601200631

1. Athik Dyana Fitriana ………………….

2. Eka Cahya Nugraha ………………….

3. Ratih Sita ………………….

Mohon ma’af jika dalam penyusunan dan pembuatan laporan Praktikum

Semarang, April 2015

4. Analisa Perbandingan Kedelapan Metode ...................................................... 53

2. Pengelolahan Data Dengan Menggunakan Software POM for Windows ....... 80

Gambar 3C.1 Grafik RCCP Bulan 10 ......................................................................... 66

Tabel 2.1 Sepeda BMX ................................................................................................................... 8

Tabel 3A.30 Forecasting Result Linear Regresi............................................................................ 26

Tabel 3C.9 Input Data RCCP ........................................................................................................ 64

1.1 Overview PPIC

Fungsi Planning dalam perusahaan (manufacture) dijalankan oleh bagian PPIC

Setelah melakukan peramalan tersebut, kita melakukan penjadwalan (Agregat

MRP (Material Requitment Planning) berguna untuk menentukan kebutuhan

telah ditetapkan dalam MPS. Master production schedule (MPS) menguraikan

1.2 Definisi Langkah-Langkah Dalam PPIC

2. Metode-metode dalam Peramalan

B. Perencanaan Agregat (Agregat Planning)

horizon waktu antara 2 hingga 12 bulan. Agregat planning sangat berguna

2. Metode-metode dalam Perencanaan Agregat

C. MPS dan RCCP

Pada system MRP, dapat diketahui saat pemesanan material yang

sebanyak 10 unit. Maka perusahaan harus melakukan pemesanan sebanyak

2. Metode-metode dalam Lot Sizing

 Period Order Quantity (POQ)

E. MRP (Material Requirement Planning)

1.3 Rumusan Masalah

2. Bagaimana mencari dan menganalisa hasil dengan menggunakan software POM

1.4 Tujuan Praktikum

1.5 Batasan Masalah

3. Metode yang digunakan dalam Agregat planning meliputiSmooth Production

1.6 Sistematika Penulisan

Agar dapat memperoleh suatu penyusunan dan pembahasan yang sistematis,

PT. BIKE CYCLE merupakan perusahaan yang memproduksi berbagai macam

Perusahaan akan melakukan peramalan (forecasting) permintaan pada beberapa

Berdasarkan rangkaian operasi tersebut maka dalam merencanakan produksi

kapasitas maka akan melakukan pengurangan kapasitas dengan biaya Rp

Perusahaan berencana membuat jadwal pemesanan (Lot Sizing) karena ada

Perusahaan ingin mengetahui kuantitas produksi optimal yang dapat

Dibawah ini adalah sepeda 5 peremintaan konsumen sebagai berikut:

Gambar 2.1. Sepeda BMX Gambar 2.2. Sepeda Fixie

Gambar 2.3. Sepeda Lipat Gambar 2.4. Sepeda Balap

Gambar 2.5. Sepeda MTB

Gambar 3A.1. Ploting Data Permintaan pada PT. BIKE BICYCLE

2. Pengolahan Data Dengan Menggunakan POM for Windows

Tabel 3A.3. Forecasting ResultMoving Averageuntuk n = 3

Tabel 3A.4. Details and Error Analysis Moving Average untuk n = 3

Tabel 3A.6. Forecasting ResultMoving Average untuk n = 5

Tabel 3A.7. Details and Error AnalysisMoving Average untuk n = 5

Gambar 3A.3. Grafik Hasil Pengolahan Dengan Moving Average untuk n = 5

2.2. Metode Weight Moving Average

Tabel 3A.8. Input Data Weight Moving Average

Tabel 3A.10. Details and Error AnalysisWeightMoving Averageuntuk weight

Tabel 3A.11. Input Data Weight Moving Average

Tabel 3A.12. Forecasting Result WeightMoving Average untuk weight 0,3;0,2;0,2;0,3

Tabel 3A.13. Details and Error AnalysisWeightMoving Averageuntuk weight

Tabel 3A.15. Forecasting Result Eksponential Smoothing untuk α = 0.3

Tabel 3A.18. Forecasting Result Eksponential Smoothing untuk α = 0,4

2.4. Metode Exponential Smoothing With Trend

Tabel 3A.20. Input Data Eksponential Smoothing With Trend