Analisis Perencanaan Agregat untuk Meminimumkan Biaya Praduksi di Konveksi

Dominique

Denastri Ginintiya Putri 1), Elisa Yolanda Siahaan2), Nur 3), Fabiola Agata4), Nico Adik Setyawan5)
Program Studi Teknik Industri Fakultas Teknik Universitas Pembangunan Nasional “Veteran” Jakarta
Jalan Limo Cinere, Jakarta Selatan, DKI Jakarta, 16515
E-mail: denastri.17@gmail.com1), elisayolandasiahaan@gmail.com2), nurrizkykafp@gmail.com3),
fabiolaagata99@gmail.com4) , nicoadik99@gmail.com5)

Abstrak
Konveksi “Dominique” adalah salah satu industri konveksi yang memproduksi pakaian gamis Jenis
produksi pada konveksi “Dominique” adalah make to stock. Make to stock adalah membuat suatu produk
akhir untuk persediaan sebelum pesanan konsumen diterima atau dengan kata lain, produk akan dikirim
dari persediaan jika konsumen sudah melakukan pesanan. Tujuan dari penelitian ini adalah untuk
mengetahui usulan terbaik sehingga mampu mengoptimalkan penjualan yang sudah ada menggunakan
Metode Peramalan dan Metode Agregat. Hasil menunjukkan bahwa metode peramalan yang paling baik
adalah metode peramalan Single Moving Average karena mempunyai nilai MAPE yang paling kecil yaitu
0.100470707. Sedangkan untuk perencanaan agregat menggunakan metode Level Strategy, Chase Strategy
dan Mixed Strategy, total cost yang paling rendah adalah metode Chase Strategy yaitu sebesar Rp
828,880,000.

Kata kunci: Konveksi Dominique, Peramalan, Agregat, Make To Stock.

1. Pendahuluan
Pakaian adalah bahan tekstil dan serat yang
digunakan sebagai penutup tubuh. Pakaian adalah
kebutuhan pokok manusia selain makanan dan
tempat berteduh/tempat tinggal (rumah). Konveksi
“Dominique” adalah salah satu industri konveksi
yang berada di Jalan Pademangan 2 Gang 21.
Konveksi yang memproduksi pakaian gamis, tunik,
rajutan, dan semi blazer. Jenis produksi pada
konveksi “Dominique” adalah make to stock. Make
to stock adalah membuat suatu produk akhir untuk
persediaan sebelum pesanan konsumen diterima
atau dengan kata lain, produk akan dikirim dari
persediaan jika konsumen sudah melakukan
pesanan. Permasalahan yang terjadi yaitu kelebihan
produksi dan dapat menghambat perkembangan dan
penjualan sehingga diperlukan adanya model-model
perencanaan produksi yang dapat memberikan solusi
yang optimal. Dengan metode peramalan atau
forecasting (metode untuk memperkirakan suatu
nilai dimasa depan dengan menggunakan data masa
lalu Gasperz (2002) dan perencanaan agregat (suatu
proses perencanaan kuantitas dan pengaturan waktu
(output) untuk jangka waktu menengah sekitar 3
bulan hingga 1 tahun) bertujuan untuk memperbaiki
perkembangan dan penjualan produksi di masa yang
akan mendatang.
2. Tinjauan Pustaka
Tinjauan pustaka yang digunakan dalam
penelitian ini adalah teori yang menjadi landasan
dalam penelitian, selain itu juga melalui referensi
dari jurnal-jurnal nasional.
2.1 Forecasting
Forecasting adalah kegiatan yang bertujuan
untuk meramalkan atau memprediksi segala hal
yang terkait dengan produksi, penawaran,
permintaan, dan penggunaan teknologi dalam
sebuah industri atau usaha. Perkiraan ini pada
akhirnya akan digunakan oleh perusahaan maupun
pihak manajemen operasional untuk membuat
perencanaan terkait kegiatan usaha dalam beberapa
periode tertentu.
Peramalan yang dibuat selalu diupayakan agar
dapat:
a. Meminimumkan pengaruh ketidakpastian
terhadap perusahaan.
b. Peramalan bertujuan mendapatkan peramalan
(Forecast) yang bisa meminimumkan kesalahan
meramal (Forecast Error) yang biasanya diukur
dengan MSE (Mean Squared Error), MAE
 (Mean Absolute Error), dan sebagainya
(Subagyo, 1986).
Peramalan yang baik adalah peramalan yang
dilakukan dengan mengikuti langkah-langkah atau
prosedur penyusunan yang baik yang akan
menentukan kualitas atau mutu dari hasil peramalan
yang disusun. Pada dasarnya ada 3 langkah
peramalan yang penting, yaitu (Assauri,1984):
a. Menganalisa data yang lalu, tahap ini berguna
untuk pola yang terjadi pada masa lalu.
b. Menentukan data yang dipergunakan. Metode
yang baik adalah metode yang memberikan
hasil ramalan yang tidak jauh berbeda dengan
kenyataan yang terjadi.
c. Memproyeksikan data yang lalu dengan
menggunakan metode yang dipergunakan, dan
mempertimbangkan adanya beberapa faktor
perubahan(perubahan kebijakan-kebijakan
yang mungkin terjadi, termasuk perubahan
kebijakan pemerintah, perkembangan potensi
masyarakat (perkembangan teknologi dan
penemuan-penemuan baru).
Langkah-langkah Peramalan Peramalan yang baik
adalah peramalan yang dilakukan dengan mengikuti
langkah-langkah atau prosedur penyusunan yang
baik. Menurut Gaspersz (2005) terdapat 9 langkah
yang harus diperhatikan untuk menjamin efektivitas
dan efisiensi dari sistem peramalan, yaitu:
a. Menentukan tujuan dari peramalan.
b. Memilih item independent demand yang akan
diramalkan.
c. Menentukan horison waktu dari peramalan
(jangka pendek, menengah, atau panjang).
d. Memilih model-model peramalan.
e. Memperoleh data yang dibutuhkan untuk
melakukan peramalan.
f. Validasi model peramalan.
g. Membuat peramalan.
h. Implementasi hasil-hasil peramalan.
i. Memantau keandalan hasil peramalan.
2.2 Perencanaan Agregat
Teknik perencanaan agregat adalah sebuah
metodologi yang dibutuhkan oleh departemen
perencanaan dan pengendalian produksi untuk
membuat jadwal induk. Agregat berarti penjadwalan
dilakukan secara keseluruhan dari semua produk
yang menggunakan sumberdaya terbatas yang sama.
Perencanaan agregat ditujukan agar mendapatkan
utilisasi maksimal sumberdaya manusia dan
peralatan. Proses penetapan tingkat output/kapasitas
produksi secara keseluruhan guna memenuhi tingkat
permintaan yang diperoleh dari peramalan dan
pesanan dengan tujuan meminimalkan total biaya
produksi.
Seperti yang disebutkan sebelumnya,
variabel-variabel penting dalam suatu sistem
produksi adalah persediaan dan tenaga kerja.
Semakin banyak tenaga kerja yang digunakan,
semakin tinggi pula volume output atau jumlah unit
produk yang dapat dihasilkan. Namun jumlah tenaga
kerja yang dibutuhkan tersebut dapat juga
dikonversikan menjadi penambahan waktu kerja
bagi tenaga kerja yang ada atau biasanya disebut
dengan istilah Lembur (OT/Overtime). Oleh karena
itu, jumlah tenaga kerja dan penggunakan waktu
lembur merupakan dua variabel yang saling
berkaitan yang juga dapat digunakan sebagai strategi
dalam perencanaan agregat.
Material yang dapat berupa bahan baku
ataupun bahan pendukung juga merupakan variabel
yang sangat penting dalam proses produksi. Tidak
ada output yang dapat dihasilkan tanpa adanya
material. Oleh karena itu, material harus selalu
dijaga persediaan dan kondisi pemesanannya.
Perencanaan agregat bertujuan untuk
meminimalkan biaya dengan membuat penyesuaian
pada perencanaan di tingkat produksi, tingkat tenaga
kerja, dan tingkat persediaan, serta beberapa
variabel lain yang dapat dikendalikan.
Kombinasi optimal dilakukan dengan langkah-
langkah berikut (Mariaetal., 2011: 156):
1. Pengumpulan (Aggregation)
a. Fokus pada general course of action.
b. Konsisten dengan sasaran dan sasaran
strategis perusahaan.
c. Rencana produksi dan kepegawaian
dikelompokkan menurut pengelompokan
besar, produk serupa, layanan, unit kerja,
dan unit waktu.
2. Kelompok Produk (Product families)
Perusahaan dapat mengelompokkan produk /
layanan ke dalam kelompok besar, dengan tujuan
menghindari terlalu banyak detail dalam tahapan
proses perencanaan.
3. Tenaga Kerja (Labor)
Perusahaan dapat mengklasifikasikan tenaga
kerja dalam beberapa cara (tergantung pada
fleksibilitas tenaga kerja).
4. Waktu (Time)
Waktu perencanaan: jangka menengah, yaitu
antara 3 bulan hingga 18 bulan. Biasanya rencana ini
dilakukan secara bulanan atau triwulanan.
3. Metodologi Penelitian
 Pada penelitian ini metodologi yang digunakan Average.
untuk menjelaskan alur penelitian untuk
Permintaan (Pcs)
memperbaiki perencanaan produksi secara optimal
untuk memenuhi permintaan di masa yang akan 8000
datang. Langkah pertama yaitu pengumpulan 6000
informasi mengenai jenis dan karakter perusahaan, 4000
sistem produksi, data permintaan pada periode 2000
November 2018– Oktober 2019, gaji pokok,
0
inventory cost, kapasitas produksi, dan optimal 1 2 3 4 5 6 7 8 9 10 11 12
kerja. Kedua, pengolahan data permintaan untuk
Periode Demand
peramalan tahun berikutnya dengan forecasting,
kemudian perencanan agregat untuk mengatahui Gambar 1 Pola Horizontal pada Permintaan
biaya produksi terkecil. Terakhir, adalah setelah 4.1.3 Analisa Peramalan Setiap
dilakukan analisis data kemudian memberikan
Metode
perbaikan untuk kepastian jumlah produksi agar
Dari pengolahan data peramalan, diperoleh
sesuai dengan permintaan.
nilai MAPE sebagai berikut.
Tabel 2 MAPE Masing-Masing Metode
4. Hasil dan Pembahasan No. Metode Nilai MAPE
4.1.1 Metode Peramalan 1 Moving Average 0.1044411
4.1.2 Data Permintaan
2 Single Moving 0.100470707
Data permintaan hasil observasi dan
wawancara di konveksi “Dominique” pada produk Average
pakaian gamis bulan Oktober 2018 hingga 3 Weighted Moving 0.101841
November 2019 adalah sebagai berikut.
Average
Tabel 1 Demand Pakaian Gamis
Untuk menentukan metode peramalan yang
Periode Demand
tepat, parameter yang digunakan adalah MAPE. Jika
November ‘18 5472
nilai MAPE mendekati nol artinya tingkat kesalahan
Desember ‘18 6324 semakin kecil, maka metode tersebut yang akan
Januari ‘19 5940 dipilih. Berdasarkan tabel 2, untuk metode Moving
Februari ‘19 4944 Average mempunyai MAPE sebesar 0.1044411,
Maret ‘19 5616 metode Single Moving Average sebesar
0.100470707, metode Weighted Moving Average
April ‘19 5832
sebesar 0.101841. Dengan demikian metode yang
Mei ‘19 7176 dipilih adalah metode Single Moving Average
Juni ‘19 6168 karena mempunyai MAPE yang paling kecil
Juli ‘19 5340 dibandingkan yang lainnya. Hasil peramalan untuk
Agustus ‘19 5832 12 bulan ke depan pada metode Single Moving
September ‘19 5616 Average adalah sebagai berikut:
Tabel 3 Hasil Peramalan Metode Single Moving Average
Oktober ‘19 6408 Periode Demand
Total 70668 November ‘19 5898
Rata-Rata 5889 Desember ‘19 6132
Berdasarkan data permintaan pakaian gamis di Januari ‘20 5442
Februari ‘20 5280
konveksi “Dominique”, hasil plot data menunjukkan
Maret ‘20 5724
distribusi horizontal. Sehingga metode yang akan
April ‘20 6504
digunakan pada peramalan adalah Moving Average, Mei ‘20 6672
Single Moving Average, dan Weighted Moving Juni ‘20 5754
Juli ‘20 5586
Agustus ‘20 5724
September ‘20 6012
Oktober ‘20 6153
Total 70881
 Rata-Rata 5907 6. Kesimpulan
1. Berdasarkan pengolahan data permintaan
4.2 Perencanaan Agregat
atau demand pada pola horizontal maka
4.2.1 Analisa Hasil Perhitungan
Agregat metode yang dipilih adalah Single Moving
Metode yang digunakan untuk perencanaan Average karena mempunyai MAPE yang
agregat adalah Level Strategy, Chase Strategy, dan paling kecil dibandingkan yang lain yaitu
Mixed Strategy. Hasil perhitungan agregat untuk
konveksi “Dominique” adalah sebagai berikut. sebesar 0.100470707.
Tabel 4 Hasil Perhitungan Agregat 2. Hasil peramalan pada metode Single
Metode Total Cost Metode
Moving Average untuk 12 bulan ke depan
Level Level
Rp 832,840,000 yaitu pada bulan November 2019 memiliki
Strategy Strategy
Chase Chase demand 5898, pada bulan Desember 2019
Rp 828,880,000
Strategy Strategy
Mixed Mixed memiliki demand 6132, pada bulan Januari
Rp 832,840,000
Strategy Strategy 2020 memiliki demand 5442, pada bulan
Berdasarkan tabel 4, perhitungan agregat pada Februari 2020 memiliki demand 5280,
Level Strategy dan Mixed Strategy mempunyai total pada bulan Maret 2020 memiliki demand
cost yang sama yaitu sebesar Rp 832,840,000.
5724, pada bulan April 2020 memiliki
Sedangkan untuk metode Chase Strategy total
costnya sebesar Rp 828,880,000. Dengan demikian demand 6504, pada bulan Mei 2020
untuk ke depannya, konveksi “Dominique” memiliki demand 6672, pada bulan Juni
menggunakan metode Chase Strategy yaitu dengan
2020 memiliki demand 5754, pada bulan
tingkat rencana produksi dan jumlah pekerja
fluktuatif. Juli 2020 memiliki demand 5586, pada
Tabel 5 Rencana Produksi untuk 12 bulan ke depan di konveksi bulan Agustus 2020 memiliki demand
“Dominique”
Rencana Kebutuhan 5724, pada bulan September 2020 memiliki
Periode
Produksi TK demand 6012, pada bulan Oktober 2020
November ‘19 6120 17
memiliki demand 6153. Dengan total
Desember ‘19 6480 18
Januari ‘20 5760 16 demand seluruhnya yaitu sebesar 70881
Februari ‘20 5400 15
dan rata-rata demand sebesar 5907.
Maret ‘20 5760 16
April ‘20 6840 19 3. Berdasarkan perngolahan data, total cost
Mei ‘20 6840 19 yang paling rendah adalah metode Chase
Juni ‘20 5760 16
Juli ‘20 5760 16 Strategy yaitu sebesar Rp 828,880,000.
Agustus ‘20 5760 16 Dengan demikian, maka metode yang
September ‘20 6120 17
Oktober ‘20 6480 18 dipilih adalah Chase Strategy yaitu dengan
membuat total rencana produksi dan
5. Usulan Perbaikan jumlah tenaga kerja yang fluktuatif setiap
Adapun usulan perbaikan yang diberikan bulannya.
untuk konveksi “Dominique” adalah
menerapkan metode peramalan dan
Daftar Pustaka
perencanaan agregat untuk produksi ke
depannya, agar dapat meminimumkan cost Atma Luhur. 2013. Judul Ditulis Dengan Fonts
yang timbul dari segi inventory maupun Times New Roman 16 Point Ditebalkan
jumlah tenaga kerja. Ditengah-Tengah Dengan Panjang Maksimum
10 Kata, diakses dari
https://www.atmaluhur.ac.id/wp-
content/uploads/2013/04/Format-jurnal-TI-
Atma-Luhur-29Apr13.pdf, pada 27 November
2019.
Guru Akuntansi. 2019. Pengertian
Perencanaan Agregat, diakses dari
https://guruakuntansi.co.id/perencanaan-
agregat/, pada 26 November 2019.
Ilmu Manajemen Industri. 2018. Pengertian
Perencanaan Agregat Dan Strateginya, diakses
dari
https://ilmumanajemenindustri.com/pengertian
-perencanaan-agregat-aggregate-planning-dan-
strateginya/, pada 26 November 2019.
Novia. 2018. Mengenal Forecasting, Manfaat,
Fungsi, Dan Jenisnya Untuk Kesuksesan Bisnis
Anda, diakses dari
https://www.jurnal.id/id/blog/2018-
forecasting-pengertian-manfaat-fungsi-dan-
jenisnya-bagi-kesuksesan-bisnis/, pada 26
November 2019.
Wardah, Siti dan Iskandar. 2016. Analisis
Peramalan Penjualan Produk Keripik Pisang
Kemasan Bungkus. Tembilahan: Jurnal Teknik
Industri Vol.11, No.3: 135-142.