LA

LAPORAN PRAKTIKUM
PERENCANAAN DAN PENGENDALIAN PRODUKSI
ACARA III
FORECASTING DAN MASTER PRODUCTION SCHEDULE

Disusun oleh:
PLUG: F
Kelompok 2

No. Nama NIM

1. Septia Mahardhika 122190036
2. Muhammad Alaf Anhar Hutama 122190063
3. Marcellus Yurico Hadi Eka Putra 122190090

LABORATORIUM
PERENCANAAN DAN PENGENDALIAN PRODUKSI
PROGRAM STUDI TEKNIK INDUSTRI
JURUSAN TEKNIK INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
YOGYAKARTA
2021
 ACARA III
FORECASTING DAN MASTER PRODUCTION SCHEDULE

3.1 Tujuan Praktikum

Tujuan praktikum pada Acara III adalah:
1. Menentukan metode peramalan terbaik beserta alasan.
2. Meramalkan permintaan menggunakan software peramalan.
3. Membuat Master Production Schedule (MPS).

3.2 Landasan Teori

3.2.1 Perencanaan produksi
Perencanaan produksi dapat didefinisikan sebagai proses untuk
memproduksi barang-barang pada suatu periode tertentu sesuai dengan yang
diramalkan atau dijadwalkan melalui pengorganisasian sumber daya seperti tenaga
kerja, bahan baku, mesin dan peralatan lainnya. Perencanaan produksi menuntut
penaksir atas permintaan produk atau jasa yang diharapkan akan disediakan
perusahaan di masa yang akan datang. Dengan demikian, peramalan merupakan
bagian integral dari perencanaan produksi. (Buffa & Sarin, 1996).
Tujuan dari perencanaan produksi Assauri (2011:128) yaitu: (1) Untuk
mencapai tingkat/level keuntungan (profit) tertentu; (2) Untuk menguasai pasar
tertentu; (3) Untuk mengusahakan supaya perusahaan dapat bekerja pada tingkat
efisiensi tertentu; (4) Untuk memngusahakan dan mempertahankan supaya
pekerjaan dan kesempatan kerja yang sudah ada tetap pada tingkatnya dan
berkembang; (5) Untuk menggunakan dengan sebaik-baiknya (efisien) fasilitas
yang sudah ada pada perusahaan yang bersangkutan.
3.2.2 Peramalan
Forecasting adalah peramalan (perkiraan) mengenai sesuatu yang belum
terjadi (Pangestu S, 1986:1). Peramalan adalah memperkirakan sesuatu pada waktu-
waktu yang akan datang berdasarkan data masa lampau yang dianalisa secara
ilmiah, khususnya menggunakan metode statistika (Supranto, 1984:80).

Laporan Praktikum Perencanaan dan Pengendalian Produksi 2021 III-2

 Peramalan bertujuan mendapatkan hasil yang bisa meminimumkan
kesalahan meramal (forecast error) yang biasanya diukur dengan mean square
error, mean absolute error dan sebagainya (Pangestu S, 1986:3)
Terdapat beberapa metode yang bisa digunakan dalam menghitung
peramalan, dan nilai error yang menentukan mana dari metode tersebut yang paling
mendekati optimal. Dalam penelitian ini, penulis menggunakan 3 metode
peramalan yaitu model moving average, single exponential smoothing dan double
exponential smoothing.
3.2.3 Pola permintaan
Deret waktu mempunyai empat komponen, yaitu: (Baroto, 2006). a) Trend,
yaitu komponen jangka panjang yang mendasari pertumbuhan (atau penurunan)
suatu data runtut waktu. Merupakan pergerakan data sedikit demi sedikit meningkat
atau menurun. b) Siklikal, yaitu suatu pola dalam data yang terjadi setiap beberapa
tahun. fluktuasi atau siklus dari data runtut waktu akibat perubahan kondisi
ekonomi. c) Musiman (seasonal), yaitu pola data yang berulang pada kurun waktu
tertentu. fluktuasi musiman yang sering dijumpai pada data kuartalan,bulanan atau
mingguan. d) Eratik (random) yaitu pola data permintaan dalam jangka Panjang
tidak dapat digambarkan oleh ketiga pola lainnya.
3.2.4 Perencanaan agregat
Perencanaan agregat merupakan perencanaan yang dilakukan dengan
penyesuaian terhadap kemampuan produksi dalam menghadapi permintaan yang
tak tentu dengan melakukan optimasi terhadap penggunaan sumber daya (kapasitas
mesin tersedia, jumlah tenaga kerja, tingkat persediaan yang ditentukan dan
penjadwalannya) sehingga biaya total produksi dapat ditekan seminimal mungkin.
3.4.5 MPS
Jadwal Induk Produksi (JIP) atau Master Production Scheduling (MPS) adalah
penjabaran dari rencana produksi famili produk menjadi produk individu dalam
jumlah dan waktu tertentu. Fungsi dari MPS yaitu melakukan penjadwalan produksi
dan pembelian dari setiap item, salah satu input system MRP, dan sebagai dasar
pemenuhan sumber daya produksi.

Laporan Praktikum Perencanaan dan Pengendalian Produksi 2021 III-3

3.3 Peralatan dan Bahan
Peralatan dan bahan yang digunakan dalam praktikum Acara II adalah
1. Waktu proses, biaya-biaya produksi dan data permintaan masa lalu.
2. Lembar praktikum
3. Alat tulis
4. Microsoft Office (Word dan Excel)
5. Software peramalan

3.4 Prosedur Praktikum

Prosedur praktikum dari Acara III adalah:
1. Menyiapkan semua kebutuhan yang diperlukan, seperti waktu proses,
biaya-biaya produksi dan data permintaan masa lalu. Adapun waktu
proses dinyatakan dalam besaran jam.
2. Jika produk terdiri dari dua jenis, melakukan agregasi terhadap
permintaan yang ada.
3. Merepresentasikan data ke dalam bentuk diagram pencar.
4. Meramalkan permintaan produk mendatang dengan menggunakan
software peramalan pada beberapa alternatif metode.
5. Memilih metode dengan nilai error (MAD, MSE atau MAPE) terkecil.
6. Membuat grafik MRC
a. Menghitung error untuk setiap periode
b. Menghitung MR, BKA dan BKB
Σ|Etn-(Etn-1)|
MR = n-1

BKA = 2,66 x MR
BKB = -2,66 x MR
c. Membuat MRC
7. Melakukan perencanaan agregat.
a. Perencanaan Agregat Berdasarkan Level Produksi
ΣY′
Level Produksi (LP) =
n

Inventory (I) = Kumulatif LP – Kumulatif Y’

Laporan Praktikum Perencanaan dan Pengendalian Produksi 2021 III-4

 Cost = {I – (Imin)} x inventory cost
b. Perencanaan Agregat Berdasarkan Hiring dan Layoff
8. Melakukan penguraian produk famili menjadi produk individual atau
item produk (disagregasi peramalan).
9. Menentukan Master Production Scheduling (MPS).

3.5 Pengumpulan Data

3.5.1 Data Permintaan
Data permintaan dapat dilihat pada table 3.1.
Tabel 3.1 data permintaan obat Molexflu
Periode Permintaan (Unit)
1 744
2 732
3 720
4 720
5 752
6 748
7 724
8 720
9 728
10 720
11 740
12 752
Jumlah 8800
3.5.2 Biaya-biaya Produksi
Berikut biaya-biaya produksi obat Molexflu
a. Biaya Hiring = Rp. 80.000
b. Biaya Layoff = Rp. 60.000
c. Biaya Inventory = Rp. 80

Laporan Praktikum Perencanaan dan Pengendalian Produksi 2021 III-5

3.6 Pengolahan Data
3.6.1 Grafik data historis
Grafik data historis dapat dilihat pada gambar 3.1.
760

750

740

730
Permintaan (Unit)

720

710

700
1 2 3 4 5 6 7 8 9 10 11 12

Gambar 3.1 Grafik Data Historis

3.6.2 Pemilihan Metode Peramalan
Tabel pemilihan metode peramalan dapat dilihat pada tabel 3.2.
Tabel 3.2 Pemilihan metode peramalan
Metode Peramalan MAD MSE MAPE Metode Terpilih
MW 12,364 235,636 1,679
MA 12,364 235,636 1,679
LR
WMA 12,364 235,636 1,679
LR 11,439 157,29 1,557
(Alasan metode peramalan yang digunakan) Metode terpilih adalah metode LR,
karena metode LR merupakan metode dengan tingkat error terkecil. Data hasil
peramalan metode terpilih dapat dilihat pada Tabel 3.3.
Tabel 3.3 Data peramalan metode terpilih
Periode Y'
13 735,152
14 735,431
15 735,711
16 735,991
17 736,271
18 736,550

Laporan Praktikum Perencanaan dan Pengendalian Produksi 2021 III-6

 Tabel 3.3 (Lanjutan)
Periode Y'
19 736,83
20 737,11
21 737,389
22 737,669
23 737,949
24 738,229

Gambar grafik peramalan dengan metode LR dapat dilihat pada gambar 3.2.

Gambar 3.2 Grafik Peramalan

3.6.3 Moving Range Chart
Data perhitungan kesalahan dapat dilihat pada tabel 3.4.
Tabel 3.4 Data Perhitungan Kesalahan
Periode Error (et) Etn – (Etn-1) | Etn – (Etn-1) |
13 12,205 12,205 12,205
14 -7,452 -19,657 19,657
15 -12,354 -4,902 4,902
16 -12,634 -0,28 0,28
17 19,086 31,72 31,72
18 14,806 -4,28 4,28
19 -9,473 -24,279 24,279
20 -13,753 -4,28 4,28

Laporan Praktikum Perencanaan dan Pengendalian Produksi 2021 III-7

 Tabel 3.4 (Lanjutan)
Periode Error (et) Etn – (Etn-1) | Etn – (Etn-1) |
21 -6,033 7,72 7,72
22 -14,312 -8,279 8,279
23 5,408 19,72 19,72
24 17,128 11,72 11,72
Total 149,042

Contoh perhitungan kesalahan (Periode ke-2)

Et14– Et(14-1) = (-7,452) – 12,205 = -19,657

3.6.4 Grafik Moving Range Chart

Berikut merupakan perhitungan BKA dan BKB.
Σ|Et−E(t−1)
MR = n−1

= 13,54927
BKA = +2,66 * MR
= +2,66*13,54927
= 36,04105
BKB = -2,66*MR
= -2,66*13,54927
= -36,04105
Gambar grafik moving range chart dapat dilihat pada gambar 3.3.
40

30

20

10 Error
0 BKA
1 2 3 4 5 6 7 8 9 10 11 12
-10 BKB

-20

-30

-40

Gambar 3.3 Grafik Moving Range Chart

Laporan Praktikum Perencanaan dan Pengendalian Produksi 2021 III-8

3.6.5 Perencanaan Berdasarkan Hiring dan Layoff
Tabel Hiring dan Layoff dapat dilihat pada tabel 3.5
Tabel 3.5 Hiring dan Layoff
Periode Y' Hiring Layoff Cost
13 735,152 0 0 0
14 735,431 0,279 0 22320
15 735,711 0,28 0 22400
16 735,991 0,28 0 22400
17 736,271 0,28 0 22400
18 736,55 0,279 0 22320
19 736,83 0,28 0 22400
20 737,11 0,28 0 22400
21 737,389 0,279 0 22320
22 737,669 0,28 0 22400
23 737,949 0,28 0 22400
24 738,229 0,28 0 22400
Total 3,077 0 246160
Contoh perhitungan (Periode ke-14)
Biaya peningkatan = 735,431 - 735,152
= 0,279
Biaya penurunan = 0,279 * 80.000
= 22.230
3.6.5 Master Production Scheduling (MPS)
Tabel master production scheduling dapat dilihat pada tabel 3.6.
Tabel 3.6 MPS
Periode MPS
13 736
14 736
15 736
16 736
17 737
18 737
19 737
20 738
21 738
22 738
23 738
24 739

Laporan Praktikum Perencanaan dan Pengendalian Produksi 2021 III-9

Contoh perhitungan (Periode 13)
MPS produk Molexflu = 735,152
= 736

3.7 Analisis Hasil

Berdasarkan praktikum Forecasting dan Master Production Schedule yang
usdah dilakukan diketahui bahwa dalam melakukan pemilihan metode peramalan
berdasarkan hasil grafik yang diproleh misalnya grafik dengan pola musiman dapat
dipilih antara 4 metode yaitu MW, MA, WMA dan LR, dimana dalam analisis
menentukan metode yang paling baik dipilih dengan menggunakan cara melihat
nilai error paling kecil dalam dari data tersebut. Alasan mengapa menambahkan
penggunaan metode LR yaitu karena dari ketiga metode lain didapat hasil
peramalan yang sama disetiap periodenya.
MAD berguna ketika mengukur kesalahan ramalan dalam unit yang sama
sebagai deret asli. Mean Squared Error (MSE) adalah metode lain untuk
mengevaluasi metode peramalan. Masing-masing kesalahan atau sisa dikuadratkan.
Kemudian dijumlahkan dan ditambahkan dengan jumlah observasi. Pendekatan ini
mengatur kesalahan peramalan yang besar karena kesalahan-kesalahan itu
dikuadratkan. Metode itu menghasilkan kesalahan-kesalahan sedang yang
kemungkinan lebih baik untuk kesalahan kecil, tetapi kadang menghasilkan
perbedaan yang besar. MAD dan MSE bergantung pada besarnya unsur yang
diramal. Jika unsur tersebut dalam satuan ribuan, maka nilai MAD dan MSE dapat
menjadi sangat besar. Oleh karena itu, digunakanlah MAPE dimana tingkat
ketelitiannya lebih tinggi.
Pada praktikum kali ini yaitu menganalisis data-data permintaan obat
Molexflu dengan pemilihan metode yang paling baik yaitu metode LR. Metode LR
terpilih karena beralasan metode tersebut memberikan nilai tingkat error terkecil
yaitu dengan nilai eror error 1,557 (MAPE). Metode LR yang terpilih dapat
diperoleh hasil peramalan selama 12 periode kedepan secara berurutan yaitu
735,152; 735,431; 735,711; 735,991; 736,271; 736,550; 736,83; 737,11; 737,389;
737,669; 737,949; 738,229. Berdasarkan perolehan peramalan dengan metode LR

Laporan Praktikum Perencanaan dan Pengendalian Produksi 2021 III-10

tersebut dapat dilihat bahwa grafik nilai permintaan metode LR selama 12 periode
kedepan secara berturut turut mengalami peningkatan secara bertahap dan semakin
naik.
Dalam kasus peramalan kali ini dengan pemilihan metode peramalan LR
yang memiliki tingkat nilai error terkecil, tidak ada satupun data yang out of control
selama 12 periode kedepan dapat dilihat pada Gambar 3.1 Grafik Moving Range
Chart. Adapun grafik tersebut berdasarkan hasil uji verifikasi yang diperolerh hasil
yaitu MR 13,54927 serta BKA dan BKB yang diperoleh yaitu 36,04105 dan -
36,04105. Dengan demikian dapat dikatakan bahwa pemilihan metode LR yang
digunakan sudah benar.
Master Production Schedule atau Jadwal Induk Produksi adalah
perencanaan produksi jangka pendek pada suatu perusahaan yang berisi tentang
rencana menyeluruh serta perinciannya dalam menghasilkan produk akhir (produk
jadi). Dalam Jadwal Induk Produksi juga memuat prioritas model produk yang akan
diproduksi, jadwal pembelian bahan-bahan produksi, jadwal pelaksanaan proses
produksi dan jadwal kerja karyawan serta jadwal operasional mesin. Jadwal Induk
Produksi ini juga bermanfaat dalam merencanakan kapasitas produksi dan
kebutuhan material untuk aktivitas produksi. Berdasarkan peramalan yang sudah
dilakukan diperoleh bahwa selama 12 periode kedepan sesuai Tabel 3.7 master
production scheduling akan terjadi permintaan 12 periode yang harus dipenuhi
perusahaan secara berurutan sebanyak 736, 736, 736, 736, 737, 737, 737, 738, 738,
738, 738. 739.

3.8 Kesimpulan
Kesimpulan yang dapat diambil dalam praktikum kali ini dengan
menghitung 4 metode yaitu metode Winter, MA, WMA, dan LR didapatkan error
terkecil oleh metode LR. Pengambilan 4 metode ini disesuaikan dengan pola grafik
dari penjualn obat dari 12 periode dengan satuan bulan. Pola yang dihasilkan adalah
pola musiman. Dengan metode peramalan sebuah perusahaan mampu
memperkirakan atau meramalkan secara akurat tentang hasil penjualan barang di
masa depan dengan syarat, perusahaan harus mempunyai rekap penjualan dengan

Laporan Praktikum Perencanaan dan Pengendalian Produksi 2021 III-11

waktu 12 periode terakhir. Data peramalan yang didapatkan dalam peramalan
perbulannya adalah 736, 736, 736, 736, 737, 737, 737, 738, 738, 738, 738. 739.

Laporan Praktikum Perencanaan dan Pengendalian Produksi 2021 III-12

 DAFTAR PUSTAKA

Bahar, Adymas Kalam. (2018). Perencanaan Produksi Untuk Memenuhi

Permintaan Produk Lemari Menggunakan Metode RCCP Pada Ud. Dimas
Aluminium. Undergraduate thesis, Universitas 17 Agustus 1945.
Hutahaean, Devy Valentyne. (2019). Perencanaan Persediaan Bahan Kimia
Menggunakan Metode Material Requirement Planning Di Cv Benaya Maju
Jaya Laundry. Other thesis, Universitas Komputer Indonesia.
Lailah Nafisah, S. M. (2021). Modul Praktikum Perencanaan Dan Pengendalian
Produksi. Yogyakarta: Laboratorium Perencanaab dan Pengendalian
Produksi.
Lulut, Indrianingrum, dkk. (2012). Analisis Pola Permintaan Sepeda Kampus Bagi
Mahasiswa Universitas Negeri Semarang. Universitas Negeri Semarang
(UNNES) Indonesia.
Rahmawita, Medyantiwi, & Fazri, ilham. (2018). Aplikasi Peramalan Penjualan
Obat Menggunakan Metode Least Squaredi Rumah Sakit Bhayangkara.
Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, Vol. 4, No. 2.

Laporan Praktikum Perencanaan dan Pengendalian Produksi 2021 III-13