DISUSUN OLEH :
KELOMPOK 9 (SEMBILAN)
KELAS : IN6A
DOSEN PENGAJAR :
SEPTA HARDINI, S.T., M.T
LEMBAR PENGESAHAN
DISUSUN OLEH :
KELOMPOK 9 (SEMBILAN)
Mengetahui
Ketua Program Studi Teknik Industri
ii
KATA PENGANTAR
Assalamu’alaikum wr. Wb
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa atas berkat
dan rahmat-Nya kami dapat menyelesaikan laporan ini tepat pada waktunya tanpa
halangan suatu apapun. Tidak lupa kami tentu banyak berterima kasih kepada
semua pihak yang telah membantu tersusunnya laporan praktikum ini. Dalam
penyususnan laporan praktikum ini tentu banyak kekuranganm dan kesalahan,
oleh sebab itu kami mengharapkan kritik dan saran dari pembaca demi
sempurnanya laporan ini.
Dan tidak lupa kami mengucapkan ribuan terima kasih kepada Bapak dan
Ibu pembimbing yang telah mendukung penuh kegiatan penulis dan motivasi
untuk menuju tahap yang lebih baik.
Wassalamu’alaikum wr. Wb.
Palembang, 19 Mei
2020
Penyusun
iii
DAFTAR ISI
iv
3.2.2.2 Pengaruh Kebisingan Terhadap Kesalahan Berhitung (CDR) ............... 24
3.2.2.3 Pengaruh Kebisingan Terhadap Persentase Kesalahan (RBD) .............. 26
3.2.3 Pengaruh Warna ..................................................................................... 27
3.2.3.1 Pengaruh Warna Terhadap Jumlah Pengerjaan (CDR) ......................... 27
3.2.3.2 Pengaruh Warna Terhadap Kesalahan Berhitung (CDR) ...................... 29
3.2.3.3 Pengaruh Warna Terhadap Persentase Kesalahan ................................. 30
3.2.4 Pengaruh Daya Lampu ............................................................................ 31
3.2.4.1 Pengaruh Daya Lampu Terhadap Jumlah Pengerjaan (CDR) ................ 31
3.3 Grafik ..................................................................................................... 33
3.3.1 Pengaruh Suhu ........................................................................................ 33
3.3.2 Pengaruh Kebisingan .............................................................................. 34
3.3.3 Pengaruh Warna ..................................................................................... 36
3.3.4 Pengaruh Daya Lampu ............................................................................ 37
3.3.5 Rekap Perbandingan Rata-rata % Kesalahan .......................................... 38
3.4 Perhitungan Beban Bunyi Saat Percobaan Pengaruh Kebisingan ............. 39
BAB IV ANALISIS MASALAH ......................................................................... 40
4.1 Analisis Pengaruh Suhu ............................................................................ 40
4.2 Analisis Pengaruh Kebisingan .................................................................. 40
4.3 Analisis Pengaruh Warna .......................................................................... 40
4.4 Analisis Pengaruh Daya Lampu ................................................................ 41
4.5 Analisis Beban Bunyi ............................................................................... 41
BAB V KESIMPULAN DAN SARAN................................................................ 42
5.1 Kesimpulan .............................................................................................. 42
5.2 Saran ........................................................................................................ 42
DAFTAR PUSTAKA .......................................................................................... 43
v
MODUL II FORECASTING ................................................................................ 44
BAB I PENDAHULUAN .................................................................................... 45
1.1 Latar Belakang ....................................................................................... 45
1.2 Rumusan Masalah................................................................................... 46
1.3 Tujuan Praktikum ................................................................................... 46
1.4 Batasan Masalah ..................................................................................... 46
1.5 Sistematika Penulisan ............................................................................. 46
BAB II TINJAUAN PUSTAKA DAN DIAGRAM ALIR PRAKTIKUM ............ 48
2.1 Forecasting ........................................................................................... 48
2.1.1 Metode-Metode Forecasting ................................................................... 48
2.1.2 Ukuran Akurasi Peramalan ..................................................................... 51
2.1.3 Tahap Dalam Peramalan ......................................................................... 53
BAB III PENGUMPULAN DAN PENGOLAHAN DATA ................................. 56
3.1 Pengumpulan Data .................................................................................. 56
3.1.1 Data jumlah Permintaan .......................................................................... 56
3.1.2 Plot Data Permintaan .............................................................................. 56
3.2 Pengolahan Data .................................................................................... 57
3.2.1 Peramalan Produk 1 ................................................................................ 57
3.2.1.1 Simple Average (SA) ............................................................................ 58
3.2.1.2 Moving Average (MA).......................................................................... 60
3.2.1.3 Weighted Moving Average With (WMA) ............................................... 62
3.2.1.4 Moving Average With Linier Trend (MAT) ........................................... 64
3.2.1.5 Single Exponential Smoothing (SES) .................................................... 66
3.2.1.6 Single Exponential Smoothing With Linier Trend(SEST) ...................... 68
3.2.1.7 Double Exponential Smoothing (DES) ................................................. 70
3.2.1.8 Double Exponential Smoothing With Linier Trend (DEST) .................. 72
3.2.1.9 Addaptive Exponential Smoothing (AES) ............................................. 74
3.2.1.10 Linier Regression With Time (LR) ...................................................... 76
3.2.1.11 Holt Wrinters Addaptive Algoritma (HWA) ........................................ 78
3.2.1.12 Holt Wrinters Multicative Algoritma (HWM) ..................................... 80
3.2.2 Peramalan Produk 2 ................................................................................ 82
3.2.2.1 Simple Average (SA) ............................................................................ 83
3.2.2.2 Moving Average (MA).......................................................................... 85
vi
3.2.2.3 Weighted Moving Average With (WMA) ............................................... 87
3.2.2.4 Moving Average With Linier Trend (MAT) ........................................... 89
3.2.2.5 Single Exponential Smoothing (SES) .................................................... 91
3.2.2.6 Single Exponential Smoothing With Linier Trend(SEST) ...................... 93
3.2.2.7 Double Exponential Smoothing (DES) ................................................. 95
3.2.2.8 Double Exponential Smoothing With Linier Trend (DEST) .................. 97
3.2.2.9 Addaptive Exponential Smoothing (AES) ............................................. 99
3.2.2.10 Linier Regression With Time (LR) ..................................................... 101
3.2.2.11 Holt Wrinters Addaptive Algoritma (HWA) ....................................... 103
3.2.2.12 Holt Wrinters Multicative Algoritma (HWM) .................................... 105
3.2.3 Rekapitulasi Hasil Peramalan................................................................. 107
3.3 Perhitungan manual Menggunakan Regresi Linier ................................ 108
3.3.1 Perhitungan Produk 1............................................................................. 108
3.3.1 Perhitungan Produk 2............................................................................. 109
3.4 Verifikasi Peramalan Metode LR ........................................................... 110
BAB IV ANALISIS MASALAH ........................................................................ 113
4.1 Analisis Terhadap Plot Data................................................................... 113
4.2 Metode Peramalan yang Digunakan (Berdasarkan Parameter)................ 113
4.3 Pemilihan Metode Peramalan (Berdasarkan Error) ................................. 114
4.4 Uji Verifikasi Peramalan........................................................................ 114
BAB V KESIMPULAN DAN SARAN............................................................... 115
5.1 Kesimpulan ........................................................................................... 115
5.2 Saran ..................................................................................................... 116
DAFTAR PUSTAKA ......................................................................................... 117
vii
BAB II TINJAUAN PUSTAKA DAN DIAGRAM ALIR PRAKTIKUM ........... 121
2.1 Aggregate Planning .............................................................................. 121
2.1.1 Tujuan Perencanaan Agregat ................................................................. 124
2.1.2 Sifat Perencanaan Agregat ..................................................................... 124
2.2 Diagrtam Alir Praktikum ....................................................................... 135
BAB III PENGUMPULAN DAN PENGOLAHAN DATA ................................ 136
3.1 Pengumpulan Data ................................................................................ 136
3.1.1 Data Permintaan .................................................................................... 136
3.1.2 Data Kapasitas yang Tersedia ................................................................ 137
3.2 Pengolahan Data ................................................................................... 138
3.2.1 Perencanaan Agregat Variasi Tingkat Persediaan ................................... 138
3.2.2 Perencanaan Agregat Variasi Tingkat Tenaga Kerja .............................. 147
3.2.3 Perencanaan Agregat Variasi Tingkat Subkontrak.................................. 156
BAB IV ANALSISI MASALAH ........................................................................ 161
4.1 Analisis Perencanaan Agregat Variasi Tingkat Persediaan ..................... 161
4.2 Analisis Perencanaan Agregat Variasi Tingkat Tenaga Kerja ................. 162
4.3 Analisis Perencanaan Agregat Variasi Tingkat Sub Kontrak .................. 162
BAB V KESIMPULAN DAN SARAN............................................................... 164
5.1 Kesimpulan ........................................................................................... 164
5.2 Saran ..................................................................................................... 165
DAFTAR PUSTAKA ......................................................................................... 166
viii
2.1.2 Teknik Disagregasi ................................................................................ 172
2.2 Diagram Alir Praktikum ........................................................................ 175
BAB III PENGUMPULAN DAN PENGOLAHAN DATA ................................ 176
3.1 Pengumpulan Data ................................................................................. 176
3.1.1 Hasil Agregate Planning ........................................................................ 176
3.1.2 Data Demand Masa Lalu ....................................................................... 177
3.2 Pengolahan Data .................................................................................... 178
3.2.1 Master Production Schedule Disagregasi ............................................... 178
3.2.2 Master Production Schedule Konversi ................................................... 180
BAB IV ANALISIS MASALAH
4.1 Analisis Master Production Schedule Disagregasi ................................. 181
4.2 Analisis Master Production Schedule Konversi ..................................... 181
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan ........................................................................................... 182
5.2 Saran ..................................................................................................... 182
DAFTAR PUSTAKA ......................................................................................... 183
ix
2.2 Diagram Alir Praktikum ....................................................................... 191
BAB III PENGUMPULAN DAN PENGOLAHAN DATA ................................ 192
3.1 Pengumpulan Data ................................................................................. 192
3.1.1 Hasil Master Production Schedule ......................................................... 192
3.1.2 Waktu Proses Per Unit ........................................................................... 192
3.1.3 Jumlah Produksi ................................................................................. 193
3.2 Pengolahan Data .................................................................................... 193
3.2.1 Perhitungan Rough Cut Capacity Planning Produk 1 ............................. 194
3.2.2 Perhitungan Rough Cut Capacity Planning Produk 2.............................. 194
3.2.3 Akumulasi Kapasitas ............................................................................. 195
BAB IV ANALISIS MASALAH ........................................................................ 197
4.1 Analisis Perhitungan Rough Cut Capacity Planning Produk 1................ 197
4.2 Analisis Perhitungan Rough Cut Capacity Planning Produk 2............... 197
4.3 Analisis Akumulasi Kapasitas ............................................................... 197
BAB V KESIMPULAN DAN SARAN............................................................... 198
5.1 Kesimpulan .......................................................................................... 198
5.2 Saran .................................................................................................... 198
DAFTAR PUSTAKA ......................................................................................... 199
x
2.1.5 Metode lotting pada MRP ...................................................................... 206
2.2 Diagram Alir Praktikum ........................................................................ 210
BAB III PENGUMPULAN DAN PENGOLAHAN DATA
3.1 Pengumpulan Data ................................................................................. 211
3.1.1 Master Production Schedule (MPS) ....................................................... 211
3.2 Pengolahan Data .................................................................................... 212
3.2.1 Netting ................................................................................................... 212
3.2.2 Lotting ................................................................................................... 212
3.2.2.1 Material Requirement Planning Lavel 0 ............................................. 213
3.2.2.2 Material Requirement Planning Lavel 1 ............................................. 214
3.2.2.3 Material Requirement Planning Material ............................................ 215
3.2.3 Rekapitulasi Biaya pada Level 0 dan Level 1 ......................................... 219
BAB IV ANALSIS MASALAH ......................................................................... 220
4.1 Analisis Material Requirement Planning ............................................... 220
4.2 Analisis Biaya Komponen pada Produk 1 dan Produk 2 ......................... 221
4.3 Analisis Tambahan MengenaiBiaya PadaMetode-Metode ...................... 221
BAB V KESIMPULAN DAN SARAN............................................................... 222
5.1 Kesimpulan ........................................................................................... 222
5.2 Saran ..................................................................................................... 222
DAFTAR PUSTAKA ......................................................................................... 223
xi
2.2 Diagram Alir Praktikum ....................................................................... 230
BAB III PENGUMPULAN DAN PENGOLAHAN DATA ................................ 231
3.1 Pengumpulan Data ................................................................................ 231
3.1.1 Data Hasil Material Requirement Planning (MRP) ................................ 231
3.1.1.1 Hasil Material Requirement Planning (MRP) Level 0 ......................... 231
3.1.1.2 Hasil Material Requirement Planning (MRP) Level 1 ......................... 232
3.1.2 Data Waktu Proses................................................................................. 233
3.2 Pengolahan Data .................................................................................... 234
3.2.1 Perhitungan Capacity Requirement Planning (CRP) .............................. 234
3.2.1.1 Menghitung Produk 1 dan Produk 2 Pada Level 0 ............................... 234
3.2.1.2 Menghitung Item A dan B pada Produk 1Level 1 ................................ 236
3.2.1.3 Menghitung Item A dan B pada Produk 2 Level 1 ............................... 238
3.2.2 Menentukan Kapasitas ........................................................................... 240
3.2.2.1 Menghitung Total Kapasitas dari Setiap Workstation (WS) ................. 240
3.2.2.2 Grafik Capacity Requirement Planning ............................................... 242
BAB IV ANANLISIS MASALAH ..................................................................... 243
4.1 Analisis Perhitungan Capacity Requirement Planning (CRP)................. 243
4.2 Analisis Perhitungan Pada Kapasitas...................................................... 244
BAB V KESIMPULAN DAN SARAN............................................................... 245
5.1 Kesimpulan ........................................................................................... 245
5.2 Saran ..................................................................................................... 245
DAFTAR PUSTAKA ......................................................................................... 246
xii
LAPORAN PRAKTIKUM PERANCANGAN SISTEM INDUSTRI TERPADU II
MODUL I
PENGUKURAN LINGKUNGAN KERJA
DISUSUN OLEH :
KELOMPOK 9 (SEMBILAN)
KELAS : IN6A
DOSEN PENGAJAR :
SEPTA HARDINI, S.T., M.T
2
1.4 Batasan Masalah
Batasan masalah dari praktikum ini adalah Menghitungpengaruh
kebisingan, pencahayaan, dan suhu terdapat performansi kerja manusia?
3
BAB II
TINJAUAN PUSTAKA DAN DIAGRAM ALIR PRAKTIKUM
4
Berbagai tingkat temperatur akan memberikan pengaruh yang berbeda-
beda, antara lain:
± 49oC :Temperatur yang dapat ditahan sekitar sekitar 1 jam, tapi
jauh di atas tingkat kemampuan fisik dan mental
± 30oC :Timbulnya kelelahan fisik dikarenakan aktivitas mental
dan daya tanggap mulai menurun dan cenderung untuk
membuat kesalahan dalam pekerjaan
± 24oC : Kondisi optimum
± 10oC : Kelakuan fisik yang ekstrim mulai muncul.
2. Kelembaban
Banyaknya air yang terkandung dalam udara(dinyatakan dalam %).
Sangat berhubungan atau dipengaruhi oleh temperatur udaranya. Suatu
keadaan dimana udara sangat panas dan kelembaban tinggi akan
menimbulkan pengurangan panas dari tubuh secara besar-besaran (karena
sistem penguapan).
3. Siklus Udara
Kotornya udara di sekitar manusia dapat dirasakan dengan sesaknya
pernafasan dan ini tidak boleh dibiarkan belangsung terlalu lama, karena
akan mempengaruhi kesehatan tubuh dan mempercepat proses kelelahan.
Sirkulasi udara dengan memberikan ventilasi yang cukup (lewat jendela)
akan menggantikan udara yang kotor dengan yang bersih. Demikian juga
dengan menaruh tanaman-tanaman akan mampu pula membantu memberi
kebutuhan akan oksigen yang cukup.
4. Pencahayaan
Sangat mempengaruhi manusia untuk melihat obyek-obyek secara
jelas. Pencahayaan yang kurang atau berlebihan akan mengakibatkan mata
seseorang menjadi cepat lelah, lelahnya mata akan mengakibatkan pula
lelahnya mental. Kemampuan mata untuk melihat obyek dengan jelas
akanditentukan oleh ukuran obyek, derajat kontras antara obyek dengan
5
sekelilinganya, kecerahan, serta lamanya waktu untuk melihat objek
tersebut.
5. Kebisingan
Bunyi-bunyian yang tidak dikendaki oleh telinga seseorang.Karena
dapat menggangu ketenangan kerja, merusak pendengaran, dan dapat
menimbulkan kesalahan komunikasi. Ada tiga aspek yang menentukan
tingkat gangguan terhadap manusia yaitu:
- Lama waktu bunyi tersebut terdengar. Semakinlama telinga
seseorang mendengar kebisingan akan semakin buruk akibatnya
bagi pendengaran
- Intensitas, biasanya diukur dengan satuan desibel yang
menunjukkan besarnya arus energi per satuan luas.
- Frekuansi suara yang menunjukkan jumlah dari glombang-
gelombang-gelombang suara yang sampai di telinga seseorang
setiap detik dinyatakan dalam jumlah getaran per detik atau Herz
-
Tabel 2.1 Kondisi Suara dan Batas Tingkat Kebisingannya
Kondisi Suara Desibel Batas Dengar Tertinggi
Menulikan 120 Halilintar
110 Meriam
100 Mesin Uap
Sangat Hiruk Pikuk 90 Jalan Hiruk Pikuk
80 Pluit Polisi
Kuat 70 Kantor Gaduh
Jalanan Umum
60 Radio
Perusahaan
Sedang 50 Rumah Gaduh
Kantor
40 Percakapan Kuat
Radio Perlahan
Tenang 30 Rumah Tenang
Kantor Pribadi
LanjutanTabel 2.1 Kondisi Suara dan Batas Tingkat Kebisingannya
20 Auditorium
Percakapan
6
Sangat Tenang 10 Suara daun-daunan
0 Berbisik-berbisik
Dinding ruangan dan interior yang ada disekitar tempat kerja. Warna
selain berpengaruh terhadapa kemampuan mata untuk melihat obyek,juga
memberikan pengaruh yang lain pula terhadap manusia, seperti:
2.2 Anova
Uji Anova adalah bentuk khusus dari analisis statistik yang banyak
digunakan dalam penelitian eksperimen.metode analisis ini dikembangkan
oleh R.A Fisher.Uji Anova juga adalah bentuk uji hipotesis statistik dimana kita
7
mengambil kesimpulan berdasarkan data atau kelompok statistik inferentif.
Hipotesis nol dari uji Anova adalah bahwa data adalah simple random dari
populasi yang sama sehingga memiliki ekspektasi mean dan varians yang sama.
Sebagai contoh penelitian perbedaan perlakuan terhadap sampel pasien yang
sama. Hipotesis nol nya adalah semua perlakuan akan memiliki efek yang sama.
Meskipun uji t adalah statistik yang sering digunakan, hanya saja uji t
dibatasi untuk menguji hipotesis dua kelompok. Uji Anova atau Analisis varians
(ANOVA) dikembangkan untuk memungkinkan peneliti untuk menguji hipotesis
perbandingan lebih dari dua kelompok.Dengan demikian, uji-t dan uji anova
adalah sama-sama metode statistik untuk perbandingan.Yang membedakan
keduanya adalah hanya jumlah kelompok yang dibandingkan
2.2.1 One Way Anova (Competely Randomized Design/CRD)
Analisis variansi satu arah atau yang sering disebut sebagài rancangan
acak lengkap adalah suatu prosedur untuk menguji perbedaan rata-rata/ pengaruh
perlakuan dari beberapa populasi (lebih dari dua) dari suatu percobaan yang
menggunakan satu faktor,dimana satu faktor tersebut memiliki 2 atau lebih level.
Disebut juga Desain Seimbang jika seluruh level faktor mempunyai ukuran
sampel yang sama. Dalam analisis variansi satu arah ini sampel acak yang
berukuran n diambil masing-masing dari k populasi.Ke k populasi yang berbeda
ini diklasifikasikan menurut perlakuan atau grup yang berbeda. Berikut ini adalah
tutorial mencari One Way Anova menggunakan SPSS.
Buka SPSS.
Buka Tab Variable View, buat 2 variabel: Pekerjaan dan Pendapatan.
Ubah Type Pekerjaan ke “Numeric”, Decimals “0”, beri label “Pekerjaan”,
ubah measure menjadi “Nominal” dan isi value dengan kategori: 1 = Tani, 2
= Buruh dan 3 = Lainnya.
Ubah Type Pendapatan ke “Numeric”, Decimals “0”, beri label
“Pendapatan”, ubah measure menjadi “Scale”.
Buka Data View dan isikan data sebanyak 24 responden sebagai berikut:
Pada menu, pilih Analyze, Compare Means, One-Way ANOVA, sampai
muncul jendela One-Way ANOVA seperti di bawah ini:
8
Pilih variabel “Pendapatan” lalu masukkan ke kotak “Dependent List:”
Kemudian pilih variabel “Pekerjaan” lalu masukkan ke kotak “Factor:”:
Klik tombol Options, akan muncul jendela ini: Centang “Descriptive” dan
“Homogenity of variance test“
Klik Continue
Masih dijendela One Way ANOVA, klik tombol Post Hoc, sampai muncul
jendela ini: Centang Bonferroni dan Games-Howell serta biarkan significance
level = 0,05.
Klik Continue.
Lalu Klik OK dan Lihatlah hasil!
Two Way Anova dikenal juga dengan factorial design atau Randomized
Block Design. Sama dengan One Way Anova dasar perhitungan yang digunakan
adalah Distribusi F. Pada Two way Anova pengujian dilakukan dengan tidak
hanya melihat satu faktor atau perlakuan saja, tetapi juga dengan
mempertimbangkan faktor blok. Uji blok dilakukan untuk mengetahui pengaruh
blok terhadap perbedaan rata-rata. Uji blok ini akan mengurangi kombinasi
kesalahan. Berikut ini adalah tutorial mencari Two Way Anova menggunakan
SPSS.
9
Dependent Variable, masukkan Gender dan Pendidikan ke kotak Fixed
factor(s). (Kotak Random factor (s) dan Covariate(s) tidak akan kita gunakan
dalam Two Ways Anova, kotak tersebut akan digunakan pada “Uji Ancova“).
Klik Plot, maka akan muncul jendela seperti di bawah ini: Masukkan
Gender ke kotak Horizontal Axis dan Pendidikan ke kotak Separate Lines.
Klik Add,
Klik Continue.
Klik Post Hoc, maka muncul jendela sbb: Masukkan Pendidikan ke kotak
Post Hoc Test for. Centang Tukey
Klik Continue
Klik Options, maka akan muncul jendela sbb: Masukkan Gender,
Pendidikan, dan Gender*Pendidikan ke dalam kotak Display Means for. Pada
Display centang Descriptive statistics dan Homogentity test.
Klik Continue
Klik OK
Lihat Hasil!
10
Berikut ini adalah diagram alir praktikum pengukuran lingkungan kerja.
Mulai
Identifikasi Masalah
Pengumpulan Data
- Data suhu
- Data kebisingan
- Data warna
- Data daya lampu
Pengolahan Data
- Uji ANOVA
- Grafik
a. Suhu
b. pengaruh kebisingan
c. pengaruh warna
d. pengaruh daya lampu.
Analisis Hasil
Selesai
11
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
Dari tabel 3.1 pengaruh suhu diatas di ketahui bahwa pada suhu 16o
jumlah pengerjaan paling banyak berada pada kelompok 2 dengan jumlah 29,
pada suhu 24o jumlah pengerjaan paling banyak berada pada kelompok 1
dengan jumlah 48, dan pada suhu 30o jumlah pengerjaan paling banyak berada
pada kelompok 1 dengan jumlah 100.
12
2. Jumlah Kesalahan
3.2 Tabel Jumlah Kesalahan Pengaruh Suhu
Suhu
Kelompok o
16 24o 30o
1 21 33 96
2 28 41 89
3 24 37 90
4 26 35 85
5 20 29 83
6 27 41 88
7 25 40 90
8 24 38 87
9 21 32 81
10 22 36 85
11 25 31 93
Sumber Data : Ruang Iklim Teknik Industri
Dari tabel 3.2 pengaruh suhu diatas di ketahui bahwa pada suhu 16o
jumlah kesalahan paling banyak berada pada kelompok 2 dengan jumlah 28,
sedangkan pada suhu 24o jumlah kesalahan paling banyak berada pada
kelompok 2 dan kelompok 6 dengan jumlah 41, dan pada suhu 30o jumlah
kesalahan paling banyak berada pada kelompok 1 dengan jumlah 96.
3. Persen Kesalahan
3.3 Tabel Jumlah Persentase Pengaruh Suhu
Suhu
Kelompok o
16 24o 30o
1 91,30 68,75 96,00
2 96,55 256,25 206,98
3 96,00 115,63 147,54
4 130,00 233,33 123,19
5 83,33 111,54 148,21
6 112,50 157,69 89,80
7 113,64 114,29 94,74
8 114,29 152,00 124,29
9 84,00 91,43 93,10
10 95,65 150,00 154,55
11 113,64 124,00 138,81
Sumber Data : Ruang Iklim Teknik Industri
Dari tabel 3.3 pengaruh suhu diatas di ketahui bahwa pada suhu 16o
persen kesalahan paling banyak berada pada kelompok 4 dengan jumlah 130
persen , sedangkan pada suhu 24o persen kesalahan paling banyak berada pada
13
kelompok 2 dengan jumlah 256,25 persen, dan pada suhu 30opersen kesalahan
paling banyak berada pada kelompok 2 dengan jumlah 206,98 persen.
14
2. Jumlah kesalahan
3.5 Tabel Jumlah Kesalahan Pengaruh Kebisingan
Kebisingan 80 Db
Kelompok
Konstan Putus-Putus Musik
1 15 18 17
2 19 23 11
3 18 20 15
4 16 22 14
5 14 19 18
6 20 24 15
7 20 23 12
8 18 22 13
9 12 11 10
10 19 15 12
11 16 23 13
Sumber Data : Ruang Iklim Teknik Industri
Dari tabel 3.5 pengaruh kebisingan diatas di ketahui bahwa pada suara
konstan, jumlah kesalahan paling banyak berada pada kelompok 6 dan 7
dengan jumlah 20, sedangkan pada suara putus – putus, jumlah kesalahan
paling banyak berada pada kelompok 6 dengan jumlah 24, dan pada suara
Musik jumlah kesalahan paling banyak berada pada kelompok 5 dengan jumlah
18.
3. Persen Kesalahan
3.6 Tabel Jumlah Persentase Pengaruh Kebisingan
Kebisingan 80 dB
Kelompok
Konstan Putus – Putus Musik
1 44,12 69,23 42,50
2 48,72 71,88 23,91
3 52,94 68,97 35,71
4 44,44 78,57 31,11
5 42,42 65,52 41,86
6 52,63 52,17 35,71
7 57,14 76,67 30,00
8 51,43 73,33 30,95
9 33,33 35,48 22,73
10 52,78 35,71 29,27
11 50,00 69,70 32,50
Sumber Data : Ruang Iklim Teknik Industri
15
Dari tabel 3.6 pengaruh kebisingan diatas di ketahui bahwa pada suara
konstan, persen kesalahan paling banyak berada pada kelompok 7 dengan
jumlah 57,14%, sedangkan pada suara putus – putus, persen kesalahan paling
banyak berada pada kelompok 4 dengan jumlah 78,57%, dan pada suara Musik
persen kesalahan paling banyak berada pada kelompok 1 dengan jumlah 42,50.
Dari tabel 3.7 pengaruh warna diatas di ketahui bahwa pada warna
merah, jumlah pengerjaan paling banyak berada pada kelompok 2 dengan
jumlah 16, sedangkan pada warna biru, jumlah pengerjaan paling banyak
berada pada kelompok 5 dengan jumlah 27, dan pada warna hijau jumlah
pengerjaan paling banyak berada pada kelompok 4 dan 7 dengan jumlah 20.
16
2. Jumlah Kesalahan
3.8 Tabel Jumlah Kesalahan Pengaruh Warna
Warna Cahaya
Kelompok
Merah Biru Hijau
1 7 6 9
2 10 8 7
3 8 7 9
4 5 9 8
5 6 10 5
6 10 8 9
7 10 9 8
8 9 8 8
9 3 6 9
10 4 8 6
11 9 7 8
Sumber Data : Ruang Iklim Teknik Industri
Dari tabel 3.8 pengaruh warna diatas di ketahui bahwa pada warna
merah, jumlah kesalahan paling banyak berada pada kelompok 2,6, dan 7
dengan jumlah 10, sedangkan pada warna biru, jumlah kesalahan paling banyak
berada pada kelompok 5 dengan jumlah 10, dan pada warna hijau jumlah
kesalahan paling banyak berada pada kelompok 1,3,6, dan 9 dengan jumlah 9.
3. Persen Kesalahan
Table 3.9 Persen Kesalahan
Warna Cahaya
Kelompok
Merah Biru Hijau
1 53,85 42,86 60,00
2 62,50 38,10 36,84
3 66,67 38,89 52,94
4 50,00 36,00 40,00
5 42,86 37,04 20,83
6 71,43 34,78 50,00
7 100,00 36,00 40,00
8 81,82 42,11 44,44
9 23,08 37,50 64,29
10 28,57 40,00 37,50
11 60,00 31,82 42,11
Sumber Data : Ruang Iklim Teknik Industri
17
Dari tabel 3.9 pengaruh warna diatas di ketahui bahwa pada warna
merah, jumlah persen kesalahan paling banyak berada pada kelompok 7 dengan
jumlah 100%, sedangkan pada warna biru, jumlah persen kesalahan paling
banyak berada pada kelompok 1 dengan jumlah 42,86%, dan pada warna hijau
jumlah persen kesalahan paling banyak berada pada kelompok 9 dengan jumlah
64,29%.
b. Kartu Berwarna
1. Jumlah Kesalahan
3.10 Tabel Jumlah Kesalahan Kartu Warna
Warna Cahaya
Kelompok
Merah Biru Hijau
1 5 4 2
2 4 4 2
3 5 2 4
4 3 4 5
5 6 5 2
6 3 6 5
7 3 3 3
8 6 5 6
9 7 7 7
10 5 2 5
11 5 3 2
Sumber Data : Ruang Iklim Teknik Industri
Dari tabel 3.10 kartu berwarna diatas di ketahui bahwa pada warna
merah, jumlah kesalahan paling banyak berada pada kelompok 9 dengan jumlah
7, sedangkan pada warna biru, jumlah kesalahan paling banyak berada pada
kelompok 9 dengan jumlah 7, dan pada warna hijau jumlah kesalahan paling
banyak berada pada kelompok 9 dengan jumlah 7.
18
3.1.4 Pengaruh Daya Lampu
1. Jumlah Kesalahan
3.11 Tabel Jumlah Kesalahan Pengaruh Daya Lampu
Intensitas Cahaya
Kelompok
10 25 40
Watt Watt Watt
1 5 8 2
2 13 9 4
3 10 9 3
4 8 7 6
5 12 10 8
6 10 8 6
7 8 9 5
8 9 7 4
9 13 7 6
10 12 8 5
11 10 7 6
Sumber Data : Ruang Iklim Teknik Industri
Dari tabel 3.11 pengaruh daya lampu diatas di ketahui bahwa pada 10
watt, jumlah kesalahan paling banyak berada pada kelompok 2 dan 9 dengan
jumlah 13, sedangkan pada 25 watt, jumlah kesalahan paling banyak berada
pada kelompok 5 dengan jumlah 10, dan pada 40 watt jumlah kesalahan paling
banyak berada pada kelompok 5 dengan jumlah 8.
19
Test of Homogeneity of Variances
Nilai
Levene Statistic df1 df2 Sig.
13,994 2 30 ,000
ANOVA
Nilai
Sum of Squares Df Mean Square F Sig.
Between Groups 16402,606 2 8201,303 52,581 ,000
Within Groups 4679,273 30 155,976
Total 21081,879 32
Jika F hitung > F tabel = HI diterima | Jika F hitung < F tabel = HI ditolak
F tabel didapat dari jumlah variabel – 1 kemudian dikurang dengan
jumlah data.
F hitung = 52,581 > F tabel = 4,26 maka HI diterima, sehingga dapat
disimpulkan bahwa setiap suhu dalam jumlah pengerjaan mempengaruhi
produktivitas kerja manusia.
Nilai sig < 0,05 maka H1 diterima
Multiple Comparisons
20
3.2.1.2 Pengaruh Suhu Terhadap Kesalahan Berhitung (CRD)
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Suhu Statistic df Sig. Statistic df Sig.
Nilai 16 ,150 11 ,200* ,952 11 ,668
24 ,123 11 ,200* ,948 11 ,614
30 ,134 11 ,200* ,983 11 ,982
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
ANOVA
Nilai
Sum of Squares df Mean Square F Sig.
Between Groups 25514,909 2 12757,455 890,055 ,000
Within Groups 430,000 30 14,333
Total 25944,909 32
Jika F hitung > F tabel = HI diterima | Jika F hitung < F tabel = HI ditolak
F tabel didapat dari jumlah variabel – 1 kemudian dikurang dengan
jumlah data.
F hitung = 890,055 > F tabel = 4,26 maka HI diterima, sehingga dapat
disimpulkan bahwa setiap suhu pada kesalahan berhitung mempengaruhi
produktivitas kerja manusia.
Nilai sig < 0,05 maka HI diterima.
21
Multiple Comparisons
Dependent Variable: Nilai
LSD
Suhu 16, suhu 24, dan suhu 30 besar nilai sig < 0,05 berarti H1 diterima.
Descriptive Statistics
Dependent Variable: Hasil Persentase Kesalahan
Suhu Mean Std. Deviation N
16,00 102,8091 14,83966 11
24,00 143,1736 56,94486 11
30,00 128,8373 35,61814 11
Total 124,9400 42,02960 33
22
Levene's Test of Equality of Error Variancesa
Dependent Variable: Hasil Persentase Kesalahan
F df1 df2 Sig.
4,200 2 30 ,025
Nilai sig 0,025 < 0,05, maka dinyatakan tidak homogeny
23
Test of Homogeneity of Variances
Nilai
Levene Statistic df1 df2 Sig.
4,272 2 30 ,023
Nilai sig < dari 0,05 sehingga data tersbut tidak homogeneity.
ANOVA
Nilai
Sum of Squares Df Mean Square F Sig.
Between Groups 570,727 2 285,364 18,655 ,000
Within Groups 458,909 30 15,297
Total 1029,636 32
Jika F hitung > F tabel = H2 diterima | Jika F hitung < F tabel = H2 ditolak
F tabel didapat dari jumlah variabel – 1 kemudian dikurang dengan
jumlah data.
F hitung = 18,655 > F tabel = 4,26 maka H2 diterima, sehingga dapat
disimpulkan bahwa setiap kebisingan pada jumlah pengerjaan
mempengaruhi produktivitas kerja manusia.
Nilai sig < dari 0,05 maka H2 diterima.
Multiple Comparisons
Dependent Variable: Nilai
LSD
24
3.2.2.2 Pengaruh Kebisingan Terhadap Kesalahan Berhitung (CDR)
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Kebisingan Statistic Df Sig. Statistic df Sig.
Nilai Konstan ,195 11 ,200* ,928 11 ,388
Putus-putus ,236 11 ,088 ,856 11 ,051
Musik ,147 11 ,200* ,966 11 ,841
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
ANOVA
Nilai
Sum of Squares Df Mean Square F Sig.
Between Groups 222,970 2 111,485 11,511 ,000
Within Groups 290,545 30 9,685
Total 513,515 32
Jika F hitung > F tabel = H2 diterima | Jika F hitung < F tabel = H2 ditolak
F tabel didapat dari jumlah variabel – 1 kemudian dikurang dengan
jumlah data.
F hitung = 11,511 > F tabel = 4,26 maka H2 diterima, sehingga dapat
disimpulkan bahwa setiap kebisingan pada kesalahan berhitung
mempengaruhi produktivitas kerja manusia.
Nilai sig < 0,05 maka H2 diterima.
25
Multiple Comparisons
Dependent Variable: Nilai
LSD
Jika nilai sig < 0,05 Maka nilai residual standard Tidak normal
Descriptive Statistics
Dependent Variable: Hasil Persentase Kesalahan
Kebisingan ( 60 dB ) Mean Std. Deviation N
1,00 48,1773 6,65011 11
2,00 63,3845 15,35678 11
3,00 32,3864 6,31137 11
Total 47,9827 16,28303 33
Nilai Rata Rata untuk hasil nilai kebisingan 1 (Konstan) adalah 48,17
Nilai Rata Rata untuk hasil suhu 2 (Putus-putus) derajat adalah 63,38
Nilai Rata Rata untuk hasil suhu 3 (Musik) adalah 32,38
26
Levene's Test of Equality of Error Variancesa
Dependent Variable: Hasil Persentase Kesalahan
F df1 df2 Sig.
5,493 2 30 ,009
Tests the null hypothesis that the error variance of
the dependent variable is equal across groups.
a. Design: Intercept + Kebisingan
Nilai sig < 0,05, maka dinyatakan tidak homogeny
27
NILAI
Levene Statistic df1 df2 Sig.
2.104 2 29 .140
Nilai Sig > dari 0,05 sehingga data homogeny
ANOVA
NILAI
Sum of Squares df Mean Square F Sig.
Between Groups 344.523 2 172.262 18.136 .000
Within Groups 275.445 29 9.498
Total 619.969 31
Jika F hitung > F tabel = H3diterima | Jika F hitung < F tabel = H3ditolak
F tabel didapat dari jumlah variabel – 1 kemudian dikurang dengan
jumlah data.
F hitung = 18,136 > F tabel = 4,26 maka H3 diterima, sehingga dapat
disimpulkan bahwa setiap warnapada jumlah pengerjaan mempengaruhi
produktivitas kerja manusia.
Nilai sig < 0,05 maka H3diterima.
Multiple Comparisons
Dependent Variable: NILAI
LSD
(I) WARNA (J) WARNA Mean Difference Std. Error Sig. 95% Confidence Interval
(I-J) Lower Bound Upper Bound
BIRU -8.009* 1.347 .000 -10.76 -5.26
MERAH
HIJAU -5.282* 1.347 .000 -8.04 -2.53
MERAH 8.009* 1.347 .000 5.26 10.76
BIRU
HIJAU 2.727* 1.314 .047 .04 5.41
MERAH 5.282* 1.347 .000 2.53 8.04
HIJAU
BIRU -2.727* 1.314 .047 -5.41 -.04
*. The mean difference is significant at the 0.05 level.
Sig warna merah ke biru < 0,05 sehingga H3diterima
Sig warna merah ke hijau < 0,05 sehingga H3diterima
Sig warna biru ke merah < 0,05 sehingga H3diterima
Sig warna biru ke hijau < 0,05 sehingga H3diterima
Sig warna hijau ke merah < 0,05 sehingga H3diterima
Sig warna hijau ke biru < 0,05 sehingga H3diterima
28
3.2.3.2 Pengaruh Warna Terhadap Kesalahan Berhitung (CDR)
Tests of Normality
WARNA Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic Df Sig.
MERAH .225 10 .163 .866 10 .091
*
NILAI BIRU .194 11 .200 .938 11 .498
HIJAU .282 11 .015 .832 11 .025
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
Nilai Sig warna merah dan warna biru > dari 0,05 sehingga data tersebut normal
Nilai Sig warna hijau < dari 0,05 sehingga data tersebut tidak normal
NILAI
Levene Statistic df1 df2 Sig.
7.869 2 29 .002
Nilai Sig< dari 0,05 sehingga data tidak homogeny
ANOVA
NILAI
Sum of Squares df Mean Square F Sig.
Between Groups 1.202 2 .601 .178 .837
Within Groups 97.673 29 3.368
Total 98.875 31
Jika F hitung > F tabel = H3diterima | Jika F hitung < F tabel = H3ditolak
F tabel didapat dari jumlah variabel – 1 kemudian dikurang dengan
jumlah data.
F hitung = 0, 178 < F tabel = 4,26 maka H3 ditolak, sehingga dapat
disimpulkan bahwa setiap warna pada kesalahan berhitung
tidakmempengaruhi produktivitas kerja manusia.
Nilai sig > 0,05 maka H3ditolak
29
Multiple Comparisons
Dependent Variable: NILAI
LSD
(I) WARNA (J) WARNA Mean Std. Error Sig. 95% Confidence Interval
Difference (I-J) Lower Bound Upper Bound
BIRU -.418 .802 .606 -2.06 1.22
MERAH
HIJAU -.418 .802 .606 -2.06 1.22
MERAH .418 .802 .606 -1.22 2.06
BIRU
HIJAU .000 .783 1.000 -1.60 1.60
MERAH .418 .802 .606 -1.22 2.06
HIJAU
BIRU .000 .783 1.000 -1.60 1.60
Nilai Sig untuk semua warna>dari 0,05 maka Ho diterima
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
Standardized Residual for
,161 33 ,030 ,931 33 ,038
Hasil
a. Lilliefors Significance Correction
Jika nilai sig < 0,05 Maka nilai residual standard Tidak normal
Descriptive Statistics
Dependent Variable: Hasil persentase kesalahan
Warna cahaya Mean Std. Deviation N
Merah 58,2527 22,37509 11
Biru 37,7364 3,19815 11
Hijau 44,4500 12,03125 11
Total 46,8130 16,73641 33
Nilai Rata Rata untuk hasil nilIai warna merah adalah 58,25
Nilai Rata Rata untuk hasil nilIai warna biru adalah 37,73
Nilai Rata Rata untuk hasil nilIai warna hijau adalah 44,45
Levene's Test of Equality of Error Variancesa
Dependent Variable: Hasil persentase kesalahan
F df1 df2 Sig.
7,034 2 30 ,003
Nilai sig < 0,05, maka dinyatakan tidak homogen
30
Tests of Between-Subjects Effects
Type III Sum of
Source Squares Df Mean Square F Sig.
Corrected Model 2407,201a 2 1203,601 5,507 ,009
Intercept 72318,174 1 72318,174 330,913 ,000
Warna 2407,201 2 1203,601 5,507 ,009
Error 6556,239 30 218,541
Total 81281,614 33
Corrected Total 8963,440 32
a. R Squared = ,269 (Adjusted R Squared = ,220)
Jika F hitung > F tabel = H3diterima | Jika F hitung < F tabel = H3ditolak
F tabel didapat dari jumlah variabel – 1 kemudian dikurang dengan
jumlah data.
F hitung = 5,507 > F tabel = 4,26 maka H3diterima, sehingga dapat
disimpulkan bahwa setiap kebisingan pada persentase kesalahan
mempengaruhi produktivitas kerja manusia.
Nilai sig 0,009 < 0,05 maka H3ditolak
31
ANOVA
NILAI
Sum of Squares Df Mean Square F Sig.
Between Groups 140.061 2 70.030 21.241 .000
Within Groups 98.909 30 3.297
Total 238.970 32
Jika F hitung > F tabel = H4diterima | Jika F hitung < F tabel = H4ditolak
F tabel didapat dari jumlah variabel – 1 kemudian dikurang dengan
jumlah data.
F hitung = 21,241 > F tabel = 4,26 maka H4 diterima, sehingga dapat
disimpulkan bahwa setiap daya lampu pada jumlah pengerjaan
mempengaruhi produktivitas kerja manusia.
Nilai sig < 0,05 maka H4diterima.
Multiple Comparisons
Dependent Variable: NILAI
(I) DAYA_LAMPU (J) DAYA_LAMPU Mean Std. Sig. 95% Confidence
Difference (I-J) Error Interval
Lower Upper
Bound Bound
25WATT 1.909* .774 .020 .33 3.49
10WATT
*
40WATT 5.000 .774 .000 3.42 6.58
*
10WATT -1.909 .774 .020 -3.49 -.33
25WATT
*
40WATT 3.091 .774 .000 1.51 4.67
*
10WATT -5.000 .774 .000 -6.58 -3.42
40WATT
25WATT -3.091* .774 .000 -4.67 -1.51
Nilai Sig untuk semua watt daya lampu < dari 0,05, maka H4diterima
32
3.3 Grafik
3.3.1 Pengaruh Suhu
a. Operasi Perhitungan
1. Jumlah Pengerjaan
Berikut adalah grafik Jumlah Pengerjaan terhadap pengaruh suhu :
2. Persentase Kesalahan
Berikut adalah grafik Presentase Kesalahan terhadap pengaruh suhu :
33
Dari gambar 3.2 diatas didapat bahwa Presentase Kesalahan 24 derajat lebih besar
dari 30 derajat dan 16 derajat.
34
Dari gambar 3.4 diatas didapat bahwa Jumlah pengerjaaan Musik lebih besar dari
Putus-putus dan Konstan
2. Persentase Kesalahan
Berikut adalah Presentase Kesalahan terhadap Pengaruh Kebisingan
35
Dari gambar 3.6 diatas didapat bahwa Jumlah Kesalahan Kartu Huruf dan
Angka Putus-putus lebih besar dari Konstan dan Musik
3.3.3 Pengaruh Warna
a. Operasi Perhitungan
1. Jumlah Pengerjaan
Berikut adalah Jumlah Pengerjaan terhadap Pengaruh Warna
2. Persentase Kesalahan
Berikut adalah Presentase Kesalahan terhadap Pengaruh Warna :
36
Dari gambar 3.8 diatas didapat bahwa Presentase Kesalahan merah
lebih besar dari hijau dan biru.
37
3.3.5 Rekap Perbandingan Rata-rata % Kesalahan (Untuk 3 Percobaan :
Suhu, Bunyi, dan Warna)
Rata-rata kesalahan pengaruh suhu
38
Rata-rata kesalahan pengaruh warna
39
BAB IV
ANALISIS MASALAH
40
pengaruh signifikan perubahan tingkat kebisingan terhadap performansi operator
melakukan kesalahan.
41
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan praktikum yang kami lakukan dapat kami simpulkan bahwa:
Pada pengaruh suhu jika F hitung > F tabel maka HI diterima, sehingga dapat
disimpulkan bahwa setiap suhu mempengaruhi produktivitas kerja manusia.Pada
pengaruh kebisingan jika F hitung > F tabel maka H2 diterima, sehingga dapat
disimpulkan bahwa setiap kebisingan mempengaruhi produktivitas kerja
manusia.Pada pengaruh pencahayaan jika F hitung > F tabel maka H3 diterima,
sehingga dapat disimpulkan bahwa setiap pencahayaan mempengaruhi
produktivitas kerja manusia.Pada pengaruh daya lampu jika F hitung > F tabel
maka H3 diterima, sehingga dapat disimpulkan bahwa setiap daya lampu
mempengaruhi produktivitas kerja manusia.
5.2 Saran
Berdasarkan praktikum yang kami lakukan, kami akan memberikan saran
terkait praktikum pengukuran lingkungan kerja:
1. Dalam mengatur lingkungan kerja yang baik, sebaiknya untuk
memperhatikan tingkat suhu udara pada ruangan operator
2. Mengurangi tingkat kebisingan yang mempengaruhi konsentrasi
operator
3. Pengontrolan pada intensitas cahaya pada ruangan secara rutin
42
DAFTAR PUSTAKA
https://s3.amazonaws.com/academia.edu.documents/56056490/MODUL_4_pske)
Diakse Pada Tanggal 20 Februari 2020
43
LAPORAN PRAKTIKUM PERANCANGAN SISTEM INDUSTRI TERPADU II
MODUL II
FORECASTING
DISUSUN OLEH :
KELOMPOK 9 (SEMBILAN)
KELAS : IN6A
DOSEN PENGAJAR :
SEPTA HARDINI, S.T., M.T
45
1.2 Rumusan Masalah
Rumusan masalah dari praktikum modul 2 ini yaitu :Bagaimana
memahami meteode – metode yang ada dalam peramalan? Bagaimana cara
membuat peramalan dengan berbagai macam metode? Bagaimana cara mebmbuat
diagram pencar?
46
Bab ini berisi tentang data – data yang telah dikumpulkan yang di
dapat pada saat pengambilan data di ruang iklim.Dan pengolahan data
yaitu data – data yang telah didapat kemudian di uji atau di olah.
4. BAB IV Analisis
Bab ini berisi tentang analisa dari keseluruhan praktikum.
5. BAB V Kesimpulan dan Saran
Bab ini berisi tentang kesimpulan dari keseluruhan praktikum ini, dan
saran mengenai praktkum ini.
47
BAB II
TINJAUAN PUSTAKA DAN DIAGRAM ALIR PRAKTIKUM
2.1 Forecasting
Forecasting/peramalan adalah meramalkan, memproyeksikan, atau
mengadakan perkiraaan/taksiran terhadap berbagai kemungkinan yang akan
terjadi sebelum suatu rancana yang lebih pasti dapat dilakukan. Hal ini dapat
dilakukan dengan melibatkan pengambilan data historis dan memproyeksikannya
ke masa mendatang dengan suatu bentuk model matematis. Hal ini bisa juga
merupakan pediksi intuisi yang bersifat subjektif. Hal ini pun dapat dilakukan
dengan menggunakan kombinasi model matematis yang disesuakan dengan
pertimbangan yang baik dari seorang manager.
Terdapat dua pendekatan untuk melakukan peramalan yaitu dengan
pendekatan kualitatif dan pendekatan kuantitatif. Metode peramalan kualitatif
digunakan ketika data historis tidak tersedia. Metode peramalan kualitatif adalah
metode subyektif (intuitif). Metode ini didasarkan pada informasi kualitatif. Dasar
informasi ini dapat memprediksi kejadian-kejadian di masa yang akan datang.
Keakuratan dari metode ini sangat subjektif (Materi Statistika, UGM)
(Makridakis, 1999).
48
permintaan aktual selalu berbeda dengan permintaan yang diramalkan (Baroto,
2002).
49
......2.1
Pola data yang tidak stabil atau perubahannya besar dan bergejolak umumnya
menggunakan model pemulusan eksponensial (Exponential Smoothing Models).
Metode Single Exponential Smoothing lebih cocok digunakan untuk meramalkan
hal-hal yang fluktuasinya secara acak (tidak teratur). Peramalan menggunakan
model pemulusan eksponensial rumusnya adalah sebagai berikut.
.....................................................................................2.2
3. Regresi Linier
Model analisis Regresi Linier adalah suatu metode populer untuk berbagai
macam permasalahan. Menurut Harding (1974) dua variabel yang digunakan,
variabel x dan variabel y, diasumsikan memiliki kaitan satu sama lain dan bersifat
linier. Rumus perhitungan Regresi Linier yaitu sebagai berikut.
...........................................................................................................2.3
.................................................................................................2.4
.....................................................................................2.5
..............................................................................................................2.6
50
..............................................................................................................2.7
Keterangan:
Y = hasil peramalan
n = periode
................................................2.8
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
51
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.
..........................................................................2.9
..........................................2.10
4. Tracking Signal
.............................................................................2.11
Tracking signal yang positif menunjukan bahwa nilai aktual permintaan lebih
besar daripada ramalan, sedangkan tracking signal yang negatif berarti nilai aktual
permintaan lebih kecil daripada ramalan. Tracking signal disebut baik apabila
memiliki RSFE yang rendah, dan mempunyai positive error yang sama banyak
atau seimbang dengan negative error, sehingga pusat dari tracking
signal mendekati nol. Tracking signal yang telah dihitung dapat dibuat peta
52
kontrol untuk melihat kelayakkan data di dalam batas kontrol atas dan batas
kontrol bawah.
........2.12
Jika ditemukan satu titik yang berada diluar batas kendali pada saat peramalan
diverifikasi maka harus ditentukan apakah data harus diabaikan atau mencari
peramal baru. Jika ditemukan sebuah titik berada diluar batas kendali maka harus
diselidiki penyebabnya. Penemuan itu mungkin saja membutuhkan penyelidikan
yang ekstensif. Jika semua titik berada di dalam batas kendali, diasumsikan bahwa
peramalan permintaan yang dihasilkan telah cukup baik. Jika terdapat titik yang
berada di luar batas kendali, jelas bahwa peramalan yang didapat kurang baik dan
harus direvisi (Gaspersz, 1998).
53
Ploting data harus dilakukan sebelum melakukan metode peramalan untuk
menentukan pola data yang terjadi. Dengan data yang ada diperoleh
diagram pencarnya. Macam – macam dari plot data adalah sebagai berikut
:
Konstan
Adalah apabila pola data berfluktuasi di sekitar nilai rata – rata yang
konstan (deret seperti ini stasioner terhadap nilai rata - ratanya).
Gambar 2.1
Linier/Trend.
Terjadi saat terdapat kenaikan dan penurunan jangka panjang dalam
data.
Gambar 2.2
Seasonal (Musiman)
Adalah fluktuasi permintaan suatu produk dapat naik turun di sekitar
garis trend dan biasanya berulang tiap tahun.
Gambar 2.3
Cyclical (Siklis)
54
Adalah pola permintaan suatu produk yang mempunyai siklus
berulang secara periodik biasanya lebih dari satu tahun, sehingga pola
ini untuk peramalan jangka menengah dan panjang.
Gambar 2.4
Random (acak)
Adalah tanda dalam data yang disebabkan peluang dan situasi yang
tidak biasa, variabel acak mengikuti pola yang tidak dapat dilihat.
Gambar 2.5
2. Memilih alternatif metode yang sesuai dengan pola data masa lalu.
Dengan asumsi, pola akan berulang pada periode yang akan datang.
3. Melakukan uji verifikasi dengan menghitung error dari metode –
metode yang digunakan.
4. Memilih metode yang terbaik, yang dipilih adalah 2 metode yang
memiliki error terkecil.
5. Melakukan uji validasi metode terpilih dengan menggunakan peta
Moving Range. (Sri Hartini,2010)
55
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
Permintaan
1900
1880
1860
1840
1820
1800
1780
1 2 3 4 5 6 7 8 9 10 11 12
Produk 1 Produk 2
56
Gambar 3.1 Plot Data Permintaan
Berdasarkan data ploting data diatas Analisis Deret Waktu didasarkan
pada asumsi bahwa deret waktu tersebut terdiri dari komponen trend. Trend
merupakan sifat dari permintaan dimasa lalu terhadap waktu terjadinya, apakah
permintaan tersebut cenderung naik, turun, atau konstan.
c. Lalu tekan Ok. Muncul tabel data peramalan. Kemudian isi tabel
tersebut dengan data jumlah permintaan.
57
Sumber : Aplikasi WinQSB
Gambar 3.3 Data Historis Simple Avarage
d. Lalu pilih tools Solve dan Analyze. Lalu pilih Perform Forecasting
e. Muncul lah pilihan 12 metode peramalan.
58
b. Hasil Forcasting Summary Simple Avarage, Detail Simple Average
dan In Graph
59
Sumber: Aplikasi WinQSB
Gambar 3.7 Show Forecasting In Graph Simple Avarage
60
Sumber: Aplikasi WinQSB
Gambar 3.9 Show Forecasting Summary Moving Avarage
Berdasarkan Gambar 3.9 Show Forecasting Summary Moving Avarage nilai MAD
= 5.727273, MSE = 42.09091, CFE = 63 , MAPE = 0.3075895.
61
Sumber : Aplikasi WinQSB
Gambar 3.11 Show Forecasting In Graph Moving Avarage
62
b. Hasil Forcasting Summary, Detail dan In Graph Weight Moving
Average
63
Sumber : Aplikasi WinQSB
Gambar 3.15 Show Forecasting In Graph Weight Moving Average
3.2.1.4 Moving Average With Linier Trend (MAT)
a. Pilih Metode Forecasting Methods : Moving Average With Linier
Trend (MAT)
Method Parameters : Assign Values
Search Criterion : MAD
Number of periods to forecast : 12
Number of periods in average : 4
Lalu klik OK.
64
b. Hasil Forcasting Summary, Detail dan In Graph Moving Average With
Linier Trend
65
Sumber : Aplikasi WinQSB
Gambar 3.19 Show Forecasting In Graph Moving Average With Linier Trend
3.2.1.5 Single Exponential Smoothing (SES)
a. Pilih Metode Forecasting Methods : Single Exponential Smoothing
(SES)
Method Parameters : Assign Values
Search Criterion : MAD
Number of periods to forecast : 12
Smoothing constant Alpha : 0.01
Lalu klik OK.
66
b. Hasil Forcasting Summary, Detail dan In Graph Single Exponential
Smoothing
67
Sumber : Aplikasi WinQSB
Gambar 3.23 Show Forecasting In Graph Single Exponential Smoothing
68
b. Hasil Forcasting Summary, Detail dan In Graph Single Exponential
Smoothing Linier Trend
69
Sumber : Aplikasi WinQSB
Gambar 3.27 Show Forecasting In Graph Single Exponential Smoothing Linier
Trend
3.2.1.7 Double Exponential Smoothing (DES)
a. Pilih Metode Forecasting Methods : Double Exponential Smoothing
(DES)
Linier Trend (SEST)
Method Parameters : Assign Values
Search Criterion : MAD
Number of periods to forecast : 12
Smoothing constant Alpha : 0.01
Lalu klik OK.
70
b. Hasil Forcasting Summary, Detail dan In Graph Double Exponential
Smoothing
71
Sumber : Aplikasi WinQSB
Gambar 3.31 Show Forecasting In Graph Double Exponential Smoothing
3.2.1.8 Double Exponential Smoothing Linier Trend (DEST)
a. Pilih Metode Forecasting Methods : Double Exponential Smoothing
Linier Trend (DEST)
Method Parameters : Assign Values
Search Criterion : MAD
Number of periods to forecast : 12
Smoothing constant Alpha : 0.01
Lalu klik OK.
72
Sumber : Aplikasi WinQSB
Gambar 3.33 Show Forecasting Summary Double Exponential Smoothing Linier
Trend
73
Sumber : Aplikasi WinQSB
Gambar 3.35 Show Forecasting In Graph Double Exponential Smoothing Linier
Trend
74
b. Hasil Forcasting Summary, Detail dan In Graph Addative Exponential
Smoothing Smoothing Linier Trend
75
Sumber : Aplikasi WinQSB
Gambar 3.39 Show Forecasting In Graph Addative Exponential Smoothing
76
Sumber : Aplikasi WinQSB
Gambar 3.41 Show Forecasting Summary Linier Regression With Time
77
Sumber : Aplikasi WinQSB
Gambar 3.43 Show Forecasting In Graph Linier Regression With Time
3.2.1.11 Holt Wrinters Addative Algoritma (HWA)
a. Pilih Metode Forecasting Methods : Holt Wrinters Addative Algoritma
(HWA)
Method Parameters : Assign Values
Search Criterion : MAD
Number of periods to forecast : 12
Smoothing constant alpha : 0,01
Smoothing constant beta : 0,3
Smoothing constan gamma : 0,01
Lalu klik OK.
78
b. Hasil Forcasting Summary, Detail dan In Graph Holt Wrinters
Addative Algoritma
79
Sumber : Aplikasi WinQSB
Gambar 3.47 Show Forecasting In Graph Holt Wrinters Addative Algoritma
80
b. Hasil Forcasting Summary, Detail dan In Graph Holt Winters
Multiplicative Algoritma
81
Sumber : Aplikasi WinQSB
Gambar 3.51 Show Forecasting In Graph Holt Winters Multiplicative Algoritma
3.2.2 Peramalan Produk 2
12 metode peramalan adalah sebagai berikut:
a. Buka aplikasi WinQSB, pilih Forecasting dan Linier Regresion
b. Lalu Buat Spesifikasi Peramalan dengan
Problem Type : Time Series Forecasting
Problem Title : Modul Forcasting
Time Unit : Month
Number Of Time Units (periods) : 12
82
c. Lalu tekan Ok. Muncul tabel data peramalan. Kemudian isi tabel
tersebut dengan data jumlah permintaan.
83
b. Hasil Forcasting Summary Simple Avarage, Detail Simple Average
dan In Graph
84
Sumber: Aplikasi WinQSB
Gambar 3.57 Show Forecasting In Graph Simple Avarage
85
Sumber: Aplikasi WinQSB
Gambar 3.59 Show Forecasting Summary Moving Avarage
86
Sumber : Aplikasi WinQSB
Gambar 3.61 Show Forecasting In Graph Moving Avarage
87
b. Hasil Forcasting Summary, Detail dan In Graph Weight Moving
Average
88
Sumber : Aplikasi WinQSB
Gambar 3.65 Show Forecasting In Graph Weight Moving Average
89
b. Hasil Forcasting Summary, Detail dan In Graph Moving Average With
Linier Trend
90
Sumber : Aplikasi WinQSB
Gambar 3.69 Show Forecasting In Graph Moving Average With Linier Trend
3.2.2.5 Single Exponential Smoothing (SES)
a. Pilih Metode Forecasting Methods : Single Exponential Smoothing
(SES)
Method Parameters : Assign Values
Search Criterion : MAD
Number of periods to forecast : 12
Smoothing constant Alpha : 0.01
Lalu klik OK.
91
b. Hasil Forcasting Summary, Detail dan In Graph Single Exponential
Smoothing
92
Sumber : Aplikasi WinQSB
Gambar 3.73 Show Forecasting In Graph Single Exponential Smoothing
93
b. Hasil Forcasting Summary, Detail dan In Graph Single Exponential
Smoothing Linier Trend
94
Sumber : Aplikasi WinQSB
Gambar 3.77 Show Forecasting In Graph Single Exponential Smoothing Linier
Trend
3.2.2.7 Double Exponential Smoothing (DES)
a. Pilih Metode Forecasting Methods : Double Exponential Smoothing
(DES)
Linier Trend (SEST)
Method Parameters : Assign Values
Search Criterion : MAD
Number of periods to forecast : 12
Smoothing constant Alpha : 0.01
Lalu klik OK.
95
b. Hasil Forcasting Summary, Detail dan In Graph Double Exponential
Smoothing
96
Sumber : Aplikasi WinQSB
Gambar 3.81 Show Forecasting In Graph Double Exponential Smoothing
97
Sumber : Aplikasi WinQSB
Gambar 3.83 Show Forecasting Summary Double Exponential Smoothing Linier
Trend
98
Sumber : Aplikasi WinQSB
Gambar 3.85 Show Forecasting In Graph Double Exponential Smoothing Linier
Trend
3.2.2.9 Addative Exponential Smoothing (AES)
a. Pilih Metode Forecasting Methods : Addative Exponential Smoothing
(AES)
Method Parameters : Assign Values
Search Criterion : MAD
Number of periods to forecast : 12
Smoothing constant Alpha : 0.01
Adjusting constant Beta : 0.3
Lalu klik OK
99
b. Hasil Forcasting Summary, Detail dan In Graph Addative Exponential
Smoothing Smoothing Linier Trend
100
Sumber : Aplikasi WinQSB
Gambar 3.89 Show Forecasting In Graph Addative Exponential Smoothing
101
Sumber : Aplikasi WinQSB
Gambar 3.91 Show Forecasting Summary Linier Regression With Time
102
Sumber : Aplikasi WinQSB
Gambar 3.93 Show Forecasting In Graph Linier Regression With Time
3.2.2.11 Holt Wrinters Addative Algoritma (HWA)
a. Pilih Metode Forecasting Methods : Holt Wrinters Addative Algoritma
(HWA)
Method Parameters : Assign Values
Search Criterion : MAD
Number of periods to forecast : 12
Smoothing constant alpha : 0,01
Smoothing constant beta : 0,3
Smoothing constan gamma : 0,01
Lalu klik OK.
103
b. Hasil Forcasting Summary, Detail dan In Graph Holt Wrinters
Addative Algoritma
104
Sumber : Aplikasi WinQSB
Gambar 3.97 Show Forecasting In Graph Holt Wrinters Addative Algoritma
3.2.2.12 Holt Winters Multiplicative Algoritma (HWM)
a. Pilih Metode Forecasting Methods : Holt Winters Multiplicative
Algoritma (HWM)
Method Parameters : Assign Values
Search Criterion : MAD
Number of periods to forecast : 12
Smoothing constant alpha : 0,01
Smoothing constant beta : 0,3
Smoothing constan gamma : 0,01
Lalu klik OK.
105
b. Hasil Forcasting Summary, Detail dan In Graph Holt Winters
Multiplicative Algoritma
106
Sumber : Aplikasi WinQSB
Gambar 3.51 Show Forecasting In Graph Holt Winters Multiplicative Algoritma
107
3.3 Perhitungan Manual Menggunakan Regresi Linier
b =
a =
ў = a + bX
Dimana :
Ў = Variabel response atau Akibat
X = Variabel Faktor Penyebab
a = Konstanta
b = Koedisien Regresi
n = Jumlah
Penyelesaian :
b = = 5,32
a = = 1821,92.
Ў = 1821,92 + 5,32(13)
= 1891,091
108
3.3.2 Perhitungan Produk 2
b =
a =
ў = a + bX
Dimana :
Ў = Variabel response atau Akibat
X = Variabel Faktor Penyebab
a = Konstanta
b = Koedisien Regresi
n = Jumlah
Penyelesaian :
b = = 5,32
a = = 1830,92
Ў = 1830,92 + 5,32(13)
= 1900,091
Dari perhitungan diata.s diperoleh hasil peramalan Produk 2 penjualan bulan ke
13 sebesar 1900,091 unit. .
109
Berikut adalah grafik dari hasil peramalan dari produk 1 dan produk 2.
Hasil Peramalan
1980
1960
1940
1920
1900
1880
1860
1840
13 14 15 16 17 18 19 20 21 22 23 24
Produk 1 Produk 2
110
1. MR
Rumus
MR = |ei-ei¹|
MR = 1,6783449 + 0,67822 20 + 0,3216550 .... + 3,6783448
= 29,6781 ≈ 30
2. Verifikasi Error
Diketahui :
t = 12
∑ = 30
Rumus :
UCL = 2.66 ×
LCL = - 2.66 ×
A=±
B=±
Penyelesaian :
= = 2,72 ≈ 3
A = ± (2,66 x 3) = 5,32
B = ± (2,66 x 3) = 2,66
111
Grafik Hasil Verifikasi Error :
10
2 LCL
Mean MR
0
MR
1 2 3 4 5 6 7 8 9 10 11 12
-2 UCL
-4
-6
-8
-10
112
BAB IV
ANALISIS MASALAH
Berdasarkan ploting data pada Gambar 3.2 Plot Data Permintaan produk 1
dan produk 2, Analisis Deret Waktu didasarkan pada asumsi bahwa deret waktu
tersebut terdiri dari komponen trend/kecendrungan (T) apabila dilihat dari siklus
chart tersebut. Trend merupakan sifat dari permintaan dimasalalu terhadap wakru
terjadinya, apakah permintaan tersebut cenderung naik, turun, atau kosntan.
113
Time, Produk 1 dengan nilai MAD 2,089428, dan Produk 2 dengan nilai MAD
2.089428. Sehingga nanti data yang dipakai untuk perhitungan selanjutnya
menggunakan metode LR. Berdasarkan metode peramalan yang dilakukan (LR)
sudah sesuai dengan analisis deret waktu yaitu analisis deret waktu menurut
trend.
114
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari dari praktikum modul 2 dapat kami simpulkan sebagai berikut:
1. Dalam menentukan metode peramalan harus memilih yang terbaik
diantara 12 metode tersebut dan yang menjadi pilihan haruslah metode
yang nilai errornya yang terkecil. Dapat dilihat dari Tabel 3.3 Hasil
Peramalan MAD dari perhitungan MAD pada setiap metode peramalan
yang dilakukan diperoleh nilai MAD yang terkecil dan terbaik pada
produk 1 terdapat pada metode ke-10 yaitu metode Linier Regression With
Time dengan nilai MAD 2,089428, dan nilai MAD yang terkecil dan
terbaik pada produk 2 juga sama terdapat pada metode ke-10 yaitu metode
Linier Regression With Time dengan nilai MAD 2,089428. Sehingga nanti
data yang dipakai untuk perhitungan selanjutnya menggunakan metode
LR.
2. Setelah perhitungan untuk memverifikasi metode LR, Produk 1 dan
Produk 2 didapatkan tidak ada data yang melewati batas LCL = -7,98dan
UCL = 7,98. Maka dari itu tidak ada data yang out of control dan metode
peramalan LR dapat digunakan untuk peramalan selanjutnya.
3. Berdasarkan ploting data pada Plot Data Permintaan, Analisis Deret
Waktu didasarkan pada asumsi bahwa deret waktu tersebut terdiri dari
komponen trend/kecendrungan (T) apabila dilihat dari siklus chart tersebut
yang cenderung naik. Trend merupakan sifat dari permintaan dimasalalu
terhadap wakru terjadinya, apakah permintaan tersebut cenderung naik,
turun, atau kosntan.
4. Hasil peramalan Produk 1 metode LR berikut ini bulan ke 13 = 1891.091,
bulan ke 14 = 1896.413, bulan ke 15 = 1901.734, bulan ke 16 =1907.056,
bulan ke 17 = 1912.378, bulan ke 18 = 1917.699, bulan ke 19 = 1923.021,
bulan ke 20 =1 928.343, bulan ke 21 = 1933.664, bulan ke 22 = 1938.986,
bulan ke 23 = 1944.308, bulan ke 24 = 1949.629. Menunjukkan bahwa
data actual lebih kecil dari data forecasting. Maka peramalan ini termasuk
kedalam kategori baik karena hasil peramalan tidak terlalu tinggi dan tidak
115
terlalu rendah dan dalam uji verifikasi seluruh data berada dalam batas
kendali. Maka metode ini sangat dianjurkan untuk digunakan pada
peramalan selanjutnya.
5.2 Saran
Apabila dalam uji verifikasi data melewati batas control maka haruslah
ditindak lanjut dengan mencari tau letak kesalahan pada metode tersebut apabila
dapat ditoleransi maka metode dapat digunakan untuk peramalan selanjutnya.
Apabila tidak maka dilakukan penambahan data, kemudian ramalkan kembali
dengan metode yang sama atau mengganti metode peramalan.
116
DAFTAR PUSTAKA
117
LAPORAN PRAKTIKUM PERANCANGAN SISTEM INDUSTRI TERPADU II
MODUL III
AGGREGATE PLANNING
DISUSUN OLEH :
KELOMPOK 9 (SEMBILAN)
KELAS : IN6A
DOSEN PENGAJAR :
SEPTA HARDINI, S.T., M.T
119
1.4 Batasan Masalah
Batasan masalah dari paktikum ini adalah
120
BAB II
TINJAUAN PUSTAKA DAN DIAGRAM ALIR
( Si Manis : 2018)
121
Menurut Ma’arif dan Tanjung (2003), Secara garis besar, terdapat dua
strategi pokok yang digunakan dalam perencanaan agregat yaitu : Chase Strategy
dan Level Strategy.
1) Chase Strategy
122
waktu tertentu melalui variabel-variabel tingkat produksi, karyawan, persediaan
dan variabel. Sedangkan Herjanto (1991,p.193-194) perencanaan agregat
merupakan jantung dari perencanaan jangka menengah. Tujuan dari perencanaan
agregat untuk mengembangkan suatu rencana produksi secara menyeluruh yang
fisibel dan optimal. Bagian dari sistem perencanaan produksi yang lebih besar,
sehingga pemahaman mengenai keterkaitan antara rencana beberapa faktor
internal dan eksternal merupakan sesuatu yang berguna (Prasetya,1990,p.100-
101).
Proses perencanaan dapat digolongkan dalam tiga tingkatan yaitu:
123
2.1.1 Tujuan Perencanaan Agregat
124
akan dibuat, tetapi bukan berapa banyak mobil dua pintu atau empat pintu atau
berapa banyak mobil berwarna merah atau biru.
125
dengan drastis. Pemberhentian ini mengakibatkan perusahaan harus
mengeluarkan uang pagi karyawan yang di-PHK, menurunnya moral kerja dan
produktifitas karyawan yang masih bekerja, dan tekanan yang bersifat social.
Semua akibat ini dianggap sebagai ongkos pemberhentian tenaga kerja yang
akan ditanggung oleh perusahaan
Tenaga kerja berlebih ini dapat dijadikan alternatif untuk untuk kegiatan
lain yang produktif meskipun tidak efektif. Bila alternatif itu tidak bisa
dilakukan secara efektif, maka perusahaan dianggap menanggung ongkos
menganggur yang besarnya merupakan perkalian antara jumlah jam kerja yang
tidak terpakai dengan tingkat upah dan tunjangan lainnya.
126
yang datang tetapi tidak dapat dilayani karena barang yang diminta tidak
tersedia.
Pada umumnya ada empat jenis strategi yang dapat dipilih dalam
pembuatan perencanaan Agregat.Pemilihan strategi tersebut tergantung dari
kebijaksanaan perusahaan, keterbatasan perusahaan dalam prakteknya, dan
pertimbangan biaya.Keempat jenis strategi tersebut adalah sebagai berikut:
127
Merekrut (menambah tenaga kerja pada saat permintaan tinggi dan
memberhentikannya (mengurangi) pada saat permintaan rendah.
Penambahan tenagakerja memerlukan biaya rekruitmen dan pelatihan.
Biaya konpensasi dan reorganisasisering kali harus dikeluarkan jika
dilakukan pengurangan tenaga kerja. Biaya-biaya ini biasanya diikuti oleh
biaya tak tampak seperti: kemerosotan moral kerja dan turnover tenaga
kerja yang tinggi. Karena kapasitas fasilitas produksi adalah tetap,
maka penurunan produktivitas mungkin akan terjadi jika penambahan
tenaga kerja tanpadisertai dengan penambahan peralatan produksi (mesin-
mesin).
c. Melemburkan pekerja
128
Alternative ini akan mengakibatkan tambahan ongkos
karenasubkontrak dan ongkos kekecewaan konsumen bila terjadi
kelambatan penyerahan dari barang yang disubkontakkan.
129
memer lukan ketelit ian dalam perhitungannya, karena sekali
langkah awal salah, maka langkah berikutnya akansalah.
3. Transportasi
4. Program Dinamis
130
Dimana :
Maka Wagner dan Within menyatakan bahwa solusi optimal akan mempunyai
sifat-sifat sebagai berikut :
(1.2)
(1.3)
Persamaan (1.3) menyat akan bahwa jumlah produksi yang dit etapkan
dalam periode kapanpun akan merupakan produksi keseluruhan periode atau
kombinasi darikeseluruhan periode.
B i l a C jk = o n g k o s p r o d u k s i p a d a p e r i o d e – j + 1 u n t u k
m e m e n u h i p e r m i n t a a n p a d a j + 1 , j+2,....k.
C jk diatas termasuk biaya produksi dan biaya persediaan selama sub-periode-j ke
periode-k adalah sebagai berikut :
131
dimana :
Hal ini berarti bahwa setiap tahap rekursiv, kita mencari kombinasi biaya produksi
minimum diantara dua titik regenerasi (j dan k) dit ambah dengan solus i
opt imal ke- j.Langkah rkursiv dihitung untuk ke T, dimana Zo* = 0.
5. Metode Program Dinamis Dengan Backorder
132
Pada bagian sebelumnya algorimtma Wagner dan Within terlihat dapat
dialokasikan pada kondisi dimana kurva biaya yang berbeda dari periode ke
periodetanpa mempunyai sifat peningkatan biaya marginal. Hal ini berlaku
dimana biaya-biaya bersifat konkav dan pada kasus khusus dengan:
133
dimana :
dimana :
St= backorder pada akhir periode-t
Pt= ongkos penalti per-unit terjadinya backorder (Pt biasanya disimbolkan juga
dengan π
134
2.2 Diagram Alir Praktikum
Berikut adalah diagram alir dari praktikum modul 3 ini.
Mulai
Identifikasi Masalah
Pengumpulan Data
Pengolahan Data
Analisis Hasil
Selesai
135
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
136
3.1.2 Data Kapasitas yang Tersedia
Perusahaan meberikan hari kerja selama 12 periode, dimana dalam satu
periode (bulan) berbeda-beda jumlah hari kerjanya dan jam kerjanya adalah
8jam/hari. Berdasarkan hasil perhirtungan diketahui bahwa jumlah lini adalah 2
lini.
Berikut data kapasitas RT dan OT :
Produk 1 Produk 2
RT 320 RT 288
OT 48 OT 28,8
Produk 1
Kapasitas RT : hari kerja × jam kerja × stasiun kerja
= 20 × 8 × 2
= 320
Kapasitas OT : 15% × RT
= 15% × 320
= 48
Produk 2
Kapasitas RT : hari kerja × jam kerja × stasiun kerja
= 18 × 8 × 2
= 288
Kapasitas OT : 10% × RT
= 10% × 288
= 28,8
Jumlah TK awal : 26
Inventori Awal : 0
137
3.2 Pengolahan Data
3.2.1 Perencanaan Agregat Variasi Tingkat Persediaan
Berikut cara menggunakan Aplikasi WinQsb untuk Perencanaan Agregat
Variasi Tingkat Persediaan.
a. Buka aplikasi WinQSB, pilih Aggregate Planning
c. Lalu tekan Ok. Muncul tabel data Aggregate Planning. Kemudian isi
tabel tersebut sesuai dengan pengumpulan data diatas.
138
Sumber : Aplikasi WinQsb
Gambar 3.2 Planning Information Produk 1
d. Laluh pilih tools Solve dan Analyze. Lalu pilih Perform Forecasting
139
Sumber : Aplikasi WinQsb
Gambar 3.4 Aggregate Planning Options
140
Sumber : Aplikasi WinQsb
Gambar 3.6 Planning Result Produk 2
141
Sumber : Aplikasi WinQsb
Gambar 3.8 Cost Analysis Produk 2
Berdasarkan Gambar 3.5 dan gambar 3.8 Cost Analysis total biaya yang
dikeluarkan untuk produk produk 1 sebesar Rp. 151.330.000,- dan produk 2
sebesar Rp. 130.719.000,-
142
Sumber : Aplikasi WinQsb
Gambar 3.10 Column Chart Produk 2
Tabel 3.3 Planning Result Perencanaan Agregat Variasi Tingkat Perseediaan Produk 1
Initial 26 0
Januari 1891 20 26 4160 2080 189
Februari 1896 20 26 4160 2080 373
Maret 1902 19 26 3952 1976 447
April 1907 21 26 4368 2184 724
Mei 1912 18 26 3744 1872 684
Juni 1918 17 26 3536 1768 534
Juli 1923 19 26 3952 1976 587
Agustus 1928 20 26 4160 2080 739
September 1934 20 26 4160 2080 885
Oktober 1939 19 26 3952 1976 922
November 1944 18 26 3744 1872 850
Desember 1950 19 26 3952 1976 876
Total 23.044 23.920
143
Tabel 3.4 Planning Result Perencanaan Agregat Variasi tingkat Perseediaan Produk 2
Initial 23
Januari 1900 22 23 4048 2024 124
Februari 1905 22 23 4048 2024 243
Maret 1911 19 23 3496 1748 80
April 1916 18 23 3312 1656 0
Mei 1921 18 23 3312 1656 0
Juni 1927 21 23 3864 1932 0
Juli 1932 21 23 3864 1932 0
Agustus 1937 19 23 3496 1748 0
September 1943 18 23 3312 1656 0
Oktober 1948 19 23 3496 1748 0
November 1953 18 23 3312 1656 0
Desember 1959 21 23 3864 1932 0
Total 23.152 21.712
b. Jumlah Produksi
=
c. Akumulasi Persediaan
= Persediaaan awal + (Jumlah Produksi – Permintaan)
144
Table 3.5 Cost Analysis Perencanaan Agregat Variasi Tingkat Persediaan Produk 1
Bulan Biaya Produksi Biaya Persediaan Total Biaya
Reguler Time (Rp) (Rp) (Rp)
Januari 12.480.000 189.000 12.669.000
Februari 12.480.000 373.000 12.853.000
Maret 11.856.000 447.000 12.303.000
April 13.104.000 724.000 13.828.000
Mei 11.232.000 684.000 11.916.000
Juni 10.608.000 534.000 11.142.000
Juli 11.856.000 587.000 12.443.000
Agustus 12.480.000 739.000 13.219.000
September 12.480.000 885.000 13.365.000
Oktober 11.856.000 922.000 12.778.000
November 11.232.000 850.000 12.082.000
Desember 11.856.000 876.000 12.732.000
Total Biaya 143.520.000 7.810.000 151.330.000
Table 3.6 Cost Analysis Perencanaan Agregat Variasi Tingkat Persediaan Produk
2
Bulan Biaya Produksi Biaya Persediaan Total Biaya
Reguler Time (Rp) (Rp) (Rp)
Januari 12.144.000 124.000 12.268.000
Februari 12.144.000 243.000 12.387.000
Maret 10.488.000 80.000 10.568.000
April 9.936.000 0 9.936.000
Mei 9.936.000 0 9.936.000
Juni 11.592.000 0 11.592.000
Juli 11.592.000 0 11.592.000
Agustus 10.488.000 0 10.488.000
September 9.936.000 0 9.936.000
Oktober 10.488.000 0 10.488.000
November 9.936.000 0 9.936.000
Desember 11.592.000 0 11.592.000
Total Biaya 130.272.000 372.000 130.719.000
e. Biaya Persediaan
145
= Jumlah persediaan × biaya penyimpanan persediaan
f. Total Biaya
= Biaya Reguler Time + Biaya Persediaan
Berikut adalah grafik unutk perencanaan Agrergat Tingkat persediaan produk 1 dan
produk 2
Perencanaan Agregat
Variasi Tingkat Persediaan
2500
2000
Peramalan Produk 1 (unit)
Jumlah
1500
1000 Jumlah Produksi Produk 1
500 (unit)
Peramalan Produk 2 (unit)
0
Bulan
Produk 1 Pada bulan Mei, Juni, dan November terjadi kekurangan persediaan
dikarenakan kapasitas produksi yang tidak sesuai. Sedangkan Produk 2 pada
bulan Maret, April, Mei, Agustus, September, Oktober, November, dan
146
Desember terjadi kekurangan persediaan dikarenakan kapasitas produksi yang
tidak sesuai.
Jumlah tenagah kerja setiap bulan tetap, untuk produk 1 yaitu sebanyak 26
orang dan produk 2 sebanyak 23 orang.
Total biaya yang dikeluarkan untuk strategi variasi tingkat persediaan produk
1 ini sebesar Rp. 151.330.000,- sedangkan untuk produk 2 biaya yang
dikeluarkan yaitu sebesar 130.719.000,-
147
Sumber : Aplikasi WinQsb
Gambar 3.12 Planning Information Produk 1
d. Laluh pilih tools Solve dan Analyze. Lalu pilih Perform Forecasting
148
Sumber : Aplikasi WinQsb
Gambar 3.14 Aggregate Planning Options
149
Sumber : Aplikasi WinQsb
Gambar 3.16 Planning Result Produk 2
150
Sumber : Aplikasi WinQsb
Gambar 3.18 Cost Analysis Produk 2
Berdasarkan Gambar 3.5 dan gambar 3.8 Cost Analysis total biaya yang
dikeluarkan untuk produk 1 sebesar Rp. 139.714.000,- dan produk 2 sebesar Rp.
140.407.000,-
151
Sumber : Aplikasi WinQsb
Gambar 3.20 Grapht Produk 2
Table 3.7 Planning Result Perencanaan Agregat Variasi Tingkat Tenaga Kerja Produk 1
Permintaan Jumlah Jumlah Jumlah Penambahan Pengurangan
Bulan (Unit) Hari Kerja Produksi Tenaga tenaga kerja Tenaga Kerja
(Hari) (unit) Kerja (orang0 (Orang)
(orang)
Initial 26
Januari 1891 20 1891 24 0 2
Februari 1896 20 1896 24 0 0
Maret 1902 19 1902 26 2 0
April 1907 21 1907 23 0 3
Mei 1912 18 1912 27 4 0
Juni 1918 17 1918 29 2 0
Juli 1923 19 1923 26 0 3
Agustus 1928 20 1928 25 0 1
September 1934 20 1934 25 0 0
Oktober 1939 19 1939 26 1 0
November 1944 18 1944 27 1 0
Desember 1950 19 1950 26 0 1
Total 23.044 23.044 10 10
152
Table 3.8 Planning Result Perencanaan Agregat Variasi Tingkat Tenaga Kerja Produk 2
Permintaan Jumlah Jumlah Jumlah Penambahan Pengurangan
Bulan (Unit) Hari Kerja Produksi Tenaga tenaga kerja Tenaga Kerja
(Hari) (unit) Kerja (orang0 (Orang)
(orang)
Initial 23
Januari 1900 22 1900 22 0 1
Februari 1905 22 1905 22 0 0
Maret 1911 19 1911 26 4 0
April 1916 18 1916 27 1 0
Mei 1921 18 1921 27 0 0
Juni 1927 21 1927 23 0 4
Juli 1932 21 1932 23 0 0
Agustus 1937 19 1937 26 3 0
September 1943 18 1943 27 1 0
Oktober 1948 19 1948 26 0 1
November 1953 18 1953 28 2 0
Desember 1959 21 1959 24 0 4
Total 23.152 23.152 11 10
Tabel 3.9 Cost Analysis Perencanaan Agregat Variasi Tingkat Tenaga Kerja Produk 1
Biaya Produksi Biaya Penambahan Biaya Total Biaya
Bulan Reguler Time Tenaga Kerja (Rp) Pengurangan (Rp)
(Rp) Tenaga Kerja
(Rp)
Januari 11.346.000 0 200.000 11.546.000
Februari 11.376.000 0 0 11.376.000
Maret 11.412.000 90.000 0 11.502.000
April 11.442.000 0 300.000 11.742.000
Mei 11.472.000 180.000 0 11.652.000
Juni 11.508.000 90.000 0 11.598.000
Juli 11.538.000 0 300.000 11.838.000
Agustus 11.568.000 0 100.000 11.668.000
September 11.604.000 0 0 11.604.000
153
Lanjutan>>
Oktober 11.634.000 45.000 0 11.679.000
November 11.664.000 45.000 0 11.709.000
Desember 11.700.000 0 100.000 11.800.000
Total Biaya 138.264.000 450.000 1.000.000 139.714.000
Tabel 3.10 Cost Analysis Perencanaan Agregat Variasi Tingkat Tenaga Kerja Produk 2
Biaya Produksi Biaya Biaya Total Biaya
Bulan Reguler Time Penambahan Pengurangan (Rp)
(Rp) Tenaga Kerja Tenaga Kerja
(Rp) (Rp)
Januari 11.400.000 0 100.000 11.500.000
Februari 11.430.000 0 0 11.430.000
Maret 11.466.000 180.000 0 11.646.000
April 11.496.000 45.000 0 11.541.000
Mei 11.526.000 0 0 11.526.000
Juni 11.562.000 0 400.000 11.962.000
Juli 11.592.000 0 0 11.592.000
Agustus 11.622.000 135.000 0 11.757.000
September 11.658.000 45.000 0 11.703.000
Oktober 11.688.000 0 100.000 11.788.000
November 11.718.000 90.000 0 11.808.000
Desember 11.754.000 0 400.000 12.154.000
Total Biaya 138.912.000 495.000 1.000.000 140.407.000
e. Total Biaya
= Biaya Reguler Time + Biaya Penambahan TK + Biaya Pengurangan TK
154
Berikut adalah grafik untuk Perencanaan Agregat Variasi Tingkat Tenaga
Kerja produk 1 dan produk 2.
1500
1000
Peramalan (unit)
500
Jumlah Produksi (unit)
0
Jumlah Tenaga Kerja (orang)
Bulan
1000
Peramalan (unit)
500
Jumlah Produksi (unit)
0 Jumlah Tenjaga Kerja (orang)
Bulan
155
Jumlah permintaan produk 1 sebesar 23.044 unit, namun jumlah produksi
produk 1 yang dihasilkan sebesar 23.044 unit. Hal ini menyebabkan strategi
variasi tingkat tenaga kerja dapat memenuhi jumlah permintaan yang ada.
Sedangkan jumlah permintaan produk 2 sebesar 23.152 unit, namun jumlah
produksi produk 2 yang dihasilkan sebesar 23.152 unit. Hal ini menyebabkan
strategi variasi tingkat tenaga kerja dapat memenuhi jumlah permintaan yang
ada.
Jumlah tenaga kerja produk 1 dan produk 2 setiap bulan berubah-ubah sesuai
kebutuhan.
Strategi ini menyebabkan adanya biaya penambahan dan pengurangan
karyawan dikarenakan perbedaan kebutuhan tenaga kerja ditiap bulannya.
Biaya yang dikeluarkan untuk strategi variasi tingkat tenaga kerja produk 1
ini sebesar Rp. 139.714.000,- dan untuk produk 2 biaya yang dikeluarkan
sebesar Rp. 140.407.000,-
Tabel 3.11 Planning Result Perencanaan Agregat Variasi Tingkat Sub Kontrak Produk 1
156
Tabel 3.12 Planning Result Perencanaan Agregat Variasi Tingkat Sub Kontrak Produk 2
d. Jumlah Persediaan
157
Tabel 3.13 Cost Analysis Perencanaan Agregat Variasi Sub Kontrak Produk 1
Tabel 3.14 Cost Analysis Perencanaan Agregat Variasi Sub Kontrak Produk 2
158
Perhitungan Cost Analysis Perencanaan Agregat Variasi Sub Kontrak
e. Biaya Reguler Time
h. Total Biaya
= Biaya Reguler Time + Biaya Sub Kontrak + Biaya Persediaan
Berikut adalah grafik untuk Perencanaan Agregat Variasi Tingkat Sub Kontrak
Perencanaan Agregat
Variasi Tingkat Sub Kontrak
2500
2000
1500
1000
Permintaan (unit)
500
Jumlah Produksi RT (unit)
0
Jumlah Produksi SK (unit)
Bulan
Gambar 3.4 Grafik Perencanaan Agregat Variasi Tingkat Sub Kontrak Produk 1
159
Perencanaan Agregat
Variasi Tingkat Sub Kontrak
2500
2000
Jumlah
1500
1000
Permintaan (unit)
500
Jumlah Produksi RT (unit)
0
Jumlah Produksi SK (unit)
Bulan
Gambar 3.5 Grafik Perencanaan Agregat Variasi Tingkat Sub Kontrak Produk 2
160
BAB IV
ANALISIS MASALAH
1. Dari Tabel 3.15 diatas diketahui jumlah produksi produk 1 lebih besar dari
permintaan dan dapat memenuhi jumlah permintaan yang ada. Maka
strategi variasi tingkat persediaan dapat diterapkan dalam perencanaan
agregat. Untuk jumlah produksi Produk 2 lebih kecil dari permintaan
sehingga tidak dapat memenuhi jumlah permintaan yang ada. Maka
strategi variasi tingkat persediaan untuk produk 2 tidak dapat diterapkan
dalam perencanaan agregat.
3. Jumlah tenaga kerja setiap bulan tetap, untuk produk 1 yaitu sebanyak 26
orang dan produk 2 sebanyak 23 orang.
161
4.2 Analisis Perencanaan Agregat Variasi Tingkat Tenaga Kerja
Tabel 3.16 Analiis Perencanaan Agregat Variasi Tingkat Tenaga Kerja.
Permintaan Jumlah Produksi yang Total Biaya
Sampel
(unit) dihasilkan Total Biaya (Rp)
Produk 1 23.044 23.044 139.714.000
Produk 2 23.152 23.152 140.407.000
1. Dari Tabel 3.16 diatas diketahui jumlah produksi produk 1 setara dengan
permintaan dan dapat memenuhi jumlah permintaan yang ada. Maka
strategi variasi tingkat persediaan dapat diterapkan dalam perencanaan
agregat. Untuk jumlah produksi Produk 2 setara dengan permintaan
sehingga dapat memenuhi jumlah permintaan yang ada. Maka strategi
variasi tingkat persediaan untuk produk 2 dapat diterapkan dalam
perencanaan agregat.
1. Dari Tabel 3.17 diatas diketahui jumlah produksi produk 1 lebih kecil dari
permintaan dan tidak dapat memenuhi jumlah permintaan yang ada. Maka
strategi variasi tingkat persediaan tidak dapat diterapkan dalam
perencanaan agregat. Untuk jumlah produksi Produk 2 lebih kecil dari
permintaan sehingga tidak dapat memenuhi jumlah permintaan yang ada.
Maka strategi variasi tingkat persediaan untuk produk 2 tidak dapat
diterapkan dalam perencanaan agregat.
162
2. Jumlah tenaga setiap bulan tetap, produk 1 yaitu sebanyak 20 orang, dan
produk 2 sebanyak 21 orantg.
3. Pada strategi ini, jumlah produksi yang dihasilkan disetiap bulannya sesuai
dengan permintaan dan kekurangan produksi dilakukan dengan
menggunakan sub kontrak.
4. Strategi ini menyebabkan adanya biaya sub kontrak pada serisp periode ,
karena untuk memenuhi permintaan yang melebihi kapasitas produksi
dilakukan produksi pada sub kontrak.
163
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil Perencanaan Agregat dengan munggunakan 3 macam
strategi didapatkan hasil sebagai berikut.
1. Pada Variasi Tingkat Persediaan untuk produk 1 permintaannya sebanyak
23.044, jumlah produksi yang dihasilkan sebanyak 23.920, dan total biaya
yang dikeluarkan untuk variasi tingkat persediaan yaitu sebesar Rp.
151.330.000,-. Untuk produk 2 permintaannya sebanyak 23.152, jumlah
produksi yang dihasilkan sebanyak 21.712, dan total biaya yang
dikeluarkan sebesar Rp. 130.719.000.
Pada Variasi Tingkat Tenaga Kerja untuk produk 1 permintaannya
sebanyak 23.044, jumlah produksi yang dihasilkan sebanyak 23.044, dan
total biaya yang dikeluarkan untuk variasi tingkat tenaga kerja yaitu
sebesar Rp. 139.714.000,-. Untuk produk 2 permintaannya sebanyak
23.152, jumlah produksi yang dihasilkan sebanyak 23.152, dan total biaya
yang dikeluarkan sebesar Rp. 140.407.000.
Pada Variasi Tingkat Sub Kontrak untuk produk 1 permintaannya
sebanyak 23.044, jumlah produksi yang dihasilkan sebanyak 18.400, dan
total biaya yang dikeluarkan untuk variasi tingkat Sub Kontrak yaitu
sebesar Rp. 138.264.000,-. Untuk produk 2 permintaannya sebanyak
23.152, jumlah produksi yang dihasilkan sebanyak 19.824 dan total biaya
yang dikeluarkan sebesar Rp. 138.912.000.
164
ada walau biaya yang dikeluarkan lebih kecil dibandingkan dengan variasi
tingkat tenaga kerja dan variasi tingkat sub kontrak.
5.2 Saran
Berdasarkan hasil dari perencanaan agregat produk 1 dan produk 2 diatas,
kelompok kami memberikan saran :
1. Aggregate Planning sebaiknya dibuat untuk periode 12 bulan, sehingga
manajemen dapat melihat dan memenuhi kebutuhan sumber daya (tenaga
kerja dan kapasitas produksi) untuk 1 tahun kedepan.
165
DAFTAR PUSTAKA
Herjanto, Edy. 2007. Manajemen Operasi (Edisi 3). Jakarta. Penerbit: Grasindo
166
LAPORAN PRAKTIKUM PERANCANGAN SISTEM INDUSTRI TERPADU II
MODUL IV
MASTER PRODUCTION SCHEDULE
DISUSUN OLEH :
KELOMPOK 9 (SEMBILAN)
KELAS : IN6A
DOSEN PENGAJAR :
SEPTA HARDINI, S.T., M.T
168
1.3 Tujuan Praktikum
Adapun tujuan dari praktikum kali ini adalah :
1. Mampu memahami penyusunan Master Production Schedule.
2. Memahami teknik disagregasi Family dari rencana Aggregate menjadi
Master Production Schedule item produk.
169
BAB II
TINJAUAN PUSTAKA DAN DIAGRAM ALIR PRAKTIKUM
170
- Menjadi dasar dalam membuat janji pengiriman (Delivery Promises) pada
konsumen.
Berikut beberapa tujuan MPS:
171
- Ordering policy
a. Metode Cut&Fit
Proses disaagregasi dengan menggunakan pendekatan metode cut and fit
ini relative lebih sederhana dibandingkan dengan menggunakan metode
lainnya. Umumnya perusahaan mencoba berbagai variasi alokasi kapasitas
produk dalam suatu grup sampai tercapai suatu kombinasi yang
memuaskan.
Rumus yang digunakan dalam disagregasi pendekatan metode cut and fit :
......................(2.6)
Dimana:
y: Hasil permalan disagregasi item
% item: presentasi kebutuhan masing-masing item
Demand agregat: Agregat plan hasil pengolahan data rencana produksi
agregat.
172
c. Metode Linear Programming
Model disagregasi linear programming ini diajukan oleh Krajewski dan
Ritzman. Model ini bertujuan untuk meminimalkan biaya total dari output,
subkontrak, inventori, backlog, hiring, lay off, over time dan gaji untuk T
periode.
Z C1 X it C 2 S it C 3 I it C 4 Bit C 5 H jit C 6 F jt C 7 O jit C 8W jit
t i
(2.7)
X it I i.t 1 I it S it Bit Bi.t 1 Dit untuk semua i L…………(2.8)
r
li
P iL
ijt W jt O jt 0 untuk semua j ........................................J(2.10)
..............................................(2.15)
Dimana:
Aj = Biaya pemesanan family j
173
Dij = Permintaan item i family j
Hij = ongkos simpan per unit/periode
Menghitung kuantitas produksi agregat dari item i family j
Qij(adj) = Qij* xkij.......................................(2.16)
dimana kij = faktor konversi
jumlah total Qij(adj) > Pt dengan nilai Qij total sebagai berikut :
Qij(adj)total = ∑ Qij(adj) (2.20).......................(2.17)
maka kuantitas jumlah produk setiap item i pada family j perlu disesuaikan
dengan faktor penyesuaian :
.......................................(2.18)
174
2.2 Diagram Alir Praktikum
Mulai
Identifikasi Masalah
Tujuan Praktikum
Pengumpulan Data
Analisis Hasil
Selesai
175
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
176
Gambar 3.1 Hasil Rencana Produksi 12 Periode
177
3.2 Pengolahan Data
3.2.1 Master Production Schedule Disagregasi
Teknik disagregasi yang digunakan adal;ah metode Cut & Fit. Metode ini
dipilih karena pada metode ini dicoba berbagai variasi alokasi kapasitas produk
dalam suatu grup sampai tercapai suatu kombinasi yang memuaskan dari masing-
masing jenis produk berdasarkan data demand masa lalu Berikut ini akan
diperlihatkan tahapan disasgregasi dari rencana produksi Agregat.
Berdasarkan demand masa lalu maka persentase tipe-tipe adalah sebagai berikut :
Persentase tiap Family :
% Produk 1 = ×100%
= ×100% = 49,89%
% Produk 2 = ×100%
= ×100% = 50,11%
178
Tabel 3.4 Hasil Agregat
Rencana Produksi (unit)
Bulan
Produk 1 Produk 2
Januari 1891 1900
Februari 1896 1905
Maret 1902 1911
April 1907 1916
Mei 1912 1921
Juni 1918 1927
Juli 1923 1932
Agustus 1928 1937
September 1934 1943
Oktober 1939 1948
November 1944 1953
Desember 1950 1959
Sumber : Data Modul 3
Rumus :
Item = Hasil Agregat × % item
179
Lanjutan>>
6 957 966
7 959 968
8 962 971
9 965 974
10 967 976
11 970 979
12 973 982
D TP 1 = D TP 1 =
= =
180
BAB IV
ANALISIS MASALAH
181
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan praktikum modul 4 yang kami lakukan dapat kami simpulkan
sebagai berikut:
1. Bahawa dalam penyusunan Master Production Schedule yang dilakukan
adalah menghitung kapasitas yang tersedia, dan menggunakan teknik
disagregasi dengan metode Cut & Fit. Dan selanjutnya hasil Master
Production Schedule konversi dengan membagi tiap item dengan faktor
konfersinya masing-masing, dan yang terakhir adalah ouput RCCP yaitu
dengan merekap seluruh jumlah kapasitas yang ada.
2. Bahwa dalam Master Production Schedule menggunakan teknik
disagregasi family dari rencana Aggregate menjadi MPS item produk.
Caranya yaitu dengan mengalikan rencana agregat dengan % item,
sehingga menghasilkan Produksi Tiap Item Dalam Satuan Agregat.
5.2 Saran
Berdasarkan praktikum yang kami lakukan, kami akan memberikan saran
terkait praktikum Master Production Schedule ini:
1. Praktikan sebaiknya memahami bagaimana langkah langkah dalam
melakukan perencanaan produksi.
2. Sebelum menjadwalkan produksi sebaiknya periksa terlebih dahulu data
data yang digunakan.
3. Praktikan sebaiknya memperhatikan dan teliti dalam melakukan
perhitungan.
182
DAFTAR PUSTAKA
183
LAPORAN PRAKTIKUM PERANCANGAN SISTEM INDUSTRI TERPADU II
MODUL V
ROUGH CUT CAPACITY PLANNING
DISUSUN OLEH :
KELOMPOK 9 (SEMBILAN)
1. AGUNGFIRMANSYAH 171730057
2. FHANDYNORMANSYAH 171730045
KELAS : IN6A
DOSEN PENGAJAR :
SEPTA HARDINI, S.T., M.T
185
1.3 Tujuan Praktikum
Tujuan dari praktikum modul ini adalah
1. Memahami metode yang ada pada Rough Cut Capacity Planning
2. Memahami keterkaitan antara Rough Cut Capacity Planning dan Master
Production Schedule
186
BAB II
TINJAUAN PUSTAKA DAN DIAGRAM ALIR PRAKTIKUM
187
Kelemahan RCCP :
1. Hanya membedakan nilai pendekatan untuk sumber daya yang
diperlukan dalam produksi.
2. Tidak menjamin terpenuhinya kebutuhan kapasitas dalam tahap
perencanaan kebutuhan material.
188
dibutuhkan dalam seluruh pabrik untuk mencukupi MPS. Waktu ini
kemudian dibagi diantara sumber daya penting dengan mengalikan total
waktu pabrik dengan bagia historis dari waktu yang digunakan pada
pusat kerja yang diberikan.
2.1.2.3 Pendekatan Resource Profile
Baik BOL maupun CPOF tidak mempertimbangkan leadtime offset.
Kedua pendekatan tersebtu memperkirakan bahwa semua komponen
dibangun dalam periode waktu yang sama seperti item akhir. Teknik
profil sumber daya membuat tahap-tahap waktu kebutuhan pekerja.
Setiap Bill of Labour harus ditahapkan dalam waktu untuk pendekatan
sumber daya alam yang digunakan. Teknik profil sumber daya adalah
pendekatan rough cut yang paling detail.
189
sementara dalam routing dari part-part yang spesifik jadi kerja yang
biasanya dilaksanakan di work center A sementara dilaksanakan di work
center B. Ada 2 alasan bahwa work center B tidak sedang digunakan,
yaitu:
1. Jika work center B tidak dapat menghasilkan kualitas yang
dibutuhkan maka jangan pakai alternate routing.
2. Jika work center b tidak sedang digunakan karena waktu, alternate
routing bisa dipakai.
d. Penambahan Personel
Menambah personel yang akan menambah kapasitas peralatan yang
tersedia bukan merupakan batasan. Ada tiga jalan untuk menambah
personel : menambah shift, menambah pekerja baru pada shift yang
sudah ada atau memindahkan personel yang sudah ada dari work center
yang sedikit digunakan.
e. Revisi MPS
Banyak perusahaan menganggap revisi MPS sebagai solusi terakhir
pada saat kekurangan kapasitas, hanya dilakukan ketika pilihan yang lain
tidak berhasil. Padahal revisi MPS sebenarnya harus menjadi hal pertama
yang dipertimbangkan oleh perusahaan. Macam-macam sebab dapat
menyebabkan pesanan dipercepat dan jarang memperlambat pesanan.
Mungkin ada beberapa pesanan pada master schedule yang ada, tidak lagi
dibutuhkan secepat yang ditunjukkan tanggal jatuh tempo. Jika ada
kapasitas yang tidak mencukupi tidak mungkin untuk menyelesaikan
semua order pesanan sesuai waktu. Pilihan kita adalah dengan
membuat manajemen menentukan pesanan mana yang akan terlambat.
Sebaliknya, jika ada kelebihan yang tidak dapat dihindari manajemen
harus mengambil tanggung jawab untuk merevisi tanggal jatuh tempo
suatu pekerjaan supaya menghasilkan MPS yang realistis. Ini adalah
arti dari validasi master schedule.
190
2.2 Diagram Alir Praktikum
Mulai
Identifikasi Masalah
Tujuan Praktikum
Pengumpulan Data
Analisis Hasil
Selesai
191
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
192
3.1.3 Jumlah Produksi
Jumlah Produksi yang ada pada Modul 3 Variasi Tinkat Persediann
berfungsi untuk mendapatkan kapasitas tersedia, caranya yaitu dengan membagi
jumlah produksi dengan waktu siklus yang ada pada modul 3 Agregat Planning.
Waktu siklusnya yaitu 2 jam/unit. Berikut adalah jumlah produksinya.
Tabel 3.3 Jumlah Produksi
Jumlah Produksi
Periode
Produk 1 Produk 2
1 2080 2024
2 2080 2024
3 1976 1748
4 2184 1656
5 1872 1656
6 1768 1932
7 1976 1932
8 2080 1748
9 2080 1656
10 1976 1748
11 1872 1656
12 1976 1932
Sumber : Modul 3
193
3.2.1 Perhitungan Rough Cut Capacity Planning Produk 1
Perhitungan Rough Cut Capacity Planningmenggunakan rumus seperti
dibawah ini :
194
Lanjutan>>
9 195 15,6
10 195 15,6
11 196 15,68
12 196 15,68
195
Berdasarkan perhitungan akumulasi dan grafik kapasitas diatas didapatkan
bahwa perhitungan kapasitas ini produk 1 maupun produk 2 dinyatakan valid,
karena jumlah total kapasitas tidak ada yang melebihi jumlah kapasitas tersedia.
196
BAB IV
ANALISI MASALAH
197
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan pengoalahan data modul 5 ini, dapat kami simpulkan sebagai
berikut:
5.2 Saran
Berdasarkan praktikum yang kami lakukan, kami akan memberikan saran
terkait praktikumRough Cut Capacity Planning ini:
1. Sebelum melakukan perhitungan RCCP sebaiknya perhatikan lagi output
Master Production Schedule apakah sudah benar.
2. Praktikan sebaiknya memperhatikan dan teliti dalam melakukan
perhitungan
198
DAFTAR PUSTAKA
199
LAPORAN PRAKTIKUM PERANCANGAN SISTEM INDUSTRI TERPADU II
MODUL VI
MATERIAL REQUIREMENT PLANNING
DISUSUN OLEH :
KELOMPOK 9 (SEMBILAN)
KELAS : IN6A
DOSEN PENGAJAR :
SEPTA HARDINI, S.T., M.T
201
1.4 Batasan Masalah
Batasan masalah dari praktikum modul 6 ini adalah konsep Material
Requirement Planningdan prosedur penyusunan Material Requirement Planning
202
BAB II
TINJAUAN PUSTAKA DAN DIAGRAM ALIR PRAKTIKUM
203
b. Hal ini dapat mendorong meningkatnya kepuasan dan kepercayaan
pelanggan.
3. Meningkatkan Efisiensi.
Efisiensi penentuan jumlah persediaan, waktu produksi, dan waktu
pengiriman barang dapat ditingkatkan sesuai dengan jadwal produksi
(MPS).
Sistem MRP dikembangkan untuk merencanakan dan mengendalikan
pesanan (produksi atau pembelian) dan persediaan untuk item-item Dependent
Demand, dimana permintaan cenderung Discontinuous(terputus) dan Lumpy(tidak
halus atau tidak rata). Contoh item-item yang termasuk dalam Dependent Demand
adalah bahan baku mentah (raw material), bagian-bagian (Parts), Subassemblies
dan Assemblies.
204
NR = GR – SR –OH
…………………………….(2.1)
Keterangan :
POH : Planned On Hand, yaitu persediaan yang siap digunakan
POH = On Hand – Safety Stock – Allocated – Scrap
OH : On Hand, total persediaan ditangan
SS : safety stock, persediaan pengaman
Ditentukan berdasarkan fluktuasi demand (), distribusi demand
(Z) dan leadtime (LT)
SS = . Z. LT ……………………………………(2.2)
All : allocated, persediaan yang telah dialokasikan untuk yang lain
205
Keluaran item akhir ini dikembangkan dari peramalan item akhir dan
pesanan pelanggan. MRP mengambil jadwal induk dan
menerjemahkannya ke dalam individual time-phased component
requirements.
2. BOM
Arsip struktur produk, juga dikenal sebagai daftar kebutuhan
bahan/bill of materials records (BOM), berisi informasi atas semua
matrial, komponen, atau sub assemblies yang diperlukan untuk
menghasilkan masing-masing item akhir (atau master scheduled item).
3. Arsip status Inventori
Keterangan tentang jumlah inventory on-hand dan status on order
dari tiap item inventori.
Output sistem MRP adalah :
1. Memberikan catatan tentang jadwal pemesanan yang harus dilakukan
2. Memberikan indikasi bila diperlukan penjadwalan ulang
3. Memberikan indikasi untuk pembatalan atas pemesanan
4. Memberikan indikasi tentang keadaan dari persediaan.
206
b. Economic Order Quantity (EOQ)
Metode ini didasarkan pada asumsi bahwa persediaan bersifat kontinyu
dengan permintaan yang stabil.
2.S.D
EOQ = .....................................................(2.3)
H
dimana : EOQ = jumlah pembelian bahan baku yang ekonomis
S = biaya pesan setiap kali pemesanan
D = jumlah kebutuhan bahan baku untuk satu periode
H = biaya penyimpanan
Kelebihan : Merupakan teknik yang mudah yang memasukkan parameter
biaya dan teknik yang menentukan trade off antara biaya pesan, set up dan
ongkos simpan.
Kekurangan : Metode ini mengabaikan kemungkinan permintaan yang akan
datang pada MRP. Teknik ini bukan teknik eksak sehingga sering
mengakibatkan adanya sisa dari persediaan sehingga akan meningkatkan
ongkos simpan.
2.S
POQ = ………………………………………(2.4)
D.H
dimana :
D = rata-rata kebutuhan
S = biaya pesan
H = biaya simpan
Kelebihan : Teknik ini menunjukkan jumlah biaya periode pemesanan
dibandingkan dengan jumlah pemesanan pada unit-unitnya.
Kekurangan : Metode ini mengabaikan kemungkinan permintaan yang akan
datang pada MRP.
207
d. Fixed Order Quantity (FOQ)
Kelebihan : Memunculkan kemungkinan-kemungkinan permintaan yang
ada pada masa yang akan datang pada MRP dan meminimasi ongkos pesan.
Kekurangan: Kurang tanggap terhadap perubahan permintaan dibandingkan
dengan L4L. Teknik ini digunakan apabila kita membutuhkan barang dan
dilakukan pemesanan secara periodik dengan besar pemesanan tetap (sudah
ditetapkan).
e. Fixed Period Requirement (FPR)
Metode ini melakukan pemesanan secara periodik sesuai dengan besarnya
kebutuhan selam periode tersebut. Misalnya metode yang ditetapkan adalah
2 maka setiap 2 periode, perusahaan akan melakukan pemesanan dengan
besar pemesanan disesuaikan besar demand pada 2 periode tersebut.
208
k = biaya simpan
i. Wagner Within Algorithm (WWA)
Metode ini merupakan metode dengan total biaya yang paling minimum
karena menggunakan program dinamis dan pendekatan matematisnya
sangat detail sehingga diperoleh biaya minimum.Menghitung ongkos
variable matrik untuk semua alternative pesanan pada horizon waktu N
perioda ( Zce )
e
ce ci
Zce = C + Pi Q Q , untuk 1 c e N(2.7)
k c
Dimana : C = Biaya Pesan
Pi = Biaya Simpan
Menentukan Baiya Minimum
fe = Min. ( Zce + fc-1 ) , untuk C = 1, 2, …, 12
209
2.2 Diagram Alir Praktikum
Mulai
Identifikasi Masalah
Tujuan Praktikum
Pengumpulan Data
- Jumlah Produksi
- Hasil Master Production Schedule
Pengolahan Data
Analisis Hasil
Selesai
210
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
LEVEL 1
ITEM A Produk 1 dan Produk 2 ITEM B Produk 1 dan Produk 2
Ordering Cost Rp. 2.000.000,- Ordering Cost Rp. 500.000,-
Holding Cost Rp. 500,- Holding Cost Rp. 250.,-
Item Cost Rp. 20.000,- Item Cost Rp. 10.000,-
Faktor Konversi 5 Menit Lot Sizing 1000
211
3.2 Pengolahan Data
Material Requirement Planning bertujuan nutuk mengetahui jumlah bahan
baku dari setiap produk yang akan diproduksi tiap periode, dan perencanaan
pengadaan tiap bahan baku dengan mempertimbangkan biaya-biaya. Material
Requirement Planning merupakan keputusan untuk menerjemahkan MPS menjadi
net requirement dari seluruh material dengan memperhatikan lead time.
3.2.1 Netting
a. Produk 1
Contoh perhitungan periode 1:
Gross Requirement (GR) = 101
Project On Hand (POH) = POH sebelum – GR – Porec
=0–0+0 =0
Net Requirement(NR) = GR – SR – POH
=189 – 0 – 0 = 189
b. Produk 2
3.2.2 Lotting
Lot for Lot (L4L)
Gross Requirement (GR) = Master Production Schedule
Project On Hand (POH) = POH sebelum – GR – Porec
Net Requirement(NR) = GR – SR – POH
212
Planned Order Receipt (Porec) = NR
Planned Order Release (Porel) = Porec berdasarkan Lead Time
213
3.2.2.2 Material Requirement Planning Lavel 1
Item = B Produk 1
Lot Size = Lt=
L4L 0
1 2 3
PD
1 2 3 4 5 6 7 8 9 10 11 12
GR 189 189 190 190 191 191 192 192 193 193 194 194
195S19R
POH 0 0 0 0 0 0 0 0 0 0 0 0
NR 189 189 190 190 191 191 192 192 193 193 194 194
Porec 189 189 190 190 191 191 192 192 193 193 194 194
Porel 189 189 190 190 191 191 192 192 193 193 194 194
Item = A Produk 2
Lot Size = Lt=
L4L 0
1 2 3
PD
1 2 3 4 5 6 7 8 9 10 11 12
GR 190 191 192 192 193 193 194 194 195 195 196 196
195S19R
POH 0 0 0 0 0 0 0 0 0 0 0 0
NR 190 191 192 192 193 193 194 194 195 195 196 196
Porec 190 191 192 192 193 193 194 194 195 195 196 196
Porel 190 191 192 192 193 193 194 194 195 195 196 196
214
Tabel 3.9 Item B Produk 2
Item = B Produk 2
Lot Size = Lt=
L4L 0
1 2 3
PD
1 2 3 4 5 6 7 8 9 10 11 12
GR 190 191 192 192 193 193 194 194 195 195 196 196
195S19R
POH 0 0 0 0 0 0 0 0 0 0 0 0
NR 190 191 192 192 193 193 194 194 195 195 196 196
Porec 190 191 192 192 193 193 194 194 195 195 196 196
Porel 190 191 192 192 193 193 194 194 195 195 196 196
215
Tabel 3.10 Hasil Economic Order Quantity Item A1 Produk 1 dan Produk 2
Ityem Averange 770 EOQ 2482 Lot -
= A1 Sizing
Lot LT OC Rp. HC Rp. IT Rp.
Size = =1 2,000,000 500 20,000
EOQ
PD 1 2 3
0 1 2 3 4 5 6 7 8 9 10 11 12
GR 0 758 760 764 764 768 768 772 772 776 776 780 782
SR
POH 0 1724 964 200 1918 1150 382 2092 1320 544 2250 1470 688
NR 0 758 0 0 564 0 0 390 0 0 232 0 0
Porec 2482 2482 2482 2482
Porel 2482 0 0 2482 0 0 2482 0 0 2482 0 0 0
Tabel 3.12 Hasil Period Order Quantity Item A1 Produk 1 dan Produk 2
Ityem Averange 770 POQ 4 Lot -
= A1 Sizing
Lot LT OC Rp. HC Rp. IT Rp.
Size = =1 2,000,000 500 20,000
POQ
PD 1 2 3
0 1 2 3 4 5 6 7 8 9 10 11 12
GR 758 760 764 764 768 768 772 772 776 776 780 782
SR
POH 2288 1528 764 0 2278 1510 738 3012 2236 1460 680 2944
NR 758 0 0 0 768 0 0 34 0 0 0 102
Porec 3046 3046 3046 3046
Porel 3046 0 0 0 3064 0 0 3046 0 0 0 3046 0
216
c. Least Unit Cost (LUC)
LUC menggunakan perhitungan sendiri, dan perhitungan didpat dari
Material Requirement Planning dan data LUC itu sendiri.
Periode = NR yang ada nilai
LOT = Sesuaikan dengan Periode
Biaya simpan 1 = periode 1 langsung digunakan jadi 0
Biaya simpan 2 = (LOT Periode 2 – LOT Periode 1) × HC
Biaya simpan 3 = (LOT Periode 3 – LOT Periode 2) +
(LOT Periode 2 – LOT Periode 1) × 1× HC , dst
Rp 2.000.000 Rp 500
BIAYA BIAYA/
PERIODE LOT BIAYA PESAN TOTAL BIAYA
SIMPAN UNIT
1 758 Rp. 2000000 Rp. 0 Rp. 2000000 Rp. 2639
1.2 1518 Rp 2000000 Rp. 380000 Rp. 2380000 Rp. 1568
1.3 2300 Rp. 2000000 Rp. 1162000 Rp. 3162000 Rp. 1375
3 764 Rp. 2000000 Rp. 0 Rp. 2000000 Rp. 2618
3.4 1528 Rp. 2000000 Rp. 382000 Rp. 2382000 Rp. 1559
4 764 Rp. 2000000 Rp. 0 Rp. 2000000 Rp. 2618
4.5 1532 Rp. 2000000 Rp. 384000 Rp. 2384000 Rp. 1556
5 768 Rp. 2000000 Rp. 0 Rp. 2000000 Rp. 2604
5.6 1536 Rp. 2000000 Rp. 384000 Rp. 2384000 Rp. 1552
6 768 Rp. 2000000 Rp. 0 Rp. 2000000 Rp. 2604
6.7 1540 Rp. 2000000 Rp. 386000 Rp. 2386000 Rp. 1549
7 772 Rp. 2000000 Rp. 0 Rp. 2000000 Rp. 2591
7.8 1544 Rp. 2000000 Rp. 386000 Rp. 2386000 Rp. 1545
8 772 Rp. 2000000 Rp. 0 Rp. 2000000 Rp. 2591
8.9 1548 Rp. 2000000 Rp. 388000 Rp. 2388000 Rp. 1543
9 776 Rp. 2000000 Rp. 0 Rp. 2000000 Rp. 2577
9 . 10 1552 Rp. 2000000 Rp. 388000 Rp. 2388000 Rp. 1539
10 776 Rp. 2000000 Rp. 0 Rp. 2000000 Rp. 2577
10 . 11 1556 Rp. 2000000 Rp. 390000 Rp. 2390000 Rp. 1536
11 780 Rp. 2000000 Rp. 0 Rp. 2000000 Rp. 2564
11. 12 1562 Rp. 2000000 Rp. 391000 Rp. 2391000 Rp. 1531
12 782 Rp. 2000000 Rp. 0 Rp. 2000000 Rp. 2558
Jika Biaya/ Unit lebih tinggi dibanding sebelumnya maka, nilai LOT yang
diambil untuk Pemesanan adalah pada Periode dan LOT yang berwarna merah.
217
Tabel 3.15 Hasil Least Unit Cost Item A1 Produk 1 dan Produk 2
Ityem Averange 770 POQ 4 Lot -
= A1 Sizing
Lot LT OC Rp. HC Rp. IT Rp.
Size = =1 2,000,000 500 20,000
LUC
PD 1 2 3
0 1 2 3 4 5 6 7 8 9 10 11 12
GR 758 760 764 764 768 768 772 772 776 776 780 782
SR
POH 1542 782 1546 2314 3082 3854 4626 5402 6178 6958 7740 6958
NR 758 0 0 0 0 0 0 0 0 0 0 0
Porec 2300 1528 1532 1536 1540 1544 1548 1552 1556 1562
Porel 2300 0 1528 1532 1536 1540 1544 1548 1552 1556 1562 0 0
218
3.2.3 Rekapitulasi Biaya pada Level 0 dan Level 1
Dari rekapitulasi diatas dapat disimpulkan biaya paling kecil ada pada
perhitungan menggunakan metode Economic Order Quantity (EOQ) dengan
jumlah biaya total sebesar Rp. 162.271.000
219
BAB IV
ANALISI MASALAH
Pada Tabel 4.1 Metode yang terpilih untuk semua komponen adalah
metodeLot for Lot(L4L) berdasarkan hasil rekapan MRP dengan metode terpilih
dapat dilihat bahwa hampir setiap item melakakukan pemesanan setiap periode.
Hal tersebut menunjukkan bahwa pemesanan dilakukan pada saat terdapat
kebutuhan akan item tersebut. Pemesanan item pada periode dua akan memenuhi
kebutuhan di periode dua, dan begitupun seterusnya, karena pemesanan dilakukan
setiap ada kebutuhan.Karena tidak ada biaya simpan yang dikeluarkan, sehingga
dengan metode Lot for Lot (L4L) didapat hasil total biaya rendah.
Biaya Komponen (Total Biaya) pada Produk 1 adalah Rp.
12.175.000 lebih kecil dibandingkan dengan Biaya Komponen (Total Biaya) pada
Produk 2 yaitu Rp.12.235.000, ini dikarenakan pada Item yang diminta setiap
periode berbeda-beda.
220
4.2 Analisis Biaya Komponen pada Produk 1 dan Produk 2
Pada Produk 1 dan Produk 2 terdiri dari 2 item Yaitu Item A dan Item B di
setiap produknya.
Tabel 4.2 Rekapitulasi BiayaKomponen A Level 1
Metode Item A1
EOQ Rp. 162.271.000
POQ Rp. 198.479.000
LUC Rp. 321.451.000
Pada Tabel 4.2 dapat dilihat untuk biaya dari 2 item dariEconomic Order
Quantity (EOQ)memiliki jumlah terkecil. Meskipun kelebihan dari Lot for Lot
(L4L) adalah Pemesanan item pada periode dua akan memenuhi kebutuhan di
periode dua, dan begitupun seterusnya, karena pemesanan dilakukan setiap ada
kebutuhan. Akan tetapi, pada Economic Order Quantity(EOQ) Pemesanan item
pada periode yang akan datang akan memenuhi sesuai dengan kebutuhan dan
Porel selalu seimbang dengan pesanan. Pada biaya komponen A level 1
menyatakan bahwa jumlah biaya Economic Order Quantity(EOQ) Pada item 1
yaitu sebesar Rp. 162.271.000
221
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan pengolahan data modul 6 ini, dapat kami simpulkan sebagai
berikut:
5.2 Saran
Adapun saran yang dapat kami berikan dalam praktikum kali ini adalah
ketika kita melakukan pemesanan atau mengambil keputusan berapa banyak item
yang harus dipesan gunakan metode Lot for Lot(L4L).Tapi bisa juga
menggunakan metode Economic Order Quantity (EOQ) karena biaya yang
dikeluarkan lebih kecil dibanding yang lainnya.
222
DAFTAR PUSTAKA
C.Turner, Wayne dkk. (1993). Pengantar Teknik dan Sistem Industri. Surabaya:
Penerbit Guna Widya.
Ginting, Rosnani. (2507).Sistem Produksi. Yogyakarta: Graha Ilmu. POKJA
AKADEMIK. (2506). Sistem Produksi. UIN Sunan Kalijaga, Yogyakarta.
TIM Penyusun Modul. (2012). Modul Praktikum Sisitem Produksi. Laboratorium
Sistem Produksi UIN Sunan Kalijaga. Yogyakarta.
Wirabhuana, Arya. dkk. (2506). Sistem Produksi. Yogyakarta: Pokja Akademik
UIN Sunan Kalijaga
223
LAPORAN PRAKTIKUM PERANCANGAN SISTEM INDUSTRI TERPADU II
MODUL VII
CAPACITY REQUIREMENT PLANNING
DISUSUN OLEH :
KELOMPOK 9 (SEMBILAN)
KELAS : IN6A
DOSEN PENGAJAR :
SEPTA HARDINI, S.T., M.T
225
1.3 Tujuan Praktikum
Tujuan dari praktikum modul ini adalah
1. Memahami keterkaitan antara Capacity Requirement Planning (CRP)
dengan Material Requirement Planning (MRP)
2. Mengetahui kapasitas yang tersedia dari setiap Work Station (WS)
yang telah ditentukan.
1. BAB I Pendahuluan
Berisi tentang latar belakang msalah, rumusan masalah, tujuan praktikum,
batasan masalah, dan sistematika penulisan.
2. BAB II Tinjauan Pustaka dan Diagram Alir Praktikum
Bab ini berisikan teori yang berupa pengertian dan definisi yang diambil
dari kutipan buku yang berkaitan dengan penyusunan laporan skripsi serta
beberapa literature review yang berhubungan dengan penelitian. Diagram
alir merupakan jalannya praktikum ini.
3. BAB III Pengumpulan dan Pengolahan data
Bab ini berisi tentang data – data yang telah dikumpulkan yang di dapat
pada saat pengambilan data di ruang iklim.Dan pengolahan data yaitu data
– data yang telah didapat kemudian di uji atau di olah.
4. BAB IV Analisis
Bab ini berisi tentang analisa dari keseluruhan praktikum.
5. BAB V Kesimpulan dan Saran
226
BAB II
TINJAUAN PUSTAKA DAN DIAGRAM ALIR PRAKTIKUM
227
2. Work order status:
informasi status ini diberikan untuk semuaopen orders yang ada
dengan operasi yang masih harus diselesaikan, work center yang
terlibat dan perkiraan waktu.
3. Routing data
memberikan jalur yang direncanakan untuk factorymelalui proses
produksi dengan perkiraan waktu operasi. Setiappart, assembly, dan
produk yang dibuat memiliki suatu routingyangunik, terdiri dari satu
atau lebih operasi. Informasi yang diperlukan untuk CRP adalah:
operations number, operation, planned work center, possible alternate
work center, standard setup time, standard run time per unit, tooling
needed at each work center, dan lain-lain. Routing memberikan
petunjuk pada proses CRP sebagaimana layaknya BOM memberikan
petunjuk pada proses MRP.
4. Work center data
data ini berkaitan dengan setiap production work center, termasuk
sumber-sumber daya, Standar-standar utilisasidan efisiensi, serta
kapasitas. Elemen-elemem data pusat kerja adalah: identifikasi dan
deskripsi, banyaknya mesin atau stasiun kerja, banyaknya hari kerja
per periode, banyaknya shifts yang dijadwalkan per hari kerja,
banyaknya jam kerja per shift, faktorutilisasi&efisiensi.
b. Output dari CRP:
1. Laporan beban pusat kerja (Work center load report)
Laporan ini menunjukkan hubungan antara kapasitas dan beban.
Apabila dalam laporan ini tampak ketidakseimbangan antara kapasitas
dan beban, proses CRP secara keseluruhan mungkin perlu diulang.
Work center load profile sering ditampilkan dalam bentuk grafik
batang yang sangat bermanfaat untuk melihat hubungan antara beban
yang diproyeksikan dan kapasitas yang tersedia, sekaligus
mengidentifikasi apakah terjadi kelebihan atau kekurangan kapasitas.
CRP biasanya menghasilkan Workt center load profile untuk setiap
pusat kerja yang diidentifikasi dalam pabrik. Perbandingan antara
beban dan kapasitas dapat juga ditampilkan dalam format kolom.
228
2. Perbaikan Schedule of planned factory order releases.
Perbaikanjadwal ini menggambar bahwa output dari MRP
disesuaikan terhadap Specific release dates untuk factory orders
berdasarkan perhitungan keterbatasan kapasitas. Perbaikan schedule of
planned factory order releases merupakan output tidak langsung
(indirect output) dari proses CRP sebab mereka adalah hasil
darihuman judgements yang berdasarakan pada analisis dari output
laporan beban pusat kerja (Work cente load reports). Salah satu pilihan
penyesuaian yang mungkin, di samping perubahan kapasitas, adalah
mengubah planned start datesyang dibuat melalui rencana MRP. Hal
ini mempunyai pengaruh terhadap pergeseran beban di antara periode
waktu untuk mencapai keseimbangan yang lebih baik.
229
2.2 Diagram Alir Praktikum
Mulai
Identifikasi Masalah
Tujuan Praktikum
Pengumpulan Data
- Hasil Material Requirement Planning
Lv. 0 dan Lv. 1
- Data waktu Proses
Pengolahan Data
- Perhitungan Capacity Requirement
Planning
- Perhitungan Work Station pada Produk
di Level 0 dan Level 1
- Perhitungan Kapasitas dari setiap Work
Station
Analisis Hasil
Selesai
230
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
Item = Produk 1
Lot Size = Lt=
L4L 0
37 38 39
PD
1 2 3 4 5 6 7 8 9 10 11 12
GR 101 102 102 102 102 103 103 103 104 104 104 105
SR
POH 0 0 0 0 0 0 0 0 0 0 0 0
NR 101 102 102 102 102 103 103 103 104 104 104 105
Porec 101 102 102 102 102 103 103 103 104 104 104 105
Porel 101 102 102 102 102 103 103 103 104 104 104 105
Item = Produk 2
Lot Size = Lt=
L4L 0
37 38 39
PD
1 2 3 4 5 6 7 8 9 10 11 12
GR 102 103 103 103 103 104 104 104 105 105 105 106
SR
POH 0 0 0 0 0 0 0 0 0 0 0 0
NR 102 103 103 103 103 104 104 104 105 105 105 106
Porec 102 103 103 103 103 104 104 104 105 105 105 106
Porel 102 103 103 103 103 104 104 104 105 105 105 106
231
3.1.1.2 Hasil Material Requirement Planning (MRP) Level 1
Tabel 3.3 Item A Produk 1
Item = A Produk 1
Lot Size = Lt=
L4L 0
37 38 39
PD
1 2 3 4 5 6 7 8 9 10 11 12
GR 101 102 102 102 102 103 103 103 104 104 104 105
SR
POH 0 0 0 0 0 0 0 0 0 0 0 0
NR 101 102 102 102 102 103 103 103 104 104 104 105
Porec 101 102 102 102 102 103 103 103 104 104 104 105
Porel 101 102 102 102 102 103 103 103 104 104 104 105
Tabel 3.4 Item B Produk 1
Item = B Produk 1
Lot Size = Lt=
L4L 0
37 38 39
PD
1 2 3 4 5 6 7 8 9 10 11 12
GR 101 102 102 102 102 103 103 103 104 104 104 105
SR
POH 0 0 0 0 0 0 0 0 0 0 0 0
NR 101 102 102 102 102 103 103 103 104 104 104 105
Porec 101 102 102 102 102 103 103 103 104 104 104 105
Porel 101 102 102 102 102 103 103 103 104 104 104 105
Item = A Produk 2
Lot Size = Lt=
L4L 0
37 38 39
PD
1 2 3 4 5 6 7 8 9 10 11 12
GR 102 103 103 103 103 104 104 104 105 105 105 106
SR
POH 0 0 0 0 0 0 0 0 0 0 0 0
NR 102 103 103 103 103 104 104 104 105 105 105 106
Porec 102 103 103 103 103 104 104 104 105 105 105 106
Porel 102 103 103 103 103 104 104 104 105 105 105 106
Tabel 3.6 Item B Produk 2
Item = B Produk 2
Lot Size = Lt=
L4L 0
37 38 39
PD
1 2 3 4 5 6 7 8 9 10 11 12
GR 102 103 103 103 103 104 104 104 105 105 105 106
SR
POH 0 0 0 0 0 0 0 0 0 0 0 0
NR 102 103 103 103 103 104 104 104 105 105 105 106
Porec 102 103 103 103 103 104 104 104 105 105 105 106
232
3.1.2 Data Waktu Proses
Berikut ini adalah data waktu dari Produk 1 dan Produk 2 pada level 0 dan
level 1.
Tabel 3.7 Data Waktu Proses Produk 1 dan Produk 2 pada Level 0
LEVEL 0
Part Mesin Waktu Mesin Waktu Meja Kerja
Produk 1 C 5 menit 13 menit
Produk 2 C 5 menit 13 menit
233
3.2 Pengolahan Data
3.2.1 Perhitungan Capacity Requirement Planning (CRP)
Perhitungan Work Station Produk 1 dan Produk 2 serta Item-item yang ada pada produk tersebut dengan level 0 dan level 1.
Work Station Produk 1 dan Produk 2
3.2.1.1 Menghitung Produk 1 dan Produk 2 Pada Level 0
234
Tabel 3.10 Workstation Produk 2
LEVEL 0
part PRODUK 2
Periode ke- 1 2 3 4 5 6 7 8 9 10 11 12
Lot Size 190 191 192 192 193 193 194 194 195 195 196 196
WS Mesin C (WS 3)
setup time/ periode (menit) 25 25 25 25 25 25 25 25 25 25 25 25
setup time/ unit (menit) 0.13157895 0.1308901 0.1302083 0.1302083 0.1295337 0.1295337 0.128866 0.128866 0.1282051 0.1282051 0.127551 0.127551
run time/ unit (menit) 5 5 5 5 5 5 5 5 5 5 5 5
operation time/ unit (time) 5.1315789 5.1308901 5.1302083 5.1302083 5.1295337 5.1295337 5.1288660 5.1288660 5.1282051 5.1282051 5.1275510 5.1275510
total operation time (menit) 975 980 985 985 990 990 995 995 1000 1000 1005 1005
WS Meja Kerja (WS4)
setup time/ periode (menit) 25 25 25 25 25 25 25 25 25 25 25 25
setup time/ unit (menit) 0.13157895 0.1308901 0.1302083 0.1302083 0.1295337 0.1295337 0.128866 0.128866 0.1282051 0.1282051 0.127551 0.127551
run time/ unit (menit) 13 13 13 13 13 13 13 13 13 13 13 13
operation time/ unit (time) 13.131579 13.130890 13.130208 13.130208 13.129534 13.129534 13.128866 13.128866 13.128205 13.128205 13.127551 13.127551
total operation time (menit) 2495 2508 2521 2521 2534 2534 2547 2547 2560 2560 2573 2573
Perhitungan:
- Lot Size berdasarkan Porel dari masing-masing Produk
- Setup time/ periode = waktu setup mesin × banyaknya hari kerja
- Setup time/ unit = waktu setup periode/ lot size
- Run time/ unit = data waktu proses
- Operation time/ unit = run time + setup time/unit
- Total Operation time = operation time/unit × lot size
235
3.2.1.2 Menghitung Item A dan B pada Produk 1Level 1
236
Tabel 3.12 Workstation Item B Produk 1
LEVEL 1
part Item B PRODUK 1
Periode ke- 1 2 3 4 5 6 7 8 9 10 11 12
Lot Size 189 189 190 190 191 191 192 192 193 193 194 195
WS Mesin C (WS 3)
setup time/ periode (menit) 25 25 25 25 25 25 25 25 25 25 25 25
setup time/ unit (menit)
0.13227513 0.1322751 0.1315789 0.1315789 0.1308901 0.1308901 0.1302083 0.1302083 0.1295337 0.1295337 0.128866 0.1282051
run time/ unit (menit) 6 6 6 6 6 6 6 6 6 6 6 6
237
3.2.1.3 Menghitung Item A dan B pada Produk 2 Level 1
238
Tabel 3.14 Workstation Item B Produk 2
LEVEL 1
part Item B PRODUK 2
Periode ke- 1 2 3 4 5 6 7 8 9 10 11 12
Lot Size 190 191 192 192 193 193 194 194 195 195 196 196
WS Mesin C (WS 3)
239
Setelah didapatkan perhitungan setiap Workstation Pada Produk 1, Produk
2, Item Produk 1 yaitu Item A B, dan juga Item Produk 2 yaitu Item A B. Maka
selanjutnya adalah menentukan kapasitas yang tersedia, dengan melakukan
perhitungan total kapasitas dari setiap Workstation (WS)
tingkat efisiensi 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9
kapasitas
tersedia 12636 12636 12636 12636 12636 12636 12636 12636 12636 12636 12636 12636
kebutuhan
aktual 4788 4801 4826 4826 4851 4851 4876 4876 4901 4901 4926 4938
seluruh
kapasitas 7848 7835 7810 7810 7785 7785 7760 7760 7735 7735 7710 7698
b. Workstation 2 (Mesin B)
Tabel 3.16 Workstation 2 (Mesin B)
WS 2 (Mesin B) 1 2 3 4 5 6 7 8 9 10 11 12
waktu yang
tersedia 15600 15600 15600 15600 15600 15600 15600 15600 15600 15600 15600 15600
tingkat utilisasi 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9
tingkat efisiensi 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9
kapasitas
tersedia 12636 12636 12636 12636 12636 12636 12636 12636 12636 12636 12636 12636
kebutuhan
aktual 4785 4795 4820 4820 4845 4845 4870 4870 4895 4895 4920 4935
seluruh
kapasitas 7851 7841 7816 7816 7791 7791 7766 7766 7741 7741 7716 7701
240
c. Workstation 3 (Mesin C)
Tabel 3.17 Workstation 3 (Mesin C)
WS 3 (Mesin C) 1 2 3 4 5 6 7 8 9 10 11 12
waktu yang
tersedia 15600 15600 15600 15600 15600 15600 15600 15600 15600 15600 15600 15600
tingkat utilisasi 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9
tingkat efisiensi 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9 0,9
kapasitas
tersedia 12636 12636 12636 12636 12636 12636 12636 12636 12636 12636 12636 12636
kebutuhan
aktual 2324 2330 2342 2342 2354 2354 2366 2366 2378 2378 2390 2396
seluruh
kapasitas 10312 10306 10294 10294 10282 10282 10270 10270 10258 10258 10246 10240
241
3.2.2.2 Grafik Capacity Requirement Planning
a) Workstation 1 (Mesin A)
241
c. Workstation 3 (Mesin 3)
242
BAB IV
ANALISIS MASALAH
243
4.2 Analisis Perhitungan Pada Kapasitas
CRP memberikan verifikasi bahwa kapasitas yang tersedia cukup untuk
melakukan semua order yang dilakukan dalam horizon perencanaan. Ada 4
workstation yang dihitung yaitu; WS 1 (Mesin A), WS 2 (Mesin B), WS 3 (Mesin C),
dan WS 4 (Meja Kerja).
1. Dari hasil perhitungan, diketahui bahwa total yang dihasilkan setiap
workstation berbeda-beda, walaupun untuk waktu yang tersedia, dan kapasitas
yang tersedia sama akan tetapi penggunaan pada mesin untuk setiap prosesnya
berbeda sehingga, total seluruh kapasitas berbeda.
2. Untuk perhitungan Meja Kerja sendiri memilik perhitungan sendiri untuk
waktu yang tersedia dimana Waktu tersedia diambil dari jumlah pekerja di
perhitungan agregat bukan dari jumlah mesin.
3. Perhitungan total kapasitas selesai maka, dilanjutkan dengan menggambarkan
grafik pada workstation masing-masing mesin. Didapatkan hasil bahwa 4
workstation yang dihitung, CRP layak karena total seluruh kapasitas tidak
melebihi kapasitas yang tersedia sehingga MRP dinyatakan valid.
244
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan pengeolahan data modul 7 ini, dapat kami simpulkan sebagai
berikut:
1. Capacity Requirement Planning (CRP) dapat menentukan beban kerja yang
terjadidi setiap statiun kerja. Rencana pembuatan produk (Porel) yang
merupakan output dari Material Requirement Planning (MRP).
2. JikaCapacity Requirement Planning (CRP) layak, yaitu beban kerja tidak
melebihi kapasitas yang tersedia, maka Material Requirement Planning (MRP)
dinyatakan valid. Lead time dari Material Requirement Planning (MRP) untuk
menentukan waktu produksi setiap order melalui stasiun kerja. Hasil dari
workstation kemudian dibandingkan dengan kapasitas tersedia pada stasiun
tersebut. Berdasarkan teori Jika hasil melebihi kapasitas yang dinyatakan tidak
valid maka sebaiknya dilakukan perhitungan ulang pada Master Production
Schedule (MPS) nya.
5.2 Saran
Berdasarkan praktikum yang kami lakukan, kami akan memberikan saran
terkait praktikum Capacity Requirement Planning (CRP) ini:
3. Sebelum melakukan perhitungan Capacity Requirement Planning (CRP)
sebaiknya perhatikan lagi output dari Material Requirement Planning
(MRP)apakah sudah benar.
4. Praktikan sebaiknya memperhatikan dan teliti dalam melakukan perhitungan
245
DAFTAR PUSTAKA
Elsayed, E.A. & Boucher, T.O. 1994 Analysis and Control of Production System,
New Jersey:Prentice Hall
Hartini, Sri. 2010. Teknik Mencapai Produksi Optimal. Bandung: CV. Lubuk Agung
246
UNIVERSITAS BINA DARMA PALEMBANG
FAKULTAS TEKNIK
PROGRAM STUDI TRKNIK INDUSTRI
Jl. Jend. A. Yani No. 12 Seberang Ulu 1
Kota Palembang, Sumatera Selatan Telp. (0711) 515679
LEMBAR ASISTENSI
KELOMPOK : 9 ( SEMBILAN )
ANGGOTA : 1. AGUNG FIRMANSYAH (171730057)
2. FHANDY NORMANSYAH (171730045)