Laporan Praktikum Psit Ii

LAPORAN PRAKTIKUM
PERANCANGAN SISTEM INDUSTRI TERPADU II
DISUSUN OLEH :
KELOMPOK 9 (SEMBILAN)
1. AGUNG FIRMANSYAH 171730057

2. FHANDY NORMANSYAH 171730045
KELAS : IN6A
DOSEN PENGAJAR :
SEPTA HARDINI, S.T., M.T
PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS BINA DARMA
PALEMBANG
2020
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 PENGESAHAN
LAPORAN PRAKTIKUM PERANCANGAN

SISTEM INDUSTRI TERPADU II
DISUSUN OLEH :

Telah Diperiksa dan Ditinjau Oleh :

Dosen Pembimbing
(Septa Hardini, S. T,. M.T)
Mengetahui
Ketua Program Studi Teknik Industri
(CH. Desi Kusmindari, S. T,. M.T)
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.
Ucapan terima kasih kami haturkan kepada teman-teman program studi

Teknik Industri yang telah mendukung kami untuk bisa menyelesaikan laporan ini
tepat pada waktunya.
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
HALAMAN JUDUL .............................................................................................i

LEMBAR PENGESAHAN ................................................................................... ii
KATA PENGANTAR ......................................................................................... iii
DAFTAR ISI ........................................................................................................iv
MODUL I PENGUKURAN LINGKUNGAN KERJA .......................................... 1
BAB I PENDAHULUAN ..................................................................................... 2
1.1 Latar Belakang ........................................................................................ 2
1.2 Rumusan Masalah ................................................................................... 2
1.3 Tujuan Praktikum .................................................................................... 2
1.4 Batasan Masalah ...................................................................................... 3
1.5 Sistematika Penulisan .............................................................................. 3
BAB II TINJAUAN PUSTAKA DAN DIAGRAM ALIR PRAKTIKUM ............. 4
2.1 Lingkungan Kerja ................................................................................... 4
2.2 Anova ...................................................................................................... 7
2.1.1 One Way Anova (Competely Randomized Design/CRD) .......................... 8
2.2.2 Two Way Anova ( Randomized Block Design/RBD) ................................. 9
2.2.3 Hipotesis Pengujian Anova ..................................................................... 10
2.3 Diagram Alir Praktikum ......................................................................... 11
BAB III PENGUMPULAN DAN PENGOLAHAN DATA ................................. 12
3.1 Pengumpulan Data .................................................................................. 12
3.1.1 Pengaruh Suhu ........................................................................................ 12
3.1.2 Pengaruh Kebisingan .............................................................................. 14
3.1.3 Pengaruh Warna ..................................................................................... 16
3.1.4 Pengaruh Daya Lampu ............................................................................ 19
3.2 Uji Anova ............................................................................................... 19
3.2.1 Pengaruh Suhu ........................................................................................ 19
3.2.1.1 Pengaruh Suhu Terhadap Jumlah Pengerjaan (CRD) ............................ 19
3.2.1.2 Pengaruh Suhu Terhadap Kesalahan Berhitung (CRD)......................... 21
3.2.1.3 Pengaruh Suhu Terhadap Persentase Kesalahan (RBD) ........................ 22
3.2.2.1 Pengaruh Kebisingan Terhadap Jumlah Pengerjaan (CRD) .................. 23
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
3.2.4.1 Pengaruh Daya Lampu Terhadap Jumlah Pengerjaan (CDR) ................ 31
3.3 Grafik ..................................................................................................... 33
3.3.1 Pengaruh Suhu ........................................................................................ 33
3.3.3 Pengaruh Warna ..................................................................................... 36
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
MODUL III AGGREGATE PLANNING.............................................................. 118

BAB I PENDAHULUAN ................................................................................... 119
1.1 Latar Belakang ...................................................................................... 119
1.2 Rumusan Masalah.................................................................................. 119
1.3 Tujuan Praktikum .................................................................................. 119
1.4 Batasan Masalh...................................................................................... 120
1.5 Sistematika Penulisan ............................................................................ 120
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
5.1 Kesimpulan ........................................................................................... 164
5.2 Saran ..................................................................................................... 165
DAFTAR PUSTAKA ......................................................................................... 166
MODUL IV MASTER PRODUCTION SCHEDULE ........................................... 167

1.1 Latar Belakang ...................................................................................... 168
1.2 Rumusan Masalah.................................................................................. 168
1.4 Batasan Masalah .................................................................................... 169
1.5 Sistem,atika Penulisan ........................................................................... 169
2.1 Tinjauan Pustaka ................................................................................... 170
2.1.1 Master Production Schedule (MPS) ....................................................... 170
viii
2.1.2 Teknik Disagregasi ................................................................................ 172
2.2 Diagram Alir Praktikum ........................................................................ 175
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
MODUL V ROUGH CUT CAPACITY PLANNING ............................................ 184

1.1 Latar Belakang ...................................................................................... 185
1.2 Rumusan Masalah.................................................................................. 185
1.4 Batasan Masalah .................................................................................... 186
1.5 Sistematika Penulisan ........................................................................... 186
2.1.1 Rough Cut Capacity Planning (RCCP) .................................................. 187
2.1.2 Beberapa Pendekatan yang digunakan dalam RCCP .............................. 188
2.1.2.2 Pendekatan Bill of Labour................................................................... 188
2.1.2.2 Pendekatan Capacity Planning Using Overall Factor ......................... 188
2.1.2.3 Pendekatan Resource Profile............................................................... 189
2.1.3 Alternatif Kapasitas ............................................................................... 189
ix
2.2 Diagram Alir Praktikum ....................................................................... 191
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
5.1 Kesimpulan .......................................................................................... 198
5.2 Saran .................................................................................................... 198
DAFTAR PUSTAKA ......................................................................................... 199
MODUL VI MATERIAL REQUIREMENT PLANNING ...................................... 200

1.1 Latar Belakang ...................................................................................... 201
1.2 Rumusan Masalah.................................................................................. 201
1.4 Batasan Masalah ................................................................................... 202
2.1.1 Material Requirement Planning ............................................................. 203
2.1.2 Prasyaratan Dan Asumsi Pada MRP ...................................................... 204
2.1.3 Langkah MRP........................................................................................ 204
2.1.4 Input dan Output MRP ........................................................................... 205
x
2.1.5 Metode lotting pada MRP ...................................................................... 206
2.2 Diagram Alir Praktikum ........................................................................ 210
BAB III PENGUMPULAN DAN PENGOLAHAN DATA
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
5.1 Kesimpulan ........................................................................................... 222
5.2 Saran ..................................................................................................... 222
DAFTAR PUSTAKA ......................................................................................... 223
MODUL VII CAPACITY REQUIREMENT PLANNING .................................... 224

1.1 Latar Belakang ...................................................................................... 225
1.2 Rumusan Msalah ................................................................................... 225
1.3 Tujuan Praktikum ................................................................................. 226
1.4 Batasan Masalah .................................................................................... 226
2.1 Tinjauan Pustaka .................................................................................. 227
2.1.1 Capacity Requirement Planning (CRP).................................................. 227
2.1.2 Kebutuhan Kapasitas ............................................................................. 229
xi
2.2 Diagram Alir Praktikum ....................................................................... 230
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
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 :

KELAS : IN6A
DOSEN PENGAJAR :

FAKULTAS TEKNIK
PALEMBANG
2020
BAB I
PENDAHULUAN
1.1 Latar Belakang

Lingkungan kerja fisik adalah suatu kondisi lingkungan kerja yang
didalamnya terdapat faktor-faktor yang dapat mempengaruhi performansi kerja
pegawai secara langsung maupun tidak langsung, seperti pencahayaan,
temperatur, dan kebisingan.Lingkungan kerja fisik harus diperhatikan karena
lingkungan kerja fisik sangat berkaitan dengan human error.
Lingkungan kerja fisik yang bagus dan memadai tidak hanya memberikan
kenyamanan dan keselamatan saat bekerja bagi pegawai, tetapi juga dapat
meningkatkan keuntungan bagi perusahaan karena pegawai selalu bekerja dalam
kondisi yang optimal sehingga performansi perusahaan meningkat dan
pengeluaran biaya dapat ditekan karena perusahaan tidak perlu mengeluarkan
biaya rumah sakit jika si pegawai mengalami kecelakaan di tempat kerja.
Hal tersebut melatarbelakangi penulis untuk melakukan praktikum
Perancangan Kerja dan Ergonomi yang berhubungan dengan Lingkungan Kerja
Fisik. Tujuan praktikum ini membantu praktikan mengetahui faktor-faktor apa
saja yang mempengaruhi performansi kerja dan akibatnya sehingga dapat
mengaplikasikannya dalam kehidupan sehari-hari.
1.2 Rumusan Masalah

Rumusan masalah dari praktikum modul 1 ini yaitu :Bagaimana pengaruh
kebisingan, pencahayaan, dan suhu terdapat performansi kerja manusia?
1.3 Tujuan Praktikum

Tujuan dari praktikum modul 1 ini yaitu :Meneliti pengaruh kebisingan,
pencahayaan, dan suhu terdapat produktivitas kerja manusia
2
1.4 Batasan Masalah
Batasan masalah dari praktikum ini adalah Menghitungpengaruh
kebisingan, pencahayaan, dan suhu terdapat performansi kerja manusia?
1.5 Sistematika Penulisan

Untuk memahami lebih jelas laporan ini, maka materi-materi yang tertera
pada Laporan Skripsi ini dikelompokkan menjadi beberapa sub bab dengan
sistematika penyampaian sebagai berikut :
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
Bab ini berisi tentang kesimpulan dari keseluruhan praktikum ini, dan
saran mengenai praktkum ini.
3
BAB II
TINJAUAN PUSTAKA DAN DIAGRAM ALIR PRAKTIKUM
2.1 Lingkungan Kerja

Lingkungan kerja adalah kondisi – kondisi material dan psikologis yang
ada dalam perusahaan dimana karyawan tersebut bekerja.Menurut Anoraga dan
Widiyanti (2001) lingkungan kerja adalah segala sesuatu yang ada disekitar
karyawan dan yang dapat mempengaruhi dirinya dalam menjalankan tugas-tugas
yang dibebankannya.Jadi lingkungan kerja disini merupakan faktor yang penting
dan besar pengaruhnya bagi perusahaan yang bersangkutan. Nitisemito (2000)
mendefinisikan lingkungan kerja sebagai sesuatu yang ada disekitar para pekerja
dan yang dapat mempengaruhi dirinya dalam menjalankan tugas-tugas yang
dibebankan. Sedangkan Feldman (1983) bahwa lingkungan fisik adalah sumber
kepuasan, keluhan mengenai lingkungan fisik, adalah simbol atau perwujudan
dari prestasi yang dalam, karena itu perlu mendapat perhatian dari pengelola
lingkungan.Suasana lingkungan kerja yang menyenangkan akan dapat
mempengaruhi karyawan dalam pekerjaannya.
Dalam perancangan sistem kerja, perlu diperhatikan lingkungannya karena
dapat mempengaruhi produktivitas kerja.Lingkungan ini terbagi dalam lingkungan
fisik dan non fisik.Lingkungan kerja yang positif dan sehat merupakan salah satu
unsur pokok yang sangat penting untuk meningkatkan produktivitas perusahaan.
Oleh karena itu, perlu diketahui faktor-faktor apa yang mempengaruhi lingkungan
kerja, salah satunya adalah lingkungan kerja di laboratorium. Karena faktor-faktor
lingkungan kerja merupakan parameter yang digunakan untuk mengetahui
penyebab akibat dari pengaruh lingkungan kerja yang benar atau salah.Faktor-
faktor yang mempengaruhi kondisi lingkungan fisik kerja yaitu temperatur,
kelembaban, siklus udara, pencahayaan, kebisingan, bau-bauan, getaran mekanis
dan warna. Berikut penjelasan masing-masing faktor:
1. Temperatur, tubuh manusia akan selalu berusaha mempertahankan
keadaan normalnya dengan suatu sistem tubuh yang sempurna.
Sehingga dapat menyesuaikan diri dengan perubahan-perubahan yang
terjadi di luar tubuh tersebut.
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.
Prokdutivitas kerja manusia akan mencapai tingkat yang paling tinggi

pada temperatur sekitar 24oC sampai 27oC
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
Tabel skala intensitas di atas adalah kebisingan yang terjadi di

suatu tempat akibat alat/sebuah kejadian
6. Bau-bauan
Polusi yang deapat menggangu konsentrasi orang dalam
bekerja.Temperatur dan kelembaban merupakan dua faktor lingkungan
yang dapat mempengaruhi kepekaan penciuman. Pemakaian air
conditioning yang tepat merupakan salah satu cara yang bisa digunakan
untuk menghilangkan bau-bauan yang mengganggu di sekitar tempat
kerja.
7. Getaran Mekanis
Getaran-getaran yang ditimbulkan oleh alat-alat mekanis yang
sebagian dari getaran ini sampai ke tubuh dan dapat menimbulkan akibat-
akibat yang tidak diinginkan pada tubuh seseorang.
8. Warna
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:
a. Warna merah bersifat merangsang

b. Warna kuning memberikan kesan luas, terang dan leluasa
c. Warna hijau atau biru memberikan kesan sejuk, aman, dan
menyegarkan
d. Warna gelap memberikan kesan sempit
e. Warna terang memberikan kesan leluasa, dan lain-lain.
Sumber : Amazona, Diakses Pada Tanggal 20 Februari 2020
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!
2.2.2 Two Way Anova ( Randomized Block Design/RBD)
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.
Buka Aplikasi SPSS For Windows:

 Buka Tab Variable View: Buat 3 variabel dengan ketentuan sebagai berikut:
 Variabel independen: 1. “Gender” dengan kategori Pria dan Wanita.
Measure Nominal, Decimals=0, Type Numeric dan isi value: 1= Pria,
2=Wanita.
 Variabel independen: 2. “Pendidikan” dengan kategori SLTP,
SLTA dan PT. Measure Nominal, Decimals=0, Type Numeric dan isi value:
1= SLTP, 2=SLTA, 3=PT.
 Variabel dependen: “Ujian”, Decimals=0, Measure Scale, Type Numeric.
 Buka Tab Data View
 Setelah data terisi, pada menu, Klik Analyze, General Linear Model,
Univariate. Maka akan mucul jendela sbb: Masukkan Ujian ke kotak
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!
2.2.2 Hipotesis Pengujian Anova

1. Hipotesis 1 Pengaruh Suhu
Jika F hitung > F tabel maka HI diterima, sehingga dapat disimpulkan
bahwa setiap suhu mempengaruhi produktivitas kerja manusia.
2. Hipotesis 2 Pengaruh Kebisingan
Jika F hitung > F tabel maka H2 diterima, sehingga dapat disimpulkan
bahwa setiap kebisingan mempengaruhi produktivitas kerja manusia.
3. Hipotesis 3 Pengaruh Pencahayaan
bahwa setiap pencahayaan mempengaruhi produktivitas kerja manusia.
4. Hipotesis 4 Pengaruh daya lampu
bahwa setiap daya lampu mempengaruhi produktivitas kerja manusia.
10
Berikut ini adalah diagram alir praktikum pengukuran lingkungan kerja.
Mulai
Identifikasi Masalah
Tujuan Dan Manfaat
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
Kesimpulan dan saran
Selesai
Gambar 3.1 Diagram Alir Praktikum
11
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
3.1 Pengumpulan Data

3.1.1 Pengaruh Suhu
a. Operasi Perhitungan :
1. Jumlah Pengerjaan
3.1 Tabel Jumlah Pengerjaan Pengaruh Suhu
Suhu
Kelompok o
16 24o 30o
1 23 48 100
2 29 16 43
3 25 32 61
4 20 15 69
5 24 26 56
6 24 26 98
7 22 35 95
8 21 25 70
9 25 35 87
10 23 24 55
11 22 25 67
Sumber Data : Ruang Iklim Teknik Industri
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
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
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.
3.1.2 Pengaruh Kebisingan

a. Operasi Perhitungan
1. Jumlah pengerjaan
3.4 Tabel Jumlah Pengerjaan Pengaruh Kebisingan
Kebisingan 80 Db
Kelompok Putus-
Konstan Musik
Putus
1 34 26 40
2 39 32 46
3 34 29 42
4 36 28 45
5 33 29 43
6 38 46 42
7 35 30 40
8 35 30 42
9 36 31 44
10 36 42 41
11 32 33 40
Dari tabel 3.4 pengaruh kebisingan diatas di ketahui bahwa pada suara
konstan, jumlah pengerjaan paling banyak berada pada kelompok 2 dengan
jumlah 39, sedangkan pada suara putus – putus, jumlah pengerjaan paling
banyak berada pada kelompok 6 dengan jumlah 46, dan pada suara Musik
jumlah pengerjaan paling banyak berada pada kelompok 2 dengan jumlah 46.
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
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
15
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.
3.1.3 Pengaruh Warna

1. Jumlah pengerjaan
3.7 Tabel Jumlah Pengerjaan Pengaruh Warna
Warna Cahaya
Kelompok
Merah Biru Hijau
1 13 14 15
2 16 21 19
3 12 18 17
4 10 25 20
5 14 27 24
6 14 23 18
7 10 25 20
8 11 19 18
9 13 16 14
10 14 20 16
11 15 22 19
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
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
17
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
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
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.
3.2 Uji Anova

Uji anova, dihitung dengan Oneway Anova dan Twoway Anova dengan
menggunakan aplikasi SPSS.
3.2.1 Pengaruh Suhu
3.2.1.1 Pengaruh Suhu Terhadap Jumlah Pengerjaan (CRD)
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Suhu Statistic Df Sig. Statistic df Sig.
Nilai 16 ,171 11 ,200* ,933 11 ,438
24 ,218 11 ,152 ,924 11 ,355
30 ,194 11 ,200* ,926 11 ,367
 Nilai sig >dari 0,05 sehingga data tersebut normal.
19
Test of Homogeneity of Variances
Nilai
Levene Statistic df1 df2 Sig.
13,994 2 30 ,000
 Nilai sig < 0,05 maka HI diterima.
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
Mean Difference 95% Confidence Interval

(I) Suhu (J) Suhu (I-J) Std. Error Sig. Lower Bound Upper Bound
16 24 -4,455 5,325 ,409 -15,33 6,42
30 -49,364* 5,325 ,000 -60,24 -38,49
24 16 4,455 5,325 ,409 -6,42 15,33
30 -44,909* 5,325 ,000 -55,78 -34,03
30 16 49,364* 5,325 ,000 38,49 60,24
*
24 44,909 5,325 ,000 34,03 55,78
 Suhu 16, suhu 24, dan suhu 30 besar nilai sig < 0,05 berarti H1 diterima.
20
3.2.1.2 Pengaruh Suhu Terhadap Kesalahan Berhitung (CRD)
Tests of Normality
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
 Nilai sig > dari 0,05 sehingga data tersebut normal.

Nilai
1,359 2 30 ,272
 Nilai sig > dari 0,05 maka data homogeneity
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
jumlah data.
 F hitung = 890,055 > F tabel = 4,26 maka HI diterima, sehingga dapat
disimpulkan bahwa setiap suhu pada kesalahan berhitung mempengaruhi
21
Dependent Variable: Nilai
LSD

(I) Suhu (J) Suhu (I-J) Std. Error Sig. Lower Bound Upper Bound
*
16 24 -11,818 1,614 ,000 -15,12 -8,52
30 -64,000* 1,614 ,000 -67,30 -60,70
*
24 16 11,818 1,614 ,000 8,52 15,12
*
30 -52,182 1,614 ,000 -55,48 -48,88
30 16 64,000* 1,614 ,000 60,70 67,30
24 52,182* 1,614 ,000 48,88 55,48
*. The mean difference is significant at the 0.05 level.
 Suhu 16, suhu 24, dan suhu 30 besar nilai sig < 0,05 berarti H1 diterima.
3.2.1.3 Pengaruh Suhu Terhadap Persentase Kesalahan (RBD)

Tests of Normality
Statistic Df Sig. Statistic df Sig.
Standardized Residual for
,156 33 ,041 ,908 33 ,009
Hasil
a.Lilliefors Significance Correction
 Jika nilai sig < 0,05 Maka nilai residual standard Tidak normal
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
 Nilai Rata Rata untuk hasil suhu 16 derajat adalah 102,80

22
Levene's Test of Equality of Error Variancesa
F df1 df2 Sig.
4,200 2 30 ,025
 Nilai sig 0,025 < 0,05, maka dinyatakan tidak homogeny
Tests of Between-Subjects Effects

Type III Sum of
Source Squares Df Mean Square F Sig.
Corrected Model 9211,745a 2 4605,873 2,920 ,069
Intercept 515130,119 1 515130,119 326,612 ,000
Suhu 9211,745 2 4605,873 2,920 ,069
Error 47315,853 30 1577,195
Total 571657,717 33
Corrected Total 56527,598 32
a. R Squared = ,163 (Adjusted R Squared = ,107)
jumlah data.
 F hitung = 2,920 < F tabel = 4,26 maka HI ditolak, sehingga dapat
disimpulkan bahwa setiap suhu pada persentase kesalahan tidak
mempengaruhi produktivitas kerja manusia.
 Nilai sig > 0,05 maka tidak ada perbedaan

3.2.2.1 Pengaruh Kebisingan Terhadap Jumlah Pengerjaan (CRD)
Tests of Normality
Kebisingan Statistic Df Sig. Statistic df Sig.
*
Nilai Konstan ,180 11 ,200 ,967 11 ,853
Putus-putus ,277 11 ,018 ,794 11 ,008
*
Musik ,189 11 ,200 ,914 11 ,270
 Nilai sig > dari 0,05 sehingga data tersebut normality.
23
Nilai
4,272 2 30 ,023
 Nilai sig < dari 0,05 sehingga data tersbut tidak homogeneity.
ANOVA
Nilai
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
jumlah data.
 F hitung = 18,655 > F tabel = 4,26 maka H2 diterima, sehingga dapat
disimpulkan bahwa setiap kebisingan pada jumlah pengerjaan
 Nilai sig < dari 0,05 maka H2 diterima.
LSD

(I) Kebisingan (J) Kebisingan (I-J) Std. Error Sig. Lower Bound Upper Bound
Konstan Putus-putus 2,909 1,668 ,091 -,50 6,32
Musik -7,000* 1,668 ,000 -10,41 -3,59
Putus-putus Konstan -2,909 1,668 ,091 -6,32 ,50
*
Musik -9,909 1,668 ,000 -13,32 -6,50
*
Musik Konstan 7,000 1,668 ,000 3,59 10,41
Putus-putus 9,909* 1,668 ,000 6,50 13,32
 Nilai sig < dari 0,05 maka H2 diterima.
24
3.2.2.2 Pengaruh Kebisingan Terhadap Kesalahan Berhitung (CDR)
Tests of Normality
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
 Nilai sig > dari 0,05 sehingga data tersebut normal.

Nilai
1,298 2 30 ,288
 Nilai sig > dari 0,05 sehingga data tersebut homogeneity.
ANOVA
Nilai
Between Groups 222,970 2 111,485 11,511 ,000
Within Groups 290,545 30 9,685
Total 513,515 32
jumlah data.
disimpulkan bahwa setiap kebisingan pada kesalahan berhitung
 Nilai sig < 0,05 maka H2 diterima.
25
LSD

(I) Kebisingan (J) Kebisingan (I-J) Std. Error Sig. Lower Bound Upper Bound
*
Konstan Putus-putus -3,000 1,327 ,031 -5,71 -,29
Musik 3,364* 1,327 ,017 ,65 6,07
*
Putus-putus Konstan 3,000 1,327 ,031 ,29 5,71
*
Musik 6,364 1,327 ,000 3,65 9,07
Musik Konstan -3,364* 1,327 ,017 -6,07 -,65
Putus-putus -6,364* 1,327 ,000 -9,07 -3,65
 Nilai Sig kebisingan konstan> dari 0,05H2 ditolak.

 Nilai Sig kebisingan putus-putus< dari 0,05H2 diterima.
 Nilai Sig kebisingan Musik< dari 0,05H2 diterima.
3.2.2.3 Pengaruh Kebisingan Terhadap Persentase Kesalahan (RBD)

Tests of Normality
,130 33 ,168 ,901 33 ,006
Hasil
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
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

Type III Sum of
Intercept 75977,290 1 75977,290 712,536 ,000
Kebisingan 5285,505 2 2642,752 24,784 ,000
Error 3198,882 30 106,629
Total 84461,676 33
jumlah data.
disimpulkan bahwa setiap kebisingan pada persentase
kesalahanmempengaruhi produktivitas kerja manusia.
 Nilai sig 0,000 < 0,05 maka ada perbedaan.

3.2.3.1 Pengaruh Warna Terhadap Jumlah Pengerjaan (CDR)
Tests of Normality
WARNA Kolmogorov-Smirnova Shapiro-Wilk
MERAH .202 10 .200* .930 10 .451
*
NILAI BIRU .119 11 .200 .980 11 .967
HIJAU .163 11 .200* .959 11 .763
 Nilai Sig > dari 0,05 sehingga data tersebut normal
27
NILAI
2.104 2 29 .140
 Nilai Sig > dari 0,05 sehingga data homogeny
ANOVA
NILAI
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
jumlah data.
disimpulkan bahwa setiap warnapada jumlah pengerjaan mempengaruhi
 Nilai sig < 0,05 maka H3diterima.
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
 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
 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
7.869 2 29 .002
 Nilai Sig< dari 0,05 sehingga data tidak homogeny
ANOVA
NILAI
Between Groups 1.202 2 .601 .178 .837
Total 98.875 31
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
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
3.2.3.3 Pengaruh Warna Terhadap Persentase Kesalahan
Tests of Normality
,161 33 ,030 ,931 33 ,038
Hasil
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
Dependent Variable: Hasil persentase kesalahan
F df1 df2 Sig.
7,034 2 30 ,003
 Nilai sig < 0,05, maka dinyatakan tidak homogen
30
Type III Sum of
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
jumlah data.
 F hitung = 5,507 > F tabel = 4,26 maka H3diterima, sehingga dapat
disimpulkan bahwa setiap kebisingan pada persentase kesalahan
 Nilai sig 0,009 < 0,05 maka H3ditolak

3.2.4.1 Pengaruh Daya Lampu Terhadap Jumlah Pengerjaan (CDR)
Tests of Normality
DAYA_LAMPU Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
10WATT .157 11 .200* .930 11 .415
NILAI 25WATT .216 11 .162 .871 11 .079
40WATT .184 11 .200* .952 11 .670
 Nilai Sig > dari 0,05 sehingga data tersebut normal

NILAI
2.136 2 30 .136
 Nilai Sig > dari 0,05 sehingga data homogeny
31
ANOVA
NILAI
Between Groups 140.061 2 70.030 21.241 .000
Total 238.970 32
jumlah data.
disimpulkan bahwa setiap daya lampu pada jumlah pengerjaan
 Nilai sig < 0,05 maka H4diterima.
(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
Berikut adalah grafik Jumlah Pengerjaan terhadap pengaruh suhu :
Gambar 3.1 Jumlah Pengerjaan

Dari gambar 3.1 diatas didapat bahwa jumlah pengerjaan 30 derajat lebih besar
dari 24 derajat dan 16 derajat.
2. Persentase Kesalahan
Berikut adalah grafik Presentase Kesalahan terhadap pengaruh suhu :
Gambar 3.2 Persentase Kesalahan
33
Dari gambar 3.2 diatas didapat bahwa Presentase Kesalahan 24 derajat lebih besar
dari 30 derajat dan 16 derajat.
b. Jumlah Kesalahan Mencongak

Berikut adalah Jumlah Kesalahan Mencongak terhadap pengaruh suhu :
Gambar 3.3 Jumlah Kesalahan Mencongak

Dari gambar 3.3 diatas didapat bahwa Jumlah Kesalahan Mencongak 30 derajat
lebih besar dari 24 derajat dan 16 derajat.

a.Operasi Perhitungan
Berikut adalah Jumlah Pengerjaan terhadap pengaruh kebisingan
Gambar 3.4 Jumlah Pengerjaan
34
Dari gambar 3.4 diatas didapat bahwa Jumlah pengerjaaan Musik lebih besar dari
Putus-putus dan Konstan
Berikut adalah Presentase Kesalahan terhadap Pengaruh Kebisingan
Gambar 3.5 Presentase Kesalahan

Dari gambar 3.5 diatas didapat bahwa Presentase Kesalahan Putus-putus lebih
besar dari Konstan dan Musik.
b. Jumlah Kesalahan Kartu Huruf dan Angka

Berikut adalah Jumlah Kesalahan Kartu Huruf dan Angka terhadap
Pengaruh Kebisingan :
Gambar 3.6 Jumlah Kesalahan Kartu Huruf dan Angka
35
Dari gambar 3.6 diatas didapat bahwa Jumlah Kesalahan Kartu Huruf dan
Angka Putus-putus lebih besar dari Konstan dan Musik
Berikut adalah Jumlah Pengerjaan terhadap Pengaruh Warna
3.7 Jumlah Pengerjaaan

Dari gambar 3.7 diatas didapat bahwa Jumlah Pengerjaan Biru lebih
besar dari hijau dan merah.
Berikut adalah Presentase Kesalahan terhadap Pengaruh Warna :
Gambar 3.8 Presentase Kesalahan
36
Dari gambar 3.8 diatas didapat bahwa Presentase Kesalahan merah
lebih besar dari hijau dan biru.
b. Jumlah Kesalahan Kartu Berwarna

Berikut adalah Jumlah Kesalahan Kartu Berwarna terhadap Pengaruh
Warna :
Gambar 3.9 Jumlah Kesalahan Kartu Berwarna

Dari gambar 3.9 diatas didapat bahwa Jumlah Kesalahan Kartu
Bewarna merah lebih besar dari hijau dan biru

Berikut adalah Jumlah Pengerjaan terhadap Pengaruh Daya Lampu
Gambar 3.10 Jumlah Peengerjaan

Dari gambar 3.10 diatas didapat bahwa jumlah pengerjaan 10 watt lebih
besar dari 25 dan 40 watt.
37
3.3.5 Rekap Perbandingan Rata-rata % Kesalahan (Untuk 3 Percobaan :
Suhu, Bunyi, dan Warna)
 Rata-rata kesalahan pengaruh suhu
 Rata-rata kesalahan pengaruh bunyi
38
 Rata-rata kesalahan pengaruh warna
3.4 Perhitungan Beban Bunyi Saat Percobaan Pengaruh Kebisingan

Beban bunyi = 80 dB – 5 menit, 80 dB – 3 detik
39
BAB IV
ANALISIS MASALAH
4.1 Analisis Pengaruh Suhu

Dari hasil uji anova menggunakan SPSS dapat dilihat pada tabel Test Of
Normality didapatkan nilai Sig. > 0,05sehingga data tersebut normal. Kemudian
dilanjutkan di tabel Test of Homegeneity of Variances nilai Sig. < 0,05 maka data
tersebut tidak homogen atau data tidak valid artinya ada varian data yang tidak
sama sehingga pada tabel Anova nilai Sig. menunjukan angka < 0,05 maka
H1diterima, jadi dapat diambil kesimpulan yaitu ada perbedaan yang bermakna
rata rata antara perlakuan suhu terhadap kesalahan dalam pengerjaan. Hal ini
terjadi karena ada pengaruh signifikan perubahan tingkat suhu terhadap
performansi operator melakukan kesalahan.
4.2 Analisis Pengaruh Kebisingan

dilanjutkan di tabel Test of Homegeneity of Variances nilai Sig. < 0,05 maka data
tersebut tidak homogen atau data tidak valid artinya ada varian data yang tidak
sama sehingga pada tabel Anova nilai Sig. menunjukan angka < 0,05 maka H 2
diterima, jadi dapat diambil kesimpulan yaitu ada perbedaan yang bermakna rata
rata antara perlakuan kebisingan terhadap kesalahan dalam pengerjaan. Hal ini
terjadi karena ada pengaruh signifikan perubahan tingkat kebisingan terhadap
performansi operator melakukan kesalahan.
4.3 Analisis Pengaruh Warna

dilanjutkan di tabel Test of Homegeneity of Variances nilai Sig. > 0,05 maka data
tersebut homogen atau valid artinya varian data sama sehingga pada tabel Anova
nilai Sig. menunjukan angka < 0,05 maka H3 diterima, jadi dapat diambil
kesimpulan yaitu ada perbedaan yang bermakna rata rata antara perlakuan
kebisingan terhadap kesalahan dalam pengerjaan. Hal ini terjadi karena ada
40
pengaruh signifikan perubahan tingkat kebisingan terhadap performansi operator
melakukan kesalahan.
4.4 Analisis Pengaruh Daya Lampu

dilanjutkan di tabel Test of Homegeneity of Variances nilai Sig. > 0,05 maka data
tersebut homogen atau valid artinya varian data sama sehingga pada tabel Anova
nilai Sig. menunjukan angka < 0,05 maka H4diterima, jadi dapat diambil
kesimpulan yaitu ada perbedaan yang bermakna rata rata antara perlakuan daya
lampu terhadap kesalahan dalam pengerjaan. Hal ini terjadi karena ada pengaruh
signifikan perubahan tingkat daya lampu terhadap performansi operator
melakukan kesalahan.
4.5 Analisis Beban Bunyi

Jika hasil uji menunjukanHi diterima, maka uji lanjut (Post Hoc Test)
tidak dilakukan. Sebaliknya jika hasil uji menunjukan Hi ditolak (ada perbedaan),
maka uji lanjut (Post Hoc Test) harus dilakukan.Karena hasil uji Anova
menunjukan adanya perbedaan yang bermakna, maka uji selanjutnya adalah
melihat kelompok mana saja yang berbeda.
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
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
https://www.globalstatistik.com/uji-anova-satu-dua-arah/ ).Diakse Pada Tanggal

20 Februari 2020
https://prezi.com/l9inkxow291q/anova/ ). Diakse Pada Tanggal 20 Februari 2020
43
MODUL II
FORECASTING
DISUSUN OLEH :

KELAS : IN6A
DOSEN PENGAJAR :

FAKULTAS TEKNIK
PALEMBANG
2020
BAB 1
PENDAHULUAN
1.1 Latar Belakang

Forecasting atau peramalan memiliki defnisi sebagai aktivitas pertama
dalam penentuan jadwal produksi dimasa depan. Proses peramalan yang
dilakukan didasarkan pada penentuan ( prediksi ), jumlah permintaan ( demand )
konsumen dari sebuah produk yang kemudian dijadikan sebagai target produksi.
Penentuan target produksi sangatlah penting bagi suatu perusahaan karena dapat
menentukan langkah - langkah yang akan diambil perusahaan dalam
memenuhitarget produksi yang ingin dicapai dengan tetap memperhatikan kualitas
produk dankepuasan konsumen.
Proses peramalan memberikan pengaruh terhadap tingkat inventori yang

akan dimiliki oleh perusahaan. Peramalan akan memprediksi jumlah permintaan
dimasa yang akan datang atau jumlah produk yang harus diproduksi dimasa yang
akan datang sehingga dengan melakukan proses peramalan, perusahaan akan
dapat memperkirakan inventori yang harus dilakukan di masa depan. Peramalan
akan meminimalisir terjadinya kekurangan atau kelebihan inventori yang akan
menyebabkan kerugian di perusahaan. Peramalan juga berpengaruh terhadap
service level dimana apabila perusahaan dapat memprediksi demand dengan tepat
maka perusahaan akan dapatmemenuhi permintaan konsumen dengan cepat dan
tepat. 1onsumen tidak perlu lagimenunggu barang diproduksi namun sudah
tersedia di inventori sehingga hal tersebutdapat meningkatkan service level kepada
konsumen dari perusahaan.
Peramalan juga berguna dalam menentuka penjad+alan produksi.

Penjad+alanini penting untuk mengatur tingkat produktivitas yang akan dilakukan
dalam jangka waktu tertentu. Oleh karena itu perusahaan harus membuat suatu
peramalan produk agar dalam jangka waktu tertentu perusahaan dapat memenuhi
demand perusahaan sesuai kebutuhan konsumen, tidak mengalami kerugian
sebagai akibat adanya kelebihan atau kekurangan produksi, serta membantu
perusahaan dalammengembangkan produk dengan lebih baik
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?

Tujuan dari praktikum modul 2 ini yaitu :
1. Menentukan metode terbaik dari 12 metode dengan memilih error
yang terkecil.
2. Mengverifikasi metode yang error nya terkecil.
3. Menentukan unsur trend atau seasonal pada plot data permintaan.
4. Menganalisi tentang peramalan yang dipilih.
1.4 Batasan Masalah

Batasan masalah dari praktikum ini adalah :
1. Menghitung kesalahan peramalan yang terjadi
2. Menghitung parameter – parameter fungsi peramalan?

Berisi tentang latar belakang msalah, rumusan masalah, tujuan
praktikum, batasan masalah, dan sistematika penulisan.
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.
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
47
BAB II
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).
Metode peramalan kuantitatif dapat dibagi menjadi dua

tipe, causal dan time series. Metode peramalan causal meliputi faktor-faktor yang
berhubungan dengan variabel yang diprediksi seperti analisis regresi.
Peramalan time series merupakan metode kuantitatif untuk menganalisis data
masa lampau yang telah dikumpulkan secara teratur menggunakan teknik yang
tepat. Hasilnya dapat dijadikan acuan untuk peramalan nilai di masa yang akan
datang (Makridakis, 1999).
Peramalan permintaan memiliki karakteristik tertentu yang berlaku secara

umum. Karakteristik ini harus diperhatikan untuk menilai hasil suatu proses
peramalan permintaan dan metode peramalan yang digunakan. Karakteristik
peramalan yaitu faktor penyebab yang berlaku di masa lalu diasumsikan akan
berlaku juga di masa yang akan datang, dan peramalan tak pernah sempurna,
48
permintaan aktual selalu berbeda dengan permintaan yang diramalkan (Baroto,
2002).
Penggunaan berbagai model peramalan akan memberikan nilai ramalan

yang berbeda dan derajat dari galat ramalan (forecast error) yang berbeda pula.
Seni dalam melakukan peramalan adalah memilih model peramalan terbaik yang
mampu mengidentifikasi dan menanggapi pola aktivitas historis dari data. Model-
model peramalan dapat dikelompokan ke dalam dua kelompok utama, yaitu
metode kualitatif dan metode kuantitatif. Metode kuantitatif dikelompokkan ke
dalam dua kelompok utama, yaitu intrinsik dan ekstrinsik.
Metode kualitatif ditujukan untuk peramalan terhadap produk baru, pasar

baru, proses baru, perubahan sosial dari masyarakat, perubahan teknologi, atau
penyesuaian terhadap ramalan-ramalan berdasarkan metode kuantitatif.
2.1.1 Metode-Metode Forecasting

Model kuantitatif intrinsik sering disebut sebagai model-model deret
waktu (Time Series model). Model deret waktu yang populer dan umum
diterapkan dalam peramalan permintaan adalah rata-rata bergerak (Moving
Averages), pemulusan eksponensial (Exponential Smoothing), dan proyeksi
kecenderungan (Trend Projection). Model kuantitatif ekstrinsik sering disebut
juga sebagai model kausal, dan yang umum digunakan adalah model regresi
(Regression Causal model) (Gaspersz, 1998).
1. Weight Moving Averages (WMA)
Model rata-rata bergerak menggunakan sejumlah data aktual permintaan yang

baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang akan
datang. metode rata-rata bergerak akan efektif diterapkan apabila permintaan
pasar terhadap produk diasumsikan stabil sepanjang waktu. Metode rata-rata
bergerak terdapat dua jenis, rata-rata bergerak tidak berbobot (Unweight Moving
Averages) dan rata-rata bobot bergerak (Weight Moving Averages). Model rata-
rata bobot bergerak lebih responsif terhadap perubahan karena data dari periode
yang baru biasanya diberi bobot lebih besar. Rumus rata-rata bobot bergerak yaitu
sebagai berikut.
49
......2.1
2. Single Exponential Smoothing (SES)
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
Permasalahan umum yang dihadapi apabila menggunakan model pemulusan

eksponensial adalah memilih konstanta pemulusan (α) yang diperirakan tepat.
Nilai konstanta pemulusan dipilih di antara 0 dan 1 karena berlaku 0 < α < 1.
Apabila pola historis dari data aktual permintaan sangat bergejolak atau tidak
stabil dari waktu ke waktu, nilai α yang dipilih adalah yang mendekati 1. Pola
historis dari data aktual permintaan tidak berfluktuasi atau relatif stabil dari waktu
ke waktu, α yang dipilih adalah yang nilainya mendekati nol (Gaspersz, 1998).
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
a = perpotongan dengan sumbu tegak
b = menyatakan slope atau kemiringan garis regresi
2.1.2 Ukuran Akurasi Peramalan
Model-model peramalan yang dilakukan kemudian divalidasi

menggunakan sejumlah indikator. Indikator-indikator yang umum digunakan
adalah rata-rata penyimpangan absolut (Mean Absolute Deviation), rata-rata
kuadrat terkecil (Mean Square Error), rata-rata persentase kesalahan absolut
(Mean Absolute Percentage Error), validasi peramalan (Tracking Signal),
dan pengujian kestabilan (Moving Range).
1. Mean Absolute Deviation (MAD)
Metode untuk mengevaluasi metode peramalan menggunakan jumlah dari

kesalahan-kesalahan yang absolut. Mean Absolute Deviation (MAD) mengukur
ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai absolut masing-
masing kesalahan). MAD berguna ketika mengukur kesalahan ramalan dalam
unit yang sama sebagai deret asli. Nilai MAD dapat dihitung dengan
menggunakan rumus sebegai berikut.
................................................2.8
2. Mean Square Error (MSE)
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
3. Mean Absolute Percentage Error (MAPE)
Mean Absolute Percentage Error (MAPE) dihitung dengan menggunakan

kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang nyata
untuk periode itu. Kemudian, merata-rata kesalahan persentase absolut tersebut.
Pendekatan ini berguna ketika ukuran atau besar variabel ramalan itu penting
dalam mengevaluasi ketepatan ramalan. MAPE mengindikasi seberapa besar
kesalahan dalam meramal yang dibandingkan dengan nilai nyata.
..........................................2.10
4. Tracking Signal
Validasi peramalan dilakukan dengan Tracking Signal. Tracking Signal adalah

suatu ukuran bagaimana baiknya suatu peramalan memperkirakan nilai-nilai
aktual. Nilai Tracking Signal dapat dihitung dengan menggunakan rumus sebegai
berikut.
.............................................................................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.
5. Moving Range (MR)
Peta Moving Range dirancang untuk membandingkan nilai permintaan aktual

dengan nilai peramalan. Data permintaan aktual dibandingkan dengan nilai
peramal pada periode yang sama. Peta tersebut dikembangkan ke periode yang
akan datang hingga dapat dibandingkan data peramalan dengan permintaan aktual.
Peta Moving Range digunakan untuk pengujian kestabilan sistem sebab-akibat
yang mempengaruhi permintaan. Rumus perhitungan peta Moving Range adalah
sebagai berikut.
........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).
Kegunaan peta Moving Range ialah untuk melakukan verifikasi hasil

peramalan least square terdahulu. Jika peta Moving Range menunjukkan keadaan
diluar kriteria kendali. Hal ini berarti terdapat data yang tidak berasal dari sistem
sebab-akibat yang sama dan harus dibuang maka peramalan pun harus diulangi
lagi.
2.1.3 Tahap Dalam Peramalan
Terdapat beberapa langkah penting dalam tahap-tahap forecasting yaitu :

1. Plot data.
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

3.1.1 Data Jumlah Permintaan
Berikut adalah data jumlah permintaan perbulan selama satu tahun :
Tabel 3.1 Jumlah Permintaan Selama Satu Tahun
Permintaan
Bulan Produk 1 Produk 2
1 1827 1836
2 1834 1843
3 1840 1849
4 1845 1854
5 1848 1857
6 1852 1861
7 1854 1863
8 1863 1872
9 1872 1881
10 1872 1881
11 1881 1890
12 1890 1890
Sumber : Data Permintaan Masa Lalu
3.1.2 Plot Data Permintaan

Berikut gambar diagram plot data jumlah permintaan produk1 dan
produk2
Permintaan
1900
1880
1860
1840
1820
1800
1780
1 2 3 4 5 6 7 8 9 10 11 12
Produk 1 Produk 2
Sumber : Data Permintaan Masa lalu
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.
3.2 Pengolahan Data

3.2.1 Peramalan Produk 1
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
Sumber : Aplikasi WinQSB
Gambar 3.2 Spesifikasi Peramalan Simple Avarage
c. Lalu tekan Ok. Muncul tabel data peramalan. Kemudian isi tabel
tersebut dengan data jumlah permintaan.
57
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.
3.2.1.1 Simple Avarage (SA)

a. Pilih Metode Forecasting Methods : Simple Avarage (SA)
Method Parameters : Assign Values
Search Criterion : MAD
Number of periods to forecast : 12
Lalu klik OK

Gambar 3.4 Metode Forecasting Simple Avarage
58
b. Hasil Forcasting Summary Simple Avarage, Detail Simple Average
dan In Graph

Gambar 3.5 Show Forecasting Summary Simple Avarage
Berdasarkan Gambar 3.5 Show Forecasting Summary Simple Avarage

nilai MAD = 18.43757, MSE = 424.6888, CFE =202.8132, MAPE =0.9873335.

Gambar 3.6 Show Forecasting Detail Simple Avarage.
59
Sumber: Aplikasi WinQSB
Gambar 3.7 Show Forecasting In Graph Simple Avarage
3.2.1.2 Moving Average (MA).

a. Pilih Metode Forecasting Methods : Moving Average (MA)
Number of periods in average : 2
Lalu klik OK.

Gambar 3.8 Metode Forecasting Moving Avarage
b. Hasil Forcasting Summary Moving Avarage, Detail Simple Average

dan In Graph
60
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.

Gambar 3.10 Show Forecasting Detail Moving Avarage
61
Gambar 3.11 Show Forecasting In Graph Moving Avarage
3.2.1.3 Weight Moving Average (WMA)

a. Pilih Metode Forecasting Methods : Weight Moving Average (WMA)
Lalu klik OK.

Gambar 3.12 Metode Forecasting Weight Moving Average
62
b. Hasil Forcasting Summary, Detail dan In Graph Weight Moving
Average

Gambar 3.13 Show Forecasting Summary Weight Moving Average
Berdasarkan Gambar 3.13 Show Forecasting Summary Weight Moving

Average nilai MAD = 5.727273, CFE = 63, MSE =42.09091, MAPE = 0.3075895

Gambar 3.14 Show Forecasting Detail Weight Moving Average
63
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)
Lalu klik OK.

Gambar 3.16 Metode Forecasting Moving Average With Linier Trend
64
b. Hasil Forcasting Summary, Detail dan In Graph Moving Average With
Linier Trend

Gambar 3.17 Show Forecasting Summary Moving Average With Linier Trend
Berdasarkan Gambar 3.17 Show Forecasting Summary Moving Average

With Linier Trend nilai MAD =5,727273, MSE = 42.09091, CFE = 63, MAPE
0.3075895.

Gambar 3.18 Show Forecasting Detail Moving Average With Linier Trend
65
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)
Smoothing constant Alpha : 0.01
Lalu klik OK.

Gambar 3.20 Metode Forecasting Single Exponential Smoothing
66
b. Hasil Forcasting Summary, Detail dan In Graph Single Exponential
Smoothing

Gambar 3.21 Show Forecasting Summary Single Exponential Smoothing
Berdasarkan Gambar 3.21 Show Forecasting Summary Single Exponential

Smoothing nilai MAD = 32.18182, MSE = 1324.364, CFE = 354, MAPE =
1.72278.
Gambar 3.22 Show Forecasting Detail Single Exponential Smoothing
67
Gambar 3.23 Show Forecasting In Graph Single Exponential Smoothing
3.2.1.6 Single Exponential Smoothing Linier Trend (SEST)

Linier Trend (SEST)
Smoothing constant Beta : 0.01
Lalu klik OK.

Gambar 3.24 Metode Forecasting Single Exponential Smoothing Linier Trend
68
Smoothing Linier Trend

Gambar 3.25 Show Forecasting Summary Single Exponential Smoothing Linier
Trend

Smoothing Linier Trend nilai MAD = 32.18182, MSE = 1324.364 , CFE = 354,
MAPE = 1.72278.

69
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)
Lalu klik OK.

Gambar 3.28 Metode Forecasting Double Exponential Smoothing
70
b. Hasil Forcasting Summary, Detail dan In Graph Double Exponential
Smoothing

Gambar 3.29 Show Forecasting Summary Double Exponential Smoothing
Berdasarkan Gambar 3.29 Show Forecasting Summary Double

Exponential Smoothing nilai MAD = 32.18182, MSE = 1324.364, CFE = 354,
MAPE = 1.72278.

Gambar 3.30 Show Forecasting Detail Double Exponential Smoothing.
71
Gambar 3.31 Show Forecasting In Graph Double Exponential Smoothing
3.2.1.8 Double Exponential Smoothing Linier Trend (DEST)
Linier Trend (DEST)
Lalu klik OK.

Gambar 3.32 Metode Forecasting Double Exponential Smoothing Linier Trend

72
Gambar 3.33 Show Forecasting Summary Double Exponential Smoothing Linier
Trend

Exponential Smoothing Linier Trend didapatkan nilai MAD = 32.18182, CFE =
354, MSE = 1324.364, MAPE = 1.72278.

Gambar 3.34 Show Forecasting Detail Double Exponential Smoothing Linier
Trend
73
Gambar 3.35 Show Forecasting In Graph Double Exponential Smoothing Linier
Trend
3.2.1.9 Addative Exponential Smoothing (AES)

a. Pilih Metode Forecasting Methods : Addative Exponential Smoothing
(AES)
Adjusting constant Beta : 0.3
Lalu klik OK

Gambar 3.36 Metode Forecasting Addative Exponential Smoothing
74
b. Hasil Forcasting Summary, Detail dan In Graph Addative Exponential
Smoothing Smoothing Linier Trend

Gambar 3.37 Show Forecasting Summary Addative Exponential Smoothing
Berdasarkan Gambar 3.37 Show Forecasting Detail Double Exponential

Smoothing Linier Trend didapatkan nilai MAD = 32.18182, CFE = 354, MSE =
1324.364, MAPE = 1.722778.

Gambar 3.38 Show Forecasting Detail Addative Exponential Smoothing
75
Gambar 3.39 Show Forecasting In Graph Addative Exponential Smoothing
3.2.1.10 Linier Regression With Time (LR).

a. Pilih Metode Forecasting Methods : Linier Regression With Time (LR)
Lalu klik OK.

Gambar 3.40 Metode Forecasting Linier Regression With Time
b. Hasil Forcasting Summary, Detail dan In Graph Linier Regression

With Time
76
Gambar 3.41 Show Forecasting Summary Linier Regression With Time
Berdasarkan Gambar 3.41 Show Forecasting Summary Linier Regression

With Time didapatkan nilai MAD = 2.059428, CFE = 4.82813E-04, MSE =
6.266846, MAPE = 0.1106352.

Gambar 3.42 Show Forecasting Detail Linier Regression With Time
77
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)
Smoothing constant alpha : 0,01
Smoothing constant beta : 0,3
Smoothing constan gamma : 0,01
Lalu klik OK.

Gambar 3.44 Metode Forecasting Holt Wrinters Addative Algoritma
78
b. Hasil Forcasting Summary, Detail dan In Graph Holt Wrinters
Addative Algoritma

Gambar 3.45 Show Forecasting Summary Holt Wrinters Addative Algoritma
Berdasarkan Gambar 3.45 Show Forecasting Summary Holt Wrinters

Addative Algoritma didapatkan nilai MAD = 32.18182, CFE = 354, MSE =
1324.364, MAPE = 1.72278.

Gambar 3.46 Show Forecasting Detail Holt Wrinters Addative Algoritma
79
Gambar 3.47 Show Forecasting In Graph Holt Wrinters Addative Algoritma
3.2.1.12 Holt Winters Multiplicative Algoritma (HWM)

a. Pilih Metode Forecasting Methods : Holt Winters Multiplicative
Algoritma (HWM)
Lalu klik OK.

Gambar 3.48 Metode Forecasting Holt Winters Multiplicative Algoritma
80
b. Hasil Forcasting Summary, Detail dan In Graph Holt Winters
Multiplicative Algoritma

Gambar 3.49 Show Forecasting Summary Holt Winters Multiplicative Algoritma
Berdasarkan Gambar 3.49 Show Forecasting Summary Holt Winters

Multiplicative Algoritma didapatkan nilai MAD =32.18182, CFE = 354, MSE =
1324.364, MAPE = 1.72278.

Gambar 3.50 Show Forecasting Detail Holt Winters Multiplicative Algoritma
.
81
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
Gambar 3.52 Spesifikasi Peramalan Simple Avarage
82
c. Lalu tekan Ok. Muncul tabel data peramalan. Kemudian isi tabel
tersebut dengan data jumlah permintaan.

Gambar 3.53 Data Historis Simple Avarage
d. Lalu pilih tools Solve dan Analyze. Lalu pilih Perform Forecasting
e. Muncul lah pilihan 12 metode peramalan.
3.2.2.1 Simple Averange (SA)

a. Pilih Metode Forecasting Methods : Simple Avarage (SA)
Lalu klik OK

Gambar 3.54 Metode Forecasting Simple Avarage
83
b. Hasil Forcasting Summary Simple Avarage, Detail Simple Average
dan In Graph

Gambar 3.55 Show Forecasting Summary Simple Avarage
Berdasarkan Gambar 3.55 Show Forecasting Summary Simple Avarage

nilai MAD = 18.43757, MSE = 424.6888, CFE =202.8132, MAPE =0.9825976.

Gambar 3.56 Show Forecasting Detail Simple Avarage.
84
Gambar 3.57 Show Forecasting In Graph Simple Avarage
3.2.2.2 Moving Averange (SA)

a. Pilih Metode Forecasting Methods : Moving Average (MA)
Lalu klik OK.

Gambar 3.58 Metode Forecasting Moving Avarage
b. Hasil Forcasting Summary Moving Avarage, Detail Simple Average

dan In Graph
85
Gambar 3.59 Show Forecasting Summary Moving Avarage
Berdasarkan Gambar 3.59 Show Forecasting Summary Moving Avarage nilai

MAD = 5.727273, MSE = 42.09091, CFE = 63 , MAPE = 0.3061098.

Gambar 3.60 Show Forecasting Detail Moving Avarage
86
Gambar 3.61 Show Forecasting In Graph Moving Avarage
3.2.2.3 Weight Moving Average (WMA)

a. Pilih Metode Forecasting Methods : Weight Moving Average (WMA)
Lalu klik OK.

Gambar 3.62 Metode Forecasting Weight Moving Average
87
b. Hasil Forcasting Summary, Detail dan In Graph Weight Moving
Average

Gambar 3.63 Show Forecasting Summary Weight Moving Average
Berdasarkan Gambar 3.63 Show Forecasting Summary Weight Moving

Average nilai MAD = 5.727273, CFE = 63, MSE =42.09091, MAPE = 0.3061098

Gambar 3.64 Show Forecasting Detail Weight Moving Average
88
Gambar 3.65 Show Forecasting In Graph Weight Moving Average
3.2.2.4 Moving Average With Linier Trend (MAT)

a. Pilih Metode Forecasting Methods : Moving Average With Linier
Trend (MAT)
Lalu klik OK.

Gambar 3.66 Metode Forecasting Moving Average With Linier Trend
89
b. Hasil Forcasting Summary, Detail dan In Graph Moving Average With
Linier Trend

Gambar 3.67 Show Forecasting Summary Moving Average With Linier Trend
Berdasarkan Gambar 3.67 Show Forecasting Summary Moving Average

With Linier Trend nilai MAD =5,727273, MSE = 42.09091, CFE = 63, MAPE
0.30610998.

Gambar 3.68 Show Forecasting Detail Moving Average With Linier Trend
90
Gambar 3.69 Show Forecasting In Graph Moving Average With Linier Trend
3.2.2.5 Single Exponential Smoothing (SES)
(SES)
Lalu klik OK.

Gambar 3.70 Metode Forecasting Single Exponential Smoothing
91
Smoothing

Gambar 3.71 Show Forecasting Summary Single Exponential Smoothing

Smoothing nilai MAD = 32.18182, MSE = 1324.364, CFE = 354, MAPE =
1.714519.

92
Gambar 3.73 Show Forecasting In Graph Single Exponential Smoothing
3.2.2.6 Single Exponential Smoothing Linier Trend (SEST)

Linier Trend (SEST)
Smoothing constant Beta : 0.01
Lalu klik OK.

Gambar 3.74 Metode Forecasting Single Exponential Smoothing Linier Trend
93

Gambar 3.75 Show Forecasting Summary Single Exponential Smoothing Linier
Trend

Smoothing Linier Trend nilai MAD = 32.18182, MSE = 1324.364 , CFE = 354,
MAPE = 1.714519.

94
Gambar 3.77 Show Forecasting In Graph Single Exponential Smoothing Linier
Trend
3.2.2.7 Double Exponential Smoothing (DES)
(DES)
Linier Trend (SEST)
Lalu klik OK.

Gambar 3.78 Metode Forecasting Double Exponential Smoothing
95
Smoothing

Gambar 3.79 Show Forecasting Summary Double Exponential Smoothing

Exponential Smoothing nilai MAD = 32.18182, MSE = 1324.364, CFE = 354,
MAPE = 1.714519.

Gambar 3.80 Show Forecasting Detail Double Exponential Smoothing.
96
Gambar 3.81 Show Forecasting In Graph Double Exponential Smoothing
3.2.2.8 Double Exponential Smoothing Linier Trend (DEST)

Linier Trend (DEST)
Lalu klik OK.

Gambar 3.82 Metode Forecasting Double Exponential Smoothing Linier Trend

97
Gambar 3.83 Show Forecasting Summary Double Exponential Smoothing Linier
Trend

Exponential Smoothing Linier Trend didapatkan nilai MAD = 32.18182, CFE =
354, MSE = 1324.364, MAPE = 1.714519.

Gambar 3.84 Show Forecasting Detail Double Exponential Smoothing Linier
Trend
98
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)
Adjusting constant Beta : 0.3
Lalu klik OK

Gambar 3.86 Metode Forecasting Addative Exponential Smoothing
99
b. Hasil Forcasting Summary, Detail dan In Graph Addative Exponential
Smoothing Smoothing Linier Trend

Gambar 3.87 Show Forecasting Summary Addative Exponential Smoothing
Berdasarkan Gambar 3.87 Show Forecasting Detail Double Exponential

Smoothing Linier Trend didapatkan nilai MAD = 32.18182, CFE = 354, MSE =
1324.364, MAPE = 1.714519.

Gambar 3.88 Show Forecasting Detail Addative Exponential Smoothing
100
Gambar 3.89 Show Forecasting In Graph Addative Exponential Smoothing
3.2.2.10 Linier Regression With Time (LR).

a. Pilih Metode Forecasting Methods : Linier Regression With Time (LR)
Lalu klik OK.

Gambar 3.90 Metode Forecasting Linier Regression With Time
b. Hasil Forcasting Summary, Detail dan In Graph Linier Regression

With Time
101
Gambar 3.91 Show Forecasting Summary Linier Regression With Time
Berdasarkan Gambar 3.91 Show Forecasting Summary Linier Regression

With Time didapatkan nilai MAD = 2.059428, CFE = 4.82813E-04, MSE =
6.266846, MAPE = 0.1101028.

Gambar 3.92 Show Forecasting Detail Linier Regression With Time
102
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)
Lalu klik OK.

Gambar 3.94 Metode Forecasting Holt Wrinters Addative Algoritma
103
b. Hasil Forcasting Summary, Detail dan In Graph Holt Wrinters
Addative Algoritma

Gambar 3.95 Show Forecasting Summary Holt Wrinters Addative Algoritma
Berdasarkan Gambar 3.95 Show Forecasting Summary Holt Wrinters

Addative Algoritma didapatkan nilai MAD = 32.18182, CFE = 354, MSE =
1324.364, MAPE = 1.714519.

Gambar 3.96 Show Forecasting Detail Holt Wrinters Addative Algoritma
104
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)
Lalu klik OK.

Gambar 3.98 Metode Forecasting Holt Winters Multiplicative Algoritma
105
b. Hasil Forcasting Summary, Detail dan In Graph Holt Winters
Multiplicative Algoritma

Gambar 3.99 Show Forecasting Summary Holt Winters Multiplicative Algoritma
Berdasarkan Gambar 3.49 Show Forecasting Summary Holt Winters

Multiplicative Algoritma didapatkan nilai MAD =32.18182, CFE = 354, MSE =
1324.364, MAPE = 1.714519.

Gambar 3.100 Show Forecasting Detail Holt Winters Multiplicative Algoritma
.
106
Gambar 3.51 Show Forecasting In Graph Holt Winters Multiplicative Algoritma
3.2.3 Rekapitulasi Hasil Peramalan
Tabel 3.2 Hasil Peramalan MAD

MAD
No Metode Peramalan Produk 1 Produk 2
1 Simple Average (SA) 18.43757 18.43757
2 Moving Average (MA) 5.727273 5.727273
3 Weighted Moving Average With (WMA) 5.727273 5.727273
4 Moving Average With Linier Trend (MAT) 5.727273 5.727273
5 Single Exponential Smoothing (SES) 32.18182 32.18182
6 Single Exponential Smoothing With Linier Trend(SEST) 32.18182 32.18182
7 Double Exponential Smoothing (DES) 32.18182 32.18182
8 Double Exponential Smoothing With Linier Trend (DEST) 13.18182 13.18182
9 Addaptive Exponential Smoothing (AES) 13.18182 13.18182
10 Linier Regression With Time (LR) 2.089428 2.089428
11 Holt Wrinters Addaptive Algoritma (HWA) 32.18182 32.18182
12 Holt Wrinters Multicative Algoritma (HWM) 32.18182 32.18182
Sumber: Aplikasi WinQsb
Berdasarkan dari perhitungan MAD pada setiap metode peramalan yang

dilakukan diperoleh nilai MAD Produk 1 dan Produk 2 yang terkecil yaitu metode
pada metode Linier Regression With Time ( LR ) dengan nilai MAD 2,089428.
107
3.3 Perhitungan Manual Menggunakan Regresi Linier
Tabel 3.3 Regresi Linear

Permintaan ( Y ) X.Y
Bulan Periode X2
(X) Produk 1 Produk 2 Produk 1 Produk 2
1 1 1827 1836 1 1827 1836

2 2 1834 1843 4 3668 3686
3 3 1840 1849 9 5520 5547
4 4 1845 1854 16 7380 7416
5 5 1848 1857 25 9240 9285
6 6 1852 1861 36 11112 11166
7 7 1854 1863 49 12978 13041
8 8 1863 1872 64 14904 14976
9 9 1872 1881 81 16848 16929
10 10 1872 1881 100 18720 18810
11 11 1881 1890 121 20691 20790
12 12 1890 1899 144 22680 22788
Jumlah ∑ Xi = 78 Yi = 22278 Yi =22386 Xi2 = 650 Xi.Yi = 145568 Xi.Yi =146270
3.3.1 Perhitungan Produk 1
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
Dari perhitungan diatas diperoleh hasil peramalan Produk 1 penjualan bulan ke 13

sebesar 1891,091 unit.
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. .
Tabel 3.4 Hasil Peramalan

No Hasil Peramalan
Produk 1 Produk 2
13 1891.091 1900,091
14 1896.413 1905,413
15 1901.734 1910.734
16 1907.056 1916.056
17 1912.378 1921.378
18 1917.699 1926.699
19 1923.021 1932.021
20 1928.343 1937.343
21 1933.664 1942.664
22 1938.986 1947.986
23 1944.308 1953.308
24 1949.629 1958.629
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
Sumber : Data Hasil Peramalan

Gambar 3.51 Grafik Hasil Peramalan
Berdasarkan grafik hasil peramalan diatas didapatkan bahwa, hasil

peramalan produk 2 lebih tinngi dibandingkan dengan produk 1.
3.4 Verifikasi Peramalan Metode LR

Tabel 3.3 Data Peramalan Metode LR
Actual Forecasting F.error |ei-ei1|
Bulan
Produk1 Produk2 Produk1 Produk2 Produk1 Produk2 Produk1 Produk2
1 1827 1836 1891.091 1900,091 -0.2307129 -0.2307129 - -
2 1834 1843 1896.413 1905,413 1.447632 1.447632 1,6783449 1,6783449
3 1840 1849 1901.734 1910.734 2.125854 2.125854 0,6782220 0,6782220
4 1845 1854 1907.056 1916.056 1.804199 1.804199 0,3216550 0,3216550
5 1848 1857 1912.378 1921.378 -0.5174561 -0.5174561 2,3216551 2,3216551
6 1852 1861 1917.699 1926.699 -1.839111 -1.839111 1,3216549 1,3216549
7 1854 1863 1923.021 1932.021 -5.160767 -5.160767 3,3216560 3,3216560
8 1863 1872 1928.343 1937.343 -1,482422 -1,482422 3,6783450 3,6783450
9 1872 1881 1933.664 1942.664 2.195801 2.195801 3,6782230 3,6782230
10 1872 1881 1938.986 1947.986 -3.125854 -3.125854 5,3216550 5,3216550
11 1881 1890 1944.308 1953.308 0.5524902 0.5524902 3,6783442 3,6783442
12 1890 1899 1949.629 1958.629 4.230835 4.230835 3,6783448 3,6783448
MR 29,6781 29,6781
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
UCL = 2,66 x 3 = 7,98
LCL = -2,66 x 3 = -7,98
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
Sumber : Hasil Perhitungan Verifikasi

Gambar 3.52 Grafik Verifikasi Error
Berdasarkan hasil verifikasi error diatas, didapatkan bahwa nilai MR

berada didalam batas control berdasarkan grafik hasil verifikasi error dikarenakan
nilai MR berada dalam batas UCL dan LCL.
112
BAB IV
ANALISIS MASALAH
4.1 Analisis Terhadap Plot Data
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.
4.2 Metode Peramalan yang Digunakan (Berdasarkan Parameter)
Tabel 4.1 Peramalan Metode LR

Actual Forecasting
Bulan
Produk1 Produk2 Produk1 Produk2
1 1827 1836 1891.091 1900,091
2 1834 1843 1896.413 1905,413
3 1840 1849 1901.734 1910.734
4 1845 1854 1907.056 1916.056
5 1848 1857 1912.378 1921.378
6 1852 1861 1917.699 1926.699
7 1854 1863 1923.021 1932.021
8 1863 1872 1928.343 1937.343
9 1872 1881 1933.664 1942.664
10 1872 1881 1938.986 1947.986
11 1881 1890 1944.308 1953.308
12 1890 1899 1949.629 1958.629
Berdasarkan Tabel 4.1 Peramalan Metode LR hasil peramalan produk 1

dan produk 2 menunjukkan bahwa data actual lebih kecil dari data forecasting.
Maka peramalan ini termasuk kedalam kategori baik karena hasil peramalan tidak
terlalu tinggi dan tidak terlalu rendah.
4.3 Pemilihan Metode Peramalan (Berdasarkan Error)

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 terdapat pada metode ke-10 yaitu metode Linier Regression With
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.
4.4 Uji Verifikasi Peramalan

Berdasarkan Gambar 3.51 Grafik Verifikasi Error didapatkan seluruh data
MR Produk 1 dan Produk 2 tidak ada yang melewati batas kendali atas (UCL) dan
batas kendali bawah (LCL). Maka dari itu tidak ada data yang out of control.
114
BAB V
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.
Hasil peramalan Produk 2 metode LR berikut ini bulan ke 13 = 1900.091,

bulan ke 14 = 1905.413, bulan ke 15 = 1910.734, bulan ke 16 =1916.056,
bulan ke 17 = 1921.378, bulan ke 18 = 1926.699, bulan ke 19 = 1932.021,
bulan ke 20 =1937.343, bulan ke 21 = 1942.664, bulan ke 22 = 1947.986,
bulan ke 23 = 1953.308, bulan ke 24 = 1958.629. Menunjukkan bahwa
data actual lebih kecil dari data forecasting. Maka peramalan ini termasuk
kedalam kategori baik karena hasil peramalan tidak terlalu tinggi dan tidak
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
Fariedpradhana, 2013. Peramalan. Dikutip pada 28 Februari 2020, dari https://fari

edpradhana.wordpress.com/2012/06/28/forecasting-peramalan/.
Si Manis, 2017. Pengertian Peramalan. Dikutip pada 28 Februari 2020, dari

https:// www.pelajaran.co.id/2017/08/pengertian-peramalan-forecasting-fungsi-
manfaat-tujuan-metode-dan-jenisnya.html
117
MODUL III
AGGREGATE PLANNING
DISUSUN OLEH :

KELAS : IN6A
DOSEN PENGAJAR :

FAKULTAS TEKNIK
PALEMBANG
2020
BAB 1
PENDAHULUAN
1.1 Latar Belakang

Perkembangan industri saat ini sudah berkembang sedemikian cepatnya
dan tidak dapat dielakkan persaingan antar perusahaan akan semakin ketat. Untuk
dapat bersaing sebuah perusahaan harus mampu mengatasi dengan baik segala
permasalahan yang terjadi dalam perusahaannya sendiri. Di dunia industri saat ini
sering kali banyak kita jumpai permasalahan-permasalahan yang rumit. Hal ini
tentu saja menuntut setiap industri untuk mencari alternatif terbaik untuk
memecahkan permasalahan yang ada dalam perusahan. (Kamelia Fadhlina : 2014)
Agregate planning adalah perencanaan jangka menengah yang digunakan
untuk mengalokasikan kapasitas sumberdaya untuk memenuhi permintaan
konsumen. Aggregate planning sangat berguna bagi suatu organisasi (perusahaan)
yang menghadapi tingkat permintaan musiman atau sering mengalami
fluktuasi.Untuk menerapkan aggregate planning, perlu diketahuiyang mana
termasuk dalam perencanaan jangka menengah, pihak-pihak yang ada di
perusahaan dapat mengetahui target-target produksi secara agregatedan kemudian
mempertimbangkan apa dan sumberdaya yang dibutuhkan untuk mencapai target
produksi tersebut. (Kamelia Fadhlina : 2014). Output aggregate planning
merupakan langkah awal yang dapat membantu perusahaan untuk mengambil
keputusan kapan dan berapa jumlah produk yang harus diproduksi dan kapan akan
dipasarkan kepada konsumen.
1.2 Rumusan Masalah

Rumusan masalah dari praktikum modul 3 ini yaitu: Bagaimana
mengetahui strategi perencanaan mana yang paling efektif.

Tujuan dari praktikum modul 1 ini yaitu :
1. Memahami dan mampu membuat rencana produksi agregat.
2. Mengetahui strategi perencanaan yang efektif dan efisien
119
1.4 Batasan Masalah
Batasan masalah dari paktikum ini adalah

Berisi tentang latar belakang msalah, rumusan masalah, tujuan praktikum,
batasan masalah, dan sistematika penulisan.
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.
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.
6. BAB IV Analisis
120
BAB II
TINJAUAN PUSTAKA DAN DIAGRAM ALIR
2.1 Aggregate Planning

Perencanaan Agregat atau dalam bahasa Inggris disebut dengan Aggregate
Planning adalah suatu proses perencanaan kuantitas dan pengaturan waktu Output
(keluaran) untuk jangka waktu menengah yaitu sekitar 3 bulan hingga 1 tahun.
Perencanaan Agregat ini memberikan gambaran kepada manajemen mengenai
kebutuhan terhadap variabel-variabel produksi seperti persediaan material, tenaga
kerja dan sumber daya lainnya sehingga biaya operasional dapat dikendalikan
seminimal mungkin. Gambaran kebutuhan tesebut harus dapat menyajikan jumlah
kuantitas dan waktu yang dibutuhkan agar proses produksi dapat berjalan sesuai
dengan yang direncanakan.(Budi Kho: 2018)
Perencanaan Agregat (Aggregate Planning) adalah suatu proses

perencanaan kuantitas dan pengaturan waktu Output (keluaran) untuk jangka
waktu menengah sekitar 3 bulan hingga 1 tahun.Perencanaan Agregat ini
memberikan gambaran kepada manajemen mengenai kebutuhan terhadap variabel
produksi seperti persediaan material, tenaga kerja dan sumber daya lainnya
sehingga biaya operasional bisa dikendalikan seminimal mungkin.(Budi Kho:
2018)
Pengertian perencanaan agregat yang lain yaitu, perencanaan agregat

adalah penghubung antara perencanaan harian atau penjadwalan dengan
perencanaan jangka panjang.Aktivitas operasional yang memiliki rencana agregat
untuk proses produksi untuk jangka waktu 3 sampai 18 bulan ke depan dan untuk
memunculkan ide terhadao manajemen seperti berapa kuantitas sumber daya
material atau lainnya yang harus diproduksi dan kapan harus diproduksi agar
supaya total biaya operasional organisasi tetap berada pada tingkat minimum pada
periode tersebut
( 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
Chase Strategy adalah strategi yang ditempuh dengan cara menetapkan

produksi sama dengan forecast. Ciri-ciri Chase Strategy adalah :
 Memadankan tingkat produksi dengan tingkat permintaan.

 Menambah/mengurangi tenaga kerja sesuai dengan tingkat
permintaan.
 Jumlah tenaga kerja tetap, tetapi jam kerja tidak tetap.
2) Level Strategy
Level Strategy adalah startegi yang ditempuh dengan cara menjaga tingkat
output, produksi, tenaga kerja yang konstan. Ciri-ciri Level Strategy adalah :
 Mempertahankan tingkat produksi yang tetap.

 Memfluktuasikan tingkat persediaan, order backlogs dan lost sales
3) Mixed Strategy
Mixed Strategy adalah startegi yang ditempuh dengan cara penggabungan

antara Chase dan Level Strategy. Ciri-ciri Mixed Strategy adalah :
 Menggabungkan tingkat produksi dengan tingkat permintaan dan

tetap.
 Menggabungkan dari dua metode level dan chase tingkat
persediaan, order backlogs dan lost sales
Di pihak lain, banyak juga pendapat lain mengenai perencanaan agregat

diantaranya menurut ahli dalam negeri, Nasution (2006 : 66) berpendapat bahwa
Perencanaan Agregat merupakan suatu perencanaan produksi untuk menentukan
berapa unit volume produk yang hasil diproduksi setiap periode bulannya dengan
menggunakan kapasitas maksium yang tersedia.(Nasution 2006 : 66)
Handoko (1984,p.234) mengatakan bahwa perencanaan agregat adalah
proses perencanaan kuantitas dan pengaturan waktu keluaran selama periode
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:
1. Long Range Plans
Merupakan perencanaan lebih dari setahun yang menyangkut perencanaan

produk baru,biaya perluasan dan sebagainya. Long Range Plans ditetapkan
oleh manajer pucak.
2. Intermediete Range Plans
Merupakan rencana atara 3 sampai 18 bulan, menyangkut rencana

penjualan, reNcana produksi, rencana inventory, anggaran tenaga kerja dan
sebagainya. Intermediate range plans ditetapkan oleh Manajer Operasi.
3. Short Range Plans
Merupakan rencana kurang dari tiga bulan yang menyangkut job

assignment, ordering, Job scheduling. Short Range Plans ditetapkan oeh
Manajer Operasi bersama dengan supervisor dan operator.
Dari sekian banyak definisi, kami menyimpulkan bahwa perencanaan agregat

merupakan hal pokok yang harus kita mulai dalam memulai suatu produksi
dengan proses kuantitas produk dan pengaturan periode waktu tertentu. Oleh
karenanya perencanaan agregat termasuk dalam rencana jangka menengah.
123
2.1.1 Tujuan Perencanaan Agregat
Pada dasarnya tujuan perencaan agregat adalah berusaha untuk

memperoleh suatu pemecahan yang optimal dalam biaya maupun keuangan pada
periode perencaan. Namun bagaimanapun juga, terdapat permasalahan starategis
lain yang mungkin lebih penting daripada biaya rendah. Permasalahan strategis
yang dimaksud itu antara lain mengurangi tingkat ketenaga kerjaan, menekan
tingkat persediaan atau memenuhi tingkat pelayanan yang lebih tinggi.
Bagi perusahaan manufaktur, jadwal agregat bertujuan menghubungkan
sasaran strategis perusahaan dengan rencana produksi, tetapi untuk perusahaan
jasa penjadwalan agregat bertujuan menghubungkan sasaran dengan jadwal
pekerja.
Ada empat hal yang diperlukan dalam perencanaan agregat antara lain :
1. Keseluruhan unit yang logis untuk mengukur penjadwalan dan output,
maksudnya disini adalah untuk meramalkan agregat dari setiap lini
produksi.
2. Prediksi permintaan untuk suatu periode perencanaan jangka
menengah yang layak pada waktu agregat.
3. Metode untuk menentukan biaya
4. Model yang mengkombinasikan prediksi dan biaya sehingga
keputusan penjadwalan dapat dibuat untuk periode perencanaan.
2.1.2 Sifat Perencanaan Agregat
Perencanaan agregat menurut istilah agregat berate mengkombinasikan

sumber daya yang sesuai ke dalam jangka waktu keseluruhan. Dengan prediksi
permintaan, kapasitas fasilitas, tingkat persediaan, ukuran tenaga kerja, dan input
yang saling berhubungan, perencana harus memilih tingkat output untuk sebuah
fasilitas selama 3 hingga 12 bulan yang akan datang.
Dalam perencanaan agregat, rencana produksi tidak menguraikan per-produk

tetapi menyangkut berapa banyak produk yang akan dihasilkan t anpa
mempermasalahkan jenisdan produk tersebut. Sebagai contoh pada
perusahaan pembuat mobil, hanya memperhitungkan berapa banyak mobil yang
124
akan dibuat, tetapi bukan berapa banyak mobil dua pintu atau empat pintu atau
berapa banyak mobil berwarna merah atau biru.
1. Hubungan Input dan Output Perencanaan Agregat
Input dan Output perencanann Agregat dapat digambarkan sebagai berikut :
Peminimalan total biaya produksi :
2. Ongkos-ongkos yang Terlibat DAlam Perencanaan Agregat
Berdasarkan keterangan diatas, maka ongkos-ongkos yang terlibat dalam

perencanaan agregat adalah :
a. Hiring Cost (Ongkos Penambahan Tenaga Kerja)
Penambahan tenaga kerja menimbulkan ongkos-ongkos untuk iklan,

proses seleksi dan training. Ongkos training merupakan ongkos yang cukup
besar apabila tenaga kerja yang direkrut adalah tenaga kerja yang belum
berpengalaman.
b. Firing Cost (Ongkos Pemberhentian Tenaga Kerja)
Pemberhentian tenaga kerja biasanya terjadi karena semakin rendahnya

permintaan produk yang dihasilkan, sehingga tingkat produksi menurun
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
c. Overtime Cost And Undertime Cost (Ongkos Lembur Dan Ongkos

Menganggur)
Penggunaan waktu lembur bertujuab untuk meningkatkan output produksi,

tetapi konsekwensinya perusahaan harus mengeluarkan ongkos tambahan
lembur yang biasanya 150% dari ongkos kerja regular. Disamping ongkos
tersebut, adanya lembur akan memperbesar tingkat absen karyawan yang
mengalami kelelahan setelah lembur. Kebalikan dari kondisi di atas adalah
bila perusahaan mempunyai kelebihan tenaga kerja dibandingkan dengan
jumlah tenaga kerja yang dibuthkan untuk kegiatan produksi.
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.
d. Inventory Cost Dan Backorder Cost (Ongkos Persediaan Dan

Ongkos kehabisan persediaan)
Persediaan mempunyai fungsi mengantisipasi timbulnya kenaikan

permintaan pada saat-saat tertentu. Konsekwensi dari kebijaksanaan
persediaan bagi perusahaan adalah timbulnya ongkos penyimpanan (inventory
costt/holding) yang berupa ongkos tertahan modal, pajak, asuransi, kerusakan
bahan, dan ongkos sewa gudang. Kebalikan dari kondisi diatas, kebijaksanaan
tidak mengadakan persediaanseolah-olah menguntungkan, tetapi sebenarnya
dapat menimbulkan kerugian dalam bentuk ongkos kehabisan persediaan.
Ongkos kehabisan persediaan ini dihitung berdasarkan berapa permintaan
126
yang datang tetapi tidak dapat dilayani karena barang yang diminta tidak
tersedia.
Kondisi ini pada sistem MTO (Make To Order = memproduksi untuk

memenuhi persediaan) akan mengakibatkan jadwal penyerahan order
terlambar sedangkan pada sistem MTS (Make To Stock) akan mengakibatkan
beralihnya pelanggan pada produk lain. Kekecewaan pelanggan karena tidak
tersedianya barang yang diinginkan akan diperhitungkan sebagai kerugian
bagi perusahaan dimana kerugiaan tersebut akan dikelompokkan sebagai
ongkos kehabisan persediaan. Ongkos kehabisan persediaan ini sama nilainya
dengan ongkos pemesanan kembali bila konsumen masih bersedia menunggu
e . Subcontract Cost (Ongkos Subkontrak)
Pada saat permint aan melebihi kemampuan kapasit as regular,

biasanya perusahaan mensubkontrakkan kelebihan permintaan yang tidak
bisa ditanganinya sendiri kepada perusahaan lain. Konsekuensi dari
kebijaksanaan ini adalah timbulnya ongkos subkontrak,dimana biasanya
ongkos mensubkontrakan ini lebih mahal dibandingkan memproduksi sendiri
dan adanya resiko terjadinya keterlambatan penyerahan pada kontraktor.
f. Strategi Perencanaan Agregat
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:
a. Memproduksi barang lebih banyak
Memproduksi lebih banyak barang pada saat permintaan rendah, dan

menyimpan kelebihannya sampau saat yang dibutuhkan. Alternatif ini
akan menghasilkan tingkat produksi yang relaif konstan, tetapi
mengakibatkan ongkos persediaan yang tinggi.
b. Merekrut dan memberhentikan pekerja
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
Melemburkan para pekerja adalah salah satu alternatif yang sering

dipakai dalam perencanaan agregat, tetapi keterbatasannya dalam
menjadwalkan kapasitas mesin dan tenaga kerja yang ada. Jika
permint aan naik, maka kapasit as produksi dapat dinaikkan
denganmelemburkan pekerja. Tetapi penggunaan lembur hanya dapat
dilakukan dalam batas- batas maksimum kerja lembur yang bisa dilakukan
perusahaan, misalnya pemerintah mengatur kerja lembur tidak boleh
melebihi 25% dari waktu kerja regular.
Kenaikkan kapasitas produksi melebihi aturan tersebut hanya dapat

dilakukan melalui penambahan tenaga kerja. Alternative lembur akan
menyebabkan biaya tambahan karena biasanya tarif upah lembur adalah
150% dari upah regular. Jika permintaan turun, maka kapasitas

produksi dapat disesuaikan dengan mengatur pekerja (undertime).
Undertime akan mengakibatkan biaya tetap yang harus dibayar
meskipunt enaga menganggur, kecuali manajemen dapat
memberikan kerja tambahan selama mereka menganggur seperti
pemeliharaan mesin dan lain-lain.
d. Mensubkontrakan sebagian pekerjaan pada saat sibuk.
128
Alternative ini akan mengakibatkan tambahan ongkos
karenasubkontrak dan ongkos kekecewaan konsumen bila terjadi
kelambatan penyerahan dari barang yang disubkontakkan.
Masing-masing alt ernat ive tersebut akan mempunya i

dampak yang berpengaruh secara psiko logis (moral,
produkt ivit as) maupun non psiko logis (ongkos, efisiensi).
Sebagai contoh, perusahaan yang menaikkan tingkat produksi dengan cara
lembur padasaat permintaan tinggi ada kemungkinan akan mengalami
penurunan semangat pekerja pada saat lembur ditiadakan. Biasanya bagian
perencanaan produksi akan membuat perencaan agregat dengan
mengkombinasikan alternate-alternatif di atas sehingga flukt uasi
permint aan dapat dikendalikan dan biaya total produksi yang
direncanakan dapat ditekan seminim mungkin.
e. Metode Perencanaan Agregat
Ada beberapa metode yang dapat digunakan untuk menyelesaikan

permasalahan pada perencanaan produksi agregat. Beberapa diantaranya
adalah sebagai berikut :
a. Jumlah Tenaga Kerjanya Tetap dan Struktur Biayanya Linier :

 Trial and Error
 Program Linier
 Transportasi
b. Jumlah Tenaga Kerjanya Berubah-ubah dan Struktur Biayanya Linier :
 Program Linier
c. Jumlah tenaga kerjanya Berubah-ubah dan Struktur Biayanya Non-Linier
 Linier Decision Rule
 Heuristic Search
d. Jumlah Tenaga Kerjanya Tetap dan Struktur Biayanya Linier :
 Trial and Error
Metode trial-error ini merupakan metode yang paling sederhana,

tetapi tidak menghasilkan keputusan yang opt imal. Metode ini
129
memer lukan ketelit ian dalam perhitungannya, karena sekali
langkah awal salah, maka langkah berikutnya akansalah.
3. Transportasi
Perencanaan agregat dapat mengunakan metode transportasi yang

merupakan bagian dari perencanaan produksi programa linier dengan jumlah
tenaga kerja (work force) tetap. Metode ini mengizinkan penggunaan produksi
regular, overtime, inventori, backorder, dan subkontrak. Hasil perencanaan yang
diperoleh dapat dijamin optimal dengan asumsi optimistic bahwa tingkat produksi
(yang dipengaruhi oleh Hiring dab Taining pekerja) dapat dirubah dengan cepat.
Agar metode ini dapat opt imal dengan asumsi opt imist ik bahwa t ingkat
produksi diaplikasikan, kita harus memformulasikan persoalan perencanaan
agregat sehingga :
a) Kapasit as t ersedia (supplay) dinyat akan dalam unit

yang sama dengan kebutuhan( demand).
b) Total kapasitas untuk horizon perencanaan harus sama dengan
total peramalan kebutuhan. Bila tidak sama, kita gunakan
variabel bayangan (dummy) sebanyak jumlah selisih tersebut
dengan unit cost = 0.
c) Semua hubungan biaya merupakan hubungan linier.
4. Program Dinamis
Program dinamis dapat diaplikasikan dalam menyelesaikan problem

perencanaan produksi agregat dengan batasan-batasan tertentu. Ada 2 algoritma
yangdiperkenalkan, yait u Algorit ma Wagner Wit hin yang digunakan
untuk membuat perencanaan produksi tanpa ada kasus backorder, dan
Algoritma Zangwill yangdigunakan untuk membuat perencanaan produksi yang
melibatkan kasus backorder.Asumsikan bahwa biaya produksi pada
periode-t (C(Pt)) mengikut i tungsi sebagai berikut :
130
Dimana :
At = biaya produksi tetap pada periode -t
b = biaya produksi variabel per-unit
Pt = jumlah produksi pada periode -t
Bila kita mendifinisikannya maka didapat variabel-variabel berikut, dimana:
Ft = peramalan (forecast) permintaan pada periode t
It = persediaan (inventory) pada akhir periode t
Maka Wagner dan Within menyatakan bahwa solusi optimal akan mempunyai
sifat-sifat sebagai berikut :
(1.2)
(1.3)
Persamaan (1.2) menyatakan bahwa untuk periode-t kapanpun kita memakai

persediaan dari periode sebelumnya untuk memenuhi semua permintaan pada
periode sekarang (It-1> Ft, Pt= 0) atau kita dapat memenuhi semua
permintaan pada periode sekarang hanya memproduksi saja tanpa menggunakan
persediaan (Pt>Ft, It-1= 0).
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 :
C(P jk ) = AI+ bI(F j+1+ Fj+2+.....+ Fk)
131
dimana :
hr = biaya simpan untuk periode-r
C(Pjk) = biaya produksi untuk interval j ke k
C(Ir) = biaya persediaan yang dibawa pada akhir periode -r
C(Ijk) = biaya persediaan yang dibawa selama interval j ke k
Oleh karena it u, total biaya produksi dan persediaan selama periode –

j ke –k dapat dit ulissebagai berikut :
TC jk merupakan semua biaya-biaya yang terlibat dalam subperiode ke-k dalam

keseluruhanhorizon perencanaan dari 0 ke T.
Untuk mendefinisikan persamaan, program dinamis rekursiv yang akan
menghasilkan solusioptimal, maka diperoleh persamaan ;
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:
Zangwil memperbaiki algoritma Wagner-Within untuk kasus yang

memperbolehkannya terjadinya backorder, ini dapat digambarkan sebagai berikut
:
Bila T C jk adalah bia ya minimu m unt uk sat u per io de, j+1,

j+2,....., k unt uk memenuhi per mint aan yang t er jad i sela ma per io de
j+1 sa mpai k, dan bila kegiat an produksi terjadi selama periode I, dimana
terjadi backorder terakumulasi dari periode j+1 sampai I, maka kegiatan produksi
pada periode-I harus dapat dengan segera memenuhi kondisi backorder
sebelumnya dan juga harus dapat menyediakan inventory untuk memenuhi
permintaan dari periode I+1 sampai k, secara lebih tepatnya, karena :
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
Tujuan Dan Manfaat
Pengumpulan Data
- Data Peramalan Permintaan

- Biaya mempekerjakan dan pemecatan ,Biaya lembur dan
menganggur, Biaya penyimpanan sediaan, Biaya
subkontrak.
-
Pengolahan Data
- Demand Actual dalam perencanaan agregate

planning
Analisis Hasil
Kesimpulan Dan Saran
Selesai
Gambar 2.1 Diagram Alir Praktikum
135
BAB III

3.1.1 Data Permintaan
Berikut adalah tabel data permintaan produk 1 dan produk 2 untuk 1 tahun
kedepan.
Table 3.1 Data Permintaan Produk 1 dan Produk 2 Untuk 1 tahun Kedepan
Peramalan Jumlah Hari Kerja Jumlah Jam Kerja
Bulan (Unit) (Hari) (Jam)
Produk 1 Produk 2 Produk 1 Produk2 Produk 1 Produk 2
Januari 1891 1900 20 22 160 176
Februari 1896 1905 20 22 160 176
Maret 1902 1911 19 19 152 152
April 1907 1916 21 18 168 144
Mei 1912 1921 18 18 144 144
Juni 1918 1927 17 21 136 168
Juli 1923 1932 19 21 152 168
Agustus 1928 1937 20 19 160 152
September 1934 1943 20 18 160 144
Oktober 1939 1948 19 19 152 152
November 1944 1953 18 18 144 144
Desember 1950 1959 19 21 152 168
Table 3.2 Informasi Lain Yang Dibutuhkan

Biaya Tenaga Kerja (Orang/Hari) Rp. 24.000
Biaya Penyimpanan Persediaan (Unit/Bulan) Rp. 1.000
Biaya Marginal sub kontrak (/Unit) Rp. 6.000
Biaya Penambahan tenaga kerja (/Orang) Rp. 45.000
Biaya pengurangan tenaga kerja (/Orang) Rp. 100.000
Rata-rata Produksi (Unit/jam) 2 jam
Jumlah jam kerja (jam) 8 jam
Kapasitas sub kontrak (Unit/bulan) 400
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 :
Tabel 3.3 Data Kapasitas RT, 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
b. Lalu buat Spesifikasinya dengan

Problem Type : Simple Model
Problem Title : Produk 1
Number of Planning Periods : 12
Plannning Resource : Employee
Sumber : Aplikasi WinQsb

Gambar 3.1 Spesifikasi Aggregate Planning
c. Lalu tekan Ok. Muncul tabel data Aggregate Planning. Kemudian isi
tabel tersebut sesuai dengan pengumpulan data diatas.
138
Gambar 3.2 Planning Information Produk 1

d. Laluh pilih tools Solve dan Analyze. Lalu pilih Perform Forecasting
e. Muncul Aggregate Planning Options
139
Gambar 3.4 Aggregate Planning Options
f. Pilih Metode Constant Regular Time Employee ( Level Strategy )

Lalu klik OK, maka akan muncul Planning Result

Gambar 3.5 Planning Result Produk 1
140
g. Kemudian Klik lambang ( $ ), maka akan muncul Cost Analysis

Gambar 3.7 Cost Analysis Produk 1
141
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,-
h. Selanjutnya Klik lambang grafik pada toolbar makan akan muncul

Column Chart

Gambar 3.9 Column Chart Produk 1
142
Gambar 3.10 Column Chart Produk 2
Berikut adalah hasil perhitungan manual untuk Perencaan Agregat Variasi

Tingkat Persediaan Produk1 dan Produk 2 :
Tabel 3.3 Planning Result Perencanaan Agregat Variasi Tingkat Perseediaan Produk 1
Bulan Permintaan Jumlah Jumlah Jumlah Jumlah Akumulasi

(unit) hari kerja tenaga jam Produksi Persediaan
(hari) kerja tersedia (Unit) (Unit)
(Orang) (Jam
orang)
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
Bulan Permintaan Jumlah Jumlah Jumlah Jumlah Akumulasi

(unit) hari kerja tenaga jam Produksi Persediaan
(hari) kerja tersedia (Unit) (Unit)
(Orang) (Jam
orang)
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
Perhitungan Perencanaan Agregat Variasi Tingkat Persediaan.

a. Jumlah Jam Tersedia
= jam kerja jumlah tenaga kerja jumlah hari kerja
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
d. Biaya Reguler Time
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
Jumlah Produksi Produk 2

(unit)
Bulan
Gambar 3.1 Grafik Perencanaan Agregat Variasi Tingkat Persediaan
Berdasarkan pengumpulan dan pengolahan data, didapatkan hasil

perencanaan agregat dengan variasi tinggkat persediaan sebgai berikut :
 Jumlah permintaan Produk 1 sebesar 23.044 unit, namun jumlah produksi

Produk 1 yang dihasilkan sebesar 23.920 unit. Hal ini menyebabkan strategi
variasi tingkat persediaan dapat memenuhi jumlah permintaan yang ada.
Sedangkan jumlah permintaan Produk 2 yang dihasilkan sebesar 23.152 Unit,
namun jumlah produksi Produk 1 yang dihasilkan sebesar 23.920 unit. Hal
ini menyebabkan strategi variasi tingkat persediaan dapat memenuhi jumlah
permintaan yang ada.
 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,-
3.2.2 Perencanaan Agregat Variasi Tingkat Tenaga Kerja

Berikut cara menggunakan Aplikasi WinQsb untuk Perencanaan Agregat
Variasi Tingkat Persediaan.
a. Buka aplikasi WinQSB, pilih Aggregate Planning
b. Lalu buat Spesifikasinya dengan
Problem Type : Simple Model
Problem Title : Produk 1
Centang Hire/Dimissal Allowed
Number of Planning Periods : 12
Plannning Resource : Employee

Gambar 3.11 Spesifikasi Aggregate Planning
c. Lalu tekan Ok. Muncul tabel data Aggregate Planning. Kemudian isi
tabel tersebut sesuai dengan pengumpulan data diatas.
147

d. Laluh pilih tools Solve dan Analyze. Lalu pilih Perform Forecasting
e. Muncul Aggregate Planning Options
148
Gambar 3.14 Aggregate Planning Options
f. Pilih Metode Up-to-Demand With Reguler Time Employee

Lalu klik OK, maka akan muncul Planning Result

149
g. Kemudian Klik lambang ( $ ), maka akan muncul Cost Analysis

150
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,-
h. Selanjutnya Klik lambang grafik pada toolbar makan akan muncul

Grafh

Gambar 3.19 Graph Produk 1
151
Gambar 3.20 Grapht Produk 2
Berikut adalah hasil perhitungan untuk Perencanaan Agregat Variasi

Tingkat Tenaga Kerja produk 1 dan 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
Perhitungan Perencanaan Agregat Variasi Tingkat Tenaga Kerja

a. Penambahan/Pengurangan Tenaga Kerja
= Jumlah TK Saat ini +/- Jumlah TK yang Dibutuhkan
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
Perhitungan Cost Analysis Perencanaan Agregat Variasi Tingkat Tenaga Kerja
b. Biaya Reguler Time
c. Biaya Penambahan Tenaga Kerja

= Jumlah TK yang ditambah × Biaya penambahan TK per orang
d. Biaya Pengurangan Tenaga Kerja

= Jumlah TK yang dikurangi × Biaya pengurangan TK per orang
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.
Perencanaan Agregat Variasi

Tingkat Tenaga Kerja
2500
2000
Jumlah
1500
1000
Peramalan (unit)
500
Jumlah Produksi (unit)
0
Jumlah Tenaga Kerja (orang)
Bulan
Gambar 3.2 Grafik Perencanaan Agregat Tingkat Tenaga Kerja Produk 1
Perencanaan Agregat Variasi

Tingkat Tenaga Kerja
2500
2000
1500
Jumlah
1000
Peramalan (unit)
500
Jumlah Produksi (unit)
0 Jumlah Tenjaga Kerja (orang)
Bulan
Gambar 3.3 Grafik Perencanaan Agregat Tingkat Tenaga Kerja Produk 2

perencanaan agregat dengan variasi tinggkat tenaga kerja produk 1 dan produk 2
sebagai berikut :
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,-
3.2.3 Perencanaan Agregat Variasi Tingkat Sub Kontrak

Berikut adalah hasil perhitungan untuk Perencanaan Agregat Variasi
Tingkat Sub Kontrak Produk 1 dan produk 2
Tabel 3.11 Planning Result Perencanaan Agregat Variasi Tingkat Sub Kontrak Produk 1
Bulan Permintaan Jumlah Jumlah Jumlah Jumlah Jumlah Jumlah

(unit) Hari Tenaga Produksi Produksi Total Persediaan
Kerja Kerja RT (unit) SK (unit) Produksi
(hari) (Orang) (unit)
Januari 1891 20 20 1600 291 1891 0
Februari 1896 20 20 1600 296 1896 0
Maret 1902 19 20 1520 382 1902 0
April 1907 21 20 1680 227 1907 0
Mei 1912 18 20 1440 472 1912 0
Juni 1918 17 20 1360 558 1918 0
Juli 1923 19 20 1520 403 1923 0
Agustus 1928 20 20 1600 328 1928 0
September 1934 20 20 1600 334 1934 0
Oktober 1939 19 20 1520 419 1939 0
November 1944 18 20 1440 504 1944 0
Desember 1950 19 20 1520 430 1950 0
Total 23.044 18.400 4644 23.044 0
156
Tabel 3.12 Planning Result Perencanaan Agregat Variasi Tingkat Sub Kontrak Produk 2
Bulan Permintaan Jumlah Jumlah Jumlah Jumlah Jumlah Jumlah

(unit) Hari Tenaga Produksi Produksi Total Persediaan
Kerja Kerja RT (unit) SK (unit) Produksi
(hari) (Orang) (unit)
Januari 1900 22 21 1848 52 1900 0
Februari 1905 22 21 1848 57 1905 0
Maret 1911 19 21 1596 315 1911 0
April 1916 18 21 1512 404 1916 0
Mei 1921 18 21 1512 409 1921 0
Juni 1927 21 21 1764 163 1927 0
Juli 1932 21 21 1764 168 1932 0
Agustus 1937 19 21 1596 341 1937 0
September 1943 18 21 1512 431 1943 0
Oktober 1948 19 21 1596 352 1948 0
November 1953 18 21 1512 441 1953 0
Desember 1959 21 21 1764 195 1959 0
Total 23.152 19.824 3328 23.153 0
Perhitungan Perencanaan Agregat Variasi Tiingkat Sub Kontrak

a. Jumlah Produksi Reguler Time
b. Jumlah Produksi Sub Kontrak
= Jumlah Permintaan – Jumlah Produksi RT
c. Jumlah Total Produksi
= Jumlah Produksi Reguler Time + Jumlah Produksi Sub Kontrak
d. Jumlah Persediaan
= Jumlah Total Produksi - Jumlah Permintaan
157
Tabel 3.13 Cost Analysis Perencanaan Agregat Variasi Sub Kontrak Produk 1
Biaya Produksi Biaya Sub Biaya Persediaan

Bulan Reguler Time Kontrak (Rp) (Rp) Total Biaya
(Rp)
Januari 9.600.000 1.746.000 0 11.346.000
Februari 9.600.000 1.776.000 0 11.376.000
Maret 9.120.000 2.292.000 0 11.412.000
April 10.080.000 1.362.000 0 11.442.000
Mei 8.640.000 2.832.000 0 11.472.000
Juni 8.160.000 3.348.000 0 11.508.000
Juli 9.120.000 2.418.000 0 11.538.000
Agustus 9.600.000 1.968.000 0 11.568.000
September 9.600.000 2.004.000 0 11.604.000
Oktober 9.120.000 2.514.000 0 11.634.000
November 8.640.000 3.024.000 0 11.664.000
Desember 9.120.000 2.580.000 0 11.700.000
Total 110.400.000 27.864.000 0 138.264.000
Tabel 3.14 Cost Analysis Perencanaan Agregat Variasi Sub Kontrak Produk 2
Biaya Produksi Biaya Sub Biaya Persediaan

Bulan Reguler Time Kontrak (Rp) (Rp) Total Biaya
(Rp)
Januari 11.088.000 312.000 0 11.400.000
Februari 11.088.000 342.000 0 11.430.000
Maret 9.576.000 1.890.000 0 11.466.000
April 9.072.000 2.424.000 0 11.496.000
Mei 9.072.000 2.454.000 0 11.526.000
Juni 10.584.000 978.000 0 11.562.000
Juli 10.584.000 10.080.000 0 11.592.000
Agustus 9.576.000 2.046.000 0 11.622.000
September 9.072.000 2.586.000 0 11.658.000
Oktober 9.576.000 2.112.000 0 11.688.000
November 9.072.000 2.646.000 0 11.718.000
Desember 10.584.000 1.170.000 0 11.754.000
Total 118.944.000 19.968.000 0 138.912.000
158
Perhitungan Cost Analysis Perencanaan Agregat Variasi Sub Kontrak
e. Biaya Reguler Time
f. Biaya Sub Kontrak

= Jumlah Produksi Sub Kontrak × Biaya Produksi Sub Kontrak
g. Biaya Persediaan
= Jumlah Persediaan × Biaya Persediaan per unit per bulan
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

perencanaan agregat dengan variasi tinggkat sub kontrak produk 1dan produk 2
sebagai berikut :
 Jumlah permintaan produk 1 sebesar 23.044 unit, namun jumlah produksi

Produk 1 yang dihasilkan sebesar 18.400 unit. Hal ini menyebabkan strategi
variasi tingkat Sub Kontak tidak dapat memenuhi jumlah permintaan yang
ada. Sedangkan jumlah permintaan produk 2 sebesar 23.152 unit, namun
jumlah produksi Produk 2 yang dihasilkan sebesar 19.824 unit. Hal ini
menyebabkan strategi variasi tingkat Sub Kontak tidak dapat memenuhi
jumlah permintaan yang ada.
 Jmlah tenaga setiap bulan tetap, produk 1 yaitu sebanyak 20 orang, dan
produk 2 sebanyak 21 orantg.
 Pada strategi ini, jumlah produksi yang dihasilkan disetiap bulannya sesuai
dengan permintaan dan kekurangan produksi dilakukan dengan menggunakan
sub kontrak.
 Strategi ini menyebabkan adanya biaya sub kontrak pada serisp periode ,
karena untuk memenuhi permintaan yang melebihi kapasitas produksi
dilakukan produksi pada sub kontrak.
 Total biaya yang dikeluarkan untuk strategi variasi tingkat sub kontrak ini
sebesar Rp. 138.264.000,- dan total biaya produk 2 sebesar Rp. 138.264.000,-
160
BAB IV
ANALISIS MASALAH
4.1 Analisis Perencanaan Agregat Variasi Tingkat Persediaan

Tabel 3.15 Analiis Perencanaan Agregat Variasi Tingkat Persediaan.
Permintaan Jumlah Produksi yang Total Biaya
Sampel
(unit) dihasilkan Total Biaya (Rp)
Produk 1 23.044 23.920 151.330.000
Produk 2 23.152 21.712 130.719.000
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.
2. 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 Desember terjadi kekurangan persediaan dikarenakan
kapasitas produksi yang tidak sesuai.
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.
Sampel
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.
2. Jumlah tenaga kerja produk 1 dan produk 2 setiap bulan berubah-ubah

sesuai kebutuhan.
3. Strategi ini menyebabkan adanya biaya penambahan dan pengurangan

karyawan dikarenakan perbedaan kebutuhan tenaga kerja ditiap bulannya.
4.3 Analisis Perencanaan Agregat Variasi Tingkat Sub Kontrak

Tabel 4.17 analiis Perencanaan Agregat Variasi Tingkat Sub Kontrak
Sampel
Produk 1 23.044 18.400 138.264.000
Produk 2 23.152 19.824 138.912.000
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
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.
2. Dari kesimpulan diatas didapatkan strategi yang dipilih adalah strategi

perencanaan agregat vasriasi tingkat tenaga kerja, Karena produk 1
maupun produk 2 dengan strategi ini jumlah produksi dapat memenuhi
permintaan yang ada. Strategi variasi tingkat persediaan tidak dapat dipilih
karena pada produk 2 jumlah produksi tidak dapat memenuhi permintaan
yang ada. Sedangkan untuk variasi tingkat sub kontrak tidak dapat dipilih
kedua produk jumlah produksinya tidak dapat memenuhi permintaan yang
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.
2. Sebaiknya strategi perencanaan yang lain perlu dicoba, agar didapatkan

hasil perencanaan yang efektif dan efisien.
165
DAFTAR PUSTAKA
Herjanto, Edy. 2007. Manajemen Operasi (Edisi 3). Jakarta. Penerbit: Grasindo
Ma’arif, Muhammad Syamsul dan Hendri Tanjung. 2003. Manajemen Operasi.

Jakarta. Penerbit; Grasindo
Prasetya, Hery dan Fitri Lukisstuti, 2009. Manajemen Operasi. Yogyakarta.

Penerbit: MedPress
166
MODUL IV
MASTER PRODUCTION SCHEDULE
DISUSUN OLEH :

KELAS : IN6A
DOSEN PENGAJAR :

FAKULTAS TEKNIK
PALEMBANG
2020
BAB I
PENDAHULUAN
1.1 Latar Belakang

Permintaan dan pemenuhan dalam suatu produk yang diproduksi dalam
suatu industri sangat sulit untuk diramalkan dengan tepat, namun ada berbagai
cara untuk membuat data berapa saja proses produksi dilakukan agar industri
selalu berjalan dan berkembang. Proses industri harus dipndang sebagai suatu
perbaikan terus menerus (continous improvement), yang dimulai dari sederet
siklus sejak adanya ide-ide untuk menghasilakan suatu produk, pengembangan
produk, proses produksi, sampai distribusi kepada konsumen. Produk tersusun
berbagai entitas yang terdiri dari berbagai kompleksitas penyusunannya. Mulai
dari perancangan, pembentukan part-partnya serta tingkat assembly. Tentunya
langkah yang paling awal dalam produksi adalah perencanaan produksi. Dua hal
yang penting dalam perencanaan produksi adalah mengestimasikan jumlah produk
akhir yang diproduksi serta jadwal prosuksi induk (Master Production Schedule)
untuk menetukan rencana produksi secara detail.
Master Production Schedule adalah jumlah barang yang dibuat pada setiap
periode yang akan datang. Biasaynya kebutuhan produksi tiap minggu, bulan, atau
hari. Jadwal ini harus sesuai dengan rencana produksinya. Rencana semacam ini
mencakup berbagai input, seperti anggaran, ketersediaan tenaga kerja fluktuasi
persediaan, kijnerja pemasok, dan pertimbangan-pertimbangan lainnya. Salah satu
kekuatan Master Production Scheduleadalah kemampuannya menentukan secara
tepat kelayakn sebuah jadwal dengan hambatan-hambatan yang ada. Rencana
produksi ini menentukan batas bawah dan batas atas untuk jadwal produksi utama.
1.2 Rumusan Masalah

Rumusan masalah dari praktikum modul 4 ini adalah; bagaimana cara
perencanaan produksi Master Production Schedule?
168
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.
1.4 Batasan Masalah

Batasan masalah pada praktiku ini adalah:
1. Dalam membuat Master Production Schedule menggunakan metode Cut &
Fit.
2. Dalam membuat Master Production Schedule menggunakan teknik
disagregasi

4. BAB IV Analisis
169
BAB II
2.1 Tinjauan Pustaka

2.1.1 Master Production Schedule (MPS)
Pada dasarnya jadwal produksi induk master production schedule (MPS)
merupakan suatu pernyataan tentang produk akhir (termasuk parts pengganti suku
cadang) dari suatu perusahaan industri manufaktur yang merencanakan
memproduksi output berkaitan dengan kuantitas dan periode waktu. MPS
mendisagregrasikan dan mengimplentasikan rancana produksi. Apabila rencana
produksi yang merupakan hasil dari proses perencanaan produksi (aktivitas pada
level 1 dalam hieraki perencanaan prioritas) yang dinyatakan dalam bentuk
argegate, maka MPS yaitu hasil dari proses penjadwalan produksi induk yang
dinyatakan dengan konfigurasi spesifik dengan nomor-nomor item yang ada
dalam Item master and BOM (Bills Of Material).
Aktivitas penjadwalan produksi induk pada dasarnya berkaitan dengan

bagaimana menyusun dan memperbaharui jadwal produksi induk, memproses
transaksi dari MPS, memelihara catatan-catatan MPS, mengevaluasi efektifitas
dari MPS dan memberikan laporan evaluasi dalam periode waktu yang teratur
untuk keperluan umpan balik (feed back) dan tijauan ulang. Berdasarkan uraian di
atas kita mengetahui bahwa MPS berkaitan dengan pernyataan tentang produksi
dan bukan pernyataan tentang permintaan pasar. MPS sering didefinisikan sebagai
anticipaded build schedule untuk item-item yang disusun oleh perencana jadwal
produksi induk (Master Scheduler) MPS membentuk jalinan komunikasi antara
bagian pemasaran dan bagian manufakturing, sehingga bagian pemasaran
seharusnya juga mengetahui informasi yang ada dalam MPS terutama berkaitan
dengan ATP (Available To Promise) agar dapat memberikan janji yang akurat
kepada pelanggan. Berikut beberapa fungsi MPS :
- Menjadwalkan produksi dan order pembelian untuk item-item MPS.
- Menyediakan atau memberikan input dasar bagi sistem MRP
- Menjadi dasar bagi penentu kebutuhan sumber daya (tenaga kerja, jam
mesin, dan lain-lain) melalui RCCP.
170
- Menjadi dasar dalam membuat janji pengiriman (Delivery Promises) pada
konsumen.
Berikut beberapa tujuan MPS:
- Melalui target tingkat pelayanan terhadap konsumen.

- Efisiensi penggunaan sumber daya produksi.
- Mencapai target tingkat produksi.
Penjadwalan produksi disetiap perusahaan dapat berbeda, maka berdasarkan
hal ini terdapat tiga jenis perusahaan, yaitu:
1. Make to Stock Company

Produk diramalkan, direncanakan, diproduksi dan disimpan terlebih
dahulu sebelum perusahan menerima pesanan dari pelanggan. Dengan
demikian lead time antara menerima pesanan dan pengirimannya cukup
pendek. Rencana produksi ditekan sebagai laju produksi, sedangkan MPS
dinyatakan dalam nomor part dari item akhir yang akan diproduksi.
2. Make to Order Company
Dalam perusahaan seperti ini, produksi tidak dijadwalkan sampai ada
pesanan dari pelanggan, sehingga lead time antara waktu menerima
pesanan dan pengirimannya cukup panjang, contohnya adalah pabrik
pembuatan pesawat terbang.
3. Assembly to Order Compan
Perusahaan seperti ini membuat komponen dan sub assembly produk akhir
sampai ada pesanan dari pelanggan. Penjadwalan dilakukan dalam dua
fase, yaitu fase master scheduling untuk membuat komponen dan produk
sub assembly. Fase assembly produk akhir merupakan tahap assembly
komponen dan produk sub assembly menjadi produk akhir, contohnya
adalah pabrik mobil.
Berikut informasi-informasi yang dibutuhkan untuk membuat MPS:

- Production plan.
- Demand data.
- Inventory status.
171
- Ordering policy
2.1.2 Teknik Disagregasi

Disagregasi adalah sebuah proses penerjemahan rencana agregat menjadi
rencana persediaan dan penjadwalan yang terperinci. Tujuan dari disagregasi
adalah untuk membuat jadwal produksi setiap item produk secara terperinci, lalu
JIP atau MPS adalah hasil rincian tentang:
 Penjadwalan pekerjaan
 Alokasi jangka pendek aktivitas produksi
 Jumlah produksi item yang spesifik
 Waktu order produksi item yang spesifik
Metode disagregasi sendiri terbagi menjadi empat bagian, yaitu:
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.
b. Metode Hax & Britan

Metode ini terdiri dari beberapa langkah, yaitu :
1) Menentukan famili yang perlu diproduksi.
2) Disagregasi famili.
3) Disagregasi item.
4) Menentukan status inventori akhir tiap produk.
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
imj X i.t  m  rimj

'
 i.t  m  Pijt untuk semua i  Nj dan j  J……...(2.9)
m 1
P iL
ijt  W jt  O jt  0 untuk semua j  ........................................J(2.10)
W jt  W j .t 1  H jt  F jt  0 untuk semua j  J………………………(2.11)
O jt  θWjt  0 untuk semua j  J………………………………………(2.12)
φit   1 jika Xit 0

0 jika Xit 0 untuk semua i  L…………………………………….(2.13)
d. Metode Hax & Meal

Metode Hax & Meal bertujuan untuk menentukan jumlah produksi
berdasarkan trade off antara biaya simpan dengan biaya setup atau pesan.
Langkah-langkah yang dilakukan pada metode Hax & Meal adalah:
1. Memilih family produk yang akan diproduksi pada periode yang
bersangkutan.
Iijt-1-Dijt≤ Safety Stock (SSij)...................................(2.14)
2. Menentukan beberapa jumlah unit yang akan diproduksi dari setiap
item i family j pada periode bersangkutan.
 Menghitung kuantitas manufaktur yang ekonomis dari setiap item i
family j
..............................................(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)
 Kuantitas produk setiap item menjadi sebagai berikut:

.........................................(2.19)
 Menghitung jumlah produk agregat yang akan diproduksi

Dengan diketahui harga jumlah produk yang disesuaikan maka jumlah
produk agregat dapat diketahui dengan persamaan.
174
Mulai
Tujuan Praktikum
Pengumpulan Data
- Data kapasitas yang tersedia yaitu

jumlah hari kerja
- Hasil Agregat Planning
- Demand data masa lalu
Gambar 2.1 Diagram ALir

Pengolahan Data
- Data kapasitas OT dan RT
- Master Production Schedule
disagregasi
- Master Production Schedule konversi
- Rough Cut Capacity Planning
(RCPP)
-
Analisis Hasil
Kesimpulan dan saran
Selesai
Gambar 2.1 Diagram Alir
175
BAB III

Data yang dikumpulkan untuk modul 4 ini didapat dari modul terdahulu
yaitu modul 2 Forcasting dan modul 3 Agregat Planning. Berikut adalah
pengumpulan datanya.
3.1.1 Hasil Agregate Planning

Berikut merupakan hasil rekapan rencana produksi agregat untuk 12
periode
Tabel 3.1 Hasil Rencana Produksi 12 Periode

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
176
Gambar 3.1 Hasil Rencana Produksi 12 Periode
3.1.2 Data Demand Masa Lalu

Berikut adalah data demand masa lalu yang didapat dari modul 2.
Tabel 3.2 Demand masa Lalu
No. Produk 1 Produk 2
1 1827 1836
2 1834 1843
3 1840 1849
4 1845 1854
5 1848 1857
6 1852 1861
7 1854 1863
8 1863 1872
9 1872 1881
10 1872 1881
11 1881 1890
12 1890 1890
Total 22278 22377
Total 44655
Sumber: Data Modul 2
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.
Tabel 3.3 Demand Masa Lalu

No. Produk 1 Produk 2
1 1827 1836
2 1834 1843
3 1840 1849
4 1845 1854
5 1848 1857
6 1852 1861
7 1854 1863
8 1863 1872
9 1872 1881
10 1872 1881
11 1881 1890
12 1890 1890
Total 22278 22377
Total 44655
Sumber : Data Modul 2
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%
Selanjutnya dalam menghitung produksi untuk tiap satuan agregat dibutuhkan

Demand yang diperoleh dari modul 3 sebelumnya yaitu modul Agregat Planning. Berikut
data Demand nya.
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
Contoh perhitungan pada Periode 1 :

Produk 1 = 1891 × 49,89%
= 943,41
Produk 2 = 1900 × 50,11%

= 952,09 952
Setelah didapatkan perhitungan untuk periode 1, selanjutnya dihitung

sampai dengan 12 periode. Berikut adalah hasil perhitungan untuk 12 periode:
Tabel 3.5 Jadwal Induk Produksi
Periode Produk 1 Produk 2
1 943 952
2 946 955
3 949 958
4 951 960
5 954 963
179
Lanjutan>>
6 957 966
7 959 968
8 962 971
9 965 974
10 967 976
11 970 979
12 973 982
3.2.2 Master Production Schedule Konversi

Setelah mendapatkan produksi tiap item dalam satuan Agregat,
selanjutnya membagi tiap item dengan faktor konversinya masing-masing :
Contoh perhitungan JIP produk 1 dan produk 2 periode 1 dalam satuan unit :
D TP 1 = D TP 1 =
= =
= 188,6 unit = 190,4 unit 190 unit
Sehingga didapat Jadwal Induk Produksinya untuk 12 periode dalam

satuan unit sebagai berikut:
Tabel 3.6 Jadwal Induk Produksi Dalam Satuan Unit

1 189 190
2 189 191
3 190 192
4 190 192
5 191 193
6 191 193
7 192 194
8 192 194
9 193 195
10 193 195
11 194 196
12 195 196
180
BAB IV
ANALISIS MASALAH
4.1 Analisis Master Production Schedule Disagregasi

Pada tahap ini, diketahui hasil hasil agregat palnning pada modul 3,
jumlah total produksi untuk produk 1 sebanyak 23044 unit, dan produk 2
sebanyak 23152 unit. Kemudian dilakukan teknik disagregasi dari rencana
produksi agregat. Teknik disagregasi terdiri dari beberapa jenis seperti metode
Cut & Fit, Metode Linear Programing, Metode Hax & Meal, Metode hax &
Britan, pada tahapan disagregasi ini, digunakan metode Cut & Fit 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. Setelah itu, didapatkan hasil Produk1
49,89%; dan Produk2 50,11% dari total rencana produksi. Selanjutnya di dapatkan
Produksi Tiap Item Dalam Satuan Agregat dengan mengalikan Hasil Agregat
dengan %item.
4.2 Analisis Master Production Schedule Konversi

Berikutnya dicari hasil Master Production Schedule konversi dengan
membagi tiap item dengan faktor konfersinya masing-masing. Faktor konversi
untuk tiap produk 1 dan produk 2 adalah 5 : 5 ,sehingga didapat jadwal induk
produksinya untuk periode 1 dalam satuan unit produk 1 sebesar 189 unit, dan
produk 2 sebesar 190 unit.
181
BAB V
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
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
Tim Penyusun Modul. (2014). Laporan Modul Perencanaan dan Kebutuhan.

Semarang : Program Studi Teknik Industri Univgersitas Diponogoro.
Tim Penyusun Modul. (2012). Modul Praktikum Sistem Produksi. Yogyakarta :

Laboratorium Sistem Produksi UIN Sunan Kalijaga.
183
MODUL V
ROUGH CUT CAPACITY PLANNING
DISUSUN OLEH :
1. AGUNGFIRMANSYAH 171730057
2. FHANDYNORMANSYAH 171730045
KELAS : IN6A
DOSEN PENGAJAR :

FAKULTAS TEKNIK
PALEMBANG
2020
BAB I
PENDAHULUAN
1.1 Latar Belakang

Rough Cut Capacity Planningmerupakan proses konversi dari Rencana
Produksi dan atau MPS ke dalam kebutuhan kapasitas yang berkaitan dengan
sumber–sumber daya kritis, seperti tenaga kerja, mesin dan peralatan, kapasitas
gudang, kapabilitas pemasok material dan parts, dan sumber daya keuangan.
RCCP ditampilkan dalam suatu diagram yang dikenal sebagi Load Profile untuk
menggambarkan kapasitas yang dibutuhkan versus kapasitas yang tersedia.Load
Profile didefinisikan sebagai tampilan dari kebutuhan kapasitas di waktu
mendatang berdasarkan pesanan-pesanan yang direncaanakan dan dikeluarkan
sepanjang suatu periode waktu tertentu.
Dalam setiap organisasi maupun perusahaan, terutama organisasi
manufaktur, tujuan utama perencanaan dan pengendalian produksi adalah
memanfaatkan sumber daya yang terbatas secara efektif yang kemudian berguna
untuk meningkatkan produktivitas. Pemborosan sumber daya akan terjadi apabila
mesin atau tenaga kerja dibiarkan menganggur karena tidak ada pekerjaan. Dalam
hal ini, peran dari perencanaan dan pengendalian produksi adalah untuk menekan
pemborosan tersebut dengan mengkoordinasikan ketersediaan tenaga kerja,
peralatan serta material. Banyak perusahaan mengalami kerugian besar
karena pemborosan tersebut. Perbaikan produktifitas dapat dilakukan dengan
cara merancang atau membuat metode produksi yang lebih efisien.
1.2 Rumusan Masalah

Rumusan masalah dari modul 5 ini adalah: Bagaimana cara perhitungan
Rough Cut Capacity Planning?
185
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
1.4 Batasan Masalah

Batasan masalah dari praktikum modul 5 ini adalah dalam perhitungan
Rough Cut Capacity Planningmenggunakan metode Bill Of Labor Approuch.

4. BAB IV Analisis
186
BAB II

2.1.1 Rough Cut Capacity Planning (RCCP)
Merupakan suatu teknik yang mengkonversi MPS/JIP kedalam kebutuhan-
kebutuhan kapasitas secara kasar dari sumber daya-sumber daya utama yang
digunakan setiap produk individual yang terangkum dalam MPS/JIP. Dengan
demikian RCCP akan digunakan untuk menguji kelayakan kapasitas dari
suatu rencana jadwal induk produksi sebelum MPS tersebut ditetapkan.
Prosedur ini dilakukan untuk memberikan keyakinan bahwa MPS yang
ditetapkan tidak akan melebihi kapasitas produksi terpasang pada seluruh
pusat kerja. Apabila pusat kerjanya cukup banyak, pengujian itu umumnya
hanya dilakukan pada pusat kerja yang mungkin menjadi bottleneck. RCCP
adalah suatu cara yang cepat dan murah untuk menemukan dan memperbaiki
kesalahan apabila rencana produksi yang tertuang dalam rencana MPS
melebihi kapasitas yang tersedia, sehingga diambil tindakan atau jalan keluar
sebelum waktu produksi tiba.
Tahap pertama dalam Rough Cut Capacity Planning (RCCP) adalah

identifikasi sumber daya yang utama, seperti work centre, tenaga kerja,
material kritis. Kemudian menentukan penggunaan sumber daya perunit untuk
setiap item, diasumsikan sumber daya tersebut digunakan dalam periode yang
sama sesuai dengan jadwal pesanan yang telah disusun. Setelah didapat hasil
kapasitas yang diperlukan, maka beban sumber daya dibandingkan dengan
kapasitas yang tersedia, apakah terjadi underload atau overload. Kemudian
dilakukan penyesuaian pada kapasitas atau jadwal.
Kemudahan pelaksanaan RCCP :

1. Teknik yang digunakan 187actor187e sederhana.
2. Hanya meliputi batasan atau work Centre yang utama.
3. Tidak memerlukan 187actor perhitungan yang presisi.
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.
2.1.2 Beberapa Pendekatan yang digunakan dalam RCCP

2.1.2.1 Pendekatan Bill of Labour.
Pendekatan Bill of Labour menggunakan standar waktu untuk setiap
produk pada sumber daya utama. Waktu standar adalah waktu yang
harus diambil seorang pekerja rata-rata yang bekerja pada keadaan
normal untuk memproduksi satu unit barang. Waktu standar untuk setiap part
telah dibuat dengan memperhitungkan kelonggaran untuk beristirahat.
Bill of Labour adalah suatu daftar berdasarkan item jumlah
tenaga kerja yang diperlukan oleh suatu kategori tenaga kerja utama
untuk menghasilkan item tersebut atau kelompok part. Hal tersebut tidak
dimaksudkan untuk memastikan, tetapi hanya bermaksud menaksir
kebutuhan kapasitas untuk item tertentu. Bill of Labour(BOL) mungkin
disusun untuk tiap-tiap item yang berbeda atau untuk kelompok item atau
materi serupa, dan diperluas dengan jumlah terjadwal untuk menentukan
kebutuhan kapasitas.
2.1.2.2 Pendekatan Capacity Planning Using Overall Factor
CPOF merupakan teknik yang paling sederhana, tidak membutuhkan
data yang mendetail dan penghitungan yang rumit. Pendekatan CPOF
paling sensitif terhadap perubahan yang terjadi pada volume produksi.
CPOF membutuhkan 3 input data, yaitu :
- MPS,
- Waktu yang dibutuhkan untuk memproduksi satu bagian yang “khas”,
- Bagian historis dari total waktu yang dibutuhkan pabrik untuk setiap suber
daya yang penting.
Jika jumlah produk yang ada lebih dari satu famili maka satu bagian
yang “khas” dibutuhkan untuk setiap famili. CPOF mengalikan waktu yang
“khas” dengan jumlah MPS untuk memperoleh waktu total yang
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.
2.1.3 Alternatif Kapasitas

Kapasitas tersedia diperoleh dengan mengalikan waktu tersedia dikali
utilisasi dikali efisiensi.Ketika kapasitas tidak mencukupi, 4 pilihan dasar
tersedia untuk meningkatkan kapasitas : overtime, subcontracting, alternate
routing, atau penambahan personel.
a. Overtime
Overtime mungkin adalah solusi paling populer bagi kapasitas yang tidak
memadai karena sedikit pengaturan yang harus dibuat. Semua
departemen harus mencapai neraca keuangan untuk satu tahun, yang
mana menentukan batasan pada overtime tahunan.
b. Subcontracting
Pengaturan untuk subcontracting dimulai dengan baik untuk
selanjutnya memperbolehkan waktu untuk menemukan seorang vendor
yang mampu melaksanakan kerja berkualitas. Kelemahan
subcontractingadalah lead time-nya meningkat, biaya transportasi
meningkat, dan sulit menjamin kualitas produk.
c. Alternate routing
Jika hanya sedikit work center yang bekerja penuh, work center yang
tersisa akan cenderung untuk bekerja sangat sedikit selama periode yang
diberikan. Adalah mungkin untuk mempertimbangkan perubahan
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
Mulai
Tujuan Praktikum
Pengumpulan Data
- Hasil Master Production Schedule

- Waktu Proses Per Unit
- Jumlah Produksi
Gambar 2.1 Diagram ALir

Pengolahan Data
- Perhitungan Rough Cut Capacity
Planning Produk 1
- Perhitungan Rough Cut Capacity
Planning Produk 2
- Akumulasi Kapasitas
Analisis Hasil
Kesimpulan dan Saran
Selesai
191
BAB III

3.1.1 Hasil Master Production Schedule
Berikut ini adalah hasilMaster Production Scheduleyang terdapat pada
modul 4 dengan menggunakan metode Disagregasi.
Tabel 3.1 Hasil Master Production Schedule
1 189 190
2 189 191
3 190 192
4 190 192
5 191 193
6 191 193
7 192 194
8 192 194
9 193 195
10 193 195
11 194 196
12 195 196
Sumber : Modul 4
3.1.2 Waktu Proses Per Unit

Waktu proses ini di dapat dari modul 4. Waktu proses per unitnya yaitu 5
menit/init, pada modul ini waktu proses diubah menjadi satuan jam dengan rumus
waktu proses dibagi dengan 60. Berikut adalah waktu prosesnya.
Tabel 3.2 Waktu Proses

Produk Waktu Proses (jam)
Produk 1 0,08
Peoduk 2 0,08
Sumber : Modul 4
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
3.2 Pengolahan Data

Pada modul 5 Rough Cut Capacity Planning ini kami menggunakan
metode Bill Of Labor Approuch, merupakan suatu metode dengan mengalikan
Waktu proses tenaga kerja dengan hasil Master Production Schedule, waktu
prosesnya adalah 5 menit/unit. Berikut ini adalah perhitungan nya.
Output Standar = 12 unit/jam
193
3.2.1 Perhitungan Rough Cut Capacity Planning Produk 1
Perhitungan Rough Cut Capacity Planningmenggunakan rumus seperti
dibawah ini :
RCCP = Hasil Master Production Schedule × Waktu Proses
Tabel 3.4Perhitungan RCCP Produk 1

No MPS Kapasitas
1 189 15,12
2 189 15,12
3 190 15,2
4 190 15,2
5 191 15,28
6 191 15,28
7 192 15,36
8 192 15,36
9 193 15,44
10 193 15,44
11 194 15,52
12 195 15,6
Sumber : Perhitungan RCCP
3.2.2 Perhitungan Rough Cut Capacity Planning Produk 2

Perhitungan Rough Cut Capacity Planningmenggunakan rumus seperti
dibawah ini :
RCCP = Hasil Master Production Schedule × Waktu Proses
Tabel 3.5 Perhitungan RCCP Produk 2

No MPS Kapasitas
1 190 15,2
2 191 15,28
3 192 15,36
4 192 15,36
5 193 15,44
6 193 15,44
7 194 15,52
8 194 15,52
194
Lanjutan>>
9 195 15,6
10 195 15,6
11 196 15,68
12 196 15,68
Sumber : Perhitungan RCCP
3.2.3 Akumulasi Kapasitas

Akumulasi kapasitas merupakan mentotalkan jumlah seluruh kapasitas
produk 1 dan produk 2, lalu membandingkannya dengan kapasitas tersidia apakah
valid atau tidak valid.
Tabel 3.6 Akumulasi Kapasitas

Kapasitas Kapasitas Tersedia
No Total Kapasitas
Produk 1 Produk 2 Produk 1 Produk 2
1 15,12 15,2 30,32 1040 1012
2 15,12 15,28 30,4 1040 1012
3 15,2 15,36 30,56 988 874
4 15,2 15,36 30,56 1092 828
5 15,28 15,44 30,72 936 828
6 15,28 15,44 30,72 884 966
7 15,36 15,52 30,88 988 966
8 15,36 15,52 30,88 1040 874
9 15,44 15,6 31,04 1040 828
10 15,44 15,6 31,04 988 874
11 15,52 15,68 31,2 936 828
12 15,6 15,68 31,28 988 966
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
4.1 Analisis Perhitungan Rough Cut Capacity Planning Produk 1

RCCP atau kepanjangan dariRough Cut Capacity Planning memiliki arti
digunakan untuk membandingkan antara jadwal induk produksi yang telah dibuat
dengan kapasitas yang tersedia. Berdasarkan hasil pengolahan data didapatkan
perhitungan output standar/jam yang dihasilkan sebesar 12 unit/jam, lalu jika
dibandingkan dengan hasil perhitungan Rough Cut Capacity Planning Produk 1
kapasitas terbesar yakni pada periode ke- 12 dengan nilai 15,6 itu artinya hasil
perhitungan Rough Cut Capacity Planningbisa memenuhi perhitungan output
standar tersebut.
4.2 Analisis Perhitungan Rough Cut Capacity Planning Produk 2

RCCP atau kepanjangan dariRough Cut Capacity Planning memiliki arti
digunakan untuk membandingkan antara jadwal induk produksi yang telah dibuat
dengan kapasitas yang tersedia. Sama seperti perhitungan RCCP produk 1
didaptakan Berdasarkan hasil pengolahan data bahwa perhitungan output
standar/jam yang dihasilkan sebesar 12 unit/jam, lalu jika dibandingkan dengan
hasil perhitungan Rough Cut Capacity Planning Produk 1 kapasitas terbesar yakni
pada periode ke- 11 dan 12 dengan nilai 15,68 itu artinya hasil perhitungan Rough
Cut Capacity Planningbisa memenuhi perhitungan output standar tersebut.
4.3 Analisis Akumulasi Kapasitas

Akumulasi kapasitas merupakan mentotalkan jumlah seluruh kapasitas
produk 1 dan produk 2, lalu membandingkannya dengan kapasitas tersidia apakah
valid atau tidak valid. Berdasarkan perhitungan akumulasi dan grafik kapasitas
diatas didapatkan bahwa perhitungan akapasitas ini produk 1 maupun produk 2
dinyatakan valid, karena jumlah total kapasitas, tidak ada yang melebihi jumlah
kapasitas tersedia.
197
BAB V
5.1 Kesimpulan
Berdasarkan pengoalahan data modul 5 ini, dapat kami simpulkan sebagai
berikut:
1. Pada modul 5 Rough Cut Capacity Planning ini kami menggunakan

metode Bill Of Labor Approuch. Metode ini merupakan suatu metode
dengan mengalikan Waktu proses tenaga kerja dengan hasil Master
Production Schedule. Bill of Labor(BOL) mungkin disusun untuk tiap-tiap
item yang berbeda atau untuk kelompok item atau materi serupa, dan
diperluas dengan jumlah terjadwal untuk menentukan kebutuhan kapasitas.
2. Dari perhitungan Rough Cut Capacity Planningdiatas dapat disimpulkan
bahwa dalam perhitungannya, dibutuhkan hasil perhitungan Master
Production schedule, jadi sebelum menghitung RCCP hitung terlebih
dahulu Jadwal Induk Produksinya. Rough Cut Capacity Planningtidak bisa
dihitung jika belum ada output Master Production Schedule.
5.2 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
Tim Penyusun Modul. (2011). Laporan Praktikum Perancangan Teknik Industri.

Semarang : Program Studi Teknik Industri Universitas Diponegoro.
Gasperz, Vincent. 2002. Production Planning and InventoryControl. Jakarta :

Gramedia Perpustakaan Utama.
199
MODUL VI
MATERIAL REQUIREMENT PLANNING
DISUSUN OLEH :

KELAS : IN6A
DOSEN PENGAJAR :

FAKULTAS TEKNIK
PALEMBANG
2020
BAB I
PENDAHULUAN
1.1 Latar Belakang

Saat ini perindustrian berkembang sangat pesat, semakin banyak industri
yang bersaing.Hal in membuat perusahaan harus meningkatkan kemampuan
mereka, terutama dalam perencanaan maupun peramalan.Peramalan merupakan
bagian dari perencanaan yang merupakan hal yang sangat penting. Pentingnya
memprediksi atau melakukan peramalan permintaan konsumen terhadap produk
yang kita produksi demi kelancaran dan eksistensi suatau perusahaan.
Dengan melakukan peramalan perusahaan dapat mengatur strategi dan
rencana yang akandibuatataudilaksanakanuntukmengahadapipermintaanyang akan
datang. Perusahaan jugadapat mengaturpersedian produk jadi, pengaturan jadwal
produksi dan dapat memantau hasil produksi untuk membuat penyesuaian
produksi. Dengan melakukan peramalan yang tepat maka meminimalkankan biaya
untuk inventory. Tak terkecuali untuk material bahan baku.
Efisien dan efektifitas dalam produksi akan mempengaruhi perusahaan
dalam memperoleh keuntungan sehingga bisa mengembangkan usahanya. Fungsi
perencanaan dan pengawasan yang tepat akan dicapai hasil yang maksimal.
1.2 Rumusan Masalah

Rumusan masalah dari modul 6 ini adalah :Bagaimana merencanakan
Sumber Daya Material sehingga kegiatan produksi bisa lancar?

Adapun tujuan dari praktikum Material Requirement Planning (MRP) ini
adalah:
1. Memperkenalkan sistem MRP sebagai suatu metode perencanaan dan
pengendalian pesanan item dependent Demand.
2. Memahami prosedur penyusunan MRP.
3. Memahami konsep MRP matriks.
4. Mampu menjadwalkan dan menentukan kebutuhan produk.
201
1.4 Batasan Masalah
Batasan masalah dari praktikum modul 6 ini adalah konsep Material
Requirement Planningdan prosedur penyusunan Material Requirement Planning

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
202
BAB II

2.1.1 Material Requirement Planning
Perencanaan Sumber Daya Material adalah kegiatan dalam sebuah
sistemmanufaktur yang bertujuan untuk merencanakan kebutuhan sumber
dayamaterial dalam melakukan kegiatan produksi. Teknik perencanaan sumber
dayamaterial ini dikenal dengan nama Material Requirement Planning
(MRP).MRP adalah prosedur logis, aturan keputusan dan teknik
pencatatanterkomputerisasi yang dirancang untuk menterjemahkan Jadwal Induk
Produksi(Master Production Schedule atau MPS) menjadi kebutuhan bersih
(NetRequirement) material untuk semua item komponen produk.
Dalam MRP dikenal adanya Independent Demand dan Dependent Demand :
1. Independent Demand : tidak ada hubungan yang nyata antara
permintaansuatu item dengan item yang lain, misal pada item terakhir.
2. Dependent Demand: berhubungan langsung dengan permintaan item
yanglebih tinggi, misal part-part pada suatu perakitan produk, atau sub-
part untuk suatu part produk.
Secara umum metode MRP mempunyai tujuan sebagai berikut :

1. Meminimalkan Persediaan.
a. MRP menentukan berapa banyak dan kapan suatu komponen
diperlukan berdasarkan informasi dari MPS.
b. Mengurangi resiko keterlambatan produksi atau pengiriman.
c. MRP mengidentifikasi banyaknya bahan dan komponen yang
diperlukan baik dari segi jumlah maupun waktunya dengan
memperhatikan tenggang waktu (lead time) produksi maupun
pengadaan atau pembelian komponen.
2. Komitmen Yang Realistis.
a. Jadwal produksi diharapkan dapat dipenuhi sesuai dengan rencana,
sehingga komitmen terhadap pengiriman barang dapat dilakukan
secara lebih realistis.
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.
2.1.2 Prasyarat Dan Asumsi Pada MRP

Sebelum memanfaatkan teknik MRP perlu diperhatikan beberapa prasyarat
dan asumsi yang mendasar agar MRP dapat diterapkan secara efektif. Syarat
pendahuluan yang harus diperhatikan tersebut, yaitu:
1. Tersedianya MPS yang digunakan sebagai dasar dalam penentuan
jumlahpesanan dan waktu pemesanan.
2. Adanya identifikasi khusus bagi setiap item persediaan (misal nomor ID).
3. Tersedianya struktur produk (Bill Of Material atau BOM).
4. Tersedianya catatan tentang inventory untuk semua item yang menyatakan
keadaan persediaan sekarang dan yang akan datang.
2.1.3 Langkah MRP

SistemMRP memerlukan syarat pendahuluan dan asumsi-asumsi yang
harus dipenuhi. Bila syarat pendahuluan dan asumsi-asumsi tersebut telah
dipenuhi, maka kita bisa mengolahMRP dengan empat langkah dasar sebagai
berikut :
1. Netting (Perhitungan Kebutuhan Bersih)
Kebutuhan Bersih (NR) dihitung sebagai nilai dari Kebutuhan Kotor (GR)
minus Jadwal Penerimaan (SR) minus Persediaan Ditangan(OH). Kebutuhan
Bersih dianggap nol bila NR lebih kecil dari atau sama dengan nol.
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
2. Lotting (Penentuan Ukuran Lot).

Langkah ini bertujuan menentukan besarnya pesanan individu yang optimal
berdasarkan hasil dari perhitungan kebutuhan bersih.Langkah ini ditentukan
berdasarkan teknik lotting/lotsizing yang tepat.Parameter yang digunakan
biasanya adalah biaya simpan dan biaya pesan.Metode yang umum dipakai dalam
prakteknya adalahLot- for Lot (L-4-L).
3. Offsetting (Penentuan Waktu Pemesanan).

Langkah ini bertujuan agar kebutuhan komponen dapat tersedia tepat pada
saat dibutuhkan dengan memperhitungkanlead time pengadaan komponen
tersebut.
4. Explosion
Langkah ini merupakan proses perhitungan kebutuhan kotor untuk tingkat
item (komponen) pada level yang lebih rendah dari struktur produk yang tersedia.
2.1.4 Input dan Output MRP

Input utama dari sistem MRP adalah :
1. Pengendali jadwal produksi (MPS)
Pengendali jadwal produksi (MPS) menguraikan secara singkat
rencana produksi untuk semua item akhir, yang menyatakan berapa
banyak dari tiap item direncanakan dan manakala kal itu diinginkan.
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.
2.1.5 Metode lotting pada MRP

Teknik penetapan ukuran lot dapat dibagi menjadi empat bagian, yaitu:
1. Teknik ukuran lot untuk satu tingkat (single level) dengan kapasitas tak
terbatas.
a. Lot For Lot
Merupakan teknik sizing yang paling sederhana yaitu berdasar pada ide
menyediakan persediaan sesuai dengan yang diperlukan saja, jumlah
persediaan
Kelebihan : Metode ini tidak ada persediaan, sehingga tidak ada biaya
simpan
Kekurangan : Pada metode ini, apabila ada error yang datang tiba-tiba, dan
melebihi jumlah demand yang diperkirakan, perusahaan akan mengalami
kesulitan dalam memenuhi demand tersebut, karena perusahaan tidak
mempunyai inventori.
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.
c. Periode Order Quantity (POQ)

Metode ini sering disebut juga dengan metode Uniform Order Cycle,
merupakan pengembangan dari metode EOQ untuk permintaan yang
tidak seragam dalam beberapa periode.. Rumus POQ sebagai berikut :
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.
f. Least Unit Cost (LUC)

Metode ini memilih ongkos unit terkecil selama periode berurutan.
Kelebihan : Digunakan untuk jarak permintaan yang akan dating di dalam
MRP melengkapi quantity yang nyata dan usaha untuk meminimasi ongkos.
Kekurangan : Dapat menyebabkan gangguan pada pemilihan quantity dan
setiap periode yang sedang berjalan dalam MRP.
g. Silver Meal Algorithm/Least Unit Cost (LTC)M
Metode ini hampir sama dengan LUC, namun pada metode ini memilih
ongkos total terkecil selam periode berurutan dengan cara menggabungkan
kebutuhan sampai ongkos simpan mendekati ongkos pesan.
Totalongkos/periode = ongkos _ pesan  ongkos _ simpan _ kumulatif (2.5)

Jml _ periode _ kumulatif
h. Part Period Blalancing (PPB)

Merupakan variasi dari LTC.Pada metode ini dilakukan konversi ongkos
pesan menjadi Equivalent Part Period (EPP).
Rumus yang digunakan dalam metode ini adalah :
s
EPP = (2.6)
k
Dimana :
s = biaya pesan
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
Mulai
Tujuan Praktikum
Pengumpulan Data
- Jumlah Produksi
- Hasil Master Production Schedule
Pengolahan Data
- Perhitungan Netting, Lotting

- Perhitungan Lotting 4 metode
- Rekapitulasi Biaya Lotting
- Rekap Hasil MRP semua Level
- Hasil MRP Metode Terpilih
Analisis Hasil
Selesai
210
BAB III

3.1.1 Master Production Schedule (MPS)
Berikut ini adalah hasil Master Production Schedule yang terdapat pada
modul 4 dengan menggunakan metode Disagregasi
Tabel 3.1 Hasil Master Production Schedule

1 101 102
2 102 103
3 102 103
4 102 103
5 102 103
6 103 104
7 103 104
8 103 104
9 104 105
10 104 105
11 104 105
12 105 106
Total 1235 1247
Sumber : Modul 4
Table 3.2 Informasi Lain Yang Dibutuhkan
LEVEL 0
Ordering Cost Rp. 500.000,-
Holding Cost Rp. 500,-
Item Cost Rp. 5000,-
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
Tabel 3.2 Hasil Netting untuk Perencanaan 12 periode Produk 1

Periode 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
SR 0 0 0 0 0 0 0 0 0 0 0 0
POH =0 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
b. Produk 2
Tabel 3.3 Hasil Netting untuk Perencanaan 12 periode Produk 2

Periode 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
SR 0 0 0 0 0 0 0 0 0 0 0 0
POH =0 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
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
3.2.2.1 Material Requirement Planning Lavel 0
Tabel 3.4 Item Produk 1

Item = 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 = 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
Tabel 3.5 Biaya Produk 1 dan Produk 2

Produk 1 Produk 2
Biaya Simpan Rp. - Rp. -
Biaya Item Rp. 6.175.000 Rp. 6.235.000
Biaya Pesan Rp. 6.000.000 Rp. 6.000.000
Biaya Komponen (Total Biaya) Rp. 12.175.000 Rp. 12.235.000
213
3.2.2.2 Material Requirement Planning Lavel 1
Pada tabel dibawah ini menjelaskan bahwa di dalam Produk 1 terdapat 2

Item yaitu Item A dan Item B, begitu juga dengan Produk 2 terdapat 2 Item yaaitu
Item A dan Item B. Setiap Item mempunyai 1 Material.
Tabel 3.6 Item A Produk 1
Item = A 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
Tabel 3.7 Item B Produk 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
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
3.2.2.3 Material Requirement Planning Material

Pada Perhitungan kali ini akan membahas setiap material yang ada pada
Item-item yang telah ditentukan. Dengan menggunakan beberapa metode, yaitu
EOQ, POQ, LUC, dan FOQ. Berikut adalah data item-item yang ada.
a. ITEM A PRODUK 1 DAN PRODUK 2

 Economic Order Quantity (EOQ)
Item A1 digunakan pada Produk 1 dan Produk 2 dengan masing-
masing kebutuhan 2. Jadi akan perhitungan akan digabung.
Gross Requirement (GR) = (2 × Porel A Produk 1) + (2 × Porel A Produk 2)
Average Demand = Jumlah GR
Biaya Simpan = HC × Jumlah POH
Biaya Item = Item Cost × Jumlah Porel
Biaya pesan = Jumlah Porel × OC
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 3.11 Total biaya pada EOQ

Biaya Simpan Rp. 7.351.000
Biaya Item Rp. 148.920.000
Biaya Pesan Rp. 6.000.000
Biaya Komponen (Total Biaya) Rp. 162.271.000
b. Period Order Quantity (POQ)

Data tetap sama dengan EOQ, hanya menghitung POQ dengan rumus;
Tabel 3.12 Hasil Period Order Quantity Item A1 Produk 1 dan Produk 2
Ityem Averange 770 POQ 4 Lot -
= A1 Sizing
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
Tabel 3.13 Total biaya pada POQ

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
Tabel 3.14 Perhitungan LUC
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
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
Tabel 3.16 Total biaya pada LUC

b. ITEM B PRODUK 1 DAN PRODUK 2

 Fixed Order Quantity (FOQ)
Lead Time =1
GR = (2 × Porel B Produk 1) + (2 × Porel B Produk 2)
Inventory Awal = 2000
3.17 Hasil Fixed Order Quantity Item B1 Produk 1 dan Produk 2
Ityem Averange POQ Lot 1000

= B1 Sizing
Size = =1 5,000,000 250 10,000
FOQ
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 2000 1242 482 718 954 418 646 874 98 322 542 760
NR 0 0 282 46 186 582 354 126 0 678 458 240
Porec 1000 1000 0 1000 1000 1000 1000 1000 1000
Porel 1000 1000 0 1000 1000 1000 0 1000 1000 1000 0
Tabel 3.18 Total biaya pada FOQ

218
3.2.3 Rekapitulasi Biaya pada Level 0 dan Level 1
3.19 Rekapitulasi Biaya Level 0

Metode Biaya Produk 1 Produk 2
Biaya Item Rp. 6.175.000 Rp. 6.235.000
L4L
Biaya Pesan Rp. 6.000.000 Rp. 6.000.000
Total b. Komponen Rp. 12.175.000 Rp. 12.235.000
Tabel 3.20 Rekapitulasi Biaya Item A1

Metode Biaya A1
EOQ
Total b. Komponen Rp. 162.271.000

POQ Biaya Item Rp. 182.760.000

LUC Biaya Item Rp. 277.960.000
Tabel 3.20 Rekapitulasi Biaya Item B1

Metode Biaya B1
FOQ
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
4.1 Analisis Material Requirement Planning

Material Requirement Planning(MRP) ini digunakan untuk memenuhi
persediaan produk 1 dan produk 2.
Tabel 4.1 Rekapitulasi MRP Level 0
Produk 1 Produk 2
Biaya Item Rp. 6.175.000 Rp. 6.235.000
Biaya Pesan Rp. 6.000.000 Rp. 6.000.000
Biaya Komponen (Total Biaya) Rp. 12.175.000 Rp. 12.235.000
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
Tabel4.3 Rekapitulasi Biaya Komponen B Level 1

Metode Item B1
FOQ Rp. 858.810.500
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
4.3 Analisis Tambahan MengenaiBiaya PadaMetode-Metode

1. Perencanaan permintaan kebutuhan bahan baku pada sistem Lot For Lot
(L4L), Period Order Quantity (POQ), Economic Order Quantity (EOQ),
dan Least Unit Cost (LUC) merupakan perencanaan dengan jumlah bahan
baku, dan biaya-biaya yang digunakan dipesan tetap. Metode-metode
tersebut digunakan pada Produk 1 dan Produk 2 lebih tepatnya pada Item
A1 dan Item A2 yang dihitung bersamaan dikarenakan kebutuhan kedua
produk tersebut sama. Item A tidak diketahui Inventory awal.
2. Lot Size Fixed Order Quantity (FOQ) digunakan pada Item B1 dan Item
B2 karena biaya-biaya yang digunakan tidak sama seperti pada Item A1
maupun A2. Pada Item B ini inventory awal diketahui sebanyak 3000.
221
BAB V
5.1 Kesimpulan
Berdasarkan pengolahan data modul 6 ini, dapat kami simpulkan sebagai
berikut:
1. Pada modul 6 Master Requirement Planning (MRP) ini kami menggunakan

beberapa metode yaitu sistem Lot For Lot (L4L), Period Order Quantity
(POQ), Economic Order Quantity (EOQ), dan Least Unit Cost (LUC),
Fixed Order Quantity (FOQ).
2. Dari pengolahan data dan analisis yang telah dilakukan maka dapat diambil
kesimpulan bahwa dalam merencanakan kebutuhan Sumber Daya material
diperlukan beberapa pertimbangan, seperti lead time untuk menentukan
waktu pemesanan, jumlah inventori awal yang mempengaruhi jumlah
pemesanan , hasil MPS (Master Production Planning) untuk melihat
jumlah kebutuhan material sehingga kegiatan produksi bisa berjalan sesuai
perencanaan dan keuntungan yang diperoleh akan maksimal.
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
MODUL VII
CAPACITY REQUIREMENT PLANNING
DISUSUN OLEH :

KELAS : IN6A
DOSEN PENGAJAR :

FAKULTAS TEKNIK
PALEMBANG
2020
BAB I
PENDAHULUAN
1.1 Latar Belakang

Capacity Requirement Planning (CRP) merupakan suatu upaya
membandingkan antara beban yang ditetapkan pada pusat-pusat kerja melalui
pesanan kerja yang ada dan kapasitas dari setiap pusat kerja selama periode waktu
tertentu. CRP juga dapat diartikan sebagai tahap penentuan kapasitas yang
dibutuhkan sesuai dengan hasil MRP. Kebutuhan kapasitas akan dibandingkan
dengan kapasitas tersedia. Modifikasi dilakukan dengan menambah overtime,
merubah routing (urutan proses), dan subkontrak. Ketika kapasitas tersedia tidak
dapat mencukupi meski telah dilakukan modifikasi, maka perlu dilakukan
perubahan MPS.
Capacity Requirements Planning berfungsi untuk menetapkan kapasitas
yang dibutuhkan untuk membuat rencana kebutuhan material. Secara khusus,
horizon perencanaan adalah tahun, time buckets adalah minggu, dan revisi dibuat
mingguan atau bulanan. Proyeksi dari kapasitas adalah antara pekerja dan/atau
jam mesin dengan work center. CRP merupakan fungsi untuk menentukan,
mengukur, dan menyesuaikan tingkat kapasitas atau proses untuk menentukan
jumlah tenaga kerja dan sumber daya mesin yang diperlukan untuk melaksanakan
produksi. CRP merupakan teknik perhitungan kapasitas rinci yang dibutuhkan
olehMRP. CRP melakukan verifikasi ketersediaan kecukupan kapasitas selama
rentang perencanaan.
1.2 Rumusan Masalah

Rumusan masalah dari modul 5 ini adalah: Bagaimana cara perhitungan
dari Capacity Requirements Planning?
225
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.
1.4 Batasan Masalah

Batasan masalah dari praktikum modul 7 iniadalah dalam menerapkan
proses perhitungan Capacity Requirements Planninguntuk merencanakan
kapasitas.

4. BAB IV Analisis
226
BAB II

2.1.1 Capacity Requirement Planning (CRP)
Capacity Requirement Planningmerupakan tahap penentuan kapasitas
yang dibutuhkan sesuai hasil MRP. Kebutuhan kapasitas akan dibandingkan
dengan kapasitas yang dapat digunakan. Modifikasi dilakukan dengan menambah
overtime, merubah routing (urutan proses), dan sub kontrak. Ketika kapasitas
yang dapat digunakan tidak dapat mencukupi, meski telah dilakukan modifikasi,
maka perlu dilakukan perubahan MPS. Masalahnya, revisi MPS akan merevisi
MRP dan output kebutuhan kapasitas juga berubah.
Capacity Requirement Planning(CRP)Suatu perincian membandingkan
kapasitas yang diperlukan oleh Material Requirement Planning (MRP) oleh
pemesanan sekarang dalam proses verifikasi yang mendasari dalam membuat
suatu akhir penerimaan terhadap Master Planning Schedule (MPS) (Fogarty dkk,
1991). Tujuan utama dari CRP adalah menunjukkan perbandingan antara beban
yang ditetapkan pada pusat-pusat kerja melalui pesanan kerja yang ada dan
kapasitas dari setiap pusat kerja selama periode waktu tertentu(Garpezs, 1998).
Input dan Output dari CRP (Garpezs, 1998):

a. Input dari CRP:
1. Schedule of planned factory order releases
merupakan salah satu output dari MRP. CRP memiliki dua sumber
utama dari load data, yaitu:
- Scheduled receipts yang berisi data order due date, order quantity,
operations completed, operations remaining,
- planned order releases yang berisi dataplanned order releases
date, planned order receipt date, planned order quantity.Sumber-
sumber lain seperti: product rework, quality recalls, engineering
prototypes, excess scrap, dan lain-lain, harus diterjemahkan ke
dalam satu dari dua jenis pesanan yang digunakan oleh CRP itu.
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.
2.1.2 Kebutuhan Kapasitas

Pada Capacity Requirement Planning(CRP) dilakukan penentuan beban
kerja yang terjadi setiap stasiun kerja. Untuk menentukan/ merencanakan
kebutuhan kapasitas diperlukan tiga hal:
1. Rencana pembuatan produk (planned order release) yang merupakan
output dar MRP.
2. Data stasiun kerja (work centre definition) berikut kapasitas yang tersedia
untuk setiap stasiun kerja.
3. Routing Sheet yang merupakan urutan proses operasi pembuatan suatu
part/ produk.
CRP memberikan verifikasi bahwa kapasitas yang tersedia cukup untuk
melakukan semua order yang dilakukan dalam horizon perencanaan. Verfikasi ini
secara umum merupakan pengesahan MRP. Jika CRP layak, yaitu beban kerja
tidak melebihi kapasitas yang tersedia, maka MRP dinyatakan valid.
CRP menggunakan order kerja yang dikeluarkan oleh sistem MRP dan
lakukan simulasi deterministik dengan menggunkan lead time dari MRP untuk
menentukan waktu produksi setiap order melalui setiap stasiun kerja. Simulasi ini
terus dilakukan sampai semua order yang dikeluarkan diperhitungkan. Dari
simulasi ini dihasilkan laporan beban mesin. Laporan tersebut kemudian
dibandingkan dengan kapasitas yang tersedia pada stasiun tersebut.
229
Mulai
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

3.1.1 Data Hasil Material Requirement Planning (MRP)
Berikut adalah data hasil perhitungan Material Requirement Planning
(MRP) Produk 1 dan Produk 2 beserta item dari kedua produk tersebut.
3.1.1.1 Hasil Material Requirement Planning (MRP) Level 0

Tabel 3.1 ItemProduk 1
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
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
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
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
Tabel 3.7 Data Waktu Proses Pada Item Produk Level 1

LEVEL 1
Mesin Waktu Mesin
PRODUK 1
Item A A 12 menit
B 15 menit
Item B C 6 menit
PRODUK 2
Item A A 13 menit
B 10 menit
Item B C 6 menit
Tabel 3.8 Workstation

Workstation Mesin Tersedia Waktu Setiap (Min)
Ws 1 Mesin A 4 5
Ws 2 Mesin B 4 5
Ws 3 Mesin C 3 5
Ws 4 Meja Kerja 5
Pada jumlah Resource pada meja kerja mengikuti agregat yang terpilih yaitu
metode mix.
Tabel 3.9Data untuk Menghitung Kapasitas

Efisiensi 90% atau 0,9
Utilisasi 90% atau 0,9
Jam kerja reguler 8 jam
Jam waktu lembur 5 jam
Hari kerja 5 hari
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
Tabel 3.9 Workstation Produk 1

LEVEL 0
part 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) 5 5 5 5 5 5 5 5 5 5 5 5
operation time/ unit (time) 5.1322751 5.1322751 5.1315789 5.1315789 5.1308901 5.1308901 5.1302083 5.1302083 5.1295337 5.1295337 5.1288660 5.1282051
total operation time (menit) 970 970 975 975 980 980 985 985 990 990 995 1000
WS Meja Kerja (WS4)
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)
WS Meja Kerja (WS4)
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
Tabel 3.11 Workstation Item A Produk 1

LEVEL 1
part Item A 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 A (WS 1)
WS Mesin B (WS2)
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/ 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
operation time/ unit (time)

6.13228 6.13228 6.13158 6.13158 6.13089 6.13089 6.13021 6.13021 6.12953 6.12953 6.12887 6.12821
237
3.2.1.3 Menghitung Item A dan B pada Produk 2 Level 1
Tabel 3.13 Workstation Item A Produk 2

LEVEL 1
part Item A 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 A (WS 1)
setup time/ periode (menit)

25 25 25 25 25 25 25 25 25 25 25 25

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

13.13158 13.13089 13.13021 13.13021 13.12953 13.12953 13.12887 13.12887 13.12821 13.12821 13.12755 13.12755
total operation time (menit)

2495 2508 2521 2521 2534 2534 2547 2547 2560 2560 2573 2573
WS Mesin B (WS2)

25 25 25 25 25 25 25 25 25 25 25 25

0.13157895 0.1308901 0.1302083 0.1302083 0.1295337 0.1295337 0.128866 0.128866 0.1282051 0.1282051 0.127551 0.127551

10 10 10 10 10 10 10 10 10 10 10 10

10.13158 10.13089 10.13021 10.13021 10.12953 10.12953 10.12887 10.12887 10.12821 10.12821 10.12755 10.12755

1925 1935 1945 1945 1955 1955 1965 1965 1975 1975 1985 1985
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)

25 25 25 25 25 25 25 25 25 25 25 25

0.13157895 0.1308901 0.1302083 0.1302083 0.1295337 0.1295337 0.128866 0.128866 0.1282051 0.1282051 0.127551 0.127551

6 6 6 6 6 6 6 6 6 6 6 6

6.131579 6.130890 6.130208 6.130208 6.129534 6.129534 6.128866 6.128866 6.128205 6.128205 6.127551 6.127551

1165 1171 1177 1177 1183 1183 1189 1189 1195 1195 1201 1201
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)
3.2.2 Menentukan Kapasitas

3.2.2.1 Menghitung Total Kapasitas dari Setiap Workstation (WS)
Perhitungan Pada Mesin:
- Waktu yang tersedia = jam reguler × jam waktu lembur × hari
kerja × 60 menit × jumlah mesin.
- Diketahui tingkat utilasi dan efisiensi adan 90% atau 0,9.
- Kapasitas Tersedia = Waktu yang tersedia × utilitas × efisiensi
- Kebutuhan Aktual = Total operation time setiap komponen
yang dikerjakan di WS yang sama.
- Seluruh Kapasitas = Kapasitas tersedia × kebutuhan aktual.
a. Workstation 1 (Mesin A)
Tabel 3.15 Workstation 1 (Mesin A)
WS 1 (Mesin A) 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 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
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
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
d. Workstation 4 Meja Kerja

Perhitungan pada workstation meja kerja berbeda dengan perhitungan
mesin yang seblumnya dilakukan. Berikut adalah perhitungannya.
Perhitungan:
- Waktu tersedia diambil dari jumlah pekerja di perhitungan agregat bukan
dari jumlah mesin
a) Periode 37 yang berarti adalah periode 1 – 4 dihasilkan agregatnya itu
untuk 37 adalah 3 reguler dan 3 overtime worker.
Jadi, perhitungannya waktu tersedia adalah
3 reguler × jam regulerdan 3 overtime worker × jam over time.
Jadi, (((8 + 2) × 5) ×60 menit × 3
b) Periode 38 : 3 reguler dan 2 overtime worker
Jadi (((8 × 5)× 60 menit)× 3) + (((2 × 5)× 60 menit) × 2)
c) Periode 39 : 3 reguler dan 3 overtime worker
Jadi (((8 + 2) × 5) × 60 menit) × 3
Untuk perhitungan yang lainnya sama dengan perhitungan workstation mesin.
Tabel 3.18Workstation 4 (Meja Kerja)
WS 4 (Meja 37 38 39
Kerja) 1 2 3 4 5 6 7 8 9 10 11 12
waktu yang
tersedia 9000 9000 9000 9000 8400 8400 8400 8400 9000 9000 9000 9000
kapasitas
tersedia 7290 7290 7290 7290 6804 6804 6804 6804 7290 7290 7290 7290
kebutuhan
aktual 4977 4990 5016 5016 5042 5042 5068 5068 5094 5094 5120 5133
seluruh
kapasitas 2313 2300 2274 2274 1762 1762 1736 1736 2196 2196 2170 2157
241
3.2.2.2 Grafik Capacity Requirement Planning
a) Workstation 1 (Mesin A)
Gambar 4.1 Workstation1 (Mesin B)

Dari data diatas dapat dilihat bahwa CRP layak karena total seluruh kapasitas
tidak melebihi kapasitas yang tersedia sehingga MRP dinyatakan valid
.
b) Workstation 2 (Mesin 2)
Gambar 4.2Workstation3 (Mesin C)

tidak melebihi kapasitas yang tersedia sehingga MRP dinyatakan valid.
241
c. Workstation 3 (Mesin 3)
Gambar 4.3Workstation3 (Mesin C)

d. Workstation 4 Meja Kerja
Gambar 4.4Workstation4Meja Kerja

242
BAB IV
ANALISIS MASALAH
4.1 Analisis Perhitungan Capacity Requirement Planning (CRP)

Capacity Requirement Planning (CRP) menentukan beban kerja yang terjadi
disetiap stasiun kerja.
1. Untuk perhitungan CRP membutuhkan data dari perhitungan MRP dimana
untuk menghitung Produk 1 dan Produk 2 pada Level 0 lot size yang dipakai
adalah Porel yang dihasilkan dari perhitungan MRP sebelumnya. Sehingga
dari lot size tersebut workstation dapat dihitung. Pada level 0 terdapat dua
workstationyang dihitung, pertama WS 3 (Mesin C) dan kedua WS 4 (Meja
kerja). Yang menjadi pembeda antara mesin dan meja kerja yang digunakan
adalah pada run time/ unit. Run time untuk WS 3 (Mesin C) sebesar 5 menit
dan WS 4 (Meja kerja)sebesar 13 menit. Nilai tersebut dipakai untuk Produk 1
dan Produk 2.
2. Perhitungan Item A yang ada pada Produk 1 dan Produk 2 level 1. Disini
terdapat dua workstation yang dihitung, pertama adalah WS 1 (Mesin A) dan
kedua WS 2 (Mesin B). Nilai yang digunakan sama seperti sebelumnya, yang
membedakan ada di run time/ unit. Run time/ unituntuk WS 1 (Mesin
A)sebesar 12 menit sedangkan untuk WS 2 (Mesin B)sebesar 15 menit.
3. Perhitungan
Item B yang ada pada Produk 1 dan Produk 2 level 1. Disini terdapat
satuworkstation yang dihitung, yaituWS 3 (Mesin C). Run time/ unit untuk
WS 3 (Mesin C)sebesar 6 menit.
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
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
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
DeLurgio A Stephen. 1998. Forecasting Principles and Applications. New York: Mc

Graw Hill International Editions
Hartini, Sri. 2010. Teknik Mencapai Produksi Optimal. Bandung: CV. Lubuk Agung
Makrikadis, Metode dan Aplikasi Peramalan, 1995
Makridans, S. & Wheelwright, S. C. 1978. Forecasting: Methods & Application.

New York: John Wiley & Sons.
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)
MATA KULIAH : PERANCANGAN SISTEM INDUSTRI TERPADU II

DOSEN PEMBIMBING : SEPTA HARDINI, S.T,.M.T
No Tanggal Pokok Pembahasan Paraf

Laporan Praktikum Psit Ii

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Laporan Praktikum Psit Ii

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM

PERANCANGAN SISTEM INDUSTRI TERPADU II

1. AGUNG FIRMANSYAH 171730057

PROGRAM STUDI TEKNIK INDUSTRI

LAPORAN PRAKTIKUM PERANCANGAN

1. AGUNG FIRMANSYAH 171730057

Telah Diperiksa dan Ditinjau Oleh :

(Septa Hardini, S. T,. M.T)

(CH. Desi Kusmindari, S. T,. M.T)

Ucapan terima kasih kami haturkan kepada teman-teman program studi

HALAMAN JUDUL .............................................................................................i

MODUL III AGGREGATE PLANNING.............................................................. 118

MODUL IV MASTER PRODUCTION SCHEDULE ........................................... 167

MODUL V ROUGH CUT CAPACITY PLANNING ............................................ 184

MODUL VI MATERIAL REQUIREMENT PLANNING ...................................... 200

MODUL VII CAPACITY REQUIREMENT PLANNING .................................... 224

1. AGUNG FIRMANSYAH 171730057

PROGRAM STUDI TEKNIK INDUSTRI

1.1 Latar Belakang

1.2 Rumusan Masalah

1.3 Tujuan Praktikum

1.5 Sistematika Penulisan

2.1 Lingkungan Kerja

Prokdutivitas kerja manusia akan mencapai tingkat yang paling tinggi

Tabel skala intensitas di atas adalah kebisingan yang terjadi di

a. Warna merah bersifat merangsang

Sumber : Amazona, Diakses Pada Tanggal 20 Februari 2020

2.2.2 Two Way Anova ( Randomized Block Design/RBD)

Buka Aplikasi SPSS For Windows:

2.2.2 Hipotesis Pengujian Anova

Tujuan Dan Manfaat

Kesimpulan dan saran

Gambar 3.1 Diagram Alir Praktikum

3.1 Pengumpulan Data

3.1.2 Pengaruh Kebisingan

3.1.3 Pengaruh Warna

3.2 Uji Anova

 Nilai sig < 0,05 maka HI diterima.

Mean Difference 95% Confidence Interval

 Nilai sig > dari 0,05 sehingga data tersebut normal.

Test of Homogeneity of Variances

 Nilai sig > dari 0,05 maka data homogeneity

Mean Difference 95% Confidence Interval

3.2.1.3 Pengaruh Suhu Terhadap Persentase Kesalahan (RBD)

 Nilai Rata Rata untuk hasil suhu 16 derajat adalah 102,80

Tests of Between-Subjects Effects

3.2.2 Pengaruh Kebisingan

 Nilai sig > dari 0,05 sehingga data tersebut normality.

Mean Difference 95% Confidence Interval

 Nilai sig < dari 0,05 maka H2 diterima.

 Nilai sig > dari 0,05 sehingga data tersebut normal.

Test of Homogeneity of Variances

 Nilai sig > dari 0,05 sehingga data tersebut homogeneity.

Mean Difference 95% Confidence Interval

 Nilai Sig kebisingan konstan> dari 0,05H2 ditolak.

3.2.2.3 Pengaruh Kebisingan Terhadap Persentase Kesalahan (RBD)

Tests of Between-Subjects Effects

3.2.3 Pengaruh Warna

Test of Homogeneity of Variances

Test of Homogeneity of Variances

3.2.3.3 Pengaruh Warna Terhadap Persentase Kesalahan

3.2.4 Pengaruh Daya Lampu

Test of Homogeneity of Variances