1. LANDASAN TEORI
a. Peramalan
Peramalan merupakan perkiraan mengenai sesuatu yang belum
terjadi. Ramalan yang dilakukan pada umumnya berdasarkan data yang
terdapat dimasa lampau yang dianalisis dengan menggunakan metode
tertentu. Peramalan diupayakan dibuat agar meminimumkan pengaruh
ketidakpastian tersebut, dengan kata lain bertujuan mendapatkan
ramalan yang bisa meminimumkan kesalahan meramal (forecast error)
yang biasanya diukur dengan Mean Absolute Deviation, Absolute
Error, dan sebagainya. Peramalan merupakan alat bantu yang sangat
penting dalam perencanaan yang efektif dan efisien (Subagyo, 1986).
Terdapat dua pendekatan untuk melakukan peramalan yaitu dengan
pendekatan kualitatif dan kuantitatif. Metode peramalan kualitatif
digunakan ketika data historis tidak tersedia. Metode peramalan
kualitatif adalah metode subjektif. Metode ini dapat memprediksi
kejadian-kejadian dimasa yang akan datang (Makridakis, 1999).
Metode kuantatif intrinsik sering disebut sebagai model-model
deret waktu (time series). Metode ini yang populer sering diterapkan
dalam peramalan permintaan adalah rata-rata bergerak (moving
average), pemulusan eksponen (exponential smoothing), dan proyeksi
kecenderungan (trend projection). Metode kuantitatif ekstrinsik sering
disebut sebagai metode kasual yang biasa digunakan adalah model
regresi (Gaspersz, 1998).
Peramalan harus mendasar analisisnya pada pola data yang ada.
Empat pola data yang lazim ditemui dalam peramalan:
1) Pola Horizontal
Pola ini terjadi bila data berfluktuasi di sekitar rata-ratanya. Produk
yang penjualannya tidak meningkat atau menurun selama waktu
tertentu termasuk jenis ini.
Metode peramalan:
1) Weight Moving Average (WMA)
Model rata-rata bergerak menggunakan sejumlah data aktual
permintaan yang baru untuk membangkitkan nilai ramalan
untuk permintaan dimasa yang akan datang. Metode ini efektif
diterapkan apabila permintaan pasar terhadap produk
diasumsikan stabil sepanjang waktu. Rumus weight moving
average yaitu sebagai berikut:
3) Regresi Linier
Menurut Harding (1974) metode ini menggunakan dua
variabel yaitu a dan b, yang diasumsikan memiliki kaitan satu
sama lain dan bersifat linier. Rumus regresi linier yaitu sebagai
berikut:
Data (dt)
2150
2100
Data (dt)
2000
1950
1900
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Gambar 5.5 Grafik Data Historis
Analisis:
Berdasarkan grafik data permintaan pada tahun 2015 sampai tahun
2016 jumlah permintaan mengalami fluktuasi (naik turun) dan
mengikuti pola data horizontal karena fluktuasi terjadi pada garis rata-
rata.
b. Langkah-langkah WinQSB
1) Buka WinQSB forecasting
4) Buka file data dari Excel yang telah dibuat, lalu copy data history
yang dibutuhkan.
5) Blok kolom Month dan Historical data, kemudian Paste data yang
telah dicopy dari excel.
6) Pilih Solve and Analyze kemudian tekan Perform Forecasting.
11) Selanjutnya ulangi lagi langkah diatas dan isikan 0,9 pada alpha
pilih OK.
12) Maka akan muncul hasil peramalan DEST dengan alpha 0,9.
13) Ulangi lagi langkah sebelumnya dan pilih linear regression with
time (LR) pada forecasting method pilih OK.
14) Maka akan muncul hasil peramalan metode dengan metode LR.
17) Klik file lalu pilih save as untuk menyimpan output, tuliskan nama
file dan pilih folder untuk menyimpan output.
c. Output Forecasting
Tabel 5.3 Output Forecasting
d.
Hasil Verifikasi
Setelah didapatkan output dari WinQSB maka akan dilanjutkan
menghitung verifikasi dengan hasil verifikasi sebagai berikut:
Tabel 5.4 Hasil Verifikasi Peramalan Permintaan Tahun 2015-2016
Selisi
Tahun Bulan Periode (t) Data (dt) Peramalan MR |MR| UCL LCL
h
Januari 1 2062 2057 -5 153.1037 0
Februari 2 2106 2057 -49 -44 43.867 153.1037 0
Maret 3 2058 2058 0 48 48.134 153.1037 0
April 4 2104 2058 -46 -46 45.867 153.1037 0
Mei 5 2055 2058 3 49 49.134 153.1037 0
Juni 6 2003 2058 55 52 52.133 153.1037 0
2015
Juli 7 2038 2058 20 -35 34.866 153.1037 0
Agustus 8 2009 2058 49 29 29.133 153.1037 0
September 9 2062 2058 -4 -53 52.866 153.1037 0
Oktober 10 2032 2058 26 30 30.133 153.1037 0
November 11 2109 2059 -50 -77 76.866 153.1037 0
Desember 12 2030 2059 29 79 79.133 153.1037 0
Januari 13 2126 2059 -67 -96 95.867 153.1037 0
Februari 14 2080 2059 -21 46 46.134 153.1037 0
Maret 15 2022 2059 37 58 58.133 153.1037 0
April 16 2038 2059 21 -16 15.866 153.1037 0
Mei 17 2096 2059 -37 -58 57.867 153.1037 0
160
140
120 |MR|
100 UCL
LCL
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Keterangan Rumus:
Tabel 5.6 Keterangan Rumus Master Production Schedule
No. Rumus Keterangan
1. MPS Digunakan untuk menghitung jadwal produksi
induk
Rumus : =Data forcasting-100
2. POH Untuk menghitung jumlah persediaan
Rumus : =POH awal+MPS-Forecasting
Analisis:
Pada nilai MPS diperoleh dengan mengurangkan data forecasting
dengan 100 supaya bisa meminimalkan biaya inventory berdasarkan
POH.
f. Kapasitas Mesin
Kapasitas mesin merupakan total waktu maksimal seluruh mesin
dapat berkerja dalam 1 stasiun kerja dimana hasil perhitungan
kapasitas mesin sebagai berikut:
Tabel 5.7 Perhitungan Kapasitas Mesin
Waktu Jumlah Kapasitas/b Kapasitas
Kode Waktu Jumlah
No Stasiun Kerja Proses Waktu ulan mesin/bula
(M) Setup(menit) Mesin
(menit) (menit) (menit) n (menit)
Keterangan Rumus:
Tabel 5.8 Keterangan Rumus Kapasitas Mesin
No. Rumus Keterangan
1. Kapasitas /bulan Digunakan untuk menghitung kapasitas /
bulan
Rumus: =25*8*60
2. Kapasitas mesin / Digunakan untuk menghitung kapasitas
bulan mesin / bulan
Rumus: =Jumlah mesin*Kapasitas/bulan
Keterangan Rumus:
Tabel 5.10 Keterangan Rumus Rough Cut Capacity Planning
No. Rumus Keterangan
1. Proporsi Digunakan untuk menghitung proporsi.
Rumus : =jumlah waktu tiap stasiun kerja/total
jumlah waktu.
2. TQM Digunakan untuk menghitung total kualitas
absolut.
Rumus : MPS*Total Jumlah Mesin
3. Peramalan Untuk menghitung jumlah peramalan.
ke Rumus : = proporsi*TQM
Bulan ke 25
300000
250000
200000
150000
100000
50000
0
1 2 3 4 5 6 7
250000
200000
150000
100000
50000
0
1 2 3 4 5 6 7
300000 Bulan ke 27
250000
200000
150000
100000
50000
0
1 2 3 4 5 6 7
Permintaan Kapasitas Mesin
Histogram Overtime
Band Saw
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Permintaan
(menit) OT+K
SK+K
OT+SK+K
Gambar 5.10 Histogram Overtime
Kerja Bangku 2
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Permintaan
(menit) OT+K
SK+K
OT+SK+K
Gambar 5.11 Histogram Sub Kontrak
Analisis:
Berdasarkan histogram diatas diketahui mesin Band Saw dapat
dipenuhi dengan penambahan OT, dan SK. Sedangkan kerja bangku 2
masih belum memenuhi walaupun sudah ditambah dengan OT dan SK,
maka harus harus dilakukan penambahan mesin.
3) Perhitungan MRP
Tabel 5.17 Perhitungan MRP
Bulan ke 24 25 26 27
MPS 1961 1961 1961
Minggu 0 1 2 3 4 5 6 7 8 9 10 11 12
Ke
MPS 491 491 491 491 491 491 491 491 491 491 491 491
Quantity
Tabel 5.18 Keterangan Rumus Perhitungan MRP
No. Rumus Keterangan
b. List of cost
Tabel 5.52 List of cost Kelompok 14
Keterangan List Cost
No Due Date
Item Penalty
1 Late Cost Rp 6000/Unit/Minute
2880
2 WIP Inventory Rp 300/Unit/Minute
3 Idle Cost Rp 1750/Unit/Minute
4 Busy Cost Rp 500/Unit/Minute
c. Rekap Mesin
Tabel 5.53 Rekap Mesin
Kode (M) Stasiun Kerja Jumlah Mesin
M1 Surface Planner 15
M2 Kerja Bangku 1 26
M3 Cross Cut 17
M4 Drilling 19
M5 Scroll Saw 24
M6 Band Saw 13
M7 Kerja Bangku 2 18
d. Input Jadwal Mesin
Berikut merupakan data dari input jadwal mesin yang digunakan
untuk pengolahan data pada WinQSB.
Tabel 5.54 Input Jadwal Mesin Right Frame
Right Frame
Jumlah Tipe (menit)
Mesin Kode Input JM (menit)
Mesin Waktu Set Up Waktu Run
Surface Planner 15 M1 0,0986 0,8765 28,72304173
Kerja Bangku 1 26 M2 0,0861 6,7817 128,0860558
Cross Cut 17 M3 0,0912 4,713 136,1488701
Bandsaw 13 M6 0,1892 11,5689 437,0199132
Drilling 19 M4 0,0571 0,6112 15,80945058
Drilling 19 M4 0,0588 0,5411 13,99835832
Kerja Bangku 2 18 M7 0,0567 5,7919 158,0056276
Keterangan :
Due date 7 (jam kerja dalam sehari) × 6 (banyaknya hari kerja) × 60 (menit
kerja)
SK Menteri Undang-Undang No.13 tahun 2003 tentang Ketenagakerjaan,
khususnya pasal 77 sampai dengan pasal 85. Pasal 77 ayat 1,
Undang-Undang No.13/2003; jam kerja dalam 1 hari atau 40 jam
kerja dalam 1 minggu untuk 6 hari kerja dalam 1 minggu; 8 jam
kerja dalam 1 hari atau 40 jam kerja dalam 1 minggu untuk 5 hari
kerja dalam 1 minggu.
f. Output JobScheduling
Berikut merupakan output JobScheduling hasil pengolahan data
dari WinQSB yang akan dilakukan analisa untuk penjadwalan.
Tabel 5.73 Output JobScheduling
Keterangan Output JobScheduling
Tabel 5.74 Keterangan Output JobScheduling
No Rumus Keterangan
1 Cmax Cmax merupakan biaya maksimal yaitu 5196.686
2 MC MC merupakan bobot rata-rata waktu penyelesaian yaitu
1139.806
3 MW MW merupakan bobot rata-rata waktu menunggu yaitu
533.1528
4 Fmax Fmax merupakan hasil perhitungan waktu maksimum yaitu
5196.686
5 Lmax Lmax merupakan nilai keterlambatan maksimum yaitu
2316.686
6 ML ML merupakan nilai rata-rata keterlambatan yaitu -1740.194
7 ME ME merupakan nilai rata-rata earlies yaitu 1959.943
8 Tmax Tmax merupakan waktu keterlambatan paling lama 2316.686
9 NT NT merupakan number of tardy jobs yaitu 2
10 WIP WIP merupakan nilai waktu rata-rata barang menunggu yaitu
3.5093
11 TJC TJC merupakan biaya total pekerjaan termasuk (idle cost, busy
cost, early cost dan late cost) yaitu 50300000
12 TMC TMC merupakan biaya total mesin yang dikeluarkan yaitu 0
13 Wmax Wmax merupakan waktu menunggu maksimal pada pekerjaan
yaitu 2631.982
14 MF MF merupakan bobot rata-rata waktu pada pekerjaan yaitu
1139.806
15 Emax Emax merupakan waktu yang paling cepat dalam
menyelesaikan pekerjaan yaitu 2729.925
16 MT MT merupakan rata-rata dari keterlambatan yaitu 219.7494
17 MU MU merupakan tingkat utilitas mesin yang diperoleh yaitu
0.2668
18 TC TC merupakan total biaya yang dikeluarkan yaitu 50300000
i. JobCost