BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Termotivasi oleh tantangan yang dihadapi dalam perencanaan produksi, kita
diharapkan melakukan studi pada banyak produk, masalah perencanaan produksi
multi-periode dengan ketidakpastian dalam kualitas bahan baku dan akibatnya
dalam proses seperti ketidakpastian dalam permintaan produk. Ketika permintaan
dan hasilnya berbeda kenyataannya, maka suatu perencanaan produksi dapat
dianggap tidak berfungsi. Untuk itu diperlukan perencanaan agregat yang benar dan
sesuai untuk suatu perencanaan produksi.
Perencanaan produksi dimulai dengan meramalkan permintaan secara tepat
sebagai input utamanya. Selain peramalan, input-input untuk permintaan produk
tersebut juga harus memasukkan pesanan-pesanan aktual yang telah dijanjikan,
kebutuhan spare-part dan service, kebutuhan persediaan gudang, dan penyesuaian
tingkat persediaan sebagaimana yang telah ditentukan dalam perencanaan strategi
bisnis.
Perencanaan aggregate adalah perencanaan yang dibuat untuk menentukan
total permintaan dari seluruh elemen produksi dan jumlah tenaga kerja yang
diperlukan. Suatu perencanaan produksi dimulai dengan meramalkan permintaan
secara tepat sebagai input utamanya. Selain peramalan, input-input untuk pesanan
tersebut juga harus memasukkan pesanan-pesanan aktual yang telah dijanjikan,
kebutuhan persediaan gudang, dan penyesuaian tingkat persediaan. Perencanaan
agregat kemudian dikembangkan untuk merencanakan kebutuhan produksi bulanan
atau triwulan bagi kelompok-kelompok produk sebagaimana yang telah
diperkirakan dalam peramalan permintaan. Hasil dari peramalan permintaan harus
dialokasikan secara tepat dan benar untuk mendapatkan rencana produksi yang
benar-benar optimal, yaitu sesuai dengan yang dibutuhkan serta total biaya yang
optimum. Untuk itu perlu dilakukan suatu perencanaan agregat (Aggregate
Planning) guna penyusunan Jadwal Induk Produksi (JIP) atau Master Production
Schedule.

1
 2

Pada percobaan ini praktikan akan menyusun suatu Jadwal Induk Produksi
(JIP) terhadap permintaan produk mouse di wilayah Kota Lhokseumawe. Dengan
adanya suatu Jadwal Induk Produksi (JIP) tersebut maka praktikan dapat
menentukan seberapa besar kapasitas produksi yang sesuai dengan permintaan
produk mouse, menentukan jumlah dan biaya tenaga kerja yang sesuai sehingga
nantinya diharapkan dapat menghindari pemakaian biaya yang sia-sia.

1.2 Perumusan Masalah

Adapun perumusan masalah pada modul aggregate planning ini adalah
sebagai berikut:
1. Berapa besar waktu baku pada perakitan mouse?
2. Berapa jumlah tenaga kerja efektif yang diperlukan terhadap produksi
mouse?
3. Berapa biaya total produksi minimum yang diperlukan pada produksi
mouse?

1.3 Tujuan Praktikum

Adapun tujuan dilakukannya praktikum pada modul aggregate planning ini
adalah sebagai berikut:
1. Untuk menentukan waktu baku pada perakitan mouse.
2. Untuk menentukan jumlah tenaga kerja efektif yang diperlukan terhadap
produksi mouse.
3. Untuk menentukan biaya total produksi minimum yang diperlukan pada
produksi mouse.

1.4 Batasan dan Asumsi

1.4.1 Batasan
Agar pembahasan laporan tidak menyimpang maka perlu diberi beberapa
batasan. Adapun batasan-batasan yang digunakan pada modul aggregate planning
ini adalah sebagai berikut:
 3

1. Jadwal Induk Produksi disusun untuk permintaan produk mouse pada tahun
2021.
2. Permintaan produk mouse yang diamati khusus untuk wilayah Kota
Lhokseumawe.
3. Peramalan permintaan produk mouse didasarkan dari data peramalan yng
sudah dilakukan.

1.4.2 Asumsi
Adapun asumsi-asumsi yang digunakan pada modul aggregate planning ini
adalah sebagai berikut :
1. Permintaan masyarakat terhadap produk mouse meningkat.
2. Waktu efektifnya adalah 5 hari kerja yaitu Senin-Jumat.
3. Tenaga kerja bekerja dalam kondisi normal dan sehat.

1.5 Sistematika Penulisan Laporan

Adapun sistematika laporan pada modul aggregate planning ini adalah
sebagai berikut.
BAB I PENDAHULUAN
Berisi tentang latar belakang, perumusan masalah, tujuan praktikum,
batasan dan asumsi, dan sistematika laporan praktikum.
BAB II LANDASAN TEORI
Berisi tentang teori-teori yang berasal dari buku pegangan dan referensi
lainnya sebagai bahan untuk mendukung isi modul praktikum.
BAB III PENGUMPLAN DATA
Berisi tentang data-data yang diperoleh meliputi data forecasting, waktu kerja
efektif serta data aggregate planning yang telah ditentukan. Berisi tentang
perhitungan-perhitungan yang dilakukan meliputi perhitungan waktu
normal dan waktu baku, penentuan jumlah dan biaya tenaga kerja,
perencanaan aggregate, perhitungan total biaya produksi serta perhitungan
RCCP.
 4

BAB IV PENGOLAHAN DATA

Berisi tentang perhitungan-perhitungan yang dilakukan meliputi
perhitungan waktu normal dan waktu baku, penentuan jumlah dan biaya
tenaga kerja, perencanaan aggregate, perhitungan total biaya produksi serta
perhitungan RCCP.
BAB V ANALISIS DAN EVALUASI
Berisi tentang penguraian analisa dan evaluasi berdasarkan dari pengolahan
data yang telah dilakukan.
BAB VI KESIMPULAN DAN SARAN
Berisi tentang hasil kesimpulan yang diperoleh setelah melaksanakan
praktikum dan saran-saran yang dapat diberikan untuk mendukung
penyusunan laporan di masa yang akan datang.
 BAB II
LANDASAN TEORI

2.1 Definisi Agregat Planning

Aggregate Planning (AP) adalah suatu aktivitas operasional untuk
menentukan jumlah dan waktu produksi pada waktu dimasa yang akan datang. AP
juga didefinisikan sebagai usaha untuk menyamakan antara supply dan demand dari
suatu produk atau jasa dengan jalan menentukan jumlah dan waktu input,
transformasi, dan output yang tepat. Dimana keputusan AP dibuat untuk produksi,
staffing, inventory, dan backorder level (Sofyan,Diana Khairani,ST.,M.T,2013).
Menurut informasi bahwa perencanaan agregat sangat diperlukan karena
perencanaan merupakan langkah awal penentu kesuksesan suatu perusahaan maka
banyak definisi mengenai Perencanaan aggregate. Perencanaan aggregate menurut
Schorder (1989,p.323) adalah pengimbangan antara pasokan (suplai) dan
permintaan akan keluaran (output) di dalam jangka waktu menengah, sampai
dengan lebih kurang 12 bulan ke depan (Terry Hill 2000).
Perencanaan aggregate (aggregate planning) juga dikenal sebagai
Penjadwalan aggregate adalah Suatu pendekatan yang biasanya dilakukan oleh para
manajer operasi untuk menentukan kuantitas dan waktu produksi pada jangka
menengah (biasanya antara 3 hingga 18 bulan ke depan). Perencanaan aggregate
dapat digunakan dalam menentukan jalan terbaik untuk memenuhi permintaan yang
diprediksi dengan menyesuaikan nilai produksi, tingkat tenaga kerja, tingkat
persediaan, pekerjaan lembur, tingkat subkontrak, dan variabel lain yang dapat
dikendalikan. Keputusan Penjadwalan menyangkut perumusan rencana bulanan
dan kuartalan yang mengutamakan masalah mencocokkan produktifitas dengan
permintaan yang fluktuatif. Oleh karenanya perencanaan aggregate termasuk
dalam rencana jangka menengah (Sofyan,Diana Khairani,ST.,M.T,2013).
Perencanaan aggregate adalah “gambaran besar” pendekatan untuk jangka
menengah sementara penawaran perencaaan strategis dengan operasi jangka
panjang fasilitas dan sumber daya, perencanaan aggregate dengan penawaran

5
 6

mengembangkan cara-cara untuk memanfaatkan fasilitas tersebut dan sumber daya

(Kachru,2009).
Perencanaan aggregate merupakan suatu proses yang mengikuti perencanaan
kapasitas dan menggunakan perkiraan jarak menengah. Bahwa rencana yang
miskin perlu harus rinci untuk memberikan instruksi khusus untuk harian atau
mingguan operasi seperti pemuatan, pengurutan, mempercepat dan pengiriman.
Sedangkan menurut Render (2004 : 114) Perencanaan aggregate merupakan sebuah
pendekatan untuk menentukan kuantitas dan waktu produksi pada jangka menengah
(3 hingga 18 bulan kedepan). Selain itu, menurut Welhrich (1995 : 20) Perencanaan
adalah pengambilan keputusan. Perencanaan merupakan upaya pemilihan arah
tindakan yang diambil suatu perusahaan dan setiap departemen. Dalam pencapaian
tujuan perusahaan yang efektif dan efisien diperlukan perencanaan yang baik
sebagai dasar atas aktivitas produksi. Dan menurut Bedworth (1982 : 138)
Perencanaan aggregate merupakan proses perencanaan yang dibuat untuk
memenuhi total permintaan dari seluruh elemen produksi dan jumlah tenaga kerja
yang di butuhkan (Kachru,2009).

2.1.1 Tujuan Aggregate Planning

Pada dasarnya tujuan dari perencanaan aggregate adalah berusaha untuk
memperoleh suatu pemecahan yang optimal dalam biaya atau keuntungan pada
periode perencanaan. Namun bagaimanapun juga, terdapat permasalahan strategis
lain yang mungkin lebih penting daripada biaya rendah. Permasalahan strategis
yang dimaksud itu antara lain mengurangi permasalahan tingkat ketenagakerjaan,
menekan tingkat persediaan, atau memenuhi tingkat pelayanan yang lebih tinggi.
Bagi perusahaan manufaktur, jadwal aggregate bertujuan menghubungkan sasaran
strategis perusahaan dengan rencana produksi, tetapi untuk perusahaan jasa,
penjadwalan aggregate bertujuan menghubungkan sasaran dengan jadwal pekerja
(Ekawanti, Retno Dyah, 2009).
 7

2.1.2 Keuntungan Menggunakan Perencanaan Aggregate

Pada dasarnya keuntungan perencanaan aggregate adalah berusaha untuk
memperoleh suatu pemecahan yang optimal dalam biaya atau keuntungan pada
periode perencanaan. Namun bagaimanapun juga, terdapat permasalahan starategis
lain yang mungkin lebih penting daripada biaya rendah. Permasalahan strategis
yang dimaksud itu antara lain mengurangi permasalahan tingkat ketenagakerjaan,
menekan tingkat persediaan, atau memenuhi tingkat pelayanan yang lebih tinggi.
Bagi perusahaan manufaktur, jadwal aggregate bertujuan menghubungkan sasaran
strategis perusahan dengan rencana produksi, tetapi untuk perusahaan jasa,
penjadwalan aggregate bertujuan menghubungkan sasaran dengan jadwal pekerja
(Terry Hill 2000).
Ada empat hal yang diperlukan dalam perencanaan aggregate antara lain
(Terry Hill 2000):
1. Keseluruhan unit yang logis untuk mengukur penjualan dan output.
2. Prediksi permintaan untuk suatu periode perencanaan jangka menengah
yang layak pada waktu aggregate.
3. Metode untuk menentukan biaya.
4. Model yang mengombinasikan prediksi dan biaya sehingga keputusan
penjadwalan dapat dibuat untuk periode perencanaan.

2.1.3 Dasar-dasar Proses Aggregate Planning

Dasar analisis dalam AP adalah hasil ramalan permintaan produk
(Forecasting) dan target produksi perusahaan. Hasil ramalan permintaan
merupakan input utama dalam proses AP. Selain peramalan, semua input untuk
permintaan produk juga harus dimasukkan dalam proses AP, misalnya pesanan-
pesanan aktual yang telah dijanjikan, kebutuhan persediaan gudang, dan
penyesuaian tingkat persediaan. Target produksi ditentukan oleh top level business
plan yang memperhatikan kapasitas & kapabilitas perusahaan (Wibowo Indra
2010).
Keterlibatan manajemen puncak sangat diperlukan pada tahap perencanaan
produksi, khususnya perencanaan mengenai penentuan pabrikasi, pemasaran, dan
 8

keuangannnya. AP dikembangkan untuk merencanakan kebutuhan produksi

bulanan atau triwulanan bagi kelompok-kelompok produk sebagaimana yang telah
diperkirakan dalam peramalan permintaan. Analisis dalam proses AP dilakukan
dalam kelompok produk (product family) dengan unit aggregate, disamping itu
proses AP juga melibatkan pemilihan srategi manufaktur dalam suatu ruang lingkup
yang lebih luas lagi, peran AP adalah sebagai interface antara perusahaan atau
sistem manufaktur dan pasar produknya (Kachru,2009).

2.1.4 Strategi Perencanaan Aggregate

Secara gabungan Setiap pure strategy akan melibatkan biaya
yang besar dan sering pure strategy menjadi tidak layak, oleh karena itu
kombinasi dari pure strategy ini menjadi mixed strategy lebih sering digunakan.
Ketika suatu perusahaan mempertimbangkan kemungkinan dari pencampuran
strategi yang bervariasi dengan tidak terbatasnya rasio untuk melakukan strategi
yang bervariasi tersebut, maka perusahaan baru akan menyadari tantangan yang
sedang dihadapinya. Bagian pengendalian produksi dan bagian pemasaran harus
menghasilkan master schedule yang mencakup beberapa kebijakasanaan perubahan
dan prosedur pengoperasian. Karena masalah yang kompleks ini, maka dalam
pengendalian keputusan diperlukan diskusi tentang The Value Of Decision Rules
(Kachru,2009).

2.1.5 Metode-metode Perencanaan Aggregate

Ada beberapa metode yang dapat digunakan untuk menyelesaikan
permasalahan pada perencanaan produksi aggregate antara lain:
1. Program linier
a. Linier Decision Rule
b. Search Decision Rule
2. Pendekatan Heuristik
a. Metode grafik
b. Metode koefisien manajemen
c. Metode parametric
 9

Metode grafis merupakan metode yang paling sederhana tetapi tidak

menghasilkan keputusan yang optimal. Metode ini memerlukan ketelitian dalam
perhitungannya, karena sekali langkah awal salah, maka langkah berikutnya akan
salah. Dasar dari metode ini sebenarnya trial dan error dengan melihat gambaran
antara permintaan kumulatif dan rata-rata permintaan kumulatifnya.
Secara garis besar langkah perencanaan metode grafis yang dilakukan
adalah sebagai berikut:
1. Gambarkan histogram permintaan dan tentukan kecepatan produksi (Pt)
rata-rata yang diperlukan untuk memenuhi permintaan.
2. Gambarkan grafik permintaan kumulatif terhadap waktu serta grafik
permintaan rata-rata kumulatif terhadap waktu.
3. Tentukan strategi yang akan digunakan untuk menanggulangi kekurangan
dan kelebihan barang tersebut.
4. Hitung ongkos yang ditimbulkan oleh setiap strategi dan pilih yang
memberikan ongkos terkecil.
Metode transportasi untuk program linier dilakukan dengan melakukan
perhitungan dengan variabel yang relatif kecil. Jika variabel penambahan
pengurangan tenaga kerja dilibatkan, maka model transportasi akan menggunakan
biaya denda akibat aktivitas tersebut. Dengan menggunakan program linier, biaya-
biaya tersebut dapat dihitung secara eksplisit. Programma linier memberi solusi
startegi hibrid sehingga biaya total minimum (Monden, Yasuhiro 2000).

2.2 Perhitungan Waktu Normal dan Waktu Baku

2.2.1 Waktu Normal
Waktu normal merupakan waktu kerja yang telah mempertimbangkan
factor penyesuaian, yaitu waktu siklus rata-rata dikalikan dengan faktor
prnyesuaian sedangkan waktu standar adalah waktu yang sebenarnya digunakan
operator untuk memproduksi satu unit dari data jenis produk. Waktu standar untuk
setiap part harus dinyatakan termasuk toleransi/kelonggaran untuk beristirahat
untuk mengatasi kelelahan atau untuk faktor-faktor yang tidak dapat dihindarkan
(Stepvhanie Linda, 2012).
 10

Didalam praktek pengukuran kerja maka metoda penerapan rating

performance kerja operator adalah didasarkan pada satu faktor tunggal yaitu
operator speed, space atau tempo. Sistem ini dikenal sebagai “performance
Rating/speed Rating)”. Rating Faktor ini umumnya dinyatakan dalam persentase-
persentase(%) atau angka desimal, dimana performan kerja normal akan sama
dengan 100% atau 1,00 (Gasversz, Vincent 2004).
Rating factor pada umumnya diaplikasikan untuk menormalkan waktu kerja
yang diperoleh dari pengukuran kerja akibat tempo atau kecepatan kerja operator
yang berubah-ubah.Untuk maksud ini , maka waktu normal dapat diperoleh dari
rumus berikut (Gasversz, Vincent 2004):
Nilai waktu yang diperoleh disini masih belum biasa kita tetapkan sebagai
waktu baku untuk penyelesaian suatu operasi kerja,karena disini faktor-faktor yang
berkaitan dengan waktu kelonggaran (Allowance Time) agar operator bekerja
sebaik-baiknya masih belum dikaitkan (Gasversz, Vincent 2004).
Cara untuk mendapatkan waku normal adalah sebagai berikut (Gasversz,
Vincent 2004):
1. Hitung waktu siklus rata-rata dengan:
∑𝑋
𝑥̅ = ....................................................... (pers 2.1)
𝑛

2. Hitung waktu normal dengan:

Wn = Ws (1+Rf) ............................................ (pers 2.2)
Dimana:
Rf = Ranting Factor (faktor penyesuaian)
Ws = Waktu siklus
Wn = Waktu normal

2.2.2 Waktu Baku/Standar

Pengukuran waktu kerja (work measurement) ini akan berhubungan dengan
usaha-usaha untuk menetapkan waktu baku yang dibutuhkan guna menyelesaikan
suatu pekerjaan. Waktu baku adalah waktu yang dibutuhkan oleh seorang pekerja
 11

yang memiliki kemampuan rata-rata untuk menyelesaikan suatu pekerjaan

(Stepvhanie Linda, 2012).
Cara untuk mendapatkan waku baku adalah sebagai berikut (Stepvhanie
Linda, 2012):
1. Waktu baku/standar
Wb = Wn (1+all) .............................................. (pers 2.3)
Dimana:
all = Allowance (kelonggaran)
Wb = Waktu baku
Wn = Waktu normal

Faktor penyesuaian dan kelonggaran ditentukan dengan metode

Westinghouse’s System meliputi penyesuaian keterampilan, usaha, kondisi kerja
dan konsistensi. Sedangkan faktor kelonggaran adalah faktor yang menyebabkan
pekerja melakukan gerakan-gerakan yang tidak termasuk dalam dalam
penyelesaian pekerjaan karena dilakukan di antara kegiatan penyelesaian kerja.
Tabel penyesuaian westinghouse dan besarnya allowance berdasarkan faktor-faktor
yang berpengaruhi dapat dilihat pada Lampiran 1 dan 2 (Gasversz, Vincent 2004).

2.3 Penentuan Jumlah dan Biaya Tenaga Kerja

Biaya tenaga kerja didefinisikan sebagai pembayaran-pembayaran kepada
pada pekerja yang didasarkan pada jam kerja atau atas dasar unit yang diproduksi.
Istilah yang digunakan untuk biaya tenaga kerja ini adalah biaya tenaga kerja
langsung, atau untuk pembayaran yang dinamakan “upah” (Hidajat, Nita Puspita
2004).
Upah berbeda dengan gaji. Gaji merupakan pembayaran kepada tenaga
kerja atau karyawan yang didasarkan pada rentang waktu seperti gaji mingguan,
bulanan dan lain sebagainya. Upah dibebankan melalui rekening biaya tenaga kerja
langsung, sedangkan gaji dibebankan melalui rekening biaya overhead pabrik
(Hidajat, Nita Puspita 2004).
 12

Penentuan jumlah tenaga kerja dapat dilakukan dengan rumus sebagai

berikut (Monden, Yasuhiro 2000):
1. Wt = Wb x Yi ................................................ (pers 2.4)
Dimana:
Wt = Waktu total produksi (jam)
Wb = Waktu baku
Yi = Total hasil peramalan
2. JKE = (Total waktu kerja efektif x 60 menit) ............(pers 2.5)

Wt
3. JKT = JKE ..............................................................(pers 2.6)

Dimana:
JKE = Jam kerja efektif
JKT = Jumlah kebutuhan tenaga kerja
Penentuan biaya tenaga kerja untuk pengerjaan satu unit produk dapat
dihitung dengan rumus:
a. Biaya Reguler Time (RT)
Biaya Produksi RT x waktu baku
Biaya RT = ............... ……(pers 2.7)
jam kerja per hari

b. Biaya Over Time (OT)

Biaya OT = Biaya Produksi OT x waktu baku ... …….(pers 2.8)
Biaya tenaga kerja langsung adalah jumlah upah yang dibayarkan kepada
tenaga kerja yang secara langsung menangani proses proses pengolahan bahan baku
menjadi produk selesai, sedangkan biaya tenaga kerja tidak langsung adalah jumlah
upah yang dibayarkan kepada tenaga kerja yang tidak secara langsung menangani
pengolahan bahan (Taha, Hamdy A 1996).
Biaya tenaga kerja tidak langsung seperti halnya biaya bahan pembantu,
dikelompokkan sebagai komponen biaya overhead pabrik. Biaya overhead pabrik
disebut juga biaya produk tidak langsung, yaitu kumpulan dari semua biaya untuk
membuat suatu produk selain biaya bahan baku langsung dan tidak langsung.
Overhead pabrik pada umumnya didefinisikan sebagai bahan tidak langsung,
pekerja tidak langsung, dan bahan pabrik lainnya yang tidak secara mudah
 13

diidentifikasikan atau dibebankan langsung ke pekerjaan produk atau tujuan akhir

biaya (The Power Of Spirit 2014).
Biaya tenaga kerja merupakan jumlah seluruh pembayaran kepada tenaga
kerja produksi, antara lain meliputi upah regular, upah lembur, intensif/bonus dan
tunjangan-tunjangan. Di samping itu, pembayaran kompensasi kepada tenaga kerja
tertentu dipotong dengan pajak penghasilan karyawan, premi asuransi dan iuran
tabungan hari tua (Taha, Hamdy A.1996).
Upah regular yang biasa diterima tenaga kerja dihitung berdasarkan waktu
jam kerja atau unit produksi dikalikan dengan tarif upah yang telah ditentukan.
Waktu jam kerja umumnya ditentukan dalam jam kerja / mesin atau hari kerja
(Hidajat, Nita Puspita (2004).
Upah lembur diberikan kepada tenaga kerja yang bekerja diluar jam kerja
yang telah ditetapkan. Alasan kerja lembur tersebut umumnya adalah untuk
mengejar target suatu pekerjaan. Perintah kerja lembur umumnya diberikan oleh
pejabat yang berwenang, dan biasanya tariff lembur ditetapkan lebih besar dari
tariff jam kerja biasa (The Power Of Spirit 2014).
Insentif atau bonus diberikan kepada tenaga kerja yang telah bekerja pada
tingkat produktivitas yang lebih tinggi dari yang ditargetkan. Di samping itu
pembayaran gaji dan upah kepada tenaga kerja dapat pula berupa tunjangan
kesejahteraan sosial tenaga kerja, antara lain tunjangan isteri-anak, tunjangan
transportasi, tunjangan kesehatan, asuransi kecelakaan kerja, asuransi kematian,
dan tabungan hari tua. Gaji dan upah yang dibayarkan kepada tenaga kerja meliputi
penjumlahan dari gaji / upah, insentif, dan tunjangan dikurangi dengan potongan-
potongan (The Power Of Spirit 2014).

2.4 RCCP (Rough Cut Capacity Planning)

Tabel RCCP berisikan perbandingan antara kapasitas yang tersedia dan
kapasitas yang dibutuhkan pada setiap work centre. Kapasitas yang tersedia dapat
dihitung dengan menggunakan persamaan (Luci L.G, dkk, 2013):
1. Capacity Available = d x e x n x i………………….. (pers 2.9)
 14

Keterangan:
d = Jumlah hari kerja/bulan (hari)
e = Efisiensi
n = Jumlah jam kerja/hari (jam)
i = Jumlah operator yang tersedia

Waktu kerja standar(baku)

Efisiensi = ……………… (pers 2.10)
baku waktu siklus

Sedangkan untuk menghitung kebutuhan kapasitas fasilitas produksi

dengan mengalikan waktu baku (standar) pengerjaan produk dengan data
permalan jumlah produk yang akan dijadwalkan. Perhitugan kapasitas yang
dibutuhkan dapat dihitung dengan menggunakan persamaan (Luci L.G, dkk,
2013):
2. Capacity Requirement = y x z…………….. (pers 2.11)
Keterangan:
y = Jumlah permintaan hasil peramalan (unit)
z = waktu baku (jam/unit)

2.5 Penelitian Sebelumnya

2.5.1 Jurnal Sumarni
1. Judul penelitian ini adalah “Perencanaan Produksi Dan Pengendalian
Persediaan Bahan Baku Pada Pengrajin Tahu Dan Tempe “Im” Cibogo
Bandung”. Permasalahan yang dihadapi oleh Perusahaan Pengrajin Tahu
dan Tempe “IM” adalah mahalnya biaya produksi dan biaya persediaan
bahan baku untuk membuat tahu dan tempe. Berdasarkan hasil perhitungan
diperoleh Hasil Perencanaan Produksi Aggregat dengan model Integer
Programming diperoleh Total ongkos produksi yang minimum adalah
sebesar Rp. 40.304.950,-. Untuk mendapatkan Jadwal Induk Produksi
(MPS) terlebih dahulu harus melakukan perencanaan produksi disagregasi.
Pada perencanaan produksi agregat terlihat bahwa keputusan tentang
jumlah produksi tidak bersifat operasional. Hal tersebut disebabkan jumlah
produksi yang dihasilkan masih dalam unit agregat. Oleh karena itu,
 15

perencanaan produksi disagregasi bermaksud untuk mengubah satuan

agregat kedalam satuan end item. Berdasarkan hasil perhitungan total
ongkos persediaan dengan metode Economic Order Quantity (EOQ)
diperoleh jumlah pemesanan optimal, frekuensi pemesanan dan total
ongkos persediaan untuk masing-masing jenis bahan baku selama 8 periode
(minggu) atau selama 2 bulan yaitu : Bahan baku kacang kedelai dengan
jumlah pemesanan optimal sebesar 3660,938 Kg, dengan frekuensi
pemesanan sebanyak 2 kali dan total ongkos persediaan yaitu sebesar Rp.
15.811.168,740 ,-. Bahan baku garam dengan jumlah pemesanan optimal
sebesar 887,581 Kg, dengan frekuensi pemesanan sebanyak 1 kali dan total
ongkos persediaan yaitu sebesar Rp. 160.375,810 ,-. Bahan baku kunyit
dengan jumlah pemesanan optimal sebesar 1451,551 Kg, dengan frekuensi
pemesanan sebanyak 2 kali dan total ongkos persediaan yaitu sebesar Rp.
1.534.031,018 ,- (Agus Purnomo.2010).

2.5.2 Jurnal Silvira Maulinda

1. Judul penelitian ini adalah “Rancangan Sistem Persediaan Bahan Baku
Produk Baju dan Celana Menggunakan Model Persediaan Q Probabilistik
dengan Kendala Luas Gudang* (Studi Kasus di PT Cipta Gemilang
Sentosa)”. PT. Cipta Gemilang Sentosa adalah sebuah perusahaan yang
bergerak di bidang garmen, yang memproduksi baju dan celana yang
dikhususkan untuk olah raga. Perusahaan memesan bahan baku kepada
beberapa supplier berdasarkan intuisi berdasarkan data masa lalu. Kadang-
kadang jumlah bahan baku melebihi kapasitas gudang, sehingga kelebihan
bahan baku disimpan di area kantor dan produksi. Model persediaan yang
diusulkan dalam permasalahan ini adalah Model persediaan Q dengan
kendala luas gudang. Model Q dengan kendala luas gudang lebih baik dari
sistem perusahaan saat ini karena tidak ada bahan baku yang melebihi
kapasitas gudang ataupun kekurangan persediaan dan total ongkos
persediaannya lebih murah, sehingga terjadi penurunan total biaya
persediaan (Ari Bagus Wibisono 2014).
 16

2.5.3 Jurnal Moh.Difan Hariz

1. Judul penelitian ini adalah “Pengaruh Variasi Kadar Agregat Kasar
Terhadap Nilai Karakteristik Campuran Panas Aspal Agregat (AC-WC)
dengan Pengujian Marshall”. Dari jurnal penelitian ini, penulis dapat
mengambil kesimpulan yaitu Menurunkan kadar agregat kasar hingga 80 %
dan menaikkan kadar agregat kasar hingga 130 % dari kondisi normal,
mengakibatkan nilai Flow dan VFA mengalami penurunan dari kondisi
normal (100%) dan nilai VIM mengalami kenaikan dari kondisi normal.
Berdasarkan hasil penelitian dan analisa yang telah dilakukan dengan
melihat pada nilai karakteristik Marshall dan variasi kadar agregat kasar,
tidak semua nilai karakteristik Marshall memenuhi spesifikasi yang
disyaratkan, maka variasi menurunkan kadar agregat kasar hingga 80 % dan
menaikkan kadar agregat kasar sampai 130 % tidak boleh dilakukan
(Misbah, 2013).

2.5.4 Jurnal Detri Mhd Painte Pulungan

1. Judul penelitian ini adalah “Substitusi Agregat Halus Beton Menggunakan
Kapur Alam Dan Menggunakan Pasir Laut Pada Campuran Beton”.
Keterbatasan material pasir yang terjadi di Kabupaten Sumba Barat Daya
menyebabkan digunakannya kapur alam dan pasir laut sebagai bahan
pengganti agregat halus yang secara ilmiah belum diketahui kualitasnya,
sehingga perlu dilakukan kajian tentang bahan tersebut. Tujuan penelitian
ini adalah untuk mengetahui persentase kapur alam dan pasir laut yang dapat
digunakan dan untuk mengetahui kualitas beton yang dihasilkan. Benda uji
yang digunakan adalah beton silinder (diameter 15 cm dan tinggi 30 cm).
Metode yang digunakan untuk analisa data adalah statistik deskriptif.
Berdasarkan hasil penelitian diperoleh bahwa persentase yang dapat
digunakan untuk pasir laut adalah 100% dan untuk kapur alam adalah 25%.
Hasil uji kualitas diperoleh bahwa beton yang menggunakan kapur alam
memiliki kuat tekan dan kuat tarik belah yang lebih kecil dari beton normal
dan tidak mencapai kuat tekan rencana. Sedangkan beton yang
 17

menggunakan pasir laut menghasilkan kuat tekan dan kuat tarik belah yang
lebih besar dari beton normal (Yufiter Silas Kandi.2012).
 BAB III
PENGUMPULAN DATA

3.1 Pengumpulan data

Adapun data yang dikumpulkan yaitu sebagai berikut:
3.1.1 Data Hasil Peramalan
Hasil peramalan jumlah penjualan produk mouse pertahun pada bulan
Januari – Desember 2021 dengan metode peramalan linier dapat dilihat pada
Tabel 3.1 berikut:
Tabel 3.1Data Peramalan Penjualan mouse
Hasil Peramalan
Periode Indeks
(Unit)
Januari 0,077 219,324067
Februari 0,086 244,959347
Maret 0,095 270,594628
April 0,080 227,86916
Mei 0,089 253,504441
Juni 0,075 213,627338
Juli 0,084 239,262618
Agustus 0,087 247,807712
September 0,078 222,172431
Oktober 0,076 216,475702
November 0,080 227,86916
Desember 0,092 262,049534
Total 1,000 2845,51614
Sumber : Data Peramalan

3.1.2 Waktu Siklus Produk

Waktu siklus dapat dihitung dari data peramalan siklus dimana peramalan
jumlah penjualan mouse pada tahun 2021 mencapai total 2845,51614 unit. Jumlah
penjualan mouse pada tahun 2021 per jam (dalam 260 hari kerja/tahun dan waktu
kerja selama 8 jam per hari) adalah:
2845,51614 unit
Total penjualan mouse =  1,3680 unit/jam
260 hari x 8 jam
 dengan asumsi efisiensi 100%, maka:

Waktu siklus = 60=x 60 x 1

1,3680  2631,5789 detik/unit

Karena waktu siklus dari perhitungan sangat besar, lebih besar dari total
waktu pada elemen kerja yang telah dilakukan. Maka waktu siklus yang di
gunakan adalah waktu terbesar yang ada pada elemen kerja perakitan mouse.
Waktu terbesar yang diperoleh dari perakitan mouse terdapat pada elemen kerja 6
yaitu sebesar 4,22 = 4 detik. Jadi waktu siklus pada perakitan mouse tersebut
adalah 36,326 detik.

Jumlah operator: 23,18  5,49  5 operator

4,22

3.1.3 Data Hasil Kerja Efektif

Jumlah jam kerja efektif dalam satu minggu adalah 5 hari kerja dan hari
jumat, hari minggu beserta hari libur lainnya diasumsikan sebagai hari libur. Jadi
jumlah hari kerja di bulan Januari – Desember 2021 dapat dilihat pada Tabel 3.2
sebagai berikut:
Tabel 3.2 Jumlah Jam Kerja Efektif di Bulan Januari – Desember 2021
Bulan Hari
Januari 20
Februari 20
Maret 20
April 24
Mei 22
Juni 20
Juli 24
Agustus 22
September 22
Oktober 24
November 20
Desember 22
Total 260
Sumber : Data Peramalan
3.1.4 Data Aggregate Planning
Anggregate Planning merupakan langkah awal aktifitas perencanaan dan
pengendalian produksi yang dipakai sebagai panutan untuk menyusun Jadwal
Induk Produksi (JIP). Data Aggregate Planning ini dapat dilihat pada Tabel 3.3
berikut:
Tabel 3.3 DataAggregate Planning
No. Parameter Keterangan
1 Jam kerja/hari (jam) 8
2 Biaya Produksi RT (Rp/hari/orang) 50000
3 Biaya produksi OT (Rp/hari/orang) 6000
4 Biaya sub kontrak (Rp/hari/orang) 30000
5 Persediaan awal (unit) 500
6 Persediaan akhir (unit) 400
7 Kapasitas over time (jam/tahun) 5
8 Kapasitas subkontrak (unit) 100
9 Biaya Penyimpanan (Rp/unit) 90
10 Jumlah tenaga kerja awal (orang) 3
11 Biaya back order 20000
12 Masa back order (bulan) 3
13 Biaya persediaan awal (Rp/unit) 110000
14 Lead time (bulan) 1
Sumber : Data Peramalan
 BAB IV
PENGOLAHAN DATA DAN ANALISIS DATA

4.1 Pengolahan Data

4.1.1 Perhitungan Waktu Normal dan Waktu Baku
Berdasarkan total volume pekerjaan perakitan mouse yang dilakukan oleh
operator yang diamati selama pengamatan, diperoleh waktu yang dibutuhkan untuk
merakit mouse adalah 23,18 detik/unit.
Berikut ini perhitungan waktu normal dan waktu baku pada perakitan mouse
berdasarkan faktor penyesuaian (rating factor) dan kelonggaran (allowance) yang
dilakukan oleh 5 operator.
1. Operator 1
Perhitungan faktor penyesuaian (rating factor) perakitan untuk operator 1
dapat dilihat pada Tabel 4.1 berikut:
Tabel 4.1 Rating Factor Operator 1
Penilaian Kelas Lambang Bobot
Skill Good C2 + 0,03
Effort Good C1 + 0,02
Condition Excellently B + 0,02
Consistency Good C + 0,01
Jumlah +0,08

Maka rating factor adalah:

P = 1 + jumlah bobot
= 1 + 0,08
= 1,08
Perhitungan kelonggaran (allowance) untuk operator 1 pada proses
perakitan Mouse dapat dilihat pada Tabel 4.2 berikut:

21
 22

Tabel 4.2 Allowance untuk Operator 1

Kelonggaran
Faktor Pekerjaan
(%)
Tenaga yang dikeluarkan Dapat diabaikan 1
Sikap kerja Bekerja duduk, ringan 2
Gerakan kerja Normal, gerakan bebas 2
Kelelahan mata Pandagan yang terputus-putus 0
Keadaan temperature Normal 2
Keadaan atmosfir Ventilasi kurang baik, ada bau- 0
bauan ( tidak berbahaya)
Keadaan lingkungan Sangat bising 1
Kebutuhan pribadi Minum, buang air, dll 2
Jumlah 10%
Sumber : Pengolahan Data

2. Operator 2
Perhitungan faktor penyesuaian (rating factor) Mouse untuk operator 2
dapat dilihat pada Tabel 4.3 berikut:
Tabel 4.3 Rating Factor Operator2
Penilaian Kelas Lambang Bobot
Skill Good C2 + 0,03
Effort Good C2 + 0,02
Condition Excellently B + 0,04
Consistency Good C + 0,02
Jumlah +0,11

Maka rating factor adalah :

P = 1 + jumlah bobot
= 1 + 0,11
= 1,11
Perhitungan kelonggaran (allowance) untuk operator 2 pada proses
perakitan Mouse dapat dilihat pada Tabel 4.4 berikut:
 23

Tabel 4.4 Allowance untuk Operator 2

Kelonggaran
Faktor Pekerjaan
(%)
Tenaga yang dikeluarkan Dapat diabaikan 1
Sikap kerja Bekerja duduk, ringan 2
Gerakan kerja Normal, gerakan bebas 2
Kelelahan mata Pandagan yang terputus-putus 0
Keadaan temperature Normal 2
Keadaan atmosfir Ventilasi kurang baik, ada bau- 0
bauan ( tidak berbahaya)
Keadaan lingkungan Sangat bising 1
Kebutuhan pribadi Minum, buang air, dll 2
Jumlah 10%
Sumber : Pengolahan Data

3. Operator 3
Perhitungan faktor penyesuaian (rating factor) perakitan Mouse untuk
operator 3 dapat dilihat pada Tabel 4.5 berikut:
Tabel 4.5 Rating Factor Operator 3
Penilaian Kelas Lambang Bobot
Skill Good C2 + 0,04
Effort Good C2 + 0,02
Condition Excellently B + 0,01
Consistency Good C + 0,02
Jumlah +0,9

Maka rating factora dalah :

P = 1 + jumlah bobot
= 1 + 0,9
= 1,09
Perhitungan kelonggaran (allowance) untuk operator 3 pada proses
perakitan Mouse dapat dilihat pada Tabel 4.6 berikut:
 24

Tabel 4.6 Allowance untuk Operator 4

Kelonggaran
Faktor Pekerjaan
(%)
Tenaga yang dikeluarkan Dapat diabaikan 1
Sikap kerja Bekerja duduk, ringan 2
Gerakan kerja Normal, gerakan bebas 2
Kelelahan mata Pandagan yang terputus-putus 0
Keadaan temperature Normal 2
Keadaan atmosfir Ventilasi kurang baik, ada bau- 0
bauan ( tidak berbahaya)
Keadaan lingkungan Sangat bising 1
Kebutuhan pribadi Minum, buang air, dll 2
Jumlah 10%
Sumber : Pengolahan Data

4. Operator 4
Perhitungan faktor penyesuaian (rating factor) perakitan Mouse untuk operator 4
dapat dilihat pada Tabel 4.7 berikut:
Tabel 4.7 Rating Factor Operator 4
Penilaian Kelas Lambang Bobot
Skill Good C2 + 0,03
Effort Good C2 + 0,02
Condition Excellently B + 0,01
Consistency Good C + 0,01
Jumlah +0,7

Maka rating factor adalah :

P = 1 + jumlah bobot
= 1 + 0,7
= 1,07
Perhitungan kelonggaran (allowance) untuk operator 4 pada proses perakitan Mouse
dapat dilihat pada Tabel 4.8 berikut:
 25

Tabel 4.8 Allowance untuk Operator

Kelonggaran
Faktor Pekerjaan
(%)
Tenaga yang dikeluarkan Dapat diabaikan 1
Sikap kerja Bekerja duduk, ringan 2
Gerakan kerja Normal, gerakan bebas 2
Kelelahan mata Pandagan yang terputus-putus 0
Keadaan temperature Normal 2
Keadaan atmosfir Ventilasi kurang baik, ada bau- 0
bauan ( tidak berbahaya)
Keadaan lingkungan Sangat bising 1
Kebutuhan pribadi Minum, buang air, dll 2
Jumlah 10%

Sumber : Pengolahan Data

5. Operator 5
Perhitungan faktor penyesuaian (rating factor) perakitan Mouse untuk operator 4
dapat dilihat pada Tabel 4.9 berikut:
Tabel 4.9 Rating Factor Operator 5
Penilaian Kelas Lambang Bobot
Skill Good C2 + 0,04
Effort Good C2 + 0,03
Condition Excellently B + 0,02
Consistency Good C + 0,02
Jumlah +0,11

Maka rating factor adalah :

P = 1 + jumlah bobot
= 1 + 0,11
= 1,11
Perhitungan kelonggaran (allowance) untuk operator 4 pada proses perakitan Mouse
dapat dilihat pada Tabel 4.10 berikut:
 26

Tabel 4.10 Allowance untuk Operator

Kelonggaran
Faktor Pekerjaan
(%)
Tenaga yang dikeluarkan Dapat diabaikan 1
Sikap kerja Bekerja duduk, ringan 2
Gerakan kerja Normal, gerakan bebas 2
Kelelahan mata Pandagan yang terputus-putus 0
Keadaan temperature Ventilasi kurang baik, ada bau- 2
bauan ( tidak berbahaya)
Keadaan atmosfir Udara segar 0
Keadaan lingkungan Sangat bising 1
Kebutuhan pribadi Minum, buang air, dll 2
Jumlah 10%
Sumber : Pengolahan Data

Dari hasil rating factor dan allowance dari kelima operator tersebut, maka didapatkan
waktu normal dan waktu baku adalah sebagai berikut:

Rata-rata rating factor keempat operator adalah:

1,08+1,11+1,09+1,07+1,11
x̄ rf = = 1,092
5
Dan rata-rata allowance keempat operator adalah:

(10%+10%+10%+10%+10%)
x̄ all = = 10%
5

Dari hasil rating factor dan allowance dari 4 operator tersebut, maka didapatkan waktu
normal dan waktu baku adalah sebagai berikut:
Waktu Normal (Wn) = Waktu Siklus (Ws) x Rf
= 4 x 1,092
= 4,368 detik
= 0,0012 jam
Waktu baku (Wb) = Waktu normal (Wn) x (1 + Allowance)
= 4,368 detik x (1 + 0,1)
= 4,804 detik = 0,0013 jam
 27

4.2 Penentuan Jumlah dan Biaya Tenaga Kerja

Berdasarkan datajumlah jam kerja efektif di tahun 2021 yang diperoleh dari bab
pengumpulan data, maka selanjutnya dapat ditentukan jumlah tenaga kerja dan biaya tenaga
kerja yang dibutuhkan dalam proses perakitan Mouse .

4.2.1 Penentuan Jumlah Tenaga Kerja

Penentuan jumlah tenaga kerja di tahun 2021 untuk memproduksi mouse didasari
dari jumlah hari kerja yang efektif di tahun 2021 dimulai dari bulan Januari sampai dengan
bulan Desember. Diketahui jumlah tenaga kerja awal berjumlah 5 orang dan jam kerja
perhari selama 8 jam. Penentuan jumlah tenaga kerja dapat dilihat pada Tabel 4.11 berikut:
Tabel 4.11 Peramalan Permintaan dan Penentuan Jumlah Tenaga Kerja
ditahun 2021

Bulan Peramalan Permintaan Jumlah Hari Kerja Efektif

Januari 219 20
Februari 245 20
Maret 271 20
April 228 24
Mei 254 22
Juni 214 20
Juli 239 24
Agustus 248 22
September 222 22
Oktober 216 24
November 228 20
Desember 262 22
Total 2846 260
Sumber: Pengolahan Data

Maka dari data tersebut dapat dihitung jumlah kebutuhan tenaga kerja
berdasarkan waktu baku pada bagian perakitan Mouse.
Waktu total (Wt) = Wb x Yi
= 0,0013 x 205 unit
= 0,2665 unit/Jam
 28

Jumlah Kerja Efektif (JKE) = (Total waktu kerja efektif x jam kerja)
= (260 hari x 8 jam x 60 menit)
= 124.800 menit
= 2.080 Jam
Wt 0,2665
Jumlah kebutuhan tenaga kerja (JKT) = = =0,000128
JKE 2.080

Berdasarkan perhitungan Jumlah Kebutuhan Tenaga kerja (JKT) yang telah

dilakukan maka diperoleh 1 orang kebutuhan tenaga kerja usulan, sedangkan jumlah
tenaga kerja awal sebesar 5 orang.

4.2.2 Penentuan Biaya Tenaga Kerja

Penentuan biaya tenaga kerja untuk pengerjaan satu unit produk rautan dapat
dilihat pada perhitungan sebagai berikut:
a. Biaya Reguler Time (RT)
Biaya produksi RT (Rp / hari / unit) x (waktu standar)
Biaya RT =
jumlah jam kerja / hari
Rp 50.000 x 0,0013 jam
=
8 jam

= Rp 8,12 unit/orang
b. Biaya Over Time (OT)
Biaya OT = biaya produksi OT x waktu baku
= Rp 6.000 x 0,0013 jam
= Rp 7,8 unit/orang
c. Biaya Sub kontrak
Biaya sub kontrak sebesar Rp 30.000 per unit

4.3 Perencanaan Agregat

4.3.1 Perhitungan dengan Jumlah Tenaga Kerja Awal
Pada perancanaan aggregate planning dengan jumlah tenaga kerja awal
sebanyak 5 orang dan 8 jam kerja per harinya untuk menentukan kapasitas produksi
perbulan ditahun 2021, maka berikut ini perhitungannya.
 29

JKE
(jumlah hari kerja x x JKT)
jumlah hari kerja efektif
Reguler time capacity =
Wb
(jumlah hari kerja x jam kerja lembur x JKT)
Overtime capacity =
Wb
Kapasitas sub kontrak = 100 Unit
Perhitungan untuk bulan Januari 2021:
(20 hari x 2.080 jam
x 5 orang)
Regulertime Capacity = 260hari = 369.231 unit
0,0013 jam
20 hari x 2 jam x 5 orang
Overtime Capacity = =  1.200.000 unit
0,0013 jam

Hasil perhitungan selengkapnya dapat dilihat pada Tabel 4.12 berikut:

Tabel 4.12 Penentuan Kapasitas Produksi dengan Tenaga Kerja Awal
Kapasitas
Jumlah Jumlah
Jumlah Jumlah Waktu
jam tenaga
hari jam standar
Bulan kerja kerja SK
kerja lembur (jam/unit/ RT (unit) OT (unit)
efektif awal (unit)
(hari) (jam) org)
(jam) (orang)

Januari 20 2080 2 0,0013 5 615.385 153.846 100

Februari 20 2080 2 0,0013 5 615.385 153.846 100
Maret 20 2080 2 0,0013 5 615.385 153.846 100
April 24 2080 2 0,0013 5 738.462 184.615 100
Mei 22 2080 2 0,0013 5 676.923 169.231 100
Juni 20 2080 2 0,0013 5 615.385 153.846 100
Juli 24 2080 2 0,0013 5 738.462 184.615 100
Agustus 22 2080 2 0,0013 5 676.923 169.231 100
September 22 2080 2 0,0013 5 676,.923 169.231 100
Oktober 24 2080 2 0,0013 5 738.462 184.615 100
8November 20 2080 2 0,0013 5 615.385 153.846 100
Desember 22 2080 2 0,0013 5 676.923 169.231 100
Total 260 24960 8.000.000 1200
Sumber: Pengolahan Data
 30

4.3.2 Perhitungan dengan Jumlah Tenaga Kerja Usulan

Pada proses produksi pembuatan Mouse jumlah unit yang dapat diproduksi setiap
bulannya selama tahun 2021 dengan jumlah tenaga kerja usulan adalah 1 orang. Maka
perhitungan kapasitas produksi pada bulan Januar 2021 adalah sebagai berikut:

JKE
(jumlah hari kerja x x JKT)
jumlah hari kerja efektif
Reguler time capacity=
Wb
(jumlah hari kerja x jam kerja lembur x JKT)
Overtime capacity =
Wb
Kapasitas subkontrak = 100 Unit
Perhitungan untuk bulan Januari 2021:
(20 hari x 2.080 jam
x 1 orang)
Reguler time capacity = 260 hari = 123.077 unit
0,0013 jam
20 hari x 2 jam x 1 orang
Overtime capacity = =  30.769 unit
0,0013 jam

Hasil perhitungan selengkapnya dapat dilihat pada Tabel 4.13 berikut:

Tabel 4.13 Penentuan Kapasitas Produksi dengan Tenaga Kerja Usulan
Jumlah Jumlah Kapasitas
Jumlah jam Jumlah Waktu tenaga
hari kerja jam standar kerja
Bulan efektif usulan
kerja lembur (jam/unit/o SK
(jam) (orang) RT (unit) OT (unit)
(hari) (jam) rg) (unit)

Januari 20 2080 2 0,0013 1 123,077 30,769 100

Februari 20 2080 2 0,0013 1 123,077 30,769 100
Maret 20 2080 2 0,0013 1 123,077 30,769 100
April 24 2080 2 0,0013 1 147,692 36,923 100
Mei 22 2080 2 0,0013 1 135,385 33,846 100
Juni 20 2080 2 0,0013 1 123,077 30,769 100
Juli 24 2080 2 0,0013 1 147,692 36,923 100
Agustus 22 2080 2 0,0013 1 135,385 33,846 100
September 22 2080 2 0,0013 1 135,385 33,846 100
Oktober 24 2080 2 0,0013 1 147,692 36,923 100
November 20 2080 2 0,0013 1 123,077 30,769 100
Desember 22 2080 2 0,0013 1 135,385 33,846 100
Total 260 24960 1,600,000 1200
Sumber: Pengolahan Data
 31

4.4 Perhitungan Total Biaya Produksi

4.4.1 Total Biaya Produksi dengan Jumlah Tenaga Kerja Awal
Berdasarkan penentuna kapasitas produksi, maka dapat diperhitungkan perencanaan
agregat dengan metode transportasi dengan jumlah tenaga kerja awal sebanyak 5 orang.
Perhitungan total biaya produksi dengan jumlah tenaga kerja awal dapat dilihat pada Tabel
4.14 berikut:
Tabel 4.14 Perencanaan Agregat dengan Metode Transportasi Bagian I
Tujuan Periode

Sumber 1 2 3 4 5 6

53.000 106.000 212.000 424.000 848.000 1.696.000

Bulan Persediaan
3000
103.000 156.000 209.000 262.000 315.000 368.000
RT 615.166
219
59.000 112.000 165.000 218.000 271.000 324.000
1 OT 153.846 769.112

53.100 106.100 159.100 212.100 265.100 318.100

SK 100

103.000 156.000 209.000 262.000 315.000

RT 615.140
245
59.000 112.000 165.000 218.000 271.000
2 OT 153.846 769.086

53.100 106.100 159.100 212.100 265.100

SK 100

103.000 156.000 209.000 262.000

RT 615.114
271
59.000 112.000 165.000 218.000
3 OT 153.846 769.060

53.100 106.100 159.100 212.100

SK 100
 32

Tabel 4.14 Perencanaan Agregat dengan Metode Transportasi Bagian I (lanjutan)

Tujuan Periode

Sumber 1 2 3 4 5 6

53.000 106.000 212.000 424.000 848.000 1.696.000

Bulan Persediaan
3000
103.000 156.000 209.000
RT 738.234
228
59.000 112.000 165.000
4 OT 184.615 922.949

53.100 106.100 159.100

SK 100

103.000 156.000
RT 676.669
5 254

59.000 112.000
OT 169.231 846.000

53.100 106.100
SK 100

103.000
RT 615.171
214
59.000
6 OT 153.846 769.117

53.100
SK 100

Permintaan 16 18 20 16 18 15 4.845.323 4.845.323

Sumber: Pengolahan Data
 33

Tabel 4.15 Perencanaan Agregat dengan Metode Transportasi Bagian II

Tujuan Periode

Sumber 7 8 9 10 11 12

53.000 106.000 212.000 424.000 848.000 1.696.000

Bulan Persediaan
3000
103.000 156.000 209.000 262.000 315.000 368.000
RT 738.223
239
53.900 106.900 212.900 265.900 318.900 371.900
7 OT 184.615 922.938

53.100 106.100 159.100 212.100 265.100 318.100

SK 100

103.000 156.000 209.000 262.000 315.000

RT 676.675
248
53.900 106.900 212.900 265.900 318.900
8 OT 169.231 846.006

53.100 106.100 159.100 212.100 265.100

SK 100

103.000 156.000 209.000 262.000

RT 676.701
222

9 53.900 106.900 212.900 265.900 846.032

OT 169.231

SK 53.100 106.100 159.100 212.100 100

103.000 156.000 209.000
RT 733.246
216
53.900 106.900 212.900
10 OT 184.615 922.961

53.100 106.100 159.100

SK 100

103.000 156.000
RT 615.157
228

11 53.900 106.900 769.103

OT 153.846

SK 53.100 106.100 100

 34

Tabel 4.15 Perencanaan Agregat dengan Metode Transportasi Bagian II (lanjutan)

Tujuan Periode

Sumber 7 8 9 10 11 12
Bulan Persediaan 53.000 106.000 212.000 424.000 848.000 1.696.000

3000
103.000
RT 676.661
262
845.992
53.900
12 OT 169.231

53.100
SK 100

Permintaan 17 18 16 16 16 19 5.153.031 5.153.031

Sumber: Pengolahan Data

Jumlah produksi yang dilakukan untuk tenaga kerja awal 3 orang terlihat
pada Tabel 4.16 berikut:
Tabel 4.16 Perencanaan Produksi untuk Tenaga Kerja Awal 3 Orang

Periode Jumlah Peramalan Perencanaan Produksi

Januari 219 16
Februari 245 18
Maret 271 20
April 228 16
Mei 254 18
Juni 214 15
Juli 239 17
Agustus 248 18
September 222 16
Oktober 216 16
November 228 16
Desember 262 19
Total 2846 205
Sumber: Pengolahan Data

Dari hasil perhitungan perencanaan agregat dengan metode transportasi

tenaga kerja awal 5 orang, maka dapat dihitung total biaya produksi dengan jumlah
tenaga kerja awal 5 orang, perhitungannya yaitu sebagai berikut:
 35

TC = 219 (769112) + 245 (769086) + 271 (769060) + 228 (922938)+ 254 (846006)
+ 214 (760117) + 239 (922938) + 248 (846006) + 222(846032) + 216
(922961) +228 (769103)+ 262 (845992)
= Rp 2.369.759.530

4.4.2 Total Biaya Produksi dengan Jumlah Tenaga Kerja Usulan

Berdasarkan penentuan kapasitas produksi, maka dapat diperhitungkan
perencanaan agregat dengan metode transportasi dengan jumlah tenaga kerja usulan
sebanyak 1 orang.Perhitungan total biaya produksi dengan jumlah tenaga kerja
usulandapat terlihat pada Tabel 4.17 berikut:
Tabel 4.17 Perencanaan Usulan Agregat dengan Metode Transportasi Bagian I
Tujuan Periode

Sumber 1 2 3 4 5 6

53.000 106.000 212.000 424.000 848.000 1.696.000

Bulan Persediaan
3000
103.000 156.000 209.000 262.000 315.000 368.000
RT 122.858
219
59.000 112.000 165.000 218.000 271.000 324.000
1 OT 30.769 153.727

53.100 106.100 159.100 212.100 265.100 318.100

SK 100

103.000 156.000 209.000 262.000 315.000

RT 122.832
245
59.000 112.000 165.000 218.000 271.000
2 OT 30.769 153.701

53.100 106.100 159.100 212.100 265.100

SK 100

103.000 156.000 209.000 262.000

RT 1232.806
271

3 59.000 112.000 165.000 218.000 153.675

OT 30.769

SK 53.100 106.100 159.100 212.100 100

 36

Tabel 4.17 Perencanaan Usulan Agregat dengan Metode Transportasi Bagian I

(lanjutan)
Tujuan Periode

Sumber 1 2 3 4 5 6

53.000 106.000 212.000 424.000 848.000 1.696.000

Bulan Persediaan
3000
103.000 156.000 209.000
RT 147.464
228
59.000 112.000 165.000
4 OT 36.923 184.487

53.100 106.100 159.100

SK 100

103.000 156.000
RT 135.131
5 254

59.000 112.000
OT 33.846 169.077

53.100 106.100
SK 100

103.000
RT 122.863
214
59.000
6 OT 30.769 153.732

53.100
SK 100

Permintaan 16 18 20 16 18 15 968.400 968.400

Sumber : Pengolahan Data
 37

Tabel 4.18 Perencanaan Usulan Agregat dengan Metode Transportasi Bagian II

Tujuan Periode

Sumber 7 8 9 10 11 12

53.000 106.000 212.000 424.000 848.000 1.696.000

Bulan Persediaan
3000
103.000 156.000 209.000 262.000 315.000 368.000
RT 147.453
239
53.900 106.900 212.900 265.900 318.900 371.900
7 OT 36.923 184.476

53.100 106.100 159.100 212.100 265.100 318.100

SK 100

103.000 156.000 209.000 262.000 315.000

RT 135.137
248
53.900 106.900 212.900 265.900 318.900
8 OT 33.846 169.083

53.100 106.100 159.100 212.100 265.100

SK 100

103.000 156.000 209.000 262.000

RT 135.163
222

9 53.900 106.900 212.900 265.900 169.109

OT 33.846

SK 53.100 106.100 159.100 212.100 100

103.000 156.000 209.000
RT 147.476
216
53.900 106.900 212.900
10 OT 36.923 184.499

53.100 106.100 159.100

SK 100

103.000 156.000
RT 122.849
228

11 53.900 106.900 153.718

OT 30.769

SK 53.100 106.100 100

 38

Tabel 4.18 Perencanaan Usulan Agregat dengan Metode Transportasi Bagian II

(lanjutan)
Tujuan Periode

Sumber 7 8 9 10 11 12
Bulan Persediaan 53.000 106.000 212.000 424.000 848.000 1.696.000

3000
103.000
RT 135.123
262
169.069
53.900
12 OT 33.846

53.100
SK 100

Permintaan 17 18 16 16 16 19 1.029.954 1.029.954

Sumber: Pengolahan Data

Dari hasil perhitungan perencanaan agregat dengan metode transportasi

tenaga kerja awal 1 orang, maka dapat dihitung total biaya produksi dengan jumlah
tenaga kerja awal 1 orang, perhitungannya yaitu sebagai berikut:

TC = 219 (153727) + 245 (153701) + 271 (153675) + 228 (184487)+ 254 (169077)
+ 214 (153732) + 239 (184476) + 248 (169083) + 222(169109) + 216
(184499) +228 (153718)+ 262 (169069)
= Rp 473.636.453

Total biaya produksi untuk kedua alternatif jumlah tenaga kerja dapat dilihat pada
Tabel 4.19 berikut:

Tabel 4.19 Total Biaya Produksi Kedua Alternatif

Jumlah Tenaga
Total Biaya Produksi
Kerja (Orang)
Rp 2.369.759.530
Awal 5

Usulan 1 Rp 473.636.453
Sumber: Pengolahan Data
 39

Dari perhitungan total biaya produksi kedua alternatif tersebut pada

perakitan produk Mouse, dengan jumlah tenaga kerja awal sebesar 5 orang
diperoleh total biaya produksi sama dengan jumlah tenaga kerja usulan 1 orang.
Oleh karena itu, tenaga kerja usulan lebih menguntungkan dibandingkan
tenaga kerja awal, dikarenakan jumlah tenaga kerja yang sedikit dapat
menghasilkan keuntungan yang sama dengan tenaga kerja awal.

4.5 Perhitungan Rough Cut Capacity Planning (RCCP)

Perhitungan ini dilakukan untuk memeriksa rencana produksi yang
dikembangkan pada proses S & OP dan memastikannya dapat dicapai, orang-orang
mengunakan bentuk singkat dari perancangan kapasitas.

4.5.1 Perhitungan Kapasitas Tersedia (Capacity Available)

Perhitungan kapasitas yang tersedia dapat dihitung dengan menggunakan
rumus sebagai berikut:
Capacity available = jumlah hari kerja/bulan x hari kerja/jam x efisiensi x
jumlah operator
𝑾𝒂𝒌𝒕𝒖 𝑲𝒆𝒓𝒋𝒂 𝒃𝒂𝒌𝒖 𝟒,𝟖𝟎𝟒
Efisiensi = x 100% = 𝟑𝟔,𝟑𝟐𝟔 x 100% = 13,22 %
𝑾𝒂𝒌𝒕𝒖 𝑺𝒊𝒌𝒍𝒖𝒔

Tabel 4.20 Perhitungan Kapasitas Tersedia untuk Tenaga Kerja Awal

Jumlah Jumlah Jumlah
Capacity
hari Jam Operator yang
Bulan Efisiensi Available
kerja/bulan Kerja/hari tersedia
(jam)
(hari) (jam) (orang)
Januari 20 8 0,132 5 105,6
Februari 20 8 0,132 5 105,6
Maret 20 8 0,132 5 105,6
April 24 8 0,132 5 126,72
Mei 22 8 0,132 5 116,16
Juni 20 8 0,132 5 105,6
Juli 24 8 0,132 5 126,72
Agustus 22 8 0,132 5 116,16
September 22 8 0,132 5 116,16
Oktober 24 8 0,132 5 126,72
 40

Tabel 4.20 Perhitungan Kapasitas Tersedia untuk Tenaga Kerja Awal

( lanjutan)
November 20 8 0,132 5 105,6
Desember 22 8 0,132 5 116,16
Total 260 1372,8
Sumber: Pengolahan Data

4.5.2 Perhitungan Kapasitas yang Dibutuhkan (Capacity Requirement)

Untuk menghitung kebutuhan kapasitas fasilitas produksi dengan mengalikan waktu
baku (standar) pengerjaan produk dengan data peramalan jumlah produk yang akan
dijadwalkan. Perhitugan kapasitas yang dibutuhkan dapat dihitung dengan menggunakan
persamaan berikut: Capacity requirement = (y) x (z) Dimana:
y = Jumlah permintaan hasil peramalan (unit)
z = Waktu baku (jam/unit)
Tabel 4.21 Kapasitas yang Dibutuhkan Produk Mouse
Waktu Baku
Hasil peramalan Capacity Requirement
Bulan (Jam/unit)
(Unit) (y) (Jam)
(z)
Januari 0,0013 219 0,285
Februari 0,0013 245 0,319
Maret 0,0013 271 0,352
April 0,0013 228 0,296
Mei 0,0013 254 0,330
Juni 0,0013 214 0,278
Juli 0,0013 239 0,311
Agustus 0,0013 248 0,322
September 0,0013 222 0,289
Oktober 0,0013 216 0,281
November 0,0013 228 0,296
Desember 0,0013 262 0,341
Total 2846 3,699
Sumber: Pengolahan Data

Hasil perhitungan RCCP dengan membandingkan antar kapasitas fasilitas

produksi yang tersedia dan kapasitas yang dibutuhkan pada perakitan mouse ldapat
dilihat pada Tabel 4.22 berikut:
 41

Tabel 4.22 Hasil Perhitungan RCCP Perakitan Mouse

Capacity Capacity
No Bulan Available Requirement Keterangan
(Jam) (Jam)
1 Januari 105,6 0,285 Mencukupi
2 Februari 105,6 0,319 Mencukupi
3 Maret 105,6 0,352 Mencukupi
4 April 126,72 0,296 Mencukupi
5 Mei 116,16 0,330 Mencukupi
6 Juni 105,6 0,278 Mencukupi
7 Juli 126,72 0,311 Mencukupi
8 Agustus 116,16 0,322 Mencukupi
9 September 116,16 0,289 Mencukupi
10 Oktober 126,72 0,281 Mencukupi
11 Nopember 105,6 0,296 Mencukupi
12 Desember 116,16 0,341 Mencukupi
Sumber : Pengolahan Data

4.6 Analisis Data

Pengukuran waktu kerja dalam perakitan produk Mouse dengan mengamati dan
mencatat waktu-waktu kerjanya baik setiap elemen ataupun siklus dengan menggunakan
stopwatch. Setiap operator yang bekerja, waktu yang dibutuhkan dalam merakit sebuah
Mouse tidaklah selalu sesuai dengan waktu siklus yang telah diukur, untuk itu dibutuhkan
perhitungan waktu normal dan waktu baku dengan mempertimbangkan faktor penyesuaian
dan faktor kelonggaran terhadap operator dengan metode Westinghouse’s System, karena hal
tersebut berpengaruh terhadap kecepatan pekerja dalam menyelesaikan pekerjaannya.
Perhitungan waktu normal dan waktu baku berdasarkan pengolahan data sebelumnya
dari 1 operator diperoleh rata-rata waktu normal 23,18 detik dan waktu baku 4,804 detik/unit
Penentuan jumlah tenaga kerja didasarkan dari data jumlah hari kerja efektif tahun 2021.
Jumlah tenaga kerja awal berjumlah 5 orang dan jam kerja perhari selama 8 jam. Sedangkan
biaya tenaga kerja pada pengerjaan satu unit produk Mouse diperoleh biaya regular time
(RT) sebesar Rp.50.000 per unit, biaya over time (OT) sebesar Rp. 6.000 per unit, dan biaya
sub kontrak sebesar Rp. 30.000 per unit.
 42

Perencanaan agregat terlebih dahulu menentukan kapasitas produksi Mouse per

periode 2020 pada tenaga kerja awal dan usulan, kemudian melakukan perencanaan agregat
dengan menggunakan metode transportasi, dari metode ini dapat diketahui total biaya
produksi yang harus dikeluarkan. Berdasarkan metode transportasi diperoleh total biaya
produksi dengan menggunakan tenaga kerja awal 5 orang sebesar Rp 2.369.759.530 dan untuk
tenaga kerja usulan 1 orang sebesar Rp 473.636.453 .
 BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Berdasarkan hasil analisis dan evaluasi maka dapat disimpulkan beberapa
kesimpulan, diantaranya adalah sebagai berikut:
1. Pada pengukuran waktu perakitan mouse yang didapatkan dari hasil
peramalan penjualan mouse, maka waktu siklus yang dibutuhkan untuk
merakit mouse adalah sebesar 36,326 detik. berdasarkan faktor penyesuaian
(rating factor) dan kelonggaran (allowance) maka waktu normal yang
dibutuhkan untuk merakit mouse adalah sebesar 4,368 detik sedangkan
waktu baku yang dibutuhkan untuk merakit mouse adalah sebesar 4,804
detik.
2. Jumlah tenaga kerja efektif yang digunakan pada proses perakitan mouse
adalah sebanyak 1 orang.
3. Dari hasil perhitungan yang sudah dilakukan terdapat dua alternatf
perhitungan total biaya produksi yang mana alternatif awal dengan jumlah
tenaga kerja sebanyak 5 orang dengan total biaya produksi sebesar Rp
170.709.281 sedangkan alaternatif usulan dengan jumlah tenaga kerja 1
orang dengan total biaya produksi sebesar Rp 34.155.435

5.2 Saran
Adapun beberapa saran yang dapat diberikan oleh praktikan antara lain
sebagai berikut:
1. Sebaiknya perlu memahami landasan teori terlebih dahulu dari modul
penunjang praktikum Aggregate Planning agar dalam perhitungan nantinya
tidak akan mengalami kesulitan.
2. Pengukuran waktu pengerjaan produk hendaknya dilakukan dengan baik
agar hasil pengukuran yang diperoleh adalah data yang baik dan wajar.

43
 44

3. Sebaiknya perhitungan dilakukan secara teliti agar mendapatkan hasil yang

baik dan sesuai.
 DAFTAR PUSTAKA

Sofyan, Diana Khairani, ST., M.T, 2013, Perencanaan & Pengendalian Produksi,
Yogyakarta; Graha Ilmu
Terry Hill (2000.p,89) Hill.2000.The essence of Operations Management.
Yogyakarta: Andi
Kachru,2009,p.321. Upendra Kachru.2009. Production and Operations
Management. India:Excel Books
Ekawanti, Retno Dyah, 2009, Peramalan Dan Persediaan Pengaman Kebutuhan
Kain Cdp2015 Pada Proses Produksi Di Departemen Printing Pt.
Kusumahadi Santosa (pdf), Surakarta: Fakultas Ekonomi, Universitas
Sebelas Maret.
Wibowo Indra, 2010, Analisis peramalan penjualan rokok golden pada PT. Djitoe
Indonesia Tobacco Coy, Surakarta: Fakultas Ekonomi, Universitas Sebelas
Maret.
Monden, Yasuhiro, Sistem Produksi Toyota : Suatu Rancangan Terpadu untuk
Penerapan Just In Time, Penerbit PPM, 2000.
Stepvhanie Linda, 2012, Peramalan Penjualan Produk Bayi Dengan Metode Grey
System Theory dan Neural Network
Gasversz, Vincent. Production Planning and Inventory Control Berdasarkan
Sistem Terintegrasi MRP II dan JIT Menuju Manufakturing 21.Jakarta :
PT Gramedia Pustaka Utama. 2004
Hidajat, Nita Puspita (2004). Mata Kuliah Manajemen Sistem Produksi I. Jakarta:
UPI YAI.
Taha, Hamdy A.1996. Riset Operasi Edisi Kelima Jakarta: Penerbit Binarupa
Aksara.
The Power Of Spirit, Waktu Siklus, Waktu Normal Dan Waktu Baku, 21
September 2014, http://hierone1.blogspot.com/2013/04/langkah-langkah-
prosedur-sampling.html.
Luci L.G, dkk, 2013, Aplikasi Peramalan Permintaan Bahan Baku Pada PT. Baba
Rafi Indonesia Dengan Metode Pemulusan Eksponensial Winter.
Agus Purnomo.2010. Perencanaan Produksi Dan Pengendalian Persediaan
Bahan Baku Pada Pengrajin Tahu Dan Tempe “Im” Cibogo Bandung
(pdf). Universitas Pasundan Bandung.
Ari Bagus Wibisono, Hendro Prassetiyo, Lisye Fitria. 2014. Rancangan Sistem
Persediaan Bahan Baku Produk Baju dan Celana Menggunakan Model
Persediaan Q Probabilistik dengan Kendala Luas Gudang* (Studi Kasus
di PT Cipta Gemilang Sentosa)(pdf). Institut Teknologi Nasional.
Misbah, 2013, Pengaruh Variasi Kadar Agregat Kasar Terhadap Nilai
Karakteristik Campuran Panas Aspal Agregat (AC-WC) dengan
Pengujian Marshall.
Yufiter Silas Kandi.2012. Substitusi Agregat Halus Beton Menggunakan Kapur
Alam Dan Menggunakan Pasir Laut Pada Campuran Beton (pdf).
Undana.
Lampiran

Data Aggregate Planning Mouse

No. Parameter Keterangan
1 Jam kerja/hari (jam) 8
2 Biaya Produksi RT (Rp/hari/orang) 50000
3 Biaya produksi OT (Rp/hari/orang) 6000
4 Biaya sub kontrak (Rp/hari/orang) 30000
5 Persediaan awal (unit) 500
6 Persediaan akhir (unit) 400
7 Kapasitas over time (jam/tahun) 5
8 Kapasitas subkontrak (unit) 100
9 Biaya Penyimpanan (Rp/unit) 90
10 Jumlah tenaga kerja awal (orang) 5
11 Biaya back order 20000
12 Masa back order (bulan) 3
13 Biaya persediaan awal (Rp/unit) 110000
14 Lead time (bulan) 1

Diperiksa Oleh,
Asisten Laboratorium

Muhammad Hanafi Sinaga

NIM.170130130