Perencanaan Produksi Crumb Rubber Pada Industri Karet Menggunakan Metode Aggregat Planning

PERENCANAAN PRODUKSI CRUMB RUBBER PADA INDUSTRI
KARET MENGGUNAKAN METODE AGGREGAT PLANNING
SKRIPSI
Diajukan Untuk Memenuhi Persyaratan Menyelesaikan Studi Stara I (S1)

dan Memeproleh Gelar Sarjana Teknik (ST)
OLEH
AGUNG FIRMANSYAH
171730057
PROGRAM..STUDI TEKNIK..INDUSTRI
FAKULTAS.TEKNIK
UNIVERSITAS..BINA..DARMA
PALEMBANG
2021
HALAMAN PERSEMBAHAN
﷽
Alhamdulillah, Segala Puji bagi Allah AWT, yang telah memberikan
segala kemudahan, rezeki sehingga Karya sederhana ini akhirnya dapat
terselesaikan dengan baik.
Persembahan tugas akhir ini dan rasa terima kasih saya ucapkan untuk :
1. Umak dan Bapak Tercinta Sebagai tanda bakti, hormat, dan rasa terima kasih
yang tiada terhingga kupersembahkan karya kecil ini kepada Ibu dan Ayah
yang telah memberikan kasih sayang, segala dukungan, dan cinta kasih yang
tiada terhingga yang tiada mungkin dapat kubalas hanya dengan selembar
kertas yang bertuliskan kata cinta dalam kata persembahan. Semoga ini
menjadi langkah awal untuk membuat Ibu dan Ayah bahagia karna kusadar,
selama ini belum bisa berbuat yang lebih.
2. Teman –teman Teknik Industri Angkatan 2017, dan juga Sahabat Skons
Terima kasih banyak untuk bantuan dan kerja samanya selama ini, serta
semua pihak yg sudah membantu selama penyelesaian Tugas Akhir ini. Dan
juga sahabat-sahabatku di pedamaran terima kasih banyak atas bantuan
materil maupun moril tanpa bantuan kalian skripsi ini tidak dapat
terselesaikan.
3. Kelurga dan juga kerabat terima kasih banyak juga telah memberikan
bantuan materil maupun moril tanpa bantuan kalian skripsi ini juga tidak
dapat terselesaikan.
Semoga Allah Subahana Wa Ta’ala membalas semua dengan pahala-pahala dan
kebaikan didunia terlebih diakhirat.
v
HALAMAN MOTTO
Teruslah kau mencari waktu akan selalu mengobati temukan semua yang terhenti
dalam hidupmu, tak perlu kau sesali hidupkan membuatmu memahami coba
untuk tetap berdiri jalani mimpi.
(Noah – Jalani Mimipi)
Jika engkau mendapatkan cobaan, bahkan cobaan yang berat untukmu terimalah,
Allah SWT mengujimu karna kamu mampu dalam menghadapinya.
(Agung Firmansyah)
vi
SURAT PERNYATAAN
Yang bertanda tangan dibawah ini, saya :
Nama : Agung Firmansyah
NIM : 171730057
Jurusan : Teknik Industri
Fakultas : Teknik
Judul : Perencanaan Produksi Crumb Rubber Pada Industri Karet
Menggunakan Metode Agregat Planning
Dengan ini saya menyatakan bahwa skripsi ini benar-benar karya saya
sendiri. Sepanjang pengetahuan saya tidak terdapat karya yang ditulis atau
diterbitkan orang lain kecuali sebagai acuan atau kutipan dengan mengikuti tata
penulisan karya ilmiah yang lazim.
Palembang, 30 Agustus 2021
Yang Menyatakan,
Agung Firmansyah
NIM. 171730057
vii
KATA PENGANTAR
Puji syukur kepada Allah SWT berkat Rahmat, Hidayah, dan Karunia-Nya kepada
kita semua sehingga Penulis dapat menyelesaikan Proposal Skripsi dengan judul
“Analisa Perencanaan Produksi Crumb Rubber Menggunakan Metode Agregat
Planning”. Proposal...skripsi...ini...disusun....sebagai...salah...satu syarat....untuk
mengerjakan...skripsi pada program..Strata Satu..di Program Studi Teknik
Industri, Fakultas..Teknik Universitas Bina darma Palembang. Penulis..menyadari
dalam..penyusunan..Proposal..Skripsi..ini tidak...akan..selesai tanpa...bantuan dari
berbagai pihak. Karena...itu pada...kesempatan..ini..kami ingin...mengucapkan
terima kasih kepada:
1. Ibu Ch. Desi Kusmindari, S.,T, M.T, selaku Ketua Program Studi Teknik
Industri, Fakultas Teknik Universitas Bina darma Palembang.
2. Ibu Septa Hardini, S.T,.M.T, selaku..dosen..pembimbing terima kasih
atas..bimbingan, saran,..dan..motivasi..yang..diberikan.
3. Segenap Dosen Jurusan Teknik Industri Universitas Bina Darma
Palembang yang telah memberikan ilmunya kepada penulis.
4. Orang..tua, saudara-saudara..kami,...atas...doa,..bimbingan,...serta...kasih
sayang..yang..selalu..tercurah..selama..ini.
5. Keluarga besar Universitas Bina Darma Palembang, khususnya teman-
teman seperjuangan kami di Program Studi Teknik Industri, atas semua
dukungan, semangat, serta kerjasamanya.
Penulis..menyadari...proposal..skripsi..ini..tidak..luput..dari..berbagai..kekuranga.
Penulis..mengharapkan..kritik..dan..saran demi..kesempurnaan dan perbaikannya,
sehingga..Proposal..Skripsi..ini..dapat memberikan manfaat bagi bidang
pendidikan dan penerapan..dilapangan,..serta bisa...dikembangkan..lagi..lebih
lanjut...Amiin.
Palembang, 21 Juni 2021
Agung Firmansyah
viii
DAFTAR..ISI
HALAMAN..JUDUL ............................................................................................... i
HALAMAN PERSETUJUAN.. ............................................................................... ii
HALAMAN PENGESAHAN ................................................................................. iii
LEMBAR PENGESAHAN UJIAN ........................................................................ iv
HALAMAN PERSEMBAHAN ..............................................................................v
HALAMAN MOTTO ............................................................................................. vi
SURAT PERNYATAAN ....................................................................................... vii
KATA.PENGANTAR ............................................................................................ viii
DAFTAR.ISI ........................................................................................................... ix
DAFTAR..GAMBAR ............................................................................................. xii
DAFTAR..TABEL .................................................................................................. xiii
DAFTAR LAMPIRAN ...........................................................................................xv
ABSTRAK ............................................................................................................. xvi
ABSTRACT ............................................................................................................ xvii
BAB..I PENDAHULUAN ........................................................................................1
1.1 Latar..Belakang .........................................................................................1
1.2 Perumusan..Masalah .................................................................................3
1.3 Batasan..Masalah ......................................................................................4
1.4 Tujuan..Penelitian .....................................................................................4
1.5 Manfaat..Penelitian ...................................................................................5
1.6 Keaslian Penelitian ..................................................................................5
BAB II..TINJAUAN PUSTAKA ..............................................................................7
2.1 Crumb Rubber .........................................................................................7
2.2 Peramalan (Forcasting) ...........................................................................9
2.2.1 Tahap-tahap..Peramalan ...................................................................11
2.2.2 Metode-Metode Peramalan ..............................................................13
2.2.3 Ukuran Akurasi Peramalan ..............................................................16
2.3 Agregat Planning ....................................................................................19
2.3.1 Strategi Agregat Planning ...............................................................20
ix
2.3.2 Biaya – Biaya Agregat Planning .....................................................23
2.4 Penelitian Terdahulu ...............................................................................26
BAB III METODE PENELITIAN ..........................................................................28
3.1 Ruang Lingkup .......................................................................................28
3.2 Lokasi Peneltian ......................................................................................28
3.3 Metode Pengumpulan Data .....................................................................28
3.4 Metode Pengolahan Data ........................................................................30
3.5 Bagan Alir Penelitian ..............................................................................31
BAB IV HASIL DAN PEMBAHASAN ................................................................32
4.1 Pengumpulan Data ..................................................................................32
4.1.1 Data Permintaan Produk PT. Sri Trang Lingga Indonesia .............32
4.1.2 Data Produksi SIR 20 PT. Sri Trang Lingga Indonesia ..................33
4.2 Pengolahan Data .....................................................................................34
4.2.1 Peramalan Permintaan Produk Karet SIR 20 (Crumb Rubber) ......34
4.2.1.1 Moving Average (MA) ..........................................................36
4.2.1.2 Weighted Moving Average (WMA) .....................................39
4.2.1.3 Single Exponential Smoothing (SES) ....................................42
4.2.1.4 Linear Regression (LR) ........................................................45
4.2.1.5 Rekapitulasi Hasil Perhitungan MAD ..................................49
4.2.2 Verifikasi Menggunakan Peta Moving Range ................................50
4.2.3 Agregat Planning ............................................................................53
4.2.3.1 Chase Strategy (CS) ..............................................................55
4.2.3.2 Level Strategy (LS) ...............................................................59
4.2.3.3 Mixed Strategy (MS) .............................................................64
4.2.3.4 Perencanaan Agregat Variasi Tingkat Sub Kontrak .............69
4.3 Analisis Hasil ..........................................................................................73
4.3.1 Pemilihan Metode Peramalan (Berdasarkan Error) ........................73
4.3.2 Analisis terhadap Hasil Peramalan .................................................74
4.3.3 Uji Verifikasi Peramalan ................................................................75
4.3.4 Analisis Metode Chase Strategy .....................................................75
4.3.5 Analisis Metode Level Strategy ......................................................76
4.3.6 Analisis Metode Mixed Strategy .....................................................76
x
4.3.7 Analisis Variasi Tingkat Subkontrak ..............................................76
4.3 8 Analisis Perhitungan Biaya ............................................................77
BAB V KESIMPULAN DAN SARAN ..................................................................79
5.1 Kesimpulan .............................................................................................79
5.2 Saran .......................................................................................................80
DAFTAR PUSTAKA .............................................................................................81
LAMPIRAN
xi
DAFTAR GAMBAR
Gambar 2.1 Pola Horizontal ....................................................................................11

Gambar 2.2 Pola Musiman ......................................................................................12
Gambar 2.3 Pola Siklis ............................................................................................12
Gambar 2.4 Pola Trend ...........................................................................................13
Gambar 3.1 Bagan Alir Penelitian ..........................................................................32
Gambar 4.1 Plot Permintaan Produk Karet SIR 20, Tahun 2020 ...........................33
Gambar 4.2 Spesifikasi Peramalan .........................................................................35
Gambar 4.3 Tabel Data Permintaan ........................................................................35
Gambar 4.4 Metode Moving Average .....................................................................36
Gambar 4.5 Hasil Detail Forcasting Moving Average ...........................................37
Gambar 4.6 Garph Moving Average .......................................................................37
Gambar 4.7 Metode Weighted Moving Average .....................................................39
Gambar 4.8 Hasil Detail Forcasting Weighted Moving Average ...........................40
Gambar 4.10 Metode Single Exponential Smoothing (SES) ...................................42
Gambar 4.11 Hasil Detail Forcasting Single Exponential Smoothing (SES) .........43
Gambar 4.12 Graph Single Exponential Smoothing ...............................................43
Gambar 4.13 Metode Linear Regression (LR) .......................................................45
Gambar 4.14 Hasil Detail Forcasting Linear Regression ......................................46
Gambar 4.15 Graph Linear Regression ..................................................................46
Gambar 4.16 Grafik Hasil Peramalan dan Permintaan ...........................................50
Gambar 4.17 Grafik Verifikasi Error ......................................................................52
Gambar 4.18 Grafik Verifikasi Error ......................................................................75
Gambar 4. 19 Plot Data Produksi (Chase Strategy) ................................................78
xii
DAFTAR TABEL
Tabel 1.1 Data Permintaan Produk Crumb Rubber SIR 20 Tahun 2020 .................2
Tabel 2.1 Penelitian Terdahulu ...............................................................................26
Tabel 4.1 Data Permintaan Produk SIR 20, Tahun 2020 ........................................32
Tabel 4.2 Data Produksi Produk Karet SIR 20, Tahun 2020 ..................................33
Tabel 4.3 Peramalan Moving Average ....................................................................38
Tabel 4.4 Peramalan WMA 3-bulanan ....................................................................41
Tabel 4.5 Peramalan Metode Single Exponential Smoothing .................................44
Tabel 4.6 Perhitungan Regresi Linier .....................................................................47
Tabel 4.7 Hasil Peramalan Linear Regression ........................................................48
Tabel 4.8 Rakapitulasi Hasil Perhitungan MAD ....................................................49
Tabel 4.9 Hasil Peramalan Metode LR ...................................................................49
Tabel 4.10 Data Peramalan Metode Linear Regression ..........................................51
Tabel 4.11 Hasil Peramalan Produk SIR 20 Tahun 2021 .......................................53
Tabel 4.12 Data Produksi Produk Karet SIR 20, Tahun 2020 ................................54
Tabel 4.13 Perhitungan Produksi SIR 20 Tahun 2021 ............................................56
Tabel 4.14 Perhitungan Kebutuhan Pekerja ............................................................57
Tabel 4.15 Perhitungan Biaya Produksi SIR 20 Tahun 2021 Chase Strategy ........58
Tabel 4.16 Mesin Produksi SIR 20 .........................................................................59
Tabel 4.17 Perhitungan Produksi SIR 20 Tahun 2021 (LS) ...................................60
Tabel 4.18 Perhitungan Produksi SIR 20 Tahun 2021 (LS) ...................................62
Tabel 4.19 Perhitungan Biaya Produksi SIR 20 Tahun 2021 (LS) .........................63
Tabel 4.21 Perhitungan Produksi SIR 20 Tahun 2021 (MS) ..................................65
Tabel 4.22 Perhitungan Produksi Produk SIR 20 Tahun 2021 (MS) ......................67
Tabel 4.23 Perhitungan Biaya Produksi SIR 20 Tahun 2021 (MS) ........................68
Tabel 4.25 Perhitungan Produksi Sub Kontrak .......................................................70
Tabel 4.26 Total Biaya Variasi Sub Kontrak ..........................................................71
Tabel 4.28 Biaya Penyusutan Mesin .......................................................................73
xiii
Tabel 4.29 Rakapitulasi Hasil Perhitungan MAD ..................................................74
Tabel 4.30 Peramalan Metode Linear Regression With Time (LR) ........................74
Tabel 4.31 Perhitungan Biaya .................................................................................77
xiv
DAFTAR LAMPIRAN
Lampiran 1 Data Produksi PT. Sri Trang Lingga Indonesia Tahun 2020 ..............82
Lampiran 2 Lembar Acc Judul Skripsi ...................................................................83
Lampiran 3 Lembar Bimbingan Proposal Skripsi ...................................................84
Lampiran 4 Lembar Perbaikan Proposal Skripsi ....................................................86
Lampiran 5 Surat Keterangan Lulus Ujian Seminar Proposal ................................87
Lampiran 6 Lembar Bimbingan Skripsi ..................................................................88
Lampiran 7 Lembar Perbaikan Skripsi ...................................................................89
Lampiran 8 Surat Keterangan Lulus Ujian Seminar Komprehensif .......................90
Lampiran 9 Surat Balasan Penelitian ......................................................................91
Lampiran 10 SK Pembimbing .................................................................................92
Lampiran 11 Hasil Turnitin .....................................................................................93
Lampiran 12 Naskah Publikasi ...............................................................................95
Lampiran 13 Bukti Upload Naskah Publikasi ........................................................107
xv
ABSTRAK
Seiring perkembangan teknologi di era globalisasi sekarang ini telah

banyak mengubah sebuah sistem dalam sebuah industri, baik industri jasa maupun
industri manufaktur. Belum terpenuhinya permintaan produksi karet remah
(crumb rubber) ini, mengakibatkan dan berdampak pada keberlangsungan usaha,
perusahaan sulit melakukakan penawaran pada konsumen sehingga
mengakibatkan berkurangnya pelanggan atau konsumen jika terus – terusan tidak
terpenuhinya jumlah permintaan. Maka untuk menjamin terpenuhinya dibutuhkan
perencanaan produksi yang tepat, langkah yang dibutuhkan PT. Sri Trang Lingga
Indonesia untuk merencanakan produksi crumb rubber pada tahun 2021, salah
satunya yaitu dengan melakukan Peramalan Produksi berdasarkan data
permintaan produk masa lalu, dan diapatkan hasill peramalan terbaik menggnakan
metode Linear Regression dengan nilai MAD 853,5767, dan diteruskan
melakukan analisis perencanaan produksi dengan metode agregat planning, yang
didaptkan hasil bahwa meode terbaik menngunakan metode chase strategy
dengan biaya terkecil sebesar Rp. 4.570.328.470.
Kata Kunci: Peramalan, agregat planning, dan crumb rubber
xvi
ABSTRACT
Along with the development of technology in the current era of

globalization, it has changed a system in an industry, both the service industry
and the manufacturing industry. This demand for crumb rubber has not been
fulfilled, resulting in and having an impact on business continuity, it is difficult for
companies to make offers to consumers, resulting in reduced customers or
consumers if the number of requests continues to be unfulfilled. So to ensure the
fulfillment of proper production planning is needed, the steps needed by PT. Sri
Trang Lingga Indonesia to plan the production of crumb rubber in 2021, one of
which is by conducting Production Forecasting based on past product demand
data, and obtaining the best forecasting results using the Linear Regression
method with a value of MAD 853.5767, and continuing to perform production
planning analysis with Aggregate Planning method, the result is that the best
method uses the chase strategy method with the smallest cost of Rp.
4,570,328,470.
Keywords: Forcasting, aggregate planning, and crumb rubber
xvii
BAB I
PENDAHULUAN
1.1 Latar Belakang
Seiring perkembangan teknologi di era globalisasi sekarang ini telah
banyak mengubah sebuah sistem dalam sebuah industri, baik industri jasa maupun
industri manufaktur. Sebuah industri manufaktur dituntut untuk terus terpacu guna
miningkatkan kinerja secara terus- menerus untuk mengahadapi persaingan
dipasar global, salah satunya di bagian produksi. Bagian produksi merupakan
suatu bagian yang penting pada sebuah industri manufaktur, dikarenakan pada
bagian inilah suatu proses produksi terjadi atau seubuah proses pengolahan bahan
mentahnya yaitu sebagai bahan baku kemudian menjadi barang setengah jadi atau
sudah siap dipakai. Dalam suatu kinerja pada bagian produksi harus semaksimal
mungkin melakukan perencanaan produksi yang tepat, guna untuk memenuhi dan
juga menjamin setiap permintaan suatu produk dari setiap pelanggan.
Keberhasilan maupun kegagalan suatu industri manufaktur, dalam
melakukan sebuah perencanaan produksi terkait pemenuhan permintaan akan
produk, merupakan suatu tanggung jawab utama pada bagian produksi. Dalam
memenuhi permintaan akan produk dibutuhkan suatu perencanaan produksi yang
tepat, dan beberapa cara yang mungkin dilakukan salah satunya adalah dengan
melakukan peramalan produksi berdasarkan data permintaan masa lalu sebuah
produk dan selanjutnya melakukan analisis perencanaan produksi.
PT . Sri Trang Lingga Indonesia merupakan sebuah perusahaan yang

S T in r n an ti
bergerak dalami bidang industri pengolahan karet dari Bahan Olah Karet
an al a a g
1
2
(BOKAR ) atau slabs diubah menjadi barang setengah jadi yang berupa crumb
A r a kan an an
rubber atau Kareta Remah jenis (SIR) Standar Indonesia Rubber 10 dan 20 yang
ing an A d n T 1 1 ti
kemudian hasilk produksinya hampir 100% di ekspor keluar negeri lalu diolah
an n 1 t an a
kembali menjadik barang jadi, dan bertujuan untuk mengembangkan industri

an g mu per
karet Indonesia.
a
Pada awal berdirinya perusahaan ini, total kapasitas awal yang diperoleh
yaitu sebesar 6.000 ton pertahun kemudian diekspansi atau menambah total
produksi menjadi 9.000 ton pada tahun 2010. Pada tahun 2020 permintaan
0 t 2
produksi karet remah (crumb rubber), pada PT. Sri Trang Lingga Indonesia yaitu
a u S i in r n
sebesar 54533 ton, sedangkan menurut data perusahaan kapasitas yang tersedia
tahun 2020 yaitu sebesar 19.000 – 25.000 ton per tahun. Berikut adalah data
permintaan produk crumb rubber SIR 20 Tahun 2020.
Tabel. 1.1 Data Permintaan Produk Crumb Rubber SIR 20 Tahun 2020.
Demand 2020
No Bulan Demand (Ton) Kapasitas
Tersedia (Ton)
1 Januarii 4319 1859
2 Februarii 4692 1358
3 Marett 5479 779
4 Aprill 4963 2113
5 Meii 1959 2323
6 Junii 3272 2110
7 Julii 5854 1912
8 Agustuss 5882 1562
9 Septemberr 5229 2161
10 Oktoberr 3951 2643
11 Novemberr 4813 1963
12 Desemberr 4120 2735
Total 54533 23.518
Sumber: Dokumentasi Bagian Produksi PT. Sri Trang Lingga Indonesia Tahun 2020
3
Belum terpenuhinya permintaan produksi karet remah (crumb rubber) ini,
mengakibatkan dan berdampak pada keberlangsungan usaha, perusahaan sulit
melakukakan penawaran pada konsumen sehingga mengakibatkan berkurangnya
pelanggan atau konsumen jika terus – terusan tidak terpenuhinya jumlah
permintaan. Maka untuk menjamin terpenuhinya dibutuhkan perencanaan
produksi yang tepat. Langkah yang dibutuhkan PT. Sri Trang Lingga Indonesia
untuk merencanakan produksi crumb rubber pada tahun 2021, salah satunya yaitu
dengan melakukan Peramalan Produksi berdasarkan data permintaan produk masa
lalu, dan diteruskan melakukan analisis perencanaan produksi dengan metode
Agregat Planning.
Berdasarkan Latar Belakang tersebut penulis akan melakukan penelitian
dengan judul “Perencanaan Produksi Crumb Rubber Pada Industri Karet
Menggunakan Metode Agregat Planning” (Studi Kasus Pada PT. Sri Trang
Lingga Indonesia).
1.2 Perumusan Masalah
Berdasarkan va latar a belakang an ti yang telah

t diuraikan
ti diatas, maka
permasalahan yang dapat penulis rumuskan dalam penelitian ini adalah,

ku ti in pe an ku l t
bagaimana perencanaan produksi crumb rubber untuk periode satu tahun kedepan
melalui peramalan produksi berdasarkan data permintaan masa lalu produk
crumb rubber.
4
1.3 Batasan Masalahanyaa

nya
Supaya dalam penyusunan skripsi ini sesuai dengan tujuan yang ingin
t i i k n a ti d
dicapai dan tidak meluas, maka perlu diberikan batasan masalah adapun batasan-
n il s n s a g i ti per
batasan masalahnya adalah sebagai berikut:

pe i n
1. Penelitian ini akan melakukan analisis perencanaan produksi dengan

ku
metode Agregat Planning, yaitu dengan melakukan perhitungan kasar
terhadap biaya produksi SIR 20.
2. Data acuan penelitian ini adalah hasil dokumentasi data historis
permintaan produk SIR 20 tahun 2020 yang didapatkan dari bagian
produksi PT. Sri Trang Lingga Indonesia.
1.4 Tujuan Penelitian

g nya
Berdasarkan latar ..belakang .dan .perumusan masalah yang.telah diuraikan

pe an an il nya ra ti
diatas, maka tujuan yang ingin dicapai dalam penelitian ini adalah sebagai berikut:
1. Mengetahui hasil..peramalan produksi terbaik metode moving average,
weighted moving average, single exponential smoothing, dan linear
regression dengan memilih eror MAD terkecil.
2. Mengetahui rencana produksi SIR 20 untuk periode satu tahun kedepan
dari hasil peramalan terbaik metode Time Series Forcasting.
3. Mengetahui dan menentukan perencanaan produksi terbaik menggunakan
metode Agregat Planning yaitu chase strategy, level strategy, mixed
strategy dan variasi tingkat subkontrak.

5
1.5 Manfaat Penelitiannya

kan
Penulis ...mengharapkan..penelitian . yang..dilakukan...pada PT. Sri Trang

an ku ti t S
Lingga Indonesia memberikan manfaat, diantaranya adalah sebagai berikut:
1. Bagi penulis, sebagai sarana untuk memperluas wawasan mengenai
perencaan produski melalui peramalan produksi berdasarkan data
permintaan produk masa lalu dan menganalisis perencaan produksi.
2. Bagi Perusahaan, hasil penelitian ini diharapkan dapat menjadi bahan
pertimbangan untuk meningkatkan dan mempertahankan proses produksi
yang telah ada untuk mendorong tercapainya tujuan secara keseluruhan.
1.6 Keaslian Penelitian
Penelitian tentang Perencanaan Produksi mengunakan Metode Agregat
Planning telah banyak dilakukan sebelumnya, peneliti yakin tidak ada penelitian
yang memiliki judul yang sama dengan penelitian saya, tapi mungkin ada
penelitian serupa dengan penelitian yg ditulis oleh peneliti, antara lain:
1. Debi, (2018). Jurusan Teknik Industri Universitas Bina Darma Palembang,
yang meneliti “Perencanaan dan Pengendalian Produksi Minyak Kelapa
Sawit Menggunakan Agregat Planning”. Hasil penelitian ini
menyimpulkan bahwa, tindakan yang diperlukan untuk memenuhi biaya
pengeluaran..perusahaan apabila suatu permintaan..akan melebihi..jumlah
kapasitas produksi,,dapat..menggunakan..metode overtime. Metode ini
ialah metode..Agregat..Planning..heuristik yang optimal dari metode lain
dengan..total biaya terkecil.

6
2. Fristha Ayu, (2020). Jurusan Teknik Industri Universitas Al-Azhar
Indonesia, yang meneliti “Analisis Perencanaan Produksi pada PT.
Amstrong Industri Indonesia Dengan Metode Forcasting dan Agregat
Planning”. Hasil penelitian ini menyimpulkan bahwa dalam pengolahan
data yang dilakukan untuk strategi perencanaan agregat yang terpilih
adalah menggunakan Chase Strategy dan Level Strategy dengan total biaya
terendah dibandingkan dengan strategi lainnya (Mixed Strategy).
3. Amri, (2013). Jurusan Teknik Industri Universitas Malikussaleh, Aceh-
Indonseia, yang meneliti “Perencanaan Pengendalian Produksi Air Minum
Dalam Kemasan Menggunakan Metode Aggregate Planning”. Pada
penelitian ini, Perencanaan Agregat menggunakan metode Heuristik,
antara lain : Metode Pengendalian tenaga kerja, Metode Pengendalian Sub
Kontrak, dan Metoda Campuran dengan Overtime.

BAB II
TINJAUAN PUSTAKA
2.1 Crumb Rubber
Crumb rubber adalah karet kering yang suatu proses pengolahannya
melalui tahap peremahan atau di potong kecil-kecil. Bahan baku crumb rubber
berasal dari lateks yang kemudian diolah dengan koagulum, yaitu campuran untuk
menetukan kondisi pengumpalan dan mutu karet yang akan dihasilkan, dan lump
yaitu gumpalan karet dari dalam mangkok sadap atau penampung lain yang
diproses dengan cara pengumpalan dengan asam semut, atau bahan pengumpal
lain dan juga pengumpalan alami. Dari bahan baku olahan crumb rubber
bahan..baku..yang..paling banyak adalah..lump, itu karena...pengolahan..crumb
rubber tujuannya..untuk menjadikan bahan..baku mutuh rendah..lebih berkualitas,
dan akan menjadi sebuah produk...yang...lebih...bermutu. Untuk
menetapkan...mutu dipilih berdasarkan...sifat-sifat teknis,..warna, dan penilaian
visual yang juga menjadi..dasar untuk menentukan kelas..mutu..pada..jenis..karet
crepe,..sheet, dan juga lateks..pekat dan tidak..berlaku..untuk jenis crumb.rubber.
Crumb..rubber dikemas dalam bongka kecil, mempunyai berat dan ukuran
yang seragam (Anonim, 2011). Hasil olah crumb rubber banyak dikenal dengan
nama SIR 5, SIR 10, dan SIR 20. Perbedaan dari ketiga jenis crumb rubber ini
adalah pada standar spesifikasi mutu kadar kotoran, kadar abu dan kadar zat
menguap, yang sesuai dengan Standar Indonesia Rubber. Beberapa pihak
pengelolah karet alam di indonesi akhirnya mengupayakan perbaikan pada mutu
7
8
karet alam, dengan membuat bahan karet yang telah diketahui sifat-sifat teknisnya
(Anonim, 2011). Berkut ini adalah tahap – tahap pengelolahan crumb rubber:
1. Peremahan
Kompo atau pupuk organik pertama dilakukan penuntasan selama 10-15
hari, kompo yang telah dilakukan penuntasan, selanjutnya diremahkan dan
dimasukan ke dalam granulator. Proses ini bertujuan untuk mendapatkan
hasil remahan yang selanjutnnya dilakukan proses pengeringan.
Peremahan ini menghasilkan sifat mudah..dikeringkan..sehingga dapat
mencapai kapasitas..produksi..yang..jauh..lebih.tinggi dan hasil
kematangan..remah..yang..sempurna.
2. Pengeringanmmm
Pupuk organik yangg telah selesai mengalamii proses peremahan,..lalu
dikeringkan. menggunakan dryer...selama lebih kurang 3 jam. Waktu
optimal untuk pemasukan kotak pengering ke dalam dryer yaitu sekitar
12..menit..sekali,..suhu..pengering.122OC..untuk..bahan..baku.kompo,.dan
untuk proses..WF suhunya yaitu 120O. Proses pengeringan ini dilakukan
untuk mengurangi kadar air sampai optimal agar terhindar dari berbagai
serangan serangga dan juga ,mikrobiologis,..enzimatis..dan..hidrolis.
Faktor..yang..dapat..mempengaruhi hasil proses pengeringan ini faktor
dilihat dari lamanya..penuntasan,..ketinggian..remahan,..suhu,..dan..berapa
lama..pengeringan.
9
3. Pengepresannmmm
Pengepresan..merupakan..pembentukan..bandela..dari..remah..karet..kering
Bahan..yang sudah dilakukan pengerinagn selanjutnya..ditimbang..seberat
35.kg/bandela..yang kemudian dikemas dalam kemasan SW. Setelah itu
produk dilakukan pengepresan..menggunakan..mesin..press...bandela.
Ukuran..hasil..pengepresan yaitu 60.x.30 x.17.cm.
4. Pembungkusan.dan.Pengepakansjhsjh
Pembungkusan...bertujuan...untuk...menghindari...penyerapan..uap.air dari
lingkungann.sekitar serta..bebas akan..kontaminan..lain. Setelah produk
selesai dilakukan proses pengepresan, kemudian produk..disimpan..diatas
mejaa.alumunium..untuk..penyortiran...dengan...menggunakan. pengutip.
Setelah..itu..produk..dibungkus...dengan menggunakan..plastik..transparan
dengan..tebal..0,03..mm..dan..titik..leleh...108OC. Tahap terakhir
yaitu..bandela..yang..telah..dibungkus,..kemudian..dimasukkan..dalam.peti
kemas dan disusun..saling..mengunci.
2.2 Peramalan (Forecasting)
Forecasting/peramalan adalah memprediksi,....memproyeksikan,...atau
mengadakan....perkiraaan/taksirannterhadappbeberapa..kemungkinan..yang.terjadi
sebelummsebuah..rancana..yang.lebih pasti akanndilakukan. Hal ini bisa
dilakukan...dengan...melibatkan...pengambilan...data...masa lalu dannselanjutnya
diproyeksikan ke..masa..mendatang..dengan..suatu..bentuk..model.matematis. Hal
ini..juga..merupakan prediksi..intuisi..yang..bersifat..subjektif.dan.dapat.dilakukan
10
dengan...menggunakan...kombinasi...model...matematis..yang..disesuakan..dengan
pertimbangan..yang..baik..dari..seorang..manager...Pendekatan dibagi menjadi dua
agar dapat melakukan suatu..peramalan..yaitu..dengan..pendekatan..kualitatif.dan
pendekatan.kuantitatif....Metode...peramalan...kualitatif....digunakan..ketika.data..
historis...tidak....tersedia......Metode..Peramalan..Kualitatif.....merupakan..metode.
subyektif..(intuitif). Intuitif...didasarkan...pada...informasi.kualitatif informasi.ini
bisa..memprediksimkejadianmdimmasamyangqakanLdatang.m(Materi,,,Statistika,
UGM) (Makridakis, 1999).
Peramalan...Kuantitatif...dibagi....menjadi....dua.....tipe.....metode,......yaitu
CausalodanyTimejSeries. MetodekCausala.didalamnya terdapatiii.faktori-.faktori
yang...berhubungan...dengan...sebuah variabelu.yang sama, sepertihhasil
analsisaregresi. TimerSeriesemerupakano.metode...kuantitatiforbergunalahseuntuk
menganalisisodata masaklalu yanguselesai dikumpulkan...menggunakanooteknik
yangissesuai. Kemudian hasilnyaodijadikanlapedoman untuko peramalana.pada
masalayangorakandi.datang (Makridakis,s1999). Penggunaan beberapa motode
Peramalan ini akan menghasilkan suatu nilai ramalan yang akan berbeda, dan
(ForecastidError)...yang juga berbeda....Dalamxb.melakukan speramalan dalam
memilihki model peramalanituterbaik harus memilih model yangoi.dapat
mengidentifikasisi dani menanggapisi pola aktivitasis masal lalui dari sebuah.data.
Macam-macam Modelisperamalanosini akan dikelompokanu menjadi dua
kelompokistutama, yaiturimetodekiskualitatifisdanmemetodepekuantitatif.
11
2.2.1 Tahap – Tahap Peramalan
Dalam melakukanpeperamalanixharus berdasarkan analisisnyaq padatpola
datar yang dada. Berikut tempat polas datar yang biasa ditemuirdidalami
peramalank?(Materil eStatistika,SUGM):
1. Pola Horizontal
Polari ini akan terjadi..apabila datar berfluktuasir diasekitararerata-
ratanyar dan juga produksitiyang hasil penjualannyaretidaks..meningkat
dan menurunikeselamainiwaktumutertentur juga termasukim.dalam(jenis
ini. Strukturis datanyam dapat digambarkana sebagain rberikut.

Data Permintaan
Dada Bulan
Sumber: Faried Pradhana, 2012
Gambar 2.1 Pola Horizontal
2. Pola Musiman
Jika pola musiman dipengaruhi oleh faktor musiman (misalnya kuartal
tahun tertentu, bulanan atau hari-hari pada minggu tertentu), maka pola
musiman akan terjadi. Struktur data pola inididapatidandigambarkan
sebagain berikutirini.
12
Data Permintaan
Dada Bulan
Gambar 2.2.3PolarMusiman
3. Pola Siklisisasi
Polar.inir bisa terjadis apabila datardipengaruhilolehabefluktuasi
ekonomix jangkar panjang, sepertiga yang berhubungantudenganisiklus
bisnis. Struktur datanyah dapati digambarkan sebagai berikut.

ber kan ini
Data Permintaan
Dada Bulan
Gambar 2.3 PolarSiklisis
4. Pola Trending
Pola Trending akan terjadikanapabila adat suatuperkenaikan ataupun
penurunani sekuleri dalam jangkar panjang pada adata. Strukturi data
pola trend dapati digambarkanlosebagaimberikut.

13
Data Permintaan
Dada Bulan
Gambar 2.4 Pola Trend
2.2.2 Metode – Metode Peramalanisasi
Models peramaln kuantitatif intrinsika juga disebuti sebagain models deret

is
waktus (Timer Seriesa Model). Models dereti waktur yango paling populers dan
umumar diterapkan padaperperamalan permintaansadalah rata-ratatidakbergerak
(MovingerAverages), pemulusanueksponensialo (ExponentialceSmoothing), dan
proyeksik kecenderungan (TrendssProjection). Models ini juga seringkudisebut
sebagainmodelaskausal, dani yangobanyakin digunakanlahadalah modelsregresi
(RegressionshipCausalu.model) (Gaspersz,11998). Model deret berkala dapat
digunakan dengan mudah untuk peramalan suatu permintaan, sedangkan model
kausal lebih berhasil dalam pengambilan sebuah keputusan dan kebijakan.
1. Moving Average (MA)
Rata-rata bergerak (moving average) untuk t periode adalah rata-rata dari k
data terbaru, dimana nilai konstan k ditentukan diawal ketika melakukan
peramalan. Metode peramalan moving average (MA) merupakan
pengembangan dari metode rata-rata yang menggunakan sejumlah data
aktual permintaan yang baru untuk membangkitkan nilai ramalan dimasa

14
yang akan datang. Metode ini efektif diterapkan apabila dapat
mengasumsikan permintaan akan tetap stabil sepanjang waktu (Gasperz,
2005). Suatu moving range dengan order k, MA(k) adalah nilai k data
berurutan seperti berikut (Makridakis dkk, 2003).
1
𝐹𝑡 ̂ = ∑𝑡𝑖=𝑡−𝑘 𝑥𝑖
= 𝑥𝑡
𝑘
(𝑋𝑡−1 + 𝑋𝑡−2 + 𝑋𝑡−3 +⋯ + 𝑋𝑡−𝑘 )

𝐹𝑡 =
𝑘
Maka untuk 𝐹𝑡−1 ,
1
𝐹𝑡+1 = 𝑋𝑡+1 = ∑𝑡𝑖=𝑡−𝑘+1 𝑥𝑖
𝑘
(𝑋𝑡−1 + 𝑋𝑡−2 + 𝑋𝑡−3 +⋯ + 𝑋𝑡−𝑘+1 )

𝐹𝑡+1 =
𝑘
2. Weight MovingerAverages (WMA)

hs . is
Penggunaan smodel rerata-rata bergerak dengan in me menggunakan datar
aktuals.permintaan yang ..barusanuntukitumembangkitkansenilai peramalan

oa
pada..permintaani..diamasal yango.akano.datang. Agar2metodel rata-rata se
bergerakinefektifi diterapkan permintaan pasari terhadapi produk harus

la ku si
stabilo sepanjangisewaktu. Metodelrerata-rata bergerakindibagi menjadi
dua, yaitu tidaklahberbobotih(UnweightisMovingerAverages) danrerata-
ratainbobotohbergerakin(WeighterMovingsAverages).Model.rata-rata.bobot
bergerak lebih cepat...terhadapin.sebuahperperubahan, dikarenakan
datar...periodeo barus biasanyakanakani diberikanbobot oh lebiha...besar.
Rumusanrata-rata bobotohbergeraki yaitu sebagainberikut.

15
∑(𝑝𝑒𝑚𝑏𝑜𝑏𝑜𝑡 𝑢𝑛𝑡𝑢𝑘 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑛)(𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑎𝑘𝑡𝑢𝑎𝑙 𝑑𝑎𝑙𝑎𝑚 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑛)

WMA (n) = 2.1
∑(𝑝𝑒𝑚𝑏𝑜𝑏𝑜𝑡)
3. Singler Exponentiali Smoothing (SES) er
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.
Ft = Ft - 1 + 𝛼(At – 1 - Ft – 1) ........................................................ 2.2
Permasalahan umum yang dihadapi apabila menggunakan model
pemulusan eksponensial adalah memiliki konstanta pemulusan (𝛼) yang
diperkirakan tepat. Nilai konstanta pemulusan dipilih diantara 0 dan 1
karena berlaku 0 < 𝛼 < 1, apabila pola historis dari data aktual permintaan
sangat bergejolak atau tidak stabil dari waktu ke waktu maka nilai 𝛼 yanng
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 menndekati nol (Gaspersz, 1998).
4. Regresi Linierisais
kan
Regresi Linier merupakan suaturametodel yang juga populeri untuk

kan is as i di
berbagai macam permasalahan. Menuruti (Harding,21974), dua variabel

2 t
yangodigunakan, variabel xr dan variabelpy, diasumsikan memilikinkaitan lah

16
satu dengan yang lain dan bersifati linier. Rumus perhitungan Regresi
an ka n ku an
Linier yaitu sebagai berikut.

is a
ŷ = a + bx ..................................................................... 2.3
n
∑𝑦−𝑏∑𝑥
a= ................................................................... 2.4
𝑛
𝑛.∑𝑥𝑦−∑𝑥.∑𝑦
b= ............................................................. 2.5
𝑛.∑𝑥 2 − (∑𝑥)2
∑𝑥
̅
X = ............................................................................. 2.6
𝑛
̅ = ∑𝑦......................................................................................... 2.7
Y
𝑛
Keterangan : kan
Ys= Hasil Peramalanisasi kan
ns = Perioderi
as = Perpotongani dengan sumbuh tegakkan
bs = Menyatakan slope atau kemiringan garis regresikan nia ik
2.2.3 Ukuran2Akurasis.Peramalanissasi
Models peramalan yang ...telah selesai dilakukan selanjutnya divalidasi

se o o ti
dengan menggunakan berbagai indikator. Indikatorr.yang sering idigunakani

me r o
adalah rata-rata penyimpangan..absolut (Mean Absoluter. Deviation), rata-rata

a ri re er ing a re
kuadrat terkecil (Mean SquareoError), rata-rata persentase ..kesalahaniniabsolut

in kan ing re tu
(Mean AbsoluterPercentager Error), validasi peramalan (Tracking Signal), dan uji

ing r kan it u s si
.kestabilan (Moving Range). s er er e l

17
1. Mean AbsolutrDeviation (MAD)

iing ing
Merupakan suatu metode untuk...mengevaluasi peramalan menggunakan l is ais
jumlah an daring kesalahan 2 yang......absolut. MeaningAbsolute

s
Deviationis (MAD) akan mengukuri ketepatan hasil peramalan dengan ini
rata-rata kesalahan dugaan (nilai absolut masing-masing kesalahan).

kan 2 per 2 ing ke
MAD digunakan..untuk mengukur kesalahan hasil peramalan dalam

S i ke per
jumlah yunit yang..sama sebagain.deret asli. Nilai MAD dapat dihitung

an in h -2 S kah
dengar menggunakan rumus sebagai berikut.

ku an be
∑(𝑎𝑏𝑠𝑜𝑙𝑢𝑡 𝑑𝑎𝑟𝑖 𝑓𝑜𝑟𝑐𝑎𝑠𝑡 𝑒𝑟𝑟𝑜𝑟𝑠 )

MAD = ...................................... 2.8
𝑛
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 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.
∑𝑒𝑖 2 ∑(𝑋𝑖−𝐹𝑖)2
MSE = = ............................................................... 2.9
𝑛 𝑛
3. Mean Absolute Percentage Error (MAPE)
Mean Absolute Percentage Error (MAPE) dihitung dengan menggunakan
kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang
18
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 akan
mengindikasi..seberapa besar kesalahan peramalan yang dibandingkan
dengan nilai nyata.
|𝑒𝑖| |𝑋𝑖−𝐹𝑖|
∑ 𝑋𝑖 𝑥 100% ∑ 𝑋𝑖 𝑥 100%
MAPE = = .................................... 2.10
𝑛 𝑛
4. Tracking Signali
su s as i
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.
𝑅𝑆𝐹𝐸
Tracking Signali =
s at s as i ....................................................................... 2.11
𝑀𝐴𝐷
5. Moving Range
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.
BKA = 2,66 x ̅̅̅̅̅

MRB MR = |(F t-1 – A t-1) – (Ft – A t)|
S
19
∑MR
BKB = -2,66 x ̅̅̅̅̅
MR B
̅̅̅̅̅
MR = .........................2.12
n−1
Jika pada hasil perhitungan Moving Range terdapat satu titik yang berada an an pan
diluar batas kendalik padat saatu peramalan diverifikasi , tindakan yang

an an an p kan
harusk dilakuakan adalah menentukan apakah datar harusn diabaikan atau

ah be ya lah
mencari peramal baru, dan harus diselidiki penyebabnya. Jika semuan

kan in ter ka ya
titik beradar didalam batas kendali, diasumsikanp bahwa peramalan

on n ya an ter un s anya pe
permintaan yang dihasilkan tela h cukup baik begitupun sebaliknya, jika nya pun t an an r
terdapat titik yang beradat di luar batas kendali , maka peramalan dapat
in an an an ks n lan
dikatakan kurang baik dan harus direvisi (Gaspersz , 1998). Peta Moving nya ah dan is nya io 1 kah
aRange....berguna untuk melakukan l mu lah ber verifikasi hasil peramalan. Jika al pe r
peta Moving Range menunjukkan adanya keadaan diluar kriteria kendali.

ka sri e l op ku in l per
Hal ini terjadi karena terdapat suatu datar yang tidak ber asal dari sistem
angan ku an kan ng eko
sebab -akibat yang sama dan harus dihapus maka peramalan pun harus
nya nya r il kah nya ku ya
diulang kembali.
2.3 Agregat Planning
Perencanaan Agregat atau sering disebut dengan Aggregat Planning kan g ing per
adalah sebuah prosesi..perencanaan kuantitas dan pengaturan waktu Output

an ku is as i al nya t
( keluaran) untuk jangkar waktun menengah yaitu sekitar 3 bulang hingga 1 tahun.
ke ku ya i an 0 2
Perencanaan ..Agregat ini akan..memberikan suatu gambaran kepada mana jemen

ku ul ku . g . t kah
mengena i kebu tuhan-kebutuhan terhadap variabel produksi seperti , persediaan

l n i ah ku nya
material , tenaga kerja , dan sumber ..daya lainnya..sehingga mengakibatkan biaya

is me an g in t t
operasional dapat dikendalikan sekecil mungkin . Gambaran..kebutuhan tersebut

kan kah ku kah
harus bisa menyajikan jumlah kuantitas ..dan waktu yang dibutuhkan agar suatu ku an is as i il ku nya t
20
proses produksi dapat berjalan dengan lancar sesuai dengan yang telah
re kah nya nya
direncanakan.(Budi Kho, 2018)
Pengertian Perencanaan Agregat yang lain yaitu, Perencanaan Agregat
adalah sebuah penghubung antara perencanaan harian atau penjadwalan dengan
perencanaan jangka panjang. Kegiatan operasional..yang memiliki oleh Agregat per is n tt
Palnning untuk suatu proses produksi dalam jangka waktu 3 sampai 18 bulan ke
ku re r 0 0
depan , dan agar dapat memunculkan ide terhadap ..manajemen seperti berapa
n ya il al an itu be
banyak kuantitas sumber daya material yang akan diproduksi dan juga kapa n
i t ias r il l
harus diproduksi supaya total semua biaya operasional organisasi akan

kah kan h an ber per
tetap ..berada dalam tingkat ..minimum untuk periode tersebut (Si Manis, 2018).
an an um ku an
2.3.1 Strategi Agregat Planning
Secara garis besar ada 4 jenis strategi yang dapat dipilih dalam membuat
Agregat Planning yaitu capacity options (strategy), demand option (strategy), pure
strategy dan mixed strategy. Berikut penjelasan dari masing-masing strategy
(Pinedo,2005):
1. StrategisCapacity ..Options z en
Straregi ini menggunakan....besarnya kapasitasi produksi untuk sebuah re
pilihan dalam membuat Agregat Planning tergantung pada berapa besar
kapasitas produksi yang diminta. Untuk dapat menjalankan Strategi
Capacity z en Options dapat in menngunakan beberapa kah metode s dengan
mengubah tingkat inventory (level production ) atau mengubah suatu

i an s er is ion ing kan
ukuran tenaga kerja dengan hiring/lay off (chase strategy). Chase

g r an i u ial et et
Strategy merupakan sebuah strategi perencanaan agregat dengan

21
melakukan lah penyesuaian nya kapasitas is as i terhadap an permintaan. Output
perencanaan untuk suatur periode dibuat i berdasarkan permintaan yang

ti ku an in ku
diperkirakan padat periode tersebut, sehingga dapat dilakukan perubahan

t
production rate: over time /under time atau menggunakan part time
te ing r gr o s y r
workers . ing
2. Demand Optionsipasion a
Proses perencanaan produksi akan lebih mudah dilakukan jika jumlah

ing rep ol id
permintaan (demand) akan stabil, maka perusahaan jauh lebih siap untuk
dapat menyusun kebutuhan material dan juga tenaga kerja yang harus
i ku me il ks a
dipersiapkan untuk dapat memenuhi jumlah kapasitas produksi yang ar n per re
sesuai dengan permintaan yang telaha ditentukan sebelumnya. Langkah

n se i
yang dapat dilakukan untuk strategi demand options yaitu mempengaruhi lah s a n
permintaan dengan advertensi, promosi, personal selling , discount, s k i ku me
diskriminasi harga atau juga dapat dilakukan backordering atau membuat

ta
pelanggan bisa setuju untuk menunggu terlebih dahulu pengiriman
pesanan berikutnya, apabila terjadi kondisi dimana perusahaan tidak bisa
memenuhi permintaan pelanggan dari persediaan yang sudah ada.
3. Pure Strategy
Pure Strategy hanya melakukan pengubahan terhadap 1 variabel saja.
Variabel tersebut diketahui merupakan variabel dalami perencanaan ion
re produksi yang dapat dikontroli dan juga dapat ditentukan sesuai dengan kah
target produksi yang telahi ditetapkan oleh topi level businessi plan. Ada
in re oi im
22
beberapat kategori variabel yang bisa kita ubah, adalah controllable

b c
(decision) variabel atau inventory, production rate, manpower, kapasitas
(overtime/recruitment/layoff untuk tenaga kerja) dan subcontract.
4. Level Strategy
Level Strategy adalah rencana agregat di mana tingkat produksi tetap dari
periode ke periode selama jangka waktu perencanaan agregat. Strategi
perencanaan produksi dengan tingkat produksi yang konstan dari satu
periode ke periode lainnya yang bertujuan untuk memenuhi rata-rata
permintaan. Kemungkinan ke dua, level strategy ini menggunakan
inventory dari adanya variasi dalam permintaan. Permintaan yang
menurun mengakibatkan kelebihan produksi, maka kelebihan produksi
tersebut disimpan sebagai persediaan untuk digunakan pada saat
permintaan meningkat, sehingga pada strategi ini menimbulkan biaya
simpan yang tinggi.
5. Chase Strategy
Chase Strategy merupakan strategi yang mencoba untuk mencapai tingkat
output untuk setiap periode yang memenuhi prediksi permintaan untuk
periode tersebut. Strategi ini dapat terpenuhi dengan cara merubah tingkat
tenaga kerja dengan mempekerjakan atau PHK, sub-kontrak, penggunaan
lembur, penggunaan pekerja sementara, dll. Strategi ini cocok digunakan
ketika biaya persediaan sangat tinggi. Namun, kebijakan semacam itu
dapat menciptakan keresahan buruh. (Jayakumar dkk., 2017)

23
6. Mixed Strategy
Mixed Strategy yang melibatkan sebuah perubahan pada variabel, apabila
pure strategy tidak fisibel. Kombinasi yang umum digunakan dalam
pengubahan al dari ng beberapa contollable s (decision ) ing variable dapat
menghasilkan sebuah strategis agregat planning yang terbaik dan fisibel an il
untuk nantinya dapat dijalankan. i
Di dalam Aggregate Planning terdapat berbagai macam jenis biaya/cost se ber an
dan berhubungan dengan perencanaannya, diantaranya adalah Hiring/layoff cost

gan i
(biaya..penambahan/pemberhentian ...tenaga...kerja ),
r a r tu Overtime/under time ....cost i.... r
(biaya..lembur/ongkos ..menganggur ), Inventory carrying.cost (biayatPersediaan),

in an s
Subcontractings...incremental cost (biaya Subkontrak ), Part time labor cost

ing tor y r a
(biaya ker ja a an se paruh ku waktu), Backorder incost ing ing (biaya yang...terjadi
akibat ...permintaan pelanggan tidak dapat dipenuhin dari ...persediaan yang... ada
nya g ter an ng ti
dan...pelanggan menyetujui untuk menunggu ..pengiriman ..pesanan..berikutnya),

il n k ia i
dan Stock out cost (biayarkekurangan.. stok/persediaan) (Brandimarte, 1999).

il in g er re
2.3.2 Biaya - Biaya Agregat Planning t
Ongkos-ongkos yang terlibat dalam perencanaan produksi adalah:
1. Hiring Cost (ongkos penambahan tenaga kerja). Penambahan tenaga kerja
menimbulkan ongkos-ongkos training merupakan ongkos yang besar
apabila tenaga kerja yang direkrut adalah tenaga kerja yang belum
berpengalaman karena kita harus melatih dan mentraining mereka dulu.

24
2. Firing Cost (ongkos pemberhentian tenaga kerja). Pemberhentian tenaga
kerja biasanya terjadi karena semakin rendahnya akan produksi yang
dihasilkan oleh suatu perusahaan, sehingga tingkat produksi menurun
dengan drastic. Pemberhentian ini maka perusahaan harus mengeluarkan
uang pesangon bagi karyawan yang akan di PHK, menurunya moral kerja
dan produktivitas karyawan yang masih bekerja dan tekanan yang bersifat
social. Kesemua akibat ini dianggap sebagi ongkos pemberhentian tenaga
kerja yang akan ditanggung perusahaan.
3. Overtime Cost Dan Undertime Cost (ongkos lembur dan ongkos
menganggur). Penggunaan waktu lembur bertujuan untuk meningkatkan
output produksi, tetapi konsekuensinya perusahaan harus mengeluarkan
ongkos tambahan lembur yang biasanya 150% dari ongkos kerja reguler.
Disamping ongkos tersebut, adanya lembur akan memperbesar tingkat
absen karyawan karena capek. Kebalikan dari kondisi diatas adalah bila
perusahaan mempunyai kelebihan tenaga kerja dibandingkan dengan
jumlah tenaga kerja yang dibutuhkan untuk kegiatan produksi. Tenaga
kerja berlebih ini kadang-kadang bisa dialokasikan untuk kegiatan lain
yang produktif meskipun tidak selamanya efektif. Bila tidak dapat
dilakukan alokasi yang efektif, maka perusahaan dianggap menanggung
ongkos menganggur yang besarnya merupakan perkalian antara jumlah
jam kerja yang tidak terpakai dengan tingkat upah dan tunjangan lainnya.
25
4. 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 cost/ holding cost) yang berupa ongkos
tertahannya modal, pajak, asuransi, kerusakan bahan, dan ongkos sewa
gudang. Kebalikan dari kondisi diatas, kebijaksanaan tidak mengadakan
persediaan seolah-olah menguntungkan, tetapi sebenarnya dapat
menimbulkan kerugian dalam bentuk ongkos kehabisan persediaan.
Ongkos kehabisan persediaan ini dihitung berdasarkan berapa permintaan
yang datang tetapi tidak dapat dilayani karena barang yang diminta tidak
tersedia. Kondisi ini pada sistem MTO (Make TO Order = Memproduksi
Berdasarkan Pesanan) akan mengakibatkan jadwal penyerahan order
terlambat, sedangkan pada sistem MTS (Make To Stock = Memproduksi
Untuk Memenuhi Persediaan) akan mengakibatkan beralihnya pelanggan
pada produk lain. Kekecewaan pelanggan karena tidak tersedianya barang
yang diingikan akan diperhitungkan sebagai kerugian bagi perusahaan,
dimana kerugian tersebut akan dikelompokkan sebagai ongkos kehabisan
persediaan. Ongkos kehabisan persediaan ini sama nilainya dengan
ongkos pemesanan kembali bila konsumen masih bersedia menunggu.
5. Subcontract Cost (Ongkos Subkontrak) Pada saat permintaan melebihi
kemampuan kapasitas reguler, biasanya perusahaan mensubkontrakkan
kelebihan permintaan yang tidak bisa ditanganinya sendiri kepada
perusahaan lain. Konsekuensi dari kebijaksanaan ini adalah timbulnya

26
ongkos subkontrak, dimana biasanya ongkos mensubkontrakkan ini lebih
mahal dibandingkan memproduksi sendiri dan adanya resiko terjadinya
kelambatan penyerahan dari kontraktor (Hakim,2008).
2.4 Penelitian Terdahulu
Beberapa penelitian mengenai peramalan permintaan dan analisis
perencanaan produksi pernah dilakukan di berbagai perusahaan. Penelitian
tersebut menunjukan bahwa peramalan permintaan dan analisis perencanaan
produksi dengan model kuantitatif dilakukan pada perusahaan manufaktur yang
memiliki data historis penjualan dengan pola tertentu dan berkelanjutan. Beberapa
penelitian tersebut adalah sebagai berikut:
Tabel 2.1 Penelitian Terdahulu
Judul Penelitian Peneliti Hasil

Perencanaan dan Debi, 2018. Penelitian ini menyimpulkan
Pengendalian Produksi Jurusan Teknik bahwa apabila..permintaan
Minyak Kelapa Sawit Industri melebihi jumlah kapasitas
Menggunakan Agregat Universitas produksi, untuk dapat
Planning Bina Darma meminimalkan biaya
Palembang pengeluaran..perusahaan.dapat
menggunakan metode
overtime. Metode ini
merupakan suatu metode
perencanaan agregat heuristik
terbaik dan semua total biaya
paling terkecil.
27
Lanjutan tabel Tabel 2.1 Penelitian Terdahulu
Analisis Perencanaan Fristha Ayu, Hasil penelitian ini

Produksi pada PT. 2020. Jurusan menyimpulkan bahwa
Amstrong Industri Teknik dalam pengolahan data
Indonesia Dengan Industri yang dilakukan untuk
Metode Forcasting dan Universitas strategi perencanaan
Agregat Planning Al-Azhar agregat yang terpilih
Indonesia adalah menggunakan
Chase Strategy dan Level
Strategy dengan total biaya
terendah dibandingkan
dengan strategi lainnya
(Mixed Strategy).
Perencanaan Amri, 2013. Pada penelitian ini,
Pengendalian Produksi Jurusan Perencanaan Agregat
Air Minum Dalam Teknik menggunakan metode
Kemasan Menggunakan Industri Heuristik, antara lain :
Metode Aggregate Universitas Metode Pengendalian
Planning Malikussaleh, tenaga kerja, Metode
Aceh- Pengendalian Sub Kontrak,
Indonseia dan Metoda Campuran
dengan Overtime.
BAB III
METODE PENELITIAN
3.1 Ruang Lingkup
Setiap penelitian pada dasarnya tidak dapat terhindar terhadap kesalahan

un ku t s in i
dan kekeliruhan, dikarenakan terbatasnya kemampuan peneliti dan ruang lingkup

il per an il an an
penelitian. Penelitian ini dibatasi lingkupnya pada bagian produksi untuk

si t
mendapatkan data masa lalu permintaan produk SIR 20 tahun 2020, data inventori
persediaan produk jadi, dan biaya produksi pengolahan karet, dan subjek
penelitian yaitu hanya karyawan di bagian produksi.
3.2 Lokasi Penelitian
Penelitian ini dilakukan pada Bagian Produksi Perusahaan dan Bagian
Penjualan/Ekspor PT. Sri Trang Lingga Indonesia yang berlokasi di Jln TPA, 2
RT 26, RW29, Keramasan, Kec. Kertapati, Kota Palembang, Sumatera Selatan k i pi
30149, dengan data -data yang mecakup dalam peramalan permintaan dan analisis
r r
perencanaan produksi.
3.3 Metode Pengumpulan Data

l i r
Penelitian ini dilakukan dengan menggunakan metode kuantitatif dan

ku l tin r itas il
kualitatif , dikarenakan dalam pelaksanaannya meliputi data analisis dan

itas i r n r t il
interprestasi tentang arti dan data yang telah dia peroleh. Selain itu juga
k il r ti ni t r
penelitian ini membahas tentang kemungkinan pemecahan masalah yang aktual

a ber an per ti f
dengan mendeskripsikan, mencatat, dan menganalisis kondisi perusahaan.

g i il k
28
29
Sumber data penelitian dibagi menjadi dua, yaitu dengan menggunakan

si r kan l
Data Primer dan data sekunder. Adapun penjelasan data primer adalah sebagai
r i il r
berikut :ny a
1. Data Primer r er
Data primer ada lah data yang pertama kali dicatat dan dikumpulkan oleh
r an r x an il pe
peneliti (Sanusi, 2011). Adapun sumber data primer yang digunakan dalam
h 1 ti si r to di
penelitian ini diperoleh melalui dokumentasi. Teknik dokumentasi yaitu

l
pengambilan data yang diambil dari data yang sudah ada atau data historis
perusahaan. Data yang harus di peroleh dari dokumentasi PT. Sri Trang Lingga
Indonesia yaitu: data masa lalu tahun 2020 permintaan produk olahan karet
atau Crumb Rubber SIR 20, data proses biaya produksi dan inventori sehingga
dapat dilakukan peramalan dan analisis perencanaan produksi dengan strategi
Agregat Planning yaitu Level Strategy , Chase Strategy, Mixed Strategy, dan s
Variasi tingkat subkontrak.
2. Data Sekunder r kkkkkkk kkk
Data sekunder adalah data yang telah tersedia dan dikumpulkan oleh
r an r p il
pihak lain (Sanusi, 2011). Adapun sumber data sekunder yang digunakan
ny a 1
dalam penelitian ini diperoleh melalui :
a. Studi kan per pustaka, yakni penulis melakukan pencarian data yang
la an r
mendukung penellitian dari buku dan jurnal-jurnal teknik industri dan ng s
literatur, referensi yang relevan yang berhubungan dengan metode
Agregat Planning mulai dari peramalan produksi sampai dengan
analisis alkhir perencanaan produksi.

30
b. Studi pustaka juga dilakukan melalui internet untuk mencari referensi
lebeih banyak dan lebih luas mengenai penelitian. Data yang diperoleh
dari browsing di internet mengenai segala aspek Agregat Planning
mulai dari peramalan produksi sampai dengan analisis akhir
perencanaan produksi.
3.4 Metode Pengolahan Datar nya
Setelah data sudah diperoleh, proses selanjutnya yang dilakukan adalah

r i ti me
mengolah data tersebut,

r
1. Metode pengolahan data peramalan produksi dilakukan dengan metode
kuantitatif Time Series Forcasting dan casual diteruskan melakukan
analisis perencanaan produksi dengan strategi Agregat Planning yaitu
Level Strategy , Chase Strategy, Mixed Strategy, dan Variasi tingkat

s
subkontrak.. Metode Time Series menggunakan rumus perhitungan
Moving Average, Weight Moving Average, Linier Regression With Time,
Single Eksponential Smoothing dan Metode Casual menggunakan rumus
perhitungan regresi linier.
2. Pemilihan hasil peramalan terbaik dari metode kuantitatif Time Series
Forcasting menggunakan metode : Mean Absolut Deviation (MAD) dan
Mean Absolute Percentage Error (MAPE).
3. Verifikasi data hasil peramalan menggunakan metode Moving Range.
4. Analisis perencanaan produksi menggunakan strategi Agregat Planning
yaitu Level Strategy , Chase Strategy, Mixed Strategy, dan Variasi tingkat
s
subkontrak..
31
3.5 Bagan Alir Penelitian
Bagan alir yaitu alat bantu untuk menampilkan baik proses dan keputusan
logis dalam proses nyata yang melibatkan input dan otput, maupun dalam aliran
data dari seluruh sistem.

Mulai
Studi Lapangan Studi Pendahuluan Studi Literatur
Perumusan Masalah
Tujuan Penelitian
Pengumpulan Data: Dokumentasi

1. Data Permintaan produk karet SIR 20 tahun
2020
2. Data inventori produk karet SIR 20
3. Data proses produksi, jumlah karyawan
produksi, dan biaya produksi
Pengolahan Data:
1. Penentuan permintaan produk melalui peramalan produksi menggunakan

metode kuantitatif Time Series dan Casual.
Time Series: Moving Average, Weight Moving Average, Linier Regression With
Time, Eksponential Smoothing.
Casual: Regresi Linier
2. Pemilihan hasil peramalan terbaik dari metode kuantitatif Time series dan
casual menggunakan metode: Mean Absolut Deviation (MAD) dan Mean
Absolute Percentage Error (MAPE).
3. Verivikasi data hasil peramalan menggunakan metode Moving Range
4. perencanaan produksi menggunakan strategi Agregat Planning Level Strategy ,
s
Chase Strategy, Mixed Strategy, dan Variasi tingkat subkontrak.
Analsis dan pembahasan
Kesimpulan dan saran
Selesai
Gambar 3.1 Bagan Alir Penelitian Produksi
BAB IV
HASIL DAN PEMBAHASAN
4.1 Pengumpulan Data
Pengumpulan data merupakan suatu kegiatan yang dilakukan untuk
mendapatkan data-data yang dibutuhkan dalam suatu penelitian. Data ini nantinya
akan menjadi masukan (input) pada tahap pengolahan data. Adapun data-data
yang diperoleh dari penelitian ini adalah data primer, yaitu data yang di dapat
langsung melalui PT. Sri Trang Lingga Indonesia. Berikut data hasil penelitian
yang dilakukan pada PT. Sri Trang Lingga Indonesia yang telah dikumpulkan.
4.1.1 Data Permintaan Produk PT. Sri Trang Lingga Indonesia
Data permintaan porduk karet SIR 20 tahun 2020 yang didapat dari
bagian produksi, adapun data tersebut adalah sebagai berikut :
Tabel 4.1 Data Permintaan Produk SIR 20, Tahun 2020
Demand 2020
No Bulan Demand (Ton)
1 Januarii 4319
2 Februarii 4692
3 Marett 5479
4 Aprill 4963
5 Meii 1959
6 Junii 3272
7 Julii 5854
8 Agustuss 5882
9 Septemberr 5229
10 Oktoberr 3951
11 Novemberr 4813
12 Desemberr 4120
Total Permintaan 54533
Rata-rata Permintaan 4544
32
33
7000 Permintaan
6000
5000
4000
3000
2000
1000 Tahun
0
1 2 3 4 5 6 7 8 9 10 11 12
SIKLUS RATA-RATA PERMINTAAN
Gambar 4.1 Plot Permintaan Produk Karet SIR 20, Tahun 2020
4.1.2 Data Produksi SIR 20 PT. Sri Trang Lingga Indonesia
Tabel 4.2 Data Produksi Produk Karet SIR 20, Tahun 2020
Data Produksi
Biaya Produksi Nominal
Bahan baku Rp. 15.000/kg

Biaya tenaga kerja Rp. 18.000/jam/pekerja
Biaya upah lembur Rp. 25.000/jam/pekera
Biaya penyimpanan persediaan (/bulan) Rp. 50.000/bulan
Biaya Stockout Rp. 40.0000/ bulan
Biaya marginal sub kontrak (/Ton) Rp. 20.000
Biaya penambahan tenaga kerja (/Orang) Rp. 600.000
Biaya pengurangan tenaga kerja (/Orang) Rp. 900.000
Ketentuan waktu dan lainnya
Rata-rata produksi 4 menit/ton
Jumlah jam kerja 8 jam
Waktu produktif 7 jam
Jumlah tenaga kerja 190 pekerja
34
4.2 Pengolahan Data
Setelah dilakukan pengumpulan data, data yang dianggap atau masih
mentah perlu ditindak lanjuti dan dilakukan pengolahan sehingga menjadi
informasi yang kemudian dapat digunakan menjawab tujuan dari penelitian yang
dilakukan.
4.2.1 Peramalan Permintaan Produk Karet SIR 20 (Crumb Rubber)
Untuk mengetahui ramalan permintaan produk kedepannya, dilakukan
pengolahan data permintaan produk dengan menggunakan metode kuantitatif time
series Forcasting dan metode casual, dengan dukungan aplikasi WinQSB.
Metode Time Series Forcasting menggunakan rumus perhitungan Moving
Average, Weighted Moving Average, Single Exponential Smoothing, dan Linear
Regression With Time. Metode casual menggunakan rumus perhitungan Regresi
Linier. Berikut ini langkah langkah untuk menjalankan aplikasi WinQSB.
1. Buka aplikasi WinQSB, lalu pilih Timer Series Forcasting dan Linier
Regression.
2. Lalu buat spesifikasi peramalan dengan;
Problem Type : Timer Series Forcasting
Problem Title : Demand 2020
Time Unit : Mounth
Number of Time Units (periods) : 12

35
Sumber: Aplikasi WinQSB
Gambar 4.2 Spesifikasi Peramalan
3. Lalu tekan Ok, kemudian muncul tabel data permintaan. Kemudian isi
tabel tersebut dengan data jumlah permintaan.
Sumber : Aplikasi WinQSB
Gambar 4.3 Tabel Data Permintaan
4. Lalu pilih tools Solve and Analyze, kemudian pilih Perform Forcasting
5. Selanjutnya akan muncul pilihan 12 metode peramalan

36
4.2.1.1 Moving Average (MA)
Berikut ini langkah-langkah perhitungan peramalan untuk satu tahun
kedepannya menggunakan metode Moving Average.
1. Pilih Forcasting Methods : Moving Average (MA)
Method Parameters : Assign Values
Search Criterion : MAD
Number of Periods to Forcast : 12
Number of periods in average : 3
Lalu klik ok.
Gambar 4.4 Metode Moving Average
2. Selanjutnya aplikasi akan menampilkan hasil Detail Forcasting Moving
Average, dan Graph.

37
Gambar 4.5 Hasil Detail Forcasting Moving Average
Berdasarkan gambar 4.5 Hasil Detail Forcasting Moving Average didapat
nilai MAD = 1267.296, MSE = 2710074, CFE = - 1401, dan MAPE = 36.7384
Gambar 4.6 Garph Moving Average

38
Metode Moving Average menggunakan sejumlah data aktual untuk
membangkitkan nilai peramalan diamasa yang akan datang. Berikut ini
merupakan perhitungan manual Time Series Foecasting menggunkan metode
Moving Average.
𝑀𝐴𝑡1 +𝑀𝐴𝑡2 + 𝑀𝐴𝑡3
MAt =
𝑁
(4319) + (4692) +(5479)

MA = = 4380
3
Karena perhitungan ini menghitung sampai bulan maret, maka hasil
Average pada bulan maret digunakan untuk meramalkan pada bulan april. Setelah
di hitung untuk semua bulan didapat untuk peramalan pada bulan januari 2021
adalah 4294,667.
Tabel 4.3 Peramalan Moving Average
Bulan Permintaan MA 3- Peramalan MA 3- Forecast Error

Aktual Bulanan Bulanan
Januari 4319
Februari 4692
Maret 5479 4830
April 4963 5044,667 4830 133
Mei 1959 4133,667 5044,667 -3085,667
Juni 3272 3398 4133,667 -861,6665
Juli 5854 3695 3398 2456
Agustus 5882 5002,667 3695 2187
September 5 229 5655 5002,667 226,3335
Oktober 3951 5020,667 5655 -1704
November 4813 4664,333 5020,667 -207,6665
Desember 4120 4294,667 4664,333 -544,3335
Januari 2021 4294,667
∑(𝐴𝑏𝑠𝑢𝑙𝑜𝑡 𝑑𝑎𝑟𝑖 𝑓𝑜𝑟𝑐𝑎𝑠𝑡 𝑒𝑟𝑜𝑟𝑠)

MAD =
𝑛
(133)+(3085,667) +(861,6665) +(2456)+(2187)+(226,3335) +(1704) +(207,6665) +(544,3335)

= 9
= 1267,296
39
4.2.1.2 Weghted Moving Average (WMA)
1. Pilih Forcasting Methods : Weighthed Moving Average (WMA)
Number of periods in average : 3
Enter Moving Average Wieghts
Number (Early First) : Weight (0.25, 0.35, 0.45)
Lalu klik ok.
Gambar 4.7 Metode Weighted Moving Average
2. Selanjutnya aplikasi akan menampilkan hasil Detail Forcasting Weighted
Moving Average, dan Graph.

40
Gambar 4.8 Hasil Detail Forcasting Weighted Moving Average
Berdasarkan gambar 4.8 Hasil Detail Forcasting Weighted Moving
Average didapat nilai MAD = 1088.056, MSE = 2365843, CFE = - 1390.5, dan
MAPE = 32.57646.
Gambar 4.9 Graph Weighted Moving Average

41
Weihgted Moving Average merupakan metode peramalan dengan
memberikan pembobotan lebih berat kepada data yang terbaru, dan mengurangi
pembobotan pada data yang lampau. Berikut ini merupakan perhitungan manual
Time Series Foecasting menggunkan metode Weihgted Moving Average.
∑𝑊𝑡 𝑥 𝐴𝑡
WMA =
∑(𝑃𝑒𝑚𝑏𝑜𝑏𝑜𝑡)
(4319 𝑥 0,25)+ (4692 𝑥 0,35)+ (5479 𝑥 0,45)

WMA = = 5070,093
1,05
Karena perhitungan ini menghitung sampai bulan maret, maka hasil
Average bulan maret digunakan untuk meramalkan pada bulan april. Setelah
semua bulan dihitung average nya maka didapat untuk peramalan pada bulan
januari 2021 adalah 4438,014.
Tabel 4.4 Peramalan WMA 3-bulanan

Permintaan WMA 3-Bulanan Peramalan WMA Forcast
Bulan
Aktual (0,25/0,35/0,45) 3-bulanan Error
Januari 4319
Februari 4692
Maret 5479 5070,093
April 4963 5217,65 5070,093 -107,093
Mei 1959 3946,371 5217,65 -3258,65
Juni 3272 3328,686 3946,371 -674,371
Juli 5854 4143,807 3328,686 2525,314
Agustus 5882 5387,757 4143,807 1738,193
September 5229 5763,2 5387,757 -158,757
Oktober 3951 4993,936 5763,2 -1812,2
November 4813 4752,814 4993,936 -180,936
Desember 4120 4438,014 4752,814 -632,814
Januari 2021 4438,014

MAD =
𝑛
(107,093)+(3258,65)+(674,371)+(2525,314) +⋯+ (632,814)
= 9
= 1232,036
42
4.2.1.3 Single Exponential Smoothing (SES)
1. Pilih Forcasting Methods : Single Exponential Smoothing (SES)
Smoothing Constant Alpha : 0,2
Lalu klik ok.
Gambar 4.10 Metode Single Exponential Smoothing (SES)
2. Selanjutnya aplikasi akan menampilkan hasil Detail Forcasting Single
Exponential Smoothing, dan Graph.

43
Gambar 4.11 Hasil Detail Forcasting Single Exponential Smoothing (SES)
Berdasarkan gambar 4.11 Hasil Detail Forcasting Single Exponential
Smoothing (SES), didapat nilai MAD = 996.0789, MSE = 1533001, CFE =
1104.187, dan MAPE = 27.95619
Gambar 4.12 Graph Single Exponential Smoothing

44
Metode Single Exponential Smoothing tepat digunakan untuk data yang
tidak mengandung tren ekstrim dan biasanya untuk peramalan satu periode
kedepan. Berikut ini merupakan perhitungan manual Time Series Foecasting
menggunkan metode Single Exponential Smoothing.
Ft = αAt + (1 - α)F𝑡−1
Keterangan :
Ft = Forcasring
At = Data Aktual
F𝑡−1 = Forcasting Sebelumnya
α = 0,2
Ft = (0,2 x 4319) + ((1 – 0,2) 4319) = 4319
Hasil perhitungan Ft digunakan untuk meramalkan periode berikutnya dan
didapat Ft bulan januari adalah 4319, Jadi untuk peramalan pada bulan februari
adalah 4319. Setelah dihitung hasil Ft keseluruhan maka didapat hasil peramalan
pada bulan januari 2021 adalah 4539,838.
Tabel 4.5 Peramalan Metode Single Exponential Smoothing

Permintaan SES Peramalan Forcast
Bulan
Aktual F(t) Metode SES Error
Januari 4319 4319
Februari 4692 4393,6 4319 373
Maret 5479 4610,68 4393,6 1085,4
April 4963 4681,144 4610,68 352,3198
Mei 1959 4136,715 4681,144 -2722,144
Juni 3272 3963,772 4136,715 -864,7153
Juli 5854 4341,818 3963,772 1890,228
Agustus 5882 4649,854 4341,818 1540,182
September 5229 4765,683 4649,854 579,1455
Oktober 3951 4602,747 4765,683 -814,6836
November 4813 4644,797 4602,747 210,2529
Desember 4120 4539,838 4644,797 -524,7979
Januari 2021 4539,838
45

MAD =
𝑛
(373)+(1085,4)+(352,3198) +(2722,144)+(864,7153) +(1890,228) +⋯(524,7979

= 11
= 996,0789
4.2.1.4 Linear Regression (LR)
kedepannya menggunakan metode Linear Regression.
1. Pilih Forcasting Methods : Linear Regression (LR)
Lalu klik ok.
Gambar 4.13 Metode Linear Regression (LR)
2. Selanjutnya aplikasi akan menampilkan hasil Detail Forcasting Metode
Linear Regression (LR), dan Graph.

46
Gambar 4.14 Hasil Detail Forcasting Linear Regression
Berdasarkan gambar 4.14 Hasil Detail Forcasting Linear Regression
didapat nilai MAD = 835.5767, MSE = 1164624, CFE = 1.953125E-03, dan
MAPE = 24.52808.
Sumber: WinQSB
Gambar 4.15 Graph Linear Regression

47
Menurut Harding (1974) Model analisis Regresi Linier menggunakan dua
variabel yang digunakan, variabel x dan variabel y, diasumsikan memiliki kaitan
satu sama lain dan bersifat linier. Rumus perhitungannya yaitu sebagai berikut.
Tabel 4.6 Perhitungan Regresi Linier

Periode
Bulan (X) Permintaan ( Y ) X2 X.Y
1 1 4319 1 4319
2 2 4692 4 9384
3 3 5479 9 16437
4 4 4963 16 19852
5 5 1959 25 9795
6 6 3272 36 19632
7 7 5854 49 40978
8 8 5882 64 47056
9 9 5229 81 47061
10 10 3951 100 39510
11 11 4813 121 52943
12 12 4120 144 49440
∑ Xi = 78 Yi = 54533 2
X = 650 Xi.Yi = 356407
𝑛.∑𝑋𝑖𝑌𝑖− ∑𝑋𝑖.∑𝑌𝑖
b =
𝑛.∑𝑋𝑖 2 − (∑𝑋𝑖)2
∑𝑌𝑖−𝑏∑𝑋𝑖
a =
𝑛
𝑦̅ = a + bX
Dimana:
𝑦̅ = Variabel reponse
X = Variabel faktor penyebab
a = Konstanta
b = Koefisien regresi
n = Jumlah
48
(12)(356407) − (78)(54533)
b = = 13,584
(12)(650)− (78)2
(54533)− (13,584)(78)
a = = 4456,121
(12)
𝑦̅ = 4456,121 + 13,584(13)
= 4632,712
Dari perhitungan menggunakan Regresi Linier diatas diperoleh hasil untuk
peramalan bulan ke 13 atau pada bulan Januari 2021 adalah 4632,712. Berikut ini
merupakan hasil seluruh peramalan tiap bulan pada tahun 2021.
Tabel 4.7 Hasil Peramalan Linear Regression

Bulan Permintaan Peramalan (LR) Forecast Error
13 4319 4632,712 -150,7046
14 4692 4646 208,7114
15 5479 4660 982,1274
16 4963 4673,464 452,5435
17 1959 4687,048 -2565,041
18 3272 4700,632 -1265,625
19 5854 4714,216 1302,792
20 5882 4727,800 1317,208
21 5229 4741,383 650,6235
22 3951 4754,967 -640,9604
23 4813 4768,551 207,4556
24 4120 4782,135 -499,1284

MAD =
𝑛
(150,7046)+(208,7114)+(982,1274) +(452,5435) +(2565,041)+ … (499,1284)

= 12
= 853,5767
49
4.2.1.5 Rekapitulasi Hasil Perhitungan MAD
Untuk memilih hasil peramalan yang akan digunakan untuk meramalkan
suatu permintaan, maka dipilih hasil peramalan yang mempunyai MAD terkecil.
Berikut ini merupakan rekapitulasi hasil perhitungan MAD.
Tabel 4.8 Rakapitulasi Hasil Perhitungan MAD

No. Metode Peramalan MAD
1 Moving Average (MA) 1267,296
2 Weighted Moving Average (WMA) 1232,036
3 Single Exponential Smoothing (SES) 996,0789
4 Linear Regression With Time (LR) 853,5767
Sumber: Perhitungan MAD dan WinQSB
Berdasarkan dari perhitungan MAD pada setiap metode peramalan dari
perhitungan yang telah dilakukan diperoleh MAD terkecil yaitu pada metode
Linear Regression With Time (LR) dengan nilai 853,5767. Berikut ini adalah hasil
peramalan berdasarkan MAD terkecil metode Linear Regression With Time (LR).
Tabel 4.9 Hasil Peramalan Metode LR

Bulan Peramalan (LR)
13 4632,712
14 4646
15 4660
16 4673,464
17 4687,048
18 4700,632
19 4714,216
20 4727,800
21 4741,383
22 4754,967
23 4768,551
24 4782,135
50
Perbandingan peramalan
Data Produksi dengan permintaan
7000
6000
5000
4000
3000
2000
1000
0
1 2 3 4 5 6 7 8 9 10 11 12
Tahun
Peramalan Permintaan
Sumber: Data Hasil Permintaan dan Peramalan
Gambar 4.16 Grafik Hasil Peramalan dan Permintaan
Berdasarkan grafik hasil peramalan diatas didapatkan bahwa terdapat hasil
peramalan yang kurang terhadap permintaan yaitu pada bulan februari, maret,
april, juli, agustus, dan september. Agar peramalan lebih akurat dilakukan
verifikasi peramalan menggunkan peta Moving Range.
4.2.2 Verifikasi Menggunakan Peta Moving Range
Moving Range dirancang untuk membandingkan nilai permintaan aktual
dengan nilai peramalan. Data permintaan aktual dibandingkan dengan nilai
peramalan 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.

51
Tabel 4.10 Data Peramalan Metode Linear Regression

Bulan Actual Forecasting F. Error |ei-ei¹|
1 4319 4632,712 -150,7046 -
2 4692 4646 208,7114 359,416
3 5479 4660 982,1274 773,416
4 4963 4673,464 452,5435 529,5839
5 1959 4687,048 -2565,041 3017,5845
6 3272 4700,632 -1265,625 1299,416
7 5854 4714,216 1302,792 2568,417
8 5882 4727,800 1317,208 14,416
9 5229 4741,383 650,6235 666,5845
10 3951 4754,967 -640,9604 1291,5839
11 4813 4768,551 207,4556 848,416
12 4120 4782,135 -499,1284 706,584
∑ 12075,418
1. MR = ∑ |ei-ei¹|
MR = (359,416) + (773,416) + (529,5839) ….+ (706,584)
= 12075,418 ≈ 12075
2. Verifikasi Error
Diketahui :
t = 12
̅̅̅̅̅ = 12075
∑ 𝑀𝑅
Rumus :
∑ ̅̅̅̅̅
𝑀𝑅
̅̅̅̅̅
𝑀𝑅 =
𝑡−1
UCL = 2,66 x ̅̅̅̅̅

𝑀𝑅
LCL = -2,66 x ̅̅̅̅̅

𝑀𝑅
2
A = ± 3 ( 2,66 x ̅̅̅̅̅
𝑀𝑅 )
1
B ̅̅̅̅̅ )
= ± 3 ( 2,66 x 𝑀𝑅
52
Penyelesaian :
12075
̅̅̅̅̅
𝑀𝑅 = = 1097,72 ≈ 1098
12−1
UCL = 2,66 x 1098 = 2920,68
LCL = -2,66 x 1098 = - 2920,68

2
A = ± 3 ( 2,66 x 1098 ) =1947,12
1
B = ± 3 ( 2,66 x 1098 ) = 973,56
Grafik Hasil Verifikasi Error :
4000
3000
2000
1000 LCL
Data Produksi
Mean MR
0
1 2 3 4 5 6 7 8 9 10 11 12 MR
-1000 UCL
Tahun
-2000
-3000
-4000
Sumber: Hasil Perhitungan Verifikasi
Gambar 4.17 Grafik Verifikasi Error
Berdasarkan hasil verifikasi error diatas, didapatkan bahwa nilai MR
berada didalam batas control, dikarenakan nilai MR berada dalam batas UCL dan
LCL. Jika semua titik berada di dalam batas kendali, diasumsikan bahwa
peramalan permintaan yang dihasilkan telah cukup baik (Gaspersz, 1998).

53
4.2.3 Agregat 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.
1. Hasil Peramalan Produk Karet SIR 20 Tahun 2021
Berikut ini merupakan tabel hasil peramalan produk karet SIR 20 tahun
2021 yang telah dilakukan sebelumnya.
Tabel 4.11 Hasil Peramalan Produk SIR 20 Tahun 2021

Hasil Peramalan Jumlah hari kerja
Bulan (Ton) (Hari)
Januari 4633 25
Februari 4646 25
Maret 4660 26
April 4673 25
Mei 4687 23
Juni 4701 25
Juli 4714 26
Agustus 4728 24
September 4741 26
Oktober 4755 26
November 4769 25
Desember 4782 26
Sumber: Hasil Peramalan dan Bagian Produksi
2. Data Unit Produksi
Berikut ini adalah proses produksi karet SIR 20 di PT. Sri Trang Lingga
Indonesia, yang didapatkan dari bagian produksi.

54
1. Proses awal produksi SIR 20 adalah dari gudang bahan baku karet
alam, dilakukan pengolahan dan di jadikan lembaran karet
menggunakan mesin wetline yang berjumlah 3 unit.
2. Kemudian lembaran karet di hancurkan menjadi bentuk granule atau
serbuk karet menggunakan dryline yang berjumlah 1 unit.
3. Selanjutnya granule di masak sehingga menghasilkan produk jadi,
dengan menggunakan mesin dryer yang berjumlah 3 unit.
4. Setalah granule sudah selesai dimasak dan menjadi produk jadi,
granule kemudian di uji di laboratorium menggunakan mesin labmil
yang berjumlah 3 unit.
3. Data pekerja dan data produksi SIR 2020 tahun 2020
Tabel 4.12 Data Produksi Produk Karet SIR 20, Tahun 2020
Data Produksi

Kapasitas sub kontrak (Ton/bulan) 1000 ton/bulan
55
Setelah semua data terkumpul, kemudian dilakukan proses agregat planning
dengan 4 metode yaitu chase strategy, level strategy, mixed strategy (workforce
level-overtime strategy), dan variasi tingkat sub kontrak.
4.2.3.1 Chase Stategy (CS)
Agregat planning dengan chase strategy merupakan perencanaan agregat
yang mencoba untuk mencapai tingkat keluaran dari setiap periode yang memenuhi
peramalan permintaan pada periode tersebut dengan menggunakan regular time dan
overtime. Agregat planning dengan menggunakan metode chase strategy dilakukan
dengan langkah sebagai berikut:
1. Menentukan kebutuhan produksi awal
a. Jumlah jam kerja per bulan pada bulan januari
Waktu produktif x jumlah hari kerja x jumlah tenaga kerja
= 7 jam x 25 hari x 190 pekerja
= 33250 jam/bulan
b. Jumlah produk SIR 20 yang di produksi pada bulan januari
jumlah jam kerja per bulan

Rata − rata produksi
33250
= = 8313 ton/bulan
4 menit
c. Jumlah biaya tenaga kerja per pekerja pada bulan januari
Jumlah hari kerja x jumlah jam kerja x biaya tenaga kerja
= 25 hari x 8 jam x 18.000
= 3.600.000
56
Tabel 4.13 Perhitungan Produksi SIR 20 Tahun 2021

Jumlah Hari Jumlah Jam Jumlah Biaya tenaga
Bulan Kerja Kerja/bulan Produksi/bulan Kerja/bulan
Januari 25 33250 8313 3.600.000
Februari 25 33250 8313 3.600.000
Maret 26 34580 8645 3.744.000
April 25 33250 8313 3.600.000
Mei 23 30590 7648 3.312.000
Juni 25 33250 8313 3.600.000
Juli 26 34580 8645 3.744.000
Agustus 24 31290 7980 3.456.000
September 26 34580 8645 3.744.000
Oktober 26 34580 8645 3.744.000
November 25 33250 8313 3.600.000
Desember 26 34580 8645 3.744.000
Sumber: Perhitungan Microsoft Excell
Dari perhitungan diatas dapat disimpulkan bahwa:
Target produksi januari = 8313 ton/januari : 25 hari = 332,5 ton/hari
= 332,5 ton/hari : 7 jam kerja produktif/hari
= 47,5 ton/7 jam/190 pekerja
= 47,5 ton/jam/190 pekerja : 4 menit = 12 ton/4 menit/190 pekerja
2. Menentukan Kebutuhan Pekerja
a. Menghitung Net. Req
= Permintaan – Inventori Awal
= 4633 – 1859 = 2774 ton yang akan diproduksi pada bulan januari
b. Menghitung jumlah pekerja yang dibutuhkan
jumlah produksi x Rata rata produksi

jumlah hari kerja x jam kerja produktif
4633 x 4 menit
= = 63 pekerja
25 x 7 jam
57
Perusahaan memiliki 190 pekerja, namun untuk produksi bulan
januari, perusahaan membutuhkan 63 orang pekerja, sehingga harus di
lakukan pengurangan tenaga kerja yaitu sebanyak 127 orang.
Tabel 4.14 Perhitungan Kebutuhan Pekerja

Net Kebutuhan Pengurangan Penambahan
Bulan Permintaan Req Tenaga Kerja Tenaga Kerja Tenaga Kerja
Januari 4633 2774 63 127 0
Februari 4646 3288 75 115 0
maret 4660 3881 85 105 0
April 4673 2560 59 131 0
Mei 4687 2364 59 131 0
Juni 4701 2591 59 131 0
Juli 4714 2802 62 128 0
Agustus 4728 3166 75 115 0
September 4741 2580 57 133 0
Oktober 4755 2112 46 144 0
November 4769 2806 64 126 0
Desember 4782 2047 45 145 0
3. Perhitungan Total Biaya
a. Menghitung total Biaya bahan baku yang tergantung permintaan
= Permintaan x biaya bahan baku
= 4633 x 15000 = 69.495.000
b. Menghitung biaya pekerja tergantung kebutuhan
= kebutuhan tenaga kerja x biaya tenaga kerja
= 106 x 3.600.000 = 381.600.000

58
c. Menghitung biaya pengurangan dan penambahan tenaga kerja
Karena dalam perhitungan ini tidak ada penambahan tenaga kerja jadi
hanya menghitung pengurangan tenaga kerja.
= Tenaga kerja yang di kurangi x biaya pengurangan tenaga kerja
= 84 x 900.000 = 75.600.000
Tabel 4.15 Perhitungan Biaya Produksi SIR 20 Tahun 2021 Chase Strategy
Biaya Biaya Tenaga Biaya Biaya
Bulan Bahan Baku Kerja Pengurangan Penambahan
Tenaga Kerja Tenaga Kerja
Januari 41.610.000 228.260.571 113.934.857 0
Februari 49.320.000 270.555.429 103.361.143 0
Maret 58.215.000 307.068.132 94.232.967 0
April 38.406.960 210.689.609 118.327.598 0
Mei 35.460.720 211.442.802 118.139.299 0
Juni 38.859.480 213.172.005 117.706.999 0
Juli 42.033.240 221.713.793 115.571.552 0
Agustus 47.487.000 271.354.286 103.161.429 0
September 38.705.745 204.162.171 119.959.457 0
Oktober 31.679.505 167.100.686 129.224.829 0
November 42.083.265 230.856.768 113.285.808 0
Desember 30.707.025 161.971.121 130.507.220 0
Total 494.567.940 2.698.347.373 1.377.413.157 0
Sumber: Perhitungan Miscrosoft Excell
Berdasarkan perhitungan diatas dengan menggunakan chase strategy,
biaya bahan baku adalah sebesar Rp. 494.567.940,- biaya tenaga kerja Rp.
2.698.347.373,- dan biaya pengurangan tenaga kerja Rp. 1.377.413.157,-. Jadi total
biaya produksi menggunakan chase strategy adalah sebesar Rp. 4.570.328.470.

59
Informasi yang di dapat dari PT. Sri Trang Lingga Indonesia pada bagian
produksi di ketahui terdapat beberapa mesin untuk memproduksi SIR 20. Berikut
ini merupakan jumlah mesin dan kapasitas mesin yang di produksi per hari.
Tabel 4.16 Mesin Produksi SIR 20

Nama Mesin Fungsi Jumlah
Wetline Proses awal karet alam untuk dijadikan 2
lembaran karet
Dryline Untuk menghancurkan lembaran karet 1
menjadi bentuk granule
dryer Untuk memasak granule dan 3
menghasilkan SIR 20
Sumber: PT. Sri Trang Lingga Indonesia
Diketahui dari tabel diatas kapasitas yang di hasilkan mesin Dryer adalah
92 pallet/7 jam, dimana satu palet = 1,26 ton jadi, 1 mesin drayer menghasilkan
115,2 ton/ 7jam. Terdapat 3 mesin daryer, jadi jumlah kapasitas yang di produksi
oleh ketiga mesin dryer adalah sebesesar 347,76 ton/ 8 jam. Dari perhitungan
diatas didapatkan bahwa untuk produksi mesin dryer dalam 1 bulan adalah
sebesar 8694 ton/bulan. Jumlah yang di hasilkan mesin pada 1 bulan dapat
dikatakan mencukupi terhadap perencanaan jumlah produksi.
4.2.3.2 Level Strategy (LS)
Level Strategy adalah strategi yang ditempuh dengan cara menjaga tingkat
output, produksi, dan tenaga kerja yang konstan. Ciri-ciri strategi ini adalah
mempertahankan tingkat produksi dan memfluktuasikan tingkat persediaan.
Agregat planning dengan menggunakan metode level strategy dilakukan dengan
langkah sebagai berikut:

60
= 33250 jam/bulan

33250
= = 8313 ton/bulan
4 menit
= 25 hari x 8 jam x 18.000
= 3.600.000
Tabel 4.17 Perhitungan Produksi SIR 20 Tahun 2021 (LS)

Januari 25 33250 8313 3.600.000
Februari 25 33250 8313 3.600.000
Maret 26 34580 8645 3.744.000
April 25 33250 8313 3.600.000
Mei 23 30590 7648 3.312.000
Juni 25 33250 8313 3.600.000
Juli 26 34580 8645 3.744.000
Agustus 24 31290 7980 3.456.000
September 26 34580 8645 3.744.000
Oktober 26 34580 8645 3.744.000
November 25 33250 8313 3.600.000
Desember 26 34580 8645 3.744.000

61
2. Menentukan Kebutuhan Produksi
a. Menghitung Net Req, yaitu dengan cara mengurangkan jumlah
permintaan dikurang dengan inventori awal.
= Permintaan – Inventori Awal
= 4633 – 1859 = 2774 ton yang akan diproduksi pada bulan januari
b. Menghitung jumlah produksi
Karena metode yang digunakan adalah level strategy, maka jumlah
tenaga kerja bersifat tetap yaitu sebanyak 190 orang, shingga jumlah
produksinya adalah sebagai berikut.
jumlah jam kerja per bulan 33250

== = 8313 ton/bulan januari
Rata−rata produksi 4 menit
c. Menghitung inventori akhir dengan cara sebagai berikut.
= (Inventori Awal + jumlah produksi) – Net req
= (1859 + 8313) – 2774 = 7398 ton/ bulan januari

62
Tabel 4.18 Perhitungan Produksi SIR 20 Tahun 2021 (LS)
Bulan Permintaan Net req Jumlah Jumlah Inventori

Tenaga Kerja Produksi Akhir
Januari 4633 2774 190 8313 7398
Februari 4646 3288 190 8313 6383
Maret 4660 3881 190 8645 5543
April 4673 2560 190 8313 7866
Mei 4687 2364 190 7648 7607
Juni 4701 2591 190 8313 7832
Juli 4714 2802 190 8645 7755
Agustus 4728 3166 190 7980 6376
September 4741 2580 190 8645 8226
Oktober 4755 2112 190 8645 9176
November 4769 2806 190 8313 7470
Desember 4782 2047 190 8645 9333
a. Menghitung total Biaya bahan baku yang tergantung jumlah Produksi
= Jumlah Produksi x Biaya bahan baku
= 8313 x 15.000 = 124.695.000
b. Menghitung total biaya tenaga kerja tetap
= Biaya tenaga kerja x jumlah tenaga kerja
= 3600000 x 190 = 684.000.000
c. Menghitung total biaya penyimpanan persediaan
= Inventori Akhir x biaya penyimpanan persediaan
= 7398 x 50.000 = 369.900.000

63
Tabel 4.19 Perhitungan Biaya Produksi SIR 20 Tahun 2021 (LS)
Bulan Biaya Bahan Tiaya Tenaga Biaya Biaya

Baku Kerja Penyimpanan Stockout
Januari 124.695.000 684.000.000 369.900.000 0
Februari 124.695.000 684.000.000 319.150.000 0
Maret 129.675.000 711.360.000 277.150.000 0
April 124.695.000 684.000.000 393.300.000 0
Mei 114.720.000 629.280.000 380.350.000 0
Juni 124.695.000 684.000.000 391.600.000 0
Juli 129.675.000 711.360.000 387.750.000 0
Agustus 119.700.000 656.640.000 318.800.000 0
September 129.675.000 711.360.000 411.300.000 0
Oktober 129.675.000 711.360.000 458.800.000 0
November 124.695.000 684.000.000 373.500.000 0
Desember 129.675.000 711.360.000 466.650.000 0
Total 1.506.270.000 8.262.720.000 4.548.250.000 0
Berdasarkan perhitungan diatas dengan menggunakan level strategy, biaya
bahan baku adalah sebesar Rp. 1.506.270.000, biaya tenaga kerja Rp.
8.262.720.000, dan biaya penyimpanan persediaan Rp. 4.548.250.000.- Jadi total
biaya produksi menggunakan Level strategy adalah sebesar Rp. 14.317.240.000.

lembaran karet
Dryer Untuk memasak granule dan 3
menghasilkan SIR 20
64
115,2 ton/ 7 jam. Terdapat 3 mesin daryer, jadi jumlah kapasitas yang di produksi
4.2.3.3 Mixed Strategy (MS)
Mixed Strategy adalah kombinasi strategi antara level strategy dan chase
strategy. Ciri-ciri dtrategi ini adalah menggabungkan tingkat produksi dengan
tingkat permintaan tetap dan menggabungkan dari dua metode level dan chase
strategy. Agregat planning dengan menggunakan metode mixed strategy dilakukan
dengan langkah sebagai berikut:
= 33250 jam/bulan

33250
= = 8313 ton/bulan
4 menit
65
= 25 hari x 8 jam x 18.000
= 3.600.000
Tabel 4.21 Perhitungan Produksi SIR 20 Tahun 2021 (MS)

Januari 25 33250 8313 3.600.000
Februari 25 33250 8313 3.600.000
Maret 26 34580 8645 3.744.000
April 25 33250 8313 3.600.000
Mei 23 30590 7648 3.312.000
Juni 25 33250 8313 3.600.000
Juli 26 34580 8645 3.744.000
Agustus 24 31290 7980 3.456.000
September 26 34580 8645 3.744.000
Oktober 26 34580 8645 3.744.000
November 25 33250 8313 3.600.000
Desember 26 34580 8645 3.744.000

66
2. Menentukan Kebutuhan Produksi
a. Menghitung Net Req, yaitu dengan cara mengurangkan jumlah
permintaan dikurang dengan inventori awal yaitu 4633 – 1859 = 2774
ton yang akan diproduksi pada bulan januari. Karena metode yang
digunakan adalah mixed strategy, maka jumlah tenaga kerja bersifat
tetap yaitu sebanyak 190 orang, shingga jumlah produksinya adalah
sebagai berikut.
jumlah jam kerja per bulan 33250

== = 8313 ton/bulan januari
Rata−rata produksi 4 menit
b. Menghitung inventori akhir dengan cara sebagai berikut.
= (Inventori Akhir + jumlah produksi) – Net req
= (1859 + 8313) – 2774 = 7398 ton/ bulan januari
c. Menghitung produksi jam kerja lembur
= jam kerja lembur x jumlah hari kerja lembur x jumlah tenaga kerja
= 2 jam x 6 hari x 190 pekerja = 2280 jam /bulan
2280 jam/bulan
= = 570 ton/bulan, jika tiap pekerja dalam 1 bulan
4 menit
mendapatkan lembur selama 6 hari/bulan
d. Menghitung jumlah jam lembur per pekerja per bulan
(jumlah produksi lembur x Rata−rata produksi)

=
jumlah hari kerja/bulan
(570 x 4 menit)
= = 91,2
25
91,2
= = 0,48 jam/pekerja pada bulan januari
190 pekerja
67
Tabel 4.22 Perhitungan Produksi Produk SIR 20 Tahun 2021 (MS)

Jumlah Jumlah Inventori Jumlah Jam
Bulan Permintaan Net req Tenaga Produksi Akhir Produksi lembur/
Kerja lembur pekerja
Januari 4633 2774 190 8313 7398 570 0,48
Februari 4646 3288 190 8313 6383 570 0,48
Maret 4660 3881 190 8645 5543 570 0,46
April 4673 2560 190 8313 7866 570 0,48
Mei 4687 2364 190 7648 7607 570 0,52
Juni 4701 2591 190 8313 7832 570 0,48
Juli 4714 2802 190 8645 7755 570 0,46
Agustus 4728 3166 190 7980 6376 570 0,5
September 4741 2580 190 8645 8226 570 0,46
Oktober 4755 2112 190 8645 9176 570 0,46
November 4769 2806 190 8313 7470 570 0,48
Desember 4782 2047 190 8645 9333 570 0,46
Sumber: Perhitungan Microsof Excell
a. Menghitung total Biaya bahan baku yang tergantung jumlah Produksi
lembur
= Jumlah Produksi lembur x Biaya bahan baku
= 570 x 15.000 = 8.550.000
b. Menghitung total biaya tenaga kerja tetap
= Biaya tenaga kerja x jumlah tenaga kerja
= 3600000 x 190 = 684.000.000
c. Menghitung total biaya penyimpanan persediaan
= Inventori Akhir x biaya penyimpanan persediaan
= 7398 x 50.000 = 396.900.000

68
d. Menghitung biaya lembur tenaga kerja/bulan
= jumlah hari kerja x jam lembur/pekerja x biaya lembur/jam x jumlah
tenaga kerja
= 25 x 0,48 x 25000 x 190 = 57.000.000
Tabel 4.23 Perhitungan Biaya Produksi SIR 20 Tahun 2021 (MS)
Bulan Biaya Bahan Biaya Tenaga Biaya Biaya

Baku Kerja Penyimpanan Lembur
Januari 8.550.000 684.000.000 369.900.000 57.000.000
Februari 8.550.000 684.000.000 319.150.000 57.000.000
Maret 8.550.000 711.360.000 277.150.000 56.810.000
April 8.550.000 684.000.000 393.300.000 57.000.000
Mei 8.550.000 629.280.000 380.350.000 56.810.000
Juni 8.550.000 684.000.000 391.600.000 57.000.000
Juli 8.550.000 711.360.000 387.750.000 56.810.000
Agustus 8.550.000 656.640.000 318.800.000 57.000.000
September 8.550.000 711.360.000 411.300.000 56.810.000
Oktober 8.550.000 711.360.000 458.800.000 56.810.000
November 8.550.000 684.000.000 373.500.000 57.000.000
Desember 8.550.000 711.360.000 466.650.000 56.810.000
Total 102.600.000 8.262.720.000 4.548.250.000 682.860.000
Berdasarkan perhitungan diatas dengan menggunakan mixed strategy,
biaya bahan baku adalah sebesar Rp. 102.600.000, biaya tenaga kerja Rp.
8.262.720.000, dan biaya penyimpanan persediaan Rp. 4.548.250.000, dan biaya
lembur Rp. 682.860.000,- Jadi total biaya produksi menggunakan mixed strategy
adalah sebesar Rp. 13.596.430.000,-.
69

lembaran karet
menghasilkan SIR 20
4.2.3.4 Perencanaan Agregat Variasi Tingkat Sub Kontrak
Sub kontrak dilakukan apabila terjadi permintaan yang bertambah
sementara kapasitas produksi tidak cukup untuk memenuhinya, sedangkan
perusahaan tidak menghendaki hilangnya pelanggan. Berikut adalah hasil
perhitungan untuk Perencanaan Agregat Variasi Tingkat Sub Kontrak
1. Perhitungan Perencanaan Agregat Variasi Tiingkat Sub Kontrak
a. Jumlah Produksi Reguler Time
Jumlah jam kerja per bulan

=
Rata rata produksi
33250
= 4 menit = 8313 ton/bulan
70
b. Jumlah Produksi Sub Kontrak
= Jumlah Permintaan – Jumlah Produksi RT
= 4633 – 8313 = -3680
c. Jumlah Total Produksi
= Jumlah Produksi Reguler Time + Jumlah Produksi Sub Kontrak
= 8313 + (-3680) = 4633
d. Jumlah Persediaan
= Jumlah Total Produksi - Jumlah Permintaan
= 4633 – 4633 = 0
Tabel 4.25 Perhitungan Produksi Sub Kontrak

Jumlah Jumlah Jumlah Jumlah Jumlah Jumlah
Bulan Permintaan Hari Tenaga Produksi Produksi Total Persediaan
Kerja Kerja RT SK Produksi
Januari 4633 25 190 8313 -3680 4633 0
Februari 4646 25 190 8313 -3667 4646 0
Maret 4660 26 190 8645 -3985 4660 0
April 4673 25 190 8313 -3640 4673 0
Mei 4687 23 190 7648 -2961 4687 0
Juni 4701 25 190 8313 -3612 4701 0
Juli 4714 26 190 8645 -3931 4714 0
Agustus 4728 24 190 7980 -3252 4728 0
September 4741 26 190 8645 -3904 4741 0
Oktober 4755 26 190 8645 -3890 4755 0
November 4769 25 190 8313 -3544 4769 0
Desember 4782 26 190 8645 -3863 4782 0
Total 0
2. Perhitungan Total Biaya Perencanaan Agregat Variasi Sub Kontrak
a. Biaya Reguler Time
Jumlah Produksi × Biaya Tenaga Kerja 8313 ×18.000

= Jumlah jam kerja per hari/waktu siklus = = 85.505.143
7/4
71
b. Biaya Sub Kontrak
= Jumlah Produksi Sub Kontrak × Biaya Produksi Sub Kontrak
= (-3680) x 20.000 = - 73.600.000
c. Biaya Persediaan
= Jumlah Persediaan × Biaya Persediaan per unit per bulan
=0
d. Total Biaya
= Biaya Reguler Time + Biaya Sub Kontrak + Biaya Persediaan
= 85.505.143 + (-73.600.000) + 0
= 11.905.143
Tabel 4.26 Total Biaya Variasi Sub Kontrak

Biaya Produksi Biaya Sub Biaya
Bulan Reguler Time Kontrak Persediaan Total Biaya
Januari 85.505.143 -73.600.000 0 11.905.143

Februari 85.505.143 -73.340.000 0 12.165.143
Maret 88.920.000 -79.700.000 0 9.220.000
April 85.505.143 -72.800.000 0 12.705.143
Mei 78.665.143 -59.220.000 0 19.445.143
Juni 85.505.143 -72.240.000 0 13.265.143
Juli 88.920.000 -78.620.000 0 10.300.000
Agustus 82.080.000 -65.040.000 0 17.040.000
September 88.920.000 -78.080.000 0 10.840.000
Oktober 88.920.000 -77.800.000 0 11.120.000
November 85.505.143 -70.880.000 0 14.625.143
Desember 88.920.000 -77.260.000 0 11.660.000
Total 1.032.870.857 -878.580.000 0 154.290.857
72
Berdasarkan perhitungan diatas dengan menggunakan variasi tingkat sub
kontrak, biaya produksi reguler time adalah sebesar Rp. 1.032.870.857, biaya
produksi subkontrak Rp. -878.580.000, dan biaya penyimpanan persediaan Rp 0,-
Jadi total biaya produksi menggunakan variasi tingkat subkontrak adalah sebesar
Rp. 154.290.857,-.

lembaran karet
menghasilkan SIR 20
Berikut ini merupakan perhitungan biaya penyusutan mesin produksi SIR
20 pada bagian produksi PT. Sri Trang Lingga Indonesia.

73
Tabel 4.28 Perhitungan Biaya Penyusutan Mesin

No Nama Mesin Harga Beli Mesin Umur Mesin Biaya
Penyusutan
1 Wetline 1.200.000.000 12 100.000.000
2 Dryline 1.250.050.000 10 125.005.000
3 Dryer 980.500.000 10 98.050.000
Sumber : PT. Sri Trang Lingga Indonesia
Berdasarkan perhitungan biaya penyusutan mesin diatas, didapatkan
bahwa masa penyusutan dari ketiga mesin diatas adalah untuk mesin wetline
sebesar Rp. 100.000.000 per tahun, mesin dryline sebesar Rp. 125.005.000 per
tahun, dan mesin dryer sebesar Rp. 98.050.000 per tahun. Jadi total biaya
penyusutan untuk ketiga mesin adalah Rp. 323.055.000 per tahun.
4.3 Analisis Hasil
Analisa hasil penelitian merupakan tahapan selanjutnya yang harus
dilakukan setelah melakukan tahap pengolahan data. Setelah data acuan telah
selesai diolah dan didapatkan hasil, maka segera dilakukan analisis data dengan
hasil sebagai berikut:
4.3.1 Pemilihan Metode Peramalan (Berdasarkan Error)
Berdasarkan tabel Tabel 4.27 Rakapitulasi Hasil Perhitungan MAD, dari
perhitungan MAD pada setiap metode peramalan yang telah dilakukan diperoleh
nilai MAD yang terkecil dan terbaik pada metode Linear Regression With Time
(LR) dengan nilai MAD 853,5767. Sehingga nanti data yang dipakai untuk
perhitungan selanjutnya atau perhitungan agregat planning mennggunakan hasil
peramalan metode Linear Regression With Time (LR). Berikut ini merupakan
rekapitulasi hasil perhitungan MAD.

74
Tabel 4.29 Rakapitulasi Hasil Perhitungan MAD

No. Metode Peramalan MAD
1 Moving Average (MA) 1267,296
2 Weighted Moving Average (WMA) 1232,036
3 Single Exponential Smoothing (SES) 996,0789
4 Linear Regression With Time (LR) 853,5767
Sumber: Perhitungan MAD dan WinQSB
4.3.2 Analisis Terhadap Hasil Peramalan
Tabel 4.30 Peramalan Metode Linear Regression With Time (LR)

Bulan Permintaan Peramalan
1 4319 4632,712
2 4692 4646
3 5479 4660
4 4963 4673,464
5 1959 4687,048
6 3272 4700,632
7 5854 4714,216
8 5882 4727,800
9 5229 4741,383
10 3951 4754,967
11 4813 4768,551
12 4120 4782,135
Sumber: Perhitungan Peramalan
Berdasarkan Tabel Tabel 4.30 Peramalan Metode Linear Regression With
Time (LR) hasil peramalan produk SIR 20 Tahun 2021 menunjukkan bahwa, data
aktual permintaan lebih kecil dari data hasil forcasting menggunakan metode
Linear Regression With Time (LR), maka peramalan ini termasuk kedalam
kategori baik karena hasil peramalan tidak terlalu tinggi dan juga tidak terlalu
rendah terhadap permintaan.

75
4.3.3 Uji Verifikasi Peramalan
Berdasarkan hasil verifikasi error dibawah ini menggunakan peta moving
range, didapatkan bahwa nilai MR berada didalam batas control, dikarenakan
nilai MR berada dalam batas UCL dan LCL. Jika semua titik berada di dalam
batas kendali, diasumsikan bahwa peramalan permintaan yang dihasilkan telah
cukup baik (Gaspersz, 1998).
Grafik Hasil Verifikasi Error :
4000
3000
2000
1000 LCL
Data Produksi
Mean MR
0
1 2 3 4 5 6 7 8 9 10 11 12 MR
-1000 UCL
Tahun
-2000
-3000
-4000
Sumber: Hasil Perhitungan Verifikasi
Gambar 4.18 Grafik Verifikasi Error
4.3.4 Analisis Metode Chase Strategy
Metode Chase Strategy, dimana metode ini dilakukan dengan
mempertimbangkan penambahan dan pengurangan tenaga kerja, yaitu untuk
memenuhi permintaan produksi tiap bulannya dengan penambahan ataupun
pengurangan tenaga kerja setiap bulannya dengan biaya tertentu, sehingga
tercapai kapasitas produksi yang dapat memenuhi permintaan produksi per bulan,
76
dimana diketahui pada perhitungan menggunakan metode chase strategy jumlah
produksi total selama 1 tahun sebesar 100418 ton sehingga dapat memenuhi
permintaan yang ada sebesar 54533 ton.
4.3.5 Analisis Metode Level Strategy
Metode Level Strategy ini memiliki kapasitas produksi yang terbatas atau
tergantung kebutuhan produksi berdasarkan kapasitas yang tersedia dan jumlah
tenaga kerja yang tetap, di mana kebutuhan produksinya adalah sebesar 32971 ton
dalam 1 tahun, sehingga untuk setiap permintaan yang tidak dapat terpenuhi setiap
bulannya akan dikenakan biaya stockout cost/shortage cost perbulannya.
4.3.6 Analisis Metode Mixed Strategy
Metode Mixed Strategy ini menggabungkan kapasitas produksi yang
terbatas atau berdasarkan kebutuhan produksi dari kapasitas yang tersedia, dan
jumlah tenaga kerja yang tetap. Dan juga dilakukan pada perhitungan jam kerja
lembur (overtime), sehingga kapasitas produksi dapat memenuhi permintaan
perbulan. Dimana total jumlah produksi lemburnya adalah sebesar 6840 ton
selama 1 tahun.
4.3.7 Analisis Variasi Tingkat Subkontrak
Sub kontrak dilakukan apabila terjadi permintaan yang bertambah
sementara kapasitas produksi tidak cukup untuk memenuhinya, sedangkan
perusahaan tidak menghendaki hilangnya pelanggan. Maka dalam variasi tingkat
subkontrak ini dilakukan perhitungan jumlah produksi subkontrak dengan jumlah
total produksi selama 1 tahun sebesar 56489 ton, dimana diketahui pada
77
perhitungan menggunakan variasi tingkat subkontrak jumlah produksi dapat
memenuhi permintaan yang ada.
4.3.8 Analisis Perhitungan Biaya
Tabel 4.31 Perhitungan Biaya

Chase Strategy
Bahan Baku Tenaga Kerja Penambahan TK Pengurangan TK
Rp. 494.567.940 Rp. 2.698.347.373 Rp. 1.377.413.157 -
Total Rp. 4.570.328.470.
Level Strategy
Bahan Baku Tenaga Kerja Penyimpanan Stockout
Rp. 1.506.270.000 Rp. 8.262.720.000 Rp. 4.548.250.000 -
Total Rp. 14.317.240.000
Mixed Strategy
Bahan Baku Tenaga Kerja Penyimpanan Lembur
Rp. 102.600.000 Rp. 8.262.720.000 Rp. 4.548.250.000 682.860.000
Total Rp. 13.596.430.000
Variasi Subkontrak
Produksi Subkontrak Persediaan Total Biaya
Rp. 1.032.870.857 Rp. -878.580.000 - Rp. 154.290.857
Sumber: Perhitungan Biaya
Dari perhitungan biaya diatas menunjukkan bahwa metode agregat
planning yang terbaik dari keempat metode dengan biaya produksi terkecil yaitu
pada metode chase strategy dengan jumlah total biaya Rp. 4.570.328.470,-
metode subkontrak tidak dipilih terdapat minus biaya pada biaya produksi
subkontrak walaupun metode variasi subkontrak lebih kecil biayanya. Berikut
adalah plot data produksi metode chase strategy.

78
Plot Data Produksi (Chase Strategy)

Demand Kapasitas Produksi
8313 8313 8645 8313 8313 8645 7980 8645 8645 8313 8645
7648
3881
3288 3166
2774 2560 2364 2591 2802 2580 2806
2112 2047
1 2 3 4 5 6 7 8 9 10 11 12
Tahun
Gambar 4. 19 Plot Data Produksi (Chase Strategy)
Dari grafik di atas maka untuk kedepannya metode chase strategy dengan
acuan hasil peramalan metode linear regression (LR) dapat digunakan dalam
produksi karet SIR 20 untuk tahun 2021 PT. Sri Trang Lingga Indonesia,
dikarenakan jumlah kapasitas produksi yang dihasilkan menggunakan metode
chase strategy dapat memenuhi permintaan yang ada, dan juga menghasilkan total
biaya terkecil dari metode yang lain.

BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari penelitian yang telah dilakukan menggunakan metode agregat
planning didapatkan hasil kesimpulan bahwa:
1. Hasil peramalan produksi SIR 20 terbaik untuk tahun 2021 yaitu
dengan metode linear regression (LR) dengan nilai MAD 853,5767,
dan MAPE 24,52808. Dimana hasil peramalan metode linear
regression (LR) terkendali dalam batas UCL dan LCL garfik verifikasi
error moving range (MR) dibandingkan dengan metode peramalan
lainnya.
2. Peramalan produksi SIR 20 untuk tahun 2021 dengan metode linear
regression (LR) menghasilkan rencana produksi karet SIR 20 utnuk
tahun 2021 yaitu sebanyak 56489 ton, maka peramalan ini termasuk
kedalam kategori baik karena hasil peramalan tidak terlalu tinggi dan
tidak terlalu rendah terhadap permintaan, dan dalam uji verifikasi
menggunakan peta moving range seluruh data berada dalam batas
kendali UCL dan LCL maka metode ini sangat dianjurkan untuk
digunakan pada peramalan selanjutnya.
3. Dari keempat jenis metode agregat planning yang diperhitungkan dan
diperbandingkan, didapatkan bahwa hasil perhitungan terbaik yaitu
menggunakan metode chase strategy dengan teknik menambah dan
79
80
4. mengurangi tenaga kerja setiap bulannya sesuai dengan target produksi
SIR 20 per bulan, dimana total biaya produksi Rp. 4.570.328.470.
5.2 Saran
Apabila dalam uji verifikasi data menggnakan peta moving range melewati
batas control, maka haruslah ditindak lanjut dengan mencari tahu letak kesalahan
pada metode tersebut dan dihitung kembali, apabila dapat ditoleransi maka
metode dapat digunakan untuk peramalan selanjutnya. Aggregat 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 dan sebaiknya strategi perencanaan yang lain perlu dicoba, agar
didapatkan hasil perencanaan yang efektif dan efisien.

DAFTAR PUSTAKA
Agung, Akbar. (2009). Penerapan Metode Single Moving Average dan

Exponential Smoothing Dalam Peramalan Permintaan Produk Meubel
Jenis Coffee Table Pada Java Furniture. Fakultas Ekonomi. Universitas
Sebelas Maret. Rurakarta.
Amri, (2013). Perencanaan Pengendalian Produksi Air Minum Dalam Kemasan

Menggunakan Metode Aggregate Planning. Fakultas Teknik. Universitas
Malikussaleh. Aceh-Indonseia
Arif, (2009). Pengertian dan Pengolahan Crumb Rubber.

https://habibiezone.wordpress.com/2009/12/23/crumb-rubber/. Diakses
pada tanggal 28 April 2021.
Arius, Debi. (2018). Perencanaan..Pengendalian..Produksi Minyak..Kelapa Sawit

Menggunakan...Agregat...Planning. Fakultas Teknik. Universitas Bina
Darma Palembang.
Ayu, Fristha. (2020). Analisis Perencanaan Produksi Pada PT. Amstrong Industri
Indonesia Dengan Metode Forcasting dan Agregat Planning. Fakultas
Sains dan Teknologi. Universitas Al-Azhar Indonesia.
Firmansyah, Agung. (2020). Laporan Praktikum Perancangan Sistem Industri
Terpadu II Modul II Tentang Forcasting. Fakultas Teknik. Universitas
Bina Darma. Palembang.
Firmansyah, Agung. (2020). Laporan Praktikum Perancangan Sistem Industri
Terpadu II Modul III Tentang Agregat Planning. Fakultas Teknik.
Universitas Bina Darma. Palembang.
Juliantara, Komang. (2020). Perencanaan dan Pengendalian Produksi Agregat
Pada Usaha Tedung UD Dwi Putri di Klungkung. Fakultas Ekonomi dan
Bisnis. Universitas Udayana (Unud). Bali. Indonesia.
Musyodik, (2013). Studi Agroindustri Pengolahan Karet Remah (Crumb Rubber)
Pada PT. Sunan Rubber di Kota Palembang. Fakultas Pertanian.
Universitas Muhammadiyah. Palembang.
Ocviraks, (2014). Laporan Resmi Perencanaan Agregat.

https://id.scribd.com/doc/228019072/Laporan-Resmi-perencanaan-
agregat. diakses pada tanggal 04 Mei 2021,
Pradhana, Faried. (2014). Forcasting (Peramalan).
https://fariedpradhana.wordpress.com/ 2012/06 / 28/forecasting-peramalan/.
1 1 1
Diakses pada tanggal 03 Mei 2021.
81
82
Lampiran 1. Data Permintaan Produk SIR 20 Tahun 2020 dan Data Produksi PT.
Sri Trang Lingga Indonesia
Demand 2020
No Bulan Demand (Ton) Kapasitas
Tersedia (Ton)
1 Januarii 4319 1859
2 Februarii 4692 1358
3 Marett 5479 779
4 Aprill 4963 2113
5 Meii 1959 2323
6 Junii 3272 2110
7 Julii 5854 1912
8 Agustuss 5882 1562
9 Septemberr 5229 2161
10 Oktoberr 3951 2643
11 Novemberr 4813 1963
12 Desemberr 4120 2735
Total 54533 23.518
Data Produksi

83
Lampiran 2. Lembar ACC Pengajuan Judul Skripsi
UNIVERSITAS BINA DARMA
FAKULTAS TEKNIK
PROGRAM STUDI TEKNIK INDUSTRI
Alamat : Jl.Jl. Jenderal Ahmad Yani No.3, 9/10 Ulu, Kecamatan
Seberang Ulu I, Kota Palembang, Sumatera Selatan 30111
Nama : Agung Firmansyah

Nim : 171730057
Judul Skripsi : Analisa Perencanaan Produksi Crumb Rubber
Menggunakan Metode Agregat Planning.
Dosen Pembimbing : Septa Hardini, S.T, M.T
NO Tanggal Pokok Bahasan Keterangan Paraf

Bimbingan
1 17 April 2021 Bimbingan Perbaikan Latar
proposal Bab I belakang,
batasan masalah,
tujuan penelitian
2 23 April 2021 Bimbingan revisi Perbaikan Latar

proposal Bab I belakang
3 01 Mei 2021 Bimbingan revisi Acc Proposal

proposal Bab I Bab I
4 06 Mei 2021 Bimbingan Tambahkan

proposal Bab II Penelitian
terdahulu
5 07 Mei 2021 Bimbingan revisi Acc Porposal

proposal Bab II Bab II
6 10 Juni 2021 Bimbingan Tambahkan

proposal Bab III jadwal penelitian
85
7 14 Juni 2021 Bimbingan revisi Acc Porposal

proposal Bab III Bab III
8 18 Juni 2020 Bimbingan BAB I, Perbaikan BAB I

BAB II, dan BAB
III
9 23 Juni 2020 Bimbingan BAB I, Acc Proposal
BAB II, dan BAB Skripsi dan lanjut
III Seminar
Proposal
Palembang, 23 Juni 2021

Mengetahui,
Dosen Pembimbing
Septa Hardini, S.T, M.T

86
Lampiran 4. Lembar Perbaikan Proposal Skripsi
h
87
Lampiran 5. Surat Keterangan Lulus Ujian Seminar Proposal
h
88
Lampiran 6. Lembar Bimbingan Skripsi
d
89
Lampiran 7. Lembar Perbaikan Skripsi
90
Lampiran 8. Surat Keterangan Lulus Ujian Seminar Komprehensif
91
Lampiran 9. Surat Balasan Penelitian
,
92
Lampiran 10. SK Pembimbing
h
93
Lampiran 11. Hasil Turnitin
j
94
z
107
Lampiran 13. Bukti Upload Naskah Publikasi

Perencanaan Produksi Crumb Rubber Pada Industri Karet Menggunakan Metode Aggregat Planning

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

Perencanaan Produksi Crumb Rubber Pada Industri Karet Menggunakan Metode Aggregat Planning

Diunggah oleh

Hak Cipta:

Format Tersedia

PERENCANAAN PRODUKSI CRUMB RUBBER PADA INDUSTRI

KARET MENGGUNAKAN METODE AGGREGAT PLANNING

Diajukan Untuk Memenuhi Persyaratan Menyelesaikan Studi Stara I (S1)

segala kemudahan, rezeki sehingga Karya sederhana ini akhirnya dapat

terselesaikan dengan baik.

selama ini belum bisa berbuat yang lebih.

juga sahabat-sahabatku di pedamaran terima kasih banyak atas bantuan

Semoga Allah Subahana Wa Ta’ala membalas semua dengan pahala-pahala dan

kebaikan didunia terlebih diakhirat.

untuk tetap berdiri jalani mimpi.

(Noah – Jalani Mimipi)

Allah SWT mengujimu karna kamu mampu dalam menghadapinya.

Yang bertanda tangan dibawah ini, saya :

Nama : Agung Firmansyah

Jurusan : Teknik Industri

Judul : Perencanaan Produksi Crumb Rubber Pada Industri Karet

Menggunakan Metode Agregat Planning

penulisan karya ilmiah yang lazim.

Palembang, 30 Agustus 2021

Palembang, 21 Juni 2021

Gambar 2.1 Pola Horizontal ....................................................................................11

Seiring perkembangan teknologi di era globalisasi sekarang ini telah

Kata Kunci: Peramalan, agregat planning, dan crumb rubber

Along with the development of technology in the current era of

Keywords: Forcasting, aggregate planning, and crumb rubber

1.1 Latar Belakang

Seiring perkembangan teknologi di era globalisasi sekarang ini telah

miningkatkan kinerja secara terus- menerus untuk mengahadapi persaingan

dipasar global, salah satunya di bagian produksi. Bagian produksi merupakan

juga menjamin setiap permintaan suatu produk dari setiap pelanggan.

Keberhasilan maupun kegagalan suatu industri manufaktur, dalam

melakukan sebuah perencanaan produksi terkait pemenuhan permintaan akan

memenuhi permintaan akan produk dibutuhkan suatu perencanaan produksi yang

melakukan peramalan produksi berdasarkan data permintaan masa lalu sebuah

produk dan selanjutnya melakukan analisis perencanaan produksi.

PT . Sri Trang Lingga Indonesia merupakan sebuah perusahaan yang

kembali menjadik barang jadi, dan bertujuan untuk mengembangkan industri

permintaan produk crumb rubber SIR 20 Tahun 2020.

Belum terpenuhinya permintaan produksi karet remah (crumb rubber) ini,

mengakibatkan dan berdampak pada keberlangsungan usaha, perusahaan sulit

melakukakan penawaran pada konsumen sehingga mengakibatkan berkurangnya

pelanggan atau konsumen jika terus – terusan tidak terpenuhinya jumlah

permintaan. Maka untuk menjamin terpenuhinya dibutuhkan perencanaan

dengan melakukan Peramalan Produksi berdasarkan data permintaan produk masa

lalu, dan diteruskan melakukan analisis perencanaan produksi dengan metode

Berdasarkan Latar Belakang tersebut penulis akan melakukan penelitian

dengan judul “Perencanaan Produksi Crumb Rubber Pada Industri Karet

1.2 Perumusan Masalah

Berdasarkan va latar a belakang an ti yang telah

permasalahan yang dapat penulis rumuskan dalam penelitian ini adalah,

melalui peramalan produksi berdasarkan data permintaan masa lalu produk

1.3 Batasan Masalahanyaa

batasan masalahnya adalah sebagai berikut:

1. Penelitian ini akan melakukan analisis perencanaan produksi dengan

metode Agregat Planning, yaitu dengan melakukan perhitungan kasar

terhadap biaya produksi SIR 20.

2. Data acuan penelitian ini adalah hasil dokumentasi data historis

permintaan produk SIR 20 tahun 2020 yang didapatkan dari bagian

produksi PT. Sri Trang Lingga Indonesia.

1.4 Tujuan Penelitian

Berdasarkan latar ..belakang .dan .perumusan masalah yang.telah diuraikan

1. Mengetahui hasil..peramalan produksi terbaik metode moving average,

weighted moving average, single exponential smoothing, dan linear