MODUL PRAKTIKUM

PERANCANGAN & PENGENDALIAN

PRODUKSI

LABORATORIUM PERENCANAAN & PENGENDALIAN

PRODUKSI
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS MUHAMMADIYAH PALEMBANG
2018
 MODUL I
PERAMALAN

PENGANTAR SISTEM PENDUKUNG KEPUTUSAN PERAMALAN

Program ini mempraktekkan time series forecasting dan linear regresi.
Metode time series meliputi simple average, moving average, dengan atau tanpa
trend, singgle dan double exponential smoothing dengan atau tanpa trend,
adaptive exponential smoothing, linear regresion, dan winters model serta metode
forecasting yang lainnya.program ini dapat mengolah data historis lebih dari 1000
data yang bergantung pada memori komputer. Pada program dapat menambah
atau mengurangi data historis untuk waktu yang berjalan dengan memilih
memodifikasi data asli. Ketika mempraktekkan time series forecasting, anda
mungkin diminta untuk menyediakan parameter untuk model spesifik yang anda
pilih, atau dengan TSFC search (criterion search) untuk parameter terbaik yang
didasarkan pada ukuran performansi yang dispesifikasikan. TSFC mengikuti anda
untuk menentukan inisial nilai seperti inisial forecast dan index seasonality. Anda
dapat memilih beberapa option dalam memplotingkan hasil daari forecasting.

CATATAN TEKNIS PROGRAM PERAMALAN (TSFC)

1. TSFC menghitung peramalan berdasarkan data historis (time series data).
Model time series forecasting yang tersedia adalah :
a. Simple average
b. Weighted moving average
c. Moving average with linear trend
d. Single exponential smoothing
e. Exponential smoothing with linear trend
f. Dan lain-lain
2. beberapa metode memerlukan pemakai untuk memasukkan parameter
tambahan. Sebagai contohnya, moving average memerlukan jumlah dari
periode yang berjalan (moving periods), dan exponential smoothing
meemrlukan smoothing constan dan atau trend constan.

Laboratorium Perencanaan & Pengendalian Produksi | 1

 3. Terdapat empat ukuran performance yang disediakan dalam TSFC untuk
time series forecasting. Keempat ukuran performance tersebut adalah
mean absolut deviation (MAD), mean square deviation (MSD), mean
absolut percent error (MAPE), cumulative forecast error (CFE).
4. Berdasarkan salah satu dari empat ukuran performance diatas, program
dibiarkan mencari parameter terbaik untuk model spesifik yang
berdasarkan pada tersedianya rentang parameter.
5. Pada time series forecasting tersedia pilihan dalam memplotkan peramalan
dengan layar dengan skala yang berbeda.

CARA PENYELESAIAN PERMASALAHAN (SOLVING PROBLEM)

Dalam seksi ini, akan diberikan contoh kasus untuk menunjukkan
bagaimana cara dalam memasukkan dan menyelesaikan masalah.
Contoh kasus
Volume penjualan dari PT. Yakin Bisa untuk dua puluh empat bulan
terakhir ditunjukkan pada tabel 1. Dengan menggunakan single exponential
smoothing dengan constan smoothing   0.3 , ramalkan penjualan 12 bulan
kedepan.
Bulan Penjualan Bulan Penjualan Bulan Penjualan
1 398 9 430 17 487
2 395 10 460 18 500
3 290 11 465 19 530
4 400 12 473 20 500
5 410 13 480 21 505
6 425 14 465 22 550
7 450 15 435 23 555
8 440 16 470 24 580

Laboratorium Perencanaan & Pengendalian Produksi | 2

Enter the Problem (Masukkan Permasalahan)
1. Pilih atau klik new problem pada menu file.
2. Gambar 1 menunjukkan problem spesifikation (spesifikasi dari masalah).
Pilih time series forecasting.
3. Gambar 2 menunjukkan data historis selama 24 bulan terakhir.

Gambar 1 Spesifikasi permasalahan

Laboratorium Perencanaan & Pengendalian Produksi | 3

 Gambar 2 Data Historis

Solve Problem (Penyelesaian Masalah)

1. Pilih “Perform Forecasting” dari menu “solve and analyze”. Gambar 3
akan menampilkan model forecasting dan interaksinya. Klik option “single
exponential smoothing”. Program akan meminta parameter yang
dispesifikasikan, kemudian klik “OK”. Setelah beberapa detik, peramalan
dapat ditampilkan hasilnya. Gambar 4 dan gambar 5 akan menunjukkan
hasil dari peramalan.

Gambar 3 Metode Forecasting

Laboratorium Perencanaan & Pengendalian Produksi | 4

 Gambar 4 Hasil Forecasting

Gambar 5 Lanjutan Hasil Forecasting

Laboratorium Perencanaan & Pengendalian Produksi | 5

2. Setelah peramalan dilakukan, pilih “show the forecasting detail” dari
menu “Result “ untuk menunjukkan hasil detail dari peramalan. Gambar 6
dan gambar 7 menunjukkan forecasting detail.

Gambar 6 Detail Peramalan

Gambar 7 Lanjutan Detail Peramalan

Laboratorium Perencanaan & Pengendalian Produksi | 6

 3. anda juga dapat memilih “show the forecasting in graph” dari menu
“Result” untuk memplotkan hasil dari peramalan. Gambar 8 menunjukkan
chart/grafik dari peramalan. Jika hasil dari plot lebih dari satu halaman,
gunakan panah kiri dan kanan untuk memilih halaman. Anda dapt
menekan “P” untuk mengeprint Chart/Grafik.

Gambar 8 Grafik Hasil Peramalan

Mencari Dengan Parameter Terbaik

Kita dapat mencoba parameter lain dan mengulang program peramalan
untuk mencapai hasil yang lain. TSFC menyediakan petunjuk pencarian untuk
menemukan parameter terbaik. Pada bagian ini akan dicoba mendemontrasikan
proses pencariam parameter terbaik.
1. Pilih “Perform Forecasting” dari menu “Solve and Analyze” dan pilih
single expenential smoothing. Program akan meminta parameter yang
dicari dan ukuran performance peramalan. Gambar 9 menunjukkan
spesifikasi dari parameter dan spesifikasi ukuran perfomance MAD.
Setelah interaksi beakhir, program akan mencaari parameter terbaik untuk
ukuran performance yang dispesifikasikan.

Laboratorium Perencanaan & Pengendalian Produksi | 7

 Gambar 9 Spesifikasi Parameter dan Ukuran Performance
2. Setelah pencarian/peramalan dilakukan, pilih “show the forecasting detail”
dari menu “Result” untuk menampilkan detail dari hasil peramalan.
Gambar 10 dan gambar 11 menunjukkan hasil detail dari peramalan. MAD
baru adalah 26.2609.

Gambar 10 Hasil Detail Peramalam Dengan Search The Best

Laboratorium Perencanaan & Pengendalian Produksi | 8

 Gambar 11 Lanjutan Hasil Detail Peramalam Dengan Search The Best
3. Anda dapat memilih “show the forecasting in chart” dari menu “Result”
untuk memplotkan hasil peramalan dalam bentuk grafik. Gambar 12
menunjukkan grafik hasil peramalan.

Gambar 12 Grafik Hasil Peramalan Dengan Search The Best

Laboratorium Perencanaan & Pengendalian Produksi | 9

 MATERIAL REQUAIREMENTS PLANNING
(MRP)

PENGANTAR SISTEM PENDUKUNG KEPUTUSAN MRP

MRP mempunyai keuntungan yaitu dapat meningkatkan pelayanan dan
kepuasan konsumen, peningkatan pemanfaatan fasilitas dan tenaga kerja,
perencanaan dan penjadwalan persediaan yang lebih baik, tanggapan yang lebih
cepat terhadap perubahan dan pergeseran pasar, tingkat persediaan menurun tanpa
mengurangi pelayanan terhadap konsumen.
Jadwal produksi utama, bill of material, arsip persediaan dan pembelian,
serta lead time untuk masing-masing merupakan pembentuk sistem MRP.
Sebuah metode untuk menetapkan apa, kapan, dan berapa komponen dan
material yang dibutuhkan untuk mencukupi rencana produksi untuk
menyelesaiakan produk sampai batas akhir waktu yaitu MRP. Pada bagian ini,
kita akan menggambarkan konsep, sistem perencanaan, dan petunjuk penggunaan
program MRP ini.
Sebuah sistem MRP membutuhkan banyak informasi dan proses dalam
rangka menjadikan MRP ini lengkap dan logic.
INPUT MRP
Ada 3 input dari MRP :
 Master Product Schedulling (MPS) atau Jadwal Induk Produksi
 Bill Of Material (BOM)
 Catatan Inventori
Spesifikasi dari MPS adalah apa hasil akhir produk yang diproduksi, kapan di
produksi dan berapa jumlahnya. Sumber data untuk memperbaruhi didapat dari
pesanan penjualan, pesanan pelayanan ata peramalan penjualan. BOM
menggambarkan bagaimana produk akhir dibuat dari raw material, part, atau
pembelian komponen. Departemen engineering bertanggungjawab untuk
memperbaharui data BOM. Data status inventori berisi informasi seperti jumlah
yang ada sekarang, order yang harus dibeli, dan order yang harus dikerjakan.

Laboratorium Perencanaan & Pengendalian Produksi | 10

Transaksi akan memperbaharui catatan inventori. Penerimaan inventori,
pengeluaran/pembagian inventori, dan pengiriman inventori merupakan bentuk-
bentuk transaksi.
MRP PROCESSING
MRP menentukan jumlah yang dibutuhkan untuk masing-masing part dalam tiap-
tiap periode. Logikanya adalah didasarkan pada jumlah dari hasil akhir produk
pada MPS melalui struktur produk pada BOM dan juga pertimbangan keadaan
inventori. Pada periode tertentu, dimana G adalah kebutuhan kasar dari, dan A
persediaan termasuk on-hand dan jadwal penerimaan part tertentu. Kebutuhan
bersih R dari part ini dapat dihitung :
R = G-A
Jika R lebih besar dari 0, kita mempunyai kebutuhan bersih pada periode ini ;
sebaliknya, kita mempunyai inventori harapan, -R, untuk periode mendatang.
Dengan perubahan lead time , sistem MRP akan menetapkan akan melakukan
tindakan (yaitu rencana pemesanan), seperti persoalan pembelian atau pengerjaan
pesanan.
MRP OUT PUT
Dari proses MRP menghasilkan kebutuhan bersih masing-masing part pada tiap-
tiap periode. Beberapa informasi yang dapat dihasilkan adalah :
 Hasil utama ; jadwal rencana pesanan (planned order), perubahan dalam
hal due date, laporan keadaan inventori, dan lain-lain.
 Hasil sekunder ; laporan prestasi, laporan keterlambatan pesanan, scrap
report, lama adanya inventory dan lain-lain.

CARA PENYELESAIAN PERMASALAHAN (SOLVING PROBLEM)

Dalam bab berikut kita akan menggunakan contoh masalah untuk
menunjukkan bagaimana untuk memasuki dan menyelesaikan permasalahan.
Pilihan menu dan prosedur secara umum digambarkan sebagai berikut :
Contoh kasus
PT Yakin Bisa adalah perusahaan yang memproduksi furniture, akan melakukan
perencanaan mengenai kebutuhan material, selama 12 minggu dan diketahui

Laboratorium Perencanaan & Pengendalian Produksi | 11

 perusahaan bekerja selama 52 minggu dalam satu tahun, maka dari itu dalam
penggunaan program ini, maka dibutuhkan input mengenai BOM, MPS dan
catatan inventori pabrik tersebut, yang ditabelkan sebagai berikut :

Daftar Bill Of Material :

Item ID Komponen Komponen Komponen
ID/pemakaian ID/pemakaian ID/pemakaian
X “Atos” SRS008 WS212 IWNS14 / 3
X “Empuk” SRS008 / 2 WS212 AG007
SRS008 IWNS14 / 2
WS212 AG007
BL182 IWNS14 / 2 AG007 / 2
AG007
IWNS14

Tabel MPS
Item Keterlambatan Mg Mg Mg Mg Mg Mg Mg Mg Mg Mg Mg Mg
ID Permintaan 1 2 3 4 5 6 7 8 9 10 11 12
X 120 300 300 240 70
“Atos”
X 175 110 250 60 45 175
“Empuk”
SRS008 30 60 50
WS212 20 45
BL182
AG007 24 20
IWNS14

Laboratorium Perencanaan & Pengendalian Produksi | 12

 Catatan Inventory
Item Stok On hand Mg Mg Mg Mg
ID cdgan inventory 1 2 3 4
X 50 75 50 70
“Atos”
X 80 125 81 75 120
“Empuk”
SRS008 100 190 100 120
WS212 100 128 100
BL182 100 156
AG007 150 234 210 70
IWNS14 150 171 50 50

Kapasitas tiap periode untuk ID X “Empuk”, SRS008, WS212, BL182,

AG007, IWNS14 masing-masing adalah 200, 400, 400, dan 500 (untuk ID X
“Atos” adalah 120 tetapi pada periode 6,7,8,9 sebanyak 150 dan pada periode
10,11,12 kapasitas sebanyak 100), rencanakan kebutuhan material selama
jangka waktu 1 tahun!
Tabel Informasi Item ID
Item Permintaan Lead time Scrap (%) Sumber Lotsize
ID tahunan
X “Atos” 1700 1 M LFL
X “Empuk” 2500 2 M LFL
SRS008 6700 1 5 M LUC
WS212 4200 2 5 M LTC
BL182 4200 2 2 M PPB
AG007 16800 2 2 B EOQ
IWNS14 18400 1 5 B EOQ

Laboratorium Perencanaan & Pengendalian Produksi | 13

 Tabel Biaya dan Kelas
Item Biaya setup Biaya Biaya tiap Kelas Keterangan
ID Tahunan unit
X “Atos” 500 20 125 A
X “Empuk” 700 35 175 A
SRS008 250 7 35 B
WS212 150 6 26 B
BL182 150 9 47 B
AG007 80 2 12 C
IWNS14 80 2 8 C

Struktur Multipel Level Produk Tipe X “Atos”

X “Atos”

SRS008 WS212 AG007

IWNS14 AG007

Struktur Multipel Level Produk Tipe X “Empuk”

Laboratorium Perencanaan & Pengendalian Produksi | 14

 X “Empuk”

SRS008 WS212 BL128 AG007

IWNS14 AG007 IWNS14 AG007

MRP System Design

1. Untuk menspesifikasikan permasalahan MRP, kita ikuti prosedur sebagai
berikut :
 Tulis judul permasalahan
 Masukkan jumlah produk dan part yang sesuai permasalahan
 Masukkan satuan waktu pada tiap periode dalam hal ini biasanya dalam
bulan
 Masukkan jumlah rencana periode
 Masukkan jumlah rencana periode tiap tahun. Ini akan digunakan untuk
menghitung lotsize dan inventori berhubungan dengan biaya.
 Masukkan jumlah maksimum dari komponen langsung untuk tiap
komponen induknya (yaitu BOM atau rentang struktur produknya). Batas
ini adalah berapa banyak komponen yang dapat dimasukkan / digabungkan
untuk masing-masing produk atau sub assembly.

Laboratorium Perencanaan & Pengendalian Produksi | 15

Untuk menyelesaikannya masih perlu kita memasukkan data-data input dari
persoalan, maka kita pilih option view dan kita masukkan data-data BOM, MPS,
inventori dan kapasitas.

Tampilan BOM

Laboratorium Perencanaan & Pengendalian Produksi | 16

 Tampilan MPS

Tampilan Inventori

Laboratorium Perencanaan & Pengendalian Produksi | 17

 Tampilan Kapasitas
2. Entering Data Item ID sesuai dengan data dari persoalan tersebut dan
kebijakan perusahaan dengan tampilan sebagai berikut :

 ABC Class adalah tingkatan dari produk.

 Sourse code adalah definisi apakah material tersebut dibuat sendiri atau
dibeli dari pemasok.
 Material type adalah jenis material aslinya yaitu apakah full, semifull,
assembly atau componen.
 Unit meassure adalah ukuran satuan material.
 Lead time adalah waktu antara yang dibutuhkan untuk membuat produk
tersebut.

Laboratorium Perencanaan & Pengendalian Produksi | 18

  Lot Size adalah ukuran jumlah lot produk yang dapat diproduksi atau
dipesan, dimana tergantung pada perusahaan produsen.
 Lot Size Multiple hanya berlaku jika lot sizenya adalah FOQ maka tulis Q
didalamnya.
 Scrap adalah produk sisa yang merupakan nilai allowance atau toleransi
jumlah produk yang dibuat.
 Annual demand adalah permintaan tahunan.
 Unit Cost adalah biaya tiap unit.
 Holding Annual Cost adalah biaya-biaya tahunan yang harus dikeluarkan
perusahaan sehubungan dengan proses produksi produk tersebut.
 Shortage annual cost adalah biaya penyusutan/ kerugian/tekor tiap tahun
yang harus dikeluarkan.
 Item deskription adalah gambaran mengenai spesifikasi produk tersebut.
3. Untuk menyelesaikan dan mengetahui hasil yang akan kita peroleh dan yang
optimal sesuai dengan program ini maka kita lakukan explode Material
Requaorement dengan memilih option solve., maka kita akan dihadapkan pada
banyak pilihan untuk melihat penyelesaian , dan kita tinggal memilih sesuai
dengan yang kita inginkan, seperti pada contoh kita pilih hasil Item ID dan All
Items maka akan didapatkan hasil keseluruhan seperti pada gambar.

Laboratorium Perencanaan & Pengendalian Produksi | 19

  Gross requairement adalah kebutuhan kasar.
 Schedule receipt adalah jadwal penerimaan.
 Projected on hand adalah proyeksi persediaan di tangan.
 Projected net requqirement adalah kebutuhan bersih.
 Planned order receipt adalah rencanan penerimaan pesanan.
 Planned prder release adalah rencana melakukan pesanan.
Contoh untuk X Atoz pada minngu ke 7 pesanan harus sudah diterima sebesar
275 unit, karena lead timenya adalah 1 minggu maka pada minggu ke 6 harus
sudah dilakukan pesanan agar pada akhir minggu ke 7 pesanan dapat diterima.
Sehingga pada akhir periode semua pesanan dapat terpenuhi.
4. Untuk mengetahui hasil-hasil perhitungan yang lain yaitu MRP report, Action
(Order) List, BOM, Product Structure in Graph, Capacity Analysis, Cost
Analysis maka pilih option result atau dapat juga secara langsung kita pilih
sari menu bar yang ada.
5. Tampilan dari hasil-hasil perhitungan pada program MRP dapat di lihat pada
tampilan berikut :

Laboratorium Perencanaan & Pengendalian Produksi | 20

Hasil MRP

Action (order) list

BOM

Laboratorium Perencanaan & Pengendalian Produksi | 21

Product Structure in Graph

Laboratorium Perencanaan & Pengendalian Produksi | 22

Capacity Analysis

Cost Analysis

Laboratorium Perencanaan & Pengendalian Produksi | 23

 MODUL III
EQONOMIC ORDER QUANTITY (EOQ)

PENGANTAR SISTEM PENDUKUNG KEPUTUSAN INVENTORY

Program ini berisi tiga model dasar inventori : model EOQ, model quantity
discount analysis, dan model single period stochastic demand problem. EOQ
menganalisa dalam menemukan kuantitas order yang optimal yang mempunyai
biaya terkecil yang meliputi biaya shortage dan biaya hilangnya penjualan.
Analisa quantity discount menyelesaikan biaya terkecil dari kuantitas order
dengan menggunakan semua unit atau metode peningkatan discount. Anda
mungkin juga membagi dalam kuantitas orer dan membiarkan program
melakukan analisa biaya, analisa grafik juga digunakan untuk kedua tipe
permasalahan.
Single-period stochastic demand problem juga disebut sebagai
permasalahan newsboy. Distribusi permintaan mengikuti distribusi normal,
uniform, exponential, triangular, poison, geometric, discrete, dan distribusi
laplace. Program menyelesaikan kuantitaas order tebaik untuk mengoptimalkan
keuntungan yang diperkirakan dalam periode tunggal. Anda juga dapat membagi
kuantitas order atau tingkat pelayanan dan membiarkan program menghitung
keutnungan yang diperkirakan.
Spreadsheet digunakan dalam memasukkan data. Program mempunyai
pilihann untuk menyimpan, membaca, memodifikasi, dan mengeprint data
masukan. Setelah solusi dicapai, anda dapat menampilkan, mengeprint, atau
menyimpan solusi tersebut.

CATATAN TEKNIS PROGRAM INVENTORI (INVT)

1. Untuk model EOQ (economic-order quantity), program akan
menyelesaikan dengan EOQ, menampilkan, atau mengeplot biaya
inventori yang berhubungan, yang meliputi biaya penyimpanan, atau
shortage (kekurangan persediaan), dan biaya kehilangan penjualan. Anda

Laboratorium Perencanaan &Pengendalian Produksi | 24

 juga dapat membagi dalam kuantitas order dan membiarkan program
INVT menghitung biaya inventori yang brhubungan. Data untuk
permasalahan EOQ meliputi data permintaan per periode, biaya order atau
setup per order, biaya penyimpanan per unit per periode, biaya kekurangan
persediaan per unit per periode, biaya kehilangan penjualan per unit,
tingkat produksi per periode, lead time untuk order baru dalam satu
periode, dan biaya unit. Abaikan shortage, biaya kehilangan penjualan
adalah nol, tingkat replenisment tidak terbatas, dan waktu lead time adalah
nol.
2. Untuk analisa discount, semua unit discount menggambarkan bahwa
semua unit order mempunyai harga dengan beberapa tingkat diskon,
dimana peningkatan diskon menggambarkan bahwa unit order mempunyai
peningkatan harga dengan perbedaan tingkat diskon yang didasarkan pada
pemenuhan jumlah (break quantities). Anda juga dapat menspesifikasikan
penyimpanan, kekurangan persediaan, biaya kehilangan penujalan
konstan, atau diskon. Data yang diminta meliputi permintaan per periode,
biaya order atau setup per order, biaya penyimpanan per unit per periode,
biaya shortage per unit per periode, biaya hilangnya penjualan per unit,
tingkat produksi per periode, lead time untuk order baru dalam satu
periode, biaya unit, tingkat diskon, dan persentase diskon. Nilai yang lain
biarkan sama dengan nilai untuk data EOQ.
3. Untuk single-period stochastic demand problem (permasalahan newaboy),
data yang dimasukkan meliputi biaya acquisition, unit selling price (harga
penjualan per unit), unit shortage cost (biaya kekurangan persediaan per
unit), unit salvage value (nilai pembayaran), biaya order atau setup, inisial
inventori, distribusi permintaan, dan parameter-parameter. Permintaan
merupakan proses stokastik dan tidak pasti dan kemungkinan mengikuti
beberapa distribusi yang telah disebutkan dimuka. Ketika menentukan
distribusi permintaan dalam memasukkan data, tiga lembar pertama
diperlukan. Didasarkan pada distribusi permintaan yang ditentukan dan

Laboratorium Perencanaan &Pengendalian Produksi | 25

 data operasional, program menyelesaikan kuantitas order untuk
memaksimalkan keuntungan yang diperkirakan untuk periode tunggal.

CARA PENYELESAIAN PERMASALAHAN (SOLVING PROBLEM)

Dalam seksi ini, akan diberikan contoh kasus untuk menunjukkan

bagaimana cara dalam memasukkan dan menyelesaikan masalah.

Contoh kasus EOQ

PT Yakin Bisa merupakan retailer televisi lokal. Dari pengalaman,
perusahaan mengetahui bahwa permintaan untuk televisi dapat dikatakan tetap,
dengan rata-rata permintaan 600 sets per tahun, dan biaya order adalah Rp.50 per
order. Biaya penyimpanan tahunan, meliputi biaya capital (modal) dan biaya
gudang, adalah 20% dari harga pembelian. Pemborong menawarkan harga Rp.300
per set. Berapakah jumlah yang seharusnya retailer pesan tiap waktu sehingga
biaya inventori dapat diminalkan?

Enter the Problem (Masukkan Permasalahan)

1. Pilih atau klik new problem pada menu file.
2. Gambar 1 menunjukkan problem spesification. Klik “Uniform Demand
EOQ Problem” untuk tipe perrmasalahan karena permintaan tetap.
3. Gambar 2 menunjukkan masukkan data EOQ. Catat bahwa biaya
penyimpanan unit adalah sama dengan Rp.60, yang merupakan 20% dari
Rp.300.

Solve Problem (Penyelesaian Masalah)

1. Pilih “Solve the problem” dari menu “Solve and Analyze” untuk
menyelesaikan permasalahan. Program akan menampilkan penyelesaian
untuk periode jangka pendek.

Laboratorium Perencanaan &Pengendalian Produksi | 26

2. Setelah permasalahan diselesaikan, pilih “Solution summary” dari menu
“Result” untuk menampilkan analisa EOQ. Gambar 3 menunjukkan hasil
analisa biaya per tahun untuk permasalahan EOQ.
3. Anda dapat memilih “Graphic cost analysis” dari menu “Result” untuk
menampilkan kurva biaya inventori. Gambar 4 menunjukkan spesification
dari skala gambar. Asumsikan bahwa spesifikasi sudah ada (defaulta).
Gambar 5 menunjukkan hasil. Catat bahwa gambar 5 tiap slot dari
dimensi horisontal menggambarkan dua unit. Anda dapat menekan tombol
“P” untuk mengeprint gambar atau grafik.

Gambar 1 Problem Spesification

Laboratorium Perencanaan &Pengendalian Produksi | 27

Gambar 2 Entry Data untuk Permasalahan EOQ

Gambar 3 Hasil Analisa Biaya per Tahun

Laboratorium Perencanaan &Pengendalian Produksi | 28

Gambar 4 Lanjutan Hasil Analisa Biaya per Tahun

Gambar 5 Spesifikasi dari Skala Gambar

Laboratorium Perencanaan &Pengendalian Produksi | 29

Gambar 6 Kurva Analisa Biaya Inventory

Laboratorium Perencanaan &Pengendalian Produksi | 30

 MODUL IV
JOB SHOP SCHEDULING

PENGANTAR SISTEM PENDUKUNG KEPUTUSAN JOB SHOP

Program ini untuk menyelesaikan permasalahan job shop yang umum
dengan menggunakan aturan heuristik. Pekerjaan dalam job shop biasanya
memiliki operasi dan urutan yang berbeda dari mesin yang berbeda. Aturan
umum yang biasanya digunakan adalah SPT, LPT, RANDOM, FSFS, LCFS,
MWKR, EDD, SLACK, dan beberapa lainnya yang digunakan dalam program
untuk menyelesaikan masalah. Dalam program ini juga dapat menentukan priority
indek untuk setiap pekerjaan, memilih salah satu aturan untuk pengambilan
keputusan utama dan memilih tie-breaker yang berpengaruh pada aturan yang
digunakan. Program ini juga disediakan heuristik rule yang dapat menemukan
solusi terbaik untuk criteria yang dipilih. Criteria yang dapat dipilih meliputi
makespan, mean completion time, mean waiting time, mean lateness, work in
process, mean machine utilization, dan beberapa yang lainnya. Input yang
dibutuhkan program meliputi waktu proses, due dates, priority indek, routing, dan
atau bobot untuk tiap pekerjaan.

CATATAN TEKNIS PROGRAM JOB SHOP

1. Job shop disusun dari sekumpulan mesin atau stasiun kerja. Penjadwalan
yang feasible untuk satu set pekerjaan didefinisikan sebagai penugasan
dari operasi untuk mesin tanpa constrain kapasitas.
2. Aturan dispatching yang disediakan oleh job shop dalam memilih operasi
untuk yang dikenakan pada mesin adalah :
 SPT (Shortest Process Time) : memilih operasi dengan waktu operasi
yang terpendek.
 LPT (Longest Process Time) : memilih operasi dengan waktu operasi
terpanjang.
 RANDOM (Random Assignment) : memilih operasi secara acar
(random).

Laboratorium Perencanaan & Pengendalian Produksi | 31

  FCFS (Frist Come, Frist Served) : job yang yang pertama dating
dikerjakan terlebih dahulu.
 LCFS (Last Come, Frist Served) : job yang terakhir dating yang
dikerjakan terlebih dahulu.
 MWKR (Most Work Remaining) : memilih operasi dengan pekerjaan
yang mempunyai pekerjaan sisa yang paling banyak yang dikerjakan
terlebih dahulu.
 EDD (Earliest Due Date) : memilih pekerjaan dengan due date yang
yang paling awal.
 Dan bebrapa aturan lain yang dapat dilihat pada fsailitsa Help pada
program.
3. Beberapa criteria performansi atau keberhasilan dalam program job shop :
MC : weighted mean completion time (bobot rata-rata waktu
penyelesaan) MC = (Siwi Ci) / (Siwi)
Wmax : maximum waiting time (waktu menunggu maksimum)
Wmax = maxi Wi
MW : weighted mean waiting time (bobot rata-rata waktu menunggu0
MW = (Siwi Wi) / (Siwi)
Fmax : maximum flow time (waktu alir maksimum)
Fmax = maxi Fi
MF : weighted mean flow time (bobot rata-rata waktu alir)
MF = (Siwi Fi) / (Siwi)
Lmax : maximum lateness (kelambatan maksimum)
Lmax = maxi Li
ML : weighted mean lateness (bobot rata-rata kelambatan)
ML = (Siwi Li) / (Siwi)
Emax : maximum earliness
Emax = maxi Ei
ME : weighted mean earliness
ME = (Siwi Ei) / (Siwi)
Tmax : maximum tardiness

Laboratorium Perencanaan & Pengendalian Produksi | 32

 Tmax = maxi Ti
MT : weighted mean tardiness
MT = (Siwi Ti) / (Siwi)
NT : number of tardy jobs
NT = |{i | Ci > di}|
WIP : mean work in process (rata-rata kerja dalam proses)
WIP = Average of Nt over Cmax
MU : mean machine utilization (rata-rata utilitas mesin)
TJC : total job costs (biaya total pekerjaan), including idle, busy, early,
and late costs
TMC : total machine costs (biaya total mesin), including idle, and busy
costs
TC : total costs (biaya total) = TJC + TMC

CARA PENYELESAIAN PERMASALAHAN (SOLVING PROBLEM)

Dalam seksi ini, akan diberikan contoh kasus untuk menunjukkan
bagaimana cara dalam memasukkan dan menyelesaikan masalah.
Contoh kasus
Untuk mendemonstrasikan penggunaan job shop, pertimbangkan
permasalahan berikut. Terdapat 5 pekerjaan dengan 5 operasi yang akan diberikan
pada 5 mesin. Tabel dibawah menunjukkan waktu proses dan penggunaan mesin
untuk tiap operasi.
Tabel 1 Waktu proses operasi
Operasi
Job 1 2 3 4 5
1 2 8 4 6 7
2 6 5 4 3 2
3 7 8 4 9 3
4 4 5 5 4 3
5 5 7 3 6 4

Laboratorium Perencanaan & Pengendalian Produksi | 33

 Tabel 2 Mesin yang digunakan
Operasi
Job 1 2 3 4 5
1 3 1 2 4 5
2 2 3 5 1 4
3 1 5 4 3 2
4 4 3 2 1 5
5 5 3 1 2 4

Tabel 3 Informasi lain untuk tiap job

Job Due date weight Priority index
1 20 1 1
2 12 2 2
3 28 3 3
4 15 4 4
5 50 5 5

Enter the Problem

1. Pilih atau klik new problem pada menu file.
2. Masukan informasi seperti pada gambar 1 untuk menentukan
permasalahan.

Laboratorium Perencanaan & Pengendalian Produksi | 34

 Gambar 1 Problem Spesification untuk Kasus Job Shop

3. Gambar 2 menunjukkan masukkan waktu proses operasi, mesin yang

digunakan, dan due date dari job, weight,dan priority index.

Laboratorium Perencanaan & Pengendalian Produksi | 35

 Gambar 2 Entry Data Informasi

Solve Problem (Penyelesaian Masalah)

1. Pilih “ select solve the problem “ dari “ menu solve and analyze “ untuk
metode penyelesaian. Gambar 3 menunjukkan pilihannya. Asumsikan
bahwa aturan heuristik dispatching dipilih. Kemudian pilih primary
heuristik rule, yang adalah SPT (gambar 3), dan aturan heuristik yang
kedua (tie-breaker), adalah random (acak). Dikarenakan random dipilih
anda dapat menentukan random seet untuk random-number generation.
Perhatikan bahwa random seed yang sama akan menggenerasikan urutan
angka random yang sama.

Laboratorium Perencanaan & Pengendalian Produksi | 36

 Gambar 3 Job shop Solution

2. Pilih “ solve the problem “ dari menu “ solve and analyze “ untuk
menyelesaikan masalah. Kemudian klik OK dan program akan melakukan
running.
3. Setelah masalah diselesaikan pilih “ Result “ lalu pilih “ show mesin
schedule “ untuk memperlihatkan solusi permasalahan. Gambar 4
menunjukkan job schedule dan gambar 5 menunjukkan mesin schedule.

Laboratorium Perencanaan & Pengendalian Produksi | 37

 Gambar 4 Job Schedule

Laboratorium Perencanaan & Pengendalian Produksi | 38

 Gambar 5 Machine Schedule
4. Anda juga dapat memilih “ Result “ lalu pilih “ show ghant chart for job “
untuk melihat hasil ghant chartnya. Gambar 6 menunjukkan ghant chart
for job. Perhatikan bahwa pada layar tersebut lebih dari satu monitor,
gunakan arah untuk pindah kelayar yang tidak terlihat.

Gambar 6 Ghan chart for job

5. Anda juga dapat menyelesaikan masalah dengan seluruh heuristik atau
dengan random generation. Bagaimanapun juga untuk mencapai solusi
yang terbaik, anda perlu untuk menentukan kriteria tujuannya (pada
gambar 7). Perhatikan bahwa ketika memilih kriteria objektif, juga
menentukan apakah untuk meminimalkan atau memaximalkan tujuannya.
6. Pengoperasian selanjutnya sama dengan procedure yang telah disebutkan.

Laboratorium Perencanaan & Pengendalian Produksi | 39

Gambar 7 The option of objective criterion

Laboratorium Perencanaan & Pengendalian Produksi | 40