Tim Penyusun :
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa, karena atas
segala rahmat, berkah, dan izinnya maka Laporan kami yang berjudul “laporan
akhir praktikum mata praktikum PPIC” ini dapat terselesaikan oleh kelompok kami.
Melalui kesempatan ini kami ingin menyampaikan ucapan terima kasih
kepada yang terhormat:
1. Ibu Laksmi Ambarwati, S.T, M.T. selaku dosen pengampu Mata
Praktikum PPIC yang sudah memberi arahan, masukan, dan waktunya
untuk pembuatan laporan ini.
2. Keluarga dari kelompok kami yang sudah mendukung dalam
pengerjaan makalah ini.
3. Teman-teman yang sudah berkonstribusi baik pemikiran, tenaga, dan
waktunya dalam pengerjaan makalah ini.
Serta kepada seluruh pihak terlibat yang tidak dapat Tim Penyusun
sebutkan satu persatu. Penulis berharap dan berdoa agar Allah SWT dapat
memberikan balasan kebaikan yang lebih kepada seluruh pihak yang membantu
pembuatan Laporan Praktikum ini.
Praktikum : PPIC
Judul Praktikum : Praktikum PPIC
Nama Kelompok : Kelompok 6
Tanggal Praktikum : Mei 2021
Dikumpulkan Tanggal : Juni 2021
Diperiksa Tanggal :
Dosen Pengampu
ii
Politeknik STMI Jakarta
DAFTAR ISI
KATA PENGANTAR ............................................................................................. i
LEMBAR PENGESAHAN ................................................................................... ii
DAFTAR ISI .......................................................................................................... iii
DAFTAR GAMBAR .............................................................................................. v
DAFTAR TABEL .................................................................................................. vi
BAB I PENDAHULUAN ....................................................................................... 1
1.1Latar belakang ................................................................................................ 1
1.2 Tujuan ............................................................................................................ 1
1.3 Manfaat .......................................................................................................... 2
1.4 Batasan .......................................................................................................... 2
1.5 Asumsi ........................................................................................................... 3
1.6 Metodologi Praktikum ................................................................................... 3
BAB II LANDASAN TEORI ................................................................................. 4
2.1 PPIC............................................................................................................... 4
2.2 Forecasting/Peramalan .................................................................................. 4
2.3 Perencanaan agregat ...................................................................................... 5
2.3.1 Pengertian ............................................................................................... 5
2.3.2 Tujuan Perencanaan Agregat ................................................................. 6
2.3.3 Input dan Output Perancanaan Agregrat ................................................ 6
2.3.4 Strategi Perencanaan Agregat ................................................................ 6
2.3.5 Metode – Metode Perencanaan Agregat ................................................ 7
2.3.6 Perencanaan Disagregasi ........................................................................ 8
2.4 Master Production Schedule ............................................................................. 8
2.4.1 Pengertian ................................................................................................... 8
2.4.2 Tujuan ......................................................................................................... 8
2.5 RCCP (Rough Cut Capacity Planning) ....................................................... 10
2.5.1 Pengertian ............................................................................................. 10
2.5.2 Tujuan .................................................................................................. 10
2.5.3 Teknik Penerapan RCCP ..................................................................... 10
2.6 Line of Balancing ........................................................................................ 11
iii
Politeknik STMI Jakarta
2.6.1 Pengertian ............................................................................................. 11
2.6.2 Tujuan .................................................................................................. 11
2.6.3 Langkah-langkah Line Of Balancing ................................................... 11
2.7 Penjadwalan ................................................................................................. 12
2.7.1 Pengertian ............................................................................................. 12
2.7.2 Tujuan Penjadwalan ............................................................................. 12
2.7.3 Klasifikasi Penjadwalan ....................................................................... 13
BAB III PENGUMPULAN DAN PENGOLAHAN DATA ............................... 14
3.1 Pengumpulan Data ...................................................................................... 14
3.1.1 Studi Kasus Laporan Akhir Praktikum .................................................... 14
3.2 Pengolahan Data .......................................................................................... 17
3.2.1 Forecasting ........................................................................................... 18
3.2.2 Perencanaan Agregat ............................................................................ 22
3.2.3 MPS ...................................................................................................... 32
3.2.4 Rough Cut Capacity Planning .............................................................. 35
3.2.5 Line of Balancing ................................................................................. 43
3.2.6 Penjadwalan ......................................................................................... 53
BAB IV ANALISA DAN PEMBAHASAN ........................................................ 66
4.1 Forecasting .................................................................................................. 66
4.2 Perencanaan Agregat ................................................................................... 67
4.3 MPS ( Master Planning Schedule ) ............................................................. 68
4.4Rought Cut Capacity Planning ..................................................................... 68
4.5 Line of Balancing ............................................................................................ 69
4.6 Penjadwalan ................................................................................................. 70
BAB V KESIMPULAN DAN SARAN ................................................................ 72
5.1 Kesimpulan ..................................................................................................... 72
5.2. Saran ............................................................................................................... 72
DAFTAR PUSTAKA ........................................................................................... 74
iv
Politeknik STMI Jakarta
DAFTAR GAMBAR
v
Politeknik STMI Jakarta
DAFTAR TABEL
vi
Politeknik STMI Jakarta
Tabel 39. Kapasitas yang Dibutuhkan Januari sampai Desember ........................ 38
Tabel 40 Kapasitas yang Dibutuhakn per-Work Center Januari sampai Desember
............................................................................................................................... 39
Tabel 41 Kapasitas Tersedia RCCP: CPOF .......................................................... 40
Tabel 42. Data Operasi Produksi RCCP: BOLA .................................................. 41
Tabel 43. Data MPS Input RCCP: BOLA Januari sampai Desember .................. 41
Tabel 44. Kapasitas yang Dibutuhkan RCCP: BOLA Januari sampai Desember 42
Tabel 45. Proses Lini Fabrikasi ............................................................................. 43
Tabel 46. Efisiensi Lini Fabrikasi ......................................................................... 44
Tabel 47. Proses Lini Perakitan ............................................................................ 44
Tabel 48. Total Unit After Forecast dan Total Hari Efektif Kerja ........................ 46
Tabel 49. Matriks Pendahuluan Bobot Posisi ....................................................... 47
Tabel 50. Bobot Operasi ....................................................................................... 48
Tabel 51. Bobot Operasi Terurut .......................................................................... 48
Tabel 52. Stasiun Kerja dan Nilai Efisiensi SK Bobot Posisi ............................... 48
Tabel 53. Matriks Pendahuluan Pembebanan Berurut .......................................... 49
Tabel 54. Stasiun Kerja dan Nilai Efisiensi SK Pembebanan Berurut ................. 50
Tabel 55. Wilayah Awal Operasi Pendekatan Wilayah ........................................ 50
Tabel 56. Stasiun Kerja dan Nilai Efisiensi SK Pendekatan Wilayah .................. 51
Tabel 57. Perbandingan Efisiensi 3 Metode Lini Perakitan .................................. 52
Tabel 58. Efisiensi Lini Produksi .......................................................................... 52
Tabel 59. Data Pengukuran & Pemolaan .............................................................. 53
Tabel 61. Pembagian Mesin Penjadwalan SPT..................................................... 53
Tabel 62. Flow Time Penjadwalan SPT (1) .......................................................... 54
Tabel 63. Flow Time Penjadwalan SPT (2) .......................................................... 55
Tabel 64. Pembagian Mesin Penjadwalan LPT .................................................... 55
Tabel 65. Flow Time Penjadwalan LPT (1) .......................................................... 56
Tabel 66. Flow Time Penjadwalan LPT (2) .......................................................... 56
Tabel 67. Flow Time Penjadwalan LPT (3) .......................................................... 57
Tabel 68. Perbandingan Makespan Penjadwalan I ............................................... 57
Tabel 69. Due Date Setelah Penjadwalan I ........................................................... 57
Tabel 70. Recap Due Date Setelah Penjadwalan I ................................................ 58
Tabel 71. Data Pembubutan .................................................................................. 58
Tabel 72. Penjadwalan II Dengan FCFS ............................................................... 59
Tabel 73. Penjadwalan II Dengan SPT ................................................................. 59
Tabel 74. Penjadwalan II Dengan LPT ................................................................. 60
Tabel 75. Penjadwalan II Dengan EDD ................................................................ 60
Tabel 76. Perbandingan Mean Flow Time Penjadwalan II ................................... 61
Tabel 77. Due Date Setelah Penjadwalan II.......................................................... 61
Tabel 78. Data Penghalusan .................................................................................. 62
vii
Politeknik STMI Jakarta
Tabel 79. Penjadwalan III Dengan FCFS ............................................................. 62
Tabel 80. Penjadwalan III Dengan SPT ................................................................ 63
Tabel 81. Penjadwalan III Dengan LPT ................................................................ 63
Tabel 82. Penjadwalan III Dengan EDD............................................................... 64
Tabel 83. Perbandingan Mean Flow Time Penjadwalan III ................................. 64
Tabel 84. Due Date Akhir Setelah Penjadwalan III .............................................. 65
viii
Politeknik STMI Jakarta
BAB I
PENDAHULUAN
Pembahasan berkaitan dengan latar belakang, tujuan, manfaat, batasan
masalah, asumsi, dan metodologi praktikum dari kegiatan prakitum PPIC yang
dilakukan akan dijelaskan pada BAB I.
1.2 Tujuan
Penulisan laporan praktikum ini diadakan dengan tujuan supaya
mahasiswa/i dapat memahami, mengerti serta mampu memecahkan masalah dari
studi kasus yang diberikan oleh dosen pengampu mata kuliah PPIC sebagai
berikut :
1. Menentukan peramalan permintaan produk miniatur pesawat terbang
pada tahun 2021.
1
Politeknik STMI Jakarta
2. Menentukan agregat planning produk miniatur pesawat pada tahun
2021.
3. Menentukan disagregasi.
4. Menentukan kapasitas produksi ( RCCP ).
5. Menentukan line of balancing dari operasi kerja.
6. Menentukan penjadwalan dari pekerjaan.
1.3 Manfaat
Dari penulisan laporan praktikum PPIC ini manfaat yang dapat diambil
oleh pembaca adalah dapat lebih memahami dang mengetahui tentang :
1. Pembaca dapat memahami tahapan-tahapan dalam perencanaan
produksi dan pengendalian Persediaan pada suatu perusahaan
(Forcasting, perencanaan agregat, disagregasi MPS, RCCP, Line of
balancing, Penjadwalan).
2. Pembaca dapat mengetahui dan bisa menerapkan metode (Forcasting,
perencanaan agregat, disagregasi MPS, RCCP, Line of balancing,
Penjadwalan) yang sudah dipelajari dalam PPIC.
3. Pembaca dapat mengetahui dan bisa menganalisa suatu sistem
perencanaan produksi dan pengendalian persediaan untuk mencapai
output yang optimal melalui studi kasus yang diberikan.
4. Sebagai bekal pada saat terjun ke perusahaan nanti dan menambah
wawasan para pembaca.
1.4 Batasan
Hal yang menjadi batasan pada laporan praktimum PPIC adalah :
1. Pada perencanaan peramalan permintaan menggunakan metode
kuantitaif nonseasonal model yaitu metode naive, metode single
moving average metod, dan single exponential smooting.
2. Pada lini balancing produk menggunakan metode bobot posisi, metode
pendekatan wilayah dan metode pebebanan berurut
3. Pada perencanaan agregat mengguakan metode Spread sheet
4. Perhitungan MPS berdasarkan hasil forecast
5. RCCP penentuan kapasitas produksi dengan metode
6. Penjadwalan dengan metode FCFS, SPT, LPT
7. Melakukan pengolahan data dengan metode yang telah dilakukan
selama perkuliahan.
2
Politeknik STMI Jakarta
1.5 Asumsi
Hal yang menjadi asumsi pada studi kasus praktikum ini adalah sebagai
berikut:
1. Data permintaan (demand) yang diberikan pada studi kasus merupakan
demand yang fluktuatif (permintaan yang tidak menentu) Peramalan
permintaan untuk data yang diketahui lebih cocok menggunakan non
seasonal karena bentuk data yang fluktuatif
2. Pemilihan strategi perencanaan agregat dapat mempengaruhi biaya
produksi.
3. Pentingnya penentuan kapasitas produksi agar tidak melebihi waktu
produksi yang tersedia
Mulai
Identifikasih Masalah
Landasan Teori
Pengolahan Data :
Forecasting, Agregat Planning,MPS, RCCP, LOB,
Scheduling
Selesai
3
Politeknik STMI Jakarta
BAB II
LANDASAN TEORI
Pada laporan praktikum ini landasan teori membahas terkait landasan teori,
tinjauan pustaka, dan studi literatur yang menunjang praktikum ini. Didasarkan
pada Production Planning Inventory Control (PPIC), Forecasting, Perencanaan
Agregat, Master Production Schedule (MPS), Rough Cut Capacity Planning
(RCCP), Line of Balancing, dan Penjadwalan.
2.1 PPIC
Produksi merupakan fungsi pokok dalam setiap organisasi, yang
mencakup aktifitas yang bertanggung jawab untuk menciptakan nilai tambah
produk yang merupakan output dari setiap organisasi industri itu.
Perencanaan dan pengendalian produksi adalah penentuan dan penetapan
kegiatan-kegiatan produksi yang akan dilakukan untuk mencapai tujuan
perusahaan tersebut, dan mengawasi kegiatan pelaksanaan dari proses dan hasil
produksi, agar apa yang telah direncanakan dapat terlaksana dan tujuan yang
diharapkan dapat tercapai (Assauri,1999).
Jadi perencanaan dan pengendalian produksi merupakan kegiatan
pengkoordinasian dari bagian-bagian yang ada dalam melakukan proses produksi.
Pada dasarnya fungsi dasar yang harus dipenuhi oleh aktivitas
perencanaan dan pengendalian produksi adalah (Kusuma, 2009):
1. Meramalkan permintaan produk yang dinyatakan dalam jumlah produk
sebagai fungsi dari waktu.
2. Menetapkan jumlah dan saat pemesanan bahan baku serta komponen secara
ekonomis dan terpadu.
3. Menetapkan keseimbangan antara tingkat kebutuhan produksi, teknik
pemenuhan pesanan, serta memonitor tingkat persediaan produk jadi setiap
saat, membandingkannya dengan rencana persediaan, dan melakukan revisi
atas rencana produksi pada saat yang ditentukan.
Membuat jadwal produksi, penugasan, dan pembebanan mesin dan
tenaga kerja yang terperinci sesuai dengan ketersediaan kapasitas dan fluktuasi
permintaan pada suatu periode.
2.2 Forecasting/Peramalan
Menurut buku Operation Management (Stevenson, 2011) peramalaan
adalah masukan/input dasar dalam proses pengambilan keputusan dari
manajemen operasi karena permalaan memberikan informasi dalam perimintaan
dimasa yang akan datang.
Salah satu tujuan utama dari manajemen operasi adalah untung
menyeimbangkan antara pasokan/supply dan permintaan,dan memiliki perkiraan
permintaan dimasa yang akan dating sangat penting untuk menentukan berapa
kapasitas atau pasokan/supply yang dibutuhkan untuk menyeimbangi permintaan.
4
Politeknik STMI Jakarta
Menurut (Handoko, 1999) Peramalan adalah suatu usaha untuk meramalkan
keadaan di masa mendatang melalui pengujian keadaan di masa lalu. Menurut
(Gaspersz, 2005) Aktivitas peramalan merupakan suatu fungsi bisnis yang
berusaha memperkirakan penjualan dan penggunaan produk sehingga produk-
produk itu dapat dibuat dalam kuantitas yang tepat.
Metode peramalan biasanya digunakan oleh bagian penjualan
dalammelakukan perencanaan (sales planning) berdasarkan hasil ramalan
penjualan, sehingga informasi peramalan dapat bermanfaat bagi Production
Planning and Inventory Control (PPIC). Dimana peramalan memegang peranan
penting, antara lain: (Hartini, 2011)
1. Penjadwalan sumber-sumber yang ada
2. Peramalan pada tingkat permintaan untuk produk, material,tenaga kerja,
finansial atau jasa adalah input penting untuk penjadwalan.
3. Peramalan dibutuhkan untuk menentukan kebutuhan sumber-sumber di
masa yang akan datang,
4. Menentukan sumber-sumber daya yang diinginkan,
5. Semua organisasi atau perusahaan harus menentukan sumber apa yang
mereka inginkan untuk dimiliki pada jangka panjang.
Berdasarkan horizon waktu, peramalan atau forecasting dapat dibagi
menjadi tiga jenis, yaitu (Herjanto, 2008):
1. Peramalan jangka panjang, yaitu yang mencakup waktu lebih besar dari
18 bulan. Misalnya, peramalan yang diperlukan dalam kaitannya dengan
penanaman modal, perencanaan fasilitas dan perencanaan untuk kegiatan
litbang.
2. Peramalan jangka menengah, yaitu mencakup waktu antara 3 sampai 18
bulan. Misalnya, peramalan untuk perencanaan penjualan, perencanaan
produksi dan perencanaan tenaga kerja tidak tetap.
3. Peramalan jangka pendek, yaitu mencakup jangka waktu kurang dari 3
bulan. Misalnya, peramalan dalam hubungannya dengan perencanaan
pembelian material, penjadwalan kerja dan penugasan karyawan.
5
Politeknik STMI Jakarta
menggunakan seluruh sumber daya yang tersedia. Oleh karena itu, tanpa adanya
perencanaan agregat secara akurat maka semua aktivitas industri akan menjadi
sangat keliru. Dalam suatu lingkungan yang kompetitif, rencana agregat yang baik
adalah dasar untuk mencapai kesuksesan.
6
Politeknik STMI Jakarta
2.3.5 Metode – Metode Perencanaan Agregat
Metode – metode perencanaan agregat adalah metode heuristik (trial and
error) dan metode optimasi.
1. Metode heuristik (trial – and – error) Berikut ini adalah 5 tahapan dalam
metode pembuatan Metode heuristik :
• Tentukan permintaan pada setiap periode
• Tentukan berapa kapasitas pada waktu – waktu biasa, waktu lembur,
dan tindakan SubKontrak pada setiap periode.
• Tentukan biaya tenaga kerja, biaya pengangkatan dan pemberhentian
tenaga kerja, serta biaya penambahan persediaan.
• Pertimbangan kebijakan perusahaan yang dapat diterapkan pada para
pekerja dan tingkat persediaan.
• Kembangkan rencana – rencana alternatif dan amatilah biaya totalnya.
Beberapa metoda Heuristik antara lain :
• Metode pengendalian tenaga
• Metode pengendalian persediaan
• Metode pengendalian subkotrak
• Metode campuran Pada metode campuran
2. Metode optimasi Perencanaan agregrat dapat digunakan menggunakan
metode optimasi yang terdiri atas model programa linier dan model
transportasi land. Metode ini mengijinkan penggunaan produksi reguler,
overtime, inventory, back order, dan SubKontrak. Hasil perencanaan yang
diperoleh dapat dijamin optimal dengan asumsi optimistik bahwa tingkat
produksi (yang dipengaruhi hiring dan training pekerja) dapat dirubah dengan
cepat. Agar metode ini dapat diaplikasikan, kita harus memformulasikan
persoalan perencanaan ageregat sehingga :
• Kapasitas tersedia (supply) dinyatakan dalam kg yang sama dengan
kebutuhan (demand).
• Total kapasitas horizon perencanaan harus sama dengan total
peramalan kebutuhan. Bila tidak sama, kita gunakan variabel dummy
sebanyak jumlah selisih tersebut dengan kg cost nol.
• Semua hubungan biaya merupakan hubungan linier.
Beberapa metoda Optimai antara lain :
a) Model progama linier Program linier dapat digunakan sebagai alat
perencanaan agregat. Model ini dibuat karena avaliditas pendekata
koefisien manajemen sukar dipertanggungjawabkan
b) Model transportasi Untuk kepentingan yang lebih efisien, bigel
mengusulkan model perencanaan produksi agregat dengan
menggunakan teknik transport shipment problem (TSP)
7
Politeknik STMI Jakarta
2.3.6 Perencanaan Disagregasi
Perencanaan disgaregat merupakan langkah selanjutnya setelah
perencanaan agregat, tujuan dari perencanaan disagregat adalah untuk memecah
satuan agregat pada perencanaan agregat kedalam setiap item produk serta
mengetahui item suatu produk tersebut akan diproduksi. Perencanaan
disagregasi/disaggregate planning adalah suatu cara untuk memecah family
produk atau kelompok tingkat yang lebih atas menjadi item-item produk atau item
tingkat yang lebih bawah. Tujuan disagregasi adalah berupa hasil yang menjadi
dasar/patokan untuk Menyusun jadwal induk produksi (MPS – Master Production
Schedule) Setelah diketahui jadwal produksi agregatnya.
Terdapat 3 metode disagregasi, yaitu metode Persentase, Bitran dan Hax,
Hax dan Meal. Pada pembahasan ini akan dijelasan langkah penyelesaian
disagregasi menggunakan metode persentase, sebagai berikut,
Langkah pertama Hitung persentase kuantitas item masing-masing
terhadap kuantitas famili pada masa lalu (semua dalam unit agregat), langkah
kedua Gunakan persentase ini untuk menentukan kuantitas item masing-masing
dari rencana agregat. Output adalah MPS dalam satuan agregat, langkah
selanjutnya Gunakan persentase ini untuk menentukan kuantitas item masing-
masing dari rencana agregat. Output adalah MPS dalam satuan agregat.
8
Politeknik STMI Jakarta
Kegiatan penjadwalan produksi induk atau Master Production Schedule
(MPS) mempunyai beberapa aktivitas sebagai berikut seperti bagaimana
menyusun dan mengupdate jadwal produksi induk(MPS), memproses transaksi
dari Master Production Schedule, memelihara catatan-catatan MPS,
Mengevaluasi efektivitas Master Production Schedule (MPS).
Dalam penjadwalan produksi induk terdapat kriteria-kriteria dasar
sebagai berikut:
a) Jenis item tidak terlalu banyak
b) Dapat diramalkan kebutuhannya
c) Mempunyai Bill of Material (BOM) sehingga dapat ditentukan komponen
dan bahan bakunya.
d) Dapat diperhitungkan dalam menentukan kebutuhan kapasitas.
e) Menyatakan konfigurasi produk yang dapat dikirim (Produk akhir
tertentu atau komponen berlevel
tinggi dari produk akhir tertentu).
Sebagai suatu aktivitas proses, penjadwalan produksi induk (MPS)
membutuhkan lima input utama
diantaranya yaitu:
a) Data Permintaan Total merupakan salah satu sumber data bagi proses
MPS yang berkaitan dengan
ramalan penjualan (sales forecasts) dan pesanan-pesanan (order).
b) Status Inventori berkaitan dengan informasi tentang on-hand inventory,
stok yang dialokasikan
untuk penggunaan tertentu (allocated stock), pesanan-pesanan produksi dan
pembelian yang
dikeluarkan (released production and purchase orders), dan firm planned
order.
c) Rencana Produksi memberikan sekumpulan batasan kepada MPS. MPS
harus menjumlahkan untuk
menentukan tingkat produksi, inventori, dan sumber-sumber daya lain
dalam rencana produksi itu.
d) Data Perencanaan berkaitan dengan aturan-aturan tentang lot-sizing yang
harus digunakan, stok
pengaman (safety stock), dan waktu tunggu (lead time).
e) Informasi dari RCCP berupa kebutuhan kapasitas untuk
mengimplementasikan MPS menjadi salah
satu input bagi MPS. Pada sub bab ini dijelaskan mengenai definisi MPS,
posisi MPS dalam ruang lingkup PPIC, fungsi MPS bagi perusahaan, dan
input apa saja yang digunakan dalam penyusunan MPS.
9
Politeknik STMI Jakarta
2.5 RCCP (Rough Cut Capacity Planning)
2.5.1 Pengertian
Rough Cut Capacity Planning (RCCP) merupakan perencanaan kapasitas
kasar dan termasuk dalam perencanaan kapasitas jangka panjang. RCCP bisa
menentukan kebutuhan kapasitas yang diperlukan untuk melaksanakan MPS
(Master Production Schedule).
2.5.2 Tujuan
Tujuan utama dalam RCCP adalah untuk mengidentifikasi overloading
atau underloading dari kapasitas produksi yang terjadi dan merevisi MPS yang
diperlukan. Jika overloading ini berarti terlalu banyak produksi produk telah
direncanakan dalam fasilitas dan kapasitas cukup ada untuk menghasilkan jumlah
produk yang direncanakan sesuai yang diperlukan dalam MPS. Sedangkan untuk
underloading berarti bahwa tidak mencukupi untuk produksi produk yang telah
direncanakan untuk sepenuhnya memuat fasilitas yang ada. Pada dasarnya
terdapat empat langkah yang diperlukan untuk melakukan RCCP yaitu:
- Memperoleh informasi tentang rencana produksi dari MPS.
- Memperoleh informasi tentang struktur produk dan waktu tunggu (lead
times).
- Menentukan Bill of Resources.
- Menghitung kebutuhan sumber daya spesifik dan membuat laporan RCCP.
10
Politeknik STMI Jakarta
2.6 Line of Balancing
2.6.1 Pengertian
Line Balancing adalah suatu analisis yang mencoba melakukan suatu
perhitungan keseimbangan hasil produksi dengan membagi beban antar proses
secara berimbang sehingga tidak ada proses yang idle akibat terlalu lama
menunggu keluarnya peroduk dari proses yang sebelumnya. Adapun tujuan utama
dalam menyusun Line Balancing adalah untuk membentuk dan menyeimbangkan
beban kerja yang dialokasikan pada tiap-tiap stasiun kerja. Jika tidak dilakukan
keseimbangan seperti ini maka akan mengakibatkan ketidakefisienan kerja di
beberapa stasiun kerja, dimana antara stasiun kerja yang satu dengan stasiun kerja
yang lain memiliki beban kerja yang tidak seimbang.
Dengan demikian, masalah keseimbangan lintasan perakitan(Balancing Line)
adalah bagaimana agar suatu pekerjaan dapat diselesaikan dengan beban kerja
yang sama pada setiap stasiun kerja, sehingga menghasilkan keluaran produk yang
sama persatuan waktu.
2.6.2 Tujuan
Tujuan dasar daripada penyeimbang lintasan yaitu untuk membantu
meningkatkan jumlah produksi yang dikeluarkan dengan fasilitas dan sumber
daya yang dimiliki perusahaan. Megatasi permasalahan bottleneck yang terjadi
pada tahapan proses agar proses produksi dapat berjalan efektif dan effisien.
Umumnya merencanakan keseimbangan dalam sebuah lintasan meliputi usaha
yang bertujuan untuk mencapai suatu kapasitas yang optimal, dimana tidak terjadi
pemborosan fasilitas (waktu, tenaga dan material).
Tujuan ini tercapai bila:
1. Lintasan bersifat seimbang, setiap stasiun kerja mendapatkan beban kerja
yang sama nilainya diukur dengan waktu.
2. Jumlah waktu operator menunggu dari proses sebelumnya (idle) minimum
di setiap stasiun kerja sepanjang lintasan proses.
3. Jumlah stasiun yang ada di lintasan memiliki waktu yang seimbang.
11
Politeknik STMI Jakarta
2.7 Penjadwalan
2.7.1 Pengertian
Pengertian secara umum tentang penjadwalan adalah sebuah proses
perencanaan pengalokasian sumber daya untuk mengerjakan aktivitas pekerjaan
didalam suatu waktu tertentu. Ada beberapa pengertian penjadwalan menurut
beberapa ahli :
• Menurut Baker & Trietsch (2009), Kegiatan penjadwalan adalah proses
dimana pengalokasian sumber-sumber atau mesin-mesin yang ada untuk
menjalankan sekumpulan tugas dalam jangka waktu tertentu.
• Berdasarkan pendapat Pinedo (2016), Penjadwalan merupakan sebuah
fungsi pengambilan keputusan yang biasa digunakan banyak perusahaan
manufaktur atau jasa, yang berhubungan dengan alokasi sumber daya
untuk mengerjakan tugas selama waktu tertentu dan tujuannya adalah
untuk mengoptimalkan satu atau lebih tujuan pengoptimalan.
• Pengertian Penjadwalan menurut Ginting (2009) adalah pengurutan
pembuatan/pengerjaan produk secara menyeluruh yang dikerjakan pada
beberapa buah mesin. Penjadwalan melibatkan pengerjaan sejumlah
komponen yang sering disebut Job. Job merupakan elemen dasar yang bisa
disebut aktivitas atau operasi. Tiap operasi ini membutuhkan alokasi
sumber daya selama periode tertentu yang disebut waktu proses. Alokasi
sumber daya yang sebelumnya disebut adalah seperti mesin, waktu tunggu,
transportasi, dll.
12
Politeknik STMI Jakarta
masiuh mengerjakan tugas yang lain. Teori Baker mengatakan jika aliran
kerja suatu jadwal konstan, maka antrian yang mengurangi rata-rata waktu
alir akan mengurangi persediaan baarang jadi.
3. Mengurangi beberapa kelambatan pada pekerjaan yang mempunyai batas
waktu penyelesaian sehingga akan mengurangi penalty cost (Biaya
keterlambatan).
4. Membantu pengambilan keputusan mengenai perencanaan kapasitas
pabrik dan jenis kapasitas yang dibutuhkan sehingga penambahan biaya
yang mahal dapat dihindarkan.
Salah satu tujuan dari melakukan penjadwalan ialah untuk mengantisipasi
atau megurangi keterlambatan atau bahkan perusahan mampu menyelesaikan
pekerjaan dan menyerahkan ke pelanggan dengan tepat waktu.
13
Politeknik STMI Jakarta
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
Dalam pembahasan kali ini pengumpulan dan pengolahan data diambil
berdasarkan studi kasus yang sudah diberikan oleh dosen pengampu. Kasus yang
diberikan tetang PT. STMI yang akan memproduksi miniatur pesawat terbang
berdasarkan perhitungan dari data permintaan dan harga produk Januari 2020
sampai Desember 2020 serta pengolahan data yang terdiri dari tahap Forecasting,
tahap Perencanaan Agregat, tahap MPS, tahap Rough Cut Capacity Planning
(RCCP), tahap Line of Balancing, dan terakhir tahap Penjadwalan.
14
Politeknik STMI Jakarta
Tabel 1 Data Permintaan dan Harga Produk Januari 2020
sampai Desember 2020
Pesawat
Periode Pesawat B Pesawat C
A
Rp Rp Rp
Harga
22,000 20,000 25,000
Januari 2060 1050 1260
Februari 2190 1040 1490
Maret 2380 1730 1580
April 2160 1650 1360
Mei 2290 2100 1290
Juni 2030 1880 1530
Juli 2240 1740 1640
Agustus 2270 1870 1470
September 2370 1370 1870
Oktober 2220 1220 1520
November 2320 1320 1920
Desember 2110 1110 1910
Hari Tingkat
Bulan
Kerja Kehadiran TK
Januari 23 95%
Februari 20 95%
Maret 22 95%
April 21 95%
Mei 21 95%
Juni 22 95%
Juli 23 95%
Agustus 22 95%
September 21 95%
Oktober 20 95%
November 22 95%
Desember 22 95%
15
Politeknik STMI Jakarta
Tabel 3 Data Proses Pembuatan Pesawat Terbang
Waktu
Operasi Lini Fabrikasi
(Menit)
a Pengukuran dan Pemolaan 12.8
b Pembubutan 5
c Pemotongan 5.48
d Penghalusan 4.19
e Pelubangan 3.28
f Pengetapan 4.52
Waktu
Operasi Lini Perakitan
(Menit)
1 Body + Sayap bawah 5
2 Roda depan + roda belakang 1
3 Perakitan 2 + As roda depan + as roda belakang 2
4 Perakitan 1 + Tiang 3
5 Perakitan 4 + Sayap atas 3
6 Perakitan 5 + Baling-baling 2
7 Perakitan 6 + Sayap belakang 2
8 Perakitan 7 + Penyangga depan 4
9 Perakitan 8 + Penyangga belakang 4
10 Perakitan 8 + Perakitan 3 5
Total Waktu Pembuatan Pesawat (menit) 66,27
Total Waktu Pembuatan Pesawat (jam) 1,10
Total Waktu Lini Fabrikasi (menit) 35,27
Total Waktu Lini Perakitan (menit) 31
16
Politeknik STMI Jakarta
Tabel 5 Data Order Produk yang Diproduksi
Pengukuran& Pembubutan Penghalusan
Due
Pekerjaan Pemolaan (3
(1 mesin) (1 mesin) Date
mesin)
A 70 17 3 300
B 58 12 4 320
C 45 25 4 270
D 28 12 10 120
E 32 13 8 170
F 27 14 9 400
G 46 23 4 200
H 39 25 8 180
17
Politeknik STMI Jakarta
forecasting, perencanaan aggregat, MPS, rough cut capacity planning, line of
balancing, dan penjadwalan sebagai berikut.
3.2.1 Forecasting
Data yang dibutuhkan untuk melakukan peramalan yaitu data permintaan
dan harga produk Januari 2020 sampai Desember 2020 (data permintaan aktual
2020) yang sudah di-Agregasi. Menghasilkan data family produk pesawat
terbang, sebagai berikut.
18
Politeknik STMI Jakarta
I. Naïve
Forecast Error
MAD 360.3636364
MSE 217408.7273
MAPE 6.805763454
19
Politeknik STMI Jakarta
Bulan Permintaan MA3 MA3
Juli 5620 5255 101.33 101.33 0.02 10268.44
Agustus 5610 5405 364.67 364.67 0.06 132981.78
September 5610 5557 204.67 204.67 0.04 41888.44
Oktober 4960 5613 53.33 53.33 0.01 2844.44
-
5393
November 5560 653.33 653.33 0.13 426844.44
Desember 5130 5377 166.67 166.67 0.03 27777.78
-
246.67 246.67 0.05 60844.44
Total 3964 0.74863398 2391496
Forecast Error
MAD 230.15
MSE 84894.96
MAPE 4.37
20
Politeknik STMI Jakarta
Tabel 13 Hasil Forecast Error SES (0,3)
Forecast Error
MAD 417.3
MSE 246388.0
MAPE 7.8
21
Politeknik STMI Jakarta
3.2.2 Perencanaan Agregat
i. Perencanaan Agregat
Pada tahap perencanaan agregat menggunakan Metode Spreadsheet
dengan strategi Zero Inventory, Backorder, dan No-Backorder. Terdapat
beberapa data tambahan yang harus diketahui diluar data yang telah dimiliki.
Data tambahan yang diperlukan adalah data kebutuhan MH tahun 2020 data
tersebut dibutuhkan untuk mencari rata-rata penerimaan Tenaga Kerja (TK)
tahun 2020 dan kapasitas produksi per-TK per-hari.
22
Politeknik STMI Jakarta
November 5560 5560 1.22 6807.46 = 6808
Total 77824
Total kebutuhan MH pada tahun 2020 adalah sebesar 77824 MH, nilai
ini yang akan digunakan untuk mencari nilai rata-rata penerimaan TK tahun
2020 dan kapasitas produksi per-TK per-hari.
23
Politeknik STMI Jakarta
Tabel 19 perhitungan rata-rata penerimaan TK tahun 2020
Kebutuhan MH Tahun 2020
78007 MH
TK
= MH/ P
= 78007 / (247x8)
= 39.47722672
Dibulatkan 40
Periode Waktu
No Keterangan
Jan Feb Mar Apr Mei Jun Jul
24
Politeknik STMI Jakarta
Hari Kerja Efektif
1 (Days) 22 19 21 20 20 21 22
Kemampuan TK
(Unit/worker) =
2 [1] * 7 154 133 147 140 140 147 154
Permintaan
(Demand) = Total
3 unit aggregasi 4370 4545 4927 4988 5126 5178 5241
TK Yg dibutuhkan
(Workers Needed)
4 = [3]/[2] 28 34 34 36 37 35 34
TK yang ada
(Workers
5 Available) 40 28 34 34 36 37 35
Penambahan TK
(Workers Hired) =
6 [4]-[5] 0 6 0 2 1 0 0
Biaya
Penambahan TK
(Hiring Cost) = Rp Rp Rp Rp Rp Rp Rp
7 [6]*600.000 - 3,600,000 - 1,200,000 600,000 - -
TK yang di PHK
(Workers Laid off)
8 = [5]-[4] 12 0 0 0 0 2 1
Biaya PHK TK
(Lay off Cost) = Rp Rp Rp Rp Rp Rp Rp
9 [8]*300.000 3,600,000 - - - - 600,000 300,000
TK yang
digunakan
(Workers Used) =
10 [4] 28 34 34 36 37 35 34
Biaya TK (Labor
Cost) = Rp Rp Rp Rp Rp Rp Rp
11 [10]*[1]*8*23.000 113,344,000 118,864,000 131,376,000 132,480,000 136,160,000 135,240,000 137,632,000
Unit Yg
diproduksi (Unit
12 Produced) = [3] 4370 4545 4927 4988 5126 5178 5241
Persediaan (Net
Inventory) = [12]-
13 [3] 0 0 0 0 0 0 0
Biaya Persediaan Rp Rp Rp Rp Rp Rp Rp
14 (Holding Cost) - - - - - - -
Pesan Kembali
15 (Back Order) 0 0 0 0 0 0 0
Biaya Pemesanan
Kembali (Back Rp Rp Rp Rp Rp Rp Rp
16 Order Cost) - - - - - - -
Biaya Total (Total Rp Rp Rp Rp Rp Rp Rp
17 Cost) 116,944,000 122,464,000 131,376,000 133,680,000 136,760,000 135,840,000 137,932,000
25
Politeknik STMI Jakarta
Tabel 22. Spreadsheet: Zero Inventory Agustus sampai Desember
Periode Waktu
Total
Agust Sep Okt Nop Des
21 20 19 21 21 247
36 38 40 36 36 424
34 36 38 40 36 428
2 2 2 0 0 15
Rp Rp Rp Rp Rp Rp
1,200,000 1,200,000 1,200,000 - - 9,000,000
0 0 0 4 0 19
Rp Rp Rp Rp Rp Rp
- - - 1,200,000 - 5,700,000
36 38 40 36 36 424
Rp Rp Rp Rp Rp
139,104,00 139,840,00 139,840,00 139,104,00 139,104,00 Rp
0 0 0 0 0 1,602,088,000
0 0 0 0 0 0
Rp Rp Rp Rp Rp Rp
- - - - - -
0 0 0 0 0 0
Rp Rp Rp Rp Rp Rp
- - - - - -
Rp Rp Rp Rp Rp Rp
140,304,00 141,040,00 141,040,00 140,304,00 139,104,00 1.616.788.00
0 0 0 0 0 0
26
Politeknik STMI Jakarta
II. Spreadsheet: Backorder
Berikut adalah perencanaan agregat dengan menggunakan Spreadsheet
dengan strategi Backorder. Strategi ini adalah strategi yang mempertimbangkan
jumlah barang yang ada di inventory dan jumlah barang yang kurang pada
periode tertentu, jumlah barang yang kurang pada periode tertentu akan
dikalikan dengan backorder cost.
Periode Waktu
No Keterangan
Jan Feb Mar Apr
27
Politeknik STMI Jakarta
Tabel 24. Spreadsheet: Backorder Mei sampai Desember
Periode Waktu
Total
20 21 22 21 20 19 21 21 247
35 35 35 35 35 35 35 35 420
35 35 35 35 35 35 35 35 425
0 0 0 0 0 0 0 0 0
Rp Rp Rp Rp Rp Rp Rp Rp Rp
- - - - - - - - -
0 0 0 0 0 0 0 0 5
Rp Rp Rp Rp Rp Rp Rp Rp Rp
- - - - - - - - 1,500,000
35 35 35 35 35 35 35 35 420
Rp Rp Rp Rp Rp Rp Rp Rp Rp
128,800,000 135,240,000 141,680,000 135,240,000 128,800,000 122,360,000 135,240,000 135,240,000 1,590,680,000
28
Politeknik STMI Jakarta
adalah untuk menjaga level backorder tetap pada level rendah atau zero (nol)
produk.
Periode Waktu
No Keterangan
Jan Feb Mar Apr Mei Jun
Hari Kerja Efektif
1 (Days) 22 19 21 20 20 21
Komulatif HK Efektif
2 (Sum of Days) 22 41 62 82 102 123
Kemampuan TK
3 (Unit/worker) = [2]*7 154 287 434 574 714 861
22 21 20 19 21 21 21
34 35 35 36 36 36
29
Politeknik STMI Jakarta
N Periode Waktu
Keterangan
o
Jan Feb Mar Apr Mei
Penambahan TK
6 (Workers Hired) = [4]-[5] 0 0 0 0 0
Biaya Penambahan TK
(Hiring Cost) = Rp Rp Rp Rp Rp
7 [6]*600.000 - - - - -
TK yang di PHK
(Workers Laid off) = [5]-
8 [4] 4 0 0 0 0
Biaya PHK TK (Lay off Rp Rp Rp Rp Rp
9 Cost) = [8]*300.000 1,200,000 - - - -
TK yang digunakan
10 (Workers Used) = [4] 36 36 36 36 36
Rp Rp Rp Rp Rp
Biaya TK (Labor Cost) = 145,728,00 125,856,00 139,104,00 132,480,00 132,480,00
11 [10]*[1]*8*23.000 0 0 0 0 0
Unit Yg diproduksi (Unit
Produced) = [4]*[2} (full
capacity) 5544 4788 5292 5040 5040
12
Unit Yg diproduksi (Unit
Produced) =
Sesungguhnya 4181 4788 5292 5040 5040
Persediaan (Net
13 Inventory) = [12]-[3] -189 54 420 472 386
Biaya Persediaan
(Holding Cost) Rp Rp Rp Rp Rp
14 =[13]*1000 - 54,246.75 419,580.09 472,080.09 386,080.09
Pesan Kembali (Back
15 Order) 189 0 0 0 0
Biaya Pemesanan Rp
Kembali (Back Order 3,775,064.9 Rp Rp Rp Rp
16 Cost) = [15]*20.000 4 - - - -
Rp Rp Rp Rp Rp
150,703,06 125,910,24 139,523,58 132,952,08 132,866,08
17 Biaya Total (Total Cost) 5 7 0 0 0
30
Politeknik STMI Jakarta
Tabel 28. Spreadsheet: No-Backorder Juni sampai Desember
Periode Waktu
Total
Jun Jul Agust Sep Okt Nop Des
21 22 21 20 19 21 21 247
36 36 36 36 36 36 36 432
36 36 36 36 36 36 36 436
0 0 0 0 0 0 0 0
Rp Rp Rp Rp Rp Rp Rp $
- - - - - - - -
0 0 0 0 0 0 0 4
Rp Rp Rp Rp Rp Rp Rp $
- - - - - - - 1,200,000
36 36 36 36 36 36 36 432
Rp Rp Rp Rp Rp Rp Rp $
139,104,0 145,728,0 139,104,0 132,480,0 125,856,0 139,104,0 139,104,0 1,636,128,0
00 00 00 00 00 00 00 00
0 0 0 0 0 0 0 189
Rp Rp Rp Rp Rp Rp Rp $
- - - - - - - 3,775,065
Rp Rp Rp Rp Rp Rp Rp $
139,603,7 146,530,3 139,910,8 133,003,4 125,880,4 139,108,6 139,104,0 1,645,096,5
47 18 18 85 85 67 00 71
31
Politeknik STMI Jakarta
Tabel 29. Perbadingan Biaya Total Perencanaan Agregat
3.2.3 MPS
Pada tahap Master Planning Scheduling (MPS) dibutukan data unit end item
miniatur pesawat A, pesawat B, pesawat C setelah dilakukan peramalan dan unit
end item pesawat A, pesawat B, pesawat C yang akan diproduksi. Data unit end
item hasil peramalan didapat dari disagregasi family produk miniatur pesawat
setelah peramalan. Data unit end item yang akan diproduksi didapat dari
disagregasi family produk miniatur pesawat yang akan diproduksi dari
perencanaan agregat.
Setelah data-data tersebut diketahui, barulah dapat dibuat tabel MPS dari
masing-masing end item pesawat A, pesawat B, pesawat C dengan rentang waktu
12 bulan.
32
Politeknik STMI Jakarta
DisAggregasi After Forecast
Demand
Family Forecast
Bulan Pesawat Pesawat Pesawat
Produk Result
A B C
42% 28% 30%
33
Politeknik STMI Jakarta
Berikut adalah MPS dari end item pesawat A, ditampilkan pada tabel 32.
Order Tidak
periods net DTF 5 period
Quantity Diketahui
requirement
PTF 7 periods
DTF PTF PH
Period 1 2 3 4 5 6 7 8 9 10 11 12
Forecast 1243 1293 1401 1419 1458 1473 1491 1504 1514 1504 1511 1507
Production
forecast 1243 1293 1401 1419 1458 1473 1491 1504 1514 1504 1511 1507
Actual
demand
MPS
34
Politeknik STMI Jakarta
Pesawat Pesawat
Item no Description
B B
Lead Tidak Safety
periods 0 unit
time: Diketahui stock
Order Tidak
periods net DTF 5 period
Quantity Diketahui
requirement
PTF 7 periods
DTF PTF PH
Projected
available 0 0 0 0 0 0 0 0 0 0 0 0 0
balance
Available
to promise
Planned
order
Berikut adalah MPS dari end item pesawat A, ditampilkan pada tabel 34.
35
Politeknik STMI Jakarta
digunakan pada perencanaan agregat. Data unit end item ditampilkan pada tabel
50. Data hari kerja efektif ditampilkan pada tabel 35.
Setelah data-data tersebut diketahui barulah dapat dilakukan tahap RCCP.
Pada tahap RCCP ini digunakan 2 metode, yaitu Capacity Planning with Overall
Factors (CPOF), Bill of Labour Approach (BOLA).
36
Politeknik STMI Jakarta
Mei 21 95% 20
Juni 22 95% 21
Juli 23 95% 22
Agustus 22 95% 21
September 21 95% 20
Oktober 20 95% 19
November 22 95% 21
Desember 22 95% 21
37
Politeknik STMI Jakarta
Pesawat Pesawat Pesawat Total
A B C (Menit)
Pengukuran
1 dan Pemolaan 12.8 12.8 12.8 38.4 0.193
2 Pembubutan 5 5 5 15 0.075
3 Pemotongan 5.48 5.48 5.48 16.44 0.083
4 Penghalusan 4.19 4.19 4.19 12.57 0.063
5 Pelubangan 3.28 3.28 3.28 9.84 0.049
6 Pengetapan 4.52 4.52 4.52 13.56 0.068
7 Perakitan 31 31 31 93 0.468
Total 66.27 66.27 66.27 198.81 1.0
289600 301197 326490 330522 339700 343168 347349 350403 352777 350369 352014 351010
38
Politeknik STMI Jakarta
Pada tahap yang harus dilakukan adalah mengkali proporsi work center t
dengan kapasitas pada periode t.
Contoh perhitungan adalah sebagai berikut.
Periode Waktu
Jan Feb Mar Apr Mei Jun Jul Agust Sep Okt Nop Des
55936 58176 63061.33 63840 65612.8 66282.67 67090.29 67680 68138.67 67673.6 67991.27 67797.33
21850 22725 24633.33 24937.5 25630 25891.67 26207.14 26437.5 26616.67 26435 26559.09 26483.33
23947.6 24906.6 26998.13 27331.5 28090.48 28377.27 28723.03 28975.5 29171.87 28972.76 29108.76 29025.73
18310.3 19043.55 20642.73 20897.63 21477.94 21697.22 21961.59 22154.63 22304.77 22152.53 22256.52 22193.03
14333.6 14907.6 16159.47 16359 16813.28 16984.93 17191.89 17343 17460.53 17341.36 17422.76 17373.07
19752.4 20543.4 22268.53 22543.5 23169.52 23406.07 23691.26 23899.5 24061.47 23897.24 24009.42 23940.93
135470 140895 152726.7 154612.5 158906 160528.3 162484.3 163912.5 165023.3 163897 164666.4 164196.7
289600 301197 326490 330522 339700 343168 347349 350403 352777 350369 352014 351010
289600 301197 326490 330522 339700 343168 347349 350403 352777 350369 352014 351010
Perhitungan :
Kapasitas tersedia (Januari) = Hari kerja efektif (Januari) x TK tersedia (Januari)
x Waktu kerja 1 hari (satuan menit)
= 22 x 28 x 480
= 295680
39
Politeknik STMI Jakarta
Tabel 41 Kapasitas Tersedia RCCP: CPOF
Waktu Kapasitas
TK Kapasita
Hari Kerja (menit yang
Bulan Tersedi s
Efektif Regule ) Dibutuhka
a Tersedia
Kerja r (jam) n
Januari 22 28 8 480 295680 289600
Februari 19 34 8 480 310080 301197
Maret 21 34 8 480 342720 326490
April 20 36 8 480 345600 330522
Mei 20 37 8 480 355200 339700
Juni 21 35 8 480 352800 343168
Juli 22 34 8 480 359040 347349
Agustus 21 36 8 480 362880 350403
September 20 38 8 480 364800 352777
Oktober 19 40 8 480 364800 350369
November 21 36 8 480 362880 352014
Desember 21 36 8 480 362880 351010
40
Politeknik STMI Jakarta
II. RCCP: BOLA
Terdapat beberapa langkah untuk menyelesaikan RCCP dengan metode
BOLA. Berikut adalah langkah dan penyelesaian RCCP dengan metode BOLA.
• Data MPS
Berikut data MPS yang dijadikan input RCCP menggunakan metode
BOLA, ditampilkan pada tabel 43.
Tabel 43. Data MPS Input RCCP: BOLA Januari sampai Desember
MPS Jan Feb Mar Apr Mei Jun Jul Agust Sep Okt Nop Des Total
Pesawat
A 1832 1905 2065 2090 2148 2170 2197 2216 2231 2216 2226 2220 25517
Demand Pesawat
Forecast B 1243 1293 1401 1419 1458 1473 1491 1504 1514 1504 1511 1507 17318
Pesawat
C 1295 1347 1460 1478 1519 1535 1554 1567 1578 1567 1574 1570 18046
Family Produk 4370 4545 4927 4988 5126 5178 5241 5288 5323 5287 5312 5297 60881
• Perkalian Matriks
Pada tahap ini dilakukan perkalian matriks untuk mengetahui kapasitas
yang dibutuhkan.
Lakukan perhitungan pada software excel.
41
Politeknik STMI Jakarta
Dengan perhitungan yang telah dilakukan pada software excel
didapatkan hasil kapasitas yang dibutuhkan, ditampilkan pada tabel 44.
Tabel 44. Kapasitas yang Dibutuhkan RCCP: BOLA Januari sampai Desember
Work Agu No
Center Jan Feb Mar Apr Mei Jun Jul st Sep Okt p Des
Pengu
kuran
dan
Pemol 559 581 630 638 656 662 670 676 681 676 679 677
aan 36 76 61 40 13 83 90 80 39 74 91 97
Pembu 218 227 246 249 256 258 262 264 266 264 265 264
butan 50 25 33 38 30 92 07 38 17 35 59 83
Pemot 239 249 269 273 280 283 287 289 291 289 291 290
ongan 48 07 98 32 90 77 23 76 72 73 09 26
Pengh 183 190 206 208 214 216 219 221 223 221 222 221
alusan 10 44 43 98 78 97 62 55 05 53 57 93
Peluba 143 149 161 163 168 169 171 173 174 173 174 173
ngan 34 08 59 59 13 85 92 43 61 41 23 73
Penget 197 205 222 225 231 234 236 239 240 238 240 239
apan 52 43 69 44 70 06 91 00 61 97 09 41
Perakit 135 140 152 154 158 160 162 163 165 163 164 164
an 470 895 727 613 906 528 484 913 023 897 666 197
Kapasi
tas
Dibutu 289 301 326 330 339 343 347 350 352 350 352 351
hkan 600 197 490 522 700 168 349 403 777 369 014 010
Kapasi
tas
Tersed 295 310 342 345 355 352 359 362 364 364 362 362
ia 680 080 720 600 200 800 040 880 800 800 880 880
42
Politeknik STMI Jakarta
Capacity Planning: BOLA
400000
300000
200000
100000
0
1 2 3 4 5 6 7 8 9 10 11 12
Waktu
Operasi Lini Fabrikasi (Menit)
a Pengukuran dan Pemolaan 12.8
b Pembubutan 5
c Pemotongan 5.48
d Penghalusan 4.19
e Pelubangan 3.28
f Pengetapan 4.52
Total 35.27
43
Politeknik STMI Jakarta
Karena SK dan operasi-operasi sudah dikelompokan dalam SK yang
dibagikan dapat dilihat pada tabel 6. Maka besar waktu siklus (Cycle Time) dapat
menggunakan waktu operasi/pekerjaan terpanjang pada lini fabrikasi. Dengan
melihat tabel 19. Besar waktu siklus pada lini fabrikasi adalah 12,8 (menit).
• Perhitungan
Perhitungan untuk menghitung Efisiensi SK dan efisiensi lini fabrikasi
adalah sebagai berikut.
a. Waktu siklus (Cycle Time) = Waktu operasi terpanjang = 12,8 (menit)
b. Efisiensi SK t = (Jumlah waktu operasi SK t : Waktu siklus) x 100%
c. Efisiensi lini fabrikasi = Rata-rata dari persentase efisiensi SK yang ada
Dari data dan perhitungan didapat efisiensi lini fabrikasi sebagai berikut
(tabel 46).
Tabel 46. Efisiensi Lini Fabrikasi
Nilai persentase efisiensi lini fabrikasi adalah sebesar 92% dapat dilihat
pada tabel 20. Efisiensi sebesar 92% didapatkan dari nilai rata-rata efisiensi 3
SK.
44
Politeknik STMI Jakarta
Operasi Lini Perakitan Waktu (Menit)
4 Perakitan 1 + Tiang 3
6 Perakitan 5 + Baling-baling 2
10 Perakitan 9 + Perakitan 3 5
Total 31
• Precedence Diagram
45
Politeknik STMI Jakarta
Precedence Diagram atau dapat juga disebut diagram predesesor diatas
adalah diagram predesesor lini perakitan dengan mempertimbangkan operasi
pendahulu dan operasi pengikut setelahnya.
• Cycle Time
Untuk menghitung Cycle Time dibutuhkan data total unit hasil
Forecasting/peramalan dan total hari efektif kerja, data tersebut ditampilkan
pada tabel dibawah ini.
Tabel 48. Total Unit After Forecast dan Total Hari Efektif Kerja
Tingkat Hari
Periode Permintaan Hari Kerja Kehadiran
TK Efektif
Januari 4370 23 95% 22
Februari 4545 20 95% 19
Maret 4927 22 95% 21
April 4988 21 95% 20
Mei 5126 21 95% 20
Juni 5178 22 95% 21
Juli 5241 23 95% 22
Agustus 5288 22 95% 21
September 5323 21 95% 20
Oktober 5287 20 95% 19
November 5312 22 95% 21
Desember 5297 22 95% 21
Total 60881 259 247
Cycle Time = Total waktu produksi tersedia (satuan menit) / Jumlah unit
yang harus diproduksi
= (247 x 8 x 60) / 60881
= 1,95 menit
Terdapat waktu proses yang lebih panjang daripada waktu cycle time.
Maka gunakan waktu operasi terpanjang untuk dijadikan cycle time aktual.
46
Politeknik STMI Jakarta
a. Total waktu proses produksi = 31 menit
b. Cycle Time aktual = 5 menit
c. N = Total waktu proses produksi / Cycle Time aktual
= 31 / 5
= 6,2 SK .Dibulatkan keatas menjadi 7 SK
N = 7 SK
Seluruh data penunjang untuk melakukan line of balancing sudah
diketahui, selanjutnya kita dapat melanjutkan tahap line of balancing ke
perhitungan metode-metode yang digunakan (metode bobot posisi, metode
pembebanan berurut, metode pendekatan wilayah).
47
Politeknik STMI Jakarta
Tabel 50. Bobot Operasi
Waktu Bobot Operasi
Operasi
(Menit) Posisi Pendahulu
5 1 28 -
1 2 8 -
2 3 7 2
3 4 23 1
3 5 20 4
2 6 17 5
2 7 15 6
4 8 13 7
4 9 9 8
5 10 5 3.8
48
Politeknik STMI Jakarta
Waktu
Operasi
SK Operasi SK Efisiensi
2 2.4 4 80%
3 5.6 5 100%
4 3.7 4 80%
5 8 4 80%
6 9 4 80%
7 10 5 100%
Efisiensi Lini Produksi 89%
49
Politeknik STMI Jakarta
Tabel 54. Stasiun Kerja dan Nilai Efisiensi SK Pembebanan Berurut
Waktu Operasi
SK Operasi SK Efisiensi
1 1 5 100%
2 2.4 4 80%
3 5.6 5 100%
4 3.7 4 80%
5 8 4 80%
6 9 4 80%
7 10 5 100%
Efisiensi Lini Produksi 89%
W1 W2 W3 W4 W5 W6 W7
1 4 5 6 7 8 9
2 3 10
5 1
50
Politeknik STMI Jakarta
Waktu (Menit) Operasi
1 2
2 3
3 4
3 5
2 6
2 7
4 8
4 9
5 10
31 Total
51
Politeknik STMI Jakarta
Tabel 57. Perbandingan Efisiensi 3 Metode Lini Perakitan
Pembebanan
Berurut 89%
Pendekatan
Wilayah 89%
Didapatkan nilai persentase (%) efisiensi lini produksi dari rata-rata nilai
% lini fabrikasi dengan lini perakitan adalah sebesar 90%.
52
Politeknik STMI Jakarta
Nilai tersebut akan menjadi salah satu input untuk perhitungan pada tahap
perencanaan agregat.
3.2.6 Penjadwalan
Data waktu proses pesanan masuk akan dilakukan 3 penjadwalan, yaitu
penjadwalan n jobs m machines pada proses pengukuran dan pemolaan,
penjadwalan pembubutan, dan penjadwalan penghalusan. Berikut adalah
langkah dan penyelesaian tahap penjadwalan.
53
Politeknik STMI Jakarta
Waktu Proses
Pembagian
Pekerjaan Pengukuran&Pemolaan Mesin
(3 mesin)
D 28 Mesin 2
E 32 Mesin 3
H 39 Mesin 1
C 45 Mesin 2
G 46 Mesin 3
B 58 Mesin 1
A 70 Mesin 2
54
Politeknik STMI Jakarta
Tabel 62. Flow Time Penjadwalan SPT (2)
F 27 27 D 28 28 E 32 32
H 39 66 C 45 73 G 46 78
B 58 124 A 70 148
55
Politeknik STMI Jakarta
maksimal waktu makespan yang dibutuhkan untuk menyelesaikan semua
pekerjaan.
A 70 70 B 58 58 G 46 46
C 45 115 H 39 97 E 32 78
D 28 143 F 27 124
56
Politeknik STMI Jakarta
Pekerja Pekerja Pekerj
an an aan
57
Politeknik STMI Jakarta
C 45 115 270 155
B 58 58 320 262
Mesin 2 H 39 97 180 83
F 27 124 400 276
D 28 28 120 92
Mesin 3 E 32 60 170 110
G 46 106 200 94
Data due date pada tabel diatas (tabel 69) akan menjadi input due date
pada penjadwalan II (pembubutan).
• Data Pembubutan
Berikut adalah data proses pembubutan dan due date-nya, ditampilkan
pada tabel 71.
58
Politeknik STMI Jakarta
Pembubutan
Pekerjaan Due Date
(1 mesin)
E 13 110
F 14 276
G 23 94
H 25 83
59
Politeknik STMI Jakarta
Jobs Processing Time Flow Time Due Date Tardiness
G 23 91 94 -3
C 25 116 155 -39
H 25 141 83 58
Mean Flow Time 67.5
60
Politeknik STMI Jakarta
Due
Jobs Processing Time Flow Time Date Tardiness
B 12 127 262 -135
F 14 141 276 -135
Mean Flow Time 84.5
Data due date pada tabel diatas (tabel 77) akan menjadi input due date
pada penjadwalan III (penghalusan).
61
Politeknik STMI Jakarta
III. Penjadwalan Penghalusan
Berikut adalah tahap penjadwalan III (penghalusan) menggunakan
First Come First Serve (FCFS), Short Processing Time (SPT), Longest
Processing Time (LPT), dan Earliest Due Date (EDD).
• Data Penghalusan
Berikut adalah data proses penghalusan dan due date-nya, ditampilkan
pada tabel 78.
62
Politeknik STMI Jakarta
• Penjadwalan Dengan SPT
Berikut adalah penjadwalan dengan SPT, ditampilkan pada tabel 80.
Dengan urutan pekerjaan yang dikerjakan lebih dahulu adalah pekerjaan yang
memiliki processing time lebih pendek.
Urutan pekerjaan: Pekerjaan (A, B, C, G, E, H, F, D).
63
Politeknik STMI Jakarta
• Penjadwalan Dengan EDD
Berikut adalah penjadwalan dengan EDD, ditampilkan pada tabel 82.
Dengan urutan pekerjaan yang dikerjakan lebih dahulu adalah pekerjaan yang
memiliki due date (batas waktu) yang cepat.
Urutan pekerjaan: Pekerjaan (G, E, D, C, H, A, B, F).
Hasil penjadwalan III terpilih adalah menggunakan SPT dengan data dan
perhitungan flow time ditunjukan pada tabel 80.
64
Politeknik STMI Jakarta
Tabel 83. Due Date Akhir Setelah Penjadwalan III
Recap Due Date After Scheduling 3
Pekerjaan Due Date Awal Due Date Input Due Date Akhir
A 300 115 112
B 320 135 128
C 270 57 46
D 120 55 5
E 170 37 58
F 400 135 95
G 200 34 19
H 180 58 27
65
Politeknik STMI Jakarta
BAB IV
ANALISA DAN PEMBAHASAN
Penjelasan terkait hasil analaisi daripada pengolahan data studi kasus yang
sudah dilakukan akan dibahas pada bab ini. Analisis akan berisi terkait penjelasan
hasil analisis dari Forecasting/Peramalan, Line of Balancing, Perencanaan Agregat,
MPS ( Master Planning Schedule ), Rough Cut Capcity Planning, dan Penjadwalan
dari data yang suda diolah sebelumnya.
4.1 Forecasting
Pada analisis tahap forecasting ini menggunakan beberapa metode yang
bertujuan untuk perbandingan serta pengoptimalan hasil yang dimana dapat dilihat
dari segi eror pada produk yang sedang diramalkan, Metode yang digunakan yaitu;
Naïve, Single Moving Avarage, Moving Avarange (α= 0,3), dan Single Exponential
Smoothing (α= 0,3). Serta penjelasan mengenai netode-metode yang digunakan.
I. Agregasi
Sebelum melakukan proses peramalan data dari masing-masing produk
unit pesawat A, pesawat B, pesawat C perlu diagregasi/digabungkan menjadi
family produk miniatur pesawat. Agregasi data dari unit end item menjadi family
produk sangat penting karena untuk memilimalkan error yang dapat muncul pada
saat peramalan produk.
II. Peramalan
Pada tahapan kali ini akan membahas analisis dari tiap metode yang
digunakan untul peramalan. Digunakan 4 metode peramalan, yaitu; Naïve, Single
Moving Avarage, Moving Avarange (α= 0,3), dan Single Exponential Smoothing
(α= 0,3). Alasan menggunakan metode tersebut adalah untuk pembanding serta
mencari hasil yang terbaik dengan eror yang rendah serta sesuai.
66
Politeknik STMI Jakarta
• Metode Moving Avarage (α= 0,3) ini melakukan peramalan dengan
menggunakan data dari 3 bulan sebelumnya dan alasan menggunakan
metode ini untuk pembanding eror meskipun dari segi data tidak dapat
memenuhi karena metode ini digunakan untuk metode peramalan jangka
pendek.
I. Zero Inventory
Pada perencanaan agregat menggunakan metode zero inventory pada studi
kasus ini menghasilkan biaya total sebesar Rp 1.616.788.000. Pada metode ini
yang dijadikan input tenaga kerja pada bulan Januari adalah 40 orang (rata-rata
penerimaan TK 2020) dan pada bulan Februari hingga Desember disesuaikan
dengan perhitungan yang ada, metode zero inventory perubahan tingkat tenaga
kerja yang digunakan akan mengakibatkan tingkat produksi (Production Level)
akan sama besarnya dengan jumlah unit permintaan.
II. No-Backorder
Pada perencanaan agregat menggunakan metode no-backorder. Secara
tidak langsung strategi perencanaan agregat yang digunakan pada cara ini adalah
dengan mempertimbangkan tingkat persediaan (inventory level) dan tingkat
pengembalian (backorder) perbedaan dari strategi backorder adalah pada strategi
ini diusahakan tingkat backorder sangat rendah hingga tidak ada. Pada
67
Politeknik STMI Jakarta
perencanaan agregat menggunakan metode spreadsheet: no-backorder pada studi
kasus ini menghasilkan biaya total sebesar Rp 1.645.096.571
III. Backorder
Pada perencanaan agregat menggunakan metode backorder pada bulan
Januari digunakan 40 tenaga kerja (rata-rata penerimaan TK 2020) dan pada bulan
selanjutnya disesuaikan dengan perhitungan metode backorder. Pada perencanaan
agregat menggunakan metode spreadsheet: backorder pada studi kasus ini
menghasilkan biaya total sebesar Rp 1.630.939.935
68
Politeknik STMI Jakarta
Overall Factors (CPOF), Bill of Labour Approach (BOLA). Alasan hanya
menggunakan 2 metode pada RCCP adalah karena tidak diketahui data due date
(batas waktu) sehingga tidak dapat menggunakan metode capacity planning Region
Profile Approach (RPA).
Digunakan lebih dari 1 metode capacity planning adalah untuk memastikan
bahwa tidak ada perbedaan kapasitas yang dibutuhkan diantara metode yang
dibandingkan dan juga pada kapasitas yang tersedia, itulah alasan dilakukan
capacity planning dengan 2 metode hanya untuk memastikan, bukan untuk
memandingkan metode mana yang lebih baik.
Kedua metode RCCP yang digunakan menghasilkan kapasitas yang
dibutuhkan dan kapasitas tersedia adalah sama. Hasil perhitungan capacity
planning menghasilkan nilai kapasitas yang tersedia pada semua periode 2021 lebih
kecil dari kapasitas yang dibutuhkan.
69
Politeknik STMI Jakarta
SK t tidak boleh melebihi cycle time dan jika ada operasi pendahulu harus sudah
dikerjaan dengan kata lain harus memperhatihan operasi pendahulu. % efisiensi
lini perakitan menggunakan metode bobot posisi adalah sebesar 89%.
4.6 Penjadwalan
Pada analisis penjadwalan akan dibahas penjadwalan pada proses pengukuran
dan pemolaan, pembubutan, dan penghalusan.
70
Politeknik STMI Jakarta
penjadwalan parallel menggunakan LPT menghasilkan waktu selesai pekerjaan
paling lama pada mesin 2 dengan waktu 124
II. Pembubutan
Proses pembubutan menggunakan 1 mesin sehingga penjadwalan yang
digunakan adalah menggunakan FCFS, SPT, LPT, dan EDD. Penjadwalan
pembubutan ini due date yang digunakan adalah menggunakan due date setelah
penjadwalan pengukuran dan pemolaan dilakukan. pengolahan data dilipih
penjadwalan menggunakan EDD. Dengan urutan pekerjaan (C, H, G, A, F, E, B,
D). Alasan dipilihnya penjadwalan menggunakan EDD adalah tidak adanya
keterlambatan/tardiness.
III. Penghalusan
Proses penghalusan menggunakan 1 mesin sehingga penjadwalan yang
digunakan adalah menggunakan FCFS, SPT, LPT, dan EDD. Input due date yang
digunakan pada penjadwalan penghalusan adalah due date setelah penjadwalan
pembubutan, terpilihnya penjadwalan menggunakan SPT karena menghasilkan
nilai mean flow time paling kecil dari yang lain dan tidak ada
keterlambatan/tardiness pada setiap pekerjaan. Dengan urutan penjadwalan
penghalusan akhir adalah pekerjaan (A, B, C, G, E, H, F, D).
71
Politeknik STMI Jakarta
BAB V
KESIMPULAN DAN SARAN
Akan diuraikan Pada BAB V ini kesimpulan yang bisa diambil dari praktikum
kali ini dan saran untuk perbaikan kegiatan praktikum kedepannya.
5.1 Kesimpulan
Dari proses pengolahan, perhitungan dan analisis data yang sudah dilakukan
maka dapat disimpulkan bahwa:
1. Untuk metode yang terpilih setelah dibandingkan dengan beberapa metode,
Simple Moving Average (SMA) lebih baik dikarenakan hasil peramalan
dengan Panjang periode 12 bulan dan memliki erroe yang kecil. Sehingga
dapat dipilih untuk peramalan permintaan 2021.
2. Dalam perhitungan perencanaan Agregat Planning menggunakan metode
spread sheet menghasilkan biaya total paling kecil dibanding yang lain
sebesar Rp 1.616.788.000 untuk peramalan permintaan 2021.
3. Yang menjadi data input Master Production Scheduling adalah data hasil
peramalan terpilih 2021 dan perencanaan agregat 2021.
4. Hasil dari perhitungan perencanaan kapasitas (Capacity Planning)
menujukan bahwa kapasitas yang tersedia masih lebih besar dan mencukupi
untuk kapasitas yang dibutuhkan. Perhitungan menggunakan 2 metode
CPOF dan BOLA.
5. Perhitungan Line of Balancing yang dilakukan menujukan hasil efisiensi
lini produksi adalah sebesar 90%. Dengan hasil pada efisiensi lini fabrikasi
adalah 92% dan efisiensi lini perakitan adalah 89%.
6. Didapatkan hasil urutan pekerjaan pada penjadwalan pengukuran dan
pemolaan pada tahap penjadwalan adalah pada mesin 1 pekerjaan A lalu
pekerjaan C; pada mesin 2 pekerjaan B lalu pekerjaan H terakhir pekerjaan
F; pada mesin 3 pekerjaan D lalu pekerjaan E terakhir pekerjaan G.
7. Didapatkan hasil urutan pekerjaan pada penjadwalan pembubutan adalan
pekerjaan H, pekerjaan D, pekerjaan G, pekerjaan E, pekerjaan C, pekerjaan
A, pekerjaan B, pekerjaan F.
8. Didapatkan hasil urutan pekerjaan pada penjadwalan penghalusan adalan
pekerjaan A, pekerjaan B, pekerjaan C, pekerjaan G, pekerjaan E, pekerjaan
H, pekerjaan F, pekerjaan D.
5.2. Saran
Adapun saran yang dapat diberikan setelah kami melakukan pengolahan,
perhitungan dan analisis data yang sudah dilakukan adalah:
72
Politeknik STMI Jakarta
1. Untuk lebih meyakinkan dapat menggunkan aplikasi atau software guna
memvalidasi perhitungan yang sudah dilakukan. Bisa menggunakan
software lain seperti Minitab, POM QM, dan lain sebagainya
2. Perhitungan dapat menggunakan dan memanfaatkan software spreadsheet
untuk membantu perhitungan.
73
Politeknik STMI Jakarta
DAFTAR PUSTAKA
Assauri, S. (1999). Manajemen Produksi dan Operasi: Edisi Revisi. Jakarta: Fakultas.
Ekonomi Universitas Indonesia
Baker, K.R. & Trietsch, D., 2009. Principles Of Sequencing And Scheduling, New
Jersey: John Wiley & Sons. Bedworth, D.D., 1987. Integrated
Indrajit, R.E. & Djokopranoto, R., 2003. Manajemen Persediaan. Jakarta: Gramedia
Pinedo, M.L., 2016. Scheduling: Theory, Algorithms, and Systems, Fifth Edition.
Springer International Publishing. doi:10.1007/978-3-319-26580-3
74
Politeknik STMI Jakarta