PENJADWALAN PRODUKSI AGREGAT DENGAN METODE

MODEL TRANSPORTASI GUNA MENGOPTIMALKAN

PRODUKSI
RANDY ANZAS PRATAMA, BASUKI ARIANTO, DAN ERVINI
MELADIYANI
Program Studi Teknik Industri, Universitas Dirgantara Marsekal
Suryadarma, Jakarta.
Randyanzasp@gmail.com

ABSTRAKSI
Tujuan Penelitian ini untuk mangatasi masalah tersebut perusahaan perlu
menerapkan penjadwalan produksi agregate untuk mengoptimalkan permintaan
dengan produksi. Metode model Transportasi dengan tenaga kerja tetap mampu
mengoptimalkan jumlah permintaan produk dan biaya produksi per coil (unit).
Penelitian ini dilakukan dengan pengumpulan data bulanan permintaan
produk, data jam kerja, data biaya produksi, dan data hari kerja bulanan.
Berdasarkan hasil yang telah diolah peramalan penjadwalan produksi agregate
tenaga kerja tetap menggunakan metode model transportasi Tahun 2019 hasil
perhitingan produksi yang optimal bahwa perusahaan hanya perlu memproduksi
produk NYA 5731 coil (unit), NYY 2889 coil (unit), dan NYM 8927 coil (unit). Total
biaya yang di keluarkan perusahaan NYA Rp.105.440.000, NYY Rp.54.313.200
dan NYM Rp.167.733.600 pada tahun 2019.

Kata Kunci : Forcasting, Perencanaan Agregate dan Metode Model Transportasi

1. PENDAHULUAN
PT.KMI perusahaan alumunium, maka komposisi
pembuatan kabel, kawat penjualan kabel mengalami
alumunium dan tembaga serta perubahan sebesar 45% di tahun
bahan baku lainnya, beserta 2017 dari sekitar 37% tahun 2016.
seluruh komponen suku cadang, Penjualanan kabel tembaga di
aksesoris yang terkait dan tahun 2016 sebesar 60% menjadi
perlengkapannya, termasuk 49,8% di tahun 2017. Output kabel
teknik rekayasa dan lainnya. alumunium terjadi peningkatan
Produk PT KMI telah memenuhi sebesar 21% dari rata-rata 1.077
standar nasional maupun MT per bulan di tahun 2016,
internasional serta telah diterima menjadi rata-rata 1.303 MT per
dengan baik oleh pasar. bulan di tahun 2017.sedangkan di
Penjualanan kabel sektor kabel tembaga, karena
alumunium mengalami menurunnya penjualan, output
peningkatan sebesar 32,7%, kabel tembaga juga mengalami
sedangkan penjualan kabel penurunan rata-rata 1.353 MT per
tembaga mengalami penururan bulan di tahun 2016 menjadi 1.135
sekitar 8,8%. Oleh karena adanya MT per bulan di tahun 2017.
peningkatan penjualanan kabel Sesuatu perusahaan yang

63
bergerak dibidang jasa maupun minimal dan keuntungan yang
manufaktur memiliki target maksimal, untuk mencapai target
perusahaan yang maksimal dalam yang ditentukan tidak lepas
pencapaian produktivitasnya dengan penjadwalan
dengan biaya pengeluaran yang perencanaan
produksi agregat yang stabil dan mampu menghadapi
dengan tujuan yang baik dan persaingan.
menerapkan ilmu dari fungsi
management agar produk yang Penelitian ini penulis
dihasilkan dapat memenuhi melakukan sebuah penelitian
permintaan konsumen. dengan memfokuskan pada
Penjadwalan perencanaan penjadwalan produksi agregate
produktivitas yang baik dan fungsi untuk mengatasi jumlah
management yang terarah akan permintaan produk dan biaya
mempengaruhi kelancaran dalam produksinya. Harapan semua
proses produksinya. permintaan konsumen dapat
Penjadwalan perencanaan terpenuhi secara optimal cepat
produksi dalam perusahaan dan tepat waktu dengan biaya
sangat penting untuk minimal dan sesuai sumber daya
meningkatkan produktivitas, perlu yang tersedia di perusahaan.
perencaaan yang baik dalam Perencanaan agregate ini sebagai
menentukan bahan baku, tenaga upaya menentukan cara terbaik
kerja, biaya produksi dan dalam memenuhi permintaaan,
kapasitas yang dimiliki maupun dengan pengendalian tingkat
penyesuain harga jual produk produksi, kebutuhan tenaga kerja,
secara optimal, tepat dan dapat jam kerja, waktu lembur, dan
memenuhi permintaan. Maka biaya produksi.
perusahaan akan berkembang

1.1 Perumusan Masalah Berdasarkan latar belakang

dan perumusan yang telah di
Berdasarkan latar belakang tentukan, maka penelitian ini di
diatas penulis merumuskan lakukan dengan tujuan yaitu :
permasalahan, yaitu : a. Menentukan jumlah peramalan
a. Bagaimana menentukan permintaan produk pada masa
jumlah permintaan produk pada yang akan datang.
masa yang akan datang? b. Menentukan penjadwalan
b. Bagaimana menentukan produksi agregate dan
penjadwalan produksi agar perhitungan nya agar produk
produk yang diproduksi dapat yang diproduksi dapat
memenuhi permintaan mengetahui permintaan
konsumen dan dapat konsumen dan dapat
mengoptimalkan biaya mengoptimalkan biaya
produksi ? produksi.
1.2 Tujuan Penelitian 1.3 Manfaat Penelitian

64
 Diharapkan dengan d. Biaya yang digunakan hanya
melakukan penelitian ini dapat biaya produksi agregate.
bermanfaat untuk: e. Pemecahan masalah
a. Perusahaan dapat menjadikan menggunakan agregat dengan
sebagai bahan untuk metode model Transportasi.
mengoptimalkan faktor f. Tidak menghitung biaya
produksi, sehingga dapat dialokasi.
memenuhi permintaan produk
dan target perusahaan secara 1.5 Sistematika Penulisan
optimal, serta dapat
meningkatkan produktivitas Agar lebih mudah dalam
dan efektivitas perusahaan memahami penelitian ini, maka
dalam berkelanjutan untuk berikut akan disajikan sistem
menuju perusahaan yang penulisan yang akan dibahas
mampu bersaing. pada bagian selanjutnya.
b. Memberikan contoh
perhitungan bagi perusahaan
tentang 2. LANDASAN TEORI
penjadwalanproduksimenggun 2.1 Peramalan (Forecasting)
akan agregate planning. Peramalan merupakan
c. Dapat memberikan gambaran suatu perkiraan kegiatan pada
tentang strategi yang di lakukan masa yang akan datang. Salah
dalam menangani permintaan satu syarat utamanya adalah
produksi. tersedianya data historis masa
d. Dapat memberikan gambaran lalu yang akan digunakan dan
yang jelas tentang pengaturan dapat di percaya untuk masa yang
penjadwalan produksi dan akan datang dalam menentukan
biaya produksi yang optimal. nilai-nilai fungsi pada peramalan.
Peramalan penting dilakukan
1.4 Batasan Masalah dalam penyusunan penjadwalan
Diperlukan ruang lingkup agreegat planning sebab data
atau batasan masalah dalam hasil peramalan nantinya
melakukan penelitian agar digunakan sebagai input dalam
pembahasan lebih terarah dan penyusunan agreegat planning.
jelas. Adapun batasan masalah Peramalan adalah proses
dalam penelitian ini adalah merencanakan perkiraan
sebagai berikut : kebutuhan dimasa yang akan
a. Data yang digunakan data datang dengan melakukan
bulanan permintaan produk pengujian pada keadaan dimasa
pada tahun 2018. yang lalu yang meliputi kebutuhan
b. Penjadwalan perncanaan dalam ukuran kuantitas, kualitas,
produksi dibuat pada jangka waktu, dan dan lokasi yang di
waktu 12 bulan . butuhkan dalam rangka
c. Menganalisis 3 (tiga) jenis memenuhi kebutuhan barang atau
produk yang permintaan jasa (Nasution,2008).
produk terbanyak.

65
2.2 Metode Peramalan yang kuantitatif memerlukan adanya
Digunakan dalam Penelitian ini penyesuaian terhadap fluktuasi
permintaan produk. Didalam
Metode peramalan yang exponential smoothing kita
akan dilakukan untuk mengurangi berusaha menambahkan suatu
suatu ketidakpastian dalam faktor yang disebut smoothing
memenuhi permintaan suatu constan dan diberikan simbol
produk. Metode-metode tersebut alpha. Faktor penambahan
yaitu : tersebut biasanya langsung
dihubungkan dengan data
a. Moving Average penjualan dari tahun yang
Moving average dapat paling akhir. Peramalan yang
digunakan sebagai alat menggunakan cara exponential
peramal. Pada kasus tertentu, smoothing ini diperoleh
moving average lebih baik persamaan sebagai berikut
daripada metode least square. (Gitosudarmo, 1998) :
Moving average hanya 𝑭𝒕+𝟏 = 𝑭𝒕 + 𝒂(𝑨𝒕 − 𝑭𝒕 )
menggunakan rata-rata data Dimana :
permintaan masa lampau Ft+1 = Permintaan periode ke-t
dalam jumlah yang telah Ft = Ramalan permintaan
ditentukan sebelumnya. Untuk period ke-t
setiap periode, moving average Ft = Permintaan actual period
yang baru dihitung dengan cara ke-t
mengabaikan permintaan pada 𝑎 = Smoothing constan
periode yang paling awal dan c. Trend Analisis
memasukkan permintaan pada Bentuk persamaan dari rumus
periode paling akhir. Definisi trend analisis adalah (Nasution,
matematis dari moving average 2008) :
adalah sebagai berikut ̂ = 𝒂+ bx (n)
𝒀
(Nasution dan Prasetyawan, dengan menggunakan
2008) : metode kuadrat yang terkecil
𝑨𝒕 +𝑨𝒕−𝟏 +⋯+𝑨𝒕−(𝑵−𝟏)
𝑴𝑨 = (least square method) dapat
𝑵
Atau dengan menggunakan memperoleh besarnya nilai
persamaan seperti berikut : yang digunakan pada titik
𝑨 −𝑨 tengah maka harga konstan a
𝑴𝑨 = 𝑴𝑨𝒕−𝟏 + 𝒕 𝑵𝒕−𝑵 dan b diperoleh dari
Dimana : persamaan.
A = Permintaan aktual pada 𝒂= 𝐧
∑𝐲 ∑𝐱𝐲
𝒃 = ∑𝒙𝟐
periode –t
N = Jumlah data permintaan
yang dilibatkan dalam Dimana :
perhitungan 𝑌̂ = Nilai ramalan pada periode
b. Exponential Smoothing ke-t
Setiap metode dalam A = Nilai trend pada periode
peramalan produksi dasar
(forecasting) yang bersifat

66
 b = Tingkat perkembangan bagian dari perencanaan produksi
nilai yang diramal program linear dengan jumlah
X = Unit periode yang dihitung tenaga kerja (work-face) tetap.
dari periode dasar Metode transportasi ini
n = Banyaknya data mengijinkan penggunaan
produksi dengan reguler,
2.3 PerencanaanAgregat overtime, inventory, backorder,
dan subkontrak. Hasil dari
Perencanaan agregat (dikenal perencanaan tersebut yang
dengan sebutan penjadwalan diperoleh dapat dijamin
agregat) menyangkut penentuan keoptimalannya dengan asumsi
jumlah dan kapan produksi akan optimistik bahwa tingkat produksi
di langsungkan dalam waktu yang sangat dipengaruhi oleh
dekat, seringkali 3 sampai 18 hiring dan training yang dapat
bulan kedepan. Menager operasi berubah dengan cepat (Kusuma,
berupaya untuk menentukan cara 2001).
terbaik untuk memenuhi ramalan Secara matematis,
permintaan dengan metode model transportasi
menyesuaikan tingkat produksi, agregate planning dapat
tingkat kebutuhan tenaga kerja, dirumuskan sebagai berikut :
tingkat persediaan, waktu lembur, RT =Reguler Time
dan semua variabel lain yang OT =Over Time
dapat dikendalikan. Tujuan proses K =Kapasitas Produksi
produksi biasanya adalah R =Rencana produksi pada
mengoptimalkan biaya sepanjang periode t
periode perencanaan. Strategi- B =Biaya produksi pada
strategi ini untuk mencakup periode t
tingkat kebutuhan tenaga kerja, RT =Hari Kerja per periode x
menurunkan tingkat persediaan, jam kerja x tenaga kerja
atau mencapai tingkat
pemenuhan kebutuhan konsumen OT =Hari kerja x max overtime
yang tertinggi tanpa memandang x tenaga kerja
berapa biaya yang dikeluarkan. K =RT
R =Permintaan
2.4 Metode Model Total rencana produksi = 𝑅1 +
Transportasi 𝑅2 + 𝑅3 + ⋯ + 𝑅𝑛
Biaya per periode = Rencana
Model pada perencanaan produksi x biaya produksi
produksi agregat terdahulu Total biaya produksi = 𝐵1 + 𝐵2 +
memiliki karakteristik aplikatif 𝐵3 + ⋯ + 𝐵𝑛
yang cukup rumit. Model-model Selain dapat dirumuskan dengan
tersebut membutuhkan bantuan model transportasi agregate
komputer untuk mendapatkan planning
hasil yang lebih baik. Dalam terdapat pula matrik dalam
perencanaan produksi agregat metode transportasi dapat
dapat menggunakan metode dirumuskan sebagai
transportasi yang merupakan

67
berikut : yaitu pada permintaan yang
∑𝒎 𝒏
𝒋 = 𝟏 𝑺𝒊𝒋 ≤ ∑𝒋 = 𝟏 𝑻𝒋 berfluktuaktif sehingga
Dimana : perusahaan mengalami kesulitan
𝐶𝑖𝑗 = Parameter biaya perunit, dalam melakukan permintaan
seperti biaya produksi reguler, produk yang tepat.
biaya produksi lembur, dan biaya
persediaan. 3.2 Tujuan Penelitian
𝑋𝑖𝑗 =Banyaknya unit produk yang Tujuan penelitian ini
harus disediakan untuk memenuhi dilakukan sebagai dasar acuan
permintaan. peneliti dalam melakukan suatu
𝑆𝑗 =Permintaan yang harus penilitian, sehingga penelitian
tersebut sesuai dengan sasaran
dipenuhi dan persediaan akhir
yang di tetapkan.
yang dikehendaki.
𝑇𝑗 =Kapasitas maksimum, seperti
3.3 Data Primer
kapasitas produksi reguler, Data primer adalah data
kapasitas yang di peroleh secara langsung
produksi lembur, dan dari perusahaan seperi data
persediaan awal. umum perusahaan. Data yang di
𝐼𝑖 =Persediaan akhir pada periode ambil adalah :
ke-i a. Data bulanan permintaan
𝑅𝑖 =Jumlah maksimum unit yang produk tahun 2018
diproduksi selama periode waktu b. Data jam kerja
ke-i c. Data biaya produksi
pada waktu reguler d. Data Hari keja priode bulanan
𝑂𝑖 =Jumlah maksimum unit yang tahun 2019
dapat diproduksi selama periode
waktu ke-i Jam Lembur 3.4 Data Sekunder
𝑆𝑖 =Jumlah produk jadi yang akan Data sekunder adalah data
dijual selama perode waktu ke-i yang diperoleh secara tidak
𝐶𝑅 =Biaya produksi pada jam langsung dangan melihat cacatan
reguler perusahaan dari web perusahaan
𝐶𝑂 =Biaya produksi per unit pada dan studi kepustakaan yang
jam lembur bermaksud untuk mendapatkan
𝐶𝑖 =Biaya penyimpanan per unit teori-teori dan informasi
per periode waktu pendukung terhadap
𝑻𝒐𝒕𝒂𝒍 𝒘𝒂𝒌𝒕𝒖 𝒍𝒖𝒂𝒏𝒈 = 𝐼𝑂 + ∑ 𝑅 + permasalahan. Data tersebut
∑ 𝑂 − ∑ 𝑆 − 𝐼𝑛 adalah :
a. Profil perusahaan
b. Visi dan misi perusahaan
3. METODELOGI PENELITIAN c. Struktur organisasi perusahaan
d. Produk yang dihasilkan
3.1 Identifikasi Masalah
Hasil pengamatan masalah 3.5 Pengolahan Data
dan wawancara yang dilakukan di Berdasarkan data-data
PT. Kabel Metal Indonesia yang diperoleh dari perusahaan,
diketahui masalah yang dihadapai selanjutnya peneliti melakukan

68
pengolahan data untuk
memecahkan masalah. Tahap-
tahap pengolahan data tersebut
adalah :
a. Perhitungan metode peramalan
(forchasting) :
Moving average, expontial
smooting, trend analysis.
b. Perhitungan peramalan dengan
nilai MSE terkecil.
c. Perhitungan penjadwalan
produksi agregat tenaga kerja
tetap dengan metode model
transportasi.

69
Gambar 1. Diagram Alir Metodologi Penelitian

70
4. ANALISIS PEMBAHASAN 𝑭𝒕+𝟏 = 𝑭𝒕 + 𝒂(𝑨𝒕 − 𝑭𝒕 )
= 30000 + 0,7 (30000 -
4.1 Perhitungan Peramalan 30000)
Metode Moving Average : = 30000
Detail and Error Analysis (𝐷𝑡 −𝐹𝑡 )2
𝑴𝑺𝑬 = ∑
Secara Manual n
607494700
MA = 1 bulan = = 55226790
12
Dimana :
A = Permintaan aktual pada 4.3 Perhitungan Peramalan
periode t Metode Trend Analysis:
N = Jumlah data permintaan yang Detail and Error Trend Analysis
dilibatkan dalam perhitungan NYA
𝑨𝒕 +𝑨𝒕−𝟏 +⋯+𝑨𝒕−(𝑵−𝟏) Secara Manual
𝑴𝑨 = Dimana :
𝑵
3000
= = 3000 ̂ = Nilai ramalan pada periode ke-
𝒀
1
(𝐷𝑡 −𝐹𝑡 )2 t
𝑴𝑺𝑬 = ∑ n a = Nilai trend pada periode
694000000
= = 63090910 dasar
12
X = unit periode yang dihitung dari
4.2 Perhitungan Peramalan periode dasar
Metode Exponential n = Banyak nya data
Smooting :
∑y 414000
Detail and Error Exponential 𝑎 = = = 34500
n 12
Smooting ∑xy 408000
B = ∑𝑥 2 = = 672,692
Secara Manual 650
Dimana : Y = a + b(X)
Ft+1= permintaan periode ke-t = 34500 + 672,692 (12) =
Ft = ramalan permintaan period 8.106,804
ke-t (𝐷𝑡 −𝐹𝑡 )2 436426500
𝑴𝑺𝑬 = ∑ =
Ft = permintaan actual period ke-t n 12
𝑎 = smoothing constan =3636888
Hasil perhitungan peramalan Moving Average, Exponential
permintaan produk dapat Smooting dan Trend Analysis
diketahui produk yang memiliki adalah metode Trend Analysis
nilai Mean Square Error (MSE) pada produk NYA, NYY,dan NYM
terkecil dengan menggunakan dengan nilai Mean Square Error
tiga metode peramalan yaitu (MSE) dapat dilihat pada tabel 1.

Tabel 1. Mean Square Error (MSE)

Metode Peramalan
Jenis Produk
Moving Average Exponential Smooting Trend Analysis
NYA 63090910 55226790 36368880
NYY 31000000 28044600 15004370
NYM 181272700 187795200 117505800

71
 Mean Square Error (MSE)
terkecil maka didapatkan forecast
dari Trend Analysis tahun 2019
per meter lalu dijadikan per coil
(unit) dengan ketentuan satu coil
sama dengan 100 meter.
Hasil permintaan produksi
Per coil tersebut akan di olah
sebagai penjadwalan produksi
agregat. Hasil permintaan per coil
(unit) dapat di lihat di tabel 2.

Tabel 2. Peramalan Permintaan Produk Tahun 2019 per coil (unit)

Periode Yang Akan

Month Datang Hasil
NYA NYY NYM
JANUARI 417 216 705 1339
FEBRUARI 428 221 712 1361
MARET 439 225 719 1384
APRIL 450 230 726 1406
MEI 461 234 733 1429
JUNI 472 239 740 1451
JULI 483 243 747 1474
AGUSTUS 494 247 754 1496
SEPTEMBER 505 252 761 1518
OKTOBER 516 256 768 1541
NOVEMBER 527 261 775 1563
DESEMBER 538 265 782 1586
TOTAL 5731 2889 8927 17547

Gambar 2. Grafik Peramalan 2019

Grafik Peramalan 2019

2000
1000
0

Periode Yang Akan Datang NYA Periode Yang Akan Datang NYY
Periode Yang Akan Datang NYM

72
 RT = Reguler Time
Setelah diketahui dari peramalan OT = Over Time
permintaan produk Tahun 2019 K = Kapasitas Produksi
maka dibuatlah Peramalan R = Rencana produksi pada
penjadwalan produksi agregate periode t
dengan tenaga kerja tetap Tahun B = Biaya produksi pada periode t
2019, langkah selanjutnya RT= Hari Kerja per periode x jam
menganalisis tiga jenis produk kerja x tenaga kerja = 22 x 21 x 7
menggunakan metode model = 3234 jam orang
transportasi sehingga diketahui OT = Hari kerja x max overtime x
jumlah produk dan biaya produksi tenaga kerja = 22 x 3 x 7 = 462 jam
yang optimal. orang
Dapat diketahui dari K = RT = 3224 jam orang
perhitungan peramalan R = Permintaan = 417 unit
penjadwalan perencanaan Total rencana produksi = 𝑅1 +
produksi agregate Tahun 2019 𝑅2 + 𝑅3 + ⋯ + 𝑅𝑛 = 417 + 428 +
dengan metode model 439 +... + 538 = 5731
transportasi dengan tenaga kerja Biaya per periode = Rencana
tetap pada produk NYA, NYY, dan produksi x biaya produksi = 417 x
NYM diperoleh biaya. 18.800 = Rp.7.839.600
Total biaya produksi = 𝐵1 + 𝐵2 +
4.4 Penjadwalan Produksi 𝐵3 + ⋯ + 𝐵𝑛 = 7.839.600 +
Agregate Tenaga Kerja 8.046.400 + 8.253.200 + ... +
Tetap Metode Model 10.114.400 = Rp.105.844.000
Transportasi
Dimana :

Tabel 3. Peramalan Penjadwalan Produksi Agregate Metode Model Transportasi

JANUARI FEBRUARI MARET APRIL MEI JUNI JULI AGUSTUS SEPTEMBER OKTOBER NOPEMBER DESEMBER TOTAL
RT OT RT OT RT OT RT OT RT OT RT OT RT OT RT OT RT OT RT OT RT OT RT OT RENCANA
BULAN DEMAND 3.234 462 2.793 399 2.940 420 2.940 420 3.087 441 2.205 315 3.381 483 3.234 462 3.087 441 3.381 483 3.087 441 3.234 462 PRODUKSI
K 3.234 9.702
B 18.800 -
JANUARI 417 R 417 - 417
K 2.817 2.793 399
B 18.900 18.800 -
FEBRUARI 428 R - 428 - 428
K 2.365 2.940 420
B 18.900 18.800 -
MARET 439 R - 439 - 439
K 2.501 2.940 420
B 18.900 18.800 -
APRIL 450 R 450 - 450
K 2.490 3.087 441
B 18.900 18.800 -
MEI 461 R 461 - 461
K 2.626 2.205 315
B 18.900 18.800 -
JUNI 472 R 472 - 472
K 1.733 3.381 483
B 18.900 18.800 -
JULI 483 R 483 - 483
K 2.898 3.234 462
B 18.900 18.800 -
AGUSTUS 494 R 494 - 494
K 2.740 3.087 441
B 18.900 18.800 -
SEPTEMBER 405 R 405 - 405
K 2.682 3.381 483
B 18.900 18.800 -
OKTOBER 516 R 516 - 516
K 2.865 3.087 441
B 18.900 18.800 -
NOPEMBER 527 R 527 - 527
K 2.560 3.234 462
B 18.900 18.800 -
DESEMBER 538 R 538 - 538
TOTAL RENCANA RT 417 428 439 450 461 472 483 494 405 516 527 538 5.630
PRODUKSI OT - - - - - - - - - - - - -
BIAYA Rp 7.839.600 Rp - Rp 8.046.400 Rp - Rp 8.253.200 Rp - Rp 8.460.000 Rp - Rp 8.666.800 Rp - Rp 8.873.600 Rp - Rp 9.080.400 Rp - Rp 9.287.200 Rp - Rp 7.614.000 Rp - Rp 9.700.800 Rp - Rp 9.907.600 Rp - Rp 10.114.400 Rp - Rp 105.844.000

73
 Tabel 4. Peramalan Total Produksi dan Biaya Produksi 2019
Tenaga Kerja Tetap
Optimal
NYA NYY NYM
Rp Rp Rp
Total Biaya
105.844.000 54.313.200 167.733.600
Total Produksi 5731 unit 2889 unit 8927 unit

Dari tabel 4.27 diketahui transportasi hasil peramalan

bahwa peramalan jumlah perhitungan produksi yang
permintaan produk terbanyak optimal bahwa perusahaan
Tahun 2019 yaitu produk NYM hanya perlu memproduksi
dengan total biaya produksi Rp. produk NYA 5630 coil (unit),
167.733.600 dengan total NYY 2889 coil (unit), dan NYM
produksi 8992 unit. 8922 coil (unit) dan total biaya
yang di keluarkan perusahaan
5. KESIMPULAN Rp.105.440.000, NYY
Rp.54.313.200 dan NYM
a. Berdasarkan hasil peramalan Rp.167.733.600 pada tahun
menggunakan tiga metode 2019.
peramalan Moving Average,
Exponential Smooting, dan DAFTAR PUSTAKA
Trend Analysis dari bulan
Januari 2018 samapai dengan Agustini, D.H & Rahmadi, Y.E.
bulan Desember 2018 dari tiga 2004. Riset Operational, PT.
produk yaitu NYA, NYY, dan Rineka Cipta, Jakarta.
NYM pada PT. Kabel Metal Heizer, Jay & Render, Barry.
Indonesia adalah Metode 2005. Operations
Trend Analysis dengan nilai Management, Penerbit
Mean Square Error (MSE) Salemba Empat, Jakarta.
produk NYA 3636880, NYY Heizer, Jay & Render, Barry.
15004370, NYM 117505800 2006. Manajemen Operasi
dan hasil total peramalan Edisi 7 Buku 1, Salemba,
permintaan produk per coil Jakarta.
pada tahun 2019 yaitu produk Kayirani Sofyan, Diana. 2013.
NYA 5731, NYY 2889, dan Perencanaan dan
NYM 8927. Adapun software Pengendalian Produksi,
yang digunakan dalam Graha Ilmu, Yogyakarta.
mendukung metode peramalan Kusuma, Hendra. 2001.
ini adalah menggunakan Perencanaan dan
software POM-QM for windows Pengendalian Produksi,
5.0. Penerbit Andi, Yogyakarta.
b. Berdasarkan hasil secara Nasution, Arman Hakim. 2008.
manual peramalan Perencanaan dan
penjadwalan produksi agregate Pengendalian Produksi, Andi
tenaga kerja tetap Tahun 2019 Offset, Yogyakarta.
menggunakan metode model

74
75