R2 - Senin (19.30) - Kholil - Kelompok 1 - Laporan Praktikum PPIC Akhir REAL

Laboratorium Teknik Industri
Program Studi Teknik

Industri Universitas Mercu
Buana
LAPORAN PRAKTIKUM
PRODUCTION PLANNING AND INVENTORY CONTROL
Disusun oleh:
Aryo Gusman (41620120023)
Kurniati (41622120014)
Luky Puspasari (41622120010)
Pandu Rohman (41620120024)
Shafa Almaliya (41621010035)
PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS MERCU BUANA
JAKARTA
2023
Telah Dinilai dan Diperiksa Oleh:
ASLAB Fhiladelvia
KATA PENGANTAR
Puji syukur ke hadirat Tuhan Yang Maha Esa karena atas berkat rahmat-
Nya, kami masih diberikan kesehatan, sehingga kami dapat menyelesaikan
penyusunan laporan praktikum yang berjudul “LAPORAN PRAKTIKUM
PRODUCTION PLANNING AND INVENTORY CONTROL” dengan baik dan
tepat waktu. Adapun tujuan dari penulisan dari laporan praktikum ini adalah untuk
memenuhi tugas pada Mata Kuliah Perencanaan dan Pengendalian Produksi,
sekaligus untuk menambah wawasan dan penuangan hasil praktikum, baik bagi
penulis maupun pembaca.
Penulis mengucapkan terima kasih kepadas Bapak Kholil selaku Dosen
Mata Kuliah Perencanaan dan Pengendalian Produksi serta asisten laboratorium
yang telah memberikan bimbingan dalam penyelesaian tugas ini, serta kepada
semua pihak yang tidak bisa kami sebutkan satu persatu. Kami sangat berharap
laporan praktikum ini dapat berguna, dalam rangka menambah wawasan serta
pengetahuan kita, khususnya mengenai metode peramalan (forecasting) dugaan
terhadap permintaan yang akan datang, metode Distribution Requirement
Planning (DRP), metode Material Resources Planning (MRP), dan Production
Modeler (Promodel).
Demikian makalah ini kami buat semoga bisa bermanfaat bagi semua
orang yang membacanya. Kami menyadari laporan praktikum ini masih jauh dari
kata sempurna, untuk itu kritik dan saran yang membangun akan selalu kami
nantikan, demi kesempurnaan pada laporan praktikum ini.
Jakarta, 9 Juni 2023
Penulis
i
DAFTAR ISI
KATA PENGANTAR................................................................................................................
DAFTAR ISI..............................................................................................................................
DAFTAR GAMBAR.................................................................................................................
DAFTAR TABEL......................................................................................................................
MODUL I - FORECASTING....................................................................................................
PENDAHULUAN.....................................................................................................................
1.1 Latar Belakang.............................................................................................................
1.2 Tujuan...........................................................................................................................
1.3 Pelaksanaan Praktikum.................................................................................................
BAB II........................................................................................................................................
2.1 Peramalan (Forecasting)...............................................................................................
BAB III......................................................................................................................................
BAB IV....................................................................................................................................
BAB V.....................................................................................................................................
MODUL II - DISTRIBUTION REQUIREMENT PLANNING (DRP).................................
PENDAHULUAN...................................................................................................................
1.1 Latar Belakang...........................................................................................................
1.2 Tujuan.........................................................................................................................
1.3 Pelaksanaan Praktikum...............................................................................................
BAB II......................................................................................................................................
2.1 Distribution Requirement Planning (DRP)................................................................
BAB III....................................................................................................................................
BAB IV....................................................................................................................................
4.1 Perhitungan DRP Agen C............................................................................................
4.2. Perhitungan DRP Agen D...........................................................................................
4.3 Perhitungan DRP Gudang Distribusi 1........................................................................
4.4 Perhitungan DRP Agen A............................................................................................
4.5 Perhitungan DRP Agen B............................................................................................
4.6 Perhitungan DRP Gudang Distribusi II.......................................................................
ii
4.7 Perhitungan DRP Gudang Agen E...............................................................................
4.8 Perhitungan DRP Pabrik..............................................................................................
BAB V.....................................................................................................................................
MODUL III - MATERIAL REQUIREMENTS PLANNING (MRP).....................................
PENDAHULUAN...................................................................................................................
1.1 Latar Belakang...........................................................................................................
1.2 Tujuan.........................................................................................................................
1.3 Pelaksanaan praktikum...............................................................................................
BAB II......................................................................................................................................
2.1 Material Requirement Planning (MRP).....................................................................
BAB III....................................................................................................................................
BAB IV....................................................................................................................................
4.1 Perhitungan MRP Sistem Lot for Lot (LFL)............................................................
4.2 Perhitungan MRP Sistem Economic Order Quantity (EOQ)...................................
4.3 Perhitungan MRP Sistem FOQ.................................................................................
BAB V.....................................................................................................................................
5.1 Kesimpulan...............................................................................................................
MODUL IV - PRODUCTION MODELER (PROMODEL)...................................................
PENDAHULUAN...................................................................................................................
1.1 Latar Belakang..........................................................................................................
1.2 Tujuan.......................................................................................................................
1.3 Pelaksanaan praktikum.............................................................................................
BAB II......................................................................................................................................
2.1 PRODUCTION MODELER (PROMODEL)...........................................................
BAB III....................................................................................................................................
BAB IV....................................................................................................................................
BAB V.....................................................................................................................................
DAFTAR PUSTAKA...............................................................................................................
iii
DAFTAR GAMBAR
Gambar 1 Contoh DRP........................................................................................................................

Gambar 2 Contoh STruktur BOM.......................................................................................................
Gambar 3 Output View Simulasi Promodel........................................................................................
Gambar 4 Time Plot Mesin Mixing.....................................................................................................
Gambar 5 Time Plot Mesin Extruding.................................................................................................
Gambar 6 Time Plot Mesin Cutting.....................................................................................................
Gambar 7 Time Plot Mesin Building...................................................................................................
Gambar 8 Time Plot Bagian Inspeksi..................................................................................................
Gambar 9 Time Plot Material Handling (Conveyor 1, 2, dan 3)..........................................................
Gambar 10 Entity State – Produk Jadi.................................................................................................
iv
DAFTAR TABEL
Tabel 1 Rangkuman Nilai SE dari ketiga metode................................................................................

Tabel 2 Data Peramalan Permintaan Produk Hand Sanitizer Tahun 2021...........................................
Tabel 3 DRP Agen C...........................................................................................................................
Tabel 4 DRP Agen D..........................................................................................................................
Tabel 5 DRP Gudang Distribusi I........................................................................................................
Tabel 6 DRP Agen A..........................................................................................................................
Tabel 7 DRP Agen B...........................................................................................................................
Tabel 8 Gudang Distribusi II...............................................................................................................
Tabel 9 DRP Agen E...........................................................................................................................
Tabel 10 DRP Pabrik...........................................................................................................................
Tabel 11 Perhitungan MRP Metode LFL Bingkai Foto Kayu.............................................................
Tabel 12 Perhitungan MRP Metode LFL Kardus Besar......................................................................
Tabel 13 Perhitungan MRP Metode LFL Kardus Kecil......................................................................
Tabel 14 Perhitungan MRP Metode LFL Bingkai Kayu.....................................................................
Tabel 15 Perhitungan MRP Metode LFL Kayu...................................................................................
Tabel 16 Perhitungan MRP Metode LFL Paku...................................................................................
Tabel 17 Perhitungan MRP Metode LFL Bingkai Alas.......................................................................
Tabel 18 Perhitungan MRP Metode LFL Kaca...................................................................................
Tabel 19 Perhitungan MRP Metode LFL Kaca...................................................................................
Tabel 20 Perhitungan MRP Metode EOQ Bingkai Foto Kayu............................................................
Tabel 21 Perhitungan MRP Metode EOQ Kardus Besar.....................................................................
Tabel 22 Perhitungan MRP Metode EOQ Kardus Kecil.....................................................................
Tabel 23 Perhitungan MRP Metode EOQ Bingkai Kayu....................................................................
Tabel 24 Perhitungan MRP Metode EOQ Kayu..................................................................................
Tabel 25 Perhitungan MRP Metode EOQ Paku..................................................................................
Tabel 26 Perhitungan MRP Metode EOQ Alas Bingkai......................................................................
Tabel 27 Perhitungan MRP Metode EOQ Kaca..................................................................................
Tabel 28 Perhitungan MRP Metode EOQ Gantungan.........................................................................
Tabel 29 Perhitungan MRP Metode FOQ Bingkai Foto Kayu............................................................
Tabel 30 Perhitungan MRP Metode FOQ Kardus Besar.....................................................................
Tabel 31 Perhitungan MRP Metode FOQ Kardus Kecil......................................................................
Tabel 32 Perhitungan MRP Metode FOQ Bingkai Kayu....................................................................
Tabel 33 Perhitungan MRP Metode FOQ Kayu..................................................................................
v
Tabel 34 Perhitungan MRP Metode FOQ Paku...................................................................................
Tabel 35 Perhitungan MRP Metode FOQ Alas Bingkai......................................................................
Tabel 36 Perhitungan MRP Metode FOQ Kaca..................................................................................
Tabel 37 Perhitungan MRP Metode FOQ Gantungan.........................................................................
DAFTAR LAMPIRAN
Lampiran 1 Tugas Individu Aryo Gusman..............................................................................

Lampiran 2 Tugas Individu Kurniati.......................................................................................
Lampiran 3 Tugas Individu Luky Puspasari..........................................................................
Lampiran 4 Tugas Individu Pandu Rohman..........................................................................
Lampiran 5 Tugas Individu Shafa Almaliya..........................................................................
vi
MODUL I - FORECASTING
BAB I
PENDAHULUAN
1.1 Latar Belakang

Dalam rangka memenuhi permintaan pesanan bahan bangunan,
diperlukan metode perhitungan peramalan yang tepat. Metode ini akan
memprediksi jumlah barang yang tersedia berdasarkan permintaan bahan
bangunan dalam satu tahun terakhir (Anna dan Popy, 2020). Peramalan adalah
proses untuk memperkirakan kebutuhan di masa depan dalam berbagai aspek,
seperti kuantitas, kualitas, waktu, dan lokasi, guna memenuhi permintaan
barang atau jasa (Kushartini dan Almahdy, 2016). Peramalan merupakan
unsur penting dalam proses pengambilan keputusan dan dilakukan dengan
menganalisis data masa lalu menggunakan metode tertentu. Perusahaan
memerlukan peramalan penjualan dengan menggunakan tren untuk
memperkirakan jumlah penjualan di masa depan dan meminimalkan kesalahan
peramalan sehingga perbedaan antara kenyataan dan ramalan tidak terlalu jauh
(Sri et al, 2021).
1.2 Tujuan
Adapun tujuan dari praktikum ini, yaitu:
1. Mahasiswa memahami peramalan (forecasting) menggunakan software
POM-QM.
2. Mahasiswa mampu membuat peramalan (forecasting) menggunakan
software POM-QM.
1.3 Pelaksanaan Praktikum

Adapun tahapan-tahapan dalam pelaksanaan praktikum, yaitu :
1. Memahami materi dari yang disampaikan oleh asisten laboratorium.
2. Mendownload aplikasi POM-QM, serta tugas.
3. Menginstall POM-QM.
4. Melakukan perhitungan table demand dari produk A sampai E sesuai
dengan ketentuan tugas yang diberikan.
1
5. Membuka software POM-QM.
6. Melakukan peramalan untuk data permintaan menggunakan metode MA
(Moving Average) 3 bulan, ES (Exponential Smoothing) dengan alpha 0,5 ,
dan Linear Trend Line Model.
7. Screenshot hasil dari Details and Error Analysis, Control (Tracking
Signal), Forecasting Results dan Graph dari ketiga metode tersebut.
8. Membuat Laporan Praktikum untuk Pertemuan 1, baik secara individu
maupun kelompok.
2
BAB II
LANDASAN TEORI
2.1 Peramalan (Forecasting)

A. Landasan Teori
Berdasarkan pandangan Barry Render dan Jay Heizer (2001, p.46),
peramalan (forecasting) adalah sebuah seni dan ilmu yang memprediksi
peristiwa-peristiwa masa depan dengan menggunakan data historis dan
memproyeksikannya ke masa depan dengan menggunakan beberapa model
matematis. Lerbin R. Aritonang R. (2002, p.12) mendefinisikan peramalan
sebagai kegiatan penerapan model pada masa yang akan datang.
Sementara itu, menurut Lalu Sumayang (2003, p.24), peramalan adalah
sebuah perhitungan yang objektif yang menggunakan data masa lalu untuk
menentukan sesuatu di masa yang akan datang (dalam H.D.P., 2018).
Menurut Fauziah dkk. (2019), ada tiga unsur pokok yang terkait
dengan peramalan yaitu waktu, situasi ketidakpastian, dan keputusan yang
didasarkan pada ramalan. Keputusan selalu berhubungan dengan masa
depan dan peramalan dilakukan berdasarkan analisis statistik untuk
mengidentifikasi pola dan data historis yang dapat diramalkan.
Ada lima prinsip peramalan (dalam Fauziah dkk., 2019) yang
penting untuk diperhatikan guna mendapatkan hasil peramalan yang baik,
yaitu:
1. Setiap peramalan mengandung kesalahan (error). Meskipun peramalan
mengurangi faktor ketidakpastian, kesalahan tidak pernah bisa
dihilangkan sepenuhnya.
2. Peramalan harus mencakup ukuran kesalahan. Besarnya kesalahan bisa
dijelaskan sebagai kisaran antara hasil peramalan dengan permintaan
aktual, baik dalam satuan atau persentase, serta probabilitas
permintaan aktual berada dalam kisaran tersebut.
3. Peramalan untuk kelompok produk selalu lebih akurat daripada
peramalan untuk produk tunggal.
3
4. Peramalan jangka pendek cenderung lebih akurat daripada peramalan
jangka panjang. Pada jangka pendek, faktor yang mempengaruhi
permintaan cenderung stabil atau berubah secara perlahan, sehingga
peramalan jangka pendek lebih akurat.
5. Jika memungkinkan, dianjurkan untuk memperkirakan besarnya
permintaan berdasarkan perhitungan daripada hasil peramalan.
B. Pemilihan Teknik dan Metode Peramalan

Banyaknya teknik dan metode yang digunakan untuk peramalan,
namun dari berbagai macam pilihan teknik dan metode, kita harus bisa
melihat faktor-faktor yang mempengaruhi dalam pemilihan teknik
peramalan tersebut. Hal ini dilakukan untuk memperkecil resiko yang
nantinya akan timbul. Faktor-faktor yang harus dipertimbangkan dalam
pemilihan teknik/metode peramalan (Amin S. dan M. Kholil hal 74,
2013):
1. Horizon peramalan
2. Tingkat ketelitian
3. Ketersediaan data
4. Bentuk pola data
5. Biaya
6. Jenis dari model
7. Mudah tidaknya penggunaan dan aplikasinya.
C. Ukuran Akurasi Hasil

Ukuran akurasi hasil peramalan yang merupakan ukuran kesalahan
peramalan merupakan ukuran tentang tingkat perbedaan antara hasil
permintaan dengan permintaan yang sebenarnya terjadi. Beberapa metode
telah digunakan untuk menunjukkan kesalahan yang disebabkan oleh suatu
teknik peramalan tertentu. Hampir semua ukuran tersebut menggunakan
pengrata-rataan beberapa fungsi dari perbedaan antara nilai sebenarnya
dengan nilai peramalannya. Diantaranya adalah sebagai berikut
(Hudaningsih dkk, 2020):
4
1. Mean Absolute Deviation (MAD)
MAD merupakan rata-rata kesalahan mutlak selama periode
tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau
lebih kecil dibandingkan kenyataannya. Secara matematis, MAD
dirumuskan sebagai berikut (Nasution dan Prasetyawan, 2008: 34):
𝐴𝑡 − 𝐹𝑡
𝑀𝐴𝐷 = | |
𝑛
Dimana:
 At = permintaan actual pada periode ke t
 Ft = peramalan permintaan pada periode ke t
 N = jumlah periode peramalan yang terlibat
2. Mean Square Error = (MSE)

MSE merupakan metode alternatif dalam suatu metode
peramalan. Pendekatan ini penting karena teknik ini menghasilkan
kesalahan yang moderat lebih disukai oleh suatu peramalan yang
menghasilkan kesalahan yang sangat besar. Rumus Mean Square Error
(Nasution dan Prasetyawan, 2008:34):
∑(𝑘𝑒𝑠𝑎𝑙𝑎ℎ𝑎𝑛 𝑝𝑒𝑟𝑎𝑚𝑎𝑙𝑎𝑛)2
𝑀𝑆𝐸 =
𝑁
3. Mean Absolute Percentage Error (MAPE)

MAPE merupakan ukuran kesalahan relatif. MAPE biasanya
lebih berarti dibandingkan MAD karena MAPE menyatakan persentase
kesalahan hasil peramalan terhadap permintaan aktual selama periode
tertentu yang akan memberikan informasi persentase kesalahan terlalu
tinggi atau terlalu rendah. Secara matematis, MAPE dinyatakan
sebagai berikut (Nasution dan Prasetyawan, 2008:35):
𝐷𝑒𝑣𝑖𝑠𝑖𝑎𝑠𝑖 𝐴𝑏𝑠𝑜𝑙𝑢𝑡
∑ 𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑡𝑢𝑎𝑙 𝑥 100%
𝑀𝐴𝑃𝐸 = 𝑁
5
D. Validasi Metode Peramalan
1. Tracking Signal
Tracking Signal adalah suatu ukuran bagaimana baiknya suatu
ramalan memperkirakan nilai-nilai aktual. Tracking Signal dihitung
sebagai Running Sum Of The Forecast Error (RSFE) dibagi dengan
mean absolute deviation (MAD), sebagai berikut:
𝑅𝑆𝐹𝐸
𝑇𝑟𝑎𝑐𝑘𝑖𝑛𝑔 𝑆𝑖𝑔𝑛𝑎𝑙 =
𝑀𝐴𝐷
Tracking Signal yang positif menunjukan bahwa nilai aktual
permintaan lebih besar daripada ramalan, sedangkan tracking signal
yang negatif berarti nilai aktual permintaan lebih kecil daripada
ramalan. Suatu Tracking Signal disebut “baik” apabila memiliki RSFE
yang rendah dan mempunyai positive error yang sama banyak atau
seimbang dengan negative error, sehingga pusat dari tracking signal
mendekati nol. Nilai tracking signal berada padabatas kontrol yang
telah ditentukanyaitu ± 4 . Pola dari hasil tracking signalharus
menyerupai pola dasar permintaan (Gaspersz, 2004).
2. Moving Range
Metode ini digunakan untuk memperkirakan variasi data dan
digunakan untuk menghasilkan peramalan yang lebih akurat. Validasi
metode peramalan moving range melibatkan pengujian kinerja metode
tersebut dengan membandingkan peramalan yang dihasilkan dengan
data aktual. Adapun rumus yang digunakan adalah sebagai berikut
(Ervil & Rosalina, 2019):
𝑀𝑅 = (𝐹𝑡−1 − 𝐴𝑡−1) − (𝐹𝑡 − 𝐴𝑡)
∑ 𝑀𝑅
̅𝑀̅𝑅̅ =
𝑛−1
Dimana:
 MR = Jarak atau range bergerak antara satu titik data dengan
titik data sebelumnya
 F = Hasil estimasi
 A = Data aktual
6
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
3.1 Pengumpulan Data
Tahu Bulan A B C D E
n
Januari
95 75 40 85 65
Februari
100 95 75 8X 100
Maret 10
90 7X 0 95 90
2020
April
6X 75 80 85 65
Mei
96 100 90 80 90
Juni
100 25 90 95 8X
Juli
95 90 95 10X 90
Agustus
110 100 9X 106 85
September
8X 95 80 95 100
Oktober
100 70 45 105 85
November 10
106 85 6 55 95
Desember 10
50 9X 0 90 10X
Tabel 3.1 Tabel Data Permintaan Produk Hand Sanitizer Tahun 2021 sebelum pengolahan data
Catatan:
 Nilai X diganti dengan angka kelompok.
Contoh: untuk kelompok 1 → 5X diganti menjadi 51
 Data yang diberi warna kuning ditambah 1 angka belakang NIM
Contoh :
Kelompok 1
Misal, 9X → 91. Kemudian ditambah NIM → 91 + 2 = 93
7
3.2 Pengolahan Data
Produk
Tahun Bulan
A B C D E
Januari 85 87 95 90 98
Februari 84 87 97 90 100
Maret 83 88 99 90 102
April 83 89 101 90 103
Mei 82 90 103 90 105
Juni 81 91 105 90 107
2021
Juli 80 92 107 91 108
Agustus 79 93 109 91 110
September 79 93 111 91 112
Oktober 78 94 113 91 114
November 77 95 115 91 115
Desember 76 96 117 91 117
Tabel 3.2 Data Permintaan Produk Hand Sanitizer Tahun 2021
3.2.1 Metode Peramalan (Forecast) dengan Software POM-QM
3.2.1.1 Moving Average
 Produk A
Produk A
Forecasting Moving averages - 2 period moving average

This file was created POM-QM for Windows, V5
Data Error analysis

Period Demand Forecast Error Absolute Squared |% Error|
January 95
February 100
March 90 97.5 -7.5 7.5 56.25 0.083333
April 61 95 -34 34 1156 0.557377
May 96 75.5 20.5 20.5 420.25 0.213542
June 100 78.5 21.5 21.5 462.25 0.215
July 95 98 -3 3 9 0.031579
August 110 97.5 12.5 12.5 156.25 0.113636
September 81 102.5 -21.5 21.5 462.25 0.265432
October 100 95.5 4.5 4.5 20.25 0.045
November 106 90.5 15.5 15.5 240.25 0.146226
December 50 103 -53 53 2809 1.06
Total -44.5 193.5 5791.75 2.731126
Average -4.45 19.35 579.175 0.273113
Bias MAD MSE MAPE
SE 26.90667
Next period 78
8
Gambar 3.1 Moving Average Produk A
 Produk B
Data Error analysis

January 75
February 95
March 71 85 -14 14 196 0.197183
April 75 83 -8 8 64 0.106667
May 100 73 27 27 729 0.27
June 25 87.5 -62.5 62.5 3906.25 2.5
July 90 62.5 27.5 27.5 756.25 0.305556
August 100 57.5 42.5 42.5 1806.25 0.425
September 95 95 0 0 0 0
October 70 97.5 -27.5 27.5 756.25 0.392857
November 85 82.5 2.5 2.5 6.25 0.029412
December 91 77.5 13.5 13.5 182.25 0.148352
Total 1 225 8402.5 4.375026
Average 0.1 22.5 840.25 0.437503
Bias MAD MSE MAPE
SE 32.40853
Next period 88
Gambar 3.2 Moving Average Produk B
 Produk C
Data Error analysis

January 40
February 75
March 100 57.5 42.5 42.5 1806.25 0.425
April 80 87.5 -7.5 7.5 56.25 0.09375
May 90 90 0 0 0 0
June 90 85 5 5 25 0.055556
July 95 90 5 5 25 0.052632
August 91 92.5 -1.5 1.5 2.25 0.016484
September 80 93 -13 13 169 0.1625
October 45 85.5 -40.5 40.5 1640.25 0.9
November 106 62.5 43.5 43.5 1892.25 0.410377
December 100 75.5 24.5 24.5 600.25 0.245
Total 58 183 6216.5 2.361298
Average 5.8 18.3 621.65 0.23613
Bias MAD MSE MAPE
SE 27.87584
Next period 103
Gambar 3.3 Moving Average Produk C

9
 Produk D
Data Error analysis

January 85
February 81
March 95 83 12 12 144 0.126316
April 85 88 -3 3 9 0.035294
May 80 90 -10 10 100 0.125
June 95 82.5 12.5 12.5 156.25 0.131579
July 101 87.5 13.5 13.5 182.25 0.133663
August 106 98 8 8 64 0.075472
September 95 103.5 -8.5 8.5 72.25 0.089474
October 105 100.5 4.5 4.5 20.25 0.042857
November 55 100 -45 45 2025 0.818182
December 90 80 10 10 100 0.111111
Total -6 127 2873 1.688948
Average -0.6 12.7 287.3 0.168895
Bias MAD MSE MAPE
SE 18.95059
Next period 72.5
Gambar 3.4 Moving Average Produk D
 Produk E

Data Error analysis

January 65
February 100
March 90 82.5 7.5 7.5 56.25 0.083333
April 65 95 -30 30 900 0.461538
May 90 77.5 12.5 12.5 156.25 0.138889
June 81 77.5 3.5 3.5 12.25 0.04321
July 90 85.5 4.5 4.5 20.25 0.05
August 85 85.5 -0.5 0.5 0.25 0.005882
September 100 87.5 12.5 12.5 156.25 0.125
October 85 92.5 -7.5 7.5 56.25 0.088235
November 95 92.5 2.5 2.5 6.25 0.026316
December 101 90 11 11 121 0.108911
Total 16 92 1485 1.131315
Average 1.6 9.2 148.5 0.113131
Bias MAD MSE MAPE
SE 13.62443
Next period 98
10
Gambar 3.5 Moving Average Produk D
11
3.2.1.2 Expontial Smoothing
 Produk A
Forecasting Exponential smoothing
Alpha 0.5
Data Error Analysis
January 95 95
February 100 95 5 5 25 0.05
March 90 97.5 -7.5 7.5 56.25 0.083333
April 61 93.75 -32.75 32.75 1072.563 0.536885
May 96 77.375 18.625 18.625 346.8906 0.19401
June 100 86.6875 13.3125 13.3125 177.2227 0.133125
July 95 93.34375 1.65625 1.65625 2.743164 0.017434
August 110 94.17188 15.82813 15.82813 250.5295 0.143892
September 81 102.0859 -21.0859 21.08594 444.6168 0.26032
October 100 91.54297 8.457031 8.457031 71.52138 0.08457
November 106 95.77148 10.22852 10.22852 104.6225 0.096495
December 50 100.8857 -50.8857 50.88574 2589.359 1.017715
Total -39.1143 185.3291 5141.318 2.617781
Average -3.55584 16.8481 467.3925 0.23798
Bias MAD MSE MAPE
SE 23.90099
Next period 75.4428711
Gambar 3.6 Exponential Smoothing Produk A
 Produk B
Alpha 0.5
Data Error Analysis
January 75 75
February 95 75 20 20 400 0.210526
March 71 85 -14 14 196 0.197183
April 75 78 -3 3 9 0.04
May 100 76.5 23.5 23.5 552.25 0.235
June 25 88.25 -63.25 63.25 4000.563 2.53
July 90 56.625 33.375 33.375 1113.891 0.370833
August 100 73.3125 26.6875 26.6875 712.2227 0.266875
September 95 86.65625 8.34375 8.34375 69.61816 0.087829
October 70 90.82813 -20.8281 20.82813 433.8108 0.297545
November 85 80.41406 4.585938 4.585938 21.03082 0.053952
December 91 82.70703 8.292969 8.292969 68.77333 0.091132
Total 23.70703 225.8633 7577.159 4.380875
Average 2.155185 20.53303 688.8326 0.398261
Bias MAD MSE MAPE
SE 29.01563
Gambar 3.7 Exponential Smoothing Produk B

12
Produk C
Alpha 0.5
Data Error Analysis
January 40 40
February 75 40 35 35 1225 0.466667
March 100 57.5 42.5 42.5 1806.25 0.425
April 80 78.75 1.25 1.25 1.5625 0.015625
May 90 79.375 10.625 10.625 112.8906 0.118056
June 90 84.6875 5.3125 5.3125 28.22266 0.059028
July 95 87.34375 7.65625 7.65625 58.61816 0.080592
August 91 91.17188 -0.17188 0.171875 0.029541 0.001889
September 80 91.08594 -11.0859 11.08594 122.898 0.138574
October 45 85.54297 -40.543 40.54297 1643.732 0.900955
November 106 65.27148 40.72852 40.72852 1658.812 0.384231
December 100 85.63574 14.36426 14.36426 206.3319 0.143643
Total 105.6357 209.2373 6864.348 2.734259
Average 9.603249 19.02157 624.0316 0.248569
Bias MAD MSE MAPE
SE 27.61712
Gambar 3.8 Exponential Smoothing Produk C
Produk D
Alpha 0.5
Data Error Analysis
January 85 85
February 81 85 -4 4 16 0.049383
March 95 83 12 12 144 0.126316
April 85 89 -4 4 16 0.047059
May 80 87 -7 7 49 0.0875
June 95 83.5 11.5 11.5 132.25 0.121053
July 101 89.25 11.75 11.75 138.0625 0.116337
August 106 95.125 10.875 10.875 118.2656 0.102594
September 95 100.5625 -5.5625 5.5625 30.94141 0.058553
October 105 97.78125 7.21875 7.21875 52.11035 0.06875
November 55 101.3906 -46.3906 46.39063 2152.09 0.843466
December 90 78.19531 11.80469 11.80469 139.3506 0.131163
Total -1.80469 132.1016 2988.071 1.752173
Average -0.16406 12.00923 271.6428 0.159288
Bias MAD MSE MAPE
SE 18.22108
Gambar 3.9 Exponential Smoothing Produk D
13
 Produk E
Alpha 0.5
Data Error Analysis
January 65 65
February 100 65 35 35 1225 0.35
March 90 82.5 7.5 7.5 56.25 0.083333
April 65 86.25 -21.25 21.25 451.5625 0.326923
May 90 75.625 14.375 14.375 206.6406 0.159722
June 81 82.8125 -1.8125 1.8125 3.285156 0.022377
July 90 81.90625 8.09375 8.09375 65.50879 0.089931
August 85 85.95313 -0.95313 0.953125 0.908447 0.011213
September 100 85.47656 14.52344 14.52344 210.9302 0.145234
October 85 92.73828 -7.73828 7.738281 59.881 0.091039
November 95 88.86914 6.130859 6.130859 37.58744 0.064535
December 101 91.93457 9.06543 9.06543 82.18202 0.089757
Total 62.93457 126.4424 2399.736 1.434064
Average 5.721325 11.49476 218.1578 0.130369
Bias MAD MSE MAPE
SE 16.32903
Gambar 3.10 Exponential Smoothing Produk E
14
BAB IV
ANALISA DAN PEMBAHASAN
Berdasarkan hasil forecasting terhadap data permintaan yang telah

dilakukan, kita dapat memilih hasil permintaan terbaik berdasarkan nilai
Standar Error. Diketahui nilai standar eror pada masing-masing metode
adalah sebagai berikut.
Produk Nilai Standar Error

Moving Exponential Linear Trend Line
Average Smoothing Model
A 26,91 23,90 18,62
B 32,41 29,02 21,53
C 27,88 27,62 20,58
D 18,95 18,22 14,59
E 13,62 16,33 11,07
Tabel 1 Rangkuman Nilai SE dari ketiga metode
Semakin kecil nilai SE maka akan mendekati peramalan yang akurat.
Melalui tabel1 diketahui nilai standar eror linear trend line memiliki nilai
paling keicl diantara metode lainnya. Berdasarkan hal tersebut, maka hasil
peramalan dengan menggunakan metode “Linear Trend Line” adalah Model
yang paling optimal dalam kasus forecasting produk Hand Sanitizer. Berikut
adalah tabel dari hasil peramalan permintaan terhadap produk A, B, C, D, dan
E dengan menggunakan metode Linear Trend Line.
Produk
Tahun Bulan
A B C D E
Januari 85 87 95 90 98
Februari 84 87 97 90 100
Maret 83 88 99 90 102
April 83 89 101 90 103
Mei 82 90 103 90 105
Juni 81 91 105 90 107
2021
Juli 80 92 107 91 108
Agustus 79 93 109 91 110
September 79 93 111 91 112
Oktober 78 94 113 91 114
November 77 95 115 91 115
Desember 76 96 117 91 117
Tabel 2 Data Peramalan Permintaan Produk Hand Sanitizer Tahun 2021
15
Pada table di atas dapat dilihat bahwa permintaan Hand Sanitizer Tahun
2021 yang membentuk trend, pada produk A terbentuk trend negative dimana
data permintaan menurun sepanjang tahun, sedangkang produk B, C, D, dan
E memiliki trend positif dengan permintaan meningkat di sepanajang tahun
2021.
16
BAB V
KESIMPULAN DAN SARAN
1.5 Kesimpulan
Dalam pelaksanaan praktikum peramalan menggunakan software POM-QM.

Tujuan praktikum ini adalah agar mahasiswa memahami dan mampu membuat
peramalan menggunakan software tersebut.
Pelaksanaan praktikum terdiri dari beberapa tahapan, antara lain memahami
materi, mendownload dan menginstall aplikasi POM-QM, melakukan perhitungan
permintaan barang, membuka software POM-QM, dan melakukan peramalan
menggunakan metode Moving Average (MA), Exponential Smoothing (ES), dan
Linear Trend Line Model.
Metode peramalan yang digunakan dalam praktikum ini meliputi Moving
Average, Exponential Smoothing, dan Linear Trend Line Model. Setiap metode
memiliki kelebihan dan kekurangan yang perlu dipertimbangkan dalam pemilihan
metode peramalan.
Dalam pemilihan teknik dan metode peramalan, perlu mempertimbangkan
beberapa faktor seperti horizon peramalan, tingkat ketelitian, ketersediaan data, bentuk
pola data, biaya, jenis model, dan kemudahan penggunaan dan aplikasi.
Untuk mengukur akurasi hasil peramalan, digunakan beberapa ukuran seperti
Mean Absolute Deviation (MAD), Mean Square Error (MSE), dan Mean Absolute
Percentage Error (MAPE). Ukuran tersebut memberikan informasi tentang tingkat
kesalahan peramalan dalam memprediksi permintaan aktual.
Validasi metode peramalan dilakukan dengan menggunakan Tracking Signal
dan Moving Range. Tracking Signal digunakan untuk mengukur sejauh mana ramalan
memperkirakan nilai-nilai aktual, sedangkan Moving Range digunakan untuk
memperkirakan variasi data dan meningkatkan akurasi peramalan.
2.5 Saran
Bertitik tolak dari kesimpulan di atas, penulis mengemukakan beberapa saran
sebagai berikut :
1. Lebih rinci jelaskan tentang aplikasi dan penggunaan teknik dan metode
peramalan yang digunakan dalam studi ini. Berikan contoh penggunaan
masing-masing metode dalam konteks yang lebih spesifik.
17
2. Analisis dan pembahasan tentang hasil peramalan dapat diperluas dengan
membandingkan hasil dari metode yang berbeda dan menganalisis penyebab
perbedaan akurasi antara metode-metode tersebut.
3. Untuk validasi metode peramalan, tambahkan penjelasan tentang penggunaan
batas kontrol dalam Tracking Signal dan batas kriteria dalam Moving Range.
Jelaskan bagaimana hasil dari kedua metode tersebut dapat digunakan untuk
mengevaluasi performa peramalan.
4. Diskusikan juga faktor-faktor lain yang dapat mempengaruhi keakuratan
peramalan, seperti faktor eksternal atau perubahan tren pasar, dan bagaimana
faktor-faktor tersebut dapat diatasi atau diperhitungkan dalam proses
peramalan.
5. Sarankan penggunaan teknologi atau software peramalan yang lebih canggih
dan terbaru untuk meningkatkan akurasi dan efisiensi peramalan.
6. Terakhir, berikan kesimpulan yang lebih jelas tentang hasil peramalan terbaik
berdasarkan analisis yang telah dilakukan, dan sertakan rekomendasi atau
tindakan yang dapat diambil berdasarkan hasil peramalan tersebut.
18
MODUL II - DISTRIBUTION REQUIREMENT PLANNING
(DRP)
BAB I
PENDAHULUAN
1.1 Latar Belakang

Distribusi merupakan sesuatu aktivitas guna memindahkan produk dari
pihak supplier kepada pihak konsumen dalam suatu supply chain. Distribusi
merupakan suatu kunci dari keuntungan yang hendak diperoleh perusahaan
sebab distribusi secara langsung akan pengaruhi biaya dari supply chain serta
kebutuhan konsumen, Jaringan distribusi yang tepat bisa digunakan untuk
mencapai bermacam ragam tujuan dari supply chain, mulai dari biaya yang
rendah sampai respons yang besar terhadap permintaan dari konsumen
(Chopra dkk., 2004).
Saat ini banyak perusahaan yang menggunakan metode Distribution
Requirement Planning (DRP) untuk merencanakan distribusi. Sebuah system
yang disebut Perencanaan Kebutuhan Distribusi digunakan untuk
memasukkan system produksi dan material dan menghitung permintaan
persediaan dipusat distribusi dengan menggabungkan permintaan historis
(Bowersox, Closs, dan Cooper, 2013). Menurut pandangan ini, Distribution
Requirement Planning adalah suatu system yang menentukan kebutuhan
perencanaan untuk penambahan persediaan dipusat distribusi. DRP
memberikan pemahaman tentang kepentingan masa depan yang sebanding
dengan persyaratan pengiriman dari tanda stok sumber ke tempat stok tujuan.
Ini akan membantu dalam melakukan tindakan korektif yang diambil sebelum
krisis yang timbul dari kejadian yang tidak diinginkan(Anistya, 2015).
1.2 Tujuan
1. Mahasiswa memahami konsep DRP
2. Mahasiswa mampu membuat matriks DRP dalam penerapannya.
19
1.3 Pelaksanaan Praktikum
Adapun tahapan-tahapan dalam pelaksanaan praktikum, yaitu :
2. Membuat matriks DRP di excel mulai dari bagan hingga table.
3. Gambar bagan dan table sesuai dengan ketentuan tugas yang diberikan.
4. Isi data pada table setiap agen, gudang distribusi dan pabrik.
5. Hitung data menggunakan rumus yang telah dijelaskan pada setiap table
sesuai dengan ketentuannya.
6. Membuat Laporan Praktikum untuk Pertemuan ke-2.
20
BAB II
LANDASAN TEORI
2.1 Distribution Requirement Planning (DRP)

A. Landasan Teori
Distribution Requirement Planning (DRP) Distribution
Requirement Planning merupakan perhiasan perluasan dari distribution
requirement planning yang mencakup lebih dari sekadar sistem
perencanaan dan pengendalian pengisian kembali inventory, tetapi
ditambah dengan perencanaan dan pengendalian dari sumber-sumber yang
terkait dalam sistem distribusi seperti: warehouse space, tenaga kerja,
uang, fasilitas transportasi dan warehousing. Termasuk di sini adalah
keterkaitan dari replenishment sistem ke financial sistem dan penggunaan
simulasi sebagai alat untuk meningkatkan performansi sistem (Gasperz,
1998)
Distribution Requirement planning merupakan aplikasi dari angka
logika Material Requirement Planning (MRP). Persediaan Bill of Material
(BOM) pada DRP diganti dengan Bill of Distribution (BOD) pada
Distribution Requirement Planning (DRP) menggunakan logika Time
Phased On Point (TPOP) untuk memerlukan pengadaan kebutuhan pada
(Abdillah, 2009)
Distribution Requirement Planning didasarkan pada peramalan
kebutuhan pada level terendah dalam jaringan tersebut yang akan
menentukan kebutuhan persediaan pada level yang lebih tinggi. Konsep
umum DRP dapat dilihat dalam gambar di bawah ini (Abdillah, 2009):
Gambar 1 Contoh DRP
21
B. Tujuan Distribution Requirement Planning (DRP)
Distribution Requirement Planning (DRP) berfungsi untuk
menentukan jumlah kebutuhan untuk mengisi kembali inventory pada
branch warehouse (distribution centre) agar terjadi integrasi bidang
produksi dan distribusi. Dengan DRP ini unit usaha memulai penjadwalan
distribusi dengan lebih akurat dan pada saat yang sama mencapai stabilitas
produksi. Sebagai akibatnya kegiatan distribusi produk dapat memperoleh
keuntungan yang besar dalam hal perbaikan customer service,
pengurangan persediaan, pengurangan biaya-biaya barang yang usang.
Dalam konsep selanjutnya konsep DRP ini dapat diterapkan pada jaringan
sistem distribusi antara Central Supply Facility (CSF) dan Distribution
Centre (DC) nya. Persediaan yang berlebih merupakan asset negatif bagi
perusahaan karena persediaan ini menggunakan tempat penyimpanan yang
sangat berharga, mengurangi modal kerja, mengurangi nilai ROI dan lain
sebagainya. Item yang berlebih dan usang sebaiknya dikurangi atau
dibuang (Hidayat Dkk, 2013)
C. Konsep Distribution Requirement Planning (DRP)

Distribution Requirement Planning adalah suatu metode untuk
menangani pengadaan persediaan dalam suatu jaringan distribusi multi
eselon. Metode ini menggunakan demand independent, dimana dilakukan
peramalan untuk memenuhi struktur pengadaannya. Berapun banyaknya
level yang ada dalam jaringan distribusi, semoga merupakan variabel yang
dependent level yang langsung memenuhi customer (Abdillah, 2009).
Distribusi dari produk sering menciptakan hirarki dari lokasi
penyimpanan, yang dapat meliputi: pusat-pusat produksi (manufakturing
centers), Pusat-pusat distribusi (distribution centers), dan pengecer
(retailers). Distribusi barang sering dikenal dengan istilah : logistik, nama
yang sering digunakan dalam lingkungan militer (Gasperz, 1998).
Distribusi dari barang yang mengacu pada hubungan yang ada diantara
titik produksi dan pelanggan akhir, yang sering terdiri dari beberapa jenis
inventory yang harusnya dikelola (Gasperz, 1998). Tujuan utama dari
manajemen distribusi inventori adalah memperoleh inventori tempat yang
22
tepat, pada waktu yang tepat, spesifikasi kualitas yang tepat, serta pada
ongkos yang memadai. Tujuan ini untuk mencapai tingkat pelayanan
pelanggan (Costumer Service Level) yang diinginkan pada atau dibawah
tingkat ongkos yang telah ditetapkan (Gasperz, 1998). Keputusan-
keputusan distribusi akan mempengaruhi (Gasperz, 1998) :
1. Fasilitas
2. Transportasi
3. Investasi inventori
4. Frekuensi kehabisan stok (stocout)
5. Manufakturing
6. Komunikasi dan pemrosesan data
Kebijakan dan strategi distribusi harus menjadi bagian dari strategi
organisasi manufacturing secara terintegrasi yang mencakup semua area
fungsional seperti : pemasaran, engineering, keuangan, dan manufacturing.
Distribution Requirement Planning lebih menekankan pada aktivitas
penjadwalan daripada aktivitas pemesanan.
DRP mengantisipasi kebutuhan mendatang dengan perencanaan
pada setiap level pada jaringan distribusi. Metode ini dapat memprediksi
masalah sebelum masalah-masalah tersebut terjadi memberikan titik
pandang terhadap jaringan distribusi. Empat langkah utama harus
diterapkan satu per satu pada periode pemesanan dan pada setiap item.
Langkah-langkah tersebut adalah (Abdilah, 2009):
1. Netting Netting adalah proses perhitungan untuk menetapkan jumlah
kebutuhan bersih yang besarnya merupakan selisih antara kebutuhan
kotor dengan keadaan persediaan. Data yang dibutuhkan dalam proses
kebutuhan bersih ini adalah:
a. Kebutuhan kotor untuk setiap periode,
b. Persediaan yang dimiliki pada awal perencanaan,
c. Pencana penerimaan untuk setiap periode perencanaan.
2. Lotting Lotting adalah suatu proses untuk menentukan besarnya
jumlah pesanan optimal untuk setiap item secara individual
didasarkan pada kebutuhan bersih yang telah dilakukan.
3. Offsetting Langkah ini bertujuan untuk menentukan saat yang tepat
untuk melakukan rencana pemesanan dalam rangka memenuhi
23
kebutuhan bersih. Rencana pemesanan diperoleh dangan cara
mengurangkan saat awal tersedianya ukuran lot yang diinginkan
dengan besarnya lead time.
4. Explosion Proses explosion adalah proses perhitungan kebutuhan
kotor untuk tingkat jaringan distribusi yang lebih rendah. Logika
dasar DRP adalah sebagai berikut:
a. Dari hasil peramalan distribusi lokal, hitung Time Phased Net

Requirement. Net Requirement tersebut mengidentifikasikan
kapan level persediaan (schedule Receipt + Projected on Hand
periode sebelumnya) dipenuhi oleh Gross Requirement untuk
sebuah periode : Net Requirement = (Gross Requirement +
Safety Stock) – ( Schedule Receipts + Projected on hand
sebelumnya). Nilai Net Requirement yang dicatat (recorded)
adalah nilai yang bernilai positif.
b. Setelah itu dihasilkan sebuah planned order sejumlah Net
Requirement tersebut (ukuran lot tertentu) pada periode
tersebut.
c. Ditentukan hari dimana harus melakukan pemesanan tersebut
(Planned Order Release) dengan mengurangkan hari
terjadwalnya Planned Order Receipts dengan lead time.
d. Dihitung Projected On Hand pada periode tersebut. Projected
On Hand (Projected On Hand periode sebelumnya + Schedule
Receipt + Planned Order Receipts) – (Gross Requirement).
e. Planned Order Release menjadi Gross Requirement pada
periode yang sama untuk level berikutnya dari jaringan
distribusi.
D. Istilah-istilah yang Digunakan Distribution Requirement Planning

Sebelum memasuki lebih lanjut mengenai perencanaan kebutuhan
material, terlebih dahulu menjelaskan tentang pengertian dari tabel untuk
perhitungan DRP. Berikut ini dijelaskan tentang istilah-istilah yang biasa
digunakan, yaitu: (Gasperz, 2004)
1. Gross Requirement (GR, kebutuhan kasar) Adalah total dari semua
kebutuhan, termasuk kebutuhan yang diantisipasi untuk setiap periode
24
waktu. Berdasarkan pengertian tersebut gross requirement merupakan
bagian dari keseluruhan jumlah item (komponen) yang diperlukan pada
suatu periode.
2. Schedule Receipts (SR, penerimaan yang dijadwalkan) Merupakan
jumlah item yang akan diterima pada suatu periode tertentu
berdasarkan pesanan yang dibuat.
3. Begin Inventory (BI, inventori awal) Merupakan jumlah inventori di
awal periode.
4. Net Requirement (NR, kebutuhan bersih) Merupakan jumlah aktual
yang diinginkan untuk diterima atau diproduksi dalam periode
bersangkutan.
5. Planned Order Receipt (PORt, penerimaan pemesanan yang
direncanakan) Adalah jumlah item yamg diterima atau diproduksi oleh
perusahaan manufaktur pada periode waktu terakhir.
6. Planned Ending Inventory (PEI, rencana persediaan akhir periode)
Merupakan suatu perencanaan terhadap persediaan pada akhir periode.
7. Planned Order Releases (PORel, pelepasan pemesanan yang
direncanakan) Adalah jumlah item yang direncanakan untuk dipesan
agar memenuhi perencanaan pada masa yang akan datang atau order
produksi yang dapat dilepas untuk dimanufaktur.
8. Lead time Adalah waktu tenggang yang diperlukan untuk memesan
(membuat) suatu barang sejak saat pesanan (pembuatan) dilakukan
sampai barang itu diterima (selesai dibuat).
9. Lot Size (ukuran lot) Merupakan kuantitas pesanan dari item yang
memberitahukan DRP berapa banyak kuantitas yang dipesan, serta lot
sizing apa yang dipakai.
10. Safety Stock (stok pengaman) Merupakan stok pengaman yang
ditetapkan oleh perencana DRP untuk mengatasi fluktuasi dalam
permintaan (demand) dan penawaran DRP untuk mempertahankan
tingkat stok pada semua periode waktu
E. Fungsi Distribution Requirement Planing (DRP)

Distribusi Requirement Planning sangat berperan baik untuk
sistem distribusi manufaktur yang integrasi maupun sistem, distribusi
25
murni. Dengan kebutuhannya persediaan time phasing pada tiap level
jaringan distribusi. DRP memiliki kemampuan untuk memprediksi suatu
problem benar-benar terjadi. Untuk organisasi manufaktur yang
memproduksi untuk memenuhi persediaan (Abdillah, 2009).
Keuntungan yang didapat dari penerapan metode DRP adalah
(Abdillah, 2009) :
1. Dapat dikenali saling ketergantungan persediaan distribusi dan
manufaktur
2. Sebuah jaringan distribusi yang lengkap dapat disusun, yang
memberikan gambaran yang jelas dari atas maupun dari bawah
jaringan.
3. DRP menyusun kerangka kerja untuk pengendalian logistik total dari
distribusi ke manufaktur untuk pembelian.
4. DRP menyediakan masukan untuk perencanaan penjadwalan distribusi
dari sumber penawaran ke titik distribusi.
26
BAB III

Di Indonesia terdapat sebuah perusahaan yang memproduksi minuman
dalam kemasan yaitu perusahaan DrinkIn yang berlokasi di Jakarta dengan
nama brand Nyegerin. Tingkat permintaan produk Nyegerin sudah beredar
di pasaran Indonesia. Terdapat 5 buah agen distribusi di Jakarta yaitu agen
distribusi A (Kemang), B (Senayan), C (Cawang), D (Jatinegara), dan E
(Menteng). Untuk agen distribusi C dan D disupply oleh gudang distribusi I
yang berada di daerah Jakarta Timur, untuk agen distribusi A dan B
mendapat supply dari gudang distribusi II yang berada di daerah Jakarta
Selatan, sedangkan untuk agen distribusi E langsung disupply dari pabrik.
Waktu pengiriman ke gudang distribusi I dan ke agen distribusi D dan E

selama 2 bulan. Sedangkan lainnya memiliki waktu 1 bulan. Pabrik
Nyegerin sendiri memiliki waktu lead time selama 1 bulan. Gambarkan dan
petakan jalur distribusi Pabrik Nyegerin, serta cari rencana pasokan dan
POR Pabrik Nyegerin.
GD GD
A B C D E PABRIK
I II
LIHAT DATA FORECAST
Demand
DEMAND DI TUGAS 1
IOH 50 150 100 100 200 80 70 5
IOO 20 20 30 15 15 30 35
Waktu
Kedatangan 2&6 3&5 1 2&4 1&4 3&4 2&3
IOO (bulan)
Note : data yang diberi warna kuning ditambah 2 angka belakang NIM
27
Produk
Tahun Bulan
A B C D E
Januari 85 87 95 90 98
Februari 84 87 97 90 100
Maret 83 88 99 90 102
April 83 89 101 90 103 Tabel
3.1
Mei 82 90 103 90 105 Data
Juni 81 91 105 90 107
2021
Juli 80 92 107 91 108
Agustus 79 93 109 91 110
September 79 93 111 91 112
Oktober 78 94 113 91 114
November 77 95 115 91 115
Desember 76 96 117 91 117
Forecast Demand
3.2 Pengolahan Data

Dalam metode DRP, untuk mengetahui rencana pemesanan
(pasokan) dilakukan perhitungan mulai dari level/tingkatan paling rendah
sampai ke bagan yang paling tinggi.
Gambar 3.1 Bill Of Distribution (BOD) Perusahaan Drink In
28
Gambar 3.2 Data IOH, IOO, Lead Time, dan Forecast
Demand Perusahaan DrinkIn
KETENTUAN
Agen C dan D merupakan Agen dari Gudang Distributor I
Agen A dan B merupakan Agen dari Gudang Distributor 2
IOO untuk Agen A datang pada periode ke-2 dan ke-6

IOO untuk Agen B datang pada periode ke-3 dan ke-5
IOO untuk Agen C datang pada periode ke-1
IOO untuk Agen D datang pada periode ke-2 dan ke-4
IOO untuk Agen E datang pada periode ke-1 dan ke-4
IOO untuk GD I datang pada periode ke 3 dan ke-4
IOO untuk GD II datang pada periode ke-2 dan ke-3
Gambar 3.3 Ketentuan BOD dan Kedatangan IOO

Lead Time 1
On Hand 100
AGEN C
Safety Stock Time Period
Lot Size LFL -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
Gross Requirement 95 97 99 101 103 105 107 109 111 113 115 117 1.272
Inventory On Order 30 30
Inventory On Hand 100 35 135
Net Requirement -62 -99 -101 -103 -105 -107 -109 -111 -113 -115 -117 -1.142
Plant Order Release 62 99 101 103 105 107 109 111 113 115 117 1.142
Lead Time 2
On Hand 100
AGEN D
Inventory On Order 15 15 30
Net Requirement -65 -90 -75 -90 -90 -91 -91 -91 -91 -91 -91 -956
Plant Order Release 65 90 75 90 90 91 91 91 91 91 91 956
Gambar 3.4 Pengolahan Data Agen C dan D
29
Lead Time 2
On Hand 80
GUDANG DISTRIBUSI I
GR C 62 99 101 103 105 107 109 111 113 115 117 0 1.142
GR D 65 90 75 90 90 91 91 91 91 91 91 0 0 956
Total Gross Requirement 65 152 174 191 193 196 198 200 202 204 206 117 0 2.098
Net Requirement -137 -174 -161 -163 -196 -198 -200 -202 -204 -206 -117 0 -1.958
Plant Order Release 137 174 161 163 196 198 200 202 204 206 117 0 0 0 1.958
Gambar 3.5 Pengolahan Data Gudang Distribusi 1

Lead Time 1
On Hand 50
AGEN A
Gross Requirement 85 84 83 83 82 81 80 79 79 78 77 76 967
Inventory On Hand 50 50
Net Requirement -35 -64 -83 -83 -82 -61 -80 -79 -79 -78 -77 -76 -877
Plant Order Release 35 64 83 83 82 61 80 79 79 78 77 76 877
Lead Time 1
On Hand 150
AGEN B
Net Requirement -24 -68 -89 -70 -91 -92 -93 -93 -94 -95 -96 -905
Gambar 3.6 Pengolahan Data Agen A dan Agen B

Lead Time 1
On Hand 70
GUDANG DISTRIBUSI II
GR A 35 64 83 83 82 61 80 79 79 78 77 76 877
GR B 24 68 89 70 91 92 93 93 94 95 96 905
Total Gross Requirement 35 88 151 172 152 152 172 172 172 172 172 172 0 1.782
Net Requirement -53 -116 -137 -152 -152 -172 -172 -172 -172 -172 -172 -1.642
Plant Order Release 53 116 137 152 152 172 172 172 172 172 172 0 1.642
Gambar 3.7 Pengolahan Data Gudang Distribusi II
Lead Time 2
On Hand 200
AGEN E
Inventory On Hand 200 117 17 334
Net Requirement -85 -88 -105 -107 -108 -110 -112 -114 -115 -117 -1.061
Plant Order Release 85 88 105 107 108 110 112 114 115 117 1.061
Gambar 3.8 Pengolahan Data Agen E
30
Lead Time
On Hand 5
PABRIK
Gudang Distribusi I 137 174 161 163 196 198 200 202 204 206 117 1.958
Gudang Distribusi II 53 116 137 152 152 172 172 172 172 172 172 1.642
Agen E 85 88 105 107 108 110 112 114 115 117 1.061
Total Gross Requirement 137 227 362 388 453 457 480 484 488 492 404 289 4.661
Inventory On Order 0
Net Requirement -132 -227 -362 -388 -453 -457 -480 -484 -488 -492 -404 -289 -4.656
Plant Order Release 132 227 362 388 453 457 480 484 488 492 404 289 4.656
Gambar 3.8 Pengolahan Data Agen E
31
BAB IV
Perhitungan Distribution Requirement Planning (DRP) dilakukan terhadap

sebuah perusahaan yang memproduksi minuman dalam kemasan yaitu perusahaan
DrinkIn yang berlokasi di Jakarta dengan nama brand Nyegerin. Tingkat
permintaan produk Nyegerin sudah beredar di pasaran Indonesia. Terdapat 5 buah
agen distribusi di Jakarta yaitu agen distribusi A (Kemang), B (Senayan), C
(Cawang), D (Jatinegara), dan E (Menteng).
4.1 Agen C
Agen distribusi C disupply oleh gudang distribusi I yang berada di
daerah Jakarta Timur. Agen C memiliki lead time 1 bulan dengan inventory
on hand sebanyak 100 unit. Dengan data permintaan yang ada maka didapati
DRP pada agen C adalah sebagai berikut.
Lead Time 1
On Hand 100
AGEN C
Gross Requirement 95 97 99 101 103 105 107 109 111 113 115 117 1,272
Net Requirement -62 -99 -101 -103 -105 -107 -109 -111 -113 -115 -117 -1,142
Plant Order Release 62 99 101 103 105 107 109 111 113 115 117 1,142
Tabel 3 DRP Agen C

Dari total permintaan (total gross requirement) yaitu sebanyak 1272
unit yang terjadi pada buan ke 1 samapai dengan bulan ke 12, maka didapati
data sebagai berikut :
a. Total Inventory on Order adalah 30 unit
b. Total Inventory on hand adalah 135 unit
c. Total Net Requirment sebanyak -1142 unit
d. Total jumlah Plant order release pada agen C adalah sebanyak 1142 unit.
Plant order release terjadi pada bulan ke 1 sampai dengan bulan ke 11.
Dengan rincian dari bulan ke 1 sampai bulan ke 11 adalah 62, 99. 101,
103, 105, 107, 109, 111, 113, 115, 117.
32
4.2. Agen D
Agen distribusi D disupply oleh gudang distribusi I yang berada di
daerah Jakarta Timur. Agen D memiliki lead time 2 bulan dengan inventory
DRP pada agen D adalah sebagai berikut.
Lead Time 2
On Hand 100
AGEN D
Net Requirement -65 -90 -75 -90 -90 -91 -91 -91 -91 -91 -91 -956
Tabel 4 DRP Agen D
Dari total permintaan yaitu sebanyak 1086 unit yang terjadi selama bulan ke
1 sampai dengan bulan ke 12, maka didapati dta sebagai berikut :
a. Total Inventory on Order adalah sebanyak 30 unit
b. Total Inventory on hand adalah sebanyak 110 unit
c. Net Requirment adalah sebanyak -956
d. Total jumlah Plant order release pada agen D adalah sebanyak 956 unit.
Plant order release terjadi pada bulan ke -1 sampai dengan bulan ke 10.
Dengan rincian dari bulan ke -1 sampai bulan ke 10 adalah 65, 90, 75, 90,
90, 91, 91, 91, 91, 91, 91.
4.3 Gudang Distribusi 1

Agen distribusi C dan D disupply oleh gudang distribusi I yang berada
di daerah Jakarta Timur. Gudang Distribusi 1 memiliki lead time 2 bulan
dengan inventory on hand sebanyak 80 unit. Dengan data permintaan yang
ada maka didapati DRP pada Gudang Distribusi I adalah sebagai berikut.
Lead Time 2
On Hand 80
GUDANG DISTRIBUSI I
GR C 62 99 101 103 105 107 109 111 113 115 117 0 1,142
GR D 65 90 75 90 90 91 91 91 91 91 91 0 0 956
Total Gross Requirement 65 152 174 191 193 196 198 200 202 204 206 117 0 2,098
Net Requirement -137 -174 -161 -163 -196 -198 -200 -202 -204 -206 -117 0 -1,958
Plant Order Release 137 174 161 163 196 198 200 202 204 206 117 0 0 0 1,958
Tabel 5 DRP Gudang Distribusi I
33
Dari total permintaan (total gross requirement) yang merupakan
penjumlahan dari Agen C dan Agen D yaitu 2098 unit yang terjadi pada
bulan ke 1 sampai bulan ke 12, maka didapati data sebagai berikut :
c. Net Requirment adalah sebanyak -1958 unit
d. Total jumlah Plant order release pada agen Gudang DistribusiI adalah
sebanyak 1958 unit yang akan di supply oleh pabrik. Plant order release
terjadi pada bulan ke -2 sampai dengan bulan ke 9. Dengan rincian dari
bulan ke -2 sampai bulan ke 9 adalah 137, 174, 161, 163, 196, 198, 200,
202, 204, 206, 117.
4.4 Agen A
Agen A mendapat supply dari gudang distribusi II yang berada di
daerah Jakarta Selatan. Agen A memiliki lead time 1 bulan dengan inventory
DRP pada agen A adalah sebagai berikut.
Lead Time 1
On Hand 50
AGEN A
Net Requirement -35 -64 -83 -83 -82 -61 -80 -79 -79 -78 -77 -76 -877
Tabel 6 DRP Agen A
Dari total permintaan (total gross requrment) yaitu sebanyak 967 unit
yang terjadi pada bulan ke 1 sampai bulan ke 12, maka didapati data sebagai
berikut :
d. Total jumlah Plant order release pada agen A adalah sebanyak 877 unit
yang akan di supply oleh Gudang Distribusi II. Plant order release terjadi
pada bulan ke -1 sampai dengan bulan ke 11. Dengan rincian dari bulan
ke -1 sampai ke 11 adalah 35, 64, 83, 83, 82, 61, 80, 79, 79, 78, 77, 76.
34
4.5 Agen B
Agen B mendapat supply dari gudang distribusi II yang berada di
daerah Jakarta Selatan. Agen B memiliki lead time 1 bulan dengan inventory
DRP pada agen B adalah sebagai berikut.
Lead Time 1
On Hand 150
AGEN B
Net Requirement -24 -68 -89 -70 -91 -92 -93 -93 -94 -95 -96 -905
Tabel 7 DRP Agen B
unit yang terjadi pada bulan ke 1 sampai bulan ke 12, maka didapati data
sebagai berikut :
d. Total jumlah Plant order release pada agen B adalah sebanyak 905 unit
yang akan di supply oleh Gudang Distribusi II. Plant order release terjadi
pada bulan ke 1 sampai dengan bulan ke 11. Dengan rincian dari bulan ke
1 sampai bulan ke 11 adalah 24, 68, 89, 70, 91, 92, 93, 93, 94, 95, 96.
4.6 Gudang Distribusi II

Agen A dan B mendapat supply dari gudang distribusi II yang berada di
daerah Jakarta Selatan. Agen Distribusi II memiliki lead time 1 bulan dengan
inventory on hand sebanyak 70 unit. Dengan data permintaan yang ada maka
didapati DRP pada Gudang Distribusi II adalah sebagai berikut.
Lead Time 1
On Hand 70
GR A 35 64 83 83 82 61 80 79 79 78 77 76 877
GR B 24 68 89 70 91 92 93 93 94 95 96 905
Total Gross Requirement 35 88 151 172 152 152 172 172 172 172 172 172 0 1,782
Net Requirement -53 -116 -137 -152 -152 -172 -172 -172 -172 -172 -172 -1,642
Plant Order Release 53 116 137 152 152 172 172 172 172 172 172 0 1,642
Tabel 8 Gudang Distribusi II
35
Dari total permintaan (total gross requirement) yang meruakan
penjumlahan dari agen A dan Agen B yaitu sebanyak 1782 unit, maka
didapati data sebagai berikut :
d. Total jumlah Plant order release pada Gudang distribusi II adalah
sebanyak 1642 unit yang akan di supply oleh Pabrik. Plant order release
terjadi pada bulan ke -1 sampai dengan bulan ke 10. Dengan rincian dari
bulan ke -1 sampai bulan ke 10 adalah 53, 116, 137, 152, 152, 172, 172,
172, 172, 172, 172.
4.7 Gudang Agen E

Agen E langsung disupply dari pabrik. Agen E memiliki lead time 2
bulan dengan inventory on hand sebanyak 200 unit. Dengan data permintaan
yang ada maka didapati DRP pada agen E adalah sebagai berikut.
Lead Time 2
On Hand 200
AGEN E
Net Requirement -85 -88 -105 -107 -108 -110 -112 -114 -115 -117 -1,061
Plant Order Release 85 88 105 107 108 110 112 114 115 117 1,061
Tabel 9 DRP Agen E
Dari total permintaan pada Agen E yaitu sebanyak 1291 unit yang
terjadi pada bulan ke 1 sampai dengan bulan ke 12, maka didapati data
sebagai berikut :
d. Total jumlah Plant order release pada Agen E yang akan di pesankan ke
Pabrik adalah sebanyak 1061 unit yang akan di supply oleh Pabrik. Plant
order release terjadi pada bulan ke 1 sampai dengan bulan ke 10. Dengan
rincian dari bulan ke 1 sampai bulan ke 10 adalah 85, 88, 105, 107, 108,
110, 112, 114, 115, 117.
36
4.8 Pabrik
Gudang distribusi I, Gudang distribusi II, dan Agen E mendapatkan
supply langsung dari pabrik. Inventory on hand di pabrik sebanyak 5 unit.
Dengan data permintaan yang ada maka didapati DRP pada Pabrik adalah
sebagai berikut.
Lead Time
On Hand 5
PABRIK
Gudang Distribusi I 137 174 161 163 196 198 200 202 204 206 117 1,958
Gudang Distribusi II 53 116 137 152 152 172 172 172 172 172 172 1,642
Agen E 85 88 105 107 108 110 112 114 115 117 1,061
Total Gross Requirement 137 227 362 388 453 457 480 484 488 492 404 289 4,661
Net Requirement -132 -227 -362 -388 -453 -457 -480 -484 -488 -492 -404 -289 -4,656
Tabel 10 DRP Pabrik
unit yang merupakan penjumlah dari order Agen E, Gudang Distribusi I dan
II, maka didapati data sebagai berikut :
d. Total jumlah Plant order release pada Pabrik yang akan adalah sebanyak
4656 unit yang diproduksi oleh Pabrik. Plant order release terjadi pada
bulan ke -2 sampai dengan bulan ke 10. Dengan rincian dari bulan ke -2
sampai bulan ke 10 adalah 132, 227, 362, 388, 453, 457, 480, 484, 488,
492, 404, 289.
37
BAB V
1.5 Kesimpulan
Distribusi merupakan aktivitas penting dalam supply chain yang berpengaruh

pada biaya supply chain dan kepuasan konsumen. Distribution Requirement Planning
(DRP) adalah metode yang digunakan oleh banyak perusahaan untuk merencanakan
distribusi dengan memasukkan data produksi dan material serta menghitung
permintaan persediaan.
Tujuan praktikum ini adalah agar mahasiswa memahami konsep DRP dan dapat
membuat matriks DRP dalam penerapannya. Tahapan praktikum meliputi memahami
materi, membuat matriks DRP di Excel, menggambar bagan dan tabel sesuai tugas,
mengisi data pada tabel, menghitung data menggunakan rumus yang telah dijelaskan,
dan membuat laporan praktikum.
DRP adalah perluasan dari Distribution Requirement Planning yang melibatkan
perencanaan dan pengendalian sumber daya terkait dalam sistem distribusi, seperti
ruang gudang, tenaga kerja, uang, dan fasilitas transportasi dan pergudangan.
Tujuan DRP adalah untuk menentukan jumlah kebutuhan persediaan pada pusat
distribusi agar terjadi integrasi antara produksi dan distribusi.
Konsep DRP melibatkan langkah-langkah seperti netting, lotting, offsetting, dan
explosion untuk menghitung kebutuhan bersih, jumlah pesanan optimal, waktu
pemesanan yang tepat, dan persediaan yang direncanakan.
Istilah-istilah yang digunakan dalam DRP antara lain gross requirement,
schedule receipts, begin inventory, net requirement, planned order receipt, planned
ending inventory, planned order releases, lead time, lot size, dan safety stock.
DRP membantu mengidentifikasi saling ketergantungan antara persediaan
distribusi dan manufaktur, menyusun kerangka kerja untuk pengendalian logistik total,
dan memberikan masukan untuk perencanaan penjadwalan distribusi.
2.5 Saran
Bertitik tolak dari kesimpulan di atas, penulis mengemukakan beberapa saran
sebagai berikut :
1. Lebih rinci menjelaskan langkah-langkah dalam pembuatan matriks DRP di
38
Excel, termasuk rumus yang digunakan.
2. Memberikan contoh visualisasi bagan dan tabel sesuai dengan ketentuan tugas
yang diberikan.
3. Menyediakan contoh perhitungan data menggunakan rumus yang telah
dijelaskan pada setiap tabel.
4. Memperluas penjelasan tentang manfaat dan keuntungan yang diperoleh dari
penerapan DRP dalam praktik nyata.
5. Menyertakan studi kasus atau contoh penerapan DRP dalam perusahaan tertentu
untuk memperjelas konsep yang diajarkan.
39
MODUL III - MATERIAL REQUIREMENTS PLANNING
(MRP)
BAB I
PENDAHULUAN
1.1 Latar Belakang

Material Resources Planning (MRP) adalah sebuah sistem yang
digunakan oleh perusahaan untuk mengelola dan mengendalikan persediaan
bahan baku dan komponen yang digunakan dalam proses produksi. MRP
adalah salah satu bagian penting dari manajemen rantai pasokan (supply chain
management) yang bertujuan untuk memastikan ketersediaan bahan yang
tepat, dalam jumlah yang tepat, dan pada waktu yang tepat untuk memenuhi
kebutuhan produksi perusahaan.
Persediaan yang tidak terkelola dengan baik dapat menyebabkan biaya
yang tinggi, seperti biaya penyimpanan yang berlebihan, biaya kekurangan
bahan, atau kerugian akibat kadaluwarsa atau rusaknya bahan. Dengan
menggunakan MRP, perusahaan dapat melakukan perencanaan yang lebih
efektif terkait kebutuhan bahan, sehingga dapat mengurangi persediaan yang
tidak perlu dan menghindari kekurangan bahan yang dapat mengganggu
kelancaran produksi.
Selain itu, MRP juga membantu perusahaan dalam mengoptimalkan
penggunaan sumber daya yang terkait dengan persediaan bahan, seperti tenaga
kerja, peralatan, dan ruang penyimpanan. Dengan mengetahui kebutuhan
bahan yang akan datang, perusahaan dapat merencanakan penggunaan sumber
daya secara efisien, menghindari penumpukan yang tidak perlu, dan
meningkatkan produktivitas.
Dalam pelaksanaannya, MRP menggunakan data dan informasi yang
terkait dengan produksi, persediaan, dan permintaan pelanggan. Data ini
biasanya diperoleh dari sistem manajemen produksi dan sistem informasi
perusahaan. MRP kemudian menganalisis data tersebut untuk menghasilkan
jadwal produksi yang terperinci, daftar kebutuhan bahan, dan pesanan
pembelian yang diperlukan.
40
1.2 Tujuan
1. Agar mahasiswa memahami konsep MRP.
2. Agar mahasiswa mampu membuat tabel MRP dalam penerapannya.
3. Untuk menghitung rincian jumlah material yang dibutuhkan dalam
memproduksi suatu barang.
1.3 Pelaksanaan praktikum

Adapun tahapan-tahapan dalam pelaksanaan praktikum, yaitu:
2. Membaca tugas yang telah diberikan oleh asisten laboratorium.
3. Ubah data pada table dengan ketentuan yang ada.
4. Gambar BOM sesuai dengan tugas yang tela diberikan.
5. Lakukan perhitungan pada setiap tabel di masing-masing metode
perhitungan, yaitu LFL, EOQ, dan FOQ.
6. Hitung data menggunakan rumus yang telah dijelaskan pada setiap table
sesuai dengan ketentuannya.
7. Membuat Laporan Praktikum untuk Pertemuan Praktikum ke-3.
41
BAB II
LANDASAN TEORI
2.2 Material Requirement Planning (MRP)

A. Landasan Teori
MRP selalu berkembang sesuai dengan tuntutan perkembangan
teknologi dan tututan terhadap sistem perusahaan. Sampai saat ini
perkembangan MRP terjadi sampai dengan 4 (empat) kali dan tidak
tertutup untuk masa yang akan datang MRP akan berkembang terus. Ke-
empat perkembangan MRP tersebut adalah:
1. Material Requirement Planning I (MRP I) adalah suatu teknik atau

set prosedur yang sistematis dalam penentuan kuantitas serta waktu
dalam proses pengendalian bahan terhadap komponen-komponen
permintaan yang saling bergantung (Dependent Demand Item).
2. Material Requirement Planning II (MRP II) adalah perluasan dari

MRP, lebih dari sekedar proses penentuan kebutuhan material.
Fenomena ini melahirkan konsep baru yang disebut Perencanaan
Sumber daya Manufactur (MRP II)
3. Material Requirement Planning III (MRP III) adalah perluasan

MRP dalam tingkat akurasi peramalan, permintaan, penggunaan
secara tepat dan baik peramalan permintaan (Forecast Demand),
sehingga dapat merubah Master Production Schedule (MPS).
4. Material Requirement Planning 9000 (MRP 9000) adalah

perluasan MRP yang sudah merupakan tawaran yang benar-benar
lengkap dan terintegrasi dengan sistem management
manufacturing, termasuk juga inventory, penjualan, perencanaan,
pembuatan, dan pembelian menggunakan buku besar.
Material Requiremen Planning I (MRP I) adalah suatu sistem

perencanaan dan penjadwalan kebutuhan material untuk produksi yang
memerlukan beberapa tahapan proses/fase atau dengan kata lain adalah
suatu rencana produksi untuk sejumlah produk jadi yang diterjemahkan
ke bahan mentah (komponen) yang dibutuhkan dengan menggunakan
42
waktu tenggang sehingga dapat ditentukan kapan dan berapa banyak
yang dipesan untuk masing-masing komponen suatu produk yang akan
dibuat (Rangkuti, 2004).
Menurut Heizer dan Render (1993) bahwa kelebihan MRP I dalam
menangani barang-barang diantaranya:
a. Meningkatkan Pelayanan dan Kepuasan Pelanggan
Sistem MRP I merencanakan produk yang akan dihasilkan dan
kapan produk tersebut akan diproduksi sehingga produk akan
tersedia sesuai dengan permintaan atau pesanan konsumen yang
pada akhirya akan meningkatkan kepercayaan dan kepuasan
konsumen terhadap perusahaan.
b. Meningkatkan Penggunaan Fasilitas dan Tenaga Kerja
Untuk menghasilkan produk sesuai dengan permintaan konsumen,
pada sistem MRP I dibuat Master Production Schedulling (MPS)
yang berisi jadwal produksi dan komponen-komponen yang
diperiukan dalam proses produksinya. Sehingga akan
meningkatkan penggunaan fasilitas dan tenaga kerja agar proscs
produksi dapat sesuai dengan jadwal produksinya.
c. Perencanaan dan Penjadwalan Yang Lebih Baik
Dalam sistem MRP I terdapat penjadwalan produksi yang memuat
komponen yang diperlukan dalam proses produksi, sehingga
dengan sistem ini bahan-bahan yang diperlukan akan tersedia pada
saat proses produksi berjalan.
d. Respon Lebih Cepat Terhadap Permintaan Pasar
Jadwal produksi pada sistem MRP I masih memungkinkan adanya
perubahan permintaan pasar, sehingga dengan sistem ini akan lebih
cepat merespon permintaan pasar.
e. Mengurangi Tingkat Persediaan Tanpa Mengurangi Pelayanan
Kepada Pelanggan
Adanya jadwal produksi memungkinkan perusahaan untuk
menyimpan persediaan dalam jumlah yang cukup dan tidak terialu
besar sesuai dengan kebutuhannya sehingga tidak mengganggu
kelancaran produksi perusahaan.
43
Menurut Rangkuti (2002), Sasaran MRP I (Material Requiremeni
Planning) meliputi:
a. Pengurangan Jumlah Persediaan
MRP I menentukan berapa banyak komponen yang dibutuhkan dan
kapan dibutukannya sehingga MRP I membantu manager
menyediakan komponen saat dibutuhkan schingga biaya kelebihan
persediaan dapat dihindari.
b. Pengurangan Produksi dan Tenggang Waktu Pengirinan
MRP I mengidentifkasi jumlah material yang dibutuhkan, waktu,
ketersediaan,
perolehan dan produksinya untuk menyelesailkan pada waktu yang
dibutuhkan untuk dikirim.
c. Komitmen Yang Realistis
Janji untuk memenuhi pengiriman barang dapat memberi kepuasan
lebih kepada konsumen.
d. Meningkatkan Efisiensi
MRP I menyediakan koordinasi yang dekat antara bermacam divisi
kerja (work center) yang terlibat dalam proses produksi.
Akibatnya, produksi dapat berjalan lebih efisien karena
keterlibatan secara tidak langsung dengan karyawan dapat
dikurangi dan kegiatan interupsi produksi tanpa rencana dapat
dikurangi. Akhimya MRP I dapat diatur dengan rapi sehingga
meningkatkan efisiensi.
Menurut Rangkuti (2002), Komponen sistem MRP I terdiri dari:

a. Data Persediaan (Inventory Record File)
Data ini menjadi landasan untuk pembuatan MRP I karena
memberikan informasi tentang jumlah persediaan bahan pembantu
dan barang jadi yang aman (minimum) serta keterangan lainnya,
seperti: kapan kita mendapat kiriman barang, berapa jangka waktu
pengiriman barang (lead time), berapa besar kelipatan jumlah
pemesanan barang (lot size).
b. Jadwal Produksi (Master Production Schedule - MPS)
Untuk mengetahui jadwal masing-masing barang yang akan
diproduksi, kapan barang tersebut akan dibutuhkan, berapa banyak
44
dibutuhkan sehingga dapat digunakan sebagai landasan dalam
penyusunan MRP 1.
c. Bill of Material (BOM)
Untuk mengetahui susunan barang yang akan diproduksi
menggunakan bahan apa saja, apakah bahan tersebut langsung beli
atau dibuat dengan bahan dasar lain sehingga jelas dalam
menentukan pemesanan bahan-bahan baku agar produksi tetap
berjalan lancar.
Menurut Gaspersz (1998), Bill of Malerial (BOM) merpakan daftar
dari semua material disertai keterangan mengenai kuantitas yang
dibutuhkan untuk memproduksi suatu unit produk. Informasi
tersebut akan bermanfaat untuk mengetahui jenis bahan baku apa
saja yang akan digunakan.
d. Tenggat Waktu (Leed Time)
Jangka waktu yang dibutuhkan scjak MRP I menyarankan suatu
pesanan sampai item yang dipesan itu siap untuk digunakan, atau
waktu yang dibutuhkan untuk mendapatkan berbagai komponen.
B. Jenis-jenis Lot Sizing

Lot Sizing adalah kuantitas dari item yang biasanya dipesan dari
pabrik atau pemasok. Sering disebut juga sebagai kuantitas pesanan
(order quantity) atau ukuran batch (batch size). Ada banyak teknik yang
dapat digunakan untuk menentukan ukuran Lot sizing. Terdapat 9 teknik
lot sizing yang menggunakan pendekatan level by level yang dapat
diterapkan pada MRP. Kesembilan teknik tersebut akan dijelaskan
sebagai berikut:
a. Jumlah Pesanan Tetap (Fixed Order Quantity - FOQ)
Teknik FOQ menggunakan kuantitas pemesanan yang tetap yang

berarti ukuran kuantitas pemesanannya (lot size) adalah sama untuk
setiap kali pemesanan. Ukuran lot tersebut ditentukan secara
sembarangan atau berdasarkan faktor-faktor intuisi/empiris, misalnya
menggunakan jumlah kebutuhan bersih (Rt) tertinggi sebagai ukuran
lotnya.
45
b. Jumlah pesanan yang ekonomis (Economic Order Quantity -
EOQ)
Teknik EOQ sebenarnya bukan dimaksudkan untuk MRP.

Sekalipun begitu, teknik ini dapat dengan mudah diterapkan pada
MRP. Teknik ini didasarkan pada asumsi bahwa kebutuhan
bersifat kontinu dengan pola permintaan yang stabil. Ukuran
kuantitas pemesanannya (lot size) ditentukan dengan rumus:
Q=
√ 2. A . D
¿ .C
Dengan
 D = penggunaan per tahun (dalam unit)
 A = biaya pemesanan per satu kali pesan
 I = ongkos simpan
 C = harga per unit
c. Ukuran Sesuai Pesanan (Lot for Lot - LFL)
Teknik LFL ini merupakan teknik lot sizing yang paling

sederhana dan paling mudah dipahami. Pemesanan dilakukan
dengan pertimbangan minimasi ongkos simpan. Pada teknik ini,
pemenuhan kebutuhan bersih (Rt) dilaksanakan di setiap periode
yang membutuhkannya, sedangkan besar ukuran kuantitas
pemesanannya (lot size) adalah sama dengan jumlah kebutuhan
bersih (Rt) yang harus dipenuhi pada periode yang bersangkutan.
Teknik ini biasanya digunakan untuk item-item yang mahal atau
yang tingkat diskontinuitas permintaannya tinggi.
d. Kebutuhan dengan Periode Tetap (Fixed Period Requiremeni -

FPR)
Teknik ini menggunakan konsep interval pemesanan yang

konstan, sedangkan ukuran kuantitas pemesanannya (lot size)
boleh bervariasi. Ukuran kuantias pemesanan tersebut merupakan
46
penjumlahan kebutuhan (Rt) dari setiap periode yang tercakup
dalam interval pemesanan yang telah diterapkan. Penetapan
interval pemesanannya dilakukan secara sembarang atau intuitif.
Pada teknik FPR ini, pemesanan dilaksanakan pada periode
berikutnya.
e. Jumlah pesanan atas dasar periode (period order quantity -

POQ)
Teknik ini sama dengan FPR. Bedanya, pada teknik POQ,

interval pemesanan ditentukan dengan suatu perhitungan yang
didasarkan pada logika EOQ klasik yang telah dimodifikasi
sehingga dapat digunakan pada permintaan yang berperiode waktu
diskrit. Kesulitan teknik ini terletak pada kemungkinan bahwa
diskontinuitas permintaan kebutuhan bersih (Rr) terdistibusi
sedemikian rupa sehingga interval pemesanan yang telah
dientukan sebelumya menjadi tidak berlaku lagi. Kasus ini dapat
terjadi jika pada periode-periode yang bertepatan dengan saat
pemesanan besarnya kebutuhan bersih (Rt) adalah nol.
f. Ongkos Satuan Terkecil (Least Unit Cost - LUC)
Teknik ini dan ketiga teknik berikutnya mempunyai

kesamaan tertentu, yaitu ukuran kuantitas pemesanan dan interval
pemesanannya dapat bervariasi. Pada teknik LUC, ukuran
kuantitas pemesanan (lot size) ditentukan dengan cara coba-coba,
yaitu dengan jalan mempertanyakan apakah ukuiran lot di suatu
periode sebaiknya sama dengan kebutuhan bersihnya atau
bagaimana kalau ditambah dengan periode-periode berikutnya.
Keputusan ditentukan berdasarkan ongkos per unit (ongkos
pengadaan per unit + ongkos simpan per unit) terkecil dari setiap
bakal ukuran lot yang akan dipilih.
g. Ongkos Total Terkecil (Least Total Cost – LTC)
Teknik ini didasarkan pada pemikiran bahwa jumlah ongkos

pengadaan dan ongkos simpan (ongkos total) setiap ukuran
pemesanan (lot size) yang ada pada suatu horizon perencanaan
47
dapat diminimalkan jika besar ongkos-ongkos tersebut sama atau
hampir sama. Sarana untuk mencapai tujuan tersebut adalah suatu
faktor yang disebut Economic Part Period (EPP). Pemilihan
ukuran lot ditentukan dengan jalan membandingkan ongkos part
period yang ditimbulkan oleh setiap ukuran lot yang akan
dilaksanalkan. Part period adalah suatu unit yang disimpan dalam
persediaan selama satu periode. EPP dapat dideinisikan sebagai
kuantitas suatu item persediaan yang bila disimpan dalam
persediaan selama satu periode akan menghasilkan ongkos
pengadaan yang sama dengan ongkos simpan. EPP dihitung secara
sederhana dengan membagi ongkos pengadaan dengan ongkos
simpan per unit per periode.
h. Penyeimbangan Periode (Part Period Balancing - PPB)
Teknik PBB ini menggunakan dasar logika yang sama

dengan teknik LTC. Perhitungan kuantias pemesanannya juga
sama. Perbedaannya terletak pada pengalokasian pemesanan yang
dilakukan dengan melihat kebutuhan bersih periode yang ada di
depan dan di belakang (look a head/look back) dari periode yang
bersangkutan. Hal ini dimaksudkan untuk mencegah penyimpanan
item persediaan dalam jumlah yang terlalu besar (cakupan periode
yang terlalu panjang) dan menghindari kuantitas pemesanan yang
terlalu sedikit.
Untuk mengatasi kecenderungan proses look a head
memperbesar ukuran lot, dilakukan pengujian tambahan, yaitu jika
kebutuhan bersih yang akan ditambahkan ke suatu lot
menimbulkan ongkos yang lebih besar atau sama dengan EPP
proses penyesuaian, look a head dihentikan.
Proses penyesuaian look back dilakukan hanya jika tidak
mungkin melakukan pencakupan periode tambahan sepanjang
horizon perencanaan atau proses penyesuaian look a head
dikatakan gagal. Pada dasarnya, proses penyesuaian look back ini
berusaha untuk mengurangi besar ukuran lot. Untuk
memperlihatkan proses penyesuaian ini, dilakukan sedikit
48
perubahan pada data kebutuhan bersih yang telah dipakai
sebelumnya.
i. Algoritma Wagner Whitin (AWW)
Teknik ini menggunakan prosedur optimasi yang didasari

model program dinamis. Tujuannya adalah untuk mendapatkan
strategi pemesanan yang optimum untuk seluruh jadwal kebutuhan
bersih dengan jalan meminimalkan total ongkos pengadaan dan
ongkos simpan. Pada dasarnya, teknik ini menguji semua cara
pemesanan yang mungkin dalam memenuhi kebutuhan bersih
setiap periode yang ada pada horizon perencanaan sehingga
senantiasa memberikan jawaban optimal.
C. Format MRP I
Keterangan :
 Gross Requirement adalah total dari semua kebutuhan,

termasuk kebutuhan yang diantisipasi untuk setiap periode
waktu.
 Project On-Hand adalah perkiraan persediaan yang ada
ditangan pada suatu periode. Apabila tidak terdapat net
requirement dan planned order receipts pada periode
tersebut, maka besarnya projected on-hand pada suatu
periode tersebut adalah project on-hand periode
sebelumnya dikurangi gross requirements periode tersebut.
Sedangkan apabila terdapat net requirements dan planned
order receipts pada periode tersebut, maka projected on-
49
hand untuk suatu periode adalah sebesar planned order
receipts periode tersebut ditambah project on-hand periode
sebelumnya dikurangi gross requirements periode tersebut.
 Net Requirements adalah kebutuhan bahan baku yang tidak
dapat lagi dipenuhi oleh persediaan perusahaan. Apabila
project on-hand lebih besar dari gross requirements, maka
tidak terdapat net requirement untuk periode tersebut.
Tetapi, jika project on-hand lebih kecil dari gross
requirement, maka net requirements adalah gross
requirement dikurangi dengan jumlah projected on-hand
ditambah safety stock.
 Planned Order Receipts adalah besar pesanan yang
direncanakan akan diterima untuk suatu periode tertentu.
Besarnya planned order receipts ditentukan berdasarkan
teknik penentuan lot yang digunakan, atau lot sizing.
 Planned Order Release adalah besar pesanan yang
direncanakan akan dipesan pada suatu periode dengan
harapan akan diterima oleh perusahaan pada saat yang
tepat. Pesanan diasumsikan akan diterima ketika barang
terakhir meninggalkan persediaan dan tingkat persediaan
diisi dengan barang yang dipesan. Planned order release
besarnya sama dengan planned order receipts, hanya saja
periode pelaksanaannya adalah sebesar waktu sebelum
rencana penerimaan pesanan, ditentukan berdasarkan lead
time (Gaszper,2002).
D. Output Material Requirement Planning

1) MRP Primary Report
Laporan utama MRP yang sering disebut secara singkat sebagai
laporan MRP, biasanya menggunakan salah satu format horizontal dengan
waktu dalam buckets (biasanya dalam periode mingguan), atau format
vertical dengan waktu dalam tanggal (buckless format).
50
Masing-masing bentuk laporan ini memiliki kelebihan dan
kekurangan antara lain :
a. Fomat Horizontal (bucketed sistem)
Keuntungan :
 Intuitif, mudah dipahami
 Menyingkatkan informasi dalam ruang yang sedikit.
 Telah merupakan standar industry
Kekurangan :
 Buckect biasanya dalam periode mingguan, dimana wekkly

bucket “menyembunyikan” masalah, misalnya: pesanan
pembelian (purchase order) yang akan datang pada hari
jum’at, tetapi Menyingkatkan informasi dalam ruang yang
sedikit produksi akan menggunakan item tersebut pada hari
senin pada minggu yang sama. Dalam hal ini karena hari
senin dan jum’at berada dalam minggu yang sama, kita
tidak dapat melihat masalah keterlambatan kedatangan item
yang dibeli.
 Tidak mudah untuk melihat sesuatu secara terperinci yang

akan memberitahukan penyebab-penyebab dari kebutuhan
b. Fomat Horizontal (bucketed sistem)
Keuntungan :
 Semua Pagging detail tersedia dalam satu laporan.
 Menggunakan tanggal yang menunjukkan transaksi stock,

sehingga dapat menyoroti kekurangan material didalam
satu minggu.
Kekurangan
 Laporan dapat menjadi panjang karena memuat hal-hal

yang terperinci.
51
2) MRP Action Report
MRP action Report yang sering disebut juga MRP Exception

Report memberikan informasi kepada manajemen (perencana) tentang
item-item yang perlu mendapat perhatian segera dan merekomendasikan
tindakan-tindakan yang perlu diambil. Sistem MRP dapat secara otomatis
melakukan penjadwalan kembali (Reschedule) atau merencanakan
kembali Planned Orders.
Bagaimanapun juga, MRP tidak dapat mengubah kuantitas dari

firm planned orders dan schedule receipts, tetapi MRP hanya dapat
menyarankan perubahan-perubahan itu.
Suatu item yang tidak membutuhkan perhatian tidak akan

ditampilkan dalam MRP Action Report. Namun sebelum mengambil
suatu tindakan perencana seharusnya meninjau kembali laporan-laporan
MRP yang lain, yaitu Primary Pagging Report.
3) MRP Pegging Report
Sistem MRP dapat juga membuat Pegging Report sehingga

memudahkan menelusuri sumber dari kebutuhan kotor untuk suatu item.
Dengan menggunakan pegging report pihak manajemen (perencana) dapat
menetukan kebutuhan-kebutuhan yang diakibatkan oleh adanya pesanan.
Berdasarkan informasi ini, perencana dapat menyelidiki alternatif-altenatif
pada level ini dan pada level yang lebih tinggi pada BOM (Bill Of
Material).
E. Struktur Produk (Product Structure) atau Bill of Materials (BOM)
Menurut Gaspersz (1998: 148) bahwa Bill of Material merupakan
daftar dari semua material, parts, dan sub-assemblies, serta kuantitas dari
masing-masing yang dibutuhkan untuk memproduksi suatu unit produk
atau parent assembly. MRP menggunakan BOM sebagai basis untuk
perhitungan banyaknya setiap material yang dibutuhkan untuk setiap
periode waktu.
Struktur produk atau Bill Of Materials (BOM) didefinisikan
sebagai cara komponen-komponen itu bergabung ke dalam suatu produk
lama proses manufakturing. Struktur produk typical akan menunjukkan
52
bahan baku yang dikonversi ke dalam komponen-komponen fabrikasi,
kemudian komponen-komponen itu bergabung secara bersama untuk
membuat sub-assemlies, kemudian sub-assemblies bergabung bersama
membuat assemblies, dan seterusnya sampai produk akhir.
Planning BOM didefinisikan sebagai suatu pengelompokan
artificial dari item-item dan/atau kejadian-kejadian dalam format BOM.
Itu dipergunakan untuk memudahkan penjadwalan prduksi induk (MPS)
atau perencanaan kebutuhan material (MRP).
Planning BOM tidak menggambarkan produk aktual yang akan
dibuat, tetapi menggambarkan pseudo product atau compsite product
yang diciptakan untuk memudahkan dan meningkatkan akurasi
peramalan penjualan, mengurangi jumlah end items, membuat proses
perencanaan dan penjadwalan menjadi lebih akurat, menyederhanakan
pemasukan pesanan pelanggan (customer order entry), menciptakan
sistem pemeliharaan dan penyimpanan data yang efisien dan fleksibel.
Gambar dibawah merupakan contoh struktur BOM dari suatu produk.
Gambar 2 Contoh STruktur BOM
53
BAB III

Nefizta adalah suatu home industri bingkai foto kayu yang mendesain dan
memproduksi produknya secara hand made. Home industri ini menjual produknya
dalam setengah lusin kardus besar bingkai foto kayu yang terdiri dari enam bingkai
kayu dan enam kardus kecil. Komponen pembetuk bingkai kayu terdiri dari 4 buah
kayu, 4 buah paku, 1 lembar alas bingkai, 1 kaca dan 2 buah gantungan. Keterangan
mengenai komponen MRP jam tangan Seiko terdapat pada tabel di bawah soal ini.
a. Buatlah Bill of Material dari bingkai foto kayu.

b. Buatlah perencanaan pengadaan material dalam bentuk tabel MRP I dengan type
lot size LFL, EOQ, dan FOQ.
Komponen MRP I Bingkai Foto Kayu
No
Item Measure Lead time (Bulan) On Hand FOQ
.
1. Bingkai Foto Kayu Lusin 1 5700 10000
2. Kardus Besar Pcs 2 11000 10050
3. Bingkai Kayu Pcs 0 5576 60000
4. Kardus Kecil Pcs 1 5660 60000
5. Kayu Buah 0 10000 245000
6. Paku Buah 1 9500 238500
7. Alas Bingkai Lembar 1 10500 65000
8. Kaca Lembar 2 9760 75500
9. Gantungan Buah 0 12500 130000
54
Biaya MRP I Bingkai Foto Kayu
NO. Item Material Cost Setup or Order Cost Holding cost
1 Bingkai Foto Kayu Rp. 15000 Rp. 165000
2 Kardus Besar Rp. 8300 Rp. 95000
3 Bingkai Kayu Rp. 300 Rp. 163000
4 Kardus Kecil Rp. 110 Rp. 95000
5 Kayu Rp. 18 Rp. 162000
6 Paku Rp. 15 Rp. 132000
7 Alas Bingkai Rp. 85 Rp. 80000
8 Kaca Rp. 145 Rp. 110000
9 Gantungan Rp. 13 Rp. 65000
Asumsi = Biaya simpan 2% dari harga
Permintaan Biangkai Foto Kayu
Bulan Jumlah
(Lot)
1 5675
2 5535
3 5662
4 5550
5 5570
6 5562
7 5325
8 4759
9 4589
10 4829
11 4295
12 4250
Note: data yang diberi warna kuning ditambah angka kelompok + 0
55
3.2 Pengolahan Data
Komponen MRP I Bingkai Foto Kayu
No
Item Measure Lead time (Bulan) On Hand FOQ
.
1. Bingkai Foto Kayu Lusin 1 5710 10000
2. Kardus Besar Pcs 2 11000 10050
3. Bingkai Kayu Pcs 0 5586 60000
4. Kardus Kecil Pcs 1 5670 60000
5. Kayu Buah 0 10000 245000
6. Paku Buah 1 9500 238500
7. Alas Bingkai Lembar 1 10500 65000
8. Kaca Lembar 2 9770 75500
9. Gantungan Buah 0 12500 130000
Tabel 3.1 Data Komponen Bingkai Kayu
Biaya MRP I Bingkai Foto Kayu

NO. Item Material Cost Setup or Order Cost Holding cost
1 Bingkai Foto Kayu Rp. 15000 Rp. 165000
2 Kardus Besar Rp. 8300 Rp. 95000
3 Bingkai Kayu Rp. 310 Rp. 163000
4 Kardus Kecil Rp. 120 Rp. 95000
5 Kayu Rp. 18 Rp. 162010
6 Paku Rp. 15 Rp. 132010
7 Alas Bingkai Rp. 95 Rp. 80000
8 Kaca Rp. 145 Rp. 110000
9 Gantungan Rp. 13 Rp. 65010
Tabel 3.2 Biaya Komponen Bingkai Kayu
56
Permintaan Bingkai Foto Kayu
Permintaan
Bulan Jumlah (lot)
1 5675
2 5535
3 5662
4 5550
5 5570
6 5572
7 5325
8 4759
9 4589
10 4829
11 4305
12 4250
JUMLAH 61621
Tabel 3.3 Data Permintaan Bingkai Kayu
57
BAB IV
4.1 Perhitungan MRP Sistem Lot for Lot (LFL)

Perhitungan LFL dilakukan terhadap produk bingkai foto sesuai
dengan Bill of Material bingkai foto, dimana satu produk bingkai foto terdiri
atas setengah lusin. Dengan level 1 pada BOM terdiri atas 6 unit Bingkai
kayu, 6 unit Kardus kecil, dan 1 unit kardus besar. Adapun hasil perhitungan
MRP dengan sisten LFL adalah sebagai berikut.
LEVEL 0
Lead Time 1 bulan

Bingkai Foto Kayu (1/2 lusin)
On Hand 5710
Safety Stock 0 BULAN
On Hand 5710 35 5,745
Unit Net Requirement -5,500 -5662 -5550 -5570 -5572 -5325 -4759 -4589 -4829 -4305 -4250 -55,911
Plant Order Receipt 5,500 5,662 5,550 5,570 5,572 5,325 4,759 4,589 4,829 4,305 4,250 55,911
Plant Order Release 5,500 5,662 5,550 5,570 5,572 5,325 4,759 4,589 4,829 4,305 4,250 55,911
Tabel 11 Perhitungan MRP Metode LFL Bingkai Foto Kayu

LEVEL 1
Lead Time 2 bulan

Kardus Besar (1 pcs)
On Hand 11000
Gross Requirement 5,500 5,662 5,550 5,570 5,572 5,325 4,759 4,589 4,829 4,305 4,250 55,911
On Hand 11,000 5,500 16,500
Unit Net Requirement -162 -5,550 -5,570 -5,572 -5,325 -4,759 -4,589 -4,829 -4,305 -4,250 -44,911
Plant Order Receipt 162 5,550 5,570 5,572 5,325 4,759 4,589 4,829 4,305 4,250 44,911
Plant Order Release 162 5,550 5,570 5,572 5,325 4,759 4,589 4,829 4,305 4,250 44,911
Tabel 12 Perhitungan MRP Metode LFL Kardus Besar
Lead Time 1 bulan

Kardus Kecil (6 pcs)
On Hand 5670
Gross Requirement 33,000 33,972 33,300 33,420 33,432 31,950 28,554 27,534 28,974 25,830 309,966
On Hand 5,670 -27,330 -21,660
Unit Net Requirement -61,302 -33,300 -33,420 -33,432 -31,950 -28,554 -27,534 -28,974 -25,830 -304,296
Plant Order Receipt 61,302 33,300 33,420 33,432 31,950 28,554 27,534 28,974 25,830 304,296
Plant Order Release 61,302 33,300 33,420 33,432 31,950 28,554 27,534 28,974 25,830 304,296
Tabel 13 Perhitungan MRP Metode LFL Kardus Kecil
58
LEVEL 1
Lead Time 0 bulan

Bingkai Kayu (6 pcs)
On Hand 5586
Gross Requirement 33,000 33,972 33,300 33,420 33,432 31,950 28,554 27,534 28,974 25,830 309,966
On Hand 5,586 -27,414 -21,828
Tabel 14 Perhitungan MRP Metode LFL Bingkai Kayu

LEVEL 2
Lead Time 0 bulan

Kayu (4 buah)
On Hand 10000
Gross Requirement 245,544 133,200 133,680 133,728 127,800 114,216 110,136 115,896 103,320 1,217,520
On Hand 10,000 10,000
Unit Net Requirement -235,544 -133,200 -133,680 -133,728 -127,800 -114,216 -110,136 -115,896 -103,320 -1,207,520
Plant Order Receipt 235,544 133,200 133,680 133,728 127,800 114,216 110,136 115,896 103,320 1,207,520
Plant Order Release 235,544 133,200 133,680 133,728 127,800 114,216 110,136 115,896 103,320 1,207,520
Tabel 15 Perhitungan MRP Metode LFL Kayu

LEVEL 2
Lead Time 1 bulan

Paku (4 buah)
On Hand 9500
Gross Requirement 245,544 133,200 133,680 133,728 127,800 114,216 110,136 115,896 103,320 1,217,520
On Hand 9,500 9,500
Unit Net Requirement -236,044 -133,200 -133,680 -133,728 -127,800 -114,216 -110,136 -115,896 -103,320 -1,208,020
Plant Order Receipt 236,044 133,200 133,680 133,728 127,800 114,216 110,136 115,896 103,320 1,208,020
Plant Order Release 236,044 133,200 133,680 133,728 127,800 114,216 110,136 115,896 103,320 1,208,020
Tabel 16 Perhitungan MRP Metode LFL Paku

LEVEL 2
Lead Time 1 bulan

Alas Bingkai (1 pcs)
On Hand 10500
Gross Requirement 61,386 33,300 33,420 33,432 31,950 28,554 27,534 28,974 25,830 304,380
On Hand 10,500 10,500
Tabel 17 Perhitungan MRP Metode LFL Bingkai Alas
59
LEVEL 2
Lead Time 2 bulan

Kaca (1 buah)
On Hand 9770
On Hand 9,770 9,770
Tabel 18 Perhitungan MRP Metode LFL Kaca

LEVEL 2
Lead Time 0 bulan

Gantungan (2 buah)
On Hand 12500
On Hand 12,500 12,500
Tabel 19 Perhitungan MRP Metode LFL Kaca
4.2 Perhitungan MRP Sistem Economic Order Quantity (EOQ)

Teknik ini didasarkan pada asumsi bahwa kebutuhan bersifat kontinu dengan
pola permintaan yang stabil. Ukuran kuantitas pemesanannya (lot size) ditentukan
dengan rumus EOQ. Adapun hasil perhitungan MRP dengan sisten EOQ pada produk
bingkai foto kayu adalah sebagai berikut.
LEVEL 0
1 Bulan Bingkai Foto Kayu (1/2 lusin)

0 BULAN
EOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
On Hand 2,558 5,256 7,827 2,277 4,940 7,601 2,276 5,750 1,161 4,565 260 4,243 48,717
Net Requirement -5,675 -2,977 -406 -3,293 -632 -2,483 -3,668 -3,990 -23,123
Plant Order Receipt 8,233 8,233 8,233 8,233 8,233 8,233 8,233 8,233 65,864
Plant Order Release 8,233 8,233 8,233 8,233 8,233 8,233 8,233 8,233 65,864
Tabel 20 Perhitungan MRP Metode EOQ Bingkai Foto Kayu
60
LEVEL 1
2 Bulan Kardus Besar (1 pcs)

0 BULAN
EOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
Gross Requirement 8,233 8,233 8,233 0 8,233 8,233 0 8,233 0 8,233 0 8,233 0 65,864
On Hand 165 330 496 496 661 826 826 991 991 1,156 1,156 1,321 1,321 10,736
Net Requirement -8,233 -8,068 -7,903 -7,738 -7,572 -7,407 -7,242 -7,077 -61,240
Plant Order Receipt 8,398 8,398 8,398 8,398 8,398 8,398 8,398 8,398 67,186
Plant Order Release 8,398 8,398 8,398 8,398 8,398 8,398 8,398 8,398 67,186
Tabel 21 Perhitungan MRP Metode EOQ Kardus Besar

LEVEL 1
1 Bulan Kardus Kecil (6 pcs)

0 BULAN
EOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
On Hand 20,447 40,893 61,340 61,340 11,942 32,389 32,389 52,835 52,835 3,437 3,437 23,884 23,884 421,053
Net Requirement -49,398 -28,952 -8,505 -37,456 -17,010 -45,961 -187,282
Plant Order Receipt 69,845 69,845 69,845 69,845 69,845 69,845 419,070
Plant Order Release 69,845 69,845 69,845 69,845 69,845 69,845 419,070
Tabel 22 Perhitungan MRP Metode EOQ Kardus Kecil

LEVEL 1
0 Bulan Bingkai Kayu (6 pcs)

0 BULAN
EOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
On Hand 7,523 15,047 22,570 22,570 30,093 37,617 37,617 45,140 45,140 52,663 52,663 3,265 3,265 375,173
Net Requirement -49,398 -41,875 -34,352 -26,828 -19,305 -11,782 -4,258 -187,798
Plant Order Receipt 56,922 56,922 56,922 56,922 56,922 56,922 56,922 398,451
Plant Order Release 56,922 56,922 56,922 56,922 56,922 56,922 56,922 398,451
Tabel 23 Perhitungan MRP Metode EOQ Bingkai Kayu

LEVEL 2
0 Bulan Kayu (4 pcs)

0 BULAN
EOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
Gross Requirement 227,687 227,687 227,687 0 227,687 227,687 0 227,687 0 227,687 0 0 0 1,593,806
On Hand 7,818 15,636 23,454 23,454 31,272 39,089 39,089 46,907 46,907 54,725 54,725 54,725 54,725 492,527
Net Requirement -227,687 -219,869 -212,051 -204,233 -196,415 -188,597 -180,779 -1,429,630
Plant Order Receipt 235,504 235,504 235,504 235,504 235,504 235,504 235,504 1,648,531
Plant Order Release 235,504 235,504 235,504 235,504 235,504 235,504 235,504 1,648,531
Tabel 24 Perhitungan MRP Metode EOQ Kayu
61
LEVEL 2
1 Bulan Paku (4 pcs)

0 BULAN
EOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
Gross Requirement 227,687 227,687 227,687 0 227,687 227,687 0 227,687 0 227,687 0 0 0 1,593,806
On Hand 5,188 10,376 15,564 15,564 20,752 25,940 25,940 31,129 31,129 36,317 36,317 36,317 36,317 326,850
Net Requirement -227,687 -222,498 -217,310 -212,122 -206,934 -201,746 -196,558 -1,484,856
Plant Order Receipt 232,875 232,875 232,875 232,875 232,875 232,875 232,875 1,630,122
Plant Order Release 232,875 232,875 232,875 232,875 232,875 232,875 232,875 1,630,122
Tabel 25 Perhitungan MRP Metode EOQ Paku

LEVEL 2
1 Bulan Alas Bingkai (1 pcs)

0 BULAN
EOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
Gross Requirement 56,922 56,922 56,922 0 56,922 56,922 0 56,922 0 56,922 0 0 0 398,451
On Hand 15,114 30,228 45,342 45,342 60,456 3,535 3,535 18,649 18,649 33,763 33,763 33,763 33,763 375,899
Net Requirement -56,922 -41,808 -26,694 -11,580 -53,387 -38,273 -228,663
Tabel 26 Perhitungan MRP Metode EOQ Alas Bingkai

LEVEL 2
2 Bulan Kaca (1 pcs)

0 BULAN
EOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
On Hand 11,450 22,900 34,350 34,350 45,800 57,251 57,251 329 329 11,779 11,779 11,779 11,779 311,127
Net Requirement -56,922 -45,472 -34,021 -22,571 -11,121 -56,593 -226,700
Tabel 27 Perhitungan MRP Metode EOQ Kaca

LEVEL 2
2 Bulan Gantungan (2 pcs)

0 BULAN
EOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
On Hand 61,699 123,399 9,556 9,556 71,255 132,955 132,955 19,111 19,111 80,811 80,811 80,811 80,811 902,839
Net Requirement -113,843 -52,144 -104,288 -42,588 -94,732 -407,595
Plant Order Receipt 175,543 175,543 175,543 175,543 175,543 877,714
Plant Order Release 175,543 175,543 175,543 175,543 175,543 877,714
Tabel 28 Perhitungan MRP Metode EOQ Gantungan
62
4.3 Perhitungan MRP Sistem FOQ
Teknik FOQ menggunakan kuantitas pemesanan yang tetap yang berarti
ukuran kuantitas pemesanannya (lot size) adalah sama untuk setiap kali pemesanan.
Adapun hasil perhitungan MRP dengan sisten FOQ pada produk bingkai foto kayu
adalah sebagai berikut.
LEVEL 0
FOQ
1 Bulan Bingkai Foto Kayu (1/2 lusin)
0 Bulan
FOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
On Hand 5710 35 4,500 8,838 3,288 7,718 2,146 6,821 2,062 7,473 2,644 8,339 4,089 63,663
Net Requirement -5,500 -1,162 -2,282 -3,179 -2,527 -1,661 -16,311
Plant Order Receipt 10000 10,000 10,000 10,000 10,000 10,000 60,000
Plant Order Release 10000 10000 10000 10,000 10,000 10,000 60,000
Tabel 29 Perhitungan MRP Metode FOQ Bingkai Foto Kayu

LEVEL 1
FOQ
2 Bulan Kardus Besar (1 pcs)
0 Bulan
FOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
Gross Requirement 10000 10000 10000 10,000 10,000 10,000 60,000
On Hand 11000 11,000 1,000 1,050 1,050 1,100 1,100 1,150 1,150 1,200 1,200 1,250 1,250 1,250 35,750
Net Requirement -9,000 -8,950 -8,900 -8,850 -8,800 -44,500
Plant Order Receipt 10050 10050 10050 10050 10050 50,250
Plant Order Release 10050 10050 10050 10050 10050 50,250
Tabel 30 Perhitungan MRP Metode FOQ Kardus Besar

LEVEL 1
FOQ
2 Bulan Kardus Kecil (6 pcs)
0 Bulan
FOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
Gross Requirement 60000 60000 60000 60000 60000 60000 360,000
On Hand 5670 5670 5670 5670 5670 5670 5670 5670 5670 5670 5670 5670 5670 5670 79,380
Net Requirement -54330 -54330 -54330 -54330 -54330 -54330 -325,980
Plant Order Receipt 60000 60000 60000 60000 60000 60000 360,000
Plant Order Release 60000 60000 60000 60000 60000 60000 360,000
Tabel 31 Perhitungan MRP Metode FOQ Kardus Kecil
63
LEVEL 1
FOQ
0 Bulan Bingkai Kayu (6 pcs)
0 Bulan
FOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
Gross Requirement 60,000 60,000 60,000 60,000 60,000 60,000 360,000
On Hand 5586 5,586 5,586 5,586 5,586 5,586 5,586 5,586 5,586 5,586 5,586 5,586 67,032
Net Requirement -54,414 -54,414 -54,414 -54,414 -54,414 -272,070
Plant Order Receipt 60,000 60,000 60,000 60,000 60,000 300,000
Tabel 32 Perhitungan MRP Metode FOQ Bingkai Kayu

LEVEL 2
FOQ
0 Bulan Kayu (4 pcs)
0 Bulan
FOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
Gross Requirement 240000 240000 240000 240000 240000 1,200,000
On Hand 10000 10,000 15,000 15,000 20,000 20,000 25,000 25,000 30,000 30,000 30,000 230,000
Net Requirement -230,000 -225,000 -220,000 -215,000 -890,000
Plant Order Receipt 245,000 245,000 245,000 245,000 980,000
Plant Order Release 245000 245000 245000 245000 980,000
Tabel 33 Perhitungan MRP Metode FOQ Kayu

LEVEL 2
FOQ
1 Bulan Paku (4 pcs)
0 Bulan
FOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
Gross Requirement 240,000 240,000 240,000 240,000 240,000 1,200,000
On Hand 9500 8,000 8,000 6,500 6,500 5,000 5,000 3,500 3,500 2,000 2,000 2,000 61,500
Net Requirement -230,500 -232,000 -233,500 -235,000 -236,500 -1,167,500
Plant Order Receipt 238,500 238,500 238,500 238,500 238,500 1,192,500
Plant Order Release 238500 238500 238500 238500 238500 1,192,500
Tabel 34 Perhitungan MRP Metode FOQ Paku

LEVEL 2
FOQ
1 Bulan Alas Bingkai (1 pcs)
0 Bulan
FOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10
Total 11 12
Gross Requirement 60000 60000 60000 60000 60000
300,000
On Hand 10500 15500 15,500 20,500 20,500 25,500 25,500 30,500 30,500 35,500 35,500 35,500 301,000
Net Requirement -49500 -44,500 -39,500 -34,500 -29,500 -197,500
Plant Order Receipt 65000 65000 65000 65000 65000 325,000
Tabel 35 Perhitungan MRP Metode FOQ Alas Bingkai
64
LEVEL 2
FOQ
2 Bulan Kaca (1 pcs)
0 Bulan
FOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
Gross Requirement 60,000 60,000 60,000 60,000 60,000 300,000
On Hand 9770 9,770 25,270 25,270 40,770 40,770 56,270 56,270 71,770 71,770 11,770 11,770 11,770 443,010
Net Requirement -50,230 -34,730 -19,230 -3,730 -107,920
Plant Order Receipt 75500 75500 75500 75500 302,000
Plant Order Release 75500 75500 75500 75500 302,000
Tabel 36 Perhitungan MRP Metode FOQ Kaca

LEVEL 2
FOQ
2 Bulan Gantungan (2 pcs)
0 Bulan
FOQ -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 Total
Gross Requirement 120000 120000 120000 120000 120000 600000
On Hand 12500 12500 22500 22500 32500 32500 42500 42500 52500 52500 62500 62500 62500 512500
Net Requirement -107500 -97500 -87500 -77500 -67500 -437500
Plant Order Receipt 130000 130000 130000 130000 130000 650000
Plant Order Release 130000 130000 130000 130000 130000 650000
Tabel 37 Perhitungan MRP Metode FOQ Gantungan
65
BAB V
1.5 Kesimpulan
Dari laporan praktikum ini, dapat disimpulkan bahwa Material Resources Planning
(MRP) adalah sebuah sistem yang penting dalam manajemen rantai pasokan untuk mengelola
persediaan bahan baku dan komponen dalam proses produksi. MRP membantu perusahaan
memastikan ketersediaan bahan yang tepat, dalam jumlah yang tepat, dan pada waktu yang
tepat untuk memenuhi kebutuhan produksi. Dengan menggunakan MRP, perusahaan dapat
mengurangi biaya penyimpanan berlebihan, menghindari kekurangan bahan, dan
meningkatkan efisiensi penggunaan sumber daya.
2.5 Saran
1. Perlu memastikan bahwa data yang digunakan dalam MRP akurat dan terkini. Diperlukan
integrasi yang baik antara sistem manajemen produksi dan sistem informasi perusahaan untuk
memperoleh data yang diperlukan secara tepat waktu.
2. Pelajari dan pahami dengan baik konsep dan prinsip dasar MRP agar dapat
mengaplikasikannya secara efektif. MRP memiliki beberapa tahapan dan komponen yang
perlu dipahami dengan baik agar dapat menghasilkan jadwal produksi yang akurat.
3. Gunakan metode perhitungan yang sesuai dengan kebutuhan dan karakteristik perusahaan.
Terdapat berbagai teknik lot sizing yang dapat digunakan dalam MRP, seperti FOQ, EOQ,
dan LFL. Pilihlah metode yang sesuai dengan situasi perusahaan untuk mengoptimalkan
penggunaan sumber daya.
4. Lakukan evaluasi dan pemantauan secara berkala terhadap implementasi MRP. Evaluasi
dapat membantu mengidentifikasi potensi perbaikan dan peningkatan dalam proses
perencanaan dan pengendalian persediaan.
5. Tingkatkan koordinasi dan komunikasi antara departemen yang terlibat dalam pelaksanaan
MRP. MRP melibatkan berbagai departemen, seperti produksi, persediaan, dan pembelian.
Koordinasi yang baik dapat memastikan informasi yang akurat dan waktu respons yang cepat
dalam menjalankan MRP.
66
MODUL IV - PRODUCTION MODELER (PROMODEL)
BAB I
PENDAHULUAN
1.1 Latar Belakang

Antrian adalah kondisi di mana waktu kedatangan pelanggan lebih
besar daripada waktu pelayanan. Contoh sederhana antrian adalah saat
pembayaran pajak kendaraan bermotor, di mana waktu kedatangan pelanggan
melebihi waktu pelayanan petugas yang sedang melayani pembayaran,
sehingga terjadi antrian. Sistem adalah kumpulan elemen yang bekerja sama
untuk mencapai tujuan yang diinginkan.
Dari definisi tersebut, dapat disimpulkan bahwa sistem terdiri dari
beberapa elemen yang saling berhubungan dan berinteraksi. Model adalah
representasi yang disederhanakan dari sistem nyata. Model merupakan alat
yang sangat berguna untuk menganalisis dan merancang sistem. Dengan
membuat model dari suatu sistem, diharapkan dapat lebih mudah melakukan
analisis.
Promodel adalah salah satu software simulasi yang dapat digunakan
untuk mensimulasikan dan menganalisis sistem produksi dari berbagai tipe
dan ukuran. Promodel menyediakan kombinasi yang baik antara kemudahan,
fleksibilitas, dan kemampuan dalam memodelkan situasi-situasi serta
memiliki kemampuan animasi yang membuat simulasi menjadi lebih nyata.
1.2 Tujuan
1. Mahasiswa memahami konsep ProModel.
2. Mahasiswa memahami elemen-elemen dalam ProModel.
3. Mahasiswa mampu membuat OPC (Operational Process Chart) suatu
sistem manufaktur atau pelayanan.
1.3 Pelaksanaan praktikum

Adapun tahapan-tahapan dalam pelaksanaan praktikum, yaitu:
1. Memahami materi yang disampaikan oleh asisten laboratorium.
67
2. Membaca tugas yang diberikan oleh asisten laboratorium.
3. Membuka software ProModel.
4. Membuat OPC sistem operasi yang dipilih oleh kelompok.
5. Membuat simulasi sistem aliran produksi menggunakan software
Promodel sesuai dengan ketentuan yang telah diberikan.
6. Merekam hasil running Promodel.
7. Menulis Laporan Praktikum untuk Pertemuan ke-4.
68
BAB II
LANDASAN TEORI
2.3 PRODUCTION MODELER (PROMODEL)

A. Pengertian
ProModel (Production Modeler) yang dikeluarkan oleh ProModel
Corporation sebagai perangkat simulasi untuk berbagai macam jenis
model sistem manufaktur dan jasa. Pengguaan pada sistem jasa seperti
pada rumah sakit, call centers, warehouse operational, transportation
systems, queuing system, information systems, customer service
management, dan proses bisnis lainnya dapat dimodel dengan efisien dan
cepat. Software ProModel yang digunakan adalah software berbasis
Windows dengan hasil dari simulasi berupa data-data statistik yang dapat
digunakan untuk menganalisa model dari sistem yang ada. Software ini
dikembangkan secara spesifik untuk manajer operasional dalam
mengembangkan desain proses operasional yang ada.
Menurut Harrel (2011), ProModel merupakan software simulasi
yang dirancang untuk memodelkan sistem dengan proses discrete-event
dan menyediakan opsi pelaporan secara periodik dan statistik yang diolah
berdasarkan periode yang dapat memberikan gambaran aktivitas sistem
yang lebih lengkap pada saat keseluruhan simulasi.
Keuntungan dari penyelesaian masalah dengan simulasi
menggunakan software ProModel ini, yaitu:
1. Mampu mendeteksi bottleneck yang terjadi pada proses produksi dan
dapat langsung dieliminasi.
2. Mampu mengembangkan suatu proses produksi yang efisien.
3. Mengurangi lead time yang diperlukan.
4. Meningkatkan utilisasi sumber daya.
5. Mengurangi terjadinya penumpukan inventory.
B. Elemen-elemen Dasar ProModel
Harrell (2011) menyatakan untuk membuat model sebuah sistem,

ProModel telah menyediakan beberapa elemen yang telah disesuaikan.
Elemen dasar tersebut, antara lain:
69
1. Location
Dalam promodel, Location merepresentasikan sebuah area tetap
dimana bahan baku, bahan setengah jadi ataupun bahan jadi
mengalami atau menunggu proses, ataupun mencari aliran material
atau proses selanjutnya. Tempat dimana entitas diproses, di-delay,
disimpan serta beberapa aktivitas lainnya. Data-data yang
diperlukan untuk mendifinisikan lokasi adalah:
 Name, yaitu nama masing-masing lokasi.
 Capacity, merupakan kapasitas lokasi dalam memproses
Entity.
 Unit, adalah jumlah lokasi yang dimaksud.
 Downtimes (DTs), menyatakan saat-saat lokasi tidak
berfungsi, misal: diakibatkan karena kerusakan, maintenance,
waktu set-up, dan lainlain.
 Rules, digunakan untuk merumuskan bagaimana aturan
pemrosesan bagi Entity yang memasuki lokasi, bagaimana
Entity yang selesai diproses mengantri, dan bagaimana lokasi
yang lebih dari satu unit untuk memproses Entity yang datang.
 Notes, digunakan untuk memasukan catatan atau program-
program lain.
2. Entities
Segala sesuatu yang diproses dalam sistem disebut sebagai
entities. Entities dapat berupa produk, bahan baku, barang setengah
jadi, atau bahkan manusia. Contoh : part kerja, operator. Entity
merupakan sesuatu yang akan menjadi objek yang akan diproses
dalam model sistem, seperti : bahan baku, produk setengah jadi
(WIP), produk jadi, produk reject, bahkan lembar kerja. Yang
harus dilakukan pertama kali adalah memilih icon untuk mewakili
masing-masing Entity. Begitu icon dipilih, promodel akan
membuat record untuk Entity yang bersangkutan. Data-data yang
diperlukan untuk mendefinisikan Entity adalah:
 Name, yaitu nama dari setiap Entity.
 speed, adalah kecepatan Entity bergerak atau berpindah dari
70
satu lokasi ke lokasi berikutnya.
 Stats, menyatakan level statistik dalam mengumpulkan hasil
masing-masing tipe Entity. Terdapat tiga pilihan yaitu None,
Basic, dan Time Series.
3. Arrivals
Arrivals merupakan mekanisme untuk mendefinisikan
bagaimana entities memasuki sistem. Jumlah entities yang tiba
pada suatu waktu disebut batch size, tingkat kedatangan setiap
entities disebut dengan Frequency, jumlah total batch yang tiba
disebut occourences, dan waktu pertama kali memulai pola
kedatangan disebut First Time.
Data-data yang dibutuhkan untuk mendefinisikan arrivals adalah :

 Entity, menunjukan entitas apa yang masuk kedalam sistem.
 Location, menunjukan lokasi pertama kali entitas memasuki
sistem.
 Quantity Each (Qty Each), menyatakan jumlah entitas yang
datang setiap satu kali kedatangan.
 First Time, menunjukan waktu pertama kali Entity masuk
kedalam sistem.
 Occurences, menyatakan banyaknya Entity setiap satu kali
kedatangan.
 Frequency, menyatakan selang waktu antar dua kedatangan
yang berurutan.
 Logic, digunakan untuk menyatakan logika-logika lain untuk
menyatakan arrival.
 Disable, menyatakan apakah kedatangan Entity yang
bersangkutan ada atau tidak. Default dalam Promodel adalah
no, artinya ada kedatangan Entity yang bersangkutan.
4. Processing
Elemen proses menentukan rute yang dilalui oleh tiap-tiap
entitas dan operasi yang dialami pada tiap lokasi yang dilaluinya.
Proses menggambarkan apa yang dialami entititas mulai dari saat
71
pertama entities memasuki sistem sampai keluar dari sistem.
Elemen ini akan terdiri dari dua bagian, yaitu window process dan
window routing. Data-data yang diperlukan untuk mendefinisikan
processing adalah:
 Entity, menyatakan Entity sebagai input yang akan diproses.
 Location, menunjukan operasi yang akan dilakukan pada
Entity (input), termasuk waktu operasinya.
 Operation, menujukan proses operasi yang dialami entitas. -
Block, maksudnya adalah jalur yang ditempuh entitas. Yang
diisikan dalam block adalah nomor. Jika nomor blocknya
sama maka asal jalurnya juga sama.
 Output, menunjukan entitas yang keluar dari proses.
 Destination, menyatakan lokasi yang menjadi tujuan
selanjutnya dalam memprosesEntity.
 Rule, menyatakan aturan-aturan yang digunakan dalam
processing, misalnya proses perakitan (join), probabilitas, dan
lainya.
 Move Logic, digunakan untuk mendefinisikan metode
pergerakan entitas, yaitu dengan menetapkan waktu
pergerakan atau dengan apa entitas dipindahkan.
5. Resource
Resource merupakan sumber daya yang digunakan untuk
melakukan operasi tertentu dalam kinerja suatu sistem. Dalam
ProModel, objek yang dijadikan resource akan bergerak sesuai
dengan keinginan kita, contohnya adalah operator, forklift, alat
angkut untuk material handling, dll. Di dalam menu resources
diperlukan data antara lain:
 Name, menunjukan nama dari resources tersebut.
 Units, menujukan jumlah resources.
 Specs, menunjukan lintasan kerja yang akan digunakan dan
lokasi yang pertama kali akan dikunjungi.
6. Path network
72
Digunakan untuk menentukan arah dan jalur yang ditempuh
oleh resource ataupun entitas ketika bergerak dari suatu lokasi ke
lokasi lainnya. Path network ini merupakan suatu hal yang menjadi
keharusan jika ingin memakai resource ataupun entitas yang
bergerak.
C. Menjalankan Simulasi dengan ProModel
Jalankan Simulasi Setelah elemen untuk kontruksi simulasi dalam

ProModel ditentukan, ada beberapa pengaturan dalam menjalankan
simulasi. Berikut ini adalah beberapa peraturan pada simulasi ProModel:
a. Run Length, adalah penentuan dalam menjalankan simulasi
berdasarkan jangka waktu atau tanggal.
b. Run Hours, menentukan jangka waktu lamanya pendataan statistik
dilakukan.
c. Warmup Hours, menentukan berapa lama simulasi akan dijalankan
sebelum pendataan statistik dicatat.
d. Clock Precision, menentukan parameter interval waktu dalam
pencatatan statistik entah berdasarkan detik, menit, jam, atau hari.
e. Output Reporting, menentukan format hasil laporan yang akan dibuat.
f. Number of Replication, menyatakan berapa kali jumlah percobaan
yang akan disimulasikan.
g. Disable yaitu perintah menonaktifkan fitur entah perhitungan statistik
berdasarkan waktu, animasi selama simulasi, perhitungan biaya dalam
simulasi, perhitungan melalui susunan sistematis obyek.
h. Start, memulai simulasi dari keadaan pause, awal, atau pada saat mulai
menampilkan catatan.
i. Display Note, menampilkan catatan yang sudah dibuat pada elemen
ProModel.
D. Verifikasi Dan Validasi dengan ProModel

Verifikasi dan validasi merupakan tahapan untuk menguji
kredibilitas/kesesuaian sistem nyata dengan model simulasi. Verifikasi
adalah proses untuk menentukan apakah model telah beroperasi sesuai
73
yang diinginkan oleh programmer. Verifikasi berkaitan dengan melakukan
perbandingan antara model konseptual dengan model simulasi (Banks,
1995). Verifikasi adalah proses pemeriksaan logika operasional model
(program komputer) sesuai dengan logika diagram alur (Hoover dan
Perry, 2014). Sedangkan, validasi adalah proses penentuan apakah model
merupakan representasi yang akurat dan sesuai dengan sistem nyata
(Hoover dan Perry, 2014).
E. Hasil Simulasi dari ProModel

Setelah melakukan simulasi, ProModel akan menghitung
pendataan statistik di dalam hasil laporannya. Hasil laporan inilah yang
merupakan bagian terpenting dalam melakukan analisa pengambilan
keputusan (Harrell, Ghosh dan Bowden, 2011). Hasil laporan dari simulasi
ProModel sebagai berikut: a. Grafik diagram batang dalam Location
Utilization, berguna untuk menjelaskan tingkat utilisasi penggunaan dari
setiap lokasi di dalam sistem. b. Grafik diagram batang dalam Single
Capacity Location States, berguna untuk mengetahui komposisi tingkat
produktifitas penggunaan fasilitas pelayanan dengan tingkat non
produktifitas penggunaan fasilitas tersebut. c. Grafik diagram batang
dalam Entity States, berguna untuk mengetahui tingkat waktu menunggu
entitas yang antri dalam memasuki pelayanan fasilitas.
74
BAB III

3.1.1. Peta Proses Operasi Radial Tyre (Ban Mobil Radial)
PETA PROSES OPERASI (PPO)
Nama Produk : Radial Tyre (Ban Mobil Radial)

Disusun oleh : Kelompok 1
1. Kurniati - 41622120014
2. Luky Puspasari - 41622120010
3. Pandu Rohman - 41620120023
4. Aryo Gusman-41620120024
5. Shafa Almaliya-41621010035
Tanggal Pembuatan : 3 Juni 2023
75
3.2 Pengolahan Data
Pengolahan data dilakukan dengan membuat model simulasi menggunakan
software Promodel.
Gambar 67. Pembuatan Model Simulasi dengan Software Promodel
Berikut ini link file Promodel dan video penjelasan terkait model simulasi
yang telah dibuat:
https://drive.google.com/drive/folders/1iTCpavg9dTh09WKUU-
RL3axSxL9lCNDP?usp=sharing
76
BAB IV
Simulasi dilakukan terhadap proses produksi rubber menjadi ban

mobil radial karena memiliki proses operasi yang Panjang, Pada sistem
promodel simulasi produksi ban radial mobil yang dilakukan selama 8 jam
kerja menghasilkan data sebagai berikut :
Gambar 3 Output View Simulasi Promodel
Gambar 4 Time Plot Mesin Mixing
77
Gambar 5 Time Plot Mesin Extruding
Gambar 6 Time Plot Mesin Cutting
78
Gambar 7 Time Plot Mesin Building
Gambar 8 Time Plot Bagian Inspeksi
79
Gambar 9 Time Plot Material Handling (Conveyor 1, 2, dan 3)
Gambar 10 Entity State – Produk Jadi
Berdasarkan simulasi yang telah dilakukan maka didapatkan data sebagai

berikut :
a. Total exits = 77 (dalam 8 jam kerja dapat dihasilkan 76 ban)
b. Average time in system = 1,08 hr
c. Average time in operation = 0,78 hr
d. Dalam 8 jam kerja didapati mesin extruding beroperasi sebanyak 65,40%,
meisn cutting beroperasi 33,14%, mesin building beroperasi sebanyak
81,3%, dan inspeksi berlangsung 79,64% dari totoal waktu simulasi.
80
e. Waktu operasi material handling yaitu fork truck beroperasi 9,75% dari
waktu simulasi, AGV sebesar 5,78%, dan fork truck 2 selama 10,45%
dari total waktu simulasi.
81
BAB V
1.5 Kesimpulan
Praktikum ini bertujuan untuk memahami konsep ProModel, elemen-elemen
dalam ProModel, dan membuat Operational Process Chart (OPC) suatu sistem
manufaktur atau pelayanan. Praktikum ini melibatkan penggunaan software Promodel
untuk mensimulasikan dan menganalisis sistem produksi.
Beberapa kesimpulan yang dapat diambil dari laporan praktikum ini adalah:
1. Antrian adalah kondisi di mana waktu kedatangan pelanggan lebih besar daripada
waktu pelayanan. Contoh sederhana antrian adalah saat pembayaran pajak kendaraan
bermotor.
2. Sistem terdiri dari beberapa elemen yang saling berhubungan dan berinteraksi. Model
merupakan representasi yang disederhanakan dari sistem nyata.
3. Promodel adalah software simulasi yang digunakan untuk mensimulasikan dan
menganalisis sistem produksi.
4. Penggunaan Promodel memiliki beberapa keuntungan, antara lain mendeteksi
bottleneck, mengembangkan proses produksi yang efisien, mengurangi lead time,
meningkatkan utilisasi sumber daya, dan mengurangi penumpukan inventory.
2.5 Saran
Bertitik tolak dari kesimpulan di atas, penulis mengemukakan beberapa
saran sebagai berikut
1. Lebih rinci menjelaskan konsep ProModel, seperti bagaimana software ini bekerja
dan apa kegunaannya dalam analisis sistem produksi.
2. Memberikan contoh simulasi yang lebih terperinci menggunakan Promodel, termasuk
langkah-langkah yang diambil dalam membuat model, menjalankan simulasi, dan
menginterpretasikan hasil laporan.
3. Menambahkan referensi atau sumber daya tambahan untuk mahasiswa yang ingin
memperdalam pengetahuan tentang ProModel dan simulasi system.
82
DAFTAR PUSTAKA
Caro, F., García‐Sánchez, A., & Gutiérrez, E. (2014). Simulation modelling in supply chain management:
A literature review. Journal of Simulation, 8(1), 5-16.
Purwanto, B. H., & Pramono, S. (2019). Time Series Analysis dan Peramalan. Graha Ilmu.
Pardede, E. (2017). Peramalan Bisnis: Konsep dan Aplikasi dengan Menggunakan Excel dan Minitab.
PT Refika Aditama.
Wisnumurti, A. (2010). Analisis dan Perancangan Sistem Perencanaan dan Pengendalian Distribusi
Menggunakan Distribution Requirement Planning (DRP). Jurnal Manajemen dan
Kewirausahaan, 12(1), 16-24.
Sarwono, J. (2013). Supply Chain Management: Konsep dan Aplikasi Distribution Requirement
Planning (DRP) dan Vendor Managed Inventory (VMI). Graha Ilmu.
Gaspersz, V. (2012). Distribution Requirement Planning (DRP): Alat Manajemen Untuk Mengelola
Rantai Pasokan. PT Gramedia Pustaka Utama.
Vollmann, T., Berry, W. L., Whybark, D. C., & Jacobs, F. R. (2017). Manufacturing Planning and
Control for Supply Chain Management. McGraw-Hill Education.
Purnamasari, L., & Wulandari, D. (2020). Analisis Implementasi Distribution Requirement Planning
(DRP) pada Perusahaan Distributor di Indonesia. Jurnal Riset Manajemen Sains Indonesia,
11(2), 161-173.
Silver, E. A., & Peterson, R. (1985). Decision systems for inventory management and production
planning. John Wiley & Sons.
Nahmias, S. (1991). Perishable inventory theory: A review. Operations research, 39(3), 361-384.
Hutapea, P., Simanjuntak, M., & Khasanah, I. (2020). Analisis dan Perbaikan Proses Material
Requirement Planning (MRP) di Industri Alat Kesehatan PT X. Jurnal Ilmiah Teknik Industri,
19(2), 149-158.
Arifin, M., Siregar, M. A., & Azis, Y. A. (2017). Perancangan Sistem Produksi Menggunakan Software
ProModel di PT. Putra Bangunan Mulia. Jurnal Optimasi Sistem Industri, 16(1), 13-20.
Rofiqoh, N., & Wicaksono, A. (2019). Simulasi Produksi Pada Proses Pembuatan Gula Pasir dengan
Menggunakan ProModel. Jurnal Optimasi Sistem Industri, 18(2), 51-59.
Chang, S. Y., Hsu, L. C., & Jheng, J. F. (2014). Simulation-based production planning and control for
TFT-LCD manufacturing. Computers & Industrial Engineering, 73, 140-149.
Lampiran 1 Tugas Individu Aryo Gusman

A. Tugas Forecasting
a. Metode Forecasting
1. Moving Average
83
 Produk A
Details and Error Analysis Data A
Graph A
Control (Tracking Signal) Data A
Forecasting Results Data A
84
Hasil Data Produk A
Hasil Data Produk B
85
Hasil Data Produk C
Hasil Data Produk D
86
Hasil Data Produk E
b. Exponential Smoothing
Data A
87
Graph A
88
89
90
c. Linear Trend Line Model

Data A
91
Graph A
92
93
94
c. Berdasarkan hasil data permintaan yang telah dilakukan, kita dapat memilih hasil
permintaan terbaik berdasarkan nilai Standar Error
95
A 24,34068 18,64284 17,03982
B 30,83525 23,3714 20,52663
C 26,66576 50,69298 19,24142
D 18,02429 15,87101 13,83274
E 14,13772 25,82204 10,72275
Tabel 1.1 Rangkuman Nilai SE dari ketiga metode
Jadi yang dapat kita simpulkan, semakin kecil nilai SE maka akan mendekati
peramalan yang akurat. Berdasarkan hal tersebut, maka hasil peramalan dengan
menggunakan metode “Linear Trend Line Model” paling optimal dalam kasus
forecasting produk Hand Sanitizer.
Berikut adalah tabel dari hasil peramalan yang telah dilakukan:

Produk
Tahun Bulan
A B C D E
Januari 94,98718 77,07692 72,9359 89,85897 79
Februari 94,32284 77,97203 74,88695 89,96037 80,68182
Maret 93,65851 78,86713 76,838 90,06177 82,36364
April 92,99417 79,76224 78,78904 90,16317 84,04545
Mei 92,32984 80,65734 80,74009 90,26457 85,72727
Juni 91,6655 81,55245 82,69114 90,36597 87,40909
2021
Juli 91,00117 82,44755 84,64219 90,46737 89,09091
Agustus 90,33683 83,34266 86,59324 90,56876 90,77273
September 89,67249 84,23776 88,54429 90,67016 92,45455
Oktober 89,00816 85,13287 90,49534 90,77156 94,13636
November 88,34382 86,02797 92,44639 90,87296 95,81818
Desember 87,67949 86,92308 94,39744 90,97436 97,5
Tabel 1.2 Data Peramalan Permintaan Produk Hand Sanitizer Tahun 2022
B. Tugas DRP
Soal:
Buatlah Di Indonesia terdapat sebuah perusahaan yang memproduksi minuman dalam
kemasan yaitu perusahaan DrinkIn yang berlokasi di Jakarta dengan nama brand
Nyegerin. Tingkat permintaan produk Nyegerin sudah beredar di pasaran Indonesia.
Terdapat 5 buah agen distribusi di Jakarta yaitu agen distribusi A (Kemang), B
(Senayan), C (Cawang), D (Jatinegara), dan E (Menteng). Untuk agen distribusi C dan D
disupply oleh gudang distribusi I yang berada di daerah Jakarta Timur, untuk agen
96
distribusi A dan B mendapat supply dari gudang distribusi II yang berada di daerah
Jakarta Selatan, sedangkan untuk agen distribusi E langsung disupply dari pabrik.
Waktu pengiriman ke gudang distribusi I dan ke agen distribusi D dan E selama 2 bulan.
Sedangkan lainnya memiliki waktu 1 bulan. Pabrik Nyegerin sendiri memiliki waktu lead
time selama 1 bulan. Gambarkan dan petakan jalur distribusi Pabrik Nyegerin, serta cari
rencana pasokan dan POR Pabrik Nyegerin.
A B C D E GD I GD II PABRIK
LIHAT DATA FORECAST DEMAND DI
Demand
TUGAS 1
IOH 74 150 100 100 200 80 94 5
IOO 20 20 54 39 15 54 35
Waktu
Kedatan
2&6 3&5 1 2&4 1&4 3&4 2&3
gan IOO
(bulan)
Lead Time Forecast Demand (pcs/periode)

Subject Inventory On Hand Inventory On Order
(bulan) 1 2 3 4 5 6 7 8 9 10 11 12
Pabrik 5 0 1
Gudang Distribusi I 80 54 2
Gudang Distribusi II 94 35 1
C 100 54 1 73 75 77 79 81 83 85 87 89 90 92 94
D 100 39 2 90 90 90 90 90 90 90 91 91 91 91 91
A 74 20 1 95 94 94 93 92 92 91 90 90 89 88 88
B 150 20 1 77 78 79 80 81 82 82 83 84 85 86 87
E 200 15 2 79 81 82 84 86 87 89 91 92 94 96 98
97
Lead Time 1 Bulan
Lead Time 1 Bulan AGEN C
On Hand 100
On Hand 100
73 75 77 79 81 83 85 87 89 90 92 94 1,005
54 54
100 81 6 187
Net Requirement -71 -79 -81 -83 -85 -87 -89 -90 -92 -94 -851
-71 -79 -81 -83 -85 -87 -89 -90 -92 -94 -851
Plant Order Release 71 79 81 83 85 87 89 90 92 94 851
71 79 81 83 85 87 89 90 92 94 851
Lead Time 2 Bulan

Lead Time 2 Bulan AGEN D
On Hand 100
On Hand 100
90 90 90 90 90 90 90 91 91 91 91 91 1,085
39 39 78
100 10 110
Net Requirement -41 -90 -51 -90 -90 -90 -91 -91 -91 -91 -91 -907
-41 -90 -51 -90 -90 -90 -91 -91 -91 -91 -91 -907
41 90 51 90 90 90 91 91 91 91 91 907
Lead Time 2 Bulan

Lead Time
On Hand
2 Bulan
80
GUDANG DISTRIBUSI I
On Hand 80
GR C 71 79 81 83 85 87 89 90 92 94 851
71 79 81 83 85 87 89 90 92 94 851
GR D 41 90 51 90 90 90 91 91 91 91 91 907
41 90 51 90 90 90 91 91 91 91 91 907
41 90 122 169 171 173 176 178 180 181 183 94 1,758
54 54 108
80 39 119
Net Requirement , -51 -122 -115 -117 -173 -176 -178 -180 -181 -183 -94 -1,570
, -51 -122 -115 -117 -173 -176 -178 -180 -181 -183 -94 -1,570
51 122 115 117 173 176 178 180 181 183 94 1,570
Lead Time 1 Bulan

Lead Time 1 Bulan AGEN A
On Hand 74
On Hand 74
95 94 94 93 92 92 91 90 90 89 88 88 1,096
20 20 40
74 74
Net Requirement -21 -74 -94 -93 -92 -72 -91 -90 -90 -89 -88 -88 -982
-21 -74 -94 -93 -92 -72 -91 -90 -90 -89 -88 -88 -982
21 74 94 93 92 72 91 90 90 89 88 88 982
Lead Time 1 Bulan

Lead Time
On Hand
1 Bulan
150
AGEN B
On Hand 150
77 78 79 80 81 82 82 83 84 85 86 87 984
20 20 40
150 73 223
Net Requirement -5 -59 -80 -61 -82 -82 -83 -84 -85 -86 -87 -794
-5 -59 -80 -61 -82 -82 -83 -84 -85 -86 -87 -794
5 59 80 61 82 82 83 84 85 86 87 794
Lead Time 1 Bulan

Lead Time 1 Bulan
On Hand 94 GUDANG DISTRIBUSI II
On Hand 94
21 74 94 93 92 72 91 90 90 89 88 88 982
GR A 21 74 94 93 92 72 91 90 90 89 88 88 982
GR B 5 59 80 61 82 82 83 84 85 86 87 794
5 59 80 61 82 82 83 84 85 86 87 794
21 79 153 173 153 154 173 173 174 174 174 175 1,776
35 35 70
94 73 167
Net Requirement -6 -118 -138 -153 -154 -173 -173 -174 -174 -174 -175 -1,612
-6 -118 -138 -153 -154 -173 -173 -174 -174 -174 -175 -1,612
6 118 138 153 154 173 173 174 174 174 175 1,612
Lead Time 2 Bulan

Lead Time 2 Bulan
On Hand
On Hand
200
200
AGEN E
79 81 82 84 86 87 89 91 92 94 96 98 1,059
15 15 30
200 136 55 391
Net Requirement -27 -69 -86 -87 -89 -91 -92 -94 -96 -98 -829
-27 -69 -86 -87 -89 -91 -92 -94 -96 -98 -829
27 69 86 87 89 91 92 94 96 98 829
Lead Time 1 Bulan

Lead Time 1 Bulan
On Hand
On Hand 5 PABRIK
5
51 122 115 117 173 176 178 180 181 183 94 1,570
6 118 138 153 154 173 173 174 174 174 175 1,612
51 128 233 255 326 330 351 353 355 357 268 175 3,182
Inventory On Order
5 5
Net Requirement -46 -128 -233 -255 -326 -330 -351 -353 -355 -357 -268 -175 -3,177
-46 -128 -233 -255 -326 -330 -351 -353 -355 -357 -268 -175 -3,177
46 128 233 255 326 330 351 353 355 357 268 175 3,177
C. Tugas Bill of Material
98
KarDAr adalah suatu Home Industri yang memproduksi sebuah jamu herbal yang
memiliki merek “Jamu Sehat Perkasa”. Untuk membuat jamu herbal ini dibutuhkan
kemasan dalam, kemasan luar & isi. Kemasan luar dan dalam diperoleh dari membeli
langsung ke supplier. Isi 1 sachet produk jamu terdiri dari 0,7 Gr ketumbar, 0,7 Gr
cabe jawa, 1,05 Gr jahe, 0,7 Gr lempuyangan wangi, 1,4 Gr kunyit, 1,05 Gr kencur, &
1,4 Gr temulawak.
99
Lampiran 2 Tugas Individu Kurniati
1. Moving Average
 Produk A
 Produk B
10
0
 Produk C
 Produk D
10
1
 Produk E
2. Exponential Smoothing
Produk A
10
2
Produk B
Produk C
10
3
Produk D
 Produk E
10
4
3. Linear Trend Line Model
Produk A
10
5
Produk B
Produk C
10
6
Produk D
Produk E
10
7
b. Berdasarkan hasil data permintaan yang telah dilakukan, kita dapat memilih hasil
permintaan terbaik berdasarkan nilai Standar Error

A 24,34 18,64 17,05
B 30,84 23,37 20,54
C 26,69 50,69 19,24
D 18,02 15,87 13,83
E 14,15 25,82 10,72
Semakin kecil nilai SE maka akan mendekati peramalan yang akurat. Berdasarkan hal
tersebut, maka hasil peramalan dengan menggunakan metode “Linear Trend Line
Model” paling optimal dalam kasus forecasting produk Hand Sanitizer.

PRODUK
Tahun Bulan
A B C D E
Januari 95 75 44 85 69
2020
Februari 100 95 75 85 100
10
8
Maret 90 75 100 95 90
April 65 75 80 85 65
Mei 96 100 90 80 90
Juni 100 29 90 95 85
Juli 95 90 95 105 90
Agustus 110 100 95 106 85
September 85 95 80 95 100
Oktober 100 70 49 105 85
November 106 85 106 59 95
Desember 54 95 100 90 105
B. Tugas DRP

(bulan) 1 2 3 4 5 6 7 8 9 10 11 12
Pabrik 5 0 1
A 64 20 1 95 100 90 65 96 100 95 110 85 100 106 54
B 150 20 1 75 95 75 75 100 29 90 100 95 70 85 95
C 100 44 1 44 75 100 80 90 90 95 95 80 49 106 100
D 100 29 2 85 85 95 85 80 95 105 106 95 105 59 90
E 200 15 2 69 100 90 65 90 85 90 85 100 85 95 105
10
9
LeadTime
Lead Time
11
Agent C
OnHand
On Hand
100
100

LotSize
Lot Size LFL
LFL -4-4 -3-3 -2-2 -1-1 11 22 33 44 55 66 77 88 99 1010 1111 1212 Total
Total
Gross Requirement 4444 7575 100
100 8080 9090 9090 9595 9595 8080 4949 106
106 100
100 1,004
1,004
Inventory On Hand 100
100 100
100 2525 225
225
Net Requirement -75
-75 -80
-80 -90
-90 -90
-90 -95
-95 -95
-95 -80
-80 -49
-49 -106
-106 -100
-100 -860
-860
Plant Order Release 7575 8080 9090 9090 9595 9595 8080 4949 106
106 100
100 860
860
LeadTime
Lead Time 22
OnHand
On Hand 100
100
Agent D
LotSize
Lot Size LFL
LFL -4-4 -3-3 -2-2 -1-1 11 22 33 44 55 66 77 88 99 1010 1111 1212 Total
Total
Gross Requirement 8585 8585 9595 8585 8080 9595 105
105 106
106 9595 105
105 5959 9090 1,085
1,085
100 1515 115
115
Net Requirement -41
-41 -56
-56 -56
-56 -80
-80 -95
-95 -105
-105 -106
-106 -95
-95 -105
-105 -59
-59 -90
-90 -888
-888
Plant Order Release 4141 5656 5656 8080 9595 105
105 106
106 9595 105
105 5959 9090 888
888
LeadTime
Lead Time 22
OnHand
On Hand 8080
Gudang Distribusi 1
LotSize
Lot Size LFL
LFL -4-4 -3-3 -2-2 -1-1 11 22 33 44 55 66 77 88 99 1010 1111 1212 Total
Total
GR C 00 7575 8080 9090 9090 9595 9595 8080 4949 106
106 100
100 00 860
860
GR D 4141 5656 5656 8080 9595 105
105 106
106 9595 105
105 5959 9090 00 00 888
888
Total Gross Requirement 4141 5656 131
131 160
160 185
185 195
195 201
201 190
190 185
185 108
108 196
196 100
100 00 1,748
1,748
119
Net Requirement -17
-17 -131
-131 -116
-116 -141
-141 -195
-195 -201
-201 -190
-190 -185
-185 -108
-108 -196
-196 -100
-100 00 -1,580
-1,580
Plant Order Release 1717 131
131 116
116 141
141 195
195 201
201 190
190 185
185 108
108 196
196 100
100 00 00 00 1,580
1,580
LeadTime
Lead Time 11
OnHand
On Hand 6464
Agent A
LotSize
Lot Size LFL
LFL -4-4 -3-3 -2-2 -1-1 11 22 33 44 55 66 77 88 99 1010 1111 1212 Total
Total
Gross Requirement 9595 100
100 9090 6565 9696 100
100 9595 110
110 8585 100
100 106
106 5454 1,096
1,096
144
Net Requirement -31
-31 -10
-10 -65
-65 -96
-96 -80
-80 -95
-95 -110
-110 -85
-85 -100
-100 -106
-106 -54
-54 -832
-832
Plant Order Release 3131 00 1010 6565 9696 8080 9595 110
110 8585 100
100 106
106 5454 00 832
832
LeadTime
Lead Time 11
OnHand
On Hand 150
150
Agent B
LotSize
Lot Size LFL
LFL -4-4 -3-3 -2-2 -1-1 11 22 33 44 55 66 77 88 99 1010 1111 1212 Total
Total
Gross Requirement 7575 9595 7575 7575 100
100 2929 9090 100
100 9595 7070 8585 9595 984
984
150 7575 225
225
Net Requirement -20 -55
-55 -75
-75 -80
-80 -29
-29 -90
-90 -100
-100 -95
-95 -70
-70 -85
-85 -95
-95 -794
-20 -794
Plant Order Release 2020 5555 7575 8080 2929 9090 100
100 9595 7070 8585 9595 00 794
794
LeadTime
Lead Time 11
OnHand
On Hand 8484
Gudang Distribusi 2
LotSize
Lot Size LFL
LFL -4-4 -3-3 -2-2 -1-1 11 22 33 44 55 66 77 88 99 1010 1111 1212 Total
Total
GR A 3131 00 1010 6565 9696 8080 9595 110
110 8585 100
100 106
106 5454 00 832
832
GR B 2020 5555 7575 8080 2929 9090 100
100 9595 7070 8585 9595 00 794
794
1626
Total Gross Requirement 3131 2020 6565 140
140 176
176 109
109 185
185 210
210 180
180 170
170 191
191 149
149 00 1626
173
Inventory On Hand 8484 5353 3333 33 173
-102 -176 -109 -185 -210 -180 -170 -191 -149 -1472
Net Requirement -102 -176 -109 -185 -210 -180 -170 -191 -149 00 -1472
102 176 109 185 210 180 170 191 149 1472
LeadTime
Lead Time 22
OnHand
Hand 200
Agent E
On 200
LotSize
Lot Size LFL
LFL -4-4 -3-3 -2-2 -1-1 11 22 33 44 55 66 77 88 99 1010 1111 1212 Total
Total
100 9090 6565 9090 8585 9090 8585 100
100 8585 9595 105
105 1,059
1,059
Net Requirement -44 -50 -90 -85 -90 -85 -100 -85 -95 -105 -829
LeadTime
Lead Time 11
OnHand
Hand
Pabrik (DrinkIn)
On 55
Lot Size
Lot Size LFL
LFL -4-4 -3-3 -2-2 -1-1 11 22 33 44 55 66 77 88 99 1010 1111 1212 Total
Total
Gudang Distribusi I 1717 131
131 116
116 141
141 195
195 201
201 190
190 185
185 108
108 196
196 100
100 00 00 00 1,580
1,580
Gudang Distribusi II 102
102 176
176 109
109 185
185 210
210 180
180 170
170 191
191 149
149 00 00 1,472
1,472
Agen E 4444 5050 9090 8585 9090 8585 100
100 8585 9595 105
105 00 00 829
829
Total Gross Requirement 1717 131
131 160
160 293
293 461
461 395
395 465
465 480
480 388
388 451
451 386
386 254
254 00 00 3,881
3,881
Net Requirement -12
-12 -131
-131 -160
-160 -293
-293 -461
-461 -395
-395 -465
-465 -480
-480 -388
-388 -451
-451 -386
-386 -254
-254 00 00 -3,876
-3,876
Plant Order Release 1212 131
131 160
160 293
293 461
461 395
395 465
465 480
480 388
388 451
451 386
386 254
254 00 00 00 3,876
3,876
BILL OF MATERIAL KURSI

11
0
KURSI
1 Buah
Kayu Kain atau Busa

4 Batang Kulit Sintetis 1 Lembar
2 Meter persegi
Sekrup Paku Kain Pelapis Lem Kayu

10 Buah 1 meter 1 Botol
20 Buah
Berikut adalah contoh Bill of Materials (BOM) untuk sebuah kursi beserta detail
jumlahnya.
Lampiran 3 Tugas Individu Luky Puspasari

1. Moving Average
11
1
 Produk A
11
2
Produk A

Data Error analysis

January 95
February 100
March 90 97.5 -7.5 7.5 56.25 0.083333
April 61 95 -34 34 1156 0.557377
May 96 75.5 20.5 20.5 420.25 0.213542
June 100 78.5 21.5 21.5 462.25 0.215
July 95 98 -3 3 9 0.031579
August 110 97.5 12.5 12.5 156.25 0.113636
September 81 102.5 -21.5 21.5 462.25 0.265432
October 100 95.5 4.5 4.5 20.25 0.045
November 106 90.5 15.5 15.5 240.25 0.146226
December 50 103 -53 53 2809 1.06
Total -44.5 193.5 5791.75 2.731126
Average -4.45 19.35 579.175 0.273113
Bias MAD MSE MAPE
SE 26.90667
Next period 78
Produk B
11
3
11
4
Data Error analysis

January 75
February 95
March 71 85 -14 14 196 0.197183
April 75 83 -8 8 64 0.106667
May 100 73 27 27 729 0.27
June 25 87.5 -62.5 62.5 3906.25 2.5
July 90 62.5 27.5 27.5 756.25 0.305556
August 100 57.5 42.5 42.5 1806.25 0.425
September 95 95 0 0 0 0
October 70 97.5 -27.5 27.5 756.25 0.392857
November 85 82.5 2.5 2.5 6.25 0.029412
December 91 77.5 13.5 13.5 182.25 0.148352
Total 1 225 8402.5 4.375026
Average 0.1 22.5 840.25 0.437503
Bias MAD MSE MAPE
SE 32.40853
Next period 88
Produk C
11
5
11
6
Data Error analysis

January 40
February 75
March 100 57.5 42.5 42.5 1806.25 0.425
April 80 87.5 -7.5 7.5 56.25 0.09375
May 90 90 0 0 0 0
June 90 85 5 5 25 0.055556
July 95 90 5 5 25 0.052632
August 91 92.5 -1.5 1.5 2.25 0.016484
September 80 93 -13 13 169 0.1625
October 45 85.5 -40.5 40.5 1640.25 0.9
November 106 62.5 43.5 43.5 1892.25 0.410377
December 100 75.5 24.5 24.5 600.25 0.245
Total 58 183 6216.5 2.361298
Average 5.8 18.3 621.65 0.23613
Bias MAD MSE MAPE
SE 27.87584
Next period 103
Produk D
11
7
11
8
Data Error analysis

January 85
February 81
March 95 83 12 12 144 0.126316
April 85 88 -3 3 9 0.035294
May 80 90 -10 10 100 0.125
June 95 82.5 12.5 12.5 156.25 0.131579
July 101 87.5 13.5 13.5 182.25 0.133663
August 106 98 8 8 64 0.075472
September 95 103.5 -8.5 8.5 72.25 0.089474
October 105 100.5 4.5 4.5 20.25 0.042857
November 55 100 -45 45 2025 0.818182
December 90 80 10 10 100 0.111111
Total -6 127 2873 1.688948
Average -0.6 12.7 287.3 0.168895
Bias MAD MSE MAPE
SE 18.95059
Next period 72.5
Produk E
11
9
12
0
Data Error analysis

January 65
February 100
March 90 82.5 7.5 7.5 56.25 0.083333
April 65 95 -30 30 900 0.461538
May 90 77.5 12.5 12.5 156.25 0.138889
June 81 77.5 3.5 3.5 12.25 0.04321
July 90 85.5 4.5 4.5 20.25 0.05
August 85 85.5 -0.5 0.5 0.25 0.005882
September 100 87.5 12.5 12.5 156.25 0.125
October 85 92.5 -7.5 7.5 56.25 0.088235
November 95 92.5 2.5 2.5 6.25 0.026316
December 101 90 11 11 121 0.108911
Total 16 92 1485 1.131315
Average 1.6 9.2 148.5 0.113131
Bias MAD MSE MAPE
SE 13.62443
Next period 98
2. Exponenssial Smothing
Produk A
12
1
12
2
Alpha 0.5
Data Error Analysis
January 95 95
February 100 95 5 5 25 0.05
March 90 97.5 -7.5 7.5 56.25 0.083333
April 61 93.75 -32.75 32.75 1072.563 0.536885
May 96 77.375 18.625 18.625 346.8906 0.19401
June 100 86.6875 13.3125 13.3125 177.2227 0.133125
July 95 93.34375 1.65625 1.65625 2.743164 0.017434
August 110 94.17188 15.82813 15.82813 250.5295 0.143892
September 81 102.0859 -21.0859 21.08594 444.6168 0.26032
October 100 91.54297 8.457031 8.457031 71.52138 0.08457
November 106 95.77148 10.22852 10.22852 104.6225 0.096495
December 50 100.8857 -50.8857 50.88574 2589.359 1.017715
Total -39.1143 185.3291 5141.318 2.617781
Average -3.55584 16.8481 467.3925 0.23798
Bias MAD MSE MAPE
SE 23.90099
Produk B
12
3
12
4
Alpha 0.5
Data Error Analysis
January 75 75
February 95 75 20 20 400 0.210526
March 71 85 -14 14 196 0.197183
April 75 78 -3 3 9 0.04
May 100 76.5 23.5 23.5 552.25 0.235
June 25 88.25 -63.25 63.25 4000.563 2.53
July 90 56.625 33.375 33.375 1113.891 0.370833
August 100 73.3125 26.6875 26.6875 712.2227 0.266875
September 95 86.65625 8.34375 8.34375 69.61816 0.087829
October 70 90.82813 -20.8281 20.82813 433.8108 0.297545
November 85 80.41406 4.585938 4.585938 21.03082 0.053952
December 91 82.70703 8.292969 8.292969 68.77333 0.091132
Total 23.70703 225.8633 7577.159 4.380875
Average 2.155185 20.53303 688.8326 0.398261
Bias MAD MSE MAPE
SE 29.01563
Produk C
12
5
12
6
Alpha 0.5
Data Error Analysis
January 40 40
February 75 40 35 35 1225 0.466667
March 100 57.5 42.5 42.5 1806.25 0.425
April 80 78.75 1.25 1.25 1.5625 0.015625
May 90 79.375 10.625 10.625 112.8906 0.118056
June 90 84.6875 5.3125 5.3125 28.22266 0.059028
July 95 87.34375 7.65625 7.65625 58.61816 0.080592
August 91 91.17188 -0.17188 0.171875 0.029541 0.001889
September 80 91.08594 -11.0859 11.08594 122.898 0.138574
October 45 85.54297 -40.543 40.54297 1643.732 0.900955
November 106 65.27148 40.72852 40.72852 1658.812 0.384231
December 100 85.63574 14.36426 14.36426 206.3319 0.143643
Total 105.6357 209.2373 6864.348 2.734259
Average 9.603249 19.02157 624.0316 0.248569
Bias MAD MSE MAPE
SE 27.61712
Produk D
12
7
12
8
Alpha 0.5
Data Error Analysis
January 85 85
February 81 85 -4 4 16 0.049383
March 95 83 12 12 144 0.126316
April 85 89 -4 4 16 0.047059
May 80 87 -7 7 49 0.0875
June 95 83.5 11.5 11.5 132.25 0.121053
July 101 89.25 11.75 11.75 138.0625 0.116337
August 106 95.125 10.875 10.875 118.2656 0.102594
September 95 100.5625 -5.5625 5.5625 30.94141 0.058553
October 105 97.78125 7.21875 7.21875 52.11035 0.06875
November 55 101.3906 -46.3906 46.39063 2152.09 0.843466
December 90 78.19531 11.80469 11.80469 139.3506 0.131163
Total -1.80469 132.1016 2988.071 1.752173
Average -0.16406 12.00923 271.6428 0.159288
Bias MAD MSE MAPE
SE 18.22108
Produk E
12
9
13
0
Alpha 0.5
Data Error Analysis
January 65 65
February 100 65 35 35 1225 0.35
March 90 82.5 7.5 7.5 56.25 0.083333
April 65 86.25 -21.25 21.25 451.5625 0.326923
May 90 75.625 14.375 14.375 206.6406 0.159722
June 81 82.8125 -1.8125 1.8125 3.285156 0.022377
July 90 81.90625 8.09375 8.09375 65.50879 0.089931
August 85 85.95313 -0.95313 0.953125 0.908447 0.011213
September 100 85.47656 14.52344 14.52344 210.9302 0.145234
October 85 92.73828 -7.73828 7.738281 59.881 0.091039
November 95 88.86914 6.130859 6.130859 37.58744 0.064535
December 101 91.93457 9.06543 9.06543 82.18202 0.089757
Total 62.93457 126.4424 2399.736 1.434064
Average 5.721325 11.49476 218.1578 0.130369
Bias MAD MSE MAPE
SE 16.32903

Produk A
13
1
13
2
Forecasting Regression/Trend analysis
Data Error analysis

Period Demand (y) Period(x) Forecast Error Absolute Squared |% Error|
January 95 1 94.83333 0.166667 0.166667 0.027778 0.001754
February 100 2 94.01515 5.984848 5.984848 35.81841 0.059848
March 90 3 93.19697 -3.19697 3.19697 10.22062 0.035522
April 61 4 92.37879 -31.3788 31.37879 984.6283 0.514406
May 96 5 91.56061 4.439394 4.439394 19.70822 0.046244
June 100 6 90.74242 9.257576 9.257576 85.70271 0.092576
July 95 7 89.92424 5.075758 5.075758 25.76331 0.053429
August 110 8 89.10606 20.89394 20.89394 436.5567 0.189945
September 81 9 88.28788 -7.28788 7.287879 53.11318 0.089974
October 100 10 87.4697 12.5303 12.5303 157.0085 0.125303
November 106 11 86.65152 19.34848 19.34848 374.3639 0.182533
December 50 12 85.83333 -35.8333 35.83333 1284.028 0.716667
Total 1.14E-13 155.3939 3466.939 2.108201
Intercept 95.6515152 Average 9.47E-15 12.94949 288.9116 0.175683
Slope -0.8181818 Bias MAD MSE MAPE
SE 18.61972
Next period 85.0151515 13
Correlation -0.16392
Produk B
13
3
13
4
Data Error analysis

Period Demand (y)Period(x) Forecast Error Absolute Squared |% Error|
January 75 1 76.30769 -1.30769 1.307692 1.710059 0.017436
February 95 2 77.16084 17.83916 17.83916 318.2357 0.187781
March 71 3 78.01399 -7.01399 7.013986 49.196 0.098789
April 75 4 78.86713 -3.86713 3.867133 14.95472 0.051562
May 100 5 79.72028 20.27972 20.27972 411.2671 0.202797
June 25 6 80.57343 -55.5734 55.57343 3088.406 2.222937
July 90 7 81.42657 8.573427 8.573427 73.50364 0.09526
August 100 8 82.27972 17.72028 17.72028 314.0083 0.177203
September 95 9 83.13287 11.86713 11.86713 140.8288 0.124917
October 70 10 83.98601 -13.986 13.98601 195.6086 0.1998
November 85 11 84.83916 0.160839 0.160839 0.025869 0.001892
December 91 12 85.69231 5.307692 5.307692 28.1716 0.058326
Total 0 163.4965 4635.916 3.4387
Intercept 75.45455 Average 0 13.62471 386.3263 0.286558
Slope 0.853147 Bias MAD MSE MAPE
SE 21.53118
Next period86.54545 13
Correlation0.148184
Produk C
13
5
13
6
Data Error analysis

January 40 1 71.85897 -31.859 31.85897 1014.994 0.796474
February 75 2 73.82401 1.175991 1.175991 1.382954 0.01568
March 100 3 75.78904 24.21096 24.21096 586.1704 0.24211
April 80 4 77.75408 2.245921 2.245921 5.04416 0.028074
May 90 5 79.71911 10.28089 10.28089 105.6966 0.114232
June 90 6 81.68415 8.315851 8.315851 69.15337 0.092398
July 95 7 83.64918 11.35082 11.35082 128.841 0.119482
August 91 8 85.61422 5.385781 5.385781 29.00664 0.059184
September 80 9 87.57925 -7.57925 7.579254 57.44509 0.094741
October 45 10 89.54429 -44.5443 44.54429 1984.194 0.989873
November 106 11 91.50932 14.49068 14.49068 209.9797 0.136704
December 100 12 93.47436 6.525641 6.525641 42.58399 0.065256
Total -1.4E-13 167.965 4234.492 2.75421
Intercept 69.8939394 Average -1.2E-14 13.99709 352.8743 0.229517
SE 20.57788
Correlation0.339642
Produk D
13
7
13
8
Data Error analysis

January 85 1 88.9359 -3.9359 3.935897 15.49129 0.046305
February 81 2 89.02331 -8.02331 8.02331 64.3735 0.099053
March 95 3 89.11072 5.889277 5.889277 34.68359 0.061992
April 85 4 89.19814 -4.19814 4.198135 17.62434 0.04939
May 80 5 89.28555 -9.28555 9.285548 86.2214 0.116069
June 95 6 89.37296 5.62704 5.62704 31.66357 0.059232
July 101 7 89.46037 11.53963 11.53963 133.163 0.114254
August 106 8 89.54779 16.45221 16.45221 270.6754 0.15521
September 95 9 89.6352 5.364802 5.364802 28.7811 0.056472
October 105 10 89.72261 15.27739 15.27739 233.3986 0.145499
November 55 11 89.81002 -34.81 34.81002 1211.738 0.63291
December 90 12 89.89744 0.102564 0.102564 0.010519 0.00114
Total -9.9E-14 120.5058 2127.824 1.537524
Intercept 88.8484848 Average -8.3E-15 10.04215 177.3187 0.128127
SE 14.58706
Correlation0.022655
Produk E
13
9
14
0
Data Error analysis

January 65 1 77.92308 -12.9231 12.92308 167.0059 0.198817
February 100 2 79.61888 20.38112 20.38112 415.39 0.203811
March 90 3 81.31469 8.685315 8.685315 75.43469 0.096503
April 65 4 83.01049 -18.0105 18.01049 324.3777 0.277084
May 90 5 84.70629 5.293706 5.293706 28.02333 0.058819
June 81 6 86.4021 -5.4021 5.402098 29.18266 0.066693
July 90 7 88.0979 1.902098 1.902098 3.617976 0.021134
August 85 8 89.79371 -4.79371 4.793706 22.97962 0.056397
September 100 9 91.48951 8.51049 8.51049 72.42843 0.085105
October 85 10 93.18531 -8.18531 8.185315 66.99938 0.096298
November 95 11 94.88112 0.118881 0.118881 0.014133 0.001251
December 101 12 96.57692 4.423077 4.423077 19.56361 0.043793
Total 7.11E-14 98.62937 1225.017 1.205705
Intercept 76.2272727 Average 5.92E-15 8.219114 102.0848 0.100475
SE 11.06805
Correlation0.501324
b. Berdasarkan hasil data permintaan yang telah dilakukan, kita dapat memilih hasil
permintaan terbaik berdasarkan nilai Standar Error.
14
1
A 26,91 23,90 18,62
B 32,41 29,02 21,53
C 27,88 27,62 20,58
D 18,95 18,22 14,59
E 13,62 16,33 11,07
tersebut, maka hasil peramalan dengan menggunakan metode “Linear Trend Line”
Model paling optimal dalam kasus forecasting produk Hand Sanitizer.

Produk
Tahun Bulan
A B C D E
Januari 85 87 95 90 98
Februari 84 87 97 90 100
Maret 83 88 99 90 102
April 83 89 101 90 103
Mei 82 90 103 90 105
Juni 81 91 105 90 107
2021
Juli 80 92 107 91 108
Agustus 79 93 109 91 110
September 79 93 111 91 112
Oktober 78 94 113 91 114
November 77 95 115 91 115
Desember 76 96 117 91 117
B. Tugas DRP
14
2
(bulan) 1 2 3 4 5 6 7 8 9 10 11 12
Pabrik 5 0 1
A 50 20 1 85 84 83 83 82 81 80 79 79 78 77 76
B 150 20 1 87 87 88 89 90 91 92 93 93 94 95 96
C 100 30 1 95 97 99 101 103 105 107 109 111 113 115 117
D 100 15 2 90 90 90 90 90 90 91 91 91 91 91 91
E 200 15 2 98 100 102 103 105 107 108 110 112 114 115 117
Lead Time 1
Lead Time
On Hand 1
100
On Hand 100
AGEN C
Safety
Lot Stock
Size LFL -4 -3 -2 -1 1 2 3 4 Time
5 Period6 7 8 9 10 11 12 Total
Lot Size LFL -4 -3 -2 -1 1
95 2
97 3
99 4
101 5
103 6
105 7
107 8
109 9
111 10
113 11
115 12
117 Total
1,272
30 30
35 30
135
Inventory On Hand 100 35 -62 -99 -101 -103 -105 -107 -109 -111 -113 -115 -117 135
-1,142
Net Requirement 62 -62
99 -99
101 -101
103 -103
105 -105
107 -107
109 -109
111 -111
113 -113
115 -115
117 -117 -1,142
1,142
Lead Time 2
Lead
On Time
Hand 2
100
On Hand 100
AGEN D
Safety
Lot Stock
Size LFL -4 -3 -2 -1 1 2 3 4 Time
5 Period6 7 8 9 10 11 12 Total
Lot Size LFL -4 -3 -2 -1 1
90 2
90 3
90 4
90 5
90 6
90 7
91 8
91 9
91 10
91 11
91 12
91 Total
1,086
15 90 90
15 90 90 91 91 91 91 91 91 1,086
30
Inventory On Order 100 10 15 15 30
110
Inventory On Hand 100 10 -65 -90 -75 -90 -90 -91 -91 -91 -91 -91 -91 110
-956
Net Requirement -65 -90 -75 -90 -90 -91 -91 -91 -91 -91 -91 -956
65 90 75 90 90 91 91 91 91 91 91 956
Lead Time 2
Lead
On Time
Hand 2
80
GUDANG DISTRIBUSI I
On Hand
Safety Stock 80 Time Period
Lot C
GR Size LFL -4 -3 -2 -1 1
62 2
99 3
101 4
103 5
105 6
107 7
109 8
111 9
113 10
115 11
117 120 Total
1,142
GR D 65 62
90 99
75 101
90 103
90 105
91 107
91 109
91 111
91 113
91 115
91 117
0 00 1,142
956
Total Gross Requirement 65
65 90
152 75
174 90
191 90
193 91
196 91
198 91
200 91
202 91
204 91
206 0
117 00 956
2,098
Inventory On Order 65 152 174 191
30 193
30 196 198 200 202 204 206 117 0 2,098
60
95
Net Requirement 80 15 -137 -174 -161 -163 -196 -198 -200 -202 -204 -206 -117 0 95
-1,958
-137 -174 -161 -163 -196 -198 -200 -202 -204 -206 -117 0 -1,958
Plant Order Release 137 174 161 163 196 198 200 202 204 206 117 0 0 0 1,958
137 174 161 163 196 198 200 202 204 206 117 0 0 0 1,958
Lead Time 1
Lead
On Time
Hand
1
50
AGEN A
On Hand
Lot Size
Gross Requirement LFL -4 -3 -2 -1 1
85 2
84 3
83 4
83 5
82 6
81 7
80 8
79 9
79 10
78 11
77 12
76 Total
967
20 83 83 82 81
20 80 79 79 78 77 76 967
40
50
Net Requirement 50 -35 -64 -83 -83 -82 -61 -80 -79 -79 -78 -77 -76 50
-877
Plant Order Release 35 -35
64 -64
83 -83
83 -83
82 -82
61 -61
80 -80
79 -79
79 -79
78 -78
77 -77
76 -76 -877
877
35 64 83 83 82 61 80 79 79 78 77 76 877
Lead Time 1
Lead Time
On Hand 1
150
AGEN B
On Hand
Lot Size
87 2
87 3
88 4
89 5
90 6
91 7
92 8
93 9
93 10
94 11
95 12
96 Total
1,095
20 89 90
20 91 92 93 93 94 95 96 1,095
40
213
Net Requirement 150 63 -24 -68 -89 -70 -91 -92 -93 -93 -94 -95 -96 213
-905
68 -68
89 -89
70 -70
91 -91
92 -92
93 -93
93 -93
94 -94
95 -95
96 -96 -905
905
24 68 89 70 91 92 93 93 94 95 96 905
Lead Time 1
Lead Time
On Hand 1
70
On Hand
Lot
GR ASize LFL -4 -3 -2 -1
35 1
64 2
83 3
83 4
82 5
61 6
80 7
79 8
79 9
78 10
77 11
76 12 Total
877
GR B 35 64
24 83
68 83
89 82
70 61
91 80
92 79
93 79
93 78
94 77
95 76
96 877
905
Total Gross Requirement 35 24
88 68
151 89
172 70
152 91
152 92
172 93
172 93
172 94
172 95
172 96
172 0 905
1,782
35 172
35 152 152 172 172 172 172 172 172 0 1,782
70
105
Net Requirement 70 35 -53 -116 -137 -152 -152 -172 -172 -172 -172 -172 -172 105
-1,642
116 -116
137 -137
152 -152
152 -152
172 -172
172 -172
172 -172
172 -172
172 -172
172 -172
0 -1,642
1,642
53 116 137 152 152 172 172 172 172 172 172 0 1,642
Lead Time 2
Lead
On Time
Hand 2
200
AGEN E
On Hand
Lot Size
98 2
100 3
102 4
103 5
105 6
107 7
108 8
110 9
112 10
114 11
115 12
117 Total
1,291
15 100 102 103
15 105 107 108 110 112 114 115 117 1,291
30
117 17 15 30
334
Net Requirement 200 117 17 -85 -88 -105 -107 -108 -110 -112 -114 -115 -117 334
-1,061
Plant Order Release 85 88 -85
105 -88
107 -105
108 -107
110 -108
112 -110
114 -112
115 -114
117 -115 -117 -1,061
1,061
85 88 105 107 108 110 112 114 115 117 1,061
Lead Time
Lead Time
On Hand 5
PABRIK
On Hand
Lot Size Distribusi I
Gudang LFL -4 -3 -2
137 -1
174 1
161 2
163 3
196 4
198 5
200 6
202 7
204 8
206 9
117 10 11 12 Total
1,958
Gudang Distribusi II 137 174
53 161
116 163
137 196
152 198
152 200
172 202
172 204
172 206
172 117
172 172 1,958
1,642
Agen E 53 116
85 137
88 152
105 152
107 172
108 172
110 172
112 172
114 172
115 172
117 1,642
1,061
Agen Gross
Total E Requirement 137 227 85
362 88
388 105
453 107
457 108
480 110
484 112
488 114
492 115
404 117
289 1,061
4,661
Inventory On Order 137 227 362 388 453 457 480 484 488 492 404 289 4,661
0
Net Requirement 5 -132 -227 -362 -388 -453 -457 -480 -484 -488 -492 -404 -289 5
-4,656
Plant Order Release -132
132 -227
227 -362
362 -388
388 -453
453 -457
457 -480
480 -484
484 -488
488 -492
492 -404
404 -289
289 -4,656
4,656
132 227 362 388 453 457 480 484 488 492 404 289 4,656

14
3
Alas kaki atau sepatu merupakan komoditas hasil olahan industri manufaktur yang juga
menjadi kebanggan Indonesia. Produk alas kaki kerap diekspor ke berbagai
negara. Biasanya, sepatu yang dibuat di pabrik manufaktur adalah produksi skala besar
dan akan dipasarkan secara lebih luas.
Produk sepatu terdiri atas 2 bagian yang dilakukan assembly untuk dapat menjadi satu
produk sepatu yang utuh, yaitu bagian Bottom atau seirng disebut sole dan Upper.
1. Upper adalah bagian sepatu dari mulai ujung depan sepatu, sisi kanan dan kiri, bagian
lidah sampai ke bagian belakang. Biasanya pada bagian ini dibuat dari bahan kain
yang sintetis atau leather yang telah dirakit melalui proses penjahitan. Bagian ini
terdiri atas Toe cup,Hell counter, collar, karet, dan logo.
2. Bottom, biasanya orang menyebutnya dengan bagian sole. Bottom merupakan bagian
penting yang bertugas melindungi telapak kaki yang letaknya berada dibawah sepatu.
Bagian ini terbagi lagi menjadi insole, midsole dan outsole.
Karet
Heel Toe cup
Counter
Collar
Midelsole Insole
Outsole Log
o
Bill of material sepasang sepatu dapat dilihat pada gambar di bawah ini disertai dengan
jumlah material yang dibutuhkan dari masing-masing bagian.
14
4
Lampiran 4 Tugas Individu Pandu Rohman
1. Moving Average
Angka Soal, X (3)+3
Bulan A B C D E
Januari 95 75 43 85 68
Februari 100 95 75 84 100
Maret 90 74 100 95 90
April 64 75 80 85 65
Mei 96 100 90 80 90
Juni 100 28 90 95 64
Juli 95 90 95 104 90
Agustus 110 100 84 106 85
September 84 95 80 95 100
Oktober 100 70 48 105 85
November 106 85 106 58 95
Desember 53 94 100 90 104
Produk A
Produk B
14
5
Produk C
14
6
Produk D
Produk E
14
7
d. Tugas DRP
e. Tugas Bill of Material
2. Exponenssial Smothing
Produk A
Produk B
14
8
Produk C
Produk D
Produk E
14
9
Produk A
Produk B
Produk C
15
0
Produk D
Produk E
B. Berdasarkan hasil data permintaan yang telah dilakukan, kita dapat memilih hasil permintaan
terbaik berdasarkan nilai Standar Error.
Nilai Standar Error
Linear
Produk Moving Exponential Trend
Average Smoothing Line
Model
A 25 19 17
B 31 24 21
C 26 51 19
D 18 16 14
E 16 16 13
15
1
tersebut, maka hasil peramalan dengan menggunakan metode “linear Trend Line Model”
paling optimal dalam kasus forecasting produk Hand Sanitizer.
Bulan A B C D E
Januari 95 75 43 85 68
Februari 100 95 75 84 100
Maret 90 74 100 95 90
April 64 75 80 85 65
Mei 96 100 90 80 90
Juni 100 28 90 95 64
Juli 95 90 95 104 90
Agustus 110 100 84 106 85
September 84 95 80 95 100
Oktober 100 70 48 105 85
November 106 85 106 58 95
Desember 53 94 100 90 104
B. Tugas DRP
C. Tugas Bill Of Material
15
2
Untuk setiap komponen dalam Bill of Materials (BOM) pulpen yang terdiri dari
badan pulpen, tutup pulpen, dan tinta pulpen:
1. Badan Pulpen:
Badan pulpen merupakan komponen utama yang menjadi wadah untuk menyimpan
tinta dan memberikan pegangan yang nyaman saat pulpen digunakan. Badan pulpen biasanya
terbuat dari bahan plastik atau logam. Bentuk dan desain badan pulpen dapat bervariasi,
termasuk diameter, panjang, dan tekstur permukaannya.
2. Tutup Pulpen:
Tutup pulpen adalah bagian yang melindungi ujung pulpen dan mencegah tinta
mengering saat pulpen tidak digunakan. Tutup pulpen juga membantu mencegah tinta
tumpah atau tercecer di tas atau kantong. Biasanya, tutup pulpen dapat dengan mudah dilepas
atau dipasang pada badan pulpen dengan sistem penutup yang dapat digeser atau diputar.
3. Tinta Pulpen:
Tinta pulpen adalah cairan yang digunakan untuk menulis atau menggambar dengan
pulpen. Tinta pulpen biasanya tersedia dalam berbagai warna dan jenis, seperti tinta air atau
tinta gel. Tinta pulpen diisi ke dalam badan pulpen melalui mekanisme yang terdapat di
ujung pulpen, seperti cartridge atau tangki tinta. Beberapa pulpen menggunakan tinta yang
dapat diisi ulang, sementara yang lain menggunakan cartridge atau tangki tinta yang dapat
diganti ketika tinta habis
Lampiran 5 Tugas Individu Shafa Almaliya

1. Moving Average
15
3
 Produk A
a. Details and error analysis
15
4
15
5
15
6
15
7
15
8
15
9
16
0
16
1
16
2
16
3
16
4
16
5
16
6
16
7
16
8
16
9
17
0
17
1
17
2
17
3
17
4
17
5
17
6
B. Tugas DRP
17
7
(bulan) 1 2 3 4 5 6 7 8 9 10 11 12
Pabrik 5 0 1
C 100 65 1 73 75 77 79 81 83 85 87 89 90 92 94
D 100 45 2 90 90 90 90 90 90 90 91 91 91 91 91
A 85 20 1 95 94 94 93 92 92 91 90 90 89 88 88
B 150 20 1 77 78 79 80 81 82 82 83 84 85 86 87
E 200 15 2 79 81 82 84 86 87 89 91 92 94 96 98
Lead Time 1 Bulan

AGEN C
On Hand 100
Net Requirement -71 -79 -81 -83 -85 -87 -89 -90 -92 -94 -851
Lead Time 2 Bulan

AGEN D
On Hand 100
Net Requirement -41 -90 -51 -90 -90 -90 -91 -91 -91 -91 -91 -907
Lead Time 2 Bulan

On Hand 80
GUDANG DISTRIBUSI I
GR C 71 79 81 83 85 87 89 90 92 94 851
GR D 41 90 51 90 90 90 91 91 91 91 91 907
Net Requirement , -51 -122 -115 -117 -173 -176 -178 -180 -181 -183 -94 -1,570
Lead Time 1 Bulan

On Hand 74

95 94 94 93 92 92 91 90 90 89 88 88 1,096
20 20 40
74 74
-21 -74 -94 -93 -92 -72 -91 -90 -90 -89 -88 -88 -982
21 74 94 93 92 72 91 90 90 89 88 88 982
Lead Time 1 Bulan

On Hand 150

77 78 79 80 81 82 82 83 84 85 86 87 984
20 20 40
150 73 223
-5 -59 -80 -61 -82 -82 -83 -84 -85 -86 -87 -794
5 59 80 61 82 82 83 84 85 86 87 794
Lead Time 1 Bulan

On Hand 94

21 74 94 93 92 72 91 90 90 89 88 88 982
5 59 80 61 82 82 83 84 85 86 87 794
21 79 153 173 153 154 173 173 174 174 174 175 1,776
35 35 70
94 73 167
-6 -118 -138 -153 -154 -173 -173 -174 -174 -174 -175 -1,612
6 118 138 153 154 173 173 174 174 174 175 1,612
Lead Time 2 Bulan
17
On Hand 200

79
15
81 82 84
15
8 86 87 89 91 92 94 96 98 1,059
30
200 136 55 391
-27 -69 -86 -87 -89 -91 -92 -94 -96 -98 -829
27 69 86 87 89 91 92 94 96 98 829
Lead Time 2 Bulan
On Hand 80

71 79 81 83 85 87 89 90 92 94 851
41 90 51 90 90 90 91 91 91 91 91 907
41 90 122 169 171 173 176 178 180 181 183 94 1,758
54 54 108
80 39 119
, -51 -122 -115 -117 -173 -176 -178 -180 -181 -183 -94 -1,570
51 122 115 117 173 176 178 180 181 183 94 1,570
Lead Time 1 Bulan

AGEN A
On Hand 74
Net Requirement -21 -74 -94 -93 -92 -72 -91 -90 -90 -89 -88 -88 -982
Lead Time 1 Bulan

On Hand 150
AGEN B
Net Requirement -5 -59 -80 -61 -82 -82 -83 -84 -85 -86 -87 -794
Lead Time 1 Bulan

On Hand 94
GR A 21 74 94 93 92 72 91 90 90 89 88 88 982
GR B 5 59 80 61 82 82 83 84 85 86 87 794
Net Requirement -6 -118 -138 -153 -154 -173 -173 -174 -174 -174 -175 -1,612
Lead Time 2 Bulan

On Hand 200
AGEN E
Net Requirement -27 -69 -86 -87 -89 -91 -92 -94 -96 -98 -829
Lead Time 1 Bulan

On Hand
PABRIK
5
Inventory On Order
Net Requirement -46 -128 -233 -255 -326 -330 -351 -353 -355 -357 -268 -175 -3,177
17
9
Bill Of Materials (BOM) juga dikenal sebagai struktur produk, berisi tentang informasi
segala material, komponen, atau subassembly yang dibutuhkan untuk memproduksi
setiap produk jadi. BOM bukan hanya sekedar daftar sederhana dari barang-barang yang
dibutuhkan tetapi juga meliputi daftar struktur yang menggambarkan urutan langkah-
langkah dalam proses produksi suatu produk. Jadi BOM dipakai sebagai perencanaan
material yang akan digunakan dan seberapa banyak mereka diperlukan untuk membuat
suatu produk jadi.
D. Bill Of Material Skateboar
18
0

R2 - Senin (19.30) - Kholil - Kelompok 1 - Laporan Praktikum PPIC Akhir REAL

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

R2 - Senin (19.30) - Kholil - Kelompok 1 - Laporan Praktikum PPIC Akhir REAL

Diunggah oleh

Hak Cipta:

Format Tersedia

Laboratorium Teknik Industri

Program Studi Teknik

PROGRAM STUDI TEKNIK INDUSTRI

Telah Dinilai dan Diperiksa Oleh:

Jakarta, 9 Juni 2023

Gambar 1 Contoh DRP........................................................................................................................

Tabel 1 Rangkuman Nilai SE dari ketiga metode................................................................................

Lampiran 1 Tugas Individu Aryo Gusman..............................................................................

1.1 Latar Belakang

1.3 Pelaksanaan Praktikum

2.1 Peramalan (Forecasting)

B. Pemilihan Teknik dan Metode Peramalan

C. Ukuran Akurasi Hasil

2. Mean Square Error = (MSE)

3. Mean Absolute Percentage Error (MAPE)

3.1 Pengumpulan Data

Tabel 3.2 Data Permintaan Produk Hand Sanitizer Tahun 2021

3.2.1 Metode Peramalan (Forecast) dengan Software POM-QM

3.2.1.1 Moving Average

Forecasting Moving averages - 2 period moving average

Data Error analysis

Data Error analysis

Gambar 3.2 Moving Average Produk B

Data Error analysis

Gambar 3.3 Moving Average Produk C

Data Error analysis

Gambar 3.4 Moving Average Produk D

Forecasting Moving averages - 2 period moving average

Data Error analysis

Gambar 3.6 Exponential Smoothing Produk A

Gambar 3.7 Exponential Smoothing Produk B

Gambar 3.9 Exponential Smoothing Produk D

Gambar 3.10 Exponential Smoothing Produk E

Berdasarkan hasil forecasting terhadap data permintaan yang telah

Produk Nilai Standar Error

Dalam pelaksanaan praktikum peramalan menggunakan software POM-QM.

1.1 Latar Belakang

2.1 Distribution Requirement Planning (DRP)

Gambar 1 Contoh DRP

C. Konsep Distribution Requirement Planning (DRP)

a. Dari hasil peramalan distribusi lokal, hitung Time Phased Net

D. Istilah-istilah yang Digunakan Distribution Requirement Planning

E. Fungsi Distribution Requirement Planing (DRP)

3.1 Pengumpulan Data

Waktu pengiriman ke gudang distribusi I dan ke agen distribusi D dan E

3.2 Pengolahan Data

Gambar 3.1 Bill Of Distribution (BOD) Perusahaan Drink In

Agen A dan B merupakan Agen dari Gudang Distributor 2

IOO untuk Agen A datang pada periode ke-2 dan ke-6

IOO untuk GD II datang pada periode ke-2 dan ke-3

Gambar 3.3 Ketentuan BOD dan Kedatangan IOO

Gambar 3.4 Pengolahan Data Agen C dan D

Gambar 3.5 Pengolahan Data Gudang Distribusi 1

Gambar 3.6 Pengolahan Data Agen A dan Agen B

Gambar 3.7 Pengolahan Data Gudang Distribusi II

Gambar 3.8 Pengolahan Data Agen E

Gambar 3.8 Pengolahan Data Agen E

Perhitungan Distribution Requirement Planning (DRP) dilakukan terhadap

Tabel 3 DRP Agen C

4.3 Gudang Distribusi 1

4.6 Gudang Distribusi II

4.7 Gudang Agen E

Distribusi merupakan aktivitas penting dalam supply chain yang berpengaruh