PROSES
TRANSFORM OUTPUT:
INPUT:
ASI ● BARANG
(4 M + C) ATAU ● JASA
KONVERSI
Feedb
ack
Feedback Feedback
CONTROL
INPUT
OPERASI / TRANSFORMASI
♦PEKERJA
♦MANAJER OUTPUT
♦PERALATAN ● BARANG
♦MESIN
♦BAHAN ● Jasa
♦ENERJI
♦UANG
♦INFORMASI
Produksi/Oper
asi
Pemasaran Keuangam
Profit Oriented
Kedudukan Perencanaan Produksi dalam
lingkup Manajemen Produksi / Operasi
MASALAH AREA KEPUTUSAN SIFAT
?KEGIATAN APA YANG PALING KRITIS, SUMBERDAYA APA YANG ♦MANAJEMEN PROYEK
TAKTIS
DIBUTUHKAN DAN KAPAN.
• Perencanaan vs Pengendalian
PESANAN /
PRAKIRAAN
PENJUALAN
PERMINTAAN
PELANGGAN /
KONSUMEN
PENGIRIMAN
INVENTORI
PEMANTAUAN DAN
PRODUK
PENGENDALIAN PENERIMAAN
INVENTORI
INVENTORI
BAHAN
PENGADAAN
RISET PRAKIRAAN
PRAKIRAAN
PASAR
PENJADWALAN
PERENCANAAN TENAGA
PERENCANAAN
PRAKIRAAN KERJA
TENAGA KERJA
PERINTAH PRODUKSI
PERENCANAAN
SUMBER DAYA PERENCANAAN
PRODUKSI
PENGENDALIAN
♦KEBIJAKAN LINI
PRODUK ♦TINGKAT PRODUKSI ♦JADWAL PRODUKSI
♦FASILITAS ♦RENCANA PENGADAAN ♦KEPUTUSAN LEMBUR
♦SALURAN DISTRIBUSI ♦JUMLAH TENAGA KERJA ♦PENUGASAN KERJA
♦KEBIJAKAN PELAYANAN ♦SASARAN INVENTORI ♦KEPUTUSAN
TERHADAP KONSUMEN ♦RENCANA DISTRIBUSI PRIORITAS
♦PERINTAH
PENGADAAN
■ Apakah ada suatu sistem untuk mengidentifikasi jika suatu kondisi yang
bersifat tidak rutin dan segera untuk ditangani ?
TUGAS Kelompok, dilaksanakan
pada sesi Responsi (1)
• Setiap kelompok mendiskusikan perihal
Permasalahan pada proses bisnis
Agroindustri dimana Perencanaan dan
Pengendalian Produksi berperan
(berkontribusi) untuk menyelesaikan
permasalahan yang dikemukakan.
• Laporan dituliskan (min 2 hal A4; font
Romans Time 11; 1,5 spasi)
•
Machfud
Ukuran berkaitan dengan Faktor Daya Saing
METODE PRAKIRAAN
(FORECASTING METHODS)
machfud
PPP sbg suatu Sistem, yg terdiri dari Sub-Sistem Aktifitas
PRAKIRAAN PESANAN /
PERMINTAAN/ PENJUALAN
Pasokan Bhn Baku
PELANGGAN /
KONSUMEN
PENGIRIMAN
INVENTORI
PEMANTAUAN DAN
PRODUK
PENGENDALIAN PENERIMAAN
INVENTORI
INVENTORI
BAHAN
Pengada Renca
an na
Penjualan/
Bahan& Produ Produksi
ksi Permintaan
resource
:
t –n2 t -n1 t
Persiapa
n/ Distribusi
Pengada Renca
na Ketersediaan /
an
Produ Pasokan/
Bahan& Produksi
ksi Panen
resource
:
Fundamental Characteristics:
• Forecasts are almost always wrong
• Forecasts are more accurate for groups
or families of items.
• Forecasts are more accurate for shorter
time periods.
• Every forecast should include an estimate
oferror.
• Forecasts are no substitutefor calculated
demand
METODE PRAKIRAAN, tergantung pada:
• Horizon Waktu
• Faktor2 yg menentukan hasil aktual yg
diprakirakan
• Ketersediaan data/informasi masa lalu hal yg
diprakirakan
• Pola data yang digunakan
Metode Kualitatif:
• Brain storming Metode Kuantitatif:
• Delphi • Deret Waktu (Time Series)
• Market survey • Kausal:
• Historical analogy
? Kuadratik, polinomial
? Eksponensial, dst.
Dan untuk setiap Bentuk Hubungan dicari nilai parameter terbaik yang
meminimumkan error.
Time Series
• Time Series: himpunan data yang dikumpulkan,
direkam, dicatat selama periode waktu yang
berurutan.
– Stasioner : time series yang mempunyai nilai tengah
(mean atau rata-rata) dan keragaman yang bernilai
tetap sepanjang waktu.
– Trend : time series yang menunjukkan pertumbuhan
(kenaikan) atau penurunan.
– Cyclical: time series dengan fluktuasi bergelombang .
– Seasonal:time series dengan pola kecenderungan
antar periode yang sama dari tahun ke tahun.
Metode Time Series
Identifikasi Pola Data:
t t
(d) pola data trend
(c) pola data siklik
7. Statistic Theil’s U :
9. Statistic t :
Uji t perbedaan nilai tengah Data Aktual dan Data Prakiraan.
1) Jika U = 1, maka metode Naive sama baiknya dengan teknik prakiraan yang dievaluasi.
2) Jika U < 1, maka metode yang dievaluasi lebih baik dari metode naive atau semakin kecil nilai U,
maka semakin lebih baik dari metode naive.
3) Jika U > 1, maka metode naive akan memberikan hasil yang lebih baik dibandingkan dengan
teknik yang dievaluasi.
10. Tracking Signal :
Similar to the concept of control limits for statistical process control charts, the tracking
signal provides a somewhat subjective limit for the forecasting method to go "off track"
before some action is taken.:
Tracking Signal = RSFE/MAE
RSFE: sunning sum of the forecasting errors
A rule of thumb for use of the tracking signal is that if the value of the tracking signal is
larger than 4 or less than -4, the forecasting method may not be effective for tracking
demand over the time period in question .
Given the following data, compute the
tracking signal and decide whether or not the
forecast should be reviewed.
20
Tracking signal is computed as the running sum of forecast
error (RSFE) divided by MAD. We compute RSFE by
summing up the forecast errors over time. Forecast errors
for January is the difference between its actual and
forecast sales. RSFE for January is equal to the
cumulative forecast errors.
Actual – Forecast =
8 -10 = -2
21
Forecast errors for February is the difference between its
actual and forecast sales. RSFE for February is equal to
the cumulative forecast errors of January and February.
Actual – Forecast = = -1
11 -10 = 1
22
Forecast errors for March is the difference between its
actual and forecast sales. RSFE for March is equal to the
cumulative forecast errors of January, February and
March.
Actual – Forecast = = 1
12 -10 = 2
23
Forecast errors for April is the difference between its actual
and forecast sales. RSFE for April is equal to the
cumulative forecast errors of January, February, March and
April.
Forecast Error =
RSFE = 1 + 4
Actual – Forecast =
= 5
14 -10 = 4
24
MAD for January is computed by averaging the absolute
errors over time. Tracking signal for January is computed
by dividing its RSFE by MAD.
Absolute(8 -10) = 2
25
MAD for February is computed by averaging the absolute
errors of January and February. Tracking signal for
February is computed by dividing its RSFE by MAD.
Absolute(11 -10) = 1
26
MAD for March is computed by averaging the absolute
errors of January, February and March. Tracking signal for
March is computed by dividing its RSFE by MAD.
Absolute(12 -10) = 2
27
MAD for April is computed by averaging the absolute errors
of January, February, March and April. Tracking signal for
April is computed by dividing its RSFE by MAD.
Absolute Error =
TS = RSFE/MAD
Absolute (Actual – Forecast) =
MAD = (2+1+2+4)/4 = 5/2.25 = 2.22
Absolute(14 -10) = 4
= 2.25
28
Since the tracking signals for months January to April are
within +/- 4, the forecast needs not be reviewed.
29
Tahapan Pemilihan Teknik Forecasting Time Series PERATAAN
Dit ya
Pilih Teknik Perataan
tidak
eri
ma
INISIASI Metode
Lakukan Optimasi:
• menggunakan himpunan data Inisiasi
• himpunan/periode inisiasi
• parameter teknik prakiraan yg digunakan
•parameter
Keputusan/Penilaian
Terapkan teknik yg digunakan untuk memprakirakan ;
nilai prakiraan Pada periode UJI. Pos vs Neg
Aplikasi
Teknik Perataan Bergerak Tunggal
Single Moving Average, parameter N :
MA (N)
Periode/ data Data
MA(3) MA(5)
INISIAL Periode
Aktual
(Historis
Bulan Waktu (t) =Xt) (Ft) (Ft)
Periode/ data Januari 1 200 - -
UJI Pebruari 2 135 - -
Maret 3 195 - -
April 4 197 176,7 -
Mei 5 310 175,8 -
Juni 6 175 234,2 207,5
Juli 7 155 227,5 202,5
Agustus 8 130 213,3 206,5
September 9 220 153,3 193,5
Periode/ data
Teknik Pemulusan Eksponensial Tunggal
Inisialisasi:
• nilai parameter α
• jumlah periode inisialisasi
• nilai awal Prakiraan.
Adaptive Response Rate SES
• Nilai parameter α secara otomatis disesuaikan dengan tingkat error
prakiraan periode sebelumnya.
• Inisiasi:
– F2 = X 1 ;
E1 = M1= 0 ; nilai α dan β ditetapkan sendiri.
Periode Data
Bulan Ft et Et Mt ∝t
(t) aktual
Januari 1 200 - - - - -
Pebruari 2 135 200,0 -65,0 -13,0 13,0 0,20
Maret 3 195 187,0 8,0 -8,8 12,0 0,20
April 4 197 188,6 8,9 -5,3 11,4 0,20
Mei 5 310 190,4 119,6 19,7 33,0 0,46
Juni 6 175 245,7 -70,7 1,6 40,6 0,60
Juli 7 155 203,5 -48,5 -8,4 42,1 0,04
Agustus 8 130 201,5 -71,5 -21,0 48,0 0,19
September 9 220 187,3 32,7 -10,3 45,0 0,44
Oktober 10 277 201,6 75,9 7,0 51,1 0,23
Nopember 11 235 218,9 16,1 8,8 44,1 0,14
Desember 12 - 221,1 - - - 0,19
MAPE 18,1%
Periode
II 2 39
III 3 43
IV 4 34
1987
I 5 38
II 6 41
III 7 50
IV 8 39
1988
I 9 47
II 10 51
III 11 58
IV 12 47
1989
Metode Winter
(Triple Exponential Smoothing=TES)
• Tiga parameter pemulus
• Sesuai utk Pola Data Musiman
Inisiasi:
Klasifikasi pola data menurut Pegel
(Makridakis, dkk. 1983).
Persamaan prakiraan m periode kedepan dengan klasifikasi Pegel's
Ft + m =
Efek Musiman
Jenis Efek Kecenderungan
Bersifat Bersifat
Tidak Ada Aditif Multiplikatif
A. Tidak ada
kecenderungan St St+Ct-L+m St Dt-L+m
B. Efek kecendrungan
bersifat aditif
(linear)
St + mAt St+mAt+Ct-L+m (St+mAt)Dt-L+m
C. Efek
kecenderungan
bersifat multiplikatif StBtm SXt+Ct-L+m St Dt-L+m Btm
(non linear)
Simbol yang digunakan untuk persamaan St
Efek Musiman
Bersifat Bersifat
Jenis Efek Kecenderungan Tidak Ada Aditif Multiplikatif
A. Tidak ada P : Xt Xt-Ct-L Xt/Dt-L
kecenderungan
Q : St-1 St-1 St-1
B. Efek kecendrungan P : Xt Xt-Ct-L Xt/Dt-L
bersifat aditif (linear)
Q : St-1+At-1 St-1+At-1 St-1+At-1
C. Efek kecenderungan P : Xt Xt-Ct-L Xt/Dt-L
bersifat multiplikatif
(non linear) Q : St-1Bt-1 St-1Bt-1 St-1Bt-L
dimana :Xt = data aktual
St = data yang dimuluskan = α P + (1 - α) Q
At = β (St - St-1 + (1- β) At-1, (kecenderungan aditif)
Bt = Φ (St/St-1) + (1- Φ)Bt-1, (kecenderungan non linear)
Ct = δ (Xt-St) + (1-δ )Ct-L, (musiman aditif)
Dt = Θ (Xt/St) + (1- Θ)Dt-L, (musiman non linear)
∝ , β , Φ , δ dan Θ adalah parameter antara 0 dan 1.
Departemen Teknologi Industri Pertanian
Fakultas Teknologi Pertanian
Perencanaan Produksi
Agregat (Agregat Production
Planning)
Pertemuan 5,6 & 7
Capacity Planning
1. Facility Size Long-term
2. Equipment Procurement
Aggregate Planning
1. Facility Utilization Intermediate-ter
2. Personnel needs m
3. Subcontracting
Master Schedule
Intermediate-ter
1. MRP
2. Disaggregation of master plan m
Short-term Scheduling
Short-ter
tin
1. Work center loading
2. Job sequencing m Departemen Teknologi Industri Pertanian
Fakultas Teknologi Pertanian
Product
Marketplace decisions Research
and and
Demand Technology
Process
planning &
decisions
Demand
forecast Work
, orders force
Raw
material
available
Perencanaan Priority
produksi planning,
Inventory
agregat scheduling,
on hand assignment,
control
External
capacity
Capa- (subcontractor
Master prod city s
sche dule
MRP
System
tin
🡺 Get the most output for the amount of resources available
Departemen Teknologi Industri Pertanian
Fakultas Teknologi Pertanian
Aggregate Planning Goals
● Meet demand
● Use capacity efficiently
● Meet inventory policy
● Minimize cost
– Labor
– Inventory
– Plant & equipment
– Subcontract
● Chase Strategy
– Memadankan tingkat produksi dengan tingkat
permintaan/order
– Hire - layoff tenaga kerja sesuai dengan tingkat permintaan
– Stable work force - variable work hours
» Variasi jumlah produksi dilakukan dengan meragamkan jumlah
jam-kerja tanpa harus melakukan layoffs
● Level strategy
– Mempertahankan tingkat produksi yang tetap
– Memfluktuasikan tingkat persediaan, order backlogs and lost sales
Disadvantages Disadvantages
● Cost of fluctuating workforce levels.
● High inventory costs.
● Potential damage to employee morale.
● Increased labor costs.
? Apakah perusahaan mengambil skenario Level Startegy atau Chase Strategy dalam
menentukan rencana produksi pada tahun yang akan datang.
00 Demand
3000 Kum
00 Produksi
2500
00
2000
00 I I II I
1500 I I V
Kuart
00 al
1000
00
Kumulatif produksi di atas kumulatif demand (atau garis kumulatif demand
5000
Level Stratgey
Inventory Biaya Bniaya
Demand Pekerja Produksi Inv. Akhir Hire Fire Biaya Hire
Awal Fire Inv
100 0
I 80000 100 0 100000 20000 0 0 0 0 10.000
II 50000 100 20000 100000 70000 0 0 0 0 35.000
III 120000 100 70000 100000 50000 0 0 0 0 25.000
IV 150000 100 50000 100000 0 0 0 0 0 -
100000 70.000
Chase Strategy
Pekerja Biaya Biaya
Demand Produksi Inventory Hire Fire Biaya Fire
awal Hire Inv
100
I 80000 80000 0 80 0 20 - 10.000 -
II 50000 50000 0 50 0 30 - 15.000 -
III 120000 120000 0 120 70 0 7.000 - -
IV 150000 150000 0 150 30 0 3.000 - -
35.000
● Metode OPTIMASI.
● Variabel keputusan:
– Jumlah Tenaga kerja 🡺 Jumlah Produksi
🡺 Jumlah yg direkrut / PHK
– Jumlah Inventory (stok) Produk
● Tujuan Minimasi Total Biaya = Biaya Tenaga kerja +
Biaya Inventory.
Minimasi Z = 100 (H1+H2+H3+H4) +
500(F1+F2+F3+F4) + 0,50 (I1+I2+I3+I4)
dengan kendala
Costs
Materials $100/unit
Inv. Holding Cost $1.50/unit/ month
Marginal Cost of a stockout $5.00/unit/month
Marginal Cost of Subcontracting $20/unit
Hiring and Training $200/employee
Layoff Cost $250/employee
Labor Hours Required 5/unit
Regular time labor cost(8 hours) $4.00/hour
Overtime labor cost $6.00/hour
Note, ignore materials cost since it will be a constant.
Parameters;
Labor Hours Per Unit= 5
Hours Per Day Per Worker 8
Beginning Employees= 53
Hiring Cost = $ 200.00
Layoff Cost = $ 250.00
St. Time Labor Rate/hour 4
Beginning Inventory 400
Stockout Cost $ 5.00
Inventory Holding Cost $ 1.50
Planning Horizon in Months 6
Subcontracting Cost per Unit $ 20.00
Inventory = G = C + F - D
tin
Beginning Inventory C = Gt-1 (except for the first period where C = 400)
Departemen Teknologi Industri Pertanian
Fakultas Teknologi Pertanian
Cut & Try - Plan 1 (Excel Model)
A B C D E F G
Plan 1
Menggunakan 8 jam kerja per hari Production Hours Working Monthly Hrs Employees
Month Requirement Required Days/Month Per Employee Required
Menggunakan CHASE Strategi January 1850 9250 22 176 53
February 1425 7125 19 152 47
March 1000 5000 21 168 30
April 850 4250 21 168 25
May 1150 5750 22 176 33
June 1725 8625 20 160 54
A B C D E F
Plan 2 Beginning Working Available Actual
Mempertahankan T.K. yg Tetap Month Inventory Days/Month Production Production
Hrs.
dlm berproduksi utk memenuhi January 400 22 7040 1408
rata-rata permintaan. February 8 19 6080 1216
March -276 21 6720 1344
Akumulasi inventory diizinkan April -32 21 6720 1344
Stockouts akan dipenuhi dari May 412 22 7040 1408
produksi periode berikutnya June 720 20 6400 1280
Beginning Inventory = C = Ct-1 + Ft-1 - Gt-1 (get C1 from parameters=400)
Available Production Hours = D x hrs per day parameter (8) x no. employees
where employees = [total F from production planning x labor hours per
unit
parameter (5/unit) ] / [sum of D x hrs per day
parameter (8)
tin
Actual Production = E / hours per unit parameter (5)
Departemen Teknologi Industri Pertanian
Fakultas Teknologi Pertanian
Plan 2 Continued
G H I J K
Demand Ending Units Stockout Safety
Forecast Inventory Short Cost Stock
1800 8 0 $ - 450
1500 -276 276 $ 1,380.00 375
1100 -32 32 $ 160.00 275
900 412 0 $ - 225
1100 720 0 $ - 275
1600 400 0 $ - 400
$ 1,540.00
Excess Inventory = L = H - K
Inventory Cost = L x inventory cost parameter ($1.50)
Straight Time Cost = N = E x labor cost per hour parameter
($4)
G H I J
Units Subcontracting St. Time Total
Subcontracted Cost Cost Cost
952 $ 19,040.00 $ 17,952.00 $ 36,992.00
650 $ 13,000.00 $ 15,504.00 $ 28,504.00
143 $ 2,860.00 $ 17,136.00 $ 19,996.00
0 $ - $ 17,136.00 $ 17,136.00
252 $ 5,040.00 $ 17,952.00 $ 22,992.00
909 $ 18,180.00 $ 16,320.00 $ 34,500.00
$ 58,120.00 $ 102,000.00 $160,120.00
tin
produk Nilai parameter C dan D: di antara 0 dan 1
Departemen Teknologi Industri Pertanian
Fakultas Teknologi Pertanian
Tetapkan/baca Ft , Xt, N, K, I*,
dan nilai awal A,B,C dan D.
Untuk n = 1 s/d N
hitung bn , dan dn
Untuk t =1 s/d T
hitung
W*t, dan P*t Model Biaya
Tenaga kerja, Produksi
Dan Inventori
Untuk t =1 s/d T, hitung secara berurut W1, P1,
kemudian It (=Pt + It-1 – Xt ), I adj , dan Biaya
t.
Hitung Total
Biaya
● Programa Linier:
– Model Transportasi
● Programa Dinamis
● Programa Sasaran
Tahap -1 Tahap -2
1
2
1 2
2
1 1
1 1 2
2
2
1
2
2
1 3
1
2
1
1
1 2
2 2
1 2
1
2 2
3
Tandan
buah
sawit
CPO
∑ Wj
o
I =I j
+ k (X k )
X - k≠j
j
P ij(X )i adalah jumlah unit produk tahap ke-j yang dihasilkan oleh
tin
mesin/operator ke-i
Departemen Teknologi Industri Pertanian
Fakultas Teknologi Pertanian
Xjk = jumlah unit yang diproduksi pada tahap ke-j dengan alternatif proses
ke-k (k = 1,2,...Kj).
cjk = unit biaya peubah pada tahap ke-j, jika alternatif proses ke-k yang
digunakan.
b = jumlah sumber daya jenis ke-i yang tersedia pada tahap ke-j (l = 1,2,...L j)
jl
ajkl = jumlah sumber daya ke-i yang digunakan untuk memproduksi 1 unit
pada tahap ke-j dengan alternatif proses ke-k.
D = jumlah unit produk akhir yang harus diproduksi.
Z = total biaya produksi.
Kj
M
∑∑
Z = c X dengan kendala:
jk jk j =1 k
=1
Kj
∑
Kj
≤ bjl
M
a *X (j=1,2,…M; l=1,2,…,Lj ) Z=
∑∑c jk
X
jk
jkl
j =1 k =1
jkl k =1
Kj
≤b
∑a
∑X =∑ X
Kj K jkl jl
j+1
(j=1,2,…,M-1 ,Kj K
j+1
k =1 jk
k =1 j +1,k
) ∑k =1
X
jk
+1,k k =1 k =1
=
∑X j
∑X
KM
=D
tin
Mk k
=1
Departemen Teknologi Industri Pertanian
Fakultas Teknologi Pertanian
Contoh :Misalkan suatu perusahaan Agroindustri memproduksi 1
jenis produk yang terdiri dari tiga tahap yang dapat dilakukan secara
bebas, yaitu tahap persiapan (j=1), produksi (j=2) dan pengemasan Var keputusan :
(j=3). Pada setiap tahap, proses kegiatan dapat dilakukan pada jam Tingkat produksi saat reguler dan
normal (k=1) dan lembur (k=2). Pada setiap tahap proses kegiatan (k) lembur pada setiap tahapan
tersedia tenaga kerja pria (l=1) dan wanita (l=2). Dalam proses dengan sd tertentu
produksi, 1 unit output tahap ke-1 digunakan untuk menghasilkan 0,5 - Tingkat produksi tahap 1 dengan
unit 1 unit tahap ke-2 dan 1 unit output tahap ke-2 digunakan untuk sumber daya k dan tipe l (Xjkl)
menghasilkan 1 unit output tahap ke-3. Permintaan terhadap produk
yang dihasilkan (D) sebesar 10000 unit. Parameter biaya, kapasitas
setiap tahap dari partameter proses disajikan pada Tabel berikut: Fungsi tujuan
j=1 j=2 j=3 Min Z =
k=1 k=2 k=1 k=2 k=1 k=2 TANYA ANDRIO
Cjk (Rp/unit) 15 20 50 75 10 5
Sumber daya
(tenaga kerja):
jamkerja-org-1 (l=1) 400 700 600
jam kerja-org (l=2) 200 200 200
A
jkl
jam kerja-org(l=1) 10 10 15 15 8 8
jam kerja-org (l=2) 2 2 5 5 3 3
t=1
Io I1 t=2
I2 t=3 ooo I t=T
IT
T-1
D1 D2 D3 DT
I1 = X1 - D1 + Io
It = Xt - Dt + It-1
JM
I
Mt
=I
M ,t −1
+
∑X Mjt − Dt
j =1
X ≤
ijt Untuk i=12,…, M; j=1,2,…,Ji
P
X ijt ≥ 0 dan ≥ 0 I
ijt it
tin
lembur 50 50 50
T=1 tahap 3 (?) 🡪 Iawal31+X311 + X
Departemen Teknologi Industri Pertanian
Fakultas Teknologi Pertanian
Model Transportasi
Biaya / unit
Reg 60
Lembur 80
Sub 90
Biaya Persediaan
Carrying 1 per unit per bulan
Backorde 3 per unit per bulan
Periode Persediaa 0 1 2 0
n awal 100 100
60 61 62 0
Reg
Solusi Awal: 450 50 500
80 81 82 0
Pojok Kiri Atas Pojok 1 Lembur
50 50
Kanan Bawah (North 90 91 92 0
West Corner) Sub 30 90 120
63 60 61 0
Reg
500 500
83 80 81 0
2 Lembur
50 50
Metode: 93 90 91 0
Stepping Sub 20 100 120
Stone Reg
66 63 60 0
500 500
86 83 80 0
3 Lembur
50 50
tin
96 93 90 0
Sub 100 100
Departemen Teknologi Industri Pertanian
Kebutuhan 550 700 750 90 2090 Teknologi Pertanian
Fakultas
Terima
Kasih
22
7 230
8 230
⚫ Sesuai dengan standar kerja, produksi pada jam kerja
normal adalah 8 x W(t), dan pada t=5 dan t=6
produksi pada jam lembur = 0, karena P(t)-P(r,t) ≤ 0
atau jam kerja normal masih mencukupi rencana
produksi.
⚫ Pada t=2, tingkat persediaan I(2)=P(2)+I(1)-X92)
= 275+54-260=69
⚫ Dengan menggunakan persamaan biaya untuk setiap
komponen biaya seperti dikemukakan sebelumnya,
maka dengan biaya selama periode 1 s/d 6 adalah
sebagai berikut :
Cost of Production Worker
worker cost (worker normal Overtime Total
t Inventory Cost change excluded) cost cost Cost
77577
Dalam menggunakan Teknik Parametrik, maka untuk mencari nilai-nilai parameter
A,B,C, dan D yang optimal digunakan data Prakiraan dan Permintaan seperti pada
Tabel di atas. Misalkan perusahaan mengambil kebijakan bahwa tingkat persediaan
Yang diinginkan setiap periode (I*) adalah 50 unit. Untuk nilai parameter A=0,3;B=0,9;
C=0,75 dan D=0,375 maka diperoleh hasil sebagai berikut
A=0,3; B=0,9;C=0,75 dan D=0,375
22
7 230 6
8 230
Dengan persamaan biaya seperti di tetapkan sebelumnya, maka biaya setiap
Komponen dan total biaya selama periode 1 s/d 6 adalah sebagai berikut :
Number
of
Actual Number of productio
Period Forecast Demand Inventory workers n
t F(t) X(t) W*(t) I*(t-1) P*(t) P*(r,t) P*(I,t)
22
1 260 249 27 49 251 216 35
2 270 260 31 51 280 247 34
3 305 340 35 71 298 276 21
4 370 360 39 29 331 313 18
5 310 300 39 0 313 312 1
6 270 280 37 13 282 276 0
7 230 15
8 230
Cost of Production Worker
worker cost (worker normal Overtime Total
t Inventory Cost change excluded) cost cost Cost
73995