Uts PPP 1-7

Perencanaan dan
Pengendalian Produksi (PPP)
Production Planning and

Inventory Control (PPIC)
Sks : 3 ( 2-1)
Staf Pengajar:
Machfud
Sukardi.
M. Arif D
Elisa Anggraini
Hartrisari
Dessy
Sistem Produksi / Operasi:
PROSES
TRANSFORM OUTPUT:
INPUT:
ASI ● BARANG
(4 M + C) ATAU ● JASA
KONVERSI
Feedb
ack
Feedback Feedback
CONTROL
PELANGGAN DAN KLIEN
INPUT
OPERASI / TRANSFORMASI
♦PEKERJA
♦MANAJER OUTPUT
♦PERALATAN ● BARANG
♦MESIN
♦BAHAN ● Jasa
♦ENERJI
♦UANG
♦INFORMASI
UMPAN BALIK INFORMASI

(Diagram yang jadi lingkup bahasan
TIN)
Tiga Fungsi Utama dalam Organisasi Bisnis:
Produksi/Oper
asi
Pemasaran Keuangam
To securing monetary resources at favorable prices &

Generates demand; takes order allocating those resource throughout the organisazation
Manajemen Produksi / Manajemen Operasi:

1. Merancang Sistem Produksi
2. Mengoperasikan dan Mengendalikan Sistem Produksi
ORGANISASI BISNIS
Profit Oriented
Kedudukan Perencanaan Produksi dalam
lingkup Manajemen Produksi / Operasi
MASALAH AREA KEPUTUSAN SIFAT
LINGKUP RANCANGAN SISTEM PRODUKSI:

?PRODUK DAN JASA YANG DITAWARKAN ♦PEMILIHAN DAN
PERANCANGAN STRAT
?SEHARUSNYA PRODUK DAN JASA DIRANCANG PRODUK DAN JASA. EGIS
?PROSES/OPERASI YANG DIBUTUHKAN, URUTANNYA, ♦PEMILIHAN DAN DAN STRAT

DAN MESIN/PERALATAN/FASILITAS PENDUKUNG RANCANGAN EGIS
?PRODUK DAN JASA DAPAT DIPERBAIKI PROSES
?LOKASI YANG BAIK BAGI FASILITAS DAN ATAS DASAR STRAT

♦ LOKASI
KRITERIA APA LOKASI DIPILIH. EGIS
?MENGATUR LETAK FASILITAS (BANGUNAN, RUANG, ♦TATALETAK STRAT

MESIN, FASILITAS LAIN) DIKAITKAN DENGAN ASPEK EGIS
BIAYA DAN PRODUKTIVITAS.
?MENYEDIAKAN LINGKUNGAN KERJA STRAT

♦RANCANGAN
?CARA TERBAIK MEMOTIVASI KARYAWAN SISTEM KERJA EGIS
?PRODUKTIVITAS DAPAT DITINGKTKAN
?MENGUKUR DAN MEMPERBAIKI METODE KERJA
MASALAH AREA KEPUTUSAN SIFAT
LINGKUP PENGOPERASIAN DAN PENGENDALIAN SISTEM

PRODUKSI/OPERASI:
?KAPASITAS PRODUKSI YANG DIBUTUHKAN (JANGKA ♦RENCANA PRODUKSI TAKTIS

MENENGAH) DAN BAGAIMANA CARA TERBAIK AGAR AGREGAT
KEBUTUHAN KAPASITAS DIPENUHI.
♦MANAJEMEN
?BERAPA BANYAK YANG DIPRODUKSI / DIPESAN PERSEDIAAN TAKTIS
?KAPAN DILAKUKAN PEMESANAN (INVENTORY) DAN
?ITEM APA YANG PERLU MEMPEROLEH PERHATIAN. RENCANA KEBUTUHAN
MATERIAL.
?MEMBELI ATAU MEMBUAT SENDIRI DAN BERAPA BANYAK
♦PENGADAAN
?SIAPA SUPLIER TAKTIS
?PENJADWALAN KERJA, SIAPA YANG MELAKSANAKAN. ♦PENJADWALAN TAKTIS

?MESIN/PERALATAN APA YANG DIGUNAKAN
?KEGIATAN APA YANG PALING KRITIS, SUMBERDAYA APA YANG ♦MANAJEMEN PROYEK
TAKTIS
DIBUTUHKAN DAN KAPAN.
?HAMBATAN (BOTTLENECKS) DAPAT DIKURANGI ♦ANTRIAN (QUEING) TAKTIS

?KAPASITAS YANG EFEKTIF.
?MENETAPKAN KUALITAS PRODUK/JASA , STANDARD TAKTIS

♦MANAJEMEN KUALITAS
?KUALITAS DAPAT DITINGKATKAN
?KINERJA PROSES/OPERASI .
Perencanaan dan Pengendalian Produksi:
Merencanakan dan mengendalikan Aktifitas sedemikian rupa dalam
rangka menghasilkan produk (Barang atau Jasa) dengan menggunakan
sumberdaya yang terbatas secara efektif, sehingga dapat memuaskan
kebutuhan konsumen dan memberikan keuntungan bagi perusahaan
(industri).
• Perencanaan vs Pengendalian
• Pengendalian Produksi vs Pengendalian Proses Produksi.
• Karakteristik Sistem Produksi pada Agroindustri

■ Penggolongan Agroindustri menurut Austin
■ Agroindustri Hulu
■ Agroindustri Hilir
🡺 Pohon Agroiindustri
• Mengapa PPP penting ???
■ Persaingan Domestik maupun Global
■ Meningkatkan Produktivitas – minimal Mempertahankan Produktivitas
Kategori agroindustry berdasar level transformasi
bahan mentah
Kategori agroindustry
berdasar pohon industri
• Bisa didapat di instansi terkait industry
■ Versi kementrian perindustrian
• Misal, beberapa pohon agroindustry
menurut kemenperin
■ Pohon agroindustry kelapa sawit
■ Pohon agroindustry kopi
■ Pohon agroindustry karet alam
• Pohon industry bisa diakses di alamat :
https://kemenperin.go.id/pohon-industri
Produktivitas:
• Sebagai salah satu suatu Ukuran Daya Saing suatu Perusahaan
• Output & Input :

■ Nilai Rupiah
■ Unit (satuan)
• Produktivitas :
■ Produktivitas TOTAL
■ Produktivitas Parsial ( tenaga kerja, modal, bahan, dsb)
• ?? Perencanaan dan Pengendalian Produksi berperan dalam

meningkatkan Produktivitas:
■ Output (Tetap) : INPUT (Efisiensi)
■ Input (Tetap) : OUTPUT (Efektif)
■ INPUT dan pada saat yang sama OUTPUT

PPP sbg suatu Sistem, yg terdiri dari Sub-Sistem Aktifitas
PESANAN /
PRAKIRAAN
PENJUALAN
PERMINTAAN
PELANGGAN /
KONSUMEN
PERENCANAAN PERENCANAAN PENJADWALAN,

KAPASITAS JANGKA KEBUTUHAN PEMANTAUAN,
PANJANG JANGKA PENDEK PENGENDALIAN PRODUKSI
PRODUKSI
PENGIRIMAN
INVENTORI
PEMANTAUAN DAN
PRODUK
PENGENDALIAN PENERIMAAN
INVENTORI
INVENTORI
BAHAN
P3 pada Agroindustri: VENDOR
Prakiraan Permintaan atau Prakiraan Pasokan Bahan Baku ??.

JANGKA PANJANG JANGKA MENENGAH JANGKA PENDEK
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
Cakupan perencanaan dan pengendalian produksi menurut horizon

waktu perencanaan (Johnson, dkk, 1974).
PPP sebagai Unit Organisasi pada Suatu
Industri
• Dalam menganalisa suatu aktifitas perencanaan dan pengendalian
produksi di dalam suatu organisasi industri adalah melalui analisa
terhadap beberapa pertanyaan di bawah ini.
■ Apakah semua aktifitas perencanaan, penjadwalan, dan pengelolaan

persediaan dapat diidentifikasi atau diketahui dengan baik unit organisasi
mana yang melaksanakan ?
■ Apakah personil yang bertanggung jawab dalam pengambilan keputusan

perencanaan dan pengendalian produksi memahami dengan jelas
peranannya, tujuan dari keputusan yang diambil, informasi yang
dibutuhkan, serta prosedur pengambilan keputusan dapat diterima ?
■ Apakah personil yang bertanggungjawab dalam pengambilan keputusan

mempunyai suatu sistem inforamsi yang memberikan data dan informasi
yang tepat waktu dan cepat ?
■ 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
PERENCANAAN PERENCANAAN PENJADWALAN,

KAPASITAS JANGKA KEBUTUHAN PEMANTAUAN,
PANJANG JANGKA PENDEK PENGENDALIAN PRODUKSI
PRODUKSI
PENGIRIMAN
INVENTORI
PEMANTAUAN DAN
PRODUK
PENGENDALIAN PENERIMAAN
INVENTORI
INVENTORI
BAHAN
P3 pada Agroindustri: VENDOR
Prakiraan Permintaan atau Prakiraan Pasokan Bahan Baku ??.

DEFINISI
• suatu usaha untuk menduga apa yang
akan terjadi pada masa mendatang,
dengan menggunakan suatu metode
ilmiah.
• adalah proses (“is a tool”) membuat
prediksi tentang “sesuatu /kejadian” pada
masa yang akan datang berdasarkan
pada ”sesuatu/ kejadian” masa lalu dan
saat ini
• Output Prakiraan:
– Penjadwalan sumber daya produksi yang ada.
– Mendapatkan sumberdaya tambahan.
– Menentukan sumber daya apa yang diinginkan / dibutuhkan
Dalam kaitan dengan Perencanaan dan Pengendalian Produksi
• adalah proses (“is a tool”) membuat prediksi

tentang volume permintaan produk ( atau
volume pasokan bahan baku) pada masa yang
akan datang berdasarkan pada ”permintaan
(atau pasokan)” pada masa lalu dan saat ini
• Prakiraan permintaan didekati dengan
menggunakan data penjualan 🡺 (mengapa??).
• Agroindustri seperti apa yg memerlukan
prakiraan pasokan bahan baku untuk
pernencanaan produksinya ??
KELUARAN PRAKIRAAN
• Prakiraan Permintaan / Penjualan:
– Perencanaan Produksi
– Pengendalian Persediaan Produk
– Penambahan/ pengurangan kapasitas.
• Prakiraan Pasokan Bahan Bahan (Panen)
– Perencanaan Pengadaaan
– Perencanaan Produksi
– Pengendalian persediaan Bahan
Penjadwalan sumber daya yang dimiliki
Menentukan sumberdaya yang
dibutuhkan atau ditambahan
• Mengapa perlu prakiraan:
• Memperoleh data / informasi untuk dasar perencanaan /

pengendalian.
• Adanya selang waktu (time lag) untuk memenuhi atau

mengantisipasi terjadinya suatu “kejadian” (permintaan atau
pasokan).
Persiapa
n/ Distribusi
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
1. Tersedia data masa lalu

2. Numerik
3. Assumption of continuity
• Grass Roots: deriving future demand by
asking the person closest to the customer.
• Market Research: trying to identify customer
habits; new product ideas.
• Panel Consensus: deriving future
estimations from the synergy of a panel of
experts in the area.
• Historical Analogy: identifying another
similar market.
• Delphi Method: similar to the panel
consensus but with concealed identities.
Assumption of Continuity : bahwa
(o) Pola Data masa lalu akan berlanjut ke masa mendatang atau
(o) Bentuk Hubungan antara Permintaan (peubah dependent) dan faktor/
peubah yang mempengaruhinya (peubah independent) akan berlanjut ke masa
mendatang.
• Metode Time Series:

Analisa utk mengetahui pola data permintaan masa lalu 🡺 atas dasar
pola data digunakan untuk mencari/menentukan permintaan masa
mendatang.
Pola data atau mengapa permintaan masa lalu mempunyai nilai tertentu
merupakan “black box”.
• Metode Kausal :
Analisa utk mengetahui bagaimana bentuk hubungan antara nilai
permintaan dan peubah yang mempengaruhinya 🡺 atas dasar bentuk
hubungan tsb digunakan untuk mencari/menentukan permintaan masa
mendatang.
Analisa untuk menentukan faktor/peubah yang mempengaruhi
permintaan 🡺 penting.
Nilai permintaan tertentu “dapat dijelaskan”.
Methods of Causal Forecasting
• Input-output models:
– These can be very large and complex models, as they
examine the flow of goods and services throughout
the entire economy
• Econometric models
– These models involve a statistical analysis of various
sectors of the economy. T
• Simulation Models
• Regression
– A statistical method to develop a defined analytic
relationship between two or more variables.
Metode REGRESI
Berdasarkan analisa data permintaan dan peubah lain (mis. Harga):
Permintaan = f (harga).
Bentuk Hubungan :
? Linier 🡺 diduga: Y = a + b X,
metode LSE: dicari nilai a & b
sebagai penduga 𝛂 dan 𝛃
? 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:
volume (Q) volume (Q)
t 1988 1989 1990 t

(a) pola data horisontal (stasioner) (b) pola data musiman
volume (Q)
t t
(d) pola data trend
(c) pola data siklik
Gambar . Empat tipe pola data deret waktu.

Pola data berdasarkan adanya aspek Trend, Seasenal dan
Kombinasinya. 🡺 Klasifikasi pola data menurut PEGEL.
Gambar . Klasifikasi pola data menurut Pegel

(Makridakis, dkk. 1983).
Metode Deret Waktu:
❑ Perataan:
• Perataan Sederhana
• Perataan Bergerak (Moving Average);
Single Moving Average
Double Moving Average
• Perataan Eksponensial:
Single Exponential Smoothing
Double Exponential Smoothing
Triple Exponential Smoothing
PEGEL’s Classification.
❑ Dekomposisi
❑ Auto Regresi Integrated Moving Average ( ARIMA).
❑ Jaringan Saraf Tiruan
❑ Data Mining
Ukuran Akurasi Prakiraan
• Tidak ada hasil prakiraan yang 100% akurat .

• Kesalahan prakiraan (Error) : e t = Data Aktual – Data Prakiraan
e t= Xt - Ft
• Digunakan untuk menentukan Teknik Prakiraan yang terbaik yang
sesuai dengan Pola Data Aktual.
• Jenis Ukuran :
1. Mean Error (ME) =
2. Mean Absolut Error (MAE) =
3. Sum Square Error (SSE) =
4. Mean Square Error (MSE) =
5. Standard Deviationof Error (SDE) =

6. Mean Absolute Percentage Error (MAPE);
Percentage Error (PE) = MAPE =
7. Statistic Theil’s U :
8. Statistic Durbin – Watson (DW)=
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.
Forecast Error = RSFE = -2
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.
Forecast Error = RSFE = -2 + 1
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.
Forecast Error = RSFE = -1 + 2
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 Error = MAD = 2 TS = RSFE/MAD
Absolute (Actual – Forecast) = = -2/2 = -1
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 Error = MAD = (2+1)/2 TS = RSFE/MAD
Absolute (Actual – Forecast) = = 1.5 = -1/1.5 = -0.67
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 Error = MAD = (2+1+2)/3 TS = RSFE/MAD
Absolute (Actual – Forecast) = = 1.67 = 1/1.67 = 0.6
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
= 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
Tentukan Himpunan data untuk Analisa,

Dipilah menjadi himpunan Data INISIAL dan himpunan data Hitung ukuran
UJI Akurasi Prakiraan
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
Oktober 10 277 168,3 198,0

Nopember 11 235 209,2 191,4
Desember 12 - 244,2 203,5
Periode Uji
Ukuran Kecermatan (Apr – Nov) (Jun – Nop)
MAE 71,46 51,00
MAPE 34,89 27,88
Theil’s U 1,15 0,81
Teknik Perataan Bergerak GANDA
Double Moving Average, parameter N x N :
MA (NxN)
Prakiraan
Period Data MA
e Aktual S (t)’ S (t)’’ a (t) b (t) (4x4) MA (4)
1 100,0 - - - - - -
2 110,0 - - - - - -
3 105,0 - - - - - -
4 120,0 108,8 - - - - -
5 125,0 115,0 - - - - 108,8
6 122,0 118,0 - - - - 115,0
7 135,0 125,5 116,8 134,2 5,8 - 118,0
8 132,0 128,5 121,8 135,3 4,5 140,0 125,5
9 135,0 131,0 125,8 136,3 3,5 139,8 128,5
10 140,0 135,5 130,1 140,9 3,6 139,8 131,0
11 150,0 139,3 133,6 144,9 3,8 144,5 135,5
12 - - - - - 148,7 139,3
Ukuran kecermatan (periode uji : 8 - 10) 3,4 6,5
MAPE
Periode/ data
INISIAL
Periode/ data
Teknik Pemulusan Eksponensial Tunggal
Parameter : 0 < α < 1
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.
Ft+1 = ∝t Xt + (1 - ∝t) Ft, dimana:

∝t+1 = |Et/Mt|,
Et = β et + (1 - β) Et-1,
Mt = β |et| + (1 - β ) Mt-1,
e t = X t - F t.
• 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
∙ F6 = F5 + 1 = α5 X5 + (1- α5) F5 ; dimana

∙ α5 = α4 + 1 = I E4 / M4 I = I(-5,3)/(11,4)I = 0,46
∙ E4 = 0,2 (8,9) + 0,8 (-8,8) = - 5,3; M4 = 0,2 I8,9I + 0,8 (12) = 11,4
∙ e4 = 197 - 188,6 = 8,9.
Untuk SMA dan SES, prakiraan pada periode inisial dan

periode uji dilakukan 1 (Satu) periode per 1 (satu) periode
kedepan !!!
Doubel Exponential Smoothing (DES)
• DES – satu parameter (Brown’s method)
• DES – dua parameter (Holt’s method)

(Brown’s method)
𝛼: 0,3 0,7
𝛿 0,1 0,9
t Xt S't bt Ft et PEt
1 100 100 12,5
2 110 111,8 12,4 124,2 (14,2) 13%
3 105 118,4 11,8 130,3 (25,3) 24%
4 120 127,2 11,5 138,7 (18,7) 16%
5 122 133,7 11,0 144,8 (22,8) 19%
6 120 137,3 10,3 147,6 (27,6) 23%
7 125 140,8 9,6 150,5 (25,5) 20%
8 128 143,7 8,9 152,7 (24,7) 19%
9 128 145,3 8,2 153,5 (25,5) 20%
10 132 147,0 7,6 154,6 (22,6) 17%
11 130 147,2 6,8 154,0 (24,0) 18%
12 134 148,0 6,2 154,2 (20,2) 15%
13 132 143,2 5,1 148,3 (16,3) 12%
MAPE 18,1%
Periode
Tahun Kuartal (t) Penjualan (Xt)

I 1 36
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
Prof. Dr. Ir. Machfud, MS 2021

Capacity Planning, Aggregate Planning, Master Schedule, and Short-Term Scheduling
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
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 Departemen Teknologi Industri Pertanian

Perencanaan Produksi
● Mengapa Perlu Perencanaan Produksi ??
– Selang waktu yg diperlukan untuk persiapan dan pengadaan sumber daya
produksi.
– Kapasitas produksi dan permintaan yang tidak selalu seimbang
– Permintaan yang dinamis dan tidak pasti
🡺Memaksimumkan pemanfaatan kapasitas fasilitas dan meminimumkan “overloading”

dan ”underloading
🡺Memastikan bahwa kapasitas yg tesedia dapat memenuhi permintaan
(expected demand).
🡺 Merencanakan secara teratur dan sistematik perubahan produksi untuk memenuhi
terjadinya lonjakan permintaan dan turunnya permintaan secara drastic
tin
🡺 Get the most output for the amount of resources available
Aggregate Planning Goals
● Meet demand
● Use capacity efficiently
● Meet inventory policy
● Minimize cost
– Labor
– Inventory
– Plant & equipment
– Subcontract

Perencanaan Produksi (Agregat)
● Termasuk horizon perencanaan jangka menengah

(3 – 12 bulan kedepan).
● Perencanaan Produksi Agregat :
– Perencanaan produksi tidak menurut item per item jenis
produk, tetapi untuk kelompok atau dengan
Famili Produk
keputusan yang bersifat agregatif dan untuk perencanaan
jangka menengah.
– Relevan untuk Agroindustri yang memproduksi banyak

varian (jenis) produk dengan menggunakan sumberdaya
fasilitas produksi yang sama..

● Famili produk: kumpulan item produk yang dalam produksinya
menggunakan sumberdaya yang sama (mesin, orang, atau bahan) yang
sama.
● Agregasi :
– produk 🡺 product family
– waktu 🡺 bulanan atau triwulanan
– satuan 🡺 (mis bukan satuan botol, tapi Kiloliter)
● Mengapa Agregat ??
– Effisiensi Perencanaan
– Informasi utk perencanaan kebutuhan sb.daya produks
(orang, bahan, anggaran

RENCANA
AGREGAT
Periode bulan ke
Product Family
I II III IV
Jus (kilo liter) 1000 1500 1250 1750
Dis-agregasi
Saus (kilo kiter) 750 1500 1000 1200
Bumbu-bumbuan 2000 2200 1800 1600
Bulan Januari, minggu ke Total

Jus
I II III IV Januari
JADWAL
Jus Mangg 150 100 100 350
INDUK
Jus Apel 25 75 150 250
PRODUKSI
Jus Jambu 75 75 100 150 400
Total Jus 250 250 250 250 1000

Rencana Produksi Agregat
Maksud utama: menetapkan kombinasi yang optimal dari tingkat produksi,

jumlah tenaga kerja, dan tingkat persediaan, sehingga diperoleh biaya
yang minimal dalam horizon perencanaan tertentu.
Production Rate = number of units completed per unit of

time (hour, day, etc.)
Work-force Level = number of workers needed for

production
Inventory on hand = balance of unused inventory carried

over from the previous period.

Lingkungan Perencanaan Produksi
Competitor’s Raw Material Market

Behavior Availability Demand
External Planning Economic

Capacity (Subs.) for Conditions
Production
Current Current Current Required

Physical Work Force Work Force Production
Capacity Activities

Strategi Perencanaan Produksi (Agregat).
● 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

Graph of Level vs. Chase Strategy

Chase Demand Strategy
● Cost of strategy – hiring and firing workers
● This strategy would not be feasible for industries which require highly skilled labor
or where competition for labor is fierce.
● This strategy would be cost effective during periods of high unemployment or
when low-skilled labor is acceptable.
Level Production Strategy

● Cost of strategy – holding items in inventory.
● Tends to be the preferred strategy of many organizations,
including labor unions.

Chase Strategy Level Strategy
Advantages Advantages
● Reduced inventory costs. ● Worker levels and production
● High levels of worker utilization. output are stable.
Disadvantages Disadvantages
● Cost of fluctuating workforce levels.
● High inventory costs.
● Potential damage to employee morale.
● Increased labor costs.

Metode Perencanaan Produksi Agregat
● Graphical & charting techniques

– Popular & easy-to-understand
– Trial & error approach
– Mencoba berbagai rencana/skenario dan mengambil rencana yang
mempunyai biaya terendah
● Mathematical approaches
– Programa Linier/ ransportation method
– Linear decision rule
– Parametrik
– Management coefficients model
– Simulation

Comparison of Aggregate
Planning Methods
Method Advantages Limitations
◆ Many solutions; solution
◆ Simple, easy to use and
Graphical understand
need not be optimal
◆ Provides optimal solution

◆ Popular in many industries ◆ Mathematical functions
must be linear, and
◆ Sensitivity & dual analysis provide
Linear useful information
deterministic -- not
Programming necessarily a realistic
◆ Sensitivity & dual analysis provide assumption
useful information
◆ Constraints readily added

Comparison of Aggregate Planning Methods
◆ Incorporates some non-standard costs
◆ Skilled personal required
◆ Quadratic model not always realistic
Linear ◆ Provide optimal solution
◆ Handle non- deterministic ◆ Values of variables are
Decision demand unconstrained
Rules ◆ Feasible solution is optimal if it exists - not
guaranteed
◆ Simple, easy to use and understand

◆ Attempts to duplicate manager’s
Management decision- making process ◆ Solution need not be optimal
◆ Simplest, least disruptive, ◆ Assumes past decisions are good
Coefficients easiest to implement ◆ Built on individual’s invalidate model
Model 17

Comparison of Aggregate Planning
Methods

◆ Places no restrictions on
◆ No optimal solution
mathematical structure or
Simulation cost functions
guaranteed
◆ Often a long, costly, process
◆ Can test many relationships

Kasus Perencanaan Agregat
Suatu industri memproduksi beragam Candy. Berdasarkan hasil prakiraan dalam periode
triwulan pada tahun yang akan datang adalah sbb:
Kuartal 1 : 80.000 unit

Kuartal 2 : 50.000 unit
Kuartal 3 :120.000 unit
Kuartal 4 :150.000 unit
Tingkat produksi ditentukan oleh jumlah tenaga kerja, yang mana setiap pekerja mampu
memproduksi 1000 unit per kuartal. Jumlah tenaga kerja pada awal perencanaan: 100 orang.
Untuk meningkatkan kapasitas produksi perusahaan dapat menambah tanaga kerja dengan
biaya $ 100 per orang, dan jika menurunkan kapasitas produksi, perusahaan dapat mem PHK
dengan konsekuensi biaya $ 500 per orang.
Perusahaan mengambil kebijakan tidak boleh terjadi kekurangan stok produk, apabila
terjadi kelebihan stok biaya menahan persediaan: $ 0,50 per unit per kuartal.
? Apakah perusahaan mengambil skenario Level Startegy atau Chase Strategy dalam
menentukan rencana produksi pada tahun yang akan datang.

Skenario Level Strategy
Terdapat beberapa alternatif dalam menentukan tingkat produksi yang

tetap setiap kuartal:
– Berdasarkan kapasitas produksi (jumlah pekerja) yang ada.
– Berdasarkan rata-rata permintaan selama 4 kuartal.
Yang penting harus memenuhi kendala bahwa setiap kuartal tidak boleh
terjadi kekurangan produk, yang dapat dicek dengan menggunakan
kurva kumulatif produksi dan kumulatif demand..
Jika digunakan alternatif rata-rata permintaan 🡺
tingkat produksi per kuartal : 100.000 unit

4500
00
4000
00
3500 Kum
Unit
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
dan produksi tidak berpotongan) 🡺 tidak terjadi kekurangan stok

0
0

Biaya Biaya Biaya Std Prod Tenaga
Hire Fire Holding (unit/org/ kerja
($/org) ($/org) ($/unit) periode) awal
100 500 0,5 1000 100
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

● Skenario atau strategi CHASE lebi baik
dibandingkan LEVEL. 🡺
– ??? Strategi Chase sudah OPTIMAL 🡺 belum tentu, 🡺
● Metode OPTIMASI.

Aplikasi Linear Programming
● 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

● Kendala permintaan:
It = It-1 + Pt – Dt
t=1 🡺 P1 – I1 + Io = 80000.
t=2 🡺 P2 – I2 + I1 = 50000.
t=3 🡺 P3 – I3 + I2 = 120000
t=4 🡺 P4 – I4 + I3 = 150000
● Kendala Produksi 🡺 Pt = 1000 Wt
● Kendala Tenaga Kerja: Wt =Wt-1 + Ht - Ft
t=1 🡺 W1 + F1– H1 - Wo = 0.
t=2 🡺 W2 + F2 – H2 - W1 = 0.
t=3 🡺 W3 + F3 – H3 – W2= 0
t=4 🡺 W4 + F4 – H4 – W4= 0
Solusi Optimal
● P1 = 80 🡺 W1=80🡺F1=20 & H1=0🡺I1=0

● P2 = 80 🡺 W2=80🡺F2=0 & H2=0 🡺 I2=30
● P3 = 90 🡺 W3=90🡺F3=0 & H3=10 🡺I3=0
● P4 = 150🡺 W4=150🡺F4=0&H4=60 🡺I4=0
● Total Biaya $32.000,-

Contoh A Cut & Try
Perusahaan “ANDA”
(Bahan utk RESPONSI sd slide no 32)
Tujuan: Menyusun rencana produksi 6 bulan
Bulan Demand Forecast Jumlah Hari-Kerja

January 1,800 22
February 1,500 19
March 1,100 21
April 900 21
May 1,100 22
June 1,600 20
Inventory awal = 400 units
Perusahaan menetapkan safety stock sebesar 25% dari demand forecast

Cut & Try Example (continued)
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.

Cut & Try--- Plan 1
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

Cut & Try --- Planning
Requirements
A B C D E F G H
Production Planning
Requirements
Beginning Demand Safety Production Ending Working
Month Inventory Forecast Stock Requirement Inventory Days/Month
January 400 1800 450 1850 450 22
February 450 1500 375 1425 375 19
March 375 1100 275 1000 275 21
April 275 900 225 850 225 21
May 225 1100 275 1150 275 22
June 275 1600 400 1725 400 20
8000 8000
Safety Stock = E = .25 x D

Production Requirement = F = D + E - C Ending
Inventory = G = C + F - D
tin
Beginning Inventory C = Gt-1 (except for the first period where C = 400)
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
Production Requirement = C = column F from planning requirements

Hours Required = D = C x Hours per Unit from parameters (5/unit) Monthly Hours per
Employee = F = E x Hrs. per day from parameters (8/day)
Employees Required = D/F
Plan 1 Model Continued on Next Page

Plan 1 Continued
H I J K L M
New Employees Hiring Employees Layoff St. Time Total Cost
Hired Cost Laid Off Cost Cost
0 0 0 $ - $ 37,000.00 $ 37,000.00
0 0 6 $ 1,500.00 $ 28,500.00 $ 30,000.00
0 0 17 $ 4,250.00 $ 20,000.00 $ 24,250.00
0 0 5 $ 1,250.00 $ 17,000.00 $ 18,250.00
8 1600 0 $ - $ 23,000.00 $ 24,600.00
21 4200 0 $ - $ 34,500.00 $ 38,700.00
5800 $ 7,000.00 $160,000.00 $172,800.00
Employees Hired = H: If Gt > Gt-1 then H = difference between Gt and Gt-1

Hiring Cost = H x the per employee hiring cost parameter ($200)
Employees Laid Off = J: If Gt < Gt-1 then H = difference between Gt and
Gt-1 Layoff Cost = J x the per employee layoff cost parameter ($250)
Straight Time Cost = C x labor cost per hour parameter ($4.00)

Plan 2 (Excel Model)
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)
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
Demand Forecast = G = from planning requirements

Ending Inventory = H = C + F - G
Units Short = I: (If H < 0, the I = abs(H)
Stockout Cost = J = I x stockout cost parameter ($5)
Safety Stock = K = from E in planning requirements

Plan 2 Continued
L M N O
Excess Inventory St. Time Total Cost
Inventory Cost Cost
0 $ - $ 28,160.00 $ 28,160.00
0 $ - $ 24,320.00 $ 25,700.00
0 $ - $ 26,880.00 $ 27,040.00
187 $ 280.50 $ 26,880.00 $ 27,160.50
445 $ 667.50 $ 28,160.00 $ 28,827.50
0 $ - $ 25,600.00 $ 25,600.00
$ 948.00 $160,000.00 $ 162,488.00
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)

Plan 3 (Excel Model)
A BC D E F
Plan 3 Production Working Available Actual
Mempertahankan Jml T.K. yg tetap Month Requirement Days/Month Production Production
Hrs.
Berproduksi hanya utk meme January 1850 22 4488 898
nuhi Demand terendah February 1425 19 3876 775
Selebihnya dipenuhi dengan March 1000 21 4284 857
Sub-kontrak. April 850 21 4284 857
May 1150 22 4488 898
June 1725 20 4080 816
Production Requirement = C = from F on production planning requirements
Available Production Hours = E = [D x hours per day parameter (8)] x

[number of employees]
where:
employees = [min(col C) x labor hours per unit parameter (5)
x planning periods parameter(6)] :
[sum D x hours per day parameter (8)]
Actual Production = F = E / hours per unit parameter (5)

Plan 3 Continued
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
Units Subcontracted G =C-F

Subcontracting Cost = H = G x subcontract cost parameter ($20)
Straight Time Cost = I = E x cost per hour parameter
($4.00)

Teknik Parametrik
● Aturan dengan menggunakan teknik pencarian untuk
memperoleh Parameter yang memberikan Total Biaya Produksi
yang minimum.
– Parameter tenaga kerja
– Parameter tingkat produksi
● Fungsi biaya tenaga kerja dan produksi sesuai dengan realitas
(tidak diasumsikan linier spt pada Programa Linier).
● Model Penetapan Jumlah Tenaga Kerja:
Wt = Wt-1 + A(W* - Wt-1 + I adj) Iadj = 𝑏𝑛𝐾(𝐼∗ − 𝐼𝑡./)

bn = adalah faktor pembobot untuk setiap periode-n ke depan
K = adalah standar kerja (jumlah orang yang dibutuhkan per
unit produk).
N= jumlah periode prakiraan kedepan yang
diperhitungkan dalam perencanaan
I* = Tingkat persediaan optimal (ideal) atau berdasarkan
kebijakan manajemen.
(I adj ): penyesuaian terhadap tingkat persediaan produk
Nilai parameter A dan B: di antara 0 dan 1

Model Penetapan Jumlah
Produksi
Pt = W t /K + C (P*t – (Wt /K) + Iadj
𝑁
𝑛
𝑃∗ = 2 𝑑 𝐹 𝐷
𝑛 𝑡7𝑛./ 𝑑𝑛 =
∑𝑁𝑛3/ 𝐷𝑛
𝑛3/
Iadj =dn (I* - It-1)
dn = adalah faktor pembobot untuk setiap periode-n

K = adalah standar kerja (jumlah orang yang dibutuhkan per
unit produk).
N= jumlah periode prakiraan kedepan yang diperhitungkan
dalam perencanaan
(I adj ): penyesuaian terhadap tingkat persediaan
tin
produk Nilai parameter C dan D: di antara 0 dan 1
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
Modifikasi PilihA,B,C dan D

Parameter dgn Total Biaya
A,B,C dan D Minimum

Contoh Soal
Metode Parametrik (Bahan
Responsi)
(lihat file: Parametrik.xls)

Metode
Optimasi
Aplikasi metode Linier Programming untuk
Perencanaan Produksi.

Model Optimasi
● Programa Linier:
– Model Transportasi
● Programa Dinamis
● Programa Sasaran
● Kondisi Sistem Produksi

– Jumlah Tahap Proses ● Parameter Model
– Jumlah Item Produk – Deterministik
– Jumlah Periode – Probabilistik
– Jumlah Alternatif sumber
daya produksi

Perencanaan Produksi Multi-Tahap
dengan Permintaan Bersifat Statis
Multi tahap:
– Perencanaan antar tahap bersifat “independent” Variabel :
– Adanya “stock in process” (persediaan produk antara atau produk ½ jadi) - Inventory, kapasitas alat, jum
– Proses produksi antar tahap TIDAK KONTINYU. tenaga kerja, jumlah produksi,
biaya produksi
Pengeri Variable keputusan :

Buah Kopi Penggi- - Jumlah tenaga kerja
ngan lingan - Jumlah tingkat produksi
(P1) - Inventory
Fungsi tujuan dari perencanaa

produksi = meminimumkan bia
Biji Kopi kering Kopi Bubuk dan meningktakan profit
Tahap -1 Tahap -2

● Ilustrasi diagramatis Sistem Produksi Multi-Tahap.
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

● SINGLE State:
– Untuk proses produksiyang bersifat kontinyu.
– Output suatu tahap proses LANGSUNG diproses
pada tahap proses berikutnya.
– Tidak ada secara sengaja memproduksi produk
antara (1/2 jadi).
Tandan
buah
sawit
CPO

Keseimbangan Inventori antar Tahapan - j
j
∑ Wj
o
I =I j
+ k (X k )
X - k≠j
j
Ij : tingkat persediaan akhir pada tahap ke-j

Ioj : tingkat persediaan awal pada tahap ke-j
Xj : produksi (input persediaan) pada tahap ke-j
Wjk : jumlah persediaan yang keluar pada tahap ke-j untuk
memproduksi sebanyak Xk unit pada tahap ke-k
Jika misalkan Xj adalah jumlah produksi yang dihasilkan pada tahap

ke-j oleh beberapa Mesin/operator (paralel), misalnya sebanyak i =
1,2…M, maka:
M
j
X Pi j ( i
=∑ i=1 X )
P ij(X )i adalah jumlah unit produk tahap ke-j yang dihasilkan oleh
tin
mesin/operator ke-i
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
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

Perencanaan Produksi SATU-Tahap dengan
Permintaan Bersifat Dinamis (Multi period),
dengan j-sumber daya
X = jumlah unit produk yang diproduksi dengan menggunakan sumber

jt
daya ke-j, pada periode ke-t, (j=1,2,...Ji ; t=1,2,...T).
cjt = unit biaya produksi dengan sumber daya ke-j, pada periode ke-t.
It = tingkat persediaan pada akhir periode ke-t.
ht = biaya penyimpanan persediaan per unit, periode
ke-t. Wjt = kapasitas sumber daya ke-j, pada
periode ke-t.
Dt = permintaan produk jadi pada periode ke-t.

X1 X2 X3 XT
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

Perencanaan Produksi Multi-Tahap dengan
Permintaan Bersifat Dinamis
Kasus Sistem Produksi M-tahap Secara seri, dengan J-Sumber daya pada
Setiap Tahap
X = jumlah unit produk pada tahap ke-i yang diproduksi

ijt
menggunakan
dengan sumber daya ke-j, pada periode ke-t,
(i=1,2,...,M; j=1,2,...Ji ; t=1,2,...T).
cijt = unit biaya produksi pada tahap ke-i, sumber daya ke-j, pada periode
ke-t.
I = tingkat persediaan pada tahap ke-i, akhir periode ke-t.
it
= biaya penyimpanan persediaan per unit, pada tahap ke-i, periode
h
it
ke-t.
Pijt = kapasitas sumber daya ke-j, pada tahap ke-i periode
ke-t. Dt = permintaan produk jadi pada periode ke-t.

⎢⎡ Ji c X + h I ⎥⎤
T
Z=
∑∑ ∑ ijt ijt t t
M
Dengan kendala, untuk t=1,2,…, T
⎦
⎣
t =1 i=1 j
=1
Ji
−
J
I =I +
∑ X
∑X
i+1
it i,t −1 ijt i+1, jt Untuk i=12,…, M-1

j =1 j =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

Contoh:
Misalkan suatu industri makan ternak dalam proses
produksinya terdiri dari 3 tahap, yaitu tahap penggilingan Var keputusan:
bahan, pencampuran dan pembentukan pellet, dan terakhir Tingkat produksi pada
pengemasan. Pada setiap tahap terdapat silo untuk periode 1,2,3 dengan jam
menampung produk, dan antar tiap tahapan diasumsikan kerja reguler dan lembur
proses produksinya dilakukan secara bebas. Proses produksi
pada jam reguler adalah selama 6 jam per hari, dan apabila Var keputusan Xijt
diperlukan maka dilakukan produksi pada jam lembur. i = 1,2,3
Prakiraan permintaan selama 3 bulan mendatang, kapasitas j = reg, lembut
produksi pada pada jam reguler dan lembur untuk setiap t = periode 1,2,3
tahapan proses disajikan pada Tabel berikut. Inventory Iit
Periode Tahap
Jenis Biaya
1 2 3 1 2 3 Fungsi tujuan
Prakiraan (ton) 300 450 350 Biaya produksi (juta/ton) : Min Z = sigma t=1 s/d t=3 2.5(X11t)
Kapasitas : 3.5(X21t) + 5.5(X22t) + 1.5(x31t) + 2
∙reguler 2.5 3.5 1.5
0.3I1t + 0.4 I12t + 0.8I3t + 1.3Imin 3
Tahap 1: reguler 200 175 200 ∙lembur 3 5.5 2.5
lembur 50 50 50
Biaya persediaan St
Tahap 2: reguler 250 200 225 (juta/ton/bln)
lembur 50 50 50
Tahap 1 periode 1 X11t <= 200 X12t
∙kelebihan 0.3 0.4 0.8
Tahap 3: reguler 200 200 200
Dst
∙kekurangan - - 1.2
tin
lembur 50 50 50
T=1 tahap 3 (?) 🡪 Iawal31+X311 + X
Model Transportasi

Periode
1 2 3
Kebutuhan 550 700 750
Kapasitas
Reg 500 500 500
Lembur 50 50 50
Sub- 120 120 100
Persediaan awal 100
Biaya / unit
Reg 60
Lembur 80
Sub 90
Biaya Persediaan
Carrying 1 per unit per bulan
Backorde 3 per unit per bulan

Kebutuhan untuk periode
Total
Produksi dari Unused Kap
Kap. Tersedia
1 2 3 (Dummy)
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
Kebutuhan 550 700 750 90 2090 Teknologi Pertanian
Fakultas
Terima
Kasih

Aggregate Planning
Parametric Method
⚫ Developed by Jones
⚫ No linear and non-linear constraints in cost functions
⚫ Generate rules with computation resulting decision
parameter concerning number of workers and
optimum production with the lowest total cost
NUMBER OF WORKER DECISION
RULE
⚫ FIRST rule. Number of workers.
⚫ SECOND rule. Number of productions
⚫ Both uses 4 parameters
⚫ This approach uses 3 models, number of workers,
production level and realistic cost equation model
Using the first model, number of workers in t the same as in period t-1 plus
difference ratio between number of worker in period t-1 and number of ideal
workers (W*) and inventory adjustment, modeled as
Pada model di atas A : 0 ≤A≤1
Berapakah jumlah pekerja ideal

(W*)
Ft = perkiraan permintaan
Kt = waktu standar kerja pekerja per unit produksi pada waktu regular
KFt =jumlah pekerja yang dibutuhkan untuk memenuhi perkiraan
permintaan
bn = faktor pembobot untuk setiap periode-n

K = standar kerja (jumlah yang dibutuhkan per unit)
N = jumlah periode prakiraan ke depan yang diperhitungkan dalam
perencanaan
B merupakan pembobot N untuk prakiraan mendatang yang harus ditetapkan (0 ≤
B≤1
Iadj=tingkat persediaan yang disesuaikan (adjustment)
PRODUCTION DECISION RULES
Dengan mengembangkan program komputer, proses
pencarian nilai parameter A,B,C, dan D yang memberikan
total biaya dapat dilakukan dengan cepat. Algoritma
pencarian nilai parameter tersebut adalah sebagai berikut :
1) Tetapkan/baca Ft,Xt,N,K,I* dan nilai awal A,B,C, dan D
2) Untuk n=1 sampai dengan N hitung bn dan dn
3) Untuk setiap t=1 sampai dengan T hitung W*t dan P*t
4) Untuk setiap t, mulai dari t=1 sampai dengan T, hitung
secara berurut W1,P1 kemudian It(=P+It-1-Xt),Iadj dan
Biayat.
5) Hitung total biaya sampai dengan periode T
6) Modifikasi parameter A,B,C,dan D
7) Kembali ke langkah no.2
8) Pilih parameter A,B,C dan D yang memberikan total
biaya yang terkecil
Contoh Kasus
Suatu agroindustri yang proses peoduksinya dilakukan
secara manual dengan menggunakan tenaga kerja.
Jam kerja normal (regular) setiap minggu adalah 40
jam, dan untuk memudahkan perhitungan dimisalkan
bahwa setiap unit produk membutuhkan 5 jam-orang,
sehingga pada jam normal setiap pekerja
menghasilkan 8 unit produk (K=1/8 unit per orang).
Kekurangan produksi pada jam normal untuk
memenuhi permintaan pada suatu periode diatasi
dengan melemburkan pekerja. Biaya-biaya yang
berjenaan dengan perencanaan produksi diketahui
sebagai berikut
⚫ Biaya pekerja pada jam normal adalah linear yaitu : Rp
25.000 per unit
⚫ Biaya pekerja pada jam lembur adalah linier, yaitu Rp.
35.000 per unit
⚫ Biaya produksi di luar biaya pekerja dirumuskan dalam
bentuk persamaan Rp 50.000 + Rp. (15.000 x unit produk)
⚫ Biaya kelebihan persediaan produk setiap minggu
mengikuti persamaan :
Biaya = Rp. 10 ribu – 2 (jumlah stok) + 0,2 (jumlah stok)2
⚫ Beban biaya karena penambahan atau pengurangan tenaga
kerja adalah mengikuti persamaan sebagai berikut :
Biaya = Rp. 15 ribu – 2 (jumlah penambahan atau
pengurangan) + 0,2 (jumlah penambahan atau
pengurangan)2
Pada tabel berikut ini disajikan angka prakiraan
permintaan (F), jumlah permintaan aktual (X), jumlah
pekerja (W), dan jumlah produksi (P) serta kondisi
persediaan (I) yang dilakukan oleh manajer produksi
selama ini.
Actual Number of Number of
Period Forecast Demand Inventory workers production
t F(t) X(t) I(t-1) W(t) P(t) P(r,t) P(I,t)
22
1 260 249 49 28 254 224 30
2 270 260 54 30 275 240 35
3 305 340 69 35 320 280 40
4 370 360 49 40 360 320 40
5 310 300 49 40 320 320 0
6 270 280 49 34 270 270 0
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
1 392 270 3860 5600 1050 11172
2 485 50 4175 6000 1225 11935
3 824 200 4850 7000 1400 14274
4 392 200 5450 8000 1400 15442
5 392 0 4850 8000 0 13242
6 392 270 4100 6750 0 11512
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
Actual Number of Number of

Period Forecast Demand Inventory workers production
t F(t) X(t) W*(t) I*(t-1) P*(t) P*(r,t) P*(I,t)
22
1 260 249 26 49 252 207 45
2 270 260 30 52 275 237 37
3 305 340 33 67 302 260 41
4 370 360 36 28 337 284 52
5 310 300 37 5 305 293 13
6 270 280 36 10 276 276 0
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 :

worker cost (worker normal Overtime
t Inventory Cost change excluded) cost cost Total Cost
1 130 392 3828 5163 1589 11102
2 133 445 4172 5937 1306 11993
3 83 766 4573 6504 1447 13373
4 89 113 5098 7101 1837 14238
5 0 5 4632 7322 440 12399
6 8 10 4187 6900 0 11105
74210
A=0,45; B=0,3;C=0,6; dan D=0,7
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
worker cost (worker normal Overtime Total
t Inventory Cost change excluded) cost cost Cost
1 202 392 3813 5405 1213 11025
2 129 426 4256 6165 1183 12160
3 126 884 4517 6912 746 13184
4 170 121 5014 7816 639 13760
5 0 10 4751 7800 49 12610
6 64 19 4273 6900 0 11256
73995

Uts PPP 1-7

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

Uts PPP 1-7

Diunggah oleh

Hak Cipta:

Format Tersedia

Perencanaan dan

Pengendalian Produksi (PPP)

Production Planning and

PELANGGAN DAN KLIEN

UMPAN BALIK INFORMASI

To securing monetary resources at favorable prices &

Manajemen Produksi / Manajemen Operasi:

LINGKUP RANCANGAN SISTEM PRODUKSI:

?PROSES/OPERASI YANG DIBUTUHKAN, URUTANNYA, ♦PEMILIHAN DAN DAN STRAT

?LOKASI YANG BAIK BAGI FASILITAS DAN ATAS DASAR STRAT

?MENGATUR LETAK FASILITAS (BANGUNAN, RUANG, ♦TATALETAK STRAT

?MENYEDIAKAN LINGKUNGAN KERJA STRAT

LINGKUP PENGOPERASIAN DAN PENGENDALIAN SISTEM

?KAPASITAS PRODUKSI YANG DIBUTUHKAN (JANGKA ♦RENCANA PRODUKSI TAKTIS

?PENJADWALAN KERJA, SIAPA YANG MELAKSANAKAN. ♦PENJADWALAN TAKTIS

?HAMBATAN (BOTTLENECKS) DAPAT DIKURANGI ♦ANTRIAN (QUEING) TAKTIS

?MENETAPKAN KUALITAS PRODUK/JASA , STANDARD TAKTIS

• Pengendalian Produksi vs Pengendalian Proses Produksi.

• Karakteristik Sistem Produksi pada Agroindustri

• Output & Input :

• ?? Perencanaan dan Pengendalian Produksi berperan dalam

■ Input (Tetap) : OUTPUT (Efektif)

■ INPUT dan pada saat yang sama OUTPUT

PERENCANAAN PERENCANAAN PENJADWALAN,

P3 pada Agroindustri: VENDOR

Prakiraan Permintaan atau Prakiraan Pasokan Bahan Baku ??.

Cakupan perencanaan dan pengendalian produksi menurut horizon

■ Apakah semua aktifitas perencanaan, penjadwalan, dan pengelolaan

■ Apakah personil yang bertanggung jawab dalam pengambilan keputusan

■ Apakah personil yang bertanggungjawab dalam pengambilan keputusan

PERENCANAAN PERENCANAAN PENJADWALAN,

P3 pada Agroindustri: VENDOR

Prakiraan Permintaan atau Prakiraan Pasokan Bahan Baku ??.

• adalah proses (“is a tool”) membuat prediksi

• Memperoleh data / informasi untuk dasar perencanaan /

• Adanya selang waktu (time lag) untuk memenuhi atau

1. Tersedia data masa lalu

• Metode Time Series:

volume (Q) volume (Q)

t 1988 1989 1990 t

Gambar . Empat tipe pola data deret waktu.

Gambar . Klasifikasi pola data menurut Pegel

• Tidak ada hasil prakiraan yang 100% akurat .

2. Mean Absolut Error (MAE) =

3. Sum Square Error (SSE) =

4. Mean Square Error (MSE) =

5. Standard Deviationof Error (SDE) =

Percentage Error (PE) = MAPE =

8. Statistic Durbin – Watson (DW)=

Forecast Error = RSFE = -2

Forecast Error = RSFE = -2 + 1

Forecast Error = RSFE = -1 + 2

Absolute Error = MAD = 2 TS = RSFE/MAD

Absolute (Actual – Forecast) = = -2/2 = -1

Absolute Error = MAD = (2+1)/2 TS = RSFE/MAD

Absolute (Actual – Forecast) = = 1.5 = -1/1.5 = -0.67

Absolute Error = MAD = (2+1+2)/3 TS = RSFE/MAD

Absolute (Actual – Forecast) = = 1.67 = 1/1.67 = 0.6

Tentukan Himpunan data untuk Analisa,

Oktober 10 277 168,3 198,0

Parameter : 0 < α < 1

Ft+1 = ∝t Xt + (1 - ∝t) Ft, dimana:

∙ F6 = F5 + 1 = α5 X5 + (1- α5) F5 ; dimana