Moving, Exp, Holts, Winter, Agregat, Disagregat
Moving, Exp, Holts, Winter, Agregat, Disagregat
Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa karena berkat Rahmat-
Nyalah Responsi Perencanaan dan Pengendalian Produksi berjalan dengan baik dan
lancar. Laporan ini kami susun sebagai tugas Laporan Penugasan Pasca mengikuti
Responsi Perencanaan dan Pengendalian Produksi Semester Genap Tahun Ajaran
2022/2023. Ucapan terima kasih kami sampaikan kepada:
1. Bapak Sugiono, ST., MT., Ph.D. selaku Ketua Departemen Teknik Industri Fakultas
Teknik Universitas Brawijaya.
2. Bapak Ir. Ihwan Hamdala, ST., MT., IPM. selaku Kepala Laboratorium Rekayasa
Bisnis dan Rantai Pasok Departemen Teknik Industri Fakultas Teknik Universitas
Brawijaya.
3. Dr. Eng. Zefry Darmawan, ST., MT., selaku Kepala Laboratorium Sistem
Manufaktur Ramping dan Berkelanjutan Departemen Teknik Industri Fakultas
Teknik Universitas Brawijaya.
4. Asisten Laboratorium Rekayasa Bisnis dan Rantai Pasok dan Laboratorium Sistem
Manufaktur Ramping dan Berkelanjutan Departemen Teknik Industri Fakultas
Teknik Universitas Brawijaya.
Penulis menyadari bahwa banyaknya kekurangan dan kesalahan dalam penyusunan
laporan pasca responsi ini. Oleh karena itu, kritik dan saran sangat diharapkan demi
kelancaran pada penyusunan laporan di masa yang akan datang. Semoga laporan
praktikum ini dapat bermanfaat bagi penulis dan pembaca.
Penulis
DAFTAR ISI
KATA PENGANTAR.....................................................................................................2
DAFTAR ISI....................................................................................................................4
DAFTAR GAMBAR.......................................................................................................5
DAFTAR TABEL............................................................................................................6
DAFTAR LAMPIRAN...................................................................................................7
STUDI KASUS................................................................................................................8
FORECASTING............................................................................................................12
2.1 AGREGAT............................................................................................................29
2.2 DISAGREGAT......................................................................................................37
KESIMPULAN..............................................................................................................43
DAFTAR GAMBAR
DAFTAR TABEL
DAFTAR LAMPIRAN
STUDI KASUS
PENUGASAN PASCA RESPONSI PERENCANAAN DAN
PENGENDALIAN PRODUKSI 2022/2023 PERIODE
GENAP
CV Klompen Berkah merupakan sebuah salah satu pionir pengerajin klompen yang
telah memproduksi sandal kayu selama 20 tahun. Selama beberapa dekade selalu
menghasilkan sandal kayu dengan kualitas terbaik dan menjadi salah satu pengerajin
yang disegani oleh industri manufaktur nasional. CV Klompen Berkah memproduksi 2
jenis sandal yaitu sandal kayu flat dan juga sandal kayu heels. Proporsi penjualan kedua
produk tersebut adalah 60% sandal kayu flat dan 40% sandal kayu heels. Berikut
merupakan foto dari produk dari CV Klompen Berkah.
Gambar 1 Produk Sandal Kayu (flat) dan Sandal Kayu (heels) CV Klompen Berkah
Untuk memproduksi 1 unit sandal kayu flat dan sandal kayu heels, berikut merupakan
material dan mesin yang dibutuhkan.
Tabel 2 Bahan Produksi Sandal Kayu Flat dan Sandal Kayu Heels
Tabel 3 Mesin Produksi Sandal Kayu Flat dan Sandal Kayu Heels
No Mesin
1 Band Saw
2 Dinamo Amplas
3 Mesin Semprot Cat
4 Mesin Semprot Lem
Urutan proses produksi pembuatan sandal kayu flat dan sandal kayu heels CV Klompen
Berkah dijelaskan pada Operation Process Chart berikut.
Gambar 2 Operation Process Chart (OPC) Produk Sandal Kayu Flat
Gambar 3 Operation Process Chart (OPC) Produk Sandal Kayu Heels
Karyawan CV Klompen Berkah bekerja selama 14 hari kerja dalam sebulan dan 8
jam per hari atau 112 jam kerja/bulan. Karyawan juga dapat lembur dengan maksimal 1
jam lembur perharinya. Berikut merupakan detail cost karyawan CV Klompen Berkah.
Jenis Biaya
FORECASTING
Pola data permintaan adalah pola atau tren yang terlihat dalam data historis permintaan
produk atau layanan dari waktu ke waktu. Identifikasi pola data deret waktu berfungsi
untuk menentuka metode yang akan digunakan untuk menganalisis data tersebut. Ada
beberapa Pola Data (Seto, 2016) :
1) Trend (T), terjadi bila ada kenaikan atau penurunan dari data secara gradual dari
gerakan datanya dalam kurun waktu panjang.
2) Seasonality (S) pola musiman terjadi bila pola datanya berulang sesudah suatu
periode tertentu: hari, mingguan, bulanan, triwulan dan tahun.
3) Cycles (C), Siklus adalah suatu pola data yang terjadinya setiap beberapa tahun,
biasanya dipengaruhi oleh fluktuasi ekonomi jangka panjang berkaitan dengan siklus
bisnis.
4) Horizontal (H) / Stasioner, terjadi bila nilai data berfluktuasi di sekitar nilai rata-rata
yang tetap, stabil atau disebut stasioner terhadap nilai rata-ratanya.
Berikut merepukan grafik pola data permintaan product pada CV Klompen
Berkah.
Dengan demikian dapat disimpulkan bahwa Jenis pola data pada data
permintaan produk klompen adalah seasonality karena pola data permintaan
memiliki pola berulang setiap 4 periode dalam 12 periode. Pada data permintaan
produk klompen memiliki inisiasi awal nilai awal sebesar 2126 dan inisiasi nilai
trend awal sebesar 54.
1.2 METODE MOVING AVERAGE
Pada metode Moving Average menggunakan n sebanyak empat periode, hal ini
berdasarkan pada siklus data yang mengalami pengulangan data setiap empat
periode. Berikut merupakan langkah-langkah dalam melakukan forecast
menggunakan metode Moving Average:
1. Buka aplikasi Ms. Excel.
2. Membuat tabel keterangan seperti di bawah ini.
50.00
0.00
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-50.00
-100.00
-150.00
-200.00
-250.00
-300.00
Berikut adalah perbandingan antara data demand product family dengan data hasil
forecast menggunakan metode Moving Average
Data Demand Family Product
3000
2500
2000
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12
2500.00
2000.00
1500.00
1000.00
500.00
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13
4. Pada periode 14 sampai 16, gunakan level (Lt) pada periode 12. Maka akan
didapatkan hasil seperti gambar di bawah ini
Berdasarkan perhitungan yang dilakukan dengan metode Exponential
Smoothing, didapatkan hasil MADt sebesar 171, MAPEt 7, dan range TS (-3,02) – 4,11.
Selain itu diperoleh juga grafik error seperti pada gambar yang dilampirkan di bawah.
Hasil grafik error menunjukkan kesalahan peramalan tidak berfluktuasi secara acak di
atas dan di bawah nol, oleh karena itu peramalan tersebut terindikasi bias.
Berikut adalah perbandingan antara data demand product family dengan data
hasil forecast menggunakan metode Exponential Smoothing.
Data Demand Family Product
3000
2500
2000
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12
2550
2500
2450
2400
2350
2300
2250
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
4. klik regression
2500
2000
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12
3000
2500
2000
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1.5 METODE WINTER’S EXPONENTIAL SMOOTHING
4. Melakukan perhitungan inisial level dan trend dengan melakukan regresi pada
demand dan periode data. Pilih Toolbar Data, kemudian pilih Data Analysis.
Pada Data Analysis, pilih Regression. Lalu masukan $B$2:$B$13 pada Y
Range dan $A$2:$A$13 pada X Range sebagai berikut.
Setelah itu pilih OK maka hasil regresi akan muncul sebagai berikut.
200
100
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-100
-200
-300
Gambar 1.XX Grafik Error Winter’s Model
Berikut merupakan perbandingan dari data demand dengan data hasil forecast
menggunakan metode Winter’s Model.
2500
2000
Demand (Dt)
1500
1000
500
0
0 2 4 6 8 10 12 14
Gambar 1.XX Grafik Data Demand Sandal Kayu
Forecast Demand Sandal Kayu
3000
2500
2000
Forecast (Ft)
1500
1000
500
0
0 2 4 6 8 10 12 14 16 18
Gambar 1.XX Grafik Data Demand Sandal Kayu
Keterangan Formula
= waktu proses agregat / 60 menit
Time (hour/unit)
= D18/60
= 1 jam / Time(hour/unit)
Prod.Rate (unit/hour)
= 1/D19
= Labor Cost/hour x Time(hour/unit)
Labor Cost/Unit
= D2*D19
= Overtime Cost/Hour x Time(hour/unit)
Overtime Cost/Unit
= D4*D19
= Holding Cost/Unit/Month x Prod.Rate
Holding Cost/Hour/Month
= D8*D20
3. Melakukan perhitungan agregat dengan metode chase strategy dengan
rumus sebagai berikut.
Tabel xx. Rumus Perhitungan Agregat Chase Strategy
Keterangan Cell Formula
= Permintaan dari hasil forecast terpilih (Winter’s Model) yang
Permintaan (Demand) G6
dibulatkan ke atas
Pemecatan Pekerja (Fire Worker) Q14 = Menyesuaikan kebutuhan pekerja dan pekerja sebelumnya
Total Waktu Produksi (Total R14 = Produksi regular + produksi saat lembur
Production Hour) = M14+O14
Waktu Penyimpanan (Inventory S14 = Total waktu produksi – total waktu produksi demand
Hour) = R14-H14
Waktu Penyimpanan Kumulatif T14 = Waktu penyimpanan secara kumulatif
(Cumulative Inventory Hour) Periode 13 = S14; Periode 14 = T14+S15
Biaya Pekerja Regular (Labor Cost U14 = Produksi regular x biaya pekerja reguler
Regular) = M14*$D$3
Biaya Pekerja Lembur (Labor Cost V14 = Produksi saat lembur x biaya pekerja lembur
Overtime) = O14*$D$5
Biaya Simpan (Holding Cost) W1 = Kumulatif jam inventori x biaya simpan
4 = T14*$D$10
Biaya Perekrutan (Hire Cost) X14 = Perekrutan pekerja x biaya rekrut
= P14*$D$7
Biaya Pemecatan (Fire Cost) Y14 = Pemecatan pekerja x biaya pemecatan
= Q14*$D$8
Total Biaya Pekerja Reguler (Labor U18 = Total keseluruhan biaya pekerja reguler
Cost Regular) = SUM(U14:U17)
Total Biaya Pekerja Lembur (Labor V18 = Total keseluruhan biaya pekerja lembur
Cost Overtime) = SUM(V14:V17)
Total Biaya Simpan (Holding W1 = Total keseluruhan biaya simpan
Cost) 8 = SUM (W14:W17)
Total Biaya Perekrutan (Hire X18 = Total keseluruhan biaya perekrutan
Cost) = SUM(X14:X17)
Total Biaya Pemecatan (Fire Y18 = Total keseluruhan biaya pemecatan
Cost) = SUM(Y14:Y17)
Biaya Total (Grand Total) Z18 = Total biaya pekerja reguler + Total biaya pekerja lembur +
Total biaya simpan + Total biaya perekrutan + Total biaya
pemecatan = SUM(U18:Y18)
c. Mixed Strategy
Pada perhitungan agregat mixed strategy ini merupakan campuran dari 2
teknik sebelumnya yakni, diperbolehkan adanya persediaan dan backorder
seperti halnya pada level strategy dan perubahan tingkat produksi yang
merupakan teknik pada chase strategy. Hal ini dilakukan dengan tujuan
meminimumkan biaya perekrutan dan biaya pemberhentian tenaga kerja.
Dilakukan percobaan kombinasi jumlah pekerja secara terus menerus hingga
didapatkan biaya total yang minimum. Berikut ini adalah langkah-langkah
dalam melakukan agregat mixed strategy.
1. Buka aplikasi Ms. Excel pada Windows.
2. Membuat tabel keterangan seperti dibawah ini.
2.2 DISAGREGAT
Proses disagregat adalah proses konversi dari hasil rencana produksi yang telah
dihitung secara agregat menjadi jumlah yang harus diproduksi untuk setiap produk atau
item. Proses disagregat dibutuhkan sebelum membuat Master Production Schedule
(MPS). Berikut ini adalah langkah-langkah dalam melakukan disagregasi untuk satu
periode dengan menggunakan Linear Programming.
1. Buka aplikasi Ms. Excel pada Windows.
2. Membuat tabel keterangan seperti di bawah ini
Keterangan Rumus
Pekerja Reguler (Regular Worker) = Worker Req. pada agregat
Pekerja Lembur (Overtime Worker) = Overtime Worker pada agregat
Jam Kerja Regular (Regular = Jam kerja/hari x hari kerja/bulan
workhour) = 8*20
= Jam lembur/hari x hari kerja/bulan
Jam Lembur (Overtime Hour)
= 2*20
Jam produksi reguler (Regular = Jam kerja regular x pekerja regular
Production Time) = C3*D3
Jam produksi lembur (Overtime = Jam kerja lembur x pekerja
Production Time) = E3*F3
Total jam produksi (Total = Jam produksi regular + jam produksi lembur
Production Time) = G3+H3
Jam produksi per Minggu = Total jam produksi / 4 minggu
(Production Time per Week) = I3/4
= Permintaan dari hasil forecast terpilih yang
Permintaan (Demand)
dibulatkan ke atas
= Inventory pada awal periode dalam bentuk
Inventory awal (Initial Inventory) waktu
Periode 37 = 0; Periode 38 = O3
Inventory akhir (End Inventory = Inventory pada akhir periode dalam bentuk
(TIME)) waktu
= Cumulative Inventory Hour dari agregat
Inventory awal unit (Initial Inventory = Inventory pada awal periode dalam bentuk unit
Unit) Periode 37 = 0; Periode 38 = Q3
= Inventory pada akhir periode dalam bentuk unit
Inventory akhir unit (End Inventory = End Inventory (TIME) / agregat waktu produksi
Unit) 1 unit dalam bentuk jam
= ROUNDDOWN(O3/$X$6,0)
= Permintaan + inventori akhir - inventori awal
Total Produksi (Production)
= M3+Q3-P3
= Total produksi x 0.6
Produksi pisau lipat
= ROUND(R3*0.6,0)
Waktu Pisau Dapur (Time Pisau = Jumlah pisau dapur periode n x waktu proses
Dapur) pisau dapur dalam bentuk jam = C14*$Y$4
4. Solver
a. Buka Solver di menu Data.
b. Masukkan Total Pisau Lipat pada Set Objective.
c. Pilih Value of pada Equal to, isikan dengan Total Tas pada kolom
Produksi.
d. Masukkan cell Pisau Lipat pada By Changing Variable Cells.
e. Klik Add, masukkan cells C13 sampai F14 pada Cell Reference, ganti
tanda dengan “int” atau integer.
f. Klik Add, masukkan cells C18 sampai F18 pada Cell Reference, ganti
tanda dengan “<=”, masukkan cells C19 sampai F19 pada Constraint.
g. Klik Add, masukkan cells G13 sampai G14 pada Cell Reference, ganti
tanda dengan “=”, masukkan cells H13 sampai H14 pada Constraint.
h. Centang pada kolom Make Unconstrainted Variables Non-Negative.
i. Pilih GRG Nonlinear pada Select a Solving Method.
j. Klik Solve.
Tabel 23. Solver Parameter Disagregasi
Solver Parameter
Set Objective $G$15
Equal to Value Of 5280
By Changing Variable $C$13:$F$14
Cells
$C$13:$F$14 = integer
Subject to the Constraints $C$18:$F$18 <=
$C$19:$F$19
$G$13:$G$14 =
$H$13:$H$14
5. Output Solver
KESIMPULAN