LAPORAN PRAKTIKUM SISTEM PRODUKSI MODUL I FORECASTING

(1)

FORECASTING

(Diajukan sebagai salah satu syarat kelulusan praktikum Sistem Produksi)

Disusun oleh : Kelompok VII

LABORATORIUM SISTEM PRODUKSI PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK

UNIVERSITAS KRISNADWIPAYANA JAKARTA

2022

(2)

I

Produksi program studi Teknik Industri Fakultas Teknik Universitas Krisnadwipayana.

Nama :

1. Dedi Setiawan (1970031117) 2. Andi Purwanto (2070031046) 3. Rini Oktoviani (2070031047) 4. Rizky Sulistio (2070031049) 5. Rifan Nur Fauzan (2070031051) 6. Dwi Maulana Hermansyah (2070031091) 7. Muhammad Rafliyansyah (2070031099)

8. Lasro (2070031089)

9. Fajar Sarbini (2170033007)

Kelompok : VII (Tujuh)

Modul : Modul I Forecasting

Jakarta, 28 Mei 2022 Menyetujui,

Kepala Laboraturium Asisten Laboraturium

Mesin Industri Sistem Produksi

Ir. Aries Abbas, S.T, M.M, M.T Amallia Aindina Fitri

NIDN: 03290565505 NIM: 1970031040

Mengetahui, Kepala Program Studi

Teknik Industri

Ir. Florida Butarbutar, MT NIDN:0310056507

(3)

II

Puji syukur kami panjatkan kehadirat Allah SWT. Atas rahmat dan hidaya- NYA, sehingga akhirnya kami dapat menyelesaikan laporan praktikum ”SISTEM PRODUKSI”.

Penulisan laporan ini ditulis sebagai salah satu syarat untuk menyelesaikan praktikum SISTEM PRODUKSI Jurusan Teknik Industri Fakultas Teknik Universitas Krisnadwipayana.

Pada kesempatan ini tidak lupa juga kami mengucapkan terima kasih yang sebesar-besarnya atas kesempatan, bantuan, bimbingan, serta arahan yang diberikan oleh :

1. Ir. Vera Lumbanraja, MT. Sebagai Dosen Pembimbing SISTEM PRODUKSI.

2. Semua pihak yang tidak dapat saya sebutkan satu persatu yang turut membatu dalam menyelesaikan laporan ini.

3. Serta teman – teman seperjuangan yang selalu memberi semangat yang luar biasa.

Penulis menyadari bahwa laporan ini masih banyak kekurangan, untuk itu saran dan kritik dari semua pihak sangat diharapkan demi kesempurnaan laporan ini. Penulis berharap semoga laporan ini dapat bermanfaat bagi pembaca.

Jakarta, 28 Mei 2022

Penyusun, Kelompok VII

(4)

III

KATA PENGANTAR ... II DAFTAR GAMBAR ... V DAFTAR TABEL ... VI

BAB 1 PENDAHULUAN ...1

1.1 Latar Belakang ...1

1.2 Identifikasi Masalah ...2

1.3 Perumusan Masalah ...2

1.4 Maksud dan Tujuan ...2

1.5 Batasan Masalah ...3

1.6 Metodelogi Penelitian ...4

1.6.1 Flowchart Pemecahan Masalah ...4

1.6.2 Filosofi Alur Pemecahan Masalah ...5

1.7 Sistematika Penulisan ...6

BAB II LANDASAN TEORI ...7

2.1 Perencanaan Produksi ...7

2.2 Forecasting ...8

Karakteristik peramalam yang baik ...11

2.2.2 Sifat hasil peramalan ...13

2.2.3 Metode Peramalan ...15

2.3 Jadwal Induk Produksi ...16

2.4 Material Requrement Planning ...18

2.5 Exponential Smoothing With Trend ...19

BAB III PENGUMPULAN DAN PENGOLAAN DATA ...21

3.1 Pengumpulan Data ...21

3.1.1 Data Masa Lampau ...21

3.1.2 Data Harga Barang ...21

3.1.3 Tujuan Peramalan ...22

3.1.4 Identifikasi Pola Data Trend ...22

3.1.5 Foto PLC ...22

3.2 Pengolaan Data ...23

3.2.1 Hasil Peramalan SES Trend Menggunakan Sofware Microsoft ...23

(5)

IV

3.2.1.2 Hasil peramalan dengan alfa 0,5 ...27

3.2.1.3 Hasil peramalan dengan alfa 0,9 ...30

3.2.2 Hasil Peramalan SES Trend Windows For QM ...34

3.2.2.2 Perhitungan Windows For QMα 0,5 ...38

3.2.2.3 Perhitungan Windows For QMα 0,9 ...42

3.2.3Pemilihan MAD Terkecil ...46

3.2.3Verifikasi Hasil Peramalan ...46

3.2.5 Ongkos Produksi Per Unit ...46

3.2.6 Jadwal Induk Produksi ...47

3.2.7 Production Rate Bulanan ...48

BAB IV ANALISIS ...50

4.1 Analisis Proses Peramalan ...50

4.2 Analisis Hasil Olah Data ...53

4.2.1 Diagram Scatter ...54

BAB V KESIMPULAN DAN SARAN ...56

5.1 Kesimpulan ...56

5.2 Saran ...56

DAFTAR PUSTAKA ...57

(6)

V

Gambar 3. 1Foto PLC ... 22

Gambar 3. 2 Rumus perhitunganExponential Smoothing α 0,1 ... 23

Gambar 3. 3 Rumus perhitungan Trend Adjusment α 0,1 ... 24

Gambar 3. 4 Rumus perhitungan TAF α 0,1 ... 24

Gambar 3. 5 Rumus perhitungan Forecast error α 0,1 ... 25

Gambar 3. 6 Rumus perhitungan Forecast error α 0,1 ... 25

Gambar 3. 7 Rumus perhitungan ABS error α 0,1 ... 26

Gambar 3. 8 Rumus perhitungan MAD α 0,1 ... 26

Gambar 3. 9 perhitungan Exponential Smoothing α 0,5 ... 27

Gambar 3. 10 perhitungan Trend Adjusment α 0,5 ... 28

Gambar 3. 11 perhitungan TAF α 0,5 ... 28

Gambar 3. 12 perhitungan Forecast Error α 0,5 ... 29

Gambar 3. 13 perhitungan ABS Error α 0,5 ... 29

Gambar 3. 14 perhitungan MAD α 0,5 ... 30

Gambar 3. 15 perhitungan Exponential Smoothing α 0,9 ... 31

Gambar 3. 16 perhitungan Trend Adjusment α 0,9 ... 31

Gambar 3. 17 perhitungan TAF α 0,9 ... 32

Gambar 3. 18 perhitungan Forecast error α 0,9 ... 32

Gambar 3. 19 perhitungan ABS error α 0,9 ... 33

Gambar 3. 20 perhitungan MAD α 0,9 ... 33

Gambar 3. 21 Langkah ke – 1 ... 34

Gambar 3. 27 Data Results SES Trend α 0,1 ... 37

Gambar 3. 28 Control Tracking SES Trend α 0,1 ... 37

Gambar 3. 29 Grafik SES Trend α 0,1 ... 37

Gambar 3. 36 Data Results SES Trend α 0,5 ... 41

(7)

VI

DAFTAR TABEL

Tabel 3. 1 Data Masa Lampau Januari – Desember 2021 ... 21

Tabel 3. 2 Data harga barang ... 21

Tabel 3. 3 hasil peramalan SES Trend α 0,1 ... 23

Tabel 3. 6 Ongkos Porduksi / Unit ... 46

Tabel 3. 7 Jadwal Induk Produksi ... 47

Tabel 3. 8 Production Rate Bulanan ... 48

Tabel 4. 1 Diagram Scatter by α 0,1 ... 54

(8)

(9)

1

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Peralaman (forecasting) merupakan suatu kegiatan untuk mengetahui apa yang akan terjadi di masa yang akan datang menggunakan dan mempertimbangkan data dari masa lampau. Ketetapan secara mutlak dalam memprediksi suatu peristiwa adalah tidak mungkin dapat dicapai. Peramalan merupakan alat bantu yang penting dalam sebuah perencanaan yang efektif. Dalam lingkungan perusahaan, peramalan kebanyakan digunakan untuk mengestimasi dan memprediksi permintaan yang akan datang guna memperkirakan jumlah dan jenis apa saja yang di produksi oleh perusahaan.

Perencanaan produksi pada perusahaan manufaktur merupakan aktivitas yang sangat penting dalam menentukan kontinuitas operasional produksi. Di dalam praktek, manajer produksi harus membuat keputusan mengenai rencana produksi yang sesuai agar diperoleh biaya yang minimum sehingga keuntungan yang akan didapatkan bisa semaksimal mungkin. Dalam melakukan perencanaan produksi pihak perusahaan harus memperhitungkan seluruh kemampuan dan keterbatasan sumber daya yang dimilikinya.

Perencanaan produksi umumnya dilakukan dengan taksiran berdasarkan pengalaman masa lalu. Untuk mencapai keuntungan maksimum pada prinsipnya dibutuhkan perencanaan produksi yang teliti dengan memperhatikan keterbatasan yang terdapat pada sistem produksi. Batasan-batasan yang digunakan dalam

(10)

penjualan pada periode tertentu, biaya produksi, pemakaian bahan baku, jam kerja tersedia dan waktu penyelesaian produk. Karena data tersebut merupakan hal yang menentukan jumlah produksi yang akan dilaksanakan perusahaan Untuk menyelesaikan masalah pengoptimalan jumlah produksi seperti ini, model-model perencanaan produksi telah banyak dikembangkan.

1.2 Identifikasi Masalah

Berdasarkan uraian latar belakang diatas diidentifikasikan masalah yaitu : 1. Indentifikasi pola data sebagai acuan dalam memproduksi produk.

2. Menggunakan metode yang sesuai dengan data yang akan di jadikan acuan sebagai jadwal induk produksi.

1.3 Perumusan Masalah

a. Apa saja yang diperlukan untuk membuat sebuah perencanaan produksi?

b. Menentukan berapa nilai peramalan suatu produksi?

c. Menghitung biaya produksi ?

d. Membandingkan perhitungan dengan Windoswa For QM dan Microsoft Excel

1.4 Maksud dan Tujuan

a. Memahami prosedur proses perencanaan produksi dan implementasinya.

b. Memahami karakteristik berbagai metode peramalan dan penggunaannya dalam dunia nyata.

(11)

c. Menguasai teknik-teknik peramalan berdasarkan langkah- langkah peramalan secara sistematis menguasai sofware peramalan.

d. Mampu membuat Jadwal Induk Produksi (JIP).

1.5 Batasan Masalah

1. Mengola pola data trend secara manual menggunakan Micrososft Excel dan automatic menggunakan Windows For QM dengan metode SES Trend α 0.1 , 0.5 , 0.9.

2. Membuat grafik dari hasil Forecast setiap alfa.

3. Menentukan Jadwal Induk Produksi (JIP) 4. Menghitung biaya produksi.

(12)

1.6.1 Flowchart Pemecahan Masalah

Mulai

Identifikasi Masalah

Perumusan Masalah

Maksud dan Tujuan

Pengumpulan Data

Pengolaan Data

Asisten si

Selesai

(13)

1.6.2 Filosofi Alur Pemecahan Masalah

Filosofi alur pemecahan masalah dalam penelitian ini terdiri dari :

1. Memulai, Pada saat praktikum masing – masing kelompok menerima satu set datauntuk dilakukan peramalan kebutuhan.

2. Indentifikasi masalah, dalam laporan ini mengidentifiksai pola data yang di gunakan sebagai acuan data dalam menentukan jumlah produksi.

3. Perumusan masalah, menentukan apa saja yang di perlukan untuk perancangan produksi. Membandingkan hasil hitungan manual dengan Microsoft Exceldan otomatis dengan Windows For QM.

4. Maksud dan tujuan dari laporan ini memahami metode peramalan untuk mendapatkan hasil jumlah produk yang akan di produksi dan menentukan total budget prduksi yang akan di keluarkan.

5. Pengumpulan data, data di dapatkan selama 12 bulan yaitu dari periode Januari – Desember 2021 sebagai acuan dalam menghitung peramalan.

6. Pengolaan data, data yang di dapat di olah dengan metode Exponential Smooting Adjusted For Trend dengan alfa 0.1 , 0.5 , 0.9.

7. Asistensi, pengecekan hasil pengolaan data keseluruhan baik hasil dari Windows For QM maupun perhitungan Excel.

8. Data yang sudah di olah akan mendapatkan hasil Jadwal Induk Produksi dan Budget yang akan di keluarkan untuk memproduksi suatu produk.

(14)

1.7 Sistematika Penulisan

Sistematika penulisan penelitian ini terdiri dari lima bab, yaitu :

- Bab I Pendahuluan :Memuat latar belakang masalah, identifikasi masalah, perumusan maslaah, maksud dan tujuan, pembatasan masalah, metodelogi penelitian yang terbagi menjadi dua flowchart pemecahan masalah serta filosofi alur pemecahan maslah, dan sistematika penulisan.

- Bab II Landasan Teori :Memuat materi dasar dan teori-teori penunjangdalam penelitian.

- Bab III Pengumpulan dan pengolaan data : Memuat langkah-langkah yang harus Dilakukah dalam praktikum Sistem Produksi modul Forecasting dan pembuatan laporan.

- Bab IV analisis : Data atau hasil laporan yang sudah di buat.

- Bab V kesimpulan serta saran : Untuk hasil dari laporan praktikum Sistem Produksi modul Forecasting.

(15)

7

BAB II

LANDASAN TEORI

2.1 Perencanaan Produksi

Perencanaan produksi merupakan salah satu fungsi yang terpenting dalam usaha mencapai tujuan perusahaan. Yang dimaksud dengan perencanaan produksi yaitu merencanakan kegiatan-kegiatan produksi, agar apa yang telah direncanakan dapat terlaksana dengan baik. Perencanaan produksi adalah aktivitas untuk menetapkan produk yang diproduksi, jumlah yang dibutuhkan, kapan produk tersebut harus selesai dan sumber-sumber yang dibutuhkan. Pengendalian produksi adalah aktivitas yang menetapkan kemampuan sumber-sumber yang digunakan dalam memenuhi rencana, kemampuan produksi berjalan sesuai rencana, melakukan perbaikan rencana. Tujuan utamanya adalah memaksimumkan pelayanan bagi konsumen, meminimumkan investasi pada persediaan, perencanaan kapasitas, pengesahan produksi dan pengesahan pengendalian produksi, persediaan dan kapasitas, penyimpanan dan pergerakan material, peralatan, routing dan proses planning, dan sebagainya.

 Tujuan perencanaan dan pengendalian produksi adalah sebagai berikut:

a. Mengusahakan agar perusahaan dapat berproduksi secara efisien dan efektif.

b. Mengusahakan agar perusahaan dapat menggunakan modal seoptimal mungkin.

c. Mengusahakan agar pabrik dapat menguasai pasar yang luas

(16)

 Fungsi dari perencanaan dan pengendalian produksi adalah:

a. Meramalkan permintaan produk yang di nyatakan dalam jumlah produk sebagai fungi dari waktu.

b. Memonitor permintaan yang aktual, membandingkannya dengan ramalan permintaan sebelumnya dan melakukan revisi atas ramalan tersebut jika terjadi penyimpangan.

c. Menetapkan ukuran pemesanan barang yang ekonomis atas bahan baku yang akan dibeli.

d. Menetapkan sistem persediaan yang ekonomis.

e. Menetapkan kebuituhan produksi dan tingkat persediaan pada saat tertentu.

f. Memonitor tingkat persediaan, membandingkannya dengan rencana persediaan, dan melakukan revisi rencana produksi pada saat yang di tentukan.

g. Membuat jadwal produksi, penugasan, serta pembebanan mesin dan tenaga kerja yang terperinci.

2.2 Forecasting

Dalam dunia usaha khususnya yang berhubungan dengan produksi sangat penting untuk memperkirakan hal-hal yang akan terjadi dimasa depan sebagai dasar untuk pengambilan keputusan. Menurut Arman Hakim Nasution dan Yudha

(17)

Prasetyawan dalam buku nya yang berjudul perencanaan dan pengendalian produksi.

Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu, dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang maupun jasa. Render dan Heizer (2007) mendefinisikan peramalan adalah seni dan ilmu memprediksi peristiwa-peristiwa masa depan. Hal ini serupa dengan pendapat Subagyo (2000) Forecasting adalah memperkirakan sesuatu yang akan terjadi. Menurut Handoko (1999) Peramalan adalah suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu. Menurut Gaspersz (2005) Aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan penjualan dan penggunaan. Forecasting adalah peramalan (perkiraan) mengenai sesuatu yang belum terjadi (Pangestu S, 1986:1).

Peramalan adalah memperkirakan sesuatu pada waktu- waktu yang akan datang berdasarkan data masa lampau yang dianalisa secara ilmiah, khususnya menggunakan metode statistika (Supranto, 1984:80). Tidak ada satu perusahaan pun yang tidak ingin sukses dan berkembang oleh karena itu, untuk mencapai sukses dan berkembangnya, suatu perusahaan perlu adanya suatu cara yang tepat, sistematis dan dapat dipertanggungjawabkan. Jadi peramalan adalah salah satu unsur yang sangat penting dalam pengambilan keputusan.

Ramalan yang dilakukan umumnya berdasarkan data yang terdapat pada masa lampau yang dianalisis dengan menggunakan cara-cara tertentu. Dalam hal ini sebelum melakukan peramalan, perlu dilakukan mengumpulkan, menggunakandan

(18)

dimasa mendatang baru setelah itu peramalan dapat dibuat. Didalam peramalan kita selalu bertujuan agar hasil peramalan yang kita buat bisa meminimumkan pengaruh ketidakpastian terhadap perusahaan. Dengan kata lain peramalan bertujuan mendapatkan hasil yang bisa meminimumkan kesalahan meramal (forecast error) yang biasanya diukur dengan mean square error, mean absolute error dan sebagainya (Pangestu S, 1986:3).

Nilai error yang asli biasanya tidak dirata-rata sebagai ukuran besar kecilnya error, sebab ada yang nilainya positif dan ada juga yang nilainya negatif. Sehingga kalau dijumlah nilai error pasti akan kecil, akibatnya penyimpangan dari forecast sebenarnya besar seolah-olah kelihatannya kecil karena kalau error dijumlahkan begitu saja error positif besar dikurangi dengan error negatif yang besar. Untuk menghindari hal ini maka error perlu dijadikan angka mutlak atau dikuadratkan kemudian baru dirata-rata (Pangestu S, 1986:10).

Jenis-jenis peramalan Menurut Render dan Heizer (2004) pada jenis peramalan dapat dibedakan menjadi beberapa tipe. Dilihat dari perencanaan operasi di masa depan, maka peramalan dibagi menjadi 3 macam yaitu:

a. Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan dan indikator perencanaan lainnya.

b. Peramalan teknologi (technological forecast) memperhatikan tingkat kemajuan tehnologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan baru.

(19)

c. Peramalan permintaan (demand forecast) adalah prediksi dari proyeksi permintaan untuk produk atau layanan suatu perusahaan

Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa depan yang dicakupnya. Menurut Taylor (2004) dalam hubungannya dengan horizon waktu peramalan terbagi atas beberapa kategori, yaitu:

a. Peramalan jangka panjang, umumnya peramalan dilakukan untuk meramalkan 2 sampai 10 tahun yang akan datang. Peramalan ini digunakan untuk perencanaan produk dan perencanaan sumber daya.

b. Peramalan jangka menengah, umumnya peramalan dilakukan untuk meramalkan 1 sampai 24 bulan yang akan datang. Peramalan ini lebih mengkhusus dibangdingkan peramalan jangka panjang, biasanya digunakan untuk menentukan aliran kas, perencanaan produksi, dan penentuan anggaran.

c. Peramalan jangka pendek umumnya peramalan dilakukan untuk meramalkan 1 sampai 5 minggu ke depan. Peramalan ini biasanya digunakan untuk mengambil keputusan dalam hal perlu tidaknya lembur, penjadwalan kerja, dan lain-lain keputusan kontrol jangka pendek.

2.2.1 Karakteristik peramalam yang baik

Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain akurasi, biaya,dan kemudahan. Penjelasan dari kriteria- kriteria tersebut adalah sebagai berikut :

(20)

kebiasaan dan kekonsistensian peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut terlalu tinggi atau rendah dibandingkan dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif kecil.Peramalan yang terlalu rendah akan mengakibatkan kekurangan persediaan, sehingga permintaan konsumen tidak dapat dipenuhi segera akibatnya perusahaan dimungkinkan kehilangan pelanggan dan kehilangan keuntungan penjualan. Peramalan yang terlalu tinggi akan mengakibatkan terjadinya penumpukan persediaan, sehingga banyak modal yang terserap sia-sia. Keakuratan dari hasil peramalan ini berperan penting dalam menyeimbangkan persediaan yang ideal.

2) Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang dipakai. Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa banyak data yang dibutuhkan, bagaimana pengolahan datanya (manual atau komputerisasi), bagaimana penyimpanan datanya dan siapa tenaga ahli yang diperbantukan. Pemilihan metode peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi

(21)

yang ingindidapat, misalnya item-item yang penting akan diramalkan dengan metode yang sederhana dan murah.

3) Kemudahan, penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Percuma memakai metode yang canggih, tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumber daya manusia, maupun peralatan teknologi.

2.2.2 Sifat hasil peramalan

Dalam membuat peramalan atau menerapkan suatu peramalan maka ada beberapa hal yang harus dipertimbangkan yaitu :

a. Peramalan pasti mengandung kesalahan, artinya peramal hanya bisa mengurangi ketidak pastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidak pastian tersebut.

b. Peramalan seharusnya memberikan informasi tentang beberapa ukuran kesalahan, artinya karena peramalan pasti mengandung kesalahan, maka adalah penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.

c. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang. Hal ini disebabkan karena pada peramalan jangka pendek, faktor-faktor yang mempengaruhi permintaan relatif masih konstan sedangkan masih panjang periode

(22)

perubahan faktor-faktor yang mempengaruhi permintaan.

Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti langkah-langkah atau prosedur penyusunan yang baik. Menurut Gaspersz (2005) terdapat 9 langkah yang harus diperhatikan untuk menjamin efektivitas dan efisiensi dari sistem peramalan, yaitu:

1) Menentukan tujuan dari peramalan

2) Memilih item independent demand yang akan diramalkan

3) Menentukan horison waktu dari peramalan (jangka pendek, menengah, atau panjang)

4) Memilih model-model peramalan

5) Memperoleh data yang dibutuhkan untuk melakukan peramalan 6) Validasi model peramalan

7) Membuat peramalan

8) Implementasi hasil-hasil peramalan 9) Memantau keandalan hasil peramalan

(23)

2.2.3 Metode Peramalan

 Metode Kualitaf

Metode peramalan digunakan apabila tingkat ketidak pastian cukup tinggi, sedangkan data-data aktual yang diperlukan sangat minim ketersediaannya. Unsur terpenting dalam metode ini adalah penggunaan intuisi dan pengalaman dari praktisi dan para expert yang telah mengetahui prilaku system yang akan diramal.

 Metode Kuantitatif

Metode ini menggunakan berbagai persamaan matematis berdasarkan data aktual masa lalu. Dalam melakukan peramalan kuantitatif dilakukan tahap-tahap sebagai berikut:

a. Definisikan tujuan peramalan.

b. Buat diagram scatter serta tentukan jenis plot data yang terjadi.

c. Pilih paling sedikit 2 metode peramalan yang memenuhi pola data yang nampak.

 Pola data horizontal atau konstan:

 Simple Average

 Simple Exponential Smooting

 Double Exponential Smooting

 Pola data linier

 Exponential Smooting With Linear Trend

 Double Exponential Smooting With Linear Trend

(24)

 Linear Regression

 Pola data musiman

 Metode Winters

2.3 Jadwal Induk Produksi

Jadwal induk merupakan suatu pernyataan tentang produksi akhir (termasuk item pengganti dan suku cadang) dari suatu perusahaan industri manufaktur yang merencanakan, untuk memproduksi output berkaitan dengan kuantitas dan periode waktu.

Dalam perusahaan yang bergerak di bidang manufakturing, salah satu penjadwalan yang terpenting adalah Jadwal Induk Produksi atau dalam bahasa Inggris dikenal dengan istilah Master Production Schedule (MPS). Master Production Schedule merupakan penjadwalan lanjutan setelah perencanaan agregat. Jadi dapat dikatakan bahwa Agregate Planning atau Perencanaan Agregat adalah dasar dari Master Production Schedule (Jadwal Induk Produksi).

Master Production Schedule atau Jadwal Induk Produksi adalah perencanaan produksi jangka pendek pada suatu perusahaan yang berisi tentang rencana menyeluruh serta perinciannya dalam menghasilkan produk akhir (produk jadi).

Dalam Jadwal Induk Produksi juga memuat prioritas model produk yang akan diproduksi, jadwal pembelian bahan-bahan produksi, jadwal pelaksanaan proses produksi dan jadwal kerja karyawan serta jadwal operasional mesin. Jadwal Induk

(25)

Produksi ini juga bermanfaat dalam merencanakan kapasitas produksi dan kebutuhan material untuk aktivitas produksi.

Interval waktu pada Jadwal Induk Produksi pada dasarnya tergantung pada jenis, volume dan jangka waktu produksi untuk produk yang bersangkutan.

Kebanyakan perusahaan-perusahaan menggunakan interval waktu mingguan untuk jadwal induk produksi ini, namun ada juga yang menggunakan interval waktu harian.

Sedangkan Horison waktu pada Jadwal Induk Produksi sangat tergantung pada karakteristik produk dan jangka waktu produksi. Namun ada juga Jadwal Induk Produksi yang mencakup beberapa mingguan hingga ke periode tahunan.MPS ini pada umumnya disusun berdasarkan order (pesanan) pelanggan dan perkiraan order (Forecast) yang dibuat oleh perusahaan sebelum dimulainya sistem MRP.

Fungsi-fungsi Master Production Schedule (Jadwal Induk Produksi)memberikan rincian yang formal dari rencana produksi dan mengkonversikannya menjadi rencana untuk kebutuhan bahan baku, tenaga kerja dan peralatan kerja/mesin produksi.

Berikut ini adalah beberapa fungsi utama Master Production Schedule / Jadwal Induk Produksi :

a. Mengevaluasi Jadwal-jadwal alternatif.

b. Menentukan bahan-bahan produksi yang dibutuhkan.

c. Menentukan kapasitas produksi.

d. Memfasilitasi pemrosesan informasi.

e. Memanfaatkan Kapasitas dengan efektif.

(26)

Material Requirement Planning (MRP) adalah suatu teknik yang digunakan untuk perencanaan dan pengendalian item barang (komponen) yang tergantung (dependent) pada item ditingkat (level) yang lebih tinggi. MRP pertama kali ditemukan oleh Joseph Orlicky dari J.I. Case Company pada sekitar tahun 1960.

Pengertian Material Requirements Planning (MRP) menurut Gasperz (2004), Material Requirement Planning(MRP) adalah metode penjadwalan untuk purchased plannedorders dan manufactured planned orders, kemudian diajukanuntuk analisis lanjutan berkenaan dengan persediaan kapasitasdan keseimbangan menggunakan perencanaan kebutuhankapasitas.

Sistem MRP mengkoordinasikan pemasaran, manufacturing, pembelian, rekayasa melalui pengadopsian rencana produksi serta melalui penggunaan satu data base terintegrasi guna merencanakan, dan memperbaharui aktivitas dalam sistemindustri modern secara keseluruhan.

Oleh sebab itu, pemilihan teknik forecasting menjadi penting. Teknik forecasting harus dipilih yang sedapat mungkin menghasilkan keakuratan yang tinggi dengan menghasilkan deviasi yang rendah antara hasil forecasting dengan realita. Selain melihat dari segi akurasi, teknik forecasting juga dapat dipilih berdasarkan tingkat ketanggapan (responsiveness) terhadap perubahan data. Lebih lanjut lagi, jika data memperlihatkan pola yang berulang, teknik forecasting yang dipilih juga harus dapat mempertimbangkan unsur trend.

(27)

Setelah teknik forecasting dipilih, kita tetap harus melakukan proses pengendalian terhadap proses forecasting. Pengendalian teknik forecasting dapat dilakukan sebagaimana pengendalian terhadap proses-proses di manufaktur dengan menggunakan control chart.

Dengan menggunakan control chart, proses forecasting dapt dibedakan antara yang masih signifikan bermanfaat dengan keadaan abnormal yang sulit dijadikan pegangan. Oleh sebab itu, beberapa teknik forecasting sebaiknya secara bersamaan digunakan dan dilihat perkembangannya dengan control chart agar kita dapat beralih ke teknik yang lain ketika suatu teknik forecasting gagal.

2.5 Exponential Smoothing With Trend

Exponential Smoothing Adjusted for Trend digunakan untuk data yang memiliki trend atau data yang memiliki kecenderungan peningkatan atau penurunan dalam jangka panjang. Hasil yang dicapai dari penelitian ini adalah metode Single Exponential Smoothing lebih tepat dibandingkan metode Exponential Smoothing Adjusted for Trend (Holt's Method) karena pada histori penjualan tidak mengalami peningkatan penjualan / tidak ada trend.

Selain itu, persentase kesalahan (selisih data aktual dengan nilai peramalan) dan MAD (untuk menghitung forecast error) yang didapat dari metode Single Exponential Smoothing lebih kecil dibandingkan dengan metode Exponential Smoothing Adjusted for Trend. Untuk memprediksi jumlah barang, dapat dilakukan dengan cara meramalkan. Perbandingan metode Single Exponential Smoothing dan Exponential Smoothing Adjusted for Trend digunakan untuk keakuratan

(28)

Single Exponential Smoothing merupakan metode peramalan yang digunakan untuk data stasioner atau data yang relatif stabil. Exponential Smoothing Adjusted for Trend digunakan untuk data yang memiliki trend atau data yang memiliki kecenderungan peningkatan atau penurunan dalam jangka panjang. Hasil yang dicapai dari penelitian ini adalah metode Single Exponential Smoothing lebih tepat dibandingkan metode Exponential Smoothing Adjusted for Trend ( s Method) karena pada histori penjualan tidak mengalami peningkatan penjualan / tidak ada trend. Selain itu, persentase kesalahan (selisih data aktual dengan nilai peramalan) dan MAD (untuk menghitung forecast error) yang didapat dari metode Single Exponential Smoothing lebih kecil dibandingkan dengan metode Exponential Smoothing Adjusted for Trend.

(29)

21

BAB III

PENGUMPULAN DAN PENGOLAAN DATA

3.1 Pengumpulan Data

3.1.1 Data Masa Lampau

Tabel 3. 1 Data Masa Lampau Januari – Desember 2021

3.1.2 Data Harga Barang

Tabel 3. 2 Data harga barang

NO NAMA KOMPONEN HARGA/PC

1 Besi Holo 2m Rp 50,000 2 Multiplek 6mm 1Lembar Rp 140,000 3 multiplek 10mm 1 Lembar Rp 250,000 4 Kertas HPL Rp 17,000 5 Cat Hitam kecil Rp 12,000 6 Besi Siku Rp 50,000 7 Baut Rp 530 8 Penahan Baut Rp 700

PERIODE DATA MASA LAMPAU

Januari 746

Februari 755

Maret 769

April 778

Mei 784

Juni 796

Juli 810

Agustus 828

September 833

Oktober 841

November 856

Desember 889

(30)

1. Menentukan jumlah Jadwal Induk Produksi (JIP) 2. Menghitung budget produksi.

3.1.4 Identifikasi Pola Data Trend

Menggunakan perhitungan peramalan metode Exponential Smoothing Adjusted for Trend, menggunakan metode ini karena pola data yang ada cenderung meningkat setiap bulannya. Perhitungan menggunakan Microsoft Excel dan juga Windows For QM dengan α 0.1 , 0.5 , 0.9.

3.1.5 Foto PLC

Gambar 3. 1 Foto PLC

(31)

3.2 Pengolaan Data

3.2.1 Hasil Peramalan SES Trend Menggunakan Sofware Microsoft Excel

3.2.1.1 Hasil peramalan dengan alfa0,1

Tabel 3. 3 hasil peramalan SES Trend α 0,1 α = 0.1

β = 0.1

PERIODE AKTUAL EXPONENTIAL SMOOTHING

TREND

ADJUSMENT TAF FORECSAT

ERROR ABS ERROR MAD

Januari 746

Februari 755 746 0 746 -9 9 9

Maret 769 746.9 0.09 746.99 -22.01 22.01 15.505

April 778 749.11 0.302 749.412 -28.588 28.588 19.866

Mei 784 751.999 0.5607 752.5597 -31.4403 31.4403 22.759575

Juni 796 755.1991 0.82464 756.02374 -39.97626 39.97626 26.202912

Juli 810 759.2792 1.150185 760.429375 -49.570625 49.570625 30.09753083

Agustus 828 764.3513 1.5423746 765.8936456 -62.1063544 62.1063544 34.67021991 September 833 770.7161 2.02462443 772.7407683 -60.25923167 60.25923167 37.86884638 Oktober 841 776.9445 2.445000548 779.3895301 -61.61046994 61.61046994 40.50680456 November 856 783.3501 2.841055198 786.1911318 -69.80886824 69.80886824 43.43701093 Desember 889 790.6151 3.283448913 793.8985178 -95.10148218 95.10148218 48.13378104

Gambar 3. 2 Rumus perhitunganExponential Smoothing α 0,1

(32)

Gambar 3. 3 Rumus perhitungan Trend Adjusment α 0,1

Gambar 3. 4 Rumus perhitungan TAF α 0,1

(33)

Gambar 3. 5 Rumus perhitungan Forecast error α 0,1

Gambar 3. 6 Rumus perhitungan Forecast error α 0,1

(34)

Gambar 3. 7 Rumus perhitungan ABS error α 0,1

Gambar 3. 8 Rumus perhitungan MAD α 0,1

(35)

3.2.1.2 Hasil peramalan dengan alfa 0,5

β = 0.5

TREND

ADJUSMENT TAF FORECSAT ERROR

ABS

ERROR MAD

Januari 746

Februari 755 746 0 746 -9 9 9

Maret 769 750.5 2.25 752.75 -16.25 16.25 12.625

April 778 759.75 5.75 765.5 -12.5 12.5 12.58333333

Mei 784 768.875 7.4375 776.3125 -7.6875 7.6875 11.359375

Juni 796 776.4375 7.5 783.9375 -12.0625 12.0625 11.5

Juli 810 786.21875 8.640625 794.859375 -15.140625 15.140625 12.10677083

Agustus 828 798.109375 10.265625 808.375 -19.625 19.625 13.18080357

September 833 813.0546875 12.60546875 825.6601563 -7.33984375 7.33984375 12.45068359 Oktober 841 823.0273438 11.2890625 834.3164063 -6.68359375 6.68359375 11.80989583 November 856 832.0136719 10.13769531 842.1513672 -13.84863281 13.84863281 12.01376953 Desember 889 844.0068359 11.06542969 855.0722656 -33.92773438 33.92773438 14.00594815

Gambar 3. 9 perhitungan Exponential Smoothing α 0,5

(36)

Gambar 3. 10 perhitungan Trend Adjusment α 0,5

Gambar 3. 11 perhitungan TAF α 0,5

(37)

Gambar 3. 12 perhitungan Forecast Error α 0,5

Gambar 3. 13 perhitungan ABS Error α 0,5

(38)

Gambar 3. 14 perhitungan MAD α 0,5

3.2.1.3 Hasil peramalan dengan alfa 0,9

β = 0.9

TREND

ADJUSMENT TAF FORECSAT ERROR

ABS

ERROR MAD

Januari 746

Februari 755 746 0 746 -9 9 9

Maret 769 754.1 7.29 761.39 -7.61 7.61 8.305

April 778 767.51 12.798 780.308 2.308 2.308 6.306

Mei 784 776.951 9.7767 786.7277 2.7277 2.7277 5.411425

Juni 796 783.2951 6.68736 789.98246 -6.01754 6.01754 5.532648

Juli 810 794.72951 10.959705 805.689215 -4.310785 4.310785 5.329004167 Agustus 828 808.472951 13.4650674 821.9380184 -6.0619816 6.0619816 5.433715229 September 833 826.0472951 17.16341643 843.2107115 10.21071153 10.21071153 6.030839766 Oktober 841 832.3047295 7.348032612 839.6527621 -1.347237878 1.347237878 5.510439556 November 856 840.130473 7.777972358 847.9084453 -8.091554691 8.091554691 5.76855107 Desember 889 854.4130473 13.63211415 868.0451614 -20.95483856 20.95483856 7.14912266

(39)

Gambar 3. 15 perhitungan Exponential Smoothing α 0,9

Gambar 3. 16 perhitungan Trend Adjusment α 0,9

(40)

Gambar 3. 17 perhitungan TAF α 0,9

Gambar 3. 18 perhitungan Forecast error α 0,9

(41)

Gambar 3. 19 perhitungan ABS error α 0,9

Gambar 3. 20 perhitungan MAD α 0,9

(42)

3.2.2.1 Perhitungan Windows For QMα 0,1

1. Masuk Windows for QM → pilih menu Forecasting → Time Series Analysis.

Gambar 3. 21 Langkah ke – 1

2. Ubah title menjadi Forecasting → tentukan jumlah Number of Past Periods yaitu 12, kemudian pilih nama kolum bulan Januari, Februari, etc, kemudian klik OK.

(43)

3. Masukan data-data angka aktual yang ada di pengumpulan data atau data lampau → lalu pilih metode Exponential Smooting With Trend → masukan angka afla dan beta yang sudah di tentukan (0,1).

4. Setelah di klik Solve, maka akan keluar tampilan data results yang berisi Error Measures pada forecasting.

(44)

tampilanpada layar. Jadwal induk produksi yang diambil yaitu dari hasil Forecast.

6. Untuk menampilkan Grafik, klik Solutions →lalu Graph

(45)

Gambar 3. 27 Data Results SES Trend α 0,1

Gambar 3. 28 Control Tracking SES Trend α 0,1

Gambar 3. 29 Grafik SES Trend α 0,1

(46)

(47)

(48)

tampilan pada layar. Jadwal induk produksi yang diambil yaitu dari hasil Forecast.

(49)

(50)

(51)

(52)

tampilan pada layar. Jadwal induk produksi yang diambil yaitu dari hasil Forecast.

(53)

(54)

Dari perhitungan ramalan manual Excel dan Automatic Windows For QMdidapatkan angka MAD terketicil yaitu menggunakan alfa 0,9.

3.2.3Verifikasi Hasil Peramalan

Rekapitulasi MAD dari 3 alfa (α) : - α = 0,1 → MAD → 48,134 - α = 0,5 → MAD → 14,006 - α = 0,9 → MAD → 7,149

3.2.5 Ongkos Produksi Per Unit

Tabel 3. 6 Ongkos Porduksi / Unit

NO NAMA KOMPONEN QTY HARGA/PC HARGA TOTAL

1 Besi Holo 2m 1 Rp 50,000 Rp 50,000 2 Multiplek 6mm 1m x 1m 1 Rp 140,000 Rp 140,000 3 Multiplek 10mm 2m x 1m 1 Rp 250,000 Rp 250,000 4 Kertas HPL 60cm x 100cm 1 Rp 17,000 Rp 17,000 5 Cat Hitam 1 Rp 12,000 Rp 12,000 6 Besi Siku 4 Rp 50,000 Rp 200,000 7 Baut 6 Rp 530 Rp 3,180 8 Penahan Baut 6 Rp 700 Rp 4,200

TOTAL Rp 676,380

(55)

3.2.6 Jadwal Induk Produksi

Berdasarkan Forecast perhitungan MAD terkecil adalah menggunakan alfa 0,9.

Tabel 3. 7 Jadwal Induk Produksi

PERIODE JIP

Januari 746

Februari 746

Maret 762

April 781

Mei 787

Juni 790

Juli 806

Agustus 822

September 845

Oktober 840

November 848

Desember 869

(56)

Tabel 3. 8 Production Rate Bulanan

PERIODE FORECAST HARGA

BARANG / UNIT

PRODUCTIN RATE BUALAN Januari 746 Rp 676,380 Rp 504,579,480 Februari 746 Rp 676,380 Rp 504,579,480 Maret 762 Rp 676,380 Rp 515,401,560 April 781 Rp 676,380 Rp 528,252,780 Mei 787 Rp 676,380 Rp 532,311,060 Juni 790 Rp 676,380 Rp 534,340,200 Juli 806 Rp 676,380 Rp 545,162,280 Agustus 822 Rp 676,380 Rp 555,984,360 September 845 Rp 676,380 Rp 571,541,100 Oktober 840 Rp 676,380 Rp 568,159,200 November 848 Rp 676,380 Rp 573,570,240 Desember 869 Rp 676,380 Rp 587,774,220

TOTAL Rp 6,017,076,480

Perhitungan producttion rate :

- Januari : 746 x Rp 676.380 = Rp 504.579.480 - Februari : 746 x Rp 676.380 = Rp 504.579.480 - Maret : 762 x Rp 676.380 = Rp 515.401.560 - April : 781 x Rp 676.380 = Rp 528.252.780 - Mei : 787 x Rp 676.380= Rp 532.311.060 - Juni : 790 x Rp 676.380 = Rp 534.340.200 - Juli : 806 x Rp 676.380 = Rp 545.162.280 - Agustus : 822 x Rp 676.380 = Rp 555.984.360 - September : 845 x Rp 676.380 = Rp 571.541.100

(57)

- Oktober : 840 x Rp 676.380 = Rp 568.159.200 - November : 848 x Rp 676.380 = Rp 573.570.240 - Desember : 869 x Rp 676.380 = Rp 587.774.220

Total = Rp 6.017.076.480

(58)

BAB IV ANALISIS

4.1 Analisis Proses Peramalan

Jenis data pada lembar pengamatan memiliki polo data Trend karena data masa lampau tersebut cenderung naik setiap bulannya, maka metode yang digunakan untuk membuat peramalan ini adalah Exponential Smoothing With Trend dengan α 0.1 , 0.5 , 0.9.

A. Hitungan manual menggunakan Microsoft Excel sebagai berikut : - Rumus masing – masing perhitungan dengan α 0.1 :

 Exponential Smooting : =$D$3*D7+(1-$D$4)*E7

 Trend Adjusment : =$D$4*(E8-E7)+(1-$D$4)*F7

 TAF : =E8+F8

 Forecast error : =G8-D8

 ABS error : =ABS(H8)

 MAD : =SUM($I$7:I8)/COUNT($I$7:I8) - Rumus masing – masing perhitungandengan α 0.5 :

 TAF : =E8+F8

 MAD : =SUM($I$7:I8)/COUNT($I$7:I8)

(59)

- Rumus masing – masing perhitungandengan α 0.9 :

 TAF : =E8+F8

 MAD : =SUM($I$7:I8)/COUNT($I$7:I8)

B. Hitungan automatic menggunakan Windows For QM : - Langkah mengerjakan metode SES Trend α 0,1 :

 Masuk Windows for QM → pilih menu Forecasting → Time Series Analysis.

 Tentukan jumlah Number of Past Periods yaitu 12, kemudian pilih nama kolum bulan Januari, Februari, etc, kemudian klik OK.

 Pilih metode Exponential Smoothing With Trend

 Pada kolom Demand masukan angka data masa lampau (nilai aktual)

 Ubah angka alfa dan beta menjadi 0,1.

 Klik solve, lalu muncul tampilan data result .

 Klik Solutions → Control (Tracking Signal), maka akan keluar tabel hasil forecast.

 Untuk tampilan Grafik, klik Solutions → lalu Graph.

(60)

- Langkah mengerjakan metode SES Trend α 0,9 :

(61)

4.2 Analisis Hasil Olah Data

Dalam melakukan proses permalan dilakukan berdasarkan data permintaan masa lampau atau tahun sebelumnya, untuk data kelompok 7 pola yang didapatkan berdasarkan diagram scatter menunjukan pola data Trend atau data yang memiliki kecenderungan peningkatan dalam jangka panjang.

Setelah mendapatkan pola data dilakukan proses pegujian dengan metode Exponential Smoothing With Trend dengan manual excel dan juga automatic Windows For QM. Dimana perhitungan dibagi menjadi 3 α yaitu 0.1 , 0.5 , 0.9.

Hasil dari perhitungan tersebut mendapatkan MAD terkecil menggunaka α 0,9.

Data hasil perhitungan Forecast tersebut di jadikan acuman dalam membuat Jadwal Induk Produksi (JIP) dan juga menghitung Budget produksi.

(62)

Tabel 4. 1 Diagram Scatter by α 0,1

(63)

(64)

56

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dalam melakukan proses permalan dilakukan berdasarkan data permintaan masa lalu atau tahun sebelumnya selama 1 tahun. Setelah mendapatkan pola data dilakukan proses pegujian dengan metode yaitu, metode Exponential Smoothing With Trend yang paling kecil. Kemudian dari terkecil tadi kemudian diambil nilai Forecastnya untuk dibuat Jadwal Induk Produksi (JIP) dan perhitungan budget produksi.

5.2 Saran

Berhati-hati saat malakukan perhitungan manual, apalagi pada saat memasukan rumus di Microsoft Excel. Jika salah dalam perhitungan maka hasil peramalan tidak akan akurat atau tidak dapat dipakai sebagai acuan untuk pembuatan Jadwal Induk Produksi (JIP).

(65)

57

DAFTAR PUSTAKA

Junaidi,Didik. (2018). PENERAPAN METODE FORECASTING DALAM PERENCANAAN PRODUKSI. Universitas Yudharta Pasuruan, 121-128.

Amelia, M. M. (2021). METODE EXPONENTIAL SMOOTHING UNTUK FORECASTING. Jurnal Gamma-Pi, Vol 3 No.1. Di akses pada 31 Mei 2022.

https://ejurnalunsam.id/index.php/jgp/article/view/3771

Akhmad, S. (Vol. 1 (2017)). Perencanaan dan Penentuan Jadwal Induk. Produksi di P.T. Arwina Triguna Sejahtera, hal.11-25.

(66)

i

Di ajukan sebagai syarat kelulusan praktikum system produksi

Disusun oleh : Kelompok VII

LABORATORIUM SISTEM PRODUKSI PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK

UNIVERSITAS KRISNADWIPAYANA JAKARTA

2022

(67)

ii

Laporan ini disusun sebagai salah satu syarat kelulusan Praktikum Sistem Produksi program studi Teknik Industri Fakultas Teknik Universitas Krisnadwipayana.

(68)

iii

Puji syukur kami panjatkan kehadirat Allah SWT. Atas rahmat dan hidaya - NYA, sehingga akhirnya kami dapat menyelesaikan laporan praktikum ” SISTEM PRODUKSI”

Penulisan laporan ini ditulis sebagai salah satu syarat untuk menyelesaikan praktikum MATERIAL REQUIREMENT PLANNING Jurusan Teknik Industri Fakultas Teknik Universitas Krisnadwipayana

Pada kesempatan ini tidak lupa juga kami mengucapkan terima kasih yang sebesar- besarnya atas kesempatan, bantuan, bimbingan, serta arahan yang diberikan oleh :

1. Ir. Florida Butarbutar, MT. Selaku Ketua Jurusan Teknik Industri Universitas Krisnadwipayana

2. Orang tua dan keluarga yang selalu memberi motivasi serta bantuan, baik moral maupun spiritual.

Laporan akhir praktikum ini di ajukan untuk memenuhi persyaratan dalam penilaian praktikum SISTEM PRODUKSI.

Merasa bahwa dalam menyusun dan pengerjaan Laporan akhir praktikum ini masih menemui beberapa kesulitan dan hambatan, disamping itu juga menyadari bahwa penulisan Laporan akhir praktikum masih jauh dari kata sempurna dan masih banyak kekurangan-kekurangan lainnya, maka dari itu mengharapkan saran yang membangun untuk menjadikan pengerjaan Laporan akhir praktikum menjadi lebih baik.

Jakarta, 4 Juni 2022

KELOMPOK VII

(69)

iv Daftar Isi..

LEMBAR PENGESAHAN ... ii KATA PENGANTAR ... iii DAFTAR ISI ... iv PENDAHULUAN ... 1 1.1 Latar Belakang Masalah ... 1 1.2 Identifikasi Masalah ... 1 1.3 Perumusan Masalah………..1 1.4 Maksud Dan Tujuan……….2 1.5 Batasan Masalah……….. 2 1.6 Metodelogi Penelitian………..2

1.6.1 Flowchart Pemecahan Masalah……….………...…3 1.6.2 filosofi Alur Pemecahan Masalah ... 4 1.7 Sistematika Penulisan………...4 BAB II LANDASAN TEORI……….6 2.1 pengertian MRP ... 6 2.1.1Inputan MRP ... 9 2.1.2 Perhitungan MRP ... 11 2.1.3 output MRP ... 13 BAB III PENGUMPULAN DAN PENGOLAHAN DATA……….…16 3.1 Pengumpulan data………..16 3.1.1 Jadwal Induk Produksi (JIP)………...16 3.1.2 Struktur Produk BOM (Bill Of Material)………17 3.1.3 Data Komponen PLC………..17 3.1.4 Data permintaan barang yang Direncanakan………..…18 3.1.5 Status Inventory………..18 3.2 Pengolahan data……… 19

3.2.1 Penjadwalan Komponen PLC Dengan Menggunakan Ms.

Excel………. 19

(70)

v

3.2.3 Penjadwalan komponen Multiplek Dengan Menggunakan Ms.

Excel………20 3.2.4 Penjadwalan komponen Engsel Dengan Menggunakan Ms.

Excel………20 3.2.5 Penjadwalan komponen Baut Dengan Menggunakan Ms.

Excel………21 3.2.6 Penjadwalan komponen Besi Holo Dengan Menggunakan Ms.

Excel………21 3.2.7 Penjadwalan komponen Besi Siku Dengan Menggunakan Ms.

Excel………22 3.2.8 Penjadwalan komponen Plat Rangka Dengan Menggunakan Ms.

Excel………22 3.2.9 Penjadwalan komponen Penahan Baut Dengan Menggunakan Ms.

Excel………23 3.2.10 Penjadwalan komponen HPL Dengan Menggunakan Ms.

Excel………23 3.2.11 Perhitungan MRP dengan menggunakan aplikasi QM for Windows pada setiap komponen.………..…………24 BAB IV……….29 ANALISIS...29 BAB V………..35 KESIMPULAN DAN SARAN………35

(71)

vi

Gambar 1. 1 Flowchart... 3 Gambar 3. 1 Bill Of Material ... 17 Gambar 3. 2 Tampilan Awal ... 24 Gambar 3. 3 Module MRP ... 24 Gambar 3. 4 Mengisi BOM dan Last periode ... 24 Gambar 3. 5 Mengisi data pengamatan ... 24 Gambar 3. 6 Komponen PLC ... 24 Gambar 3. 7 Komponen Kerangka PLC ... 24 Gambar 3. 8 Komponen Multiplek ... 24 Gambar 3. 9 Komponen engsel ... 24 Gambar 3. 10 Komponen Baut ... 24 Gambar 3. 11 Komponen Besi Holo ... 24 Gambar 3. 12 Komponen Besi Siku ... 24 Gambar 3. 13 Komponen Plat Rangka ... 24 Gambar 3. 14 Komponen Penahan Baut ... 24 Gambar 3. 15 Komponen HPL ... 24

(72)

vii

Tabel 3. 1 Jadwal Induk Produksi... 16 Tabel 3. 2 Data komponen PLC ... 17 Tabel 3. 3 Tabel penerimaan pesanan ... 18 Tabel 3. 4 Tabel persediaan On Hand Inventory ... 18 Tabel 3. 5 Komponen PLC ... 19 Tabel 3. 6 Komponen Kerangka PLC ... 19 Tabel 3. 7 Komponen Multiplek... 20 Tabel 3. 8 Komponen Engsel ... 20 Tabel 3. 9 Komponen Baut ... 21 Tabel 3. 10 Komponen Besi Holo ... 21 Tabel 3. 11 Komponen Besi Siku ... 22 Tabel 3. 12 Tabel Plat Rangka ... 22 Tabel 3. 13 Komponen Penahan Baut... 23 Tabel 3. 14 Komponen HPL... 23

(73)

1 1.1 Latar Belakang Masalah

Perencanaan dan persediaan bahan baku merupakan hal Yang sangat penting dalam suatu proses produksi, terutama pada industri manufåktur. Apabila persediaan bahan baku tidak tersedia dengan baik sesuai dengan rencana atau kebutuhan produksi, maka akan menghambat proses produksi. Persediaan adalah bahan mentah, barang dalam proses (work in process), barang jadi, bahan pembantu, bahan pelengkap, komponen Yang disimpan dalam antisipasinya terhadap pemenuhan permintaan. Persediaan bahan baku harus diatur dengan baik, agar proses produksi terus berjalan sesuai dengan permintaan pelanggan memenuhi kebutuhan pasar.

Alasan adanya Praktikum Sistem Produksi ini, karena kurangnya pengetahuan lebih dalam tentang Material Requirement Planning.

1.2 Identifikasi Masalah

• Penjadwalan komponen yang tidak teratur

• Penggunaan Ms Excel tidak benar

• Penggunaan QM for Windows yang tidak benar

1.3 Perumusan Masalah

• Apa pengertian Material Requirement Planning (MRP)?

• Apa tujuan Material Requirement Planning (MRP)?

(74)

• Bagaimana perbandingan hasil perhitungan manual dengan menggunakan software Microsoft Excel dan perhitungan software Windows For QM ?

1.4 Maksud Dan Tujuan

• Dapat memahami dan menerapkan metode MRP dalam proses pengelolaan persediaan di perusahaan industri.

• Mengenal elemen-elemen penyusunan dari MRP.

• Dapat menentukan perencanaan produksi atau rencana pemesanan komponen dan material yang diperlukan.

• Dapat menguraikan suatu produk menjadi struktur-struktur komponen.

1.5 Batasan Masalah

Adapun batasan dari praktikum ini yaitu:

1. Praktikum dilakukan di Laboratorium Teknik UNKRIS

2. Pengumpulan data menggunakan data praktikum proses manufaktur 3. Objek yang diteliti yaitu PLC dan Stasiun kerja

1.6 Metodelogi Penelitian

Metode penelitian menurut Sugiyono (2016:2) pada dasarnya merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan kegunaan tertentu.

Terdapat tiga jenis penelitian bila ditinjau dari caranya, yaitu penelitian deskriptif atau description research, penelitian tindakan atau optional

(75)

Arikunto, 2013:2).

1.6.1 Flowchart Pemecahan Masalah

Gambar 1. 1 Flowchart Mulai

Selesai Pembuatan Laporan

Praktikum

Pengolahan Data MRP dengan Ms. Excel Pengolahan Data MRP dengan QM for

Windows

Asisten si

Respon si Diterima

Ditolak Pengumpulan Data

Pembuatan BOM

Analisis

(76)

• Pertama kita memulai praktikum Sistem Produksi di Laboratorium Universitas Krisnadwipayana.

• Kemudian pembuatan laporan.

• Didalam laporan dilakukan pengumpulan data, mulai dari data JIP, data komponen, data permintaan barang, data persediaan, dan pembuatan BOM.

• Setelah itu melakukan pengolahan MRP dengan menggunakan Ms.

Word dan QM for Windows.

• Selanjutnya melakukan asistensi sesuai hari yang ditentukan oleh asisten.

• Jika laporan sudah benar dan rapih, maka dilanjutkan dengan responsi.

1.7 Sistematika Penulisan A. BAB I PENDAHULUAN

Dalam Bab ini diuraikan mengenai latar belakang masalah, perumusan masalah, tujuan penelitian, pembatasan masalah, metode penelitian, dan sistematika penulisan.

B. BAB II LANDASAN TEORI

Mencakup seluruh teori ringkas serta perinsip yang saudara gunakan untuk membahas masalah dari modul yang dilaporkan dan berkaitan erat dengan kegiatan praktikum

.

(77)

Pada bab ini dilakukan pengolahan data berdasarkan pengumpulan data, mulai dari data JIP, data komponen, data permintaan barang, data persediaan dan juga dilakukan analisis hasil pengolahan data, untuk memperoleh suatu hasil penelitian yang dapat memberikan jalan keluar atau alternatif pemecahan masalah.

D. BAB IV ANALISIS

Pada bab ini dilakukan analisis data yang ada yang telah tersedia oleh data dan pengolahannya dengan tujuan mencari penyeimbangan lintasan.

E. BAB V KESIMPULAN DAN SARAN

Merupakan bab penutup yang mengungkapkan hasil dari penelitian secara singkat dan memberikan saran-saran yang diharapkan berguna bagi pembelajaran.

F. BAB VI DAFTAR PUSTAKA

Di bab ini praktikan menguraikan daftar yang berisi nama penerbit buku atau kajian lain yang digunakan sebagai sumber dalam menuyusun laporan akhir praktikum.

(78)

6

LANDASAN TEORI 2.1 Pengertian MRP

Material Requirement Planning (MRP) adalah suatu teknik yang digunakan untuk perencanaan dan pengendalian item barang (komponen) yang tergantung pada item ditingkat (level) yang lebih tinggi.

MRP pertama kali ditemukan oleh Joseph Orlicky dari J.I Case Company pada sekitar tahun 1960. Metode MRP bersifat Computer Oriented Approach yang terdiri dari sekumpulan prosedur, aturan-aturan keputusan dan seperangkat mekanisme pencatatan yang dirancang untuk menjabarkan suatu Master Production Schedule (MPS).

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.

Keempat perkembangan MRP tersebut adalah:

1. Material Requirement Planning (MRP) 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).