PERENCANAAN DAN PENGENDALIAN PRODUKSI (METODE KLASIK) AULIA ISHAK Fakultas Teknik Jurusan Teknik Industri Universitas Sumatera Utara

(1)

.

1 

2002 digitized by USU digital library

PERENCANAAN DAN PENGENDALIAN PRODUKSI (METODE KLASIK)

AULIA ISHAK

Fakultas Teknik Jurusan Teknik Industri Universitas Sumatera Utara

Pengambilan kebijakan produksi dengan metode klasik menggunakan matematika dan statistik sebagai alat bantu utama dalam memecahkan masalah kuantitatif dalam sistem persediaan. Pada dasarnya metode ini berusaha mencari jawaban optimal dalam menentukan jumlah ukuran pemesanan ekonomis (EOQ), titik pemesanan kembali (Reorder point) dan jumlah cadangan pengaman (Safety Stock ) yang diperlukan.

Untuk metode klasik, pengambilan kebijakan untuk produksi dilakukan dengan tinjauan secara per departemen. Dasar pengambilan kebijakannya berdasarkan nilai biaya yang terkecil. Komponen-komponen biaya yang dipertimbangkan dalam pengambilan keputusan adalah antara lain :

! Biaya Set up (Ordering Cost) ! Biaya Simpan (Holding Cost) ! Biaya Pembelian (Purchasing Cost) ! Demand tiap periode

Study Kasus Perusahaan Halley Pty.Ltd

Pada kasus berikut ini akan disimulasikan permasalahan pada Haley Company Pty. Ltd yang memproduksi empat jenis produk yaitu, pilts, relts, stuns, dan super stun. Produk-produk ini mempunyai beberapa perbedaan alamiah mendasar antara satu produk dengan produk yang lain. Kredit bank amat ketat dan kemampuan untuk mendapatkan keuntungan akhir-akhir ini sangat sulit. Tujuan simulasi pada studi kasus ini adalah untuk mengorganisasi perusahaan sehingga mampu mengatasi masalah-masalah yang ada saat ini dan memastikan agar perusahaan berada pada posisi yang terbaik untuk kelangsungan jangka panjangnya. Keputusan diambil didasarkan pada kondisi keuangan dan posisi stok terakhir perusahaan, dimana dalam proses keputusan ini sistem perusahaan diperbaharui dalam hal perencanaan, pelaksanaan dan pengawasannya.

Proses produksi Haley Company Pty. Ltd secara diagramatis dapat digambarkan dalam bentuk diagram berikut ini:

B

D

C

E

M1

M2

B

C

D

ASSEMBL

Y

SUB

A

PILTS

RELTS

STUN

S

SUPE

R

I

II

III

(2)

.

2 

Dari gambar di atas, bila menggunakan metode klasik, maka pengambilan

kebijakan akan dilakukan dengan tinjauan secara per bagian (ada 3 bagian), yang

kemudian didefinisikan sebagai berikut :

I. Departemen Pembelian (Purchasing Department) II. Departemen Pemesinan (Machining Department) III. Departemen Perakitan (Assembly Department) Kondisi Pasar

Data sejarah penjualan untuk periode empat mingguan selama dua tahun untuk produk Pilts, Relts dan stun dapat diberikan. Untuk Super Stun data yang tersedia amat terbatas karena Super Stun merupakan produk baru yang baru ada di pasaran selama dua bulan. Super Stun merupakan versi “deluxe” dari produk Stun yang diharapkan akan meningkat tajam permintaannya untuk beberapa bulan mendatang. Menurut perkiraan departemen penjualan, permintaan seluruh produk akan meningkat 5 % per minggu untuk bulan depan, tetapi perkiraan ini (mentally suspect) tidak dapat dipercayai sepenuhnya.

Pasar mempunyai tingkat kompetisi yang amat tinggi untuk produk-produk Pilts, Relts, dan Stuns sehingga penjualan sangat peka terhadap harga dan kesempatan akan hilang apabila permintaan yang ada tidak dapat dipenuhi secara tepat waktu.

Perusahaan pada saat ini mempertahankan harga penjualan untuk barang jadi sebagai berikut:

1. Pilts $ 170.00 2. Stuns $ 270.00 3. Relts $ 150.00 4. Super Stun $ 310.00

Data penjualan selama periode empat mingguan selama dua tahun terakhir untuk produk-produk Pilts, Relts dan Stuns adalah sebagai berikut : Minggu

ke 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Pilts 24 30 36 39 50 48 56 55 36 36 25 23 26 26 34 43 57 48 55 51 42 44 28 25 Relts 74 74 78 77 81 82 84 84 83 80 79 78 76 79 82 82 85 84 88 85 90 84 78 80 Stuns 59 62 68 57 64 58 49 67 56 58 61 57 Data penjualan mingguan selama dua periode untuk semua produk adalah

sebagai berikut: Minggu ke 1 2 3 4 5 6 7 8 Pilts 6 8 5 9 6 5 7 7 Relts 21 19 22 16 19 22 18 21 Stuns 10 19 15 17 13 12 18 24 Super Stuns 0 3 1 0 2 5 4 10

Tingkat pengembalian (revenue) dari barang jadi tersebut tersedia pada akhir barang itu terjual.

Produk Barang Jadi

Pilts, Relts, Stuns dan Super Stuns dibuat dari komponen-komponen B, C, D, dan E dan sub assembly A juga dibuat dari komponen-komponen yang sama.

(3)

.

3 

Tabel berikut ini memberikan kuantitas kebutuhan masing-masing komponen sebagai berikut:

A Pilts Relt Stuns Super Stuns

A - 1 - 1 1 B 2 10 8 15 15 C 5 10 15 20 25 D 1 - 2 2 3 E 20 100 120 160 180 Bahan Baku

Bahan baku yang digunakan merupakan bahan baku yang langsung digunakan untuk produk jadi tanpa diproses terlebih dahulu yaitu B,C,D dan E. Harga bahan baku, nilai lead time rata-rata serta jumlah discount yang diberikan adalah sebagai berikut :

Bahan Average Lead Time Price Discounts B 1 minggu (3 minggu ±

1 untuk 7000) $ 4 per unit 5 % jika membeli lebih dari 5000 7 % jika membeli lebih dari 7000

C 1 minggu $ 1.4 per

unit

No Discount

D 2 minggu ± 1 $ 10 per

unit 5 % jika membeli lebih dari 3000 10 % jika membeli lebih dari 6000

E 1 minggu $ 1 per unit No Discount

Pembayaran dilakukan pada akhhir minggu dimana bahan baku tersebut telah dikirimkan. Jadwal pengiriman biasanya dilakukan pada awal minggu.

Biaya tambahan sebesar $ 10 diberikan untuk setiap pemesanan pada minggu dimana terjadi pemesanan.

Catatan rekaman pengambilan bahan baku B,C,D dan E pada gudang stock bahan baku yang digunakan untuk final assembly amat terbatas. Rangkuman rekaman pengambilan bahan baku untuk delapan bulan terakhir adalah sebagai berikut:

Baha n 1 2 3 4 5 6 7 8 B 2400 - - - 2000 - C 200 2000 800 800 1800 600 100 2000 D - - 400 100 50 100 - 40 E 3720 5900 7680 3800 8200 7120 4080 8000

Dua mesin M1 dan M2 yang ada digunakan untuk produksi komponen B,

C, D. Rata–rata tingkat produksi, waktu set up mesin dan biaya untuk masing-masing mesin adalah sebagai berikut :

Bagian per 40 jam / minggu Set up Waktu (jam) Bahan Baku

M1 M2 M1 M2

B 600 1900 2 4

C 500 1500 2 4

(4)

.

4 

Biaya produksi mesin per jam adalah $ 5 per jam untuk mesin M1dan $

15 per jam untuk mesin M2.

Dua orang operator dipekerjakan secara full time pada masing-masing mesin. 40 jam per minggu merupakan standar kerja operator dengan upah $ 12 tiap jamnya. Upah lembur diberikan sebesar $ 5 untuk tiap jamnya. Bila diinginkan mesin dapat dibiarkan untuk di set up dari satu minggu ke minggu berikutnya. Komponen-komponen yang telah diproses dalam satu minggu dipindahkan pada awal minggu berikutnya dalam gudang stock komponen, dimana disitu juga disimpan sub assemblies A.

Catatan pengambilan komponen-komponen dan sub assembly dari gudang stock ini untuk proses perakitan akhir selama delapan minggu terakhir diberikan sebagai berikut:

Minggu 1 2 3 4 5 6 7 8 A 20 12 48 10 22 42 14 30 B 372 632 720 362 620 648 370 620 C 720 1190 1080 770 845 1050 830 900 D 86 128 96 104 98 92 120 80 E 3720 8800 7680 4100 8200 7120 4080 7800 Perakitan

Jalur perakitan tunggal untuk perakitan sub assembly A, Pilts, Relts, Stuns dan Super Stuns. Bagaimanapun juga hal ini membutuuhkan jumlah waktu tertentu untuk mengatur jalur perakitan antara tiap-tiap batch perakitan yang berbeda. Rata-rata perakitan, waktu set up dan biaya-biaya perakitan diberikan sebagai berikut:

Produk Rata-rata (perakitan/40 jam minggu) Waktu set up (jam)

A 160 4 Pilts 80 4

Relts 80 4

Stuns 60 5

Super Stun 40 5*

Catatan : * tidak ada biaya dan waktu set up bila perakitan langsung mengikuti perakitan produk Stun.

Empat orang pekerja beroperasi pada jalur perakitan. Upah pekerja tersebut sebesar $ 12 per jam.

Waktu perakitan biasanya sebesar 40 jam per minggu; waktu lembur dibatasi sampai 5 jam tiap minggu dengan upah lembur sebesar $ 20 per jamnya. Stock untuk produk yang telah selesai dirakit tidak dapat dilakukan pada akhir minggu.

Kapasitas perakitan melebihi kemampuan yang ada bisa dilakukan jika ditentukan pada minggu sebelum dilakukan perakitan, dengan biaya sebesar:

Produk A Pilt Relt Stun Super Stun

Biaya $ 16 $ 45 $ 30 $ 55 $ 70

Stock barang yang telah dirakit selama satu minggu menjadi bagian stock produk barang jadi pada awal minggu berikutnya.

Stock Awal

Stock harus dilakukan pada masing-masing tahap produksi yang ada. Stock pada posisi awal, pada minggu ke 0 (berdasarkan rekaman pengambilan stock sampai minggu ke 8) adalah sebagai berikut:

(5)

.

5 

Bahan Baku Stock Dalam

Pemesanan Dalam Proses * Komponen Jadi

B 1500 7000 - 1850

C 5000 2000 2000 1500

D 400 - 40 50

E 1200 - - -

Catatan : * dikeluarkan pada stock komponen pada awal minggu ke 1

Perakitan Stock Produk Jadi Dalam Proses Perakitan *

A 30 -

Pilts 5 30

Relts 41 40 Stun 23 -

Super Stuns 10 -

Catatan: * dikeluarkan pada stock barang jadi pada awal minggu ke 1 Biaya Pengangkutan dan Penyimpanan

Tiap item barang dalam stock dikenakan biaya pengangkutan dan penyimpanan (opportunity cost of capital, stock handling, storage space etc). Biaya ini didasarkan pada stock barang jadi pada tiap minggu dengan perkecualian pada barang jadi yang biaya pengangkutan dan penyimpanannya (carrying cost) didasarkan pada stock barang jadi pada minggu sebelumnya.

Kebijaksanaan perusahaan diatur oleh Manajer Keuangan yang menggunakan biaya untuk carrying cost per tahun sebesar 25 % dari nilai stock yanga da (yaitu 0,48 % per minggu dari nilai stock pada tiap-tiap minggu). Nilai Stock yang dimiliki pada masa lalu dihitung sebagai berikut:

• Bahan baku

: Biaya Bahan Baku • Work in progress

• Finished Part : Biaya bahan baku + biaya mesin per bagian biaya pekerja per bagian

• Finished Assemblies : Total biaya bahan baku, mesin, pekerja sampai dengan perakitan

Biaya Overhead

Biaya overhead yang ditetapkan sebesar $ 1000 tiap minggu untuk biaya administrasi dan overhead proses manufaktur.

Kualitas

Sebagai tambahan untuk pergerakan ke arah stock normal, ada beberapa masalah kualitas yang menyebabkan beberapa stock harus “dibuang”. Biasanya nilai skrap ini tidak lebih dari 10 % dari total bahan yang dikirimkan dalam satu minggu atau tidak lebih dari 10 bagian dalam satu mesin per minggu. Apabila hal ini terjadi hal ini akan diberitahukan.

Keuangan

Pabrik mempunyai jumlah dana $ 200,000 yang sudah diinvestasikan pada pabrik dan $ 30,000 dalam bentuk cash yang dapat digunakan dalam simulasi ini.

II. PURCHASING DEPARTEMENT

Purchasing Departement bertanggung jawab terhadap pengadaan bahan baku yang akan digunakan dalam produksi. Bahan baku yang dibeli ke suplier adalah bahan baku B, C, D, dan E. Dasar pengambilan kebijakan dalam

(6)

.

6 

pengadaan bahan baku adalah dengan pertimbangan biaya yang paling ekonomis dan pertimbangan keterbatasan yang berkaitan dengan pengadaan bahan baku. Data yang dipakai untuk menentukan kebijakan pada departemen ini adalah data pengambilan bahan baku di gudang bahan baku. Data yang ada adalah data pengambilan bahan baku selama 8 minggu yaitu :

Data Pengambilan Bahan Baku di Gudang

BB/ Periode 1 2 3 4 5 6 7 8 B 240 0 0 0 0 0 0 2000 0 C 200 200 0 800 800 1800 600 100 2000 D 0 0 400 100 50 100 0 40 E 372 0 5900 7680 3800 8200 7120 4080 8000

Untuk menentukan permintaan bahan baku yang akan datang, maka dilakukan peramalan dari data bahan baku yang ada. Jenis peramalan yang akan digunakan didasarkan pada pola data pengambilan bahan baku. Pola data untuk bahan baku B, C, D, dan E adalah sebagai berikut :

A. Peramalan Demand Bahan Baku

Peramalan demand dihitung untuk masing-masing jenis bahan baku yang digunakan yaitu bahan baku B, C, D, dan E.

Pola data pengambilan bahan baku di gudang untuk bahan baku B adalah sebagai berikut :

# Peramalan untuk bahan baku B

Pola Data Pengambilan Bahan Baku di Gudang

0 2000

4000

6000

8000

10000

12000

1

2

3

4

5

6

7

8 Periode

Jumlah Bahan Bak

u

E

D

C

B

Pola Data Pengambilan Bahan Baku di Gudang

0 1000 2000 3000 1 2 3 4 5 6 7 8 Periode (minggu) Jumlah

B

(7)

.

7 

Berdasarkan pola data pengambilan bahan baku B di gudang, maka jenis peramalan yang digunakan adalah peramalan “simple average” dengan rumus peramalan adalah sebagai berikut :

Forecastt+1 = F(t) =

t

D

t n t

∑

=1

+--- Forecast Results for bahan baku B --- + ¦ 03-04-2001 21:02:27 Page: 1 of 2 ¦ +--- ---¦ ¦Period¦Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +---+---- ---+--- +---+---+- ---+--- ¦ ¦ 1 ¦ 2400¦ 2400¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 0¦ 1200¦ ¦ ¦ 2400¦ 2400 ¦ ¦ 3 ¦ 0¦ 800¦ ¦ ¦ 1200¦ 1200 ¦ ¦ 4 ¦ 0¦ 600¦ ¦ ¦ 800¦ 800 ¦ ¦ 5 ¦ 0¦ 480¦ ¦ ¦ 600; 600 ¦ ¦ 6 ¦ 0¦ 400¦ ¦ ¦ 480¦ 480 ¦ ¦ 7 ¦ 2000¦ 628.5714¦ ¦ ¦ 400¦ -1600 ¦ ¦ 8 ¦ 0¦ 550 ¦ ¦ ¦ 628.5714¦ 628.5714 ¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ +---¦ ¦ Simple average: CPU Seconds = 0 ¦ ¦ MAD=1101.22 MSD = 1626500. Bias = 644.08 R-square = 0 ¦ ¦ MAD = 1101.22 MSD = 1626500. Bias = 644.08 ¦ +--- --¦

Pola data pengambilan bahan baku di gudang untuk bahan baku C adalah sebagai berikut :

# Peramalan untuk bahan baku C

Berdasarkan Pola data pengambilan Bahan baku C di gudang, maka jenis peramalan yang digunakan adalah peramalan “exponential smoothing with linier trend” dengan rumus peramalan adalah sebagai berikut :

Pola Data Pengambilan Bahan Baku di Gudang

0

500 1000

1500

2000

2500

1

2

3

4

5

6

7

8 Periode (minggu)

Jumlah

C

(8)

.

8 

F(t) = α . Dt + (1 - α)(Ft-1 + T t-1)

T(t) = β (Ft - F t-1) + (1 - β) . T t-1

Forecast = F(t) + T(t)

+--- Forecast Results for bahan baku C ---+ ¦ 03-05-2001 13:30:24 Page: 1 of 2 ¦

+---¦ ¦Period¦ actual ¦ F(t) ¦ T(t) ¦ ¦ Forecast ¦ Error ¦ +---+---+---+---+---+---+---¦ ¦ 1 ¦ 200¦ 200¦ 0¦ ¦ ¦ ¦ ¦ 2 ¦ 200¦ 380¦ 18¦ ¦ 200¦ -1800¦ ¦ 3 ¦ 800¦ 438.2¦ 22.02¦ ¦ 398¦ -402¦ ¦ 4 ¦ 800¦ 494.198¦ 25.4178¦ ¦ 460.22¦ -339.78¦ ¦ 5 ¦ 1800¦ 647.6542¦ 38.22164¦ ¦ 519.6158¦ -1280.384¦ ¦ 6 ¦ 600¦ 677.2883¦ 37.36288¦ ¦ 685.8759¦ -85.87585¦ ¦ 7 ¦ 100¦ 653.186¦ 31.21637¦ ¦ 714.6511¦ -614.6511¦ ¦ 8 ¦ 200¦ 815.9622¦ 44.37234¦ ¦ 684.4024¦ -1315.598¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 860.3345¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 904.7068¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 949.0791¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 993.4514¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 1037.824¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 1082.196¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 1126.568¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 1170.941¦ ¦ +---¦ ¦ Exponential smoothing with linear trend: CPU Seconds = 0 ¦ ¦ MAD = 834.04 MSD = 1038915. Bias = -633.89 R-square = 0 ¦

¦ Alpha = .10000 Beta = .10000 ¦ +---¦ Pola data pengambilan Bahan baku di gudang untuk bahan baku D adalah sebagai berikut :

Pola D ata Pe ngambilan B ahan B aku di G udang

0

100

200

300

400

500

1

2

3

4

5

6

7

8 Pe riode (minggu)

Jumlah

D

(9)

.

9 

# Peramalan untuk bahan baku D

Berdasarkan Pola data pengambilan Bahan baku D di gudang, maka jenis peramalan yang digunakan adalah peramalan “single exponential smoothing” dengan rumus peramalan adalah sebagai berikut :

Forecast t+1 = F(t) = α . Dt + (1 - α) . Ft-1

+--- Forecast Results for bahan baku D ---+ ¦ 03-04-2001 21:46:00 Page: 1 of 2 ¦ +---¦ ¦Period ¦Actual¦ F(t) ¦ ¦ ¦Forecast ¦ Error ¦ +---+---+---+---+---+--- ----+---¦ ¦ 1 ¦ 0¦ 0¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 0¦ 0¦ ¦ ¦ 0¦ 0 ¦ ¦ 3 ¦ 400¦ 40¦ ¦ ¦ 0¦ -400¦ ¦ 4 ¦ 100¦ 46¦ ¦ ¦ 40¦ -60¦ ¦ 5 ¦ 50¦ 46.4¦ ¦ ¦ 46¦ -4¦ ¦ 6 ¦ 100¦ 51.76¦ ¦ ¦ 46.4 ¦ -53.6¦ ¦ 7 ¦ 0¦ 46.584 ¦ ¦ ¦ 51.76 ¦ 51.76¦ ¦ 8 ¦ 40| 45.9256¦ ¦ ¦ 46.584 | 6.584003¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ +---¦ ¦ Single exponential smoothing: CPU Seconds = 0 ¦ ¦ MAD = 82.28 MSD = 24173.06 Bias =-65.61 R-square = 0 ¦ ¦ Alpha = .10000 ¦ +---¦

Pola data pengambilan Bahan baku di gudang untuk bahan baku E adalah sebagai berikut :

Pola Data Pengambilan Bahan Baku di Gudang

0 2000

4000

6000

8000

10000

1

2

3

4

5

6

7

8 Periode (minggu)

Jumlah

E

(10)

.

10 

# Peramalan untuk bahan baku E

Berdasarkan Pola data pengambilan Bahan baku E di gudang, maka jenis peramalan yang digunakan adalah peramalan “simple average” dengan rumus peramalan adalah sebagai berikut :

Forecastt+1 = F(t) =

t

D

t n t

∑

=1

+--- Forecast Results for Bahan Baku E ---+ ¦ 03-05-2001 13:42:28 Page: 1 of 2 ¦ +---¦ ¦Period¦ Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +---+---+---+---+---+---+---¦ ¦ 1 ¦ 3720¦ 3720 ¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 5900¦ 4810 ¦ ¦ ¦ 3720¦ -2180¦ ¦ 3 ¦ 7680¦ 5766.667¦ ¦ ¦ 4810¦ -2870¦ ¦ 4 ¦ 3800¦ 5275 ¦ ¦ ¦ 5766.667¦ 1966.667¦ ¦ 5 ¦ 8200¦ 5860 ¦ ¦ ¦ 5275¦ -2925¦ ¦ 6 ¦ 7120¦ 6070 ¦ ¦ ¦ 5860¦ -1260¦ ¦ 7 ¦ 4080¦ 5785.714¦ ¦ ¦ 6070¦ 1990¦ ¦ 8 ¦ 8000¦ 6062.5 ¦ ¦ ¦ 5785.714¦-2214.286¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ +---¦ ¦ Simple average: CPU Seconds = 0 ¦ MAD = 2200.85 MSD = 5123352. Bias = -1070.37 R-square = 0 ¦ ¦ | +---¦

Dari hasil peramalan demand bahan baku, maka rata-rata demand bahan baku B, C, D, dan E tiap minggu adalah :

Bahan Rata-rata Demand

(unit/minggu)

B 550 C 1016 D 46 E 6063 B. Perhitungan Untuk EOQ

Bahan baku yang digunakan merupakan bahan baku yang langsung digunakan untuk produk jadi tanpa diproses terlebih dahulu yaitu : bahan baku B, C, D dan E.

Pembelian bahan baku akan dikenakan harga yang berbeda (ada diskon) untuk bahan baku tertentu. Harga bahan baku, nilai lead time rata-rata serta jumlah discount yang diberikan adalah sebagai berikut :

(11)

.

11 

Bahan Average Lead Time Price Discount

B 1 Minggu ( 3 Minggu ± 1 untuk 7000 )

$ 4 per unit 5% jika membeli lebih dari 5000 7% jika membeli lebih dari 7000

C 1 Minggu $ 1.4 per

unit No Discount

D 2 Minggu ± 1 $ 10 per unit 5% jika membeli lebih dari 3000

10% jika membeli lebih dari 6000

E 1 Minggu $ 1 per unit No Discount

B.1. EOQ Dengan Diskon

Discount ditawarkan untuk bahan baku B dan D. seperti terlihat pada tabel dibawah ini : Bahan Harga ($/unit) Discount B 4 5% jika membeli > 5000 7% jika membeli > 7000 D 10 5% jika membeli > 3000 10% jika membeli > 6000

Tahapan penentuan EOQ dengan discount adalah sebagai berikut : Hitung Qo(b2) Yes Stop Qo(b2) ≥ k Beli : Qo(b2) No Hitung : TCo(b1) TC ( k) yes TCo > TC (k) Stop Beli: Q0 = k No Stop beli Q(b1)

Tahap 1. dihitung dengan rumus : Qo(b2) =

2

2 fxb

xCrxD

, dimana : Cr = Biaya pemesanan = $ 10 / order f = Carrying Cost = 0,48 % / minggu b2 = Harga setelah discount

(12)

.

12 

Sehingga hasil perhitungan untuk Qo(b2), dapat ditabelkan dibawah ini :

Bahan D (unit/minggu) k (unit) Disctt (%) Harga ($/unit ) b2 ($/unit ) Qo(b2) (unit) Ket B 550 5000 5 4 3,80 777 No valid B 550 7000 7 4 3,72 785 No valid D 46 3000 5 10 9,50 143 No valid D 46 6000 10 10 9,00 146 No valid

Karena nilai Qo(b2) < k , maka dilakukan proses penghitungan TCo (b1) dan TC

(k) dengan rumus :

TCo (b1) =

2xCrxDxfxb

1 + b1 x D , dimana : b1 = harga tanpa discount

TC (k) = f x b2 x

2 k

+ Cr x

k

D

+ b2 x D

Hasil dari TCo (b1) dan TC (k) dapat ditabelkan sebagai berikut :

Bahan D (unit/minggu ) k (unit) b1 ($/unit ) b2 ($/uni t) TCo (b1) ($) TC (k) ($) Keterangan B 550 5000 4 3,80 2.214,5 3 2.136,7 0 TCo (b1) >TC (k) B 550 7000 4 3,72 2.214,5 3 2.109,28 TCo (b(k) 1) >TC D 46 3000 10 9,50 466,65 550,55 TCo (b1) <TC (k) D 46 6000 10 9,00 466,65 543,68 TCo (b1) <TC (k) Karena :

• untuk bahan B, nilai TCo (b1) >TC (k), maka : beli Qo = 7000 unit dengan

discount 7 %, dan total cost (TC) = $ 2.109,28

• untuk bahan D, nilai TCo (b1) < TC (k), maka : beli Qo dengan jumlah :

Qo(b1) = 1

2 fxb

xCrxD

=

)

unit

/

4 ($

0048

,

0 )

minggu

/

unit

46 )(

order

/

10 ($

2x

= 219 unit dan total cost (TC) = $ 466,65

$$$$ Menentukan waktu antar pemesanan (To), Reorder Point (ROP), Safety Stock (SS).

Rumus yang digunakan untuk menghitung adalah : To =

D

Q

_o

ROP = (L + σL) x D

SS = ROP - (L x D)

Perhitungan selengkapnya adalah sebagai berikut : Bahan D (unit/minggu ) Qo (unit ) L (minggu) (minggu) σL To

(minggu) (unitROP ) SS (unit ) B 550 7000 3 1 12,73 2200 550 D 46 219 2 1 4,76 138 46

(13)

.

13 

B.2. EOQ tanpa discount

Pembelian bahan baku yang tidak ditawarkan diskon adalah bahan baku C dan E. Untuk menghitung EOQ tanpa discount kita menggunakan rumus sbb :

Qo =

Ch

D

Cr.

.

2

Dimana : Cr = Ordering Cost = $ 10 /order

Ch = Holding Cost = 0,48% / minggu dari harga material D = Demand = rata –rata permintaan dari hasil peramalan Pada kasus ini kebijaksanaan perusahaan diatur oleh Manajer Keuangan yang menggunakan biaya untuk holding cost ( Ch ) pertahun sebesar 25% dari nilai stock yang ada ( yaitu 0,48 % perminggu dari nilai stock pada tiap-tiap akhir minggu ) dan Shortage Cost ( Cs ) besarnya sama dengan nol hal inii dikarenakan tidak terjadi kekurangan bahan.

Selanjutnya untuk mengitung besarnya EOQ bahan C dan bahan E dengan pembelian tanpa discount akan disajikan dalam tabel berikut ini:

Bahan Cr ($) Cs ($) Ch ($/unit/minggu) D (unit) Qo (unit) C 10 0 0.48% x $ 1.40 $ 0.0067 1016 1742 E 10 0 0.48% x $ 1.00 $ 0.0048 6063 5027 $ Menentukan To dan ROP

Besarnya cycle time (To) dan reorder pont (ROP) untuk masing-masing bahan baku dihitung dengan rumus : Cycle time ( To ) =

D

Q

_o

Jika L < To, maka ROP = L x D . Jika L> To, maka ROP = (L - To) x D Tabel harga ROP dan waktu siklus (To) :

Bahan Lead time

(minggu) (unit) D (unit) Qo (unit) ROP (minggu) To

C 1 1016 1742 1016 1.72

E 1 6063 5027 1031 0.83

Selanjutnya kita gambarkan model EOQ untuk masing-masing bahan baku. Dari tabel diketahui bahwa bahan baku C mempunyai nilai Lead time lebih kecil dari waktu antar pemesanan atau L < To, maka modell EOQ untuk bahan baku C adalah sebagai berikut :

(14)

.

14 

Tingkat persediaan Qo D ROP Waktu (minggu) L To

Dari tabel diketahui bahwa bahan baku C mempunyai nilai Lead time lebih kecil dari waktu antar pemesanan atau L < To, maka modell EOQ untuk bahan baku C adalah sebagai berikut :

Tingkat persediaan Qo D ROP Waktu (minggu) To L

$$$$ Perhitungan Total Incremental Cost (TICo): TICo dapat dihitung dengan rumus :

TICo =

2 .

Cr

.

D

.

Ch

.Hasil perhitungan TICo untuk bahan baku C, dan E dapat dilihat pada tabel

berikut : Bahan

Baku ($) Cr ($) Ch (unit) D TICo ($)

C 10 0.0067 1016 11.67

(15)

.

15 

Perhitungan Total Cost (TC)

TC = Ch + Cr + Cs + Cb TC = TICo + Cs + Cb

Dimana , harga Cb dicari dengan rumus : Cb = b x D Bahan

Baku TICo ($) ($) Cs ($) b (unit) D ($) Cb ($) TC

C 11.67 0 1.4 1016 1422.40 1434.07

E 24.13 0 1 6063 6063.00 6087.13

Jadi total cost untuk Departemen Pembelian adalah : TC = TCB + TCC + TCD + TCE

= $ 2.109,28 + $ 1.434,07 + $ 466,65 + $ 6.087,13 = $ 10.097,13

III. MACHINING DEPARTMENT

Pada machining department, komponen yang digunakan adalah komponen B, C dan D. Untuk komponen A dan E digunakan pada Assembly Department ( Departemen Perakitan ). Hal ini sesuai dengan gambar proses produksi Pabrik Halley.

Catatan pengambilan komponen-komponen dan sub-assembly dari gudang stock untuk proses perakitan akhir selama delapan (8) minggu terakhir adalah :

Minggu 1 2 3 4 5 6 7 8

B 372 632 720 362 620 648 370 620

C 720 1190 1080 770 845 1050 830 900

D 86 128 96 104 98 92 120 80 Demand komponen B, C dan D setiap minggu selama delapan minggu dengan menggunakan peramalan. Pola data masing-masing komponen akan dijelaskan pada gambar dibawah ini :

Pola Data Pengambilan

Komponen B,C,dan D

0

500 1000

1500

1

2

3

4

5

6

7

8 Periode (minggu)

Jumlah (unit)

Series1

B

C

D

(16)

.

16 

A. Meramalkan Kebutuhan Komponen

Peramalan demand dari komponen-komponen B, C dan D dilakukan dengan menggunakan software QS.3. Hasil peramalan terbaik berdasarkan kriteria MAD dan MSD yang terkecil.

• Komponen B

Untuk komponen B, peramalan (forecast) menggunakan metode ”Simple Average” dengan rumus :

Forecast f(t+1) = F( t ) =

t

D

t i i

∑

=1

Hasil peramalan dapat dilihat pada tabel berikut ini : # PERAMALAN KOMPONEN B

+--- Forecast Results for komponen B ---+ ¦ 03-07-2001 20:12:23 Page: 1 of 2 ¦ +---¦ ¦Period ¦ Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +---+---+---+---+---+---+---¦ ¦ 1 ¦ 372¦ 372¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 632¦ 502¦ ¦ ¦ 372¦ -260¦ ¦ 3 ¦ 720¦ 574.6667¦ ¦ ¦ 502¦ -218¦ ¦ 4 ¦ 362¦ 521.5¦ ¦ ¦ 574.6667¦ 2 12.6667¦ ¦ 5 ¦ 620¦ 541.2¦ ¦ ¦ 521.5¦ -98.5¦ ¦ 6 ¦ 648¦ 559¦ ¦ ¦ 541.2¦ -106.8¦ ¦ 7 ¦ 370¦ 532¦ ¦ ¦ 559¦ 189¦ ¦ 8 ¦ 620¦ 543¦ ¦ ¦ 532¦ -88¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ +---¦ ¦ Simple average: CPU Seconds = 0 ¦ ¦ MAD = 167.57 MSD = 32132.09 Bias = -52.80 R-square = 0 ¦ ¦ MAD = 167.57 MSD = 32132.09 Bias = -52.80 ¦ +---¦ • Komponen C

Untuk komponen C, forecasting menggunakan metode “Exponential Smoothing with Linier trend”, dengan rumus :

F ( t ) = α . Dt + ( 1 - α ) ( Ft-1 + Tt-1 )

T ( t ) = β. ( Ft – Ft-1 ) + ( 1 - β ). Tt-1

Forecast : f(t) = F (t) + T(t)

(17)

.

17 

# PERAMALAN KOMPONEN C

+--- Forecast Results for komponen C ---+

¦ 03-07-2001 20:30:25 Page: 1 of 2 ¦ +---¦ ¦Period ¦ Actual ¦ F(t) ¦ T(t) ¦ ¦ Forecast ¦ Error ¦ +---+---+---+---+---+---+---¦ ¦ 1 ¦ 720¦ 720¦ 0¦ ¦ ¦ ¦ ¦ 2 ¦ 1190¦ 767¦ 4.7¦ ¦ 720¦ -470¦ ¦ 3 ¦ 1080¦ 802.53¦ 7.783003¦ ¦ 771.7¦ -308.3¦ ¦ 4 ¦ 770¦ 806.2817¦ 7.379874¦ ¦ 810.313¦ 40.31305¦ ¦ 5 ¦ 845¦ 816.7955 ¦ 7.69326¦ ¦ 813.6616¦ -31.33838¦ ¦ 6 ¦ 1050¦ 847.0399¦ 9.948372¦ ¦ 824.4887¦ -225.5113¦ ¦ 7 ¦ 830¦ 854.2894¦ 9.678492¦ ¦ 856.9882¦ -26.98822¦ ¦ 8 ¦ 900¦ 867.5711¦ 10.03881¦ ¦ 863.9679¦ -36.0321¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 877.6099¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 887.6487¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 897.6876¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 907.7264¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 917.7652¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 927.804¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 937.8428¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 947.8817¦ ¦ +---¦ ¦ Exponential smoothing with linear trend: CPU Seconds = 0 ¦ ¦ MAD = 162.64 MSD = 53062.60 Bias = -143.41 R-square = 0 ¦ ¦ Alpha = .10000 Beta = .10000 ¦

• Komponen D

Untuk komponen D, forecast menggunakan metode “Exponential Smoothing With Linier Trend” dengan rumus yang sama dengan perhitungan komponen C.

Hasil peramalan dapat dilihat pada tabel berikut ini : # PERAMALAN KOMPONEN D

+--- Forecast Results for komponen D ---+ ¦ 03-07-2001 20:39:24 Page: 1 of 2 ¦ +---¦ ¦Period ¦Actual ¦ F(t) ¦ T(t) ¦ ¦ Forecast ¦ Error ¦ +---+---+---+---+---+---+---¦ ¦ 1 ¦ 86¦ 86¦ 0¦ ¦ ¦ ¦ ¦ 2 ¦ 128¦ 90.2¦ .4199997¦ ¦ 86¦ -42¦ ¦ 3 ¦ 96¦ 91.158¦ .4737997¦ ¦ 90.62¦ -5.380005¦ ¦ 4 ¦ 104¦ 92.86861¦ .5974815¦ ¦ 91.6318¦ -12.3682¦ ¦ 5 ¦ 98¦ 93.91949¦ .6428206¦ ¦ 93.46609¦ -4.533905¦ ¦ 6 ¦ 92¦ 94.30608¦ .6171975¦ ¦ 94.56231¦ 2.562309¦ ¦ 7 ¦ 120¦ 97.43095¦ .8679647¦ ¦ 94.92327¦ -25.07673¦ ¦ 8 ¦ 80¦ 96.46902¦ .6849753¦ ¦ 98.29891¦ 18.29891¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 97.15399¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 97.83897¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 98.52394¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 99.20892¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 99.89389¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 100.5789¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 101.2638¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 101.9488¦ ¦ +---¦

(18)

.

18 

¦ Exponential smoothing with linear trend: CPU Seconds = 0 ¦ ¦ MAD = 15.75 MSD = 419.53 Bias = -9.79 R-square = 0 ¦

¦ Alpha = .10000 Beta = .10000 | ¦---| B. Menentukan Pemilihan Mesin

Dua mesin M1 dan M2 yang ada digunakan untuk memproduksi komponen B,C dan D. Rata-rata tingkat produksi, waktu set-up mesin dan biaya untuk masing-masing mesin adalah sebagai berikut :

Unit per-40 jam/minggu Waktu set-up (jam) Komponen

M1 M2 M1 M2

B 600 1900 2 4

C 500 1500 2 4

D 125 375 3 6

Tingkat Produksi ( P ) = berdasarkan mesin yang digunakan Biaya mesin untuk tiap komponen =

produksi

tingkat

mesin

biaya

mesin x

jam

Biaya operator untuk tiap komponen =

Produksi

Tingkat

kerja

ah tenaga

mesin x Up

Jam

Dimana :

-. Jam mesin = 40 jam/minggu -. Biaya nesin M1 = $ 5 / jam -. Biaya mesin M2 = $ 15 / jam -. Upah Operator = $ 12 / jam

Selanjutnya perhitungan dapat dilihat pada tabel dibawah ini : P ( unit/minggu ) Biaya ( $/unit ) Upah Operator ($/unit) Komponen ( unit ) M1 M2 M1 M2 M1 M2 B 600 1900 * 0.33 0.32 * 0.80 0.25 * C 500 1500 * 0.44 0.40 * 0.96 0.32 * D 125 * 375 1.60 * 1.60 3.84 * 1.28 Mesin yang dipilih adalah mesin yang mempunyai biaya mesin dan biaya tenaga kerja terkecil serta tingkat produksi terbesar. Dalam hal ini untuk memproduksi komponen B, C dan D dikerjakan oleh mesin 2.

Selanjutnya untuk mengetahui apakah waktu penyelesaian dari semua permintaan mingguan tidak melebihi waktu yang tersedia maka akan dihitung : Waktu penyelesaian =

∑

i i

P

D

=

1900

543

+

375

100 1500

913 ₊

= 1.16 minggu Karena waktu yang tersedia (1 minggu) lebih kecil (<) dari waktu penyelesaian (1.16 minggu) maka dalam persoalan tersebut tidak layak untuk dilaksanakan. Untuk itu diambil kebijaksanaan bahwa untuk komponen B dan C dikerjakan pada mesin 2. Sedangkan untuk komponen D dikerjakan pada mesin 1.

• Check Kapasitas Mesin 2 untuk Mengerjakan Komponen B dan C :

(19)

.

19 

Waktu penyelesaian =

∑

i i

P

D

=

1900

543

+

1500

913

= 0,895 minggu

Ternyata kapasitas M2 mencukupi untuk menyelesaikan komponen B dan C.

• Check Kapasitas Mesin 2 untuk Mengerjakan Komponen D :

Waktu penyelesaian untuk komponen D adalah : Waktu penyelesaian =

∑

i i

P

D

=

125

100

= 0,8 minggu

Karena semua pengerjaan komponen telah memenuhi waktu produksi, dengan demikian dalam perhitungan akan digunakan data yang bertanda (*). C. Menentukan EPQ

Karena komponen B dan C dikerjakan pada satu mensin yaitu M2, maka EPQ yang digunakan adalah EPQ multi item dengan rumus :

Mo

D

EPQ

=

1. Menghitung Frekuensi Optimal Terpadu ( Mo ) Rumus yang digunakan adalah :

Mo =

∑

= =

−

1 1 1

2 )

1 (

.

i i i i i i i

Cr

x

P

D

x

xD

Ch

Mo = Ferekuensi optimal terpadu Ch = Holding cost

D = demand

Untuk komponen D dikerjakan pada M1, maka EPQ yang digunakan adalah EPQ single item

Biaya penyimpanan ( Ch ) = f . b Dimana :

f = fraksi biaya penyimpanan = 0.48% b = biaya produksi

= harga komponen + biaya mesin + upah operator Perhitungan selengkapnya dapat dilihat pada tabel berikut ini : Kompone n KomponeHarga n ($/unit) Biaya mesin ($/unit ) Upah T.K ($/unit) ($/unitB ) F (%) ($/unitCh ) B 4.0 0.32 0.25 4.57 0.48 0.0219 C 1.4 0.40 0.32 2.12 0.48 0.0102 D 10.0 1.60 3.84 15.44 0.48 0.0741

Permintaan komponen ( D ) = rata-rata dari hasil forecast komponen (unit/minggu)

= 543 ( untuk komponen B ) = 913 ( untuk komponen C ) = 100 ( untuk komponen D )

Kecepatan Produksi (P) = berdasarkan mesin yang terpilih ( unit/minggu ) = 1900 ( untuk komponen B )

= 1500 ( untuk komponen C ) = 125 ( untuk komponen D ) • Biaya set-up ( Cr ) = waktu set-up dikali upah tenaga kerja

(20)

.

20 

Perhitungan Biaya set-up dapat dilihat pada tabel berikut ini :

Komponen Waktu se-up

( jam ) Upah tenaga kerja ( $/jam ) Cr ( $ ) B 4 12 48 C 4 12 48 D 3 12 36

Perhitungan item-item untuk frekuensi optimal dan Qo adalah : Komp Ch ($/unit/minggu ) D (unit per minggu) P (unit per minggu)











 −

P

D

1

Ch.D.

_









 −

P

D

1

Cr ( $ ) B 0.0219 543 1900 0.714 8.4907 48 C 0.0102 913 1500 0.391 3.6412 48

∑

12.1319 96 D 0.0741 100 125 0.200 1.4820 36

Karena komponen B dan C dikerjakan pada satu mesin (M2) maka perhitungannya menggunakan EPQ multi item.

Jadi besarnya frekuensi optimal terpadu ( Mo ) adalah :

Mo =

∑

= =

−

1 1 1

2 )

1 (

.

i i i i i i i

Cr

x

P

D

x

xD

Ch

=

96

2 1319

,

12 x

= 0.25 siklus/minggu

• EPQ multi item utuk komponen B dan C

EPQ dihitung dengan rumus : EPQ =

o i

M

D

Perhitungan selanjutnya dapat dilihat pada tabel berikut : Komponen D (unit/minggu) Mo EPQ (Unit) B 543 0.25 2172 C 913 0.25 3652

• EPQ single item untuk komponen D

Qo =

)

1 (

.

2 P

D

CH

D

CR

−

=











 −

125

100

1 0741

.

0

100 .

36 .

2

= 697 unit • Menentukan To

Jumlah waktu yang diperlukan untuk memproduksi komponen B, C dan D dihitung dengan rumus ( To ) =

D

Q

_o

. Komponen Qo

(komponen) (komponen/minggu) D (minggu) To

B 2172 543 4

C 3652 913 4

(21)

.

21 

• Menentukan ROP

Besarnya ROP = L . D

Dimana : L = set-up time D = demand

Komponen L

(minggu) (komponen/minggu) D (minggu) ROP

B 1 543 543

C 1 913 913

D 1 100 100

• Menentukan tp

Besarnya harga tp ,dihitung dengan rumus : tp =

P

Q

_o

Perhitungan selanjutnya dapat dilihat pada tabel berikut ini :

Komponen Qo

(unit) (unit/minggu) P (minggu) tp

B 2172 1900 1,14 C 3652 1500 2,43 D 697 125 5,58 Model EPQ : Level inventory Imax ROP tp L Time To

• Menenentukan Total Incremental Cost (TICo )

Total Incremental Cost dihitung dengan rumus :

TICo =











 −

P

D

xCrxDxChx 1

2

Hasil perhitungan TICo selanjutnya dapat ditabelkan dibawah ini : Kompone n ( $ ) Cr (unit/minggD u) Ch ( $ )











 −

P

D

1

TICo ( $ ) B 48 543 0.0219 0.714 28.55 C 48 913 0.0102 0.391 18.70 D 36 100 0.0741 0.200 10.33

• Menentukan Total Cost (TC)

Total Cost ( TC ) = TIC + Cb

(22)

.

22 

Perhitungan selengkapnya untuk masing-masing TC adalah : Komponen b ( $ ) (unit/minggD u) Cb ( $ ) TICo ( $ ) ( $ ) TC B 4.57 543 2481.51 28.55 2510.06 C 2.12 913 1935.56 18.70 1954.26 D 15.44 100 1544.00 10.33 1554.33 Jumlah 6018.65

IV. ASSEMBLY DEPARTEMENT A. Menentukan Jumlah Demand Produk

Catatan pengambilan komponen-komponen dan sub assembling dari gudang untuk proses perakitan akhir selama 8 minggu terakhir adalah :

Mingg u 1 2 3 4 5 6 7 8 A 20 12 48 10 22 42 14 30 B 372 632 720 362 620 648 370 620 C 720 1190 1080 770 845 1050 830 900 D 86 128 96 104 98 92 120 80 E 3720 880 0 768 0 410 0 820 0 712 0 408 0 780 0

Pada assembly departement, komponen yang digunakan adalah komponen A, B, C, D dan E, dimana komponen A merupakan hasil perakitan dari komponen B, C, D, dan E. Hal ini sesuai dengan gambar proses produksi Pabrik Haley.

Pola pengambilan data dapat dilihat pada model peramalan berikut ini :

0 2000 4000 6000 8000 10000 1 2 3 4 5 6 7 8 Minggu A B C D E

Peramalan demand dari komponen-komponen A, B, C, D dan E dilakukan dengan menggunakan software QS 3.0. Hasil peramalan terbaik berdasarkan kriteria MAD dan MSD yang terkecil.

! Peramalan Komponen A

Berdasarkan pola data pengambilan komponen A, maka digunakan metode peramalan “Double Exponential Smoothing”. Hasil peramalan adalah :

(23)

.

23 

+--- Forecast Results for komp A ---+ ¦ 03-07-2001 20:52:02 Page: 1 of 2 ¦ +---¦ ¦ Period ¦ Actual ¦ F(t) ¦ F'(t) ¦ ¦ Forecast ¦ Error ¦ +---+---+---+---+---+---- ---+---¦ ¦ 1 ¦ 20¦ 20¦ 20¦ ¦ ¦ ¦ ¦ 2 ¦ 12¦ 19.2¦ 19.92¦ ¦ 20¦ 8¦ ¦ 3 ¦ 48¦ 22.08¦ 20.136¦ ¦ 19.92¦ -28.08¦ ¦ 4 ¦ 10¦ 20.872¦ 20.2096¦ ¦ 20.136¦ 10.136¦ ¦ 5 ¦ 22¦ 20.9848¦ 20.28712¦ ¦ 20.2096¦ -1.7904¦ ¦ 6 ¦ 42¦ 23.08632¦ 20.56704¦ ¦ 20.28712¦ -21.71288¦ ¦ 7 ¦ 14¦ 22.17769¦ 20.72811¦ ¦ 20.56704¦ 6.567041¦ ¦ 8 ¦ 30¦ 22.95992¦ 20.95129¦ ¦ 20.72811¦ -9.271894¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ +---¦ ¦ Double exponential smoothing: CPU Seconds = 0 ¦ ¦ MAD = 12.22 MSD = 222.71 Bias = -5.16 R-square = 0 ¦ ¦ Alpha = .10000 ¦ +---¦ ! Peramalan Komponen B Berdasarkan pola data pengambilan komponen B, maka digunakan metode peramalan “Simple Average”, dengan rumus sebagai berikut : Forecast f(t+1) = F( t ) =

t

D

t i i

∑

=1 +--- Forecast Results for komponen B ---+ ¦ 03-07-2001 20:12:23 Page: 1 of 2 ¦ +---¦ ¦ Period ¦ Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +---+---+---+---+---+---+---¦ ¦ 1 ¦ 372¦ 372¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 632¦ 502¦ ¦ ¦ 372¦ -260¦ ¦ 3 ¦ 720¦574.6667¦ ¦ ¦ 502¦ -218¦ ¦ 4 ¦ 362¦ 521.5¦ ¦ ¦ 574.6667¦ 212.6667¦ ¦ 5 ¦ 620¦ 541.2¦ ¦ ¦ 521.5¦ -98.5¦ ¦ 6 ¦ 648¦ 559¦ ¦ ¦ 541.2¦ -106.8¦ ¦ 7 ¦ 370¦ 532¦ ¦ ¦ 559¦ 189¦ ¦ 8 ¦ 620¦ 543¦ ¦ ¦ 532¦ -88¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ +---¦ ¦ Simple average: CPU Seconds = 0 ¦

(24)

.

24 

¦ MAD = 167.57 MSD = 32132.09 Bias = -52.80 R-square = 0 ¦ ¦ MAD = 167.57 MSD = 32132.09 Bias = -52.80 ¦ +---¦ ! Peramalan Komponen C

Berdasarkan pola data pengambilan komponen C, maka digunakan metode peramalan “Exponential Smoothing with Linier Trend”, dengan rumus sebagai berikut :

F ( t ) = α . Dt + ( 1 - α ) ( Ft-1 + Tt-1 )

T ( t ) = β. ( Ft – Ft-1 ) + ( 1 - β ). Tt-1

Forecast : f(t) = F (t) + T(t)

Hasil peramalan dapat dilihat pada tabel berikut ini :

+--- Forecast Results for komponen C ---+ ¦ 03-07-2001 20:30:25 Page: 1 of 2 ¦ +---¦ ¦ Period ¦ Actual ¦ F(t) ¦ T(t) ¦ ¦ Forecast ¦ Error ¦ +---+---+---+---+---+---+--- ----¦ ¦ 1 ¦ 720¦ 720¦ 0¦ ¦ ¦ ¦ ¦ 2 ¦ 1190¦ 767¦ 4.7¦ ¦ 720¦ -470¦ ¦ 3 ¦ 1080¦ 802.53¦ 7.783003¦ ¦ 771.7¦ -308.3¦ ¦ 4 ¦ 770¦ 806.2817¦ 7.379874¦ ¦ 810.313¦ 40.31305¦ ¦ 5 ¦ 845¦ 816.7955¦ 7.69326¦ ¦ 813.6616¦ -31.33838¦ ¦ 6 ¦ 1050¦ 847.0399¦ 9.948372¦ ¦ 824.4887¦ -225.5113¦ ¦ 7 ¦ 830¦ 854.2894¦ 9.678492¦ ¦ 856.9882¦ 26.98822¦ ¦ 8 ¦ 900¦ 867.5711¦ 10.03881¦ ¦ 863.9679¦ -36.0321¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 877.6099¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 887.6487¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 897.6876¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 907.7264¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 917.7652¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 927.804¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 937.8428¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 947.8817¦ ¦ +---¦ ¦ Exponential smoothing with linear trend: CPU Seconds = 0 ¦ ¦ MAD = 162.64 MSD = 53062.60 Bias = -143.41 R-square = 0 ¦ ¦ Alpha = .10000 Beta = .10000 ¦ ! Peramalan Komponen D

Berdasarkan pola data pengambilan komponen D, maka digunakan metode peramalan “Exponential Smoothing with Linier Trend”, dengan rumus sebagai berikut :

F ( t ) = α . Dt + ( 1 - α ) ( Ft-1 + Tt-1 )

T ( t ) = β. ( Ft – Ft-1 ) + ( 1 - β ). Tt-1

(25)

.

25 

+--- Forecast Results for komp.d---+ ¦ 03-15-2001 17:02:09 Page: 1 of 2 ¦ +---¦ ¦ Period¦ Actual ¦ F(t) ¦ T(t) ¦ ¦ Forecast ¦ Error ¦ +---+---+---+---+---+---+---¦ ¦ 1 ¦ 86¦ 86¦ 0¦ ¦ ¦ ¦ ¦ 2 ¦ 128¦ 90.2¦ .4199997¦ ¦ 86¦ -42¦ ¦ 3 ¦ 96¦ 91.158¦ .4737997¦ ¦ 90.62¦ -5.380005¦ ¦ 4 ¦ 104¦ 92.86861¦ .5974815¦ ¦ 91.6318¦ -12.3682¦ ¦ 5 ¦ 98¦ 93.91949¦ .6428206¦ ¦ 93.46609¦ -4.533905¦ ¦ 6 ¦ 92¦ 94.30608¦ .6171975¦ ¦ 94.56231¦ 2.562309¦ ¦ 7 ¦ 120¦ 97.43095¦ .8679647¦ ¦ 94.92327¦ -25.07673¦ ¦ 8 ¦ 80¦ 96.46902¦ .6849753¦ ¦ 98.29891¦ 18.29891¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 97.15399¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 97.83897¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 98.52394¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 99.20892¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 99.89389¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 100.5789¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 101.2638¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 101.9488¦ ¦ +---¦ ¦ Exponential smoothing with linear trend: CPU Seconds = 0 ¦ ¦ MAD = 15.75 MSD = 419.53 Bias = -9.79 R-square = 0 ¦ ¦ Alpha = .10000 Beta = .10000 ¦ +---¦ ¦ < PageDown > < PageUp > < Hardcopy > < Cancel > ¦ +---+ ! Peramalan Komponen E

Berdasarkan pola data pengambilan komponen E, maka digunakan metode peramalan “Simple Average”, dengan rumus sebagai berikut :

Peramalan f(t+1) = F( t ) =

t

D

t i i

∑

=1

Hasil peramalan dapat dilihat pada tabel berikut ini:

+--- Forecast Results for komp E ---+ ¦ 03-07-2001 20:45:04 Page: 1 of 2 ¦ +---¦ ¦ Period ¦ Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +---+---+---+---+---+---+---¦ ¦ 1 ¦ 3720¦ 3720¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 8800¦ 6260¦ ¦ ¦ 3720¦ -5080¦ ¦ 3 ¦ 7680¦ 6733.333¦ ¦ ¦ 6260¦ -1420¦ ¦ 4 ¦ 4100¦ 6075¦ ¦ ¦ 6733.333¦ 2633.333¦ ¦ 5 ¦ 8200¦ 6500¦ ¦ ¦ 6075¦ -2125¦ ¦ 6 ¦ 7120¦ 6603.333¦ ¦ ¦ 6500¦ -620¦ ¦ 7 ¦ 4080¦ 6242.857¦ ¦ ¦ 6603.333¦ 2523.333¦ ¦ 8 ¦ 7800¦ 6437.5¦ ¦ ¦ 6242.857¦ -1557.143¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦

(26)

.

26 

¦ 15 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ +--- ---¦ ¦ Simple average: CPU Seconds = 0 ¦ ¦ MAD = 2279.83 MSD = 6921311. Bias = -806.50 R-square = 0 ¦ ¦ MAD = 2279.83 MSD = 6921311. Bias = -806.50 ¦ +---¦ B. Menentukan Jumlah Demand Produk

Berdasarkan data-data penjualan produk selama 8 minggu, dibuatlah suatu plotting data penjualan produk. Pola data penjualan dapat dilihat pada grafik dibawah ini :

0

5

10

15

20

25

30

1

2

3

4

5

6

7

8 Minggu

Pilts

Relts

Stuns

Super Stuns

Peramalan data penjualan untuk produk Pilts, Relts, Stuns, dan Super Stuns adalah sebagai berikut :

# Peramalan Produk Pilts

+--- Forecast Results for Product Pilts ---+ ¦ 03-22-2001 18:03:39 Page: 1 of 2 ¦ +---¦ ¦ Period ¦ Actual ¦ F(t) ¦ F'(t) ¦ ¦ Forecast ¦ Error ¦ +---+---+---+---+---+---+---¦ ¦ 1 ¦ 6¦ 6¦ 6¦ ¦ ¦ ¦ ¦ 2 ¦ 8¦ 6.2¦ 6.02¦ ¦ 6¦ -2¦ ¦ 3 ¦ 5¦ 6.08¦ 6.026¦ ¦ 6.02¦ 1.02¦ ¦ 4 ¦ 9¦ 6.372¦ 6.0606¦ ¦ 6.026¦ -2.974¦ ¦ 5 ¦ 6¦ 6.3348¦ 6.08802¦ ¦ 6.0606¦ .0605998¦ ¦ 6 ¦ 5¦ 6.20132¦ 6.09935¦ ¦ 6.08802¦ 1.08802¦ ¦ 7 ¦ 7¦ 6.281188¦ 6.117534¦ ¦ 6.09935¦ -.90065¦ ¦ 8 ¦ 7¦ 6.353069¦ 6.141087¦ ¦ 6.117534¦ -.8824663¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ +--- ---¦ ¦ Double exponential smoothing: CPU Seconds = 0 ¦ ¦ MAD = 1.28 MSD = 2.38 Bias = -.66 R-square = 0 ¦ ¦ Alpha = .10000 ¦ +---¦

(27)

.

27 

# Peramalan Produk Relts

Berdasarkan pola data penjualan produk Relts, maka jenis peramalan yang digunakan adalah peramalan “single exponential smoothing” dengan rumus peramalan adalah sebagai berikut :

Peramalan t+1 = F(t) = α . Dt + (1 - α) . Ft-1

+--- Forecast Results for Product Relts ---+ ¦ 03-22-2001 18:17:21 Page: 1 of 2 ¦ +---¦ ¦ Period ¦ Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +---+---+ ---+---+---+---+---¦ ¦ 1 ¦ 21¦ 21¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 19¦ 20.8¦ ¦ ¦ 21¦ 2¦ ¦ 3 ¦ 22¦ 20.92¦ ¦ ¦ 20.8¦ -1.200001¦ ¦ 4 ¦ 16¦ 20.428¦ ¦ ¦ 20.92¦ 4.92¦ ¦ 5 ¦ 19¦ 20.2852¦ ¦ ¦ 20.428¦ 1.427999¦ ¦ 6 ¦ 22¦ 20.45668¦ ¦ ¦ 20.2852¦ -1.7148¦ ¦ 7 ¦ 18¦ 20.21101¦ ¦ ¦ 20.45668¦ 2.45668¦ ¦ 8 ¦ 21¦ 20.28991¦ ¦ ¦ 20.21101¦ -.7889881¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ +---¦ ¦ Single exponential smoothing: CPU Seconds = 0 ¦ ¦ MAD = 2.07 MSD = 5.90 Bias = 1.01 R-square = 0 ¦ ¦ Alpha = .10000 ¦ +---¦

# Peramalan Produk Stuns

Berdasarkan pola data penjualan produk Stuns, maka digunakan metode peramalan “Simple Average”, dengan rumus sebagai berikut :

Peramalan f(t+1) = F( t ) =

t

D

t i i

∑

=1

(28)

.

28 

Hasil peramalan dapat dilihat pada tabel halaman berikut ini: +--- Forecast Results for Product Stuns ---+ ¦ 03-22-2001 18:48:54 Page: 1 of 2 ¦ +---¦ ¦ Period ¦Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +---+---+---+---+---+---+---¦ ¦ 1 ¦ 10¦ 10¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 19¦ 14.5¦ ¦ ¦ 10¦ -9¦ ¦ 3 ¦ 15¦ 14.66667¦ ¦ ¦ 14.5¦ -.5¦ ¦ 4 ¦ 17¦ 15.25¦ ¦ ¦ 14.66667¦ -2.333333¦ ¦ 5 ¦ 13¦ 14.8¦ ¦ ¦ 15.25¦ 2.25¦ ¦ 6 ¦ 12¦ 14.33333¦ ¦ ¦ 14.8¦ 2.8¦ ¦ 7 ¦ 18¦ 14.85714¦ ¦ ¦ 14.33333¦ -3.666667¦ ¦ 8 ¦ 14¦ 14.75¦ ¦ ¦ 14.85714¦ .8571424¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ +---¦ ¦ Simple average: CPU Seconds = 0 ¦ ¦ MAD = 3.06 MSD = 16.25 Bias = -1.37 R-square = 0 ¦ ¦ MAD = 3.06 MSD = 16.25 Bias = -1.37 ¦ +---¦

# Peramalan Produk Super Stuns

Berdasarkan pola data penjualan produk Super Stuns, maka digunakan metode peramalan “Simple Average”, dengan rumus yang sama dengan perhitungan untuk produk stuns.

Hasil peramalan dapat dilihat pada tabel berikut ini:

+--- Forecast Results for Product Super Stuns ---+ ¦ 03-22-2001 18:48:54 Page: 1 of 2 ¦ +---¦ ¦ Period ¦ Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +---+--- -+---+---+---+---+---¦ ¦ 1 ¦ 0¦ 0¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 3¦ 1.5¦ ¦ ¦ 0¦ -3¦ ¦ 3 ¦ 1¦ 1.333333¦ ¦ ¦ 1.5¦ -5¦ ¦ 4 ¦ 0¦ 1¦ ¦ ¦ 1.333333¦ 1.333333¦ ¦ 5 ¦ 2¦ 1.2¦ ¦ ¦ 1¦ 1¦ ¦ 6 ¦ 5¦ 1.833333¦ ¦ ¦ 1.2¦ -2.166667¦ ¦ 7 ¦ 4¦ 2.142857¦ ¦ ¦ 1.833333¦ -7.857143¦ ¦ 8 ¦ 10¦ 3.125¦ ¦ ¦ 2.142857¦ ¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ +---¦

(29)

.

29 

¦ Simple average: CPU Seconds = 0 ¦ ¦ MAD = 2.81 MSD = 13.27 Bias = 2.28 R-square = 0 ¦ ¦ MAD = 2.81 MSD = 13.27 Bias = 2.28 ¦ +---¦ • Biaya Produksi (b)

Berdasarkan kebijaksanaan manajemen, ditentukan bahwa besarnya keuntungan yang diinginkan oleh pihak manajemen sebesar 25 %. Sehingga besarnya:

biaya produksi = harga jual – (25 % x harga jual)

Besarnya biaya produksi untuk setiap unit produk adalah sebagai berikut : Produk Harga Jual ($) B. Produksi ($) Profit ($)

Pilts 170 127.5 42.5

Relts 150 112.5 37.5

Stuns 270 202.5 67.5

Super Stuns 310 232.5 77.5 Sedangkan untuk biaya komponen A, dihitung sebagai berikut :

• komponen A terdiri dari 2 unit komponen B, 5 unit komponen C, 1 unit komponen D, dan 20 unit komponen E.

• Biaya komp. A = (2 x biaya komp B) + (5 x biaya komp. C) + (1 x biaya komp. D) + (20 x biaya komp. E)

$ = (2 x $4) + (5 x $1,4) + (1 x $10) + (20 x $1) $ = $ 45

C. Menghitung Frekuensi Optimal Terpadu ( Mo ) Rumus yang digunakan adalah :

Mo =

∑

= =

−

1 1 1

2 )

1 (

.

i i i i i i i

Cr

x

P

D

x

xD

Ch

Biaya penyimpanan Ch = f . b Dimana :

f = fraksi biaya penyimpanan = 0.48% b = biaya produksi

Perhitungan selengkapnya dapat dilihat pada tabel berikut ini : Produk Biaya Produksi ($/unit) f (%) ($/unit) Ch A 45 0.48 0.216 Pilts 127.5 0.48 0.612 Relts 112.5 0.48 0.54 Stuns 202.5 0.48 0.972 Super Stuns 232.5 0.48 1.116 • Permintaan komponen sub assembly dan produk ( D ) :

= rata-rata dari hasil forecast produk (unit/minggu)

(30)

.

30 

= 21 (untuk komponen sub assembly A) = 7 ( untuk Produk Pilts )

= 21 ( untuk Produk Relts ) = 15 ( untuk Produk Stuns )

= 4 (untuk Produk Super Stuns) Tetapi diketahui terdapat stock awal produk jadi sebanyak: Produk A = 30

Produk Pilts = 5 Produk Relts = 41 Produk Stuns = 23 Produk Super Stuns = 10

• Kecepatan Produksi ( P ) berdasarkan produk yang dibuat : = 160 ( untuk komponen A )

= 80 ( untuk Produk Pilts) = 80 ( untuk Produk Relts )

= 60 (untuk Produk Stuns)

= 40 (untuk Produk Super Stuns) • Biaya set-up ( Cr ) = waktu set-up x upah tenaga kerja

Perhitungan Biaya set-up dapat dilihat pada tabel berikut ini :

Produk Waktu set-up

( jam ) Upah tenaga kerja ( $/jam ) ( $ ) Cr

A 4 12 48

Pilts 4 12 48

Relts 4 12 48

Stuns 5 12 60

Super Stuns 5 12 60

• Frekuensi Optimal Terpadu (Mo)

Perhitungan item-item untuk frekuensi optimal yang terjadi adalah : Produk Ch ($/unit/m inggu) D (unit/ minggu) P (uni/ minggu)











 −

P

D

1

Ch.D.











 −

P

D

1

_{( $}Cr ) A 0.216 21 160 0.87 3.94 48 Pilts 0.612 7 80 0.92 3.91 48 Relts 0.54 21 80 0.74 8.36 48 Stuns 0.972 15 60 0.75 10.94 60 Super Stuns 1.116 4 40 0.90 4.02 60

∑

31.17 264

Jadi besarnya frekuensi optimal terpadu ( Mo ) adalah :

Mo =

∑

= =

−

1 1 1

2 )

1 (

.

i i i i i i i

Cr

x

P

D

x

xD

Ch

=

264

2

17 ,

31 x

= 0.24 siklus/minggu • Perhitungan EPQ

EPQ dihitung dengan rumus : EPQ =

o i