Laporan Ppic a6 Lengkap

(1)

BAB I BAB I

PENDAHULUAN PENDAHULUAN

1.1

1.1 Latar BelakangLatar Belakang

Pada masa-masa ini proses produksi dalam industri harus dipandang sebagai Pada masa-masa ini proses produksi dalam industri harus dipandang sebagai suatu sistem perbaikan yang terus menerus. Produksi memiliki komponen atau elemen suatu sistem perbaikan yang terus menerus. Produksi memiliki komponen atau elemen yang saling menunjang satu sama lain. Elemen utama dalam proses produksi yaitu yang saling menunjang satu sama lain. Elemen utama dalam proses produksi yaitu input-proses

input-proses output output merupakan proses harus semakin berkembang seiring berjalannya merupakan proses harus semakin berkembang seiring berjalannya waktu.

waktu.

Oleh karena itu diperlukan pembelajaran lebih dalam mengenai perencanaaan dan Oleh karena itu diperlukan pembelajaran lebih dalam mengenai perencanaaan dan pengendalian yang baik pada sistem produksi. Dalam perencanaan diperlukan pengendalian yang baik pada sistem produksi. Dalam perencanaan diperlukan beberbagai proses untuk menghasilkan

beberbagai proses untuk menghasilkan output output yang maksimal. Dalam tugas besar ini yang maksimal. Dalam tugas besar ini akan mempelajari tahapan-tahapan dalam perencanaan sebuah sistem produksi akan mempelajari tahapan-tahapan dalam perencanaan sebuah sistem produksi berdasarkan studi kasus pada sebuah perusahaan.

berdasarkan studi kasus pada sebuah perusahaan.

Perusahaan yang digunakan sebagai bahan studi kasus adalah PT. Good Wold. PT. Perusahaan yang digunakan sebagai bahan studi kasus adalah PT. Good Wold. PT. Good Wood merupakan perusahaan manufaktur yang bergerak dalam bidang

(2)

(3)

3.

3. Mahasiswa diharapakan dapat menganalisa biaya sistem produksi pada PT. GoodMahasiswa diharapakan dapat menganalisa biaya sistem produksi pada PT. Good Wood.

Wood.

1.4

1.4 ManfaatManfaat

Manfaat dari penulisan laporan tugas besaar ini adalah: Manfaat dari penulisan laporan tugas besaar ini adalah: 1.

1. Mahasiswa dapat memahami tahapan-tahapan dalam perencanaan produksi danMahasiswa dapat memahami tahapan-tahapan dalam perencanaan produksi dan pengendalian bahan baku dalam sebuah sistem produksi.

pengendalian bahan baku dalam sebuah sistem produksi. 2.

2. Mahasiswa dapat menganalisa suatu sistem produksi untuk mencapaiMahasiswa dapat menganalisa suatu sistem produksi untuk mencapai output output yang yang optimal melalui studi kasus pada PT. Good Wood.

optimal melalui studi kasus pada PT. Good Wood.

1.5

1.5 BatasanBatasan

Berikut batasan enulisan laporan tugas besar ini, yaitu: Berikut batasan enulisan laporan tugas besar ini, yaitu: 1.

1. ProdukProduk furniture furniture yang dibuat berdasarkan komponen-komponen kayu, yang dibuat berdasarkan komponen-komponen kayu, partikel partikel board

board ,,handlehandle, cat, baut, paku., cat, baut, paku. 2.

(4)

BAB II BAB II

TINJAUAN PUSTAKA TINJAUAN PUSTAKA 2.1

2.1 Perencanaan dan Pengendalian ProduksiPerencanaan dan Pengendalian Produksi PERAMALAN PERAMALAN PERENCANAAN PERENCANAAN AGREGAT AGREGAT JADWAL PRODUKSI JADWAL PRODUKSI INDUK INDUK PERENCANAAN PERENCANAAN MATERIAL MATERIAL STRATEGIC STRATEGIC PLANNING PLANNING TACTICAL TACTICAL PLANNING PLANNING ROUGH CUT ROUGH CUT CAPACITY CAPACITY PLANNING (RCCP) PLANNING (RCCP) CAPACITY CAPACITY REQUIREMENT REQUIREMENT PLANNING (CRP) PLANNING (CRP) CAPACITY PLANNING CAPACITY PLANNING

(5)

penting lainnya. Selanjutnya, pada bagian produksi dan operasi menggunakan data-data peramalan untuk perencanaan kapasitas, fasilitas, produksi, penjadwalan, dan pengendalian persedian (inventory control). Untuk menetapkan kebijakan ekonomi seperti tingkat pertumbuhan ekonomi, tingkat pengangguran, tingkat inflasi, dan lain sebagainya dapat pula dilakukan dengan metode peramalan.

2. Tahap Perencanaan Agregat

Perencanaan Agregat merupakan suatu perencanaan produksi yang bersifat global dan tidak menggunakan satuan jenis produk (Individual Product ). Perencanaan agregat adalah perencanaan yang dibuat untuk menentukan total permintaan dari seluruh elemen produksi dan jumlah tenaga kerja yang diperlukan. Perencanaan agregat merupakan perencanaan produksi jangka panjang menengah. Horizon perencanaannya biasanya berkisar antara 1 sampai 24 bulan atau bisa bervariasi dari 1 tahun sampai 3 tahun. Horizon tersebut tergantung pada karakteristik produk dan jangka waktu produksi. Periode perencanaan disesuaikan dengan periode peramalan, biasanya 1

(6)

3. Capacity Planning

Perencanaan kapasitas adalah proses menentukan tingkat kapasitas yang diperlukan untuk melakukan jadwal produksi, dibandingkan terhadap kapasitas yang tersedia dan tindakan-tindakan penyesuaian yang diperlukan terhadap tingkat kapasitas atau jadwal produksi yang sudah dibuat.

(1) Rought Cut Capacity Planning

Penentuan kebutuhan kapasitas kasar atau Rough-Cut Capacity Planning

(RCCP)menentukan kebutuhan kapasitas yang diperlukan untuk melaksanakan Jadwal Induk Produksi. Ketidaklayakan JIP akan diperbaiki oleh RCCP dimana RCCP akan mengkonversikan JIP menjadi kebutuhan-kebutuhan kapasitas untuk sumber daya utama dan kemudian menentukan apakah JIP tersebut layak dengan keterbatasan-keterbatasan kapasitas yang ada. Rough-Cut Capacity Planning

digunakan untuk menyesuaikan kapasitas jangka manengah. Tindakan yang mungkin dilakukan meliputi penentuan standar peralatan mesin, penentuan

(7)

2.2 Peramalan

“ Peramalan merupakan aktivitas fungsi bisnis yang memperkirakan penjualan dan

penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat. Peramalan merupakan dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramalan, sering berdasarkan data deret waktu historis. Peramalan menggunakan teknik-teknik peramalan yang bersifat formal

maupun informal. (Gaspersz, (2004)Production Planning and Inventory Control:25)

Dua hal pokok yang harus diperhatikan dalam proses peramalan yang akurat dan bermanfaat:

1. Pengumpulan data yang relevan berupa informasi yang dapat menghasilkan peramalan yang akurat.

2. Pemilihan teknik peramalan yang tepat yang akan memanfaatkan informasi data yang diperoleh semaksimal mungkin.

Peramalan diperlukan untuk mengantisipasi suatu peristiwa yang dapat terjadi pada masa yang akan datang, sehingga dapat dipersiapkan kebijaksanaan atau

(8)

statistik.

2. Gabungan Tenaga Penjualan: setiap tenaga penjual meramalkan tingkat penjualan di daerahnya, yang kemudian digabung pada tingkat provinsi dan nasional untuk mencapai ramalan secara menyeluruh.

3. Metode Delphi: dalam metode ini serangkaian kuesioner disebarkan kepada responden, jawabannya kemudian diringkas dan diberikan kepada para ahli untuk dibuat peramalannya. Metode memakan waktu dan melibatkan banyak pihak, yaitu para staf, yang membuat kuesioner, mengirim, merangkum hasilnya untuk dipakai para ahli dalam menganalisisnya. Keuntungan metode ini hasilnya lebih akurat dan lebih profesional sehingga hasil peramalan diharapkan mendekati aktualnya.

4. Survai Pasar (market survey ): Masukan diperoleh dari konsumen atau konsumen potensial terhadap rencana pembelian pada periode yang diamati. Survai dapat dilakukan dengan kuesioner, telepon, atau wawancara langsung.

Metode peramalan kuantitatif dapat dikelompokkan menjadi dua jenis, yaitu :

(9)

sebagainya.

2. Peramalan Jangka Menengah.

Peramalan ini mencakup waktu 3 sampai 24 bulan. Misalnya peramalan untuk perencanaan penjualan, perencanaan, dan anggaran produksi.

3. Peramalan Jangka Pendek.

Peramalan ini mencakup waktu kurang dari 3 bulan. Misalnya peramalan dalam hubungannya dengan perencanaan pembelian material, penjadwalan kerja, dan penugasan.

2.2.4 Kriteria Peramalan

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

1. Akurasi.

(10)

yang sederhana dan murah. Prinsip ini merupakan adopsi dari hukum Pareto (Analisa ABC).

3. Kemudahan

Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah percuma memakai metode yang canggih, tetapi tidak dapat di ap li ka si ka n pada sistem perusahaan karena keterbatasan dana, sumber daya manusia, maupun peralatan teknologi.

2.2.5 Metode Peramalan (Forecasting)

Berikut adalah metode-metode pada proses peramalan.

2.2.5.1 Metode Rata-Rata Bergerak (Moving Average)

Moving Average diperoleh dengan merata-rata permintaan berdasarkan beberapa data masa lalu yang terbaru. Tujuan utama dari penggunaan teknik MA ini

(11)

dengan mengeluarkan data yang paling terdahulu, maka:

   

_

Sumber: Hakim Nasution dan Yudha Prasetyawan, 2008:40

Dimana :

MA : Peramalan permintaan pada periode t MAt-1 : Peramalan permintaan pada periode t-1 At : Permintaan aktual pada periode ke-t

N : jumlah data permintaan yang dilibatkan dalam perhitungan MA

2.2.5.2 Metode Rata-Rata Bergerak dengan Bobot (Weighted Moving Average)

Secara matematis, WMA dapat dinyatakan sebagai berikut:

  

(12)

(A – F < 0), maka metode pemulusan eksponensial akan secara otomatis menurunkan nilai ramalan.

Proses penyesuaian ini berlangsung secara terus-menerus, kecuali galat ramalan

telah mencapai nol. Peramalan menggunakan metode pemulusan eksponensial

dilakukan berdasarkan formula seperti di bawah ini (Gaspersz, 2004).

Dimana:

Ft : nilai ramalan untuk periode waktu ke-t

Ft-1 : nilai ramalan untu satu periode waktu yang lalu, t-1

At-1 : nilai aktual untuk satu periode waktu yang lalu, t-1

α : konstanta pemulusan (smoothing constant)

Cara yang digunakan untuk mengetahui sejauh mana keandalan dari model peramalan berdasarkan pemulusan eksponensial harus menggunakan peta kontrol

(13)

musiman linier, yang tersusun dari tiga rangkaian proses statistik yang terkorelasi (pemulusan, trend, dan musiman) dan memproyeksikan trend serta komponen musiman ke depan.

1. Base Level :

Et= α (Yt – St-p) + (1– α) (Et-1 + Tt-1), pada periode t; 0 ≤ α ≤ 1

2. Ekspektasi Nilai Trend:

Tt = β (Ee– Et-1) + (1–β) Tt-1,pada periode t; 0 ≤ β ≤1

3. Hitung Faktor Seasonal:

St = γ (Yt – Et-1) + (1–γ) St-p, pada periode t; 0 ≤ γ ≤1

5. Untuk Inisiasi:

Untuk 1 seasonal pertama:



=



-

∑

 



t = 1,2, …, p; Sumber: Pangestu Subagyo, 1986:25

(14)

1. Base level



= α









+ (1– α) (





+





), pada periode t; 0 ≤



≤ 1

2. Ekspektasi nilai trend:

Tt =β (





-





) + (1–



)



-1, pada periode t; 0 ≤ β ≤ 1 3. Faktor seasonal:



= (









+ ( 1- γ ) S



-



, pada periode t = 0 ≤ γ ≤ 1 4. Hasil forecast :



+n = (





+ n





) St +n–p, pada periode t = 1,2, … ,





+1 = (Et + Tt ) St– p,pada periode t + n 5. Untuk Inisiasi

Untuk 1 seasonal pertama:



t=





 



_

_



, t = 1,2 ,….,p

(15)

    

_

Sumber: Pangestu Subagyo, 1986:30

b. Mean Squared Error (MSE)

Menurut Gaspersz (2004), mean squared error biasa disebutjuga galat peramalan. Dalam sistem peramalan, penggunaan berbagai model peramalan akan memberikan nilai ramalan yang berbedadan derajat dari galat ramalan yang berbeda pula.Rata-rata kesalahan kuadrat memperkuat pengaruh angka-angkakesalahan besar, tetapi memperkecil angka kesalahanprakiraan yang lebih kecil dari satu unit.

 

Sumber: Pangestu Subagyo, 1986:31

c. Mean Absolute Percentage Error (MAPE)

(16)

2.7 _{Economic Order Quantity}

Economic Order Quantity (EOQ) adalah model persediaan yang pertama kali dikembangkan tahun 1915 secara terpisah oleh Ford Harris dan R.H. Wilson. Metode EOQ merupakan sebuah perhitungan dengan rumus mengenai berapa jumlah, atau frekuensi pemesanan, atau nilai pemesanan yang paling ekonomis. Dalam hampir semua situasi yang menyangkut pengelola persediaan barang jadi, metode ini dapat dikatakan cocok untuk digunakan. Metode EOQ dapat dilaksanakan apabila kebutuhan-kebutuhan per-mintaan pada masa yang akan datang memiliki jumlah yang konstan dan relatif memiliki fluktuasi perubahan yang sangat kecil. Apabila jumlah per-mintaan dan masa tenggang diketahui, maka dapat diasumsikan bahwa jumlah permintaan dan masa tenggang merupakan bilangan yang konstan dan diketahui. EOQ dihitung denga menganalisis total biaya (TC). Total biaya pada satu periode merupakan jumlah dari biaya pemesanan ditambah biaya penyimpanan selama periode tertentu.

(17)

()



()



dimana untuk mencari jumlah pemesanan optimal dapat dilakukan dengan menurunkan fungsi TIC diatas :

 

















 







()



  







(

_)



 







 

_

















_











  

_

_



(18)

BAB III STUDI KASUS

3.1 Gambaran Umum Usaha

Perusahaan yang digunakan sebagai bahan studi kasus adalah PT. Good Wold. PT. Good Wood merupakan perusahaan manufaktur yang bergerak dalam bidang funiture. Perusahaan tersebut terletak di Kota Malang dengan pangsa pasar di seluruh Indonesia.

3.2 Produk

Produk yang dibuat oleh PT. Good Wood antara lain adalah meja tulis, meja komputer, lemari dan rak buku. Produk-produk tersebut disusun oleh beberapa komponen pendukung yaitu:

a. Kayu

b. Partikelboard

c. Baut

(19)

3.3 Proses Produksi

Gambaran Proses Produksi PT. Good Wood dapat dilihat pada gambar di bawah ini. E A B C D E M2 M1 A B ASSEMBLY MEJA TULIS MEJA KOMPUTER LEMARI RAK BUKU

Gambar 3.1 Gambaran Proses ProduksiProduk Keterangan:

A: Kayu

B: ParktikelBoard

(20)

3.4 Bahan Baku

Komponen yang digunakan untuk menghasilkan keempat jenis produk tersebut didapatkan darisupplierdengan rincian keterangan sebagai berikut:

Tabel 3.2 Rincian Bahan Baku

Komponen Lead Time Harga Potongan

A 2minggu Rp. 50.000,- Tidak ada potongan

B 1minggu Rp. 45.000,- 2% jika membeli lebih dari 1000m

5% jika membeli lebih dari 2000m

C 1minggu Rp 150,- Tidak ada potongan

D 1minggu Rp 175,- Tidak ada potongan

E 2minggu Rp. 40.000,- 5% jika membeli lebih dari 250kg

F 1minggu Rp, 15.000,- Tidak ada potongan

Perusahaan memiliki persediaan bahan baku (untuk minggu ke 0) dengan rincian sebagai berikut:

(21)

BAB IV

ANALISA PEMBAHASAN 4.1Forecasting

Pada bagian ini dilakukan peramalan dengan menggunakan 3 metode, yaitu Moving

Average (MA) , Weighted Moving Average (WMA) , dan Exponential Smoothing (ES) dengan Moving Average dan Weighted Moving Average menggunakan periode terpilih (N=3 atau N=4 atau N=5) serta untuk Exponential Smoothing menggunakan nilai α=0.4, α=0.45, α=0.5.

4.1.1 Meja Tulis

Berikut adalah data penjualan Meja Tulis selama 2 tahun terakhir :

Tabel 4.1 Data PenjualanMeja Tulis

Bulan 1 2 3 4 5 6 7 8 9 10 11 12 Meja Tulis 320 326 356 345 329 355 321 351 365 344 339 342 Bulan 13 14 15 16 17 18 19 20 21 22 23 24

(22)

Tabel 4.3 MetodeMoving AverageMeja Tulis Bulan Demand (A) F (3) F (4) F (5) 6 355 344 339 336 7 321 343 347 343 8 351 335 338 342 9 365 343 339 341 10 344 346 348 345 11 339 354 346 348 12 342 350 350 344 13 337 342 348 349 14 348 340 341 346 15 351 343 342 342 16 319 346 345 344

(23)

MAD(4), maka pada Moving Average produk Meja Tulis akan digunakan berdasarkan MA(5).

4.1.1.2 Weighted Moving Average

Berikut ini adalah hasil peramalan meja tulis dengan metode Weight Moving Average

Tabel 4.4 MetodeWeight Moving Average Meja Tulis Bulan Demand (A) F (3) F (4) F (5) 1 320 340 2 326 346 342 3 356 339 339 338 4 345 345 346 345 5 329 334 336 338 6 355 342 341 341

(24)

24 329 343 343 345

Perbandingan:

 ∑   

_{   }

_{ }

 ∑    

_{   }

_{ }

 ∑    

_{   }

_{ }

Berdasarkan perhitungan diatas diketahui bahwa nilai MAD(3) =



, MAD(4) =



dan MAD(5) =



. Nilai MAD(5) lebih kecil daripada nilai MAD(3) dan MAD(4), maka pada Weight Moving Average produk Meja Tulis akan digunakan berdasarkan MA(5).

4.1.1.3 Exponential Smoothing

Berikut ini adalah hasil peramalan meja tulis dengan metodeEksponential Smoothing :

(25)

21 234 239 240 240 22 218 237 237 237 23 257 230 229 228 24 257 241 242 243 Perbandingan : MAD (0,4) =18,34957 MAD (0,45) =18,34497 MAD (0,5) =18,31272

Dari perbandingan nilai MAD di atas diketahui bahwa penggunaan α =0.5 menghasilkan MAD terkecil diantara yang lain, sehingga dapat digunakan α =0.5 pada

metode peramalan Eksponential Smoothing produk meja tulis.

4.1.1.4 Verifikasi

(26)

Gambar 4.2 Tracking Signal Meja Tulis

Dari gambar diatas dapat dilihat bahwa nilai-nilai tracking signal dari

masing-masing model MA(5), WMA(5) dan ES(α=0,5) berada di dalam batas yang dapat diterima

yang menunjukkan akurasi model MA(5), WMA(5) dan ES(α=0,5) dapat dipergunakan.

-5 -4 -3 -2 -1 0 1 2 3 4 5 0 5 10 15 20 25 30 35 UCL LCL ES MA WMA CL

(27)

Tabel 4.7 Peramalan Meja Tulis

Bulan Demand Forecast Bulan Demand Forecast

1 320 343 16 319 319 2 326 332 17 337 337 3 356 329 18 365 365 4 345 343 19 348 348 5 329 344 20 352 352 6 355 337 21 321 321 7 321 346 22 382 382 8 351 334 23 348 348 9 365 343 24 329 329 10 344 354 25 342 342 11 339 349 26 342 342 12 342 344 27 342 342 13 337 343 28 342 342 14 348 340 29 342 342 15 351 344 30 342 342 4.1.2 Meja Komputer

(28)

Tabel 4.7 Metode Moving AverageMeja Komputer Periode Demand (A) F (3) F (4) F (5) 1 225 - - -2 247 - - -3 208 - - -4 227 227 - -5 219 228 227 -6 205 218 226 226 7 244 217 215 222 8 246 223 224 221 9 233 232 229 229 10 238 241 232 230 11 251 239 241 234 12 203 241 242 243 13 247 231 232 235 14 252 234 235 235 15 201 234 239 239 16 241 234 226 231 17 217 232 236 229

(29)

Berikut ini adalah hasil peramalan meja komputer dengan metodeWeight Moving Average

Tabel 4.9MetodeWeight Moving Average Meja Komputer Bulan Demand (A) F (3) F (4) F (5) 1 255 - - -2 247 - - -3 208 - - -4 227 228.83 - -5 219 224.00 228.10 --6 205 219.83 222.00 225.07 7 244 213.33 213.90 216.33 8 246 226.83 225.60 223.93 9 233 238.50 234.50 232.40 10 238 239.17 236.30 234.00

(30)

24 257 240.17 239.90 238.47

Perbandingan:

 ∑   

_{   }

_{ }

 ∑   

_{   }

_{ }

 ∑   

_{   }

_{ }

Berdasarkan perhitungan di atas dapat diketahui nilai MAD(3) = 18.44 ; MAD(4) = 18.79 dan MAD(5) = 25.31. Nilai MAD(3) lebih kecil daripada nilai MAD(4) dan MAD(5), maka pada model Weighted Moving Average produk Meja Tulis dapat digunakan peramalan berdasarkan WMA(3).

(31)

15 201 242 243 244

16 241 226 224 223

Tabel 4.12Eksponential SmoothingMeja Komputer Bulan Aktual α(0,4) α (0,45) α (0,5) 17 217 232 232 232 18 258 226 226 225 19 220 239 240 242 20 249 232 231 231 21 234 239 240 240 22 218 237 237 237 23 257 230 229 228 24 257 241 242 243 Perbandingan :

  ∑   

_{   }

(32)

pada metode Exponential Smoothing (α=0,5) menunjukkan nilai MSE, MAD dan MAPE yang paling kecil diantara kedua metode lainnya. Sehingga metode Exponential Smoothing(α=0,5) dapat diandalkan.

Gambar 4.5 Tracking Signal Meja Komputer

Dari gambar diatas dapat dilihat bahwa nilai-nilai tracking signal dari

masing--5 -4 -3 -2 -1 0 1 2 3 4 5 0 5 10 15 20 25 30 35 UCL LCL ES MA WMA CL

(33)

(34)

Tabel 4.14 Peramalan Meja Komputer

Bulan Demand Forecast Bulan Demand Forecast

1 255 235 ₁₆ 241 223 2 247 245 17 217 232 3 208 246 18 258 225 4 227 227 19 220 242 5 219 227 20 249 231 6 205 223 21 234 240 7 244 214 22 218 237 8 246 229 23 257 228 9 233 238 24 257 243 10 238 236 25 250 250 11 251 237 26 250 250 12 203 244 27 250 250 13 247 224 28 250 250 14 252 236 29 250 250 15 201 244 30 250 250 4.1.3 Lemari

(35)

4.1.3.1 Moving Average

Berikut ini adalah hasil peramalan lemari dengan metodeMoving Average Tabel 4.16MetodeMoving AverageLemari

Bulan Demand (A) F (3) F (4) F (5) 1 119 - -2 128 - -3 134 - -4 149 127 5 105 137 133 6 153 130 129 127 7 137 136 136 134 8 145 132 136 136 9 128 145 135 138 10 139 ₁₃₇ ₁₄₁ ₁₃₄

(36)

 ∑  

_{   }

_{ }

 ∑  

_{   }

_{ }

Berdasarkan perhitungan dapat diketahui nilai MAD(3) =



; MAD(4) =



dan MAD(5) =



. Nilai MAD(5) lebih kecil daripada nilai MAD(3) dan

MAD(4), maka pada model Moving Average produk Lemari akan digunakan peramalan

berdasarkan MA(5).

Berikut ini adalah hasil peramalan lemari dengan metodeWeight Moving Average

Tabel 4.17MetodeWeight Moving Average lemari

Bulan Demand

(A) F (3) F(4)

F (5)

1 119 - -

(37)

-Tabel 4.18 MetodeWeight Moving Average lemari Bulan Demand (A) F (3) F(4) F (5) 20 142 130 129 130 21 129 134 135 133 22 131 131 132 133 23 138 133 131 132 24 147 135 135 133 Perbandingan:

 ∑   

_{   }

 ∑   

_{   }

_{ }

 ∑   

_{   }

_{ }

(38)

Tabel 4.19

Tabel 4.19Eksponential SmoothingEksponential SmoothingLemariLemari Bulan Aktual Bulan Aktual α(0,4)α(0,4) α (0,45)α (0,45) α (0,5)α (0,5) 11 134 11 134 137137 137137 137137 12 151 12 151 136136 136136 136136 13 146 13 146 142142 143143 144144 14 128 14 128 144144 145145 145145 15 161 15 161 138138 137137 137137 16 101 16 101 147147 148148 149149 17 136 17 136 129129 127127 125125 18 156 18 156 132132 131131 131131 19 110 19 110 142142 143143 144144 20 142 20 142 129129 128128 127127 21 129 21 129 135135 135135 135135 22 131 22 131 133133 132132 132132 23 138 23 138 132132 132132 132132

(39)

Tabel 4.20 Rekap nilai

Tabel 4.20 Rekap nilai Error Error

MA(5) WMA(5) MA(5) WMA(5) ES α(0,45)ES α(0,45) MAD MAD 12,6737 12,6737 13,3413,34



MAPE MAPE 9,682656177 9,682656177 10,219810,2198 107,899107,899 MSE 273,9284211 MSE 273,9284211 304,1048304,1048 264,9684264,9684

Dari tabel diatas dapat dilihat perbandingan nilai diantara erornya, dapat dilihat Dari tabel diatas dapat dilihat perbandingan nilai diantara erornya, dapat dilihat pada metode

pada metode Exponential SmoothingExponential Smoothing (α=0,5) menunjukkan nilai MSE, MAD dan MAPE(α=0,5) menunjukkan nilai MSE, MAD dan MAPE yang paling kecil diantara kedua metode lainnya. Sehingga metode

yang paling kecil diantara kedua metode lainnya. Sehingga metode ExponentialExponential Smoothing

Smoothing(α=0,5)(α=0,5) dapat digunakandapat digunakan

-2 -2 0 0 2 2 4 4 6 6 0 0 55 1100 1155 2200 2255 3300 3355

(40)

Dari gambar diatas dapat dilihat bahwa pola grafik peramalan menggunakan ketiga Dari gambar diatas dapat dilihat bahwa pola grafik peramalan menggunakan ketiga metode memiliki kesamaan pola dengan data historis.

metode memiliki kesamaan pola dengan data historis.

Berdasarkan perbandingan yang telah dilakukan dari rekap nilai error, tracking Berdasarkan perbandingan yang telah dilakukan dari rekap nilai error, tracking signal dan grafik peramalan, dapat dipilih metode

signal dan grafik peramalan, dapat dipilih metode Exponential SmoothingExponential Smoothing (α=0,5) pada(α=0,5) pada produk lemari. Sehingga untuk peramalan selanjutnya dapat dihitung dalam tabel produk lemari. Sehingga untuk peramalan selanjutnya dapat dihitung dalam tabel berikut:

berikut:

Tabel 4.21 Peramalan Lemari Tabel 4.21 Peramalan Lemari

Bulan Demand Forecast Bulan Demand Forecast Bulan Demand Forecast Bulan Demand Forecast

1 1 119 119 136 136 16 16 101 101 149149 2 2 128 128 128 128 17 17 136 136 125125 3 3 134 134 128 128 18 18 156 156 131131 4 4 149 149 131 131 19 19 110 110 144144 5 5 105 105 140 140 20 20 142 142 127127 6 6 153 153 123 123 21 21 129 129 135135 7 7 137 137 138 138 22 22 131 131 132132 8 8 145 145 138 138 23 23 138 138 132132

(41)

4.1.4.1 Moving Average

Berikut ini adalah hasil peramalanHandle dengan metodeMoving Average Tabel 4.23 MetodeMoving Average Handle

Bulan Demand (A) F(3) F (4) F (5) 1 13 - -2 25 - -3 10 - -4 14 16 5 8 17 16 6 21 11 15 14 7 17 15 14 16 8 24 16 15 14 9 10 ₂₁ ₁₈ ₁₇

(42)

4.1.4.2 Weight Moving Average

Berikut ini adalah hasil peramalanhandle dengan metode Weight Moving Average

Tabel 4.24 MetodeWeight Moving Average Handle

Bulan Demand (A) F(3) F (4) F (5) 1 13 - - -2 25 - - -3 10 - - -4 14 16 0 0 5 8 15 15 0 6 21 11 12 13 7 17 16 15 15 8 24 17 172 16 9 10 22 20 19 10 13 16 17 17

(43)

Berikut ini adalah hasil peramalanHandle dengan metode Eksponential Smoothing : Tabel 4.25Eksponential Smoothing Handle

Bulan Demand (A) ES (α=0.4) ES (α=0.45) ES (α=0.45) 1 13 12 12 11 2 25 13 12 12 3 10 18 18 19 4 14 15 15 15 5 8 15 15 15 6 21 12 12 12 7 17 16 16 17 8 24 17 17 17 9 10 20 20 21 10 13 ₁₆ ₁₆ ₁₆

(44)

4.1.4.4 Verifikasi

Dari perhitungan berdasarkan metode MA(5), WMA(4) dan ES(α =0.4), didapat nilai tracking signal dari masing-masing metode seperti pada tabel 4.5.

Tabel 4.26 Rekap nilai Error

MA(5) WMA(4) ES α(0,4)

MAD ₆ _5,06 5,5

MAPE _48,32578159 _56,30 37,6

MSE _45,80571429 _51,66 _2,275085

Dari tabel diatas dapat dilihat perbandingan nilai diantara erornya, dapat dilihat pada metode Exponential Smoothing (α=0,4) menunjukkan nilai MSE, MAD dan MAPE

yang paling kecil diantara kedua metode lainnya. Sehingga metode Exponential Smoothing(α=0,4) dapat diandalkan.

6 8 10

(45)

Gambar 4.12Peramalan dan Aktual Handle

Dari gambar diatas dapat dilihat bahwa pola grafik peramalan menggunakan

Exponential Smoothing (α=0,4) dibandingkan dengan model MA dan WMA lebih sesuai dengan pola historis data aktual penjualan produkHandle

Berdasarkan perbandingan yang telah dilakukan dari rekap nilai error, tracking 0 5 10 15 20 25 30 0 5 10 15 20 aktual ES MA WMA

(46)

4.1.5 Rak Buku

Berikut ini adalah data penjualan rak buku dalam periode 2 tahun terakhir: Tabel 4.28 Data Penjualan Rak Buku

Bulan 1 2 3 4 5 6 7 8 9 10 11 12

Rak Buku - - -

-Bulan 13 14 15 16 17 18 19 20 21 22 23 24

Rak Buku - - - 33 63 65

Gambar 4.13 Permintaan Rak Buku 0 10 20 30 40 50 60 70 0 2 4 6 8 10

(47)

MAD(α=0.4) dan MAD(α=0.45) maka pada model Exponentil Smoothing produk rak buku

akan digunakan peramalan berdasarkan ES(α=0.4).

4.1.5.2 Verifikasi

Dari perhitungan berdasarkan metode ES(α =0.4) ,ES(α =0.45) dan ES(α =0.5),

didapat nilaitracking signal dari masing-masing metode seperti pada tabel berikut Tabel 4.30 Rekap nilai Error

ES α(0,4) ES α(0,45) ES α(0,5)

MAD _16,94222222 _17,38888889 17,18277778

MAPE _36,62861583 _37,34944068 37,01552398

MSE _298,208237 _317,9722222 _308,1112972

Dari tabel diatas dapat dilihat perbandingan nilai diantara erornya, dapat dilihat pada metode Exponential Smoothing (α=0,4) menunjukkan nilai MSE, MAD dan MAPE

yang paling kecil diantara kedua metode lainnya. Sehingga metode Exponential Smoothing(α=0,4) dapat diandalkan.

(48)

Gambar 4.15 Peramalan dan Aktual Rak Buku

Dari gambar diatas dapat dilihat bahwa pola grafik peramalan menggunakan Exponential Smoothing (α=0,45) dibandingkan dengan model MA dan WMA lebih sesuai

dengan pola historis data aktual penjualan produk Rak Buku

Berdasarkan perbandingan yang telah dilakukan dari rekap nilai error, tracking signal dan grafik peramalan, dapat dipilih metode Exponential Smoothing (α=0,45) pada

produk rak buku .Sehingga untuk peramalan selanjutnya dapat dihitung dalam tabel 0 10 20 30 40 50 60 70 0 2 4 6 8 10 Demand 0,4 0,45 0,5

(49)

4.2 Pengendalian Persediaan

Berdasarkan studi kasus diketahui bahwa perusahaan melakukan pengendalian persediaan terhadap handle yang dipesan dari pihak lain, dengan lead time 1 minggu. Handle disini merupakan part yang dijual terpisah. Oleh karena itu digunakan metode EOQ dengan menggunakan ROP karena sesuai dengan asumsi perusahaan yaitu tidak ada stock out,independent demand , dan permintaan konstan.

Tabel 4.32 Peramalan ProdukHandle Bulan Demand Forecast

1 13 12 2 25 12 3 10 18 4 14 15 5 8 15 6 21 12 7 17 16 8 24 17 9 10 20 10 13 16

(50)

PerhitunganEOQ

 

_{ }

√

 

_{ }

=10,6066



(unit)

Maka pemesanan ideal untuk produkhandletiap periode pesan adalah sebesar 11 buah. Berdasarkan hasil perhitungan EOQ diatas, diketahui bahwa nilai EOQ yang didapat adalah 10,6066



. Hal ini menjelaskan bahwa jumlah barang tiap kali periode pemesanan yang optimal adalah 11 unit.

4.2.1 Perhitungan frekuensi pemesanan optimal



_



 

_{ }

_

1,363636



(51)



_{  }



 

_{ }

_{}



_{}

_{}

Rp 110.309,00

Biaya pemesanan optimal dari produk tersebut adalah Rp110.309,00 , hal ini menunjukkan bahwa biaya pemesanan inkremental untuk tiap penebusan demand adalah sebesar Rp 110.309,00.

4.2.5 PerhitunganTotal Cost



_{   }

  

_{  }

_{  }

Rp 335.309,00

Didapat nilai Total Cost adalah sebesar Rp 335.309,00 , hal ini menunjukkan total biaya yang harus dikeluarkan untuk memenuhi demand adalah sebesar Rp 335.309,00.

(52)

Berikut ini adalah grafik penggambaran dari Economic Order Quantity dan Reorder Pointprodukhandle.

L t

(53)

4.6. Bom Tree

Bom tree yang akan dibuat berdasarkan produk pada PT. Gold Wood, antara lain bom tree meja tulis, bom tree meja computer, bom tree lemari, dan bom tree rak buku.

4.6.1 Bom Tree MejaTulis

Berikut ini merupakan Bom Tree dari meja tulis:

Meja Tulis

A(5,5m2) D(30) E(1,5kg) F(1)

Berdasarkan BOM tree

mejatulisdiatasdapatdiketahuiprodukmejatulismembutuhkankomponenAsebesar 5.5 m2_,

komponen D sebanyak 30, komponen E sebanyak 1.5 kg dankomponen F sebanyak 1 buah.

4.6.2 Bom Tree MejaKomputer

(54)

sebanyak 25 buah, komponensebanyak 2.5 kg, dankomponen F sebanyak 2 buah.

4.6.4 Bom Tree RakBuku

Berikut ini merupakan Bom Tree dari rak buku:

Rak Buku

B(3m2) C(25) F(4)

Berdasarkan BOM tree rak buku diatas dapat diketahui produk rak buku membutuhkan komponen B sebesar 3 m2_{, komponen C sebanyak 25 buah, dan komponen F sebanyak 4 buah.} 4.7. Perencanaan Agregat

Berikut ini adalah langkah-langkah dalam perencaaan agregat:

4.7.1. Kebutuhan Bersih Per Sub-Assembly

Kebutuhan bersih per sub assembly dapat dihitung dari kebutuhan per komponen dalam satu produk dikalikan denga`n hasil forecast .

(55)

Kecepatan produksi komponen A =

  

 

=



= 0,036363

Pada tabel di atas dapat diketahui bahwa kecepatan produksi komponen A adalah 0,036 jam/unit dengan menggunakan mesin 1, kemudian produksi komponen B 0,05 jam/unit dengan mesin 1 dan komponen E 0,04 jam/unit dengan mesin 2.

4.7.3. Waktu Produksi Produk.

Berikut hasil waktu produksi produk :

Tabel 4.34 Waktu Produksi Produk Waktu produksi produk m1 m2 _Jumlah A B E meja tulis 0,2 0 0,044444444 0,244444444 meja komputer 0 0,2375 0 0,2375 Lemari 0,436363636 0 0,088888889 0,525252525 rak buku 0 0,15 0,177777778 0,327777778 Jumlah

(56)

M1 M2 MEJA TULIS 68,4 22,8 MEJA KOMPUTER 59,4 LEMARI 61,52727273 15,68888889 RAK BUKU 8,55 TOTAL 197,8772727 38,48888889 TOTAL M1 DAN M2 236,3661616 WAKTU SETUP 24

TOTAL WAKTU MESIN 260,3661616

PERIODE 3 KEBUTUHAN M1 M2 MEJA TULIS 68,4 22,8 MEJA KOMPUTER 59,4 LEMARI 61,52727273 15,68888889 RAK BUKU 8,4 TOTAL 197,7272727 38,48888889 TOTAL M1 DAN M2 236,2161616 WAKTU SETUP 24

(57)

LEMARI 61,52727273 15,68888889

RAK BUKU 8,25

TOTAL 197,5772727 38,48888889

TOTAL M1 DAN M2 236,0661616

WAKTU SETUP 24

Total waktu permesinan = Total waktu permesinan meja tulis+Total waktu permesinan meja komputer+Total waktu permesinan lemari+Total waktu rak buku + setup

Total waktu permesinan periode 1 = Total waktu permesinan meja tulis periode 1 + Total waktu permesinan meja komputer periode 1 + Total waktu permesinan lemari periode 1+ Total waktu rak buku periode 1 + setup

Total waktu permesinan periode 1 = 68,4 + 22,8 + 59,4 + 59,4 + 15,68888889 + 8,7 + 198,0272727 + 38,48888889 + 28 = 260,5161616

4.7.4. Kecepatan Waktu Produksi Perakitan

Berikut adalah hasil perhitungan kecepatan waktu produksi perakitan:

(58)

4.7.5. Total Waktu Produksi

Hasil perhitungan total waktu produksi dapat diketahui dalam tabel di bawah ini: Tabel 4.36 Total Waktu Produksi

Total Waktu Produksi

Produk Waktu

Pemesinan Waktu Perakitan Total Waktu Produksi

Meja tulis 0,244444444 0,2 0,444444444

Meja komputer 0,2375 0,222222222 0,459722222

Lemari 0,525252525 0,25 0,775252525

Rak buku 0,327777778 0,228571429 0,556349206

TOTAL 2,235768398

Total waktu produksi dapat diketahui dengan perhitungan berikut: pX= (waktu eprmesinanpX + waktu perakitanpX)

Produk Meja Tulis = Waktu permesinan meja tulis+waktu perakitan meja tulis = 0,244444444 + 0,2

(59)

4.7.7. Perencanaan Agregat denganChase Strategy

Berikut ini adalah perencanaan agregat dengan menggunakanchase strategy:

4.7.7.1. Perhitungan Proporsi

Di bawah ini merupakan hasil dari perhitungan proporsi dari tiap produk:

Tabel 4.38 Perhitungan Proporsi tiap produk

PROPORSI Forecast MT Forecast MK Forecast Lemari Forecast

Rak Buku Jumlah

Meja Tulis

Meja

Kom Lemari Rak Buku Jumlah

342 250 141 58 ₇₉₁ 0,432 0,316 0,1782 0,0733 ₁ 342 250 141 57 ₇₉₀ 0,432 0,316 0,1784 0,0721 ₁ 342 250 141 56 ₇₈₉ 0,433 0,316 0,178 0,070 ₁ 342 250 141 55 ₇₈₈ 0,434 0,317 0,1789 0,069 ₁ 342 250 141 55 ₇₈₈ 0,434 0,3172 0,1789 0,0697 ₁ 342 250 141 55 ₇₈₈ 0,434 0,317 0,1789 0,0697 ₁

Perhitungan proporsi dapat dihitung dari hasil forecast dibagi dengan jumlah total dalam satu periode.

(60)

2. Perhitungan chase strategy

Tabel 4.40Perhitungan Chase Strategy

Total Waktu Reguler Overtime Subkontrak

1 436,5094156 160 20 256,5094156 2 435,9530664 160 20 255,9530664 3 459,5534632 160 20 279,5534632 4 434,840368 160 20 254,840368 5 434,840368 160 20 254,840368 6 434,840368 160 20 254,840368

Perhitungan Subkontrak periode 1 = Total demand periode 1– reguler periode 1– overtime periode 1

Perhitungan Subkontrak periode 1 = 436,5094156 – 160 -20 = 256,5094156

Tabel 4.41 Perhitungan per produk Chase Strategy

Meja Tulis Meja Komputer Lemari Rak Buku TOTAL

1 110,9054616 81,07124386 45,72418154 18,80852858 256,5094156 2 110,8049984 80,99780582 45,68276248 18,46749973 255,9530664 3 121,1752654 88,57841039 49,95822346 19,84156393 279,5534632 4 110,6033069 80,85037055 45,59960899 17,78708152 254,840368 5 110,6033069 80,85037055 45,59960899 17,78708152 254,840368

(61)

Tabel 4.43 Perhitungan Biaya dengan Chase Strategy

Total biaya

Biaya pekerja reguler 276480000

Biaya pekerja lembur 4992000

Biaya permesinan 5152981,061

Overhead 750000

Inventori 0

biaya subkontrak 2045000

TOTAL 287374981,1

Perhitungan total biaya = biayapekerjaregular + biayapekerjalembur + biayapermesinan + overhead + inventori + biayasubkontrak

Perhitungan total biaya = 276480000+ 4992000 + 5152981,061 +750000 + 0 + 2045000 = 287374981,1

Dari tabel di atas diketahui bahwa biaya pekerja reguler adalah Rp 27648000,00, sedangkan biaya pekerja lembur sebesar Rop 499.200,00 kemudian biaya permesinan sebesar Rp 5152981,061 dan selanjutnya biaya inventori 0, dikarenakan tidak ada inventori. Kemudian biaya sub kontrak dapat dihitung dari total sub kontrak per unit per produk dikalikan Rp

(62)

Total min prod reguler overtime subkontrak inventory (jam) inventory unit biaya inventory 436,5094156 434,840368 160 20 254,840368 -1,669047619 -1,669047619 -1 -1 -1 -1 0 435,9530664 434,840368 160 20 254,840368 -1,112698413 -2,781746032 -1 -1 -1 -1 0 459,5534632 434,840368 160 20 254,840368 -24,71309524 -27,49484127 -5 -4 -4 -1 0 434,840368 434,840368 160 20 254,840368 0 -27,49484127 0 0 0 0 0 434,840368 434,840368 160 20 254,840368 0 -27,49484127 0 0 0 0 0 434,840368 434,840368 160 20 254,840368 0 -27,49484127 0 0 0 0 0

Perhitungan subkontrak level low periode 1 = min produksi periode 1 – reguler periode 1 – overtime periode 1

Perhitungan subkontrak level low periode 1 =434,840368 - 160– 20 = 254,840368 Tabel 4.42 Total Biaya Level High Strategy

Total biaya

biaya pekerja reguler 276480000 biaya pekerja lembur 4992000 biaya permesinan 5152981,061

Overhead 750000

(63)

TOTAL 287374981,1

Perhitungan total biaya = biayapekerjaregular + biayapekerjalembur + biayapermesinan + overhead + inventori + biayasubkontrak

Perhitungan total biaya (low) =276480000 + 4992000 + 5152981,061 + 750000 + 0 + 1206430 = 287374981,1

Berikut adalah tabel perbandingan total biaya dari ketiga metode yang digunakan dalam aggregate planning:

Tabel 4.45 Perbandingan total biaya aggregat keempat metode metode chase metode level maximum metode level average metode level minimum total biaya 287374981,1 288687239,1 288607099,1 287374981,1

Berdasarkan tabel 4.45, maka diputuskan untuk menggunakan metode chase karena sistem produksi make to order tidak diizinkan adaya inventory. Maka dari itu metode yang paling optimal adalah dengan metode chase strategy dengan total biaya Rp.287.374.981

(64)

Universitas Brawijaya

61

berguna untuk mengidentifikasi kebutuhan material untuk membuat satu unit produk. Di samping itu catatan inventory juga harus sudah tersedia termasuk untuk menentukan teknik lot sizing yang akan digunakan. Berikut ini merupakan hasil dari metode disagregasi pada keempat produk yang dihasilkan oleh PT Gold Wood

a. Produk Meja Tulis

Berikut ini adalah MPS untuk produk Meja Tulis dengan menggunakan metode heuristik :

Lead time : 2 minggu , Order quantity : 0, Safety stock : 0 , DTF : 2 minggu, PTF : 2 minggu

Tabel 4.46 MPS produk Meja Tulis

Periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Aktual demand 86 86 86 86 86 86 86 86 86 86 86 86 86 86 86 86 86 86 86 86 86 86 86 86 Subkontrak 13 13 13 13 13 13 14 14 14 14 13 13 13 13 13 13 13 13 13 13 13 13 13 13 MPS 73 73 PAB/POH Planned Order 73 73 73 73 72 72 72 72 73 73 73 73 73 73 73 73 73 73 73 73 73 73

Berdasarkan data MPS produk Meja Tulis diatas, dimana lead time sebesar 3, DTF bernilai 2 dan PTF sebesar 2 periode. Aktual demand = aktual demand bulan/minggu

= 324/ 4 = 80 Subkontrak = 13

MPS = aktual demand– Sub Kontrak =73

(65)

62

Tabel 4.47 MPS produk Meja Komputer

Berdasarkan data MPS produk Komputer diatas, dimana lead time sebesar 0, DTF bernilai 2 dan PTF sebesar 2 periode. Aktual demand = aktual demand bulan/minggu

= 250/ 4 = 62,5 = 63 Subkontrak = 10

MPS = aktual demand– Sub Kontrak = 53

c. Produk Lemari

Berikut ini adalah MPS untuk produk Lemari dengan menggunakan metode heuristik :

Tabel 4.48MPS produk Lemari

Periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Aktual demand 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 Subkontrak 9 9 9 9 9 9 10 10 10 10 9 9 9 9 9 9 9 9 9 9 9 9 9 9

(66)

63 Berdasarkan data MPS produk Lemari diatas, dimana lead time sebesar 0, DTF bernilai 2 dan PTF sebesar 2 periode.

Aktual demand = aktual demand bulan/minggu = 141/ 4 = 43

Subkontrak = 9

MPS = aktual demand– Sub Kontrak = 34

d. Produk Rak Buku

Berikut ini adalah MPS untuk produk Rak Buku dengan menggunakan metode heuristik :

Lead time : 1 minggu , Order quantity : 0, Safety stock : 0 , DTF : 1 minggu, PTF : 1 minggu Tabel 4.49 MPS produk Rak buku

Berdasarkan data MPS Rak Buku diatas, dimana lead time sebesar 0, DTF bernilai 2 dan PTF sebesar 2 periode. Aktual demand = aktual demand bulan/minggu

= 58/ 4 = 15 Subkontrak = 3

(67)

64 4.9. Material Requirement Planning

4.9.1.Material Requirement Planning Produk

Berikut adalah material requirement planning dari keempat produk yang dihasilkan oleh PT Gold Wood a. Produk meja tulis

Produk meja tulis ini menggunakan metode lot for lot dengan diketahui lead time 2minggu

project on hand0dalam tabel di bawah ini:

Tabel 4.50 MRP Meja Tulis

LOT for LOT 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Gross requirements 73 73 73 73 73 73 72 72 72 72 73 73 73 73 73 73 73 73 73 73 73 73 73 73 Scheduled receipts

Project on hand

Net requirements 73 73 73 73 73 73 72 72 72 72 73 73 73 73 73 73 73 73 73 73 73 73 73 73 Planned order receipts 73 73 73 73 73 73 72 72 72 72 73 73 73 73 73 73 73 73 73 73 73 73 73 73 Planned order releases 73 73 73 73 73 73 73 73 72 72 72 72 73 73 73 73 73 73 73 73 73 73 73 73

Biaya simpan =

             

= 350400

Biaya setup =

        

5152981,061x 73 x 24= 9028022819 Biaya total = biaya simpan + biaya setup = 350400 + 9028022819 = 9028373219

(68)

65 project on hand0 dalam tabel di bawah ini:

Tabel 4.51 MRP Meja Komputer

Lot For Lot 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Gross requirements 34 34 34 34 34 34 33 33 33 33 34 34 34 34 34 34 34 34 34 34 34 34 34 34 Scheduled receipts

Project on hand 0

Biaya simpan =

             

= 254400

Biaya setup =

        

c. Produk lemari

Produk lemari ini menggunakan metode lot for lot dengan diketahui lead time 1minggu

project on hand0 dalam tabel di bawah ini:

Tabel 4.52 MRP Lemari

Lot for Lot 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Gross requirements 12 12 12 12 12 12 12 12 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 Scheduled receipts Project on hand 0 -12 -12 -12 -12 -12 -12 -12 -12 -11 -11 -11 -11 -11 -11 -11 -11 -11 -11 -11 -11 -11 -11 -11 -11

(69)

66

Planned order releases 12 12 12 12 12 12 12 12 12 12 11 11 11 11 11 11 11 11 11 11 11 11 11 11

Biaya simpan =

             

= 163200

Biaya setup =

        

d. Produk rak buku

Produk rak buku ini menggunakan metode lot for lot dengan diketahui

lead time 1minggu

project on hand2500 dalam tabel di bawah ini:

Tabel 4.53 MRP Rak Buku

Lot for Lot 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Gross requirements 12 12 12 12 12 12 12 12 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 Scheduled receipts

Project on hand 0

Biaya simpan =

             

= 52800

Biaya setup =

        

5152981,061x 11 x 24 = 1360387000 Biaya total = biaya simpan + biaya setup = 52800 + 1360387000 = 1360439800

(70)

67 Untuk perencanaan kebutuhan material produk A menggunakan metodeLead Unit Costdengan lead time 2 minggu, project on hand 2500 m, danscheduled receipt7000 m. Maka dapat dihitung dalam tabel di bawah ini:

Tabel 4.54 MRP komponen A 1 2 3 4 5 6 7 8 9 10 11 12 1 3 14 15 16 17 18 19 20 21 22 23 24 Gross requirements 282 473 989 810 810 810 792 792 792 792 810 810 810 810 810 810 810 810 810 810 810 810 810 810 Scheduled receipts 7000 Project on hand 2500 2218 1745 756 6946 6136 5326 4534 3742 2950 2158 1348 538 810 0 0 0 0 0 0 0 0 0 0 0 Net requirements 272 810 810 0 810 0 810 0 810 0 Planned order receipts 1082 810 810 810 810 810 Planned order releases 1082 810 0 810 0 810 0 810 0 810 0

Berikut adalah perhitungan pengujian periodenya :

Tabel 4.55 Perhitungan Pengujian Periode Komponen A

Periode Demand Biaya

Pesan Biaya Simpan Total Cost Ongkos 13 272 150000 0 150000 551,4705882 13,14 1082 150000 162000 312000 288,3548983 13,14,15 1892 150000 486000 636000 336,1522199 13,14,15,16 2702 150000 972000 1122000 415,2479645 17 810 150000 0 150000 185,1851852

(71)

Universitas Brawijaya 68 17,18,19,20 3240 150000 1134000 1284000 396,2962963 21 810 150000 0 312000 385,1851852 21,22 1620 150000 324000 636000 1182,156134 21,22,23 2430 150000 648000 1122000 832,3442136 21,22,23,24 3240 150000 1134000 1770000 820,2038925

Biaya Pesan= Total Order Release X Harga pesan = 5132 X 150000= 769800000

Biaya Simpan = Total Project on Hand X Biaya Pesan =39207 X 200 =777641400

Biaya Total =769800000+7841400=Rp

777641400,-b. Komponen B

Untuk perencanaan kebutuhan material komponen B menggunakan metodeMinimum Costdengan lead time 1 minggu, project on hand 3000 m, danscheduled receipt5000 m. Maka dapat dihitung dalam tabel di bawah ini:

Tabel 4.56 MRP Komponen B

Tabel 4.57 Perhitungan Pengujian Periode Komponen B

Periode Demand Biaya Pesan Biaya Simpang Total Biaya Ongkos/Periode 13 97 175000 0 175000 175000 13,14 487 175000 78000 253000 126500 13,14,15 1207 175000 79120 254120 84706,66667 13,14,15,16 1927 175000 80440 255440 63860 13,14,15,16,17 2466 175000 81779 256779 51355,8

(72)

Universitas Brawijaya 69 18,19,20 1830 175000 145120 320120 106706,6667 18,19,20,21 2369 175000 146259 321259 80314,75 18,19,20,21,22 2759 175000 147449 322449 64489,8 18,19,20,21,22,23 3479 175000 149169 324169 54028,16667 18,19,20,21,22,23,24 4199 175000 151089 326089 46584,14286 c. Komponen C

Untuk perencanaan kebutuhan material produk A menggunakan metodeLead Unit Costdengan lead time 1 minggu, project on hand 15000 m, danscheduled receipt25000 m. Maka dapat dihitung dalam tabel di bawah ini:

Tabel 4.58 MRP Komponen C 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Gross requireme nts 850 1890 2265 2265 1125 2265 2265 2265 1125 1965 2240 2240 2240 1965 2240 2240 1100 1965 2240 2240 1100 1965 2240 2240 Scheduled receipts 25000 Project on hand 15000 14150 12260 9995 7730 6605 4340 2075 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Net requireme nts 190 1125 1965 2240 2240 2240 1965 2240 2240 1100 1965 2240 2240 1100 1965 2240 2240 Planned order receipt s 190 1125 1965 2240 2240 2240 1965 2240 2240 1100 1965 2240 2240 1100 1965 2240 2240 Planned order releases 190 1125 1965 2240 2240 2240 1965 2240 2240 1100 1965 2240 2240 1100 1965 2240 2240

Tabel 4.59 Perhitungan Pengujian Periode Komponen C

Periode demand Biaya Pesan Biaya Simpan Biaya Total ongkos/unit 8 190 5000 0 5000 26,31578947

(73)

70 8,9,10,11 5520 5000 230205 235205 42,60960145

Karena yang dipilih adalah yang pertama, maka untuk periode selanjutnya juga pada perhitungan pertama yang digunakan karena hasilnya akan selalu yang palingkecil pada periode pertama sehingga hasil project on hand akan selalu 0 karena jumlah kebutuhan akan sama dengan jumlah pesanan.

d. Komponen D

Untuk perencanaan kebutuhan material komponen D menggunakan metodeFix Order Quantitydengan lead time 1 minggu, project on hand 7000 m, danscheduled receipt25000 m. Maka dapat dihitung dalam tabel di bawah ini:

Tabel4.60 MRP Komponen D 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Gross requirements 1255 2580 3655 3655 1255 3655 3655 3655 1255 3655 3655 3655 1255 3655 3655 3655 1255 3655 3655 3655 1255 3655 3655 3655 Scheduled receipts 25000 25000 Project on hand 7000 5745 3165 3210 24555 23300 19645 15990 12335 11080 7425 3770 115 2560 2605 2650 2695 1440 1485 1530 1575 320 365 410 455 Net requirements 490 1140 1095 1050 1005 1255 2215 2170 2125 1225 3335 3290 3245 Planned order receipts 3700 3700 3700 3700 3700 3700 3700 3700 3700 3700 3700 Planned order releases 3700 3700 3700 3700 3700 3700 3700 3700 3700 3700 3700 Biaya simpan =

                      



Biaya pesan =

             

Biaya total = biaya simpan + biaya pesan =

 

(74)

71

Untuk perencanaan kebutuhan material komponen E menggunakan metode FPRdengan lead time 2 minggu, project on hand 500 m, dan

scheduled receipt2100 m. Maka dapat dihitung dalam tabel di bawah ini:

Tabel 4.61 MRP Komponen E 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Gross requirements 72 162 147 129 54 129 129 129 54 129 129 129 54 129 129 129 54 129 129 129 54 129 129 129 Scheduled receipts 2100 Project on hand 500 428 266 119 2090 2036 1907 1778 1649 1595 1466 1337 1208 1154 1025 896 767 713 584 455 326 272 143 14 Net requirements 115

Planned order receipts 115

Planned order releases 115

Biaya simpan =

                      

Biaya pesan =

             

 

f. Komponen F

Untuk perencanaan kebutuhan material komponen F menggunakan metode Fix Order Quantity dengan lead time 1 minggu. Maka dapat dihitung dalam tabel di bawah ini:

Tabel 4.62 MRP Komponen F

(75)

72 Project on hand 164 78 76 74 194 192 190 188 78 124 126 128 22 68 70 72 196 14 16 18 142 188 190 192

Net requirements 66 86 154 156 36 38 40 42 110 106 104 102 106 162 160 158 34 184 214 212 88 42 40 38 Planned order receipts 230 230 230 230 230 230 230 230 230 230 230 230 230 230 230 230 230 230 230 230

Planned order releases 230 230 230 230 230 230 230 230 230 230 230 230 230 230 230 230 230 230 230 230

Biaya simpan =

                      



Biaya pesan =

4.7 Analisis Biaya

Berikut adalah analisis biaya PT G old Wood. Biaya holding

= biaya holding komponen A + biaya holding komponen B + biaya holding komponen C + biaya holding komponen D + biaya holding komponen E+ biaya holding komponen F

= 11424600+11009400+29290600+32200000+2820800+223200 = Rp. 80908600

Biaya komponen

= Rp. 2673000,00 Biaya MRP

= biaya holding + biaya komponen + biaya order = 80908600 +



+ 2673000