View
375
Download
23
Category
Preview:
Citation preview
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
1/41
i
Makalah Tugas Besar
PT. Pretosida Gresik
Diajukan sebagai Tugas Besar Mata Kuliah Perencanaan & Pengendalian Produksi
Disusun oleh:
Irsalina Maharani 1102130151
Anggie Prahas Putri 1102134382
Radifan Ahmad H. 1102130154
Ahmad Dwiko F. 1102130241
Puspita Marsya 1102134393
TI-37-08
Fakultas Rekayasa Industri
Telkom University
Bandung
2015
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
2/41
i
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena dengan rahmat,
karunia, serta taufik dan hidayah-Nya kami dapat menyelesaikan laporan akhir tugas besar
mata kuliah perencanaan dan pengendalian produksi (P3) ini dengan baik meskipun banyak
kekurangan didalamnya.
Kami sangat berharap laporan akhir tugas besar ini dapat berguna dalam rangka
menambah wawasan serta pengetahuan kita. Kami juga menyadari sepenuhnya bahwa di dalam
makalah ini terdapat kekurangan dan jauh dari kata sempurna. Oleh sebab itu, kami berharap
adanya kritik, saran dan usulan demi perbaikan makalah yang telah kami buat di masa yang
akan datang.
Semoga laporan akhir praktikum ini dapat dipahami bagi siapapun yang membacanya.
Sekiranya laporan yang telah disusun ini dapat berguna bagi kami sendiri maupun orang yang
membacanya. Sebelumnya kami mohon maaf apabila terdapat kesalahan kata-kata yang kurang
berkenan dan kami memohon kritik dan saran yang membangun demi perbaikan di masa depan.
Bandung, November 2015
Penyusun
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
3/41
ii
DAFTAR ISI
KATA PENGANTAR ................................................................................................................ i
BAB I PENDAHULUAN .......................................................................................................... 1
1.1 Latar Belakang ................................................................................................................. 1
1.2 Rumusan Masalah ............................................................................................................ 1
1.3 Tujuan............................................................................................................................... 1
1.4 Batasan ............................................................................................................................. 2
BAB II TINJAUAN TEORI ...................................................................................................... 3
2.1 Konsep Peramalan Produksi ............................................................................................ 3
2.2 Tujuan Peramalan ............................................................................................................. 3
2.3 Kegunaan Peramalan ........................................................................................................ 32.4 Karakteristik Peramalan yang Baik .................................................................................. 4
2.5 Metode Peramalan ............................................................................................................ 4
2.6 Kriteria Performansi Peramalan ..................................................................................... 10
2.7 Verifikasi ........................................................................................................................ 11
2.8 Strategi Perencanaan Agregat ........................................................................................ 13
2.9 Disagregasi ..................................................................................................................... 13
BAB III PROFIL PERUSAHAAN .......................................................................................... 15
3.1 Sejarah Perusahaan ......................................................................................................... 15
3.2 Bidang Usaha Perusahaan .............................................................................................. 15
3.3 Visi dan Misi Perusahaan ............................................................................................... 19
3.3.1 Visi Perusahaan ....................................................................................................... 19
3.3.2 Misi Perusahaan ....................................................................................................... 20
3.4 Struktur Organisasi Perusahaan ..................................................................................... 20
BAB IV PENGOLAHAN DATA ............................................................................................ 21
4.1 Data Hasil Survey........................................................................................................... 21
4.2 Perhitungan Data ............................................................................................................ 22
4.2.1 Agregasi ................................................................................................................... 22
4.2.2 Verifikasi ................................................................................................................. 24
4.2.3 Perencanaan Agregat ............................................................................................... 26
4.2.4 Perhitungan Agregat Kapasitas, Inventory dan Ongkos Inventory ......................... 27
4.2.5 Teknik Perencanaan Agregat ................................................................................... 28
4.2.3 Disagregasi .............................................................................................................. 29
BAB V ANALISIS .................................................................................................................. 31
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
4/41
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
5/41
iv
DAFTAR TABEL
Tabel 3. 1 Daftar Produk PT Petrosida Gresik ........................................................................ 17
Tabel 4. 1 Data Penjualan Produk dengan Kapasitas Kemasan 400 ml .................................. 21
Tabel 4. 2 Data Invetory dengan Kapasitas Kemasan 400 ml ................................................. 21
Tabel 4. 3 Data Family Agreagat PT Petrosida Gresik Periode Juni 2014-Juli 2015 .............. 22
Tabel 4. 4 Perhitungan Double Eksponensial Smoothing α = 0,3 ........................................... 23
Tabel 4. 5 Peramalan 12 bulan ke depan ................................................................................. 24
Tabel 4. 6 Uji Hasil Peramalan ................................................................................................ 24
Tabel 4. 7 Batasan Hasil Peramalan ........................................................................................ 25
Tabel 4. 8 Data Peramalan Liter Agregat ................................................................................ 26
Tabel 4. 9 Data Hari Kerja ....................................................................................................... 26
Tabel 4. 10 Perhitungan Perencanaan Kapasitas ..................................................................... 27
Tabel 4. 11 Perencanaan agregat inventory ............................................................................. 27
Tabel 4. 12 Perencanaan agregat ongkos inventory ................................................................. 27
Tabel 4. 13 Rekapitulasi Hasil Perhitungan Setiap Teknik Perencanaan Agregat .................. 28
Tabel 4. 14 Data Demand ........................................................................................................ 29
Tabel 4. 15 Data Presentase Produk A, Produk B, Produk C .................................................. 30
Tabel 4. 16 Data Disagregasi ................................................................................................... 30
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
6/41
v
DAFTAR GAMBAR
Gambar 2. 1 Langkah-langkah Peramalan Secara Kuantitatif [2] (Ginting. 2007:45) .............. 5
Gambar 2. 2 Pola Data Siklis ..................................................................................................... 6
Gambar 2. 3 Pola Data Musiman ............................................................................................... 7
Gambar 2. 4 Pola Data Horizontal ............................................................................................. 7
Gambar 2. 5 Pola Data Trend .................................................................................................... 7
Gambar 2. 6 Moving Range Chart (MRC) .............................................................................. 12
Gambar 4. 1 Grafik Agregasi PT Petrosida Gresik Periode Juli 2014 - Juni 2015.................. 23
Gambar 4. 2 Grafik Forecast Demand ..................................................................................... 25
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
7/41
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
PT Petrosida Gresik adalah perusahaan Agroindustri yang profesional, berpotensi dan
berkembang di Indonesia. Dalam jangka waktu 10 tahun terakhir ini, PT Petrosida Gresik
menyediakan produk-produk kimia pertanian (agrokimia) seperti Pestisida, Pupuk serta Bahan
kimia untuk penunjang Industri Agrokimia. PT Petrosida Gresik berusaha berperan serta dan
memberikan yang terbaik dengan produk-produk yang berkualitas kepada para petani dan
pelaku usaha yang bergerak di bidang pertanian dan perkebunan untuk menyelamatkan hasil
panen nya serta membantu pemerintah menciptatakan swasembada pangan di Indonesia. PT
Petrosida Gresik mempunyai produk pertanian yang merupakan produk utama, dimana produk
ini meliputi produk insektisida, herbisida dan fungisida yang memiliki angka penjualan paling
tinggi dibandingkan dengan produk lainnya.
PT Petrosida Gresik harus dapat melakukan peramalan dengan tepat terhadap
permintaan produk utama tersebut untuk periode yang akan datang karena peramalan
merupakan bagian yang sangat penting dan untuk pengambilan keputusan manajemen. Dengan
melakukan perhitungan peramalan dan pemilihan metode peramalan dengan tepat, maka PTPetrosida Gresik dapat memprediksi dengan akurat jumlah permintaan produk pertanian di
periode yang akan datang. Sehingga menumpuknya persediaan barang jadi
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas, maka rumusan masalah dalam makalah ini adalah
bagaimana meramalkan permintaan produk utama di PT Petrosida Gresik pada periode Juli
2015 sampai Juni 2016 berdasarkan data penjualan pada periode Juli 2014 sampai Juni 2015
dengan metode peramalan yang paling tepat?
1.3 Tujuan
Tujuan yang ingin dicapai dalam laporan ini, antara lain:
1. Mencari metode peramalan terbaik untuk penjualan produk di PT Petrosida Gresik
berdasarkan nilai MSE terkecil.
2. Menghitung peramalan penjualan produk di PT Petrosida Gresik pada periode Juli 2105
sampai Juni 2016 menggunakan metode peramalan terbaik.
3. Menentukan strategy dengan total biaya terkecil.
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
8/41
2
4. Menentukan jumlah produk dari hasil peramalan.
1.4 Batasan
Batasan yang digunakan dalam penelitian ini adalah sebagai berikut:
1. Produk yang diramalkan adalah masing-masing satu produk dari tiap produk utama(insektisida, herbisida dan fungisida) dengan kapasitas kemasan 400 ml berdasarkan
data historis penjualan periode Juli 2014 sampai Juni 2015.
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
9/41
3
BAB II
TINJAUAN TEORI
2.1 Konsep Peramalan ProduksiPeramalan adalah suatu perkiraan tingkat permintaan yang diharapkan untuk suatu
produk atau beberapa produk dalam periode waktu tertentu di masa yang akan datang.[1]
(Biegel, John E.1992) Dalam kegiatan produksi, peramalan dilakukan untuk menentukan
jumlah permintaan terhadap suatu produk dan merupakan langkah awal dari proses
perencanaan dan pengendalian produksi. Dalam peramalan ditetapkan jenis produk apa yang
diperlukan (what ), jumlahnya (how many), dan kapan dibutuhkan (when). Tujuan peramalan
dalam kegiatan produksi adalah untuk meredam ketidakpastian, sehingga diperoleh suatu
perkiraan yang mendekati keadaan yang sebenarnya [2] (Ginting.2007.p31). Keberhasilan
peramalan ditentukan oleh pengetahuan teknik tentang pengumpulan informasi (data) masa
lalu ataupun informasi yang bersifat kuantitatif dan metode yang sesuai dengan pola data yang
telah dikumpulkan.
2.2 Tujuan Peramalan
Tujuan utama dari peramalan adalah untuk meramalkan permintaan di masa yang akan
datang, sehingga diperoleh suatu perkiraan yang mendekati keadaan sebenarnya. Jika dilihatdari horizon waktu, maka tujuan peramalan dapat diklasifikasikan atas tiga kelompok, yaitu:
1. Jangka pendek (short term)
Menentukan kuantitas dan waktu dari item dijadikan produksi. Biasanya bersifat harian
ataupun mingguan dan ditentukan oleh Low Management .
2. Jangka menengah (medium term)
Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya bersifat bulanan
ataupun kuartal dan ditentukan oeh Middle Management .
3. Jangka panjang (long term)
Merencanakan kuantitas dan waktu dari fasilitas produksi. Biasanya bersifat tahunan, 5
tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh Top Management .
[2] (Ginting. 2007.p32)
2.3 Kegunaan Peramalan
1. Menentukan apa yang dibutuhkan untuk perluasan pabrik
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
10/41
4
2. Menentukan perencanaan lanjutan bagi produk-produk yang ada untuk dikerjakan
dengan fasilitas-fasilitas yang ada
3. Menentukan penjadwalan jangka pendek produk-produk yang ada untuk dikerjakan
berdasarkan peralatan yang ada
[1](Biegel, John E.1992)
2.4 Karakteristik Peramalan yang Baik
Ada beberapa karakteristik peramalan yang harus dimiliki guna mendapatkan hasil peramalan
yang baik, karakteristik tersebut adalah:
1. Ketelitian
Hasil peramalan dikatakan bias bila peramalan memiliki penyimpangan yang tinggi dari
kenyataan. Kekonsistensian peramalan dapat dihasilkan jika kesalahan peramalan relatifkecil.
2. Biaya
Biaya yang digunakan untuk mengembangkan model peramalan adalah tergantung dari
metode, periode, dan jumlah item yang diramalkan. Hal ini berpengaruh terhadap data
yang dibutuhkan, bagaimana pengolahan datanya, bagaimana penyimpanan datanya, dan
siapa tenaga ahli yang dibutuhkan.
3. Respon
Peramalan haruslah bersifat stabil artinya bahwa hasil peramalan tidak memperlihatkan
fluktuasi dan perbedaan yang relatif besar dengan kenyataan yang sebenarnya, jika hal ini
terjadi maka harus diiringi dengan respon dari pengguna peramalan terhadap perbedaan
tersebut sehingga pengguna mampu untuk mendeteksi secara cepat mengenai terjadinya
penyimpangan terhadap hasil peramalan yang dilakukan.
4. Kesederhanaan
Apabila terjadi kesulitan terhadap metode peramalan yang sederhana maka pengguna akan
lebih mudah untuk menelusuri masalah yang terkait dan kemudian pengguna dengan
sendirinya akan mampu melakukan perbaikan terhadap kesulitan tersebut.
2.5 Metode Peramalan
Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua
macam, yaitu:
1) Metode Peramalan Kualitatif ( Judgement Method )
Peramalan kualitatif yaitu peramalan yang didasarkan atas kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Peramalan
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
11/41
5
kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan, dan
pengalaman seseorang. Oleh karena itu, hasil peramalan dari satu orang dengan orang lain
dapat berbeda. Meskipun demikian, peramalan dengan metode kualitatif tidak berarti hanya
menggunakan intuisi, tetapi juga bisa mengikutsertakan model-model statistik sebagai
bahan masukan dalam melakukan judgement (keputusan), dan dapat dilakukan secara
perseorangan maupun kelompok. Beberapa metode peramalan yang digolongkan sebagai
model kualitatif adalah sebagai berikut:
a. Metode Delphi
b. Management estimate atau panel consensus
c. Riset pasar
d. Metode kelompok terstruktur (Structured group methods)
e. Analogi historis ( Historical Analogy)
2) Metode Peramalan Kuantitatif (Statistical Method )
Peramalan kuantitatif yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu.
Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam
peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang
berbeda. Adapun yang perlu diperhatikan dari penggunaan metode tersebut adalah baik
tidaknya metode yang dipergunakan sangat ditentukan oleh perbedaan atau penyimpangan
antara hasil ramalan dengan kenyataan yang terjadi. Peramalan kuantitatif hanya dapat
digunakan apabila terdapat tiga kondisi sebagai berikut:
a. Adanya informasi tentang keadaan yang lain
b. Informasi tersebut dapat dikuantifikasikan dalam bentuk data
c. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang
Prosedur umum yang digunakan dala peramalan secara kuantitatif adalah:
Langkah IDefinisikan Tujuan
Peramalan
Langkah IIIPilih beberapa
metode
Langkah II
Buat Diagram
Pencar
Langkah IV
Hitung parameter-
parameter
Langkah V
Hitung setiap
kesalahan setiap
metode
Langkah VI
Pilih metode
dengan kesalahan
terkecil
Langkah VIIVerifikasi
peramalan
Gambar 2. 1 Langkah-langkah Peramalan Secara Kuantitatif [2] (Ginting. 2007:45)
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
12/41
6
Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas dua bagian, yaitu:
A. Metode Kausal
Metode kasual mengasumsikan faktor yang diperkirakan menunjukkan adanya hubungan
sebab akibat dengan satu atau beberapa variabel bebas. Kegunaan dari metode ini adalah
untuk menemukan bentuk hubungan antara variabel-variabel tersebut dan menggunakannya
untuk meramalkan nilai dari variabel lainnya. Beberapa metodenya adalah:
a. Regresi dan korelasi
b. Model Ekonometrik
c. Metode Input-Output
B. Metode Time Series
Metode time series adalah metode peramalan secara kuantitatif dengan menggunakan waktu
sebagai dasar peramalan.[3] (Baroto. 2002:27)
Metode peramalan didasarkan atas penggunaan analisa pola hubungan antara variabel yang
akan diperkirakan dengan variabel waktu. Terdapat empat jenis pola permintaan, yaitu:
a. Pola Siklis (Cycle)
Pola data ini terjadi bila fluktuasi permintaan secara jangka panjang membentuk pola
sinusoid atau gelombang atau siklus. Penjualan produk dapat memiliki siklus yang
berulang secara periodik. Banyak produk dipengaruhi pola pergerakan aktivitas ekonomi
yang terkadang memiliki kecenderungan periodik. Metode peramalan yang sesuai adalah
moving average, weight moving average, dan exponential smoothing.
Gambar 2. 2 Pola Data Siklis
b. Pola Musiman (Seasonal)
Pola data ini terjadi bila data yang kelihatannya berfluktuasi, namun fluktuasi tersebutakan terlihat berulang dalam suatu interval waktu tertentu. Disebut pola musiman karena
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
13/41
7
permintaan ini biasanya dipengaruhi oleh musim, sehingga biasanya interval perulangan
data ini adalah satu tahun. Metode peramalan yang sesuai adalah metode winter, moving
average, atau weight moving average.
Gambar 2. 3 Pola Data Musimanc. Pola Horizontal
Pola horisontal ada apabila nilai data berfluktuasi di sekitar rata-rata yang konstan.
Metode peramalan yang sesuai adalah konstan
Gambar 2. 4 Pola Data Horizontal
d. Pola Trend
Pola data ini terjadi bila data permintaan menunjukkan pola kecenderungan gerakan
penurunan atau kenaikan jangka panjang. Metode peramalan yang sesuai adalah regresi
linear, exponential smoothing, atau double exponential smoothing.
Gambar 2. 5 Pola Data Trend
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
14/41
8
Adapun metode peramalan yang termasuk model time series adalah sebagai berikut:
a) Regresi
Data yang dibutuhkan untuk metode ini adalah tahunan, minimal lima tahun. Namun,
semakin banyak data yang dimiliki semakin baik hasil yang diperoleh. Untuk
peramalan jangka pendek dan panjang, ketepatan peramalan dengan metode ini sangat
baik.
i. Konstan
, Dimana ∑
ii. Linier
, Dimana
∑ ∑ ∑ ∑
∑ ∑²
∑ ∑ ∑ ∑
∑ ∑²
b) Smoothing Digunakan untuk mengurangi ketidakteraturan musiman dari data yang lalu, dengan
membuat rata-rata tertimbang dari sederetan data masa lalu. Ketepatan peramalan
dengan metode ini akan terdapat pada peramalan jangka pendek, sedangkan untuk
peramalan jangka panjang kurang akurat. Jenis metode smoothing adalah:
i. Metode Rata-rata Bergerak ( Moving Average), terdiri atas:
a. Single/Simple Moving Average
′ − −. . .− dengan:
D’t = peramalan untuk periode mendatang
n = jumlah deret waktu yang digunakan
Dt = demand aktual di periode t
b. Double Moving Average
′ − −. . .−+
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
15/41
9
" − −. . .−+ ′ " 2 "
2
1 "
′+ Catatan:
Notasi yang diberikan adalah MA (M x N) artinya M- periode MA untuk S” dan
N- periode MA untuk S’
c. Weighted Moving Average
′ 1 2
dengan:
w1 : bobot yang diberikan pada periode t-1
w2 : bobot yang diberikan pada periode t-2
w3 : bobot yang diberikan pada periode t-n
ii. Metode Exponential Smoothing
Metode ini dipakai pada kondisi di mana bobot data pada periode yang satu berbeda
dengan data pada periode sebelumnya dengan membentuk fungsi eksponensial
yang biasa disebut dengan exponential smoothing. Karakteristik smoothing
dikendalikan dengan menggunakan parameter smoothing α, yang bernilai antara 0
sampai dengan 1. Fungsi parameter ini adalah untuk memberikan penekanan yang
lebih terhadap data yang paling baru. Setiap peramalan yang baru berdasarkan pada
hasil peramalan sebelumnya ditambah dengan suatu presentase perbedaan antara
peramalan dengan nilai aktualnya pada saat tersebut.
Metode Exponential Smoothing terdiri atas:
a. Single Exponential Smoothing
′ ′− − − dengan:
D’t = peramalan untuk periode mendatang
Dt = demand aktual di periode t
α = suatu nilai yang ditentukan
b. Double Exponential Smoothing
′ 1 ′−
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
16/41
10
" ′ 1 "− ′ " 2′ " 1
"
′+ dengan:
S’t = single exponential smoothing
S”t = double exponential smoothing
m = jumlah periode yang akan diramal
2.6 Kriteria Performansi Peramalan
Ukuran kesalahan (error ) adalah besarnya penyimpangan antar actual demand dengan
hasil peramalan. Fungsi dari kriteria performansi peramalan adalah:
a. Membandingkan ketepatan dua atau lebih metode yang berbeda
b. Sebagai alat ukur apakah teknik yang diambil dapat dipercaya atau tidak
c. Membantu mencari sebuah metode yang optimal
Seorang perencana tentu menginginkan hasil perkiraan ramalan yang tepat atau paling
tidak dapat memberikan gambaran yang paling mendekati sehingga rencana yang dibuatnya
merupakan rencana yang reliastis. Ketepatan menjadi kriteria performansi suatu metode
peramalan dan dinyatakan sebagai kesalahan dalam peramalan. Kesalahan yang kecil
memberikan arti ketelitian peramalan yang tinggi, dengan kata lain keakuratan hasil peramalan
tinggi, begitu pula sebaliknya.
Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara, antara lain:
a. Mean Square Error (MSE)
MSE adalah metode yang mengevaluasi metode peramalan dengan mengkuadratkan
lalu dijumlahkan dan dibagi dengan jumlah observasi. Pendekatan ini mengatur
kesalahan peramalan yang besar karena kesalahan-kesalahan itu dikuadratkan. MSE
biasa disebut juga galat peramalan [4] (Gaspersz.2004). Rata-rata kesalahan kuadrat
memperkuat pengaruh angka-angka kesalahan besar, tetapi memperkecil angka
kesalahan prakiraan yang lebih kecil dari satu unit.
∑ ²=
dengan:
d t = data aktual pada periode t
D’t = nilai ramalan pada periode t
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
17/41
11
n = banyaknya periode
b. Mean Absolute Deviation (MAD)
MAD mengukur ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai
absolut masing-masing kesalahan). MAD merupakan nilai total absolut dari forecast
error dibagi dengan data. Atau yang lebih mudah adalah nilai kumulatif absolute error
dibagi dengan periode. (Wright and Mc Gee.1993)
∑ |−′= |
c. Mean Absolute Percentage Error (MAPE)
Rata-rata persentase kesalahan kuadrat merupakan pengukuran ketelitian dengan cara
persentase kesalahan absolut. MAPE menunjukkan rata-rata kesalahan absolut
prakiraan dalam bentuk persentasenya terhadap data aktualnya. MAPE mengindikasi
seberapa besar kesalahan dalam meramal yang dibandingkan dengan nilai nyata pada
deret. Metode MAPE digunakan jika nikai Yt besar. MAPE juga dapat digunakan
untuk membandingkan ketepatan dari teknik yang sama atau berbeda dalam dua deret
yang sangat berbeda da mengukur ketepatan nilai dugaan model yang dinyatakan
dalam bentuk rata-rata persentase absolut kesalahan.
∑ [(| | )×100%]=
2.7 Verifikasi
Proses verifikasi digunakan untuk melihat apakah metode peramalan yang diperoleh
representatif terhadap data. Proses verifikasi dilakukan dengan menggunakan Moving Range
Chart (MRC). Dari chart (peta) ini dapat terlihat apakah sebaran masih dalam kontrol ataupun
sudah berada di luar kontrol. Jika sebaran berada di luar kontrol, maka fungsi/metode
peramalan tersebut tidak sesuai, artinya pola peramalan terhadap data tersebut tidak
representatif. [2] (Ginting.2007. p60)
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
18/41
12
Gambar 2. 6 Moving Range Chart (MRC)
Moving range chart digunakan untuk membandingkan besarnya demand masa lalu dengan
demand hasil forecasting. Moving range adalah peta kontrol statistik yang digunakan pada
pengendalian kualitas. Peta moving range memiliki batasan-batasan yang terdiri dari batas
kontrol atas dan batas kontrol bawah. Jika ada sebuah titik atau data yang berada di luar batas
tersebut maka ada beberapa data yang harus dihilangkan atau mencari metode peramalan
yang lain.
Harga MR diperoleh dari: ∑ −
Dimana | − − Kondisi out of control dapat diperiksa dengan menggunakan empat aturan berikut:
c. Aturan satu titik
Bila ada titik sebaran (d-d’) berada di luar UCL dan LCL. Walaupun jika semua titik
sebaran berada dalam batas kontrol, belum tentu fungsi/metode representatif. Untuk itu
penganalisaan perlu dilanjutkan dengan membagi MRC dalam tiga daerah, yaitu: A, B,
dan C.
d. Aturan tiga titik
Bila ada tiga buah titik secara berurutan berada pada salah satu sisi, yang mana dua
diantaranya jatuh pada daerah A.
e. Aturan lima titik
Bila ada lima buah titik secara berurutan berada pada salah satu sisi, yang mana empat
diantaranya jatuh pada daerah B
f. Aturan delapan titik
Bila ada delapan buah titik secara berurutan berada pada salah satu sisi, pada daerah C.
[2](Ginting.2007.62)
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
19/41
13
Bila kondisi data out of control, maka yang harus kita lakukan adalah memperbaiki datanya
untuk memasukkan data baru dan sistem penyebab yang baru, serta menunggu fakta-fakta atau
keterangan berikutnya.
2.8 Strategi Perencanaan Agregat
1. Level Strategy ( Level Work Force Plan)
Pada strategi ini tingkat jumlah tenaga kerja tetap, dan perubahan terjadi pada persediaan.
Jika suatu permintaan lebih dari produksi, maka diambil dari persediaan. Kelebihan
strategi ini adalah jumlah tenaga kerja tetap, tidak ada lembur, dan tidak ada undertime.
Kelemahannya adalah diperlukan tambahan modal untuk persediaan, padahal modal
dapat digunakan untuk kegiatan lain yang menguntungkan. (Baroto, 2002)
2. Chase strategy ( Zero-Inventory Plan)Strategi ini tidak menyediakan persediaan untuk produksi, digunakan dengan cara
menambah atau mengurangi jumlah tenaga kerja yang sudah ada. Jika tingkat produksi
rendah dapat dilakukan layoff tenaga kerja dan sebaliknya, jika tingkat produksi tinggi
dapat dilakukan hiring. Kelemahan dari strategi ini adalah perusahaan harus
mengeluarkan biaya hiring dan layoff.
3. Subcontract strategy
Subcontract strategy adalah suatu strategi perusahaan untuk meningkatkan kapasitas
produksi dalam memenuhi permintaan dengan cara bekerja sama dengan perusahaan lain
untuk pembuatan produk. Kelebihannya adalah pekerjaan dapat lebih cepat selesai dan
permintaan terpenuhi, namun kelemahannya adalah kita tidak dapat mengetahui kualitas
produknya terjamin.
4. Mixed Strategy
Mixed strategy merupakan gabungan perubahan dua atau lebih strategi murni sehingga
diperoleh perencanaan produksi fleksibel.
5. Transportation strategy
Metode ini merupakan kasus khusus dari program linear yang dapat digunakan untuk
menganalisis pengaruh dari persediaan dan backorder dengan menggunakan lembur
dan subcontract. Perencanaan agregat selanjutnya digunakan untuk membuat jadwal
induk produksi (JIP).
2.9 Disagregasi
Disagregasi adalah proses penyamaan (generalisasi) dari satuan agregat ke dalam satuan
end item berdasarkan faktor konversi. Hasil disagregasi ini berupa jadwal induk produksi (JIP)
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
20/41
14
(Bedworth,1987,p147). Tujuan proses disagregasi ini adalah untuk menjamin bahwa produk
tersedia untuk memenuhi demand tetapi ongkos dan inventory yang tidak perlu dapat
dihindarkan.
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
21/41
15
BAB III
PROFIL PERUSAHAAN
3.1 Sejarah PerusahaanPT Petrosida Gresik adalah anak perusahaan dari PT Petrokimia Gresik dengan status
Penanaman Modal Dalam Negeri (PMDN). Saham perusahaan sebesar 99,99% dimiliki oleh
PT Petrokimia Gresik sedangkan 0,01% sisanya dimiliki oleh Koperasi Karyawan Keluarga
Besar PT Petrokimia Gresik (K3PG). PT Petrosida Gresik didirikan mulai tanggal 4 Agustus
1984 dan diresmikan oleh Presiden Republik Indonesia yang menjabat saat itu pada tanggal 10
Oktober 1984.
Mulai tahun 1984, PT Petrosida Gresik memproduksi bahan aktif pertanian seperti pestisida, pupuk, dan bahan kimia untuk penunjang Industri Agrokimia. Produksi PT Petrosida
Gresik diawali dengan pembangunan unit Carbofuran teknis (tahun 1989), kemudian
dilakukan penambahan fasilitas formulasi insektisida (tahun 1996), formulasi herbisida (tahun
2000), formulasi fungisida (tahun 2002), produksi pupuk organik di Tongas (tahun 2007), dan
produksi bahan kimia (tahun 2011), dilakukan pengembangan produk bio melalui
pembangunan Bio Center di KIG (tahun 2012). Hingga pada tahun 2014, telah diresmikan unit
produksi Bio oleh Menteri Riset dan Teknologi (Menristek) Republik Indonesia.
PT Petrosida Gresik terus melakukan penjaminan mutu produk-produk yang dihasilkan,
serta memperhatikan kesehatan dan keselamatan kerja (K3) karyawan dan lingkungan. Oleh
karena itu, PT Petrosida Gresik telah menerapkan Sistem Manajemen Mutu ISO 9001:2008,
Sistem Manajemen K3, dan Sistem Manajemen Lingkungan ISO 14001:2004.
3.2 Bidang Usaha Perusahaan
PT Petrosida Gresik adalah perusahaan Agroindustri yang profesional, berpotensi dan
berkembang di Indonesia. PT Petrosida Gresik adalah anak perusahaan dari PT Petrokimia
Gresik (persero) perusahaan pupuk terbesar dan terlengkap di Indonesia. PT Petrosida Gresik
berdiri sejak tahun 1984 dengan memproduksi Bahan Aktif kimia untuk pertanian dan
perkebunan pertama kali di Indonesia. Berikut ini adalah informasi mengenai perizinan PT
Petrosida Gresik.
Nama perusahaan : PT PETROSIDA GRESIK
Bidang usaha : Agroindustri
Izin usaha industri : 28/M/SK-I/9/1990 Badan hukum : PMDN (Penanaman Modal Dalam Negeri)
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
22/41
16
Dalam jangka waktu 10 tahun terakhir ini, PT Petrosida Gresik menyediakan produk
produk kimia pertanian (agrokimia) seperti pestisida, pupuk serta bahan kimia untuk penunjang
industri agrokimia. Dengan luas lahan pertanian dan perkebunan di Indonesia yang begitu besar
didukung dengan pengalaman selama lebih dari 20 tahun di industri agrokimia, PT Petrosida
Gresik berusaha berperan serta dan memberikan yang terbaik dengan produk-produk yang
berkualitas kepada para petani dan pelaku usaha yang bergerak di bidang pertanian dan
perkebunan untuk menyelamatkan hasil panennya serta membantu pemerintah menciptatakan
swasembada pangan di Indonesia. Saat ini PT Petrosida Gresik sedang mengembangkan
produk-produk Bio Pestisida dan Bio Fertillizer untuk mendukung gerakan Go Green di
Indonesia. dengan wilayah pemasaran yang mencakup wilayah di seluruh Indonesia PT
Petrosida Gresik berusaha untuk lebih dekat dengan pelanggan dan memberikan pelayanan
terbaik. Berikut ini adalah lokasi pabrik PT Petrosida Gresik.
1. Pabrik pusat Gresik
2. Pabrik Bio Center dan Enzim Gresik
3. Pabrik Pupuk Tongas Probolinggo
4. Pabrik Pupuk Sumedang
5. Unit Herbisida Medan
6. Unit Herbisida Lampung
Selain membangun pabrik pendukung di beberapa wilayah PT Petrosida Gresik juga
memiliki gudang penyangga di daerah sebagai penjamin pasokan produk datang tepat waktu
sesuai permintaan pelanggan. Lokasi gudang penyangganya diantaranya: Medan, Lampung,
Pontianak, Banjarmasin, Makasar, Mataram, Bali, Sidoarjo, Banyuwangi, Probolinggo,
Jember, Nganjuk, Cirebon, Sumedang, Pasuruan, Palembang, Demak, Klaten.
Saat ini PT Petrosida Gresik memiliki kapasitas produksi bahan aktif pestisida, formulasi
pestisida, pupuk dan bahan kimia sebesar:
1. Bahan aktif:
a. IPA Glyphoshate 62% : 10.000 ton/tahun
b. 2,4 D Amine : 6.000 ton/tahun
2. Formulasi:
a. Insektisida : 20.000 Ton/tahun
b. Herbisida : 44.500 Ton/tahun
c. Fungisida : 2.350 Ton/tahun
d. Zat Pengatur Tumbuh (ZPT) : 1.250 Ton/tahun
e. Chemical : 14.700 Ton/tahun
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
23/41
17
f. Unit Lampung : 4.500 Ton/tahun
g. Unit Medan : 2.000 Ton/tahun
3. Biopestisida : 700 ton/tahun
Berikut ini adalah daftar produk PT Petrosida Gresik
Tabel 3. 1 Daftar Produk PT Petrosida Gresik
Bahan Aktif/Jenis Nama Produk
Insektisida
Abamecthrin Sidamec 20 EC
BPMC Sidabas 500 EC; Naga 500 EC; Bona 500 EC
Buprofezin Buprosida 100 EC
Dimetoat Sidajos 430 EC
Deltamethrin Percis 30 EC; Sidacis 25 EC
Diazinon Sidazinon 600 EC
MIPC Sidacin 50 WP; Venop 60 WP
Dimehipo Sidatan 410 SL
Fipronil Fipros 55 SC
Imidakloprid Top Dor 10 WP
Carbofuran Sidafur 3 G
Klorpirifos Sidalaku 212 EC
Lambdasihalothrin Lamsida 55 EC; Setor 40 EC; Sidador 30 EC; Jidor 25 EC
Profenofos Sidacron 510 EC
Cypermethrin
Done 200 EC; Jose 200 EC; Smack Down 100 EC;
Luzon 100 EC; Kokan 100 EC; Copa 100 EC;
Domino 100 EC; Genius 100 EC; Bayu 100 EC;
Sistrin 75 EC; Sidamethrin 50 EC; Corsida 50 EC;
Yasithrin 30 EC; Metrin 30 EC
Triasofos+Deltametrin Sidathion 225 EC
Propargit Yosan 575 EC
Brodifakum Sidarat
Triklopir Jotos 490 EC
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
24/41
18
Bahan Aktif/Jenis Nama Produk
Herbisida
Ipa Glyphosate 62%
See Top 525 SL; Sida Up 490 SL; Babat 210 SL; Meto 490 SL; Nio
490 SL; Brown Up 490 SL; Amara 490 SL; Bush Up 440 SL;Pangkas 400 SL; Sidafos 480 AS; Safa 250 SL; Sidalaris 240 AS;
Away 250 SL; Laris 250 SL; Galak 250 SL; Dior 166 SL; Sidatop
166 SL; Voting 166 SL; Zig Zag 166 SL
Paraquat Diklorida Sidaxone 276 SL
Diuron Sidaron 80 WP; Sidaron 500 SC
2.4D DMA 865 Damin 875 AS; Sidamin 865 AS; Minda 720 AS
Thiobencarb + 2.4D Thiosida 6 GR
Amethryn Amegrass 500 SC; Amegrass 80 WP
Methyl Metsulfuron Medally 20 WG
Oxyfluorfen Zeram 250 EC
Ipa Glyphosate + 2.4 D
DMA
Lutop 250/125 SL; Dizzo 250/125 SL; Sidastar 300/100 SL; Obin
310/115 SL; Bulma 400/150 SL
Ipa Glyphosate +
Methyl MetsulfuronBransida 360/10 SL; Glymetz 240/10 SL
Fungisida
Mancozeb Sidazeb 80 WP
Propineb Satgaz 75 WP
Simoksanil Siodan 20 WP
Methyl Tiofonat Topsida 75 WP
Difenokonazol Fenosidda 255 EC
Chlorotalanil Petronil 75 WP
Propiconazol Sidazol 250 EC
Mancozeb +
KarbendazimCozene 70/10 WP
Produk Zat Pengatur Tumbuh
Ethepon 12.5 P.A. Guela 12.5 PA
Ethephon Tech 95 % Guela 480 SL
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
25/41
19
Bahan Aktif/Jenis Nama Produk
Produk Hayati dan Inovasi
Pupuk NPK NPK Tiara; NPK Petrophonk; NPK Sidaphonk; Pupuk Daun
NutricompPupuk Organik Sidanik; Petroganik
Produk Bio Biokaosida
Pupuk Hayati Bactenik; Petrobiofertil; Potensida; Pethrikaphos
Pupuk Cair Sida Green
Perikanan dan Peternakan
Produk Perikanan Probiotik Petrofish; Pakan ikan Biofhisher
Produk Peternakan Petrobiofeed; PetrochickProduk Kimia
Anti Cacking Petrocoat 01
Coating Oil Water Base Petrocoat 02; Oil Base Sidacoat 05
Anti Foam Petrocoat 03
Fertilizer dye untuk
urea (Pink)Petrocoat 06
Fertilizer dye untuk
ZA (Orange)Petrocoat 07
Produk Benih
Benih Padi Petrosida; Petroseed
Benih Cabai Petrochili
Produk Lain
Produk Enzim Petrozyme 01; Petrozyme 02
Produk Pangan Fitrice
Citrunella Oil Tross-X Aier Freshener
Surfaktan Surfaktan PS-400; Surfaktan PS-500
3.3 Visi dan Misi Perusahaan
3.3.1 Visi Perusahaan
PT Petrosida Gresik memiliki visi untuk menjadi Perusahaan Agroindustri terkemuka
di Indonesia yang senantiasa berkemampuan memberi kemanfaatan besar kepada pelanggandan stakeholder lainnya.
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
26/41
20
3.3.2 Misi Perusahaan
PT Petrosida Gresik memiliki misi untuk menjadi perusahaan yang dapat:
1. Menyediakan produk dan pelayanan berkualitas dengan harga yang kompetitif.
2. Mengelola bisnis melalui kegiatan operasional yang excellent , keunggulan daya saing,
kerjasama dan sinergi.
3. Meningkatkan kemanfaatan bagi pelanggan, pemegang saham, karyawan, dan
stakeholder lainnya secara berkelanjutan.
3.4 Struktur Organisasi Perusahaan
DIREKTUR PEMASARAN
DIREKTUR KEUANGAN
DIREKTUR TEKNIK & PRODUKSI
DEPARTEMEN KEUANGAN
DEPARTEMEN PENJUALAN RETAIL
BAGIAN AKUNTANSI & ANGGARAN
BAGIAN KEUANGAN
STAF PENAGIHAN
DEPARTEMEN SDM & UMUM
BAGIAN PERSONALIA & SISDUR
BAGIAN HUKUM & SEKRETARIAT
DEPARTEMEN PENGADAAN & LOGISTIK
BAGIAN PENGADAAN
BAGIAN GUDANG BAHAN & MATERIAL
BAGIAN PENJ. RETAIL WILAYAH I
BAGIAN PENJ. RETAIL WILAYAH II
BAGIAN PENJUALAN PUPUK SUBSIDI
DEPARTEMEN PENJUALAN KORPORASI
BAGIAN PENJ. KORP. NON SAPROTAN
BAGIAN PENJ. KORPORASI WILAYAH I
BAGIAN PENJ. KORPORASI WILAYAH II
BAGIAN PPIC
STAF PERWAKILAN JAKARTA
DEPARTEMEN PRODUKSI
BAGIAN PRODUKSI PESTISIDA
BAGIAN PRODUKSI PUPUK
BAGIAN PRODUKSI NON SAPROTAN
& HOUSEHOLD
BAGIAN PEMELIHARAAN
BAGIAN PRODUKSI HAYATI / BIO
BAGIAN JAMINAN KUALITAS DAN
INSPEKSI
DEPARTEMEN LITBANG & LH
BAGIAN LABORATORIUM
BAGIAN BANGTEK & PRODUK
BAGIAN K3 & LH
BAGIAN RANCANG BANGUN
STAF DIREKSI
DEPARTEMEN AUDIT INTERNAL
STAF AUDIT ADMINISTRASI
STAF AUDIT OPERASIONAL
STAF MANAJEMEN RISIKO & GCG
DIREKTUR UTAMA
BAGIAN PELAYANAN UMUM
BAGIAN PENJ. PRODUK PENGEMBANGAN
DEPARTEMEN DISTRIBUSI & PEMASARAN
STAF DIREKSI
STAF DIREKSI
BAGIAN DISTRIBUSI WILAYAH I
BAGIAN DISTRIBUSI WILAYAH II
BAGIAN HUBUNGAN PELANGGAN &
PROMOSI
BAGIAN PERENCANAAN &
PENGEMBANGAN PASAR
Gambar 1.1 Struktur Organisasi PT Petrosida Gresik
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
27/41
21
BAB IV
PENGOLAHAN DATA
4.1 Data Hasil SurveyData yang diperoleh dari data historis penjualan produk utama pada tahun 2014-2015.
Data tersebut meliputi data penjualan 3 produk insektisida, 3 produk herbisida dan 3 produk
fungisida. Dari sembilan produk tersebut akan dipilih masing-masing satu produk untuk tiap
jenis produk utama yang memiliki kapasitas kemasan 400 ml. Berikut merupakan data
penjualan produk dengan kapasitas kemasan 400 ml PT Petrosida Gresik:
Tabel 4. 1 Data Penjualan Produk dengan Kapasitas Kemasan 400 ml
Periode Produk A Produk B Produk C
Jul-14 1 19155 8405 1290
Agu-14 2 18010 11860 340
Sep-14 3 16975 14765 0
Okt-14 4 11750 19890 180
Nov-14 5 8520 33400 1490
Des-14 6 18675 27185 1110
Jan-15 7 40945 41420 880
Feb-15 8 27035 15540 4510
Mar-15 9 36400 36400 2330
Apr-15 10 28705 51180 5920
Mei-15 11 14815 11900 3710
Jun-15 12 29195 11625 460
Waktu Baku (menit) 8 9 7
Dengan data inventory dari unit pergudangan pada periode akhir di tahun sebelumnya
menyebutkan bahwa untuk Produk A menyimpan sebanyak 16 box kardus, Produk B
sebanyak13 box kardus, dan Produk C sebanyak 10 box kardus, di mana setiap boxnya berisi
50 buah botol. Setiap satu botol berisi cairan sebesar 400 ml, yang berarti:
Tabel 4. 2 Data Invetory dengan Kapasitas Kemasan 400 ml
Produk A Produk B Produk C
800 botol 650 botol 500 botol
Diketahui pula data harga jual perbotol yaitu produk A Rp 15.000, produk B seharga
Rp 10.500, dan produk C seharga Rp 8.000. Dan didapat data sebagai berikut:
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
28/41
22
4.2 Perhitungan Data
4.2.1 Agregasi
Dengan faktor konversi yang didapat adalah 0,89 untuk produk A, 1 untuk produk B,
dan 0,78 untuk produk C. Maka dapat dihitung data unit agregat dari penggabungan semua
botol produk A, B, dan C dengan cara mengalikan jumlah demand produk dengan faktor
konversi, dan didapat data unit agregasi dari semua produk yang sebagai berikut:
Tabel 4. 3 Data Family Agreagat PT Petrosida Gresik Periode Juni 2014-Juli 2015
Periode Data Botol Agregat
1 24685
2 28133
3 29854
4 30474
5 42132
6 44648
7 78500
8 43079
9 70568
10 81300
11 27954
12 37934
Jumlah tenaga kerja 20 Orang
1 hari kerja 8 Jam
Rp
Ongkos Hiring 120.000Rp /orang
Ongkos layoff 175.000Rp /orangOngkos RT 5.000Rp /botol
OT 10.000Rp /botol
SK 25.000Rp /botol
Kapasitas OT 25% x RT
2% x Harga Jual
KAPASITAS
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
29/41
23
Gambar 4. 1 Grafik Agregasi PT Petrosida Gresik Periode Juli 2014 - Juni 2015
Dari grafik yang didapat, dapat disimpulkan bahwa jenis pola data demand adalah siklis. Maka
metode peramalan yang sesuai adalah moving average, weight moving average, dan
exponential smoothing.
Dari perhitungan dengan 3 metode tersebut, maka dipilihlah yang memiliki MSE
988862113 yaitu dengan metode Double Eksponensial Smoothing α = 0,3. Walaupun Single
Exponensial Smoothing memiliki MSE yang lebih kecil, namun tidak dapat digunakan karena
hanya bisa meramalkan untuk 1 bulan ke depan. Berikut adalah perhitungannya:
Tabel 4. 4 Perhitungan Double Eksponensial Smoothing α = 0,3
Bulan t d(t) S'(t) S"(t) S'(t) - S"(t) a b d'(t) = a+bm E e²
Jul-14 1 24685 24685.00 24685.00
Aug-14 2 28133 25719.50 24995.35 724.15 26443.65 310.35 26754 1379 1902561
Sep-14 3 29854 26959.82 25584.69 1375.13 28334.94 589.34 28924 930 864167
Oct-14 4 30474 28014.21 26313.54 1700.66 29714.87 728.85 30444 31 944
Nov-14 5 42132 32249.61 28094.36 4155.25 36404.86 1780.82 38186 3947 15575229
Dec-14 6 44648 35969.23 30456.82 5512.40 41481.63 2362.46 43844 804 646808
Jan-15 7 78500 48728.46 35938.31 12790.15 61518.60 5481.49 67000 11500 132247818
Feb-15 8 43079 47033.59 39266.90 7766.69 54800.28 3328.58 58129 -15050 226501693
Mar-15 9 70568 54093.84 43714.98 10378.86 64472.71 4448.08 68921 1647 2712557
Apr-15 10 81300 62255.69 49277.19 12978.50 75234.19 5562.21 80796 504 253611
May-15 11 27954 51965.32 50083.63 1881.69 53847.00 806.44 54653 -26699 712836403
Jun-15 12 37934 47755.89 49385.31 -1629.42 46126.47 -698.32 45428 -7494 56163900
Jumlah 1149705691
0
20000
40000
60000
80000
100000
1 2 3 4 5 6 7 8 9 10 11 12
Permintaan PT Petrosida periode Juli 2014 -
Juni 2015
Series1
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
30/41
24
Dan dapat diperoleh forecasting untuk 12 bulan ke depan, yaitu dengan perhitungan
sebagai berikut:
Tabel 4. 5 Peramalan 12 bulan ke depan
Bulan t d(t) a b d'(t) = a+bm Jun-15 12 37934 46126.47 -698.32
Jul-15 13 46126.47 -698.32 45428
Aug-15 14 46126.47 -698.32 44730
Sep-15 15 46126.47 -698.32 44032
Oct-15 16 46126.47 -698.32 46126
Nov-15 17 46126.47 -698.32 42635
Dec-15 18 46126.47 -698.32 41937
Jan-16 19 46126.47 -698.32 41238Feb-16 20 46126.47 -698.32 40540
Mar-16 21 46126.47 -698.32 39842
Apr-16 22 46126.47 -698.32 39143
May-16 23 46126.47 -698.32 38445
Jun-16 24 46126.47 -698.32 37747
4.2.2 Verifikasi
Setelah melakukan forecasting, kami melakukan uji verifikasi terhadap data untuk
melihat apakah metode yang kami lakukan representatif terhadap data tersebut. Berikut hasil
yang diperoleh dari perhitungannya:
Tabel 4. 6 Uji Hasil Peramalan
BULAN T Y Y' Y'-Y MR
Jul-14 1 24685 0 0
Aug-14 2 28133 28564.38 0
Sep-14 3 29854 36857.3 7003
Oct-14 4 30474 36942.96 6469 535
Nov-14 5 42132 64213.61 22081 15613
Dec-14 6 44648 67023.27 22375 294
Jan-15 7 78500 145519.53 67020 44645
Feb-15 8 43079 47165.64 4087 62933
Mar-15 9 70568 106958.21 36390 32304
Apr-15 10 81300 128939.57 47640 11249
May-15 11 27954 -13190.4 -41145 88784
Jun-15 12 37934 11125.17 -26809 14336
Jumlah 270692.0478
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
31/41
25
Tabel 4. 7 Batasan Hasil Peramalan
Y'-Y UCL LCL A(+) A(-) B(+) B(-)
0.0 80004.54 -80004.54 53336.36 -53336.36 26668.18 -26668.18
0.0 80004.54 -80004.54 53336.36 -53336.36 26668.18 -26668.18
7003.4 80004.54 -80004.54 53336.36 -53336.36 26668.18 -26668.18
6468.5 80004.54 -80004.54 53336.36 -53336.36 26668.18 -26668.18
22081.4 80004.54 -80004.54 53336.36 -53336.36 26668.18 -26668.18
22374.9 80004.54 -80004.54 53336.36 -53336.36 26668.18 -26668.18
67019.5 80004.54 -80004.54 53336.36 -53336.36 26668.18 -26668.18
4086.8 80004.54 -80004.54 53336.36 -53336.36 26668.18 -26668.18
36390.4 80004.54 -80004.54 53336.36 -53336.36 26668.18 -26668.18
47639.6 80004.54 -80004.54 53336.36 -53336.36 26668.18 -26668.18
-41144.8 80004.54 -80004.54 53336.36 -53336.36 26668.18 -26668.18
-26808.7 80004.54 -80004.54 53336.36 -53336.36 26668.18 -26668.18
Gambar 4. 2 Grafik Forecast Demand
Analisis :
Dari diagram MR yang telah didapat, berdasarkan :
Aturan 1 titik : Semua data yang diperoleh berada di dalam batas UCL dan LCL, dan tidak
memenuhi aturan satu titik sehingga datanya terkontrol.
Aturan 3 titik : Berdasarkan aturan ini data yang didapat tidak ada 3 data yang berurutan
dan 2 diantaranya berada di A sehingga tidak memenuhi aturan ini, jadi datanya terkontrol.
Aturan 5 titik : berdasarkan aturan ini data yang didapat tidak ada lima buah titik secara
berurutan yang berada salah satu sisi, dan tidak ada empat diantaranya yang jatuh padadaerah B sehingga bisa dikatakan out of control.
-100000.0
-80000.0
-60000.0
-40000.0
-20000.00.0
20000.0
40000.0
60000.0
80000.0
100000.0
1 2 3 4 5 6 7 8 9 10 11 12
FORECAST DEMAND
Y'-Y
UCL
LCL
A(+)A(-)
B(+)
B(-)
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
32/41
26
Aturan 8 titik : berdasarkan aturan ini data yang didapat tidak ada delapan buah titik secara
berurutan berada pada salah satu sisi, pada daerah C sehingga bisa dibilang out of control.
Sehingga secara keseluruhan dapat disimpulkan bahwa data in control.
4.2.3 Perencanaan Agregat
Tabel 4. 8 Data Peramalan Liter Agregat
Data Peramalan Liter Agregat X
BULAN T Y'
Jul-15 13 45428
Aug-15 14 44730
Sep-15 15 44032
Oct-15 16 46126
Nov-15 17 42635
Dec-15 18 41937
Jan-16 19 41238
Feb-16 20 40540
Mar-16 21 39842
Apr-16 22 39143
May-16 23 38445
Jun-16 24 37747
Tabel 4. 9 Data Hari Kerja
Periode Hari kerja
13 18
14 19
15 19
16 19
17 20
18 15
19 18
20 19
21 19
22 19
23 18
24 19
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
33/41
27
4.2.4 Perhitungan Agregat Kapasitas, Inventory dan Ongkos Inventory
Tabel 4. 10 Perhitungan Perencanaan Kapasitas
Periode Hari kerja RT (Unit) OT (Unit)
13 18 21600 5400
14 19 22800 5700
15 19 22800 5700
16 19 22800 5700
17 20 24000 6000
18 15 18000 4500
19 18 21600 5400
20 19 22800 5700
21 19 22800 5700
22 19 22800 5700
23 18 21600 5400
24 19 22800 5700
Tabel 4. 11 Perencanaan agregat inventory
Family Item Inventory k Unit Agregat
X
Produk A 800 0.888888889 711
Produk B 650 1 650
Produk C 500 0.777777778 388
TOTAL 1749
Tabel 4. 12 Perencanaan agregat ongkos inventory
Family Item Harga Jual Ongkos Simpan K Unit Agregat
X
Produk A Rp15,000.00 Rp 300 0.888888889 Rp 267
Produk B Rp10,500.00 Rp 210 1 Rp 210
Produk C Rp8,000.00 Rp 160 0.777777778 Rp 124
TOTAL Rp 601
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
34/41
28
4.2.5 Teknik Perencanaan Agregat
Tabel 4. 13 Rekapitulasi Hasil Perhitungan Setiap Teknik Perencanaan Agregat
Alternatif Total RT Total OT Total SK Total Hiring Total Lay Off Total Inv. Akhir Total Cost
Level Strategy Rp 2,509,208,778 Rp - Rp - Rp - Rp - Rp (51,608,614) Rp 2,457,600,164
Chase Strategy Rp 2,546,700,000 Rp - Rp - Rp 24,840,000 Rp - Rp 4,507,278 Rp 2,576,047,278
Subcontract Strategy Rp 2,264,795,852 Rp - Rp 1,222,064,632 Rp - Rp - Rp - Rp 3,486,860,484
Mixed Strategy Rp 2,509,208,778 Rp - Rp - Rp - Rp - Rp 37,094,996 Rp 2,546,303,774
Transportation Model Rp 1,332,000,000 Rp 666,000,000 Rp 4,221,043,891 Rp 6,219,043,891
Dari hasil perhitungan 5 strategi, maka yang digunakan pada kasus ini adalah alternative level strategy karena memiliki total biaya yang lebih
murah (Rp 2,457,600,164) daripada 4 strategi lainnya (chase strategy, subcontract strategy, transportation model, mixed strategy). Sehingga pada
kasus ini alternative yang digunakan adalah level strategy.
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
35/41
29
4.2.3 Disagregasi
Tabel 4. 14 Data Demand
Periode Demand
13 45428
14 45428
15 45428
16 45428
17 45428
18 45428
19 45428
20 45428
21 45428
22 45428
23 45428
24 45428
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
36/41
30
Tabel 4. 15 Data Presentase Produk A, Produk B, Produk C
Periode 13 14 15 16 17 18 19 20 21 22 23 24
Produk A 66% 57% 51% 34% 18% 37% 46% 56% 46% 31% 47% 68%
Produk B 31% 42% 49% 65% 79% 61% 53% 36% 52% 63% 43% 31%
Produk C 2% 1% 0% 0% 3% 2% 1% 8% 3% 6% 10% 1%
Tabel 4. 16 Data Disagregasi
Periode 13 14 15 16 17 18 19 20 21 22 23 24
Produk A 30026 25453 22255 15809 7664 15592 19120 22615 18268 12285 18111 25823
Produk B 14053 18857 21777 30106 33799 25534 21760 14625 20551 24642 16366 11568
Produk C 1097 421 0 212 1173 811 360 3302 1024 2217 3969 357
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
37/41
31
BAB V
ANALISIS
Pola data demand yang didapatkan adalah pola data SIKLIS (cycle), karena dengan melihat
grafik yang bentuknya cenderung membentuk pola sinusiod atau gelombang atau siklus pada
setiap periodenya. Metode peramalan yang sesuai adalah single moving average, double
moving average, weight moving average, single exponential smoothing dan double exponential
smoothing.
Berdasarkan kasus pada PT Petrosdia Gresik, pola data demand adalah siklis. Maka
metode yang cocok digunakan adalah moving average, weight moving average dan exponential
smoothing. Dari metode-metode tersebut, MSE terkecil diperoleh dari metode single
exponential smoothing α = 0.3, tetapi kelompok kami menggunakan metode double
exponential smoothing α = 0.3, karena untuk metode single exponential smoothing hanya bisa
digunakan untuk peramalan ( forecasting) 1 bulan kedepan, tidak bisa dilakukan peramalan
untuk 1 tahun kedepan. Sehingga kelompok kami menggunakan metode double exponential
smoothing α = 0.3, dengan nilai MSE 104518699.
Untuk perhitungan perencanaan agregat kapasitas, data yang digunakan adalah data hari
kerja yang diperoleh dari jumlah hari kerja tiap periode. Mencari Regular Time (RT) adalah
(hari kerja*jumlah jam kerja sehari*jumlah tenaga kerja yang digunakan)/(waktu baku
terbesar/60). Waktu dikonversikan kedalam satuan jam untuk mempermudah perhitungan.
Sedangkan untuk perhitungan mencari Overtime (OT) adalah 25% dari Regular Time (RT).
Untuk perhitungan perencanaan agregat inventory, data yang digunakan adalah data
inventory, data faktor konversi. Dimana nilai inventory diperoleh dari jumlah inventory tiap
produk, kemudian mencari data unit agregat diperoleh dari inventory dikalikan dengan faktor
konversi yang telah diketahui sebelumnya. Jumlah dari unit agregat merupakan nilai inventory
dari unit agregat.
Untuk perhitungan perencanaan agregat ongkos inventory, data yang digunakan adalah
data harga jual, data faktor konversi. Kemudian mencari ongkos inventory (unit agregat)
diperoleh dari ongkos simpan dikalikan dengan faktor konversi yang telah diketahui
sebelumnya. Jumlah dari unit agregat merupakan nilai ongkos inventory dari unit agregat.
Dari hasil perhitungan 5 strategi, maka yang digunakan pada kasus ini adalah alternative level
strategy karena memiliki total biaya yang lebih murah (Rp 2,457,600,164) daripada 4 strategi
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
38/41
32
lainnya (chase strategy, subcontract strategy, transportation model, mixed strategy). Sehingga
pada kasus ini alternative yang digunakan adalah level strategy.
Perhitungan disagregasi diperoleh dari data presentase produk A, produk B dan produk
C, data demand yang digunakan pada data agregat, dan data konversi. Sehingga pada unit
agregat diperoleh dari data presentase dikalikan dengan data agregat (data demand), dan unit
produksi diperoleh dari data unit agregat dibagi dengan data konversi.
Jadwal Induk Produksi (JIP) atau Master Planning Schedule (MPS) diperoleh dari hasil
unit produksi yang diperoleh dari hasil disagregasi merupakan input untuk Jadwal Induk
Produksi (JIP) atau Master Planning Schedule (MPS).
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
39/41
33
BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan1. Berikut adalah peramalan untuk demand 12 periode ke depan:
Bulan t d(t) a b d'(t) = a+bm
Jun-15 12 37934 46126.47 -698.32
Jul-15 13 46126.47 -698.32 45428
Aug-15 14 46126.47 -698.32 44730
Sep-15 15 46126.47 -698.32 44032
Oct-15 16 46126.47 -698.32 46126
Nov-15 17 46126.47 -698.32 42635
Dec-15 18 46126.47 -698.32 41937
Jan-16 19 46126.47 -698.32 41238Feb-16 20 46126.47 -698.32 40540
Mar-16 21 46126.47 -698.32 39842
Apr-16 22 46126.47 -698.32 39143
May-16 23 46126.47 -698.32 38445
Jun-16 24 46126.47 -698.32 37747
2. Dari hasil perhitungan 5 strategi, maka yang digunakan pada kasus ini adalah alternative
level strategy karena memiliki total biaya yang lebih murah (Rp 2,457,600,164) daripada
4 strategi lainnya (chase strategy, subcontract strategy, transportation model, mixed
strategy). Sehingga pada kasus ini alternative yang digunakan adalah level strategy.
3. Jadwal Induk Produksi (JIP) atau Master Planning Schedule (MPS) diperoleh dari hasil
unit produksi yang diperoleh dari hasil disagregasi merupakan input untuk Jadwal Induk
Produksi (JIP) atau Master Planning Schedule (MPS).
Periode Produk A Produk B Produk C
13 30026 14053 1097
14 25453 18857 42115 22255 21777 0
16 15809 30106 212
17 7664 33799 1173
18 15592 25534 811
19 19120 21760 360
20 22615 14625 3302
21 18268 20551 1024
22 12285 24642 2217
23 18111 16366 3969
24 25823 11568 357
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
40/41
34
6.2 Saran
Saran yang dapat diberikan kepada PT Petrosida Gresik berdasarkan makalah ini adalah
PT Petrosida Gresik dapat menggunakan metode double eksponential smoothing = 0.3 guna
melakukan peramalan permintaan produk tersebut untuk menghindari kelebihan produksi yang
menimbulkan biaya penyimpanan yang tinggi atau kurangnya produksi yang dapat
menurunkan kepuasan konsumen dan membuat konsumen memilih untuk membeli produk
kompetitor. Tidak menutup kemungkinan juga dilakukannya pengembangan peramalan oleh
PT Petrosida Gresik sendiri. Selain itu PT Petrosida Gresik juga perlu mempertimbangkan
kebutuhan konsumen berdasarkan waktu musim tanam atau musim panen dan pergeseran
musim untuk dapat meramalkan tingkat kebutuhan konsumen akan produk utama dari waktu
ke waktu.
8/16/2019 Tugas Besar Perencanaan & Pengendalian Produksi
41/41
DAFTAR PUSTAKA
[1] Biegel, John E. 1992. Pengendalian Produksi Suatu Pendekatan Kuantitatif. Jakarta:Akademika Pressindo.
[2] Ginting, Rosnani Ir. 2007. Sistem Produksi. Yogyakarta : Graha Ilmu.
[3] Baroto, Teguh. 2002. Perencanaan dan Pengendalian Produksi. Jakarta: Ghalia Indonesia.
[4] Vincent Gaspersz, Production Planning and Inventory Control (Jakarta : PT. GramediaPustaka Utama, 2004)
Recommended