Upload
ngothu
View
219
Download
0
Embed Size (px)
Citation preview
BAB 4
PENGUMPULAN DAN ANALISA DATA
4.1. Pengumpulan Data
4.1.1. Proses Produksi
Proses produksi Assembling Engine melalui beberapa tahapan yang hampir sama
dari ke 3 tipe, kecuali tipe cub yang sedikit berbeda dengan type sport, berikut adalah
sebagian tahapan perakitan Assembling engine sport
Tabel 4.1
Tabel Urutan Proses Produksi
NO NAMA STATION DESKRIPSI
1 SL - 1 Numbering
2 SL - 2 Press Bearing Cr Cs L
3 SL - 3 Bolt Stud B
4 SL - 4 Press Bearing Cr Cs R
5 SL - 5 Bolt Stud A
6 ML - 6 Transmisi
7 ML - 7 Drum Assy
8 ML - 8 Bolt Crank Case
9 ML - 9 Cam Gear Shift
10 ML - 10 Spindle Oil Pump
11 ML - 11 Clutch Assy
12 ML - 12 Bearing 6002
13 ML - 13 Cover Oil Filter
14 ML - 14 Cover R Cr Cs
49
15 ML - 15 PISTON
16 ML - 16 Cylinder Comp
17 ML - 17 Cylinder Head
18 ML - 18 Timing
19 ML - 19 Pipe Air Section
20 ML - 20 Lifter Tensioner
21 ML - 21 Spark Plug
22 ML - 22 Fly Wheel
23 ML - 23 Cov L Cr Cs
24 ML - 24 Cov CDI
25 ML - 25 Leak Terter
26 ML - 26 Oil Filling
27 ML - 27 Delivery Engine
Keterangan: SL = Sub Line
ML = Main Line
4.1.2. Data Permintaan
Data permintaan aktual untuk setiap produk dimulai dari periode Januari 2006
sampai dengan November 2006. Nama setiap produk diganti dengan penomoran
untuk mempermudah pengolahan data yang selanjutnya digunakan untuk pengolahan
data.
Lanjutan Tabel 4.1
Tabel Urutan Proses Produksi
50
Tabel 4.2
Penomoran Tipe Produk
Penomoran Tipe Produk
Penomoran Tipe Engine Nama Produk
1 GL 160 Mega Pro
2 KCJS GL 200 Tiger
3 NF 100 Supra Fit
Tabel 4.3
Data Permintaan Aktual Periode Januari 2006 - November 2006
Tipe Periode
1 2 3
Januari 7.799 2.100 8.400
Februari 8.000 3.500 13.250
Maret 10.000 4.000 10.500
April 8.406 3.400 11.300
Mei 1.400 3.800 23.400
Juni 10.000 1.298 17.400
Juli 9.000 5.000 13.000
Agustus 10.550 2.550 16.800
September 6.950 5.800 17.650
Oktober 6.350 6.600 550
November 13.000 8.000 500
51
Data Permintaan Aktual
-5.000
0
5.000
10.000
15.000
20.000
25.000
0 2 4 6 8 10 12
Periode
Tip
e
Tipe 1
Tipe 2
Tipe 3
Linear (Tipe 3)
Linear (Tipe 1)
Linear (Tipe 2)
Grafik 4.1
Grafik Pola Permintaan
4.1.3. Data Teknis
Data teknis yang adalah data yang menginformasikan produk itu dibuat
diantaranya adalah:
� Produk : Engine
� Tipe : GL 160, KCJS GL 200, NF 100
� Kapasitas maksimum : 950 unit/hari (2 shift)
� Jumlah line : 1
� Jumlah mesin : 60
� Jumlah manpower : 54
� Pembagian shift : - shift 1 ( 07.00-16.00 )
- shift 2 (16.00- 24.00 )
52
4.1.4. Data Stok
Data Stock untuk setiap tipe engine dapat dilihat pada tabel 4.4
Tabel 4.4
Data Stock Per-November 2006
Tipe Level Stock Stock Akhir Bulan November 2006
1 360 194
2 290 152
3 100 54
4.2. Pengolahan Data
4.2.1. Perhitunga Jam Kerja per Shift per Hari
Perhitungan jam kerja per shift per hari berdasarkan jam kerja reguler yaitu shift 1
dan shift 2. Jam kerja shift 1 dimulai dari jam 07.00 – 16.00, sedangkan jam kerja
shift 2 dimulai dari jam 16.00 – 24.00. Jam istirahat tidak dimasukkan ke dalam
perhitungan, yang berarti setiap shift megalami pengurangan 1 jam.
Perhitungan jam kerja per shift per hari adalah sebagai beriukut:
� Jam kerja shift 1 per hari = 8 jam.
� Jam kerja shift 2 per hari = 7 jam.
53
4.2.2. Perhitungan Fraksi Tenaga Kerja yang Hadir.
Perhitungan persentase ketidakhadiran tenaga kerja berasarkan pada rata-rata
absensi tenaga kerja selama periode bulan januari 2006 – November 2006.
perhitungan persentase ketidakhadiran tenaga kerja tersebut adalah sebagai berikut:
Persentase ketidakhadiran tenaga kerja
=
=
= 11,236 %
Jadi, perhitungan fraksi tenaga kerja yang hadir dalam sebulan adalah:
Fraksi tenaga kerja yang hadir = 100% - 11,236%
= 88,764% = 0,88764
4.2.3. Perhitungan Jumlah Minimum Pekerja Reguler
Perhitungan jumlah pekerja reguler yang dibutuhkan memerlukan rata-rata
persentase krtidakhadiran pekerja selama sebulan. Perhitungan jumlah pekerja reguler
adalah sebagai berikut:
Jumlah kebutuhan pekerja reguler = 1 line x 27 pekerja x 2 shift
= 54 pekerja
Jumlah minimum pekerja reguler = 54 pekerja + (11,236% x 54 pekerja)
= 54 pekerja + 6,06
= 60,06 ≈ 60 pekerja
Bulanorang
Bulanorang
11/)4851504849455247474948(
11/)63465927756(
++++++++++
++++++++++
Bulanorang
Bulanorang
11/534
11/60
54
Jumlah minimum pekerja reguler per shift = 2
ker60 jape
= 30 pekerja
4.2.4. Perhitungan Kapasitas Produksi
Kapasitas produksi per hari adalah sebesar 950 unit. Jadi perhitungan kapasitas
produksi perbulan tergantung pada banyaknya hari kerja dalam bulan tersebut.
Perhitungan kapasitas produksi perbulan adalah sebagai berikut:
Kapsitas produksi = kapsitas maximum/hari x hari kerja
= 950 unit/hari x 22 hari
= 20.900 unit
4.2.5. Perhitungan Manhours per Unit
Perhitungan manhours dilakukan dengan cara mencari total dari perkalian antara
waktu siklus dengann jumlah tenaga kerja yang diperlukan untuk setiap proses
produksinya. Adapun perhitungan manhours per unit adalah sebagai berikut:
Tabel 4.5
Perhitungan Manhours per Unit
Proses Prod Time Siklus Man Man/Hour
1 16.4 2 0.0091
2 16.49 2 0.0092
3 16.53 2 0.0092
4 16.09 2 0.0089
5 16.44 2 0.0091
6 17.73 2 0.0099
7 15.54 2 0.0086
8 26.595 2 0.0148
55
9 35.63 2 0.0198
10 16 2 0.0089
11 26.18 2 0.0145
12 18.95 2 0.0105
13 18.76 2 0.0104
14 26.95 2 0.0150
15 19.39 2 0.0108
16 17.78 2 0.0099
17 27.025 2 0.0150
18 18.88 2 0.0105
19 18.21 2 0.0101
20 28.105 2 0.0156
21 18.07 2 0.0100
22 17.98 2 0.0100
23 18.4 2 0.0102
24 24.795 2 0.0138
25 16.44 2 0.0091
26 18.4 2 0.0102
27 16.09 2 0.0089
Total Manhours 0.3021
4.2.6. Perhitungan Manhours Lembur yang Tersedia
Perhitungan manhours lembur yang tersedia dilakukan dengan cara
membandingkan antara jumlah jam kerja lembur maximal dengan jumlah jam kerja
reguler. Adapun perhitungannya adalah sebagai berikut:
Persen manhours lembur = x 100%
= x 100%
= 26,7%
)78(
4
jamjam
jam
+
jam
jam
15
4
Lanjutan Tabel 4.5
Perhitungan Manhours per Unit
56
4.2.7. Perhitungan Peramalan Permintaan
Pola data permintaan pada ke tiga tipe produk dapat dikelompokkan sebagi jenis
pola data siklus. Pola data tersebut dianalisa dengan empat metode peramalan yaitu
Moving Averages, Double Eksponential Smoothing, Linear Regretion dan Holt-
Winters Additive Algorithm Hasil perhitungan dari tiga metode tersebut hanya
ditampilkan hasil peramalannya tipe produk 1 saja, sedangkan yang lainnya
ditampilkan pada lampiran.
Perhitungan peramalan tipe produk satu adaalah sebagai berikut.:
� Permalan permintaan pertama menggunakan metode Moving Averages. Pada
metode ini digunakan 3 macam periode yaitu 3, 4 dan 5 periode. Pengolahan
data dengan metode ini menghasilkan perhitungan seperti pada tabel berikut:
Tabel 4.6
Tabel Forecast Metode Moving Average Tipe Produk 1
FORECAST BY PERIODE MONTH ACTUAL DATA
3 4 5
JANUARI 7799
FEBRUARI 8000
MARET 10000
APRIL 8406 8,600
MEI 1400 8,802 8,551
JUNI 10000 6,602 6,952 7,121
JULI 9000 6,602 7,452 7,561
AGUSTUS 10550 6,800 7,202 7,761
SEPTEMBER 6950 9,850 7,738 7,871
OKTOBER 6350 8,833 9,125 7,580
NOVEMBER 13000 7,950 8,213 8,570
57
DESEMBER 8,767 9,213 9,170
Perhitungan peramalan bulan Desember dengan metode Moving Average 3
periode adalah sebagi berikut :
� Permalan permintaan kedua menggunakan metode Eksponential Smoothing.
Pada metode ini digunakana smoothing constant (α ) yang bernilai 0.80, 0.85,
dan 0.90. Penentuan α berdasarkan pada perhitungan berukut:
1)(11
2-1
+
=α
α = 1-0.166
α = 0.85
α yang mendekati nilai 0.85 adalah 0.80 dan 0.90. Pengolahan data dengan
metode ini menghasilkan perhitungan seperti pada tabel berikut:
Tabel 4.7
Tabel Forecast Metode Double Eksponential Smoothing Tipe Produk 1
FORECAST BY α MONTH ACTUAL DATA
0,80 0,85 0,90
JANUARI 7799
FEBRUARI 8000 7799 7799 7799
MARET 10000 8120,601 8140,7 8160,798
3
130063506950ˆ ++=Y
8767667,8766ˆ ≈=Y
Lanjutan Tabel 4.6
Tabel Forecast Metode Moving Average Tipe Produk 1
58
APRIL 8406 11256,28 11446,73 11634,17
MEI 1400 8027,289 7766,056 7476,029
JUNI 10000 -3069,1 -3764,6 -4423,08
JULI 9000 13107,27 14327,39 15654,63
AGUSTUS 10550 10165,67 9907,921 9475,159
SEPTEMBER 6950 11781,98 11787,51 11818,48
OKTOBER 6350 5298,164 4815,698 4334,443
NOVEMBER 13000 5135,987 5180,867 5298,202
DESEMBER 16546,47 17338,78 18129,8
Perhitungan peramalan bulan Desember dengan metode Double Eksponential
Smoothing α = 0.80 adalah sebagi berikut :
� Permalan permintaan ketiga menggunakan metode Linear Regretion.
Pengolahan data pada metode ini menghasilkan perhitungan seperti pada tabel
berikut:
56,604.7)8,01(1300080,0 xxFt −+=
91,600.6=tF
84,8065)8,01(91,600.680,0' xxF t −+=
93,307.6)89,893.691,600.6(91,600.6 =−+=tα
94,1171)89,893.691,600.6(2.0
80.0−=−=tb
99,135.5)94,171.1(93,307.6 =−+=+mtF
Lanjutan Tabel 4.7
Tabel Forecast Metode Double Eksponential Smoothing Tipe Produk 1
59
Tabel 4.8
Tabel Forecast Metode Linear Regretion Tipe Produk 1
MONTH ACTUAL DATA FORECAST
JANUARI 7799 7307.591
FEBRUARI 8000 7508.891
MARET 10000 7710.19
APRIL 8406 7911.491
MEI 1400 8112.791
JUNI 10000 8314.091
JULI 9000 8515.391
AGUSTUS 10550 8716.691
SEPTEMBER 6950 8917.991
OKTOBER 6350 9119.291
NOVEMBER 13000 9320.591
DESEMBER 9521.891
� Permalan permintaan ketiga menggunakan metode Holt-Winters Additive
Algorithm. Pengolahan data pada metode ini menghasilkan perhitungan
seperti pada tabel berikut:
Tabel 4.9
Tabel Forecast Metode Holt-Winters Additive Algorithm Tipe Produk 1
Holt-Winters Additive Algorithm
MONTH ACTUAL DATA α =0,1. β = 0,2 .γ =0,3
α =0,1 . β = 0,1 . γ =0,2
α =0,1 .β = 0,2 . γ =0,1
JANUARI 7799
FEBRUARI 8000 7,799.00 7,799.00 7,799.00
MARET 10000 7,877.39 7,857.29 7,841.21
APRIL 8406 8,709.23 8,480.69 8,298.58
MEI 1400 8,637.44 8,482.46 8,368.33
JUNI 10000 5,855.25 6,451.24 6,954.33
JULI 9000 7,367.36 7,432.25 7,503.90
AGUSTUS 10550 7,982.64 7,874.25 7,788.97
SEPTEMBER 6950 8,995.12 8,653.25 8,369.60
OKTOBER 6350 8,260.08 8,189.09 8,127.52
NOVEMBER 13000 7,536.80 7,668.51 7,781.88
60
DESEMBER 9,650.90 9,209.01 8,869.78
4.2.8. Perhitungan Toleransi untuk Ruas Kanan Persamaan Permintaan,
Produksi dan Persediaan
Perhitungan toleransi untuk ruas kanan permintaan, produksi dan persediaan
dilakukan dengan cara memberikan toleransi sebesar 10% (interval antara 95%-
105%) kepada hasil pengurangan antara peramalan permintaan dan persediaan akhir
pada periode bulan November 2006. untuk pertidaksamaan yang maksimum, maka
hasil pengurangan tersebut dikalikan dengan 105%, sedang yang minimum, dikalikan
dengan 95%.contoh pada tipe produk 1
Adapun hasil perhitungan tersebut adalah sebagai berikut:
Selisih = ( Peramalan – Persediaan Akhir )
= ( 9522 – 194 ) unit = 9328 unit
Toleransi Maksimum = 105% x 9328 unit = 9794,4 unit
Toleransi Minimum = 95% x 9328 unit = 8861,6 unit
Tabel 4.10
Tabel Toleransi Ruas Kanan Persamaan Permintaan, Produksi dan Persediaan
Peramalan Persediaan Akhir Selisih Toleransi Tipe
(unit) (unit) (unit) Maks Min
1 9522 194 9328 9794,4 8861,6
2 5738 152 5586 5865.3 5306.7
3 8345 54 8291 8705.55 7876.45
(Perhitungan Peramalan pada tabel 4.14, 4.15, 4.16)
Lanjutan Tabel 4.9
Tabel Forecast Metode Holt-Winters Additive Algorithm Tipe Produk 1
61
4.2.9. Perhitungan Variabel Pengambilan Keputusan dengan Pendekatan
Model Linear Programming
Biaya produksi meliputi biaya bahan baku dan biaya over head, kecuali biaya
tenaga kerja. Dalam perumusan fungsi tujuan, perhitungan biaya tenaga kerja terpisah
sendiri. Biaya persediaan diperhitungkan setiap akhir bulan. Adapun data-data input
yang digunakan untuk permodelan dalam Linear Progaramming adalah sebagai
berikut:
Tabel 4.11
Tabel Data Input Permodelan Linear Programing
Simbol Deskripsi
Produk 1 Produk 2 Produk 3
Biaya produksi per unit DES 2006 ( Rp )
p110 = 8.000.000 p210 = 10.500.000 p310 = 3.500.000
Biaya penyimpanan per unit DES 2006 (Rp )
C110 = 8000 C210 = 8000 C310 = 8000
Forecast demand DES 2006 F110 = 9522 F210 = 5738 F310 = 8345
Persediaan akhir November
2006 I119 = 194 I219 = 152 I319 = 54
Level stock DES 2006 LS110 = 360 LS210 = 290 LS310 = 100
Stock maksimum DES 2006 SM110 = 450 SM210 = 350 SM310 = 300
Cost/manhour reguler DES 2006
R10 =7.580
Cost/manhour lembur DES 2006
L10 = 20.800
Jam kerja shift 1 per hari H1 = 8
Jam kerja shift 2 per hari H2 = 7
Jumlah hari kerja DES 2006 D10 = 22
62
Manhours dibutuhkan untuk memproduksi 1 unit engine
k = 0,302
Kapasitas Kereta CK = 460
Fraksi tenaga kerja yang hadir DES 2006
f10 = 0,89
Persentase manhours lembur yang tersedia yang boleh dipakai DES 2006
PEA10 = 100%
Persentase manhours reguler yang tersedia yang untuk dapat dipakai DES 2006
PPE10 = 26,7%
Persentase kapasitas produksi yang boleh dipakai DES 2006
PPC10 = 100%
Kapasitas produksi DES 2006 PC10 = 20.900
Adapun fariabel-fariabel keputusan yang akan dicari adalah seperti tabel berikut:
Tabel 4.12
Tabel Fariabel Keputusan yang Dicari
Simbol Deskripsi
Produk 1 Produk 2 Produk 3
Jumlah unit yang harus di produksi Desember
2006 P110 P210 P310
Persediaan akhir Desember 2006 I110 I210 I310
Jumlah tenaga kerja reguler tetap untuk shift 1 W1
Jumlah tenaga kerja reguler tetap untuk shift 2 W2
Manhours lembur yang dipakai Desember 2006 E10
Lanjutan Tabel 4.11
Tabel Data Input Permodelan Linear Programing
63
Adapun formulasi model matematis untuk komponen-komponen fungsi tujuan
adalah sebagai berikut:
o Total biaya produksi = p110 . P110 + p210 . P210 + p310 . P310
= 8.000.000 x P110 + 10.500.000 x P210 + 3.500.000 x P310
o Total biaya penyimpanan = C110 . I110 + C210 . I210 + C310 . I310
= 8000 x I110 + 8000 x I210 + 8000 x I310
o Total biaya manhours reguler = R10 . D10 . H1 . W1 + D10 . H2 . W2
= (7.580 x 22 x 8 ) x W1 +(7.580x22 x 7) x W2
= 1.334.080 x W1 + 1.167.320 x W2
o Total biaya manhours lembur = L10 . E10
= 20.800 x E10
Jadi formulasi model matematis untuk fungsi tujuan adalah sebagai berikut:
Min :
Z = Total biaya produksi + Total biaya penyimpanan + Total biaya manhours
reguler + Total biaya manhours lembur
Z = 8.000.000 x P110 + 10.500.000 x P210 + 3.500.000 x P310 + 8000 x I110 + 8000 x
I210 + 8000 x I310 + 1.334.080 x W1 + 1.167.320 x W2 + 20.800 x E10
64
Adapun fungsi kendala adalah sebagai berikut:
Tabel 4.13
Tabel Fungsi Kendala
Simbol Fungsi
kendala Produk 1 Produk 2 Produk 3
Kendala (1 - 3)
Kendala 1
P110 - I110 ≤ ( F110 -
I109 ) . 105%
P110 - I110 ≤ 9794,4
P210 - I210 ≤ (F210 -
I209).105%
P210 - I210 ≤ 5865,3
P310 - I310 ≤ ( F310 -
I309).105%
P310 - I310 ≤ 8705,55
Kendala (4 - 6)
Kendala 2
P110 - I110 ≥ ( F110 -
I109 ) . 95%
P110 - I110 ≥ 8861,6
P210 - I210 ≥ (F210 -
I209).95%
P210 - I210 ≥ 5306,7
P310 - I310 ≥ ( F310 -
I309).95%
P310 - I310 ≥ 7876,45
Kendala (7 - 9)
Kendala 3
I110 ≥ LS110
I110 ≥ 360
I210 ≥ LS210
I210 ≥ 290
I310 ≥ LS310
I310 ≥ 100
Kendala (10 -12)
Kendala 4
I110 ≤ SM110
I110 ≤ 450
I210 ≤ SM 210
I210 ≤ 350
I310 ≤ SM 310
I310 ≤ 300
Kendala (13)
Kendala 5
I110 + I210 + I310 ≥ CK
I110 + I210 + I310 ≥ 460
Kendala (14)
Kendala 6
k.( P110 + P210 + P310)-f10. D10. H1. W1 - f10. D10. H2. W2 – E10 =0
0,302.( P110 + P210 + P310) – 0,89. 22. 8. W1 – 0,89. 22. 7. W2 – E10 =0
0,302.( P110 + P210 + P310) – 156,64 W1 –137,06 W2 – E10 =0
Kendala (15)
Kendala 7
E10 – PEA10. PPE10. f10. D10. H2. W2 ≤ 0
E10 – 1. 0,267. 0,89. 22. 7. W2 ≤ 0
E10 – 36,59 W2 ≤ 0
Kendala (16)
Kendala 8
P110 + P210 + P310 ≥ PPC10. PC10
P110 + P210 + P310 ≥ 1. 20.900
P110 + P210 + P310 ≥ 20.900
Kendala (17)
Kendala 9 W1 ≤ 30
Kendala (18)
Kendala 9 W2 ≤ 30
Kendala (19)
Kendala 10 P110 ≥ 0
65
Kendala (20)
Kendala 10 P210 ≥ 0
Kendala (21)
Kendala 10 P310 ≥ 0
Kendala (22)
Kendala 10 I110 ≥ 0
Kendala (23)
Kendala 10 I210 ≥ 0
Kendala (24)
Kendala 10 I310 ≥ 0
Kendala (25)
Kendala 10 W1 ≥ 0
Kendala (26)
Kendala 10 W2 ≥ 0
Kendala (27)
Kendala 10 E1 ≥ 0
4.3. Analisa Data
4.3.1. Analisa Perhitungan Jam Kerja per Shift per Hari
Setelah dilkaukan perhitungan jam kerja pershift per hari, maka diperoleh total jam
kerja shift 1 perhari adalah 8 jam dan total jam kerja shift 2 perhari adalah 7 jam.
Perhitungan jam kerja per shift per hari tersebut tidak termasuk jam kerja lembur,
hanya memperhitungkan jam kerja reguler saja. Hal ini dilakuklan karena tidak setiap
hari terdapat jam kerja lembur. Jam kerja lembur diberlakukan apabila jumlah
produksi reguler tidak memenuhi permintaan pasar. Jam istirahat tenaga kerja tidak
diperhitungkan karena pada jam tersebut tidak terdapat kegiatan produksi.
Lanjutan Tabel 4.13
Tabel Fungsi Kendala
66
4.3.2. Analisa Perhitungan Fraksi Tenaga Kerja yang Hadir
Dalam menghitung fraksi tenaga kerja yang hadir, terlebih dahulu dihitung
persentase ketidak hadiran tenaga kerja dalam sebulan. Persentase ketidakhadiran
tenaga kerja dalam sebulan adalah sebesar 11,236% yang berarti persentase
kehadiran tenaga kerja dalam sebulan adalah sebesar 88,764% atau 0,88764
4.3.3. Analisa Perhitungan Jumlah Minimum Pekerja Reguler
Dalam melakukan perhitungan jumalah minimum pekerja reguler, dilakukan
penghitungan jumlah line produksi, jumlah pekerja yang dibutuhkan untuk satu jalur
peoduksi, banyaknya shift reguler perhari, dan angka persentase ketidakhadiran
tenaga kerja dalam sebulan. Maka diperoleh jumlah minimum pekerja reguler adalah
sebanyak 60 pekerja yang dibagi dalam 2 shift.
4.3.4. Analisa Perhitungan Kapasitas Produksi
Perhitungan kapasitas produksi perbulan merujuk pada banyaknya hari kerja
dalam bulan tersebut. Banyaknya hari kerja perbulan rata-rata adalah 22 hari,
sehingga dalam perhitungan diperoleh kapasitas produksi perbulan adalah sebesar
20.900 unit
67
4.3.5. Analisa Perhitungan Manhours per Unit
Setiap proses produksi memiliki kebutuhan waktu siklus dan jumlah tenaga kerja
yang berbeda-beda. Kedua para meter tersebut digunakan untuk menghitung
manhours per unit. Oleh karena tidak ada perbedaan proses produksi, waktu siklus
dan jumlah tenaga kerja yang dibuthkan, maka manhours untuk setiap unit tipe
produk adalah sama yaitu sebesar 0,3021 manhours.
4.3.6. Analisa Perhitungan Manhours Lembur yang Tersedia
Manhours lembur yang tersedia adalah perbandingan antara jumlah jam kerja
lembur maksimal dengan jumlah jam kerja reguler yaitu 26,7%
4.3.7. Analisa Perhitungan Peramalan Permintaan
Pelaksanaan analisis kesalahan peramalan untuk ke tiga tipe produk, dilakukan
terhadap ketiga metode peramalan dengan pembatasnya masing-masing. Tabel
analisis kesalahan untuk tipe produk 1, 2 dan 3 berturut-tururt dapat dilihat pada tabel
4.14, 4.15 dan 4.16
68
Untuk peramalan tiap tiap tipe produk dibahas dibawah ini:
1) Tipe produk satu
Tabel 4.14
Tabel Peramalan Tipe Produk 1
MEASURE METODE
MAPE MSE OPSI
NILAI TRACK SIGNAL
TRACK SIGNAL
KEPUTUSAN
Moving Averages m=5 22,98541 6.687.100 1 + 1 s/d + 4,11 N OK Ditolak
Linear Regretion 60,0506 7.504.561 2 -1,91 s/d + 4 OK Diterima
Tipe produk satu diramalkan untuk menggunkan metode peramalan Linear
Regretion dengan nilai ramalan pada bulan desember adalah 9522 unit motor.
2) Tipe produk dua
Tabel 4.15
Tabel Keputusan Tipe Produk 2
MEASURE METODE
MAPE MSE
OPSI
NILAI TRACK SIGNAL
TRACK SIGNAL
KEPUTUSAN
Linear Regretion 38,7877 1.851.885 1 -2,73 s/d - 5 N OK Ditolak
α =0,1. β = 0,2 .γ =0,3
46,7125 3.428.623 2 1 s/d 5,91 N OK Ditolak
α =0,1 . β = 0,1 . γ =0,2
46,9096 3.816.423 3 1 s/d 6,63 N OK Ditolak Holt-Winters
Additive Algorithm
α =0,1 .β = 0,2 . γ =0,1
46,9444 3.947.725 4 1 s/d 6,93 N OK Ditolak
Double Eksponential Smoothing α = 0,85
48,3383 3.385.965 5 -0,21 s/d 4,58 N OK Ditolak
Moving Averages m=3 49,08381 4.151.362 6 -2,21 s/d 4,23 N OK Ditolak
Double Eksponential Smoothing α = 0,90
49,55 3.539.626 7 -0,40 s/d 4,20 N OK Ditolak
Double Eksponential Smoothing α = 0,80
49,55 3.546.018 8 -0,36 s/d 4,25 N OK Ditolak
Moving Averages m=4 56,4427 4.973.711 9 -1,24 s/d 3,84 OK Diterima
69
Tipe produk dua diramalkan untuk menggunkan metode peramalan Moving
Averages (m=4) dengan nilai ramalan pada bulan desember adalah 5738 unit motor.
3) Tipe produk tiga
Tabel 4.16
Tabel Keputusan Tipe Produk 3
MEASURE METODE
MAPE MSE OPSI
NILAI TRACK SIGNAL
TRACK SIGNAL
KEPUTUSAN
Linear Regretion 331,1902 41209120 1 -4 s/d 3,53 OK Diterima
Tipe produk tiga diramalkan untuk menggunkan metode peramalan Linear
Regretion dengan nilai ramalan pada bulan desember adalah 8345 unit motor.
4.3.8. Analisa Perhitungan Toleransi Untuk Ruas Kanan Permintaan, Produksi
dan Persediaan
Pemberian toleransi sebesar 10% adalah merupakan kebijakan dari pihak
manjemen untuk mengatasi terjainya forecast eror, oleh kaarena itu, nilai ruas kana
pada model persamaan matematis yang minimum, dikalikan 95% dan untuk yang
maksimum dikalikan 105%.
Hasil perhitungan toleransi untuk ruas kanan persamaan permintaan, produksi dan
persaediaan seperti tabel dibawah ini:
70
Tabel 4.17
Tabel Toleransi Maks dan Min
Toleransi Tipe
Maks Min
1 9794,4 8861,6
2 5865,3 5306,7
3 8705,55 7876,45
4.3.9. Analisa Perhitungan Variabel Pengambilan Keputusan dengan
Pendekatan Linier Programing
Perhitungan variabel keputusan dengan pendekatan Linier Programing
menggunakan software WINQSB sebagai alat bantu untuk menyelesaikan
perhitungan. Varibel keputusan yang dicari sebanyak 9 variabel yang berfungsi untuk
menghitung total biaya, sedangkan fungsi kendala sebanyak 27 buah merupakan
kendala yang ditemukan dalam mencari pemecahan optimal. Adapun hasil dari
pengambilan keputuasan dengan pendekatan Linear Programming adalah seperti
tabel berikut:
Tabel 4.18
Tabel Variabel Keputusan per Bulan Desember 2006
Decision Variable Solution Value Satuan
P110 9,222 Unit
P210 5,597 Unit
P310 7,977 Unit
I110 360 Unit
I210 290 Unit
I310 100 Unit
W1 30 Orang
W2 16 Orang
E10 0 Orang
Z 160,520,400,000 Rupiah
71