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