manajemen produksi samuel azami ismail

Studi Kasus

Sistem Manajemen Produksi

Kelompok 7:

Azami Indarabbi Zulfan / 1206237435

Abdul Fatah Ismail / 1206244125

Samuel Reynaldo Hendrawan / 1206243173

Dosen:

Ir. Henky Suskito Nugroho M.T.

Departemen Teknik Mesin

Universitas Indonesia

2015

CV Jati Makmur Furniture adalah perusahaan manufaktur yang memproduksi

kursi. CV Jati Makmur dikenal sebagai penghasil produk furniture berkualitas tinggi.

Untuk menonjolkan sisi keunikan CV Jati Makmur membuat desain furniture yang

elegan dan ergonomis, namun konsumen yang ingin memesan tidak dapat mendesain

kursi maupun meja yang diinginkan, sehingga produk CV Jati Makmur memanglah

memiliki ciri khas tersendiri. Untuk melakukan pemesanan, konsumen tidak perlu

mendatangi CV Jati Makmur Furniture, konsumen cukup berinteraksi di media online

dan membayar dan mentransfer. Produk yang sekarang dapat diproduksi adalah meja

bangku dan fungsi bangku. Berikut adalah data-data yang dapat dianalisa untuk dapat

dijadikan acuan perencanaan kedepannya.

Produk yang diproduksi oleh CV Jati Makmur Furniture antara lain:

1. Meja bangku dengan harga Rp 375.000,00/unit

2. Kursi bangku dengan harga Rp 425.000,00/unit

Dari dua produk yang dihasilkan terbuat dari komponen kayu, spons, cat plitur

dan paku. Berikut tabel kebutuhan komponen untuk membuat berbagai macam

produk:

Tabel 3.1 Komponen ProduksiBahan Meja Bangku Kursi Bangku

Kayu (meter) 4,5 4Spons (meter) - 1

Cat Plitur (kaleng) 1 1Paku 8 12

Kayu berukuran lebar 5 cm dan tebal 5 cm. Spons berukuran lebar 50 cm da tebal

7 cm. 1 kaleng cat plitur berisi 1 liter. Berikut adalah gambaran umum proses

produksi dari bahan baku hingga produk jadi. Ada 3 mesin utama yang memproses

kursi dan meja, mesin pemotong, mesin perakit dan mesin pengecat.

Gambar 3.1 Proses Produksi CV Jati MakmurKeseluruhan bahan baku yang digunakan dalam proses produksi, merupakan

bahan baku yang langsung digunakan untuk produk jadi tanpa diproses terlebih

dahulu. Harga bahan baku, nilai lead time rata-rata serta jumlah discount yang

diberikan adalah sebagai berikut.

Tabel 3.2 Bahan BakuBahan Lead

TimeHarga Diskon

Kayu (meter) 2 Minggu Rp 22.000,00/meter Tidak ada diskonSpons (meter) 1 Minggu Rp 11.000,00/meter Tidak ada diskon

Cat Plitur (kaleng)

1 Minggu Rp 12.000,00/kaleng 2% jika membeli lebih dari 100

Paku 1 Minggu Rp 15.000,00/100 biji

Tidak ada diskon

Pembayaran dilakukan pada akhir Minggu dimana bahan baku tersebut telah

dikirimkan. Jadwal pengiriman bisanya dilakukan pada awal Minggu. Biaya

tambahan sebesar Rp 27.500,00 diberikan untuk setiap pemesanan padaMinggu

dimana terjadi pemesanan.

Waktu proses mesin, sudah termasuk waktu setup, berkaitan dengan proses

pemotongan dan perakitan adalah sebagai berikut.

Tabel 3.3 PermesinanProduk Waktu Proses Mesin (Jam)

Mesin Potong Mesin Assembly

Mesin Spray (splitur)

Meja Bangku 0,50 1 1Kursi Bangku 0,75 1,5 1

CV Jati Makmur Furniture memiliki mesin assembly yang canggih yang dapat

membantu operator merakit komponen dengan lebih mudah. Biaya produksi setiap

mesin per jam rata-rata mesin. Dalam satu Minggu ada enam hari kerja, setiap harinya

delapan jam, dengan upah Rp 12.500,00 tiap jam nya. Upah lembur diberikan sebesar

Rp 10.000,00 untuk tiap jamnya. Jam lembur diberlakukan hingga 30 jam per

Minggu. Adapun biaya inventory sebesar Rp 15.000,00 per unit per tahun, setup cost

sebesar Rp 50.000,00 per Minggu.

Penambahan kapasitas dapat dilakukan jika ditentukan pada Minggu sebelum

dilakukan produksi, biasanya CV Jati Makmur melimpahkan pada CV Jati Subur

sebagai partner dari tahun ke tahun ketika kapasitasnya tidak mencukupi, dengan

biaya sebesar:

Tabel 3.4 Biaya Produksi CV Jati SuburProduk Meja

BangkuKursi

BangkuBiaya

(rupiah)37.000 37.500

Ketika penambahan kapasitas total keseluruhan perMintaan, maka perusahaan

memberikan kebijakan untuk melimpahkan kepada dua CV, yaitu CV Jati Subur dan

CV Jati Sukses, kebijakan ini dimaksudkan ini dimaksudkan agar perMintaan segera

terpenuhi. Jumlah penambahan kapasitas untuk kedua CV adalah sama, berikut adalah

biaya produksi pada CV Jati Sukses.

Tabel 3.5 CV Jati SuksesProduk Meja

BangkuKursi

BangkuBiaya

(rupiah)45.000 40.000

Biaya overhead yang ditetapkan sebesar Rp 1.250.000,00 tiap Minggu untuk

biaya adMinistrasi dan overhead proses manufaktur. Biaya untuk carrying cost (biaya

pengangkutan dan penyimpanan) per tahun sebesar Rp 15.000,00 per unit per tahun.

Stock pada posisi awal, pada Minggu ke 0 (setelah penjualan Mingu ke-4 bulan

ke-12) adalah sebagai berikut.

Tabel 3.6 Stock AwalBahan Baku StockKayu (meter) 4 meterSpons (meter) 4 meter

Cat Plitur (kaleng)

2

Paku 200Berikut ini adalah data penjualan produk dari CV Jati Makmur.

Tabel 3.7 Stock AwalTahun Bulan Meja

BangkuKursi

Bangku

2013

JUL 50 21AGS 61 23SEP 65 20OKT 67 19NOV 65 16DES 72 20

2014

JAN 70 18FEB 74 12MAR 75 19APR 80 25MEI 81 21JUN 82 27

Karena terkenal akan kehandalan kayunya CV Jati Makmur juga menerima

perMintaan khusus Kayu Jati PX10 dari berbagai pihak, salah satnya CV Jati Surya.

Berikut adalah data perMintaan dari CV Jati Surya dalam 1 tahun terakhir.

Tabel 3.8 Demand Komponen 12 Bulan TerakhirJenis Kayu

Meter/BulanPeriode Waktu (Bulan)

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

PX10 PX10160 175 153 168 170 184 178 187 190 188 193 195

Dengan banyaknya perMintaan tiap bulannya sehingga CV Jati Makmur harus

memenuhi perMintaan tersebut dengan mempertimbangkan berbagai aspek biaya.

Untuk menghasilkan Kayu Jati PX10 yang berkualitas maka diperlukan proses detail

yang meliputi perendaman kayu hingga pengeringan dan menghasilkan Kayu Jati

PX10 yang berkualtias. Berikut adalah beberapa biaya yang dipertimbangkan.

Tabel 3.9 Data Biaya Harga dan Produk IndependenItem Biaya Pesan Biaya Simpan/

Meter/TahunHarga Tingkat

ProduksiKayu Jati

PX10 PX10Rp 210.000 15% dari Harga Rp 470.000 10 meter/hari

BAB IVANALISIS DAN PEMBAHASAN

4.1 Peramalan Meja Bangku

Sebelum melakukan peramalan, hal yang perlu dilakukan pertama kali yaitu

mengidentifikasi pola historis data aktualnya.Tujuan dari identifikasi pola historis

data aktual yaitu untuk mengetahui bagaimana pola kecenderungan penjualannya.

Dengan mengetahui pola data tersebut, metode-metode apa saja yang akan digunakan

untuk peramalan dapat ditentukan. Berikut adalah grafik dari data penjualan meja

bangku CV Jati Makmur Furniture. Berikut adalah grafik dari data penjualan meja

bangku.

Grafik Penjualan Meja Bangku

Meja Bangku

Gambar 4.1 Grafik Penjualan Meja Bangku

Berdasarkan grafik diatas, dapat dilihat jika pola data cenderung memiliki trend

keatas dari waktu ke waktu, sehingga dari kondisi di atas metode yang sesuai yaitu

metode Double Exponential Smoothing.

4.1.1 Metode Double Exponential Smoothing

Berikut adalah perhitungan peramalan dengan menggunakan metode double

exponential smoothing dengan trial and error alfa dan beta pada range 0,1-0,5

Tabel 4.1 Forecasting Meja Bangku Metode Double Exponential SmoothingERRO

Ra=0.1, b=0.1

a=0.1, b=0.2

a=0.1, b=0.3

a=0.1, b=0.4

a=0.1, b=0.5

MAD 12,55 11,00 9,00 7,73 6,55MSE 160,00 124,00 90,45 75,91 61,64MFE 12,55 11,00 9,00 7,73 6,18MAPE 17,51 15,67 12,89 11,25 9,64TS Max 11,00 11,00 11,00 11,00 10,39

TS Min 0,00 1,00 1,00 1,00 1,00Tabel 4.1 Forecasting Meja Bangku Metode Double Exponential Smoothing

(Lanjutan)ERROR R1 R2 R3 R4 R5

MAD 7,82 5,73 4,91 4,55 5,18MSE 68,91 47,36 42,18 36,18 38,27MFE 7,82 5,55 4,18 2,73 1,73

MAPE 11,20 8,42 7,29 6,73 7,53TS Max 11,00 10,65 9,61 7,74 5,67TS Min 1,00 1,00 1,00 1,00 1,00

Tabel 4.1 Forecasting Meja Bangku Metode Double Exponential Smoothing (Lanjutan)

ERROR

R6 R7 R8 R9 R10

MAD 5,27 4,00 3,91 4,18 4,27MSE 40,91 32,36 28,45 28,73 28,64MFE 5,27 3,45 1,91 1,27 0,64

MAPE 7,73 5,99 5,80 6,18 6,30TS Max 11,00 9,52 6,16 4,68 4,31TS Min 1,00 1,00 1,00 1,00 1,00


ERROR

R16 R17 R18 R19 R20

MAD 3,91 3,64 3,82 3,82 3,82MSE 29,91 24,73 24,73 23,82 24,91MFE 3,91 2,18 1,45 0,73 0,36

MAPE 5,82 5,42 5,69 5,69 5,70TS Max 11,00 6,84 4,50 3,57 3,15TS Min 1,00 1,00 1,00 1,00 1,00


ERROR

R21 R22 R23 R24 R25

MAD 3,45 3,55 3,45 3,55 3,27MSE 22,91 21,91 20,55 22,45 22,18MFE 2,91 1,55 0,91 0,45 0,18

MAPE 5,15 5,29 5,17 5,30 4,92TS Max 9,26 5,14 3,52 3,00 3,00TS Min 1,00 1,00 1,00 1,00 0,50

Keterangan:

Tabel 4.2 Keterangan Replikasi Forecast Metode Double Exponential Smoothing

Replikasi Alfa (α) Beta (β) Replikasi Alfa (α) Beta (β)

R1 0,1 0,1 R14 0,30 0,4R2 0,1 0,2 R15 0,30 0,5R3 0,1 0,3 R16 0,40 0,1R4 0,1 0,4 R17 0,40 0,2R5 0,1 0,5 R18 0,40 0,3R6 0,2 0,1 R19 0,40 0,4

Tabel 4.2 Keterangan Replikasi Forecast Metode Double Exponential Smoothing (Lanjutan)

Replikasi Alfa (α) Beta (β) Replikasi Alfa (α) Beta (β)

R7 0,2 0,2 R20 0,40 0,5R8 0,2 0,3 R21 0,50 0,1R9 0,2 0,4 R22 0,50 0,2R10 0,2 0,5 R23 0,50 0,3R11 0,3 0,1 R24 0,50 0,4R12 0,3 0,2 R25 0,50 0,5R13 0,3 0,3

Berdasarkan tabel 4.1, dapat dilihat bahwa variasi nilai tracking signal, MAD,

MSE, MFE, dan MAPE terkecil adalah forecasting menggunakan metode double

exponential smoothing dengan α=0,4 β=0,4 ; α=0,4 β=0,5 ; α=0,5 β=0,3 ; α=0,5 β=0,4

; dan α=0,5 β=0,5. Dari hasil perhitungan error terkecil diatas, maka dapat

dibandingkan kembali pada tabel berikut.

Tabel 4.3 Tabel Perbandingan Error Terkecil Metode Double Exponential Smoothing

ERROR

α=0,4 β=0,4

α=0,4 β=0,5

α=0,5 β=0,3

α=0,5 β=0,4

α=0,5 β=0,5

MAD 3,82 3,82 3,45 3,55 3,27MSE 23,82 24,91 20,55 22,45 22,18MFE 0,73 0,36 0,91 0,45 0,18

MAPE 5,69 5,7 5,17 5,3 4,92TS Max 3,57 3,15 3,52 3 3TS Min 1 1 1 1 0,5

Berdasarkan tabel perbandinga error terkecil diatas, maka metode terpilih adalah

double exponential smoothing dengan α=0,5 dan β=0,5. Karena memiliki rata-rata

nilai error terkecil dibanding dengan menggunakan alfa dan beta lainnya. Selain itu

sebaran tracking signal masih dalam batasan yaitu diantara -4 sampai 4.

4.1.2 Metode Terpilih

Metode Terpilih merupakan metode double exponential smoothing dengan α=0,5

dan β=0,5 yang memiliki sebaran tracking signal yang masih dalam batasan yaitu

antara 0,5 sampai dengan 3. Selain itu, metode ini juga memiliki rata-rata error

terkecil dibanding dengan metode double exponential smoothing dengan alfa dan beta

lainnya.

TS DES (0,5 ; 0,5)

LCL CL TS UCL

Gambar 4.2 Tracking Signal Metode Terpilih untuk Produk Meja Bangku

Berdasarkan grafik tracking signalnya, dapat dilihat bahwa persebaran datanya terletak diantara LCL dan UCL sehingga dapat disimpulkan bahwa hasil forecastnya memiliki tingkat keakuratan yang tinggi.

Aktual dan Forecast

Aktual Forecast

Gambar 4.3 Perbandingan Data Aktual dan Forecast Produk Meja Bangku

Tabel 4.4 Forecast Horizon 6 Bulan Metode TerpilihPeriode Aktual

Forecast

1 50 502 61 503 65 594 67 675 65 72

6 72 727 70 758 74 759 75 77

10 80 7811 81 8112 82 84

Tabel 4.4 Forecast Horizon 6 Bulan Metode Terpilih (Lanjutan)Periode Forecast

13 8514 8715 8816 8917 9018 91

Berdasarkan gambar 4.3, dapat dilihat bahwa terdapat kemiripan bentuk grafik

dari hasil forecast dengan data aktualnya. Hal ini membuktikan bahwa hasil forecast

kurang lebih sesuai dengan kondisi real pasar, sehingga dapat disimpulkan bahwa

metode DES dengan α=0,5 dan β=0,5 merupakan metode terbaik untuk forecast

produk Meja Bangku.

4.2 Peramalan Kursi Bangku

Berikut adalah grafik dari data penjualan kursi bangku.

Grafik Data Penjualan Kursi Bangku

Aktual

Gambar 4.4 Grafik data penjualan kursi bangkuBerdasarkan grafik diatas, dapat dilihat jika pola data cenderung fluktuatif dari

waktu ke waktu, sehingga dari kondisi di atas metode yang sesuai yaitu metode

moving average, weight moving average, dan exponential smoothing.

4.2.1 Metode Moving Average

Berikut merupakan hasil perhitungan error forecasting dari metode moving

average untuk n= 3, n= 4, n=5, dan n= 6.

Tabel 4.5 Perbandingan Error Kursi Bangku dengan Metode Moving Average

Error MA 3 MA 4 MA 5 MA 6MAD 3.67 3.88 4.14 4.50MSE 18.78 22.63 27.00 28.50MFE 0.33 0.63 1.57 1.17

MAPE 19.80 21.14 21.59 24.42TS max 0.82 1.29 0.86 1.56TS min -4.38 -4.00 -3.00 -2.45

Berdasarkan data di atas akan dipilih nilai persebaran dari nilai tracking signal di

antara UCL dan LCL, serta nilai dari perbandingan error yang terkecil. Metode yang

dipilih dari data di atas adalah forecasting dari metode moving average untuk n=0

dengan nilai MAD, MSE, MFE, dan MAPE sebesar 3.88 ; 22.63 ; 0.63; dan 21.14.

Berikut merupakan grafik tracking signal masing-masing forecast dengan metode

moving average dengan n=3, n=4, n=5, n=6.

TS MA (3)

LCL CL TS UCL

Gambar 4.5 Tracking Signal Forecast Kursi Metode Moving Average n=3

TS MA (4)

LCL CL TS UCL


TS MA (5)

LCL CL TS UCL


TS MA (6)

LCL CL TS UCL


Berdasarkan grafik tracking signal diatas, dapat dilihat jika persebaran data pada

nilai tracking signal metode moving average dengan n=4 berada diantara batas

kontrol sehingga dapat disimpulkan hasil forecasting dari metode moving average

untuk n= 4 memiliki tingkat keakuratan yang tinggi.

4.2.2 Metode Weighted Moving Average

Berikut merupakan hasil perhitungan error forecasting dari metode weighted

moving average untuk n= 3, n= 4, n=5, dan n= 6.

Tabel 4.6 Perbandingan error kursi bangkuError WMA 3 WMA 4 WMA 5 WMA 6MAD 3.67 4.0 0 3.71 4.33MSE 19.67 23.25 22.29 28.00MFE 0.33 0.75 1.43 1.67

MAPE 20.11 21.86 19.77 22.85TS max 0.82 1.50 2.69 2.31TS min -3.82 -3.43 -2.33 -2.00



dipilih dari data diatas adalah forecasting dari metode weighted moving average

untuk n= 3 dengan nilai MAD, MSE, MFE, dan MAPE sebesar 3.67 ; 19.67 ; 0.33 ;

dan 20.11.

TS WMA (3)

LCL CL TS UCL

Gambar 4.9 Grafik tracking signal pada weighted moving average n=3

TS WMA (4)

LCL CL TS UCL


TS WMA (5)

LCL CL TS UCL


TS WMA (6)

LCL CL TS UCL



nilai tracking signal dengan metode weighted exponential smoothing dengan n=3

berada diantara batas kontrol sehingga dapat disimpulkan hasil forecasting dari

metode weighted moving average untuk n= 3 memiliki tingkat keakuratan yang tinggi.

4.2.3 Metode Exponential Smoothing

Berikut merupakan perbandingan error dari forecasting kursi bangku dengan

metode exponential smoothing untuk α=0.1, α=0.2, α=0.3, α=0.4, α=0.5, α=0.6,

α=0.7, α=0.8, dan α=0.9.

Tabel 4.7 Perbandingan error kursi bangku

Error ES(0,1)

ES(0,2)

ES(0,3)

ES(0,4)

ES(0,5)

ES(0,6)

ES(0,7)

ES(0,8)

ES(0,9)

MAD 3.42 3.17 3.17 3.17 3.00 3.50 3.33 3.58 3.67MSE 18.25 17.17 18.00 16.67 13.83 16.50 15.33 16.92 17.33MFE -1.58 -1.00 -0.83 -0.17 0.17 -0.17 0.00 0.08 0.00

MAPE 19.78 18.01 17.91 17.44 16.27 18.94 17.98 19.23 19.73TS

max 2.00 2.00 2.00 2.00 2.00 2.00 2.00 2.00 2.00

TS min -7.84 -7.67 -7.62 -5.91 -4.80 -5.33 -5.09 -4.52 -4.52

Berdasarkan data diatas akan dipilih dilihat dari nilai persebaran nilai tracking

signal di antara UCL dan LCL, dan nilai error yang paling kecil. Metode yang dipilih

dari data di atas adalah forecasting dari metode exponential smoothing untuk α=0,5

dengan nilai sebaran tracking signal yang paling kecil dan dengan nilai MAD, MSE,

MFE, dan MAPE sebesar 3.00 ; 13.83 ; 0.17 ; dan 16,27.

TS ES (0,2)

LCL CL TS UCL

Gambar 4.13 Grafik tracking signal ES 0.2

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

-6.00

-4.00

-2.00

0.00

2.00

4.00

6.00

Grafik Tracking Signal ES 0.5

TS BKA BKB CL

Gambar 4.14 Grafik tracking signal ES 0.8


nilai tracking signal tidak berada di antara batas kontrol sehingga dapat disimpulkan

hasil forecasting dari metode exponential smoothing untuk α=0,5 memiliki tingkat

keakuratan yang rendah.


Berikut merupakan hasil perhitungan forecasting dari metode yang dipilih dari

masing-masing metode forecasting yang telah dilakukan.

Tabel 4.8 Hasil forecasting kursi bangku metode terpilih

Bulan Aktual MA(4) WMA(3)

ES(0.5)

1 21.00 21.002 23.00 21.003 20.00 22.004 19.00 22 21.005 16.00 21 20 20.006 20.00 20 18 18.007 18.00 19 19 19.008 12.00 19 19 19.009 19.00 17 16 16.0010 25.00 18 17 18.0011 21.00 19 21 22.0012 27.00 20 22 22.00

Perbandingan Aktual dan MA, WMA, ES

Aktual MA (4) WMA (3) ES (0,8)

Gambar 4.15 Grafik Perbandingan data aktual dengan MA, WMA, dan ES Metode Terpilih

Dari peramalan pada tabel 4.8 dan grafik 4.15, dapat disimpulkan bahwa metode

weighted moving average untuk n=3 adalah metode yang peramalannya paling

mendekati data aktualnya.

Tabel 4.8 Perbandingan error kursi bangkuError MA 4 WMA 3 ES (0,5)MAD 3.88 3.67 3.00MSE 22.63 19.67 13.83MFE 0.63 0.33 0.17

MAPE 21.14 20.11 16.27TS Max 1.29 0.82 2.00TS Min -4.00 -3.82 -4.80

Berdasarkan data diatas akan dipilih nilai persebaran dari nilai tracking signal

diantara UCL dan LCL, namun dalam hal ini tracking signal metode terpilih yaitu

weighted moving average untuk n= 3 memiliki tracking signal yang berada pada

batas sehingga dapat dipercaya keakuratannya. Selain itu juga memperhatikan nilai

error yang terkecil, pada pola penjualan kursi bangku merupakan produk yang pola

data penjualannya cenderung fluktuatif, sehingga metode WMA adalah metode

terbaik yang dapat digunakan untuk produk ini. Metode yang dipilih dari data di atas

adalah forecasting dari metode weighted moving average untuk n= 3 dengan nilai

MAD, MSE, MFE, dan MAPE sebesar 3.67 ; 19.67 ; 0.33 ; dan 20.11.

TS WMA (3)

LCL CL TS UCL

Gambar 4.16 Grafik tracking signal pada WMA (3)


nilai tracking signal berada di luar batas kontrol sehingga dapat disimpulkan hasil

forecasting dari metode moving average untuk n= 3 memiliki tingkat keakuratan yang

cukup tinggi.

1 2 3 4 5 6 7 8 9 10 11 120.00

5.00

10.00

15.00

20.00

25.00

30.00

Perbandingan Aktual dengan Metode Terpilih

Aktual Forecasting

Gambar 4.17 Perbandingan Data Aktual dan Forecast Metode Terpilih

Tabel 4.9 Forecast Horizon 6 Bulan Metode TerpilihPeriod

e Aktual Forecast

1 21.002 23.003 20.004 19.00 3.005 16.00 4.006 20.00 5.007 18.00 6.008 12.00 7.009 19.00 8.0010 25.00 9.0011 21.00 10.0012 27.00 11.0013 2514 2415 2516 2417 2518 25




metode weighted moving average untuk n= 3 merupakan metode terbaik untuk

forecast produk Meja Bangku.

4.3 Peramalan Kayu Jati PX10

Berikut adalah grafik dari data penjualan Kayu Jati PX10.

Data Penjualan Kayu Jati

Data Penjualan Kayu Jati

Gambar 4.18 Grafik data penjualan Kayu Jati PX10

Berdasarkan grafik di atas, dapat dilihat jika pola data cenderung fluktuatif dari waktu ke waktu, sehingga dari kondisi di atas metode yang sesuai yaitu metode moving average, weighted moving average, dan exponential smoothing.

4.3.1 Metode Moving Average

Berikut merupakan hasil perhitungan error forecasting dari metode moving

average untuk n =3, n =4, n=5, dan n =6.

Tabel 4.10 Perbandingan error Kayu Jati PX10Error MA 3 MA 4 MA 5 MA 6MAD 6,67 8,63 10,57 11MSE 69,78 91,63 131,71 131,67MFE 6,67 8,63 10,57 11,00

MAPE 3,63 4,66 5,65 5,84TS Max 9,00 8,00 7,00 6,00TS Min 1,00 1,00 1,00 1,00



dipilih dari data di atas adalah forecasting dari metode moving average untuk n =3

dengan nilai MAD, MSE, MFE, dan MAPE sebesar 6,67 ; 69,78 ; 6,67 ; dan 3,63

TS MA (3)

LCL CL TS UCL

Gambar 4.19 Grafik tracking signal pada moving average n = 3


nilai tracking signal berada di luar batas kontrol sehingga dapat disimpulkan hasil

forecasting dari metode moving average untuk n = 3 memiliki tingkat keakuratan

yang rendah.

4.3.2 Metode Weighted Moving Average

Berikut merupakan hasil perhitungan error forecasting dari metode weighted

moving average untuk n =3, n = 4, n=5, dan n = 6.

Tabel 4.11 Perbandingan error Kayu Jati PX10Error WMA 3 WMA 4 WMA 5 WMA 6MAD 5,78 8,00 8,14 7,83MSE 53,78 64,63 87,00 71,17MFE 5,78 6,63 8,14 7,83

MAPE 3,16 3,58 4,35 4,16TS

Max 9,00 8,00 7,00 6,00

TS Min 1,00 1,00 1,00 1,00Berdasarkan data di atas akan dipilih nilai persebaran dari nilai tracking signal

diantara UCL dan LCL, serta nilai dari perbandingan error yang terkecil. Metode

yang dipilih dari data di atas adalah forecasting dari metode moving average untuk n

=3 dengan nilai MAD, MSE, MFE, dan MAPE sebesar 5,78 ; 53,78 ; 5,78 ; dan 3,16.

TS WMA (3)

LCL CL TS UCL

Gambar 4.20 Grafik tracking signal pada weighted moving average n =3

WMA (4)

TS BKA BKB CL


TS WMA (5)

TS BKA BKB CL


TS WMA (6)

TS BKA BKB CL


Berdasarkan grafik tracking signal di atas, dapat dilihat jika persebaran data

pada nilai tracking signal berada di luar batas kontrol sehingga dapat disimpulkan

hasil forecasting dari metode weighted moving average untuk n =3 memiliki tingkat

keakuratan yang rendah.

4.3.3 Metode Exponential Smoothing

Berikut merupakan hasil perbandingan error forecasting dari metode exponential

smoothing untuk α=0.1, α=0.2, α=0.3, α=0.4, α=0.5, α=0.6, α=0.7, α=0.8, dan α=0.9.

Tabel 4.12 Perbandingan error Kayu Jati PX10

Error ES (0,1)

ES (0,2)

ES (0,3)

ES (0,4)

ES (0,5)

ES (0,6)

ES (0,7)

ES (0,8)

ES (0,9)

MAD 9,92 9,17 8,50 8,25 8,50 8,00 8,25 8,58 8,83

MSE 137,75

125,33

117,67

109,08

109,67

104,83

106,92

111,25

120,17

MFE -0,25 1,00 1,50 1,58 2,00 1,50 1,25 1,08 1,00MAP

E 5,73 5,28 4,90 4,79 4,94 4,69 4,84 5,04 5,20

TS Max 1,00 1,31 2,12 2,30 2,82 2,25 1,82 1,51 1,36

TS -5,20 -5,00 -4,55 -3,33 -2,37 -2,09 -1,88 -1,68 -1,53

MinBerdasarkan data di atas akan dipilih nilai persebaran dari nilai tracking signal di

antara BKA dan BKB, serta nilai dari perbandingan error yang terkecil. Metode yang

dipilih dari data di atas adalah forecasting dari metode exponential smoothing untuk

α=0.6 dengan nilai MAD, MSE, MFE, dan MAPE sebesar 8,30 ; 104,83 ; 1,5 ; dan

4,69.

TS ES (0,4)

TS BKA BKB CL

Gambar 4.24 Tracking Signal dengan ES 0.4

TS ES (0,6)

LCL CL TS UCL

Gambar 4.25 Tracking Signal dengan ES 0.6

Berdasarkan grafik tracking signal di atas, dapat dilihat jika persebaran data

pada nilai tracking signal berada di antara batas kontrol sehingga dapat disimpulkan

hasil forecasting dari metode exponential smoothing untuk α=0.6 memiliki tingkat

keakuratan yang tinggi.


Berikut merupakan hasil perhitungan forecasting dari metode yang dipilih dari

masing-masing metode forecasting yang telah dilakukan.

Tabel 4.13 Hasil forecasting Kayu Jati PX10 metode terpilih

Aktual MA(3)

WMA (3)

ES (0.6)

160 179175 168153 173168 163 162 161170 166 165 166184 164 167 169178 174 177 178187 178 179 178190 183 184 184188 185 187 188193 189 189 188195 191 191 191

Perbandingan Aktual, MA (3), WMA (3), ES (0,6)

demand MA (3) WMA (3) ES (0.6)

Gambar 4.26 Grafik Perbandingan data aktual dengan MA, WMA, dan ES

Dari peramalan pada tabel 4.14 dan grafik 4.15, dapat disimpulkan bahwa metode

exponential smoothing untuk α=0,6 adalah metode yang peramalannya paling

mendekati data aktualnya.

Tabel 4.14 Perbandingan error Kayu Jati PX10Error MA 3 WMA 3 ES (0,6)MAD 6,67 5,78 8MSE 69,78 53,78 104,83MFE 6,67 5,78 1,5

MAPE 3,63 3,16 4,69

TS Max 9 9 2,25TS Min 1 1 -2,09

Berdasarkan data di atas akan dipilih nilai persebaran dari nilai tracking signal

diantara UCL dan LCL, serta nilai dari perbandingan error yang terkecil. Selain itu

juga memperhatikan nilai error yang terkecil, pada pola penjualan Kayu Jati PX10

merupakan produk yang pola data penjualannya cenderung fluktuatif, sehingga

metode ES adalah metode terbaik yang dapat digunakan untuk produk ini. Metode

yang dipilih dari data di atas adalah forecasting dari metode exponential smoothing

untuk α=0.6 dengan nilai MAD, MSE, MAPE, dan MFE sebesar 8.30, 105.44, 4.84,

2.08.

TS ES (0,6)

LCL CL TS UCL

Gambar 4.27 Grafik Tracking Signal pada ES 0,6


nilai tracking signal berada di antara batas kontrol sehingga dapat disimpulkan hasil

forecasting dari metode ES 0,6 memiliki tingkat keakuratan yang tinggi.

Perbandingan Aktual dan Forecast Terpilih

Aktual ES (0,6)

Gambar 4.28 Perbandingan Data Aktual dengan forecasing metode tepilihTabel 4.15 Forecast Horizon 6 Bulan Metode Terpilih

Periode

Forecast

13 19414 19315 19416 19417 19418 194




metode ES dengan α=0.6 merupakan metode terbaik untuk forecast produk Meja

Bangku.

4.2 Perencanaan Agregat

Setelah dilakukan perhitungan peramalan penjualan untuk tiap-tiap produk

dengan metode yang paling optimal, selanjutnya akan dilakukan perencanaan agregat.

Perencanaan agregat yang dilakukan akan membandingkan antara tiga metode yaitu

metode chase, level, dan level dengan rata-rata tengah. Dimana selanjutnya akan

dipilih metode yang paling optimal dengan membandingkan total biaya yang

dikeluarkan untuk masing-masing metode. Berdasarkan data-data yang telah

dijabarkan pada bab 3, dapat dihitung :

1. Hari kerja per bulan = 24 hari

2. Jam kerja reguler per bulan = 8 jam (per hari) x 24 = 192 jam per bulan

3. Jam lembur per bulan = 30 jam (per minggu) x 4 = 120 jam per bulan

4. Upah kerja reguler per jam = Rp 12.500,-

5. Upah lembur per jam = Rp 10.000

6. Biaya mesin per jam = Rp 10.000

7. Biaya subkontrak :

Pada CV. Jati Subur : Meja= 37000, Kursi = 37500

Pada CV. Jati Makmur : Meja= 45000, Kursi = 4000

Berikut adalah data peramalan, proporsi tiap produk per periode :

Tabel 4.16 Peramalan Permintaan Produk CV Jati Makmur FurniturePeriode Meja Kursi

13 85 2514 87 2415 88 2516 89 24

17 90 2518 91 25

Data peramalan di atas diperoleh dari hasil forecasting yang kemudian akan

digunakan dalam pengolahan data pada metode chase, level, dan level dengan rata-

rata tengah.

Tabel 4.17 Kecepatan Produksi CV Jati Makmur Furniture

ProdukWaktu Proses Permesinan (jam)

Kecepatan Produksi (jam/unit)

Mesin Potong Mesin Assembly Mesin Spray

(splitur)Meja Bangku 0.5 1 1 2.5

Kursi Bangku 0.75 1.5 1 3.25

Data kecepatan produksi digunakan untuk mengetahui proporsi pada permesinan

dan jumlah produk yang dihasilkan per harinya sehingga dapat diketahui juga jumlah

produk yang dihasilkan tiap bulannya.

Tabel 4.18 Proporsi Kecepatan ProduksiProporsi

Meja Kursi0.435 0.5650.435 0.5650.435 0.5650.435 0.5650.435 0.5650.435 0.565

Perhitungan proporsi untuk meja pada periode yang akan kemudian digunakan

untuk semua periode :

Proporsi Meja= Kecepatan produksimejaTotal kecepatan produksi

= 2,55,75

=0,435

Dengan cara yang sama, perhitungan proporsi untuk meja pada periode yang akan

kemudian digunakan untuk semua periode :

Proporsi Meja= Kecepatan produksikursiTotal kecepatan produksi

=3,255,75

=0,565

4.2.1 Chase Strategy

Berikut adalah tabel perhitungan untuk perencanaan agregat CV Jati Makmur

Furniture dengan metode chase.

Tabel 4.19 Chase Strategy CV Jati Makmur Furniture

Periode Proporsi Jam Kerjayang dibutuhkan

Total Jam

Kerja

Regular Time Over Time Subkontrak

Meja Kursi Meja Kursi13 0.435 0.565 212.5 81.25 293.75 192 101.75 014 0.435 0.565 217.5 78 295.5 192 103.5 015 0.435 0.565 220 81.25 301.25 192 109.25 016 0.435 0.565 222.5 78 300.5 192 108.5 017 0.435 0.565 225 81.25 306.25 192 114.25 018 0.435 0.565 227.5 81.25 308.75 192 116.75 0

Langkah-langkah pengerjaan metode chase strategy:

1. Menentukan jam kerja yang dibutuhkan

Perhitungan meja untuk periode ke-13:

Jamkerja yangdibutuhkan meja=Demand meja13× Kecepatan produksimeja

¿85×0,435=212,5 jam

Perhitungan kursi untuk periode ke-13:

Jamkerja yang dibutuhkan kursi=Demand kursi13× Kecepatan produksi kursi

¿25 ×0,565=81,25 jam

Dengan cara yang sama, didapatkan nilai jam kerja yang dibutuhkan untuk

masing-masing produk di tiap periode.

2. Mencari total jam kerja tiap periode

Setelah didapat jam kerja yang dibutuhkan untuk masing-masing produk,

kemudian jam kerja untuk keempat produk dijumlahkan.

Total jam kerja bulanke−13=212,5+81,25=293,75 jam

3. Menentukan regular time

Penentuan regular time disesuaikan dengan total jam kerja yang dibutuhkan

karena pada strategi, produksi dilakukan sesuai dengan permintaan pelanggan.

Tetapi, untuk bulan ke-13, karena total jam kerja yang dibutuhkan melebihi batas

standar jam kerja, maka regular time-nya sesuai dengan standar kerja maksimal

yaitu 192 jam. Kebutuhan jam kerja yang belum terakomodasi, akan dialokasikan

ke waktu lembur.

4. Menentukan over time

Untuk menentukan lamanya waktu lembur pada periode ke-13, kebutuhan

jam kerja yang belum terakomodasi harus diketahui terlebih dahulu.

Jamkerja yangbelum terakomodasi=293,75−192=101,75 jam

5. Menggunakan subkontrak

Untuk tetap bisa memenuhi permintaan pelanggan secara tepat waktu, maka

digunakanlah subkontrak. Subkontrak peride ke 13 digunakan karena pada CV

Jati Makmur Furniture penggunaan jam lembur masih belum bisa

mengakomodasi permintaan.

Subkontrak ke13=Total jam kerja−waktureguler−waktu lembur

¿293,5−192−101,75=0 jam

Berdasarkan hasil perhitungan pada tabel 4.19, diketahui bahwa hasil

subkontrak sama dengan 0 untuk semua periode yang menunjukkan bahwa

alokasi jam reguler dan overtime sudah memenuhi total jam kerja yang

dibutuhkan sehingga tidak dibutuhkan adanya subkontrak.

6. Menghitung total biaya keseluruhan

Total biaya keseluruhan didapat dari penjumlahan biaya-biaya produksi yang

terlibat. Berikut adalah perhitungan untuk mencari jumlah masing-masing biaya.

1) Biaya mesin

Biaya mesin = (total jam kerja – jam subkontrak) x biaya mesin

= (1806 – 0) x 10.000 = Rp 18.060.000,00

2) Biaya regular time

Biaya reguler = total regular time x upah standar x jumlah operator

= 1152 x 12500 x 6= Rp 86.400.000,00

3) Biaya over time

Biaya over time = waktu lembur x biaya lembur x jumlah operator

= 654 x 10.000 x 6 = Rp 39.240.000,00

4) Biaya subkontrak

Biaya subkontrak per produk didapat dari jumlah unit per produk

dikalikan harga subkontrak per unit produk. Dikarenakan tidak ada

subkontrak yang dilakukan pada produk CV Jati Makmur Furniture maka

biaya subkontrak sama dengan Rp 0,00

Masing-masing biaya tersebut kemudian ditotal untuk mendapatkan total

biaya keseluruhan.

Tabel 4.20 Total Biaya Chase StrategyBiaya Jumlah (Rp)Biaya mesin Rp 18.060.000,00Biaya reguler Rp 86.400.000,00Biaya over time Rp 39.240.000,00Biaya Rp 0,00

subcontract

Total biayaRp

143.700.000,00

Jadi, dapat diambil kesimpulan bahwa total biaya dengan chase strategy

sebesar Rp 143.700.000,00

4.2.2 Level Strategy

Berikut adalah tabel perhitungan untuk perencanaan agregat CV Jati Makmur

Furniture dengan metode level.

Tabel 4.21 Level Strategy CV Jati Makmur Furniture

Periode

Proporsi Jam Kerja yang dibutuhkan

Total Jam

Kerja Level Regular time Overtime Inventor

yMeja Kursi Meja Kursi Meja

13 0.4348 0.5652 212.5 81.25 293.75 308.75 192 116.75 1514 0.4348 0.5652 217.5 78 295.5 308.75 192 116.75 13.2515 0.4348 0.5652 220 81.25 301.25 308.75 192 116.75 7.516 0.4348 0.5652 222.5 78 300.5 308.75 192 116.75 8.2517 0.4348 0.5652 225 81.25 306.25 308.75 192 116.75 2.518 0.4348 0.5652 227.5 81.25 308.75 308.75 192 116.75 0

Langkah-langkah pengerjaan metode level strategy:

1. Menentukan jam kerja yang dibutuhkan

Penentuan jam kerja yang dibutuhkan pada level strategy memiliki perhitungan

yang sama dengan chase strategy.

Perhitungan meja untuk periode ke-13:

Jamkerja yang dibutuhkan meja=Demand meja13× Kecepatan produksimeja

¿85 ×0,435=212,5 jam

Perhitungan kursi untuk periode ke-13:

Jamkerja yang dibutuhkan kursi=Demand kursi13× Kecepatan produksi kursi

¿25 ×0,565=81,25 jam

Dengan cara yang sama, didapatkan nilai jam kerja yang dibutuhkan untuk

masing-masing produk di tiap periode.

2. Mencari total jam kerja tiap periode

Setelah didapat jam kerja yang dibutuhkan untuk masing-masing produk,

kemudian jam kerja untuk keempat produk dijumlahkan.

Total jam kerja bulanke−13=212,5+81,25=293,75 jam

3. Menentukan level produksi

Level = Nilai Maximal dari total jam kerja = 308,75 jam

4. Menghitung Inventory

Karena level produksi memiliki nilai yang lebih besar daripada

permintaannya, maka akan muncul inventory. Inventory ini nantinya akan

digunakan apabila ada kekurangan produksi pada periode selanjutnya. Berikut

adalah perhitungan untuk inventory.

Inventory periode-13 = Level – Total jam kerja periode = 308,75 – 293,75 =

15 jam

Dengan cara yang sama, inventory periode 14 sampai dengan 18 dapat diketahui.

Tabel 4.22 Perhitungan Inventory untuk Level Strategy

Periode Inventory (jam)

Jam Inventory Unit

Meja Kursi Meja Kursi13 15 6.522 8.478 3 214 13.25 5.761 7.489 5 215 7.5 3.261 4.239 4 116 8.25 3.587 4.663 3 117 2.5 1.087 1.413 2 018 0 0.000 0.000 2 0

Pada CV Jati Makmur Furniture, biaya inventory dikenakan per unitnya,

sehingga inventory yang berupa jam kerja perlu dikonversikan ke dalam bentuk

produk atau unit terlebih dahulu.

Inventoryperiodeke-13

¿inventory13× proporsi mejakecepatan produksimeja

=15 × 0,435 jam2,5 jam /unit

= 6,522 jam2,5 jam/unit

=3 unit

Dengan cara yang sama, didapatkan jumlah unit tiap produknya pada setiap

periode. Kemudian, masing-masing produk pada setiap periode dijumlahkan.

Inventory periode ke-13 = 3+2 = 5 unit

5. Menghitung total biaya keseluruhan



1) Biaya mesin

Biaya mesin = total jam kerja x biaya mesin

= 1852,5 x 10.000 = Rp 18.525.000,00

2) Biaya regular time

Biaya reguler = total regular time x upah standar x jumlah operator

= 1152 x 12500 x 6= Rp 86.400.000,00

3) Biaya over time

Biaya over time = waktu lembur x biaya lembur x jumlah operator

= 700,5 x 10.000 x 6 = Rp 42.030.000,00

4) Biaya inventory

Biaya inventory didapat dari total produk dikalikan dengan biaya

inventory per bulannya. Biaya inventory diketahui Rp 15.000/unit per

tahun, sehingga biaya inventory per bulannya adalah Rp 1.250/unit.

Perhitungan biaya inventory dapat dilihat pada tabel 4.23.

Tabel 4.23 Perhitungan Biaya Inventory untuk Level Strategy

Periode Total Inventory

Biaya Inventory /

Bulan

Biaya Inventory

13 5 1250 625014 7 1250 875015 5 1250 625016 4 1250 500017 2 1250 250018 2 1250 2500

Total Biaya Inventory 31250

Total biaya inventory yang dikeluarkan CV Jati Makmur sebesar Rp 31.250,00. Masing-masing biaya tersebut kemudian ditotal untuk mendapatkan total biaya keseluruhan. Perhitungan dapat dilihat pada tabel 4.33.

Tabel 4.24 Total Biaya Level StrategyBiaya Jumlah (Rp)

Biaya mesin Rp 18.525.000,00Biaya reguler Rp 86.400.000,00

Biaya over time Rp 42.030.000,00Biaya

inventory Rp 31.250,00Total biaya Rp 146.986.250.000,00

Jadi, dapat diambil kesimpulan bahwa total biaya dengan level strategy

sebesar Rp 146.986.250.000,00

4.2.1

4.2.2

4.2.3

Tabel 4.25 Compromised Strategy untuk CV Jati Makmur

Periode

Proporsi Jam Kerja yang

Dibutuhkan

Total Jam

Kerja

Level

Regular Time

Overtime

Inventory

Cumulatif Inventor

yMeja Kursi

Meja

Kursi

13 0,4348

0,565

212,5

81,25 293,75 301 192 109 7,25 7,25

14 0,4348

0,565

217,5 78 295,5 301 192 109 5,50 12,75

15 0,4348

0,565 220 81,2

5 301,25 301 192 109 -0,25 12,50

16 0,4348

0,565

222,5 78 300,5 301 192 109 0,50 13,00

17 0,4348

0,565 225 81,2

5 306,25 301 192 109 -5,250 7,75

18 0,4348

0,565

227,5

81,25 308,75 301 192 109 -7,75 0

1806 1806 1152 654

Langkah-langkah pengerjaan metode compromised strategy:

1. Menentukan jam kerja masing-masing produk

Penentuan jam kerja untuk masing-masing produk adalah dengan mengalikan

demand produk dengan kecepatan produksi produk tersebut. Berikut merupakan

perhitungan jam kerja meja bangku periode ke-13:

Jamkerja meja bangku=Demand meja × kecepatan produksimeja=85×2,5=293,75 jam

Dengan cara yang sama, didapatkan nilai jam kerja masing-masing produk yang

dibutuhkan di tiap periode.

2. Menentukan total jam kerja yang dibutuhkan

Penentuan jam kerja yang dibutuhkan pada compromised strategy memiliki

perhitungan yang sama dengan chase dan level strategy. Perhitungan untuk periode

ke-13:

Total Jam Kerja= jam kerja yang dibutuhkanmeja+ jam kerja yangdibutuhkan kursi=212,5+81,25=293,75 jam

Dengan cara yang sama, didapatkan nilai total jam kerja yang dibutuhkan di tiap

periode.

3. Menentukan level

Penentuan level didapatkan dari rata-rata jumlah total jam kerja dari tiap periode

selama 6 bulan. Perhitungan level adalah sebagai berikut:

Level =293,75+295,5+301,25+300,5+306,25+308,756

=308,75

4. Menentukan regular time

Penentuan regular time didapatkan dari total jam kerja selama 1 periode dengan

perhitungan sebagai berikut:

Regular Time = 8 jam × 6 hari/minggu × 4 minggu/bulan = 192 jam

5. Menghitung inventory

Penentuan jam inventory didapatkan dari pengurangan waktu level dengan total

jam kerja tiap periode. Berikut merupakan contoh perhitungan jam inventory periode

ke-13:

Inventory = level – total jam kerja = 301-293,75 = 7,25

Dari jam inventory masing-masing periode dapat diketahui jam inventory masing-

masing produk yang didapatkan dari perhitungan kumulatif inventory masing-masing

periode dikali dengan proporsi produk. Berikut merupakan contoh perhitungan jam

inventory untuk produk meja pada periode ke-13:

Jam Inventory Meja = 7,25×0,4348 = 3,152174

Dengan diketahui jam inventory masing-masing produk di masing-masing

periode maka dapat dihitung unit inventory masing-masing produk, total inventory,

dan biaya inventory yang dikeluarkan tiap periode. Untuk rincian unit inventory

masing-masing produk, total inventory, dan biaya inventory yang dikeluarkan tiap

periode dapat dilihat pada Tabel 4.26

Tabel 4.26 Perhitungan Biaya Inventory CV Jati MakmurJam Inventory Unit Inventory

Total Inventory

Biaya Inventory /

BulanBiaya

InventoryMeja Kursi Meja Kursi

3.152 4.098 2 1 3 1250 37505.543 7.207 3 2 5 1250 62505.652 7.348 3 2 5 1250 62505.435 7.065 3 2 5 1250 62507.717 10.033 4 3 7 1250 875011.087 14.413 5 4 9 1250 11250

Total biaya inventory 425006. Menghitung total biaya keseluruhan



1) Biaya mesin

Biaya mesin = total waktu level x biaya mesin

= 1806 x 10.000 = Rp 18.060.000

2) Biaya Tenaga Kerja

Biaya tenaga kerja regular = Regular time x 6 orang x 6 bulan x upah

reguler

= 192 x 6 x 6 x 12500 = Rp 86.400.000

Biaya tenaga kerja overtime = Overtime x 6 orang x 6 bulan x upah over

= 109 x 6 x 6 x 10000 = Rp 39.240.000

3) Biaya Inventory

Biaya Inventory = 3750+6250+6250+6250+8750+11250

= Rp 42.500

Total biaya yang dikeluarkan dengan metode Compromised strategy adalah sebagai

berikut:

Total biaya = Rp 18.060.000 + Rp 86.400.000 + Rp 39.240.000 + Rp 42.500

= Rp 143.742.500,00


Berikut adalah total biaya dari masing-masing metode.

Tabel 4.27 Total Biaya Masing-Masing MetodeMetode Total BiayaChase

strategyRp.

143.700.000.000

Lavel strategy Rp. 146.986.250,000

Mix strategy Rp. 143.742.500,000

Berdasarkan tabel 4.27, dapat dilihat bahwa biaya minimal didapatkan dari

perhitungan dengan metode chase strategy, sehingga dapat disimpulkan bahwa

metode terbaik untuk perencanaan agregat CV Jati Makmur Furniture adalah dengan

metode chase strategy.

manajemen produksi samuel azami ismail

Documents