tugas besar perencanaan & pengendalian produksi

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


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


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


4/41


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


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


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.


8/41

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.


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


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


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)


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


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


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

′ − −. . .−+


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 ′−


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


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)


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)


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)


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.


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)


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


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


24/41

18


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


25/41

19


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.


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


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:


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


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


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


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(-)


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


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


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.


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


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


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


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).


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


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.


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)

tugas besar perencanaan & pengendalian produksi

Documents