BAB 5 HASIL DAN PEMBAHASAN
|
|
- Liana Gunawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 5 HASIL DAN PEMBAHASAN 5.1. Ekstraksi Hasil Pengumpulan Data Data Permintaan (demand) Konsumen Pengumpulan data permintaan konsumen pada PT. Sinar Jaya Prakarsa diambil mulai dari bulan Agustus 2002 sampai dengan Juli 2005 (3 tahun). Berikut ini adalah data permintaan untuk produk sandal swallow : Tabel 5.1 Data Permintaan Bulanan Produk Sandal Swallow Standar Periode Tahun Bulan Demand Periode Tahun Bulan Demand 1 Agustus Februari September Maret Oktober April Nopember Mei Desember Juni Januari Juli Februari Agustus Maret September April Oktober Mei Nopember Juni Desember Juli Januari Agustus Februari September Maret Oktober April Nopember Mei Desember Juni Januari Juli 6000
2 90 Tabel 5.2 Data Permintaan Bulanan Produk Sandal Swallow Sablon Periode Tahun Bulan Demand Periode Tahun Bulan Demand 1 Agustus Februari September Maret Oktober April Nopember Mei Desember Juni Januari Juli Februari Agustus Maret September April Oktober Mei Nopember Juni Desember Juli Januari Agustus Februari September Maret Oktober April Nopember Mei Desember Juni Januari Juli Data Waktu Siklus Produk Waktu siklus dalam memproduksi produk sandal standar dan sablon pada dasarnya sama, hanya saja pada produk sandal sablon terdapat tambahan operasi yaitu operasi penyablonnan sebelum operasi perakitan. Berikut adalah data waktu siklus untuk masing-masing operasi dalam mengolah bahan baku menjadi produk yang siap untuk dijual berdasarkan pengamatan langsung di lapangan dengan pengukuran menggunakan alat bantu stopwatch untuk produk sandal swallow standar dan sablon:
3 91 Tabel 5.3 Data Waktu Siklus Sandal Standar dalam Satuan Menit Kegiatan O - 10 ke- O 1 O 2 O 3 O 4 O 5 O 6 O 7 O 8 O - 9 A - 1 A-2 A :26,81 7:28,04 9:43, :40,00 2:41,81 3:27,14 3,47 5, :51,49 2 5:11,92 8:01,66 9:54, :44,15 2:50,55 3:20,59 3,00 7, :37,99 3 5:09,27 7:44,92 10:01, :36,83 2:54,28 3:25,80 3,25 5, :39,50 4 5:45,19 6:58,81 9:57, :55,00 2:40,14 3:50,00 2,91 5, :45,51 5 5:17,52 7:33,27 9:55, :05,39 2:47,90 3:35,55 4,44 5, :53,15 6 5:52,11 7:05,69 9:32, :12,52 2:49,00 3:33,73 3,50 5, :53,22 7 5:22,73 7:26,53 9:44, :09,27 2:45,42 3:20,04 4,00 6, :52,74 8 5:41,68 7:45,39 9:39, :25,90 2:55,97 3:15,91 3,32 6, :45,97 9 5:31,74 7:29,72 9:38, :22,77 2:53,22 3:40,58 3,00 6, :38, :05,35 7:19,94 9:35, :57,41 2:45,52 3:30,87 2,99 5, :41, :27,92 7:52,63 9:53, :17,95 2:42,75 3:53,30 3,65 7, :41, :38,76 7:45,99 9:51, :02,12 2:55,18 3:27,22 4,26 5, :55, :27,44 7:31,35 9:45, :43,64 2:52,57 3:58,69 4,52 6, :52, :11,98 7:47,12 9:59, :19,36 2:40,68 3:45,75 3,71 6, :40, :09,55 7:58,18 9:50, :44,88 2:58,77 3:37,47 3,48 5, :52, :23,71 7:25,33 9:01, :49,72 2:43,23 3:32,35 4,11 7, :47, :01,66 7:34,78 9:02, :30,55 2:56,00 3:21,98 3,93 6, :45, :35,97 7:44,91 9:37, :56,92 2:39,99 3:23,09 3,00 6, :44, :07,73 7:38,65 9:53, :12,37 2:53,52 3:27, , :37, :33,54 7:09,13 9:42, :59,74 2:50,25 3:45,77 3,19 5, :37, :41,58 7:16,82 9:46, :50,18 2:47,13 4:09,14 3,77 6, :55, :49,25 7:41,47 9:44, :47,43 2:45,88 3:55,50 3,31 6, :42, :57,69 7:40,63 9:55, :40,49 2:39,34 3:51, , :52, :29,77 7:13,97 9:43, :53,52 3:03,31 4:06,11 3,10 5, :49, :22,35 7:27,88 9:56, :49,07 2:48,66 3:40,96 4,22 5, :47, :45,13 7:49,21 9:53, :29,65 2:52,79 3:44,32 3,54 9, :45, :39,46 7:09,83 9:39, :56,98 2:53,11 4:07,87 3,88 6, :36, :19,33 7:55,76 9:37, :17,71 2:44,00 3:52,79 4,00 5, :56, :21,70 7:38,50 9:41, :21,19 2:39,57 3:22,24 3,92 7, :39, :47,88 8:03,72 9:52, :09,54 2:39,95 3:48,58 3,45 6, :44,31 Total 02:46:16,72 03:51:29,83 4:54:31,20 02: :51:52,71 01:24:10,49 01:49:52,19 01:48,39 03:16,79 03:38,73 04:25,91 53:05,76 Keterangan : O 1 : Pemotongan Awal O 2 : Pencampuran O 3 : Pengerollan O 4 : Pemotongan Lembaran Karet O 5 : Pengompresan O 6 : Pendinginan O 7 : Pemotongan Spons dan Inspeksi O 8 : Pelubangan
4 92 O 9 : Perakitan O 10 : Packaging dan inspeksi, dimana proses packaging terdiri dari : A-1 (packaging 1 pasang sandal), A-2 (packaging 6 pasang sandal), A-3 (packaging 1 karung sandal) Tabel 5.4 Data Waktu Siklus Sandal Sablon dalam Satuan Menit Kegiatan O - 11 ke- O - 1 O - 2 O - 3 O - 4 O 5 O - 6 O - 7 O 8 O-9 O - 10 A - 1 A-2 A :26,81 7:28,04 9:43, :40,00 2:41,81 3:27,14 3, , :51,49 2 5:11,92 8:01,66 9:54, :44,15 2:50,55 3:20,59 3, , :37,99 3 5:09,27 7:44,92 10:01, :36,83 2:54,28 3:25,80 3, , :39,50 4 5:45,19 6:58,81 9:57, :55,00 2:40,14 3:50,00 2, , :45,51 5 5:17,52 7:33,27 9:55, :05,39 2:47,90 3:35,55 4, , :53,15 6 5:52,11 7:05,69 9:32, :12,52 2:49,00 3:33,73 3, , :53,22 7 5:22,73 7:26,53 9:44, :09,27 2:45,42 3:20,04 4, , :52,74 8 5:41,68 7:45,39 9:39, :25,90 2:55,97 3:15,91 3, , :45,97 9 5:31,74 7:29,72 9:38, :22,77 2:53,22 3:40,58 3, , :38, :05,35 7:19,94 9:35, :57,41 2:45,52 3:30,87 2, , :41, :27,92 7:52,63 9:53, :17,95 2:42,75 3:53,30 3, , :41, :38,76 7:45,99 9:51, :02,12 2:55,18 3:27,22 4, , :55, :27,44 7:31,35 9:45, :43,64 2:52,57 3:58,69 4, , :52, :11,98 7:47,12 9:59, :19,36 2:40,68 3:45,75 3, , :40, :09,55 7:58,18 9:50, :44,88 2:58,77 3:37,47 3, , :52, :23,71 7:25,33 9:01, :49,72 2:43,23 3:32,35 4, , :47, :01,66 7:34,78 9:02, :30,55 2:56,00 3:21,98 3, , :45, :35,97 7:44,91 9:37, :56,92 2:39,99 3:23,09 3, , :44, :07,73 7:38,65 9:53, :12,37 2:53,52 3:27, , :37, :33,54 7:09,13 9:42, :59,74 2:50,25 3:45,77 3,19 9:07 5, :37, :41,58 7:16,82 9:46, :50,18 2:47,13 4:09,14 3, , :55, :49,25 7:41,47 9:44, :47,43 2:45,88 3:55,50 3, , :42, :57,69 7:40,63 9:55, :40,49 2:39,34 3:51, , :52, :29,77 7:13,97 9:43, :53,52 3:03,31 4:06,11 3, , :49, :22,35 7:27,88 9:56, :49,07 2:48,66 3:40,96 4, , :47, :45,13 7:49,21 9:53, :29,65 2:52,79 3:44,32 3, , :45, :39,46 7:09,83 9:39, :56,98 2:53,11 4:07,87 3, , :36, :19,33 7:55,76 9:37, :17,71 2:44,00 3:52,79 4, , :56, :21,70 7:38,50 9:41, :21,19 2:39,57 3:22,24 3, , :39, :47,88 8:03,72 9:52, :09,54 2:39,95 3:48,58 3, , :44,31 Total 02:46:16,72 03:51:29,83 4:54:31,20 02: :51:52,71 01:24:10,49 01:49:52,19 01:48,39 07:57,04 03:16,79 03:38,73 04:25,91 53:05,76 Keterangan : O 1 : Pemotongan Awal O 2 : Pencampuran O 3 : Pengerollan
5 93 O 4 : Pemotongan Lembaran Karet O 5 : Pengompresan O 6 : Pendinginan O 7 : Pemotongan Spons dan Inspeksi O 8 : Pelubangan O 9 : Penyablonan O 10 : Perakitan O 11 : Packaging dan inspeksi, dimana proses packaging terdiri dari : A-1 (packaging 1 pasang sandal), A-2 (packaging 6 pasang sandal), A-3 (packaging 1 karung sandal) OPC (Operation Process Chart) Produk Berdasarkan proses produksi perusahaan, maka OPC untuk memproduksi sandal standar dan sablon adalah sebagai berikut:
6 94 PETA PRO Produk : Sandal S Dibuat Oleh : Ratna K Tanggal Pembuatan : 7 Oktob Gambar 5.1 OPC Produk Sandal Swallow Standar
7 95 PETA PRO Produk : Sandal S Dibuat Oleh : Ratna K Tanggal Pembuatan : 7 Oktob Gambar 5.2 OPC Produk Sandal Swallow Sablon
8 Pengolahan Data Perhitungan Target Produksi Untuk dapat memenuhi permintaan konsumen, diperlukan target produksi yaitu jumlah minimal produk yang harus diproduksi perusahaan. Dalam menentukan target produksi, digunakan beberapa metode peramalan untuk menentukan besarnya jumlah permintaan konsumen pada periode mendatang dengan berdasarkan pada plot data permintaan tiga tahun yang lalu untuk menentukan metode-metode yang tepat Plot Data Permintaan Sebelum melakukan peramalan terhadap permintaan, dilakukan dahulu plot data masa lalu yang akan digunakan agar dapat memperkirakan metode-metode peramalan yang sesuai dengan pola data permintaan. Pada kasus ini digunakan data historis permintaan dari bulan Agustus 2002 hingga Juli 2005 (selama 3 tahun). Berikut merupakan hasil dari plot terhadap data historis permintaan : Data Permintaan Sandal Swallow 8000 Permintaan Periode Demand Grafik 5.1 Pola Data Permintaan Sandal Swallow Standar
9 97 Data Demand Sandal Swallow Bersablon Periode Demand Grafik 5.2 Plot Data Permintaan Sandal Swallow Sablon Pemilihan Metode Peramalan yang digunakan Berdasarkan pola data yang dihasilkan, dapat terlihat bahwa data permintaan sandal swallow baik untuk yang standar maupun bersablon menunjukkan pola data horizontal (data stasioner) yang mengandung pola trend. Untuk itu dengan melakukan studi pustaka, maka beberapa metode peramalan yang sesuai dengan pola data yang berlaku adalah : metode Double Moving Average (DMA), Holt, Quadratik, dan Regresi Linier. Pemilihan metode peramalan yang paling tepat/sesuai untuk digunakan dilakukan dengan menguji keempat metode diatas dengan statistik ketepatan peramalan yang ditinjau dari besarnya error yang terdapat pada setiap metode, yaitu : MAE, MSE, dan MAPE. Pada bab ini hanya ditampilkan tabel perhitungan dengan metode yang menghasilkan MAE, MSE, dan MAPE terkecil, tabel perhitungan dengan metodemetode lainnya dapat dilihat pada lampiran.
10 Perbandingan MAE, MSE dan MAPE Tiap Metode Perbandingan pada Sandal Standar Tabel 5.5 Tabel Perbandingan MAE, MSE dan MAPE pada Sandal Standar Perhitungan DMA Quadratik Holt Regresi MAE MSE MAPE Grafik Perbandingan MAE Nilai DMA Quadratik Holt Regresi Metode MAE Grafik 5.3 Perbandingan MAE Sandal Standar Grafik Perbandingan MSE Nilai DMA Quadratik Holt Regresi Metode MSE Grafik 5.4 Perbandingan MSE Sandal Standar Grafik Perbandingan MAPE Nilai MAPE 0.00 DMA Quadratik Holt Regresi Metode Grafik 5.5 Perbandingan MAPE Sandal Standar
11 99 Dengan melihat grafik perbandingan MAE, MSE dan MAPE, terlihat bahwa metode Regresi Linier memiliki MAE, MSE dan MAPE yang paling kecil diantara metode yang lainnya. Oleh karena itu peramalan untuk sandal standar digunakan metode Regresi Perbandingan pada Sandal Sablon Tabel 5.6 Perbandingan MAE, MSE dan MAPE pada Sandal Bersablon Perhitungan DMA Quadratik Holt Regresi MAE MSE MAPE Grafik Perbandingan MAE Nilai DMA Quadratik Holt Regresi Metode MAE Grafik 5.6 Perbandingan MAE Sandal Sablon Grafik Perbandingan MSE Nilai MSE 0.00 DMA Quadratik Holt Regresi Metode Grafik 5.7 Perbandingan MSE Sandal Sablon
12 100 Grafik Perbandingan MAPE Nilai DMA Quadratik Holt Regresi Metode MAPE Grafik 5.8 Perbandingan MAPE Sandal Sablon Dengan melihat grafik perbandingan MAE, MSE dan MAPE, terlihat bahwa metode DMA (Double Moving Average), Quadratik dan metode Regresi Linier memiliki MAE, MSE dan MAPE yang hampir seimbang. Namun metode Regresi Linier merupakan metode yang dipilih untuk sandal bersablon, hal ini dikarenakan metode Regresi Linier memiliki MAE, MSE dan MAPE yang terendah Peramalan Permintaan Peramalan permintaan dimaksudkan untuk mendapatkan perkiraan permintaan untuk 3 bulan ke depan dengan menggunakan data historis penjualan Peramalan Permintaan untuk Sandal Standar dengan Metode Regresi Linier Peramalan untuk sandal standar dilakukan dengan menggunakan metode Regresi Linier, menimbang bahwa nilai MAE, MSE dan MAPE dari metode ini lebih rendah dari metode-metode lainnya. Berikut merupakan hasil dari peramalan dengan menggunakan metode regresi linier pada sandal standar:
13 = = b = n( Σxy) ( Σx)( Σy) 2 2 n( Σx ) ( Σx) 36( ) (630)(191083) = 2 36(14910) (630) = = Periode 37 Y 37 = (36.21) (36) = Periode 38 Y 38 = (36.21) (37) Periode 39 = Y 39 = (36.21) (38) = Contoh perhitungan ketepatan metode peramalan : 1. Error pada periode 1 e 1 = X 1 F1 = = Nilai tengah galat absolut (mean absolute error) n et t= MAE = 1 = = n 36
14 Nilai tengah galat kuadrat ( mean squared error ) MSE n t= = 1 n e 2 t = = Deviasi standar galat (standard deviation of error) SDE = n i= 1 e 2 i ( n 1) = = Nilai tengah deviasi absolut (mean absolute deviation) 1 MAD = Yi Y n 1 = (17109) = Galat Persentase (Percentage Error) pada periode 1 Y Ft PE Y 1 1 = = = Nilai Tengah Galat Persentase (Mean Percentage Error) MPE n i= = 1 = PE n i = Mean Absolute PercentageError MAPE n i= = 1 PE n i = =
15 Peramalan Permintaan untuk Sandal Sablon dengan Metode Regresi Linier Peramalan untuk sandal bersablon dilakukan dengan menggunakan metode Regresi Linier, menimbang bahwa nilai MAE, MSE dan MAPE dari metode ini lebih rendah dibandingkan metode-metode lainnya. Berikut merupakan hasil dari peramalan dengan menggunakan metode regresi linier: Tabel 5.8 Peramalan Sandal Sablon dengan Metode Regresi Linier
16 105 Contoh perhitungan : Y = a + bx 2 ( Σy)( Σx ) ( Σx)( Σxy) a = 2 2 n( Σx ) ( Σx) (17911)(14910) (630)(325843) a = 2 36(14910) (630) = = b = n( Σxy) ( Σx)( Σy) 2 2 n( Σx ) ( Σx) 36(325843) (630)(17911) = 2 36(14910) (630) = = Periode 37 Y 37 = (3.20) (36) = Periode 38 Y 38 = (3.20) (37) = Periode 39 Y 39 = (3.20) (38) = Contoh perhitungan ketepatan metode peramalan : 1. Error pada periode 1 e 1 X 1 F1 = = =
17 Nilai tengah galat absolut (mean absolute error) n et t= MAE = 1 = = n Nilai tengah galat kuadrat ( mean squared error ) MSE n t= = 1 n e 2 t = = Deviasi standar galat (standard deviation of error) SDE = n i= 1 e 2 i ( n 1) = = Nilai tengah deviasi absolut (mean absolute deviation) 1 MAD = Yi Y n 1 = ( ) = Galat Persentase (Percentage Error) pada periode 1 Y1 Ft PE1 = 100 = 100 = Y Nilai Tengah Galat Persentase (Mean Percentage Error) n PEi i= MPE = 1 = = n Mean Absolute PercentageError MAPE n i= = 1 PE n i = =
18 Perencanaan Agregat Sebelum melakukan perencanaan agregat diperlukan data mengenai kapasitas produksi baik reguler maupun lembur beserta biaya-biaya dalam produksi. Perencanaan agregat dilakukan dengan menggunakan metode transportasi. Perusahaan tidak melakukan subkontrak dengan perusahaan lain sehingga perhitungan dalam subkontrak tidak dilakukan Pengujian Waktu Siklus Pengumpulan data waktu siklus dilakukan sebanyak 30 kali untuk kemudian dilakukan uji keseragaman data dan uji kecukupan data sesuai dengan tingkat ketelitian dan tingkat keyakinan. Uji keseragaman data dilakukan untuk memastikan data yang diambil telah seragam. Uji keseragaman data dilakukan dengan mengaplikasikan peta kendali (Control Chart). Batas-batas kendali yang dibentuk dari data merupakan batas seragam tidaknya data. Yang perlu diperhatikan dalam pengujian keseragaman adalah data yang berada didalam batas-batas kendali karena jika terdapat data diluar dari batas-batas kendali maka data tersebut tidak dimasukkan dalam perhitungan selanjutnya. Sehingga perhitungan selanjutnya hanya menggunakan data-data yang berada dalam batas-batas kendali. Uji kecukupan data dilakukan untuk memastikan data yang diambil telah cukup dan dapat mewakili waktu proses produksi tiap operasi secara keseluruhan dalam perusahaan. Tingkat ketelitian menunjukkan penyimpangan maksimum hasil pengukuran dari waktu penyelesaian sebenarnya. Sedangkan tingkat keyakinan menunjukan besarnya keyakinan pengukur bahwa hasil yang diperoleh memenuhi syarat
19 108 ketelitian. Tingkat ketelitian dan keyakinan dinyatakan dalam bentuk persentase. Dalam pengujian ini digunakan tingkat ketelitian 5% dan tingkat keyakinan 95% memberi arti bahwa diperbolehkan rata-rata hasil pengukurannya menyimpang sejauh 5% dari ratarata sebenarnya; dan kemungkinan berhasil mendapatkannya adalah 95%. Berikut merupakan data waktu siklus yang telah dikonversikan ke dalam satuan detik : Tabel 5.9 Waktu Siklus Sandal Standar dalam Satuan Detik Kegiatan O - 10 ke- O - 1 O 2 O - 3 O 4 O - 5 O 6 O - 7 O - 8 O 9 A-1 A-2 A Total
20 109 Tabel 5.10 Waktu Siklus Sandal Sablon dalam Satuan Detik Kegiatan O - 11 ke- O 1 O - 2 O - 3 O - 4 O - 5 O - 6 O - 7 O O - 10 A-1 A-2 A Total Dalam pengujian waktu siklus ini dilakukan pada operasi 1 hingga 10 dan pada operasi 1 hingga 11 pada sandal sablon kecuali untuk operasi 4, hal ini disebabkan karena operasi 4 dilakukan secara otomatis menggunakan mesin (tanpa campur tangan manusia) sehingga waktu siklus yang didapatkan sama dengan waktu baku baik untuk sandal standar maupun sablon. Oleh karena itu tidak perlu dilakukan pengujian keseragaman dan kecukupan data. Berikut contoh perhitungan pengujian keseragaman dan kecukupan data :
21 110 Tabel 5.11 Uji Keseragaman Data O-1 Kegiatan O 1 Ke- X i k x ( x i x) ( x x) 2 i 2 x i Total x δ δ 7.17 x 3 δ x BKA BKB
22 111 Langkah-langkah perhitungan : 1. Mencari rata-rata subgroup X i X k = n Dimana : n = ukuran subgroup, yaitu banyaknya data dalam satu subgroup k = jumlah subgroup yang terbentuk X i = data pengamatan Contoh Perhitungan : X k1 = = = Mencari rata-rata keseluruhan X = X k k X = = Menghitung simpangan baku dari waktu penyelesaian ( ) 2 Xi X σ = di mana : N = jumlah pengamatan N σ = = Menghitung simpangan baku dari distribusi rata-rata subgroup σ σ x = = = 7.17 n 5 5. Menghitung batas kendali BKA = BKB = x + 3. σ = ( 3 x 7.17) = x x 3. σ = ( 3 x 7.17) = x Hasil batas-batas kendali yang didapatkan, kemudian dapat diplot ke dalam grafik peta kendali sebagai berikut :
23 112 O-1 Proses Pemotongan Xk bar BKA BKB Xdb Grafik 5.9 Peta Kendali O 1 Melalui peta kendali ini dapat diamati bahwa tidak terdapat data (Xk bar) yang keluar dari batas kendali atas (BKA) dan batas kendali bawah (BKB) sehingga dapat dinyatakan bahwa data pada O 1 telah seragam. Setelah pengujian keseragaman data, dilakukan uji kecukupan data. Berikut contoh perhitungan dalam uji kecukupan data untuk O 1 adalah : Rumus : K N ' = S N Xj 2 Xj ( Xj) 2 2 dimana : N = jumlah pengamatan yang seharusnya dilakukan N = Jumlah pengamatan yang aktual (setelah dikurangi pengamatan diluar BKA/BKB) K = tingkat keyakinan = 95% S = tingkat ketelitian = 5% = 0,05 Jika N N, maka jumlah pengamatan sudah cukup Jika N > N, maka jumlah pengamatan belum cukup
24 113 Besar tingkat keyakinan adalah 0,95 (95%), namun nilai ini haruslah diolah dahulu dengan membaginya menjadi 2 (karena dua arah), sehingga didapatkan hasilnya adalah 0,475. Kemudian nilai tersebut dicek dengan menggunakan tabel kurva normal yang terdapat pada lampiran, sehingga didapatkan nilai K adalah sebesar 1, N ' = 0.05 ( ) ( ) N ' = = = 3.45 Karena N < N, maka dapat disimpulkan bahwa jumlah pengamatan sudah cukup untuk mewakili waktu proses produksi tiap operasi secara keseluruhan dalam perusahaan. Untuk uji keseragaman, grafik peta kendali dan uji kecukupan data operasioperasi produksi lainnya dapat dilihat pada lampiran Perhitungan Waktu Baku Dalam melakukan perhitungan waktu baku, melibatkan faktor penyesuaian dan kelonggaran. Faktor penyesuaian diberikan agar hasil perhitungan dapat mencerminkan waktu yang sewajarnya atau yang normal. Sedangkan kelonggaran diberikan kepada pekerja untuk hal-hal seperti kebutuhan pribadi, menghilangkan rasa fatique, dan gangguan-gangguan yang mungkin terjadi yang tidak dapat dihindarkan oleh pekerja. Perhitungan waktu baku dilakukan dengan menggunakan metode Westinghouse. Berikut merupakan tabel perhitungan waktu baku untuk setiap operasi:
25 114 Tabel 5.12 Perhitungan Waktu Baku untuk Sandal Standar Pekerjaan Elemen Wr P Wn K Wb Total Pemotongan O detik/1 batch (15lembar sponge) Pencampuran O detik/1 batch (15lembar sponge) Pengerollan O detik/1 batch (15lembar sponge) Pemotongan 4.00 detik/1 lembar Lembaran Karet O Karet detik/5 Pengompresan O lembar Pendinginan O Pemotongan Spons Karet (1 sponge) detik/1 sponge (16 pasang sandal) detik/1 sponge dan Inspeksi O (16 pasang sandal) Pelubangan O /1 pasang sandal Perakitan O /1 pasang sandal O - 10 (A detik/1 pasang 1) sandal O - 10 (A detik/6 pasang 2) sandal O - 10 (A- Packaging 3) detik/1 batch 1 kali proses 5 sponge 10 orang 1 kali proses 3 sponge 30 orang 48 orang 20orang 10orang Penyelarasan (WS) detik/1 batch detik/1 batch detik/1 batch 300 detik/1 batch detik/1 batch detik/1 batch detik/1 batch detik/1 batch 35.9 detik/1 batch detik/1 batch Contoh langkah perhitungan untuk waktu baku O 1 adalah : Waktu rata-rata = Xi Wr = N = = detik 30 Waktu normal = Wn = Wr x p Waktu baku = Wn = x (1+0.04) = detik Wb = x ( 1 + k ) = x (1+0.32) = detik
26 115 Sedangkan untuk penyelarasan dilakukan agar waktu tiap-tiap operasi yang menghasilkan satuan produk yang berbeda dapat disesuaikan semuanya menjadi satuan batch (karung). Hal ini dikarenakan perusahaan menjual produknya per karung. Sehingga tiap-tiap operasi harus dikonversikan dalam satuan produk batch (karung) Sebagai contoh pada O 1 karena waktu baku operasi telah menghasilkan satuan batch maka pada penyelarasan tidak mengalami perubahan. Lain halnya dengan O 4, contoh langkah perhitungan penyelarasan pada O 4 adalah sebagai berikut : Keterangan : 1 batch = 240 pasang sandal 1 batch = 15 sponge 1 sponge = 16 pasang sandal 1 sponge terdiri dari 5 lembar karet Wb = 4,00 detik per 1 lembar karet Sehingga WS O 4 dalam satuan produk batch : WS = 15 sponge/batch x 5 lembar karet/sponge x 4,00 detik/lembar karet = 300 detik/batch = 5 menit/batch Setelah didapatkan WS untuk tiap operasi, data waktu dalam WS kemudian diolah untuk mendapatkan WS untuk menghasilkan satu batch dengan cara:
27 101 Tabel 5.7 Peramalan Sandal Standar dengan Metode Regresi Linier Contoh perhitungan : Y = a + bx 2 ( Σy)( Σx ) ( Σx)( Σxy) a = 2 2 n( Σx ) ( Σx) (191083)(14910) (630)( ) a = 2 36(14910) (630)
28 116 Produksi dst 4 O-1 O-2 O-3 O-4 O - 5 O-6 O - 7 O-8 O-9 O-10 3 O-1 O-2 O-3 O-4 O - 5 O-6 O - 7 O-8 O-9 O O-1 O-2 O-3 O-4 O - 5 O-6 O - 7 O-8 O-9 O O-1 O-2 O-3 O-4 O - 5 O-6 O - 7 O-8 O-9 O waktu dalam detik Gambar 5.3 Urutan Alokasi Pembebanan Kerja Pada Mesin Keterangan : WS produk 1 = 456, , , , , ,5 + 35, , ,69 = 5673,3 detik/batch WS produk 2 = 7421,1-5673,3 = 1747,80 detik/batch WS produk 3 = 9168,9-7421,1 = 1747,8 detik/batch WS produk 4 = 10916,7-9168,9 = 1747,80 detik/batch Perhitungan untuk WS produk 5 dan seterusnya akan juga menunjukkan hasil yang serupa dengan WS produk 2,3 dan 4. Dengan demikian maka dapat disimpulkan bahwa WS rata-rata untuk menghasilkan satu batch produk adalah operasi yang memiki WS terbesar, yaitu : operasi 5 dengan WS = 1747,8 detik/batch atau 29,07 menit/batch yang berarti diperlukan 29,07 menit untuk menghasilkan 1 karung sandal.
29 117 Demikian pula dengan sandal sablon karena operasi pada sandal sablon hampir sama, hanya terdapat penambahan operasi penyablonan. Dimana hal ini tidak akan mempengaruhi WS rata-rata karena pada sandal sablon, operasi yang memiliki WS terbesar juga adalah operasi 5. Sehingga WS rata-rata sandal standar dan sablon adalah sama yaitu 29,07 menit/batch. Tabel 5.13 Perhitungan Waktu Baku untuk Sandal Sablon Pekerjaan Elemen Wr P Wn K Wb Total Penyelarasan Pemotongan O detik/1 batch detik/1 batch (15lembar sponge) Pencampuran O detik/1 batch detik/1 batch Pengerollan O (15lembar sponge) detik/1 batch detik/1 batch (15lembar sponge) Pemotongan 4.00 detik/1 lembar 300 detik/1 batch Lembaran Karet O Karet Pengompresan O detik/5 lembar 1 kali proses detik/1 batch Pendinginan O Karet (1 sponge) 5 sponge detik/1 sponge 10 orang detik/1 batch Pemotongan Spons (16 pasang sandal) detik/1 sponge 1 kali proses detik/1 batch Dan Inspeksi O (16 pasang sandal) 3 sponge Pelubangan O /1 pasang sandal 30 orang detik/1 batch Penyablonan detik/1 pasang sandal 10 orang detik/1 batch Perakitan O /1 pasang sandal 48 orang 35.9 detik/1 batch O - 11 (A-1) detik/1 pasang sandal 20orang O - 11 (A-2) detik/6 pasang sandal 10orang detik/1 batch Packaging O - 11 (A-3) detik/1 batch Perhitungan Kapasitas Produksi Perencanaan agregat dilakukan pada bulan Agustus, September dan Oktober 2005 sehingga dilakukan perhitungan kapasitas produksi pada bulan-bulan tersebut. Untuk mengetahui kapasitas produksi maka harus diketahui dahulu jam kerja normal untuk melakukan produksi. Diketahui bahwa perusahaan melakukan produksi selama 24 jam/hari. Sedangkan pada hari minggu dan hari libur nasional, perusahaan tidak
30 beroperasi. Namun jika terdapat kekurangan produksi maka hari minggu akan digunakan perusahaan untuk berproduksi (lembur). 118 Berikut merupakan perhitungan kapasitas produksi baik reguler (normal) maupun lembur untuk : Bulan Agustus 2005 o Untuk Sandal Standar Minggu Senin Selasa Rabu Kamis Jumat Sabtu Gambar 5.4 Kalender Bulan Agustus Total jam kerja regular : - Jam kerja normal penuh waktu(senin-kamis, sabtu)=22hari x 21jam = 462 jam - Jam kerja normal isirahat panjang(jumat) = 4 hari x 20 jam = 80 jam - Total jam kerja normal pada bulan Agustus 2005 = = 542 jam Data kapasitas produksi diambil dari hasil perhitungan kapasitas produksi dengan rumus: K = HK x JK WS x 60' Karena telah diketahui jam kerja pada bulan Agustus 2005 maka rumusnya menjadi : Kapasitas Produksi Normal = JumlahJamK erjasatubulanx 60' WS = 542x60' menit 29,07menit /1batch = 1118,68 ~ 1118 batch
31 119 Perusahaan memiliki 6 lini produksi untuk memproduksi sandal, dengan demikian maka total kapasitas produksi normal perusahaan adalah : K total = K X jumlah lini produksi = 1118 batch X 6 lini produksi = 6708 batch (karung) Jam kerja lembur yang ada pada PT. Sinar Jaya Prakarsa adalah setiap hari minggu dalam setiap bulan. Sehingga kapasitas lemburnya adalah : ( jamkerjanormal + jam ker 29,07 / batch jalembur) x60' Kapasitas Pr oduksinormal Pada bulan Agustus hanya terdapat 4 hari minggu sehingga : Jam kerja lembur = 4 hari x 21 jam/hari = 84 jam Kapasitas Produksi Lembur Bulan Agustus 2005 : ( jam ker janormal + jam ker jalembur) x60' = Kapasitas Pr oduksinormal 29,07 / batch ( ) x60' menit = 1118batch 29.07menit /1batch = batch ~ 174 batch K total = K X jumlah lini produksi = 174 batch X 6 lini produksi = 1044 batch (karung) Dengan demikian maka perusahaan memiliki kapasitas produksi lembur sebanyak 1044 batch pada bulan Agustus o Sandal Sablon Kapasitas produksi untuk sandal bersablon sama dengan sandal standar, perbedaannya terletak pada lini produksi. Pada sandal sablon hanya memiliki 1 lini produksi saja. Dengan demikian maka didapatkan :
32 120 - Kapasitas reguler adalah 1118 karung - Kapasitas lembur adalah 174 karung Bulan September 2005 o Sandal Standar Minggu Senin Selasa Rabu Kamis Jumat Sabtu Gambar 5.5 Kalender Bulan September - Jam kerja normal penuh waktu(senin-kamis, sabtu)= 21hari x 21jam= 441 jam - Jam kerja normal isirahat panjang(jumat) = 4 hari x 20 jam = 80 jam - Total jam kerja normal pada bulan September 2005 = = 521 jam Kapasitas Produksi Normal = 521x60' menit 29,07menit /1batch = 1075,34 batch ~ 1075 batch K total = 1075 batch X 6 lini produksi = 6450 batch (karung) Pada bulan September hanya terdapat 4 hari minggu sehingga : Jam kerja lembur = 4 hari x 21 jam/hari = 84 jam Kapasitas Produksi Lembur Bulan September 2005 : ( ) x60' menit = 1075batch 29.07menit /1batch = batch ~ 173 batch K total = K X jumlah lini produksi = 173 batch X 6 lini produksi = 1038 batch (karung)
33 121 Dengan demikian maka perusahaan memiliki kapasitas produksi lembur sebanyak 1038 batch pada bulan September o Sandal Sablon - Kapasitas reguler adalah 1075 karung - Kapasitas lembur adalah 173 karung Bulan Oktober 2005 o Sandal Standar Minggu Senin Selasa Rabu Kamis Jumat Sabtu Gambar 5.6 Kalender Bulan Oktober - Jam kerja normal penuh waktu (senin-kamis, sabtu)= 22hari x 21jam=462 jam - Jam kerja normal isirahat panjang(jumat) = 4 hari x 20 jam = 80 jam - Total jam kerja normal pada bulan Oktober 2005 = = 542 jam Kapasitas Produksi Normal = 542x60' menit 29,07menit /1batch = 1118,68 batch ~ 1118 batch K total = 1118 batch X 6 lini produksi = 6708 batch (karung) Pada bulan Oktober terdapat 5 hari minggu sehingga : Jam kerja lembur = 5 hari x 21 jam/hari = 105 jam Kapasitas Produksi Lembur Bulan Oktober 2005 : ( ) x60' menit = 1118batch 29.07menit /1batch = 217,39 batch ~ 217 batch
34 122 K total = K X jumlah lini produksi = 217 batch X 6 lini produksi = 1302 batch (karung) Dengan demikian maka perusahaan memiliki kapasitas produksi lembur sebanyak 1302 batch pada bulan Oktober o Sandal Sablon - Kapasitas reguler adalah 1118 karung - Kapasitas lembur adalah 217 karung Berikut tabel kapasitas produksi reguler dan lembur bulan Agustus, September dan Oktober 2005: Tabel 5.14 Peramalan, Kapasitas Produksi Reguler dan Lembur Sandal Standar Bulan Peramalan Permintaan Kapasitas Produksi Reguler Kapasitas Produksi lembur Agustus batch (karung) 1044 batch (karung) September batch (karung) 1038 batch (karung) Oktober batch (karung) 1302 batch (karung) Tabel 5.15 Peramalan, Kapasitas Produksi Reguler dan Lembur Sandal Sablon Bulan Peramalan Permintaan Kapasitas Produksi Reguler Kapasitas Produksi lembur Agustus batch (karung) 174 batch (karung) September batch (karung) 173 batch (karung) Oktober batch (karung) 217 batch (karung) Perhitungan Biaya-biaya dalam Perencanaan Agregat Dalam perencanaan agregat terdapat beberapa biaya-biaya yang berpengaruh, yaitu : biaya produksi reguler, biaya produksi lembur dan biaya simpan produk. Berdasarkan brainstorming yang dilakukan dengan pihak perusahaan maka perhitungan biaya-biaya tersebut baik untuk sandal standar dan sablon adalah sebagai berikut :
35 123 Biaya Produksi untuk sandal standar - Biaya Produksi Reguler Biaya produksi reguler ± 55% dari harga jual produk Harga jual produk = Rp per karung, sehingga didapatkan : Biaya produksi reguler = 55% x Rp per karung = Rp per karung - Biaya Produksi Lembur Biaya produksi lembur ± 30% lebih besar dari biaya produksi reguler, maka : Biaya produksi lembur = 30% dari biaya produksi regular = (30% x Rp ) + Rp = Rp per karung Biaya Produksi untuk Sandal Sablon - Biaya Produksi Reguler Biaya produksi reguler ± 60% dari harga jual produk Harga jual produk = Rp per karung, sehingga didapatkan : Biaya produksi reguler = 60% x Rp / karung = Rp / karung - Biaya Produksi Lembur Biaya produksi lembur ± 30% lebih besar dari biaya produksi reguler, maka : Biaya produksi lembur = 30% dari biaya produksi regular = (30% x Rp ) + Rp = Rp per karung
36 124 Biaya Simpan per karung per bulan sandal standar dan Sablon Untuk biaya simpan sandal standar dan sablon adalah sama karena disimpan pada gudang barang jadi yang sama. Biaya simpan = (Biaya sewa/tahun/m 2 x luas tanah) + perkiraan biaya Luas tanah didapatkan dengan menghitung kapasitas penyimpanan gudang barang jadi, yaitu : Luas 1 pallet = 1,6m 2, 1 pallet berisi 15 karung. Disimpan di gudang (rak) dengan ditumpuk menjadi 3 tingkat pallet, sehingga 1 rak = 15 Karung x 3 tingkat = 45 karung/rak Jumlah rak yang ada = 25 rak Luas tanah untuk menyimpan rak = 25 rak x 1,6 m 2 = 40 m 2 Tabel 5.16 Penentuan perkiraan biaya simpan Barang Jadi Kategori Biaya Sebagai Persentase dari Nilai Persediaan Biaya penyimpanan, seperti 5% Penyusutan, biaya operasi, pajak asuransi (3-10%) Biaya penanganan bahan baku, termasuk 2% peralatan, sewa atau penyusutan, listrik, biaya operasi (1-3.5%) Biaya tenaga kerja karena penanganan tambahan 3% (3-5%) Biaya investasi, seperti biaya pinjaman, pajak 8% dan asuransi persediaan (6-24%) Pencurian, tergores, dan kelalaian 2% (2-5%) Biaya keseluruhan penanganan persediaan 20% Biaya simpan = (Biaya sewa/tahun/m 2 x luas tanah) + perkiraan biaya = (Rp x 40m 2 ) + 20% = Rp
37 125 Kapasitas penyimpanan gudang = 25 rak x 45 karung = 1125 karung produk Biaya simpan per karung/tahun = Biaya simpan kapasitas penyimpanan gudang = Rp unit = Rp 8533,33/karung/tahun Biaya simpan per karung/bulan = Rp 8533,33/karung/tahun 12 bulan/tahun = Rp 711,11/karung/bulan Perencanaan Agregat dengan Metode Transportasi Perencanaan agregat dilakukan dengan menggunakan metode transportasi berdasarkan data-data yang telah didapatkan sebelumnya, yaitu : kapasitas produksi dan perhitungan biaya-biaya produksi dan biaya simpan Perencanaan Agregat Sandal Standar Pada produk sandal standar diketahui bahwa pada bulan Juli 2005 terdapat sisa produk sebanyak 120 karung sebagai inventori (persediaan awal). Berikut perhitungan perencanaan agregat sandal standar dengan menggunakan metode transportasi :
38 Tabel 5.17 Perencanaan Agregat Metode Transportasi pada Sandal Standar Kapasitas tak terpakai Periode Permintaan Total Periode Produksi Aug (1) Sept (2) Okt (3) Kapasitas Persediaan Awal Regular Aug(1) Lembur Sept(2) Okt(3) Regular Lembur Regular Lembur Permintaan Lose Sale Biaya Reguler : Rp8,871,885, Biaya Lembur : Rp0.00 Biaya Penyimpanan : 0 Total Biaya : Rp8,871,885, Contoh Perhitungan : Persediaan awal = 120 Biaya kegiatan produksi reguler/normal ( r ) = Rp Biaya kegiatan produksi lembur ( l ) = Rp Biaya penyimpanan per periode ( g ) = Rp 711,11 Periode permintaan 1 (Agustus) dengan jumlah permintaan 5978 karung Agustus : biaya reguler = Rp / karung biaya lembur = Rp / karung Periode permintaan 2 (September) dengan jumlah permintaan 6014 unit Agustus : biaya reguler = Rp Rp 711,11 = Rp ,11/ karung biaya lembur = Rp Rp 711,11 = Rp ,11 / karung
39 127 September : biaya reguler = Rp / karung biaya lembur = Rp / karung Sedangkan untuk mengisi kolom-kolom yang ada, yang harus diperhatikan adalah biaya yang terkecil dari satu periode tersebut dan melihat minimum dari kapasitas produksi dan permintaan. Contoh perhitungan pada periode 1 (Agustus) : Permintaan = 5978 karung Kapasitas reguler = 6708 karung Kapasitas lembur = 1044 karung Jika ditinjau dari biaya terkecil dari periode ini, didapatkan bahwa produksi reguler memiliki biaya terkecil. Sehingga produksi dilakukan secara reguler. Namun jika kapasitas reguler tidak dapat memenuhi seluruh permintaan, maka dilihat kembali produksi lainnya (produksi reguler/lembur periode ini dan sebelumnya jika ada) yang memiliki biaya terkecil dan masih tersedia kapasitas untuk produksinya. Pada periode Agustus ini terlihat bahwa kapasitas reguler telah dapat memenuhi seluruh permintaan. Sehingga digunakan : Kapasitas reguler sebanyak 6708 karung, sehingga kapasitas tidak terpakai: Kapasitas reguler sebanyak : = 850 karung Kapasitas lembur sebanyak : = 1044 karung Perhitungan perencanaan agregat dapat disimpulkan sebagai berikut : Tabel 5.18 Kesimpulan Hasil Perhitungan Perencanaan Agregat Sandal Standar Production Plan Periode Demand Regular Overtime Ending Production Production Inventory Total
40 128 Ending Inventory = ( beginner Inventory + regular + overtime ) demand Periode 1 = ( ) 5978 = 0 Periode 2 = ( ) 6014 = 0 Periode 3 = ( ) 6051 = 0 Total Biaya produksi selama satu tahun : = ( X Rp ) + (0 X Rp ) + ( 0 x Rp 711,11) = Rp Rp 0 + Rp 0 = Rp Perencanaan Agregat Sandal Sablon Pada produk sandal sablon diketahui bahwa tidak terdapat sisa produk pada bulan Juli 2005 sehingga inventori (persediaan awal) adalah 0. Berikut perhitungan perencanaan agregat sandal sablon dengan menggunakan metode transportasi : Tabel 5.19 Perencanaan Agregat Metode Transportasi pada Sandal Bersablon Kapasitas tak terpakai Periode Permintaan Total Periode Produksi Aug (1) Sept (2) Okt (3) Kapasitas Persediaan Awal Regular Aug(1) Lembur Sept(2) Okt(3) Regular Lembur Regular Lembur Permintaan Lose Sale Biaya Reguler : Biaya Lembur : Rp908,280, Rp0.00 Biaya Penyimpanan : 0 Total Biaya : Rp908,280,000.00
41 129 Perhitungan perencanaan agregat dapat disimpulkan sebagai berikut : Tabel 5.20 Kesimpulan Hasil Perhitungan Perencanaan Agregat Sandal Sablon Production Plan Periode Demand Regular Overtime Ending Production Production Inventory Total Ending Inventory = ( beginner Inventory + regular + overtime ) demand Periode 1 = ( ) 532 = 0 Periode 2 = ( ) 553 = 0 Periode 3 = ( ) 574 = 0 Total Biaya produksi selama satu tahun : = (1682 X Rp ) + (0 X Rp ) + ( 0 x Rp 711,11) = Rp Rp 0 + Rp 0 = Rp Konversi Agregat Perencanaan agregat menghasilkan besarnya produksi yang harus dilakukan tiap bulan. Namun untuk membuat jadwal induk produksi (JIP) atau dikenal dengan Master Production Schedule (MPS) diperlukan data-data dalam satuan mingguan. Oleh karena itu hasil dari perencanaan agregat perlu dikonversikan ke dalam satuan mingguan.
42 Konversi Agregat Sandal Standar Berikut merupakan tabel perhitungan dan contoh perhitungan konversi agregat pada sandal standar : Tabel 5.21 Konversi Agregat Sandal Standar Minggu Hari/ Hari/ Forecast/ Disagregasi Agregat/ Disagregasi Kapasitas/ Disagregasi Minggu Bulan Bulan Forecast Bulan MS Bulan KPT Contoh Perhitungan untuk minggu ke 1 : Hari/Minggu dan hari/bulan didapatkan dari kalender per bulan, yang merupakan hari kerja perusahaan. Forecast/bulan didapatkan dari hasil peramalan pada pembahasan sebelumnya. Konversi Forecast = Hari / Minggu Forecast / Bulan Hari / Bulan 6 = 5978 = 1379, 54 ~
43 131 Konversi Master Schedule = Hari / Minggu Agregasi / Bulan Hari / Bulan 6 = 5858 = 1351, 85 ~ Konversi KPT = Hari / Minggu Kapasitas / Bulan Hari / Bulan 6 = 7752 = 1788, 92 ~ Pada periode 5 dan 9 merupakan perpotongan bulan Agustus dengan September dan bulen September dengan Oktober sehingga perhitungan merupakan penggabungan dari kedua bulan tersebut. Karena minggu ke-5 berada diantara 2 bulan maka konversinya merupakan gabungan dari konversi masing-masing bulan. Berikut contoh perhitungan untuk minggu ke-5 : Hari/Minggu bulan sebelumnya = 3 hari Hari/Minggu bulan setelahnya = 2 hari Konversi Forecast bulan sebelumnya = Hari / Minggu Forecast / Bulan Hari / Bulan 3 = 5978 = 689, 77 ~ Konversi Forecast bulan setelahnya = Hari / Minggu Forecast / Bulan Hari / Bulan 2 = 6014 = 481, 12 ~ Konversi Forecast total = = 1172
44 132 Konversi Master Schedule bulan sebelumnya = Hari / Minggu Agregasi / Bulan Hari / Bulan 3 = 5858 = 675, 92 ~ Hari / Minggu Konversi Master Schedule bulan setelahnya = Agregasi / Bulan Hari / Bulan 2 = 6014 = 481, 12 ~ Konversi Master Schedule total = = 1158 Konversi KPT bulan sebelumnya = Hari / Minggu Kapasitas / Bulan hari / Bulan 3 = 7752 = 894, 46 ~ Hari / Minggu Konversi KPT bulan setelahnya = Kapasitas / Bulan Hari / Bulan 2 = 7488 = 599, 04 ~ Konversi KPT total = = 1493 Dalam konversi agregat pada konversi forecast dan MS, hasil perhitungan dalam bentuk desimal yang diperoleh diubah menjadi bilangan bulat dengan di-roundup. Sedangkan pada konversi KPT di-rounddown. Hal ini dilakukan karena produk tidak dapat dipecahpecah. Roundup (pembulatan keatas) pada konversi forecast dan MS dikarenakan angka di belakang koma tersebut merupakan kemungkinan pesanan konsumen, sehingga perlu diperhitungkan untuk menghindari terjadinya back log (penundaan pesanan). Sedangkan pada konversi KPT di-rounddown (pembulatan ke bawah) dikarenakan angka di belakang koma tersebut merupakan suatu produk setengah jadi, belum merupakan
BAB 5 HASIL DAN PEMBAHASAN
BAB 5 HASIL DAN PEMBAHASAN 5.1 Ekstraksi Hasil Pengumpulan Data 5.1.1 Data Umum Produk Perusahaan menggunakan batch sebagai satuan dalam produksi, dimana 1 batch adalah sebesar : 1. Spon untuk ukuran 9
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN
BAB 5 HASIL DAN PEMBAHASAN 5.1 Pengumpulan Data 5.1.1 Pembuatan Daftar Pemesan Rutin ke Perusahaan Berdasarkan data yang diterima dari perusahaan, terdapat total delapan perusahaan yang secara rutin per
Lebih terperinciUniversitas Bina Nusantara
Universitas Bina Nusantara Teknik Industri Sistem Informasi Skripsi Sarjana Program Ganda Semester Ganjil 2005/2006 Analisis dan Perancangan Sistem Informasi untuk Memenuhi Kebutuhan Bahan Baku Produksi
Lebih terperinciBAB 4 METODOLOGI PEMECAHAN MASALAH
BAB 4 METODOLOGI PEMECAHAN MASALAH 4.1 Model Rumusan Masalah dan Pengambilan Keputusan Untuk melakukan pemecahan masalah yang berkaitan dengan perencanaan bahan baku di PT. Mitra Manis Sentosa, maka dibawah
Lebih terperinciSEMINAR NASIONAL MESIN DAN INDUSTRI (SNMI6) 2010
PENENTUAN JUMLAH TENAGA KERJA DAN ONGKOS PRODUKSI MINIMUM PADA PERUSAHAAN ABC Ahmad Staf Pengajar Program Studi Teknik Industri Universitas Tarumanagara, Jakarta e-mail: ahmad_industri@tarumanagara.ac.id
Lebih terperinciEVALUASI JUMLAH TENAGA KERJA YANG OPTIMAL DENGAN METODE WORK LOAD ANALYSIS (WLA) DAN WORK FORCE ANALYSIS (WFA) DI PT.
EVALUASI JUMLAH TENAGA KERJA YANG OPTIMAL DENGAN METODE WORK LOAD ANALYSIS (WLA) DAN WORK FORCE ANALYSIS (WFA) DI PT. TRIKARTIKA MEGAH NASKAH PUBLIKASI Diajukan Guna Memenuhi dan Melengkapi Syarat Gelar
Lebih terperinciBAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA
BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 4.1 Pengumpulan Data Data-data yang dikumpulkan digunakan untuk mendukung pengolahan data yang dilakukan ataupun sebagai input dari setiap metode-metode
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1. Ekstraksi Hasil Pengumpulan Data 4.1.1. Data Waktu Siklus Waktu siklus adalah waktu yang dibutuhkan operator untuk melakukan pekerjaan dalam kondisi sewajarnya. Waktu siklus
Lebih terperinciBAB III PERAMALAN 3.1 Landasan Teori Peramalan
BAB III PERAMALAN 3.1 Landasan Teori Peramalan Menurut Gaspersz (2004), aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan permintaan dan penggunaan produk sehingga produk-produk
Lebih terperinciBAB 4 PENGUMPULAN DAN ANALISA DATA
BAB 4 PENGUMPULAN DAN ANALISA DATA 4.1 Pengumpulan Data 4.1.1 Data untuk Peramalan Permintaan Untuk peramalan permintaan pada bulan Januari April 2007 diperlukan data penjualan selama bulan Mei 2005 Desember
Lebih terperinciBAB 1 PENDAHULUAN. Seiring dengan perkembangan dunia industri dan teknologi yang semakin maju,
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan perkembangan dunia industri dan teknologi yang semakin maju, salah satu hal terutama yang harus dicermati adalah persaingan usaha di antara
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Peramalan Peramalan ( forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern
Lebih terperinciMETODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Lebih terperinciSeminar Nasional IENACO ISSN PENGELOMPOKAN STASIUN KERJA UNTUK MENYEIMBANGKAN BEBAN KERJA DENGAN METODE LINE BALANCING
PENGELOMPOKAN STASIUN KERJA UNTUK MENYEIMBANGKAN BEBAN KERJA DENGAN METODE LINE BALANCING Joko Susetyo, Imam Sodikin, Adityo Nugroho Jurusan Teknik Industri Fakultas Teknologi Industri, Institut Sains
Lebih terperinciBAB V ANALISIS. Tabel 5.1. Kesalahan Estimasi Peramalan Metode Linear Regression
BAB V ANALISIS 5.1. Analisis Peramalan Peramalan merupakan suatu cara untuk memperkirakan permasalahan dimasa yang akan datang berdasarkan pada data penjualan masa lalu. Dari bulan januari 2010 sampai
Lebih terperinciPerencanaan Produksi Kotak Karton Tipe PB/GL pada PT.Guru Indonesia Ciracas, Jakarta Timur dengan Metode Transportasi.
Perencanaan Produksi Kotak Karton Tipe PB/GL pada PT.Guru Indonesia Ciracas, Jakarta Timur dengan Metode Transportasi. Ariyanto Fakultas Teknologi Industri Jurusan Teknik Industri Universitas Gunadarma
Lebih terperinciBAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK CV Setia Jaya Socks merupakan perusahaan yang memproduksi kaos kaki. Perusahaan ini berlokasi di Jl. Kopo Permai II, Blok A no 2-6, Bandung dan memiliki lebih dari 50 tenaga kerja langsung. Perusahaan
Lebih terperinciKata kunci: tenaga kerja musiman, permintaan konsumen, alokasi waktu lembur dan produksi periode sebelumnya.
ABSTRAK Purnomo Batik Art & Handicraft merupakan suatu perusahaan penghasil batik tulis make to stock dengan tenaga kerja bersifat tetap. Pada masa-masa musiman di pedesaan, misalnya musim tanam padi,
Lebih terperinciBAB 1 PENDAHULUAN. Praktikum Sistem Produksi ATA 2014/2015
BAB 1 PENDAHULUAN 1.1 Latar Belakang Aktifitas produksi yang terjadi pada sebuah perusahaan tidak hanya terbatas pada hal yang berkaitan dengan menghasilkan produk saja, namun kegiatan tersebut erat kaitannya
Lebih terperinciV. ANALISA DAN PEMBAHASAN. A. Analisa Penentuan Pemesanan Biro Fajar Antang. sehingga mengakibatkan timbulnya return yang masih tinggi.
77 V. ANALISA DAN PEMBAHASAN A. Analisa Penentuan Pemesanan Biro Fajar Antang Dari hasil wawancara dengan manager Sirkulasi dan pimpinan Biro Fajar Antang, selama ini Biro Fajar Antang melakukan pemesanan
Lebih terperinciBAB 4 METODOLOGI PEMECAHAN MASALAH
BAB 4 METODOLOGI PEMECAHAN MASALAH 4.1 Model Rumusan Masalah dan Pengambilan Keputusan Langkah-langkah dalam pemecahan masalah dan pengambilan keputusan dalam membuat sistem untuk menghasilkan suatu perencanaan
Lebih terperinciBAB 4 ANALISIS DAN BAHASAN
BAB 4 ANALISIS DAN BAHASAN 4.1 Profil Perusahaan PT. LG Electronics Indonesia adalah perusahaan elektronik asal Korea Selatan yang menjadi salah satu bagian dari LG Group yang didirikan di Korea pada tahun
Lebih terperinciFebriyanto, S.E., M.M.
METODE PERAMALAN PERMINTAAN Metode bebas (freehand method) Metode setengah ratarata (semi average method) Metode ratarata bergerak (moving average method) Metode kwadrat terkecil (least quares method)
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Terdapat beberapa tahapan yang harus dilakukan dalam memecahkan permasalahan penelitian ini. Tahapan tersebut terdiri dari kajian pendahuluan, identifikasi dan merumuskan masalah,
Lebih terperinciPERENCANAAN PRODUKSI AGREGAT PRODUK FLOORING PADA PERUM PERHUTANI INDUSTRI KAYU BRUMBUNG
PERENCANAAN PRODUKSI AGREGAT PRODUK FLOORING PADA PERUM PERHUTANI INDUSTRI KAYU BRUMBUNG Dwi Rizkiyani*, Rani Rumita Email : dwirizkiyani.dr@gmail.com Program Studi Teknik Industri Universitas Diponegoro
Lebih terperinciBAB III PERAMALAN. Praktikum Sistem Produksi ATA 2014/2015
BAB III PERAMALAN 3.1 Landasan Teori Peramalan merupakan suatu bentuk usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa
Lebih terperinciBAB IV JADWAL INDUK PRODUKSI
BAB IV JADWAL INDUK PRODUKSI 4.1 Landasan Teori Jadwal induk produksi (master production schedule, MPS) merupakan gambaran atas periode perencanaan dari suatu permintaan, termasuk peramalan, backlog, rencana
Lebih terperinciPENGENDALIAN PERSEDIAAN BAHAN BAKU BAJA MS DI DIREKTORAT PRODUKSI ATMI CIKARANG
PENGENDALIAN PERSEDIAAN BAHAN BAKU BAJA MS DI DIREKTORAT PRODUKSI ATMI CIKARANG Siti Rohana Nasution 1, Temotius Agung Lukito 2 1,2) Jurusan Teknik Industri Fakultas Teknik Universitas Pancasila 1) nasutionana@yahoo.co.id,
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan (Forecasting) Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1. Pengumpulan Data 4.1.1. Sejarah Perusahaan CV. Mitra Abadi Teknik merupakan sebuah perusahaan yang bergerak dalam bidang perancangan dan manufaktur untuk peralatan
Lebih terperinciPENENTUAN JADWAL INDUK PRODUKSI DI PT SALIM IVOMAS PRATAMA TBK
PENENTUAN JADWAL INDUK PRODUKSI DI PT SALIM IVOMAS PRATAMA TBK Nama : Fadly Hazman NPM : 32412636 Jurusan : Teknik Industri Dosen Pembimbing 1 : Dr. Ir. Asep Mohamad Noor, MT. Dosen Pembimbing 2: Nanih
Lebih terperinciPERENCANAAN PRODUKSI PEDIALYTE PADA PT.ABBOTT INDONESIA DENGAN MENGGUNAKAN METODE PURE STRATEGY DAN MIXED STRATEGY ABSTRAKSI
PERENCANAAN PRODUKSI PEDIALYTE PADA PT.ABBOTT INDONESIA DENGAN MENGGUNAKAN METODE PURE STRATEGY DAN MIXED STRATEGY Izhar Frestia Jurusan Teknil Industri, Fakultas Teknologi Industri, Universitas Gunadarma
Lebih terperinciPeramalan (Forecasting)
Peramalan (Forecasting) Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan
Lebih terperinciLampiran Perhitungan Uji Keseragaman dan Kecukupan Data
96 Lampiran Perhitungan Uji Keseragaman dan Kecukupan Data Uji keseragaman data 1. waktu setup bagian pencetakan Subgroup No (i) Waktu (detik) (detik) (detik) BKA BKB 1 712 2 564 1 3 534 603,4 4 602 5
Lebih terperinciUniversitas Bina Nusantara
Universitas Bina Nusantara Program Ganda Teknik Industri Sistem Informasi Skripsi Sarjana Program Ganda Semester Ganjil 2005/2006 Analisis dan Perancangan Sistem Informasi untuk Optimalisasi Produksi dan
Lebih terperinciPerhitungan Waktu Siklus Perhitungan Waktu Normal Perhitungan Waktu Baku Tingkat Efisiensi...
ABSTRAK Perusahaan Biskuit X merupakan perusahaan swasta yang berdiri pada tahun 1995 dan memproduksi biskuit marie yang dipasarkan ke beberapa kota di Pulau Jawa. Permasalahan yang terjadi saat ini adalah
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1 Definisi Peramalan Peramalan adalah suatu proses dalam menggunakan data historis yang telah dimiliki untuk diproyeksikan ke dalam suatu model peramalan. Dengan model peramalan
Lebih terperinciBAB 2 GAMBARAN UMUM OBJEK
BAB 2 GAMBARAN UMUM OBJEK 2.1 Latar Belakang Perusahaan PT. Sinar Jaya Prakarsa merupakan sebuah perusahaan swasta yang berbentuk PT (Perseroan Terbatas), didirikan pada tahun 1982 oleh Bapak Amir Djohan
Lebih terperinciBAB III METODE PENELITIAN. deskriptif adalah suatu kegiatan yang berkenaan dengan pernyataan terhadap
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah metode deskriptif dan metode komparatif. Menurut Sugiono (2013:89) bahwa penelitian deskriptif
Lebih terperinciBAB IV JADWAL INDUK PRODUKSI
BAB IV JADWAL INDUK PRODUKSI 4.1 Landasan Teori Jadwal Induk Produksi Jadwal Induk Produksi (JIP) adalah suatu set perencanaan yang mengidentifikasi kuantitas dari item tertentu yang dapat dan akan dibuat
Lebih terperinci3.7 ANALISIS KESIMPULAN DAN SARAN BAB IV PENGUMPULAN DAN PENGOLAHAN DATA PENGUMPULAN DATA
DAFTAR ISI ABSTRAK... i ABSTRACT...ii KATA PENGANTAR...iii DAFTAR ISI... v DAFTAR GAMBAR...vii DAFTAR TABEL...viii DAFTAR LAMPIRAN... x BAB I PENDAHULUAN... 1 1.1 LATAR BELAKANG... 1 1.2 RUMUSAN MASALAH...
Lebih terperinci4.10 Minimum Order Struktur Produk BAB 5 ANALISA 5.1 Pengolahan Data Perhitungan Coefficient of Variance
ABSTRAK Dalam industri manufaktur, ketersediaan bahan baku merupakan salah satu bagian yang penting dalam menunjang kelancaran operasi. Dengan ketersediaan bahan baku yang memadai, maka kegiatan produksi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciBAB VIII KESIMPULAN DAN SARAN
BAB VIII KESIMPULAN DAN SARAN 8.1 Kesimpulan Kesimpulan merupakan jawaban dari tujuan yang telah dirumuskan sebelumnya. Kesimpulan ini diambil dari modul OPC, APC, struktur produk, dan BOM, Peramalan,
Lebih terperinciBAB 4 METODOLOGI PENELITIAN
BAB 4 METODOLOGI PENELITIAN 4.1 Model Perumusan Masalah Metodologi penelitian penting dilakukan untuk menentukan pola pikir dalam mengindentifikasi masalah dan melakukan pemecahannya. Untuk melakukan pemecahan
Lebih terperinciBAB 2 GAMBARAN UMUM OBJEK
BAB 2 GAMBARAN UMUM OBJEK 2.1. Latar Belakang Perusahaan PT. Sinar Jaya Prakarsa merupakan sebuah perusahaan swasta yang berbentuk PT (Perseroan Terbatas), didirikan pada tahun 1982 oleh Bapak Amir Djohan
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK PT X merupakan industri makanan di Depok yang memproduksi roti dengan 23 varian roti. Masalah yang dihadapi perusahaan saat ini adalah sering terjadinya over stock dan terkadang lost sales yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peringkat Kinerja Operator (Performance Rating) Perancangan sistem kerja menghasilkan beberapa alternatif sehingga harus dipilih alternatif terbaik. Pemilihan alternatif rancangan
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasan Proses pembuatan magnet kimono ini, praktikan mencari Waktu Aktual, Performance Rating, Performance Estimasi, dan %Error. Pembahasan yang dijelaskan pada
Lebih terperinciBAB III METODE PENELITIAN. diajukan. Sugiyono (2014:2) mengatakan bahwa: secara umum metode. adalah penelitian secara deskriptif dan komparatif.
BAB III METODE PENELITIAN 3.1 Metode Penelitian yang digunakan Metode penelitian pada dasarnya merupakan cara utama yang digunakan peneliti untuk mencapai tujuan dan menentukan jawaban atas masalah yang
Lebih terperinciSI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS) Mahasiswa mampu melakukan perencanaan untuk memastikan kelancaran operasi rantai pasok 1. Peramalan dalam organisasi 2. Pola permintaan 3. Metode peramalan
Lebih terperinciPERENCANAAN JADWAL INDUK PRODUKSI DENGAN MENGGUNAKAN LINIER PROGRAMMING PADA INDUSTRI MANUFAKTUR PT X
PERENCANAAN JADWAL INDUK PRODUKSI DENGAN MENGGUNAKAN LINIER PROGRAMMING PADA INDUSTRI MANUFAKTUR PT X Yusuf Eko Nurcahyo Politeknik 17 Agustus 1945 Surabaya Email : yusufekonurcahyo@gmail.com Abstrak Permintaan
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK
BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK 3.1 Metode Pemulusan Eksponensial Holt-Winter Metode rata-rata bergerak dan pemulusan Eksponensial dapat digunakan untuk
Lebih terperinciBAB IV ANALISIS HASIL PENGOLAHAN DATA
BAB IV ANALISIS HASIL PENGOLAHAN DATA 4.1 Pola Dasar Permintaan Dari hasil pengumpulan data aktual yang telah dilakukan mengenai pertumbuhan jumlah kartu kredit BCA yang dimiliki oleh cardholder BCA Cabang
Lebih terperinciBAB V ANALISA HASIL. dikumpulkan untuk pembuatan Perencanaan Kebutuhan Material (MRP.
BAB V ANALISA HASIL Pada bab sebelumnya telah dilakukan pengolahan data data yang dikumpulkan untuk pembuatan Perencanaan Kebutuhan Material (MRP. Kemudian dalam bab ini berisikan analisa berdasarkan hasil
Lebih terperinciLAMPIRAN 1 CONTOH PERHITUNGAN PERAMALAN. 1. Contoh perhitungan peramalan permintaan dengan metode regresi linier, regresi
LAMPIRAN 1 CONTOH PERHITUNGAN PERAMALAN 1. Contoh perhitungan peramalan permintaan dengan metode regresi linier, regresi kuadratis, double moving average, double exponential smoothing, dan siklis untuk
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1 Pembahasan Pekerjaan yang diamati pada praktikum kali ini adalah produktifitas kasir hypermart oleh dua operator. Proses kinerja kasir tersebut adalah kasir tersebut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Peramalan (forecasting) 2.1.1. Hubungan Forecast dengan Rencana Forecast adalah peramalan apa yang akan terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa
Lebih terperinciBAB V ANALISA HASIL. Pada bab sebelumnya telah dilakukan pengolahan data-data yang
BAB V ANALISA HASIL Pada bab sebelumnya telah dilakukan pengolahan data-data yang dikumpulkan untuk pembuatan perencanaan kebutuhan material (MRP). Kemudian dalam bab ini berisikan analisa berdasarkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan dunia industri menyebabkan terjadinya persaingan yang cukup ketat antar perusahaan. Kualitas merupakan faktor dasar konsumen terhadap
Lebih terperinciBAB V PEMBAHASAN. 5.1 Permintaan Konsumen
BAB V PEMBAHASAN 5.1 Permintaan Konsumen Permintaan konsumen selama 12 periode (bulan) terakhir terhadap produk sandal kelom di Sagitria Collection adalah 6654 pasang dengan perincian 379 pasang pada periode
Lebih terperinciPenentuan Waktu Produksi Optimal dengan Metode Rougt Cut Capacity Planning Guna Memenuhi Permintaan Konsumen (Studi Kasus PT. Adhitama Abadi Surabaya)
Penentuan Waktu Produksi Optimal dengan Metode Rougt Cut Capacity Planning Guna Memenuhi Permintaan Konsumen (Studi Kasus PT. Adhitama Abadi Surabaya) Dira Ernawati Teknik Industri FTI UPN Veteran Jatim
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan meramalkan atau memprediksi apa yang akan terjadi dimasa yang akan datang dengan waktu tenggang (lead time) yang relative lama,
Lebih terperinciPERAMALAN PASOKAN BAHAN BAKU DAN PENJUALAN SIR 20 DI PT. PERKEBUNAN NUSANTARA VII UNIT PADANG PELAWI KEC. SUKARAJA KAB. SELUMA
PERAMALAN PASOKAN BAHAN BAKU DAN PENJUALAN SIR 20 DI PT. PERKEBUNAN NUSANTARA VII UNIT PADANG PELAWI KEC. SUKARAJA KAB. SELUMA The Forecasting of Raw Materials Supply and Sales in PT. Perkebunan Nusantara
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN
BAB 5 HASIL DAN PEMBAHASAN 5.1 Ekstraksi Hasil Pengumpulan Data 5.1.1 Data Pesanan Obat Tablet PT.Metiska Farma Data pesanan obat tablet merupakan faktor yang utama dalam menyusun suatu penjadwalan produksi
Lebih terperinciBAB V ANALISA HASIL. Januari 2008 sampai dengan Desember 2008 rata-rata permintaan semakin
BAB V ANALISA HASIL Pada bab sebelumnya telah dilakukan pengolahan data-data yang dikumpulkan untuk pembuatan Perencanaan Kebutuhan Material (MRP). Kemudian dalam bab ini berisikan analisa berdasarkan
Lebih terperinci2.4 Pemilihan Metode Peramalan
2.4 Pemilihan Metode Peramalan Dalam memilih metode peramalan yang akan digunakan didasarkan pada uji verifikasi. Dimana uji verifikasi ini bertujuan untuk menghitung error dari metode yang akan kita gunakan.
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengumpulan Data 4.1.1 Data Penjualan Data penjualan grout tipe Fix pada PT.Graha Citra Mandiri mulai dari Januari 2004 sampai dengan Oktober 2006 ditunjukkan pada
Lebih terperinciBAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI. Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi?
BAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi? a. Ada ketidak-pastian aktivitas produksi di masa yag akan datang b. Kemampuan & sumber daya perusahaan
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Pengertian Pengolahan Data Pengolahan data dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah dimengerti dan menguraikan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Studi Gerak dan Waktu ( Barnes h.257 ) Studi Gerak dan Waktu merupakan suatu ilmu yang terdiri dari teknik-teknik dan prinsip-prinsip untuk mendapatkan
Lebih terperinciBAB 3 FORECASTING DAN PENGAMATAN TRAFIK DATA
BAB 3 FORECASTING DAN PENGAMATAN TRAFIK DATA Forecasting adalah suatu peramalan nilai sebuah atau sekumpulan variabel pada satu titik waktu di masa depan. Dalam melakukan perhitungan peramalan pertumbuhan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 1.1 Tempat Penelitian Penelitian ini dilakukan di PT. Aetra Air Jakarta, Jl. Jend. Sudirman Ged. Sampoerna Strategic Square. 1.2 Obyek Penelitian Objek penelitian dilakukan
Lebih terperinciBAB 3 METODE PEMECAHAN MASALAH
BAB 3 METODE PEMECAHAN MASALAH 3.1 Kerangka Pikir Pemecahan Masalah Adapun kerangka pemikiran pemecahan masalah dalam bentuk diagram, adalah sebagai berikut: Gambar 3.1 Flow Diagram Kerangka Pikir Pemecahan
Lebih terperinciBAB V ANALISA HASIL. Berdasarkan data permintaan produk Dolly aktual yang didapat (permintaan
BAB V ANALISA HASIL Bab ini berisikan mengenai analisa hasil dari pengolahan data dalam perhitungan MRP Dolly pada satu tahun yang akan datang yang telah dibahas pada bab sebelumnya. 5.1 Analisa Peramalan
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1. Peramalan 2.1.1. Pengertian dan Kegunaan Peramalan Peramalan (forecasting) menurut Sofjan Assauri (1984) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
Lebih terperinciBAB 1 PENDAHULUAN. jenis industri maupun bertambahnya jumlah perusahaan. Kondisi inilah yang memicu
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini dunia industri berkembang semakin pesat dengan munculnya berbagai jenis industri maupun bertambahnya jumlah perusahaan. Kondisi inilah yang memicu persaingan
Lebih terperinciPERENCANAAN PRODUKSI AGREGAT DENGAN METODE HEURISTIK DAN TRANSPORTASI PADA PT FREMONT NUSAMETAL INDONESIA
PERENCANAAN PRODUKSI AGREGAT DENGAN METODE HEURISTIK DAN TRANSPORTASI PADA PT FREMONT NUSAMETAL INDONESIA HEURISTIC METHOD AND TRANSPORTATION METHOD FOR AGGREGATE PRODUCTION PLANNING IN PT FREMONT NUSAMETAL
Lebih terperinciPengukuran Kerja Langsung (Direct Work Measurement)
Pengukuran Kerja Langsung (Direct Work Measurement) Pengukuran Kerja (Studi Waktu / Time Study) Perbaikan postur Perbaikan proses Perbaikan tata letak Perbaikan metode /cara kerja Data harus baik, representasi
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
126 BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Flow Diagram Pemecahan Masalah Gambar 3.1 Flow Diagram Pemecahan Masalah 127 1 PENGUMPULAN DATA - Data spesifikasi produk - Data bahan baku - Data jumlah mesin
Lebih terperinciLampiran 1. N= jumlah data tiap subgroup * jumlah subgroup = 6 * 6 = 36 data
Lampiran 1 Pengujian Kenormalan, Keseragaman, dan Kecukupan Data Stasiun 1 (Pemasangan cape 1) Data di bawah ini merupakan data waktu pemasangan cape 1 dalam satuan detik yang diperoleh dari hasil pengamatan,
Lebih terperinciberhati-hati dalam melakukan perencanaan agar tidak terjadi kekosongan stok akan bahan baku dan produk jadi. Salah satu kesalahan perencanaan yang dil
Penyusunan Jadwal Induk Produksi Pada PT. Hitachi Construction Machinery Indonesia Alden Siregar (30404050) Jurusan Teknik Industri, Fakultas Teknologi Industri Universitas Gunadarma Contact Person : Alden
Lebih terperinciUSULAN RENCANA PRODUKSI AGREGAT PADA PT JAYA ABADI MANUFAKTUR - TANGERANG
USULAN RENCANA PRODUKSI AGREGAT PADA PT JAYA ABADI MANUFAKTUR - TANGERANG Hendi Dwi Hardiman Jurusan Teknik dan Manajemen Industri - Sekolah Tinggi Manajemen Industri Jl. Letjen Suprapto No. 26 Jakarta
Lebih terperinciPembahasan Materi #7
1 EMA402 Manajemen Rantai Pasokan Pembahasan 2 Pengertian Moving Average Alasan Tujuan Jenis Validitas Taksonomi Metode Kualitatif Metode Kuantitatif Time Series Metode Peramalan Permintaan Weighted Woving
Lebih terperinciLAPORAN PRAKTIKUM MODUL I PERAMALAN
LAPORAN PRAKTIKUM MODUL I PERAMALAN Disusun oleh: Kelompok II 1. Ari Handayani (4409216094) 2. Caecilia Eka A.W.S. (4409216097) 3. Dwi Darmawan Saputra (4409216100) LABORATORIUM SISTEM PRODUKSI FAKULTAS
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1. Pengumpulan Data 4.1.1. Gambaran Umum Perusahaan PT. Beton Elemenindo Putra didirikan pada tahun 2006. Kami adalah anak perusahaan PT. Beton Elemenindo Perkasa,
Lebih terperinciBAB I PENDAHULUAN. mengoptimalkan setiap proses produksi. Perbaikan secara berkelanjutan ini harus
BAB I PENDAHULUAN 1.1. Latar Belakang Dunia perindustrian terus berkembang. Banyak perusahaan harus menghadapi tantangan berupa kompetisi yang ketat di dalam industri. Perkembangan ini berbanding lurus
Lebih terperinciBAB III TINJAUAN PUSTAKA
BAB III TINJAUAN PUSTAKA 3.1 Teori Dunia industri biasanya tak lepas dari suatu peramalan, hal ini disebabkan bahwa peramalan dapat memprediksi kejadian di masa yang akan datang untuk mengambil keputusan
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1 Definisi Perencanaan dan Pengendalian Produksi Menurut Teguh Baroto produksi adalah suatu proses pengubahan bahan baku menjadi produk jadi. Sedangkan sistem produksi adalah sekumpulan
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data 4.1.1 Sejarah Perusahaan CV. Kurnia Teknik adalah sebuah CV spesialis moulding dan juga menerima jasa CNC, EDM, INJECT, dan DIGIT. CV. Kurnia
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Penelitian Pendahuluan Dilakukan di PT. IKPP dengan melakukan pengamatan dan wawancara agar didapatkan identifikasi masalah. Setelah masalah ditemukan dilakukan studi
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH. Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada PT Dinamika Indonusa Prima terkait dengan jumlah permintaan akan
Lebih terperinciBAB 4 METODOLOGI PEMECAHAN MASALAH
BAB 4 METODOLOGI PEMECAHAN MASALAH 4.1. Model Rumusan Masalah dan Pengambilan Keputusan Dibawah ini merupakan diagram alir yang menggambarkan langkahlangkah dalam melakukan penelitian di PT. Dankos Laboratorioes
Lebih terperinciPERENCANAAN KEBUTUHAN MATERIAL DENGAN METODE MATERIAL REQUIREMENT PLANNING
PERENCANAAN KEBUTUHAN MATERIAL DENGAN METODE MATERIAL REQUIREMENT PLANNING Jaka Purnama dan Suhartini Jurusan Teknik Industri, Fakultas Teknologi Industri, Institut Teknologi Adhi Tama Surabaya Jl. Arif
Lebih terperinciANALISIS PERAMALAN PENJUALAN PRODUK KECAP PADA PERUSAHAAN KECAP MANALAGI DENPASAR BALI.
ANALISIS PERAMALAN PENJUALAN PRODUK KECAP PADA PERUSAHAAN KECAP MANALAGI DENPASAR BALI Ni Putu Lisna Padma Yanti 1, I.A Mahatma Tuningrat 2, A.A.P. Agung Suryawan Wiranatha 2 1 Mahasiswa Jurusan Teknologi
Lebih terperinciBAB 4 METODOLOGI PEMECAHAN MASALAH
BAB 4 METODOLOGI PEMECAHAN MASALAH 4.1. Metodologi Penelitian Dibawah ini merupakan diagram alir yang menggambarkan langkah-langkah dalam melakukan penelitian di PT. Mulia Knitting Factory Ltd. Mulai Penelitian
Lebih terperinci