L Lampiran 1. Diagram Alir Pemrosesan Pesanan Pelanggan. Mulai. Pembeli memesan produk dengan jumlah, waktu, dan harga yang diinginkan
|
|
- Glenna Ratna Pranoto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 L. 297 Lampiran 1 Diagram Alir Pemrosesan Pesanan Pelanggan Mulai Pembeli memesan produk dengan jumlah, waktu, dan harga yang diinginkan Harga OK? Ya Bag. Pemasaran membuat Sales Order A Tidak Bag. Pemasaran konfirmasi pada Direktur Direktur Setuju? Ya Tidak Bag. Pemasaran memberi penawaran pada pembeli Pembeli Setuju? Ya Selesai Tidak
2 L. 298 Lampiran 2 Diagram Alir Proses Produksi Berdasarkan Pesanan Pelanggan Lampiran 3
3 Peta Proses Operasi L. 299
4 L. 300 PETA PROSES OPERASI Nama objek Nomor Peta Dipetakan Oleh Tanggal dipetakan : : : : General Tack Button Lubang Tengah Nickel Free 02 Devi Sagitaris 10 Oktober 2007 X Sekarang Usulan Cap Logo Brass Plate General Brass Plate Paku Panjang Brass Plate 0.84 s O-3 Dicetak Dicetak 1.00 s O s Mesin Pounch Cap Mesin Pounch General O-1 Dicetak Mesin Pounch Paku Campuran kimia s Campuran kimia s Campuran kimia O-4 O-5 I-1 Pencucian Barrel Cuci Plating Barrel Plating s O-6 I-2 Pemolesan Barrel Pemolesan s O-7 Pengeringan Dryer s O-8 Vernis Mesin Laqer s O-9 Pengeringan Heat Dryer s O-10 Pendinginan Kipas Washer Plastic 1.26 s O-11 Perakitan Assembly Ambeng Gudang Kegiatan Operasi Inspeksi Storage Total Jumlah Waktu s s
5 L. 301 PETA PROSES OPERASI Nama objek Nomor Peta Dipetakan Oleh Tanggal dipetakan : : : : Shake Tack Button Nickel Free 03 Devi Sagitaris 10 Oktober 2007 X Sekarang Usulan Cap Logo Brass Plate Washer Flat Alumunium Plate Cap Shake Posh Shake Paku Shake Brass Plate Brass Plate Brass Plate Dicetak 0.84 s O s Dicetak O s Mesin Mesin Pounch Pounch Cap Washer O-3 Dicetak Mesin Pounch Cap Dicetak 0.84 s O s Mesin Pounch Posh Shake O-1 Dicetak Mesin Pounch Paku Shake Campuran kimia s Campuran kimia O-6 Pencucian Barrel Cuci s Campuran kimia O-7 I-1 Plating Bak Plating s O-8 I-2 Pemolesan Tabung pemolesan s O-9 Pengeringan Dryer s O-10 Vernis Mesin Laqer s O-11 Pengeringan Heat Dryer s O-12 Pendinginan Kipas 1.26 s O-13 Perakitan Mesin Assembly Storage Kegiatan Operasi Inspeksi Storage Total Jumlah Waktu s s
6 L. 302 PETA PROSES OPERASI Nama objek Nomor Peta Dipetakan Oleh Tanggal dipetakan : : : : Shake Tack Button Lubang Tengah Nickel Free 04 Devi Sagitaris 10 Oktober 2007 X Sekarang Usulan Cap Logo Brass Plate Cap Shake Brass Plate Posh Shake Brass Plate Paku Shake Brass Plate Dicetak 0.84 s O s Mesin Pounch Cap O-3 Dicetak Mesin Pounch Cap Dicetak 0.84 s O s Mesin Pounch Posh Shake O-1 Dicetak Mesin Pounch Paku Shake Campuran kimia s Campuran kimia O-5 Pencucian Barrel Cuci s Campuran kimia O-6 I-1 Plating Bak Plating s O-7 I-2 Pemolesan Tabung pemolesan s O-8 Pengeringan Dryer s O-9 Vernis Mesin Laqer s O-10 Pengeringan Heat Dryer s O-11 Pendinginan Kipas 1.26 s O-12 Perakitan Mesin Assembly Storage Kegiatan Operasi Inspeksi Storage Total Jumlah Waktu s s
7 L. 303 PETA PROSES OPERASI Nama objek Nomor Peta Dipetakan Oleh Tanggal dipetakan : : : : Rivet Jamur Nickel Free 05 Devi Sagitaris 10 Oktober 2007 X Sekarang Usulan Cap Rivet Brass Plate Rivet Jamur Brass Plate Paku Rivet Brass Plate 0.56 s O-3 Dicetak 0.56 s Mesin Pounch Rivet Jamur O-2 Dicetak Mesin Pounch Rivet Jamur 0.64 s O-1 Dicetak Mesin Pounch Paku Campuran kimia s Campuran kimia s Campuran kimia O-4 O-5 I-1 Pencucian Barrel Cuci Plating Barrel Plating s O-6 I-1 Pemolesan Barrel pemolesan s O-7 Pengeringan Dryer s O-8 Vernis Mesin Laqer s O-9 Pengeringan Heat Dryer s O-10 Pendinginan Kipas Storage Kegiatan Operasi Inspeksi Storage Total Jumlah Waktu s s
8 L. 304 PETA PROSES OPERASI Nama objek Nomor Peta Dipetakan Oleh Tanggal dipetakan : : : : Rivet Finish Nickel Free 06 Devi Sagitaris 10 Oktober 2007 X Sekarang Usulan Rivet Finish Brass Plate Paku Rivet Brass Plate s O-2 Dicetak Mesin Pounch Rivet Finish 0.84 s O-1 Dicetak Mesin Pounch Paku Campuran kimia s Campuran kimia s Campuran kimia O-3 O-4 I-1 Pencucian Barrel Cuci Plating Barrel Plating s O-5 I-1 Pemolesan Barrel pemolesan s O-6 Pengeringan Dryer s O-7 Vernis Mesin Laqer s O-8 Pengeringan Heat Dryer s O-9 Pendinginan Kipas Storage Kegiatan Operasi Inspeksi Storage Total Jumlah Waktu s s
9 L. 305 PETA PROSES OPERASI Nama objek Nomor Peta Dipetakan Oleh Tanggal dipetakan : : : : Head Finish Nickel Free 07 Devi Sagitaris 10 Oktober 2007 X Sekarang Usulan Rivet Finish Brass Plate Paku Rivet Brass Plate s O-2 Dicetak Mesin Pounch Head Finish 0.84 s O-1 Dicetak Mesin Pounch Paku Campuran kimia s Campuran kimia s Campuran kimia O-3 O-4 I-1 Pencucian Barrel Cuci Plating Barrel Plating s O-5 I-1 Pemolesan Barrel pemolesan s O-6 Pengeringan Dryer s O-7 Vernis Mesin Laqer s O-8 Pengeringan Heat Dryer s O-9 Pendinginan Kipas Storage Kegiatan Operasi Inspeksi Storage Total Jumlah Waktu s s
10 L. 306 PETA PROSES OPERASI Nama objek Nomor Peta Dipetakan Oleh Tanggal dipetakan : : : : Eyelet Nickel Free 08 Devi Sagitaris 10 Oktober 2007 X Sekarang Usulan Washer Eyelet Brass Plate Posh Washer Brass Plate s O-2 Dicetak Mesin Pounch Washer Eyelet 0.84 s O-1 Dicetak Mesin Pounch Posh Washer Campuran kimia s Campuran kimia s Campuran kimia O-3 O-4 I-1 Pencucian Barrel Cuci Plating Barrel Plating s O-5 I-1 Pemolesan Barrel pemolesan s O-6 Pengeringan Dryer s O-7 Vernis Mesin Laqer s O-8 Pengeringan Heat Dryer s O-9 Pendinginan Kipas Storage Kegiatan Operasi Inspeksi Storage Total Jumlah Waktu s s
11 L. 307 Lampiran 4 Data Produksi untuk setiap produk periode tahun 2004 sampai dengan 2007 Data Produksi Tahun 2004 (dalam pieces) Produk September Oktober November Desember GTB mm 195, , ,440 80,640 GTB 20 mm 80, ,000 48,240 GTB LT mm 52,560 32,688 81,072 91,440 GTB LT 20 mm 0 49, STB mm 80,352 79,776 54,000 34,848 STB 20 mm 3,600 5, STB LT mm 16, ,552 36,720 STB LT 20 mm 0 32,256 18,000 0 Rivet Jamur 9 mm 118,800 12,384 84,384 17,568 Rivet Jamur 9.5 mm 77,472 22,752 36,576 12,384 Rivet Finish 9.5 mm 199,440 95,760 76,032 37,008 Head Finish 9.5 mm 36,576 8,064 90,720 59,760 Eyelet 13 mm 76,608 73,728 65,088 19,440 Eyelet 14 mm 0 22,752 80,784 0 Eyelet 15 mm 50, ,000 36,864 Eyelet 5 mm 81,072 22,464 16,128 0
12 L. 308
13 L. 309
14 L. 310
15 L. 311 Lampiran 5 Data produk dan jenis bahan baku yang dibahas dalam penelitian Data jenis produk Jenis Produk Diameter (mm) Keterangan General Tack Button 14, 15, 17, 20 GTB General Tack Button Lubang Tengah 14, 15, 17, 20 GTB LT Shake Tack Button 14, 15, 17, 20 STB Shake Tack Button Lubang Tengah 14, 15, 17, 20 STB LT Rivet Jamur 9, 9.5 Rivet Jamur Rivet Finish 9.5 Rivet Finish Head Finish 9.5 Head Finish Eyelet 5, 13, 14, 15 Eyelet Data jenis bahan baku Jenis Bahan Baku Ketebalan (cm) Kekerasan Keterangan Brass Plate BP O = 0.23 x 0 Brass Plate BP O = 0.25 x 0 Brass Plate BP O = 0.25 x 0.5 Brass Plate BP O = 0.30 x 0.5 Alumunium Plate AL O = 1.0 x 0 Kekerasan 0.5 berarti bahan baku cukup keras sehingga tidak mudah untuk dibentuk (ditekuk). Biasanya bahan baku dengan kekerasan 0.5 digunakan pada komponen cap, dengan tujuan agar bahan tidak mudah retak pada saat ditempa mold (cetakan untuk logo kancing pada bagian cap). Kekerasan 0 berarti bahan baku agak lunak, sehingga lebih mudah untuk ditekuk. Biasanya digunakan untuk komponen selain cap (paku, general, posh shake, dll).
16 L. 312 Lampiran 6 Gambar Struktur produk GTB dan rincian bahan bakunya Struktur Produk GTB (General Tack Button) diameter 14mm, 15mm, 17mm, 20mm Rincian bahan baku untuk produk GTB 14 mm General Tack Button (GTB) 14 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap BP O = 0.3 x Washer Flat AL O = 1.0 x General 14 mm BP O = 0.25 x Paku Panjang BP O = 0.25 x Rincian bahan baku untuk produk GTB 15 mm General Tack Button (GTB) 15 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap BP O = 0.3 x Washer Flat AL O = 1.0 x General 15 mm BP O = 0.25 x Paku Panjang BP O = 0.25 x
17 L. 313 Rincian bahan baku untuk produk GTB 17 mm General Tack Button (GTB) 17 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap BP O = 0.3 x Washer Flat AL O = 1.0 x General 17 mm BP O = 0.25 x Paku Panjang BP O = 0.25 x Rincian bahan baku untuk produk GTB 20 mm General Tack Button (GTB) 20 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap BP O = 0.3 x Washer Flat AL O = 1.0 x General 20 mm BP O = 0.25 x Paku Panjang BP O = 0.25 x
18 L. 314 Lampiran 7 Gambar Struktur produk GTB LT dan rincian bahan bakunya Struktur Produk GTB LT diameter 14 mm, 15 mm, dan 17 mm Rincian bahan baku untuk produk GTB LT 14 mm General Tack Button dengan Lubang Tengah (GTB LT) 14 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap Lubang BP O = 0.3 x General 14 mm BP O = 0.25 x Paku Panjang BP O = 0.25 x Rincian bahan baku untuk produk GTB LT 15 mm General Tack Button dengan Lubang Tengah (GTB LT) 15 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap Lubang BP O = 0.3 x General 15 mm BP O = 0.25 x Paku Panjang BP O = 0.25 x
19 L. 315 Rincian bahan baku untuk produk GTB LT 17 mm General Tack Button dengan Lubang Tengah (GTB LT) 17 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap Lubang BP O = 0.3 x General 17 mm BP O = 0.25 x Paku Panjang BP O = 0.25 x Struktur Produk GTB LT 20 mm Rincian bahan baku untuk produk GTB LT 20 mm General Tack Button dengan Lubang Tengah (GTB LT) 20 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap Lubang BP O = 0.3 x Poly washer General 20 mm BP O = 0.25 x Paku Panjang BP O = 0.25 x
20 L. 316 Lampiran 8 Gambar Struktur produk STB dan rincian bahan bakunya Struktur Produk STB diameter 14mm, 15mm, 17mm, 20mm Rincian bahan baku untuk produk STB 14 mm Shake Tack Button (STB) 14 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap BP O = 0.3 x Washer Flat AL O = 1.0 x Cap Shake BP O = 0.23 x Posh Shake BP O = 0.23 x Paku Shake BP O = 0.25 x
21 L. 317 Rincian bahan baku untuk produk STB 15 mm Shake Tack Button (STB) 15 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap BP O = 0.3 x Washer Flat AL O = 1.0 x Cap Shake BP O = 0.23 x Posh Shake BP O = 0.23 x Paku Shake BP O = 0.25 x Rincian bahan baku untuk produk STB 17 mm Shake Tack Button (STB) 17 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap BP O = 0.3 x Washer Flat AL O = 1.0 x Cap Shake BP O = 0.23 x Posh Shake BP O = 0.23 x Paku Shake BP O = 0.25 x Rincian bahan baku untuk produk STB 20 mm Shake Tack Button (STB) 20 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap BP O = 0.3 x Washer Flat AL O = 1.0 x Cap Shake BP O = 0.23 x Posh Shake BP O = 0.23 x Paku Shake BP O = 0.25 x
22 L. 318 Lampiran 9 Gambar Struktur produk STB LT dan rincian bahan bakunya 1 A2 STB LT Paku Shake 2 A Cap Lubang Cap Shake 1 Posh Shake Struktur Produk STB LT 14 mm, 15 mm, dan 17 mm Rincian bahan baku untuk produk STB LT 14 mm Shake Tack Button dengan Lubang Tengah (STB LT) 14 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap Lubang BP O = 0.3 x Cap Shake BP O = 0.23 x Posh Shake BP O = 0.23 x Paku Shake BP O = 0.25 x Rincian bahan baku untuk produk STB LT 15 mm Shake Tack Button dengan Lubang Tengah (STB LT) 15 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap Lubang BP O = 0.3 x Cap Shake BP O = 0.23 x Posh Shake BP O = 0.23 x Paku Shake BP O = 0.25 x
23 L. 319 Rincian bahan baku untuk produk STB LT 17 mm Shake Tack Button dengan Lubang Tengah (STB LT) 17 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap Lubang BP O = 0.3 x Cap Shake BP O = 0.23 x Posh Shake BP O = 0.23 x Paku Shake BP O = 0.25 x Struktur Produk STB LT 20 mm Rincian bahan baku untuk produk STB LT 20 mm Shake Tack Button dengan Lubang Tengah (STB LT) 20 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap Lubang BP O = 0.3 x Poly washer Cap Shake BP O = 0.23 x Posh Shake BP O = 0.23 x Paku Shake BP O = 0.25 x
24 L. 320 Lampiran 10 Gambar Struktur produk Rivet jamur dan rincian bahan bakunya Struktur Produk Rivet Jamur Rincian bahan baku untuk produk Rivet Jamur 9 mm Rivet Jamur 9 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap Rivet BP O = 0.25 x Posh Rivet BP O = 0.23 x Paku Rivet BP O = 0.23 x Rincian bahan baku untuk produk Rivet Jamur 9.5 mm Rivet Jamur 9.5 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Cap Rivet BP O = 0.25 x Posh Rivet BP O = 0.23 x Paku Rivet BP O = 0.23 x
25 L. 321 Lampiran 11 Gambar Struktur produk Rivet finish dan rincian bahan bakunya Struktur Produk Rivet Finish Rincian bahan baku untuk produk Rivet Finish Rivet Finish Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Rivet Finish BP O = 0.25 x Paku Rivet BP O = 0.23 x
26 L. 322 Lampiran 12 Gambar Struktur produk Head finish dan rincian bahan bakunya Struktur Produk Head Finish Rincian bahan baku untuk produk Head Finish Head Finish Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Head Finish BP O = 0.25 x Paku Rivet BP O = 0.23 x
27 L. 323 Lampiran 13 Gambar Struktur produk Eyelet dan rincian bahan bakunya Struktur Produk Eyelet Rincian bahan baku untuk produk Eyelet 5 mm Eyelet 5 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Washer Eyelet BP O = 0.23 x Posh Washer BP O = 0.23 x Rincian bahan baku untuk produk Eyelet 13 mm Eyelet 13 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Washer Eyelet BP O = 0.23 x Posh Washer BP O = 0.23 x
28 L. 324 Rincian bahan baku untuk produk Eyelet 14 mm Eyelet 14 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Washer Eyelet BP O = 0.23 x Posh Washer BP O = 0.23 x Rincian bahan baku untuk produk Eyelet 15 mm Eyelet 15 mm Komponen Jenis Bahan Baku Berat Bersih Berat Kotor Washer Eyelet BP O = 0.23 x Posh Washer BP O = 0.23 x
29 L. 325 Lampiran 14 Contoh perhitungan konversi data produksi menjadi data kebutuhan bahan baku untuk produk GTB mm pada bulan Agustus 2007 Data produksi produk GTB mm pada bulan Agustus 2007 = 147,456 pieces. Kebutuhan bahan baku untuk produk GTB mm pada bulan Agustus 2007 adalah Komponen Jenis Bahan Baku Berat Kotor Kebutuhan Bahan Baku (Kg) Cap BP O = 0.3 x Washer Flat AL O = 1.0 x General mm BP O = 0.25 x Paku Panjang BP O = 0.25 x Kebutuhan bahan baku per komponen (Kg) = Data produksi x Berat Kotor per Komponen (Gram) / 1000 Untuk komponen Cap : 147, Kebutuhan bahan baku (BP O = 0.3 x 0.5) = = Kg 1000 Untuk komponen Washer flat : 147, Kebutuhan bahan baku (AL O = 1.0 x 0) = = Kg 1000 Untuk komponen General : 147, Kebutuhan bahan baku (BP O = 0.25 x 0) = = Kg 1000 Untuk komponen Paku panjang : 147, Kebutuhan bahan baku (BP O = 0.25 x 0) = = Kg 1000
30 L. 326 Lampiran 15 Hasil trial and error perhitungan peramalan untuk bahan baku BP O = 0.23 x 0 Autokorelasi Data Historis Bahan Baku BP O = 0.23 x 0 Dari preview data historis di atas, probabilitas Ljung-Box p< , nilai ini lebih kecil dari 0.05, maka data dapat dikatakan data acak dan memiliki autokorelasi yang signifikan. Lag yang dilampirkan menjadi acuan penentuan unsur musiman dalam data historis. Lag yang tertera adalah 6, 1, dan 7. Dari lag tersebut, kemudian dilakukan perhitungan dengan memasukkan unsur musiman 6 dan 7. Nilai lag 1 tidak dapat digunakan karena unsur musiman menentukan pola data dengan siklus waktu, sedangkan untuk unsur musiman 1, tidak dapat dilihat siklus pola datanya, melainkan data berdiri sendiri pada periode waktu tersebut. Dari pernyataan manajemen, dikatakan bahwa unsur musiman dalam penggunaan bahan baku adalah sama dengan proses produksi. Musim ramai adalah bulan Maret sampai Agustus dan musim sepi adalah bulan September sampai Februari,
31 L. 327 dan hal tersebut selalu stabil setiap tahunnya. Begitupula yang tertera pada lag, dimana diidentifikasi adanya unsur musimana 6 bulanan. Berdasarkan hal tersebut, maka dilakukan perhitungan peramalan untuk seasonality = 6, dan diperoleh hasil sebagai berikut : Peramalan Bahan Baku BP O = 0.23 x 0 dengan seasonality 6 periode Hasil peramalan yang terbaik dalah Seasonal Multiplicative (α = dan γ =0.001) dengan MAPE %. Bila dilihat dari plot data ternyata plot ramalan agak tertinggal dari data sebenarnya, sehingga hasil ramalan memiliki tingkat kesalahan yang cukup tinggi (40.874%). Bila ditinjau dari analisa test Durbin Watson dengan nilai (D-W C = 1.915) dimana apabila : D-W C < 1.41 maka terjadi autokorelasi positif. D-W C > 2.59 maka terjadi autokorelasi positif < D-W C < 1.52 atau 2.48 < D-W C < 2.59 maka pengujian tidak dapat disimpulkan.
32 L < D-W C < 2.48 maka tidak terjadi autokorelasi. Maka nilai D-W C menandakan bahwa tidak ada autokorelasi pada galat hasil peramalan. Nilai DW yang berada pada wilayah autokorelasi yang cenderung positif ataupun negatif mempengaruhi ketidakakuratan hasil peramalan, sehingga kurang bisa dipercaya hasil ramalannya. Sedangkan bila nilai DW berada dalam wilayah tidak berautokorelasi maka dalam galat (error) tidak ada sisa pola apapun, sehingga hasil peramalan dapat dipercaya. Sedangkan bila ditinjau dari analisa Theil s U dengan nilai 1.003, jelas terlihat bahwa hasil ramalan lebih buruk daripada pendugaan naif, sehingga hasil peramalan secara formal tidak boleh digunakan. Dari analisa di atas, ternyata seasonality = 6, kurang memberikan hasil yang tepat dan akurat, sehingga perlu dilakukan perhitungan dengan seasonality lainnya. Dari probabilitas kemungkinan unsur musiman yang tertera pada lag, dinyatakan bahwa data historis kemungkinan mengandung unsur musiman = 7. Berikut ini adalah hasil perhitungannya : Peramalan Bahan Baku BP O = 0.23 x 0 dengan seasonality 7 periode
33 L. 329 Dari hasil perhitungan yang dilakukan dengan CB Predictor, metode peramalan yang terbaik bila seasonality dimasukkan angka tujuh, adalah Holt-Winters Multiplicative (α = β = γ = 0.001). Akan tetapi, metode tersebut menghasilkan error yang cukup besar, yaitu %. Sehingga kurang bisa dipercaya hasil peramalannya. Dilihat dari Durbin Watson test, nilai yang tertera adalah Nilai tersebut berada dalam batas wilayah dimana tidak diketahui ada atau tidaknya autokorelasi dari galat, sehingga tidak dapat ditarik kesimpulan apakah hasil peramalan dapat dipercaya atau tidak. Bila dilihat dari statistik Theil s U, nilai yang tertera adalah Nilai tersebut sangat mendekati 1, sehingga hasil peramalan kurang lebih hampir sama dengan pendugaan naif, dimana metode peramalan tidak perlu diterapkan dan kebutuhan bahan baku dapat diperkirakan berdasarkan data pada periode sebelumnya. Sedangkan bila dicoba dengan menggunakan software Minitab 14, dengan menggunakan metode Dekomposisi, maka diperoleh hasil sebagai berikut. Metode Dekomposisi dengan unsur musiman (multiplicative)
34 L. 330 Metode Dekomposisi dengan unsur musiman dan trend (multiplicative) Metode Dekomposisi dengan unsur musiman saja (additive)
35 L. 331 Metode Dekomposisi dengan unsur musiman dan trend (additive) Perbedaan model multiplicative dan additive adalah : Model Multiplicative apabila jarak pada pola data musiman bergantung pada pola data atau dengan kata lain jarak pada pola data musiman meningkat apabila nilai data dinaikkan dan menurun bila nilai data diturunkan. Model Additive digunakan apabila jarak pada pola data musiman tidak bergantung pada pola data atau dengan kata lain jarak pada pola data musiman tidak berubah apabila rangkaian data dinaikkan atau diturunkan. Tetapi, apabila kita tidak mengetahui pola data multiplicative atau additive maka dapat dilakukan trial and error dengan membandingkan nilai presentase dan memilih model dengan nilai error terkecil.
36 L. 332 Lampiran 16 Hasil trial and error perhitungan peramalan untuk bahan baku BP O = 0.25 x 0 Autokorelasi Data Historis Bahan Baku BP O = 0.25 x 0 Dari hasil preview data historis di atas, diperoleh nilai probabilitas Ljung-Box p< dan nilai tersebut lebih kecil dari 0.05, sehingga data dapat dikatakan data acak dan memiliki autokorelasi yang signifikan. Dari ketiga lag yang dilampirkan, yang memiliki autokorelasi adalah lag 6, 1, dan 5, sehingga dapat diidentifikasi adanya unsur musiman 5 dan 6. Angka lag 1 tidak dapat dijadikan unsur musiman karena bila seasonality = 1 maka tidak akan ada siklus pola data musiman karena data dikatakan berdiri sendiri, tidak saling terkait dan membentuk pola siklus. Bila dimasukkan dalam perhitungan dengan CB Predictor dengan seasonality = 5, maka akan diperoleh hasil sebagai berikut :
37 L. 333 Peramalan Bahan Baku BP O = 0.25 x 0 dengan seasonality 5 periode Bila dilihat plot data hasil peramalan dengan seasonality = 5, hasil peramalan seperti tertinggal dari data historisnya, sehingga hal tersebut memperbesar nilai MAPE, yaitu %. Bila dianalisa dari sudut Durbin Watson, nilai yang diperoleh adalah dan berada dalam wilayah tidak terdapat autokorelasi, sehingga data masih dapat diterima. Memang pada hakekatnya nilai DW bukanlah nilai untuk mengukur ketepatan, melainkan untuk mengukur apakah masih terdapat sisa pola di dalam nilai galat. Tetapi dari hasil DW dapat disimpulkan apabila nilai DW masuk dalam autokorelasi positif ataupun negatif maka dapat dikatakan hasil peramalan kurang bisa dipercaya. Bila dilihat dari analisis Theil s U, diperoleh nilai dimana nilai tersebut menyatakan bahwa hasil ramalan lebih buruk dari pendugaan naif, sehingga metode peramalan formal tidak boleh diterapkan. Dari pernyataan manajemen yang menyatakan bahwa unsur musiman = 6 bulanan, dan didukung pula dari nilai lag yang dilampirkan di atas, maka dilakukan perhitungan peramalan dengan unsur musiman = 6 dan diperoleh hasil sebagai berikut :
38 L. 334 Peramalan Bahan Baku BP O = 0.25 x 0 dengan seasonality 6 periode Hasil ramalan terbaik menggunakan metode Seasonal Multiplicative dengan α = dan γ = menghasilkan tingkat persentase error %. Hasil ramalan cenderung tertinggal dari data historis, sehingga menyebabkan tingkat kesalahan yang tinggi. Bila ditinjau dari nilai Durbin Watson yang diperoleh adalah 1.977, dimana berada dalam wilayah tidak terdapat autokorelasi, maka nilai peramalan dapat dipercaya. Tetapi bila dilihat dari nilai Theil s U = 0.952, nilai tersebut sangat dekat dengan 1, sehingga hasil peramalan dengan metode formal tidak akan memberikan penyelesaian yang baik dalam menentukan kebutuhan bahan baku dibandingkan dengan pendugaan naif. Sedangkan bila peramalan dilakukan dengan menggunakan software Minitab 14, maka diperoleh hasil sebagai berikut.
39 L. 335 Metode Dekomposisi dengan unsur musiman (multiplicative) Metode Dekomposisi dengan unsur musiman dan trend (multiplicative)
40 L. 336 Metode Dekomposisi dengan unsur musiman (additive) Metode Dekomposisi dengan unsur musiman dan trend (additive)
41 L. 337 Lampiran 17 Hasil trial and error perhitungan peramalan untuk bahan baku BP O = 0.25 x 0.5 Autokorelasi Data Historis Bahan Baku BP O = 0.25 x 0.5 Dari hasil preview data historis di atas, diperoleh nilai probabilitas Ljung-Box p< dan nilai tersebut lebih kecil dari 0.05, sehingga data dapat dikatakan data acak dan memiliki autokorelasi yang signifikan. Dari ketiga lag yang dilampirkan, diindikasi mengandung unsur musiman 6, 1, dan 7. Akan tetapi, unsur musiman tidak dapat dimasukkan angka 1, karena angka 1 menunjukkan data untuk setiap periode sehingga tidak dapat menunjukkan unsur musiman dan pola siklus pada data. Sehingga indikasi unsur musiman yang tersisa adalah 6 dan 7. Dari hasil perhitungan dengan CB Predictor, dengan seasonality = 6, diperoleh hasil sebagai berikut :
42 L. 338 Peramalan Bahan Baku BP O = 0.25 x 0.5 dengan seasonality 6 periode Setelah dimasukkan perhitungan dengan seasonality = 6, metode peramalan terbaik adalah Seasonal Multiplicative (α = dan γ = ), dengan tingkat kesalahan %. Peramalan dengan tingkat kesalahan yang begitu tinggi menyebabkan peramalan menjadi kurang akurat, didukung pula dengan penyimpangan dalam plot data ramalan dengan data historis. Nilai Durbin Watson = dimana berada dalam wilayah tidak terdapat autokorelasi yang berarti tidak ada pola apapun pada galat. Analisis DW memang tidak mendukung ketidakakuratan hasil peramalan, tetapi analisis Theil s U sangat mendukung. Dengan nilai 0.964, angka yang mendekati 1, lebih memperkuat analisa bahwa hasil ramalan dengan seasonality = 6, kurang dapat dipercaya keakuratannya. Dari lag yang terlampir, ada indikasi unsur musiman = 7 bulanan, maka dilakukan perhitungan dengan hasil di bawah ini :
43 L. 339 Peramalan Bahan Baku BP O = 0.25 x 0.5 dengan seasonality 7 periode Hasil peramalan yang dianggap terbaik yaitu dengan metode Single Exponential Smoothing dengan α = dengan tingkat kesalahan %. Persentase kesalahan dapat dikatakan cukup tinggi sehingga hasil peramalan menjadi kurang akurat. Tetapi nilai Durbin Watson tidak mendukung, karena nilai DW = berada dalam wilayah tidak terdapat autokorelasi, sehingga data masih dapat dipercaya. Sedangkan nilai Theil s U = 1, memperkuat analisa bahwa metode peramalan ini sama baiknya dengan pendugaan secara naif, yang menganggap bahwa kebutuhan bahan baku bulan depan sama dengan kebutuhan bahan baku bulan sebelumnya, sehingga tidak perlu adanya metode peramalan formal. Sedangkan bila peramalan dilakukan dengan menggunakan software Minitab 14, maka diperoleh hasil sebagai berikut.
44 L. 340 Metode Dekomposisi dengan unsur musiman (multiplicative) Metode Dekomposisi dengan unsur musiman dan trend (multiplicative)
45 L. 341 Metode Dekomposisi dengan unsur musiman (addtive) Metode Dekomposisi dengan unsur musiman dan trend (addtive)
46 L. 342 Lampiran 18 Hasil trial and error perhitungan peramalan untuk bahan baku BP O = 0.30 x 0.5 Autokorelasi Data Historis Bahan Baku BP O = 0.3 x 0.5 Dari hasil preview data historis di atas, diperoleh nilai probabilitas Ljung-Box p< dan nilai tersebut lebih kecil dari 0.05, sehingga data dapat dikatakan data acak dan memiliki autokorelasi yang signifikan. Dari ketiga lag yang dilampirkan, diindikasi adanya unsur musiman 1, 6, dan 7. Akan tetapi, tidak dapat dilakukan perhitungan dengan unsur musiman 1, karena tidak akan membentuk pola siklus data, sehingga tidak dapat dikatakan bahwa pola data mengandung unsur musiman. Sedangkan untuk unsur musiman 6 dan 7 akan dilakukan perhitungannya di bawah ini. Pernyataan manajemen yang menyatakan bahwa unsur musiman adalah = 6 bulanan diukur berdasarkan musim ramai dan musim sepi, mendukung indikasi lag di atas. Dari hasil perhitungan dengan CB Predictor, dengan seasonality = 6, diperoleh hasil sebagai berikut :
47 L. 343 Peramalan Bahan Baku BP O = 0.3 x 0.5 dengan seasonality 6 periode Hasil peramalan dengan seasonality = 6 periode diperoleh metode terbaik adalah Seasonal Multiplicative dengan α = dan γ = serta tingkat kesalahan %. Dilihat dari nilai Durbin Watson = yang berada dalam wilayah tidak terdapat autokorelasi, mendukung bahwa hasil peramalan masih layak untuk digunakan. Tetapi nilai Theil s U = 0.989, berkebalikan dengan dengan analisis DW, nilai Theil s U menyatakan bahwa hasil peramalan sama baiknya dengan pendugaan naif, sehingga tidak diperlukan metode peramalan secara formal, melainkan cukup dengan pendugaan naif saja. Sedangkan bila dimasukkan unsur musiman = 7 periode (diperoleh dari indikasi lag) ke dalam perhitungan, maka diperoleh hasil peramalan sebagai berikut :
48 L. 344 Peramalan Bahan Baku BP O = 0.3 x 0.5 dengan seasonality 7 periode Ternyata hasil peramalan terbaik adalah metode Double Exponential Smoothing dengan α =0.990 dan β =0.001, dengan MAPE %. Dilihat dari MAPE, seasonality = 7 periode memiliki nilai MAPE yang lebih tinggi. Analsis lebih lanjut dari sisi Durbin Watson dan Theil s U, masing-masing bernilai dan Kedua nilai tersebut saling bertentangan dimana Durbin Watson menyatakan bahwa hasil ramalan tidak sepenuhnya kurang akurat karena berada dalam wilayah tidak autokorelasi, sedangkan Theil s U menyatakan bahwa hasil ramalan tidaklah lebih baik dari pendugaan (karena nilainya sangat mendekati 1). Sehingga bila dilihat dari ketiga analisis serta plot data hasil ramalan dibandingkan dengan data historis yang banyak menyimpang, maka seasonality = 7 periode kurang dapat diterima keakuratannya. Sedangkan bila dilakukan uji coba dengan menggunakan metode dekomposisi yang terdapat pada software Minitab 14, maka diperoleh hasil sebagai berikut :
49 L. 345 Metode Dekomposisi dengan unsur musiman (multiplicative) Metode Dekomposisi dengan unsur musiman dan trend (multiplicative)
50 L. 346 Metode Dekomposisi dengan unsur musiman (addtive) Metode Dekomposisi dengan unsur musiman dan trend (addtive)
51 L. 347 Lampiran 19 Hasil trial and error perhitungan peramalan untuk bahan baku AL O = 1.0 x 0 Autokorelasi Data Historis Bahan Baku AL O = 1.0 Dari preview data historis di atas, nilai probabilitas Ljung-Box adalah p< Nilai tersebut lebih kecil dari 0.05 sehingga data dikatakan memiliki autocorrelation yang signifikan. Dari ketiga lag yang dilampirkan, diindikasi pada pola data terdapat unsur musiman 1, 5, dan 6. Sama seperti sebelumnya, bahwa unsur musiman 1 tidak dapat dilakukan perhitungan karena unsur musiman 1 tidak dapat membentuk pola siklis pada data. Dari lag yang dilampirkan, dilakukanlah perhitungan dengan unsur musiman = 5, dan diperoleh hasil sebagai berikut :
52 L. 348 Peramalan Bahan Baku AL O = 1.0 dengan seasonality 5 periode Dari hasil peramalan, diperoleh metode terbaik adalah Double Exponential Smoothing dengan α = dan β = serta tingkat kesalahan %. Dengan tingkat kesalahan yang cukup tinggi, maka hasil peramalan dapat dikatakan kurang akurat. Bila ditinjau dari sudut analisa Durbin Watson maupun Theil s U, masingmasing memiliki nilai dan Kedua nilai test tersebut saling bertentangan dimana nilai DW menyatakan bahwa tidak terdapat autokorelasi pada galat, sedangkan nilai Theil s U menyatakan bahwa hasil peramalan lebih buruk daripada pendugaan secara naif, sehingga model peramalan formal tidak layak untuk diterapkan. Sehingga peramalan ini dapat dikatakan kurang layak untuk digunakan dalam pengambilan keputusan mengenai kebutuhan bahan baku pada 12 periode mendatang. Dari pernyataan manajemen, dinyatakan bahwa unsur musiman untuk setiap periode ramai adalah 6 bulanan, begitupula dengan periode sepi, yaitu 6 bulanan. Begitupula dengan indikasi lag yang menyatakan ada kemungkinan bahwa data
53 L. 349 mengandung unsur musiman 6 bulanan. Dari pernyataan tersebut, dilakukanlah perhitungan seperti di bawah ini: Peramalan Bahan Baku AL O = 1.0 dengan seasonality 6 periode Hasil perhitungan peramalan ternyata memberikan tingkat kesalahan yang lebih rendah daripada perhitungan sebelumnya (seasonality = 5 periode). Metode terbaik adalah Seasonal Multiplicative dengan α = dan γ = serta MAPE %. Meskipun presentase MAPE lebih rendah, akan tetapi nilai % masih dapat dikatakan cukup tinggi sehingga hasil ramalan menjadi kurang dapat dipercaya. Dilihat dari hasil test Durbin Watson dan Theil s U yang masing-masing bernilai 2.23 dan 0.988, ternyata hasil dari test Theil s U menyatakan bahwa peramalan tidaklah lebih baik dari pendugaan naif. Sedangkan test Durbin Watson menyatakan bahwa peramalan masih layak untuk digunakan (tidak terjadi autokorelasi). Bila dilakukan uji coba dengan menggunakan bantuan software Minitab 14, dengan metode dekomposisi, maka diperoleh hasil sebagai berikut.
54 L. 350 Metode Dekomposisi dengan unsur musiman (multiplicative) Metode Dekomposisi dengan unsur musiman dan trend (multiplicative)
55 L. 351 Metode Dekomposisi dengan unsur musiman (addtive) Metode Dekomposisi dengan unsur musiman dan trend (addtive)
56 L. 352 Lampiran 20 Biaya biaya persediaan Biaya Pesan (A) per satu kali pesanan Biaya Pesan untuk bahan baku import (Brass Plate), yaitu : - Biaya penerimaan dan bongkar muat : Biaya ekspedisi, dihitung berdasarkan satu kali angkut karena ekspedisi disewa secara khusus, dengan biaya Rp 5,000,000 untuk sekali angkut, berapapun beratnya. Biaya penebusan bahan baku di pelabuhan/bandara (pajak bea dan cukai), sebesar Rp 9,000, Biaya bongkar muat dengan forklift, yaitu sebesar Rp 175,000 dengan kapasitas angkut sebesar 25.6 ton, selama 4 jam. Biaya jasa penyewaan forklift dihitung per satu kali datang dengan maksimum jam kerja 4 jam dan kapasitas angkut 25.6 ton. Apabila waktu dan kapasitas angkut di bawah nilai di atas, maka perusahan tetap harus membayar biaya sesuai dengan tarif jasa penyewaan forklift. Sedangkan bila kapasitas angkut melampaui angka di atas, maka dikenakan biaya tambahan sebesar Rp 40,000 per jam, dengan kapasitas 6.4 ton. Kapasitas forklift satu kali angkut adalah 1.6 ton, selama 15 menit. Jadi kapasitas forklift selama satu jam adalah ton = 6.4 ton. 15
57 L Biaya Telepon : Direktur menghubungi pemasok bahan baku melalui media telepon untuk membicarakan kuantitas bahan baku yang dipesan. Biaya telepon interlokal pada jam sibuk adalah Rp 1,500 per menitnya. Lama bicara yaitu selama 8 menit, sehingga biaya yang dikeluarkan untuk memesan bahan baku import adalah sebesar Rp 8 x 1,500 = Rp 12,000 untuk sekali pesan. - Biaya Karyawan : Untuk pemesanan bahan baku brass plate, dilakukan langsung oleh pemilik yang juga merangkap sebagai direktur, sehingga sulit untuk diuraikan biayanya, sehingga dapat diabaikan (tidak dibebankan secara langsung). - Biaya Administrasi : Adalah biaya yang digunakan untuk kertas dan tinta sebagai dasar pencatatan administrasi yang dibebankan kepada biaya pemesanan. Pembebanan biaya administrasi kepada biaya pemesanan karena dalam melakukan pemesanan, dibutuhkan kertas dan tinta untuk melakukan pencatatan bahan baku apa saja yang akan dipesan. Biaya ini dinilai sebesar Rp 1,000 berdasarkan kebijakan perusahaan. Jadi total biaya pesan untuk bahan baku import adalah : Kapasitas 25.6 ton Rp 5,000,000 + Rp 9,000,000 + Rp 175,000 + Rp 12,000 + Rp 1,000 = Rp 14,188,000 Kapasitas 32 ton Rp 5,000,000 + Rp 9,000,000 + Rp 175,000 + Rp 40,000 + Rp 12,000 + Rp 1,000 = Rp 14,228,000
58 L. 354 Biaya Pesan untuk bahan baku lokal (Alumunium Plate), yaitu : - Biaya penerimaan dan bongkar muat : Bila bahan baku yang dipesan kurang dari 3 ton maka dapat digunakan tenaga manusia dengan biaya Rp 50,000. Bila bahan baku yang dipesan lebih dari 3 ton, maka digunakan jasa penyewaan forklift dengan biaya Rp 175,000 sekali datang, dengan kapasitas pengangkutan seberat 25.6 ton, selama 4 jam. Bila bahan baku lebih banyak dari 25.6 ton, maka dikenakan tambahan biaya sebesar Rp 40,000 per jam. Kapasitas pengangkutan forklift satu kali angkut adalah 1.6 ton, selama 15 menit. Jadi kapasitas pengangkutan forklift satu jam adalah ton = 6.4 ton Biaya telepon : Biaya telepon pada jam sibuk per menit adalah Rp 250 untuk 2 menit pertama, dan Rp 125 pada menit berikutnya. Dan biaya untuk satu kali mengirimkan fax adalah Rp 5,025. Untuk menghubungi pemasok, lama bicara adalah 3 menit, dan satu kali fax nota beli. Sehingga biaya telepon yang dikeluarkan untuk sekali pesan adalah adalah : Biaya telepon = Rp 2 x = Rp 625 untuk sekali pesan. Biaya fax = Rp 5,025 untuk sekali fax. Total biaya pesan = Rp 5,650 untuk sekali pesan pada satu pemasok.
59 L Biaya karyawan : Gaji pokok manajer pembelian yang bertugas melakukan pemesanan bahan baku adalah Rp per bulan. Ditambah dengan THR sebesar satu bulan gaji. Jumlah hari kerja per tahun adalah 300 hari kerja, dengan jam kerja 8 jam/hari dan 6 hari kerja/minggu. Setiap kali melakukan transaksi pemesanan, dibutuhkan waktu selama 3 menit ditambah 7 menit untuk konfirmasi ulang dari pemasok dan mengirim fax, sehingga sekali pemesanan dibutuhkan waktu selama 10 menit. Biaya karyawan yang dikeluarkan = = Rp 1, Rp 1, Biaya administrasi : Adalah biaya yang digunakan untuk kertas dan tinta sebagai dasar pencatatan administrasi yang dibebankan kepada biaya pemesanan. Pembebanan biaya administrasi kepada biaya pemesanan karena dalam melakukan pemesanan, dibutuhkan kertas dan tinta untuk melakukan pencatatan bahan baku apa saja yang akan dipesan. Biaya ini dinilai sebesar Rp 1,000 berdasarkan kebijakan perusahaan. (sumber data : PT. WKHK) Jadi total biaya pesan untuk bahan baku lokal adalah : Kapasitas 3 ton Rp 50,000 + Rp 5,650 + Rp 1,084 + Rp 1,000 = Rp 57,734 Kapasitas 25.6 ton Rp 175,000 + Rp 5,650 + Rp 1,084 + Rp 1,000 = Rp 182,734
60 L. 356 Harga Bahan Baku Jenis Bahan Baku Harga / Kg Harga / Kg ($) (Rp) Keterangan BP O=0.23 x ,520 Import BP O=0.25 x ,280 Import BP O=0.25 x ,500 Import BP O=0.3 x ,100 Import AL O=1.0-52,500 Lokal (sumber data : PT. WKHK) Untuk bahan baku import, hasil konversi harga dalam Rupiah disesuaikan dengan kurs dolar saat pengolahan data dibuat, yaitu 1$ = Rp 9, Biaya Simpan (h) Berdasarkan kebijakan perusahaan, biaya simpan ditentukan sebesar 2% dari harga beli bahan baku, yaitu : Jenis Bahan Baku Harga / Kg Biaya Simpan / Kg BP O=0.23 x 0 74,520 1, BP O=0.25 x 0 77,280 1, BP O=0.25 x ,500 1, BP O=0.3 x ,100 1, AL O=1.0 52,500 1, (sumber data : PT. WKHK)
BINUS UNIVERSITY. Program Studi Ganda Teknik Industri Sistem Informasi Skripsi Sarjana Program Ganda Semester Ganjil 2007/2008
BINUS UNIVERSITY Program Studi Ganda Teknik Industri Sistem Informasi Skripsi Sarjana Program Ganda Semester Ganjil 2007/2008 ANALISA DAN PERANCANGAN SISTEM INFORMASI OPTIMALISASI PEMESANAN BAHAN BAKU
Lebih terperinciUNIVERSITAS BINA NUSANTARA
UNIVERSITAS BINA NUSANTARA Program Studi Ganda Teknik Industri Sistem Informasi Skripsi Sarjana Program Ganda Semester Ganjil 2007/2008 ANALISA DAN PERANCANGAN SISTEM INFORMASI PENJADWALAN PRODUKSI UNTUK
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.. Plotting Data Bahan baku komponen yang dipakai untuk membuat panel listrik jumlahnya cukup banyak dan beragam untuk masing-masing panel listrik yang dibuat. Jadi, penggunaan
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 terperinciHasil Peramalan dengan Menggunakan Software Minitab
71 Lampiran 1. Hasil Peramalan dengan Menggunakan Software Minitab Moving Average Data C1 Length 12 NMissing 0 Moving Average Length 4 Accuracy Measures MAPE 25 MAD 54372 MSD 4819232571 Time C1 MA Predict
Lebih terperinciVI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER
VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER 6.1. Analisis Pola Data Penjualan Ayam Broiler Data penjualan ayam broiler adalah data bulanan yang diperoleh dari bulan Januari 2006
Lebih terperinciBAB 1 PENDAHULUAN. Produk yang sering diproduksi adalah brosur, label kemasan, dan hang tag.
BAB 1 PENDAHULUAN 1.1 Latar Belakang CV Lintas Nusa merupakan perusahaan yang bergerak dalam bidang jasa percetakan offset. Lokasi perusahaan berada di Jl. Kalidami no 60 Surabaya. Produk yang sering diproduksi
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 IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Desain Penelitian Dari uraian latar belakang masalah, penelitian ini dikategorikan ke dalam penelitian kasus dan penelitian lapangan. Menurut Rianse dan Abdi dalam Surip (2012:33)
Lebih terperinciHASIL DAN ANALISIS DATA. Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut.
BAB 5 HASIL DAN ANALISIS DATA 5.1 Penyajian Data Penelitian Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut. Data berikut merupakan data aktual untuk diramalkan penjualannya
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
64 4.1 Pengumpulan Data 4.1.1 Data Penjualan BAB 4 HASIL DAN PEMBAHASAN PT. Surya Toto Indonesia bergerak di bidang ceramic sanitary wares and plumbing hardware., salah satu produknya yaitu kloset tipe
Lebih terperinciEvelina Padang, Gim Tarigan, Ujian Sinulingga
Saintia Matematika Vol. 1, No. 2 (2013), pp. 161 174. PERAMALAN JUMLAH PENUMPANG KERETA API MEDAN-RANTAU PRAPAT DENGAN METODE PEMULUSAN EKSPONENSIAL HOLT-WINTERS Evelina Padang, Gim Tarigan, Ujian Sinulingga
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Program Ganda Teknik Informatika dan Statistika Skripsi Sarjana Program Ganda Semester Ganjil 2006/2007
UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika dan Statistika Skripsi Sarjana Program Ganda Semester Ganjil 2006/2007 ANALISIS PERBANDINGAN KEAKURATAN PERAMALAN ANTARA METODE TRIGG AND LEACH
Lebih terperinciBAB 4 METODOLOGI. Dalam penelitian ini bahan / materi dikumpulkan melalui : selama 4 tahun penjualan besi Wiremesh untuk diramalkan
BAB 4 METODOLOGI 4.1 Metodologi Penelitian 4.1.1 Pengumpulan Bahan Penelitian Dalam penelitian ini bahan / materi dikumpulkan melalui : 1) Data sekunder, yaitu dengan mengumpulkan data penjualan perusahaan
Lebih terperinciBAB I PENDAHULUAN. yang ada pada CV. Agung Jaya Cabang Pabean diperoleh dari supplier atau
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah CV. Agung Jaya Cabang Pabean adalah cabang perusahaan CV. Agung Jaya Kalang Anyar Sedati. CV. Agung Jaya Cabang Pabean merupakan distributor alat tulis kantor
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. Penggunaan diagram alir pada metodologi penelitian bertujuan untuk
BAB 3 METODOLOGI PENELITIAN 3.1 Tahapan Pemecahan Masalah Penggunaan diagram alir pada metodologi penelitian bertujuan untuk menggambarkan urutan kerja serta tahapan dalam melakukan penelitian dari awal
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 IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Penentuan Komponen Biaya Gambar 4.1 Tahapan proses penentuan komponen biaya Pada gambar 4.1, dalam penentuan komponen biaya terdapat 2 proses, yaitu:
Lebih terperinciIII. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING
III. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING Yurian Yudanto (yurian.yudanto@yahoo.com) Jurusan Statistika, Fakultas Matematika dan Ilmu
Lebih terperinciBAB V ANALISA DAN PENYELESAIAN MASALAH
67 BAB V ANALISA DAN PENYELESAIAN MASALAH 5.1 Analisa Plot Data Analisa plot data merupakan suatu cara yang dilakukan untuk mengetahui bentuk dari permintaan terhadap suatu barang/jasa setiap bulannya.
Lebih terperinciANALISIS PERENCANAAN PENGENDALIAN BAHAN BAKU MENGGUNAKAN TEKNIK LOTTING DI PT AGRONESIA INKABA BANDUNG
ANALISIS PERENCANAAN PENGENDALIAN BAHAN BAKU MENGGUNAKAN TEKNIK LOTTING DI PT AGRONESIA INKABA BANDUNG I Made Aryantha dan Nita Anggraeni Program Studi Teknik Industri, Universitas Komputer Indonesia,
Lebih terperinciDian Kristanti 1) 1 Prodi Pendidikan Matematika, STKIP Bina Bangsa Meulaboh.
PERAMALAN JUMLAH PENDISTRIBUSIAN BAHAN BAKAR MINYAK DI PT. PERTAMINA (PERSERO) REGION III DEPOT MALANG MENGGUNAKAN METODE WINTER DAN METODE DEKOMPOSISI Dian Kristanti 1) 1 Prodi Pendidikan Matematika,
Lebih terperinciBagaimana perusahaan bapak mengatasi masalah keterlambatan produk yang dipesan? dan bagaimana menjelaskan keterlambatan tersebut ke customer?
Wawancara I Pertanyaan no. 1 Bagaimana perusahaan bapak mengatasi masalah keterlambatan produk yang dipesan? dan bagaimana menjelaskan keterlambatan tersebut ke customer? Jb. belum ada cara untuk mengatasi
Lebih terperinciBAB I PENDAHULUAN. lainnya untuk menggunakan jasa umrah dan haji dari PT Shafira Tour & Travel.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah PT Shafira Tour & Travel adalah salah satu agen umrah & haji terbesar dalam wilayah Jawa Timur yang berdiri sejak tahun 2001. Setiap tahunnya perusahaan ini
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
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 terperinciOPTIMASI PERENCANAAN PENGENDALIAN BAHAN BAKU CAPROLACTAM
OPTIMASI PERENCANAAN PENGENDALIAN BAHAN BAKU CAPROLACTAM PABRIK NYLON PT. ITS Dyah Lintang Trenggonowati 1), Wisnu Broto Darmawan 2) 1),2 ) Teknik Industri, Fakultas Teknik, Universitas Sultan Ageng Tirtayasa
Lebih terperinciANALISIS PERAMALAN PENJUALAN DAN KAITANNYA DALAM PERAMALAN LABA PADA PD. RAMATEX. Nama : Desty Trisnayannis NPM :
ANALISIS PERAMALAN PENJUALAN DAN KAITANNYA DALAM PERAMALAN LABA PADA PD. RAMATEX Nama : Desty Trisnayannis NPM : 21210860 Latar Belakang Dalam dunia usaha, perusahaan harus memperkirakan hal-hal yang terjadi
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan wingko pada tahun 2016.
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Pengumpulan dan Pengolahan Data Untuk menganalisi permasalahan pengoptimalan produksi, diperlukan data dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan
Lebih terperinciBAB 3 ANALISIS SISTEM. perusahaan serta akibat yang ditimbulkan masalah tersebut. dimana masih berstatus sewaan dari orang lain.
BAB 3 ANALISIS SISTEM 3.1 Gambaran Umum Perusahaan Dalam sub bab ini membahas mengenai situasi perusahaan dan sistem yang sedang berjalan, deskripsi masalah yang dihadapi perusahaan serta akibat yang ditimbulkan
Lebih terperinciBAB II LANDASAN TEORI. Suatu sistem adalah suatu jaringan kerja dari prosedur-prosedur yang
7 BAB II LANDASAN TEORI 2.1 Sistem Informasi 2.1.1 Sistem Suatu sistem adalah suatu jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan
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 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 terperinciAplikasi Sistem Informasi Forecasting pada PD. Maha Jaya. Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya
Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya Rudy Adipranata 1, Tanti Octavia 2, Andi Irawan 1 Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya Pendahuluan Pentingnya
Lebih terperinciBAB 3 ANALISIS PERUSAHAAN. merupakan perusahaan yang bergerak di bidang industri pakaian. Perusahaan yang
87 BAB 3 ANALISIS PERUSAHAAN 3.1 Latar Belakang Perusahaan CV. Orlena yang berlokasi di Jln. K.H.Moh.Mansyur No.32A, Jakarta Barat merupakan perusahaan yang bergerak di bidang industri pakaian. Perusahaan
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data Pengumpulan data yang dilakukan dengan cara pengamatan dari dokumen perusahaan. Data yang di perlukan meliputi data penjualan produk Jamur Shiitake,
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 terperinciBAB 4 PEMBAHASAN. Dalam bab ini penulis membahas mengenai pelaksanaan audit operasional
BAB 4 PEMBAHASAN Dalam bab ini penulis membahas mengenai pelaksanaan audit operasional pada PT. Valindo Global. Pembahasan tersebut dibatasi pada penerimaan dan pengeluaran kas. Dalam melaksanakan audit
Lebih terperinciVII PERENCANAAN PENGADAAN PERSEDIAAN TUNA
VII PERENCANAAN PENGADAAN PERSEDIAAN TUNA Perencanaan pengadaan persediaan tuna tahun 2010 didasarkan kepada proyeksi permintaan hasil ramalan metode peramalan time series terbaik yaitu dekomposisi aditif.
Lebih terperinciBAB III PROSES PENGUMPULAN DATA. III. 1. Sejarah Singkat Perkembangan Perusahaan. PI adalah perusahaan yang berbadan hukum CV (Commanditaire
BAB III PROSES PENGUMPULAN DATA III. 1. Sejarah Singkat Perkembangan Perusahaan PI adalah perusahaan yang berbadan hukum CV (Commanditaire Vennotschap/ Perseroan Komanditer). Perusahaan ini didirikan oleh
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN 4.1 TEKNOLOGI PROSES PRODUKSI Proses produksi PT Amanah Prima Indonesia dimulai dari adanya permintaan dari konsumen melalui Departemen Pemasaran yang dicatat sebagai pesanan dan
Lebih terperinciBAB 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 terperinciLampiran 1. Hasil Wawancara dengan Pemilik 1. Bagaimana sejarah berdirinya CV Depo Steel? Perusahaan ini berdiri karena adanya ide dari pemilik,
Lampiran 1. Hasil Wawancara dengan Pemilik 1. Bagaimana sejarah berdirinya CV Depo Steel? Perusahaan ini berdiri karena adanya ide dari pemilik, yaitu Bapak Alfred Prasadja yang sebelumnya memiliki pengalaman
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 3 ANALISIS SISTEM INFORMASI AKUNTANSI SIKLUS PENDAPATAN PT. TIRTAKENCAN A TATAWARN A YANG BERJALAN
BAB 3 ANALISIS SISTEM INFORMASI AKUNTANSI SIKLUS PENDAPATAN PT. TIRTAKENCAN A TATAWARN A YANG BERJALAN 3.1. Profil Perusahaan PT. Tirtakencana Tatawarna adalah perusahaan yang bergerak dalam distribusi
Lebih terperinciBAB I PENDAHULUAN. Pada saat ini kebutuhan akan sebuah komputerisasi. sangatlah penting bagi tiap - tiap perusahaan agar mereka dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada saat ini kebutuhan akan sebuah komputerisasi sangatlah penting bagi tiap - tiap perusahaan agar mereka dapat bersaing dalam era globalisasi sekarang ini.
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Produk Yang Dihasilkan PT. Harapan Widyatama Pertiwi adalah perusahaan yang memproduksi pipa berdasarkan pesanan (make to order), tetapi ada pula beberapa produk yang diproduksi
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data
Lebih terperinciBAB 3. perusahaan manufaktur sekaligus eksportir yang bergerak di bidang furniture. rotan, enceng gondok, pelepah pisang dan sebagainya.
BAB 3 Analisis Sistem Pembelian Bahan Baku yang Sedang Berjalan 3.1 Gambaran Umum Perusahaan 3.1.1 Sejarah Singkat Perusahaan PT. Siaga Ratindotama, yang didirikan pada tanggal 12 Maret 1992 di Jakarta
Lebih terperinciData Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman
Lampiran 1. Data Tingkat Hunian Hotel di Propinsi DIY Tahun 1991-2003 48 49 Lampiran 1 Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun 1991-2003, Tahun Bulan Wisman 1991 1 27,00 1991 2 30,60
Lebih terperinciKata Kunci : Peramalan (Forecasting), Perencanaan Persediaan Metode P dan Q. Sistemik Nomor. 4 Volume. 2, Desember
USULAN PERENCANAAN PERSEDIAAN BAHAN BAKU TINTA JENIS BW NEWS PERFECTOR BLACK-G YANG OPTIMAL UNTUK MEMINIMUMKAN BIAYA PERSEDIAAN DENGAN MENGGUNAKAN METODE INVENTORI PROBABILISTIK STUDI KASUS DI PT REMAJA
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Profil Perusahaan 4.1.1 Profil PT. Sinar Perdana Ultra PT. Sinar Perdana Ultra (SPU) yang berdiri pada tahun 1990 pada mulanya adalah Home Industry dan mulai menjadi Perseroan
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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 VARIABEL PENELITIAN DAN DEFINISI OPERASIONAL VARIABEL Variabel Penelitian di sini merupakan suatu atribut atau nilai atau sifat dari orang, obyek atau kegiatan yang mempunyai
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 terperinciRANCANG BANGUN SISTEM INFORMASI MANAJEMEN STOCK PT. XYZ
RANCANG BANGUN SISTEM INFORMASI MANAJEMEN STOCK PT. XYZ Yaser Arafat 1) dan Erma Suriani 2) 1) Program Studi Magister Manajemen Teknologi, Institut Teknologi Sepuluh Nopember, Jl. Cokroaminoto 12A, Surabaya,
Lebih terperinciBAB I PENDAHULUAN. Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu
BAB I PENDAHULUAN A. LATAR BELAKANG Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu variabel berdasarkan nilai yang diketahui dari variabel tersebut pada masa lalu atau variabel yang berhubungan.
Lebih terperinciLampiran 1 FLOWCHART PROSEDUR PENJUALAN
Lampiran 1 FLOWCHART PROSEDUR PENJUALAN Lampiran 2 FLOWCHART USULAN PERBAIKAN SOP SIKLUS PENJUALAN Lampiran 3 CV. BINTANG JAYA Jalan Brigjen Katamso 141, Desa Janti Waru-Sidoarjo STANDARD
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 V ANALISIS DAN INTERPRETASI HASIL
BAB V ANALISIS DAN INTERPRETASI HASIL Pada bab ini membahas tentang analisis dan interpretasi hasil perancangan dalam penelitian yang telah dilakukan pada bab sebelumnya. Tujuan bab ini adalah memberikan
Lebih terperinciSALES FORECASTING UNTUK PENGENDALIAN PERSEDIAAN
BAB IV SALES FORECASTING UNTUK PENGENDALIAN PERSEDIAAN A. Identifikasi Peramalan Penjualan oleh UD. Jaya Abadi Dari hasil wawancara yang menyebutkan bahwa setiap pengambilan keputusan untuk estimasi penjualan
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Indonesia saat ini sudah menghadapi pasar bebas. Hal ini membuat persaingan antara produk produk yang ada di Indonesia semakin ketat terutama produk yang sejenis. Dengan semakin ketatnya persaingan
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Data Perusahaan PT.YPP adalah salah satu perusahaan nasional yang bergerak di bidang obatobatan (Jamu). Terletak di jalan Pulo Buaran Raya Blok X no.6 Kawasan
Lebih terperinciBAB 5 KESIMPULAN DAN SARAN
BAB 5 KESIMPULAN DAN SARAN 5.1. Kesimpulan Berdasarkan pembahasan hasil penelitian yang telah tersaji, maka diperoleh pokok-pokok kesimpulan sebagai berikut : 1. Dalam membuat anggaran kas yang diharapkan
Lebih terperinciPeramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model Ni Kadek Sukerti STMIK STIKOM Bali Jl. Raya Puputan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dibahas tentang identifikasi permasalahan, analisis permasalahan, solusi permasalahan dan perancangan sistem dalam Rancang Bangun Aplikasi Barang
Lebih terperinciBAB 2 LANDASAN TEORI
20 BAB 2 LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang.
Lebih terperinciBAB 3 ANALISIS SISTEM YANG BERJALAN. mekanikal, peralatan elektrikal, peralatan keselamatan kerja.
35 BAB 3 ANALISIS SISTEM YANG BERJALAN 3.1 Perumusan Objek Penelitian 3.1.1 Latar Belakang Perusahaan PT. Delta Suplindo Internusa adalah sebuah perusahaan distributor yang bergerak di bidang perdagangan
Lebih terperinciBAB 3 GAMBARAN UMUM DAN ANALISIS SISTEM YANG SEDANG BERJALAN. PT Syn Toba Grafika merupakan perusahaan manufaktur yang
85 BAB 3 GAMBARAN UMUM DAN ANALISIS SISTEM YANG SEDANG BERJALAN 3.1. Gambaran Umum 3.1.1. Sejarah Singkat Perusahaan PT Syn Toba Grafika merupakan perusahaan manufaktur yang memproduksi lembaran karton
Lebih terperinciUjian Akhir Semester:
Ujian Akhir Semester: KASUS: PT. CIPTA KREASINDO adalah sebuah perusahaan yang bergerak di bidang produksi tas tangan. Berikut ini adalah penjelasan tentang sistem informasi penjualannya. Pada PT. CIPTA
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 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 terperinciLampiran 1. Hasil Kuesioner
Lampiran 1. Hasil Kuesioner No Pertanyaan Ada Tidak Ada 1. Lingkungan Pengendalian Apakah perusahaan memiliki prosedur atau kebijakan secara tertulis mengenai a. Prosedur Pengiriman? 33.30% 66.60% b. Pencatatan
Lebih terperinciVII NILAI TAMBAH RANTAI PASOK BERAS ORGANIK
VII NILAI TAMBAH RANTAI PASOK BERAS ORGANIK Terdapat dua konsep nilai tambah yang digunakan dalam menganalisis beberapa kasus, yaitu nilai tambah produk akibat pengolahan dan nilai tambah perolehan pelaku
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 terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Penelitian ini ditujukan untuk memperoleh gambaran mengenai strategi penerapan pengendalian persediaan dalam meningkatkan efisiensi biaya persediaan Abstract Photography yang berlokasi di Jalan
Lebih terperinciPERENCANAAN PERSEDIAAN BAHAN BAKU BLUE DYES GRADE 1XX DENGAN METODE SILVER MEAL PADA PT INDAH KIAT PULP AND PAPER TANGERANG
PERENCANAAN PERSEDIAAN BAHAN BAKU BLUE DYES GRADE 1XX DENGAN METODE SILVER MEAL PADA PT INDAH KIAT PULP AND PAPER TANGERANG Nama : Sri Wahyuni NPM : 38412337 Jurusan : Teknik Industri Pembimbing I : Dr.
Lebih terperinciBAB II LANDASAN TEORI. dan bekerja sama untuk memproses masukan atau input yang ditunjukkan kepada
BAB II LANDASAN TEORI 2.1 Konsep Dasar Sistem Informasi Menurut Kristanto (2003:2), sistem adalah kumpulan elemen elemen dan bekerja sama untuk memproses masukan atau input yang ditunjukkan kepada sistem
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Penelitian Pada dasarnya setiap perusahaan memiliki tujuan yang sama yaitu mendapatkan keuntungan untuk kelancaraan kontinuitas usahanya dan mampu bersaing
Lebih terperinciMANAJEMEN KEUANGAN. Kemampuan Dalam Mengelola Persediaan Perusahaan. Dosen Pengampu : Mochammad Rosul, Ph.D., M.Ec.Dev., SE. Ekonomi dan Bisnis
MANAJEMEN KEUANGAN Modul ke: 12 Kemampuan Dalam Mengelola Persediaan Perusahaan Fakultas Ekonomi dan Bisnis Program Studi Manajemen Keuangan www.mercubuana.ac.id Dosen Pengampu : Mochammad Rosul, Ph.D.,
Lebih terperinciSistem Penerimaan PT. Kimia Sukses Selalu dimulai dari datangnya Purchase Order (PO)
Keterangan Flowchart : Sistem Penerimaan PT. Kimia Sukses Selalu dimulai dari datangnya Purchase Order (PO) dari pelanggan ke perusahaan yang diterima oleh Customer Sales Representative (CSR) perusahaan
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
19 3.1 Diagram Alir Penelitian BAB 3 METODOLOGI PENELITIAN MULAI Pengajuan Surat Survei PT. Bangkit Sukses Mandiri (BSM) Diterima? Tidak Ya Observasi Perusahaan Wawancara dengan Direktur PT. BSM Pengamatan
Lebih terperinciHasil Wawancara dengan CV. AGH. Tanggal Wawancara : 22 Oktober 2013
Hasil Wawancara dengan CV. AGH A: Penulis B: Direktur Tanggal Wawancara : 22 Oktober 2013 A: Pada tahun berapa perusahaan ini mulai berdiri? B: Pada tahun 2000 A: Bagaimana awal pendirian perusahaan? B:
Lebih terperinciBAB 3. Analisa Kebutuhan Basisdata
68 BAB 3 Analisa Kebutuhan Basisdata 3.1 Riwayat Perusahaan 3.1.1 Sejarah Perusahaan CV. Mitratama Uniplast merupakan perusahaan yang bergerak dalam bidang mendaur ulang biji plastik, lalu menjualnya.
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN Metodologi penelitian dibuat untuk mengetahui urutan langkah-langkah penelitian yang akan dilakukan untuk pemecahan masalah yang berkaitan dengan penjadwalan asesoris pada PT.
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan zaman, dunia usaha mengalami persaingan yang semakin ketat disertai dengan perkembangan ilmu pengetahuan dan teknologi yang tumbuh dengan
Lebih terperinciPENENTUAN METODE PERAMALAN SEBAGAI DASAR PENENTUAN TINGKAT KEBUTUHAN PERSEDIAAN PENGAMAN PADA PRODUK KARET REMAH SIR 20
PENENTUAN METODE PERAMALAN SEBAGAI DASAR PENENTUAN TINGKAT KEBUTUHAN PERSEDIAAN PENGAMAN PADA PRODUK KARET REMAH SIR 20 Theresia Oshin Rosmaria Pasaribu 1 Rossi Septy Wahyuni 2 Jurusan Teknik Industri,
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN 4.1. Identifikasi Proses Bisnis Yang Sedang Berjalan Sebelum menentukan proses bisnis yang baru, proses yang sedang berjalan harus dianalisa terlebih dahulu berikut masalah
Lebih terperinciBAB I PENDAHULUAN. kepercayaan pelanggan terhadap perusahaan. perusahaan percetakan yang mampu memenuhi permintaan pelanggan dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan produksi merupakan salah satu tahap penting sebelum memulai suatu kegiatan produksi. Penjadwalan produksi ini sangat penting dilakukan pada proses produksi
Lebih terperinciBAB I PENDAHULUAN I.1
BAB I PENDAHULUAN I.1 Latar Belakang Industri percetakan adalah salah satu industri yang selalu berhubungan dengan gambar dan tulisan untuk dijadikan sebuah hardcopy. Semakin berkembangnya zaman, industri
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 terperinciPERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL MERPATI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 251 258. PERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL
Lebih terperinciBAB 3 PERANCANGAN PROGRAM. 3.1 Alasan digunakan Metode Exponential Smoothing. Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat
BAB 3 PERANCANGAN PROGRAM 3.1 Alasan digunakan Metode Exponential Smoothing Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat penjualan untuk beberapa periode ke depan. Biasanya untuk
Lebih terperinciBAB I PENDAHULUAN. bisnis. Sumber daya yang dimaksud meliputi perencanaan bahan baku yang
BAB I PENDAHULUAN 1.1 Latar Belakang Dewasa ini, sektor perusahaan industri manufaktur semakin berkembang. Perkembangan dalam industri manufaktur dapat dilihat dengan adanya persaingan bisnis yang ketat.
Lebih terperinciBAB 3. Gambaran Umum Perusahaan. flexo photopolymer. Dengan misi awal yang sangat sederhana, yaitu memproduksi plate
BAB 3 Gambaran Umum Perusahaan 3.1 Sejarah perusahaan PT.FLS adalah perusahaan perseorangan yang bergerak dibidang pembuatan plate flexo photopolymer. Dengan misi awal yang sangat sederhana, yaitu memproduksi
Lebih terperinciBAB III TINJAUAN TEORI DAN PRAKTIK SISTEM PEMBELIAN BAHAN BAKU PADA CV DIJAWA ABADI JEPARA FUNITURE
19 BAB III TINJAUAN TEORI DAN PRAKTIK SISTEM PEMBELIAN BAHAN BAKU PADA CV DIJAWA ABADI JEPARA FUNITURE 3.1 Tinjauan Teori 3.1.1 Pengertian Sistem Dalam menjalankan operasinya perusahaan/badan membutuhkan
Lebih terperinciBAB 3 ANALISIS SISTEM YANG BERJALAN. A XI No. 5 Jakarta PT. Tanavit Organik Murni telah memulai
BAB 3 ANALISIS SISTEM YANG BERJALAN 3.1 Sejarah Organisasi PT. Tanavit Organik Murni merupakan suatu perusahaan yang bergerak di bidang penjualan hasil bumi yang diproduksi secara organik. PT. Tanavit
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. PT. Sebastian Citra Indonesia merupakan salah satu produsen frozen dough
BAB IV HASIL DAN PEMBAHASAN 4.1 Profil Perusahaan 4.1.1 Sejarah Singkat Perusahaan PT. Sebastian Citra Indonesia merupakan salah satu produsen frozen dough yang di supply ke outlet-outlet dengan brand
Lebih terperinciUNIVERSITAS BINA NUSANTARA
UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Industri Sistem Informasi Skripsi Sarjana Program Ganda Semester Ganjil 2005/2006 ANALISA DAN PERANCANGAN SISTEM INFORMASI PERSEDIAAN BAHAN BAKU PADA PT
Lebih terperinciBAB 3 TATA LAKSANA SISTEM YANG BERJALAN
BAB 3 TATA LAKSANA SISTEM YANG BERJALAN 3.1 Riwayat Perusahaan CV. Kurnia Agung adalah perusahaan yang bergerak dalam bidang penjualan alat alat tulis untuk digunakan oleh konsumen akhir. CV. Kurnia Agung
Lebih terperinci