BAB 5 HASIL DAN PEMBAHASAN

Transkripsi

1 BAB 5 HASIL DAN PEMBAHASAN 5.1 Pengumpulan Data Pembuatan Daftar Pemesan Rutin ke Perusahaan Berdasarkan data yang diterima dari perusahaan, terdapat total delapan perusahaan yang secara rutin per bulan memesan di perusahaan. Adapun daftarnya dapat dilihat di bawah ini: Tabel 5.1 Tabel Pemesan rutin Nama Pemesan Inkha Jaya Belian CV Setia Pratama (SP) PT. Remaja Jaya Foam (R) Union Jaya Pratama (UJP) PT. Era Foam (E) U.D. Selamat Sempurna (SS) Ukuran Produk 90x200x4 100x200x4 120x200x4 160x200x4 180x200x4 90x200x2 100x200x2 120x200x2 160x200x2 180x200x2 Jenis Produk Density 16 Density 20 Minggu Memesan Minggu 1 100x100x22 Rebounded Minggu 3 90x200x14 120x200x14 160x200x14 90x200x18 120x200x18 160x200x18 180x200x18 90x200x18 120x200x18 160x200x18 180x200x18 200x5000x1 60x5000x1 90x200x14 120x200x14 Density 16 Minggu 2 Density 20 Minggu 2 Density 16 Minggu 4 Density 22 Minggu 1

2 106 CV.Inkha Mitra Setia (IMS) CV. Handel Abadi (HA) 160x200x14 90x200x18 120x200x18 160x200x18 180x200x18 90x200x4 100x200x4 120x200x4 Density x200x4 180x200x4 90x200x2 Minggu 2 100x200x2 120x200x2 Density x200x2 180x200x2 100x100x22 Rebounded Minggu 4 90x200x18 100x200x18 120x200x18 Density 20 minggu 3 160x200x18 180x200x18 Dari daftar ini kemudian akan dibuatkan penjadwalan produksi untuk barang yang diminta pada periode yang akan datang Menkonversikan pesanan pelanggan ke bentuk kubik busa besar Perusahaan menerapkan standar perhitungan busa untuk density 16, 20 dan 22 kedalam bentuk kubik busa besar sehingga order yang masuk kemudian akan diubah ke bentuk kubik busa besar untuk diketahui berapa kubik besar yang akan diproduksi. Tabel 5.2 Tabel Konversi Pesanan PT. Era Foam Bulan Ukuran Jumlah Rol Pembagi 200x5000x x5000x x5000x x5000x x5000x x5000x Total Kubik Besar 2 2 3

3 x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x x5000x Berdasarkan hasil wawancara dengan manajer produksi, diketahui bahwa 1 kubik busa besar dapat menghasilkan 80 rol ukuran 2x50x1 m dan 240 rol 0,6x50x1 m. Cara perhitungan : Total kubik = Jumlahrol2 + pembagirol2 Jumlahrol0,6 pembagirol0,6 Total kubik bulan 7 = = 0, ,29 = = 2 kubik busa besar Dikarenakan ukuran yang berbeda antara rol 2x50x1 m dengan rol 0,6x50x1 m maka sebelum dijumlahkan, setiap rol dibulatkan ke atas.

4 Density 20 Tabel 5.5 berikut adalah tabel penjualan historis busa density 20 dengan nama pemesannya. Tabel 5.5 Tabel Data Historis Busa Density 20 Tahun Bulan Inkha (1) UJP (2) HA (3) Kobe (1-4) Teiso (1-4) Permintaan Untuk selanjutnya bentuk tabel ini akan diubah ke dalam bentuk minggu, dimana pesanan pada minggu yang sama akan digabungkan, sehingga kita akan mendapatkan jumlah pesanan pada tiap minggu untuk produk ini. Tabel 5.6 Tabel Data Historis Mingguan Busa Density 20 Tahun Bulan Minggu ke Total Density 22 pemesannya. Tabel 5.7 berikut adalah tabel penjualan historis busa density 22 dengan nama

5 110 Tabel 5.7 Tabel Data Historis Busa Density 22 Tahun Bulan SS (1) IMS (2) Untuk selanjutnya bentuk tabel ini akan diubah ke dalam bentuk minggu, dimana pesanan pada minggu yang sama akan digabungkan, sehingga kita akan mendapatkan jumlah pesanan pada tiap minggu untuk produk ini. Tabel 5.8 Tabel Data Historis Mingguan Busa Density 22 Tahun Bulan Minggu ke 1 2 Total Busa Rebounded pemesannya. Tabel 5.9 berikut adalah tabel penjualan historis busa Rebounded dengan nama

6 111 Tabel 5.9 Tabel Data Historis Busa Rebounded Tahun Bulan Total SP (3) HA (4) Untuk selanjutnya bentuk tabel ini akan diubah ke dalam bentuk minggu sehingga kita akan mendapatkan jumlah pesanan pada tiap minggu untuk produk ini. Tabel 5.10 Tabel Data Historis Mingguan Busa Rebounded 5.2 Pengolahan Data Peramalan Permintaan Tahun Bulan Minggu ke 3 4 Total Untuk melakukan peramalan permintaan yang akan datang, dibutuhkan data-data historis penjualan pada bulan-bulan sebelumnya. Penulis menggunakan data penjualan historis bulanan dari bulan Juli 2005 sampai September Data-data penjualan yang digunakan adalah untuk busa density 16, density 20, density 22 serta busa rebounded.

7 Plot Data Penjualan Busa Density 16 Data pada tabel 5.4 diatas, di-plot ke dalam grafik untuk dapat memperkirakan pola data yang dimiliki produk tersebut. Gambar 5.1 dibawah menggambarkan plot data penjualannya. Penjualan 20 Jumlah M1 M2 M Periode Gambar 5.1 Pola Data Penjualan Busa Density 16 Terlihat pada gambar diatas bahwa berdasarkan data historis, pada data minggu ke 1 dan ke 2 memiliki pola data penjualan berupa pola data musiman. Sedangkan pada minggu ke 4 memiliki pola data stasioner. Berdasarkan studi pustaka maka dilakukan uji coba peramalan dengan metode triple exponential smoothing winter dan weight moving average untuk pola data musiman dan metode single moving average dan single eksponensial smoothing untuk pola data stasioner Busa Density 20 Data pada tabel 5.6 diatas, di-plot ke dalam grafik untuk dapat memperkirakan pola data yang dimiliki produk tersebut. Gambar 5.2 dibawah menggambarkan plot data penjualannya.

8 113 Penjualan Jumlah Periode M1 M2 M3 M4 Gambar 5.2 Pola Data Penjualan Busa Density 20 Terlihat pada gambar diatas bahwa berdasarkan data historis, pada data minggu ke 3 memiliki pola data penjualan berupa pola data musiman. Sedangkan pada minggu ke 1, 2 dan ke 4 memiliki pola data stasioner. Berdasarkan studi pustaka maka dilakukan uji coba peramalan dengan metode triple eksponensial smoothing winter dan weight moving average untuk pola data musiman dan metode single moving average dan single eksponensial smoothing untuk pola data stasioner Busa Density 22 Data pada tabel 5.8 diatas, di-plot ke dalam grafik untuk dapat memperkirakan pola data yang dimiliki produk tersebut. Gambar 5.3 dibawah menggambarkan plot data penjualannya. Penjualan 10 8 Jumlah M1 M Periode Gambar 5.3 Pola Data Penjualan Busa Density 22

9 114 Terlihat pada gambar diatas bahwa berdasarkan data historis, pada data minggu ke 1 dan ke 2 memiliki pola data penjualan berupa pola data stasioner. Berdasarkan studi pustaka maka dilakukan uji coba peramalan dengan metode single eksponensial smoothing dan metode single moving average untuk pola data stasioner Busa Rebounded Data pada tabel 5.9 diatas, di-plot ke dalam grafik untuk dapat memperkirakan pola data yang dimiliki produk tersebut. Gambar 5.4 dibawah menggambarkan plot data penjualannya. Penjualan 40 Jumlah Periode m3 m4 Gambar 5.4 Pola Data Penjualan Busa Rebounded Terlihat pada gambar diatas bahwa berdasarkan data historis, pada data minggu ke 3 dan ke 4 memiliki pola data penjualan berupa pola data musiman. Berdasarkan studi pustaka maka dilakukan uji coba peramalan dengan metode triple eksponensial smoothing winter Uji Coba Peramalan Setelah mengetahui jenis pola data bagi masing-masing produk, maka langkah selanjutnya adalah melakukan uji coba metode peramalan berdasarkan data historis tersebut. Tabel dan contoh perhitungan yang akan ditampilkan berikut adalah untuk

10 115 metode peramalan yang setelah diuji memberikan hasil MAE, MSE dan MAPE yang terbaik. Hasil dan tabel peramalan metode lainnya dapat dilihat di lampiran Busa Density 16 Pada produk busa density 16 metode peramalan yang memberikan nilai MAE, MSE dan MAPE yang terendah untuk minggu ke 1 dan ke 2 adalah metode triple exponential smoothing winter. Sedangkan untuk minggu ke 4, metode peramalan yang memberikan nilai MAE, MSE dan MAPE yang terendah adalah metode Single moving average. Tabel 5.11 dan 5.12 menunjukkan hasil dari metode peramalan triple exponential smoothing winter yang dilakukan untuk minggu ke 1 dan ke 2. Tabel 5.13 menunjukkan hasil dari metode Single moving average. Peramalan produk busa density 16 menggunakan metode weighted moving averages dan metode Single Exponential Smoothing dapat dilihat di lampiran. Tabel 5.11 Tabel Peramalan Triple Eksponensial Smoothing winter minggu 1 density 16 T X t S t I t b t m F t

11 116 MAE 0.65 X = 8.5 MSE 0.89 L α β γ MAPE Contoh perhitungan peramalan triple exponential smoothing winter: Panjang Musiman (L) = 6 Rata-rata musiman = ( X 1 +X 2 +X 3 +X 4 +X 5 +X 6 ) / 6 = ( ) / 6 = 8,5 I 1 = 8 / 8,5 = 0,94 I 2 = 8 / 8,5 = 0,94 I 3 = 9 / 8,5 = 1,06 I 4 = 9 / 8,5 = 1,06 I 5 = 11 / 8,5 = 1,29 I 6 = 6 / 8,5 = 0,71 Periode ke - 7: Pemulusan Keseluruhan ( S ) = Permintaan periode 7 (inisialisasi) X t Pemulusan Musiman ( I ) = β + ( 1 β ) I( t L) S 8 = 0,7 + (1 0,7)0, 94 8 = 0,98 Pemulusan Trend ( b ) = t [( XL + 1 X 1) + ( XL + 2 X 2) + ( XL + 3 X 3) + ( XL + 4 X 4) + ( XL + 5 X 5) + ( XL + 6 X 6) ] 3* L

12 117 = [( 8 8) + ( 9 8) + (9 9) + ( 11 9) + ( 10 11) + ( 6 6) ] 3* 6 = 0,11 Periode ke - 8: X 8 Pemulusan Keseluruhan ( S ) = α + ( 1 α)( S (8 1) + b(8 1) ) I = 0,1 + (1 0,1)(8 + 0,11) 0,94 = 8,13 X 8 Pemulusan Musiman ( I ) = β + ( 1 β ) I (8 6) S 9 = 0,7 + (1 0,7)0, 94 8,16 = 1,05 Pemulusan Trend ( b ) = γ ( S8 S (8 1) ) + (1 γ ) b(8 1) = 0,1(8,16 8) + (1 0,1)0, 11 = 0,11 Peramalan (F 9 ) = ( S t + bt * m) I( t L+ m) = ( 8,16 + 0,02 *1)0, 11 = 8,72 8

13 118 Tabel 5.12 Tabel Peramalan Triple Exponential Smoothing winter minggu 2 density 16 T X t S t I t b t m F t MAE 0.83 X = MSE 1.36 L α β γ MAPE Contoh perhitungan untuk metode peramalan ini tidak dicantumkan sebab cara perhitungan untuk metode peramalan ini sama dengan contoh perhitungan peramalan metode triple exponential smoothing winter sebelumnya. Tabel 5.13 Tabel Peramalan Single Moving Average 6 bulanan minggu 4 density 16 t X t F t , , , , , , , , , , , ,83 MAE 0,37 MSE 0,16 MAPE 14,51

14 119 Contoh Perhitungan: F t+1 = X 1+ X 2 + X 3 + X 4 + X 5 + X 6 6 F 7 = ( ) / 6 = 2, Busa Density 20 Pada produk busa density 20 metode peramalan yang memberikan nilai MAE, MSE dan MAPE yang terendah untuk minggu ke 1, 2 dan ke 4 adalah metode single moving average. Sedangkan untuk minggu ke 3, metode peramalan yang memberikan nilai MAE, MSE dan MAPE yang terendah adalah metode triple exponential smoothing winter. Tabel 5.14, 5.15 dan 5.17 menunjukkan hasil dari metode peramalan single moving average yang dilakukan untuk minggu ke 1, 2 dan 4. Tabel 5.16 menunjukkan hasil dari metode triple exponential smoothing winter untuk minggu ke 3. Peramalan produk busa density 20 menggunakan metode weighted moving averages dan metode single Exponential smoothing dapat dilihat di lampiran. Tabel 5.14 Tabel Peramalan Single Moving Average 6 bulanan minggu 1 density 20 t X t F t , , , , , , , , , , , ,17 MAE 0,43 MSE 0,36 MAPE 8,49

15 120 Tabel 5.15 Tabel Peramalan Single Moving Average 6 bulanan minggu 2 density 20 t X t F t , , , , , , , , , , , ,83 MAE 0,76 MSE 0,97 MAPE 10,32 Tabel 5.16 Tabel Peramalan Triple Exponential Smoothing winter minggu 3 density 20 T X t S t I t b t m F t MAE 0.82 X = MSE 1.69 L α β γ MAPE

16 121 Tabel 5.17 Tabel Peramalan Single Moving Average 6 bulanan minggu 4 density 20 t X t F t , , , , , , , , , , , ,83 MAE 0,26 MSE 0,11 MAPE 16,67 Untuk tabel tidak disertakan contoh perhitungan, karena perhitungan untuk metode ini sama dengan metode yang digunakan untuk subbab busa density Busa Density 22 Pada produk busa density 22 metode peramalan yang memberikan nilai MAE, MSE dan MAPE yang terendah untuk minggu ke 1 dan ke 2 adalah metode single eksponensial smoothing. Tabel 5.18 dan 5.19 menunjukkan hasil dari metode peramalan single eksponensial smoothing yang dilakukan untuk minggu ke 1 dan ke 2. Peramalan produk busa density 22 untuk minggu ke 1 dan ke 2 menggunakan metode single moving dapat dilihat di lampiran..

17 122 Tabel 5.18 Tabel Peramalan Single Ekponensial Smoothing α=0,9 minggu 1 density 22 t X t F t 1 8 8, , , , , , , , , , , , , , , , , ,99 MAE 0,65 MSE 0,91 MAPE 4,09 Contoh Perhitungan: Periode 1 : Ft = 8 (inisialisasi) Periode 2 : Ft = 8 + 0,9 * ( 8-8 ) = 8 Tabel 5.19 Tabel Peramalan Single Ekponensial Smoothing α=0,9 minggu 2 density 22 t X t F t 1 1 1, , , , , , , , , , , , , , , , , ,00 MAE 0,46 MSE 0,42 MAPE 20,16 Untuk tabel 5.19 tidak disertakan contoh perhitungan, karena perhitungan untuk metode ini sama dengan tabel 5.18

18 Busa Rebounded Pada produk busa rebounded metode peramalan yang memberikan nilai MAE, MSE dan MAPE yang terendah untuk minggu ke 3 dan ke 4 adalah metode triple exponential smoothing winter. Tabel 5.20 dan 5.21 menunjukkan hasil dari metode peramalan triple exponential smoothing winter yang dilakukan untuk minggu ke 3 dan ke 4. Peramalan produk busa density 22 menggunakan metode weighted moving averages dapat dilihat di lampiran. Tabel 5.20 Tabel Peramalan Triple Exponential Smoothing winter minggu 3 rebounded T X t S t I t b t m F t MAE 3.92 X = MSE L α β γ MAPE

19 124 Tabel 5.21 Tabel Peramalan Triple Exponential Smoothing winter minggu 4 rebounded T X t S t I t b t m F t MAE 3.31 X = MSE L α β γ MAPE Untuk tabel tidak disertakan contoh perhitungan, karena perhitungan untuk metode ini sama dengan metode yang digunakan untuk subbab busa density Pemilihan Metode Peramalan Untuk membandingkan metode triple exponential smoothing winter dan metode weighted moving averages untuk pola data musiman serta metode Single moving average dan metode Single Exponential Smoothing untuk pola data stasioner maka digunakan nilai MAE (Mean Absolute Error), MSE (Mean Square Error) dan MAPE (Mean Absolute Percentage Error) sebagai tolak ukur pembanding, dimana metode yang memiliki nilai MAE, MSE dan MAPE yang terkecil adalah yang terbaik.

20 Busa Density 16 Setelah melakukan uji coba peramalan dengan metode-metode peramalan diatas dengan data historis mingguan penjualan busa density 16, maka didapatkanlah nilai MAE, MSE, MAPE untuk masing-masing metode peramalan seperti yang tercantum pada tabel 5.22 dibawah. Tabel 5.22 Hasil MAE, MSE dan MAPE Peramalan Density 16 Minggu ke 1 Minggu ke 2 Minggu ke 4 Winter WMA Terendah Winter WMA Terendah SMA SES Terendah MAE ,41 MSE Winter Winter ,37 SMA MAPE ,30 Dapat dilihat pada tabel 5.22 diatas bahwa ternyata metode peramalan triple exponential smoothing winter memberikan nilai MAE, MSE dan MAPE yang terendah pada data historis penjualan minggu ke 1 dan ke 2. Oleh sebab itu untuk meramalkan permintaan produk busa density 16 minggu ke 1 dan ke 2 yang akan datang digunakan metode triple exponential smoothing winter. Hal ini juga didukung landasan teori yang menyatakan bahwa metode triple exponential smoothing winter cocok untuk digunakan pada pola data yang berbentuk musiman. Sedangkan untuk minggu ke 4 didapatkan metode single moving average yang memberikan nilai MAE, MSE dan MAPE yang terendah. Oleh sebab itu untuk meramalkan permintaan produk busa density 16 minggu ke 4 yang akan datang digunakan metode single moving average Busa Density 20 Setelah melakukan uji coba peramalan dengan metode-metode peramalan diatas dengan data historis mingguan penjualan busa density 20, maka didapatkanlah nilai

21 126 MAE, MSE, MAPE untuk masing-masing metode peramalan seperti yang tercantum pada tabel 5.23 dibawah. Tabel 5.23 Hasil MAE, MSE dan MAPE Peramalan Density 20 Minggu ke 1 Minggu ke 2 SMA SES Terendah SMA SES Terendah MAE , ,94 MSE ,84 SMA ,84 SMA MAPE , ,58 Minggu ke 3 Minggu ke 4 Winter WMA Terendah SMA SES Terendah MAE ,33 MSE Winter ,26 SMA MAPE ,23 Dapat dilihat pada tabel 5.23 diatas bahwa ternyata metode peramalan single moving average memberikan nilai MAE, MSE dan MAPE yang terendah pada data historis penjualan minggu ke 1, 2 dan ke 4. Sedangkan untuk minggu ke 3 didapatkan metode triple exponential smoothing winter memberikan nilai MAE, MSE dan MAPE yang terendah. Oleh sebab itu untuk peramalan minggu ke 1, 2 dan 4 menggunakan metode single moving average dan untuk minggu ke 3 menggunakan metode triple exponential smoothing winter Busa Density 22 Setelah melakukan uji coba peramalan dengan metode-metode peramalan diatas dengan data historis mingguan penjualan busa density 22, maka didapatkanlah nilai MAE, MSE, MAPE untuk masing-masing metode peramalan seperti yang tercantum pada tabel 5.24 berikut.

22 127 Tabel 5.24 Hasil MAE, MSE dan MAPE Peramalan Density 22 Minggu ke 1 Minggu ke 2 SMA SES Terendah SMA SES Terendah MAE 0,72 0,65 SES 0,44 0,46 SMA MSE 0,73 0,91 SMA 0,21 0,42 SMA MAPE 8,98 4,09 SES 37,96 20,16 SES Dapat dilihat pada tabel 5.24 diatas bahwa ternyata metode peramalan single ekspnensial smoothing memberikan nilai MAE dan MAPE yang terendah pada data historis penjualan minggu ke 1 dan untuk nilai MSE didapatkan metode single moving average memberikan nilai terendah. Untuk minggu ke 2 nilai MAE dan MSE terendah dihasilkan oleh metode Single moving average dan untuk nilai MAPE terkecil dimiliki oleh metode Single Exponential Smoothing, sehingga untuk peramalan minggu ke 1 dan ke 2 menggunakan metode Single Exponential Smoothing karena prioritas pemilihan ada di nilai MAPE Busa Rebounded Setelah melakukan uji coba peramalan dengan metode-metode peramalan diatas dengan data historis mingguan penjualan busa rebounded, maka didapatkanlah nilai MAE, MSE, MAPE untuk masing-masing metode peramalan seperti yang tercantum pada tabel 5.25 dibawah. Tabel 5.25 Hasil MAE, MSE dan MAPE Peramalan Rebounded Minggu ke 3 Minggu ke 4 Winter WMA Terendah Winter WMA Terendah MAE MSE Winter Winter MAPE

23 128 Dapat dilihat pada tabel 5.25 diatas bahwa ternyata metode peramalan triple exponential smoothing winter memberikan nilai MAE, MSE dan MAPE yang terendah pada data historis penjualan minggu ke 3 dan ke 4. Oleh sebab itu untuk meramalkan permintaan produk busa rebounded minggu ke 3 dan ke 4 yang akan datang digunakan metode triple exponential smoothing winter. Hal ini juga didukung landasan teori yang menyatakan bahwa metode triple exponential smoothing winter cocok untuk digunakan pada pola data yang berbentuk musiman Perencanaan Kapasitas Dalam melakukan perencanaan kapasitas, diperlukan data-data seperti waktu baku yang dibutuhkan untuk membuat produk, jam kerja regular, jam kerja lembur, hari kerja dalam sebulan, jumlah lini produksi. Waktu baku dibutuhkan sebab perlu diketahui waktu yang dibutuhkan untuk menghasilkan produk sehingga dapat dihitung kapasitas produksi produk dari perusahaan untuk bulan tersebut. Setelah menghitung waktu baku bagi produk busa yang memiliki density yang berbeda-beda dan busa rebounded maka berikutnya adalah menghitung kapasitas produksi perusahaan untuk produk tersebut di bulan itu. Dikarenakan busa density 16, 20, dan 22 memiliki waktu siklus yang sama dan bentuk standar yang sama dalam diproduksi pada awalnya yaitu kubik busa besar maka selanjutnya pembahasan tentang waktu siklus produk busa density akan dibagi menjadi busa sheet dan busa rol.

24 Pengujian Data Waktu Siklus yang Dikumpulkan Tidak semua operasi yang tercantum dalam operation process chart (OPC) perlu diambil contoh waktu siklusnya. Operasi yang tidak memiliki variabilitas waktu yang berbeda atau waktunya sudah mempunyai standar tidak perlu diambil contoh waktu siklusnya, seperti: mencampur bahan telah memiliki waktu standarnya yaitu waktu mesin bekerja dan waktunya itu sudah pasti. Operasi-operasi yang perlu diambil waktu bakunya yaitu operasi-operasi yang memiliki variabilitas waktu berbeda atau waktunya belum mempunyai standar. Umumnya operasi-operasi tersebut adalah operasi dimana kegiatan manual masih sangat dominan, dan operasi-operasi tersebut masing-masing dikelompokkan ke dalam workstation-workstation selain workstation mesin. Operasi-operasi seperti itu akan ditunjukkan pada precedence diagram masing-masing produk yang dibuat berdasarkan OPC dari produk tersebut. Terhadap data-data contoh waktu siklus workstation yang masih dikerjakan manual tersebut perlu dilakukan uji keseragaman data untuk mengetahui apakah datadata yang diambil seragam. Yang diperhatikan dalam pengujian keseragaman adalah data yang berada didalam batas-batas kontrol, karenanya semua data dimasukkan dalam perhitungan-perhitungan selanjutnya. Jika ada yang terletak diluar batas kontrol harus dibuang karena berada dari sistem sebab yang berbeda. Dengan demikian untuk perhitungan-perhitungan selanjutnya seperti untuk mencari banyaknya pengukuran yang harus dilakukan semua data dari subgrup yang keluar tidak turut diperhitungkan. Selain itu perlu juga dilakukan uji kecukupan data untuk mengetahui apakah data yang diambil sebagai sampel sudah cukup untuk mewakili populasi waktu siklus tersebut. Untuk pengujian ini diperlukan tingkat keyakinan dan tingkat ketelitian, setelah

25 Data Penjualan Historis Density 16 Tabel 5.3 berikut adalah tabel penjualan historis busa density 16 dengan nama pemesannya. Tabel 5.3 Tabel Data Historis Busa Density 16 Tahun Bulan Pesanan Inka (1) Rudi (2) Era (4) IMS (2) Total Angka yang terdapat di belakang nama dari tiap pemesan menandakan periode minggu ke n dimana perusahaan itu biasa memesan ke Prokat. Untuk selanjutnya bentuk tabel ini akan diubah ke dalam bentuk minggu, dimana pesanan pada minggu yang sama akan digabungkan, sehingga kita akan mendapatkan jumlah pesanan pada tiap minggu untuk produk ini. Tabel 5.4 Tabel Data Historis Mingguan Busa Density 16 Tahun Bulan Minggu ke Total

26 130 melakukan brainstorming dengan pihak perusahaan digunakan tingkat ketelitian (s) 5 % dan tingkat keyakinan (k) 95 %, yang berarti pengukur membolehkan rata-rata hasil pengukurannya menyimpang sejauh 5% dari rata-rata sebenarnya; dan kemungkinan berhasil mendapatkan hal ini adalah 95% Produk Busa Sheet ( Density 16, 20 dan 22) Gambar dibawah menunjukkan precedence diagram produk busa sheet yang dibuat mengikuti OPC produk busa sheet. Gambar 5.5 Precedence Diagram Busa Sheet Seperti terlihat pada gambar diatas, lini produksi busa sheet memiliki 4 workstation (WS). Pada workstation 1 terdapat pekerjaan permesinan dan pekerjaan yang dilakukan secara manual oleh operator. Untuk pekerjaan manual yang dilakukan oleh operator perlu diambil waktu siklusnya. Ada 3 workstation yang perlu diambil contoh waktu siklusnya yaitu workstation 1, 3 dan 4. Tabel berikut ini adalah data-data waktu siklus workstation satu / WS-1 yang diambil penulis selama melakukan pengumpulan data di perusahaan dan uji-uji yang telah dilakukan.

27 131 Tabel 5.26 Uji Keseragaman Data WS-1 WS-1 Data Waktu Siklus (dtk) X X t X 2 ( X t X ) Total X δ δ x 3 δx BKA BKB X t

28 132 Langkah langkah perhitungan : 1. Rata rata subgrup : Xi Rumus : X k = n Dimana : n = ukuran subgrup, yaitu banyaknya data dalam satu subgrup k = jumlah subgrup yang terbentuk X i = data pengamatan X1+ X2+ X3+ X4+ X5+ X6+ X7+ X8+ X9+ X10 X1= 10 96, ,23+ 95, , ,36+ 92,88+ 96, , ,74+ 98,65 X1= = 98, X11+ X12+ X13+ X14+ X15+ X16+ X17+ X18+ X19+ X20 X2= 10 96, ,96+ 98,7 + 99, , ,85+ 95,3 + 97,46+ 98,52+ 96,89 X2= = 99, X21+ X22+ X23+ X24+ X25+ X26+ X27+ X28+ X29+ X30 X3= , ,52+ 98,21+ 95, ,6 + 98,91+ 98, ,11+ 97, ,41 X3= = 100, Rata rata keseluruhan : Rumus : X = X k k X Xk ,794 = = X X X = = 99,26 k Simpangan baku : ( X i X) Rumus : δ = N 1 2 Dimana : N = jumlah pengamatan

29 133 δ = 247, = 2,92 4. Simpangan baku dari distribusi rata rata subgrup : Rumus : δ x = δ n δ x = 5. Batas batas kendali : 2,92 = 0,92 3 Rumus : BKA = X +3 δ x BKA = ( 0,92) = 102,02 BKB = X - 3 δ x BKB = (0,92) = 96,5 Kemudian data rata-rata tiap subgrup, batas kontrol bawah (BKB ) dan batas kontrol atas (BKA) yang didapat dari perhitungan di-plot ke grafik yang terlihat pada gambar berikut. Grafik BKA dan BKB WS-1 Detik subgroup Waktu BKA BKB Gambar 5.6 Grafik BKA & BKB WS-1

30 134 Dengan melihat grafik diatas, maka akan terlihat apabila ada data-data dari subgrup yang keluar batas yang berarti tidak seragam. Karena semua data-data berada dalam batas, maka data-data tersebut dapat dikatakan seragam. Setelah melakukan uji keseragaman data maka langkah berikutnya adalah uji kecukupan data untuk mengetahui apakah data yang dikunpulkan sudah mencukupi atau tidak. Uji kecukupan data ditunjukkan pada perhitungan berikut. Untuk nilai Z didapat dengan cara melihat tabel kurva normal, yaitu: Besar tingkat keyakinan adalah 0,95 kemudian dibagi dua (karena dua arah), hasilnya adalah 0,475. Nilai tersebut dapat dilihat pada tabel kurva normal di lampiran, untuk mendapatkan nilai Z nya yaitu sebesar Menghitung N N' = Z s N 2 Xi Xi 2 ( Xi ) 2 N = 1,96 0, ,2856,94 - ( 2977,94 ) 2 2 = 1,28 Simpulan: Karena jumlah pengukuran minimum (N ) = 1,28 < Jumlah pengukuran pendahuluan (N) = 30 maka dapat ditarik kesimpulan bahwa data yang telah diukur sudah cukup mewakili populasi yang ada. Setelah data-data tersebut telah lulus uji maka dapat dihitung waktu siklus ratarata dari pengumpulan data tersebut, Perhitungan waktu rata rata WS-1 untuk pekerjaan manual:

31 135 Rumus : W r = X i N 5762,54 W r = = 99,26 detik atau 1,65 menit 30 Uji keseragaman data dan kecukupan data untuk workstation lain dalam lini produksi busa sheet dapat dilihat pada lampiran. Tabel 5.17 menunjukkan waktu siklus rata-rata dari setiap workstation dalam lini produksi busa sheet. Tabel 5.27 Wr Workstation-Workstation Busa Sheet Workstation Waktu rata-rata Jumlah orang Satuan Produksi 1 99,26 detik / 1,65 menit 1 orang 1 Kubik Busa Besar detik / 18,12 menit 1 orang 1 Kubik Busa Besar detik / 11,45 menit 1 orang 1 Kubik Busa Besar Produk Busa Rol (Density 16, 20, dan 22) Gambar dibawah menunjukkan precedence diagram produk busa Rol yang dibuat mengikuti OPC produk busa Rol. WS 1 WS 2 WS 3 WS 4 WS 5 S O-1 O-2 O-3 O-4 O-5 O-6 O-7 F Gambar 5.7 Precedence Diagram Busa Rol Seperti terlihat pada gambar diatas, lini produksi busa sheet memiliki 5 workstation (WS). Pada workstation 1 terdapat pekerjaan permesinan dan pekerjaan yang dilakukan secara manual oleh operator. Untuk pekerjaan manual yang dilakukan oleh operator perlu diambil waktu siklusnya. Ada 4 workstation yang perlu diambil

32 136 contoh waktu siklusnya yaitu workstation 1, 3, 4 dan 5. Uji keseragaman data dan kecukupan data yang dilakukan pada data-data yang dikumpulkan dari WS-1 dan WS-3 sampai WS-5 dapat dilihat di lampiran. Tabel berikut menunjukkan waktu siklus ratarata dari setiap workstation dalam lini produksi busa rol. Tabel 5.28 Wr Workstation-Workstation Busa Rol Workstation Waktu rata-rata Jumlah orang Satuan Produksi 1 99,26 detik / 1,65 menit 1 orang 1 Kubik Busa Besar ,79 detik / 24,81 menit 1 orang 1 Kubik Busa Besar ,63 detik / 18,54 menit 1 orang 1 Kubik Busa Besar 5 613,38 detik / 10,22 menit 1 orang 1 Kubik Busa Besar Produk Busa Rebounded Gambar dibawah menunjukkan precedence diagram produk busa Rebounded yang dibuat mengikuti OPC produk busa Rebounded. Gambar 5.8 Precedence Diagram Busa Rebounded Seperti terlihat pada gambar diatas, lini produksi busa sheet memiliki 4 workstation (WS). Dan ada 2 workstation yang perlu diambil contoh waktu siklusnya yaitu workstation 3 dan 4. Uji keseragaman data dan kecukupan data yang dilakukan pada data-data yang dikumpulkan pada WS-3 dan WS-4, dapat dilihat di lampiran. Tabel

33 137 berikut menunjukkan waktu siklus rata-rata dari setiap workstation dalam lini produksi busa rol. Tabel 5.29 Wr Workstation-Workstation Busa Rebounded Workstation Waktu rata-rata Jumlah orang Satuan Produksi 3 213,64 detik / 3,56 menit 1 orang 1 Kubik Busa Besar 4 216,37 detik / 3,6 menit 1 orang 1 Kubik Busa Besar Perhitungan Waktu Baku Setelah semua data yang didapat memiliki keseragaman yang dikehendaki, dan jumlahnya telah memenuhi tingkat tingkat ketelitian dan keyakinan yang diinginkan, maka selesailah kegiatan pengukuran waktu. Langkah selanjutnya adalah mengolah data tersebut sehingga menghasilkan waktu baku. Perhitungan waktu baku menggunakan metode westinghouse. Yang perlu diperhatikan dalam perhitungan waktu baku ini adalah besarnya faktor penyesuaian dan faktor kelonggaran. Faktor penyesuaian dihitung untuk masing-masing workstation. Tabel faktor penyesuaian untuk masing-masing workstation dapat dilihat pada lampiran. Selain besarnya faktor penyesuaian, perlu diperhatikan juga besarnya faktor kelonggaran. Tabel faktor kelonggaran dapat dilihat pada lampiran Lini Produksi Busa Sheet Setelah memperhitungkan faktor penyesuaian dan faktor kelonggaran, maka didapatkan waktu baku siklus untuk masing-masing workstation. Waktu baku inilah yang akan digunakan dalam menghitung kapasitas produksi dari perusahaan. Tabel

34 138 berikut menunjukkan rangkuman waktu baku (Wb) untuk workstation-workstation dari lini produksi busa sheet. Tabel 5.30 Wb Workstation-Workstation Busa Sheet Workstation Wr penyesua Wn % k Waktu Wb Jumlah Satuan (detik) ian (detik) (kelonggaran) Baku (menit) Orang Produksi Busa Kubik Besar 1 99,26 1,22 121,1 147,74 2, Busa Kubik Besar 1 (Total) 2499, , ,74 42, Busa Kubik Besar 22% Busa Kubik Besar ,2 1, , ,27 24, Busa Kubik Besar 4 687,03 1,13 776,34 947,13 15, Busa Kubik Besar Contoh langkah-langkah perhitungan waktu baku (Wb) : Untuk workstation-1 manual Xi Waktu rata-rata = Wr = N = 99, 26 detik (dari tabel 5.27) Waktu normal = Wn = Wr x p Waktu baku = Wn = 99,26 x 1,22 = 121,1 detik Wb = x ( 1 + k) = 121,1 x (1+0,22) = 147,74 detik / 2,46 menit Waktu siklus pada workstation 1 bagian mesin dan 2 tidak diberikan kelonggaran dikarenakan merupakan waktu kerja dari mesin dan dianggap sudah standar / tidak memerlukan penyesuaian.

35 Lini Produksi Busa Rol Setelah memperhitungkan faktor penyesuaian dan faktor kelonggaran, maka didapatkan waktu baku siklus untuk masing-masing workstation. Waktu baku inilah yang akan digunakan dalam menghitung kapasitas produksi dari perusahaan. Tabel berikut menunjukkan rangkuman waktu baku (Wb) untuk workstation-workstation dari lini produksi busa rol. Tabel 5.31 Wb Workstation-Workstation Busa Rol Workstation Wr Wn % k Wb Jumlah Satuan penyesuaian Waktu (detik) (detik) (kelonggaran) Baku (menit) Orang Produksi Busa Kubik Besar 1 99,26 1,22 121,1 147,74 2, Busa Kubik Besar 1(Total) 2499, ,1 2547,74 42, Busa Kubik Besar 11 Busa 22% Kubik Besar 1 Busa Kubik ,79 1, , ,63 32,69 1 Besar ,63 1, , ,72 25, Busa Kubik Besar 5 613,38 1,13 693,12 845,61 14, Busa Kubik Besar Lini Produksi Busa Rebounded Setelah memperhitungkan faktor penyesuaian dan faktor kelonggaran, maka didapatkan waktu baku siklus untuk masing-masing workstation. Waktu baku inilah yang akan digunakan dalam menghitung kapasitas produksi dari perusahaan. Tabel berikut menunjukkan rangkuman waktu baku (Wb) untuk workstation-workstation dari lini produksi busa rebounded.

36 140 Tabel 5.32 Wb Workstation-Workstation Busa Rebounded Workstation Wr penyesu Wn % k Waktu Wb aian (kelonggaran Baku (detik) (detik) ) Jumla h (menit ) Orang % 3 213,64 1,11 237,14 289,31 4, ,37 1,11 240,17 293,01 4,88 1 Satuan Produksi 1 Busa Kubik Besar 20 Busa Kubik Besar 1 Busa Kubik Besar 1 Busa Kubik Besar Perhitungan Kapasitas Produksi Seperti yang terlihat dalam precedence diagram yang ditunjukkan diatas pada masing-masing lini produksi, setiap workstation memiliki waktu baku yang bervariasi. Pada workstation 2 pada produk busa sheet maupun rol, waktu pemrosesannya sebesar 480 menit. Berapa pun jumlah kubik besar yang ditaruh di workstation ini baik itu 3 ataupun 8 unit kubik besar waktu pemrosesannya tetap sama yaitu sebesar 480 menit. Hal ini dikarenakan waktu pendinginan standar yang diterapkan perusahaan yaitu 8 jam. Data-data yang dibutuhkan untuk menghitung kapasitas produksi adalah jam kerja efektif perusahaan, jam kerja lembur di perusahaan, waktu siklus dalam menghasilkan unit (dalam satuan kubik besar) dan hari kerja pada bulan yang bersangkutan. Perhitungan kapasitas produksi akan ditunjukkan pada sub-bab berikut. Gambar dibawah menunjukkan kalendar pada bulan Oktober dan November kolom yang berwarna kelabu menunjukkan bahwa hari itu adalah hari libur (hari Minggu atau hari libur).

37 141 Minggu Senin Selasa Rabu Kamis Jumat Sabtu Gambar 5.9 Kalender Bulan Oktober 2006 Minggu Senin Selasa Rabu Kamis Jumat Sabtu Gambar 5.10 Kalender Bulan November Lini Produksi Busa Sheet Tabel berikut menunjukkan mesin-mesin yang digunakan operasi pada lini produksi busa sheet beserta waktu standarnya. Tabel 5.33 Daftar Mesin Lini Produksi Busa Sheet Operasi Workstation Mesin Jumlah mesin waktu operasi O Mixer 1 4 menit O Foaming + Cutting 1 35 menit O Foaming + Cutting 1 5 menit Jumlah Unit 1 kubik besar 1 kubik besar 1 kubik besar Terdapat perbedaan satuan antara workstation 2 dengan workstation lain. Oleh karena itu waktu siklus pada tiap workstation akan dikonversikan ke dalam satuan yang terbesar yaitu 11 unit kubik besar. Tabel berikut menunjukkan waktu baku dari tiap workstation yang ada pada lini produksi busa sheet yang kemudian dikonversikan ke dalam satuan 11 busa kubik besar.

38 142 Tabel 5.34 Waktu Siklus Workstation Busa Sheet Workstation Jumlah waktu Jumlah Konversi waktu orang baku siklus unit / mesin unit (menit) (menit) 1 42,46 1 Kubik Busa Besar 1 11 Kubik 467, Kubik Busa Besar 0 busa ,12 1 Kubik Busa Besar 1 Besar 199, ,45 1 Kubik Busa Besar 1 125,95 Contoh perhitungan untuk mendapatkan waktu siklus workstation-1 : Waktu siklus = (Jumlah unit konversi / Jumlah unit standar ws) * waktu baku = 11 x 42, 46 menit 1 = 467,06 menit. Dari tabel diatas terlihat bahwa waktu siklus pada workstation dua memiliki waktu yang terbesar yaitu 480 menit (8 jam). Waktu ini akan menjadi waktu siklus dalam lini produksi busa sheet. Jadi disimpulkan bahwa dibutuhkan waktu selama 8 jam untuk memproduksi 11 kubik busa besar. Setelah menghitung waktu siklus maka langkah selanjutnya yaitu mencari kapasitas produksi pada minggu pertama hingga ke lima pada bulan Oktober dan minggu ke 1 dan ke 2 bulan November Diketahui bahwa pabrik memiliki hari kerja dalam seminggu dari hari Senin sampai Jumat dengan jam kerja efektif 8 jam. Kerja lembur dapat dilakukan selama tiga jam pada hari kerja biasa (selain sabtu dan minggu). Apabila terdapat libur nasional maka pabrik tidak beroperasi. Tabel berikut menunjukkan kapasitas produksi busa sheet untuk minggu ke 1 hingga minggu ke 5 bulan Oktober dan minggu 1 dan 2 bulan November 2006.

39 143 Tabel 5.35 Kapasitas Produksi Busa Sheet Hari Waktu Kapasitas Bulan Minggu kerja siklus Reguler Lembur Total Oktober menit Okt / 8 / 12 Nov 5 2 / 3 22 / Nov Contoh langkah-langkah perhitungan untuk mendapatkan kapasitas reguler dan kapasitas lembur untuk bulan Oktober 2006 : Hari ker ja * jam ker ja *60 Minggu ke 1: Kapasitas Reguler = x11 waktusiklus 5*8*60 = x = 55 kubik busa Kapasitas Lembur = Jam ker ja * 60 Rounddown( waktusiklus ) * hari ker ja 3*60 = Rounddown ( ) * 5 43 = 20 kubik busa Waktu siklus untuk kapasitas reguler dan lembur tampak sekilas berbeda, tetapi sebenarnya sama. Pada pengerjaan reguler, seluruh busa didinginkan dahulu selama 8 jam sehingga pada keesokan hari baru dapat dipotong. Dalam sehari ternyata mesin foaming memiliki waktu siklus sebesar 43 menit untuk sebuah busa kubik besar. Sehingga dalam sehari pembuatan kubik busa besar mencapai 11 buah.

40 144 Sedangkan pada pengerjaan lembur, 4 kubik busa yang dihasilkan terlebih dahulu pada saat pengerjaan reguler dapat diproses langsung, karena telah melewati waktu 8 jam Lini Produksi Busa Rol Tabel berikut menunjukkan mesin-mesin yang digunakan operasi pada lini produksi busa rol beserta waktu standarnya. Tabel 5.36 Daftar Mesin Lini Produksi Busa Rol Operasi Workstation Mesin Jumlah mesin waktu operasi O Mixer 1 4 menit O Foaming + Cutting 1 35 menit Jumlah Unit 1 kubik besar 1 kubik besar Terdapat perbedaan ukuran antara workstation 2 dengan workstation lain. Oleh karena itu waktu siklus pada tiap workstation akan dikonversikan ke dalam satuan yang terbesar yaitu 11 unit kubik besar. Tabel berikut menunjukkan waktu baku dari tiap workstation yang ada pada lini produksi busa sheet yang kemudian dikonversikan ke dalam satuan 11 busa kubik besar. Tabel 5.37 Waktu Siklus Workstation Busa Rol Workstation waktu baku (menit) 1 42, , , ,09 Jumlah Jumlah orang Konversi unit / mesin unit waktu siklus (menit) 1 Kubik Busa Besar 1 467,06 11 Kubik Busa Besar 0 11 Kubik Kubik Busa busa Besar 1 Besar 359,59 1 Kubik Busa Besar 1 276,21 1 Kubik Busa Besar 1 154,99

41 145 Perhitungan untuk mencari waktu siklusnya sama dengan perhitungan pada waktu siklus busa sheet. Untuk memudahkan perhitungannya, karena pada WS-1 proses yang dialami serupa, maka diasumsikan waktu siklus antara produksi busa rol dan produksi busa sheet adalah sama. Karena setelah diperbandingkan pada WS lain tidak ada waktu yang melebihi WS 2. sehingga waktu siklus untuk busa rol adalah 42,46 menit. Karena mempergunakan lini produksi yang sama dengan lini produksi busa sheet maka kapasitasnya pun merupakan suatu kesatuan dengan kapasitas busa sheet Lini Produksi Busa Rebounded Tabel berikut menunjukkan mesin-mesin yang digunakan operasi pada lini produksi busa rebounded beserta waktu standarnya. Tabel 5.38 Daftar Mesin Lini Produksi Rebounded Operasi Workstation Mesin Jumlah mesin waktu operasi Jumlah Unit O Recycling 1 16 menit 1 kubik O Recycling 1 3 menit 1 kubik O Recycling 1 5 menit 1 kubik Terdapat perbedaan ukuran antara workstation 2 dengan workstation lain. Oleh karena itu waktu siklus pada tiap workstation akan dikonversikan ke dalam satuan yang terbesar yaitu 20 kubik busa. Tabel berikut menunjukkan waktu baku dari tiap workstation yang ada pada lini produksi busa rebounded

42 146 Tabel 5.39 Waktu Siklus Workstation Busa Rebounded Workstation Jumlah waktu Jumlah Konversi waktu orang baku siklus unit / mesin unit (menit) (menit) Kubik Kubik 0 Kubik Kubik 1 Busa Kubik Contoh perhitungan untuk mendapatkan waktu siklus workstation-1 : Waktu siklus = (Jumlah unit konversi / Jumlah unit standar ws) * waktu baku 20 = x 24 menit 1 = 480 menit. Dari tabel diatas terlihat bahwa waktu siklus pada workstation 1 dan 2 memiliki waktu yang terbesar yaitu 480 menit (8 jam). Waktu ini akan menjadi waktu siklus dalam lini produksi busa sheet. Jadi disimpulkan bahwa dibutuhkan waktu selama 8 jam untuk memproduksi 20 kubik busa rebounded. Tabel berikut menunjukkan kapasitas produksi busa sheet untuk minggu ke 1 hingga minggu ke 5 bulan Oktober dan minggu 1 dan 2 bulan November Tabel 5.40 Kapasitas Produksi Busa Rebounded Bulan Minggu Hari Waktu Kapasitas kerja siklus Reguler Lembur Total Oktober menit Okt / Nov 5 2 / 3 40 / / Nov

43 147 Contoh langkah-langkah perhitungan untuk mendapatkan kapasitas dan kapasitas lembur untuk bulan Oktober 2006 : Hari ker ja * jam ker ja * 60 Minggu ke 1: Kapasitas Reguler = x20 waktusiklus 5x8x60 = x20 24 = 100 kubik busa (ukuran 100x100x100) Jam ker ja * 60 Kapasitas Lembur = Rounddown( ) * hari ker waktusiklus ja 3*60 = Rounddown ( ) * 5 24 = 35 kubik busa (ukuran 100x100x100) Dalam sehari mesin recycling memiliki waktu siklus sebesar 24 menit untuk sebuah kubik busa. Sehingga dalam sehari pembuatan kubik busa mencapai 20 buah. Sedangkan pada pengerjaan lembur, kubik busa yang dihasilkan terlebih dahulu pada saat pengerjaan reguler dapat diproses langsung, karena telah melewati waktu 8 jam Master Production Schedule Jadwal produksi awal Jadwal produksi awal per minggu didapatkan dari nilai peramalan yang telah dihitung sebelumnya. Nilai peramalan ini nantinya akan menjadi jadwal produksi awal sebelum dibandingkan dengan order yang masuk. Berikut adalah tabel yang berisikan jadwal produksi awal yang didapatkan dari peramalan tiap minggunya berdasarkan tipe busa dan kapasitas yang tersedia untuk tiap minggunya.

44 148 Tabel 5.41 Jadwal produksi beserta kapasitas untuk busa density (16, 20, 22) Periode Peramalan Master Schedule D16 D20 D22 D16 D20 D22 Total Kapasitas Dapat dilihat pada tabel di atas bahwa jadwal produksi awal total tidak melebihi kapasitas produksi yang tersedia untuk setiap periodenya. Untuk periode ke 4 dimana tidak tersedianya kapasitas untuk memproduksi maka forecast untuk periode ini dapat diabaikan sifatnya karena untuk minggu ke 4 ini merupakan hari libur lebaran dimana setiap pabrik yang ada sudah pasti libur juga. Pesanan untuk minggu ini kemungkinan besar dialihkan oleh perusahaan pemesan ke minggu sebelumnya ataupun sesudahnya. Berikut adalah tabel yang menunjukkan jadwal produksi awal yang didapatkan dari peramalan beserta dengan kapasitas produksi yang tersedia tiap minggunya untuk busa rebounded. Tabel 5.42 Jadwal produksi beserta kapasitas untuk busa rebounded Periode Peramalan Master Schedule Kapasitas Setelah mendapatkan jadwal besarnya produksi yang harus dilakukan tiap minggu maka langkah selanjutnya yaitu menentukan master production schedule (MPS). Pada mps ini nantinya akan menyesuaikan jadwal produksi awal kita dengan order yang

45 149 masuk. Sesuai dengan kebijakan perusahaan maka ditetapkan demand time fences selama satu minggu, sedangkan planning time fences ditetapkan selama lima minggu Busa Density 16 Berdasarkan kebijakan perusahaan ditetapkan bahwa produk busa density 16 memiliki safety stock sebanyak 30 kubik busa. Diketahui status akhir inventori periode sebelumnya adalah sebanyak 30 kubik busa. Tabel 5.43 dibawah menunjukkan data-data actual order untuk busa density 16 sampai pada tanggal 30 Sept Tabel 5.43 Data Actual Order Busa Density 16 Akhir Sept 2006 Minggu Actual Order Tabel berikut ini menunjukkan tabel MPS dari busa density 16 Tabel 5.44 MPS Busa Density 16 Item No : - Lead Time : 0 On Hand : 30 Periode Forecast Actual Order Project Available Balance Available to Promise Master Schedule Kapasitas Produksi Terpasang Description : Busa Density 16 Safety Stock : 30 Demand Time Fences : 1 Minggu Planning Time Fences : 6 Minggu Past Due Contoh perhitungan untuk periode 1: Baris forecast, master schedule (MS) dan kapasitas produksi terpasang (KPT) diisi berdasarkan perhitungan kapasitas dan master schedule yang telah dilakukan sebelumnya. Sedangkan actual order (AO) didapat dari tabel 5.43 diatas.

46 150 Karena periode satu berada dalam zona DTF, maka perhitungan PAB-nya : Project Available Balance (PAB) periode 1 = PAB periode sebelumnya +MS AO = = 27 Available to Promise (ATP) periode 1 = ATP periode sebelumnya + MS AO = = 27 Contoh perhitungan untuk periode 2: Karena periode dua berada dalam zona PTF, maka perhitungan PAB-nya : Project Available Balance (PAB) periode 2 = PAB periode sebelumnya +MS AO/forecast (pilih yang terbesar) = = 25 Available to Promise (ATP) periode 2 = ATP periode sebelumnya + MS AO = = 25 Setelah melihat tabel MPS diatas maka terlihat bahwa ada periode-periode tertentu dimana perkiraan status inventori (project available balance/ PAB) produk busa density 16 berada dibawah safety stock. Oleh sebab itu perlu dilakukan revisi pada MPS agar PAB setiap periode tidak berada dibawah safety stock tersebut. Tabel 5.45 dibawah menunjukkan tabel MPS revisi produk busa density 16. Tabel 5.45 MPS Revisi Busa Density 16 Item No : Description : Busa Density 16 Lead Time : 0 Safety Stock : 30 On Hand : 30 Periode Forecast Actual Order Project Available Balance Available to Promise Master Schedule Kapasitas Produksi Terpasang Demand Time Fences : 1 Minggu Planning Time Fences : 6 Minggu Past Due