BAB 4 ANALISIS DAN BAHASAN 4.1 Profil Perusahaan PT. LG Electronics Indonesia adalah perusahaan elektronik asal Korea Selatan yang menjadi salah satu bagian dari LG Group yang didirikan di Korea pada tahun 1947. PT. LG Electronics Indonesia berdiri di Indonesia pada tahun 1990. LG Electronics, Inc (LG) merupakan sebuah perusahaan global dan innovator teknologi tinggi dalam bidang teknologi, komunikasi selular, dan perangka trumah. Dulunya, LG Electronics berdiri dengan nama Gold Star yang memproduksi radio, kulkas, dan mesin cuci, dan pendingin udara (AC). Kemudian, pada tahun 1995 Gold Star mengganti nama menjadi LG Electronics. Perusahaan ini memperkerjakan lebih dari 84.000 orang yang bekerja pada 81 anak perusahaan di seluruh dunia, termasuk LG Electronics Indonesia. PT. LG Electronics Indonesia terdiri atas beberapa unit bisnis, yaitu home entertainment, telfon seluler, perangkat rumah tangga, dan pendingin udara. LG merupakan salah satu produsen terkemuka di dunia dengan produkan dalan, seperti TV panel datar, produk audio dan video, handset mobile, pendingin udara, dan mesin cuci. 4.2 Peramalan Permintaan Refrigerator pada PT. LG Electronics Indonesia Peramalan permintaan refrigerator pada konsumen dilakukan dengan menggunakan metode Exponential Smoothing, Moving Average, dan Regresi Linier. Untuk Regresi Linear dilanjutkan dengan indeks musim dengan perhitungan manual. Agar dapat menentukan dan meramalkan permintaan konsumen periode 2014 maka data yang diperlukan adalah data permintaan konsumen pada PT. LG Electronics Indonesia dari tahun 2011 sampai tahun 2013, dapat dilihat dalam analisis data. 39
40 4.2.1 Analisis Data Data permintaan konsumen yang diterima oleh PT. LG Electronics Indonesia dari tahun 2011 sampai tahun 2013 yang digunakan untuk menentukan peramalan yang paling optimal adalah sebagai berikut : Tabel 4.1 Data Permintaan PT. LG Electronics Indonesia Bulan 2013 2012 2011 Januari 14,269 12,872 13,245 Februari 12,707 10,982 12,938 Maret 13,689 13,420 14,928 April 13,602 11,029 12,274 Mei 19,600 16,728 14,902 Juni 19,952 15,627 13,528 Juli 13,263 11,928 11,928 Agustus 13,952 13,425 17,283 September 10,383 10,293 11,928 Oktober 11,437 18,527 15,029 November 10,615 13,273 10,294 Desember 10,845 15,273 13,428 Sumber : PT. LG Electronics Indonesia
41 Setelah mengetahui data permintaan historis dari tahun 2012 sampai 2013, maka langkah selanjutnya adalah melakukan peramalan dengan metode regresi linier. 4.2.2 Peramalan Dengan Metode Exponential Smoothing Peramalan permintaan untuk tahun 2014 dengan metode exponential smoothing karena seluruh permintaan bersifat statis setiap bulannya. Berikut hasil peramalan dengan metode regresi linier: Tabel 4.2 Peramalan Metode Exponential Smoothing Bulan Exponential Smoothing Januari 13,094.37 Februari 13,078.79 Maret 12,931.88 April 12,966.08 Mei 12,830.36 Juni 13,103.45 Juli 13,280.26 Agustus 13,185.51 September 13,202.29 Oktober 12,998.46 November 13,175.62 Desember 13,532.76 MAP 15.020 MSE 2793.656 Sumber : Hasil Pengolahan Data (2014)
42 4.2.3 Peramalan Dengan Metode Moving Average Peramalan permintaan untuk tahun 2014 dengan metode Weighted Moving Average karena seluruh permintaan bersifat statis setiap bulannya. Berikut hasil peramalan dengan metode regresi linier : Tabel 4.3 Peramalan Metode Moving Average Bulan Moving Average Januari 13,725.67 Februari 14,461.33 Maret 14,761.00 April 13,660.00 Mei 11,882.00 Juni 13,081.67 Juli 14,697.67 Agustus 15,691.00 September 15,271.67 Oktober 13,416.33 November 13,555.00 Desember 13,332.67 Sumber : Hasil Pengolahan Data (2014) 4.2.4 Peramalan Dengan Metode Regresi Linear Peramalan permintaan untuk tahun 2014 dengan metode regresi linier karena seluruh permintaan bersifat statis setiap bulannya. Berikut hasil peramalan dengan metode regresi linier :
43 Tabel 4.4 Peramalan Metode Regresi Linier x y x² xy 1 13558.75 1 13558.75 2 13614.75 4 27229.5 3 13692.83333 9 41078.5 6 40866.33333 14 81866.75 Sumber : Diolah Dari Data Lampiran = = 2 = = 13.622,11 b = = 67,045 a = 13.622,11 67,045 (2) = 13.488,02 Jadi, persamaannya adalah Y = a + bx = 13.488,02 + 67,045 (x) = 13.488,02 + 67,045 (4) = 13.756 4.3 Hasil Peramalan Refrigerator tahun 2014 Selanjutnya, setelah mengetahui nilai Y, untuk mengetahui indeks musim pada tahun 2014, maka dapat dijabarkan sebagai berikut:
44 Tabel 4.5 Prediksi Permintaan Refrigerator tahun 2014 Bulan Indeks Musim Januari 2014 13.594 Febuari 2014 12.329 Maret 2014 12.804 April 2014 14.442 Mei 2014 16.571 Juni 2014 14.847 Juli 2014 14.514 Agustus 2014 15.033 September 2014 12.321 Oktober 2014 12.789 November 2014 13.189 Desember 2014 12638 Sumber : Hasil Pengolahan Data (2014) 4.4 Perbandingan Hasil Peramalan Berikut adalah hasil peramalan permintaan refrigerator 2014 setelah menggunakan tiga metode, yaitu Exponential Smoothing, Moving Average, dan Regresi Linear :
45 Tabel 4.6 Perbandingan Hasil Peramalan Bulan Exponential Smoothing Moving Average Januari 13,094.37 13,725.67 Februari 13,078.79 14,461.33 Maret 12,931.88 14,761.00 April 12,966.08 13,660.00 Mei 12,830.36 11,882.00 Juni 13,103.45 13,081.67 Juli 13,280.26 14,697.67 Agustus 13,185.51 15,691.00 September 13,202.29 15,271.67 Oktober 12,998.46 13,416.33 November 13,175.62 13,555.00 Desember 13,532.76 13,332.67 Sumber : Hasil Pengolahan Data (2014) Regresi Linear 13.594 12.329 12.804 14.442 16.571 14.847 14.514 15.033 12.321 12.789 13.189 12638 Dengan membandingkan tiga metode diatas maka dapat disimpulkan bahwa penjualan actual pada tahun 2014 memiliki kemiripan dengan hasil peramalan yang dilakukan oleh metode Regresi Linear. Berikut adalah data actual permintaan refrigerator di tahun 2014 selama bulan januari sampai dengan mei :
46 Berikut adalah informasi data permintaan aktual untuk produk refrigerator tipe LG GN-V231RL pada PT. LG Electronics Indonesia untuk bulan Januari Mei tahun 2014 Tabel 4.7 Data Permintaan Aktual Refrigerator Januari Mei 2014 Bulan Permintaan Januari 13.803 Februari 12.762 Maret 12.675 April 14.563 Mei 16.425 Sumber : PT. LG Electronics Indonesia (2014) Maka setelah melihat peramalan berdasarkan ketiga metode tersebut dapat dibandingkan dengan data permintaan aktual untuk selanjutnya dapat melakukan perhitungan perencanaan agregat. Berikut adalah perbandingan hasil peramalan yang sudah dilakukan dengan ketiga metode yaitu Regresi Linier, Exponential Smoothing, dan Moving Average : Tabel 4.8 Perbandingan hasil peramalan Bulan Exponential Smoothing Moving Average Regresi Linier Permintaan Aktual Januari 13,094.37 13,725.67 13.594 13.803 Februari 13,078.79 14,461.33 12.329 12.762 Maret 12,931.88 14,761.00 12.804 12.675 April 12,966.08 13,660.00 14.442 14.563 Mei 12,830.36 13,725.67 16.571 16.425 Sumber : Hasil Olah Data (2014)
47 Dari tabel diatas, terlihat bahwa metode Regresi Linier memiliki kemiripan dengan keadaan aktual perusahaan. Dengan tingkat kemiripan yang dihasilkan oleh metode Regresi Linier maka dapat ditentukan bahwa metode Regresi Linier menjadi metode yang tepat untuk melakukan peramalan permintaan produk Refrigerator tipe LG GN- V231RL pada PT. LG Electronics Indonesia. Dengan demikian perencanaan agregat yang akan dilakukan pada PT. LG Electronics untuk produk Refrigerator tipe LG GN-V231RL akan melakukan peramalan yang dihitung menggunakan metode Regresi Linear. 4.5 Merancang Perencanaan Agregat PT. LG Electronics Indonesia Agar Optimal Di dalam merancang perencanaan agregatnya, PT. LG Electronics Indonesia memerlukan beberapa data yang dibutuhkan agar mendapatkan hasil perhitungan yang optimal. Berikut adalah data data yang dibutuhkan : - Data perkiraan permintaan - Data biaya - Data jumlah hari dan jam kerja - Data kapasitas waktu regular - Data jumlah tenaga kerja langsung - Data waktu produksi per Output 1. Data Perkiraan Permintaan Berikut adalah data pertama yang dibutuhkan untuk melakukan perencanaan agrega tadalah data perkiraan permintaan refrigerator PT. LG Electronics Indonesia dari bulan januari sampai dengan desember 2014 yang sebelumnya telah dihitung menggunakan metode Linear Regresi :
48 Tabel 4.8 Perkiraan Permintaan Metode Regresi Linear Bulan Regresi Linear Januari 13.594 Februari 12.329 Maret 12.804 April 14.442 Mei 16.571 Juni 14.847 Juli 14.514 Agustus 15.033 September 12.321 Oktober 12.789 November 13.189 Desember 12.638 TOTAL 165.071 Sumber : Hasil Pengolahan data (2014) 2. Data Biaya Data selanjutnya adalah data biaya biaya yang digunakan dalam proses produksi. Pada table dibawah ini merupakan biaya yang akan digunakan dalam perhitungan, yaitu : Tabel 4.9 Tabel Biaya No JenisBiaya Nilai Biaya 1. Inventory Cost @ Rp 50.000/unit 2. Regular time cost @ Rp688.148 3. Overtime Cost @ Rp870.415 4. Shortage Cost @ Rp 50.000 5. Unit increase cost @ Rp 50.000 6. Unit decrease cost @ Rp 134.399 Sumber : PT. LG Electronics Indonesia
49 Keterangan : Inventory Cost : Biaya penanganan persediaan adalah sebesar Rp 50.000/unit produksi dari kebijakan perusahaan Regular time cost : biaya produksi waktu regular sebesar Rp 688.148 / unit diperoleh dari total : bahan baku = 553.364 / unit tenaga kerja = 31.578 / unit listrik = 385 / unit mesin = 102.821 / unit Overtime cost : biaya untuk lembur yang dilakukan adalah Rp 870.415 / unit diperoleh dari : Bahan baku = 553.364 / unit Tenaga kerja lembur = 316.666 Listrik = 385 / unit Shortage cost : biaya yang dikeluarkan perusahaan apabila permintaan tidakdapat dipenuhi adalah sebesar rp 50.000 / unit didapat dari kebijakan perusahaan Unit increase cost ; biaya kelebihan produksi sebesar Rp 50.000 / unit Unit decrease cost : biaya kekurangan produksi sebesar Rp 134.399 / unit 3. Data Jumlah Hari dan Jam Kerja Kemudian, data jumlah hari dan jam kerja. Jam kerja regular yang ditetapkan PT. LG Electronics Indonesia dalam sehari adalah 8 jam. Berikut adalah tabel data jumlah hari kerja dan jam kerja untuk Refrigerator : Tabel 4.10 Tabel Jumlah Hari Kerja Bulan Jumlah Hari Kerja Jumlah Jam Kerja Januari 24 136 Feb 24 136 Mar 25 144 Apr 24 144
50 Mei 23 128 Jun 25 144 Jul 23 128 Augs 24 112 Sept 26 144 Oct 26 144 Nov 25 144 Des 25 136 TOTAL 294 1.640 Sumber : PT. LG Electronics Indonesia Data diatas menjelaskan bahwa kebijakan perusahaan dalam jumlah jam kerja untuk hari senin sampai sabtu adalah 8 jam kerja. Berdasarkan kebijakan peraturan dari Dinas Ketenagakerjaan yang mengharuskan perusahaan memperkerjakan karyawan 40 jam dalam 1 hari. Namun pada kenyataannya perusahaan memperkerjakan pekerja selama 6 hari dalam satu minggu. Karena karyawan bekerja melebihi jam kerja lebih dari 40 jam dalam 1 minggu, maka perusahaan harus dikenakan biaya overtime atau lembur yang sejumlah dua kali lipat dari waktu regular. Dari data diatas juga telah ditemukan jumlah atau total dari jam kerja tiap bulannya, yang diperoleh dari jumlah hari kerja untuk produksi Refrigerator selama 1 bulan dikalikan dengan jumlah jam kerja senin sampai sabtu selama 8 jam. 4. KapasitasWaktu Reguler Kebutuhan rata rata = = = 561 unit/hari
51 Tabel 4.11 Tabel Kapasitas Reguler Bulan Jumlah Hari Kerja Produksi 561 unit per hari Jan 24 13464 Feb 24 13464 Mar 25 14025 Apr 24 13464 Mei 23 12903 Jun 25 14025 Jul 23 12903 Aug 24 13464 Sept 26 14586 Oct 26 14586 Nov 25 14025 Des 25 14025 TOTAL 294 164934 Sumber : Hasil Olah Data (2014) 5. Data Jumlah Tenaga Kerja Langsung Seperti yang sudah dijelaskan sebelumnya, bahwa dalam melakukan perhitungan perencanaan agregat dibutuhkan data data kebijakan yang ada dalam perusahaan yang mendukung, salah satunya adalah data mengenai sumber daya perusahaan, yang terdiri dari tenaga kerja. Data sumber daya yang digunakan dalam skripsi ini adalah yang berkaitan langsung dengan proses produksi dari 1 jenis barang yang digunakan sebagai sampel. Berikut akan ditampilkan dalam tabel 4.12 mengenai data tenaga kerja yang dimiliki PT. LG Electronics Indonesia, yaitu :
52 Tabel 4.12 Tabel Tenaga Kerja Pada Proses Subline Tahap Jumlah Pegawai Tetap Nama Unit Mesin 1 3 Vacuum Forming Jumlah Pegawai Outsourcing 2 1 PU. Door 3 3 4 Hydro Press 6 Sumber : PT. LG Electronics Indonesia 6 Tabel 4.13 Tabel Tenaga Kerja Pada Proses Mainline Tahap Jumlah Pegawai Nama Unit Mesin JumlahPegawai Outsourcing Tetap 1 3 Precase CRF 5 2 2 PU. Case 4 3 3 Cycle 4 4 2 Packing 5 Sumber : PT. LG Electronics Indonesia 6. Data Waktu Produksi per Output Berikut jumlah output yang dapat diproduksi oleh perusahaan dengan menggunakan2 tahapan produksi, yaitu Subline dan Mainline. Jam kerja 1 unit = (68 x 60 menit x 60 detik) = = 51 detik / unit Jadi, perusahaan mampu memproduksi kira kira 51 detik per 1 unit produk refrigerator.
53 4.6 Evaluasi Biaya produksi dengan Data Strategi Agregat Evaluasi biaya produksi dilakukan dengan dua strategi, yaitu Smooth Production (Average GROSS Demand) dan Chase CURRENT Demand. Perencanaan produksi agregat dilakukan dengan menggunakan metode grafik dengan tools nya POM for windows. Program POM for Windows adalah sebuah progam komputer yang digunakan untuk memecahkan masalah dalam bidang produksi dan manajemen operasi yang bersifat kuantitatif. Perhitungan kedua strategi tersebut dapat dilihat pada bagian lampiran. Berdasarkan perhitungan tersebut diketahui total biaya produksi untuk masing masing strategi dengan pilihan alternative, yaitu Lembur (Overtime) : 1. Average Gross Demand untuk Overtime Total biaya Average Demand untuk Overtime = Biaya Waktu Reguler + Biaya Produksi Overtime + Biaya Inventory + Biaya Shortage + Biaya Unit Increase + Biaya Unit Decrease 2. Chase Current Demand untuk Overtime Total biaya Chase Current Demand = Biaya Waktu Reguler + Biaya Produksi Overtime + Biaya Inventory + Biaya Shortage + Biaya Unit Increase + Biaya Unit Decrease
54 4.6.1 Perhitungan Biaya menggunakan Alternatif Strategi Agregat 1. Smooth Production (Average GROSS Demand) untuk Overtime Tabel 4.16 Average Gross Demand untuk Overtime Sumber : Hasil Olah Data (2014)
55 Dari tabel diatas dapat diketahui biaya biaya yang diperoleh menggunakan strategi Smooth Production (Average Gross Demand) untuk Overtime, yaitu total cost yang harus dikeluarkan oleh perusahaan adalah Rp 115.157.800,-. Biaya ini dikeluarkan berdasarkan total dari biaya biaya tersebut : - Untuk produksi reguler dikeluarkan biaya sebesar Rp 111.615.500,- - Untuk overtime production dikeluarkan biaya sebesar Rp 1.993.250.000,- - Untuk biaya penyimpanan yang harus dikeluarkan (holding cost inventory) sebesar Rp 211.650.000 - Diketahui pula bahwa terdapat 20.160 unit permintaan yang tidak dapat dipenuhi sehingga produsen harus mengeluarkan biaya sebesar Rp 1.008.000.000 - Dan terdapat juga biaya peningkatan produksi sebanyak 1.998 unit sebesar Rp 99.900.000 Selanjutnya untuk hasil output berdasarkan perhitungan POM QM adalah sebagai berikut : Gambar 4.1 Hasil Perhitungan Average Gross Demand untuk Overtime Sumber : Hasil Pengolahan Data (2014) Pada hasil perhitungan dengan menggunakan alternative strategi ini memiliki total biaya sebesar Rp 115.157.800.000,-. Alternatif strategi ini memiliki biaya produksi regular yang lebih rendah dari biaya produksi regular Chase Strategy. Kemudian strategi ini juga memiliki biaya overtime production yang lebih rendah. Alternative
56 ini memberikan total biaya untuk penanganan penyimpanan (inventory) sebesar Rp 211.650.000,-. Dan juga dapat menimbulkan biaya apabila permintaan konsumen tidak dapat terpenuhi sebesar Rp 1.008.000.000,-. Selain itu alternative strategi ini memiliki kelebihan yaitu biaya yang ditimbulkan akibat unit yang berlebih mempunyai biaya yang terendah.
57 2. Chase Current Demand untuk Overtime Tabel 4.17 Chase Current Demand untuk Overtime Sumber : Hasil Olah Data POM QM
58 Dari data diatas dapat diketahui biaya biaya yang diperoleh menggunakan strategi Chase Current Demand untuk Overtime, yaitu total cost yang harus dikeluarkan oleh perusahaan adalah Rp 115.948.800.000,-. Biaya ini dikeluarkan berdasarkan total dari biaya biaya tersebut : - Untuk produksi regular dikeluarkan biaya sebesar Rp 107.552.700.000,- - Untuk overtime production dikeluarkan biaya sebesar Rp 7.527.349.000,- - Untuk biaya peningkatan produksi sebanyak 1.998 unit sebesar Rp 184.300.000,- - Dan biaya untuk biaya penurunan produksi sebanyak 1.707 unit sebesar Rp 606.408.300,- Selanjutnya untuk hasil output berdasarkan perhitungan POM QM adalah sebagai berikut : Gambar 4.2 Hasil Perhitungan Chase Current Demand untuk Overtime Sumber : Hasil Olah Data (2014) Pada hasil perhitungan dengan menggunakan alternatif strategi ini memiliki total biaya yang lebih tinggi, yaitu sebesar Rp 115.948.800.000,-. Biaya produk regular pada Chase Current memiliki jumlah biaya yang lebih besar dari Average Gross. Pada alternatif strategi jam kerja lembur (overtime), perhitungan tidak memasukkan biaya penanganan persediaan karena menggunakan metode Chase Strategy. Chase Strategy sendiri merupakan strategi perencanaan yang menetapkan produksi sama dengan jumlah permintaan sehingga tidak diperlukan biaya untuk penanganan persediaan.
59 4.7 Perencanaan Agregat dengan Strategi Terpilih Setelah dilakukan perhitungan pada masing masing alternative strategi yang ditawarkan untuk mengatasi masalah kekurangan kapasistas di musim puncak agar semua permintaan terpenuhi, maka selanjutnya adalah membandingkan total biaya antar alternative strategi yang satu dengan lainnya. adapun table di bawah ini menunjukkan perbandingan antara total biaya dari masing masing alternative strategi yang digunakan, yaitu sebagai berikut : Tabel 4.17 Tabel perbandingan Total Biaya Strategi Alternatif Overtime Gross Demand Rp 115.157.800.000 Chase Demand Rp 115.948.800.000 Sumber : Hasil Olah Data Berdasarkan dari hasil perhitungan diatas, maka diperoleh biaya dari kedua masing masing alternative strategi tersebut. dan dapat dilihat bahwa biaya paling rendah didapat dengan menggunakan alternative strategi Gross Demand untuk overtime sebesar Rp 11.615.500.000,- dan biaya tertinggi didapat dengan menggunakan alternative strategi Chase Demand untuk overtime. 4.8 Implikasi Solusi Terpilih Dari keseluruhan hasil analisis yang telah dijalankan, maka dapat dirangkum hasil sebagai berikut: 1. Perencanaan agregat yang dihitung berdasarkan dua alternative strategi yang telah ditentukan didapatkan hasil, yaitu : Menggunakan alternative strategi Average Gross Demand untuk lembur didapatkan biaya produksi sebesar Rp 11.615.500.000,-. Alternative strategi Chase Demand untuk lembur didapatkan biaya produksi sebesar Rp 107.552.700.000,-. Maka dari itu,
60 rencana yang terbaik untuk dilakukan oleh perusahaan guna meminimalisasi biaya produksi adalah Gross Demand untuk overtime. 2. Selanjutnya penelitian ini juga berhasil menjawab penelitian sebelumnya dimana penelitian yang dijalankan oleh Sukendar dan kristomi (2008) dimana beliau menjelaskan bahwa metode subkontrak dan lembur memang dapat meminimalisasi biaya produksi. Hal itu sesuai dengan penelitian saat ini dimana alternative overtime juga mampu meminimalisasi biaya produksi PT. LG Electronics Indonesia.