Assalamua’laikukm Wr. Wb

KELOMPOK 111.FATIHUL ILHAM MAULIDA

(162110551)2.ERWIN NASIR

(162110549)

PERANCANGAN TEKNIK INDUSTRI III(PPIC & DESAIN LINTASAN)

Pembahasan : Modul I FORECASTING Modul II AGREGATE PLANNING Modul III MASTER PRODUCTION SCHEDULE (MPS) &

ROUGH CUT CAPACITY PLANNING (RCCP) Modul IV LOT SIZING ModulV MATERIAL REQUIREMENT PLANNING (MRP) Modul VI ASSEMBLY LINE BALANCING

FORECASTING

Peralaman adalah suatu proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang atau jasa.

Tujuan Forecasting :

1. Mengurangi besarnya ketidakpastian dimasa datang yang dihadapi oleh manajemen dalam peramalan

2. Secara efektif dapat memperluas jangkauan pilihan bagi para manajer.

Metode yang digunakan :

1. Moving Average

2. Weighted Moving Average

3. Eksponential Smoothing

4. Eksponential Smoothing With Trend

5. Trend Analysis

6. Liniear Regresy

7. Multyplicative Decomposition

8. Addaptive Decomposition

InputPT. EAGLE BICYCLE merupakan perusahaan yang memproduksi

berbagai jenis sepeda. Produk unggulan dari perusahaan sepeda ini adalah:

Sepeda Gunung Sepeda Klasik Sepeda Mini Sepeda Balap Sepeda Kreasiku

Output Peramalan ;Metode Moving Average

Peramalan dengan teknik moving average melakukan perhitungan terhadap

nilai data yang paling baru sedangkan data yang lama akan dihapus. dengan parameter (n) = 3

Next period ( hasil peramalan ) = 2940Bias ( Mean Error ) = -20MAD ( Mean Absolute Deviation ) = 158,52MSE ( Squared Error ) = 36641,96Standart error = 217,05

Peramalan dengan teknik moving average melakukan perhitungan terhadap nilai data yang paling baru sedangkan data yang lama akan dihapus.

dengan parameter (n) = 5

Next period ( hasil peramalan ) = 2948Bias ( Mean Error ) = -20,57MAD ( Mean Absolute Deviation ) = 162,86MSE ( Squared Error ) = 37499,43Standart error = 229,13

Metode Weighted Moving AverageMetode ini mirip dengan metode moving average, hanya saja diperlukan pembobotan untuk data paling baru dari deret berkala.

Dengan parameter (n) = 4 Dengan bobot W1 = 0.6 Dengan bobot W2 = 0.4 Dengan bobot W3 = 0.2 Dengan bobot W4 = 0.1Next period ( hasil peramalan ) = 2920Bias ( Mean Error ) = -5,69MAD ( Mean Absolute Deviation ) = 170,97MSE ( Squared Error ) = 39419,26Standart error = 229,26

dengan parameter (n) = 4 Dengan bobot W1 = 0.3 Dengan bobot W2 = 0.2 Dengan bobot W3 = 0.2 Dengan bobot W4 = 0.3Next period ( hasil peramalan ) = 2946Bias ( Mean Error ) = -2MAD ( Mean Absolute Deviation ) = 166,25MSE ( Squared Error ) = 33890,75Standart error = 229,26

Metode Eksponensial Smooting Metode ini menggunakan prinsip yang sama dengan teknik moving average, hanya saja eksponensial smoothing memerlukan perhitungan yang lebih sedikit, tidak memerlukan data hsitories dalam jangka waktu yang lama melainkan hanya data terbaru yang dipakai untuk menghitung peramalannya.

Parameter ( α ) = 0.3Next period ( hasil peramalan ) = 2911Bias ( Mean Error ) = -23,97MAD ( Mean Absolute Deviation ) = 149,85MSE ( Squared Error ) = 30155,07Standart error = 191,98

Parameter ( α ) = 0.4Next period ( hasil peramalan ) = 2893Bias ( Mean Error ) = -22,04MAD ( Mean Absolute Deviation ) = 155,67MSE ( Squared Error ) = 32679,39Standart error = 199,85

Metode Eksponential Smoothing With Trend Metode ini menggunakan prinsip yang sama dengan teknik moving average, hanya saja eksponensial smoothing memerlukan perhitungan yang lebih sedikit Parameter ( α ) = 0.4 Parameter ( β ) = 0.6

Next period ( hasil peramalan ) = 2872Bias ( Mean Error ) = -19,88MAD ( Mean Absolute Deviation ) = 171,37MSE ( Squared Error ) = 42979,65Standart error = 229,2

Parameter ( α ) = 0.5 Parameter ( β ) = 0.5

Next period ( hasil peramalan ) = 2830Bias ( Mean Error ) = -20,69MAD ( Mean Absolute Deviation ) = 175,46MSE ( Squared Error ) = 45868Standart error = 236,21

Metode Trend Analysis ( regrees over time )

Next period ( hasil peramalan ) = 2925Bias ( Mean Error ) = 0MAD ( Mean Absolute Deviation ) = 119,71MSE ( Squared Error ) = 20402,47Standart error = 156,47

Metode Linear RegressionTujuan regresi linear adalah untuk memperoleh sebuah persamaan garis lurus yang akan meninimasi jumlah bias vertikal dari titik-titik yang terobservasi dengan garis lurus yang terbentuk.

Next period ( hasil peramalan ) = 2925Bias ( Mean Error ) = 0MAD ( Mean Absolute Deviation ) = 119,71MSE ( Squared Error ) = 2040,47Standart error = 156,47

Metode Multiplicative Decomposition

Parameter n = 4Next period ( hasil peramalan ) = 2939Bias ( Mean Error ) = 0,04MAD ( Mean Absolute Deviation ) = 96,78MSE ( Squared Error ) = 13007,52Standart error = 161,29

Parameter n = 5Next period ( hasil peramalan ) = 2967Bias ( Mean Error ) = 0MAD ( Mean Absolute Deviation ) = 95,98MSE ( Squared Error ) = 16470,53Standart error = 198,82

Metode Additive Decomposition

Parameter n = 3 Next period ( hasil peramalan ) = 2941 Bias ( Mean Error ) = 0 MAD ( Mean Absolute Deviation ) = 90,34 MSE ( Squared Error ) = 15032,79 Standart error = 160,53

Parameter n = 5 Next period ( hasil peramalan ) = 2968 Bias ( Mean Error ) = 0 MAD ( Mean Absolute Deviation ) = 96,2 MSE ( Squared Error ) = 16467,98 Standart error = 198,8

Perbandingan metode

Analisa softwere POM dari peramalan softwere POM bahwa hasil

peramalan terbaik menggunakan metode Additive Decomposition karena nilai MSE atau Mean Squared Error lebih kecil dibanding dengan metode yang lain. Parameter n=3 sebagai solusi untuk meramalkan periode selanjutnya, karena pada metode ini memiliki MAD sebesar 93,64 dan MAPE 0,03 nilai terkecil dari kesemua metode tersebut.

Metode Terbaik:

AGREGAT PLANNING

proses penetapan tingkat output/kapasitas produksi secara keseluruhan guna memenuhi tingkat permintaan yang diperoleh dari peramalan dan pesanan dengan tujuan meminimalakan total biaya produksi.

Tujuan Perencanaan AgregatMengembangkan perencanaan produksi yang feasible

pada tingkat menyeluruh yang akan mencapai keseimbangan antara permintaan dan suplai dengan memperhatikan biaya minimal dari rencana produksi yang dibuat, walaupun biaya bukan satu-satunya bahan pertimbangan.

Sebagai masukan perencanaan sumber daya sehingga perencanaan sumber daya dikembangkan untuk mendukung perencanaan produksi.

Meredam (stabilisasi) produksi dan tenaga kerja terhadap fluktuasi permintaan.

Fungsi Perencanaan Agregata. Menjamin rencana penjualan dan rencana produksi

konsisten terhadap rencana strategi perusahaanb. Alat ukur performansi proses perencanaan produksic. Menjamin kemampuan produksi konsisten terhadap

rencana produksi dan membuat penyesuaiand. Memonitor hasil produk actual terhadap rencana

produksi dan membuat penyesuaiane. Mengatur persediaan produk jadi untuk mencapai target

dan membuat penyesuaianf. Mengarahkan penyusunan dan pelaksanaan jadwal induk

produksi

Metode Smooth Production (Average GROOS

demand) Smooth Production (Average NET

demand) Produce to demand (Let Workforce Vary)Constand Reg Time, then OT and Sub

INPUTDalam melakukan produksi PT. EAGLE BICYCLE, Kapasitas karyawan yang dimiliki saat ini adalah 40 orang karyawan yang bekerja 8 jam per hari, 26 hari selama satu bulan. Pembagian pekerja tersebut adalah 6 orang pada masing-masing stasiun kerja, kecuali di stasiun kerja pengecatan dan perakitan terdapat 8 orang pekerja. Tingkat efisiensi karyawan diharapkan dapat mencapai 75%. dan datanya sebagai berikut :

Smooth Production (Average GROOS demand)

Smooth Production (Average NET demand)

Produce to demand (Let Workforce Vary)

Constand Reg Time, then OT and Sub

Analisa dari softwere POMDalam agregat planning metode yang dipilih

adalah metode yang mempunyai nilai total cost paling kecil, dimana metode yang sesuai adalah metode Analisa Smooth Production (Average GROOS Demand) dengan nilai total cost sebesar 634709800. Dimana dalam Agregat Planning ini demand pada bulan ke-13 menggunakan nilai yang diperoleh dari hasil peramalan yang telah dilakukan sebelumnya.

MPS &RCCPTujuan dari MPS dan RCCP

mampu membuat jadwal induk produksi (output ) yang telah disesuaikan dengan kapasitas.

MASTER PRODUCTION SCHEDULE (MPS) & ROUGH CUT CAPACITY PLANNING (RCCP)

Pengertian MPS : untuk menguraikan rencana produksi (Agregat Planning ) untuk menunjukan kuantitas produksi akhir yang akan diproduksi untuk setiap periode waktu (minggu) sepanjang horison perencanaan taktis

Pengertian RCCP :proses konversi dari rencana produksi dan atau MPS ke dalam kebutuhan kapasitas yang berkaitan dengan sumber-sumber daya kritis seperti ; tenaga kerja, mesin, dan peralatan kapasitas gudang

Aktifitas untuk melakukan penjadualan ada 4, yaitu :

a. menyedikan input b. menjadwalkan pesanan-pesanan produksic. memberikan landasan untuk penentuan kebutuhan

sumber daya dan kapasitasd. memberikan basis untuk pembuatan janji tentang

penyerahan produk kepada pelanggan.

Metode-metode dalam penyusunan MPS : Metode cut and fit yaitu digunakan untuk proporsi setelah

diperoleh data agregat Metode Bitran dan Hax

metode bitran dan hax mengajukan Knapsack Problem Model untuk mengetahui jumlah produk yang akan diproduksi. Knapsack problem itu sendiri untuk mempertimbangkan perbedaan waktu produksi untuk setiap item

Input PT. EAGLE BICYCLE merupakan perusahaan yang memproduksi berbagai

jenis sepeda. Produk unggulan dari perusahaan sepeda ini adalah: Sepeda Gunung Sepeda Klasik Sepeda Mini Sepeda Balap Sepeda KreasikuTotal permintaan untuk ke lima jenis kereta tersebut selama 4 bulan adalah

sebagai berikut :

Berdasarkan perencanaan aggregat dengan metode terbaik, yaitu Analisa Smooth production ( Averege NET Demand ) diperoleh rencana aggregat sebagai berikut :

RASIO PRODUK     DISAGREGASI PRODUK    

NO PRODUK PROPORSI PRODUK Bulan 10 Bulan 11 Bulan 12 Bulan 13

1 S.Gunung 15% S.Gunung 297 297 297 297

2 S.Klasik 15% S.Klasik 297 297 297 297

3 S.Mini 25% S.Mini 495 495 495 495

4 S.Balap 10% S.Balap 198 198 198 198

5 S.Kreasiku 35% S.Kreasiku 692 692 692 692

Input data RCCP

Watu standard tiap stasiun

Analisa dari softwere POM MPS dan RCCP

dalam perencanaan Disagregasi produk, dibutuhkan data permintaan yang sangat actual dan perencanaan agregat diambil dari hasil Agregat Planning yang terbaik. Data yang dipakai dari Agregat Planning yaitu Reguler time Production pada periode 10, 11, 12, 13 masing-masing mempunyai nilai sebesar 1536 serta Overtime Production pada periode 10, 11, 12 sebesar 326. sedangkan pada periode 13 sebesar 325. hasil pembuatan MPS kapasitas ini produksinya hanya mampu 480 unit didalam setiap memproduksi kereta mainan. Sedangkan RCCP untuk menentukan kalayakan suatu kebutuhan produksi tiap pada perbulannya karena tidak melebihi batas produksi pada tiap minggu.

LOT SIZING

pengertian dari Lot Sizing : penentuan ukuran lot pemesanan untuk meminimalkan total biaya (biaya set up dan biaya simpan)

Tujuan Untuk melakukan perhitungan akan

pemesanan material statis dengan menggunakan metode yang ada

Melakukan perhitungan perhitungan akan pemesanan material dinamis dengan menggunakan metode yang ada

MetodeMetode Wagner-WhitinMetode Lot For LotMetode Economic Order QuantityMetode Period Order QuantityMetode Part Period Balancing

Input Kebutuhan roda dilihat berdasarkan kebutuhan permintaan kereta KG2 per minggu, dimana tiap 1 unit kereta memerlukan 12 buah roda sebagai kebutuhan roda selama 16 minggu kedepan sebagai berikut :

Metode Wagner-Whitin

Metode Lot For Lot

 Metode Economic Order Quantity

 Metode Period Order Quantity

Metode Part Period Balancing

Analisa Perbandingan Lot sizing

No Metode Total Cost

1 Wagner-Within Rp 7.200.000,-

2 Lor For Lot Rp 7.200.000,-

3 Economic Order Quantity Rp 16.464.400,-

4 Period Order Quantity Rp 11.453.500,-

5 Part Period Balancing Rp 7.200.000,-

Analisa dari softwere POM Metode terbaik yang digunakan dalam lot

sizing yaitu metode Wigner-Within . Karena diperoleh nilai total cost paling kecil dibandingkan metode laninnya yaitu Rp 7.200.000 . Dimana data yang digunakan adalah nilai MPS tiap minggu pada bulan pertama yaitu demand tiap minggunya dikali jumlah roda yaitu minggu ke-1 sampai minggu ke-16 pada bulan pertama dari hasil MPS yang telah kita dapati.

Metode terbaik yang digunakan dalam Lot sizing adalah metode Wigner-Within. Karena didapati nilai total cost paling kecil dibandingkan metode lainnya.

MATERIAL REQUIREMENT PLANNING (MRP)

aturan keputusan dan teknik pencatatan terkomputerisasi yang dirancang untuk menterjemahkan Jadual Induk Produksi (Master Production Schedule / MPS) menjadi kebutuhan bersih (Net Requirement) untuk semua item.

Tujuan Meminimalkan PersediaanMengurangi resiko karena keterlambatanKomitmen yang realistisMeningkatkan efisiensi

Input

Tabel schudule receipts

Analisa dari softwere POMUntuk melakukan pemesanan akan suatu komponen,

berpacu dari data Order Release sehingga kita tahu berapa banyak komponen yang kita butuhkan untuk pembuatan satu produk lampu.

Jika suatu perusahaan menggunakan lead time sebesar 1, artinya perusahaan tersebut dalam pemenuhan kebutuhan pada suatu periode, akan melakukan pemesanan (Order Release) pada periode sebelumnya, dan berlaku kelipatanya.

POR (Plan Order Release) untuk item yang jatuh pada minggu ke-0 (pd0), atau pada minggu sebelumnya, maka dilakukan penjadwalan ulang ( resqheduling)

Wassalamuai’laikum Wr. Wb