BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1. Pengumpulan Data 4.1.1. Sejarah Perusahaan CV. Mitra Abadi Teknik merupakan sebuah perusahaan yang bergerak dalam bidang perancangan dan manufaktur untuk peralatan mechanical, electrical, dan hardchrome pada perkapalan dan peti kemas. Perusahaan ini berdiri sejak 21 Agustus 2001 dan berlokasi di Jalan Wibawa Mukti IV/53 RT.002/001 Jatimekar, Jatiasih, Bekasi. CV. Mitra Abadi Teknik memproduksi berbagai perlengkapan perkapalan dan peti kemas, baik untuk perlengkapan mesin kapal maupun perlengkapan pendukung lainnya. Beberapa produk yang dihasilkan oleh CV. Mitra Abadi teknik diantaranya adalah Nozzle, Sleeve, Shaft, Axle Drive dan Twistlock. CV. Mitra Abadi Teknik mendistribusikan barang produksinya ke perusahaan transportasi perkapalan dan peti kemas di seluruh Indonesia.
44
45
Pada penulisan laporan ini, produk yang akan diteliti adalah twistlock. Twistlock merupakan alat pengunci pada spreader yang berfungsi untuk mengangkat peti kemas pada kapal. Tampilan twistlock dan bagian-bagiannya dapat dilihat dalam gambar dibawah ini:
Gambar 4.1 Twistlock dan Bagian-Bagiannya CV. Mitra Abadi teknik memprioritaskan kualitas dan target waktu kepada konsumen nya, karena komitmen dari perusahaan ini adalah “Customer Satisfaction is Our Priority”. CV. Mitra Abadi Teknik memiliki 30 orang karyawan dengan jam kerja Senin – Jumat jam 08.00 – 16.00 WIB dan Sabtu jam 08.00 – 14.00 WIB. Struktur organisasi CV. Mitra Abadi Teknik dapat dilihat pada gambar berikut ini:
45
46
Direktur/Owner
Kepala Administrasi
Teknisi
Kepala Operasional
Tenaga Ahli
Marketing
Kepala Produksi
Drafter
Karyawan Produksi Gambar 4.2 Struktur Organisasi 4.1.2. Data Permintaan Dalam melakukan penelitian ini Penulis membutuhkan data terkait dengan jumlah permintaan produk twistlock di CV. Mitra Abadi Teknik. Data permintaan ini akan dibutuhkan Penulis untuk mengolah data peramalan. Data hasil peramalan ini selanjutnya akan dipakai untuk menerapkan metode persediaan fixed period requirement (FPR), lot for lot (LFL), fixed order quantity (FOQ), economic order quantity (EOQ). Keempat metode ini bagian dari analisa penerapan Material Requirement Planning (MRP) di CV. Mitra Abadi Teknik. Berikut data permintaan produk dari bulan Januari 2014 sampai dengan bulan Desember 2014 yang dapat dilihat pada tabel 4.1 dan gambar 4.3 dibawah ini:
47
Tabel 4.1 Permintaan Produk Twistlock Tahun 2014 Periode
T
Demand (Unit)
Januari
1
135
Februari
2
255
Maret
3
198
April
4
235
Mei
5
176
Juni
6
229
Juli
7
287
Agustus
8
300
September
9
156
Oktober
10
200
Nopember
11
165
Desember
12
150
Jumlah
-
2486
350 300 250 200 150 100 50 0
Series1
Gambar 4.3 Grafik Data Permintaan Tahun 2014
48
4.1.3. Data Struktur Produk (Bill of Material) Salah satu data yang dibutuhkan untuk MRP adalah harus mengetahui komponenkomponen atau struktur produk yang akan diproduksi. Data struktur produk twistlock dapat dilihat pada tabel 4.2 dibawah ini: Tabel 4.2 Data Struktur Produk Twistlock Lead No
Nama Produk
Level Kuantitas
Satuan
Time (Bulan)
1
Twistlock
0
1
Unit
-
2
ASSAB 705
1
25
Kg
1
3
ASSAB ST14
1
5
Kg
1
Level 0
Twistlock
ASSAB 705
ASSAB ST14 Level 1
Gambar 4.4 Bill of Material (BOM) Produk Twistlock 4.1.4. Struktur Biaya Untuk menganalisa data dalam MRP, juga dibutuhkan data harga bahan baku, data biaya pesan dan data biaya simpan. Dalam penulisan laporan ini, data harga bahan baku didapatkan dari hasil penelitian di CV. Mitra Abadi Teknik.
49
Biaya pemesanan meliputi biaya administrasi, biaya permesinan dan biaya karyawan sebesar Rp 250.000,- per pemesanan. Sedangkan untuk biaya penyimpanan telah ditetapkan oleh perusahaan sebesar 5% dari harga pokok bahan baku per unit per periode. Tabel harga bahan baku pembuatan twistlock selengkapnya disajikan dalam tabel berikut ini: Tabel 4.3 Struktur Biaya Bahan Baku Produk Twistlock Ongkos
Ongkos
Pesan
Simpan
Harga No
Nama Produk
Level (Rp/Kg)
(Rp/Pesan) (Rp/Tahun) 1
Twistlock
0
-
-
-
2
ASSAB 705
1
35.000
250.000
1.750
3
ASSAB ST14
1
10.000
250.000
500
4.2. Pengolahan Data 4.2.1. Peramalan Pe rmintaan Produk Twistlock Peramalan dilmulai dengan menentukan metode yang akan digunakan. Pada penelitian ini akan digunakan 4 metode peramalan yaitu, Metode Linear, Metode Exponential Smoothing, Metode Konstan, dan Metode Moving Average.
Metode Linear Berikut adalah hasil dari perhitungan peramalan produk toples plastik yang dapat dilihat pada tabel 4. 4 dengan menggunakan metode linear perhitungan kesalahan peramalan untuk metode linear.
dan
50
Tabel 4.4 Peramalan Metode Linear Periode
Demand
Bulan
t.y
t2
(t)
(y)
Januari
1
135
135
1
Februari
2
255
510
4
Maret
3
198
594
9
April
4
235
940
16
Mei
5
176
880
25
Juni
6
229
1374
36
Juli
7
287
2009
49
Agustus
8
300
2400
64
September
9
156
1404
81
Oktober
10
200
2000
100
Nopember
11
165
1815
121
Desember
12
150
1800
144
Jumlah
78
2486
15861
650
Rata-Rata
6,5
207,17
-
-
Dari tabel diatas, dapat digunakan untuk menghitung nilai slope (b) dan nilai intercept (a) dengan menggunakan rumus: y(t) = a + b.t
51
a. Menghitung nilai slope (b):
b. Menghitung nilai intercept (a):
c. Persamaan Peramalan Linear y’ = a + b.t y’ = 220,71 – 2,08.t Dari perhitungan diatas, kemudian digunakan untuk perhitungan peramalan produk twistlock dengan metode linear. Hasil peramalannya adalah sebagai berikut: Tabel 4.5 Hasil Peramalan Metode Linear Demand Bulan
T
y'
y-y'
(y- y')2
(y- y'/y)
|(y-y')
x100
x100|
|y- y'|
(y) Jan
1
135
218.63
-84
6993.68
84
-61.95
61.95
Feb
2
255
216.54
38
1478.84
38
15.08
15.08
Mar
3
198
214.46
-16
270.94
16
-8.31
8.31
Apr
4
235
212.38
23
511.82
23
9.63
9.63
Mei
5
176
210.29
-34
1175.98
46
-19.48
19.48
52
Jun
6
229
208.21
21
432.28
21
9.08
9.08
Jul
7
287
206.12
81
6540.81
81
28.18
28.18
Ags
8
300
204.04
96
9208.17
96
31.99
31.99
Sep
9
156
201.96
-46
2112.03
46
-29.46
29.64
Okt
10
200
199.87
0
0.02
0
0.06
0.06
Nop
11
165
197.79
-33
1075.12
33
-19.87
19.87
Des
12
150
195.71
-46
2088.96
46
-30.47
30.47
Jumlah
78
2486
2486
0
31888.66
530
-75.53
263.74
Dari tabel diatas, dilakukan perhitungan simpangan error berikut ini:
=56,47
= 2657
Metode Eksponential Smoothing Berikut adalah hasil dari perhitungan peramalan permintaan twistlock dengan menggunakan metode Eksponential Smoothing α = 0,7 – 0,9 dan perhitungan kesalahan peramalan untuk metode Eksponential Smoothing.
53
a. Metode Eksponential Smoothing α = 0,7 Tabel 4.6 Hasil Perhitungan Metode Eksponential Smoothing α = 0,7
Demand
Forecast
(y- y'/y)
|(y-y'/y)
Bulan
t
(y)
(y')
y-y'
(y- y')2
|y- y'|
x100
x100|
Jan
1
135
-
-
-
-
-
-
Feb
2
255
135
120
14400
120
47.06
47.06
Mar
3
198
219
-21
441
21
-10.61
10.61
Apr
4
235
204.30
30.70
942.49
30.7
13.06
13.06
Mei
5
176
225.79
-49.79
2479.04
49.79
-28.29
28.29
Jun
6
229
190.94
38.06
1448.79
38.06
16.62
16.62
Jul
7
287
217.58
69.42
4818.98
69.42
24.19
24.19
Ags
8
300
266.17
33.83
1144.18
33.83
11.28
11.28
Sep
9
156
289.85
-133.85
17916.44 133.85
-85.80
85.8
Okt
10
200
196.16
3.84
14.78
3.84
1.92
1.92
Nop
11
165
198.85
-33.85
1145.60
33.85
-20.51
20.51
Des
12
150
175.15
-25.15
632.72
25.15
-16.77
16.77
Total
-
2486
2318.79
32.21
45384.03 559.49
-47.85
276.11
54
= 3782
b. Metode Eksponential Smoothing α = 0,8 Tabel 4.7 Hasil Perhitungan Metode Eksponential Smoothing α = 0,8
Demand
Forecast
(y- y'/y)
|(y-y'/y)
Bulan
t
(y)
(y')
y-y'
(y- y')2
|y- y'|
x100
x100|
Jan
1
135
-
-
-
-
-
-
Feb
2
255
135
120
14400
120
47.06
47.06
Mar
3
198
231
-33
1089
33
-16.67
16.67
Apr
4
235
204.60
30.40
924.16
30.4
12.94
12.94
Mei
5
176
228.92
-52.92
2800.53
52.92
-30.07
30.07
Jun
6
229
186.58
42.42
1799.12
42.42
18.52
18.52
Jul
7
287
220.52
66.48
4420.02
66.48
23.16
23.16
Ags
8
300
273.70
26.30
691.51
26.30
8.77
8.77
Sep
9
156
294.74
-138.74
19248.97
138.74
-88.94
88.94
Okt
10
200
183.75
16.25
264.12
16.25
8.13
8.13
Nop
11
165
196.75
-31.75
1008.04
31.75
-19.24
19.24
Des
12
150
171.35
-21.35
455.82
21.35
-14.23
14.23
Total
-
2486
2326.91
24.09
47101.29
579.61
-50.57
287.73
55
= 3925,10
c. Metode Eksponential Smoothing α = 0,9 Tabel 4.8 Hasil Perhitungan Metode Eksponential Smoothing α = 0,9 Demand
Forecast
(y)
(y')
y-y'
(y- y')2
(y- y'/y)
|(y-y'/y)
|y- y'|
x100
x100|
Bulan
t
Jan
1
135
-
-
-
-
-
-
Feb
2
255
135
120
14400
120
47.06
47.06
Mar
3
198
243
-45
2025
45
-22.73
22.73
Apr
4
235
202.50
32.50
1056.25
32.50
13.83
13.83
Mei
5
176
231.75
-55.75
3108.06
55.75
-31.68
31.68
Jun
6
229
181.58
47.43
2249.13
47.43
20.71
20.71
Jul
7
287
224.26
62.74
3936.62
62.74
21.86
21.86
Ags
8
300
280.73
19.27
371.50
19.27
6.42
6.42
Sep
9
156
298.07
-91.07
91.07
Okt
10
200
170.21
14.90
14.9
-142.07 20184.62 142.07 29.79
887.61
29.79
56
Nop
11
165
197.02
-32.02
1025.33
32.02
-19.41
19.41
Des
12
150
168.20
-18.20
331.32
18.20
-12.13
12.13
Total
-
2,486
2332.31
18.69
49575.43 604.77
-52.24
301.8
= 4131,28
Metode Konstan Berikut adalah hasil dari perhitungan peramalan permintaan twistlock dengan menggunakan metode konstan dan perhitungan kesalahan peramalan untuk metode konstan. Tabel 4.9 Hasil Perhitungan Metode Konstan Demand
Forecast
(y- y'/y)
|(y-y'/y)
Bulan
t
(y)
(y')
y-y'
(y- y')2
|y- y'|
x100
x100|
Jan
1
135
207
-72
5208.03
72
-53.46
53.46
Feb
2
255
207
48
2288.03
48
18.76
18.76
Mar
3
198
207
-9
84.03
9
-4.63
4.63
57
Apr
4
235
207
28
774.69
28
11.84
11.84
Mei
5
176
207
-31
971.36
31
-17.71
17.71
Jun
6
229
207
22
476.69
22
9.53
9.53
Jul
7
287
207
80
6373.36
80
27.82
27.82
Ags
8
300
207
93
8618.03
93
30.94
30.94
Sep
9
156
207
-51
2618.03
51
-32.80
32.8
Okt
10
200
207
-7
51.36
7
-3.58
3.58
Nop
11
165
207
-42
1778.03
42
-25.56
25.56
Des
12
150
207
-57
3268.03
57
-38.11
38.11
Total
-
2486
2486
0
32509.67
540
-76.95
275
= 2709,13
Metode Moving Averages Berikut adalah hasil peramalan produk twistlock dengan menggunakan metode rata-rata bergerak pada bulan ke-3, ke-4 dan ke-5 dan perhitungan kesalahan untuk metode rata-rata bergerak (Moving Averages).
58
a. Moving Average 3 Bulan Tabel 4.10 Hasil Perhitungan Metode Moving Average 3 Bulan Demand
Forecast
(y- y'/y)
|(y-y'/y)
Bulan
t
(y)
(y')
y-y'
(y- y')2
|y- y'|
x100
x100|
Jan
1
135
-
-
-
-
-
-
Feb
2
255
-
-
-
-
-
-
Mar
3
198
-
-
-
-
-
-
Apr
4
235
196
39
1521
39
16,60
16,6
Mei
5
176
229,33
-53,33
2844,44
53,33
-30,30
30,3
Jun
6
229
203
26
676
26
11,35
11,35
Jul
7
287
213,33
73,67
5426,78
73,67
25,67
25,67
Ags
8
300
230,67
69,33
4807,11
69,33
23,11
23,11
Sep
9
156
272
-116
13456
116
-74,36
74,36
Okt
10
200
247,67
-47,67
2272,11
47,67
-23,83
23,83
Nop
11
165
218,67
-53,67
2880,11
53,67
-32,53
32,53
Des
12
150
173,67
-23,67
560,11
23,67
-15,78
15,78
Total
-
2486
1984
-86,33
34443,67 502,34
-100,07
253,53
59
= 3827,04
b. Moving Average 4 Bulan Tabel 4.11 Hasil Perhitungan Metode Moving Average 4 Bulan Demand
Forecast
(y- y'/y)
|(y-y'/y)
Bulan
t
(y)
(y')
y-y'
(y- y')2
|y- y'|
x100
x100|
Jan
1
135
-
-
-
-
-
-
Feb
2
255
-
-
-
-
-
-
Mar
3
198
-
-
-
-
-
-
Apr
4
235
-
-
-
-
-
-
Mei
5
176
205.75
-29.75
885.06
29.75
-16.90
16.90
Jun
6
229
216
13
169
13
5.68
5.68
Jul
7
287
209.50
77.50
6006.25
77.5
27
27
Ags
8
300
231.75
68.25
4658.06
68.52
22.75
22.75
Sep
9
156
248
-92
8464
92
-58.97
58.97
Okt
10
200
243
-43
1849
43
-21.50
21.50
Nop
11
165
235.75
-70.75
5005.56
70.75
-42.88
42.88
Des
12
150
205.25
-55.25
3052.56
55.25
-36.83
36.83
Total
-
2486
1795
-132
30089.50 449.77
-121.66
232.51
60
= 3761,19
c. Moving Average 5 Bulan Tabel 4.12 Hasil Perhitungan Metode Moving Average 5 Bulan Demand
Forecast
(y- y'/y)
|(y-y'/y)
Bulan
t
(y)
(y')
y-y'
(y- y')2
|y- y'|
x100
x100|
Jan
1
135
-
-
-
-
-
-
Feb
2
255
-
-
-
-
-
-
Mar
3
198
-
-
-
-
-
-
Apr
4
235
-
-
-
-
-
-
Mei
5
176
-
-
-
-
-
-
Jun
6
229
199.80
29.20
852.64
29.20
12.75
12.75
Jul
7
287
218.60
68.40
4678.56
68.40
24
24
Agus
8
300
225
75
5625.00
75
25
25
Sep
9
156
245.40
-89.40
7992.36
89.40
-57.31
57.31
Okt
10
200
229.60
-30
876
30
-14.80
14.80
Nop
11
165
234.40
-69.40
4816.36
69.40
-42.06
42.06
Des
12
150
221.60
-71.60
5126.56
71.60
-47.73
47.73
Total
-
2486
1574
-87
29967.64
433
-100.32
223.65
61
= 4281,09
4.2.2. Analisa Kesalahan Pe ramalan Tabel 4.13 Perbandingan Nilai Kesalahan SEE, MAD, MAPE dan MSE Metode Peramalan
SEE
MAD
MAPE
MSE
Linear
56.47
44.17
21.97
2657
Eksponensial Smoothing α = 0,7
67.37
46.62
23
3782
Eksponensial Smoothing α = 0,8
68.63
48.3
23.97
3925.1
Eksponensial Smoothing α = 0,9
70.4
50.39
25.15
4131.28
Konstan
57.01
45
22.91
2709.13
Moving Average 3
70.14
55.81
28.17
3817.04
Moving Average 4
70.82
56.22
29.06
3761.19
Moving Average 5
77.41
61.85
31.95
4281.09
Dari tabel 4.13 terlihat bahwa metode peramalan Linear mempunyai nilai akurasi kesalahan terkecil, sehingga metode Linear akan dipilih untuk pengolahan data selanjutnya.
62
Pada penelitian ini penulis hanya menggunakan 4 metode peramalan. Metode Quadratic, Eksponensial dan metode Siklis tidak dapat diterapkan karena tidak sesuai dengan jumlah permintaan yang ada. 4.2.3. Perhitungan Peramalan Periode Selanjutnya Pada perhitungan diatas telah dipilih metode peramalan Linear dan dari metode tersebut dilakukan perhitungan peramalan untuk bulan yang akan datang dengan menggunakan rumus sebagai berikut: y’ = 220,71 – 2,08.t Dengan data dari permintaan konsumen yang akan datang didapat hasil peramalan sebagai berikut: Tabel 4.14 Hasil Peramalan Permintaan Tahun 2015 Berdasarkan Metode Linear Forecast Bulan
t
(Unit)
Jan
13
193.62
Feb
14
191.54
Mar
15
189.51
Apr
16
187.43
Mei
17
185.35
Jun
18
183.27
Jul
19
181.19
Ags
20
179.11
63
Sep
21
177.03
Okt
22
174.95
Nop
23
172.87
Des
24
170.70
4.2.4. Peta Rentang Bergerak (Moving Range) Langkah selanjutnya dalam menentukan metode peramalan terbaik adalah melakukan pengujian verifikasi (pemeriksaan) dengan menggunakan peta Moving Range dengan membandingkan nilai peramalan Linear. Hasil perhitungan nilai Moving Range untuk peramalan Linear adalah sebagai berikut: Tabel 4.15 Perhitungan Moving Range Metode Linear Bulan
t
y'
y
|MR|
Jan
1
218.63
135
-
Feb
2
216.54
255
122.08
Mar
3
214.46
198
54.92
Apr
4
212.38
235
39.08
Mei
5
210.29
176
56.92
Jun
6
208.21
229
55.08
Jul
7
206.12
287
60.08
Ags
8
204.04
300
15.08
Sep
9
201.96
156
141.92
Okt
10
199.87
200
46.08
64
Nop
11
197.79
165
32.92
Des
12
195.71
150
12.92
Total
637.08
Kemudian diperoleh apakah hasil peramalan yang dilakukan berada pada batas kontrolnya atau berada diluar batas kontrolnya dengan perhitungan sebagai berikut:
Peta Moving Range Metode Linear 200,00 150,00 100,00
50,00 0,00 -50,00
1
2
3
4
5
6
7
8
9
10
11
12
-100,00 -150,00 -200,00
y'-y
BKA
BKB
Gambar 4.5 Grafik Peta Pengendali Uji Verifikasi Peramalan Metode Linear Dari hasil pemeriksaan dan pengendalian data peramalan metode Linear tersebut, maka dapat dikatakan bahwa peramalan tersebut valid dan layak untuk
65
digunakan karena seluruh data hasil peramalan dapat dikontrol dalam peta kendali rentang bergerak. 4.2.5. Penentuan Lotting Penentuan ukuran lot didapatkan dengan melihat total biaya yang paling minimum yaitu total biaya pemesanan dan biaya penyimpanan selama satu tahun. Jenis ukuran lot yang dibandingkan dalam penelitian ini adalah:
Lot for Lot (LFL)
Economic Order Quantity (EOQ)
Fixed Order Quantity (FOQ)
Fixed Period Requirement (FPR)
Untuk perbandingan total biaya dari keempat ukuran lot dapat dilihat pada tabel 4.16, untuk perhitungan lengkapnya dapat dilihat pada lampiran. Tabel 4.16 Perbandingan Total Biaya Keempat Ukuran Lot Metode
Biaya Simpan (Rp)
LFL
-
6.000.000
6.000.000
FPR
50.412.500
3.000.000
53.412.500
EOQ
49.998.500
4.000.000
53.998.500
3.750.000
77.877.500
FOQ
74.127.500
Biaya Pesan (Rp)
Total (Rp)
66
Dari keempat ukuran lot, metode Lot for Lot memiliki total biaya yang paling minimum yaitu Rp 6.000.000,-. Namun, metode ini tidak bisa diterapkan di perusahaan karena perusahaan menginginkan adanya persediaan, maka metode yang akan digunakan adalah Fixed Period Requirement (FPR) dengan menggabungkan jumlah permintaan 2 periode. 4.2.6. Jadwal Induk Produksi (Master Production Schedule) Data MPS ini didapat didapat dari perhitungan peramalan permintaan dengan metode Linear dan diasumsikan bahwa kapasitas perusahaan dapat memenuhi peramalan permintaan, yaitu sebagai berikut: Tabel 4.17 Jadwal Induk Produksi Tahun 2015 (MPS) Kebutuhan Bahan Baku Permintaan No
Bulan
ASSAB
ASSAB
705
ST14
(Unit)
1
Jan
194
4850
970
2
Feb
192
4800
960
3
Mar
190
4750
950
4
Apr
188
4700
940
5
Mei
186
4650
930
6
Jun
184
4600
920
7
Jul
182
4550
910
8
Ags
180
4500
900
9
Sep
178
4450
890
67
10
Okt
175
4375
875
11
Nop
173
4325
865
12
Des
171
4275
855
2193
54825
10965
Total
4.2.6. Perhitungan MRP Pada Bahan Baku Produk Twistlock 4.2.6.1.Metode Fixed Period Requirement (FPR) Konsep ini menggunakan konsep permintaan dengan interval tetap, tetapi jumlah yang dipesan bervariasi. Jumlah yang dipesan merupakan penjumlahan dari permintaan dari periode-periode yang ada. Misalnya kebutuhan dua periode telah ditetapkan, teknik ini dapat memaskan pesanan periode lainya, kecuali saat kebutuhan bersih dalam suatu periode yang di tentukan sama dengan nol dapat memajukan interval permintaan. Karena dalam penulisan laporan ini tentang merencanakan kebutuhan material pada satu tahun mendatang, maka agar lebih efisien interval waktu yang digunakan adalah tiap dua periode. Hasil perhitunganya adalah sebagai berikut:
Tabel 4.18 Perhitungan MRP Twistlock dengan Metode Fixed Period Requirement
MRP for Twistlock (Level 0) Lead Time = 1
Lot Size = FPR
Product on Hand = 0 0
Safety Stock = 0
1
2
3
4
5
6
7
8
9
10
11
12
Total
194
192
190
188
186
184
182
180
178
175
173
171
2193
192
0
188
0
184
0
180
0
175
0
171
0
1090
NR
194
192
190
188
186
184
182
180
178
175
173
171
PORec
386
0
378
0
370
0
362
0
353
0
344
0
0
378
0
370
0
362
0
353
0
344
0
GR POH
PORel
0
386
68
6
Tabel 4.19 Perhitungan MRP ASSAB 705 dengan Metode Fixed Period Requirement
MRP for ASSAB 705 (Level 1) Lead Time = 1
Lot Size = FPR
Product on Hand = 0 0
Safety Stock = 0
1
2
3
4
5
6
7
8
9
10
11
12
Total
4850
4800
4750
4700
4650
4600
4550
4500
4450
4375
4325
4275
54825
4800
0
4700
0
4600
0
4500
0
4375
0
4275
0
27250
NR
4850
4800
4750
4700
4650
4600
4550
4500
4450
4375
4325
4275
PORec
9650
0
9450
0
9250
0
9050
0
8825
0
8600
0
0
9450
0
9250
0
9050
0
8825
0
8600
0
GR POH
PORel
0
9650
69
6
Tabel 4.20 Perhitungan MRP ASSAB ST14 dengan Metode Fixed Period Requirement
MRP for ASSAB ST14 (Level 1) Lead Time = 1
Lot Size = FPR
Product on Hand = 0 0
Safety Stock = 0
1
2
3
4
5
6
7
8
9
10
11
12
Total
970
960
950
940
930
920
910
900
890
875
865
855
10965
960
0
940
0
920
0
900
0
875
0
855
0
5450
NR
970
960
950
940
930
920
910
900
890
875
865
855
PORec
1930
0
1890
0
1850
0
1810
0
1765
0
1720
0
0
1890
0
1850
0
1810
0
1765
0
1720
0
GR POH
PORel
0
1930
70
6
