BAB 5 HASIL DAN PEMBAHASAN

BAB 5 HASIL DAN PEMBAHASAN

5.1 Pengumpulan Data 5.1.1

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 100x100x22 90x200x14 120x200x14 160x200x14 90x200x18 120x200x18 160x200x18 180x200x18 90x200x18 120x200x18 160x200x18 180x200x18 200x5000x1 60x5000x1 90x200x14 120x200x14

Jenis Produk

Minggu Memesan

Density 16 Minggu 1 Density 20

Rebounded

Minggu 3

Density 16

Minggu 2

Density 20

Minggu 2

Density 16

Minggu 4

Density 22

Minggu 1

106

CV.Inkha Mitra Setia (IMS)

CV. Handel Abadi (HA)

160x200x14 90x200x18 120x200x18 160x200x18 180x200x18 90x200x4 100x200x4 120x200x4 160x200x4 180x200x4 90x200x2 100x200x2 120x200x2 160x200x2 180x200x2 100x100x22 90x200x18 100x200x18 120x200x18 160x200x18 180x200x18

Density 16 Minggu 2 Density 22

Rebounded

Minggu 4

Density 20

minggu 3

Dari daftar ini kemudian akan dibuatkan penjadwalan produksi untuk barang yang diminta pada periode yang akan datang.

5.1.2

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 7 8 9

Ukuran 200x5000x1 60x5000x1 200x5000x1 60x5000x1 200x5000x1 60x5000x1

Jumlah Rol 50 70 60 70 90 80

Pembagi 80 240 80 240 80 240

Total Kubik Besar 2 2 3

107

10 11 12 1 2 3 4 5 6 7 8 9

200x5000x1 60x5000x1 200x5000x1 60x5000x1 200x5000x1 60x5000x1 200x5000x1 60x5000x1 200x5000x1 60x5000x1 200x5000x1 60x5000x1 200x5000x1 60x5000x1 200x5000x1 60x5000x1 200x5000x1 60x5000x1 200x5000x1 60x5000x1 200x5000x1 60x5000x1 200x5000x1 60x5000x1

100 90 100 90 75 50 70 60 90 60 100 75 110 75 100 80 60 60 110 75 100 75 100 90

80 240 80 240 80 240 80 240 80 240 80 240 80 240 80 240 80 240 80 240 80 240 80 240

3 3 2 2 3 3 3 3 2 3 3 3

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

=

Jumlahrol 2 Jumlahrol 0,6 + pembagirol 2 pembagirol 0,6

Total kubik bulan 7 =

50 70 + 80 240

= 0,625 + 0,29 = 1 + 1 = 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.

109 5.1.3.2 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 Bulan 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9

Tahun

2005

2006

Inkha (1) 3 3 3 3 4 2 3 3 3 4 4 2 3 3 3

UJP (2) 6 7 7 7 7 5 6 6 7 7 7 4 6 6 6

HA (3) 11 12 12 13 12 8 9 10 11 13 13 8 10 11 12

Kobe (1-4) 0 1 2 2 2 1 1 2 2 2 2 2 1 2 2

Teiso (1-4) Permintaan 0 20 4 27 4 28 4 29 4 29 3 19 4 23 5 26 5 28 5 31 5 31 3 19 4 24 4 26 5 28

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

2005

2006

Bulan 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9

Minggu ke 1 3 5 5 5 6 4 5 5 5 6 6 4 5 5 5

2 6 8 9 9 9 6 7 8 9 9 9 6 7 8 8

3 11 13 13 14 13 9 10 12 13 15 15 9 11 12 14

4 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1

Total 20 27 28 29 29 19 23 26 28 31 31 19 24 26 28

5.1.3.3 Density 22

Tabel 5.7 berikut adalah tabel penjualan historis busa density 22 dengan nama pemesannya.

110 Tabel 5.7 Tabel Data Historis Busa Density 22 Bulan 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9

Tahun

2005

2006

SS (1) 8 9 9 9 9 7 7 8 8 9 9 7 8 9 9

IMS (2) 1 1 2 2 2 1 1 1 2 1 2 1 1 1 1

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

2005

2006

Bulan 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9

Minggu ke 1 8 9 9 9 9 7 7 8 8 9 9 7 8 9 9

2 1 1 2 2 2 1 1 1 2 1 2 1 1 1 1

Total 9 10 11 11 11 8 8 9 10 10 11 8 9 10 10

5.1.3.4 Busa Rebounded

Tabel 5.9 berikut adalah tabel penjualan historis busa Rebounded dengan nama pemesannya.

111 Tabel 5.9 Tabel Data Historis Busa Rebounded Tahun

2005

2006

Bulan 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9

Total 44 53 55 60 52 26 40 45 54 66 57 29 40 45 54

SP (3) 24 28 30 30 32 16 20 20 24 36 32 16 20 20 24

HA (4) 20 25 25 30 20 10 20 25 30 30 25 13 20 25 30

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 Tahun

2005

2006

Bulan 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9

Minggu ke 3 4 24 20 28 25 30 25 30 30 32 20 16 10 20 20 20 25 24 30 36 30 32 25 16 13 20 20 20 25 24 30

Total 44 53 55 60 52 26 40 45 54 66 57 29 40 45 54

5.2 Pengolahan Data 5.2.1

Peramalan Permintaan

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 2006. Data-data penjualan yang digunakan adalah untuk busa density 16, density 20, density 22 serta busa rebounded.

112 5.2.1.1 Plot Data Penjualan 5.2.1.1.1

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

15

M1

10

M2 M4

5 0 1

2

3

4

5

6

7

8

9

10 11 12 13 14 15

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.

5.2.1.1.2

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.

113

Jumlah

Penjualan 16 14 12 10 8 6 4 2 0

M1 M2 M3 M4

1

2

3

4

5

6

7

8

9 10 11 12 13 14 15

Periode

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.

5.2.1.1.3

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

Jumlah

8 6

M1

4

M2

2 0 1

2

3

4

5

6

7

8

9 10 11 12 13 14 15

Periode

Gambar 5.3 Pola Data Penjualan Busa Density 22

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.

5.2.1.1.4

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

Jumlah

40 30 m3

20

m4

10 0 1

2

3

4

5

6

7

8

9 10 11 12 13 14 15

Periode

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.

5.2.1.2 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

115 metode peramalan yang setelah diuji memberikan hasil MAE, MSE dan MAPE yang terbaik. Hasil dan tabel peramalan metode lainnya dapat dilihat di lampiran.

5.2.1.2.1

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

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Xt

8 8 9 9 11 6 8 9 9 11 10 6 8 9 9

St

It

8.00 8.13 8.24 8.37 8.48 8.59 8.70 8.82 8.93

0.94 0.94 1.06 1.06 1.29 0.71 0.97 1.02 1.07 1.18 1.24 0.70 0.95 1.02 1.04

bt

0.11 0.11 0.11 0.11 0.11 0.11 0.11 0.11 0.11

m

Ft

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 3

8.72 8.85 10.99 6.07 8.44 9.00 9.60 10.68 11.34 6.51

116 MAE MSE MAPE

X=

0.65 0.89 6.55

8.5

L

α

β

γ

6

0.01

0.48

0.1

Contoh perhitungan peramalan triple exponential smoothing winter:

Panjang Musiman (L) = 6 Rata-rata musiman = ( X1+X2+X3+X4+X5+X6) / 6 = (8+8+9+9+11+6) / 6 = 8,5 I1 = 8 / 8,5 = 0,94 I2 = 8 / 8,5 = 0,94 I3 = 9 / 8,5 = 1,06 I4 = 9 / 8,5 = 1,06 I5 = 11 / 8,5 = 1,29 I6 = 6 / 8,5 = 0,71 • Periode ke - 7: Pemulusan Keseluruhan ( S ) = Permintaan periode 7 (inisialisasi) Pemulusan Musiman ( I ) = β

Xt + (1 − β ) I ( t − L ) St

8 = 0,7 + (1 − 0,7)0,94 8 = 0,98 Pemulusan Trend ( b ) =

[( 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

117 =

[(8 − 8) + (9 − 8) + (9 − 9) + (11 − 9) + (10 − 11) + (6 − 6)] 3*6

= 0,11 • Periode ke - 8: Pemulusan Keseluruhan ( S ) = α

X8 + (1 − α )( S (8−1) + b(8−1) ) I 8−6

= 0,1

9 + (1 − 0,1)(8 + 0,11) 0,94

= 8,13 Pemulusan Musiman ( I ) = β

X8 + (1 − β ) I (8− 6) S8

= 0,7

9 + (1 − 0,7)0,94 8,16

= 1,05 Pemulusan Trend ( b ) = γ ( S 8 − S (8−1) ) + (1 − γ )b(8−1) = 0,1(8,16 − 8) + (1 − 0,1)0,11

= 0,11 Peramalan (F9) = ( St + bt * m) I ( t − L + m ) = (8,16 + 0,02 * 1)0,11 = 8,72

118 Tabel 5.12 Tabel Peramalan Triple Exponential Smoothing winter minggu 2 density 16 T

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 MAE MSE MAPE

Xt

11 12 13 15 14 8 10 11 13 13 13 8 9 11 12

St

It

10.00 10.15 10.62 10.56 10.74 11.16 10.76 10.76 10.75

0.90 0.99 1.07 1.23 1.15 0.66 0.93 1.02 1.12 1.23 1.17 0.68 0.90 1.02 1.12

-0.28 -0.19 -0.06 -0.06 -0.01 0.07 -0.02 -0.02 -0.01

X=

12.16667

0.83 1.36 7.81

bt

m

Ft

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 3

10.64 13.02 12.08 7.05 10.48 10.90 11.99 13.23 12.53 7.23

L

α

β

γ

6

0.3

0.3

0.2

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

MAE MSE MAPE

Ft

Xt

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

2 2 3 3 3 2 2 3 3 3 3 2 3 3 3

0,37 0,16 14,51

2,50 2,50 2,67 2,67 2,67 2,67 2,67 2,83 2,83 2,83 2,83 2,83

119 Contoh Perhitungan: Ft+1 =

X1 + X 2 + X 3 + X 4 + X 5 + X 6 6

F7 = ( 2 + 2 + 3 + 3 + 3 + 2) / 6 = 2,5

5.2.1.2.2

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

Xt

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

3 5 5 5 6 4 5 5 5 6 6 4 5 5 5

MAE MSE MAPE

0,43 0,36 8,49

Ft

4,67 5,00 5,00 5,00 5,17 5,17 5,17 5,17 5,17 5,17 5,17 5,17

120 Tabel 5.15 Tabel Peramalan Single Moving Average 6 bulanan minggu 2 density 20 t

Xt

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

6 8 9 9 9 6 7 8 9 9 9 6 7 8 8

MAE MSE MAPE

Ft

7,83 8,00 8,00 8,00 8,00 8,00 8,00 8,00 8,00 7,83 7,83 7,83

0,76 0,97 10,32

Tabel 5.16 Tabel Peramalan Triple Exponential Smoothing winter minggu 3 density 20 T

Xt

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

11 13 13 14 13 9 10 12 13 15 15 9 11 12 14

MAE MSE MAPE

0.82 1.69 7.19

St

It

10.00 11.11 12.13 13.03 14.03 12.45 12.02 11.25 12.85

0.90 1.07 1.07 1.15 1.07 0.74 0.91 1.07 1.07 1.15 1.07 0.74 0.91 1.07 1.07

bt

0.06 0.69 0.89 0.90 0.95 -0.57 -0.48 -0.66 0.70

X=

12.16667

m

Ft

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 3

12.61 14.98 14.88 11.08 10.86 12.35 11.32 15.59 15.22 11.02

L

α

β

γ

6

0.9

0.1

0.6

121 Tabel 5.17 Tabel Peramalan Single Moving Average 6 bulanan minggu 4 density 20 t

Xt

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

0 1 1 1 1 0 1 1 1 1 1 0 1 1 1

MAE MSE MAPE

Ft

0,67 0,83 0,83 0,83 0,83 0,83 0,83 0,83 0,83 0,83 0,83 0,83

0,26 0,11 16,67

Untuk tabel 5.14 – 5.17 tidak disertakan contoh perhitungan, karena perhitungan untuk metode ini sama dengan metode yang digunakan untuk subbab busa density 16.

5.2.1.2.3

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..

122 Tabel 5.18 Tabel Peramalan Single Ekponensial Smoothing α=0,9 minggu 1 density 22 t

Xt

Ft

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

8 9 9 9 9 7 7 8 8 9 9 7 8 9 9

8,00 8,00 8,90 8,99 9,00 9,00 7,20 7,02 7,90 7,99 8,90 8,99 7,20 7,92 8,89 8,99 8,99 8,99

MAE MSE MAPE

0,65 0,91 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

Xt

Ft

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

1 1 2 2 2 1 1 1 2 1 2 1 1 1 1

1,00 1,00 1,00 1,90 1,99 2,00 1,10 1,01 1,00 1,90 1,09 1,91 1,09 1,01 1,00 1,00 1,00 1,00

MAE MSE MAPE

0,46 0,42 20,16

Untuk tabel 5.19 tidak disertakan contoh perhitungan, karena perhitungan untuk metode ini sama dengan tabel 5.18

123 5.2.1.2.4

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

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 MAE MSE MAPE

Xt

24 28 30 30 32 16 20 20 24 36 32 16 20 20 24

3.92 36.38 14.71

St

It

20.00 19.18 20.06 26.39 26.61 26.72 24.18 21.32 21.08

0.90 1.05 1.13 1.13 1.20 0.60 0.91 1.05 1.13 1.15 1.20 0.60 0.90 1.04 1.13

bt

-0.67 -0.68 -0.53 0.16 0.17 0.16 -0.11 -0.39 -0.37

X=

26.66667

m

Ft

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 3

20.81 21.97 31.86 16.07 24.46 25.26 23.70 23.79 24.41 11.98

L

α

β

γ

6

0.55

0.1

0.1

124 Tabel 5.21 Tabel Peramalan Triple Exponential Smoothing winter minggu 4 rebounded T

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 MAE MSE MAPE

Xt

20 25 25 30 20 10 20 25 30 30 25 13 20 25 30

St

It

20.00 21.01 23.03 23.24 24.96 26.55 25.71 25.03 25.67

0.92 1.15 1.15 1.38 0.92 0.46 0.93 1.16 1.17 1.38 0.93 0.46 0.92 1.14 1.17

0.72 0.75 0.88 0.81 0.90 0.97 0.79 0.64 0.64

X=

21.67

3.31 15.19 13.84

bt

m

Ft

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 3

25.10 33.10 22.20 11.93 25.62 30.68 30.01 36.19 25.10 12.82

L

α

β

γ

6

0.3

0.1

0.1

Untuk tabel 5.20 – 5.21 tidak disertakan contoh perhitungan, karena perhitungan untuk metode ini sama dengan metode yang digunakan untuk subbab busa density 16.

5.2.1.3 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.

125 5.2.1.3.1

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

MAE MSE MAPE

Minggu ke 1 Winter WMA Terendah 0.65 0.88 Winter 0.89 1.39 6.55 10.65


SMA 0.37 0.16 14.51

Minggu ke 4 SES Terendah 0,41 SMA 0,37 16,30

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.

5.2.1.3.2

Busa Density 20

Setelah melakukan uji coba peramalan dengan metode-metode peramalan diatas dengan data historis mingguan penjualan busa density 20, maka didapatkanlah nilai

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

MAE MSE MAPE

MAE MSE MAPE

SMA 0.43 0.36 8.49



SMA 0.76 0.97 10.32


SMA 0.26 0.11 16.67


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.

5.2.1.3.3

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.

127 Tabel 5.24 Hasil MAE, MSE dan MAPE Peramalan Density 22

MAE MSE MAPE

SMA 0,72 0,73 8,98

Minggu ke 1 SES Terendah 0,65 SES 0,91 SMA 4,09 SES

SMA 0,44 0,21 37,96

Minggu ke 2 SES Terendah 0,46 SMA 0,42 SMA 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.

5.2.1.3.4

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

MAE MSE MAPE

Winter 3.92 36.38 14.71

Minggu ke 3 WMA Terendah 6.11 Winter 43.91 26.35

Winter 3.31 15.19 13.84

Minggu ke 4 WMA Terendah 4.77 Winter 29.09 21.63

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.

5.2.2

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.

129 5.2.2.1 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

108 5.1.3

Data Penjualan Historis

5.1.3.1 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

2005

2006

Bulan 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9

Inka (1) 8 8 9 9 11 6 8 9 9 11 10 6 8 9 9

Pesanan Rudi (2) Era (4) 9 2 10 2 10 3 12 3 11 3 6 2 8 2 9 3 11 3 11 3 10 3 6 2 7 3 9 3 10 3

IMS (2) 2 2 3 3 3 2 2 2 2 2 3 2 2 2 2

Total 21 22 25 27 28 16 20 23 25 27 26 16 20 23 24

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

2005

2006

Bulan 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9

1 8 8 9 9 11 6 8 9 9 11 10 6 8 9 9

Minggu ke 2 11 12 13 15 14 8 10 11 13 13 13 8 9 11 12

4 2 2 3 3 3 2 2 3 3 3 3 2 3 3 3

Total 21 22 25 27 28 16 20 23 25 27 26 16 20 23 24

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%.

5.2.2.1.1

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.

131 Tabel 5.26 Uji Keseragaman Data WS-1

WS-1 Data

Waktu Siklus (dtk)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Total

96.75 100.23 95.89 101.12 100.36 92.88 96.3 102.16 101.74 98.65 96.69 101.96 98.7 99.06 104.29 102.85 95.3 97.46 98.52 96.89 101.02 102.52 98.21 95.14 104.6 98.91 98.76 100.11 97.46 103.41 2977.94

X

98.608

99.172

100.014

297.794

Xt − X

( X t − X )2

X t2

-2.51 0.97 -3.37 1.86 1.1 -6.38 -2.96 2.9 2.48 -0.61 -2.57 2.7 -0.56 -0.2 5.03 3.59 -3.96 -1.8 -0.74 -2.37 1.76 3.26 -1.05 -4.12 5.34 -0.35 -0.5 0.85 -1.8 4.15 0.14

6.3001 0.9409 11.3569 3.4596 1.21 40.7044 8.7616 8.41 6.1504 0.3721 6.6049 7.29 0.3136 0.04 25.3009 12.8881 15.6816 3.24 0.5476 5.6169 3.0976 10.6276 1.1025 16.9744 28.5156 0.1225 0.25 0.7225 3.24 17.2225 247.0648

9360.5625 10046.0529 9194.8921 10225.2544 10072.1296 8626.6944 9273.69 10436.6656 10351.0276 9731.8225 9348.9561 10395.8416 9741.69 9812.8836 10876.4041 10578.1225 9082.09 9498.4516 9706.1904 9387.6721 10205.0404 10510.3504 9645.2041 9051.6196 10941.16 9783.1881 9753.5376 10022.0121 9498.4516 10693.6281 295851.2856

X

99.26

δ

2.92

δx 3δx BKA BKB

0.92 2.76 102.02 96.5

132 Langkah – langkah perhitungan : 1. Rata – rata subgrup : Rumus

: Xk=

∑ Xi n

Dimana : n = ukuran subgrup, yaitu banyaknya data dalam satu subgrup k = jumlah subgrup yang terbentuk Xi = data pengamatan X1+ X 2 + X 3 + X 4 + X 5 + X 6 + X 7 + X 8 + X 9 + X10 10 96,75+100,23+ 95,89+101,12+100,36+ 92,88+ 96,3 +102,16+101,74+ 98,65 X1 = = 98,608 10

X1 =

X11+ X12 + X13+ X14 + X15 + X16 + X17 + X18 + X19 + X 20 10 96,69 + 101,96 + 98,7 + 99,06 + 104,29 + 102,85 + 95,3 + 97,46 + 98,52 + 96,89 X2 = = 99,172 10 X2 =

X 21+ X 22+ X 23+ X 24+ X 25+ X 26+ X 27+ X 28+ X 29+ X 30 10 101,02+102,52+ 98,21+ 95,14+104,6 + 98,91+ 98,76+100,11+ 97,46+103,41 = 100,014 X3 = 10

X3 =

2. Rata – rata keseluruhan : Rumus

:X =

X=

∑ Xk k

∑ Xk = X 1 + X 2 + X 3 = 297,794 = 99,26 3

k

3. Simpangan baku :

(

∑ Xi − X N −1

)

2

Rumus

:δ=

Dimana

: N = jumlah pengamatan

3

133 247,0648 30 − 1

δ=

= 2,92 4. Simpangan baku dari distribusi rata – rata subgrup : Rumus

: δx =

δx =

δ n 2,92 3

= 0,92

5. Batas – batas kendali : Rumus

: BKA = X +3 δx BKA = 99.26+ 3 ( 0,92) = 102,02 BKB = X - 3 δx BKB = 99.26- 3 (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.

Detik

Grafik BKA dan BKB WS-1 103 102 101 100 99 98 97 96 95 94 93

Waktu BKA BKB

1

2

3

subgroup

Gambar 5.6 Grafik BKA & BKB WS-1

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 1.96. − Menghitung N’ ⎡Z ⎢ N' = ⎢ s ⎢⎣

N’=

2 ⎤ N ∑ Xi 2 − (∑ Xi ) ⎥ ⎥ ∑ Xi ⎥⎦

⎡ 1, 96 ⎢ 0 , 05 ⎢ ⎢ ⎣

2

30 . 295851 , 2856 - (2977,94 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:

135

Rumus

∑ Xi N

: Wr= Wr =

5762,54 = 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

3

1087.19 detik / 18,12 menit

1 orang

1 Kubik Busa Besar

4

687.03 detik / 11,45 menit

1 orang

1 Kubik Busa Besar

5.2.2.1.2

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

S

O-1

O-2

O-3

WS 2

WS 3

O-4

O-5

WS 4 O-6

WS 5 O-7

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

F

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

5.2.2.1.3

Waktu rata-rata

Jumlah orang

Satuan Produksi

1


1 orang

1 Kubik Busa Besar

3

1488,79 detik / 24,81 menit

1 orang

1 Kubik Busa Besar

4

1112,63 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

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


1 orang

1 Kubik Busa Besar

4


1 orang

1 Kubik Busa Besar

5.2.2.2 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.

5.2.2.2.1

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

138 berikut menunjukkan rangkuman waktu baku (Wb) untuk workstation-workstation dari lini produksi busa sheet. Tabel 5.30 Wb Workstation-Workstation Busa Sheet

Workstation 1 1 1 (Total) 2 3 4

Waktu Wr penyesua Wn %k (detik) (detik) (kelonggaran) Baku ian 2400 1 2400 2400 99,26 1,22 121,1 147,74 2499,3 1 2499,26 2547,74 22% 28800 1 28800 28800 1087,2 1,11 1206,78 1472,27 687,03 1,13 776,34 947,13

Wb Jumlah Satuan (menit) Orang Produksi 40 1 1 Busa Kubik Besar 2,46 0 1 Busa Kubik Besar 42,46 1 1 Busa Kubik Besar 480 0 11 Busa Kubik Besar 24,54 1 1 Busa Kubik Besar 15,79 1 1 Busa Kubik Besar

Contoh langkah-langkah perhitungan waktu baku (Wb) : •

Untuk workstation-1 manual Waktu rata-rata = Wr =

∑ Xi N

= 99,26 detik (dari tabel 5.27) Waktu normal

= Wn = Wr x p = 99,26 x 1,22 = 121,1 detik

Waktu baku

= Wb = Wn 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.

139 5.2.2.2.2

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 Wr (detik)

penyesuaian

Wn (detik)

Waktu Baku

Wb (menit)

1

2400

1

2400

2400

40

1

1

99,26

1,22

121,1

147,74

2,46

0

2499,26

1

2521,1

2547,74

42,46

1

2

28800

1

28800

28800

480

0

3

1488,79

1,08

1607,89

1961,63

32,69

1

4

1112,63

1,11

1235,02

1506,72

25,11

1

5

613,38

1,13

693,12

845,61

14,09

1

Workstation

1(Total)

5.2.2.2.3

%k (kelonggaran)

22%

Jumlah Orang

Satuan Produksi 1 Busa Kubik Besar 1 Busa Kubik Besar 1 Busa Kubik Besar 11 Busa Kubik Besar 1 Busa Kubik Besar 1 Busa Kubik Besar 1 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.

140 Tabel 5.32 Wb Workstation-Workstation Busa Rebounded Workstation

Wr

penyesu aian

(detik)

Wn (detik)

1

1440

1

1440

2

28800

1

28800

3

213,64

1,11

4

216,37

1,11

%k (kelonggaran )

Waktu Baku

Wb (menit )

Jumla h Orang

1440

24

1

28800

480

0

237,14

289,31

4,82

1

240,17

293,01

4,88

1

22%

Satuan Produksi 1 Busa Kubik Besar 20 Busa Kubik Besar 1 Busa Kubik Besar 1 Busa Kubik Besar

5.2.2.3 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 2006. kolom yang berwarna kelabu menunjukkan bahwa hari itu adalah hari libur (hari Minggu atau hari libur).

141 Minggu 1 8 15 22 29

Senin 2 9 16 23 30

Selasa 3 10 17 24 31

Rabu 4 11 18 25

Kamis 5 12 19 26

Jumat 6 13 20 27

Sabtu 7 14 21 28

Gambar 5.9 Kalender Bulan Oktober 2006 Minggu

Senin

Selasa

5 12 19 26

6 13 20 27

7 14 21 28

Rabu 1 8 15 22 29

Kamis 2 9 16 23 30

Jumat 3 10 17 24

Sabtu 4 11 18 25

Gambar 5.10 Kalender Bulan November 2006

5.2.2.3.1

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 Mesin

Jumlah mesin

waktu operasi

Operasi

Workstation

O-1

1

Mixer

1

4 menit

O-2

1

Foaming + Cutting

1

35 menit

O-3

1

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.

142 Tabel 5.34 Waktu Siklus Workstation Busa Sheet waktu Workstation 1 2 3 4

baku (menit) 42,46 480 18,12 11,45

Jumlah

Jumlah orang

Konversi

unit

/ mesin

unit

1 Kubik Busa Besar 11 Kubik Busa Besar 1 Kubik Busa Besar 1 Kubik Busa Besar

1 0 1 1

11 Kubik busa Besar

waktu siklus (menit) 467,06 480 199,32 125,95

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 2006. 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.

143 Tabel 5.35 Kapasitas Produksi Busa Sheet Bulan

Minggu

Oktober

1 2 3 4

Hari kerja 5 5 5 0

5 6

2/3 5

Okt / Nov Nov

Waktu siklus

48 menit

Reguler 55 55 55 0 22 / 33 55

Kapasitas Lembur 20 20 20 0 8 / 12 20

Total 75 75 75 0 75 75

Contoh langkah-langkah perhitungan untuk mendapatkan kapasitas reguler dan kapasitas lembur untuk bulan Oktober 2006 : Minggu ke 1: Kapasitas Reguler =

=

Hari ker ja * jam ker ja * 60 x11 waktusiklus 5 * 8 * 60 x11 480

= 55 kubik busa Kapasitas Lembur = Rounddown(

= Rounddown(

Jam ker ja * 60 ) * hari ker ja waktusiklus 3 * 60 )*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.

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.

5.2.2.3.2

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 Mesin

Jumlah mesin

waktu operasi

Operasi

Workstation

O-1

1

Mixer

1

4 menit

O-2

1

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

Jumlah

Jumlah orang

Konversi

waktu

baku (menit)

unit

/ mesin

unit

siklus (menit)

1

42,46

2

480

3

32,69

4

25,11

5

14,09

1 Kubik Busa Besar 11 Kubik Busa Besar 1 Kubik Busa Besar 1 Kubik Busa Besar 1 Kubik Busa Besar

1 0 1

467,06 11 Kubik busa Besar

480 359,59

1

276,21

1

154,99

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.

5.2.2.3.3

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 O-1 O-2 O-3

Workstation 1 1 1

Mesin Recycling Recycling Recycling

Jumlah mesin 1 1 1

waktu operasi 16 menit 3 menit 5 menit

Jumlah Unit 1 kubik 1 kubik 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

146 Tabel 5.39 Waktu Siklus Workstation Busa Rebounded waktu Workstation 1 2 3 4

baku (menit) 24 480 4.82 4.88

Jumlah

Jumlah orang

Konversi

unit

/ mesin

unit

1 Kubik 20 Kubik 1 Kubik 1 Kubik

1 0 1 1

20 Kubik Busa

waktu siklus (menit) 480 480 96.4 97.6

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 2006. Tabel 5.40 Kapasitas Produksi Busa Rebounded Bulan

Minggu

Oktober

1 2 3 4

Hari kerja 5 5 5 0

5 6

2/3 5

Okt / Nov Nov

Waktu siklus

24 menit

Reguler 100 100 100 0

Kapasitas Lembur 35 35 35 0

Total 135 135 135 0

40 / 60 100

14 / 21 35

135 135

147 Contoh langkah-langkah perhitungan untuk mendapatkan kapasitas dan kapasitas lembur untuk bulan Oktober 2006 : Minggu ke 1: Kapasitas Reguler =

=

Hari ker ja * jam ker ja * 60 x 20 waktusiklus 5 x8 x60 x 20 24

= 100 kubik busa (ukuran 100x100x100) Kapasitas Lembur = Rounddown(

= Rounddown(

Jam ker ja * 60 ) * hari ker ja waktusiklus 3 * 60 )*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.

5.2.3

Master Production Schedule

5.2.3.1 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.

148 Tabel 5.41 Jadwal produksi beserta kapasitas untuk busa density (16, 20, 22) Periode 1 2 3 4 5 6

Peramalan D16 D20 D22 11 6 10 14 8 2 0 16 0 3 1 0 12 6 10 13 8 2

Master Schedule D16 D20 D22 11 6 10 14 8 2 0 16 0 3 1 0 12 6 10 13 8 2

Total

Kapasitas

27 24 16 4 28 23

75 75 75 0 75 75

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 1 2 3 4 5 6

Peramalan Master Schedule Kapasitas 0 0 135 0 0 135 24 49 135 37 0 0 0 0 135 0 0 135

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

149 masuk. Sesuai dengan kebijakan perusahaan maka ditetapkan demand time fences selama satu minggu, sedangkan planning time fences ditetapkan selama lima minggu.

5.2.3.2 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 2006. Tabel 5.43 Data Actual Order Busa Density 16 Akhir Sept 2006 Minggu 1 2 3 4 5 6

Actual Order 14 16 10 0 15 14

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 Past Due Forecast Actual Order Project Available Balance 30 Available to Promise 30 Master Schedule Kapasitas Produksi Terpasang

1 11 14 27 27 11 75

Description : Busa Density 16 Safety Stock : 30 Demand Time Fences : 1 Minggu Planning Time Fences : 6 Minggu 2 3 4 5 14 0 3 12 16 10 0 15 25 18 15 12 25 18 18 15 14 3 0 12 75 75 0 75

6 13 14 11 14 13 75

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.

150 Karena periode satu berada dalam zona DTF, maka perhitungan PAB-nya : Project Available Balance (PAB) periode 1 = PAB periode sebelumnya +MS – AO = 30 + 11 – 14 = 27 Available to Promise (ATP) periode 1 = ATP periode sebelumnya + MS – AO = 30 + 11 – 14 = 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) = 27 + 14 – 16 = 25 Available to Promise (ATP) periode 2 = ATP periode sebelumnya + MS – AO = 27 + 14 – 16 = 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 : Lead Time : 0 On Hand : 30 Periode Past Due Forecast Actual Order Project Available Balance 30 Available to Promise 30 Master Schedule Kapasitas Produksi Terpasang

1 11 14 30 30 14 75


6 13 14 30 30 14 75

151 Contoh perhitungan untuk periode 1 : Baris forecast dan kapasitas produksi terpasang (KPT) diisi berdasarkan perhitungan konversi yang telah dilakukan sebelumnya. Sedangkan actual order (AO) didapat dari tabel 5.43 diatas. MS didapat dari status PAB pada periode tersebut. Apabila PAB berada dibawah safety stock maka MS akan ditambahkan sebesar selisih safety stock dengan PAB tersebut. Apabila PAB berada diatas safety stock maka MS akan dikurangkan sebesar selisihnya dengan safety stock. Berikut contoh perhitungannya : Diketahui PAB periode satu = 27 kubik busa yang berarti berada dibawah safety stock yang sebesar 30 kubik busa. MS revisinya = 11 + (30 – 27 ) = 14 kubik busa. Karena periode satu berada dalam zona DTF, maka perhitungan PAB-nya : Project Available Balance (PAB) periode 1 = PAB periode sebelumnya +MS – AO = 30 + 14 – 14 = 30 Available to Promise (ATP) periode 1 = ATP periode sebelumnya + MS – AO = 30 + 14 – 14 = 30 Khusus untuk perhitungan PAB pada periode ke 4, forecast dianggap tidak berarti karena pada minggu ke 4 merupakan minggu libur lebaran sehingga diasumsikan perusahaan yang biasa memesan pada minggu ke 4 akan memajukan / memundurkan pemesanannya. Hal ini dapat dilihat pada data aktual order untuk periode ke 4 dimana tidak ada pemesanan.

152 5.2.3.3 Busa Density 20


Actual Order 8 9 18 0 8 10


1 6 8 28 28 6 75


6 8 10 21 21 8 75

Perhitungan untuk mengisi tabel MPS di atas adalah serupa dengan perhitungan di tabel MPS busa density 16. Setelah melihat tabel MPS diatas maka terlihat bahwa ada periode-periode tertentu dimana perkiraan status inventori (project available balance/ PAB) produk busa density 20 tidak berada pada tingkat safety stock. Oleh sebab itu perlu dilakukan revisi pada MPS agar PAB setiap periode berada di tingkat safety stock tersebut. Tabel 5.48 dibawah menunjukkan tabel MPS revisi produk busa density 20.

153 Tabel 5.48 MPS Revisi Busa Density 20 Item No : Lead Time : 0 On Hand : 30 Periode Past Due Forecast Actual Order Project Available Balance 30 Available to Promise 30 Master Schedule Kapasitas Produksi Terpasang

1 6 8 22 22 0 75


6 8 10 20 20 10 75

5.2.3.4 Busa Density 22


Actual Order 12 8 5 0 11 6


1 10 12 23 23 10 75


6 2 6 7 7 2 75

154 Perhitungan untuk mengisi tabel MPS di atas adalah serupa dengan perhitungan di tabel MPS busa density 16. Setelah melihat tabel MPS diatas maka terlihat bahwa ada periode-periode tertentu dimana perkiraan status inventori (project available balance/ PAB) produk busa density 22 berada dibawah safety stock. Oleh sebab itu perlu dilakukan revisi pada MPS agar PAB setiap periode tidak berada dibawah safety stock tersebut. Tabel 5.51 dibawah menunjukkan tabel MPS revisi produk busa density 22. Tabel 5.51 MPS Revisi Busa Density 22 Item No : Lead Time : 0 On Hand : 25 Periode Past Due Forecast Actual Order Project Available Balance 25 Available to Promise 25 Master Schedule Kapasitas Produksi Terpasang

1 10 12 20 20 7 75


6 2 6 20 20 6 75

5.2.3.5 Busa Density Gabungan

Karena lini produksi untuk busa density 16, 20 dan 22 menggunakan 1 lini produksi yang sama maka perlu digabungkan jadwal master schedulenya untuk dibandingkan dengan kapasitas produksi per periode untuk melihat adakah periode yang master schedulenya melebihi kapasitas. Tabel 5.52 berikut adalah tabel gabungan master schedule per periode dari density 16, 20 dan 22 untuk dibandingkan dengan kapasitas per periode. Tabel 5.52 Gabungan master schedule density 16, 20 dan 22 Periode Master Schedule Density 16 Master Schedule Density 20 Master Schedule Density 22 Master Schedule Total Kapasitas Produksi Terpasang

1 14 0 7 21 75

2 16 7 8 31 75

3 10 18 5 33 75

4 0 0 0 0 0

5 15 8 11 34 75

6 14 10 6 30 75

155 Cara perhitungan: Untuk periode 1: Master schedule total = ms density 16 + ms density 20 + ms density 22 = 14 + 0 + 7 = 21 kubik busa Dapat dilihat pada tabel di atas bahwa gabungan master schedule dari busa density 16, 20 dan 22 tidak melebihi kapasitas produksi per periodenya.

5.2.3.6 Busa Rebounded

Berdasarkan kebijakan perusahaan ditetapkan bahwa produk busa rebounded memiliki safety stock sebanyak 40 kubik busa. Diketahui status akhir inventori periode sebelumnya adalah sebanyak 40 kubik busa. Tabel 5.53 dibawah menunjukkan data-data actual order untuk busa busa rebounded sampai pada tanggal 30 Sept 2006. Tabel 5.53 Data Actual Order Busa Rebounded Akhir Sept 2006 Minggu 1 2 3 4 5 6

Actual Order 0 15 60 0 30 15

Tabel berikut ini menunjukkan tabel MPS dari busa rebounded Tabel 5.54 MPS Busa Rebounded Item No : Lead Time : 0 On Hand : 40 Past Due Periode Forecast Actual Order 40 Project Available Balance 40 Available to Promise Master Schedule Kapasitas Produksi Terpasang

1 0 0 40 40 0 135

Description : Rebounded Safety Stock : 40 Demand Time Fences : 1 Minggu Planning Time Fences : 6 Minggu 2 3 4 5 0 24 37 0 15 60 0 30 25 14 -23 -53 25 14 14 -16 0 49 0 0 135 135 0 135

6 0 15 -68 -31 0 135

156 Perhitungan untuk mengisi tabel MPS di atas adalah serupa dengan perhitungan di tabel MPS busa density 16. Setelah melihat tabel MPS diatas maka terlihat bahwa ada periode-periode tertentu dimana perkiraan status inventori (project available balance/ PAB) produk busa Rebounded berada dibawah safety stock, bahkan ada periode dimana status inventori minus yang berarti ada peramalan permintaan yang tidak terpenuhi. Oleh sebab itu perlu dilakukan revisi pada MPS agar PAB setiap periode tidak berada dibawah safety stock tersebut. Tabel 5.55 dibawah menunjukkan tabel MPS revisi produk busa Rebounded. Tabel 5.55 MPS Revisi Busa Rebounded Item No : Lead Time : 0 On Hand : 40 Periode Past Due Forecast Actual Order Project Available Balance 40 Available to Promise 40 Master Schedule Kapasitas Produksi Terpasang

1 0 0 40 40 0 135

Description : Rebounded Safety Stock : 40 Demand Time Fences : 1 Minggu Planning Time Fences : 6 Minggu 2 3 4 5 0 24 37 0 15 60 0 30 40 40 40 40 40 40 40 40 15 60 0 30 135 135 0 135

6 0 15 40 40 15 135

Khusus untuk perhitungan PAB pada periode ke 4, forecast dianggap tidak berarti karena pada minggu ke 4 merupakan minggu libur lebaran sehingga diasumsikan perusahaan yang biasa memesan pada minggu ke 4 akan memajukan / memundurkan pemesanannya. Hal ini dapat dilihat pada data actual order untuk periode ke 4 dimana tidak ada pemesanan.

5.2.4

Usulan Safety stock

Salah satu cara untuk mengurangi biaya pada persediaan yaitu dengan cara memegang barang jadi sesedikit mungkin sehingga biaya yang ditimbulkan juga akan berkurang. Tingkat safety stock yang diterapkan oleh perusahaan saat ini oleh penulis

157 dirasa cukup berlebih. Oleh karena itu penulis terdorong untuk meneliti tingkat safety stock yang optimal untuk tiap produk. Sehingga tempat yang tersedia pada pabrik dapat dimanfaatkan secara optimal untuk keperluan lainnya.

5.2.4.1 Data Historis Penjualan

Untuk menghitung tingkat safety stock yang optimal, diperlukan data historis penjualan. Di bawah ini adalah tabel yang berisikan rangkuman data penjualan untuk tiap produk dimana satuan dasarnya adalah kubik busa besar. Tabel 5.56 Data historis penjualan bulanan Bulan 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9

16 40 42 42 50 44 42 36 40 45 45 50 52 50 50 48

Density 20 45 48 48 50 50 52 51 54 56 48 46 50 44 50 46

22 30 30 32 30 32 33 33 34 33 35 33 36 34 35 30

Rebounded 62 60 64 60 60 50 58 60 62 66 66 64 62 62 60

5.2.4.2 Perhitungan Safety stock

Setelah data penjualan historis perusahaan didapatkan maka langkah selanjutnya yaitu menghitung tingkat safety stock optimal dengan mempergunakan metode tingkat pelayanan dengan MAD (Mean Absolute Deviation).

158 Berdasarkan data yang didapat dari perusahaan dimana tidak pernah terjadi stock out untuk produk busa density 16, 20, 22 dan busa rebounded yang dipesan maka diasumsikan tingkat pelayanan yang diberikan perusahaan adalah 100 % dan tingkat stock out sebesar 0 %. Nilai safety factor MAD (Mean Absolute Deviation) yang didapatkan dari tabel safety factors berdasarkan kriteria ini adalah sebesar 4,51. Tabel safety factors dapat dilihat pada lampiran.

5.2.4.2.1

Busa Density 16

Tabel 5.57 di bawah ini menunjukkan nilai MAD dan besarnya safety factor yang optimal berdasarkan data historis penjualan busa density 16. Tabel 5.57 MAD dan safety stock Busa Density 16 Periode

Penjualan

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Total

40 42 42 50 44 42 36 40 45 45 50 52 50 50 48 676.00

X

45.07

deviasi 5.07 3.07 3.07 4.93 1.07 3.07 9.07 5.07 0.07 0.07 4.93 6.93 4.93 4.93 2.93 59.20

Percent of service 100.00

Cara perhitungan : 15

X =

∑ Penjualan / 15 = 676 / 15 1

= 45,07

Percent of stock out 0.00

Standar Deviasi 4.51

MAD = Safety Stock =

3.95 18

159 Deviasi Periode 1 MAD =

=

∑ deviasi / 15

penjualan − X = | 40 – 45,07 | = 5,07

= 59,2 / 15

= 3,95

Safety stock = Standar Deviasi x MAD = 4,51 x 3,95 = 17,8 = 18 kubik busa

5.2.4.2.2

Busa Density 20

Tabel 5.58 di bawah ini menunjukkan nilai MAD dan besarnya safety factor yang optimal berdasarkan data historis penjualan busa density 20. Tabel 5.58 MAD dan safety stock Busa Density 20 periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Total

Penjualan 45 48 48 50 50 52 51 54 56 48 46 50 44 50 46 738.00

x rata2

49.20

Total

deviasi 4.20 1.20 1.20 0.80 0.80 2.80 1.80 4.80 6.80 1.20 3.20 0.80 5.20 0.80 3.20 38.80

Percent of service 100

Percent of stock out 0

Standar Deviation 4.51

MAD = Safety stock =

2.59 12

Contoh perhitungan untuk metode ini tidak disertakan karena sama dengan contoh perhitungan pada contoh perhitungan tabel 5.57.

160 5.2.4.2.3

Busa Density 22

Tabel 5.59 di bawah ini menunjukkan nilai MAD dan besarnya safety factor yang optimal berdasarkan data historis penjualan busa density 22. Tabel 5.59 MAD dan safety stock Busa Density 22 periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Total

Penjualan 30 30 32 30 32 33 33 34 33 35 33 36 34 35 30 490.00

x rata2

32.67

Total

deviasi 2.67 2.67 0.67 2.67 0.67 0.33 0.33 1.33 0.33 2.33 0.33 3.33 1.33 2.33 2.67 24.00





1.6 7


5.2.4.2.4

Busa Rebounded

Tabel 5.60 di bawah ini menunjukkan nilai MAD dan besarnya safety factor yang optimal berdasarkan data historis penjualan busa Rebounded.

161 Tabel 5.60 MAD dan safety stock Busa Rebounded Periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Total

Penjualan 62 60 64 60 60 50 58 60 62 66 66 64 62 62 60 916.00

x rata2

61.07

Total

deviasi 0.93 1.07 2.93 1.07 1.07 11.07 3.07 1.07 0.93 4.93 4.93 2.93 0.93 0.93 1.07 38.93





2.60 12


5.2.4.3 Perbandingan safety stock perusahaan dengan safety stock usulan

Setelah mendapatkan tingkat safety stock yang optimal, maka kemudian dimasukkan ke dalam MPS untuk diperbandingkan dengan MPS perusahaan. Yang dibandingkan di antara keduanya yaitu jumlah barang yang tersedia pada setiap periode. Karena sistem MTO (Make To Order) maka jumlah barang yang tersedia (PAB) pada setiap periodenya disesuaikan dengan tingkat safety stock. Di bawah ini adalah perbandingan tabel total PAB perusahaan dengan PAB Usulan.

162 Tabel 5.61 Perbandingan PAB Perusahaan dengan PAB Usulan

Density 16 Density 20 Density 22 Rebounded Total

Total PAB 180 122 120 240 662

Total PAB Usulan 108 83 48 113 352

Selisih 72 39 72 127 310

Cara Perhitungan: Total PAB didapatkan dengan menjumlahkan jumlah PAB pada setiap periode pada masing-masing tabel. Total PAB Usulan PAB didapatkan dengan menjumlahkan jumlah PAB pada setiap periode pada masing-masing tabel. Selisih periode 1 = Total PAB – Total PAB Usulan = 180 – 108 = 72 kubik busa.

Dapat dilihat pada tabel 5.61 di atas bahwa karena nilai PAB usulan lebih kecil dari nilai PAB perusahaan maka selanjutnya untuk perhitungan kebutuhan bahan bakunya akan mempergunakan MPS usulan.

5.2.5

Gantt Chart

Setelah mendapatkan jadwal produksi awal maka dibuatlah gantt chart untuk melihat urutan pembuatan busa yang dikerjakan oleh mesin foaming. Jadwal produksi sifatnya adalah menentukan jadwal yang diproduksi untuk suatu minggu tertentu sedangkan gantt chart lebih berupa urutan pengerjaan sehingga operator mengetahui

163 urutan busa yang akan diproduksi untuk mesin foaming yang menghasilkan busa density. Berikut adalah gambar gantt chart yang didapatkan dari peramalan.

1

minggu 1 2 3 4

5

Master schedule Stock Kapasitas

30 30 25 10

10

1

10

19 24 15 10

18 16 13 0

minggu 4 2 3 4

5

1 10

18 12 13 10

18 12 13 0

Master schedule Stock Kapasitas

1 10

10

Libur 18 12 13 10

10

10

10

minggu 2 2 3 4 3

18 16 13 7

10

10

minggu 5 2 3 4 2 6 2 2 18 18 12 12 7 7 0 8 10

5

1 3 7

18 16 13 10

18 12 13 0

5

1 10

18 12 7 10

18 12 7 0

minggu 3 2 3 4

5

6 18 12 13 4

10

10

minggu 6 2 3 4 3 7 1 2 18 18 12 12 7 7 0 7 10

18 12 13 10

5

10

Gambar 5.11 Gantt Chart master schedule Untuk minggu pertama, sebenarnya terdapat master schedule yang didapatkan dari peramalan. Tetapi karena adanya usulan safety stock baru maka tingkat safety stock yang tadinya merupakan angka yang diberikan oleh perusahaan diubah terlebih dahulu ke tingkat safety stock usulan sehingga tidak adanya produksi pada minggu ke 1 karena permintaan yang didapatkan dari peramalan mengambil stok yang sudah tersedia. Ketika stok sudah mencapai tingkat optimum berdasarkan usulan safety stock maka produksi baru berjalan lagi

164 5.2.5.1 MPS Usulan

Tabel yang di bawah ini merupakan tabel MPS usulan untuk setiap jenis produk. Tabel 5.62 MPS Usulan Busa Density 16 Item No : Lead Time : 0 On Hand : 30 Periode Past Due Forecast Actual Order Project Available Balance 30 Available to Promise 30 Master Schedule Kapasitas Produksi Terpasang

1 11 14 18 18 2 75


6 13 14 18 18 14 75

Tabel 5.63 MPS Usulan Busa Density 20 Item No : Lead Time : 0 On Hand : 30 Periode Past Due Forecast Actual Order Project Available Balance 30 Available to Promise 30 Master Schedule Kapasitas Produksi Terpasang

1 6 8 22 22 0 75


6 8 10 12 12 10 75

Tabel 5.64 MPS Usulan Busa Density 22 Item No : Lead Time : 0 On Hand : 25 Past Due Periode Forecast Actual Order 25 Project Available Balance 25 Available to Promise Master Schedule Kapasitas Produksi Terpasang

1 10 12 13 13 0 75


6 2 6 7 7 6 75

165 Tabel 5.65 MPS Usulan Busa Rebounded Item No : Lead Time : 0 On Hand : 40 Periode Past Due Forecast Actual Order Project Available Balance 40 Available to Promise 40 Master Schedule Kapasitas Produksi Terpasang

1 0 0 40 40 0 135

Description : Rebounded Safety Stock : 12 Demand Time Fences : 1 Minggu Planning Time Fences : 6 Minggu 2 3 4 5 0 24 37 0 15 60 0 30 25 12 12 12 25 12 12 12 0 47 0 30 135 135 0 135

6 0 15 12 12 15 135

Perhitungan untuk masing-masing tabel MPS di atas sama dengan perhitungan tabel MPS pada tabel 5.47.

5.2.6

Material Resource Planning

Setelah membuat master schedule / jadwal induk produksi untuk tiap produk maka selanjutnya perlu membuat jadwal perencanaan bahan baku. Masing-masing bahan baku memiliki jadwal perencanaannya sendiri-sendiri. Perusahaanpun memiliki kebijakan terhadap masing-masing bahan baku sebab dalam memesan bahan baku ini perusahaan berinteraksi dengan perusahaan lain yang juga memiliki kebijakannya sendiri. Kebijakan ini meliputi kuantitas on-hand, lama lead time nya dan besar safety

stocknya yang tercantum dalam item master tiap bahan baku. Selain itu diperlukan juga data struktur produk tiap end-item untuk menentukan besar gross requirement tiap produk. Untuk menentukan jenis lot-sizing yang digunakan akan dibandingkan beberapa metode dengan metode yang digunakan perusahaan saat ini. Beberapa metode yang akan digunakan sebagai pembanding yaitu : POQ (Periodic Order Quantity), PPB (Part

Period Balancing), dan Silver Meal. Kemudian dari ketiga metode ini akan

166 dibandingkan dengan metode yang dipakai perusahaan saat ini dan akan dipilih metode yang terbaik, berdasarkan biaya yang paling minimum.

5.2.6.1 Struktur Produk Struktur produk setiap produk dibutuhkan sebab dengan struktur produk tersebut dapat diketahui dengan pasti seberapa banyak bahan baku yang dibutuhkan setiap memproduksi satu kubik busa. Hal tersebut sangat penting dalam menghitung seberapa besar gross requirement tiap bahan baku.

5.2.6.1.1

Busa Density 16, 20 dan 22

Berikut adalah gambar struktur produk dari busa density 16, 20 dan 22.

Nama Obyek Dipetakan Oleh Tanggal Dipetakan Cara Pemetaan

Struktur Produk : Busa Density 16 : Henry Charles Salim : 18 November 2006 : Explosion

Gambar 5.12 Struktur Busa density 16

167 Struktur Produk : Busa Density 20 : Henry Charles Salim : 18 November 2006 : Explosion


Gambar 5.13 Struktur Busa density 20

Struktur Produk : Busa Density 22 : Henry Charles Salim : 18 November 2006 : Explosion


Gambar 5.14 Struktur busa density 22 5.2.6.1.2

Busa Rebounded

Berikut adalah gambar struktur produk dari busa Rebounded.


Struktur Produk : Busa Rebounded : Henry Charles Salim : 18 November 2006 : Explosion

Gambar 5.15 Struktur busa Rebounded

168 5.2.6.2 Bill Of Material 5.2.6.2.1

Busa Density 16, 20 dan 22

Berikut adalah tabel bill of material dari busa density 16, 20 dan 22. Tabel 5.66 Bill of material busa density 16 No. Komponen

Level

1

1

2 3 4 5 6 7 8 9

1 1 1 1 1 1 1 1

Description Polypropylene Glycol Toluena DiisoCyanat Water surfaktan Katalis Tin Catalyst Amine Pewarna Aditif

Code Quantity

BOM UOM

PPG

80

Kg

TDI W S K TC Am P Ad

70 7 10 1 1 0.5 0.5 1

Kg Kg Kg Kg Kg Kg Kg Kg

Tabel 5.67 Bill of material busa density 20 No. Komponen

Level

1

1

2 3 4 5 6 7 8 9

1 1 1 1 1 1 1 1

Description Polypropylene Glycol Toluena DiisoCyanat Water Surfaktan Katalis Tin Catalyst Amine Pewarna Aditif

Code Quantity

BOM UOM

PPG

100

Kg

TDI W S K TC Am P Ad

50 7 10 1 1 0.5 0.5 1


169 Tabel 5.68 Bill of material busa density 22 No. Komponen

5.2.6.2.2

Level

1

1

2 3 4 5 6 7 8 9

1 1 1 1 1 1 1 1

Description Polypropylene Glycol Toluena DiisoCyanat Water Surfaktan Katalis Tin Catalyst Amine Pewarna Aditif

Code Quantity

BOM UOM

PPG

120

Kg

TDI W Sur K TC Am P Ad

30 7 10 1 1 0.5 0.5 1


Busa Rebounded

Berikut adalah tabel bill of material dari busa Rebounded. Tabel 5.69 Bill of material busa Rebounded No. Komponen

Level

1

1

2

1

3 4

1 1

Description Busa Polypropylene Glycol Toluena DiisoCyanat Tin Catalyst

Code Quantity

BOM UOM

B

100

Kg

PPG

15

Kg

TDI TC

15 0.5

Kg Kg

5.2.6.3 Perhitungan Material Requirement Planning (MRP)

Dengan melihat struktur produk dari tiap produk maka dapat diketahui gross

requirement tiap level dari struktur produk hingga bahan bakunya. Karena jenis bahan baku yang digunakan untuk tiap jenis produk hampir sama maka maka gross

requirement dari bahan baku tersebut adalah gabungan dari gross requirement masingmasing produk.

170 5.2.6.3.1

Penentuan Gross Requirement Bahan Baku

5.2.6.3.1.1 Busa Density 16

Tabel-tabel berikut menunjukkan MRP Induk dan MRP tiap bagian struktur produk hingga didapatkan gross requirement bagi item bahan baku. Tabel 5.70 Perhitungan MRP busa Density 16 Item No : D016 BOM UOM : Each Lead Time : 0 Safety Stock : 18 kubik Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Description : Density 16 On-hand : 0 kubik Order Policy : LFL Lot Size : 1 1 2 3 4

Past Due

0

5

6

2

16

10

0

15

14

0 -2 2 2 2 0

0 -16 16 16 16 0

0 -10 10 10 10 0

0 0 0 0 0 0

0 -15 15 15 15 0

0 -14 14 14 14 0

Tabel 5.71 Perhitungan Gross Requirement PPG Density 16 Item No : PPG Safety Stock : 3000 Periode Past Due Gross Requirement Schedule Receipt PAB2 3000

Description : Polypropylene Glycol Lot Size : 1 160 0

2 1280 0

3 800 0

4 0 0

5 1200 0

6 1120 0

Tabel 5.72 Perhitungan Gross Requirement TDI Density 16 Item No : TDI Safety Stock : 4000 Periode Past Due Gross Requirement Schedule Receipt PAB2 4000

Description : Toluena Diisocyanat Lot Size : 1 140 0

2 1120 0

3 700 0

4 0 0

5 1050 0

6 980 0

Tabel 5.73 Perhitungan Gross Requirement Water Density 16 Item No : W Safety Stock : 400 Periode Past Due Gross Requirement Schedule Receipt PAB2 400

Description : Water Lot Size : 1 1 14 0

2 112 0

3

4 70 0

0 0

5 105 0

6 98 0

171 Tabel 5.74 Perhitungan Gross Requirement Surfaktan Density 16 Item No : S Safety Stock : 500 Periode Past Due Gross Requirement Schedule Receipt PAB2 500

Description : Surfaktan Lot Size : 1 20 0

2 160 0

3 100 0

4 0 0

5 150 0

6 140 0

Tabel 5.75 Perhitungan Gross Requirement Katalis Density 16 Item No : K Safety Stock : 50 Periode Past Due Gross Requirement Schedule Receipt PAB2 50

Description : Katalis Lot Size : 1

2 2 0

3 16 0

4 10 0

5 0 0

6 15 0

14 0

Tabel 5.76 Perhitungan Gross Requirement Tin Catalyst Density 16 Item No : TC Safety Stock : 100 Periode Past Due Gross Requirement Schedule Receipt PAB2 100

Description : Tin Catalyst Lot Size : 5 1

2 2 0

3 16 0

4 10 0

5 0 0

6 15 0

14 0

Tabel 5.77 Perhitungan Gross Requirement Amine Density 16 Item No : Am Safety Stock : 50 Periode Past Due Gross Requirement Schedule Receipt PAB2 50

Description : Amine Lot Size : 1

2 1 0

3 8 0

4 5 0

0 0

5 7,5 0

6 7 0

Tabel 5.78 Perhitungan Gross Requirement Pewarna Density 16 Item No : P Safety Stock : 50 Periode Past Due Gross Requirement Schedule Receipt PAB2 50

Description : Pewarna Lot Size : 1

2 1 0

3 8 0

4 5 0

0 0

5 7,5 0

6 7 0

172 Tabel 5.79 Perhitungan Gross Requirement Aditif Density 16 Item No : Ad Safety Stock : 50

Description : Aditif Lot Size :

Periode Past Due Gross Requirement Schedule Receipt PAB2 50

1

2 2 0

3 16 0

4 10 0

5 0 0

6 15 0

14 0




Past Due

0

5

6

0

0

17

0

8

10

0 0 0 0 0 0

0 0 0 0 0 0

0 -17 17 17 17 0

0 0 0 0 0 0

0 -8 8 8 8 0

0 -10 10 10 10 0

Tabel 5.81 Perhitungan Gross Requirement PPG Density 20 Item No : PPG Safety Stock : 3000 Periode Past Due Gross Requirement Schedule Receipt PAB2 3000

Description : Polypropylene Glycol Lot Size : 1

2 0 0

0 0

3 1360 0

4 0 0

5 640 0

6 800 0


Description : Toluena Diisocyanat Lot Size : 1

2 0 0

0 0

3 1190 0

4 0 0

5 560 0

6 700 0

173 Tabel 5.83 Perhitungan Gross Requirement Water Density 20 Item No : W Safety Stock : 400 Periode Past Due Gross Requirement Schedule Receipt PAB2 400

Description : Water Lot Size : 1 1

2 0 0

0 0

3 119 0

4

5 0 0

6 56 0

70 0

Tabel 5.84 Perhitungan Gross Requirement Surfaktan Density 20 Item No : S Safety Stock : 500 Periode Past Due Gross Requirement Schedule Receipt PAB2 500

Description : Surfaktan Lot Size : 1

2 0 0

0 0

3 170 0

4

5 0 0

80 0

6 100 0



2 0 0

3 0 0

4 17 0

5 0 0

6 8 0

10 0

Tabel 5.86 Perhitungan Gross Requirement Tin Catalyst Density 20 Item No : TC Safety Stock : 100 Periode Past Due Gross Requirement Schedule Receipt PAB2 100

Description : Tin Catalyst Lot Size : 1

2 0 0

3 0 0

4 17 0

5 0 0

6 8 0

10 0



2 0 0

0 0

3 8,5 0

4

5 0 0

6 4 0

5 0

174 Tabel 5.88 Perhitungan Gross Requirement Pewarna Density 20 Item No : P Safety Stock : 50

Description : Pewarna Lot Size :


1

2 0 0

3 8,5 0

0 0

4

5 0 0

6 4 0

5 0

Tabel 5.89 Perhitungan Gross Requirement Aditif Density 20 Item No : Ad Safety Stock : 50

Description : Aditif Lot Size :


1

2 0 0

3 0 0

4 17 0

5 0 0

6 8 0

10 0



Past Due

0


5

6

0

2

5

0

11

6

0 0 0 0 0 0

0 -2 2 2 2 0

0 -5 5 5 5 0

0 0 0 0 0 0

0 -11 11 11 11 0

0 -6 6 6 6 0

Tabel 5.91 Perhitungan Gross Requirement PPG Density 22

175 Item No : PPG Safety Stock : 3000 Periode Past Due Gross Requirement Schedule Receipt PAB2 3000

Description : Polypropylene Glycol Lot Size : 1 0 0

2 160 0

3 400 0

4 0 0

5 880 0

6 480 0


Description : Toluena Diisocyanat Lot Size : 1 0 0

2 140 0

3 350 0

4 0 0

5 770 0

6 420 0

Tabel 5.93 Perhitungan Gross Requirement Water Density 22 Item No : W Safety Stock : 400 Periode Past Due Gross Requirement Schedule Receipt PAB2 400

Description : Water Lot Size : 1

2 0 0

3 14 0

4 35 0

5 0 0

6 77 0

42 0

Tabel 5.94 Perhitungan Gross Requirement Surfaktan Density 22 Item No : S Safety Stock : 500 Periode Past Due Gross Requirement Schedule Receipt PAB2 500

Description : Surfaktan Lot Size : 1

2 0 0

3 20 0

4 50 0

0 0

5 110 0

6 60 0



2 0 0

3 2 0

4 5 0

5 0 0

6 11 0

6 0

176 Tabel 5.96 Perhitungan Gross Requirement Tin Catalyst Density 22 Item No : TC Safety Stock : 100 Periode Past Due Gross Requirement Schedule Receipt PAB2 100


2 0 0

3 2 0

4 5 0

5 0 0

6 11 0

6 0



2 0 0

1 0

3 2,5 0

4 0 0

5 5,5 0

6 3 0

Tabel 5.98 Perhitungan Gross Requirement Pewarna Density 22 Item No : P Safety Stock : 50 Periode Past Due Gross Requirement Schedule Receipt PAB2 50

Description : Pewarna Lot Size : 1

2 0 0

1 0

3 2,5 0

4 0 0

5 5,5 0

6 3 0

Tabel 5.99 Perhitungan Gross Requirement Aditif Density 22 Item No : Ad Safety Stock : 50 Periode Past Due Gross Requirement Schedule Receipt PAB2 50

Description : Aditif Lot Size : 1

2 0 0

3 2 0

4 5 0

5 0 0

6 11 0

6 0

5.2.6.3.1.4 Busa Rebounded

Tabel-tabel berikut menunjukkan MRP Induk dan MRP tiap bagian struktur produk hingga didapatkan gross requirement bagi item bahan baku.

177 Tabel 5.100 Perhitungan MRP busa Rebounded Item No : R BOM UOM : Each Lead Time : 0 Safety Stock : 12 kubik Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Description : Rebounded On-hand : 0 kubik Order Policy : LFL Lot Size : 1 1 2 3 4

Past Due

0

5

6

0

0

47

0

30

15

0 0 0 0 0 0

0 0 0 0 0 0

0 -47 47 47 47 0

0 0 0 0 0 0

0 -30 30 30 30 0

0 -15 15 15 15 0

Tabel 5.101 Perhitungan Gross Requirement PPG Rebounded Item No : PPG Safety Stock : 3000

Description : Polypropylene Glycol Lot Size :


1

2 0 0

0 0

3 705 0

4

5 450 0

0 0

6 225 0

Tabel 5.102 Perhitungan Gross Requirement TDI Rebounded Item No : TDI Safety Stock : 4000

Description : Toluena Diisocyanat Lot Size :


1

2 0 0

0 0

3 705 0

4

5 450 0

0 0

6 225 0

Tabel 5.103 Perhitungan Gross Requirement Tin Catalyst Rebounded Item No : TC Safety Stock : 100 Periode Past Due Gross Requirement Schedule Receipt PAB2 100


2 0 0

0 0

3 23,5 0

4

5 0 0

15 0

6 7,5 0

178 Tabel 5.104 Perhitungan Gross Requirement Bahan Busa Item No : B Safety Stock : 0

Description : Busa Lot Size :


5.2.6.3.2

1

2 0 0

0 0

3 4700 0

4

5 3000 0

0 0

6 1500 0

Gross Requirement Total

Setelah kita menghitung kebutuhan bahan baku yang diperlukan untuk keempat jenis busa yang diproduksi maka langkah selanjutnya yaitu menjumlahkan bahan baku yang sama sehingga kita dapat mengetahui total kebutuhan bahan baku tersebut selama periode perencanaan. Tabel 5.105 Perhitungan Total Gross Requirement PPG 1 Density 16 Density 20 Density 22 Rebounded Total

160 0 0 0 160

2 1280 0 160 0 1440

3

4

800 1360 400 705 3265

0 0 0 0 0

5 1200 640 880 450 3170

6 1120 800 480 225 2625

Tabel 5.106 Perhitungan Total Gross Requirement TDI 1 Density 16 Density 20 Density 22 Rebounded Total

140 0 0 0 140

2 1120 0 140 0 1260

3

4

700 1190 350 705 2945

0 0 0 0 0

5 1050 560 770 450 2830

6 980 700 420 225 2325

Tabel 5.107 Perhitungan Total Gross Requirement Tin Catalyst 1 Density 16 Density 20 Density 22 Rebounded Total

2 2 0 0 0 2

3 16 0 2 0 18

4 10 17 5 23,5 55,5

5 0 0 0 0 0

6 15 8 11 15 49

14 10 6 7,5 37,5

179 Tabel 5.108 Perhitungan Total Gross Requirement Water 1 Density 16 Density 20 Density 22 Total

2 14 0 0 14

3 112 0 14 126

4 70 119 35 224

5 0 0 0 0

6 105 56 77 238

98 70 42 210

Tabel 5.109 Perhitungan Total Gross Requirement Surfaktan 1 Density 16 Density 20 Density 22 Total

2 20 0 0 20

3 160 0 20 180

4 100 170 50 320

5 0 0 0 0

6 150 80 110 340

140 100 60 300

Tabel 5.110 Perhitungan Total Gross Requirement Katalis 1 Density 16 Density 20 Density 22 Total

2 2 0 0 2

3 16 0 2 18

4 10 17 5 32

5 0 0 0 0

6 15 8 11 34

14 10 6 30

Tabel 5.111 Perhitungan Total Gross Requirement Amine 1 Density 16 Density 20 Density 22 Total

2 1 0 0 1

3 8 0 1 9

4 5 8,5 2,5 16

5 0 0 0 0

6 7,5 4 5,5 17

7 5 3 15

Tabel 5.112 Perhitungan Total Gross Requirement Pewarna 1 Density 16 Density 20 Density 22 Total

2 1 0 0 1

3 8 0 1 9

4 5 8,5 2,5 16

5 0 0 0 0

6 7,5 4 5,5 17

7 5 3 15

Tabel 5.113 Perhitungan Total Gross Requirement Aditif 1 Density 16 Density 20 Density 22 Total

2 2 0 0 2

3 16 0 2 18

4 10 17 5 32

5 0 0 0 0

6 15 8 11 34

14 10 6 30

180 5.2.6.3.3

Peterson-Silver Rule

Untuk mengetahui metode lot size yang tepat untuk digunakan (model statik atau dinamik) maka kita dapat menggunakan aturan Peterson-silver untuk menguji kemulusan data. Apabila data yang diteliti menunjukkan kemulusan maka kita akan mempergunakan metode statik bila tidak maka metode lot size yang akan digunakan adalah metode dinamik.

♦ Polypropylene Glycol Berikut ini adalah tabel untuk membantu mempermudah perhitungan rumus Peterson-silver. Data untuk Dt didapatkan dari data permintaan per periode. Tabel 5.113 Tabel data Peterson-Silver PPG Periode 1 2 3 4 5 6 Sum =

Dt 160 1440 3265 0 3170 2625 10660

(Dt)2 25600 2073600 10660225 0 10048900 6890625 29698950

n

n ∑ D 2t

V=

=

t =1

⎛ n ⎞ ⎜⎜ ∑ D t ⎟⎟ ⎝ t =1 ⎠

2

−1

6 * 29698950

(10660)2

− 1 = 0,57 > 0,25 maka menggunakan metode dinamik.

Contoh Perhitungan: Periode 1: Dt2 = 160*160 = 25600

♦ Toluena Diisocyanat

181 V=

6 * 23694750

(9500)2

− 1 = 0,575> 0,25 maka menggunakan metode dinamik

♦ Tin Catalyst V=

6 * 7215,5

(162)2


♦ Water V=

6 * 166992

(812)2


♦ Surfaktan V=

6 * 340800

(1160)2

− 1 = 0,519 > 0,25 maka menggunakan metode dinamik

♦ Katalis V=

6 * 3408

(116)2


♦ Amine V=

6 * 852

(58)2


♦ Pewarna V=

6 * 852

(58)2


♦ Aditif V=

6 * 3408

(116)2


182

♦ Busa V=

6 * 33340000

(9200)2


Tabel data perhitungan peterson-silver untuk perhitungan bahan baku Toluena Diisocyanat hingga Busa dapat dilihat pada lampiran

5.2.6.3.4

Perhitungan MRP

Untuk menghitung jumlah lot size yang optimal untuk sekali pemesanan, diperlukan berbagai informasi tetapi untuk menentukan metode lot sizing mana yang paling tepat maka kita dapat mendasarkan pada biaya simpan dan biaya pesan. Dengan menghitung berbagai metode lot size maka diharapkan dapat diperoleh jadwal penerimaan bahan baku ( MRP ) yang memiliki total biaya yang terendah.

♦ Polypropylene Glycol Diketahui bahwa biaya pesan (meliputi biaya telepon, fax dan lain-lain) bagi bahan baku ini adalah sebesar Rp 5000,-. Biaya simpan dihitung dengan membagi luas tanah dengan kapasitas bahan baku tersebut dikalikan dengan harga sewa tanah di daerah itu. Rumus biaya simpan ditunjukkan oleh rumus dibawah. Biaya Simpan = (Biaya Sewa / tahun/m2 x luas tanah) Diketahui luas alokasi tempat di gudang bahan baku bagi bahan baku

Polypropylene Glycol adalah seluas 20 m x 50 m dan memiliki kapasitas 80000 kg. Harga sewa tanah di daerah itu adalah sebesar Rp 10.000,00/ m2. Biaya Simpan =

20 * 50 * 10000 = Rp. 125,80000

183 Setelah dilakukan perhitungan biaya menggunakan beberapa metode lot sizing yaitu metode perusahaan saat ini, EOQ, Silver Meal (SM), dan Part Period

Balancing (PPB), maka didapatkanlah hasil seperti di table di bawah ini: Tabel 5.114 Tabel Perbandingan Total Biaya bahan baku PPG Metode Perusahaan EOQ SM PPB

Biaya Simpan 7.226.875 3.882.875 2.250.000 2.250.000

Biaya Pesan 10.000 15.000 25.000 25.000

Total Biaya 7.236.875 3.897.875 2.275.000 2.275.000

Didapatkan metode SM dan PPB memiliki total biaya yang terendah sehingga mrp PPG dengan menggunakan metode SM dan PPB adalah sebagai berikut: Tabel 5.115 Perhitungan MRP PPG dengan metode SM dan PPB Item No : PPG BOM UOM : Kg Lead Time : 0 Safety Stock : 3000 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

1

Description : Polypropylene Glycol On-hand : 3000 Order Policy : SM, PPB Lot Size : 2 3 4 5 6

160 1440

2840 160 160 160 3000 3000

0 1560 1440 1440 1440 3000

3265

0

3170

2625

0 0 -265 3000 3265 0 3265 0 3265 0 3000 3000

0 -170 3170 3170 3170 3000

0 375 2625 2625 2625 3000

Contoh Perhitungan 9 Periode 1

Gross Requirements = 160 Kg Scheduled Receipts = 0 PAB11 = (PAB2)0 – (Gross Requirements)1 + (Scheduled Receipts)1

184 = 3000 – 160 + 0 = 2840

Net Requirements = – (PAB)1 + Safety stock = –(2840) + 3000 = 160

Planned Order Receipt = 160 Planned Order Release = 160 PAB21 = (PAB1)1 + (Planned Order Receipt)1 = 2840 + 160 = 3000 9 Periode 2

Gross Requirements = 1600 Kg Scheduled Receipts = 0 PAB12 = (PAB2)1 – (Gross Requirements)2 + (Scheduled Receipts)2 = 3000 – 1440 + 0 = 1560

Net Requirements = – (PAB1)2 + Safety stock = –(1560) + 3000 = 1440

Planned Order Receipt = 1440 Planned Order Release = 1440 PAB22 = (PAB1)2 + (Planned Order Receipt)2 = 1560 + 1440 = 3000

185 Perhitungan teknik lottingnya:

♦ SM Periode 1: K (1) = Biaya pesan K (1) = Rp 5.000,K (2) = 0,5 * ( A + D 2 * h) K (2) = 0,5 * (5000 + 1440 *125) = 92500 K(2) > K (1) maka berhenti Pesan sebanyak 160 diperiode 1 Mulai lagi periode 2: K (1) = Rp 5.000,K (2) = 0,5 * (5000 + 3265 *125) = 206562,5 K(2) > K (1) maka berhenti Pesan sebanyak 1440 diperiode 2 Mulai lagi periode 3: K (1) = Rp 5.000,K (2) = 0,5 * (5000 + 0 * 125) = 2500 K(2) < K (1) maka lanjut K (3) = 0,33 * (5000 + 125 * 0 + 2 * 125 * 3170 ) = 263175 K(2) > K (1) maka berhenti. Pesan sebanyak 3265 diperiode 3 Mulai lagi periode 5: K (1) = Rp 5.000,K (2) = 0,5 * (5000 + 2625 *125) = 166562,5 K(2) > K (1) maka berhenti Pesan sebanyak 3340 diperiode 5. Pada perhitungan periode ke 5 proses terhenti pada K(2) maka secara otomatis pada periode ke 6 akan memesan sebanyak 3105.

186

♦ PPB PPF = A / h PPF = 5000 / 125 = 40 Periode 1: PP1 = 0 PP2 = 160 > PPF

STOP

Periode 2: PP1 = 0 PP2 = 3265 > PPF

STOP

Periode 3: PP1 = 0 PP2 = 0 < PPF PP3 = 0 + 2 * 3170 = 6340 > PPF

STOP

Periode 5: PP1 = 0 PP2 = 2625 > PPF

STOP

Maka dilakukan pemesanan pada periode 1 sebanyak 160, periode 2 sebanyak 1440, 3 sebanyak 3265, 5 sebanyak 3170 dan pada periode ke 6 sebanyak 2625. Perhitungan biayanya: Biaya pesan = 5 x Rp. 5000,- = Rp.25.000,Biaya simpan = Jumlah PAB 2 selama periode x Rp 125 = 18000 x Rp. 125 = Rp. 2.250.000,Total Biaya = Biaya Pesan + Biaya Simpan = Rp. 2.275.000,-

187

♦ Toluena Diisocyanat Diketahui bahwa biaya pesan (meliputi biaya telepon, fax dan lain-lain) bagi bahan baku ini adalah sebesar Rp 5000,-. Biaya simpan dihitung dengan membagi luas tanah dengan kapasitas bahan baku tersebut dikalikan dengan harga sewa tanah di daerah itu. Rumus biaya simpan ditunjukkan oleh rumus dibawah. Biaya Simpan = (Biaya Sewa / tahun/m2 x luas tanah) Diketahui luas alokasi tempat di gudang bahan baku bagi bahan baku Toluena

Diisocyanat adalah seluas 20 m x 50 m dan memiliki kapasitas 80000 kg. Harga sewa tanah di daerah itu adalah sebesar Rp 10.000,00/ m2. Biaya Simpan =

20 * 50 * 10000 = Rp. 125,80000

Setelah dilakukan perhitungan biaya menggunakan beberapa metode lot sizing yaitu metode perusahaan saat ini, EOQ, Silver Meal (SM), dan Part Period

Balancing (PPB), maka didapatkanlah hasil seperti di table di bawah ini: Tabel 5.116 Tabel Perbandingan Total Biaya bahan baku TDI Metode Perusahaan EOQ SM PPB

Biaya Simpan 6.636.875 4.575.625 3.000.000 3.000.000

Biaya Pesan 10.000 15.000 25.000 25.000

Total Biaya 6.646.875 4.590.625 3.025.000 3.025.000

Didapatkan metode SM dan PPB memiliki total biaya yang terendah sehingga mrp TDI dengan menggunakan metode SM dan PPB adalah sebagai berikut:

188 Tabel 5.117 Perhitungan MRP TDI dengan metode SM dan PPB Item No : TDI BOM UOM : Kg Lead Time : 0 Safety Stock : 4000 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Description : Toluena Diisocyanat On-hand : 4000 Order Policy : SM, PPB Lot Size : 1 2 3 4 5 6

Past Due

140 1260

0 3860 140 140 140 4000 4000

0 2740 1260 1260 1260 4000

2945

0

2830

2325

0 0 1055 4000 2945 0 2945 0 2945 0 4000 4000

0 1170 2830 2830 2830 4000

0 1675 2325 2325 2325 4000

Contoh perhitungan untuk Tabel 5.117 sama dengan contoh perhitungan pada Tabel 5.115 sehingga tidak disertakan contoh perhitungannya. Perhitungan biayanya: Biaya pesan = 5 x Rp. 5000,- = Rp.25.000,Biaya simpan = Jumlah PAB 2 selama periode x Rp 125 = 24000 x Rp. 125 = Rp. 3.000.000,Total Biaya = Biaya Pesan + Biaya Simpan = Rp. 3.025.000,-

♦ Tin Catalyst Diketahui bahwa biaya pesan (meliputi biaya telepon, fax dan lain-lain) bagi bahan baku ini adalah sebesar Rp 5000,-. Biaya simpan dihitung dengan membagi luas tanah dengan kapasitas bahan baku tersebut dikalikan dengan harga sewa tanah di daerah itu. Rumus biaya simpan ditunjukkan oleh rumus dibawah. Biaya Simpan = (Biaya Sewa / tahun/m2 x luas tanah)

189 Diketahui luas alokasi tempat di gudang bahan baku bagi bahan baku Tin

Catalyst adalah seluas 5 m x 10 m dan memiliki kapasitas 5000 kg. Harga sewa tanah di daerah itu adalah sebesar Rp 10.000,00/ m2. Biaya Simpan =

5 * 10 * 10000 = Rp. 100,5000


Balancing (PPB), maka didapatkanlah hasil seperti di table di bawah ini: Tabel 5.118 Tabel Perbandingan Total Biaya bahan baku TC Metode Perusahaan EOQ SM PPB

Biaya Simpan 119.050 276.250 65.550 65.550

Biaya Pesan 10.000 5.000 15.000 15.000

Total Biaya 129.050 281.250 80.550 80.550

Didapatkan metode SM dan PPB memiliki total biaya yang terendah sehingga mrp Tin Catalyst dengan menggunakan metode SM dan PPB adalah sebagai berikut: Tabel 5.119 Perhitungan MRP TC dengan metode SM dan PPB Item No : TC BOM UOM : Kg Lead Time : 0 Safety Stock : 100 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

100

Description : Tin Catalyst On-hand : 100 Order Policy : SM, PPB Lot Size : 1 2 3 4 5 2

18

55,5

0 98 2 20 20 118

0 100 0 0 0 100

0 44,5 55,5 55,5 55,5 100

0

6

49

37,5

0 0 100 51 0 49 0 86,5 0 86,5 100 137,5

0 100 0 0 0 100

Contoh perhitungan untuk Tabel 5.119 sama dengan contoh perhitungan pada Tabel 5.115 sehingga tidak disertakan contoh perhitungannya.

190 Perhitungan biayanya: Biaya pesan = 3 x Rp. 5000,- = Rp.15.000,Biaya simpan = Jumlah PAB 2 selama periode x Rp 100 = 655,5 x Rp. 100 = Rp. 65.550,Total Biaya = Biaya Pesan + Biaya Simpan = Rp. 80.550,-

♦ Water Diketahui bahwa biaya pesan bagi bahan baku ini adalah sebesar Rp 0,-. Hal ini dikarenakan tidak diperlukan pemesanan untuk bahan baku ini dan sifatnya tersedia di pabrik. Biaya simpan dihitung dengan membagi luas tanah dengan kapasitas bahan baku tersebut dikalikan dengan harga sewa tanah di daerah itu. Rumus biaya simpan ditunjukkan oleh rumus dibawah. Biaya Simpan = (Biaya Sewa / tahun/m2 x luas tanah) Diketahui luas alokasi tempat di gudang bahan baku bagi bahan baku Water adalah seluas 20 m x 50 m dan memiliki kapasitas 80000 kg. Harga sewa tanah di daerah itu adalah sebesar Rp 10.000,00/ m2. Biaya Simpan =

20 * 50 * 10000 = Rp. 125,80000


Balancing (PPB), maka didapatkanlah hasil seperti di tabel di bawah ini:

191 Tabel 5.120 Tabel Perbandingan Total Biaya bahan baku Water Metode Perusahaan EOQ SM PPB

Biaya Simpan 763.000 711.250 300.000 300.000

Biaya Pesan 0 0 0 0

Total Biaya 763.000 711.250 300.000 300.000

Didapatkan metode SM dan PPB memiliki total biaya yang terendah sehingga mrp Water dengan menggunakan metode SM dan PPB adalah sebagai berikut: Tabel 5.121 Perhitungan MRP Water dengan metode SM dan PPB Item No : W BOM UOM : Kg Lead Time : 0 Safety Stock : 400 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

400

Description : Water On-hand : 400 Order Policy : SM, PPB Lot Size : 1 2 3 4 5

6

14

126

224

0

238

210

0 386 14 14 14 400

0 274 126 126 126 400

0 176 224 224 224 400

0 400 0 0 0 400

0 162 238 238 238 400

0 190 210 210 210 400

Contoh perhitungan untuk Tabel 5.121 sama dengan contoh perhitungan pada Tabel 5.115 sehingga tidak disertakan contoh perhitungannya. Perhitungan biayanya: Biaya pesan = Rp. 0,Biaya simpan = Jumlah PAB 2 selama periode x Rp 125 = 2400 x Rp. 125 = Rp. 300.000,Total Biaya = Biaya Pesan + Biaya Simpan = Rp. 300.000,-

192

♦ Surfaktan Diketahui bahwa biaya pesan (meliputi biaya telepon, fax dan lain-lain) bagi bahan baku ini adalah sebesar Rp 5000,-. Biaya simpan dihitung dengan membagi luas tanah dengan kapasitas bahan baku tersebut dikalikan dengan harga sewa tanah di daerah itu. Rumus biaya simpan ditunjukkan oleh rumus dibawah. Biaya Simpan = (Biaya Sewa / tahun/m2 x luas tanah) Diketahui luas alokasi tempat di gudang bahan baku bagi bahan baku Surfaktan adalah seluas 5 m x 10 m dan memiliki kapasitas 5000 kg. Harga sewa tanah di daerah itu adalah sebesar Rp 10.000,00/ m2. Biaya Simpan =

5 * 10 * 10000 = Rp. 100,5000


Balancing (PPB), maka didapatkanlah hasil seperti di table di bawah ini: Tabel 5.122 Tabel Perbandingan Total Biaya bahan baku Surfaktan Metode Perusahaan EOQ SM PPB

Biaya Simpan 612.000 717.800 300.000 300.000

Biaya Pesan 10.000 5.000 25.000 25.000

Total Biaya 622.000 722.800 325.000 325.000

Didapatkan metode SM dan PPB memiliki total biaya yang terendah sehingga mrp Surfaktan dengan menggunakan metode SM dan PPB adalah sebagai berikut:

193 Tabel 5.123 Perhitungan MRP Surfaktan dengan metode SM dan PPB Item No : S BOM UOM : Kg Lead Time : 0 Safety Stock : 500 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

500

Description : Surfaktan On-hand : 500 Order Policy : SM, PPB Lot Size : 1 2 3 4 5

6

20

180

320

0

340

300

0 480 20 20 20 500

0 320 180 180 180 500

0 180 320 320 320 500

0 500 0 0 0 500

0 160 340 340 340 500

0 200 300 300 300 500

Contoh perhitungan untuk Tabel 5.123 sama dengan contoh perhitungan pada Tabel 5.115 sehingga tidak disertakan contoh perhitungannya. Perhitungan biayanya: Biaya pesan = 5 x Rp. 5000,- = Rp.25.000,Biaya simpan = Jumlah PAB 2 selama periode x Rp 100 = 3000 x Rp. 100 = Rp. 300.000,Total Biaya = Biaya Pesan + Biaya Simpan = Rp. 325.000,-

♦ Katalis Diketahui bahwa biaya pesan (meliputi biaya telepon, fax dan lain-lain) bagi bahan baku ini adalah sebesar Rp 5000,-. Biaya simpan dihitung dengan membagi luas tanah dengan kapasitas bahan baku tersebut dikalikan dengan harga sewa tanah di daerah itu. Rumus biaya simpan ditunjukkan oleh rumus dibawah. Biaya Simpan = (Biaya Sewa / tahun/m2 x luas tanah) Diketahui luas alokasi tempat di gudang bahan baku bagi bahan baku Katalis adalah seluas 5 m x 10 m dan memiliki kapasitas 5000 kg. Harga sewa tanah di daerah itu adalah sebesar Rp 10.000,00/ m2.

194 Biaya Simpan =

5 * 10 * 10000 = Rp. 100,5000


Balancing (PPB), maka didapatkanlah hasil seperti di table di bawah ini: Tabel 5.124 Tabel Perbandingan Total Biaya bahan baku Katalis Metode Perusahaan EOQ SM PPB

Biaya Simpan 87.200 233.600 34.800 34.800

Biaya Pesan 5.000 5.000 15.000 15.000

Total Biaya 92.200 238.600 49.800 49.800

Didapatkan metode SM dan PPB memiliki total biaya yang terendah sehingga mrp Katalis dengan menggunakan metode SM dan PPB adalah sebagai berikut: Tabel 5.125 Perhitungan MRP Katalis dengan metode SM dan PPB Item No : K BOM UOM : Kg Lead Time : 0 Safety Stock : 50 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

50

Description : Katalis On-hand : 50 Order Policy : SM, PPB Lot Size : 1 2 3 4 5

6

2

18

32

0

34

30

0 48 2 20 20 68

0 50 0 0 0 50

0 18 32 32 32 50

0 50 0 0 0 50

0 16 34 64 64 80

0 50 0 0 0 50

Contoh perhitungan untuk Tabel 5.125 sama dengan contoh perhitungan pada Tabel 5.115 sehingga tidak disertakan contoh perhitungannya. Perhitungan biayanya: Biaya pesan = 3 x Rp. 5000,- = Rp.15.000,Biaya simpan = Jumlah PAB 2 selama periode x Rp 100 = 348 x Rp. 100 = Rp. 34.800,-

195 Total Biaya = Biaya Pesan + Biaya Simpan = Rp. 49.800,-

♦ Amine Diketahui bahwa biaya pesan (meliputi biaya telepon, fax dan lain-lain) bagi bahan baku ini adalah sebesar Rp 5000,-. Biaya simpan dihitung dengan membagi luas tanah dengan kapasitas bahan baku tersebut dikalikan dengan harga sewa tanah di daerah itu. Rumus biaya simpan ditunjukkan oleh rumus dibawah. Biaya Simpan = (Biaya Sewa / tahun/m2 x luas tanah) Diketahui luas alokasi tempat di gudang bahan baku bagi bahan baku Surfaktan adalah seluas 5 m x 10 m dan memiliki kapasitas 5000 kg. Harga sewa tanah di daerah itu adalah sebesar Rp 10.000,00/ m2. Biaya Simpan =

5 * 10 * 10000 = Rp. 100,5000


Balancing (PPB), maka didapatkanlah hasil seperti di table di bawah ini: Tabel 5.126 Tabel Perbandingan Total Biaya bahan baku Amine Metode Perusahaan EOQ SM PPB

Biaya Simpan 73.600 180.400 32.400 35.600

Biaya Pesan 5.000 5.000 15.000 10.000

Total Biaya 78.600 185.400 47.400 45.600

Didapatkan metode PPB memiliki total biaya yang terendah sehingga mrp Amine dengan menggunakan metode PPB adalah sebagai berikut:

196 Tabel 5.127 Perhitungan MRP Amine dengan metode PPB Item No : Am BOM UOM : Kg Lead Time : 0 Safety Stock : 50 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

50

Description : Amine On-hand : 50 Order Policy : PPB Lot Size : 1 2 3 4

5

6

1

9

16

0

17

15

0 49 1 26 26 75

0 66 0 0 0 66

0 50 0 0 0 50

0 50 0 0 0 50

0 33 17 32 32 65

0 50 0 0 0 50


♦ Pewarna Diketahui bahwa biaya pesan (meliputi biaya telepon, fax dan lain-lain) bagi bahan baku ini adalah sebesar Rp 5000,-. Biaya simpan dihitung dengan membagi luas tanah dengan kapasitas bahan baku tersebut dikalikan dengan harga sewa tanah di daerah itu. Rumus biaya simpan ditunjukkan oleh rumus dibawah. Biaya Simpan = (Biaya Sewa / tahun/m2 x luas tanah) Diketahui luas alokasi tempat di gudang bahan baku bagi bahan baku Pewarna adalah seluas 5 m x 10 m dan memiliki kapasitas 5000 kg. Harga sewa tanah di daerah itu adalah sebesar Rp 10.000,00/ m2.

197 Biaya Simpan =

5 * 10 * 10000 = Rp. 100,5000


Balancing (PPB), maka didapatkanlah hasil seperti di table di bawah ini: Tabel 5.128 Tabel Perbandingan Total Biaya bahan baku Pewarna Metode Perusahaan EOQ SM PPB

Biaya Simpan 73.600 180.400 32.800 35.600

Biaya Pesan 5.000 5.000 15.000 10.000

Total Biaya 78.600 185.400 47.800 45.600

Didapatkan metode PPB memiliki total biaya yang terendah sehingga mrp Pewarna dengan menggunakan metode PPB adalah sebagai berikut: Tabel 5.129 Perhitungan MRP Pewarna dengan metode PPB Item No : P BOM UOM : Kg Lead Time : 0 Safety Stock : 50 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

50

Description : Pewarna On-hand : 50 Order Policy : PPB Lot Size : 1 2 3 4

5

6

1

9

16

0

17

15

0 49 1 26 26 75

0 66 0 0 0 66

0 50 0 0 0 50

0 50 0 0 0 50

0 33 17 32 32 65

0 50 0 0 0 50

Contoh perhitungan untuk Tabel 5.129 sama dengan contoh perhitungan pada Tabel 5.115 sehingga tidak disertakan contoh perhitungannya. Perhitungan biayanya: Biaya pesan = 2x Rp. 5000,- = Rp.10.000,Biaya simpan = Jumlah PAB 2 selama periode x Rp 100 = 356 x Rp. 100 = Rp. 35.600,-

198 Total Biaya = Biaya Pesan + Biaya Simpan = Rp. 45.600,-

♦ Aditif Diketahui bahwa biaya pesan (meliputi biaya telepon, fax dan lain-lain) bagi bahan baku ini adalah sebesar Rp 5000,-. Biaya simpan dihitung dengan membagi luas tanah dengan kapasitas bahan baku tersebut dikalikan dengan harga sewa tanah di daerah itu. Rumus biaya simpan ditunjukkan oleh rumus dibawah. Biaya Simpan = (Biaya Sewa / tahun/m2 x luas tanah) Diketahui luas alokasi tempat di gudang bahan baku bagi bahan baku Aditif adalah seluas 5 m x 10 m dan memiliki kapasitas 5000 kg. Harga sewa tanah di daerah itu adalah sebesar Rp 10.000,00/ m2. Biaya Simpan =

5 * 10 * 10000 = Rp. 100,5000


Balancing (PPB), maka didapatkanlah hasil seperti di table di bawah ini: Tabel 5.130 Tabel Perbandingan Total Biaya bahan baku Aditif Metode Perusahaan EOQ SM PPB

Biaya Simpan 87.200 233.600 34.800 34.800

Biaya Pesan 5.000 5.000 15.000 15.000

Total Biaya 92.200 238.600 49.800 49.800

Didapatkan metode SM dan PPB memiliki total biaya yang terendah sehingga mrp Aditif dengan menggunakan metode SM dan PPB adalah sebagai berikut:

199 Tabel 5.131 Perhitungan MRP Aditif dengan metode SM dan PPB Item No : Ad BOM UOM : Kg Lead Time : 0 Safety Stock : 50 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

50

Description : Aditif On-hand : 50 Order Policy : SM, PPB Lot Size : 1 2 3 4 5

6

2

18

32

0

34

30

0 48 2 20 20 68

0 50 0 0 0 50

0 18 32 32 32 50

0 50 0 0 0 50

0 16 34 64 64 80

0 50 0 0 0 50


♦ Busa Untuk bahan baku busa, tidak diperlukan pemesanan karena bahan baku ini didapatkan dari sisa busa hasil potongan ataupun merupakan busa hasil produksi sehingga tidak perlu menghitung biaya simpan bagi bahan baku busa ini. Berikut adalah mrp busa yang dihitung menggunakan metode LFL.

200 Tabel 5.132 Perhitungan MRP Busa dengan metode LFL Item No : B BOM UOM : Kg Lead Time : 2 Safety stock : 0 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

Description : Busa On-hand : 0 Order Policy : LFL Lot Size : 1 1 2 3 4 0

0 0 0 0 4700 0 0

0

4700

0

5

6

3000

1500

0 0 0 0 0 0 -4700 0 -3000 -1500 0 4700 0 3000 1500 0 4700 0 3000 1500 0 3000 1500 0 0 0 0 0 0 0

Setelah membandingkan ketiga metode usulan dengan metode yang diterapkan perusahaan saat ini maka dapat diambil kesimpulan bahwa dari keempat metode yang dihitung ternyata metode lot sizing Silver Meal membuahkan hasil yang terbaik.

5.3 Analisis Pengolahan Data 5.3.1

Analisis Peramalan

Setelah mengelompokkan dan memplot-kan data historis ke dalam grafik sesuai dengan tipe dan minggu pemesanan didapatkan bahwa pola data yang terbentuk secara umum mengarah kepada dua pola data yaitu pola data stasioner dan musiman. Untuk tipe busa density 16 pada pemesanan minggu ke 1 dan ke 2 terlihat data pada grafik membentuk pola data musiman dengan tingkat pemesanan tertinggi pada bulan ke 11 dan ke 4. Dan untuk pemesanan minggu ke 4 pola data yang dihasilkan adalah pola data stasioner. Untuk tipe busa density 20 pada pemesanan minggu ke 1, 2 dan ke 4

201 membentuk pola data stasioner dan pada pemesanan minggu ke 3 membentuk pola data musiman. Untuk tipe density 22 pada pemesanan minggu ke 1 dan ke 2 membentuk pola data stasioner. Sedangkan untuk pemesanan busa rebounded pada minggu ke 3 dan ke 4 membentuk pola data musiman. Peramalan untuk pola data stasioner menggunakan metode Single Eksponensial

Smoothing dan Single moving average. Sedangkan untuk pola data musiman menggunakan metode Weight moving average dan Triple eksponensial smothing Winter. Kemudian hasil peramalan untuk setiap pola data akan dibandingkan dengan metode yang cocok. Untuk mendapatkan peramalan yang terbaik berdasarkan nilai MAE, MSE dan MAPE yang didapatkan dari masing-masing metode. Metode peramalan yang terbaik adalah peramalan yang memperoleh nilai MAE, MSE dan MAPE yang terkecil. Dari perbandingan MAE, MSE dan MAPE diketahui bahwa metode TES Winter memberikan hasil yang paling minimum untuk pola data berbentuk musiman dan metode SMA 6 bulanan atau SES memberikan nilai yang minimum untuk pola data stasioner, sehingga metode-metode peramalan inilah yang akan digunakan untuk masing-masing pola data tersebut. Penggunaan metode SMA, SES dan TES winter sebagai metode peramalan juga didukung oleh studi pustaka yang menyatakan bahwa kedua metode cocok digunakan pola data stasioner dan musiman.

5.3.2

Analisis Gantt chart

Gantt chart menggunakan informasi dari peramalan per periode untuk tipe busa density 16, 20, dan 22. Di dalam gantt chart diurutkan pengerjaannya sehingga busa yang sejenis dapat diproduksi terlebih dahulu sehingga mengurangi waktu setup mesin.

202

Gantt chart mempergunakan data peramalan karena sistem yang akan dikembangkan menggunakan peramalan untuk memprediksikan jumlah unit busa density yang akan diproduksi untuk bulan / periode yang akan datang berdasarkan perusahaan lain yang rutin memesan kepada Prokat sehingga kita dapat melakukan antisipasi pemesanan bahan mentah sebanyak jumlah yang kita ramalkan. Gantt chart tidak mempergunakan data order dikarenakan order untuk periode yang akan datang belum tentu sudah diketahui oleh perusahaan.

5.3.3

Analisis Master Production Schedule

MPS sangat berguna bagi perusahaan karena memudahkan jalinan komunikasi antara bagian pemasaran, bagian gudang dan bagian produksi. Ada informasi yang terkandung dalam MPS yang sangat penting bagi bagian pemasaran, yaitu Available To

Promise (ATP). ATP berguna bagi bagian pemasaran sebab melalui ATP maka bagian pemasaran dapat memberikan janji yang akurat kepada pelanggan mengenai kapan permintaan produk tersebut dapat dipenuhi. Dalam perhitungan MPS ini, nilai master schedule / jadwal produksi yang didapat dari perhitungan konversi dapat mengalami revisi sebab dapat terjadi lonjakan permintaan, oleh sebab itu nilai master schedule tersebut juga harus fleksibel dengan meningkatkan nilai master schedule-nya. Selain status inventori dari produk juga harus dijaga agar tidak pernah dibawah safety stock, hal ini dapat dicapai dengan melakukan perubahan pada master schedule-nya. Perubahan jumlah master schedule tidak diperkenankan untuk melebihi jumlah kapasitas yang tersedia pada suatu periode. Sehingga nilai master schedule paling besar hanya sebesar nilai kapasitas.

203 Dalam melakukan revisi pada MPS, berdasarkan nilai Project Available Balance (PAB) dimana PAB merupakan perkiraan jumlah sisa produk pada akhir periode. Oleh karena itu, nilai PAB tidak boleh negatif karena berarti diperkirakan terjadi kekurangan persediaan pada akhir periode tersebut. Selain itu nilai PAB juga jangan sampai berada dibawah safety stock sebab untuk berjaga-jaga terhadap lonjakan permintaan.

5.3.4

Analisis Material Requirement Planning

Sebelumnya dalam menentukan jadwal dan besar pemesanan bahan baku, perusahaan masih menggunakan intuisi berdasarkan pengalaman masa lalu. Pemesanan bahan baku untuk tiap bahan baku pada metode yang diterapkan oleh perusahaan dilakukan sebanyak sekali di dalam sebulan ataupun sebanyak 2 hingga 3 kali per bulan tergantung jenis bahan baku. Setelah menyusun jadwal produksi usulan maka langkah selanjutnya yaitu melakukan perhitungan kebutuhan bahan baku untuk setiap bahan baku yang akan digunakan untuk produksi. Dalam perhitungan MRP pertama harus diketahui kebutuhan kotor (Gross Requirement) dari masing-masing komponen, Gross Requirement dari masing-masing komponen merupakan hasil explosion dari Planned Order Release dari komponen pada level diatasnya. Setelah mendapatkan kebutuhan kotor

(Gross

Requirement) untuk tiap bahan baku maka langkah selanjutnya yaitu mengecek dengan rumus peterson-silver untuk mengetahui teknik lotting yang akan digunakan terhadap bahan baku apakah metode dinamik ataukah statis. Dari hasil perhitungan, didapatkan bahwa metode dinamis adalah yang terpilih. Penulis dalam hal ini menggunakan metode PPB dan SM untuk metode dinamis dan metode EOQ dari metode statis sebagai perbandingan.

204 Dalam melakukan perhitungan MRP, digunakan beberapa teknik lotting sebagai perbandingan economic order quantity (EOQ), part period balancing (PPB), dan silver

meal (SM). Untuk menentukan teknik lotting yang terbaik dilakukan dengan melakukan perbandingan biaya dimana teknik lotting yang menghasilkan biaya yang terminimum adalah yang terbaik dan yang akan dipilih. Perhitungan MRP yang dilakukan akan dapat mengetahui jumlah bahan baku yang akan dipesan dan kapan waktu memesan bahan baku oleh pihak perusahaan sesuai dengan ketentuan pemesanan (order policy) dengan berusaha menjaga status inventori bahan baku agar tidak dibawah safety stock.

5.3.5

Analisis Biaya

Sistem perencanaan kebutuhan bahan baku yang digunakan perusahaan adalah setiap bulannya perusahaan akan memesan sebanyak sekali yang jumlah pesanannya berdasarkan intuisi pengalaman masa lalu. Penulis akan membandingkan metode yang dipakai perusahaan dengan metode MRP yang diusulkan penulis. Perbandingannya berdasarkan total biaya pesan dan simpan yang harus dikeluarkan perusahaan. Tabel tabel berikut menunjukkan perencanaan kebutuhan masing-masing bahan baku berdasarkan metode perusahaan.

205 Tabel 5.133 Perhitungan Rencana Bahan Baku PPG dengan Metode Perusahaan Item No : PPG BOM UOM : Kg Lead Time : 0 Safety Stock : 3000 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

Description : Polypropylene Glycol On-hand : 3000 Order Policy : Lot Size : 200 1 2 3 4 5 6 160

1440

3265

0

2840 160 10000 10000 3000 12840

0 11400 0 0 0 11400

0 8135 0 0 0 8135

0 8135 0 0 0 8135

3170

2625

0 0 4965 2340 0 660 0 10000 0 10000 4965 12340

Tabel 5.134 Perhitungan Rencana Bahan Baku TDI dengan Metode Perusahaan Item No : TDI BOM UOM : Kg Lead Time : 0 Safety Stock : 4000 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

Description : Toluena Diisocyanat On-hand : 4000 Order Policy : Lot Size : 200 1 2 3 4 5 6 140

1260

2945

0

0 0 3860 10600 140 0 8000 0 8000 0 4000 11860 10600

0 7655 0 0 0 7655

0 7655 0 0 0 7655

2830

2325

0 0 4825 2500 0 1500 0 8000 0 8000 4825 10500

Tabel 5.135 Perhitungan Rencana Bahan Baku Tin Catalyst dengan Metode Perusahaan Item No : TC BOM UOM : Kg Lead Time : 0 Safety Stock : 100 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

Description : Tin Catalyst On-hand : 100 Order Policy : Lot Size : 25 1 2 3 4 2

100

0 98 2 150 150 248

5

6

49

37,5

0 0 0 0 230 174,5 174,5 125,5 0 0 0 0 0 0 0 0 0 0 0 0 230 174,5 174,5 125,5

0 88 12 150 150 238

18

55,5

0

206 Tabel 5.136 Perhitungan Rencana Bahan Baku Water dengan Metode Perusahaan Item No : W BOM UOM : Kg Lead Time : 0 Safety Stock : 400 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

400

Description : Water On-hand : 400 Order Policy : Lot Size : 200 1 2 3 4

5

6

14

126

224

0

238

210

0 386 14 1000 1000 1386

0 1260 0 0 0 1260

0 1036 0 0 0 1036

0 1036 0 0 0 1036

0 798 0 0 0 798

0 588 0 0 0 588

Tabel 5.137 Perhitungan Rencana Bahan Baku Surfaktan dengan Metode Perusahaan Item No : S BOM UOM : Kg Lead Time : 0 Safety Stock : 500 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

500

Description : Surfaktan On-hand : 500 Order Policy : Lot Size : 25 1 2 3 4

5

6

20

180

320

0

340

300

0 480 20 800 800 1280

0 1100 0 0 0 1100

0 780 0 0 0 780

0 780 0 0 0 780

0 440 60 800 800 1240

0 940 0 0 0 940

Tabel 5.138 Perhitungan Rencana Bahan Baku Katalis dengan Metode Perusahaan Item No : K BOM UOM : Kg Lead Time : 0 Safety Stock : 50 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

50

Description : Katalis On-hand : 50 Order Policy : Lot Size : 25 1 2 3 4

5

6

2

18

32

0

34

30

0 48 2 150 150 198

0 180 0 0 0 180

0 148 0 0 0 148

0 148 0 0 0 148

0 114 0 0 0 114

0 84 0 0 0 84

207 Tabel 5.139 Perhitungan Rencana Bahan Baku Amine dengan Metode Perusahaan Item No : Am BOM UOM : Kg Lead Time : 0 Safety Stock : 50 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

50

Description : Amine On-hand : 50 Order Policy : Lot Size : 25 1 2 3 4

5

6

1

9

16

0

17

15

0 49 1 100 100 149

0 140 0 0 0 140

0 124 0 0 0 124

0 124 0 0 0 124

0 107 0 0 0 107

0 92 0 0 0 92

Tabel 5.140 Perhitungan Rencana Bahan Baku Pewarna dengan Metode Perusahaan Item No : P BOM UOM : Kg Lead Time : 0 Safety Stock : 50 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

50

Description : Pewarna On-hand : 50 Order Policy : Lot Size : 25 1 2 3 4

5

6

1

9

16

0

17

15

0 49 1 100 100 149

0 140 0 0 0 140

0 124 0 0 0 124

0 124 0 0 0 124

0 107 0 0 0 107

0 92 0 0 0 92

Tabel 5.141 Perhitungan Rencana Bahan Baku Aditif dengan Metode Perusahaan Item No : Ad BOM UOM : Kg Lead Time : 0 Safety Stock : 50 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

50

Description : Aditif On-hand : 50 Order Policy : Lot Size : 25 1 2 3 4

5

6

2

18

32

0

34

30

0 48 2 150 150 198

0 180 0 0 0 180

0 148 0 0 0 148

0 148 0 0 0 148

0 114 0 0 0 114

0 84 0 0 0 84

208 Tabel 5.142 Perhitungan Rencana Bahan Baku Busa dengan Metode Perusahaan Item No : B BOM UOM : Kg Lead Time : 2 Safety Stock : 0 Periode Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipts Planned Order Release PAB 2

Past Due

Description : Busa On-hand : 0 Order Policy : Lot Size : 1 1 2 3 4 0

0

0 0 0 0 4700 0

0

4700

0 0 0 -4700 0 4700 0 4700 0 3000 0 0

0

5

6

3000

1500

0 0 0 0 -3000 -1500 0 3000 1500 0 3000 1500 1500 0 0 0 0 0

Tabel-tabel berikut menunjukkan perhitungan total biaya pesan dan simpan berdasarkan metode perusahaan dan metode MRP yang diusulkan penulis: Tabel 5.143 Total Biaya Pesan dan Simpan Berdasarkan Metode Perusahaan Bahan Baku Biaya Simpan Biaya Pesan Total Biaya PPG 7.226.875 10.000 7.236.875 TDI 6.636.875 10.000 6.646.875 Tin Catalyst 119.050 10.000 129.050 Water 763.000 0 763.000 Surfaktan 612.000 10.000 622.000 Katalis 87.200 5.000 92.200 Amine 73.600 5.000 78.600 Pewarna 73.600 5.000 78.600 Aditif 87.200 5.000 92.200 Total 15.739.400

Tabel 5.144 Total Biaya Pesan dan Simpan Berdasarkan Metode MRP PPB Bahan Baku Biaya Simpan Biaya Pesan Total Biaya PPG 2.250.000 25.000 2.275.000 TDI 3.000.000 15.000 3.015.000 Tin Catalyst 65.550 15.000 80.550 Water 300.000 0 300.000 Surfaktan 300.000 25.000 325.000 Katalis 34.800 15.000 49.800 Amine 35.600 10.000 45.600 Pewarna 35.600 10.000 45.600 Aditif 34.800 15.000 49.800 Total 6.186.350

209 Dapat dilihat pada tabel sebelumnya bahwa terdapat perbedaan biaya antara metode perusahaan dan metode MRP dimana bila digunakan metode MRP, perusahaan akan melakukan penghematan sebesar Rp. 9.533.050,-

5.4 Analisis Sistem Informasi 5.4.1

Analisis Sistem Berjalan

Pada sistem yang dijalankan oleh perusahaan saat ini, komunikasi antara bagian marketing dengan bagian gudang serta antara bagian gudang dengan bagian produksi dilakukan secara langsung atau melalui telepon. Proses bisnis yang dijalankan pada bagian yang terkait di perusahaan (marketing, produksi dan gudang) ada yang sudah menggunakan komputer dan ada yang masih mencatat secara manual. Bagian marketing sudah menggunakan komputer untuk mendata dan menyimpan order yang masuk dari konsumen. Bagian produksi dalam pembuatan jadwal produksi dilakukan secara manual atau pencatatan di kertas. Bagian gudang dalam melakukan pencatatan stok juga berdasarkan pencatatan di kertas. Apabila ada Order dari konsumen maka oleh marketing akan ditanyakan terlebih dahulu ke bagian gudang. Bagian gudang kemudian akan mengecek stok barang jadi yang tersedia. Apabila barang tersebut ada, maka bagian gudang akan memberitahukan kepada bagian produksi untuk memproduksi (memotong maupun mengerol) busa tersebut agar sesuai dengan pesanan konsumen. Kepala produksi kemudian akan mengecek ke jadwal produksi untuk melihat dan menjadwalkan produksi untuk memenuhi pesanan tersebut. Setelah mendapatkan info dari bagian produksi kapan barang tersebut tersedia atau selesai diproses maka bagian marketing akan memberikan info ini kepada konsumen.

210 Staff produksi akan membaca jadwal produksi yang dibuat oleh kepala produksi lalu mulai mengerjakan order. Setelah order yang diminta oleh konsumen selesai dikerjakan maka bagian gudang akan mengirim ke konsumen. Bagian gudang akan memberitahukan bagian purchasing tentang stok bahan baku yang kurang. Bagian purchasing kemudian akan mengirimkan surat permintaan barang kepada supplier. Supplier lalu mengirimkan bahan baku setelah menerima surat permintaan / telepon.

5.4.2

Analisis Sistem Usulan

Sistem yang akan dikembangkan, digunakan oleh tiga pengguna yaitu marketing, kepala gudang dan kepala produksi. Untuk masuk ke dalam sistem maka pengguna harus terlebih dahulu login. Pengguna dapat sewaktu-waktu keluar dari sistem dengan logout. Marketing dapat memasukkan order dari konsumen ke dalam sistem dan sistem akan mengubah order menjadi ukuran standar produksi. Dimana pada sistem ini bagian marketing dapat melihat, menambah, mengubah, dan menyimpan data apabila terjadi perubahan kuantitas produk yang dipesan dari konsumen. Bagian marketing juga akan dapat mencari order dari konsumen secara cepat apabila ingin mengubah data order. Kepala gudang akan memasukkan data jumlah busa dan bahan baku yang ada di gudang. Kedua data ini sifatnya dapat dilihat, diubah, dan disimpan. Kepala Produksi dapat menambah data peramalan baru untuk memprediksikan order pada minggu yang akan datang. Peramalan ini didapatkan dari data historis penjualan busa dari periode yang lalu. Peramalan yang dimasukkan ke dalam sistem terdiri dari metode peramalan Winter, WMA, SMA, dan SES. Kepala Produksi dapat memilih metode peramalan yang akan digunakan berdasarkan error yang didapatkan dari

211 hasil peramalan. Sistem kemudian akan menghitung nilai peramalan untuk tiga periode yang akan datang. Hasil yang didapatkan kemudian akan disimpan ke dalam database. Kepala produksi bertugas mendata bill of material. Bill of material ini sifatnya dapat dilihat, diubah, dan disimpan. Diubah apabila terjadi perubahan pada komposisi pada produk busa. Kepala produksi akan menambah tanggal libur ke dalam system. Tanggal libur ini sifatnya dapat dilihat, disimpan dan dihapus. Tanggal libur berguna untuk menentukan jumlah hari kerja di dalam sebulan. Kepala produksi akan menyusun jadwal produksi (MPS) berdasarkan data peramalan, order dan kapasitas produksi. Kepala produksi dapat menambahkan jadwal produksi baru apabila terjadi perubahan pada order yang diterima. Jadwal produksi ini sifatnya dapat dilihat, disimpan, dihapus dan dicetak. Untuk kegiatan menghitung kebutuhan bahan baku (MRP), kepala produksi dapat menggunakan beberapa alternatif untuk perhitungan kebutuhan bahan baku dan teknik pemesanan (lotting). MRP ini sifatnya dapat dilihat, disimpan, ditambah dan dicetak. Sistem ini pada akhirnya diharapkan dapat mencetak laporan jadwal produksi dan laporan kebutuhan bahan baku yang telah dihitung sehingga data-data ini dapat dipakai lebih lanjut oleh bagian lain pada perusahaan.

212 Definisi sistem dalam bentuk gambar:

p Gambar 5.16 Rich Picture Sistem Usulan Untuk memperjelas system definition maka dilakukanlah evaluasi FACTOR yang ditunjukkan pada tabel 5.145 di bawah ini:

213 Tabel 5.145 System Definition dengan kriteria FACTOR Sistem dapat mendukung kepala produksi untuk menyusun Functionality

jadwal produksi, menghitung kebutuhan bahan baku untuk beberapa periode ke depan, pembuatan laporan jadwal produksi dan pemesanan bahan baku.

Application Domain

Sistem digunakan oleh bagian marketing, kepala produksi dan kepala gudang Sistem ini harus dapat digunakan oleh SDM yang ada

Condition

sekarang dan mampu memproses data secara akurat dan cepat. Sistem ini hanya akan menampilkan data departemen bersangkutan. Menggunakan PC yang mendukung pengoperasian Visual

Technology

Basic.

Dikembangkan

dalam

platform

Visual

Basic.

Menggunakan jaringan untuk pengaksesan data. Jadwal produksi, bahan baku, order.

Object

Sistem dapat menyusun jadwal produksi serta menghitung Responsibility

kebutuhan bahan baku secara akurat dan dapat memudahkan kerja marketing, kepala produksi dan kepala gudang.

5.5 Perancangan Sistem Informasi Berdasarkan Metode Object-Oriented dengan Model UML (Unified Modelling Language) 5.5.1

Problem Domain

5.5.1.1 Class Candidates Event Candidates

Sebelum membuat class diagram, kita terlebih dahulu mencari class candidate dan event candidate terlebih dahulu dari system definition usulan yang telah dibuat. Berikut adalah daftar class candidate dan event candidate:

214 Tabel 5.146 Tabel Class Candidates dan Event Candidates Class Candidates Pengguna SMA SES Marketing Kepala Gudang Error Kepala Produksi Database Order Bill of material (BOM) Konsumen Struktur Produk Data Libur busa MPS Bahan Baku Kapasitas Peramalan MRP Peramalan Winter Laporan MPS WMA Laporan MRP Event Candidates Digunakan Memprediksikan Penjualan Login Memilih Logout Memasukkan Menghitung Mengubah Memesan Melihat Menentukan Menambah Menyusun Menyimpan Dicetak Mencari Dipakai

5.5.1.2 Event table

Berdasarkan pada Candidate Class dan Candidate Event pada Tabel 5.146 di atas, maka dapat dibuat Event Table yang ditunjukkan pada Tabel 5.147 di bawah ini. Tabel 5.147 Event Table Melihat Memasukkan Menghitung Menyimpan Mengubah Menghapus Menambah Mencari Mencetak Menyusun Logout Login memilih

Pengguna Bahan baku Busa Bom MRP MPS Peramalan Order x x x x x x x x x x x x x x x x + + + + + + + x x x x x + x + x + + + + x + x x x x + + + x x

Libur x

+ + +

215 5.5.1.3 Class Diagram

Class Diagram adalah sebuah diagram yang menggambarkan hubungan antar Class dalam sistem informasi yang dibuat. Pengguna -no_pengguna : int -nama : string -password : string +login() +melihat() +memasukkan() +mengubah() +menyimpan() +logout()

Bahan baku -Kode_bahan : string -Deskripsi : string -Stok : int -Supplier : string -Biaya_Simpan : int -Biaya_Pesan : int -Tgl_dicek : Date +dilihat() +diubah() +disimpan() +dimasukkan()

Order -No_order : long -Pemesan : string -Tanggal_order -Kode_busa : string -Panjang : string -Lebar : int -Tebal : int -Kuantitas : int -ukuran_standar : int -kuantitas_standar +dilihat() +dimasukkan() +diubah() +disimpan() +dicari() +ditambah()

Kepala Produksi

Manajer Marketing

1..*

1

-No_order : long -pemesan : string +mencari() +menambah()

1

-periode : Date -metode : string -no_bom : int -no_mrp : int -no_mps : int +mencari() +mencetak() +menyusun() +menghitung() +menghapus() +menambah() 1 +memilih()

Kepala Gudang -Kode_bahan : string -Kode_busa : string

1

BOM -no_bom : int -kode_busa : string -jumlah_ppg : int -jumlah_tdi : int -jumlah_water : int -jumlah_tin_catalyst : int -jumlah_katalis : int -jumlah_surfaktan : int -jumlah_amine : int -jumlah_pewarna : int -jumlah_aditif : int -jumlah_bahan_busa : int +dilihat() +disimpan() +diubah() +dimasukkan()

*

Peramalan

1

-metode : string -kode_busa : string -minggu : int -jumlah_periode1 : int -jumlah_periode2 : int -jumlah_periode3 : int -periode : Date +dipilih() +dihitung() +disimpan() +ditambah()

-alpha : decimal -beta : decimal -gamma : decimal

-bobot : byte

1

*

Busa -Kode_busa : string -Deskripsi : string -Ukuran : string -Satuan : string -Stok : int -Stok_aman : int -lead_time : byte -waktu_siklus : double -tgl_dicek +dilihat() +diubah() +disimpan() +dimasukkan()

1

1 *

1 MPS *

1 WMA

1

MRP 1 -no_mrp : int -Deskripsi : string -bulan_rencana : int -tahun_rencana : int -Stok_aman : int -Stok : int -Jenis_lot : string -Ukuran_lot : int -pesan_minggu1 : int -pesan_minggu2 : int -pesan_minggu3 : int -pesan_minggu4 : int -pesan_minggu5 : int -pesan_minggu6 : int +dilihat() +dihitung() +disimpan () +ditambah() +dicetak() +diubah()

1

*

Winter

1

*

1

1* *

* 1

SMA

SES

-periode : byte

-alpha : decimal

-no_mps : int -kode_busa : int -Stok : int -Stok_aman : int -bulan_rencana : int -tahun_rencana : int -tgl_dibuat : Date -periode : Date -jumlah_produksi_minggu1 : int -jumlah_produksi_minggu2 : int -jumlah_produksi_minggu3 : int -jumlah_produksi_minggu4 : int -jumlah_produksi_minggu5 : int -jumlah_produksi_minggu6 : int +dilihat() +disimpan() +dihapus() +ditambah() +dicetak() +disusun()

Diagram 5.1 Class Diagram

Libur

1

-Tanggal Libur : string 1

1..*

+dilihat() +ditambah() +dihapus() +disimpan()

216 5.5.1.4 Statechart Diagram State Chart Diagram merupakan sebuah diagram yang menggambarkan daur hidup dari suatu class dimulai dari kondisi awal munculnya class itu sampai kondisi akhir berakhirnya daur hidup class. Berikut ini adalah StateChart yang dimiliki tiap Class. ♦ Statechart Marketing

Diagram 5.2 Statechart Diagram Marketing ♦ Statechart Gudang

Diagram 5.3 Statechart Diagram Gudang ♦ Statechart Produksi

Diagram 5.4 Statechart Diagram Produksi

217 ♦ Statechart Bahan Baku

Diagram 5.5 Statechart Diagram Bahan Baku ♦ Statechart Busa

Diagram 5.6 Statechart Diagram Busa ♦ Statechart BOM

Diagram 5.7 Statechart Diagram BOM ♦ Statechart MRP

Diagram 5.8 Statechart Diagram MRP

218 ♦ Statechart MPS

Diagram 5.9 Statechart Diagram MPS ♦ Statechart Peramalan

Diagram 5.10 Statechart Diagram Peramalan ♦ Statechart Order

Diagram 5.11 Statechart Diagram Order ♦ Statechart Libur

Diagram 5.12 Statechart Diagram Libur

219 5.5.2

Application Domain

5.5.2.1 Use Case Diagram

Use Case Diagram digunakan untuk menjelaskan pola interaksi antara Sistem dengan pengguna. Sebelum membuat Use case Diagram, harus dibuat Actor Table terlebih dahulu, dalam Actor Table digambarkan bagaimana hubungan antara Use case dengan

actor yang menggunakannya. Tabel 5.148 Actor Table

Use case Login Menginput dan mengkonversikan order Mendata Busa Mendata Bahan Baku Mendata BOM Peramalan Mendata hari libur Menyusun MPS Menghitung kebutuhan bahan baku Mencetak jadwal produksi Mencetak laporan pemesanan bahan baku

Kepala Produksi v

Actors Kepala Gudang v v v

v v v v v v v

Marketing v v

220 Berikut adalah use case diagram yang dibuat berdasarkan actor table di atas.

Diagram 5.13 Use Case Diagram Untuk setiap use case terdapat penjelasan yang menjelaskan spesifikasinya.

Tabel 5.149 Tabel Use Case Spesification Login

221 Tabel 5.149 Tabel Use Case Spesification Login

Login Use Case: Login dilakukan ketika pengguna akan

masuk ke dalam sistem yang

dirancang. Untuk masuk ke dalam sistem maka pengguna harus memasukkan nama dan

password pada textbox yang tersedia. Apabila password diterima maka layar akan beralih ke menu utama sistem. Apabila password ditolak maka pengguna akan diminta memasukkan nama dan password yang benar. Selain alternatif yang ada di atas, pengguna juga dapat keluar dari sistem dengan menekan tombol cancel. Objects: Pengguna Function: Login

Tabel 5.150 Tabel Use Case Spesification Mendata bahan baku Mendata bahan baku Use Case: Mendata bahan baku dilakukan oleh kepala gudang ketika sistem selesai

dibuat. Use case ini dilakukan untuk mendata jumlah barang yang ada di dalam gudang pada suatu waktu. Untuk mendata bahan baku maka pada menu utama, kepala gudang harus memilih menu master bahan baku. Apabila ingin mengubah data bahan baku baru maka dapat menekan tombol ubah kemudian kepala gudang memasukkan data pada

textbox yang tersedia. Setelah selesai mengubah data, kepala gudang harus menekan tombol simpan agar perubahan yang dilakukan tersimpan ke dalam database. Objects: Kepala Gudang, Bahan Baku Function: Ubah dan Simpan

222 Tabel 5.151 Tabel Use Case Spesification Mendata busa Mendata busa Use Case: Use case ini dilakukan untuk mendata jumlah busa dari tipe-tipe yang ada di

dalam gudang. Untuk mendata busa maka pada menu utama kepala gudang harus memilih menu master busa Apabila ingin mengubah data bahan baku baru maka dapat menekan tombol ubah kemudian kepala gudang memasukkan data pada textbox yang tersedia. Setelah selesai mengubah data, kepala gudang harus menekan tombol simpan agar perubahan yang dilakukan tersimpan ke dalam database. Objects: Kepala Gudang, Busa Function: Ubah dan Simpan

Tabel 5.152 Tabel Use Case Spesification Mendata BOM Mendata BOM Use Case: Use case ini dilakukan untuk mendata Bill of material (BOM) dari masing-

masing tipe busa yang ada di dalam gudang. Untuk mendata bom maka pada menu utama kepala produksi harus memilih menu master bom. Apabila ingin mengubah data memasukkan data pada textbox yang tersedia. Setelah selesai mengubah data, kepala produksi harus menekan tombol simpan agar perubahan yang dilakukan tersimpan ke dalam database. Data yang dapat diubah pada BOM ini yaitu data jumlah bahan baku yang menyusun suatu busa. Objects: Kepala Produksi, BOM Function: Ubah dan Simpan

223 Tabel 5.153 Tabel Use Case Spesification Memasukkan dan menkonversikan order Memasukkan dan menkonversikan order Use Case: Use case ini dilakukan ketika ada order yang masuk dari konsumen. Untuk

mengakses menu konversi order ini maka bagian Marketing harus menekan tombol order untuk menampilkan menu order. Bagian Marketing kemudian akan menginputkan data pesanan ke dalam form. Bagian marketing dapat menekan tombol tambah order untuk menambah file baru. Setelah semua field diisi, maka marketing akan menekan tombol konversi order untuk mengubah bentuk pesanan ke dalam bentuk standar. Karena dalam satu order mungkin saja terdapat lebih dari satu ukuran pemesanan maka untuk memasukkan pemesanan berikutnya dapat memasukkan ulang kembali. Kemudian setelah didapatkan hasilnya maka order ukuran yang telah dilakukan oleh konsumen dan hasil konversi ordernya akan disimpan ke dalam database. Apabila di dalam menginput order, terjadi kesalahan maka setelah data disimpan, marketing dapat mengubah data yang diinput dengan menekan tombol ubah. Bila ingin mencari data order sebuah perusahaan maka dapat menekan tombol cari. Objects: Order, Bagian Marketing Function: Tambah, Ubah, Simpan, Cari, dan Konversi Order.

224 Tabel 5.154 Tabel Use Case Spesification Peramalan Peramalan Use Case: Peramalan dilakukan oleh kepala produksi dan dimulai ketika membuka

menu peramalan. Pada menu peramalan kepala produksi akan memilih kode busa dan minggu yang akan diramalkan. Kemudian kepala produksi akan menekan tombol menampilkan data historis untuk menampilkan data historis dalam form. Selain itu untuk membantu mempermudah analisa terhadap pola data, kepala produksi dapat menekan tombol pola data untuk menampilkan grafik pola datanya. Setelah data historis didapatkan maka kepala produksi akan menekan tombol tambah dan kemudian memilih metode peramalan yang akan digunakan dan akan menekan tombol hitung untuk mendapatkan nilai peramalan untuk tiga periode ke depan dan nilai error yang didapatkan untuk metode peramalan yang dipilih. Untuk metode peramalan yang dipilih, terdapat empat pilihan metode, yaitu: Single Exponential Smoothing (SES), Single

Moving Average (SMA), Weight Moving Average (WMA), dan Triple Exponential Smoothing metode Winter (Winter). Setiap metode memiliki nilai variabel yang harus dipilih. Setelah mendapatkan nilai error yang terkecil dari metode-metode yang tersedia, maka hasil peramalan akan disimpan. Objects: Order, Peramalan, Busa, Kepala Produksi Function: Tambah, Simpan, Hitung Peramalan, Tampilkan pola data, Tampilkan data

historis

225 Tabel 5.155 Tabel Use Case Spesification Mendata hari libur Mendata hari libur Use Case: Mendata hari libur dilakukan oleh kepala produksi ketika membuka menu

libur. Kepala produksi akan memilih hari libur di dalam setiap bulan kemudian menekan tombol tambah untuk menyimpan data hari libur ke dalam database kalender libur. Data juga dapat dihapus dari database terjadi kesalahan input data. Objects: Libur dan Kepala Produksi Function: Tambah, Hapus dan Simpan

Tabel 5.156 Tabel Use Case Spesification Menyusun MPS Menyusun MPS Use Case: Menyusun mps dilakukan oleh kepala produksi ketika memilih menu

menyusun mps. Untuk menyusun MPS maka kepala produksi harus menekan tombol tambah kemudian memilih kode busa, bulan dan tahun perencanaan. Kemudian kepala produksi menekan tombol tampilkan untuk menampilkan informasi stok dan stok aman busa, tanggal libur, data order dan peramalan. Langkah berikutnya yaitu menekan tombol hitung kapasitas untuk menghitung dan menampilkan kapasitas yang tersedia pada periode perencanaan. Setelah semua data didapat maka sistem akan menghitung jadwal produksi yang akan dilakukan dan menampilkan hasilnya ke layar dalam bentuk tabel jadwal produksi dan diagram gantt. Objects: Order, MPS, Kepala Produksi, Libur, Peramalan, Busa Function: Tambah, Cetak, Hapus, Simpan, Susun MPS, dan Hitung kapasitas

226 Tabel 5.157 Tabel Use Case Spesification Menghitung Pemesanan bahan baku Menghitung Pemesanan bahan baku Use Case: Menghitung pemesanan bahan baku dilakukan oleh kepala produksi ketika

membuka menu kebutuhan bahan baku. Sistem akan menampilkan tabel mps berisikan kode busa, jumlah produksi, dan bulan rencana, tabel BOM, biaya simpan dan biaya pesan. Kepala produksi menekan tombol tambah lalu memilih bahan baku yang akan dihitung lalu memasukkan tahun dan bulan yang akan direncanakan setelah itu memilih teknik lotting kemudian menekan tombol hitung untuk menampilkan total biaya dan hasil perhitungan. Untuk menyimpan data hasil pemesanan maka kepala produksi dapat menekan tombol simpan. Objects: MPS, Kepala Produksi, Bahan baku, BOM, dan MRP Function: Tambah, Simpan, Hitung, Ubah, dan Cetak

Tabel 5.158 Tabel Use Case Spesification Mencetak jadwal produksi Mencetak jadwal produksi Use Case: Untuk mencetak laporan jadwal produksi maka kepala produksi harus

membuka menu laporan dan kemudian memilih kode busa dan bulan dan tahun jadwal produksi yang akan dicetak lalu menekan tombol cetak. Atau bisa juga dengan cara membuka menu mps dan memilih jadwal yang akan dicetak dengan cara menekan tombol cetak pada menu mps. Objects: MPS, Kepala Produksi Function: Cetak

227 Tabel 5.159 Tabel Use Case Spesification Mencetak pemesanan bahan baku Mencetak Pemesanan bahan baku Use Case: Untuk mencetak laporan pemesanan bahan baku maka kepala produksi harus

membuka menu laporan kebutuhan bahan baku dan kemudian memilih dekripsi dan bulan dan tahun kebutuhan bahan baku yang akan dicetak lalu menekan tombol cetak. Atau bisa juga dengan cara membuka menu mrp dan memilih jadwal yang akan dicetak dengan cara menekan tombol cetak pada menu mrp. Objects: MRP, Kepala Gudang Function: Cetak

5.5.2.2 Function List

Function List digunakan untuk mendaftarkan semua fungsi yang dapat dijalankan oleh sistem informasi ini yang menjadikan sebuah model sistem berguna bagi actor. Dalam sistem ini akan diberikan beberapa fungsi yang penting, diantaranya :

228 Tabel 5.160 Function List No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

Function Login Cari Order Tambah Hapus Ubah Simpan Mencetak MPS Mencetak Pemesanan Bahan Baku Konversi Order Menampilkan data order Menampilkan pola data Menghitung Peramalan Menampilkan tgl libur Menghitung kapasitas Menampilkan data peramalan Menyusun MPS Menghitung jumlah kebutuhan per periode Menghitung Lotting Menghitung Pemesanan bahan baku Menampilkan MPS Menampilkan MRP

Complexity Simple Simple Simple Simple Simple Simple Simple Simple Medium Simple Simple Complex Simple Medium Simple Complex Medium Medium Complex Simple Simple

Type Read Read Update Update Update Update Read Read Read, Compute Read Read Read, Compute, Update Read Compute Read Read, Compute, Update Compute Compute Compute Read Read

5.5.2.3 Sequence Diagram Sequence diagram ini akan menjelaskan apa yang dilakukan pengguna secara detail saat berinteraksi dengan sistem pada setiap use case yang ada. Berikut adalah Sequence Diagram yang ada dalam sistem ini : ♦ Sequence Login

Diagram 5.14 Sequence Login

229 ♦ Sequence Mendata BOM

Diagram 5.18 Sequence Mendata BOM ♦ Sequence Mendata Busa

Diagram 5.16 Sequence Mendata Busa

230 ♦ Sequence Mendata Bahan baku

Diagram 5.17 Sequence Mendata Bahan baku ♦ Sequence Mendata hari libur

Diagram 5.21 Sequence Mendata hari libur

230 ♦ Sequence Mendata Bahan baku

Diagram 5.17 Sequence Mendata Bahan baku ♦ Sequence Mendata hari libur

Diagram 5.21 Sequence Mendata hari libur

231

♦ Sequence Memasukkan dan menkonversikan order

: Sistem

: Order

Pengguna membuka_UI_konversi_order()

read() no_order() pemesan() tgl_pesan() kode_busa() kuantitas() panjang() lebar() tebal() ukuran_standar() kuantitas_standar()

tambah() memasukkan_no_order() memasukkan_pemesan() memasukkan_tgl_pesan() memasukkan_kode_busa() memasukkan_kuantitas() memasukkan_panjang() memasukkan_lebar) memasukkan_tebal() konversi_ke_ukuran_standar_dan_tampilkan() simpan()

save()

cari_pesanan()

query()

ubah_pesanan()

edit()

Diagram 5.15 Sequence Memasukkan dan menkonversikan order

232 ♦ Sequence Peramalan

Diagram 5.19 Sequence Peramalan

233

♦ Sequence Menyusun MPS

: Sistem

: Busa

: Libur

: Order

: MPS

Pengguna membuka_UI_Jadwal_produksi() tambah() memasukkan_tahun() memasukkan_bulan() memilih_kode_busa() tampilkan()

open() stok_aman() stok()

open() : Peramalan

tgl_libur()

open() data_order()

open() data_peramalan()

hitung_kapasitas() hitung_dan_tampilkan_kapasitas() susun_mps()

susun_dan_tampilkan_perencanaan() simpan()

save()

hapus()

erase()

cetak() mencetak_perencanaan()

Diagram 5.20 Sequence Menyusun MPS

234

♦ Sequence Pemesanan bahan baku

: Sistem

: MPS

: Bahan baku

: BOM

Pengguna membuka_UI_kebutuhan_bahan()

read() read() kode_busa() jumlah_produksi_m1-m6() bulan_perencanaan()

read() biaya_simpan() biaya_pesan()

read() data_kuantitas() tambah_baru()

new()

memilih_bahan_baku() memasukkan_tahun() memasukkan_bulan() memilih_metode_lot_sizing() hitung() hitung_dan_tampilkan_kebutuhan_bahan_baku_dan_total_biaya() simpan()

save()

ubah()

edit()

cetak_mrp() mencetak_mrp()

Diagram 5.22 Sequence Pemesanan bahan baku

: MRP

235 ♦ Sequence Mencetak jadwal produksi

Diagram 5.23 Sequence Mencetak jadwal produksi

♦ Sequence Mencetak pemesanan bahan baku

Diagram 5.24 Sequence Mencetak pemesanan bahan baku

236 5.5.2.4 Navigation Diagram

Diagram 5.25 Navigation Diagram

237 5.5.3

Architecture Design

5.5.3.1 Criteria

Berikut adalah prioritas-prioritas dari criteria yang diinginkan dari arsitektur sistem informasi yang dikembangkan: Tabel 5.161 Criteria Sistem Criteria

Usable Secure Efficient Correct Reliable Maintainable Flexible Testable Comprehensible Reusable Portable Interoperable

Very Important v

Important

Less Irrelevant Important

Easily fulfilled

v v v v v v v v v v v

5.5.3.2 Component Diagram

Component Diagram dibawah ini menggambarkan bagaimana hubungan antara komponen-komponen program. Pola arsitektur yang digunakan dalam mengembangkan sistem informasi ini menggunakan pola Client-Server. Client ini berupa komputer PC, seluruh data ditempatkan pada server. Model distribusi arsitektur Client-Server yang digunakan adalah Centralized Data.

238

Client Bgn Gudang

Client Bgn Produksi

UI_gudang

UI_produksi

F_Gudang

F_produksi

Client Marketing

Server

UI_marketing

Model F_marketing

Diagram 5.26 Component Diagram

5.5.3.3 Deployment Diagram Client Bgn Gudang

U_Gudang

Client Bgn Produksi U_Produksi

F_Gudang

Function : Visual basic 6 SI_Gudang

Printer SI_Produksi

Client Marketing

U_Marketing Server

SI_Server F_marketing

SI_Marketing Model : Microsoft Access 2003

Diagram 5.27 Deployment Diagram

239 5.5.4

Component Design

Hasil dari aktivitas model component adalah revised class diagram. Revisi terdiri dari penambahan class, dan merevisi event pada masing-masing class.

Pengguna -no_pengguna : int -nama : string -password : string -status +login() +melihat() +mengubah() +menyimpan() +logout()

Pemasukkan

Bahan baku

+dimasukkan()

Order -No_order : long -Pemesan : string -Tanggal_order -Kode_busa : string -Panjang : int -Lebar : int -Tebal : int -Kuantitas : int -ukuran_standar : string -kuantitas_standar +dilihat() +diubah() +disimpan() +dicari() +ditambah()

Kepala Produksi Manajer Marketing -No_order : long -Pemesan : String +mencari() +menambah()

1

1..*

1

-periode : Date -metode : String -no_bom : int -no_mrp : int -no_mps : int +mencari() +menyusun() +menghapus() +menambah() 1

Kepala Gudang -kode_busa : String -kode_bahan : String

1

*

-Kode_bahan : string -Nama : string -Stok : int -Supplier : string -Biaya_Simpan : int -Biaya Pesan : int -Tgl_dicek : Date +dilihat() +diubah() +disimpan()

1 1

1

1

*

1 MRP *

* BOM

Pilihan

-No_bom : int -kode_busa : string -jumlah_ppg : int -jumlah_tdi : int -jumlah_water : int -jumlah_tin_catalyst : int -jumlah_katalis : int -jumlah_surfaktan : int -jumlah_amine : int -jumlah_pewarna : int -jumlah_aditif : int -jumlah_bahan_busa : int +dilihat() +disimpan() +diubah()

+dipilih()

*

Peramalan

1

-metode : string -kode_busa : string -minggu : int -jumlah_periode1 : int -jumlah_periode2 : int -jumlah_periode3 : int -periode : Date +disimpan() +ditambah()

-alpha : Decimal -beta : Decimal -gamma : Decimal

-bobot : byte

*

Busa

1 1

-Kode_busa : string -Deskripsi : string -Ukuran : string -Satuan : string -Stok : int -Stok_aman : int -lead_time : byte -waktu_siklus : double -tgl_dicek +dilihat() +diubah() +disimpan()

* 1

MPS *

Perhitungan

*

1

WMA

1

1

+menghitung()

Winter

1

-no_mrp : int -Deskripsi : string -Bulan_rencana : int -Tahun_rencana : int -Stok_aman : int -Stok : int -Jenis_lot : string -Ukuran_lot : int -pesan_minggu1 : int -pesan_minggu2 : int -pesan_minggu3 : int -pesan_minggu4 : int -pesan_minggu5 : int -pesan_minggu6 : int +dilihat() +disimpan () +ditambah() +diubah()

SMA

SES

-periode : byte

-alpha : decimal

-no_mps : int -kode_busa : int -Stok : int -Stok_aman : int -bulan_rencana : int -Tahun_rencana : int -tgl_dibuat : Date -periode : Date -jumlah_produksi_minggu1 : int -jumlah_produksi_minggu2 : int -jumlah_produksi_minggu3 : int -jumlah_produksi_minggu4 : int -jumlah_produksi_minggu5 : int -jumlah_produksi_minggu6 : int +dilihat() +disimpan() +dihapus() +ditambah() +disusun() 1..* 1 Libur -Tanggal Libur : string +dilihat() +ditambah() +dihapus() +disimpan()

Diagram 5.28 Revised Class Diagram

1

Pencetakan +dicetak()

240 5.6 Perancangan database

Perancangan database yang akan digunakan di dalam sistem didasarkan pada

class diagram yang ada. Sehingga setiap class yang ada dapat diwakilkan oleh sebuah tabel yang akan menyimpan semua informasi yang berhubungan dengan class tersebut. Selain dari class, tabel di database yang dirancang memiliki tambahan yaitu tabel total order. Tabel ini akan dipergunakan dalam penghitungan peramalan. Berikut adalah tabel-tabel yang ada di dalam database. Tabel 5.162 Tabel ms_user Field No Pengguna Nama Password

Tipe Data Int String String

Panjang 2 10 6

Keterangan Primary Key

Tabel 5.163 Tabel ms_bhn Field Kode Bahan Deskripsi Stok Supplier Biaya Simpan Biaya Pesan Tgl Dicek

Tipe Data String String Int String Int Int Date

Panjang 2 40 6 50 6 5 8


Biaya simpan 1 unit Biaya sekali pesan

Tabel 5.164 Tabel ms_busa Field Kode Busa Deskripsi Ukuran Satuan Stok Safety Stock Lead Time Waktu Siklus Tgl Dicek

Tipe Data String String String String Int Int Int Double Date

Panjang 3 40 15 40 4 4 1 5 8


Cadangan minimal Waktu tunggu waktu menghasilkan 1 unit

241 Tabel 5.165 Tabel ms_bill Field No Bom Kode Busa Jumlah PPG Jumlah TDI Jumlah Water Jumlah Tin Catalyst Jumlah Katalis Jumlah Surfaktan Jumlah Amine Jumlah Pewarna Jumlah Aditif Jumlah Bahan_busa

Tipe Data Int String Int Int Int Int Int Int Int Int Int Int

Panjang 2 3 6 6 6 6 6 6 6 6 6 6

Keterangan Primary Key Foreign Key

Tabel 5.166 Tabel ms_libur Field No Tgl Libur

Tipe Data Int Date

Panjang 3 8

Keterangan Primary key, berupa autonumber

Tabel 5.167 Tabel Order Field No Order Pemesan Tgl pesan Kode Busa Kuantitas Panjang Lebar Tebal Kuantitas Standar Ukuran Standar

Tipe Data Int String Date String Int Int Int Int Int String

Panjang 9 40 8 3 5 4 4 4 5 10

Keterangan Primary key, berupa autonumber

Foreign Key Panjang pesanan yang diinginkan Lebar pesanan yang diinginkan Tebal pesanan yang diinginkan Ukuran Standar yang dihasilkan mesin foaming

Tabel 5.168 Tabel ms_peramalan Field No Metode Kode Busa Minggu Bulan Tanggal_disimpan Jumlah Periode 1

Tipe Data Int String String Int

Panjang 5 6 3 1

Keterangan Primary Key, autonumber Foreign key Bulan yang akan diramal

Int

3

242 Jumlah Periode 2 Jumlah Periode 3

Int Int

3 3

Tabel 5.169 Tabel MPS Field No MPS Kode Busa Stok Stok aman Bulan Rencana Tgl Dibuat Jumlah Produksi minggu 1 Jumlah Produksi minggu 2 Jumlah Produksi minggu 3 Jumlah Produksi minggu 4 Jumlah Produksi minggu 5 Jumlah Produksi minggu 6

Tipe Data Int String Int Int Date Date Int Int Int Int Int Int

Panjang 5 3 6 6 3 8 5 5 5 5 5 5

Keterangan Primary Key, autonumber Foreign key

Perencanaan untuk bulan tersebut

Tabel 5.170 Tabel MRP Field No mrp Deskripsi Stok aman Stok Jenis Lot Ukuran Lot Pesan minggu 1 Pesan minggu 2 Pesan minggu 3 Pesan minggu 4 Pesan minggu 5 Pesan minggu 6

Tipe Data Int String Int Int String Int Int Int Int Int Int Int

Panjang 5 40 6 6 10 6 6 6 6 6 6 6

Keterangan Primary Key, autonumber Nama bahan baku

Teknik lotting yang digunakan Hasil perhitungan lotting

Tabel 5.171 Tabel total_order Field No Kode Busa Tahun Bulan Minggu Jumlah

Tipe Data Int String Date Date Date Int

Panjang 5 3 4 2 1 5

Keterangan Primary Key, berupa autonumber Foreign key

Jumlah order dalam seminggu

243

5.7 Pembuatan Program

Desain menu yang digunakan adalah menggunakan tipe pull down menu. Menu ini belum aktif bila pengguna belum berhasil login ke dalam sistem. 1. Menu Login Pada menu login, pengguna harus memasukkan nama dan password secara benar.

Bila login belum berhasil, maka pengguna tidak dapat

menggunakan sistem. Jika user telah berhasil melakukan login, maka menu utama akan muncul. Sebaliknya jika user salah memasukkan nama ataupun

password, akan muncul pesan kesalahan.

Gambar 5.17 Layar Login Pada Menu File

2. Menu Master Menu Master terdiri dari beberapa submenu, diantaranya Submenu

master bahan baku, master busa, dan master BOM. Yang dapat mengakses menu ini hanyalah kepala produksi dan gudang. Bagian gudang akan mendata jumlah

244 busa dan bahan baku yang terdapat di dalam gudang setiap awal periode. Berikut adalah setiap submenu yang ada di dalam menu master.

♦ Bahan baku Layar master bahan baku berisikan data tentang setiap jenis bahan baku yang diperlukan untuk memproduksi busa.

Gambar 5.18 Layar Master bahan baku

245

♦ Busa Layar master busa berisikan data seluruh busa yang diproduksi oleh PT. Prokat.

Gambar 5.19 Layar master busa

♦ BOM Layar master BOM (Bill of Material) berisikan jumlah dan jenis bahan baku yang diperlukan untuk memproduksi suatu jenis busa.

246

Gambar 5.20 Layar master BOM 3. Menu Libur Layar menu libur digunakan untuk mendata libur yang terdapat dalam satu tahun. Dari hari libur dalam setahun ini, didapatkan jumlah hari kerja dalam sebulan. Menu ini hanya dapat diakses oleh kepala produksi.

Gambar 5.21 Layar Libur 4. Menu Peramalan Layar menu peramalan digunakan untuk menghitung peramalan untuk beberapa periode yang akan datang. Untuk peramalan, pengguna dapat memilih kode busa dan minggu yang akan diramalkan. Menu ini hanya dapat diakses oleh kepala produksi.

247

Gambar 5.22 Layar Peramalan 5. Menu Konversi Order Layar konversi order digunakan oleh bagian marketing untuk memasukkan, mengubah data order dan mengubah satuan order dari pelanggan menjadi bentuk satuan standar yang dihasilkan oleh perusahaan. Menu ini hanya dapat diakses oleh bagian marketing.

Gambar 5.23 Layar Konversi Order 6. Menu Perencanaan Produksi

248 Layar perencanaan produksi digunakan untuk merencanakan produksi untuk enam minggu ke depan. Menu ini hanya dapat diakses oleh kepala produksi.

Gambar 5.24 Layar Perencanaan Produksi 7. Menu Pemesanan Bahan Baku Menu pemesanan bahan baku dijalankan setelah menerima input dari menu perencanaan produksi. Apabila menu perencanaan produksi belum diisi maka data yang ada pada tabel tidak akan memunculkan angka, yang berarti perencanaan produksi untuk bulan / periode tersebut belum dilakukan. Menu pemesanan bahan baku hanya dapat diakses oleh kepala produksi.

249 Gambar 5.25 Layar Pemesanan Bahan Baku

8. Menu Mengenai Program Menu mengenai program dapat diakses oleh semua pengguna ( Kepala Produksi, Marketing, Kepala Gudang).

Gambar 5.26 Layar Mengenai program 9. Menu Laporan Menu Laporan dibagi menjadi dua submenu yaitu laporan perencanaan produksi dan laporan pemesanan bahan baku. Menu laporan hanya dapat diakses oleh kepala produksi. Pada kedua menu ini kepala produksi harus memasukkan kode busa atau deskripsi bahan baku, bulan dan tahun yang akan dicetak.

♦ Cetak Laporan Perencanaan produksi

Gambar 5.27 Layar cetak laporan produksi

♦ Cetak Laporan Pemesanan bahan baku

250

Gambar 5.28 Layar cetak pemesanan bahan baku 5.8 Usulan Penerapan

Berikut akan dibahas mengenai kebutuhan, syarat dan kondisi agar sistem informasi dapat digunakan di perusahaan. Mulai dari kebutuhan perangkat keras, perangkat lunak dan penjelasannya.

♦ Perangkat keras Spesifikasi minimum perangkat keras yang dibutuhkan dapat dilihat pada tabel di bawah ini. Tabel 5.172 Spesifikasi Minimum Perangkat Keras Perangkat Keras

Server

Client

Switch

Penjelasan

Spesifikasi Minimum

Server digunakan untuk menyimpan software, dan database. Semua proses pengolahan data dilakukan di server dan server akan menangani beberapa client secara sekaligus.

- Processor Intel Pentium IV : 1.5 Ghz - Memory DDR 256 MB - Harddisk 7.200 RPM 40 GB - 10/100 MBPS LAN

- Processor Intel Pentium III : 500 Mhz Client cukup menggunakan desktop - Memory SDRAM 256 MB PC untuk menjalankan aplikasi - Harddisk 20 GB - 10/100 MBPS LAN (untuk koneksi ke jaringan) berfungsi untuk menghubungkan - Minimum 12 port seluruh jaringan yang ada.

251 Printer

Digunakan untuk memprint laporan.

- 10 PPS (Page per second)

♦ Perangkat lunak Spesifikasi perangkat lunak yang dibutuhkan di tiap komputer agar sistem ini dapat berjalan dapat dilihat di table 5.173 di bawah ini. Tabel 5.173 Spesifikasi Perangkat Lunak Sistem

Server

Client

Spesifikasi Minimum

-

Windows XP Professional SP 2 .Net Framework Crystal Report SQL Server 2000 Windows XP Professional / Home Edition SP 2 .Net Framework Microsoft Visual Basic 6.0 Crystal Report SQL Server 2000 Desktop Engine

♦ Pengguna Pengguna sistem informasi pemesanan bahan baku ini adalah kepala produksi, kepala gudang dan kepala marketing. Diharapkan para pengguna dapat menggunakan sistem informasi ini setelah dilakukannya training-training. Untuk

maintenance program ini dapat diserahkan ke staff IT yang terdapat di perusahaan.

5.9 Rencana Implementasi

Program yang dirancang belum diimplentasikan di dalam perusahaan. Untuk mengimplementasikan di dalam perusahaan dibutuhkan suatu perencanaan yang sistematis sehingga dapat dilihat kegunaan dan manfaat sistem bagi perusahaan. Berikut adalah tabel 5.174 yang berisikan rencana implementasi sistem.

252 Tabel 5.174 Rencana Implementasi No 1 2 3 4 5 6 7

Kegiatan

Minggu ke 1 2 3 4 5 6 7

Pembentukan Tim Pembelian dan pemasangan hardware Instalasi software Training User Implementasi sistem Uji Coba sistem Evaluasi sistem

Diagram 5.1 Class Diagram...........................................................................................215 Diagram 5.2 Statechart Diagram Marketing..................................................................216 Diagram 5.3 Statechart Diagram Gudang......................................................................216 Diagram 5.4 Statechart Diagram Produksi ....................................................................216 Diagram 5.5 Statechart Diagram Bahan Baku...............................................................217 Diagram 5.6 Statechart Diagram Busa ..........................................................................217 Diagram 5.7 Statechart Diagram BOM .........................................................................217 Diagram 5.8 Statechart Diagram MRP..........................................................................217 Diagram 5.9 Statechart Diagram MPS ..........................................................................218 Diagram 5.10 Statechart Diagram Peramalan ...............................................................218 Diagram 5.11 Statechart Diagram Order .......................................................................218 Diagram 5.12 Statechart Diagram Libur .......................................................................218 Diagram 5.13 Use Case Diagram ..................................................................................220 Diagram 5.14 Sequence Login .......................................................................................228 Diagram 5.18 Sequence Mendata BOM.........................................................................229 Diagram 5.16 Sequence Mendata Busa..........................................................................229 Diagram 5.17 Sequence Mendata Bahan baku...............................................................230 Diagram 5.21 Sequence Mendata hari libur...................................................................230 Diagram 5.15 Sequence Memasukkan dan menkonversikan order ...............................231 Diagram 5.19 Sequence Peramalan................................................................................232 Diagram 5.20 Sequence Menyusun MPS.......................................................................233 Diagram 5.22 Sequence Pemesanan bahan baku ...........................................................234 Diagram 5.23 Sequence Mencetak jadwal produksi ......................................................235 Diagram 5.24 Sequence Mencetak pemesanan bahan baku...........................................235 Diagram 5.25 Navigation Diagram ................................................................................236 Diagram 5.26 Component Diagram ...............................................................................238 Diagram 5.27 Deployment Diagram ..............................................................................238 Diagram 5.28 Revised Class Diagram ...........................................................................239

BAB 5 HASIL DAN PEMBAHASAN

Recommend Documents