Perencanaan Produksi
Perencanaan produksi adalah penentuan tingkat produksi
suatu pabrik. Tujuan perencanaan produksi
yaitu mengatur strategi produksi (memproduksi sesuai demand) dan menentukan
kebutuhan sumber daya (tenaga kerja,
material, fasilitas, peralatan, dan pendanaan).
Peramalan
Peramalan adalah suatu perkiraan tingkat permintaan
yang diharapkan untuk suatu produk atau beberapa produk dalam periode waktu
tertentu di masa yang akan datang. Hasil dari peramalan tersebut akan
mempengaruhi terhadap rencana apa yang akan kita lakukan, agar
kegiatan-kegiatan kita dapat serasi dan selaras dengan apa yang akan terjadi
terhadap permintaan. Kegunaan dari peramalan adalah:
a.
Menentukan apa yang dibutuhkan untuk perluasan pabrik
b.
Menentukan perencanaan lanjutan bagi produk–produk
yang ada untuk dikerjakan dengan fasilitas-fasilitas yang ada.
c.
Menentukan penjadwalan jangka pendek produk–produk
yang ada untuk dikerjakan berdasarkan peralatan yang ada.
Metode Peramalan
Berikut ini adalah metode-metode peramalan yang akan
dibahas dalam tulisan ini, yang merupakan metode yang cocok digunakan sesuai
trend atau kecenderungan naik dan peta
rentang gerak untuk melihat apakah hasil peramalan itu terkendali atau tidak,
sehingga mendapatkan suatu rencana produksi yang efektif dan efisien.
Metode Linier Regresi
Peramalan linier adalah peramalan yang ditujukan untuk
mencari garis regresi dari data yang telah ada dengan mencari
konstanta-konstanta untuk membuat persamaan garisnya.
dt' = a + b . t (1)
Sdt . St²
- St . Sdt.t
a = (2)
n .
Ã¥t² - ( St )²
n .
Sdt.t - St . Sdt
b = (3)
n .
Ã¥t² - ( St )²
dimana:
dt' = peramalan untuk periode
berikutnya atau dalam garis regresi biasa disebut sebagai Y t = periode atau waktu
dt = Data atau nilai aktual dari hasil
penjualan masa lalu
Metode Double Moving Average
Perbedaan mendasar antara Single Moving Average dengan
Double Moving Average adalah pada penempatan rata-rata bergerak pada kolom
periode, misal pada N = 3: untuk Single
Moving Average, rata-rata
Bergerak bulan april
ditempatkan pada kolom
ke-3
sedangkan untuk Double Moving Average pada kolom ke-4 dan perbedaan
keduanya adalah pada rata-rata bergerak untuk Single Moving Average (S)
dianggap sebagai ramalan (F), sedangkan pada Double Moving average tidak
demikian. Persamaan-persamaan yang terdapat dalam Double Moving Average,
sebagai berikut:
Xt + Xt-1 + Xt-2 + ………Xt-N+1
S’t = (4)
N
St + St-1 + St-2 + ………St-N+1
S’’t = (5)
N
a t = S’ + ( S’ t + S’’ t ) = 2S’
t – S’’ t (6)
2
b t = (
S’ t + S’’ t ) (7)
N –
1
F t+m = a + b t . m (8)
Dimana:
S’ t = Rata-rata
bergerak tunggal S’’ t = Ratar-rata bergerak ganda
Metode Double Exponensial
Smoothing
Persamaan-persamaannya
adalah sebagai berikut:
S’ t = a.Xt + ( 1 - a ) S’ t (9)
S’’ t = a.S’ t + ( 1 - a ) S’’ t (10)
a t = S’ t + ( S’ t + S’’ t ) = 2S’ t – S’’ t (11)
a
b t = (
S’ t + S’’ t ) (12)
1 –
a
F t+m = a + b t . m (13)
dimana:
F t+m = peramalan untuk
periode berikutnya
m = periode ke muka
atau selanjutnya dalam garis regresi (X) t = periode atau waktu
Uji Ketelitian Peramalan
Dalam memilih metode peramalan, ketetapan peramalan
merupakan faktor yang harus diperhatikan. Jika metode yang digunakan tidak
sesuai dengan pola data yang ada maka akan terdapat kesalahan peramalan. Salah
satu cara untuk memililh metode peramalan terbaik, yaitu berdasarkan:
1.
Deviasi Standart
Kesalahan (Standart Deviation Of Error)
SDE merupakan penyimpangan rata-rata dari setiap perhitungan. Untuk
peramalan konstan, rata-rata bergerak tunggal, ganda, dan Exponential Smoothing
dipergunakan rumus:
SDE =
|
∑ dt - dt )
N - 1
Sedangkan untuk peramalan Linier dipakai rumus:
SDE
= ∑ dt-dtf) 2
N-
2. Deviasi Absolut Rata-rata (Mean Absolute Deviation)
MAD memberikan informasi tambahan yang berguna dalam memilih model
peramalan peramalan dan parameter-parameternya. MAD adalah jumlah dari semua
kesalahan tanpa memandang tanda aljabar, dibagi dengan jumlah observasi dengan
rumus sebagai berikut:
MAD = ∑ I
dt-dtf)I
n
3.
Kesalahan Kuadrat
Rata-rata (Maen Squared Error)
|
MSE memberikan informasi serupa dengan MAD,
tetapi MSE memperkuat pengaruh angka-angka kesalahan besar, tetapi memperkecil
angka-angka kesalahan prakiraan yang lebih kecil dari suatu unit, persamaannya
adalah:
MAD = ∑ dt-dtf)
n
Pengolahan Dan Analisa Data
1. Data Hasil Penjualan Dan Jumlah hari kerja
|
Data hasil penjualan dan jumlah hari kerja
Januari-Desember 2008 sebagai berikut: Tabel 1. Data penjualan dan jumlah hari
kerja
2.
Data Kapasitas Produksi
· Kapasitas produksi
pertahun :
625000 jam tahun
· Jumlah shift
perhari :
3 shift (pershift 8 jam)
· Persentase waktu lembur
perhari : 25%
· Waktu baku pembuatan produk :
0,03 Jam
· Jam kerja per hari :
8 Jam
3.
Data-data Biaya
·
Ongkos/gaji tenaga kerja produksi perbulan = Rp 671000/orang
· Biaya tenaga
kerja (per orang/hari) =
Rp 32000
· Biaya/ongkos jual rata-rata
produk = Rp 69500/unit
· Rata-rata
biaya/ongkos pesan perbulan =
Rp 10000/unit
· Lead time =
1 bulan
· Variabel
cost/unit tiap produk = Rp 50000
·
Minimum produk yang dapat dibuat/bulan = 23820
unit
· Harga simpan perunit
produk/bulan = Rp
5000
· Persediaan
minimum tiap produk =
13000 unit
·
Persediaan awal =
0
· Harga subkontrak
per jam =
Rp 1500
·
Ongkos kerja per
jam =
Rp 4000
·
Ongkos lembur perjam
a. Shift I =
Rp 5000
b. Shift II =
Rp 5000
c. Shift III =
Rp 5000
1. Peramalan Permintaan
Pengolahan data peramalan untuk periode
januari-desember 2009, di lakukan dengan bantuan program computer QS
(Quantitative System). Setelah dilakukan Plot terhadap data historis permintaan
produk tersebut. Berdasarkan grafik plot data, terlihat data mempunyai pola
kecenderungan naik. Metode peramalan yang cocok untuk pola cenderung naik tadi,
maka digunakan tiga jenis peramalan, yaitu: Linier Regression, Double Moving
Average, dan Double Exponential Smoothing. Dan dengan mengolahnya kita dapat
mengetahui model peramalan mana yang memiliki nilai standar penyimpangan
terkecil.
Hasil perhitungan ketiga parameter kesalahan dengan
bantuan software QS, dapat dilihat pada tabel berikut:
Tabel 2. Perbandingan Nilai SDE, MAD,
dan MSE
Metode
Peramalan
|
Nilai SDE
|
Nilai MAD
|
Nilai MSE
|
Linier Regression
|
5223
|
3923
|
22.730.934
|
Double
Moving Average
|
5295
|
3378
|
25.696.751
|
Double
Exponential Smoothing
|
7395
|
5865
|
50.131.470
|
Dari hasil perbandingan standar penyimpangan diatas
bahwa peramalan yang dapat digunakan untuk perhitungan selanjutnya adalah Metode
Linier Regression karena mempunyai nilai SDE dan MSE terkecil.
Peta Rentang Bergerak
Hasil peramalan pada metode peramalan metode linier
setelah diuji di MRC (Moving Range Chart) ternyata hasilnya semua data terkendali,
ini berarti bahwa hasil yang didapat dari peramalan linier sudah terkendali.
Perkiraan Jumlah Permintaan
Periode Mendatang
|
Permintaan
periode mendatang hasil peramalan dapat dilihat
pada tabel 3 sebagai berikut: Tabel 3. Hasil Peramalan
Linier Regression
Perencanaan Produksi
Ramalan kebutuhan permintaan produk untuk periode januari-Desember
2009, beserta hari kerja normal per bulan dapat dilihat pada tabel berikut.
Tabel 4. Tabel hasil Ramalan periode
mendatang, hari kerja, dan jam kerja per hari
Periode' 09
|
Permintaan Produk/bln
|
Hari Kerja Normal/bln
|
Jam Kerja Per Hari
|
Januari
|
27928
|
22
|
8
|
February
|
28739
|
19
|
8
|
Maret
|
29550
|
20
|
8
|
April
|
30361
|
20
|
8
|
May
|
31172
|
16
|
8
|
June
|
31983
|
21
|
8
|
July
|
32794
|
23
|
8
|
August
|
33605
|
21
|
8
|
September
|
34416
|
21
|
8
|
October
|
35227
|
23
|
8
|
November
|
36038
|
15
|
8
|
December
|
36849
|
19
|
8
|
Total
|
388662
|
240
|
96
|
Jam Kerja Yang Tersedia
Tabel 5. Tabel Jam Kerja Yang Tersedia
Periode 09
|
Hari kerja normal/bln
|
Jam kerja per hari
|
Allowance 95%
|
Jam kerja yang
tersedia/bln
|
Januari
|
22
|
8
|
0.95
|
167 *
|
February
|
19
|
8
|
0.95
|
144
|
Maret
|
20
|
8
|
0.95
|
152
|
April
|
20
|
8
|
0.95
|
152
|
May
|
16
|
8
|
0.95
|
122
|
June
|
21
|
8
|
0.95
|
160
|
July
|
23
|
8
|
0.95
|
175
|
August
|
21
|
8
|
0.95
|
160
|
September
|
21
|
8
|
0.95
|
160
|
October
|
23
|
8
|
0.95
|
175
|
November
|
15
|
8
|
0.95
|
114
|
December
|
19
|
8
|
0.95
|
144
|
Total
|
240
|
96
|
1825
|
Contoh
Perhitungan:
*Jt = Hkn x J x 0,95 = 22 x 8 x 0,95 = 167 Jam
per bulan
Jam Kerja Yang Dibutuhkan:
Tabel 6. Tabel Jam Kerja Yang Dibutuhkan
Periode’ 09
|
Permintaan produk/bln
|
Waktu Baku/Unit (menit)
|
Jam Kerja Dibutuhkan (menit)
|
Jam Dibutuhkan (Jam)
|
Januari
|
27928
|
1.8
|
50270
|
838*
|
Februari
|
28739
|
1.8
|
51730
|
862
|
Maret
|
26550
|
1.8
|
53190
|
887
|
April
|
30361
|
1.8
|
54650
|
911
|
May
|
31172
|
1.8
|
56110
|
935
|
Juni
|
31983
|
1.8
|
57569
|
959
|
July
|
32794
|
1.8
|
59029
|
984
|
Agustus
|
33605
|
1.8
|
60489
|
1008
|
September
|
34416
|
1.8
|
61949
|
1032
|
October
|
35227
|
1.8
|
63409
|
1057
|
November
|
36038
|
1.8
|
64868
|
1081
|
Desember
|
36849
|
1.8
|
66328
|
1105
|
Total
|
388662
|
699592
|
11659
|
*Jd = Tp x Wn = 27928 x 0,03 = 838 Jam
Jumlah Tenaga Kerja (Jtk) Yang Dibutuhkan:
Jtk = Jd / Jt = 11659 / 1825
= 6,38
Untuk menentukan apakah digunakan 6 atau 7 orang
tenaga kerja, maka digunakan perbandingan biaya tenaga kerja yang dikeluarkan.
Dengan menggunakan 6 orang tenaga kerja
biaya yang dikeluarkan sebagai berikut : 11660 jam – 6 (1825) = 710 jam lembur.
Maka Biaya yang dikeluarkan untuk lembur = 710 jam x Rp 5000/Jam = Rp 3.550.000,-
Sedangkan bila menggunakan 7 orang tenaga kerja, maka
biaya yang dikeluarkan adalah: 7 (1825) – 11660 jam = 1115 Jam. Sedangkan Biaya
yang dikeluarkan untuk waktu jam normal (RT) = 1115 Jam x Rp 4000/Jam = Rp
4.460.000,-. Dengan demikian tenaga kerja yang digunakan sebanyak 6 orang tenaga kerja.
Jam Lembur Yang Diizinkan:
Tabel 7. Tabel Jam Lembur Yang Diizinkan
Periode' 09
|
Jam Kerja Tersedia/Bulan (Jam)
|
Faktor 25%
|
Jam Lembur Yang
Tersedia/Bulan (Jam)
|
Januari
|
167
|
0.25
|
42
|
February
|
144
|
0.25
|
36
|
Maret
|
152
|
0.25
|
38
|
April
|
152
|
0.25
|
38
|
May
|
122
|
0.25
|
31
|
June
|
160
|
0.25
|
40
|
July
|
175
|
0.25
|
44
|
August
|
160
|
0.25
|
40
|
September
|
160
|
0.25
|
40
|
October
|
175
|
0.25
|
44
|
November
|
114
|
0.25
|
29
|
December
|
144
|
0.25
|
36
|
Total
|
1825
|
456
|
Analisis Perencanaan Produksi
Setelah permintaan yang diharapkan untuk beberapa
waktu di masa yang akan datang diketahui, maka rencana produksi untuk periode
tertentu akan dapat dibuat. Rencan produksi harus menyediakan jumlah produk
yang diinginkan pada waktu yang tepat dan pada jumlah biaya yang minimum dengan
kualitas yang memenuhi syarat. Rencana produksi tersebut akan menjadi dasar
bagi pembentukan anggaran operasi dan membuat keperluan tenaga kerja serta
keperluan jam kerja baik untuk waktu kerja biasa maupun waktu kerja lembur, yang
selanjutnya rencana produksi tersebut digunkan untuk menetapkan keperluan
peralatan dan tingkat persediaan yang diharapkan.
Untuk periode yang mempunyai permintaan tinggi (Lihat
tabel 8) yaitu pada bulan mei, yang membutuhkan waktu kerja melebihi waktu yang
tersedia pada bulan tersebut, akan mengambil waktu menganggur (RT) pada pada
bulan-bulan sebelumnya (January, February, Maret, April), yang nantinya akan
mengeluarkan biaya simpan produk selama digudang. Juga pada bulan juli
menggunakan waktu RT bulan juni untuk memenuhi waktu yang dibutuhkan, agar
tidak ada waktu lembur dibulan juli tersebut. Dan pada bulan november dan desember
juga membutuhkan waktu kerja melebihi waktu yang tersedia pada bulan tersebut,
sehingga mengambil waktu kerja lembur di bulan oktober, karena waktu RT pada
bulan sebelumnya atau pada bulan oktober sendiri habis terpakai, sehingga
perusahaan harus mengeluarkan biaya
simpan dan ongkos lembur karyawan.
Kesimpulan
1.
Peramalan linier merupakan peramalan yang mempunyai
nilai SDE dan MSE terkecil dibanding metode-metode yang lainnya.
2.
Jumlah kerja yang di butuhkan adalah enam orang.
3.
Metode perencanaan produksi yang digunakan adalah
metode heuristik, dimana metode ini
dapat menentukan tenaga kerja yang akan digunakan dan biaya produksi yang
dikeluarkan.
Sumber
https://drive.google.com/open?id=0B3veF_xJ1onYYWtlNnJOZFBiYTA
http://www.e-jurnal.com/2015/10/penentuan-jumlah-tenaga-kerja-dan_29.html
Ahmad
Staf Pengajar Program Studi Teknik Industri Universitas
Tarumanagara, Jakarta e-mail:
ahmad_industri@tarumanagara.ac.id
Komentar
Posting Komentar