TUGAS AKHIR

MANAJEMEN OPERASI

Optimalisasi Perencanaan Agregat Produksi Pedialyte

PT. Abbot Indonesia Pada Tahun 2008

Menggunakan Metode Transportasi

Dosen : Henry Yuliando, STP., MM., M.Agr., Ph.D

Oleh :

Dawud Gede Wicaksono (12/343653/PEK/18069)

Reguler 33 JKT

PROGRAM STUDI MAGISTER MANAJEMEN FAKULTAS EKONOMIKA DAN BISNIS

UNIVERSITAS GADJAH MADA 2013

TUGAS AKHIR

MANAJEMEN OPERASI

Optimalisasi Perencanaan Agregat Produksi Pedialyte

PT. Abbot Indonesia Pada Tahun 2008

Menggunakan Metode Transportasi

Dosen : Henry Yuliando, STP., MM., M.Agr., Ph.D

Oleh :

Dawud Gede Wicaksono (12/343653/PEK/18069)

Reguler 33 JKT

PROGRAM STUDI MAGISTER MANAJEMEN FAKULTAS EKONOMIKA DAN BISNIS

UNIVERSITAS GADJAH MADA 2013

HALAMAN PERNYATAAN PENULIS

Karya tulis ini bersumber pada skripsi Sdr. Izhar Frestia , Jurusan Teknik Industri, Universitas

Gunadarma tahun 2008 yang berjudul :

PERENCANAAN PRODUKSI PEDIALYTE PADA PT. ABBOT INDONESIA DENGAN

MENGGUNAKAN METODE PURE STRATEGY DAN MIXED STRATEGY

Sumber digunakan sebagai acuan data sekunder yang dianalisis menggunakan pendekatan

yang berbeda pada studi kasus yang sama. Ringkasan sumber diikutsertakan dalam halaman lampiran.

Nama : DAWUD GEDE WICAKSONO D.

NPM : 12/343653/PEK/18069

Tanggal : 26 Juni 2013

Tanda tangan :

Pendahuluan

Seorang manajer harus selalu mempertimbangkan berbagai parameter dalam setiap

pengambilan keputusan. Perencanaan adalah salah satu alat bantu dalam pengambilan keputusan.

Perencanaan yang baik dapat memaksimalkan hasil output ditengah keterbatasan sumber daya yang

dimiliki dengan penggunaan faktor-faktor produksi seefisien mungkin. Perencanaan yang baik dapat

meminimalkan kesalahan yang mungkin timbul di tahap implementasi di kemudian hari.

PT. Abbot Indonesia didirikan pada tahun 1971. Perusahaan afiliasi Abbot Laboratories di

Indonesia menawarkan berbagai produk perawatan kesehatan baik dalam produk nutrisi, farmasi, dan

peralatan medis. Salah satu dari jajaran produk Abbot adalah Pedialyte, solusi alternatif pengganti

cairan tubuh yang dijual di Indonesia. Sebagai perusahaan manufaktur obat, mutlak diperlukan proses

perencanaan produksi yang baik, mulai dari prediksi jumlah permintaan produk, manajemen inventori,

dan perencanaan agregat produksi yang mencakup didalamnya jumlah tenaga kerja, bahan mentah, dan

modal agar perusahaan mampu memproduksi dengan seefisien mungkin.

Tulisan ini bersumber pada skripsi Sdr. Izhar Frestia yang berjudul PERENCANAAN

PRODUKSI PEDIALYTE PADA PT. ABBOT INDONESIA DENGAN MENGGUNAKAN METODE

PURE STRATEGY DAN MIXED STRATEGY. Sumber digunakan sebagai acuan data sekunder dari

produksi Pedialyte pada tahun 2007 oleh PT. Abbot Indonesia untuk merencanakan agregat produksi

pada tahun 2008.

Adapun proses penelitian yang dilakukan adalah peramalan produksi untuk tahun 2008,

penentuan besar safety stock persedian pedialyte berdasarkan service level, dan terakhir perencanaan

agregat produksi. Metode yang digunakan pada peramalan adalah Weighted Moving Average,

Exponential Smoothing, Exponential Smoothing w/ Trend Adjustment yang nantinya dipilih

berdasarkan tingkat kesalahan terkecil dari uji Mean Absolute Percent Error (MAPE). Adapun metode

untuk perencanaan agregat produksi, yakni level strategy, chase strategy, dan metode transportasi akan

dibandingkan berdasarkan penggunaan biaya terkecil.

Tinjauan Pustaka

Peramalan

Menurut Heizer dan Render, peramalan adalah seni dan ilmu untuk memperkirakan kejadian

di masa depan. Suatu perusahaan menggunakan beberapa tipe peramalan untuk memperkirakan

perencanaan operasi di masa depan. Salah satunya adalah peramalan tingkat permintaan satu atau lebih

produk selama beberapa periode mendatang yang berimplikasi pada kapasitas produksi, sistem

penjadwalan, dan perencanaan tenaga kerja. Peramalan ini sangat penting karena menyangkut biaya

produksi yang dikeluarkan, jumlah produk yang dihasilkan, dan jumlah personil yang dibutuhkan.

Sehingga bila tidak tepat dapat berimplikasi kerugian bagi perusahaan.

Pendekatan dalam peramalan dapat dilakukan dengan dua analisis, kualitatif dan kuantitatif.

Karena data penelitian adalah data historis, maka pendekatan yang dipakai kuantitatif. Analisis

kuantitatif dilakukan melalui model matematika time-series dan asosiatif. Data historis produksi

pedialyte tidak menunjukkan kecenderungan peningkatan produksi, tetapi variasi musiman,

maka model matematis yang digunakan adalah time-series, karena bila menggunakan asosiatif

(regresi dan proyeksi trend), maka asumsi produksi akan selalu meningkat pada tahun-tahun

berikutnya, sedangkan data yang dimiliki hanyalah data 1 tahun saja dan tidak menunjukkan

peningkatan produksi menjelang akhir tahun 2007. Model matematika yang dipakai dalam peramalan

ini adalah time-series, dengan menggunakan metode :

Weighted Moving Averages (WMA)

Exponential smoothing (ES)

Exponential Smoothing w/ Trend Projection (TP)

Pada metode simple moving averages, peramalan menggunakan sejumlah data aktual

permintaan untuk menghasilkan hasil peramalan untuk permintaan dimasa yang akan datang. Model ini

efektif diterapkan apabila permintaan diasumsikan stabil sepanjang waktu. Asumsi permintaan

untuk produk tertentu tidaklah stabil sepanjang waktu, akan tetapi permintaan untuk periode

berikutnya terkadang sama dengan periode sebelumnya. Oleh karena itu, bobot nilai permintaan terbaru

seharusnya lebih mempengaruhi peramalan berikutnya dibandingkan data 2,3,4 bulan sebelumnya.,

atau yang dikenal dengan weighted moving averages, metode ini menggunakan rumus sbb :

bobot

n)-ke periode pada permintaan (bobot x

WMA ............................................................... (1)

Metode kedua yang dipakai untuk memprediksi permintaan adalah exponential smoothing,

yang juga memperhitungkan bobot dari data lampau dan terkini. Rumus ES sbb:

Peramalan baru (ES) = )1-n

Peramalan - 1-n

aktualn (Permintaa 1-n

Peramalan ............ (2)

Pada metode ES, bila permintaan aktual periode sebelumnya lebih kecil dari peramalan, maka

akan menurunkan hasil ramalan untuk periode berikutnya, dan berlaku pula sebaliknya. Nila berada

pada rentang 0.05 0.5, dimana bila rendah memberikan bobot lebih untuk data lampau, dan bila tinggi

memberikan bobot lebih pada data terbaru. Kedua metode diatas efektif untuk meminimalkan fluktuasi

data, akan tetapi tidak sensitif terhadap perubahan data riil, atau selalu tertinggal (lag) ketika

meramalkan nilai tinggi dan rendah sehingga tidak mampu merespon terhadap perubahan trend

permintaan. Oleh karena itu diperlukan sedikit penyesuaian trend permintaan seperti pada rumus

berikut :

Peramalan barun (ES) = )11)(1()1( nTrendnPeramalannAktual

1)1()

1(

nTrend

nTrend

nPeramalan

nPeramalan ................... (3)

Kedua nilai dan merupakan bobot nilai yang sama dengan pada metode ES diatas. Yang

juga memberikan bobot data terbaru besar (bila tinggi), dan kecil (bila rendah). Hanya saja berlaku

untuk kedua data trend dan peramalan.

Melihat masing-masing metode diatas memiliki kelemahan, maka masing-masing metode akan

diuji coba dengan beberapa variabel berbeda untuk mendapatkan hasil seoptimal mungkin, yang

nantinya akan diharapkan mampu memberikan tingkat kesalahan terkecil. Akurasi peramalan tidak

akan 100% tepat tetapi diusahakan mendekati. Beberapa alat yang dapat digunakan untuk menghitung

kesalahan adalah Rata-rata penyimpangan absolut (MAD=Mean Absolute Deviation), Kesalahan rata-

rata kuadrat (MSE=Mean Squared Error), dan Rata-rata persentase kesalahan mutlak (MAPE=Mean

Absolute Percent Error). Dalam penelitian ini, penulis menggunakan MAPE untuk mendapatkan

kesalahan dalam bentuk persentase yang lebih mudah dibandingkan antara berbagai metode peramalan

yang digunakan.

n

iaktual)n (Permintaa / |

iPeramalan -

iAktualPemintaan | x 100

MAPE

........................... (4)

Perhitungan Safety Stock

Melihat data historis permintaan pada tahun 2008, terlihat permintaan produk cenderung tidak

konstan, oleh karena itu untuk menghadapi permintaan yang tidak pasti manajemen perlu menentukan

besaran safety stock untuk menjaga ketersediaan produk di pasaran bila ada peningkatan permintaan.

Hal ini erat hubungannya dengan service level yang ditetapkan oleh manajemen. Mengingat industri

obat memiliki kecenderungan subtitusi produk yang tinggi, penulis memberikan nilai 99 % untuk

service level, yang artinya manajemen memberikan toleransi terjadinya kekurangan 1 kali untuk setiap

100 siklus permintaan. Rumus penghitungan jumlah safety stock sbb :

ROP = Prediksi permintaan selama lead time + safety stock

Safety stock = permintaan deviasistandar x )(order waktu rata-Rata x time leadZ ...... (5)

Ket : ROP : Reorder Point,

Lead time : waktu tunggu dari order hingga barang tiba, dalam hal ini penulis menggunakan

rata-rata hari kerja sebulan pada tahun 2008, yaitu 20 hari.

Perencanaan agregat produksi

Perencanaan agregat adalah perencanaan untuk menentukan kuantitas dan waktu produksi

pada jangka menengah, antara 3 hingga 18 bulan ke depan untuk memenuhi prediksi permintaan

dengan menyesuaikan tingkat produksi, tenaga kerja, persediaan inventori, kerja lembur, subkontrak,

dan faktor-faktor lain yang dapat dikendalikan (Heizer dan Render, 2010). Empat hal yang diperlukan

untuk perencanaan agregat menurut Heizer dan Render adalah :

1. Keseluruhan unit yang logis untuk mengukur penjualan dan output.

2. Prediksi permintaan untuk suatu periode perencanaan jangka menengah yang layak pada waktu

agregat ini.

3. Metode untuk menentukan biaya

4. Model yang mengkombinasikan prediksi dan biaya sehingga keputusan penjadwalan dapat dibuat

untuk periode perencanaan

Umumnya strategi perencanaan agregat terbagi atas dua, yaitu pengaturan di sisi produksi

(kapasitas) dan di sisi permintaan. Sederhananya, dengan pengaturan di sisi produksi, perusahaan akan

selalu melayani berapapun besaran permintaan. Sedangkan pada pengaturan permintaan, perusahaan

berusaha mempengaruhi pasar untuk menyerap produk ketika permintaan rendah ataupun tinggi. Pada

pengaturan kapasistas produksi dapat dilakukan melalui :

1. Perubahan tingkat persediaan

2. Perekrutan dan pemberhentian tenaga kerja sesuai kebutuhan produksi

3. Penambahan jam kerja untuk mengejar tingkat produksi

4. Sub-kontrak produk

5. Penggunaan karyawan paruh-waktu, untuk meningkatkan tingkat produksi

Strategi yang dapat digunakan perusahaan sehubungan dengan pengaturan produksi di atas ada

dua yaitu, level strategy dan chase strategy. Pada level strategy perusahaan selalu memproduksi dalam

jumlah yang sama per periode, sedangkan pada chase strategy produksi akan disesuaikan dengan

besaran permintaan. Level strategy dipilih bila biaya inventori < fluktuasi biaya produksi, sebaliknya

untuk chase strategy bila biaya inventori sama tingginya dengan fluktuasi biaya produksi.

Gambar 1. Grafik perbedaan level strategy dan chase strategy1

Data Penelitian

Berdasarkan acuan data sekunder dari tugas akhir Sdr. Izhar Frestia, terdapat beberapa data

produksi pedialyte dari PT. Abbot Indonesia pada tahun 2007. Data terdiri atas waktu produksi, data

permintaan produk pedialyte tahun 2007, biaya bahan baku, tenaga kerja, dan hari kerja. Acuan sumber

juga menyebutkan PT. Abbot Indonesia tidak menggunakan subkontrak produksi. Selain data tersebut,

penulis juga menambahkan beberapa asumsi diantaranya, biaya pemberhentian tenaga kerja, biaya

inventori, dan waktu lead time yang tidak didapatkan pada sumber acuan.

1 Sadk kelez, Prof.Dr. Aggregate Planning. Bahcesehir University. Diakses pada tanggal Juni 26, 2013, dari

http://web.bahcesehir.edu.tr/scokelez/AGGREGATE%20PLANNING.doc

Tabel 1. Data Waktu Operasi Produksi Pedialyte

No Kegiatan

Produk Tenaga

Solution Buble Gum

(menit) (menit) Kerja

1 Poses Pencampuran bahan baku (Mixing) 0.12 0.1 2

2 Proses Pegisian (Filling) 0.32 0.32 4

3 Proses Sterilisasi (Autoclave) 0.06 0.06 1

4 Proses Pengepakan 0.6 0.6 5

TOTAL 1.1 1.08 12

5 Gudang 2

Sumber : Data produksi PT. Abbott Indonesia (2007)

Tabel 2. Data Jumlah Permintaan Pedialyte Tahun 2007 Tabel 3. Ketentuan Hari Kerja Tahun 2008

Periode (bulan)

Produk TOTAL

Solution (botol) Bubblegum (botol) Bulan Hari Kerja

1 31,860 16,812 48,672 Januari 21

2 57,720 30,168 87,888 Februari 20

3 48,240 15,012 63,252 Maret 18

4 26,460 8,604 35,064 April 22

5 68,208 20,604 88,812 Mei 18

6 54,000 28,008 82,008 Juni 21

7 34,152 3,672 37,824 July 22

8 36,000 21,600 57,600 Agustus 20

9 43,404 16,740 60,144 September 20

10 21,396 6,360 27,756 Oktober 20

11 94,320 51,048 145,368 November 20

12 35,722 9,000 44,722 Desember 19

TOTAL 551,482 227,628 779,110

TOTAL 241

Persediaan Akhir

5,999 30,567 36,566

Sumber :Surat Keputusan Bersama (SKB) 3 Mentri tanggal 30 Mei 2007

Sumber : Data Produksi PT. Abbott Indonesia (2007)

Tabel 4. Data Biaya Produksi, Biaya Umum dan Khusus Tenaga Kerja, dalam Rupiah kecuali disebutkan yang lain

BAHAN BAKU BIAYA UMUM TENAGA KERJA

Biaya raw material / 3000 botol 454,249 Upah tenaga Kerja per bulan 1,108,800

Biaya finishing / 3000 botol 8,729,805 Upah tenaga Kerja per jam 6,300

Biaya pokok/botol 3,061 JAM KERJA 8 jam/hari

Biaya inventori 5% biaya pokok/botol HARI KERJA 5 hari/minggu

Keterangan : Biaya rekrut tenaga kerja baru 700,000 Biaya pokok/botol = (biaya finishing + raw material) / 3000 Biaya berhenti tenaga kerja 700,000

BIAYA KHUSUS (LEMBUR) KETERANGAN

Max. waktu lembur 4 jam/ hari

Tarif lembur jam ke-1 9,614 (1,5 x 1/173 x upah per bulan)

Tarif lembur jam ke-2 dst 12,818 (2 x 1/173 x upah per bulan)

Tidak ada subkontrak

Sumber : Data produksi PT. Abbott Indonesia (2007), kec. biaya rekrut, berhenti & inventori adalah asumsi

Analisis Data

Peramalan produksi

Hasil prediksi produksi di bulan ke-1 tahun 2008 masing-masing sebesar 57,157 botol (n=3),

64,735 botol (n=4), dan 66,277 botol (n=5) akan dikurangi sisa persediaan produksi pedialyte di akhir

tahun 2007 sebesar 36,566 botol. Selengkapnya dapat dilihat pada tabel 5 berikut.

Pada peramalan dengan metode WMA,terlihat untuk n periode = 3 menghasilkan tingkat

kesalahan terkecil sebesar 29% dibandingkan n = 4 dan 5.

Tabel 5. Weighted Moving Averages (WMA)

n = 3 n = 4 n = 5

Periode (bulan)

Produksi Aktual (2007)

Prediksi Produksi

(2008) Bobot

MAPE Prediksi Produksi (2008) Bobot

MAPE Prediksi Produksi (2008) Bobot

MAPE

(%) (%) (%)

9 60,144 0.1

10 27,756 0.1 0.1

11 145,368 0.1 0.2 0.2

12 44,722 0.3 0.3 0.2

1 48,672 20591* 0.6 58 28169** 0.4 42 29711*** 0.4 39

2 87,888 71807 18 73238 17 71146 19

3 63,252 69185 9 65874 4 71622 13

4 35,064 48803 39 51789 48 53593 53

5 88,812 70132 21 67483 24 65187 27

6 82,008 79355 3 72785 11 72692 11

7 37,824 56178 49 61001 61 59125 56

8 57,600 54108 6 59670 4 59394 3

9 60,144 57149 5 57103 5 60224 0

10 27,756 40457 46 44448 60 46634 68

11 145,368 101562 30 84263 42 85270 41

12 44,722 73219 64 73065 63 64288 44

MAPE 29 32 31

Ket: *. 20,591 = 57,157 36,566

**. 28,169 = 64,735 36,566

***. 29,711 = 66,277 36,566

Bila dilihat dari hasil MAPE, peramalan produksi dengan menggunakan metode exponential

smoothing (tabel 6) dengan = 0.1 menghasilkan kesalahan terkecil. Ini menunjukkan = 0.1 atau data

lampau lebih mempengaruhi peramalan. Pengurangan jumlah prediksi produksi serupa juga dilakukan

pada bulan ke-1 tahun 2008 yakni sebesar 48,672 botol 36,566 botol = 12,106 botol.

Tabel 6. Exponential Smoothing (ES)

= = = 0.5 0.3 0.1

Periode (bulan)

Produksi Aktual

Prediksi Produksi MAPE

Prediksi Produksi MAPE

Prediksi Produksi MAPE

1 48,672 12106 75 12106 75 12106 75

2 87,888 30389 65 23076 74 15763 82

3 63,252 59139 7 42519 33 22975 64

4 35,064 61195 75 48739 39 27003 23

5 88,812 48130 46 44637 50 27809 69

6 82,008 68471 17 57889 29 33909 59

7 37,824 75239 99 65125 72 38719 2

8 57,600 56532 2 56935 1 38630 33

9 60,144 57066 5 57134 5 40527 33

10 27,756 58605 111 58037 109 42488 53

11 145,368 43180 70 48953 66 41015 72

12 44,722 94274 111 77877 74 51450 15

MAPE 57 52 48

Peramalan produksi dengan menggunakan metode trend adjustment (tabel 7) menggunakan

nilai = 0.1, karena pada perhitungan kesalahan dengan metode MAPE pada peramalan ES diatas

untuk nilai = 0.1 menghasilkan kesalahan terkecil. Penentuan besar trend 2,740 pada bulan Jan

2008 di tabel 7 didapat melalui penghitungan jumlah safety stock melalui penentuan service level

pada manajemen inventori. Hasil penghitungan untuk nilai rendah (0.1) menunjukkan perubahan

trend juga lebih dipengaruhi oleh data lampau. Hasil kesalahan terkecil pada metode ini sebesar 46%.

Tabel 7. Exponential Smoothing w/ Trend Adjustment

= 0.1 =

0.1 0.3 0.5

Periode (bulan)

Produksi Aktual

Prediksi Produksi Trend MAPE

Prediksi Produksi Trend MAPE

Prediksi Produksi Trend MAPE

1 12106 12106 2740 0 12106 2740 0 12106 2740 0

2 87888 14572 2713 83 14572 2658 83 14572 2603 83

3 63252 24345 3419 62 24296 4778 62 24246 6139 62

4 35064 31312 3774 11 32491 5803 7 33672 7782 4

5 88812 35084 3773 60 37971 5706 57 40815 7463 54

6 82008 43853 4273 47 48190 7060 41 52331 9489 36

7 37824 51514 4612 36 57926 7863 53 63839 10499 69

8 57600 54295 4429 6 62993 7024 9 70686 8673 23

9 60144 58611 4417 3 68775 6651 14 77183 7585 28

10 27756 62740 4389 126 73898 6193 166 82306 6354 197

11 145368 63192 3995 57 74857 4623 49 82569 3309 43

12 44722 75005 4777 68 86069 6599 92 91827 6283 105

MAPE 46 53 59

Melihat hasil prediksi permintaan dari ketiga metode diatas dan mempertimbangkan kesalahan

terkecil yang diperoleh dari uji MAPE maka prediksi permintaan pada tahun 2008 mengikuti

model WMA dengan n = 3

Tabel 8. Prediksi produksi 2008 hasil peramalan metode WMA, n=3

Periode (bulan)

Prediksi Produksi

(2008)+safety stock

1 23332

2 74548

3 71926

4 51544

5 72873

6 82096

7 58919

8 56849

9 59890

10 43198

11 104303

12 75960

Gambar 2. Grafik produksi aktual 2007 vs prediksi produksi 2008

Penentuan Safety Stock

Dalam analisis ini, penulis menghitung safety stock produksi pedialyte disebabkan permintaan

produk pedialyte berdasarkan data historis tidak konstan dan cenderung tidak pasti. Sehingga

diperlukan juga jumlah safety stock untuk menjamin ketersediaan produk di lapangan disesuaikan

dengan service level yang ditetapkan oleh manajemen. Penulis melihat produk obat cenderung

memiliki subtitusi produk yang banyak, maka diberikan nilai 99% pada service level. Artinya,

manajemen memberikan toleransi terjadinya kekurangan 1 kali untuk setiap 100 siklus permintaan.

Nilai Z yang berkorelasi dengan 99% adalah 2,33 (dapat dilihat di bawah kurva normal, Appendix I

Heizer & Render, 2010) dengan waktu lead time adalah 20 hari, yang merupakan rata-rata hari kerja

pada tahun 2008 (241 hari/ 12 bulan = 20 hari). Nilai safety stock akan ditambahkan pada prediksi

produksi.

Rumus untuk menghitung safety stock sbb :

Safety stock = permintaan deviasistandar x )(order waktu rata-Rata x time leadZ ...... (5)

Weighted MA, n=3

0

20,000

40,000

60,000

80,000

100,000

120,000

140,000

160,000

1 3 5 7 9 11

(bulan)

(ju

mla

h p

rod

uksi) Produksi Aktual

(2007)

Prediksi Produksi

(2008)+safety

stock

Tabel 9. Penentuan Safety Stock, dan Produksi Riil Pedialyte 2008

Periode (bulan)

Produksi Aktual

Prediksi Produksi

(Xi) (Xi - X) (Xi - X)^2

Produksi Pedialyte

(2008) Keterangan

1 48,672 20591* -44335 1965577447 23332 = 20,591+ 2,741 *

2 87,888 71807 6881 47344950 74548

3 63,252 69185 4259 18138797 71926

4 35,064 48803 -16123 259952204 51544

5 88,812 70132 5206 27100007 72873

6 82,008 79355 14429 208195079 82096

7 37,824 56178 -8748 76524588 58919

8 57,600 54108 -10818 117025518 56849

9 60,144 57149 -7777 60482247 59890

10 27,756 40457 -24469 598733592 43198

11 145,368 101562 36636 1342208708 104303

12 44,722 73219 8293 68779931 75960

Rata2 (X) 64,926

Std deviasi = 69,210

Safety stock 2,741

Ket. *. 20,591 botol = (57,157 36,566) botol

Perencanaan agregat produksi

Waktu operasi produksi pedialyte pada tabel acuan data di hal.6 menunjukkan pembuatan

pedialyte melalui 4 tahapan yang sama untuk kedua produk, dengan total waktu yang dibutuhkan

adalah 1,1 menit untuk solution dan 1,08 menit untuk bubblegum.

Penulis melihat proses produksi tidak saling menunggu (sekuensial) antara satu proses dengan

yang lainnya pada proses manufaktur melainkan berjalan secara parallel. Acuan data menunjukkan

waktu proses per unit dan bukan mesin secara keseluruhan, maka waktu proses produksi dianggap

adalah waktu proses pembuatan produk. Untuk menyederhanakan perhitungan, jumlah produksi

pedialyte tidak dibedakan antara produk solution dan bubblehum melainkan diambil waktu proses

terlama, yaitu 1,1 menit / unit , atau (1,1 / 60 ) / unit = 0,02 jam /unit. Produk solution dan

bubblegum dianggap diproses pada 2 unit produksi terpisah.

Gambar 3. Gambaran waktu proses produksi pedialyte

Waktu proses Solution

0 0.2 0.4 0.6 0.8 1 1.2

Solution

(waktu)

Poses Pencampuran bahan baku (Mixing)

Proses Pegisian (Filling)

Proses Sterilisasi (Autoclave)

Proses Pengepakkan

Level Strategy

Pada level strategy perusahaan selalu memproduksi dalam jumlah yang sama per periode,

sehingga diperlukan jumlah produksi rata-rata dalam satu hari sebesar:

Jumlah produksi rata-rata per hari hari 241

438,775

12 s.d 1bulan dari hari Total

12 s.d 1bulan dari produksi Total

unit

hariunit / 218,3

Tabel 10. Level Strategy - constant workforce

Periode (bulan)

Hari Kerja

Permintaan (unit)

Produksi Riil

(Permintaan -

Persediaan)

Produksi bulanan

@3218/hari (unit)

Sisa persediaan

1 21 23332 23332 67578 44246

2 20 74548 30302 64360 34058

3 18 71926 37868 57924 20056

4 22 51544 31488 70796 39308

5 18 72873 33565 57924 24359

6 21 82096 57737 67578 9841

7 22 58919 49078 70796 21718

8 20 56849 35131 64360 29229

9 20 59890 30661 64360 33699

10 20 43198 9499 64360 54861

11 20 104303 49442 64360 14918

12 19 75960 61042 61142 100

TOTAL 241 775438 775538 326393

Keterangan

Produksi Riil Permintaan - Sisa Persediaan bulan lalu Produksi bulanan @ 3218 / hari 3218 unit x 0.02 jam/unit

Sisa persediaan Produksi bulanan - Produksi Riil

Biaya Kalkulasi Total Biaya Produksi

Biaya tenaga kerja 145,756,800 [= 12 orang x 8jam x 241hari x Rp6300/jam ]

Biaya inventori 74,247,249 [= (326,393 unit x 5% x 3061) + (2org*8jam*241 hari*Rp6300)]

BIAYA TOTAL 220,004,049

Keterangan : jumlah tenaga kerja produksi adalah 12 orang.

Chase Strategy

Pada chase strategy, produksi disesuaikan dengan jumlah permintaan setiap bulannya dengan

mengubah faktor produksi seperti kapasitas produksi harian, jumlah jam kerja dan jumlah tenaga kerja.

Faktor produksi ini akan dievaluasi mengikuti besar permintaan setiap periodenya.

Tabel 11. Chase Strategy - hiring & firing

Periode (bulan)

Hari Kerja

Prediksi Permintaan

bulanan (unit)

Produksi (Riil)- Sisa Persediaan

(unit)

Produksi (waktu reguler)

Produksi (waktu

overtime)

Total produksi (reguler

+ overtime

Rekrut Tenaga

kerja

Pecat Tenaga Kerja

Jumlah Tenaga Kerja

Sisa persediaan

1 21 23332 23332 67,200 0 67,200 0 4 8 43,868

2 20 74548 30,680 56,000 0 56,000 0 1 7 25,320

3 18 71926 46,606 50,400 0 50,400 0 0 7 3,794

4 22 51544 47,750 61,600 0 61,600 0 0 7 13,850

5 18 72873 59,023 50,400 12600 63,000 0 0 7 3,977

6 21 82096 78,119 58,800 22050 80,850 0 0 7 2,731

7 22 58919 56,188 61,600 0 61,600 0 0 7 5,412

8 20 56849 51,437 56,000 0 56,000 0 0 7 4,563

9 20 59890 55,327 56,000 7000 63,000 0 0 7 7,673

10 20 43198 35,525 56,000 0 56,000 0 0 7 20,475

11 20 104303 83,828 56,000 28000 84,000 0 0 7 172

12 19 75960 75,788 53,200 26600 79,800 0 0 7 4,012

TOTAL 241 775438 683,200 96,250 0 5 135,847

Keterangan

Produksi Riil Prediksi produksi - Sisa persediaan (bulan sebelumnya)

Produksi (waktu reguler) [=Jumlah TK x Hari Kerja x 8 jam x 50 unit/jam]

Produksi (waktu overtime) [=Jumlah TK x Hari Kerja x {50 s.d 200 unit} ]

Sisa Persediaan Total Produksi - Produksi Riil

Jumlah produksi / jam [=1 jam / 0.02 unit = 50 unit / jam]

Karena untuk memproduksi 1 unit dibutuhkan waku 0.02 jam. Maka dalam waktu 1 jam

mampu memproduksi sebanyak 1 jam / 0.02 = 50 unit. Dimana masing2 tenaga kerja memproduksi 8

jam x 50 unit = 400 unit / hari (reguler), dan akan diditambahkan overtime sejumlah 50 unit 200 unit

(1jam 4 jam) per hari bila dibutuhkan. Produksi reguler = jumlah TK x Hari Kerja x 400 unit/hari

Biaya Kalkulasi Total Biaya Produksi

Biaya tenaga kerja = 86,083,200 [= 683,200 / 50 unit x 6300,-]

Biaya overtime = 23,132,725 [= (0.25 x Over/50 x 9614,-) + (0.75 x Over/50 x 12818,-) ]

Biaya rekrut tenaga kerja baru = - [= 0 orang x 700000,- ] Biaya pecat tenaga kerja = 3,500,000 [= 5 orang x 700000,- ]

Biaya inventori = 45,084,183

[= (135,847 unit x 5% x 3061) + (2org*241hari*8jam*Rp6300)]

BIAYA TOTAL = 157,800,108

Pada chase strategy, terlihat produksi mengikuti besar permintaan setiap bulannya dengan

mengatur besar jumlah jam kerja dan tenaga kerja, total biaya yang didapatkan dengan chase strategy

lebih rendah daripada level strategy.

Metode Transportasi dengan linear programming

Solusi perencanaan agregat chase strategy memberikan biaya lebih rendah daripada level

strategy tetapi boleh jadi bukan solusi optimal. Penggunakan metode transportasi dengan penyelesaian

linear programming dapat menghasilkan solusi optimal yang meminimalkan biaya produksi. Hal ini

terlihat pada hasil berikut ini..

Karena keterbatasan tools solver pada aplikasi spreadsheet Excel, permintaan Jan s.d

Desember dibagi menjadi 2. Analisis dilakukan per 6 bulan yaitu Januari - Juni dan Juli Desember.

Terlihat di bulan April, perusahaan memproduksi lebih dari permintaan yaitu 63,317 unit, dan

didistribusikan langsung di bulan April hanya sebesar permintaan 51,544 unit , dan sisanya

11,773 unit di bulan Mei.

Pada bulan Januari Juni , Biaya produksi = Biaya reguler + overtime + inventori +

biaya rekrut + biaya pecat = Rp 62,176,903.41

Tabel 12. Metode Transportasi Linear Programming

= 22 hari x 10 org x 400

unit/hari

TK awal = 12

Biaya reguler/unit + biaya inventori/unit

Jan : 126 = Biaya kerja / jumlah unit

= 6300 Rp / 50unit = 126

Feb : 279 = 126 + (5% x 3061)

Biaya overtime/unit + biaya inventori/unit

Jan : 240 = (9614 + (3 x 12818))/4 / 50unit

Feb : 393 = 240 + (5% x 3061)

Pada bulan Juli Desember , Biaya produksi = Biaya reguler + overtime + inventori +

biaya rekrut + biaya pecat = Rp 58,882,218.01

Maka total biaya keseluruhan = Rp62,176,903.41 + Rp58,882,218.01 = Rp121,059,121.42

Hasil perencanaan agregat produksi pedialyte PT. Abbot Indonesia pada tahun 2008 dengan

penggunaan metode transportasi didapatkan biaya operasi produksi terendah di banding yang lain.

Kesimpulan

Perencanaan produksi dapat diawali dengan penetapan prediksi / peramalan permintaan

produksi di periode berikutnya. Prediksi ini dapat didekati melalui pendekatan estimasi kuantitatif time-

series, asosiatif, musiman, dan kuantitatif tergantung dari data historis sebelumnya. Semakin kecil

tingkat kesalahan model peramalan, dengan asumsi ceteris paribus, dapat mengantisipasi kenaikan dan

penurunan permintaan riil di lapangan.

Karena jumlah permintaan tidak konstan dari satu periode ke periode berikutnya, manajemen

perlu mempertimbangkan safety stock. Ini diperlukan agar ketersediaan produk di pasaran terjaga.

Service level yang ditetapkan perusahaan akan menentukan probabilitas permintaan produk tidak dapat

terlayani, yang akan menentukan besaran produksi safety stock.

Perencanaan agregat produksi didasarkan pada pertimbangan berbagai faktor produksi

disesuaikan dengan strategi yang dipilih perusahaan. Bila hanya kapasitas produksi menjadi

pertimbangan, perusahaan dapat memilih antara strategi level atau chase. Metode transportasi

dengan linear programming dapat digunakan untuk menentukan solusi optimal dari perencanaan

agregat dengan menentukan besaran produksi reguler, overtime, subkontrak, dan persediaan inventori.

Solusi optimal yang dipilih adalah yang mampu meminimalkan biaya operasi produksi. Metode

transportasi dapat digunakan apabila segala komponen biaya dapat di-breakdown per unit produksi.

Referensi

1. Heizer, B. Render.2011. Operation Management 10th Edition. New Jersey : Prentice Hall.

2. Kusuma, Hendra. 2004. Manajemen Produksi : Perencanaan dan Pengendalian Produksi. Andi

Offset, Yogyakarta.

3. Sadk kelez, Prof.Dr. Aggregate Planning. Bahcesehir University. Diakses pada tanggal Juni

26, 2013, dari http://web.bahcesehir.edu.tr/scokelez/AGGREGATE%20PLANNING.doc

4. Frestia, Izhar. 2008. PERENCANAAN PRODUKSI PEDIALYTE PADA PT. ABBOT

INDONESIA DENGAN MENGGUNAKAN METODE PURE STRATEGY DAN MIXED

STRATEGY. Skripsi pada Departemen Teknik Industri, Fakultas Teknologi Industri, Universitas

Gunadarma, Depok.

LAMPIRAN