PENENTUAN JUMLAH PRODUKSI KARUNG GONI LDPE DENGAN …

PENENTUAN JUMLAH PRODUKSI KARUNG GONI LDPE

DENGAN METODE DYNAMIC PROGRAMMING

DI PT. SRI INTAN KARPLAS INDUSTRY

TUGAS SARJANA

Diajukan Untuk Memenuhi Sebagian Dari

Syarat-Syarat Memperoleh Gelar Sarjana Teknik

Oleh

YOSUA J.S. HUTAGAOL

1 2 0 4 0 3 0 6 9

D E P A R T E M E N T E K N I K I N D U S T R I

F A K U L T A S T E K N I K

UNIVERSITAS SUMATERA UTARA

M E D A N

2 0 1 7

Universitas Sumatera Utara

PENENTUAN JUMLAH PRODUKSI DENGAN METODE

DYNAMIC PROGRAMMING DI PT. SRI INTAN KARPLAS

INDUSTRY

TUGAS SARJANA

Diajukan Untuk Memenuhi Sebagian Dari

Syarat-Syarat Memperoleh Gelar Sarjana Teknik

Oleh

YOSUA J.S. HUTAGAOL

1 2 0 4 0 3 0 6 9

Disetujui oleh

Dosen Pembimbing I , Dosen Pembimbing II,

(Dr. Meilita T. Sembiring, S.T.,M.T.) (Rahmi M. Sari, S.T., M.M.(T))

D E P A R T E M E N T E K N I K I N D U S T R I

F A K U L T A S T E K N I K

UNIVERSITAS SUMATERA UTARA

MEDAN

2017


KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa yang

senantiasa memberikan rahmat dan karunia-Nya kepada penulis sehingga dapat

menyelesaikan Tugas Sarjana ini dengan baik.

Tugas Sarjana ini merupakan langkah awal bagi penulis untuk mengenal

dan memahami lingkungan kerja serta menerapkan ilmu yang telah dipelajari dan

diperoleh selama perkuliahan dan ditujukan untuk memenuhi syarat dalam

mendapatkan gelar sarjana teknik di Departemen Teknik Industri, Fakultas

Teknik, Universitas Sumatera Utara. Judul untuk tugas sarjana ini adalah

“Penentuan Jumlah Produksi Karung Goni Plastik LDPE dengan Metode Dynamic

Programming di PT. Sri Intan Karplas Industry”.

Penulis menyadari bahwa Tugas Sarjana ini masih jauh dari

kesempurnaan. Oleh karena itu, penulis sangat mengharapkan saran yang

membangun dari para pembaca. Semoga tugas sarjana ini dapat bermanfaat bagi

penulis sendiri dan juga pembaca lainnya.

UNIVERSITAS SUMATERA UTARA PENULIS

MEDAN, MARET 2017


UCAPAN TERIMA KASIH

Puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Esa yang telah

memberikan kesempatan kepada penulis untuk dapat mengikuti pendidikan di

Departemen Teknik Industri USU serta telah memberikan nikmat kesehatan dan

ilmu kepada penulis selama masa kuliah dan dalam penyelesaian laporan Tugas

Sarjana ini.

Dalam penulisan Tugas Sarjana ini penulis telah mendapatkan bimbingan

dan bantuan dari berbagai pihak, baik berupa materil, spiritual, informasi maupun

administrasi. Oleh karena itu sudah selayaknya penulis mengucapkan terima kasih

kepada:

1. Orangtua penulis tercinta, Ayahanda T. Hutagaol dan Ibunda M. Hutapea

yang tiada hentinya mendukung baik secara moril maupun materil sehingga

laporan ini dapat diselesaikan dengan baik.

2. Ibu Dr. Meilita T. Sembiring, S.T., M.T., selaku Ketua Departemen Teknik

Industri, Fakultas Teknik, Universitas Sumatera Utara, Medan dan selaku

Dosen Pembimbing I yang memberikan waktu, bimbingan, arahan dan

masukan kepada penulis dalam penyelesaian tugas sarjana ini.

3. Ibu Rahmi M. Sari, ST. MM(T). selaku Dosen Pembimbing II yang telah

meluangkan waktunya untuk membimbing penulis dalam penyelesaian

laporan.


4. Ibu Ir. Rosnani Ginting, M.T., selaku Koordinator Tugas Akhir atas saran,

nasihat dan dukungan yang diberikan kepada penulis selama penyelesaian

Tugas Sarjana ini.

5. Seluruh dosen Departemen Teknik Industri, Fakultas Teknik, Universitas

Sumatera Utara yang telah memberikan pengajaran selama perkuliahan yang

menjadi bekal penulis dalam meyelesaikan penulisan Tugas Sarjana ini.

6. Seluruh staff dan karyawan Departemen Teknik Industri, Fakultas Teknik,

Universitas Sumatera Utara yang banyak membantu dalam penyelesaian

administrasi untuk melaksanakan Tugas Sarjana ini.

7. Bapak Henry, bapak Fauzi dan bapak Poniman di PT. Sri Intan Karplas

Industry yang telah memberikan bantuan dan informasi kepada penulis selama

penelitian.

8. Adik penulis Ruth Hutagaol, yang selalu membantu dan mendukung penulis

selama penyelesaian Tugas Sarjana ini.

9. Partner setia Elayne Tennesia yang selalu membantu dan mendukung penulis

selama penyelesaian Tugas Sarjana ini.

10. Rekan-rekan seperjuangan Tugas Akhir di PT. Sri Intan Karplas Industry,

Bryan Aruan, S.T. dan Reza Ginting yang bersedia bertukar pikiran dan telah

banyak memberi motivasi dan saran kepada penulis dalam penyelesaian Tugas

Sarjana ini.

11. Sahabat-sahabat seperjuangan di Departemen Teknik Industri, Eric

Simanjuntak, S.T., Josep Sinaga, S.T., Defri Sianipar, S.T., Bryan Aruan,

S.T., dan Reza Ginting yang selama ini selalu membantu dan mendukung


dalam setiap kegiatan perkuliahan, serta dalam penyelesaian Tugas Sarjana

ini.

12. Teman-teman, abang/ kakak dan adik-adik di Departemen Teknik Industri,

Fakultas Teknik, Universitas Sumatera Utara khususnya angkatan 2012

(Duabelati) yang telah memberikan dukungan kepada penulis dalam

penyelesaian Tugas Sarjana ini.


ABSTRAK

PT. Sri Intan Karplas Industry merupakan sebuah perusahaan yang bergerak di bidang produksi pembuatan karung goni plastik. Perusahaan ini beroperasi menurut sistem produksi make to stock sehingga produk jadi disimpan untuk

dijadikan persediaan. Perusahaan sering mengalami overproduction atau shortage pada setiap periodenya. Persediaan yang berlebihan akibat overproduction dan

lost sales yang dialami akan berdampak pada perusahaan dari segi finansial. Persaingan bisnis yang semakin kompetitif menuntut perusahaan untuk terus meningkatkan daya saingnya terhadap perusahaan lain. Peningkatan daya saing

perusahaan dapat dicapai dengan cara melakukan perencanaan produksi dengan memperhatikan kondisi pasar. Perencanaan produksi yang diterapkan perusahaan

dilakukan secara “trial and error” yang menyebabkan pembuatan keputusan sering tidak sesuai dengan kepentingan perusahaan. Masalah di atas dapat dipecahkan dengan menggunakan banyak cara, salah satu diantaranya adalah dengan

menggunakan metode dynamic programming yang didasari oleh peramalan perkiraan permintaan pasar. Tujuan perencanaan produksi dengan metode

dynamic programming adalah untuk mendapatkan jumlah produksi yang optimal yang sesuai dengan kondisi pasar dengan biaya produksi yang paling minimal dengan mempertimbangkan total kapasitas yang tersedia. Penghematan biaya

produksi dengan aplikasi metode dynamic programming menggunakan data historis adalah sebesar 1,95% atau sebesar Rp. 160.510.758 selama dua bulan. Berkaitan dengan banyaknya manfaat aplikasi dynamic programming, maka

disusun perencanaan jumlah produksi untuk 1 tahun ke depan dengan menggunakan metode dynamic programming berdasarkan peramalan permintaan

pasar. Perhitungan biaya produksi kumulatif selama 12 periode ke depan menggunakan metode dynamic programming adalah sebesar Rp. 49.239.374.597

Kata Kunci : Forecasting, Dynamic Programming, Jumlah Produksi


DAFTAR ISI

BAB HALAMAN

2.2. Ruang Lingkup Bidang Usaha .................................... II-2

2.3. Lokasi Perusahaan ...................................................... II-2

2.4. Daerah Pemasaran ...................................................... II-3

2.5. Proses Produksi........................................................... II-3

2.5.1. Bahan yang digunakan...................................... II-3

2.5.1.1. Bahan baku .......................................... II-3

2.5.1.2. Bahan Penolong ................................... II-4

2.5.1.3. Bahan Tambahan ................................. II-4

2.5.2. Uraian Proses .................................................... II-5

2.6. Mesin dan Peralatan.................................................... II-9

2.6.1. Mesin Produksi................................................. II-9

2.6.2. Peralatan (Equipment) ...................................... II-9

2.6.3. Utilitas............................................................... II-10

2.6.4. Safety and Fire Protection ................................ II-11

2.7. Struktur Organisasi Perusahaan .................................. II-12

2.8. Jumlah tenaga Kerja dan Jam Kerja ........................... II-12

2.8.1. Jumlah Tenaga Kerja........................................ II-12

2.8.2. Jam Kerja .......................................................... II-13

2.9. Sistem Pengupahan & Fasilitas Lainnya ................... II-14

2.9.1. Sistem Pengupahan ........................................... II-14


DAFTAR ISI (LANJUTAN)

BAB HALAMAN

III LANDASAN TEORI ....................................................... III-1

3.1. Perencanaan dan Pengendalian Produksi.................... III-1

3.2. Metode-metode Perencanaan Produksi....................... III-2

3.3. Definisi Persediaan ..................................................... III-3

3.4. Biaya Persediaan ........................................................ III-3

3.5. Definisi Standar dari Kapasitas Tersedia .................... III-4

3.6. Biaya dalam Hubungannya dengan Produk................ III-5

3.7. Peramalan ................................................................... III-5

3.7.1. Metode Peramalan Kuantitatif ......................... III-6

3.7.2. Karakteristik Peramalan yang Baik .................. III-7

3.7.3. Kriteria Performance Peramalan ...................... III-12

3.7.4. Proses Verifikasi Peramalan ............................. III-14

3.8. Dynamic Programming .............................................. III-14

3.8.1. Sistem Dynamic Programming ........................ III-15

3.9. Konsep Dasar dalam Dynamic Programming ........... III-18

3.10.Karakteristik Aplikasi Dynamic Programming.......... III-19



BAB HALAMAN

3.11. Prasyarat Dynamic Programming ............................. III-21

3.12. Elemen dari Model Dynamic Programming ............ III-22

3.13. Model Dynamic Programming.................................. III-23

IV METODOLOGI PENELITIAN .................................... IV-1

4.1. Tempat dan Waktu Penelitian..................................... IV-1

4.2. Jenis Penelitian ........................................................... IV-1

4.3. Objek Penelitian.......................................................... IV-1

4.4. Kerangka Konseptual Penelitian................................. IV-1

4.5. DefinisiOperasional .................................................... IV-3

4.6. Blok Diagram Pengumpulan Data .............................. IV-4

4.7. Metode Pengumpulan Data ......................................... IV-5

4.8. Metode Pengolahan Data ............................................ IV-7

4.9. Analisis Pemecahan Masalah ...................................... IV-8

4.10.Kesimpulan dan Saran................................................ IV-8

V PENGUMPULAN DAN PENGOLAHAN DATA ........ V-1

5.1. Pengumpulan Data ...................................................... V-1

5.2. Pengolahan Data ......................................................... V-5



BAB HALAMAN

5.2.1. Peramalan data ................................................. V-5

5.2.2. Pengolahan Data dengan Menggunakan data

Peramalan ......................................................... V-19

5.2.2.1. Perhitungan Waktu Produksi............... V-19

5.2.2.2. Perhitungan Kapasitas Produksi.......... V-19

5.2.2.3. Perhitungan Kemampuan Produksi ..... V-25

5.2.2.4. Perhitungan Biaya Produksi Reguler

Time dan Overtime .............................. V-26

5.2.2.5. Perhitungan Biaya Simpan .................. V-29

5.2.3. Perhitungan Perencanaan Jumlah Produksi

Dengan Metode Dynamic Programming ......... V-29

VI ANALISA PEMECAHAN MASALAH ........................ VI-1

6.1. Analisis Hasil Peramalan ........................................... VI-1

6.2. Analisis Perencanaan Jumlah Produksi dengan Metode

Dynamic Programming .............................................. VI-2

6.3. Analisis Perbandingan Perencanaan Jumlah Produksi

Aktual dengan Metode Dynamic Programming .......... VI-4



BAB HALAMAN

VII KESIMPULAN DAN SARAN ....................................... VII-1

7.1. Kesimpulan ................................................................. VII-1

7.2. Saran ........................................................................... VII-2

DAFTAR PUSTAKA

LAMPIRAN


DAFTAR TABEL

TABEL HALAMAN

1.1. Jumlah Produksi dan Permintaan Produk Karung Goni 30 kg,

50 kg dan 100 kg Januari 2016- Desember 2016 ............................ I-2

1.2. Jumlah Produksi Karung Goni 100 kg LDPE dan HDPE.............. I-2

1.3. Jumlah Produksi dan Permintaan Produk Karung LDPE 100 kg

Januari 2016- Desember 2016........................................................ I-3

2.1. Mesin Produksi PT. Sri Intan Karplas Industry ............................. II-9

5.1. Jumlah Produksi dan Permintaan Produk Karung Goni 100 kg

LDPE Januari 2016- Desember 2016 ............................................ V-1

5.2. Jumlah hari kerja Tersedia dan Jumlah hari Kerja Overtime

Tersedia tahun 2016 ....................................................................... V-3

5.3. Kapasitas Produksi Setiap Stasiun Kerja ....................................... V-3

5.4. Efisiensi dan Utilitas Setiap Stasiun Kerja .................................... V-4

5.5. Jumlah Karyawan dan Gaji Karyawan Lantai Produksi ................ V-4

5.6. Jam Lembur Maksimum dan Upah Lembur Tahun 2016 .............. V-4

5.7. Data Biaya Bahan baku, Biaya Bahan Tambahan, Biaya

Bahan Penolong dan Biaya Listrik Tahun 2016 ........................... V-5

5.8. Data Historis Penjualan Produk Karung Goni 100 kg LDPE

Januari 2016- Desember 2016........................................................ V-6

5.9. Perhitungan Parameter Peramalan Metode Siklis .......................... V-8


DAFTAR TABEL (LANJUTAN)

TABEL HALAMAN

5.10. Rekapitulasi Perhitungan Nilai Rata-rata Per 4 Periode ................ V-9

5.11. Perhitungan Nilai Indeks Musim ................................................... V-11

5.12. Perhitungan parameter Peramalan Linier....................................... V-11

5.13. Perhitungan Nilai Persamaan garis Trend...................................... V-17

5.14. Perhitungan SEE untuk Metode Regresi Kecenderungan

Siklis............................................................................................... V-13

5.15. Perhitungan SEE untuk Metode Dekomposisi............................... V-14

5.16. Rekapitulasi Hasil Perhitungan SEE.............................................. V-14

5.17. Perhitungan Hasil Verifikasi .......................................................... V-16

5.18. Hasil Peramalan Produk Karung Goni 100 kg LDPE Periode

Januari 2017- Desember 2017........................................................ V-17

5.19. Rekapitulasi Waktu Produksi Setiap Stasiun Kerja........................ V-19

5.20. Rekapitulasi Kebutuhan kapasitas dan Kapasitas Tersedia ........... V-21

5.21. Rekapitulasi kemampuan Produksi Setiap periode ........................ V-26

5.22. Biaya Lost Sales/ unit..................................................................... V-29

5.23. Nilai Ki, Ci, dan KTi untuk periode 1-12 ...................................... V-31

5.24. Pembagian Tahap Sub masalah...................................................... V-31



TABEL HALAMAN

5.25. Penetapan Fungsi Rekursif ............................................................ V-34

5.26. Rekapitulasi Jumlah Produksi Reguler Time dan Overtime

Periode 12 (Unit) .......................................................................... V-36

5.27. Jumlah Produksi dan Biaya Produksi Periode 12 .......................... V-37


Periode 11 (Unit) .......................................................................... V-38



Periode 10 (Unit)............................................................................ V-39



Periode 9 (Unit).............................................................................. V-41

5.33. Jumlah Produksi dan Biaya Produksi Periode 9 ............................ V-41


Periode 8 (Unit).............................................................................. V-43

5.35. Jumlah Produksi dan Biaya Produksi Periode 8 ....................... V-43


Periode 7 (Unit)......................................................................... V-44



TABEL HALAMAN



Periode 6 (Unit).............................................................................. V-45



Periode 5 (Unit).............................................................................. V-47



Periode 4 (Unit).............................................................................. V-49



Periode 3 (Unit).............................................................................. V-50



Periode 2 (Unit).............................................................................. V-52



Periode 1 (Unit).............................................................................. V-54




TABEL HALAMAN

5.50. Rekapitulasi Jumlah Produksi Januari 2017- Desember 2017....... V-55

DAFTAR GAMBAR

GAMBAR HALAMAN

2.1. Lokasi Pt. Sri Intan Karplas Industry .................................... II-2

2.2. Block Diagram Proses Produksi............................................ II-8

2.3. Struktur Organisasi PT. Sri intan Karplas Industry............... II-15

3.1. Moving Range Chart ............................................................. III-14

3.2. Ilustrasi Stage Backward Dyanamic Programming .............. III-19

4.1. Kerangka Konseptual Penelitian ........................................... IV-2

4.2. Blok Diagram Pengumpulan Data......................................... IV-6

4.3. Flowchart Metode Dynamic Programming .......................... IV-8

5.1. Grafik Penjualan karung Goni 100 kg LDPE januari 2016-

Desember 2016...................................................................... V-7

5.2. Moving Range Chart ............................................................. V-17

5.3. Grafik Perbandingan Data Aktual dengan hasil Peramalan

Karung Goni 100 kg LDPE .................................................. V-18


BAB I

PENDAHULUAN

1.1. Latar Belakang

Tujuan yang paling terukur dari organisasi profit oriented adalah untuk

membuat keuntungan dan pertumbuhan berkelanjutan untuk masa depan dan

persaingan yang ketat. Perusahaan harus membuat keputusan mengenai rencana

produksi yang sesuai agar mendapat biaya yang minimum sehingga keuntungan

yang akan didapatkan bisa semaksimal mungkin. Pihak perusahaan harus

memperhitungkan seluruh kemampuan dan keterbatasan sumber daya yang

dimilikinya dalam melakukan perencanaan produksi (Oladeji, 2013).

PT. Sri Intan Karplas Industry adalah perusahaan yang bergerak di bidang

industri pembuatan karung goni plastik. Karung goni tersebut dapat berguna

sebagai kemasan beras, pupuk dan produk pertanian lainnya. Adapun jenis karung

goni plastik yang dihasilkan yaitu karung goni LDPE (Low Density Polyethylene)

dan HDPE (High Density Polyethylene) dengan ukuran yaitu 30 kg, 50 kg, dan

100 kg. Karung goni HDPE memiliki kualitas bahan yang lebih kuat dan tebal

daripada karung goni LDPE. PT. Sri Intan Karplas Industry dalam memproduksi

karung goni yaitu untuk membuat persediaan (make to stock). Data produksi dan

permintaan karung goni ukuran 30 kg, 50 kg dan 100 kg dari bulan Januari 2016

hingga Desember 2016 dapat dilihat pada tabel 1.1.


Tabel 1.1. Jumlah Produksi dan Permintaan Produk Karung Goni 30 kg, 50

kg dan 100 kg Januari 2016-Desember 2016

Periode

Ukuran 30 kg Ukuran 50 kg Ukuran 100 kg

Produksi

(Unit)

Permintaan

(Unit)

Produksi

(Unit)

Permintaan

(Unit)

Produksi

(Unit)

Permintaan

(Unit)

Januari 563.300 543.250 794.400 745.200 768.050 815.017

Februari 563.575 562.700 879.520 772.300 770.900 767.910

Maret 546.750 527.895 833.700 766.900 760.950 789.725

April 563.860 545.587 867.580 803.900 766.050 698.571

Mei 566.980 570.660 894.500 810.950 734.000 756.456

Juni 571.230 545.788 812.060 743.900 760.650 720.818

Juli 581.300 573.210 860.200 800.450 785.200 820.531

Agustus 543.500 568.220 858.135 820.348 790.110 828.294

September 563.200 555.335 790.300 780.525 820.568 813.963

Oktober 540.200 536.780 890.780 855.671 810.342 801.640

November 540.150 545.750 850.450 834.210 875.600 953.587

Desember 542.700 543.580 830.755 798.440 871.235 837.488

Total 6.686.745 6.618.755 10.162.380 9.532.794 9.513.655 9.604.000

Tabel 1.1. menunjukkan bahwa dari semua ukuran karung goni yang

memiliki jumlah lost sales adalah karung goni dengan ukuran 100 kg. Oleh sebab

itu, karung goni 100 kg menjadi objek penelitian. Tabel 1.1. merupakan jumlah

produksi karung goni LDPE dan HDPE.

Tabel 1.2. Jumlah Produksi Karung Goni 100 kg LDPE dan HDPE

Periode LDPE HDPE

Januari 458.600 309.450

Februari 463.300 307.600

Maret 450.500 310.450

April 460.200 305.850

Mei 425.300 308.700

Juni 455.700 304.950

Juli 481.240 294.960

Agustus 470.100 320.010

September 485.245 335.323

Oktober 478.900 331.442

November 507.200 368.400

Desember 508.300 362.935

Total 5.653.585 3.860.070


Tabel 1.2. menunjukkan bahwa jumlah karung goni yang paling banyak

diproduksi adalah karung goni LDPE daripada HDPE. Oleh sebab itu, yang

menjadi objek penelitian adalah karung goni 100 kg berjenis LDPE.

Fenomena yang dialami oleh perusahaan adalah perusahaan sering kali

tidak dapat memperkirakan jumlah produksi yang tepat dalam memenuhi

permintaan pasar sehingga menimbulkan over stock ataupun out of stock. Data

jumlah produksi dan permintaan karung goni 100 kg dari Januari 2016- Desember

2016 dapat dilihat pada Tabel 1.3.

Tabel 1.3. Jumlah Produksi dan Permintaan Produk Karung LDPE 100 kg

Januari 2016-Desember 2016

Periode Produksi

(Unit)

Permintaan

(Unit)

Selisih (Unit) Selisih (%)

Januari 458.600 479.237 -20.637 -4,5

Februari 463.300 425.310 37.990 8,2

Maret 450.500 409.505 40.995 9,1

April 460.200 412.800 47.400 10,3

Mei 425.300 440.610 -15.310 -3,6

Juni 455.700 420.156 35.544 7,8

Juli 481.240 500.293 -19.053 -3,8

Agustus 470.100 440.954 29.146 6,2

September 485.245 435.751 49.494 10,2

Oktober 478.900 429.095 49.805 10,4

November 507.200 533.067 -25.867 -5,1

Desember 508.300 472.211 36.089 7,1

Overproduction akan mengakibatkan persediaan yang berlebihan dan

shortage akan mengakibatkan perusahaan kehilangan kesempatan untuk menjual

produk (lost sales). Persediaan yang berlebihan dan lost sales yang dialami akan

berdampak pada perusahaan dari segi finansial. Dampak dari segi finansial berupa


hilangnya nilai penjualan bagi perusahaan dan biaya penyimpanan akibat adanya

persediaan (Juliana, 2015).

Perencanaan jumlah produksi yang diterapkan perusahaan saat ini yaitu

berdasarkan data peramalan perusahaan dan perkiraan. Keputusan jumlah produk

yang diproduksi dengan metode ini menyebabkan perusahaan tidak dapat

memperkirakan jumlah produksi dan persediaan yang tepat dalam memenuhi

permintaan sehingga untuk mengatasi masalah diatas diperlukan perencanaan

jumlah produksi yang optimal.

Masalah yang telah dipaparkan di atas dapat dipecahkan dengan

menggunakan banyak cara. Salah satu metode pemecahan masalah yang dapat

digunakan adalah metode dynamic programming. Dynamic programming adalah

teknik matematis yang digunakan untuk pengambilan keputusan yang terdiri dari

banyak tahap (multistage). Dengan kata lain, awalnya program dinamis membagi

masalah asli ke dalam sub-sub masalah kemudian menentukan solusi optimal

masalah asli dengan pemecahan rekursif sub-sub masalah. Kelebihan metode

Dynamic programming dibandingkan dengan metode optimasi lainnya adalah

memiliki lebih dari satu rangkaian keputusan, dapat memecahkan satu kesatuan

masalah dalam bentuk banyak tahap (stage) penyelesaian yang melibatkan

keputusan sekuensial yang saling berkaitan. Pemecahan masalah menjadi sub-sub

masalah menyebabkan model matematis yang digunakan tidak langsung

mempertimbangkan semua variable yang berkaitan dengan masalah secara

simultan. Proses optimasi pada setiap stage berkaitan dengan satu variabel saja


sehingga dapat mensimplifikasi model matematis dan perhitungan (Hillier

Lieberman, 1994).

Penerapan metode dynamic programming telah mampu menyelesaikan

aneka masalah serupa seperti yang dilakukan oleh Bemvi Sianturi (2011) pada

PT. Cahaya Kawi Ultra Polyintraco dengan menggunakan metode dynamic

programming dalam perencanaan produksi memberikan hasil yang lebih baik

dibanding dengan sistem yang diterapkan perusahaan. Terbukti dari penghematan

yang diperoleh dengan metode ini menghasilkan penghematan biaya produksi

sebesar Rp.1.010.670.597 atau sebesar 8,52% per tahun. Sedangkan penelitian

Fictor Wardin (2009) pada perusahaan yang bergerak di bidang produksi pakan

ternak menggunakan metode dynamic programming untuk merencanakan volume

produksi setiap bulan, menghasilkan penurunan biaya produksi yang cukup besar,

rata-rata sebesar 32,23 % setiap bulan. Berdasarkan uraian di atas maka

penelitian ini mencoba untuk melakukan perencanaan jumlah produksi dan

persediaan produk karung goni untuk 1 tahun ke depan dengan tujuan

meminimisasi biaya produksi dan memenuhi permintaan pasar.

1.2. Rumusan Masalah

Berdasarkan latar belakang permasalahan yang telah diuraikan, maka

dapat dirumuskan masalah yang dihadapi oleh perusahaan adalah

ketidakmampuan pihak perusahaan dalam memperkirakan jumlah produksi dalam

memenuhi permintaan pasar.


1.3. Tujuan Penelitian

Tujuan umum penelitian ini adalah mendapatkan rencana jumlah produksi

dengan metode dynamic programming untuk 1 tahun ke depan agar dapat

memenuhi permintaan pasar dan meminimisasi biaya produksi untuk 1 tahun ke

depan.

Tujuan khusus pada penelitian ini yaitu:

1. Mendapatkan kemampuan produksi perusahaan.

2. Mendapatkan biaya produksi/ unit.

3. Mendapatkan jumlah produksi yang optimum dengan aplikasi metode dynamic

programming.

4.Mendapatkan selisih biaya antara sistem yang diterapkan perusahaan dengan

aplikasi metode dynamic programming.

1.4. Manfaat Penelitian

Manfaat yang diharapkan dapat diperoleh dari penelitian ini adalah:

1. Hasil penelitian ini dapat dijadikan sebagai rujukan pemecahan masalah yang

dihadapi oleh perusahaan, Hasil penelitian dapat dijadikan pertimbangan

bagi perusahaan untuk menjadi dasar perencanaan produksi yang optimal

dengan menggunakan metode dynamic programming.

2. Hasil penelitian juga diharapkan dapat menjadi tambahan literatur bagi semua

pihak yang ingin memahami aplikasi dari metode dynamic programming.


1.5. Batasan Masalah dan Asumsi

Sehubungan dengan rumusan masalah dan tujuan yang ingin dicapai

maka batasan masalah dalam penelitian ini adalah sebagai berikut:

1. Penelitian dilakukan pada bagian produksi.

2. Metode yang digunakan untuk menentukan jumlah produksi optimal adalah

dynamic programming.

3. Penelitian hanya dilakukan pada produk karung goni LDPE 100 kg.

4. Jangka waktu perencanaan jumlah produksi hanya dibatasi selama 12 periode

(bulan)

5. Data yang dikumpulkan adalah data dari bulan Januari 2016 – Desember 2016

6. Yang mempengaruhi biaya produksi adalah biaya bahan baku langsung, biaya

tenaga kerja langsung, biaya energi langsung dan biaya simpan.

7. Perhitungan kemampuan produksi dan biaya- biaya yang mempengaruhi biaya

produksi dihitung dengan satuan unit.

Asumsi-asumsi yang digunakan dalam penelitian ini adalah sebagai

berikut:.

1. Tidak ada perubahan proses produksi, harga bahan baku langsung, biaya

listrik, gaji karyawan produksi dan biaya lainnya selama penelitian.

2. Biaya berpengaruh secara linear terhadap jumlah produksi.

3. Tidak ada perubahan total hari kerja yang tersedia, hari kerja regular dan

overtime untuk 1 tahun ke depan.


4. Metode kerja dan proses produksi yang dilaksanakan di lantai produksi

merupakan metode kerja dan proses produksi yang telah sesuai dengan standar

dari perusahaan

5. Trend permintaan pada masa yang akan datang tetap sama dengan trend

permintaan pada masa lalu.

6. Gaji operator produksi dan mandor produksi per bulan sudah termasuk biaya

transportasi, tunjangan dan biaya konsumsi.


BAB II

GAMBARAN UMUM PERUSAHAAN

2.1. Sejarah Perusahaan

PT. Sri Intan Karplas Industry merupakan perusahaan manufaktur yang

memproduksi karung goni plastik. Perusahaan ini didirikan oleh keluarga bapak

Henry Wijaya sejak 1989 sampai sekarang. Perusahaan ini berdiri di Jl. Sunggal

kecamatan Medan Helvetia.

Perusahaan ini mengolah biji plastik sebagai bahan baku utama untuk

menjadi produk karung goni plastik yang digunakan untuk mengemas beras

ataupun pupuk. Awalnya, perusahaan ini sulit menentukan kadar

pencampuran bahan-bahan biji plastik dan bahan penolong lainnya

agar dapat menghasilkan karung plastik yang berkualitas baik.

Penggunaan mesin manual juga menjadi penghambat berkembangnya

perusahaan ini. Namun, seiring berjalannya waktu bapak Henry

Wijaya berhasil mengganti mesin yang awalnya menggunakan mesin

potong dan mesin jahit manual yang terpisah menjadi mesin potong

yang langsung dapat menjahit dan mesin ini lebih semiotomatis.

Seiring perkembangan perusahaan, jumlah mesin, tenaga kerja, dan

luas daerah perusahaan semakin bertambah. Awalnya, produk yang

dihasilkan yaitu karung goni dengan ukuran 50 kg, namun hingga

sekarang perusahaan dapat memproduksi dengan tiga ukuran yaitu


ukuran 30 kg, 50 kg, dan 100 kg dan dua tipe yang berbeda yaitu

LDPE dan HDPE. Hal ini dikarenakan jumlah pemesanan karung plastik

yang kian meningkat setiap harinya. Oleh karena itu, dibutuhkan

mesin-mesin yang lebih otomatis dan tenaga kerja yang memadai.

2.2. Ruang Lingkup Bidang Usaha

Produk-produk yang dihasilkan PT. Sri Intan Karplas Industry ini adalah

karung goni plastik kemasan beras, kemasan pupuk, kemasan tepung dan dan

produk pertanian lainnya. Adapun jenis karung yang diproduksi adalah

karung goni LDPE dan HDPE dengan ukuran 30 kg, 50 kg, dan 100 kg.

Bahan baku yang digunakan antara lain berupa biji plastik polyprophylene dan

Polyetheline.

2.3. Lokasi Perusahaan

Lokasi pabrik PT. Sri Intan Karplas Industry terletak di Jalan Sunggal no

220, Medan Helvetia. Lokasi ini terdiri dari kantor (2 lantai), gudang untuk bahan

baku dan produk jadi serta segala fasilitas pendukung lainnya seperti pos satpam,

tempat parkir, dan lain sebagainya. Lokasi dapat dilihat pada gambar 2.1.


Gambar 2.1. Lokasi PT. Sri Intan Karplas Industry

2.4. Daerah Pemasaran

Hasil produksi PT. Sri Intan Karplas Industry dipasarkan ke beberapa

pabrik dan perusahaan lokal yang bergerak di bidang manufaktur lainnya seperti

beras, pupuk. Lokasi pemasaran PT. Sri Intan Karplas Industry adalah Provinsi

Sumatera Utara, Provinsi Aceh, dan provinsi lain di Pulau Sumatera bahkan

sampai ke Jakarta sesuai permintaan order.

Kemasan karung plastik yang diproduksi dipasarkan untuk memenuhi

kebutuhan lokal. Selain jenis-jenis dan ukuran yang telah ada (umumnya dari

pelanggan tetap), pabrik ini juga menerima pesanan atau permintaan jenis

kemasan plastik lainnya apabila memungkinkan untuk diproduksi.

2.5. Proses Produksi

Proses produksi adalah kegiatan yang mempunyai cara dan metode

maupun teknik untuk menciptakan atau menambah nilai kegunaan dari suatu

barang atau jasa dengan memberdayakan sumber daya tertentu seperti tenaga


kerja, mesin, peralatan dan uang sehingga memiliki manfaat yang berguna bagi

kebutuhan manusia.

2.5.1. Bahan yang Digunakan

2.5.1.1.Bahan Baku

Bahan baku adalah bahan yang diperoleh untuk digunakan secara langsung

dalam proses produksi. Bahan baku dapat diubah menjadi produk jadi dimana

sifat dan bentuk bahan baku tersebut akan mengalami perubahan.

Proses produksi pembuatan kemasan karung goni plastik di PT. Sri Intan

Karplas Industry menggunakan bahan baku yang diperoleh dari perusahaan lain

sesuai dengan karakteristik yang ditentukan. Jika bahan baku yang didapatkan

tidak sesuai dengan standar yang ada maka perusahaan berhak mengembalikan

bahan baku tersebut ke perusahaan pemasok.

Bahan baku merupakan bahan utama yang digunakan dalam pembuatan

produk. Bahan baku yang digunakan adalah biji plastik PP (Polyprophylene) dan

biji plastik PE (Polyetheline)

2.5.1.2.Bahan Penolong

Bahan penolong adalah bahan-bahan yang digunakan dalam proses

produksi yang digunakan langsung terhadap bahan baku yang sifatnya hanya

membantu ataupun mendukung kelancaran proses produksi. Pemakaian bahan

penolong relatif lebih sedikit dibandingkan bahan baku. Kehadiran bahan ini

secara tidak langsung dapat mempengaruhi kualitas produk yang dihasilkan.


Bahan penolong yang digunakan adalah zat kimia ZDEC (Zinc Diethyl

Dithiocarbonate) yang berguna untuk mempercepat proses pencampuran bahan

baku dan air yang digunakan untuk mendinginkan lembaran plastik.

2.5.1.3.Bahan Tambahan

Bahan tambahan adalah bahan campuran secara alami yang bukan

merupakan bagian dari bahan baku tetapi ditambahkan ke proses produksi. Bahan

tambahan secara tidak langsung ada dalam produk namun bukan merupakan

komposisi produk, bahan yang hanya digunakan sebagai pelengkap produk dan

memudahkan dalam melakukan proses. Bahan tambahan yang digunakan yaitu:

1. Karung plastik, digunakan untuk mengepak tumpukan karung plastik yang

siap dipasarkan

2. Cat, digunakan untuk proses printing

3. Tali Merah, digunakan untuk penjahitan tepi karung plastik

4. Inner Bag, diguakan untuk plastik tambahan pada karung plastik

5. Benang, digunakan untuk penjahitan tepi karung plastik

2.5.2. Uraian Proses

Proses produksi adalah kegiatan yang mempunyai metode dan cara untuk

menciptakan suatu barang atau jasa dengan menggunakan teknik tertentu dan


memberdayakan sumberdaya seperti: tenaga kerja, mesin, bahan baku, modal,

metode dan energi.

Uraian proses pembuatan karung goni plastik di PT. Sri Intan Karplas

Industry adalah sebagai berikut:

1. Proses Pencampuran Bahan (Mixing)

Tahap ini adalah tahap awal pencampuran bahan baku pembuatan karung

plastik. Proses ini menggunakan mesin mixer. Bahan baku yang digunakan

terbagi dua jenis yaitu bahan baku original dan bahan baku daur ulang. Kedua

bahan ini dicampur lalu dialirkan pada oven. Kemudian seluruh bahan baku

dilelehkan hingga membentuk cairan.

2. Proses Pencetakan Lembaran Plastik

Cairan yang telah dilelehkan kemudian dicetak menjadi lembaran plastik yang

panjang.

3. Proses Pendinginan Lembaran Plastik

Lembaran plastik tersebut kemudian didinginkan dengan air. Caranya adalah

dengan mengalirkan lembaran plastik dari mesin pencetak menuju bak berisi

air, kemudian lembaran plastik tersebut akan terendam sesaat dan kemudian

ditarik keluar dari bak air.

4. Proses Pemotongan Lembaran Plastik Menjadi Benang (Cutting)

Tahap ini adalah tahap pemotongan lembaran plastik menjadi untaian benang.

Untaian benang ini tetap dibiarkan mengalir agar benang tidak kusut dan tetap

rata. Benang yang kusut atau putus akan disedot oleh mesin blower.


5. Proses Penggulungan Benang

Benang-benang tersebut kemudian dialirkan pada proses penggulungan

benang. Benang tersebut akan digulung menjadi satu gulungan. Ketika

gulungan tersebut sudah penuh maka mesin akan otomatis mati dan lampu

peringatan akan menyala. Maka operator akan mengganti gulungan yang baru.

6. Proses Penenunan Benang Menjadi Karung Plastik

Seluruh gulungan benang kemudian ditempatkan pada mesin tenun. Tahap ini

adalah tahap penenunan benang menjadi karung plastik dengan spesifikasi

yang berbeda-beda. Plastik yang telah dihasilkan akan langsung tergulung

otomatis setelah selesai ditenun.

7. Proses Pemotongan Gulungan Karung Plastik

Setelah karung plastik dihasilkan, maka gulungan karung plastik dibawa ke

tempat pemotongan. Gulungan karung plastik dipotong sesuai ukuran yang

berbeda-beda.

8. Proses Penjahitan Karung Plastik

Setelah gulungan karung plastik dipotong menjadi karung plastik maka

selanjutnya karung platik dijahit tepi dan bagian dasar .

9. Proses Printing

Setelah penjahitan, karung plastik dialirkan pada dua line yaitu langsung

menuju proses pengepakan dan satu lagi menuju proses printing. Proses ini

adalah proses pencetakan logo pada karung plastik.

10. Proses Pengepakan


Proses pengepakan dilakukan setelah karung plastik selesai dicetak atau

setelah selesai dijahit. Karena terdapat beberapa karung plastik yang tidak

mengalami proses printing.

11. Proses Penyimpanan

Setelah seluruh karung plastik selesai dikepak, maka karung plastik tersebut

kemudian disimpan di gudang penyimpanan produk akhir untuk dilanjutkan

ke pengiriman.

Block diagram proses produksi kemasan karung goni plastik dapat dilihat

pada Gambar 2.2.


Penerimaan Pesanan

Bagian produksi

menerima pesanan

Proses Pencampuran

Bahan

Proses Pencetakan

Lembaran Plastik

Proses Pendinginan

Lembaran Plastik

Proses Pemotongan

Lembaran Plastik

menjadi Benang

Proses Penggulungan

Benang

Proses Penenunan

Benang menjadi Karung

Plastik

Proses Pemotongan

Gulungan Karung

Plastik

Proses Penjahitan

Karung Plastik

Proses Printing

Proses Pengepakan

Proses Pengiriman

Produk

Gambar 2.2. Block Diagram Proses Produksi


2.6. Mesin dan Peralatan

2.6.1. Mesin Produksi

Mesin-mesin yang digunakan di PT. Sri Intan Karplas Industry antara lain

adalah sebagai berikut:

Tabel 2.1. Mesin Produksi PT. Sri Intan Karplas Industry

No. Nama Mesin Fungsi

1 Mesin Mixer Mencampurkan bahan baku dengan kecepatan 100 rpm 2 Mesin Scroll Holder Mengalirkan bahan yang sudah dicampur ke mesin extrude

dengan kecepatan 340 – 420 rpm. 3 Mesin Extruder Melelehkan biji plastik menjadi lembaran plastik dengan suhu

3500C 4 Mesin Take Off Memotong lembaran plastik menjadi benang. 5 Mesin Roll Mengalirkan benang agar tetap rata hingga proses

penggulungan dengan kecepatan 25 rpm. 6 Mesin Blower Menghisap benang yang putus atau kusut dengan daya sedot

50 watt. 7 Mesin Winder Menggulung benang hingga menjadi gulungan dengan

kecepatan 25 rpm.

8 Mesin Ciltraroom Menenun benang menjadi lembaran karung plastik dengan kecepatan 135 rpm, berdaya 300 watt.

9 Mesin Potong dan

Jahit Otomatis

Memotong dan menjahit karung plastik, dengan kecepatan

20 rpm dan kapasitas 975 unit/jam.

10 Mesin Printing Mencetak logo pada karung plastik dengan kecepatan 20

rpm.

11 Mesin Press Mengepak karung plastik yang sudah selesai

2.6.2. Peralatan (Equipment)

Peralatan-peralatan yang digunakan di PT. Sri Intan Karplas Industry

antara lain adalah sebagai berikut:

1. Pompa Air, digunakan untuk memompa air tanah untuk dialirkan pada bak air.

2. Pallet, digunakan untuk mengepak karung plastik.

3. Tong Cat, digunakan untuk menyimpan cat.


4. Mal Printing, digunakan untuk mencetak jenis-jenis logo.

5. Inverter, digunakan untuk mengurangi daya listrik yang akan digunakan.

Penggunaan alat ini menghemat biaya 30% dari biaya sebenarnya.

6. Trolley, digunakan untuk memindahkan tumpukan karung plastik.

2.6.3. Utilitas

Utilitas adalah sebuah kelengkapan fasilitas pada perusahaan yang

digunakan untuk menunjang tercapainya unsur-unsur kenyamanan, mobilitas dan

kelancaran proses produksi pada perusahaan. Utilitas yang ada di PT. Sri Intan

Karplas Industry antara lain adalah sebagai berikut:

1. Listrik

Perusahaan menggunakan tenaga listrik dari PT. Perusahaan Listrik Negara

(PLN) untuk menjalankan mesin-mesin dan peralatan produksi. Selain itu,

perusahaan juga menggunakan dua generator sebagai cadangan jika terjadi

pemadaman listrk dari PLN.

Spesifikasi Genset:

Model : CUMMINS 6CT Alternator Stanford

Tegangan : mulai dari 135 kVA

2. Air

Air digunakan perusahaan untuk mendinginkan lembaran plastic

berasal dari air tanah atau sumur bor.


3. Udara

Perusahaan mengoperasikan compressor untuk memenuhi kebutuhan udara

selama proses produksi. Udara digunakan untuk bahan pemanas pada mesin

potong dan jahit otomatis..

2.6.4. Safety & Fire Protection

PT. Sri Intan Karplas Industry dalam memperhatikan keselamatan dan

kesehatan pekerja tidak hanya memberikan jaminan jamsostek dan jaminan

pemeriksaan berkala tetapi juga memberikan perlindungan saat pekerja ada di

pabrik dengan memberi peralatan pelindung. Peralatan safety and fire protection

pada perusahaan PT. Sri Intan Karplas Industry adalah sebagai berikut:

1. Fire extinguisher, digunakan sebagai alat pemadam api apabila terjadi

kebakaran. Tabung ini diletakkan pada gudang produk jadi dan gudang bahan

baku.

Spesifikasi fire extinguisher adalah:

Model : SM – 5

Kapasitas : 5 kg

Jumlah : 2 buah

2. Masker, digunakan oleh pekerja di bagian printing.

3. Apron, digunkan oleh pekerja di bagian printing dan pengisian inner bag.

4. Sepatu Boots, digunakan oleh operator yang bekerja di bagian pencampuran

bahan baku.


2.7. Struktur Organisasi Perusahaan

Struktur adalah bentuk pengaturan formal dari bagian-bagian yang ada

dalam sebuah organisasi. Struktur dari sebuah organisasi yang dirancang dengan

baik akan bisa menggambarkan secara jelas pembagian kegiatan dalam unit-unit

yang dibentuk sesuai dengan pengelompokan fungsi dan spesialisasi serta

koordinasi antar unit tersebut.

Struktur organisasi pada PT. Sri Intan Karplas Industry adalah struktur

organisasi lini dan fungsional, yakni wewenang dari pemimpin tertinggi

dilimpahkan kepada perkepala unit dibawahnya dalam bidang pekerjaan tertentu,

selanjutnya pimpinan tertinggi tersebut masih melimpahkan wewenang kepada

pejabat fungsional yang melaksanakan bidang pekerjaan operasional dan hasil

tugasnya diserahkan kepada kepala unit terdahulu tanpa memandang tingkatan.

Bagan struktur organisasi PT. Sri Intan Karplas Industry dapat dilihat pada

Gambar 2.3.

2.8. Jumlah Tenaga Kerja & Jam Kerja

2.8.1. Jumlah Tenaga Kerja

PT. Sri Intan Karplas Industry memiliki jumlah tenaga kerja yang dibagi

sebanyak 120 orang, dimana 118 orang merupakan karyawan dan 2 mandor di

lantai produksi karung goni 100 kg dan 10 orang yang dibagi ke dalam tenaga

kerja bagian kantor. Untuk tenaga kerja bagian pabrik umumnya memiliki tingkat

pendidikan SMU sederajat sedangkan untuk bagian kantor memiliki tingkat


pendidikan SMU sederajat dan S1 ke atas. PT. Sri Intan Karplas Industry juga

mengadakan training bagi tenaga kerja baru selama tiga bulan sebelum menjadi

karyawan tetap.

2.8.2. Jam Kerja

Perusahaan menerapkan dua sistem kerja bagi karyawannya,

yaitu sistem kerja per shift dan non shift. Jumlah hari kerja

perusahaan untuk staff bekerja

selama lima hari dalam satu minggu yaitu dari hari Senin

sampai dengan hari Jumat, dan untuk karyawan bagian produksi dan

buruh pabrik bekerja selama enam hari dalam satu minggu dari mulai

hari senin sampai sabtu. Untuk lebih jelasnya dapat di lihat pada

penjelasan berikut ini:

1. Karyawan bagian produksi dan buruh pabrik memiliki dua jenis

sistem kerja yakni :

Pekerja bagian produksi dan buruh pabrik memiliki jam kerja

yang terbagi dalam tiga shift dan setiap shift-nya diberi waktu

istirahat selama satu jam. Jam kerja karyawan produksi dapat

lihat pada Tabel 2.2.

Tabel 2.2. Jam Kerja Karyawan Produksi dengan Sistem Kerja Per

Shift

Hari Jam Kerja

Shift 1 Shift 2 Shift 3


Senin-Sabtu 07.00-15.00 16.00-23.00 23.00-07.00

Istirahat 12.00-13.00 18.00-19.00 03.00-04.00

2. Pekerja selain bagian produksi dan buruh pabrik memiliki sistem kerja

nonshift. Waktu kerjanya adalah dari hari Senin sampai dengan hari Jumat

adalah sama yakni dari jam 08.00-17.00.

2.9. Sistem Pengupahan & Fasilitas Lainnya

2.9.1. Sistem Pengupahan

Sistem pengupahan pada PT. Sri Intan Karplas Industry adalah upah

bulanan sesuai dengan jam kerja dan jabatan karyawan. Selain itu, perusahaan

juga memberlakukan sistem upah borongan untuk beberapa karyawan produksi

tidak tetap seperti bagian pemotong karung dan sistem pengupahan sesuai dengan

UMK (Upah Minimum Kota) untuk karyawan tetap sesuai dengan wilayah kota

Medan dan jabatan fungsional karyawan.

2.9.2. Fasilitas- Fasilitas dari Perusahaan

Disamping upah pokok yang diterima karyawan, perusahaan memberikan

jaminan sosial dan tunjangan kepada karyawan. PT. Sri Intan Karplas Industry

menyediakan beberapa fasilitas yang dibutuhkan guna meningkatkan

kesejahteraan dari karyawan. Fasilitas-fasilitas yang diberikan berupa:

1. Pemberian tunjangan hari raya, bonus tahunan, dan tunjangan uang makan.

2. Karyawan dapat menerima BPJS setelah 3 bulan bekerja.

3. Karyawan menerima jamsostek.


Dewan Penasehat

Dewan Direksi

Direktur UtamaAss. Dirut Direktur

Kepala Pengawas

Lapangan

Humas

Bag. UmumKabag.

Keuangan

Kasir

Pembukuan/

PembelianPemasaran

Hutang/

PiutangSales

Asisten Ka.

LapanganKa. Personalia

Kabag.

Gudang

Kabag.

Listrik

Kabag.

Bengkel

Kabag.

Extruder

Bagian Spreparts

Kabag.

Cir.looms

Kabag.

Printing

Kabag.

Finishing

Wakabag

Kepala

Group

Operator

Wakabag

Kepala

Group

Operator Operator

Wakabag

Kepala

Group

Adm

Montir

Adm Adm

Anggota/

SupirAnggota Anggota Operator

Kepala

Group

Wakabag

Montir

AdmAdm

Satpam

Gambar 2.3. Stuktur Organisasi PT. Sri Intan Karplas Industry


BAB III

LANDASAN TEORI

3.1.Perencanaan dan Pengendalian Produksi1

The American Production and Inventory Control Society mendefinisikan

perencanaan produksi sebagai berikut.

1. Perencanaan produksi ialah suatu kegiatan yang berkenaan dengan penentuan

apa yang harus diproduksi, berapa banyak diproduksi, kapan diproduksi

dan apa sumber daya yang dibutuhkan untuk mendapatkan produk yang

telah ditetapkan.

2. Pengendalian produksi ialah fungsi yang mengarahkan atau mengatur

pergerakan material (bahan, part/komponen/subassembly dan produk)

melalui seluruh siklus manufacturing/

Ada tiga sasaran pokok yang sekaligus menjadi barometer keberhasilan

perencanaan dan pengendalian produksi yaitu:

1. Tercapainya kepuasan pelanggan yang diukur dari terpenuhinya order

terhadap produk tepat waktu, tepat jumlah, dan tepat mutu.

2. Tercapainya tingkat utilitas sumber daya produksi yang maksimum melalui

minimisasi waktu setup, transportasi, waktu menunggu dan waktu untuk

pengerjaan ulang.

3. Terhindarnya cara pengadaan yang bersifat rush order

1 Sukaria Sinulingga. 2009. Perencanaan, Pengendalian dan Produksi.

Yogyakarta: Graha Ilmu. Hal 26


3.2.Metode-Metode Perencanaan Produksi2

Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah

pada perencanaan produksi. Beberapa diantaranya adalah sebagai berikut:

1. Trial and error

2. Program linear

3. Transportasi 4. Program dinamis

Metode trial and error merupakan metode yang paling sederhana tetapi

tidak menghasilkan keputusan yang optimal.

3Metode program linear merupakan metode yang mengoptimisasi satu

fungsi tujuan tunggal. Metode transportasi merupakan bentuk lain dari metode

program linear yang menggunakan konsep metode simpleks. Metode program

dinamis merupakan metode yang dapat menentukan solusi yang optimal dari

masalah dengan multivariable dengan mendekomposisi masalah menjadi stage.

Proses perhitungan akan menjadi lebih mudah karena dilakukan secara terpisah

dan tidak langsung mempertimbangkan semua variabel yang berkaitan dengan

masalah secara simultan. Sebuah model dynamic programming dapat

menghubungkan stage satu dengan stage lain dari suatu masalah dengan cara


tertentu sehingga dihasilkan solusi yang optimal untuk satu kesatuan masalah

tersebut.

3.3.Definisi Persediaan4

Persediaan (inventory), dalam konteks produksi, dapat diartikan sebagai

sumber daya menganggur (idle resource). Sumber daya menganggur ini belum

digunakan karena menunggu proses lebih lanjut. Yang dimaksud dengan proses

lebih lanjut dapat berupa kegiatan produksi seperti dijumpai pada sistem

manufaktur, kegiatan pemasaran seperti dijumpai pada sistem distribusi.

Adanya persediaan menimbulkan konsekuensi berupa risiko-risiko tertentu

yang harus ditanggung perusahaan akibat adanya persediaan tersebut. Persediaan

yang disimpan perusahaan bisa saja rusak sebelum digunakan. Selain itu

perusahaan juga harus menanggung biaya-biaya yang timbul akibat adanya

persediaan tersebut.

Adapun alasan perlunya persediaan adalah:

1. Transaction Motive

Menjamin kelancaran proses pemenuhan permintaan barang

2. Precautionary Motive

Meredam fluktuasi permintaan/pasokan yang tidak beraturan.

4 Rosnani Ginting. 2007.Sistem Produksi. Yogyakarta: Graha Ilmu. Hal 121-12


3.4.Biaya Persediaan5

Tujuan dari manajemen persediaan adalah memiliki persediaan dalam

jumlah yang tepat, pada waktu yang tepat dan dengan biaya yang rendah. Biaya

dijadikan sebagai parameter dalam pengambilan keputusan pada kebanyakan

model-model persediaan. Biaya persediaan dapat diklasifikasikan menjadi:

1. Biaya pembelian (Purchasing Cost)

Biaya pembelian dari suatu item adalah harga pembelian setiap unit item jika

item tersebut berasal dari sumber-sumber eksternal.

2. Biaya penyimpanan (Holding Cost)

Biaya penyimpanan merupakan biaya yang timbul akibat disimpannya suatu

item. Biaya penyimpanan terdiri atas biaya-biaya yang bervariasi secara

langsung dengan kuantitas persediaan. Biaya penyimpanan per periode akan

semakin besar apabila kuantitas bahan yang dipesan semakin banyak, atau

rata-rata persediaan semakin tinggi.

3.5.Pengertian Operation Research6

Definisi operation research menurut The Operational Research Society of

Great Britain adalah aplikasi dari metode ilmu pengetahuan terhadap masalah

yang semakin kompleks dan manajemen dari sebuah sistem besar yang terdiri dari

manusia, mesin, bahan baku dan modal pada dunia industri, bisnis, dan

pemerintahan. Pendekatan ini bertujuan untuk mengembangkan model ilmiah dari

sebuah sistem untuk memprediksi dan membandingkan beberapa alternatif hasil

5 Rosnani Ginting. 2007.Sistem Produksi. Yogyakarta: Graha Ilmu. Hal 129-131. 6 Ravi Ravindran. 2008. Operations Research and Management Science Handbook. USA: CRC Press. Hal 19-20


dari keputusan, dan strategi. Tujuannya adalah untuk membantu manajemen

dalam menentukan kebijakan secara ilmiah.

Pada umumnya, riset operasi berfokus pada metodologi dalam mencari

pemecahan masalah yang menggunakan aplikasi secara ilmiah atau model

matematis.

Dengan menggunakan riset operasi, peneliti dapat menyelesaikan masalah

dalam cakupan yang luas, misalnya masalah manajemen. Contoh masalah

manajemen yang dapat diselesaikan dengan menggunakan riset operasi adalah

masalah alokasi, persediaan, pergantian mesin, perencanaan dan sebagainya.

Penelitian riset operasi secara teoritis berfokus pada pengembangan model dan

teknik matematis yang sesuai untuk menganalisis masalah-masalah yang dihadapi.

3.6.Dynamic Programming7

Dynamic programming (DP) adalah suatu prosedur optimasi yang

dikembangkan oleh Richard Bellman pada tahun 1952. Dynamic programming

mengkonversi masalah yang memiliki sejumlah keputusan dengan sumber daya

yang terbatas ke dalam bentuk sekuensial submasalah yang saling berhubungan

dan disusun dalam stage, sehingga setiap submasalah dapat diselesaikan dengan

lebih mudah dibandingkan dengan masalah pokok yang harus diselesaikan secara

individu. Kunci utama dari prosedur dynamic programming adalah setiap

keputusan pada suatu stage tidak dapat dibuat dengan tidak mempertimbangkan

keterbatasan sumber daya. Keputusan terbaik harus mengoptimasi fungsi objektif

7 Ravi Ravindran. 2008. Operations Research and Management Science Handbook. USA: CRC Press. Hal 188-191


dengan mempertimbangkan stage sebelumnya dan stage yang bersangkutan, atau

stage yang bersangkutan dengan stage berikutnya.

Berbagai macam variasi masalah dapat diselesaikan dengan dynamic

programming. Beberapa diantaranya adalah masalah perencanaan beberapa

periode, seperti perencanaan produksi, pergantian peralatan, dan masalah modal

investasi, dimana stage merepresentasikan periode perencanaan dalam

permodelan dynamic programming.

3.6.1. Sistem Dynamic Programming

Komponen-komponen dasar dari model dynamic programming adalah

sebagai berikut: n

Maximize z = ∑ ci (xi) i=1

n

Subject to ∑ ai xi ≤ b i=1

xi ≥ 0, i= bilangan bulat, i = 1,…..n

dimana b dan ai , i = 1,…..n, adalah bilangan bulat dengan nilai positif.

Model optimasi merepresentasikan alokasi b unit dari sumber daya untuk n

aktivitas yang berbeda. Tujuannya adalah untuk memaksimisasi total keuntungan

dengan fungsi fi (xi), i = 1,….,n, dimana xi € {0,1,2,….}, menunjukkan

keuntungan untuk aktivitas i dengan xi unit dari aktivitas yang dipilih.

Elemen-elemen utama yang digunakan untuk menerapkan model dynamic

programming sebagai berikut:


Stage (i): Masalah pokok dibagi menjadi n stages. Terdapat sebuah stage awal

(stage n) dan sebuah stage akhir (terminating stage). Indeks I merepresentasikan

stage yang bersangkutan. i = 1, 2, …,n.

State (si): Setiap stage memiliki sejumlah states yang berhubungan dengan stage

yang bersangkutan. States adalah berbagai macam kemungkinan pilihan atau

kondisi yang mungkin untuk sistem pada setiap stage yang bersangkutan.

Decision variable (xi): Ada satu variabel keputusan atau sejumlah variabel

keputusan untuk setiap stage dari permasalahan.

Contribution function (ci(xi)): Fungsi ini memberikan nilai pada stage i dengan

keputusan xi.

Value function (fi(si)): Nilai fungsi dari stage i ke stage n, dengan state pada

stage i adalah si.

Optimal policy (pi(si) = xi*): Keputusan optimal pada stage yang bersangkutan

bergantung pada state. Prosedur dynamic programming dirancang sedemikian

rupa untuk menemukan keputusan yang optimal pada setiap stage untuk semua

kemungkinan states.

Transformation function (ti (si,xi)): Fungsi ini menunjukkan bagaimana state

untuk stage berikutnya berubah berdasarkan state, stage dan keputusan yang

bersangkutan.

Contoh: si+1 = ti (si,xi)

Recurrence Function: Persamaan ini yang mengidentifikasi kebijakan optimal

sehingga dijadikan keputusan pada stage i, kebijakan yang optimal untuk stage i

+ 1 tersedia.


{ ci(xi) + fi+1 (si-aixi)}

Boundary Condition: Kondisi awal pada stage n dan nilai maksimal value

function pada stage i.

Hasil optimal dari model dynamic programming di atas akan didapatkan

pada saat sistem mencapai terminating stage (stage 1). Model dynamic

programming pada persamaan di atas, dimulai dari stage n, bergerak mundur

(backward) dan berhenti pada stage 1.

x1 x2 x3 x4

s1 =

0

s2

s3

s n

Stage 1

Stage 2

Stage 3

Stage n

C1 (x1)

C2 (x2) C3 (x3)

Cn (xn)

1-Stage

2-Stage

3-Stage n-Stage

Gambar 2.1. Ilustrasi Stage dari Formulasi Dynamic Programming

Sumber: Ravindran, Ravi. 2008. Operations Research and Management Science Handbook.

Gambar 2.1. menggambarkan ilustrasi dynamic programming. Setiap

kotak menggambarkan stage. State pada stage yang bersangkutan ditentukan oleh

keputusan yang sebelumnya. Berdasarkan state dan keputusan yang dibuat pada

stage sekarang, hasil dari keputusan akan diperoleh melalui contribution function

dan nilai dari state pada stage selanjutnya dapat diperoleh.

Prinsip dari prosedur dynamic programming terdapat pada prinsip

optimalitas. Prinsip ini menyatakan bahwa, jika xi*, x2*, x3*…. xn* adalah

kebijakan optimal untuk masalah yang bersangkutan dan si* adalah state optimal

Contoh: fi(si) =

=0,1,2max

…


pada stage i, maka xi*, x2*, x3*…. xn* adalah sebuah kebijakan optimal untuk

submasalah antara stage i dan n dengan si* sebagai state awal. Kebenaran dari

model dynamic programming dapat dibuktikan dengan cara menunjukkan bahwa

seluruh kemungkinan state dipertimbangkan dan memenuhi prinsip optimalitas.

Pemilihan state variable untuk model dynamic programming merupakan

hal yang kritis dan harus memenuhi karakteristik markov. Karakteristik markov,

yaitu kebijakan optimal dari stage i ke stage n hanya bergantung pada state yang

masuk (si) dan tidak dipengaruhi oleh keputusan sebelumnya.

Model dynamic programming dapat diklasifikasikan berdasarkan sifat,

yaitu model dynamic programming deterministik atau model dynamic

programming stokastik. Hal ini bergantung pada data yang digunakan untuk

menyelesaikan masalah. Jika data yang digunakan atau yang diketahui untuk

situasi tertentu bersifat pasti, maka model deterministik dapat digunakan untuk

mencari solusi yang paling baik. Jika data bersifat probabilistik, makan digunakan

model stokastik untuk memecahkan masalah untuk mendapatkan solusi terbaik.

Aplikasi dynamic programming telah terbukti baik pada pengelolaan

persediaan, jaringan, penjadwalan kerja untuk karyawan, pengendalian produksi,

perencanaan penjualan dan bidang lainnya. Penyelesaian dengan metode dynamic

programming dapat menghasilkan:

1. Sejumlah pilihan yang mungkin

2. Solusi pada setiap tahap dibangun dari hasil solusi tahap sebelumnya

3. Persyaratan optimasi dan kendala digunakan untuk membatasi sejumlah

pilihan yang harus dipertimbangkan pada suatu tahap.


3.7.Konsep Dasar dalam Dynamic Programming8

Konsep-konsep dasar dalam dynamic programming antara lain:

1. Dekomposisi

Persoalan dynamic programming dapat dipecah menjadi sub persoalan atau

tahapan yang lebih kecil dan berurutan. Setiap tahap disebut juga sebagai titik

keputusan. Setiap keputusan yang dibuat pada suatu tahap akan mempengaruhi

keputusan-keputusan pada tahap berikutnya.

2. Status

Status adalah kondisi awal (Sn) dan kondisi akhir (Sn-1) pada setiap tahap,

dimana pada tahap tersebut keputusan dibuat (Dn). Status akhir pada sebuah tahap

tergantung keadaan status awal dan keputusan yang dibuat pada tahap yang

bersangkutan. Status akhir pada suatu tahap merupakan input bagi tahap

berikutnya.

3. Variabel Keputusan dan Hasil

Keputusan yang dibuat pada setiap tahap (Dn) merupakan keputusan yang

berorientasi kepada return yang diakibatkan (Rn|Dn), tingkat maksimal atau

minimal.

4. Fungsi Transisi

Fungsi transisi menjelaskan secara pasti bagaimana tahap-tahap saling

berhubungan. Fungsi ini berbentuk fungsi hubungan antar status pada setiap tahap

yang berurutan.

8 Rosnani Ginting. 2009. Penjadwalan Mesin. Yogyakarta: Graha Ilmu.Hal 217-

218


5. Optimasi Stage

Optimasi stage dalam dynamic programming adalah menentukan keputusan

optimal pada setiap tahap dari berbagai kemungkinan nilai status inputnya.

6. Fungsi rekursif

Nilai fungsi adalah nilai kumulatif dari nilai variabel tersebut pada tahap sebelumya.

3.8.Karakteristik Aplikasi Dynamic Programming9

Karakteristik dynamic programming adalah sebagai berikut:

Karakteristik 1:

Masalah dapat dibagi menjadi tahapan-tahapan dan pada setiap tahap

dibutuhkan suatu keputusan.

Karakteristik 2:

Setiap tahapan (stage) memiliki sejumlah status yang memiliki hubungan

asosiatif. Status pada setiap stage diperlukan untuk membuat keputusan

yang optimal. Pada setiap stage, keputusan yang dibuat tidak bergantung

pada bagaimana cara keputusan itu dibuat. Keputusan yang dibuat

bergantung pada state sekarang.

Karakteristik 3:

Keputusan yang dipilih pada setiap stage mendeskripsikan bagaimana

state pada tahapan tersebut ditransformasi menjadi state berikutnya pada

stage berikutnya.

9 Wayne Winston. 2004. Operation Research Application and Algorithm. Canada:

Thomson. Hal 967-968


Karakteristik 4:

Keputusan optimal yang dibuat untuk sisa stage berikutnya tidak

bergantung pada bagaimana cara untuk mencapai state sekarang.

Karakteristik 5:

Jika state telah diklasifikasi menjadi salah satu dari T-stage, maka harus

dibuat fungsi rekursif yang berhubungan pada setiap stage t, t+1, t+2…..

Jika state awal pada stage 1 adalah i1 . Untuk menggunakan fungsi

rekursif, maka perlu ditemukan keputusan yang optimal untuk setiap state

yang berhubungan dengan stage terakhir. Kemudian digunakan fungsi

rekursif untuk menentukan ft-1 untuk state pada stage t-1. Setelah

itu, digunakan fungsi rekursif untuk menentukan ft-2 untuk state pada

stage t-2. Proses ini diteruskan sampai fi(I1) dihitung. Dengan

memnghitung fi(I1) maka keputusan optimal pada stage 1 akan dipilih dari

sekumpulan keputusan yang didpatkan dari mensubstitusikan fi(I1).

3.9.Prasyarat Dynamic Programming10

Prasyarat dari dynamic programming antara lain:

1. Setiap bagian dari persoalan merupakan suatu kesatuan yang utuh.

2. Kedatangan pesanan bersifat dinamis dan berubah-ubah

3. Persoalan dapat dibagi menjadi beberapa tahap (stage), yang pada setiap

tahap hanya diambil satu keputusan.

10 Rosnani Ginting. 2009. Penjadwalan Mesin. Yogyakarta: Graha Ilmu. Hal 222-

223


4. Masing-masing tahap terdiri dari sejumlah status (state) yang berhubungan

dengan tahap tersebut. Secara umum, status merupakan bermacam-macam

kemunginan masukan yang ada pada tahap tersebut

5. Hasil dari keputusan yang diambil pada setiap tahap ditransformasikan dari

status yang bersangkutan ke status berikutnya.

6. Ongkos (cost) pada suatu tahao meningkat secara teratur dengan

bertambahnya jumlah tahapan

7. Ongkos pada suatu tahap bergantung pada ongkos tahap-tahap yang sudah

berjalan ditambah dengan ongkos pada tahap tersebut

8. Keputusan terbaik pada suatu tahap bersifat independen terhadap keputusan

yang dilakukan pada tahap sebelumnya.

Dalam menyelesaikan persoalan dengan program dinamis, kita dapat

menggunakan 2 pendekatan berbeda maju atau mundur. Misalnya x1,x2,x3……xn

menyatakan peubah (variable) keputusan yang harus dibuat masing-masing tahap

1,2,3,….n. Maka,

1. Program dinamis maju bergerak mulai dari tahap 1, terus maju ke tahap

2,3,….n. Runtutan peubah keputusan adalah x1,x2,x3……xn

2. Program dinamis mundur bergerak mulai dari tahap n terus mundur

sampai tahap n-1,n-2 dan seterusnya sampai ke tahap 1. Runtutan

keputusannya adalah xn, xn-1,xn-2,xn-3……x1


3.10. Elemen dari Model Dynamic Programming11

Dynamic programming adalah teknik matematika yang dirancang khusus

untuk memperbaiki efisiensi perhitungan masalah optimasi. Konsep utama dari

teknik ini adalah mendekomposisi masalah menjadi sub masalah sehingga dapat

lebih mudah dihitung.

Program dinamis memberikan solusi masalah dengan cara sebagai berikut:

1. Masalah yang memiliki beberapa tahap penyelesaian. Masalah tersebut akan

didekomposisi menjadi sub masalah. Setiap tahap dekomposisi memiliki tepat

satu variabel optimasi.

2. Optimasi diaplikasikan pada setiap tahap sehingga kombinasi solusi yang

tidak optimal secara sistematis tidak terpilih menjadi solusi.

3. Setiap sub-masalah dihubungkan dengan fungsi tertentu sehingga akan

memberikan solusi optimal untuk seluruh masalah.

Dynamic programming memiliki formula yang berbasis pada 3 elemen, yaitu stage, decision variable pada setiap stage yang dihubungkan dengan fungsi

rekursif, dan state dari sistem pada setiap stage.

3.11. Model Dynamic Programming12

Misalkan Xt adalah jumlah produksi untuk periode t, Dt adalah jumlah

permintaan pada periode t, I t adalah net inventory pada akhir periode t, Kt (Xt, It)

adalah biaya pada periode t untuk memproduksi X t dan memiliki net inventory 11Hamdy Taha. 1976. Operation Research. Second Edition. New York: Macmillan Publishing. Hal 208-209 12Montgomery D C. 1974. Operation Research in Production Planning Scheduling and Inventory

Control. New York: John wiley and Sons.Hal 201-202


akhir It, ft(I) adalah biaya minimum untuk periode t,t+1....T dengan net inventory

pada periode t adalah It.

Jika keputusan produksi sebanyak Xt, biaya untuk periode t adalah Kt (Xt,

It) dan persediaan akhir adalah It, dimana It ditentukan oleh I, Xt dan Dt

mempengaruhi biaya minimum untuk melakukan produksi pada periode t. maka

untuk mendapatkan fungsi biaya yang minimum akibat dari produksi sebanyak X t

adalah:

ft(I) = min [Kt(Xt, I + Xt – Dt) + ft+1 (I+Xt-Dt)]

Dengan syarat Xt ≥ 0

Berdasarkan uraian landasan teori tentang dynamic programming dapat

disimpulkan bahwa model dynamic programming secara teoritis dapat digunakan

untuk merencanakan jumlah produksi dan persediaan selama periode n. Model

dynamic programming dapat merepresentasikan jumlah periode dalam n-stage,

pilihan alternatif dalam state pada setiap stage, variabel keputusan dalam xi dan

persamaan yang dapat memberikan keputusan optimal dalam recurrence function.

Stage dalam penelitian ini adalah periode produksi yang terdiri dari 12

periode dengan variabel input yang digunakan untuk setiap stage adalah

peramalan permintaan konsumen, jumlah persediaan, biaya simpan, dan biaya

produksi. Decision variable untuk setiap stage adalah jumlah produksi optimal

yang merupakan hasil dari variabel input yang dimasukkan ke dalam recurrence

function. Pengambilan keputusan untuk setiap stage berdasarkan fungsi tujuan

yang ingin dicapai, yaitu meminimisasi biaya produksi dalam rangka pemenuhan

permintaan konsumen selama periode n.


Dua keuntungan signifikan yang dimiliki oleh dynamic programming

adalah metode dynamic programming mentransformasi satu kesatuan masalah

menjadi n subproblem dan nilai yang didapatkan dari metode dynamic

programming adalah nilai global optimum atau global minimum.

3.12. Peramalan13

Peramalan merupakan bagian awal dari suatu proses pengambilan

keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu

persoalan yang dihadapi dalam pengambilan keputusan itu.

Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah

permintaan terhadap suatu produk dan merupakan langkah awal dari proses

perencanaan dan pengendalian produksi.

3.12.1. Karakterisitik Peramalan yang Baik

Peramalan yang baik mempunyai beberapa kriteria penting, antara lain :

1. Akurasi

Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasan dan

kekonsistenan peramalan tersebut. Hasil peramalan dikatakan bias bila

peramalan tersebut terlalu tinggi atau terlalu rendah dibandingkan dengan

kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten bila

besarnya kesalahan peramalan relatif kecil. Peramalan yang terlalu rendah

akan mengakibatkan kekurangan persediaan, sehingga permintaan konsumen

13 Rosnani Ginting. 2007. Sistem Produksi. Yogyakarta: Graha Ilmu. Hal 31-34


tidak dapat dipenuhi segera. Akibatnya perusahaan dimungkinkan kehilangan

pelanggan dan kehilangan keuntungan penjualan. Peramalan yang terlalu

tinggi akan mengakibatkan terjadinya penumpukan persediaan, sehingga

banyak modal yang terserap sia-sia. Keakuratan dari hasil peramalan ini

berperan dalam menyeimbangkan persediaan yang ideal.

2. Biaya

Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung

dari jumlah item yang diramalkan, lamanya periode peramalan, dan metode

peramalan yang digunakan. Ketiga faktor pemicu biaya tersebut akan

mempengaruhi berapa banyak data yang dibutuhkan, bagaimana pengolahan

datanya (manual atau komputerisasi), dan bagaimana penyimpanan datanya.

Pemilihan metode peramalan harus disesuaikan dengan dana yang tersedia

dan tingkat akurasi yang ingin dicapai, misalnya item-item yang penting akan

diramalkan dengan metode yang sederhana dan murah.

3. Kemudahan

Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah

diaplikasikan akan memberikan keuntungan bagi perusahaan. Hal yang percuma

memakai metode yang canggih, tetapi tidak dapat diaplikasikan pada

sistem perusahaan karena keterbatasan dana, sumber daya manusia, maupun

peralatan teknologi.

14Pada dasarnya metode peramalan kuantitatif dapat dibedakan atas 2 bagian, yaitu:



1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan

antara variabel yang akan diperkirakan dengan variabel waktu, yang

merupakan deret waktu atau time series. Metode yang baik adalah metode

yang memberikan nilai-nilai perbedaan atau penyimpangan sekecil mungkin.

Metode peramalan yang termasuk model time series, yaitu metode

penghalusan (smoothing), metode proyeksi kecendrungan dengan regresi dan

metode dekomposisi.

a. Metode Penghalusan (Smoothing)15

Salah satu cara untuk mengubah pengaruh data masa lalu terhadap nilai

tengah sebagai ramalan adalah dengan menentukan sejak awal berapa

jumlah nilai observasi masa lalu yang akan dimasukkan untuk menghitung

nilai tengah. Untuk menggambarkan prosedur ini digunakan istilah rata-

rata bergerak (Moving Average) karena setiap muncul nilai observasi baru,

nilai rata-rata baru dapat dihitung dengan membuang nilai observasi yang

paling tua dan memasukkan nilai observasi yang baru. Rata-rata bergerak

ini kemudian akan menjadi ramalan untuk periode mendatang. Diberikan

N titik data dan diputuskan untuk menggunakan T observasi pada setiap

rata-rata (yang disebut dengan rata-rata bergerak berorde T, atau MA(T).

MA (1) yaitu rata-rata bergerak dengan orde 1- nilai data terakhir yang

diketahui (Xt) digunakan sebagai ramalan untuk periode berikutnya (Ft+1 =

Xt).

Waktu = T

15 Makridakis. 1993. Metode dan Aplikasi Peramalan. Jakarta: Erlangga.Hal 67-

69


Rata-rata bergerak =

= x1 + x2 + .... + xt x

T

Ft+1= ∑ =1

b. Metode Proyeksi Kecendrungan dengan Regresi16

Metode kecenderungan dengan regresi merupakan dasar garis

kecenderungan untuk suatu persamaan, sehingga dengan dasar persamaan

tersebut dapat diproyeksikan hal-hal yang akan diteliti pada masa yang

akan datang. Data yang dibutuhkan adalah data tahunan.

Bentuk fungsi dari metode ini dapat berupa:

a) Konstan, dengan fungsi peramalan (Yt):

Yt = a

a = ∑Y1 . . . . . . . . . . . .. . .. . . .. . .. . . .. . .. . .. . . .. . .. . . .. . .. . . .. . .. . .. . . ..

. . . . . . . . . . . . .. . .. .

N

Dimana: Yt = nilai tambah

N = jumlah periode

b) Linear, dengan fungsi peramalan:

Yt = a + bt

Dimana : a = Yt-bt/n

( ) ( )

( )

−

−=

22 xxn

yxxynb

c) Kuadratis, dengan fungsi peramalan :

Yt = a + bt + ct2 16 Rosnani Ginting. 2007. Sistem Produksi. Yogyakarta: Graha Ilmu. Hal 55-56


Dimana :

d) Eksponensial, dengan fungsi peramalan:

Yt = aebt

Dimana :

e) Siklis, dengan fungsi peramalan:

Yt = a + b sin 2 π x

n + c cos

2 π x

n

−= 32 XnXX

( ) −= 22XnX

( ) −= 422 XnX

−= XYnYX

−= YXnYX 22

2.

..

−

−=b

bc

−=

n

XcXbya

−−=

2

( )

−

−=

22

lnln.

XXn

XYYXnb

n

XbYa −

=ln

ln


∑Y = na + b sin 2τt

+ c∑ cos 2τt . . . . . .. .. ... .. ... .. ... .. ... .. ... .. ... .. ... .. ... .. ... .. ..

n N

∑Y sin 2τt = a∑sin 2τt + b sin 2 2τ + c∑ sin 2τt cos 2τt

n n N n n

∑Y cos 2τt = a∑cos 2τt

+ c∑cos2 2τ + b∑ sin 2τt cos

2τt

n n n n n

c. Metode Dekomposisi17

Metode dekomposisi biasanya mencoba memisahkan tiga komponen

terpisah dari pola dasar yang cenderung mencirikan deret data ekonomi

dan bisnis. Komponen tersebut adalah faktor trend (kecenderungan), siklus

dan musiman. Faktor kecenderungan menggambarkan perilaku data dalam

jangka panjang dan dapat meningkat, menurun atau tidak berubah.

Perbedaan antara musiman dan siklus adalah bahwa musiman itu berulang

dengan sendirinya pada interval yang tetap seperti tahun, bulan atau

minggu, sedangkan faktor siklus mempunyai jangka waktu yang lebih

lama dan lamanya berbeda dari siklus yang satu ke siklus yang lain.

Dekomposisi mempunyai asumsi bahwa data itu tersusun sebagai berikut:

Data = pola + kesalahan

= f(trend, siklus, musiman) + kesalahan

Penulisan matematis umum dari pendekatan dekomposisi adalah

Xt= f(It, Tt, Ct, Et)

Dimana:

Xt = nilai deret berkala (data aktual) pada periode t 17 Makridarkis. 1993. Metode dan Aplikasi Peramalan. Jakarta: Erlangga.Hal

123-124


It = komponen (indeks) musiman pada periode t

Tt= komponen trend pada periode t

Ct= komponen siklus pada periode t

Et= komponen kesalahan atau random pada periode t

Bentuk fungsional yang pasti dari persamaan dekomposisi bergantung

pada metode dekomposisi yang digunakan. Untuk semua metode tersebut

proses dekompisisinya adalah serupa dan terdiri atas langkah-langkah

sebagai berikut:

1. Pada deret data yang sebenarnya (Xt) hitung rata-rata bergerak yang

panjangnya (N) sama dengan panjang musiman. Maksud dari rata-rata

bergerak ini adalah menghilangkan unsur musiman dan kerandoman.

Merata-ratakan sejumlah periode yang sama dengan panjang pola

musiman (misalnya 12 bulan, 4 kuartal atau 7 hari) akan

menghilangkan unsur musiman dengan membuat rata-rata dari periode

yang musimnya tinggi dan periode yang musimnya rendah. Karena

kesalahan random tidak mempunyai pola yang sistematis maka

pemerata-rataan ini juga mengurangi kerandoman.

2. Pisahkan rata-rata bergerak N periode (langkah 1 di atas) dari deret

data semula untuk memperoleh unsur trend dan siklus

3. Pisahkan faktor musiman dengan menghitung rata-rata untuk tiap

periode yang menyusun panjang musiman secara lengkap.

4. Identifikasi bentuk trend yang tepat (linear, eksponensial, dan lain-

lain) dan hitung nilainya untuk setiap periode (Tt)


5. Pisahkan hasil langkah 4 dari hasil langkah 2 (nilai gabungan dari

unsur trend dan siklus) untuk memperoleh faktor siklus.

6. Pisahkan musiman, trend dan siklus dari data asli untuk mendapatkan

unsur random yang ada Et.

2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan

antara variabel yang akan diperkirakan dengan variabel lain yang

mempengaruhinya, yang bukan waktu atau sebab akibat

18Langkah-langkah dalam melakukan peramalan adalah : 1. Definisikan tujuan peramalan

2. Pembuatan diagram pencar 3. Pilih minimal dua metode peramalan yang dianggap sesuai

4. Hitung parameter-parameter fungsi peramalan.

5. Hitung kesalahan setiap metode yang terbaik, yaitu yang memiliki kesalahan

terkecil

6. Pilih metode yang terbaik, yaitu yang memiliki kesalahan terkecil dan lakukan

pengujian hipotesis dengan uji distribusi F.

7. Lakukan verifikasi peramalan.


2.13. Proses Verifikasi20

Proses verifikasi digunakan untuk melihat apakah metode peramalan yang

diperoleh representatif terhadap data. Proses verifikasi dilakukan dengan

menggunakan Moving Range Chart (MRC). Dari peta ini dapat terlihat apakah

sebaran berada didalam batas kontrol ataupun sudah diluar kontrol. Apabila

sebaran berada diluar kontrol, maka fungsi/metode peramalan tersebut tidak

sesuai, artinya pola peramalan terhadap data (Y-YF) tersebut tidak representatif.

Proses verifikasi dengan menggunakan Moving Range Chart (MRC) dapat dilihat

pad Gambar 2.2.

A

B C Y-Yf

C A B

UCL = 2.66 MR 1/3

x .66 MR 2/3 x 2.66

MR Central Line =

MR -2/3 x 2.66 MR -

1/3 x 2.66 MR LCL =

-2.66 MR

Gambar 2.2. Moving Range Chart

20 Ibid, Hal 60-62


N −1

∑MR

t

= t = 2

MR

N −1

Dimana : MRt =

(Yt − YT )− (Yt −1 − YF )

atau :

MR = e − e t t −1 t t t −1

Kondisi out of control dapat diperiksa dengan menggunakan empat aturan

berikut:

1. Aturan Satu Titik

Bila ada titik sebaran (Y-YF) berada di luar UCL dan LCL. Walaupun jika

semua titik sebaran berada dalam batas kontrol, belum tentu fungsi/metode

representatif. Untuk itu penganalisaan perlu dilanjutkan dengan membagi

MRC dalam tiga daerah, yaitu A, B, dan C.

2. Aturan Tiga Titik

Bila ada tiga buah titik secara berurutan berada pada salah satu sisi, yang

mana dua diantaranya jatuh pada daerah A.

3. Aturan Lima Titik

Bila ada lima buah titik secara berurutan berada pada salah satu sisi, yang

mana empat diantaranya jatuh pada daerah B.

4. Aturan Delapan Titik

Bila ada delapan buah titik secara berurutan berada pada salah satu sisi, pada

daerah C.


2.14.Tingkat Ketelitian dan Tingkat Kepercayaan21

Tingkat ketelitian ialah suatu parameter yang menjelaskan seberapa dekat

estimasi karakteristik sampel terhadap karakteristik sesungguhnya dari populasi.

Derajat kepercayaan menjelaskan besarnya kepercayaan bahwa estimasi tersebut

benar sesuai dengan karakteristik populasi.

2.15.Definisi Standar dari Kapasitas yang Tersedia22

Kapasitas didefinisikan sebagai jumlah output per satuan waktu. Satuan

pengukuran harus merupakan satuan umum yang dapat digunakan oleh seluruh

jenis output. Satuan yang umum digunakan untuk seluruh jenis output adalah

satuan waktu dan satuan biaya. Satuan biaya jarang digunakan untuk studi

kapasitas untuk jangka waktu yang panjang. Waktu merupakan satuan pengukuran

yang lebih sering digunakan untuk mengukur kapasitas.

Formula yang digunakan untuk menentukan kapasitas yang tersedia adalah

sebagai berikut:

Capacity available: hours available x utilization x efficiency

23Faktor efisiensi menjelaskan keadaan seberapa jauh stasiun kerja

tertentu mampu menggunakan kapasitas yang tersedia secara efisien. Faktor

utilitas adalah ukuran kemampuan stasiun kerja dalam memanfaatkan kapasitas

yang tersedia secara efektif.

21Sukaria Sinulingga. 2013. Metode Penelitian. Medan: USU Press. Hal 207 22John Blackstone. 1989. Capacity Management. USA: South Western Publishing CO. Hal 10-21

23Sukaria Sinulingga. 2013. Metode Penelitian. Medan: USU Press. Hal 170


2.16.Biaya dalam Hubungannya dengan Produk24

biaya manufaktur juga disebut biaya produksi atau biaya pabrik, biasanya

didefinisikan sebagai jumlah dari tiga elemen biaya: bahan baku langsung, tenaga

kerja langsung, dan overhead pabrik.

Bahan baku langsung adalah semua bahan baku yang membentuk bagian

integral dari produk jadi dan dimasukkan secara eksplisit dalam perhitungan biaya

produk. Contoh dari bahan baku langsung adalah kayu yang digunakan untuk

membuat mebel. Tenaga kerja langsung adalah tenaga kerja yang melakukan

konversi bahan baku langsung menjadi produk akhir. Overhead pabrik terdiri atas

biaya manufaktur yang tidak dapat ditelusuri secara langsung kepada output.

Biaya overhead terdiri dari biaya bahan tidak langsung, tenaga kerja tidak

langsung dan biaya tak langsung lainnya.

2.17. Kriteria Performance Peramalan25

Seorang perencana tentu menginginkan hasil perkiraan ramalan yang tepat

atau paling tidak dapat memberikan gambaran yang paling mendekati sehingga

rencana yang dibuatnya merupakan rencana yang realistis.

Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara,

antara lain adalah:

1. Mean Square Error (MSE)

MSE= √∑ (y - y')n

x = 1

2

n - f

24Carter Usry. 2006. Akuntansi Biaya.Jakarta: Salemba Empat. Hal 40-41



Dimana :

Xt= data actual periode t

Ft= nilai ramalan periode t

N= banyakya periode

2. Standard Error of Estimate (SEE)

SEE= √∑ (y - y')n

x = 1

2

n - f

Dimana:

F = derajat kebebasan

Untuk data konstan , f=1

Untuk data linier, f=2

Untuk data kuadratis, f=3

Untuk data siklis, f= 3

3. Percentage Error (PE)

PEt = (Xt-Ft)/ Xt x 100%

Dimana nilai dari Pet bisa positif maupun negatif


[Type text]


[Type text]

BAB IV

METODOLOGI PENELITIAN

4.1. Tempat dan Waktu Penelitian

Tempat penelitian dilakukan di PT. Sri Intan Karplas Industry yang

berlokasi di Jl. Sunggal Kecamatan Medan Sunggal. Waktu penelitian dilakukan

mulai bulan Januari 2017 – Maret 2017.

4.2. Jenis Penelitian1

Jenis penelitian ini adalah penelitian deskriptif, yaitu penelitian yang

bertujuan untuk mendeskripsikan secara sistematik, faktual dan akurat tentang

fakta-fakta dan sifat-sifat dari objek atau populasi tertentu.

4.3. Objek Penelitian

Objek penelitian yang diamati adalah produk karung goni 100 kg LDPE.

4.4. Kerangka Konseptual Penelitian

Suatu penelitian dapat dilaksanakan apabila tersedianya sebuah

perancangan kerangka konseptual sehingga langkah-langkah penelitian lebih

sistematis. Kerangka konseptual inilah yang merupakan landasan dalam

melaksanakan penelitian. Kerangka konseptual penelitian ini dapat dilihat pada

Gambar 4.1.

1 Sukaria Sinulingga. Metode Penelitian. (Cet I; Medan: USU Press, 2011), h. 24.


[Type text]

Biaya Produksi- Biaya Bahan baku dan

energi langsung

- biaya tenaga kerja

langsung

- biaya listrik

- biaya lost sales

Kemampuan

Produksi

- Jam kerja

- waktu keseluruhan

stasiun kerja

Kapasitas

Tersedia:-Efisiensi

- Utilitas

- Waktu Kerja

Kebutuhan

Kapasitas :- Jumlah Permintaan

- Waktu Produksi

Jumlah Produksi

Optimal

.Gambar 4.1. Kerangka Konseptual Penelitian

Gambar 4.1. menunjukkan variabel-variabel yang digunakan dalam melakukan

penelitian. Agar didapatkan jumlah produksi dan persediaan yang optimal maka

harus dilakukan perhitungan kapasitas produksi tersedia dan kebutuhan kapasitas

produksi terlebih dahulu. Kapasitas produksi tersedia dipengaruhi oleh efisiensi,

utilitas dan hari kerja. Kebutuhan kapasitas produksi dipengaruhi oleh jumlah

permintaan konsumen dan waktu produksi. Perhitungan kapasitas produksi

tersedia dan kebutuhan kapasitas produksi dilakukan untuk mengetahui

kemampuan perusahaan dalam memenuhi permintaan pasar. Kapasitas produksi

tersedia dan kebutuhan kapasitas produksi mempengaruhi jumlah produksi secara

simultan. Perhitungan kemampuan produksi dilakukan untuk mengetahui berapa

jumlah produksi yang dapat dihasilkan setiap harinya dengan memanfaatkan

regular time pada hari Senin sampai Sabtu maupun overtime pada hari Minggu.

Perhitungan kemampuan produksi ini didasarkan pada waktu keseluruhan stasiun


[Type text]

kerja. Kegiatan melakukan produksi akan menimbulkan biaya produksi. Biaya

yang mempengaruhi biaya produksi adalah biaya bahan baku langsung, energi

langsung, tenaga kerja langsung, dan biaya lost sales.

4.5. Definisi Operasional

Definisi operasional dalam penelitian ini adalah:

1. Jumlah Permintaan

Jumlah Permintaan karung goni 100 kg LDPE berdasarkan data historis

yaitu mulai Januari 2016 sampai Desember 2016 dan dinyatakan dalam

unit.

2. Waktu kerja

Waktu kerja yang tersedia berdasarkan kalender perusahaan tahun 2016

yang dinyatakan dalam hari dan jam.

3. Biaya bahan baku dan energi.

Biaya bahan baku karung goni 100 kg LDPE berdasarkan data historis

perusahaan tahun 2016 dan dinyatakan dalam rupiah (Rp.)

4. Upah Tenaga Kerja

Upah tenaga kerja berdasarkan wawancara dengan manajemen pabrik dan

dinyatakan dalam rupiah (Rp.)

5. Kapasitas produksi tersedia

Kapasitas produksi tersedia berdasarkan wawancara terhadap manajemen

pabrik yang dinyatakan dalam unit/ jam.

6. Kemampuan produksi.


[Type text]

Kemampuan produksi dihitung berdasarkan kapasitas tersedia dinyatakn

dalam unit/ bulan.

7. Jumlah Produksi

Jumlah produksi karung goni 100 kg LDPE berdasarkan data historis

perusahaan Januari 2016 sampai Bulan Desember 2016 dan dinyatakan

dalam unit.

8. Biaya produksi

Biaya produksi terdiri dari dua jenis, yaitu biaya produksi regular time dan

overtime yang dihitung dalam rupiah/ unit. Selisih biaya produksi regular

time dan overtime dinyatakan dalam rupiah/ unit.

9. Efisiensi

Efisiensi berdasarkan wawancara dengan pihak manajemen pabrik dan

dinyatakan dalam persen (%).

10. Utilitas

Utilitas berdasarkan wawancara dengan pihak manajemen pabrik dan

dinyatakan dalam persen (%).

11.Harga jual karung goni 100 kg HDPE berdasarkan wawancara dengan

pihak manajemen dinyatakan dalam rupiah.

4.6. Blok Diagram Pengumpulan Data

Blok diagram pengumpulan data dapat dilihat pada gambar 4.2.


[Type text]

4.7. Metode Pengumpulan data

Dalam melakukan penelitian di PT Sri Intan Karplas Industri dibutuhkan

sejumlah data tertentu. Data yang diperlukan dalam penelitian ini adalah :

1. Data kapasitas stasiun didapatkan langsung dari manajemen pabrik.

2. Data faktor yang mempengaruhi biaya simpan produk karung goni

didapatkan secara langsung dari pabrik dan melalui wawancara dari mandor

produksi oleh peneliti.

3. Data upah tenaga kerja didapatkan melalui wawancara dengan pihak

manajemen perusahaan.

4. Data historis jumlah produksi produk karung goni dan jumlah permintaan

pasar dari Bulan Januari 2016 sampai Bulan Desember 2016 didapatkan dari

pihak perusahaan.

5. Data jumlah hari kerja dan jumlah hari kerja overtime dari Bulan Januari

2016 sampai Bulan Desember 2016 didapatkan dari pihak manajemen

perusahaan.

6. Data jam kerja yang diberlakukan untuk karyawan lantai produksi

didapatkan dari manajemen perusahaan.

7. Data Jumlah karyawan lantai produksi didapatkan dari pihak menajemen

perusahaan.

8. Data biaya bahan produksi didapatkan dari pihak menajemen perusahaan.

9. Data biaya listrik lantai produksi didapatkan dari pihak menajemen

perusahaan


[Type text]

10. Biaya jual/ unit didapatkan dari wawancara dengan pihak manajemen

perusahaan

Mulai

Studi Pendahuluan

Melakukan pengamatan

terhadap kondisi pabrik

Identifikasi Masalah Awal

Tidak adanya metode

perencanaan produksi dan

persediaan yang ilmiah

berdasarkan kondisi pasar.

Studi Literatur

Mengumpulkanm literatur

yang berhubungan dengan

fenomena masalah dan

pemecahan masalah

Pengumpulan data:

Data Primer :

- Faktor yang mempengaruhi biaya simpan

Data sekunder:

- Data jumlah permintaan historis Januari – Desember 2016

- Data jumlah produksi histori Januari – Desember 2016

- Data jam kerja dan ketentuan lembur

- Kapasitas Produksi per stasium

- Jumlah karyawan produksi

- Upah/ gaji karyawan lantai produksi reguler dan overtime

- Data biaya bahan baku, dan biaya listrik

- Data Efisiensi dan Utilitas

Selesai

Gambar 4.2. Blok Diagram Pengumpulan Data


[Type text]

4.8. Metode Pengolahan Data

Metode yang digunakan untuk merencanakan jumlah produksi dan

persediaan PT Sri Intan karplas Industri adalah metode dynamic programming.

Langkah-langkah pengolahan data untuk mendapatkan jumlah produksi dan

persediaan dengan metode dynamic programming terdiri dari:

1. Perhitungan waktu produksi per stasiun kerja dilakukan dengan cara

1/kapasitas per stasiun kerja.

2. Tahap perhitungan kapasitas produksi tersedia dilakukan dengan cara:

Perhitungan dilakukan dengan cara waktu yang tersedia x efisiensi mesin x

utilitas mesin.

3. Tahap perhitungan kebutuhan kapasitas produksi dilakukan dengan cara:

Perhitungan kapasitas kebutuhan produksi didapatkan dengan cara jumlah

permintaan x waktu produksi.

4. Tahap perhitungan kemampuan produksi dilakukan dengan cara: Perhitungan

kemampuan produksi didapatkan dengan cara kemampuan produksi regular

time + kemampuan produksi over time.

5. Tahap perhitungan jumlah produksi dan persediaan dengan metode dynamic

programming dengan data historis dilakukan dengan cara:

a. Tentukan fungsi tujuan dan constraint

b. Dekomposisi masalah dalam bentuk stages

c. Tentukan state

d. Tentukan variabel keputusan

e. Tentukan contribution function


[Type text]

f. Tentukan value function

g. Tentukan optimal policy

h. Tentukan transformation function

i. Tentukan recurrence function (backward recurrence function)

j. Tentukan boundary setiap stage

k. Melakukan perhitungan stage demi stage berdasarkan recurrence function

Tahapan perhitungan jumlah produksi dan persediaan dengan metode

dynamic programming dapat dilihat pada Gambar 4.3.

4.9. Analisis Pemecahan Masalah

Setelah hasil pengolahan dengan metode dynamic programming diperoleh,

maka dilakukan analisis terhadap hasil dari pengolahan. Analisis dilakukan

dengan cara analisis perbandingan sistem aktual dengan aplikasi metode dynamic

programming. Analisis komponen perencanaan produksi, analisis komponen

biaya-biaya produksi, analisis hubungan peramalan dan perencanaan produksi

dengan menggunakan metode dynamic programming, dan analisis biaya produksi

dan persediaan dengan metode dynamic programming menggunakan data

peramalan.

4.10. Kesimpulan dan Saran

Langkah akhir yang dilakukan adalah penarikan kesimpulan yang berisi

hal-hal penting dalam penelitian tersebut dan pemberian saran untuk perusahaan

mengenai hal-hal yang berkaitan dengan penelitian


[Type text]

.

Mulai

-Data historis permintaan produk

- Kemampuan produksi reguler

time

- Kemampuan produksi overtime

- biaya produksi/ unit

- selisih biaya produksi reguler

time dan overtime

- biaya simpan

Tentukan fungsi tujuan dan

constraint

Dekomposisi menjadi stage

Tentukan state

Tentukan variabel keputusan

Tentukan contribution

function

Tentukan Value Function

Tentukan transformation

function

Tentukan recurrence

function

Tentukan boundary

Menghitung Jumlah produksi

dan persediaan berdasarkan

fungsi rekursif

Menetapkan jumlah produksi

dan persediaan dengan biaya

minimal berdasarkan optimal

policy

Jumlah

produksi dan

Persediaan

Optimal

Selesai

Gambar 4.3. Flowchart Metode Dynamic Programming


BAB V

PENGUMPULAN DAN PENGOLAHAN DATA

5.1. Pengumpulan Data

Pengumpulan data untuk menganalisa permasalahan perencanaan jumlah

produksi pada PT. Sri Intan Karplas Industry adalah :

1. Data Jumlah produksi dan jumlah permintaan karung goni 100 kg LDPE dan

HDPE bulan Januari 2016- Desember 2016

Tabel 5.1. Jumlah Produksi Dan Permintaan Produk Karung Goni 100 kg

LDPE Januari 2016 -Desember 2016

Periode Produksi Kg) Permintaan (Kg)

Januari 458.600 479.237

Februari 463.300 425.310

Maret 450.500 409.505

April 460.200 412.800

Mei 425.300 440.610

Juni 455.700 420.156

Juli 481.240 500.293

Agustus 470.100 440.954

September 485.245 435.751

Oktober 478.900 429.095

November 507.200 533.067

Desember 508.300 472.211

Total 5.653.585 5.407.989


[Type text]

2. Data jumlah hari kerja yang tersedia dan jumlah hari kerja overtime.

Jumlah pekerja pada bagian produksi dibagi atas 3 shift, dimana jam kerjanya

adalah 7 jam/hari/shift pada hari Senin-Sabtu (regular time). Perusahaan

menetapkan hari Minggu adalah jadwal jam kerja overtime apabila diperlukan.

Jadwal shift karyawan bagian produksi adalah sebagai berikut.

a. Shift 1 Pukul 07.00 – 12.00 waktu kerja

Pukul 12.00 – 13.00 waktu istirahat

Pukul 13.00 – 15.00 waktu kerja

b. Shift 2 Pukul 15.00 – 19.00 waktu kerja



c. Shift 3 Pukul 23.00 – 03.00 waktu kerja



Untuk menentukan jam kerja tersedia, dapat digunakan rumus :

Waktu kerja yang tersedia = (jumlah shift x waktu kerja/shift x jumlah hari

kerja/bulan)

Jumlah hari, jam kerja tersedia dan waktu kerja overtime sepanjang tahun

2016 dapat dilihat pada tabel 5.2.


[Type text]

Tabel 5.2. Jumlah Hari Kerja Tersedia dan Jumlah Hari Kerja Overtime

Tersedia Tahun 2016

Bulan Jlh Hari

kerja

Jlh waktu

kerja (jam)

Jlh Waktu

Kerja Overtime

(hari)

Januari 25 525 5

Februari 24 504 4

Maret 25 525 4

April 26 546 4

Mei 25 525 5

Juni 26 546 4

Juli 21 441 5

Agustus 26 546 4

September 25 525 4

Oktober 26 546 5

November 26 546 4

Desember 25 525 4

Total 300 6300 52

Sumber : PT. Sri Intan Karplas Industry

3. Data kapasitas produksi setiap stasiun kerja.

Kapasitas untuk karung goni jenis LDPE yang dialokasikan untuk ukuran 100

kg adalah sebesar 36 % dari total keseluruhan kapasitas untuk jenis LDPE.

Karung goni 50 kg sebesar 43 % dan 30 kg sebesar 21 %.

Tabel 5.3. Kapasitas Produksi Setiap Stasiun Kerja

Stasiun Kapasitas

(unit/jam)

Pencampuran bahan (mixing) 1500

Pencetakan Lembaran Plastik 1425,5

Pendinginan Lembaran Plastik 1.354

Pemotongan Lembaran Plastik (Cutting) 1.286,5

Penggulungan Benang 1.157,4

Penenunan Benang menjadi karung plastic 1.041,6

Pemotongan Gulungan karung Plastik 1.026,8

Penjahitan menjadi karung goni 975,5

Pengepakan 975,5



[Type text]

4. Data efisiensi dan utilitas setiap stasiun kerja

Tabel 5.4. Efisiensi dan Utilitas setiap Stasiun Kerja

Stasiun Efisiensi

(%)

Utilitas

(%)

Pencampuran bahan (mixing) 95 95 Pencetakan Lembaran Plastik 95 95

Pendinginan Lembaran Plastik 95 95 Pemotongan Lembaran Plastik (Cutting) 95 95

Penggulungan Benang 90 90 Penenunan Benang menjadi karung plastic 90 90 Pemotongan Gulungan krung Plastik 95 95

Penjahitan menjadi karung goni 95 95 Pengepakan 95 95


5. Data jumlah karyawan dan gaji karyawan lantai produksi.

Tabel 5.5. Jumlah Karyawan dan Gaji Karyawan Lantai Produksi Tahun

2016

Karyawan Jumlah (orang) Gaji Karyawan/ bulan

Koordinator Lapangan 1 3.800.000 As. Koord. Lapangan 1 3.300.000

Operator 118 2.200.000 Sumber : PT. Sri Intan Karplas Industry

6. Data jam lembur maksimum/ hari dan upah lembur/ jam

Tabel 5.6.Jam Lembur Maksimum dan Upah Lembur Tahun 2016

Keterangan Jumlah dan Harga

Jam Lembur Maksimum (jam/hari) 14 Upah Lembur operator produksi

(Rp/jam)

Rp. 14.000,-

Upah Lembur Mandor (Rp/jam) Rp. 30.000,- Upah Lembur Assistant Mandor

(Rp/jam)

Rp. 25.000,-


7. Data biaya bahan baku, biaya bahan tambahan, biaya bahan penolong dan

biaya listrik


[Type text]

Tabel 5.7. Data Biaya Bahan Baku, Biaya Bahan Tambahan, Biaya Bahan

Penolong dan Biaya Listrik Tahun 2016

Periode Biaya Bahan Baku

(Rp)

Biaya Bahan

Tambahan

(Rp)

Biaya Bahan

Penolong (Rp)

Biaya

Listrik(Rp)

Total Biaya (Rp)

Januari 2.338.860.000 687.900.000 527.390.000 7.835.000 3.561.985.000

Februari 2.362.830.000 694.950.000 532.795.000 7.115.000 3.597.690.000 Maret 2.297.550.000 675.750.000 518.075.000 7.820.500 3.499.195.500

April 2.347.020.000 690.300.000 529.230.000 7.612.000 3.574.162.000 Mei 2.189.030.000 637.950.000 489.095.000 7.337.000 3.323.412.000 Juni 2.324.070.000 683.550.000 524.055.000 7.835.000 3.539.510.000

Juli 2.630.224.000 735.360.000 563.776.000 8.035.000 3.937.395.000 Agustus 2.397.510.000 705.150.000 540.615.000 7.440.500 3.650.715.500

September 2.594.749.500 727.867.500 558.031.750 7.113.000 3.887.761.750 Oktober 2.442.490.000 718.350.000 550.735.000 7.550.500 3.716.125.500 November 2.586.720.000 760.800.000 583.280.000 8.030.000 3.938.830.000

Desember 2.592.330.000 762.450.000 584.545.000 8.156.000 3.947.481.000 Sumber : PT. Sri Intan Karplas Industry

8. Data biaya simpan

Biaya simpan merupakan biaya yang muncul akibat adanya persediaan yang

diletakkan di gudang. Presentasi biaya yang menyebabkan adanya biaya

simpan adalah sebesar 20 %

5.2 Pengolahan Data

5.2.1 Peramalan Permintaan Pasar

Peramalan dilakukan untuk mendapatkan permintaan pasar untuk 12

periode kedepan (tahun 2017). Penentuan perkiraan jumlah permintaan untuk

periode Januari 2017 sampai dengan Desember 2017 dilakukan dengan cara

melihat data historis pada periode Januari 2016 sampai dengan Desember 2016.

Peramalan yang dilakukan adalah peramalan pada karung goni plastik 100 kg

jenis LDPE. Langkah-langkah peramalan adalah sebagai berikut :


[Type text]

1. Menentukan tujuan peralaman

Tujuan peramalan adalah untuk meramalkan jumlah penjualan produk pada

bulan Januari 2017 sampai dengan Desember 2017.

Tabel 5.8. Data Historis Penjualan Produk Karung Goni 100 kg LDPE

Januari 2016 – Desember 2016

Periode Permintaan (Kg)

Januari 479.237

Februari 425.310

Maret 409.505

April 412.800

Mei 440.610

Juni 420.156

Juli 500.293

Agustus 440.954

September 435.751

Oktober 429.095

November 533.067

Desember 472.211

TOTAL 5.398.989


2. Pembuatan Scatter Diagram

Diagram bertujuan untuk melihat data masa lalu sebagai acuan untuk

memilih metode peramalan. Scatter Diagram produk karung goni 100 kg

LDPE (Polypropylene) dapat dilihat pada Gambar 5.1.


[Type text]

Gambar 5.1. Grafik Penjualan Karung Goni 100 kg LDPE Januari 2016 –

Desember 2016

3. Memilih metode peramalan

Dilihat dari pola data grafik penjualan karung goni LDPE 100 kg, data

berbentuk cenderung tidak stasioner, berfluktuasi, dan cendrung tidak

membentuk tren. Maka digunakan metode peramalan siklis dan dekomposisi.

Metode peramalan yang digunakan adalah:

a. Metode siklis.

b. Metode dekomposisi

4. Menghitung parameter peramalan

a. Metode siklis

Fungsi peramalan : Yt = a + b sin 2 π x

n + c cos

2 π x

n

Adapun perhitungan parameter peramalan untuk metode siklis dapat

dilihat pada Tabel 5.9.

400000

420000

440000

460000

480000

500000

520000

540000

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

Permintaan Karung Goni 100 kg

Permintaan


[Type text]

Tabel 5.9. Perhitungan Parameter Peramalan Metode Siklis

X Y Sin(2πx/n) Cos(2πx/n) Sin(2πx/n)*

Cos(2πx/n) Sin2(2πx/n) Cos2(2πx/n) Y*Sin(2πx/n) Y*Cos(2πx/n)

1 479.237 0.866 0.500 0.433 0.750 0.250 415,132.38 239,443.54 2 425.310 0.866 -0.500 -0.433 0.750 0.250 368,418.87 -212,655.00 3 409.505 0.000 -1.000 0.000 0.000 1.000 0.00 -409,504.67 4 412.800 -0.866 -0.500 0.433 0.750 0.250 357,484.80 -206,400.00 5 440.610 -0.866 0.500 -0.433 0.750 0.250 381,568.26 220,305.00 6 420.156 0.000 1.000 0.000 0.000 1.000 0.00 420,154.66 7 500.293 0.866 0.500 0.433 0.750 0.250 433,253.74 250,146.50 8 440.954 0.866 -0.500 -0.433 0.750 0.250 381,866.16 -220,477.00 9 435.751 0.000 -1.000 0.000 0.000 1.000 0.00 -435,747.86 10 429.095 -0.866 -0.500 0.433 0.750 0.250 371,596.27 -214,547.50 11 533.067 -0.866 0.500 -0.433 0.750 0.250 461,636.02 266,533.50 12 472.211 0.005 1.000 0.005 0.000 1.000 2,388.41 472,204.96

78 5.398.989 0.000 0.000 0.000 6.000 6.000 28,774.21 169,456.12

∑ y = n a + b ∑ sin(2πx

n) + c ∑ cos(

2πx

n)

5.398.989 = 12 a + (0) + c (0)

a = 5.398.989

12

= 449.915,75

∑ y sin(2πx

n) = a ∑ sin(

2πx

n) + b ∑ sin2(

2πx

n) + c ∑ sin(

2πx

n)cos(

2πx

n)

28.774,21 = a (0) + b (6) + c (0)

b = 28.774 ,21

6

= 4.795,70

∑ y cos (2πx

n) = a ∑ cos (

2πx

n) + c ∑ cos2(

2πx

n) + b ∑ sin(

2πx

n)cos(

2πx

n)

169.456,12 = a (0) + c (6) + b(0)

c = 169.456,12

6

= 28.242,68

Dengan metode siklis diperoleh fungsi peramalan:


[Type text]

Yt = 449.915,75 + 4.795,70 sin 2 π x

n+ 28.242,68 cos

2 π x

n

b. Metode Dekomposisi

Langkah – langkah peramalan metode dekomposisi, yaitu:

1) Menghitung nilai rata-rata per 4 periode

Nilai rata-rata bergerak yang dihitung adalah rata-rata dalam kurun

waktu per 4 periode selama 12 periode yakni dari periode Januari 2016-

Desember 2016. Contoh perhitungan rata-rata dari periode Januari 2016

- April 2016 :

Nilai rata-rata per 4 periode :

= 479.237+425.310+409.505+412.800

4

= 431.713

Nilai rata-rata per 4 periode dari periode Januari 2016 – April 2016

sebesar 459.400 Perhitungan rata-rata per 4 periode untuk periode

selanjutnya dilakukan dengan cara yang sama. Rekapitulasi perhitungan

nilai rata-rata per 4 periode Januari 2016 - Desember 2016 dapat dilihat

pada Tabel 5.10.

Tabel 5.10. Rekapitulasi Perhitungan Nilai Rata-rata Per 4 Periode

No Periode Permintaan

(unit)

Nilai Rata-rata Per 4

Periode

1 Januari 479.237

431.713 2 Februari 425.310

3 Maret 409.505

4 April 412.800

5 Mei 440.610 450.503

6 Juni 420.156


[Type text]

Tabel 5.10. Rekapitulasi Perhitungan Nilai Rata-rata Per 4 Periode (Lanjutan)

No Periode Permintaan

(unit)

Nilai Rata-rata Per 4

Periode

7 Juli 500.293

8 Agustus 440.954

9 September 435.751

467.531 10 Oktober 429.095

11 November 533.067

12 Desember 472.211

2) Menghitung nilai indeks musim dan faktor musim.

Nilai indeks musim dihitung dengan mengunakan nilai indeks rata-

rata bergerak yang telah dihitung sebelumnya. Hal pertama yang

dilakukan adalah menghitung nilai faktor musim dengan cara

membagikan hasil permintaan dengan rata-rata per 4 periode,

kemudian menghitung nilai indeks musim dengan cara merata-

ratakan nilai dari faktor musim yang ada. Contoh perhitungan nilai

faktor musim, yaitu:

Nilai faktor musim = 479.237

431.713

= 1,110

Contoh perhitungan nilai indeks musim untuk periode pembagian I,

yaitu :

Nilai indeks musim = 1,110+0,978+0,932

3

= 1,007

Perhitungan nilai indeks musim dan factor musim selama periode

Januari 2016 - Desember 2016 dapat dilihat pada Tabel 5.11.


[Type text]

Tabel 5.11. Perhitungan Nilai Indeks Musim

Periode

Pembagian Periode Permintaan

Rata-rata

Per 4

Periode

Faktor

Musim

Indeks

Musim

1 Januari 479.237

431.713

1.110 1.007

2 Februari 425.310 0.985 0.945

3 Maret 409.505 0.949 1.066

4 April 412.800 0.956 0.982

5 Mei 440.610

450.503

0.978 1.007

6 Juni 420.156 0.933 0.945

7 Juli 509.293 1.111 1.066

8 Agustus 440.954 0.979 0.982

9 September 435.751

467.531

0.932 1.007

10 Oktober 429.095 0.918 0.945

11 November 533.067 1.140 1.066

12 Desember 472.211 1.010 0.982

3) Perhitungan parameter peramalan.

Garis trend linier dapat dicari dengan menggunakan persamaan:

Fungsi peramalan: Yt = a + bx

Berdasarkan persamaan tersebut maka nilai a dan b dicari dahulu

Tabel 5.12. Perhitungan Parameter Peramalan Linear

X Y X2 XY

1 479237 1 479,237

2 425310 4 850,620

3 409505 9 1,228,515

4 412800 16 1,651,200

5 440610 25 2,203,050

6 420156 36 2,520,936

7 500293 49 3,502,051

8 440954 64 3,527,632

9 435751 81 3,921,759

10 429095 100 4,290,950

11 533067 121 5,863,737

12 472211 144 5,666,532

78 5,398,989 650 35,706,219

Parameter peramalan : Yt = a + bx


[Type text]

( ) ( )

( )24,285.4

)78(65012

)989.398.5(78)219.706.35(12222

=−

−=

−

−=

xxn

yxxynb

a = Y-bx

n=

5.398.989-(4.285,24)(78)

12 = 422.061,63

Persamaan peramalan: Yt = 422.061,63+ 24,285.4 x

4) Menghitung nilai persamaan garis trend

Nilai persamaan garis trend dihitung di setiap periode peramalan

yang diinginkan, yaitu selama periode Januari 2017 - Desember

2017. Nilai persamaan garis trend dapat dihitung dengan

memasukkan nilai periode yang diinginkan. Untuk menghitung nilai

garis trend periode Januari 2017, maka nilai periode yang

dimasukkan ke dalam persamaan garis trend adalah 13. Nilai dari

persamaan garis trend selama periode Januari 2017 - Desember 2017

dapat dilihat pada Tabel 5.13.

Tabel 5.13. Perhitungan Nilai Persamaan Garis Trend

Periode X Nilai Persamaan

Garis Trend

Januari 13 477.769,8

Februari 14 482.055,0 Maret 15 486.340,2

April 16 490.625,5 Mei 17 494.910,7 Juni 18 499.196,0

Juli 19 503.481,2 Agustus 20 507.766,4

September 21 512.051,7 Oktober 22 516.336,9 November 23 520.622,2

Desember 24 524.907,4

5) Menghitung nilai ramalan akhir


[Type text]

Nilai ramalan akhir didapatkan dengan cara mengalikan persamaan

garis trend dengan nilai indeks musim. Fungsi peramalannya adalah :

Yt = (Nilai Garis Trend ke-X) (Indeks Musim)

5. Menghitung kesalahan peramalan

Perhitungan kesalahan peramalan menggunakan metode SEE (Standard Error

of Estimation) bertujuan untuk memilih metode peramalan yang lebih tepat

yaitu dengan SEE terkecil.

SEE =√∑ (y - y')n

x = 1

2

n - f

a. Metode regresi dengan kecenderungan siklis

Derajat kebebasan (f) = 3

Perhitungan SEE untuk metode regresi dengan kecenderungan siklis dapat

dilihat pada Tabel 5.14.

Tabel 5.14. Perhitungan SEE untuk Metode Regresi Kecenderungan Siklis

X Y Y' Y-Y' (Y-Y')2

1 479.237 468.181 11.056 122.235.407

2 425.310 439.949 -14.639 214.289.147

3 409.505 421.673 -12.168 148.062.477

4 412.800 431.641 -18.841 354.995.859

5 440.610 459.884 -19.274 371.487.608

6 420.156 478.158 -58.002 3.364.271.409

7 500.293 468.190 32.103 1.030.591.938

8 440.954 439.947 1.007 1.013.070

9 435.751 421.673 14.078 198.182.392

10 429.095 431.641 -2.546 6.483.816

11 533.067 459.884 73.183 5.355.749.469

12 472.211 478.182 -5.971 35.656.723

78 5.398.989 5.399.005 -16 11.203.019.314


[Type text]

SEE =√∑ (y - y')n

x = 1

2

n - f = √

11.203.019.314

12-3

= 35.281,44

b. Metode dekomposisi

Derajat kebebasan (f) = 2

Perhitungan SEE untuk metode dekomposisi dapat dilihat pada Tabel 5.13.

Tabel 5.15. Perhitungan SEE untuk Metode Dekomposisi

SEE =√∑ (y - y')n

x = 1

2

n - f= √

𝟒𝟓.𝟔𝟓𝟗.𝟐𝟎𝟗.𝟏𝟒𝟓

12-2 = 67.571,59

Hasil rekapitulasi nilai SEE dapat dilihat pada Tabel 5.16.

Tabel 5.16. Rekapitulasi Hasil Perhitungaan SEE

Metode Peramalan Hasil Perhitungan SEE

Dekomposisi 67.571,59

Siklis 35.281,44

Dari Tabel 5.14. dapat dilihat bahwa SEE Siklis<SEE Dekomposisi

X Y Y' Y-Y' (Y-Y')2

1 479.237 458381.9505 20,855 434,933,089

2 425.310 473625.278 -48,315 2,334,366,088

3 409.505 495632.539 -86,128 7,417,952,981

4 412.800 497308.3171 -84,508 7,141,655,659

5 440.610 477947.0604 -37,337 1,394,056,076

6 420.156 493627.5791 -73,472 5,398,072,930

7 500.293 516345.5682 -16,053 257,684,946

8 440.954 517876.4873 -76,922 5,917,069,048

9 435.751 497512.1702 -61,761 3,814,442,142

10 429.095 513629.8801 -84,535 7,146,145,958

11 533.067 537058.5974 -3,992 15,932,850

12 472.211 538444.6574 -66,234 4,386,897,378

78 5.407.989 6017390.08 -618,401 45,659,209,145


[Type text]

6. Pengujian hipotesa

Pengujian hipotesa dilakukan dengan mencari SEE yang terkecil yaitu metode

peramalan regresi dengan kecenderungan siklis dengan dekomposisi.

Ho = Metode siklis lebih baik dari metode dekomposisi

Hi = Metode siklis tidak lebih baik dari metode dekomposisi

α = 0,05

Uji statistik :

22

67.571,59

44,281.35

idekomposis SEE

siklis SEE

=

=hitungF = 0,27

Ftabel = α (v1, v2) dimana v1 bernilai 9 (12-3) untuk metode regresi dengan

kecenderungan siklis dan v2 bernilai 10 (10-2).

Maka didapatkan Ftabel = 0,05 (9,10) = 3,02

Didapatkan Fhitung ≤ Ftabel maka Ho diterima

Kesimpulan: Metode yang digunakan meramalkan produk Karung Goni 100

kg LDPE adalah metode siklis.

7. Verifikasi peramalan

Tujuan dilakukannya proses verifikasi adalah untuk mengetahui apakah

fungsi yang telah ditentukan dapat mewakili data yang akan diramalkan.

Adapun perhitungan hasil verifikasi dapat dilihat pada Tabel 5.17.

Tabel 5.17. Perhitungan Hasil Verifikasi


[Type text]

X Y Y' Y-Y' MR

1 479.237 468.181 11.056 2 425.310 439.949 -14.639 25.694,630

3 409.505 421.673 -12.168 2.470,526

4 412.800 431.641 -18.841 6.673,241

5 440.610 459.884 -19.274 432,680

6 420.156 478.158 -58.002 38.728,330

7 500.293 468.190 32.103 90.105,170

8 440.954 439.947 1.007 31.096,320

9 435.751 421.673 14.078 13.071,210

10 429.095 431.641 -2.546 16.624,060

11 533.067 459.884 73.183 75.729,320

12 472.211 478.182 -5.971 79.154,310

78 5,398,989 5399005 -16 379779,8

MR = =−

1n

MR

112

379.779,8

− = 34.525,44

BKA = 2,66 x MR = 2,66 x 34.525,44= 91.837,66

2/3 BKA = 2/3 x 91.837,66= 61.225,11

1/3 BKA = 1/3 x 91.837,66= 30.612,55

BKB = -2,66 x MR = 2,66 x 17.895,8= -91.837,66

2/3 BKB = 2/3 x -91.837,66 = -61.225,11

1/3 BKB = 1/3 x -91.837,66 = -30.612,55


[Type text]

Gambar 5.2. Moving Range Chart

Dari Gambar 5.2. tidak terlihat adanya sebaran data yang out of control

sehinggga pola peramalan terhadap data (Y-Y’) tersebut representatif,

artinya metode/ fungsi peramalan siklis sesuai dan dapat digunakan untuk

meramalkan permintaan produk untuk periode Januari 2017 - Desember

2017.

8. Dengan menggunakan peramalan dengan metode siklis, permintaan produk

Karung Goni LDPE 100 kg untuk periode Januari 2017 - Desember 2017

dapat dilihat pada Tabel 5.16.

Tabel 5.18. Hasil Peramalan Permintaan Produk Karung Goni 100 kg LDPE

Periode Januari 2017 - Desember 2017

Bulan Total

Januari 468.181

February 439.949

Maret 421.673

April 431.641

Mei 459.884

-150000

-100000

-50000

0

50000

100000

150000

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

MR

Y-Y'

BKA

2/3 BKA

1/3 BKA

BKB

2/3 BKB

1/3 BKB


[Type text]

Tabel 5.18. Hasil Peramalan Permintaan Produk Karung 100 kg LDPE

Periode Januari 2017 - Desember 2017 (Lanjutan)

Bulan Total

Juni 478.158

Juli 468.190

Agustus 439.947

September 421.673

Oktober 431.641

November 459.884

Desember 478.182

Grafik perbandingan antara data aktual dan hasil peramalan Karung Goni

LDPE disajikan pada Gambar 5.3.

Gambar 5.3. Grafik Perbandingan Data Aktual dengan Hasil

Peramalan Karung Goni 100 kg LDPE

5.2.2. Pengolahan Data dengan Menggunakan Data Peramalan

400000

420000

440000

460000

480000

500000

520000

540000

560000

580000

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

Dekomposisi

Aktual

Siklis


[Type text]

5.2.2.1. Perhitungan Waktu Produksi

Contoh perhitungan waktu produksi (jam/ unit) dihitung dengan cara

sebagai berikut:

Contoh kapasitas stasiun pencampuran bahan (tabel 5.3.)= 1500 unit/ jam,

waktu produksi stasiun pencampuran bahan = 1/1500 = 0,000666 jam/ unit.

Rekapitulasi hasil perhitungan waktu produksi setiap stasiun kerja dapat

dilihat pada tabel 5.19.

Tabel 5.19. Rekapitulasi Waktu Produksi Setiap Stasiun Kerja

Stasiun Kapasitas

(unit/jam)

Waktu

Produksi

(jam/unit)

Waktu

Produksi

(menit/unit)

Pencampuran bahan (mixing) 1500,0 0.000667 0.0400

Pencetakan Lembaran Plastik 1425,5 0.000702 0.0421 Pendinginan Lembaran Plastik 1354,0 0.000739 0.0443 Pemotongan Lembaran Plastik (Cutting) 1286,5 0.000777 0.0466

Penggulungan Benang 1157,4 0.000864 0.0518 Penenunan Benang menjadi karung plastic 1041,6 0.000960 0.0576 Pemotongan Gulungan krung Plastik 1026,8 0.000974 0.0584

Penjahitan menjadi karung goni 975,5 0.001025 0.0615 Pengepakan 975,5 0.001025 0.0615

Sumber : Pengolahan Data

Tabel 5.19. menunjukkan bahwa stasiun kerja penjahitan dan pengepakan

merupakan stasiun kerja yang membutuhkan waktu paling lama. Waktu yang

dibutuhkan adalah 0,001025jam/ unit.

5.2.2.2. Perhitungan Kapasitas Produksi

Waktu produksi setiap stasiun kerja digunakan untuk menghitung

kapasitas yang tersedia pada lantai produksi. Kapasitas tersedia dipengaruhi oleh

hari kerja dan jam kerja regular time maupun overtime, serta dipengaruhi oleh


[Type text]

efisiensi dan utilitas setiap stasiun kerja. Kebutuhan pasar ditentukan oleh jumlah

permintaan.

Perhitungan kebutuhan kapasitas dan kapasitas tersedia sebagai berikut.

Contoh pada stasiun pencampuran bahan (mixing) pada bulan januari. Data Waktu

produksi 0,000667 dapat dilihat pada tabel 5.19. dan jumlah permintaan pada

bulan januari dapat dilihat pada tabel 5.18.

Kebutuhan kapasitas = waktu produksi x jumlah permintaan

= 0.000667 x 468.181

= 312,12 jam

Kapasitas tersedia adalah kapasitas regular time dan kapasitas overtime.

Hari kerja dan jam kerja dapat dilihat pada tabel 5.2. Efisiensi dan utilitas dapat

dilihat pada tabel 5.4. Perhitungan kapasitas tersedia yaitu:

1. Kapasitas regular time = hari kerja regular time x jam kerja regular

time x efisiensi x utilitas

= 25 x 21 x 0,95 x 0,95

=473,81 jam

2. Kapasitas Overtime = hari kerja overtime x jam kerja overtime x

efisiensi x utilitas

= 5 x 14 x 0,95 x 0,95

= 63,17 jam

Perhitungan dengan cara yang sama dilakukan untuk menghitung

kebutuhan kapasitas dan kapasitas tersedia semua stasiun kerja selama 12 bulan.


[Type text]

Rekapitulasi hasil perhitungan kebutuhan kapasitas dan total kapasitas tersedia

semua stasiun kerja selama 12 bulan dapat dilihat pada table 5.20.

Tabel 5.20. Rekapitulasi Kebutuhan Kapasitas dan Kapasitas Tersedia

Bulan Stasiun Kerja

Kebutuhan

Kapasitas

(jam)

Kapasitas Tersedia

(jam) Total Kapasitas

Tersedia (jam) Regular Overtime

Januari

Pencampuran bahan (mixing) 312,12 473,81 63,18 536,99

Pencetakan Lembaran Plastik 328,43 473,81 63,18 536,99

Pendinginan Lembaran Plastik 345,78 473,81 63,18 536,99

Pemotongan Lembaran Plastik (Cutting) 363,92 473,81 63,18 536,99

Penggulungan Benang 404,51 425,25 56,70 481,95

Penenunan Benang menjadi karung plastic 449,48 425,25 56,70 481,95

Pemotongan Gulungan krung Plastik 455,96 473,81 63,18 536,99

Penjahitan menjadi karung goni 479,94 473,81 63,18 536,99

Pengepakan 479,94 473,81 63,18 536,99

Februari






Penenunan Benang menjadi

karung plastic 422,38 408,24 45,36 453,60



Pengepakan 451,00 454,86 50,54 505,40

Maret


Pencetakan Lembaran Plastik 295,81 473,81 50,54 524,35 Pendinginan Lembaran Plastik 311,43 473,81 50,54 524,35

Pemotongan Lembaran Plastik (Cutting) 327,77 473,81 50,54 524,35 Penggulungan Benang 364,33 425,25 45,36 470,61


Pemotongan Gulungan krung Plastik 410,67 473,81 50,54 524,35 Penjahitan menjadi karung goni 432,26 473,81 50,54 524,35

Pengepakan 432,26 473,81 50,54 524,35


[Type text]


(Lanjutan)

Bulan Stasiun Kerja

Kebutuhan

Kapasitas

(jam)

Kapasitas Tersedia

(jam) Total Kapasitas

Tersedia (jam) Regular Overtime

April




Pemotongan Lembaran Plastik

(Cutting) 335,52 492,77 50,54 543,31



Pemotongan Gulungan krung

Plastik 420,37 492,77 50,54 543,31


Pengepakan 442,48 492,77 50,54 543,31

Mei







karung plastic 441,52 425,25 56,70 481,95



Pengepakan 471,43 473,81 63,18 536,99

Juni







karung plastic 459,06 442,26 45,36 487,62



Pengepakan 490,17 492,77 50,54 543,31


[Type text]


(Lanjutan)

Bulan Stasiun Kerja

Kebutuhan

Kapasitas

(jam)

Kapasitas Tersedia

(jam)

Total

Kapasitas

Tersedia

(jam) Regular Overtime

Juli







karung plastic 449,49 357,21 56,70 413,91



Pengepakan 479,95 398,00 63,18 461,18

Agustus







karung plastic 422,38 442,26 45,36 487,62



Pengepakan 451,00 492,77 50,54 543,31

September





(Cutting) 327,77 473,81 50,54 524,35




Plastik 410,67 473,81 50,54 524,35


Pengepakan 432,26 473,81 50,54 524,35


[Type text]


(Lanjutan)

Bulan Stasiun Kerja

Kebutuhan

Kapasitas

(jam)

Kapasitas Tersedia

(jam)

Total

Kapasitas

Tersedia

(jam) Regular Overtime

Oktober







karung plastic 414,40 442,26 56,70 498,96



Pengepakan 442,48 492,77 63,18 555,94

November







karung plastic 441,52 442,26 45,36 487,62



Pengepakan 471,43 492,77 50,54 543,31

Desember





(Cutting) 371,69 473,81 50,54 524,35




Plastik 465,70 473,81 50,54 524,35


Pengepakan 490,19 473,81 50,54 524,35


[Type text]

5.2.2.3.Perhitungan Kemampuan Produksi

Perhitungan kemampuan produksi untuk mengetahui berapa jumlah

produksi yang dapat dihasilkan setiap harinya dengan memanfaatkan regular time

dan overtime. Perhitungan tersebut didasarkan pada waktu keseluruhan stasiun

kerja. Waktu keseluruhan stasiun kerja adalah stasiun kerja yang membutuhkan

waktu paling lama dalam menyelesaiakan 1 unit produk.

Satu hari terdiri dari 3 shift kerja dimana 1 shift terdapat 7 jam kerja (tabel

5.6), sehingga jam kerja satu hari adalah 3 shift x 7 jam = 21 jam. Overtime yang

diizinkan hanya 2 shift sehingga jam kerja overtime adalah 2 shift x 7 jam yaitu 14

jam. Stasiun kerja yang membutuhkan waktu paling lama adalah stasiun

penjahitan dan pengepakan. Waktu yang dibutuhkan oleh stasiun tersebut adalah

0,001025 jam/ unit. Hal ini menunjukkan bahwa kemampuan produksi adalah

0,001025 jam/ unit. Perhitungan kemampuan produksi adalah sebagai berikut:

Kemampuan Produksi regular time = Jam kerja Reguler

waktu keseluruhan

= 21

0,001025

= 20.487,8 unit

Kemampuan produksi overtime = Jam kerja 𝑂𝑣𝑒𝑟𝑡𝑖𝑚𝑒

waktu keseluruhan

= 14

0,001025

= 13.658,53 unit

Perhitungan kemampuan produksi bulan januari adalah sebagai berikut:

Kemampuan produksi regular time = Hari kerja regular x kemampuan

produksi regular x efisiensi x utilitas


[Type text]

= 25 x 20.487,8 x 0,95 x 0,95

= 462.255,98 ≈462.255 unit.

Kemampuan produksi overtime = Hari kerja overtime x kemampuan

produksi overtime x efisiensi x

utilitas

= 5 x 13.658,53 x 0,95 x 0,95

= 61.634,11 ≈ 61.634 unit.

Tabel 5.21. Rekapitulasi Kemampuan Produksi Setiap Periode

Bulan Hari

kerja

Kemampuan

Produksi

Reguler Time

Kemampuan

Produksi

Overtime

Total

kemampuan

produksi

(unit)

Jumlah

Perminta

an unit

Keterangan

Januari 25 462.256 61.634 523.890 468.181 Butuh Overtime

Februari 24 443.765 49.307 493.072 439.949 - Maret 25 462.256 49.307 511.563 421.673 - April 26 480.746 49.307 530.053 431.641 -

Mei 25 462.256 61.634 523.890 459.884 - Juni 26 480.746 49.307 530.053 478.158 -

Juli 21 388.295 61.634 449.929 468.190 Butuh Overtime Agustus 26 480.746 49.307 530.053 439.947 - September 25 462.256 49.307 511.563 421.673 -

Oktober 26 480.746 61.634 542.380 431.641 - November 26 480.746 49.307 530.053 459.884 -

Desember 25 462.256 49.307 511.563 478.182 Butuh Overtime

5.2.2.4.Perhitungan Biaya Produksi Reguler Time dan Overtime

Perusahaan mengadakan lembur 14 jam pada hari Minggu jika diperlukan.

Biaya overtime sebesar Rp. 14.000/ jam. Perhitungan total biaya untuk 1 unit

karung goni LDPE 100 kg adalah sebagai berikut:

1. Biaya yang dikeluarkan dengan menggunakan regular time adalah sebagai

berikut:


[Type text]

Biaya operator produksi/unit = Gaji karyawan produksi x bulan x jumlah

Karyawan)/ ( Hari kerja x kemampuan RT)

= (Rp.2.200.000 x 12 bulan x 118 Orang) /

(300 hari x 20.487,8 unit)

= Rp. 506,84

Biaya mandor/ unit = Gaji mandor produksi x bulan x jumlah )/

(Hari kerja x kemampuan RT)

= (Rp. 3.800.000 x 12 bulan x 1 Orang)/

(300 x 20.487,8 unit)

= Rp. 7,41

Biaya asisten mandor = Gaji assist. mandor x bulan x jumlah )/

(Hari kerja x kemampuan RT)

= (Rp. 3.300.000 x 12 bulan x 1

Orang)/ (300 x 20.487,8 unit) = Rp.6,44

Biaya bahan dan listrik/ unit = Rp. 44.174.263.250/ 5.399.003 = Rp. 8.181,93

Total biaya produksi = Biaya operator + biaya mandor + biaya

assist.Mandor + Biaya bahan dan listrik

= Rp. 506,84 + Rp. 7,41 + Rp. 6,44 +

Rp. 8.181,93

= Rp. 8.702,62

2. Biaya yang dikeluarkan dengan menggunakan overtime adalah sebagai berikut:

Biaya overtime/ unit = Gaji karyawan produksi x Hari OT x

jumlah)/ (Hari kerja x kemampuan OT)

= (Rp. 14.000 x 14 jam x 52 hari x 80


[Type text]

orang) / (52 hari x 13.658,53)

= Rp. 1.148,00

Biaya mandor/ unit = Gaji mandor produksi x Hari OT x


= ( Rp. 30.000 x 14 jam x 1 Orang) / (52 x

13.658,53 unit)

= Rp. 0,59

Biaya asisten mandor = Gaji mandor produksi x Hari OT x


= ( Rp. 25.000 x 14 jam x 1 Orang)/ (52 x

13.658,53 unit)

= Rp.0,49

Biaya bahan dan listrik/unit = Rp. 44.174.263.250/ 5.399.003 = Rp. 8.181,93

Total biaya produksi = Biaya operator + biaya mandor + biaya

assist.Mandor + Biaya bahan dan listrik

= Rp. 1.148 + Rp. 0,59 + Rp.0,49

Rp. 8.181,93

= Rp. 9.331,01

Selisih biaya regular time dan overtime = Rp. 9.331,01 – Rp. 8.702,62

= Rp. 628,3

5.2.2.5.Biaya Kehilangan Penjualan (Lost Sales)

Tabel 5.22. Biaya Lost Sales/ unit

Ukuran Karung Goni (LDPE) Biaya Lost Sales/ unit


[Type text]

30 kg Rp. 650

50 kg Rp. 750

100 kg Rp. 750

. Besarnya biaya ini seimbang dengan keuntungan atau laba yang

didapatkan dari penjualan produk tersebut. Keuntungan yang didapatkan oleh

perusahaan dari penjualan produk tersebut sebesar Rp. 750/ unit.

5.2.3 Perhitungan Perencanaan Jumlah Produksi dengan Metode Dynamic

Programming

Dynamic programming mengkonversi masalah yang memiliki sejumlah

keputusan dengan sumber daya yang terbatas kedalam bentuk sekuensial sub

masalah yang saling berhubungan dan disusun dalam stage, sehingga setiap sub

masalah dapat diselesaikan dengan lebih mudah dibandingkan dengan masalah

pokok yang harus diselesaikan secara individu.

Tahap perencanaan jumlah produksi dengan metode dynamic

programming adalah sebagai berikut:

1. Menentukan fungsi tujuan dan fungsi pembatas.

Fungsi tujuan dari perencanaan produksi adalah minimisasi biaya produksi

kumulatif dari periode 1 sampai 12 dengan mempertimbangkan jumlah

produksi yang memberikan biaya minimum setiap periodenya.

Min Z =∑ Ci Xi12i=1

S.T. : Xi ≤ Ki

Ti ≤ Li


[Type text]

Bi ≤ Pi

Oi ≤ Ji

Bi + Oi ≤ Ki

Keterangan :

Ci = Biaya produksi/ unit untuk periode i (i=1,2,3….12)

Xi = Jumlah produksi dalam satuan unit untuk periode i (i=1,2,3….12)

Ki = Jumlah produksi regular time + overtime dalam satuan unit untuk

periode i (i=1,2,3….12)

Ti = Jumlah overtime yang digunakan pada periode i (i=1,2,3….12)

Li = Jumlah overtime maksimal yang tersedia pada periode i (i=1,2,3….12)

Bi = Jumlah Produksi (unit) dengan menggunakan regular time periode i

(i=1,2,3….12)

Pi = Kapasitas produksi maksimal (unit) dengan menggunakan regular time

pada periode i (i=1,2,3….12)

Oi = Jumlah Produksi (Unit) dengan menggunakan overtime pada periode i

(i=1,2,3….12)

Ji = Kapasitas produksi (unit) maksimal dengan menggunakan overtime pada

periode i (i=1,2,3….12)

Besaran nilai Ki, Ci, KTi untuk periode 1 sampai 12 dapat dilihat pada

tabel 5.23.

Tabel 5.23. Nilai Ki, Ci, Li, Pi dan Ji untuk periode 1-12

Periode (i) Ci Ki Li Pi Ji

1 8.702,62

523.890 5 462.256 61.634 2 493.072 4 443.765 49.307 3 511.563 4 462.256 49.307


[Type text]

4 530.054 4 480.746 49.307 5 523.890 5 462.256 61.634

6 530.054 4 480.746 49.307 7 449.929 5 388.295 61.634 8 530.054 4 480.746 49.307

9 511.563 4 462.256 49.307 10 542.380 5 480.746 61.634

11 530.054 4 480.746 49.307 12 511.563 4 462.256 49.307

2. Tahap dekomposisi adalah tahap dalam metode dynamic programming dimana

permasalahan rencana produksi yang dipecah menjadi beberapa sub masalah

(stages (i)= 1,2,3…..) yang dinyatakan dengan tahap (periode) 1-12. Dalam

penelitian ini permasalahan rencana produksi akan didekomposisikan atau

dipecahkan menjadi sub masalah rencana produksi dalam 12 tahap yaitu

rencana produksi dari periode januari 2017 sampai desember 2017 yang dapat


Tabel 5.24. Pembagian Tahap Sub Masalah

Sub Masalah (Tahap) Bulan

1 Januari 2 Februari 3 Maret

4 April 5 Mei

6 Juni 7 Juli 8 Agustus

9 September 10 Oktober

11 November 12 Desember

3. Menentukan variabel masukan atau state adalah sebagai berikut:

State (Sn) = Jumlah produksi overtime

Keterangan:


[Type text]

Sn =Jumlah produksi overtime pada periode n

State merupakan beberapa kemungkinan kondisi yang dapat dipilih pada setiap

stage

4. Menentukan variabel keputusan (Xn) yaitu jumlah produksi berdasarkan

pertimbangan pemakaian jam kerja regular atau dengan penambahan jam kerja

overtime.

Keterangan:

Xn= jumlah produksi terjadwal pada periode n

5. Menentukan contribution function

𝐶n= R(Xn-Sn) + (Sn) H + L (Dn-Xn)

Keterangan :

Cn = biaya produksi untuk periode n

R = Biaya produksi regular

Xn = Jumlah produksi untuk periode n

H = Biaya Produksi overtime

Sn = Jumlah produksi overtime

Dn = permintaan periode n

Fungsi ini menunjukkan biaya yang dikeluarkan sehubungan dengan variabel

keputusan yang dipilih. Contribution function untuk perencanaan produksi

selama 12 periode dengan mempertimbangkan biaya regular time, overtime

dan biaya simpan.

6. Menentukan Value Function (fn (Sn))

Value Function = (fn (Sn))


[Type text]

Keterangan :

(fn (Sn)) = Nilai contribution function pada periode n dengan inventory sebesar

I pada periode n.

Value function merupakan suatu fungsi yang memberikan nilai pada

contribution function pada setiap stage.

7. Menentukan Optimal policy

Optimal policy = Min (fn (Sn))

Keterangan :

Min (fn (Sn) = Nilai minimal dari value function

8. Menentukan transformation function

transformation function = f*n+1(Ii+1)

Keterangan:

f*n+1(Sn+1) = nilai minimal dari value function pada periode n+1

Fungsi ini menunjukkan bagaimana state untuk stage berikutnya berubah

berdasarkan state, stage dan keputusan pada stage sekarang.

9. Menentukan recurrence function

recurrence function =

Min Ci = Fn = [R (Xn –Sn) + (Sn)H + L (Dn- Xn)] + Fn-1

Recurrence function merupakan fungsi yang menunjukkan biaya yang

dikeluarkan sehubungan dengan jumlah unit yang diproduksi pada saat regular

time dan overtime pada periode n dengan variabel keputusan Xn pada periode

n. :


[Type text]

Keterangan :

Xn = Produksi terjadwal untuk periode n

L = Biaya lost sales/ unit

Pn = Jumlah Produksi regular time periode n

Dn = Permintaan periode n (Tabel 5.18)

Sn = Jumlah overtime

R = Biaya produksi regular (Rp. 8.702,62)

H = Biaya produksi overtime (Rp. 9.331,01)

Fn-1 = Biaya minimum untuk 1 periode sebelumnya

Fungsi rekursif untuk setiap tahapan sub masalah rencana produksi dapat


Tabel 5.25. Penetapan Fungsi Rekursif

Periode Fungsi Rekursif

Desember F12 = [8.702,62 (X12-S12) + (S12) 9.331,01 + L (D12- X12)]]

November F11 = [8.702,62 (X11-S11) + (S11) 9.331,01 + L (D11- X11)]] + F12 Oktober F10 = [8.702,62 (X10-S10) + (S10) 9.331,01 + L (D10- X10)]] + F11

September F09 = [8.702,62 (X9-S9) + (S9) 9.331,01 + L (D9- X9)]] + F10 Agustus F08 = [8.702,62 (X8-S8) + (S8) 9.331,01 + L (D8- X8)]] + F09

Juli F07 = [8.702,62 (X7-S7) + (S7) 9.331,01 + L (D7- X7)]] + F08

Juni F06 = [8.702,62 (X6-S6) + (S6) 9.331,01 + L (D6- X6)]] + F07 Mei F05 = [8.702,62 (X5-S5) + (S5) 9.331,01 + L (D5- X5)]] + F06

April F04 = [8.702,62 (X4-S4) + (S4) 9.331,01 + L (D4- X4)]] + F05 Maret F03 = [8.702,62 (X3-S3) + (S3) 9.331,01 + L (D3- X3)]] + F04

Februari F02 = [8.702,62 (X2-S2) + (S2) 9.331,01 + L (D2- X2)]] + F03

Januari F01 = [8.702,62 (X1-S1) + (S1) 9.331,01 + L (D1- X1)]] + F02

10. Menentukan boundary untuk setiap stage.

Boundary : Wn ≤ Xn ≤ yi

Keterangan :

Wn = jumlah produksi minimal periode n


[Type text]

Xn = jumlah produksi periode n

Yn = jumlah produksi maksimal pada periode n.

Perhitungan perencanaan jumlah produksi dengan metode dynamic

programming dilakukan dengan menggunakan data-data yang telah dikumpulkan.

Perhitungan perencanaan jumlah produksi menggunakan metode dynamic

programming adalah sebagai berikut:

1. Periode 12 ( Desember 2017)

Jumlah permintaan bulan Desember adalah 478.182 unit. Kemampuan

produksi regular time adalah 462.256 unit (Tabel 5.21). Jika diberlakukan

overtime maka kemampuan produksi menjadi 511.563 unit. Perusahaan

mengadakan lembur selama 4 hari pada bulan Desember. Kemampuan

produksi overtime adalah 13.658 unit/ hari. Perhitungan kemampuan

produksi jika overtime diberlakukan selama 4 hari adalah sebagai berikut:

Kemampuan produksi jika diberlakukan overtime 1 hari = 13.658

Kemampuan produksi jika diberlakukan overtime 2 hari = 13.658 x 2

= 27.316


= 40.974


= 54.632

Kemampuan produksi regular time adalah 462.204 unit. Jika diberlakukan

overtime, maka total produksi menjadi

Jika diberlakukan overtime 1 hari = 462.256 + 13.658 = 475.914 unit


[Type text]




Total kemampuan produksi maksimal pada bulan Desember adalah 511.563

unit dan kemampuan produksi maksimal overtime adalah 49.307 unit. Perusahaan

dapat menambah produksi sebanyak 13.658 unit sekali mengadakan lembur

sehingga apabila menambah overtime jumlah produksi bertambah dengan

kelipatan 13.658 unit. Rekapitulasi jumlah produksi periode 12 dapat dilihat pada

tabel 5.26.

Tabel 5.26. Rekapitulasi Jumlah Produksi Reguler Time dan Overtime

Periode 12 (Unit)

RT 462.256

0 462.256

13.658 475.915 27.316 489.572 40.974 503.230

49.307 511.563

Biaya produksi periode 12 dipengaruhi oleh jumlah produksi regular time

periode 12, jumlah produksi overtime periode 12, biaya produksi regular time,

overtime dan biaya lost sales. Jumlah permintaan untuk periode 12 (Desember)

adalah sebesar 478.182. Jumlah produksi periode 12 dapat dilihat pada tabel 5.27.

Tabel 5.27. Jumlah Produksi dan Biaya Produksi Periode 12

Jumlah Overtime

Jumlah Produksi

Reguler Time

(Unit)

Biaya Produksi (Rp)

Jumlah

Overtime

Jumlah

produksi 462.256

F12 = [8.702,62 (X12-S12) + (S12) 9.331,01]+

(750)(D12- X12)

OT


[Type text]

(hari) (unit)

0 hari 0 462.256 4.034.782.811 1 hari 13.658 475.915 4.151.990.198

2 hari 27.316 489.572 4.277.724.180

3 hari 40.974 503.230 4.405.167.114

4 hari 49.307 511.563 4.482.922.421

Perhitungan biaya untuk untuk jumlah produksi sebanyak 489.572 unit


F12 = [R (X12 – S12)+ (S12)H + L (Dn- Xn)]

= [8.702,62 (462.256) + (489.572-462.256) 9.331,01]+ 750 (0)

= 4.277.724.180

Boundary = 462.256 ≤ X12 ≤ 511.563

Hasil perhitungan tabel 5.27. menunjukkan bahwa jumlah produksi yang

memenuhi permintaan adalah dengan memproduksi 489.572 unit dengan biaya

Rp. 4.277.724.180.

2. Periode 11 (November 2017)

Jumlah permintaan bulan November adalah 459.884 unit. Kemampuan


overtime maka kemampuan produksi menjadi 530.053 unit. Kemampuan

produksi overtime adalah 13.658 unit/ hari. Total kemampuan produksi

maksimum overtime adalah 49.307 unit. Rekapitulasi jumlah produksi

periode 11 dapat dilihat pada tabel 5.28.


Periode 11 (Unit)

RT 480.746

0 480.746 13.658 494.404

OT


[Type text]

27.316 508.062 40.974 521.720

49.307 530.053



overtime dan biaya lost sales. Jumlah permintaan untuk periode 11 (Desember)

adalah sebesar 478.182. Jumlah produksi periode 11 dapat dilihat pada tabel 5.29.


Jumlah Overtime

Jumlah Produksi

Reguler Time

(Unit)

Biaya Produksi (Rp)

Jumlah

Overtime

(hari)

Jumlah

produksi

(unit)

480.746 F11 = [8.702,62 (X11-S11) + (S11) 9.331,01]+

(750)(D11- X11) + F12

0 hari 0 480.746 8.461.473.934

1 hari 13.658 494.404 8.588.916.869

2 hari 27.316 508.062 8.716.359.804 3 hari 40.974 521.720 8.843.802.738 4 hari 49.307 530.053 8.921.558.044



F11 = [R (X11 – S11)+ (S11)H + L (D11- X11)] + F12

= [8.702,62 (480.746) + (0) 9.331,01+ 0] + Rp. 4.277.724.180.

= Rp. 8.461.473.934

Boundary = 480.746 ≤ X11 ≤ 530.053

Perhitungan yang sama dilakukan untuk mendapatkan biaya produksi

sebanyak Xn dengan jumlah produksi overtime Sn.


[Type text]



Rp. 8.461.473.934

3. Periode 10 (Oktober 2017)

Jumlah permintaan bulan Oktober adalah 431.641 unit. Kemampuan



mengadakan lembur selama 5 hari pada bulan Oktober. Kemampuan





Periode 10

RT 480.746

0 480.746 13.658 494.404

27.316 508.062 40.974 521.720 54.632 535.378

61.634 542.380



overtime dan biaya lost sales. Jumlah produksi periode 10 dapat dilihat pada tabel

5.31.


Jumlah Overtime Jumlah Produksi

Reguler Time Biaya Produksi (Rp)

OT


[Type text]

(Unit)

Jumlah

Overtime

(hari)

Jumlah

produksi

(unit)

480.746 F10 = [8.702,62 (X10-S10) + (S10) 9.331,01]+

(750)(D10- X10) + F11

0 hari 0 480.746 12.645.223.689

1 hari 13.658 494.404 12.772.666.624

2 hari 27.316 508.062 12.900.109.558 3 hari 40.974 521.720 13.027.552.493 4 hari 54.632 535.378 13.154.995.427

5 hari 61.634 542.380 13.220.331.159

Perhitungan biaya untuk untuk jumlah produksi sebanyak 480.746 unit adalah

sebagai berikut:

F10 = [8.702,68(480.746)+(0) 9.331,01 + (0)] + Rp. 8.461.473.934

= Rp. 12.645.223.689

Boundary = 480.746 ≤ X12 ≤ 542.380


sebanyak Xn dengan Sn.



Rp. 12.645.223.689

4. Periode 9 ( September 2017)

Jumlah permintaan bulan September adalah 421.673 unit. Kemampuan


overtime maka kemampuan produksi menjadi 511.563 unit. Kemampuan



[Type text]




Periode 9

RT 462.256

0 462.256 13.658 475.915

27.316 489.572 40.974 503.230 49.307 511.563



overtime dan biaya lost sales. Jumlah produksi periode 9 dapat dilihat pada tabel

5.33.

Tabel 5.33. Jumlah Produksi dan Biaya Produksi Periode 9 (Unit)

Jumlah Overtime

Jumlah Produksi

Reguler Time

(Unit)

Biaya Produksi (Rp)

Jumlah

Overtime

(hari)

Jumlah

produksi

(unit)

462.256 F9 = [8.702,62 (X9-S9) + (S9) 9.331,01]+

(750)(D9- X9) + F10

0 hari 0 462.256 16.668.062.000

1 hari 13.658 475.915 16.795.513.637

2 hari 27.316 489.572 16.922.947.869 3 hari 40.974 503.230 17.050.390.803 4 hari 49.307 511.563 17.128.146.110



F9 = [8.702,62(462.256)+(0) 9.331,01 + 750 (0)] + Rp12.645.223.689

= Rp. 16.668.062.000

Boundary = 462.256 ≤ X12 ≤ 511.563

OT


[Type text]


sebanyak Xn dengan jumlah produksi overtime (Sn).



Rp. 16.668.062.000.

5. Periode 8 (Agustus 2017)

Jumlah permintaan bulan Agustus adalah 439.947 unit. Kemampuan



mengadakan lembur selama 4 hari pada bulan Agustus. Kemampuan





Periode 8

RT 480.746

0 480.746 13.658 494.404

27.316 508.062 40.974 521.720

49.307 530.053

OT


[Type text]



overtime dan biaya lost sales. Jumlah dan biaya produksi periode 8 dapat dilihat

pada tabel 5.35.


Jumlah Overtime

Jumlah Produksi

Reguler Time

(Unit)

Biaya Produksi (Rp)

Jumlah

Overtime

(hari)

Jumlah

produksi

(unit)

480.746 F11 = [8.702,62 (X8-S8) + (S8) 9.331,01]+

(750)(D8- X8) + F9

0 hari 0 480.746 20.851.811.754

1 hari 13.658 494.404 20.979.254.689 2 hari 27.316 508.062 21.106.697.623

3 hari 40.974 521.720 21.234.140.558 4 hari 49.307 530.053 21.311.895.864



F8 = [8.702,62(480.746)+(0) + (0)+ Rp. 16.668.062.000.

= Rp. 20.851.811.754

Boundary = 480.746 ≤ X12 ≤ 530.053





Rp. 20.851.811.754.

6. Periode 7 (Juli 2017)


[Type text]

Jumlah permintaan bulan Juli adalah 468.190 unit. jumlah yang harus

diproduksi adalah 468.190 unit. Kemampuan produksi regular time adalah

388.295 unit (Tabel 5.21). Jika diberlakukan overtime maka kemampuan

produksi menjadi 449.929 unit. Perusahaan mengadakan lembur selama 5

hari pada bulan Agustus. Kemampuan produksi overtime adalah 13.658

unit/ hari. Total kemampuan produksi maksimum overtime adalah 61.634

unit. Rekapitulasi jumlah produksi periode 7 dapat dilihat pada tabel 5.36.


Periode 7

RT 388.295

0 480.746 13.658 401.593

27.316 415.611 40.974 429.269 54.632 442.927

61.634 449.929



overtime dan biaya lost sales. Jumlah produksi dan biaya produksi periode 7 dapat



Jumlah Overtime

Jumlah Produksi

Reguler Time

(Unit)

Biaya Produksi (Rp)

Jumlah

Overtime

(hari)

Jumlah

produksi

(unit)

388.295 F7 = [8.702,62 (X7-S7) + (S7) 9.331,01]+

(750)(D7- X7) + F8

0 hari 0 480.746 25.026.144.509 1 hari 13.658 401.593 24.405.253.328

2 hari 27.316 415.611 24.525.315.706 3 hari 40.974 429.269 24.642.515.141

OT


[Type text]

4 hari 54.632 442.927 24.759.714.575 5 hari 61.634 449.929 24.819.798.807

Perhitungan biaya untuk untuk jumlah produksi sebanyak 415.611 unit adalah:

F7 = [8.702,62(388.295)+(61.634) 9331,01 + 750 (468.190-449.929)]

+ Rp. 20.851.811.754.

= Rp. 24.819.798.807.

Boundary = 388.295 ≤ X7 ≤ 449.929


sebanyak Xn dengan jumlah produksi overtime Sn


mendekati permintaan pada periode 7 adalah dengan memperoduksi 449.929 unit

dengan biaya Rp. 24.819.798.807.

7. Periode 6 (juni 2017)

Jumlah permintaan bulan Juni adalah 478.158 unit. Kemampuan produksi

regular time adalah 480.746 unit (Tabel 5.21). Jika diberlakukan overtime

maka kemampuan produksi menjadi 530.053 unit. Perusahaan mengadakan

lembur selama 4 hari pada bulan Juni. Kemampuan produksi overtime

adalah 13.658 unit/ hari. Total kemampuan produksi maksimum overtime

adalah 49.307 unit. Rekapitulasi jumlah produksi periode 6 dapat dilihat

pada tabel 5.38.


Periode 6

RT 480.746

0 480.746 13.658 494.404

27.316 508.062

OT


[Type text]

40.974 521.720 49.307 530.053






Jumlah Overtime

Jumlah Produksi

Reguler Time

(Unit)

Biaya Produksi (Rp)

Jumlah

Overtime

(hari)

Jumlah

produksi

(unit)

480.746 F6 = [8.702,62 (X6-S6) + (S6) 9.331,01]+

(750)(D6- X6) + F7

0 hari 0 480.746 29.003.548.562

1 hari 13.658 494.404 29.130.991.497 2 hari 27.316 508.062 29.258.434.431 3 hari 40.974 521.720 29.385.877.366

4 hari 49.307 530.053 29.463.632.672



F6 = [8.702,62(480.746)+(0)+(0)] + Rp. 24.819.798.807.

= Rp. 29.003.548.562.

Boundary = 480.746 ≤ X6 ≤ 530.053


sebanyak Xn dengan jumlah produksi Sn.



Rp. 29.003.548.562.

8. Periode 5 (Mei 2017)


[Type text]

Jumlah permintaan bulan Mei adalah 459.884 unit. Kemampuan produksi



lembur selama 5 hari pada bulan Mei. Kemampuan produksi overtime



pada tabel 5.40.


Periode 5

RT 462.256

0 462.256 13.658 475.914

27.316 489.572 40.974 503.230 54.632 511.563

61.634 523.890






Jumlah Overtime

Jumlah Produksi

Reguler Time

(Unit)

Biaya Produksi (Rp)

Jumlah

Overtime

(hari)

Jumlah

produksi

(unit)

462.256 F5 = [8.702,62 (X5-S5) + (S5) 9.331,01+

(750)(D5- X5)] + F6

0 hari 0 462.256 33.026.386.873

1 hari 13.658 475.914 33.153.829.807

2 hari 27.316 489.572 33.281.272.742 3 hari 40.974 503.230 33.408.715.676

OT


[Type text]

4 hari 54.632 511.563 33.489.817.159 5 hari 61.634 523.890 33.601.494.343

Perhitungan biaya untuk untuk jumlah produksi sebanyak 462.225 unit adalah:

F5 = [8.702,62(462. 225)+(0) +(0)] + Rp. 29.003.548.562.

= Rp. 33.026.386.873.

Boundary = 462.256 ≤ X5 ≤ 523.890





Rp. 33.026.386.873.

9. Periode 4 (April 2017)

Jumlah permintaan bulan April adalah 431.641 unit. Kemampuan produksi



lembur selama 4 hari pada bulan April. Kemampuan produksi overtime



pada tabel 5.42.


Periode 4

RT 480.746

0 480.746

13.658 494.404 27.316 508.062 40.974 521.720

49.307 530.053

OT


[Type text]






Jumlah Overtime

Jumlah Produksi

Reguler Time

(Unit)

Biaya Produksi (Rp)

Jumlah

Overtime

(hari)

Jumlah

produksi

(unit)

480.746 F4 = [8.702,62 (X4-S4) + (S4) 9.331,01+

(750)(D4- X4)] + F5

0 hari 0 480.746 37.210.136.627

1 hari 13.658 494.404 37.337.579.562 2 hari 27.316 508.062 37.465.022.496

3 hari 40.974 521.720 37.592.465.431 4 hari 49.307 530.053 37.670.220.737


sebagai berikut:

F4 = [8.702,62(480.746)+(0) + (0)] + Rp. 33.026.386.873.

= Rp. 37.210.136.627.

Boundary = 480.746 ≤ X4 ≤ 530.053





Rp. 37.210.136.627.

10. Periode 3 (Maret 2017)


[Type text]

Jumlah permintaan bulan Maret adalah 421.673 unit. Kemampuan produksi



lembur selama 4 hari pada bulan April. Kemampuan produksi overtime



pada tabel 5.44.


Periode 3

RT 462.256

0 462.256 13.658 475.915

27.316 489.572 40.974 503.230 49.307 511.563



overtime dan biaya lost sales. Jumlah produksi dan biaya produksi dapat dilihat

pada tabel 5.45.


Jumlah Overtime

Jumlah Produksi

Reguler Time

(Unit)

Biaya Produksi (Rp)

Jumlah

Overtime

(hari)

Jumlah

produksi

(unit)

462.256 F3 = [8.702,62 (X3-S3) + (S3) 9.331,01+

(750)(D3- X3)] + F4

0 hari 0 462.256 41.232.974.938

1 hari 13.658 475.915 41.360.426.575 2 hari 27.316 489.572 41.487.860.807

3 hari 40.974 503.230 41.615.303.742 4 hari 49.307 511.563 41.693.059.048

OT


[Type text]



F3 = [8.702,62(462.256)+(0) + (0)] + Rp. 37.210.136.627.

= Rp. 41.232.974.938

Boundary = 462.256 ≤ X3 ≤ 511.563


sebanyak Xi dengan jumlah produksi overtime Sn.



Rp. 41.232.974.938.

11. Periode 2 (Februari 2017)

Jumlah permintaan bulan Februari adalah 439.949 unit. Kemampuan



mengadakan lembur selama 4 hari pada bulan Februari. Kemampuan





[Type text]


Periode 2

RT 443.765

0 462.256 13.658 475.915 27.316 489.572

40.974 503.230 49.307 511.563






Jumlah Overtime

Jumlah Produksi

Reguler Time

(Unit)

Biaya Produksi (Rp)

Jumlah

Overtime

(hari)

Jumlah

produksi

(unit)

443.765 F2 = [8.702,62 (X2-S2) + (S2) 9.331,01]+

(750)(D2- X2) + F3

0 hari 0 443.765 45.094.893.102

1 hari 13.658 457.423 45.222.336.037 2 hari 27.316 471.081 45.349.778.971

3 hari 40.974 484.739 45.477.221.906 4 hari 49.307 493.072 45.554.977.212


sebagai berikut:

F2 = [8.702,62(443.765)+(0) + (0)] + Rp. 41.232.974.938

= Rp. 45.094.893.102.

Boundary = 443.765 ≤ X12 ≤ 493.072

OT


[Type text]

Hasil perhitungan tabel 5.47. menunjukkan bahwa biaya produksi paling

rendah adalah dengan memproduksi 443.765 unit dengan biaya Rp.

45.094.893.102.

12. Periode 1 (Januari 2017)

Jumlah permintaan bulan Januari adalah 468.181 unit. Kemampuan



mengadakan lembur selama 5 hari pada bulan Januari. Kemampuan





Periode 1

RT 462.256

0 462.256 13.658 475.914

27.316 489.572 40.974 503.230 54.632 511.563

61.634 523.890






Jumlah Overtime Jumlah Produksi

Reguler Time Biaya Produksi (Rp)

OT


[Type text]

(Unit)

Jumlah

Overtime

(hari)

Jumlah

produksi

(unit)

462.256 F1 = [8.702,62 (X1-S1) + (S1) 9.331,01]+

(750)(D1- X1) + F2

0 hari 0 462.256 49.122.175.163 1 hari 13.658 475.914 49.239.374.597

2 hari 27.316 489.572 49.356.574.032 3 hari 40.974 503.230 49.473.773.467 4 hari 54.632 511.563 49.548.625.200

5 hari 61.634 523.890 49.651.057.133


sebagai berikut:

F1 = [8.702,62(462.256) + (0) 9331,01 + 750 (0)] + Rp. 45.094.893.102

= Rp. 49.239.374.597.

Boundary = 462.256≤ X12 ≤ 523.890





Rp. 49.239.374.597.

Hasil Rekapitulasi jumlah produksi dan biayanya dengan metode dynamic

programming dapat dilihat pada tabel 5.50.

Tabel 5.50. Rekapitulasi Jumlah Produksi Januari 2017- Desember 2017

Bulan Permintaan

(unit)

Produksi

(unit)

Biaya

Akumulasi

(Rp)

Biaya Produksi

(Rp)

Januari 468.181 475.914 49.239.374.597 4.144.481.495

Februari 439.949 443.765 45.094.893.102 3.861.918.164 Maret 421.673 462.256 41.232.974.938 4.022.838.311


[Type text]

April 431.641 480.746 37.210.136.627 4.183.749.755 Mei 459.884 462.256 33.026.386.873 4.022.838.311

Juni 478.158 480.746 29.003.548.562 4.183.749.755 Juli 468.190 449.929 24.819.798.807 3.967.987.053 Agustus 439.947 480.746 20.851.811.754 4.183.749.755

September 421.673 462.256 16.668.062.000 4.022.838.311 Oktober 431.641 480.746 12.645.223.689 4.183.749.755

November 459.884 480.746 8.461.473.934 4.183.749.755 Desember 478.182 489.572 4.277.724.180 4.277.724.180

Total 5.399.003 5.649.678 - 49.239.374.597

.

BAB VI

ANALISIS PEMECAHAN MASALAH


[Type text]

6.1. Analisis Hasil Peramalan dan Hubungannya dengan Perencanaan

Produksi Metode Dynamic Programming

Peramalan merupakan langkah awal dari suatu proses pengambilan

keputusan. Dalam kegiatan perencanaan produksi, peramalan dilakukan untuk

memperkirakan jumlah permintaan terhadap suatu produk. Tahap perhitungan

peramalan merupakan tahap yang perlu dilakukan agar dapat dihitung sumber daya

yang dibutuhkan untuk memenuhi permintaan pasar.

Perkiraan permintaan dari hasil peramalan digunakan untuk menentukan

jumlah produksi yang harus dipenuhi untuk setiap periodenya dan persediaan 12

periode mendatang. Salah satu penyebab terjadinya ketidakmampuan pihak

perusahaan dalam memperkirakan jumlah produksi dan persediaan yang tepat

dalam memenuhi permintaan pasar adalah tidak dilakukan peramalan permintaan

secara ilmiah sehingga tidak dapat diperkirakan permintaan pada masa yang akan

datang.

Hasil pengolahan data memperlihatkan bahwa metode siklis merupakan

metode terbaik daripada metode dekomposisi karena memiliki standard error

yang lebih kecil yaitu sebesar 35.281,44. Hasil verifikasi peramalan siklis bahwa

dilihat dari Moving Range Chart tidak adanya data yang out of control sehingga

persamaam peramalan metode siklis dapat digunakan untuk meramalkan

permintaan produk untuk periode Januari 2017 – Desember 2017.

Hasil peramalan permintaan pasar dari Januari 2017- Desember 2017

mengalami fluktuasi. Hasil peramalan permintaan pasar tersebut dapat digunakan


[Type text]

sebagai dasar dalam menentukan jumlah produksi yang akan diproduksi setiap

periode.

6.2. Analisis Perencanaan Jumlah Produksi dengan Metode Dynamic

Programming

Tujuan dalam perencanaan produksi adalah memaksimalkan volume

produksi berdasarkan hasil peramalan yang diperoleh dalam 12 periode ke depan.

Hasil peramalan tersebut dijadikan sebagai acuan dalam dalam melakukan

perencanaan produksi dengan menggunakan dynamic programming.

Berdasarkan pengolahan data dengan menggunakan metode dynamic

programming untuk periode Januari 2017- Desember 2017 diperoleh jumlah

produksi dan biaya produksi yang minimum. Perencanaan jumlah produksi

dengan metode dynamic programming dapat dilihat pada tabel 6.1.

Tabel 6.1. Jumlah Produksi dengan Metode Dynamic Programming

Periode Januari 2017 – Desember 2017

Bulan Permintaan Produksi Biaya


[Type text]

(unit) (unit) Produksi (Rp)

Januari 468.181 475.914 4.144.481.495

Februari 439.949 443.765 3.861.918.164

Maret 421.673 462.256 4.022.838.311

April 431.641 480.746 4.183.749.755

Mei 459.884 462.256 4.022.838.311

Juni 478.158 480.746 4.183.749.755

Juli 468.190 449.929 3.967.987.053

Agustus 439.947 480.746 4.183.749.755

September 421.673 462.256 4.022.838.311

Oktober 431.641 480.746 4.183.749.755

November 459.884 480.746 41..83.749.755

Desember 478.182 489.572 4.277.724.180

Total 5.399.003 5.649.678 49.239.374.597

Dari tabel 6.1. menunjukkan bahwa jumlah produksi selama tahun 2017

sebesar 5.649.678 unit yang sudah mendekati jumlah permintaan selama tahun

2017 dengan selisih sebesar 250.675 unit. Total biaya perencanaan produksi

selama satu tahun dengan metode dynamic programming sebesar Rp.

49.239.374.597. Metode dynamic programming menghasilkan biaya yang

seminimal mungkin karena pada metode dynamic programming menggunakan

fungsi yang mempertimbangkan jumlah permintaan pasar, biaya produksi dan


[Type text]

kapasitas produksi maksimum sehingga keputusan dalam menentukan jumlah

produksi berdasarkamn kebutuhan pasar.

6.3. Analisis Perbandingan Perencanaan Jumlah Produksi Aktual dengan

Metode Dynamic Programming.

Perencanaan jumlah produksi yang diterapkan perusahaan saat ini yaitu

jika jumlah produk dapat memenuhi permintaan pasar maka jumlah produksi

diperkirakan sama untuk periode berikutnya. Keputusan jumlah produk yang

diproduksi dengan metode ini menyebabkan perusahaan tidak dapat

memperkirakan jumlah produksi dan persediaan yang tepat dalam memenuhi

permintaan. Hasil perhitungan biaya produksi dengan sistem yang diterapkan

sekarang pada perusahaan dapat dilihat pada tabel 6.2. Tabel 6.2. menunjukkan

bahwa perhitungan biaya produksi actual perusahaan pada bulan Januari 2017 dan

Februari 2017. Hal ini dikarenakan bulan Januari 2017 dan februari 2017 sudah

berlangsung.


Tabel 6.2. Jumlah Produksi Perusahaan Aktual

No. Bulan Permintaan

(Unit)

Produksi

(Unit)

Kemampuan

Produksi (unit) Biaya (Rp)

Total Biaya

(Rp)

RT OT RT OT

1 Januari 468.181 498.340 462.256 27.084 4.022.838.310 252.721.074 4.275.559.384

2 Februari 439.949 453.550 443.765 9.785 3.860.047.101 91.303.932 3.951.351.033

Total 908.130 951.890 906.021 36.869 7.882.885.411 344.025.006 8.226.910.417

Tabel 6.3. Perbandingan Aktual dan Metode Dynamic Programming

Bulan Aktual Dynamic Programming

Produksi Total Biaya Produksi Total Biaya

Januari 498.340 4.275.559.384 475.914 4.144.481.495

Februari 453.550 3.951.351.033 443.765 3.861.918.165

Total 951.890 8.226.910.417 906.021 8.066.399.659


Perhitungan perbedaan biaya tersebut adalah sebagai berikut:

𝑆𝑒𝑙𝑖𝑠𝑖ℎ 𝑏𝑖𝑎𝑦𝑎 =𝐴𝑘𝑡𝑢𝑎𝑙 −𝑀𝑒𝑡𝑜𝑑𝑒 𝐷𝑦𝑛𝑎𝑚𝑖𝑐 𝑃𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑖𝑛𝑔

𝐴𝑘𝑡𝑢𝑎𝑙 x 100 %

𝑆𝑒𝑙𝑖𝑠𝑖ℎ 𝑏𝑖𝑎𝑦𝑎 =𝑅𝑝.8.226 .910 .417 −𝑅𝑝.8.066 .399.659

𝑅𝑝 .8.226.910.417 x 100 %

= 1,95 %

= Rp. 160.510.758

Dari hasil perhitungan tersebut, dapat dilihat bahwa dengan penerapan

metode dynamic programming dalam perencanaan jumlah produksi dapat

dilakukan penghematan biaya sebesar Rp. 160.510.758 atau sebesar 1,95 %.

Metode dynamic programming akan menghemat biaya karena perusahaan

memproduksi sebesar jumlah yang dibutuhkan saja.


BAB VII

KESIMPULAN DAN SARAN

7.1. Kesimpulan

Setelah dilakukan pengolahan dan analisa terhadap pemecahan masalah,

maka dapat diambil kesimpulan sebagai berikut:

1. Kemampuan produksi dengan menggunakan regular time dan overtime

adalah sebesar 523.890, 493.072, 421.673, 431.641, 459.884, 478.158,

468.190, 439.947, 421.673, 431.641, 459.884, 478.182 unit.

2. Biaya produksi regular time sebesar Rp. 8.702,64 / unit sedangkan biaya

produksi overtime sebesar Rp. 9.331,01/ unit.

3. Jumlah produksi untuk periode Januari 2017- Desember 2017 adalah

475.914, 443.765, 462.256, 480.746, 462.256, 480.746, 449.929, 480.746,

462.256, 480.746, 480.746, 489.572 unit dengan total persediaan 144.755

unit.

4. Perencanaan produksi untuk tahun 2017 dengan menerapkan metode dynamic

programming akan didapatkan penghematan biaya produksi sebesar Rp.

160.510.758 atau sebesar 1,95 % dibandingkan sistem actual perusahaan

sekarang.

7.2. Saran

Saran-saran yang diberikan berkaitan dengan hasil penelitian ini adalah:


1. Sebaiknya PT. Sri Intan Karplas Industry melakukan peramalan permintaan

terlebih dahulu secara ilmiah.

2. Perusahaan dapat mempertimbangkan untuk menerapkan metode dynamic

programming dalam menjalankan produksi yang lebih ilmiah.

3. Sebaiknya perusahaan memberikan pelatihan kepada para tenaga kerja

tentang perencanaan produksi dengan metode dynamic programming yang

berguna untuk dapat meningkatkan kualitas sumber daya manusia perusahaan

tersebut.


DAFTAR PUSTAKA

Ginting, Rosnani. 2009. Penjadwalan Mesin. Yogyakarta: Graha Ilmu.

Ginting, Rosnani. 2007.Sistem Produksi. Yogyakarta: Graha Ilmu.

Hakim, Arman. 1999. Perencanaan dan Pengendalian Produksi. Jakarta: Guna

Widya.

John Blackstone. 1989. Capacity Management. USA: South Western Publishing

CO.

Makridakis. 1993. Metode dan Aplikasi Peramalan. Jakarta: Erlangga.

Montgomery. 1974. Operation Research in Production Planning Scheduling and I

nventory Control. New York: John wiley and Sons

Ravindran, Ravi. 2008. Operations Research and Management Science

Handbook. USA: CRC Press.

Sinulingga, Sukaria. 2013. Metode Penelitian. Medan: USU Press.

Sinulingga, Sukaria. 2009. Perencanaan, Pengendalian dan Produksi.

Yogyakarta: Graha Ilmu

Taha, Hamdy. 1976. Operation Research. Eigth Edition. New Jersey: Pearson

Prentice Hall.

Winston, Wayne. 2004. Operation Research Application and Algorithm. Canada:

Thomson

.


PENENTUAN JUMLAH PRODUKSI KARUNG GONI LDPE DENGAN …

Documents

Transcript of PENENTUAN JUMLAH PRODUKSI KARUNG GONI LDPE DENGAN …