. PERENCANAAN DAN PENGENDALIAN PRODUKSI (METODE KLASIK) AULIA ISHAK Fakultas Teknik Jurusan Teknik Industri Universitas Sumatera Utara Pengambilan kebijakan produksi dengan metode klasik menggunakan matematika dan statistik sebagai alat bantu utama dalam memecahkan masalah kuantitatif dalam sistem persediaan. Pada dasarnya metode ini berusaha mencari jawaban optimal dalam menentukan jumlah ukuran pemesanan ekonomis (EOQ), titik pemesanan kembali (Reorder point) dan jumlah cadangan pengaman (Safety Stock ) yang diperlukan. Untuk metode klasik, pengambilan kebijakan untuk produksi dilakukan dengan tinjauan secara per departemen. Dasar pengambilan kebijakannya berdasarkan nilai biaya yang terkecil. Komponen-komponen biaya yang dipertimbangkan dalam pengambilan keputusan adalah antara lain : ! Biaya Set up (Ordering Cost) ! Biaya Simpan (Holding Cost) ! Biaya Pembelian (Purchasing Cost) ! Demand tiap periode Study Kasus Perusahaan Halley Pty.Ltd Pada kasus berikut ini akan disimulasikan permasalahan pada Haley Company Pty. Ltd yang memproduksi empat jenis produk yaitu, pilts, relts, stuns, dan super stun. Produk-produk ini mempunyai beberapa perbedaan alamiah mendasar antara satu produk dengan produk yang lain. Kredit bank amat ketat dan kemampuan untuk mendapatkan keuntungan akhir-akhir ini sangat sulit. Tujuan simulasi pada studi kasus ini adalah untuk mengorganisasi perusahaan sehingga mampu mengatasi masalah-masalah yang ada saat ini dan memastikan agar perusahaan berada pada posisi yang terbaik untuk kelangsungan jangka panjangnya. Keputusan diambil didasarkan pada kondisi keuangan dan posisi stok terakhir perusahaan, dimana dalam proses keputusan ini sistem perusahaan diperbaharui dalam hal perencanaan, pelaksanaan dan pengawasannya. Proses produksi Haley Company Pty. Ltd secara diagramatis dapat digambarkan dalam bentuk diagram berikut ini: B B PILTS M1 C C D SUB A M2 RELTS ASSEMBL Y STUN S D E I SUPE R II 2002 digitized by USU digital library III 1 . Dari gambar di atas, bila menggunakan metode klasik, maka pengambilan kebijakan akan dilakukan dengan tinjauan secara per bagian (ada 3 bagian), yang kemudian didefinisikan sebagai berikut : I. II. III. Departemen Pembelian (Purchasing Department) Departemen Pemesinan (Machining Department) Departemen Perakitan (Assembly Department) Kondisi Pasar Data sejarah penjualan untuk periode empat mingguan selama dua tahun untuk produk Pilts, Relts dan stun dapat diberikan. Untuk Super Stun data yang tersedia amat terbatas karena Super Stun merupakan produk baru yang baru ada di pasaran selama dua bulan. Super Stun merupakan versi “deluxe” dari produk Stun yang diharapkan akan meningkat tajam permintaannya untuk beberapa bulan mendatang. Menurut perkiraan departemen penjualan, permintaan seluruh produk akan meningkat 5 % per minggu untuk bulan depan, tetapi perkiraan ini (mentally suspect) tidak dapat dipercayai sepenuhnya. Pasar mempunyai tingkat kompetisi yang amat tinggi untuk produkproduk Pilts, Relts, dan Stuns sehingga penjualan sangat peka terhadap harga dan kesempatan akan hilang apabila permintaan yang ada tidak dapat dipenuhi secara tepat waktu. Perusahaan pada saat ini mempertahankan harga penjualan untuk barang jadi sebagai berikut: 1. Pilts $ 170.00 2. Stuns $ 270.00 3. Relts $ 150.00 4. Super Stun $ 310.00 Data penjualan selama periode empat mingguan selama dua tahun terakhir untuk produk-produk Pilts, Relts dan Stuns adalah sebagai berikut : Minggu ke 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 Pilts 24 30 36 39 50 48 56 55 36 36 25 23 26 26 34 43 57 48 55 51 42 44 Relts 74 74 78 77 81 82 84 84 83 80 79 78 76 79 82 82 85 84 88 85 90 84 Stuns 59 62 68 57 64 58 49 67 56 58 Data penjualan sebagai berikut: Minggu ke Pilts Relts Stuns Super Stuns mingguan selama dua periode untuk semua produk adalah 1 6 21 10 0 2 8 19 19 3 3 5 22 15 1 4 9 16 17 0 5 6 19 13 2 6 5 22 12 5 7 7 18 18 4 8 7 21 24 10 Tingkat pengembalian (revenue) dari barang jadi tersebut tersedia pada akhir barang itu terjual. Produk Barang Jadi Pilts, Relts, Stuns dan Super Stuns dibuat dari komponen-komponen B, C, D, dan E dan sub assembly A juga dibuat dari komponen-komponen yang sama. 2002 digitized by USU digital library 2 23 28 78 61 24 25 80 57 . Tabel berikut ini memberikan kuantitas kebutuhan masing-masing komponen sebagai berikut: A B C D E A 2 5 1 20 Pilts 1 10 10 100 Relt 8 15 2 120 Stuns 1 15 20 2 160 Super Stuns 1 15 25 3 180 Bahan Baku Bahan baku yang digunakan merupakan bahan baku yang langsung digunakan untuk produk jadi tanpa diproses terlebih dahulu yaitu B,C,D dan E. Harga bahan baku, nilai lead time rata-rata serta jumlah discount yang diberikan adalah sebagai berikut : Bahan Average Lead Time Price Discounts B 1 minggu (3 minggu ± $ 4 per unit 5 % jika membeli lebih dari 1 untuk 7000) 5000 7 % jika membeli lebih dari 7000 C 1 minggu $ 1.4 per No Discount unit D 2 minggu ± 1 $ 10 per 5 % jika membeli lebih dari unit 3000 10 % jika membeli lebih dari 6000 E 1 minggu $ 1 per unit No Discount Pembayaran dilakukan pada akhhir minggu dimana bahan baku tersebut telah dikirimkan. Jadwal pengiriman biasanya dilakukan pada awal minggu. Biaya tambahan sebesar $ 10 diberikan untuk setiap pemesanan pada minggu dimana terjadi pemesanan. Catatan rekaman pengambilan bahan baku B,C,D dan E pada gudang stock bahan baku yang digunakan untuk final assembly amat terbatas. Rangkuman rekaman pengambilan bahan baku untuk delapan bulan terakhir adalah sebagai berikut: Baha 1 2 3 4 5 6 7 8 n B 2400 2000 C 200 2000 800 800 1800 600 100 2000 D 400 100 50 100 40 E 3720 5900 7680 3800 8200 7120 4080 8000 Dua mesin M1 dan M2 yang ada digunakan untuk produksi komponen B, C, D. Rata–rata tingkat produksi, waktu set up mesin dan biaya untuk masingmasing mesin adalah sebagai berikut : Bahan Baku B C D Bagian per 40 jam / minggu M2 M1 600 1900 500 1500 125 375 2002 digitized by USU digital library Set up Waktu (jam) M1 M2 2 4 2 4 3 6 3 . Biaya produksi mesin per jam adalah $ 5 per jam untuk mesin M1dan $ 15 per jam untuk mesin M2. Dua orang operator dipekerjakan secara full time pada masing-masing mesin. 40 jam per minggu merupakan standar kerja operator dengan upah $ 12 tiap jamnya. Upah lembur diberikan sebesar $ 5 untuk tiap jamnya. Bila diinginkan mesin dapat dibiarkan untuk di set up dari satu minggu ke minggu berikutnya. Komponen-komponen yang telah diproses dalam satu minggu dipindahkan pada awal minggu berikutnya dalam gudang stock komponen, dimana disitu juga disimpan sub assemblies A. Catatan pengambilan komponen-komponen dan sub assembly dari gudang stock ini untuk proses perakitan akhir selama delapan minggu terakhir diberikan sebagai berikut: Minggu 1 2 3 4 5 6 7 8 A 20 12 48 10 22 42 14 30 B 372 632 720 362 620 648 370 620 C 720 1190 1080 770 845 1050 830 900 D 86 128 96 104 98 92 120 80 E 3720 8800 7680 4100 8200 7120 4080 7800 Perakitan Jalur perakitan tunggal untuk perakitan sub assembly A, Pilts, Relts, Stuns dan Super Stuns. Bagaimanapun juga hal ini membutuuhkan jumlah waktu tertentu untuk mengatur jalur perakitan antara tiap-tiap batch perakitan yang berbeda. Rata-rata perakitan, waktu set up dan biaya-biaya perakitan diberikan sebagai berikut: Produk Rata-rata (perakitan/40 jam minggu) Waktu set up (jam) A 160 4 Pilts 80 4 Relts 80 4 Stuns 60 5 Super Stun 40 5* Catatan : * tidak ada biaya dan waktu set up bila perakitan langsung mengikuti perakitan produk Stun. Empat orang pekerja beroperasi pada jalur perakitan. Upah pekerja tersebut sebesar $ 12 per jam. Waktu perakitan biasanya sebesar 40 jam per minggu; waktu lembur dibatasi sampai 5 jam tiap minggu dengan upah lembur sebesar $ 20 per jamnya. Stock untuk produk yang telah selesai dirakit tidak dapat dilakukan pada akhir minggu. Kapasitas perakitan melebihi kemampuan yang ada bisa dilakukan jika ditentukan pada minggu sebelum dilakukan perakitan, dengan biaya sebesar: Produk A Pilt Relt Stun Super Stun Biaya $ 16 $ 45 $ 30 $ 55 $ 70 Stock barang yang telah dirakit selama satu minggu menjadi bagian stock produk barang jadi pada awal minggu berikutnya. Stock Awal Stock harus dilakukan pada masing-masing tahap produksi yang ada. Stock pada posisi awal, pada minggu ke 0 (berdasarkan rekaman pengambilan stock sampai minggu ke 8) adalah sebagai berikut: 2002 digitized by USU digital library 4 . Bahan Baku Stock Dalam Dalam Proses * Komponen Pemesanan Jadi B 1500 7000 1850 C 5000 2000 2000 1500 D 400 40 50 E 1200 Catatan : * dikeluarkan pada stock komponen pada awal minggu ke 1 Perakitan Stock Produk Jadi Dalam Proses Perakitan * A 30 Pilts 5 30 Relts 41 40 Stun 23 Super Stuns 10 Catatan: * dikeluarkan pada stock barang jadi pada awal minggu ke 1 Biaya Pengangkutan dan Penyimpanan Tiap item barang dalam stock dikenakan biaya pengangkutan dan penyimpanan (opportunity cost of capital, stock handling, storage space etc). Biaya ini didasarkan pada stock barang jadi pada tiap minggu dengan perkecualian pada barang jadi yang biaya pengangkutan dan penyimpanannya (carrying cost) didasarkan pada stock barang jadi pada minggu sebelumnya. Kebijaksanaan perusahaan diatur oleh Manajer Keuangan yang menggunakan biaya untuk carrying cost per tahun sebesar 25 % dari nilai stock yanga da (yaitu 0,48 % per minggu dari nilai stock pada tiap-tiap minggu). Nilai Stock yang dimiliki pada masa lalu dihitung sebagai berikut: • Bahan baku : Biaya Bahan Baku • Work in progress • Finished Part : Biaya bahan baku + biaya mesin per bagian biaya pekerja per bagian • Finished Assemblies : Total biaya bahan baku, mesin, pekerja sampai dengan perakitan Biaya Overhead Biaya overhead yang ditetapkan sebesar $ 1000 tiap minggu untuk biaya administrasi dan overhead proses manufaktur. Kualitas Sebagai tambahan untuk pergerakan ke arah stock normal, ada beberapa masalah kualitas yang menyebabkan beberapa stock harus “dibuang”. Biasanya nilai skrap ini tidak lebih dari 10 % dari total bahan yang dikirimkan dalam satu minggu atau tidak lebih dari 10 bagian dalam satu mesin per minggu. Apabila hal ini terjadi hal ini akan diberitahukan. Keuangan Pabrik mempunyai jumlah dana $ 200,000 yang sudah diinvestasikan pada pabrik dan $ 30,000 dalam bentuk cash yang dapat digunakan dalam simulasi ini. II. PURCHASING DEPARTEMENT Purchasing Departement bertanggung jawab terhadap pengadaan bahan baku yang akan digunakan dalam produksi. Bahan baku yang dibeli ke suplier adalah bahan baku B, C, D, dan E. Dasar pengambilan kebijakan dalam 2002 digitized by USU digital library 5 . pengadaan bahan baku adalah dengan pertimbangan biaya yang paling ekonomis dan pertimbangan keterbatasan yang berkaitan dengan pengadaan bahan baku. Data yang dipakai untuk menentukan kebijakan pada departemen ini adalah data pengambilan bahan baku di gudang bahan baku. Data yang ada adalah data pengambilan bahan baku selama 8 minggu yaitu : Data Pengambilan Bahan Baku di Gudang BB/ Periode 1 2 3 4 5 6 7 8 B 240 0 0 0 0 0 200 0 0 0 C 200 200 800 800 180 600 100 200 0 0 0 D 0 0 400 100 50 100 0 40 E 372 590 768 380 820 712 408 800 0 0 0 0 0 0 0 0 Untuk menentukan permintaan bahan baku yang akan datang, maka dilakukan peramalan dari data bahan baku yang ada. Jenis peramalan yang akan digunakan didasarkan pada pola data pengambilan bahan baku. Pola data untuk bahan baku B, C, D, dan E adalah sebagai berikut : Pola Data Pengambilan Bahan Baku di Gudang Jumlah Bahan Baku 12000 10000 E 8000 D 6000 C 4000 B 2000 0 1 2 3 4 5 6 7 8 Periode A. Peramalan Demand Bahan Baku Peramalan demand dihitung untuk masing-masing jenis bahan baku yang digunakan yaitu bahan baku B, C, D, dan E. Pola data pengambilan bahan baku di gudang untuk bahan baku B adalah sebagai berikut : Jumlah Pola Data Pengambilan Bahan Baku di Gudang 3000 2000 1000 0 1 2 3 4 5 6 # Peramalan untuk bahan baku B Periode (minggu) 2002 digitized by USU digital library B 7 8 6 . Berdasarkan pola data pengambilan bahan baku B di gudang, maka jenis peramalan yang digunakan adalah peramalan “simple average” dengan rumus peramalan adalah sebagai berikut : t Forecastt+1 = F(t) = ∑D t n =1 t +------------------- Forecast Results for bahan baku B ----------- + ¦ 03-04-2001 21:02:27 Page: 1 of 2 ¦ +------------------------------------------------------------------- -----¦ ¦Period¦Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +------+---- ---+----------- +------+-------+- ---------+------------ ¦ ¦ 1 ¦ 2400¦ 2400¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 0¦ 1200¦ ¦ ¦ 2400¦ 2400 ¦ ¦ 3 ¦ 0¦ 800¦ ¦ ¦ 1200¦ 1200 ¦ ¦ 4 ¦ 0¦ 600¦ ¦ ¦ 800¦ 800 ¦ ¦ 5 ¦ 0¦ 480¦ ¦ ¦ 600; 600 ¦ ¦ 6 ¦ 0¦ 400¦ ¦ ¦ 480¦ 480 ¦ ¦ 7 ¦ 2000¦ 628.5714¦ ¦ ¦ 400¦ -1600 ¦ ¦ 8 ¦ 0¦ 550 ¦ ¦ ¦ 628.5714¦ 628.5714 ¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 550¦ ¦ +-------------------------------------------------------------------------¦ ¦ Simple average: CPU Seconds = 0 ¦ ¦ MAD=1101.22 MSD = 1626500. Bias = 644.08 R-square = 0 ¦ ¦ MAD = 1101.22 MSD = 1626500. Bias = 644.08 ¦ +----------------------------------------------------------------------- --¦ Pola data pengambilan bahan baku di gudang untuk bahan baku C adalah sebagai berikut : Jumlah Pola Data Pengambilan Bahan Baku di Gudang 2500 2000 1500 1000 500 0 C 1 2 3 4 5 6 7 8 Periode (minggu) # Peramalan untuk bahan baku C Berdasarkan Pola data pengambilan Bahan baku C di gudang, maka jenis peramalan yang digunakan adalah peramalan “exponential smoothing with linier trend” dengan rumus peramalan adalah sebagai berikut : 2002 digitized by USU digital library 7 . F(t) = α . Dt + (1 - α)(Ft-1 + T t-1) T(t) = β (Ft - F t-1) + (1 - β) . T t-1 Forecast = F(t) + T(t) +-------------------- Forecast Results for bahan baku C ---------------------+ ¦ 03-05-2001 13:30:24 Page: 1 of 2 ¦ +----------------------------------------------------------------------------------¦ ¦Period¦ actual ¦ F(t) ¦ T(t) ¦ ¦ Forecast ¦ Error ¦ +-------+--------+------------+----------+-------+-----------+----------------¦ ¦ 1 ¦ 200¦ 200¦ 0¦ ¦ ¦ ¦ ¦ 2 ¦ 200¦ 380¦ 18¦ ¦ 200¦ -1800¦ ¦ 3 ¦ 800¦ 438.2¦ 22.02¦ ¦ 398¦ -402¦ ¦ 4 ¦ 800¦ 494.198¦ 25.4178¦ ¦ 460.22¦ -339.78¦ ¦ 5 ¦ 1800¦ 647.6542¦ 38.22164¦ ¦ 519.6158¦ -1280.384¦ ¦ 6 ¦ 600¦ 677.2883¦ 37.36288¦ ¦ 685.8759¦ -85.87585¦ ¦ 7 ¦ 100¦ 653.186¦ 31.21637¦ ¦ 714.6511¦ -614.6511¦ ¦ 8 ¦ 200¦ 815.9622¦ 44.37234¦ ¦ 684.4024¦ -1315.598¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 860.3345¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 904.7068¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 949.0791¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 993.4514¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 1037.824¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 1082.196¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 1126.568¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 1170.941¦ ¦ +----------------------------------------------------------------------------------¦ ¦ Exponential smoothing with linear trend: CPU Seconds = 0 ¦ ¦ MAD = 834.04 MSD = 1038915. Bias = -633.89 R-square = 0 ¦ ¦ Alpha = .10000 Beta = .10000 ¦ +----------------------------------------------------------------------------------¦ Pola data pengambilan Bahan baku di gudang untuk bahan baku D adalah sebagai berikut : Jumlah Pola Data Pe ngambilan Bahan Baku di G udang 500 400 300 200 100 0 D 1 2 3 4 5 6 7 8 Pe riode (minggu) 2002 digitized by USU digital library 8 . # Peramalan untuk bahan baku D Berdasarkan Pola data pengambilan Bahan baku D di gudang, maka jenis peramalan yang digunakan adalah peramalan “single exponential smoothing” dengan rumus peramalan adalah sebagai berikut : Forecast t+1 = F(t) = α . Dt + (1 - α) . Ft-1 +------------- Forecast Results for bahan baku D -------------+ ¦ 03-04-2001 21:46:00 Page: 1 of 2 ¦ +--------------------------------------------------------------------¦ ¦Period ¦Actual¦ F(t) ¦ ¦ ¦Forecast ¦ Error ¦ +-------+-------+---------+-------+------+------ ----+-----------¦ ¦ 1 ¦ 0¦ 0¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 0¦ 0¦ ¦ ¦ 0¦ 0¦ ¦ 3 ¦ 400¦ 40¦ ¦ ¦ 0¦ -400¦ ¦ 4 ¦ 100¦ 46¦ ¦ ¦ 40¦ -60¦ ¦ 5 ¦ 50¦ 46.4¦ ¦ ¦ 46¦ -4¦ ¦ 6 ¦ 100¦ 51.76¦ ¦ ¦ 46.4 ¦ -53.6¦ ¦ 7 ¦ 0¦ 46.584 ¦ ¦ ¦ 51.76 ¦ 51.76¦ ¦ 8 ¦ 40| 45.9256¦ ¦ ¦ 46.584 | 6.584003¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 45.9256¦ ¦ +---------------------------------------------------------------------¦ ¦ Single exponential smoothing: CPU Seconds = 0 ¦ ¦ MAD = 82.28 MSD = 24173.06 Bias =-65.61 R-square = 0 ¦ ¦ Alpha = .10000 ¦ +---------------------------------------------------------------------¦ Pola data pengambilan Bahan baku di gudang untuk bahan baku E adalah sebagai berikut : Jumlah Pola Data Pengambilan Bahan Baku di Gudang 10000 8000 6000 4000 2000 0 E 1 2 3 4 5 6 7 8 Periode (minggu) 2002 digitized by USU digital library 9 . # Peramalan untuk bahan baku E Berdasarkan Pola data pengambilan Bahan baku E di gudang, maka jenis peramalan yang digunakan adalah peramalan “simple average” dengan rumus peramalan adalah sebagai berikut : t Forecastt+1 = F(t) = ∑D n =1 t t +---------------- Forecast Results for Bahan Baku E ------------------+ ¦ 03-05-2001 13:42:28 Page: 1 of 2 ¦ +----------------------------------------------------------------------------¦ ¦Period¦ Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +------+----------+------------+------+-------+-----------+-------------¦ ¦ 1 ¦ 3720¦ 3720 ¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 5900¦ 4810 ¦ ¦ ¦ 3720¦ -2180¦ ¦ 3 ¦ 7680¦ 5766.667¦ ¦ ¦ 4810¦ -2870¦ ¦ 4 ¦ 3800¦ 5275 ¦ ¦ ¦ 5766.667¦ 1966.667¦ ¦ 5 ¦ 8200¦ 5860 ¦ ¦ ¦ 5275¦ -2925¦ ¦ 6 ¦ 7120¦ 6070 ¦ ¦ ¦ 5860¦ -1260¦ ¦ 7 ¦ 4080¦ 5785.714¦ ¦ ¦ 6070¦ 1990¦ ¦ 8 ¦ 8000¦ 6062.5 ¦ ¦ ¦ 5785.714¦-2214.286¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 6062.5¦ ¦ +---------------------------------------------------------------------------¦ ¦ Simple average: CPU Seconds = 0 ¦ MAD = 2200.85 MSD = 5123352. Bias = -1070.37 R-square = 0 ¦ ¦ | +---------------------------------------------------------------------------¦ Dari hasil peramalan demand bahan baku, maka rata-rata demand bahan baku B, C, D, dan E tiap minggu adalah : Bahan B C D E Rata-rata Demand (unit/minggu) 550 1016 46 6063 B. Perhitungan Untuk EOQ Bahan baku yang digunakan merupakan bahan baku yang langsung digunakan untuk produk jadi tanpa diproses terlebih dahulu yaitu : bahan baku B, C, D dan E. Pembelian bahan baku akan dikenakan harga yang berbeda (ada diskon) untuk bahan baku tertentu. Harga bahan baku, nilai lead time rata-rata serta jumlah discount yang diberikan adalah sebagai berikut : 2002 digitized by USU digital library 10 . Bahan B Average Lead Time 1 Minggu ( 3 Minggu ± 1 untuk 7000 ) C 1 Minggu D 2 Minggu ± 1 E 1 Minggu Price $ 4 per unit $ 1.4 per unit $ 10 per unit $ 1 per unit Discount 5% jika membeli lebih dari 5000 7% jika membeli lebih dari 7000 No Discount 5% jika membeli lebih dari 3000 10% jika membeli lebih dari 6000 No Discount B.1. EOQ Dengan Diskon Discount ditawarkan untuk bahan baku B dan D. seperti terlihat pada tabel dibawah ini : Bahan B Harga ($/unit) 4 D 10 Discount 5% jika membeli > 5000 7% jika membeli > 7000 5% jika membeli > 3000 10% jika membeli > 6000 Tahapan penentuan EOQ dengan discount adalah sebagai berikut : Hitung Qo(b2) Yes Qo(b2) ≥ k Stop Beli : Qo(b2) No Hitung : TCo(b1) TC ( k) yes TCo > TC (k) No Stop Beli: Q0 = k Stop beli Q(b1) Tahap 1. dihitung dengan rumus : Qo(b2) = 2 xCrxD , fxb2 dimana : Cr = Biaya pemesanan = $ 10 / order f = Carrying Cost = 0,48 % / minggu b2 = Harga setelah discount 2002 digitized by USU digital library 11 . Sehingga hasil perhitungan untuk Qo(b2), dapat ditabelkan dibawah ini : Bahan D (unit/minggu) k (unit) Disctt (%) B B D D 550 550 46 46 5000 7000 3000 6000 5 7 5 10 Harga ($/unit ) 4 4 10 10 Qo(b2) (unit) b2 ($/unit ) 3,80 3,72 9,50 9,00 777 785 143 146 Ket No No No No valid valid valid valid Karena nilai Qo(b2) < k , maka dilakukan proses penghitungan TCo (b1) dan (k) dengan rumus : TC TCo (b1) = 2xCrxDxfxb1 + b1 x D , dimana : b1 = harga tanpa discount k D + Cr x + b2 x D = f x b2 x 2 k TC (k) Hasil dari TCo (b1) dan TC (k) dapat ditabelkan sebagai berikut : 5000 b1 ($/unit ) 4 b2 ($/uni t) 3,80 550 7000 4 3,72 D 46 3000 10 D 46 6000 10 Bahan k (unit) B D (unit/minggu ) 550 B TCo (b1) ($) TC (k) ($) 9,50 2.214,5 3 2.214,5 3 466,65 2.136,7 0 2.109, 28 550,55 9,00 466,65 543,68 Keterangan TCo (b1) (k) TCo (b1) (k) TCo (b1) (k) TCo (b1) (k) >TC >TC <TC <TC Karena : • untuk bahan B, nilai TCo (b1) >TC (k), maka : beli Qo = 7000 unit dengan discount 7 %, dan total cost (TC) = $ 2.109,28 • untuk bahan D, nilai TCo (b1) < TC (k), maka : beli Qo dengan jumlah : Qo(b1) = 2 xCrxD = fxb1 2x($10 / order )(46 unit / minggu ) = 219 unit 0,0048($4 / unit ) dan total cost (TC) = $ 466,65 $ Menentukan waktu antar pemesanan (To), Reorder Point (ROP), Safety Stock (SS). Rumus yang digunakan untuk menghitung adalah : To = Qo D ROP = (L + σL) x D SS = ROP - (L x D) Perhitungan selengkapnya adalah sebagai berikut : Bahan D Qo L σL (unit/minggu (unit (minggu) (minggu) ) ) B 550 7000 3 1 D 46 219 2 1 2002 digitized by USU digital library To (minggu) 12,73 4,76 ROP (unit ) 2200 138 SS (unit ) 550 46 12 . B.2. EOQ tanpa discount Pembelian bahan baku yang tidak ditawarkan diskon adalah bahan baku C dan E. Untuk menghitung EOQ tanpa discount kita menggunakan rumus sbb : Qo = 2.Cr.D Ch Dimana : Cr = Ordering Cost = $ 10 /order Ch = Holding Cost = 0,48% / minggu dari harga material D = Demand = rata –rata permintaan dari hasil peramalan Pada kasus ini kebijaksanaan perusahaan diatur oleh Manajer Keuangan yang menggunakan biaya untuk holding cost ( Ch ) pertahun sebesar 25% dari nilai stock yang ada ( yaitu 0,48 % perminggu dari nilai stock pada tiap-tiap akhir minggu ) dan Shortage Cost ( Cs ) besarnya sama dengan nol hal inii dikarenakan tidak terjadi kekurangan bahan. Selanjutnya untuk mengitung besarnya EOQ bahan C dan bahan E dengan pembelian tanpa discount akan disajikan dalam tabel berikut ini: Bahan Cr Cs Ch D Qo ($) ($) ($/unit/minggu) (unit) (unit) C 10 0 0.48% x $ $ 0.0067 1016 1742 1.40 E 10 0 0.48% x $ $ 0.0048 6063 5027 1.00 $ Menentukan To dan ROP Besarnya cycle time (To) dan reorder pont (ROP) untuk masing-masing bahan baku dihitung dengan rumus : Cycle time ( To ) = Qo D Jika L < To, maka ROP = L x D . Jika L> To, maka ROP = (L - To) x D Tabel harga ROP dan waktu siklus (To) : Bahan Lead time D Qo ROP To (minggu) (unit) (unit) (unit) (minggu) C 1 1016 1742 1016 1.72 E 1 6063 5027 1031 0.83 Selanjutnya kita gambarkan model EOQ untuk masing-masing bahan baku. Dari tabel diketahui bahwa bahan baku C mempunyai nilai Lead time lebih kecil dari waktu antar pemesanan atau L < To, maka modell EOQ untuk bahan baku C adalah sebagai berikut : 2002 digitized by USU digital library 13 . Tingkat persediaan Qo D ROP Waktu (minggu) L To Dari tabel diketahui bahwa bahan baku C mempunyai nilai Lead time lebih kecil dari waktu antar pemesanan atau L < To, maka modell EOQ untuk bahan baku C adalah sebagai berikut : Tingkat persediaan Qo D ROP Waktu (minggu) To L $ Perhitungan Total Incremental Cost (TICo): TICo dapat dihitung dengan rumus : TICo = 2.Cr.D.Ch .Hasil perhitungan TICo untuk bahan baku C, berikut : Bahan Baku C E Cr ($) 10 10 Ch ($) 0.0067 0.0048 2002 digitized by USU digital library dan E dapat dilihat pada tabel D (unit) 1016 6063 TICo ($) 11.67 24.13 14 . Perhitungan Total Cost (TC) TC = Ch + Cr + Cs + Cb TC = TICo + Cs + Cb Dimana , harga Cb dicari dengan rumus : Cb = b x D Bahan Baku C E TICo ($) 11.67 24.13 Cs ($) 0 0 b ($) 1.4 1 D (unit) 1016 6063 Cb ($) 1422.40 6063.00 TC ($) 1434.07 6087.13 Jadi total cost untuk Departemen Pembelian adalah : TC = TCB + TCC + TCD + TCE = $ 2.109,28 + $ 1.434,07 + $ 466,65 + $ 6.087,13 = $ 10.097,13 III. MACHINING DEPARTMENT Pada machining department, komponen yang digunakan adalah komponen B, C dan D. Untuk komponen A dan E digunakan pada Assembly Department ( Departemen Perakitan ). Hal ini sesuai dengan gambar proses produksi Pabrik Halley. Catatan pengambilan komponen-komponen dan sub-assembly dari gudang stock untuk proses perakitan akhir selama delapan (8) minggu terakhir adalah : Minggu 1 2 3 4 5 6 7 8 B 372 632 720 362 620 648 370 620 C 720 1190 1080 770 845 1050 830 900 D 86 128 96 104 98 92 120 80 Demand komponen B, C dan D setiap minggu selama delapan minggu dengan menggunakan peramalan. Pola data masing-masing komponen akan dijelaskan pada gambar dibawah ini : Jumlah (unit) Pola Data Pengambilan Komponen B,C,dan D 1500 1000 500 0 1 2 3 4 5 6 7 8 Series1 B C D Periode (minggu) 2002 digitized by USU digital library 15 . A. Meramalkan Kebutuhan Komponen Peramalan demand dari komponen-komponen B, C dan D dilakukan dengan menggunakan software QS.3. Hasil peramalan terbaik berdasarkan kriteria MAD dan MSD yang terkecil. • Komponen B Untuk komponen B, peramalan (forecast) menggunakan metode ”Simple Average” dengan rumus : t Forecast f(t+1) = F( t ) = ∑D i i =1 t Hasil peramalan dapat dilihat pada tabel berikut ini : # PERAMALAN KOMPONEN B +------------------- Forecast Results for komponen B ------------------+ ¦ 03-07-2001 20:12:23 Page: 1 of 2 ¦ +---------------------------------------------------------------------------¦ ¦Period ¦ Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +-------+---------+-----------+-------+-------+-----------+------------¦ ¦ 1 ¦ 372¦ 372¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 632¦ 502¦ ¦ ¦ 372¦ -260¦ ¦ 3 ¦ 720¦ 574.6667¦ ¦ ¦ 502¦ -218¦ ¦ 4 ¦ 362¦ 521.5¦ ¦ ¦ 574.6667¦ 2 12.6667¦ ¦ 5 ¦ 620¦ 541.2¦ ¦ ¦ 521.5¦ -98.5¦ ¦ 6 ¦ 648¦ 559¦ ¦ ¦ 541.2¦ -106.8¦ ¦ 7 ¦ 370¦ 532¦ ¦ ¦ 559¦ 189¦ ¦ 8 ¦ 620¦ 543¦ ¦ ¦ 532¦ -88¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ +--------------------------------------------------------------------------¦ ¦ Simple average: CPU Seconds = 0 ¦ ¦ MAD = 167.57 MSD = 32132.09 Bias = -52.80 R-square = 0 ¦ ¦ MAD = 167.57 MSD = 32132.09 Bias = -52.80 ¦ +---------------------------------------------------------------------------¦ • Komponen C Untuk komponen C, forecasting menggunakan metode “Exponential Smoothing with Linier trend”, dengan rumus : F ( t ) = α . Dt + ( 1 - α ) ( Ft-1 + Tt-1 ) T ( t ) = β. ( Ft – Ft-1 ) + ( 1 - β ). Tt-1 Forecast : f(t) = F (t) + T(t) Hasil peramalan dapat dilihat pada tabel berikut ini : 2002 digitized by USU digital library 16 . # PERAMALAN KOMPONEN C +------------------- Forecast Results for komponen C -----------------------+ ¦ 03-07-2001 20:30:25 Page: 1 of 2 ¦ +---------------------------------------------------------------------------------¦ ¦Period ¦ Actual ¦ F(t) ¦ T(t) ¦ ¦ Forecast ¦ Error ¦ +----------+----------+----------+----------+----------+----------+----------¦ ¦ 1 ¦ 720¦ 720¦ 0¦ ¦ ¦ ¦ ¦ 2 ¦ 1190¦ 767¦ 4.7¦ ¦ 720¦ -470¦ ¦ 3 ¦ 1080¦ 802.53¦ 7.783003¦ ¦ 771.7¦ -308.3¦ ¦ 4 ¦ 770¦ 806.2817¦ 7.379874¦ ¦ 810.313¦ 40.31305¦ ¦ 5 ¦ 845¦ 816.7955 ¦ 7.69326¦ ¦ 813.6616¦ -31.33838¦ ¦ 6 ¦ 1050¦ 847.0399¦ 9.948372¦ ¦ 824.4887¦ -225.5113¦ ¦ 7 ¦ 830¦ 854.2894¦ 9.678492¦ ¦ 856.9882¦ -26.98822¦ ¦ 8 ¦ 900¦ 867.5711¦ 10.03881¦ ¦ 863.9679¦ -36.0321¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 877.6099¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 887.6487¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 897.6876¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 907.7264¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 917.7652¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 927.804¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 937.8428¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 947.8817¦ ¦ +---------------------------------------------------------------------------------¦ ¦ Exponential smoothing with linear trend: CPU Seconds = 0 ¦ ¦ MAD = 162.64 MSD = 53062.60 Bias = -143.41 R-square = 0 ¦ ¦ Alpha = .10000 Beta = .10000 ¦ • Komponen D Untuk komponen D, forecast menggunakan metode “Exponential Smoothing With Linier Trend” dengan rumus yang sama dengan perhitungan komponen C. Hasil peramalan dapat dilihat pada tabel berikut ini : # PERAMALAN KOMPONEN D +------------------- Forecast Results for komponen D ---------------------+ ¦ 03-07-2001 20:39:24 Page: 1 of 2 ¦ +---------------------------------------------------------------------------------¦ ¦Period ¦Actual ¦ F(t) ¦ T(t) ¦ ¦ Forecast ¦ Error ¦ +----------+----------+----------+----------+----------+----------+----------¦ ¦ 1 ¦ 86¦ 86¦ 0¦ ¦ ¦ ¦ ¦ 2 ¦ 128¦ 90.2¦ .4199997¦ ¦ 86¦ -42¦ ¦ 3 ¦ 96¦ 91.158¦ .4737997¦ ¦ 90.62¦ -5.380005¦ ¦ 4 ¦ 104¦ 92.86861¦ .5974815¦ ¦ 91.6318¦ -12.3682¦ ¦ 5 ¦ 98¦ 93.91949¦ .6428206¦ ¦ 93.46609¦ -4.533905¦ ¦ 6 ¦ 92¦ 94.30608¦ .6171975¦ ¦ 94.56231¦ 2.562309¦ ¦ 7 ¦ 120¦ 97.43095¦ .8679647¦ ¦ 94.92327¦ -25.07673¦ ¦ 8 ¦ 80¦ 96.46902¦ .6849753¦ ¦ 98.29891¦ 18.29891¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 97.15399¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 97.83897¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 98.52394¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 99.20892¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 99.89389¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 100.5789¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 101.2638¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 101.9488¦ ¦ +---------------------------------------------------------------------------------¦ 2002 digitized by USU digital library 17 . ¦ Exponential smoothing with linear trend: CPU Seconds = 0 ¦ ¦ MAD = 15.75 MSD = 419.53 Bias = -9.79 R-square = 0 ¦ ¦ Alpha = .10000 Beta = .10000 | ¦----------------------------------------------------------------------------------------| B. Menentukan Pemilihan Mesin Dua mesin M1 dan M2 yang ada digunakan untuk memproduksi komponen B,C dan D. Rata-rata tingkat produksi, waktu set-up mesin dan biaya untuk masing-masing mesin adalah sebagai berikut : Komponen B C D Unit per-40 jam/minggu M1 M2 600 1900 500 1500 125 375 Waktu set-up (jam) M1 M2 2 4 2 4 3 6 Tingkat Produksi ( P ) = berdasarkan mesin yang digunakan jam mesin x biaya mesin tingkat produksi Jam mesin x Upah tenaga kerja Biaya operator untuk tiap komponen = Tingkat Produksi Biaya mesin untuk tiap komponen = Dimana : -. Jam mesin = 40 jam/minggu -. Biaya nesin M1 = $ 5 / jam -. Biaya mesin M2 = $ 15 / jam -. Upah Operator = $ 12 / jam Selanjutnya perhitungan dapat dilihat pada tabel dibawah ini : Komponen P Biaya Upah Operator ( unit ) ( unit/minggu ( $/unit ) ($/unit) ) M1 M2 M1 M2 M1 M2 B 600 1900 * 0.33 0.32 * 0.80 0.25 * C 500 1500 * 0.44 0.40 * 0.96 0.32 * D 125 375 1.60 1.60 3.84 * 1.28 * * Mesin yang dipilih adalah mesin yang mempunyai biaya mesin dan biaya tenaga kerja terkecil serta tingkat produksi terbesar. Dalam hal ini untuk memproduksi komponen B, C dan D dikerjakan oleh mesin 2. Selanjutnya untuk mengetahui apakah waktu penyelesaian dari semua permintaan mingguan tidak melebihi waktu yang tersedia maka akan dihitung : Waktu penyelesaian = Di ∑P i = 543 913 100 + + 1900 1500 375 = 1.16 minggu Karena waktu yang tersedia (1 minggu) lebih kecil (<) dari penyelesaian (1.16 minggu) maka dalam persoalan tersebut tidak layak dilaksanakan. Untuk itu diambil kebijaksanaan bahwa untuk komponen B dikerjakan pada mesin 2. Sedangkan untuk komponen D dikerjakan pada 1. • Check Kapasitas Mesin 2 untuk Mengerjakan Komponen B dan C : Waktu penyelesaian untuk komponen B dan C adalah : 2002 digitized by USU digital library waktu untuk dan C mesin 18 . Di ∑P Waktu penyelesaian = = i 913 543 + 1900 1500 = 0,895 minggu Ternyata kapasitas M2 mencukupi untuk menyelesaikan komponen B dan C. • Check Kapasitas Mesin 2 untuk Mengerjakan Komponen D : Waktu penyelesaian untuk komponen D adalah : Di ∑P Waktu penyelesaian = = i 100 125 = 0,8 minggu Karena semua pengerjaan komponen telah memenuhi waktu produksi, dengan demikian dalam perhitungan akan digunakan data yang bertanda (*). C. Menentukan EPQ Karena komponen B dan C dikerjakan pada satu mensin yaitu M2, maka EPQ yang digunakan adalah EPQ multi item dengan rumus : EPQ = D Mo 1. Menghitung Frekuensi Optimal Terpadu ( Mo ) Rumus yang digunakan adalah : Di Mo = ∑ Ch .xD x(1 − P ) i =1 i i i 1 2 x∑ Cri i =1 Mo = Ferekuensi optimal terpadu Ch = Holding cost D = demand Untuk komponen D dikerjakan pada M1, maka EPQ yang digunakan adalah EPQ single item Biaya penyimpanan ( Ch ) = f . b Dimana : f = fraksi biaya penyimpanan = 0.48% b = biaya produksi = harga komponen + biaya mesin + upah operator Perhitungan selengkapnya dapat dilihat pada tabel berikut ini : Kompone Harga Biaya Upah T.K B F Ch n Kompone mesin ($/unit) ($/unit (%) ($/unit n ($/unit ) ) ($/unit) ) B 4.0 0.32 0.25 4.57 0.48 0.0219 C 1.4 0.40 0.32 2.12 0.48 0.0102 D 10.0 1.60 3.84 15.44 0.48 0.0741 Permintaan komponen ( D ) = rata-rata dari hasil forecast komponen (unit/minggu) = 543 ( untuk komponen B ) = 913 ( untuk komponen C ) = 100 ( untuk komponen D ) Kecepatan Produksi (P) = berdasarkan mesin yang terpilih ( unit/minggu ) = 1900 ( untuk komponen B ) = 1500 ( untuk komponen C ) = 125 ( untuk komponen D ) • Biaya set-up ( Cr ) = waktu set-up dikali upah tenaga kerja 2002 digitized by USU digital library 19 . Perhitungan Biaya set-up dapat dilihat pada tabel berikut ini : Komponen Waktu se-up Upah tenaga Cr ( jam ) kerja ($) ( $/jam ) B 4 12 48 C 4 12 48 D 3 12 36 Perhitungan item-item untuk frekuensi optimal dan Qo adalah : Komp Ch ($/unit/minggu ) D (unit per minggu) P (unit per minggu) B C 0.0219 0.0102 543 913 1900 1500 D 0.0741 100 ∑ 125 D 1 − P Ch.D. 1 − D P Cr ($) 0.714 0.391 8.4907 3.6412 12.1319 48 48 96 0.200 1.4820 36 Karena komponen B dan C dikerjakan pada satu perhitungannya menggunakan EPQ multi item. Jadi besarnya frekuensi optimal terpadu ( Mo ) adalah : mesin (M2) maka Di Mo = ∑ Ch .xD x(1 − P ) i =1 i i i 1 2 x ∑ Cri 12,1319 = 0.25 siklus/minggu 2 x96 = i =1 • EPQ multi item utuk komponen B dan C EPQ dihitung dengan rumus : EPQ = Di Mo Perhitungan selanjutnya dapat dilihat pada tabel berikut : Komponen D Mo EPQ (unit/minggu) (Unit) B 543 0.25 2172 C 913 0.25 3652 • EPQ single item untuk komponen D Qo = 2 CR.D = D CH (1 − ) P 2 . 36 . 100 = 697 unit 100 0.0741 1 − 125 • Menentukan To Jumlah waktu yang diperlukan untuk memproduksi komponen B, C dan D dihitung dengan rumus ( To ) = Qo . D Komponen Qo (komponen) D (komponen/minggu) To (minggu) B C D 2172 3652 697 543 913 100 4 4 6,97 2002 digitized by USU digital library 20 . • Menentukan ROP Besarnya ROP = L . D Dimana : L = set-up time D = demand Komponen L D (minggu) (komponen/minggu) • B C D Menentukan tp 1 1 1 543 913 100 Besarnya harga tp , dihitung dengan rumus : tp = ROP (minggu) 543 913 100 Qo P Perhitungan selanjutnya dapat dilihat pada tabel berikut ini : Komponen Qo P tp (minggu) (unit) (unit/minggu) B 2172 1900 1,14 C 3652 1500 2,43 D 697 125 5,58 Model EPQ : Level inventory Imax ROP L tp Time To • Menenentukan Total Incremental Cost (TICo ) Total Incremental Cost dihitung dengan rumus : TICo = D 2 xCrxDxChx1 − P Hasil perhitungan TICo selanjutnya dapat ditabelkan Kompone Cr D Ch n ($) (unit/mingg ($) u) B 48 543 0.0219 C 48 913 0.0102 D 36 100 0.0741 dibawah ini : D 1 − P TICo ($) 0.714 0.391 0.200 28.55 18.70 10.33 • Menentukan Total Cost (TC) Total Cost ( TC ) = TIC + Cb Dimana : Cb = biaya produksi x Demand = b x D 2002 digitized by USU digital library 21 . Perhitungan selengkapnya untuk masing-masing TC adalah : Komponen b D Cb TICo TC ($) (unit/mingg ($) ($) ($) u) B 543 2481.51 28.55 2510.06 4.57 C 913 1935.56 18.70 1954.26 2.12 D 15.44 100 1544.00 10.33 1554.33 Jumlah 6018.65 IV. ASSEMBLY DEPARTEMENT A. Menentukan Jumlah Demand Produk Catatan pengambilan komponen-komponen dan sub assembling dari gudang untuk proses perakitan akhir selama 8 minggu terakhir adalah : Mingg u 1 2 3 4 5 6 7 8 A 20 12 48 10 22 42 14 30 B 372 632 720 362 620 648 370 620 119 108 105 C 720 0 0 770 845 0 830 900 D 86 128 96 104 98 92 120 80 372 880 768 410 820 712 408 780 E 0 0 0 0 0 0 0 0 Pada assembly departement, komponen yang digunakan adalah komponen A, B, C, D dan E, dimana komponen A merupakan hasil perakitan dari komponen B, C, D, dan E. Hal ini sesuai dengan gambar proses produksi Pabrik Haley. Pola pengambilan data dapat dilihat pada model peramalan berikut ini : 10000 8000 6000 4000 2000 0 Minggu A B C D 1 2 3 4 5 6 7 8 E Peramalan demand dari komponen-komponen A, B, C, D dan E dilakukan dengan menggunakan software QS 3.0. Hasil peramalan terbaik berdasarkan kriteria MAD dan MSD yang terkecil. Peramalan Komponen A Berdasarkan pola data pengambilan komponen A, maka digunakan metode peramalan “Double Exponential Smoothing”. Hasil peramalan adalah : ! 2002 digitized by USU digital library 22 . +----------------------- Forecast Results for komp A ----------------------+ ¦ 03-07-2001 20:52:02 Page: 1 of 2 ¦ +-------------------------------------------------------------------------------¦ ¦ Period ¦ Actual ¦ F(t) ¦ F'(t) ¦ ¦ Forecast ¦ Error ¦ +-------+--------+------------+------------+------+---- ------+------------¦ ¦ 1 ¦ 20¦ 20¦ 20¦ ¦ ¦ ¦ ¦ 2 ¦ 12¦ 19.2¦ 19.92¦ ¦ 20¦ 8¦ ¦ 3 ¦ 48¦ 22.08¦ 20.136¦ ¦ 19.92¦ -28.08¦ ¦ 4 ¦ 10¦ 20.872¦ 20.2096¦ ¦ 20.136¦ 10.136¦ ¦ 5 ¦ 22¦ 20.9848¦ 20.28712¦ ¦ 20.2096¦ -1.7904¦ ¦ 6 ¦ 42¦ 23.08632¦ 20.56704¦ ¦ 20.28712¦ -21.71288¦ ¦ 7 ¦ 14¦ 22.17769¦ 20.72811¦ ¦ 20.56704¦ 6.567041¦ ¦ 8 ¦ 30¦ 22.95992¦ 20.95129¦ ¦ 20.72811¦ -9.271894¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 20.95129¦ ¦ +-------------------------------------------------------------------------------¦ ¦ Double exponential smoothing: CPU Seconds = 0 ¦ ¦ MAD = 12.22 MSD = 222.71 Bias = -5.16 R-square = 0 ¦ ¦ Alpha = .10000 ¦ +-------------------------------------------------------------------------------¦ ! Peramalan Komponen B Berdasarkan pola data pengambilan komponen B, maka digunakan metode peramalan “Simple Average”, dengan rumus sebagai berikut : t Forecast f(t+1) = F( t ) = ∑D i i =1 t +------------------- Forecast Results for komponen B ------------------+ ¦ 03-07-2001 20:12:23 Page: 1 of 2 ¦ +---------------------------------------------------------------------------¦ ¦ Period ¦ Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +--------+--------+----------+-------+-------+----------+--------------¦ ¦ 1 ¦ 372¦ 372¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 632¦ 502¦ ¦ ¦ 372¦ -260¦ ¦ 3 ¦ 720¦574.6667¦ ¦ ¦ 502¦ -218¦ ¦ 4 ¦ 362¦ 521.5¦ ¦ ¦ 574.6667¦ 212.6667¦ ¦ 5 ¦ 620¦ 541.2¦ ¦ ¦ 521.5¦ -98.5¦ ¦ 6 ¦ 648¦ 559¦ ¦ ¦ 541.2¦ -106.8¦ ¦ 7 ¦ 370¦ 532¦ ¦ ¦ 559¦ 189¦ ¦ 8 ¦ 620¦ 543¦ ¦ ¦ 532¦ -88¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 543¦ ¦ +---------------------------------------------------------------------------¦ ¦ Simple average: CPU Seconds = 0 ¦ 2002 digitized by USU digital library 23 . ¦ MAD = 167.57 MSD = 32132.09 Bias = -52.80 R-square = 0 ¦ ¦ MAD = 167.57 MSD = 32132.09 Bias = -52.80 ¦ +-------------------------------------------------------------------------¦ Peramalan Komponen C Berdasarkan pola data pengambilan komponen C, maka digunakan metode peramalan “Exponential Smoothing with Linier Trend”, dengan rumus sebagai berikut : F ( t ) = α . Dt + ( 1 - α ) ( Ft-1 + Tt-1 ) T ( t ) = β. ( Ft – Ft-1 ) + ( 1 - β ). Tt-1 Forecast : f(t) = F (t) + T(t) ! Hasil peramalan dapat dilihat pada tabel berikut ini : +------------------- Forecast Results for komponen C ------------------------+ ¦ 03-07-2001 20:30:25 Page: 1 of 2 ¦ +----------------------------------------------------------------------------------¦ ¦ Period ¦ Actual ¦ F(t) ¦ T(t) ¦ ¦ Forecast ¦ Error ¦ +----------+----------+----------+----------+----------+----------+------ ----¦ ¦ 1 ¦ 720¦ 720¦ 0¦ ¦ ¦ ¦ ¦ 2 ¦ 1190¦ 767¦ 4.7¦ ¦ 720¦ -470¦ ¦ 3 ¦ 1080¦ 802.53¦ 7.783003¦ ¦ 771.7¦ -308.3¦ ¦ 4 ¦ 770¦ 806.2817¦ 7.379874¦ ¦ 810.313¦ 40.31305¦ ¦ 5 ¦ 845¦ 816.7955¦ 7.69326¦ ¦ 813.6616¦ -31.33838¦ ¦ 6 ¦ 1050¦ 847.0399¦ 9.948372¦ ¦ 824.4887¦ -225.5113¦ ¦ 7 ¦ 830¦ 854.2894¦ 9.678492¦ ¦ 856.9882¦ 26.98822¦ ¦ 8 ¦ 900¦ 867.5711¦ 10.03881¦ ¦ 863.9679¦ -36.0321¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 877.6099¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 887.6487¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 897.6876¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 907.7264¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 917.7652¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 927.804¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 937.8428¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 947.8817¦ ¦ +---------------------------------------------------------------------------------¦ ¦ Exponential smoothing with linear trend: CPU Seconds = 0 ¦ ¦ MAD = 162.64 MSD = 53062.60 Bias = -143.41 R-square = 0 ¦ ¦ Alpha = .10000 Beta = .10000 ¦ Peramalan Komponen D Berdasarkan pola data pengambilan komponen D, maka digunakan metode peramalan “Exponential Smoothing with Linier Trend”, dengan rumus sebagai berikut : F ( t ) = α . Dt + ( 1 - α ) ( Ft-1 + Tt-1 ) T ( t ) = β. ( Ft – Ft-1 ) + ( 1 - β ). Tt-1 Forecast : f(t) = F (t) + T(t) ! 2002 digitized by USU digital library 24 . +----------------------- Forecast Results for komp.d------------------------+ ¦ 03-15-2001 17:02:09 Page: 1 of 2 ¦ +--------------------------------------------------------------------------------¦ ¦ Period¦ Actual ¦ F(t) ¦ T(t) ¦ ¦ Forecast ¦ Error ¦ +-------+--------+-------------+-----------+------+-----------+-------------¦ ¦ 1 ¦ 86¦ 86¦ 0¦ ¦ ¦ ¦ ¦ 2 ¦ 128¦ 90.2¦ .4199997¦ ¦ 86¦ -42¦ ¦ 3 ¦ 96¦ 91.158¦ .4737997¦ ¦ 90.62¦ -5.380005¦ ¦ 4 ¦ 104¦ 92.86861¦ .5974815¦ ¦ 91.6318¦ -12.3682¦ ¦ 5 ¦ 98¦ 93.91949¦ .6428206¦ ¦ 93.46609¦ -4.533905¦ ¦ 6 ¦ 92¦ 94.30608¦ .6171975¦ ¦ 94.56231¦ 2.562309¦ ¦ 7 ¦ 120¦ 97.43095¦ .8679647¦ ¦ 94.92327¦ -25.07673¦ ¦ 8 ¦ 80¦ 96.46902¦ .6849753¦ ¦ 98.29891¦ 18.29891¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 97.15399¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 97.83897¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 98.52394¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 99.20892¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 99.89389¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 100.5789¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 101.2638¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 101.9488¦ ¦ +--------------------------------------------------------------------------------¦ ¦ Exponential smoothing with linear trend: CPU Seconds = 0 ¦ ¦ MAD = 15.75 MSD = 419.53 Bias = -9.79 R-square = 0 ¦ ¦ Alpha = .10000 Beta = .10000 ¦ +--------------------------------------------------------------------------------¦ ¦ < PageDown > < PageUp > < Hardcopy > < Cancel > ¦ +--------------------------------------------------------------------------------+ ! Peramalan Komponen E Berdasarkan pola data pengambilan komponen E, maka digunakan metode peramalan “Simple Average”, dengan rumus sebagai berikut : t Peramalan f(t+1) = F( t ) = ∑D i i =1 t Hasil peramalan dapat dilihat pada tabel berikut ini: +----------------------- Forecast Results for komp E ----------------------+ ¦ 03-07-2001 20:45:04 Page: 1 of 2 ¦ +------------------------------------------------------------------------------¦ ¦ Period ¦ Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +-------+---------+------------+-------+-------+------------+-------------¦ ¦ 1 ¦ 3720¦ 3720¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 8800¦ 6260¦ ¦ ¦ 3720¦ -5080¦ ¦ 3 ¦ 7680¦ 6733.333¦ ¦ ¦ 6260¦ -1420¦ ¦ 4 ¦ 4100¦ 6075¦ ¦ ¦ 6733.333¦ 2633.333¦ ¦ 5 ¦ 8200¦ 6500¦ ¦ ¦ 6075¦ -2125¦ ¦ 6 ¦ 7120¦ 6603.333¦ ¦ ¦ 6500¦ -620¦ ¦ 7 ¦ 4080¦ 6242.857¦ ¦ ¦ 6603.333¦ 2523.333¦ ¦ 8 ¦ 7800¦ 6437.5¦ ¦ ¦ 6242.857¦ -1557.143¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ 2002 digitized by USU digital library 25 . ¦ 15 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 6437.5¦ ¦ +---------------- ------------------------------------------------------------¦ ¦ Simple average: CPU Seconds = 0 ¦ ¦ MAD = 2279.83 MSD = 6921311. Bias = -806.50 R-square = 0 ¦ ¦ MAD = 2279.83 MSD = 6921311. Bias = -806.50 ¦ +-----------------------------------------------------------------------------¦ B. Menentukan Jumlah Demand Produk Berdasarkan data-data penjualan produk selama 8 minggu, dibuatlah suatu plotting data penjualan produk. Pola data penjualan dapat dilihat pada grafik dibawah ini : 30 25 Minggu Pilts Relts Stuns Super Stuns 20 15 10 5 0 1 2 3 4 5 6 7 8 Peramalan data penjualan untuk produk Pilts, Relts, Stuns, dan Super Stuns adalah sebagai berikut : # Peramalan Produk Pilts +------------------- Forecast Results for Product Pilts ---------------------+ ¦ 03-22-2001 18:03:39 Page: 1 of 2 ¦ +------------------------------------------------------------------------------¦ ¦ Period ¦ Actual ¦ F(t) ¦ F'(t) ¦ ¦ Forecast ¦ Error ¦ +-------+--------+------------+----------+-------+----------+-------------¦ ¦ 1 ¦ 6¦ 6¦ 6¦ ¦ ¦ ¦ ¦ 2 ¦ 8¦ 6.2¦ 6.02¦ ¦ 6¦ -2¦ ¦ 3 ¦ 5¦ 6.08¦ 6.026¦ ¦ 6.02¦ 1.02¦ ¦ 4 ¦ 9¦ 6.372¦ 6.0606¦ ¦ 6.026¦ -2.974¦ ¦ 5 ¦ 6¦ 6.3348¦ 6.08802¦ ¦ 6.0606¦ .0605998¦ ¦ 6 ¦ 5¦ 6.20132¦ 6.09935¦ ¦ 6.08802¦ 1.08802¦ ¦ 7 ¦ 7¦ 6.281188¦ 6.117534¦ ¦ 6.09935¦ -.90065¦ ¦ 8 ¦ 7¦ 6.353069¦ 6.141087¦ ¦ 6.117534¦ -.8824663¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 6.141087¦ ¦ +-------------- ---------------------------------------------------------------¦ ¦ Double exponential smoothing: CPU Seconds = 0 ¦ ¦ MAD = 1.28 MSD = 2.38 Bias = -.66 R-square = 0 ¦ ¦ Alpha = .10000 ¦ +-------------------------------------------------------------------------------¦ 2002 digitized by USU digital library 26 . # Peramalan Produk Relts Berdasarkan pola data penjualan produk Relts, maka jenis peramalan yang digunakan adalah peramalan “single exponential smoothing” dengan rumus peramalan adalah sebagai berikut : Peramalan t+1 = F(t) = α . Dt + (1 - α) . Ft-1 +------------------ Forecast Results for Product Relts ------------------+ ¦ 03-22-2001 18:17:21 Page: 1 of 2 ¦ +----------------------------------------------------------------------------¦ ¦ Period ¦ Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +--------+--------+ -----------+-------+-------+----------+-------------¦ ¦ 1 ¦ 21¦ 21¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 19¦ 20.8¦ ¦ ¦ 21¦ 2¦ ¦ 3 ¦ 22¦ 20.92¦ ¦ ¦ 20.8¦ -1.200001¦ ¦ 4 ¦ 16¦ 20.428¦ ¦ ¦ 20.92¦ 4.92¦ ¦ 5 ¦ 19¦ 20.2852¦ ¦ ¦ 20.428¦ 1.427999¦ ¦ 6 ¦ 22¦ 20.45668¦ ¦ ¦ 20.2852¦ -1.7148¦ ¦ 7 ¦ 18¦ 20.21101¦ ¦ ¦ 20.45668¦ 2.45668¦ ¦ 8 ¦ 21¦ 20.28991¦ ¦ ¦ 20.21101¦ -.7889881¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 20.28991¦ ¦ +----------------------------------------------------------------------------¦ ¦ Single exponential smoothing: CPU Seconds = 0 ¦ ¦ MAD = 2.07 MSD = 5.90 Bias = 1.01 R-square = 0 ¦ ¦ Alpha = .10000 ¦ +----------------------------------------------------------------------------¦ # Peramalan Produk Stuns Berdasarkan pola data penjualan produk Stuns, maka digunakan metode peramalan “Simple Average”, dengan rumus sebagai berikut : t Peramalan f(t+1) = F( t ) = ∑D i i =1 t 2002 digitized by USU digital library 27 . Hasil peramalan dapat dilihat pada tabel halaman berikut ini: +------------------- Forecast Results for Product Stuns -----------------+ ¦ 03-22-2001 18:48:54 Page: 1 of 2 ¦ +----------------------------------------------------------------------------¦ ¦ Period ¦Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +--------+--------+------------+--------+------+-----------+------------¦ ¦ 1 ¦ 10¦ 10¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 19¦ 14.5¦ ¦ ¦ 10¦ -9¦ ¦ 3 ¦ 15¦ 14.66667¦ ¦ ¦ 14.5¦ -.5¦ ¦ 4 ¦ 17¦ 15.25¦ ¦ ¦ 14.66667¦ -2.333333¦ ¦ 5 ¦ 13¦ 14.8¦ ¦ ¦ 15.25¦ 2.25¦ ¦ 6 ¦ 12¦ 14.33333¦ ¦ ¦ 14.8¦ 2.8¦ ¦ 7 ¦ 18¦ 14.85714¦ ¦ ¦ 14.33333¦ -3.666667¦ ¦ 8 ¦ 14¦ 14.75¦ ¦ ¦ 14.85714¦ .8571424¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 14.75¦ ¦ +----------------------------------------------------------------------------¦ ¦ Simple average: CPU Seconds = 0 ¦ ¦ MAD = 3.06 MSD = 16.25 Bias = -1.37 R-square = 0 ¦ ¦ MAD = 3.06 MSD = 16.25 Bias = -1.37 ¦ +----------------------------------------------------------------------------¦ # Peramalan Produk Super Stuns Berdasarkan pola data penjualan produk Super Stuns, maka digunakan metode peramalan “Simple Average”, dengan rumus yang sama dengan perhitungan untuk produk stuns. Hasil peramalan dapat dilihat pada tabel berikut ini: +--------- Forecast Results for Product Super Stuns -------------------+ ¦ 03-22-2001 18:48:54 Page: 1 of 2 ¦ +----------------------------------------------------------------------------¦ ¦ Period ¦ Actual ¦ F(t) ¦ ¦ ¦ Forecast ¦ Error ¦ +--------+------ -+------------+-------+-------+-----------+------------¦ ¦ 1 ¦ 0¦ 0¦ ¦ ¦ ¦ ¦ ¦ 2 ¦ 3¦ 1.5¦ ¦ ¦ 0¦ -3¦ ¦ 3 ¦ 1¦ 1.333333¦ ¦ ¦ 1.5¦ -5¦ ¦ 4 ¦ 0¦ 1¦ ¦ ¦ 1.333333¦ 1.333333¦ ¦ 5 ¦ 2¦ 1.2¦ ¦ ¦ 1¦ 1¦ ¦ 6 ¦ 5¦ 1.833333¦ ¦ ¦ 1.2¦ -2.166667¦ ¦ 7 ¦ 4¦ 2.142857¦ ¦ ¦ 1.833333¦ -7.857143¦ ¦ 8 ¦ 10¦ 3.125¦ ¦ ¦ 2.142857¦ ¦ ¦ 9 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ ¦ 10 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ ¦ 11 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ ¦ 12 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ ¦ 13 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ ¦ 14 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ ¦ 15 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ ¦ 16 ¦ ¦ ¦ ¦ ¦ 3.125¦ ¦ +----------------------------------------------------------------------------¦ 2002 digitized by USU digital library 28 . ¦ Simple average: CPU Seconds = 0 ¦ ¦ MAD = 2.81 MSD = 13.27 Bias = 2.28 R-square = 0 ¦ ¦ MAD = 2.81 MSD = 13.27 Bias = 2.28 ¦ +----------------------------------------------------------------------------¦ • Biaya Produksi (b) Berdasarkan kebijaksanaan manajemen, ditentukan bahwa besarnya keuntungan yang diinginkan oleh pihak manajemen sebesar 25 %. Sehingga besarnya: biaya produksi = harga jual – (25 % x harga jual) Besarnya biaya produksi untuk setiap unit produk adalah sebagai berikut : Produk Pilts Relts Stuns Super Stuns Harga Jual ($) 170 150 270 310 B. Produksi ($) 127.5 112.5 202.5 232.5 Profit ($) 42.5 37.5 67.5 77.5 Sedangkan untuk biaya komponen A, dihitung sebagai berikut : • komponen A terdiri dari 2 unit komponen B, 5 unit komponen C, 1 unit komponen D, dan 20 unit komponen E. • Biaya komp. A = (2 x biaya komp B) + (5 x biaya komp. C) + (1 x biaya komp. D) + (20 x biaya komp. E) $ = (2 x $4) + (5 x $1,4) + (1 x $10) + (20 x $1) $ = $ 45 C. Menghitung Frekuensi Optimal Terpadu ( Mo ) Rumus yang digunakan adalah : Di Mo = ∑ Ch .xD x(1 − P ) i =1 i i i 1 2 x∑ Cri i =1 Biaya penyimpanan Ch = f . b Dimana : f = fraksi biaya penyimpanan = 0.48% b = biaya produksi Perhitungan selengkapnya dapat dilihat pada tabel berikut ini : Produk Biaya f Ch Produksi (%) ($/unit) ($/unit) A 45 0.48 0.216 Pilts 127.5 0.48 0.612 Relts 112.5 0.48 0.54 Stuns 202.5 0.48 0.972 Super Stuns 232.5 0.48 1.116 • Permintaan komponen sub assembly dan produk ( D ) : = rata-rata dari hasil forecast produk (unit/minggu) 2002 digitized by USU digital library 29 . • = 21 (untuk komponen sub assembly A) = 7 ( untuk Produk Pilts ) = 21 ( untuk Produk Relts ) = 15 ( untuk Produk Stuns ) = 4 (untuk Produk Super Stuns) Tetapi diketahui terdapat stock awal produk jadi sebanyak: Produk A = 30 Produk Pilts =5 Produk Relts = 41 Produk Stuns = 23 Produk Super Stuns = 10 • Kecepatan Produksi ( P ) berdasarkan produk yang dibuat : = 160 ( untuk komponen A ) = 80 ( untuk Produk Pilts) = 80 ( untuk Produk Relts ) = 60 (untuk Produk Stuns) = 40 (untuk Produk Super Stuns) • Biaya set-up ( Cr ) = waktu set-up x upah tenaga kerja Perhitungan Biaya set-up dapat dilihat pada tabel berikut ini : Produk Waktu set-up Upah tenaga kerja Cr ( jam ) ( $/jam ) ($) A 4 12 48 Pilts 4 12 48 Relts 4 12 48 Stuns 5 12 60 Super Stuns 5 12 60 Frekuensi Optimal Terpadu (Mo) Perhitungan item-item untuk frekuensi optimal yang terjadi adalah : Produk Ch D P D D 1 − Ch.D. 1 − ($/unit/m (unit/ (uni/ P P inggu) minggu) minggu) A Pilts Relts Stuns Super Stuns ∑ 0.216 0.612 0.54 0.972 1.116 21 7 21 15 4 160 80 80 60 40 0.87 0.92 0.74 0.75 0.90 3.94 3.91 8.36 10.94 4.02 31.17 48 48 48 60 60 264 Jadi besarnya frekuensi optimal terpadu ( Mo ) adalah : Di Mo = ∑ Ch .xD x(1 − P ) i =1 i i i 1 2 x ∑ Cri = 31,17 = 0.24 siklus/minggu 2 x 264 i =1 • Perhitungan EPQ EPQ dihitung dengan rumus : EPQ = Di Mo 2002 digitized by USU digital library Cr ($ ) 30 . Perhitungan selanjutnya dapat dilihat Produk D (unit/minggu) A 21 Pilts 7 Relts 21 Stuns 15 Super Stuns 4 • pada tabel berikut : Mo EPQ (Unit) 0.24 88 0.24 30 0.24 88 0.24 63 0.24 17 Waktu Produksi (To) Jumlah waktu yang diperlukan untuk memproduksi produk A, Pilts, Relts, Stuns, dan Super Stuns dihitung dengan rumus ( To ) = Qo . D Selanjutnya hasil perhitungan dapat dilihat pada tabel dibawah ini : Produk Qo D To (produk) (produk/minggu) (minggu) A 88 21 4.2 Pilts 30 7 4.3 Relts 88 21 4.2 Stuns 63 15 4.2 Super Stuns 17 4 4.3 • Menentukan Reorder Point (ROP) Besarnya ROP = L . D , Dimana : L = set-up time D = demand Perhitungan untuk ROP selanjutnya dapat ditabelkan sebagai berikut : Produk A Pilts Relts Stuns Super Stuns • L ( minggu ) 4 4 4 5 5 D (unit/minggu) 21 7 21 15 4 ROP (minggu) 84 28 84 75 20 Waktu Siklus Produksi (tp) Besarnya harga tp , dihitung dengan rumus : tp = Qo P perhitungan selanjutnya dapat dilihat pada tabel berikut ini : Produk Qo P tp (minggu) (unit) (unit/minggu) A 88 160 0.55 Pilts 30 80 0.375 Relts 88 80 0.55 Stuns 63 60 1.05 Super Stuns 17 40 0.425 2002 digitized by USU digital library 31 . Model EPQ : L e v e l Imax I ROP n v e L n tp t o To r y • Total Incremental Cost (TICo) Total Incremental Cost dihitung dengan rumus : TICo = Time D 2 xCrxDxChx1 − P Hasil perhitungan TICo selanjutnya dapat ditabelkan dibawah ini : TICo Produk Cr D Ch D 1 − ($) ($) (unit/minggu) ($) A Pilts Relts Stuns Super Stuns 48 48 48 60 60 21 7 21 15 4 0.216 0.612 0.54 0.972 1.116 P 0.87 0.92 0.74 0.75 0.90 • Total Cost ( TC ) Total Cost ( TC ) = TIC + Cb Dimana : Cb = biaya produksi x Demand = b x D Perhitungan selengkapnya untuk masing-masing TC adalah : Produk B D Cb TICo ($) (unit/minggu) ($) ($) A 45 21 945 19.47 Pilts 127.5 7 892.5 19.45 Relts 112.5 21 2362.5 28.38 Stuns 202.5 15 3037.5 36.22 Super Stuns 232.5 4 930 21.96 19.47 19.45 28.38 36.22 21.96 TC ($) 964.47 911.95 2390.88 3073.72 951.96 Jadi total cost jika semua produk dibuat adalah sebesar $ 8292.98. ANALISIS DARI PENGOLAHAN DATA Biaya-biaya yang dikeluarkan untuk masing-masing departemen mulai dari departemen pembelian, departemen pemesinan dan departemen perakitan adalah : Departemen Purchasing (Pembelian) : ! Pembelian dengan diskon : bahan baku B = $ 2109.28 bahan baku D = $ 466.65 ! Pembelian tanpa diskon : bahan baku C = $ 1434.07 2002 digitized by USU digital library 32 . bahan baku E = $ 6087.13 Sehingga biaya yang dikeluarkan untuk pembelian bahan baku adalah : = $ 2109.28 + $ 466.65 + $ 1434.07 + $ 6087.13 = $ 10097.13 Departemen Machining (Pemesinan) : ! Mesin 1 : komponen D = $ 1554.33 ! Mesin 2 : komponen B = $ 2510.06 komponen C = $ 1954.26 Sehingga biaya yang dikeluarkan untuk pemesinan komponen adalah : = $ 1554.33 + $ 2510.06 + $ 1954.26 = $ 6018.65 Departemen Assembly (Perakitan) : ! Sub assembly A = $ 964.47 ! Perakitan produk Pilts = $ 911.95 ! Perakitan produk Relts = $ 2390.88 ! Perakitan produk Stuns = $ 3073.72 ! Perakitan produk Super Stuns = $ 951.96 Sehingga biaya yang dikeluarkan untuk perakitan produk adalah : = $ 964.47 + $ 911.95 + $ 2390.88 + $ 3073.72 + $ 951.96 = $ 8292.98 Total keseluruhan biaya = biaya untuk departemen pembelian + biaya departemen pemesinan + biaya departemen perakitan + biaya overhead = $ 10097.13 + $ 6018.65 + $ 8292.98 + $ 1000 = $ 25408.76 Batasan dana yang tersedia untuk simulasi ini adalah sebesar $ 30000 Kesimpulan : Kesimpulan dari analisis data adalah dana untuk simulasi masih mencukupi. Kelebihan dana sebesar $30000 - $25408.76 = $4591.24 2002 digitized by USU digital library 33
