LABORATORIUM SISTEM MANUFAKTUR

PROGRAM STUDI TEKNIK INDUSTRI

UNIVERSITAS HASANUDDIN

1.1 Tujuan Praktikum

1. Praktikan mngetahui konsep peramalan

2. Praktikan memahami penggunaan metode peramalan berdasarkan pola data

untuk mengetahui solusi yang terbaik

3. Praktikan Mengetahui defenisi tujuan, dan sifat perencanaan agregat.

4. Praktikan Mengetahui strategi perencanaan agregat beserta keuntungan dan

kerugiannya masing-masing.

5. Praktikan mampu membuat jadwal induk produksi

1.2 Landasan Teori

1.2.1. Perancanaan Produksi

Perencanaan produksi merupakan suatu kegiatan untuk

mendapatkan produk sesuai dengan yang ditetapkan, berkaitan dengan

penentuan berapa banyak yang diproduksi, sumber daya apa yang

dibutuhkan, dan kapan harus diproduksi. Perencanaan produksi ini

merupakan alat komunikasi antara top management dan manufacture.

Beberapa fungsi perencanaan produksi adalah:

a. Menjamin rencana penjualan dan rencana produksi konsisten

terhadap rencana strategis perusahaan.

b. Sebagai alat ukur performansi proses perencanaan produksi.

c. Menjamin kemampuan produksi konsisten terhadap rencana

produksi.

d. Memonitor hasil produksi aktual terhadap rencana produksi dan

membuat penyesuaian.

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

e. Mengatur persediaan produk jadi untuk mencapai target produksi

dan rencana strategis.

f. Mengarahkan penyusunan dan pelaksanaan Jadwal Induk Produksi.

1.2.2 Konsep Peramalan Produksi

Peramalan adalah suatu perkiraan tingkat permintaan yang

diharapkan untuk suatu produk atau beberapa produk dalam periode

waktu tertentu di masa yang akan datang. (Biegel, John E. 1992.)

Dalam kegiatan produksi, peramalan dilakukan untuk menentukan

jumlah permintaan terhadap suatu produk dan merupakan langkah awal

dari proses perencanaan dan pengendalian produksi. Dalam peramalan

ditetapkan jenis produk apa yang diperlukan (what), jumlahnya (how

many), dan kapan dibutuhkan (when). Tujuan peramalan dalam

kegiatan produksi adalah untuk meredam ketidakpastian, sehingga

diperoleh suatu perkiraan yang mendekati keadaan yang sebenarnya

(Ginting.2007.31). Keberhasilan peramalan ditentukan oleh

pengetahuan teknik tentang pengumpulan informasi (data) masa lalu

ataupun informasi yang bersifat kuantitatif dan metode yang sesuai

dengan pola data yang telah dikumpulkan.

1.2.3 Metode Peramalan

a. Metode Peramalan Kualitatif (Judgement Method) Peramalan

kualitatif yaitu peramalan yang didasarkan atas kualitatif pada masa

lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

menyusunnya. Peramalan kualitatif umumnya bersifat subjektif,

dipengaruhi oleh intuisi, emosi, pendidikan, dan pengalaman

seseorang. Oleh karena itu, hasil peramalan dari satu orang dengan

orang lain dapat berbeda. Meskipun demikian, peramalan dengan

metode kulaitatif tidak berarti hanya menggunakan intuisi, tetapi

juga bisa mengikutsertakan model-model statistik sebagai bahan

masukan dalam melakukan judgement (keputusan), dan dapat

dilakukan secara perseorangan maupun kelompok. Beberapa metode

peramalan yang digolongkan sebagai model kualitatif adalah sebagai

berikut:

1) Metode Delphi

2) Management estimate atau panel consensus

3) Riset pasar

4) Metode kelompok terstruktur (Structured group methods)

5) Analogi historis (Historical Analogy)

b. Metode Peramalan Kuantitatif (Statistical Method) Peramalan

kuantitatif yaitu peramalan yang didasarkan atas data kuantitatif

pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada

metode yang dipergunakan dalam peramalan tersebut. Dengan

metode yang berbeda akan diperoleh hasil peramalan yang berbeda.

Adapun yang perlu diperhatikan dari penggunaan metode tersebut

adalah baik tidaknya metode yang dipergunakan sangat ditentukan

oleh perbedaan atau penyimpangan antara hasil ramalan dengan

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

kenyataan yang terjadi. Peramalan kuantitatif hanya dapat digunakan

apabila terdapat tiga kondisi sebagai berikut:

1) Adanya informasi tentang keadaan yang lain

2) Informasi tersebut dapat dikuantifikasikan dalam bentuk data.

3) Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan

pada masa yang akan datang.

Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas

dua bagian, yaitu:

1) Metode Kausal

mengasumsikan faktor yang diperkirakan menunjukkan

adanya hubungan sebab akibat dengan satu atau beberapa variabel

bebas. Kegunaan dari metode ini adalah untuk menemukan

bentuk hubungan antara variabel-variabel tersebut dan

menggunakannya untuk meramalkan nilai dari variabel lainnya.

Beberapa metodenya adalah:

a. Regresi dan korelasi.

b. Model Ekonometrik

c. Metode Input-Output

2) Metode Time Series

adalah metode peramalan secara kuantitatif dengan

menggunakan waktu sebagai dasar peramalan. (Baroto. 2002. 27)

Metode peramalan didasarkan atas penggunaan analisa pola

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

hubungan antara variabel yang akan diperkirakan dengan variabel

waktu. Terdapat empat jenis pola permintaan, yaitu:

a) Pola Siklis (Cycle)

Pola data ini terjadi bila fluktuasi permintaan secara

jangka panjang membentuk pola sinusoid atau gelombang atau

siklus. Penjualan produk dapat memiliki siklus yang berulang

secara periodik. Banyak produk dipengaruhi pola pergerakan

aktivitas ekonomi yang terkadang memiliki kecenderungan

periodik. Metode peramalan yang sesuai adalah moving

average, weight moving average, dan eksponential smoothing.

b) Pola Musiman (Seasonal)

Pola data ini terjadi bila data yang kelihatannya

berfluktuasi, namun fluktuasi tersebut akan terlihat berulang

dalam suatu interval waktu tertentu. Disebut pola musiman

karena permintaan ini biasanya dipengaruhi oleh musim,

sehingga biasanya interval perulangan data ini adalah satu

tahun. Metode peramalan yang sesuai adalah metode winter,

moving average, atau weight moving average.

c) Pola Horizontal

Pola horisontal ada apabila nilai data berfluktuasi di

sekitar rata-rata yang konstan. Metode peramalan yang sesuai

adalah konstan.

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

d) Pola Trend

Pola data ini terjadi bila data permintaan menunjukkan

pola kecenderungan gerakan penurunan atau kenaikan jangka

panjang. Metode peramalan yang sesuai adalah regresi linear,

exponential smoothing, atau double exponential smoothing.

Gambar 2.1 Pola Data

Adapun metode peramalan yang termasuk model time series

adalah sebagai berikut :

a) Regresi

Data yang dibutuhkan untuk metode ini adalah tahunan, minimal

lima tahun. Namun, semakin banyak data yang dimiliki semakin

baik hasil yang diperoleh. Untuk peramalan jangka pendek dan

panjang, ketepatan peramalan dengan metode ini sangat baik

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

b) Smoothing

Digunakan untuk mengurangi ketidakteraturan musiman dari data

yang lalu, dengan membuat rata-rata tertimbang dari sederetan data

masa lalu. Ketepatan peramalan dengan metode ini akan terdapat

pada peramalan jangka pendek, sedangkan untuk peramalan jangka

panjang kurang akurat. Jenis metode smoothing adalah:

1) Metode Rata-rata Bergerak (Moving Average), terdiri atas:

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

Catatan: Notasi yang diberikan adalah MA (M x N) artinya M-

periode MA untuk S” dan N-periode MA untuk S‟

dengan: w1 = bobot yang diberikan pada periode t-1 w2 =

bobot yang diberikan pada periode t-2 wn = bobot yang diberikan

pada periode t-n n = jumlah periode

2) Metode Exponential Smoothing

Metode ini dipakai pada kondisi di mana bobot data pada periode

yang satu berbeda dengan data pada periode sebelumnya dengan

membentuk fungsi eksponensial yang biasa disebut dengan

exponential smoothing. Karakteristik smoothing dikendalikan

dengan menggunakan parameter smoothing α, yang bernilai antara 0

sampai dengan 1. Fungsi parameter ini adalah untuk memberikan

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

penekanan yang lebih terhadap data yang paling baru. Setiap

peramalan yang baru berdasarkan pada hasil peramalan sebelumnya

ditambah dengan suatu presentase perbedaan antara peramalan

dengan nilai aktualnya pada saat tersebut. Metode Exponential

Smoothing terdiri atas:

1.2.4 Kriteria Performansi Peramalan

Ukuran kesalahan (error) adalah besarnya penyimpangan antar

actual demand dengan hasil peramalan. Fungsi dari kriteria performansi

peramalan adalah:

a. Membandingkan ketepatan dua atau lebih metode yang berbeda.

b. Sebagai alat ukur apakah teknik yang diambil dapat dipercaya atau

tidak

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

c. Membantu mencari sebuah metode yang optimal.

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

reliastis. Ketepatan menjadi kriteria performansi suatu metode

peramalan dan dinyatakan sebagai kesalahan dalam peramalan.

Kesalahan yang kecil memberikan arti ketelitian peramalan yang tinggi,

dengan kata lain keakuratan hasil peramalan tinggi, begitu pula

sebaliknya.

Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara.

1.2.4.1 Mean Square Error (MSE)

MSE adalah metode yang mengevaluasi metode peramalan

dengan mengkuadratkan lalu dijumlahkan dan dibagi dengan jumlah

observasi. Pendekatan ini mengatur kesalahan peramalan yang besar

karena kesalahan-kesalahan itu dikuadratkan. MSE biasa disebut juga

galat peramalan (Gaspersz.2004). Rata-rata kesalahan kuadrat

memperkuat pengaruh angka-angka kesalahan besar, tetapi

memperkecil angka kesalahan prakiraan yang lebih kecil dari satu

unit.

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

1.2.4.2 Mean Absolute Deviation (MAD)

MAD mengukur ketepatan ramalan dengan merata-rata

kesalahan dugaan (nilai absolut masing-masing kesalahan). MAD

merupakan nilai total absolut dari forecast error dibagi dengan data.

Atau yang lebih mudah adalah nilai kumulatif absolute error dibagi

dengan periode. (Wright and Mc Gee.1993)

1.2.4.3 Mean Absolute Percentage Error (MAPE)

Rata-rata persentase kesalahan kuadrat merupakan pengukuran

ketelitian dengan cara persentase kesalahan absolut. MAPE

menunjukkan rata-rata kesalahan absolut prakiraan dalam bentuk

persentasenya terhadap data aktualnya. MAPE mengindikasi seberapa

besar kesalahan dalam meramal yang dibandingkan dengan nilai nyata

pada deret. Metode MAPE digunakan jika nikaiYt besar. MAPE juga

dapat digunakan untuk membandingkan ketepatan dari teknik yang

sama atau berbeda dalam dua deret yang sangat berbeda da mengukur

ketepatan nilai dugaan model yang dinyatakan dalam bentuk rata-rata

persentase absolut kesalahan.

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

1.2.5 Perencanaan Agregat

Perencanaan agregat yaitu suatu pendekatan yang dilakukan

perusahaan untuk menentukan kuantitas dan waktu produksi pada

jangka waktu menengah (biasanya antara tiga hingga 12 bulan ke

depan). Dalam perencanaan agregat, tidak dihasilkan rencana dalam

bentuk individual produk, melainkan dalam bentuk agregat produk

(keseluruhan).

Agar top management dapat memfokuskan seluruh tingkat

produksi tanpa harus rinci, maka perencanaan produksi dinyatakan

dalam kelompok produk atau famili (agregat). Satuan unit yang dipakai

dalam perencanaan produksi bervariasi tiap pabrik, hal ini bergantung

dari jenis produk seperti: ton, liter, kubik, jam mesin atau jam orang.

Jika satuan menit sudah ditetapkan maka faktor konversi harus

ditetapkan sebagai alat komunikasi antar departemen.

Tujuan perencanaan agregat adalah:

a. Mengatur strategi produksi.

b. Memproduksi sesuai permintaan pada waktu yang tepat.

c. Menentukan kebutuhan sumber daya yang meliputi tenaga kerja,

material, fasilitas, peralatan serta dana.

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

d. Menjadi langkah awal bagi aktivitas produksi yang digunakan

untuk penyusunan Jadwal Induk Produksi (JIP).

Perencanaan agregat menurut istilah agregat berarti

mengombinasikan sumber daya yang sesuai ke dalam jangka waktu

keseluruhan. Dengan prediksi permintaan, kapasitas fasilitas, tingkat

persediaan, ukuran tenaga kerja, dan input yang saling berhubungan,

perencana harus memilih tingkat output untuk sebuah fasilitas selama 3

hingga 12 bulan yang akan datang. Dalam perencanaan agregat, rencana

produksi tidak menguraikan per produk tetapi menyangkut berapa

banyak produk yang akan dihasilkan tanpa mempermasalahkan jenis

dan produk tersebut. Sebagai contoh pada perusahaan pembuat mobil,

hanya memperhitungkan berapa banyak mobil yang akan dibuat, tetapi

bukan berapa banyak mobil dua pintu atau empat pintu atau berapa

banyak mobil berwarna merah atau biru.

1.2.6 Teknik Perencanaan Agregat

Ada beberapa strategi yang dapat dilakukan untuk melakukan

perencanaan yaitu dengan melakukan manipulasi persediaan, laju

produksi, jumlah tenaga kerja, kapasitas atau variabel terkendali

lainnya. Jika perubahan dilakukan terhadap suatu variabel sehingga

terjadi perubahan laju produksi disebut sebagai strategi murni (pure

strategy). Sebaliknya, strategi gabungan (mixed strategy), merupakan

gabungan perubahan dua atau lebih strategi murni sehingga diperoleh

perencanaan produksi fleksibel.

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

1.2.7 Strategi Perencanaan Agregasi

a. Level Strategy (Level Work Force Plan)

Perubahan jumlah persediaan (atau produksi rata-rata,

leveled production). Pada strategi ini digunakan tingkat jumlah

tenaga kerja tetap. Jika suatu permintaan lebih dari produksi, maka

diambilkan dari persediaan. Kelebihan strategi ini adalah jumlah

tenaga kerja tetap, tidak ada lembur, tidak ada undertime.

Kelemahannya adalah diperlukan tambahan modal untuk

persediaan.

b. Chase strategy (Zero-Inventory Plan)

Pengubahan jumlah tenaga kerja untuk memenuhi target

produksi per periode. Jika tingkat produksi rendah dapat dilakukan

layoff tenaga kerja dan sebaliknya, jika tingkat produksi tinggi

dapat dilakukan hiring. Kelemahan dari strategi ini adalah

perusahaan harus mengeluarkan biaya rekruitasi dan layoff.

c. Subcontract

Subcontracting adalah suatu keputusan yang diambil oleh

perusahaan untuk meningkatkan kapasitas produksi dalam

memenuhi demand dengan cara bekerja sama dengan perusahaan

lain untuk membuatkan produk.

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

d. Mixed Plans (Mixed Strategy)

Merupakan gabungan perubahan dua atau lebih strategi

murni sehingga diperoleh perencanaan produksi fleksibel.

e. Transportation Models

Metoda ini merupakan kasus khusus dari program linear yang

dapat digunakan untuk menganalisis pengaruh dari persediaan dan

backorder dengan menggunakan lembur dan subkontrak

Perencanaan agregat selanjutnya digunakan untuk membuat jadwal

induk produksi (JIP).

1.2.8 Jadwal Induk Produksi

Jadwal induk produksi (JIP) adalah pernyataan produk akhir

yang akan diproduksi dalam bentuk jumlah dan waktu (Ginting,

Rosnani.2007). JIP adalah rencana tertulis yang menunjukkan apa dan

berapa bayak setiap produk (barang jadi) yang akan dibuat dalam

setiap periode untuk beberapa periode yang akan datang (Baroto,

Teguh. 2002. 101). JIP merupakan output disagregasi pada rencana

agregat. Empat fungsi penting dari JIP, yaitu:

a. Menjadwalkan produksi dan pembelian material untuk produk

(item).

b. Menjadikan masukan data sistem perencanaan kebutuhan

material. JIP dijabarkan menggunakan BOM untuk menentukan

jumlah kebutuhan komponen material dan perakitan sehingga JIP

dapat dipenuhi.

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

c. Sebagai dasar penentuan kebutuhan sumber daya, seperti tenaga

kerja, jam mesin, atau energi melalui perhitungan perencanaan

kapasitas kasar.

d. Sebagai dasar untuk menentukan janji pengiriman produk kepada

konsumen

Akibat-akibat bila JIP tidak disusun secara tepat (Baroto, Teguh.

2002.102), yaitu:

1.2.8.1 Produksi tidak sesuai permintaan.

Jumlah produksi terlalu banyak akan berisiko modal

tertanam pada persediaan karena persediaan akan menimbulkan

biaya untuk penanganan, listrik, dan lain-lain, serta risiko barang

menjadi rusak. Jika produksi kurang dari permintaan akan

mengakibatkan „stock out’.

1.2.8.2 Tidak optimalnya utilisasi kapasitas

Utilisasi (tingkat penggunaan) kapasitas yang baik adalah

80% kapasitas digunakan secara seragam (tidak naik turun) di

setiap produksi.

1.2.8.3 Keterlambatan waktu penyerahan

Keterlambatan waktu penyerehan akan menyebabkan

kekecewaan pada konsumen dan tidak menutup kemungkinan

akan berpindah kepada pesaing selain itu dapat membuat reputasi

perusahaan turun.

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

1.2.8.4 Beban produksi tidak merata

1.2.8.5 Beban kerja yang naik turun (tidak merata) setiap periode

mengakibatkan jumlah tenaga kerja yang diperlukan juga

1.3 Langkah Praktikum

Peramalan Permintaan

a. Membuat scatter diagram dari data historis permintaan

b. Menentukan metode peramalan yang sesuai dengan pola data

c. Melakukan perhitungan permalan

d. Memilih metode peramalan yang terbaik

Perencanaan Agregat

a. Mengumpulkan data mengenai variabel kapasitas yang terkait dalam

perencanaan agregat

b. Melakukan perhitungan kapasitas

c. Melakukan perhitungan agregat dengan metode Pure Strategy (Level

Strategy, Chase Strategy, dan Subcontreact Strategy), dan Mix Strategy.

d. Menyusun jadwal induk produksi (JIP)

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

DAFTAR PUSTAKA
Biegel, John E. 1992. Pengendalian Produksi Suatu Pendekatan Kuantitatif.
Jakarta: Akademika Pressindo.

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

Baroto, Teguh. 2002. Perencanaan dan Pengendalian Produksi. Jakarta: Ghalia

Indonesia.

David D. Bedworth & James E. Bailey, Integrated Production and Control

Systems (United States of America : John Willey & Sams, 1987)

T. Hani Handoko, Manajemen Personalia dan Sumberdaya Manusia (Yogyakarta :

Penerbit BPFE, 2000)

Makridarkis S. Wheel Wright dan Mc Gee, Metode dan Aplikasi Peramalan

(Jakarta : Airlangga, 1993)

Vincent Gaspersz, Production Planning and Inventory Control (Jakarta : PT.

Gramedia Pustaka Utama, 2004)

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

1.4 Studi Kasus

Perusahaan PTI 3 adalah perusahaan yang bergerak dalam bidang produksi

mainan mobil Tamiya. Perusahaan ini ingin melakukan perencanaan

produksi untuk satu tahun kedepan, maka dari itu praktikan diminta untuk

melakukan peramalan permintaan dan perencanaan produksi agregat dari

mobil Tamiya ini, berikut adalah data yang diperlukan untuk melakukan

peramalan dan perencanaan agregat.

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

1. Data historis permintaan Tamiya

Periode Permintaan
Januari 2014 1150
Februari 2014 930
Maret 1040
April 860
Mei 1280
Juni 900
Juli 1280
Agustus 800
September 1180
Oktober 1090
November 860
Desember 990
Januari 2015 1270
Februari 2015 1180
Maret 960
April 1020
Mei 1350
Juni 1090
Juli 910
Agustus 1320
September 980
Oktober 1250
November 1180
Desember 1000

2. Data kapasitas produksi (waktu kerja)

jumlah karyawan : 10 orang

jam kerja : 7 jam / hari
waktu proses produksi / unit : 10 unit / jam
Tabel 4.2 Jumlah Hari Kerja Tahun 2015

Bulan Hari
Januari 2015 25
Februari 2015 24
Maret 2015 25
April 2015 24

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

Mei 2015 25
Juni 2015 24
Juli 2015 25
Agustus 2015 24
September 2015 24
Oktober 2015 25
November 2015 24
Desember 2015 25

3. Data biaya produksi

a. Opportunity cost : Rp. 150.000

b. Hiring cost : Rp. 250.000

c. Firing cost : Rp. 500.000

d. Subcontract : Rp. 120.000

e. Reguler cost : Rp. 100.000

f. Overtime : Rp. 50.000 / unit / orang

g. Inventory Cost : Rp. 10.000 / unit

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

4) Pembuatan Laporan
Laporan ini memuat isi sebagai berikut :
I. BAB I PENDAHULUAN
1.1 Latar Belakang
1.2 Batasan Masalah
1.3 Tujuan Praktikum
1.4 Metode Pengambilan Data
II. BAB II TINJAUAN PUSTAKA
(Teori-teori yang berkaitan dengan Perencanaan Agregat)
III. BAB III PENGOLAHAN DATA
3.1. Pengumpulan Data
3.2. Pengolahan Data
IV. BAB IV ANALISIS DAN PEMBAHASAN
Karakteristik perusahan yang cocok diterapkan pada setiap strategi
Perencanaan Agregat.
V. BAB V PENUTUP
5.1 Kesimpulan
5.2 Saran

DAFTAR PUSTAKA

FORECASTING & AGREGAT PLANNING

NAMA/STB
 LABORATORIUM SISTEM MANUFAKTUR
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

LEMBAR ASISTENSI
Modul :
Nama :
Kelompok :

No Tanggal Keterangan Tanda Tangan

FORECASTING & AGREGAT PLANNING

NAMA/STB