Laporan lapres

P R A K T I K U M

SISTEM PRODUKSI

TAHUN AKADEMIK 2014/2015

SISPRO 02

BOM DAN RENCANA PERAMALAN

Disusun oleh:

Kelompok 14

Moh. Kholidul Imam (12.04.2.1.1.00043)

Malinda Diah Agustin (12.04.2.1.1.00101)

Dyan Shofia Pratiwi (12.04.2.1.1.00104)

Andi Maulana Amin (12.04.2.1.1.00105)

Asisten:

Haris Agung Wicaksono (11.04.2.1.1.00048)

LABORATORIUM SISTEM MANUFAKTUR

PRODI TEKNIK INDUSTRI

FAKULTAS TEKNIK

UNIVERSITAS TRUNOJOYO

2015

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Sebelum melakukan sebuah produksi perusahaan harus melakukan

perancangan produk terlebih dahulu. Tidak hanya melakuakn perancangan namun

pada proses produksi diperlukan juga sebuah metode peramalan guna

mempermudah perusahaan untuk melakukan prediksi dalam menentukan berapa

banyak produk yang akan dibuat. Perancangan dan peramalan dilakukan guna

meminimalisasi kerugian dan mengoptimalkan keuntungan dari sebuah system

produksi. Telah diketahui bahwa banyak metode peramalan yang berkembang

seiring kemajuan zaman. Manusia telah mulai memikirkan bagaimana sebuah

system produksi mampu berjalan secara seimbang. Memproduksi sesuai kapasitas

dengan mempertimbangkan kebutuhan sehingga tidak menghasilkan biaya

inventori yang besar.

Dalam perancangan produk kita mengenal istilah Bill Of Material (BOM).

Pengertian dari BOM adalah sebuah bagan atau bisa juga dalam bentuk tabel yang

terdiri dari daftar  item, bahan, atau material  yang  dibutuhkan  untuk merakit,

mencampur  atau memproduksi  sebuah produk. BOM  dibuat  sebagai  bagian 

dari  proses  desain  dan  digunakan  oleh  manufacturing engineer  untuk 

menentukan  item  yang  harus  dibeli  atau  dibuat (make or buy).  Perencanaan

pengendalian produksi dan persediaan menggunakan BOM yang d-hubungkan

dengan master  production  schedule,  untuk  menentukan  release  item  yang 

dibeli  atau diproduksi. Upaya untuk meminimalisasi kerugian juga bisa dilakukan

dengan forecasting atau peramalan mengenai sesuatu yang belum terjadi pada

waktu yang akan datang. Forecasting bertujuan agar forecast yang dibuat dapat

meminimumkan pengaruh ketidakpastian terhadap perusahaan atau

meminimumkan kesalahan meramal (forecast error) yang biasanya diukur dengan

Mean Square Error (MSE), Mean Absolute Error (MAE) .

Pada praktikum system produksi ini praktikan akan belajar mengenai

BOM dan forecasting dengan melakukan simulasi pada PT.Prodi yang memiliki 2

pabrik yang teetak dilab MI dan lab sisman. Pada pabrik yang terletak dilab

sisman memproduksi tamiya jenis A dan herley . Sedangkan untuk pabrik yang

terletak di lab MI memproduksi tamiya jenis B. praktikan akan membuat BOM

dari masing-masin produk, kemudian melakukan forecasting dengan data historis

yang sudah diberikan.

1.2 Tujuan

Setelah mengikuti praktikum sistem produksi modul 02 (Kasus BOM) ini

praktikan diharapkan mampu :

1. Mampu mengidentifikasi komponen yang menyusun produk

2. Memahami dan mampu membuat BOM (Bill Of Material)

3. Mampu menghitung jumlah komponen yang dibutuhkan untuk 1 unit produk

4. Memahami kapan kita harus membuat atau membeli komponen

5. Memahami jenis material yang diperlukan untuk membuat BOM

Secara umum, dari praktikum ini untuk pembahasan peramalan

permintaan pasar praktikan diharapkan:

1. Memahami dan mampu menggunakan kriteria pemilihan metode

peramalan permintaan pasar;

2. Memahami dan mampu menggunakan metode-metode peramalan untuk

memprediksi permintaan pasar;

3. Memahami dan mampu mengevaluasi performansi metode peramalan

permintaan pasar;

4. Mampu menginterpretasikan hasil peramalan permintaan pasar.

Secara khusus, dari praktikum ini untuk pembahasan peramalan

permintaan pasar praktikan diharapkan:

Memahami dan mampu membuat peramalan permintaan pasar sebagai dasar

perencanaan produksi dengan benar;

1. Memahami dan mampu mengintepretasikan hasil peramalan dengan

benar;

2. Mampu menggunakan alat bantu komputer untuk melakukan peramalan

permintaan pasar sebagai dasar perencanaan produksi.

1.3 Flowchart Pengolahan Data

Gambar 2.1.1 Flowchart

Sumber: Modul 02 sistem produksi

BAB II

PENGOLAHAN DATA

2.1 BOM

Bill of Material atau yang biasa disebut dengan daftar material atau juga

disebut struktur produk adalah suatu daftar baik berupa bagan atau tabel yang

memuat material apa saja yang dibutuhkan untuk peakitan atau pembuatan produk

akhir. (Astana, 2007)

Dibawah ini merupakan BOM bagan dan BOM tabel :

2.1.1 BOM BAGAN

BOM bagan dibuat guna mengetahui komponen produk, make or buy dan

level dari komponen yang dirakit pada sebuah produk dibawah ini merupakan

BOM dari produk tamiya dan Harley :

a. BOM BAGAN TAMIYA

Gambar 2.2.2 Bill Of Material Tamiya

b. BOM BAGAN HERLEY

Gambar 2.2.3 Bill Of Material Herley

2.1.2 BOM TABEL

a. BOM Tabel Tamiya

Tabel 2.2.1 Bill Of Material Tamiya

b. BOM Tabel Herley

Berikut ini adalah merupakan bill of material tabel dari produk herley :

Tabel 2.2.2 Bill Of Material Herley

2.2 Pre-Processing Data Penjualan Data

Pre-processing data merupakan penyelesaian data missing . Dibawah ini

merupakan hasil dari proses pre processing data dari masing-masing produk

disetiap kota yang diproduksi oleh PT. Prodi:

2.2.1 Pre-Processing Data Penjualan Data Tamiya A

Dari hasil pre-processing data penjualan data tamiya A dalam

menyelesaikan permasalahan missing data dengan menggunakan prosedur

statistic. Dibawah ini merupakan hasil pre-processing data penjualan data tamiya

A:

Tabel 2.2.3 Hasil Pre-Processing Data Penjualan Data Tamiya A

2.2.2 Pre-Processing Data Penjualan Data Tamiya B

Dari hasil pre-processing data penjualan data tamiya B dalam

menyelesaikan permasalahan missing data dengan menggunakan prosedur

statistik. Dibawah ini merupakan hasil pre-processing data penjualan data tamiya

B:

Tabel 2.2.4 Hasil Pre-Processing Data Penjualan Data Tamiya B

2.2.3 Pre-Processing Data Penjualan Data Harley

Dari hasil pre-processing data penjualan data produk harley dalam

menyelesaikan permasalahan missing data dengan menggunakan prosedur

statistic. Dibawah ini merupakan hasil pre-processing data penjualan data produk

harley:

Tabel 2.2.5 Hasil Pre-Processing Data Penjualan Data Harley

2.3 Agregasi Data Penjualan Setiap Jenis Produk Selama Periode T

Dalam sebuah teknik peramalan kita mengenal istilah agregasi. Dimana

menggabungkan duaspesifikasi produk yang sama jenisnya. Dibawah ini

merupakan hasil agregasi dari produk tamiya A dan tamiya B:

Tabel 2.2.6 Hasil Agregasi Produk Tamiya

2.4 Pemetaan Dan Penentuan Pola Data Penjualan Untuk Setiap Jenis

Produk

2.4.1 Pola Data Penjualan Untuk Setiap Jenis Produk Tamiya

a. Bangkalan

Dibawah ini merupakan pola data dari data historis produk tamiya dikota

Bangkalan:

Gambar 2.2.4 pola data historis produk tamiya di kota Bangkalan

b. Sampang

Dibawah ini merupakan pola data dari data historis produk tamiya dikota

Sampang:

Gambar 2.2.5 pola data historis produk tamiya di kota Sampang

c. Pamekasan

Dibawah ini merupakan pola data dari data historis produk tamiya dikota

Pamekasan:

Gambar 2.2.6 pola data historis produk tamiya di kota Pamekasan

d. Sumenep

Dibawah ini merupakan pola data dari data historis produk tamiya dikota

Sumenep:

Gambar 2.2.7 pola data historis produk tamiya di kota Sumenep

2.4.2 Pola Data Penjualan Untuk Setiap Jenis Produk Harley

a. Bangkalan

Dibawah ini merupakan pola data dari data historis produk harley dikota

Bangkalan:

Gambar 2.2.8 pola data historis produk harley di kota Bangkalan

b. Sampang

Dibawah ini merupakan pola data dari data historis produk harley dikota

Sampang:

Gambar 2.2.9 pola data historis produk harley di kota Sampang

c. Pamekasan

Dibawah ini merupakan pola data dari data historis produk harley

dikota Pamekasan:

Gambar 2.2.10 pola data historis produk harley di kota Pamekasan

d. Sumenep

Dibawah ini merupakan pola data dari data historis produk harley

dikota Sumenep:

Gambar 2.2.11 pola data historis produk harley di kota Sumenep

2.5 Pemilihan Metode Peramalan Yang Akan Digunakan Untuk Setiap

Produk

Peramalan adalah suatu perkiraan tentang apa yang akan terjadi pada masa

yang akan datang dimana salah satu caranya yaitu dengan menggunakan data

historis. (Tanuwijaya, 2010)

2.5.1 Pemilihan Metode Peramalan Yang Akan Digunakan Untuk Setiap

Produk Tamiya

a. Bangkalan

1. Metode Sample Moving Average

Tabel 2.2.7 Metode Sample Moving Average Produk Tamiya

2. Metode Exponensial Smoothing

Tabel 2.2.8 Metode Exponensial Smoothing produk tamiya di Bangkalan

3. Metode Trend

Tabel 2.2.9 Metode trend produk tamiya di Bangkalan

b. Sampang

1. Metode Sample Moving Average

Tabel 2.2.10 Metode Sample Moving Average Produk Tamiya Sampang

2. Metode Eksponential Smoothing

Tabel 2.2.11 Metode exponensial smoothing Produk Tamiya Sampang

3.Metode Trend

Tabel 2.2.12 Metode trend Produk Tamiya Sampang

c. Pamekasan

1. Metode Sample Moving Average

Tabel 2.2.13 Metode Sample Moving Average Produk Tamiya Pamekasan

2. Metode Exponensial Smoothing

Tabel 2.2.14 Metode Eksponensial Smoothing Produk Tamiya Pamekasan

3. Metode Trend

Tabel 2.2.15 Metode Trend Produk Tamiya Pamekasan

d. Sumenep

1. Metode Sample Moving Average

Tabel 2.2.16 Metode Sample Moving Average Produk Tamiya Sumenep

2. Metode Eksponensial Smoothing

Tabel 2.2.17 Metode Eksponensial Smoothing Produk Tamiya Sumenep

3. Metode Trend

Tabel 2.2.18 Metode Trend Produk Tamiya Sumenep

2.5.2 Pemilihan Metode Peramalan Yang Akan Digunakan Untuk Setiap

Produk Harley

a. Bangkalan

1. Metode Simple Moving Average

Tabel 2.2.19 simple moving average produk Harley Bangkalan

2. Metode Eksponential Smoothing

Tabel 2.2.20 Eksponential Smoothing produk Harley Bangkalan

3. Metode Tren

Tabel 2.2.21 Metode Tren produk Harley Bangkalan

b. Sampang

1. Metode Simple Moving Average

Tabel 2.2.22 simple moving average produk Harley Sampang

2. Eksponential Smoothing

Tabel 2.2.23 Eksponential Smoothing produk Harley Sampang

3. Metode Trend

Tabel 2.2.24 Metode Trend produk Harley Sampang

c. Pamekasan

1. Metode Sample Moving Average

Tabel 2.2.25 simple moving average produk Harley Pamekasan

2.Metode Eksponential Smoothing

Tabel 2.2.26 Eksponential Smoothing produk Harley Pamekasan

3. Metode Trend

Tabel 2.2.27 Metode Trend produk Harley Pamekasan

4. Sumenep

1. Metode Sample Moving Average

Tabel 2.2.28 simple moving average produk Harley Sumenep

2. Metode Eksponential Smoothing

Tabel 2.2.29 Eksponential Smoothing produk Harley Sumenep

3. Metode Trend

Tabel 2.2.30 Metode Trend produk Harley Sumenep

2.6 Perhitungan Galat Setiap Metode Peramalan Yg Digunakan Per Jenis

Produk

1. Perhitungan Manual untuk metode Simple Moving Average

Berikut adalah perhitungan manual dari MAD, MSE, MAPE dan SEE

teknik peramalan Single Moving Average:

a. Perhitungan MAD Harley kota Bangkalan

MAD =

MAD =

MAD = 392,98

Tabel 2.2.31 Rekapan hasil perhitungan MAD

b. Perhitungan MSE Harley dikota Bangkalan

MSE =

MSE =

MSE = 224373,25

Tabel 2.2.32 Rekapan hasil perhitungan MSE

c. Perhitungan MAPE Harley dikota Bangkalan

MAPE =

MAPE =

MAPE = 0,50

Tabel 2.2.33 Rekapan hasil perhitungan MAPE

d. Perhitungan SEE

SEE =

SEE =

SEE = 989,49

Tabel 2.2.34 Rekapan hasil perhitungan SEE

2. Perhitungan Manual untuk metode Exponensial Smoothing

a. Perhitungan MAD Harley dikota Bangkalan

*f = 1, karena pola data konstan

MAD =

MAD =

MAD = 173,70

Tabel 2.2.35 Rekapan perhitungan MAD metode Exponensial Smoothing

b. Perhitungan MSE

MSE =

MSE =

MSE = 47131,47496

Tabel 2.2.36 Rekapan perhitungan MSE metode Exponensial Smoothing

c. Perhitungan MAPE

MAPE =

MAPE =

MAPE = 0,08930

Tabel 2.2.37 Rekapan perhitungan MAPE metode Exponensial Smoothing

d. Perhitungan SEE

SEE =

SEE =

SEE = 217,097

Tabel 2.2.38 Rekapan perhitungan SEE metode Exponensial Smoothing

3. Perhitungan Manual untuk metode Trend

a. Perhitungan MAD Harley kota Bangkalan

MAD =

MAD =

MAD = 3599,580

Tabel 2.2.39 Rekapan hasil perhitungan MAD

b. Perhitungan MSE Harley dikota Bangkalan

MSE =

MSE =

MSE = 13289577,87

Tabel 2.2.40 Rekapan hasil perhitungan MSE

c. Perhitungan MAPE Harley dikota Bangkalan

MAPE =

MAPE =

MAPE = 3,9389

Tabel 2.2.41 Rekapan hasil perhitungan MAPE

d. Perhitungan SEE

SEE =

SEE =

SEE = 3684,06499

Tabel 2.2.42 Rekapan hasil perhitungan SEE

2.6 Verifikasi Hasil Peramalan Produk dan Pemilihan Metode Peramalan

Yang Paling Tepat Untuk Setiap Jenis Produk

Berdasarkan hasil peramalan dengan menggunakan 5 metode yaitu metode

simple moving average, exponensial smoothing 0,1, exponensial smoothing 0,2,

exponensial smoothing 0,3 dan metode tren maka dapat dihasilkan sebuah metode

terbaik dengan melihat rankaian tabel dibawah ini:

a. Produk Harley

Tabel 2.2.43 Rekapan hasil perhitungan 5 metode produk harley

*f = 1, karena pola data konstan

b. Produk Tamiya

Tabel 2.2.44 Rekapan hasil perhitungan 5 metode produk tamiya

2.7 Peramalan Penjualan Menggunakan Metode Yang Dipilih Per Jenis

Produk

Dibawah ini merupakan hasil peramalan dari tiap kota dipulau

Madura dengan metode peramalan yang terpilih dari masing-masing produk

yaitu produk tamiya A, tamiya B, dan Harley:

a. Peramalan penjualan di kabupaten Bangkalan

Tabel 2.2.45 peramalan di bangkalan

b. Peramalan penjualan di kabupaten Sampang

Tabel 2.2.46 peramalan di sampang

c. Peramalan penjualan di kabupaten Pamekasan

Tabel 2.2.47 peramalan di pamekasan

d. Peramalan penjualan di kabupaten Sumenep

Tabel 2.2.48 peramalan disumenep

BAB III

ANALISIS

3.1. Perencanaan Proses

Dari pembuatan BOM untuk Tamiya dan Harley diperoleh informasi kurang

lebihnya sebagai berikut:

a. Tamiya

Untuk membuat satu unit produk tamiya membutuhkan 28 jenis komponen

dimana keduapuluh delapan komponen tersebut diperoleh dari membeli (buy)

dengan jumlah total komponen ada 49 komponen penyusun.

b. Harley

Untuk membuat satu unit harley membutuhkan 28 jenis komponen serta

ditambah satu yaitu perekatnya atau lem. Dimana keduapuluh komponen

tersebut dibuat sendiri (make) sedangkan hanya satu yang dibeli (buy) yaitu lem

sebagai perekatnya.

3.2. Analisis pre-processing data (Missing Data)

Pada pre-processing data dilakukan pengisian data yang missing dengan

menggunakan bantuan software SPSS dan yang digunakan untuk mengisi data

missing tersebut diperoleh dari hasil rata-rata dari data satu golongan.

3.3. Analisis agregasi/diagregasi data penjualan produk A, B, dan C di 4 wilayah

penjualan

Setelah dilakukan agregasi produk tamiya A dan B maka diperoleh bahwa data yang

akan dijadikan data historis untuk peramalan adalah hasil agregasinya yaitu dengan

menjumlahkan data historis tiap produk dalam satuan unit dengan harga jualnya. Hal

tersebut dilakukan karena kedua produk tersebut jenisnya sama selain itu juga

dikarenakan peredaran uang pada setiap daerah amatan berbeda signifikan.

3.4. Analisis pola data penjualan setiap jenis produk yang telah diagregasikan

antar 4 wilayah penjualan

Berdasarkan data hasil agregasi yang telah dibuat grafiknya diperoleh bahwa grafik

data hasil agregasinya memiliki pola data trend karena terus mengalami peningkatan

sepanjang waktunya. Sehingga pola data tersebut akan mempengaruhi pemilihan

metode peramalan yang akan dilakukan.

3.5. Analisis metode-metode peramalan yang digunakan

Karena diketahui bahwa pola data historisnya meunjukkan pola data trend maka

metode yang digunakan untuk meramalkan penjualan kali ini adalah metode

peramalan untuk pola data trend yaitu metode moving average (ma), eksponensial

smothing (es 0,1) , eksponensial smothing (es 0,2), eksponensial smothing (es 0,3)

trend, moving average 3 dan moving average 5.

3.6. Analisis metode peramalan yang dipilih untuk setiap jenis produk

Berdasarkan hasil peramalan diperoleh data nilai dari alternatif galat yang sudah

dihitung yaitu SEE, MSE, MAPE , MAD serta yang lolos verifikasi metode yang

terpilih untuk produk tamiya diseluruh tempat adalah eksponensial smothing (es 0,3)

karena seluruh nilai galatnya terendah dan lolos verifikasi , sedangkan untuk produk

Harley yang memiliki galat terkecil dan lolos verifikasi adalah metode exponensial

smoothing 0,3 didaerah sampan, pamekasan dan sumenep . Sedangkan untuk

wilayah bangkalan yang terpilih adalah metode moving average 3.

3.7. Analisis hasil peramalan

Dari hasil peramalan yang didapatkan dengan menggunakan metode eksponensial

smothing (es 0,3) adalah data yang selalu meningkat sepanjang waktunya sehinggga

hasil peramalannya juga berpola trend hal tersebut berlaku untuk keempat daerah

amatan.sedangkan untuk Harley menggunakan metode simple moving average

memiliki jumlah unit peramalan yang lebih kostan.

3.8. Analisis perbandingan ketepatan penggunaan data penjualan atau data

produksi untuk peramalan permintaan produk di masa yang akan datang

Ketepatan hasil peramalan bila dibandingkan dengan kenyataan bisa saja lebih tinggi

atau lebih rendah hal tersebut dikarenakan ada beberapa faktor yang mempengaruhi

yang tidak dapat dikontrol, dalam hal ini salah satu prediksi ketidaksesuaian ramalan

dengan kenyataan adalah tingkat kesalahannya masih tinggi.

3.9. Analisis pengaruh kesalahan peramalan terhadap kegiatan produksi dan solusi

yang diperlukan untuk penangannya,

a. Jika peramalan lebih besar daripada kenyataan

Akan membenani perusahaan karena bila hasil peramalan direalisasikan

maka akan terjadi inventory yang hal tersebut berdampak pada cost yang

ditanggung oleh perusahaan. Penanganannya adalah dengan menerapkan

metode just in time.

b. Jika peramalan lebih kecil daripada kenyataan

Akan memberikan kesempatan bagi pesaing untuk merebut pangsa pasar

perusahaan karena order customer tidak terpenuhi. Penangannya adalah

dengan melempar ke perusahaan lain sejenis yang sudah bekerja sama

dengan perusahaan sebelumya (outsourcing)

3.10. Analisis keterkaitan Modul Peramalan Permintaan dengan modul lainnya

Modul peramalan akan mempengaruhi pada modul yang lainnya mugkin mengenai

kebutuhan materialnya, jadwal produksinya, proses produksinya atau yang

lainnya.

BAB IV

KESIMPULAN DAN SARAN

4.1. Kesimpulan

Berdasarkan hasil praktikum sistem produksi modul 2 dapat ditarik beberapa

kesimpulan diantaranya adalah:

1. Untuk membuat satu produk tamiya membuthkan 28 jenis komponen

begitupula dengan harley juga membutuhkan 28 jenis komponen penyusun

produk.

2. Setelah dilakukan ploting data yang sudah diagregasi yaitu data tamiya A

dan tamiya B diperoleh bahwa pola datanya adalah trend karen menigkat

sepanjang waktunya.

3. Setelah diketahui pola datanya kemudian dilakukan peramalan dengan

menggunakan metode- metode peramalan yang sudah diketahui diperoleh

bahwa metode terbaik adalah es 0,3 karena tingkat erornya teredah untuk

produk tamiya dikeempat daerah serta produk Harley didaerah sampan,

pamekasan dan sumenep sedangankan untuk produk Harley didaerah

bangkalan metode terbaik yang terpilih adalah moving average 3.

4. Untuk peramalan menggunalkan sistem dipertakan tiap kota dengan

masing-masing kota dijual tiga jenis produk Harley, tamiya a dan tamiya B

yang sudah dihitung sesuai dengan data peramalan dari metode terbaik

yang terpilih dengan syarat memiliki tingkan eror palin kecil dan data

harus lolos verifikasi.

4.1. Saran

Saran untuk pelaksanaan praktikum yang sejenis dengan praktikum kali ini

adalah sebagai berikut:

1. Sebaiknya lebih diperbanyak referensi tentang peramalan.

2. Sebaiknya lebih diperbanyak juga metode yang digunakan siapa tahu ada

metode lain yang dapat menurunkan nilai errornya.

DAFTAR PUSTAKA

Astana, I. N. (2007). Perencanaan Persediaan Bahan Baku Berdasarkan Metode MRP.

Jurnal Ilmiah Teknik Sipil , Vol. 11 No. 2, Hal. 184 - 194.

Tanuwijaya, H. (2010). Penerapan Metode Winter's Exponential Smoothing dan Single

Moving Average Dalam Sistem Informasi Pengadaan Obat Rumah Sakit. Prosiding

SEMNAS Manajemen Teknologi XI , Hal. C-12-1 - C-12.10.