-
TUGAS AKHIR
MANAJEMEN OPERASI
Optimalisasi Perencanaan Agregat Produksi Pedialyte
PT. Abbot Indonesia Pada Tahun 2008
Menggunakan Metode Transportasi
Dosen : Henry Yuliando, STP., MM., M.Agr., Ph.D
Oleh :
Dawud Gede Wicaksono (12/343653/PEK/18069)
Reguler 33 JKT
PROGRAM STUDI MAGISTER MANAJEMEN FAKULTAS EKONOMIKA DAN BISNIS
UNIVERSITAS GADJAH MADA 2013
-
TUGAS AKHIR
MANAJEMEN OPERASI
Optimalisasi Perencanaan Agregat Produksi Pedialyte
PT. Abbot Indonesia Pada Tahun 2008
Menggunakan Metode Transportasi
Dosen : Henry Yuliando, STP., MM., M.Agr., Ph.D
Oleh :
Dawud Gede Wicaksono (12/343653/PEK/18069)
Reguler 33 JKT
PROGRAM STUDI MAGISTER MANAJEMEN FAKULTAS EKONOMIKA DAN BISNIS
UNIVERSITAS GADJAH MADA 2013
-
HALAMAN PERNYATAAN PENULIS
Karya tulis ini bersumber pada skripsi Sdr. Izhar Frestia , Jurusan Teknik Industri, Universitas
Gunadarma tahun 2008 yang berjudul :
PERENCANAAN PRODUKSI PEDIALYTE PADA PT. ABBOT INDONESIA DENGAN
MENGGUNAKAN METODE PURE STRATEGY DAN MIXED STRATEGY
Sumber digunakan sebagai acuan data sekunder yang dianalisis menggunakan pendekatan
yang berbeda pada studi kasus yang sama. Ringkasan sumber diikutsertakan dalam halaman lampiran.
Nama : DAWUD GEDE WICAKSONO D.
NPM : 12/343653/PEK/18069
Tanggal : 26 Juni 2013
Tanda tangan :
-
Pendahuluan
Seorang manajer harus selalu mempertimbangkan berbagai parameter dalam setiap
pengambilan keputusan. Perencanaan adalah salah satu alat bantu dalam pengambilan keputusan.
Perencanaan yang baik dapat memaksimalkan hasil output ditengah keterbatasan sumber daya yang
dimiliki dengan penggunaan faktor-faktor produksi seefisien mungkin. Perencanaan yang baik dapat
meminimalkan kesalahan yang mungkin timbul di tahap implementasi di kemudian hari.
PT. Abbot Indonesia didirikan pada tahun 1971. Perusahaan afiliasi Abbot Laboratories di
Indonesia menawarkan berbagai produk perawatan kesehatan baik dalam produk nutrisi, farmasi, dan
peralatan medis. Salah satu dari jajaran produk Abbot adalah Pedialyte, solusi alternatif pengganti
cairan tubuh yang dijual di Indonesia. Sebagai perusahaan manufaktur obat, mutlak diperlukan proses
perencanaan produksi yang baik, mulai dari prediksi jumlah permintaan produk, manajemen inventori,
dan perencanaan agregat produksi yang mencakup didalamnya jumlah tenaga kerja, bahan mentah, dan
modal agar perusahaan mampu memproduksi dengan seefisien mungkin.
Tulisan ini bersumber pada skripsi Sdr. Izhar Frestia yang berjudul PERENCANAAN
PRODUKSI PEDIALYTE PADA PT. ABBOT INDONESIA DENGAN MENGGUNAKAN METODE
PURE STRATEGY DAN MIXED STRATEGY. Sumber digunakan sebagai acuan data sekunder dari
produksi Pedialyte pada tahun 2007 oleh PT. Abbot Indonesia untuk merencanakan agregat produksi
pada tahun 2008.
Adapun proses penelitian yang dilakukan adalah peramalan produksi untuk tahun 2008,
penentuan besar safety stock persedian pedialyte berdasarkan service level, dan terakhir perencanaan
agregat produksi. Metode yang digunakan pada peramalan adalah Weighted Moving Average,
Exponential Smoothing, Exponential Smoothing w/ Trend Adjustment yang nantinya dipilih
berdasarkan tingkat kesalahan terkecil dari uji Mean Absolute Percent Error (MAPE). Adapun metode
untuk perencanaan agregat produksi, yakni level strategy, chase strategy, dan metode transportasi akan
dibandingkan berdasarkan penggunaan biaya terkecil.
Tinjauan Pustaka
Peramalan
Menurut Heizer dan Render, peramalan adalah seni dan ilmu untuk memperkirakan kejadian
di masa depan. Suatu perusahaan menggunakan beberapa tipe peramalan untuk memperkirakan
perencanaan operasi di masa depan. Salah satunya adalah peramalan tingkat permintaan satu atau lebih
produk selama beberapa periode mendatang yang berimplikasi pada kapasitas produksi, sistem
penjadwalan, dan perencanaan tenaga kerja. Peramalan ini sangat penting karena menyangkut biaya
produksi yang dikeluarkan, jumlah produk yang dihasilkan, dan jumlah personil yang dibutuhkan.
Sehingga bila tidak tepat dapat berimplikasi kerugian bagi perusahaan.
Pendekatan dalam peramalan dapat dilakukan dengan dua analisis, kualitatif dan kuantitatif.
Karena data penelitian adalah data historis, maka pendekatan yang dipakai kuantitatif. Analisis
kuantitatif dilakukan melalui model matematika time-series dan asosiatif. Data historis produksi
pedialyte tidak menunjukkan kecenderungan peningkatan produksi, tetapi variasi musiman,
maka model matematis yang digunakan adalah time-series, karena bila menggunakan asosiatif
(regresi dan proyeksi trend), maka asumsi produksi akan selalu meningkat pada tahun-tahun
-
berikutnya, sedangkan data yang dimiliki hanyalah data 1 tahun saja dan tidak menunjukkan
peningkatan produksi menjelang akhir tahun 2007. Model matematika yang dipakai dalam peramalan
ini adalah time-series, dengan menggunakan metode :
Weighted Moving Averages (WMA)
Exponential smoothing (ES)
Exponential Smoothing w/ Trend Projection (TP)
Pada metode simple moving averages, peramalan menggunakan sejumlah data aktual
permintaan untuk menghasilkan hasil peramalan untuk permintaan dimasa yang akan datang. Model ini
efektif diterapkan apabila permintaan diasumsikan stabil sepanjang waktu. Asumsi permintaan
untuk produk tertentu tidaklah stabil sepanjang waktu, akan tetapi permintaan untuk periode
berikutnya terkadang sama dengan periode sebelumnya. Oleh karena itu, bobot nilai permintaan terbaru
seharusnya lebih mempengaruhi peramalan berikutnya dibandingkan data 2,3,4 bulan sebelumnya.,
atau yang dikenal dengan weighted moving averages, metode ini menggunakan rumus sbb :
bobot
n)-ke periode pada permintaan (bobot x
WMA ............................................................... (1)
Metode kedua yang dipakai untuk memprediksi permintaan adalah exponential smoothing,
yang juga memperhitungkan bobot dari data lampau dan terkini. Rumus ES sbb:
Peramalan baru (ES) = )1-n
Peramalan - 1-n
aktualn (Permintaa 1-n
Peramalan ............ (2)
Pada metode ES, bila permintaan aktual periode sebelumnya lebih kecil dari peramalan, maka
akan menurunkan hasil ramalan untuk periode berikutnya, dan berlaku pula sebaliknya. Nila berada
pada rentang 0.05 0.5, dimana bila rendah memberikan bobot lebih untuk data lampau, dan bila tinggi
memberikan bobot lebih pada data terbaru. Kedua metode diatas efektif untuk meminimalkan fluktuasi
data, akan tetapi tidak sensitif terhadap perubahan data riil, atau selalu tertinggal (lag) ketika
meramalkan nilai tinggi dan rendah sehingga tidak mampu merespon terhadap perubahan trend
permintaan. Oleh karena itu diperlukan sedikit penyesuaian trend permintaan seperti pada rumus
berikut :
Peramalan barun (ES) = )11)(1()1( nTrendnPeramalannAktual
1)1()
1(
nTrend
nTrend
nPeramalan
nPeramalan ................... (3)
Kedua nilai dan merupakan bobot nilai yang sama dengan pada metode ES diatas. Yang
juga memberikan bobot data terbaru besar (bila tinggi), dan kecil (bila rendah). Hanya saja berlaku
untuk kedua data trend dan peramalan.
Melihat masing-masing metode diatas memiliki kelemahan, maka masing-masing metode akan
diuji coba dengan beberapa variabel berbeda untuk mendapatkan hasil seoptimal mungkin, yang
nantinya akan diharapkan mampu memberikan tingkat kesalahan terkecil. Akurasi peramalan tidak
akan 100% tepat tetapi diusahakan mendekati. Beberapa alat yang dapat digunakan untuk menghitung
kesalahan adalah Rata-rata penyimpangan absolut (MAD=Mean Absolute Deviation), Kesalahan rata-
-
rata kuadrat (MSE=Mean Squared Error), dan Rata-rata persentase kesalahan mutlak (MAPE=Mean
Absolute Percent Error). Dalam penelitian ini, penulis menggunakan MAPE untuk mendapatkan
kesalahan dalam bentuk persentase yang lebih mudah dibandingkan antara berbagai metode peramalan
yang digunakan.
n
iaktual)n (Permintaa / |
iPeramalan -
iAktualPemintaan | x 100
MAPE
........................... (4)
Perhitungan Safety Stock
Melihat data historis permintaan pada tahun 2008, terlihat permintaan produk cenderung tidak
konstan, oleh karena itu untuk menghadapi permintaan yang tidak pasti manajemen perlu menentukan
besaran safety stock untuk menjaga ketersediaan produk di pasaran bila ada peningkatan permintaan.
Hal ini erat hubungannya dengan service level yang ditetapkan oleh manajemen. Mengingat industri
obat memiliki kecenderungan subtitusi produk yang tinggi, penulis memberikan nilai 99 % untuk
service level, yang artinya manajemen memberikan toleransi terjadinya kekurangan 1 kali untuk setiap
100 siklus permintaan. Rumus penghitungan jumlah safety stock sbb :
ROP = Prediksi permintaan selama lead time + safety stock
Safety stock = permintaan deviasistandar x )(order waktu rata-Rata x time leadZ ...... (5)
Ket : ROP : Reorder Point,
Lead time : waktu tunggu dari order hingga barang tiba, dalam hal ini penulis menggunakan
rata-rata hari kerja sebulan pada tahun 2008, yaitu 20 hari.
Perencanaan agregat produksi
Perencanaan agregat adalah perencanaan untuk menentukan kuantitas dan waktu produksi
pada jangka menengah, antara 3 hingga 18 bulan ke depan untuk memenuhi prediksi permintaan
dengan menyesuaikan tingkat produksi, tenaga kerja, persediaan inventori, kerja lembur, subkontrak,
dan faktor-faktor lain yang dapat dikendalikan (Heizer dan Render, 2010). Empat hal yang diperlukan
untuk perencanaan agregat menurut Heizer dan Render adalah :
1. Keseluruhan unit yang logis untuk mengukur penjualan dan output.
2. Prediksi permintaan untuk suatu periode perencanaan jangka menengah yang layak pada waktu
agregat ini.
3. Metode untuk menentukan biaya
4. Model yang mengkombinasikan prediksi dan biaya sehingga keputusan penjadwalan dapat dibuat
untuk periode perencanaan
-
Umumnya strategi perencanaan agregat terbagi atas dua, yaitu pengaturan di sisi produksi
(kapasitas) dan di sisi permintaan. Sederhananya, dengan pengaturan di sisi produksi, perusahaan akan
selalu melayani berapapun besaran permintaan. Sedangkan pada pengaturan permintaan, perusahaan
berusaha mempengaruhi pasar untuk menyerap produk ketika permintaan rendah ataupun tinggi. Pada
pengaturan kapasistas produksi dapat dilakukan melalui :
1. Perubahan tingkat persediaan
2. Perekrutan dan pemberhentian tenaga kerja sesuai kebutuhan produksi
3. Penambahan jam kerja untuk mengejar tingkat produksi
4. Sub-kontrak produk
5. Penggunaan karyawan paruh-waktu, untuk meningkatkan tingkat produksi
Strategi yang dapat digunakan perusahaan sehubungan dengan pengaturan produksi di atas ada
dua yaitu, level strategy dan chase strategy. Pada level strategy perusahaan selalu memproduksi dalam
jumlah yang sama per periode, sedangkan pada chase strategy produksi akan disesuaikan dengan
besaran permintaan. Level strategy dipilih bila biaya inventori < fluktuasi biaya produksi, sebaliknya
untuk chase strategy bila biaya inventori sama tingginya dengan fluktuasi biaya produksi.
Gambar 1. Grafik perbedaan level strategy dan chase strategy1
Data Penelitian
Berdasarkan acuan data sekunder dari tugas akhir Sdr. Izhar Frestia, terdapat beberapa data
produksi pedialyte dari PT. Abbot Indonesia pada tahun 2007. Data terdiri atas waktu produksi, data
permintaan produk pedialyte tahun 2007, biaya bahan baku, tenaga kerja, dan hari kerja. Acuan sumber
juga menyebutkan PT. Abbot Indonesia tidak menggunakan subkontrak produksi. Selain data tersebut,
penulis juga menambahkan beberapa asumsi diantaranya, biaya pemberhentian tenaga kerja, biaya
inventori, dan waktu lead time yang tidak didapatkan pada sumber acuan.
1 Sadk kelez, Prof.Dr. Aggregate Planning. Bahcesehir University. Diakses pada tanggal Juni 26, 2013, dari
http://web.bahcesehir.edu.tr/scokelez/AGGREGATE%20PLANNING.doc
-
Tabel 1. Data Waktu Operasi Produksi Pedialyte
No Kegiatan
Produk Tenaga
Solution Buble Gum
(menit) (menit) Kerja
1 Poses Pencampuran bahan baku (Mixing) 0.12 0.1 2
2 Proses Pegisian (Filling) 0.32 0.32 4
3 Proses Sterilisasi (Autoclave) 0.06 0.06 1
4 Proses Pengepakan 0.6 0.6 5
TOTAL 1.1 1.08 12
5 Gudang 2
Sumber : Data produksi PT. Abbott Indonesia (2007)
Tabel 2. Data Jumlah Permintaan Pedialyte Tahun 2007 Tabel 3. Ketentuan Hari Kerja Tahun 2008
Periode (bulan)
Produk TOTAL
Solution (botol) Bubblegum (botol) Bulan Hari Kerja
1 31,860 16,812 48,672 Januari 21
2 57,720 30,168 87,888 Februari 20
3 48,240 15,012 63,252 Maret 18
4 26,460 8,604 35,064 April 22
5 68,208 20,604 88,812 Mei 18
6 54,000 28,008 82,008 Juni 21
7 34,152 3,672 37,824 July 22
8 36,000 21,600 57,600 Agustus 20
9 43,404 16,740 60,144 September 20
10 21,396 6,360 27,756 Oktober 20
11 94,320 51,048 145,368 November 20
12 35,722 9,000 44,722 Desember 19
TOTAL 551,482 227,628 779,110
TOTAL 241
Persediaan Akhir
5,999 30,567 36,566
Sumber :Surat Keputusan Bersama (SKB) 3 Mentri tanggal 30 Mei 2007
Sumber : Data Produksi PT. Abbott Indonesia (2007)
Tabel 4. Data Biaya Produksi, Biaya Umum dan Khusus Tenaga Kerja, dalam Rupiah kecuali disebutkan yang lain
BAHAN BAKU BIAYA UMUM TENAGA KERJA
Biaya raw material / 3000 botol 454,249 Upah tenaga Kerja per bulan 1,108,800
Biaya finishing / 3000 botol 8,729,805 Upah tenaga Kerja per jam 6,300
Biaya pokok/botol 3,061 JAM KERJA 8 jam/hari
Biaya inventori 5% biaya pokok/botol HARI KERJA 5 hari/minggu
Keterangan : Biaya rekrut tenaga kerja baru 700,000 Biaya pokok/botol = (biaya finishing + raw material) / 3000 Biaya berhenti tenaga kerja 700,000
BIAYA KHUSUS (LEMBUR) KETERANGAN
Max. waktu lembur 4 jam/ hari
Tarif lembur jam ke-1 9,614 (1,5 x 1/173 x upah per bulan)
Tarif lembur jam ke-2 dst 12,818 (2 x 1/173 x upah per bulan)
Tidak ada subkontrak
Sumber : Data produksi PT. Abbott Indonesia (2007), kec. biaya rekrut, berhenti & inventori adalah asumsi
-
Analisis Data
Peramalan produksi
Hasil prediksi produksi di bulan ke-1 tahun 2008 masing-masing sebesar 57,157 botol (n=3),
64,735 botol (n=4), dan 66,277 botol (n=5) akan dikurangi sisa persediaan produksi pedialyte di akhir
tahun 2007 sebesar 36,566 botol. Selengkapnya dapat dilihat pada tabel 5 berikut.
Pada peramalan dengan metode WMA,terlihat untuk n periode = 3 menghasilkan tingkat
kesalahan terkecil sebesar 29% dibandingkan n = 4 dan 5.
Tabel 5. Weighted Moving Averages (WMA)
n = 3 n = 4 n = 5
Periode (bulan)
Produksi Aktual (2007)
Prediksi Produksi
(2008) Bobot
MAPE Prediksi Produksi (2008) Bobot
MAPE Prediksi Produksi (2008) Bobot
MAPE
(%) (%) (%)
9 60,144 0.1
10 27,756 0.1 0.1
11 145,368 0.1 0.2 0.2
12 44,722 0.3 0.3 0.2
1 48,672 20591* 0.6 58 28169** 0.4 42 29711*** 0.4 39
2 87,888 71807 18 73238 17 71146 19
3 63,252 69185 9 65874 4 71622 13
4 35,064 48803 39 51789 48 53593 53
5 88,812 70132 21 67483 24 65187 27
6 82,008 79355 3 72785 11 72692 11
7 37,824 56178 49 61001 61 59125 56
8 57,600 54108 6 59670 4 59394 3
9 60,144 57149 5 57103 5 60224 0
10 27,756 40457 46 44448 60 46634 68
11 145,368 101562 30 84263 42 85270 41
12 44,722 73219 64 73065 63 64288 44
MAPE 29 32 31
Ket: *. 20,591 = 57,157 36,566
**. 28,169 = 64,735 36,566
***. 29,711 = 66,277 36,566
Bila dilihat dari hasil MAPE, peramalan produksi dengan menggunakan metode exponential
smoothing (tabel 6) dengan = 0.1 menghasilkan kesalahan terkecil. Ini menunjukkan = 0.1 atau data
lampau lebih mempengaruhi peramalan. Pengurangan jumlah prediksi produksi serupa juga dilakukan
pada bulan ke-1 tahun 2008 yakni sebesar 48,672 botol 36,566 botol = 12,106 botol.
Tabel 6. Exponential Smoothing (ES)
= = = 0.5 0.3 0.1
Periode (bulan)
Produksi Aktual
Prediksi Produksi MAPE
Prediksi Produksi MAPE
Prediksi Produksi MAPE
1 48,672 12106 75 12106 75 12106 75
2 87,888 30389 65 23076 74 15763 82
3 63,252 59139 7 42519 33 22975 64
4 35,064 61195 75 48739 39 27003 23
5 88,812 48130 46 44637 50 27809 69
-
6 82,008 68471 17 57889 29 33909 59
7 37,824 75239 99 65125 72 38719 2
8 57,600 56532 2 56935 1 38630 33
9 60,144 57066 5 57134 5 40527 33
10 27,756 58605 111 58037 109 42488 53
11 145,368 43180 70 48953 66 41015 72
12 44,722 94274 111 77877 74 51450 15
MAPE 57 52 48
Peramalan produksi dengan menggunakan metode trend adjustment (tabel 7) menggunakan
nilai = 0.1, karena pada perhitungan kesalahan dengan metode MAPE pada peramalan ES diatas
untuk nilai = 0.1 menghasilkan kesalahan terkecil. Penentuan besar trend 2,740 pada bulan Jan
2008 di tabel 7 didapat melalui penghitungan jumlah safety stock melalui penentuan service level
pada manajemen inventori. Hasil penghitungan untuk nilai rendah (0.1) menunjukkan perubahan
trend juga lebih dipengaruhi oleh data lampau. Hasil kesalahan terkecil pada metode ini sebesar 46%.
Tabel 7. Exponential Smoothing w/ Trend Adjustment
= 0.1 =
0.1 0.3 0.5
Periode (bulan)
Produksi Aktual
Prediksi Produksi Trend MAPE
Prediksi Produksi Trend MAPE
Prediksi Produksi Trend MAPE
1 12106 12106 2740 0 12106 2740 0 12106 2740 0
2 87888 14572 2713 83 14572 2658 83 14572 2603 83
3 63252 24345 3419 62 24296 4778 62 24246 6139 62
4 35064 31312 3774 11 32491 5803 7 33672 7782 4
5 88812 35084 3773 60 37971 5706 57 40815 7463 54
6 82008 43853 4273 47 48190 7060 41 52331 9489 36
7 37824 51514 4612 36 57926 7863 53 63839 10499 69
8 57600 54295 4429 6 62993 7024 9 70686 8673 23
9 60144 58611 4417 3 68775 6651 14 77183 7585 28
10 27756 62740 4389 126 73898 6193 166 82306 6354 197
11 145368 63192 3995 57 74857 4623 49 82569 3309 43
12 44722 75005 4777 68 86069 6599 92 91827 6283 105
MAPE 46 53 59
-
Melihat hasil prediksi permintaan dari ketiga metode diatas dan mempertimbangkan kesalahan
terkecil yang diperoleh dari uji MAPE maka prediksi permintaan pada tahun 2008 mengikuti
model WMA dengan n = 3
Tabel 8. Prediksi produksi 2008 hasil peramalan metode WMA, n=3
Periode (bulan)
Prediksi Produksi
(2008)+safety stock
1 23332
2 74548
3 71926
4 51544
5 72873
6 82096
7 58919
8 56849
9 59890
10 43198
11 104303
12 75960
Gambar 2. Grafik produksi aktual 2007 vs prediksi produksi 2008
Penentuan Safety Stock
Dalam analisis ini, penulis menghitung safety stock produksi pedialyte disebabkan permintaan
produk pedialyte berdasarkan data historis tidak konstan dan cenderung tidak pasti. Sehingga
diperlukan juga jumlah safety stock untuk menjamin ketersediaan produk di lapangan disesuaikan
dengan service level yang ditetapkan oleh manajemen. Penulis melihat produk obat cenderung
memiliki subtitusi produk yang banyak, maka diberikan nilai 99% pada service level. Artinya,
manajemen memberikan toleransi terjadinya kekurangan 1 kali untuk setiap 100 siklus permintaan.
Nilai Z yang berkorelasi dengan 99% adalah 2,33 (dapat dilihat di bawah kurva normal, Appendix I
Heizer & Render, 2010) dengan waktu lead time adalah 20 hari, yang merupakan rata-rata hari kerja
pada tahun 2008 (241 hari/ 12 bulan = 20 hari). Nilai safety stock akan ditambahkan pada prediksi
produksi.
Rumus untuk menghitung safety stock sbb :
Safety stock = permintaan deviasistandar x )(order waktu rata-Rata x time leadZ ...... (5)
Weighted MA, n=3
0
20,000
40,000
60,000
80,000
100,000
120,000
140,000
160,000
1 3 5 7 9 11
(bulan)
(ju
mla
h p
rod
uksi) Produksi Aktual
(2007)
Prediksi Produksi
(2008)+safety
stock
-
Tabel 9. Penentuan Safety Stock, dan Produksi Riil Pedialyte 2008
Periode (bulan)
Produksi Aktual
Prediksi Produksi
(Xi) (Xi - X) (Xi - X)^2
Produksi Pedialyte
(2008) Keterangan
1 48,672 20591* -44335 1965577447 23332 = 20,591+ 2,741 *
2 87,888 71807 6881 47344950 74548
3 63,252 69185 4259 18138797 71926
4 35,064 48803 -16123 259952204 51544
5 88,812 70132 5206 27100007 72873
6 82,008 79355 14429 208195079 82096
7 37,824 56178 -8748 76524588 58919
8 57,600 54108 -10818 117025518 56849
9 60,144 57149 -7777 60482247 59890
10 27,756 40457 -24469 598733592 43198
11 145,368 101562 36636 1342208708 104303
12 44,722 73219 8293 68779931 75960
Rata2 (X) 64,926
Std deviasi = 69,210
Safety stock 2,741
Ket. *. 20,591 botol = (57,157 36,566) botol
Perencanaan agregat produksi
Waktu operasi produksi pedialyte pada tabel acuan data di hal.6 menunjukkan pembuatan
pedialyte melalui 4 tahapan yang sama untuk kedua produk, dengan total waktu yang dibutuhkan
adalah 1,1 menit untuk solution dan 1,08 menit untuk bubblegum.
Penulis melihat proses produksi tidak saling menunggu (sekuensial) antara satu proses dengan
yang lainnya pada proses manufaktur melainkan berjalan secara parallel. Acuan data menunjukkan
waktu proses per unit dan bukan mesin secara keseluruhan, maka waktu proses produksi dianggap
adalah waktu proses pembuatan produk. Untuk menyederhanakan perhitungan, jumlah produksi
pedialyte tidak dibedakan antara produk solution dan bubblehum melainkan diambil waktu proses
terlama, yaitu 1,1 menit / unit , atau (1,1 / 60 ) / unit = 0,02 jam /unit. Produk solution dan
bubblegum dianggap diproses pada 2 unit produksi terpisah.
Gambar 3. Gambaran waktu proses produksi pedialyte
Waktu proses Solution
0 0.2 0.4 0.6 0.8 1 1.2
Solution
(waktu)
Poses Pencampuran bahan baku (Mixing)
Proses Pegisian (Filling)
Proses Sterilisasi (Autoclave)
Proses Pengepakkan
-
Level Strategy
Pada level strategy perusahaan selalu memproduksi dalam jumlah yang sama per periode,
sehingga diperlukan jumlah produksi rata-rata dalam satu hari sebesar:
Jumlah produksi rata-rata per hari hari 241
438,775
12 s.d 1bulan dari hari Total
12 s.d 1bulan dari produksi Total
unit
hariunit / 218,3
Tabel 10. Level Strategy - constant workforce
Periode (bulan)
Hari Kerja
Permintaan (unit)
Produksi Riil
(Permintaan -
Persediaan)
Produksi bulanan
@3218/hari (unit)
Sisa persediaan
1 21 23332 23332 67578 44246
2 20 74548 30302 64360 34058
3 18 71926 37868 57924 20056
4 22 51544 31488 70796 39308
5 18 72873 33565 57924 24359
6 21 82096 57737 67578 9841
7 22 58919 49078 70796 21718
8 20 56849 35131 64360 29229
9 20 59890 30661 64360 33699
10 20 43198 9499 64360 54861
11 20 104303 49442 64360 14918
12 19 75960 61042 61142 100
TOTAL 241 775438 775538 326393
Keterangan
Produksi Riil Permintaan - Sisa Persediaan bulan lalu Produksi bulanan @ 3218 / hari 3218 unit x 0.02 jam/unit
Sisa persediaan Produksi bulanan - Produksi Riil
Biaya Kalkulasi Total Biaya Produksi
Biaya tenaga kerja 145,756,800 [= 12 orang x 8jam x 241hari x Rp6300/jam ]
Biaya inventori 74,247,249 [= (326,393 unit x 5% x 3061) + (2org*8jam*241 hari*Rp6300)]
BIAYA TOTAL 220,004,049
Keterangan : jumlah tenaga kerja produksi adalah 12 orang.
-
Chase Strategy
Pada chase strategy, produksi disesuaikan dengan jumlah permintaan setiap bulannya dengan
mengubah faktor produksi seperti kapasitas produksi harian, jumlah jam kerja dan jumlah tenaga kerja.
Faktor produksi ini akan dievaluasi mengikuti besar permintaan setiap periodenya.
Tabel 11. Chase Strategy - hiring & firing
Periode (bulan)
Hari Kerja
Prediksi Permintaan
bulanan (unit)
Produksi (Riil)- Sisa Persediaan
(unit)
Produksi (waktu reguler)
Produksi (waktu
overtime)
Total produksi (reguler
+ overtime
Rekrut Tenaga
kerja
Pecat Tenaga Kerja
Jumlah Tenaga Kerja
Sisa persediaan
1 21 23332 23332 67,200 0 67,200 0 4 8 43,868
2 20 74548 30,680 56,000 0 56,000 0 1 7 25,320
3 18 71926 46,606 50,400 0 50,400 0 0 7 3,794
4 22 51544 47,750 61,600 0 61,600 0 0 7 13,850
5 18 72873 59,023 50,400 12600 63,000 0 0 7 3,977
6 21 82096 78,119 58,800 22050 80,850 0 0 7 2,731
7 22 58919 56,188 61,600 0 61,600 0 0 7 5,412
8 20 56849 51,437 56,000 0 56,000 0 0 7 4,563
9 20 59890 55,327 56,000 7000 63,000 0 0 7 7,673
10 20 43198 35,525 56,000 0 56,000 0 0 7 20,475
11 20 104303 83,828 56,000 28000 84,000 0 0 7 172
12 19 75960 75,788 53,200 26600 79,800 0 0 7 4,012
TOTAL 241 775438 683,200 96,250 0 5 135,847
Keterangan
Produksi Riil Prediksi produksi - Sisa persediaan (bulan sebelumnya)
Produksi (waktu reguler) [=Jumlah TK x Hari Kerja x 8 jam x 50 unit/jam]
Produksi (waktu overtime) [=Jumlah TK x Hari Kerja x {50 s.d 200 unit} ]
Sisa Persediaan Total Produksi - Produksi Riil
Jumlah produksi / jam [=1 jam / 0.02 unit = 50 unit / jam]
Karena untuk memproduksi 1 unit dibutuhkan waku 0.02 jam. Maka dalam waktu 1 jam
mampu memproduksi sebanyak 1 jam / 0.02 = 50 unit. Dimana masing2 tenaga kerja memproduksi 8
jam x 50 unit = 400 unit / hari (reguler), dan akan diditambahkan overtime sejumlah 50 unit 200 unit
(1jam 4 jam) per hari bila dibutuhkan. Produksi reguler = jumlah TK x Hari Kerja x 400 unit/hari
Biaya Kalkulasi Total Biaya Produksi
Biaya tenaga kerja = 86,083,200 [= 683,200 / 50 unit x 6300,-]
Biaya overtime = 23,132,725 [= (0.25 x Over/50 x 9614,-) + (0.75 x Over/50 x 12818,-) ]
Biaya rekrut tenaga kerja baru = - [= 0 orang x 700000,- ] Biaya pecat tenaga kerja = 3,500,000 [= 5 orang x 700000,- ]
Biaya inventori = 45,084,183
[= (135,847 unit x 5% x 3061) + (2org*241hari*8jam*Rp6300)]
BIAYA TOTAL = 157,800,108
Pada chase strategy, terlihat produksi mengikuti besar permintaan setiap bulannya dengan
mengatur besar jumlah jam kerja dan tenaga kerja, total biaya yang didapatkan dengan chase strategy
lebih rendah daripada level strategy.
-
Metode Transportasi dengan linear programming
Solusi perencanaan agregat chase strategy memberikan biaya lebih rendah daripada level
strategy tetapi boleh jadi bukan solusi optimal. Penggunakan metode transportasi dengan penyelesaian
linear programming dapat menghasilkan solusi optimal yang meminimalkan biaya produksi. Hal ini
terlihat pada hasil berikut ini..
Karena keterbatasan tools solver pada aplikasi spreadsheet Excel, permintaan Jan s.d
Desember dibagi menjadi 2. Analisis dilakukan per 6 bulan yaitu Januari - Juni dan Juli Desember.
Terlihat di bulan April, perusahaan memproduksi lebih dari permintaan yaitu 63,317 unit, dan
didistribusikan langsung di bulan April hanya sebesar permintaan 51,544 unit , dan sisanya
11,773 unit di bulan Mei.
Pada bulan Januari Juni , Biaya produksi = Biaya reguler + overtime + inventori +
biaya rekrut + biaya pecat = Rp 62,176,903.41
Tabel 12. Metode Transportasi Linear Programming
= 22 hari x 10 org x 400
unit/hari
TK awal = 12
Biaya reguler/unit + biaya inventori/unit
Jan : 126 = Biaya kerja / jumlah unit
= 6300 Rp / 50unit = 126
Feb : 279 = 126 + (5% x 3061)
Biaya overtime/unit + biaya inventori/unit
Jan : 240 = (9614 + (3 x 12818))/4 / 50unit
Feb : 393 = 240 + (5% x 3061)
-
Pada bulan Juli Desember , Biaya produksi = Biaya reguler + overtime + inventori +
biaya rekrut + biaya pecat = Rp 58,882,218.01
Maka total biaya keseluruhan = Rp62,176,903.41 + Rp58,882,218.01 = Rp121,059,121.42
Hasil perencanaan agregat produksi pedialyte PT. Abbot Indonesia pada tahun 2008 dengan
penggunaan metode transportasi didapatkan biaya operasi produksi terendah di banding yang lain.
Kesimpulan
Perencanaan produksi dapat diawali dengan penetapan prediksi / peramalan permintaan
produksi di periode berikutnya. Prediksi ini dapat didekati melalui pendekatan estimasi kuantitatif time-
series, asosiatif, musiman, dan kuantitatif tergantung dari data historis sebelumnya. Semakin kecil
tingkat kesalahan model peramalan, dengan asumsi ceteris paribus, dapat mengantisipasi kenaikan dan
penurunan permintaan riil di lapangan.
Karena jumlah permintaan tidak konstan dari satu periode ke periode berikutnya, manajemen
perlu mempertimbangkan safety stock. Ini diperlukan agar ketersediaan produk di pasaran terjaga.
Service level yang ditetapkan perusahaan akan menentukan probabilitas permintaan produk tidak dapat
terlayani, yang akan menentukan besaran produksi safety stock.
-
Perencanaan agregat produksi didasarkan pada pertimbangan berbagai faktor produksi
disesuaikan dengan strategi yang dipilih perusahaan. Bila hanya kapasitas produksi menjadi
pertimbangan, perusahaan dapat memilih antara strategi level atau chase. Metode transportasi
dengan linear programming dapat digunakan untuk menentukan solusi optimal dari perencanaan
agregat dengan menentukan besaran produksi reguler, overtime, subkontrak, dan persediaan inventori.
Solusi optimal yang dipilih adalah yang mampu meminimalkan biaya operasi produksi. Metode
transportasi dapat digunakan apabila segala komponen biaya dapat di-breakdown per unit produksi.
Referensi
1. Heizer, B. Render.2011. Operation Management 10th Edition. New Jersey : Prentice Hall.
2. Kusuma, Hendra. 2004. Manajemen Produksi : Perencanaan dan Pengendalian Produksi. Andi
Offset, Yogyakarta.
3. Sadk kelez, Prof.Dr. Aggregate Planning. Bahcesehir University. Diakses pada tanggal Juni
26, 2013, dari http://web.bahcesehir.edu.tr/scokelez/AGGREGATE%20PLANNING.doc
4. Frestia, Izhar. 2008. PERENCANAAN PRODUKSI PEDIALYTE PADA PT. ABBOT
INDONESIA DENGAN MENGGUNAKAN METODE PURE STRATEGY DAN MIXED
STRATEGY. Skripsi pada Departemen Teknik Industri, Fakultas Teknologi Industri, Universitas
Gunadarma, Depok.
-
LAMPIRAN