PERENCANAAN PRODUKSI.

Presentasi berjudul: "PERENCANAAN PRODUKSI."— Transcript presentasi:

1 PERENCANAAN PRODUKSI

2 PERENCANAAN PRODUKSI Lingkup : - Penentuan jenis dan volume produksi
- Pengaturan tenaga kerja - Pengaturan mesin dan peralatan - Pengaturan material PENENTUAN JENIS DAN VOLUME PRODUKSI Peramalan :  Proses untuk memperkirakan jumlah permintaan (demand) produk yang diminta oleh konsumen dimasa yang akan datang.  merupakan langkah awal dari proses perencanaan dan pengendalian produksi secara keseluruhan.

3 MODEL KWALITATIF Individual Opinion : Opini peramalan berasal dari pribadi (Individu) → pakar/expert dalam bidangnya yaitu : - Konsultan : Ilmiah / non Ilmiah - Manajer pemasaran / produksi - Individu yang banyak bergerak pada masalah tersebut. Kebaikan : cepat Kelemahan : Subyektif Group Opinion : Opini peramalan diperoleh dari beberapa orang dengan mencoba merata-ratakan hasil peramalan yang lebih obyektif (rasional) Kebaikan : lebih obyektif (unsur subyektifitas dapat dihilangkan) mis : dengan merata-ratakan hasil.

4 Contoh : Delphy method → peramalan dibentuk
melalui beberapa tahapan untuk mencari hasil yang lebih obyektif. Pada metode ini kepada expertnya diberikan informasi tambahan sehingga keputusan hasil ramalan dapat berubah karena informasi tersebut. Secara umum metode kwalitatif lebih mudah dibuat tetapi mempunyai unsur subyektifitas yang tinggi. MODEL KWANTITATIF : unsur obyektifitas lebih tinggi karena menggunakan pendekatan teknis (Mathematical Approach) Time Series : Meramalkan titik-titik permintaan (mencari – sesuatu fungsi yang representatif) terhadap data ataupun fakta yang ada → demand hanya dipengaruhi oleh waktu → dt = f(t).

5 Kausal : Meramalkan permintaan dengan tidak hanya
memperhatikan waktu. Sebenarnya demand juga dipengaruhi oleh faktor-faktor lain, seperti : - harga produk - saluran distribusi - promosi - pendapatan - jumlah penduduk, dll dt = f (faktor penyebab demand) Pada metode ini diperlukan : - identifikasi variabel yang relevan - mecari fungsi yang cocok Kebaikan : - mempunyai ketepatan hasil yang tinggi - dapat digunakan untuk peramalan jangka panjang Kelemahan : - tidak praktis, membutuhkan banyak jenis data - waktu lama - mahal

6 Peramalan : upaya memperkecil resiko yang mungkin
timbul akibat pengambilan keputusan dalam suatu perencanaan produksi Namun, upaya memperkecil resiko dibatasi oleh biaya Biaya Biaya total Biaya peramalan resiko Upaya peramalan

7 Metode peramalan Model kwalitatif kwantitatif Time series kausal smoothing regresi ekonomimetri Regresi multivariate Moving average Exponential

8 Faktor-faktor yang harus dipertimbangkan dalam pemilihan
metode peramalan : - tujuan peramalan - jangkauan peramalan - tingkat ketelitian - ketersediaan data - bentuk pola data - biaya Hal-hal yang harus dilakukan : - definisikan tujuan peramalan - buat diagram pencar - pilih beberapa metode peramalan - hitung ramalan dan kesalahannya - pilih metode dengan kesalahan terkecil

9 - Trend (linier ) : dt = a + bt - Kwadratis : dt = a + bt + ct2
JENIS POLA DATA : - Konstan - Trend (linier ) - Musiman (seasional) - Cyclic (siklis) Fungsi peramalan : - Konstan : dt = a - Trend (linier ) : dt = a + bt - Kwadratis : dt = a + bt + ct2 - Eksponential : dt = a.ebt - Cyclic (siklis) : dt = a + b sin cos

10 Ft = data ramalan pada periode t
Kriteria Performansi peramalan : Mean square error (MSE) Xt = data aktual pada periode t Ft = data ramalan pada periode t n = banyaknya periode 2. Presentase kesalahan ( PEt ) 3. Mean Absolute Percentage error (MAPE)

11 4. Standar Error Of Estimate (SEE)
f = derajat bebas 1 = untuk data konstan 2 = untuk data linier 3 = untuk data kwadratis Contoh : Dari12 bulan terkahir ini dicatat penjualan produk “x” sbb : Bagaimana ramalan permintaan produk “x” untuk 12 bulan mendatang ? Bulan J F M A S O N D Penjualan 30 20 45 35 60 40 50 65

12 METODE REGRESI LINIER SEDERHANA
dt = f(t) Konstan : → a = … = 42 dt ’ = 42

13 MENCARI SEE : dt = y(t) Ramalan (dt’) e = dt – dt’ e2 = (dt-dt’)2 30 20 45 35 60 40 50 65 42 12 22 3 7 18 2 8 23 - 7 144 484 9 49 324 4 64 529 Jumlah 1873

14 å = - n t f dt 1 2 ) ' ( SEE

15 REGRESI LINIER ~ TREND dt’ = a + bt →

16

17 T dt = y(t) t.dt t2 dt’ dt-dt’ (dt-dt’)2 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 30 20 45 35 60 40 50 65 135 140 150 360 280 400 405 650 550 420 1 4 9 16 25 36 49 64 81 100 121 144 31 33 37 39 41 43 47 51 53 -1 -13 10 -2 -9 19 -3 5 -18 169 361 256 324 ∑ = 78 = 6,5 505 = 42 3560 ∑ = 1335

18 b = 12.(3560) – 12(650) – 782 = = 1,94 1716 = 42 – 1,94 (6,5) = 42 – 12,61 = 29,39 → dt’ = 29,39 + 1,94t ~ dt’ = t

19 Untuk regresi konstan : dt’ = 42
SEE = 13 Untuk regresi linier : dt’ = t SEE = 11 METODE SMOOTHING Pada metode smoothing, data digunakan periode per periode terdiri dari 2 kelompok, yaitu : metode rata-rata dan metode exponential smoothing Single Moving Average atau rata-rata bergerak Moving average pada suatu periode merupakan peramalan untuk satu periode ke depan dari periode rata-rata tersebut.

20 Contoh : Data Penjualan suatu produk 12 bulan terakhir :
Data penjualan (Unit) MA (3) Ramalan Kesalahan 1 2 3 4 5 6 7 8 9 10 11 12 13 18 29 15 30 16 22 14 27 ? 19 20,7 24,7 19,0 19,3 12,0 15,3 14,7 17,0 18,7 17

21 b. Linier Moving Average
Jika pola data menunjukan “Pola Trend” maka single moving average tidak tepat. Yang lebih tepat adalah linier moving average. Dasarnya : Penggunaan moving average kedua untuk memperoleh penyesuaian pola trend Hitung single moving average dari data dengan periode perata-rataan tertentu; hasilnya notasikan St’ Hitung moving average kedua, yaitu moving average dari St’ dengan periode perata-rataan yang sama, hasilnya notasikan dengan St’’ Hitung komponen at dengan rumus : at = St’ + (St’ - St’’) Hitung komponen trend bt dengan rumus : bt = 2 (st’ – st‘’) N-1

22 Peramalan m periode ke depan setelah t adalah sbb :
Ft+m = at + bt.m, Contoh : t Penjualan (unit) MA (4) (st’) (st’’) at bt at+bt.m (m=1) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 140 159 136 157 173 131 177 188 154 179 180 160 ? 148 156,25 149,25 159,50 167,25 162,50 174,50 175,25 178,50 153,25 158,06 159,62 165,93 169,87 170,12 165,75 176,43 165,37 183,06 180,62 166,37 4,17 6,13 1,92 5,71 3,58 -1,25 169,91 182,56 167,29 188,77 184,20 165,12 163,85

23 Single Exponential Smoothing
Dipakai untuk peramalan jangka pendek. Dasar pemikiran : Nilai ramalan pada periode t + 1 merupakan nilai aktual pada periode t ditambah dengan penyesuaian yang berasal dari kesalahan nilai ramalan yang terjadi pada periode tersebut. Ft + 1 = Ft + α (Xt – Ft) Permasalahan : Inisialisasi !!! Nilai awal F1? Harga α (parameter / koefisien smoothing) F1 → Nilai X1 atau Nilai rata-rata 4 s/d 5 (Xt) pertama α → 0 < α < 1 Modifikasi : dt+1’ = α dt + (1- α ) dt’

24 t 1 2 3 4 5 6 7 8 9 10 11 12 dt 30 20 45 35 60 40 50 65 Jika α = 0,1 d1’ = d1 = 30, maka d2’ = 0,1 (30) + 0,9(30) = 30 d3’ = 0,1(d2) + 0,9 (d2’) 0,1(20) + 0,9 (30) = 29 d4’ = 0,1(45) + 0,9 (29) = 30,6 dst

25 PROSEDUR PERAMALAN Definisikan tujuan peramalan yang akan dilakukan Buat diagram pencar dari data Pilih paling tidak 2 metode yang dapat mengakomodasikan tujuan tersebut dan mendekati pola data yang tergambar dari langkah 2 Hitung kesalahan peramalan yang terjadi Pilih metode peramalan yang terbaik, yaitu : - yang memberikan kesalahan terkecil atau - kalau ingin menguji lebih halus lagi gunakan tes variansi Contoh Dari 12 bulan terakhir, tercatat penjualan produk “x” sebagai berikut : Bulan J F M A S O N D Penjualan 30 20 45 35 60 40 50 65

26 Bagaimana ramalan permintaan produk “x” untuk 12 bulan
mendatang? Penggambaran diagram pencar Berdasarkan gambar diagram pencar tersebut akan dicoba 2 bentuk pola data, yaitu konstan dan trend. Untuk konstan diambil metode moving average 4 periode dan untuk trend digunakan metode linear moving average 4 periode.

27 Moving Average 4 Periode :
Data MA(4) Ramalan e e2 30 20 45 35 60 40 50 65 32,50 42,50 41,25 45,00 48,75 50,00 52,50 -2,50 27,50 8,75 16,25 17,50 6,25 756,25 76,56 264,06 306,25 1415,62

28 Linear Moving Average 4 Periode :
Data MA(4) St’ M4(4x4) St” at bt Ft + m e e2 30 20 45 35 60 40 50 65 32,50 42,50 41,25 45,00 48,75 50,00 52,50 37,14 30,31 34,38 46,25 49,06 45,36 56,69 63,12 53,75 55,94 0,75 2,67 2,61 0,68 0,63 46,11 59,36 65,73 54,43 56,57 44,32 3,89 -14,36 -0,73 -4,43 21,57 15,13 206,21 0,53 19,62 456,26 706,75

29 SEE data berpola trend “lebih kecil”, sehingga ramalan permintaan untuk 12 bulan mendatang sebagai berikut : Ft + m = 45,00 – 0,68m Bulan 13  Ft = 44,32 Bulan 14  Ft = 43,64 Bulan 15  Ft = 42,96 Bulan 16  Ft = 42,28 Bulan 17  Ft = 41,60 Bulan 18  Ft = 40,92 Bulan 19  Ft = 40,24 Bulan 20  Ft = 39,56 Bulan 21  Ft = 38,88 Bulan 22  Ft = 38,20 Bulan 23  Ft = 37,52 Bulan 24  Ft = 36,84

30 å MRt = ( d - d ' ) - ( d - d ' ) BA = UCL = 2,66 MR MRt MR = N - 1 BB
Untuk menguji apakah fungsi cukup representatif pola datanya, digunakan proses verifikasi  digunakan Moving Range Chart (Peta sebaran bergerak) CL = Central Line = 0 = et et - 1 Dari data yang lalu : dt’ = t.  Regresi Linier n å BA = UCL = 2,66 MR MRt MR = t = 2 N - 1 BB = LCL = - 2,66 MR MRt = ( d - d ' ) - ( d - d ' ) t t t - 1 t - 1

31 Dari data yang lalu : dt’ = 29 + 2t. (Regresi Linier)
dt – dt’ MRt 1 2 3 4 5 6 7 8 9 10 11 12 30 20 45 35 60 40 50 65 31 33 37 39 41 43 47 49 51 53 -1 -13 -2 -9 19 -3 16 -18 23 28 22 18 17 171

32 BA A B C t BB A B C 41,32 27,48 13,74 -13,74 -27,48 -41,23

33 KONDISI – KONDISI OUT OF CONTROL
Bila ada titik sebaran (dt-dt’) diluar batas kontrol (>BA ; <BB) Jika semua titik sebaran berada pada batas kontrol, apakah dijamin bahwa fungsi tersebut representatif ? Belum tentu !! Cek, ikuti aturan berikut : Aturan 3 titik : bila ada tiga buah titik secara berurutan yang ada pada salah satu sisi, daerah A Aturan 5 titik : bila terdapat lima buah titik secara berurutan berada pada salah satu sisi, daerah B Aturan 8 titik : bila terdapat 8 buah titik secara berurutan berada pada salah satu sisi, daerah C

34 (jumlah data berkurang)
MRC Gunakan Fungsi yang Diperoleh untuk meramal OUT OF CONTROL tidak ya Gejala tsb bukan Bersifat random Sehingga data Menyimpang (≠ tidak mengikuti hk. Statistika) Fungsi Penyebabnya diketahui ya Mis: pada titik tsb ada pesanan khusus tidak Ganti dengan Fungsi baru Mengitung kembali Fungsi tsb dengan Menghilangkan titik- titik out of control sehingga diperoleh Fungsi baru (jumlah data berkurang) Ulangi kembali