6
2.7 Kesimpulan dan Saran
Kesimpulan dan Saran, dilakukan setelah semua proses dilaksanakan. Sehingga dapat diketahui secara ringkas pembahasan yang berlangsung dalam penelitian terkait dan
memberikan masukan bagi para pembaca.
3. ANALISIS DAN PEMBAHASAN
3.1 Pengumpulan Data
Data yang dikumpulkan adalah data dari perusahaan. Perusahaan mempunyai 1shift kerja dengan 5 hari kerja dan 7 jam kerjahari. Data yang dikumpulkan berupa daftar permintaan
produk, data jumlah hari kerja dan data waktu baku pengerjaan per item. Daftar permintaan
disini yaitu untuk data produk Cross section floor lamp base natural dan earth brown. Lalu data jumlah hari kerja karyawan yang diambil adalah data selama 1 tahun dari periode bulan
Desember 2014 hingga bulan November 2015 dengan jam kerja per hari adalah 7 jam kerja per hari. Dan dibutuhkan pula data waktu baku pengerjaan per item untuk pengerjaan masing-
masing produk, yang dimulai dari stasiun cross cut sampai packing.
Tabel 3.1 Waktu Baku Pengerjaan Produk Per Item
No Stasiun
Waktu Pengerjaan Per Item detik CSFLB Natural
CSFLB Earth Brown 1
Cross Cut 383
383 2
Table Saw 401
401 3
Planer 422
422 4
Thicknessers 415
415 5
Table Saw 422
422 6
Sanding Master 236
236 7
Tenon Mortise 281
281 8
Assembly 1.092
1.092 9
Sanding 510
510 10
Refisi dan Finishing 411
964 11
Packing 365
365
Total 4.938
5.491
3.2 Peramalan
Peramalan forecasting merupakan bagian vital bagi setiap organisasi bisnis dan untuk setiap pengambilan keputusan manajemen yang sangat signifikan. Peramalan menjadi dasar
7
bagi perencanaan jangka panjang atau kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang.
Langkah awal yang dilakukan sebelum perhitungan RCCP dilaksanakan yaitu menghitung peramalan dengan cara pengambilan data historis dan memproyeksikannya ke masa yang akan
datang dengan beberapa metode. Peramalan dilakukan dengan menggunakan empat metode peramalan yaitu Single Moving
Average, Double Moving Average, Single Eksponential Smoothing, dan Double Eksponential Smoothing.Dari perhitungan empat metode ini dipilih satu metode yang nilai error nya terkecil.
3.2.1 Data Hasil Konversi
Sebelum melakukan peramalan, maka untuk menyamakan satuan demand pada tiap-tiap item dan untuk mempermudah perhitungan sehingga didapatkan total demand pada tiap
periode, maka harus dihitung faktor konversinya terlebih dahulu. Faktor konversi yang digunakan adalah berdasarkan pada waktu baku produksi produk cross section floor lamp base
natural yaitu sebesar 4.938 detik karena merupakan nilai yang paling kecil seperti pada tabel 3.1, sehingga satuan agregat yang digunakan adalah satuan produk cross section floor lamp
base natural. Daftar permintaan untuk produk cross section floor lamp base natural dan earth brown selama 1 tahun dapat dilihat pada tabel 3.2.
Tabel 3.2 Hasil Konversi
Periode CSFLB Natural
CSFLB Earth Brown Total Konversi
Desember 120
111 231
Januari 100
100 200
Februari 80
83 163
Maret 100
89 189
April 80
67 147
Mei 80
61 141
Juni 100
78 178
Juli 90
72 162
Agustus 80
78 158
September 100
78 178
Oktober 120
111 231
November 140
111 251
Total 1190
1039 2229
8
3.2.2 Keputusan Hasil Verifikasi
Uji kesalahan peramalan atau uji verifikasi dilakukan terhadap metode peramalan untuk menentukan metode peramalan yang terpilih.
Tabel 3.3 Keputusan Hasil Verifikasi
SA MA
SES DES
Terbaik CFE
-90,41
51 50,25
59,85 SA
MAD 32,06
29,2 24,16
31,23 SES
MSE 1550,69
1214,4 848,29
1368,73 SES
MAPE 17,67
15,92 13,33
17,81 SES
Tracking Signal -2,82
1,75 2,08
1,92 SA
Dari tabel 3.3 Dapat diketahui bahwa hasil uji verifikasi peramalan yang paling banyak memiliki nilai error terkecil adalah peramalan dengan metode single exponential smoothing
sehingga dapat ditentukan bahwa metode terbaik untuk data demand adalah metode single exponential smoothing.
Tabel 3.4 Hasil Ramalan Terpilih Periode
Demand Ramalan
1 231
2 200
231,00 3
163 203,41
4 189
167,45 5
147 186,63
6 141
151,36 7
178 142,14
8 162
174,06 9
158 163,33
10 178
158,59 11
231 175,86
12 251
224,94 Periode
Demand Ramalan
13 248
14 248
15 248
16 248
17 248
18 248
19 248
20 248
21 248
22 248
23 248
24 248
3.3 Perencanaan Agregat
Kategori