Defenisi Kapasitas Penyusunan Jadwal Induk Produksi

BAB III LANDASAN TEORI

3.1. Defenisi Kapasitas

1 Kapasitas adalah kemampuan pembatas dari unit produksi untuk berproduksi dalam waktu tertentu dan biasanya dinyatakan dalam bentuk keluaran output per satuan waktu. Tetapi kapasitas adalah konsep yang kabur, karena harus dihubungkan dengan sejauh mana suatu peralatan digunakan. Sebagai contoh, bisa saja ditetapkan sebagai kebijakan untuk bekerja hanya 5 hari seminggu, satu shift dalam sehari, dan produksinya 1000 satuan per minggu. Dengan dasar ini kita dapat mengatakan bahwa kapasitas normal adalah 1000 satuan output per minggu. Tetapi batas ini dapat ditingkatkan dengan kerja lembur sehingga batas kapasitas dengan kerja lembur menjadi 1150 satuan. Dengan menambah shift kedua, kapasitas dapat ditingkatkan lebih lanjut menjadi 1800 satuan per minggu. Dalam kaitannya dengan definisi di atas maka perencanaan kapasitas berusaha untuk mengintegrasikan faktor-faktor produksi untuk meminimisasi ongkos fasilitas produksi. Dengan kata lain, keputusan-keputusan yang menyangkut kapasitas produksi harus mempertimbangkan faktor-faktor ekonomis fasilitas produksi tersebut. 1 Buffa, Elwood S. Manajemen ProduksiOperasi Modern. Jakarta: Erlangga, 1983. hal.121. Universitas Sumatera Utara

3.2. Pengukuran Waktu Time Study

2 Suatu pekerjaan akan dikatakan diselesaikan secara efisien apabila waktu penyelesaiannya berlangsung paling singkat. Untuk menghitung waktu baku standard time penyelesaian pekerjaan guna memilih alternatif metode kerja terbaik, maka perlu diterapkan prinsip-prinsip dan teknik-teknik pengukuran kerja work measurement atau time study. Pengukuran waktu kerja ini berhubungan dengan usaha-usaha untuk menetapkan waktu baku yang dibutuhkan guna menyelesaikan suatu pekerjaan. Pada garis besarnya teknik-teknik pengukuran waktu dibagi ke dalam dua bagian yaitu : 1. Pengukuran waktu secara langsung Pengukuran ini dilaksanakan secara langsung yaitu di tempat dimana pekerjaan yang bersangkutan dijalankan. Misalnya pengukuran kerja dengan jam henti stopwatch time study dan sampling kerja work sampling. 2. Pengukuran secara tidak langsung Pengukuran ini dilakukan dengan menghitung waktu kerja tanpa si pengamat harus ditempat kerja yang diukur. Pengukuran waktu dilakukan dengan membaca tabel-tabel yang tersedia asalkan mengetahui jalannya pekerjaan. Misalnya aktivitas data waktu baku standard data, dan data waktu gerakan predetermined time system. 2 Wignjosoebroto. Sritomo. Ergonomi, Studi Gerak dan Waktu. Teknik Analisis untuk Peningkatan Produktivitas Kerja. Surabaya: Guna Widya, 2000. hal.169- 170. Universitas Sumatera Utara

3.2.1. Stopwatch Time Study

3 Stopwatch time study adalah pekerjaan mengamati pekerja dan mencatat waktu kerjanya baik setiap elemen ataupun siklus dengan menggunakan alat yang telah disiapkan. Sesuai dengan namanya, maka pengukuran waktu ini menggunakan jam henti stop watch sebagai alat utamanya. Langkah-langkah pengukuran waktu kerja dengan menggunakan stopwatch time study adalah : 1. Definisikan pekerjaan yang akan diteliti untuk diukur waktunya dan beritahukan maksud dan tujuan pengukuran ini kepada pekerja yang dipilih untuk diamati dan supervisor yang ada. Dalam penentuan tujuan tersebut, dibutuhkan adanya tingkat kepercayaan dan tingkat ketelitian yang digunakan dalam pengukuran jam henti. 2. Catat semua informasi yang berkaitan erat dengan penyelesaian pekerjaan seperti layout, karakteristikspesifikasi mesin atau peralatan kerja lain yang digunakan. 3. Bagi operasi kerja dalam elemen-elemen kerja sedetil-detilnya tapi masih dalam batas-batas kemudahan untuk pengukuran waktunya. 4. Amati, ukur dan catat waktu yang dibutuhkan oleh operator untuk menyelesaikan elemen-elemen kerja tersebut. 5. Tetapkan jumlah siklus kerja yang harus diukur dan dicatat. Teliti apakah jumlah siklus yang dilaksanakan ini sudah memenuhi syarat atau tidak, tes pula keseragaman data yang diperoleh. 3 Ibid. hal. 171-173. Universitas Sumatera Utara 6. Tetapkan rating factor operator. Rating factor ini ditetapkan untuk setiap elemen kerja yang ada dan hanya ditujukan untuk performansi operator. Untuk elemen kerja yang sepenuhnya dilakukan oleh mesin maka performansi dianggap normal 100. 7. Sesuaikan waktu pengamatan berdasarkan performansi kerja yang ditunjukkan oleh operator tersebut sehingga akhirnya akan diperoleh waktu kerja normal. 8. Tetapkan waktu longgar allowance time guna memberikan fleksibilitas. Waktu longgar yang diberikan ini guna menghadapi kondisi-kondisi seperti kebutuhan yang bersifat personal, kelelahan, dan keterlambatan material. 9. Tetapkan waktu kerja baku standard time yaitu jumlah total antara waktu normal dan waktu longgar.

3.2.2. Pengujian Keseragaman Data

4 Selama melakukan pengukuran, operator mungkin mendapatkan data yang tidak seragam. Untuk itu digunakan alat yang dapat mendeteksinya yaitu peta kendali. Batas kendali dibentuk dari data yang merupakan batas yang menentukan seragam tidaknya data. Data dikatakan seragam jika berada dalam batas control dan data dikatakan tidak seragam jika berada diluar batas control. Rumus untuk menghitung keseragaman data dengan tingkat ketelitian 5 dan tingkat keyakinan 95 adalah : 4 Sutalaksana, Iftikar Z., dkk. Teknik Perancangan Sistem Kerja .Bandung: ITB, 2005. hal. 131 – 134. Universitas Sumatera Utara dimana: : waktu rata-rata : simpangan baku : Batas Kontrol Atas : Batas Kontrol Bawah

3.2.3. Pengujian Kecukupan Data

Uji kecukupan data dilakukan untuk mengetahui apakah data yang diambil dari penelitian lapangan telah mencukupi untuk digunakan dalam menyelesaikan permasalahan yang ada. Rumus untuk mengetahui berapa jumlah pengamatan pengukuran yang sebaiknya digunakan adalah :   2 2 2 .                X X X N s z N dimana: X = waktu pengamatan dari setiap elemen kerja untuk masing-masing siklus yang diukur z = angka deviasi standard untuk t yang besarnya tergantung pada tingkat keyakinan yang diambil, dimana : Universitas Sumatera Utara 1. 90 confidence level : z = 1,65 2. 95 confidence level : z = 2,00 3. 99,7 confidence level : z = 3,00 s = derajat dari data t yang dikehendaki, yang menunjukkan maksimum prosentasi penyimpangan yang bisa diterima dan nilai t yang sebenarnya. Nilai ks dikenal sebagai Confidence-Precision Ratio dari time study yang dilaksanakan. N = jumlah pengamatanpengukuran awal yang telah dilakukan untuk elemen kegiatan tertentu yang dipilih. N’ = jumlah siklus pengamatanpengukuran yang seharusnya dilaksanakan agar dapat diperoleh presentase kesalahan error minimum dalam mengestimasi t yaitu sebesar S. Apabila N’ N maka diperlukan pengukuran tambahan hingga memenuhi jumlah yang diperlukan. Apabila N’ N maka data pengukuran pendahuluan sudah mencukupi.

3.2.4. Rating Factor

5 Rating factor adalah faktor yang diperoleh dengan membandingkan kecepatan bekerja dari seorang operator dengan kecepatan kerja normal menurut ukuran penelitipengamat. Dari faktor ini dapat dilihat bahwa: 1. Apabila operator dinyatakan terlalu cepat yaitu bekerja di atas normal maka 5 Wignjosoebroto. Sritomo. op. cit, hal. 196. Universitas Sumatera Utara rating factor ini akan lebih besar dari pada 1 Rfl. 2. Apabila operator bekerja terlalu lambat yaitu bekerja dibawah kewajaran normal maka rating factor akan lebih kecil dari 1 Rfl. 3. Apabila operator bekerja secara normal atau wajar maka rating factor ini diambil sama dengan 1 Rf = 1. Untuk kondisi kerja dimana operasi secara penuh dilaksanakan oleh mesin operating atau machine time maka waktu yang diukur dianggap waktu yang normal. 6 Untuk memudahkan pemilihan konsep normal, seorang pengukur dapat mempelajari bagaimana bekerjanya seorang operator yang dianggap normal, yaitu jika seorang operator yang dianggap berpengalaman bekerja tanpa usaha-usaha yang berlebihan sepanjang hari bekerja, menguasai cara kerja yang ditetapkan, dan menunjukkan kesungguhan dalam menjalankan pekerjaannya. Walaupun usaha-usaha membakukan konsep bekerja normal telah dilakukan, namun rating factor tetap tampak sebagai suatu yang subyektif. Disini besarnya rating factor sepenuhnya ditentukan oleh pengukur melalui pengamatannya selama melakukan pengukuran.

3.2.5. Penetapan Kelonggaran Allowance

7 Kelonggaran Allowance diberikan berkenaan dengan adanya sejumlah kebutuhan di luar kerja, yang terjadi selama pekerjaan berlangsung. Kelonggaran diberikan untuk tiga hal, yaitu: 1. Kelonggaran untuk kebutuhan pribadi personal 6 Sutalaksana, Iftikar Z., dkk. op. cit, hal. 139. 7 Ibid . hal. 149-150. Universitas Sumatera Utara Kelonggaran yang termasuk di dalam kebutuhan pribadi adalah hal-hal sepeti minum sekedarnya untuk menghilangkan rasa haus, ke kamar kecil, bercakap- cakap dengan teman sekedarnya untuk menghilangkan ketegangan ataupun kejenuhan dalam sewaktu bekerja 2. Kelonggaran untuk menghilangkan rasa fatique Fatique merupakan hal yang akan terjadi pada diri seseorang sebagai akibat dari melakukan suatu pekerjaan. 3. Kelonggaran untuk hambatan-hambatan tidak terhindarkan delay Hambatan-hambatan tidak terhindarkan terjadi karena berada diluar kekuasaankendali pekerja, seperti mesin macet, listrik padam, dan lain-lain.

3.2.6. Perhitungan Waktu Baku

8 Waktu baku adalah waktu yang digunakan untuk menyelesaikan satu siklus pekerjaan yang dilakukan menurut metode kerja tertentu pada kecepatan normal dengan mempertimbangkan rating performance dan kelonggaran. Untuk menghitung waktu baku perlu dihitung waktu siklus rata-rata yang disebut dengan waktu terpilih, rating factor, waktu normal dan allowance. Adapun rumus untuk menghitung waktu normal dan waktu baku adalah : Wn = Ws x Rf dimana : Wn = waktu normal Ws = waktu siklus rata-rata Rf = rating factor 8 Ibid. hal. 138. Universitas Sumatera Utara 9 100 100 Wn Wb Allowance    dimana : Wb = waktu baku All = allowance

3.3. Peramalan

10 Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar yang stabil, karena perubahan permintaannya relatif kecil. Tetapi peramalan akan sangat dibutuhkan bila kondisi pasar bersifat komplek dan dinamis. Dalam kondisi pasar bebas, permintaan pasar lebih banyak bersifat komplek dan dinamis, karena permintaan tersebut akan tergantung dari keadaan sosial, ekonomi, politik, aspek teknologi, produk pesaing dan produk substitusi. Oleh karena itu, peramalan yang akurat merupakaan informasi yang sangat dibutuhkan dalam pengambilan keputusan manajemen.

3.3.1. Karakteristik Peramalan yang Baik

Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain adalah : 1. Akurasi 9 Wignjosoebroto. Sritomo. op. cit, hal. 203. 10 Nasution, Arman Hakim. Perencanaan dan Pengendalian Produksi. Yogyakarta: Graha Ilmu, 2008. hal. 32-33. Universitas Sumatera Utara Akurasi dari suatu hasil peramalan diukur dengan kebiasan dan kekonsistensian peramalan tersebut. Hasil peramalan dikatakan bias apabila peramalan tersebut terlalu tinggi atau terlalu rendah dibandingkan dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif kecil. Peramalan yang terlalu rendah akan mengakibatkan kekurangan persediaan, sehingga permintaan konsumen tidak dapat dipenuhi segera, akibatnya adalah perusahaan dimungkinkan kehilangan pelanggan dan kehilangan keuntungan penjualan. Peramalan yang terlalu tinggi akan mengakibatkan terjadinya penumpukan persediaan, sehingga banyak modal yang akan terserap sia-sia. Keakuratan dari hasil peramalan ini berperan penting dalam menyeimbangkan persediaan yang ideal meminimisasi penumpukan persediaan dan memaksimisasi tingkat pelayanan. 2. Biaya Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang dipakai. Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa banyak data yang dibutuhkan, bagaimana pengolahan datanya manual atau komputerisasi, bagaimana penyimpanan datanya dan siapa tenaga ahli yang diperbantukan. Pemilihan metode peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi yang ingin didapat, misalnya item-item yang penting akan diramalkan dengan metode yang canggih dan mahal, sedangkan item-item yang kurang penting bisa Universitas Sumatera Utara diramalkan dengan metode yang sederhana dan murah. Prinsip ini merupakan adopsi dari Hukum Pareto. 3. Kemudahan Penggunaan metode peramalan yang sederhana, mudah dibuat dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah percuma memakai metode yang canggih, tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumber daya manusia, maupun peralatan teknologi.

3.3.2. Prinsip-prinsip Peramalan

11 Ada lima prinsip peramalan yang sangat perlu diperhatikan untuk mendapatkan hasil peramalan yang baik, yaitu : 1. Peramalan selalu mengandung error. Peramalan mengurangi faktor ketidakpastian tetapi tidak pernah mampu untuk menghilangkannya. 2. Peramalan harus mencakup ukuran dari error. Besarnya error dapat dijelaskan dalam bentuk kisaran sekitar hasil peramalan baik dalam unit atau persentase dan probabilitas tentang permintaan sesungguhnya akan berada dalam kisaran tersebut. 3. Peramalan item yang dikelompokkan dalam famili selalu lebih akurat dibandingkan dengan peramalan dalam item per item. 4. Peramalan untuk jangka pendek selalu lebih akurat dibandingkan dengan peramalan untuk jangka panjang. 11 Sinulingga, Sukaria.Perencanaan Pengendalian Produksi.Yogyakarta : Graha Ilmu.2009.hal 112. Universitas Sumatera Utara 5. Apabila dimungkinkan, perkiraan besarnya permintaan lebih disukai berdasarkan perhitungan daripada hasil peramalan.

3.3.3. Metode Peramalan

12 Metode peramalan dapat diklasifikasikan menjadi dua kelompok besar yaitu metode kualitatif dan metode kunatitatif. Kedua kelompok tersebut memberikan hasil peramalan yang kuantitatif. Perbedaannya terletak pada cara peramalan yang dilakukan. Metode Kualitatif pada umumnya digunakan apabila data kuantitatif tentang permintaan tidak tersedia atau akurasinya tidak memadai. Misalnya peramalan tentang permintaan produk baru yang akan dikembangkan, jelas data masa lalu tidak tersedia, kalau kondisi lingkungan masa yang akan datang sama sekali sudah berbeda dengan kondisi masa lalu maka keberadaan data masa lalu itu tidak akan menolong peramalan pada pemintaan masa yang akan datang. Peramalan berdasarkan metode kuantitatif intrinsic forecasting mempunyai asumsi bahwa data permintaan masa lalu dari produk atau item yang diramalkan mempunyai pola yang diperkirakan masih berlanjut ke masa yang akan datang. Pola permintaan tersebut mungkin kurang jelas terlihat karena faktor random yang menghasilkan fluktuasi.

3.3.4. Metode Peramalan Kuantitatif

13 Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut: 1. Tersedia informasi tentang masa lalu. 12 Ibid . hal. 113. 13 Makridakis, dkk, Metode dan Aplikasi Peramalan. Jakarta: Erlangga, 1993. hal. 8-9. Universitas Sumatera Utara 2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data numerik. 3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang. Kondisi yang terakhir ini dikenal dengan asumsi berkesinambungan assumption of continuity, asumsi ini merupakan premis yang mendasari semua metode peramalan kuantitatif dan banyak metode peramalan teknologis. Peramalan kuantitatif dibagi atas 2 bagian, yaitu peramalan secara time series dan kausal. 14 Prosedur umum yang digunakan dalam peramalan secara kuantitatif dapat dilihat pada Gambar 3.1. Gambar 3.1. Langkah-langkah Peramalan Secara Kuantitatif 3.3.4.1.Metode Time Series 15 14 Ginting, Rosnani. Sistem Produksi. Yogyakarta :Graha Ilmu, 2007. hal. 44 -45. Universitas Sumatera Utara Metode time series adalah metode yang digunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Langkah penting dalam memilih suatu metode time series yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Adapun metode peramalan yang termasuk dalam metode time series adalah metode smoothing, proyeksi kecenderungan dengan regresi, dan dekomposisi.

3.3.4.1.1. Metode Proyeksi Kecenderungan dengan Regresi

16 Metode kecenderungan dengan regresi merupakan dasar garis kecenderungan untuk suatu persamaan, sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang. Untuk peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan metode ini sangat baik. Data yang dibutuhkan untuk metode ini adalah tahunan, minimal lima tahun. Namun, semakin banyak data yang dimiliki semakin baik hasil yang diperoleh. Bentuk fungsi dari metode ini dapat berupa: 1. Konstan, dengan fungsi peramalan Yt: Yt = a, dimana N Y a   1 Dimana : Yt = nilai tambah N = jumlah periode 2. Linier, dengan fungsi peramalan: 15 Makridakis, dkk, op. cit, hal. 10-11. 16 Ginting,rosnani. op. cit, hal. 55-56. Universitas Sumatera Utara Yt = a + bt Dimana : n bt Y a                 2 2 t t n y t ty n b 3. Kuadratis, dengan fungsi peramalan: Yt = a + bt + ct 2 Dimana : n t c t b Y a       2 ;      b c ; 2          b        4 2 2 t n t      tY n Y t       Y t n Y t 2 2       3 2 t n t t        2 2 t n t  4. Eksponensial, dengan fungsi peramalan: Yt = ae bt Dimana : n t b Y a     ln ln   2 2 ln ln         t t n Y t Y t n b 5. Siklis, dengan fungsi peramalan: n t c n t b a Y t   2 cos 2 sin ˆ    Universitas Sumatera Utara Dimana : n tt c n tt b na Y   2 cos 2 sin       n t n t c n t b n tt a n tt Y      2 cos 2 sin 2 sin 2 sin 2 sin 2       n t n t b n t c n t a n t Y      2 cos 2 sin 2 cos 2 cos 2 cos 2       

3.3.4.1.2. Metode Dekomposisi

17 Yaitu hasil ramalan ditentukan dengan kombinasi dari fungsi yang ada sehingga tidak dapat diramalkan secara biasa. Model tersebut didekati dengan fungsi linier atau siklis, kemudian bagi t atas kwartalan sementara berdasarkan pola data yang ada. Metode dekomposisi merupakan pendekatan peramalan yang tertua. Terdapat beberapa pendekatan alternatif untuk mendekomposisikan suatu deret berkala yang semuanya bertujuan memisahkan setiap komponen deret data seteliti mungkin. Konsep dasar pemisahan bersifat empiris dan tetap, yang mula – mula memisahkan unsur musiman dan trend. Adapun langkah-langkah pengerjaan peramalan dengan metode dekomposisi, yaitu : 1. Menghitung nilai rata-rata bergerak Nilai rata-rata bergerak yang dihitung adalah rata-rata bergerak dalam kurun waktu per t periode selama n periode. Nilai rata-rata diletakkan di pertengahan periode. 2. Menghitung nilai indeks musim 17 Fogarty W.Donald.Production Inventory Management.Ohio : South-Westren Publishing.Co.1991.hal 101-107. Universitas Sumatera Utara Nilai indeks musim dihitung dengan menggunakan nilai indeks rata-rata bergerak yang telah dihitung sebelumnya. Hal pertama yang dilakukan adalah menghitung nilai faktor musim dengan cara membagikan hasil rata-rata bergerak dengan permintaan di periode yang sama , kemudian menghitung nilai indeks musim dengan cara merata-ratakan nilai dari faktor musim yang ada. 3. Mencari persamaan garis trend Garis trend dapat dicari dengan menggunakan persamaan : YX = a + bX Berdasarkan persamaan tersebut maka langkah pertama yang harus dilakukan untuk mencari persamaan garis trend adalah menghitung nilai a dan b : 2 2 X b Y a X X n X Y XY n b           4. Menghitung nilai persamaan garis trend Nilai persamaan garis trend dihitung di setiap periode peramalan yang diinginkan. Nilai persamaan garis trend dapat dihitung dengan memasukkan nilai periode yang diinginkan. 5. Menghitung nilai ramalan akhir Nilai ramalan akhir didapatkan dengan cara mengalikan nilai persamaan garis trend dengan nilai indeks musim. Universitas Sumatera Utara

3.3.5. Kriteria Performance Peramalan

18 Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara, yaitu: 1. Mean Square Error MSE Dimana : Xt = data aktual periode t Ft = nilai ramalan periode t N = banyaknya periode 2. Standard Error of Estimate SEE f = derajat kebebasan f = 1 data konstan f = 2 data linear atau eksponensial f = 3 data kuadratis atau siklis 3. Persentage Error PE t 4. Mean Absolute Persentage Error MAPE 18 Ginting,rosnani. op. cit, hal. 58-60. Universitas Sumatera Utara Setelah didapat kesalahan dari masing-masing metode peramalan, maka akan dilakukan pengujian terhadap dua metode yang memiliki kesalahan terkecil guna mendapatkan metode peramalan yang lebih baik untuk digunakan. Pengujian dilakukan dengan tes distribusi F. Langkah-langkahnya sebagai berikut:

1. Tentukan pernyataan awal Ho dan pernyataan alternatif Ha

Ho : Metode X lebih baik daripada metode Y Ha : Metode Y lebih baik daripada metode X 2. Lakukan tes statistik Di mana: S 1 = besarnya kesalahan metode peramalan X S 2 = besarnya kesalahan metode peramalan Y 3. Bandingkan hasil yang diperoleh dari langkah 2 dengan hasil yang diperoleh dari tabel distribusi F dengan tingkat ketelitian yang telah ditetapkan Jika F hitung F tabel maka Ho diterima dan jika sebaliknya maka Ho ditolak. Setelah didapatkan metode peramalan mana yang lebih baik maka dilakukan verifikasi terhadap metode peramalan yang terbaik tersebut.

3.3.6. Peta Moving Range

19 Dalam peramalan, peta moving range digunakan untuk melakukan verifikasi yaitu untuk melihat apakah metode peramalan yang diperoleh representatif terhadap data. Jika semua titik berada di dalam batas kendali peta 19 Nasution, Arman Hakim. op.cit. hal. 62-64. Universitas Sumatera Utara moving range , diasumsikan peramalan permintaan yang dihasilkan telah cukup baik. Jika terdapat titik yang berada di luar batas kendali, maka peramalan yang didapat kurang baik dan harus direvisi. Dalam pembuatan peta moving range diperlukan rata-rata moving range yang rumusnya adalah : 1 1 2      N MR MR N t t Proses verifikasi dengan menggunakan peta moving range dapat digambarkan pada Gambar 3.2. Gambar 3.2. Peta Moving Range Kondisi out of control dapat diperiksa dengan menggunakan empat aturan berikut : 1. Aturan Satu Titik Bila ada titik sebaran berada di luar UCL dan LCL.Walaupun jika semua titik sebaran berada dalam batas kontrol, belum tentu fungsimetode representatif. Universitas Sumatera Utara Untuk itu penganalisaan perlu dilanjutkan dengan membagi MRC dalam tiga daerah, yaitu : A, B, dan C. 2. Aturan Tiga Titik Bila ada tiga buah titik secara berurutan berada pada salah satu sisi, yang mana dua diantaranya jatuh pada daerah A. 3. Aturan Lima Titik Bila ada lima buah titik secara berurutan berada pada salah satu sisi, yang mana empat diantaranya jatuh pada daerah B. 4. Aturan Delapan Titik Bila ada delapan buah titik secara berurutan berada pada salah satu sisi, pada daerah C.

3.4. Penyusunan Jadwal Induk Produksi

20 Jadwal Induk Produksi Master Production Scheduling ialah suatu pernyataan tentang produk akhir apa atau item apa yang direncanakan untuk diproduksi, berapa banyak produk atau item tersebut akan diproduksi pada setiap periode sepanjang rentang waktu perencanaan. Rencana induk produksi berfungsi sebagai basis dalam penentuan jadwal proses operasi di lantai pabrik, jadwal pengadaan bahan dari luar perusahaan boughtout materials dan jadwal alokasi sumber daya untuk mendukung jadwal pengiriman produk kepada pelanggan. 20 Sinulingga, Sukaria. op.cit. hal 131-136. Universitas Sumatera Utara Setiap produk tidak terkecuali bahan kebutuhan pokok selalu mengalami fluktuasi permintaan. Permintaan pasar terhadap produk yang berfluktuasi akan menimbulkan fluktuasi dalam kebutuhan sumber daya produksi seperti bahan baku, kapasitas produksi dan tenaga operator. Fluktuasi kebutuhan terhadap sumber daya produksi ini akan menimbulkan kesulitan tersendiri karena faktor supply yaitu kapasitas produksi dan jumlah tenaga operator pada umumnya relatif konstan sehingga ada peluang terjadinya ketidaksesuaian antara jumlah sumber daya yang dibutuhkan dan jumlah sumber daya yang tersedia. Ada dua faktor penting yang perlu diperhatikan dalam menjabarkan rencana agregat ke dalam jadwal induk produksi. Pertama ialah kondisi flukuasi permintaan masing-masing kelompok produk dari rentang musim ke musim. Yang dimaksud dengan rentang musim adalah rentang periode terjadinya perubahan permintaan secara sognifikan. Misalnya, besarnya permintaan terhadap produk tertentu relative rendah selama bulan Januari, Februari dan Maret, tetapi pada bulan April, Mei dan Juni meningkat tajam yaitu meningkat hampir 50 di atas permintaan rata-rata pada tiga bulan sebelumnya. Dengan mengidentifikasi persentase perubahan perkiraan permintaan pasar pada setiap musim maka rencana produksi agregat tahun pertama dapat diuraikan ke dalam rencana produksi agregat bulanan.

3.5. Rough-Cut Capacity Planning RCCP