Pengolahan Data 1. Perhitungan Waktu Kerja Rata-Rata, Standart Deviasi, Tingkat Harga Rata-rata Sub Grup Jumlah Sub Grup Jumlah Kuadrat Harga Rata-rata dari rata-rata sub grup Harga Standart Deviasi Tingkat Ketelitian Jadwal Induk Produksi JIP

4.1.4. Data Permintaan Produk

Data permintaan yang digunakan mulai dari bulan Januari 2009 – April 2010, hal ini dapat dilihat pada table berikut ini : Tabel 4.10. Data Pemintaan Benang Single 30 NE Periode Tahun Bulan Permintaan kg 1 2009 Januari 105677 2 2009 Februari 198206 3 2009 Maret 205319 4 2009 April 201128 5 2009 Mei 149939 6 2009 Juni 140308 7 2009 Juli 134041 8 2009 Agustus 135515 9 2009 September 120715 10 2009 Oktober 129874 11 2009 November 98855 12 2009 Desember 76761 13 2010 Januari 116775 14 2010 Februari 151636 15 2010 Maret 150858 16 2010 April 155818 Sumber : PT. Lotus Indah Textile Industries Surabaya 4.2. Pengolahan Data 4.2.1. Perhitungan Waktu Kerja Rata-Rata, Standart Deviasi, Tingkat Ketelitian, dan Tingkat Keyakinan. Berdasarkan data pengukuran waktu kerja proses Blow Room pada tabel. 4.3 maka perhitungan waktu kerja rata-rata proses Blow Room dapat dilihat pada perhitungan dibawah ini, sedangkan untuk perhitungan Proses Carding, Proses Drawing, Proses Speed Frame Simplex, Proses Ring Frame, Proses Winding, dan Proses Packing dapat dilihat pada lampiran II.

a. Harga Rata-rata Sub Grup

06 . 53 5 9 . 53 5 . 53 3 . 53 2 . 52 4 . 52 1       X 84 . 52 5 7 . 49 9 . 53 1 . 53 7 . 53 08 . 53 2        X 4 . 53 5 6 . 49 5 . 54 2 . 54 4 . 54 3 . 54 3       X 9 . 51 5 6 . 49 52 7 . 52 7 . 52 5 . 52 4       X 2 . 211 9 . 51 4 . 53 84 . 52 06 . 53       ij X

b. Jumlah Sub Grup

3 . 265 9 . 53 5 . 53 3 . 53 2 . 52 4 . 52 1       X 2 . 264 7 . 49 9 . 53 1 . 53 7 . 53 8 . 53 2        X 267 6 . 49 5 . 54 2 . 54 4 . 54 3 . 54 3       X 5 . 259 6 . 49 52 7 . 52 7 . 52 5 . 52 4       X 1056 5 . 259 267 2 . 264 3 . 265       ij X

c. Jumlah Kuadrat

95 . 14078 9 . 53 5 . 53 3 . 53 2 . 52 4 . 52 2 2 2 2 2 2 1       X 04 . 13973 7 . 49 9 . 53 1 . 53 7 . 53 8 . 53 2 2 2 2 2 2 2       X 9 . 14275 6 . 49 5 . 54 2 . 54 4 . 54 3 . 54 2 2 2 2 2 2 3       X 99 . 13474 6 . 49 52 7 . 52 7 . 52 5 . 52 2 2 2 2 2 2 4       X 88 . 55802 99 . 13474 9 . 14275 04 . 13973 95 . 14078 2       ij X

d. Harga Rata-rata dari rata-rata sub grup

8 . 52 4 2 . 211     L X X ij ij

e. Harga Standart Deviasi

2 1    N X X ij ij  1 20 8 . 52 6 . 49 ..... 8 . 52 4 . 52 2 2       = 1.5573 f. Harga Standart Deviasi Rata-rata L x    7787 . 4 5573 . 1  

g. Tingkat Ketelitian

47 . 1 100 8 . 52 7787 . 100 x      X S 

h. Tingkat Kepercayaan Tingkat Keyakinan

CL = 100  S = 100  1.47 = 98.53

4.2.2. Perhitungan Uji Keseragaman Data

Berdasarkan data waktu kerja proses Bloow Room yang ada di tabel 4.3, maka dapat di uji keseragaman datanya sebagai berikut : CL = 0.9853 maka k didapat dari Tabel Appendix bila tidak ada pakai interpolasi. X 1 2.17 y 1 0.9850 X ? y 0.9853 X 2 2.18 y 2 0.9854 1 2 1 1 2 1 y y y y x x x x      9850 . 9854 . 9850 . 9853 . 17 . 2 18 . 2 17 . 2      x X = k = 2.178 BKA = X + k x  = 52.8 + 2.178 0.7787 = 54.49 CL = X = 52.8 BKB = X  k x  = 52.8- 2.178 0.7787 = 51.1 Gambar 4.1. Grafik Uji Keseragaman Data Proses Blow Room Berdasarkan gambar grafik uji keseragaman data proses Blow Room diatas data dikatakan seragam karena semua data berada di dalam batas BKA dan BKB, maka tidak ada data ekstrim. Uji keseragaman data untuk proses yang lain ada dilampiran II. Rekapitulasi hasil uji keseragaman data untuk seluruh proses dapat dilihat pada tabel 4.11. berikut : Tabel 4.11. Hasil Uji Keseragaman Data No Proses N BKA BKB Tes Data 1 Blow Room 20 54.49 51.1 Seragam 2 Carding 20 123.86 116.94 Seragam 3 Drawing 20 69.36 65.65 Seragam 4 Speed Frame Simplex 20 47.45 44.15 Seragam 5 Ring Frame 20 151.47 135.52 Seragam 6 Winding 20 37.86 35.19 Seragam 7 Packing 20 65.35 61.62 Seragam .

4.2.3. Perhitungan Uji Kecukupan Data

Untuk mengetahui apakah jumlah data pada poses Blow Room yang telah diamati sudah cukup, maka perlu adanya uji kecukupan data sehingga dapat diketahui data tersebut telah cukup. Dimana syarat memenuhi adalah N’ N. Dengan perhitungan sebagai berikut : 2 2 2              Xij Xij Xij N s k N 2 2 1056 1056 88 . 55802 20 0147 . 178 . 2               = 18.14 ≈ 18 pengamatan. Karena 18 20 atau N’ N maka data sudah cukup sehingga tidak perlu dilakukan pengukuran lagi atau pengukuran tambahan. Uji kecukupan data untuk proses yang lain ada dilampiran II. Rekapitulasi hasil uji kecukupan data untuk seluruh proses dapat dilihat pada tabel 4.12 berikut : Tabel 4.12. Hasil Uji Kecukupan Data No Proses N  2 Xij  Xij N’ Tes Data 1 Blow Room 20 55802.88 1056 18 Cukup 2 Carding 20 290106 2408 19 Cukup 3 Drawing 20 91217.19 1350.3 19 Cukup 4 Speed Frame Simplex 20 41998.88 916 17 Cukup 5 Ring Frame 20 413198 2870 14 Cukup 6 Winding 20 26726.27 730.7 17 Cukup 7 Packing 20 80673.26 1269.8 17 Cukup

4.2.4. Perhitungan Waktu Siklus Ws

Berdasarkan hasil perhitungan rata-rata hasil sub grup untuk proses Blow Room, maka dapat dihitung waktu siklus sebagai berikut : 8 . 52   x WS detikkg Dengan cara yang sama untuk perhitungan proses yang lain ada dilampiran II. Rekapitulasi hasil perhitungan waktu siklus untuk seluruh proses ada pada tabel 4.13 berikut : Tabel 4.13. Hasil Perhitungan Waktu Siklus No Proses Waktu Siklus Ws Detik Kg 1 Blow Room 52.8 2 Carding 120.4 3 Drawing 67.51 4 Speed Frame Simplex 45.8 5 Ring Frame 143.5 6 Winding 36.53 7 Packing 63.49

4.2.5. Perhitungan Waktu Normal Wn

Berdasarkan perhitungan waktu siklus di atas dan perhitungan faktor penyesuaian P proses Blow Room yang dapat dilihat dilampiran II, maka dapat dihitung waktu normal sebagai berikut : Wn = Ws  P = 52.8  1.12 = 59.14 detikkg Dengan cara yang sama perhitungan waktu normal untuk proses yang lain ada dilampiran II. Rekapitulasi hasil perhitungan waktu normal untuk seluruh proses ada pada tabel 4.14 berikut : Tabel 4.14. Hasil Perhitungan Waktu Normal No Proses Waktu Normal Wn Detik Kg 1 Blow Room 59.14 2 Carding 139.6 3 Drawing 81.69 4 Speed Frame Simplex 54.50 5 Ring Frame 172.2 6 Winding 44.93 7 Packing 79.99

4.2.6. Perhitungan Waktu Baku Wb

Berdasarkan hasil perhitungan waktu normal proses Blow Room di atas, maka dapat dihitung waktu baku sebagai berikut : Allowance Wnx Wb   100 100 25 100 100 14 . 59   x = 78.85 detikkg = 0.022 jamkg Nilai allowance dapat dihitung dilampiran II. Perhitungan waktu baku untuk proses yang lain ada dilampiran II. Rekapitulasi hasil perhitungan waktu baku dapat dilihat pada tabel 4.15 berikut : Tabel 4.15. Hasil Perhitungan Waktu Baku No Proses Waktu Baku Wb Jam Kg 1 Blow Room 0.022 2 Carding 0.052 3 Drawing 0.03 4 Speed Frame Simplex 0.021 5 Ring Frame 0.065 6 Winding 0.017 7 Packing 0.028

4.3. Peramalan

Peramalan adalah proses untuk memperkirakan kebutuhan dimasa datang dalam periode waktu dengan melihat tingkat permintaan konsumen atas suatu produk. Peramalan dilakukan untuk masa mendatang melalui pengujian keadaan masa di masa lalu yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam memenuhi permintaan barang ataupun jasa.

4.3.1. Membuat Plot diagram Permintaan

Berdasarkan data permintaan Benang Single 30 NE pada tabel 4.10 maka dapat digambarkan suatu plot diagram permintaan sebagai berikut : Gambar 4.2. Plot Diagram Permintaan Benang Single 30 NE

4.3.2. Penetapan Metode Peramalan.

Dilihat dari plot diagram permintaan produk pada gambar 4.2. yang berpola random acak , sehingga untuk pengolahan data permintaan Januari 2009 sd April 2010, menggunakan 3 metode peramalan, yaitu : metode single average SA, single exponential smoothing SES, dan double exponential smoothing DES

4.3.3. Menghitung Masing – masing Kesalahan Peramalan

Peramalan ditujukan untuk memprediksi permintaan yang akan datang. Dari hasil perhitungan peramalan dengan menggunakan program Win QSB dapat dilihat pada lampiran III, maka dihasilkan nilai kesalahan peramalan yang diperoleh dari permintaan tahun lalu, seperti pada tabel 4.16. dibawah ini : Tabel 4.16. Nilai Kesalahan Peramalan Dari Berbagai Metode Peramalan No. Metode MAD MSE MAPE 1 Simple Average 36296.01 1.792101E+09 27.67081 2 Single Exponential Smoothing 23224.23 1.101193E+09 16.76712 3 Double Exponential Smoothing 24408.49 1.14963E+09 17.56001

4.3.4. Memilih Metode Dengan Nilai Kesalahan Peramalan Terkecil

Dari tabel 4.16. diatas maka dapat disimpulkan bahwa metode yang memiliki kesalahan peramalan terkecil adalah metode Single Exponential Smoothing dengan nilai kesalahan MAD = 23224.23, MSE = 1.101193E+09, MAPE = 16.76712

4.3.5. Uji Verivikasi Data Dengan MRC Moving Range Chart

Setelah didapat fungsi peramalan dengan kesalahan peramalan tekecil, kemudian perlu diadakan verifikasi apakah fungsi tersebut dapat diterapkan atau tidak, maka alat yang dipakai adalah MRC Moving Range Chart. Cara membuat MRC adalah sebagai berikut : MR = ŷ t - y t – ŷ t-1t – y t-1 Dimana : MR = Moving Range ŷ t = Data hasil Peramalan hasil tertentu y t = Data peramalan periode tertentu ŷ t-1 = Data hasil peramalan 1 periode sebelumnya y t-1 = Data permintaan 1 periode tertentu Adapun rata-rata moving range didefinisikan sebagai : Dimana : MR = Rata-rata moving range n = jumlah periode Garis tengah peta moving range adalah pada titik. batas kontrol atas dan bawah Pada peta moving range adalah : BKA = +2,66.MR BKB = -2,66.MR Sementara itu, variable yang akan diplot ke dalam peta moving range : ∆y t = ŷ t – y Untuk uji yang paling tepat bagi kondisi diluar kendali adalah dengan cara Membagi peta kendali ke dalam 6 bagian dengan selang yang sama. Yaitu daerah A adalah daerah diluar ± 23 2,66 . MR = ± 1,77 . MR diatas +1,77 MR dan dibawah –1,77 MR. Daerah B adalah daerah diluar ± 0,89 . MR diatas +0.89 MR dan dibawah – 0,89 MR. Dibawah ini adalah tabel perhitungan MRC. Tabel 4.17. Perhitungan Moving Range Bulan Periode t Peramalan ŷ t Permintaan y t Forcast Error Moving Range MR Januari 2009 Februari 2009 Maret 2009 April 2009 Mei 2009 Juni 2009 Juli 2009 Agustus 2009 September 2009 Oktober 2009 November 2009 Desember 2009 Januari 2010 Februari 2010 Maret 2010 April 2010 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 - 105677 188953.1 203682.4 201383.4 155083.4 141785.5 134815.5 135445 122188 129105.4 101880 79272.91 113024.8 147774.9 150549.7 105677 198206 205319 201128 149939 140308 134041 135515 120715 129874 98855 76761 116775 151636 150858 155818 - -92529 -16365.91 2554.406 51444.44 14775.44 7744.547 -699.5469 14730.05 -7685.992 30250.4 25119.04 -37502.09 -38611.21 -3083.125 -5268.313 - - 76163.09 18920.316 48890.034 36669 7030.893 8444.0939 15429.5969 22416.042 37936.392 5131.36 62621.13 1109.12 383728.085 2185.188  MR 726674.3408 Perhitungan : 1    n MR MR 1 16 3408 . 726674   = 48444.96 MR x BKA 66 . 2  MR x BKB 66 . 2   = 2.66 x 48444.96 = –2.66 x 48444.96 = 128863.59 = – 128863.59 Daerah A = ± 1.77 x MR Daerah B = ± 0.89 x MR = ± 1.77 x 48444.96 = ± 0.89 x 48444.96 = ± 85747.58 = ± 43116.01 Gambar 4.3. Peta Kendali Moving Range Berdasarkan gambar diatas, data dikatakan terkontrol karena data berada di dalam batas BKA DAN BKB. Maka metode Single Exponential Smoothing tersebut dapat diterapkan.

4.3.6. Peramalan Dengan Metode Yang Dipilih

Maka dapat dilihat dari hasil peramalan metode Single Exponential Smoothing SES dengan menggunakan program Win QSB, seperti pada tabel 4.18. sebagai berikut : Tabel 4.18. Data Hasil Peramalan Permintaan Produk Bulan Mei 2010- April 2011 Periode Tahun Bulan Permintaan Kg 1 2010 Mei 201383.4 2 2010 Juni 155083.4 3 2010 Juli 141785.5 4 2010 Agustus 134815.5 5 2010 September 135445 6 2010 Oktober 122188 7 2010 November 129105.4 8 2010 Desember 101880 9 2011 Januari 79272.91 10 2011 Februari 113024.8 11 2011 Maret 147774.9 12 2011 April 150549.7 Total 1612308.51 Data diperoleh dari hasil peramalan Single Exponential Smoothing SES dengan program Win QSB terdapat pada lampiran III .

4.4. Jadwal Induk Produksi JIP

Jadwal Induk Produksi merupakan suatu rencana produksi yang menggambarkan hubungan antara kuantitas tiap jenis produk pada suatu periode tertentu. Dengan rincian sebagai berikut : POH Project On Hand : Persediaan yang dimiliki  Kebutuhan kotor diambil dari hasil peramalan permintaan Mei 2010 – April 2011  POH awal sebesar 81124 produk  Kebutuhan bersih diperoleh dari kebutuhan kotor dikurangi POH  Jadwal Induk Produksi didapat dari hasil kebutuhan bersih Dibawah ini adalah tabel Jadwal Induk Produksi sebagai berikut : Tabel 4.19. Jadwal Induk Produksi Produk Mei 2010 Juni 2010 Juli 2010 Agt 2010 Spt 2010 Okt 2010 Nop 2010 Des 2010 Jan 2011 Feb 2011 Mar 2011 April 2011 Keb. Kotor POH Keb. Bersih 201383 81124 120259 155083 155083 141786 141786 134816 134816 135445 135445 122188 122188 129105 129105 101880 101880 79273 79273 113025 113025 147775 147775 150550 150550 Jumlah persediaan yang dimiliki POH pada bulan Mei 2010 adalah 81124 kg merupakan sisa produksi bulan April 2010. Kemudian selanjutnya untuk bulan Juni 2010 sampai April 2011 POHnya adalah 0 kg, hal ini dikarenakan pada bulan tersebut tidak dilakukannya proses produksi sebelumnya

4.5. Matrik Produksi