laporan praktikum i5 pura-pura fix

8/16/2019 Laporan Praktikum i5 Pura-pura Fix

1/19

LAPORAN PRAKTIKUM

SISTEM PRODUKSI

ACARA II

PERENCANAAN PRODUKSI

Disusun oleh :

PLUG IKELOMPOK : 5

1. Danar Teguh Santoso 122130231

2. Wahyu Surya Rahman 122130232

LABORATORIUM SISTEM PRODUKSI

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”

YOGYAKARTA

2016


2/19


3/19

2.2.2 Peramalan Permintaan Produk

Peramalan ( forecasting) adalah kegiatan untuk memperkirakan apa yang

akan terjadi di masa yang akan datang. Peramalan diperlukan untuk mengantisipasi

pengaruh perubahan kondisi pasar yang kompleks dan dinamis, dimana terjadi

perubahan permintaan yang bervariasi sepanjang waktu.

Peramalan merupakan salah satu informasi yang dibutuhkan dalam

pengambilan keputusan dan pengendaÌian perusahaan, peramalan berperan penting

dalam:

1. Penjadwalan sumberdaya yang tersedia

2. Kebutuhan sumberdaya tambahan

3. Penentuan sumberdaya yang diinginkan

Terdapat lima prinsip (Plossi) yang perlu dipertimbangkan dalam peramalan,

yaitu:

1. Peramalan mengakibatkan kesalahan (error ). Peramalan hanya mengurangi

ketidakpastian tetapi tidak rnenghilangkannya.

2. Peramalan harus memberikan informasi ukuran kesalahan, sehingga pemakai

tahu besar kesalahan yang mungkin terjadi dalam peramalan.

3. Peramalan famili produk lebih akurat dibanding peramalan produk individu

(item). Jika satu famili produk diramalkan menjadi satu kesatuan, persentase

kesalahan cenderung lebih kecil daripada persentase kesalahan peramalan

produk-produk individu penyusun famili.

4. Peramalan jangka pendek lebih akurat daripada jangka panjang, karena faktor

yang mempengaruhi permintaan pada peramalan jangka pendek lebih stabil,sehingga hasil peramalan lebih akurat.

5. Jika dimungkinkan, hitung permintaan dengan meramalkan permintaan

tersebut, untuk sistem produksi make to stock . Jadwal produksi dibuat

berdasarkan peramalan permintaan.


4/19

Untuk menghadapi beragamnya kebutuhan, beberapa teknik peramalan telah

dikembangkan. Teknik peramalan ini dibagi menjadi dua, yaitu:

1. Peramalan kualitatif adalah peramalan yang menggunakan intuisi

penyusunannya, tidak menggunakan pendekatan metematis maupun statistik,

sehingga sifatnya sangat subyektif.

2. Peramalan kuantitatif adalah peramalan yang menggunakan model matematis

dan statistik data historis dalam menunjukkan hubungan antara permintaan

dengan variabel-variabel yang mempengaruhinya.

Peramalan ini dibagi menjadi dua, yaitu:

1. Metode Time Series memprediksi masa yang akan datang berdasarkan pada

pengamatan masa lalu tanpa memperhatikan faktor dan luar yang dapat

mempengaruhi permintaan

2. Metode Kausal menganggap bahwa permintaan produk bukan hanya

merupakan fungsi waktu tetapi ada variabel-variabel lain yang mempengaruhi

seperti promosi, harga, daya beli, dll.

Hasil peramalan yang dibuat sangat bergantung pada metode yang digunakan

dalam peramalan tersebut. Peramalan kualitatif tidak akan dibahas. Metode

peramalan banyak digunakan adalah metode peramalan kuantitatif.

2.2.3 Perencanaan Agregat

Perencanaan Agregat merupakan perencanan yang dibuat untuk memenuhi

total kebutuhan semua produk yang akan dihasilkan dalam menghadapi permintaan

pasar yang tidak pasti dengan mengoptimalkan penggunaan sumber daya (kapasitasmesin tersedia, jumlah tenaga kerja, tingkat persediaan yang ditentukan dan

penjadwalannya) yang ada, sehingga ongkos total produksi dapat ditekan

seminimum mungkin.

Metode perencanaan agregat sangat penting peranannya dalam menetapkan

rencana produksi bulanan. Perencanaan produksi dibuat berdasarkan permintaan.

Pola permintaan dipengaruhi oleh empat komponen yaitu kecendrungan (trend),

sikius bisnis, musiman dan random.


5/19

Agregat merupakan perencanaan yang dibuat pada tingkat kasar untuk

memenuhi total kebutuhan semua produk yang akan dihasilkan (bukan per individu

produk) dengan tnenggunakan sumber daya (kapasitas mesin yang tersedia, jumlah

tenaga kerja yang ada, tingkat persediaan ditentukan dan penjadwalan) yang ada.

Terdapat 4 jenis strategi yang dapat dipilih dalam membuat perencanaan

agregat. Pemilihan strategi tersebut tergantung dan kebijaksanaan perusahaan,

keterbatasan perusahaan dalam bidang prakteknya dan pertimbangan biaya.

Keempat strategi tersebut adalah sebagai berikut:

1. Memproduksi banyak barang pada saat permintaan rendah dan

menyimpan kelebihannya sampai saat yang dibutuhkan. Alternatif ini akan

menghasilkan tingkat produksi relatif konstan, tetapi mengakibatkan

ongkos persediaan yang tinggi.

2. Menambah tenaga kerja pada saat permintaan tinggi dan

memperhatikannya (mengurangi) pada saat permintaan rendah.

Penambahan ini memerlukan biaya rekrutmen dan pelatihan. Biaya

kompensasi dan reorganisasi seringkali harus dikeluarkan jika harus

dilakukan pengurangan tenaga kerja. Biaya ini biasanya diikuti oleh biaya

biaya tak tampak. Karena kapasitas fasilitas produksi adalah tetap maka

penurunan produktivitas mungkin akan terjadi jika penambahan tenaga

kerja tanpa disertai dengan penarnbahan peralatan produksi (mesin-

mesin).

3. Melemburkan pekerja

Alternatif ini sering dipakai dalam perencanaan agregat, tetapi ada

keterbatasannya dalam menjadwalkan kapasitas mesin dan tenaga kerjayang ada.

4. Mensubkontrakkan sebagian pekerjaan pada saat sibuk.

Alternatif ini mengakibatkan tambahan ongkos karena subkontrak dan

ongkos kekecewaan konsumen bila terjadi keterlambatan penyerahan

barang yang disubkontrakkan.

Masing-masing alternatif tersebut akan mempunyai dampak yang

berpengaruh secara psikologis maupun non psikologis (ongkos, efisiensi). Biasanya


6/19

bagian perencanaan produksi alcan membuat perencanaan agregat dengan

mengkombinasi alternatif-alternatif di atas sehingga fluktualisasi permintaan dapat

dikendalikan dan biaya total produksi yang direncanakan dapat ditekan seminimal

mungkin.

Rencana agregasi memperhitungkan tenaga kerja dan kualitas produk secara

keseluruhan. Agar lebih berguna, rencana harus dijabarkan dalam kuantitas produk

untuk masing-masing individu produk. Proses penjabaran atau disagregasi ini akan

menghasilkan jadwal induk yang selanjutnya akan menjadi input bagi MRP.

Master Production Scheduling (MPS)

Jadwal induk Produksi (JIP) atau Master Production Scheduling (MPS)

adalah penjabaran rencana produksi famili produk (hasil PP) menjadi produk

individu dalam jumlah dan waktu tertentu. MPS biasanya disusun dan direvisi

setiap bulan.

Beberapa karakteristik dan MPS adalah:

1. Merupakan pernyataan mengenai sesuatu yang akan diproduksi

2. Sebelum dinyatakan sebagai produk famili dalam PP

3. Merupakan suatu peramalan dengan mempertimbangkan ketersediaan

material dan kapasitas backlog serta tujuan dan kebijaksanaan manajemen.

4. Memberikan arah bagi sistem perencanaan kebutuhan material.

Fungsi-fungsi MPS adalah sebagai benkut:

1. MPS menjadwalkan produksi dan pembelian dari item-item.2. MPS adalah salah satu dari tiga input dalam sistem MRP. MPS diekploitasi

melalui struktur produk sehingga akan diketahui jenis, jumlah dan waktu

kebutuhan bahan atau komponen produk individual.

3. Merupakan dasar dalam menentukan kebutuhan sumber daya produksi

(jumlah tenaga kerja, jam mesin, dll) melalui perencanaan kebutuhan

kapasitas kotor (RCCP)

4. Dasar menetapkan janji waktu pengiriman kepada pelanggan.


7/19

Input MPS adalah:

1. Rencana produksi agregat

2. Data permintaan (berupa ramalan penjualan, pesanan pelanggan, kebutuhan

gudang, kebutuban antar pabrik, safety stock dll harus dipertimbangkan dalam

pembuatan MPS)

3. Status persediaan (dengan mengetahui jumlah item yang tersedia, baik yang

digudang ataupun sedang dipesan maka penentuan untuk melakukan

pemesanan baru yang tepat).

4. Kebijakan pemesanan seperti: ongkos per unit, ongkos pemesanan,

presentase kerusakan, lead time, safety stock , dll).

Penyusunan MPS memainkan peranan penting dalam fungsi MPS itu sendiri.

2.3 Peralatan dan Bahan

1. Data penjualan (permintaan) minimal tahun yang lalu

2. Kertas kerja

3. Alat tulis

4. Kalkulator dan komputer

5. Data persediaan awal

6. Conveyor

7. Komponen produk tamiya.

2.4 Prosedur Praktikum

1. Mempersiapkan semua peralatan yang digunakan.2. Melakukan analisis peramalan dengan menghitung ME, MSE, dll.

3. Melakukan pemilihan metode peramalan yang terbaik.

4. Melakukan verifikasi.

5. Melakukan peramalan untuk periode mendatang.

6. Siapkan data permintaan atau hasil peramalan.

7. Lakukan analisis perencanaan agregat.

8. Pilih metode perencanaan agregat yang memberikan hasil yang terbaik.


8/19

9. Menguraikan produk famili menjadi produk individual atau item produk.

10. Menentukan proporsi ukuran untuk masing-masing item.

11. Menghitung disagregasi dan masing-masing item produk.

2.5 Pengumpulan Data

2.5.1 Data Permintaan

Data permintaan produk Tamiya sekama setahun disajikan pada Tabel 2.2

Tabel 2.1 Data Permintaan

PeriodePermintaan

Produk A Produk B1 7900 8000

2 7520 7500

3 7440 7500

4 7250 7553

5 6510 7608

6 6330 7507

7 5000 7456

8 4770 7404

9 4830 7000

10 4600 6503

11 4400 6555

12 4300 6304

Jumlah 70850 86890

2.5.2 Waktu Proses

Berdasarkan praktikum acara I dapat diperoleh hasil waktu proses

pembuatan produk sebagai berikut :

a. Produk A = 11,88 menit/unit = 0,198 jam/unit

b. Produk B = 10,64 menit/unit = 0,178 jam/unit

2.5.3 Biaya-biaya Produksi

Biaya-biaya yang terlibat dalam produksi Tamiya adalah sebagai berikut :

a. Biaya Hiring = Rp., 12.500,- / Unit


9/19

b. Biaya Layoff = Rp., 3.300,- / Unit

c. Biaya Inventory = Rp., 24.000,- / Unit

2.6 Pengolahan Data

2.6.1 Pengolahan Permintaan Agregat

Permintaan agregat dihitung dengan rumus sebagai berikut :

Permintaan Agregat = Permintaan (unit) x Waktu Proses (Jam)

Hasil perhitungan lain disajikan pada tabel 2.2

Tabel 2.2 Data Permintaan Agregat

Periode

Permintaan Waktu ProsesPermintaan Agregat Total

Permintaan

AgregatProduk

A

Produk

B

Produk

A

Produk

BProduk A Produk B

1 7900 8000 0,198 0,1781564,2 1424

2988,2

2 7520 7500 0,198 0,178 1488,96 1335 2823,96

3 7440 7500 0,198 0,178 1473,12 1335 2808,12

4 7250 7553 0,198 0,178 1435,5 1344,434 2779,934

5 6510 7608 0,198 0,178 1288,98 1354,224 2643,204

6 6330 7507 0,198 0,178 1253,34 1336,246 2589,586

7 5000 7456 0,198 0,178 990 1327,168 2317,168

8 4770 7404 0,198 0,178 944,46 1317,912 2262,372

9 4830 7000 0,198 0,178 956,34 1246 2202,34

10 4600 6503 0,198 0,178 910,8 1157,534 2068,334

11 4400 6555 0,198 0,178 871,2 1166,79 2037,9912 4300 6304 0,198 0,178 851,4 1122,112 1973,512

Jumlah 70850 86890 2,376 2,136 14028,3 15466,42 29494,72

Proporsi 0,475620721 0,524379279

Contoh Perhitungan (Periode ke-1)

Periode Ke-1

Permintaan Agregat (PA)


10/19


11/19

Tabel 2.3 Data hasil peramalan dengan metode SEST (Lanjutan)

Periode Y’

16 1717,368

17 1653,334

18 1589,299

19 1525,265

20 1461,23

21 1397,196

22 1333,161

23 1269,127

24 1205,093

Grafik peramalan dapat dilihat pada gambar 2.2

Gambar 2.2 Grafik permintaan agregat

2.6.3 Uji Verfikasi

Perhitungan uji verivikasi dapat dilihat pada tabel 2.5

Tabel 2.5 Data perhitungan kesalahan dengan metode SEST

Periode Error (Et) Et-(Et-1) [Et-(Et-1)]

1 0-164,24 164,24

0

500

1000

1500

2000

2500

1 2 3 4 5 6 7 8 9 10 11 12

Chart Title


12/19

Tabel 2.5 Data perhitungan kesalahan dengan metode SEST (Lanjutan)

Periode Error (Et) Et-(Et-1) [Et-(Et-1)]

2 -164,24 162,820322 162,820322

3 -1,419678 -8,936522 8,936522

4 -10,3562 -107,6062 107,6062

5 -117,9624 93,67578 93,67578

6 -24,28662 -214,30838 214,30838

7 -238,595 239,0566699 239,0566699

8 0,4616699 -0,50463865 0,50463865

9 -4,30E-02 -73,9797413 73,97974125

10 -74,02271 110,16224 110,16224

11 36,13953 -35,8266638 35,8266638

12 0,3128662 -0,3128662 0,3128662

Total 1211,430024

MR Rata-rata 110,1300022

Contoh perhitungan kesalan (Periode 2)

Et-(Et-1) = -164,24 – 0

= - 164,24

a. MR = ∑∣ ( )∣

= 110,13

b. BKA = 2,66 x MR = 292,9458

c. BKB = -2.66 x MR = -292,9458


13/19

d. Grafik uji verifikasi

2.6.4 Perencanaan Agregat Berdasarkan Level Produksi

Perencanaan agregat produksi dihitung menggunakan rumus sebagai

berikut ;

• Level produksi (LP) =∑

• Inventory (I) = Kumulatif LP – Kumulatif Y’

• Cost = {I-(Imin)} x cost inventory

Perhitungan disajikan pada table 2.6

Tabel 2.6 Perencanaan Agregat

Periode Y’ Kum Y’ LP Kum LP I I-(Imin) Cost

13 1909,471 1909,471 1557,282 1557,282 -352,189 833,5309 20004742

14 1845,437 3754,908 1557,282 3114,564 -640,344 510,0858 12242060

15 1781,402 5536,31 1557,282 4671,846 -864,464 285,9658 6863178

16 1717,368 7253,678 1557,282 6229,128 -1024,55 125,8797 3021112

17 1653,334 8907,012 1557,282 7786,41 -1120,6 29,82758 715862

18 1589,299 10496,311 1557,282 9343,692 -1152,62 -2,1895 -52548

19 1525,265 12021,576 1557,282 10900,97 -1120,6 29,82742 715858

20 1461,23 13482,806 1557,282 12458,26 -1024,55 125,8793 3021104

-400

-300

-200

-100

0

100

200

300

400

1 2 3 4 5 6 7 8 9 10 11 12

Chart Title

X BKA BKB


14/19

Tabel 2.6 Perencanaan Agregat (Lanjutan)

PeriodeY’ Kum Y’

LP Kum LP I I-(Imin) Cost21 1397,196 14880,002 1557,282 14015,54 -864,465 285,9653 6863166

22 1333,161 16213,163 1557,282 15572,82 -640,344 510,0862 12242068

23 1269,127 17482,29 1557,282 17130,1 -352,189 798,2411 19157786

24 1205,093 18687,383 1557,282 18687,38 0 1150,43 27610320

Total 18687,38 130624,91 18687,38 121468 -9156,92 4683,53 112404708

Contoh perhitungan perencanaan agregat (Period ke-13)• LP =

,= 1557,282

• I = Kum LP-Kum Y’ = 1557,282 – 1909,471 = -352,189

• Cost = 833,5309 x 2.4000 = 20.004.742

2.6.5 Hiring dan Layoff

Biaya yang disebabkan oleh hiring dan layoff dihitung dengan

menggunakan rumus sebagai berikut :

• Biaya peningkatan = Hiring x Biaya Peningkatan• Biaya penurunan = Layoff x Biaya penurunan

Perhitungan hiring dan layoff dapat dilihat pada table 2.7

Table 2.7 Hiring dan Layoff

Periode Y' Hiring Layoff Cost

13 1909,471 0 0 0

14 1845,437 0 64,034 211312,2

15 1781,402 0 64,035 211315,5

16 1717,368 0 64,034 211312,217 1653,334 0 64,034 211312,2

18 1589,299 0 64,035 211315,5

19 1525,265 0 64,034 211312,2

20 1461,23 0 64,035 211315,5

21 1397,196 0 64,034 211312,2

22 1333,161 0 64,035 211315,5

23 1269,127 0 64,034 211312,2

24 1205,093 0 64,034 211312,2

total 18687,38 0 704,378 2324447


15/19

Contoh perhitungan (Periode ke-24)

• Biaya Peningkatan = 0 x 12.500 = 0

• Biaya Penurunan = 64,035 x 3.300 = 211.312,2

2.6.6 Disagregasi Peramalan

Disagregasi peramalan dihitung dengan rumus : Y’ x proporsi tiap item.

Perhitungan disagregasi disajikan pada table 2.8

Tabel 2.8 Disagregasi Peramalan

Periode Y'Proporsi Disagregasi

Produk A Produk B Produk A Produk B

13 1909,471 0,475621 0,524379 908,1839743 1001,28714 1845,437 0,475621 0,524379 877,728077 967,708915 1781,402 0,475621 0,524379 847,2717041 934,1303

16 1717,368 0,475621 0,524379 816,8158068 900,552217 1653,334 0,475621 0,524379 786,3599096 866,9741

18 1589,299 0,475621 0,524379 755,9035367 833,395519 1525,265 0,475621 0,524379 725,4476394 799,817420 1461,23 0,475621 0,524379 694,9912665 766,2387

21 1397,196 0,475621 0,524379 664,5353693 732,6606

22 1333,161 0,475621 0,524379 634,0789964 699,08223 1269,127 0,475621 0,524379 603,6230991 665,503924 1205,093 0,475621 0,524379 573,1672019 631,9258

Total 8888,106581 9799,276Contoh perhitungan (Periode Ke-13)

Disagregasi Produk A = Y’ x Proporsi tiap item

= 1909,471 x 0,475621

= 908,1839743

Disagregasi Produk B = 1909,471 x 0,524379

= 1001,287

2.6.7 Master Production Schedulling (MPS)

Perhitungan MPS dilakukan dengan rumus sebagai berikut

MPS = Disagregasi Produk / Waktu Proses Tiap Produk

Perhitungan MPS disajikan pada Tabel 2.9


16/19

Tabel 2.9 Perhitungan MPS

PeriodeWaktu Proses Disagregasi MPS

Produk A Produk B Produk A Produk B Produk A Produk B

13 0,198 0,178 908,184 1001,287026 4586,787749 5625,20801

14 0,198 0,178 877,7281 967,708923 4432,970086 5436,566983

15 0,198 0,178 847,2717 934,1302959 4279,150021 5247,923011

16 0,198 0,178 816,8158 900,5521932 4125,332358 5059,281984

17 0,198 0,178 786,3599 866,9740904 3971,514695 4870,640957

18 0,198 0,178 755,9035 833,3954633 3817,69463 4681,996985

19 0,198 0,178 725,4476 799,8173606 3663,876967 4493,355958

20 0,198 0,178 694,9913 766,2387335 3510,056902 4304,711986

21 0,198 0,178 664,5354 732,6606307 3356,239239 4116,070959

22 0,198 0,178 634,079 699,0820036 3202,419174 3927,426987

23 0,198 0,178 603,6231 665,5039009 3048,601511 3738,78596

24 0,198 0,178 573,1672 631,9257981 2894,783848 3550,144933

Total 8888,107 9799,276419 44889,42718 55052,11471

Contoh perhitungan MPS (Period ke-13)MPS

Produk A = 908,184 / 0,198 = 4586,787749

Produk B = 1001,2782026 / 0,178 = 5625,20801


17/19

2.6.8 Hasil MPS

Berdasarkan perhitungan yang telah dilakukan, diperoleh Master

Production Scheduling seperti pada table 2.10

Tabel 2.10 Data Hasil MPS

PeriodeMPS

Produk A Produk B

13 4586,787749 5625,2080114 4432,970086 5436,56698315 4279,150021 5247,92301116 4125,332358 5059,281984

17 3971,514695 4870,64095718 3817,69463 4681,99698519 3663,876967 4493,35595820 3510,056902 4304,71198621 3356,239239 4116,07095922 3202,419174 3927,42698723 3048,601511 3738,7859624 2894,783848 3550,144933

2.7 Analisis Hasil

Pada praktikum Sistem Produksi Acara II tentang penjadwalan produksi

data waktu yang kita gunakan merupakan data waktu yang didapatkan pada

praktikum acara pertama yaitu waktu proses dari pembuatan Produk A dan Produk

B. Permintaan produk mulai dari periode 1 sampai period eke 12 merupakan data

yang diberikan pada saat acara praktikum ke 2 ini.

Dengan melakukan pengolahan data dari permintaan per periode dengan

waktu proses setiap periode akan menghasilkan data permintaan agregat dari

periode-periode tersebut. Total permintaan agregat ini akan digunakan padapengolahan data dengan menggunakan aplikasi WinQSB untuk menemukan

peramalan periode selanjutnya. Setelah mengolah data dengan menggunakan

aplikasi ini kemudian kita memilih metode dengan MAD terkecil dari dua metode

terpilih yaitu SEST dan DEST. Pada praktikum acara II ini didapatkan MAD dari

SEST yaitu 60,71 dan DEST yaitu 64,15. Dari hasil tersebut pada peramalan kali

ini kita memilih data dari pengolahan data dengan SEST.


18/19

Selain mendapatkan data permintaan pada periode selanjutnya, dengan

menggunakan aplikasi ini didapatkan data tentang kesalahan (error ) dari peramalan

yang dilakukan. Error ini akan berfungsi sebagai data untuk menentukan MR

maupun Batas dari keseragaman data yang diperoleh dari peramalan tersebut. MR

yang didapatkan pada praktikum kali ini sebesar 110,13. Sedangkan BKA dan BKB

didapatkan sebesar 292,95 dan -292,95.

Data peramalan ini juga digunakan untuk melakukan perhitungan pada

biaya inventory dan biaya peningkata maupun penurunan. Total biaya inventory

dari proses produksi ini didapatkan sebesar Rp 112.404.708. sedangkan untuk biaya

penurunan maupun peningkatan didapatkan sebesar Rp 2.324.447.

Setelah mendapatkan data permintaan selanjutnya. Kemudian kita

mengolah data tersebut menjadi data disagregasi. Data ini didapatkan dari data

peramalan yang dikalikan dengan proporsi yang ada. Jumlah disagregasi produk A

dan produk B yaitu sebesar 8888,106581 dan 9799,276. Data ini digunakan sebagai

Jadwal Induk Produksi dari peramalan ini. Data JIP didapatkan dari pengolahan

data disagregasi setiap produk dengan waktu proses dari produk-produk tersebut.

Untuk produk A dari periode 13-24 diperoleh total JIP yaitu sebesar 44889,42718

dan 55052,11471. Data ini merupakan data akhir dari praktikum acara ini.

2.8 Kesimpulan dan Saran

Kesimpulan dan saran yang dapat ditarik dari praktikum acara II ini antara

lain yaitu :

2.8.1 Kesimpulan

1. Perencanaan produksi merupakan suatu langkah guna kelancara danefektivitas dalam sebuah sistem produksi.

2. Perencanaan produksi melalui beberapa langkah antara lain : penentuan

jumlah agregasi, melakukan pengolahan data disagregasi, dan pengolahan

data Jadwal induk Produksi.

3. Metode dari peramalan antara lain menggunakan metode SEST dan

DEST. Peramalan yang baik merupakan peramalan dengan nilai error yang

kecil


19/19

2.8.2 Saran

Jika melakukan perhitungan, Sebaiknya data yang digunakan harus data

yang valid dan dalam pembulatan dari data tersebut seharusnya kita melakukan

pembulatan dengan konsisten agar hasil dari pengolahan data menjadi lebih valid

dan logis.

laporan praktikum i5 pura-pura fix

Documents