Sejarah Perusahaan
Pada awalnya PT. Kebun Sayur Segar merupakan sebuah yayasan yang bergerak dalam bidang pelatihan bercocok tanam secara hidroponik yang digagas oleh Bapak Subagyo yang merupakan seorang pensiunan salah satu bank di Indonesia. Yayasan tersebut dibentuk pada tahun 1997 yang melayani siapa saja yang ingin mengetahui dan mempelajari secara lebih mendalam bercocok tanam dengan cara hidroponik. Keberadaan yayasan ini mendapat sambutan yang cukup baik oleh para peminat pelatihan, hal tersebut dibuktikan dengan adanya hasil produksi yang melimpah ruah dari setiap pelatihan yang dilakukan. Seiring berjalannya waktu, pihak yayasan merasa hasil produk pelatihan yang melimpah ruah tersebut bersifat sia-sia atau kurang memiliki nilai ekonomi yang lebih karena tidak ada tindak lanjut setelah tanaman yang ditanam tersebut mengalami panen. Berdasarkan pertimbangan kondisi diatas, pihak yayasan memiliki inisiatif untuk menjadikan produk hasil pelatihan menjadi produk yang memiliki nilai komersil. Oleh karena itu, secara resmi pada Juni 2003 yayasan ini berubah bentuk menjadi sebuah badan hukum Perseroan Terbatas yang bernama PT. Kebun Sayur Segar dengan brand Parung Farm.
Awalnya, produk yang dijual PT. Kebun Sayur Segar dengan brand Parung Farm hanya terbatas pada beberapa jenis sayuran hidroponik seperti bayam, kangkung dan selada yang dipasarkan pada pasar-pasar tertentu, namun pada perkembangannya dengan keunggulan produk yang bebas pestisida, produk-produk PT. Kebun Sayur Segar dapat ditemui pada hampir semua supermarket dan hypermarket di Jabodetabek dan Bandung dengan pilihan jenis sayuran yang sudah semakin beragam.
Dalam perkembangan selanjutnya, untuk memenuhi kebutuhan pasar yang menghendaki produk sayuran yang dibudidayakan secara organik, karena keyakinan konsumen bahwa produk organik lebih sehat dan alami dimulai dari pupuknya yang semuanya berasal dari alam dan tanpa menggunakan pestisida kimiawi, PT. Kebun Sayur Segar juga membudidayakan sayuran secara organik pada tahun 2006/2007 di daerah Cugenang, Cianjur, serta melakukan kemitraan dengan beberapa petani untuk menjamin kekontinuan produksi.
Selain itu, pada tahun 2010 PT. Kebun Sayur Segar (Parung Farm) telah berhasil mendapatkan sertifikat organik dari PT. Mutu Agung Lestari yang merupakan salah satu lembaga akreditasi yang telah diakui dan disahkan oleh Komite Akreditasi Nasional (KAN) dan PT. Kebun Sayur Segar (Parung Farm) ini merupakan produsen sayuran berdaun (leafy vegetables) di Indonesia yang pertama yang memperoleh sertifikat organik tersebut.
Sebagai informasi tambahan, PT. Kebun Sayur Segar (Parung Farm) merupakan satu-satunya perusahaan yang lahan budidaya hidroponiknya bebas dikunjungi oleh umum tanpa dipungut biaya. Lahan perusahaan ini terdapat di Jl. Raya Parung No. 546 dan Cianjur, Jawa Barat. Sejak berdiri, ratusan bahkan ribuan pengunjung telah mengunjungi kebun perusahaan ini, baik itu yang berasal dari golongan pebisnis, peneliti hingga pelajar yang ingin mengetahui bercocok tanam dengan sistem hidroponik. Hingga saat ini, PT. Kebun Sayur Segar (Parung Farm) masih terus mengadakan pelatihan bagi mereka yang ingin belajar bercocok tanam sistem hidroponik dengan didampingi oleh pelatih-pelatih yang profesional dan kompeten.
Input Produksi
Dalam melakukan proses budidayanya, PT. Kebun Sayur Segar (Parung Farm) memperoleh saprodi berupa bibit dan pupuk dari mitra yang memang sudah memiliki karakteristik yang sesuai dengan apa yang diinginkan oleh perusahaan dan telah bekerjasama dengan berasaskan kepercayaan satu sama lain. Lahan yang digunakan terbagi atas dua tempat, yakni lahan yang berada di Parung dan lahan yang berada di Cianjur. Lahan Parung memiliki luas lahan sekitar 4 ha dengan luas efektif yang digunakan sekitar 2000 m2 dalam bentuk greenhouse untuk budidaya tanaman hidroponik. Sedangkan lahan Cianjur yang efektif digunakan sekitar 1 ha dalam bentuk greenhouse untuk budidaya tanaman hidroponik dan sekitar 2 ha untuk budidaya tanaman organik. Selain itu, dalam budidaya secara hidroponik dibutuhkan saprodi lain berupa kit hidroponik dan peralatan teknis lainnya, dimana kit hidroponik dan peralatan tersebut mampu dibuat sendiri oleh perusahaan ini dengan tenaga kerja yang berjumlah sekitar 80 orang.
Budidaya (On Farm)
Proses budidaya tanaman pada perusahaan ini secara garis besar dilakukan di dalam greenhouse yangmana greenhouse tersebut dibagi kedalam kamar-kamar dengan ukuran satu kamar sekitar 8-12 meter. Kamar tersebut sebelumnya telah dialiri air yang bernutrisi khusus untuk tanaman hidroponik serta telah diatur jarak tanamnya untuk menghasilkan pertumbuhan yang optimal. Bibit yang akan ditanam terlebih dahulu harus disemai dalam waktu 10-20 hari tergantung jenis dan karakteristik bibit sayuran tersebut. Setelah selesai proses penyemaian, bibit memasuki tahap produksi yang memakan waktu 20-30 hari sebelum dapat dipanen.
Proses pemanenan pada perusahaan ini dilakukan jika umur tanaman tepat memasuki umur panen, kalaupun permintaan sedang tinggi dan produksi mengalami kekurangan, maka tanaman lain dapat dipanen maksimal dua hari sebelum hari panen, karena jika lewat dari itu sudah terdapat selisih bobot pada hasil panen yang berimplikasi pada kuantitas per pak yang akan dipasarkan. PT. Kebun Sayur Segar ini dalam sebulan dapat menghasilkan produk sebanyak 17-20 ton baik organik maupun hidroponik.
Pasca Panen
Kegiatan pasca panen pada perusahaan ini lebih difokuskan pada proses sortasi, grading dan pengemasan (packing). Proses sortasi dan grading dilakukan dengan cara memilah sayur-mayur yang berkualitas baik hingga kurang baik. Proses ini dilakukan manual melalui visual yang dapat dilihat dari ukuran, bentuk dan warna sayuran. Adapun persyaratan yang diinginkan perusahaan ini terhadap pihak mitra adalah sayur-mayur harus berkualitas baik, bentuk dan warna menarik, sesuai antara umur panen dengan varietas, tidak cacat, rasa dan bau yang khas sayur-mayur serta bebas pestisida.
Proses pengemasan (packing) diawali dengan penimbangan masing-masing sayuran dimana untuk satu pak yang dipasarkan memiliki bobot 250 gram. Setelah melalui proses penimbangan, sayuran dikemas dengan menggunakan plastik yang dibuat khusus oleh PT. Kebun Sayur Segar dengan brand Parung Farm. Selanjutnya sayur-mayur pun siap untuk didistribusikan dengan menggunakan alat transportasi berupa truk (dengan cool box) yang dimiliki oleh perusahaan ini.
Pemasaran
Kegiatan pemasaran yang ada di PT. Kebun Sayur Segar (Parung Farm) terbilang sudah berjalan cukup baik, hal tersebut dapat dilihat dari konsep 4P (product, price, place dan promotion) yang sudah berjalan sesuai dengan kapasitasnya masing-masing dan sesuai dengan apa yang diharapkan oleh pihak perusahaan dan juga pihak kemitraan dari perusahaan ini.
Product yang terdapat pada PT. Kebun Sayur Segar (Parung Farm) terbilang cukup beragam jenis sayurannya seperti bayam hijau dan merah, berbagai macam jenis selada, tomat, kangkung dan puluhan jenis sayuran lainnya yang memiliki keunggulan bebas pestisida serta telah memiliki brand tersendiri yakni Parung Farm yang membuat para konsumen yakin dan percaya akan produk-produk yang dipasarkan oleh perusahaan ini.
Price atau harga yang ditetapkan untuk satu pak sayur berbobot 250 gram berkisar antara Rp13 000 hingga Rp15 000 tergantung dari jenis sayurannya, dan harga tersebut terbilang cukup terjangkau untuk ukuran sayuran yang terbebas dari penggunaan pestisida. Secara geografis, pangsa pasar yang dilayani oleh perusahaan ini lebih banyak terkonsentrasi di wilayah Jabodetabek dan Bandung yakni pada hypermarket dan supermarket seperti Carrefour, Sogo, Giant, Hero dan lain sebagainya dengan sistem pemesanan perhari. Promosi yang dilakukan yakni melalui website perusahaan serta melalui mouth by mouth dari para konsumen yang telah setia pada produk-produk perusahaan ini.
Peramalan Permintaan Bayam Hijau Identifikasi Pola Permintaan Bayam Hijau
Berdasarkan gambar 6, pola permintaan harian komoditi bayam hijau yang dimulai dari periode awal Januari 2011 hingga akhir Februari 2014 pada PT. Kebun Sayur Segar (Parung Farm) mengalami fluktuasi yang cenderung berpola musiman disertai adanya tren. Hal tersebut didukung dengan sebaran data permintaan yang tidak stasioner yang terlihat pada plot ACF (Lampiran 1) nilai koefisien autokorelasi beberapa lag awal masih berbeda nyata dengan nol. Pola tren terlihat dari nilai koefisien autokorelasi yang berbeda nyata dengan nol untuk beberapa lag awal dan secara bertahap turun mendekati nol. Pola musiman terlihat dari nilai koefisien autokorelasi pada setiap kelipatan lag ketujuh yang lebih tinggi dibanding nilai koefisien autokorelasi pada lag sebelumnya. Menurut Direktur Produksi PT. Kebun Sayur Segar (Parung Farm), pola musiman tersebut terjadi karena permintaan riil dari konsumen perusahaan ini cenderung meningkat setiap menjelang weekend, dan kondisi tersebut berulang secara otomatis.
1150 1035 920 805 690 575 460 345 230 115 1 900 800 700 600 500 400 300 200 100 0 Index O R D E R B A Y A M H IJ A U
Time Series Plot of ORDER BAYAM HIJAU
Gambar 6 Pola Permintaan Bayam Hijau
Metode Peramalan Permintaan Bayam Hijau
Berdasarkan identifikasi pola data permintaan bayam hijau, menunjukkan bahwa pola data tersebut bersifat musiman disertai adanya tren. Menurut Santoso (2009), metode peramalan time series yang cocok dengan pola data tersebut adalah model dekomposisi multiplikatif, dekomposisi aditif, pemulusan eksponensial winter dan model ARIMA. Setelah diketahui nilai akurasi kesalahan (error) terkecil dari semua metode peramalan time series yang digunakan dengan melihat nilai MSE (Mean Square Error), maka akan diketahui metode peramalan terbaik untuk meramalkan permintaan bayam hijau lima bulan kedepan. Pada
Tabel 5 dapat dilihat perbandingan dari masing-masing nilai akurasi kesalahan dari setiap metode yang digunakan pada penelitian ini.
Tabel 5 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Bayam Hijau
No. Metode Peramalan MSE
1. ARIMA (111)(112)7 5377 2. ARIMA (111)(111)7 5379 3. ARIMA (112)(111)7 5380 4. Pemulusan Eksponensial Winter (Multiplikatif) 8321 5. Dekomposisi Multiplikatif 8731.03 6. Dekomposisi Aditif 8731.65 7. Pemulusan Eksponensial Winter (Aditif) 12816
Berdasarkan penerapan beberapa metode yang disajikan pada Tabel 5, maka metode yang dianggap paling cocok untuk meramalkan permintaan bayam hijau pada PT. Kebun Sayur Segar (Parung Farm) adalah model ARIMA (111)(112)7. Hal ini dikarenakan model tersebut merupakan model dengan nilai MSE terkecil, yakni sebesar 5377 yang kemudian diikuti dengan model-model lainnya.
Peramalan Permintaan Bayam Hijau
Proses peramalan dengan menggunakan model ARIMA didasarkan atas beberapa tahapan. Pertama, identifikasi pola data. Pola permintaan bayam hijau dikatakan masih berbeda nyata dengan nol, oleh karena itu perlu dilakukan proses differencing. Setelah dilakukan proses differencing, langkah selanjutnya ialah estimasi parameter untuk mendapatkan model-model yang akan dicoba untuk dilakukan peramalan (trial by error). Secara tentatif maka diperoleh beberapa model alternatif sementara, yaitu ARIMA (111)(112)7, ARIMA (111)(111)7 dan ARIMA (112)(111)7. Setelah proses estimasi model, selanjutnya dilakukan evaluasi untuk memastikan apakah model yang diestimasi sudah baik atau belum. Model tersebut harus diuji parameter yang diestimasi berbeda nyata dengan nol. Hal ini dapat dilihat dari nilai P-value yang kurang dari α (0.05). Setelah diuji parameternya, model ARIMA (111)(112)7 bernilai valid dimana P-value bernilai 0.000 yang dapat diartikan bahwa model tersebut berbeda nyata dengan nol dengan nilai MSE sebesar 5377. Tahap terakhir ialah meramalkan permintaan bayam hijau untuk periode lima bulan kedepan. Hasil peramalan dengan model ARIMA (111)(112)7 dapat dilihat pada Lampiran 3.
Berdasarkan hasil perhitungan model ARIMA (111)(112)7, diketahui bahwa permintaan bayam hijau yang diprediksi pada periode lima bulan kedepan cukup berfluktuasi. Hal ini dapat dilihat pada jumlah permintaan dari hari ke hari yang mengalami kenaikan dan penurunan secara bergantian. Pada hari-hari di bulan Maret, April dan Mei, permintaan bayam hijau cenderung naik turun pada jumlah permintaan yang berkisar 300 sampai 400 pak, namun pada hari-hari di bulan Juni dan Juli, permintaan bayam hijau beranjak meningkat hingga mencapai 480 pak di hari-hari akhir bulan Juli. Peningkatan permintaan tersebut bisa disebabkan oleh
pola konsumsi sayuran dari konsumen PT. Kebun Sayur Segar (Parung Farm) meningkat seiring datangnya bulan Ramadhan dan hari lebaran.
Peramalan Permintaan Kangkung Identifikasi Pola Permintaan Kangkung
Jika dilihat dari gambar 7, pola permintaan harian komoditi kangkung yang dimulai dari periode awal Januari 2011 hingga akhir Februari 2014 pada PT. Kebun Sayur Segar (Parung Farm) tak jauh berbeda dengan bayam hijau, terdapat fluktuasi yang cenderung permintaan berpola musiman disertai adanya tren. Hal tersebut didukung dengan sebaran data permintaan yang tidak stasioner yang terlihat pada plot ACF (Lampiran 4) nilai koefisien autokorelasi beberapa lag awal masih berbeda nyata dengan nol. Pola tren terlihat dari nilai koefisien autokorelasi yang berbeda nyata dengan nol untuk beberapa lag awal dan secara bertahap turun mendekati nol. Pola musiman terlihat dari nilai koefisien autokorelasi pada setiap kelipatan lag ketujuh yang lebih tinggi dibanding nilai koefisien autokorelasi pada lag sebelumnya. Pola musiman tersebut berulang secara otomatis yang diduga bahwa permintaan konsumen PT. Kebun Sayur Segar (Parung Farm) akan komoditi kangkung meningkat setiap menjelang akhir pekan, yakni diantara hari kamis dan jumat.
1150 1035 920 805 690 575 460 345 230 115 1 800 700 600 500 400 300 200 100 0 Index O R D E R K A N G K U N G
Time Series Plot of ORDER KANGKUNG
Gambar 7 Pola Permintaan Kangkung
Metode Peramalan Permintaan Kangkung
Berdasarkan identifikasi pola data permintaan kangkung, menunjukkan bahwa pola data tersebut bersifat musiman disertai adanya tren. Menurut Santoso (2009), metode peramalan time series yang cocok dengan pola data tersebut adalah model dekomposisi multiplikatif, dekomposisi aditif, pemulusan
eksponensial winter dan model ARIMA. Setelah diketahui nilai akurasi kesalahan (error) terkecil dari semua metode peramalan time series yang digunakan dengan melihat nilai MSE (Mean Square Error), maka akan diketahui metode peramalan terbaik untuk meramalkan permintaan kangkung lima bulan kedepan. Pada Tabel 6 dapat dilihat perbandingan dari masing-masing nilai akurasi kesalahan dari setiap metode yang digunakan pada penelitian ini.
Tabel 6 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Kangkung
No. Metode Peramalan MSE
1. ARIMA (012)(012)7 3590 2. ARIMA (112)(112)7 3592 3. ARIMA (012)(112)7 3594 4. Pemulusan Eksponensial Winter (Aditif) 6472.68 5. Dekomposisi Aditif 6897.06 6. Dekomposisi Multiplikatif 6899 7. Pemulusan Eksponensial Winter (Multiplikatif) 23267
Berdasarkan penerapan beberapa metode yang disajikan pada Tabel 6, maka metode yang dianggap paling cocok untuk meramalkan permintaan kangkung pada PT. Kebun Sayur Segar (Parung Farm) adalah model ARIMA (012)(012)7. Hal ini dikarenakan model tersebut merupakan model dengan nilai MSE terkecil, yakni sebesar 3590 yang kemudian diikuti dengan model-model lainnya.
Peramalan Permintaan Kangkung
Proses peramalan dengan menggunakan model ARIMA didasarkan atas beberapa tahapan. Pertama, identifikasi pola data. Pola permintaan kangkung dikatakan masih berbeda nyata dengan nol, oleh karena itu perlu dilakukan proses differencing. Setelah dilakukan proses differencing, langkah selanjutnya ialah estimasi parameter untuk mendapatkan model-model yang akan dicoba untuk dilakukan peramalan (trial by error). Secara tentatif maka diperoleh beberapa model alternatif sementara, yaitu ARIMA (012)(012)7, ARIMA (112)(112)7 dan ARIMA (012)(112)7. Setelah proses estimasi model, selanjutnya dilakukan evaluasi untuk memastikan apakah model yang diestimasi sudah baik atau belum. Model tersebut harus diuji parameter yang diestimasi berbeda nyata dengan nol. Hal ini dapat dilihat dari nilai P-value yang kurang dari α (0.05). Setelah diuji parameternya, model ARIMA (012)(012)7 bernilai valid dimana P-value bernilai kurang dari 0.05 yang dapat diartikan bahwa model tersebut berbeda nyata dengan nol dengan nilai MSE sebesar 3590. Tahap terakhir ialah meramalkan permintaan kangkung untuk periode lima bulan kedepan. Hasil peramalan dengan model ARIMA (012)(012)7 dapat dilihat pada Lampiran 6.
Berdasarkan hasil perhitungan model ARIMA (012)(012)7, diketahui bahwa permintaan kangkung yang diprediksi pada periode lima bulan kedepan cukup berfluktuasi. Hal ini dapat dilihat pada jumlah permintaan dari hari ke hari yang mengalami kenaikan dan penurunan secara bergantian. Permintaan kangkung pada hari-hari di bulan Maret, April, Mei dan Juni 2014, cenderung naik turun pada
jumlah permintaan yang berkisar 220 sampai 270 pak, namun pada hari-hari di akhir bulan Juli, permintaan kangkung beranjak meningkat hingga mencapai 302 pak. Peningkatan permintaan tersebut bisa disebabkan karena bulan Juli merupakan bulan Ramadhan dan terdapat hari lebaran yang memungkinkan permintaan akan sayuran (kangkung) meningkat dari hari-hari biasanya.
Peramalan Permintaan Romaine Identifikasi Pola Permintaan Romaine
Gambar 8 menunjukkan bahwa pola permintaan harian komoditi romaine yang dimulai dari periode awal Januari 2011 hingga akhir Februari 2014 pada PT. Kebun Sayur Segar (Parung Farm) tak jauh berbeda dengan bayam hijau dan kangkung, terdapat fluktuasi yang cenderung permintaan berpola musiman disertai adanya tren. Hal tersebut didukung dengan sebaran data permintaan yang tidak stasioner yang terlihat pada plot ACF (Lampiran 7) nilai koefisien autokorelasi beberapa lag awal masih berbeda nyata dengan nol. Pola tren terlihat dari nilai koefisien autokorelasi yang berbeda nyata dengan nol untuk beberapa lag awal dan secara bertahap turun mendekati nol. Pola musiman terlihat dari nilai koefisien autokorelasi pada setiap kelipatan lag ketujuh yang lebih tinggi dibanding nilai koefisien autokorelasi pada lag sebelumnya. Pola musiman pada komoditi romaine ini juga diduga dengan adanya permintaan konsumen PT. Kebun Sayur Segar (Parung Farm) yang selalu meningkat pada setiap hari hari menjelang akhir pekan seperti hari kamis dan jumat yang diindikasikan sebagai hari menjelang libur dari aktivitas perkantoran.
1150 1035 920 805 690 575 460 345 230 115 1 500 400 300 200 100 0 Index O R D E R R O M A IN E
Time Series Plot of ORDER ROMAINE
Metode Peramalan Permintaan Romaine
Berdasarkan identifikasi pola data permintaan romaine, menunjukkan bahwa pola data tersebut bersifat musiman disertai adanya tren. Menurut Santoso (2009), metode peramalan time series yang cocok dengan pola data tersebut adalah model dekomposisi multiplikatif, dekomposisi aditif, pemulusan eksponensial winter dan model ARIMA. Setelah diketahui nilai akurasi kesalahan (error) terkecil dari semua metode peramalan time series yang digunakan dengan melihat nilai MSE (Mean Square Error), maka akan diketahui metode peramalan terbaik untuk meramalkan permintaan romaine lima bulan kedepan. Pada Tabel 7 dapat dilihat perbandingan dari masing-masing nilai akurasi kesalahan dari setiap metode yang digunakan pada penelitian ini.
Tabel 7 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Romaine
No. Metode Peramalan MSE
1. ARIMA (111)(112)7 2924 2. ARIMA (212)(212)7 2929 3. ARIMA (111)(111)7 2931 4. Pemulusan Eksponensial Winter (Aditif) 4747.07 5. Dekomposisi Aditif 5692.44 6. Dekomposisi Multiplikatif 5692.80 7. Pemulusan Eksponensial Winter (Multiplikatif) 32298
Berdasarkan penerapan beberapa metode yang disajikan pada Tabel 7, maka metode yang dianggap paling cocok untuk meramalkan permintaan romaine pada PT. Kebun Sayur Segar (Parung Farm) adalah model ARIMA (111)(112)7. Hal ini dikarenakan model tersebut merupakan model dengan nilai MSE terkecil, yakni sebesar 2924 yang kemudian diikuti dengan model-model lainnya.
Peramalan Permintaan Romaine
Proses peramalan dengan menggunakan model ARIMA didasarkan atas beberapa tahapan. Pertama, identifikasi pola data. Pola permintaan romaine dikatakan masih berbeda nyata dengan nol, oleh karena itu perlu dilakukan proses differencing. Setelah dilakukan proses differencing, langkah selanjutnya ialah estimasi parameter untuk mendapatkan model-model yang akan dicoba untuk dilakukan peramalan (trial by error). Secara tentatif maka diperoleh beberapa model alternatif sementara, yaitu ARIMA (111)(112)7, ARIMA (212)(212)7 dan ARIMA (111)(111)7. Setelah proses estimasi model, selanjutnya dilakukan evaluasi untuk memastikan apakah model yang diestimasi sudah baik atau belum. Model tersebut harus diuji parameter yang diestimasi berbeda nyata dengan nol. Hal ini dapat dilihat dari nilai P-value yang kurang dari α (0.05). Setelah diuji parameternya, model ARIMA (111)(112)7 bernilai valid dimana P-value bernilai 0.000 yang dapat diartikan bahwa model tersebut berbeda nyata dengan nol dengan nilai MSE sebesar 2924. Tahap terakhir ialah meramalkan permintaan romaine untuk periode lima bulan kedepan. Hasil peramalan dengan model ARIMA (111)(112)7 dapat dilihat pada Lampiran 9.
Berdasarkan hasil perhitungan model ARIMA (111)(112)7, diketahui bahwa permintaan romaine yang diprediksi pada periode lima bulan kedepan cukup berfluktuasi. Hal ini dapat dilihat pada jumlah permintaan dari hari ke hari yang mengalami kenaikan dan penurunan secara bergantian. Permintaan romaine pada hari-hari di bulan Maret, April, Mei, Juni dan Juli 2014, cenderung naik turun pada jumlah permintaan yang berkisar antara 100 sampai 148 pak.
Perencanaan Produksi
Suatu proses peramalan dilakukan untuk dapat mengetahui dan menerka keadaan dimasa yang akan datang yang penuh dengan ketidakpastian, dengan mengetahui kondisi dimasa yang akan datang, tentunya terdapat antisipasi yang akan dilakukan oleh suatu perusahaan terhadap kondisi tersebut, baik maupun buruk. Antisipasi yang dilakukan nantinya akan diorientasikan pada tindakan yang dapat menghindari perusahaan dari keadaan yang merugikan atau melakukan tindakan yang akan meningkatkan keuntungan.
Pada penelitian ini, peramalan yang dilakukan lebih difokuskan pada proyeksi angka permintaan konsumen akan sayuran hidroponik di PT. Kebun Sayur Segar (Parung Farm) pada masa yang akan datang. Dengan meramal bagaimana pergerakan permintaan konsumen, maka peramalan tersebut akan berimplikasi pada tindakan pihak manajerial perusahaan untuk menentukan kapan waktu tanam yang tepat, waktu panen dan jumlah yang harus diproduksi agar permintaan tersebut dapat dipenuhi secara optimal oleh perusahaan.
Berdasarkan hasil peramalan ketiga komoditi yang diteliti, yakni bayam hijau, kangkung dan romaine, rata-rata menunjukkan bahwa permintaan meningkat atau memuncak pada hari akhir di bulan Juli 2014, dimana hari-hari tersebut merupakan hari-hari-hari-hari menjelang lebaran yang biasanya permintaan akan sayuran meningkat dari permintaan hari biasa. Dengan mengetahui waktu permintaan akan memuncak dari proses peramalan, maka dapat dibuat estimasi kapan sebaiknya proses penanaman dilakukan dengan memperhatikan karakteristik dari masing-masing komoditi. Berikut akan disajikan perencanaan produksi dari ketiga komoditi yang diteliti.
Perencanaan Produksi Bayam Hijau (Maret 2014)
Bayam hijau memiliki waktu budidaya sekitar 38 sampai 40 hari sebelum memasuki masa panen, dengan rincian 10 hari awal dilakukan proses penyemaian benih, 10 hari selanjutnya adalah masa tanam bibit, dan 18 hingga 20 hari berikutnya memasuki masa produksi bibit, kemudian setelah itu memasuki masa panen selama dua sampai tiga hari. Luas lahan maksimal perhari untuk bayam hijau ialah 72 m2, jika permintaan puncak melebihi angka tersebut, maka