Lampiran 1. Rincian Biaya Operasional Produksi CPO di PT. SSN bulan
Januari 2014 – Desember 2014
Bulan Januari 2014
Deskripsi Biaya (Rp)
Upah langsung 228.706.049 Laboratorium 23.176.000 Bahan bakar 102.120.000 Pemeliharaan mesin 0 Keperluan pabrik 133.530.318 Penyusutan inventaris pabrik 2.132.046 Penyusutan mesin 494.978.832 Penyusutan bangunan pabrik 58.899.448
Bengkel pabrik 0
Jumlah 1.043.542.693
Bulan Februari 2014
Deskripsi Biaya (Rp)
Upah langsung 213.208.129 Laboratorium 33.970.000 Bahan bakar 102.120.000 Pemeliharaan mesin 9.000.000 Keperluan pabrik 88.240.600 Penyusutan inventaris pabrik 2.141.942 Penyusutan mesin 495.603.832 Penyusutan bangunan pabrik 58.899.448
Bengkel pabrik 0
Bulan Maret 2014
Deskripsi Biaya (Rp)
Upah langsung 209.988.102 Laboratorium 18.855.000
Bahan bakar 0
Pemeliharaan mesin 0 Keperluan pabrik 83.984.998 Penyusutan inventaris pabrik 2.141.942 Penyusutan mesin 495.603.832 Penyusutan bangunan pabrik 58.899.448
Bengkel pabrik 0
Jumlah 869.473.322
Bulan April 2014
Deskripsi Biaya (Rp)
Upah langsung 224.722.806 Laboratorium 22.465.000 Bahan bakar 201.163.200 Pemeliharaan mesin 0 Keperluan pabrik 34.493.363 Penyusutan inventaris pabrik 2.197.567 Penyusutan mesin 495.603.832 Penyusutan bangunan pabrik 58.899.448
Bengkel pabrik 0
Bulan Mei 2014
Deskripsi Biaya (Rp)
Upah langsung 216.501.480 Laboratorium 10.610.000 Bahan bakar 129.120.000 Pemeliharaan mesin 0 Keperluan pabrik 89.698.776 Penyusutan inventaris pabrik 2.197.567 Penyusutan mesin 495.603.832 Penyusutan bangunan pabrik 58.899.448
Bengkel pabrik 0
Jumlah 1.002.631.103
Bulan Juni 2014
Deskripsi Biaya (Rp)
Upah langsung 229.585.938 Laboratorium 32.975.000
Bahan bakar 0
Pemeliharaan mesin 0 Keperluan pabrik 91.362.973 Penyusutan inventaris pabrik 2.197.567 Penyusutan mesin 495.603.832 Penyusutan bangunan pabrik 58.899.448
Bengkel pabrik 0
Bulan Juli 2014
Deskripsi Biaya (Rp)
Upah langsung 414.839.341 Laboratorium 7.310.000 Bahan bakar 130.053.692 Pemeliharaan mesin 6.000.000 Keperluan pabrik 115.607.723 Penyusutan inventaris pabrik 2.197.567 Penyusutan mesin 495.603.832 Penyusutan bangunan pabrik 58.899.448
Bengkel pabrik 0
Jumlah 1.230.511.603
Bulan Agustus 2014
Deskripsi Biaya (Rp)
Upah langsung 302.122.812 Laboratorium 32.125.000 Bahan bakar 132.075.749 Pemeliharaan mesin 13.300.000 Keperluan pabrik 235.594.254 Penyusutan inventaris pabrik 2.197.567 Penyusutan mesin 495.603.832 Penyusutan bangunan pabrik 58.899.448 Bengkel pabrik 4.500.000
Bulan September 2014
Deskripsi Biaya (Rp)
Upah langsung 263.418.415 Laboratorium 29.590.000 Bahan bakar 133.440.000 Pemeliharaan mesin 14.445.000 Keperluan pabrik 72.686.161 Penyusutan inventaris pabrik 2.296.525 Penyusutan mesin 543.262.270 Penyusutan bangunan pabrik 58.899.448
Bengkel pabrik 0
Jumlah 1.118.037.819
Bulan Oktober 2014
Deskripsi Biaya (Rp)
Upah langsung 240.520.758 Laboratorium 24.237.500
Bahan bakar 0
Pemeliharaan mesin 12.000.000 Keperluan pabrik 127.546.154 Penyusutan inventaris pabrik 2.296.525 Penyusutan mesin 564.081.228 Penyusutan bangunan pabrik 58.899.448
Bengkel pabrik 0
Bulan November 2014
Deskripsi Biaya (Rp)
Upah langsung 245.037.169 Laboratorium 15.432.500 Bahan bakar 153.600.000 Pemeliharaan mesin 11.550.000 Keperluan pabrik 27.115.609 Penyusutan inventaris pabrik 2.502.358 Penyusutan mesin 565.115.686 Penyusutan bangunan pabrik 58.899.448
Bengkel pabrik 0
Jumlah 1.079.252.770
Bulan Desember 2014
Deskripsi Biaya (Rp)
Upah langsung 224.768.248 Laboratorium 12.755.000
Bahan bakar 0
Pemeliharaan mesin 0 Keperluan pabrik 39.574.000 Penyusutan inventaris pabrik 2.502.358 Penyusutan mesin 565.115.686 Penyusutan bangunan pabrik 58.899.448
Bengkel pabrik 0
49
DAFTAR PUSTAKA
Ahmad, M.H., R. Adnan, Zalina M. Daud, Lau Chik Kong. 2005. A Goal Programming Approach for The Problems Analyzed Using The Method of Least Squares. Universiti Teknologi Malaysia.
Anggraeni, W., R.A. Vinarti, R. Tyasnurita, J. Permatasari. 2015. Production Planning Optimization Using Goal Programming Method in Habibah Busana. Journal of Advanced Management Science, 3(4): 270–275.
Assauri, S. 1998. Manajemen Produksi dan Operasi. Jakarta: Lembaga Penerbit FE UI.
Buffa, E. S. 1989. Manajemen Operasi. Jakarta: Erlangga.
Eiselt, H.A. and C.-L. Sandblom. 2007. Linear Programming and its Applications. Berlin: Springer.
Ginting, Rosnani. 2007. Sistem Produksi. Cetakan Pertama. Yogyakarta: Graha Ilmu.
Hassan, Nasruddin, A.H. Pazil, Nur S. Idris, Nurul F. Razman. 2013. A Goal Programming Model for Bakery Production. Advances in Environmental Biology, 7(1): 187–190.
Hillier, S.F. and G.J. Lieberman. 2001. Introduction to Operations Research. New York: McGraw–Hill.
Iqbal, M.H. 2002. Pokok-pokok Materi Statistik 2 (Statistik Intensif). Jakarta: Bumi Aksara.
Kusuma, H. 1999. Manajemen Produksi: Perencanaan dan Pengendalian Produksi. Yogyakarta: ANDI.
Nasution, A.H. 1999. Perencanaan dan Pengendalian Produksi. Surabaya: Guna Widya ITS.
Sinulingga, Sukaria. 2009. Perencanaan dan Pengendalian Produksi. Cetakan Pertama. Yogyakarta: Graha Ilmu.
Siswanto. 2006. Operations Research. Jilid Pertama. Jakarta: Erlangga.
BAB 3
HASIL DAN PEMBAHASAN
3.1 Pengumpulan Data
Untuk menganalisis permasalahan, data dikumpulkan dari PT. Samudera Sawit
Nabati (PT. SSN) yang terletak di Desa Singgersing, Kecamatan Sultan Daulat,
Subulussalam, Provinsi Nanggroe Aceh Darussalam (NAD). Data yang
diperlukan antara lain sebagai berikut:
d. Data jumlah permintaan CPO tahun 2014.
e. Data biaya pokok produksi CPO tahun 2014.
f. Data biaya pembelian TBS tahun 2014.
3.1.1 Data Jumlah Permintaan CPO Tahun 2014
Data mengenai jumlah permintaan CPO dari PT. SSN pada bulan Januari 2014 –
Desember 2014 dapat dilihat pada Tabel 3.1.
Tabel 3.1 Data Jumlah Permintaan CPO Tahun 2014
Jumlah Permintaan CPO Bulan Berat (kg) Januari 1.441.810
Februari 1.540.000
Maret 1.082.110
April 1.600.890
Mei 1.170.000
Juni 1.755.000
Juli 1.730.000
Agustus 1.949.280
September 2.164.700
Oktober 2.017.050
November 1.355.000
Desember 1.450.000
3.1.2 Data Biaya Pokok Produksi CPO Tahun 2014
Biaya pokok produksi CPO di PT. SSN mencakup biaya bahan baku dan biaya
operasional. Data mengenai biaya pokok produksi CPO selama bulan Januari
2014 – Desember 2014 dapat dilihat pada Tabel 3.2. Sementara, rincian mengenai
biaya-biaya operasional untuk produksi CPO selama tahun 2014 dapat dilihat
pada Lampiran 1.
Tabel 3.2 Data Biaya Pokok Produksi CPO Tahun 2014
Bulan Biaya Biaya Produksi
Bahan Baku (Rp) Operasional (Rp) (Rp) Januari 11.777.018.800 1.043.542.693 12.820.561.493
Februari 12.965.590.780 1.003.183.951 13.968.774.731
Maret 14.728.006.750 869.473.322 15.597.480.072
April 11.958.025.450 1.039.545.216 12.997.570.666
Mei 11.948.206.950 1.002.631.103 12.950.838.053
Juni 15.242.446.150 910.624.758 16.153.070.908
Juli 15.795.490.800 1.230.511.603 17.026.002.403
Agustus 17.146.348.950 1.276.418.662 18.422.767.612
September 14.916.562.400 1.118.037.819 16.034.600.219
Oktober 13.625.264.400 1.029.581.613 14.654.846.013
November 11.636.986.850 1.079.252.770 12.716.239.620
Desember 8.848.306.450 903.614.740 9.751.921.190
Jumlah 160.588.254.730 12.506.418.250 173.094.672.980 Sumber: PT. Samudera Sawit Nabati
3.1.3 Data Biaya Produksi CPO per Kg pada Tahun 2014
Data mengenai biaya produksi CPO per kg di PT. SSN pada bulan Januari 2014 –
Desember 2014 dapat dilihat pada Tabel 3.3.
Tabel 3.3 Data Biaya Produksi CPO per Kg pada Tahun 2014
Bulan Jumlah Produksi Biaya Produksi Biaya Produksi
(kg) (Rp) per Kg (Rp)
Januari 1.479.685,25 12.820.561.493 8.664,38
Februari 1.462.469,20 13.968.774.731 9.551,50
Maret 1.187.206,40 15.597.480.072 13.137,97
April 1.305.245,30 12.997.570.666 9.957,95
20
Tabel 3.3 Data Biaya Produksi CPO per Kg pada Tahun 2014 (Lanjutan)
Juni 1.835.811,41 16.153.070.908 8.798,87
Juli 1.812.245,70 17.026.002.403 9.394,97
Agustus 1.999.909,14 18.422.767.612 9.211,80
September 2.213.952,73 16.034.600.219 7.242,52
Oktober 1.713.567,42 14.654.846.013 8.552,24
November 1.225.276,31 12.716.239.620 10.378,26 Desember 1.090.835,12 9.751.921.190 8.939,87
Sumber: PT. Samudera Sawit Nabati
3.1.4 Data Biaya Pembelian TBS per Kg pada Tahun 2014
Data mengenai biaya pembelian TBS per kg pada bulan Januari 2014 – Desember
2014 dapat dilihat pada Tabel 3.4.
Tabel 3.4 Data Biaya Pembelian TBS per Kg pada Tahun 2014
Bulan Jumlah Pembelian Biaya Pembelian Biaya Pembelian TBS (kg) TBS (Rp) TBS per kg (Rp) Januari 6.466.110 11.777.018.800 1.821,35
Februari 6.849.400 12.965.590.780 1.892,95
Maret 7.562.810 14.728.006.750 1.947,43
April 6.574.450 11.958.025.450 1.818,86
Mei 6.716.730 11.948.206.950 1.778,87
Juni 8.866.130 15.242.446.150 1.719,18
Juli 9.378.370 15.795.490.800 1.684,25
Agustus 11.790.820 17.146.348.950 1.454,21
September 10.668.490 14.916.562.400 1.398,19
Oktober 9.234.650 13.625.264.400 1.475,45
November 7.689.890 11.636.986.850 1.513,28
Desember 5.872.650 8.848.306.450 1.506,70
Sumber: PT. Samudera Sawit Nabati
3.1.5 Data Rendemen Pengolahan CPO Tahun 2014
Data mengenai rendemen pengolahan CPO pada bulan Januari 2014 – Desember
Tabel 3.5 Data Rendemen Pengolahan CPO Tahun 2014
Bulan Rendemen (%) Januari 22,8837
Februari 21,3518
Maret 15,6980
April 19,8533
Mei 17,6098
Juni 20,7059
Juli 19,3237
Agustus 16,9616
September 20,7523
Oktober 18,5558
November 15,9336
Desember 18,5748
Sumber: Pengolahan Data
3.2 Pengolahan Data
3.2.1 Meramalkan Jumlah Permintaan CPO Tahun 2015
1. Mendefinisikan Tujuan Peramalan
Peramalan yang dilakukan bertujuan untuk meramalkan jumlah permintaan CPO
di PT. Samudera Sawit Nabati pada bulan Januari 2015 – Desember 2015.
2. Menentukan Pola Data
Pola data permintaan dapat diketahui dengan melihat diagram pencar dari jumlah
22
Gambar 3.1 Diagram Pencar Permintaan CPO Tahun 2014
Dari diagram pencar (Gambar 3.1), terlihat bahwa pola data yang terbentuk
adalah pola musiman.
3. Memilih Metode Peramalan yang Dianggap Tepat/ Sesuai
Beberapa metode yang dapat digunakan antara lain:
a. Metode Konstan
b. Metode Linier
c. Metode Kuadratis
d. Metode Eksponensial
e. Metode Siklis
4. Menghitung Parameter-parameter Fungsi Peramalan
Parameter umum:
= bulan
= jumlah produksi CPO (kg)
a. Metode Konstan
Persamaan peramalan: = = =1
Hasil perhitungan parameter peramalan dengan metode konstan dapat dilihat pada
Tabel 3.6.
Tabel 3.6 Perhitungan Parameter Peramalan dengan Metode Konstan
Parameter peramalan: = = 19.255.840
12 = 1.604.653,33
Persamaan peramalan: = . . ,
b. Metode Linier
Persamaan peramalan: = +
Hasil perhitungan parameter peramalan dengan metode linier dapat dilihat pada
Tabel 3.7.
Tabel 3.7 Perhitungan Parameter Peramalan dengan Metode Linier
24
Parameter peramalan:
= 2−
− 2 =
12 130.213.740 −78 19.255.840
12 650 − 78 2 = 35.320,14
Hasil perhitungan parameter peramalan dengan metode kuadratis dapat dilihat
pada Tabel 3.8.
Tabel 3.8 Perhitungan Parameter Peramalan dengan Metode Kuadratis
= �� − �
Hasil perhitungan parameter peramalan dengan metode eksponensial dapat dilihat
pada Tabel 3.9.
Tabel 3.9 Perhitungan Parameter Peramalan dengan Metode Eksponensial
26
Hasil perhitungan parameter peramalan dengan metode siklis dapat dilihat pada
Tabel 3.10.
Tabel 3.10 Perhitungan Parameter Peramalan dengan Metode Siklis
�� �� � � �� �� �� .� � �
Tabel 3.10 Perhitungan Parameter Peramalan dengan Metode Siklis (Lanjutan)
Tabel 3.10 Perhitungan Parameter Peramalan dengan Metode Siklis (Lanjutan)
-2.164.700,0000 0,0000 1,00 0,00 -1.746.816,5407 1.008.525,0000 0,75 0,25 -677.500,0000 1.173.464,4221 0,25 0,75 0,0000 1.450.000,0000 0,00 1,00
-2.034.037,0093 -390.925,1614 6,00 6,00
Parameter peramalan:
5. Menghitung Kesalahan Setiap Metode Peramalan
Kesalahan setiap metode peramalan dihitung dengan menggunakan Standard
Error of Estimate (SEE) sebagai berikut:
a. Metode Konstan
Hasil perhitungan kesalahan peramalan dengan metode konstan dapat dilihat pada
28
Tabel 3.11 Perhitungan Kesalahan Peramalan dengan Metode Konstan
′ − ′ − ′
1 1.441.810 1.604.653,33 -162.843,33 26.517.950.125,49 2 1.540.000 1.604.653,33 -64.653,33 4.180.053.080,09 3 1.082.110 1.604.653,33 -522.543,33 273.051.531.727,49 4 1.600.890 1.604.653,33 -3.763,33 14.162.652,69 5 1.170.000 1.604.653,33 -434.653,33 188.923.517.280,09 6 1.755.000 1.604.653,33 150.346,67 22.604.121.180,09 7 1.730.000 1.604.653,33 125.346,67 15.711.787.680,09 8 1.949.280 1.604.653,33 344.626,67 118.767.541.675,29 9 2.164.700 1.604.653,33 560.046,67 313.652.272.578,09 10 2.017.050 1.604.653,33 412.396,67 170.071.013.427,09 11 1.355.000 1.604.653,33 -249.653,33 62.326.785.180,09 12 1.450.000 1.604.653,33 -154.653,33 23.917.652.480,09
Jumlah 1.219.738.389.066,67
Hasil perhitungan kesalahan peramalan dengan metode linier dapat dilihat pada
Tabel 3.12.
Tabel 3.12 Perhitungan Kesalahan Peramalan dengan Metode Linier
′ − ′ − ′
1 1.441.810 1.410.392,56 31.417,44 987.055.278,37 2 1.540.000 1.445.712,70 94.287,30 8.890.094.194,02 3 1.082.110 1.481.032,84 -398.922,84 159.139.435.323,71 4 1.600.890 1.516.352,98 84.537,02 7.146.507.127,78 5 1.170.000 1.551.673,12 -381.673,12 145.674.373.235,17 6 1.755.000 1.586.993,26 168.006,74 28.226.263.541,89 7 1.730.000 1.622.313,40 107.686,60 11.596.403.116,71 8 1.949.280 1.657.633,54 291.646,46 85.057.655.808,59 9 2.164.700 1.692.953,68 471.746,32 222.544.587.618,46 10 2.017.050 1.728.273,82 288.776,18 83.391.680.492,94 11 1.355.000 1.763.593,96 -408.593,96 166.949.026.358,13 12 1.450.000 1.798.914,10 -348.914,10 121.741.050.968,11
= 2
= − ′ 2
− =
1.041.344.133.063,87
12−2 = . ,
c. Metode Kuadratis
Hasil perhitungan kesalahan peramalan dengan metode kuadratis dapat dilihat
pada Tabel 3.13.
Tabel 3.13 Perhitungan Kesalahan Peramalan dengan Metode Kuadratis
′ − ′ − ′
1 1.441.810 1.218.426,26 223.383,74 49.900.293.627,15 2 1.540.000 1.358.455,29 181.544,71 32.958.480.020,54 3 1.082.110 1.477.542,55 -395.432,55 156.366.899.584,81 4 1.600.890 1.575.688,02 25.201,98 635.139.696,22 5 1.170.000 1.652.891,72 -482.891,72 233.184.411.585,07 6 1.755.000 1.709.153,64 45.846,36 2.101.889.058,68 7 1.730.000 1.744.473,78 -14.473,78 209.490.198,18 8 1.949.280 1.758.852,14 190.427,86 36.262.770.678,40 9 2.164.700 1.752.288,72 412.411,28 170.083.062.816,52 10 2.017.050 1.724.783,53 292.266,47 85.419.691.547,60 11 1.355.000 1.676.336,55 -321.336,55 103.257.180.580,91 12 1.450.000 1.606.947,80 -156.947,80 24.632.612.614,72
Jumlah 895.011.922.008,79
= 3
= − ′ 2
− =
895.011.922.008,79
12−3 = . ,
d. Metode Eksponensial
Hasil perhitungan kesalahan peramalan dengan metode eksponensial dapat dilihat
30
Tabel 3.14 Perhitungan Kesalahan Peramalan dengan Metode Eksponensial
′ − ′ − ′
1 1.441.810 1.393.144,13 48.665,87 2.368.366.917,56 2 1.540.000 1.424.148,59 115.851,41 13.421.548.467,30 3 1.082.110 1.455.843,06 -373.733,06 139.676.401.410,32 4 1.600.890 1.488.242,89 112.647,11 12.689.371.037,04 5 1.170.000 1.521.363,78 -351.363,78 123.456.506.318,93 6 1.755.000 1.555.221,78 199.778,22 39.911.338.790,87 7 1.730.000 1.589.833,28 140.166,72 19.646.708.822,86 8 1.949.280 1.625.215,07 324.064,93 105.018.080.035,47 9 2.164.700 1.661.384,28 503.315,72 253.326.717.017,72 10 2.017.050 1.698.358,43 318.691,57 101.564.315.118,18 11 1.355.000 1.736.155,45 -381.155,45 145.279.476.420,68 12 1.450.000 1.774.793,64 -324.793,64 105.490.908.192,11
Jumlah 1.061.849.738.549,04
Hasil perhitungan kesalahan peramalan dengan metode siklis dapat dilihat pada
Tabel 3.15.
Tabel 3.15 Perhitungan Kesalahan Peramalan dengan Metode Siklis
′ − ′ − ′
1 1.441.810 1.378.725,06 63.084,94 3.979.709.348,11 2 1.540.000 1.278.488,28 261.511,72 68.388.378.215,43 3 1.082.110 1.265.647,17 -183.537,17 33.685.890.979,07 4 1.600.890 1.343.642,48 257.247,52 66.176.288.396,88 5 1.170.000 1.491.575,44 -321.575,44 103.410.761.050,95 6 1.755.000 1.669.807,53 85.192,47 7.257.757.472,43 7 1.730.000 1.830.581,60 -100.581,60 10.116.659.110,66 8 1.949.280 1.930.818,38 18.461,62 340.831.271,49 9 2.164.700 1.943.659,50 221.040,50 48.858.901.955,04 10 2.017.050 1.865.664,19 151.385,81 22.917.663.389,47 11 1.355.000 1.717.731,23 -362.731,23 131.573.945.687,01 12 1.450.000 1.539.499,14 -89.499,14 8.010.096.018,48
= 3
= − ′ 2
− =
504.716.882.895,01
12−3 = . ,
Rekapitulasi nilai kesalahan dari hasil estimasi dengan kelima metode dapat
dilihat pada Tabel 3.16.
Tabel 3.16 Rekapitulasi Nilai Kesalahan Hasil Estimasi
Metode SEE
Konstan 332.994,46
Linier 322.698,64
Kuadratis 315.350,23
Eksponensial 325.860,36 Siklis 236.811,43
6. Memilih Metode Peramalan yang Terbaik
Metode peramalan yang terbaik adalah metode yang memberikan hasil peramalan
dengan nilai kesalahan terkecil. Dari perhitungan-perhitungan yang telah
dilakukan, diperoleh bahwa metode siklis dan metode kuadratis adalah kedua
metode yang mampu memberikan nilai SEE terkecil.
Tahap selanjutnya adalah melakukan uji statistik dengan distribusi agar
dapat memilih salah satu di antara kedua metode tersebut untuk digunakan dalam
interpretasi peramalan.
a. Perumusan hipotesis:
(i) �0: Metode siklis lebih baik daripada metode kuadratis
(ii) �1: Metode siklis tidak lebih baik daripada metode kuadratis
b. Kriteria pengujian:
(i) �0 diterima apabila .
32
c. Perhitungan nilai kritis ( ) dan nilai statistik ( ):
(i) Nilai kritis ( ):
derajat bebas pembilang 1 = −3 = 12−3 = 9
derajat bebas penyebut 2 = −2 = 12−2 = 10
Maka, 0,05 1, 2 = 0,05 9,10 = ,
(ii) Nilai statistik ( )
Ditetapkan nilai taraf nyata atau sebesar 5%.
Statistik uji:
Dari hasil perhitungan, diperoleh: 0,563922 3,02 ,maka
berarti �0 diterima. Dengan kata lain, metode siklis lebih baik dibandingkan
dengan metode kuadratis untuk menghasilkan nilai peramalan yang dibutuhkan.
7. Melakukan Verifikasi Peramalan
Verifikasi peramalan dilakukan untuk menguji apakah metode peramalan yang
terpilih adalah representatif terhadap data, yakni apakah pola data menggunakan
metode peramalan tersebut sesuai dengan pola data yang sebenarnya. Proses
verifikasi peramalan dilakukan dengan menggunakan Moving Range Chart
(MRC). Jika sebaran data berada di dalam kontrol, maka metode peramalan yang
digunakan adalah tepat, dan sebaliknya.
Perhitungan harga Moving Range (MR) dapat dilihat pada Tabel 3.17.
Tabel 3.17 Perhitungan Harga Moving Range
′ − ′ ��
1 1.441.810 1.378.725,06 63.084,94
Tabel 3.17 Perhitungan Harga Moving Range (Lanjutan)
7 1.730.000 1.830.581,60 -100.581,60 185.774,07 8 1.949.280 1.930.818,38 18.461,62 119.043,22 9 2.164.700 1.943.659,50 221.040,50 202.578,88 10 2.017.050 1.865.664,19 151.385,81 69.654,69 11 1.355.000 1.717.731,23 -362.731,23 514.117,04 12 1.450.000 1.539.499,14 -89.499,14 273.232,09 Jumlah 3.434.251,22
Dari perhitungan pada Tabel 3.17, dapat ditentukan batas-batas pengujian
34
Dari Gambar 3.2, terlihat bahwa semua titik berada di dalam batas kontrol.
Dengan demikian, persamaan peramalan yang diperoleh melalui metode siklis
dapat digunakan untuk meramalkan jumlah permintaan CPO di PT. Samudera
Sawit Nabati pada bulan Januari 2015 – Desember 2015.
Hasil peramalan permintaan CPO tahun 2015 dengan metode siklis yang
telah diverifikasi ditampilkan pada Tabel 3.18.
Tabel 3.18 Hasil Peramalan Permintaan CPO Tahun 2015
Peramalan Permintaan CPO Tahun 2015
Bulan Berat (kg)
Januari 1.378.725,06
Februari 1.278.488,28
Maret 1.265.647,17
April 1.343.642,48
Mei 1.491.575,44
Juni 1.669.807,53
Juli 1.830.581,60
Agustus 1.930.818,38
September 1.943.659,50
Oktober 1.865.664,19
November 1.717.731,23
Desember 1.539.499,14
Jumlah 19.255.840,00
3.2.2 Formulasi Model Goal Programming
1. Variabel Keputusan
Variabel-variabel keputusan yang digunakan dalam perumusan model Goal
Programming ini adalah:
1 = jumlah produksi CPO pada bulan Januari 2015
2 = jumlah produksi CPO pada bulan Februari 2015
3 = jumlah produksi CPO pada bulan Maret 2015
4 = jumlah produksi CPO pada bulan April 2015
5 = jumlah produksi CPO pada bulan Mei 2015
7 = jumlah produksi CPO pada bulan Juli 2015
8 = jumlah produksi CPO pada bulan Agustus 2015
9 = jumlah produksi CPO pada bulan September 2015
10 = jumlah produksi CPO pada bulan Oktober 2015
11 = jumlah produksi CPO pada bulan November 2015
12 = jumlah produksi CPO pada bulan Desember 2015
13 = jumlah pembelian TBS pada bulan Januari 2015
14 = jumlah pembelian TBS pada bulan Februari 2015
15 = jumlah pembelian TBS pada bulan Maret 2015
16 = jumlah pembelian TBS pada bulan April 2015
17 = jumlah pembelian TBS pada bulan Mei 2015
18 = jumlah pembelian TBS pada bulan Juni 2015
19 = jumlah pembelian TBS pada bulan Juli 2015
20 = jumlah pembelian TBS pada bulan Agustus 2015
21 = jumlah pembelian TBS pada bulan September 2015
22 = jumlah pembelian TBS pada bulan Oktober 2015
23 = jumlah pembelian TBS pada bulan November 2015
24 = jumlah pembelian TBS pada bulan Desember 2015
2. Fungsi Kendala Sasaran
a. Kendala sasaran permintaan CPO
Sasaran yang hendak dicapai perusahaan adalah memenuhi jumlah permintaan
CPO tahun 2015 yang didasarkan pada hasil peramalan yang telah dilakukan.
Fungsi kendala secara umum dituliskan sebagai berikut:
, dengan:
= jumlah produksi CPO pada bulan ke-
= jumlah permintaan CPO pada bulan ke-
b. Kendala sasaran biaya produksi CPO
Sasaran yang hendak dicapai perusahaan adalah meminimumkan biaya produksi
CPO, yang meliputi biaya bahan baku dan biaya operasional. Fungsi kendala
secara umum dituliskan sebagai berikut:
. , dengan:
= biaya produksi CPO per kg pada bulan ke-
= jumlah produksi CPO pada bulan ke-
= biaya produksi CPO pada bulan ke-
= 1, 2,…,12
Maka, fungsi kendalanya adalah:
8.664,38. X1 12.820.561.493
9.551,50. X2 13.968.774.731
13.137,97. X3 15.597.480.072
9.957,95. X4 12.997.570.666
10.949,27. X5 12.950.838.053
8.798,87. X6 16.153.070.908
9.394,97. X7 17.026.002.403
9.211,80. X8 18.422.767.612
7.242,52. X9 16.034.600.219
8.552,24. X10 14.654.846.013
10.378,26. X11 12.716.239.620
8.939,87. X12 9.751.921.190
Bentuk Goal Programming-nya adalah:
8.664,38. X1 + 13−− 13+= 12.820.561.493
9.551,50. X2+ 14−− 14+= 13.968.774.731
13.137,97. X3+ 15−− 15+= 15.597.480.072
9.957,95. X4+ 16−− 16+= 12.997.570.666
10.949,27. X5+ 17−− 17+= 12.950.838.053
8.798,87. X6+ 18−− 18+= 16.153.070.908
38
9.211,80. X8+ 20−− 20+= 18.422.767.612
7.242,52. X9+ 21−− 21+= 16.034.600.219
8.552,24. X10 + 22−− 22+= 14.654.846.013
10.378,26. X11 + 23−− 23+= 12.716.239.620
8.939,87. X12 + 24−− 24+= 9.751.921.190
c. Kendala sasaran biaya pembelian TBS
Sasaran yang hendak dicapai perusahaan adalah meminimumkan biaya pembelian
TBS. Fungsi kendala secara umum dituliskan sebagai berikut:
. , dengan:
= biaya pembelian TBS per kg pada bulan ke-
= jumlah pembelian TBS pada bulan ke- −12
= biaya pembelian TBS pada bulan ke-
= 1, 2,…,12
= 13, 14,…,24
Maka, fungsi kendalanya adalah:
1.821,35. X13 11.777.018.800
1.892,95. X14 12.965.590.780
1.947,43. X15 14.728.006.750
1.818,86. X16 11.958.025.450
1.778,87. X17 11.948.206.950
1.719,18. X18 15.242.446.150
1.684,25. X19 15.795.490.800
1.454,21. X20 17.146.348.950
1.398,19. X21 14.916.562.400
1.475,45. X22 13.625.264.400
1.513,28. X23 11.636.986.850
Bentuk Goal Programming-nya adalah:
1.821,35. X13 + 25−− 25+= 11.777.018.800
1.892,95. X14 + 26−− 26+= 12.965.590.780
1.947,43. X15 + 27−− 27+= 14.728.006.750
1.818,86. X16 + 28−− 28+= 11.958.025.450
1.778,87. X17 + 29−− 29+= 11.948.206.950
1.719,18. X18 + 30−− 30+= 15.242.446.150
1.684,25. X19 + 31−− 31+= 15.795.490.800
1.454,21. X20+ 32−− 32+= 17.146.348.950
1.398,19. X21+ 33−− 33+= 14.916.562.400
1.475,45. X22+ 34−− 34+= 13.625.264.400
1.513,28. X23+ 35−− 35+= 11.636.986.850
1.506,70. X24+ 36−− 36+= 8.848.306.450
d. Kendala sasaran pengolahan TBS
Perusahaan menghendaki bahwa semua TBS yang tersedia dapat diolah menjadi
CPO. Jadi, dikatakan sasarannya adalah memaksimumkan jumlah TBS yang
terolah menjadi CPO.
Fungsi kendala secara umum dituliskan sebagai berikut:
. − = 0 , dengan:
= rendemen pada bulan ke-
= jumlah produksi CPO pada bulan ke-
= jumlah pembelian TBS pada bulan ke- −12
= 1, 2,…,12
= 13, 14,…,24
Maka, fungsi kendalanya adalah:
0,2288. 13− 1 = 0
0,2135. 14− 2 = 0
0,1570. 15− 3 = 0
40
0,1761. 17− 5 = 0
0,2071. 18− 6 = 0
0,1932. 19− 7 = 0
0,1696. 20 − 8 = 0
0,2075. 21 − 9 = 0
0,1856. 22 − 10 = 0
0,1593. 23 − 11 = 0
0,1857. 24 − 12 = 0
Bentuk Goal Programming-nya adalah:
0,2288. 13− 1+ 37−− 37+= 0
0,2135. 14− 2+ 38−− 38+ = 0
0,1570. 15− 3+ 39−− 39+= 0
0,1985. 16− 4+ 40−− 40+ = 0
0,1761. 17− 5+ 41−− 41+ = 0
0,2071. 18− 6+ 42−− 42+ = 0
0,1932. 19− 7+ 43−− 43+= 0
0,1696. 20 − 8+ 44−− 44+= 0
0,2075. 21 − 9+ 45−− 45+ = 0
0,1856. 22 − 10+ 46−− 46+= 0
0,1593. 23 − 11+ 47−− 47+= 0
0,1857. 24 − 12+ 48−− 48+= 0
3. Fungsi Sasaran atau Fungsi Tujuan
Berikut adalah sasaran-sasaran yang hendak dicapai oleh perusahaan:
a. Memenuhi permintaan CPO
Bentuk Goal Programming-nya adalah:
. = 12=1 −
b. Meminimumkan biaya produksi CPO
Bentuk Goal Programming-nya adalah:
c. Meminimumkan biaya pembelian TBS
Maka, model Goal Programming secara lengkap dituliskan sebagai berikut:
42
7.242,52. X9+ 21−− 21+= 16.034.600.219
8.552,24. X10 + 22−− 22+= 14.654.846.013
10.378,26. X11 + 23−− 23+= 12.716.239.620
8.939,87. X12 + 24−− 24+= 9.751.921.190
1.821,35. X13 + 25−− 25+= 11.777.018.800
1.892,95. X14 + 26−− 26+= 12.965.590.780
1.947,43. X15 + 27−− 27+= 14.728.006.750
1.818,86. X16 + 28−− 28+= 11.958.025.450
1.778,87. X17 + 29−− 29+= 11.948.206.950
1.719,18. X18 + 30−− 30+= 15.242.446.150
1.684,25. X19 + 31−− 31+= 15.795.490.800
1.454,21. X20+ 32−− 32+= 17.146.348.950
1.398,19. X21+ 33−− 33+= 14.916.562.400
1.475,45. X22+ 34−− 34+= 13.625.264.400
1.513,28. X23+ 35−− 35+= 11.636.986.850
1.506,70. X24+ 36−− 36+= 8.848.306.450
0,2288. 13− 1+ 37−− 37+= 0
0,2135. 14− 2+ 38−− 38+ = 0
0,1570. 15− 3+ 39−− 39+= 0
0,1985. 16− 4+ 40−− 40+ = 0
0,1761. 17− 5+ 41−− 41+ = 0
0,2071. 18− 6+ 42−− 42+ = 0
0,1932. 19− 7+ 43−− 43+= 0
0,1696. 20 − 8+ 44−− 44+= 0
0,2075. 21 − 9+ 45−− 45+ = 0
0,1856. 22 − 10+ 46−− 46+= 0
0,1593. 23 − 11+ 47−− 47+= 0
+
, −, 0 ; dengan:
= 1, 2,…,48
= 1, 2,…,24
3.2.3 Penyelesaian Model Goal Programming
Persoalan dalam model Goal Programming yang telah dibentuk akan diselesaikan
dengan menggunakan software LINDO versi 6.1. Hasil penyelesaian dengan
LINDO dapat dilihat pada Lampiran 2.
Berikut diperoleh solusi optimal untuk perencanaan produksi pada bulan
Januari 2015 – Desember 2015 di PT. Samudera Sawit Nabati:
Tabel 3.19 Solusi Optimal dengan Goal Programming
Bulan Jumlah Produksi CPO Jumlah Pembelian TBS Variabel Berat (kg) Variabel Berat (kg)
Januari 1 1.378.725,000 13 6.025.896,0
Februari 2 1.278.488,250 14 5.988.235,5
Maret 3 1.187.206,250 15 7.561.823,0
April 4 1.305.030,625 16 6.574.461,5
Mei 5 1.182.803,750 17 6.716.660,0
Juni 6 1.669.807,500 18 8.062.807,5
Juli 7 1.812.246,500 19 9.378.353,0
Agustus 8 1.930.818,375 20 11.384.543,0
September 9 1.943.659,500 21 9.367.034,0
Oktober 10 1.713.568,125 22 9.232.587,0
November 11 1.225.276,625 23 7.689.910,0
Desember 12 1.090.549,125 24 5.872.639,5
3.2.4 Pembahasan Penyelesaian Model Goal Programming
Berdasarkan solusi optimal yang diperoleh, dapat diketahui besar deviasi atas dan
44
a. Sasaran memenuhi permintaan CPO
Tabel 3.20 Deviasi antara Target Produksi CPO dengan Solusi Optimal dari
Goal Programming pada bulan Januari 2015 – Desember 2015
Bulan Jumlah Produksi CPO Sasaran
Target �− �+ Solusi Optimal
Oktober 1.865.664,19 152.096 0 1.713.568,125 Tidak tercapai
November 1.717.731,23 492.455 0 1.225.276,625 Tidak tercapai
Desember 1.539.499,14 448.950 0 1.090.549,125 Tidak tercapai
Terlihat bahwa terdapat sejumlah nilai deviasi bawah yang tidak sama dengan nol,
yakni 3−, 4−, 5−, 7−, 10−, 11−,dan 12−. Maka, dikatakan bahwa sasaran
perusahaan untuk memenuhi permintaan CPO adalah tidak tercapai dan diperoleh
total jumlah produksi CPO untuk perencanaan produksi selama tahun 2015 adalah
17.718.180 kg.
b. Sasaran meminimumkan biaya produksi CPO
Tabel 3.21 Deviasi antara Target Biaya Produksi CPO dengan Solusi Optimal
dari Goal Programming pada bulan Januari 2015– Desember 2015
Bulan Biaya Produksi CPO Sasaran
Tabel 3.21 Deviasi antara Target Biaya Produksi CPO dengan Solusi Optimal
dari Goal Programming pada bulan Januari 2015– Desember 2015
(Lanjutan)
September 16.034.600.219 0 0 16.034.600.219 Tercapai Oktober 14.654.846.013 0 0 14.654.846.013 Tercapai
November 12.716.239.620 0 0 12.716.239.620 Tercapai Desember 9.751.921.190 0 0 9.751.921.190 Tercapai
Terlihat bahwa semua deviasi atas dan deviasi bawah bernilai nol. Maka,
dikatakan bahwa sasaran meminimumkan biaya produksi CPO adalah tercapai dan
diperoleh total biaya produksi CPO untuk perencanaan produksi selama tahun
2015 adalah Rp 173.094.672.980,00.
c. Sasaran meminimumkan biaya pembelian TBS
Tabel 3.22 Deviasi antara Target Biaya Pembelian TBS dengan Solusi
Optimal dari Goal Programming pada bulan Januari 2015 –
Desember 2015
Bulan Biaya Pembelian TBS Sasaran
Target �− �+ Solusi Optimal
Januari 11.777.018.800 0 0 11.777.018.800 Tercapai
Februari 12.965.590.780 0 0 12.965.590.780 Tercapai
Maret 14.728.006.750 0 0 14.728.006.750 Tercapai
April 11.958.025.450 0 0 11.958.025.450 Tercapai
Mei 11.948.206.950 0 0 11.948.206.950 Tercapai
Juni 15.242.446.150 0 0 15.242.446.150 Tercapai
Juli 15.795.490.800 0 0 15.795.490.800 Tercapai
Agustus 17.146.348.950 0 0 17.146.348.950 Tercapai
September 14.916.562.400 0 0 14.916.562.400 Tercapai
Oktober 13.625.264.400 0 0 13.625.264.400 Tercapai
November 11.636.986.850 0 0 11.636.986.850 Tercapai
Desember 8.848.306.450 0 0 8.848.306.450 Tercapai
Terlihat bahwa semua deviasi atas dan deviasi bawah bernilai nol. Maka,
dikatakan bahwa sasaran meminimumkan biaya pembelian TBS adalah tercapai
dan diperoleh total biaya pembelian TBS untuk perencanaan produksi selama
46
d. Sasaran memaksimumkan pengolahan TBS
Tabel 3.23 Deviasi antara Target Pengolahan TBS dengan Solusi Optimal dari
Goal Programming pada bulan Januari 2015 – Desember 2015
Bulan Jumlah TBS yang Diolah Sasaran
Target �− �+ Solusi Optimal
Januari 6.025.896,0 0 0 6.025.896,0 Tercapai
Februari 5.988.235,5 0 0 5.988.235,5 Tercapai
Maret 7.561.823,0 0 0 7.561.823,0 Tercapai
April 6.574.461,5 0 0 6.574.461,5 Tercapai
Mei 6.716.660,0 0 0 6.716.660,0 Tercapai
Juni 8.062.807,5 0 0 8.062.807,5 Tercapai
Juli 9.378.353,0 0 0 9.378.353,0 Tercapai
Agustus 11.384.543,0 0 0 11.384.543,0 Tercapai
September 9.367.034,0 0 0 9.367.034,0 Tercapai
Oktober 9.232.587,0 0 0 9.232.587,0 Tercapai
November 7.689.910,0 0 0 7.689.910,0 Tercapai
Desember 5.872.639,5 0 0 5.872.639,5 Tercapai
Terlihat bahwa semua deviasi atas dan deviasi bawah bernilai nol. Maka,
dikatakan bahwa sasaran memaksimumkan pengolahan TBS adalah tercapai dan
diperoleh total TBS yang diolah dalam perencanaan produksi selama tahun 2015
BAB 4
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Berdasarkan hasil pengolahan data yang diperoleh dari PT. Samudera Sawit
Nabati, maka diuraikan kesimpulan sebagai berikut:
1. Jumlah produksi CPO yang optimal di PT. Samudera Sawit Nabati untuk
perencanaan produksi periode Januari 2015 – Desember 2015 berturut-turut
adalah 1.378.725 kg; 1.278.488 kg; 1.187.206 kg; 1.305.031 kg; 1.182.804
kg; 1.669.808 kg; 1.812.246 kg; 1.930.818 kg; 1.943.660 kg; 1.713.568 kg;
1.225.277 kg; dan 1.090.549 kg.
2. Jumlah pembelian TBS optimal yang hendak dilakukan oleh PT. Samudera
Sawit Nabati untuk perencanaan produksi periode Januari 2015 – Desember
2015 berturut-turut adalah 6.025.896 kg; 5.988.235,5 kg; 7.561.823 kg;
6.574.461,5 kg; 6.716.660 kg; 8.062.807,5 kg; 9.378.353 kg; 11.384.543 kg;
9.367.034 kg; 9.232.587 kg; 7.689.910 kg; dan 5.872.639,5 kg.
3. Sasaran meminimumkan biaya produksi CPO adalah tercapai dan diperoleh
total biaya produksi CPO untuk perencanaan produksi selama tahun 2015
adalah Rp 173.094.672.980,00.
4. Sasaran meminimumkan biaya pembelian TBS adalah tercapai dan
diperoleh total biaya pembelian TBS untuk perencanaan produksi selama
tahun 2015 adalah Rp 160.588.254.730,00.
5. Sasaran memaksimumkan pengolahan TBS adalah tercapai dan diperoleh
total TBS yang diolah dalam perencanaan produksi selama tahun 2015
48
4.2 Saran
1. Hendaknya hasil penelitian ini dijadikan sebagai masukan dan alternatif
bagi perusahaan dalam membuat kebijakan perencanaan produksi
selanjutnya agar dapat mencapai sasaran-sasaran yang telah ditetapkan.
2. Diharapkan metode Goal Programming dapat digunakan pada
BAB 2
LANDASAN TEORI
2.1 Perencanaan Produksi
2.1.1 Pengertian Perencanaan Produksi
Perencanaan produksi dapat diartikan sebagai proses penentuan sumber-sumber
yang diperlukan untuk melaksanakan operasi manufaktur dan mengalokasikannya
sehingga menghasilkan produk dalam jumlah dan kualitas yang diharapkan
dengan mengeluarkan biaya atau ongkos yang lebih rendah. Menurut Nasution
(1999), perencanaan produksi adalah suatu perencanaan taktis yang bertujuan
untuk memberikan keputusan yang optimum berdasarkan sumber daya yang
dimiliki oleh perusahaan dalam memenuhi permintaan produk yang akan
dihasilkan. Sementara menurut Ginting (2007), perencanaan produksi merupakan
pernyataan rencana produksi ke dalam bentuk agregat yang biasanya dijadikan
sebagai pegangan untuk merancang jadwal induk produksi.
2.1.2 Fungsi dan Tujuan Perencanaan Produksi
Menurut Ginting (2007), beberapa fungsi dari perencanaan produksi adalah:
7. Menjamin rencana penjualan dan rencana produksi konsisten terhadap
rencana strategis perusahaan.
8. Sebagai alat ukur performansi proses produksi.
9. Menjamin kemampuan produksi konsisten terhadap rencana produksi.
10. Memonitor hasil produksi aktual terhadap rencana produksi dan membuat
penyesuaian.
11. Mengatur persediaan produk jadi untuk mencapai target produksi dan
rencana strategis.
10
Menurut Assauri (1998), tujuan dari perencanaan produksi antara lain:
6. Mencapai tingkat keuntungan (profit) tertentu.
7. Menguasai pasar sehingga output perusahaan tetap mempunyai pangsa pasar
(market share) tertentu.
8. Mengusahakan agar perusahaan dapat bekerja pada tingkat efisiensi tertentu.
9. Mengusahakan dan mempertahankan supaya pekerjaan dan kesempatan
kerja yang sudah ada tetap pada tingkatannya maupun berkembang.
10. Menggunakan sebaik-baiknya fasilitas yang sudah ada pada perusahaan
yang bersangkutan.
2.2 Peramalan
2.2.1 Pengertian dan Konsep Peramalan
Peramalan diartikan sebagai bentuk pemikiran terhadap suatu besaran, misalnya
permintaan terhadap satu atau beberapa produk pada periode yang akan datang.
Peramalan dapat dikatakan sebagai perkiraan yang ilmiah (educated guess)
(Ginting, 2007).
Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah
permintaan terhadap suatu produk dan merupakan langkah awal dari proses
perencanaan dan pengendalian produksi. Tujuan peramalan dalam kegiatan
produksi adalah untuk meredam ketidakpastian, sehingga diperoleh suatu
perkiraan yang mendekati keadaan yang sebenarnya.
2.2.2 Klasifikasi Teknik Peramalan dan Metode Peramalan
Berdasarkan sifatnya, peramalan dibedakan atas dua (2) macam, yaitu peramalan
kualitatif dan peramalan kuantitatif.
1. Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan ditentukan berdasarkan pemikiran yang
bersifat intuisi, judgement atau pendapat, pengetahuan serta pengalaman
2. Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan ditentukan oleh jenis metode yang
digunakan dalam peramalan. Metode yang paling baik adalah metode yang
memberikan nilai-nilai penyimpangan yang paling kecil.
2.2.3 Metode Peramalan Kuantitatif (Statistical Method)
Metode peramalan kuantitatif dibedakan menjadi dua (2) bagian, yakni metode
kausal dan metode time series.
1. Metode kausal adalah metode yang mengasumsikan bahwa faktor yang
diperkirakan atau diramalkan menunjukkan hubungan sebab akibat dengan
satu atau beberapa variabel bebas atau independen.
2. Metode time series adalah metode yang didasarkan atas penggunaan analisis
pola hubungan antara variabel yang akan diperkirakan dengan variabel
waktu yang merupakan deret waktu. Dengan kata lain, metode ini digunakan
untuk menganalisis serangkaian data yang merupakan fungsi dari waktu.
Terdapat empat (4) pola data yang mempengaruhi analisis ini, antara lain:
1. Pola siklis (cycle), yaitu nilai data memiliki dipengaruhi oleh pola
pergerakan aktivitas ekonomi.
2. Pola musiman (seasonal), yaitu nilai data dipengaruhi oleh musim.
3. Pola horizontal, yaitu nilai data berfluktuasi di sekitar nilai rata-rata.
4. Pola trend, yaitu nilai data memiliki kecenderungan untuk naik atau
turun terus-menerus.
2.2.4 Metode Proyeksi Kecenderungan dengan Regresi
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
12
Bentuk fungsi dari metode proyeksi kecenderungan dengan regresi antara
4. Eksponensial
Fungsi peramalan dituliskan:
= , dengan:
= ln2− ln − 2
ln = ln −
= nilai ramalan
= jumlah periode
5. Siklis
Fungsi peramalan dituliskan:
= + sin2� + cos2� , dengan:
= + sin2� + cos2�
sin2� = sin2� + sin2�
2
+ sin2� cos2�
cos2� = cos2� + cos2�
2
+ sin2� cos2�
2.3 Goal Programming
2.3.1 Konsep dan Bentuk Umum dari Goal Programming
Goal Programming merupakan pengembangan dari model pemrograman linear
yang mulai dipopulerkan oleh A. Charnes dan W.M. Cooper pada tahun 1961.
Model Goal Programming mampu menyelesaikan kasus-kasus pemrograman
linear yang memiliki lebih dari satu sasaran yang hendak dicapai, dengan
kehadiran sepasang variabel deviasional yang akan muncul di fungsi tujuan dan di
fungsi-fungsi kendala (Siswanto, 2006).
(Eiselt & Sandblom, 2007) Bentuk umum dari Goal Programming adalah:
Minimumkan: = =1 ++ −
Kendala: =1 − ++ −=
14
dengan:
= 1, 2,…,
= 1, 2,…,
= 1, 2,…,�
+
= deviasi/ penyimpangan positif −= deviasi/ penyimpangan negatif
= koefisien fungsi kendala tujuan
= variabel keputusan
= tujuan atau target yang hendak dicapai
= koefisien fungsi kendala sistem
= sumber daya yang tersedia
+
, −, 0
2.3.2 Komponen Goal Programming
Model Goal Programming sedikitnya terdiri dari tiga (3) komponen, yakni fungsi
tujuan, kendala tujuan, dan kendala non-negatif.
1. Fungsi Sasaran atau Tujuan
Ciri khas yang menandai model Goal Programming adalah kehadiran variabel
deviasional di dalam fungsi tujuan yang harus diminimumkan. Hal ini merupakan
konsekuensi logis dari tujuan kehadiran variabel deviasional di dalam fungsi
kendala sasaran. Masing-masing deviasi positif dan deviasi negatif harus
diminimumkan di dalam fungsi tujuan, sehingga fungsi tujuan dari model Goal
Programming adalah:
Minimumkan: =1 ++ −
dengan:
= 1, 2,…,
+
= deviasi/ penyimpangan positif −= deviasi/ penyimpangan negatif
+
2. Kendala Sasaran atau Kendala Tujuan
Untuk mewujudkan sasaran pada interval nilai tertentu yang dibatasi oleh dan
, maka hasil penyelesaian yang diharapkan adalah berada di antara interval
tersebut, sehingga bentuk persamaan kendala tujuan secara umum dituliskan:
=1
dengan:
= 1, 2,…,
= 1, 2,…,
= batas bawah interval
= batas atas interval
= koefisien fungsi kendala tujuan
= variabel keputusan
0
Kemungkinan penyimpangan-penyimpangan harus diminimumkan,
sehingga dihadirkan deviasi positif guna membatasi penyimpangan di atas dan
deviasi negatif guna membatasi penyimpangan di bawah , maka dapat dituliskan
sebagai berikut:
− − =1 +
+
, yang setara dengan:
=1 + − dan =1 − +
3. Kendala Non-Negatif
Variabel-variabel dalam model Goal Programming, yang terdiri atas variabel
keputusan dan variabel deviasi bernilai lebih besar atau sama dengan nol.
Pernyataan ketidaknegatifan dapat dituliskan:
, +, − 0
2.3.3 Perumusan Masalah Goal Programming
Langkah-langkah perumusan masalah Goal Programming adalah sebagai berikut:
1. Menentukan variabel keputusan.
Variabel keputusan merupakan dasar dalam pembuatan model. Semakin tepat
16
2. Menentukan dan merumuskan fungsi kendala tujuan.
3. Menentukan prioritas utama.
Pada langkah ini, dibuat urutan dari tujuan-tujuan yang hendak dicapai oleh
perusahaan, yang bergantung pada keinginan dari pengambil keputusan dan
keterbatasan sumber daya yang tersedia.
4. Menentukan pembobotan.
5. Menentukan fungsi tujuan.
Kunci dalam tahapan ini adalah memilih variabel deviasi yang benar serta
menambahkan prioritas dan pembobotan yang tepat jika diperlukan.
6. Menyatakan persamaaan non-negatif.
Langkah ini merupakan bagian yang resmi dalam perumusan masalah Goal
Programming.
2.4 Linear Interactive Discrete Optimizer (LINDO)
LINDO adalah sebuah program yang dirancang untuk menyelesaikan kasus-kasus
pemrograman linear. Sebuah kasus harus diubah terlebih dahulu ke dalam sebuah
model matematis pemrograman linear dengan format tertentu agar dapat diolah
oleh program LINDO.
1. Input LINDO
Program ini menghendaki input sebuah program matematika dengan struktur
tertentu. Contoh:
MIN DA1 + DB1 + DA2 + DB2 + DB3 + DB4
SUBJECT TO
-DA1 + DB1 + 5X1 + 6X2 = 60
-DA2 + DB2 + X1 + 2X2 = 16
DB3 + X1 = 10
DB4 + X2 = 6
2. Output LINDO
Output atau hasil olahan LINDO pada dasarnya dapat dipisahkan menjadi dua (2)
bagian, yakni:
a. Optimal Solution atau Penyelesaian Optimal
Bagian ini memuat lima (5) macam informasi utama, yaitu:
1. Nilai fungsi tujuan atau Objective Function Value.
2. Nilai optimal variabel keputusan.
3. Sensitivitas bila = 0, di bawah kolom Reduced Cost.
4. Slack variable atau surplus variable. 5. Dual Price.
Selain itu, bagian penyelesaian optimal juga memuat informasi tambahan,
yakni jumlah iterasi yang diperlukan untuk menemukan penyelesaian optimal.
b. Analisis Sensitivitas (Sensitivity Analysis)
Bagian ini memuat informasi mengenai dua (2) macam analisis sensitivitas, yakni:
1. Analisis sensitivitas koefisien fungsi tujuan ( )
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Perencanaan produksi adalah suatu kegiatan yang berkenaan dengan penentuan
produk apa dan berapa jumlah yang akan diproduksi oleh suatu perusahaan untuk
satu periode mendatang. Perencanaan produksi bertujuan untuk mencapai
stabilisasi produksi dan tenaga kerja terhadap fluktuasi permintaan.
PT. Samudera Sawit Nabati (PT. SSN) selama ini beroperasi berdasarkan
ketersediaan bahan baku. Hal ini menyebabkan adanya idle capacity saat jumlah
bahan baku berlebih. Perusahaan juga sering dihadapkan pada keadaan adanya
ketidaksesuaian di antara jumlah produksi CPO dan volume permintaan CPO.
Selain itu dalam upaya memenuhi Rencana Kerja Anggaran Perusahaan (RKAP),
PT. SSN memerlukan perencanaan produksi yang baik agar dapat mengadakan
produksi yang optimal. Adapun sasaran-sasaran yang hendak dicapai PT. SSN
adalah memenuhi permintaan CPO, meminimumkan biaya produksi CPO,
meminimumkan biaya pembelian Tandan Buah Segar (TBS), dan
memaksimumkan pengolahan TBS.
Metode yang dinilai tepat digunakan dalam optimasi produksi CPO di PT.
SSN adalah metode Goal Programming sebab metode ini dapat menangani
masalah alokasi optimal dari beberapa masalah yang bertolak belakang. B.
Chowdary dan J. Slomp (2002) dalam makalah yang berjudul “Production
Planning under Dynamic Product Environment: A Multi-objective Goal
Programming Approach” memaparkan bahwa metode Goal Programming dapat
diterapkan secara efektif dalam perencanaan produksi karena metode Goal
Programming berpotensi dalam menyelesaikan aspek-aspek yang bertentangan
proses manufaktur. Selain itu, menurut Ahmad (2005), metode Goal
Programming memiliki beberapa kelebihan sebagai berikut:
1. Dapat menangani tujuan dengan urutan prioritas, di mana tujuan-tujuan
dengan prioritas rendah dipertimbangkan hanya setelah tujuan-tujuan lain
dengan prioritas yang lebih tinggi terpenuhi hingga batas maksimum.
2. Bermanfaat dalam situasi di mana beberapa tujuan saling bertentangan dan
tidak semuanya dapat terpenuhi.
3. Lebih cenderung digunakan untuk “memenuhi”, tidak harus “mengoptimalkan” masalah.
4. Layak diterapkan untuk mencari solusi atau penyelesaian yang memuaskan,
dengan keberadaan banyak fungsi objektif atau tujuan yang harus
dipertimbangkan.
Berdasarkan uraian yang dikemukakan di atas, maka penulis mengangkat
penelitian dengan judul “Perencanaan Produksi Crude Palm Oil (CPO) dengan
Metode Goal Programming (Studi Kasus: PT. Samudera Sawit Nabati, Subulussalam)”.
1.2 Perumusan Masalah
Permasalahan yang dibahas dalam penelitian ini adalah menentukan jumlah
produksi CPO yang optimal di PT. Samudera Sawit Nabati agar dapat mencapai
sasaran-sasaran yang ditetapkan perusahaan.
1.3 Batasan Masalah dan Asumsi
Adapun batasan masalah dalam penelitian ini adalah:
1. Variabel-variabel keputusan dalam model Goal Programming untuk
perencanaan produksi PT. Samudera Sawit Nabati antara lain:
1 = jumlah produksi CPO pada bulan Januari 2015
2 = jumlah produksi CPO pada bulan Februari 2015
3 = jumlah produksi CPO pada bulan Maret 2015
4 = jumlah produksi CPO pada bulan April 2015
3
6 = jumlah produksi CPO pada bulan Juni 2015
7 = jumlah produksi CPO pada bulan Juli 2015
8 = jumlah produksi CPO pada bulan Agustus 2015
9= jumlah produksi CPO pada bulan September 2015
10 = jumlah produksi CPO pada bulan Oktober 2015
11 = jumlah produksi CPO pada bulan November 2015
12 = jumlah produksi CPO pada bulan Desember 2015
13 = jumlah pembelian TBS pada bulan Januari 2015
14 = jumlah pembelian TBS pada bulan Februari 2015
15 = jumlah pembelian TBS pada bulan Maret 2015
16 = jumlah pembelian TBS pada bulan April 2015
17 = jumlah pembelian TBS pada bulan Mei 2015
18 = jumlah pembelian TBS pada bulan Juni 2015
19 = jumlah pembelian TBS pada bulan Juli 2015
20 = jumlah pembelian TBS pada bulan Agustus 2015
21 = jumlah pembelian TBS pada bulan September 2015
22 = jumlah pembelian TBS pada bulan Oktober 2015
23 = jumlah pembelian TBS pada bulan November 2015
24 = jumlah pembelian TBS pada bulan Desember 2015
2. Kendala-kendala dalam model adalah sebagai berikut:
a. Jumlah permintaan CPO
b. Biaya produksi CPO
c. Biaya pembelian TBS
3. Data yang digunakan untuk meramalkan jumlah permintaan CPO tahun
2015 adalah data perusahaan pada periode Januari – Desember 2014.
4. Penelitian dilakukan hanya sampai penentuan jumlah produksi CPO yang
optimal untuk tahun 2015.
Sementara, asumsi yang digunakan dalam penelitian ini adalah:
1. Proses produksi berjalan normal selama penelitian.
2. Harga bahan baku dan biaya-biaya lain adalah tetap.
1.4 Tinjauan Pustaka
Perencanaan produksi adalah suatu perencanaan taktis yang bertujuan untuk
memberikan keputusan yang optimum berdasarkan sumber daya yang dimiliki
oleh perusahaan dalam memenuhi permintaan produk yang akan dihasilkan
(Nasution, 1999).
Perencanaan produksi memiliki fungsi sebagai berikut (Ginting, 2007):
1. Menjamin rencana penjualan dan rencana produksi konsisten terhadap
rencana strategis perusahaan.
2. Sebagai alat ukur performansi proses produksi.
3. Menjamin kemampuan produksi konsisten terhadap rencana produksi.
4. Memonitor hasil produksi aktual terhadap rencana produksi dan membuat
penyesuaian.
5. Mengatur persediaan produk jadi untuk mencapai target produksi dan
rencana strategis.
6. Mengarahkan penyusunan dan pelaksanaan jadwal induk produksi.
Tujuan dari perencanaan produksi antara lain (Assauri, 1998):
1. Mencapai tingkat keuntungan (profit) tertentu.
2. Menguasai pasar sehingga output perusahaan tetap mempunyai pangsa pasar
(market share) tertentu.
3. Mengusahakan agar perusahaan dapat bekerja pada tingkat efisiensi tertentu.
4. Mengusahakan dan mempertahankan supaya pekerjaan dan kesempatan
kerja yang sudah ada tetap pada tingkatannya maupun berkembang.
5. Menggunakan sebaik-baiknya fasilitas yang sudah ada pada perusahaan
yang bersangkutan.
Sementara, tujuan dari perencanaan dan pengendalian produksi adalah
merencanakan dan mengendalikan aliran material ke dalam, di dalam, dan ke luar
pabrik sehingga posisi keuntungan optimal yang merupakan tujuan perusahaan
dapat dicapai (Kusuma, 1999).
Nasution (1999) menyatakan bahwa perencanaan produksi melibatkan
5
peralatan, tenaga kerja, dan waktu, di mana faktor-faktor tersebut harus sesuai
dengan kebutuhan yang direncanakan dalam mencapai target produksi tertentu.
Masing-masing faktor tersebut tidak harus direncanakan secara terpisah sesuai
dengan keterbatasan yang ada, artinya rencana produksi harus dibuat dengan
mengacu pada satu rencana yang terpadu.
Pengertian persediaan (inventory) dalam konteks produksi menurut Ginting
(2007) adalah sumber daya menganggur (idle resource) yang belum digunakan
karena menunggu proses lebih lanjut. Proses lebih lanjut berupa kegiatan produksi
pada sistem manufaktur, kegiatan pemasaran pada sistem distribusi, dan kegiatan
konsumsi pada sistem rumah tangga. Adapun alasan perlunya persediaan adalah:
1. Agar dapat menjamin kelancaran proses pemenuhan (secara ekonomis)
permintaan barang sesuai dengan kebutuhan konsumen.
2. Untuk meredam fluktuasi permintaan atau pun jumlah pasokan yang tidak
beraturan.
3. Sebagai alat spekulasi (speculator) untuk mendapatkan keuntungan
berlipat di kemudian hari.
Adanya persediaan menimbulkan konsekuensi berupa risiko-risiko tertentu
yang harus ditanggung oleh perusahaan, misalnya persediaan yang disimpan
perusahaan bisa saja rusak sebelum digunakan. Selain itu, perusahaan juga harus
menanggung biaya-biaya yang timbul akibat adanya persediaan tersebut.
Goal Programming merupakan pengembangan dari model pemrograman
linear yang mulai dipopulerkan oleh A. Charnes dan W.M. Cooper pada tahun
1961. Model Goal Programming mampu menyelesaikan kasus-kasus
pemrograman linear yang memiliki lebih dari satu sasaran yang hendak dicapai,
dengan kehadiran sepasang variabel deviasional yang akan muncul di fungsi
tujuan dan di fungsi-fungsi kendala (Siswanto, 2006).
(Eiselt & Sandblom, 2007) Model umum Goal Programming adalah:
Minimumkan: = =1 ++ −
Kendala: =1 − ++ −=
dengan:
= 1, 2,…,
= 1, 2,…,
= 1, 2,…,�
+
, −, 0
+
= deviasi/ penyimpangan positif
−= deviasi/ penyimpangan negatif
= koefisien fungsi kendala tujuan
= variabel keputusan
= tujuan atau target yang hendak dicapai
= koefisien fungsi kendala sistem
= sumber daya yang tersedia
Mulyono (2004) menyatakan bahwa inti dari perumusan model Goal
Programming dapat diringkas sebagai berikut:
1. Dua jenis variabel menjadi bagian dari setiap perumusan, yaitu variabel
keputusan ( ) dan variabel simpangan, yaitu − dan +.
2. Ada dua jenis kendala dalam model Goal Programming, yaitu kendala
struktural yang pada umumnya merupakan kendala lingkungan dan tidak
berhubungan langsung dengan tujuan-tujuan, dan kendala tujuan yang
berhubungan langsung dengan tujuan-tujuan.
3. Pada umumnya, suatu kendala tujuan terdiri dari variabel simpangan di
bawah ( −) dan variabel simpangan di atas ( +) dari nilai target.
Penghilangan salah satu variabel simpangan dalam kendala tujuan akan
membatasi tujuan pada arah yang dihilangkan. Penghilangan +
menempatkan suatu batas atas tujuan, sedangkan penghilangan − memaksa
suatu batas bawah tujuan.
1.5 Tujuan Penelitian
Penelitian ini bertujuan untuk menentukan jumlah produksi CPO yang optimal
untuk perencanaan produksi di PT. Samudera Sawit Nabati periode Januari 2015 –
7
1.6 Manfaat Penelitian
Manfaat dari penelitian ini adalah sebagai berikut:
1. Bagi perusahaan untuk dijadikan masukan dan alternatif dalam pembuatan
kebijakan perencanaan produksi.
2. Bagi pembaca untuk memberikan informasi, menambah pengetahuan, dan
sebagai bahan referensi.
3. Bagi penulis untuk menambah wawasan dan keterampilan dalam meneliti
dan menulis demi peningkatan kualitas diri.
1.7 Kerangka Konseptual Penelitian
Gambaran secara sistematis mengenai konsep-konsep penelitian disajikan pada
Gambar 1.1 berikut ini:
Perencanaan Produksi PT. Samudera Sawit Nabati Periode Januari 2015 - Desember 2015 Sasaran dari PT. Samudera Sawit Nabati:
1. Memenuhi permintaan CPO 2. Meminimumkan biaya produksi CPO 3. Meminimumkan biaya pembelian TBS 4. Memaksimumkan pengolahan TBS
Data PT. Samudera Sawit Nabati Periode Januari 2014 – Desember 2014: - Laporan Kas Keuangan Perusahaan - Biaya produksi CPO per kg - Jumlah produksi CPO - Biaya produksi CPO Komponen Model Sasaran -3: - Biaya pembelian TBS per kg - Jumlah pembelian TBS
1.8 Metodologi Penelitian
1.8.1 Studi Pendahuluan
Pada tahap ini, penulis mengumpulkan dan mempelajari berbagai bahan referensi
berupa buku-buku dan jurnal mengenai aplikasi dari metode Goal Programming
dalam optimasi perencanaan produksi.
1.8.2 Pengumpulan Data
Penulis mengumpulkan data sekunder dari PT. Samudera Sawit Nabati. Data yang
dikumpulkan antara lain:
a. Data jumlah permintaan CPO tahun 2014.
b. Data biaya pokok produksi CPO tahun 2014.
c. Data biaya pembelian TBS tahun 2014.
1.8.3 Analisis dan Pengolahan Data
1. Meramalkan jumlah permintaan CPO tahun 2015.
Data yang digunakan dalam melakukan peramalan adalah data jumlah permintaan
CPO pada periode Januari 2014 – Desember 2014. Metode peramalan yang
digunakan adalah metode proyeksi kecenderungan dengan regresi.
2. Formulasi model Goal Programming
a. Menentukan variabel keputusan
b. Menentukan dan merumuskan fungsi kendala sasaran
c. Menentukan fungsi sasaran atau tujuan
3. Menyelesaikan model Goal Programming dengan menggunakan software
LINDO versi 6.1.