ANALISIS OPTIMASI PRODUKSI PADA PT PP LONDON
SUMATRA TBK, MEDAN
SITI ASTARI LUTHFI
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa Skripsi berjudul Analisis Optimasi Produksi pada PT PP London Sumatra Tbk, Medan adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Agustus 2015
ABSTRAK
SITI ASTARI LUTHFI. Analisis Optimasi Produksi Pada PT PP London Sumatra, Tbk Medan. Dibimbing oleh H MUSA HUBEIS.
PT PP London Sumatra, Tbk (Lonsum) mengalami penurunan produksi CPO pada beberapa tahun terakhir. Hal ini disebabkan oleh beberapa faktor eksternal dan internal yang memengaruhi proses produksi minyak sawit di perusahaan. Tujuan penelitian ini adalah meramalkan pola produksi CPO di PT PP Lonsum Tbk, menganalisis perencanaan produksi optimum untuk memproduksi CPO dan menganalisis alternatif strategi yang dapat digunakan untuk mengantisipasi kendala-kendala yang mengakibatkan perusahaan tidak mencapai target optimal. Data diperoleh melalui observasi dan wawancara, diolah dengan metode peramalan regresi linear sederhana untuk meramalkan permintaan dan linear programming untuk menganalisis perencanaan optimasi produksi. Hasil peramalan dengan metode regresi linear sederhana menunjukkan bahwa peramalan produksi CPO fluktuatif, optimasi produksi CPO untuk periode 12 bulan mendatang sebesar 2 696 602 ton, dengan pemakaian jam kerja lembur maksimal 137 jam tiap bulan. Biaya produksi yang harus dikeluarkan untuk 12
bulan ke depan Rp8 956 069 632 835. Kata kunci: Analisis, optimasi, produksi
ABSTRACT
SITI ASTARI LUTHFI. An Analysis of Production Optimization in PT PP London Sumatera, Tbk Medan. Supervised by H MUSA HUBEIS.
PT PP London Sumatra, Tbk (Lonsum) production level of CPO have been decreased in last year. It is caused by some internal and external factor that influencing CPO production process. The goal of this study are to forecast CPO production trend in PT PP Lonsum Tbk, to analyze optimize production planning to produce CPO and to analyze alternative strategy to anticipate the constraint
which affecting the company doesn’t achieve optimum target. The data is
collected by observation and interview method and its processing uses regression linear forecasting method and linear programming. The forecast result uses regression linear methode shows that CPO production farecast is fluctuating, the optimum CPO production for 12 month is 1 503 735 ton, with using the overtime maximum 137 hours a month. The cost production that is needed for 12 month is
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi
pada
Departemen Manajemen
ANALISIS OPTIMASI PRODUKSI PADA PT PP LONDON
SUMATRA TBK, MEDAN
SITI ASTARI LUTHFI
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Februari sampai April 2015 ini adalah peramalan dan perencanaan optimasi produksi, dengan judul Analisi Optimasi Produksi Pada PT PP London Sumatra Tbk, Medan.
Terima kasih penulis ucapkan kepada Prof Dr Ir H Musa Hubeis, MS, Dipl Ing, DEA selaku dosen pembimbing atas bimbingan, arahan dan inspirasinya. Di samping itu, penghargaan penulis sampaikan kepada Bapak Ir H Sugito Manager PT PP London Sumatra pada kebun Bagerpang Estate yang telah membantu selama pengumpulan data. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga, sahabat dan temana satu perjuangan skripsi atas segala doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.
DAFTAR ISI
DAFTAR TABEL iv
DAFTAR GAMBAR iv
DAFTAR LAMPIRAN iv
PENDAHULUAN 1
Latar Belakang 1
Perumusan Masalah 2
Tujuan Penelitian 3
Manfaat Penelitian 3
Ruang Lingkup Penelitian 3
TINJAUAN PUSTAKA 3
Produksi 3
Peramalan 4
Metode Peramalan 4
Linear Programming 6
SWOT 7
Penelitian Terdahulu 7
METODE 8
Kerangka Pemikiran 8
Lokasi dan Waktu Penelitian 9
Pengumpulan Data 9
Pengolahan dan Analisis Data 10
HASIL DAN PEMBAHASAN 11
Gambaran Umum Perusahaan 11
Teknik Peramalan 12
Perencanaan Optimasi Produksi 14
Strategi Perencanaan Optimasi Produksi 19
Implikasi Manajerial 23
SIMPULAN DAN SARAN 24
DAFTAR PUSTAKA 25
LAMPIRAN 27
DAFTAR TABEL
1 Produksi Minyak Sawit Tahun 2014 1
2 Produksi dan Ekspor Minyak Sawit Indonesia 1
3 Ikhtisar Operasional PP London Sumatra Indonesia 1
4 Penelitian terdahulu 7
5 Data produksi CPO Lonsum 12
6 Analisis Regresi 13
7 Hasil peramalan produksi CPO 14
8 Tingkat persediaan berdasarkan peramalan produksi CPO 16
9 Data jam kerja reguler dan lembur 16
10 Hasil perencanaan optimasi produksi Lonsum 18
11 Biaya perencanaan optimasi produksi PT PP Lonsum Tbk 18
12 Hasil LINDO untuk produksi CPO 19
13 Mesin dan peralatan yang digunakan dalam proses produksi 20
14 Matriks SWOT strategi perencanaan optimasi produksi CPO 22
pada PT PP Lonsum Tbk 15 Matriks SWOT strategi pengadaan TBS optimasi produksi CPO 23
pada PT PP Lonsum Tbk
DAFTAR GAMBAR
1 Kerangka Pemikiran Penelitian 92 Autokorelasi untuk produksi CPO 13
DAFTAR LAMPIRAN
1 Daftar Pertanyaan Wawancara 272 Analisis regresi 28
PENDAHULUAN
Latar Belakang
Produksi minyak sawit global didominasi oleh Indonesia dan Malaysia (Tabel 1). Terlihat pada Tabel 2, Indonesia telah mencapai 33 juta ton produksi minyak sawit global di tahun 2014 dan mengekspor sebesar 22,3 juta ton pada tahun 2014. Jumlah Produksi dari tahun 2007-2014 mengalami peningkatan setiap tahunnya.
Tabel 1 Produksi minyak sawit tahun 2014
Negara Produksi(juta ton)
1. Indonesia 33
2. Malaysia 20.5
3. Thailand 2.25
4. Colombia 1.108
5. Nigeria 0.93
Sumber: USDA, 2014
Tabel 2 Produksi dan ekspor minyak sawit Indonesia
2007 2008 2009 2010 2011 2012 2013 2014
Produksi (1000 juta ton)
18 20.5 22 23.6 26.2 28.5 30.5 33
Ekspor (juta ton)
13.969 15.964 16.573 16.423 18.452 20.373 21.719 22.3
Sumber: USDA, 2014
PT PP London Sumatra, Tbk (Lonsum) merupakan salah satu perusahaan perkebunan yang berfokus pada produksi minyak sawit, karet dan cokelat. Kegiatan dari perusahaan perkebunan ini meliputi pemuliaan tanaman, penanaman, pengolahan dan penjualan produk kelapa sawit, karet, kakao dan teh. Produk kelapa sawit dari perusahaan perkebunan ini terus meningkat setiap tahunnya, produk minyak sawit atau biasa disebut crude palm oil (CPO) terus menunjukkan perkembangan positif.
Tabel 3 Ikhtisar operasional PP London Sumatra Indonesia
2008 2009 2010 2011 2012 2013
CPO 341.6 377.5 365.7 442.9 448.3 396.5
FFB
Nucleus
1 021.8 1 174.1 1 170.4 1 291.3 1 314.8 1 250.4
Oil Palm Seed
22.1 18.1 20.7 26.4 27.4 24.1
Rubber 23.4 21.8 18.5 13.9 13.1 12.7
2
Terlihat pada Tabel 3 pada tahun 2012, PT PP Lonsum, Tbk menghasilkan 448,3 ribu ton CPO yang merupakan penghasilan CPO terbesar perusahaan dibanding tahun-tahun sebelumnya. Namun produksi operasional mengalami penurunan pada tahun 2013 menjadi 396,5 ribu ton. Produksi CPO yang melemah disebabkan oleh curah hujan yang sangat tinggi di Indonesia, sehingga target awal produksi CPO di Indonesia tidak dapat tercapai akibat cuaca kurang mendukung.
Masalah produksi merupakan masalah sangat penting, maka harus diperhatikan setiap perusahaan, agar dapat bersaing dengan perusahaan lain, karena apabila proses produksi dapat tercapai dengan baik, tujuan perusahaan dapat tercapai. Di sisi lain, apabila proses produksi tidak berjalan sesuai rencana, maka dapat mengakibatkan kerugian pada perusahaan. Kelancaran di dalam proses produksi dipengaruhi oleh perencanaan jumlah barang dengan memperhatikan kombinasi dari setiap produksi barang yang akan diproduksi dengan memperhatikan keterbatasan sumber daya bahan baku yang dimiliki perusahaan.
Selain permasalahan di bagian produksi, perusahaan perkebunan seperti PT PP Lonsum, Tbk harus menghadapi naiknya biaya operasional, menyusul keputusan pemerintah meningkatkan upah minimum tenaga kerja dan harga bahan bakar. Perkembangan ini telah memberikan pengaruh pada kinerja sebagian besar perusahaan perkebunan yang beroperasi di Indonesia termasuk PT PP Lonsum, telah mengakibatkan kinerja finansial yang lebih rendah dari yang diharapkan di tahun ini. Akibat dari keputusan pemerintah untuk menaikkan upah minimum telah menyebabkan peningkatan biaya produksi bagi perusahaan perkebunan yang beroperasi di Indonesia.
Kondisi ini menuntut perusahaan untuk mampu meramalkan permintaan pasar, sehingga dapat merencanakan jumlah barang yang akan diproduksi. Peramalan permintaan dibutuhkan oleh bagian perencanaan produksi untuk melihat permintaan konsumen di masa mendatang, serta prospeknya terhadap peningkatan penjualan perusahaan, sehingga dapat menentukan atau merumuskan tingkat produksi efektif dengan menggunakan sumber daya yang dimiliki perusahaan, sehingga dengan adanya keterbatasan jumlah sumber daya ini membuat perusahaan perlu melakukan optimasi, yaitu mengefisiensikan sumber daya yang dimiliki perusahaan untuk menghasilkan produk dalam jumlah yang banyak.
Perumusan Masalah
Berdasarkan uraian latar belakang yang telah dijelaskan, maka perusahaan perlu melakukan suatu peramalan dan perencanaan produk sesuai dengan keadaan pasar, maka permasalahan yang dihadapi PT PP Lonsum Tbk, Medan adalah:
1. Bagaimana pola produksi CPO di PT PP Lonsum Tbk dan metode yang sesuai untuk peramalan produksi CPO ?
3 3. Bagaimana alternatif strategi yang dapat digunakan untuk mengantisipasi kendala-kendala yang dapat mengakibatkan perusahaan tidak mencapai target optimal di PT PP Lonsum Tbk ?
Tujuan Penelitian
Tujuan penelitian ialah:
1. Meramalkan pola produksi CPO di PT PP Lonsum Tbk dan mengetahui metode peramalan yang tepat.
2. Menganalisis perencanaan produksi optimum untuk memproduksi CPO dan berapa banyak produksi yang harus dilakukan agar memperoleh biaya yang minimum.
3. Menganalisis alternatif strategi yang dapat digunakan untuk mengantisipasi kendala-kendala yang dapat mengakibatkan perusahaan tidak mencapai target optimal di PT PP Lonsum Tbk.
Manfaat Penelitian
Manfaat penelitian ini adalah: 1. Bagi perusahaan
Sebagai bahan acuan dalam keputusan perencanaan dan peramalan produksi produk perusahaan.
2. Bagi peneliti
Sebagai media mengetahui permasalahan yang dialami perusahaan dan memberikan alternatif solusi yang mungkin dapat dipertimbangan bagi manajemen perusahaan.
3. Bagi akademisi
Bahan informasi dan rujukan untuk penelitian bagi pihak-pihak yang memiliki kepentingan.
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini terfokus pada perencanaan produksi CPO dan solusi keputusan, serta tindakan peramalan yang dilakukan PT PP Lonsum Tbk, Medan yang tepat untuk mencapai perencanaan produksi optimal.
TINJAUAN PUSTAKA
Produksi
4
Peramalan
Menurut Heizer dan Render (2005), peramalan adalah seni dan ilmu untuk memperkirakan kejadian di masa depan yang dapat dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya ke masa mendatang dengan suatu bentuk model matematik.
Jenis-Jenis Peramalan
Menurut Heizer dan Render (2005), peramalan berdasarkan horizon waktu dibedakan atas kategori berikut :
a. Peramalan jangka pendek, yaitu peramalan yang mencakup jangka waktu hingga satu tahun, tetapi umumnya kurang dari tiga bulan. Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja dan tingkat produksi.
b. Peramalan jangka menengah, yaitu peramalan yang mencakup hitungan bulanan hingga tiga tahun. Peramalan ini berguna untuk merencanakan penjualan, perencanaan dan anggaran produksi, anggaran kas dan menganalisis bermacam-macam rencana operasi.
c. Peramalan jangka panjang, yaitu peramalan yang mencakup perencanaan masa tiga tahun atau lebih. Peramalan ni digunakan untuk merencanakan produk baru, pembelanjaan modal, atau pengembangan fasilitas, penelitian dan pengembangan (Litbang).
Metode Peramalan
Terdapat dua pendekatan umum peramalan, sebagaimana ada dua cara mengatasi semua model keputusan, yaitu analisis kualitatif dan kuantitatif. Peramalan kuantitatif menggunakan model matematik beragam dengan data masa lalu dan peubah sebab akibat untuk meramalkan permintaan. Peramalan subyektif atau kualitatif, yaitu peramalan yang menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi dan sistem nilai pengambilan keputusan untuk meramal (Handoko 2000). Hal tersebut dapat disimpulkan bahwa peramalan adalah proses atau metode dalam meramalkan suatu peristiwa yang akan terjadi pada masa mendatang dengan mendasarkan diri pada peubah tertentu.
Peramalan Kualitatif
Teknik peramalan kualitatif adalah subyektif atau ‘judgmental’ atau berdasarkan pada estimasi-estimasi dan pendapat-pendapat. Empat teknik peramalan kualitatif (Heizer dan Render 2005) adalah :
a. Keputusan dari pendapat juri eksekutif. b. Metode Delphi.
c. Gabungan dari tenaga penjualan. d. Survei pasar konsumen.
Peramalan Kuantitatif
5 a. Teknik statistik yang menitikberatkan pada pola, perubahan pola dan faktor gangguan (disturbance) yang disebabkan oleh pengaruh acak. Teknik statistik ini seperti teknik rataan bergerak (moving average) dan teknik pemulusan (exponential smoothing), metode dekomposisi runtut waktu (time series), trend dan metodologi Box-Jenkins. Teknik peramalan statistik ini biasanya menggunakan dua pendekatan. Pertama, didasarkan pada asumsi bahwa data dapat didekomposisikan seperti trend, siklus, musiman dan ketidakberaturan (irregularity). Kedua, berkenaan dengan metode ekonometri runtut waktu dan metodologi Box-Jenkins. Landasan teorinya didasarkan pada konsep-konsep statistik dan tidak menganggap data disajikan dengan komponen-komponen yang terpisah.
b. Teknik deterministik (kausal) mencakup identifikasi dan penentuan hubungan antara peubah yang akan diprakirakan dengan peubah-peubah lain yang memengaruhi. Teknik ini mencakup model regresi sederhana dan regresi berganda, indikator-indikator utama, model ekonometrik, survei antisipasi dan model input-output.
Metode Peramalan Runtut Waktu
Metode peramalan deret waktu merupakan suatu teknik peramalan yang menggunakan sekumpulan data yang dicatat selama periode tertentu yang digunakan untuk memprediksi atau meramalkan keadaan masa depan. Komponen pola data runtut waktu (time series) menurut Heizer dan Render (2005) adalah: a. Trend Sekuler, yaitu arah data deret berkala jangka panjang yang cukup rata
(smooth), atau pergerakan data sedikit demi sedikit meningkat atau menurun. b. Siklus adalah pola data yang terjadi setiap beberapa tahun, atau naik turunnya
suatu deret waktu selama periode yang lebih panjang dari satu tahun.
c. Musim adalah pola data yang berulang pada kurun waktu tertentu seperti hari, minggu, bulan atau kuartal.
d. Variasi acak adalah suatu titik khusus dalam data, yang disebabkan oleh peluang dan situasi yang tidak biasa. Variasi acak tidak memiliki pola khusus, jadi tidak dapat diprediksi.
Persamaan proyeksi tren adalah:
Model tren linear ( ... (1) Keterangan :
Nilai aktual Y pada periode ke-t
Koefisien model
Galat pada periode t
Konstanta
Koefisien = Dugaan rataan peningkatan/penurunan nilai Y setiap
periode
Metode Rataan Bergerak
6
lebih baik daripada metode rataan sederhana. Metode rataan bergerak sering digunakan bila peramalan perlu dilakukan berulang-ulang kali (Arsyad 2001).
Secara matematik bentuk umum metode rataan bergerak menurut Arsyad (2001) dapat dirumuskan :
∑ ...(2) Keterangan :
Nilai ramalan 1 periode ke depan setelah t
Nilai aktual pada periode ke-i
N = Ordo
Metode Pemulusan Eksponensial
Pemulusan eksponensial adalah teknik yang dapat memberikan ketepatan dalam ramalan jangka pendek dan penyesuaian dapat dilakukan dengan cepat dan pada biaya rendah. Pemulusan eksponensial dipergunakan bila peramalan diperlukan untuk sistem persediaan yang terdiri atas ribuan barang (Arsyad 2001).
Rumusan penghalusan secara eksponensial menurut Arsyad (2001) dapat dirumuskan :
( ...(3) Keterangan :
Nilai ramalan Y pada 1 periode ke depan setelah t
Nilai aktual pada periode ke-t
Pembobotan Smoothing (
Linear Programming
Menurut Heizer dan Render (2005), Linear Programming (LP) adalah suatu teknik matematik yang didesain untuk membantu para manajer operasi dalam merencanakan dan membuat keputusan untuk mengalokasikan sumber daya yang ada. Operasional awalnya memerlukan persyaratan berikut:
a. Persoalan LP bertujuan untuk memaksimalkan, atau meminimalkan kuantitas (umumnya berupa laba atau biaya). Sifat umum ini disebut sebagai fungsi tujuan (objective function) dari suatu persoalan LP. Tujuan utama suatu perusahaan pada umumnya memaksimalkan keuntungan pada jangka panjang. Dalam kasus sistem distribusi suatu perusahaan angkutan atau penerbangan, tujuan pada umumnya meminimalkan biaya.
b. Adanya batasan (constraints) atau kendala, yang membatasi tingkat sampai dimana sasaran dapat dicapai.
c. Harus ada beberapa alternatif tindakan yang dapat diambil.
7
SWOT
Menurut Rangkuty dalam Ikhsan dan Aid (2011), analisis SWOT adalah metode perencanaan strategis yang digunakan untuk mengevaluasi kekuatan, kelemahan, peluang dan ancaman berkenaan dengan suatu kegiatan proyek atau usaha. Dengan analisis SWOT ini akan di spesifikasi tujuan dari kegiatan proyek atau usaha dimaksud dan diidentifikasi faktor-faktor internal dan eksternal yang bersifat favorable dan unfavorable dalam mencapai tujuan.
Penelitian Terdahulu
Penelitian ini mengacu pada beberapa penelitian sebelumnya. Penelitian terdahulu yang menjadi acuan dapat dilihat pada Tabel 4.
Tabel 4 Penelitian terdahulu
Nama Judul Kesimpulan
Hutajulu (2010) Kajian Peramalan Permin-taan dan Perencanaan Optimasi Produksi Semen Pada Plant 11 PT
Indocement Tunggal Prakarsa Tbk
Melakukan perencanaan jumlah produksi optimal se-lama periode perencanaan dan menganalisis pemecah-an ypemecah-ang sesuai, jika terjadi perubahan-perubahan (Analisis Sensitivitas) pada fungsi kendala dan fungsi tujuan pada pemrograman linear. Selanjutnya melakukan peramalan permintaan selama satu tahun ke depan berdasarkan hasil analisis peramalan
time series dengan metode peramalan terpilih, yaitu metode peramalan dekomposisi multiplikatif dengan nilai Mean Square Error (MSE) terkecil. Hasil tersebut dijadikan sebagai dasar penentuan
8
Lanjutan Tabel 4
Naibaho (2009) Kajian Perencanaan Pro-duksi Agregat di PT Wiska
Kusumah (2012) Optimasi Produksi Susu Yoghurt pada PT Cimory
9 adalah LP. Hasil dari metode peramalan dan LP dapat digunakan sebagai bahan pertimbangan alternatif strategi pengambilan keputusan (Cahya, et al 2014), pengolahan data strategi rogrammed menggunakan analisis SWOT, hasil dari analisis ini rog digunakan sebagai alat bantu pengambilan keputusan bagi pihak manajerial, sehingga dapat mengoptimalkan keterbatasan alokasi sumber daya yang dimiliki perusahaan dan menghasilkan biaya yang optimal.
Gambar 1 Kerangka Pemikiran Penelitian
Lokasi dan Waktu Penelitian
Lokasi penelitian dilakukan di PT PP Lonsum Tbk, Medan yang terletak di Jalan Jendral A. Yani No. 2 Medan Sumatra Utara, Indonesia. Penelitian akan dilaksanakan selama tiga bulan, dimulai dari bulan Februari-April 2015.
Pengumpulan Data
Data yang dikumpulkan meliputi; 1. Data gambaran umum perusahaan
2. Data gambaran umum proses produksi CPO
3. Data mengenai biaya produksi, biaya tenaga kerja dan biaya lainnya yang terkait dalam produksi produk kelapa sawit (CPO).
4. Data produksi CPO, kapasitas tiap bulan. Teknik Peramalan
Strategi perencanaan optimasi produksi optimal
PT. Lonsum Tbk
Produksi (Jumlah)
Time series Linear Programming
Implikasi manajerial
Hasil peramalan dan optimasi produksi
10
Sumber data terdiri atas: 1. Data Primer
a. Observasi, yaitu teknik pengumpulan data yang dilakukan dengan cara pengamatan terhadap obyek.
b. Wawancara, yaitu teknik pengumpulan data dengan cara mengadakan rogr jawab langsung secara lisan terhadap pegawai perusahaan yang terkait. 2. Data Sekunder
a. Buku-buku ataupun laporan-laporan hasil penelitian relevan yang memiliki keterkaitan dengan penelitian ini.
b. Data dari perusahaan yang dibutuhkan terkait dengan penelitian ini.
Pengolahan dan Analisis Data
Data dan informasi yang diperoleh diolah dan dianalisis secara kualitatif dan kuantitatif. Analisis data kualitatif adalah suatu pendekatan dengan data yang ada, kemudian menyajikannya secara deskriptif, grafik dan uraian. Sedangkan analisis data kuantitatif adalah analisis menggunakan data hasil produksi dan menggunakan perhitungan dalam bentuk angka-angka analisis data kuantitatif yang diolah dengan program Microsoft Excel, Minitab 16 dan LINDO.
Peramalan dilakukan untuk mengetahui perkiraan produksi CPO untuk 12 bulan ke depan, dimana data yang digunakan adalah data produksi CPO dari Januari 2013-Februari 2015. Data yang diperoleh dihitung dengan menggunakan metode peramalan runtut waktu, pemilihan metode peramalan terbaik dengan membandingkan kesalahan peramalan (Lumbantoruan, Poerwanto dan Tarigan 2013). Metode peramalan terpilih akan digunakan dalam proses peramalan produksi tiap bulannya selama setahun. Hasil dari peramalan produksi dijadikan sebagai acuan dalam menentukan jumlah produk yang akan diproduksi setiap bulannya. Tahapan kegiatan peramalan (Hutajulu 2010) adalah:
1. Pengumpulan data produksi perusahaan yang terkait dengan data produksi relevan.
2. Melakukan identifikasi data terhadap pola data deret waktu, dengan cara memplotkan data secara visual plot dan autokorelasinya, serta menyimpulkan apakah pola data bersifat trend, musiman, siklikal atau acak.
3. Mencoba beberapa metode time series menurut pola data permintaan tersebut untuk melakukan peramalan.
4. Mengevaluasi tingkat kesalahan masing-masing metode yang telah dicoba. Tingkat kesalahan dalam peramalan dapat dihitung dengan kriteria Mean Average Error (MAE), MSE dan Mean Average Percentage Error (MAPE). 5. Memilih metode peramalan terbaik diantara beberapa metode deret waktu yang
sudah dicoba, didasarkan tingkat kesalahan terkecil dibandingkan dengan metode lainnya melalui pengukuran kesalahan MSE.
11 perusahaan dengan menggunakan model program linear untuk menganalis dan menentukan faktor-faktor kendala yang akan digunakan dalam merencanakan produksi optimal. Pembentukan model dalam proses optimasi produksi produk kelapa sawit diawali dengan langkah menentukan peubah keputusan dan dilanjutkan dengan perumusan fungsi tujuan, kemudian penentuan kendala-kendala produksi yang dihadapi. Hasil dari peramalan dan program linear digunakan sebagai acuan dalam pengambilan keputusan penentuan strategi perencanaan optimasi produksi, dimana data tersebut diolah menggunakan metode analisis SWOT. Hasil tersebut dapat menjadi bahan pertimbangan pihak manajerial perusahaan untuk strategi perencanaan optimasi produksi.
HASIL DAN PEMBAHASAN
Gambaran Umum Perusahaan
PT PP London Sumatra Indonesia Tbk. (Lonsum) merupakan perusahaan milik investor dalam negeri dan asing. Lonsum didirikan oleh pemerintah Inggris pada tahun 1906 dengan nama Horrison and Crossfield Ltd (H&C). Pada tahun 2007, Indofood Agri Resources Ltd (Indoagri), anak perusahaan PT Indofood Sukses Makmur Tbk di bidang agribisnis, menjadi pemegang saham mayoritas Perseroan melalui anak perusahaannya di Indonesia, PT Salim Ivomas Pratama Tbk (SIMP), sehingga perusahaan menjadi bagian dari Grup Indofood. Visi dari
perusahaan Lonsum adalah “Menjadi perusahaan agribisnis terkemuka yang berkelanjutan dalam hal tanaman, biaya dan lingkungan yang berbasis penelitian dan pengembangan” dan memiliki misi untuk “Menambah nilai bagi stakeholders di bidang agribisnis”.
Bagerpang Estate (BGE) merupakan perkebunan Lonsum pertama di Indonesia yang didirikan oleh H&C. Perkebunan ini terletak di tiga kecamatan, yaitu kecamatan Bangun Purba dan kecamatan Galang, kecamatan STM Hilir, provinsi Sumatera Utara.
Komoditi yang ada di perkebunan ini adalah tanaman kelapa sawit (Elais guineensis Jacq.) dengan luas areal perkebunan seluas 4928,88 ha. Perkebunan ini memiliki satu unit pabrik kelapa sawit (PKS) yang berkapasitas 50 ton per jam dan memiliki program Enriched Mulch Area (EMU) yaitu membuat kompos dengan memanfaatkan janjangan kosong ( rogramm) dan air limbah (fommy).
Bentuk tenaga kerja di PT PP Lonsum terdiri dari staf, Monthly Rate Personel (MRP) atau pekerja bulanan, Daily Rate Personel (DRP) atau pekerja harian dan Piece Works (PW) atau pekerja harian lepas. Jumlah tenaga kerja adalah 836 orang yang terdiri dari 186 orang MRP, 601 orang DRP, 1 orang CMRP dan 48 orang CDRP.
Perkebunan BGE dipimpin oleh seorang Manajer yang dalam pelaksanaan tugasnya dibantu oleh Estate Adminitration Assistant (EAA), Head Assistant, Field Assistant, pegawai dan karyawan. Lonsum BGE terdiri dari tujuh divisi, yaitu:
12
3. Divisi 03 Naga Timbul dengan luas areal 703,94 ha 4. Divisi 04 Bagerpang dengan luas areal 576,32 ha 5. Divisi 05 Kongsi Empat dengan luas areal 707,45 ha 6. Divisi 06 Kongsi Dua dengan luas areal 684,92 ha 7. Divisi 07 Timbang Serdang dengan luas areal 680,93 ha
Semua kegiatan dalam perkebunan yang dilaksanakan dikebun harus berpedoman pada Standard Operating Procedure (SOP) yang dikeluarkan kantor pusat untuk masing-masing kebun yang disusun dalam bentuk Yearly Programme, Monthly rogrammed an Daily Programme.
Teknik Peramalan Identifikasi pola data
Menurut Santoso (2009), pada data time series yang berbasis waktu, diperlukan pengujian terlebih dahulu sebelum data tersebut dapat diolah, yang disebut dengan uji pola data. Jika pada data terdapat trend atau ada komponen musiman atau siklus, data tidak dapat dikatakan stasioner. Namun sebaliknya, jika pada data tidak ada trend, musiman atau siklus, maka data dikatakan stasioner. Data produksi CPO pada Lonsum pada periode Januari 2013-Februari 2015 dimuat pada Tabel 5.
Tabel 5 Data produksi CPO Lonsum
Periode Produksi Periode Produksi
Januari-13 4 044.762 Februari-14 3 639.918
Februari-13 4 181.057 Maret-14 5 036.736
Maret-13 4 640.436 April-14 4 411.281
April-13 4 714.087 Mei-14 4 316.805
Mei-13 4 263.215 Juni-14 6 053.796
Juni-13 6 560.761 Juli-14 5 631.08
Juli-13 6 139.827 Agustus-14 5 982.715
Agustus-13 5 065.555 September-14 6 988.77
September-13 6 852.127 Oktober-14 4 666.467
Oktober-13 5 367.958 November-14 4 332.661
November-13 4 713.519 Desember-14 6 061.547
Desember-13 5 359.261 Januari-15 3 632.752
Januari-14 3 705.666 Februari-15 3 307.876
13
(with 5% significance limits for the autocorrelations)
Gambar 2 Autokorelasi untuk produksi CPO
Berdasarkan plot autokorelasi dengan time lag-3 pada Gambar 2, di atas dan di bawah bar terdapat dua garis merah terputus-putus. Itu adalah garis upper dan lower dari angka korelasi yang tidak menunjukkan adanya autokorelasi. Jika bar-bar yang ada tidak melebihi garis merah yang ada di atas ataupun di bawah, berarti tidak ada autokorelasi (Santoso 2009).
Regresi linier sederhana
Hasil menunjukkan nilai R-square 0,163/16,3%. Hasil R-square menandakan bahwa variabel produksi CPO pada lag 3 dapat menjelaskan produksi CPO 16,3% sisanya dijelaskan oleh peubah lain. Nilai Prob F sebesar 0,05 < 0,05 menunjukkan bahwa peubah produksi CPO pada lag 3 dapat menjelaskan data produksi CPO. Persamaan regresi linear sederhana:
14
Tabel 7 Hasil peramalan produksi CPO
Periode Peramalan produksi
Maret-15 5 516.204
April-15 4 442.676
Mei-15 4 299.08
Juni-15 5 275.162
Juli-15 4 800.663
Agustus-15 4 737.194
September-15 5 168.622
Oktober-15 4 958.893
November-15 4 930.84
Desember-15 5 121.531
Januari-16 5 028.831
Februari-16 5 016.431
Hasil peramalan produksi CPO pada Tabel 7 memiliki kecenderungan peningkatan dari tahun ke tahun. (Hargianto, et al 2013)
Perencanaan Optimasi Produksi
Linear Programming
Dalam membuat pemodelan matematis, langkah-langkah yang harus dilakukan (Budianto 2013) adalah:
1. Mengidentifikasi masalah
Masalah yang terjadi di PT PP Lonsum Tbk ini adalah menentukan banyak produksi CPO berdasarkan peramalan 12 bulan ke depan.
2. Mengidentifikasi parameter Fungsi Tujuan
Menentukan peubah keputusan, dimana merupakan hasil yang akan dioptimalkan sehingga memenuhi kriteria sasaran dan kendala yang akan menjadi peubah keputusan. (Lumbantoruan, et al 2013)
a. Biaya produksi
Persentase keuntungan yang diperoleh perusahaan 34.6% dari harga jual CPO, yaitu Rp9 598 968 per ton CPO, sehingga harga pokok produk Rp3 321 243 per ton (tidak termasuk biaya tenaga kerja dan biaya penyimpanan produk)
b. Biaya jam tenaga kerja regular
Biaya tenaga kerja pada bagian produksi Rp12 015 per jam dengan jam kerja regular 7 jam per hari dan maksimal 40 jam per minggu.
c. Biaya penyimpanan
Biaya penyimpanan 1% dari biaya produksi, yaitu Rp 33 213 per ton. d. Biaya jam tenaga kerja lembur
Jam tenaga kerja lembur maksimal tiga jam per hari, dimana biaya untuk jam pertama 150% dari upah regular, jam kedua 200% dan jam ketiga 300%. Jam kerja lembur diasumsikan 3 jam per hari, sehingga rataan biaya lemburnya Rp26 033 per hari
15
Z = total biaya
Pt = jumlah produksi CPO per ton pada periode t Wt = jumlah jam kerja karyawan pada periode t Ht = jumlah persediaan CPO per ton pada periode t Ot = jumlah jam kerja lembur pada periode t
Pada penelitian ini akan dilakukan optimalisasi produksi selama satu tahun kedepan. Berdasarkan fungsi minimasasi tersebut, maka didapat perumusan fungsi penelitian berikut:
∑(
Fungsi kendala
Kendala yang muncul selain permintaan yaitu berasal dari faktor produksi seperti bahana baku, mesin dan tenaga kerja yang memiliki kapasitas terbatas. (Rimbasari,et al 2014)
a. Kendala jumlah produksi
Fungsi kendala produksi dapat di formulasikan sebagai berikut: Ft= Pt + (Ht– Ht-1)
Keterangan :
Ft = peramalan produksi CPO pada periode t Pt = jumlah produksi CPO pada periode t Ht = jumlah persediaan CPO pada periode t
Ht-1 = jumlah persediaan CPO pada periode sebelumnya
Dari formulasi tersebut, maka fungsi kendala produksi dapat dirumuskan sebagai berikut:
P1 + (H1-H0) = 5516.204 P2 + (H2-H1) = 4442.676 P3 + (H3-H2) = 4299.081 P4 + (H4-H3) = 5275.162 P5 + (H5-H4) = 4800.663 P6 + (H6-H5) = 4737.194 P7 + (H7-H6) = 5168.622 P8 + (H8-H7) = 4958.893 P9 + (H9-H8) = 4930.84 P10 + (H10-H9) = 5121.531 P11 + (H11-H10) = 5028.831 P12 + (H12-H11) = 5061.431
b. Kendala kapasitas gudang produk CPO
16
Ht≤ St St = kapasitas penyimpanan
Dari formula tersebut, fungsi kendala kapasitas gudang dapat dirumuskan sebagai berikut:
H1≤ 5000; H2 ≤ 5000; H3 ≤ 5000; H4≤ 5000; H5≤ 5000; H6≤ 5000; H7≤ 5000; H8 ≤ 5000; H9 ≤ 5000; H10 ≤ 5000; H11 ≤ 5000; H12 ≤ 5000
c. Kendala tingkat persediaan
Safety stock pada pabrik ini 20%. Safety stock (persediaan pengaman) adalah suatu persediaan yang dicadangkan sebagai pengaman dari kelangsungan proses produksi perusahaan. dengan adanya persediaan pengaman diharapkan proses produksi tidak terganggu oleh adanya ketidakpastian bahan (Rahmayanti dan Fauzan 2013). Hal tersebut dimuat pada Tabel 8.
Tabel 8 Tingkat persediaan berdasarkan peramalan produksi CPO
Bulan Peramalan Tingkat persediaan 20%
Mar-14 5 516.204 1 103.241
Apr-14 4 442.676 888.535
Mei-14 4 299.08 859.816
Jun-14 5 275.162 1 055.032
Jul-14 4 800.663 960.133
Agu-14 4 737.194 947.439
Sep-14 5 168.622 1 033.724
Okt-14 4 958.893 991.779
Nov-14 4 930.84 986.168
Des-14 5 121.531 1 024.306
Jan-15 5 028.831 1 005.766
Feb-15 5 016.431 1 003.286
Fungsi kendala tingkat persediaan produk CPO adalah:
H1 ≥ 1 103.241; H2 ≥ 888.535; H3 ≥ 859.816; H4 ≥ 1 055.032; H5 ≥ 960.133; H6 ≥ 947.439; H7 ≥ 1 033.724; H8 ≥ 991.779; H9 ≥ 986.168; H10 ≥ 1 024.306; H11≥ 1 005.766; H12≥ 1 003.286
d. Kendala jam tenaga kerja
Jumlah tenaga kerja yang berhubungan dengan proses produksi adalah 112 orang (termasuk security, administrasi, laboratorium dan kebersihan) dengan jumlah jam kerja reguler dan lembur seperti dimuat pada Tabel 9: Tabel 9 Data jam kerja reguler dan lembur
Bulan Jam kerja regular Jam kerja lembur
Mar-14 306 137
Apr-14 348 137
Mei-14 310 137
Jun-14 320 137
Jul-14 300 137
Agu-14 320 137
Sep-14 320 137
Okt-14 348 137
17
Kendala jam kerja reguler dapat diformulasikan menjadi; Wt + Vt = Zt
Vt = waktu menganggur periode t
Zt = jumlah jam kerja reguler pada periode t Fungsi kendala dirumuskan sebagai berikut:
W1 + V1 = 306; W2 + V2 = 348; W3 + V3 = 310; W4 + V4 = 320; W5 + V5 = 300; W6 + V6 = 320; W7 + V7 = 320; W8 +V8 = 348; W9 + V9 =320; W10 + V10 = 310; W11 + V11 = 320; W12 + V12 = 310
ii. Kendala pemakaian jam kerja reguler
Kecepatan produksi CPO adalah 50 ton per jam, dengan kata lain 0,02 jam/ton. Secara matematik fungsi kendala dapat diformulasikan sebagai berikut:
Wt = aPt + Vt – Ot a = kecepatan produksi (0,02 jam/ton)
Wt = aFt + aHt – aHt-1 +Vt – Ot Wt + aHt-1 + Ot – Vt – aHt = aFt
Fungsi kendala dapat dirumuskan sebagai berikut: W1 + 0,02H0 + V1– 0,02H1 = 110.32 bulan. Formulasi kendala jam kerja lembur adalah:
Ot – Vt ≤ rWt
18
Berdasarkan hasil program linear dari formulasi permasalahan perusahaan tersebut, pengolahan dengan bantuan perangkat lunak LINDO di dapatkan hasil perencanaan optimasi produksi dari periode Maret 2015 sampai Februari 2016 seperti dimuat pada Tabel 10.
Tabel 10 Hasil perencanaan optimasi produksi Lonsum Periode (t) Produksi (ton) Persediaan (ton) Jam kerja
regular (jam) jumlah produksi CPO 2 696 602ton. Jam kerja reguler yang diperoleh 3 832 jam dengan perolehan jam kerja lembur total sebanyak 1 532 jam. Dari tabel 10 diatas dapat dilihat perusahaan masih perlu menetapkan kebijakan jam kerja lembur maksimal hampir tiap bulannya. Setiap melakukan jam kerja lembur pada periode waktu tersebut, perusahaan akan menambah biaya produksi Rp26 033 dengan asumsi jam kerja lembur yang digunakan adalah 3 jam per hari. Biaya yang dapat dihitung setelah diperoleh hasil perencanaan optimasi produksi adalah biaya produksi, biaya penyimpanan, biaya jam kerja reguler dan biaya jam kerja lembur. Hasil perhitungan biaya perencanaan optimasi produksi tersebut dimuat pada Tabel 11.
Tabel 11 Biaya perencanaan optimasi produksi PT PP Lonsum Tbk Periode (t) Produksi Persediaan Jam kerja
19 Lanjutan Tabel 11
Jul-14 724 639 279 583 36 019 527 561 3 604 500 3 566 521 Agu-14 710 778 178 202 42 970 095 104 3 844 800 3 566 521 Sep-14 782 422 109 198 50 622 785 466 3 844 800 3 566 521 Okt-14 742 944 310 377 57 887 655 931 4 181 220 3 566 521 Nov-14 742 935 489 156 65 153 369 176 3 844 800 3 566 521 Des-14 776 262 604 998 72 746 027 041 3 724 650 3 566 521 Jan-15 759 208 075 333 80 171 216 657 3 844 800 3 566 521 Feb-15 758 809 579 313 87 592 827 572 3 724 650 3 566 521
Total 8 956 069 632 835 566 296 147 508 46 041 480 39 882 556
Biaya produksi diperoleh dari hasil pengalian jumlah produksi tiap bulan dengan biaya produksi per ton CPO. Hal yang sama dilakukan pada perhitungan biaya yang lain. Dari hasil perencanaan optimasi produksi Rp8 956 069 632 835, dengan biaya penyimpanan yang dikeluarkan Rp566 296 147 508 biaya ini digunakan untuk penyimpanan produk sebagai persediaan. Biaya tenaga kerja yang diperoleh berupa biaya tenaga kerja reguler Rp46 041 480 dan biaya tenaga kerja lembur Rp39 882 556.
Pemodelan perencanaan optimasi produksi yang telah dibuat berdasarkan pertimbangan-pertimbangan dan kendala-kendala yang memengaruhi proses perencanaan optimasi produksi, serta sumberdaya yang dimiliki perusahaan.
Tabel 12 Hasil LINDO untuk produksi CPO
Periode Perencanaan produksi Target Keterangan
Mar-15 253 660 5 036.736 T
Apr-15 203 479 4 411.281 T
Mei-15 192 604 4 316.805 T
Jun-15 240 908 6 053.796 T
Jul-15 218 183 5631.08 T
Agu-15 214 010 5 982.715 T
Sep-15 235 581 6 988.77 T
Okt-15 223 695 4 666.467 T
Nov-15 223 692 4 332.661 T
Des-15 233 727 6 061.547 T
Jan-16 228 592 - -
Feb-16 228 472 - -
Keterangan : T : tercapai
TT : tidak tercapai
Berdasarkan Tabel 12 diketahui bahwa target tiap bulan periode Maret 2015-Desember 2015 mencapai target.
Strategi Perencanaan Optimasi Produksi
20
Faktor internal Pemasok
Bahan baku yang diolah adalah tandan buah segar (TBS). TBS diperoleh dari kebun inti. Jumlah TBS yang masuk ke pabrik rataannya 400 ton per hari dengan kapasitas pengolahan pabrik mencapai 800 ton/hari. Jumlah ini masih jauh dari kapasitas pengolahan karena belum semua tanama pada kebun Lonsum mampu menghasilkan TBS secara optimal.
Proses produksi dan operasi
Dalam kegiatan proses produksinya PT PP Lonsum Tbk menggunakan mesin dan peralatan seperti dimuat pada Tabel 13.
Tabel 13 Mesin dan peralatan yang digunakan dalam proses produksi
Mesin/Peralatan Fungsi
Timbangan Menimbang berat TBS yang akan diangkut oleh truk ke loading ramp
Loading Ramp Tempat untuk memasukkan buah ke dalam pengolahan,
memiliki 20 pintu, satu pintu memuat 15 ton TBS dapat menampung 300 ton TBS
Lori Tempat pengangkutan TBS sebelum diolah, dengan kapasitasn 10 ton TBS per satuan lori
Sterilizer cap Tempat perebusan buah, kapasitas 50 ton
Trippler Tempat penampungan buah setelah dilakukan
perebusan
Elevator Pengangkat brondolan
Thresher Alat perontokkan brondolan
Screw press Alat pencincang brondolan
Digester Alat pelumat brondolan
Fiber cyclone Tempat penampung minyak mentah
Sludge centrifuge Menjernihkan minyak dari sludge yang digunakan
sebagai kompos
Vacum drier dan extration pump Menjernihkan minyak agar siap didistribusikan
Kernel bulking silo Alat pemisah antara kandungan kernel, air dan sludge
Mesin-mesin tersebut bekerja terus menerus tanpa melewatkan proses-proses sebelum atau pun sesudah.
Tenaga kerja
Tenaga kerja pada PT PP Lonsum Tbk memiliki tingkat pendidikan yang bervariasi mulai dari SMP, SMA hingga Sarjana. Pemberlakuan golongan kepangkatan hanya mengikuti ketentuan dari kantor direksi yang berguna untuk menyamakan gaji dan tunjangan bagi seluruh tenaga kerja PT PP Lonsum Tbk.
Mutu
21
Modal
Sumber modal berupa uang maupun sumber daya lain berupa peralatan dalam jumlah besar. Dimana sumber modal ini didukung oleh pihak pusat sebagai pihak pendukung segala kebutuhan pabrik.
Teknologi
Kebutuhan energi listrik per bulannya sekitar 5000 kwh digunakan untuk operasional pabrik dan perumahan karyawan. Bahan bakar utama yang diperlukan untuk operasional pabrik salah satunya solar. Energi untuk menggerakkan mesin-mesin berasal dari mesin-mesin diesel dan listrik. Untuk sumber energi cadangan berasal dari genset sebanyak dua unit.
Faktor eksternal Dunia bisnis
Menurut GAPKI (2014), data pertumbuhan ekspor produk sawit dari Januari sampai April 2015 sebesar 25% menjadi 7,88 juta ton daripada periode tahun lalu berjumlah 6,3 juta ton. Kebutuhan minyak sawit di pasar global terus meningkat. Volume ekspor minyak sawit Indonesia ke India pada April lalu tercatat naik 45,5% dibandingkan bulan lalu. Kenaikan ekspor diikuti oleh negara Cina 15% dan Uni Eropa 8,5%. Peningkatan permintaan yang jumlahnya tidak banyak, akan tetapi sangat nyata secara persentase datang dari Pakistan dan Amerika Serikat (AS). Pakistan membukukan kenaikan permintaan 101% dari 75,75 ribu ton menjadi 152 ribu ton. Sementara itu AS mencatatkan kenaikan permintaan 91% atau dari 28,8 ribu ton menjadi 55 ribu ton. Penguatan dollar AS terhadap mata uang rupiah juga mendongkrak kinerja ekspor minyak sawit Indonesia ke negeri Paman Sam.
Upah tenaga kerja
Upah tenaga kerja diberikan sesuai dengan pangkat dan golongan karyawan. Beberapa golongan gaji pokok berada di bawah upah minimum. Karyawan juga menerima premi kerja, upah lembur dan tunjangan.
Pasar dan pesaing
CPO dipasarkan ke PT Salim Ivomas Pratama Tbk (SIMP) di Kabupaten Deli Serdang. Perusahaan telah memiliki kontrak kerjasama sehingga perusahaan tidak kesulitan dalam pemasaran, yang mana perusahaan tidak memiliki pesaing dari perusahaan sejenis.
Persediaan bahan baku
Kebun bagerpang memanen TBS tiap harinya secara terus menerus untuk menghindari waktu menunggu.
Persediaan bahan penolong
22
23 Tabel 15 Matriks SWOT strategi pengadaan TBS optimasi produksi CPO pada PT PP Lonsum Tbk
Berdasarkan analisis SWOT yang dibuat, beberapa strategi dapat diajukan terkait dengan optimasi produksi (Ikhsan dan Aid 2013) yaitu menerapkan strategi dalam perencanaan produksi CPO pada pabrik kelapa sawit dengan mengoptimasi kinerja pabrik dan kebun, sehingga mampu berproduksi maksimal dengan memanfaatkan sumber daya yang ada. Strategi yang digunakan dalam mengatasi kendala kekurangan bahan baku adalah dengan optimalisasi produksi kebun Bagerpang. Untuk mengoptimalkan produksi kebun, didirikan pabrik pengolahan limbah untuk menghasilkan pupuk kompos yang digunakan pada kebun sendiri. Hal ini dilakukan untuk mempertahankan mutu produksi kebun agar tetap tinggi.
Perusahaan harus mempertahankan kinerja kebun yang telah di capai selama ini sehingga mampu berproduksi maksimal dalam menghasilkan penggunaan sumber daya secara efisien dan efektif.
Implikasi Manajerial
24
mengurangi pengadaan jam kerja lembur dengan cara meningkatkan kecepatan produksi.
Implikasinya untuk manajemen SDM dan keuangan adalah adanya perencanaan optimasi produksi yang dapat mengurangi biaya tenaga kerja lembur dan meningktakan profitabilitas perusahaan. Untuk peningkatan kecepatan produksi dibutuhkan peranan manajemen SDM dalam pelatihan karyawannya. Manajemen SDM juga berperan untuk pembagian kerja sehingga menurunkan tingkat stress dalam bekerja secara merata, meningkatkan rasa kebersamaan dan peningkatan tanggung jawab karyawan.
Dalam manajemen pemasaran, peramalan dan perencanaan optimasi produksi berperan untuk mengetahui jumlah produk yang harus di sediakan setiap bulannya pada periode mendatang dan membuat perencanaan jumlah produksi optimal sesuai peramalan yang dilakukan pada periode mendatang.
SIMPULAN DAN SARAN
Simpulan
Hasil peramalan dari metode linear sederhana ini menggambarkan pencapaian jumlah produksi perusahaan yang fluktuatif untuk periode 12 bulan mendatang. Hasil peramalan produksi CPO digunakan sebagai acuan perencanaan optimasi produksi CPO di perusahaan, sehingga dapat mengoptimalkan sumber daya yang dimiliki dan meminimalkan biaya produksi. Hasil optimal untuk jumlah produksi CPO 2 696 602 ton, dimana jumlah produksi ini melebihi kapasitas produksi rataan dari hasil peramalan. Perhitungan jumlah biaya yang diperoleh dari hasil perencanaan optimasi produksi CPO adalah biaya produksi, biaya penyimpanan, dan biaya jam tenaga kerja. Biaya produksi yang harus dikeluarkan untuk periode 12 bulan ke depan Rp8 956 069 632 835, dengan biaya penyimpanan Rp566 296 147 508 dan biaya tenaga kerja (tenaga kerja reguler) Rp46 041 480, serta biaya tenaga kerja lembur Rp39 882 556.
Dari hasil peramalan dan perencaan optimasi produksi CPO, dapat diketahui strategi alternatif yang dapat dilakukan oleh perusahaan dalam perencanaan optimasi produksi CPO. Strategi yang dapat dilakukan perusahaan adalah mengoptimalkan kinerja pabrik dan kebun, sehingga mampu berproduksi maksimal dengan memanfaatkan sumber daya secara efektif dan efisien.
Saran
25 optimal, maka target perusahaan perlu dicapai dan juga perlu dilakukan efisiensi pada biaya produksinya, sehingga dapat meningkatkan keuntungannya.
DAFTAR PUSTAKA
Apriandes E, Ranius AY, Syakti F. 2013. Analisis SWOT Guna Penyusunan Rencana Induk E-Government Pada Pemerintah Daerah Kabupaten Muara Enim. [Internet] [diunduh 2015 Juni 4]. Sumatra Selatan (ID): Jurnal Ilmiah Teknik Informatika Ilmu Komputer Universita Bina Darma 2(17). Tersedia pada: http://eprints.binadarma.ac.id/27/1/08142 256-Jurnal_Emel.pdf
Arsyad L. 2001. Peramalan Bisnis. Yogyakarta (ID): Penerbit BPFE.
Budianto M. 2013. Penerapan Integer Linier Programming Pada Produksi Sprei di Konveksi XYZ Surabaya. [Internet] [diunduh 2015 Januari 13]. Surabaya (ID): Jurnal Ilmiah Mahasiswa Universitas Surabaya 1(2). Tersedia pada: http://journal.ubaya.ac.id/index.php/jimus/article/download/209/185
Cahya D, Santoso I, Effendi M. 2014. Perencanaan Produksi Keripik Kentang Menggunakan Metode Fuzzy Linear Programming (FLP) (Studi Kasus di UKM Agromas Gizi Kota Batu). [Internet] [diunduh 2015 Juni 2]. Malang (ID): Jurnal Teknologi Industri Pertanian Universitas Brawijaya. Tersedia pada:https://www.google.co.id/urlskripsitipftp.staff.ub.ac.idF2014%2F10%2FJ URNAL-Devie-Cahaya-N.pdf
[GAPKI] Gabungan Pengusaha Kelapa Sawit Indonesia. 2014. [Internet]. [diunduh 2015 Januari 14]. Tersedia pada http://www.gapki.or.id
Handoko TH. 2000. Dasar-dasar Manajemen Produksi dan Operasi. Yogyakarta (ID): Penerbit BPFE.
Hargianto A, Rahayu ES, Darsono. 2013. Analisis Peramalan Produksi Karet di PT Perkebunan Nusantara IX (Persero) Kebun Batujamus Kabupaten Karanganyar. [Internet] [diunduh 2015 Februari 2]. Surakarta (ID): Jurnal Agribisnis Universita Sebelas Maret 1(1). Tersedia pada: http://eprints.uns.ac.id/13519/1/339893012201301582.pdf
Heizer dan Render. 2005. Manajemen Operasi (Terjemahan, Jilid 1). Jakarta (ID): Penerbit Karyasalemba Empat.
Hutajulu, OP. 2010. Kajian Peramalan Permintaan dan Perencanaan Optimasi Produksi Semen pada Plant 11 PT Indocement Tunggal Prakarsa Tbk [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Ikhsan S dan Aid A. 2011. Analisis SWOT Untuk Merumuskan Strategi Pengembangan Komoditas Karet di Kabupaten Pulang Pisau, Kalimantan Tengah. [Internet] [diunduh 2015 Juni 4]. Kalimantan (ID): Jurnal Agribisnis Perdesaan Universitas Lambung Mangkurat 1(3). Tersedia pada: http://faperta.unlam.ac.id/web/wp-content/uploads/down loads /2012/03/013_1Sadik-SWOT.pdf
26
[Lonsum] PT PP London Sumatra Tbk. 2013. Growing Through Challenges (Annual Report 2013) [internet]. [diunduh 2015 Februari 19]. Tersedia pada (http://www.londonsumatra.com)
Lumbantoruan, Poerwanto, Tarigan. 2013. Penentuan Jumlah Produksi Optimal CPO dengan Menggunakan Metode Goal Programming Pada Pabrik Kelapa Sawit PT XYZ. [Internet] [diunduh 2015 Januari 13]. Medan (ID): E-Jurnal Teknik Industri Universitas Sumtra Utara 2(3). Tersedia pada: http://jurnal.usu.ac.id/index.php/jti/article/viewFile/4911/pdf
Naibaho, P. 2009. Kajian Perencanaan Produksi Agregat di PT Wiska [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Rahmayanti dan Fauzan. 2013. Optimalisasi Sistem Persediaan Bahan Baku Karet Mentah (Lateks) Dengan Metode Lot Sizing (Studi kasus: PT Abasisiat Raya). [Internet] [diunduh 2015 Februari 28]. Padang (ID): Jurnal Optimasi Sistem Industri Universitas Andalas 1(12). Tersedia pada: http://industri.ft.unand.ac.id /Pdf/josifiles/vol_12_no_1_april_2013/JOSI%20%20Vol.%2012%20No.%201 %20April%202013%20%20Hal%20317325%20OPTIMALISASI%20SISTEM %20PERSEDIAAN%20BAHAN%20BAKU%20KARET%20MENTAH%20 %28LATEKS%29%20DENGAN%20METO.pdf
Rimbasari D, Linawati L, Susanto B. 2014. Perencanaan Produksi berdasarkan Program Linear Dengan Permintaan Yang Diramalkan [Internet] [diunduh 2015 Juni 2]. Semarang (ID): Jurnal Seminar Nasional Sains dan Pendidikan Sains IX Universitas Kristen Satya Wacana 1(5). Tersedia pada: http://repository.uksw.edu/bitstream/123456789/4617/2/PROS_D%20Rimbasa ri,%20L%20Linawati,%20B%20Susanto_Perencanaan%20Produksi_fulltext.p df
Santoso, S. 2009. Business Forecasting Metode Peramalan Bisnis Masa Kini Dengan Minitab dan SPSS. Jakarta (ID): PT Elex Media Komputindo.
27
LAMPIRAN
Lampiran 1 Daftar Pertanyaan Wawancara
1. Bagaimana gambaran umum PT PP Lonsum Tbk, Medan ? 2. Bagaimana struktur organisasi PT PP Lonsum Tbk, Medan ?
3. Berapa banyak tempat pengolahan produksi kelapa sawit pada PT PP Lonsum Tbk, Medan dan wilayah operasional perusahaan ?
4. Apa visi, misi dan tujuan dari PT PP Lonsum Tbk, Medan ?
5. Berapa luas lahan perkebunan kelapa sawit PT PP Lonsum Tbk, Medan ? 6. Kriteria apa yang menjadi faktor pemilihan lokasi perkebunan kelapa sawit
PT PP Lonsum Tbk, Medan ?
7. Bagaimana struktur organisasi PT PP Lonsum Tbk, Medan dan fungsi dari masing-masing divisi ?
8. Berapa jumlah karyawan yang dimiliki PT PP Lonsum Tbk, Medan untuk seluruh wilayah opersional ?
9. Fasilitas apakah yang diberikan oleh perusahaan kepada karyawan dalam rangka meningkatkan kesejahteraan karyawan PT PP Lonsum Tbk, Medan ?
10.Bagaimana proses pengendalian kesehatan dan keselamatan kerja (K3) karyawan pada wilayah pabrik pada PT PP Lonsum Tbk, Medan ?
11.Bagaimana sistem pembagian jadwal kerja pegawai pada PT PP Lonsum Tbk, Medan ?
12.Jenis produk yang dihasilkan oleh PT PP Lonsum Tbk, Medan ?
13.Bagaimana gambaran proses produksi kelapa sawit pada PT PP Lonsum Tbk, Medan ?
14.Apakah PT PP Lonsum Tbk, Medan memiliki anak perusahaan lain dan kegiatan usaha apakah yang dijalankan oleh anak perusahaan ?
15.Bahan baku apa saja yang digunakan oleh PT PP Lonsum Tbk, Medan dalam melakukan proses produksi kelapa sawit ?
16.Bagaimana kebijakan perusahaan untuk dapat mengurangi dampak pencemaran lingkungan yang disebabkan limbah industri ?
17.Apakah perusahaan melakukan kegiatan tanggungjawab sosial terhadap masyarakat sekitar wilayah operasional dan kegiatan apakah yang dilakukan oleh perusahaan ?
18.Bagaimana perkembangan permintaan produksi kelapa sawit PT PP Lonsum Tbk, Medan selama periode Januari 2013-Februari 2015 ?
19.Faktor-faktor apakah yang menjadi biaya dalam proses produksi kelapa sawit pada PT PP Lonsum Tbk, Medan dan biaya yang dikeluarkan untuk masing-masing faktor ?
20.Berapa jumlah kapasitas jam tenaga kerja reguler yang dimiliki oleh PT PP Lonsum Tbk, Medan ?
28
Lampiran 2 Analisis regresi
Regression Analysis: Yt versus Yt-3
The regression equation is Yt = 2837 + 0,442 Yt-3
23 cases used, 3 cases contain missing values
Predictor Coef SE Coef T P Constant 2837 1127 2,52 0,020 Yt-3 0,4419 0,2183 2,02 0,056
S = 1001,72 R-Sq = 16,3% R-Sq(adj) = 12,3%
Analysis of Variance
Source DF SS MS F P Regression 1 4112818 4112818 4,10 0,056 Residual Error 21 21072230 1003440
Total 22 25185047
Lampiran 3 Hasil pengolahan program linear dengan LINDO LP OPTIMUM FOUND AT STEP 26
OBJECTIVE FUNCTION VALUE
1) 0.9522452E+13
VARIABLE VALUE REDUCED COST P1 253660.203125 0.000000
32
