Optimasi Perencanaan Produksi Model De Novo Programming dengan Pendekatan Goal Programming di PT. Megah plastik

LAMPIRAN

LAMPIRAN 1

Pembagian Tugas dan Tanggung Jawab

1. Direktur Utama a. Tanggung Jawab

Bertanggung jawab terhadap keseluruhan sistem manajemen perusahaan yang diwujudkan dalam bentuk kebijakan-kebijakan yang dikeluarkan dalam rangka pencapaian tujuan perusahaan.

b. Tugas

1. Memimpin direktur-direktur lain dan mengkoordinir pekerjaannya dalam memajukan perusahaan

2. Merencanakan strategi perusahaan, memimpin aktivitas-aktivitas pembelian, pemasaran, administrasi, serta pengkoordiniran tugas-tugas tersebut.

3. Mewakili dewan komisaris di dalam dan luar perusahaan, berwenang untuk serta menjalankan perusahaan dengan manajemen yang baik. 2. Direktur Produksi

a. Tanggung Jawab

Bertanggung jawab terhadap keseluruhan sistem produksi perusahaan yang diwujudkan dalam bentuk kebijakan-kebijakan yang dikeluarkan dalam rangka pencapaian tujuan perusahaan.

1. Mempersiapkan, memonitor, dan mengontrol semua anggaran biaya dan pemakaian tenaga kerja di pabrik.

2. Mengatur pelaksanaan pekerjaan dan koordinasi bidang engineering sesuai dengan seksi-seksi dan prioritas pekerjaan pabrik.

3. Menyelenggarakan dan mengawasi kelancaran operasional pabrik agar dapat berjalan dengan baik sesuai dengan standar.

3. Manager Pabrik a. Tanggung Jawab

Bertanggung jawab atas seluruh proses operasi pada perusahaan (khususnya di lokasi pabrik), juga bertanggung jawab untuk melaksanakan kebijakan-kebijakan perusahaan dalam rangka pencapaian tujuan perusahaan, juga menjabarkan seluruh kebijakan perusahaan untuk lebih dimengerti oleh tingkatan operasional/operator dan bertanggung jawab terhadap managing director.

b. Tugas

Mengawasi dan mengontrol seluruh kegiatan perusahaan dalam rangka pencapaian visi dan misi perusahaan.

4. Kepala Keuangan dan Pemasaran a. Tanggung Jawab

Bertanggung jawab terhadap pengelolaan keuangan dan alokasi dana setiap departemen.

1. Merumuskan dan mengawasi pelaksanaan rencana keuangan dan anggaran belanja, pelaporan akuntasi keuangan, pengolahan dana dan perkasiran, serta pajak dan asuransi.

2. Mengelola keuangan perusahaan untuk menjamin dana untuk kebutuhan jangka panjang dan jangka pendek ekonomis.

3. Memelihara hubungan kerja yang baik dengan bank atau badan-badan lain yang berhubungan dengan aspek keuangan perusahaan.

5. Kepala Penerimaan a. Tanggung Jawab

Bertanggung jawab atas pengadaan material dan pengendalian bahan. b. Tugas

Mengatur pengadaan material dan pengendalian bahan menurut sistem perusahaan, serta penyimpanan material agar semua kebutuhan perusahaan dipenuhi serta kelancaran produksi terjamin.

6. Kepala Pembelian a. Tanggung Jawab

Bertanggung jawab sepenuhnya terhadap kualitas produksi selama proses berlangsung sesuai dengan standard kualitas perusahaan.

b. Tugas

Memeriksa kualitas setiap produk dan proses baik bahan baku maupun barang jadi.

Bertanggung jawab atas segala pelaksanaan serta pengawasan terhadap segala kegiatan produksi.

b. Tugas

Mengatur kegiatan produksi mulai dari awal hingga produk siap untuk dipasarkan seperti penerimaan bahan baku, analisa proses kontrol kualitas produksi sehingga produk yang dihasilkan sesuai dengan yang diinginkan. 8. Kepala Personalia

a. Tanggung Jawab

Bertanggung jawab atas tugas-tugas administrasi dan personalia. b. Tugas

Mengelola secara professional dan efisien administrasi dan keuangan di pabrik, sehingga dapat membantu pimpinan pabrik dalam pengawasan administrasi dan memimpin pegawai di bidang administrasi, pembukuan, dan keuangan pabrik.

9. Kepala Bengkel a. Tanggung Jawab

Bertanggung jawab atas pengaturan, pengawasan terhadap perawatan seluruh peralatan dan mesin pabrik.

b. Tugas

LAMPIRAN 2

HASIL PERAMALAN DAN PERENCANAAN PRODUKSI

DENGAN CARA FAMILI PRODUK

1. Peramalan Jumlah Penjualan Produk Plastik Bening

Penentuan jumlah penjualan produk untuk periode Januari 2016 sampai dengan Desember 2016 dilakukan dengan cara melihat data penjualan pada periode Januari 2015 sampai dengan Desember 2015. Peramalan penjualan produk plastik bening untuk periode Januari 2016 sampai dengan Desember 2016 dilakukan dengan langkah-langkah sebagai berikut:

8. Menentukan tujuan peramalan

Tujuan peramalan adalah untuk meramalkan jumlah penjualan produk pada bulan Januari 2016 – Desember 2016.

9. Membuat diagram pencar

Bertujuan untuk melihat trend data masa lalu sebagai acuan untuk memilih metode peramalan. Diagram permintaan produk plastik bening dapat dilihat pada Gambar 1.

Gambar 1. Grafik Penjualan Produk Plastik Bening (Jan 2015-Des 2015) 0 5000 10000 15000 20000 25000 30000 35000 40000 45000

0 5 10 15

Ju m la h p e n ju a la n p ro d u k BULAN

Produk Ukuran Plastik Bening

10. Memilih metode peramalan

Dilihat dari pola data, data cenderung fluktuatif dan metode peramalan yang

digunakan adalah:

a. Metode regresi dengan kecenderungan siklis

b. Metode dekomposisi

11. Menghitung parameter peramalan

a. Metode regresi dengan kecenderungan siklis

Fungsi peramalan : Yt = a + b sin 2 π x

n + c cos 2 π x

n

Adapun perhitungan parameter peramalan untuk metode siklis dapat dilihat pada Tabel 1. dimana 1 gelombang terdiri dari 4 periode (n= 4) Tabel 1. Perhitungan Parameter Peramalan untuk Metode Regresi dengan

Kecenderungan Siklis Produk Plastik Bening X Y Sin(2πx/n) Cos(2πx/n) Sin*Cos Sin2 Cos2 Y*

Sin(2πx/n) Y* Cos(2πx/n)

1 33290 1,000 0,000 0,000 1,000 0,000 33290,00 0

2 35920 0,000 -1,000 0,000 0,000 1,000 0,00 -35920

3 33870 -1,000 0,000 0,000 1,000 0,000 -33870,00 0

4 33460 0,000 1,000 0,000 0,000 1,000 0,00 33460

5 40380 1,000 0,000 0,000 1,000 0,000 40380,00 0

6 41550 0,000 -1,000 0,000 0,000 1,000 0,00 -41550

7 38240 -1,000 0,000 0,000 1,000 0,000 -38240,00 0

8 40030 0,000 1,000 0,000 0,000 1,000 0,00 40030

9 39550 1,000 0,000 0,000 1,000 0,000 39550,00 0

10 35970 0,000 -1,000 0,000 0,000 1,000 0,00 -35970

11 34020 -1,000 0,000 0,000 1,000 0,000 -34020,00 0

12 32100 0,000 1,000 0,000 0,000 1,000 0,00 32100

78 438.380 0,000 0,000 0,000 6,000 6,000 7.090,000 -7.850,000

∑ y = n a + b ∑ sin 2πx_n + c ∑ cos 2πx

n

a = 12 380 . 438 = 36.531,67

∑ y sin 2πx_n = a ∑ sin 2πx

n + b ∑ sin2 2πx

n + c ∑ sin 2πx

n cos 2πx

n

7.090 = a (0) + b (6) + c (0)

b =

6 090 . 7

= 1.181,67

∑ y cos 2πx_n = a ∑ cos 2πx

n + c ∑ cos2 2πx

n + b ∑ sin 2πx

n cos

2πx n

-7.850 = a (0) + c (6) + b(0)

c =

6 850 . 7



= - 1.308,33

Dengan metode siklis diperoleh fungsi peramalan:

Yt = 36.531,67 + 1.181,67 sin 2 π x

n – 1.308,33 cos 2 π x

n

b. Metode dekomposisi

Langkah – langkah peramalan metode dekomposisi, yaitu:

6. Menghitung nilai rata-rata per 4 periode

Nilai rata-rata bergerak yang dihitung adalah rata-rata dalam kurun

waktu per 4 periode selama 12 periode yakni dari periode Januari 2015

- Desember 2015. Contoh perhitungan rata-rata dari periode Januari

2014 - April 2014 :

Nilai rata-rata per 4 periode :

= 34.145

Nilai rata-rata per 4 periode dari periode Januari 2015 – April 2015

sebesar 34.145. Perhitungan rata-rata per 4 periode untuk periode

selanjutnya dilakukan dengan cara yang sama. Rekapitulasi

perhitungan nilai rata-rata per 4 periode Januari 2015 - Desember

2015 dapat dilihat pada Tabel 2

Tabel 2. Rekapitulasi Perhitungan Nilai Rata-rata Per 4 Periode

No Periode Permintaan

(unit)

Nilai Rata-rata Per 4 Periode

1 Januari 33290

34.135

2 Februari 35920

3 Maret 33870

4 April 33460

5 Mei 40380

40.050

6 Juni 41550

7 Juli 38240

8 Agustus 40030

9 September 39550

35.410

10 Oktober 35970

11 Nopember 34020

12 Desember 32100

7. Menghitung nilai indeks musim

Nilai indeks musim dihitung dengan menggunakan nilai indeks

rata-rata bergerak yang telah dihitung sebelumnya. Hal pertama yang

dilakukan adalah menghitung nilai faktor musim dengan cara

membagikan hasil rata-rata per 4 periode dengan permintaan setiap

merata-ratakan nilai dari faktor musim yang ada. Contoh perhitungan

nilai faktor musim, yaitu:

Nilai faktor musim =

135 . 34 290 . 33 =0,98

Contoh perhitungan nilai indeks musim untuk periode pembagian I,

yaitu :

Nilai indeks musim =

3 12 , 1 01 , 1 98 ,

0  

=

Perhitungan nilai indeks musim selama periode Januari 2015

-Desember 2015 dapat dilihat pada Tabel 3.

Tabel 3. Perhitungan Nilai Indeks Musim

Periode

Pembagian Periode Permintaan

Rata-rata Per 4 Periode Faktor Musim Indeks Musim

1 Januari 33290

34135

0,98 1,03

2 Februari 35920 1,05 1,04

3 Maret 33870 0,99 0,97

4 April 33460 0,98 0,96

5 Mei 40380

40050

1,01 1,03

6 Juni 41550 1,04 1,04

7 Juli 38240 0,95 0,97

8 Agustus 40030 1,00 0,96

9 September 39550

35410

1,12 1,03

10 Oktober 35970 1,02 1,04

11 Nopember 34020 0,96 0,97

8. Mencari persamaan garis trend

Garis trend dapat dicari dengan menggunakan persamaan

Fungsi peramalan: Yt = a + bx

Berdasarkan persamaan tersebut maka langkah pertama yang harus dilakukan untuk mencari persamaan garis trend adalah dengan menghitung nilai a dan b seperti yang tampak pada Tabel 4.

Tabel 4. Perhitungan Parameter Peramalan Metode Linier

X Y X^2 XY

1 33.290 1 33.290

2 35.920 4 71.840

3 33.870 9 101.610

4 33.460 16 133.840

5 40.380 25 201.900

6 41.550 36 249.300

7 38.240 49 267.680

8 40.030 64 320.240

9 39.550 81 355.950

10 35.970 100 359.700

11 34.020 121 374.220

12 32.100 144 385.200

∑78 438.380 650 2.854.770

Parameter peramalan : Yt = a + bx

   

 

12 650 (78) 37,06

) 380 . 438 ( 78 ) 770 . 854 . 2 ( 12 2 2

2   

    







 

x x n y x xy n b 76 , 290 . 36 12 ) 78 )( 06 , 37 ( 380 .

438  _

   n bx Y a

9. Menghitung nilai persamaan garis trend

Nilai persamaan garis trend dihitung di setiap periode peramalan yang diinginkan, yaitu selama periode Januari 2016 - Desember 2016. Nilai persamaan garis trend dapat dihitung dengan memasukkan nilai periode yang diinginkan. Untuk menghitung nilai garis trend periode Januari 2015, maka nilai periode yang dimasukkan ke dalam persamaan garis trend adalah 13. Nilai dari persamaan garis trend selama periode Januari 2016 - Desember 2016 dapat dilihat pada Tabel 5.

Tabel 5. Perhitungan Nilai Persamaan Garis Trend

Periode X Nilai Persamaan

Garis Trend

Januari 13 36.773

Februari 14 36.810

Maret 15 36.847

April 16 36.884

Mei 17 36.921

Juni 18 36.958

Juli 19 36.995

Agustus 20 37.032

September 21 37.069

Oktober 22 37.106

November 23 37.143

Desember 24 37.180

10.Menghitung nilai ramalan akhir

Fungsi peramalannya adalah :

Yt = 36.290,76 + 37,06 (X) x (Indeks Musim)

12.Menghitung kesalahan peramalan

Perhitungan kesalahan peramalan menggunakan metode SEE (Standard Error of Estimation) bertujuan untuk memilih metode peramalan yang lebih tepat digunakan dengan SEE terkecil.

SEE =

√

∑ (y - y

'₎ n

x = 1 2

n - f

c. Metode regresi dengan kecenderungan siklis Derajat kebebasan (f) = 3

Perhitungan SEE untuk metode regresi dengan kecenderungan siklis dapat dilihat pada Tabel 6.

Tabel 6. Perhitungan SEE untuk Metode Siklis

X Y Y' Y-Y' (Y-Y')^2

1 33290 37713 -4423 19565937

2 35920 37840 -1920 3686400

3 33870 35350 -1480 2190400

4 33460 35223 -1763 3109368

5 40380 37713 2667 7111076

6 41550 37840 3710 13764100

7 38240 35350 2890 8352100

8 40030 35223 4807 23103980

9 39550 37713 1837 3373320

10 35970 37840 -1870 3496900

11 34020 35350 -1330 1768900

12 32100 35223 -3123 9755253

SEE =

√

∑ (y - y

'₎ n

x = 1 2

n - f = 12 3

733 . 277 . 99

 = 2.876,31

d. Metode dekomposisi Derajat kebebasan (f) = 2

Perhitungan SEE untuk metode dekomposisi dapat dilihat pada Tabel 7. Tabel 5.34. Perhitungan SEE untuk Metode Dekomposisi Produk 1 kg

X Y Y' Y-Y' (Y-Y')^2

1 33.290 38.003 -4.713 22.214.685

2 35.920 38.105 -2.185 4.773.573

3 33.870 35.714 -1.844 3.400.858

4 33.460 35.485 -2.025 4.101.648

5 40.380 38.156 2.224 4.944.135

6 41.550 38.258 3.292 10.835.164

7 38.240 35.858 2.382 5.674.703

8 40.030 35.628 4.402 19.378.634

9 39.550 38.310 1.240 1.538.413

10 35.970 38.412 -2.442 5.962.325

11 34.020 36.002 -1.982 3.926.466

12 32.100 35.771 -3.671 13.472.669

78 438.380 443.701 -5.321 100.223.273

SEE =

√

∑ (y - y

'₎ n

x = 1 2

n - f

=

12 2

273 . 233 . 100

Hasil rekapitulasi nilai SEE dapat dilihat pada Tabel 8.

Tabel 8. Rekapitulasi Hasil Perhitungaan SEE Produk 1 kg Metode Peramalan Hasil Perhitungan SEE Regresi dengan kecenderungan

Siklis

2.876,31

Dekomposisi 3.165,81

Dari Tabel 8. dapat dilihat bahwa SEE regresi dengan kecenderungan siklis < SEE dekomposisi

13. Pengujian hipotesa untuk memilih metode terbaik

Pengujian hipotesa dilakukan dengan mencari SEE yang terkecil yaitu metode peramalan dekomposisi dengan regresi dengan kecenderungan siklis.

Ho = Metode siklis lebih baik dari metode dekomposisi Hi = Metode siklis tidak lebih baik dari metode dekomposisi

α = 0,05

Uji statistik :

2 2 3.165,81 2.876,31 sisi SEEdekompo SEEsiklis _              hitung

F = 0,83

Ftabel = α (v1, v2) dimana v1 bernilai 9 (12-3) untuk metode regresi

dengan kecenderungan siklis dan v2 bernilai 10 (12-2).

Maka didapatkan Ftabel = 0,05 (9,10) = 3,02

Kesimpulan: Metode yang digunakan untuk meramalkan produk plastik bening adalah metode regresi dengan kecenderungan siklis dengan fungsi sebagai berikut.

Yt = 36.531,67 + 1.181,67 sin 2 π x

n – 1.308,33 cos 2 π x

n

14. Verifikasi peramalan

Tujuan dilakukannya proses verifikasi adalah untuk mengetahui apakah fungsi yang telah ditentukan dapat mewakili data yang akan diramalkan. Adapun perhitungan hasil verifikasi dapat dilihat pada Tabel 9.

Tabel 5.9. Perhitungan Hasil Verifikasi Produk

X Y Y' Y-Y' MR

1 33.290 37.713 -4423,34

2 35.920 37.840 -1920,00 6343,34

3 33.870 35.350 -1480,00 3400,00

4 33.460 35.223 -1763,34 3243,34

5 40.380 37.713 2666,66 4430,00

6 41.550 37.840 3710,00 6376,66

7 38.240 35.350 2890,00 6600,00

8 40.030 35.223 4806,66 7696,66

9 39.550 37.713 1836,66 6643,32

10 35.970 37.840 -1870,00 3706,66

11 34.020 35.350 -1330,00 3200,00

12 32.100 35.223 -3123,34 4453,34

78 438.380 438.380 0 56.093,32

MR = 





1 n

MR

1

12

56.093,32



= 5.099,39

BKB = - 2,66 x MR= -2,66 x 5.099,39 = -13.564,38 2/3 BKB = 2/3 x -13.564,38 = -9.042,92

1/3 BKB = 1/3 x -13.564,38 = -4.521,46

Gambar 2. Moving Range Chart Produk

Dari Gambar 2. tidak terlihat adanya data yang out of control sehinggga persamaan peramalan metode siklis dapat digunakan untuk meramalkan permintaan produk untuk periode Januari 2016 - Desember 2016.

Dengan menggunakan peramalan dengan metode siklis, permintaan produk plastik bening untuk periode Januari 2016 - Desember 2016 dapat dilihat pada Tabel 9.

-15000,00 -10000,00 -5000,00 0,00 5000,00 10000,00 15000,00

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

N

il

ai

E

rr

o

r

Nilai Error

Y-Y'

BKA

2/3 BKA

1/3 BKA

BKB

2/3 BKB

Tabel 9. Hasil Peramalan Permintaan Produk Plastik Bening Periode Januari 2016 - Desember 2016

Bulan Total

Januari 37.713 Februari 37.840

Maret 35.350

April 35.223

Mei 37.713

Juni 37.840

Juli 35.350

Agustus 35.223 September 37.713 Oktober 37.840 November 35.350 Desember 35.223

Perbandingan Jumlah Permintaan Rata-rata Permintaan :

= Permintaan ¼ kg : Permintaan ½ kg : Permintaan 1 Kg

= 163.980 : 150.210 : 124.190

= 0,38 : 0,34 : 0,28

Dengan perbandingan tersebut diperoleh hasil peramalan untuk produk ¼

Tabel 10. Hasil Peramalan untuk Plastik ¼ kg, Plastik ½ kg dan Plastik 1 kg

Periode Peramalan Total

¼ kg ½ kg 1 kg

Januari _{14.331 12.822 10.560 37.713} Februari _{14.379 12.866 10.595 37.840} Maret _{13.433 12.019 9.898 35.350} April _{13.385 11.976 9.862 35.223} Mei _{14.331 12.822 10.560 37.713} Juni _{14.379 12.866 10.595 37.840} Juli _{13.433 12.019 9.898 35.350} Agustus _{13.385 11.976 9.862 35.223} September _{14.331 12.822 10.560 37.713} Oktober _{14.379 12.866 10.595 37.840} November _{13.433 12.019 9.898 35.350} Desember _{13.385 11.976 9.862 35.223}

2. Perencanaan Produksi Dengan Metode De Novo Programming 2.1. Penentuan Variabel Keputusan

Variabel keputusan dalam model rencana produksi ini adalah besarnya jumlah produk yang harus diproduksi dalam satuan pack (kg) yaitu:

X

1 = Plastik Ukuran ¼ kg

X ₂ = Plastik Ukuran ½ kg

X

3 = Plastik Ukuran 1 kg

2.2. Penentuan Fungsi Tujuan

Z = C

1X1 + C2X2 + ….. + CjXj untuk j = 1, 2, 3

Dimana : Z = total keuntungan/volume maksimal C

j = Keuntungan produk/Koefisien Kapasitas ke – j, dimana j = 1, 2, 3

X

j= Variable keputusan ke – j yang akan dicari, j = 1, 2, 3

Sehingga persamaan atau fungsi tujuan untuk permasalahan ini adalah : Max : Z1 = 7000X₁ + 6000X₂ + 5000X_{3 (laba)}

Max : Z2 = X₁ + X₂ + X₃ (volume produksi)

2.3. Penentuan Fungsi Kendala

2.3.1. Kendala Ketersediaan Biaya Bahan Baku (Budget)

Dengan mengetahui harga dari tiap–tiap bahan baku, selanjutnya dapat mengetahui biaya bahan baku yang disediakan perusahaan untuk persediaan bahan baku dengan jalan menjumlahkan hasil kali antara harga bahan baku (p

m) dengan

jumlah bahan baku yang tersedia (b

m)

Maka besarnya biaya bahan baku tersebut adalah : B = 14.000 (Rp. 12.500) + 1.500 (Rp 10.000) B = Rp. 190.000.000

Berdasarkan data pemakaian bahan baku pada Tabel 5.3 dan ketersediaan bahan baku yang ada di Tabel 5.4, sehingga fungsi kendala ketersediaan bahan dapat diformulasikan dengan berdasar persamaan sebagai berikut : a

m1X1 + am2X2 + …….... + amnXn = Xn+m

X

n+m= variabel–variabel keputusan yang menggambarkan jumlah dari

sumber ke – m yang harus dibeli.

Maka fungsi kendalanya adalah sebagai berikut : HDPE : 0,3 X

1 + 0,4 X2 + 0,5 X3 = 14.000 (b1)

LLDPE : 0,036 X ₁ + 0,048 X₂ + 0,06 X₃ = 1.500 (b2)

12.500b

1 + 10.000b2 ≤ 190.000.000

Untuk mendapatkan formulasi yang sederhana dari kendala budget, maka langkah selanjutnya adalah menghitung variabel cost (v

j) yang dibutuhkan

untuk membuat jenis produk j

Dengan persamaan : p₁a_1j + p₂a_2j + .. + p_ma_mj = v_j dimana : j = 1, 2, 3

4. Plastik ¼ kg (v

1)

(v₁) = 0,3 (Rp. 12.500) + 0,036 (Rp. 10.000)

(v

1) = Rp. 4.110

5. Plastik ½ kg (v

2)

(v₂) = 0,4 (Rp. 12.500) + 0,048 (Rp. 10.000)

(v

2) = Rp. 5.480

6. Plastik 1 kg (v₃)

(v

3) = 0,5 (Rp. 12.500) + 0,06 (Rp. 10.000)

(v

3) = Rp. 6.850

v

1X1 + v2X2 + v3X3 + …….. + vnXn ≤ B

Sehingga menjadi : 4.110 X

1 + 5.480 X2 + 6.850 X3 ≤ 190.000.000

2.3.2. Kendala Ketersediaan Jam Kerja

Ketersediaan jam kerja sebagai fungsi kendala digunakan untuk melihat hubungan antara waktu produksi dengan jumlah yang dihasilkan. Formulasi yang digunakan untuk merumuskan fungsi kendali ini adalah :







3

1

i

j i

iX JK

A

Dimana:

A = waktu yang dibutuhkan untuk menproduksi 1 unit produk plastik X = variabel keputusan untuk tipe produk plastik ke-i

JK = jumlah jam kerja yang tersedia (menit) i = jenis plastik (i=1, 2, 3)

j = bulan/ periode (1,2,3,...12)

Berdasarkan data kecepatan produksi tersebut, maka fungsi pembatas kecepatan produksi untuk fungsi Januari 2016 adalah:

A1X1 + A2X2 + A3X3≤ JK1

2.3.3. Kendala Break Event Point (BEP)

Titik pulang pokok (Break Event Point) merupakan suatu titik atau keadaan dimana perusahaan dalam operasionalnya tidak memperoleh laba dan juga tidak mengalami kerugian. Berikut adalah perhitungan Break Event Point dari perusahaan.

Tabel 11. Biaya Produksi dan Harga Jual Produk

Produk Biaya Produksi/pack Harga Jual/pack Keuntungan/pack

¼ kg Rp. 16.000 Rp. 23.000 Rp. 7.000

½ kg Rp. 17.000 Rp. 23.000 Rp. 6.000

1 kg Rp. 18.000 Rp. 23.000 Rp. 5.000

Tabel 12. Fixed Cost Perusahaan

No. Nama Pembayaran/bulan Harga (Rp)

1 Pembayaran Rekening Air/bulan 1.500.000

2 Rekening Listrik/bulan 6.000.000

3 Gaji Pegawai 135.000.000

4 Bahan Bakar Transport 2.000.000

5 Telepon 200.000

6 Perawatan Genset, Transport dan Mesin 5.000.000

7 Pembelian ATK 100.000

Jumlah 149.800.000

Perbandingan Jumlah Rata-rata produksi : = Produksi ¼ kg : Produksi ½ kg : Produksi 1 kg = 15.464 : 13.917 : 12.106

= 0,37 : 0,34 : 0,29

Rekapitulasi jumlah fixed cost setiap produk dapat dilihat pada Tabel 5.13. Tabel 13. Fixed Cost Setiap Jenis Produk

No. Jenis Produk Fixed Cost

1. Ukuran ¼ kg _55.836.105

2. Ukuran ½ kg _50.251.290

3. Ukuran 1 kg _43.712.605

Dari data tersebut maka dapat dihitung nilai Break Event Point (BEP) setiap jenis produk sebagai berikut:

4. BEP Ukuran ¼ kg =

=

000

.

16

000

.

23

55.836.105



= 7.977 pack

5. BEP Ukuran ½ kg =

=

000

.

17

000

.

23

50.251.290



= 8.375 pack

=

000

.

18

000

.

23

43.712.605



= 8.743 pack

Pada perhitungan BEP maka diperoleh nilai : X1 (ukuran ¼ kg) BEP = 7.977 pack

X2 (ukuran ½ kg) BEP = 8.375 pack

X3 (ukuran 1 kg) BEP = 8.743 pack

Adapun nilai X1, X2 dan X3 digunakan sebagai batasan jumlah produksi

perusahaan. Karena perusahaan menginginkan agar jumlah produksi yang dilakukan lebih besar atau sama dengan nilai BEP, maka formulasinya adalah :

X1BEP ≥ 7.977

X2BEP ≥ 8.375

X3BEP ≥ 8.743

2.3.4. Kendala Permintaan Produk

Berdasarkan data permintaan pada peramalan maka perusahaan harus memproduksi sebesar (maksimal) sejumlah dengan besarnya permintaan terhadap produk tersebut. Dengan berdasar pada persamaan X_j ≤ D_j dimana D_j adalah besarnya permintaan terhadap jenis produk j pada bulan Januari 2016, maka kendala permintaan produk adalah sebagai berikut :

X1 ≤ 14.331

X2 ≤ 12.822

2.4. Penetapan Rencana Produksi Model De Novo Programming

Formulasikan model rencana produksi De Novo Programming secara keseluruhan dapat ditentukan sebagai berikut :

Fungsi Tujuan:

Max : Z1 = 7000X₁ + 6000X₂ + 5000X_{3 (Laba)}

Max : Z2 = X₁ + X₂ + X₃ (Volume Produksi)

Fungsi Kendala:

Biaya Bahan Baku (Budget)

4.110 X₁ + 5.480 X₂ + 6.850 X₃ ≤ 190.000.000 Ketersediaan Jam Kerja (Bulan Januari) 75X1 + 60X2 + 40X3 ≤ 2.455.200

Permintaan Produk (Bulan Januari)

X1 ≤ 14.331

X2 ≤ 12.822

X3 ≤ 10.560 X1BEP ≥ 7.977

X2BEP ≥ 8.375

X3BEP ≥ 8.743

Kendala Non Negatif

X1 ≥ 0

2.5. Penyelesaian Model De Novo Programming

Hasil formulasi data diatas dihitung berdasarkan masing-masing fungsi tujuan dan fungsi kendalanya dengan menggunakan software LINGO 11.0 untuk menentukan produksi optimal untuk masing-masing tipe produk.

Adapun tahapannya yaitu:

4. Formulasi dari fungsi tujuan dan kendala dimasukkan ke dalam program. Formulasi data input dapat dilihat pada Gambar 3.

Gambar 3. Formulasi Input dalam Software Lingo 11.0

5. Kemudian diambil tahap solution atau tanda merah bulat dengan tanda panah, seperti terlihat pada Gambar 4.

6. Maka akan muncul status optimal seperti yang terlihat pada Gambar 5.

Gambar 5. Optimizer Output dalam Software Lingo 11.0

Hasil penyelesaian dengan De Novo Programming pada output software Lingo 11.0 untuk periode Januari 2016 dapat dilihat pada Tabel 14. berikut ini.

Tabel 14. Hasil Solusi Meta Optimum Untuk Bulan Januari 2016

Variabel Keputusan

Z1* Z2*

X1 14.331 14.331

X2 12.822 12.822

X3 8.881 8.881

221.654.100 36.034,03

Adapun solusi ideal positif dan solusi ideal negatif yaitu : I+ = (221.654.100 ; 36.034,06)

3. Pembentukan Model De Novo Goal Programming

Metode goal programming juga membantu memperoleh solusi optimal yang paling mendekati sasaran yang diinginkan. Adapun model program linear De Novo dengan pendekatan Goal Programming adalah sebagai berikut:

Meminimumkan d

dengan kendala:

Formulasikan model rencana produksi De Novo Goal Programming secara keseluruhan dapat ditentukan sebagai berikut :

Fungsi Tujuan: Min d

Fungsi Kendala: 7000X

1 + 6000X2 + 5000X3 + n1– p1 = 221.654.100

X₁ + X₂ + X₃ + n2– p2 = 36.034,03

0,0000000139n1 ≤ d

0,00009141n2≤ d

75X1 + 60X2 + 40X3 ≤ 2.455.200

X1 ≤ 14.331

X2 ≤ 12.822

X3 ≤ 10.560 X1BEP ≥ 7.977

X2BEP ≥ 8.375

X3BEP ≥ 8.743

X1 ≥ 0

X2 ≥ 0 X3 ≥ 0

4. Penyelesaian Model De Novo Goal Programming

Adapun tahapannya yaitu:

4. Formulasi dari fungsi tujuan dan kendala dimasukkan ke dalam program. Formulasi data input dapat dilihat pada Gambar 6.

Gambar 6. Formulasi Input De Novo Goal Programming

[image:31.595.134.535.189.406.2]

5. Kemudian diambil tahap solution atau tanda merah bulat dengan tanda panah, seperti terlihat pada Gambar 7.

6. Maka akan muncul status optimal seperti yang terlihat pada Gambar 8.

Gambar 8. Optimizer Output De Novo Goal Programming

[image:32.595.114.513.139.403.2]

Nilai d adalah sebesar 0,00000034% yang menyatakan bahwa persentase penyimpangan nilai fungsi tujuan terhadap solusi ideal positif sebesar 0,00000034%. Hasil penyelesaian dengan De Novo Goal Programming pada output software Lingo 11.0 untuk periode Januari 2016 dapat dilihat pada Tabel 515. berikut ini.

Tabel 15. Hasil Solusi Optimum Untuk Bulan Januari 2016 Variabel

Keputusan

Pack

X1 14.331

X2 12.822

[image:33.595.185.439.250.476.2]

Penentuan solusi optimum perencanaan produksi untuk bulan Februari 2016 – Desember 2016 dapat diperoleh dengan cara yang sama, maka rekapitulasi perencanaan produksi plastik bening Januari – Desember 2016 dapat dilihat pada Tabel 16. berikut ini.

Tabel 16. Rekapitulasi Perencanaan Produksi Tahun 2016 Bulan Plastik ¼

kg (Pack)

Plastik ½ kg (Pack)

Plastik 1 kg (Pack) Januari 14.331 12.822 8.881 Februari 14.379 12.866 8.817

Maret 13.433 12.019 9.898

April 13.385 11.976 9.862

Mei 14.331 12.822 8.881

Juni 14.379 12.866 8.817

Juli 13.433 12.019 9.898

Agustus 13.385 11.976 9.862 September 14.331 12.822 8.881 Oktober 14.379 12.866 8.817 November 13.433 12.019 9.898 Desember 13.385 11.976 9.862

Tabel 17. Data Produksi dan Permintaan Plastik Januari – Juni 2016 (Pack)

Periode Produksi Permintaan Selisih

¼ kg ½ kg 1 kg ¼ kg ½ kg 1 kg ¼ kg ½ kg 1 kg Januari 13.350 11.150 9.480 13.300 11.650 9.050 50 -500 430 Februari 15.390 12.790 9.860 12.930 10.470 9.540 2.460 2.320 320 Maret 13.830 12.910 10.400 13.090 12.280 10.940 740 630 -540 April 13.260 12.790 10.530 13.770 11.550 9.600 -510 1.240 930 Mei 15.580 15.680 10.040 13.140 11.600 9.050 2.440 4.080 990 Juni 16.450 15.830 12.450 14.080 13.790 10.250 2.370 2.040 2.200 Total 87.860 81.150 62.760 80.310 71.340 58.430 7.550 9.810 4.349

231.770 210.080 21.690

Sumber : Bagian Produksi dan Keuangan PT. Megah Plastik

Berdasarkan data jumlah produksi dan permintaan diatas terdapat kelebihan produksi (overproduction) sebesar:

Overproduction = Selisih

Produksi

= 21.690

231.770 = 9,35%

Tabel 18. Hasil Perencanaan Produksi dengan Menggunakan De Novo Goal Programming Periode Januari s/d Juni 2016 (Pack)

Periode Produksi Permintaan Selisih

¼ kg ½ kg 1 kg ¼ kg ½ kg 1 kg ¼ kg ½ kg 1 kg Januari 14.331 12.822 8.881 13.300 11.650 9.050 1031 1172 -169 Februari 14.379 12.866 8.817 12.930 10.470 9.540 1449 2396 -723 Maret 13.433 12.019 9.898 13.090 12.280 10.940 343 -261 -1042 April 13.385 11.976 9.862 13.770 11.550 9.600 -385 426 262 Mei 14.331 12.822 8.881 13.140 11.600 9.050 1191 1222 -169 Juni 14.379 12.866 8.817 14.080 13.790 10.250 299 -924 -1433 Total 84.238 75.371 55.156 80.310 71.340 58.430 3928 4031 -3274

214.765 210.080 7.959

Berdasarkan data jumlah produksi dan permintaan diatas terdapat kelebihan produksi (overproduction) sebesar:

Overproduction = Selisih

Produksi

= 7.959

214.765 = 3,70%

Berdasarkan perhitungan kelebihan produksi diatas, diperoleh bahwa metode de novo goal programming dapat mengurangi kelebihan produksi yang dialami perusahaan.

6. Analisis Pencapaian Tujuan Memaksimalkan Keuntungan

Hasil jumlah kombinasi produk yang diperoleh, maka nilai untuk tujuan memaksimalkan keuntungan dari ketiga produk pada bulan Januari 2016 adalah: Keuntungan yang diperoleh = Rp. 7.000 (14.331) + Rp. 6.000 (12.822) +

= Rp. 100.317.000 + Rp. 76.932.000 + Rp. 44.405.000

= Rp. 221.654.000

Hasil perhitungan keuntungan untuk periode berikutnya dan keuntungan aktual yang diperoleh perusahaan dapat dilihat pada Tabel 19.

Tabel 19. Perhitungan Keuntungan Periode Januari – Juni 2016

Bulan Keuntungan Metode De Novo Goal Programming (Rp.)

Keuntungan Aktual (Rp.)

Januari 221.654000 208.250.000

Februari 221.934000 201.030.000

Maret 215.635000 220.010.000

April 214.861000 213.690.000

Mei 221.654000 206.830.000

Juni 221.934000 232.550.000

Total 1.317.672.000 1.282.360.000

Hasil Perencanaan Produksi Bulan Februari

Hasil Perencanaan Produksi Bulan April

Hasil Perencanaan Produksi Bulan Juni

Hasil Perencanaan Produksi Bulan Agustus

Hasil Perencanaan Produksi Bulan Oktober

DAFTAR PUSTAKA

Ahyari, Agus. 2002. Manajemen Produksi: Perencanaan Sistem Produksi. Yogyakarta: BPFE.

Lestari, Dwi. 2014. Optimasi Perencanaan Produksi Model Program Linear Multi Objektif De Novo dengan Pendekatan Goal Programming. Surabaya : KNM ITS.

Ginting, Rosnani. 2007. Sistem Produksi. Yogyakarta : Graha Ilmu.

Hillier, F. dan Lieberman, G. 1994. Pengantar Riset Operasi. Jilid 1 Edisi Kelima, Penerbit Erlangga, Jakarta.

Iriani. 2014. Efektivitas Perencanaan Produksi dengan Pendekatan De Novo Programming. Surabaya : UPN Veteran

Nasution, Arman Hakim. 1999. Perencanaan dan Pengendalian Produksi. PT. Candimas Metropole. Cetakan I. Jakarta.

Sinulingga, Sukaria. 2013. Metode Penelitian. Medan : USU Press. Siswanto. 2007. Operation Research. Jilid 1. Jakarta : Erlangga.

III-1

BAB III

LANDASAN TEORI

3.1. Perencanaan Produksi

Perencanaan produksi merupakan perencanaan tentang produk apa dan berapa yang akan diproduksi oleh perusahaan yang bersangkutan dalam satu periode yang akan datang. Perencanaan produksi merupakan bagian dari perencanaan operasional di dalam perusahaan. Dalam penyusunan perencanaan produksi, hal yang perlu dipertimbangkan adalah adanya optimasi produksi sehingga akan dapat dicapai tingkat biaya yang paling rendah untuk pelaksanaan proses produksi tersebut1.

Perbedaan antara perencanaan produk dengan perencanaan produksi ini adalah bahwa perencanaan produk tersebut akan lebih banyak menyangkut aspek-aspek teknis, sedangkan perencanan produksi ini akan lebih banyak menyangkut aspek-aspek ekonomis. Suatu produk yang secara teknis dapat diproduksikan oleh suatu perusahaan, namun dikarenakan dalam suatu periode tertentu tidak ekonomis untuk diproduksikan, akan ditinggalkan di dalam penyusunan perencanaan produksi pada periode tersebut. Perbedqaan yang lain dalah bahwa jangka waktu pakai dari perencanaan produk tersebut adalah jangka panjang, sedangkan pada perencanaan produksi ini adalah jangka pendek. Titik berat dari perencanaan produk adalah kepada produk apa, produk yang bagaimana dan berapa yang akan dapat diproduksikan oleh perusahaan.

III-

Desain teknis, bahan apa yang dipergunakan, berapa standar pemakaian bahan untuk masing-masing unit produk serta bagaimana proses produksinya merupakan masalah-masalah teknis yang harus diselesaikan dalam rangka perencanaan produk tersebut. Di dalam perencanaan produksi, dengan mendasarkan diri kepada data teknis yang ada, akan dibicarakan apa dan berapa produk yang segera akan diproduksikan dalam satu periode yang akan datang, berapa kebuthan masukan (input) untuk penyelenggaraan produksi tersebut (misalnya berapa bahan baku yang akan dipergunakan, berapa tenaga kerja langsung yang akan dipergunakan, jam mesin yang diperlukan dan lain sebagainya), yang kesemuanya akan diadakan perhitungan-perhitungan yang teliti dan secermat-cermatnya. Dengan demikian diharapkan bahwa proses produksi yang dilaksanakan oleh perusahaan tersebut akan dapat berhasil dengan baik, ekonomis serta tidak menimbulkan berbagai kerugian dan hambatan terhadap kegiatan operasi dari perusahaan yang bersangkutan.

3.2. Tujuan Perencanaan Produksi

Adapun tujuan perencanaan produksi adalah sebagai berikut:

1. Menetapkan kebutuhan produksi dan tingkat persediaan pada saat tertentu. 2. Memonitor tingkat persediaan, membandingkannya dengan rencana persediaan dan melakukan revisi rencana produksi pada saat yang ditentukan.

3. Membuat jadwal produksi, penugasan serta pembebanan mesin dan tenaga kerja yang terperinci.

III-

3.3. Karakteristik Perencanaan Produksi

Pengendalian produksi dilakukan dengan tujuan mendapatkan hasil yang sesuai dengan apa yang direncanakan, baik mengenai jumlah, kualitas, harga maupun waktunya. Pengendalian produksi bila ditinjau secara terperinci maka akan dapat dilihat ciri-ciri masing-masing, antara lain sebagai berikut:

1. Pengendalian proses produksi

Pengendalian produksi ini akan menyangkut beberapa masalah tentang perencanaan dan pengawasan dari proses produksi dari suatu perusahaan. Mengenai jenis produk dan jumlah produk yang akan diproduksi pada suatu periode yang akan datang.

2. Pengendalian bahan baku

Bahan baku merupakan unsur yang sangat penting dalam perencanaan produksi.

3. Pengendalian tenaga kerja 4. Pengendalian kualitas

5. Pengendalian pemeliharaan peralatan

3.4. Sifat-Sifat Perencanaan Produksi

Sifat-sifat yang harus dimiliki oleh sebuah perencanaan produksi adalah sebagai berikut2:

III-

1. Berjangka Waktu

Proses produksi merupakan proses yang sangat kompleks yang memerlukan keterlibatan bermacam-macam tingkat keterampilan tenaga kerja, peralatan, modal, dan informasi yang biasanya dilakukan secara terus-menerus dalam jangka waktu yang sangat lama. Lingkungan yang dihadapi perusahaan, pola permintaan, tersedianya bahan baku dan bahan penunjang, iklim usaha, peraturan pemerintahan, persaingan, dan lain-lain selalu menunjukkan pola yang tidak menentu dan akan selalu berubah dari waktu ke waktu. Oleh karena itu, suatu perusahaan tidak mungkin dapat membuat suatu rencana produksi yang dapat digunakan selamanya. Rencana baru harus dapat dibuat bila keadaan yang digunakan sebagai dasar pembuatan rencana yang lama sudah berubah. Karena perubahan yang akan terjadi bersifat sulit untuk diramalkan sebelumnya, maka secara periodik harus diadakan pengecekan apakah rencana produksi yang sudah dibuat masih berlaku. Pendekatan yang biasa dilakukan adalah dengan membuat rencana produksi yang mencakup periode waktu tertentu dan akan diperbaharui bila periode waktu tersebut sudah dicapai.

Ada tiga jenis perencanaan produksi yang didasarkan pada periode waktu, yaitu: a. Perencanaan produksi jangka panjang

III-

2. Bertahap

Pembuatan rencana produksi tidak bisa dilakukan hanya sekali dan digunakan untuk selamanya. Perencanaan produksi harus dilakukan secara bertahap. Artinya perencanaan produksi akan bertingkat dari perencanaan produksi level tinggi sampai perencanaan produksi level rendah, dimana perencanaan produksi level yang lebih rendah adalah merupakan penjabaran dari perencanaan produksi level yang lebih tinggi.

Berdasarkan pengelompokkan perencanaan produksi atas dasar jangka waktu diatas, maka dapat dijelaskan sebagai berikut:

a. Perencanaan produksi jangka panjang

Biasanya melihat 1 sampai 5 tahun atau lebih ke depan. Jangka waktu terpendeknya adalah ditentukan oleh berapa lama waktu yang dibutuhkan untuk mengubah kapasitas yang tersedia. Hal ini meliputi waktu yang dibutuhkan dalam menyelesaikan desain dari bangunan dan peralatan pabrik yang baru, konstruksinya, instalasinya, dan hal-hal lainnya sampai fasilitas baru tersebut siap dioperasikan.

b. Perencanaan produksi jangka menengah

III-

c. Perencanaan produksi jangka pendek

Mempunyai horizon perencanaan kurang dari 1 bulan, dan bentuk perencanaannya adalah berupa jadwal produksi. Tujuan dari jadwal produksi adalah menyeimbangkan permintaan aktual (yang dinyatakan dengan jumlah pesanan yang diterima) dengan sumber daya yang tersedia (jumlah departemen, waktu shift yang tersedia, banyaknya operator, tingkat persediaan yang dimiliki dan peralatan yang ada), sesuai dengan batasan-batasan yang ditetapkan pada perencanaan jangka menengah.

3. Terpadu

III-

4. Berkelanjutan

Perencanaan produksi disusun untuk satu periode tertentu yang merupakan masa berlakunya rencana tersebut. Setelah habis masa berlakunya, maka harus dibuat rencana baru untuk periode waktu berikutnya lagi. Rencana baru ini harus dibuat berdasarkan hasil evaluasi terhadap rencana sebelumnya, apa yang sudah dilakukan dan apa yang belum dilakukan, apa yang dihasilkan dan bagaimana perbandingan hasilnya dengan target yang telah ditetapkan. Dengan demikian, rencana baru tersebut haruslah merupakan kelanjutan dari rencana yang dibuat sebelumnya.

5. Terukur

III-

Rencana produksi yang dibuat harus disesuaikan dengan kondisi yang ada di perusahan, sehingga target yang ditetapkan merupakan nilai yang realistis untuk dapat dicapai dengan kondisi yang dimiliki perusahaan pada saat rencana tersebut dibuat. Jika rencana produksi dibuat tanpa memperhitungkan kondisi yang ada pada perusahaan, maka perencanaan yang dibuat tidak akan ada gunanya karena target produksi yang ditetapkan sudah pasti tidak akan dapat dicapai. Selain itu, penyimpangan pelaksanaannya tidak dapat diketahui karena pelaksanaannya tidak akan pernah tepat sesuai dengan rencana. Dengan membuat suatu rencana yang realistis, maka akan dapat memotivasi pelaksana untuk berusaha mencapai apa yang telah disusun pada rencana tersebut.

6. Akurat

Perencanaan produksi harus dibuat berdasarkan informasi-informasi yang akurat tentang kondisi internal dan eksternal sehingga angka-angka yang dimunculkan dalam target produksi dapat dipertanggungjawabkan. Kesalahan dalam membuat perkiraan nilai parameter produksi harus dilakukan seteliti mungkin, sehingga tidak akan terjadi kesalahan yang sama.

7. Menantang

III-

3.5. Peramalan (Forecasting)

Peramalan merupakan bagian awal dari suatu proses pengambilan suatu keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu. Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang3.

Pada kegiatan produksi, peramalan dilakukan untuk menentukan jumlah permintaan terhadap suatu produk dan merupakan langkah awal dari proses perencanaan dan pengendalian produksi.

3.5.1. Faktor-faktor yang Mempengaruhi Pemilihan Teknik Peramalan Peramalan dimaksudkan untuk memperkecil resiko yang timbul akibat pengambilan keputusan dalam suatu perencanaan produksi. Semakin besar upaya yang dikeluarkan tentu resiko dapat diperkecil. Namun upaya memperkecil resiko tersebut dibatasi biaya yang diperlukan.

Faktor-faktor yang harus dipertimbangkan dalam peramalan: 1. Horizon Peramalan

Ada dua aspek dari horison waktu yang berhubungan dengan masing-masing metode peramalan yaitu:

a. Cakupan waktu di masa yang akan datang

Perbedaan dari metode peramalan yang digunakan sebaiknya disesuaikan. b. Jumlah periode dimana ramalan diinginkan

III-

Beberapa teknik dan metode peramalan yang hanya dapat meramal untuk peramalan satu atau dua periode di muka, teknik dan metode lain dapat meramalkan beberapa waktu di depan.

2. Tingkat ketelitian

Tingkat ketelitian yang dibutuhkan sangat erat hubungannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan. Dalam suatu pengambilan keputusan diharapkan variasi atau penyimpangan atas ramalan antara 10% -15% sedangkan pengambilan keputusan yang lain variasi 5% sudah berbahaya.

3. Ketersediaan data

Metode yang digunakan sangat besar manfaatnya. Apabila dari data yang lalu diketahui adanya pola musiman, maka untuk untuk peramalan satu tahun ke depan sebaiknya digunakan metode variasi musiman. Sedangkan apabila diketahui hubungan antar variabel saling mempengaruhi, maka perlu digunakan metode sebab akibat atau korelasi.

4. Bentuk pola data

III-

5. Biaya

Umumnya ada empat jenis biaya dalam proses peramalan yaitu: biaya pengembangan, biaya penyimpanan, biaya operasi, dan biaya kesempatan penggunaan teknik peramalan. Adanya perbedaan nyata berpengaruh atas menarik tidaknya penggunaan metode tertentu untuk suatu keadaan yang dihadapi.

6. Jenis dari model

Sebagai tambahan perlu diperhatikan anggapan beberapa dasar yang penting dalam nyata. Banyak metode peramalan telah menganggap adanya beberapa model dari keadaan yang diramalkan. Model-model ini merupakan suatu derat dimana waktu digambarkan sebagai unsur penting untuk menentukan perubahan-perubahan dalam pola, yang mungkin secara sistematik dapat dijelaskan dengan analisis regresi atau korelasi.

7. Mudah tidaknya penggunaan dan aplikasinya.

III-

3.5.2. Prinsip-prinsip Peramalan

Ada lima prinsip peramalan yang sangat perlu diperhatikan untuk mendapatkan hasil peramalan yang baik yaitu4:

Prinsip 1: Peramalan pasti mengandung error. Hampir tidak pernah ditemui bahwa hasil peramalan persis seperti kenyataan di lapangan. Peramalan mengurangi faktor ketidakpastian tetapi tidak peran mampu untuk menghilangkannya. Artinya peramal hanya bisa mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian tersebut.

Prinsip 2 : Peramalan seharusnya mencakup ukuran dari error. Karena peramalan pasti mengandung kesalahan, maka adalah penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi. Besarnya kesalahan dapat dijelaskan dalam bentuk kisaran hasil peramalan baik dalam unit atau persentase dan probablitias tentang permintaan sesungguhnya akan berada dalam kisaran tersebut.

Prinsip 3: Peramalan item yang dikelompokkan dalam famili selalu lebih akurat dibandingkan dengan peramalan dalam item per item. Jika famili produk sebagai sebuah kesatuan diramalkan maka persentasse I akan semakin kecil, tetapi apabila diramalkan masing-masing sebagai indivudual product maka persentase erorr akan semakin tinggi.

III-

Prinsip 4: Peramalan jangka pendek lebih akurat dibanding dengan peramalan jangka panjang. Hal ini desebabkan karena pada peramalan jangka pendek faktor-faktor yang mempengaruhi permintaan relatif masih konstan sedangkan peramalan jangka panjang kemungkinan terjadinya perubahan faktor-faktor yang mempengaruhi permintaan besar.

Prinsip 5: Apabila dimungkinkan, perkiraan besarnya permintaan lebih disukai berdasarkan perhitungan dari pada hasil peramalan. Misalnya, dalam perencanaan produksi dalam lingkungan make to stock, apabila besarnya permintaan terhadap produk akhir telah diperkirakan berdasarkan hasil peramalan maka besarnya jumlah part, komponen, sub assembly, dan bahan baku untuk produk tersebut lebih baik dihitung berdasarkan principle of dependent demand dari pada masing-masing ditetapkan berdasarkan hasil peramalan.

3.5.3. Klasifikasi Teknik Peramalan

Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara melihatnya. Apabila dilihat dari sifat penyusunannya, maka peramalan dapat dibedakan atas dua macam, yaitu5_:

1. Dilihat dai sifat penyusunannya a. Peramalan yang subjektif

III-

Yaitu peramalan yang lebih menekankan pada keputusan-keputusan hasil diskusi, pendapat pribadi seseorang, intuisi dari orang yang menyusunnya. Dalam hal ini pandangan dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut.

b. Peramalan yang objektif

Yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode dalam penganalisaan data tersebut.

2. Dilihat dari jangka waktu ramalan yang disusun

a. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun. Peramalan seperti ini misalnya diperlukan dalam penyusunan rencana pembangunan suatu negara, dan rencana investasi suatu perusahaan.

b. Paramalan jangka menengah, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dalam jangka waktu satu bulan atau dua bulan sampai satu tahun. Ramalan jangka menengah umumnya lebih berkaitan dengan rencana produksi tahunan dan akan mencerminkan hal-hal seperti puncak dan lembah suatu permintaan dan kebutuhan untuk menjamin adanya tambahan sumber daya untuk tahun berikutnya.

III-

setengah tahun. Contohnya adalah penyusunan rencana produksi, rencana penjualan, rencana persediaan, dan anggaran perusahaan.

3. Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua macam, yaitu:

a. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung dengan orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat pendapat, intuitif, pengetahuan, dan pengalaman.

2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut.

[image:67.595.137.488.445.725.2]

Peramalan Model Kulitatif Metode Kuantitatif Metode Delphi Dugaan Managemen Riset Pasar Metode kelompok terstruktur Time Series Kausal Regresi Smoothing Dekomposisi Rata-rata Moving Average Ekponential Smoothing Analogi Historis Dugaan Managemen

III-

3.5.4. Peramalan Kualitatif (Judgement Method)

Peramalan kualitatif biasanya digunakan bila tidak ada atau sedikit data masa lalu tersedia. Dalam metode ini, pendapat pakar dan prediksi mereka dijadikan dasar untuk menetapkan permintaan yang akan datang. Beberapa metode kualitatif yang banyak dikenal antara lain:

1. Metode Delphi

Adapun tahapan yang dilakukan adalah:

a. Tentukan beberapa pakar mengisi sebagai partisipan. Sebaiknya bervariasi dengan latar belakang disiplin ilmu yang berbeda.

b. Melalui kuisioner (e-mail), diperoleh peramalan dari seluruh partisipan, c. Simpulkan hasilnya, kemudian distribusikan kembali kepada seluruh

partisipan dengan pertanyaan yang baru.

d. Simpulakan kembali revisi peramalan dan kondisi, kemudian dikembangkan dengan pertanyaan yang baru.

e. Apabila diperlukan ulangi tahap 4. Seluruh hasil akhir akhir didistribusikan kepada seluruh partisipan.

2. Dugaan manajemen (management estimate) atau Panel Consensus

III-

3. Riset Pasar

Metode ini mengumpulkan dan menganalisa fakta secara sistematis pada bidang yang berhubungan dengan pemasaran. Salah satu teknik utama adalah survei pasar yang akan memberikan informasi mengenai selera yang diharapkan konsumen, dimana informasi tersenut diperoleh dengan cara kuesioner.

4. Metode Kelompok Terstruktur.

Metode ini melibatkan orang-orang yang berpengalaman dalam berbagai bidang. Perbedaan dengan metode Delphi terletak pada interaksi antar anggota panel. Dalam metode ini terdapat diskusi antaranggota secara langsung sedangkan dalam metode Delphi sama sekali tidak ada interaksi lisan.

5. Analogi Historis

Metode ini berdasarkan pada data masa lalu dari produk-produk yang dapat disamakan secara analogi. Analogi historis cenderung akan menjadi terbaik untuk penggantian produk di pasar dan apabila terdapat hubungan substitusi langsung dari produk dalam pasar itu.

3.5.5. Peramalan Kuantitatif

III-

1. Metode time series

Metode time series adalah metode yang digunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Metode ini mengasumsikan beberapa pola atau kombinasi pola selalu berulang sepanjang waktu, dan pola dasarnya dapat diidentifikasikan semata-mata atas dasar data historis serial itu. Ada empat komponen utama yang mempengaruhi yaitu: a. Pola siklis (cycle)

Penjualan produk dapat memiliki siklus yang berulang secara periodik. Banyak produk dipengaruhi pola pergerakan aktivitas ekonomi yang terkadang memiliki kecenderungan periodik. Komponen siklis ini sangat berguna dalam peramalan jangka menengah.

Gambar 3.2. Pola Siklis

b. Pola musiman (seasonal)

[image:71.595.238.422.112.220.2]

III-

Gambar 3.3. Pola Musiman

c. Pola horizontal

Pola data ini terjadi apabila data berfluktuasi di sekitar nilai rata-rata.

Gambar 3.4. Pola Horizontal

d. Pola Trend

Pola data ini terjadi bila data memiliki kecenderungan untuk naik atau turun terus-menerus.

[image:71.595.244.420.614.723.2]

III-

Dalam meramalkan biaya-biaya yang termasuk di dalam biaya operasi dipergunakan pola trend karena biaya tersebut cenderung naik jika mesin atau peralatan semakin tua atau semakin lama jangka waktu pemakaiannya. Ada beberapa trend yang digunakan di dalam penyelesaian masalah ini, yaitu:

1) Trend Linier

2) Trend Eksponensial atau Pertumbuhan 3) Trend Logaritma

4) Trend Geometrik 5) Trend Hyperbola

Adapun metode peramalan yang termasuk model time series adalah sebagai berikut:

1) Metode Smoothing

Metode smoothing digunakan untuk mengurangi ketidakteraturan ramalan berdasarkan data yang lalu dengan membuat rata-rata tertimbang dari sederetan data masa lalu. Metode smoothing dapat dibagi lagi menjadi beberapa metode, antara lain :

i. Moving Average

Moving Average diperoleh dengan merata-rata permintaan berdasarkan beberapa data masa lalu yang terbaru. Tujuannya adalah untuk mengurangi atau menghilangkan variasi acak permintaan dalam hubungannya dengan waktu. Metode ini terdiri atas:

III-

b) Linier Moving Average c) Double Moving Average d) Weigthed Moving Average ii. Metode Exponential Smoothing

Peramalan dengan metode ini pada umumnya digunakan untuk perkiraan potensi penjualan produk-produk secara individu.

a) Single exponential smoothing b) Double exponential smoothing

c) Exponential smoothing dengan musiman 2) Metode Proyeksi Kecenderungan dengan Regresi

Metode kecenderungan dengan regresi merupakan dasar kecenderungan untuk suatu persamaan, sehingga dengan dengan dasar persamaan tersebut dapat diproyeksikan hal-hal yang akan diteliti pada masa yang akan datamg. Untuk peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan metode ini sangat baik. Data yang dibutuhkan untuk metode ini adalah tahunan, minimal lima tahun. Namun, semakin banyak data yang dimiliki semakin baik hasil yang diperoleh.

Bentuk fungsi dari metode ini dapat berupa: a. Konstan, dengan fungsi peramalan (Yt): (f = 1)

Yt = a, dimana N Y a



1

III-

b. Linear, dengan fungsi peramalan: (f = 2) Yt = a + bt

Dimana : n

bt Y

a 

   

 





  

    ₂ 2 t t n y t ty n b

c. Kuadratis, dengan fungsi peramalan: (f = 3) Yt = a + bt + ct2

Dimana : n

t c t b Y

a





 

 2



  b

c 2          b

 









 2 2 4

t n t

 





 t Y n tY



 





 t2 Y n t2Y



 





 2 2 3

t n t t 

 







 2 2

t n t



d. Eksponensial, dengan fungsi peramalan : (f =2) Yt = aebt

Dimana :

n t b Y

a



ln 



ln

III-

e. Siklis, dengan fungsi peramalan : (f = 3)

n t c n t b a

Yˆ_t   sin2  cos2

Dimana : n t c n t b na

Y sin2



cos2



   n t n t c n t b n t a n t

Ysin2



sin2 sin2 2



sin2 cos2



   n t n t b n t c n t a n t

Ycos2



cos2



cos2 2



sin2 cos2



  

3) Metode Dekomposisi

Yaitu hasil ramalan ditentukan dengan kombinasi dari fungsi yang ada sehingga tidak dapat diramalkan secara biasa. Model tersebut didekati dengan fungsi linear atau siklis, kemudian bagi t atas kwartalan sementara berdasarkan pola data yang ada. Metode dekomposisi merupakan pendekatan peramalan yang tertua. Terdapat beberapa pendekatan alternatif untuk mendekomposisikan suatu deret berkala yang semuanya bertujuan memisahkan setiap komponen deret data seteliti mungkin. Konsep dasar pemisahan bersifat empiris dan tetap, yang mula-mula memisahkan unsure musiman, kemudian trend dan akhirnya unsur siklis Adapun langkah-langkah perhitungannya adalah sebagai berikut:

a. Ramalkan fungsi Y biasa (dt=a+bt) b. Hitung nilai indeks

III-

2. Metode Kausal

Metode kausal mengasumsikan faktor yang diperkirakan menunjukkan adanya hubungan sebab akibat dengan satu atau beberaoa variabel bebas. Sebagai contoh, jumlah pendapatan berhubungan dengan faktor-faktor seperti jumlah penjualan, harga jual, dan tingkat promosi. Kegunaan dari metode kausal adalah untuk menemukan bentuk hubungan antara variabel-variabel tersebutt dan menggunakannya untuk meramalkan nilai dari variabel tidak bebas. Metode kausal terdiri atas beberapa metode, antara lain:

a. Metode regresi dan korelasi

Metode ini pada penetapan suatu persammaan estimasi menggunakan teknik least squares. Hubungan yang ada pertama-tama dianalisis secara statistik. Ketepatan peramalan dengan menggunakan metode ini sangat baik untuk peramalan jangka pendek, sedangkan untuk peramalan jangka panjang ternyata ketepatannta kurang begitu baik.

b. Metode ekonometrik

III-

c. Metode input-output

Metode ini dipergunakan untuk menyusun proyeksi trend ekonomi jangka panjang. Model ini kurang baik ketepatannya untuk peramalan jangka panjang. Model ini dipergunakan untuk peramalan penjualan perusahaan, penjualan sektor industri dan sub sektor industri, produksi dari sektor dan sub sektor industri. Data yang dibutuhkan untuk penggunaan metode atau model ini adalah data tahunan selama sekitar sepuluh sapai lima belas tahun.

3.5.6. Kriteria Performance Peramalan

Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara antara lain, yaitu:

1. Mean Square Error (MSE)





N F X MSE t t m t 2 1  



 dimana: t

X : data aktual periode t

t

F : nilai ramalan periode t

N : banyaknya periode 2. Standard Error of Estimate (SEE) :





t N F X SEE m t t t   



1

III-

dimana :

F = Derajat Kebebasan Untuk data konstan, f=1 Untuk data linear, f=2 Untuk data kuadratis, f=3 Untuk data siklis, f=3 3. Percentage Error (PEt) :

% 100          t t t t X F X PE

dimana nilai dari PEt bisa positip ataupun negatip

4. Mean Absolute Percentage Error (MAPE)

N PE MAPE t m t



  1

5. Mean Error (ME)

� = ∑��=_� ��

6. Mean Absolute Error (MAE)

� = ∑ |���=_� �|

7. Sum of Squared Error (SSE)

�� = ∑ �� �

�=

8. Standard Deviation of Error (SDE)

III-

3.6. De Novo Programming

De Novo Programming mengemukakan suatu cara untuk melihat sistem dimana selain mengoptimalkan sistem yang telah ada, dia juga menyarankan perancangan suatu sistem yang optimal6. Yang dititikberatkan pada membuat suatu desain yang optimal terhadap sistem dengan produktivitas tinggi yang memiliki beberapa kriteria (multiple criteria). Dalam hal ini dibentuk model yang baru yakni model program linear multi objektif De Novo. Model ini merupakan perluasan dari model program linear yang menyertakan kendala budget sehingga diharapkan tidak ada kendala yang tersisa. Terdapat perbedaan mendasar antara pendekatan mengoptimalkan suatu sistem dengan pendekatan mendesain sistem yang optimum.

1. Pada pendekatan pertama yaitu antara pendekatan Linier Programming, setiap batasan sumber daya dianggap sudah diberikan atau ditetapkan sebelumnya dan apabila terjadi penggunaan sumber daya yang tidak sepenuhnya (terdapat sisa), dianggap tidak mempengaruhi produktivitas sistem.

2. Pada pendekatan kedua, kendala sumber daya akan disusun sedemikian rupa sehingga tidak menghasilkan sisa. Pendekatan kedua ini dikenal dengan nama De Novo Programming.

6_{Iriani. Efektivitas Perencanaan Produksi dengan Pendekatan De Novo Programming.2014.}

III-

Model Linier Programming digunakan untuk optimasi jenis produk mix yang terdiri dari satu fungsi tujuan (objective function) dan beberapa batasan sumber daya (constrain). Formulasi dari Linier Programming adalah sebagai berikut :

Fungsi Tujuan :

Maksimasi Z = C1X1 + C2X2 + ... + CnXn Batasan – batasan :

Subject to :

a11X1 + a12X2 + ... + a1nXn ≤ b1

a21X1 + a22X2 + ... + a2nXn ≤ b2

am1X1 + am2X2 + .... + amnXn ≤ bm

X1, X2, ..., Xn ≥ 0

III-

kombinasi variabel keputusan tidak boleh melebihi dari jumlah sumber (bm) yang telah ditetapkan sebelumnya, sedangkan pada model De Novo Programming tanda

≤ diganti dengan tanda = untuk menetukan jumlah sumber (Xn+1) yang

diperlukan dengan pasti. Dalam formulasi pendekatan De Novo Programming (DNP) adalah sebagai berikut:

Fungsi Tujuan :

Maksimasi atau Minimasi : Z = C1X1 + C2X2 + ... + CnXn Batasan – batasan :

Kendala :

a11X1 + a12X2 + ... + a1nXn = Xn+1 a21X1 + a22X2 + ... + a2nXn = Xn+2 am1X1 + am2X2 + ...+ amnXn = Xn+m

p1Xn+1 + p2Xn+2 + ... + pmXn+m ≤ B

Xn , Xn+1 , ..., Xn+m ≥ 0 Dimana :

Xn+1 = variabel-variabel keputusan yang menggambarkan ju