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

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)

a =

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

= 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

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 =

Contoh perhitungan nilai indeks musim untuk periode pembagian I,

yaitu :

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

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

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

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

SEE =

√

∑ (y - y

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

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

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

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.

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

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 = 7000X

1 + 6000X2 + 5000X3 (laba) Max : Z2 = X₁ + X₂ + X_{3 (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

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

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 

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:

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:

=

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 :

X1 BEP ≥ 7.977 X2 BEP ≥ 8.375 X3 BEP ≥ 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 = X

1 + 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

X1 BEP ≥ 7.977 X2 BEP ≥ 8.375 X3 BEP ≥ 8.743

Kendala Non Negatif

X1 ≥ 0

X2 ≥ 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 yangdiinginkan. 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

4.110 X

75X1 + 60X2 + 40X3 ≤ 2.455.200

X1 ≤ 14.331

X2 ≤ 12.822

X3 ≤ 10.560

X1 BEP ≥ 7.977 X2 BEP ≥ 8.375 X3 BEP ≥ 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

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

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

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

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

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