Sistem software perencanaan produksi sayuran (studi kasus di Parung Farm, Bogor – Jawa Barat)

SISTEM SOFTWARE PERENCANAAN PRODUKSI SAYURAN
(STUDI KASUS DI PARUNG FARM, BOGOR – JAWA
BARAT)

MUHAMAD SAEPUDIN

DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
2013

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Sistem Software
Perencanaan Produksi Sayuran (Studi Kasus di Parung Farm, Bogor – Jawa Barat)
adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apa pun 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 disertasi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Juni 2013
Muhamad Saepudin
NIM F14070059

ABSTRAK
MUHAMAD SAEPUDIN. Sistem Software Perencanaan Produksi Sayuran (Studi
Kasus di Parung Farm, Bogor – Jawa Barat). Dibimbing oleh KUDANG BORO
SEMINAR.
Pengembangan dan implementasi software perencanaan produksi pada
komoditas sayuran menjadi penting dalam meningkatkan keakuratan produksi.
Model peramalan dianalisis dengan metode kuantitatif time series yaitu
Autoregressive Integrated Moving Average (ARIMA) dan trend analysis untuk
periode harian, mingguan, dan bulanan menggunakan Minitab 16 dan PHP
sebagai bahasa pemrograman. Aplikasi berfungsi untuk memprediksi permintaan
bayam, caisim, kangkung, dan pak choi. Selain itu aplikasi ini juga memiliki
fungsi melakukan prediksi sarana produksi, antara lain lahan, benih, pupuk,
styrofoam, rockwool, jelly cup, dan bibit. Beberapa modifikasi perlu dilakukan
untuk menyempurnakan sistem software perencanaan produksi.

Kata kunci: perencanaan, produksi, software, sayuran

ABSTRACT
MUHAMAD SAEPUDIN. Software System for Production Planning of
Vegetables (Case Study at Parung Farm, Bogor – West Java). Supervised by
KUDANG BORO SEMINAR.
The development and implementation of software system production
planning for vegetables is important to increase accuracy of production.
Prediction model using quantitative time series models ARIMA (Autoregressive
Integrated Moving Average) and trend analysis for period of daily, week, and
monthly using Minitab 16 and PHP as language programming. The software
utilities for predicting the demand of spinach, caisim, kale, and pak choi. The
software also equipped to predicting things of production such as farm, seed,
fertilizer, styrofoam, rockwool, jelly cup, and seed plant. There are still some
modifications to make a perfect software system production planning for
vegetables.
Keywords: planning, production, software, vegetables

SISTEM SOFTWARE PERENCANAAN PRODUKSI SAYURAN
(STUDI KASUS DI PARUNG FARM, BOGOR – JAWA

BARAT)

MUHAMAD SAEPUDIN

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Teknologi Pertanian
pada
Departemen Teknik Mesin dan Biosistem

DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
2013

Judul Skripsi : Sistem Software Perencanaan Produksi Sayuran
(Studi Kasus di Parung Farm, Bogor – Jawa Barat)
Nama
: Muhamad Saepudin

NIM
: F14070059

Disetujui oleh

Prof. Dr. Ir. Kudang Boro Seminar, M.Sc
Pembimbing

Diketahui oleh

Dr. Ir. Desrial, M.Eng
Ketua Departemen

Tanggal Lulus:

PRAKATA
Puji dan syukur dipanjatkan kepada Allah SWT atas karuniaNya sehingga
skripsi ini berhasil diselesaikan. Penelitian dengan judul Sistem Software
Perencanaan Produksi Sayuran (Studi kasus di Parung Farm, Bogor - Jawa Barat)
dilaksanakan di Parung Farm sejak bulan Maret hingga Nopember 2012.

Dengan selesainya penelitian hingga tersusunnya skripsi ini, penulis ingin
menyampaikan penghargaan dan terima kasih kepada:
1. Orangtua penulis Cahyati dan Amar Sopian, Bapak Drs. Puguh Tjahyono
(alm.) dan Ibu Titiek Indarwati, S.pd, serta istri tercinta Mega Dewana Putri,
SP yang telah memberi banyak dorongan, motivasi, semangat, dan doa
sehingga penulis dapat menyelesaikan tugas akhir skripsi ini.
2. Prof. Dr. Ir. Kudang Boro Seminar, M.Sc selaku dosen pembimbing
akademik dan tugas akhir yang telah membimbing dan memberikan nasihat
kepada penulis dalam bidang akademik dan dalam penelitian serta
penyusunan skripsi.
3. Dr. Ir. Setyo Pertiwi, M.Agr dan Dr. Ir. Rokhani Hasbullah, M.Si selaku
dosen penguji atas saran dan masukannya dalam penyempurnaan skripsi ini.
4. Bapak Sarmin dan Bapak Haryadi selaku pihak Parung Farm yang telah
banyak membantu penulis dalam melaksanakan penelitian.
5. Teman – teman FBI FATETA, Ensemble44, Katalis44, dan U310 yang telah
memberikan semangat dan doa.
6. Semua pihak yang tidak dapat disebutkan satu persatu dan telah banyak
membantu penulis selama menyelesaikan penelitian dan penulisan skripsi ini.
Akhir kata, penulis berharap semoga tulisan ini, dapat bermanfaat.
Bogor, Juni 2013

Muhamad Saepudin

DAFTAR ISI
DAFTAR TABEL

vii

DAFTAR GAMBAR

vii

DAFTAR LAMPIRAN

viii

PENDAHULUAN

1

Latar Belakang

1

Tujuan Penelitian

2

Ruang Lingkup Penelitian

2

TINJAUAN PUSTAKA

3

Sayuran

3

Peramalan

6

Perencanaan Produksi

9

Sistem Manajemen Basis Data Relasional

9

System Development Life Cycle (SDLC)

11

Studi Terdahulu

11

METODE

11

Lokasi dan Waktu

12

Alat dan Bahan

12

Metode Penelitian

13

HASIL DAN PEMBAHASAN

15

Investigasi Sistem

13

Analisis Sistem

14

Desain Sistem

28

Implementasi Sistem

33

Evaluasi dan Penyempurnaan Prototipe Software

35

SIMPULAN DAN SARAN

36

Simpulan

36

Saran

36

DAFTAR PUSTAKA

37

LAMPIRAN

39

RIWAYAT HIDUP

52

DAFTAR TABEL
1

Alat yang digunakan pada penelitian

12

2

Model peramalan terbaik sayuran (bayam, caisim, kangkung, dan pak
choi) periode harian

21

Model peramalan terbaik sayuran (bayam, caisim, kangkung, dan pak
choi) periode mingguan

21

4

Model peramalan bayam periode bulanan

22

5

Model peramalan caisim periode bulanan

22

6

Model peramalan kangkung periode bulanan

23

7

Model peramalan pak choi periode bulanan

23

8

Model ramalan terbaik sayuran (bayam, caisim, kangkung, dan pak
choi) untuk periode bulanan

24

Perbandingan hasil ramalan model A, B, C, dan D dengan aktual
bayam periode bulanan (dalam satuan ikat)

24

10 Perbandingan hasil ramalan model A, B, C, dan D dengan aktual
caisim periode bulanan (dalam satuan ikat)

24

11 Perbandingan hasil ramalan model A, B, C, dan D dengan aktual
kangkung periode bulanan (dalam satuan ikat)

24

12 Perbandingan hasil ramalan model A, B, C, dan D dengan aktual
pak choi periode bulanan (dalam satuan ikat)

25

13 Entitas produk beserta atribut dan jenis tipe datanya

27

14 Perhitungan sarana produksi sayuran Parung Farm (diolah)

31

15 Entitas data_praproses beserta atribut dan jenis tipe datanya

31

16 Entitas periode beserta atribut dan jenis tipe datanya

31

17 Entitas sarana_produksi beserta atribut dan jenis tipe datanya

31

3

9

DAFTAR GAMBAR
1 Bayam Hijau (Amaranthus spp.)

3

2 Caisim (Brassica juncea)

4

3 Kangkung (Ipomoea aquatic Forsk)

5

4 Pak Choi (Brassica rapa L.)

6

5 Proses peramalan

9

6 Tahapan penelitian

15

7 Pola data permintaan sayuran (bayam, caisim, kangkung, pak choi)
periode harian

18

8 Pola data permintaan sayuran (bayam, caisim, kangkung, pak choi)
periode harian mingguan

18

9 Pola data permintaan sayuran (bayam, caisim, kangkung, pak choi)
periode harian bulanan

19

10 Trend Analysis Plot Caisim periode bulanan
disertai nilai MAPE, MAD, dan MSD

25

11 Trend Analysis Plot Pak Choi periode bulanan
disertai nilai MAPE, MAD, dan MSD

26

12 Trend Analysis Plot Bayam Hijau periode bulanan
disertai nilai MAPE, MAD, dan MSD

26

13 Trend Analysis Plot Kangkung periode bulanan
disertai nilai MAPE, MAD, dan MSD

27

14 ER-D (Entity Relationship Diagram) SIMPro PF 1.0

28

15 Perancangan logis SIMPro PF 1.0

29

16 Skema hasil pemetaarn dari ER-D ke tabel/relasi

30

17 Perancangan fisik SIMPro PF 1.0

30

18 Tampilan pembuatan database bernama “simpro_pf”

27

19 Tampilan pembuatan tabel pada database “simpro_pf”

32

20 Tampilan muka aplikasi SIMPro PF 1.0

33

21 Menu “Proses Perencanaan Produksi” pada SIMPro PF 1.0

34

22 Menu “Hasil Perencanaan Produksi” pada aplikasi SIMPro PF 1.0

35

DAFTAR LAMPIRAN
1

2

3

Data historis permintaan sayuran bayam, caisim, kangkung,
dan pak choi periode mingguan

39

Data historis permintaan sayuran bayam, caisim, kangkung,
dan pak choi periode bulanan

49

Data historis permintaan sayuran bayam, caisim, kangkung,
dan pak choi periode harian

51

PENDAHULUAN
Latar Belakang
Parung Farm merupakan produsen sayuran berdaun yang ditanam secara
hidroponik (hydroponic) dan aeroponik (aeroponic) di Kecamatan Parung,
Kabupaten Bogor, Jawa Barat. Walaupun bukan yang pertama, Parung Farm dapat
dikatakan sebagai salah satu yang terbesar di bidangnya. Selain mengadakan
pelatihan dan pengembangan dalam bidang hidroponik, Parung Farm sudah
memasok produknya ke supermarket-supermarket besar yang ada di Indonesia.
Parung Farm menghasilkan 19 macam sayuran dengan produk unggulan seperti
pak choi, bayam hijau, caisim, dan kangkung. Produksi masing-masing sayuran
sekitar 100 – 300 ikat per hari, dengan bobot 1 ikat sebesar 250 gram. Untuk
menjamin keberlanjutan produksi, perusahaan ini mempunyai greenhouse
sebanyak 6 unit greenhouse.
Secara umum kegiatan yang berlangsung di Parung Farm terdiri atas
beberapa kegiatan, yaitu produksi, pengepakan, dan pemasaran. Kegiatan
produksi berlangsung di lapangan, sedangkan pengepakan dan pemasaran
berlangsung di bagian kantor. Walaupun lokasi kerja terpisah, kegiatan produksi
tetap melibatkan bagian pemasaran dan pengepakan. Bagian-bagian tersebut satu
sama lain saling berinteraksi guna mendukung keberhasilan produksi dalam
mencapai target yang telah ditetapkan oleh perusahaan. Untuk mempermudah
tercapainya hal tersebut, kelancaran serta kelaikan data dan informasi yang
mengalir di antara bagian terkait harus terjamin baik. Lebih dari itu, data dan
informasi harus dapat diperoleh dengan waktu yang tepat dan cepat, benar dan
relevan, serta jelas dan mudah dipahami. Data dan informasi yang tersedia juga
harus terintegrasi dari seluruh agregat data di perusahaan.
Sistem administrasi data dan informasi yang ada saat ini dijalankan di
Parung Farm masih bersifat semi manual dan terdesentralisasi di tiap bagian.
Dengan pengelolaan data dan informasi demikian, sangat besar kemungkinan
terjadinya kesalahan yang dapat mengakibatkan proses produksi dan pengendalian
tidak optimal. Hal ini dikarenakan penanganan secara manual sangat bergantung
pada manusia. Sistem administrasi dan informasi pada bagian produksi masih
dilakukan secara manual. Sehubungan dengan hal ini, kegiatan produksi yang
dilakukan secara manual akan berpengaruh terhadap hasil produksi. Kualitas hasil
produksi akan berpengaruh signifikan terhadap keberhasilan perusahaan untuk
mencapai target. Pada kegiatan produksi dibutuhkan ketepatan dan ketelitian
dalam menentukan beberapa kebijakan dalam perencanaan produksi, salah satu
diantaranya adalah kebijakan menentukan kebutuhan sarana produksi.
Pengambilan keputusan dalam penentuan kebutuhan sarana produksi erat
kaitannya dengan bagian pemasaran. Hal ini dikarenakan informasi kebutuhan
sarana produksi sangat bergantung pada jumlah permintaan pasar yang diterima
oleh bagian pemasaran. Angka permintaan pasar dari waktu ke waktu akan selalu
naik-turun. Hal ini disebabkan oleh banyak faktor, seperti faktor ekonomi, faktor
sosial, faktor iklim dan cuaca, dan lain-lain. Apabila hal ini tidak disikapi dengan
baik oleh perusahaan, maka akan berakibat terjadinya beberapa kemungkinan.
Kemungkinan tersebut bisa saja terjadi pada perusahaan seperti terbuangnya

2
sayuran karena permintaan pasar menurun atau sebaliknya perusahaan kekurangan
sayuran untuk memasok pasar. Akibatnya, akan ada biaya produksi yang terbuang
dengan sia-sia. Kemungkinan terburuknya perusahaan tidak layak untuk
menjalankan kegiatan bisnis. Oleh karena itu, diperlukan sebuah sistem yang
handal untuk menjamin keberhasilan dan keberlangsungan proses produksi.
Salah satu cara yang bisa dilakukan untuk membangun sistem produksi
dengan baik yakni penerapan teknologi dalam proses produksi. Permasalahan
yang semakin kompleks dan dinamis saat ini, akan memerlukan alat bantu
komputer untuk memecahkannya. Komputer merupakan perangkat elektronik
yang mempunyai kemampuan untuk mengolah data, menerima masukan serta
menyajikan hasil. Komputer mempunyai beberapa kelebihan diantaranya adalah
kemampuan yang besar dalam menyimpan beberapa instruksi pemecahan
masalah, kecepatan perhitungan serta ketepatan dalam pengolahan data. Dengan
bantuan komputer, maka sistem informasi dapat disajikan dengan daya guna
tinggi.
Sebuah perangkat lunak mampu membantu kegiatan bagian produksi
dalam mengambil sebuah kebijakan penting. Ada banyak manfaat yang
didapatkan apabila Parung Farm menerapkan teknologi komputer dalam kegiatan
produksi. Dengan adanya sebuah sistem komputer, kegiatan produksi akan lebih
terjaga dan lebih akurat, sehingga hasilnya pun akan menguntungkan perusahaan.
Manfaat dari sistem komputer antara lain menyediakan informasi yang bersifat
tepat waktu, tepat guna, dan tepat sasaran. Sistem komputer mampu membantu
mengefektifkan proses pengambilan keputusan yang berkaitan dengan bidang
fungsional yang ada di Parung Farm, sehingga diperoleh keputusan yang tidak
ragu-ragu dan menghasilkan proses pengambilan yang konsisten. Sistem
informasi dapat membantu pula melakukan kegiatan proses perencanaan produksi
yang matang.
Tujuan Penelitian
Tujuan umum dari penelitian ini adalah untuk membangun prototipe
sistem software perencanaan produksi sayuran Parung Farm untuk mendukung
pengambilan keputusan dalam operasional produksi. Selanjutnya software ini
diberi nama SIMPro PF 1.0.
Ruang Lingkup Penelitian
Penelitian ini dilaksanakan dengan kegiatan studi kasus di Parung Farm.
Data-data yang dianalisis berupa data-data permintaan sayuran (bayam, caisim,
kangkung, dan pak choi) Parung Farm pada bulan Maret 2011 - April 2012.
Proses selanjutnya yaitu menganalisis, merancang, dan mengembangkan prototipe
software perencanaan produksi.

3

TINJAUAN PUSTAKA
Sayuran
Bayam Hijau
Bayam hijau merupakan tanaman sayuran yang dikenal dengan nama
ilmiah Amaranthus spp. Bayam ini tumbuh tersebar di banyak bagian dunia.
Bayam tumbuh dengan baik di ketinggian sampai dengan 1000 m, tetapi paling
baik pertumbuhannya di daerah dataran rendah tropika. Beberapa merupakan
tanaman hari-pendek yang nyata dan ditanam hanya pada bulan musim panas
sebagai sayuran daun. Umur tanaman di daerah dataran rendah tropika adalah 4 –
6 minggu, sehingga bayam dapat disertakan dalam pergiliran tanaman tiga
bulanan dengan cara yang sama seperti kangkung.
Bayam dapat tumbuh kapan saja baik pada musim hujan ataupun kemarau.
Tanaman ini kebutuhan airnya cukup banyak sehingga paling tepat ditanam pada
awal musim hujan, yaitu sekitar bulan Oktober – November. Bayam diperbanyak
melalui biji. Hanya biji bayam tua yang baik dijadikan benih. Bila benih masih
muda, daya tahan simpannya hanya sebentar dan daya tumbuhnya cepat menurun.
(Nazaruddin 1995). Bayam tumbuh dengan baik di lahan tanah yang subur dan
gembur. Derajat keasaman (pH) yang mendukung berkisar antara 6-7. Tanah yang
pHnya lebih tinggi atau lebih rendah dari kisaran tersebut, membuat tanaman
bayam tidak dapat tumbuh dengan baik (Setiawan 1995).
Tanaman ini mempunyai taksonomi sebagai berikut:
Kingdom
: Plantae
Divisi
: Magnoliophyta
Subdivisi
: Magnoliopsida
Kelas
: Caryophyllales
Ordo
: Amaranthaceae
Famili
: Amaranthoideae
Genus
: Amaranthus
Spesies
: Amaranthus spp.

Gambar 1 Bayam Hijau (Amaranthus spp.)

4
Caisim
Setiawan (1995) menyebutkan bahwa caisim merupakan salah satu
tanaman sayuran yang disukai oleh masyarakat Indonesia. Caisim sering disebut
oleh masyarakat dengan nama sawi bakso. Caisim memiliki ciri-ciri tangkai
daunnya putih kehijauan dan daun yang lebar memanjang, tipis, dan berwarna
hijau. Tanaman caisim tumbuh dengan baik pada daerah ketinggian 100 meter –
500 m dpl (di atas permukaan laut). Derajat keasaman (pH) tanah yang optimum
untuk pertumbuhannya yaitu antara pH 6-7.
Tanaman ini mempunyai taksonomi sebagai berikut:
Divisi
: Spermatophyta
Subdivisi
: Angiospermae
Kelas
: Dicotyledonae
Ordo
: Rhoeadales (Brassicales)
Famili
: Cruciferae (Brassicaceae)
Genus
: Brassica
Spesies
: Brassica juncea

Gambar 2 Caisim (Brassica juncea)
Kangkung
Kangkung terdiri atas dua jenis, yaitu kangkung air dan kangkung darat.
Kangkung air tumbuh baik di tempat yang basah atau berair. Kangkung air
memiliki ciri-ciri sebagai berikut: tangkai daun panjang, daun lebar, bunga
berwarna ungu, dan warna hijau tua. Jenis tersebut memiliki daya adaptasi yang
baik dengan perairan setempat. Jenis yang kedua yaitu kangkung darat. Kangkung
darat banyak tumbuh di lahan kering atau tegalan. Kangkung darat memiliki ciriciri daun langsing, ujung daun meruncing, warna hijau pucat keputih-putihan, dan
warna bunga polos.
Kangkung air mempunyai nama ilmiah Ipomea aquatic Forsk. Kangkung
dapat tumbuh dengan baik di daerah perairan tawar seperti sungai kecil, danau,
aliran air, kolam, dan ataupun sawah. Toleransi kangkung cukup tinggi terhadap
daerah perairan ini, maka sebaiknya kangkung tidak ditanam di daerah perairan
yang sudah tercemar.

5
Klasifikasi tanaman kangkung air menurut Suratman et al. (2000) adalah
sebagai berikut:
Kingdom
: Plantae
Divisi
: Spermatophyta
Subdivisi
: Angiospermae
Kelas
: Dicotyledoneae
Ordo
: Tubiflorae
Famili
: Convolvulaceae
Genus
: Ipomoea
Spesies
: Ipomoea aquatic Forsk

Gambar 3 Kangkung (Ipomoea aquatic Forsk)
Pak Choi
Pak Choi memiliki nama ilmiah Brassica rapa L. Pak Choi termasuk
family Crucifera/Brassicaceae (kubis-kubisan). Sebelumnya dikenal dengan nama
ilmiah B. chinensis L. atau B. rapa L. ssp. Chinensis, dan kini menjadi B. rapa L.
cv. Group Pak Choi (Tay dan Toxofeus 1994). Tanaman ini dikenal di Indonesia
dengan nama Pak Choi atau sawi cina. Pak Choi memiliki daun berbentuk agak
oval yang berwarna hijau tua dan mengkilap dengan tangkai daun yang gemuk
dan berdaging berwarna putih atau hijau muda. Daun tersebut tersusun dalam
spiral yang rapat dan tidak membentuk head (kepala atau crop). Tinggi tanaman
ini berkisar antara 15 – 30 cm, memiliki sistem perakaran kubis-kubisan agak
dangkal dengan akar tunggang yang bercabang (Rubatzky & Yamaguchi 1998).
Tanaman ini memiliki nilai gizi yang cukup penting. Tiap 100 g Pak Choi
segar mengandung 93 g air, 1.7 g protein, 0.2 g lemak karbohidrat, dan 0.7 g serat.
Pak Choi juga merupakan sumber vitamin dan mineral yang baik seperti 53 mg
vitamin C, 2.3 mg β-karoten, 102 mg Ca, 46 mg P, dan 2.6 mg Fe, yang
terkandung dalam 100 g bobot segar (Tay & Toxofeus 1994).
Tanaman ini mempunyai taksonomi sebagai berikut:
Kingdom
: Plantae
Divisi
: Magnoliophyta
Subdivisi
: Angiospermae
Kelas
: Magnoliopsida
Ordo
: Capparales

6
Famili
Genus
Spesies

: Brassicaceae
: Brassica
: Brassica rapa L.

Gambar 4 Pak Choi (Brassica rapa L.)
Peramalan
Definisi Peramalan
Menurut Sugiarto dan Harijono (2000), peramalan merupakan studi
terhadap data historis untuk menemukan hubungan, kecenderungan dan pola
sistematis. Dalam dunia bisnis, hasil peramalan mampu memberikan gambaran
tentang masa depan perusahaan yang memungkinkan manajemen membuat
perencanaan, menciptakan peluang bisnis maupun mengatur pola investasi
perusahaan. Ketepatan hasil peramalan bisnis akan meningkatkan peluang
tercapainya investasi yang menguntungkan. Semakin tinggi akurasi yang dicapai
peramalan, semakin meningkat pula peran peramalan dalam perusahaan karena
hasil dari suatu peramalan dapat memberikan arah bagi perencanaan perusahaan
antara lain perencanaan produk dan pasar, perencanaan penjualan, perencanaan
produksi, dan perencanaan keuangan.
Montgomery (2008) menyatakan bahwa peramalan adalah prediksi
beberapa kejadian di masa yang akan datang. Peramalan merupakan persoalan
penting yang meliputi banyak bidang yaitu bisnis dan industri, pemerintahan,
ekonomi, ilmu lingkungan, pengobatan, ilmu sosial, politik, dan keuangan.
Permasalahan peramalan digolongkan menjadi peramalan jangka pendek, jangka
menengah, dan jangka panjang. Peramalan jangka pendek meliputi prediksi
peristiwa yang terjadi dalam beberapa periode (harian, mingguan, bulanan) di
masa yang akan datang. Peramalan jangka menengah meliputi prediksi mulai dari
satu hingga dua tahun yang akan datang. Peramalan jangka panjang meliputi
prediksi peristiwa yang terjadi dalam beberapa tahun yang akan datang.
Alasan bahwa peramalan sangat penting dalam memprediksi peristiwa di
masa yang akan datang yaitu sebagai masukan kritis untuk perencanaan dan
proses pengambilan keputusan, dengan penerapan pada beberapa area sebagai
berikut:

7
1.

Manajemen operasi
Perusahaan bisnis seringkali melakukan peramalan terhadap penjualan
produk dan permintaan pasar sebagai pelayanan dalam penjadwalan produksi,
pengontrolan bahan baku, pengelolaan rantai-pasok, penentuan kebutuhan
karyawan, dan perencanaan kapasitas produksi. Peramalan juga digunakan untuk
menentukan campuran produk atau pelayanan yang ditawarkan dan lokasi
produksi.
2.

Pemasaran
Peramalan sangat penting dalam berbagai keputusan pemasaran. Prediksi
penjualan berkaitan erat dengan kebutuhan pengiklanan, promosi produk baru,
atau perubahan kebijakan pengaturan harga sehingga memungkinkan
dilakukannya evaluasi terhadap efektivitas, waktu pencapaian target, dan
pengambilan keputusan.
3.

Keuangan dan Manajemen Resiko
Investor keuangan sangat tertarik dengan peramalan kembalinya investasi
mereka. Manajemen keuangan membutuhkan prediksi volatilitas pengembalian
aset, sehingga kemungkinan-kemungkinan resiko yang ada dapat dibuat dalam
bentuk portofolio yang dapat dievaluasi dan dipastikan, serta keuangan dapat
terjaga dengan baik.
4.

Ekonomi
Pemerintahan, institusi keuangan, dan organisasi memerlukan prediksi
terhadap faktor mayor ekonomi seperti Gross Domestic Product (GDP),
pertumbuhan penduduk, pengangguran, suku bunga, inflasi, pertumbuhan
lapangan kerja, aktivitas produksi, dan konsumsi. Prediksi tersebut secara terpadu
menjadi bagian penting petunjuk antara pemegang kebijakan keuangan dan
perencana keuangan dalam pengambilan keputusan oleh pemerintahan, juga
sebagai bahan untuk perencanaan strategis yang dibuat oleh organisasi bisnis dan
institusi keuangan.
5.

Pengontrolan proses industri
Peramalan karakteristik dari kualitas nilai produksi di masa yang akan
datang dalam proses produksi dapat membantu pengontrolan terhadap variabel
mana yang harus diganti, atau apakah harus dihentikan prosesnya.
6.

Demografi
Prediksi pertumbuhan penduduk suatu negara dan wilayah sering dilakukan
secara berkala. Peramalan biasanya dilakukan berdasarkan beberapa variabel yang
sudah ditentukan, seperti jenis kelamin, umur, dan race, serta kelahiran, kematian,
dan migrasi. Pemerintah menggunakan prediksi ini untuk perencanaan arah
kebijakan dan aksi sosial, seperti pelayanan kesehatan dan program pencegahan
kemiskinan.

8
Teknik Peramalan
Teknik peramalan merupakan cara yang dilakukan dalam melakukan
prediksi. Ada dua jenis teknik peramalan, yaitu metode peramalan kualitatif dan
metode peramalan kuantitatif.
a. Peramalan Kualitatif
Teknik peramalan kualitatif lebih mengandalkan judgment dan intuisi
manusia daripada penggunaan data historis yang dimiliki. Teknik-teknik kualitatif
ini antara lain: metode Delphi, kurva pertumbuhan, pembuatan skenario, riset
pasar, dan kelompok-kelompok fokus (Arsyad 1994). Menurut Montgomery et al.
(2008), peramalan kualitatif seringkali digunakan saat sedikit atau tidak ada data
historis yang cukup untuk menjadi dasar peramalan. Hal ini bisa terjadi pada
peluncuran sebuah produk baru, tidak ada data historis yang bisa digunakan untuk
prediksi. Pada situasi ini perusahaan dapat menggunakan pendapat para pakar
penjualan dan pemasaran untuk melakukan estimasi tingkat penjualan produk
selama fase pemasaran. Teknik peramalan kualitatif yang biasa digunakan adalah
metode Delphi.
b. Peramalan Kuantitatif
Teknik peramalan kuantitatif menggunakan bentuk formal data historis dan
model peramalan. Model yang terbentuk dari data memperlihatkan pola data dan
menunjukkan hubungan antara nilai-nilai variabel masa lalu dan masa yang akan
datang. Kemudian model digunakan untuk meramalkan kejadian di masa yang
akan datang. Dengan kata lain, model peramalan digunakan untuk ekstrapolasi
data masa lalu dan sekarang ke masa yang akan datang. Secara umum ada
beberapa tipe model peramalan yang biasa digunakan, yaitu regression models,
smoothing models, dan time series models. Beberapa bentuk peramalan kuantitaif
time series yang ada adalah ARIMA dan trend analysis. Adapun syarat
penggunaan data time series (runtun waktu) ada 2, yaitu ketersediaan data masa
lampau dan trend pola data di masa yang akan datang sama dengan trend pola data
di masa lampau.
ARIMA (Autoregressive Integrated Moving Average) dan Trend Analysis
merupakan jenis kuantitatif time series model. ARIMA atau sering disebut metode
Box-Jenkins merupakan gabungan dari metode penghalusan, metode regresi, dan
metode dekomposisi. Metode ARIMA tidak menggunakan asumsi variabel bebas
dalam proses penentuan model. ARIMA sangat cocok digunakan untuk peramalan
dalam jangka pendek. Pengujian model ARIMA dilakukan dengan menggunakan
pengujian nilai Final Estimates Parameter, SS&MS, dan P-Value (Hanke 1992).
Trend Analysis merupakan analisis yang digunakan untuk data time series
dengan pola data yang menunjukkan peningkatan seiring bertambahnya waktu.
Analisis ini biasanya digunakan untuk memprediksi perubahan populasi,
perubahan harga, perubahan teknologi, dan peningkatan produktivitas. Namun
tidak menutup kemungkinan untuk digunakan pada hal-hal yang menunjukkan
pola data yang meningkat dari waktu ke waktu. Hal terpenting dalam pengukuran
model trend adalah mengetahui tujuan analisis. Tujuan analisis akan menjadi
dasar dalam penentuan model. Proses pengujian trend analysis diukur oleh nilai
MAPE (Mean Absolute Percent Error), MSD (Mean Squared Deviation), dan
MAD (Mean Absolute Deviation). Semakin kecil nilai MAPE, MSD, dan MAD

9
dari suatu model, maka model tersebut merupakan model terbaik (signifikan)
(Hanke 1992).
Proses Peramalan
Sebuah proses merupakan rangkaian kegiatan saling terkait yang
menunjukkan perubahan dari satu atau lebih masukan menjadi satu atau lebih
keluaran. Seluruh kegiatan apapun ditunjukkan oleh adanya suatu proses, dan
tidak terkecuali pada kegiatan peramalan. Kegiatan dalam proses peramalan
terdiri atas: (1) pendefinisian masalah, (2) pengumpulan data, (3) analisis data, (4)
seleksi model dan fitting, (5) validasi model, (6) peramalan model, (7) monitoring
performa model peramalan (Montgomery 2008). Rangkaian kegiatan dalam
proses peramalan disajikan pada Gambar 5 berikut.

Gambar 5 Proses peramalan (Montgomery 2008)
Perencanaan Produksi
Prawirosentono (2007) mengartikan perencanaan produksi sebagai
kegiatan yang berkaitan untuk menghasilkan barang dan jasa secara tepat, baik
jenis, mutu, dan jumlah dengan biaya yang minimum. Sedangkan menurut Buffa
dan Sarin (1996) perencanaan produksi merupakan proses pengambilan keputusan
yang dapat dijadikan dasar untuk kegiatan ekonomis dan efektif pada masa yang
akan datang. Proses ini memikirkan mengenai apa yang harus dikerjakan,
bagaimana cara pengerjaannya, di mana suatu kegiatan akan dilaksanakan, dan
siapa yang bertanggung jawab terhadap pelaksanaannya.
Sistem Manajemen Basis Data Relasional
Post (2003) menyatakan bahwa sistem manajemen basis data merupakan
salah satu bagian paling penting dalam dunia bisnis dan MIS (Management
Information System). Sistem manajemen basis data berfungsi untuk menyimpan
data dengan baik dan aman sehingga seorang pengembang basis data dapat
melakukan modifikasi sistem yang lama. Salah satu sistem manajemen basis data
yang handal dan sering digunakan saat ini adalah sistem manajemen basis data
relasional. Model data relasional (relational database model/RDBM) sering
disebut dengan model relasional atau basis data relasional yang sering ditulis
RDBM. Model basis data ini diperkenalkan pertama kali oleh E. F. Codd pada
tahun 1970. RDBM banyak digunakan karena memiliki konsep dan terminology
yang digunakan dalam model basis data mirip dengan kondisi sesungguhnya yang
dihadapi oleh para pengguna sehingga memudahkan pengguna dalam
memahaminya. Selain itu perangkat lunak pengelolaan basis data (DBMS) yang
tersedia di pasaran banyak yang dikembangkan berdasarkan model ini. RDBM
menjelaskan kepada pengguna tentang hubungan logik antar data dalam basis data

10
dengan menyajikannya ke dalam bentuk relasi-relasi berupa tabel dari sejumlah
baris yang mnunjukkan record dan kolom yang menunjukkan atribut tertentu.
Sutanta (2011) menjelaskan bahwa relasi antar entitas terdiri atas beberapa
bentuk, antara lain:
1.

Relasi satu ke satu/1 ke 1 (one to one relationship/1 to 1)
Jenis kerelasian 1 ke 1 terjadi jika setiap nilai pada suatu relasi hanya
mengimplikasikan sebuah nilai pada relasi lain yang direlasikan secara logic.
Jenis ini jarang dijumpai dalam rancangan basis data.

2.

Relasi satu ke banyak/1 ke n (one to many relationship/1 to n)
Jenis kerelasian ini terjadi jika setiap nilai pada suatu relasi
mengimplikasikan banyak (lebih dari satu) nilai pada relasi lain yang
direlasikan secara logic.

3.

Relasi banyak ke satu/n ke 1 (many to one relationaship/n to 1)
Jenis kerelasian n ke 1 terjadi jika banyak (lebih dari satu) nilai pada suatu
relasi mengimplikasikan hanya satu nilai pada relasi lain yang direlasikan
secara logic.

4.

Relasi banyak ke banyak/n ke n (many to many relationship/n to n)
Jenis kerelasian n ke n terjadi jika banyak (lebih dari satu) nilai pada suatu
relasi mengimplikasikan banyak (lebih dari satu) nilai pada relasi lain yang
direlasikan secara logic.

Menurut Sutanta (2004) pengembangan basis data terdiri atas 3 tahapan
yaitu analisis, desain/perancangan, dan implementasi. Uraian dari masing-masing
tahap adalah sebagai berikut :
1.

Analisis
Tahap analisis merupakan tahap awal dari pengembangan basis data. Pada
tahap ini dilakukan beberapa hal utama seperti menentukan masalah utama,
mengumpulkan fakta yang berhubungan dengan masalah, menganalisis faktafakta, menentukan alternatif solusi dan membuat studi kelayakan.
2.

Desain
Tahap kedua merupakan tahap desain/perancangan. Pada tahap ini
dilakukan 3 kegiatan perancangan meliputi perancangan konseptual (conceptual
design), perancangan logis (logical design), dan perancangan fisik (physical
design). Perancangan konseptual meliputi kegiatan penyusunan konsep mengenai
data-data apa saja yang perlu disimpan dalam basis data dan penjelasan mengenai
bagaimana hubungan antar data yang satu dengan yang lainnya. Perancangan logis
merupakan tahap penggambaran dari perancangan konsep dalam sebuah
hubungan logis antar entitas. Perancangan logis digambarkan sesuai dengan jenis
DBMS yang akan digunakan. Perancangan fisik merupakan kegiatan yang
berkaitan dengan penyimpanan data-data basis data ke dalam fisik media
penyimpanan data yang digunakan.

11
3.

Implementasi
Tahap ini merupakan tahap untuk merealisasikan hasil desain/perancangan
sistem yang telah dilakukan sebelumnya ke dalam bentuk yang sebenarnya. Pada
tahap ini dilakukan beberapa kegiatan seperti menyiapkan perangkat keras,
perangkat lunak, dan basis data serta melakukan kodifikasi.
System Development Life Cycle (SDLC)
Salah satu metode pengembangan sistem yang biasa digunakan yaitu system
development life cycle (SDLC). Metode SDLC banyak dipilih oleh peneliti karena
merupakan metode pengembangan sistem yang komprehensif. Metode SDLC
terdiri atas 5 tahap, yaitu:
1. Perencanaan Sistem
Tahap ini bertujuan untuk mengidentifikasi permasalahan dan
mengidentifikasi solusi yang tepat untuk dijalankan oleh sistem komputer dalam
proses pemecahan permasalahan yang terjadi. Langkah yang dilakukan pada tahap
ini terdiri atas identifikasi permasalahan, identifikasi alternatif solusi, dan
identifikasi tujuan sistem.
2. Analisis Sistem
Tahapan ini bertujuan untuk menganalisis kebutuhan-kebutuhan strategis
dalam merancang sistem yang baru berdasarkan sistem lama yang telah dijalankan
oleh suatu perusahaan.
3. Desain Sistem
Tahapan SDLC yang ketiga adalah proses menentukan sistem baru yang
meliputi data input, output sistem, desain database, konfigurasi, dan metode untuk
memecahkan masalah serta akan menghasilkan spesifikasi sistem yang akan
dibangun.
4.

Implementasi Sistem
Pada tahapan ini dihasilkan analisis model, analisis fungsi model yang
digunakan, serta dokumentasi pengguna. Untuk mengimplementasikan sistem,
spesifikasi sistem yang telah dibuat dikodekan dan diuji.
5. Evaluasi Sistem
Pada tahapan evaluasi sistem dilakukan evaluasi terhadap hasil software yang
telah dibangun. Fokus pada tahapan ini mencakup kegiatan pemantauan saat
dilakukan evaluasi atau pengujian sistem. Dengan demikian, pengguna akan
mengevaluasi bagaimana performansi sistem baik dari tampilan sistem,
kemudahan penggunaan, maupun dari sisi informasi yang telah disediakan.
Studi Terdahulu
Sari (2007) telah meneliti dan merancang software perencanaan produksi
krisan potong dengan menerapkan metode kuantitatif time series (exponential
smoothing dan moving average) untuk teknik peramalan. Ningsih (2004) telah
meneliti peramalan permintaan beberapa komoditi sayuran pada PT. Saung
Mirwan menggunakan metode kuantitatif time series dengan berbagai macam

12
teknik peramalan yang menunjukkan hasil bahwa metode terbaik adalah ARIMA.
Susanti (2006) juga telah melakukan penelitian dengan topik peramalan
permintaan cabai merah di Kramat Jati menggunakan metode kuantitatif time
series dengan teknik peramalan ARIMA. Elvira (2011) telah meneliti dan
membangun sistem informasi peramalan permintaan barang dengan metode Box –
Jenkins atau ARIMA. Istiqomah (2006) telah meneliti penerapan model ARIMA
untuk memprediksi produksi gula pada PT. Perkebunan Nusantara IX (Persero).
Perbedaan penelitian yang dilakukan dengan penelitian-penelitian tersebut
adalah peramalan permintaan yang dilakukan menggunakan analisis peramalan
ARIMA dan Trend Analysis dengan obyek penelitian beberapa komoditi sayuran
di Parung Farm yaitu bayam, caisim, kangkung, dan pak choi. Selain itu pada
penelitian ini dilakukan perancangan prototipe software perencanaan produksi
komoditi sayuran bayam, caisim, kangkung, dan pak choi.

METODE
Lokasi dan Waktu
Penelitian ini dilaksanakan pada bulan Maret 2012 hingga bulan
Nopember 2012 di Parung Farm, Bogor, Jawa Barat.
Alat dan Bahan
Alat
Alat yang digunakan pada penelitian ini tersaji pada Tabel 1 berikut ini :
Tabel 1 Alat yang digunakan pada penelitian
Alat Bantu
Personal
(PC)

Fungsi
Spesifikasi Alat
Computer Sebagai
perangkat - Kecepatan minimal
untuk menjalankan prosessor minimal 2.0
Ghz
software
- Kapasitas memori RAM
minimal 512 MB
- Operating System (OS)
Windows 7
Minitab
Sebagai
software
- Minitab versi 16
- Dilengkapi fungsi
untuk
peramalan
model ARIMA dan
analisis ARIMA dan
trend analysis
trend analysis
Mozilla Firefox
Sebagai browser
Mozilla Firefox versi

13

Adobe Dreamweaver

Microsoft Visio
XAMMP
- MySQL
- Apache
Microsoft Excel

1.7.6
editor Adobe Dreamweaver CS5

Sebagai
Hypertext
Prepocessor (PHP)
Sebagai
alat
pembuatan ER-D
Sebagai alat untuk
DBMS
Sebagai server local
Sebagai
pengolah
data mentah

Microsoft Visio versi
2010
- XAMMP versi 1.7.3
- Terdapat fitur MySQL
dan Apache
- Microsoft Excel 2007

Bahan
Bahan yang digunakan untuk membangun software ini adalah data
permintaan dari bulan Maret 2011 hingga bulan April 2012. Data historis yang
tersedia di Parung Farm sangat sulit untuk didapatkan dikarenakan alasan
keamanan perusahaan, sehingga data yang digunakan pada penelitian mencakup
data selama 14 bulan. Selain itu bahan yang digunakan adalah informasi
operasional produksi sayuran (bayam hijau, caisim, kangkung, dan pak choi).
Metode Penelitian
Adapun metode penelitian untuk pengembangan software perencanaan
produksi SIMPro PF 1.0. terdapat pada Gambar 6. Penelitian ini terdiri atas
kegiatan investigasi sistem, analisis sistem, desain sistem, implementasi sistem,
dan evaluasi sistem. Uraian singkat masing-masing tahapan metode penelitian
adalah sebagai berikut :
Investigasi sistem
Pada tahap ini berupa identifikasi masalah beserta solusinya dan studi
kelayakan. Identifikasi masalah berkaitan dengan pemenuhan permintaan
konsumen untuk sayuran bayam, caisim, kangkung, dan pak choi yang menjadi
kewenangan bagian produksi. Selain itu pada tahap ini dilakukan pengumpulan
data dan informasi untuk pengembangan software perencanaan produksi SIMPro
PF 1.0. Data dan informasi yang dikumpulkan didasarkan atas kebutuhan user
(pengguna) dan kebutuhan fungsional yang dilanjutkan dengan menganalisis data
dan informasi tersebut. Pengguna dari software ini adalah karyawan Parung Farm
yang membutuhkan informasi proses produksi, terutama dalam hal ini manager
produksi dan stafnya.
Adapun studi kelayakan yang dilakukan ada dua yaitu studi kelayakan
teknis dan studi kelayakan operasional. Studi kelayakan teknis dikaji berdasarkan
kesiapan pihak Parung Farm dalam memenuhi perangkat keras, perangkat lunak,
dan komponen lainnya untuk menunjang berfungsinya software. Studi kelayakan
operational dikaji berdasarkan kemudahan user dalam melakukan penggunaan
software di lingkungan Parung Farm.

14
Analisis sistem
Tahapan ini bertujuan untuk menganalisis kebutuhan-kebutuhan strategis
dalam merancang sistem yang baru berdasarkan sistem lama yang telah dijalankan
oleh Parung Farm. Kebutuhan strategis yang cukup penting dalam membangun
software yaitu menentukan model prediksi terbaik untuk bayam, caisim,
kangkung, dan pak choi. Model prediksi terbaik dianalisis dan dihasilkan dengan
menggunakan software Minitab 16 yang biasa digunakan dalam keilmuan
statistika. Proses menentukan model prediksi atau disebut dengan proses
peramalan terdiri atas tahap pendefinisian masalah, pengumpulan data, analisis
data, seleksi model dan fitting, validasi model, peramalan model, dan monitoring
performa model peramalan.
Pendefinisian masalah dan pengumpulan data merupakan bagian dari tahap
pertama metode SDLC yaitu investigasi sistem. Pada tahap analisis data dilakukan
pengkajian terhadap pola data yang terbentuk dari data historis permintaan
sayuran. Setelah diketahui dan dianalisis pola data yang terbentuk kemudian
dilakukan seleksi model menggunakan Minitab 16. Jenis metode peramalan yang
digunakan yaitu metode peramalan kuantitatif Autoregressive Integrated Moving
Average (ARIMA) untuk periode harian dan mingguan. Sedangkan untuk periode
bulanan digunakan metode peramalan kuantitatif trend analysis. Model peramalan
permintaan harian dan mingguan yang dihasilkan selanjutnya akan diuji berupa uji
nilai Final Estimates Parameter (SMA/AR/MA), uji nilai SS dan MS, dan uji nilai
Modified Box-Pierce (P-Value). Sedangkan model peramalan permintaan bulanan
dilakukan uji nilai MAPE (Mean Absolute Percentage Error), MSD (Mean
Squared Deviation), dan MAD (Mean Absolute Deviation).
Desain sistem
Tahapan SDLC yang ketiga merupakan proses inti dalam membangun
software. Tahap ini terdiri atas beberapa kegiatan, antara lain:
1. Perancangan basis data (database)
2. Perancangan konseptual
3. Perancangan logis
4. Perancangan fisik
5. Perancangan user interface dan kodifikasi
Langkah inti dari perancangan aplikasi/software terdapat pada bagian
kodifikasi. Tahap ini mencakup kegiatan strukturisasi dan pengolahan kode.
Pengolahan kode dilakukan dengan menggunakan Adobe Dreamweaver CS5.
Implementasi sistem
Pada tahapan ini dilakukan proses inti untuk pembuatan prototipe (contoh
aplikasi). Prototipe dibuat agar sistem dapat diujicobakan pada pengguna untuk
mengetahui sejauh mana penggunaan aplikasi dalam menyelesaikan permasalahan
yang dihadapi oleh user (pengguna).
Evaluasi sistem
Dalam hal ini sistem yang akan dibangun adalah prototipe awal, maka
fokus pada tahapan ini hanya mencakup kegiatan pemantauan ketika dilakukan
evaluasi atau pengujian sistem. Dengan demikian, pengguna akan mengevaluasi
bagaimana performa sistem baik dari tampilan sistem, kemudahan penggunaan,

15
maupun dari sisi informasi yang telah disediakan. Pengujian sistem akan
dilakukan dengan menggunakan metode “kotak hitam” atau “black box” yaitu
dengan melihat hubungan/kesesuaian data input dan output (luaran) prototipe
sistem SIMPro PF 1.0.

Gambar 6 Tahapan penelitian

HASIL DAN PEMBAHASAN
Investigasi Sistem
Tahapan investigasi menghasilkan perumusan permasalahan beserta alternatif
solusinya dan studi kelayakan. Studi kelayakan yang dilakukan adalah studi
kelayakan teknis dan studi kelayakan operasional.
1. Perumusan permasalahan dan alternatif solusi
Dari hasil pengamatan di Parung Farm, permasalahan yang terjadi terdapat
pada bagian produksi Parung Farm. Pokok permasalahan yang terjadi adalah
proses penentuan kuantitas jumlah produk sayuran yang akan diproduksi untuk
periode harian, mingguan maupun bulanan tidak berdasarkan data historis
permintaan pada periode terkait dari masa lalu, melainkan dilakukan berdasarkan
pandangan subyektif seorang manager produksi. Hal ini dapat mengakibatkan

16
terjadinya kekurangan produk dan atau kelebihan produk sayuran pada proses
pemasokan ke mitra perusahaan.
Solusi yang ditawarkan yaitu dengan merancang software perencanaan
produksi bernama SIMPro PF 1.0. Software ini memiliki dua fungsi utama yaitu
memprediksi angka permintaan periode harian, mingguan, dan bulanan dan
memberikan informasi sarana produksi yang harus disiapkan untuk memenuhi
prediksi permintaan tersebut.
2. Studi kelayakan
a. Studi kelayakan teknis
Secara teknis sistem ini layak untuk dikembangkan karena fasilitas yang ada
di Parung Farm mampu mendukung berjalannya sistem tersebut. Sistem ini secara
khusus dirancang untuk PC stand alone dengan pertimbangan perusahaan belum
mempunyai fasilitas yang cukup memadai untuk mendukung perancangan sistem
selain PC stand alone. Salah satu kekurangan fasilitas di Parung Farm yaitu
fasilitas komputer yang masih terbatas hanya di beberapa bagian. Fasilitas
komputer hanya untuk pencatatan permintaan pasar.
b. Studi kelayakan operasional
Jika ditinjau dari sisi operasional, software perencanaan produksi ini layak
untuk dikembangkan karena adanya manajer produksi dan staf operasional
produksi yang memiliki tingkat pendidikan sarjana dan memiliki kemampuan
untuk menjalankannya. Penggunaan software ini dapat difungsikan dengan baik
oleh staf operasional produksi lainnya karena ditunjang melalui pelatihan yang
direncanakan dilangsungkan dua kali pertemuan. Penggunaannya mudah untuk
dilakukan seperti dalam hal instalasi dan set up aplikasi maupun cara
pengoperasiannya. Sistem yang dikembangkan ini mudah untuk diperbaharui dan
mudah untuk dilakukan pemeliharaannya di kemudian hari.
c. Studi kelayakan ekonomis
Studi kelayakan ekonomis tidak dilakukan karena pengembangan sistem
belum memungkinkan untuk dilakukan studi kelayakan dari sisi ekonomis.
Analisis Sistem
Tahap kedua dalam pengembangan sistem software SIMPro PF 1.0 adalah
analisis sistem. Analisis yang dimaksud bertujuan untuk mengetahui
pengembangan sistem yang akan dibangun sesuai dengan kebutuhan fungsional
pengguna, dalam hal ini manajer produksi Parung Farm. Kebutuhan fungsional
sistem ini meliputi bagian pemasaran (permintaan terpenuhi dengan baik), bagian
produksi (kebutuhan sarana produksi terpenuhi dengan baik dan efisien), dan
bagian keuangan (neraca biaya dapat dikelola dengan baik). Ada dua hal yang
menjadi kebutuhan strategis dalam pengembangan software agar mampu
memprediksi angka permintaan dan sarana produksi yang dibutuhkan di masa
yang akan datang yaitu pertama, peramalan permintaan sayuran (bayam, caisim,
kangkung, pak choi) periode harian, mingguan, dan bulanan. Kedua, kebutuhan
sarana produksi yang diperlukan dalam memenuhi jumlah permintaan konsumen.

17
1.

Peramalan permintaan sayuran harian, mingguan, dan bulanan
Tahap awal pada proses peramalan sebagimana dinyatakan oleh Montgomery
(2008) adalah definisi masalah dan pengumpulan data. Permasalahan telah
diuraikan pada bagian investigasi sistem berikut solusi yang ditawarkan untuk
menyelesaikan masalah tersebut. Adapun hasilnya sesuai tahap investigasi sistem,
maka dibutuhkan sebuah software dengan fungsi yang terwadahi oleh SIMPro PF
1.0 sebagaimana dijelaskan di bagian tujuan. Pada tahap pengumpulan data
diperoleh data historis permintaan berbagai jenis sayuran tiap hari dari bulan
Maret 2011 hingga bulan April 2012. Pada proses pengumpulan data ditemukan
beberapa kendala yang muncul dari pihak Parung Farm sendiri. Kendala tersebut
berupa kerahasiaan data permintaan dari pihak Parung Farm yang tidak
memperbolehkan pihak luar untuk mengakses data permintaan sebelum tahun
2011. Sehingga data permintaan yang diperoleh hanya data permintaan selama 14
bulan (Maret 2011 – April 2012).
Langkah ketiga yaitu analisis data. Langkah pertama adalah menganalisis
syarat penggunaan data runtun waktu (time series). Syarat pertama penggunaan
data time series berupa ketersediaan data telah terpenuhi dengan baik, yaitu
tersedianya data dari bulan Maret 2011 hingga April 2012. Syarat kedua
penggunaan data time series juga terpenuhi, yakni bahwa trend pola data
diprediksi memiliki kesamaan antara trend pola data masa lampau dengan trend
pola data masa yang akan datang. Kedua syarat ini menunjukkan bukti bahwa data
tersebut layak untuk digunakan. Selanjutnya, data dianalisis berupa data historis
permintaan jenis sayuran Parung Farm dengan tingkat permintaan diatas rata-rata
permintaan jenis sayuran lainnya. Jenis sayuran dengan angka permintaan yang
relatif tinggi dibandingkan dengan permintaan jenis sayuran lainnya antara lain
bayam, caisim, kangkung, dan pak choi. Data historis permintaan yang telah
diolah dan diklasifikasikan dalam periode harian, mingguan, dan bulanan akan
membentuk pola data masing-masing. Adapun rincian data historis permintaan
sayuran (bayam, caisim, kangkung, pak choi) periode harian, mingguan, dan
bulanan dapat dilihat pada Lampiran 1, Lampiran 2, dan Lampiran 3.
Pola data yang terbentuk dalam sebuah grafik dapat menunjukkan tipe pola
data permintaan konsumen dari waktu ke waktu. Pola data permintaan sayuran
bayam, caisim, kangkung, dan pak choi untuk periode harian, mingguan, dan
bulanan dapat dilihat pada Gambar 7, Gambar 8, dan Gambar 9.

18

Pola data permintaan sayuran periode harian
2000
1500
Angka
permintaan 1000
(ikat)
500

Pak Choi
Kangkung
Caisim
Bayam
1
29
57
85
113
141
169
197
225
253
281
309
337
365
393

0
Hari ke-n

Gambar 7 Pola data permintaan sayuran (bayam, caisim, kangkung, pak
choi) periode harian

Pola data permintaan sayuran periode mingguan
(minggu ke-1 s/d ke-20)
Angka
permintaan
(ikat)

3000
2500
2000
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Minggu
Caisim

Pak Choi

Bayam

Kangkung

Gambar 8 Pola data permintaan produk sayuran (bayam, caisim, kangkung,
pak choi) periode mingguan

19
Pola data permintaan sayuran periode bulanan (Maret
2011-April 2012)
30000
25000
20000
Angka
Permintaan 15000
(ikat)
10000
5000
0

Pak Choi
Kangkung

Mar-'11
Apr-'11
Mei-'11
Jun-'11
Jul-'11
Ags-'11
Sep-'11
Okt-'11
Nop-'11
Des-'11
Jan-'12
Feb-'12
Mar-'12
Apr-'12

Caisim
Bayam

Gambar 9 Pola data permintaan produk sayuran (bayam, caisim, kangkung, pak
choi) periode bulanan
Hasil identifikasi menunjukkan bahwa pola data permintaan sayuran
periode harian dan mingguan berbentuk pola musiman. Hal ini dapat dilihat pada
Gambar 7, awalnya menunjukkan peningkatan permintaan kemudian terdapat
penurunan pada hari ke-31. Setelah itu kemudian mengalami peningkatan dan
diikuti penurunan kembali pada hari ke-60, kejadian ini terjadi begitu dan
seterusnya hingga hari ke-391. Hal ini dapat diduga akan terjadi begitu dan
seterusnya membentuk pola musiman. Hal menarik yang terjadi yaitu terjadinya
penurunan angka permintaan dari bulan Maret 2012 ke bulan April 2012 pada
semua jenis sayuran (bayam, caisim, kangkung, pak choi). Meskipun data
permintaan bulan Maret 2011 – April 2012 menunjukkan permintaan sayuran
yang fluktuatif, namun penurunan yang terjadi dari bulan Maret 2012 ke bulan
April 2012 cukup signifikan seperti penurunan permintaan berikut, antara lain
caisim sebesar 1879 ikat, pak choi 1067 ikat, bayam 3604 ikat, dan kangkung
3173 ikat. Penurunan angka permintaan ini dimungkinkan terjadi akibat faktor
eksternal berupa kebijakan jumlah pasokan sayuran yang diminta oleh mitra
Parung Farm. Hal ini sangat dimungkinkan terjadi apabila kondisi ekonomi secara
nasional mengalami permasalahan yang serius sehingga berpengaruh terhadap
perusahaan-perusahaan terkait. Selain itu faktor eksternal lainnya seperti krisis
keuangan global dan konflik.
Hal yang sama terjadi pada pola data permintaan mingguan yang dapat
dilihat pada Gambar 8, terdapat penurunan angka permintaan yang berulang pada
minggu ke-6, minggu ke-11, dan minggu ke-16 yang diikuti oleh peningkatan
setelah terjadinya penurunan. Pola yang terjadi pada permintaan sayuran periode
harian dan mingguan seperti ini seringkali terjadi disebabkan oleh faktor internal
perusahaan dan atau faktor eksternal. Faktor internal merupakan faktor yang dapat
dikendalikan seperti keberlangsungan produksi, suhu, sarana produksi, dan lainlain. Sedangkan faktor eksternal yang tidak dapat dikendalikan muncul dari luar
perusahaan. Contoh faktor eksternal antara lain krisis keuangan global, konflik,
dan kebijakan mitra perusahaan itu sendiri. Pola data permintaan bulanan
menunjukkan pola trend atau relatif mengalami peningkatan seiring berjalannya
waktu. Pola seperti ini menunjukkan hal yang positif bagi kemajuan perusahaan

20
karena permintaan konsumen cenderung stabil bahkan meningkat dari waktu ke
waktu.
Berdasarkan pola data permintaan sa