BAB VI ANALISIS PEMECAHAN MASALAH
6.1. Analisis Hasil Peramalan
Peramalan permintaan merupakan tingkat permintaan terhadap produk yang diprediksi untuk jangka waktu tertentu pada masa yang akan datang.
Perhitungan peramalan permintaan dalam penelitian ini digunakan untuk menghitung jumlah produksi CPO untuk 12 periode yang akan datang. Input
untuk peramalan permintaan adalah data permintaan produk CPO untuk tahun 2015. Dari scatter diagram yang diperoleh, maka dilakukan perhitungan
parameter-parameter peramalan. Berdasarkan pemilihan metode terbaik berdasarkan SEE terkecil maka metode yang digunakan untuk meramalkan
periode-periode berikutnya adalah metode siklis dengan nilai SEE sebesar 216.434,11. Dengan melakukan verifikasi peramalan untuk model peramalan
siklis, tidak diperoleh adanya data yang out of control sehingga persamaan peramalan metode siklis sudah representatif terhadap data yang digunakan untuk
meramalkan permintaan 2016.
6.2. Analisis Perencanaan Produksi
Hasil perencanaan produksi dengan menggunakan Goal Programming untuk perencanaan produksi periode tahun 2016 dapat dilihat pada Tabel 6.1.
berikut ini
Universitas Sumatera Utara
Tabel 6.1. Hasil Solusi Optimum Goal Programming
Bulan Keputusan
Produksi CPO Kg
Variabel Keputusan
Jumlah Bahan Baku
TBS Kg
Variabel Keputusan
Pembelian Bahan Baku
TBS Kg
Total Bahan Baku TBS
Kg
Januari 4.522.173
13.541.894 6.009.224
19.551.118 Februari
4.230.823 13.405.875
4.838.294 18.244.169
Maret 4.190.758
13.206.823 4.872.374
18.079.197 April
4.588.251 13.662.857
6.234.160 19.897.017
Mei 5.029.643
13.382.709 8.456.819
21.839.528 Juni
5.563.369 13.377.689
10.571.383 23.949.072
Juli 5.998.152
13.587.688 12.412.106
25.999.794 Agustus
6.296.875 13.666.744
13.482.716 27.149.460
September 6.340.001
13.723.208 13.651.580
27.374.788 Oktober
6.160.233 13.653.299
13.072.224 26.725.523
November 5.718.842
13.540.465 11.227.148
24.767.613 Desember
5.185.116 13.670.064
8.737.523 22.407.587
Hasil dari Goal Programming dengan menggunakan bantuan program komputer LINDO memberikan informasi mengenai penyelesaian optimal yaitu
nilai fungsi tujuan, nilai variabel keputusan, nilai variabel deviasional, nilai reduce cost
, nilai slack dan surplus. Berdasarkan hasil optimal yang diperoleh melalui Goal Programming yang dapat dilihat pada Tabel 6.1., selisih peramalan
dengan hasil optimasi perencanaan produksi Goal Programming dapat dilihat pada Tabel 6.2. berikut ini.
Universitas Sumatera Utara
Tabel 6.2. Selisih Peramalan dengan Hasil Optimasi Perencanaan Produksi Goal Programming Tahun 2016
Variabel Keputusan
Jumlah Produksi CPO
Peramalan Kg
Perencanaan Produksi
Kg Selisih
Kg Persentase
Pencapaian
Januari 4.702.065,62
4.522.173 179892,62
96 Februari
4.399.124,97 4.230.823
168301,97 96
Maret 4.357.466,27
4.190.758 166708,27
96 April
4.588.251,94 4.588.251
100 Mei
5.029.643,15 5.029.643
100 Juni
5.563.369,47 5.563.369
100 Juli
6.046.419,38 5.998.152
48267,38 99
Agustus 6.349.360,03
6.296.875 52485,03
99 September
6.391.018,73 6.340.001
51017,73 99
Oktober 6.160.233,06
6.160.233 100
November 5.718.841,85
5.718.842 100
Desember 5.185.115,53
5.185.116 100
Tabel 6.2. menunjukkan sasaran perusahaan dalam pemenuhan permintaan CPO tercapai pada variabel keputusan untuk bulan April, Mei, Juni, Oktober,
November, dan Desember. Jumlah produksi yang direncanakan dengan menggunakan goal programming sama dengan jumlah permintaan yang
diramalkan. Adanya beberapa variabel keputusan yang tidak tercapai dikarenakan oleh adanya keterbatasan kendala sumber daya modal maupun ketersediaan bahan
baku yang dimiliki oleh perusahaan.
Universitas Sumatera Utara
6.3. Analisis Penggunaan Bahan Baku