Optimasi Perencanaan Produksi Dengan Menggunakan Metode Goal Programming Pada PT. Sentaplas

DAFTAR PUSTAKA

Fogarty, W. Donald, Blackstone, John H. dan Hoffmann, Thomas. R. 1991.

Production & Inventory Mangement. Ohio: South-Western Publishing. Ginting, Rosnani. 2007. Sistem Produksi. Yogyakarta: Graha Ilmu.

Nyoman, I Pujawan. 2005. Supply Chain Management. Surabaya: Penerbit Guna Widya

Porter, Michael E. 1985. Competitive Advantage Creating and Sustaining Superior Performance. U.S.A: Simon & Schuster Inc.

Riggs, James. 1981. Production System: Planning Analysis and Control. John Wiley & Sons, Inc: New York.

BAB III

LANDASAN TEORI

3.1. Perencanaan Produksi1

Titik berat dari perencanaan produk adalah kepada produk apa, produk yang bagaimana dan berapa yang akan dapat diproduksikan oleh perusahaan. 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 tersebut.

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.

1

Agus Ahyari. Manajemen Produksi: Perencanaan Sistem Produksi.2002. Yogyakarta: BPFE. 13-14

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.

3.1.1. 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.

3.1.2. Karakteristik Perencanaan Produksi

Pengendalian produksi dilakukan dengan tujuan mendapatkan hasil yang sesuai dengan apa yang direncanakan, baik mengenai jumlah, kualitas, harga maupun waktunya. Menurut Agus Ahyari (1992,) 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

3.1.3. Sifat-Sifat Perencanaan Produksi2

1. Berjangka Waktu

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

2

Arman Hakim Nasution. Perencanaan dan Pengendalian Produksi. 1999. Jakarta.: PT. Candimas Metropole. Hal 12-15.

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 b. Perencanaan produksi jangka menengah c. Perencanaan produksi jangka pendek

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 mempunyai horizon perencanaan antara 1 sampai 12 bulan, dan dikembangkan berdasarkan kerangka yang telah ditetapkan pada perencanaan produksi jangka panjang. Perencanaan jangka menengah didasarkan pada peramalan permintaan tahunan dari bulan dan sumber daya produktif yang ada (jumlah tenaga kerja, tingkat persediaan, biaya produksi, jumlah suplier dan sub kontraktor), dengan asumsi kapasitas produksi relatif tetap.

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

Perencanaan produksi akan melibatkan banyak faktor, seperti bahan baku, mesin/ peralatan, tenaga kerja, dan waktu, dimana ke semua faktor tersebut harus sesuai dengan kebutuhan yang direncanakan dalam mencapai target produksi tertentu yang didasarkan atas perkiraan. Masing-masing faktor tersebut tidak harus direncanakan sendiri-sendiri sesuai dengan keterbatasan yang ada pada masing-masing faktor yang dimiliki perusahaan, tetapi rencana tersebut harus dibuat dengan mengacu pada satu rencana terpadu untuk produksi. Rencana produksi tersebut juga harus terkait dengan rencana produksi, seperti pemeliharaan, rencana tenaga kerja, rencana pengadaan material, dan sebagainya. Keterpaduan ini tidak hanya secara horizontal saja, tetapi juga secara vertikal. Hal ini berarti rencana jangka pendek harus mengacu pada rencana jangka menengah harus terpadu dengan rencana jangka panjang, demikian juga sebaliknya.

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

Selama pelaksanaan produksi, realisasi dari rencana produksi akan selalu dimonitori untuk mengetahui apakah terjadi penyimpangan dari rencana yang telah ditetapkan. Untuk mengetahui ada tidaknya penyimpangan, maka rencana produksi harus menetapkan suatu nilai yang dapat diukur, sehingga dapat digunakan sebagai dasar untuk menetapkan ada tidaknya penyimpangan. Nilai-nilai tersebut dapat berupa target produksi dan jika dalam realisasinya tidak memenuhi target produksi, maka kita dengan mudah dapat mengukur berapa besar penyimpangan menyusun rencana berikutnya.

6. Realistis

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 recana 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.

7. 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.

8. Menantang

Meskipun rencana produksi harus dibuat serealistis mungkin, hal ini bukan berarti rencana produksi harus menetapkan target yang dengan mudah dapat dicapai dengan usaha yang sungguh-sungguh.

3.2 Optimasi Produksi

Optimasi adalah tindakan untuk memperoleh hasil yang terbaik dengan keadaan yang diberikan. Dalam desain, konstruksi, dan pemeliharaan dari sistem teknik, insinyur harus mengambil beberapa teknologi dan keputusan manajerial

dalam beberapa tahap. Tujuan akhir dari semua keputusan seperti itu adalah meminimalkan upaya yang diperlukan atau untuk memaksimalkan manfaat yang diinginkan. Usaha yang diperlukan atau manfaat uang diinginkan dalam prakteknya dapat dinyatakan sebagai fungsi dari variabel keputusan tertentu. Optimasi dapat didefinisikan sebagai proses untuk mendapatkan keadaan yang memberikan nilai maksimum atau minimum dari suatu fungsi. 3

3.3. Goal Programming

Optimasi produksi adalah penggunaan faktor-faktor produksi yang terbatas seefisien mungkin. Faktor-faktor produksi tersebut adalah modal, mesin, peralatan, bahan baku, bahan pembantu, tenaga kerja, dan lain sebagainya. Optimasi produksi diperlukan perusahaan dalam rangka mengoptimalkan sumberdaya yang digunakan agar suatu produksi dapat menghasilkan produk.Optimasi merupakan pendekatan normatif dengan mengidentifikasi penyelesaian terbaik dari suatu permasalahan yang diarahkan pada titik maksimum atau minimum suatu fungsi tujuan dalam kuantitas dan kualitas yang diharapkan, sehingga perusahaan dapat mencapai tujuannya.

4

Goal Programming merupakan suatu teknik penyelesaian problema

pengambilan keputusan yang melibatkan jamak sasaran.. Pendekatan dasar yang digunakan dalam goal programming adalah meminimalkan deviasi antara sasaran yang ditetapkan dan usaha yang akan dilakukan dalam suatu himpunan kendala

3

Singiresu S Rao, Engineering Optimization : Theory and Practice, 3rd Edition,( New Jersey :John Wiley and Sons:, 2009) h. 1 dan 3.

4

sistem. Dengan demikian, model program sasaran hanya melibatkan problema meminimalkan.

Dalam goal programming selalu diterapkan dalam problema pengambilan keputusan untuk alokasi sumber daya, perencanaa dan penjadwalan, dan analisis kebijaksanaan, baik di tingkat perusahan publik atau instansi pemerintah maupun lembaga sosial nonkomersial, seperti perencanaan sumber daya manusia (tenaga kerja), perencanaa produksi dan pengendalian inventory, analisis kebijakan ekonomi, logistik transportasi dan lain-lainnya.

Model Goal Programming merupakan perluasan dari model pemrogaman linier, sehingga seluruh asumsi, notasi formulasi model matematis, prosedur perumusan model dan penyelesaiannya tidak berbeda. Perbedaannya hanya terletak pada kehadiran sepasang variabel deviasioanal yang akan muncul difungsi tujuan dan fungsi-fungsi kendala. Goal Programming adalah salah satu model matematis (empiris) yang dipakai sebagai dasar dalam pengambilan keputusan dan karenanya pendekatan Goal Programming ini disebut dengan pendekatan kuantitatif. Goal Programming dipakai untuk menjawab berbagai masalah yang pemecahannya sesuai dengan menggunakan Goal Programming daripada menggunakan teknik lainnya.

Metode goal programming telah banyak diterapkan dalam penelitian-penelitian terdahulu sebagai solusi pemecahan masalah dalam pengambilan masalah multi sasaran. Boppana Chowdary & Jannes Slomp (2002), dalam paper “Production Planning Under Dynamic Product Enviroment : A Multi-objective

diterapkan secara efektif dalam perencanaan produksi, karena metode goal programming potensial untuk menyelesaikan aspek-aspek yang bertentangan antara elemen-elemen dalam perencanaan produksi, yaitu konsumen, produk, dan proses manufaktur. Metode goal programming juga efektif bila digunakan untuk menentukan kombinasi produk yang optimal dan sekaligus mencapai sasaran-sasaran yang diinginkan perusahaan.

3.3.1. Model dan Perumusan Goal Programming

Model umum dari program tujuan ganda (tanpa faktor prioritas di dalam strukturnya) adalah sebagai berikut:

Untuk menentukan nilai variabel keputusan X dilakukan dengan meminimumkan fungsi linear variabel simpangan. Selanjutnya perumusan fungsi pencapaian dilakukan dengan menggabungkan setiap tujuan yang berbentuk minimasi variabel simpangan sesuai tujuan prioritas (Mulyono,2007).

Beberapa asumsi dasar yang diperhatikan dalam goal programming adalah:5

5

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

1. Proportionality

Sebelum membuat suatu model progam linier perlu diketahui bahwa suatu sistem Linier Programming diketahui yaitu input, output dan aktivitas. Sebelum aktivitas dimulai, diperlukan beberapa input. Input yang digunakan bertambah secara proporsionil (sebanding) dengan pertambahan aktivitas.

2. Accountability For Resources

Sumber-sumber yang tersedia harus dihitung sehingga dapat dipastikan berapa bagian yang terpakai dan berapa bagian yang tdak terpakai.

3. Linearity of objectives

Fungsi tujuan dan faktor-faktor pembatasnya harus dapat dinyatakan sebagai fungsi linier programming.

4. Deterministik

Asumsi ini menghendaki agar semua parameter tetap dan diketahui atau ditentukan secara pasti

3.3.2. Bentuk Umum Goal Programming

Bentuk umum goal programming misalnya6

6

Siswanto, Operations Research, Jilid I, (Jakarta: Erlangga, 2006)h. 347-348

: Z = C1X1 + C2X2 + C3X3 + …. + CiXi

ST : a1X1 + a2X2 + a3X3 + …. + aiXi ≤Yi b1X1 + b2X2 + b3X3 + …. + biXi ≤ Di dimana: Z : Fungsi Tujuan

ST : Fungsi Pembatas Xi : Jumlah variabel X Yi : Jumlah variabel Y Di : Jumlah variabel D

Maka, hal ini dapat diselesaikan dengan model Goal Programming

sebagai berikut :

Min Z = P1(d1+ + d1-) + P2 (d2+ + d2-) + …. + Pi (di+ + di-)

ST :

∑�_�=11a1 X1 + di+ + di- Yi

∑�_�=11a1 X1 + di+ + di- Yi

Dimana : Pi = Tujuan-tujuan yang ingin dicapai di+ = Penyimpangan positif

di- = Penyimpangan negatif

3.3.3. Kendala-Kendala Sasaran7

Di dalam Goal Programming dan, Charnes dan Cooper menghadirkan sepasang variable yang dinamakan “variable deviasional” dan berfungsi untuk menampung penyimpangan atau deviasi yang akan terjadi pada nilai ruas kiri suatu persamaan kendala terhadap nilai ruas kanannya. Agar deviasi itu minimum, artinya nilai ruas kiri suatu persamaan kendala “sebisa mungkin” mendekati nilai ruas kanannya maka variable deviasional itu harus diminimumkan di dalam fungsi tujuan. Pemanipulasian model pemrograman linier yang dilakukan oleh Charner dan Cooper telah mengubah makna kendala fungsional. Bila pada model

7

pemrograman linier, kendala-kendala fungsional menjadi pembatas bagi usaha pemaksimuman atau peminimuman fungsi tujuan, maka pada model Goal Programming kendala-kendala itu merupakan sara untuk mewujudkan sasaran yang hendak dicapai. Sasaran-sasaran, dalam hal ini dinyatakan sebagai nilai konstan pada ruas kanan kendala. Sebagai contoh ; sasaran laba, anggaran yang tersedia, resiko investasi, ketersediaan bahan baku, ketersediaan jam kerja, kapasitas produksi dan lain-lain. Mewujudkan suatu sasaran, dengan demikian berarti mengusahakan agar nilai ruas kiri suatu persamaan kendala sama dengan nilai ruas kanannya. Itulah sebabnya kendala-kendala di dalam model Goal Programming selalu berupa persamaan dan dinamakan “kendala sasaran”. Disamping itu, keberadaan sebuah kendala ditandai dengan kehadiran variable deviasional sehingga setiap kendala sasaran pasti memiliki variable deviasional.

3.4.Peramalan

3.4.1. Konsep Dasar dan Pengertian Peramalan

Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuntitas, kualitas, waktu, dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa.

Peramalan permintaan dilakukan sebagai tahap awal dalam perencanaan produksi untuk mengetahui besarnya permintaan di masa depan. Peramalan kuantitatif merupakan salah satu metode peramalan yang dapat digunakan, yaitu dengan menggunakan model matematis dalam mengolah data masa lalu. Ada

beberapa langkah yang dapat dilakukan dalam melakukan peramalan kuantitatif, yaitu :8

1. Penentuan tujuan peramalan 2. Pengembangan model peramalan 3. Pengujian model peramalan yang sesuai 4. Revisi dan evaluasi peramalan

5. Penerapan model yang sesuai

3.4.2. Karakterisitik Peramalan yang Baik9

Peramalan yang baik mempunyai beberapa kriteria penting, antara lain :

1. Akurasi

Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasan dan kekonsistenan peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut terlalu tinggi atau terlalu rendah dibandingkan dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif kecil. Peramalan yang terlalu rendah akan mengakibatkan kekurangan persediaan, sehingga permintaan konsumen tidak dapat dipenuhi segera. Akibatnya perusahaan dimungkinkan kehilangan pelanggan dan kehilangan keuntungan penjualan. Peramalan yang terlalu tinggi akan mengakibatkan terjadinya penumpukan persediaan, sehingga banyak modal yang terserap sia-sia. Keakuratan dari hasil peramalan ini berperan dalam menyeimbangkan persediaan yang ideal.

8

Teguh Baroto, Perencanaan dan Pengendalian Produksi. 2002. Jakarta : Ghalia Indonesia. Hal 26

9

2. Biaya

Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang digunakan. Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa banyak data yang dibutuhkan, bagaimana pengolahan datanya (manual atau komputerisasi), dan bagaimana penyimpanan datanya. Pemilihan metode peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi yang ingin dicapai, misalnya item-item yang penting akan diramalkan dengan metode yang sederhana dan murah.

3. Kemudahan

Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Hal yang percuma memakai metode yang canggih, tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumber daya manusia, maupun peralatan teknologi.

3.4.3. Teknik Peramalan

Peramalan sebenarnya upaya untuk memperkecil resiko yang timbul akibat pengambilan keputusan dalam suatu perencanaan produksi. Semakin besar upaya yang dikeluarkan tentu resiko yang dapat dihindari semakin besar pula.

Teknik peramalan dapat dibedakan dalam dua kategori utama10

a. Peramalan Kualitatif yaitu peramalan yang didasarkan atas kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang

, yaitu :

10

menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya. Biasanya peramalan secara kualitatif ini didasarkan atas hasil penyelidikan. Meskipun demikian, peramalan dengan metode kualitatif tidak berarti hanya menggunakan intuisi, tetapi juga bisa mengikutsertakan model-model statistik sebagai bahan masukan dalam melakukan keputusan, dan dapat dilakukan secara perseorangan maupun kelompok. Metode peramalan kualitatif dapat digolongkan menjadi: Metode Delphi, Dugaan Manajemen, Riset Pasar, Analogi Historis.

b. Peramalan Kuantitatif yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda, adapun yang perlu diperhatikan dari penggunaan metode tersebut adalah baik tidaknya metode yang dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yng terjadi. Metode yang baik adalah metode yang memberikan nilai-nilai perbedaan atau penyimpangan sekecil mungkin. Pada dasarnya terdapat sembilan langkah yang harus diperhatikan untuk menjamin efektivitas dan efisiensi dari sistem peramlan dalam manajemen permintaan, yaitu11

a. Menentukan tujuan peramalan

:

11

Seetharama L Narashiman, dkk. Production Planning and Inventory Control. (USA: Prentice Hall, Inc, 1995), h. 47-58

Tujuan utama dari peramalan dalam manajemen permintaan adalah unutk meramalkan item-item independent demand dimasa yang akan datang untuk mencapai efektivitas dan efisiensi dari manajemen produksi dan inventori dalam industri manufaktur.

b. Memilih item yang akan diramalkan

Memilih item yang akan diramalkan tergantung situasi dan kondisi aktual dari masing-masing industri manufaktur. Item yang dipilih yaitu produk akhir yang merupakan item independent demand.

c. Menentukan horizon peramalan

Penentuan horizon peramlan tergantung pada situasi dan kondisi aktual dari masing-masing industri manufaktur serta tujuan dari peramalan itu sendiri. Horizon peramalan dapat berupa mingguan, bulanan, triwulan, semesteran atau tahunan. Pemilihan interval waktu mingguan dimaksudkan untuk peramalan jangka pendek (short range forecast), Pemilihan interval waktu bulanan dimaksudkan untuk peramalan jangka menengah (mid range forecast) Pemilihan interval waktu triwulan dan tahunan dimaksudkan untuk peramalan jangka panjang (long range forecast).

d. Memilih model peramalan

Permilihan model-model peramalan akan tergantung pada pola data dan horizon waktu peramalan. Model peramalan dikategorikan menjadi tiga yaitu model ektrapolasi, kausal dan pertimbangan. Model ekstrapolasi sering diebut

metode time series. Metode kausal melihat sebab akibat yang mempengaruhi permintaan, dan model pertimbangan merupakan metode peramalan kualitatif.

e. Mengumpulkan dan analisis data

Data yang digunakan untuk peramalan dikumpulkan dan kemudian dianalisis berdasarkan model yang telah dipilih untuk kemudian dilihat parameter-parameter dari model peramalan tersebut.

f. Validasi model peramalan

Validasi model peramalan dilakukan dengan menghitung kesalahan dari setiap model peramalan, dan memilih model peramalan yang memiliki kesalahan paling kecil.

g. Membuat peramalan

Pembuatan peramalan dilakukan dengan menggunakan model peramalan yang telah dipilih

h. Implementasi hasil-hasil peramalan

Implementasi hasil peramalan yaitu menggunakan peramalan untuk diterapkan kepada industri manufaktur.

i. Memantau keandalan hasil peramalan

Memanatau keandalan hasil peramalan dilakukan dengan menggunakan peta kontrol untuk mengetahui apakah metode yang digunakan telah representatif atau tidak untuk digunakan pada peramalan permintaan tersebut.

Metode peramalan kuantitatif dibedakan atas dua bagian, yaitu12

12

Spyros, Makridakis, dkk, Metode dan Aplikasi Peramalan. (Jakarta: Bina Rupa Raksa.2006), h.101-120

1. Metode Time Series, digunakan untuk menganalisa serangkaian data yang merupakan fungsi dari waktu. Metode ini mengasumsikan beberapa pola atau kombinasi pola selalu berulang sepanjang waktu, dan pola dasarnya dapat diidentifikasi semata-mata atas dasar data historis dari serial itu. Ada empat komponen yang mempengaruhi analisis ini, yaitu pola siklis, pola musiman, pola horizontal, dan pola tren. Metode peramalan yang termasuk model time

series terbagi dua, yaitu metode penghalusan (smoothing) dan metode

proyeksi kecendrungan dengan regresi. a. Metode Penghalusan (Smoothing)

Metode Smoothing digunakan untuk mengurangi ketidak-teraturan musiman dari data yang lalu, dengan membuat rata-rata tertimbang dari sederetan data masa lalu. Ketetapan peramalan dengan metode ini akan terdapat pada peramalan jangka pendek, sedangkan untuk peramalan jangka panjang kurang akurat.

Metode Smoothing terdiri dari beberapa jenis, antara lain : metode rata-rata bergerak (moving average) dan metode exponential smoothing. Metode rata-rata bergerak (moving average) terbagi menjadi metode single moving

average (SMA), linear moving average (LMA), dan double moving

average. Metode pemulusan exponential smoothing terbagi menjadi:

1) Pemulusan Eksponensial Tunggal (Single Exponential Smoothing / SES), digunakan untuk data runtut waktu yang mengikuti pola stasioner. Bentuk umum yang digunakan untuk menghitung ramalan adalah:

t t

t Y Y

Yˆ+1=α +(1−α)ˆ

Dimana:

1

ˆ

+ t

Y = nilai ramalan untuk periode berikutnya

α = konstanta pemulusan

Yt = data baru atau nilai Y yg sebenarnya pada periode t

t

Yˆ = nilai pemulusan yang lama atau rata-rata pemulusan hingga periode t-1

2) Pemulusan Eksponensial Ganda: Metode Satu Parameter dari Brown digunakan dalam peramalan data runtut waktu yang mengikuti suatu trend linier. Bentuk umum yang digunakan untuk menghitung ramalan adalah:

S't = α Xt + (1-α) S't-1

S"t= αS't + (1-α) S"t-1

at =S't + (S't + S"t) =2S't-S"t

bt= ( ' '' )

1−α S t−S t

α

Persamaan yang digunakan untuk membuat peramalan pada periode p yang akan datang adalah:

Ft+m =at + bt m

Dimana :

S’t = nilai pemulusan eksponensial

α = konstanta pemulusan

at = perbedaan antara nilai-nilai pemulusan eksponensial

bt = faktor penyesuai tambahan = pengukuran slope suatu kurva

Ft = nilai aktual pada periode t

m = jumlah periode ke depan yang akan diramalkan

Sistem peramalan metode Brown memerlukan S’1 dan S’’1, karena S'2=

α X2 + (1-α) S'1 dan S"2 = αS'2 + (1-α) S"1, pada saat t = 1, nilai S’1

dan S’’1 tidak diketahui, maka dapat digunakan nilai observasi pertama

(X1).

3) Pemulusan Eksponensial Ganda: Metode Dua Parameter dari Holt digunakan dalam peramalan data runtut waktu yang mengikuti suatu

trend linier. Bentuk umum yang digunakan untuk menghitung ramalan adalah:

St = α Xt + (1-α) (St-1 + bt-1)

Persamaan yang digunakan untuk membuat peramalan pada periode p yang akan datang adalah:

Ft+m =St + bt m

Dimana :

St = nilai pemulusan eksponensial

α = konstanta pemulusan untuk data (0 < α < 1)

γ = konstanta pemulusan untuk estimasi trend (0 < γ < 1) Xt = nilai aktual pada periode t

(

− ₋₁

) (

+ 1−

)

₋₁

= _{t t t}

t S S b

bt = estimasi trend

m = jumlah periode ke depan yang akan diramalkan

Sistem peramalan metode Holt memerlukan S1, karena St = α Xt +

(1-α) (St-1 + bt-1), pada saat t = 1, nilai S1 tidak diketahui, maka dapat

digunakan nilai observasi pertama (X1). Untuk estimasi trend pada saat

t = 1, nilai b1 tidak diketahui, maka dapat digunakan selisih nilai

observasi kedua (X2) dengan nilai observasi pertama (X1), yaitu b1 =

X2 – X1.

4) Pemulusan Eksponensial Ganda: Metode Tiga Parameter dari Winter Digunakan dalam peramalan data runtut waktu yang mengikuti suatu pola musiman.

Didasarkan pada tiga persamaan pemulusan, yaitu: untuk unsur stasioner, untuk trend, dan untuk musiman.

Bentuk umum yang digunakan untuk menghitung ramalan adalah: Pemulusan eksponensial (1 )( −1 −1)

−

+ −

+

= t t

L t

t

t A T

S Y

A α α

Estimasi trend Tt =β(At−At−₁)+(1−β)Tt−₁

Estimasi musiman _{t L}

t t

t S

A Y

S =µ +(1−µ) ₋

Persamaan yang digunakan untuk membuat peramalan pada periode p yang akan datang adalah:

p L t t t p

t A T p S

Yˆ₊ =( + ) _{− +}

At = nilai pemulusan eksponensial

α = konstanta pemulusan untuk data (0 < α < 1)

β = konstanta pemulusan untuk estimasi trend (0 < β < 1)

µ = konstanta pemulusan untuk estimasi musiman (0 < µ < 1) Yt = nilai aktual pada periode t

Tt = estimasi trend

St = estimasi musiman

L = panjangnya musim

p = jumlah periode ke depan yang akan diramalkan

Metode ini memerlukan estimasi nilai awal yang akan digunakan untuk mendapatkan nilai pemulusan awal, estimasi trend awal, dan keempat estimasi musiman. Nilai pemulusan awal dapat diestimasi dengan menggunakan nilai aktual awal. Nilai trend awal dapat diestimasi dengan menggunakan nilai 0 (slope persamaan trend yang diperoleh dari data masa masa lalu tidak ada). Nilai estimasi pengaruh musiman awal dengan menggunakan nilai 1 (untuk menghilangkan penaruh musiman dalam data asli Y1  Y1/S1 = Y1/1 = Y1

b. Metode Proyeksi Kecendrungan dengan Regresi

Metode kecenderungan dengan regresi merupakan dasar garis kecenderungan

untuk suatu persamaan, sehingga dengan dasar persamaan tersebut dapat

diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang. Untuk

peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan

tahunan, minimal lima tahun. Namun, semakin banyak data yang dimilki

semakin baik yang diperoleh. Bentuk fungsi dari metode ini dapat berupa

konstan, linier, kuadratis dan eksponensial.

Metode Kausal, metode ini mengasumsikan faktor yang diperkirakan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas. Misalnya, 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 tersebut dan menggunakannya untuk meramalkan nilai dari variabel tidak bebas.

c. Metode Dekomposisi

Metode dekomposisi biasanya mencoba memisahkan tiga komponen terpisah dari pola dasar yang cenderung mencirikan deret data ekonomi dan bisnis. Komponen tersebut adalah faktor trend (kecenderungan), siklus dan musiman. Faktor kecenderungan menggambarkan perilaku data dalam jangka panjang dan dapat meningkat, menurun atau tidak berubah. Faktor siklus menggambarkan baik turunnya ekonomi atau industri tertentu dan sering terdapat pada deret data seperti Produk Bruto Nasional (GNP), indeks produksi industri, permintaan untuk perumahan, penjualan barang industri seperti mobil, harga saham, tingkat obligasi, penawaran uang dan tingkat bunga. Faktor musiman berkaitan dengan fluktuasi periodik dengan panjang konstan yang disebabkan oleh hal-hal seperti temperatur, curah hujan, bulan pada suatu tahun, saat liburan dan kebijaksanaan perusahaan.

Perbedaan antara musiman dan siklus adalah bahwa musiman itu berulang dengan sendirinya pada interval yang tetap seperti tahun, bulan atau minggu, sedangkan faktor siklus mempunyai jangka waktu yang satu ke siklus yang lain.

Dekomposisi mempunyai asumsi bahwa data itu tersusun sebagai berikut: Data = pola + kesalahan

= f(trend, siklus, musiman) + kesalahan

Bentuk fungsional yang pasti dari persamaan dekomposisi bergantung pada metode dekomposisi yang digunakan. Untuk semua metode tersebut proses dekompisisinya adalah serupa dan terdiri atas langkah-langkah sebagai berikut:

1. Pada deret data yang sebenarnya (Xt) hitung rata-rata bergerak yang panjangnya (N) sama dengan panjang musiman. Maksud dari rata-rata bergerak ini adalah menghilangkan unsur musiman dan kerandoman. Merata-ratakan sejumlah periode yang sama dengan panjang pola musiman (misalnya 12 bulan, 4 kuartal atau 7 hari) akan menghilangkan unsur musiman dengan membuat rata-rata dari periode yang musimnya tinggi dan periode yang musimnya rendah. Karena kesalahan random tidak mempunyai pola yang sistematis maka pemerata-rataan ini juga mengurangi kerandoman.

2. Pisahkan rata-rata bergerak N periode (langkah 1 di atas) dari deret data semula untuk memperoleh unsur trend dan siklus

3. Pisahkan faktor musiman dengan menghitung rata-rata untuk tiap periode yang menyusun panjang musiman secara lengkap.

4. Identifikasi bentuk trend yang tepat (linier, eksponensial, dan lain-lain) dan hitung nilainya untuk setiap periode (Tt)

Pisahkan musiman, trend dan siklus dari data asli untuk mendapatkan unsur random yang ada Et.

BAB IV

METODOLOGI PENELITIAN

4.1. Tempat dan Waktu Penelitian

Tempat penelitian dilakukan di PT. Sentaplas yang berlokasi di Jalan Namorambe Gg Penampungan no.8 Kabupaten Deli Serdang. Waktu penelitian dilakukan mulai Mei 2016

4.2. Jenis Penelitian13

4.4. Variabel dan Instrumen Penelitian

Jenis penelitian ini adalah penelitian deskriptif, yaitu penelitian yang bertujuan untuk mencandra atau mendeskripsikan secara sistematik, faktual dan akurat tentang fakta-fakta dan sifat-sifat dari objek atau populasi tertentu.

4.3. Objek Penelitian

Objek penelitin yang diamati adalah produk kantong plastik PP (Poly Propylene) tipe I, tipe II dan tipe III.

14

1. Variabel dependen

Variabel adalah sesuatu yang memiliki nilai yang berbeda-beda atau bervariasi. Nilai dari variabel dapat bersifat kuantitatif atau kualitatif.

Variabel yang digunakan dalam penelitian ini adalah:

13

Sukaria Sinulingga. Metode Penelitian. (Cet I; Medan: USU Press, 2011), h. 24.

14

a. Biaya bahan baku dan biaya bahan penolong menunjukkan biaya yang harus dikeluarkan perusahaan untuk membuat produk.

b. Biaya tenaga kerja untuk menunjukkan jumlah biaya yang dikeluarkan oleh perusahaan untuk gaji tenaga kerja.

c. Biaya listrik menunjukkan biaya yang dikeluarkan perusahaan untuk listrik.

d. Data penjualan, merupakan jumlah produk PP tipe I, PP tipe II dan PP tipe III yang diminta oleh konsumen selama periode 12 bulan terakhir dari januari 2015 sampai dengan Desember 2015

e. Jam kerja regular time dan overtime menunjukkan berapa jam kerja yang digunakan untuk hari kerja regular time dan overtime.

2. Variabel independen

a. Jumlah perencanaan produksi yang optimal menunjukkan banyaknya produk yang diproduksi oleh perusahaan.

4.4.1. Instrumen Penelitian

Instrumen penelitian adalah semua alat yang digunakan untuk mengumpulkan, memeriksa, menyelidiki suatu masalah atau mengumpulkan, mengolah, menganalisa dan menyajikan data-data secara sistematis serta objektif. Instrumen penelitian yang digunakan pada penelitian ini adalah stopwatch.

4.5. Kerangka Berpikir

Penelitian dapat dilaksanakan apabila tersedia sebuah perancangan kerangka berpikir yang baik sehingga langkah-langkah penelitian lebih sistematis. Kerangka berpikir inilah yang merupakan landasan awal dalam melaksanakan penelitian.

Adapun input untuk mencari jumlah perencanaan produksi yang optimal adalah biaya bahan baku, biaya penolong, biaya tenaga kerja dan biaya listrik untuk menghitung biaya produksi. Jumlah penjualan, jam kerja regular time dan

overtime untuk menghitung kemampuan produksi. Sehingga output dari penelitian ini adalah menentukan jumlah perencanaan produksi yang optimal

4.6. Rancangan Penelitian

Perancangan Penelitian merupakan langkah-langkah detail dalam penelitian untuk menghasilkan model yang diinginkan. Penelitian dilaksanakan dengan mengikuti langkah-langkah sebagai berikut:

1. Tahap awal penelitian yaitu studi pendahuluan untuk mengetahui kondisi awal perusahaan, proses produksi plastik, dan informasi pendukung yang diperlukan serta studi literatur tentang metode pemecahan masalah yang digunakan dan teori pendukung lainnya.

2. Tahapan selanjutnya adalah pengumpulan data. Data yang dikumpulkan ada dua jenis yaitu:

a. Data primer, yaitu data yang diperoleh dari pengamatan yang dilakukan secara langsung terhadap kondisi nyata di lantai produksi. Data primer ini meliputi proses pengerjaan dan waktu pengerjaan produk.

b. Data sekunder, yaitu data yang dikumpulkan dengan cara melakukan wawancara atau juga melalui catatan-catatan perusahaan. Data sekunder yang dikumpulkan meliputi:

i. Data jumlah penjualan periode Januari 2015 sampai dengan Desember 2015.

ii. Harga pokok dan harga penjualan produk yang diteliti. iii. Ketersediaan bahan baku

iv. Jam kerja yang tersedia v. Keuntungan produk.

3. Pengolahan data primer dan sekunder yang telah dikumpulkan i. Menentukan tujuan peramalan

ii. Menentukan horizon peramalan dengan peramalan jangka panjang dengan 12 periode

iii. Pembuatan scatter diagram dari data historis 2015 iv. Memilihi metode peramalan

a) Metode kuadratis b) Metode siklis

v. Perhitungan parameter peramalan

a) Metode kuadratis : Y’ = a + bx + cx2 b) Metode siklis : Y'=a+bsin2πt

n + ccos 2πt

vi. Perhitungan SEE (Standard Error of Estimation) sehingga terpilih metode siklis dengan fungsi peramalan pada tipe I

Y’ = 49071,67 – 435,88 sin 2 π x

n + 2001,66 cos 2 π x

n

vii. Menentukan variable keputusan Goal Pragramming viii. Menentukan fungsi kendala

ix. Memformulasikan fungsi sasaran optimasi

x.

Penyelesaian fungsi pencapaian goal programming dengan menggunakan software LINDO (Linier Interactive Discrete Optimizer)

4. Analisis terhadap hasil pengolahan data

5. Kesimpulan dan saran diberikan untuk penelitian.

Rumusan Masalah : Adanya fluktuasi permintaan dan hasil

produksi

Studi Pendahuluan : - Melihat Kondisi Nyata Pabrik - Mengamati Proses Produksi

Studi Literatur : - Mencari Metode Pemecahan Masalah - Mencari Teori Pendukung

Pengumpulan Data

Data Primer : - Proses Pengerjaan Produk

Data Sekunder :

- Data permintaan periode Januari 2015 - Desember 2015

-Data harga pokok produk

-Data Pemakaian dan ketersediaan bahan baku -Data Waktu pengerjaan produk dan Jam kerja tersedia

- Data kecepatan Produksi. - biaya produksi

Pengolahan Data

- Melakukan Peramalan permintaan

- Formulasi fungsi optimasi perencanaan produksi dengan

Goal Programming

menggunakan software Lindo

Analisis dan Pembahasan

Kesimpulan dan Saran

BAB V

PENGUMPULAN DAN PENGOLAHAN DATA

5.1. Pengumpulan Data

Pengumpulan data untuk menganalisa permasalahan perencanaan produksi pada PT. Sentaplas adalah :

1. Data penjualan mulai dari Januari 2015 sampai dengan Desember 2015 dalam periode bulanan

2. Harga pokok, harga jual produk serta keuntungan tiap jenis produk yang akan dianalisa

3. Pemakaian dan ketersediaan bahan baku produksi dan pembatas pemakaian bahan baku

4. Jam kerja yang tersedia

5.1.1. Data Penjualan Plastik dari Januari 2015 sampai dengan Desember 2015

Data penjualan produk plastik pada PT. Sentaplas dapat dilihat pada Tabel 5.1.

Tabel 5.1. Data penjualan Polypropylene pada PT.Sentaplas Tahun 2015

Periode Produk Polypropylene TOTAL

(Kg) Tipe I (Kg) Tipe II (Kg) Tipe III (Kg)

Januari 49.100 32.100 24.900 106.100

Februari 43.920 31.800 19.700 95.420

Maret 44.300 31.200 21.900 97.400

April 45.900 35.300 20.030 101.230

Mei 51.200 26.400 24.900 102.500

Juni 52.100 27.800 29.500 109.400

Juli 53.000 31.200 21.800 106.000

Agustus 48.400 27.600 28.700 104.700

Septepber 52.300 28.700 23.400 104.400

Oktober 49.500 34.900 19.800 104..200

November 50.840 31.100 24.900 106.840

Desember 48.300 27.800 21.300 97.400

Sumber: PT. Sentaplas

5.1.2. Data Harga Pokok dan Harga Penjualan

Data harga pokok dan harga penjualan dapat dilihat pada Tabel 5.2. Tabel 5.2. Data Harga Plastik Polypropylene PT. Sentaplas

Produk Biaya Produksi/Kg Harga Jual/Kg Keuntungan/Kg

Tipe I Rp. 19.000 Rp. 25.000 Rp.6000

Tipe II Rp. 17.500 Rp. 24.500 Rp.6500

Tipe III Rp. 16.500 Rp. 21.500 Rp.5000

5.1.3. Data Pemakaian dan Ketersediaan Bahan

Pemakaian bahan baku untuk setiap jenis produk berbeda-beda tergantung dari komposisi masing-masing produk yang akan diproduksi. Pemakaian bahan baku untuk membuat setiap plastik dari masing-masing produk dapat dilihat pada Tabel 5.3. data ketersediaan bahan baku setiap bulan dapat dilihat pada Tabel 5.4.

Tabel 5.3. Data Pemakaian Bahan Baku perKg Bahan baku Satuan Produk

Tipe I Tipe II Tipe III

Bijih plastik PP Kg 0,69 0,52 0,45

Zat pewarna Kg 0,05 0,037 0,035

CH3 Kg 0,29 0,15 0,089

Parafin Kg 0,0018 0,0018 0,0018

CH2 Kg 0,09 0,4 0,2

Potreleum Kg 0,05 0,08 0,2

Air Kg 0,04 0,04 0,04

Sumber: PT. Sentaplas

Tabel 5.4. Data Ketersediaan Bahan Baku Bahan Satuan Ketersediaan/bulan

Bijih plastik PP Kg 150.000

Zat pewarna Kg 5000

CH3 Kg 40000

Parafin Kg 300

CH2 Kg 30000

Potreleum Kg 20000

Air Kg 4500

Sumber: PT.Sentaplas

5.1.4. Data Waktu Penyelesaian Produk dan Ketersediaan Jam Kerja

Jumlah pekerja pada bagian produksi dibagi atas 3 shift, dimana jam kerjanya adalah 7 jam/hari pada hari senin – minggu. Jadwal shift karyawan bagian produksi adalah sebagai berikut.

Shift 1 Pukul 07.00 – 12.00 waktu kerja Pukul 12.00 – 13.00 waktu istirahat Pukul 13.00 – 15.00 waktu kerja

Shift 2 Pukul 15.00 – 19.00 waktu kerja Pukul 19.00 – 20.00 waktu istirahat Pukul 20.00 – 23.00 waktu kerja

Shift 3 Pukul 23.00 – 03.00 waktu kerja Pukul 03.00 – 04.00 waktu istirahat Pukul 04.00 – 07.00 waktu kerja

Untuk menentukan jam kerja tersedia, dapat digunakan rumus :

Waktu kerja yang tersedia = (jumlah shift x waktu kerja/shift x jumlah hari kerja/bulan)

Dapat dilihat waktu kerja yang tersedia pada tahun 2015 dapat dilihat pada tabel berikut

Tabel 5.5. Data Jumlah Jam Kerja Bagian Produksi Tahun 2015 Bulan Jlh Hari

kerja

Jlh waktu kerja (jam)

Jlh Waktu kerja (menit)

Jlh Waktu Kerja (detik)

januari 31 651 39.060 2343.600

februari 28 588 35.280 2116.800

maret 31 651 39.060 2343.600

April 30 630 37.800 2268.000

Mei 31 651 39.060 2343.600

Juni 30 630 37.800 2268.000

juli 31 651 39.060 2343.600

agustus 31 651 39.060 2343.600

septepber 30 630 37.800 2268.000

oktober 31 651 39.060 2343.600

november 30 630 37.800 2268.000

desember 31 651 39.060 2343.600

Sumber: PT. Sentaplas

Dapat dilihat data kecepatan produksi produk pada tabel 5.6.

Pada tipe I kecepatan produksi 3Kg/min sehingga waktu yang dibutuhkan/Kg dalam detik

Tabel 5.6. Data Kecepatan Produksi Polypropylene

Produk Produk yang Dikerjakan (Kg/menit)

Waktu yang Dibutuhkan/Kg (detik)

Tipe I 3Kg/min 20

Tipe II 3,5Kg/min 17,14

Tipe III 3,2Kg/min 18,75

Sumber: PT. Sentaplas 5.2. Pengolahan Data

5.2.1. Peramalan Jumlah Penjualan Produk Bulan Januari 2015 – Desember 2015

Penentuan jumlah penjualan untuk periode Januari 2016 sampai dengan Desember 2016 dilakukan dengan cara melihat data historis pada periode januari 2015 sampai dengan Desember 2015. Peramalan yang dilakukan adalah peramalan pada plastik jenis PP (Polypropylene) untuk periode Januari 2016 sampai dengan Desember 2016 dilakukan dengan langkah-langkah sebagai berikut :

1. Menentukan tujuan peralaman

Tujuan peramalan adalah untuk meramalkan jumlah penjualan produk pada bulan Januari 2016 sampau dengan Desember 2016

Tabel 5.7. Data Kebutuhan Polypropylene Tipe I Januari – Desember 2015 Periode Permintaan (Kg)

Januari 49100 Februari 43920 Maret 44300 April 45900

Mei 51200

Juni 52100 Juli 53000 Agustus 48400 Septepber 52300 Oktober 49500 November 50840 Desember 48300

TOTAL 588860

2. Menentukan horizon peramalan

Horizon peramalan yaitu peramalan jangka panjang dengan periode bulanan sebanyak 12 periode atau 1 tahun.

3. Pembuatan Scatter Diagram

Gambar Scatter Diagram bertujuan untuk melihat data masa lalu sebagai acuan untuk memilih metode peramalan. Scatter Diagram produk PP (Polypropylene) dapat dilihat pada Gambar 5.1.

Gambar 5.1. Grafik Penjualan PP (Polypropylene) Tipe I Januari 15 – Desember 15

4. Memilih metode peramalan

Metode peramalan yang digunakan berdasarkan pola data tersebut adalah sebagai berikut :

a. Metode Dekomposisi

b. Metode Siklis

5. Perhitungan parameter peramalan a. Metode dekomposisi

Fungsi peramalan : Yt = a + bx

Langkah-langkah peramalan metode dekomposisi 1. 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 2015-April 2015 :

Nilai rata-rata per 4 periode :

= 49.100+43.920+44.300+45.900

4 = 45.805

Nilai rata-rata per 4 periode dari periode Januari 2015 – April 2015 sebesar 45.805. 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 5.8.

Tabel 5.8. Rekapitulasi Perhitungan Nilai Rata-rata Per 4 Periode

No Periode Permintaan (unit) Nilai Rata-rata Per 4 Periode

1 Januari 49,100

45,805

2 Februari 43,920

3 Maret 44,300

5 Mei 51,200

51,175

6 Juni 52,100

7 Juli 53,000

8 Agustus 48,400

9 September 52,300

50,235

10 Oktober 49,500

11 Nopember 50,840

12 Desember 48,300

2. Menghitung nilai indeks musim

Nilai indeks musim dihitung dengan mengunakan 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 periode, kemudian menghitung nilai indeks musim dengan cara merata-ratakan nilai dari faktor musim yang ada. Contoh perhitungan nilai faktor musim, yaitu:

Nilai faktor musim = 49.100 45.805 = 1,07

Contoh perhitungan nilai indeks musim untuk periode pembagian I, yaitu :

Nilai indeks musim = 1,07+1,00+1,04 3

Perhitungan nilai indeks musim selama periode Januari 2015-Desember 2015 dapat dilihat pada Tabel 5.9.

Tabel 5.9. Perhitungan Nilai Indeks Musim

Periode Pembagian

Periode Permintaan Rata-rata Per 4 Periode

Faktor Musim

Indeks Musim

1 Januari 49,100

45805

1.07 1.04

2 Februari 43,920 0.96 0.99

3 Maret 44,300 0.97 1.00

4 April 45,900 1.00 0.97

5 Mei 51,200

51175

1.00 1.16

6 Juni 52,100 1.02 0.99

7 Juli 53,000 1.04 0.77

8 Agustus 48,400 0.95 1.08

9 September 52,300

50235

1.04 1.16

10 Oktober 49,500 0.99 0.99

11 Nopember 50,840 1.01 0.77

12 Desember 48,300 0.96 1.08

3. 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 5.10.

Tabel 5.10. Perhitungan Parameter Peramalan Metode Linier

X Y X^2 XY

1 49.100 1 49.100

2 43.920 4 87.840

3 44.300 9 132.900

4 45.900 16 183.600

Tabel 5.10. Perhitungan Parameter Peramalan Metode Linier (Lanjutan )

X Y X^2 XY

5 51.200 25 256.000

6 52.100 36 312.600

7 53.000 49 371.000

8 48.400 64 387.200

9 52.300 81 470.700

10 49.500 100 495.000

11 50.840 121 559.240

12 48.300 144 579.600

( ) ( )

( )

399,930

) 78 ( 650 12 ) 860 . 588 ( 78 ) 780 . 884 . 3 ( 12 2 2

2 × − =

− = − − =

∑ ∑

∑ ∑ ∑

x x n y x xy n b

a = �−�� �

=

588.860−(399,930)(78)

12

=

46.472,121 Persamaan peramalan: Yt = 46.472,121 + 399,930x 4. 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 2016, maka nilai periode yang dimasukkan ke dalam persa maan garis trend adalah 13. Nilai dari persamaan garis trend selama periode Januari 2016-Desember 2016 dapat dilihat pada Tabel 5.11.

Tabel 5.11. Perhitungan Nilai Persamaan Garis Trend Periode X Nilai Persamaan Garis

Trend

Januari 13 51,671

Februari 14 52,071

Maret 15 52,471

April 16 52,871

Juni 18 53,671

Juli 19 54,071

Agustus 20 54,471

September 21 54,871

Oktober 22 55,271

Nopember 23 55,671

Desember 24 56,070

5. Menghitung nilai ramalan akhir

Nilai ramalan akhir didapatkan dengan cara mengalikan persamaan garis trend dengan nilai indeks musim.

Fungsi peramalannya adalah :

b. Metode Siklis

Fungsi peramalan: Y'=a+bsin2πt

n + ccos 2πt

Tabel 5.12. Perhitungan Parameter Peramalan untuk Metode Siklis

X Y Sin(2πx/n) Cos(2πx/n) Sin*Cos Sin^2 Cos^2 Y*Sin(2πx/n) Y*Cos(2πx/n)

1 49100 0.866 0.500 0.433 0.750 0.250 42520.60 24550

2 43920 0.866 -0.500 -0.433 0.750 0.250 38034.72 -21960

3 44300 0.000 -1.000 0.000 0.000 1.000 0.00 -44300

4 45900 -0.866 -0.500 0.433 0.750 0.250 -39749.40 -22950

5 51200 -0.866 0.500 -0.433 0.750 0.250 -44339.20 25600

6 52100 0.000 1.000 0.000 0.000 1.000 0.00 52100

7 53000 0.866 0.500 0.433 0.750 0.250 45898.00 26500

8 48400 0.866 -0.500 -0.433 0.750 0.250 41914.40 -24200

9 52300 0.000 -1.000 0.000 0.000 1.000 0.00 -52300

10 49500 -0.866 -0.500 0.433 0.750 0.250 -42867.00 -24750

11 50840 -0.866 0.500 -0.433 0.750 0.250 -44027.44 25420

12 48300 0.000 1.000 0.000 0.000 1.000 0.00 48300

∑Y = n a + b ∑ sin�2πx

n � + c ∑ cos� 2πx

n �

588860 = 12 a + b (0) + c (0)

a =

12 588860

a = 49071,67

∑ y sin�2πx

n � = a ∑ sin� 2πx

n � + b ∑ sin 2_�2πx

n � + c ∑ sin� 2πx

n � cos� 2πx

n �

-2615,32 = 49071,61 (0) + b (6) + c (0)

b = -435,88

∑ y cos �2π_nx� = a ∑ cos �2πx

n � + c ∑ cos 2

�2π_nx� + b ∑ sin�2πx

n � cos� 2πx

n �

12010 = 49071,61(0) + c (6) – 435,88 (0)

c = 2001,66

Fungsi peramalannya adalah: Y’ = 49071,67 – 435,88 sin 2 π x

n + 2001,66 cos 2 π x

n

6. Menghitung kesalahan peramalan

Perhitungan kesalahan peramalan menggunakan metode SEE (Standard

Error of Estimation) bertujuan untuk memilih metode peramalan yang

SEE =

�

∑ (y - y

'₎ n

x = 1

2 n - f

a. Metode dekomposisi

Derajat kebebasan (f) = 3

Perhitungan SEE untuk metode dekomposisi dapat dilihat pada Tabel 5.9. Tabel 5.13. Perhitungan SEE untuk Metode Dekomposisi

x Y Y' Y-Y' (Y-Y')2

1 49100 53,627 -4,527 20,490,425

2 43920 51,417 -7,497 56,199,465

3 44300 52,731 -8,431 71,078,064

4 45900 51,273 -5,373 28,869,698

5 51200 55,287 -4,087 16,702,706

6 52100 52,996 -896 803,251

7 53000 54,338 -1,338 1,791,365

8 48400 52,824 -4,424 19,575,528

9 52300 56,947 -4,647 21,596,039

10 49500 54,576 -5,076 25,764,306

11 50840 55,946 -5,106 26,071,819

12 48300 54,376 -6,076 36,915,286

78 588860 646,338 (57,478) 325857952

SEE = �∑n (y - y'₎ x = 1

2 n - f = �

���������

b. Metode Siklis

Derajat kebebasan (f) = 3

Tabel 5.14. Perhitungan SEE untuk Metode Siklis

x Y Y' Y-Y' (Y-Y')^2

1 49100 49695 -595 354054

2 43920 47693 -3773 14238202

3 44300 47070 -2770 7672900

4 45900 48448 -2548 6493913

5 51200 50450 750 562521

6 52100 51073 1027 1054031

7 53000 49695 3305 10922865

8 48400 47693 707 499348

9 52300 47070 5230 27352900

10 49500 48448 1052 1106040

11 50840 50450 390 152111

12 48300 51073 -2773 7691415

78 588860 588860.04 0 78100300

SEE =

�

��������

12- 3

= 2551,14

Tabel 5.15. Rekapitulasi Hasil Perhitungaan SEE

Metode Peramalan Hasil Perhitungan SEE

Dekomposisi 5708,39

Siklis 2551,14

Dari Tabel 5.11. dapat dilihat bahwa SEE siklis < SEE dekomposisi

7. Pengujian hipotesa

Pengujian hipotesa dilakukan dengan mencari SEE yang terkecil yaitu metode peramalan 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 5708,39 2551,14 sisi SEEdekompo SEEsiklis       =       = hitung

F = 0,199

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

kecenderungan siklis dan v2 bernilai 9 (12-3).

Maka didapatkan Ftabel = 0,05 (9,9) = 3,17

Didapatkan Fhitung ≤ Ftabelmaka Ho diterima

Kesimpulan: Metode yang digunakan untuk meramalkan produk PP (Polypropylene) tipe I adalah metode siklis dengan fungsi sebagai berikut.

Y’ = 49071,67 – 435,88 sin 2 π x

n + 2001,66 cos 2 π x

8. Verifikasi peramalan

Tujuan dilakukannya proses verifikasi adalah untuk mengetahui apakah fungsi yang telah ditentukan dapat mewakili data yang akan diramalkan. Adapun perhitugan hasil verifikasi dapat dilihat pada Tabel 5.12.

Tabel 5.16. Perhitungan Hasil Verifikasi

t Y Y' Y-Y' Y-Y' abs MR

1 49100 49,695 -595.024 595.02426 -

2 43920 47,693 -3773.354 3773.35426 4368.379

3 44300 47,070 -2770.000 2770 6543.354

4 45900 48,448 -2548.316 2548.31574 5318.316 5 51200 50,450 750.014 750.01426 3298.330

6 52100 51,073 1026.660 1026.66 1776.674

7 53000 49,695 3304.976 3304.97574 4331.636 8 48400 47,693 706.646 706.64574 4011.621

9 52300 47,070 5230.000 5230 5936.646

10 49500 48,448 1051.684 1051.68426 6281.684 11 50840 50,450 390.014 390.01426 1441.699 12 48300 51,073 -2773.340 2773.34 3163.354 78 588,860 588,860 -0.040 TOTAL 46471.693

MR = =

−

∑

1

n MR

1 12 46471,69

− = 4224,69

2/3 BKA = 2/3 x 11237,7 = 7491,8 1/3 BKA = 1/3 x 11237,7 = 3745,9

BKB = - 2,66 x MR= -2,66 x 4224,69= - 11237,7 2/3 BKB = 2/3 x - 11237,7= -7491,8

1/3 BKB = 1/3 x - 11237,7= -3745,9

Gambar 5.2. Moving Range Chart

Dari Gambar 5.2. tidak terlihat adanya data yang out of control sehinggga persamaan permalan metode siklis dapat digunakan untuk meramalkan permintaan produk untuk periode Januari 2016-Desember 2016.

9. Dengan menggunakan peramalan dengan metode sikslis, permintaan produk plastik Polypropylene tipe I untuk periode Januari 2016-Desember 2016 dapat dilihat pada Tabel 5.12.

-15000 -10000 -5000 0 5000 10000 15000

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

N ila i E rr o r Nilai Error Y-Y' MR BKA 2/3 BKA 1/3 BKA BKB 2/3 BKB 1/3 BKB

Tabel 5.17. Hasil Peramalan Permintaan Plastik PP (Polypropylene) Tipe I Periode Januari 2016-Desember 2016

Periode Total

Januari 49.695

Februari 47.693

Maret 47.070

April 48.448

Mei 50.450

Juni 51.073

Juli 49.695

Tabel 5.17. Hasil Peramalan Permintaan Plastik PP (Polypropylene) Tipe I Periode Januari 2016-Desember 2016 (Lanjutan)

Periode Total

Agustus 47.693

September 47.070

Oktober 48.448

November 50.450

Desember 51.073

Grafik perbandingan antara data aktual dan hasil peramalan plastik PP (Polypropylene) Tipe I disajikan pada Gambar 5.3.

Gambar 5.3. Grafik Perbandingan Data Aktual PP (Polypropylene)Tipe I dengan Hasil Peramalan

Dengan menggunakan perhitungan yang sama, hasil perhitungan peramalan produk PP tipe II dan PP tipe III, PP tipe II dapat dilihat pada Tabel 5.13

Tabel 5.18. Hasil Peramalan Permintaan Plastik PP (Polypropylene) Tipe II Periode Januari 2016-Desember 2016

Bulan Total

Januari 27869 Februari 30044

Maret 29637

April 28398

Mei 27154

Juni 29269

Juli 28867

0 10.000 20.000 30.000 40.000 50.000 60.000

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

Perbandingan Jumlah Produksi PP Tipe

I

DATA AKTUAL siklis

Agustus 27655 September 26439 Oktober 28493 November 28097 Desember 26912

Grafik perbandingan antara data aktual dan hasil peramalan plastik PP (Polypropylene) Tipe II disajikan pada Gambar 5.4.

Gambar 5.4. Grafik Perbandingan Data Aktual PP (Polypropylene)Tipe II dengan Hasil Peramalan

Hasil peramalan PP tipe III dapat dilihat pada Tabel 5.14

Tabel 5.19. Hasil Peramalan Permintaan Plastik PP (Polypropylene) Tipe III Periode Januari 2016-Desember 2016

Bulan Total

Januari 24.864 Februari 23.123

0 10.000 20.000 30.000 40.000

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

Perbandingan Jumlah Produksi PP

Tipe II

DATA AKTUAL siklis dekomposisi

Maret 23.455 April 23.624

Mei 25.056

Juni 23.301

Juli 23.635 Agustus 23.805 September 25.247 Oktober 23.479 November 23.815 Desember 23.986

Grafik perbandingan antara data aktual dan hasil peramalan plastik PP (Polypropylene) Tipe III disajikan pada Gambar 5.5.

Gambar 5.5. Grafik Perbandingan Data Aktual PP (Polypropylene)Tipe III dengan Hasil Peramalan

Selanjutnya hasil rekapitulasi peramalan permintaan untuk setiap plastik Polypropylene PT. Sentaplas ini digunakan untuk perencanaan produksi dengan goal programming.

0 5.000 10.000 15.000 20.000 25.000 30.000 35.000

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

DATA AKTUAL siklis dekomposisi

5.2.2. Formulasi Fungsi Optimasi Perencanaan Produksi dengan Goal Programming

5.2.2.1.Variabel Keputusan Goal Programming

Variabel keputusan merupakan output yang akan dioptimalkan sehingga memenuhi kriteria sasaran dan kendala. Variabel keputusan untuk perencanaan produksi di PT.Sentaplas adalah:

X1 =Jumlah produksi PP tipe I tiap bulan (Kg)

X2=Jumlah produksi PP tipe II tiap bulan (Kg)

X3=Jumlah produksi PP tipe III tiap bulan (Kg)

5.2.2.2. Fungsi Kendala Goal Programming

5.2.2.2.1.Perhitungan Waktu Penyelesaian Produk dan Ketersediaan Waktu Kerja

Ketersediaan jam kerja sebagai fungsi kendali 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 1kg plastik X = variabel keputusan untuk tipe plastik ke-i

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

Tabel 5.20 Kecepatan Mesin Produksi

Produk Produk yang Dikerjakan (Kg/menit)

Waktu yang Dibutuhkan/Kg (detik)

Tipe I 3Kg/min 20

Tipe II 3,5Kg/min 17,14

Tipe III 3,2Kg/min 18,75

Sumber: PT. Sentaplas

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

A1X1 + A2X2 + A3X3≤ JK1

20X1 + 17,14X2 + 18,75X3≤ 2.343.600

Dalam hal ini diharapkan deviasi positif (kekurangan jam kerja/lembur) diusahakan nol. Untuk itu model goal programming untuk fungsi Januari 2016 adalah :

20X1 + 17,14X2 + 18,75X3+ d1-- d1+ = 2.343.600

Keterangan:

d1- = variabel deviasi negatif, kendala waktu penyelesaian produk

d1+ = variabel deviasi positif, kendala waktu penyelesaian produk

Maka fungsi sasarannya adalah : Min Z = d1+

Selanjutnya untuk bentuk fungsi setiap bulannya, fungsinya adalah : Januari 2016 = 20X1 + 17,14X2 + 18,75X3 + d1-- d1+ = 2.343.600

Februari 2016 = 20X1 + 17,14X2 + 18,75X3+ d1-- d1+ = 2.116.800

Maret 2016 = 20X1 + 17,14X2 + 18,75X3+ d1-- d1+ = 2.343.600

April 2016 = 20X1 + 17,14X2 + 18,75X3+ d1-- d1+ = 2.268.000

Mei 2016 = 20X1 + 17,14X2 + 18,75X3+ d1-- d1+ = 2.343.600

Juni 2016 = 20X1 + 17,14X2 + 18,75X3+ d1-- d1+ = 2.268.000

Juli 2016 = 20X1 + 17,14X2 + 18,75X3+ d1-- d1+ = 2.343.600

Agustus 2016 = 20X1 + 17,14X2 + 18,75X3+ d1-- d1+ = 2.343.600

September 2016 = 20X1 + 17,14X2 + 18,75X3+ d1-- d1+ = 2.268.000

Oktober 2016 = 20X1 + 17,14X2 + 18,75X3+ d1-- d1+ = 2.343.600

November 2016 = 20X1 + 17,14X2 + 18,75X3+ d1-- d1+ = 2.268.000

Desember 2016 = 20X1 + 17,14X2 + 18,75X3+ d1-- d1+ = 2.343.600

5.2.2.2.2. Perhitungan Pemakaian dan Ketersediaan Bahan Baku

Pemakaian dan ketersediaan bahan baku sebagai fungsi kendala adalah untuk melihat hubungan antara pemakaian dan ketersediaan bahan baku dengan jumlah produk yang dihasilkan. Data komposisi pemakaian bahan untuk menghasilkan 1kg produk dapat dilihat pada Tabel 5.16.

Tabel 5.21. Komposisi Pemakaian Bahan Baku untuk 1 Kg Produk

Bahan baku Satuan Produk

Tipe I Tipe II Tipe III Bijih plastik PP Kg 0,69 0,52 0,45

Zat pewarna Kg 0,05 0,037 0,035

Parafin Kg 0,0018 0,0018 0,0018

CH2 Kg 0,09 0,4 0,2

Potreleum Kg 0,05 0,08 0,2

Air Kg 0,04 0,04 0,04

Untuk mengoptimalkan pemakaian bahan baku untuk masing-masing produk harus lebih kecil atau sama dengan ketersediaan bahan baku tersebut. Formulasi yang digunakan adalah:

∑∑

= =

≤ 7

1 7

1

l i

l i

lX BT

B

Dimana:

B = jumlah pemakaian bahan baku untuk tiap tipe produk plastik X = variabel keputusan untuk setiap plastik ke-i

BT = jumlah ketersediaan bahan baku i = tipe plastik

1 = jenis bahan baku (1= 1,2,3,..7) B1 = jumlah pemakaian bijih plastik PP B2 = jumlah pemakaian zat pewarna B3 = jumlah pemakaian CH3

B4 = jumlah pemakaian parafin B5 = jumlah pemakaian CH2 B6 = jumlah pemakaian Potreleum

B7 = jumlah pemakaian air

Jadi, formulasi fungsi kendala pemakaian bahan baku untuk 1 Kg plastik setiap bulannya adalah:

B1X1 + B1X2 + B1X3≤ BT1 = 0,69X1Januari + 0,52X2Januari + 0,45X3Januari

≤ 150.000

B2X1+ B2X2 + B2X3≤ BT2 = 0,05X1Januari + 0,037X2Januari

+ 0,0358X

3Januari

≤ 5.000

B3X1 + B3X2 + B3X3≤ BT3 = 0,29X1Januari + 0,15X2Januari + 0,089X3Januari

≤ 40.000

B4X1 + B4X2 + B4X3≤ BT4 = 0,0018X1Januari + 0,0018X2Januari + 0,0018X3Januari

≤ 300

B5X1 + B5X2 + B5X3≤ BT5 = 0,09X1Januari + 0,4X2Januari + 0,2X3Januari

≤ 30.000

B6X1 + B6X2 + B6X3≤ BT6 = 0,05X1Januari + 0,08X2Januari + 0,02X3Januari

≤ 20.000

B7X1 + B7X2 + B7X3≤ BT7 = 0,04X1Januari + 0,04X2Januari + 0,04X3Januari

≤ 4.500

Sesuai dengan sasaran perusahaan, deviasi positif (kekurangan bahan baku) diusahakan nol. Untuk itu, model Goal Programming untuk fungsi ini adalah:

0,69X1Januari + 0,52X2Januari + 0,45X3Januari + d2-- d2+ = 150.000

0,05X1Januari + 0,037X2Januari

+ 0,035X

3Januari + d3-- d3+ = 5.000

0,0018X1Januari + 0,0018X2Januari + 0,0018X3Januari + d5-- d5+ = 300

0,09X1Januari + 0,4X2Januari + 0,2X3Januari + d6-- d6+= 30.000

0,05X1Januari + 0,08X2Januari + 0,2X3Januari + d7-- d7+= 20.000

0,04X1Januari + 0,04X2Januari + 0,04X3Januari + d8-- d8+ = 4.500

Keterangan :

d2-- d2+ = variabel deviasi, kendala ketersediaan bahan baku bijih plastik PP

d3-- d3+ = variabel deviasi, kendala ketersediaan bahan baku zat pewarna

d4-- d4+ = variabel deviasi, kendala ketersediaan bahan baku CH3

d5-- d5+ = variabel deviasi, kendala ketersediaan bahan baku parafin

d6-- d6+ = variabel deviasi, kendala ketersediaan bahan baku CH2

d7-- d7+ = variabel deviasi, kendala ketersediaan bahan baku potreleum

d8-- d8+ = variabel deviasi, kendala ketersediaan bahan baku Air

Formulasi sasarannya adalah:

Min Z =

∑

=

8

2

l

di+

5.2.2.3. Memformulasikan Fungsi Sasaran

Pemilihan sasaran didasarkan pada keterangan manajemen

perusahaan dan juga berdasarkan kesimpulan yang diambil dari pengamatan dan pengumpulan data. Sasaran yang akan dicapai adalah pemenuhan permintaan

plastik polypropylene, memaksimalkan produksi dan memaksimalkan

keuntungan.

Hasil peramalan untuk jumlah produksi masing-masing tipe plastik polypropylene untuk Januari 2016 dengan safety stock 0,3% setiap bulannya, maka persamaannya adalah:

X1Januari + 0,03 X1Januari ≥ 49.695

X2Januari + 0,03 X2Januari ≥ 27.869

X3Januari + 0,03 X3Januari ≥ 24.864

Sasaran untuk memaksimalkan volume produksi, maka deviasi negatif (kekurangan jumlah produksi) diusahakan nol. Untuk itu, model goal programming untuk fungsi ini adalah:

X1Januari + 0,03 X1Januari + d9—d9+ = 49.695

X2Januari + 0,03 X2Januari + d10-- d10+ = 27.869

X3Januari + 0,03 X3Januari + d10-- d10+ = 24.864

Keterangan :

D9—d9+ = variabel deviasi, sasaran memaksimalkan volume produksi PP tipe I

d10-- d10+ = variabel deviasi, sasaran memaksimalkan volume produksi PP tipe II

d11-- d11+ = variabel deviasi, sasaran memaksimalkan volume produksi PP tipe III

Min Z = d9-+ d10-+ d11-

2. Memaksimalkan Keuntungan

Tabel 5.17. telah menjelaskan bahwa keuntungan untuk setiap penjualan plastik polypropylene adalah :

b. PP tipe II = Rp. 6.500 c. PP tipe III = Rp. 5.000

Proyeksi keuntungan dapat dilihat dengan memperhitungkan jumlah produk dan peramalan, maka perkiraan jumlah keuntungan yang ingin dicapai dapat dihitung dengan rumus berikut:

Proyeksi Keuntungan (PK) =

∑

=

8

1

i i iX U

Dimana :

U = Keuntungan untuk penjualan 1 Kg

X = Jumlah permintaan plastik Polypropylene (hasil peramalan) i = Jenis Plastik Polypropylene

Proyeksi keuntungan untuk Januari 2016 adalah :

PK = (Rp. 6.000 x 49.695) + (Rp. 6.500 x 27.869) + (Rp. 5.000 x 24.864) PK = Rp. 298.170.000 + Rp. 181.150.473 + Rp. 124.321.537

PK = Rp. 603.642.011

Rekapitulasi hasil perhitungan proyeksi keuntungan untuk Januari 2016 sampai dengan Desember 2016 dapat dilihat pada Tabel 5.17. Berdasarkan data-data tersebut, maka formulasi fungsi proyeksi keuntungan untuk Januari 2016 adalah :

Sasaran perusahaan adalah untuk memaksimalkan keuntungan. Jadi, diharapkan deviasi negatif (keuntungan di bawah proyeksi keuntungan) diusahakan nol. Untuk itu, model goal programming untuk fungsi ini adalah:

6000 X1 + 6500 X2 + 5000 X3+ d12-- d12+ 612.645.011

Keterangan :

d12-- d12+ = variabel deviasi, sasaran memaksimalkan keuntungan

Min Z = d12-

Tabel 5.22. Proyeksi Keuntungan Penjualan Plastik Polypropylene

No Bulan Keuntungan

PP tipe I (Rp) PP tipe II (Rp) PP tipe III (Rp) TOTAL 1 januari 298.170.000 181.150.473 124.321.537 603.642.011 2 februari 286.158.000 195.288.559 115.615.168 597.061.727

3 maret 282.420.000 192.642.119 117.275.618 592.337.738

4 April 290.688.000 184.584.249 118.119.884 593.392.133

5 Mei 302.700.000 176.502.463 125.278.994 604.481.458

6 Juni 306.438.000 190.245.441 116.503.862 613.187.303

7 Juli 298.170.000 187.635.017 118.175.346 603.980.364

8 Agustus 286.158.000 179.755.206 119.024.355 584.937.561 9 September 282.420.000 171.854.454 126.236.451 580.510.905 10 Oktober 290.688.000 185.202.323 117.392.556 593.282.879 11 November 302.700.000 182.627.915 119.075.075 604.402.990 12 Desember 306.438.000 174.926.163 119.928.825 601.292.989

5.2.2.4. Perhitungan 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 5.23. Biaya Produksi dan Harga Jual Plastik

Produk Biaya Produksi/Kg Harga Jual/Kg

Tipe I Rp. 19.000 Rp. 25.000

Tipe II Rp. 17.500 Rp. 24.500

Tipe III Rp. 16.500 Rp. 21.500

Sumber: PT. Sentaplas

Tabel 5.24. Fixed Cost Perusahaan (Bagian Produksi)

No. Nama Pembayaran/bulan Harga (Rp)

1 Pembayaran Rekening Air/ bulan 2.000.000,00

2 Rekening Listrik/bulan 55.500.000,00

3 Gaji Pegawai(170x1,800,000) 306.000.000,00

4 Bahan Bakar Transport 1.000.000,00

5 Telepon 200.000,00

6 Perawatan Genset, Transport dan Mesin 9.000.000,00

7 Pembelian ATK 200.000,00

Jumlah 373.900.000,00

Perusahaan dalam melaksanakan proses produksi melakukan produksi ketiga tipe produk secara bersamaan, karena itu besar fixed cost yang telah didapatkan dibagi sesuai dengan perbandingan jumlah produksi yang dikerjakan oleh perusahaan. Perhitungan jumlah BEP tiap jenis produk sesuai dengan perbandingan rata-rata jumlah produksinya adalah sebagai berikut:

Perbandingan Jumlah Rata-rata produksi : = Produksi PP tipe I : PP tipe II : Produksi PP tipe III = 49.072 : 27.869 : 24.864

= 0,48 : 0,28 : 0,24

Fixed cost pada tipe I

Fixed cost = fixed cost /bulan x perbandingan rata-rata produksi = 373.900.000,00 x 0,48

= 178.193.130,00

Rekapitulasi jumlah fixed cost setiap produk dapat dilihat pada Tabel 5.24. Tabel 5.25. Fixed Cost Setiap Jenis Produk

No. Jenis Produk Fixed Cost

1. PP tipe I Rp. 178.193.130,00

2. PP tipe II Rp. 104.264.409,00

3. PP tipe III Rp. 88.434.425,00

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

1. BEP PP Tipe I = ����� ����

= 178.193.130 6.000 = 29.699 Kg

2. BEP Type II = ����� ����

(����� ���� −����� �������� )

= 104.264.409 6500

= 16.040 Kg

3. BEP Type III = ����� ����

(����� ���� −����� �������� )

= 88.434.425 5000

= 17.686 Kg

Pada perhitungan BEP maka diperoleh nilai : X1 (Tipe I) BEP = 29.699 Kg

X2 (Tipe II) BEP = 16.040 Kg

X3 (Tipe III) BEP = 17.686 Kg

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 ≥ 29.699

X2 BEP ≥ 16.040

X3 BEP ≥ 17.686

5.2.2.5. Memformulasikan Fungsi Pencapaian untuk Goal Programming Formulasi pencapaian untuk permasalahan optimasi perencanaan produksi di PT. Sentaplas dengan menggunakan goal programming disusun berdasarkan sasaran – sasaran yang ingin dicapai. Formulasi pencapaian untuk permasalahan Januari 2016 adalah :

Min Z = d9-+ d10-+ d11-+ d12-+ d1+ +

∑

=

8

2

l

di+

ST : X1 + 0,03 X1 + d9-- d9+ = 49695

X2 + 0,03 X2 + d10-- d10+ = 27869

X3 + 0,03 X3 + d11-- d11+ = 24864

6000 X1 + 6500 X2 + 5000 X3+ d12-- d12+ = 603642011

20X1 + 17,14X2 + 18,75X3+ d1-- d1+ = 2343600

0,69X1 + 0,52X2 + 0,45X3 + d2-- d2+ = 150000

0,05X1 + 0,037X2

+ 0,035X

3 + d3-- d3+ = 5000

0,29X1 + 0,15X2 + 0,089X3 +d4-- d4+ = 40000

0,0018X1 + 0,0018X2 + 0,0018X3 + d5-- d5+ = 300

0,09X1 + 0,4X2 + 0,2X3 + d6-- d6+= 30000

0,05X1 + 0,08X2 + 0,2X3 + d7-- d7+= 20000

X1 BEP ≥ 29.699 X2 BEP ≥ 16.040 X3 BEP ≥ 17.686

X1, X2, X3, d1-, d1+, d2-, d2+, d3-, d3+, d4-, d4+, d5-, d5+, d6-, d6+, d7-, d7+, d8-,

d8+, d9-, d9+, d10-, d10+, d11-, d11+, d12-, d12+ ≥0

Formulasi pencapaian untuk permasalahan goal programming tiap bulan.

Tabel 5.26. Formulasi Perencanaan Produksi Tiap Bulan

Bulan Fungsi

Januari 2016

Min Z = d9-+ d10-+ d11-+ d12-+ d1+ +

∑

=

8

2

l

di+

ST : X1 + 0,03 X1 + d9-- d9+ = 49695

X2 + 0,03 X2 + d10-- d10+ = 27869

X3 + 0,03 X3 + d11-- d11+ = 24864

6000 X1 + 6500 X2 + 5000 X3+ d12-- d12+ = 603642011

20X1 + 17,14X2 + 18,75X3 + d1-- d1+ = 2343600

0,69X1 + 0,52X2 + 0,45X3 + d2-- d2+ = 150000

0,05X1 + 0,037X2

+ 0,035X

3 + d3-- d3+ = 5000

0,29X1 + 0,15X2 + 0,089X3 +d4-- d4+ = 40000

0,0018X1 + 0,0018X2 + 0,0018X3 + d5-- d5+ = 300

0,09X1 + 0,4X2 + 0,2X3 + d6-- d6+= 30000

0,05X1 + 0,08X2 + 0,2X3 + d7-- d7+= 20000

X1 BEP ≥ 29.699 X2 BEP ≥ 16.040 X3 BEP ≥ 17.686

X1, X2, X3, d1-, d1+, d2-, d2+, d3-, d3+, d4-, d4+, d5-, d5+, d6-, d6+, d7-, d7+, d8-, d8+, d9

-, d9+, d10-, d10+, d11-, d11+, d12-, d12+ ≥0

Tabel 5.26. Formulasi Perencanaan Produksi Tiap Bulan (Lanjutan)

Bulan Fungsi

Februari 2016

Min Z = d9-+ d10-+ d11-+ d12-+ d1+ +

∑

=

8

2

l

di+

ST : X1 + 0,03 X1 + d9-- d9+ = 47693

X2 + 0,03 X2 + d10-- d10+ = 30044

X3 + 0,03 X3 + d11-- d11+ = 23123

6000 X1 + 6500 X2 + 5000 X3+ d12-- d12+ = 597061727

20X1 + 17,14X2 + 18,75X3+ d1-- d1+ = 2116800

0,69X1 + 0,52X2 + 0,45X3 + d2-- d2+ = 150000

0,05X1 + 0,037X2

+ 0,035X

3 + d3-- d3

+

= 5000

0,29X1 + 0,15X2 + 0,089X3 +d4-- d4+ = 40000

0,0018X1 + 0,0018X2 + 0,0018X3 + d5-- d5+ = 300

0,09X1 + 0,4X2 + 0,2X3 + d6-- d6+= 30000

0,05X1 + 0,08X2 + 0,2X3 + d7-- d7+= 20000

6.7. Analisis Perencanaan Produksi dan Break Even Point ... VI-8 VII KESIMPULAN DAN SARAN ... VII-1 7.1. Kesimpulan... VII-1 7.2. Saran ... VII-2

DAFTAR PUSTAKA LAMPIRAN

L1 - Form Tugas Akhir L2 - Surat Penjajakan

L3 – Surat Balasan Perusahaan L4 – Surat Keputusan Tugas Akhir L5 – Lembar Asistensi Dosen

DAFTAR TABEL

TABEL HALAMAN

1.1. Jumlah Produksi Plastik PT. Sentaplas Januari 2015-Desember

2015 ... I-2 1.2. Jumlah Produksi Dan Permintaan Produk PP (Poly Propylene)

Tipe I Januari 2015-Desember 2015 ... I-3 1.3. Jumlah Produksi Dan Permintaan Produk PP (Poly Propylene)

Tipe II Januari 2015-Desember 2015 ... I-4 1.4. Jumlah Produksi Dan Permintaan Produk PP (Poly Propylene)

Tipe III Januari 2015-Desember 2015 ... I-5 1.5. Jumlah Produksi Dan Permintaan Produk PP (Poly Propylene)

Tipe I- Tipe III Januari 2016-Mei 2016 Aktual ... I-5 2.1. Tugas dan Tanggung Jawab pada PT. Sentaplas ... II-4 2.2. Karyawan Pabrik dengan Sistem Kerja Non Shift... II-7 2.3. Perincian Jumlah Tenaga Kerja di PT.Sentaplas ... II-8 5.1. Data penjualan Polypropylene pada PT.Sentaplas Tahun 2015 . V-2 5.2. Data Harga Plastik Polypropylene PT. Sentaplas ... V-2 5.3. Data Pemakaian Bahan Baku perKg ... V-3 5.4. Data Ketersediaan Bahan Baku ... V-3 5.5. Data Jumlah Jam Kerja Bagian Produksi Tahun 2015... V-5 5.6. Data Kecepatan Produksi Polypropylene ... V-5

DAFTAR TABEL (Lanjutan)

TABEL HALAMAN

5.7. Data Kebutuhan Polypropylene Tipe I Januari – Desember

2015 ... V-6 5.8. Rekapitulasi Perhitungan Nilai Rata-rata Per 4 Periode ... V-9 5.9. Perhitungan Nilai Indeks Musim ... V-10 5.10. Perhitungan Parameter Peramalan Metode Linier ... V-10 5.11. Perhitungan Nilai Persamaan Garis Trend ... V-12 5.12. Perhitungan Parameter Peramalan untuk Metode Siklis ... V-14 5.13. Perhitungan SEE untuk Metode Dekomposisi ... V-16 5.14. Perhitungan SEE untuk Metode Siklis ... V-17 5.15. Rekapitulasi Hasil Perhitungaan SEE ... V-17 5.16. Perhitungan Hasil Verifikasi ... V-19 5.17. Hasil Peramalan Permintaan Plastik PP (Polypropylene) Tipe I

Periode Januari 2016-Desember 2016 ... V-20 5.18. Hasil Peramalan Permintaan Plastik PP (Polypropylene) Tipe II

Periode Januari 2016-Desember 2016 ... V-22 5.19. Hasil Peramalan Permintaan Plastik PP (Polypropylene) Tipe

III Periode Januari 2016-Desember 2016 ... V-23 5.20. Kecepatan Mesin Produksi ... V-25

DAFTAR TABEL (Lanjutan)

TABEL HALAMAN

5.21. Komposisi Pemakaian Bahan Baku untuk 1 Kg Produk ... V-27 5.22. Proyeksi Keuntungan Penjualan Plastik Polypropylene ... V-32 5.23. Biaya Produksi dan Harga Jual Plastik ... V-33 5.24. Fixed Cost Perusahaan (Bagian Produksi) ... V-33 5.25. Fixed Cost Setiap Jenis Produk ... V-34 5.26. Formulasi Perencanaan Produksi Tiap Bulan ... V-37 5.27. Solusi Optimal Perencanaan Produksi Januari 2016- Desember

2016 dengan Pendekatan Goal Programming ... V-54 5.28. Total Peramalan Permintaan ... V-49 6.1. Hasil Peramalan Polypropylene ... VI-1 6.2. Hasil Perencanaan Produksi dengan Menggunakan Goal

Programming Periode Januari 2016 s/d Desember 2016 ... VI-2 6.3. Rekapitulasi Hasil Perencanaan Produksi ... VI-7 6.4. Variabel Deviasional ... VI-8 6.5. Perbandingan Hasil BEP dan Goal Programming ... VI-9

DAFTAR GAMBAR

GAMBAR HALAMAN

2.1. Struktur Organisasi PT. Sentaplas... II-3 2.2. Bijih Plastik PolyPropylene ... II-10 2.3. Mesin PolyPropylene ... II-15 2.4. Mesin Pemotong ... II-15 2.5. Mesin Print ... II-17 2.6. Mesin Pembolong ... II-18 2.7. Timbangan Digital ... II-19 2.8. Cutter ... II-19 2.9. Ember ... II-20 2.10. Beko ... II-20 4.1. Kerangka Berpikir ... IV-3 4.2. Langkah-langkah Proses Penelitian ... IV-6 5.1. Grafik Penjualan PP (Polypropylene)Tipe I Januari 15 –

Desember 15... V-7 5.2. Moving Range Chart ... V-20 5.3. Grafik Perbandingan Data Aktual PP (Polypropylene) Tipe I

dengan Hasil Peramalan ... V-21 5.4. Grafik Perbandingan Data Aktual PP (Polypropylene) Tipe II

DAFTAR GAMBAR (LANJUTAN)

GAMBAR HALAMAN

5.5. Grafik Perbandingan Data Aktual PP (Polypropylene) Tipe III

dengan Hasil Peramalan ... V-23 5.6. Formulasi Input dalam Software LINDO ... V-49 5.7. Tombol Solution pada Software LINDO ... V-50 5.8. Optimizer Output dalam Software LINDO ... V-50 5.9. Hasil Akhir dalam Software LINDO... V-51 5.10. Grafik Perencanaan Produksi Januari 2016 – Desember 2016 ... V-55 6.1. Grafik Perbandingan Perencanaan Produksi Polypropylene

Tipe I dengan Hasil Peramalan Tahun 2016 ... VI-4 6.2. Grafik Perbandingan Perencanaan Produksi Polypropylene

Tipe II dengan Hasil Peramalan Tahun 2016 ... VI-4 6.3. Grafik Perbandingan Perencanaan Produksi Polypropylene