BAB VI ANALISIS PEMECAHAN MASALAH
6.1. Analisis Hasil Peramalan
Peramalan dilakukan untuk menentukan perkiraan permintaan produk dimasa yang akan datang berdasarkan data historis selama dua tahun yang lalu.
Data historis diambil selama rentang dua tahun lalu agar hasil peramalan yang diperoleh semakin akurat, karena semakin banyak data yang diambil akan
memberikan tingkat penyimpangan yang lebih rendah. Dari gambar diagram pencar permintaan produk selama dua tahun lalu produk Picnic, Cocktail, Small
dan Medium terlihat mengalami peningkatan dari bulan ke bulan walaupun beberapa bulan terjadi penurunan permintaan. Diagram pencar permintaan
masing-masing produk dapat dilihat pada Gambar 6.1.
Gambar 6.1. Diagram Pencar Permintaan Produk Dua Tahun lalu
Universitas Sumatera Utara
Dari hasil peramalan diperoleh permintaan produk Picnic terlihat mengalami kecenderungan peningkatan permintaan dari bulan ke bulan selama
selama periode perencanaan produksi. Sedangkan produk cocktail, small dan medium cenderung mengalami permintaan yang konstan dari bulan ke bulan
selama periode perencanaan produksi. Diagram pencar permintaan produk selama periode perencanaan menggunakan peramalan menggunakan pendekatan goal
programming dapat dilihat pada Gambar 6.2.
Gambar 6.2. Diagram Pencar Permintaan Menggunakan Goal Programming
6.2. Analisis Perencanaan Kapasitas Produksi
Berdasarkan hasil perencanaan produksi memperlihatkan bahwa keuntungan yang diperoleh sesuai dengan perencanaan sebelumnya. Dalam model
matematis diperlihatkan bahwa: A
1
X
1
+ A
2
X
2
+ A
3
X
3
+ A
4
X
4
≥ bi, maka dengan memasukkan variabel keputusan yang maka diperoleh:
1600 132465 + 1900 30558 + 1850 15073 +2000 6338 ≥ Rp 310.565.250,-
Ini berarti sasaran untuk memaksimalkan laba tercapai.
Universitas Sumatera Utara
Perbedaan pemakaian bahan baku terlihat apabila perusahaan melakukan produksi berdasarkan pengalaman tahun lalu dibandingkan dengan pemakaian
bahan baku berdasarkan penelitian dengan Goal Programming. Pemakaian bahan baku terlihat memang semakin besar, akan tetapi perusahaan masih mampu untuk
mengatasi kebutuhan bahan baku untuk setiap periodenya. Ini terlihat bahwa kebutuhan bahan baku untuk setiap periodenya lebih kecil dari kemampuan
penyediaan bahan baku oleh perusahaan 30.000 kg. Dari perbandingan pemakaian bahan baku melalui perancanaan yang dilakukan oleh perusahaan
dengan perencanaan yang dilakukan dengan metode Goal Programming terlihat pemakaian bahan baku dapat digunakan semaksimal mungkin untuk memproduksi
produk lebih besar. Perbandingan bahan baku hasil permintaan masa lau dengan bahan baku berdasarkan goal programming dapat dilihat pada gambar 6.3.
Gambar 6.3. Perbandingan Pemakaian Bahan Baku Selama Periode Perencanaan Mei 2010 sd April 2011
Universitas Sumatera Utara
Dalam model matematis diperlihatkan bahwa: A
1
X
1
+ A
2
X
2
+ A
3
X
3
+ A
4
X
4
≤ bi, maka dengan memasukkan variabel keputusan yang maka diperoleh:
0,13670132465 + 0,1367230558 + 0,1367415073 + 0,13561 6338
=25.206,43 kg Persentasi pemakaian bahan baku tiap bulannya dapat dilihat pada tabel 6.1.
Tabel 6.1. Persentase Pemakaian Bahan Baku
No Periode
Pemakaian Bahan Baku
kg Persentase
Pemakaian Bahan Baku
1. Mei 2010
25206.43 84.02
2. Juni 2010
25430.93 84.77
3. Juli 2010
25652.68 85.51
4. Agustus 2010
25871.57 86.24
5. September 2010
26087.58 86.96
6. Oktober 2010
26300.86 87.67
7. November 2010
26511.27 88.37
8. Desember 2010
26718.81 89.06
9. Januari 2011
26923.47 89.74
10. Februari 2011
27125.40 90.42
11. Maret 2011
27324.46 91.08
12. April 2011
27520.65 91.74
Berdasarkan perhitungan diatas maka sasaran untuk mengoptimalkan pemakaian bahan sudah tercapai.
Sedangkan untuk pemakaian jam kerja terlihat bahwa metode Goal Programming memberikan solusi optimal, dimana jumlah jam kerja yang
diperoleh masih dibawah jam kerja tersedia. Perbandingan jam kerja tersedia dengan jam kerja terpakai dapat dilihat pada gambar 6.4.
Universitas Sumatera Utara
Gambar 6.4. Perbandingan jam kerja Periode Mei 2010 sd April 2011
Dalam model matematis diperlihatkan bahwa: A
1
X
1
+ A
2
X
2
+ A
3
X
3
+ A
4
X
4
≤ bi, maka dengan memasukkan variabel keputusan yang maka diperoleh:
,001178132465+0,00117830558+0,00117815073+0,0011786338 = 217,26 jam
Persentasi pemakaian jam kerja tiap bulannya dapat dilihat pada tabel 6.2. Kapasitas tersedia capacity available dapat dihitung dengan rumus,
kapasitas tersedia = jam kerja tersedia x efesiensi x utilitas. Dimana efesiensi 99 dan utilitas 99.
Tabel 6.2. Persentase Pemakaian Jam Kerja
No Periode
Kapasitas Tersedia
Kapasitas Terpakai
Persentase Pemakaian
Kekurangan Jam Kerja jam
1 Mei 2010
235.22 217.26
90.53 17.96
2 Juni 2010
254.83 219.20
84.31 35.63
3 Juli 2010
245.03 221.11
88.44 23.92
4 Agustus 2010
245.03 223.00
89.20 22.03
5 September 2010
235.22 224.86
93.69 10.36
6 Oktober 2010
245.03 226.70
90.68 18.33
7 November 2010
245.03 228.51
91.40 16.52
8 Desember 2010
245.03 230.30
92.12 14.73
9 Januari 2011
245.03 232.07
92.83 12.96
10 Februari 2011
235.22 233.81
97.42 1.41
11 Maret 2011
254.83 235.52
90.58 19.31
12 April 2011
245.03 237.22
94.89 7.81
Universitas Sumatera Utara
Berdasarkan diagram diatas maka sasaran untuk mengoptimalkan jam kerja sudah tercapai, dimana diperlihatkan bahwa jumlah jam kerja tersedia masih
lebih besar dibandingkan dengan jumlah pemakaian jam kerja. Apabila terjadi kelebihan pemakaian jam kerja dibandingkan dengan jam kerja tersedia, maka
dilakukan penambahan shift kerja. Jika terjadi kekurangan jam kerja maka akan dilakukan penambahan jam kerja dengan melakukan lembur.
Berdasarkan hasil Lindo maka tabel variabel deviasional dapat dilihat pada tabel 6.3.
Tabel 6.3. Variabel Deviasional
Variabel Deviasional
Horizon Perencanaan Mei
Jun Jul
Aug Sep
Okt Nov
Des Jan
Feb Mar
Apr d
1 +
d
2 +
d
3 +
d
4 +
d
5 +
d
6 +
d
7 +
Sasaran yang ingin dicapai pada fungsi sasaran: 1.
Meminimumkan kekurangan jumlah produksi d
1 -
, d
2 -
, d
3 -
, d
4 -
. Dalam hal ini secara keseluruhan sasaran ini tercapai dimana nilai dari d
1 +
, d
2 +
, d
3 +
, d
4 +
bernilai nol. 2.
Meminimumkan keuntungan dibawah target d
5 -
. Sasaran ini tercapai dimana nilai d
5 -
bernilai nol. 3.
Meminimumkan jumlah jam kerja jam kerja lembur yaitu d
7 +
dan meminimumkan kekurangan bahan baku yaitu d
6 +
, kedua sasaran ini tercapai dimana d
7 -
dan d
6 -
bernilai nol
Universitas Sumatera Utara
Persentasi ketersediaan bahan baku untuk masing-masing produk berdasarkan rata-rata pemakaian bahan baku dapat dilihat pada tabel 6.3.
Tabel 6.4. Jumlah Ketersediaan Bahan Baku untuk masing-masing Produk
Produk Rata-rata Pemakaian
Bahan Baku kg Persentase
Jumlah Ketersediaan Bahan Baku kg
Picnic 146364,82
70,67 21.199,5
Cocktail 39554,09
19,10 5.729,0
Small 15175,71
7,33 2.198,1
Medium 6030,22
2,91 873,4
Total 100
30.000 Untuk melihat apakah ketersediaan bahan baku dapat memenuhi
perencanaan bahan baku dapat dilihat pada tabel 6.4.
Tabel 6.5. Perbandingan Antara Kebutuhan Bahan Baku Ketersedian Bahan Baku Selama Periode Perencanaan
Periode Perencanaan
Picnic Cocktail
Kebutuhan kg
Ketersediaan kg
Keterangan Kebutuhan
kg Ketersediaan
kg Keterangan
Mei 2010
17812.13 21199.5
Terpenuhi 4813.61
5729.0 Terpenuhi
Juni 2010
17970.77 21199.5 Terpenuhi
4856.48 5729.0 Terpenuhi
Juli 2010
18127.47 21199.5 Terpenuhi
4898.83 5729.0 Terpenuhi
Agustus 2010
18282.15 21199.5 Terpenuhi
4940.63 5729.0 Terpenuhi
September 2010
18434.80 21199.5 Terpenuhi
4981.88 5729.0 Terpenuhi
Oktober 2010
18585.51 21199.5 Terpenuhi
5022.61 5729.0 Terpenuhi
November 2010
18734.20 21199.5 Terpenuhi
5062.79 5729.0 Terpenuhi
Desember 2010
18880.85 21199.5 Terpenuhi
5102.42 5729.0 Terpenuhi
Januari 2011
19025.48 21199.5 Terpenuhi
5141.50 5729.0 Terpenuhi
Februari 2011
19168.17 21199.5 Terpenuhi
5180.07 5729.0 Terpenuhi
Maret 2011
19308.84 21199.5 Terpenuhi
5218.08 5729.0 Terpenuhi
April 2011
19447.47 21199.5 Terpenuhi
5255.55 5729.0 Terpenuhi
Universitas Sumatera Utara
Tabel 6.4. Perbandingan Antara Kebutuhan Bahan Baku Ketersedian Bahan Baku Selama Periode Perencanaan Lanjutan
Periode Perencanaan
Small Medium
Kebutuhan kg
Ketersediaan kg
Keterangan Kebutuhan
kg Ketersediaan
kg Keterangan
Mei 2010
1846.84 2198.1
Terpenuhi 733.86
873.4 Terpenuhi
Juni 2010
1863.28 2198.1 Terpenuhi
740.39 873.4 Terpenuhi
Juli 2010
1879.53 2198.1 Terpenuhi
746.85 873.4 Terpenuhi
Agustus 2010
1895.57 2198.1 Terpenuhi
753.22 873.4 Terpenuhi
September 2010
1911.40 2198.1 Terpenuhi
759.51 873.4 Terpenuhi
Oktober 2010
1927.02 2198.1 Terpenuhi
765.72 873.4 Terpenuhi
November 2010
1942.44 2198.1 Terpenuhi
771.85 873.4 Terpenuhi
Desember 2010
1957.65 2198.1 Terpenuhi
777.89 873.4 Terpenuhi
Januari 2011
1972.64 2198.1 Terpenuhi
783.85 873.4 Terpenuhi
Februari 2011
1987.44 2198.1 Terpenuhi
789.73 873.4 Terpenuhi
Maret 2011
2002.02 2198.1 Terpenuhi
783.85 873.4 Terpenuhi
April 2011
2016.39 2198.1 Terpenuhi
789.73 873.4 Terpenuhi
Dari keempat jenis produk tersebut, produk Picnic memiliki persentasi yang paling besar yaitu 70,67 kemudian diikuti produk Cocktail sebesar
19,10, produk Small sebesar 7,33 dan persentase yang paling kecil adalah produk Medium sebesar 2,91. Berdasarkan perbandingan antara kebutuhan
bahan baku dan ketersediaan bahan baku maka ketersediaan bahan baku masih dapat memenuhi kebutuhan bahan baku. Bila terjadi kekurangan ketersediaan
bahan baku maka perusahaan harus melakukan pemesanan yang lebih besar kepada suplier ataupun perusahaan melakukan kendali terhadap tambak yang
mereka olah sendiri.
Universitas Sumatera Utara
BAB VII KESIMPULAN DAN SARAN