Analisis Optimasi Produksi Pada Pt Pp London Sumatra, Tbk Medan

ANALISIS OPTIMASI PRODUKSI PADA PT PP LONDON
SUMATRA TBK, MEDAN

SITI ASTARI LUTHFI

DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
2015

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa Skripsi berjudul Analisis Optimasi
Produksi pada PT PP London Sumatra Tbk, Medan adalah benar karya saya
dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun
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
skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada

Institut Pertanian Bogor.
Bogor, Agustus 2015

Siti Astari Luthfi
NIM H24110001

ABSTRAK
SITI ASTARI LUTHFI. Analisis Optimasi Produksi Pada PT PP London
Sumatra, Tbk Medan. Dibimbing oleh H MUSA HUBEIS.
PT PP London Sumatra, Tbk (Lonsum) mengalami penurunan produksi
CPO pada beberapa tahun terakhir. Hal ini disebabkan oleh beberapa faktor
eksternal dan internal yang memengaruhi proses produksi minyak sawit di
perusahaan. Tujuan penelitian ini adalah meramalkan pola produksi CPO di PT
PP Lonsum Tbk, menganalisis perencanaan produksi optimum untuk
memproduksi CPO dan menganalisis alternatif strategi yang dapat digunakan
untuk mengantisipasi kendala-kendala yang mengakibatkan perusahaan tidak
mencapai target optimal. Data diperoleh melalui observasi dan wawancara, diolah
dengan metode peramalan regresi linear sederhana untuk meramalkan permintaan
dan linear programming untuk menganalisis perencanaan optimasi produksi.
Hasil peramalan dengan metode regresi linear sederhana menunjukkan bahwa

peramalan produksi CPO fluktuatif, optimasi produksi CPO untuk periode 12
bulan mendatang sebesar 2 696 602 ton, dengan pemakaian jam kerja lembur
maksimal 137 jam tiap bulan. Biaya produksi yang harus dikeluarkan untuk 12
bulan ke depan Rp8 956 069 632 835.
Kata kunci: Analisis, optimasi, produksi

ABSTRACT
SITI ASTARI LUTHFI. An Analysis of Production Optimization in PT PP
London Sumatera, Tbk Medan. Supervised by H MUSA HUBEIS.
PT PP London Sumatra, Tbk (Lonsum) production level of CPO have
been decreased in last year. It is caused by some internal and external factor that
influencing CPO production process. The goal of this study are to forecast CPO
production trend in PT PP Lonsum Tbk, to analyze optimize production planning
to produce CPO and to analyze alternative strategy to anticipate the constraint
which affecting the company doesn’t achieve optimum target. The data is
collected by observation and interview method and its processing uses regression
linear forecasting method and linear programming. The forecast result uses
regression linear methode shows that CPO production farecast is fluctuating, the
optimum CPO production for 12 month is 1 503 735 ton, with using the overtime
maximum 137 hours a month. The cost production that is needed for 12 month is

Rp8 956 069 632 835.
Keywords: Analysis, optimation, production

ANALISIS OPTIMASI PRODUKSI PADA PT PP LONDON
SUMATRA TBK, MEDAN

SITI ASTARI LUTHFI

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Ekonomi
pada
Departemen Manajemen

DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
2015

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala
atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema
yang dipilih dalam penelitian yang dilaksanakan sejak bulan Februari sampai
April 2015 ini adalah peramalan dan perencanaan optimasi produksi, dengan judul
Analisi Optimasi Produksi Pada PT PP London Sumatra Tbk, Medan.
Terima kasih penulis ucapkan kepada Prof Dr Ir H Musa Hubeis, MS,
Dipl Ing, DEA selaku dosen pembimbing atas bimbingan, arahan dan
inspirasinya. Di samping itu, penghargaan penulis sampaikan kepada Bapak Ir H
Sugito Manager PT PP London Sumatra pada kebun Bagerpang Estate yang telah
membantu selama pengumpulan data. Ungkapan terima kasih juga disampaikan
kepada ayah, ibu, serta seluruh keluarga, sahabat dan temana satu perjuangan
skripsi atas segala doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.

Bogor, Agustus 2015
Siti Astari Luthfi

DAFTAR ISI
DAFTAR TABEL

iv

DAFTAR GAMBAR

iv

DAFTAR LAMPIRAN

iv

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

2

Tujuan Penelitian

3

Manfaat Penelitian

3

Ruang Lingkup Penelitian

3

TINJAUAN PUSTAKA

3

Produksi

3

Peramalan

4

Metode Peramalan

4

Linear Programming

6

SWOT

7

Penelitian Terdahulu

7

METODE

8

Kerangka Pemikiran

8

Lokasi dan Waktu Penelitian

9

Pengumpulan Data

9

Pengolahan dan Analisis Data

HASIL DAN PEMBAHASAN

10
11

Gambaran Umum Perusahaan

11

Teknik Peramalan

12

Perencanaan Optimasi Produksi

14

Strategi Perencanaan Optimasi Produksi

19

Implikasi Manajerial

23

SIMPULAN DAN SARAN

24

DAFTAR PUSTAKA

25

LAMPIRAN

27

RIWAYAT HIDUP

32

DAFTAR TABEL
1 Produksi Minyak Sawit Tahun 2014
2 Produksi dan Ekspor Minyak Sawit Indonesia
3 Ikhtisar Operasional PP London Sumatra Indonesia
4 Penelitian terdahulu
5 Data produksi CPO Lonsum
6 Analisis Regresi
7 Hasil peramalan produksi CPO
8 Tingkat persediaan berdasarkan peramalan produksi CPO
9 Data jam kerja reguler dan lembur
10 Hasil perencanaan optimasi produksi Lonsum
11 Biaya perencanaan optimasi produksi PT PP Lonsum Tbk
12 Hasil LINDO untuk produksi CPO
13 Mesin dan peralatan yang digunakan dalam proses produksi
14 Matriks SWOT strategi perencanaan optimasi produksi CPO
pada PT PP Lonsum Tbk
15 Matriks SWOT strategi pengadaan TBS optimasi produksi CPO
pada PT PP Lonsum Tbk

1
1
1
7
12
13
14
16
16
18
18
19
20
22
23

DAFTAR GAMBAR
1 Kerangka Pemikiran Penelitian
2 Autokorelasi untuk produksi CPO

9
13

DAFTAR LAMPIRAN
1 Daftar Pertanyaan Wawancara
2 Analisis regresi
3 Hasil pengolahan program linear dengan LINDO

27
28
28

PENDAHULUAN
Latar Belakang
Produksi minyak sawit global didominasi oleh Indonesia dan Malaysia
(Tabel 1). Terlihat pada Tabel 2, Indonesia telah mencapai 33 juta ton produksi
minyak sawit global di tahun 2014 dan mengekspor sebesar 22,3 juta ton pada
tahun 2014. Jumlah Produksi dari tahun 2007-2014 mengalami peningkatan setiap
tahunnya.
Tabel 1 Produksi minyak sawit tahun 2014
1.
2.
3.
4.
5.

Negara
Indonesia
Malaysia
Thailand
Colombia
Nigeria

Produksi(juta ton)
33
20.5
2.25
1.108
0.93

Sumber: USDA, 2014
Tabel 2 Produksi dan ekspor minyak sawit Indonesia
Produksi
(1000 juta
ton)
Ekspor
(juta ton)

2007

2008

2009

2010

2011

2012

2013

2014

18

20.5

22

23.6

26.2

28.5

30.5

33

13.969

15.964

16.573

16.423

18.452

20.373

21.719

22.3

Sumber: USDA, 2014
PT PP London Sumatra, Tbk (Lonsum) merupakan salah satu perusahaan
perkebunan yang berfokus pada produksi minyak sawit, karet dan cokelat.
Kegiatan dari perusahaan perkebunan ini meliputi pemuliaan tanaman,
penanaman, pengolahan dan penjualan produk kelapa sawit, karet, kakao dan teh.
Produk kelapa sawit dari perusahaan perkebunan ini terus meningkat setiap
tahunnya, produk minyak sawit atau biasa disebut crude palm oil (CPO) terus
menunjukkan perkembangan positif.
Tabel 3 Ikhtisar operasional PP London Sumatra Indonesia
CPO
FFB
Nucleus
Oil Palm
Seed
Rubber

2008
341.6

2009
377.5

2010
365.7

2011
442.9

2012
448.3

2013
396.5

1 021.8

1 174.1

1 170.4

1 291.3

1 314.8

1 250.4

22.1

18.1

20.7

26.4

27.4

24.1

23.4

21.8

18.5

13.9

13.1

12.7

Sumber: PT PP Lonsum, Tbk Annual Report 2013

2
Terlihat pada Tabel 3 pada tahun 2012, PT PP Lonsum, Tbk
menghasilkan 448,3 ribu ton CPO yang merupakan penghasilan CPO terbesar
perusahaan dibanding tahun-tahun sebelumnya. Namun produksi operasional
mengalami penurunan pada tahun 2013 menjadi 396,5 ribu ton. Produksi CPO
yang melemah disebabkan oleh curah hujan yang sangat tinggi di Indonesia,
sehingga target awal produksi CPO di Indonesia tidak dapat tercapai akibat cuaca
kurang mendukung.
Masalah produksi merupakan masalah sangat penting, maka harus
diperhatikan setiap perusahaan, agar dapat bersaing dengan perusahaan lain,
karena apabila proses produksi dapat tercapai dengan baik, tujuan perusahaan
dapat tercapai. Di sisi lain, apabila proses produksi tidak berjalan sesuai rencana,
maka dapat mengakibatkan kerugian pada perusahaan. Kelancaran di dalam
proses produksi dipengaruhi oleh perencanaan jumlah barang dengan
memperhatikan kombinasi dari setiap produksi barang yang akan diproduksi
dengan memperhatikan keterbatasan sumber daya bahan baku yang dimiliki
perusahaan.
Selain permasalahan di bagian produksi, perusahaan perkebunan seperti
PT PP Lonsum, Tbk harus menghadapi naiknya biaya operasional, menyusul
keputusan pemerintah meningkatkan upah minimum tenaga kerja dan harga
bahan bakar. Perkembangan ini telah memberikan pengaruh pada kinerja sebagian
besar perusahaan perkebunan yang beroperasi di Indonesia termasuk PT PP
Lonsum, telah mengakibatkan kinerja finansial yang lebih rendah dari yang
diharapkan di tahun ini. Akibat dari keputusan pemerintah untuk menaikkan upah
minimum telah menyebabkan peningkatan biaya produksi bagi perusahaan
perkebunan yang beroperasi di Indonesia.
Kondisi ini menuntut perusahaan untuk mampu meramalkan permintaan
pasar, sehingga dapat merencanakan jumlah barang yang akan diproduksi.
Peramalan permintaan dibutuhkan oleh bagian perencanaan produksi untuk
melihat permintaan konsumen di masa mendatang, serta prospeknya terhadap
peningkatan penjualan perusahaan, sehingga dapat menentukan atau merumuskan
tingkat produksi efektif dengan menggunakan sumber daya yang dimiliki
perusahaan, sehingga dengan adanya keterbatasan jumlah sumber daya ini
membuat perusahaan perlu melakukan optimasi, yaitu mengefisiensikan sumber
daya yang dimiliki perusahaan untuk menghasilkan produk dalam jumlah yang
banyak.
Perumusan Masalah
Berdasarkan uraian latar belakang yang telah dijelaskan, maka
perusahaan perlu melakukan suatu peramalan dan perencanaan produk sesuai
dengan keadaan pasar, maka permasalahan yang dihadapi PT PP Lonsum Tbk,
Medan adalah:
1. Bagaimana pola produksi CPO di PT PP Lonsum Tbk dan metode yang sesuai
untuk peramalan produksi CPO ?
2. Bagaimana perencanaan produksi optimum untuk memproduksi CPO dan
berapa banyak produksi yang harus dilakukan oleh PT PP Lonsum Tbk untuk
memperoleh biaya produksi yang minimum ?

3
3. Bagaimana alternatif strategi yang dapat digunakan untuk mengantisipasi
kendala-kendala yang dapat mengakibatkan perusahaan tidak mencapai target
optimal di PT PP Lonsum Tbk ?
Tujuan Penelitian
Tujuan penelitian ialah:
1. Meramalkan pola produksi CPO di PT PP Lonsum Tbk dan mengetahui
metode peramalan yang tepat.
2. Menganalisis perencanaan produksi optimum untuk memproduksi CPO dan
berapa banyak produksi yang harus dilakukan agar memperoleh biaya yang
minimum.
3. Menganalisis alternatif strategi yang dapat digunakan untuk mengantisipasi
kendala-kendala yang dapat mengakibatkan perusahaan tidak mencapai target
optimal di PT PP Lonsum Tbk.
Manfaat Penelitian
Manfaat penelitian ini adalah:
1. Bagi perusahaan
Sebagai bahan acuan dalam keputusan perencanaan dan peramalan produksi
produk perusahaan.
2. Bagi peneliti
Sebagai media mengetahui permasalahan yang dialami perusahaan dan
memberikan alternatif solusi yang mungkin dapat dipertimbangan bagi
manajemen perusahaan.
3. Bagi akademisi
Bahan informasi dan rujukan untuk penelitian bagi pihak-pihak yang memiliki
kepentingan.
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini terfokus pada perencanaan produksi CPO
dan solusi keputusan, serta tindakan peramalan yang dilakukan PT PP Lonsum
Tbk, Medan yang tepat untuk mencapai perencanaan produksi optimal.

TINJAUAN PUSTAKA
Produksi
Menurut Heizer dan Render (2005), produksi adalah proses penciptaan
barang dan jasa. Manajemen Operasi adalah serangkaian aktivitas yang
menghasilkan nilai dalam bentuk barang dan jasa dengan mengubah input menjadi
output. Kegiatan yang menghasilkan barang dan jasa, berlangsung di semua
organisasi.

4
Peramalan
Menurut Heizer dan Render (2005), peramalan adalah seni dan ilmu
untuk memperkirakan kejadian di masa depan yang dapat dilakukan dengan
melibatkan pengambilan data masa lalu dan menempatkannya ke masa mendatang
dengan suatu bentuk model matematik.
Jenis-Jenis Peramalan
Menurut Heizer dan Render (2005), peramalan berdasarkan horizon
waktu dibedakan atas kategori berikut :
a. Peramalan jangka pendek, yaitu peramalan yang mencakup jangka waktu
hingga satu tahun, tetapi umumnya kurang dari tiga bulan. Peramalan ini
digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga
kerja, penugasan kerja dan tingkat produksi.
b. Peramalan jangka menengah, yaitu peramalan yang mencakup hitungan
bulanan hingga tiga tahun. Peramalan ini berguna untuk merencanakan
penjualan, perencanaan dan anggaran produksi, anggaran kas dan menganalisis
bermacam-macam rencana operasi.
c. Peramalan jangka panjang, yaitu peramalan yang mencakup perencanaan masa
tiga tahun atau lebih. Peramalan ni digunakan untuk merencanakan produk
baru, pembelanjaan modal, atau pengembangan fasilitas, penelitian dan
pengembangan (Litbang).
Metode Peramalan
Terdapat dua pendekatan umum peramalan, sebagaimana ada dua cara
mengatasi semua model keputusan, yaitu analisis kualitatif dan kuantitatif.
Peramalan kuantitatif menggunakan model matematik beragam dengan data masa
lalu dan peubah sebab akibat untuk meramalkan permintaan. Peramalan subyektif
atau kualitatif, yaitu peramalan yang menggabungkan faktor seperti intuisi, emosi,
pengalaman pribadi dan sistem nilai pengambilan keputusan untuk meramal
(Handoko 2000). Hal tersebut dapat disimpulkan bahwa peramalan adalah proses
atau metode dalam meramalkan suatu peristiwa yang akan terjadi pada masa
mendatang dengan mendasarkan diri pada peubah tertentu.
Peramalan Kualitatif
Teknik peramalan kualitatif adalah subyektif atau ‘judgmental’ atau
berdasarkan pada estimasi-estimasi dan pendapat-pendapat. Empat teknik
peramalan kualitatif (Heizer dan Render 2005) adalah :
a. Keputusan dari pendapat juri eksekutif.
b. Metode Delphi.
c. Gabungan dari tenaga penjualan.
d. Survei pasar konsumen.
Peramalan Kuantitatif
Menurut Arsyad (2001), peramalan kuantitatif digunakan jika data
historis tersedia cukup memadai dan jika data tersebut dianggap cukup
representatif untuk meramalkan masa datang. Teknik kuantitatif ini biasanya
dikelompokkan menjadi dua, yaitu:

5
a. Teknik statistik yang menitikberatkan pada pola, perubahan pola dan faktor
gangguan (disturbance) yang disebabkan oleh pengaruh acak. Teknik statistik
ini seperti teknik rataan bergerak (moving average) dan teknik pemulusan
(exponential smoothing), metode dekomposisi runtut waktu (time series), trend
dan metodologi Box-Jenkins. Teknik peramalan statistik ini biasanya
menggunakan dua pendekatan. Pertama, didasarkan pada asumsi bahwa data
dapat didekomposisikan seperti trend, siklus, musiman dan ketidakberaturan
(irregularity). Kedua, berkenaan dengan metode ekonometri runtut waktu dan
metodologi Box-Jenkins. Landasan teorinya didasarkan pada konsep-konsep
statistik dan tidak menganggap data disajikan dengan komponen-komponen
yang terpisah.
b. Teknik deterministik (kausal) mencakup identifikasi dan penentuan hubungan
antara peubah yang akan diprakirakan dengan peubah-peubah lain yang
memengaruhi. Teknik ini mencakup model regresi sederhana dan regresi
berganda, indikator-indikator utama, model ekonometrik, survei antisipasi dan
model input-output.
Metode Peramalan Runtut Waktu
Metode peramalan deret waktu merupakan suatu teknik peramalan yang
menggunakan sekumpulan data yang dicatat selama periode tertentu yang
digunakan untuk memprediksi atau meramalkan keadaan masa depan. Komponen
pola data runtut waktu (time series) menurut Heizer dan Render (2005) adalah:
a. Trend Sekuler, yaitu arah data deret berkala jangka panjang yang cukup rata
(smooth), atau pergerakan data sedikit demi sedikit meningkat atau menurun.
b. Siklus adalah pola data yang terjadi setiap beberapa tahun, atau naik turunnya
suatu deret waktu selama periode yang lebih panjang dari satu tahun.
c. Musim adalah pola data yang berulang pada kurun waktu tertentu seperti hari,
minggu, bulan atau kuartal.
d. Variasi acak adalah suatu titik khusus dalam data, yang disebabkan oleh
peluang dan situasi yang tidak biasa. Variasi acak tidak memiliki pola khusus,
jadi tidak dapat diprediksi.
Persamaan proyeksi tren adalah:
Model tren linear (

...................................................... (1)

Keterangan :
Nilai aktual Y pada periode ke-t
Koefisien model
Galat pada periode t
Konstanta
Koefisien = Dugaan rataan peningkatan/penurunan nilai Y setiap
periode
Metode Rataan Bergerak
Rataan bergerak (moving average) berguna, jika kita dapat
mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang
diramalkan. Model rataan bergerak ini paling cocok untuk data stasioner dan tidak
dapat bekerja dengan baik untuk data trend atau musiman, meskipun hasilnya

6
lebih baik daripada metode rataan sederhana. Metode rataan bergerak sering
digunakan bila peramalan perlu dilakukan berulang-ulang kali (Arsyad 2001).
Secara matematik bentuk umum metode rataan bergerak menurut Arsyad
(2001) dapat dirumuskan :
∑

......................................................................................(2)

Keterangan :
Nilai ramalan 1 periode ke depan setelah t
Nilai aktual pada periode ke-i
N
= Ordo
Metode Pemulusan Eksponensial
Pemulusan eksponensial adalah teknik yang dapat memberikan ketepatan
dalam ramalan jangka pendek dan penyesuaian dapat dilakukan dengan cepat dan
pada biaya rendah. Pemulusan eksponensial dipergunakan bila peramalan
diperlukan untuk sistem persediaan yang terdiri atas ribuan barang (Arsyad 2001).
Rumusan penghalusan secara eksponensial menurut Arsyad (2001) dapat
dirumuskan :
(

.........................................................................(3)

Keterangan :
Nilai ramalan Y pada 1 periode ke depan setelah t
Nilai aktual pada periode ke-t
Pembobotan Smoothing (
Linear Programming
Menurut Heizer dan Render (2005), Linear Programming (LP) adalah
suatu teknik matematik yang didesain untuk membantu para manajer operasi
dalam merencanakan dan membuat keputusan untuk mengalokasikan sumber daya
yang ada. Operasional awalnya memerlukan persyaratan berikut:
a. Persoalan LP bertujuan untuk memaksimalkan, atau meminimalkan kuantitas
(umumnya berupa laba atau biaya). Sifat umum ini disebut sebagai fungsi
tujuan (objective function) dari suatu persoalan LP. Tujuan utama suatu
perusahaan pada umumnya memaksimalkan keuntungan pada jangka
panjang. Dalam kasus sistem distribusi suatu perusahaan angkutan atau
penerbangan, tujuan pada umumnya meminimalkan biaya.
b. Adanya batasan (constraints) atau kendala, yang membatasi tingkat sampai
dimana sasaran dapat dicapai.
c. Harus ada beberapa alternatif tindakan yang dapat diambil.
d. Tujuan dan batasan dalam permasalahan pemprograman linear harus
dinyatakan dalam hubungan dengan ketidaksamaaan, atau persamaan linear.

7
SWOT
Menurut Rangkuty dalam Ikhsan dan Aid (2011), analisis SWOT adalah
metode perencanaan strategis yang digunakan untuk mengevaluasi kekuatan,
kelemahan, peluang dan ancaman berkenaan dengan suatu kegiatan proyek atau
usaha. Dengan analisis SWOT ini akan di spesifikasi tujuan dari kegiatan proyek
atau usaha dimaksud dan diidentifikasi faktor-faktor internal dan eksternal yang
bersifat favorable dan unfavorable dalam mencapai tujuan.

Penelitian Terdahulu
Penelitian ini mengacu pada beberapa penelitian sebelumnya. Penelitian
terdahulu yang menjadi acuan dapat dilihat pada Tabel 4.
Tabel 4 Penelitian terdahulu
Nama
Hutajulu (2010)

Judul
Kajian Peramalan Permintaan dan Perencanaan
Optimasi Produksi Semen
Pada Plant 11 PT
Indocement Tunggal
Prakarsa Tbk

Kesimpulan
Melakukan perencanaan
jumlah produksi optimal selama periode perencanaan
dan menganalisis pemecahan yang sesuai, jika terjadi
perubahan-perubahan
(Analisis Sensitivitas) pada
fungsi kendala dan fungsi
tujuan pada pemrograman
linear. Selanjutnya
melakukan peramalan
permintaan selama satu
tahun ke depan berdasarkan
hasil analisis peramalan
time series dengan metode
peramalan terpilih, yaitu
metode peramalan
dekomposisi multiplikatif
dengan nilai Mean Square
Error (MSE) terkecil. Hasil
tersebut dijadikan sebagai
dasar penentuan
perencanaan optimasi
produksi.

8
Lanjutan Tabel 4
Naibaho (2009)

Kusumah (2012)

Kajian Perencanaan Pro- Metode penelitian diawali
duksi Agregat di PT Wiska dengan observasi lapang,
peramalan dilakukan
dengan metode peramalan
yang menghasilkan tingkat
kesalahan paling rendah
MSE terendah. Metode
peramalan penjualan satu
tahun ke depan
menggunakan metode
autoregressive integrated
moving average (ARIMA)
dengan perangkat lunak
Minitab. Tahap selanjutnya
merencanakan produksi
untuk meminimumkan
biaya dengan metode
pemrograman linear dibantu
perangkat lunak LINDO.
Optimasi Produksi Susu Pengolahan data kualitatif
Yoghurt pada PT Cimory dilakukan secara deskriptif
Cisarua Bogor
dan data kuantitatif dengan
software LINDO (Linear
Interactive and Discrete
Optimizer) untuk
memperoleh tingkat
produksi dan penggunaan
sumber daya optimal. Hasil
penelitian ini adalah kondisi
sumber daya yang
digunakan, baik bahan baku
susu segar maupun bahan
penolong masih berlebih
(surplus).

METODE PENELITIAN
Kerangka Pemikiran Penelitian
Kerangka pemikiran yang digunakan dalam penelitian ini adalah untuk
merencanakan produksi optimal, dimana pada awalnya dilakukan peramalan
terhadap produksi selama satu tahun ke depan dengan metode peramalan yang
sesuai (Gambar 1). Metode peramalan yang digunakan adalah metode peramalan
regresi linear sederhana dan mengefisiensikan proses produksi berdasarkan
kendala-kendala yang ada, sehingga dapat meminimalkan biaya dan memberikan
keuntungan yang maksimum dengan keterbatasan alokasi sumber daya yang
dimiliki perusahaan. Metode yang digunakan dalam perencanaan produksi ini

9
adalah LP. Hasil dari metode peramalan dan LP dapat digunakan sebagai bahan
pertimbangan alternatif strategi pengambilan keputusan (Cahya, et al 2014),
pengolahan data strategi rogrammed menggunakan analisis SWOT, hasil dari
analisis ini rog digunakan sebagai alat bantu pengambilan keputusan bagi pihak
manajerial, sehingga dapat mengoptimalkan keterbatasan alokasi sumber daya
yang dimiliki perusahaan dan menghasilkan biaya yang optimal.

PT. Lonsum Tbk

Produksi (Jumlah)

Teknik Peramalan

Perencanaan optimasi produksi

Time series

Linear Programming

Hasil peramalan dan optimasi produksi

Strategi perencanaan optimasi produksi
optimal
Implikasi manajerial
Gambar 1 Kerangka Pemikiran Penelitian
Lokasi dan Waktu Penelitian
Lokasi penelitian dilakukan di PT PP Lonsum Tbk, Medan yang terletak
di Jalan Jendral A. Yani No. 2 Medan Sumatra Utara, Indonesia. Penelitian akan
dilaksanakan selama tiga bulan, dimulai dari bulan Februari-April 2015.
Pengumpulan Data
1.
2.
3.
4.

Data yang dikumpulkan meliputi;
Data gambaran umum perusahaan
Data gambaran umum proses produksi CPO
Data mengenai biaya produksi, biaya tenaga kerja dan biaya lainnya yang
terkait dalam produksi produk kelapa sawit (CPO).
Data produksi CPO, kapasitas tiap bulan.

10
Sumber data terdiri atas:
1. Data Primer
a. Observasi, yaitu teknik pengumpulan data yang dilakukan dengan cara
pengamatan terhadap obyek.
b. Wawancara, yaitu teknik pengumpulan data dengan cara mengadakan rogr
jawab langsung secara lisan terhadap pegawai perusahaan yang terkait.
2. Data Sekunder
a. Buku-buku ataupun laporan-laporan hasil penelitian relevan yang memiliki
keterkaitan dengan penelitian ini.
b. Data dari perusahaan yang dibutuhkan terkait dengan penelitian ini.

Pengolahan dan Analisis Data
Data dan informasi yang diperoleh diolah dan dianalisis secara kualitatif
dan kuantitatif. Analisis data kualitatif adalah suatu pendekatan dengan data yang
ada, kemudian menyajikannya secara deskriptif, grafik dan uraian. Sedangkan
analisis data kuantitatif adalah analisis menggunakan data hasil produksi dan
menggunakan perhitungan dalam bentuk angka-angka analisis data kuantitatif
yang diolah dengan program Microsoft Excel, Minitab 16 dan LINDO.
Peramalan dilakukan untuk mengetahui perkiraan produksi CPO untuk
12 bulan ke depan, dimana data yang digunakan adalah data produksi CPO dari
Januari 2013-Februari 2015. Data yang diperoleh dihitung dengan menggunakan
metode peramalan runtut waktu, pemilihan metode peramalan terbaik dengan
membandingkan kesalahan peramalan (Lumbantoruan, Poerwanto dan Tarigan
2013). Metode peramalan terpilih akan digunakan dalam proses peramalan
produksi tiap bulannya selama setahun. Hasil dari peramalan produksi dijadikan
sebagai acuan dalam menentukan jumlah produk yang akan diproduksi setiap
bulannya. Tahapan kegiatan peramalan (Hutajulu 2010) adalah:
1. Pengumpulan data produksi perusahaan yang terkait dengan data produksi
relevan.
2. Melakukan identifikasi data terhadap pola data deret waktu, dengan cara
memplotkan data secara visual plot dan autokorelasinya, serta menyimpulkan
apakah pola data bersifat trend, musiman, siklikal atau acak.
3. Mencoba beberapa metode time series menurut pola data permintaan tersebut
untuk melakukan peramalan.
4. Mengevaluasi tingkat kesalahan masing-masing metode yang telah dicoba.
Tingkat kesalahan dalam peramalan dapat dihitung dengan kriteria Mean
Average Error (MAE), MSE dan Mean Average Percentage Error (MAPE).
5. Memilih metode peramalan terbaik diantara beberapa metode deret waktu yang
sudah dicoba, didasarkan tingkat kesalahan terkecil dibandingkan dengan
metode lainnya melalui pengukuran kesalahan MSE.
Metode peramalan terbaik diukur dengan tingkat kesalahan terkecil yang
kemudian digunakan untuk meramalkan data historis yang sudah diketahui
nilainya untuk periode mendatang. Hasil tersebut digunakan sebagai acuan dalam
menentukan kapasitas produksi optimal perusahaan. Pengolahan data peramalan
produksi ini menggunakan bantuan perangkat lunak Minitab 16 Setelah proses
peramalan produksi diketahui, maka disusun rencana optimasi produksi

11
perusahaan dengan menggunakan model program linear untuk menganalis dan
menentukan faktor-faktor kendala yang akan digunakan dalam merencanakan
produksi optimal. Pembentukan model dalam proses optimasi produksi produk
kelapa sawit diawali dengan langkah menentukan peubah keputusan dan
dilanjutkan dengan perumusan fungsi tujuan, kemudian penentuan kendalakendala produksi yang dihadapi. Hasil dari peramalan dan program linear
digunakan sebagai acuan dalam pengambilan keputusan penentuan strategi
perencanaan optimasi produksi, dimana data tersebut diolah menggunakan metode
analisis SWOT. Hasil tersebut dapat menjadi bahan pertimbangan pihak
manajerial perusahaan untuk strategi perencanaan optimasi produksi.

HASIL DAN PEMBAHASAN
Gambaran Umum Perusahaan
PT PP London Sumatra Indonesia Tbk. (Lonsum) merupakan perusahaan
milik investor dalam negeri dan asing. Lonsum didirikan oleh pemerintah Inggris
pada tahun 1906 dengan nama Horrison and Crossfield Ltd (H&C). Pada tahun
2007, Indofood Agri Resources Ltd (Indoagri), anak perusahaan PT Indofood
Sukses Makmur Tbk di bidang agribisnis, menjadi pemegang saham mayoritas
Perseroan melalui anak perusahaannya di Indonesia, PT Salim Ivomas Pratama
Tbk (SIMP), sehingga perusahaan menjadi bagian dari Grup Indofood. Visi dari
perusahaan Lonsum adalah “Menjadi perusahaan agribisnis terkemuka yang
berkelanjutan dalam hal tanaman, biaya dan lingkungan yang berbasis penelitian
dan pengembangan” dan memiliki misi untuk “Menambah nilai bagi stakeholders
di bidang agribisnis”.
Bagerpang Estate (BGE) merupakan perkebunan Lonsum pertama di
Indonesia yang didirikan oleh H&C. Perkebunan ini terletak di tiga kecamatan,
yaitu kecamatan Bangun Purba dan kecamatan Galang, kecamatan STM Hilir,
provinsi Sumatera Utara.
Komoditi yang ada di perkebunan ini adalah tanaman kelapa sawit (Elais
guineensis Jacq.) dengan luas areal perkebunan seluas 4928,88 ha. Perkebunan ini
memiliki satu unit pabrik kelapa sawit (PKS) yang berkapasitas 50 ton per jam
dan memiliki program Enriched Mulch Area (EMU) yaitu membuat kompos
dengan memanfaatkan janjangan kosong ( rogramm) dan air limbah (fommy).
Bentuk tenaga kerja di PT PP Lonsum terdiri dari staf, Monthly Rate
Personel (MRP) atau pekerja bulanan, Daily Rate Personel (DRP) atau pekerja
harian dan Piece Works (PW) atau pekerja harian lepas. Jumlah tenaga kerja
adalah 836 orang yang terdiri dari 186 orang MRP, 601 orang DRP, 1 orang
CMRP dan 48 orang CDRP.
Perkebunan BGE dipimpin oleh seorang Manajer yang dalam
pelaksanaan tugasnya dibantu oleh Estate Adminitration Assistant (EAA), Head
Assistant, Field Assistant, pegawai dan karyawan. Lonsum BGE terdiri dari tujuh
divisi, yaitu:
1. Divisi 01 Batu Lokong dengan luas areal 926,86 ha
2. Divisi 02 Namu Rambei dengan luas areal 648,46 ha

12
3.
4.
5.
6.
7.

Divisi 03 Naga Timbul dengan luas areal 703,94 ha
Divisi 04 Bagerpang dengan luas areal 576,32 ha
Divisi 05 Kongsi Empat dengan luas areal 707,45 ha
Divisi 06 Kongsi Dua dengan luas areal 684,92 ha
Divisi 07 Timbang Serdang dengan luas areal 680,93 ha
Semua kegiatan dalam perkebunan yang dilaksanakan dikebun harus
berpedoman pada Standard Operating Procedure (SOP) yang dikeluarkan kantor
pusat untuk masing-masing kebun yang disusun dalam bentuk Yearly Programme,
Monthly rogrammed an Daily Programme.

Teknik Peramalan
Identifikasi pola data
Menurut Santoso (2009), pada data time series yang berbasis waktu,
diperlukan pengujian terlebih dahulu sebelum data tersebut dapat diolah, yang
disebut dengan uji pola data. Jika pada data terdapat trend atau ada komponen
musiman atau siklus, data tidak dapat dikatakan stasioner. Namun sebaliknya, jika
pada data tidak ada trend, musiman atau siklus, maka data dikatakan stasioner.
Data produksi CPO pada Lonsum pada periode Januari 2013-Februari 2015
dimuat pada Tabel 5.
Tabel 5 Data produksi CPO Lonsum
Periode

Produksi

Periode

Produksi

Januari-13

4 044.762

Februari-14

3 639.918

Februari-13
Maret-13
April-13
Mei-13
Juni-13
Juli-13
Agustus-13
September-13
Oktober-13
November-13
Desember-13
Januari-14

4 181.057
4 640.436
4 714.087
4 263.215
6 560.761
6 139.827
5 065.555
6 852.127
5 367.958
4 713.519
5 359.261
3 705.666

Maret-14
April-14
Mei-14
Juni-14
Juli-14
Agustus-14
September-14
Oktober-14
November-14
Desember-14
Januari-15
Februari-15

5 036.736
4 411.281
4 316.805
6 053.796
5 631.08
5 982.715
6 988.77
4 666.467
4 332.661
6 061.547
3 632.752
3 307.876

Sumber: Lonsum, 2015

13
Autocorrelation Function for Yt-3
(with 5% significance limits for the autocorrelations)
1,0
0,8

Autocorrelation

0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
2

4

6

8

10

12
Lag

14

16

18

20

22

Gambar 2 Autokorelasi untuk produksi CPO
Berdasarkan plot autokorelasi dengan time lag-3 pada Gambar 2, di atas
dan di bawah bar terdapat dua garis merah terputus-putus. Itu adalah garis upper
dan lower dari angka korelasi yang tidak menunjukkan adanya autokorelasi. Jika
bar-bar yang ada tidak melebihi garis merah yang ada di atas ataupun di bawah,
berarti tidak ada autokorelasi (Santoso 2009).
Regresi linier sederhana
Tabel 6 Analisis regresi
Predictor
Constant
Yt-3
S = 1001,72
Source
DF
Regression
1
Residual
21
Error
Total
22

Coef
SE Coef
2837
1127
0,4419
0,2183
R-Sq = 16,3% R-Sq(adj) = 12,3%
SS
MS
4112818
4112818
21072230
1003440

T
2,52
2,02

P
0,020
0,056
F
4,10

P
0,056

25185047

Hasil menunjukkan nilai R-square 0,163/16,3%. Hasil R-square
menandakan bahwa variabel produksi CPO pada lag 3 dapat menjelaskan
produksi CPO 16,3% sisanya dijelaskan oleh peubah lain. Nilai Prob F sebesar
0,05 < 0,05 menunjukkan bahwa peubah produksi CPO pada lag 3 dapat
menjelaskan data produksi CPO. Persamaan regresi linear sederhana:
Dari persamaan linear ini didapatkan hasil peramalan produksi CPO untuk
12 bulan ke depan.

14
Tabel 7 Hasil peramalan produksi CPO
Periode
Maret-15
April-15
Mei-15
Juni-15
Juli-15
Agustus-15
September-15
Oktober-15
November-15
Desember-15
Januari-16
Februari-16

Peramalan produksi
5 516.204
4 442.676
4 299.08
5 275.162
4 800.663
4 737.194
5 168.622
4 958.893
4 930.84
5 121.531
5 028.831
5 016.431

Hasil peramalan produksi CPO pada Tabel 7 memiliki kecenderungan
peningkatan dari tahun ke tahun. (Hargianto, et al 2013)
Perencanaan Optimasi Produksi
Linear Programming
Dalam membuat pemodelan matematis, langkah-langkah yang harus
dilakukan (Budianto 2013) adalah:
1. Mengidentifikasi masalah
Masalah yang terjadi di PT PP Lonsum Tbk ini adalah menentukan banyak
produksi CPO berdasarkan peramalan 12 bulan ke depan.
2. Mengidentifikasi parameter
Fungsi Tujuan
Menentukan peubah keputusan, dimana merupakan hasil yang akan
dioptimalkan sehingga memenuhi kriteria sasaran dan kendala yang akan
menjadi peubah keputusan. (Lumbantoruan, et al 2013)
a. Biaya produksi
Persentase keuntungan yang diperoleh perusahaan 34.6% dari harga jual
CPO, yaitu Rp9 598 968 per ton CPO, sehingga harga pokok produk Rp3
321 243 per ton (tidak termasuk biaya tenaga kerja dan biaya penyimpanan
produk)
b. Biaya jam tenaga kerja regular
Biaya tenaga kerja pada bagian produksi Rp12 015 per jam dengan jam
kerja regular 7 jam per hari dan maksimal 40 jam per minggu.
c. Biaya penyimpanan
Biaya penyimpanan 1% dari biaya produksi, yaitu Rp 33 213 per ton.
d. Biaya jam tenaga kerja lembur
Jam tenaga kerja lembur maksimal tiga jam per hari, dimana biaya untuk
jam pertama 150% dari upah regular, jam kedua 200% dan jam ketiga
300%. Jam kerja lembur diasumsikan 3 jam per hari, sehingga rataan biaya
lemburnya Rp26 033 per hari
Zmin= 3 321 243Pt+12 015Wt+33 213Ht+26 033Ot

15

Z = total biaya
Pt = jumlah produksi CPO per ton pada periode t
Wt = jumlah jam kerja karyawan pada periode t
Ht = jumlah persediaan CPO per ton pada periode t
Ot = jumlah jam kerja lembur pada periode t
Pada penelitian ini akan dilakukan optimalisasi produksi selama satu
tahun kedepan. Berdasarkan fungsi minimasasi tersebut, maka didapat perumusan
fungsi penelitian berikut:
∑(

Fungsi kendala
Kendala yang muncul selain permintaan yaitu berasal dari faktor produksi
seperti bahana baku, mesin dan tenaga kerja yang memiliki kapasitas terbatas.
(Rimbasari,et al 2014)
a. Kendala jumlah produksi
Fungsi kendala produksi dapat di formulasikan sebagai berikut:
Ft= Pt + (Ht – Ht-1)
Keterangan :
Ft = peramalan produksi CPO pada periode t
Pt = jumlah produksi CPO pada periode t
Ht = jumlah persediaan CPO pada periode t
Ht-1 = jumlah persediaan CPO pada periode sebelumnya
Dari formulasi tersebut, maka fungsi kendala produksi dapat dirumuskan
sebagai berikut:
P1 + (H1-H0) = 5516.204
P2 + (H2-H1) = 4442.676
P3 + (H3-H2) = 4299.081
P4 + (H4-H3) = 5275.162
P5 + (H5-H4) = 4800.663
P6 + (H6-H5) = 4737.194
P7 + (H7-H6) = 5168.622
P8 + (H8-H7) = 4958.893
P9 + (H9-H8) = 4930.84
P10 + (H10-H9) = 5121.531
P11 + (H11-H10) = 5028.831
P12 + (H12-H11) = 5061.431
b. Kendala kapasitas gudang produk CPO
Pabrik ini memiliki 2 storage tank untuk penyimpanan produk CPO
dengan kapasitas 5000 ton, sehingga persamaan matematiknya dapat
diformulasikan sebagai berikut:

16
Ht ≤ St
St = kapasitas penyimpanan
Dari formula tersebut, fungsi kendala kapasitas gudang dapat dirumuskan
sebagai berikut:
H1 ≤ 5000; H2 ≤ 5000; H3 ≤ 5000; H4 ≤ 5000; H5 ≤ 5000; H6 ≤ 5000; H7 ≤ 5000;
H8 ≤ 5000; H9 ≤ 5000; H10 ≤ 5000; H11 ≤ 5000; H12 ≤ 5000
c. Kendala tingkat persediaan
Safety stock pada pabrik ini 20%. Safety stock (persediaan pengaman)
adalah suatu persediaan yang dicadangkan sebagai pengaman dari
kelangsungan proses produksi perusahaan. dengan adanya persediaan
pengaman diharapkan proses produksi tidak terganggu oleh adanya
ketidakpastian bahan (Rahmayanti dan Fauzan 2013). Hal tersebut dimuat pada
Tabel 8.
Tabel 8 Tingkat persediaan berdasarkan peramalan produksi CPO
Bulan
Mar-14
Apr-14
Mei-14
Jun-14
Jul-14
Agu-14
Sep-14
Okt-14
Nov-14
Des-14
Jan-15
Feb-15

Peramalan
5 516.204
4 442.676
4 299.08
5 275.162
4 800.663
4 737.194
5 168.622
4 958.893
4 930.84
5 121.531
5 028.831
5 016.431

Tingkat persediaan 20%
1 103.241
888.535
859.816
1 055.032
960.133
947.439
1 033.724
991.779
986.168
1 024.306
1 005.766
1 003.286

Fungsi kendala tingkat persediaan produk CPO adalah:
H1 ≥ 1 103.241; H2 ≥ 888.535; H3 ≥ 859.816; H4 ≥ 1 055.032; H5 ≥ 960.133;
H6 ≥ 947.439; H7 ≥ 1 033.724; H8 ≥ 991.779; H9 ≥ 986.168; H10 ≥ 1 024.306;
H11 ≥ 1 005.766; H12 ≥ 1 003.286
d. Kendala jam tenaga kerja
Jumlah tenaga kerja yang berhubungan dengan proses produksi adalah
112 orang (termasuk security, administrasi, laboratorium dan kebersihan)
dengan jumlah jam kerja reguler dan lembur seperti dimuat pada Tabel 9:
Tabel 9 Data jam kerja reguler dan lembur
Bulan
Mar-14
Apr-14
Mei-14
Jun-14
Jul-14
Agu-14
Sep-14
Okt-14
Nov-14

Jam kerja regular
306
348
310
320
300
320
320
348
320

Jam kerja lembur
137
137
137
137
137
137
137
137
137

17
Lanjutan Tabel 9
Des-14
Jan-15
Feb-15
Total

310
320
310
3 832

137
137
137
1 644

i. Kendala jam kerja regular
Kendala jam kerja reguler dapat diformulasikan menjadi;
Wt + Vt = Zt
Vt = waktu menganggur periode t
Zt = jumlah jam kerja reguler pada periode t
Fungsi kendala dirumuskan sebagai berikut:
W1 + V1 = 306; W2 + V2 = 348; W3 + V3 = 310; W4 + V4 = 320; W5 + V5
= 300; W6 + V6 = 320; W7 + V7 = 320; W8 +V8 = 348; W9 + V9 =320;
W10 + V10 = 310; W11 + V11 = 320; W12 + V12 = 310
ii. Kendala pemakaian jam kerja reguler
Kecepatan produksi CPO adalah 50 ton per jam, dengan kata lain
0,02 jam/ton. Secara matematik fungsi kendala dapat diformulasikan
sebagai berikut:
Wt = aPt + Vt – Ot
a = kecepatan produksi (0,02 jam/ton)
Wt = aFt + aHt – aHt-1 +Vt – Ot
Wt + aHt-1 + Ot – Vt – aHt = aFt
Fungsi kendala dapat dirumuskan sebagai berikut:
W1 + 0,02H0 + V1 – 0,02H1 = 110.32
W2 + 0,02H1 + V2 – 0,02H2 = 88.85
W3 + 0,02H2 + V3 – 0,02H3 = 85,98
W4 + 0,02H3 + V4 – 0,02H4 = 105,5
W5 + 0,02H4 + V5 – 0,02H5 = 96,01
W6 + 0,02H5 + V6 – 0,02H6 = 94,74
W7 + 0,02H6 + V7 – 0,02H7 = 103,37
W8 + 0,02H7 + V8 – 0,02H8 = 99,18
W9 + 0,02H8 + V9 – 0,02H9 = 98,62
W10 + 0,02H9 + V10 – 0,02H10 = 102,43
W11 + 0,02H10 + V11 – 0,02H11 = 100,58
W12 + 0,02H11 + V12 – 0,02H12 = 100,33
iii. Kendala jam kerja lembur
Jumlah maksimal jam kerja lembur adalah sebanyak 137 jam per
bulan. Formulasi kendala jam kerja lembur adalah:
Ot – Vt ≤ rWt
r = perbandingan jam kerja reguler dengan jam kerja lembur
Ot – Vt ≤ rWt
(1+r)Ot – (1+r)Vt – raHt +raHt-1 ≤ raFt
1,448O1 – 1,448V1 – 0,00895H1 + 0,00895H0 ≤ 49,39
1,394O2 – 1,394V2 – 0,00787H2 + 0,00787H1 ≤ 34,98
1,442O3 – 1,443V3 – 0,00884H3 + 0,00884H2 ≤ 38
1,428O4 – 1,428V4 – 0,00856H4 + 0,00856H3 ≤ 45,17
1,457O5 – 1,457V5 – 0,00913H5 + 0,00913H4 ≤ 43,85

18
1,428O6 – 1,428V6 – 0,00856H6 + 0,00856H5 ≤ 40,56
1,428O7 – 1,428V7 – 0,00856H7 + 0,00856H6 ≤ 44,26
1,394O8 – 1,394V8 - 0,00787H8 + 0,00787H7 ≤ 39,04
1,428O9 – 1,428V9 – 0,00856H9 + 0,00856H8 ≤ 42,22
1,442O10 – 1,442V10 – 0,00884H10 + 0,00884H9 ≤ 45,27
1,428O11 – 1,428V11 – 0,00856H11 + 0,00856H10 ≤ 43,06
1,442O12 – 1,442V12 – 0,00884H12 + 0,00884H11 ≤ 44,34
Hasil peramalan dan optimasi produksi
Berdasarkan hasil program linear dari formulasi permasalahan
perusahaan tersebut, pengolahan dengan bantuan perangkat lunak LINDO di
dapatkan hasil perencanaan optimasi produksi dari periode Maret 2015 sampai
Februari 2016 seperti dimuat pada Tabel 10.
Tabel 10 Hasil perencanaan optimasi produksi Lonsum
Periode (t)

Produksi (ton)

Mar-14
Apr-14
Mei-14
Jun-14
Jul-14
Agu-14
Sep-14
Okt-14
Nov-14
Des-14
Jan-15
Feb-15
Total

253 660
203 479
192 604
240 908
218 183
214 010
235 581
223 695
223 692
233 727
228 592
228 472
2 696 602

Persediaan (ton)
248 144
447 180
635 485
871 118
1 084 501
1 293 773
1 524 186
1 742 922
1 961 683
2 190 288
2 413 851
2 637 306
17 050 437

Jam kerja
regular (jam)
306
348
310
320
300
320
320
348
320
310
320
310
3 832

Jam kerja
lembur (jam)
137
25
137
137
137
137
137
137
137
137
137
137
1 532

Hasil dari perencanaan produksi untuk jangka waktu 12 bulan diperoleh
jumlah produksi CPO 2 696 602 ton. Jam kerja reguler yang diperoleh 3 832 jam
dengan perolehan jam kerja lembur total sebanyak 1 532 jam. Dari tabel 10 diatas
dapat dilihat perusahaan masih perlu menetapkan kebijakan jam kerja lembur
maksimal hampir tiap bulannya. Setiap melakukan jam kerja lembur pada periode
waktu tersebut, perusahaan akan menambah biaya produksi Rp26 033 dengan
asumsi jam kerja lembur yang digunakan adalah 3 jam per hari. Biaya yang
dapat dihitung setelah diperoleh hasil perencanaan optimasi produksi adalah biaya
produksi, biaya penyimpanan, biaya jam kerja reguler dan biaya jam kerja lembur.
Hasil perhitungan biaya perencanaan optimasi produksi tersebut dimuat pada
Tabel 11.
Tabel 11 Biaya perencanaan optimasi produksi PT PP Lonsum Tbk
Periode (t)
Mar-14
Apr-14
Mei-14
Jun-14

Produksi

Persediaan

842 467 173 592
675 803 619 552
639 684 842 870
800 114 370 659

8 241 606 672
14 852 203 887
21 106 377 852
28 932 454 589

Jam kerja
reguler
3 676 590
4 181 220
3 724 650
3 844 800

Jam kerja
lembur
3 566 521
650825
3 566 521
3 566 521

19
Lanjutan Tabel 11
Jul-14
724 639 279 583
Agu-14
710 778 178 202
Sep-14
782 422 109 198
Okt-14
742 944 310 377
Nov-14
742 935 489 156
Des-14
776 262 604 998
Jan-15
759 208 075 333
Feb-15
758 809 579 313
Total
8 956 069 632 835

36 019 527 561
42 970 095 104
50 622 785 466
57 887 655 931
65 153 369 176
72 746 027 041
80 171 216 657
87 592 827 572
566 296 147 508

3 604 500
3 844 800
3 844 800
4 181 220
3 844 800
3 724 650
3 844 800
3 724 650
46 041 480

3 566 521
3 566 521
3 566 521
3 566 521
3 566 521
3 566 521
3 566 521
3 566 521
39 882 556

Biaya produksi diperoleh dari hasil pengalian jumlah produksi tiap bulan
dengan biaya produksi per ton CPO. Hal yang sama dilakukan pada perhitungan
biaya yang lain. Dari hasil perencanaan optimasi produksi Rp8 956 069 632 835,
dengan biaya penyimpanan yang dikeluarkan Rp566 296 147 508 biaya ini
digunakan untuk penyimpanan produk sebagai persediaan. Biaya tenaga kerja
yang diperoleh berupa biaya tenaga kerja reguler Rp46 041 480 dan biaya tenaga
kerja lembur Rp39 882 556.
Pemodelan perencanaan optimasi produksi yang telah dibuat berdasarkan
pertimbangan-pertimbangan dan kendala-kendala yang memengaruhi proses
perencanaan optimasi produksi, serta sumberdaya yang dimiliki perusahaan.
Tabel 12 Hasil LINDO untuk produksi CPO
Periode

Perencanaan produksi

Target

Keterangan

Mar-15
Apr-15
Mei-15
Jun-15
Jul-15
Agu-15
Sep-15
Okt-15
Nov-15
Des-15
Jan-16
Feb-16

253 660
203 479
192 604
240 908
218 183
214 010
235 581
223 695
223 692
233 727
228 592
228 472

5 036.736
4 411.281
4 316.805
6 053.796
5631.08
5 982.715
6 988.77
4 666.467
4 332.661
6 061.547
-

T
T
T
T
T
T
T
T
T
T
-

Keterangan :
T : tercapai
TT : tidak tercapai
Berdasarkan Tabel 12 diketahui bahwa target tiap bulan periode Maret
2015-Desember 2015 mencapai target.
Strategi Perencanaan Optimasi Produksi
Data yang diperoleh dianalisis dengan cara menganalisis faktor
lingkungan internal (kekuatan, kelemahan) dan faktor lingkungan eksternal
(peluang, ancaman) yang ada, dengan menggunakan analisis SWOT. Analisis ini
digunakan untuk menganalisis strategi perencanaan optimasi produksi di PT PP
Lonsum Tbk, Medan (Apriandes, et al 2013).

20
Faktor internal
Pemasok
Bahan baku yang diolah adalah tandan buah segar (TBS). TBS diperoleh
dari kebun inti. Jumlah TBS yang masuk ke pabrik rataannya 400 ton per hari
dengan kapasitas pengolahan pabrik mencapai 800 ton/hari. Jumlah ini masih jauh
dari kapasitas pengolahan karena belum semua tanama pada kebun Lonsum
mampu menghasilkan TBS secara optimal.
Proses produksi dan operasi
Dalam kegiatan proses produksinya PT PP Lonsum Tbk menggunakan
mesin dan peralatan seperti dimuat pada Tabel 13.
Tabel 13 Mesin dan peralatan yang digunakan dalam proses produksi
Mesin/Peralatan
Timbangan
Loading Ramp

Lori
Sterilizer cap
Trippler
Elevator
Thresher
Screw press
Digester
Fiber cyclone
Sludge centrifuge
Vacum drier dan extration pump
Kernel bulking silo

Fungsi
Menimbang berat TBS yang akan diangkut oleh truk ke
loading ramp
Tempat untuk memasukkan buah ke dalam pengolahan,
memiliki 20 pintu, satu pintu memuat 15 ton TBS dapat
menampung 300 ton TBS
Tempat pengangkutan TBS sebelum diolah, dengan
kapasitasn 10 ton TBS per satuan lori
Tempat perebusan buah, kapasitas 50 ton
Tempat penampungan buah setelah dilakukan
perebusan
Pengangkat brondolan
Alat perontokkan brondolan
Alat pencincang brondolan
Alat pelumat brondolan
Tempat penampung minyak mentah
Menjernihkan minyak dari sludge yang digunakan
sebagai kompos
Menjernihkan minyak agar siap didistribusikan
Alat pemisah antara kandungan kernel, air dan sludge

Mesin-mesin tersebut bekerja terus menerus tanpa melewatkan prosesproses sebelum atau pun sesudah.
Tenaga kerja
Tenaga kerja pada PT PP Lonsum Tbk memiliki tingkat pendidikan yang
bervariasi mulai dari SMP, SMA hingga Sarjana. Pemberlakuan golongan
kepangkatan hanya mengikuti ketentuan dari kantor direksi yang berguna untuk
menyamakan gaji dan tunjangan bagi seluruh tenaga kerja PT PP Lonsum Tbk.
Mutu
Mutu rendemen CPO ditentukan oleh TBS yang masuk dan diolah di
pabrik. Untuk mempertahankan mutu rendemen pabrik, maka asisten pengawasan
mutu selalu menjaga mutu TBS tetap terjaga sesuai standar pabrik. Untuk
menjaga mutu CPO dilakukan dengan menjaga kebersihan pabrik dan prosedur
kerja harus sesuai dengan petunjuk teknis untuk menjalankan pekerjaan, sehingga
produk yang dihasilkan menjadi lebih bermutu.

21
Modal
Sumber modal berupa uang maupun sumber daya lain berupa peralatan
dalam jumlah besar. Dimana sumber modal ini didukung oleh pihak pusat sebagai
pihak pendukung segala kebutuhan pabrik.
Teknologi
Kebutuhan energi listrik per bulannya sekitar 5000 kwh digunakan untuk
operasional pabrik dan perumahan karyawan. Bahan bakar utama yang diperlukan
untuk operasional pabrik salah satunya solar. Energi untuk menggerakkan mesinmesin berasal dari mesin diesel dan listrik. Untuk sumber energi cadangan berasal
dari genset sebanyak dua unit.
Faktor eksternal
Dunia bisnis
Menurut GAPKI (2014), data pertumbuhan ekspor produk sawit dari
Januari sampai April 2015 sebesar 25% menjadi 7,88 juta ton daripada periode
tahun lalu berjumlah 6,3 juta ton. Kebutuhan minyak sawit di pasar global terus
meningkat. Volume ekspor minyak sawit Indonesia ke India pada April lalu
tercatat naik 45,5% dibandingkan bulan lalu. Kenaikan ekspor diikuti oleh negara
Cina 15% dan Uni Eropa 8,5%. Peningkatan permintaan yang jumlahnya tidak
banyak, akan tetapi sangat nyata secara persentase datang dari Pakistan dan
Amerika Serikat (AS). Pakistan membukukan kenaikan permintaan 101% dari
75,75 ribu ton menjadi 152 ribu ton. Sementara itu AS mencatatkan kenaikan
permintaan 91% atau dari 28,8 ribu ton menjadi 55 ribu ton. Penguatan dollar AS
terhadap mata uang rupiah juga mendongkrak kinerja ekspor minyak sawit
Indonesia ke negeri Paman Sam.
Upah tenaga kerja
Upah tenaga kerja diberikan sesuai dengan pangkat dan golongan
karyawan. Beberapa golongan gaji pokok berada di bawah upah minimum.
Karyawan juga menerima premi kerja, upah lembur dan tunjangan.
Pasar dan pesaing
CPO dipasarkan ke PT Salim Ivomas Pratama Tbk (SIMP) di Kabupaten
Deli Serdang. Perusahaan telah memiliki kontrak kerjasama sehingga perusahaan
tidak kesulitan dalam pemasaran, yang mana perusahaan tidak memiliki pesaing
dari perusahaan sejenis.
Persediaan bahan baku
Kebun bagerpang memanen TBS tiap harinya secara terus menerus untuk
menghindari waktu menunggu.
Persediaan bahan penolong
Persediaan bahan penolong seperti bahan bakar, pelumas, suku cadang
mesin, bahan kimia pabrik selalu tersedia di gudang. Hal ini dilakukan untuk
menjaga kelancaran operasional pabrik.

22
Tabel 14 Matriks SWOT strategi perencanaan optimasi produksi CPO pada
PT PP Lonsum Tbk

Internal

Eksternal

Opportunities (O)
1. Produk-produk
turunan kelapa
sawit memiliki
prospek pasar yang
bagus
2. Permintaan CPO
terus meningkat
3. Pemerintah daerah
mendukung
industri kelapa
sawit
4. Tidak ada pesaing
dalam memasarkan
produk
5. Semakin
meningkatnya
volume ekspor
produk kelapa
sawit
Threats (T)
1. Fluktuasi harga
karena
melemahnya nilai
tukar rupiah
2. Tingginya pajak
untuk perkebunan
3. Adanya serangan
hama

Strengths (S)
1. Memiliki pabrik
berkapasitas 50 ton/jam
2. Sumber bahan baku
(TBS) dari kebun sendiri
3. Disiplin karyawan tinggi
4. Memiliki serikat pekerja
solid dan kooperatif
dengan perusahaan
5. Mempunyai tenaga kerja
ahli dalam bidang kelapa
sawit
6. Tingkat keamanan kerja
tinggi
7. Mutu bahan baku
terjaga
8. Memiliki dukungan
modal kuat
9. Teknologi terbaru dalam
pengolahan kelapa sawit
1. Mempertahankan
konsistensi mutu yang
diinginkan konsumen
dengan evaluasi terus
menerus (S1, S2, S7,S8,
S9, O2, O3, O5)
2. Meningkatkan kapasitas
olah dengan
mengoptimalkan fasilitas
yang dimiliki (S6, S9,
O2, O5)
3. Meningkatkan efisiensi
dan efektivitas pabrik
(S4, S9, O2, O5)
4. Peningkatan kualitas
dengan teknologi sesuai
kebutuhan (S8, S9, O1)

1.

2.

3.

Meningkatkan mutu
tenaga kerja secara
berkesinambungan
Perawatan dan
pengawasan kebun oleh
perusahaan
Penerapan disiplin kerja
karyawan yang konsisten

Weakness (W)
1. Bahan baku
kadangkala belum
mencukupi
kebutuhan pabrik
2. Kapasitas produksi
yang masih belum
terpenuhi

1.

2.

1.
2.

Mutu produk dengan
harga jual kompetitif
W1, O4
Diversifikasi produk
W1, O1

Perluasan lahan
perkebunan
Penggunaan
teknologi ramah
lingkungan

23
Tabel 15 Matriks SWOT strategi pengadaan TBS optimasi produksi CPO pada
PT PP Lonsum Tbk

Internal

Eksternal

Strengths (S)
1. Bahan baku (TBS)
tersedia dengan mutu
yang baik
2. Tersedianya produk
CPO di tempat
penyimpanan
3. Bahan penolong dan
suku cadang untuk
perawatan mesin
selalu tersedia
4. Persediaan tetap
terjaga secara terus
menerus

Opportunities (O)
Kemungkinan produ