Rancangan Optimasi Produksi pada Rantai Pasok Crude Palm Oil dengan Metode Algoritma Genetika di PT. Perkebunan Nusantara III
BAB I
PENDAHULUAN
1.1.
Latar Belakang
Kelapa sawit merupakan salah satu komoditas pertanian yang paling
berkembang pesat di Indonesia. Sejak tahun 2006 Indonesia telah menjadi
produsen crude palm oil (CPO) terbesar di dunia dengan produksi mencapai 34
juta ton pada tahun 2016 (Indexmundi, 2017).
Dalam rangka mempercepat hilirisasi minyak sawit didalam negeri,
pemerintah telah mengubah kebijakan pajak ekspor menjadi kebijakan Bea Keluar
CPO dan produk turunannya (PMK No. 128/2011 dan PMK No. 75/2012) yang
bertujuan menjamin ketersediaan bahan baku minyak sawit bagi industri
domestik; mengamankan pasokan serta harga minyak goreng di dalam negeri; dan
mendukung Program Nasional Hilirisasi Industri Kelapa Sawit.
Kemajuan hilirisasi yang terjadi dalam periode 2011-2016 tercermin dari
konsumsi CPO domestik dari 7,8 juta ton menjadi 13,5 juta ton, untuk industri
olein (minyak goreng dan margarin, dan lainnya), industri oleokimia dan detergen,
serta industri biodiesel. Selain tercermin dari konsumsi CPO domestik, hilirisasi
minyak sawit domestik juga ditunjukkan oleh produksi industri hilir. Tahun 2016
produksi olein (RBD olein, minyak goreng, margarin, dan lainnya) sebesar 25 juta
ton, produksi oleokimia (oleokimia dasar, detergen dan sabun) sebesar 3,4 juta ton
dan produksi biodiesel sebesar 2,9 juta ton (Palm Oil Agribusiness Strategic
Policy Institute, 2017).
Universitas Sumatera Utara
Dengan semakin berkembangnya hilirisasi Industri Kelapa Sawit nasional,
tentu kebutuhan akan bahan baku berupa CPO akan semakin meningkat. Agar
kemampuan daya saing agroindustri CPO meningkat, maka diperlukan
pengelolaan yang terintegrasi mulai dari pasokan bahan baku, perencanaan
produksi dan pengendalian persediaan tangki timbun (Hadiguna & Machfud,
2008)
Terdapat banyak faktor internal maupun eksternal yang mempengaruhi
perencanaan produksi pada pabrik kelapa sawit. Faktor internal berupa
ketersediaan sumberdaya seperti bahan baku, manusia, dan mesin. Sedangkan
untuk faktor eksternal seperti fluktuasi harga TBS dan pengaruh cuaca terhadap
ketersediaan TBS. Semua faktor ini perlu diperhatikan sehingga dapat dimodelkan
suatu perencanaan produksi yang optimum.
PT. Perkebunan Nusantara III merupakan Badan Usaha Milik Negara
yang bergerak di bidang pengelolaan, pengolahan dan pemasaran hasil
Perkebunan. Salah satu produk hasil olahan PTPN III adalah CPO. Dalam hasil
tinjauan terhadap evaluasi kinerja PKS pada bulan Mei 2016, diketahui bahwa
kapasitas olah PKS selalu tidak tercapai dengan realisasi sebesar 481,19 ton
TBS/jam atau 90,97% terhadap RKAP (530 Ton TBS/jam) dan hanya sebesar
85,25% terhadap kapasitas terpasang. Hal ini tentu akan berpengaruh terhadap
potensi kerugian pada perusahaan yang akan berpengaruh terhadap biaya produksi
CPO. (Media Nusatiga, 2017)
Pabrik Kelapa Sawit (PKS) Rambutan merupakan salah satu dari 11 PKS
yang dimiliki PT. Perkebunan Nusantara III. Pabrik kelapa sawit Rambutan
Universitas Sumatera Utara
berlokasi di Desa Paya Bagas Kecamatan Rambutan, Kotamadya Tebing Tinggi,
Provinsi Sumatera Utara. Pabrik ini dibangun sejak tahun 1983 dan memiliki
kapasitas olah 30 ton/jam. Proses produksi pada PKS Rambutan memiliki rantai
aliran nilai dari pasca panen pada kebun sawit, transportasi bahan baku,
pengolahan kelapa sawit menjadi CPO dan penyimpanan. Sumber bahan baku
(TBS) yang digunakan berasal dari kebun milik perusahaan, dengan total delapan
kebun pemasok.
Pada kondisi puncak panen, sering terjadi penumpukan TBS karena bahan
baku yang melimpah, di satu pihak TBS yang telah dipanen harus segera diproses
karena dapat mempengaruhi kualitas mutu minyak yang akan dihasilkan.
Sebaliknya jika pasokan TBS tidak memenuhi kebutuhan pabrik, maka akan
terjadi kerugian ongkos produksi. Data TBS menginap di lapangan pada periode
Juni 2017 dapat dilihat pada Tabel 1.1.
Tabel 1.1. TBS Menginap di Lapangan pada Periode Juni 2017
Keterangan
Tanpa Menginap
1 Malam
2 Malam
3 Malam
4 Malam
5 Malam
6 Malam
Jumlah TBS
(Kg)
8531.900
6560.790
803.990
54.100
17.970
17.080
17.330
Persentase
(%)
53,31
41,00
5,02
0,34
0,11
0,11
0,11
Sumber: PTPN III PKS Rambutan
Pada kondisi puncak panen sangat penting bagi perusahaan untuk
mengolah TBS yang ada secara langsung karena TBS yang tidak diolah secara
langsung dapat mengalami penyusutan nilai rendemen. Setiap kebun pemasok
Universitas Sumatera Utara
memiliki nilai rendemen minyak sawit yang berbeda-beda. Data hasil rendemen
minyak kelapa sawit setiap kebun pada periode Januari sampai dengan Juni 2017
dapat dilihat pada Tabel 1.2.
Tabel 1.2. Data Faktor Rendemen Periode Januari sampai dengan
Juni 2017
Kebun
Sei Putih (KSPTH)
Rambutan (KRBTN)
Tanah Raja (KTARA)
Sarang Giting (KSGGI)
Silau Dunia (KSDUN)
Gunung Monako (KGMNO)
Gunung Para (KGPAR)
Gunung Pamela (KGPMA)
Januari
22,33
21,36
21,46
22,51
22,12
21,73
22,04
20,43
Februari
22,15
21,20
21,58
23,12
22,78
21,03
22,25
22,96
Bulan
Maret
April
22,04
22,36
21,70
22,19
21,78
22,04
22,09
22,61
21,34
21,63
21,72
22,01
22,09
22,18
22,65
22,70
Mei
22,28
22,26
22,17
22,67
21,97
22,05
22,10
22,43
Juni
22,19
22,33
22,40
22,38
21,75
21,88
22,00
22,50
Sumber: PTPN III PKS Rambutan
Dalam proses produksi CPO faktor biaya juga mempengaruhi daya saing
perusahaan. Faktor biaya meliputi biaya Perolehan TBS dan biaya transportasi.
Biaya perolehan TBS dari setiap kebun pada periode Januari sampai dengan Juni
2017 dapat dilihat pada Tabel 1.3.
Tabel 1.3. Data Biaya Perolehan TBS per Kebun Periode Januari
sampai dengan Juni 2017
Kebun
Sei Putih (KSPTH)
Rambutan (KRBTN)
Tanah Raja (KTARA)
Sarang Giting (KSGGI)
Silau Dunia (KSDUN)
Gunung Monako (KGMNO)
Gunung Para (KGPAR)
Gunung Pamela (KGPMA)
Januari
2.297
2.197
2.207
2.331
2.265
2.231
2.248
2.302
Februari
2.174
2.103
2.135
2.285
2.241
2.074
2.175
2.265
Bulan
Maret
April
1.949
1.804
1.928
1.790
1.934
1.778
2.009
1.820
1.888
1.743
1.923
1.773
1.947
1.785
2.006
1.831
Mei
1.851
1.853
1.844
1.884
1.825
1.832
1.834
1.865
Juni
1.783
1.796
1.801
1.798
1.748
1.758
1.769
1.809
Sumber: PTPN III PKS Rambutan
Universitas Sumatera Utara
Biaya transportasi TBS dari setiap kebun juga bervariasi karena jarak
antara kebun dan pabrik yang berbeda. Data jarak antara kebun ke pabrik kelapa
sawit Rambutan dapat dilihat pada Tabel 1.4.
Tabel 1.4. Data Jarak Antara Kebun ke PKS Rambutan
Kebun Unit
Sei Putih (KSPTH)
Rambutan (KRBTN)
Tanah Raja (KTARA)
Sarang Giting (KSGGI)
Silau Dunia (KSDUN)
Gunung Monako (KGMNO)
Gunung Para (KGPAR)
Gunung Pamela (KGPMA)
Jarak (Km)
45
4
31
27
29
34
23
23
Sumber: PTPN III PKS Rambutan
Selain itu faktor proses produksi dan penyimpanan juga sangat
berpengaruh terhadap kualitas CPO. CPO akan mengalami penurunan kualitas
apabila penimbunan dilakukan dalam jangka waktu yang lama dan tentu akan
berpengaruh terhadap daya saing perusahaan.
Kondisi ini memperlihatkan bahwa perlunya suatu rancangan optimasi
pada rantai pasok crupe palm oil untuk membantu perusahaan dalam menyusun
perencanaan produk CPO.
Salah satu metode optimasi yang ada yaitu algoritma genetika. Metode ini
tergolong dalam pendekatan metaheuristik. Metaheuristik sendiri adalah metode
penyelesain umum yang menyediakan struktur umum dan pedoman strategi untuk
membentuk metode heuristik tertentu yang sesuai untuk suatu masalah (Hillier &
Lieberman, 2008).
Universitas Sumatera Utara
Algoritma genetika merupakan metode optimasi berdasarkan fenomena
alam yang dalam penelusurannya mencari titik optimal berdasarkan ide yang ada
pada genetika dan teori Darwin survival of the fittest. Algoritma ini bekerja
dengan sebuah populasi yang terdiri dari individu-individu yang masing-masing
individu merepresentasikan sebuah solusi yang mungkin bagi persoalan yang ada.
Dalam kaitan ini individu dilambangkan dengan sebuah nilai fitness yang akan
digunakan untuk mencari solusi terbaik dari persoalan yang ada (Berlianty &
Arifin, 2010).
Algoritma
genetika
dipilih
sebagai metode
untuk menghasilkan
perencanaan produksi yang optimal dikarenakan karakteristik rantai pasok CPO
yang
kompleks
sehingga
diperlukan
pendekatan
metaheuristik
dalam
penyelesainnya. Diantara metode-metode metaheuristik yang ada, Algoritma
genetika dipilih karena tipe ini cenderung efektif untuk mengeksplorasi berbagai
daerah layak dan secara perlahan menuju solusi layak terbaik.
Penelitian mengenai optimasi produksi pernah dilakukan oleh beberapa
peneliti antara lain dilakukan oleh Hadiguna dan Machfud (2008) yang melakukan
perancangan model rantai pasok Crude Palm Oil menggunakan metode programa
linear dan sistem fuzzy dengan fungsi keanggotaan kurva S yang dimodifikasi.
Selanjutnya Hadiguna dan Tjahyono (2017) melakukan penelitian mengenai
perencanaan rantai pasok minyak sawit berkelanjutan di Indonesia dengan
mengintegrasikan penilaian risiko, pengukuran kinerja dan optimasi rantai pasok
yang akan disusun menjadi alat pengambilan keputusan. Dari hasil penelitian,
dapat disimpulkan bahwa ada tiga komponen penting yang terlibat dalam
Universitas Sumatera Utara
pengelolaan rantai pasok minyak sawit, yaitu penilaian risiko, pengukuran kinerja
dan model optimasi.
Penelitian mengenai optimasi produksi menggunakan algoritma genetika
telah dilakukan oleh beberapa peneliti antara lain dilakukan oleh Law, dkk (2008)
yang melakukan penelitian mengenai optimasi biaya rantai pasok menggunakan
algoritma genetika dan logika fuzzy yang melibatkan tiga keputusan secara
bersamaan yaitu memilih supplier, memaksimumkan penghematan dari produk
yang berbeda, menemukan urutan distribusi terbaik dari produk yang bervariasi ke
retailer yang berbeda. Penelitian lain dilakukan oleh Edokpia dan Amiolemhen
(2016) dengan menggunakan algoritma genetika dalam memecahkan masalah
transportasi perusahaan penghasil minuman. Dari penelitian yang dilakukan
diperoleh bahwa biaya transportasi menggunakan algoritma genetika lebih kecil
dibandingkan biaya transportasi aktual.
Pada penelitian ini akan digunakan metode algoritma genetika dalam
rancangan optimasi produksi pada rantai pasok CPO. Metode logika fuzzy juga
akan diterapkan sebagai salah satu input dari rancangan optimasi yang akan
dibuat. Tujuan dari penelitian ini yaitu mengoptimasi sistem rantai pasok CPO
untuk meminimumkan biaya produksi.
1.2.
Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan maka rumusan masalah
pada penelitian ini adalah belum optimalnya perencanaan produksi pada rantai
pasok CPO yang ditandai dengan ketidak-seimbangan perencanaan produksi.
Universitas Sumatera Utara
Ketidak-seimbangan ini menyebabkan kerugian baik secara langsung maupun
tidak langsung pada perusahaan.
Sehubung dengan permasalahan diatas, maka perlu suatu rancangan
optimasi pada rantai pasok crude palm oil yang dapat diimplementasikan sehingga
diketahui jumlah produk yang harus diproduksi untuk minimisasi biaya tanpa
mengabaikan batasan-batasan yang dimiliki perusahaan menggunakan metode
algoritma genetika.
1.3.
Tujuan dan Manfaat Penelitian
1.3.1. Tujuan Penelitian
Tujuan umum dari penelitian ini adalah mengoptimasi sistem rantai pasok
minyak sawit untuk meminimumkan biaya produksi.
Tujuan khusus dari penelitian ini adalah sebagai berikut:
1.
Mendesain model logika fuzzy prakiraan ketersediaan TBS.
2.
Mendesain model matematis untuk optimasi perencanaan produksi CPO
menggunakan metode algoritma genetika.
3.
Menghitung jumlah produksi optimum CPO untuk minimisasi biaya.
4.
Mengukur peningkatan produksi CPO hasil perbaikan.
1.3.2. Manfaat Penelitian
Manfaat penelitian yang diharapkan dari penelitian ini, antara lain:
1.
Meningkatkan kemampuan mahasiswa dalam mengaplikasikan teori yang
diperoleh selama kuliah dan meningkatkan wawasan dalam menganalisis dan
Universitas Sumatera Utara
memecahkan masalah sebelum memasuki dunia kerja khususnya dalam hal
memodelkan optimasi produksi pada rantai pasok CPO menggunakan
pendekatan algoritma genetika.
2.
Mempererat kerja sama antara Fakultas Teknik, Departemen Teknik Industri,
Universitas Sumatera Utara dengan pihak perusahaan.
3. Hasil penelitian ini dapat dijadikan masukan bagi perusahaan dalam membuat
kebijakan perencanaan produksi di PTPN III PKS Rambutan.
1.4.
Batasan dan Asumsi Masalah
1.4.1. Batasan Masalah
Penelitian dilakukan dalam batasan-batasan tertentu, antara lain:
1. Penelitian dilakukan pada PTPN III PKS Rambutan
2. Objek yang diteliti adalah Crude Palm Oil (CPO)
3. Data yang digunakan berasal dari bulan Juli 2015 sampai Juni 2017.
4. Biaya
yang
diperhitungkan
meliputi
biaya
perolehan
TBS,
biaya
pengangkutan, biaya pengolahan TBS dan biaya penyimpanan.
1.4.2. Asumsi Masalah
Asumsi yang digunakan dalam penelitian ini adalah:
1. Informasi dan data yang diperoleh dari perusahaan dan sumber lainnya
dianggap benar dan cukup mewakili.
2. Proses produksi berjalan normal.
3. Kapasitas angkut setiap truk sama dan dapat beroperasi dengan baik.
Universitas Sumatera Utara
1.5.
Sistematika Penulisan Laporan
Sistematika penulisan tugas sarjana dapat dilihat sebagai berikut :
Bab I Pendahuluan, menjelaskan latar belakang permasalahan yang
menjadi dasar dilakukannya penelitian, perumusan permasalahan, tujuan
penelitian, manfaat penelitian, batasan dan asumsi yang digunakan dalam
penelitian dan sistematika penulisan tugas sarjana.
Bab II Gambaran umum Perusahaan, menguraikan gambaran umum
perusahaan PTPN III PKS Rambutan, ruang lingkup usaha, lokasi, daerah
pemasaran, struktur organisasi dan manajemen, jumlah tenaga kerja dan jam kerja,
proses produksi, standar mutu produk, utilitas, safety and fire protection dan
pengolahan limbah.
Bab III Landasan Teori, berisi dasar-dasar teori mengenai supply chain,
supply chain management, rantai pasok kelapa sawit, kualitas produk kelapa
sawit, perencanaan dan pengendalian produksi, optimasi, algoritma genetika,
logitka fuzzy, dan penggunaan software matlab.
Bab IV Metodologi Penelitian, menguraikan tahap-tahap yang dilakukan
dalam penelitian yaitu persiapan penelitian meliputi penentuan lokasi penelitian,
jenis penelitian, objek penelitian, kerangka konseptual, identifikasi variabel
penelitian, pengumpulan data primer dan sekunder, metode pengolahan data, blok
diagram prosedur penelitian, pengolahan data, analisis pemecahan masalah
sampai kesimpulan dan saran.
Bab V Pengumpulan dan Pengolahan Data, menguraikan tentang sistem
fuzzy pada parameter ketersediaan TBS, prakiraan ketersediaan TBS, prakiraan
Universitas Sumatera Utara
ketersediaan TBS KRBTN menggunakan software Matlab, pemodelan fungsi
kendala, pemodelan fungsi tujuan, pembuatan model optimasi dan yang terakhir
yaitu penyelesaian model optimasi menggunakan algoritma genetika.
Bab VI Analisis Pemecahan Masalah, menguraikan tentang analisis sistem
rantai pasok CPO, analisis sistem rantai pasok CPO aktual, dan analisis sistem
rantai pasok CPO usulan yang terdiri atas analisis prakiraan ketersediaan TBS
dengan logika fuzzy, analisis hasil optimasi menggunakan algoritma genetika, dan
analisis pemecahan masalah sistem rantai pasok CPO usulan.
Bab VII Kesimpulan dan Saran, berisi kesimpulan yang diperoleh dari
hasil pemecahan masalah dan saran-saran yang bermanfaat bagi perusahaan.
Universitas Sumatera Utara
PENDAHULUAN
1.1.
Latar Belakang
Kelapa sawit merupakan salah satu komoditas pertanian yang paling
berkembang pesat di Indonesia. Sejak tahun 2006 Indonesia telah menjadi
produsen crude palm oil (CPO) terbesar di dunia dengan produksi mencapai 34
juta ton pada tahun 2016 (Indexmundi, 2017).
Dalam rangka mempercepat hilirisasi minyak sawit didalam negeri,
pemerintah telah mengubah kebijakan pajak ekspor menjadi kebijakan Bea Keluar
CPO dan produk turunannya (PMK No. 128/2011 dan PMK No. 75/2012) yang
bertujuan menjamin ketersediaan bahan baku minyak sawit bagi industri
domestik; mengamankan pasokan serta harga minyak goreng di dalam negeri; dan
mendukung Program Nasional Hilirisasi Industri Kelapa Sawit.
Kemajuan hilirisasi yang terjadi dalam periode 2011-2016 tercermin dari
konsumsi CPO domestik dari 7,8 juta ton menjadi 13,5 juta ton, untuk industri
olein (minyak goreng dan margarin, dan lainnya), industri oleokimia dan detergen,
serta industri biodiesel. Selain tercermin dari konsumsi CPO domestik, hilirisasi
minyak sawit domestik juga ditunjukkan oleh produksi industri hilir. Tahun 2016
produksi olein (RBD olein, minyak goreng, margarin, dan lainnya) sebesar 25 juta
ton, produksi oleokimia (oleokimia dasar, detergen dan sabun) sebesar 3,4 juta ton
dan produksi biodiesel sebesar 2,9 juta ton (Palm Oil Agribusiness Strategic
Policy Institute, 2017).
Universitas Sumatera Utara
Dengan semakin berkembangnya hilirisasi Industri Kelapa Sawit nasional,
tentu kebutuhan akan bahan baku berupa CPO akan semakin meningkat. Agar
kemampuan daya saing agroindustri CPO meningkat, maka diperlukan
pengelolaan yang terintegrasi mulai dari pasokan bahan baku, perencanaan
produksi dan pengendalian persediaan tangki timbun (Hadiguna & Machfud,
2008)
Terdapat banyak faktor internal maupun eksternal yang mempengaruhi
perencanaan produksi pada pabrik kelapa sawit. Faktor internal berupa
ketersediaan sumberdaya seperti bahan baku, manusia, dan mesin. Sedangkan
untuk faktor eksternal seperti fluktuasi harga TBS dan pengaruh cuaca terhadap
ketersediaan TBS. Semua faktor ini perlu diperhatikan sehingga dapat dimodelkan
suatu perencanaan produksi yang optimum.
PT. Perkebunan Nusantara III merupakan Badan Usaha Milik Negara
yang bergerak di bidang pengelolaan, pengolahan dan pemasaran hasil
Perkebunan. Salah satu produk hasil olahan PTPN III adalah CPO. Dalam hasil
tinjauan terhadap evaluasi kinerja PKS pada bulan Mei 2016, diketahui bahwa
kapasitas olah PKS selalu tidak tercapai dengan realisasi sebesar 481,19 ton
TBS/jam atau 90,97% terhadap RKAP (530 Ton TBS/jam) dan hanya sebesar
85,25% terhadap kapasitas terpasang. Hal ini tentu akan berpengaruh terhadap
potensi kerugian pada perusahaan yang akan berpengaruh terhadap biaya produksi
CPO. (Media Nusatiga, 2017)
Pabrik Kelapa Sawit (PKS) Rambutan merupakan salah satu dari 11 PKS
yang dimiliki PT. Perkebunan Nusantara III. Pabrik kelapa sawit Rambutan
Universitas Sumatera Utara
berlokasi di Desa Paya Bagas Kecamatan Rambutan, Kotamadya Tebing Tinggi,
Provinsi Sumatera Utara. Pabrik ini dibangun sejak tahun 1983 dan memiliki
kapasitas olah 30 ton/jam. Proses produksi pada PKS Rambutan memiliki rantai
aliran nilai dari pasca panen pada kebun sawit, transportasi bahan baku,
pengolahan kelapa sawit menjadi CPO dan penyimpanan. Sumber bahan baku
(TBS) yang digunakan berasal dari kebun milik perusahaan, dengan total delapan
kebun pemasok.
Pada kondisi puncak panen, sering terjadi penumpukan TBS karena bahan
baku yang melimpah, di satu pihak TBS yang telah dipanen harus segera diproses
karena dapat mempengaruhi kualitas mutu minyak yang akan dihasilkan.
Sebaliknya jika pasokan TBS tidak memenuhi kebutuhan pabrik, maka akan
terjadi kerugian ongkos produksi. Data TBS menginap di lapangan pada periode
Juni 2017 dapat dilihat pada Tabel 1.1.
Tabel 1.1. TBS Menginap di Lapangan pada Periode Juni 2017
Keterangan
Tanpa Menginap
1 Malam
2 Malam
3 Malam
4 Malam
5 Malam
6 Malam
Jumlah TBS
(Kg)
8531.900
6560.790
803.990
54.100
17.970
17.080
17.330
Persentase
(%)
53,31
41,00
5,02
0,34
0,11
0,11
0,11
Sumber: PTPN III PKS Rambutan
Pada kondisi puncak panen sangat penting bagi perusahaan untuk
mengolah TBS yang ada secara langsung karena TBS yang tidak diolah secara
langsung dapat mengalami penyusutan nilai rendemen. Setiap kebun pemasok
Universitas Sumatera Utara
memiliki nilai rendemen minyak sawit yang berbeda-beda. Data hasil rendemen
minyak kelapa sawit setiap kebun pada periode Januari sampai dengan Juni 2017
dapat dilihat pada Tabel 1.2.
Tabel 1.2. Data Faktor Rendemen Periode Januari sampai dengan
Juni 2017
Kebun
Sei Putih (KSPTH)
Rambutan (KRBTN)
Tanah Raja (KTARA)
Sarang Giting (KSGGI)
Silau Dunia (KSDUN)
Gunung Monako (KGMNO)
Gunung Para (KGPAR)
Gunung Pamela (KGPMA)
Januari
22,33
21,36
21,46
22,51
22,12
21,73
22,04
20,43
Februari
22,15
21,20
21,58
23,12
22,78
21,03
22,25
22,96
Bulan
Maret
April
22,04
22,36
21,70
22,19
21,78
22,04
22,09
22,61
21,34
21,63
21,72
22,01
22,09
22,18
22,65
22,70
Mei
22,28
22,26
22,17
22,67
21,97
22,05
22,10
22,43
Juni
22,19
22,33
22,40
22,38
21,75
21,88
22,00
22,50
Sumber: PTPN III PKS Rambutan
Dalam proses produksi CPO faktor biaya juga mempengaruhi daya saing
perusahaan. Faktor biaya meliputi biaya Perolehan TBS dan biaya transportasi.
Biaya perolehan TBS dari setiap kebun pada periode Januari sampai dengan Juni
2017 dapat dilihat pada Tabel 1.3.
Tabel 1.3. Data Biaya Perolehan TBS per Kebun Periode Januari
sampai dengan Juni 2017
Kebun
Sei Putih (KSPTH)
Rambutan (KRBTN)
Tanah Raja (KTARA)
Sarang Giting (KSGGI)
Silau Dunia (KSDUN)
Gunung Monako (KGMNO)
Gunung Para (KGPAR)
Gunung Pamela (KGPMA)
Januari
2.297
2.197
2.207
2.331
2.265
2.231
2.248
2.302
Februari
2.174
2.103
2.135
2.285
2.241
2.074
2.175
2.265
Bulan
Maret
April
1.949
1.804
1.928
1.790
1.934
1.778
2.009
1.820
1.888
1.743
1.923
1.773
1.947
1.785
2.006
1.831
Mei
1.851
1.853
1.844
1.884
1.825
1.832
1.834
1.865
Juni
1.783
1.796
1.801
1.798
1.748
1.758
1.769
1.809
Sumber: PTPN III PKS Rambutan
Universitas Sumatera Utara
Biaya transportasi TBS dari setiap kebun juga bervariasi karena jarak
antara kebun dan pabrik yang berbeda. Data jarak antara kebun ke pabrik kelapa
sawit Rambutan dapat dilihat pada Tabel 1.4.
Tabel 1.4. Data Jarak Antara Kebun ke PKS Rambutan
Kebun Unit
Sei Putih (KSPTH)
Rambutan (KRBTN)
Tanah Raja (KTARA)
Sarang Giting (KSGGI)
Silau Dunia (KSDUN)
Gunung Monako (KGMNO)
Gunung Para (KGPAR)
Gunung Pamela (KGPMA)
Jarak (Km)
45
4
31
27
29
34
23
23
Sumber: PTPN III PKS Rambutan
Selain itu faktor proses produksi dan penyimpanan juga sangat
berpengaruh terhadap kualitas CPO. CPO akan mengalami penurunan kualitas
apabila penimbunan dilakukan dalam jangka waktu yang lama dan tentu akan
berpengaruh terhadap daya saing perusahaan.
Kondisi ini memperlihatkan bahwa perlunya suatu rancangan optimasi
pada rantai pasok crupe palm oil untuk membantu perusahaan dalam menyusun
perencanaan produk CPO.
Salah satu metode optimasi yang ada yaitu algoritma genetika. Metode ini
tergolong dalam pendekatan metaheuristik. Metaheuristik sendiri adalah metode
penyelesain umum yang menyediakan struktur umum dan pedoman strategi untuk
membentuk metode heuristik tertentu yang sesuai untuk suatu masalah (Hillier &
Lieberman, 2008).
Universitas Sumatera Utara
Algoritma genetika merupakan metode optimasi berdasarkan fenomena
alam yang dalam penelusurannya mencari titik optimal berdasarkan ide yang ada
pada genetika dan teori Darwin survival of the fittest. Algoritma ini bekerja
dengan sebuah populasi yang terdiri dari individu-individu yang masing-masing
individu merepresentasikan sebuah solusi yang mungkin bagi persoalan yang ada.
Dalam kaitan ini individu dilambangkan dengan sebuah nilai fitness yang akan
digunakan untuk mencari solusi terbaik dari persoalan yang ada (Berlianty &
Arifin, 2010).
Algoritma
genetika
dipilih
sebagai metode
untuk menghasilkan
perencanaan produksi yang optimal dikarenakan karakteristik rantai pasok CPO
yang
kompleks
sehingga
diperlukan
pendekatan
metaheuristik
dalam
penyelesainnya. Diantara metode-metode metaheuristik yang ada, Algoritma
genetika dipilih karena tipe ini cenderung efektif untuk mengeksplorasi berbagai
daerah layak dan secara perlahan menuju solusi layak terbaik.
Penelitian mengenai optimasi produksi pernah dilakukan oleh beberapa
peneliti antara lain dilakukan oleh Hadiguna dan Machfud (2008) yang melakukan
perancangan model rantai pasok Crude Palm Oil menggunakan metode programa
linear dan sistem fuzzy dengan fungsi keanggotaan kurva S yang dimodifikasi.
Selanjutnya Hadiguna dan Tjahyono (2017) melakukan penelitian mengenai
perencanaan rantai pasok minyak sawit berkelanjutan di Indonesia dengan
mengintegrasikan penilaian risiko, pengukuran kinerja dan optimasi rantai pasok
yang akan disusun menjadi alat pengambilan keputusan. Dari hasil penelitian,
dapat disimpulkan bahwa ada tiga komponen penting yang terlibat dalam
Universitas Sumatera Utara
pengelolaan rantai pasok minyak sawit, yaitu penilaian risiko, pengukuran kinerja
dan model optimasi.
Penelitian mengenai optimasi produksi menggunakan algoritma genetika
telah dilakukan oleh beberapa peneliti antara lain dilakukan oleh Law, dkk (2008)
yang melakukan penelitian mengenai optimasi biaya rantai pasok menggunakan
algoritma genetika dan logika fuzzy yang melibatkan tiga keputusan secara
bersamaan yaitu memilih supplier, memaksimumkan penghematan dari produk
yang berbeda, menemukan urutan distribusi terbaik dari produk yang bervariasi ke
retailer yang berbeda. Penelitian lain dilakukan oleh Edokpia dan Amiolemhen
(2016) dengan menggunakan algoritma genetika dalam memecahkan masalah
transportasi perusahaan penghasil minuman. Dari penelitian yang dilakukan
diperoleh bahwa biaya transportasi menggunakan algoritma genetika lebih kecil
dibandingkan biaya transportasi aktual.
Pada penelitian ini akan digunakan metode algoritma genetika dalam
rancangan optimasi produksi pada rantai pasok CPO. Metode logika fuzzy juga
akan diterapkan sebagai salah satu input dari rancangan optimasi yang akan
dibuat. Tujuan dari penelitian ini yaitu mengoptimasi sistem rantai pasok CPO
untuk meminimumkan biaya produksi.
1.2.
Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan maka rumusan masalah
pada penelitian ini adalah belum optimalnya perencanaan produksi pada rantai
pasok CPO yang ditandai dengan ketidak-seimbangan perencanaan produksi.
Universitas Sumatera Utara
Ketidak-seimbangan ini menyebabkan kerugian baik secara langsung maupun
tidak langsung pada perusahaan.
Sehubung dengan permasalahan diatas, maka perlu suatu rancangan
optimasi pada rantai pasok crude palm oil yang dapat diimplementasikan sehingga
diketahui jumlah produk yang harus diproduksi untuk minimisasi biaya tanpa
mengabaikan batasan-batasan yang dimiliki perusahaan menggunakan metode
algoritma genetika.
1.3.
Tujuan dan Manfaat Penelitian
1.3.1. Tujuan Penelitian
Tujuan umum dari penelitian ini adalah mengoptimasi sistem rantai pasok
minyak sawit untuk meminimumkan biaya produksi.
Tujuan khusus dari penelitian ini adalah sebagai berikut:
1.
Mendesain model logika fuzzy prakiraan ketersediaan TBS.
2.
Mendesain model matematis untuk optimasi perencanaan produksi CPO
menggunakan metode algoritma genetika.
3.
Menghitung jumlah produksi optimum CPO untuk minimisasi biaya.
4.
Mengukur peningkatan produksi CPO hasil perbaikan.
1.3.2. Manfaat Penelitian
Manfaat penelitian yang diharapkan dari penelitian ini, antara lain:
1.
Meningkatkan kemampuan mahasiswa dalam mengaplikasikan teori yang
diperoleh selama kuliah dan meningkatkan wawasan dalam menganalisis dan
Universitas Sumatera Utara
memecahkan masalah sebelum memasuki dunia kerja khususnya dalam hal
memodelkan optimasi produksi pada rantai pasok CPO menggunakan
pendekatan algoritma genetika.
2.
Mempererat kerja sama antara Fakultas Teknik, Departemen Teknik Industri,
Universitas Sumatera Utara dengan pihak perusahaan.
3. Hasil penelitian ini dapat dijadikan masukan bagi perusahaan dalam membuat
kebijakan perencanaan produksi di PTPN III PKS Rambutan.
1.4.
Batasan dan Asumsi Masalah
1.4.1. Batasan Masalah
Penelitian dilakukan dalam batasan-batasan tertentu, antara lain:
1. Penelitian dilakukan pada PTPN III PKS Rambutan
2. Objek yang diteliti adalah Crude Palm Oil (CPO)
3. Data yang digunakan berasal dari bulan Juli 2015 sampai Juni 2017.
4. Biaya
yang
diperhitungkan
meliputi
biaya
perolehan
TBS,
biaya
pengangkutan, biaya pengolahan TBS dan biaya penyimpanan.
1.4.2. Asumsi Masalah
Asumsi yang digunakan dalam penelitian ini adalah:
1. Informasi dan data yang diperoleh dari perusahaan dan sumber lainnya
dianggap benar dan cukup mewakili.
2. Proses produksi berjalan normal.
3. Kapasitas angkut setiap truk sama dan dapat beroperasi dengan baik.
Universitas Sumatera Utara
1.5.
Sistematika Penulisan Laporan
Sistematika penulisan tugas sarjana dapat dilihat sebagai berikut :
Bab I Pendahuluan, menjelaskan latar belakang permasalahan yang
menjadi dasar dilakukannya penelitian, perumusan permasalahan, tujuan
penelitian, manfaat penelitian, batasan dan asumsi yang digunakan dalam
penelitian dan sistematika penulisan tugas sarjana.
Bab II Gambaran umum Perusahaan, menguraikan gambaran umum
perusahaan PTPN III PKS Rambutan, ruang lingkup usaha, lokasi, daerah
pemasaran, struktur organisasi dan manajemen, jumlah tenaga kerja dan jam kerja,
proses produksi, standar mutu produk, utilitas, safety and fire protection dan
pengolahan limbah.
Bab III Landasan Teori, berisi dasar-dasar teori mengenai supply chain,
supply chain management, rantai pasok kelapa sawit, kualitas produk kelapa
sawit, perencanaan dan pengendalian produksi, optimasi, algoritma genetika,
logitka fuzzy, dan penggunaan software matlab.
Bab IV Metodologi Penelitian, menguraikan tahap-tahap yang dilakukan
dalam penelitian yaitu persiapan penelitian meliputi penentuan lokasi penelitian,
jenis penelitian, objek penelitian, kerangka konseptual, identifikasi variabel
penelitian, pengumpulan data primer dan sekunder, metode pengolahan data, blok
diagram prosedur penelitian, pengolahan data, analisis pemecahan masalah
sampai kesimpulan dan saran.
Bab V Pengumpulan dan Pengolahan Data, menguraikan tentang sistem
fuzzy pada parameter ketersediaan TBS, prakiraan ketersediaan TBS, prakiraan
Universitas Sumatera Utara
ketersediaan TBS KRBTN menggunakan software Matlab, pemodelan fungsi
kendala, pemodelan fungsi tujuan, pembuatan model optimasi dan yang terakhir
yaitu penyelesaian model optimasi menggunakan algoritma genetika.
Bab VI Analisis Pemecahan Masalah, menguraikan tentang analisis sistem
rantai pasok CPO, analisis sistem rantai pasok CPO aktual, dan analisis sistem
rantai pasok CPO usulan yang terdiri atas analisis prakiraan ketersediaan TBS
dengan logika fuzzy, analisis hasil optimasi menggunakan algoritma genetika, dan
analisis pemecahan masalah sistem rantai pasok CPO usulan.
Bab VII Kesimpulan dan Saran, berisi kesimpulan yang diperoleh dari
hasil pemecahan masalah dan saran-saran yang bermanfaat bagi perusahaan.
Universitas Sumatera Utara