APLIKASI PROGRAM SOLVER DALAM
PENYELESAIAN MASALAH OPTIMASI
BERDASARKAN PERAMALAN DENGAN METODE
TREND MUSIMAN PADA PERUSAHAAN KRUPUK
UDANG SINAR JAYA BREBES
Skripsi
Disajikan sebagai salah satu syarat untuk memperoleh
Gelar sarjana sains prodi matematika
oleh
Siti Nurchotimah
4150405047
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SEMARANG
2009
ii
HALAMAN PENGESAHAN
Skripsi ini telah dipertahankan di hadapan sidang Panitia Ujian Skripsi
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Semarang
pada:
Hari :
Tanggal :
Panitia Ujian:
Ketua Sekretaris
Dr. Kasmadi Imam S, M.S. Drs. Edy Soedjoko, M.Pd NIP. 195111151979031001 NIP 19560419 198703 1 001
Penguji Utama,
Endang Sugiharti, S.Si., M.Kom. NIP. 132231407
Penguji / Pembimbing I, Penguji / Pembimbing II,
Dr. Dwijanto, M.S Drs. Mashuri, M.Si NIP. 131404323 NIP. 131993875
iii
PERNYATAAN
Saya menyatakan bahwa yang tertulis di dalam skripsi ini benar-benar
hasil karya saya sendiri, bukan jiplakan dari karya tulis orang lain baik sebagian
atau seluruhnya. Pendapat atau temuan orang lain yang terdapat dalam skripsi ini
dikutip dan dirujuk berdasarkan kode etik ilmiah.
Semarang, September 2009
Penulis,
Siti Nurchotimah
NIM. 4150405047
iv
MOTTO DAN PERSEMBAHAN
Motto
☺ Sesungguhnya setelah ada kesulitan itu ada kemudahan (Q.S. An Nashr : 6).
☺ Jenius adalah 1 % inspirasi dan 99 % keringat. Tidak ada yang dapat
menggantikan kerja keras. Keberuntungan adalah sesuatu yang terjadi
ketika kesempatan bertemu dengan kesiapan (Thomas A. Edison).
☺ The man who says he never has time is the laziest man (Lichtenberg).
Persembahan
☺ Bapak, ibu, adik-adikku dan budhe tercinta
☺ Sahabat-sahabat kost Griya Monesy
☺ Teman-teman matematika khususnya MatReg’05
☺ Almamaterku
v
ABSTRAK
Nurchotimah, Siti. 2009. Aplikasi Program Solver dalam Penyelesaian Masalah Optimasi Berdasarkan Peramalan dengan Metode Trend Musiman Pada Perusahaan Krupuk Udang Sinar Jaya Brebes. Skripsi, Jurusan Matematika. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Negeri Semarang. Dosen Pembimbing I: Dr. Dwijanto, M.S.; Dosen Pembimbing II: Drs. Mashuri, M.Si. Kata Kunci : Program Solver, Peramalan, Metode Trend Musiman.
Perusahaan Krupuk Udang Sinar Jaya Brebes adalah perusahaan yang menjalankan proses produksinya berdasarkan pesanan atau permintaan. Jadi jumlah pemenuhan permintaan pasar atau konsumen di sini merupakan penjualan. Untuk memperkirakan banyaknya permintaan pasar di masa mendatang diperlukan peramalan sebagai bahan pertimbangan dalam mengambil keputusan banyaknya barang yang akan diproduksi. Salah satu metode peramalan adalah metode trend musiman. Metode ini cocok untuk data yang membentuk pola musiman. Hasil ramalan tersebut dijadikan sebagai fungsi kendala dalam model penyelesaian masalah optimasi pendapatan. Dalam hal ini penulis menggunakan program solver untuk menyelesaikan masalah optimasi tersebut.
Permasalahan dalam skripsi ini adalah bagaimana model ramalan masing-masing jenis krupuk pada Perusahaan Krupuk Udang Sinar Jaya agar bisa memprediksi jumlah krupuk yang dipesan pada masa yang akan datang, dan bagaimana penyelesaian model matematika dari suatu masalah optimasi pada perusahaan krupuk udang Sinar Jaya menggunakan program solver. Adapun tujuan dari penulisan skripsi ini adalah untuk mengetahui model ramalan masing-masing jenis krupuk pada Perusahaan Krupuk Udang Sinar Jaya agar bisa memprediksi jumlah krupuk yang dipesan pada masa yang akan datang, dan untuk menyelesaiakan model matematika dari suatu masalah optimasi pada perusahaan krupuk udang Sinar Jaya menggunakan program solver.
Metode penelitian dari skripsi ini adalah dengan menemukan masalah, merumuskan masalah, melakukan pengambilan data sekunder dari Perusahaan Krupuk Udang Sinar Jaya dan studi pustaka, menganalisis dan memecahkan masalah serta penarikan kesimpulan.
Berdasarkan hasil penelitian dan pembahasan, dari data penjualan bulan Januari tahun 2006 sampai dengan Desember 2008 diperoleh model trend musiman penjualan jenis krupuk PITA=(360,609+1,5488 t) x Mt, SPKK=(921,2194+21,4792 t) x Mt, GNP=(10166,5557+74,5595 t) x Mt, GND=(6448,3725+108,7845 t) x Mt, MB=(5368,8854+32,7158 t) x Mt, GNB=(860,0815+10,4956 t) x Mt. dengan menggunakan program solver diperoleh penyelesaian optimasi pada kuartal 1 banyaknya jenis krupuk PITA yang diproduksi=1067, SPKK=1594, GNP=16953, GND=3153, MB=15647, GNB=2085, dan pendapatan yang diperoleh=Rp 337.652.900,-. Pada kuartal 2, banyaknya jenis krupuk PITA yang diproduksi=526, SPKK=2991, GNP=25030,
vi
GND=17071, MB=6221, GNB=1867, dan pendapatan yang diperoleh= Rp 491.367.800,-. Pada kuartal 3, banyaknya jenis krupuk PITA yang diproduksi=1237, SPKK=3761, GNP=32238, GND=12286, MB=19278, GNB =3676, dan pendapatan yang diperoleh=Rp 629.108.300,-. Pada kuartal 4, banyaknya jenis krupuk PITA yang diproduksi=225, SPKK=1676, GNP=15494, GND=31767, MB=5721, GNB=329, dan pendapatan yang diperoleh= Rp 507.773.100,-.
Dari hasil penelitian tersebut diharapkan pemimpin perusahaan dapat menggunakan metode Trend Musiman ini untuk meramalkan penjualan produknya di masa mendatang sebagai bahan pertimbangan dalam mengambil langkah kebijakan untuk memproduksi banyaknya barang. Pemimpin perusahaan juga harus dapat mempertahankan nilai penjualan pada musim yang mengalami peningkatan sedangkan pada musim yang mengalami penurunan dilakukan usaha-usaha untuk meningkatkan penjualan misalnya dengan promosi dan peningkatan pemasaran agar pendapatan perusahaan juga semakin meningkat.
vii
KATA PENGANTAR
Puji dan syukur kehadirat Allah SWT yang telah melimpahkan rahmat-
Nya sehingga penulis dapat menyelesaikan skripsi dengan judul “ Aplikasi
Program Solver dalam Penyelesaian Masalah Optimasi Berdasarkan Peramalan
dengan Metode Trend Musiman Pada Perusahaan Krupuk Udang Sinar Jaya
Brebes”. Skripsi ini disajikan sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains Prodi Matematika. Penulis menyadari sepenuhnya bahwa skripsi ini
dapat terselesaikan karena bantuan dari banyak pihak, oleh karena itu penulis
menyampaikan rasa terima kasih yang sebesar-besarnya pada:
1. Prof. Dr. Sudijono Sastroatmodjo, M.Si, Rektor Universitas Negeri Semarang.
2. Dr. Kasmadi Imam S, M.S, Dekan FMIPA Universitas Negeri Semarang.
3. Drs. Edy Soedjoko, M.Pd, Ketua Jurusan Matematika FMIPA Universitas
Negeri Semarang.
4. Dr. Dwijanto, M.S, Dosen pembimbing I yang telah memberikan bimbingan
dan arahan kepada penulis dalam menyusun skripsi ini.
5. Drs. Mashuri, M.Si, Dosen pembimbing II yang telah memberikan bimbingan
dan arahan kepada penulis dalam menyusun skripsi ini.
6. Bapak/Ibu Dosen khususnya jurusan Matematika FMIPA yang telah memberi
bekal kepada penulis selama kuliah.
7. Bapak Dul Ali, Bendahara Perusahaan Krupuk Udang Sinar Jaya yang telah
memberi kesempatan dalam pelaksanaan penelitian dan pengambilan data.
8. Kedua orang tua dan keluarga besar yang telah ikut berkorban dan
memberikan perhatian dalam meyelesaikan skripsi ini.
9. Sahabat-sahabatku di ”Alas Pete” yang sudah membagi pengalaman hidupnya.
10. Teman-teman Matematika angkatan 2005. Terima kasih atas semua kenangan
dan kita akan tetap berjuang.
11. Semua pihak yang tidak bisa penulis sebutkan satu-persatu yang telah ikut
membantu terselesainya penulisan skripsi ini.
viii
Semoga amal baik yang telah diberikan mendapat balasan yang berlipat
ganda dari Allah SWT. Akhirnya kepadaMu Allah, penulis memanjatkan doa
semoga mendapatkan Ilmu yang bermanfaat, amal yang baik dan rizki yang halal.
Semarang,
Penulis
ix
DAFTAR ISI
Halaman
HALAMAN JUDUL ....................................................................................... i
HALAMAN PENGESAHAN .......................................................................... ii
PERNYATAAN ............................................................................................... iii
MOTTO DAN PERSEMBAHAN ................................................................... iv
ABSTRAK ....................................................................................................... v
KATA PENGANTAR ..................................................................................... vii
DAFTAR ISI .................................................................................................... ix
DAFTAR TABEL ............................................................................................ xii
DAFTAR GAMBAR ....................................................................................... xiii
DAFTAR LAMPIRAN .................................................................................... xiv
BABI. PENDAHULUAN
1.1 Latar Belakang ........................................................................................... 1
1.2 Rumusan Masalah.............. ........................................................................ 6
1.3 Tujuan Penelitian ....................................................................................... 6
1.4 Manfaat Penelitian ..................................................................................... 6
1.5 Sistematika Skripsi ..................................................................................... 7
BABII. LANDASAN TEORI
2.1 Riset Operasi .............................................................................................. 9
2.2 Program Linear .......................................................................................... 11
2.2.1 Solusi PL dengan Metode Grafik ............................................................ 13
2.2.2 Solusi PL dengan Metode Simpleks ....................................................... 17
2.3 Metode Trend Musiman ............................................................................. 23 2.3.1 Gerakan Musiman dan Indeks Musiman ................................................ 23 2.3.1.1 Metode Rata-rata Sederhana ................................................................ 23 2.3.1.2 Metode Persentase terhadap Trend ...................................................... 24 2.3.1.3 Metode Rata-rata Bergerak .................................................................. 25 2.3.2 Membuat Tabel Deseasonalizing ............................................................ 26 2.3.3 Membuat Model Trend ........................................................................... 26
x
2.3.4 Peramalan Data ....................................................................................... 27 2.4 Program Solver untuk Menyelesaikan Program Linear ............................. 27 2.5 Gambaran Umum Perusahaan Krupuk Udang Sinar Jaya ......................... 38 2.5.1 Sejarah Berdirinya Perusahaan ............................................................... 38 2.5.2 Struktur Organisasi ................................................................................. 38 2.5.3 Bahan Baku dan Proses Produksi ............................................................ 41 2.5.3.1 Bahan Baku .......................................................................................... 41 2.5.3.2 Proses Produksi .................................................................................... 42 2.5.3 Pemasaran Produk ................................................................................... 43 BABIII. METODE PENELITIAN
3.1 Menemukan Masalah ................................................................................. 46
3.2 Merumuskan Masalah ................................................................................ 47
3.3 Pengambilan Data ...................................................................................... 48
3.4 Analisis dan Pemecahan Masalah.......... .................................................... 48
3.5 Penarikan Simpulan ................................................................................... 51
BABIV. HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian ......................................................................................... 52 4.2 Pembahasan ................................................................................................ 72
BABV. PENUTUP
5.1 Simpulan .................................................................................................... 75
5.2 Saran ........................................................................................................... 76
DAFTAR PUSTAKA ...................................................................................... 77
LAMPIRAN-LAMPIRAN
xi
DAFTAR TABEL
Tabel Halaman
1. Tabel Kebutuhan dan Waktu yang Tersedia ................................................ 14 2. Tabel Nilai fungsi tujuan pada solusi fisibel titik ekstrim ........................... 17 3. Tabel Iterasi 0 awal ..................................................................................... 18 4. Tabel Iterasi 0 .............................................................................................. 19 5. Tabel Nilai Zj dan Zj-Cj .............................................................................. 19 6. Tabel Iterasi 0 akhir ..................................................................................... 20 7. Tabel Baris dan Kolom Kunci Iterasi 0........................................................ 20 8. Tabel Iterasi 1 awal ...................................................................................... 21 9. Tabel Iterasi 1 ............................................................................................... 21 10. Tabel Baris dan Kolom Kunci Iterasi 1 ..................................................... 22 11. Tabel Iterasi 2 awal .................................................................................... 22 12. Tabel Iterasi 2 ............................................................................................. 22 13. Tabel Kebutuhan Paket .............................................................................. 29 14. Tabel Formula pada Sel ............................................................................. 31 15. Tabel Data Penjualan Januari tahun 2006 sampai dengan Desember
2008 dalam Perkuartalan ........................................................................... 52 16. Tabel Rata-rata Bergerak 4 Kuartal (PITA) ............................................... 53 17. Tabel Indeks Musim Krupuk PITA............................................................ 54 18. Tabel Deseasonalizing Krupuk PITA ........................................................ 54
19. Tabel Rata-rata Bergerak 4 Kuartal (SPKK) ............................................. 55 20. Tabel Indeks Musim Krupuk SPKK .......................................................... 56 21. Tabel Deseasonalizing Krupuk SPKK ....................................................... 56
22. Tabel Rata-rata Bergerak 4 Kuartal (GNP) ................................................ 57 23. Tabel Indeks Musim Krupuk GNP ............................................................ 58 24. Tabel Deseasonalizing Krupuk GNP ......................................................... 58 25. Tabel Rata-rata Bergerak 4 Kuartal (GND) ............................................... 59 26. Tabel Indeks Musim Krupuk GND ............................................................ 60 27. Tabel Deseasonalizing Krupuk GND ........................................................ 60
xii
28. Tabel Rata-rata Bergerak 4 Kuartal (MB) ................................................. 61 29. Tabel Indeks Musim Krupuk MB .............................................................. 62 30. Tabel Deseasonalizing Krupuk MB ........................................................... 62 31. Tabel Rata-rata Bergerak 4 Kuartal (GNB) ............................................... 63 32. Tabel Indeks Musim Krupuk GNB ............................................................ 64 33. Tabel Deseasonalizing Krupuk GNB ........................................................ 64 34. Tabel Ramalan Tahun 2009 ....................................................................... 65 35. Tabel Komposisi Krupuk ........................................................................... 66
xiii
DAFTAR GAMBAR
Gambar Halaman
1. Gambar 1 ….. .......................................................................................... 15 2. Gambar 2 ................................................................................................ 16 3. Gambar 3 ................................................................................................ 16
4. Tampilan Tabel Awal Kebutuhan Paket ...................................................... 30 5. Tampilan Solver Parameter .......................................................................... 32
6. Tampilan Subject to the constraints ............................................................. 33 7. Tampilan Solver Options.............................................................................. 34
8. Tampilan Solver Results ............................................................................... 34
9. Tampilan Lembar Answer ............................................................................ 35 10. Tampilan Lembar Sensitivity...................................................................... 36
11. Tampilan Lembar Limits ........................................................................... 37 12. Struktur Organisasii Perusahaan Krupuk Udang Sinar Jaya ...................... 39 13. Grafik Penjualan per kuartal dan rata-rata bergerak terpusat (PITA) ........ 53
14. Grafik Penjualan per kuartal dan rata-rata bergerak terpusat (SPKK) ....... 55 15. Grafik Penjualan per kuartal dan rata-rata bergerak terpusat (GNP) ......... 57 16. Grafik Penjualan per kuartal dan rata-rata bergerak terpusat (GND) ........ 59 17. Grafik Penjualan per kuartal dan rata-rata bergerak terpusat (MB) ........... 61 18. Grafik Penjualan per kuartal dan rata-rata bergerak terpusat (GNB) ........ 63 19. Tampilan Hasil Optimasi Kuartal 1 ........................................................... 68 20. Tampilan Hasil Optimasi Kuartal 2 ........................................................... 69 21. Tampilan Hasil Optimasi Kuartal 3 ........................................................... 70 22. Tampilan Hasil Optimasi Kuartal 4 ........................................................... 71
xiv
DAFTAR LAMPIRAN
Lampiran Halaman
1. Data Penjualan bulan Januari tahun 2006 sampai dengan Juni tahun
2009 ............................................................................................................. 78
2. Diagram Scatter Plot Data Penjualan Krupuk ............................................. 79 3. Perhitungan Ramalan Penjualan Tahun 2009 ............................................. 81
4. Perhitungan Harga Selisih Data Asli dan Data Ramalan ............................ 82
5. Model matematika yang terbentuk dari masalah optimasi pada
Perusahaan Krupuk Udang Sinar Jaya Brebes ............................................ 83
6. Formula pada Sel ......................................................................................... 84 7. Skema Proses Produksi Krupuk Udang Perusahaan Krupuk Udang
Sinar Jaya Brebes ........................................................................................ 85
8. Usulan Pembimbing .................................................................................... 86
9. Permohonan Ijin Penelitian dan Pengambilan Data .................................... 87
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Kemajuan ilmu pengetahuan dan teknologi semakin dirasakan
kegunaannya oleh manusia. Hal ini terjadi karena hasil kemajuan teknologi
merupakan bagian yang tidak dapat dipisahkan dengan kebutuhan manusia itu
sendiri. Pesatnya perkembangan ilmu pengetahuan dan teknologi tersebut tidak
lepas dari peranan matematika. Tidak dapat dipungkiri bahwa matematika telah
menjadi elemen dasar bagi perkembangan ilmu pengetahuan dan teknologi.
Hampir dapat dipastikan bahwa setiap bagian dari ilmu pengetahuan baik dalam
unsur kajian umum, ilmu murni maupun terapannya memerlukan peranan
matematika sebagai alat bantunya.
Matematika secara garis besar dibagi menjadi dua yaitu matematika
murni (pure mathematics) dan matematika terapan (applied mathematics).
Matematika terapan maksudnya adalah bahwa matematika juga dapat digunakan
di luar bidang matematika, sehingga banyak ilmuwan yang mengkaji matematika
untuk dapat dimanfaatkan dalam bidang lain. Dengan munculnya berbagai terapan
atau aplikasi matematika baik dalam kehidupan sehari-hari maupun dalam disiplin
ilmu lain memberikan arti bahwa matematika merupakan dasar ataupun alat
sarana bagi ilmu-ilmu lain. Salah satu bagian dari aplikasi matematika adalah
Riset Operasi/Operation Research (OR).
2
Riset Operasi/Operation Research (OR) adalah bagian dari aplikasi
matematika untuk memecahkan masalah optimasi. Masalah optimasi adalah
masalah memaksimumkan dan meminimumkan sebuah besaran tertentu yang
disebut tujuan objektif yang bergantung pada sejumlah berhingga variabel
masukan (input variabel). Variabel ini dapat tidak saling bergantungan atau saling
bergantungan melalui satu atau lebih kendala (constraints). Contoh untuk
permasalahan yang dimaksimumkan adalah masalah keuntungan dan pendapatan
sedangkan untuk masalah meminimumkan adalah masalah biaya, persediaan dan
lain-lain. Banyak model OR yang sudah dikembangkan yang berhubungan dengan
matematika untuk memecahkan masalah optimasi, salah satunya yaitu Program
Linear.
Program linear adalah suatu alat yang digunakan untuk menyelesaikan
masalah optimasi suatu model linear dengan keterbatasan-keterbatasan sumber
daya yang tersedia. Masalah program linear berkembang pesat setelah ditemukan
suatu metode penyelesaian program linear dengan metode simpleks yang
dikemukakan oleh George Dantzig pada tahun 1947. Selanjutnya berbagai alat
dan metode dikembangkan sampai pada masalah riset operasi hingga tahun 1950-
an seperti pemrograman dinamik, teori antrian, dan teori persediaan.
Program linear banyak digunakan untuk menyelesaikan masalah
optimasi di bidang industri, perbankkan, pendidikan dan masalah-masalah lain.
Pada bidang industri, masalah optimasi yang muncul adalah menentukan
kebijakan untuk memperoleh pendapatan yang optimal. Begitu juga masalah yang
dihadapi oleh Perusahaan Krupuk Udang Sinar Jaya Brebes. Pada intinya
3
perusahaan tersebut menjalankan proses produksi berdasarkan pesanan atau
permintaan. Jadi dalam hal ini pemenuhan permintaan konsumen tersebut
merupakan penjualan. Jumlah permintaan itu sendiri tiap tahunnya mengalami
naik turun karena dipengaruhi faktor-faktor seperti pendapatan masyarakat yang
tidak tetap, persaingan pasar, selera konsumen, kualitas, pemasaran, dan lain-lain.
Meskipun daerah pemasaran perusahaan tersebut semakin meluas hingga ke luar
kota seperti Jakarta, Bandung, Solo, Yogyakarta, Magelang, Semarang, dan Riau,
tetapi adanya faktor-faktor tadi menyebabkan permintaan konsumen dapat
mengalami peningkatan pada periode tertentu dan penurunan pada periode lain.
Melihat kondisi tersebut maka pada suatu proses produksi tidak hanya
bertujuan mengoptimalkan persediaan agar diperoleh sisa persediaan yang
seminimal mungkin, tetapi juga harus memperhatikan kualitas penjualan suatu
barang agar diperoleh pendapatan optimal. Sebagai contoh, dengan hanya
mempertimbangkan optimalisasi persediaan, perhitungan program linear
memberikan kebijakan memproduksi barang tipe A sebanyak 100 dan B sebanyak
200, padahal pasar tidak memungkinkan penjualan A dan B sebanyak itu pada
periode tertentu. Jika keputusan yang diambil tetap memproduksi sebanyak itu
maka sisa barang yang tidak terjual dapat menyebabkan kerugian. Oleh karena
itulah diperlukan adanya peramalan penjualan pasar di masa yang akan datang
sebagai bahan pertimbangan dalam mengambil kebijakan produksi.
Forecasting (peramalan) adalah perkiraan mengenai sesuatu yang belum
terjadi. Dalam masalah sosial, seperti jumlah penduduk, pendapatan perkapita,
volume penjualan, konsumsi dan sebagainya, sulit diperkirakan perubahannya
4
secara pasti di masa mendatang karena perubahan tersebut dipengaruhi faktor-
faktor yang sangat kompleks, misalnya kebudayaan masyarakat sekitar,
penghasilan keluarga, keadaan pribadi dan sebagainya. Oleh karena itu diperlukan
adanya ramalan untuk meminimumkan pengaruh ketidakpastian tersebut
(Subagyo, 1986:1 ).
Ramalan yang akan dilakukan umumnya akan berdasarkan data masa
lampau yang dianalisis dengan menggunakan cara-cara tertentu. Data masa
lampau dikumpulkan, dipelajari, dan dianalisis kemudian dihubungkan dengan
perjalanan waktu. Karena adanya faktor itu, maka dari hasil analisis itu dapat
diprediksi kemungkinan yang akan terjadi pada masa yang akan datang. Jelas,
dalam hal ini akan dihadapkan pada suatu ketidakpastian sehingga akan ada faktor
akurasi yang harus diperhatikan.
Akurasi suatu peramalan berbeda untuk setiap peramalan, dan
bergantung pada berbagai faktor, yang jelas tidak akan diperoleh akurasi 100%.
Walaupun demikian bukan berarti ramalan tidak berguna tetapi sebaliknya
peramalan telah banyak membantu dalam hal perencanaan, pengawasan, dan
pengambilan keputusan. Sedangkan untuk keperluan analisis peramalan, ada tiga
model yang dikenal, yaitu model ekonometrika, model data berkala, dan model
data kualitatif. Model trend musiman termasuk dalam model ramalan data berkala
(time series). Keunggulan metode ini adalah mudah untuk digunakan dalam
peramalan barang yang akan datang. Sehingga diharapkan dengan memasukkan
hasil peramalan penjualan keadaan fungsi kendala yang baru diharapkan akan
memperoleh penyelesaian masalah optimasi yang berkaitan dengan jumlah
5
produksi suatu barang akan lebih bagus. Masalah optimasi dapat diselesaikan
dengan cara manual, tetapi membutuhkan waktu yang lama karena terdapat
banyak variabel sehingga diperlukan bantuan komputer untuk menyelesaikannya.
Perkembangan yang terjadi pada teknologi komputer yang cukup pesat,
telah merambah ke berbagai sektor kehidupan manusia. Saat ini telah tersedia
berbagai macam software yang dapat digunakan sebagai alat bantu untuk
menyelesaikan persoalan-persoalan di berbagai bidang, termasuk persoalan
optimasi. Dengan bantuan software, permasalahan yang sebelumnya sulit karena
melibatkan variabel yang cukup banyak sehingga tidak memungkinkan
penyelesaian secara manual akan dapat dipecahkan dengan mudah. Dalam
penyusunan skripsi ini, penulis memecahkan masalah optimasi tersebut
menggunakan program Solver.
Solver adalah program add in yang berada di bawah program Excel.
Program solver ini berisi perintah-perintah yang berfungsi untuk melakukan
analisis terhadap masalah optimasi. Jika kita instal Microsoft Excel tidak secara
otomatis Solver ini terinstal, jadi harus diinstal secara khusus setelah program
Excel terinstal pada komputer. Program solver ini cukup baik untuk
menyelesaikan masalah optimasi. Menjalankan programnya juga sederhana
apalagi kalau sudah dapat menggunakan program Excel (Dwijanto, 2008:49).
Berawal dari hal tersebut maka penulis tertarik untuk memecahkan
masalah optimasi berdasarkan peramalan dengan metode Trend Musiman pada
Perusahaan Krupuk Udang Sinar Jaya Brebes dengan Linear Programing dan
menggunakan program Solver sebagai simulasinya.
6
1.2 Permasalahan
Dari uraian di atas penulis dapat merumuskan masalah sebagai berikut.
(1) Bagaimana model ramalan masing-masing jenis krupuk pada Perusahaan
Krupuk Udang Sinar Jaya agar bisa memprediksi jumlah krupuk yang
dipesan pada masa yang akan datang?
(2) Bagaimana penyelesaian model matematika dari suatu masalah optimasi
pada perusahaan Krupuk Udang Sinar Jaya menggunakan program solver?
1.3 Tujuan
Tujuan dari skripsi ini adalah:
(1) Untuk mengetahui model ramalan masing-masing jenis krupuk pada
Perusahaan Krupuk Udang Sinar Jaya agar bisa memprediksi jumlah krupuk
yang dipesan pada masa yang akan datang.
(2) Untuk menyelesaikan model matematika dari suatu masalah optimasi pada
perusahaan Krupuk Udang Sinar Jaya menggunakan program solver.
1.4 Manfaat
(1) Dengan mengetahui prediksi yang akan datang akan diperoleh kebijakan
yang lebih bagus.
(2) Memberikan informasi untuk mendapatkan model matematikanya.
(3) Memberikan alternatif penggunakan komputer untuk menyelesaikan
masalah tersebut.
7
1.5 Sistematika Skripsi
Secara garis besar skripsi ini dibagi menjadi tiga bagian yaitu bagian
awal skripsi, bagian pokok skripsi, dan bagian akhir skripsi.
Bagian awal skripsi meliputi Halaman Sampul, Halaman Judul, Abstrak,
Halaman Pengesahan, Motto dan Persembahan, Kata Pengantar, Daftar Isi, Daftar
Gambar, Daftar Tabel, Daftar Lampiran.
Bagian pokok skripsi secara garis besar terdiri dari lima bab, yaitu:
BAB I PENDAHULUAN
Di dalam bab ini dikemukakan latar belakang masalah,
perumusan masalah, manfaat penelitian, dan sistematika
skripsi.
BAB II LANDASAN TEORI
Di dalam bab ini dikemukakan konsep-konsep yang dijadikan landasan
teori sebagai berikut. Riset Operasi, Program Linear, Metode Trend
Musiman, Program Solver untuk menyelesaikan masalah program linear.
BAB III METODE PENELITIAN
Di dalam bab ini dikemukakan metode penelitian yang berisi langkah-
langkah yang harus ditempuh untuk membahas permasalahan, yaitu
identifikasi masalah, perumusan masalah, observasi, analisis data, dan
penarikan simpulan.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
Di dalam bab ini dikemukakan hasil penelitian dan pembahasan yang
berisi analisis mengenai aplikasi program Solver dalam penyelesaian
8
masalah optimasi berdasarkan peramalan dengan metode Trend
Musiman pada perusahaan krupuk udang Sinar Jaya Brebes.
BAB V PENUTUP
Di dalam bab ini dikemukakan simpulan dari pembahasan dan saran
yang berkaitan dengan simpulan.
Bagian akhir skripsi meliputi Daftar Pustaka dan Lampiran-lampiran
yang mendukung penulisan skripsi.
9
BAB II
LANDASAN TEORI
2.1 Riset Operasi
Riset operasi yang berasal dari Inggris merupakan suatu hasil studi
operasi-operasi militer selama Perang Dunia II. Setelah perang selesai, potensi
komersialnya segera disadari dan pengembangannya telah menyebar dengan cepat
di Amerika Serikat, dimana ia lebih dikenal dengan nama Riset Operasi atau
Operatins Research (disingkat OR). Kini OR banyak diterapkan dalam
menyelesaikan masalah-masalah manajemen untuk meningkatkan produktivitas
atau efisiensi.
Istilah Riset Operasi pertama kali digunakan pada tahun 1940 oleh Mc
Closky dan Trefthen di suatu kota kecil, Bowdsey, Inggris. Pada masa awal
perang 1939, pemimpin militer Inggris memanggil sekelompok ahli-ahli sipil dari
berbagai disiplin dan mengkoordinasi mereka ke dalam suatu kelompok yang
diserahi tugas mencari cara-cara yang efisien untuk menggunakan alat yang baru
ditemukan yang disebut radar dalam suatu sistem peringatan dini menghadapi
serangan udara. Kelompok ahli Inggris ini dan kelompok-kelompok lain
berikutnya melakukan penelitian (research) pada operasi-operasi (operations)
militer. Setelah perang, keberhasilan kelompok-kelompok penelitian operasi-
operasi di bidang militer menarik perhatian para industriawan yang sedang
mencari penyelesaian terhadap masalah-masalah yang rumit (Mulyono, 2004:1-2).
10
Pola dasar penerapan OR terhadap suatu masalah dapat dipisahkan
menjadi beberapa tahap.
(1) Merumuskan masalah
Komponen penting dalam perumusuan masalah adalah sebagai berikut.
a. Variabel keputusan yaitu unsur-unsur dalam penyelesaian yang dapat
dikendalikan oleh pengambil keputusan.
b. Tujuan (objective) yaitu hasil akhir yang hendak dicapai dengan cara
memilih suatu tindakan yang paling tepat untuk sistem yang dipelajari.
c. Kendala (constraints) yaitu pembatas-pembatas tehadap alternatif yang
tersedia.
(2) Pembentukan model
Sesuai dengan definisi persoalannya, maka pengambil keputusan
menentukan model yang paling cocok untuk mewakili sistem.
(3) Mencari penyelesaian masalah
Proses penyelesaian dengan bermacam-macam teknik dan metode solusi
kuantitatif untuk suatu model.
(4) Validasi model
Tahap untuk menguji validitas model, yaitu membandingkan
performancenya dengan data masa lalu yang tersedia. Model dikatakan valid
jika dengan kondisi input yang serupa, ia dapat menghasilkan kembali
performance seperti masa lampau.
(5) Penerapan hasil akhir
Tahap terakhir adalah menerapkan hasil model yang telah diuji.
11
2.2 Program Linear
Program linear (PL) merupakan suatu alat yang digunakan untuk
menyelesaikan masalah optimasi suatu model linear dengan keterbatasan-
keterbatasan sumber daya yang tersedia. PL banyak digunakan untuk
menyelesaikan masalah optimasi di dalam industri, perbankkan, pendidikan dan
masalah-masalah lain yang dapat dinyatakan dalam bentuk linear. Bentuk linear di
sini berarti bahwa seluruh fungsi dalam model ini merupakan fungsi linear.
Secara umum, fungsi pada model ini ada dua macam yaitu fungsi tujuan
dan fungsi pembatas. Fungsi tujuan dimaksudkan untuk menentukan nilai
optimum dari fungsi tersebut yaitu nilai maksimal untuk masalah keuntungan dan
nilai minimal untuk masalah biaya. Fungsi pembatas diperlukan berkenaan
dengan adanya keterbatsan sumber daya yang tersedia, misalnya jumlah bahan
baku yang terbatas, waktu kerja, jumlah tenaga kerja, luas gudang persediaan.
Tujuan utama dari pogram linear ini adalah menentukan nilai optimum
(maksimal/minimal) dari fungsi tujuan yamg telah ditetapkan (Dwijanto,
2008:13).
Pada dasarnya tidak semua masalah bisa diselesaikan dengan PL. Ada
beberapa prinsip yang mendasari penggunaan PL, yaitu:
(1) Adanya sasaran. Sasaran dalam model matematika masalah PL berupa
fungsi tujuan (fungsi objektif) yang akan dicari nilai optimalnya
(maksimum/minimum).
(2) Ada tindakan alternatif, artinya fungsi tujuan dapat diperoleh dengan
berbagai cara dan di antaranya alternatif itu memberikan nilai optimal.
12
(3) Adanya keterbatasan sumber daya. Sumber daya atau input dapat berupa
waktu, biaya bahan dan sebagainya. Pembatas sumber daya disebut kendala
(constraints) pembatas.
(4) Masalah harus dapat dituangkan dalam bahasa matematika yang disebut
model matematika. Model matematika dalam PL memuat fungsi tujuan dan
kendala. Fungsi tujuan harus berupa fungsi linear dan kendala berupa
pertidaksamaan atau persamaan linear.
(5) Antar variabel yang membentuk fungsi tujuan dan kendala ada keterkaitan,
artinya perubahan pada satu peubah akan mempengaruhi nilai peubah yang
lain (Suyitno, 1997:8).
Beberapa masalah yang dapat diformulasikan dan diselesaikan dengan
PL di bidang manajemen operasi seperti penjadwalan bus sekolah untuk
meminimalkan jarak perjalanan total untuk mengantar dan menjemput para
pelajar, mengalokasikan unit-unit jaga polisi ke daerah yang memiliki tingkat
kejahatan tinggi untuk meminimalkan waktu respon, penjadwalan kasir untuk
memenuhi kebutuhan harian selagi meminimalkan total biaya tenaga kerja,
memilih bauran produk pada suatu pabrik untuk memanfaatkan penggunaan mesin
dan jam kerja yang tersedia sebaik mungkin selagi memaksimalkan laba
perusahaan, membuat suatu jadwal produksi yang akan mencukupi permintaan di
masa mendatang akan suatu produk perusahaan dan pada saat bersamaan
meminimalkan biaya persediaan dan biaya produksi total, pemilihan bauran
komposisi makanan untuk menghasilkan kombinasi makanan dengan biaya
minimal dan sebagainya (Heizer, 2005:346).
13
Banyak cara untuk menyelesaikan masalah dalam PL yaitu cara manual
yaitu menggunakan perhitungan biasa sampai menggunakan bantuan komputer
untuk penyelesaian masalah yang cukup rumit. Apabila banyaknya variabel
(peubah) hanya dua buah, maka kita dapat menyelesaikan masalah PL dengan
metode grafik, tetapi dengan keterbatasan metode ini, maka untuk masalah dengan
banyaknya variabel yang lebih dari dua, metode ini kurang cocok (Dwijanto,
2008:13).
2.2.1 Solusi PL dengan Metode Grafik
Menyelesaikan masalah PL dengan metode grafik berarti menggambar
pembatas sebagai grafik dalam ruang berdimensi dua, jika model matematikanya
memuat dua variabel dan dalam ruang tiga jika model matematikanya memuat
tiga variabel. Contoh masalah yang dapat diselesaikan dengan program linear
menggunakan metode grafik adalah sebagai berikut.
Sebuah perusahaan mebel memproduksi dua jenis alat rumah tangga
yaitu rak buku dan meja. Setiap hasil produksi harus melalui dua tahap yaitu
pemotongan dan perampungan. Untuk pemotongan tiap rak buku memerlukan
waktu 4 jam dan untuk meja juga sama. Untuk proses perampungan memerlukan
3 jam untuk rak buku dan 2 jam untuk meja. Rak buku jika dijual memberi laba
Rp 8000,0/buah dan meja Rp 6000,-/buah. Waktu yang tersedia untuk
pemotongan pada setiap periode waktu 100 jam dan untuk perampungan tersedia
60 jam. Perusahaan ingin menentukan jumlah produksi untuk masing-masing jenis
barang agar diperoleh laba maksimal.
Penyelesaian:
14
Untuk menyederhanakan masalah ini, kita buat tabel berkenaan dengan
masalah pada contoh ini.
Tabel 1. Kebutuhan dan waktu yang tersedia
Barang
Lama Proses
Banyaknya Pemotongan (jam) Perampungan (jam)
Rak buku 4 3 X1
Meja 4 2 X2
Waktu yg
tersedia 100 60
Dari Tabel 1 di atas, kemudian dibuat model matemátikanya sebagai
berikut.
Fungsi tujuan :
Maksimumkan Z = 8000x1 + 6000x2
Fungsi Pembatas:
4 x1 + 4 x2 ≤ 100
3 x1 + 2 x2 ≤ 60
x1 ≥ 0, x2 ≥0
Untuk membuat grafik, pertama-pertama buatlah sistem sumbu koordinat dengan
sumbu x1 mendatar dan sumbu x2 tegak, kemudian buatlah garis dengan
persamaan 4 x1 + 4 x2 = 100.
Titik potong dengan sumbu X1 yaitu dengan memberikan 0 pada nilai X2,
sehingga diperoleh: 4 x1 + 4 x2 = 100
15
4 x1 + 4 * 0 = 100
4 x1 = 100
x1 = 25
diperoleh titik (25,0)
Titik potong dengan sumbu X2 yaitu dengan memberikan 0 pada nilai X1,
sehingga diperoleh: 4 x1 + 4 x2 = 100
4 * 0 + 4 x2 = 100
4 x2 = 100
X2 = 25
diperoleh titik (0,25). Hubungkan kedua titik itu.
(25,0)
(0,25)
Gambar 1
Untuk memenuhi pertidaksamaan 4x1 + 4x2 ≤ 100, maka ambilah
sebarang ttik bukan pada garis tersebut, misalnya titik (0,0). Titik (0,0) ini
memenuhi persyaratan, maka belahan garis 4 x1 + 4 x2 = 100 yang memuat (0,0)
tidak diarsir, sedangkan daerah yang tidak memenuhi 4 x1 + 4 x2 ≤ 100 diarsir.
Hasilnya terlihat pada Gambar 2.
16
(0,25)
Gambar 2. (25,0)
Selanjutnya dengan cara yang sama, digambar dari fungsi pembatas 3x1
+ 2x2 ≤ 60, sehingga diperoleh grafik seperti pada Gambar 3 berikut.
(0,30)
(0,25)
(10,15)
(20,0) (25,0)
Gambar 3
Dari Gambar 3 di atas diketahui nilai maksimum akan terjadi di titik (0,0),
(10,15), (20,0), atau (0,25). Fungsi tujuan pada persoalan ini adalah
memaksimumkan Z = 8000X1 + 6000X2, sehingga nilai Z dari titik-titik ujung itu
adalah:
17
Tabel 2. Nilai fungsi tujuan pada solusi fisibel titik ekstrim
Titik Nilai Z
(0,0) 0
(20,0) 160000
(10,15) 170000
(0,25) 150000
Dari Tabel 2. Terlihat bahwa nilai Z maksimum terjadi pada titik (10,15) dengan
nilai Z = 170000.
Ini berarti supaya diperoleh laba maksimum, maka harus dibuat 10 buah rak buku
dan 15 buah meja.
2.2.2 Solusi PL dengan Metode Simpleks
Metode simpleks merupakan teknik yang dikembangkan untuk
memecahkan masalah PL yang mempunyai jumlah variabel keputusan dan
pembatas yang besar. Contoh penyelesaian masalah dengan Metode Simpleks
adalah sebagai berikut.
Maksimumkan Z = 20 X1 + 30 X2 + 40 X3
Harus memenuhi:
4 X1 + 5 X2 + 6 X3 ≤ 24000
2 X1 + 3 X2 + 4 X3 ≤ 15000
2 X1 + 5 X2 + 5 X3 ≤ 18000
X1, X2, X3 ≥ 0
Penyelesian:
18
Untuk menyelesaikan masalah di atas dengan metode simpleks kita ubah
persamaan di atas menjadi sistem persamaan dengan menambahkan variabel
tiruan, sebut saja variabel s1, s2 dan s3, sehingga terbentuk sistem persamaan
berikut.
Maksimumkan Z = 20 X1 + 30 X2 + 40 X3 + 0 s1 + 0 s2 + 0 s3
Harus memenuhi:
4 X1 + 5 X2 + 6 X3 + s1 ≤ 24000
2 X1 + 3 X2 + 4 X3 + s2 ≤ 15000
2 X1 + 5 X2 + 5 X3 + s3 ≤ 18000
X1, X2, X3, s1, s2, s3 ≥ 0
Langkah awal kita tidak membuat apa-apa, sehingga variabel yang masuk terlebih
dahulu adalah s1, s2, dan s3. Dari sistem persamaan ini kita buat tabel berikut
Tabel 3. Iterasi 0 awal
Iterasi 0 20 30 40 0 0 0 Rasio
CB VDB Q X1 X2 X3 S1 S2 S3
S1
S2
S3
Zj
Zj-
Cj
Keterangan:
19
CB : koefisien variabel basis yang masuk pada fungsi tujuan
VDB : variabel basis yang masuk
Q : banyaknya barang
Zj : nilai fungsi tujuan yaitu jumlah dari hasil kali variabel ke j dan
CB
Cj : koefisien variabel pada fungsi tujuan (bilangan yang terletak di
atas variabel)
Selanjutnya kita isi tabel sesuai dengan sistem persamaan di atas sehingga kita
peroleh tabel berikut.
Tabel 4. Iterasi 0
Iterasi 0 20 30 40 0 0 0 Rasio
CB VDB Q X1 X2 X3 S1 S2 S3
0 S1 24000 4 5 6 1 0 0
0 S2 15000 2 3 4 0 1 0
0 S3 18000 2 5 5 0 0 1
Zj
Zj-
Cj
Kita hitung nilai Zj dan Zj-Cj sebagai berikut.
Tabel 5. Nilai Zj dan Zj-Cj
Variabel Zj Zj-Cj
Q 24000*0+15000*0+18000*0=0
20
X1 4*0+2*0+2*0=0 0-20= -20
X2 5*0+3*0+5*0=0 0-30= -30
X3 2*0+5*0+5*0=0 0-400= -40
S1 1*0+0*0+0*0=0 0-0=0
S2 0*0+1*0+0*0=0 0-0=0
S3 0*0+0*0+1*0=0 0-0=0
Selanjutnya kita peroleh tabel berikut.
Tabel 6. Iterasi 0 akhir
Iterasi 0 20 30 40 0 0 0 Rasio
CB VDB Q X1 X2 X3 S1 S2 S3
0 S1 24000 4 5 6 1 0 0
0 S2 15000 2 3 4 0 1 0
0 S3 18000 2 5 5 0 0 1
Zj 0 0 0 0 0 0
Zj-
Cj -20 -30 -40 0 0 0
Kita tentukan kolom kunci (nilai yang nilai Zj-Cj paling kecil) yaitu kolom pada
variabel X3. Lalu kita hitung rasionya. Rasio untuk baris pada variabel:
S1 = 24000/6 = 4000
S2 = 15000/4 = 3750
S3 = 18000/5 = 3600
21
Jadi baris kuncinya adalah baris yang memuat variabel s3 (rasio paling kecil yaitu
3600), sehingga tabel menjadi.
Tabel 7. Baris dan Kolom Kunci Iterasi 0
Iterasi 0 20 30 40 0 0 0 Rasio
CB VDB Q X1 X2 X3 S1 S2 S3
0 S1 24000 4 5 6 1 0 0 4000
0 S2 15000 2 3 4 0 1 0 3750
0 S3 18000 2 5 5 0 0 1 3600
Zj 0 0 0 0 0 0
Zj-
Cj -20 -30 -40 0 0 0
Dari perhitungan di atas selanjutnya X3 menggantikan s3, CB kita isi koefisien
X3 yaitu sebesar 40 dan pada baris ini bilangan kunci kita ubah menjadi 1 yaitu
dengan membagi 3. Dengan demikian maka baris ini kita bagi dengan 3 sehingga
diperoleh tabel berikut.
Tabel 8. Iterasi 1 Awal
Iterasi 1 20 30 40 0 0 0 Rasio
CB VDB Q X1 X2 X3 S1 S2 S3
0 S1
0 S2
40 X3 10 1 2/3 2/3 0 0 1/3
B
B
B
22
Zj
Zj-
Cj
Lakukan operasi baris elementer, sehingga bilangan pada kolom kunci menjadi 0.
Untuk lebih mudahnya kita gunakan B1 (baris 1 adalah baris pertama yang berada
pada matriks utama), B2 (baris 2 adalah baris ke-2 pada matriks utama) dan
seterusnya, sehingga Bn adalah baris ke-n pada matriks utama. Selanjutnya Bn*
adalah baris ke-n baru dalam suatu iterasi.
Pada baris ke-1, dengan rumusan B1-B3* dan pada baris ke-2 dengan rumusan
B2-2*B3*, kemudian kita hitung nilai Zj dan Zj-Cj, sehingga kita peroleh tabel
berikut.
Tabel 9. Iterasi 1
Iterasi 1 20 30 40 0 0 0 Rasio
CB VDB Q X1 X2 X3 S1 S2 S3
0 S1 2400 8/5 -1 0 1 0 - 6/5
0 S2 600 2/5 -1 0 0 1 - 4/5
40 X3 3600 2/5 1 1 0 0 1/5
Zj 144000 16 40 40 0 0 8
Zj-
Cj -4 10 0 0 0 8
23
Kolom kunci adalah kolom yang memuat X1, kemudian kita hitung rasio dan
menentukan bilangan kunci. Sehingga kita peroleh tabel.
Tabel 10. Baris dan Kolom Kunci Iterasi 1
Iterasi 1 20 30 40 0 0 0 Rasio
CB VDB Q X1 X2 X3 S1 S2 S3
0 S1 2400 8/5 -1 0 1 0 - 6/5 1500
0 S2 600 2/5 -1 0 0 1 - 4/5 1500
40 X3 3600 2/5 1 1 0 0 1/5 9000
Zj 144000 16 40 40 0 0 8
Zj-
Cj -4 10 0 0 0 8
Variabel yang masuk selanjutnya adalah X1, dengan demikian s1 diganti dengan
X1, CB pada baris ke-1 kita isi 20 dan bilangan-bilangan pada baris ini kita bagi
dengan 8/5, sehingga kita peroleh tabel berikut.
Tabel 11. Iterasi 2 Awal
Iterasi 2 20 30 40 0 0 0 Rasio
CB VDB Q X1 X2 X3 S1 S2 S3
20 X1 1500 1 -5/8 0 5/8 0 -6/8
0 s2
40 X3 3000
Zj
Zj-Cj
24
Dengan melakukan OBE pada baris pertama dan ke-3, menghitung Zj dan Zj-Cj
seperti perhitungan di atas, maka kita peroleh.
Tabel 12. Iterasi 2
Iterasi 2 20 30 40 0 0 0 Rasio
CB VDB Q X1 X2 X3 S1 S2 S3
20 x1 1500 1 -5/8 0 5/8 0 -6/8
0 S2 0 0 -3/4 0 -1/4 1 -1/2
40 X3 3000 0 5/4 1 1/4 0 1/2
Zj 150000 20 300/8 40 45/2 0 5
Zj-
Cj 0 15/2 0 45/2 0 5
Dari tabel di atas terlihat bahwa baris evaluasi (Zj-Cj) sudah tidak ada yang
negatif, maka program sudah optimal. Dengan demikian dari tabel ini dapat
disimpulkan bahwa X1 = 1500, X2 = 0, dan X3 = 3000, dengan Z = 150000.
2.3 Metode Trend Musiman
Trend adalah rata-rata perubahan (biasanya tiap tahun) dalam jangka
panjang. Trend musiman adalah rata-rata perubahan tiap musim dalam jangka
panjang. Banyak data penjualan, produksi serta data berkala lainnya berfluktuasi
mengikuti musim. Unit waktu yang dipakai bisa kuartalan, bulanan, mingguan
atau bahkan harian.
25
2.3.1 Gerakan Musiman dan Indeks Musiman
Gerakan musiman (seasonal movement) merupakan gerakan yang teratur
dan hampir terjadi pada waktu-waktu tertentu. Disebut gerakan musiman karena
terjadinya bertepatan dengan pergantian musiman dalam suatu tahun. Untuk
menunjukan ada tidaknya gerakan musiman, maka perlu dibuat indeks musiman
(seasonal index). Indeks musiman dapat dihitung dengan beberapa metode yaitu
metode rata-rata sederhana, metode persentase terhadap trend, dan metode rata-
rata begerak.
2.3.1.1 Metode Rata-rata Sederhana (Simple Average Method)
Dalam metode ini, indeks musiman dihitung berdasarkan rata-rata tiap
periode musim setelah bebas dari pengaruh trend. Adapun langkah-langkah yang
harus dilakukan sebagai berikut.
(1) Menyusun data tiap kuartal atau bulan sesuai kebutuhan, untuk masing-
masing tahun.
(2) Mencari rata-rata tiap kuartal pada tahun-tahun tersebut.
(3) Karena rata-rata tersebut masih mengandung unsur kenaikan (trend) maka
dihilangkan terlebih dahulu pengaruh trend ini dengan mengurangkan
dengan b secara kumulatif (disebut kolom sisa).
(4) Mencari rata-rata dari kolom sisa yaitu dengan membagi jumlah pada kolom
sisa dengan empat.
(5) Menyatakan angka-angka tersebut pada kolom selanjutnya sebagai
persentase dari rata-rata sehingga didapat nilai indeks musiman.
26
2.3.1.2 Metode Persentase Terhadap Trend (Ratio to Trend Method)
Untuk mencari indeks musim dengan metode ini, yang pertama dicari
adalah nilai real dan nilai trendnya, kemudian berdasarkan persentase itu dicari
indeks musim
(1) Mencari nilai trend pada setiap periode.
(2) Mencari persentase nulai real terhadap nilai trend dengan cara membagi nilai
real dengan nilai trend kemudian dikalikan dengan 100.
(3) Dari langkah 2 di atas dicari median tiap kuartal dengan tidak memandang
kapan terjadinya.
(4) Menghitung rata-rata dari median tersebut.
(5) Menghitung indeks musiman dengan cara median dibagi rata-rata median
dikalikan 100.
2.3.1.3 Membuat Tabel Rata-rata Bergerak
Dalam metode rata-rata bergerak ini, mula-mula dicari rata-rata bergerak
dari data historis dan setelah ini kita tentukan indeks musimnya. Prosedur
perhitungan sebagai berikut.
(1) Susunlah data historis yang ada ke dalam tabel pada kolom 1, menyatakan
tahun, kolom 2 menyatakan periode musiman (kuartalan), kolom 3
menyatakan data yang sudah ada.
(2) Hitung jumlah bergerak selama satu tahun dan letakkan hasilnya pada kolom
4 pada pertengahan data.
27
(3) Hitunglah rata-rata bergerak dengan membagi pada kolom 4 dengan 4 dan
meletakan hasilnya pada kolom 5.
(4) Hitunglah rata-rata bergerak pusat dengan menjumlahkan dua periode pada
kolom 5 kemudian dibagi 2, letakan hasilnya pada kolom 6 pada
pertengahan dua periode.
(5) Hitung indeks musiman dengan membagi data asli dengan rata-rata bergerak
pusatnya letakkan hasilnya pada kolom 7.
(6) Indeks musiman tersebut kita susun pada tabel indeks dibagi menurut tahun
dan periode musiman yang dikehendaki.
(7) Lihat satu per satu menurut musim pada tahun tersebut lalu jumlahkan
menurut musimnya.
(8) Cari rata-rata tiap musimnya, setelah itu jumlahkan rata-rata tiap musimnya
tersebut.
(9) Menghitung Faktor Koreksi
rataratakeempatJumlahkoreksifaktor
−=
00,4
(10) Indeks tipe tri wulan (kuartalan) dapat dihitung dengan rumus:
pertahunmusimjumlahmusimanrataratatotalxmusimtiapratarataindeks −−
=
(Subagyo, 1986:61)
28
2.3.2 Membuat Tabel Deseasonalizing
Prosedur pembuatan tabel Deseasonalizing adalah sebagai berikut.
(1) Susunlah data historis yang ada ke dalam tabel pada kolom 1 menyatakan
tahun, kolom 2 menyatakan periode musiman, kolom 3 menyatakan data
yang ada, kolom 4 menyatakan indeks setiap musim.
(2) Hitung Deseasonalizing (y) dengan cara membagi data yang ada dengan
indeks musimnya, letakan hasilnya pada kolom 5.
(3) Nyatakan kolom 6 urutan musim tiap tahun (t).
(4) Kalikan t dan y, letakan hasilnya pada kolom 7.
(5) Kuadratkan t, letakan hasilnya kolom 8.
(Subagyo, 1986:65)
2.3.3 Membuat model Trend
Model trend dapat dirumuskan sebagai berikut.
Y’ = a + b t
dimana,
Y’ adalah estimasi trend untuk periode t
a adalah titik perpotongan garis trend dengan 0
b adalah kemiringn (slope) dari garis trend
t adalah nilai waktu yang dipilih
nilai b dan a dapat diperoleh dengan rumus:
29
)(
)(
))((
22
nt
bn
Ya
nt
t
ntY
tYb
∑∑∑ ∑
∑ ∑ ∑
−=
−
−=
(Mason, 1996: 348)
2.3.4 Peramalan Data
Peramalan data dalam hal ini dapat dirumuskan dengan:
F = T x M
dengan F = Peramalan data.
T = Nilai trend musiman yang diramal.
M = Indeks dari T.
2.4 Program Solver untuk Menyelesaikan Program Linear
Solver merupakan salah satu fasilitas tambahan/optional yang disediakan
oleh Microsoft Excel yang berfungsi untuk mencari nilai optimal suatu formula
pada satu sel saja (yang biasa disebut sebagai sel target) pada worksheet/lembar
kerja. Program solver ini berisi perintah-perintah yang berfungsi untuk melakukan
analisis terhadap masalah optimasi. Jika kita instal Microsoft Excel tidak secara
otomatis Solver ini terinstal, jadi harus diinstal secara khusus setelah program
Excel terinstal pada komputer. Program solver ini cukup baik untuk
menyelesaikan masalah optimasi. Menjalankan programnya juga sederhana
apalagi jika sudah dapat menggunakan program Excel (Dwijanto, 2008:49).
30
Microsoft Excel Solver mengkombinasikan fungsi dari suatu Graphical
User Interface (GUI), suatu algebraic modeling language seperti GAMS (Brooke,
Kendrick, dan Meeraus 1992) atau AMPL (Fourer, Gay, and Kernighan 1993),
dan optimizers untuk linear, nonlinear, dan integer program. Masing-masing
fungsi ini terintegrasi ke dalam spreadsheet program.
Fitur ini diinstal secara tersendiri karena merupakan fasilitas tambahan/optional.
Solver merupakan bagian dari serangkaian perintah/command yang
seringkali disebut what-if analysis tool. Fasilitas ini bekerja dengan sel-sel suatu
grup yang saling terhubung, baik secara langsung ataupun tidak langsung
(directly-inderectly), untuk formula pada sel target. Solver terdiri dari tiga bagian:
(1) Adjustable cells/sel pengatur
Solver mengatur perubahan nilai pada sel yang spesifik, untuk memproduksi
hasil perlu spesifikasi dari formula pada sel target.
(2) Constrained cells/sel pembatas
Constraint digunakan untuk membatasi nilai solver yang dapat digunakan
pada suatu model tertentu dan constraint mengacu pada sel lain yang
memperngaruhi formula pada sel target.
(3) Target cells/sel target
Merupakan bagian solver sebagai tempat dimana hasil akhir
pemrosesan/eksekusi suatu formula ditempatkan.
Sebagai contoh, misalnya untuk menyelesaikan masalah pembuatan
paket murah. Toko Maju akan membuat 3 macam paket murah akhir tahun atau
lebaran, yaitu paket A, B, dan C. Paket tersebut berisi sirup, biskuit, dan permen.
31
Paket A berisi 1 botol sirup, 3 bungkus biskuit dan 2 bungkus permen dan dijual
Rp 65.000,00 per paket. Paket B berisi 1 botol sirup, 2 bungkus biskuit dan 1
bungkus permen dijual Rp 45.000,00. Paket C berisi 1 botol sirup, 1 bungkus
biskuit dan 3 bungkus permen dijual Rp 50.000,00. Banyaknya sirup, biskuit dan
ppermen yang tersedia berturut-turut adalah 400 botol sirup, 900 bungkus biskuit
dan 800 bungkus permen. Toko Maju ingin memperoleh hasil penjualan yang
sebesar-besarnya. Tentukan banyaknya masing-masing paket dengan asumsi
semua paket terjual habis.
Penyelesaian:
Tabel yang dapat dibuat dari masalah ini adalah sebagai berikut.
Tabel 13. Kebutuhan Paket
Paket A Paket B Paker C Jumlah
Barang
Sirup 1 1 1 400
Biskuit 3 2 1 900
Permen 2 1 3 800
Harga (dalam ribuan) 65 45 50
Dari tabel ini, kita buat pada lembar kerja (Worksheet) Excel,
selanjutnya kita memulai dengan memberi nilai awal 0 untuk semua paket yang
akan dibuat. Selain tabel ini, kita buat pula tabel kebutuhan vahan yang akan
digunakan untuk membuat paket. Tampilan Excel adalah sebagai berikut.
32
Gambar 4. Tampilan Tabel Awal kebutuhan Paket
Pertama-tama kita masukkan 0 untuk banyaknya paket, dengan demikian
sel B6, C6, dan D6 kita isi dengan 0. Pada tabel kebutuhan vahan pembuatan
paket adalah merupakan perkalian antara kebutuhan tiap paket dikalikan dengan
banyaknya paket yang akan dibuat, sehingga pada sel B10 diisi dengan formula
“=B2*B6”, selanjutnya untuk sel yang lain diisi formula sebagai berikut.
Tabel 14. Formula pada sel
Sel Formula
B11 0
B12 0
C10 0
33
C11 0
C12 0
D10 0
D11 0
D12 0
Untuk praktisnya penulisan rumus di atas digunakan perintah copy-paste
saja. Untuk itu pada sel B10 kita isi formula “=B2*$B$6 kemudian sel ini kita
copy, kemudian kita blok (sorot) pada sel B10 sampai D12 lalu kita paste, maka
sel B10 dampai D12 akan terisi nilai 0.
Jumlah barang merupakan jumlah antara kebutuhan paket A, paket B,
dan paket C, sehingga pada sel E10 kita isi dengan formula “=B10+C10+D10 atau
dengan formula “=sum(B10:D10)” selanjutnya formula pada sel ini kita copykan
ke dalam sel E11 dan E12.
Pendapatan merupakan hasil kali antara banyaknya barang (paket) dan
harga satuan barang. Jadi sel B15 kita isikan formula “=B5*B6+C5*C6+D5*D6”
atau dengan formula “=sumproduct(B5:D5;B6:D6). Dengan demikian persiapan
untuk menjalankan program solver selesai.
Selanjutnya kita jalankan program solver. Program solver berada pada
Tools, jadi lakukan klik pada Tools, solver maka akan keluar menú berikut.
34
Gambar 5. Tampilan Solver Parameter
Pada Set Target Cell kia isi Pendapatan, yaitu cukup mengklik sel B15, maka
pada Set Target Cell akan terisi $B$15.
Equal To kita isi fungsi tujuan yaitu memaksimumkan, jadi kita pilih Max.
By Changing Cells kita isi variabel yang kita cari, yaitu banyaknya barang (paket),
jadi kita isi sel B6 sampai dengan D6 yaitu dengan melakukan drag pada sel-sel
B6 sampai dengan D6.
Subject to the Constraints kita isi dengan ketentuan bahwa jumlah bahan yang
dipakai paling banyak sama dengan persediaan. Oleh karena itu sel E10 <= E2,
35
E11 <= E3, dan E12 <= E4 yaitu dengan cara mengklik Add dan muncul menú
berikut.
Gambar 6. Tampilan Subject to the constrains
Isikan Cell Reference dengan mendrag sel E10 dampai E12 dan pada Constraint
dengan mendrag sel E2 sampai E4 kemudian pilih OK, maka akan kembali ke
menu solver. Kemudian pilih Option dengan mengklik pada Option, sehingga
muncul menu berikut.
36
Gambar 7. Tampilan Solver Options
Pilihlah Assume Linear Model dan Assume Non-Negative, kemudian pilih OK,
maka akan kembali ke menu solver. Selanjutnya pilih Solve, maka diperoleh hasil.
Gambar 8. Tampilan Solver Results
37
Kita lihat hasil perhitungan, bahwa banyaknya paket A sebanyak 200 buah, paket
B sebanyak 100 buah, dan paket C sebanyak 100 buah, dengan pendapatan 22500.
Selanjutnya apabila kita pilih OK maka pekerjaan selesai, tetapi jika kita
mengklik Answer, Sensitivity, dan Limits kemudian OK, maka akan kita peroleh
kesimpulan atau uraian tentang jawaban (Answer), analisis Sensitivity, dan hasil
Limitnya yang dituliskan pada lembar kerja sisipan (di depan sheet yang kita
pakai). Lembar-lembar kerja ini kita buka maka akan terlihat sebagai berikut.
Gambar 9. Tampilan Lembar Answer
Dari hasil Answer terlihat bahwa pendapatan Rp 22.500.000,-. Banyaknya
paket A adalah 200 buah, banyaknya paket B adalah 100 buah, dan banyaknya
38
paket C adalah 100 buah. Sirup sebanyak 400 botol dipakai habis, demikian pula
biscuit 900 bungkus dan permen 800 bungkus dipakai habis, yaitu terlihat pada
Slack terisi 0.
Gambar 10. Tampilan Lembar Sensitivity
Table Adjustable Cells menunjukan bahwa harga paket A, paket B, dan paket C
dalam perhitungan ini berturut-turut Rp 65.000, Rp 45.000, dan Rp 50.000. Jika
harga paket B dan paket C tidak berubah maka untuk mendapatkan pendapatan
optimal, toko maju akan tetap membuat paket A sebanyak 200, paket B sebanyak
100, dan paket C sebanyak 100 walaupun harga paket berubah diantara Rp 47.500
dan Rp 74.000. Dengan cara yang sama, jika harga paket A dan paket C tetap,
maka jumlah masing-masing paket akan dibuat tetap walaupun perubahan paket B
bergerak diantara Rp 39.200 dan Rp 57.500. Demikian pula jika harga paket A
dan paket B tetap, maka jumlah masing-masing paket akan dibuat tetap walaupun
39
perubahan harga paket C bergerak diantara Rp 25.000 dan Rp 85.000. Sedangkan
Tabel Constraints menunjukan bahwa jika persediaan biscuit dan permen tetap,
maka sirup dapat berubah menjadi antara 357 dan 520. Dengan cara yang sama,
jika persediaan sirup dan permen tetap, maka biscuit dapat berubah menjadi antara
600 dan 1200. Demikian pula jika persediaan sirup dan biscuit tetap, maka
permen dapat berubah menjadi antara 500 dan 950.
Gambar 11. Tampilan Lembar Limits
Dari table limit di atas, terlihat bahwa Pendapatan maksimum adalah 22500, jika
tidak membuat paket A, yaitu dengan jumlah paket A adalah 0 dan 100 paket B,
100 paket C, maka akan memperoleh pendapatan sebesar 9500, demikian pula jka
tidak membuat paket B, pendapatan sebesar 18000, dan jika tidak membuat paket
C, maka pendapatannya sebesar 17500.
40
2.5 Gambaran Umum Perusahaan Krupuk Udang Sinar Jaya
2.5.1 Sejarah Berdirinya Perusahaan
Perusahaan Krupuk Udang Sinar Jaya didirikan oleh Bapak H. Madnuri
pada tahun 1971 di daerah Brebes. Pada awal berdirinya, perusahaan ini hanya
memiliki karyawan sebanyak 15 orang dengan kapasitas produksi 300 Kg/ hari
dan peralatan proses produksi yang masih sederhana. Perusahaan Krupuk Udang
Sinar Jaya yang terletak di jalan Sunan Bonang Kaligangsa Kulon Brebes ini
merupakan perusahaan perorangan yang dikelola secara kekeluargaan.
Perusahaan Krupuk Udang Sinar Jaya telah diakui keberadaannya
dengan mendapat ijin usaha dari Depertemen Perindustrian pada Tahun 1971
kemudian diperbaharui dengan Surat Keputusan (SK) terbaru yaitu SK Menteri
Perindustrian nomor 267/11/4/11/1990 tentang pemberian ijin usaha tetap.
Setelah beberapa tahun, dengan keuletan dalam berusaha perusahaan ini
dapat berkembang. Baik dalam jumlah karyawan maupun kapasitas produksi
mengalami peningkatan, proses produksi pun menggunakan mesin yang lebih
modern.
2.5.2 Struktur Organisasi
Perusahaan Krupuk Udang Sinar Jaya mempunyai struktur organisasi
yang berbentuk garis dimana perintah dan kebijaksanaan langsung dari atas ke
bawah, pemimpin tertinggi dipegang oleh pemilik sendiri yang membawahi
semua bagian yang ada dalam perusahaan diantaranya bagian produksi/dapur,
bagian teknisi, bagian penjemuran, dan bagian pemasaran. Setiap bagian dipimpin
41
oleh seorang kepala bagian yang bertanggung jawab kepada pemimpin
perusahaan.
Struktur organisasi Perusahaan Krupuk Udang Sinar Jaya dapat dilihat
pada gambar berikut.
Gambar 12. Struktur Organisasi Perusahaan Krupuk Udang Sinar Jaya Brebes
Adapun uraian tugas dan tanggung jawab atas fungsi-fungsi yang ada
dalam perusahaan adalah sebagai berikut.
(1) Pimpinan Perusahaan
Tugas dan tanggung jawabnya adalah:
• Memimpin dan mengawasi pelaksanaan tugas seluruh bawahannya dan
menetapkan kebijaksanaan perusahaan.
Pimpinan Perusahaan
Wakil Pimpinan Perusahaan
Kabag. Dapur/Produksi
Bendahara
Kabag. Teknisi Kabag. Penjemuran
Kabag. Pemasaran
Pekerja
42
• Bertanggung jawab atas maju mundurnya perusahaan dan mengendalikan
harta perusahaan.
(2) Wakil Pimipinan Perusahaan
Tugas dan tanggung jawabnya adalah:
• Membantu pemimpin perusahaan dalam mengelola perusahaan.
• Membantu beberapa koordinator bagian, meliputi bagian teknisi, dapur,
penjemuran, dan pemasaran.
(3) Bendahara
Tugas dan tanggung jawabnya adalah:
• Bertanggung jawab atas keluar masuknya uang, langsung mengawasi
pembukuan, kasir, dan pengupahan.
• Mengatur dan mengawasi pembukuan serta surat-menyurat perusahaan.
(4) Kabag. Teknisi
Tugas dan tanggung jawabnya adalah:
• Mengkoordinir pekerja pada bagian teknisi.
(5) Kabag. Dapur/Produksi
Tugas dan tanggung jawabnya adalah:
• Mengkoordinir pekerja pada bagian dapur/produksi krupuk.
(6) Kabag. Penjemuran
Tugas dan tanggung jawabnya adalah:
• Mengkoordinir pekerja pada bagian penjemuran krupuk.
(7) Kabag. Pemasaran
Tugas dan tanggung jawabnya adalah:
43
• Mengkoordinir pekerja pada bagian pemasaran.
• Menjalin hubungan dengan para agen dan pihak perantara lain.
• Mencari informasi pasar dan konsumen.
2.5.3 Bahan Baku dan Proses Produksi
2.5.3.1 Bahan Baku
Bahan baku utama yang diperlukan oleh perusahaan krupuk udang ini,
diantaranya:
(1) Tepung Tapioka
Tepung tapioka merupakan bahan baku utama yang diperlukan dalam
pembuatan krupuk udang yang diperoleh dari daerah Bogor dan Bandung.
Pembeliannya dengan cara memesan terlebih dahulu. Tepung tapioka yang
digunakan ini khusus digunakan untuk pembuatan krupuk udang.
(2) Ikan
Ikan adalah salah satu bahan makanan dengan kandungan protein
yang sangat tinggi. Daging ikan ini digunakan sebagai tambahan udang
dalam pembuatan krupuk udang.
(3) Udang
Udang merupakan bahan dasar dalam pembuatan krupuk udang yang
diperoleh perusahaan dari daerah sekitar Brebes.
Selain bahan-bahan utama di atas, diperlukan pula bahan tambahan yang
meliputi: bawang putih, telur, susu, garam, gula pasir, colour food, penyedap rasa,
pemekar.
44
2.5.2.2 Proses Produksi
Proses produksi krupuk udang Perusahaan Krupuk Udang Sinar Jaya
meliputi beberapa tahap pengelolaan sebagai berikut.
(1) Pembersihan udang (kulit dan kepala udang dibuang)
(2) Penggilingan dan pencampuran
Udang yang sudah bersih tadi digiling, lalu dicampur dengan bahan-bahan
lain sesuai ukuran jenis krupuk. Selanjutnya, uleni hingga membentuk
adonan.
(3) Pencetakan
Adonan yang sudah jadi dimasukkan dalam cetakan sesuai jenis krupuk.
Kemudian atur cetakan-cetakan dalam ancak dan siap direbus.
(4) Perebusan/pengukusan
Cetakan-cetakan yang sudah diatur dalam ancak tadi direbus selama satu
jam. Setelah matang, disiram dengan air dingin lalu diproses (dipres selama
lima menit).
(5) Penirisan
Krupuk yang sudah dipres, lalu di atur di atas kreta, kemudian ditiriskan
selama dua malam.
(6) Pemotongan
Setelah selesai ditiriskan, krupuk dimasukkan dalam mesin pemotong untuk
diiris.
(7) Penjemuran
Krupuk yang sudah diiris, lalu diatur dalam widik untuk dijemur.
45
(8) Penyortiran krupuk
Setelah dijemur krupuk disortir ke bagian pengemasan/pengepakan.
(9) Pengemasan/pengepakan
Krupuk-krupuk yang sudah kering dan dengan hasil yang baik, dibungkus
dalam plastik sesuai jenis krupuk kemudian dikemas dalam kardus.
(10) Penyimpanan di gudang
Krupuk yang sudah dikemas dalam kardus sementara disimpan dalam
gudang, kemudian didistribusikan ke pemesan.
Produk yang dihasilkan oleh Perusahaan Krupuk Udang Sinar Jaya ada
14 jenis yang dibagi menjadi 3 macam yaitu:
(1) Krupuk udang kualitas super, meliputi: PITA, SJ-71, SPKK.
(2) Krupuk udang kualitas sedang, melliputi: SPK, GNP, GNO, UNYIL, PTR,
GND.
(3) Krupuk udang kualitas umum, meliputi: GNB, GNM, JPT, SKP, MB.
2.5.3 Pemasaran Produk
Dalam sebuah perusahaan, pemasaran merupakan kegiatan pokok yang
pentig karena kegiatan ini berpengaruh langsung terhadap keberhasilan
perusahaan. Perusahaan Krupuk Udang Sinar Jaya di Kabupaten Brebes
menyadari sepenuhnya bahwa persaingan dalam bidang penyediaan krupuk udang
cukup ketat. Oleh karena itu berbagai upaya yang dilakukan untuk dapat menarik
konsumen untuk memilih produk atau barang ditawarkan Perusahaan krupuk
Udang Sinar Jaya berupaya menetapkan berbagai kebijaksanaan yang intinya
diarahkan pada orientasi konsumen. Di antara keijaksanaan tersebut yaitu dalam
46
harga, pelayanan, dan kualitas produk. Dengan demikian adanya kebijaksanaan
tersebut diharapkan hasil penjualan yang diperoleh Perusahaan Krupuk Udang
Sinar Jaya di Kabupaten Brebes dapat meningkat sesuai dengan tujuan dan
rencana yang telah ditetapkan.
Perusahaan Krupuk Udang Sinar Jaya dalam membuat produknya sangat
memperhatikan kebutuhan dan keinginan konsumen agar produk yang ditawarkan
dapat diterima di pasar konsumen karena sesuai dengan selera konsumen,
sehingga produk memberikan kepuasan kepada kedua belah pihak. Masalah
pemasaran ini sangat berpengaruh terhadap kelangsungan hidup perusahaan,
untuk mengetahui hal tersebut pihak perusahaan menugaskan kepada bagian
pemasaran untuk mencari informasi pasar dan konsumen, di sini mereka dibantu
agen yang telah diajak untuk bekerja sama dalam penjualan produk.
Dalam perekonomian seperti sekarang ini sebagian produsen menjual
barang melalui agen, tidak langsung ke konsumen akhir. Demikian pula dengan
Perusahaan Krupuk Udang Sinar Jaya dalam menjual barangnya. Untuk
mendistribusikan hasil produksinya perusahaan menggunakan saluran distribusi
tidak langsung. Hasil produksinya dijual melalui agen yang ditunjuk kemudian ke
pengecer.
Saluran distribusi produk yang dihasilkan perusahaan dapat dilakukan
dalam beberapa jalur, yaitu:
(1) Perusahaan – Agen – Pedagang Besar - Pedagang kecil – Konsumen
Saluran pemasaran ini digunakan untuk wilayah pemasaran yang jauh
dari perusahaan, seperti : Yogyakarta, Solo, Magelang, Bogor, Bandung,
47
Jakarta, Tasik Malaya, dan Riau. Dalam hal ini agen merupakan pedagang
perantara yang berhubungan langsung dengan perusahaan, sedangkan
pedagang besar, pedagang kecil dan konsumen akhir di daerah tersebut
dilayani oleh agen.
(2) Perusahaan – Pedagang Besar – Pedagang kecil – Konsumen
Saluran pemasaran ini untuk wilayah yang agak jauh dari perusahaan
misalnya : Semarang, Cirebon, Indramayu. Untuk pedagang kecil dan
konsumen dilayani oleh pedagang besar.
(3) Perusahaan – Pedagang Kecil – Konsumen
Saluran pemasaran ini untuk wilayah yang dekat dengan perusahaan
seperti Brebes dan Tegal.
48
BAB III
METODE PENELITIAN
Metode penelitian merupakan suatu cara yang digunakan dalam
penelitian sehingga dapat dipertanggung jawabkan secara ilmiah. Dengan metode
penelitian data yang diperoleh semakin lengkap untuk memecahkan masalah yang
dihadapi. Pada penelitian ini prosedur/langkah-langkah yang digunakan adalah
sebagai berikut.
3.1 Menemukan Masalah
Dalam tahap ini peneliti mengamati kenyataan-kenyataan yang ada di
lapangan dan menemukan beberapa hal yang ingin dikaji. Pada bidang industri,
salah satu masalah optimasi yang muncul adalah menentukan banyaknya produksi
agar perusahaan memperoleh pendapatan maksimal. Permasalahan optimasi ini
dapat diselesaikan dengan menggunakan program linear. Untuk menyelesaikan
masalah program linear itu sendiri dapat digunakan metode grafik maupun metode
simpleks pada masalah yang sederhana, sedangkan untuk masalah yang rumit dan
memerlukan ketelitian yang tinggi sehingga cara manual sudah tidak efektif lagi
dapat menggunakan software yang dapat menyelesaikan masalah optimasi.
Dalam suatu proses produksi tidak hanya bertujuan mengoptimalkan
persediaan tetapi juga harus memperhatikan kwalitas penjualan pasar suatu barang
sehingga diperlukan pengambilan kebijakan yang tepat dalam memproduksi
barang. Perusahaan Krupuk Udang Sinar Jaya Brebes pada intinya menjalankan
49
proses produksi berdasarkan pesanan. Oleh karena itu diperlukan adanya
peramalan penjualan pada masa yang akan datang untuk membantu dalam hal
perencanaan, pengawasan dan pengambilan keputusan dalam memproduksi
barang sehingga perusahaan dapat memaksimalkan pendapatan.
Dari kondisi tersebut peneliti mempunyai inisiatif untuk meramalkan
penjualan perusahaan krupuk udang Sinar Jaya berdasarkan data penjualan tahun
2006 sampai dengan tahun 2008 dan dengan memasukan hasil peramalan
penjualan tersebut dalam fungsi kendala diharapkan dapat memperoleh
penyelesaian masalah optimasi yang berkaitan dengan jumlah produksi suatu
barang akan lebih bagus.
3.2 Merumuskan Masalah
Masalah yang ditemukan kemudian dirumuskan ke dalam pertanyaan
yang harus diselesaikan yaitu:
(1) Bagaimana model ramalan masing-masing jenis krupuk pada Perusahaan
Krupuk Udang Sinar Jaya agar bisa memprediksi jumlah krupuk yang
dipesan pada masa yang akan datang?
(2) Bagaimana penyelesaian model matematika dari suatu masalah optimasi
pada Perusahaan Krupuk Udang Sinar Jaya dengan menggunakan program
Solver?
50
3.3 Pengambilan Data
Dalam penelitian ini, penulis memperoleh data dengan metode
dokumentasi yaitu metode pengumpulan data dengan cara:
(1) Mengambil data sekunder yang diperoleh dari Perusahaan Krupuk Udang
Sinar Jaya Brebes.
(2) Studi pustaka yaitu mengkaji sumber-sumber pustaka dengan cara
mengumpulkan data atau informasi yang berkaitan dengan masalah,
mengumpulkan konsep pendukung yang diperlukan dalam menyelesaikan
masalah, sehingga didapatkan suatu ide mengenai bahan dasar
pengembangan upaya pemecahan masalah.
3.4 Analisis dan Pemecahan Masalah
Sebelum analisis dan pemecahan masalah, penulis memiliki beberapa
asumsi dalam penelitian ini sebagai berikut.
(1) Penelitian hanya dilakukan pada produksi krupuk udang jenis PITA, SPKK,
GNP, GND, MB, dan GNB.
(2) Data yang diambil di Perusahaan Krupuk Udang Sinar Jaya Brebes adalah
data dari bulan Januari tahun 2006 sampai dengan bulan Juni tahun 2009.
Dari berbagai sumber pustaka yang sudah menjadi bahan kajian,
diperoleh suatu pemecahan masalah. Selanjutnya dilakukan langkah-langkah
pemecahan masalah sebagai berikut.
51
(1) Membuat plot data penjualan.
(2) Menyusun data tiap kuartal untuk masing-masing tahun.
(3) Menghitung indeks musiman dengan metode rata-rata bergerak.
a. Susunlah data historis yang ada ke dalam tabel pada kolom 1,
menyatakan tahun, kolom 2 menyatakan periode musiman (kuartalan),
kolom 3 menyatakan data yang sudah ada.
b. Hitung jumlah bergerak selama satu tahun dan letakkan hasilnya pada
kolom 4 pada pertengahan data.
c. Hitunglah rata-rata bergerak dengan membagi pada kolom 4 dengan 4
dan meletakan hasilnya pada kolom 5.
d. Hitunglah rata-rata bergerak pusat dengan menjumlahkan dua periode
pada kolom 5 kemudian dibagi 2, letakan hasilnya pada kolom 6 pada
pertengahan dua periode.
e. Hitung indeks musiman dengan membagi data asli dengan rata-rata
bergerak pusatnya letakkan hasilnya pada kolom 7.
f. Indeks musiman tersebut kita susun pada tabel indeks dibagi menurut
tahun dan periode musiman yang dikehendaki.
g. Lihat satu per satu menurut musim pada tahun tersebut lalu jumlahkan
menurut musimnya.
h. Cari rata-rata tiap musimnya, setelah itu jumlahkan rata-rata tiap
musimnya tersebut.
52
i. Menghitung Faktor Koreksi
rataratakeempatJumlahkoreksifaktor
−=
00,4
(4) Menghitung indeks kuartalan.
Indeks tipe tri wulan (kuartalan) dapat dihitung dengan rumus:
pertahunmusimjumlahmusimanrataratatotalxmusimtiapratarataindeks −−
=
(5) Menghitung tabel deseasonalizing dari data penjualan krupuk.
Prosedur pembuatan tabel deseasonalizing adalah sebagai berikut.
a. Susunlah data historis yang ada ke dalam tabel pada kolom 1
menyatakan tahun, kolom 2 menyatakan periode musiman, kolom 3
menyatakan data yang ada, kolom 4 menyatakan indeks setiap musim.
b. Hitung Deseasonalizing (y) dengan cara membagi data yang ada
dengan indeks musimnya, letakan hasilnya pada kolom 5.
c. Nyatakan kolom 6 urutan musim tiap tahun (t).
d. Kalikan t dan y, letakan hasilnya pada kolom 7.
e. Kuadratkan t, letakan hasilnya kolom 8.
(6) Membuat scatter plot data asli dengan data deseasonalized dengan bantuan
Microsoft Excel.
(7) Mencari persamaan trend.
(8) Menghitung peramalan data penjualan krupuk dengan data deseasonalized.
(9) Menentukan model matematika dari masalah optimasi pada Perusahaan
Krupuk Udang Sinar Jaya dari data-data yang telah diperoleh.
53
(10) Menambahkan hasil ramalan penjualan sebagai fungsi kendala.
(11) Menentukan penyelesaian model matematika masalah optimasi pada
Perusahaan Krupuk Udang Sinar Jaya dengan menggunakan program Solver
kemudian mengintrepetasikannya.
3.5 Penarikan Simpulan
Pada akhir metode penelitian ini dilakukan penarikan simpulan sebagai
langkah pemecahan masalah. Berdasarkan hasil penelitian dan pembahasan akan
diperoleh jawaban dari permasalahan dalam menentukan model ramalan masing-
masing jenis krupuk pada Perusahaan Krupuk Udang Sinar Jaya agar bisa
memprediksi jumlah krupuk yang dipesan pada masa yang akan datang dan
menyelesaikan model matematika dari suatu masalah optimasi menggunakan
program solver. Simpulan yang diperoleh dapat diterapkan pada permasalahan
sesuai dengan tema penelitian.
54
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian
Dari data penjualan yang tertera pada Lampiran 1 dan dengan bantuan
Excel, penulis memperoleh ploting data yang membentuk pola musiman
(Lampiran 2) pada setiap jenis krupuk sehingga penulis menggunakan analisis
Trend Musiman untuk meramalkan penjualan krupuk pada masa yang akan
datang. Data penjualan tersebut kemudian dibuat perkuartalnya untuk dianalisis
dengan metode Trend Musiman. Penjualan yang dimaksud di sini adalah
pemenuhan permintaan pasar atau konsumen.
Tabel 3. Data Penjualan Januari Tahun 2006 sampai dengan Desember 2008
dalam Perkuartalan
TAHUN KUARTAL
PENJUALAN
PITA SPKK GNP GND MB GNB
2006
1 986 1,225 16,535 2,655 14,148 1,650
2 457 2,225 22,713 16,140 5,159 1,660
3 1,137 2,855 27,935 10,135 17,999 3,045
4 194 1,330 14,232 24,260 4,950 240
2007
1 1,135 1,310 15,758 1,950 15,933 2,035
2 561 2,785 23,623 15,020 6,755 1,935
3 1,297 3,530 31,965 11,750 19,370 3,705
4 250 1,535 14,468 32,215 6,214 370
2008 1 1,020 1,640 16,685 3,965 15,310 2,005
55
2 504 2,710 24,440 16,425 5,680 1,715
3 1,224 3,195 30,120 8,410 19,025 3,605
4 189 1,460 15,535 30,240 4,905 250
(1) Model Prediksi Penjualan dengan Trend Musiman
a. Jenis Krupuk PITA (A)
Tabel 4. Rata-rata Bergerak 4 Kuartal
Tahun Kuartal penjualan
total rata2 bergerak
4 kuartal
rata2 bergerak
4 kuartal
rata2 bergerak
terpusat 4 kuartal indeks
2006
1 986
2 457
2,774 693.50
3 1,137 712.13 1.60
2,923 730.75
4 194 743.75 0.26
3,027 756.75
2007
1 1,135 776.75 1.46
3,187 796.75
2 561 803.75 0.70
3,243 810.75
3 1,297 796.38 1.63
3,128 782.00
4 250 774.88 0.32
3,071 767.75
2008
1 1,020 758.63 1.34
2,998 749.50
56
2 504 741.88 0.68
2,937 734.25
3 1,224
4 189
0200400600800
1,0001,2001,400
0 1 2 3 4 5 6 7 8 9 10 11 12 13
PENJUALAN
RATA2 BGRKTRPST
Gambar 10. Grafik penjualan per kuartal dan rata-rata bergerak terpusat
Tabel 5. Indeks Musim Krupuk PITA
Tahun kuartal 1 kuartal 2 kuartal 3 kuartal 4 faktor koreksi
1.60 0.26 0.50
1.46 0.70 1.63 0.32
1.34 0.68
Jml 2.81 1.38 3.23 0.58 7.99
rata2 1.40 0.69 1.61 0.29 4.0
Indeks 2.80 1.38 3.22 0.58
Tabel 6. Deseasonalizing Krupuk PITA
penjualan indeks
penjualan
deseasonalized (y) t ty t^2
986 2.80 351.78 1 351.78 1
57
457 1.38 332.14 2 664.28 4
1,137 3.22 352.89 3 1,058.67 9
194 0.58 332.83 4 1,331.33 16
1,135 2.80 404.94 5 2,024.70 25
561 1.38 407.72 6 2,446.34 36
1,297 3.22 402.55 7 2,817.85 49
250 0.58 428.91 8 3,431.26 64
1,020 2.80 363.91 9 3,275.19 81
504 1.38 366.30 10 3,662.98 100
1,224 3.22 379.89 11 4,178.82 121
189 0.58 324.25 12 3,891.05 144
Jumlah 4448.12 78 29,134.24 650
Dari tabel deseasonalizing diperoleh Σy = 4448,12, Σty = 29134,24, Σt = 78,
Σt2 = 650, dengan rumus
∑ ∑∑ ∑ ∑
−
−=
nt
t
ntY
tYb 2
2 )(
))((
=1,55 dan
61,360)( =−= ∑∑n
tb
nY
a sehingga diperoleh Model Trend Musiman
Y’ = (360,61 + 1,55 t) x Mt
b. Jenis Krupuk SPKK
Tabel 7. Rata-rata Bergerak 4 Kuartal
Tahun Kuartal penjualan
total rata2
bergerak 4 kuartal
rata2
bergerak 4
kuartal
rata2 bergerak
terpusat 4 kuartal indeks
58
2006
1 1,225
2 2,225
7,635 1,908.75
3 2,855 1,919.38 1.49
7,720 1,930.00
4 1,330 2,000.00 0.67
8,280 2,070.00
2007
1 1,310 2,154.38 0.61
8,955 2,238.75
2 2,785 2,264.38 1.23
9,160 2,290.00
3 3,530 2,331.25 1.51
9,490 2,372.50
4 1,535 2,363.13 0.65
9,415 2,353.75
2008
1 1,640 2,311.88 0.71
9,080 2,270.00
2 2,710 2,260.63 1.20
9,005 2,251.25
3 3,195
4 1,460
59
0
1,000
2,000
3,000
4,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13
PENJUALAN
RATA2 BGRKTRPST
Gambar 11. Grafik penjualan per kuartal dan rata-rata bergerak terpusat
Tabel 8. Indeks Musim Krupuk SPKK
Tahun kuartal 1 kuartal 2 kuartal 3 kuartal 4 faktor koreksi
1.49 0.67 0.50
0.61 1.23 1.51 0.65
0.71 1.20
Jml 1.32 2.43 3.00 1.31 8.06
rata2 0.66 1.21 1.50 0.66 4.0
Indeks 1.33 2.45 3.03 1.32
Tabel 9. Deseasonalizing Krupuk SPKK
penjualan indeks
penjualan
deseasonalized (y) t ty t^2
1,225 1.33 922.63 1 922.63 1
2,225 2.45 909.04 2 1,818.08 4
2,855 3.03 943.78 3 2,831.33 9
1,330 1.32 1,003.91 4 4,015.66 16
1,310 1.33 986.65 5 4,933.27 25
2,785 2.45 1,137.83 6 6,826.98 36
60
3,530 3.03 1,166.91 7 8,168.38 49
1,535 1.32 1,158.65 8 9,269.22 64
1,640 1.33 1,235.20 9 11,116.81 81
2,710 2.45 1,107.19 10 11,071.88 100
3,195 3.03 1,056.17 11 11,617.87 121
1,460 1.32 1,102.04 12 13,224.49 144
Jumlah 12,730.01 78 85,816.59 650
Dari tabel deseasonalizing diperoleh Σy = 12730,01, Σty = 85816,59, Σt = 78,
Σt2 = 650, dengan rumus
∑ ∑∑ ∑ ∑
−
−=
nt
t
ntY
tYb 2
2 )(
))((
=21,48 dan
22,921)( =−= ∑∑n
tb
nY
a sehingga diperoleh Model Trend Musiman
Y’ = (921,22 + 21,48 t) x Mt
c. Jenis Krupuk GNP
Tabel 10. Rata-rata Bergerak 4 Kuartal
Tahun Kuartal Penjualan
Total bergerak
4 kuartal
Rata2 bergerak
4 kuartal
Rata2 bergerak
terpusat 4 kuartal indeks
2006
1 16,535
2 22,713
81,415 20,353.75
3 27,935 20,256.63 1.38
80,638 20,159.50
4 14,232 20,273.25 0.70
81,548 20,387.00
61
2007
1 15,758 20,890.75 0.75
85,578 21,394.50
2 23,623 21,424.00 1.10
85,814 21,453.50
3 31,965 21,569.38 1.48
86,741 21,685.25
4 14,468 21,787.38 0.66
87,558 21,889.50
2008
1 16,685 21,658.88 0.77
85,713 21,428.25
2 24,440 21,561.63 1.13
86,780 21,695.00
3 30,120
4 15,535
0
10,000
20,000
30,000
40,000
0 1 2 3 4 5 6 7 8 9 10111213
bulan
penj
uala
n
penjualan
rata2 brgrktrpst
Gambar 12. Grafik penjualan per kuartal dan rata-rata bergerak terpusat
Tabel 11. Indeks Musim Krupuk GNP
Tahun kuartal 1 kuartal 2 kuartal 3 kuartal 4 faktor koreksi
1.38 0.70 0.50
62
0.75 1.10 1.48 0.66
0.77 1.13
Jml 1.52 2.24 2.86 1.37 7.99
rata2 0.76 1.12 1.43 0.68 4.0
Indeks 1.52 2.23 2.86 1.36
Tabel 12. Deseasonalizing Krupuk GNP
penjualan indeks
penjualan
deseasonalized (y) t ty t^2
16,535 1.52 10,861.51 1 10,861.51 1
22,713 2.23 10,172.66 2 20,345.33 4
27,935 2.86 9,778.83 3 29,336.49 9
14,232 1.36 10,434.07 4 41,736.29 16
15,758 1.52 10,351.11 5 51,755.56 25
23,623 2.23 10,580.23 6 63,481.40 36
31,965 2.86 11,189.56 7 78,326.89 49
14,468 1.36 10,607.09 8 84,856.74 64
16,685 1.52 10,960.04 9 98,640.35 81
24,440 2.23 10,946.15 10 109,461.50 100
30,120 2.86 10,543.70 11 115,980.72 121
15,535 1.36 11,389.36 12 136,672.26 144
Jumlah 127,814.31 78 841,455.04 650
63
Dari tabel deseasonalizing diperoleh Σy = 127814,31, Σty = 841455,04, Σt = 78,
Σt2 = 650, dengan rumus
∑ ∑∑ ∑ ∑
−
−=
nt
t
ntY
tYb 2
2 )(
))((
=74,56 dan
56,10166)( =−= ∑∑n
tb
nY
a sehingga diperoleh Model Trend Musiman
Y’ = (10166,56 + 74,56 t) x Mt
d. Jenis Krupuk GND
Tabel 13. Rata-rata Bergerak 4 Kuartal
Tahun Kuartal Penjualan
Total rata2
bergerak 4 kuartal
Rata2
bergerak 4
kuartal
Rata2 bergerak
terpusat 4 kuartal indeks
2006
1 2,655
2 16,140
53,190 13,297.50
3 10,135 13,209.38 0.77
52,485 13,121.25
4 24,260 12,981.25 1.87
51,365 12,841.25
2007
1 1,950 13,043.13 0.15
52,980 13,245.00
2 15,020 14,239.38 1.05
60,935 15,233.75
3 11,750 15,485.63 0.76
62,950 15,737.50
64
4 32,215 15,913.13 2.02
64,355 16,088.75
2008
1 3,965 15,671.25 0.25
61,015 15,253.75
2 16,425 15,006.88 1.09
59,040 14,760.00
3 8,410
4 30,240
0
10,000
20,000
30,000
40,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13
kuartal
penj
uala
n PENJUALAN
RATA2 BRGRKTRPST
Gambar 13. Grafik penjualan per kuartal dan rata-rata bergerak terpusat
Tabel 14. Indeks Musim Krupuk GND
Tahun kuartal 1 kuartal 2 kuartal 3 kuartal 4 faktor koreksi
0.77 1.87 0.50
0.15 1.05 0.76 2.02
0.25 1.09
Jml 0.40 2.15 1.53 3.89 7.97
rata2 0.20 1.07 0.76 1.95 4.0
Indeks 0.40 2.14 1.52 3.88
Tabel 15. Deseasonalizing Krupuk GND
65
penjualan indeks
penjualan
deseasonalized (y) t ty t^2
2,655 0.40 6,619.91 1 6,619.91 1
16,140 2.14 7,536.54 2 15,073.08 4
10,135 1.52 6,665.48 3 19,996.43 9
24,260 3.88 6,253.81 4 25,015.25 16
1,950 0.40 4,862.08 5 24,310.39 25
15,020 2.14 7,013.56 6 42,081.35 36
11,750 1.52 7,727.61 7 54,093.29 49
32,215 3.88 8,304.47 8 66,435.80 64
3,965 0.40 9,886.23 9 88,976.03 81
16,425 2.14 7,669.62 10 76,696.20 100
8,410 1.52 5,531.00 11 60,840.98 121
30,240 3.88 7,795.35 12 93,544.24 144
Jumlah 85,865.66 78 573,682.95 650
Dari tabel deseasonalizing diperoleh Σy = 85865,66, Σty = 573682,95, Σt = 78,
Σt2 = 650, dengan rumus
∑ ∑∑ ∑ ∑
−
−=
nt
t
ntY
tYb 2
2 )(
))((
=108,78 dan
37,6448)( =−= ∑∑n
tb
nY
a sehingga diperoleh Model Trend Musiman
Y’ = (6448,37 + 108,78 t) x Mt
e. Jenis Krupuk MB
Tabel 16. Rata-rata Bergeral 4 Kuartal
66
Tahun Kuartal Penjualan
Total rata2
bergerak 4 kuartal
Rata2
bergerak 4
kuartal
Rata2 bergerak
terpusat 4 kuartal indeks
2006
1 14,148
2 5,159
42,256 10,564.00
3 17,999 10,787.13 1.67
44,041 11,010.25
4 4,950 11,209.75 0.44
45,637 11,409.25
2007
1 15,933 11,580.63 1.38
47,008 11,752.00
2 6,755 11,910.00 0.57
48,272 12,068.00
3 19,370 11,990.13 1.62
47,649 11,912.25
4 6,214 11,777.88 0.53
46,574 11,643.50
2008
1 15,310 11,600.38 1.32
46,229 11,557.25
2 5,680 11,393.63 0.50
44,920 11,230.00
3 19,025
4 4,905
67
05,000
10,00015,00020,00025,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13
kuartal
penj
uala
nPENJUALAN
RATA2 BGRKTRPST
Gambar 14. Grafik penjualan dan rata-rata bergerak terpusat
Tabel 17. Indeks Musim Krupuk MB
Tahun kuartal 1 kuartal 2 kuartal 3 kuartal 4 faktor koreksi
1.67 0.44 0.50
1.38 0.57 1.62 0.53
1.32 0.50
Jml 2.70 1.07 3.28 0.97 8.01
rata2 1.35 0.53 1.64 0.48 4.0
Indeks 2.70 1.07 3.29 0.97
Tabel 18. Deseasonalizing Krupuk MB
penjualan indeks
penjualan
deseasonalized (y) t ty t^2
14,148 2.70 5,238.99 1 5,238.99 1
5,159 1.07 4,832.18 2 9,664.37 4
17,999 3.29 5,470.77 3 16,412.30 9
4,950 0.97 5,098.14 4 20,392.57 16
68
15,933 2.70 5,899.97 5 29,499.87 25
6,755 1.07 6,327.08 6 37,962.48 36
19,370 3.29 5,887.48 7 41,212.36 49
6,214 0.97 6,399.97 8 51,199.76 64
15,310 2.70 5,669.28 9 51,023.50 81
5,680 1.07 5,320.18 10 53,201.79 100
19,025 3.29 5,782.62 11 63,608.79 121
4,905 0.97 5,051.79 12 60,621.54 144
Jumlah 66,978.45 78 440,038.31 650
Dari tabel deseasonalizing diperoleh Σy = 66978,45, Σty = 440038,31, Σt = 78,
Σt2 = 650, dengan rumus
∑ ∑∑ ∑ ∑
−
−=
nt
t
ntY
tYb 2
2 )(
))((
=32,72 dan
89,5368)( =−= ∑∑n
tb
nY
a sehingga diperoleh Model Trend Musiman
Y’ = (5368,89 + 32,72 t) x Mt
f. Jenis Krupuk GNB
Tabel 19. Rata-rata Bergerak 4 Kuartal
Tahun Kuartal penjualan
Total rata2
bergerak 4 kuartal
Rata2 bergerak
4 kuartal
Rata2 bergerak
terpusat 4
kuartal indeks
2006
1 1,650
2 1,660
6,595 1,648.75
69
3 3,045 1,696.88 1.79
6,980 1,745.00
4 240 1,779.38 0.13
7,255 1,813.75
2007
1 2,035 1,896.25 1.07
7,915 1,978.75
2 1,935 1,995.00 0.97
8,045 2,011.25
3 3,705 2,007.50 1.85
8,015 2,003.75
4 370 1,976.25 0.19
7,795 1,948.75
2008
1 2,005 1,936.25 1.04
7,695 1,923.75
2 1,715 1,908.75 0.90
7,575 1,893.75
3 3,605
4 250
0
1,000
2,000
3,000
4,000
0 1 2 3 4 5 6 7 8 9 10 111213
kuartal
penj
uala
n
PENJUALAN
RATA2BGRKTRPST
Gambar 15. Grafik penjualan dan rata-rata bergerak terpusat
70
Tabel 20. Indeks Musim Krupuk GNB
Tahun kuartal 1 kuartal 2 kuartal 3 kuartal 4 faktor koreksi
1.79 0.13 0.50
1.07 0.97 1.85 0.19
1.04 0.90
Jml 2.11 1.87 3.64 0.32 7.94
rata2 1.05 0.93 1.82 0.16 4.0
Indeks 2.09 1.85 3.61 0.32
Tabel 21. Deseasonalizing Krupuk GNB
penjualan indeks
penjualan
deseasonalized (y) t ty t^2
1,650 2.09 788.47 1 788.47 1
1,660 1.85 895.25 2 1,790.50 4
3,045 3.61 842.93 3 2,528.78 9
240 0.32 750.81 4 3,003.23 16
2,035 2.09 972.44 5 4,862.22 25
1,935 1.85 1,043.56 6 6,261.36 36
3,705 3.61 1,025.63 7 7,179.41 49
370 0.32 1,157.49 8 9,259.95 64
2,005 2.09 958.11 9 8,622.97 81
1,715 1.85 924.91 10 9,249.12 100
3,605 3.61 997.95 11 10,977.43 121
250 0.32 782.09 12 9,385.08 144
Jumlah 11,139.64 78 73,908.51 650
71
Dari tabel deseasonalizing diperoleh Σy = 11139,64, Σty = 73908,51, Σt = 78,
Σt2 = 650, dengan rumus
∑ ∑∑ ∑ ∑
−
−=
nt
t
ntY
tYb 2
2 )(
))((
=10,49 dan
08,860)( =−= ∑∑n
tb
nY
a sehingga diperoleh Model Trend Musiman
Y’ = (860,08 + 10,49 t) x Mt
Tabel 22. Hasil Ramalan Tahun 2009
Jenis Krupuk Kuartal t indeks Ramalan tahun 2009 Pembulatan
PITA
1 13 2.80 1,067.18 1,067
2 14 1.38 526.01 526
3 15 4.03 1,236.72 1,237
4 16 0.69 224.63 225
SPKK
1 13 1.33 1,593.86 1,594
2 14 2.45 2,990.84 2,991
3 15 3.73 3,761.41 3,761
4 16 1.65 1,675.74 1,676
GNP
1 13 1.52 16,952.61 16,953
2 14 2.23 25,029.98 25,030
3 15 3.57 32,237.51 32,238
4 16 1.75 15,494.29 15,494
GND
1 13 0.40 3,153.39 3,153
2 14 2.14 17,071.19 17,071
3 15 1.85 12,286.02 12,286
4 16 5.23 31,766.75 31,767
MB 1 13 2.70 15,647.33 15,647
72
2 14 1.07 6,221.00 6,221
3 15 4.19 19,278.35 19,278
4 16 1.18 5,721.12 5,721
GNB
1 13 2.09 2,085.39 2,085
2 14 1.85 1,867.25 1,867
3 15 2.63 3,675.69 3,676
4 16 2.33 328.61 329
Ket: Perhitungan selengkapnya dapat dilihat pada Lampiran 3
(2) Pemodelan Matematika
a. Variabel Keputusan
A = banyaknya krupuk PITA yang dipesan (Kg)
B = banyaknya krupuk SPKK yang dipesan (Kg)
C = banyaknya krupuk GNP yang dipesan (Kg)
D = banyaknya krupuk GND yang dipesan (Kg)
E = banyaknya krupuk MB yang dipesan (Kg)
F = banyaknya krupuk GNB yang dipesan (Kg)
Z = total penjualan (rupiah)
b. Fungsi Tujuan
Karena harga jual tiap Kg krupuk PITA adalah 11.500 rupiah,
krupuk SPKK adalah 10.800 rupiah, krupuk GNP adalah 9.600 rupiah,
krupuk GND adalah 9.400 rupiah, krupuk MB adalah 6.600 rupiah,
dan krupuk GNB adalah 6.000 rupiah, maka diperoleh model fungsi
tujuan.
Z max = 11.500A + 10.800B + 9.600C + 9.400D + 6.600E + 6.000F
73
c. Fungsi Kendala
Dari bahan-bahan pembuatan masing-masing krupuk diperoleh
Tabel 23. Tabel Komposisi Krupuk
BAHAN
BAKU A B C D E F PERSEDIAAN
Tepung
tapioca 1 1 1 1 1 1 81000
Udang 0.008 0.008 0.006 0.006 0.006 0.006 450
Ikan 0.004 0.004 0.003 0.003 0.003 0.003 300
Gula pasir 0.01 0.01 0.009 0.009 0.01 0.01 700
Telur 0.1875 0.1875 0.1875 0.125 10000
Garam 0.008 0.008 0.007 0.006 0.006 0.006 500
Susu 0.385 0.385 0.385 0.385 20328
Penyedap
rasa 0.02 0.01 0.01 0.01 0.01 0.005 1000
Bawang
putih 0.1 0.075 0.05 0.05 0.05 0.05 5200
Colour
food 0.01 0.01 0.01 0.01 0.01 0.01 750
Pemekar 0.075 0.075 0.075 0.075 0.05 0.05 5000
dapat diketahui fungsi kendala sebagai berikut.
A + B + C + D + E + F ≤ 81000
0.008A + 0.008B + 0.006C + 0.006D + 0.006E + 0.006F ≤ 450
0.004A + 0.004B + 0.003C + 0.003D + 0.003E + 0.003F ≤ 300
0.01A + 0.01B + 0.009C + 0.009D + 0.01E + 0.01F ≤ 700
74
0.1875A + 0.1875B + 0.1875C + 0.125D ≤ 10000
0.008A + 0.008B + 0.007C + 0.006D + 0.006E + 0.006F ≤ 500
0.385A + 0.385B + 0.385C + 0.385D ≤ 20328
0.02A + 0.01B + 0.01C + 0.01D + 0.01E + 0.005F ≤ 1000
0.1A + 0.075B + 0.05C + 0.05D + 0.05E + 0.05F ≤ 5200
0.01A + 0.01B + 0.01C + 0.01D + 0.01E + 0.01F ≤ 750
0.075A + 0.075B + 0.075C + 0.075D + 0.05E + 0.05F ≤ 5000
A ≤ (360,61 + 1,55 t) x MtA
B ≤ (921,22 + 21,48 t) x MtB
C ≤ (10166,56 + 74,56 t) x MtC
D ≤ (6448,37 + 108,78 t) x MtD
E ≤ (5368,89 + 32,72 t) x MtE
F ≤ (860,08 + 10,5 t) x MtF
Dengan program solver diperoleh penyelesaian optimasi untuk tahun 2009
sebagai berikut.
75
1) kuartal 1
Gambar 16. Tampilan Hasil Optimasi Kuartal 1
76
2) kuartal 2
Gambar 17. Tampilan Hasil Optimasi Kuartal 2
77
3) kuartal 3
Gambar 18. Tampilan Hasil Optimasi Kuartal 3
78
4) kuartal 4
Gambar 19. Tampilan Hasil Optimasi Kuartal 4
79
4.2 Pembahasan
Berdasarkan scatter plot data yang terbentuk dari data asli penjualan
krupuk udang jenis PITA, SPKK, GNP, GND, MB, dan GNB dari tahun 2008
sampai dengan tahun 2008 tampak bahwa data membentuk pola musiman,
sehingga metode forecast yang digunakan adalah metode Trend Musiman.
Pada perhitungan di atas diperoleh persamaan trend untuk masing-
masing jenis krupuk yaitu PITA = (360,61 + 1,55 t) x Mt, SPKK = (921,22 +
21,48 t) x Mt, GNP = (10166,56 + 74,56 t) x Mt, GND = (6448,37 + 108,78 t) x
Mt, MB = (5368,89 + 32,72 t) x Mt, dan GNB = (860,08 + 10,49 t) x Mt, sehingga
menghasilkan peramalan penjualan pada tahun 2009 seperti yang tercantum pada
table 22. Oleh karena data asli kuartal 1 dan kuartal 2 tahun 2009 sudah diperoleh
(pada Lampiran 1), maka dapat dicari harga selisih hasil ramalan dengan data asli
(perhitungan pada Lampiran 4). Tingkat kesalahan pada kuartal 1 untuk krupuk
jenis PITA = 2,4%, SPKK = 2,5%, GNP = 1,2%, GND = 3,2%, MB = 1,3%,
GNB = 2,2% dan pada kuartal 2 untuk krupuk jenis PITA = 3,5%, SPKK = 2%,
GNP = 2,1%, GND = 3,8%, MB = 2,4% dan GNB = 3%.
Tingkat kesalahan di atas kurang dari 5%, sehingga dapat disimpulkan
bahwa data antara hasil ramalan dengan data asli hanya ada sedikit perbedaan,
maka metode Trend Musiman dapat digunakan untuk meramalkan jumlah
penjualan krupuk pada masa mendatang. Akurasi suatu peramalan berbeda untuk
setiap peramalan dan bergantung pada berbagai faktor, yang jelas tidak akan
diperoleh akurasi 100%. Dengan tingkat kesalahan kurang dari 5%, artinya tingkat
80
ketelitian peramalan tersebut sudah lebih dari 95% sehingga hasilnya dapat
dikatakan sudah cukup akurat.
Berdasarkan tabel penjualan (Lampiran 1) tampak bahwa penjualan
krupuk udang pada perusahaan krupuk udang Sinar Jaya Brebes mengalami naik
turun tiap tahunnya membentuk pola musiman. Kecuali jenis GND yang
mengalami peningkatan penjualan di kuartal 4, jenis krupuk lainnya mengalami
kenaikan pada kuartal 3. Terjadinya kenaikan penjualan pada kuartal 3 (bulan Juli,
Agustus, September) dikarenakan waktu tersebut adalah musim liburan dan puasa.
Mengingat konsumen krupuk udang produksi perusahaan Sinar Jaya ini mayoritas
warung makan, cattering dan restoran yang pada musim liburan dan puasa
mengalami peningkatan penjualan, maka pada musim tersebut pun penjualan
krupuk udang ikut meningkat, sehingga pendapatan perusahaan meningkat pesat
pada musim tersebut. Faktor lain penyebab pola musiman adalah tingkat
pendapatan masyarakat yang tidak tetap, kualitas produk, minat pembeli,
persaingan produk misalnya harga, kemasan, promosi dan sebagainya.
Selama ini, Perusahaan Krupuk Udang Sinar Jaya Brebes belum
menggunakan perencanaan dalam melakukan proses produksinya. Dengan adanya
penelitian ini diharapkan dapat dijadikan pertimbangan oleh perusahaan dalam
mengambil keputusan banyaknya produksi sehingga diperoleh pendapatan yang
optimal. Penelitian ini juga akan berkaitan dengan perencanaan penyediaan bahan
baku. Pada Gambar 16, 17, dan 20 terlihat sisa bahan baku yang cukup besar
karena pada kuartal 1, 2 dan 4 penjualan krupuk tidak terlalu besar. Oleh karena
81
itu persediaan pada kuartal 1, 2, dan 4 perlu dikurangi sesuai dengan perkiraan
penjualan agar sisa persediaan tidak terlalu besar.
Dengan melihat pola musiman naik dan turunnya volume penjualan
tersebut, hendaknya seorang pemimpin dalam mengelola perusahaan harus
mengantisipasi segala bentuk kemungkinan yang terjadi pada masa mendatang
misalkan dengan menjaga kualitas produksi, pemasaran yang bagus dan diimbangi
dengan promosi yang tepat. Selain itu, seorang pemimpin hendaknya
memperhatikan hal-hal lain misalkan desain kemasan, bentuk, warna dan
pemasaran yang maksimal agar pelanggan mudah mencari produk tersebut. Jadi
strategi pemasaran yang handal dari seorang pemimpin menjadi tonggak dari maju
dan mundurnya sebuah perusahaan apakah bisa bertahan dalam persaingan di
dunia bisnis.
52
BAB V
PENUTUP
5.1 Kesimpulan
Berdasarkan hasil penelitian dan pembahasan dapat disimpulkan sebagai
berikut.
(1) Model ramalan yang dihasilkan dengan metode Trend Musiman untuk jenis
krupuk PITA = (360,61 + 1,55 t) x Mt, untuk jenis SPKK = (921,22 + 21,48
t) x Mt, jenis GNP = (10166,56 + 74,56 t) x Mt, jenis GND = (6448,37 +
108,78 t) x Mt, jenis MB = (5368,89 + 32,72 t) x Mt, dan jenis
GNB = (860,08 + 10,49 t) x Mt.
(2) Berdasarkan model matematika yang terbentuk diperoleh penyelesaian
optimasi dengan program Solver:
a. Pada kuartal 1, banyaknya krupuk yang diproduksi untuk jenis
PITA = 1.067, jenis SPKK = 1.594, jenis GNP =16.953, jenis
GND = 3.153, Jenis MB = 15.647, Jenis GNB = 2.085 sehingga
pendapatan yang diperoleh = Rp 337.652.900,-.
b. Pada kuartal 2, banyaknya krupuk yang diproduksi untuk Jenis
PITA = 526, Jenis SPKK = 2.991, Jenis GNP= 25.030, Jenis
GND = 17.071, Jenis MB = 6.221, Jenis GNB = 1.867, sehingga
pendapatan yang diperoleh = Rp 491.367.800,-.
c. Pada kuartal 3 banyaknya krupuk yang diproduksi untuk jenis
PITA = 1.237, jenis SPKK = 3.761, jenis GNP = 32.238, jenis
53
GND = 12.286, jenis MB = 19.278, jenis GNB = 3.676, sehingga
pendapatan yang diperoleh = Rp 629.108.300,-.
d. Pada kuartal 4, banyaknya krupuk yang diproduksi untuk jenis
PITA = 225, jenis SPKK = 1.676, jenis GNP = 15.494, jenis
GND = 31.767, jenis MB = 5.721, jenis GNB = 329, sehingga
pendapatan yang diperoleh = Rp 507.773.100,-.
5.2 Saran
(1) Pemimpin perusahaan hendaknya memiliki langkah-langkah untuk
mengantisipasi berbagai kemungkinan yang dapat terjadi pada penjualan
produknya. Sebagai langkah awal adalah dengan melakukan peramalan
penjualan sebagai pertimbangan dalam mengambil kebijakan keputusan
dalam produksi barang.
(2) Diharapkan perusahaan dapat menerapkan metode peramalan Trend
Musiman ini sebagai bahan pertimbangan dalam mengambil kebijakan
dalam proses produksi.
(3) Pemimpin perusahaan harus dapat mempertahankan nilai penjualan pada
musim yang mengalami peningkatan sedangkan pada musim yang
mengalami penurunan dilakukan usaha-usaha untuk meningkatkan
penjualan misalnya dengan promosi dan peningkatan pemasaran agar
pendapatan perusahaan juga semakin meningkat.
54
DAFTAR PUSTAKA
Dimyati, Tjutju T. 1999. Operations Research Model-model Pengambilan
Keputusan. Bandung: Sinar Baru Algasindo.
Dwijanto. 2008. Program Linear Berbantu Komputer: Lindo, Lingo dan Solver.
Semarang: UNNES Press.
Heizer, Jay dan Render, Barry. 2005. Operations Management. Jakarta : Salemba
Empat.
Mason, Robert dkk. 1996.Teknik Statistik Untuk Bisnis dan Ekonomi. Jakarta:
Erlangga.
Mulyono, Sri. 2002. Riset Operasi. Jakarta: Fakultas Ekonomi Universitas
Indonesia.
Subagyo, Pangestu. 1986. Forcasting Konsep dan Aplikasi. Yogyakarta: BPFE
Yogyakarta.
Suyitno, Hardi. 1997. Pengantar Program Linier. Semarang: FMIPA IKIP
Semarang.
55
Data Penjualan bulan Januari tahun 2006 sampai dengan Juni tahun 2009
TAHUN BULAN PENJUALAN
PITA SPKK GNP GND MB GNB
2006
1 85 225 4365 1025 5228 395 2 615 600 4865 50 3895 770 3 286 400 7305 1580 5025 485 4 152 650 6800 8655 35 5 5 100 1225 9015 4985 2009 1005 6 205 350 6898 2500 3115 650 7 525 1250 9865 1000 6482 800 8 160 1600 9505 1925 8005 1250 9 452 5 8565 7210 3512 995
10 119 0 4912 2250 1280 0 11 40 665 6315 1985 1645 35 12 35 665 3005 20025 2025 205
2007
1 92 315 4423 1850 5958 500 2 685 595 4110 100 4485 885 3 358 400 7225 0 5490 650 4 218 780 7085 7000 50 30 5 85 1550 9098 4800 2860 1255 6 258 455 7440 3220 3845 650 7 595 1560 13390 1850 6980 9908 215 1675 9495 3505 8405 16109 487 295 9080 6395 3985 1105
10 150 50 4305 6190 1584 5 11 58 785 6778 23540 1820 10 12 42 700 3385 2485 2810 355
2008
1 90 275 4905 1505 5825 460 2 630 780 4285 0 4190 970 3 300 585 7495 2460 5295 575 4 120 735 7185 8385 0 0 5 78 1485 9490 4920 2165 1010 6 306 490 7765 3120 3515 705 7 588 1295 10895 750 6955 1000 8 210 1555 9860 1475 8155 1595 9 426 345 9365 6185 3915 1010
10 109 0 4890 21565 1490 0 11 49 845 6810 6395 1415 0 12 31 615 3835 2280 2000 250
2009
1 82 310 4990 1130 5920 480 2 600 800 4595 18 4380 1000 3 360 525 7580 2110 5545 560 4 100 793 7210 8425 40 25 5 90 1560 9450 4925 2250 1240 6 318 580 7855 3100 3785 660
Lampiran 1
56
Diagram Scatter Plot Data Penjualan Krupuk
1. Ploting data awal Krupuk PITA
0
200
400
600
800
0 1 2 3 4 5 6 7 8 9 10 11 12 13
bulan
penj
uala
n penjualan tahun 2006penjualan tahun 2007penjualan tahun 2008
2. Ploting data awal Jenis Krupuk SPKK
0
500
1000
1500
2000
0 1 2 3 4 5 6 7 8 9 10 11 12 13
bulan
penj
uala
n penjualan tahun 2006penjualan tahun 2007penjualan tahun 2008
3. Ploting data awal Krupuk GNP
0300060009000
1200015000
0 1 2 3 4 5 6 7 8 9 10111213bulan
penj
uala
n
penjualan tahun2006penjualan tahun2007penjualan tahun2008
Lampiran 2
57
4. Ploting data awal Krupuk GND
05000
10000150002000025000
0 1 2 3 4 5 6 7 8 9 10 11 12 13
bulan
penj
uala
n penjualan tahun2006penjualan tahun2007penjualan tahun2008
5. Ploting data awal Krupuk MB
02000400060008000
10000
0 1 2 3 4 5 6 7 8 9 10 11 12 13
bulan
penj
uala
n penjualan tahun 2006penjualan tahun 2007penjualan tahun 2008
6. Ploting data awal Krupuk GNB
0
500
1000
1500
2000
0 1 2 3 4 5 6 7 8 9 10 11 12 13
bulan
penj
uala
n penjualan tahun 2006penjualan tahun 2007penjualan tahun 2008
58
Perhitungan Ramalan Penjualan Tahun 2009
Jenis Krupuk Kuartal t indeks Ramalan tahun 2009
PITA
1 13 2.80 (360,61 + 1,55 x 13) x 2.80=1067.18 2 14 1.38 (360,61 + 1,55 x 14) x 1.38=526.01 3 15 3.22 (360,61 + 1,55 x 15) x 3.22=1236.72 4 16 0.58 (360,61 + 1,55 x 16) x 0.58=224.64
SPKK
1 13 1.33 (921,22 + 21,48 x 13) x 1.33=1593.86 2 14 2.45 (921,22 + 21,48 x 14) x 2.45=2990.84 3 15 3.03 (921,22 + 21,48 x 15) x 3.03=3761.41 4 16 1.33 (921,22 + 21,48 x 16) x 1.33=1675.74
GNP
1 13 1.52 (10166,56 + 74,56 x 13) x 1.52=16952.62 2 14 2.23 (10166,56 + 74,56 x 14) x 2.23=25029.98 3 15 2.86 (10166,56 + 74,56 x 15) x 2.86=32237.51 4 16 1.37 (10166,56 + 74,56 x 16) x 1.36=15494.29
GND
1 13 0.40 (6448,37 + 108,78 x 13) x 0.40=3153.39 2 14 2.14 (6448,37 + 108,78 x 14) x 2.14=17071.19 3 15 1.52 (6448,37 + 108,78 x 15) x 1.52=12286.02 4 16 3.88 (6448,37 + 108,78 x 16) x 3.88=31766.75
MB
1 13 2.70 (5368,89 + 32,72 x 13) x 2.70=15647.33 2 14 1.07 (5368,89 + 32,72 x 14) x 1.07=6220.99 3 15 3.29 (5368,89 + 32,72 x 15) x 3.29=19278.35 4 16 0.97 (5368,89 + 32,72 x 16) x 0.97=5721.12
GNB
1 13 2.09 (860,08 + 10,49 x 13) x 2.09=2085.39 2 14 1.85 (860,08 + 10,49 x 14) x 1.85=1867.25 3 15 3.61 (860,08 + 10,49 x 15) x 3.61=3675.69 4 16 0.32 (860,08 + 10,49 x 16) x 0.32=328.61
Lampiran 3
59
Data Penjualan Januari sampai dengan Juni 2009 dalam Perkuartalan
TAHUN KUARTAL PERMINTAAN
PITA SPKK GNP GND MB GNB
2009 1 1042 1635 17165 3258 15845 2040 2 508 2933 24515 16450 6075 1995
Data Ramalan Penjualan Januari sampai dengan Juni 2009 dalam Perkuartalan
TAHUN KUARTAL PERMINTAAN
PITA SPKK GNP GND MB GNB
2009 1 1067 1594 16953 3153 15647 2085 2 526 2991 25030 17071 6221 1867
Perhitungan Harga Selisih Data Asli dengan Data Hasil Ramalan:
Harga Selisih Kuartal 1 dan Kuartal 2:
1) Kuartal 1
2) Kuartal 2
Lampiran 4
60
Perusahaan Krupuk Udang Sinar Jaya Brebes
Z max = 11.500A + 10.800B + 9.600C + 9.400D + 6.600E + 6.000F
Harus memenuhi :
A + B + C + D + E + F ≤ 81000
0.008A + 0.008B + 0.006C + 0.006D + 0.006E + 0.006F ≤ 450
0.004A + 0.004B + 0.003C + 0.003D + 0.003E + 0.003F ≤ 300
0.01A + 0.01B + 0.009C + 0.009D + 0.01E + 0.01F ≤ 700
0.1875A + 0.1875B + 0.1875C + 0.1875D ≤ 10000
0.008A + 0.008B + 0.007C + 0.006D + 0.006E + 0.006F ≤ 500
0.385A + 0.385B + 0.385C + 0.385D ≤ 20328
0.02A + 0.01B + 0.01C + 0.01D + 0.01E + 0.005F ≤ 1000
0.1A + 0.075B + 0.05C + 0.05D + 0.05E + 0.05F ≤ 5200
0.01A + 0.01B + 0.01C + 0.01D + 0.01E + 0.01F ≤ 750
0.075A + 0.075B + 0.075C + 0.075D + 0.05E + 0.05F ≤ 5000
A ≤ (360,61 + 1,55 t) x MtA
B ≤ (921,22 + 21,48 t) x MtB
C ≤ (10166,56 + 74,56 t) x MtC
D ≤ (6448,37 + 108,78 t) x MtD
E ≤ (5368,89 + 32,72 t) x MtE
F ≤ (860,08 + 10,5 t) x MtF
Lampiran 5
61
Formula Pada Sel
Sel Formula Sel Formula Sel Formula C57 =C40*$C$52 E63 =E46*$E$52 H60 =H43*$H$52 C58 =C41*$C$52 E64 =E47*$E$52 H62 =H45*$H$52 C59 =C42*$C$52 E65 =E48*$E$52 H64 =H47*$H$52 C60 =C43*$C$52 E66 =E49*$E$52 H65 =H48*$H$52 C61 =C44*$C$52 E67 =E50*$E$52 H66 =H49*$H$52 C62 =C45*$C$52 F57 =F40*$F$52 H67 =H50*$H$52 C63 =C46*$C$52 F58 =F41*$F$52 I57 =SUM(C57:H57) C64 =C47*$C$52 F59 =F42*$F$52 I58 =SUM(C58:H58) C65 =C48*$C$52 F60 =F43*$F$52 I59 =SUM(C59:H59) C66 =C49*$C$52 F61 =F44*$F$52 I60 =SUM(C60:H60) C67 =C50*$C$52 F62 =F45*$F$52 I61 =SUM(C61:H61) D57 =D40*$D$52 F63 =F46*$F$52 I62 =SUM(C62:H62) D58 =D41*$D$52 F64 =F47*$F$52 I63 =SUM(C63:H63) D59 =D42*$D$52 F65 =F48*$F$52 I64 =SUM(C64:H64) D60 =D43*$D$52 F66 =F49*$F$52 I65 =SUM(C65:H65) D61 =D44*$D$52 F67 =F50*$F$52 I66 =SUM(C66:H66) D62 =D45*$D$52 G57 =G40*$G$52 I67 =SUM(C67:H67) D63 =D46*$D$52 G58 =G41*$G$52 J57 =I40-I57 D64 =D47*$D$52 G59 =G42*$G$52 J58 =I41-I58 D65 =D48*$D$52 G60 =G43*$G$52 J59 =I42-I59D66 =D49*$D$52 G62 =G45*$G$52 J60 =I43-I60D67 =D50*$D$52 G64 =G47*$G$52 J61 =I44-I61 E57 =E40*$E$52 G65 =G48*$G$52 J62 =I45-I62 E58 =E41*$E$52 G66 =G49*$G$52 J63 =I46-I63 E59 =E42*$E$52 G67 =G50*$G$52 J64 =I47-I64 E60 =E43*$E$52 H57 =H40*$H$52 J65 =I48-I65 E61 =E44*$E$52 H58 =H41*$H$52 J66 =I49-I66 E62 =E45*$E$52 H59 =H42*$H$52 J67 =I50-I67 D69 =SUMPRODUCT(C51:H51,C52:H52)
Lampiran 6
62
Skema Proses Produksi Krupuk Udang Perusahaan Krupuk Udang Sinar Jaya Brebes
Penambahan air matang, tepung tapioca, daging ikan, bumbu dan bahan tambahan lain
Penataan di atas widik
Pembersihan Udang
Pencetakan
Perebusan/ Pengukusan
Penggilingan dan Pencampuran
Pemotongan
Penirisan
Penjemuran
Penyortiran Krupuk
Pengemasan/ Pengepakn
Penyimpanan
Lampiran 7
63
Dokumentasi Produk
Krupuk Jenis PITA
Krupuk Jenis SPKK
Krupuk Jenis GNP
Krupuk Jenis GND
Lampiran 8
64
Krupuk Jenis MB
Krupuk Jenis GNB