f09ansa
DESCRIPTION
JurnalTRANSCRIPT
PERENCANAAN PRODUKSI AGREGAT
PT. UNITEX, Tbk
Oleh
ADHI NUGROHO SY. AHMAD
F34101057
2009
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
Adhi Nugroho Sy. Ahmad. F34101057. Perencanaan Produksi Agregat PT. Unitex, Tbk. Dibawah Bimbingan Machfud. 2009.
RINGKASAN
Sebagai sebuah perusahaan agroindustri tekstil terpadu, PT. Unitex, Tbk telah berkembang menjadi salah satu perusahaan yang berhasil bertahan ditengah persaingan global industri-industri tekstil di dunia. Dengan adanya persaingan yang semakin ketat, mengharuskan sebuah industri untuk melakukan proses produksi secara optimal dan efisien. Untuk mencapai hasil produksi yang maksimal, maka setiap industri melakukan beberapa perencanaan produksi.
Perencanaan produksi agregat merupakan perencanaan yang bersifat menyeluruh dan umum. Perencanaan yang dilakukan akan memberikan gambaran yang luas mengenai kondisi yang akan datang. Dengan demikian dalam pengambilan keputusan dapat ditentukan kebijakan yang terbaik bagi perusahaan dalam mencapai target dan efisiensi produksi.
Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor dan permasalahan yang berpengaruh dalam penyusunan perencanaan produksi agregat di PT. Unitex, Tbk., melakukan peramalan dan prakiraan permintaan produk untuk memenuhi kebutuhan konsumen, merencanakan suatu jadwal produksi agregat yang optimal dan efisien dengan mempertimbangkan sasaran yang ingin dicapai oleh perusahaan. Perencanaan yang dikaji dalam penelitian ini dibatasi pada proses produksi kain, yaitu Yard Dyed dan Piece Dyed. Horison perencanaan selama 12 periode (bulan). Dalam melakukan prakiraan permintaan, model yang digunakan adalah model ARIMA (Auto Regressive Integrated Moving Average) yang dikembangkan oleh Box Jenkins. Dalam penyelesaiannya diolah dengan paket program Minitab 14. Hasil dari prakiraan permintaan ini menjadi dasar bagi penyusunan model perencanaan produksi.
Perencanaan produksi agregat dilakukan dengan mempertimbangkan faktor-faktor dan peubah keputusan dalam manajemen perusahaan yang berhubungan dengan kapasitas produksi, persediaan produk, penentuan jam kerja reguler dan lembur dengan menggunakan biaya produksi seminimal mungkin. Penentuan tingkat efisiensi yang optimal sebagai tahap penyelesaian perencanaan produksi agregat ini digunakan metode atau model program sasaran linier dengan bantuan paket program LINDO (Linier Interactive Discrete Optimizer).
Kebijaksanaan manajemen perusahaan menetapkan tiga prioritas sasaran dalam perencanaan produksi agregat, yaitu : (1) Tingkat produksi memenuhi jumlah permintaan, (2) Produksi tidak lebih dari jam kerja reguler yang tersedia, dan (3) Berproduksi tidak melebih dari jam kerja lembur yang tersedia.
Perencanaan optimal merupakan hasil perencanaan yang meminimumkan penyimpangan dari sasaran yang ingin dicapai oleh perusahaan dalam berproduksi. Model yang layak digunakan untuk prakiraan permintaan adalah model ARIMA (1,0,1) dengan total prakiraan permintaan sebanyak 12.914.586 meter. Hasil perencanaan produksi agregat menunjukkan bahwa jumlah produksi pada jam kerja reguler sebesar 12.311.759 meter, sehingga membutuhkan waktu produksi di jam kerja lembur selama 309 jam dan jumlah produksi pada jam kerja lembur sebesar 602.827 meter. Dari hasil perencanaan ini diperlukan biaya total produksi keseluruhan mencapai Rp. 134.828.277.840,00.
Adhi Nugroho Sy. Ahmad. F34101057. Aggregate production planning of PT. Unitex,Tbk. Supervised by Machfud 2009.
SUMMARY
As an integrated textile company agroindustry, PT. Unitex, Tbk has
developed into one of the companies that successfully survive in the competitive global textile industries in the world. With the increasingly tight competition, require an industry to make the production process at an optimal and efficient. To achieve maximum production, each industry to do some planning of production.
Aggregate production planning is the planning that is comprehensive and general. Planning will be conducted to provide a broad picture of the conditions that will come. Thus, in decision making can be determined is the best policy for the company in achieving the target and the efficiency of production.
This study aims to identify the factors and issues that effect in aggregate production planning at PT. Unitex, Tbk., Make forecasts and forecasting demand for products to meet consumer needs, plan a schedule of aggregate production and optimal efficiency by considering the target to be achieved by the company. Planning is reviewed in this research are limited in the process of cloth production, the Yard Dyed and Piece dyed. Planning horizon for 12 periods (months).
In the demand forecasts, the model used was the model ARIMA (Auto Regressive Integrated Moving Average), which was developed by Box Jenkins. In its processed with the program package Minitab 14. Results from the demand forecasts is the basis for the preparation of the production planning model.
Aggregate production planning is done by considering the factors in the decision making of management company associated with the production capacity, product supply, the determination of regular working hours and overtime with the cost of production may be minimize. Determining the optimal level of efficiency as the settlement of aggregate production planning to use this method or model linier goal programming with the help of the program package LINDO (Linier discrete Interactive Optimizer).
Policy management company set three priority objectives in the aggregate production planning, namely: (1) Level of production to meet the number of requests, (2) Production is not more than regular working hours are available, and (3) Production is not be in romance of overtime work hours are available.
Planning is the result of the optimal planning that minimize distortions of the target to be achieved by the company in production. Appropriate model is used to model the demand forecasts ARIMA (1,0,1) with a total of 12.914.586 forecasts demand meters. Aggregate production planning results indicate that the amount of production in the regular working hours of 12.311.759 meters, so that production takes time in the overtime hours worked during the 309 hours and the amount of production on overtime working hours of 602.827 meters. The results of this plan required the total cost of production of up to Rp. 134.828.277.840,00.
PERENCANAAN PRODUKSI AGREGAT
PT. UNITEX, Tbk
SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar
SARJANA TEKNOLOGI PERTANIAN Pada Departemen Teknologi Industri Pertanian
Fakultas Teknologi Pertanian Institut Pertanian Bogor
Oleh ADHI NUGROHO SY. AHMAD
F34101057
2009
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
INSTITUT PERTANIAN BOGOR FAKULTAS TEKNOLOGI PERTANIAN
PERENCANAAN PRODUKSI AGREGAT
PT. UNITEX, Tbk
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN
Pada Departemen Teknologi Industri Pertanian Fakultas Teknologi Pertanian
Institut Pertanian Bogor
Oleh ADHI NUGROHO SY. AHMAD
F34101057
Dilahirkan pada tanggal 20 Agustus 1983 di Sragen
Tanggal lulus : 11 Februari 2009
Menyetujui, Bogor, Februari 2009
Dr. Ir. Machfud, MS. Dosen Pembimbing
SURAT PERNYATAAN
Saya menyatakan dengan sebenar-benarnya bahwa skripsi dengan judul :
” PERENCANAAN PRODUKSI AGREGAT PT. UNITEX, Tbk ”
adalah karya asli saya sendiri, dengan arahan dosen pembimbing akademik,
kecuali yang dengan jelas ditunjukkan rujukannya.
Bogor, Februari 2009
Yang membuat pernyataan
Adhi Nugroho Sy. Ahmad F34101057
RIWAYAT HIDUP
Penulis dilahirkan di Sragen pada tanggal 20 Agustus 1983.
Penulis adalah anak keempat dari empat bersaudara. Penulis
menyelesaikan pendidikan Sekolah Dasar di SD Negeri VI
Sragen pada tahun 1995. Pada tahun 1998, penulis
menyelesaikan Sekolah Lanjutan Tingkat Pertama di SLTP
Negeri 1 Sragen dan pada tahun 2001 penulis menyelesaikan Sekolah Menengah
Umum di SMU Negeri 2 Sragen.
Penulis melanjutkan pendidikan di Institut Pertanian Bogor pada tahun
2001 melalui jalur Undangan Seleksi Masuk IPB (USMI) dan diterima di
Departemen Teknologi Industri Pertanian, Fakultas Teknologi Pertanian. Penulis
melaksanakan kegiatan Praktek Lapangan pada tahun 2008 di PT. Unitex, Tbk
dengan judul “ Mempelajari Aspek Perencanaan Produksi dan Pengendalian
Persediaan di PT. Unitex, Tbk ”.
Penulis melakukan penelitian dengan judul “Perencanaan Produksi
Agregat PT. Unitex, Tbk” sebagai salah satu syarat untuk menyelesaikan studi di
Departemen Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, Institut
Pertanian Bogor di bawah bimbingan Dr. Ir. Machfud, MS.
KATA PENGANTAR
Alhamdulillahi Robbil ’alamiin, puji syukur penulis panjatkan kehadirat
Allah SWT atas rahmat, segala nikmat, karunia dan hidayah-Nya, sehingga skripsi
ini dapat penulis selesaikan. Skripsi ini disusun sebagai tugas akhir untuk
memperoleh gelar Sarjana Teknologi Pertanian di Departemen Teknologi Industri
Pertanian, FATETA, IPB. Dalam skripsi ini berisi tentang hasil penelitian di PT.
Unitex, Tbk mengenai formulasi perencanaan produksi agregat yang dapat
dimanfaatkan secara optimal oleh perusahaan, sehingga kegiatan proses produksi
dapat berjalan lebih efektif dan efisien.
Dalam pelaksanaan penelitian hingga penyusunan skripsi ini tentunya
tidak akan berarti tanpa bantuan dan bimbingan dari berbagai pihak. Oleh karena
itu dengan segala kerendahan hati dan rasa hormat, penulis ingin mengucapkan
terima kasih yang sebesar-besarnya kepada :
1. Dr. Ir. Machfud, MS., selaku dosen pembimbing akademik yang telah
memberikan pengarahan, bantuan, bimbingan dan nasehat dari awal persiapan
penelitian hingga selesainya penulisan skripsi ini.
2. Prof. Dr. Ir. Djumali Mangunwidjaja, DEA dan Ir. Faqih Udin, MSc., sebagai
dosen penguji yang telah memberikan masukan, saran dan perbaikan dalam
penyusunan skripsi ini.
3. Bapak dan Ibu tercinta, H. Ahmad Mastur Abbas dan Hj. Ummi Kulsum, atas
kesabaran, kesederhanaan, dorongan, pengorbanan, pengertian dan do’a yang
telah diberikan menjadi motivasi dan inspirasi bagi penulis.
4. Bapak Ir. Sukoco selaku Manajer Personalia PT. Unitex, Tbk. yang telah
memberikan kesempatan pada penulis untuk melakukan penelitian.
5. Bapak Gunawan, Bapak Nasrul, Bapak Ocob Sobari, Bapak Kasiantoro, Ibu
Dedeh selaku Karyawan PT. Unitex, Tbk yang telah memberikan bimbingan
dan pengarahan dalam melakukan pengamatan, analisis permasalahan, diskusi
serta penyediaan data untuk penyusunan skripsi.
6. Mbak Aisy, Mas Andhi dan Mas Afta untuk semangat dan do’anya.
7. Mimiquw Mira atas kasih, sayang dan cinta serta perhatian, kesabaran dan
pengorbanannya baik lahir maupun batin kepada penulis.
i
8. Karyawan PT. Unitex, Tbk. : Pak Sapta, Pak Syahrul, Pak Jarkasi, Pak Atim,
Pak Puji, A’ Edi, A’ Jalu, A’ Ucay, Resa, Nilla, dll. atas kebersamaan dan
bantuannya kepada penulis.
9. Teman-teman alumni Pondok Sahabat : Bang Irwen, Alam, Pak Andi, Pak
Marius, Bang Yadi, Acun, Eko, Japandi, Yuki, Eka, Ricky, Yogi, Iyep, Dedy,
(Alm.) Didin, Dadik, Iwan, Heri, Candra, Juki, Irvan, Aziz, Ucca, Novan,
Wahid, Hendi, Sony, atas persahabatan, kenangan suka dan duka,
persaudaraan serta bantuan yang telah diberikan.
10. Penghuni Pondok Sahabat : Hernawan, Fahmi, Alfa, Janji, Dolly, Acuy, Afid,
Dedi, Bayu, Joger, Eldi, Irfan, atas kebersamaan, bantuan dan kerjasamanya.
11. A’ Chairul Fahmi untuk semangat, do’a, kesempatan serta kepercayaan yang
diberikan kepada penulis.
12. Windi, Annisa, Iyus, Mas Angga, dan teman-teman semua yang telah bersedia
hadir saat penulis mengadakan seminar penelitian.
13. Rekan-rekan TINers lainnya, yang telah memberikan pengalaman hidup
berharga selama masa kuliah dan semangat persaudaraan.
14. Semua pihak yang tidak dapat disebutkan namanya satu persatu, yang telah
bersedia memberikan bantuan dan kerjasamanya kepada penulis.
Akhirnya penulis berharap semoga skripsi ini dapat memberikan manfaat
bagi semua pihak, amiin.
Bogor, Februari 2009
Penulis
ii
DAFTAR ISI
Halaman
KATA PENGANTAR ........................................................................................ i
DAFTAR ISI ....................................................................................................... iii
DAFTAR TABEL ..............................................................................................v
DAFTAR GAMBAR ..........................................................................................vi
DAFTAR LAMPIRAN ......................................................................................vii
I. PENDAHULUAN
A. LATAR BELAKANG ............................................................................. 1
B. TUJUAN .................................................................................................. 2
C. MANFAAT .............................................................................................. 2
D. RUANG LINGKUP ................................................................................. 3
II. TINJAUAN PUSTAKA
A. PERENCANAAN PRODUKSI ............................................................... 4
B. PERENCANAAN PRODUKSI AGREGAT ........................................... 5
C. MODEL PRAKIRAAN ARIMA ............................................................. 7
D. PROGRAM SASARAN LINIER ............................................................ 9
1. Konsep Dasar ........................................................................................ 9
a. Konsep Penyimpangan Sasaran ........................................................10
b. Fungsi Keberhasilan .........................................................................11
2. Model Umum ........................................................................................12
III. METODOLOGI PENELITIAN
A. KERANGKA PEMIKIRAN ....................................................................14
B. PENDEKATAN BERENCANA .............................................................15
C. TATA LAKSANA ...................................................................................16
1. Identifikasi Masalah .............................................................................16
2. Teknik Pengumpulan Data ...................................................................17
3. Pengolahan dan Analisa Data ...............................................................17
iii
D. PEMBATASAN MASALAH ..................................................................18
IV. HASIL DAN PEMBAHASAN
A. KONDISI PRODUKSI ............................................................................20
1. Proses Produksi ....................................................................................20
2. Parameter Proses Produksi ...................................................................21
a. Kecepatan Produksi .........................................................................21
b. Waktu Produksi ...............................................................................22
c. Kapasitas Produksi ...........................................................................23
d. Persediaan Produk ...........................................................................23
e. Kapasitas Gudang Penyimpanan .....................................................24
3. Parameter Biaya .....................................................................................24
a. Biaya Produksi .................................................................................24
b. Biaya Tenaga Kerja .........................................................................25
c. Biaya Penyimpanan .........................................................................25
B. PRAKIRAAN PERMINTAAN ...............................................................26
1. Data Penjualan ......................................................................................26
2. Prakiraan Permintaan ...........................................................................27
C. PERENCANAAN PRODUKSI AGREGAT ...........................................31
1. Sasaran Rencana Produksi ...................................................................31
2. Model Perencanaan ..............................................................................32
a. Fungsi Tujuan ..................................................................................32
b. Kendala Tujuan ................................................................................33
3. Perencanaan Produksi ..........................................................................37
V. KESIMPULAN DAN SARAN
A. KESIMPULAN ........................................................................................44
B. SARAN ....................................................................................................45
DAFTAR PUSTAKA .........................................................................................46
LAMPIRAN ........................................................................................................47
iv
DAFTAR TABEL
Halaman
Tabel 1. Formulasi Sasaran / Pembatas Program Sasaran Linier .........................12
Tabel 2. Jam Kerja Reguler untuk 12 Periode Perencanaan ................................22
Tabel 3. Jam Kerja Lembur untuk 12 Periode Perencanaan ................................23
Tabel 4. Data Penjualan Produk Kain 2007 .........................................................26
Tabel 5. Nilai ACF dan PACF .............................................................................29
Tabel 6. Prakiraan Permintaan Selama Periode Perencanaan Agregat ................31
Tabel 7. Hasil Perencanaan Produksi Agregat .....................................................38
Tabel 8. Biaya Perencanaan Produksi Agregat ....................................................42
v
DAFTAR GAMBAR
Halaman
Gambar 1. Tahapan Pendekatan Metode ARIMA ............................................... 8
Gambar 2. Diagram Alir Tahapan Penelitian .......................................................19
Gambar 3. Grafik Data Penjualan Kain 2007 ......................................................27
Gambar 4. (a). Plot Nilai ACF Data Penjualan 2007, dan (b). Plot Nilai PACF
Data Penjualan Kain 2007 .................................................................28
Gambar 5. (a). Plot Koefisien Autokorelasi (ACF) Nilai Sisa, dan (b). Plot
Koefisien Autokorelasi Parsial (PACF) Nilai Sisa ...........................30
vi
DAFTAR LAMPIRAN
Halaman
Lampiran 1. Layout Pabrik PT. Unitex, Tbk .......................................................45
Lampiran 2. Bahan Baku, Bahan Penolong dan Produk PT. Unitex, Tbk ...........48
Lampiran 3. Hasil Print Out Program Aplikasi Minitab 14 .................................49
Lampiran 4. Model Program Sasaran Linier ........................................................51
Lampiran 5. Hasil Output Program LINDO ........................................................54
vii
I. PENDAHULUAN
A. LATAR BELAKANG
Persaingan dunia industri di Indonesia ditandai dengan makin tumbuh
dan berkembangnya industri-industri yang bergerak di bidang jasa maupun
manufaktur. Hal ini menuntut setiap perusahaan untuk menghasilkan produk
maupun jasa yang memiliki kualitas terbaik. Agar perusahaan dapat mencapai
tujuan yang telah ditetapkan tersebut maka dilakukan optimalisasi dalam
penggunaan sumber daya produksi. Pada akhirnya akan membuat perusahaan
dapat terus bertahan dalam persaingan dan berkembang maju.
Hampir setengah dari kegiatan industri manufaktur negara-negara
berkembang di dunia berbasis pada agroindustri yang mengubah atau
mentransformasi hasil pertanian mentah ke bentuk yang lebih bernilai.
Agroindustri mencakup industri pengolahan hasil pertanian, industri peralatan
mesin-mesin pertanian dan industri sektor jasa pertanian. Salah satu industri
pertanian yang penting di dunia ini adalah industri tekstil. Tekstil merupakan
salah satu produk pertanian yang sangat dibutuhkan oleh manusia karena
multifungsinya.
Sebagai sebuah perusahaan agroindustri terpadu dengan produk tekstil,
PT Unitex, Tbk telah berkembang menjadi salah satu perusahaan yang
berhasil bertahan di tengah persaingan global industri-industri tekstil di dunia.
Dalam melaksanakan aktifitas produksinya PT. Unitex, Tbk menitikberatkan
pada industri tekstil untuk memenuhi kebutuhan dalam negeri maupun luar
negeri. Pasaran tekstil di dalam negeri dipengaruhi oleh daya beli konsumen
dan pasokan dalam negeri baik yang berasal dari produksi dalam negeri
maupun impor, sedangkan diluar negeri banyak tergantung situasi pasar
internasional. Pada beberapa tahun terakhir perusahaan telah mengalami
persaingan yang sangat hebat di pasar internasional.
Dengan adanya persaingan yang semakin ketat, mengharuskan sebuah
industri untuk melakukan proses produksi secara optimal dan efisien. Untuk
1
mencapai hasil produksi yang maksimal, maka setiap industri melakukan
beberapa perencanaan produksi.
Perencanaan produksi merupakan perencanaan dan pengorganisasian
sebelumnya mengenai orang-orang (buruh yang dikaryakan), bahan-bahan,
mesin-mesin dan peralatan serta modal yang diperlukan untuk memproduksi
barang-barang pada suatu periode tertentu di masa depan sesuai dengan yang
diperkirakan atau diramalkan. Oleh karena itu perencanaan produksi sangatlah
penting bagi suatu perusahaan yang menginginkan agar proses produksi dapat
berjalan secara optimal, efektif dan efisien.
Dengan menyusun perencanaan yang bersifat menyeluruh dan umum,
maka perencanaan dengan produk yang beraneka ragam (multi product) akan
lebih mudah dilakukan. Perencanaan ini dikenal sebagai perencanaan produksi
agregat. Perencanaan yang dilakukan secara menyeluruh akan memberikan
gambaran yang luas mengenai kondisi yang akan datang. Dengan demikian
dalam pengambilan keputusan dapat ditentukan kebijakan yang terbaik bagi
perusahaan terutama untuk menghadapi berbagai persaingan di dunia industri
tekstil dalam mencapai target dan efisiensi produksi.
B. TUJUAN PENELITIAN
Tujuan dari penelitian ini adalah untuk:
1. Mengidentifikasi faktor-faktor dan permasalahan yang berpengaruh dalam
penyusunan perencanaan produksi agregat di PT. Unitex, Tbk.
2. Melakukan peramalan dan prakiraan permintaan produk untuk memenuhi
kebutuhan konsumen.
3. Merencanakan suatu jadwal produksi agregat yang optimal dan efisien
dengan mempertimbangkan sasaran yang ingin dicapai oleh perusahaan.
.
C. MANFAAT
Manfaat yang akan diperoleh bagi pihak perusahaan dari pelaksanaan
penelitian ini adalah didapatkannya suatu formulasi perencanaan produksi
yang dapat dimanfaatkan secara optimal, sehingga kegiatan produksi dapat
berjalan efektif dan efisien. Sedangkan manfaat bagi penulis, dapat
2
mengaplikasikan ilmu yang diperoleh selama masa perkuliahan dengan
menerapkannya dipenelitian ini.
D. RUANG LINGKUP
Perencanaan yang dikaji dalam penelitian ini dibatasi pada proses
produksi kain, yaitu Yard Dyed dan Piece Dyed yang berlangsung di PT.
Unitex, Tbk berdasarkan parameter ketenagakerjaan, kapasitas produksi, biaya
produksi dan kebijakan manajemen perusahaan. Horison perencanaan selama
12 periode (bulan) dan dibuat berdasarkan peramalan permintaan periode 12
bulan kedepan.
3
II. TINJAUAN PUSTAKA
A. PERENCANAAN PRODUKSI
Perencanaan produksi merupakan salah satu fungsi manajemen. Pada
perencanaan ditentukan usaha-usaha atau tindakan yang perlu diambil oleh
pimpinan perusahaan dengan mempertimbangkan masalah-masalah yang
mungkin timbul di masa yang akan datang (Assauri, 1993).
Menurut Gaspersz (2002), perencanaan produksi merupakan suatu
proses penetapan tingkat output manufakturing secara keseluruhan guna
memenuhi tingkat penjualan yang direncanakan dan inventori yang
diinginkan. Handoko (1997) berpendapat bahwa kegiatan perencanaan
produksi dimulai dengan melakukan peramalan-peramalan (forecast) untuk
mengetahui terlebih dahulu apa dan berapa barang yang perlu diproduksi pada
waktu yang akan datang.
Sedangkan menurut Scott (1994), perencanaan produksi didasarkan
pada peramalan permintaan, yang diambil dari analisa penjualan masa lalu dan
target produksi yang diperoleh dari data rencana bisnis perusahaan. Hasil dari
perencanaan produksi menggambarkan angka / jumlah produksi pada waktu
yang akan datang.
Assauri (1993) mengemukakan secara umum perencanaan produksi ini
memiliki beberapa tujuan. Tujuan perencanaan produksi tersebut antara lain
adalah:
1. Untuk mencapai tingkat keuntungan tertentu. Misalnya berapa hasil atau
output yang diproduksi agar dapat dicapai tingkat keuntungan tertentu.
2. Untuk menguasai pasar tertentu sehingga hasil atau output perusahaan ini
tetap mempunyai pangsa pasar tertentu.
3. Untuk mengusahakan dan mempertahankan supaya perusahaan ini dapat
bekerja pada tingkat efisiensi tertentu.
4. Untuk mengusahakan dan mempertahankan supaya pekerjaan dan
kesempatan kerja yang sudah ada tetap pada tingkatannya dan berkembang
4
5. Untuk menggunakan sebaik-baiknya fasilitas yang sudah ada pada
perusahaan yang bersangkutan.
B. PERENCANAAN PRODUKSI AGREGAT
Perencanaan agregat secara umum adalah suatu kegiatan
merencanakan hasil keluaran yang diinginkan pada jangkauan waktu 3 bulan
sampai 1 tahun. Di dalam melakukan perencanaan secara agregat diperlukan
suatu unit ukuran tertentu. Peramalan secara grup biasanya akan lebih akurat
dibandingkan secara unit individual (Seethrama, Mc.Leavy dan Billington,
1995).
Sedangkan menurut Schroeder (1993), perencanaan agregat berkaitan
dengan pengimbangan antara pasokan (supply) dan permintaan akan keluaran
(output) di dalam jangka waktu menengah sampai dengan lebih kurang 12
bulan ke depan. Istilah agregat mengandung arti bahwa perencanaan dilakukan
untuk ukuran tunggal keluaran yang menyeluruh, yang paling banyak, atau
beberapa kategori produk agregat.
Machfud (1999) berpendapat bahwa perencanaan produksi agregat
berkaitan dengan permasalahan ketidakseimbangan antara permintaan dan
kemampuan produksi pada setiap periode perencanaan. Hal ini karena secara
umum tingkat permintaan produk selalu tidak sama antar periode satu ke
periode lainnya.
Schroeder (1993) mengatakan bahwa tujuan dari perencanaan agregat
adalah untuk menetapkan tingkat keluaran menyeluruh di dalam jangka waktu
pendek atau menengah dalam menghadapi permintaan yang berfluktuatif atau
tidak pasti. Menurut Machfud (1999), tujuan perencanaan produksi agregat
adalah meminimumkan fluktuasi tingkat persediaan atau fluktuasi jumlah dan
jam kerja produksi. Sedangkan menurut Stevenson (1986), tujuan dari
perencanaan agregat adalah untuk mengembangkan perencanaan produksi
yang layak pada tingkat produksi total, sehingga tercapai keseimbangan antara
prakiraan permintaan dengan penawaran. Biaya minimum yang harus tercapai
kadang-kadang perlu dipertimbangkan meskipun biaya bukanlah satu-satunya
faktor yang berpengaruh.
5
Menurut Colley et. al (1978), perencanaan produksi dengan basis
agregat dapat menentukan dan membantu penjadwalan operasi aktivitas
produksi. Selanjutnya menurut Buffa (1987), perencanaan agregat akan
meningkatkan jumlah alternatif untuk penggunaan kapasitas yang akan
dievaluasi. Alternatif ini menguraikan beberapa strategi yang masing-masing
memiliki kekurangan dan kelebihan. Masing-masing strategi tersebut disebut
strategi murni yang kadang-kadang bila digabungkan akan menghasilkan
alternatif yang lebih baik. Perencanaan agregat juga selalu berhubungan
dengan pengambilan kapasitas produksi total. Kapasitas ini diukur dari
kapasitas tenaga kerja atau kapasitas peralatan yang digunakan.
Sedangkan tahapan umum untuk membuat perencanaan agregat
menurut Stevenson (1986) adalah :
1. Menentukan permintaan untuk setiap periode perencanaan.
2. Menentukan kapasitas pada setiap periode.
3. Menelusuri kebijakan departemen yang berhubungan.
4. Menentukan biaya per unit untuk waktu kerja, lembur, sub kontrak,
persediaan dan biaya lain yang relevan.
5. Mengembangkan alternatif perencanaan dan menghitung biayanya.
6. Jika perencanaan yang memuaskan telah tersusun, maka diseleksi yang
paling tepat sesuai tujuan.
Bedworth dan Bailey (1990) mengatakan bahwa metode yang
digunakan dalam penyelesaian perencanaan produksi agregat pada umumnya
dikelompokkan dalam dua metode, yaitu metode matematika dan metode
heuristik yang masing-masing terdiri atas :
1. Metode Matematika
a. Metode pemrograman linier
b. Metode transportasi
c. Metode aturan keputusan linier
2. Metode Heuristik
a. Metode koefisien manajemen
b. Metode grafik
c. Metode parametrik
6
Stevy Noldy Rompas (1994) menetapkan tiga pemilihan strategi yang
penting, yaitu memenuhi permintaan, berproduksi dengan menggunakan jam
kerja reguler secara maksimum dan menggunakan kapasitas perusahaan secara
maksimum. Sedangkan Wahyu Budiman (1997) menyusun perencanaan
produksi agregat berdasarkan prakiraan permintaan dan sumber daya
perusahaan, yaitu tenaga kerja, mesin produksi dan gudang penyimpanan.
Perencanaan yang telah disusun kemudian dilakukan analisa biaya untuk
mendapatkan perencanaan yang paling optimal.
C. MODEL PRAKIRAAN ARIMA
ARIMA (Auto Regresive Integrated Moving Average) adalah salah
satu prakiraan yang menggunakan data masa lalu untuk diproyeksikan ke
masa depan. Penerapan suatu model ARIMA, menurut Makridakis et.al.
(1993), membutuhkan dua kegiatan utama yaitu (1) analisis terhadap deret
data masa lalu dan berdasarkan hasilnya dilakukan (2) pemilihan model atau
teknik prakiraan masa datang.
Di dalam model ARIMA ini terdapat tiga proses yang digabungkan
atau harus dilakukan sekaligus, yaitu proses pembangkitan autoregresif, proses
pembedaan dan proses rata-rata bergerak yang secara umum ditulis ARIMA
(p,d,q). Tahapan pendekatan yang dilakukan untuk menentukan model
ARIMA yang sesuai secara garis besarnya dapat dilihat pada Gambar 1.
7
Gambar 1. Tahapan Pendekatan Metode ARIMA (Makridakis et.al., 1993)
Merumuskan kelompok model umum
Penetapan model sementara
Penaksiran Parameter model
Tidak
Prakiraan dengan model terpilih
Memadai
1. Pengidentifikasian model, kombinasi (p,d,q) harus diidentifikasi secara
teliti sampai diperoleh kesesuaian yang memadai terhadap deret
berkala. Hal ini dilakukan dengan menyesuaikan autokorelasi teoritis
untuk berbagai model autoregressive dan moving average (p,d,q).
2. Pendugaan parameter model untuk kombinasi yang diidentifikasi
dalam tahap pertama, metode kuadrat terkecil yang digunakan untuk
menyesuaikan model sementara yang dicoba terhadap deret berkala
yang mendasari. Dengan demikian diperoleh koefisien untuk
autoregressive dan moving average.
3. Pemeriksaan diagnostik, pemeriksaan ini dilakukan untuk memeriksa
kecikupan penyesuaian model yang diduga dengan menganalisis nilai-
nilai sisa yang dihasilkan.
4. Prakiraan, model prakiraan yang diterima digunakan untuk
menghasilkan prakiraan nilai mendatang.
8
Tahap identifikasi terdiri dari analisa terhadap data, nilai autokorelasi,
nilai autokorelasi parsial dan pola spektranya. Metode ARIMA berkenaan
dengan data yang stasioner, sehingga terhadap data yang non stasioner perlu
dilakukan pembedaan atau diferensiasi. Konsep stasioner digambarkan oleh
Makridakis (1993) sebagai berikut :
1. Apabila suatu deret di-plot dan kemudian tidak terbukti adanya perubahan
nilai tengahnya dari waktu ke waktu, maka dikatakan deret tersebut
stasioner pada nilai tengahnya.
2. Jika plot data tidak memperlihatkan adanya perubahan varians yang jelas
dari waktu ke waktu, maka dapat dikatakan deret tersebut stasioner pada
nilai tengahnya.
C. PROGRAM SASARAN LINIER
1. Konsep Dasar
Program sasaran linier (Linear Goal Programming) adalah suatu
metodologi matematis dalam penelitian operasional yang dapat
menyelesaikan permasalahan dengan tujuan tunggal maupun tujuan
berganda. Tujuan tersebut diberi urutan prioritas dan dianalisa secara
simultan dengan pengurutan (Ignizio, 1983).
Menurut Mulyono (2000), semua tujuan dalam program sasaran
linier apakah satu atau beberapa digabungkan dalam sebuah fungsi tujuan.
Hal ini dapat dilakukan dengan mengekspresikan tujuan itu dalam bentuk
sebuah kendala, memasukkan variabel simpangan dalam kendala tersebut
untuk mengetahui seberapa jauh tujuan dicapai dan menggabungkan
variabel simpangan dalam fungsi tujuan. Tujuan dalam program sasaran
linier meminimumkan penyimpangan-penyimpangan dari tujuan-tujuan
tertentu, sehingga semua masalah dalam program sasaran linier adalah
masalah minimisasi.
Dengan menggunakan program sasaran linear, pengambil
keputusan dapat memasukkan tujuan atau sasaran yang tidak dapat
direduksi ke dalam suatu dimensi dalam formulasi masalah. Teknik ini
tidak memerlukan translasi ukuran sasaran yang tidak sepadan
9
(incommensurable) menjadi ukuran keuntungan atau utilitas yang telah
umum melalui pembentukan fungsi tujuan berdimensi ganda. Fleksibilitas
program sasaran linier juga ditunjukkan dengan kemampuan teknik ini
mengatasi permasalahan dengan tujuan-tujuan yang saling bertentangan
secara efektif dan masih dapat memberikan pemecahan yang optimal
berdasarkan urutan prioritas sasaran manajemen (Moskowitz dan Wright,
1979).
Menurut Ignizio (1983) Asumsi dasar dalam program sasaran linier
adalah pengambil keputusan harus dapat memberikan peringkat sasaran
secara optimal menurut tingkat kepentingan perusahaan. Berdasarkan
falsafah pemuasan (satisficing) yang menjadi karakter program sasaran
linier, maka optimasi diwujudkan sedekat mungkin dengan sasaran-
sasaran yang dipenuhi melalui pengurutan ordinal.
Perbedaan antara berbagai tipe teknik program sasaran didasarkan
pada pengukuran kebaikan (goodness) dari setiap pemecahan yaitu nilai-
nilai peubah keputusan (x) terhadap seperangkat target numerik. Secara
khusus hal tersebut ditunjukkan oleh konsep penyimpangan sasaran (goal
deviation) dan fungsi keberhasilan (achievement function).
a. Konsep Penyimpangan sasaran
Secara umum terdapat tiga bentuk formulasi target / sasaran
secara numerik, yaitu :
f (x) = b
f (x) ≤ b
f (x) ≥ b
dimana : x = peubah keputusan
b = nilai target / sasaran
Teknik program sasaran linier menggunakan falsafah pemuasan,
sehingga yang menjadi titik perhatian adalah pengukuran
ketidakberhasilan (non achievement) dari setiap target atau sasaran
yang merupakan penyimpangan yang tidak dikehendaki dari setiap
tingkat aspirasi (bi)
10
Jika D = penyimpangan (deviasi) dari tingkat target sasaran, maka :
D = b – f (x)
Mengingat D dapat bernilai positif maupun negatif, maka :
D = DB + DA
DB x DA = 0 dan DB, DA ≥ 0
dimana : DB = penyimpangan dibawah target sasaran
DA = penyimpangan diatas target sasaran
Untuk memenuhi setiap target sasaran yang telah dirumuskan,
setiap komponen penyimpangan sasaran harus diminimumkan.
b. Fungsi Keberhasilan
Peubah-peubah deviasi, DB dan DA memberikan jalan untuk
mengukur ketidakberhasilan pencapaian target atau sasaran. Untuk
membandingkan berbagai solusi dan menentukan solusi yang terbaik
dari model matematik tujuan berganda (Multi Objective), diperlukan
formulasi fungsi keberhasilan dalam bentuk fungsi tujuan.
Beberapa metode yang dapat digunakan untuk menentukan formulasi
fungsi keberhasilan, antara lain :
1. Meminimumkan jumlah deviasi sasaran yang telah diberi faktor
pembobot.
2. Meminimumkan beberapa peubah deviasi sasaran tidak linier.
Disini digunakan exponent sebagai pengganti pembobot untuk
lebih menegaskan kepentingan suatu target terhadap suatu target /
sasaran lain.
3. Meminimumkan penyimpangan sasaran maksimum
(kemungkinan terburuk) yang dikenal dengan pendekatan
11
minimax. Pendekatan ini selanjutnya berkembang menjadi fuzzy
programming (Fuzzy Goal Programming).
4. Mengembangkan fungsi lexicographic minimum dari satu
kesimpulan deviasi target sasaran yang telah diurutkan sesuai
peringkat / prioritas sasaran.
Tabel 1. Formulasi Sasaran / Pembatas Program Sasaran Linier
(Ignizio, 1983) Bentuk awal Bentuk yang telah diubah Peubah deviasi yang
akan diminimumkan
fi (x) ≥ bi
fi (x) ≤ bi
fi (x) = bi
fi (x) + DBi - DAi = bi
fi (x) + DBi - DAi = bi
fi (x) + DBi - DAi = bi
DBi
DAi
DBi + DAi
2. Model Umum
Menurut Nasendi dan Anwar (1985), dari beberapa metode
pendekatan, yang umum dan banyak diterapkan adalah model Preemptive
Weighted Priority Goal Programming. Model umum dari tipe program
sasaran ini adalah sebagai berikut :
Minimumkan :
m k Z = ∑ ∑ Pk (WAi,k DAi + WBi,k DBi) i=1 i=1
Dengan kendala:
n
∑ aij Xj + DAi + DBi = bi ; i = 1,2,3,..,m j=i
12
n
∑ aij Xj ≤ bi ; i = 1,2,3,..,m+p j=i
n
∑ aij Xj ≥ bi ; i = 1,2,3,..,m+p j=i
n
∑ aij Xj = bi ; i = 1,2,3,..,m+p j=i
Xj, DAi, DBi ≥ 0
dimana :
m = Sasaran
p = Pembatas / kendala struktural
n = Variabel deklarasi
k = Tingkat prioritas
DAi dan DBi = Kendala deviasi
Pk = Koefisien prioritas untuk prioritas ke K.
WAi,k = Bobot relatif untuk variabel DAi, pada tingkat prioritas ke K.
WBi,k = Bobot relatif untuk variabel DBi, pada tingkat prioritas ke K.
Notasi DA menyatakan kelebihan dari sasaran tertentu, sedangkan
DB menyatakan kekurangan / dibawah sumber daya tertentu.
Simpangan terhadap suatu sasaran inilah yang diupayakan minimum.
Ahmad Mukti Almansur (1997) memanfaatkan perangkat lunak
LINDO (Linier Interactive Discrete Optimizer) untuk proses
pengoptimalan produksi agregat dengan model program sasaran Linier
(Multi Objective Goal Programming) dimana program sasaran linier ini
akan mampu menggambarkan perencanaan agregat dengan disertai
variabel-variabel terkendali secara terukur.
13
III. METODOLOGI PENELITIAN
A. KERANGKA PEMIKIRAN
Proses produksi yang efektif dan efisien didahului dengan perencanaan
produksi yang baik. Perencanaan produksi pada tingkat agregat bersifat
menyeluruh dan merupakan dasar untuk membuat perencanaan yang lebih
mendetail.
Untuk memenuhi permintaan, perencanaan produksi agregat pada
awalnya dilakukan proses prakiraan permintaan (aktivasi peramalan)
berdasarkan data penjualan tahun-tahun sebelumnya. Data historis permintaan
digunakan sebagai data untuk memprediksi tingkat permintaan pada periode
perencanaan, yang kemudian dikombinasikan dengan seluruh sumberdaya
yang dimiliki perusahaan, baik bahan baku, ketersediaan tenaga kerja, jumlah
hari / jam kerja, kapasitas produksi dan tingkat persediaan. Informasi yang
digunakan dalam prakiraan permintaan harus seakurat mungkin, kemudian
dipilih metode prakiraan yang tepat.
Perencanaan produksi dilakukan agar diperoleh biaya produksi yang
optimum (minimum). Penelitian ini akan mengkaji faktor-faktor yang
berpengaruh dalam perencanaan produksi agregat. Sumber daya produksi yang
berpengaruh akan ditentukan tingkat optimalitasnya. Untuk mencapai tingkat
optimal dari penggunaan sumber daya, tidak terlepas dari model perencanaan
yang digunakan dan kebijaksanaan perusahaan dalam mengambil keputusan.
Agar perencanaan produksi tersebut menghasilkan biaya yang
optimum, diselesaikan dengan teknik optimasi. Alternatif penyelesaian
optimum dilakukan melalui tahap-tahap analisa alternatif. Proses analisa
alternatif tersebut dapat dilakukan dengan bantuan program komputer. Dalam
hal ini menggunakan model program sasaran linier. Hasil yang diperoleh dari
perencanaan produksi agregat bersifat relatif dan fluktuatif, sehingga
diperlukan analisa sensivitas.
14
B. PENDEKATAN BERENCANA
Pendekatan berencana (planned approach) merupakan pendekatan
yang dapat digunakan untuk memecahkan permasalahan secara obyektif dan
dapat digunakan untuk menetapkan alternatif-alternatif kebijakan melalui
penerapan model-model kuantitatif pada masalah-masalah yang dihadapi
(Thierauf dan Klekamp, 1975).
Tahapan-tahapan pendekatan berencana yang dilakukan pada
penelitian masalah khusus ini adalah sebagai berikut :
1. Observasi
Observasi dilakukan untuk mengetahui permasalahan manajemen produksi
secara nyata. Pada tahap ini dilakukan pendekatan umum terhadap faktor-
faktor yang dapat membantu pengembangan pemahaman terhadap
permasalahan perencanaan produksi.
2. Perumusan masalah
Pada tahap ini ditentukan faktor-faktor yang mempengaruhi permasalahan,
penetapan tujuan, penetapan sasaran yang hendak dicapai, batasan-batasan
terhadap penyelesaian masalah dan asumsi yang diperlukan dalam
pengembangan dan penyelesaian masalah.
3. Pengembangan alternatif penyelesaian
Langkah ini berupa penyelesaian permasalahan berdasarkan faktor-faktor
yang dipengaruhinya, yang meliputi analisa data untuk membentuk model
matematik yang menunjukkan faktor-faktor yang berpengaruh dengan
tujuan yang hendak dicapai. Pengembangan alternatif model penyelesaian
didasarkan pada peubah-peubah keputusan, kendala, tujuan dan asumsi
teknik-teknik perencanaan produksi. Setiap model matematika
dikembangkan melalui tiga tahapan, yaitu :
a. Analisa data
Tahap ini merupakan tahap pendefinisian kendala, variabel serta
faktor-faktor lain yang sangat penting dalam proses pembuatan model
matematika
15
b. Pengembangan model
Tahap ini merupakan tahap pengembangan model matematika
berdasarkan perameter-parameter yang telah ditentukan pada tahap
analisa data
c. Validasi model
4. Pemilihan solusi optimal
Pemilihan ini berdasarkan pada analisa terhadap alternatif-alternatif
keputusan dengan bantuan perangkat komputer
5. Verifikasi solusi optimal melalui tahap implementasi
6. Hasil akhir
Pembuktian penyelesaian optimal melalui tahapan implementasi dan
pembuatan kendala yang tepat untuk mendeteksi perubahan-perubahan
yang mungkin terjadi dan mempengaruhi penyelesaian model.
C. TATA LAKSANA
Pelaksanaan penelitian dilakukan dalam tiga tahap, yaitu identifikasi
permasalahan, teknik pengumpulan data, pengolahan dan analisis data.
1. Identifikasi Masalah
Hal-hal yang harus diperhatikan dalam pengidentifikasian masalah
dari penelitian ini adalah :
a. Kebijakan perusahaan dalam menentukan tingkat permintaan dan
penawaran terhadap produknya di masa yang akan datang.
b. Kebijakan perusahaan dalam menentukan jam kerja dan volume /
beban kerja.
c. Kebijakan perusahaan dalam menentukan kapasitas produksi dalam
periode perencanaan dengan memperhatikan ketersediaan sumber
daya.
d. Kebijakan perusahaan dalam menentukan biaya-biaya yang dibutuhkan
dalam proses produksi.
16
2. Teknik Pengumpulan Data
Pengumpulan data dilakukan melalui observasi lapang,
pengamatan langsung, wawancara dan catatan atau dokumen perusahaan.
Adapun data-data yang diperlukan dalam penelitian ini, antara lain adalah:
a. Strategi / kebijakan perusahaan dalam perencanaan produksi
b. Data produksi
c. Data proses produksi (parameter proses)
d. Data kapasitas mesin
e. Data ketersediaan sumber daya
f. Data permintaan atau penjualan produk pada periode sekarang dan
sebelumnya
g. Data volume / beban kerja dan waktu kerja dalam pemenuhan target
produksi
h. Biaya-biaya yang dikeluarkan atau yang dianggarkan oleh perusahaan
untuk proses produksi
3. Pengolahan dan Analisis Data
Pengolahan data perencanaan produksi diawali dengan melakukan
prakiraan permintaan setiap bulan berdasarkan pola data penjualan
sebelumnya. Model yang digunakan untuk prakiraan permintaan ini adalah
model ARIMA yang dikembangkan oleh Box Jenkins. Hasil dari prakiraan
permintaan ini menjadi dasar bagi penyusunan model perencanaan
produksi.
Perencanaan produksi agregat dilakukan dengan menetapkan
perencanaan jumlah produk optimal yang harus diproduksi pada setiap
periode yang direncanakan. Perencanaan ini mempertimbangkan faktor-
faktor dan peubah keputusan dalam manajemen perusahaan yang
berhubungan dengan kapasitas produksi, persediaan produk, penentuan
jam kerja reguler dan lembur dengan menggunakan biaya produksi
seminimal mungkin. Penentuan tingkat efisiensi yang optimal sebagai
tahap penyelesaian perencanaan produksi agregat ini digunakan metode
atau model program sasaran linier. Verifikasi dari model yang tersusun
17
dilakukan dengan membandingkan terhadap kondisi nyata perusahaan
sebagai objek penelitian. Analisis dari model digunakan untuk melihat
adanya perubahan terhadap sistem produksi, serta perubahan dalam
kebijakan perusahaan. Diagram alir penelitian dapat dilihat pada Gambar
2.
D. PEMBATASAN MASALAH
Pembatasan masalah dilakukan untuk memudahkan proses pengkajian
yang disesuaikan dengan kondisi perusahaan dan kemampuan model
perencanaan yang disusun. Pembatasan masalah dan asumsi yang digunakan
dalam kajian penelitian ini adalah :
a. Periode perencanaan yang dibuat merupakan perencanaan jangka pendek,
yaitu hanya berlaku untuk 12 bulan.
b. Biaya agregat yang digunakan adalah biaya rata-rata produk dengan satuan
agregat yang digunakan adalah meter (m).
c. Bahan baku diasumsikan selalu tersedia dengan baik dan produksi berjalan
dengan lancar.
d. Harga produk kain diasumsikan tidak berubah untuk 12 periode
perencanaan.
e. Tenaga kerja dan fasilitas bersifat tetap. Tidak terdapat pengangkatan atau
pemberhentian tenaga kerja, juga tidak terdapat penambahan fasilitas yang
menyebabkan peningkatan kapasitas perusahaan.
18
mulai
Identifikasi masalah
Pengumpulan data
Prakiraan permintaan
Pembuatan model perencanaan agregat
Analisa biaya
Data historis penjualan
Kapasitas produksi
Persediaan produk
Model program sasaran linier
Biaya produksi
Biaya tenaga kerja
LINDO
Kapasitas jam kerja
Perencanaan produksi agregat
Minitab 14
Kapasitas gudang
Penentuan sasaran dan prioritas perusahaan
Biaya rencana produksi
Selesai
Gambar 2. Diagram Alir Tahapan Penelitian
19
IV. HASIL DAN PEMBAHASAN
A. KONDISI PRODUKSI
1. Proses Produksi
Proses produksi merupakan rangkaian operasi yang dilalui bahan
baku baik secara fisik maupun kimia untuk meningkatkan nilai tambah dan
nilai jualnya. Bahan baku yang digunakan oleh perusahaan adalah kapas
(cotton) dan polyester. Keterangan mengenai bahan baku dan bahan
tambahan dapat dilihat di Lampiran 2.
Proses produksi pada PT. Unitex, Tbk dimulai dari adanya
permintaan atau pesanan konsumen (order). Pesanan tersebut dicatat dan
dimasukkan oleh bagian pemasaran sebagai instruction letter yang
kemudian diberikan oleh bagian pabrik (factory). Pihak BKP bertanggung
jawab membuat pesanan tersebut mulai dari bahan baku sampai pada
barang jadi dan proses pengiriman.
Pembuatan suatu produk (kain) membutuhkan beberapa tahapan,
dimana setiap tahapan terdiri dari sekelompok fasilitas. Fasilitas dapat
berupa mesin, pekerja, departemen dan lini produksi.
Tahap pertama setelah diterimanya order, dilakukan proses yang
disebut bunkai sekei. Bunkai sekei adalah proses untuk menentukan warna
pesanan, jenis desain, jenis dan banyaknya benang yang dibutuhkan untuk
memenuhi pesanan. Bunkai sekei dilakukan oleh bagian Teknik Produksi.
Sehingga bagian Teknik Produksi yang akan bertanggung jawab jika
terjadi ketidaksesuaian antara hasil produksi dengan pesanan, seperti
warna atau desain yang berbeda. Apabila sampel untuk warna belum ada,
maka bagian BKP melakukan order pada bagian Lab Dip.
Selanjutnya adalah order benang pada bagian Pemintalan
(Spinning), jumlah dan jenis benang diketahui berdasarkan hasil dari
bunkai sekei. Setelah benang tersedia, proses berikutnya adalah melakukan
order celup benang. Pihak yang bertanggung jawab adalah bagian Celup
Benang dan BKP.
20
Setelah benang tersedia dan sudah dicelup, maka selanjutnya akan
masuk pada proses penenunan di bagian Pertenunan (Weaving). Namun
sebelum masuk ke proses penenunan, terlebih dahulu dilakukan persiapan
penenunan, terdiri dari proses warper, sizing dan reaching. Warper adalah
proses penggulungan benang pada beam, tujuannya agar mempermudah
memasukkan benang pada saat reaching. Sizing merupakan proses
pengkanjian pada benang lusi, yang berfungsi untuk menambah kekuatan
tarik dan tahan gesek benang dengan melapisi permukaan benang lusi
dengan larutan kanji. Sedangkan reaching adalah proses pencucukan
dimana tiap 1 helai benang dimasukkan kedalam tiap lubang jarum pada
mesin tenun. Setelah semua tahap persiapan selesai, barulah order siap
dikerjakan pada mesin tenun untuk memproses benang menjadi kain
mentah.
Proses selanjutnya masuk pada tahapan pencelupan dan
penyempurnaan di bagian Dyeing Finishing. Pada tahap proses ini antara
lain dilakukan penghilangan kanji, pemolesan kain terhadap warna,
penampilan dan pegangan (handling). Bagian ini merupakan bagian
pemprosesan kain yang terakhir, mulai dari bahan baku kapas dan
polyester, produk benang, sampai menjadi produk kain yang siap
dipasarkan (finished goods). Setelah menjadi finished goods, maka kain
akan masuk pada tahapan inspecting di bagian Garansi Mutu untuk
diperiksa kesalahannya. Kemudian yang terakhir masuk pada bagian
Packing List untuk siap dikirimkan sesuai order ke konsumen.
2. Parameter Proses Produksi
a. Kecepatan Produksi
Produksi yang dilakukan oleh PT. Unitex, Tbk berdasarkan
pada jenis permintaan yang dikehendaki oleh konsumen. Hal ini
menyebabkan terdapatnya pembedaan pada masing-masing lini proses.
Pembedaan ini didasari oleh jenis mesin yang digunakan serta
kecepatan proses produksi.
21
Kecepatan maksimum mesin berproduksi dapat mencapai 1,2
juta meter per bulan. Berdasarkan wawancara dengan bagian produksi,
kecepatan produksi rata-rata adalah 340 tansu per hari atau 40.800
meter per hari (1 tansu = 120 meter) atau sama dengan 1.942,86 meter
per jam. Sehingga waktu yang dibutuhkan untuk menghasilkan 1 meter
kain adalah 0,00051 jam atau sama dengan 1,84 detik.
b. Waktu Produksi
1) Jam Kerja Reguler
Proses produksi kain di PT. Unitex, Tbk menggunakan 3
shift kerja dalam sehari. Jam kerja per hari tiap shift adalah 8 jam,
dengan ketentuan 7 jam untuk jam kerja produksi dan 1 jam untuk
istirahat. Jam kerja reguler untuk 12 periode (bulan) perencanaan
dapat dilihat pada Tabel 2. dibawah ini.
Tabel 2. Jam Kerja Reguler untuk 12 Periode Perencanaan
Periode Jam Kerja Reguler
1 525
2 504
3 483
4 546
5 525
6 525
7 546
8 525
9 546
10 525
11 525
12 504
Ket : Data diolah
22
2) Jam Kerja Lembur
Waktu produksi yang dilaksanakan diluar jam kerja reguler
digolongkan dalam jam kerja lembur. Jam kerja lembur dilakukan
apabila produksi yang dilakukan tidak cukup hanya menggunakan
jam kerja reguler, atau apabila jumlah produksi yang diharapkan
lebih besar daripada jumlah produksi yang dapat dihasilkan pada
kapasitas reguler. PT. Unitex, Tbk menetapkan jam kerja lembur
disesuaikan dengan kebutuhan. Rencana jumlah jam kerja lembur
yang dapat dilakukan selama satu horison perencanaan ke depan
dapat dilihat pada Tabel 3. dibawah ini.
Tabel 3. Jam Kerja Lembur untuk 12 Periode Perencanaan
Periode Jam Kerja Lembur
1 126
2 105
3 168
4 84
5 126
6 105
7 105
8 126
9 84
10 126
11 105
12 147
Ket : Data diolah
c. Kapasitas Produksi
Kapasitas produksi merupakan kapasitas yang dimiliki oleh
perusahaan untuk melakukan proses produksi. Kapasitas produksi
dipengaruhi oleh kecepatan produksi dan ketersediaan jam kerja yang
ada selama periode perencanaan.
23
Kapasitas maksimum PT. Unitex, Tbk dalam memproduksi
kain adalah 1,5 juta meter per bulan. Kapasitas produksi ini
menghasilkan jumlah produk yang berbeda pada setiap periode
perencanaan.
d. Persediaan Produk
Kebijaksanaan PT. Unitex, Tbk menetapkan jumlah persediaan
produk berdasarkan jumlah order yang diterima perusahaan (by order)
setiap bulannya. Data persediaan yang diperoleh berupa persediaan
awal dan persediaan akhir.
Dalam perencanaan ini persediaan awal (beginning inventory)
pada periode pertama telah ditetapkan besarnya nol (I0 = 0). Jadi
jumlah persediaan akhir pada periode pertama sama dengan jumlah
produksi periode pertama.
e. Kapasitas Gudang Penyimpanan
Gudang penyimpanan digunakan untuk menyimpan bahan
baku, bahan jadi dan bahan pembantu. Gudang penyimpanan yang
dikaji disini adalah gudang barang jadi, yaitu kain. Kapasitas gudang
barang jadi PT. Unitex, Tbk sebesar 1,2 juta meter. Sistem
penggudangan yang diterapkan adalah sistem FIFO (First In First
Out). Adanya sistem ini menyebabkan barang digudang akan
bersirkulasi sesuai dengan urutan order dari konsumen (pembeli).
3. Parameter Biaya
a. Biaya Produksi
Biaya produksi terdiri dari biaya tetap dan biaya variabel.
Biaya tetap meliputi biaya fasilitas, perbaikan dan pemeliharaan,
penyusutan mesin, bangunan dan biaya lain yang bersifat tetap.
Sedangkan biaya variabel adalah biaya yang dikeluarkan sesuai dengan
jumlah produk yang diproduksi.
24
Dengan ketetapan harga rata-rata yang berlaku ditingkat
ekspor, maka biaya produksi kain dalam perencanaan ini disesuaikan
dengan margin keuntungan yang ditetapkan berdasarkan kebijakan
perusahaan sebesar 10 % dari harga penjualan kain. PT. Unitex, Tbk
menetapkan harga kain sebesar 1,1 $ USD per meter atau sama dengan
Rp. 11.600,00. Sehingga biaya produksi untuk kain per meter sebesar
Rp. 11.600,00 - (Rp. 11.600,00 x 10 %) = Rp. 10.440,00.
b. Biaya Tenaga Kerja
Biaya tenaga kerja dibedakan menjadi biaya tenaga kerja
reguler dan biaya tenaga kerja lembur. Dari data personalia ditetapkan
besarnya biaya tenaga kerja perbulan sebesar Rp. 830.000,00, sesuai
dengan pemberlakuan UMK, atau sama dengan Rp. 27.667,00 perhari.
Sehingga upah karyawan setiap jam rata-rata sebesar Rp. 3.952,00
perorang.
Sedangkan biaya tenaga kerja lembur ditetapkan berdasarkan
perhitungan sebagai berikut :
Hari biasa : 1 jam I : 1/173 x 1,5 x Gaji perbulan
1 jam II : 1/173 x 2 x Gaji perbulan
Hari minggu/libur : 1 – 7 jam : 1/173 x 2 x Gaji perbulan
8 – 9 jam : 1/173 x 3 x Gaji perbulan
10 – jam : 1/173 x 4 x Gaji perbulan
Sehingga rata-rata upah lembur yang diterima karyawan perjam
sebesar Rp. 11.994,00 perorang.
c. Biaya Penyimpanan
Biaya penyimpanan adalah biaya yang ditanggung oleh
perusahaan akibat menahan sejumlah modal dalam bentuk produk jadi.
Besarnya biaya penyimpanan ditetapkan minimal sebesar suku bunga
bank yang berlaku saat ini.
25
Suku bunga bank rata-rata saat ini adalah 16 % pertahun atau
1.3 % perbulan. Sehingga besarnya biaya penyimpanan ditetapkan
sebagai berikut :
1.3 % x Rp. 10.440,00 = Rp. 136,00
B. PRAKIRAAN PERMINTAAN
1. Data Penjualan
Data hasil penjualan merupakan data pengeluaran produk dari
pabrik. Produk ini tidak dapat dikembalikan kecuali rusak, karena
kesalahan produksi. Data yang terdapat adalah data penjualan sejak bulan
Januari hingga Desember tahun 2007. Data tersebut dapat dilihat pada
Tabel 4. dan Gambar 3. berikut ini :
Tabel 4. Data Penjualan Produk Kain 2007
Bulan Jumlah Penjualan (meter)
Januari 1.018.248
Februari 992.442
Maret 1.149.485
April 1.089.388
Mei 1.140.718
Juni 1.102.808
Juli 1.024.531
Agustus 1.051.655
September 1.021.697
Oktober 899.334
November 1.116.431
Desember 1.208.875
26
Gambar 3. Grafik Data Penjualan Kain 2007
2. Prakiraan Permintaan
Prakiraan permintaan sangat penting dalam membuat perencanaan
produksi. Dalam melakukan prakiraan permintaan pada penelitian ini
menggunakan metode Box Jenkins dengan pendekatan Auto Regressive
Integrated Moving Average (ARIMA). Penggunaan metode ini untuk
mengidentifikasi pola data dan análisis prakiraan.
Tahap awal dalam menganalisis data dilakukan dengan
memplotkan data historis asli penjualan periode sebelumnya kedalam
sebuah grafik, untuk melihat pola data yang ada (melihat adanya faktor
trend dan musiman). Dari hasil plot data historis asli terlihat adanya faktor
kecenderungan (trend). Penyelesaian prakiraan permintaan yang dilakukan
pada penelitian ini menggunakan paket program Minitab 14.
Pola trend dapat diidentifikasi melalui autokorelasi yang terdapat
dalam data asli. Pendugaan awal akan dikuatkan dengan melihat plot nilai
fungsi koefisien autokorelasi (ACF) dan fungsi koefisien autokorelasi
parsial (PACF) dari deret asli permintaan. Dari Gambar 4. menunjukkan
bahwa plot nilai ACF dan PACF tidak berpola atau random.
27
(a) (b)
Gambar 4. (a). Plot Nilai ACF Data Penjualan 2007, dan (b). Plot Nilai
PACF Data Penjualan Kain 2007
Pada tahap awal identifikasi data juga dilakukan uji kestasioneran
data. Stasioner berarti bahwa tidak terdapat pertumbuhan dan penurunan
pada data. Data secara kasar harus horisontal terhadap sumbu waktu.
Fluktuasi data harus berada di sekitar suatu nilai rata-rata yang konstan,
tidak tegantung dari waktu dan varians dari fluktuasi tersebut.
Berdasarkan hasil dari plot nilai ACF dan PACF, ternyata deret
data sudah bersifat stasioner. Kestasioneran data dapat dilihat dari nilai
koefisien autokorelasinya (nilai ACF dan PACF) yang mendekati nol dan
berada di dalam batas daerah nilai tengah (d=0).
Lag
Part
ial A
utoc
orre
lati
on
1110987654321
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
PACF Penjualan 2007
Lag
Aut
ocor
rela
tion
1110987654321
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
ACF Penjualan 2007
28
Tabel 5. Nilai ACF dan PACF
Lag ACF PACF
1 0,128343 0,128343
2 -0,312376 -0,334356
3 -0,096900 -0,000562
4 -0,310003 -0,455335
5 -0,227744 -0,201216
6 0,057906 -0,267460
7 0,024091 -0,313261
8 0,286826 0,057955
9 0,211292 -0,190634
10 -0,170118 -0,209327
11 -0,091316 -0,200449
Ket : data diolah
Parameter model diduga dengan melihat berapa banyak nilai
koefisien ACF dan PACF yang secara signifikan berbeda nyata dengan
nol. Nilai parameter p dan q dapat diduga dari nilai koefisien apabila
terdapat p nilai PACF yang sangat berbeda nyata dengan nol maka proses
akan membentuk AR (p), jika terdapat q nilai ACF yang sangat berbeda
nyata dengan nol, maka proses tersebut akan membentuk MA (q).
Selanjutnya dilakukan pengujian model ARIMA dengan cara coba-
coba. Dimasukkan kombinasi nilai-nilai p dan q antara 0 dan 1, sedangkan
nilai d telah diketahui 0 karena deret data sudah stasioner.
Pada tahap pengujian model dianggap layak apabila setelah
dilakukan analisa didapatkan nilai sisa yang tidak berpola (random).
Pengujian nilai sisa dapat dilakukan dengan memplotkan koefisien
autokorelasi (ACF) dan koefisien autokorelasi parsial (PACF) dari nilai
sisa secara grafis.
Dari hasil penelusuran nilai parameter p dan q yang
dikombinasikan dengan penelusuran nilai Mean Square Error (MSE)
terkecil dan nilai Sum Square Error (SSE) terkecil dari nilai sisa, diperoleh
29
nilai MSE terkecil sebesar 8865672828 yang terdapat pada model ARIMA
(1,0,1).
Model ARIMA tersebut layak digunakan. Hal ini diperkuat dengan
plot koefisien autokorelasi (ACF) dan autokorelasi parsial (PACF) dari
nilai sisa yang random dan tidak menunjukkan adanya suatu pola.
Lag
Aut
ocor
rela
tion
321
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
ACF of Residuals for Penjualan 2007(with 5% significance limits for the autocorrelations)
Lag
Part
ial A
utoc
orre
lati
on321
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
PACF of Residuals for Penjualan 2007(with 5% significance limits for the partial autocorrelations)
(a) (b)
Gambar 5. (a). Plot Koefisien Autokorelasi (ACF) Nilai Sisa, dan (b). Plot
Koefisien Autokorelasi Parsial (PACF) Nilai Sisa.
Setelah diperoleh model yang sesuai, maka dilakukan proses
prakiraan permintaan untuk 12 periode kedepan. Pengolahan prakiraan
permintaan ini menggunakan software Minitab 14, data pengolahan
selengkapnya terdapat pada Lampiran 3. Persamaan model ARIMA (1,0,1)
adalah sebagai berikut :
Xt = µ + Φ1 Xt-1 + еt - θ1еt-1 atau Xt = µ + Xt-1 + еt - 0,86 еt-1
dimana :
µ = Konstanta
Φ1 = Paremeter Auto Regressive ke-1 (= 1)
θ1 = Parameter Moving Average ke-1 (= 0,86)
еt = Error pada periode ke-t
30
Hasil prakiraan permintaan dapat dilihat pada Tabel 6. Hasil ini
sangat penting untuk menentukan jumlah produksi optimal pada periode
perencanaan.
Tabel 6. Prakiraan Permintaan Selama Periode Perencanaan Agregat.
Periode
(bulan)
Jumlah Permintaan
(meter)
1 1.076.419
2 1.076.382
3 1.076.345
4 1.076.308
5 1.076.271
6 1.076.234
7 1.076.197
8 1.076.160
9 1.076.123
10 1.076.086
11 1.076.049
12 1.076.012
Ket : data diolah
C. PERENCANAAN PRODUKSI AGREGAT
1. Sasaran Rencana Produksi
Perencanaan produksi agregat merupakan langkah yang digunakan
untuk menyesuaikan jumlah permintaan yang diperkirakan dengan
kemampuan produksi, jumlah tenaga kerja, tingkat persediaan, jumlah jam
kerja lembur. Langkah ini digunakan untuk menentukan jumlah biaya total
produksi yang mínimum selama masa periode perencanaan.
Dalam melakukan perencanaan produksi agregat, perlu
mempertimbangkan berbagai tujuan yang ingin dicapai oleh perusahaan.
Diantara beberapa tujuan tersebut ada yang bersifat saling mendukung dan
31
ada pula yang bertentangan. Oleh karena itu perlu dilakukan suatu susunan
prioritas sasaran agar diketahui mana tujuan yang lebih diutamakan.
Untuk mencari tujuan yang diinginkan perusahaan, maka pihak
manajemen mengumpulkan pertimbangan dari berbagai pihak yang
berwenang dalam pengambilan keputusan perencanaan. Setelah itu baru
dihasilkan sasaran-sasaran perusahaan yang ingin dicapai oleh PT. Unitex,
Tbk. Sasaran tersebut antara lain adalah :
a. Tingkat produksi memenuhi jumlah permintaan.
Sasaran ini mempunyai maksud bahwa jumlah produksi yang
dilakukan perusahaan pada setiap periode harus dapat memenuhi
prakiraan permintaan. Sehingga tidak terjadi kekurangan dan
keterlambatan dalam penyediaan produk ke konsumen.
b. Produksi tidak lebih dari jam kerja reguler yang tersedia
Perusahaan dalam berproduksi tidak melebihi kapasitas reguler yang
tersedia, tetapi boleh kurang dari kapasitas reguler yang tersedia.
Tujuan ini dilakukan untuk menghindari atau mengurangi terjadinya
jam kerja lembur.
c. Produksi tidak lebih dari jam kerja lembur yang tersedia
Berproduksi pada jam kerja lembur mengakibatkan adanya biaya
tambahan dan biaya yang tinggi, sehingga pemakaiannya harus
dibatasi.
Dari ketiga sasaran yang diperoleh tersebut, kemudian ditentukan
urutan prioritas serta bobot kepentingan dari masing-masing sasaran.
Bobot kepentingan dari sasaran ini dijadikan pertimbangan dalam
menentukan fungsi tujuan dari perencanaan agregat yang dibuat.
2. Model Perencanaan
Perencanaan produksi agregat yang dilakukan merupakan
perencanaan produksi selama 12 periode kedepan. Perencanaan dibuat
berdasarkan pertimbangan berbagai sumber daya yang dimiliki perusahaan
agar tercapai semua tujuan yang optimal.
32
Perencanaan agregat dibuat dengan menggunakan model program
sasaran linier. Model program sasaran linier yang dibuat adalah sasaran
dengan prioritas dan pembobotan. Penyelesaian dari model ini diperoleh
dengan bantuan paket program LINDO (Linier Interactive Discrete
Optimizer).
a. Fungsi Tujuan
Dalam menentukan perencanaan, perusahaan mempunyai
beberapa sasaran yang ingin dicapai. Untuk mencapai sasaran tersebut
adakalanya terjadi penyimpangan dari tujuan yang diharapkan.
Tujuan dari model perencanaan agregat yang dibuat adalah
meminimumkan penyimpangan yang terjadi pada pemenuhan sasaran
perusahaan, sehingga perencanaan dapat sesuai atau sedekat mungkin
dengan tujuan yang diharapkan. Terdapat tiga sasaran yang diharapkan
oleh perusahaan, dengan prioritas dan pembobotan masing-masing dari
sasaran tersebut sebesar 0,5 : 0,3 : 0,2.
Prioritas pertama yaitu tingkat produksi memenuhi jumlah
permintaan, dengan bobot prioritas 0,5. Pada prioritas pertama ini
diperbolehkan adanya jumlah produksi diatas jumlah prakiraan
permintaan, tetapi tidak boleh dibawah jumlah permintaan. Sehingga
model matematis fungsi tujuan untuk prioritas pertama adalah
meminimumkan deviasi bawah dari tujuan tingkat produksi memenuhi
jumlah permintaan.
Pada prioritas kedua perusahaan bertujuan tingkat produksi
tidak lebih dari jam kerja reguler yang tersedia. Dengan pertimbangan
bahwa jika produksi melebihi atau diluar kapasitas reguler akan
membutuhkan biaya tambahan yang lebih besar. Sehingga model
matematis dari fungsi tujuan prioritas kedua adalah meminimumkan
deviasi atas dari penggunaan jam kerja reguler dalam berproduksi.
Prioritas ketiga yaitu produksi tidak lebih dari jam kerja lembur
yang tersedia. Jam kerja lembur terjadi apabila kapasitas produksi pada
jam kerja reguler tidak dapat memenuhi jumlah produksi yang
diharapkan. Pemakaian jam kerja lembur yang terus menerus akan
33
mengakibatkan adanya pertambahan biaya produksi yang tinggi,
sehingga pemakaiannya harus dibatasi. Oleh karena itu, fungsi tujuan
dari prioritas ketiga ini adalah meminimumkan jumlah deviasi atas dari
penggunaan jam kerja lembur yang tersedia pada kapasitas lembur
selama periode perencanaan.
Dalam mencapai beberapa tujuan perusahaan diatas,
diharapkan tidak terjadi adanya penyimpangan. Dengan
mempertimbangkan berbagai tujuan yang ingin dicapai dan
meminimumkan penyimpangan yang tidak diharapkan, maka model
matematis dari fungsi tujuan perencanaan agregat yang dibuat adalah :
Minimumkan :
12 12 12
Z = P1 ( ∑ 0,5 db1i ) + P2 ( ∑ 0,3 da2i ) + P3( ∑ 0,2 da3i ) i=1 i=1 i=1
dimana :
P1 = Faktor prioritas 1
P2 = Faktor prioritas 2
P3 = Faktor prioritas 3
0,5 = Bobot dari tujuan yang ingin dicapai pada prioritas 1
0,3 = Bobot dari tujuan yang ingin dicapai pada prioritas 2
0,2 = Bobot dari tujuan yang ingin dicapai pada prioritas 3
db1i = Deviasi bawah / negatif dari target produksi memenuhi
jumlah permintaan pada periode ke-i
da2i = Deviasi atas / positif dari produksi berdasarkan jam kerja
reguler pada periode ke-i da3i = Deviasi atas / positif dari produksi tidak melebihi jam
kerja lembur pada periode ke-i
b. Kendala Tujuan
Kendala atau pembatas sasaran adalah pembatas yang
berhubungan langsung dengan sasaran-sasaran tujuan yang
34
diharapkan. Pembatas sasaran yang terdapat pada model perencanaan
produksi agregat yang dibuat adalah sebagai berikut :
1) Produksi Memenuhi Jumlah Permintaan
Jumlah permintaan yang dimaksud adalah jumlah permintaan
berdasarkan prakiraan permintaan yang telah dibuat. Formulasi
matematis dari kendala ini adalah :
Xi + db1i - da1i = P1
dimana :
Xi = Jumlah produksi pada periode ke-i (meter)
db1i = Deviasi bawah target produksi memenuhi jumlah
permintaan pada periode ke-i (meter)
da1i = Deviasi atas target produksi memenuhi jumlah
permintaan pada periode ke-i (meter)
Pi = Jumlah prakiraan permintaan pada periode ke-i (meter)
2) Produksi Tidak Melebihi Jam Kerja Reguler yang Tersedia
Formulasi matematis dari kendala sasaran ini adalah :
0,00051Xi + db2i - da2i = Ri
dimana :
0,00051 = waktu yang dibutuhkan untuk memproduksi satu
meter kain (jam/meter)
Xi = Jumlah produksi pada periode ke-i (meter)
db2i = Deviasi bawah target produksi tidak melebihi
kapasitas jam kerja reguler pada periode ke-i (jam)
da2i = Deviasi atas target produksi tidak melebihi
kapasitas jam kerja reguler pada periode ke-i (jam)
Ri = Jam kerja reguler yang tersedia pada periode ke-i
(jam)
35
3) Produksi Tidak Melebihi Jam Kerja Lembur yang Tersedia
Formulasi matematis dari kendala sasaran ini adalah :
da2i + db3i - da3i = Li
dimana :
da2i = Deviasi atas target produksi tidak melebihi kapasitas jam
kerja reguler pada periode ke-i (jam)
db3i = Deviasi bawah target produksi tidak melebihi kapasitas
jam kerja lembur pada periode ke-i (jam)
da3i = Deviasi atas target produksi tidak melebihi kapasitas jam
kerja lembur pada periode ke-i (jam)
Li = Jam kerja lembur yang tersedia pada periode ke-i (jam)
c. Kendala Fungsional
1) Kapasitas Produksi
Kapasitas produksi perusahaan sebesar 1,5 juta meter perbulan.
Sehingga formulasi matematis kendala ini adalah :
Xi ≤ Ki
dimana :
Xi = Jumlah produksi pada periode ke-i (meter)
Ki = Kapasitas produksi perusahaan pada periode ke-i(meter)
2) Persediaan Produk
Dalam perencanaan ini persediaan awal (beginning inventory) pada
periode pertama telah ditetapkan besarnya nol (I0 = 0). Formulasi
metematis dari kendala persediaan ini adalah :
Ii = Ii-1 + Xi - Di
36
dimana :
Ii = Jumlah persediaan pada akhir periode ke-i (meter)
I0 = 0
Xi = Jumlah produksi pada periode ke-i (meter)
Pi = Jumlah prakiraan permintaan pada periode ke-i (meter)
3) Kapasitas Gudang Penyimpanan
Kapasitas gudang penyimpanan merupakan kendala atau pembatas
dari banyaknya jumlah produksi dan persediaan yang dapat
disimpan. Kapasitas penyimpanan produk di gudang PT. Unitex,
Tbk adalah sebesar 1,2 juta meter. Formulasi matematis dari
kendala kapasitas gudang ini adalah :
Ii + Xi ≤ Gi
dimana :
Ii = Jumlah persediaan pada akhir periode ke-i (meter)
Xi = Jumlah produksi pada periode ke-i (meter)
G = Kapasitas gudang penyimpanan pada periode ke-i (meter)
3. Perencanaan Produksi
Hasil perencanaan produksi yang diperoleh berdasarkan model
yang telah dibuat, meliputi jumlah produksi pada jam kerja reguler, jumlah
produksi pada jam kerja lembur, waktu kerja lembur yang dipergunakan,
dan jumlah persediaan yang dihasilkan pada setiap periode. Hasil
perencanaan produksi ini dapat dilihat pada Tabel 7.
37
Tabel 7. Hasil Perencanaan Produksi Agregat
Periode (bulan)
Produksi Jam
Reguler (meter)
Produksi Jam
Lembur (meter)
Jumlah Produksi
Total (meter)
Waktu Lembur
(jam)
Persediaan Produk (meter)
1 1.029.411 47.008 1.076.419 24 02 988.235 88.147 1.076.382 45 03 947.059 129.286 1.076.345 66 04 1.070.588 5.720 1.076.308 3 05 1.029.411 46.860 1.076.271 24 06 1.029.411 46.823 1.076.234 24 07 1.070.588 5.609 1.076.197 3 08 1.029.411 46.749 1.076.160 24 09 1.070.588 5.535 1.076.123 3 010 1.029.411 46.675 1.076.086 24 011 1.029.411 46.638 1.076.049 24 012 988.235 87.777 1.076.012 45 0
Total 12.311.759 602.827 12.914.586 309 0Ket : data diolah
Pada perencanaan produksi untuk jangka waktu 12 bulan kedepan
ini, diperoleh rencana jumlah produksi kain total sebanyak 12.914.586
meter. Jumlah produksi untuk setiap periode perencanaan melampaui dari
batas kapasitas reguler yang tersedia. Produksi yang dilakukan pada jam
kerja reguler sebanyak 12.311.759 meter. Sehingga mengakibatkan adanya
produksi pada jam kerja lembur yang membutuhkan waktu total 309 jam
dan jumlah produksinya sebanyak 602.827 meter.
Jumlah persediaan yang dihasilkan dengan model perencanaan ini
adalah nol untuk setiap periode. Hal ini sesuai dengan kebijaksanaan
perusahaan yang memproduksi disetiap periode sesuai dengan permintaan
(by order) dan tidak melakukan kelebihan produksi. Sementara itu jumlah
produksi dan jika ada jumlah persediaan diharapkan tidak lebih dari
kapasitas gudang penyimpanan yang besarnya 1,2 juta meter.
Dari hasil keseluruhan ini menunjukkan bahwa tujuan pada
prioritas pertama dan prioritas ketiga dapat dipenuhi. Nilai penyimpangan
38
tujuannya mencapai nilai nol. Ini berarti tidak terjadi penyimpangan dari
target sasaran pada prioritas pertama dan ketiga. Sedangkan pada prioritas
kedua terjadi kelebihan jam produksi reguler. Sisa produksi tersebut
merupakan kelebihan dari kapasitas jam kerja reguler, sehingga
menggunakan jam kerja lembur. Hasil pengolahan data dapat dilihat pada
Lampiran 5.
Berdasarkan hasil yang diperoleh, sasaran prioritas pertama
terpenuhi dengan nilai penyimpangan tujuan adalah nol. Hal ini berarti
tidak terjadi penyimpangan bawah atau deviasi negatif pada target jumlah
produksi memenuhi permintaan setiap bulannya. Berarti pula bahwa
permintaan pada setiap periode dapat dipenuhi oleh perusahaan.
Variabel db1i merupakan lambang deviasi bawah dari kendala
tujuan pertama, yaitu berproduksi memenuhi jumlah permintaan. Variabel
ini menunjukkan jumlah permintaan yang tidak dapat dipenuhi oleh
perusahaan. Nilai inilah yang harus diminimumkan, karena bila
perusahaan tidak dapat memenuhi permintaan maka akan mengurangi
kepercayaan konsumen dan bisa menyebabkan kehilangan penjualan. Pada
hasil optimal, ternyata variabel db1i bernilai nol untuk setiap periode
perencanaan. Berarti jumlah produksi selalu bisa memenuhi jumlah
prakiraan permintaan.
Deviasi atas kendala tujuan pertama, yang dilambangkan dengan
variabel da1i merupakan kelebihan produksi terhadap jumlah permintaan.
Nilai ini menunjukkan jumlah persediaan yang terdapat diakhir periode.
Hasil optimal dari model menunjukkan bahwa jumlah persediaan untuk
setiap periode adalah 0. Jadi perusahaan tidak melakukan kelebihan
produksi disetiap periode perencanaan. Hal ini sesuai dengan
kebijaksanaan perusahaan yang berproduksi untuk memenuhi jumlah
permintaan (by order).
Pada sasaran prioritas kedua nilai tujuan yang diminimumkan tidak
mencapai nilai nol. Hal ini berarti telah terjadi penyimpangan deviasi atas
(positif) pada tujuan kedua, yaitu berproduksi tidak melebihi jam kerja
reguler yang tersedia. Kelebihan jam kerja reguler pada setiap periode
39
dilambangkan dengan variabel da2i, yang merupakan penyimpangan atas
pada kendala sasaran kedua. Hasil optimal dari model menunjukkan
variabel da2i tidak bernilai nol untuk setiap periode perencanaan. Berarti
telah terjadi kelebihan jam produksi pada kapasitas jam kerja reguler yang
tersedia. Sehingga diperlukan adanya tambahan jam produksi yang akan
digunakan, yaitu pada jam kerja lembur selama periode perencanaan.
Variabel db2i merupakan lambang deviasi bawah dari kendala
tujuan kedua. Variabel db2i menunjukkan sisa jumlah jam kerja reguler
yang tidak digunakan untuk berproduksi. Dari model perencanaan
diperoleh hasil nilainya nol untuk setiap periode perencanaan. Hal ini
berarti kapasitas jam kerja reguler telah digunakan keseluruhan untuk
berproduksi dan tidak menyisakan jam kerja produksi. Dengan kata lain
tidak ada waktu menganggur (iddle time) disetiap periode perencanaan
produksi.
Pada sasaran prioritas ketiga, yaitu berproduksi tidak melebihi jam
kerja lembur yang tersedia, nilai penyimpangan tujuan yang diperoleh
adalah nol. Berarti tidak terjadi penyimpangan terhadap deviasi atas
(positif) dari sasaran ketiga yang dilambangkan dengan variabel da3i.
Variabel da3i melambangkan kelebihan pemakaian jam kerja
lembur yang tersedia. Deviasi atas ini diminimumkan untuk mencapai
tujuan perusahaan yang tidak ingin berproduksi melebihi jam kerja lembur
yang tersedia. Apabila terjadi jam kerja lembur melebihi kapasitas yang
ada, maka perusahaan perlu meningkatkan kapasitas produksi. Kapasitas
produksi dapat ditingkatkan dengan menaikkan kecepatan produksi. Hal
ini berarti menambah jumlah tenaga kerja atau mesin produksi yang tentu
saja akan menambah biaya produksi keseluruhan. Hasil optimal dari model
menunjukkan variabel da3i bernilai nol untuk setiap periode. Sehingga
perusahaan tidak perlu meningkatkan kapasitas produksi yang ada.
Deviasi bawah dari kendala tujuan ketiga yang dilambangkan
dengan variabel db3i, menunjukkan jumlah jam kerja lembur yang tidak
digunakan untuk berproduksi. Pada hasil optimal model diperoleh nilai
yang berbeda untuk setiap periode perencanaan. Nilai tersebut tidak ada
40
yang nol. Hal ini berarti jam kerja lembur telah digunakan pada setiap
periode perencanaan dan kapasitas jam kerja lembur yang tersedia
mencukupi untuk digunakan perusahaan apabila terjadi peningkatan
permintaan diatas yang sudah diprediksi.
Faktor yang menentukan terbentuknya nilai minimal
penyimpangan dalam model dinamakan dengan kendala aktif. Pada model
perencanaan ini yang merupakan kendala aktif adalah permintaan, jam
kerja reguler, jam kerja lembur, kapasitas produksi dan kapasitas gudang.
Hasil perencanaan produksi secara keseluruhan memperlihatkan bahwa
dengan memperhitungkan kapasitas produksi pada jam lembur, kapasitas
produksi yang dimiliki perusahaan belum dapat dimanfaatkan sepenuhnya.
Agar proses produksi berjalan maksimal tanpa harus memakai jam
kerja lembur, sebaiknya perusahaan meningkatkan kemampuan atau
kecepatan proses produksi. Kecepatan produksi bisa ditingkatkan antara
lain dengan cara memperbaiki mesin yang rusak atau lambat kecepatan
produksinya, mengganti mesin dan tenaga kerja lain yang mempunyai
kapasitas atau kecepatan proses lebih baik, menambah tenaga kerja
pembantu sehingga kecepatan prosesnya lebih baik, dan menambah jumlah
serta kapasitas mesin yang ada.
Dengan peningkatan kemampuan dan kecepatan produksi,
diharapkan penggunaan jam kerja reguler untuk berproduksi akan lebih
efektif dan maksimal. Sehingga penggunaan jam kerja lembur dapat
diminimalisasi seoptimal mungkin. Hal ini karena berproduksi pada jam
kerja lembur mengakibatkan adanya biaya tambahan yang tidak sedikit.
Selain itu, lembur yang terus-menerus merupakan kondisi yang tidak sehat
bagi perusahaan maupun karyawan.
Setelah kemampuan dan kecepatan produksi ditingkatkan,
perusahaan dapat menerima (memenuhi) apabila ada peningkatan jumlah
permintaan dari konsumen. Kenaikan jumlah permintaan akan
menyebabkan tingkat produksi semakin bertambah dan pendapatan
perusahaan juga meningkat.
41
Biaya yang diperlukan dalam perencanaan produksi dapat dihitung
setelah diperoleh perencanaan produksi agregat. Biaya yang dihitung
antara lain biaya produksi dan biaya lembur. Biaya persediaan tidak
disebutkan karena berproduksi tidak menghasilkan persediaan. Hasil
penghitungan biaya tersebut dapat dilihat pada Tabel 8. dibawah ini.
Tabel 8. Biaya Perencanaan Produksi Agregat
Periode (bulan)
Biaya Produksi (rupiah)
Biaya Jam Kerja Reguler
(rupiah/org)
Biaya Jam Kerja Lembur
(rupiah/org) 1 11.237.814.360 2.074.800 287.856
2 11.237.428.080 1.991.808 539.730
3 11.237.041.800 1.908.816 791.604
4 11.236.655.520 2.157.792 35.982
5 11.236.269.240 2.074.800 287.856
6 11.235.882.960 2.074.800 287.856
7 11.235.496.680 2.157.792 35.982
8 11.235.110.400 2.074.800 287.856
9 11.234.724.120 2.157.792 35.982
10 11.234.337.840 2.074.800 287.856
11 11.233.951.560 2.074.800 287.856
12 11.233.565.280 1.991.808 539.730
Total 134.828.277.840 24.814.608 3.706.146 Ket: data diolah
Biaya produksi diperoleh dengan mengalikan jumlah total produksi
dengan biaya per unit produk (biaya produksi untuk kain per meter). Biaya
produksi untuk perencanaan agregat yang dihasilkan nilainya sebesar Rp.
134.828.277.840,00.
Biaya jam kerja reguler didapatkan dari mengalikan jumlah waktu
reguler yang tersedia dengan biaya rata-rata tenaga kerja reguler per jam.
Biaya total jam kerja reguler untuk perencanaan agregat adalah sebesar
Rp. 24.814.608,00 per orang.
42
Biaya jam kerja lembur diperoleh dari mengalikan jumlah waktu
lembur yang digunakan dengan biaya rata-rata lembur per jam. Sehingga
biaya total jam kerja lembur untuk perencanaan agregat sebesar Rp.
3.706.146,00 per orang.
Pada perencanaan produksi dengan model yang dibuat ini
dihasilkan nilai yang optimal berdasarkan pertimbangan sasaran-sasaran
perusahaan yang diinginkan oleh manajemen. Rencana produksi yang
dihasilkan mungkin bukan merupakan rencana produksi dengan biaya
yang paling minimal. Hal ini dikarenakan unsur biaya tidak dimasukkan
dalam model, tetapi dihitung setelah diperoleh hasil perencanaan. Hasil
optimal yang diperoleh dengan menggunakan model ini merupakan
kondisi dimana telah diminimumkan nilai penyimpangan tujuan dengan
prioritas dan bobot sasaran berdasarkan penilaian manajemen perusahaan.
43
V. KESIMPULAN DAN SARAN
A. KESIMPULAN
Perencanaan produksi agregat dilakukan dengan menetapkan
perencanaan jumlah produk optimal yang harus diproduksi pada setiap periode
yang direncanakan. Perencanaan ini mempertimbangkan faktor-faktor dan
peubah keputusan dalam manajemen perusahaan yang berhubungan dengan
kapasitas produksi, persediaan produk, penentuan jam kerja reguler dan
lembur dengan menggunakan biaya produksi seminimal mungkin.
Perencanaan agregat diawali dengan prakiraan jumlah permintaan.
Prakiraan dilakukan berdasarkan data historis penjualan periode sebelumnya.
Hasil análisis terhadap data permintaan tahun 2007, menunjukkan bahwa data
deret waktu permintaan bersifat stasioner, dengan proses autoregressive ordo
pertama (p=1) dan proses moving average ordo pertama (q=1). Dengan
demikian model prakiraan adalah model ARIMA (1,0,1) dengan formula
persamaannya: Xt = µ + Xt-1 + еt - 0,86 еt-1. Hasil prakiraan menunjukkan
bahwa total prakiraan permintaan sebanyak 12.914.586 meter. Pengolahan
prakiraan permintaan ini dibantu dengan program Minitab 14.
Perencanaan optimal merupakan hasil perencanaan yang
meminimumkan penyimpangan dari sasaran yang ingin dicapai oleh
perusahaan dalam berproduksi. Kebijaksanaan manajemen perusahaan
menetapkan tiga prioritas sasaran dalam perencanaan produksi agregat.
Prioritas sasaran tersebut secara berturut-turut adalah : (1) Tingkat produksi
memenuhi jumlah permintaan, (2) Produksi tidak lebih dari jam kerja reguler
yang tersedia, dan (3) Berproduksi tidak melebih dari jam kerja lembur yang
tersedia. Penyelesaian model program sasaran dengan bantuan paket program
LINDO (Linier Interactive Discrete Optimizer), telah dihasilkan bahwasanya
ketiga sasaran tersebut tercapai.
Hasil perencanaan produksi agregat menunjukkan bahwa jumlah
produksi pada jam kerja reguler sebesar 12.311.759 meter, sehingga
membutuhkan waktu poduksi di jam kerja lembur selama 309 jam dan jumlah
produksi pada jam kerja lembur sebesar 602.827 meter. Rencana produksi
44
tersebut memberikan hasil optimal, yaitu penyimpangan terhadap permintaan
sama dengan nol, batas atas jam kerja reguler dan jam kerja lembur terpenuhi.
Dari hasil perencanaan ini diperlukan biaya total produksi keseluruhan
mencapai Rp. 134.828.277.840,00. Sedangkan biaya jam kerja reguler sebesar
Rp. 24.814.608,00 per orang dan biaya jam kerja lembur sebesar Rp.
3.706.146,00 per orang.
B. SARAN
Dari penelitian ini disarankan agar hasil perencanaan produksi lebih
baik, perlu ditelaah lebih lanjut nilai parameter-parameter biaya yang lebih
mendekati kenyataan. Perlu pengkajian lebih terhadap faktor-faktor yang
mempengaruhi rencana produksi lainnya, yang mencakup jumlah tenaga kerja,
persediaan bahan baku, mesin dan peralatan produksi. Penelitian ini perlu
dilanjutkan dengan mengkaji bobot atau tingkat kepentingan / prioritas
berdasarkan pendapat manajemen.
Agar proses produksi berjalan maksimal tanpa harus menggunakan
jam kerja lembur, sebaiknya perusahaan meningkatkan kemampuan atau
kecepatan proses produksi. Dengan demikian perusahaan dapat menaikkan
kapasitas produksi, sehingga mampu memenuhi permintaan konsumen dan
pada akhirnya akan lebih meningkatkan efisiensi biaya dan menambah
keuntungan perusahaan.
45
DAFTAR PUSTAKA
Assauri, S. 1980. Manajemen Produksi. Lembaga Penerbit Fakultas Ekonomi,
Universitas Indonesia. Jakarta.
Bedworth, D. dan Bailey, J. E. 1990. Integrated Production Control System. John
Wiley and Sons, Inc., New York.
Buffa, E. S. 1977. Modern Production Management, Managing The Operation
Function. John Willey and Sons Inc., New York.
Ignizio, J.P. 1983. Programming in Single and Multiple Objective System.
Prentice-Hall Inc., Englewood Cliffs, New York.
Machfud. 1999. Diktat Perencanaan dan Pengendalian Produksi. Jurusan
Teknologi Industri Pertanian, Fateta-IPB, Bogor.
Makridakis, S. et al. 1993. Metode dan Aplikasi Peramalan. Penerbit Erlangga.
Jakarta.
Moskowitz, H. dan G. P. Wright. 1979. Operation Research Techniques for
Management. Prentice-Hall, Inc. Englewood Clifs, New York.
Nasendi, B. D. dan A. Anwar. 1985. Program Linier dan Variasinya. PT.
Gramedia, Jakarta.
Stevenson, W. J. 1986. Production/Operation Management. Irwin Homewood.
Illinois.
Thierauf, R. J. dan R. C. Klekamp. 1975. Decision Making Trough Operation
Research. Second Edition. John Wiley and Sons, New York.
46
Lampiran 1. Layout Pabrik PT. Unitex, Tbk
47
Lampiran 2. Bahan Baku, Bahan Penolong dan Produk PT. Unitex, Tbk
Bahan Baku dan Bahan Penolong Produksi
Jenis bahan Kapasitas perbulan
Bentuk fisik Sifat bahan Asal bahan / supplier Cara simpan
* Bahan baku - Serat kapas - Serat polyester
* Bahan penolong - Kanji alam - Pelemas - Anti statis - Lilin - Zat warna - Resin - Zat anorganik - Zat pembantu
225 ton 110 ton 22.279 kg 2.013 kg 1.650 kg 2.400 kg 3.184 kg 12.532 kg 125.762 kg 17.949 kg
Padat Padat Padat Padat Padat Padat Padat, Cair Cair Padat, Cair Cair
Mudah Terbakar Mudah Terbakar Tidak Beracun Tidak Beracun Tidak Beracun Tidak Beracun Tidak Beracun Tidak Beracun Tidak Beracun, korosif Tidak Beracun, korosif
Impor (Australia, Mesir, Amerika Serikat, dan Zimbabwe) Lokal (PT. Taijin Indonesia, Tangerang) CV. Ekindo P. PT. Lautan Luas PT. Lautan Luas Matsumotoyushi Inc. Sumimoto PT. Inkali Pabrik Lokal Pabrik Lokal, Impor
Packing bale Packing bale Drum plastik Drum plastik Drum plastik Drum plastik Drum plastik Drum plastik Drum plastik Drum plastik
(sumber : PT. Unitex, Tbk 2008)
Jenis dan Tipe Produk Kain
No. Jenis Tipe
1. Piece Dyed (Polos)
All Cotton
Chief Value Cotton
Polyester Cotton
2. Yard Dyed (Motif)
All Cotton
Chief Value Cotton
Polyester Cotton
(sumber : PT. Unitex, Tbk 2008)
48
Lampiran 3. Hasil Print Out Program Aplikasi Minitab 14.
ARIMA Model: Jumlah Penjualan (meter) Estimates at each iteration Iteration SSE Parameters 0 1,37634E+13 0,100 0,100 1 7,54573E+12 0,250 -0,050 2 5,16743E+12 0,306 -0,200 3 3,06501E+12 0,456 -0,274 4 1,69496E+12 0,606 -0,330 5 8,27347E+11 0,756 -0,360 6 3,15471E+11 0,906 -0,345 7 1,67031E+11 1,008 -0,215 8 1,39856E+11 1,006 -0,065 9 1,21785E+11 1,004 0,085 10 1,10516E+11 1,003 0,219 11 1,05851E+11 1,002 0,305 12 1,03850E+11 1,001 0,372 13 1,02731E+11 1,001 0,436 14 1,01577E+11 1,000 0,508 15 99373107476 1,000 0,605 16 93550137279 1,000 0,751 17 91783785548 1,000 0,901 18 88834769870 1,000 0,869 19 88724737423 1,000 0,861 20 88698022781 1,000 0,863 21 88685947845 1,000 0,863 Relative change in each estimate less than 0,0010 * WARNING * Back forecasts not dying out rapidly Back forecasts (after differencing) Lag -98 - -93 1084311,143 1084348,343 1084385,546 1084422,749 1084459,954 Lag -92 - -87 1084534,367 1084571,576 1084608,786 1084645,997 1084683,210 Lag -86 - -81 1084757,638 1084794,855 1084832,072 1084869,291 1084906,511 Lag -80 - -75 1084980,955 1085018,179 1085055,404 1085092,631 1085129,859 Lag -74 - -69 1085204,318 1085241,550 1085278,783 1085316,017 1085353,252 Lag -68 - -63 1085427,727 1085464,966 1085502,207 1085539,448 1085576,692 Lag -62 - -57 1085651,182 1085688,429 1085725,677 1085762,926 1085800,177 Lag -56 - -51 1085874,682 1085911,937 1085949,193 1085986,450 1086023,709 Lag -50 - -45 1086098,229 1086135,492 1086172,755 1086210,020 1086247,286 Lag -44 - -39 1086321,822 1086359,092 1086396,363 1086433,636 1086470,910 Lag -38 - -33 1086545,461 1086582,739 1086620,017 1086657,298 1086694,579 Lag -32 - -27 1086769,146 1086806,431 1086843,718 1086881,006 1086918,295 Lag -26 - -21 1086992,877 1087030,170 1087067,464 1087104,760 1087142,056 Lag -20 - -15 1087216,654 1087253,954 1087291,256 1087328,560 1087365,864 Lag -14 - -9 1087440,477 1087477,785 1087515,095 1087552,406 1087589,718 Lag -8 - -3 1087664,346 1087701,662 1087738,979 1087776,298 1087813,618 Lag -2 - 0 1087888,261 1087925,585 1087962,910 Lag -98 - -93 1084497,160 Lag -92 - -87 1084720,423 Lag -86 - -81 1084943,733 Lag -80 - -75 1085167,088 Lag -74 - -69 1085390,489 Lag -68 - -63 1085613,936 Lag -62 - -57 1085837,429 Lag -56 - -51 1086060,968 Lag -50 - -45 1086284,553 Lag -44 - -39 1086508,185 Lag -38 - -33 1086731,862
49
Lag -32 - -27 1086955,585 Lag -26 - -21 1087179,354 Lag -20 - -15 1087403,170 Lag -14 - -9 1087627,031 Lag -8 - -3 1087850,939 Lag -2 - 0 Back forecast residuals Lag -98 - -93 74,398 138,585 193,963 241,741 282,963 318,528 Lag -92 - -87 349,213 375,688 398,531 418,241 435,247 449,921 Lag -86 - -81 462,584 473,510 482,940 491,077 498,099 504,161 Lag -80 - -75 509,392 513,908 517,807 521,173 524,079 526,589 Lag -74 - -69 528,757 530,630 532,248 533,647 534,856 535,902 Lag -68 - -63 536,806 537,589 538,268 538,855 539,365 539,807 Lag -62 - -57 540,191 540,525 540,815 541,068 541,289 541,483 Lag -56 - -51 541,652 541,800 541,931 542,046 542,149 542,239 Lag -50 - -45 542,320 542,392 542,457 542,515 542,568 542,617 Lag -44 - -39 542,661 542,702 542,739 542,774 542,807 542,838 Lag -38 - -33 542,867 542,895 542,922 542,947 542,971 542,995 Lag -32 - -27 543,018 543,040 543,062 543,084 543,105 543,126 Lag -26 - -21 543,146 543,166 543,186 543,206 543,226 543,245 Lag -20 - -15 543,264 543,284 543,303 543,322 543,341 543,360 Lag -14 - -9 543,379 543,398 543,417 543,436 543,454 543,473 Lag -8 - -3 543,492 543,511 543,529 543,548 543,567 543,586 Lag -2 - 0 543,604 543,623 543,642 Final Estimates of Parameters Type Coef SE Coef T P AR 1 1,0000 0,0043 233,95 0,000 MA 1 0,8627 0,3237 2,67 0,024 Number of observations: 12 Residuals: SS = 88659622857 (backforecasts excluded) MS = 8865962286 DF = 10 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square * * * * DF * * * * P-Value * * * * Forecasts from period 12 95 Percent Limits Period Forecast Lower Upper Actual 13 1076419 891829 1261008 14 1076382 890062 1262701 15 1076345 888311 1264379 16 1076308 886575 1266041 17 1076271 884854 1267687 18 1076234 883149 1269319 19 1076197 881457 1270937 20 1076160 879780 1272540 21 1076123 878116 1274130 22 1076086 876466 1275706 23 1076049 874829 1277270 24 1076012 873205 1278820
50
Lampiran 4. Model Program Sasaran Linier objective function :
min 0.5 db11 + 0.5 db12 + 0.5 db13 + 0.5 db14 + 0.5 db15 + 0.5 db16 + 0.5 db17 + 0.5 db18 + 0.5 db19 + 0.5 db110 + 0.5 db111 + 0.5 db112 + 0.3 da21 + 0.3 da22 + 0.3 da23 + 0.3 da24 + 0.3 da25 + 0.3 da26 + 0.3 da27 + 0.3 da28 + 0.3 da29 + 0.3 da210 + 0.3 da211 + 0.3 da212 + 0.2 da31 + 0.2 da32 + 0.2 da33 + 0.2 da34 + 0.2 da35 + 0.2 da36 + 0.2 da37 + 0.2 da38 + 0.2 da39 + 0.2 da310 + 0.2 da311 + 0.2 da312
subject to
a). kendala permintaan
db11 - da11 + X1 = 1076419
db12 - da12 + X2 = 1076382
db13 - da13 + X3 = 1076345
db14 - da14 + X4 = 1076308
db15 - da15 + X5 = 1076271
db16 - da16 + X6 = 1076234
db17 - da17 + X7 = 1076197
db18 - da18 + X8 = 1076160
db19 - da19 + X9 = 1076123
db110 - da110 + X10 = 1076086
db111 - da111 + X11 = 1076049
db112 - da112 + X12 = 1076012
b). kendala jam kerja reguler
db21 - da21 + 0.00051 X1 = 525
db22 - da22 + 0.00051 X2 = 504
db23 - da23 + 0.00051 X3 = 483
db24 - da24 + 0.00051 X4 = 546
db25 - da25 + 0.00051 X5 = 525
db26 - da26 + 0.00051 X6 = 525
db27 - da27 + 0.00051 X7 = 546
db28 - da28 + 0.00051 X8 = 525
db29 - da29 + 0.00051 X9 = 546
51
db210 - da210 + 0.00051 X10 = 525
db211 - da211 + 0.00051 X11 = 525
db212 - da212 + 0.00051 X12 = 504
c). kendala jam kerja lembur
da21 + db31 - da31 = 126
da22 + db32 - da32 = 105
da23 + db33 - da33 = 168
da24 + db34 - da34 = 84
da25 + db35 - da35 = 126
da26 + db36 - da36 = 105
da27 + db37 - da37 = 105
da28 + db38 - da38 = 126
da29 + db39 - da39 = 84
da210 + db310 - da310 = 126
da211 + db311 - da311 = 105
da212 + db312 - da312 = 147
d). kendala kapasitas produksi
X1 <= 1500000
X2 <= 1500000
X3 <= 1500000
X4 <= 1500000
X5 <= 1500000
X6 <= 1500000
X7 <= 1500000
X8 <= 1500000
X9 <= 1500000
X10 <= 1500000
X11 <= 1500000
X12 <= 1500000
52
e). kendala persediaan produk
X1 - I1 = 1076419
I1 + X2 - I2 = 1076382
I2 + X3 - I3 = 1076345
I3 + X4 - I4 = 1076308
I4 + X5 - I5 = 1076271
I5 + X6 - I6 = 1076234
I6 + X7 - I7 = 1076197
I7 + X8 - I8 = 1076160
I8 + X9 - I9 = 1076123
I9 + X10 - I10 = 1076086
I10 + X11 - I11 = 1076049
I11 + X12 - I12 = 1076012
f). kendala kapasitas gudang
X1 <= 1200000
I1 + X2 <= 1200000
I2 + X3 <= 1200000
I3 + X4 <= 1200000
I4 + X5 <= 1200000
I5 + X6 <= 1200000
I6 + X7 <= 1200000
I7 + X8 <= 1200000
I8 + X9 <= 1200000
I9 + X10 <= 1200000
I10 + X11 <= 1200000
I11 + X12 <= 1200000
end
53
Lampiran 5. Hasil Output Program LINDO
LP OPTIMUM FOUND AT STEP 19
OBJECTIVE FUNCTION VALUE
1) 92.23159
VARIABLE VALUE REDUCED COST
DB11 0.000000 0.500000
DB12 0.000000 0.500000
DB13 0.000000 0.500000
DB14 0.000000 0.500000
DB15 0.000000 0.500000
DB16 0.000000 0.500000
DB17 0.000000 0.500000
DB18 0.000000 0.500000
DB19 0.000000 0.500000
DB110 0.000000 0.500000
DB111 0.000000 0.500000
DB112 0.000000 0.500000
DA21 23.973673 0.000000
DA22 44.954803 0.000000
DA23 65.935936 0.000000
DA24 2.917062 0.000000
DA25 23.898191 0.000000
DA26 23.879322 0.000000
DA27 2.860452 0.000000
DA28 23.841581 0.000000
DA29 2.822712 0.000000
54
DA210 23.803843 0.000000
DA211 23.784973 0.000000
DA212 44.766102 0.000000
DA31 0.000000 0.200000
DA32 0.000000 0.200000
DA33 0.000000 0.200000
DA34 0.000000 0.200000
DA35 0.000000 0.200000
DA36 0.000000 0.200000
DA37 0.000000 0.200000
DA38 0.000000 0.200000
DA39 0.000000 0.200000
DA310 0.000000 0.200000
DA311 0.000000 0.200000
DA312 0.000000 0.200000
DA11 0.000000 0.000000
X1 1076419.000000 0.000000
DA12 0.000000 0.000000
X2 1076382.000000 0.000000
DA13 0.000000 0.000000
X3 1076345.000000 0.000000
DA14 0.000000 0.000000
X4 1076308.000000 0.000000
DA15 0.000000 0.000000
X5 1076271.000000 0.000000
DA16 0.000000 0.000000
X6 1076234.000000 0.000000
DA17 0.000000 0.000000
X7 1076197.000000 0.000000
DA18 0.000000 0.000000
55
X8 1076160.000000 0.000000
DA19 0.000000 0.000000
X9 1076123.000000 0.000000
DA110 0.000000 0.000000
X10 1076086.000000 0.000000
DA111 0.000000 0.000000
X11 1076049.000000 0.000000
DA112 0.000000 0.000000
X12 1076012.000000 0.000000
DB21 0.000000 0.300000
DB22 0.000000 0.300000
DB23 0.000000 0.300000
DB24 0.000000 0.300000
DB25 0.000000 0.300000
DB26 0.000000 0.300000
DB27 0.000000 0.300000
DB28 0.000000 0.300000
DB29 0.000000 0.300000
DB210 0.000000 0.300000
DB211 0.000000 0.300000
DB212 0.000000 0.300000
DB31 102.026329 0.000000
DB32 60.045197 0.000000
DB33 102.064064 0.000000
DB34 81.082939 0.000000
DB35 102.101807 0.000000
DB36 81.120674 0.000000
DB37 102.139549 0.000000
DB38 102.158417 0.000000
DB39 81.177284 0.000000
56
DB310 102.196159 0.000000
DB311 81.215027 0.000000
DB312 102.233894 0.000000
I1 0.000000 0.000000
I2 0.000000 0.000000
I3 0.000000 0.000000
I4 0.000000 0.000000
I5 0.000000 0.000000
I6 0.000000 0.000000
I7 0.000000 0.000000
I8 0.000000 0.000000
I9 0.000000 0.000000
I10 0.000000 0.000000
I11 0.000000 0.000000
I12 0.000000 0.000153
ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.000000
3) 0.000000 0.000000
4) 0.000000 0.000000
5) 0.000000 0.000000
6) 0.000000 0.000000
7) 0.000000 0.000000
8) 0.000000 0.000000
9) 0.000000 0.000000
10) 0.000000 0.000000
11) 0.000000 0.000000
12) 0.000000 0.000000
13) 0.000000 0.000000
57
14) 0.000000 0.300000
15) 0.000000 0.300000
16) 0.000000 0.300000
17) 0.000000 0.300000
18) 0.000000 0.300000
19) 0.000000 0.300000
20) 0.000000 0.300000
21) 0.000000 0.300000
22) 0.000000 0.300000
23) 0.000000 0.300000
24) 0.000000 0.300000
25) 0.000000 0.300000
26) 0.000000 0.000000
27) 0.000000 0.000000
28) 0.000000 0.000000
29) 0.000000 0.000000
30) 0.000000 0.000000
31) 0.000000 0.000000
32) 0.000000 0.000000
33) 0.000000 0.000000
34) 0.000000 0.000000
35) 0.000000 0.000000
36) 0.000000 0.000000
37) 0.000000 0.000000
38) 423581.000000 0.000000
39) 423618.000000 0.000000
40) 423655.000000 0.000000
41) 423692.000000 0.000000
42) 423729.000000 0.000000
43) 423766.000000 0.000000
58
44) 423803.000000 0.000000
45) 423840.000000 0.000000
46) 423877.000000 0.000000
47) 423914.000000 0.000000
48) 423951.000000 0.000000
49) 423988.000000 0.000000
50) 0.000000 -0.000153
51) 0.000000 -0.000153
52) 0.000000 -0.000153
53) 0.000000 -0.000153
54) 0.000000 -0.000153
55) 0.000000 -0.000153
56) 0.000000 -0.000153
57) 0.000000 -0.000153
58) 0.000000 -0.000153
59) 0.000000 -0.000153
60) 0.000000 -0.000153
61) 0.000000 -0.000153
62) 123581.000000 0.000000
63) 123618.000000 0.000000
64) 123655.000000 0.000000
65) 123692.000000 0.000000
66) 123729.000000 0.000000
67) 123766.000000 0.000000
68) 123803.000000 0.000000
69) 123840.000000 0.000000
70) 123877.000000 0.000000
71) 123914.000000 0.000000
72) 123951.000000 0.000000
73) 123988.000000 0.000000
59
NO. ITERATIONS= 19
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
DB11 0.500000 INFINITY 0.500000
DB12 0.500000 INFINITY 0.500000
DB13 0.500000 INFINITY 0.500000
DB14 0.500000 INFINITY 0.500000
DB15 0.500000 INFINITY 0.500000
DB16 0.500000 INFINITY 0.500000
DB17 0.500000 INFINITY 0.500000
DB18 0.500000 INFINITY 0.500000
DB19 0.500000 INFINITY 0.500000
DB110 0.500000 INFINITY 0.500000
DB111 0.500000 INFINITY 0.500000
DB112 0.500000 INFINITY 0.500000
DA21 0.300000 INFINITY 0.000000
DA22 0.300000 0.000000 0.000000
DA23 0.300000 0.000000 0.000000
DA24 0.300000 0.000000 0.000000
DA25 0.300000 0.000000 0.000000
DA26 0.300000 0.000000 0.000000
DA27 0.300000 0.000000 0.000000
DA28 0.300000 0.000000 0.000000
DA29 0.300000 0.000000 0.000000
DA210 0.300000 0.000000 0.000000
60
DA211 0.300000 0.000000 0.000000
DA212 0.300000 0.000000 0.300000
DA31 0.200000 INFINITY 0.200000
DA32 0.200000 INFINITY 0.200000
DA33 0.200000 INFINITY 0.200000
DA34 0.200000 INFINITY 0.200000
DA35 0.200000 INFINITY 0.200000
DA36 0.200000 INFINITY 0.200000
DA37 0.200000 INFINITY 0.200000
DA38 0.200000 INFINITY 0.200000
DA39 0.200000 INFINITY 0.200000
DA310 0.200000 INFINITY 0.200000
DA311 0.200000 INFINITY 0.200000
DA312 0.200000 INFINITY 0.200000
DA11 0.000000 INFINITY 0.000000
X1 0.000000 INFINITY 0.000000
DA12 0.000000 0.000000 0.000000
X2 0.000000 0.000000 0.000000
DA13 0.000000 0.000000 0.000000
X3 0.000000 0.000000 0.000000
DA14 0.000000 0.000000 0.000000
X4 0.000000 0.000000 0.000000
DA15 0.000000 0.000000 0.000000
X5 0.000000 0.000000 0.000000
DA16 0.000000 0.000000 0.000000
X6 0.000000 0.000000 0.000000
DA17 0.000000 0.000000 0.000000
X7 0.000000 0.000000 0.000000
DA18 0.000000 0.000000 0.000000
X8 0.000000 0.000000 0.000000
61
DA19 0.000000 0.000000 0.000000
X9 0.000000 0.000000 0.000000
DA110 0.000000 0.000000 0.000000
X10 0.000000 0.000000 0.000000
DA111 0.000000 0.000000 0.000000
X11 0.000000 0.000000 0.000000
DA112 0.000000 0.000000 0.000153
X12 0.000000 0.000000 0.000153
DB21 0.000000 INFINITY 0.300000
DB22 0.000000 INFINITY 0.300000
DB23 0.000000 INFINITY 0.300000
DB24 0.000000 INFINITY 0.300000
DB25 0.000000 INFINITY 0.300000
DB26 0.000000 INFINITY 0.300000
DB27 0.000000 INFINITY 0.300000
DB28 0.000000 INFINITY 0.300000
DB29 0.000000 INFINITY 0.300000
DB210 0.000000 INFINITY 0.300000
DB211 0.000000 INFINITY 0.300000
DB212 0.000000 INFINITY 0.300000
DB31 0.000000 0.000000 0.200000
DB32 0.000000 0.000000 0.000000
DB33 0.000000 0.000000 0.000000
DB34 0.000000 0.000000 0.000000
DB35 0.000000 0.000000 0.000000
DB36 0.000000 0.000000 0.000000
DB37 0.000000 0.000000 0.000000
DB38 0.000000 0.000000 0.000000
DB39 0.000000 0.000000 0.000000
DB310 0.000000 0.000000 0.000000
62
DB311 0.000000 0.000000 0.000000
DB312 0.000000 0.300000 0.000000
I1 0.000000 INFINITY 0.000000
I2 0.000000 INFINITY 0.000000
I3 0.000000 INFINITY 0.000000
I4 0.000000 INFINITY 0.000000
I5 0.000000 INFINITY 0.000000
I6 0.000000 INFINITY 0.000000
I7 0.000000 INFINITY 0.000000
I8 0.000000 INFINITY 0.000000
I9 0.000000 INFINITY 0.000000
I10 0.000000 INFINITY 0.000000
I11 0.000000 INFINITY 0.000000
I12 0.000000 INFINITY 0.000153
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 1076419.000000 0.000000 INFINITY
3 1076382.000000 0.000000 INFINITY
4 1076345.000000 0.000000 INFINITY
5 1076308.000000 0.000000 INFINITY
6 1076271.000000 0.000000 INFINITY
7 1076234.000000 0.000000 INFINITY
8 1076197.000000 0.000000 INFINITY
9 1076160.000000 0.000000 INFINITY
10 1076123.000000 0.000000 INFINITY
11 1076086.000000 0.000000 INFINITY
12 1076049.000000 0.000000 INFINITY
13 1076012.000000 0.000000 INFINITY
63
14 525.000000 23.973673 102.026329
15 504.000000 44.954803 60.045197
16 483.000000 65.935936 102.064064
17 546.000000 2.917062 81.082939
18 525.000000 23.898191 102.101807
19 525.000000 23.879322 81.120674
20 546.000000 2.860452 102.139549
21 525.000000 23.841581 102.158417
22 546.000000 2.822712 81.177284
23 525.000000 23.803843 102.196159
24 525.000000 23.784973 81.215027
25 504.000000 44.766102 102.233894
26 126.000000 INFINITY 102.026329
27 105.000000 INFINITY 60.045197
28 168.000000 INFINITY 102.064064
29 84.000000 INFINITY 81.082939
30 126.000000 INFINITY 102.101807
31 105.000000 INFINITY 81.120674
32 105.000000 INFINITY 102.139549
33 126.000000 INFINITY 102.158417
34 84.000000 INFINITY 81.177284
35 126.000000 INFINITY 102.196159
36 105.000000 INFINITY 81.215027
37 147.000000 INFINITY 102.233894
38 1500000.000000 INFINITY 423581.000000
39 1500000.000000 INFINITY 423618.000000
40 1500000.000000 INFINITY 423655.000000
41 1500000.000000 INFINITY 423692.000000
42 1500000.000000 INFINITY 423729.000000
43 1500000.000000 INFINITY 423766.000000
64
44 1500000.000000 INFINITY 423803.000000
45 1500000.000000 INFINITY 423840.000000
46 1500000.000000 INFINITY 423877.000000
47 1500000.000000 INFINITY 423914.000000
48 1500000.000000 INFINITY 423951.000000
49 1500000.000000 INFINITY 423988.000000
50 1076419.000000 123581.000000 0.000000
51 1076382.000000 117735.679688 0.000000
52 1076345.000000 123655.000000 0.000000
53 1076308.000000 123692.000000 0.000000
54 1076271.000000 123729.000000 0.000000
55 1076234.000000 123766.000000 0.000000
56 1076197.000000 123803.000000 0.000000
57 1076160.000000 123840.000000 0.000000
58 1076123.000000 123877.000000 0.000000
59 1076086.000000 123914.000000 0.000000
60 1076049.000000 123951.000000 0.000000
61 1076012.000000 123988.000000 0.000000
62 1200000.000000 INFINITY 123581.000000
63 1200000.000000 INFINITY 123618.000000
64 1200000.000000 INFINITY 123655.000000
65 1200000.000000 INFINITY 123692.000000
66 1200000.000000 INFINITY 123729.000000
67 1200000.000000 INFINITY 123766.000000
68 1200000.000000 INFINITY 123803.000000
69 1200000.000000 INFINITY 123840.000000
70 1200000.000000 INFINITY 123877.000000
71 1200000.000000 INFINITY 123914.000000
72 1200000.000000 INFINITY 123951.000000
73 1200000.000000 INFINITY 123988.000000
65