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