LAPORAN PRAKTIK KERJA LAPANG

PERAMALAN HASIL PRODUKSI PETI PLASTIK NO. 260

DENGAN MENGGUNAKAN METODE ARIMA BOX - JENKINS
(STUDI PADA PT. PINDAD (PERSERO) DIVISI MUNISI TUREN, MALANG)

Oleh:
BILLY FATHURRACHMAN
145090501111016

PROGRAM STUDI STATISTIKA

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
MALANG
2017

i
ii
 HALAMAN PENGESAHAN
LAPORAN PRAKTIK KERJA LAPANG PT. PINDAD (PERSERO)
DIVISI MUNISI TUREN, MALANG

Disusun oleh:

Nama : Billy Fathurrachman

NIM : 145090501111016
Program Studi : Statistika

Diperiksa dan disahkan oleh:

General Manager Pembimbing Lapang,

Rendalprod dan Gudang

Gatot Supriyadi, ST Suranto

Mengetahui,
A.n. General Manager Divisi Munisi

Arif Rochman
W.s. Manager Umum

iii
iv
 HALAMAN ASISTENSI
DIVISI MUNISI PT PINDAD
(PERSERO) TUREN MALANG

Nama : Billy Fathurrachman

NIM : 145090501111016
Program Studi : Statistika

No. Tanggal Bagian Pembimbing Keterangan Paraf

1. 6-06-2017 Dep. Wiyono - Tes
Pam kesetiaan
- Pengarahan
tata tertib

2. 1-08-2017 Dep. Bambang - Pembagian

Umum Nuriono departemen
- Pengenalan
lingkungan
3. 1-08-2017 Dep. Suranto - Pengarahan
Rendal PKL
prod -Pelaksanaan
kegiatan
PKL
4. 20-06-2017 Dep. Jupriyono - ACC
Pam Laporan

Turen, 24 Agustus 2017

General Manager Pembimbing Lapang,

Rendalprod dan Gudang

Gatot Supriyadi, ST Suranto

v
vi
 PERAMALAN HASIL PRODUKSI PETI PLASTIK NO. 260
DENGAN MENGGUNAKAN METODE ARIMA BOX - JENKINS
STUDI PADA PT. PINDAD (PERSERO) DIVISI MUNISI TUREN, MALANG)

ABSTRAK

PT PINDAD (Persero) merupakan perusahaan manufaktur BUMN

yang bergerak di bidang industri alutsista di Indonesia. Perusahaan ini
memproduksi kebutuhan militer salah satunya munisi yang produksinya
berada di Turen, Malang. Munisi menjadi sarana penting sebagai
penunjang kualitas dan kelengkapan militer di Indonesia untuk menjaga
keamanan dan keutuhan NKRI. Selain memproduksi munisi untuk
kelengkapan senjata, PT. PINDAD juga memproduksi peti untuk
penyimpanan munisi, salah satunya adalah Peti Plastik No. 260.
Peramalan dengan menggunakan metode ARIMA Box Jenkins adalah
suatu metode untuk mendapatkan nilai suatu proses atau produksi di
waktu yang akan datang dengan berdasarkan data dari waktu
sebelumya. Setelah diperolehnya hasil peramalan dengan model AR
(1). Dengan didapatkannya model AR(1) mengindikasikan bahwa hasil
produksi di waktu yang akan datang dipengaruhi oleh hasil produksi
pada waktu sebelumnya. Dari model AR(1) didapatkan hasil peramalan
untuk lima bulan yang akan datang yang apabila hasil dari peramalan
tersebut dijumlahkan dengan hasil produksi 7 bulan sebelumnya maka
dapat memenuhi pesanan Peti Plastik No. 260 sebanyak 72.000 buah.
Dari hasil ini dapat dilihat bahwa kebijakan yang diterapkan sudah
tepat dan kedepannya diharapkan PT. PINDAD (Persero) dapat terus
diterapkan untuk mengembangkan pengendalian dan perencanaan
produksi munisi maupun komponen komponen pendukung.

Kata Kunci: ARIMA, AR(1), Peti Plastik No. 260, PT. PINDAD (Persero)

vii
viii
 KATA PENGANTAR

Puji syukur Alhamdulillah kepada Allah SWT yang telah

melimpahkan rahmat, hidayahnya sehingga penulis dapat melaksanakan
Praktik Kerja Lapang (PKL) serta dapat menyelesaikan laporan tanpa
adanya halangan yang berarti.
Dalam penyusunan laporan hasil praktik kerja lapang ini
penulis banyak mendapatkan bantuan dari berbagai pihak, oleh sebab
itu penulis ingin menyampaikan rasa hormat dan terima kasih
kepada:
1. Ibu Dr. Suci Astutik, S.Si., M.Si. selaku dosen pembimbing atas
waktu dan bimbingan yang telah diberikan.
2. Ibu Rahma Fitriani, S.Si, M.Sc, Ph.D selaku ketua program
studi Statistika.
3. Bapak Ratno Bagus E. W., M.Si, Ph.D., selaku ketua jurusan
Matematika FMIPA Universitas Brawijaya..
4. Kepala Divisi beserta staff Divisi Munisi PT PINDAD (Persero)
Turen,Malang khususnya Departemen Rendalprod atas
bantuan, dukungan, serta kerjasamanya.
5. Seluruh staff dan karyawan Jurusan Matematika FMIPA
Universitas Brawijaya.
6. Ibu, Bapak, Adik, dan seluruh keluarga besar atas cinta kasih,
dorongan, serta doanya.
7. Teman-teman Statistika dan Ganteng Ganteng Statistika
Universitas Brawijaya angkatan 2014.
8. Teman-teman pengurus Studio Statistika 2017
9. Semua pihak yang telah membantu penyelesaian laporan PKL.
Dengan adanya penulisan laporan PKL ini diharapkan dapat
memberikan manfaat kepada berbagai pihak terutama PT PINDAD
(Persero) dan Universitas Brawijaya. Namun, penyusunan laporan
PKL ini masih jauh dari sempurna. Oleh karena itu kritik dan saran
dari pembaca sangat diharapkan demi tersusunnya penulisan laporan
yang lebih baik kedepannya.

Malang, 21 September 2017

Penulis
ix
x
 DAFTAR ISI

HALAMAN PENGESAHAN .................................................................. iii

HALAMAN ASISTENSI .......................................................................... v
ABSTRAK .............................................................................................. vii
KATA PENGANTAR .............................................................................. ix
DAFTAR ISI ............................................................................................ xi
DAFTAR GAMBAR ............................................................................. xiii
DAFTAR TABEL ................................................................................... xv
DAFTAR LAMPIRAN ......................................................................... xvii
BAB I PENDAHULUAN ......................................................................... 1
1.1 Latar Belakang .......................................................................... 1
1.2 Tujuan........................................................................................ 2
1.2.1 Tujuan Umum.................................................................... 2
1.2.2 Tujuan Khusus ................................................................... 2
1.3 Manfaat...................................................................................... 2
1.3.1 Bagi Mahasiswa................................................................. 3
1.3.2 Bagi Universitas Brawijaya ............................................... 3
1.3.3 Bagi PT. PINDAD (Persero) Turen Malang...................... 3
1.4 Batasan Masalah ........................................................................ 3
BAB II TINJAUAN UMUM DAN PERMASALAHAN ......................... 5
2.1 Tinjauan Umum Perusahaan...................................................... 5
2.1.1 Sejarah Perusahaan ............................................................ 5
2.1.2 Bentuk Hukum Perusahaan ............................................... 6
2.1.3 Maksud Tujuan Pendirian.................................................. 6
2.1.4 Struktur PT PINDAD (Persero)......................................... 7
2.1.5 Departemen Rendalprod .................................................... 7
2.1.6 Keselamatan Kerja............................................................. 8
2.1.7 Tata Letak Perusahaan....................................................... 9
2.2 Tinjauan Bidang ...................................................................... 10
2.2.1 Hasil Produksi ................................................................. 10
2.2.2 Peti Amunisi .................................................................... 10
2.3 Permasalahan ........................................................................... 11
2.3.1 Masalah ........................................................................... 11
2.3.2 Ide Pemecahan Masalah .................................................. 12
2.4 Tinjauan Statistika ................................................................... 12
2.4.1 Analisis Deret Waktu ...................................................... 12
2.4.2 Stasioneritas Deret Waktu ............................................... 13
2.4.3 Model Autoregressive Integrated Moving Average (ARIMA) . 15
2.4.4 Tahapan Pemodelan dan Peramalan ................................ 16

xi
 2.4.5 Identifikasi Model dengan Menggunakan ACF dan PACF .. 17
2.4.6 Pendugaan Parameter Model ........................................... 18
2.4.7 Uji Kelayakan Model ....................................................... 18
2.4.8 Pemilihan Model Terbaik ................................................ 19
2.4.9 Uji Diagnostik Residual ................................................... 19
2.4.10 Peramalan ........................................................................ 20
BAB III HASIL DAN PEMBAHASAN ................................................. 21
3.1 Kegiatan PKL .......................................................................... 21
3.2 Plot Data Deret Waktu ............................................................. 21
3.3.1 Uji Stasioner terhadap Ragam ......................................... 22
3.3.2 Uji Stasioneritas terhadap Rata Rata ............................ 23
3.4 Penentuan Model Tentatif........................................................ 24
3.5 Pendugaan dan Uji Signifikansi Parameter ............................. 25
3.6 Uji Kelayakan Model ............................................................... 26
3.7 Pemilihan Model Terbaik ........................................................ 27
3.8 Uji Normalitas Galat ................................................................ 27
3.9 Uji Diagnostik.......................................................................... 28
3.10 Peramalan ................................................................................ 29
BAB IV KESIMPULAN DAN SARAN ................................................ 31
4.1 Kesimpulan .............................................................................. 31
4.2 Saran ........................................................................................ 31
DAFTAR PUSTAKA .............................................................................. 33
LAMPIRAN ............................................................................................ 35

xii
 DAFTAR GAMBAR

Gambar 2. 1 Peti Plastik No. 260 ............................................................ 11

Gambar 3. 1 Plot Deret Waktu ................................................................ 21
Gambar 3. 2 Box Cox I ........................................................................ 22
Gambar 3. 3 Box Cox II .......................................................................... 23
Gambar 3. 4 Plot ACF ............................................................................. 23
Gambar 3. 5 Plot ACF ............................................................................. 24
Gambar 3. 6 Plot PACF ........................................................................... 25
Gambar 3. 7 Plot Normalitas Galat ......................................................... 28
Gambar 3. 8 Plot ACF galat .................................................................... 29
Gambar 3. 9 Plot Hasil Peramalan .......................................................... 29

xiii
xiv
 DAFTAR TABEL

Tabel 2. 1 Pola ACF dan PACF ................................................................... 18

Tabel 3. 1 Uji Signifikansi Parameter .......................................................... 26
Tabel 3. 2 Uji Kelayakan Ljung - Box ......................................................... 26
Tabel 3. 3 Nilai MSE dari Model ................................................................. 27
Tabel 3. 4 Hasil Peramalan Belum di Transformasi ..................................... 30
Tabel 3. 5 Hasil Peramalan Sudah di Transformasi ..................................... 30

xv
xvi
 DAFTAR LAMPIRAN

Lampiran 1. Jurnal Kegiatan Praktik Kerja Lapang di PT. PINDAD

(Persero) Divisi Munisi Turen, Malang. .................................. 35
Lampiran 2. Data Hasil Produksi Peti Plastik No. 260 dari bulan Januari
2014 hingga Juli 2017 .............................................................. 37
Lampiran 3. Uji ADF (Augmented Dickey Fuller) ................................... 38
Lampiran 4. Nilai Signifikansi Parameter Model, Nilai MSE dan Nilai Hasil
Uji Ljung Box dari Model yang terpilih ............................... 39
Lampiran 5. Hasil Peramalan ....................................................................... 41
Lampiran 6. Struktur Organisasi PT. PINDAD (Persero) Divisi Munisi Turen 42
Lampiran 7. Struktur Organisasi Departemen Rendalprod .......................... 43

xvii
18
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Praktik kerja lapang atau yang pada umumnya disebut PKL
merupakan salah satu kegiatan pelatihan kerja untuk
mengimplementasikan teori dan ilmu yang didapatkan selama di
perkuliahan dalam dunia kerja. Pada umumnya PKL dilakukan oleh
mahasiswa tingkat akhir sebagai salah satu syarat untuk menyelesaikan
jenjang studi. Kegiatan ini digunakan oleh mahasiswa untuk
mengaplikasikan ilmu yang telah dipelajari di kegiatan perkuliahan
dan mempelajari secara rinci tentang seluk beluk standar kerja
profesional. Mahasiswa dapat menambah wawasan mengenai dunia
industri dan meningkatkan keterampilan serta keahlian dalam praktek
kerja. Kegiatan ini sesuai dengan kurikulum pendidikan Strata I Program
Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Universitas Brawijaya Malang.
Statistika dapat diterapkan di segala bidang yang salah satunya
adalah bidang industri. Ilmu statistika sangat dibutuhkan dalam upaya
pengambilan keputusan maupun merencanakan langkah langkah ke
depan guna mengembangkan hasil dari kegiatan maupun proses yang
sedang jalani. Statistika juga menjadi alat untuk menyelesaikan suatu
permasalahan yang berhubungan dengan angka maupun data, baik
kuantitatif maupun kualitatif. Oleh karena itu, statistika menjadi salah satu
faktor pendukung utama dalam pengambilan suatu kebijakan. Khususnya
dalam bidang industri yang banyak melakukan produksi dan
membutuhkan pengambilan keputusan yang cepat dan tepat.
Untuk PT. PINDAD (Persero) Divisi Munisi Turen tidak hanya
memproduksi munisi untuk kebutuhan alutsista, namun juga komponen
komponen pendukungnya seperti peti munisi. Dengan meningkatnya
kebutuhan munisi dari tahun ke tahun, tentu kebutuhan akan komponen
pendukung peti munisi pun juga turut mengalami peningkatan.
Perkembangan kebutuhan akan munisi dan komponen pendukung tersebut
harus dapat di imbangi dengan perencanaan produksi yang baik.
Tingkat produksi yang maksimal dapat tercapai apabila terjadi
kesinergisan pada semua lini maupun departemen yang ada di PT.
1
PINDAD (Persero). Perencanaan yang baik, perawatan infrastruktur, alur
pengadaan bahan baku yang teratur, manajemen yang tertata rapi, serta
pengembangan - pengembangan inovasi terbaru dapat menjadi aspek
aspek penting yang harus di perhatikan guna mencapai salah satu tujuan
perusahaan yaitu menjadi salah satu perusahaan produksi senjata alutsista
terbesar di Asia Tenggara.

1.2 Tujuan
Praktik Kerja Lapang yang dilaksanakan di PT. PINDAD (Persero)
Divisi Munisi Turen Malang memiliki tujuan sebagai berikut:

1.2.1 Tujuan Umum

Tujuan dari Praktik Kerja Lapang adalah:
1. Mengerti dan memahami penerapan teori yang telah diperoleh pada
saat perkuliahan dalam dunia kerja
2. Menambah pengetahuan dan pengalaman mahasiswa mengenai
keadaan yang sesungguhnya untuk mempersiapkan diri dalam
memasuki dunia kerja.
3. Mendapatkan pengalaman kerja dan mengetahui peran statistika dalam
dunia kerja

1.2.2 Tujuan Khusus

Tujuan khusus dari pelaksanaan Praktik Kerja Lapang adalah :
1. Mengetahui secara umum bagaimana proses produksi komponen66
pendukung Peti Plastik No. 260
2. Mengetahui gambaran produksi Peri Plastik No. 260 beserta alur tahap
produksinya
3. Memberikan kontribusi dalam bidang statistik untuk meramalkan
jumlah produksi yang mampu dilakukan oleh PT. PINDAD (Persero)
dalam waktu 5 bulan ke depan untuk memenuhi jumlah order tahunan.

1.3 Manfaat
Kegiatan PKL diharapkan mampu memberikan manfaat, baik bagi
mahasiswa, PT PINDAD (Persero) maupun pihak perguruan tinggi, yaitu:

2
1.3.1 Bagi Mahasiswa
1. Dapat menerapkan ilmu yang telah diterima di perkuliahan melalui
permasalahan yang ada di PT PINDAD (Persero).
2. Dapat menyiapkan langkah - langkah yang diperlukan untuk
menyesuaikan diri di lingkungan kerja.
3. Dapat meningkatkan pengetahuan dan pengalaman mahasiswa
untuk memasuki dunia kerja.

1.3.2 Bagi Universitas Brawijaya

1. Memperkenalkan Program Studi Statistika, Jurusan Matematika,
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Brawijaya Malang.
2. Menjalin hubungan yang baik dengan dengan PT PINDAD
(Persero).

1.3.3 Bagi PT. PINDAD (Persero) Turen Malang

1. Mendapatkan masukan/kontribusi positif dengan adanya bantuan
pemikiran dalam memecahkan suatu masalah, terutama yang
berhubungan dengan analisis data.
2. Sebagai informasi baru yang diharapkan dapat digunakan untuk
analisis data lebih lanjut guna merecanakan proses produksi ke
depannya.

1.4 Batasan Masalah

Adapun batasan masalah dalam laporan Praktik Kerja Lapang ini
adalah:
1. Data yang digunakan adalah data hasil produksi Peti Plastik No. 260
PT. PINDAD (Persero) dari bulan Januari 2014 sampai Juli 2017
2. Analisis yang digunakan adalah analisis deret waktu untuk melihat
pola dari data hasil produksi Peti Plastik No. 260 serta menggunakan
metode permalan ARIMA Box Jenkins untuk memprediksi jumlah
hasil produksi 5 bulan ke depan.

3
4
 BAB II
TINJAUAN UMUM DAN PERMASALAHAN

2.1 Tinjauan Umum Perusahaan

Perindustrian Angkatan Darat (PINDAD) merupakan suatu persero
Badan Usaha Milik Negara (BUMN) untuk mencukupi kebutuhan
pengembangan dan pengelolaan industri strategis dalam rangka
transformasi masyarakat menjadi bangsa yang maju teknologi dan
industrinya. Untuk itu pemerintah Indonesia dengan keputusan Presiden
No. 44 membentuk Badan Pengelolahan Industri Strategis (BPIS) yang
membina, mengolah dan mengawasi teknologi secara khusus dibawah
menteri Riset dan Teknologi. PT PINDAD yang merupakan satu dari
sepuluh (BUMN) yang tergabung dalam BPIS.
Sasaran yang ingin dicapai adalah mencukupi kebutuhan peralatan
pertahanan dan keamanan (HANKAM) dan produk munisi yang handal
dengan mutu tinggi, penguasaan teknologi yang sesuai dengan tuntutan
kebutuhan dan mempersiapkan kemampuan rekayasa industri yang siap
mendukung pembangunan nasional.
Sedangkan misi yang diemban oleh PT PINDAD adalah menjadi
salah satu usaha transformasi industri melalui pertahanan oleh teknologi
yang diwujudkan dalam bentuk keunggulan sistem menjadi senjata dan
pusat keunggulan teknologi lainnya yang sesuai dengan tugas dan fusngsi
PT PINDAD.

2.1.1 Sejarah Perusahaan

PT PINDAD (Persero) adalah perusahaan industri Manufaktur
Indonesia yang bergerak dalam bidang produk militer dan produk
komersial. Kegiatan PT PINDAD (Persero) meliputi desain dan
pengembangan, rekayasa, perkaitan, dan fabrikan serta perawatan.
Berdiri pada tahun 1908 sebagai bengkel Peralatan Militer di
Surabaya dengan nama Artillerie Constructie Winkel (ACW), bengkel ini
berkembang menjadi sebuah pabrik kemudian mengalami perubahan nama
pengelola menjadi Artillerie Inrichtingen (AI) selanjutnya dipindahkan
lokasinya ke Bandung pada tahun 1921.

5
 Pada tahun 1942, di masa penjajahan Jepang, namanya berganti
menjadi Dai Ichi Kozo (DIK) dan pada tahun 1947 berganti nama Leger
Productie Bedrijven (LPB). Setelah kemerdekaan, pemerintah Belanda
pada tahun 1950 menyerahkan pabrik tersebut kepada pemerintah
Indonesia pada tanggal 29 April 1950, yang selanjutnya diperingati sebagai
hari jadi perusahaan, pabrik tersebut diberi nama Pabrik Senjata dan Mesiu
(PSM) yang berlokasi di PT. PINDAD sekarang ini. Pada tahun 1962,
Pabrik Senjata dan Mesiu (PSM) yang berlokasi di PT PINDAD sekarang
ini.Pada tahun 1962, Pabrik Senjata dan Mesiu (PSM) berubah menjadi
sebuah Industri Alat Peralatan Militer yang dikelola oleh Angkatan Darat,
sehingga namanya menjadi Perindustrian Angkatan Darat (PINDAD).
PT PINDAD berubah status menjadi BUMN dengan nama PT
PINDAD (Persero) pada tanggal 29 April 1983, kemudian pada tahun 1989
perusahaan ini berada di bawah pembinaan Badan Pengelola Industri
Strategis (BPIS) yang kemudian berubah lagi namanya menjadi PT BPIS
(Persero).
Tahun 2002 PT BPIS (Persero) dibubarkan oleh pemerintah, sejak
itu PT PINDAD beralih status menjadi PT PINDAD (Persero) yang
langsung berada di bawah pembinaan kementrian BUMN.

2.1.2 Bentuk Hukum Perusahaan

Bentuk hukum dari perusahaan adalah Perseroan Terbatas (PT)
sesuai dengan keputusan Presiden No. 4 tahun 1983 dan Akte Pendirian PT
No. 30 tanggal 39 April 1983.

2.1.3 Maksud Tujuan Pendirian

Untuk melaksanakan dan menunjang kebijaksanaan dan program
pemerintah khususnya dalam bidang industri peralatan militer dan
transportasi (produksi perlengkapan kereta api dan kendaraan militer).
1. Visi dan Misi Perusahaan
A. Visi Perusahaan
Menjadi Produsen Peralatan Pertahanan dan Keamanan terkemuka di
Asia pada tahun 2023, melalui upaya inovasi produk dan kemitraan
strategik.

6
 B. Misi Perusahaan
Melaksanakan usaha terpadu di bidang peralatan pertahanan dan
keamanan serta peralatan industrial untuk mendukung pembangunan
nasional dan secara khusus untuk mendukung Pertahanan dan
Keamanan Negara.
2. Tujuan dari PT PINDAD (Persero) adalah:
Tujuan jangka pendek:
a. Meningkatkan keterampilan dan produktifitas kerja karyawan
b. Meningkatkan pengetahuan dan kemampuan karyawan untuk
mengikuti perkembangan perusahaan.

Tujuan jangka panjang:

a. Mencapai laba yang maksimal
b. Mengadakan ekspansi perusahaan
c. Menciptakan lapangan kerja yang lebih luas

2.1.4 Struktur PT PINDAD (Persero)

Organisasi merupakan struktur internal yang menunjukkan
kerjasama antar individu dalam pencapaian tujuan, oleh karena itu baik
perusahaan kecil maupun perusahaan besar memerlukan suatu struktur
organisasi yang terencana agar kegiatan perusahaan dapat terencana secara
efektif dan efisien.
Struktur organisasi merupakan rangkaian yang sangat berguna bagi
perusahaan dalam aktifitas usahanya untuk mencapai tujuan yang telah
ditetapkan. Maksud dan tujuan dari adanya struktur organisasi adalah untuk
mengadakan pendelegasian wewenang dan tugas yang jelas. Struktur
organisasi PT PINDAD (Persero) Turen-Malang sejak berdiri hingga kini,
banyak menggunakan sistem manajemen sesuai dengan kepentingan dan
kemajuan industri. Bagan struktur organisasi Divisi Munisi PT. PINDAD
(Persero) ada pada Lampiran 6.

2.1.5 Departemen Rendalprod

Salah satu aspek penting yang dimiliki oleh PT. PINDAD untuk
mengatur keluar masuknya pesanan munisi dan barang barang bahan
baku adalah Departemen Rendalprod atau Departemen Perencanaan dan

7
Pengendalian Produksi. Departemen Rendalprod sendiri terbagi menjadi 4
sub departemen. Struktur organisasi Departemen Rendalprod dapat dilihat
pada Lampiran 7.
Masing masing sub departemen memiliki tugas dan kewajibannya
masing masing sesuai dengan ketentuan yang sudah ditentukan. Secara
garis besar, Departemen Rendalprod bertugas untuk meneruskan pesanan
munisi atau komponen pendukung ke masing masing bagian yang
bertugas dan memiliki wewenang untuk membuatnya.

2.1.6 Keselamatan Kerja

1. Area Kerja
PT PINDAD (Persero) Divisi Munisi mempunyai wilayah kerja
dalam proses produksinya. Ketika pekerja memasuki wilayah kerja, semua
pekerja harus memakai alat pelindung diri dan mengikuti semua peraturan
keselamatan yang ditetapkan, diantaranya:
a) Memakai kacamata dan sepatu kerja.
b) Khusus untuk operator las, harus memakai sarung tangan, topeng las,
dan masker.
c) Dilarang merokok.
d) Memakai penutup telinga.
2. Tanda Keselamatan
Poster dan tanda harus diadopsi sebagai pertolongan visual untuk
pencegahan kecelakaan dan kebakaran. Poster harus ditulis dalam bahasa
Indonesia dan bahasa Inggris. Poster tersebut harus kelihatan mencolok
mata dan tidak dapat dipindah atau diletakkan kembali selama pekerjaan
berlangsung.
3. Tata Tertib PT PINDAD (Persero)
Tata tertib yang digunakan oleh PT PINDAD dituangkan dalam
5R yaitu ringkas, rapi, resik, rawat, dan rajin. Dalam 5R tersebut
terdapat sasaran-sasaran sebagai berikut:
a) Terciptanya tempat kerja yang bersih, cerah, dan menyenangkan.
b) Terawatnya peralatan dan perlengkapan serta bangunan selama proses
kerja.
c) Terwujudnya disiplin kerja yang dibutuhkan untuk mencapai standar
kerja.
8
d) Tercapainya perbaikan mutu kerja dengan mengurangi keragaman
hasil kerja.
e) Terselenggaranya perbaikan efisiensi masing-masing bagian.
f) Terbinanya suasana kerja yang nyaman dan menyenangkan dengan
disiplin yang tinggi dan saling menghargai antar karyawan.

2.1.7 Tata Letak Perusahaan

PT PINDAD (Persero) Turen-Malang terletak di Jl. Panglima
Sudirman No. 1 Turen, Malang. Penentuan daerah Turen sebagai lokasi
perusahaan berdasarkan atas beberapa pertimbangan. Pertimbanhan ini
merupakan wujud dari komitmen perusahaan dalam menyeimbangkan
kepentingan usahanya dengan kepentingan pihak-pihak yang lain yang
berkepentingan dengan perusahaan, baik secara langsung maupun tidak
langsung. Karena perusahaan berada ditengah-tengah komunitas yang
memiliki kedinamisan.
Pertimbangan-pertimbangan berikut merupakan dasar dari penentuan
daerah Turen sebagai lokasi perusahaan:
a) Ditinjau dari letak daerah, lokasi perusahaan berdiri di daerah Turen
yang jauh dari keramaian kota, sehingga aktivitas yang berkaitan
dengan proses produksi perusahaan tidak akan mengganggu aktivitas
dari lingkungan sekitarnya karena pabrik membutuhkan lokasi yang
nyaman dan terhindar dari aktivitas kesibukan.
b) Terdapat fasilitas pembangkit tenaga listrik dari PLN, dimana dengan
kemudahan tersebut akan dapat menunjang proses produksi.
c) Iklim daerah Turen yang cukup mendukung untuk menentukan lokasi
perusahaan. Dalam arti kelembaban udara dan panas matahari atau
variasi iklim yang tidak berpengaruh terhadap proses manufacturing
pada perusahaan.
d) Keadaan tanah di daerah Turen cukup baik bagi bangunan dan untuk
meletakkan atau menahan mesin-mesin berat milik perusahaan. Selain
itu keadaan tanah yang cukup tinggi, sehingga terhindar dari
kemungkinan adanya banjir.

9
2.2 Tinjauan Bidang
2.2.1 Hasil Produksi
Menghasilkan produk munisi ringan, munisi berat dan munisi
khusus yang handal dan baik fungsi sesuai keinginan pelanggan, regulasi
yang berlaku serta persyaratan ISO 9001:2000 dengan berusaha:
a. Mengoptimalkan biaya.
b. Meningkatkan kualitas produk.
c. Mengirimkan produk tepat waktu.
d. Meningkatkan kepuasan pelanggan.
Melalui peningkatan kemampuan sumber daya agar memberikan
manfaat bagi pelanggan maupun perusahaan. Menjamin hak atas
keselamatan, kesehatan lingkungan kerja yang aman dan sehat kepada
pegawai atau siapapun yang bekerja atas nama Divisi Munisi.
Mengkomunikasikan dan memastikan bahwa seluruh pegawai
memahami serta menerapkan kebijakan mutu, karena mutu merupakan
tanggung jawab setiap pegawai. Meningkatkan efektivitas sistem
manajemen mutu dengan cara meninjau dan mengevaluasi kesesuaian
kebijakan mutu secara periodik.

2.2.2 Peti Amunisi

PT. PINDAD (Persero) Divisi Munisi Turen memiliki tugas khusus
dalam pembuatan amunisi amunisi senjata dan juga komponen
pendukungnya. Komponen pendukung yang di produksi di PT. PINDAD
ada berbagai macam, mulai dari link belt hingga peti amunisi. Peti amunisi
sendiri terbagi menjadi 3 macam, ada Metallic Box, Peti Plastik No. 260
dan Peti Kayu No. 1A.
Peti Plastik No. 260 adalah salah satu jenis peti amunisi yang di
produksi dengan bahan utamanya adalah plastik PP yang merupakan bahan
penyusun badan dan bagian tutup. Untuk bahan penyusun pendukungnya,
terdapat pula komponen komponen yang terbuat dari besi baja seperti
klem dalam dan luar. Bentuk fisik dari Peti Plastik No. 260 dapat dilihat
pada Gambar 2.1.

10
 Gambar 2. 1 Peti Plastik No. 260
Kemudian untuk proses pelabelan pada peti menggunakan sablon
manual dan menggunakan mesin laser untuk pelabelan nama dan informasi
peti. Dalam proses pembuatan Peti Plastik No. 260 hanya proses marking
yang menggunakan mesin, untuk proses perakitan dilakukan secara manual.

2.3 Permasalahan
2.3.1 Masalah
PT. PINDAD (Persero) Divisi Munisi yang terletak di Turen
Kabupaten Malang merupakan cabang dari PT. PINDAD pusat. Sesuai
dengan namanya PT. PINDAD yang ada di Turen bertugas untuk
memenuhi kebutuhan munisi untuk senjata. Namun, bukan berarti barang
barang yang di produksi hanya terbatas pada munisi senjata saja, namun
juga komponen komponen pendukung lainnya, seperti peti tempat
penyimpanan amunisi senjata.
Tempat penyimpanan amunisi senjata juga merupakan salah satu
produk yang di produksi disini. Terdapat 3 jenis utama peti tempat
penyimpanan amunisi, yaitu Peti Metalik atau Metallic Box No. 1, Peti
Plastik No. 260 dan Peti Kayu. Masing masing jenis peti sesuai namanya
memiliki bahan dasar tersendiri, yaitu yang pertama dari plat baja, peti
plastik terbuat dari bahan plastik PP, dan dari kayu mahoni.
Untuk bagian pengadaan bahan baku dikelola oleh Departemen
Rendalprod sesuai dengan jumlah yang dibutuhkan. Kemudian bahan baku
di pindahkan ke bengkel maupun hall pembuatan masing masing peti dan
di proses oleh para pekerja. Masing masing peti memiliki standar waktu

11
pembuatannya masing masing sehingga jumlah peti yang dihasilkan
perbulan dapat di prediksi. Namun hal itu berbeda untuk peti plastik No.
260, karena untuk proses pengerjaannya sebagian besar dilakukan secara
manual dan hanya ada satu proses saja yang dikerjakan oleh mesin, yaitu
proses marking atau pemberian label pada peti. Selain proses pengerjaan
yang manual, persediaan bahan baku juga menjadi alasan penting tentang
kecepatan dan banyaknya jumlah peti plastik No. 260 yang dapat di
produksi pada setiap bulannya.
Untuk tahun 2017, jumlah peti plastik No. 260 yang di pesan
adalah sebanyak 72.000 buah. Hingga bulan Juli 2017, jumlah peti plastik
No. 260 yang telah selesai di produksi adalah sebanyak 44020 buah,
sehingga masih dibutuhkan 27980 buah lagi untuk memenuhi pesanan.
Untuk memenuhi pesanan dengan tepat waktu, data hasil produksi peti pada
bulan bulan sebelumnya dapat digunakan untuk memprediksi dan
mempersiapkan kebijakan apa yang dapat di lakukan perusahaan untuk
dapat memenuhi jumlah pesanan peti plastik No. 260.

2.3.2 Ide Pemecahan Masalah

Dari situasi dan kondisi di lapangan, agar dapat memaksimalkan
produksi serta dapat memproduksi peti munisi dengan tepat waktu serta
dengan jumlah yang di butuhkan, maka model hasil produksi peti plastik
No. 260 dengan menggunakan model peramalan ARIMA Box Jenkins
menggunakan data hasil produksi peti plastik No. 260 dari bulan Januari
2014 hingga juli 2017. Denngan didapatkannya model maupun hasil
peramalan hasil produksi peti plastik No. 260 diharapkan dapat menjadi
dasar pertimbangan dalam pengambilan kebijakan Departemen Rendalprod
PT. PINDAD (Persero), baik dalam hal perencanaan pengadaan bahan baku
maupun penambahan jumlah personel agar dapat mencapai jumlah pesanan
yang sudah di tentukan. Adapun perangkat lunak yang digunakan untuk
analisis ini adalah menggunakan program aplikasi Minitab 16.

2.4 Tinjauan Statistika

2.4.1 Analisis Deret Waktu
Deret waktu adalah suatu rangkaian variabel dan ruang yang sama
yang diamati pada interval waktu dimana antar pengamatan salling
12
berkaitan (Makridakris dkk, 1999). Jadi, model deret waktu adalah model
runtun waktu dimana pengamatan yang satu dengan yang lain saling
berkorelasi.
Data deret waktu sering digunakan untuk meramalkan suatu
kegiatan ataupun proses untuk memprediksi sesuatu yang akan terjadi pada
waktu yang akan datang berdasarkan riwayat data masa lalu. Hal yang
penting untuk diperhatikan dalam memilih suatu metode deret waktu yang
tepat adalah dengan mempertimbangkan jenis pola datanya. Menurut
Makridakris dkk, (1999) pola data dapat dibedakan menjadi empat jenis
siklis (cyclical) dan trend, antara lain:
a. Pola Horizontal
Pola horizontal ini terjadi jika data berfluktuasi di sekitar nilai rata rata
yang konstan dengan artian bahwa data tidak menurun atau meningkat
selama waktu tertentu
b. Pola Musiman
Pola musiman terjadi bilamana suatu deret dipengaruhi oleh faktor
musiman (misalnya kuartal tahun tertentu, bulanan, atau hari hari pada
minggu tertentu).
c. Pola Siklis
Pola siklis terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi
jangka panjang.
d. Pola Trend
Pola trend terjadi jika terdapat kenaikan atau penurunan jangka panjang
pada data.

2.4.2 Stasioneritas Deret Waktu

Pemodelan data deret waktu harus memenuhi asumsi kestasioneran.
Asumsi kestasioneran terbagi menjadi dua, yaitu stasioneritas terhadap
ragam dan stasioneritas terhadap rata rata.

a. Stasioneritas terhadap Ragam

Fluktuasi ragam dapat dilihat secara visual dari plot deret waktu.
Jika ragam tidak berfluktuasi terlalu besar atau homogen, maka data dapat
dikatakan stasioner terhadap ragam. Uji stasioneritas terhadap ragam
dilakukan dengan bantuan plot Box Cox, jika nilai parameter transformasi

13
sama dengan satu atau mendekati satu maka dapat dikatakan telah stasioner
terhadap ragam, namun apabila belum memenuhi kriteria tersebut maka
data dapat ditransformasi.
Menurut Wei (2006), transformasi Box Cox dapat dilakukan
menggunakan persmaaan 2.1 sebagai berikut:

( ) (2.1)

Dimana ( ) merupakan data hasil transformasi, yang

merupakan pengamatan pada waktu ke t.

b. Stasioneritas terhadap Rata - Rata

Data deret waktu dapat dikatakan stasioner terhadap rata rata jika
fungsi autokorelasi yang signifikan tidak lebih dari 3. Apabila tidak
memenuhi kriteria tersebut maka data deret waktu dapat dikatakan tidak
stasioner terhadap rata rata.
Kestasioneritasan suatu data terhadap rata rata dapat diperiksa
menggunakan plot fungsi autokorelasi (ACF) dan menggunakan uji akar
unit. Salah satu uji akar unit yang sering digunakan adalah Uji ADF (Uji
Augmented Dickey Fuller). Uji ADF dikembangkan oleh David Dickey
dan Wayne Fuller Berikut adalah rumus Uji ADF yang dapat digunakan
untuk mendeteksi kestasioneritasan terhadap rata rata pada suatu data.

(2.2)
( )

Ketidakstasioneritasan terhadap rata rata dapat diatasi dengan

melakukan pembedaan terhadap data yaitu dengan deret asli diganti dengan
deret selisih. Proses pembedaan dapat dilakukan sampai data hasil
pembedaan telah stasioner terhadap rata rata. Banyaknya pembedaan
yang dilakukan dinotasikan sebagai d dan untuk contoh bentuk pembedaan
pertama adalah sebagai berikut:
(2.3)
Bentuk pembedaan kedua (d = 2):

( ) ( )
14
 ( )
( ) (2.4)

2.4.3 Model Autoregressive Integrated Moving Average (ARIMA)

ARIMA merupakan metode peramalan yang dalam pementukan
modelnya berdasarkan pengaruh waktu dengan menggunakan data masa
lalu dan sekarang sebagai peubah yang saling terkait. Model ARIMA dapat
dinotasikan dalam bentuk ARIMA (p,d,q), dimana p merupakan orde dari
proses autoregressive (AR), q meupakan orde dari proses moving average
(MA) dan d merupakan orde differencing atau pembedaan. Model ARMA
merupakan model yang digunakan pada data yang sudah stasioner,
sedangkan ARIMA merupakan model yang digunakan untuk data yang
tidak stasioner.
Menurut Wei (2006), beberapa model deret waktu ARIMA adalah
sebagai berikut:
1. Model Autoregressive (AR)
Model Autoregressive (AR) pertama kali diperkenalkan oleh
Yule pada tahun 1926 dan dikembangkan oleh Walker pada
tahun 1931, model ini memiliki asumsi bahwa data periode
sekarang dipengaruhi oleh data pada periode sebelumnya. Bentuk
model autoregressive adalah sebagai berikut:
( )
(2.5)
at = nilai sisaan pada waktu ke t
2. Model Moving Average (MA)
Model Moving Average (MA) pertama kali diperkenalkan oleh
Slutzky pada tahun 1973, dengan orde q ditulis MA (q) atau
ARIMA (0,0,q) dikembangkan oleh Wadsworth pada tahun
1989 yang memiliki formulasi sebagai berikut:
( )
(2.6)
at = nilai sisaan pada waktu ke t, t-1, ... , t-q

15
 3. Model Autoregressive Moving Average (ARMA)
Model AR (p) dan MA (q) dapat disatukan menjadi model
yang dikenal dengan Autoregressive Moving Average (ARMA),
sehingga memiliki asumsi bahwa data periode sekarang
dipengaruhi oleh data pada periode sebelumnya dan nilai sisaan
pada periode sebelumnya.
Model ARMA dengan berorde p dan q ditulis ARMA (p,q)
atau ARIMA (p,0,q) yang memiliki formulasi sebagai berikut:
( ) ( )
(2.7)

4. Model Autoregressive Integrated Moving Average (ARIMA)

Model AR, MA dan ARMA menggunakan asumsi bahwa data
deret waktu yang dihasilkan sudah bersifat stasioner. Pada
kenyataannya, data deret waktu lebih banyak bersifat tidak
stasioner.
Jika data tidak stasioner maka metode yang digunakan
untuk membuat data stasioner dilakukan adalah differencing
untuk data yang tidak stasioner dalam rata-rata dan proses
transformasi untuk data yang tidak stasioner dalam varian.
Bentuk umum model ARIMA dapat dinyatakan dalam
persamaan berikut:
( )( ) ( ) (2.8)
Dimana:
(1 B)d = derajat pembedaan (differencing)

2.4.4 Tahapan Pemodelan dan Peramalan

Tahapan dari pemodelan dan peramalan ARIMA (p,d,q) yaitu
sebagai berikut:
1. Melakukan plot data time series
2. Melakukan uji stasioneritas terhadap ragam dan rata rata
3. Mengidentifikasi orde ARIMA dengan menggunakan plot ACF dan
PACF
4. Melakukan pendugaan parameter
5. Uji signifikansi parameter
16
6. Uji kelayakan model
7. Pemilihan model terbaik
8. Uji diagnostik residual model
9. Peramalan dengan menggunakan model terbaik

2.4.5 Identifikasi Model dengan Menggunakan ACF dan PACF

Identifikasi model ARIMA (p,d,q) dapat dilihat secara grafis
dengan plot ACF dan PACF pada data yang sudah stasioner terhadap ragam
dan rata rata.
a. Fungsi Autokorelasi (ACF)
Autokorelasi di definisikan sebagai korelasi antar data yang tersusun
berdasarkan waktu (Wei, 2006). Korelasi antara Yt dan Yt+k dapat diketahui
dengan persamaan (2.9):
( )
(2.9)
( ) ( )
Sebagai fungsi dari k, disebut sebagai fungsi autokorelasi pada
analisis deret waktu karena menjelaskan peragam dan korelasi antara dan
dari proses yang sama, hanya dipisahkan oleh time-lag k.

b. Fungsi Autokorelasi Parsial (PACF)

Autokorelasi parsial mengukur keeratan hubungan linier antara dan
apabila pengaruh dari lak 1,2, ... , k-1 dianggap terpisah. Menurut
Cryer dan Chan (2008), penduga bagi PACF dapat diselesaikan dengan
persamaan:

(2.10)

Plot ACF digunakan untuk melihat orde MA, sedangkan plot PACF
digunakan untuk melihat orde AR. Untuk orde d dapat dilihat dari
banyaknya differensi yang telah dilakukan. Differensi dilakukan apabila 3
lag pertama pada plot ACF atau plot PACF keluar dari batas. Pada tabel
(2.) dapat dilihat karakteristik ACF dan PACF dari proses kestasioneran

17
Tabel 2. 1 Pola ACF dan PACF
Proses ACF PACF
Turun secara Berbeda nyata setelah
AR (p) eksponensial atau lag ke-p
gelombang sinus
Turun secara
Berbeda nyata setelah
MA (q) eksponensial atau
lag ke-q
gelombang sinus
ARMA (p,q) Turun setelah lag q-p Turun setelah lag q-p

2.4.6 Pendugaan Parameter Model

Untuk menduga parameter pada suatu model terdapat beberapa
metode yang dapat dilakukan, antara lain: Metode Moment, Least Square
Estimation, Maximum Likelihood and Unconditional Least Square,
Properties of The Estimates, Illustrations of Parameter Estimations, dan
Bootstraping ARIMA Models (Cryer dan Chan, 2008).
Model stasioner ARMA (p,q) adalah sebagai berikut:
( ) ( ) ( )
(2.11)
Pengujian signifikansi parameter bertujuan untuk emngetahui
parameter parameter yang dapat desertakan dalam suatu model dengan
statistik uji t. Untuk hipotesis yang digunakan adalah sebagai berikut:
: Parameter dalam model tidak signifikan
: Parameter dalam model signifikan

2.4.7 Uji Kelayakan Model

Uji kelayakan model dapat dilakukan dengan menggunakan uji
Ljung Box (Q) dimana nilai statistik Q mengikuti distribusi .
Adapun hitoses untuk uji Ljung Box adalah sebagai berikut:

Berikut adalah persamaan statistik uji Ljung Box:

( ) (2.12)

18
Dimana:
n : banyak pengamatan
rk : koefisien autokorelasi sisa pada lag k
k : lag maksimum
m : banyaknya parameter yang diduga dalam model
Pengambilan keputusan untuk Uji Ljung Box didasarkan pada
nilai Q . Apabila nilai statistik uji lebih besar dari nilai maka
model dapat dikatakan layak untuk digunakan (Cryer, 2008).

2.4.8 Pemilihan Model Terbaik

Dalam proses pemodelan data deret waktu apabila di dapakan lebih
dari satu model yang layak, maka harus dilakukan pemilihan terhadap satu
model yang terbaik untuk menjelaskan permasalahan. Ada 2 kriteria yang
dapat digunakan untuk menentukan model terbaik, yaitu dengan
membandingkan nilai AIC (Akaike Information Criterion) atau MSE (Mean
Square Error). Model terbaik adalah model yang memiliki nilai AIC atau
MSE terkecil dibandingkan model yang lain. Persamaan berikut dapat
digunakan untuk menghitung nilai AIC dan MSE.
( ) (2.13)

( )
(2.14)
Dimana:
k : jumlah parameter yang digunakan
n : jumlah data/observasi
RSS : jumlah kuadrat galat
e : nilai galat

2.4.9 Uji Diagnostik Residual

Setelah mendapatkan model terbaik, kemudian langkah selanjutnya
adalah memeriksa kelayakan model dengan memeriksa asumsi kenormalan
galat. Pada asumsi ini akan diperiksa apabila galat memiliki rata rata nol
dan ragam yang konstan, maka galat dapat dikatakan bersifat white noise.

19
Suatu galat dikatakan white noise apabila fungsi ACF dan PACF berada di
dalam batas.
2.4.10 Peramalan
Peramalan merupakan suatu teknik untuk mendapatkan data
beberapa periode mendatang dengan mempertimbangkan data pada periode
periode sebelumnya dan faktor faktor yang berpengaruh. Menurut
Makridakris dkk. (1999), dalam kehidupan sering terdapat senjang waktu
(time lag) antara kesadaran akan peristiwa atau kebutuhan yang akan
datang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead time) ini
merupakan alasan bagi perencanaan dan peramalan. Peramaln dilakukan
setelah mendapatkan model deret waktu yang layak dan mempunyai Mean
Square Error (MSE) terkecil.

20
 BAB III
HASIL DAN PEMBAHASAN

3.1 Kegiatan PKL

Praktik Kerja Lapang (PKL) dilaksanakan di PT PINDAD

(Persero) Divisi Munisi Turen Malang pada tanggal 1 Agustus 2017 sampai
18 Agustus 2017 dengan penempatan pada Departemen Rendalprod.
Kegiatan yang telah dilaksanakan selama Praktik kerja lapang dapat dilihat
pada Lampiran 1. Praktik kerja lapang di PT. PINDAD (Persero) dilakukan
selama 13 hari kerja.

3.2 Plot Data Deret Waktu

Hasil plot deret waktu dari data hasil produksi Peti Plastik No. 260
mulai dari Januari 2014 hingga Juli 2017 pada Lampiran 2 telah disajikan
pada Gambar 3.1. Untuk tahun 2017, PT. PINDAD (Persero) mendapatkan
total pesanan Peti Plastik No. 260 sebanyak 72.000 buah. Dari Gambar 3.1
dapat dilihat fluktuasi dari hasil produksi Peti Plastik No. 260 yang di
hasilkan dari Sub. Departemen Pendukung berdasarkan hasil produksi
perbulannya.

Time Series Plot of Produksi

11000

10000

9000

8000
Produksi

7000

6000

5000

4000

3000

2000
Jul Jan Jul Jan Jul Jan Jul Jan
Month

Gambar 3. 1 Plot Deret Waktu

Dari Gambar 3.1 dapat dilihat bahwa data tidak memiliki pola
musiman. Kemudian, dapat dilihat bahwa antar data masih belum stasioner
namun data cenderung linier atau tidak memiliki trend.

21
3.3 Stasioneritas Data Deret Waktu

3.3.1 Uji Stasioner terhadap Ragam

Suatu data deret waktu dapat dikatakan stasioner terhadap ragam

apabila fluktuasi ragam dari bagan kendali Box Cox tidak terlalu besar
ataupun konstan. Salah satu kriteria untuk menyatakan apakah data telah
stasioner terhadap ragam dapat dilihat dari nilai lambda (). Apabila
bernilai 1, maka data dapat dikatakan stasioner terhadap ragam.
Pada Gambar 3.2 dapat dilihat hasil uji stasioneritas terhadap
ragam.

Lower CL Upper CL
8000 Lambda
(using 95,0% confidence)

7000 Estimate 0,46

Lower CL -0,37
Upper CL 1,29
6000
Rounded Value 0,50

5000
StDev

4000

3000

2000
Limit
1000
-5,0 -2,5 0,0 2,5 5,0
Lambda

Gambar 3. 2 Box Cox I

Pada hasil uji stasioneritas terhadap ragam menggunakan bagan

kendali Box Cox pada Gambar 3.2 didapatkan nilai =0.5. sihingga dapat
dinyatakan bahawa data belum stasioner terhadap ragam. Data yang belum
stasioner terhadap ragam dapat diatasi dengan Transformasi Box Cox.

Untuk melakukan uji stasioneritas terhadap ragam yang kedua,

digunakan hasil transformasi Box Cox yang pertama yang telah disimpan
pada worksheet. Berikut adalah hasil uji stasioneritas terhadap ragam yang
kedua:

22
 Lower CL Upper CL
15 Lambda
(using 95,0% confidence)

14 Estimate 0,92

Lower CL -0,71
Upper CL 2,72
13
Rounded Value 1,00

12

StDev
11

10

Limit
9

8
-5,0 -2,5 0,0 2,5 5,0
Lambda

Gambar 3. 3 Box Cox II

Pada uji stasioneritas terhadap ragam yang kedua, dapat dilihat

pada plot Gambar 3.3 hasil transformasi Box Cox bahwa nilai =1,
sehingga disimpulkan bahawa data sudah stasioner terhadap ragam. Data
yang sudah stasioner disimpan di dalam worksheet untuk proses
selanjutnya.

3.3.2 Uji Stasioneritas terhadap Rata Rata

Selain melakukan pengujian stasioneritas terhadap ragam,

pengujian stasioneritas terhadap rata rata juga dilakukan terhadap
terhadap variabel. Pengujian ini diperlukan untuk memastikan bahwa nilai
rata ratanya bersifat konstan. Pertama untuk melihat apakah data telah
stasioner terhadap rata rata dapat dilihat dari Plot ACF pada Gambar 3.3.

1,0

0,8

0,6

0,4
Autocorrelation

0,2

0,0

-0,2

-0,4

-0,6

-0,8

-1,0

1 2 3 4 5 6 7 8 9 10 11
Lag

Gambar 3. 4 Plot ACF

23
 Pada Gambar 3.4 dapat dilihat bahwa pada 3 lag pertama hanya
terdapat 1 lag saja yang keluar, maka dapat disimpulkan bahwa data telah
stasioner terhadap rata rata. Data yang sudah stasioner tidak perlu lagi
dilakukan differensi.
Kemudian untuk mengidentifikasi apakah data sudah stasioner
terhadap rata rata dapat menggunakan Uji Augmented Dickey Fuller
dengan hipotesis sebagai berikut:

H0 : Data tidak stasioner terhadap rata rata

H1 : Data stasioner terhadap rata rata

Hasil uji ADF pada data hasil produksi peti plastik yang sudah di
transformasi Box Cox dengan menggunakan paket program Gretl yang
hasil outputnya pada Lampiran 3 diperoleh nilai statistik uji t = -3,57444
dan p-value = 0,01059. Berdasarkan hasil tersebut maka dengan taraf nyata
5% (=0,05) dapat disimpulkan bahwa data telah stasioner terhadap rata
rata dan tidak perlu dilakukan differensiasi.

3.4 Penentuan Model Tentatif

Model tentatif diestimasi berdasarkan plot ACF dan PACF yang

sudah stasioner terhadap rata rata maupun ragam sehingga tidak terjadi
differensi pada data (d=0). Plot ACF digunakan untuk menentukan orde
MA (q). Dan Plot PACF digunakan untuk menentukan orde AR (p).

1,0

0,8

0,6

0,4
Autocorrelation

0,2

0,0

-0,2

-0,4

-0,6

-0,8

-1,0

1 2 3 4 5 6 7 8 9 10 11
Lag

Gambar 3. 5 Plot ACF

24
 1,0

0,8

0,6

Partial Autocorrelation
0,4

0,2

0,0

-0,2

-0,4

-0,6

-0,8

-1,0

1 2 3 4 5 6 7 8 9 10 11
Lag

Gambar 3. 6 Plot PACF

Pada plot ACF Gambar 3.5 terlihat bahwa pada 3 lag pertama
terdapat 1 lag yang keluar dari batas selang kepercayaan. Sehingga dapat
diindikasikan bahwa model membentuk model MA dengan orde q = 1
Sedangkan, pada plot PACF pada Gambar 3.6 terlihat bahwa pada
3 lag pertama terdapat 1 lag yang keluar dari batas selang kepercayaan.
Sehingga dapat diindikasikan bahwa data membentuk model AR dengan
orde p = 1.
Beberapa model tentatif yang terbentuk yaitu :
1. ARMA (1,1)
2. AR (1)
3. MA (1)

3.5 Pendugaan dan Uji Signifikansi Parameter

Setelah model tentatif telah terbentuk, dilakukan pengujian secara

parsial terhadap masing masing parameter, dengan hipotesis:
H0 : k= 0, k = 0, k = 0, k = 0, k = 0
H1 : k 0, k 0, k 0, k 0, k 0
Pendugaan parameter yang telah didapatkan dari program Minitab
dengan output pada Lampiran 4 telah disajikan pada Tabel 3.1 sebagai
berikut:

25
Tabel 3. 1 Uji Signifikansi Parameter

Koefisien
Model Signifikansi Keterangan
Parameter
= 43,046 0,000
ARMA (1,1) = 0,4435 0,104 Tidak Signifikan
= -0,1192 0,689
= 26,459 0,000
AR (1) Signifikan
= 0,5287 0,000
= 77,234 0,000
MA (1) Signifikan
= -0,4616 0,002

Berdasarkan Tabel 3.1 diperoleh 2 model tentatif yang nilai

koefisien parameternya signifikan terhadap = 0,05 yaitu model AR(1) dan
model MA (1). Selanjutnya setelah melakukan uji signifikansi parameter
maka bisa dilanjutkan dengan pengujian kelayakan model.

3.6 Uji Kelayakan Model

Pada model dengan parameter yang signifikan, dilakukan uji

lanjutan untuk mengetahui apakah model tersebut layak digunakan atau
dapat mewakili data. Uji kelayakan model yang digunakan adalah uji Ljung
Box, dengan hipotesis:
H0 : model layak
H1 : model tidak layak
Hasil uji kelayakan model dengan menggunakan uji Ljung - Box
dapat dilihat pada Tabel 3.2.

Tabel 3. 2 Uji Kelayakan Ljung - Box

Model Lag P- Value Keterangan

12 0,950
AR (1) 24 0,985 Model Layak
36 0,959
12 0,771
MA (1) 24 0,924 Model Layak
24 0,779

26
 Berdasarkan hasil Uji Ljung Box pada tabel 3.2 didapatkan bahwa
kedua model dapat di atakan layak karena semua memiliki nilai p value
dari uji yang lebih dari 0,05. Karena masih terdapat 2 model yang layak,
maka selanjutnya akan dicari model yang paling baik dengan
membandingkan nila MSE dari kedua model tersebut.

3.7 Pemilihan Model Terbaik

Setelah didapatkan 2 model yang layak berdasarkan nilai hasil Uji

Ljung Box, maka selanjutnya untuk memilih model deret waktu yang
terbaik dapat dengan melihat nilai Mean Square Error dari kedua model.
Nilai Mean Square Error (MSE) didapatkan dari hasil pendugaan
parameter dari masing masing model tentatif yang memiliki nilai
parameter yang signifikan. Nilai Mean Square Error (MSE) telah disajikan
pada tabel 3.3 sebagai berikut:

Tabel 3. 3 Nilai MSE dari Model

Model AR (1) MA (1)

MSE 121,79 128,33

Dari Tabel 3.3 nilai MSE dari kedua model tersebut didapatkan
model AR (1) memiliki nilai MSE yang lebih kecil dibandingkan dengan
model MA (1), maka dapat disimpulkan bahwa model AR (1) adalah model
yang terbaik untuk meramalkan hasil produksi Peti Plastik No. 260 PT.
PINDAD (Persero) Divisi Munisi Turen.
Berdasarkan pendugaan parameter dan hasil dari pemilihan model
terbaik untuk meramalkan Peti Plastik No. 260 maka didaptkan persamaan
model AR (1) adalah sebagai berikut:

Dimana (Hasil transformasi Box Cox sebanyak 1 kali)

3.8 Uji Normalitas Galat

Model yang telah didapatkan dapat dikatakan baik untuk peramalan

apabila memenuhi asumsi. Salah satu asumsi tersebut kenormalan galat.
Untuk yang pertama hal itu dapat dilihat dari plot normalitas galat dan nilai
dari uji normalitas Kolmogorov Smirnov dengan hipotesis sebagai berikut:

27
H0 : galat menyebar secara normal
H1 : galat tidak menyebar secara normal

Hasil dari uji mormalitas terhadap galat dapat dilihat pada Gambar
3.7 sebagai berikut.

99
Mean 77,10
StDev 12,83
N 43
95
KS 0,057
90 P-Value >0,150

80
70
Percent

60
50
40
30
20

10

1
40 50 60 70 80 90 100 110
Produksi_3

Gambar 3. 7 Plot Normalitas Galat

Berdasarkan plot normalitas galat pada Gambar 3.7, dapat dilihat

bahwa galat telah mengikuti garis distribusi normal dengan nilai uji
Kolmogorov Smirnov sebesar >0,150 yang lebih dari taraf nyata 5%
(=0,05). Oleh karena itu, maka dapat disimpulkan bahwa galat telah
menyebar secara normal dan model baik untuk digunakan sebagai
peramalan.

3.9 Uji Diagnostik

Uji diagnostik selain menggunakan uji Ljung Box dan Uji

Normalitas Galat, juga dapat dengan mengidentifikasi plot ACF sisaan.
Identifikasi plot ACF dapat dilakukan dengan melihat apakah tidak terdapat
lag yang keluar dari batas atau tidak. Pada Gambar 3.8 disajikan plot ACF
galat dari model.

28
 1,0

0,8

0,6

0,4

Autocorrelation
0,2

0,0

-0,2

-0,4

-0,6

-0,8

-1,0

1 2 3 4 5 6 7 8 9 10 11
Lag

Gambar 3. 8 Plot ACF galat

Berdasarkan Gambar 3.8 dapat dilihat bahwa tidak ada lag yang
keluar dari batas, sehingga dapat disimpulkan bahwa residual bersifat white
noise dan model baik digunakan untuk peramalan.

3.10 Peramalan

Berikut adalah hasil peramalan pada data hasil produksi Peti No.
260 mulai dari Januari 2014 hingga Juli 2017 untuk 5 bulan kedepan untuk
memenuhi target pemesanan pada tahun 2017 disajikan pada Gambar 3.9
dan Tabel 3.5 sebagai barikut.

110

100

90
Produksi_3

80

70

60

50

40
1 5 10 15 20 25 30 35 40 45
Time

Gambar 3. 9 Plot Hasil Peramalan

29
Tabel 3. 4 Hasil Peramalan Sebelum Transformasi

Forecasts
Obs Forecast 95% Confidence Limits
44 79,379 57,744 101,013
45 78,424 53,952 102,895
46 77,919 52,712 103,126
47 77,652 52,243 103,061
48 77,511 52,046 102,976

Dari Gambar 3.9 dapat dilihat hasil dari peramalan Peti Plastik No.
260 dengan menggunakan model AR (1) untuk 5 bulan yang akan datang.
Pada Gambar 3.9 dapat diketahui nilai peramalan dan batas nilai
kepercayaan untuk masing masing hasil peramalan yang hasilnya
disajikan pada Tabel 3.4. Karena data hasil peramalan masih dalam bentuk
transformasi, maka perlu dilakukan transformasi balik agar dapat
menghasilkan hasil peramalan yang sesungguhnya. Berikut hasil
transformasi balik untuk data ramalan:

Tabel 3. 5 Hasil Peramalan Setelah Transformasi

Bulan Peramalan Jumlah Produksi (buah)

Agustus 2017 79,379 6301
September 2017 78,424 6150
Oktober 2017 77,919 6071
November 2017 77,652 6030
Desember 2017 77,511 6008

30
 BAB IV
KESIMPULAN DAN SARAN

4.1 Kesimpulan
Model terbaik yang didapat menggunakan metode ARIMA Box
Jenkins untuk peramalan hasil produksi Peti Plastik No. 260 adalah model
AR (1). Berdasarkan hasil peramalan jumlah produksi Peti Plastik No. 260
dari bulan Agustus 2017 sampai Desember 2017 berjumlah sebanyak
30.560 buah. Apabila hasil peramalan di jumlahkan dengan hasil produksi
sebelumnya pada tahun 2017 mulai bulan Januari hingga Juli adalah
sebanyak 74.580 buah. Oleh karena itu, dapat di katakan bahwa apabila
tidak ada kekurangan bahan maupun kendala teknis maupun non teknis
yang lain, maka produksi Peti Plastik No. 260 untuk jumlah pemesanan
tahun 2017 dapat tercapai dan bahkan terdapat sisa 2.580 unit Peti Plastik
No. 260. Produksi perbulan yang dapat didapatkan adalah diantara 6000
hingga 6310 buah.

4.2 Saran
Saran yang dapat diberikan untuk PT PINDAD (Persero)
Divisi Munisi yaitu:
1. Untuk penelitian selanjutnya diharapkan dapat menggunakan data yang
lebih banyak agar hasil analisis dapat lebih baik.
2. Sebaiknya PT. PINDAD (Persero) Divisi Munisi menggunakan analisis
deret waktu metode peramalan di waktu yang akan datang agar proses
produksi dapat semakin maksimal.
3. Unutk mewujudkan hasil dari peramalan yang telah didapatkan, diharapka
PT. PINDAD (Persero) Divisi Munisi dapat menjaga persediaan barang
dan keadaan mesin agar proses produksi Peti Plastik No. 260 dapat
berjalan dengan baik dan maksimal.

31
32
 DAFTAR PUSTAKA

Box, G. E. P., dan Jenkins, G. M. 1976. Time Series Analysis: Forecasting

and Control. Sans Francisco: Holden Day.
Cryer, D.J dan K. Chan. 2008. Deretwaktu Analysus With Application in R.
Springer Science Business Media. USA
Hafid W.R., 2016. Pengendalian KualitasHasilProses Bubut Pinggir
Longsong Kaliber 5.56mm Menggunakan Grafik Kendali T2
Hotelling (Studi pada PT Pindad (Persero) Turen, Malang).
Laporan Praktik Kerja Lapang Program Studi Statistika,
Fakultas Matematika dan Ilmu Pengetahuan Alam,
Universitas Brawijaya. Malang.
Makridakris, S., Wheelwright, S. C., dan McGee, V. E. 1999. Metode dan
Aplikasi Peramalan (Jilid 1 edisi kedua, terjemahan Ir. Hari
Suminto). Jakaeta: Bina Rupa Aksara.
Wei, W. W. S. 2006. Time Series Analysis: Univariate and Multivariate
Methods (2nd ed). New York: Pearson Education.
Yitnosumarto, S. 1990. Dasar Dasar Statistika. Jakarta: CV Rajawali.

33
34
 LAMPIRAN

Lampiran 1. Jurnal Kegiatan Praktik Kerja Lapang di PT. PINDAD

(Persero) Divisi Munisi Turen, Malang.

Nama : Billy Fathurrachman

NIM : 145090501111016
Jurusan/Prodi : Matematika/Statistika
Fakultas : Matematika dan Ilmu Pengetahuan Alam
Instansi : PT. PINDAD (Persero) Divisi Munisi Turen, Malang
Hari, Tanggal Kegiatan
Selasa, 1 Agustus 2017 Penerimaan mahasiswa PKL oleh PT.
PINDAD (Persero)
Pengarahan peraturan PKL oleh Sub
Departemen Humas
Penempatan kerja mahasiswa PKL di
Departemen Mutu.
Mengunjungi perpustakaan kantor
Rabu, 2 Agustus 2017 Perkenalan dengan Kepala Sub Divisi
Rendalprod Gudang & Perkakas beserta
jajarannya
Perkenalan lingkungan bengkel kayu dan
bengkel pembuatan Metalic Box
Penjelasan proses pembuatan Metalic Box
Kamis, 3 Agustus 2017 Perkenalan lingkungan bengkel kayu dan
bengkel pembuatan Metalic Box
Penjelasan proses pembuatan Metalic Box
Jumat, 4 Agustus 2017 Melaksanakan kegiatan senam rutin
Mengamati proses pembuatan Metalic Box
dan pengambilan data di bengkel
Senin, 7 Agustus 2017 Perkenalan lokasi pembuatan Peti Plastik
No. 260 di Hall B
Penjelasan proses pembuatan Peti Plastik
No 260
Selasa, 8 Agustus 2017 Perkenalan lokasi pengendalian mutu
bahan baku di Departemen Mutu
Penjelasan proses pengecekan mutu untuk
komponen mesin

35
Lampiran 1. (Lanjutan)

Rabu, 9 Agustus 2017 Izin tidak masuk dikarenakan harus

konsultasi dengan dosen pembimbing
Kamis, 10 Agustus 2017 Perkenalan lokasi pemeliharaan mesin dan
sekaligus memahami penjelasan tentang
pemeliharaan mesin
Penkenalan likasi pembuatan komponen
pendukung Link Belt
Konsultasi dengan pembimbing lapang
tentang metode yang akan digunakan
Jumat, 11 Agustus Melaksanakan kegiatan senam rutin
2017 Melakukan pengambilan data di bengkel
Konsultasi dengan pembimbing lapang
tentang data yang akan digunakan
Senin, 14 Agustus 2017 Melakukan pengambilan data hasil
produksi Peti Plastik No. 260
Penjelasan proses dan tanya jawab
pembuatan Peti Plastik No. 260 dengan
penanggung jawab assembling Peti Plastik
No. 260
Selasa, 15 Agustus 2017 Melakukan pengecekan data hasil produksi
Konsultasi dengan pembimbing lapang
tentang metode yang akan digunakan
Rabu, 16 Agustus 2017 Melakukan pengecekan data di Hall B
tempat pembuatan Peti Plastik No. 260
Konsultasi dengan pembimbing lapang
tentang data yang akan digunakan
Jumat, 18 Agustus Melaksanakan kegiatan senam rutin
2017 Berpamitan dengan karyawan karyawan
di Departemen Rendalprod

Turen21 September 2017

Pembimbing Lapang

Suranto
36
Lampiran 2. Data Hasil Produksi Peti Plastik No. 260 dari bulan Januari
2014 hingga Juli 2017

Tahun Bulan Produksi Juli 5121

Januari 6914 Agustus 6526
Februari 5772 September 8238
Maret 4265 Oktober 7250
April 4331 November 10915
Mei 4784 Desember 9340
Juni 4542 Januari 10006
2014
Juli 3332 Februari 7753
Agustus 2272 Maret 4966
September 3919 2017 April 3773
Oktober 9523 Mei 5781
November 4594 Juni 5150
Desember 5435 Juli 6591
Januari 3702
Februari 2903
Maret 5119
April 7456
Mei 6431
Juni 6014
2015
Juli 6693
Agustus 8349
September 9510
Oktober 6848
November 6067
Desember 7206
Januari 8042
Februari 3907
Maret 5905
2016
April 6004
Mei 6254
Juni 5041
37
Lampiran 3. Uji ADF (Augmented Dickey Fuller)

Augmented Dickey-Fuller test for v1

including one lag of (1-L)v1
(max was 9, criterion AIC)
sample size 41
unit-root null hypothesis: a = 1

test without constant

model: (1-L)y = (a-1)*y(-1) + ... + e
estimated value of (a - 1): -0.0358122
test statistic: tau_nc(1) = -0.743761
asymptotic p-value 0.3945
1st-order autocorrelation coeff. for e: -0.042

test with constant

model: (1-L)y = b0 + (a-1)*y(-1) + e
estimated value of (a - 1): -0.482891
test statistic: tau_c(1) = -3.57444
p-value 0.01059
1st-order autocorrelation coeff. for e: 0.013

38
Lampiran 4. Nilai Signifikansi Parameter Model, Nilai MSE dan Nilai
hasil Uji Ljung Box dari Model yang terpilih

Final Estimates of Parameters

Type Coef SE Coef T P

AR 1 0,4435 0,2663 1,67 0,104
MA 1 -0,1192 0,2962 -0,40 0,689
Constant 43,046 1,903 22,62 0,000
Mean 77,345 3,420

Number of observations: 43
Residuals: SS = 4971,94 (backforecasts excluded)
MS = 124,30 DF = 40

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48
Chi-Square 4,0 10,7 21,6 *
DF 9 21 33 *
P-Value 0,910 0,968 0,936 *

Final Estimates of Parameters

Type Coef SE Coef T P

AR 1 0,5287 0,1327 3,98 0,000
Constant 36,459 1,683 21,66 0,000
Mean 77,353 3,571

Number of observations: 43
Residuals: SS = 4993,22 (backforecasts excluded)
MS = 121,79 DF = 41

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48
Chi-Square 3,9 10,2 21,1 *
DF 10 22 34 *
P-Value 0,950 0,985 0,959 *

39
Lampiran 4 (Lanjutan)
Final Estimates of Parameters
Type Coef SE Coef T P
MA 1 -0,4616 0,1407 -3,28 0,002
Constant 77,234 2,521 30,64 0,000
Mean 77,234 2,521

Number of observations: 43
Residuals: SS = 5261,35 (backforecasts excluded)
MS = 128,33 DF = 41

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48
Chi-Square 6,5 13,3 27,5 *
DF 10 22 34 *
P-Value 0,771 0,924 0,779 *

40
Lampiran 5. Hasil Peramalan

Forecasts from period 43

95% Limits
Period Forecast Lower Upper Actual
44 79,379 57,744 101,013
45 78,424 53,952 102,895
46 77,919 52,712 103,126
47 77,652 52,243 103,061
48 77,511 52,046 102,976

41
Lampiran 6. Struktur Organisasi PT. PINDAD (Persero) Divisi Munisi
Turen

Kepala Divisi Munisi

Wakil Kepala Divmu Ka Dep Ka Dep Ka Dep

Dep A Bid MKK
Wakil Kepala Divisi 2
Keuangan
Kasir
Umum Pengamanan

Dep Prod 1 Dep Prod 4

Dep Prod 2 Dep Prod 5

Dep Prod 3 Dep Prod 6

Dep B Dep D

Dep C Biro 2

Dep
Biro 3
Rendalprod

Biro 1 Biro 4

Biro 5

42
Lampiran 7. Struktur Organisasi Departemen Rendalprod

Kadep Rendalprod

Kasubdep Kasubdep Kasubdep Kasubdep

Rendalprodmu Rendalprodmat Rendalduk ANEV

43
44
45