PERENCANAAN PRODUKSI SAYURAN HIDROPONIK

PADA PT. KEBUN SAYUR SEGAR (PARUNG FARM),

BOGOR, JAWA BARAT

RIZKI

DEPARTEMEN AGRIBISNIS
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
2014
 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Perencanaan Produksi

Sayuran Hidroponik pada PT. Kebun Sayur Segar (Parung Farm), Bogor, Jawa
Barat adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Juli 2014

Rizki
NIM H34100127
 ABSTRAK
RIZKI. Perencanaan Produksi Sayuran Hidroponik pada PT. Kebun Sayur Segar
(Parung Farm), Bogor, Jawa Barat. Dibimbing oleh AMZUL RIFIN.

Seiring meningkatnya kesadaran dan kepedulian masyarakat terhadap

kesehatan, sayuran kini menjadi alternatif pilihan dalam pola konsumsi
masyarakat Indonesia. Pertumbuhan konsumsi sayuran pada tahun 2008 hingga
2011 mengalami penurunan, namun pada tahun 2012 pertumbuhan bernilai
positif. Hal tersebut berarti bahwa ada kecenderungan perubahan dalam tingkat
konsumsi sayuran masyarakat Indonesia yang akan berimplikasi pada peramalan
permintaan dan perencanaan produksi yang akan dilakukan oleh suatu perusahaan.
Salah satu perusahaan yang bergerak di bidang agribisnis ialah PT. Kebun Sayur
Segar (Parung Farm) yang memproduksi beberapa sayuran hidroponik, seperti
bayam hijau, kangkung, romaine dan sebagainya. Berdasarkan hasil ramalan
untuk lima bulan kedepan, permintaan bayam hijau berkisar antara 300 hingga
400 pak perhari, permintaan kangkung berkisar antara 220 hingga 270 pak
perhari, dan permintaan romaine berkisar antara 100 hingga 148 pak perhari.
Puncak permintaan ketiga komoditi terjadi pada hari-hari akhir di bulan Juli 2014,
yakni tanggal 24 dan 25 Juli 2014. Jika ditarik mundur dari tanggal tersebut, maka
secara umum berdasarkan karakteristik masing-masing komoditi, perencanaan
produksi akan dimulai pada bulan Juni 2014 dengan memperhatikan masa N1, N2
serta N3 dari masing-masing komoditi.

Kata kunci : hidroponik, Parung Farm, peramalan, perencanaan produksi

ABSTRACT

RIZKI. Hydroponic Vegetable Production Planning at PT. Kebun Sayur Segar

(Parung Farm), Bogor, West Java. Supervised by AMZUL RIFIN.

By increasing awareness and public awareness of the health, now

vegetables is as alternative patterns of consumption in Indonesia. Vegetables
consumption growth in 2008 and 2011 has decreased, but in 2012 growth is
positive. This means that there is a trend of change in the rate of Indonesian
society vegetables consumption which will have implications for demand
forecasting and production planning will be done by a company. One of the
agribusiness companies is PT. Kebun Sayur Segar (Parung Farm) which produces
some hydroponic vegetables, such as green spinach, kale, romaine, and so on.
Based on the results of the forecast for the next five months, demand for green
spinach ranged from 300 to 400 packs per day, demand kale ranged from 220 to
270 packs per day, and romaine demand ranged from 100 to 148 packs per day.
Peak demand occurs in the third commodity these days in the month end of July
2014, which is dated 24 and 25 July 2014. If pulled backwards from that date, it is
generally based on the characteristics of each commodity, production planning
will begin in June 2014 with regard period N1, N2 and N3 of each commodity.

Keywords : forecasting, hydroponics, Parung Farm, production planning

PERENCANAAN PRODUKSI SAYURAN HIDROPONIK
PADA PT. KEBUN SAYUR SEGAR (PARUNG FARM),
BOGOR, JAWA BARAT

RIZKI

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Ekonomi
pada
Departemen Agribisnis

DEPARTEMEN AGRIBISNIS
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
2014
 PRAKATA

Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2014 ini ialah
perencanaan produksi, dengan judul Perencanaan Produksi Sayuran Hidroponik
pada PT. Kebun Sayur Segar (Parung Farm), Bogor, Jawa Barat.
Terima kasih penulis ucapkan kepada Bapak Dr. Amzul Rifin, SP. MA
selaku dosen pembimbing skripsi, Ibu Ir. Popong Nurhayati, MM dan Ibu Eva
Yolynda Aviny, SP. MM selaku dosen penguji yang telah banyak memberikan
saran demi perbaikan karya ilmiah ini. Di samping itu, penghargaan penulis
sampaikan kepada Bapak Yudi Supriyono selaku Direktur Produksi PT. Kebun
Sayur Segar (Parung Farm) dan Bapak Agus selaku staf Unit Produksi dari PT.
Kebun Sayur Segar (Parung Farm) yang telah membantu selama pengumpulan
data. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, keluarga,
sahabat CSS 47, serta seluruh sahabat Agribisnis 47 atas segala doa, dukungan
dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.

Bogor, Juli 2014

Rizki
 DAFTAR ISI

DAFTAR TABEL ix
DAFTAR GAMBAR ix
DAFTAR LAMPIRAN x
PENDAHULUAN 1
Latar Belakang 1
Perumusan Masalah 4
Tujuan Penelitian 5
Manfaat Penelitian 5
Ruang Lingkup Penelitian 6
TINJAUAN PUSTAKA 6
KERANGKA PEMIKIRAN 8
Kerangka Pemikiran Teoritis 8
Perencanaan Produksi 8
Hidroponik 10
Proses Produksi 11
Teori Permintaan 14
Teori Peramalan 14
Jenis-Jenis Peramalan 15
Model Time Series 16
Kerangka Pemikiran Operasional 21
METODE PENELITIAN 23
Lokasi dan Waktu Penelitian 23
Jenis dan Sumber Data 23
Metode Pengolahan dan Analisis Data 23
HASIL DAN PEMBAHASAN 24
Gambaran Umum Perusahaan 24
Peramalan Permintaan Bayam Hijau 27
Identifikasi Pola Permintaan Bayam Hijau 27
Metode Peramalan Permintaan Bayam Hijau 27
Peramalan Permintaan Bayam Hijau 28
 Peramalan Permintaan Kangkung 29
Identifikasi Pola Permintaan Kangkung 29
Metode Peramalan Permintaan Kangkung 29
Peramalan Permintaan Kangkung 30
Peramalan Permintaan Romaine 31
Identifikasi Pola Permintaan Romaine 31
Metode Peramalan Permintaan Romaine 32
Peramalan Permintaan Romaine 32
Perencanaan Produksi 33
Perencanaan Produksi Bayam Hijau (Maret 2014) 33
Perencanaan Produksi Bayam Hijau (April 2014) 35
Perencanaan Produksi Bayam Hijau (Mei 2014) 36
Perencanaan Produksi Bayam Hijau (Juni 2014) 38
Perencanaan Produksi Bayam Hijau (Juli 2014) 39
Perencanaan Produksi Kangkung (Maret 2014) 41
Perencanaan Produksi Kangkung (April 2014) 43
Perencanaan Produksi Kangkung (Mei 2014) 44
Perencanaan Produksi Kangkung (Juni 2014) 46
Perencanaan Produksi Kangkung (Juli 2014) 47
Perencanaan Produksi Romaine (Maret 2014) 49
Perencanaan Produksi Romaine (April 2014) 51
Perencanaan Produksi Romaine (Mei 2014) 52
Perencanaan Produksi Romaine (Juni 2014) 54
Perencanaan Produksi Romaine (Juli 2014) 55
SIMPULAN DAN SARAN 57
Simpulan 57
Saran 58
DAFTAR PUSTAKA 59
LAMPIRAN 61
RIWAYAT HIDUP 75
 DAFTAR TABEL
1 Nilai PDB Atas Dasar Harga Berlaku Menurut Lapangan Usaha Tahun
2012 1
2 Rata-Rata Konsumsi Sayuran (KKal) Masyarakat Indonesia per Kapita
Sehari Tahun 2008-2012 2
3 Perkembangan Produksi Tanaman Sayuran (Ton) Indonesia Tahun
2008-2012 2
4 Ciri-Ciri Sebuah Kegiatan Peramalan 15
5 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Bayam Hijau 28
6 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Kangkung 30
7 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Romaine 32
8 Perencanaan Produksi Bayam Hijau (Maret 2014) 35
9 Perencanaan Produksi Bayam Hijau (April 2014) 36
10 Perencanaan Produksi Bayam Hijau (Mei 2014) 38
11 Perencanaan Produksi Bayam Hijau (Juni 2014) 39
12 Perencanaan Produksi Bayam Hijau (Juli 2014) 41
13 Perencanaan Produksi Kangkung (Maret 2014) 43
14 Perencanaan Produksi Kangkung (April 2014) 44
15 Perencanaan Produksi Kangkung (Mei 2014) 46
16 Perencanaan Produksi Kangkung (Juni 2014) 47
17 Perencanaan Produksi Kangkung (Juli 2014) 49
18 Perencanaan Produksi Romaine (Maret 2014) 51
19 Perencanaan Produksi Romaine (April 2014) 52
20 Perencanaan Produksi Romaine (Mei 2014) 54
21 Perencanaan Produksi Romaine (Juni 2014) 55
22 Perencanaan Produksi Romaine (Juli 2014) 57

DAFTAR GAMBAR
1 Permintaan Sayuran PT. Parung Farm 12 Bulan Terakhir 4
2 Masa Penyemaian Benih Bayam Hijau dan Kangkung (Masa N1) 12
3 Masa Tanam Bibit (Masa N2) dan Alat Pengalir Nutrisi 13
4 Masa Produksi Bibit Kangkung (a,b) dan Bayam Hijau (c,d) (Masa N3) 13
5 Kerangka Pemikiran Perencanaan Produksi Sayuran Hidroponik pada
PT. Kebun Sayur Segar (Parung Farm) 22
6 Pola Permintaan Bayam Hijau 27
7 Pola Permintaan Kangkung 29
8 Pola Permintaan Romaine 31
9 Perencanaan Produksi Bayam Hijau (Maret 2014) 34
10 Perencanaan Produksi Bayam Hijau (April 2014) 35
11 Perencanaan Produksi Bayam Hijau (Mei 2014) 37
12 Perencanaan Produksi Bayam Hijau (Juni 2014) 38
13 Perencanaan Produksi Bayam Hijau (Juli 2014) 40
14 Perencanaan Produksi Kangkung (Maret 2014) 42
15 Perencanaan Produksi Kangkung (April 2014) 43
16 Perencanaan Produksi Kangkung (Mei 2014) 45
17 Perencanaan Produksi Kangkung (Juni 2014) 46
18 Perencanaan Produksi Kangkung (Juli 2014) 48
19 Perencanaan Produksi Romaine (Maret 2014) 50
20 Perencanaan Produksi Romaine (April 2014) 51
21 Perencanaan Produksi Romaine (Mei 2014) 53
22 Perencanaan Produksi Romaine (Juni 2014) 54
23 Perencanaan Produksi Romaine (Juli 2014) 56

DAFTAR LAMPIRAN
1 Plot ACF Permintaan Bayam Hijau 61
2 Plot PACF Permintaan Bayam Hijau 62
3 Peramalan Permintaan Bayam Hijau dengan Model ARIMA
(111)(112)7 63
4 Plot ACF Permintaan Kangkung 65
5 Plot PACF Permintaan Kangkung 66
6 Peramalan Permintaan Kangkung dengan Model ARIMA (012)(012)7 67
7 Plot ACF Permintaan Romaine 70
8 Plot PACF Permintaan Romaine 71
9 Peramalan Permintaan Romaine dengan Model ARIMA (111)(112)7 72
 PENDAHULUAN

Latar Belakang

Sektor pertanian merupakan salah satu sektor yang paling berpengaruh

dalam menggerakkan perekonomian Indonesia. Hal tersebut didukung dengan
fakta bahwa Indonesia adalah negara agraris, dimana sebagian besar penduduk
Indonesia bermata pencaharian di sektor pertanian. Arti pertanian disini
merupakan pertanian dalam artian yang luas, yang meliputi pertanian tanaman
pangan, tanaman perkebunan, perikanan, peternakan, dan kehutanan. Menurut
data Badan Pusat Statistik (2013), nilai PDB sektor pertanian pada tahun 2012
menyumbangkan nilai yang cukup besar terhadap nilai PDB Indonesia. Hal ini
dapat dilihat pada Tabel 1.

Tabel 1 Nilai PDB Atas Dasar Harga Berlaku Menurut Lapangan Usaha
Tahun 2012a
Lapangan Usaha Nilai PDB (Miliar Rupiah)
Pertanian, peternakan, perikanan dan
1 190 412.40
kehutanan
Pertambangan dan penggalian 970 559.60
Industri pengolahan 1 972 846.60
Listrik, gas, dan air bersih 65 124.90
Konstruksi 860 964.80
Perdagangan, hotel, dan restoran 1 145 600.90
Pengangkutan dan komunikasi 549 115.50
Keuangan, real estate, jasa perusahaan 598 523.20
Jasa-jasa 888 676.40
a
Sumber : Badan Pusat Statistik 2013

Berdasarkan Tabel 1, dapat diketahui bahwa kontribusi sektor pertanian

pada tahun 2012 cukup menyumbangkan nilai yang besar bagi perkembangan
perekonomian Indonesia (PDB) yakni menyumbangkan 14.44 persen dari total
nilai keseluruhan, meskipun nilai tersebut bukan nilai yang tertinggi yang berada
pada sektor industri pengolahan yang menyumbangkan 23.93 persen dari total
nilai PDB Indonesia tahun 2012.
Jika melihat data yang tertera pada Tabel 1, sektor pertanian tentu
memiliki peluang untuk dikembangkan lebih lanjut agar memberikan kontribusi
yang lebih signifikan bagi perkembangan perekonomian Indonesia. Salah satu
bidang dalam sub sektor pertanian ialah hortikultura. Hortikultura cukup memiliki
peranan yang penting, salah satunya sebagai penyedia sumber makanan.
Komoditas hortikultura antara lain tanaman hias, tanaman obat-obatan, bunga,
buah-buahan, dan sayuran.
Seiring meningkatnya kesadaran dan kepedulian masyarakat terhadap
kesehatan, sayuran kini menjadi alternatif pilihan dalam pola konsumsi
masyarakat Indonesia. Konsep back to nature secara tidak langsung juga
memengaruhi pola konsumsi masyarakat Indonesia dengan memilih makanan
yang sehat dan bergizi, salah satunya dengan mengkonsumsi sayuran. Sayuran
2

merupakan komponen penting di dalam menu makanan seimbang untuk pola

hidup sehat. Menurut data Badan Pusat Statistik (2013), tingkat konsumsi
masyarakat Indonesia terhadap sayuran pada tahun 2012 mengalami peningkatan.
Hal tersebut dapat dilihat pada Tabel 2.

Tabel 2 Rata-Rata Konsumsi Sayuran (KKal) Masyarakat Indonesia per

Kapita Sehari Tahun 2008-2012a
Tahun Konsumsi (KKal) Pertumbuhan (Persen)
2008 45.46 -
2009 38.95 (14)
2010 38.72 (0.6)
2011 37.46 (3)
2012 37.72 0.7
a
Sumber : Badan Pusat Statistik 2013

Berdasarkan Tabel 2, dapat terlihat bahwa secara rata-rata tingkat

konsumsi masyarakat Indonesia terhadap sayuran pada tahun 2008 hingga 2012
mengalami penurunan. Penurunan terbesar terjadi pada tahun 2009, dimana
tingkat konsumsi masyarakat Indonesia terhadap sayuran menurun sebesar 14
persen, dengan salah satu penyebabnya karena masih kurangnya kepedulian
masyarakat terhadap kesehatan. Berbeda halnya pada tahun 2012, dengan tren
pola hidup sehat yang berkembang, tingkat konsumsi sayuran mengalami
peningkatan sebesar 0.7 persen, meskipun peningkatan konsumsi terbilang kecil,
namun peningkatan konsumsi tersebut dapat dijadikan peluang yang berimplikasi
pada peningkatan produksi sayuran. Hal itu dapat dilihat pada Tabel 3.

Tabel 3 Perkembangan Produksi Tanaman Sayuran (Ton) Indonesia Tahun

2008-2012a
Tahun Produksi (Ton) Pertumbuhan (Persen)
2008 10 035 094 -
2009 10 628 285 5.9
2010 10 706 386 0.7
2011 10 871 224 1.5
2012 10 939 752 0.6
a
Sumber : Ditjen Bina Produksi Hortikultura 2013

Tabel 3 menyajikan data tentang produksi sayuran Indonesia mulai dari

tahun 2008 hingga 2012. Rata-rata data menunjukkan bahwa produksi sayuran
Indonesia dari tahun 2008 hingga 2012 mengalami peningkatan pertumbuhan.
Pada tahun 2009 dan 2011, pertumbuhan produksi sayuran Indonesia meningkat
lebih dari 1 persen dengan pertumbuhan produksi terbesar mencapai 5.9 persen
yang terjadi pada tahun 2009. Sedangkan pada tahun 2010 dan 2012, pertumbuhan
produksi sayuran Indonesia meningkat kurang dari 1 persen, dimana salah satu
faktor yang menyebabkan hal tersebut terjadi karena adanya konversi lahan
pertanian ke lahan non pertanian yang kini sedang banyak terjadi di Indonesia.
Berdasarkan data yang terdapat pada Tabel 2 dan 3, jika dibandingkan
antara keduanya, maka data produksi sayuran tahun 2008-2012 selalu mengalami
peningkatan pertumbuhan yang ditunjukkan dengan nilai positif masing-masing
 3

pertumbuhannya. Berbeda halnya dengan data mengenai konsumsi sayuran tahun

2008-2012. Pada data ini, pertumbuhan konsumsi sayuran di beberapa tahun awal
mengalami penurunan yang signifikan, namun pada tahun akhir yakni tahun 2012,
pertumbuhan bernilai positif. Hal tersebut berarti bahwa ada kecenderungan
perubahan dalam tingkat konsumsi sayuran masyarakat Indonesia. Perubahan
konsumsi tersebut merupakan indikasi atau salah satu poin yang melatar belakangi
diperlukannya perencanaan produksi, yang diawali dengan melakukan peramalan
permintaan terhadap sayuran untuk beberapa waktu kedepan guna mengetahui
perencanaan produksi yang harus dipersiapkan.
Selain itu, dalam melakukan kegiatan usahatani sayuran, secara garis besar
terdapat dua karakteristik pelaku usahatani, yakni petani kecil dan perusahaan.
Terkait tentang tujuan dan orientasi, petani kecil melakukan kegiatan usahataninya
lebih mengutamakan untuk konsumsi rumah tangga sehari-hari, sekalipun
diorientasikan untuk profit, skala usahatani tersebut terbilang kecil. Berbeda
halnya dengan perusahaan, pada umumnya tujuan perusahaan lebih berorientasi
pada keuntungan (profit oriented) dan skala usahatani yang dilakukan perusahaan
terbilang besar. Keuntungan yang diharapkan oleh perusahaan adalah keuntungan
yang maksimal, dan hal itu didapat melalui faktor internal, yakni efisiensi
penggunaan sumberdaya yang dimiliki, seperti efisiensi penggunaan SDM,
peralatan, teknologi, bahan baku, maupun optimalisasi produksi. Selain faktor
internal, keuntungan perusahaan juga bisa dipengaruhi oleh faktor eksternal, salah
satunya ialah permintaan akan komoditas sayuran itu sendiri.
Permintaan akan sayuran yang mengalami perubahan mengakibatkan
sebuah perusahaan mengalami risiko dan ketidakpastian dalam memproyeksikan
jumlah dan waktu produksi sayuran yang akan dihasilkan. Perubahan itu juga
menyebabkan perusahaan perlu melakukan perencanaan produksi untuk dapat
memenuhi permintaan konsumen tepat pada waktunya.
Perencanaan produksi sangat diperlukan oleh perusahaan untuk dapat
mengalokasikan sumberdaya yang dimiliki secara optimal, berproduksi pada
tingkat efisien dan efektifitas yang tinggi, berproduksi dengan biaya yang rendah,
menjual produk dalam jumlah banyak dan terutama dalam hal perencanaan waktu
produksi serta jumlah produksi yang harus dipersiapkan untuk dapat memenuhi
permintaan konsumen tepat pada waktunya, sehingga perusahaan mampu
memperoleh keuntungan bagi pengembangan dan kemajuan perusahaan dalam
memiliki daya saing yang tinggi.
Berdasarkan data, tingkat produksi sayuran terus mengalami peningkatan.
Jika dikembalikan pada karakteristik produk pertanian yang bersifat perishable,
yakni produk-produk yang tak tahan lama, maka ketidakseimbangan antara supply
dengan demand mengakibatkan kelebihan supply produk pertanian terbuang sia-
sia dan kurang memiliki nilai ekonomis. Hal tersebut berimplikasi pada
keuntungan perusahaan yang akan mengalami penurunan. Berdasarkan uraian
diatas, perlu dilakukan perencanaan produksi yang diawali dengan melakukan
peramalan terhadap permintaan sayuran, mengingat peramalan permintaan
tersebut akan digunakan sebagai informasi dasar untuk menyusun perencanaan
produksi (waktu dan jumlah produksi) dan keputusan di berbagai bidang
manajemen dalam perusahaan sekaligus memperkecil gap antara supply dengan
demand yang terjadi pada komoditas sayuran.
4

Perumusan Masalah

PT. Kebun Sayur Segar (Parung Farm) adalah salah satu perusahaan
agribisnis sayuran hidroponik yang berperan sebagai pedagang besar sekaligus
produsen yang berlokasi di Kecamatan Parung, Kabupaten Bogor, Jawa Barat.
Perusahaan ini memproduksi beberapa jenis sayuran hidroponik seperti bayam
merah, bayam hijau, selada, kangkung dan sebagainya. Sebagian besar kegiatan
perusahaan ini difokuskan pada penanganan pasca panen sayuran yang diperoleh
dari petani mitra. PT. Kebun Sayur Segar (Parung Farm) mendistribusikan
sayurannya kepada swalayan yang berada di sekitar wilayah Jabodetabek, seperti
Giant, Carrefour, Hero, Lotte Mart dan sebagainya. Perusahaan ini melakukan
transaksi kepada para pelanggan tersebut dengan berdasarkan order atau pesanan
yang diminta pada setiap harinya.
Selama ini, jumlah volume permintaan sayuran di PT. Kebun Sayur Segar
(Parung Farm) berfluktuasi, terutama pada komoditi bayam hijau, kangkung dan
romaine, akibatnya terjadi ketidakseimbangan dan gap dengan produksi yang
dihasilkan. Bagian produksi akan melakukan aktivitas penanaman setelah
mendapatkan data dari bagian pemasaran mengenai berapa proyeksi permintaan
konsumen yang akan datang, dan sebesar angka tersebut sayuran yang akan
ditanam oleh bagian produksi, namun kenyataannya ketika masa panen, angka
permintaan tidak sesuai dengan angka yang diprediksi ketika awal penanaman.
Fluktuasi permintaan tersebut dapat dilihat pada grafik permintaan sayuran 12
bulan terakhir (Maret 2013-Februari2014) dibawah ini.

12000
11000
10000
9000
8000
7000
6000
5000
4000
3000
2000
1 2 3 4 5 6 7 8 9 10 11 12
Bulan

Permintaan Bayam Hijau (pak) Permintaan Kangkung (pak)

Permintaan Romaine (pak)

Gambar 1 Permintaan Sayuran PT. Parung Farm 12 Bulan Terakhir

Grafik diatas menjelaskan bahwa permintaan sayuran hidroponik 12 bulan

terakhir pada PT. Kebun Sayur Segar (Parung Farm) cukup berfluktuasi. Dengan
fluktuasi tersebut perusahaan terkadang mengalami kesulitan untuk memenuhi
permintaan secara pasti dengan faktor pembatas berupa luas lahan maksimal
perhari yakni 72 m2 untuk bayam hijau, 48 m2 untuk kangkung dan 16 m2 untuk
 5

romaine. Hal tersebut merupakan salah satu poin yang membuat perencanaan
produksi menjadi penting untuk dilakukan oleh suatu perusahaan.
PT. Kebun Sayur Segar (Parung Farm) dalam melakukan perencanaan
produksinya cenderung belum menentukan secara pasti terkait dengan jumlah
produksinya, karena keputusan tersebut dihasilkan dari diskusi pihak manajerial
perusahaan secara kualitatif dan lebih bersifat kondisional serta penalaran.
Perusahaan ini juga melakukan perencanaan jumlah produksi berdasarkan jumlah
rata-rata dari permintaan-permintaan sebelumnya yang lebih bersifat kualitatif.
Selain itu, dalam membuat perencanaan angka permintaan komoditi sayuran,
perusahaan ini seringkali kurang tepat dalam memproyeksikan angka permintaan
konsumen tersebut, karena prosesnya didasarkan pada subyektifitas stakeholder.
Penelitian ini mencoba menawarkan metode perencanaan produksi dan peramalan
secara kuantitatif yang diharapkan lebih akurat, sehingga gap antara produksi dan
permintaan dapat diperkecil dan juga akan berimplikasi pada perencanaan
produksi (waktu tanam, panen, dan jumlah) yang lebih tepat dan sesuai dengan
hasil peramalan yang dilakukan.
Mengingat jenis sayuran yang diusahakan cukup banyak, maka perencanaan
produksi dan peramalan hanya dilakukan pada beberapa jenis sayuran saja.
Sayuran tersebut merupakan pilihan dari sayuran yang termasuk dalam kelas
sayuran unggul (permintaan banyak dan berfluktuasi), dan juga sayuran yang
direkomendasikan untuk dipilih oleh Direktur Produksi PT. Kebun Sayur Segar
(Parung Farm). Sayuran tersebut ialah, bayam hijau, kangkung dan romaine.
Dengan mempertimbangkan uraian kondisi diatas, maka perumusan masalah
dari penelitian ini adalah, bagaimana perencanaan produksi (waktu tanam, panen
dan jumlah produksi) sayuran (bayam hijau, kangkung dan romaine) di PT. Kebun
Sayur Segar (Parung Farm) yang didasarkan pada hasil peramalan untuk periode
lima bulan kedepan?

Tujuan Penelitian

Berdasarkan perumusan masalah diatas, maka tujuan dari penelitian ini

adalah untuk :
1. Meramalkan permintaan harian konsumen pada sayuran (bayam hijau,
kangkung dan romaine) di PT. Kebun Sayur Segar (Parung Farm) untuk
periode lima bulan kedepan (Maret-Juli 2014).
2. Mengidentifikasi perencanaan produksi (waktu tanam, panen dan jumlah
produksi sayuran bayam hijau, kangkung dan romaine) di PT. Kebun
Sayur Segar (Parung Farm) berdasarkan hasil peramalan yang dilakukan.

Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat dan kontribusi :

1. Bagi penulis, dapat menerapkan ilmu pengetahuan yang telah diperoleh
dari perkuliahan untuk dapat diterapkan di lapangan.
2. Bagi perusahaan, hasil penelitian ini dapat dijadikan bahan pertimbangan
dalam pengambilan keputusan manajerial yang berkaitan dengan
penyediaan produk sayuran (bayam hijau, kangkung dan romaine) yang
sesuai dengan permintaan konsumen.
6

3. Bahan referensi atau acuan yang dapat digunakan bagi peneliti lain yang
akan melakukan penelitian yang sama atau lebih lanjut mengenai
perencanaan produksi.

Ruang Lingkup Penelitian

Ruang lingkup penelitian ini ialah perencanaan produksi yang diawali

dengan melakukan peramalan permintaan sayuran berupa komoditas bayam hijau,
kangkung dan romaine di PT. Kebun Sayur Segar (Parung Farm) untuk periode
lima bulan kedepan yang kemudian hasil ramalan tersebut akan digunakan untuk
melakukan perencanaan produksi (waktu tanam, panen dan jumlah produksi).
Penelitian ini menggunakan metode kuantitatif (model time series) yang paling
akurat dan sesuai dengan data yang ada, dan data yang digunakan yakni berupa
data permintaan historis tiga tahun terakhir yang bersumber dari catatan
pengelolaan produksi sayuran di PT. Kebun Sayur Segar (Parung Farm).

TINJAUAN PUSTAKA

Kajian mengenai peramalan dan perencanaan produksi telah dilakukan oleh

para peneliti sebelumnya. Penelitian tersebut pada umumnya bertujuan untuk
melihat sebaran pola data yang terdapat pada masing-masing kondisi di tempat
penelitian untuk dapat memberikan metode peramalan kuantitatif yang terbaik
sesuai dengan studi kasus, dan selanjutnya hasil peramalan tersebut digunakan
untuk melakukan perencanaan produksi. Penelitian mengenai peramalan
permintaan dan perencanaan produksi antara lain Wisastri (2006), Naibaho (2009),
Hutajulu (2010), Purnomo (2010), Lestari (2012), dan Hutagalung (2013).
Purnomo (2010) dan Hutagalung (2013) melakukan penelitian yang sama,
yakni mengenai perencanaan dan kebutuhan kapasitas produksi. Purnomo (2010)
melakukan penelitian tentang perencanaan produksi dan pengendalian persediaan
bahan baku pada pengrajin tahu dan tempe “IM” Cibogo, Bandung. Penelitian ini
bertujuan untuk membuat perencanaan pengadaan bahan baku untuk menentukan
kapan dan berapa banyak jumlah pesanan bahan baku yang diperlukan untuk
menjaga agar bahan baku yang tersedia sesuai dengan kebutuhan perusahaan pada
tingkat harga yang minimal. Adapun tahapan yang dilakukan pada penelitian ini
ialah pemodelan perencanaan produksi agregat dengan integer programming,
perhitungan perencanaan produksi agregat dengan win QSB, perhitungan
perencanaan produksi disagregasi, serta perhitungan kebutuhan bahan baku
dengan economic order quantity (EOQ).
Pada penelitian ini, fungsi tujuan yang ditetapkan adalah meminimisasi total
biaya produksi dengan bentuk model programma integer adalah model dengan
jumlah tenaga kerja tetap yang artinya selama horizon perencanaan, tidak terjadi
penambahan atau pengurangan tenaga kerja. Selain itu, dalam mencapai tujuannya,
peneliti menggunakan metode EOQ untuk mengetahui jumlah kebutuhan bahan
baku yang diperlukan agar Jadwal Induk Produksi (MPS) dapat direalisasikan.
Langkah yang dilakukan ialah menentukan jumlah pemesanan optimal, serta
melakukan perhitungan total biaya persediaan, seperti biaya pembelian bahan
baku, biaya pesanan, biaya simpan dan biaya persediaan.
 7

Seperti pada penelitian Purnomo (2010), penelitian yang dilakukan oleh

Hutagalung (2013) juga melakukan penelitian tentang perencanaan produksi.
Perbedaannya pada penelitian ini melakukan perencanaan kebutuhan kapasitas
produksi pada sebuah perusahaan manufaktur (PT. XYZ). Metode yang digunakan
pada penelitian ini ialah perhitungan Rough Cut Capacity Planning (RCCP) dan
pemberian usulan perencanaan kapasitas produksi. RCCP digunakan untuk
mengetahui bagian produksi (work centre) yang mengalami kekurangan kapasitas
produksi, sedangkan usulan perencanaan kapasitas produksi digunakan sebagai
alternatif work centre dalam meningkatkan kapasitas produksi.
Berdasarkan hasil yang diperoleh, terdapat tiga work centre yang mengalami
kekurangan kapasitas produksi, yaitu work centre pemotongan plat, gerinda dan
polish. Usulan perencanaan kapasitas produksi yang dilakukan ialah melakukan
penyesuaian beban kerja (re-adjusment), menambah tiga unit mesin gerinda dan
tiga unit mesin polish. Dengan usulan tersebut, tujuan penelitian ini dapat
terpenuhi, yakni memenuhi permintaan konsumen serta meningkatkan pendapatan
perusahaan hingga mencapai 31 persen.
Berbeda dengan kedua penelitian diatas, Wisastri (2006) dan Lestari (2012)
melakukan penelitian tentang peramalan permintaan. Kesamaan pada kedua
penelitian ini yakni penelitian dilakukan pada objek sayuran di daerah tertentu.
Wisastri (2006) melakukan penelitian tentang analisis peramalan permintaan
sayuran (lettuce head, bunga kol, wortel, sawi putih dan brokoli) pada PD. Pacet
Segar, Cianjur, Jawa Barat. Penelitian ini memiliki tujuan untuk memilih model
peramalan terakurat untuk mendapatkan ramalan permintaan beberapa jenis
sayuran diatas beserta rekomendasinya untuk perusahaan. Model yang dicoba
dalam penelitian ini ialah model time series dan kausal serta menggunakan
program microsoft excel, minitab 13 dan QSB (Quantitative System for Business)
dalam mengolah data kuantitatif yang diperoleh. Berdasarkan plot data permintaan
dan plot korelasinya, diketahui bahwa pola data untuk lettuce head, bunga kol,
wortel, sawi putih dan brokoli adalah tidak stasioner, memiliki pola data trend dan
musiman. Model peramalan time series yang digunakan adalah model rata-rata
bergerak sederhana, rata-rata sederhana, model dua parameter dari Holt, model
Brown, model trend, model pemulusan tunggal, model Winter multiplikatif,
dekomposisi (aditif dan multiplikatif) dan model ARIMA, sedangkan model
regresi yang dicoba adalah regresi linier dan double log.
Seperti pada penelitian Wisastri (2006), penelitian yang dilakukan oleh
Lestari (2012) juga melakukan penelitian mengenai analisis peramalan permintaan
sayuran. Perbedaannya, pada penelitian ini menggunakan pendekatan kointegrasi
yang dilakukan pada PT. Saung Mirwan, Bogor, Jawa Barat. Penelitian ini
bertujuan untuk meramalkan permintaan sayuran (lettuce head, kembang kol,
tomat beef) untuk satu tahun kedepan dan menganalisis kointegrasi diantara ketiga
jenis sayuran tersebut. Berdasarkan hasil uji stasioneritas, data permintaan sayuran
diatas bersifat tidak stasioner dan terdapat tren, maka harus dilakukan pembedaan
atau difference yang mengarahkan bahwa data akan dianalisis menggunakan
Vector Error Correction Model (VECM) dengan menggunakan panjang lag satu
dan selang kepercayaan yang digunakan adalah lima persen untuk melakukan
analisis selanjutnya. Pengolahan data dilakukan dengan menggunakan bantuan
program microsoft excel 2007, eviews 6, dan minitab 16.
8

Hasil peramalan ketiga komoditi tersebut berdasarkan IRF dan FEVD untuk
satu tahun kedepan cenderung mengalami peningkatan dengan terdapat hubungan
kointegrasi diantara ketiganya. Guncangan dalam permintaan kembang kol, akan
direspon positif oleh semua variabel, sedangkan untuk lettuce head bila terdapat
guncangan permintaan, maka akan direspon positif oleh lettuce head itu sendiri
dan kembang kol, tetapi direspon negatif oleh tomat beef, dan jika terjadi
guncangan permintaan pada tomat beef, maka akan direspon positif oleh semua
variabel.
Berbeda dengan kedua penelitian diatas, penelitian peramalan permintaan
dan perencanaan produksi oleh Naibaho (2009) dan Hutajulu (2010) dilakukan
pada objek yang berbeda. Penelitian ini dilakukan pada objek non sayuran.
Hutajulu (2010), melalukan penelitian tentang peramalan permintaan dan
perencanaan optimasi produksi semen pada plant 11 PT. Indocement Tunggal
Prakarsa Tbk. Penelitian ini dilakukan untuk melakukan peramalan terhadap
permintaan semen satu tahun kedepan serta menentukan perencanaan optimasi
produksinya. Hasil peramalan akan dijadikan sebagai dasar penentuan
perencanaan optimasi produksi dengan fungsi tujuan untuk meminimisasi biaya
produksi dan fungsi kendala berupa jumlah permintaan, jam tenaga kerja regular
dan lembur, kapasitas gudang, tingkat persediaan produk jadi dan kecepatan
produksi.
Seperti Hutajulu (2010), penelitian yang dilakukan oleh Naibaho (2009)
juga meneliti tentang analisis peramalan permintaan pada objek non sayuran, yaitu
peramalan permintaan handuk ekspor dan kajian perencanaan produksi agregat
pada PT. Wiska. Penelitian ini dilakukan untuk melakukan peramalan terhadap
permintaan handuk ekspor satu tahun kedepan serta menentukan perencanaan
produksinya secara agregat. Parameter-parameter yang memengaruhi proses
produksi dalam sistem perencanaan produksi agregat adalah jumlah permintaan
pelanggan, kapasitas gudang, tingkat persediaan produk jadi, waktu kerja yang
tersedia dan kecepatan produksi.
Persamaan kedua penelitian diatas terletak pada konsep keberlanjutan
setelah dilakukan analisis peramalan permintaan. Kedua penelitian tersebut
melanjutkan pada kajian perencanaan produksi secara optimal dengan tujuan
utama untuk meminimumkan biaya dan efisiensi sumber daya yang dimiliki.
Dari uraian diatas, maka penelitian ini memiliki perbedaan dalam hal obyek
yang diteliti, yakni sayuran hidroponik, dimana nantinya dengan adanya
perbedaan fluktuasi dan pola sebaran data, akan memengaruhi model yang
digunakan dalam proses peramalan yang dilakukan pada penelitian ini yang
selanjutnya hasil ramalan tersebut akan dijadikan bahan pertimbangan dalam
mengestimasikan waktu tanam, panen dan jumlah yang harus diproduksi.

KERANGKA PEMIKIRAN

Kerangka Pemikiran Teoritis

Perencanaan Produksi
Perencanaan adalah fungsi manajemen yang paling pokok dan sangat luas
meliputi perkiraan dan perhitungan mengenai kegiatan yang akan dilaksanakan
 9

pada waktu yang akan datang mengikuti suatu urutan tertentu. Syarat mutlak suatu
perencanaan harus mempunyai tujuan yang jelas dan mudah dimengerti serta
perencanaan harus terukur dan mempunyai standar tertentu. Perencanaan produksi
adalah perencanaan dan pengorganisasian mengenai orang-orang, bahan-bahan,
mesin-mesin dan peralatan lain, waktu produksi, jumlah produksi dan modal yang
diperlukan untuk memproduksi barang-barang pada suatu periode tertentu di masa
depan sesuai dengan yang diperkirakan atau diramalkan (Assauri, 2004).
Selain itu, Assauri (2004) juga menambahkan bahwa manajemen produksi
dan operasi merupakan usaha-usaha pengelolaan secara optimal penggunaan
sumber daya-sumber daya (faktor produksi), seperti sumber daya manusia, sumber
daya alat dan sebagainya dalam proses transformasi bahan mentah dan tenaga
kerja menjadi berbagai produk atau jasa, dimana penggunaan sumber daya
tersebut dilakukan secara efektif dan efisien untuk menciptakan dan menambah
guna (utility) barang dan jasa tersebut.
Prawirasentono (2007) mengklasifikasikan perencanaan produksi menjadi
tiga jenis berdasarkan horizon waktu, yakni (1) perencanaan jangka panjang yang
merupakan perencanaan lebih dari 18 bulan, seperti perencanaan penambahan
fasilitas dan peralatan yang berumur panjang, (2) perencanaan jangka menengah
yang merupakan perencanaan 3 hingga 18 bulan, seperti perencanaan tugas dan
penambahan karyawan, (3) perencanan jangka pendek yang merupakan
perencanaan dibawah tiga bulan, seperti perencanaan pengalokasian mesin
Perencanaan produksi memiliki beberapa tujuan, diantaranya adalah sebagai
berikut : (1) meramalkan permintaan produk yang dinyatakan dalam jumlah
produk sebagai fungsi dari waktu, (2) menetapkan jumlah saat pemesanan bahan
baku serta komponen secara ekonomis dan terpadu, (3) menetapkan keseimbangan
antara tingkat kebutuhan produksi, teknik pemenuhan pemesanan, serta
memonitor tingkat persediaan produk jadi setiap saat, membandingkannya dengan
rencana persediaan dan melakukan revisi atas tencana produksi pada saat yang
ditentukan, (4) membuat jadwal produksi, penugasan, pembebanan mesin dan
tenaga kerja yang terperinci sesuai dengan ketersediaan kapasitas dan fluktuasi
permintaan pada suatu periode.
Menurut Solehudin (2007), terdapat beberapa faktor yang perlu
dipertimbangkan dalam perencanaan proses produksi berdasarkan sifat proses
produksi, faktor tersebut ialah :
a. Proses produksi yang terputus-putus
Perencanaan produksi dalam perusahaan pabrik yang mempunyai proses
produksi yang terputus-putus, dilakukan berdasarkan jumlah pesanan
(make to order) yang diterima. Oleh karena kegiatan produksi dilakukan
berdasarkan pesanan, jumlah produksi biasanya relatif kecil, sehingga
perencanaan produksi yang dibuat semata-mata tidak berdasarkan
ramalan penjualan (sales forecasting), tetapi didasarkan pada pesanan
yang masuk.
Perencanaan produksi dibuat untuk menentukan kegiatan produksi yang
perlu dilakukan bagi pengerjaan setiap pesanan yang masuk. Ramalan
penjualan ini membantu untuk dapat memperkirakan order yang akan
diterima, sehingga dapat diperkirakan dan ditentukan bagaimana
penggunaan mesin dan peralatan yang ada agar mendekati optimum
pada masa yang akan datang, dan tindakan-tindakan apa yang perlu
10

diambil untuk menutupi kekurangan-kekurangan yang mungkin terjadi.

Perencanaan produksi yang disusun haruslah bersifat fleksibel, agar
sumber daya yang dimiliki dapat dipergunakan secara optimal.
b. Proses produksi yang terus menerus (continuous process)
Perencanaan produksi pada perusahaan yang bersifat terus menerus,
dilakukan berdasarkan ramalan penjualan. Hal ini dikarenakan kegiatan
produksi tidak dilakukan berdasarkan pesanan akan tetapi untuk
memenuhi pasar dan jumlah yang besar serta berulang-ulang dan telah
mempunyai blueprint selama jangka waktu tertentu.
Selain itu, Prawirasentono (2007) menambahkan beberapa hal yang terdapat
dalam perencanaan produksi, diantaranya ialah :
1. Desain produk
Desain produk harus terlebih dahulu disiapkan sebelum perusahaan
melakukan kegiatan operasional, baik jangka pendek maupun jangka
panjang. Sesuai dengan perubahan selera pasar, desain barang harus
selalu diperbaharui agar barang yang diproduksi dilirik oleh konsumen
atau pasar, sehingga barang tersebut memiliki nilai jual yang baik.
Desain produk ini nantinya akan menentukan teknologi yang dipakai.
2. Teknologi dan fasilitas produksi
Teknologi dan fasilitas produksi yang dipakai perusahaan biasanya akan
disesuaikan dengan modal dan alokasi keuangan yang dimiliki yang
telah dirancang sebelumnya. Besar kecilnya teknologi atau kapasitas
mesin yang dipakai, tergantung pada ramalan penjualan yang menjadi
dasar perencanaan produksi.
3. Jumlah tenaga kerja
Jumlah tenaga kerja yang dibutuhkan didasarkan pada kapasitas
produksi yang telah direncanakan sebelumnya, namun bukan hanya
jumlah tenaga kerja, tetapi juga jenis dan mutu kerja sesuai dengan
kapabilitas masing-masing.
4. Bentuk dan mutu produk
Bentuk dan mutu produk, nantinya akan menentukan jenis dan jumlah
persediaan bahan yang harus disiapkan.
5. Waktu produksi
Waktu produksi harus diestimasikan terlebih dahulu, baik melalui cara
kualitatif maupun kuantitatif, agar produk yang dihasilkan memiliki
kesesuaian waktu dengan permintaan konsumen, sehingga permintaan
konsumen dapat terpenuhi tepat pada waktunya.

Hidroponik
Istilah hidroponik berasal dari bahasa Yunani, yakni hydroponick. Kata
hydroponick itu sendiri merupakan gabungan dari dua buah suku kata, yaitu hydro
yang memiliki arti air dan ponos yang berarti bekerja. Secara harfiah, istilah
hidroponik dapat diartikan sebagai proses atau teknik bercocok tanam yang
pengerjaannya dengan menggunakan air, yakni merupakan sistem penanaman
dengan media tanam yang banyak mengandung air. Dalam teknik hidroponik ini,
media tanam bukan dengan menggunakan tanah, melainkan dengan media tanam
lainnya seperti rockwool, arang sekam, zeolite, dan berbagai media tanam lainnya
yang ringan dan steril untuk digunakan. Media air yang digunakan dalam teknik
 11

hidroponik ini memiliki fungsi sebagai pengganti tanah untuk menghantarkan

larutan hara kedalam akar tanaman. (Lingga 1999).
Pelaksanaan proses pembudidayaan tanaman hidroponik biasanya dilakukan
didalam greenhouse. Greenhouse itu sendiri sering diartikan sebagai rumah kaca,
namun karena alasan harga yang mahal dan kesulitan untuk didapat, penggunaan
kaca akhir-akhir ini sudah banyak digantikan dengan penggunaan plastik yang
harganya relatif lebih murah dan lebih mudah didapat. Penggunaan greenhouse
pada dasarnya untuk mengurangi risiko dan ketidakpastian dalam berproduksi
yang disebabkan oleh faktor alam, seperti cuaca yang ekstrim (angin kencang,
intensitas hujan dan radiasi matahari yang tinggi), gangguan hama, serta untuk
melindungi tanaman dari kelembaban yang tinggi. Penggunaan greenhouse ini
membuat tanaman terlindungi dari serangan hama dan OPT, sehingga penggunaan
pestisida dapat dihindari juga dikendalikan dan produk sayuran yang dihasilkan
menjadi lebih sehat.
Menurut Suhardiyanto (2010), bertanam secara hidroponik memiliki
beberapa keunggulan dibandingkan dengan budidaya tanaman menggunakan
media tanah. Keunggulan teknik hidroponik antara lain (1) serangan hama dan
penyakit (OPT) menjadi lebih mudah dikendalikan, (2) penggunaan pupuk dan air
lebih efisien, (3) lebih bersih dan steril, (4) pekerjaan relatif lebih ringan karena
tidak harus mengolah tanah, (5) larutan nutrisi dapat disesuaikan dengan
kebutuhan tanaman, (6) pengusahaan tanaman dapat dilakukan dimana saja, tidak
harus dilakukan di lahan yang luas.

Proses Produksi
Bayam hijau memiliki waktu budidaya sekitar 38 sampai 40 hari sebelum
memasuki masa panen, dengan rincian 10 hari awal dilakukan proses penyemaian
benih, 10 hari selanjutnya adalah masa tanam bibit, dan 18 hingga 20 hari
berikutnya memasuki masa produksi bibit, kemudian setelah itu memasuki masa
panen selama dua sampai tiga hari.
Kangkung memiliki karakteristik yang tak jauh berbeda dengan bayam hijau.
Waktu budidaya yang diperlukan kangkung sekitar 38 sampai 40 hari sebelum
memasuki masa panen, yakni masa penyemaian benih selama 10 hari, masa tanam
bibit selama 10 hari, masa produksi bibit selama 18 hingga 20 hari dan masa
panen selama 2 hingga 3 hari.
Berbeda halnya dengan bayam hijau dan kangkung, romaine memiliki
karakteristik waktu budidaya yang lebih lama, yakni sekitar 48 hingga 50 hari
sebelum memasuki masa panen, dengan rincian 10 hari pertama untuk masa
penyemaian benih, 10 hari kedua untuk masa tanam bibit, 28 hingga 30 hari
selanjutnya untuk masa produksi bibit dan 2 hingga 3 hari untuk masa panen.
Proses produksi sayuran hidroponik pada PT. Kebun Sayur Segar (Parung
Farm) diawali dengan proses etiolasi benih sayuran, yakni proses dimana benih
(yang telah diletakkan diatas rockwool) dimasukkan ke dalam ruangan yang gelap
tanpa adanya cahaya dengan tujuan untuk mempercepat proses pertumbuhan
kecambah sayuran tersebut. Proses ini dilakukan selama kurang lebih dua hari
sebelum dapat memasuki tahap selanjutnya. Setelah proses etiolasi selesai, benih
sayuran memasuki masa penyemaian di dalam greenhouse atau sering disebut
dengan masa N1. Masa N1 ini adalah masa penyemaian benih yang dialiri larutan
nutrisi sebanyak 3 ml yang berlangsung selama kurang lebih 8 hari. Pada masa ini
12

belum terdapat jarak tanam yang ditentukan secara sistematis, karena belum
terlalu memengaruhi proses pertumbuhan benih sayuran. Proses produksi sayuran
hidroponik pada masa N1 dapat dilihat pada Gambar 2.

Gambar 2 Masa Penyemaian Benih Bayam Hijau dan Kangkung (Masa N1)

Proses selanjutnya, benih sayuran hidroponik akan memasuki masa tanam

bibit selama kurang lebih 10 hari. Proses ini lebih dikenal dengan sebutan masa
N2, dimana kecambah yang telah tumbuh dari masa penyemaian akan
dipindahkan ke dalam greenhouse yang telah dialiri larutan nutrisi sebanyak 5 ml,
dengan adanya masa N2 ini diharapkan bibit sayuran dapat tumbuh lebih optimal
dan lebih siap untuk memasuki masa produksi. Masa N2 ini dilakukan didalam
kamar-kamar yang ada di greenhouse yang didalamnya telah terdapat mesin dan
pipa-pipa yang berfungsi untuk mengalirkan larutan nutrisi, dimana satu kamar
tersebut berukuran sekitar 8-12 m2. Setiap 1 m2 berisi 36 lubang dengan jarak
tanam 10 hingga 15 cm, dimana tiap-tiap lubang berisi satu hingga tiga benih yang
berasal dari proses N1. Proses produksi sayuran hidroponik pada masa N2 dapat
dilihat pada Gambar 3.
 13

Gambar 3 Masa Tanam Bibit (Masa N2) dan Alat Pengalir Nutrisi

Tahap terakhir sayuran hidroponik sebelum memasuki masa panen ialah

masa produksi bibit sayuran, yakni selama kurang lebih 18 hingga 20 hari untuk
bayam hijau dan kangkung, serta kurang lebih 28 hingga 30 hari untuk romaine.
Masa produksi ini juga disebut dengan masa N3. Pada tahap ini, bibit sayuran
yang berasal dari masa N2 akan memasuki masa N3 yang akan dialiri larutan
nutrisi sebanyak 7 ml. Dengan didahului masa N2, bibit sayuran pada N3 ini
diharapkan dapat tumbuh secara optimal dan hanya tinggal menunggu umur
dewasa agar dapat dipanen sesuai dengan umur panen yang ada. Proses produksi
sayuran hidroponik pada masa N3 dapat dilihat pada Gambar 4.

(a) (b)

(c) (d)
Gambar 4 Masa Produksi Bibit Kangkung (a,b) dan Bayam Hijau (c,d) (Masa N3)
14

Pada dasarnya proses produksi atau budidaya sayuran pada PT. Kebun
Sayur Segar (Parung Farm) ini tidak terlalu memerlukan lahan yang luas,
mengingat sayuran dibudidayakan secara hidroponik. Selain itu, dengan proses
secara hidroponik tersebut, memungkinkan perusahaan menerapkan konsep first
in first out dimana proses penanaman serta pemanenan dapat dilakukan setiap
harinya dengan sayuran yang ditanam terlebih dahulu akan dipanen lebih awal.
Mengenai jumlah panen, 1 m2 penanaman sayuran akan menghasilkan 1.5 kg atau
sekitar 6 pak untuk bayam hijau dan kangkung, sedangkan 1 m2 penanaman
romaine akan menghasilkan 2 kg atau sekitar 8 pak.

Teori Permintaan
Teori permintaan merupakan teori yang mempelajari hubungan antara
jumlah yang diminta untuk setiap komoditi dengan harga komoditi itu sendiri.
Menurut Lipsey et al (1993), ada tiga hal penting yang perlu diperhatikan dalam
konsep permintaan. Pertama, istilah jumlah yang diminta memiliki perbedaan arti
dengan jumlah yang dibeli. Istilah kuantitas yang diminta digunakan untuk
menunjukkan pembelian yang diinginkan oleh konsumen, sedangkan istilah
jumlah yang dibeli digunakan untuk menunjukkan kuantitas nyata yang dibeli oleh
konsumen. Kedua, apa yang diinginkan oleh konsumen bukan merupakan harapan
kosong, melainkan permintaan efektif yang berarti jumlah orang yang bersedia
membeli komoditi itu pada harga yang mereka harus bayar untuk komoditi
tersebut. Ketiga, kuantitas yang diminta merupakan arus pembelian yang kontinyu.
Oleh karenanya, kuantitas tersebut harus dinyatakan dalam banyaknya persatuan
waktu.
Konsep permintaan memiliki suatu hipotesis ekonomi dasar yang
menyatakan bahwa harga suatu komoditi dan kuantitas yang akan diminta
berhubungan secara negatif, dengan faktor lain dianggap tetap (ceteris paribus).
Hal tersebut berarti semakin rendah harga suatu komoditi, maka jumlah yang akan
diminta untuk komoditi itu akan semakin besar, dan semakin tinggi harga,
semakin rendah jumlah yang diminta.
Selain hal diatas, permintaan juga memiliki konsep tentang variabel-variabel
apa saja yang akan memengaruhi dan menentukan jumlah kuantitas yang akan
diminta. Variabel-variabel tersebut ialah harga komoditi itu sendiri, rata-rata
penghasilan rumahtangga, harga komoditi yang berkaitan, selera konsumen,
distribusi pendapatan diantara rumahtangga dan besarnya populasi. Pada dasarnya,
pengaruh setiap variabel tersebut tidak dapat difahami secara terpisah, jika ingin
mengetahui apa yang terjadi terhadap perubahan pada waktu yang sesuai. Dengan
kata lain mempelajari pengaruh variabel-variabel tersebut dilakukan satu demi
satu pada saat tertentu untuk melihat seberapa besar pengaruhnya terhadap
kuantitas yang diminta, sedangkan variabel yang lainnya dianggap konstan.
Melalui cara tersebut, dapat diketahui tingkat kepentingan masing-masing variabel
yang akan memengaruhi posisi kurva permintaan, kurva bergerak ataukah kurva
akan mengalami pergeseran dan juga akan berimplikasi pada kuantitas komoditi
yang diminta. (Lipsey et al 1993).

Teori Peramalan
Teori atau definisi peramalan pada dasarnya memiliki arti yang beragam, hal
tersebut sesuai dengan pernyataan Singgih (2009) yang memberikan beberapa
 15

definisi tentang peramalan, (1) perkiraan munculnya sebuah kejadian di masa

depan, berdasarkan data yang ada di masa lampau, (2) proses menganalisis data
historis dan data saat ini untuk menentukan tren di masa mendatang, (3) proses
estimasi dalam situasi yang tidak diketahui, (4) pernyataan yang dibuat tentang
masa depan, (5) penggunaan ilmu dan teknologi untuk memperkirakan situasi di
masa depan, (6) upaya sistematis untuk mengantisipasi kejadian atau kondisi di
masa yang akan datang.
Selain itu, Makridakis (1999) menyatakan bahwa peramalan biasa
didefinisikan sebagai prosedur yang sistematis atau dengan kata lain secara
kuantitatif, namun sebenarnya peramalan juga dapat didefinisikan sebagai
perkiraan melalui intuisi atau kualitatif, meskipun menilai keakuratan peramalan
kualitatif lebih sulit dibanding peramalan kuantitatif, karena metode kualitatif
bukanlah prosedur yang distandarkan dan metode ini sangat bergantung pada
peramal, karena peramal yang berbeda bisa sampai pada ramalan yang sangat
berbeda dengan menggunakan metode yang sama.
Dari beberapa definisi diatas, dapat disimpulkan bahwa peramalan ialah
upaya untuk memperkirakan apa yang akan terjadi di masa yang akan datang
dengan mempertimbangkan data yang ada di masa lampau, berbasis pada metode
ilmiah (ilmu dan teknologi) serta dilakukan secara sistematis. Walaupun demikian,
kegiatan peramalan tidaklah semata-mata berdasarkan prosedur ilmiah atau
terorganisir, karena terdapat kegiatan peramalan yang menggunakan intuisi
(perasaan) atau melalui diskusi informal dalam sebuah grup.
Kegiatan peramalan memiliki ciri-ciri yang dapat dilihat pada Tabel 4
dibawah ini.

Tabel 4 Ciri-Ciri Sebuah Kegiatan Peramalana

Aspek Peramalan
Fokus Data di masa lalu
Menguji perkembangan saat ini dan
Tujuan
relevansinya di masa mendatang
Proyeksi berdasar ilmu statistik,
Metode
diskusi dan review program
Pembuat keputusan, petugas
Orang yang terlibat
administrasi, praktisi dan analis
Frekuensi Reguler (teratur)
Tidak sekedar akurasi, namun
Kriteria keberhasilan
bersifat pembelajaran
a
Sumber : Singgih (2009)

Dari beberapa kriteria diatas, terlihat bahwa peramalan adalah kegiatan yang
bersifat teratur, berupaya memprediksi masa depan dengan berkaca pada data
masa lalu, menggunakan tidak hanya metode ilmiah, namun juga
mempertimbangkan hal-hal yang bersifat kualitatif, seperti perasaan, pengalaman
seseorang dan lain sebagainya yang melibatkan praktisi maupun analis.

Jenis-Jenis Peramalan
Jenis-jenis peramalan menurut Singgih (2009) dapat dilihat dari beberapa
sudut pandang yang berbeda, seperti dari sudut pandang horizon waktu dan dari
16

sifat metode yang digunakan. Jika dilihat dari sudut horizon waktu, peramalan
dapat dibedakan menjadi tiga macam, yakni :
a. Peramalan Jangka Pendek (Short Term Forecasting)
Peramalan yang dilakukan meliputi kurun waktu mulai dari satu hari
sampai satu musim, atau dapat sampai satu tahun. Oleh karena waktu
peramalan sangat singkat, maka data historis masih relevan untuk
dijadikan bahan pembuatan prediksi.
b. Peramalan Jangka Menengah (Medium Term Forecasting)
Peramalan yang dilakukan meliputi kurun waktu dari satu musim
(kuartal, triwulan atau yang lain) sampai dua tahun. Kegiatan peramalan
dalam jangka menengah ini masih menggunakan metode kuantitatif dan
kualitatif, karena data historis masa lalu dianggap masih cukup relevan
untuk memprediksi masa yang akan datang.
c. Peramalan Jangka Panjang (Long Term Forecasting)
Peramalan yang dilakukan meliputi kurun waktu minimal lima tahun.
Kegiatan peramalan untuk jangka panjang pada umumnya berdasarkan
pada intuisi dan pengalaman seseorang. Penggunaan metode ini
didasarkan pada perubahan teknologi dan lingkungan bisnis, sehingga
data historis menjadi kurang relevan untuk digunakan.
Jika dilihat dari sudut pandang sifat metode yang digunakan, peramalan
dapat dibedakan menjadi dua macam, yakni :
a. Peramalan Kualitatif
Peramalan secara kualitatif dilakukan jika data historis tidak tersedia
atau sudah tidak relevan lagi dengan situasi yang ada, perusahaan lebih
mengandalkan intuisi atau pengalaman seseorang daripada data
kuantitatif, perusahaan akan memasuki pasar yang baru atau perusahaan
akan memasarkan produk yang baru. Beberapa bentuk peramalan secara
kualitatif yang sering ditemui dalam praktik ialah Metode Delphi,
Nominal Group Technique, Sales Force Opinion, Executive Opinions,
dan Market Research.
b. Peramalan Kuantitatif
Peramalan secara kuantitatif dilakukan jika data historis memang
tersedia dan situasi bisnis relatif tenang, penggunaan data kuantitatif
untuk memprediksi besaran tertentu di masa mendatang akan jauh lebih
efektif dibandingkan peramalan kualitatif. Metode kuantitatif pada
dasarnya dapat dibagi lagi menjadi dua kelompok utama, yaitu model
time series dan model kausal (sebab akibat), namun pada penelitian ini,
model yang digunakan ialah model time series.

Model Time Series

Model time series merupakan suatu teknik peramalan yang didasarkan pada
input data yang berupa data dengan basis waktu. Peramalan dilakukan dengan
dasar mengamati adanya pola tertentu dari data yang menjadi tujuan untuk
mengekstrapolasikan data tersebut ke masa depan sehingga dapat dilakukan
prediksi peramalan (Singgih 2009 dan Makridakis et al 1999).
Menurut Hanke et al (2003) dan Singgih (2009), salah satu aspek terpenting
dalam pemilihan metode peramalan yang sesuai data deret waktu adalah dengan
 17

memperhatikan jenis pola data yang berbeda. Pola data tersebut dapat dibedakan
menjadi empat jenis yang umum, yakni :
a. Pola Horisontal
Pola yang terjadi ketika data observasi berfluktuasi disekitar nilai rata-
rata (tingkatan yang konstan) atau dapat dikatakan data bersifat stabil.
Tipe data ini juga biasa disebut dengan data stasioner.
b. Pola Tren
Pola tren muncul ketika data observasi cenderung menaik atau menurun
pada periode yang panjang.
c. Pola Musiman
Pola yang terjadi ketika data observasi memiliki kecendrungan
perubahan yang berulang secara otomatis dari tahun ke tahun.
d. Pola Siklik
Pola yang terjadi ketika data observasi berfluktuasi seperti gelombang
data yang terjadi di sekitar garis tren.
Pola data yang telah didapat dari pengamatan visual plot, kemudian
diidentifikasi dan digolongkan apakah data tersebut memiliki unsur tren,
musiman atau siklik, yang selanjutnya pola data tersebut akan membantu dalam
penggunaan metode yang paling cocok yang akan digunakan dalam proses
peramalan.
Metode-metode yang digunakan dalam peramalan time series terdiri dari
beberapa model, diantaranya adalah :
a. Model Peramalan Sederhana (naive)
Model ini digunakan untuk mengembangkan model sederhana yang
mengasumsikan bahwa periode yang baru berlalu adalah prediktor
terbaik masa depan. Model ini cocok untuk data yang berpola stasioner
(Hanke et al 2003). Model naive yang paling sederhana adalah :

̂ t+1 = Yt
Dimana :
̂ t+1 adalah ramalan untuk satu periode kedepan
Yt adalah data aktual pada periode t

b. Model Tren
Tren merupakan pergerakan jangka panjang didalam deret waktu yang
seringkali dijelaskan sebagai garis lurus atau kurva halus. Model ini bisa
digunakan untuk pola data musiman (Hanke et al 2003). Model-model
tren adalah sebagai berikut :

Tren Linier ̂ t = b0 + b1t

Tren Kuadratik ̂ t = b0 + b1t + b2t2
Tren Eksponensial ̂ t = b0

Dimana : ̂t adalah nilai prediksi untuk tren pada periode t

b0 b1 b2 adalah koefisien rata-rata kenaikan atau penurunan

c. Model Rata-Rata Bergerak (moving average)

Model rata-rata bergerak ini terbagi atas tiga macam, yaitu :
18

Model rata-rata sederhana (simple average)

̂ t+1 = ∑ i
Model ini tepat digunakan apabila gejolak yang membentuk deret waktu
telah distabilkan dan lingkungan dimana deret-deret berada secara
umum tidak berubah atau stasioner (Hanke et al 2003).

Model rata-rata bergerak sederhana (simple moving average)

̂ t+1 = (Yt + Yt-1 + Yt-2 + … + Yt-k+1)/k
Model ini cocok untuk digunakan pada data yang berpola stasioner.

Model rata-rata bergerak ganda (double moving average)

Model ini digunakan dengan cara satu kelompok rata-rata bergerak
dihitung, dan kemudian kelompok kedua dihitung rata-rata bergerak
hasil pada kelompok pertama. Model ini cocok untuk data tren linier.
(Hanke et al 2003).
Mt = ̂ t+1 = (Yt + Yt-1 + Yt-2 + … + Yt-k+1)/k
M’t = (Mt + Mt-1 + Mt-2 + … + Mt-k+1)/k
at = Mt + (Mt – M’t) = 2Mt – M’t
b’t = 2(Mt – M’t)/k-1
̂ t+p = at + btp
Dimana
̂ t+1 adalah nilai ramalan periode mendatang
Yt adalah nilai actual pada periode t
k adalah jumlah periode yang dirata-rata bergerak
p adalah jumlah periode kedepan yang akan diramal

d. Model Pemulusan Eksponensial (exponential smoothing)

Model pemulusan eksponensial ini terbagi atas tiga macam, yaitu :
Model pemulusan eksponensial tunggal (single exponential smoothing)
̂ t+1 = Yt + (1 + ) ̂ t
Dimana :
̂ t+1 adalah nilai pemulusan baru
adalah konstanta pemulusan (0 < <1)
Yt adalah nilai actual pada periode t
̂t adalah ramalan untuk periode t
Model ini seringkali sesuai untuk data tanpa tren yang tidak dapat
diprediksi meningkat atau menurun. (Hanke et al 2003).

Model pemulusan eksponensial ganda (double exponential smoothing)

Model ini juga disebut sebagai metode dua parameter Holt, dimana
model ini dirancang untuk menangani data dengan tren (Singgih 2009).
Lt = Yt + (1 - )(Lt-1 + Tt-1) (untuk komponen level estimate)
Tt = (Lt – Lt-1) + (1 - )Tt-1 (untuk komponen tren estimate)
̂ t+p = Lt + pTt (untuk periode p kedepan)
Dimana :
Lt adalah nilai pemulusan baru
adalah konstanta pemulusan (0 < <1)
 19

Yt adalah nilai actual pada periode t

adalah konstanta pemulusan tren ( )
Tt adalah estimasi tren
p adalah jumlah periode kedepan yang akan diramal
̂ t+p adalah ramalan p periode kedepan

Model pemulusan eksponensial winter

Model ini digunakan pada data time series yang diduga terdapat tren dan
juga data musiman (Singgih 2009).
Lt = (Yt/St-s) + (1 - )(Lt-1 + Tt-1) (untuk komponen level estimate)
Tt = (Lt – Lt-1) + (1 - )Tt-1 (untuk komponen tren estimate)
St = (Yt/ Lt) + (1 - )St-p (untuk komponen musiman estimate)
̂ t+p = (Lt + pTt)St-s+p (untuk periode p kedepan)
Dimana :
adalah konstanta pemulusan musiman ( )
St adalah estimasi musiman
s adalah panjangnya musim

e. Model Dekomposisi
Model dekomposisi ini terbagi atas dua macam, yaitu :
Model komponen aditif
̂ t = Tt + St + Ct + It
Model komponen aditif kerjanya sangat baik untuk deret waktu yang
keragamannya kurang lebih sama sepanjang deret, dengan kata lain
semua nilai deret berada pada lebar yang konstan berpusat pada tren
(Hanke et al 2003).

Model komponen multiplikatif

̂ t = Tt x St x Ct x It
Dimana :
̂t adalah ramalan untuk periode t
Tt adalah komponen tren pada waktu t
St adalah komponen musiman pada waktu t
Ct adalah komponen siklik pada waktu t
It adalah komponen random pada waktu t
Model ini cocok untuk deret waktu yang keragamannya menaik dengan
tingkat tertentu, dengan kata lain konstan dan bersifat tren (Hanke et al
2003 dan Singgih 2009).

f. Model Box Jenkins (ARIMA)

Model ini berbeda dengan model-model sebelumnya, ARIMA tidak
melihat pola-pola data tetapi model ini secara murni melakukan prediksi
hanya berdasar data-data historis yang ada. Menurut Singgih (2009),
model ARIMA ini tersusun atas tiga model, yaitu :
Model moving average (MA)
Model ini digunakan untuk memprediksi Yt sebagai fungsi dari
kesalahan prediksi di masa lalu dalam memprediksi Yt.
20

Yt = et – W1et-1 - W2et-2 -…- Wqet-q

Dimana :
Yt adalah nilai MA yang diprediksi
et adalah komponen eror
W adalah koefisien atau bobot
t-q… adalah nilai terdahulu dari white noise

Model autoregressive (AR)

Model ini digunakan untuk memprediksi Yt sebagai fungsi dari data
dimasa yang lalu, yakni t-1, t-2…t-n.
Yt = A1Yt-1 + A2Yt-2 … ApYt-p + et
Dimana :
Yt adalah nilai AR yang diprediksi
Ap adalah koefisien
Yt-p adalah nilai lag dari time sries
et adalah komponen eror

Model campuran (ARMA)

Model ini merupakan model gabungan persamaan dari AR dan MA.

Yt = A1Yt-1 + A2Yt-2 … ApYt-p + et + – W1et-1 - W2et-2 -…- Wqet-q

Secara garis besar, jika ingin melakukan peramalan dengan model

ARIMA ini, ada beberapa tahap yang harus dilalui, yaitu (1) terdapat
sejumlah data hasil observasi, yang dapat disebut sebagai data mentah,
(2) dari data yang ada, dilakukan proses identifikasi, (3) data diuji
apakah stasioner atau tidak, jika tidak stasioner, dilakukan proses
differencing lag 1, lag 2 dan seterusnya, (4) jika data terbukti telah
stasioner, lakukan pemilihan model yang tepat. Proses ini disebut
dengan identifikasi model tentatif.

Setelah mengidentifikasi pola data dan memilih model (yang sesuai dengan
pola data) yang akan digunakan dalam melakukan peramalan, langkah selanjutnya
atau hal yang perlu diperhatikan ialah mengukur ketepatan peramalan model
tersebut. Jika penggunaan model sudah dianggap benar, pemilihan model
peramalan terbaik sebaiknya didasarkan pada tingkat kesalahan prediksi dengan
cara menghitung kesalahan prediksi dari model-model tersebut. Menurut Hanke et
al (2003) dan Singgih (2009), dalam praktik ada beberapa alat ukur yang sering
digunakan untuk menghitung kesalahan prediksi, yaitu :

a. MAPE (Mean Absolute Percentage Error)

MAPE = ∑( ) t– Ft / At |
b. MAD (Mean Absolute Deviation)
MAD = ∑( ) t– Ft |
c. MSE (Mean Squared Error)
MSE = ∑( ) ( t – Ft )2
 21

Dimana :
At adalah data aktual pada waktu t
Ft adalah data ramalan pada waktu t
n adalah jumlah data

Pada dasarnya, ketiga rumus diatas mengukur seberapa jauh data hasil
ramalan berbeda dengan data asli atau aktualnya. Hal tersebut diperlihatkan dari
nilai eror yang tercantum pada masing-masing alat ukur. Kriteria yang digunakan
bersifat sederhana, jika semakin kecil nilai ketiga alat ukur tersebut, maka
semakin baik model peramalan yang digunakan. Dari ketiga alat ukur diatas,
penelitian ini menggunakan alat ukur MSE.

Kerangka Pemikiran Operasional

PT. Kebun Sayur Segar (Parung Farm) merupakan salah satu perusahaan
yang bergerak di bidang agribisnis sayuran hidroponik. Perusahaan ini terbilang
perusahaan perintis (agribisnis sayuran hidroponik) yang berdomisili di provinsi
Jawa Barat, khususnya di Kabupaten Bogor. Sayuran yang dihasilkan perusahaan
ini cukup beragam jenisnya, terdapat sekitar 5 hingga 10 jenis sayuran yang
masuk dalam kategori unggul diproduksi pada perusahaan ini.
Dalam praktik proses produksinya, PT. Kebun Sayur Segar (Parung Farm)
dipengaruhi oleh dua bagian penting dalam perusahaan, yaitu bagian pemasaran
dan bagian produksi. Bagian produksi akan melaksanakan proses produksinya,
jika telah mendapatkan angka prediksi permintaan sayuran yang dikeluarkan dari
bagian pemasaran, dimana bagian pemasaran mendapatkan prediksi tersebut dari
jumlah rata-rata permintaan konsumen yang telah lalu, namun prediksi tersebut
lebih bersifat subyektif dan juga kualitatif.
Dengan adanya prediksi secara subyektif diatas, perusahaan seringkali
dihadapkan pada kondisi peramalan yang tidak akurat, yang menyebabkan adanya
gap antara produksi dengan demand yang ada, serta perencanaan produksi yang
kurang tepat. Gap tersebut terjadi karena angka prediksi yang dikeluarkan oleh
bagian pemasaran ketika bagian produksi ingin melakukan penanaman sayuran,
berbeda dengan permintaan yang real ketika sayuran telah dipanen, dimana hal itu
dipengaruhi oleh komponen waktu (dari masa penanaman hingga panen) dan juga
dipengaruhi oleh fluktuasi permintaan konsumen terhadap sayuran.
Untuk mendapatkan perencanaan produksi yang lebih baik, perusahaan
membutuhkan peramalan yang lebih akurat dari sebelumnya, yaitu peramalan
yang bersifat kuantitatif. Peramalan kuantitatif pada penelitian ini menggunakan
model time series yang terdiri dari beberapa model yang akan dipilih berdasarkan
pola data dan setelah itu dilihat nilai eror (MSE) terkecil dari masing-masing
model untuk menentukan model terakurat yang akan digunakan dalam proses
peramalan. Setelah mendapatkan hasil ramalan, kemudian dilakukan perencanaan
produksi atau estimasi waktu tanam, panen dan jumlah yang harus diproduksi oleh
perusahaan untuk memenuhi permintaan konsumen berdasarkan hasil ramalan
yang telah dilakukan. Alur kerangka pemikiran penelitian ini dapat dilihat pada
Gambar 5.
22

PT. PARUNG FARM

Pemasaran Produksi

Peramalan Jumlah Rata-Rata

Gap Supply dan Demand

Peramalan Kuantitatif

Uji Pola Data Model Time Series Nilai MSE Terkecil

Model Terakurat

Hasil Peramalan

Perencanaan Produksi

Gambar 5 Kerangka Pemikiran Perencanaan Produksi Sayuran Hidroponik pada

PT. Kebun Sayur Segar (Parung Farm)
 23

METODE PENELITIAN

Lokasi dan Waktu Penelitian

Penelitian ini dilaksanakan di PT. Kebun Sayur Segar (Parung Farm) yang
berlokasi di Jalan Raya Parung, Kecamatan Parung, Bogor, Jawa Barat. Pemilihan
lokasi ini dilakukan secara purposive dengan alasan PT. Kebun Sayur Segar
(Parung Farm) merupakan salah satu perusahaan agribisnis yang menjadi pionir
perusahaan yang melakukan teknik pembudidayaan dengan cara hidroponik di
Jawa Barat. Selain itu, pemilihan lokasi ini juga dipertimbangkan karena alasan
ketersediaan data dan permintaan pihak manajemen perusahaan untuk dilakukan
penelitian mengenai peramalan dan perencanaan produksi.
Penelitian ini dilakukan pada bulan Februari 2014 hingga Maret 2014,
dimana penelitian yang dilakukan meliputi pengumpulan data perusahaan yang
digunakan untuk keperluan pengolahan data penelitian.

Jenis dan Sumber Data

Data yang digunakan dalam penelitian ini ialah data primer dan data
sekunder, baik yang bersifat kualitatif maupun kuantitatif. Data primer diperoleh
melalui wawancara dan observasi secara langsung dengan pihak perusahaan
(direktur dan karyawan) untuk mengetahui sejarah perkembangan perusahaan,
profil perusahaan serta rangkaian kegiatan agribisnis mulai dari hulu hingga hilir.
Sedangkan data sekunder yang digunakan ialah data perkembangan
permintaan dan harga komoditas sayuran dimana data permintaan tersebut
merupakan permintaan keseluruhan dari konsumen dan pelanggan PT. Kebun
Sayur Segar (Parung Farm) yang didapat melalui laporan perusahaan. Selain itu,
data sekunder juga berupa studi literatur berupa jurnal, laporan penelitian, skripsi,
BPS, Departemen Pertanian, dan buku-buku yang relevan dengan penelitian.

Metode Pengolahan dan Analisis Data

Data dan informasi yang telah diperoleh kemudian diolah secara kuantitatif
dan kualitatif. Analisis data kuantitatif dilakukan dengan mengolah data
permintaan sayuran pada PT. Kebun Sayur Segar (Parung Farm) (dalam bentuk
angka-angka) dengan menggunakan program komputer berupa microsoft excel
dan minitab 16 dimana hasil olahan tersebut disajikan dalam bentuk tabel dan
grafik. Sedangkan analisis data kualitatif dilakukan dengan menguraikan dan
mendeskripsikan tabel dan grafik yang telah dihasilkan dari analisis secara
kuantitatif dengan menggunakan kata-kata.
Penelitian peramalan permintaan dan perencanaan produksi sayuran ini
dilakukan dengan menggunakan metode deret waktu (time series), yang terdiri
dari metode trend, naif (naive), rataan bergerak (moving average), pemulusan
(smoothing) eksponensial, dekomposisi dan ARIMA, dimana metode terpilih akan
digunakan dalam proses peramalan. Adapun tahapan dalam melakukan proses
peramalan dan perencanaan produksi yakni sebagai berikut :
24

1. Mengumpulkan data historis yang dibutuhkan dalam peramalan, seperti

data permintaan ataupun penjualan pada periode yang telah lalu.
2. Mengidentifikasi pola data yang terlihat secara visual plot untuk dapat
disimpulkan apakah pola data tersebut bersifat trend, musiman, siklikal,
atau acak.
3. Melakukan pengolahan data terhadap beberapa metode time series diatas
berdasarkan kesesuaian metode dengan pola data yang telah
diidentifikasi dan pengolahan tersebut dilakukan dengan bantuan
perangkat lunak minitab.
4. Mengevaluasi tingkat kesalahan masing-masing metode yang dilihat dari
kriteria MAD, MSE dan MAPE.
5. Memilih metode peramalan terakurat diantara beberapa metode yang
telah dicoba, dimana pemilihan metode tersebut didasarkan pada nilai
MSE yang terkecil (pada penelitian ini) yang menunjukkan kesalahan
terkecil yang berimplikasi pada akurasi yang semakin tinggi.
6. Angka peramalan dijadikan bahan pertimbangan bagi manajemen
perusahaan dalam hal perencanaan produksi terutama waktu tanam,
panen dan jumlah yang harus diproduksi.

HASIL DAN PEMBAHASAN

Gambaran Umum Perusahaan

Sejarah Perusahaan
Pada awalnya PT. Kebun Sayur Segar merupakan sebuah yayasan yang
bergerak dalam bidang pelatihan bercocok tanam secara hidroponik yang digagas
oleh Bapak Subagyo yang merupakan seorang pensiunan salah satu bank di
Indonesia. Yayasan tersebut dibentuk pada tahun 1997 yang melayani siapa saja
yang ingin mengetahui dan mempelajari secara lebih mendalam bercocok tanam
dengan cara hidroponik. Keberadaan yayasan ini mendapat sambutan yang cukup
baik oleh para peminat pelatihan, hal tersebut dibuktikan dengan adanya hasil
produksi yang melimpah ruah dari setiap pelatihan yang dilakukan. Seiring
berjalannya waktu, pihak yayasan merasa hasil produk pelatihan yang melimpah
ruah tersebut bersifat sia-sia atau kurang memiliki nilai ekonomi yang lebih
karena tidak ada tindak lanjut setelah tanaman yang ditanam tersebut mengalami
panen. Berdasarkan pertimbangan kondisi diatas, pihak yayasan memiliki inisiatif
untuk menjadikan produk hasil pelatihan menjadi produk yang memiliki nilai
komersil. Oleh karena itu, secara resmi pada Juni 2003 yayasan ini berubah
bentuk menjadi sebuah badan hukum Perseroan Terbatas yang bernama PT.
Kebun Sayur Segar dengan brand Parung Farm.
Awalnya, produk yang dijual PT. Kebun Sayur Segar dengan brand Parung
Farm hanya terbatas pada beberapa jenis sayuran hidroponik seperti bayam,
kangkung dan selada yang dipasarkan pada pasar-pasar tertentu, namun pada
perkembangannya dengan keunggulan produk yang bebas pestisida, produk-
produk PT. Kebun Sayur Segar dapat ditemui pada hampir semua supermarket
dan hypermarket di Jabodetabek dan Bandung dengan pilihan jenis sayuran yang
sudah semakin beragam.
 25

Dalam perkembangan selanjutnya, untuk memenuhi kebutuhan pasar yang

menghendaki produk sayuran yang dibudidayakan secara organik, karena
keyakinan konsumen bahwa produk organik lebih sehat dan alami dimulai dari
pupuknya yang semuanya berasal dari alam dan tanpa menggunakan pestisida
kimiawi, PT. Kebun Sayur Segar juga membudidayakan sayuran secara organik
pada tahun 2006/2007 di daerah Cugenang, Cianjur, serta melakukan kemitraan
dengan beberapa petani untuk menjamin kekontinuan produksi.
Selain itu, pada tahun 2010 PT. Kebun Sayur Segar (Parung Farm) telah
berhasil mendapatkan sertifikat organik dari PT. Mutu Agung Lestari yang
merupakan salah satu lembaga akreditasi yang telah diakui dan disahkan oleh
Komite Akreditasi Nasional (KAN) dan PT. Kebun Sayur Segar (Parung Farm) ini
merupakan produsen sayuran berdaun (leafy vegetables) di Indonesia yang
pertama yang memperoleh sertifikat organik tersebut.
Sebagai informasi tambahan, PT. Kebun Sayur Segar (Parung Farm)
merupakan satu-satunya perusahaan yang lahan budidaya hidroponiknya bebas
dikunjungi oleh umum tanpa dipungut biaya. Lahan perusahaan ini terdapat di Jl.
Raya Parung No. 546 dan Cianjur, Jawa Barat. Sejak berdiri, ratusan bahkan
ribuan pengunjung telah mengunjungi kebun perusahaan ini, baik itu yang berasal
dari golongan pebisnis, peneliti hingga pelajar yang ingin mengetahui bercocok
tanam dengan sistem hidroponik. Hingga saat ini, PT. Kebun Sayur Segar (Parung
Farm) masih terus mengadakan pelatihan bagi mereka yang ingin belajar bercocok
tanam sistem hidroponik dengan didampingi oleh pelatih-pelatih yang profesional
dan kompeten.

Input Produksi
Dalam melakukan proses budidayanya, PT. Kebun Sayur Segar (Parung
Farm) memperoleh saprodi berupa bibit dan pupuk dari mitra yang memang sudah
memiliki karakteristik yang sesuai dengan apa yang diinginkan oleh perusahaan
dan telah bekerjasama dengan berasaskan kepercayaan satu sama lain. Lahan yang
digunakan terbagi atas dua tempat, yakni lahan yang berada di Parung dan lahan
yang berada di Cianjur. Lahan Parung memiliki luas lahan sekitar 4 ha dengan
luas efektif yang digunakan sekitar 2000 m2 dalam bentuk greenhouse untuk
budidaya tanaman hidroponik. Sedangkan lahan Cianjur yang efektif digunakan
sekitar 1 ha dalam bentuk greenhouse untuk budidaya tanaman hidroponik dan
sekitar 2 ha untuk budidaya tanaman organik. Selain itu, dalam budidaya secara
hidroponik dibutuhkan saprodi lain berupa kit hidroponik dan peralatan teknis
lainnya, dimana kit hidroponik dan peralatan tersebut mampu dibuat sendiri oleh
perusahaan ini dengan tenaga kerja yang berjumlah sekitar 80 orang.

Budidaya (On Farm)

Proses budidaya tanaman pada perusahaan ini secara garis besar dilakukan
di dalam greenhouse yangmana greenhouse tersebut dibagi kedalam kamar-kamar
dengan ukuran satu kamar sekitar 8-12 meter. Kamar tersebut sebelumnya telah
dialiri air yang bernutrisi khusus untuk tanaman hidroponik serta telah diatur jarak
tanamnya untuk menghasilkan pertumbuhan yang optimal. Bibit yang akan
ditanam terlebih dahulu harus disemai dalam waktu 10-20 hari tergantung jenis
dan karakteristik bibit sayuran tersebut. Setelah selesai proses penyemaian, bibit
memasuki tahap produksi yang memakan waktu 20-30 hari sebelum dapat dipanen.
26

Proses pemanenan pada perusahaan ini dilakukan jika umur tanaman tepat
memasuki umur panen, kalaupun permintaan sedang tinggi dan produksi
mengalami kekurangan, maka tanaman lain dapat dipanen maksimal dua hari
sebelum hari panen, karena jika lewat dari itu sudah terdapat selisih bobot pada
hasil panen yang berimplikasi pada kuantitas per pak yang akan dipasarkan. PT.
Kebun Sayur Segar ini dalam sebulan dapat menghasilkan produk sebanyak 17-20
ton baik organik maupun hidroponik.

Pasca Panen
Kegiatan pasca panen pada perusahaan ini lebih difokuskan pada proses
sortasi, grading dan pengemasan (packing). Proses sortasi dan grading dilakukan
dengan cara memilah sayur-mayur yang berkualitas baik hingga kurang baik.
Proses ini dilakukan manual melalui visual yang dapat dilihat dari ukuran, bentuk
dan warna sayuran. Adapun persyaratan yang diinginkan perusahaan ini terhadap
pihak mitra adalah sayur-mayur harus berkualitas baik, bentuk dan warna menarik,
sesuai antara umur panen dengan varietas, tidak cacat, rasa dan bau yang khas
sayur-mayur serta bebas pestisida.
Proses pengemasan (packing) diawali dengan penimbangan masing-masing
sayuran dimana untuk satu pak yang dipasarkan memiliki bobot 250 gram. Setelah
melalui proses penimbangan, sayuran dikemas dengan menggunakan plastik yang
dibuat khusus oleh PT. Kebun Sayur Segar dengan brand Parung Farm.
Selanjutnya sayur-mayur pun siap untuk didistribusikan dengan menggunakan alat
transportasi berupa truk (dengan cool box) yang dimiliki oleh perusahaan ini.

Pemasaran
Kegiatan pemasaran yang ada di PT. Kebun Sayur Segar (Parung Farm)
terbilang sudah berjalan cukup baik, hal tersebut dapat dilihat dari konsep 4P
(product, price, place dan promotion) yang sudah berjalan sesuai dengan
kapasitasnya masing-masing dan sesuai dengan apa yang diharapkan oleh pihak
perusahaan dan juga pihak kemitraan dari perusahaan ini.
Product yang terdapat pada PT. Kebun Sayur Segar (Parung Farm) terbilang
cukup beragam jenis sayurannya seperti bayam hijau dan merah, berbagai macam
jenis selada, tomat, kangkung dan puluhan jenis sayuran lainnya yang memiliki
keunggulan bebas pestisida serta telah memiliki brand tersendiri yakni Parung
Farm yang membuat para konsumen yakin dan percaya akan produk-produk yang
dipasarkan oleh perusahaan ini.
Price atau harga yang ditetapkan untuk satu pak sayur berbobot 250 gram
berkisar antara Rp13 000 hingga Rp15 000 tergantung dari jenis sayurannya, dan
harga tersebut terbilang cukup terjangkau untuk ukuran sayuran yang terbebas dari
penggunaan pestisida. Secara geografis, pangsa pasar yang dilayani oleh
perusahaan ini lebih banyak terkonsentrasi di wilayah Jabodetabek dan Bandung
yakni pada hypermarket dan supermarket seperti Carrefour, Sogo, Giant, Hero
dan lain sebagainya dengan sistem pemesanan perhari. Promosi yang dilakukan
yakni melalui website perusahaan serta melalui mouth by mouth dari para
konsumen yang telah setia pada produk-produk perusahaan ini.
 27

Peramalan Permintaan Bayam Hijau

Identifikasi Pola Permintaan Bayam Hijau

Berdasarkan gambar 6, pola permintaan harian komoditi bayam hijau yang
dimulai dari periode awal Januari 2011 hingga akhir Februari 2014 pada PT.
Kebun Sayur Segar (Parung Farm) mengalami fluktuasi yang cenderung berpola
musiman disertai adanya tren. Hal tersebut didukung dengan sebaran data
permintaan yang tidak stasioner yang terlihat pada plot ACF (Lampiran 1) nilai
koefisien autokorelasi beberapa lag awal masih berbeda nyata dengan nol. Pola
tren terlihat dari nilai koefisien autokorelasi yang berbeda nyata dengan nol untuk
beberapa lag awal dan secara bertahap turun mendekati nol. Pola musiman terlihat
dari nilai koefisien autokorelasi pada setiap kelipatan lag ketujuh yang lebih tinggi
dibanding nilai koefisien autokorelasi pada lag sebelumnya. Menurut Direktur
Produksi PT. Kebun Sayur Segar (Parung Farm), pola musiman tersebut terjadi
karena permintaan riil dari konsumen perusahaan ini cenderung meningkat setiap
menjelang weekend, dan kondisi tersebut berulang secara otomatis.

Time Series Plot of ORDER BAYAM HIJAU

900

800

700
ORDER BAYAM HIJAU

600

500

400

300

200

100

1 115 230 345 460 575 690 805 920 1035 1150
Index

Gambar 6 Pola Permintaan Bayam Hijau

Metode Peramalan Permintaan Bayam Hijau

Berdasarkan identifikasi pola data permintaan bayam hijau, menunjukkan
bahwa pola data tersebut bersifat musiman disertai adanya tren. Menurut Santoso
(2009), metode peramalan time series yang cocok dengan pola data tersebut
adalah model dekomposisi multiplikatif, dekomposisi aditif, pemulusan
eksponensial winter dan model ARIMA. Setelah diketahui nilai akurasi kesalahan
(error) terkecil dari semua metode peramalan time series yang digunakan dengan
melihat nilai MSE (Mean Square Error), maka akan diketahui metode peramalan
terbaik untuk meramalkan permintaan bayam hijau lima bulan kedepan. Pada
28

Tabel 5 dapat dilihat perbandingan dari masing-masing nilai akurasi kesalahan

dari setiap metode yang digunakan pada penelitian ini.

Tabel 5 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Bayam

Hijau
No. Metode Peramalan MSE
1. ARIMA (111)(112)7 5377
7
2. ARIMA (111)(111) 5379
3. ARIMA (112)(111)7 5380
Pemulusan Eksponensial
4. 8321
Winter (Multiplikatif)
Dekomposisi
5. 8731.03
Multiplikatif
6. Dekomposisi Aditif 8731.65
Pemulusan Eksponensial
7. 12816
Winter (Aditif)

Berdasarkan penerapan beberapa metode yang disajikan pada Tabel 5, maka

metode yang dianggap paling cocok untuk meramalkan permintaan bayam hijau
pada PT. Kebun Sayur Segar (Parung Farm) adalah model ARIMA (111)(112)7.
Hal ini dikarenakan model tersebut merupakan model dengan nilai MSE terkecil,
yakni sebesar 5377 yang kemudian diikuti dengan model-model lainnya.

Peramalan Permintaan Bayam Hijau

Proses peramalan dengan menggunakan model ARIMA didasarkan atas
beberapa tahapan. Pertama, identifikasi pola data. Pola permintaan bayam hijau
dikatakan masih berbeda nyata dengan nol, oleh karena itu perlu dilakukan proses
differencing. Setelah dilakukan proses differencing, langkah selanjutnya ialah
estimasi parameter untuk mendapatkan model-model yang akan dicoba untuk
dilakukan peramalan (trial by error). Secara tentatif maka diperoleh beberapa
model alternatif sementara, yaitu ARIMA (111)(112)7, ARIMA (111)(111)7 dan
ARIMA (112)(111)7. Setelah proses estimasi model, selanjutnya dilakukan
evaluasi untuk memastikan apakah model yang diestimasi sudah baik atau belum.
Model tersebut harus diuji parameter yang diestimasi berbeda nyata dengan nol.
Hal ini dapat dilihat dari nilai P-value yang kurang dari α (0.05). Setelah diuji
parameternya, model ARIMA (111)(112)7 bernilai valid dimana P-value bernilai
0.000 yang dapat diartikan bahwa model tersebut berbeda nyata dengan nol
dengan nilai MSE sebesar 5377. Tahap terakhir ialah meramalkan permintaan
bayam hijau untuk periode lima bulan kedepan. Hasil peramalan dengan model
ARIMA (111)(112)7 dapat dilihat pada Lampiran 3.
Berdasarkan hasil perhitungan model ARIMA (111)(112)7, diketahui bahwa
permintaan bayam hijau yang diprediksi pada periode lima bulan kedepan cukup
berfluktuasi. Hal ini dapat dilihat pada jumlah permintaan dari hari ke hari yang
mengalami kenaikan dan penurunan secara bergantian. Pada hari-hari di bulan
Maret, April dan Mei, permintaan bayam hijau cenderung naik turun pada jumlah
permintaan yang berkisar 300 sampai 400 pak, namun pada hari-hari di bulan Juni
dan Juli, permintaan bayam hijau beranjak meningkat hingga mencapai 480 pak di
hari-hari akhir bulan Juli. Peningkatan permintaan tersebut bisa disebabkan oleh
 29

pola konsumsi sayuran dari konsumen PT. Kebun Sayur Segar (Parung Farm)
meningkat seiring datangnya bulan Ramadhan dan hari lebaran.

Peramalan Permintaan Kangkung

Identifikasi Pola Permintaan Kangkung

Jika dilihat dari gambar 7, pola permintaan harian komoditi kangkung yang
dimulai dari periode awal Januari 2011 hingga akhir Februari 2014 pada PT.
Kebun Sayur Segar (Parung Farm) tak jauh berbeda dengan bayam hijau, terdapat
fluktuasi yang cenderung permintaan berpola musiman disertai adanya tren. Hal
tersebut didukung dengan sebaran data permintaan yang tidak stasioner yang
terlihat pada plot ACF (Lampiran 4) nilai koefisien autokorelasi beberapa lag awal
masih berbeda nyata dengan nol. Pola tren terlihat dari nilai koefisien autokorelasi
yang berbeda nyata dengan nol untuk beberapa lag awal dan secara bertahap turun
mendekati nol. Pola musiman terlihat dari nilai koefisien autokorelasi pada setiap
kelipatan lag ketujuh yang lebih tinggi dibanding nilai koefisien autokorelasi pada
lag sebelumnya. Pola musiman tersebut berulang secara otomatis yang diduga
bahwa permintaan konsumen PT. Kebun Sayur Segar (Parung Farm) akan
komoditi kangkung meningkat setiap menjelang akhir pekan, yakni diantara hari
kamis dan jumat.

Time Series Plot of ORDER KANGKUNG

800

700

600
ORDER KANGKUNG

500

400

300

200

100

1 115 230 345 460 575 690 805 920 1035 1150
Index

Gambar 7 Pola Permintaan Kangkung

Metode Peramalan Permintaan Kangkung

Berdasarkan identifikasi pola data permintaan kangkung, menunjukkan
bahwa pola data tersebut bersifat musiman disertai adanya tren. Menurut Santoso
(2009), metode peramalan time series yang cocok dengan pola data tersebut
adalah model dekomposisi multiplikatif, dekomposisi aditif, pemulusan
30

eksponensial winter dan model ARIMA. Setelah diketahui nilai akurasi kesalahan
(error) terkecil dari semua metode peramalan time series yang digunakan dengan
melihat nilai MSE (Mean Square Error), maka akan diketahui metode peramalan
terbaik untuk meramalkan permintaan kangkung lima bulan kedepan. Pada Tabel
6 dapat dilihat perbandingan dari masing-masing nilai akurasi kesalahan dari
setiap metode yang digunakan pada penelitian ini.

Tabel 6 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Kangkung

No. Metode Peramalan MSE
7
1. ARIMA (012)(012) 3590
2. ARIMA (112)(112)7 3592
7
3. ARIMA (012)(112) 3594
Pemulusan Eksponensial
4. 6472.68
Winter (Aditif)
5. Dekomposisi Aditif 6897.06
Dekomposisi
6. 6899
Multiplikatif
Pemulusan Eksponensial
7. 23267
Winter (Multiplikatif)

Berdasarkan penerapan beberapa metode yang disajikan pada Tabel 6, maka

metode yang dianggap paling cocok untuk meramalkan permintaan kangkung
pada PT. Kebun Sayur Segar (Parung Farm) adalah model ARIMA (012)(012)7.
Hal ini dikarenakan model tersebut merupakan model dengan nilai MSE terkecil,
yakni sebesar 3590 yang kemudian diikuti dengan model-model lainnya.

Peramalan Permintaan Kangkung

Proses peramalan dengan menggunakan model ARIMA didasarkan atas
beberapa tahapan. Pertama, identifikasi pola data. Pola permintaan kangkung
dikatakan masih berbeda nyata dengan nol, oleh karena itu perlu dilakukan proses
differencing. Setelah dilakukan proses differencing, langkah selanjutnya ialah
estimasi parameter untuk mendapatkan model-model yang akan dicoba untuk
dilakukan peramalan (trial by error). Secara tentatif maka diperoleh beberapa
model alternatif sementara, yaitu ARIMA (012)(012)7, ARIMA (112)(112)7 dan
ARIMA (012)(112)7. Setelah proses estimasi model, selanjutnya dilakukan
evaluasi untuk memastikan apakah model yang diestimasi sudah baik atau belum.
Model tersebut harus diuji parameter yang diestimasi berbeda nyata dengan nol.
Hal ini dapat dilihat dari nilai P-value yang kurang dari α (0.05). Setelah diuji
parameternya, model ARIMA (012)(012)7 bernilai valid dimana P-value bernilai
kurang dari 0.05 yang dapat diartikan bahwa model tersebut berbeda nyata dengan
nol dengan nilai MSE sebesar 3590. Tahap terakhir ialah meramalkan permintaan
kangkung untuk periode lima bulan kedepan. Hasil peramalan dengan model
ARIMA (012)(012)7 dapat dilihat pada Lampiran 6.
Berdasarkan hasil perhitungan model ARIMA (012)(012)7, diketahui bahwa
permintaan kangkung yang diprediksi pada periode lima bulan kedepan cukup
berfluktuasi. Hal ini dapat dilihat pada jumlah permintaan dari hari ke hari yang
mengalami kenaikan dan penurunan secara bergantian. Permintaan kangkung pada
hari-hari di bulan Maret, April, Mei dan Juni 2014, cenderung naik turun pada
 31

jumlah permintaan yang berkisar 220 sampai 270 pak, namun pada hari-hari di
akhir bulan Juli, permintaan kangkung beranjak meningkat hingga mencapai 302
pak. Peningkatan permintaan tersebut bisa disebabkan karena bulan Juli
merupakan bulan Ramadhan dan terdapat hari lebaran yang memungkinkan
permintaan akan sayuran (kangkung) meningkat dari hari-hari biasanya.

Peramalan Permintaan Romaine

Identifikasi Pola Permintaan Romaine

Gambar 8 menunjukkan bahwa pola permintaan harian komoditi romaine
yang dimulai dari periode awal Januari 2011 hingga akhir Februari 2014 pada PT.
Kebun Sayur Segar (Parung Farm) tak jauh berbeda dengan bayam hijau dan
kangkung, terdapat fluktuasi yang cenderung permintaan berpola musiman
disertai adanya tren. Hal tersebut didukung dengan sebaran data permintaan yang
tidak stasioner yang terlihat pada plot ACF (Lampiran 7) nilai koefisien
autokorelasi beberapa lag awal masih berbeda nyata dengan nol. Pola tren terlihat
dari nilai koefisien autokorelasi yang berbeda nyata dengan nol untuk beberapa
lag awal dan secara bertahap turun mendekati nol. Pola musiman terlihat dari nilai
koefisien autokorelasi pada setiap kelipatan lag ketujuh yang lebih tinggi
dibanding nilai koefisien autokorelasi pada lag sebelumnya. Pola musiman pada
komoditi romaine ini juga diduga dengan adanya permintaan konsumen PT.
Kebun Sayur Segar (Parung Farm) yang selalu meningkat pada setiap hari hari
menjelang akhir pekan seperti hari kamis dan jumat yang diindikasikan sebagai
hari menjelang libur dari aktivitas perkantoran.

Time Series Plot of ORDER ROMAINE

500

400
ORDER ROMAINE

300

200

100

1 115 230 345 460 575 690 805 920 1035 1150
Index

Gambar 8 Pola Permintaan Romaine

32

Metode Peramalan Permintaan Romaine

Berdasarkan identifikasi pola data permintaan romaine, menunjukkan
bahwa pola data tersebut bersifat musiman disertai adanya tren. Menurut Santoso
(2009), metode peramalan time series yang cocok dengan pola data tersebut
adalah model dekomposisi multiplikatif, dekomposisi aditif, pemulusan
eksponensial winter dan model ARIMA. Setelah diketahui nilai akurasi kesalahan
(error) terkecil dari semua metode peramalan time series yang digunakan dengan
melihat nilai MSE (Mean Square Error), maka akan diketahui metode peramalan
terbaik untuk meramalkan permintaan romaine lima bulan kedepan. Pada Tabel 7
dapat dilihat perbandingan dari masing-masing nilai akurasi kesalahan dari setiap
metode yang digunakan pada penelitian ini.

Tabel 7 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Romaine

No. Metode Peramalan MSE
7
1. ARIMA (111)(112) 2924
2. ARIMA (212)(212)7 2929
7
3. ARIMA (111)(111) 2931
Pemulusan Eksponensial
4. 4747.07
Winter (Aditif)
5. Dekomposisi Aditif 5692.44
Dekomposisi
6. 5692.80
Multiplikatif
Pemulusan Eksponensial
7. 32298
Winter (Multiplikatif)

Berdasarkan penerapan beberapa metode yang disajikan pada Tabel 7, maka

metode yang dianggap paling cocok untuk meramalkan permintaan romaine pada
PT. Kebun Sayur Segar (Parung Farm) adalah model ARIMA (111)(112)7. Hal ini
dikarenakan model tersebut merupakan model dengan nilai MSE terkecil, yakni
sebesar 2924 yang kemudian diikuti dengan model-model lainnya.

Peramalan Permintaan Romaine

Proses peramalan dengan menggunakan model ARIMA didasarkan atas
beberapa tahapan. Pertama, identifikasi pola data. Pola permintaan romaine
dikatakan masih berbeda nyata dengan nol, oleh karena itu perlu dilakukan proses
differencing. Setelah dilakukan proses differencing, langkah selanjutnya ialah
estimasi parameter untuk mendapatkan model-model yang akan dicoba untuk
dilakukan peramalan (trial by error). Secara tentatif maka diperoleh beberapa
model alternatif sementara, yaitu ARIMA (111)(112)7, ARIMA (212)(212)7 dan
ARIMA (111)(111)7. Setelah proses estimasi model, selanjutnya dilakukan
evaluasi untuk memastikan apakah model yang diestimasi sudah baik atau belum.
Model tersebut harus diuji parameter yang diestimasi berbeda nyata dengan nol.
Hal ini dapat dilihat dari nilai P-value yang kurang dari α (0.05). Setelah diuji
parameternya, model ARIMA (111)(112)7 bernilai valid dimana P-value bernilai
0.000 yang dapat diartikan bahwa model tersebut berbeda nyata dengan nol
dengan nilai MSE sebesar 2924. Tahap terakhir ialah meramalkan permintaan
romaine untuk periode lima bulan kedepan. Hasil peramalan dengan model
ARIMA (111)(112)7 dapat dilihat pada Lampiran 9.
 33

Berdasarkan hasil perhitungan model ARIMA (111)(112)7, diketahui bahwa

permintaan romaine yang diprediksi pada periode lima bulan kedepan cukup
berfluktuasi. Hal ini dapat dilihat pada jumlah permintaan dari hari ke hari yang
mengalami kenaikan dan penurunan secara bergantian. Permintaan romaine pada
hari-hari di bulan Maret, April, Mei, Juni dan Juli 2014, cenderung naik turun
pada jumlah permintaan yang berkisar antara 100 sampai 148 pak.

Perencanaan Produksi

Suatu proses peramalan dilakukan untuk dapat mengetahui dan menerka

keadaan dimasa yang akan datang yang penuh dengan ketidakpastian, dengan
mengetahui kondisi dimasa yang akan datang, tentunya terdapat antisipasi yang
akan dilakukan oleh suatu perusahaan terhadap kondisi tersebut, baik maupun
buruk. Antisipasi yang dilakukan nantinya akan diorientasikan pada tindakan yang
dapat menghindari perusahaan dari keadaan yang merugikan atau melakukan
tindakan yang akan meningkatkan keuntungan.
Pada penelitian ini, peramalan yang dilakukan lebih difokuskan pada
proyeksi angka permintaan konsumen akan sayuran hidroponik di PT. Kebun
Sayur Segar (Parung Farm) pada masa yang akan datang. Dengan meramal
bagaimana pergerakan permintaan konsumen, maka peramalan tersebut akan
berimplikasi pada tindakan pihak manajerial perusahaan untuk menentukan kapan
waktu tanam yang tepat, waktu panen dan jumlah yang harus diproduksi agar
permintaan tersebut dapat dipenuhi secara optimal oleh perusahaan.
Berdasarkan hasil peramalan ketiga komoditi yang diteliti, yakni bayam
hijau, kangkung dan romaine, rata-rata menunjukkan bahwa permintaan
meningkat atau memuncak pada hari-hari akhir di bulan Juli 2014, dimana hari-
hari tersebut merupakan hari-hari menjelang lebaran yang biasanya permintaan
akan sayuran meningkat dari permintaan hari biasa. Dengan mengetahui waktu
permintaan akan memuncak dari proses peramalan, maka dapat dibuat estimasi
kapan sebaiknya proses penanaman dilakukan dengan memperhatikan
karakteristik dari masing-masing komoditi. Berikut akan disajikan perencanaan
produksi dari ketiga komoditi yang diteliti.

Perencanaan Produksi Bayam Hijau (Maret 2014)

Bayam hijau memiliki waktu budidaya sekitar 38 sampai 40 hari sebelum
memasuki masa panen, dengan rincian 10 hari awal dilakukan proses penyemaian
benih, 10 hari selanjutnya adalah masa tanam bibit, dan 18 hingga 20 hari
berikutnya memasuki masa produksi bibit, kemudian setelah itu memasuki masa
panen selama dua sampai tiga hari. Luas lahan maksimal perhari untuk bayam
hijau ialah 72 m2, jika permintaan puncak melebihi angka tersebut, maka
dilakukan penarikan panen produksi yang seharusnya akan dipanen pada esok hari.
Hal itu dilakukan untuk memenuhi permintaan yang melebihi kapasitas produksi
tersebut. Berdasarkan hasil peramalan pada Tabel 8, permintaan bayam hijau pada
bulan Maret 2014 cukup fluktuatif yang berkisar pada angka 317 hingga 422 pak
perhari. Permintaan bayam hijau yang cenderung tinggi pada bulan Maret 2014 ini
diperkirakan berada pada tanggal 21 dan 28 Maret 2014 yang mencapai
permintaan masing-masing 419 dan 422 pak atau setara dengan luas tanam 70 m2.
Hal itu dapat dilihat pada grafik dibawah ini.
34

80
78
76
74
72
70
68
66
64
62
60
58
56
54
52
50
1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 9 Perencanaan Produksi Bayam Hijau (Maret 2014)

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi bayam hijau dengan didasarkan pada karakteristiknya untuk memenuhi
permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk
memenuhi permintaan pada tanggal 21 Maret 2014, perusahaan mulai melakukan
penyemaian pada tanggal 10 Februari 2014, memasuki masa tanam pada tanggal
20 Februari 2014 dengan jumlah bibit yang ditanam seluas 70 m2, memasuki masa
produksi pada tanggal 2 Maret 2014 dan memanen pada tanggal 20 Maret 2014
sebanyak 104.75 kg, (2) perencanaan produksi untuk memenuhi permintaan pada
tanggal 28 Maret 2014, perusahaan mulai melakukan penyemaian pada tanggal 17
Februari 2014, memasuki masa tanam pada tanggal 27 Februari 2014 dengan
jumlah bibit yang ditanam seluas 70 m2, memasuki masa produksi pada tanggal 9
Maret 2014 dan memanen pada tanggal 27 Maret 2014 sebanyak 105.5 kg.
Permintaan puncak pada bulan ini setara dengan luas 70 m2, dan angka
tersebut masih berada dalam jangkauan luas lahan maksimal perhari untuk bayam
hijau, yakni 72 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh
perusahaan ini tanpa harus melakukan penarikan panen produksi yang seharusnya
akan dipanen pada esok hari.
 35

Tabel 8 Perencanaan Produksi Bayam Hijau (Maret 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 317 79.25 53 - 31/01/14 10/02/14 28/02/14
2 364 91 61 - 01/02/14 11/02/14 01/03/14
3 352 88 59 - 02/02/14 12/02/14 02/03/14
4 389 97.25 65 - 03/02/14 13/02/14 03/03/14
5 346 86.5 58 - 04/02/14 14/02/14 04/03/14
6 385 96.25 64 - 05/02/14 15/02/14 05/03/14
7 414 103.5 69 - 06/02/14 16/02/14 06/03/14
8 325 81.25 54 - 07/02/14 17/02/14 07/03/14
9 368 92 61 - 08/02/14 18/02/14 08/03/14
10 358 89.5 60 - 09/02/14 19/02/14 09/03/14
11 394 98.5 66 - 10/02/14 20/02/14 10/03/14
12 349 87.25 58 - 11/02/14 21/02/14 11/03/14
13 390 97.5 65 - 12/02/14 22/02/14 12/03/14
14 416 104 69 - 13/02/14 23/02/14 13/03/14
15 329 82.25 55 - 14/02/14 24/02/14 14/03/14
16 372 93 62 - 15/02/14 25/02/14 15/03/14
17 361 90.25 60 - 16/02/14 26/02/14 16/03/14
18 398 99.5 66 - 17/02/14 27/02/14 17/03/14
19 352 88 59 - 18/02/14 28/02/14 18/03/14
20 393 98.25 66 - 19/02/14 01/03/14 19/03/14
21 419 104.75 70 - 20/02/14 02/03/14 20/03/14
22 332 83 55 - 21/02/14 03/03/14 21/03/14
23 375 93.75 63 - 22/02/14 04/03/14 22/03/14
24 365 91.25 61 - 23/02/14 05/03/14 23/03/14
25 401 100.25 67 - 24/02/14 06/03/14 24/03/14
26 355 88.75 59 - 25/02/14 07/03/14 25/03/14
27 396 99 66 - 26/02/14 08/03/14 26/03/14
28 422 105.5 70 - 27/02/14 09/03/14 27/03/14
29 336 84 56 - 28/02/14 10/03/14 28/03/14
30 379 94.75 63 - 01/03/14 11/03/14 29/03/14
31 368 92 61 - 02/03/14 12/03/14 30/03/14

Perencanaan Produksi Bayam Hijau (April 2014)

Berdasarkan hasil peramalan pada Tabel 9, permintaan bayam hijau pada
bulan April 2014 cukup fluktuatif yang berkisar pada angka 339 hingga 436 pak
perhari. Permintaan bayam hijau yang cenderung tinggi pada bulan April 2014 ini
diperkirakan berada pada tanggal 18 dan 25 April 2014 yang mencapai
permintaan masing-masing 432 dan 436 pak atau setara dengan luas tanam 72 dan
73 m2. Hal itu dapat dilihat pada grafik dibawah ini.

80
78
76
74
72
70
68
66
64
62
60
58
56
54
52
50
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 10 Perencanaan Produksi Bayam Hijau (April 2014)

36

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi bayam hijau dengan didasarkan pada karakteristiknya untuk memenuhi
permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk
memenuhi permintaan pada tanggal 18 April 2014, perusahaan mulai melakukan
penyemaian pada tanggal 10 Maret 2014, memasuki masa tanam pada tanggal 20
Maret 2014 dengan jumlah bibit yang ditanam seluas 72 m2, memasuki masa
produksi pada tanggal 30 Maret 2014 dan memanen pada tanggal 17 April 2014
sebanyak 108 kg, (2) perencanaan produksi untuk memenuhi permintaan pada
tanggal 25 April 2014, perusahaan mulai melakukan penyemaian pada tanggal 17
Maret 2014, memasuki masa tanam pada tanggal 27 Maret 2014 dengan jumlah
bibit yang ditanam seluas 73 m2, memasuki masa produksi pada tanggal 6 April
2014 dan memanen pada tanggal 24 April 2014 sebanyak 109 kg.
Permintaan puncak pada bulan ini setara dengan luas 73 m2, dan angka
tersebut berada diluar jangkauan luas lahan maksimal perhari untuk bayam hijau,
yakni 72 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh
perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya
akan dipanen pada esok hari seluas 1 m2.

Tabel 9 Perencanaan Produksi Bayam Hijau (April 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 405 101.25 68 - 03/03/14 13/03/14 31/03/14
2 359 89.75 60 - 04/03/14 14/03/14 01/04/14
3 400 100 67 - 05/03/14 15/03/14 02/04/14
4 426 106.5 71 - 06/03/14 16/03/14 03/04/14
5 339 84.75 57 - 07/03/14 17/03/14 04/04/14
6 382 95.5 64 - 08/03/14 18/03/14 05/04/14
7 371 92.75 62 - 09/03/14 19/03/14 06/04/14
8 408 102 68 - 10/03/14 20/03/14 07/04/14
9 362 90.5 60 - 11/03/14 21/03/14 08/04/14
10 403 100.75 67 - 12/03/14 22/03/14 09/04/14
11 429 107.25 72 - 13/03/14 23/03/14 10/04/14
12 343 85.75 57 - 14/03/14 24/03/14 11/04/14
13 386 96.5 64 - 15/03/14 25/03/14 12/04/14
14 375 93.75 63 - 16/03/14 26/03/14 13/04/14
15 412 103 69 - 17/03/14 27/03/14 14/04/14
16 366 91.5 61 - 18/03/14 28/03/14 15/04/14
17 407 101.75 68 - 19/03/14 29/03/14 16/04/14
18 432 108 72 - 20/03/14 30/03/14 17/04/14
19 346 86.5 58 - 21/03/14 31/03/14 18/04/14
20 389 97.25 65 - 22/03/14 01/04/14 19/04/14
21 378 94.5 63 - 23/03/14 02/04/14 20/04/14
22 415 103.75 69 - 24/03/14 03/04/14 21/04/14
23 369 92.25 62 - 25/03/14 04/04/14 22/04/14
24 410 102.5 68 - 26/03/14 05/04/14 23/04/14
25 436 109 73 1 27/03/14 06/04/14 24/04/14
26 349 87.25 58 - 28/03/14 07/04/14 25/04/14
27 392 98 65 - 29/03/14 08/04/14 26/04/14
28 382 95.5 64 - 30/03/14 09/04/14 27/04/14
29 418 104.5 70 - 31/03/14 10/04/14 28/04/14
30 372 93 62 - 01/04/14 11/04/14 29/04/14

Perencanaan Produksi Bayam Hijau (Mei 2014)

Berdasarkan hasil peramalan pada Tabel 10, permintaan bayam hijau pada
bulan Mei 2014 cukup fluktuatif yang berkisar pada angka 353 hingga 453 pak
perhari. Permintaan bayam hijau yang cenderung tinggi pada bulan Mei 2014 ini
diperkirakan berada pada tanggal 23 dan 30 Mei 2014 yang mencapai permintaan
masing-masing 449 dan 453 pak atau setara dengan luas tanam 75 dan 76 m2. Hal
itu dapat dilihat pada grafik dibawah ini.
 37

80
78
76
74
72
70
68
66
64
62
60
58
56
54
52
50
1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 11 Perencanaan Produksi Bayam Hijau (Mei 2014)

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi bayam hijau dengan didasarkan pada karakteristiknya untuk memenuhi
permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk
memenuhi permintaan pada tanggal 23 Mei 2014, perusahaan mulai melakukan
penyemaian pada tanggal 14 April 2014, memasuki masa tanam pada tanggal 24
April 2014 dengan jumlah bibit yang ditanam seluas 75 m2, memasuki masa
produksi pada tanggal 4 Mei 2014 dan memanen pada tanggal 22 Mei 2014
sebanyak 112.25 kg, (2) perencanaan produksi untuk memenuhi permintaan pada
tanggal 30 Mei 2014, perusahaan mulai melakukan penyemaian pada tanggal 21
April 2014, memasuki masa tanam pada tanggal 1 Mei 2014 dengan jumlah bibit
yang ditanam seluas 76 m2, memasuki masa produksi pada tanggal 11 Mei 2014
dan memanen pada tanggal 29 Mei 2014 sebanyak 113.25 kg.
Permintaan puncak pada bulan ini setara dengan luas 75-76 m2, dan angka
tersebut berada diluar jangkauan luas lahan maksimal perhari untuk bayam hijau,
yakni 72 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh
perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya
akan dipanen pada esok hari seluas 3-4 m2.
38

Tabel 10 Perencanaan Produksi Bayam Hijau (Mei 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 413 103.25 69 - 02/04/14 12/04/14 30/04/14
2 439 109.75 73 1 03/04/14 13/04/14 01/05/14
3 353 88.25 59 - 04/04/14 14/04/14 02/05/14
4 396 99 66 - 05/04/14 15/04/14 03/05/14
5 385 96.25 64 - 06/04/14 16/04/14 04/05/14
6 422 105.5 70 - 07/04/14 17/04/14 05/05/14
7 376 94 63 - 08/04/14 18/04/14 06/05/14
8 417 104.25 70 - 09/04/14 19/04/14 07/05/14
9 443 110.75 74 2 10/04/14 20/04/14 08/05/14
10 356 89 59 - 11/04/14 21/04/14 09/05/14
11 399 99.75 67 - 12/04/14 22/04/14 10/05/14
12 388 97 65 - 13/04/14 23/04/14 11/05/14
13 425 106.25 71 - 14/04/14 24/04/14 12/05/14
14 379 94.75 63 - 15/04/14 25/04/14 13/05/14
15 420 105 70 - 16/04/14 26/04/14 14/05/14
16 446 111.5 74 2 17/04/14 27/04/14 15/05/14
17 360 90 60 - 18/04/14 28/04/14 16/05/14
18 403 100.75 67 - 19/04/14 29/04/14 17/05/14
19 392 98 65 - 20/04/14 30/04/14 18/05/14
20 429 107.25 72 - 21/04/14 01/05/14 19/05/14
21 383 95.75 64 - 22/04/14 02/05/14 20/05/14
22 424 106 71 - 23/04/14 03/05/14 21/05/14
23 449 112.25 75 3 24/04/14 04/05/14 22/05/14
24 363 90.75 61 - 25/04/14 05/05/14 23/05/14
25 406 101.5 68 - 26/04/14 06/05/14 24/05/14
26 395 98.75 66 - 27/04/14 07/05/14 25/05/14
27 432 108 72 - 28/04/14 08/05/14 26/05/14
28 386 96.5 64 - 29/04/14 09/05/14 27/05/14
29 427 106.75 71 - 30/04/14 10/05/14 28/05/14
30 453 113.25 76 4 01/05/14 11/05/14 29/05/14
31 367 91.75 61 - 02/05/14 12/05/14 30/05/14

Perencanaan Produksi Bayam Hijau (Juni 2014)

Berdasarkan hasil peramalan pada Tabel 11, permintaan bayam hijau pada
bulan Juni 2014 cukup fluktuatif yang berkisar pada angka 370 hingga 467 pak
perhari. Permintaan bayam hijau yang cenderung tinggi pada bulan Juni 2014 ini
diperkirakan berada pada tanggal 20 dan 27 Juni 2014 yang mencapai permintaan
masing-masing 463 dan 467 pak atau setara dengan luas tanam 77 dan 78 m2. Hal
itu dapat dilihat pada grafik dibawah ini.

80
78
76
74
72
70
68
66
64
62
60
58
56
54
52
50
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 12 Perencanaan Produksi Bayam Hijau (Juni 2014)

 39

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi bayam hijau dengan didasarkan pada karakteristiknya untuk memenuhi
permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk
memenuhi permintaan pada tanggal 20 Juni 2014, perusahaan mulai melakukan
penyemaian pada tanggal 12 Mei 2014, memasuki masa tanam pada tanggal 22
Mei 2014 dengan jumlah bibit yang ditanam seluas 77 m2, memasuki masa
produksi pada tanggal 1 Juni 2014 dan memanen pada tanggal 19 Juni 2014
sebanyak 115.75 kg, (2) perencanaan produksi untuk memenuhi permintaan pada
tanggal 27 Juni 2014, perusahaan mulai melakukan penyemaian pada tanggal 19
Mei 2014, memasuki masa tanam pada tanggal 29 Mei 2014 dengan jumlah bibit
yang ditanam seluas 78 m2, memasuki masa produksi pada tanggal 8 Juni 2014
dan memanen pada tanggal 26 Juni 2014 sebanyak 116.75 kg.
Permintaan puncak pada bulan ini setara dengan luas 77-78 m2, dan angka
tersebut berada diluar jangkauan luas lahan maksimal perhari untuk bayam hijau,
yakni 72 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh
perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya
akan dipanen pada esok hari seluas 5-6 m2.

Tabel 11 Perencanaan Produksi Bayam Hijau (Juni 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 410 102.5 68 - 03/05/14 13/05/14 31/05/14
2 399 99.75 67 - 04/05/14 14/05/14 01/06/14
3 436 109 73 1 05/05/14 15/05/14 02/06/14
4 390 97.5 65 - 06/05/14 16/05/14 03/06/14
5 431 107.75 72 - 07/05/14 17/05/14 04/06/14
6 456 114 76 4 08/05/14 18/05/14 05/06/14
7 370 92.5 62 - 09/05/14 19/05/14 06/06/14
8 413 103.25 69 - 10/05/14 20/05/14 07/06/14
9 402 100.5 67 - 11/05/14 21/05/14 08/06/14
10 439 109.75 73 1 12/05/14 22/05/14 09/06/14
11 393 98.25 66 - 13/05/14 23/05/14 10/06/14
12 434 108.5 72 - 14/05/14 24/05/14 11/06/14
13 460 115 77 5 15/05/14 25/05/14 12/06/14
14 373 93.25 62 - 16/05/14 26/05/14 13/06/14
15 417 104.25 70 - 17/05/14 27/05/14 14/06/14
16 406 101.5 68 - 18/05/14 28/05/14 15/06/14
17 443 110.75 74 2 19/05/14 29/05/14 16/06/14
18 397 99.25 66 - 20/05/14 30/05/14 17/06/14
19 438 109.5 73 1 21/05/14 31/05/14 18/06/14
20 463 115.75 77 5 22/05/14 01/06/14 19/06/14
21 377 94.25 63 - 23/05/14 02/06/14 20/06/14
22 420 105 70 - 24/05/14 03/06/14 21/06/14
23 409 102.25 68 - 25/05/14 04/06/14 22/06/14
24 446 111.5 74 2 26/05/14 05/06/14 23/06/14
25 400 100 67 - 27/05/14 06/06/14 24/06/14
26 441 110.25 74 2 28/05/14 07/06/14 25/06/14
27 467 116.75 78 6 29/05/14 08/06/14 26/06/14
28 380 95 63 - 30/05/14 09/06/14 27/06/14
29 424 106 71 - 31/05/14 10/06/14 28/06/14
30 413 103.25 69 - 01/06/14 11/06/14 29/06/14

Perencanaan Produksi Bayam Hijau (Juli 2014)

Hasil peramalan pada Tabel 12 menunjukkan bahwa permintaan puncak
bayam hijau jatuh pada tanggal 25 Juli 2014 yang mencapai permintaan sebanyak
480 pak atau setara dengan luas tanam 80 m2. Hal itu dapat dilihat pada grafik
dibawah ini.
40

80
78
76
74
72
70
68
66
64
62
60
58
56
54
52
50
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 13 Perencanaan Produksi Bayam Hijau (Juli 2014)

Jika ditarik mundur dari tanggal tersebut, maka perencanaan produksi

bayam hijau dengan didasarkan pada karakteristiknya akan dimulai pada tanggal
16 Juni 2014. Pada tanggal 16 Juni 2014, dilakukan proses penanaman di dalam
greenhouse yang diawali dengan proses etiolasi benih bayam hijau, yakni proses
dimana benih dimasukkan ke dalam ruangan yang gelap tanpa adanya cahaya
dengan tujuan untuk mempercepat proses pertumbuhan kecambah dari bayam
hijau tersebut. Proses ini dilakukan selama dua hari yakni dari tanggal 16 hingga
17 Juni 2014. Setelah melalui proses etiolasi, pada tanggal 18 hingga 25 Juni 2014
benih bayam hijau memasuki masa penyemaian atau sering disebut dengan masa
N1. Masa N1 ini adalah masa penyemaian benih yang dialiri larutan nutrisi
sebanyak 3 ml yang berlangsung selama kurang lebih 8 hari.
Selanjutnya bayam hijau akan memasuki masa tanam bibit selama kurang
lebih 10 hari, yakni dimulai pada tanggal 26 Juni 2014 hingga 5 Juli 2014. Proses
ini lebih dikenal dengan sebutan masa N2, dimana kecambah yang telah tumbuh
dari masa penyemaian akan dipindahkan ke dalam greenhouse yang telah dialiri
larutan nutrisi sebanyak 5 ml, dengan adanya masa N2 ini diharapkan bibit bayam
hijau dapat tumbuh lebih optimal dan lebih siap untuk memasuki masa produksi.
Tahap terakhir bayam hijau sebelum memasuki masa panen ialah masa
produksi bibit bayam hijau, yakni selama kurang lebih 18 hingga 20 hari. Masa
produksi ini juga disebut masa N3 yang berlangsung mulai dari tanggal 6 hingga
23 Juli 2014. Pada tahap ini, bibit bayam hijau yang berasal dari greenhouse N2
akan dipindahkan ke dalam greenhouse N3 yang telah dialiri larutan nutrisi
sebanyak 7 ml. Dengan didahului masa N2, bayam hijau pada N3 ini diharapkan
dapat tumbuh secara optimal dan hanya tinggal menunggu umur dewasa agar
dapat dipanen sesuai dengan umur panen yang ada.
Setelah melalui tahap demi tahap proses budidaya, pada tanggal 24 Juli
2014, bayam hijau siap dipanen dan juga dilaksanakan proses packing untuk
kemudian dapat didistribusikan keesokan harinya pada tanggal 25 Juli 2014 sesuai
peramalan puncak permintaan. Mengenai jumlah atau kuantitas yang harus
 41

ditanam untuk memenuhi permintaan puncak sebanyak 480 pak (120 kg),
perusahaan setidaknya menanam bayam hijau sepanjang 80 meter dengan asumsi
1 meter penanaman akan menghasilkan 1.5 kg atau sekitar 6 pak bayam hijau.
Permintaan puncak pada bulan ini setara dengan luas 80 m2, dan angka
tersebut berada diluar jangkauan luas lahan maksimal perhari untuk bayam hijau,
yakni 72 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh
perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya
akan dipanen pada esok hari seluas 8 m2.

Tabel 12 Perencanaan Produksi Bayam Hijau (Juli 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 450 112.5 75 3 02/06/14 12/06/14 30/06/14
2 404 101 67 - 03/06/14 13/06/14 01/07/14
3 445 111.25 74 2 04/06/14 14/06/14 02/07/14
4 470 117.5 78 6 05/06/14 15/06/14 03/07/14
5 384 96 64 - 06/06/14 16/06/14 04/07/14
6 427 106.75 71 - 07/06/14 17/06/14 05/07/14
7 416 104 69 - 08/06/14 18/06/14 06/07/14
8 453 113.25 76 4 09/06/14 19/06/14 07/07/14
9 407 101.75 68 - 10/06/14 20/06/14 08/07/14
10 448 112 75 3 11/06/14 21/06/14 09/07/14
11 474 118.5 79 7 12/06/14 22/06/14 10/07/14
12 388 97 65 - 13/06/14 23/06/14 11/07/14
13 431 107.75 72 - 14/06/14 24/06/14 12/07/14
14 420 105 70 - 15/06/14 25/06/14 13/07/14
15 457 114.25 76 4 16/06/14 26/06/14 14/07/14
16 411 102.75 69 - 17/06/14 27/06/14 15/07/14
17 452 113 75 3 18/06/14 28/06/14 16/07/14
18 478 119.5 80 8 19/06/14 29/06/14 17/07/14
19 391 97.75 65 - 20/06/14 30/06/14 18/07/14
20 434 108.5 72 - 21/06/14 01/07/14 19/07/14
21 423 105.75 71 - 22/06/14 02/07/14 20/07/14
22 460 115 77 5 23/06/14 03/07/14 21/07/14
23 414 103.5 69 - 24/06/14 04/07/14 22/07/14
24 455 113.75 76 4 25/06/14 05/07/14 23/07/14
25 480 120 80 8 26/06/14 06/07/14 24/07/14
26 395 98.75 66 - 27/06/14 07/07/14 25/07/14
27 438 109.5 73 1 28/06/14 08/07/14 26/07/14
28 427 106.75 71 - 29/06/14 09/07/14 27/07/14

Perencanaan Produksi Kangkung (Maret 2014)

Kangkung memiliki karakteristik yang tak jauh berbeda dengan bayam hijau.
Waktu budidaya yang diperlukan kangkung sekitar 38 sampai 40 hari sebelum
memasuki masa panen, yakni masa penyemaian benih selama 10 hari, masa tanam
bibit selama 10 hari, masa produksi bibit selama 18 hingga 20 hari dan masa
panen selama 2 hingga 3 hari. Luas lahan maksimal perhari untuk kangkung ialah
48 m2, jika permintaan puncak melebihi angka tersebut, maka dilakukan penarikan
panen produksi yang seharusnya akan dipanen pada esok hari. Hal itu dilakukan
untuk memenuhi permintaan yang melebihi kapasitas produksi tersebut.
Berdasarkan hasil peramalan pada Tabel 13, permintaan kangkung pada bulan
Maret 2014 cukup fluktuatif yang berkisar pada angka 224 hingga 277 pak perhari.
Permintaan kangkung yang cenderung tinggi pada bulan Maret 2014 ini
diperkirakan berada pada tanggal 21 dan 28 Maret 2014 yang mencapai
permintaan masing-masing 275 dan 277 pak atau setara dengan luas tanam 46 m2.
Hal itu dapat dilihat pada grafik dibawah ini.
42

50
48
46
44
42
40
38
36
34
32
30
1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 14 Perencanaan Produksi Kangkung (Maret 2014)

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi kangkung dengan didasarkan pada karakteristiknya untuk memenuhi
permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk
memenuhi permintaan pada tanggal 21 Maret 2014, perusahaan mulai melakukan
penyemaian pada tanggal 10 Februari 2014, memasuki masa tanam pada tanggal
20 Februari 2014 dengan jumlah bibit yang ditanam seluas 46 m2, memasuki masa
produksi pada tanggal 2 Maret 2014 dan memanen pada tanggal 20 Maret 2014
sebanyak 68.75 kg, (2) perencanaan produksi untuk memenuhi permintaan pada
tanggal 28 Maret 2014, perusahaan mulai melakukan penyemaian pada tanggal 17
Februari 2014, memasuki masa tanam pada tanggal 27 Februari 2014 dengan
jumlah bibit yang ditanam seluas 46 m2, memasuki masa produksi pada tanggal 9
Maret 2014 dan memanen pada tanggal 27 Maret 2014 sebanyak 69.25 kg.
Permintaan puncak pada bulan ini setara dengan luas 46 m2, dan angka
tersebut masih berada dalam jangkauan luas lahan maksimal perhari untuk
kangkung, yakni 48 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi
oleh perusahaan ini tanpa harus melakukan penarikan panen produksi yang
seharusnya akan dipanen pada esok hari.
 43

Tabel 13 Perencanaan Produksi Kangkung (Maret 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 230 57.5 38 - 31/01/14 10/02/14 28/02/14
2 244 61 41 - 01/02/14 11/02/14 01/03/14
3 242 60.5 40 - 02/02/14 12/02/14 02/03/14
4 262 65.5 44 - 03/02/14 13/02/14 03/03/14
5 241 60.25 40 - 04/02/14 14/02/14 04/03/14
6 264 66 44 - 05/02/14 15/02/14 05/03/14
7 273 68.25 46 - 06/02/14 16/02/14 06/03/14
8 224 56 37 - 07/02/14 17/02/14 07/03/14
9 246 61.5 41 - 08/02/14 18/02/14 08/03/14
10 245 61.25 41 - 09/02/14 19/02/14 09/03/14
11 264 66 44 - 10/02/14 20/02/14 10/03/14
12 243 60.75 41 - 11/02/14 21/02/14 11/03/14
13 267 66.75 45 - 12/02/14 22/02/14 12/03/14
14 274 68.5 46 - 13/02/14 23/02/14 13/03/14
15 225 56.25 38 - 14/02/14 24/02/14 14/03/14
16 248 62 41 - 15/02/14 25/02/14 15/03/14
17 247 61.75 41 - 16/02/14 26/02/14 16/03/14
18 266 66.5 44 - 17/02/14 27/02/14 17/03/14
19 245 61.25 41 - 18/02/14 28/02/14 18/03/14
20 269 67.25 45 - 19/02/14 01/03/14 19/03/14
21 275 68.75 46 - 20/02/14 02/03/14 20/03/14
22 227 56.75 38 - 21/02/14 03/03/14 21/03/14
23 250 62.5 42 - 22/02/14 04/03/14 22/03/14
24 248 62 41 - 23/02/14 05/03/14 23/03/14
25 268 67 45 - 24/02/14 06/03/14 24/03/14
26 247 61.75 41 - 25/02/14 07/03/14 25/03/14
27 270 67.5 45 - 26/02/14 08/03/14 26/03/14
28 277 69.25 46 - 27/02/14 09/03/14 27/03/14
29 228 57 38 - 28/02/14 10/03/14 28/03/14
30 251 62.75 42 - 01/03/14 11/03/14 29/03/14
31 250 62.5 42 - 02/03/14 12/03/14 30/03/14

Perencanaan Produksi Kangkung (April 2014)

Berdasarkan hasil peramalan pada Tabel 14, permintaan kangkung pada
bulan April 2014 cukup fluktuatif yang berkisar pada angka 230 hingga 283 pak
perhari. Permintaan kangkung yang cenderung tinggi pada bulan April 2014 ini
diperkirakan berada pada tanggal 18 dan 25 April 2014 yang mencapai
permintaan masing-masing 282 dan 283 pak atau setara dengan luas tanam 47 m2.
Hal itu dapat dilihat pada grafik dibawah ini.

50
48
46
44
42
40
38
36
34
32
30
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 15 Perencanaan Produksi Kangkung (April 2014)

44

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi kangkung dengan didasarkan pada karakteristiknya untuk memenuhi
permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk
memenuhi permintaan pada tanggal 18 April 2014, perusahaan mulai melakukan
penyemaian pada tanggal 10 Maret 2014, memasuki masa tanam pada tanggal 20
Maret 2014 dengan jumlah bibit yang ditanam seluas 47 m2, memasuki masa
produksi pada tanggal 30 Maret 2014 dan memanen pada tanggal 17 April 2014
sebanyak 70.5 kg, (2) perencanaan produksi untuk memenuhi permintaan pada
tanggal 25 April 2014, perusahaan mulai melakukan penyemaian pada tanggal 17
Maret 2014, memasuki masa tanam pada tanggal 27 Maret 2014 dengan jumlah
bibit yang ditanam seluas 47 m2, memasuki masa produksi pada tanggal 6 April
2014 dan memanen pada tanggal 24 April 2014 sebanyak 70.75 kg.
Permintaan puncak pada bulan ini setara dengan luas 47 m2, dan angka
tersebut masih berada dalam jangkauan luas lahan maksimal perhari untuk
kangkung, yakni 48 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi
oleh perusahaan ini tanpa harus melakukan penarikan panen produksi yang
seharusnya akan dipanen pada esok hari.

Tabel 14 Perencanaan Produksi Kangkung (April 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 269 67.25 45 - 03/03/14 13/03/14 31/03/14
2 248 62 41 - 04/03/14 14/03/14 01/04/14
3 272 68 45 - 05/03/14 15/03/14 02/04/14
4 278 69.5 46 - 06/03/14 16/03/14 03/04/14
5 230 57.5 38 - 07/03/14 17/03/14 04/04/14
6 253 63.25 42 - 08/03/14 18/03/14 05/04/14
7 252 63 42 - 09/03/14 19/03/14 06/04/14
8 271 67.75 45 - 10/03/14 20/03/14 07/04/14
9 250 62.5 42 - 11/03/14 21/03/14 08/04/14
10 273 68.25 46 - 12/03/14 22/03/14 09/04/14
11 280 70 47 - 13/03/14 23/03/14 10/04/14
12 231 57.75 39 - 14/03/14 24/03/14 11/04/14
13 254 63.5 42 - 15/03/14 25/03/14 12/04/14
14 253 63.25 42 - 16/03/14 26/03/14 13/04/14
15 272 68 45 - 17/03/14 27/03/14 14/04/14
16 251 62.75 42 - 18/03/14 28/03/14 15/04/14
17 275 68.75 46 - 19/03/14 29/03/14 16/04/14
18 282 70.5 47 - 20/03/14 30/03/14 17/04/14
19 233 58.25 39 - 21/03/14 31/03/14 18/04/14
20 256 64 43 - 22/03/14 01/04/14 19/04/14
21 255 63.75 43 - 23/03/14 02/04/14 20/04/14
22 274 68.5 46 - 24/03/14 03/04/14 21/04/14
23 253 63.25 42 - 25/03/14 04/04/14 22/04/14
24 276 69 46 - 26/03/14 05/04/14 23/04/14
25 283 70.75 47 - 27/03/14 06/04/14 24/04/14
26 234 58.5 39 - 28/03/14 07/04/14 25/04/14
27 258 64.5 43 - 29/03/14 08/04/14 26/04/14
28 256 64 43 - 30/03/14 09/04/14 27/04/14
29 275 68.75 46 - 31/03/14 10/04/14 28/04/14
30 255 63.75 43 - 01/04/14 11/04/14 29/04/14

Perencanaan Produksi Kangkung (Mei 2014)

Berdasarkan hasil peramalan pada Tabel 15, permintaan kangkung pada
bulan Mei 2014 cukup fluktuatif yang berkisar pada angka 236 hingga 291 pak
perhari. Permintaan kangkung yang cenderung tinggi pada bulan Mei 2014 ini
diperkirakan berada pada tanggal 23 dan 30 Mei 2014 yang mencapai permintaan
masing-masing 289 dan 291 pak atau setara dengan luas tanam 48 dan 49 m2. Hal
itu dapat dilihat pada grafik dibawah ini.
 45

50
48
46
44
42
40
38
36
34
32
30
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 16 Perencanaan Produksi Kangkung (Mei 2014)

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi kangkung dengan didasarkan pada karakteristiknya untuk memenuhi
permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk
memenuhi permintaan pada tanggal 23 Mei 2014, perusahaan mulai melakukan
penyemaian pada tanggal 14 April 2014, memasuki masa tanam pada tanggal 24
April 2014 dengan jumlah bibit yang ditanam seluas 48 m2, memasuki masa
produksi pada tanggal 4 Mei 2014 dan memanen pada tanggal 22 Mei 2014
sebanyak 72.25 kg, (2) perencanaan produksi untuk memenuhi permintaan pada
tanggal 30 Mei 2014, perusahaan mulai melakukan penyemaian pada tanggal 21
April 2014, memasuki masa tanam pada tanggal 1 Mei 2014 dengan jumlah bibit
yang ditanam seluas 49 m2, memasuki masa produksi pada tanggal 11 Mei 2014
dan memanen pada tanggal 29 Mei 2014 sebanyak 72.75 kg.
Permintaan puncak pada bulan ini setara dengan luas 49 m2, dan angka
tersebut berada diluar jangkauan luas lahan maksimal perhari untuk kangkung,
yakni 48 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh
perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya
akan dipanen pada esok hari seluas 1 m2.
46

Tabel 15 Perencanaan Produksi Kangkung (Mei 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 278 69.5 46 - 02/04/14 12/04/14 30/04/14
2 285 71.25 48 - 03/04/14 13/04/14 01/05/14
3 236 59 39 - 04/04/14 14/04/14 02/05/14
4 259 64.75 43 - 05/04/14 15/04/14 03/05/14
5 258 64.5 43 - 06/04/14 16/04/14 04/05/14
6 277 69.25 46 - 07/04/14 17/04/14 05/05/14
7 256 64 43 - 08/04/14 18/04/14 06/05/14
8 280 70 47 - 09/04/14 19/04/14 07/05/14
9 286 71.5 48 - 10/04/14 20/04/14 08/05/14
10 238 59.5 40 - 11/04/14 21/04/14 09/05/14
11 261 65.25 44 - 12/04/14 22/04/14 10/05/14
12 259 64.75 43 - 13/04/14 23/04/14 11/05/14
13 279 74.25 50 2 14/04/14 24/04/14 12/05/14
14 258 64.5 43 - 15/04/14 25/04/14 13/05/14
15 281 70.25 47 - 16/04/14 26/04/14 14/05/14
16 288 72 48 - 17/04/14 27/04/14 15/05/14
17 239 59.75 40 - 18/04/14 28/04/14 16/05/14
18 262 65.5 44 - 19/04/14 29/04/14 17/05/14
19 261 65.25 44 - 20/04/14 30/04/14 18/05/14
20 280 70 47 - 21/04/14 01/05/14 19/05/14
21 259 64.75 43 - 22/04/14 02/05/14 20/05/14
22 283 70.75 47 - 23/04/14 03/05/14 21/05/14
23 289 72.25 48 - 24/04/14 04/05/14 22/05/14
24 241 60.25 40 - 25/04/14 05/05/14 23/05/14
25 264 66 44 - 26/04/14 06/05/14 24/05/14
26 262 65.5 44 - 27/04/14 07/05/14 25/05/14
27 282 70.5 47 - 28/04/14 08/05/14 26/05/14
28 261 65.25 44 - 29/04/14 09/05/14 27/05/14
29 284 71 47 - 30/04/14 10/05/14 28/05/14
30 291 72.75 49 1 01/05/14 11/05/14 29/05/14
31 242 60.5 40 - 02/05/14 12/05/14 30/05/14

Perencanaan Produksi Kangkung (Juni 2014)

Berdasarkan hasil peramalan pada Tabel 16, permintaan kangkung pada
bulan Juni 2014 cukup fluktuatif yang berkisar pada angka 244 hingga 297 pak
perhari. Permintaan kangkung yang cenderung tinggi pada bulan Juni 2014 ini
diperkirakan berada pada tanggal 20 dan 27 Juni 2014 yang mencapai permintaan
masing-masing 295 dan 297 pak atau setara dengan luas tanam 49 dan 50 m2. Hal
itu dapat dilihat pada grafik dibawah ini.

50
48
46
44
42
40
38
36
34
32
30
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 17 Perencanaan Produksi Kangkung (Juni 2014)

 47

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi kangkung dengan didasarkan pada karakteristiknya untuk memenuhi
permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk
memenuhi permintaan pada tanggal 20 Juni 2014, perusahaan mulai melakukan
penyemaian pada tanggal 12 Mei 2014, memasuki masa tanam pada tanggal 22
Mei 2014 dengan jumlah bibit yang ditanam seluas 49 m2, memasuki masa
produksi pada tanggal 1 Juni 2014 dan memanen pada tanggal 19 Juni 2014
sebanyak 73.75 kg, (2) perencanaan produksi untuk memenuhi permintaan pada
tanggal 27 Juni 2014, perusahaan mulai melakukan penyemaian pada tanggal 19
Mei 2014, memasuki masa tanam pada tanggal 29 Mei 2014 dengan jumlah bibit
yang ditanam seluas 50 m2, memasuki masa produksi pada tanggal 8 Juni 2014
dan memanen pada tanggal 26 Juni 2014 sebanyak 74.25 kg.
Permintaan puncak pada bulan ini setara dengan luas 49-50 m2, dan angka
tersebut berada diluar jangkauan luas lahan maksimal perhari untuk kangkung,
yakni 48 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh
perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya
akan dipanen pada esok hari seluas 1-2 m2.

Tabel 16 Perencanaan Produksi Kangkung (Juni 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 265 66.25 44 - 03/05/14 13/05/14 31/05/14
2 264 66 44 - 04/05/14 14/05/14 01/06/14
3 283 70.75 47 - 05/05/14 15/05/14 02/06/14
4 262 65.5 44 - 06/05/14 16/05/14 03/06/14
5 286 71.5 48 - 07/05/14 17/05/14 04/06/14
6 292 73 49 1 08/05/14 18/05/14 05/06/14
7 244 61 41 - 09/05/14 19/05/14 06/06/14
8 267 66.75 45 - 10/05/14 20/05/14 07/06/14
9 265 66.25 44 - 11/05/14 21/05/14 08/06/14
10 285 71.25 48 - 12/05/14 22/05/14 09/06/14
11 264 66 44 - 13/05/14 23/05/14 10/06/14
12 287 71.75 48 - 14/05/14 24/05/14 11/06/14
13 294 73.5 49 1 15/05/14 25/05/14 12/06/14
14 245 61.25 41 - 16/05/14 26/05/14 13/06/14
15 268 67 45 - 17/05/14 27/05/14 14/06/14
16 267 66.75 45 - 18/05/14 28/05/14 15/06/14
17 286 71.5 48 - 19/05/14 29/05/14 16/06/14
18 265 66.25 44 - 20/05/14 30/05/14 17/06/14
19 289 72.25 48 - 21/05/14 31/05/14 18/06/14
20 295 73.75 49 1 22/05/14 01/06/14 19/06/14
21 247 61.75 41 - 23/05/14 02/06/14 20/06/14
22 270 67.5 45 - 24/05/14 03/06/14 21/06/14
23 268 67 45 - 25/05/14 04/06/14 22/06/14
24 288 72 48 - 26/05/14 05/06/14 23/06/14
25 267 66.75 45 - 27/05/14 06/06/14 24/06/14
26 290 72.5 48 - 28/05/14 07/06/14 25/06/14
27 297 74.25 50 2 29/05/14 08/06/14 26/06/14
28 248 62 41 - 30/05/14 09/06/14 27/06/14
29 271 67.75 45 - 31/05/14 10/06/14 28/06/14
30 270 67.5 45 - 01/06/14 11/06/14 29/06/14

Perencanaan Produksi Kangkung (Juli 2014)

Berdasarkan hasil ramalan pada Tabel 17, puncak permintaan kangkung
jatuh pada tanggal 25 Juli 2014 yang mencapai permintaan sebanyak 302 pak atau
setara dengan luas tanam 50 m2. Hal itu dapat dilihat pada grafik dibawah ini.
48

50
48
46
44
42
40
38
36
34
32
30
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 18 Perencanaan Produksi Kangkung (Juli 2014)

Jika ditarik mundur dari tanggal tersebut, maka perencanaan produksi

kangkung dengan didasarkan pada karakteristiknya akan dimulai pada tanggal 16
Juni 2014. Proses penanaman kangkung dimulai pada tanggal 16 Juni 2014 yang
diawali dengan proses etiolasi benih kangkung, yakni proses dimana benih
dimasukkan ke dalam ruangan yang gelap tanpa adanya cahaya dengan tujuan
untuk mempercepat proses pertumbuhan kecambah dari kangkung tersebut. Proses
ini dilakukan selama dua hari yakni dari tanggal 16 hingga 17 Juni 2014. Setelah
melalui proses etiolasi, pada tanggal 18 hingga 25 Juni 2014 benih kangkung
memasuki masa penyemaian atau sering disebut dengan masa N1. Masa N1 ini
adalah masa penyemaian benih yang dialiri larutan nutrisi sebanyak 3 ml yang
berlangsung selama kurang lebih 8 hari.
Tahap selanjutnya kangkung akan memasuki masa tanam bibit selama
kurang lebih 10 hari, yakni dimulai pada tanggal 26 Juni 2014 hingga 5 Juli 2014.
Proses ini lebih dikenal dengan sebutan masa N2, dimana kecambah yang telah
tumbuh dari masa penyemaian akan dipindahkan ke dalam greenhouse yang telah
dialiri larutan nutrisi sebanyak 5 ml, dengan adanya masa N2 ini diharapkan bibit
kangkung dapat tumbuh lebih optimal dan lebih siap untuk memasuki masa
produksi.
Langkah budidaya terakhir kangkung sebelum memasuki masa panen ialah
masa produksi bibit kangkung, yakni selama kurang lebih 18 hingga 20 hari. Masa
produksi ini juga disebut masa N3 yang berlangsung mulai dari tanggal 6 hingga
23 Juli 2014. Pada tahap ini, bibit kangkung yang berasal dari greenhouse N2
akan dipindahkan ke dalam greenhouse N3 yang telah dialiri larutan nutrisi
sebanyak 7 ml. Dengan didahului masa N2, kangkung pada N3 ini diharapkan
dapat tumbuh secara optimal dan hanya tinggal menunggu umur dewasa agar
dapat dipanen sesuai dengan umur panen yang ada.
Setelah melalui tahap demi tahap proses budidaya, pada tanggal 24 Juli
2014, kangkung siap dipanen dan juga dilaksanakan proses packing untuk
kemudian dapat didistribusikan keesokan harinya pada tanggal 25 Juli 2014 sesuai
 49

peramalan puncak permintaan. Berkaitan dengan puncak permintaan kangkung

yang mencapai 302 pak (75.5 kg) di hari akhir bulan Juli, perusahaan setidaknya
menanam kangkung sepanjang 50 hingga 51 meter untuk memenuhi permintaan
tersebut, dengan asumsi 1 meter penanaman akan menghasilkan 1.5 kg atau
sekitar 6 pak kangkung.
Permintaan puncak pada bulan ini setara dengan luas 50-51 m2, dan angka
tersebut berada diluar jangkauan luas lahan maksimal perhari untuk kangkung,
yakni 48 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh
perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya
akan dipanen pada esok hari seluas 2-3 m2.

Tabel 17 Perencanaan Produksi Kangkung (Juli 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 289 72.25 48 - 02/06/14 12/06/14 30/06/14
2 268 67 45 - 03/06/14 13/06/14 01/07/14
3 292 73 49 1 04/06/14 14/06/14 02/07/14
4 298 74.5 50 2 05/06/14 15/06/14 03/07/14
5 250 62.5 42 - 06/06/14 16/06/14 04/07/14
6 273 68.25 46 - 07/06/14 17/06/14 05/07/14
7 271 67.75 45 - 08/06/14 18/06/14 06/07/14
8 291 72.75 49 1 09/06/14 19/06/14 07/07/14
9 270 67.5 45 - 10/06/14 20/06/14 08/07/14
10 293 73.25 49 1 11/06/14 21/06/14 09/07/14
11 300 75 50 2 12/06/14 22/06/14 10/07/14
12 251 62.75 42 - 13/06/14 23/06/14 11/07/14
13 274 68.5 46 - 14/06/14 24/06/14 12/07/14
14 273 68.25 46 - 15/06/14 25/06/14 13/07/14
15 292 73 49 1 16/06/14 26/06/14 14/07/14
16 271 67.75 45 - 17/06/14 27/06/14 15/07/14
17 295 73.75 49 1 18/06/14 28/06/14 16/07/14
18 301 75.25 50 2 19/06/14 29/06/14 17/07/14
19 253 63.25 42 - 20/06/14 30/06/14 18/07/14
20 276 69 46 - 21/06/14 01/07/14 19/07/14
21 274 68.5 46 - 22/06/14 02/07/14 20/07/14
22 293 73.25 49 1 23/06/14 03/07/14 21/07/14
23 272 68 45 - 24/06/14 04/07/14 22/07/14
24 296 74 49 1 25/06/14 05/07/14 23/07/14
25 302 75.5 50 2 26/06/14 06/07/14 24/07/14
26 254 63.5 42 - 27/06/14 07/07/14 25/07/14
27 277 69.25 46 - 28/06/14 08/07/14 26/07/14
28 276 69 46 - 29/06/14 09/07/14 27/07/14

Perencanaan Produksi Romaine (Maret 2014)

Berbeda halnya dengan bayam hijau dan kangkung, romaine memiliki
karakteristik waktu budidaya yang lebih lama, yakni sekitar 48 hingga 50 hari
sebelum memasuki masa panen, dengan rincian 10 hari pertama untuk masa
penyemaian benih, 10 hari kedua untuk masa tanam bibit, 28 hingga 30 hari
selanjutnya untuk masa produksi bibit dan 2 hingga 3 hari untuk masa panen. Luas
lahan maksimal perhari untuk romaine ialah 16 m2, jika permintaan puncak
melebihi angka tersebut, maka dilakukan penarikan panen produksi yang
seharusnya akan dipanen pada esok hari. Hal itu dilakukan untuk memenuhi
permintaan yang melebihi kapasitas produksi tersebut. Berdasarkan hasil
peramalan pada Tabel 18, permintaan romaine pada bulan Maret 2014 cukup
fluktuatif yang berkisar pada angka 100 hingga 150 pak perhari. Permintaan
romaine yang cenderung tinggi pada bulan Maret 2014 ini diperkirakan berada
pada tanggal 25 dan 28 Maret 2014 yang mencapai permintaan masing-masing
50

149 dan 150 pak atau setara dengan luas tanam 19 m2. Hal itu dapat dilihat pada
grafik dibawah ini.

20
19
18
17
16
15
14
13
12
11
10
1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 19 Perencanaan Produksi Romaine (Maret 2014)

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi romaine dengan didasarkan pada karakteristiknya untuk memenuhi
permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk
memenuhi permintaan pada tanggal 25 Maret 2014, perusahaan mulai melakukan
penyemaian pada tanggal 4 Februari 2014, memasuki masa tanam pada tanggal 14
Februari 2014 dengan jumlah bibit yang ditanam seluas 19 m2, memasuki masa
produksi pada tanggal 24 Februari 2014 dan memanen pada tanggal 24 Maret
2014 sebanyak 37.25 kg, (2) perencanaan produksi untuk memenuhi permintaan
pada tanggal 28 Maret 2014, perusahaan mulai melakukan penyemaian pada
tanggal 7 Februari 2014, memasuki masa tanam pada tanggal 17 Februari 2014
dengan jumlah bibit yang ditanam seluas 19 m2, memasuki masa produksi pada
tanggal 27 Februari 2014 dan memanen pada tanggal 27 Maret 2014 sebanyak
37.5 kg.
Permintaan puncak pada bulan ini setara dengan luas 19 m2, dan angka
tersebut berada diluar jangkauan luas lahan maksimal perhari untuk romaine,
yakni 16 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh
perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya
akan dipanen pada esok hari seluas 3 m2.
 51

Tabel 18 Perencanaan Produksi Romaine (Maret 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 99 24.75 12 - 21/01/14 31/01/14 28/02/14
2 140 35 18 2 22/01/14 01/02/14 01/03/14
3 126 31.5 16 - 23/01/14 02/02/14 02/03/14
4 146 36.5 18 2 24/01/14 03/02/14 03/03/14
5 137 34.25 17 1 25/01/14 04/02/14 04/03/14
6 146 36.5 18 2 26/01/14 05/02/14 05/03/14
7 148 37 19 3 27/01/14 06/02/14 06/03/14
8 104 26 13 - 28/01/14 07/02/14 07/03/14
9 139 34.75 17 1 29/01/14 08/02/14 08/03/14
10 125 31.25 16 - 30/01/14 09/02/14 09/03/14
11 148 37 19 3 31/01/14 10/02/14 10/03/14
12 135 33.75 17 1 01/02/14 11/02/14 11/03/14
13 146 36.5 18 2 02/02/14 12/02/14 12/03/14
14 149 37.25 19 3 03/02/14 13/02/14 13/03/14
15 105 26.25 13 - 04/02/14 14/02/14 14/03/14
16 138 34.5 17 1 05/02/14 15/02/14 15/03/14
17 124 31 16 - 06/02/14 16/02/14 16/03/14
18 149 37.25 19 3 07/02/14 17/02/14 17/03/14
19 134 33.5 17 1 08/02/14 18/02/14 18/03/14
20 146 36.5 18 2 09/02/14 19/02/14 19/03/14
21 150 37.5 19 3 10/02/14 20/02/14 20/03/14
22 105 26.25 13 - 11/02/14 21/02/14 21/03/14
23 138 34.5 17 1 12/02/14 22/02/14 22/03/14
24 123 30.75 15 - 13/02/14 23/02/14 23/03/14
25 149 37.25 19 3 14/02/14 24/02/14 24/03/14
26 134 33.5 17 1 15/02/14 25/02/14 25/03/14
27 145 36.25 18 2 16/02/14 26/02/14 26/03/14
28 150 37.5 19 3 17/02/14 27/02/14 27/03/14
29 104 26 13 - 18/02/14 28/02/14 28/03/14
30 138 34.5 17 1 19/02/14 01/03/14 29/03/14
31 123 30.75 15 - 20/02/14 02/03/14 30/03/14

Perencanaan Produksi Romaine (April 2014)

Berdasarkan hasil peramalan pada Tabel 19, permintaan romaine pada bulan
April 2014 cukup fluktuatif yang berkisar pada angka 123 hingga 149 pak perhari.
Permintaan romaine yang cenderung tinggi pada bulan April 2014 ini
diperkirakan berada pada tanggal 1 dan 15 April 2014 yang mencapai permintaan
masing-masing 149 dan 148 pak atau setara dengan luas tanam 19 m2. Hal itu
dapat dilihat pada grafik dibawah ini.

20
19
18
17
16
15
14
13
12
11
10
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 20 Perencanaan Produksi Romaine (April 2014)

52

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi romaine dengan didasarkan pada karakteristiknya untuk memenuhi
permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk
memenuhi permintaan pada tanggal 1 April 2014, perusahaan mulai melakukan
penyemaian pada tanggal 11 Februari 2014, memasuki masa tanam pada tanggal
21 Februari 2014 dengan jumlah bibit yang ditanam seluas 19 m2, memasuki masa
produksi pada tanggal 3 Maret 2014 dan memanen pada tanggal 31 Maret 2014
sebanyak 37.25 kg, (2) perencanaan produksi untuk memenuhi permintaan pada
tanggal 15 April 2014, perusahaan mulai melakukan penyemaian pada tanggal 25
Februari 2014, memasuki masa tanam pada tanggal 7 Maret 2014 dengan jumlah
bibit yang ditanam seluas 19 m2, memasuki masa produksi pada tanggal 17 Maret
2014 dan memanen pada tanggal 14 April 2014 sebanyak 37 kg.
Permintaan puncak pada bulan ini setara dengan luas 19 m2, dan angka
tersebut berada diluar jangkauan luas lahan maksimal perhari untuk romaine,
yakni 16 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh
perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya
akan dipanen pada esok hari seluas 3 m2.

Tabel 19 Perencanaan Produksi Romaine (April 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 149 37.25 19 3 21/02/14 03/03/14 31/03/14
2 134 33.5 17 1 22/02/14 04/03/14 01/04/14
3 145 36.25 18 2 23/02/14 05/03/14 02/04/14
4 149 37.25 19 3 24/02/14 06/03/14 03/04/14
5 104 26 13 - 25/02/14 07/03/14 04/04/14
6 138 34.5 17 1 26/02/14 08/03/14 05/04/14
7 123 30.75 15 - 27/02/14 09/03/14 06/04/14
8 149 37.25 19 3 28/02/14 10/03/14 07/04/14
9 133 33.25 17 1 01/03/14 11/03/14 08/04/14
10 145 36.25 18 2 02/03/14 12/03/14 09/04/14
11 149 37.25 19 3 03/03/14 13/03/14 10/04/14
12 104 26 13 - 04/03/14 14/03/14 11/04/14
13 138 34.5 17 1 05/03/14 15/03/14 12/04/14
14 123 30.75 15 - 06/03/14 16/03/14 13/04/14
15 148 37 19 3 07/03/14 17/03/14 14/04/14
16 133 33.25 17 1 08/03/14 18/03/14 15/04/14
17 145 36.25 18 2 09/03/14 19/03/14 16/04/14
18 149 37.25 19 3 10/03/14 20/03/14 17/04/14
19 104 26 13 - 11/03/14 21/03/14 18/04/14
20 137 34.25 17 1 12/03/14 22/03/14 19/04/14
21 123 30.75 15 - 13/03/14 23/03/14 20/04/14
22 148 37 19 3 14/03/14 24/03/14 21/04/14
23 133 33.25 17 1 15/03/14 25/03/14 22/04/14
24 145 36.25 18 2 16/03/14 26/03/14 23/04/14
25 149 37.25 19 3 17/03/14 27/03/14 24/04/14
26 104 26 13 - 18/03/14 28/03/14 25/04/14
27 137 34.25 17 1 19/03/14 29/03/14 26/04/14
28 123 30.75 15 - 20/03/14 30/03/14 27/04/14
29 148 37 19 3 21/03/14 31/03/14 28/04/14
30 133 33.25 17 1 22/03/14 01/04/14 29/04/14

Perencanaan Produksi Romaine (Mei 2014)

Berdasarkan hasil peramalan pada Tabel 20, permintaan romaine pada bulan
Mei 2014 cukup fluktuatif yang berkisar pada angka 122 hingga 149 pak perhari.
Permintaan romaine yang cenderung tinggi pada bulan Mei 2014 ini diperkirakan
berada pada tanggal 2 dan 6 Mei 2014 yang mencapai permintaan masing-masing
149 dan 148 pak atau setara dengan luas tanam 19 m2. Hal itu dapat dilihat pada
grafik dibawah ini.
 53

20
19
18
17
16
15
14
13
12
11
10
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 21 Perencanaan Produksi Romaine (Mei 2014)

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi romaine dengan didasarkan pada karakteristiknya untuk memenuhi
permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk
memenuhi permintaan pada tanggal 2 Mei 2014, perusahaan mulai melakukan
penyemaian pada tanggal 14 Maret 2014, memasuki masa tanam pada tanggal 24
Maret 2014 dengan jumlah bibit yang ditanam seluas 19 m2, memasuki masa
produksi pada tanggal 3 April 2014 dan memanen pada tanggal 1 Mei 2014
sebanyak 37.25 kg, (2) perencanaan produksi untuk memenuhi permintaan pada
tanggal 6 Mei 2014, perusahaan mulai melakukan penyemaian pada tanggal 18
Maret 2014, memasuki masa tanam pada tanggal 28 Maret 2014 dengan jumlah
bibit yang ditanam seluas 19 m2, memasuki masa produksi pada tanggal 7 April
2014 dan memanen pada tanggal 5 Mei 2014 sebanyak 37 kg.
Permintaan puncak pada bulan ini setara dengan luas 19 m2, dan angka
tersebut berada diluar jangkauan luas lahan maksimal perhari untuk romaine,
yakni 16 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh
perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya
akan dipanen pada esok hari seluas 3 m2.
54

Tabel 20 Perencanaan Produksi Romaine (Mei 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 145 36.25 18 2 23/03/14 02/04/14 30/04/14
2 149 37.25 19 3 24/03/14 03/04/14 01/05/14
3 104 26 13 - 25/03/14 04/04/14 02/05/14
4 137 34.25 17 1 26/03/14 05/04/14 03/05/14
5 122 30.5 15 - 27/03/14 06/04/14 04/05/14
6 148 37 19 3 28/03/14 07/04/14 05/05/14
7 133 33.25 17 1 29/03/14 08/04/14 06/05/14
8 144 36 18 2 30/03/14 09/04/14 07/05/14
9 149 37.25 19 3 31/03/14 10/04/14 08/05/14
10 104 26 13 - 01/04/14 11/04/14 09/05/14
11 137 34.25 17 1 02/04/14 12/04/14 10/05/14
12 122 30.5 15 - 03/04/14 13/04/14 11/05/14
13 148 37 19 3 04/04/14 14/04/14 12/05/14
14 133 33.25 17 1 05/04/14 15/04/14 13/05/14
15 144 36 18 2 06/04/14 16/04/14 14/05/14
16 149 37.25 19 3 07/04/14 17/04/14 15/05/14
17 104 26 13 - 08/04/14 18/04/14 16/05/14
18 137 34.25 17 1 09/04/14 19/04/14 17/05/14
19 122 30.5 15 - 10/04/14 20/04/14 18/05/14
20 148 37 19 3 11/04/14 21/04/14 19/05/14
21 133 33.25 17 1 12/04/14 22/04/14 20/05/14
22 144 36 18 2 13/04/14 23/04/14 21/05/14
23 149 37.25 19 3 14/04/14 24/04/14 22/05/14
24 103 25.75 13 - 15/04/14 25/04/14 23/05/14
25 137 34.25 17 1 16/04/14 26/04/14 24/05/14
26 122 30.5 15 - 17/04/14 27/04/14 25/05/14
27 148 37 19 3 18/04/14 28/04/14 26/05/14
28 133 33.25 17 1 19/04/14 29/04/14 27/05/14
29 144 36 18 2 20/04/14 30/04/14 28/05/14
30 148 37 19 3 21/04/14 01/05/14 29/05/14
31 103 25.75 13 - 22/04/14 02/05/14 30/05/14

Perencanaan Produksi Romaine (Juni 2014)

Berdasarkan hasil peramalan pada Tabel 21, permintaan romaine pada bulan
Juni 2014 cukup fluktuatif yang berkisar pada angka 122 hingga 148 pak perhari.
Permintaan romaine yang cenderung tinggi pada bulan Juni 2014 ini diperkirakan
berada pada tanggal 26 dan 27 Juni 2014 yang mencapai permintaan masing-
masing 144 dan 148 pak atau setara dengan luas tanam 18 dan 19 m2. Hal itu
dapat dilihat pada grafik dibawah ini.

20
19
18
17
16
15
14
13
12
11
10
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 22 Perencanaan Produksi Romaine (Juni 2014)

 55

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi romaine dengan didasarkan pada karakteristiknya untuk memenuhi
permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk
memenuhi permintaan pada tanggal 26 Juni 2014, perusahaan mulai melakukan
penyemaian pada tanggal 8 Mei 2014, memasuki masa tanam pada tanggal 18 Mei
2014 dengan jumlah bibit yang ditanam seluas 18 m2, memasuki masa produksi
pada tanggal 28 Mei 2014 dan memanen pada tanggal 25 Juni 2014 sebanyak 36
kg, (2) perencanaan produksi untuk memenuhi permintaan pada tanggal 27 Juni
2014, perusahaan mulai melakukan penyemaian pada tanggal 9 Mei 2014,
memasuki masa tanam pada tanggal 19 Mei 2014 dengan jumlah bibit yang
ditanam seluas 19 m2, memasuki masa produksi pada tanggal 29 Mei 2014 dan
memanen pada tanggal 26 Juni 2014 sebanyak 37 kg.
Permintaan puncak pada bulan ini setara dengan luas 18-19 m2, dan angka
tersebut berada diluar jangkauan luas lahan maksimal perhari untuk romaine,
yakni 16 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh
perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya
akan dipanen pada esok hari seluas 2-3 m2.

Tabel 21 Perencanaan Produksi Romaine (Juni 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 137 34.25 17 1 23/04/14 03/05/14 31/05/14
2 122 30.5 15 - 24/04/14 04/05/14 01/06/14
3 148 37 19 3 25/04/14 05/05/14 02/06/14
4 133 33.25 17 1 26/04/14 06/05/14 03/06/14
5 144 36 18 2 27/04/14 07/05/14 04/06/14
6 148 37 19 3 28/04/14 08/05/14 05/06/14
7 103 25.75 13 - 29/04/14 09/05/14 06/06/14
8 137 34.25 17 1 30/04/14 10/05/14 07/06/14
9 122 30.5 15 - 01/05/14 11/05/14 08/06/14
10 148 37 19 3 02/05/14 12/05/14 09/06/14
11 133 33.25 17 1 03/05/14 13/05/14 10/06/14
12 144 36 18 2 04/05/14 14/05/14 11/06/14
13 148 37 19 3 05/05/14 15/05/14 12/06/14
14 103 25.75 13 - 06/05/14 16/05/14 13/06/14
15 137 34.25 17 1 07/05/14 17/05/14 14/06/14
16 122 30.5 15 - 08/05/14 18/05/14 15/06/14
17 148 37 19 3 09/05/14 19/05/14 16/06/14
18 132 33 17 1 10/05/14 20/05/14 17/06/14
19 144 36 18 2 11/05/14 21/05/14 18/06/14
20 148 37 19 3 12/05/14 22/05/14 19/06/14
21 103 25.75 13 - 13/05/14 23/05/14 20/06/14
22 137 34.25 17 1 14/05/14 24/05/14 21/06/14
23 122 30.5 15 - 15/05/14 25/05/14 22/06/14
24 148 37 19 3 16/05/14 26/05/14 23/06/14
25 132 33 17 1 17/05/14 27/05/14 24/06/14
26 144 36 18 2 18/05/14 28/05/14 25/06/14
27 148 37 19 3 19/05/14 29/05/14 26/06/14
28 103 25.75 13 - 20/05/14 30/05/14 27/06/14
29 137 34.25 17 1 21/05/14 31/05/14 28/06/14
30 122 30.5 15 - 22/05/14 01/06/14 29/06/14

Perencanaan Produksi Romaine (Juli 2014)

Berdasarkan hasil ramalan pada Tabel 22, permintaan romaine cenderung
naik turun selama periode bulan Juli 2014, namun layaknya permintaan sayuran
jenis lain yang memuncak ketika datangnya bulan Ramadhan dan hari lebaran,
permintaan romaine pada bulan Juli menunjukkan kecenderungan peningkatan
pada kisaran tanggal 24 dan 25 Juli 2014 yang mencapai 148 pak atau setara
dengan luas tanam 18-19 m2. Hal itu dapat dilihat pada grafik dibawah ini.
56

20
19
18
17
16
15
14
13
12
11
10
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

Gambar 23 Perencanaan Produksi Romaine (Juli 2014)

Hasil ramalan tersebut memberikan informasi bahwa perencanaan produksi

romaine akan dilakukan pada tanggal 6 Juni 2014. Benih romaine akan mulai
diproses pada tanggal 6 Juni 2014, yakni dilakukan proses penanaman di dalam
greenhouse yang diawali dengan proses etiolasi benih romaine, yakni proses
dimana benih dimasukkan ke dalam ruangan yang gelap tanpa adanya cahaya
dengan tujuan untuk mempercepat proses pertumbuhan kecambah dari romaine
tersebut. Proses ini dilakukan selama dua hari yakni dari tanggal 6 hingga 7 Juni
2014. Setelah melalui proses etiolasi, pada tanggal 8 hingga 15 Juni 2014 benih
romaine memasuki masa penyemaian atau sering disebut dengan masa N1. Masa
N1 ini adalah masa penyemaian benih yang dialiri larutan nutrisi sebanyak 3 ml
yang berlangsung selama kurang lebih 8 hari.
Proses selanjutnya romaine akan memasuki masa tanam bibit selama kurang
lebih 10 hari, yakni dimulai pada tanggal 16 Juni 2014 hingga 25 Juni 2014.
Proses ini lebih dikenal dengan sebutan masa N2, dimana kecambah yang telah
tumbuh dari masa penyemaian akan dipindahkan ke dalam greenhouse yang telah
dialiri larutan nutrisi sebanyak 5 ml, dengan adanya masa N2 ini diharapkan bibit
romaine dapat tumbuh lebih optimal dan lebih siap untuk memasuki masa
produksi.
Proses budidaya terakhir romaine sebelum memasuki masa panen ialah
masa produksi bibit romaine, yakni selama kurang lebih 28 hingga 30 hari. Masa
produksi ini juga disebut masa N3 yang berlangsung mulai dari tanggal 26 Juni
2014 hingga 23 Juli 2014. Pada tahap ini, bibit romaine yang berasal dari
greenhouse N2 akan dipindahkan ke dalam greenhouse N3 yang telah dialiri
larutan nutrisi sebanyak 7 ml. Dengan didahului masa N2, romaine pada N3 ini
diharapkan dapat tumbuh secara optimal dan hanya tinggal menunggu umur
dewasa agar dapat dipanen sesuai dengan umur panen yang ada.
Setelah melalui tahap demi tahap proses budidaya, pada tanggal 24 Juli
2014, romaine siap dipanen dan juga dilaksanakan proses packing untuk
kemudian dapat didistribusikan keesokan harinya pada tanggal 25 Juli 2014 sesuai
 57

peramalan puncak permintaan. Berkenaan dengan permintaan romaine yang

cenderung meningkat hingga mencapai 148 pak (37 kg) pada hari akhir bulan Juli
2014, perusahaan setidaknya menanam romaine sepanjang 18 hingga 19 meter
untuk memenuhi permintaan tersebut, dengan asumsi 1 meter penanaman akan
menghasilkan 2 kg atau sekitar 8 pak romaine.
Permintaan puncak pada bulan ini setara dengan luas 18-19 m2, dan angka
tersebut berada diluar jangkauan luas lahan maksimal perhari untuk romaine,
yakni 16 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh
perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya
akan dipanen pada esok hari seluas 2-3 m2.

Tabel 22 Perencanaan Produksi Romaine (Juli 2014)

Permintaan Jumlah Luas Tanam Luas Masa Masa Waktu
Tanggal
(pak) (kg) (m2) Tambahan(m2) Tanam Produksi Panen
1 148 37 19 3 23/05/14 02/06/14 30/06/14
2 132 33 17 1 24/05/14 03/06/14 01/07/14
3 144 36 18 2 25/05/14 04/06/14 02/07/14
4 148 37 19 3 26/05/14 05/06/14 03/07/14
5 103 25.75 13 - 27/05/14 06/06/14 04/07/14
6 137 34.25 17 1 28/05/14 07/06/14 05/07/14
7 122 30.5 15 - 29/05/14 08/06/14 06/07/14
8 148 37 19 3 30/05/14 09/06/14 07/07/14
9 132 33 17 1 31/05/14 10/06/14 08/07/14
10 144 36 18 2 01/06/14 11/06/14 09/07/14
11 148 37 19 3 02/06/14 12/06/14 10/07/14
12 103 25.75 13 - 03/06/14 13/06/14 11/07/14
13 137 34.25 17 1 04/06/14 14/06/14 12/07/14
14 122 30.5 15 - 05/06/14 15/06/14 13/07/14
15 148 37 19 3 06/06/14 16/06/14 14/07/14
16 132 33 17 1 07/06/14 17/06/14 15/07/14
17 144 36 18 2 08/06/14 18/06/14 16/07/14
18 148 37 19 3 09/06/14 19/06/14 17/07/14
19 103 25.75 13 - 10/06/14 20/06/14 18/07/14
20 137 34.25 17 1 11/06/14 21/06/14 19/07/14
21 122 30.5 15 - 12/06/14 22/06/14 20/07/14
22 148 37 19 3 13/06/14 23/06/14 21/07/14
23 133 33.25 17 1 14/06/14 24/06/14 22/07/14
24 144 36 18 2 15/06/14 25/06/14 23/07/14
25 148 37 19 3 16/06/14 26/06/14 24/07/14
26 103 25.75 13 - 17/06/14 27/06/14 25/07/14
27 137 34.25 17 1 18/06/14 28/06/14 26/07/14
28 122 30.5 15 - 19/06/14 29/06/14 27/07/14

SIMPULAN DAN SARAN

Simpulan

Berdasarkan hasil uraian yang telah disajikan sebelumnya, maka dapat

disimpulkan bahwa :
1. Permintaan bayam hijau, kangkung dan romaine pada PT. Kebun Sayur
Segar (Parung Farm) untuk periode lima bulan kedepan cenderung
berfluktuasi dari hari ke hari. Hasil ramalan bayam hijau menunjukkan
bahwa permintaan berkisar pada 300 hingga 400 pak perhari, dengan
puncak permintaan pada hari akhir bulan Juli 2014 sebanyak 480 pak
(120 kg). Ramalan permintaan kangkung berkisar antara 220 hingga 270
pak perhari, dengan puncak permintaan pada hari akhir bulan Juli 2014
sebanyak 302 pak (75.5 kg), sedangkan untuk romaine, ramalan
58

permintaan berkisar antara 100 hingga 148 pak (37 kg) perhari untuk
lima bulan kedepan.
2. Perencanaan produksi didapat berdasarkan hasil peramalan yang telah
dilakukan dengan karakteristik masing-masing komoditi. Proses
perencanaan produksi bayam hijau dimulai pada tanggal 16 Juni 2014
untuk waktu tanam, 24 Juli 2014 untuk waktu panen dengan jumlah
yang harus diproduksi sebanyak 480 pak atau 120 kg. Perencanaan
produksi kangkung dimulai pada tanggal 16 Juni 2014 untuk waktu
tanam, 24 Juli 2014 untuk waktu panen dengan jumlah yang harus
diproduksi sebanyak 302 pak atau 75.5 kg, sedangkan perencanaan
produksi romaine dimulai pada tanggal 6 Juni 2014 untuk waktu tanam,
24 Juli 2014 untuk waktu panen dengan jumlah yang harus diproduksi
sebanyak 148 pak atau 37 kg. Perencanaan tersebut didasarkan pada
hasil peramalan yang menunjukkan bahwa puncak permintaan ketiga
komoditi terjadi pada hari-hari akhir di bulan Juli 2014, yakni tanggal 24
dan 25 Juli 2014.

Saran

Berdasarkan hasil penelitian yang telah dilakukan di PT. Kebun Sayur Segar
(Parung Farm), maka penulis menyarankan :
1. Pihak perusahaan sebaiknya melakukan peramalan secara kuantitatif
disamping peramalan rata-rata secara kualitatif, agar estimasi peramalan
lebih bersifat obyektif dan tidak cenderung kearah subyektifitas,
sehingga estimasi peramalan yang didapat lebih akurat dan hal tersebut
akan berimplikasi pada efek memperkecil gap yang terjadi antara
produksi dengan demand yang ada pada perusahaan ini.
2. Perusahaan dianjurkan untuk menyiapkan sumberdaya manusia yang
kompeten dalam hal peramalan kuantitatif agar mampu menerapkan dan
mengoperasionalkan metode peramalan yang diusulkan pada penelitian
ini untuk dapat melakukan peramalan periode selanjutnya secara lebih
akurat yang akan berimplikasi pada perencanaan produksi guna
memenuhi permintaan konsumen akan sayuran pada perusahaan ini.
3. Untuk memenuhi permintaan yang berada diluar jangkauan luas lahan
maksimal perhari untuk masing-masing komoditi, perusahaan sebaiknya
menambah luas lahan seluas 100 m2 untuk bayam hijau, 30 m2 untuk
kangkung dan 200 m2 untuk romaine, atau perusahaan mengadakan
kemitraan dengan petani atau perusahaan hidroponik lainnya yang sesuai
dengan kriteria agar permintaan konsumen pada perusahaan ini dapat
terpenuhi secara keseluruhan.
4. Penelitian yang dilakukan ini hanya terbatas pada ketiga komoditas
hidroponik terpilih, oleh sebab itu diperlukan penelitian lebih lanjut
terhadap komoditas lain (organik maupun hidroponik) yang diusahakan
pada PT. Kebun Sayur Segar (Parung Farm).
 59

DAFTAR PUSTAKA

Assauri S. 2004. Manajemen Produksi dan Operasi. Jakarta (ID): Fakultas

Ekonomi Universitas Indonesia.
Badan Pusat Statistik. 2013. Nilai PDB Atas Dasar Harga Berlaku Menurut
Lapangan Usaha Tahun 2012. [Studi berkala]. [diakses 2013 Desember 21]
Badan Pusat Statistik. 2013. Rata-Rata Konsumsi Sayuran (KKal) Masyarakat
Indonesia per Kapita Sehari Tahun 2008-2012. [Studi berkala]. [diakses 2013
Desember 21]
Batubara S, Maulidya R, Kusumaningrum I. 2011. Perbaikan Sistem Distribusi
dan Transportasi dengan Menggunakan Distribution Requirement Planning
(DRP) dan Algoritma Djikstra (Studi Kasus : Depot Pertamina Tasikmalaya).
Jurnal Keilmuan dan Teknik Industri. Vol. 1, No. 1.
Carson RT, Cenesizoglu T, Parker R. 2010. Forecasting (Aggregate) Demand for
US Commercial Air Travel. International Journal of Forecasting.
Ditjen Bina Produksi Hortikultura. 2013. Perkembangan Produksi Tanaman
Sayuran (Ton) Indonesia Tahun 2008-2012. [Studi berkala]. [diakses 2013
Desember 21]
Hanke JE, Reitsch AG, Wichern DW. 2003. Peramalan Bisnis [Business
Forecasting]. Ed ke-7. Jakarta (ID): PT. Prenhallindo.
Harjadi SS. 1996. Pengantar Agronomi. Jakarta (ID): PT. Gramedia Pustaka
Utama.
Heizer J, Render B. 2008. Manajemen Operasi [Operations Management]. Ed ke-
7. Jakarta (ID): Salemba Empat.
Hutagalung IR. 2013. Perencanaan Kebutuhan Kapasitas Produksi pada PT. XYZ.
e-Jurnal Teknik Industri FT USU, vol. 2, no. 1, pp. 15-23.
Hutajulu OP. 2010. Kajian Peramalan Permintaan dan Perencanaan Optimasi
Produksi Semen pada Plant 11 PT. Indocement Tunggal Prakarsa Tbk [skripsi].
Bogor (ID): Institut Pertanian Bogor.
Indriasti R. 2013. Analisis Usaha Sayuran Hidroponik pada PT. Kebun Sayur
Segar Kabupaten Bogor [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Kaes I, Azeem A. 2009. Demand Forecasting and Supplier Selection for Incoming
Material in RMG Industry : A Case Study. International Journal of Business
and Management. Vol. 4, No. 5.
Lestari, TD. 2012. Analisis Peramalan Permintaan Sayuran menggunakan
Pendekatan Kointegrasi pada PT. Saung Mirwan, Bogor, Jawa Barat [skripsi].
Bogor (ID): Institut Pertanian Bogor.
Lingga P. 1999. Hidroponik Bercocok Tanam tanpa Tanah. Jakarta (ID): Penebar
Swadaya.
Lipsey RG, Courant PN, Purvis DD. 1993. Pengantar Mikroekonomi. Ed ke-10.
Jakarta (ID): Binarupa Aksara.
Makridakis, Wheelwright, McGee. 1999. Metode dan Aplikasi Peramalan
[Forecasting Aplication and Methode]. Ed ke-2. Jakarta (ID): Interaksara.
Marie IA. 2011. Proyeksi Permintaan dan Penentuan Ukuran Batch Optimum
Produk pada Agroindustri (Studi Kasus di Industri Jamu). Jurnal Keilmuan dan
Teknik Industri. Vol. 1, No. 1.
60

Naibaho P. 2009. Kajian Perencanaan Produksi Agregat di PT. Wiska [skripsi].

Bogor (ID): Institut Pertanian Bogor.
Pracaya. 2007. Bertanam Sayuran Organik di Kebun, Pot dan Polibag. Jakarta
(ID): Penebar Swadaya.
Prawirasentono S. 2007. Operation Management. Jakarta (ID): Bumi Aksara.
Purnomo A. 2010. Perencanaan Produksi dan Pengendalian Persediaan Bahan
Baku pada Pengrajin Tahu dan Tempe “IM” Cibogo Bandung. Jurnal Logistik
Bisnis Politeknik Pos Indonesia, vol. 1, no. 1, hal. 97-117.
Putra IN, Pujawan IN, Arvitrida NI. 2009. Peramalan Permintaan dan
Perencanaan Produksi dengan Mempertimbangkan Special Event di PT. Coca-
Cola Bottling Indonesia (PT. CCBI) Plant-Pandaan. Laporan Penelitian Tugas
Akhir, Institut Teknologi Sepuluh Nopember, Surabaya.
Singgih S. 2009. Business Forecasting (Metode Peramalan Bisnis Masa Kini
dengan Minitab dan SPSS). Jakarta (ID): PT. Elex Media Komputindo.
Solehudin A. 2007. Kajian Perencanaan Produksi Agregat pada PT. Adi Putra
Perkasa, Cicurug – Sukabumi [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Suhardiyanto H. 2010. Kumpulan Makalah Pengantar Ilmu-Ilmu Pertanian.
Bogor (ID): IPB Press.
Tkacz G. 2001. Neural Network Forecasting of Canadian GDP Growth.
International Journal of Forecasting 17, 57-69.
Wisastri B. 2006. Peramalan Permintaan Sayuran pada PD. Pacet Segar, Cianjur
[skripsi]. Bogor (ID): Institut Pertanian Bogor.
Zulkarnain. 2009. Dasar-Dasar Hortikultura. Ed ke-1. Jakarta (ID): Bumi Aksara.
 61

LAMPIRAN

Lampiran 1 Plot ACF Permintaan Bayam Hijau

Autocorrelation Function for ORDER BAYAM HIJAU

(with 5% significance limits for the autocorrelations)

1.0
0.8
0.6
0.4
Autocorrelation

0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0

1 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75
Lag

Lag ACF T LBQ 32 -0.069471 -1.00 2678.04

1 0.532820 18.10 328.47 33 -0.078597 -1.13 2685.40
2 0.465794 12.64 579.72 34 -0.121149 -1.74 2702.88
3 0.414405 9.95 778.75 35 -0.046195 -0.66 2705.42
4 0.406952 9.03 970.87 36 -0.101569 -1.45 2717.73
5 0.381706 7.93 1140.03 37 -0.098451 -1.40 2729.31
6 0.329964 6.51 1266.55 38 -0.079458 -1.13 2736.85
7 0.439247 8.36 1490.94 39 -0.039918 -0.57 2738.76
8 0.387858 6.97 1666.06 40 -0.065374 -0.93 2743.88
9 0.371775 6.42 1827.09 41 -0.110833 -1.58 2758.60
10 0.329849 5.50 1953.97 42 -0.071368 -1.01 2764.71
11 0.270765 4.40 2039.53 43 -0.114736 -1.63 2780.52
12 0.293835 4.70 2140.39 44 -0.118658 -1.68 2797.44
13 0.250287 3.93 2213.63 45 -0.116095 -1.64 2813.65
14 0.334938 5.19 2344.91 46 -0.129481 -1.82 2833.84
15 0.250978 3.80 2418.68 47 -0.108041 -1.52 2847.91
16 0.233164 3.49 2482.41 48 -0.134678 -1.89 2869.78
17 0.190162 2.81 2524.84 49 -0.096907 -1.35 2881.12
18 0.174585 2.57 2560.63 50 -0.132052 -1.84 2902.19
19 0.152305 2.23 2587.90 51 -0.113093 -1.57 2917.66
20 0.116265 1.69 2603.80 52 -0.106621 -1.48 2931.42
21 0.182880 2.65 2643.18 53 -0.090069 -1.25 2941.25
22 0.097163 1.40 2654.30 54 -0.058138 -0.80 2945.35
23 0.073222 1.05 2660.63 55 -0.102877 -1.42 2958.20
24 0.069877 1.01 2666.39 56 -0.057169 -0.79 2962.17
25 0.050248 0.72 2669.38 57 -0.118188 -1.63 2979.15
26 0.013394 0.19 2669.59 58 -0.105792 -1.45 2992.78
27 -0.006622 -0.10 2669.64 59 -0.104129 -1.43 3005.99
28 0.031757 0.46 2670.83 60 -0.105531 -1.45 3019.57
29 0.004478 0.06 2670.86 61 -0.088748 -1.21 3029.18
30 -0.031319 -0.45 2672.02 62 -0.075704 -1.03 3036.18
31 -0.015461 -0.22 2672.31 63 -0.038813 -0.53 3038.02
62

64 -0.081352 -1.11 3046.12 72 -0.018591 -0.25 3081.05

65 -0.070703 -0.96 3052.25 73 -0.031783 -0.43 3082.29
66 -0.083035 -1.13 3060.70 74 -0.011543 -0.16 3082.46
67 -0.062835 -0.85 3065.55 75 -0.027951 -0.38 3083.42
68 -0.047623 -0.65 3068.33 76 -0.034182 -0.46 3084.87
69 -0.074660 -1.01 3075.19 77 0.042646 0.58 3087.12
70 -0.032525 -0.44 3076.49 78 -0.015358 -0.21 3087.41
71 -0.057923 -0.79 3080.62

Lampiran 2 Plot PACF Permintaan Bayam Hijau

Partial Autocorrelation Function for ORDER BAYAM HIJAU

(with 5% significance limits for the partial autocorrelations)

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 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75
Lag

Lag PACF T 27 -0.001697 -0.06

1 0.532820 18.10 28 -0.009743 -0.33
2 0.254010 8.63 29 -0.004703 -0.16
3 0.140201 4.76 30 -0.039095 -1.33
4 0.136939 4.65 31 0.042710 1.45
5 0.087137 2.96 32 -0.065434 -2.22
6 0.015015 0.51 33 -0.031702 -1.08
7 0.232825 7.91 34 -0.047649 -1.62
8 0.048303 1.64 35 0.070933 2.41
9 0.037596 1.28 36 -0.044402 -1.51
10 0.000303 0.01 37 0.015614 0.53
11 -0.072568 -2.47 38 0.032780 1.11
12 0.036595 1.24 39 0.088941 3.02
13 -0.009405 -0.32 40 0.011155 0.38
14 0.122184 4.15 41 -0.017954 -0.61
15 -0.066953 -2.27 42 0.020971 0.71
16 -0.043657 -1.48 43 -0.061569 -2.09
17 -0.068977 -2.34 44 0.000032 0.00
18 -0.011689 -0.40 45 -0.020657 -0.70
19 -0.038391 -1.30 46 -0.030848 -1.05
20 -0.022377 -0.76 47 -0.003587 -0.12
21 0.052812 1.79 48 -0.007107 -0.24
22 -0.107629 -3.66 49 -0.014155 -0.48
23 -0.064519 -2.19 50 -0.016287 -0.55
24 0.001088 0.04 51 0.021289 0.72
25 -0.005655 -0.19 52 -0.003284 -0.11
26 -0.062006 -2.11 53 0.021817 0.74
 63

54 0.049292 1.67 67 0.032998 1.12

55 -0.025501 -0.87 68 -0.002433 -0.08
56 0.011890 0.40 69 -0.021509 -0.73
57 -0.060969 -2.07 70 -0.007395 -0.25
58 -0.009393 -0.32 71 0.005025 0.17
59 -0.014822 -0.50 72 0.055499 1.89
60 -0.037138 -1.26 73 0.021979 0.75
61 -0.000536 -0.02 74 0.032797 1.11
62 0.047787 1.62 75 -0.044240 -1.50
63 0.012842 0.44 76 0.000181 0.01
64 -0.027345 -0.93 77 0.073416 2.49
65 0.029191 0.99 78 -0.038615 -1.31
66 -0.051249 -1.74

Lampiran 3 Peramalan Permintaan Bayam Hijau dengan Model ARIMA

(111)(112)7

ARIMA Model: ORDER BAYAM HIJAU

Estimates at each iteration

Iteration SSE Parameters

0 15961159 0.100 0.100 0.100 0.100 0.100 0.003
1 14431214 0.083 0.173 0.117 0.250 0.135 -0.013
2 13986295 0.221 0.185 0.267 0.284 0.141 -0.013
3 13479894 0.357 0.196 0.417 0.319 0.148 -0.012
4 12709020 0.482 0.206 0.567 0.369 0.156 -0.011
5 11269096 0.579 0.215 0.717 0.459 0.169 -0.010
6 8819660 0.580 0.191 0.838 0.609 0.184 -0.005
7 6910338 0.430 0.113 0.852 0.752 0.163 0.004
8 6277020 0.299 0.110 0.840 0.902 0.057 -0.001
9 6139923 0.199 0.139 0.831 1.048 -0.081 0.001
10 6136914 0.204 0.170 0.833 1.070 -0.100 0.001
11 6136266 0.204 0.179 0.833 1.076 -0.105 0.001
12 6136021 0.204 0.183 0.834 1.079 -0.107 0.001
13 6135891 0.204 0.185 0.834 1.081 -0.109 0.001
14 6135804 0.204 0.186 0.834 1.082 -0.110 0.001
15 6135735 0.204 0.187 0.834 1.083 -0.111 0.001
16 6135672 0.204 0.188 0.834 1.084 -0.112 0.001
17 6135624 0.204 0.189 0.834 1.085 -0.113 0.001
18 6135586 0.204 0.190 0.834 1.085 -0.113 0.001
19 6135553 0.204 0.190 0.834 1.086 -0.114 0.001
20 6135526 0.204 0.191 0.834 1.086 -0.114 0.001
21 6135502 0.204 0.191 0.834 1.087 -0.114 0.001
22 6135481 0.204 0.191 0.834 1.087 -0.115 0.001
23 6135463 0.204 0.192 0.834 1.087 -0.115 0.001
24 6135447 0.204 0.192 0.834 1.088 -0.115 0.001
25 6135432 0.204 0.192 0.834 1.088 -0.115 0.001

** Convergence criterion not met after 25 iterations **

Final Estimates of Parameters

Type Coef SE Coef T P

AR 1 0.2036 0.0391 5.21 0.000
SAR 7 0.1922 0.0311 6.19 0.000
MA 1 0.8340 0.0219 38.03 0.000
SMA 7 1.0879 0.0100 108.28 0.000
SMA 14 -0.1152 0.0100 -11.55 0.000
Constant 0.00105 0.01150 0.09 0.927

Differencing: 1 regular, 1 seasonal of order 7

64

Number of observations: Original series 1154, after differencing 1146

Residuals: SS = 6129842 (backforecasts excluded)
MS = 5377 DF = 1140

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

Lag 12 24 36 48
Chi-Square 28.6 41.7 74.5 93.5
DF 6 18 30 42
P-Value 0.000 0.001 0.000 0.000

Forecasts from period 1154

95% Limits
Period Forecast Lower Upper 1203 431.82 138.25 725.40
1155 316.47 172.72 460.22 1204 345.39 48.61 642.18
1156 363.81 210.55 517.07 1205 388.44 88.91 687.97
1157 351.92 194.78 509.05 1206 377.72 75.55 679.89
1158 388.87 228.72 549.02 1207 414.49 109.73 719.26
1159 345.94 182.97 508.90 1208 368.43 61.09 675.78
1160 384.86 219.16 550.56 1209 409.50 99.61 719.40
1161 413.17 244.79 581.56 1210 435.23 122.81 747.66
1162 324.09 149.80 498.38 1211 348.80 33.21 664.39
1163 368.00 190.14 545.87 1212 391.85 73.55 710.15
1164 357.06 176.05 538.07 1213 381.13 60.22 702.05
1165 393.86 209.84 577.89 1214 417.91 94.42 741.39
1166 348.40 161.41 535.38 1215 371.85 45.81 697.89
1167 389.05 199.16 578.94 1216 412.92 84.35 741.49
1168 415.26 222.51 608.02 1217 438.65 107.57 769.73
1169 328.32 131.48 525.16 1218 352.22 18.02 686.42
1170 371.53 171.49 571.56 1219 395.27 58.38 732.17
1171 360.76 157.73 563.79 1220 384.55 45.07 724.04
1172 397.53 191.58 603.48 1221 421.33 79.29 763.37
1173 351.58 142.75 560.40 1222 375.27 30.69 719.85
1174 392.56 180.91 604.21 1223 416.35 69.25 763.44
1175 418.37 203.92 632.82 1224 442.08 92.48 791.67
1176 331.84 113.73 549.94 1225 355.65 2.97 708.33
1177 374.91 153.78 596.04 1226 398.70 43.35 754.06
1178 364.18 140.17 588.18 1227 387.99 30.05 745.93
1179 400.95 174.12 627.77 1228 424.77 64.28 785.25
1180 354.90 125.30 584.50 1229 378.71 15.70 741.72
1181 395.95 163.60 628.29 1230 419.79 54.27 785.30
1182 421.69 186.63 656.74 1231 445.52 77.51 813.52
1183 335.23 96.70 573.76 1232 359.09 -11.98 730.16
1184 378.28 136.83 619.73 1233 402.15 28.42 775.88
1185 367.56 123.32 611.79 1234 391.43 15.13 767.74
1186 404.32 157.35 651.30 1235 428.21 49.37 807.05
1187 358.26 108.59 607.94 1236 382.16 0.80 763.52
1188 399.33 146.98 651.67 1237 423.24 39.38 807.09
1189 425.05 170.06 680.04 1238 448.97 62.62 835.31
1190 338.61 80.26 596.96 1239 362.54 -26.85 751.93
1191 381.66 120.46 642.85 1240 405.60 13.56 797.65
1192 370.93 107.01 634.85 1241 394.89 0.28 789.50
1193 407.70 141.11 674.30 1242 431.67 34.53 828.82
1194 361.64 92.40 630.88 1243 385.62 -14.04 785.28
1195 402.71 130.84 674.57 1244 426.70 24.54 828.86
1196 428.43 153.97 702.89 1245 452.43 47.79 857.07
1197 342.00 64.26 619.73 1246 366.01 -41.67 773.68
1198 385.04 104.52 665.57 1247 409.07 -1.26 819.39
1199 374.32 91.12 657.52 1248 398.36 -14.53 811.25
1200 411.09 125.26 696.92 1249 435.14 19.72 850.56
1201 365.03 76.60 653.47 1250 389.09 -28.85 807.03
1202 406.10 115.09 697.12 1251 430.17 9.73 850.61
 65

1252 455.91 32.98 878.83 1279 444.18 -49.50 937.85

1253 369.49 -56.46 795.43 1280 469.92 -26.26 966.10
1254 412.55 -16.05 841.14 1281 383.50 -115.68 882.69
1255 401.84 -29.32 833.00 1282 426.57 -75.28 928.43
1256 438.62 4.93 872.32 1283 415.87 -88.57 920.31
1257 392.57 -43.64 828.78 1284 452.66 -54.34 959.66
1258 433.65 -5.06 872.37 1285 406.62 -102.93 916.16
1259 459.39 18.19 900.59 1286 447.71 -64.37 959.78
1260 372.97 -71.24 817.19 1287 473.45 -41.14 988.05
1261 416.04 -30.83 862.90 1288 387.04 -130.57 904.64
1262 405.33 -44.10 854.76 1289 430.11 -90.17 950.38
1263 442.11 -9.86 894.09 1290 419.41 -103.46 942.28
1264 396.07 -58.43 850.56 1291 456.20 -69.24 981.64
1265 437.15 -19.85 894.15 1292 410.16 -117.84 938.15
1266 462.89 3.39 922.39 1293 451.25 -79.29 981.79
1267 376.47 -86.03 838.98 1294 477.00 -56.07 1010.06
1268 419.54 -45.62 884.70 1295 390.58 -145.49 926.66
1269 408.83 -58.90 876.56 1296 433.65 -105.10 972.41
1270 445.62 -24.66 915.89 1297 422.96 -118.41 964.32
1271 399.57 -73.23 872.38 1298 459.75 -84.19 1003.69
1272 440.66 -34.66 915.98 1299 413.71 -132.80 960.22
1273 466.40 -11.42 944.22 1300 454.80 -94.26 1003.86
1274 379.98 -100.84 860.81 1301 480.55 -71.05 1032.15
1275 423.05 -60.44 906.53 1302 394.14 -160.48 948.76
1276 412.35 -73.72 898.41 1303 437.21 -120.09 994.52
1277 449.13 -39.48 937.75 1304 426.52 -133.41 986.44
1278 403.09 -88.06 894.24

Lampiran 4 Plot ACF Permintaan Kangkung

Autocorrelation Function for ORDER KANGKUNG

(with 5% significance limits for the autocorrelations)

1.0
0.8
0.6
0.4
Autocorrelation

0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0

1 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75
Lag

Lag ACF T LBQ 8 0.455008 6.98 2506.26

1 0.627205 21.31 455.15 9 0.452218 6.66 2744.52
2 0.561392 14.27 820.11 10 0.427237 6.06 2957.37
3 0.546068 11.93 1165.71 11 0.394533 5.43 3139.04
4 0.504685 9.88 1461.18 12 0.390289 5.24 3316.98
5 0.496412 8.98 1747.28 13 0.353507 4.64 3463.09
6 0.446619 7.57 1979.08 14 0.390578 5.03 3641.60
7 0.496043 8.02 2265.26 15 0.341710 4.31 3778.36
66

16 0.322847 4.00 3900.54 48 -0.031339 -0.36 4602.19

17 0.311748 3.81 4014.57 49 -0.036794 -0.42 4603.82
18 0.283440 3.43 4108.91 50 -0.052221 -0.59 4607.12
19 0.267953 3.21 4193.30 51 -0.059830 -0.68 4611.45
20 0.235674 2.79 4258.64 52 -0.046980 -0.53 4614.12
21 0.265328 3.13 4341.53 53 -0.034501 -0.39 4615.56
22 0.218178 2.55 4397.63 54 -0.037969 -0.43 4617.31
23 0.169644 1.97 4431.57 55 -0.055803 -0.63 4621.09
24 0.150901 1.75 4458.46 56 -0.044557 -0.51 4623.50
25 0.160470 1.85 4488.88 57 -0.065921 -0.75 4628.79
26 0.136541 1.57 4510.93 58 -0.069163 -0.79 4634.61
27 0.120675 1.39 4528.17 59 -0.075382 -0.86 4641.53
28 0.117828 1.35 4544.62 60 -0.076445 -0.87 4648.66
29 0.105720 1.21 4557.87 61 -0.070392 -0.80 4654.71
30 0.069912 0.80 4563.67 62 -0.074115 -0.84 4661.42
31 0.076008 0.87 4570.53 63 -0.080762 -0.91 4669.39
32 0.076498 0.87 4577.49 64 -0.104677 -1.18 4682.80
33 0.068393 0.78 4583.06 65 -0.119909 -1.36 4700.42
34 0.032401 0.37 4584.31 66 -0.146516 -1.65 4726.74
35 0.058425 0.67 4588.38 67 -0.124752 -1.40 4745.84
36 0.047046 0.54 4591.02 68 -0.110332 -1.24 4760.79
37 0.018329 0.21 4591.42 69 -0.129482 -1.45 4781.40
38 0.027614 0.31 4592.33 70 -0.129126 -1.45 4801.92
39 0.061345 0.70 4596.83 71 -0.106806 -1.19 4815.97
40 0.035190 0.40 4598.32 72 -0.096608 -1.08 4827.48
41 0.002103 0.02 4598.32 73 -0.107634 -1.20 4841.78
42 0.033652 0.38 4599.68 74 -0.097804 -1.09 4853.59
43 0.008833 0.10 4599.77 75 -0.116396 -1.30 4870.34
44 0.006523 0.07 4599.83 76 -0.100555 -1.12 4882.86
45 -0.001169 -0.01 4599.83 77 -0.083313 -0.93 4891.45
46 -0.025392 -0.29 4600.60 78 -0.100744 -1.12 4904.04
47 -0.018249 -0.21 4601.01

Lampiran 5 Plot PACF Permintaan Kangkung

Partial Autocorrelation Function for ORDER KANGKUNG

(with 5% significance limits for the partial autocorrelations)

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 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75
Lag
 67

Lag PACF T 40 -0.020181 -0.69

1 0.627205 21.31 41 -0.044660 -1.52
2 0.276957 9.41 42 0.037258 1.27
3 0.210272 7.14 43 -0.031485 -1.07
4 0.102769 3.49 44 0.020485 0.70
5 0.111700 3.79 45 -0.005631 -0.19
6 0.013652 0.46 46 -0.065109 -2.21
7 0.167830 5.70 47 -0.021399 -0.73
8 0.021248 0.72 48 -0.011234 -0.38
9 0.066279 2.25 49 -0.029920 -1.02
10 0.000541 0.02 50 -0.032560 -1.11
11 -0.009859 -0.33 51 -0.011440 -0.39
12 0.007857 0.27 52 0.009458 0.32
13 -0.018849 -0.64 53 0.021417 0.73
14 0.081186 2.76 54 -0.009721 -0.33
15 -0.039480 -1.34 55 0.005176 0.18
16 -0.019616 -0.67 56 0.000736 0.03
17 -0.017934 -0.61 57 -0.032346 -1.10
18 -0.022364 -0.76 58 -0.003120 -0.11
19 -0.028894 -0.98 59 -0.005690 -0.19
20 -0.025843 -0.88 60 -0.020106 -0.68
21 0.045382 1.54 61 0.004642 0.16
22 -0.050913 -1.73 62 0.028091 0.95
23 -0.087192 -2.96 63 -0.012863 -0.44
24 -0.056065 -1.90 64 -0.054580 -1.85
25 0.033889 1.15 65 -0.035674 -1.21
26 -0.029079 -0.99 66 -0.061913 -2.10
27 0.011100 0.38 67 0.027077 0.92
28 -0.018614 -0.63 68 0.033303 1.13
29 0.001918 0.07 69 -0.013957 -0.47
30 -0.052564 -1.79 70 -0.023855 -0.81
31 0.031677 1.08 71 0.042530 1.44
32 0.026618 0.90 72 0.041083 1.40
33 0.022170 0.75 73 0.015866 0.54
34 -0.047863 -1.63 74 0.015539 0.53
35 0.043582 1.48 75 -0.042907 -1.46
36 -0.001508 -0.05 76 0.036371 1.24
37 -0.012299 -0.42 77 0.028181 0.96
38 0.026636 0.90 78 -0.017473 -0.59
39 0.088119 2.99

Lampiran 6 Peramalan Permintaan Kangkung dengan Model ARIMA

(012)(012)7

ARIMA Model: ORDER KANGKUNG

Estimates at each iteration

Iteration SSE Parameters

0 8700633 0.100 0.100 0.100 0.100 0.114
1 7154045 0.186 0.137 0.250 0.159 0.035
2 5997319 0.274 0.164 0.400 0.197 0.004
3 5136725 0.365 0.178 0.550 0.205 -0.004
4 4527787 0.461 0.176 0.700 0.175 -0.004
5 4162366 0.557 0.152 0.850 0.111 -0.001
6 4102346 0.620 0.126 0.928 0.048 -0.009
7 4101396 0.624 0.123 0.930 0.043 -0.007
8 4100465 0.625 0.122 0.932 0.041 -0.004
9 4100249 0.625 0.122 0.935 0.039 -0.004
10 4100036 0.625 0.121 0.937 0.036 -0.004
11 4099885 0.625 0.121 0.939 0.034 -0.004
12 4099780 0.625 0.121 0.942 0.032 -0.004
13 4099715 0.625 0.120 0.944 0.030 -0.004
14 4099687 0.626 0.120 0.946 0.028 -0.004
68

15 4099668 0.626 0.119 0.947 0.027 -0.004

16 4099575 0.626 0.119 0.949 0.026 -0.003
17 4099467 0.626 0.119 0.949 0.026 -0.002
18 4099438 0.626 0.119 0.950 0.025 -0.002
19 4099436 0.626 0.119 0.950 0.025 -0.001

Unable to reduce sum of squares any further

Final Estimates of Parameters

Type Coef SE Coef T P

MA 1 0.6260 0.0295 21.24 0.000
MA 2 0.1191 0.0295 4.03 0.000
SMA 7 0.9502 0.0090 105.59 0.000
SMA 14 0.0249 0.0088 2.84 0.005
Constant -0.00127 0.02038 -0.06 0.950

Differencing: 1 regular, 1 seasonal of order 7

Number of observations: Original series 1154, after differencing 1146
Residuals: SS = 4096214 (backforecasts excluded)
MS = 3590 DF = 1141

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

Lag 12 24 36 48
Chi-Square 16.3 33.0 47.1 62.7
DF 7 19 31 43
P-Value 0.023 0.024 0.032 0.027

Forecasts from period 1154

95% Limits
Period Forecast Lower Upper 1183 227.669 18.113 437.225
1155 229.559 112.099 347.020 1184 250.797 38.500 463.094
1156 243.580 118.173 368.986 1185 249.451 34.502 464.400
1157 241.637 112.705 370.568 1186 268.665 51.097 486.234
1158 261.551 129.189 393.913 1187 247.720 27.563 467.877
1159 240.850 105.144 376.557 1188 271.269 48.554 493.984
1160 263.604 124.634 402.574 1189 277.927 52.683 503.171
1161 272.932 130.773 415.091 1190 229.258 1.063 457.452
1162 223.095 76.501 369.689 1191 252.385 21.559 483.210
1163 245.982 95.909 396.055 1192 251.037 17.662 484.412
1164 244.640 91.311 397.969 1193 270.250 34.353 506.147
1165 263.858 107.340 420.375 1194 249.304 10.911 487.696
1166 242.917 83.275 402.559 1195 272.851 31.989 513.713
1167 266.469 103.763 429.176 1196 279.508 36.201 522.815
1168 273.131 107.417 438.846 1197 230.837 -15.315 476.989
1169 224.465 55.229 393.702 1198 253.963 5.265 502.661
1170 247.596 75.263 419.929 1199 252.614 1.445 503.783
1171 246.252 70.942 421.563 1200 271.826 18.210 525.441
1172 265.469 87.231 443.707 1201 250.878 -5.161 506.918
1173 244.527 63.408 425.646 1202 274.424 15.984 532.865
1174 268.078 84.124 452.032 1203 281.080 20.260 541.899
1175 274.739 87.992 461.485 1204 232.408 -31.174 495.990
1176 226.072 36.057 416.086 1205 255.532 -10.529 521.593
1177 249.201 56.297 442.105 1206 254.182 -14.289 522.653
1178 247.856 52.163 443.549 1207 273.392 2.534 544.251
1179 267.071 68.630 465.513 1208 252.444 -20.782 525.670
1180 246.128 44.975 447.281 1209 275.989 0.416 551.562
1181 269.678 65.849 473.507 1210 282.643 4.743 560.543
1182 276.337 69.868 482.807 1211 233.970 -46.627 514.566
 69

1212 257.093 -25.930 540.116 1259 293.336 -97.485 684.158

1213 255.741 -29.642 541.125 1260 244.654 -148.637 637.945
1214 274.951 -12.775 562.676 1261 267.769 -127.778 663.315
1215 254.001 -36.047 544.048 1262 266.408 -131.345 664.161
1216 277.544 -14.807 569.896 1263 285.608 -114.338 685.555
1217 284.197 -10.441 578.835 1264 264.650 -137.479 666.778
1218 235.523 -61.757 532.803 1265 288.184 -116.114 692.483
1219 258.645 -41.019 558.309 1266 294.829 -111.629 701.286
1220 257.292 -44.694 559.277 1267 246.145 -162.768 655.058
1221 276.500 -27.790 580.789 1268 269.258 -141.902 680.418
1222 255.549 -51.028 562.125 1269 267.896 -145.462 681.255
1223 279.091 -29.755 587.937 1270 287.095 -128.450 702.641
1224 285.743 -25.357 596.842 1271 266.135 -151.585 683.856
1225 237.067 -76.631 550.765 1272 289.669 -130.216 709.554
1226 260.187 -55.860 576.235 1273 296.312 -125.726 718.350
1227 258.833 -59.504 577.171 1274 247.627 -176.856 672.110
1228 278.040 -42.572 598.652 1275 270.739 -155.984 697.462
1229 257.088 -65.782 579.957 1276 269.376 -159.540 698.292
1230 280.629 -44.483 605.741 1277 288.574 -142.525 719.672
1231 287.279 -40.060 614.618 1278 267.612 -165.657 700.882
1232 238.602 -91.299 568.503 1279 291.145 -144.285 726.574
1233 261.721 -70.501 593.944 1280 297.786 -139.793 735.365
1234 260.366 -74.122 594.854 1281 249.100 -190.915 689.115
1235 279.571 -57.166 616.309 1282 272.211 -170.040 714.461
1236 258.618 -80.355 597.591 1283 270.846 -173.594 715.286
1237 282.158 -59.036 623.351 1284 290.043 -156.576 736.662
1238 288.807 -54.592 632.206 1285 269.080 -179.707 717.868
1239 240.128 -105.803 586.059 1286 292.611 -158.334 743.557
1240 263.247 -84.984 611.477 1287 299.252 -153.841 752.344
1241 261.890 -88.585 612.365 1288 250.564 -204.957 706.086
1242 281.094 -71.612 633.800 1289 273.674 -184.081 731.428
1243 260.139 -94.783 615.061 1290 272.308 -187.634 732.250
1244 283.678 -73.448 640.803 1291 291.503 -170.616 753.622
1245 290.326 -68.989 649.640 1292 270.539 -193.747 734.825
1246 241.646 -120.176 603.468 1293 294.069 -172.374 760.512
1247 264.763 -99.340 628.866 1294 300.708 -167.882 769.298
1248 263.405 -102.927 629.736 1295 252.020 -218.994 723.033
1249 282.608 -85.939 651.154 1296 275.128 -198.117 748.372
1250 261.651 -109.097 632.400 1297 273.761 -201.671 749.192
1251 285.189 -87.749 658.127 1298 292.955 -184.654 770.563
1252 291.835 -83.279 666.949 1299 271.990 -207.786 751.765
1253 243.155 -134.446 620.755 1300 295.518 -186.415 777.451
1254 266.270 -113.597 646.137 1301 302.156 -181.925 786.236
1255 264.911 -117.173 646.994 1302 253.466 -233.034 739.967
1256 284.112 -100.174 668.399 1303 276.573 -212.158 765.304
1257 263.155 -123.322 649.632 1304 275.205 -215.714 766.123
1258 286.691 -101.964 675.346
70

Lampiran 7 Plot ACF Permintaan Romaine

Autocorrelation Function for ORDER ROMAINE

(with 5% significance limits for the autocorrelations)

1.0
0.8
0.6
0.4
Autocorrelation

0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0

1 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75
Lag

Lag ACF T LBQ 36 0.139285 1.44 5758.03

1 0.578422 19.65 387.10 37 0.146472 1.51 5783.65
2 0.546237 14.36 732.62 38 0.139658 1.44 5806.97
3 0.497779 11.23 1019.81 39 0.155755 1.60 5835.99
4 0.486025 9.94 1293.83 40 0.121537 1.25 5853.68
5 0.507942 9.60 1593.38 41 0.098766 1.01 5865.37
6 0.468259 8.21 1848.18 42 0.130107 1.33 5885.68
7 0.531440 8.82 2176.66 43 0.070244 0.72 5891.61
8 0.441858 6.88 2403.93 44 0.071016 0.72 5897.67
9 0.489615 7.33 2683.22 45 0.064759 0.66 5902.71
10 0.411853 5.90 2881.02 46 0.063798 0.65 5907.61
11 0.405379 5.64 3072.82 47 0.066630 0.68 5912.96
12 0.439816 5.96 3298.78 48 0.045522 0.46 5915.46
13 0.397804 5.23 3483.80 49 0.040326 0.41 5917.43
14 0.460725 5.92 3732.20 50 0.022340 0.23 5918.03
15 0.386780 4.82 3907.41 51 0.039686 0.40 5919.93
16 0.395970 4.84 4091.21 52 0.033801 0.34 5921.32
17 0.360390 4.32 4243.60 53 0.022127 0.23 5921.91
18 0.375668 4.43 4409.33 54 0.050916 0.52 5925.05
19 0.336884 3.91 4542.72 55 0.004859 0.05 5925.08
20 0.303550 3.48 4651.11 56 0.037053 0.38 5926.75
21 0.364383 4.13 4807.45 57 -0.028574 -0.29 5927.74
22 0.280212 3.13 4899.98 58 -0.020424 -0.21 5928.25
23 0.293616 3.25 5001.66 59 -0.006517 -0.07 5928.30
24 0.265902 2.92 5085.13 60 -0.021149 -0.22 5928.85
25 0.276231 3.01 5175.29 61 -0.006244 -0.06 5928.90
26 0.263472 2.85 5257.39 62 -0.005457 -0.06 5928.93
27 0.233132 2.50 5321.72 63 -0.000877 -0.01 5928.93
28 0.268171 2.86 5406.93 64 -0.038334 -0.39 5930.73
29 0.220369 2.34 5464.51 65 -0.027991 -0.28 5931.69
30 0.243864 2.57 5535.09 66 -0.017875 -0.18 5932.08
31 0.206930 2.17 5585.96 67 -0.006208 -0.06 5932.13
32 0.189490 1.98 5628.65 68 0.017884 0.18 5932.52
33 0.188412 1.96 5670.90 69 -0.004979 -0.05 5932.55
34 0.149249 1.55 5697.43 70 0.020148 0.21 5933.05
35 0.177252 1.84 5734.88 71 -0.008781 -0.09 5933.15
 71

72 0.003253 0.03 5933.16 76 -0.001307 -0.01 5933.63

73 -0.014840 -0.15 5933.43 77 0.030622 0.31 5934.79
74 0.009020 0.09 5933.53 78 0.000538 0.01 5934.79
75 0.008613 0.09 5933.63

Lampiran 8 Plot PACF Permintaan Romaine

Partial Autocorrelation Function for ORDER ROMAINE

(with 5% significance limits for the partial autocorrelations)

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 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75
Lag

Lag PACF T 30 0.001913 0.06

1 0.578422 19.65 31 -0.003105 -0.11
2 0.318088 10.81 32 -0.044165 -1.50
3 0.164414 5.59 33 -0.008405 -0.29
4 0.141406 4.80 34 -0.041173 -1.40
5 0.174558 5.93 35 0.000857 0.03
6 0.065687 2.23 36 -0.011661 -0.40
7 0.194859 6.62 37 -0.012308 -0.42
8 -0.023853 -0.81 38 0.026797 0.91
9 0.116757 3.97 39 0.039560 1.34
10 -0.051163 -1.74 40 -0.031079 -1.06
11 -0.001333 -0.05 41 -0.005551 -0.19
12 0.077041 2.62 42 0.018305 0.62
13 -0.003016 -0.10 43 -0.060378 -2.05
14 0.103777 3.53 44 -0.043183 -1.47
15 -0.024854 -0.84 45 -0.000637 -0.02
16 -0.007545 -0.26 46 -0.012984 -0.44
17 -0.010166 -0.35 47 0.014529 0.49
18 0.030259 1.03 48 -0.002044 -0.07
19 -0.065371 -2.22 49 -0.022723 -0.77
20 -0.043305 -1.47 50 0.011982 0.41
21 0.054029 1.84 51 0.010712 0.36
22 -0.072247 -2.45 52 0.030608 1.04
23 -0.032657 -1.11 53 -0.016910 -0.57
24 -0.010497 -0.36 54 0.052504 1.78
25 0.013351 0.45 55 -0.032255 -1.10
26 -0.012178 -0.41 56 0.027486 0.93
27 -0.027894 -0.95 57 -0.082065 -2.79
28 0.034374 1.17 58 -0.008876 -0.30
29 -0.007795 -0.26 59 0.017925 0.61
72

60 -0.027559 -0.94 70 0.035888 1.22

61 0.018752 0.64 71 0.001179 0.04
62 0.066759 2.27 72 0.014368 0.49
63 -0.014240 -0.48 73 -0.018145 -0.62
64 -0.010735 -0.36 74 0.038805 1.32
65 -0.000416 -0.01 75 -0.008949 -0.30
66 0.021465 0.73 76 -0.000967 -0.03
67 0.036819 1.25 77 0.016139 0.55
68 0.025678 0.87 78 0.005896 0.20
69 0.008730 0.30

Lampiran 9 Peramalan Permintaan Romaine dengan Model ARIMA

(111)(112)7

ARIMA Model: ORDER ROMAINE

Estimates at each iteration

Iteration SSE Parameters

0 8993485 0.100 0.100 0.100 0.100 0.100 0.118
1 8215145 0.085 0.180 0.115 0.250 0.132 0.088
2 8041476 0.227 0.189 0.265 0.274 0.136 0.069
3 7858377 0.367 0.196 0.415 0.296 0.139 0.053
4 7595554 0.502 0.203 0.565 0.324 0.144 0.037
5 7123693 0.622 0.213 0.715 0.373 0.151 0.022
6 6152591 0.700 0.212 0.865 0.462 0.164 0.008
7 4538791 0.610 0.157 0.959 0.612 0.177 -0.002
8 3885841 0.460 0.139 0.935 0.745 0.131 0.002
9 3604878 0.356 0.188 0.910 0.895 0.036 0.004
10 3490410 0.298 0.281 0.895 1.045 -0.086 0.004
11 3387855 0.178 0.308 0.861 1.184 -0.199 0.003
12 3386893 0.158 0.302 0.857 1.184 -0.199 0.001
13 3386892 0.158 0.301 0.857 1.184 -0.199 0.001
14 3386892 0.158 0.301 0.856 1.184 -0.199 0.001
15 3386892 0.157 0.301 0.856 1.184 -0.199 0.001
16 3386892 0.157 0.301 0.856 1.184 -0.199 0.001
17 3386888 0.156 0.301 0.856 1.184 -0.199 0.001
18 3386879 0.156 0.301 0.856 1.184 -0.199 0.001

Relative change in each estimate less than 0.0010

Final Estimates of Parameters

Type Coef SE Coef T P

AR 1 0.1564 0.0365 4.28 0.000
SAR 7 0.3007 0.0294 10.21 0.000
MA 1 0.8561 0.0192 44.67 0.000
SMA 7 1.1840 0.0000 75561.50 0.000
SMA 14 -0.1987 0.0058 -34.02 0.000
Constant 0.001193 0.004511 0.26 0.791

Differencing: 1 regular, 1 seasonal of order 7

Number of observations: Original series 1154, after differencing 1146
Residuals: SS = 3332809 (backforecasts excluded)
MS = 2924 DF = 1140

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

Lag 12 24 36 48
Chi-Square 19.0 35.6 41.8 54.4
DF 6 18 30 42
 73

P-Value 0.004 0.008 0.075 0.096

Forecasts from period 1154

95% Limits
Period Forecast Lower Upper 1213 122.058 -79.851 323.967
1155 98.501 -7.496 204.499 1214 147.642 -55.642 350.926
1156 139.264 28.590 249.939 1215 132.533 -72.116 337.182
1157 125.798 13.289 238.307 1216 144.068 -61.936 350.073
1158 145.276 31.269 259.283 1217 148.308 -59.043 355.660
1159 136.884 21.443 252.325 1218 103.215 -105.738 312.168
1160 145.382 28.532 262.233 1219 136.665 -73.692 347.022
1161 147.823 29.581 266.064 1220 121.934 -89.790 333.658
1162 103.732 -18.368 225.833 1221 147.521 -65.557 360.599
1163 138.514 14.482 262.545 1222 132.413 -82.009 346.836
1164 124.018 -1.687 249.724 1223 143.951 -71.808 359.710
1165 147.737 20.413 275.060 1224 148.193 -68.894 365.280
1166 134.635 5.718 263.551 1225 103.101 -115.561 321.764
1167 145.247 14.758 275.736 1226 136.554 -83.493 356.600
1168 148.936 16.894 280.979 1227 121.824 -99.571 343.220
1169 104.135 -30.341 238.612 1228 147.414 -75.318 370.145
1170 137.976 1.748 274.205 1229 132.308 -91.751 356.367
1171 123.307 -14.562 261.176 1230 143.847 -81.532 369.226
1172 148.323 8.847 287.799 1231 148.091 -78.600 374.783
1173 133.809 -7.254 274.872 1232 103.002 -125.242 331.246
1174 145.059 2.427 287.690 1233 136.456 -93.155 366.068
1175 149.125 4.942 293.308 1234 121.729 -109.216 352.674
1176 104.112 -42.094 250.318 1235 147.320 -84.946 379.586
1177 137.672 -10.186 285.530 1236 132.217 -101.363 365.796
1178 122.951 -26.490 272.392 1237 143.758 -91.127 378.644
1179 148.359 -2.641 299.359 1238 148.004 -88.180 384.188
1180 133.422 -19.120 285.963 1239 102.917 -134.801 340.635
1181 144.865 -9.203 298.933 1240 136.373 -102.698 375.444
1182 149.046 -6.533 304.625 1241 121.648 -118.743 362.039
1183 103.970 -53.469 261.410 1242 147.241 -94.459 388.941
1184 137.447 -21.575 296.469 1243 132.139 -110.862 375.141
1185 122.713 -37.839 283.264 1244 143.683 -100.613 387.979
1186 148.239 -13.822 310.300 1245 147.931 -97.652 393.514
1187 133.176 -30.379 296.732 1246 102.846 -144.254 349.946
1188 144.679 -20.357 309.715 1247 136.304 -112.137 384.745
1189 148.896 -17.607 315.400 1248 121.581 -128.170 371.331
1190 103.803 -64.474 272.080 1249 147.176 -103.873 398.225
1191 137.256 -32.552 307.064 1250 132.076 -120.264 384.417
1192 122.519 -48.773 293.811 1251 143.622 -110.003 397.247
1193 148.083 -24.675 320.841 1252 147.872 -107.030 402.775
1194 132.984 -41.227 307.195 1253 102.789 -153.616 359.194
1195 144.506 -31.146 320.157 1254 136.249 -121.487 393.985
1196 148.735 -28.346 325.816 1255 121.528 -137.508 380.564
1197 103.638 -75.157 282.434 1256 147.125 -113.200 407.451
1198 137.086 -43.199 317.370 1257 132.028 -129.581 393.636
1199 122.349 -59.382 304.080 1258 143.575 -119.309 406.460
1200 147.925 -35.235 331.086 1259 147.828 -116.327 411.982
1201 132.817 -51.762 317.396 1260 102.746 -162.898 368.391
1202 144.346 -41.640 330.332 1261 136.208 -130.759 403.176
1203 148.581 -38.802 335.963 1262 121.489 -146.770 389.749
1204 103.484 -85.568 292.536 1263 147.089 -122.453 416.630
1205 136.931 -53.577 327.439 1264 131.993 -138.824 402.810
1206 122.196 -69.727 314.118 1265 143.543 -128.544 415.629
1207 147.778 -45.545 341.100 1266 147.797 -125.553 421.147
1208 132.667 -62.044 327.379 1267 102.718 -172.111 377.547
1209 144.200 -51.891 340.291 1268 136.182 -139.962 412.326
1210 148.438 -49.023 345.898 1269 121.465 -155.965 398.895
1211 103.342 -95.750 302.435 1270 147.066 -131.639 425.772
1212 136.791 -63.729 337.311 1271 131.973 -148.003 411.948
74

1272 143.524 -137.715 424.763 1289 136.187 -167.247 439.621

1273 147.780 -134.717 430.278 1290 121.476 -183.230 426.182
1274 102.703 -181.264 386.670 1291 147.084 -158.886 453.053
1275 136.170 -149.107 421.446 1292 131.996 -175.231 439.223
1276 121.454 -165.102 408.011 1293 143.554 -164.926 452.034
1277 147.058 -140.769 434.885 1294 147.816 -161.911 457.543
1278 131.966 -157.126 421.058 1295 102.745 -208.431 413.921
1279 143.520 -146.831 433.871 1296 136.217 -176.256 448.690
1280 147.778 -143.826 439.383 1297 121.508 -192.234 435.251
1281 102.703 -190.363 395.769 1298 147.118 -167.885 462.121
1282 136.171 -158.199 430.542 1299 132.032 -184.226 448.291
1283 121.458 -174.188 417.104 1300 143.592 -173.917 461.101
1284 147.064 -149.849 443.977 1301 147.856 -170.898 466.610
1285 131.974 -166.200 430.148 1302 102.787 -217.411 422.985
1286 143.530 -155.899 442.959 1303 136.262 -185.230 457.753
1287 147.790 -152.889 448.469 1304 121.555 -201.205 444.314
1288 102.717 -199.417 404.851
 75

RIWAYAT HIDUP

Penulis dilahirkan di Jakarta pada tanggal 31 Desember 1992 dari ayah Jazri
(alm) dan ibu Khairiyah. Penulis adalah putra keenam dari enam bersaudara.
Tahun 2010 penulis lulus dari Madrasah Aliyah Al-Falah Boarding School Jakarta
dan pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor
(IPB) melalui jalur Beasiswa Utusan Daerah Kementerian Agama Republik
Indonesia dan diterima di Departemen Agribisnis, Fakultas Ekonomi dan
Manajemen.
Selama menjalani pendidikan di IPB, penulis aktif mengikuti organisasi dan
acara-acara yang diadakan di kampus, seperti Badan Eksekutif Mahasiswa (BEM)
dan Himpunan Profesi (HIMPRO). Selain itu, penulis juga pernah aktif sebagai
staf Departemen Pengembangan Sumberdaya Manusia Community of Santri
Schoolars of Ministry of Religious Affairs (CSS MoRA) IPB. Pada bulan Juni
hingga Agustus 2013 penulis melaksanakan Gladikarya atau yang lebih dikenal
dengan sebutan KKP di Desa Cihanjuang, Kecamatan Parongpong, Kabupaten
Bandung Barat.