PERENCANAAN PENGENDALIAN PRODUKSI GULA

DENGAN PENJADWALAN AGREGAT DAN METODE

TRASPORTASI
Studi kasus : PT Kebon Agung (PG. Trangkil)

PROPOSAL KERJA PRAKTIK

Teguh Prasetyo

5160611015

PROGRAM STUDI S-1 TEKNIK INDUSTRI

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS TEKNOLOGI YOGYAKARTA
YOGYAKARTA
2019

i
 HALAMAN PENGESAHAN
PROPOSAL KERJA PRAKTIK

PERENCANAAN PENGENDALIAN PRODUKSI GULA

DENGAN PENJADWALAN AGREGAT DAN METODE
TRASPORTASI

Disusun oleh:
Teguh Prasetyo
5160611015

Nama Jabatan Tanda tangan Tanggal

Suseno, S.TP., M.T. Pembimbing ............................. ................

Proposal Kerja Praktek ini telah diterima sebagai salah satu

persyaratan untuk pendaftaran proses Kerja Praktik
Program Studi Teknik Industri

Yogyakarta, ……………………
Ketua Program Studi Teknik Industri

Widya setiafindari, S.T., M.Sc

NIK. 110810055

ii
 DAFTAR ISI

HALAMAN PENGESAHAN ................................................................................. ii

DAFTAR ISI .......................................................................................................... iii
1. Latar Belakang .................................................................................................... 1
2. Perumusan Masalah............................................................................................ 2
3. Batasan Masalah ................................................................................................. 2
4. Tujuan Penelitian ................................................................................................ 3
5. Manfaat Penelitian .............................................................................................. 3
6. Metodologi ........................................................................................................... 4
6.1 Obyek Penelitian ............................................................................................ 4
6.2 Sumber dan Jenis Data.................................................................................. 4
6.3 Metode Pengumpulan Data ........................................................................... 4
6.3.1 Metode Pengumpulan Data Primer ............................................................ 4
6.3.2 Metode Pengambilan Data Sekunder ......................................................... 4
7. Landasan Teori ................................................................................................... 4
7.1 Peramalan (Forecasting) ............................................................................... 4
7.1.1 Jangka Waktu Peramalan .......................................................................... 5
7.1.2 Karakteristik Peramalan Yang Baik ........................................................... 5
7.1.3 Prinsip Peramalan ..................................................................................... 6
7.1.4 Fungsi Peramalan ...................................................................................... 7
7.1.5 Klasifikasi Peramalan ................................................................................ 7
7.1.6 Pola Data Dalam Deret Berkala ................................................................. 9
7.1.7 Metode-metode Peramalan ...................................................................... 10
7.1.8 Kriteria Performance Peramalan ............................................................. 15
7.1.9 Program Quallitatif System (Q.S Version 3.0) ......................................... 17
7.2 Perencanaan produksi ................................................................................. 18
7.3 Perencanaan Produksi Agregat .................................................................. 19
7.3.1 Pengertian Perencanaan Agregat ............................................................. 19
7.3.2 Strategi- strategi Perencanaan Agregat .................................................... 19
7.3.3 Ongkos-ongkos Agregat .......................................................................... 20

iii
 7.3.4 Proses Keputusan untuk Perencanaan Agregat ......................................... 21
7.4 Model Transportasi ..................................................................................... 23
7.5 Metode Transportasi ................................................................................... 25
8. Metodologi Penelitian ....................................................................................... 27
9. Jadwal Pelaksanaan .......................................................................................... 29
DAFTAR PUSTAKA ....................................................................................................... 30

iv
 1. Latar Belakang
Pada zaman modern seperti sekarang ini, Indonesia menghadapi era globalisasi
di segala bidang dan salah satunya di bidang industri. Banyaknya industri yang ada
membuat persaingan sangat nampak jelas dalam kegiatan ekonomi, terutama pada
industri yang sejenis. Untuk dapat menghadapi persaingan industri sejenis,
perusahaan dituntut beroperasi lebih efektif dan efisien karena perusahaan-
perusahaan tersebut bersaing untuk mencapai tujuan yang sama.
Pada umumnya, perusahaan memiliki satu tujuan utama yaitu memperoleh laba.
Alasan utamanya adalah laba yang merupakan penentu utama kelangsungan hidup
dan berkembangnya suatu perusahaan. Salah satu hal yang berpengaruh untuk
mencapai tujuan tersebut yaitu proses produksi itu sendiri. Proses produksi yang
baik adalah proses produksi yang telah direncanakan dengan matang, sehingga
apabila perusahaan dapat merencanakan produksi secara tepat maka perusahaan
akan mengetahui perkiraan jumlah produksi di masa mendatang yang dapat
digunakan sebagai acuan untuk meningkatkan tingkat pemenuhan kebutuhan
konsumen setinggi-tingginya serta menurunkan tingkat persediaan. Oleh karena itu
di dalam produksi tersebut kita perlu melakukan perencanaan produksi.

PT Kebon Agung (PG. Trangkil) merupakan salah satu perusahaan yang

bergerak pada bidang pengolahan dan pembuatan Gula konsumsi. PT Kebon Agung
(PG. Trangkil) terletak di Trangkil Lor, Trangkil, Kabupaten Pati, Jawa Tengah
Yogyakarta yang sudah berdiri sejak puluhan tahun yang lalu dan merupakan
penghasil gula terbesar di daerah Pati dan merupakan pensuplai gula terbesar untuk
daerah Pati maupun luar Pati.
Hal yang membuat PT Kebon Agung (PG. Trangkil) masih berdiri sampai saat
ini adalah dengan menjaga kualitas dan proses produksi yang baik sehingga
masyarakat masih mengkonsumsi produk tersebut walaupun banyak kompetitor lain
yang menawarkan produk sejenis. Untuk itu diperlukan suatu perencanaan produksi
secara matang, guna mengoptimalkan proses produksi berikutnya dan tingkat
pemenuhan kebutuhan konsumen setinggi-tingginya serta menurunkan tingkat

1
persediaan. Untuk melaksanakan perencanaan produksi, sistem perencanaan yang
digunakan adalah dengan menggunakan metode penjadwalan agregat dan
transportasi, Dari uraian tersebut di atas, maka dilakukanlah penelitian dengan Judul
PERENCANAAN PENGENDALIAN PRODUKSI GULA DENGAN
PENJADWALAN AGREGAT DAN METODE TRASPORTASI PADA PT
KEBON AGUNG (PG. TRANGKIL)
2. Perumusan Masalah

Berdasarkan latar belakang masalah yang telah dikemukakan di atas, yang

menjadi pokok permasalahan adalah:
1. Bagaimana proses produksi pada PT Kebon Agung (PG. Trangkil) dari input
bahan baku hingga output?
2. Bagaimana proses pengolahan limbah pada PT Kebon Agung (PG. Trangkil)?
3. Bagaimana aplikasi model transportasi dalam perencanaan agregat guna
memenuhi permintaan konsumen dan meminimalkan ongkos tenaga kerja?

3. Batasan Masalah

Agar penelitian lebih terarah dan menghindari permasalahan yang semakin

lebar maka dilakukan batasan-batasan masalah, seperti :
1. Penelitian dilakukan di PT Kebon Agung (PG. Trangkil) pada bagian produksi
pengolahan gula.

2. Perencanaan produksi terhadap produk gula dilakukan untuk 6 periode waktu

produksi mendatang terhitung mulai bulan Mei 2020 sampai dengan Oktober
2020.

3. Kegiatan perencanaan produksi yang akan dibahas adalah perencanaan produksi

agregat.

4. Penentuan hasil optimal perencanaan produksi agregat menggunakan model

transportasi dengan aturan North-West Corner Rule.

5.

2
 4. Tujuan Penelitian

Setelah melihat permasalahan yang ada, maka tujuan dari penelitian ini
adalah:
1. Melihat secara langsung aktivitas proses produksi pada PT Kebon Agung (PG.
Trangkil).
2. Untuk memenuhi salah satu syarat dalam menyelesaikan program S-1 Jurusan
Teknik Industri Universitas Teknologi Yogyakarta.
3. Untuk mengetahui jumlah produk yang harus diproduksi oleh perusahaan untuk
pasar.
4. Untuk mengetahui kapasitas produksi perusahaan baik jam kerja regular maupun
jam kerja lembur dengan perencanaan produksi.

5. Manfaat Penelitian

Dalam penelitian kerja praktik ini mempunyai beberapa manfaat diantaranya,

sebagai berikut:
1. Mengtetahui gambaran mengenai cara kerja perusahaan secara umum, dan
khususnya pada perencanaan produksi berdasarkan permintaan pasar.
2. Terpenuhinya syarat untuk menyelesaikan program S-1 Jurusan Teknik Industri
Universitas Teknologi Yogyakarta.
3. Terpenuhinya permintaan konsumen atas produk gula yang diinginkannya.
4. Memperoleh total biaya yang minimal dengan memperhitungkan kapasitas
produksi yang tersedia.

3
 6. Metodologi
6.1 Obyek Penelitian

Penelitian ini dilaksanakan di PT Kebon Agung (PG. Trangkil).

6.2 Sumber dan Jenis Data

Data yang diperoleh meliputi :

1. Sejarah perusahaan
2. Jumlah karyawan
3. Jenis produk yang dihasilkan
4. Lokasi pabrik dan lokasi pemasaran
5. Struktur organisasi perusahaan
6. Data-data yang bersifat umum.
6.3 Metode Pengumpulan Data

6.3.1 Metode Pengumpulan Data Primer

1. Metode Wawancara
Mengadakan wawancara secara langsung dalam bentuk pertanyaan
kepada responden, dalam hal ini adalah karyawan serta staff yang
terkait secara langsung dengan obyek penelitian.
2. Metode Observasi
Pengambilan data secara langsung dengan cara mengamati dan
mencatat pada obyek penelitian untuk mengetahui prosesnya.
6.3.2 Metode Pengambilan Data Sekunder
Data yang diperoleh secara tidak langsung. Sumber data ini dapat
diperoleh dari literatur, majalah, publikasi maupun sumber-sumber lain
yang berkaitan dengan permasalahan yang dibahas.
7. Landasan Teori
7.1 Peramalan (Forecasting)
Peramalan sering digunakan untuk memprediksi pendapatan, biaya,
keuntunggan, harga, perubahan teknologi, dan berbagai macam variabel
lainnya. Dalam lingkungan perusahaan, peramalan kebanyakan digunakan

4
untuk memprediksi atau mengestimasi permintaan yang akan datang, (Yamit,
Z : 1999).
Peramalan adalah proses untuk memperkirakan berapa kebutuhan
dimasa datang meliputi kebutuhan dalam ukuran kuantitias, kualitas, waktu dan
lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang maupun
jasa. Peramalan merupakan alat bantu yang penting dalam perencanaan
khususnya dalam bidang ekonomi, (Nasution, A.H : 1999).
7.1.1 Jangka Waktu Peramalan
Dalam hubungannya dengan waktu, maka peramalan dapat
diklasifikasikan ke dalam 3 kelompok, yaitu:
1. Peramalan Jangka Panjang, umumnya 2 sampai 10 tahun. Peramalan
ini digunakan untuk perencanaan produk dan perencanaan
sumberdaya.
2. Peramalan Jangka Menengah, umumnya 1 sampai 24 bulan. Peramalan
ini lebih mengkhusus dibandingkan peramalan jangka panjang,
biasanya digunakan untuk menentukan aliran kas, perencanaan
produksi, dan penentuan anggaran.
3. Peramalan Jangka Pendek, umumnya 1 sampai 5 minggu. Peramalan
ini digunakan untuk mengambil keputusan dalam hal perlu tidaknya
lembur, penjadwalan kerja dan lain-lain keputusan kontrol jangka
pendek.
7.1.2 Karakteristik Peramalan Yang Baik
Peramalan yang baik memiliki beberapa kriteria yang penting,
antara lain akurasi, biaya, dan kemudahan.
1. Akurasi.
Akurasi dari suatu hasil peramalan diukur dengan kebiasan dan
kekonsistensian peramalan tersebut. Hasil peramalan dikatakan bias
bila peramalan tersebut terlalu tinggi atau terlalu rendah dibandingkan
dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan
konsisten bila besarnya kesalahan relatif kecil. Peramaln yang terlalu

5
 rendah akan mengakibatkan kekurangan persediaan, sehingga
permintaan konsumen tidak dapat dipenuhi dengan segera, akibatnya
adalah perusahaan dimungkinkan kehilangan pelanggan dan
kehilangan keuntungan penjualan.
2. Biaya.
Biaya yang diperlukan dalam pembuatan suatu peramalan
adalah tergantung dari jumlah item yang diramalkan, lamanya periode
peramalan, dan metode peramalan yang dipakai. Ketiga faktor pemicu
biaya tersebut akan mempengaruhi berapa data yang dibutuhkan,
bagaimana pengolahan datanya (manual atau komputerisasi), dan
bagaimana penyimpanan datanya.
3. Kemudahan.
Penggunaan metode peramalan yang sederhana, mudah dibuat,
dan mudah diaplikasikan akan memberikan keuntunagan bagi
perusahaan. Adalah percuma bila memakai metode yang canggih,
tetapi tidak dapat diaplikasikan pada sistem perusahaan karena
keterbatasan dana, sumberdaya manusia, maupun peralatan teknologi.
7.1.3 Prinsip Peramalan
Dalam membuat atau menerapak hasil peramalan, maka ada 3
prinsip yang harus dipertimbangkan:
1. Peramalan pasti mengandung kesalahan, artinya peramalan hanya bisa
mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat
menghilangkan ketidakpastian tersebut.
2. Peramalan seharusnya memberikan informasi tentang berapa ukuran
kesalahan, artinya karena peramalan pasti mengandung kesalahan,
maka adalah penting bagi peramal untuk menginformasikan seberapa
besar kesalahan yang mungkin terjadi.
3. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka
panjang. Hal ini disebabkan karena pada peramalan jangka pendek,
faktor-faktor yang mempengaruhi permintaan relatif masih konstan,

6
 sedangkan makin panjang periode peramalan, maka semakin besar
pula kemungkinan terjadinya perubahan faktor-faktor yang
mempengaruhi permintaan.
7.1.4 Fungsi Peramalan
Peramalan dibutuhkan untuk mengidentifikasi output, karena
spesifikasi output dapat menyederhanakan pemilihan model peramalan,
tetapi fungsi peramalan tidaklah lengkap tanpa mempertimbangkan
input. Pertimbangan dalam peramalan biasanya meliputi berikut ini
(Yamit, Z : 1999) :
1. Item yang diramalkan (produk, kelompok produk, produk perakitan)
2. Peramalan dari atas (top-down) atau dari bawah (bottom-up)
3. Teknik peramalan (model kuantitatif atau kualitatif)
4. Satuan (unit, rupiah, kg, dll)
5. Interval minggu (minggu, bulan, kuartal, dll)
6. Komponen peramalan (tingkatan, tren, siklus, musim, dan random)
7. Ketepatan peramalan (kesalahan hitung)
8. Pengecualian dan situasi khusus
9. Perbaikan parameter model peramalan.
7.1.5 Klasifikasi Peramalan
Peramalan dapat dikelompokkan menjadi dua yaitu:
1. Metode Kuantitatif
Metode kuantitatif sangat beragam dan setiap teknik memiliki
sifat, ketepatan, dan biaya yang harus dipertimbangkan dalam memilih
metode tertentu. Metode kuantitatif didasarkan atas prinsip-prinsip
statistik yang memiliki tingkat ketepatan tinggi atau dapat
meminimumkan kesalahan (error), lebih sistematis, dan lebih popular
penggunaannya (Yamit, Z: 1999).
Peramalan kuantitatif dapat diterapkan bila terdapat kondisi
berikut:
1) Tersedia informasi tentang masa lalu.

7
 2) Informasi tersebut dapat dikuantitatifkan dalam bentuk data
numerik.
3) Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus
berlanjut di masa mendatang.
Metode peramalan kuantitatif menurut (Markidakis : 1995)
dibagi menjadi dua:
1) Time Series (model deret berkala)
Peramalan dengan pendugaan masa depan dilakukan
berdasarkan nilai masa lalu dari suatu variabel dan/atau kesalahan
masa lalu. Tujuan dari metode ini adalah menemukan pola dalam
deret data historis dan mengekstrapolasikan pola dalam deret data
historis dan mengekstrapolasikan data tersebut ke masa depan.
2) Metode Kausal
Metode kausal mengasumsikan bahwa faktor yang
diramalkan menunjukkan suatu hubungan sebab-akibat dengan satu
atau lebih variabel bebas.
2. Metode Kualitatif
Metode kualitatif merupakan suatu metode peramalan yang tidak
menggunakan perumusan matematis atau statistik. Peramalan dengan
model ini dikembangkan dengan pemikiran dan didasarkan pada
pendapat, pengetahuan, serta pengakuan dari penyusunnya. Metode
peramalan kualitatif ini menurut (Markidakis : 1995) dibagi menjadi
dua, yaitu:
1) Metode Eksploritas
Metode ini didasarkan pada data masa lalu dan masa kini
sebagai titik awalnya dan bergerak ke arah masa depan secara
heuristik, seringkali dengan melihat semua kemungkinan yang ada.

2) Metode Normatif
Peramalan pada metode ini dimulai dengan menetapkan
sasaran dan tujuan yang akan datang, kemudian bekerja mundur

8
 untuk melihat apakah hal ini dapat dicapai, berdasarkan kendala,
sumberdaya, dan teknologi yang tersedia.
7.1.6 Pola Data Dalam Deret Berkala
Langkah penting dalam memilih metode deret berkala atau runtun
waktu adalah dengan mempertimbangkan jenis pola data. Pola data dapat
dibedakan menjadi empat jenis siklus dan trend (Markidakis:1995).
1. Pola Data Horisontal
Pola Horisontal. terjadi biamana nilai data berfluktuasi di sekifar
nilai rata-rata yang konstan. Contoh, suatu produk yang permintaannya
tidak meningkat atau menurun selama waktu tertentu. Gambar 1.1
menunjukkan suatu pola data horizontal atau stasioner dalam waktu
tertentu.
2. Pola Data Musiman
Pola musiman, terjadi bila mana suatu deret dipengaruhi oleh
faktor musiman. Contoh, permintaan es krim, payung, minuman
ringan Gambar 1.2 menunjukkan suatu pola data musiman dalam
waktu tertentu.

3. Pola Data Trend

PoIa siklus, terjadi bilamana datanya dipengaruhi oleh fluktuasi
ekonomi jangka panjang seperti sikius bisnis. Permintaan produk
mobil, besi baja menunjukkan jenis pola siklus seperti ditunjukkan
pada gambar 1.3.

4. Pola Data Siklus

PoIa trend, terjadi bilamana terdapat kenaikan atau penurunan
sekuler jangka panjang dalam data. Produk Nasional Bruto (GNP) dan
berbagai indikator bisnis dan ekonomi lainnya mengikuti pola trend
seperti ditunjukkan dalam gambar 1.4

9
Y Y

Waktu Waktu

Gambar 1.1 Pola Data Horisontal Gambar 1.2 Pola Data Musiman

Waktu Waktu

Gambar 1.3 Pola Data Siklus Gambar 1.4 Pola Data Trend

7.1.7 Metode-metode Peramalan

Metode peramalan yang dapat di gunakan adalah:

1. Rata-rata Bergerak (Moving Average = MA)

Moving Average diperoleh dengan merata-rata permintaan
berdasarkan beberapa data masa lalu yang terbaru. Tujuan utama
dan penggunaan teknik MA ini adalah untuk mengurangi atau

10
 menghilangkan variasi acak permintaan dalam hubungannya
dengan waktu. Tujuan ini dicapai dengan merata-ratakan beberapa
nilai data secara bersama-sama, dan menggunakan nilai rata-rata
tersebut sebagai ramalan permintaan untuk periode yang akan
datang. Disebut rata-rata bergerak karena begitu setiap data aktual
permintaan baru deret waktu tersedia, maka data aktual
permintaan yang paling terdahulu akan dikeluarkan dari
perhitungan, kemudian suatu nilai rata-rata baru akan dihitung.
Secara matematis, maka MA akan dinyatakan dalam persamaan
sebagai berikut:

𝐴𝑡 + 𝐴𝑡−1 + ⋯ + 𝐴𝑡−(𝑁−1)
𝑀𝐴 = ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ (1)
𝑁

dimana: At = Permintaan aktual pada periode – t

N = Jumlah data permintaan yang dilibatkan dalam
perhitungan MA.
Karena data aktual yang dipakai untuk perhitungan MA
berikutnya selalu dihitung dengan mengeluarkan data yang paling
terdahulu, maka:

𝐴𝑡 − 𝐴𝑡−𝑁
𝑀𝐴𝑡 = 𝑀𝐴𝑡−1 + ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ (2)
𝑁

2. Rata-rata Bergerak dengan Bobot (Wighted Moving Average =

WMA) Secara matematis, WMA dapat dinyatakan sebagai brikut:

WMA = ∑Wt.A ……………………………(3)

Dimana: Wt = Bobot permintaan aktual pada periode - t

A = Permintaan aktual pada periode – t

11
3. Pemulusan Eksponensial (Eksponensial Smoothing = ES)
Kelemahan teknik MA dalam kebutuhan akan data-data
masa lalu yang cukup banyak dapat diatasi dengan teknik ES.
Model matematis ES ini dapat dikembangkan dari persamaan
berikut:
A𝑡 − A𝑡−𝑁
F𝑡 = F𝑡−1 + … … … … … … … … . (4)
𝑁

Dimana bila data permintaan aktual yang lama At-N tidak tersedia,
maka dapat digantikan dengan nilai pendekatan yang berupa nilai
ramalan sebelumnya (Ft-1), sehingga persamaan (4) dapat
dituliskan menjadi :
A 𝑡 − F𝑡
F𝑡 = F𝑡−1 + … … … … … … … … … . (5)
𝑁

4. Metode Winter
Teknik MA dan ES sederhana yang telah dijelaskan didepan
hanya tepat bila datanya stasioner. Bila data permintaan bersifat
musiman dan mempunyal trend, maka dapat diselesaikan dengan
salah satu teknik yang biasa disebut Metode Winter (WM).
Metode Winter didasarkan atas tiga persamaan pemulusan,
yaitu satu persamaan untuk unsur penyesuaian stasioner, satu
persamaan untuk unsur penyesuaian trend, dan satu persamaan
untuk unsur penyesuaian musiman. Salah satu masalah dalam
penggunaan metode Winter ini adalah penentuan nilai-nilai α, β
dan γ yang akan meminimumkan Rata-rata Kuadrat Kesalahan
(Mean Square Error = MSE) dan Rata-rata Persentase Kesalahan
Absolute (Mean Absolute Percentage Error = MAPE).
Pendekatan untuk penentuan nilai-nilai parameter tersebut
biasanya dilakukan secara trial error. Apabila data yang ditangani
sangat banyak, maka bisa digunakan algoritma optimasi non-

12
linier, dimana cara ini jarang digunakan karena memakan biaya
dan waktu.

1) Model Winter dengan Trend

Model Winter menggunakan model trend, dimana model
ini dimulai dengan perkiraan trend sebagai berikut:
Tt = β (Ft – Ft-1 )+(1 - β)Tt-1 …………………………(6)
Dimana β merupakan konstanta pecahan, Tt adalah
perkiraan trend pada periode-t, dan Ft adalah rata-rata
eksponensial pada peniode-t. Dalam memperbaharui rata-
rata eksponensial, maka peramalan baru akan melibatkan
rata-rata eksponensial ditambah trend, sehingga:
Ft =Ft-1 + Tt-1 ………………………………………(7)
Peramalan yang dibuat pada akhir periode t untuk periode t
+ 1 akan menjadi:
Ft +1 =Ft + Tt…..……………………………………(8)
2) Model Winter dengan Faktor Musiman
Pola-pola dari permintaan musiman merupakan
karakteristik dari beberapa rangkaian permintaan, seperti
peningkatan permintaan sirup dan kue pada musim
lebaran, peningkatan permintaan jas hujan pada musim
penghujan dan sebagainya.Proses umum dari permintaan
musiman ini dapat kita nyatakan dalam persamaan
matematis sebagai berikut:
At = µ . δt + εt …………………………………….(9)

dimana t adalah tingkat permintaan rata-rata, δ adalah

faktor musiman, dan εt adalah distribusi permintaan
normal dengan mean nol.

13
5. Metode Regresi Linier
Dalam metode regresi, suatu model perlu dispesifikasikan
sebelum dilakukan pengumpulan data dan analisisnya. Contoh
yang paling sederhana dan metode regresi mi adalab metode
regresi linier sederhana dengan variabel pengaruh tunggal. secara
matematis, model ini dinyatakan sebagai berikut:
𝑦̂ = a + bx ….………………………..(10)
dimana:
𝑦̂ = perkiraan permintaan
x = variabel bebas yang mempengaruhi y
a = nilal tetap y bila x= 0 (merupakan perpotongan dengan sumbu
y)
b = derajat kemiringan persamaan garis regresi

Dalam model ini, diasumsikan nilal x dan nilai y sebanyak

n pasang. Pasangan x dan y ini dinyatakan sebagai (x1, y1) ,
(x2,y2),…., (xn,yn). Simbol 𝑦̂ menunjukkan nilai yang diamati,
sedangkan simbol menunjukkan titik pada garis yang
diekspresikan pada persamaan 𝑦̂ = a + bx.
Nilai y yang diperoleh dan hasil pengamatan tidak akan
tepat jatuh pada ganis perkiraan karena terdapatnya kesalahan
acak pada data pada setiap titik pengamatan, kesalahan
ditunjutkan sebagai 𝑦̂i – yi , dan total varian atau kesalahan kuadrat
untuk seluruh titik pengamatan tersebut adalah:
∑(𝑦̂𝑖 − 𝑦𝑖 )2 = ∑(𝑎 + 𝑏𝑥𝑖 − 𝑦𝑖 )2 ……………….(11)

Analisa regresi bertujuan meminimasi persamaan. kesalahan

diatas dengan memilih nilai a dan b yang sesuai. Kesalahan
terkecil akan diperoleh dengan cara derivatif, dimana hasil
akhirnya adalah:

14
 ∑ 𝑦𝑖 ∑ 𝑥𝑖
𝑎= −𝑏 … … … … … … … … … … … . . (12)
𝑛 𝑛

𝑛 ∑ 𝑥𝑖 𝑦𝑖 − [(∑ 𝑥𝑖 )(∑ 𝑦𝑖 )]
𝑏= … … … … … … … … . . (13)
𝑛 ∑ 𝑥𝑖 2 − (∑ 𝑥𝑖 )2

[𝑛 ∑ 𝑥𝑖 𝑦𝑖 − (∑ 𝑥𝑖 )(∑ 𝑦𝑖 )]2
𝑟2 = … … … … . . (14)
[𝑛 ∑ 𝑥𝑖 2 − (∑ 𝑥𝑖 )2 ][𝑛 ∑ 𝑦𝑖 2 − (∑ 𝑦𝑖 )2 ]

Nilal 𝑟 2 merupakan bagian variasi dari y yang menunjukkan

keeratan hubungan dengan x, sedangkan bagian sisanya 1 - r2
menunjukkan peluang faktor-faktor diluar variabel x. Nilal 𝑟 2 =
0,9 artinya bahwa 90 persen variasi pada y diprediksi atau
dijelaskan oleh garis regresi dengan x, sedangkan hanya 10 persen
peluang diluar x.
7.1.8 Kriteria Performance Peramalan
Permalan merupakan sarana untuk memperkirakan jumlah
permintaan dimasa yang akan datang, hal ini mempunyai maksud agar
ramalan yang dibuat dapat meminimumkan pengaruh ketidak pastian
terhadap kebijakan dari perusahaan.
Besarnya kesalahan suatu peramalan dapat dihitung dengan
beberapa cara antara lain:
1. Mean Absolute Deviation (MAD)
MAD mreupakan rata-rata kesalahan mutlak selama periode
tertentu tanpa memeperhatikan apakah hasil peramalan lebih besar
atau lebih kecil dibandingkan kenyataanya. Secara sistematis MAD
dirumuskan sebagai berikut:
𝐴𝑡−𝐹𝑡
MAD = ∑ | | …………………………(15)
𝑛

dimana: A = Permintaan Aktual pada periode -t

F = Peramalan Permintaan (Forecast) pada periode –t
n = Jumlah periode peramalan yang terlibat

15
2. Mean Square Error (MSE)

MSE dihitung dengan menjumlahkan kuadrat semua kesalahan

peramalan pada setiap periode dan membaginya dengan jumlah
periode peramalan. Secara matematis, MSE dirumuskan sebagai
beriukut:
(𝐴𝑡−𝐹𝑡)2
MSE = ∑ …………………………(16)
𝑛

dimana: A= Permintaan Aktual pada periode -t

F = Peramalan Permintaan (Forecast) pada periode -t
N = Jumlah periode peramalan yang terlibat
Dalam melakukan peramalan kita harus memperhatikan prosedur-
prosedur yang harus dilaksanakan, yaitu:
1) Mendefinisikan tujuan yang dikehendaki.
2) Plotkan data dalam diagram pencar.
3) Memilih metode yang sesuai dengan pola data untuk tujuan yang
telah ditetapkan.
4) Menghitung kesalahan yang ada agar performansi dari metode
masing-masing yang digunakan dapat diketahui.
5) Memilih metode terbaik yang mempunyai tingkat kesalahan
terkecil.
6) Melakukan prediksi terhadap permintaan dimasa mendatang,
kemudian melakukan tes verifikasi bahwa hasil peramalan yang
dilakukan representatif dari data masa lalu.
Proses verifikasi tersebuat terdiri dari dua tahap yaitu:
1) Menggunakan Tracking Signal.
Isyarat arah (tracking signal) adalah pengukuran tentang
sejauh mana ramalan memprediksi nilai aktual dengan baik.
Isyarat arah dihitung sebagai jumlah kesalahan ramalan berjalan

16
 (running sum of the forecast error, RSFE) dibagi dengan deviasi
absolute mean (MAD).
𝑅𝑆𝐹𝐸
Isyarat tanda = ………….………………..……….…(17)
𝑀𝐴𝐷
Dimana,
∑[𝑘𝑒𝑠𝑎𝑙𝑎ℎ𝑎𝑛 𝑟𝑎𝑚𝑎𝑙𝑎𝑛]
MAD = ……………..……..……..(18)
𝑛
∑[𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑎𝑘𝑡𝑢𝑎𝑙 −𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑟𝑎𝑚𝑎𝑙𝑎𝑛 ]
RSFE = ..(19)
𝑀𝐴𝐷
2) Tes Out of Control
Tes ini dilakukan untuk mengetahui apakah terdapat data
yang out of control, jika penyebabnya masih ditolelir maka
peramalan tersebut masih layak dipakai, apabila tidak diketahui
penyebabnya maka ada dua cara yang dilakukan, yaitu:
a. Mengganti metode peramalan yang digunakan
b. Membuang data yang tidak sesuai kemudian dilakukan
peramalan kembali dengan cara yang sama.

Apabila dari kedua metode tersebut berhasil maka metode

peramalan tersebut layak digunakan.
7.1.9 Program Quallitatif System (Q.S Version 3.0)
Quallitatif System (Q.S Version 3.0) merupakan suatu paket
program khusus yang digunakan untuk membantu dalam penyelesaian
masalah-masalah penelitian operasional atau manajemen operasi.
Program ini merupakan pengembangan dari program Quantitatif
System For Bussines (QSB) yang mana mempunyai kemampuan lebih
unik dari program lain yang mirip dengannya. Sub menu dari Q.S 3.0
ini terbagi dalam dua modul, dimana masing-masiing modul terdiri
dari 15 sub program.
Untuk menyelesaikan model peramalan, maka dipilih modul-
modul dengan sub program Time Series and Forecasting, kemudian

17
 data dimasukkan ke dalam program yang telah tersedia, dan secara
otomatis program Q.S ini akan menyelesaikan dan menampilkan hasil
persoalan tersebut.
7.2 Perencanaan produksi
Dalam melakukan suatu kegiatan adalah baik bila dibuat perencanaan
terlebih dahulu, agar kegiatan yang akan dilakukan dapat terarah pada
pencapaian tujuan. Kita perlu merencanakan produksi, karena dalam setiap unit
produksi terdapat manusia, bahan, dan mesin, yang semuanya merupakan
sumberdaya yang mahal yang harus dimanfaatkan sebaik mungkin agar
menghasilkan laba. Dalam produksi modern yang bersifat kompleks, baik
secara teknologis maupun administratif, perencanaan produksi harus
direncanakan dengan teliti untuk memperhitungkan semua keterbatasan yang
ada (Harding, H.A., : 1978).

Reksohadiprodjo, S., dan Ronohadiwidjojo, H. (1983), berpendapat bahwa

Perencanaan (Planning) adalah aktivitas-aktivitas yang dilakukan sebelum
produksi dimulai, yaitu: menentukan bagaimana produk dan komponen-
komponennya harus dibuat, mesin-mesin peralatan serta bahan-bahan yang
dipergunakan.

Menurut Nasution, A.H. (1999), prencanaan produksi dilakukan dengan

tujuan menentukan arah awal dari tindakan-tindakan yang harus dilakukan
dimasa mendatang, apa yang harus dilakukan, berapa banyak melakukannya,
dan kapan harus melakukannya. Karena perenencanaan ini berkaitan dengan
masa mendatang, maka perencanaan disusun atas dasar perkiraan yang dibuat
berdasarkan data masa lalu dengan menggunakan beberapa asumsi.

Jadi Perencanaan produksi adalah salah satu dari berbagai macam bentuk
perencanaan yaitu suatu kegiatan pendahuluan atas proses produksi yang akan
dilaksanakan dalam usaha mencapai tujuan yang diinginkan perusahaan. Salah
satu bentuk perencanaan produksi itu ialah mengenai penjadualan produksi,

18
 yang menentukan jenis produk yang akan diproduksi, jumlah yang akan
diproduksi, kapan akan diproduksi, dan sebagainya.

7.3 Perencanaan Produksi Agregat

7.3.1 Pengertian Perencanaan Agregat
Penjadwalan agregat (juga dikenal dengan sebutan Perencanaan
agregat) menyangkut penentuan jumlah dan kapan produksi akan
dilangsungkan dalam waktu dekat, sering kali 3 sampai 18 bulan kedepan
(Render, Heizer: 2001). Manajer operasi berupaya untuk menetukan cara
terbaik untuk memenuhi ramalan permintaan dengan menyesuaikan
tingkat produksi, tingkat kebutuhan tenaga kerja, tingkat persediaan,
waktu lembur, tingkat nilai sub kontrak, dan semua variabel lain yang
dapat dikendalikan. Tujuan proses produksi biasanya adalah
meminimalisasi biaya sepanjang periode perencanaan. Meskipun begitu,
isu-isu strategis lainnya mungkin lebih penting daripada biaya yang
rendah. Strategi-strategi ini mungkin mencakup usaha memuluskan
tingkat kebutuhan tenaga kerja, menurunkan tingkat persediaan, atau
mencapai tingkat pemenuhan kebutuhan konsumen yang tertinggi tanpa
memandang berapa biaya yang dikeluarkan.
Menurut Herjanto, Edi., (1996), perencanaan agregat merupakan
jantunga dari perencanaan jangka menengah yang bertujuan untuk
mengembangkan rencana produksi secara menyeluruh yang fleksibel dan
optimal. Fleksibel berarti dapat memenuhi permintaan pasar sesuai
kapasitas yang ada, sedangkan optimal berarti menggunakan sumberdaya
sebijaksana mungkin, dan pengeluaran biaya serendah mungkin.
Meskipun biaya merupakan faktor yang penting, tidak berarti bahwa
biaya merupakan satu-satunya pertimbangan.
7.3.2 Strategi- strategi Perencanaan Agregat
1. Pemilihan Kapasitas
Pilihan kapasitas (pasokan) mendasar yang dapat dipilih
perusahaan adalah sebagai berikut:

19
 1) Tingkat persediaan yang berubah-ubah
2) Mengubah jumlah tenaga kerja dengan cara memperkerjakan
pekerja atau memberhentikan pekerja.
3) Mengubah tingkat produksi melalui waktu lembur atau waktu
kosong.
4) Sub kontrak.
5) Memperkerjakan pekerja paruh waktu.
2. Pemilihan Permintaan
Pilihan-pilihan permintaan yang mendasar adalah sebagai
berikut:
1) Mempengaruhi permintaan.
2) Pesanan cadangan dalam memenuhi permintaan pada periode
permintaan tinggi.
3) Product mix antar musim.
3. Kombinasi Pilihan untuk Mengembangkan Suatu Rencana
Di dalam strategi kombinasi pilihan atau campuran ini
mencakup penggabungan dua atau lebih variabel-variabel yang dapat
dikendalikan untuk menetapkan rencana produksi yang layak.
Misalnya, perusahaan dapat menggunakan kombinasi antara jam
lembur, sub kontrak, dan pemerataan persediaan sebagai strategi
mereka.
4. Penjadwalan Merata
Penjadwalan merata atau perencanaan kapasitas merata,
mencakup rencana-rencana agregat di mana kapasitas harian dan bulan
ke bulannya seragam.
7.3.3 Ongkos-ongkos Agregat
Menurut Nasution, A.H. (1999), ongkos-ongkos yang terlibat
dalam perencanaan agregat adalah:

20
 1. Hiring Cost (ongkos penambahan tenaga kerja). Penambahan tenaga
kerja menimbulkan ongkos-ongkos untuk iklan, proses seleksi dan
training.
2. Firing Cost (ongkos pemberhentian tenaga kerja). Pemberhentian
tenaga kerja biasanya terjadi karena semakin rendahnya permintaan
akan produk yang dihasilkan, sehingga tingkat produksi menurun
dengan drastis.
3. Overtime Cost Dan Under Time Cost (ongkos lembur dan ongkos
menganggur). Penggunaan waktu lembur bertujuan untuk
meningkatkan output produksi, tetapi konsekwensinya perusahaan
harus mengeluarkan ongkos tambahan lernbur.
4. Inventory Cost Dan Backorder Cost (ongkos persediaan dan ongkos
kehabisan persediaan). Persediaan mempunyai fungsi mengantisipasi
timbulnya kenaikan permintaan pada saat tertentu.
7.3.4 Proses Keputusan untuk Perencanaan Agregat
1. Metode grafik diagram
Teknik pembuatan grafik & diagram sangat sering dipakai
karena mudah dipahami dan digunakan. Pada dasarnya ini
merupakan pendekatan trial-and-error yang tidak menjarnin
terciptanya rencana produksi yang optimal. Berikut lima tahapan
dalam pembuatan grafik:
1) Tertukan permintaan pada setiap periode.
2) Tentukan berapa kapasitas pada waktu-waktu biasa, waktu
lembur, dan tindakan subkontrak untuk setiap periode.
3) Tentukan biaya tenaga kerja, biaya pengangkatan dan
pemberhentian pekerja.
4) Pertimbangkan kebijakan perusahaan yang dapat diterapkan
pada para pekerja dan tingkatan persediaan.
5) Kembangkan rencana alternatif dan amati biaya totalnya.

21
2. Metode Transportasi
Perencanaan agregat dapat menggunakan metode transportasi
yang merupakan bagian dan perncanaan produksi programa linier
dengan jumlah tenaga kerja (work-force) tetap. Metode ini
mengijinkan penggunaan produksi reguler, overtime, inventoni,
backorder, dan subkontrak. Hasil perencanaan yang diperoleh dapat
dijamin optimal dengan asumsi optimisik bahwa tingkat produksi
(yang dipengaruhi oleh pekerja) dapat dirubah dengan cepat. Agar
supaya metode ini dapat diaplikasikan, kita harus memformulasikan
persoalan perencanaan agregat, sehingga:
1) Kapasitas tersedia (supply) dinyatakan dalam unit yang sama
dengan kebutuhan (demand).
2) Total kapasitas untuk horison perencanaan harus sama dengan total
peramalan kebutuhan. Bila tidak sama, kita gunakan variabel
bayangan (dummy) sebanyak jumlah selisih tersebut.
3) Semua hubungan biaya merupakan hubungan linier.
3. Linier Regresion Rule
Linear Decision Rule (LDR) ini merupakan model perercanaan
agregat yang berupaya untuk mengoptimalkan tingkat produksi dan
tingkat jumlah tenaga kerja sepanjang periode tertentu.
4. Management Coefficients Model
Management Coeficients Model (MCM) yang dikembangkan
E.H. Bowman ini membangun suatu model keputusan formal di
seputar pengalarnan dan kinerja manajer. Teori yang mendasari adalah
bahwa pengalaman masa lalu manajer cukup baik, sehingga dapat
digunakan sebagai dasar dalam menetapkan keputusan di masa depan.
5. Simulasi
Suatu model komputer yang dinamakan penjadwalan lewat
simulasi dikembangkan pada tahun 1966 di R.C. Vergin.4’ Pendekatan
simulasi ini menggunakan prosedur pencarian dalam mencari

22
 kombinasi nilai yang biayanya minimal untuk ukuran jumlah tenaga
kerja dan tingkat produksi.
7.4 Model Transportasi
Model transportasi pada dasarnya merupakan sebuah program linier
yang dipecahkan oleh metode simpleks biasa tetapi strukturnya yang khusus
memungkinkan pengembangan sebuah prosedur pemecahan yang disebut
teknik transportasi yang lebih efisien dalam perhitungan.
Apabila terdapat persediaan awal, ini adalah titik persediaan terhadap
sebuah titik permintaan untuk setiap periode. Jika terdapat kelebihan kapasitas
dapat ditambahkan permintaan untuk permintaan bagian ini, dalam
penulisannya juga masing- masing kolom memiliki sebuah permintaan untuk
kolom kelebihan kapasitas. Permintaan adalah perbedaan total kapasitas dan
total permintaan.
Masing-masing sel di dalam matrik transportasi memiliki sebuah biaya.
Harga per unit dibuat dalam t periode dan digunakan untuk memenuhi
permintaan suatu periode dan itu adalah biaya produksi. Bentuk umum model
transportasi untuk perencanaan agregat.

23
 Tabel 7.1 model transportasi
Ending
Periode Periode Periode ……. Inventory Unused capacity
I I III periode n capacity

Periode Beginning 0 h 2h nh 0
inventory ……

Regular R r+h r+2h r+nh 0

Time ……
1
Over T t+h t+2h t+nh 0
Time ……

Regular r+b r r+h r+(n-1)h 0

Time
2

Over t+b t t+h t+(n-1)h 0

Time ……

Regular r+2b r+b R r+(n-2)h 0

Time ……
3
Over t+2b r+b T …… t+(n-2)h 0
Time

Demand

Keterangan:

r : biaya produksi regular per unit

t : biaya over time per unit

h : biaya simpan per unit per periode

b : biaya back order per unit per periode

n : banyak periode dalam horizon perencanaan

24
7.5 Metode Transportasi
Perencanaan agregat dapat menggunakan metode transportasi yang
merupakan bagian dari perencanaan produksi program linier. Agar metode ini
dapat diaplikasilkan, maka kita harus memformulasikan persoalan perencanaan
agregat, sehingga:

1. Kapasitas tersedia (supply) dinyatakan dalam unit yang sama dengan

kebutuhan (demand).
2. Total kapasitas untuk horizon perencanaan harus sama dengan total
peramalan kebutuhan. Bila tidak sama, digunakan variabel bayangan
(dummy) sebanyak jumlah selisih tersebut (Nasution, A.H., 1999).

Sedangkan menurut Mulyono, S., (2004), metode transportasi merupakan

metode yang berhubungan dengan distribusi suatu produk tunggal dari
beberapa sumber, dengan penawaran terbatas, menuju beberapa tujuan dengan
permintaan tertentu. Disamping itu metode ini juga dapat digunakan untuk
memecahkan masalah-masalah dunia usaha lainnya, analisa lokasi dan lain
sebagainya. Ada beberapa macam metode transportasi yang semuanya terarah
pada penyelesaian optimal, diantaranya: Vogel’s Approximation Method
(VAM), Row Minimum (RM), Nort West Corner (NWC).

1. Vogel’s Approximation Method (VAM)

1) Tentukan biaya penalti untuk tiap baris dan kolom dengan cara
mengurangkan biaya terendah pada baris dan kolom terdapat biaya
terendah berikutnya pada baris dan kolom.
2) Pilih biaya penalti tertinggi pada baris dan kolom.
2. Row Minimum (RM)
1) Cari biaya terkecil pada baris satu,
2) Alokasikan jumlah kebutuhan pada biaya terkecil,
3) Lihat pada baris satu tadi apakah semua sudah teralokasikan, apabila
belum cari lagi biaya terkecil berikutnya sampai pada baris satu tadi

25
 sampai semua kebutuhan teralokasikan baru dilanjutkan pada baris
berikutnya,
4) Ulangi langkah 1, 2dan 3 untuk baris berikutnya.
3. Nort West Corner (NWC)
1) Alokasikan sebanyak mungkin jumlah kebutuhan mulai dari pojok kiri
atas disesuaikan dengan batasan supply dan demand,
2) Alokasikan sebanyak mungkin jumlah kebutuhan pada baris atau kolom
berikutnya yang berdekatan,
3) Ulangi langkah kedua sampai semua kebutuhan teralokasikan.

26
 8. Metodologi Penelitian

MULAI

Studi Lapangan

Identifikasi dan perumusan massalah

Tujuan Penelitian

Pengumpulan Data

Data Primer
● Data permintaan
● Data biaya produksi
● Data produksi perusahaan
Data sekunder
● Sejarah perusahaan
● Visi dan misi perusahaan

Pengolahan Data Tidak

Valid

27
 Valid

 Perhitungan permintaan
 Perhitungan biaya produksi
 Perhitungan kapasitas
produksi

Analisa Data

Kesimpulan dan Saran

SELESAI

28
 9. Jadwal Pelaksanaan
Kerja praktek yang akan dilakukan di PT Kebon Agung (PG. Trangkil) ini
direncanakan akan berlangsung selama 1 bulan dengan waktu kerja berdasarkan
prosedur yang telah ditetapkan.
Waktu : tanggal 1-31 Juli 2019
Tempat : PT Kebon Agung (PG. Trangkil)
Tabel 9.1 Jadwal Pelaksanaan Kerja Praktik

MINGGU
Jenis Kegiatan I II III IV
Penetapan Tujuan
Survey dan Studi Pustaka
Identifikasi Masalah
Penyelesaian Masalah
Pengimplementasikan
Penyusunan Laporan

29
 DAFTAR PUSTAKA

Harding, H.A., 1978, Manajemen Produksi. Balai Aksara, Jakarta.

Herjanto, Edi., 1996, Manajemen Produksi dan Operasi. Grasindo, Jakarta.

Markidakis., 1995, Metode dan Aplikasi Peramalan. Erlangga, Jakarta.

Mulyono, S., 2004, Riset Operasi. Penerbit Fakultas Ekonomi Universitas

Indonesia , Jakarta.

Nasution, A.H., 1999, Perencanaan dan Pengendalian Produksi. cetakan

pertama, penerbit PT. Candimas Metropole, Jakarta.

Reksohadiprodjo, S., dan Ronohadiwidjojo, H., 1983, Perencanaan dan

Pengawasan Produksi. Penerbit BPFE UGM, Yogyakarta.

Render, Heizer., 2001, Prinsip-prinsip Manajemen operasi. Penerbit Salemba

Empat, Jakarta

Yamit, Z., 1999, Manajemen Persediaan. Penerbit Ekonisia Fakultas Ekonomi

UII, Yogyakarta.

30