TUGAS SARJANA
Diajukan untuk Memenuhi Sebagian dari Syarat-Syarat
Memperoleh Gelar Sarjana Teknik
Oleh
JUANAWATI MARPAUNG
040403056
Juanawati Marpaung : Perencanaan Produksi yang Optimal dengan Pendekatan Goal Programming di PT. Gold
Coin Indonesia, 2010.
ABSTRAK
Puji syukur penulis ucapkan kepada Tuhan Yang Maha Esa yang telah
Tugas sarjana ini dibuat sebagai salah satu syarat dalam menempuh ujian
Dalam Penulisan Tugas sarjana ini, penulis telah berusaha untuk memberi
yang terbaik. Namun, penulis menyadari bahwa Tugas Sarjana ini masih memiliki
kekurangan. Untuk itu, penulis mengharapkan saran dan kritik yang membangun
untuk lebih menyempurnakan Tugas sarjana ini. Semoga Tugas Sarjana ini dapat
Universitas Sumatera
Utara,
Penulis
UCAPAN TERIMA KASIH
Laporan ini tidak akan pernah terwujud tanpa bantuan dan dukungan dari
berbagai pihak. Pada kesempatan ini penulis mengucapkan terima kasih yang
tulus kepada :
1. Ibu Ir. Rosnani Ginting, MT, selaku Ketua Departemen Teknik Industri
2. Bapak Ir. Aulia Ishak, MT & Ir. Sugih Arto Pujangkoro, MM selaku
Sumatera Utara.
5. Ibu Ir. Elisabeth Ginting, MSi selaku pembimbing II, yang telah sangat
bimbingan, arahan dan koreksi agar Tugas Sarjana ini dapat selesai.
6. Bapak Ir. Boima Manihuruk, selaku Manager Produksi PT. Gold Coin,
8. Bang Bowo, Kak Dina, Bang Mijo, Bang Nurmansyah, dan Bu Ani yang
butuhkan dan juga buat setiap kerjasama dan semangat yang diberikan
10. Keluarga Bang Christmas dan Kak Yuli beserta adik-adik yang selalu
pergumulan.
12. Teman satu tim kerja pelayanan, Bang Gandi dan Kak Leni yang
13. Adikku Fritz Mauritz dan Tina Sembiring yang menjadi sumber motivasi
Hana, Kak Bela, dan Kak Plorensi, yang membuat penulis lebih percaya
diri dan lebih berharap kepada Tuhan Yesus Kristus dalam setiap hal yang
penulis hadapi.
17. Dan buat semua pihak yang secara langsung atau tidak langsung terlibat
dalam pembuatan laporan ini, terima kasih karena tanpa kalian penulis
bukan siapa-siapa.
BAB Halaman
ABSTRAK................................................................................. iv
I. PENDAHULUAN
2.7. Bahan Baku, Bahan Tambahan, dan Bahan Penolong ......... II-8
VI. ANALISIS
GAMBAR HALAMAN
2.2. Blok Diagram Pembuatan Pakan Ternak Bentuk tepung (mess) ............ II-25
3.1. Blok Diagram Pembuatan Pakan Ternak Bentuk Pellet dan Crumble .... II-26
5.4. Moving Range Chart Penjualan Mash Tahun 2008 ............................... V-14
DAFTAR TABEL
TABEL HALAMAN
2.1. Tenaga Kerja pada PT. Gold Coin Indonesia ........................................ II-5
5.1. Data Penjualan Pakan Ternak Tahun 2008 di PT Gold Coin ................. V-2
5.2. Harga Pokok dan Harga Penjualan Pakan Ternak ................................. V-2
5.4. Jam Kerja yang Tersedia untuk Tahun 2009 ......................................... V-3
5.17. Hasil Peramalan Pakan Bentuk Mash Tahun 2009 ................................ V-15
5.19. Hasil Peramalan Pakan Bentuk Crumble Tahun 2009 ........................... V-16
5.23. Formulasi Perencanaan Bulan Mei, Juni, dan Juli ................................. V-24
LAMPIRAN HALAMAN
PENDAHULUAN
produksi yang tepat untuk periode yang akan datang agar diperoleh biaya yang
mungkin.
produksi pakan ternak. Produk yang dihasilkan ada tiga jenis yaitu bentuk tepung
(pellet), dan 1560 ton (crumble). Sementara penjualan (permintaan) yang terjadi
adalah 2552 ton (mess), 748 ton (pellet) dan 1144 ton (crumble). Ini berarti terjadi
tentang pencapaian relatif dari tujuan-tujuan yang ada (Charles D & Timothy
penyelesaian di atas sasaran dan juga di bawah sasaran. Jika penyimpangan di atas
dalam tujuan berharga sama dengan nol. Sehingga variabel ini mengubah makna
menyusun rencana produksi yang optimal apabila terjadi deviasional pada salah
satu atau beberapa variabel keputusan. Dimana penentuan jumlah produksi yang
Tujuan yang ingin dicapai dalam penelitian ini adalah untuk mendapatkan
sebuah rencana produksi yang optimal sehingga dapat dijadikan sebagai alternatif
b. Penelitian ini dilakukan untuk produk pakan ternak ayam bentuk tepung
optimal.
d. Jangka waktu yang ditinjau dalam penelitian ini dibatasi hanya untuk 3 bulan.
1.5. Asumsi-asumsi
b. Harga bahan baku dan harga jual produk tidak berubah selama penelitian
BAB I PENDAHULUAN
sasaran studi.
diuraikan.
Gold Coin Group dengan merek dagang GOLD COIN merupakan bagian
dari Zuellig Group yang berada di Swiss yang berdiri sejak tahun1953.
Sedangkan di Indonesia diberi nama PT. Gold Coin Indonesia, yang merupakan
salah satu cabang yang bertempat di Medan, Sumatera Utara. Perusahaan Gold
Coin Group bergerak dalam usaha produksi pakan ternak yaitu udang, ikan,
unggas, sapi, kambing, babi dan hewan peliharaan lainnya di wilayah Asia
Pasifik. Pabrik dan kantor pemasaran Gold Coin Group ada di Malaysia,
India. Peluang pasar yang semakin terbuka mendorong PT. Gold Coin untuk
bertahap. Pembangunan proyek PT. Gold Coin dilakukan pada Januari 1981,
seiring dengan perkembangan usaha yang dilakukan, PT. Gold Coin Indonesia
Teknologi dan tenaga ahli yang dimiliki oleh Gold Coin sangat
mendukung terhadap pencapaian kualitas pakan ternak yang cukup tinggi. Selain
meningkatkan kualitas pakan ternak yang diproduksi. Gold Coin Group juga
didukung dengan sarana peralatan laboratorium dan sumber daya manusia yang
berpengalaman sehingga kualitas/mutu pakan ternak yang dihasilkan dapat dijaga
dan dipertahankan.
Bidang usaha yang digeluti oleh Gold Coin Group bergerak dalam usaha
produksi pakan ternak di wilayah Asia Pasifik. Pakan ternak yang dihasilkan
terdiri dari pakan utama dan juga pakan khusus. Yang menjadi produk utama
terdiri dari pakan unggas, babi, sapi, dan kambing. Sedangkan untuk pakan
khusus terdiri dari pakan ikan, udang, katak dan hewan peliharaan lainnya. Produk
yang dihasilkan setiap tahunnya mencapai 300.000 ton pakan ternak, baik itu
PT. Gold Coin Indonesia memiliki beberapa tempat yang tersebar di tiga
lokasi, yaitu:
3. Medan : Jl. Pulau Bali No.2 KIM II, Jl. Medan-Belawan KM 10,5, Medan
Sumatera Utara
maupun ukuran (size) setiap organisasi akan disesuaikan dengan sasaran, tujuan
maupun target yang ingin dicapai oleh organisasi. Sebagai sebuah proses
bermula pada orientasi terhadap tujuan yang direncanakan untuk dicapai dan
berakhir pada saat struktur organisasi yang dibuat telah dilengkapi dengan
lini dan fungsional. Hubungan lini karena pembagian tugas dilakukan dalam
departemen terdiri atas seksi-seksi yang memiliki tugas dan tanggung jawab yang
Terdapat beberapa tujuan pembagian tugas yang dilakukan di PT. Gold Coin
Indonesia yaitu:
Struktur organisasi PT. Gold Coin Indonesia dapat dilihat pada Gambar
2.1, sementara uraian tugas, wewenang dan tanggung jawab pada PT. Gold Coin
Deputy General
Manager
Secretary
Sales Manager Purc. Executive Mill Controller Personal Officer Factory Manager Prod. Planning Technical Chemist QAO
Inv. Control Service
Mesenger
Credit Controller Receiving Dumping Boiler
Driver
Delivery Sacking Off
Temporary
Cleaning Service Weight Bridge Pellet Operator
Gardener Operator
Operator Forklift
Fungsional
Sweeper
Truck
Lini
Transportation
Temporary
Sweeper
Juanawati Marpaung : Perencanaan Produksi yang Optimal dengan Pendekatan Goal Programming di PT. Gold Coin Indonesia, 2010.
2.5. Tenaga Kerja dan Jam Kerja
Tenaga Kerja yang dimiliki oleh PT. Gold Coin Indonesia saat ini
jumlahnya 106 tenaga kerja yang dikelompokkan ke dalam tingkat yang sesuai
Tenaga kerja di PT. Gold Coin Indonesia dengan tingkat pendidikan SMU
ke bawah dibagi menjadi MWK (Monthly Worker) dan DWK (Daily Worker). PT.
Gold Coin Indonesia juga mengadakan kontrak kerja dan kontrak kerja ini bersifat
tenaga kerja adalah 106 orang yang dapat dilihat pada tabel 2.1.
No Jabatan Jumlah
1 Branch Manager 1 Orang
2 Deputi General Manager 1 Orang
3 Secretary 1 Orang
4 Sales Manager 1 Orang
5 Purchasing Executive 1 Orang
6 Mill Controller 1 Orang
7 Personel Offiser 1 Orang
8 Factory Manager 1 Orang
9 Production Planning Inventory Control 2 Orang
10 Technical Service 3 Orang
11 Chemist/Quality Control 3 Orang
12 Quality Ansurance Officer 1 Orang
13 Executive Staff 4 Orang
14 Account Payable Admin 1 Orang
15 GL & Tax 1 Orang
16 Cost Account 1 Orang
17 Cashier 1 Orang
Tabel 2.1. Tenaga Kerja….(Lanjutan)
b. Sabtu : Libur
b. Sabtu : Libur
karyawan di atas Upah Minimum Regional (UMR). Pada PT. Gold Coin Indoneia
terdapat 80 orang pekerja tetap dan 26 orang pekerja kontrak. Pemberian upah
pada setiap pekerja kontrak dilakukan dengan sistem borongan. Jumlah upah yang
diterima dihitung berdasarkan beban kerja yang dilakukan dalam hitungan ton
bahan baku yang dibeli dan barang jadi yang diproduksi. Sistem borongan ini
ditetapkan bukan dalam pekerja inti, dengan kata lain hanya pada bongkar muat.
1. Pekerja dapat menerima langsung seluruh upah selama satu bulan bekerja
pembayaran, yaitu pada minggu ke dua dalam setiap bulannya, pekerja dapat
menerima setengah dari upah pokok ditambah dengan overtime dan dikurangi
kesejahteraan karyawan juga disediakan oleh PT. Gold Coin Indoneia. Hal ini
dilakukan untuk memperoleh sumber daya manusia yang berkualitas dan memiliki
kinerja yang tinggi. PT. Gold Coin Indonesia menyediakan fasilitas-fasilitas yang
1. Pemberian tunjangan hari raya, bonus tahunan, dan tunjangan uang makan.
karyawan.
Bahan Baku adalah bahan yang ikut dalam proses produksi dan memiliki
persentase terbesar dalam produk akhir. Bahan baku yang digunakan adalah:
1. Jagung
Jagung mengandung zat karbohidrat yang tinggi, selain itu jagung juga
memiliki zat protein sehingga dapat menjadi sumber yang baik. Jenis jagung
yang digunakan pada PT. Gold Coin Indonesia dibedakan atas jagung lokal
2. Dedak
Dedak yang digunakan sebagai bahan baku untuk produksi pakan ternak
adalah dedak gandum dan dedak beras. Dedak gandum yang digunakan adalah
whaet pollard, yaitu dedak yang berasal dari kulit ari gandum. Dedak beras
dibedakan atas dua jenis yaitu dedak halus dan dedak kasar. Dedak halus
didalamnya terkandung asam amino lisin, yaitu asam amino yang paling
4. Tepung Ikan
Tepung ikan merupakan hasil dari pengolahan ikan yang diolah menjadi
tepung. Kandungan tepung ikan meliputi protein, lemak dan juga kalsium.
Tepung tulang dan daging merupakan hasil pengolahan dari daging yang
diolah menjadi tepung. MBM ini mengandung protein, lemak dan juga
kalsium.
6. Kopra
Kopra digunakan sebagai bahan baku dalam pembuatan pakan ternak karena
CPO memiliki nilai biologis yang tinggi yang diperlukan dalam pembuatan
pakan ternak.
Ampas sawit ini mengandung nilai protein dan lemak yang tinggi yang sangat
1. Garam dan mineral, seperti sodium, pig minera, dan poultry mineral
basa dalam cairan tubuh ternak, dan juga untuk mekanisme transportasi dalam
tubuh ternak.
intensifikasi
3. Minyak nabati, seperti canola oil, dan palm oil
bahan pakan. Keberadaan minyak ini juga akan mempermudah adonan pakan
Bahan yang tidak tampak dalam produk jadi tetapi hanya menolong proses
produksi agar berjalan dengan lancar dan digunakan sebagai pelengkap produk
saja dinamakan bahan penolong. Adapun bahan penolong yang digunakan adalah:
1. Solar
2. Minyak pelumas
3. Karung plastik
4. Benang jahit
Berfungsi sebagai bahan untuk menjahit karung yang telah diisi dengan
produk jadi.
5. Stiker atau cap pabrik
Berfungsi untuk menunjukkan jenis produk, komposisi, dan zat gizi yang
1. Vibrator Shifter
Jumlah : 2 unit
2. Hammer Mill
Jumlah : 2 unit
Tipe : 700-2D
Motor : 132 KW
Kapasitas : 22 ton/jam
3. Mixer
Jumlah : 1 unit
Motor : 30 KW
Merek : NORD
Kecepatan : 22 rpm
Kapasitas : 4 ton/jam
4. Pellet Mill
Jumlah : 1 unit
Tipe : C 750/250
5. Cooler
Jumlah : 1 unit
Tipe : TK 2600-1900
Motor : 30 KW
Putaran : 22 rpm
Kapasitas : 20 ton/jam
6. Crumble
Jumlah : 2 unit
Merek : Rotor
Tipe : KR 16.2
Motor : 1,5 KW
Kecepatan : 22 rpm
Kapasitas : 15 ton/jam
7. Blower
Jumlah : 2 unit
Motor : 7,5 KW
8. Chain Conveyor
Jumlah : 10 unit
Tipe : VM 700
Motor : 7,5 KW
Kecepatan : 28 rpm
Panjang : 23060 mm
9. Elevator
Jumlah : 10 unit
Tipe : 250 LG
Motor : 2,2 KW
Kecepatan : 85 rpm
selanjutnya
Jumlah : 31 unit
Tipe : 250 LG
Motor : 1,5 KW
Panjang : 3800 mm
Kapasitas : 30 ton/jam
1. Intake Jagung
Jumlah : 1 unit
2. Intake I dan II
Jumlah : 2 unit
3. Slide gate
Jumlah : 35 unit
Merek : Festo
Tegangan : 24 VDC
4. Magnet
Jumlah : 3 unit
Tipe : PM 3
5. Drum Shiever
Jumlah : 3 unit
Motor : 2,2 KW
Jumlah : 3 unit
Merek : GSI
Kapasitas : 10 ton/jam
7. Buffer Bin
Jumlah : 1 unit
Kapasitas : 3 ton/jam
8. Bin Penyimpanan
Jumlah : 24 unit
Type : HM-2EEF
9. Dosing Weigher
Jumlah : 2 unit
Merek : Benzler
Jumlah : 1 unit
terbuang ke udara
Jumlah : 2 unit
Jumlah : 1 unit
Tipe : HT 250
Motor : 0,12 KW
Jumlah : 8 unit
14. Forklift
Jumlah : 3 unit
Kapasitas : 3 ton/jam
2.8.3. Utilitas
1. Genset
Jumlah : 1 unit
Merek : Perkin
2. Boiler
Jumlah : 1 unit
Kapasitas : 2 ton/jam
Tekanan : 8 bar
3. Compressor
produksi.
Jumlah : 2 unit
dilakukan melalui beberapa tahapan, mulai dari proses penuangan bahan baku
sampai kepada produk jadi. Tahap-tahap proses produksi di lantai produksi dapat
yang disebut dengan Intake section. Intake section terbagi dua bagian yaitu intake
jagung dan intake bahan baku yang berbentuk tepung. Jagung yang dituang
sedangkan bahan baku yang berbentuk tepung akan dimasukkan ke bin raw
2.9.2. Penyaringan
kotoran. Sebelum masuk ke dalam bin, bahan baku akan melewati sistem magnet
untuk memisahkan kotoran besi dan logam-logam dari bahan baku. Setelah itu,
bahan baku akan melalui drum pengayak (drum shiever) sehingga bahan baku
dibersihkan dari kotoran seperti plastik, kayu dan benda keras lainnya.
2.9.3. Pengeringan
Proses pengeringan dilakukan hanya untuk bahan baku jagung basah yang
memiliki kadar air 18% - 25%, dimana standar kualitas jagung yang digunakan
dalam proses produksi memiliki kadar air 17%. Oleh karena itu, jagung harus
dikeringkan terlebih dahulu sebelum diolah agar tidak busuk dan dapat bertahan
lama. Jagung basah yang masuk melalui intake, dimasukkan ke wet cylo kemudian
dialirkan ke dry cylo dengan menggunakan blower agar jagung tidak panas akibat
bertumpuknya jagung-jagung, dan dari dry cylo, jagung ini akan dibawa ke bin
Bahan baku yang berada di bin raw material kemudian ditimbang terlebih
dahulu sesuai dengan formula yang diinginkan sampai mencapai kuantitas 1 batch
kg. Bahan yang telah ditimbang dibawa ke bin hopper dengan menggunakan
Bahan baku yang berada di bin hopper dibawa ke dalam vibrator shifter
untuk memisahkan bahan baku yang kasar dengan bahan baku yang halus. Bahan
baku yang halus akan langsung jatuh ke dalam bin tower hammer mill sedangkan
bahan baku yang kasar akan melalui proses penggilingan terlebih dahulu sebelum
masuk ke dalam bin tower hammer mill. Proses penggilingan dilakukan dengan
putar 3000 rpm, dan daya 132 kW. Putaran yang terjadi dalam mesin, membuat
panas, dimana udara panas ini akan dihisap oleh blower melalui jet filter dan
dibuang ke udara.
Bahan baku yang berada di bin tower hammer mill masuk ke mixer
melalui slide gate untuk dicampur hingga rata. Pada proses ini, terjadi
penambahan obat-obatan seperti Rhodimet, CPO, Choline, garam, dan zat aditive
ton/jam dengan daya 30 kW. Pisau-pisau pengaduk pada mesin ini berbentuk
pada mesin ini berbentuk mess yang kemudian akan dibawa ke bin finish product
dengan menggunakan chain conveyor dan bucket elevator. Akan tetapi, untuk
produk berbentuk pellet, maka bahan campuran dari mixer ini akan mengalami
proses pelletizing dan untuk produk yang berbentuk crumble, maka mess (tepung)
hasil olahan mesin ini akan melalui proses pelletizing dan crumbling sebelum
untuk produk yang berbentuk pellet. Campuran yang berbentuk mess (tepung)
dibawa ke pellet mill melalui bin pellet. Sebelum mengalami pemanasan, tepung
yang masuk ke bin pellet disaring terlebih dahulu, kemudian dipanaskan pada
suhu 850 pada tekanan 8-9 bar. Panas yang digunakan berasal dari uap kering
menggunakan mesin press yang terdiri dari ring die press yang mempunyai
lubang-lubang dengan ukuran tertentu yang disesuaikan dengan produk yang akan
dihasilkan. Die ring berputar dengan kecepatan 1500 rpm dan kapasitas 15
ton/jam dengan daya 200 kW, pada bagian tengahnya terdapat 2 buah rol yang
berputar searah dengan putaran die ring press dengan kecepatan yang sama dan
saling menekan. Dengan demikian bahan campuran yang masuk akan berputar
dan ditekan keluar melalui lubang-lubang yang terdapat pada ring die press.
Selanjutnya, di luar ring die press terdapat pisau yang akan memotong
hasil pellet, sehingga ukuran panjang sesuai dengan yang diinginkan. Hasil
pemotongan dari pellet mill dibawa ke mesin cooler untuk didinginkan sampai
pada batas temperatur yang telah ditentukan oleh alat sensor. Hasil dari mesin
cooler akan dibawa ke bin finase untuk disemprotkan cairan finase yang
diinginkan dalam bentuk crumble. Pellet yang dihasilkan melalui pellet mill akan
dibawa ke mesin crumble. Pada mesin ini, terjadi proses pemotongan pellet
menjadi ukuran yang lebih kecil sesuai dengan yang diinginkan. Mesin crumble
finish product. Sementara abu yang dihasilkan dari vibrator dibawa kembali ke
mixer dengan menggunakan chain conveyor dan bucket elevator untuk diolah
kembali.
Produk jadi dari proses pengolahan pakan ternak ini terdiri atas 3 bentuk
yaitu mess, pellet, dan crumble, dimana semuanya akan masuk ke bin finish
product yang telah ditentukan sesuai dengan jenisnya. Produk jadi ini akan
dicurahkan ke karung plastik melalui slide gate sebanyak 50 kg/karung. Proses ini
berlangsung secara otomatis melalui sebuah mesin yang telah di program terlebih
dahulu. Karung yang telah diisi kemudian dijahit dengan menggunakan sewing
machine dan kemudian dibawa ke gudang produk jadi dengan menggunakan alat
Blok Diagram pembuatan pakan dapat dilihat pada Gambar 2.2, dan 2.3.
Jagung Tepung Ikan, Tepung Daging dan Tulang
, Dedak, Bungkil
Kacang Kedelai, Kopra
Penyaringan
Penyimpanan diBin
Raw Material
Dosing Formula
Penggilingan
Pengayakan
Penyimpanan di
Hammer Mill Pack
CPO
Pencampuran( Mixing)
Bag Plastik
Pengarungan
Benang Jahit
Penjahitan Karung
Gambar 2.2. Block Diagram Pembuatan Pakan Bentuk Tepung (Mess) di PT.
Gold Coin Indonesia
Jagung Tepung Ikan, Tepung Daging dan Tulang
, Dedak, Bungkil
Kacang Kedelai, Kopra
Penyaringan
Penyimpanan diBin
Raw Material
Dosing Formula
Penggilingan
Pengayakan
Penyimpanan di
Hammer Mill Pack
CPO
Pencampuran( Mixing)
Uap Panas
Pembutiran
Pendinginan
Finase
Pembentukan
Crumble
Pengarungan Pengarungan
LANDASAN TEORI
harus dilakukan di masa yang akan datang, apa yang harus dilakukan, berapa
adanya rencana produksi yang baik, maka tujuan tidak akan dapat dicapai dengan
efektif dan efisien, sehingga faktor-faktor produksi yang ada akan dipergunakan
secara boros. Oleh karena itu, perencanaan produksi merupakan spesifikasi tujuan
perusahaan yang ingin dicapai serta cara-cara yang akan ditempuh untuk
sebagai berikut :
yang jelas. Dengan adanya kejelasan arah tersebut maka kegiatan akan dapat
ini, pemborosan dan usaha yang tidak menunjang pencapaian tujuan dapat
dihindari.
untuk selalu menambah jumlah dan jenis tenaga kerja dari yang sudah kita
sebagai berikut : 1
1. Berjangka waktu
jangka waktu yang sangat lama. Lingkungan yang dihadapi perusahaan, pola
1
Nasution, Arman Hakim. Perencanaan Produksi dan Pengendalian Produksi. 1999. Penerbit Guna
Widya. Surabaya. Hal 15
permintaan, tersedianya bahan baku dan bahan penunjang, iklim usaha,
tidak menentu dan akan selalu berubah dari waktu ke waktu. Oleh karena itu,
suatu perusahaan tidak mungkin dapat membuat suatu rencana produksi yang
dapat digunakan selamanya. Rencana baru harus dapat dibuat bila keadaan
yang digunakan sebagai dasar pembuatan rencana yang lama sudah berubah.
produksi yang sudah dibuat masih berlaku. Pendekatan yang biasa dilakukan
tertentu dan akan diperbaharui bila periode waktu tersebut sudah dicapai
Ada tiga jenis perencanaan produksi yang didasarkan pada periode waktu,
yaitu :
2. Bertahap
waktu yang dibutuhkan untuk mengubah kapasitas yang tersedia. Hal ini
bulan dan sumber daya produktif yang ada (jumlah tenaga kerja, tingkat
yang ada pada masing-masing faktor yang dimiliki perusahaan, tetapi rencana
tersebut harus dibuat dengan mengacu pada satu rencana terpadu untuk
material, dan sebagainya. Keterpaduan ini tidak hanya secara horizontal saja,
tetapi juga secara vertical. Hal ini berarti rencana jangka pendek harus
mengacu pada rencana jangka menengah harus terpadu dengan rencana jangka
4. Berkelanjutan
masa berlakunya rencana tersebut. Setelah habis masa berlakunya, maka harus
dibuat rencana baru untuk periode waktu berikutnya lagi. Rencana baru ini
yang sudah dilakukan dan apa yang belum dilakukan, apa yang telah
rencana produksi harus menetapkan suatu nilai yang dapat diukur, sehingga
Nilai-nilai tersebut dapat berupa target produksi dan jika dalam realisasinya
tidak memenuhi target produksi, maka kita dengan mudah dapat mengukur
6. Realistis
realistis untuk dapat dicapai dengan kondisi yang dimiliki perusahaan pada
dibuat tidak akan ada gunanya karena target produksi yang ditetapkan sudah
pasti tidak akan dapat dicapai. Selain itu, kita tidak dapat mengetahui
sesuai dengan rencana. Dengan membuat suatu rencana yang realistis, maka
akan dapat memotivasi pelaksana untuk berusaha mencapai apa yang telah
8. Menantang
Meskipun rencana produksi harus dibuat serealistis mungkin, hal ini bukan
berarti rencana produksi harus menetapkan target yang dengan mudah dapat
3.2. Peramalan
masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas,waktu dan
lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. 2
2
Nasution, Arman Hakim. Perencanaan Produksi dan Pengendalian Produksi. 1999. Penerbit Guna
Widya. Surabaya. Hal 25.
dalam kegiatan produksi adalah untuk meredam ketidakpastian, sehingga
a. Akurasi
Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasaan dan
banyak modal yang terserap sia-sia. Keakuratan dari hasil peramalan ini
b. Biaya
tergantung dari jumlah item yang diramalkan, lamanya periode peramalan, dan
metode peramalan yang dipakai. Ketiga faktor pemicu biaya tersebut akan
tingkat akurasi yang ingin didapat, misalnya item-item yang penting akan
c. Kemudahan
memakai metode yang canggih, tetapi tidak dapat diaplikasikan pada system
teknologi.
panjang. Hal ini disebabkan karena pada peramalan jangka pendek, faktor-
yang dikeluarkan tentu resiko yang dapat dihindari semakin besar pula. Faktor-
1. Horizon Peramalan
yaitu cakupan waktu di masa yang akan datang dan jumlah periode yang
diinginkan
2. Tingkat Ketelitian
3. Ketersediaan Data
Metode yang digunakan dalam peramalan tergantung pada data atau informasi
yang tersedia. Apabila dari data yang lalu diketahui adanya pola musiman,
variasi musim. Sedangkan apabila dari data yang lalu diketahui adanya pola
hubungan antara variabel-variabel yang saling mempengaruhi, maka
Dasar utama dari metode peramalan adalah anggapan bahwa jenis dari pola
pola data, maka perlu adanya usaha penyesuaian antara pola data yang telah
diperkirakan terlebih dahulu dengan teknik dan metode peramalan yang akan
digunakan.
5. Biaya
Jenis dari model yang ada sangat penting diperhatikan, karena masing-masing
pengambilan keputusan.
sistematis dan pragmatis atas pemecahan suatu masalah. Dengan dasar ini, maka
metode peramalan sangat berguna untuk dapat memperkirakan secara sistematis
dan pragmatis atas dasar data yang relevan pada masa yang lalu, dengan demikian
dan pemecahan atas pendekatan suatu masalah dalam peramalan. Sehingga bila
peramalan, maka akan didapat dasar pemikiran dan pemecahan yang sama, karena
dan keyakinan yang lebih besar, karena dapat diuji dan dibuktikan penyimpangan
memberi nilai ramalan yang berbeda. Salah satu seni dalam melakukan peramalan
adalah memilih model peramalan yang terbaik yang mampu mengidentifikasi dan
utama, yaitu : 3
3
Makridakis, dkk. Metode dan Aplikasi Peramalan. 1988. Penerbit:Erlangga. Jakarta Edisi kedua.
Jilid 1. hal 8
1. Peramalan Kualitatif
Yaitu peramalan yang didasarkan atas kualitatif pada masa lalu. Hasil
peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal
metode kualitatif tidak berarti hanya menggunakan intuisi, tetapi juga bisa
kelompok.
a. Metode Delphi
individu.
b. Dugaan Manajemen
dalam situasi yang sangat sensitive terhadap intuisi dari suatu atau
dimana tidak ada situasi dimana tidak ada alternatif lain dari model
c. Riset pasar
mendatang.
d. Analogi histories
Merupakan teknik peramalan berdasarkan pola data masa lalu dari produk-
2. Peramalan Kuantitatif
Yaitu peramalan yang didasarkan atas data kuantitaif pada masa lalu. Hasil
dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil
kenyataan yang terjadi. Metode yang baik adalah metode yang memberikan
atau kombinasi pola selalu berulang sepanjang waktu, dan pola dasarnya
- Pola siklis, terjadi apabila data memiliki kecenderungan untuk naik atau
turun terus-menerus.
- Pola musiman, terjadi apabila nilai data sangat dipengaruhi oleh musim,
- Pola horizontal, terjadi apabila nilai data berfluktusi di sekitar nilai rata-
rata.
turun terus-menerus.
Metode Time Series terdiri atas tiga metode, antara lain :
data yang lalu, dengan membuat rata-rata tertimbang dari sederetan data
masa lalu. Ketepatan dengan metode ini akan terdapat pada peramalan
akurat. Metode ini terdiri dari metode rata-rata bergerak yang terdiri dari
proyeksikan hal-hal yang akan diteliti pada masa yang akan datang.
- Metode dekomposisi
Yaitu ramalan yang ditentukan dengan kombinasi dari fungsi yang ada
seteliti mungkin.
b. Metode Kausal
hubungan sebab akibat dengan sat atau beberapa variable bebas. Misalnya,
penjualan, harga jual, dan tingkat promosi. Kegunaan dari metode kausal
- Metode ekonometrik
- Metode Input-output
adalah pengalokasian sumber daya yang terbatas seperti tenaga kerja, bahan baku,
jam kerja mesin, dan modal dengan cara sebaik-baiknya sehingga diperoleh
berbagai alternative.
matematik dari masalah yang sedang dihadapi dengan syarat sebagai berikut :
pilihan terbaik. Fungsi tujuan ini harus dapat dibuat dalam suatu sel fungsi
3. Adanya kendala sumber daya yang dapat dibuat dalam satu set fungsi linier.
a. Masalah kombinasi produk, yaitu menentukan berapa jumlah dan jenis produk
yang harus dibuat agar diperoleh keuntungan maksimum atau biaya minimum
dimilki.
media promosi.
lokasi pemasaran.
1. Tentukan variabel keputusan atau variabel yang ingin diketahui dan gambarkan
2. Tentukan tujuan dan gambarkan dalam satu sel fungsi linier dari variabel
1. Gambarkan semua kendala daerah kelayakan yaitu daerah yang diliputi oleh
kecil sama dengan, arah grafik yang membentuk daerah layak adalah menuju
titik nol. Kendala berbentuk lebih besar sama dengan, arah grafik yang
berbentuk sama dengan (=), daerah layak adalah sepanjang garis tujuan.
3. Tentukan daerah layak yang optimum dengan cara menggeser fungsi tujuan ke
kanan atas hingga memotong salah satu atau lebih titik elstrim yang terdapat
sebagai berikut :
2. Nilai ruas kanan setiap kendala bertanda positif, jika menghadapi kendala yang
memiliki nilai ruas kanan bertanda negative, maka harus diubah menjadi
1. Membuat tabel simpleks awal dengan memasukkan semua nilai yang terdapat
2. Tentukan kolom kunci, yaitu kolom yang memiliki negatif terbesar pada baris
Zj-Cj.
3. Tentukan baris kunci, yaitu baris yang memiliki angka indeks (nilai bj/nilai
4. Cari angka baru yang terdapat pada kolom kunci dengan cara membagi semua
5. Mencari angka baru pada baris yang lain dimana nilai pada baris lama
dikurangi dengan perkalian antara angka baru baris kunci dengan koefisien
kolom kunci.
6. Apabila pada tabel baru solusi optimum belum ditemukan, ulangi kembali
langkah 2 sampai langkah 5. Solusi optimum tercapai apabila nilai pada baris
Zj-Cj berharga lebih kecil sama dengan nol untuk maksimisasi dan berharga
linier yang dikembangkan oleh A. Charles dan W. M. Cooper pada tahun 1956.
pemrograman linier mempunyai tiga unsur utama, yaitu variable keputusan, fungsi
1. Linieritas
input yang lain atau untuk suatu input dengan output besarnya tetap dan
4
Hillier, F. dan Lieberman, G. 1994. Pengantar Riset Operasi. Jilid 1 Edisi Kelima, Penerbit
Erlangga, Jakarta
2. Proporsionalitas
sebanding dengan fungsi tujuan dan juga fungsi kendalanya. Jadi tidak berlaku
3. Aditivitas
4. Divisibilitas
5. Deterministik
Asumsi ini menghendaki agar semua parameter tetap dan diketahui atau
b. Nilai sisi kanan (right hand sides values), merupakan nilai-nilai yang biasanya
kanan.
g. Fungsi tujuan mutlak, merupakan tujuan yang tidak boleh dilanggar dengan
Prioritas pencapaian dari fungsi tujuan ini berada pada urutan pertama, solusi
h. Prioritas, adalah suatu sistem urutan dari banyaknya tujuan pada model yang
tingkat prioritas k.
ST : Fungsi Pembatas
Maka, hal ini dapat diselesaikan dengan model Goal Programming sebagai
berikut :
ST :
∑i =1
aiXi + di+ + di- ≤ Yi
∑i =1
biXi + di+ + di- ≤ Di
Dimana : Pi = Tujuan-tujuan yang ingin dicapai
sebagai berikut :
perusahaan.
3. Perumusan fungsi sasaran, dimana setiap tujuan pada sisi kirinya ditambahkan
4. Penentuan prioritas utama. Pada langkah ini dibuat urutan dari tujuan-tujuan.
Ada dua macam metode yang digunakan untuk menyelesaikan model Goal
1. Metode Grafis
tercapai dengan cara menggeser fungsi atau garis yang dibentuk oleh
simpleks adalah :
b. Pilih kolom kunci dimana Cj-Zj memiliki nilai negative terbesar. Kolom
c. Pilih baris kunci yang berpedoman pada bi/aij dengan rasio terkecil
dimana bi adalah nilai sisi kanan dari setiap persamaan. Baris kunci ini
d. Mencari sistem kanonikal yaitu system dimana nilai elemen pivot bernilai
1 dan elemen lain bernilai nol dengan cara mengalikan baris pivot dengan
tidak. Solusi dikatakan layak bila variabel adalah positif atau nol.
Programming.
dan X2. Produk tersebut dikerjakan melalui 2 proses pengerjaan yang berbeda,
yaitu proses I dan proses II. Proses I mampu menghasilkan 5 unit produk X1 dan 6
dan 2 unit produk X2. Kapasitas maksimum proses I dan II berturut-turut adalah
60 dan 16.
Dalam hal ini, perusahaan menetapkan 4 macam sasaran, yaitu :
Penyelesaian :
5X1 + 6 X2 ≤ 60
X1 + 2 X2 ≤ 16
X1 ≥ 10
X2 ≥ 6
Sesuai dengan sasaran yang akan dicapai, maka model Goal Programming untuk
ST :
II X1 + 2 X2 + DB2 – DA2 = 16
III X1 + DB3 = 10
IV X2 + DB4 = 6
Penyelesaian model ini dimulai dengan membuat tabel simpleks awal seperti pada
Tabel 3.1.
Cj 0 0 1 1 1 1 1 1 bi
Pk Cj VB X1 X2 DA1 DB1 DA2 DB2 DB3 DB4
P1 1 DB1 5 6 -1 1 0 0 0 0 60
P2 1 DB2 1 2 0 0 -1 1 0 0 16
P3 1 DB3 1 0 0 0 0 0 1 0 10
P4 1 DB4 0 1 0 0 0 0 0 1 6
Zj P1 5 6 -1 1 0 0 0 0
P2 1 2 0 0 -1 1 0 0
P3 1 0 0 0 0 0 1 0
P4 0 1 0 0 0 0 0 1
Zj-Cj P1 -5 -6 2 0 1 1 1 1
P2 -1 -2 1 1 2 0 1 1
P3 -1 0 1 1 1 1 0 1
P4 0 -1 1 1 1 1 1 0
Yang menjadi kolom kunci adalah adalah kolom ke-2 dimana Cj-Zj memiliki nilai
Yang menjadi baris kunci adalah baris ke-4 karena memiliki bi/aij terkecil.
60/6 = 10
16/2 = 8
10/0 = ∞
6/1 = 1
Cj 0 0 1 1 1 1 1 1 bi
Pk Cj VB X1 X2 DA1 DB1 DA2 DB2 DB3 DB4
P1 1 DB1 5 6 -1 1 0 0 0 0 60
P2 1 DB2 1 2 0 0 -1 1 0 0 16
P3 1 DB3 1 0 0 0 0 0 1 0 10
P4 1 DB4 0 1 0 0 0 0 0 1 6
Zj P1 5 6 -1 1 0 0 0 0
P2 1 2 0 0 -1 1 0 0
P3 1 0 0 0 0 0 1 0
P4 0 1 0 0 0 0 0 1
Zj-Cj P1 -5 -6 2 0 1 1 1 1
P2 -1 -2 1 1 2 0 1 1
P3 -1 0 1 1 1 1 0 1
P4 0 -1 1 1 1 1 1 0
nilai elemen pivot bernilai 1 dan elemen lain bernilai nol dengan cara mengalikan
pertama.
0 1 0 0 0 0 0 1 x -6
0 -6 0 0 0 0 0 -6
5 6 -1 1 0 0 0 0 +
5 0 -1 1 0 0 0 -6
b1 = (-1)(6)(6) + 60 = 24
b2 = (-1)(2)(6) + 16 = 4
b3 = (-1)(0)(6) + 10 = 10
Dengan demikian, diperoleh tabel simpleks iterasi I seperti pada Tabel 3.3.
Tabel 3.3. Tabel Simpleks Iterasi I
Cj 0 0 1 1 1 1 1 1 bi
Pk Cj VB X1 X2 DA1 DB1 DA2 DB2 DB3 DB4
P1 1 DB1 5 0 -1 1 0 0 0 -6 24
P2 1 DB2 1 0 0 0 -1 1 0 -2 4
P3 1 DB3 1 0 0 0 0 0 1 0 10
0 X2 0 1 0 0 0 0 0 1 6
Zj P1 5 0 -1 1 0 0 0 -6
P2 1 0 0 0 -1 1 0 -2
P3 1 0 0 0 0 0 1 0
Zj-Cj P1 -5 0 2 0 1 1 1 7
P2 -1 0 1 1 2 0 1 3
P3 -1 0 1 1 1 1 0 1
optimal. Tabel Iterasi dapat dilihat pada Tabel 3.4, 3.5, 3.6.
Cj 0 0 1 1 1 1 1 1 bi
Pk Cj VB X1 X2 DA1 DB1 DA2 DB2 DB3 DB4
P1 1 DB1 0 0 -1 1 5 -5 0 4 4
0 X1 1 0 0 0 -1 1 0 -2 4
P3 1 DB3 0 0 0 0 1 -1 1 2 6
0 X2 0 1 0 0 0 0 0 1 6
Zj P1 0 0 -1 1 5 0 1 4
P3 0 0 0 0 1 0 0 2
Zj-Cj P1 0 0 2 0 -4 1 0 -3
P3 0 0 1 1 0 1 1 -1
Cj 0 0 1 1 1 1 1 1 bi
Pk Cj VB X1 X2 DA1 DB1 DA2 DB2 DB3 DB4
P2 1 DA1 0 0 -1/5 1/5 -1 1 0 4/5 4/5
0 X1 1 0 -1/5 1/5 0 0 0 -6/5 44/5
P3 1 DB3 0 0 1/5 -1/5 0 0 1 6/5 51/5
0 X2 0 1 0 0 0 0 0 1 6
Zj P2 0 0 -1/5 1/5 -1 1 0 4/5
P3 0 0 1/5 -1/5 0 0 0 6/5
Zj-Cj P2 0 0 6/5 4/5 2 0 1 1/5
P3 0 0 4/5 6/5 1 1 0 -1/5
Tabel 3.6. Tabel Simpleks Iterasi IV
Cj 0 0 1 1 1 1 1 1 bi
Pk Cj VB X1 X2 DA1 DB1 DA2 DB2 DB3 DB4
P4 1 DB4 0 0 -1/4 1/4 -5/4 0 0 1 1
0 X1 1 0 -1/2 1/2 3/2 1 0 0 6
P3 1 DB3 0 0 1/2 -1/2 -3/2 0 1 0 4
0 X2 0 1 1/4 -1/4 -5/4 0 0 0 5
Zj P3 0 0 -1/4 1/4 -5/4 0 1 1
P4 0 0 1/2 -1/2 -3/2 0 0 0
Zj-Cj P3 0 0 5/4 3/4 9/4 1 1 0
P4 0 0 1/2 3/2 5/2 1 0 1
Pada Tabel 3.6 diperoleh solusi optimal karena seluruh Zj-Cj ≥ 0. Dengan
X1 = 6 dan X2 = 5
linear. Sebuah kasus harus diubah dahulu ke dalam sebuah model matematis
pemrograman linear yang menggunakan format tertentu agar bisa diolah oleh
program LINDO.
1. Input LINDO
struktur tertentu.
Output atau hasil olahan program LINDO pada dasarnya bisa dipisahkan
dalam struktur input LINDO, fungsi tujuan ditempatkan pada baris ke-1
variable keputusan.
bahwa reduced cost akan selalu nol bilanilai variabel keputusan positif
dan sebaliknya.
e. Dual Price
nilai fungsi tujuan bila nilai ruas kanan kendala berubah satu unit.
1) 5.000000
NO. ITERATIONS= 5
BAB IV
METODOLOGI PENELITIAN
Jln. Pulau Bali Km II, KIM II. Penelitian ini dilaksanakan mulai awal Maret
serta membandingkan keadaan yang ada dengan metode yang digunakan oleh
peneliti.
lainnya. Dari permasalahan ini kemudian ditetapkan apa yang menjadi tujuan dan
1. Data Primer, yaitu data yang diperoleh dari pengamatan yang dilakukan secara
langsung terhadap kondisi nyata di lantai produksi. Data primer ini meliputi
dikumpulkan meliputi :
2009, dimana data yang digunakan sebagai dasar dalam melakukan peramalan
adalah data permintaan tahun sebelumnya yaitu tahun 2008. Data-data yang
kesalahan terkecil.
2. Formulasi Fungsi
a. Variabel Keputusan
3 o
∑ Ai X i ≤ ∑ JK j
i =1 j =1
3 o
∑
i =1
AiXi + d1- -d1+ = ∑
i =1
JKj
j = bulan (1,2,..,12)
9 3
∑ ∑B X
l =1 i =1
l i ≤ BTil
9 3 10
∑ ∑
i =1 i =1
BlXi + ∑
l =2
dl- -dl+ = BTil
i = jenis pakan
c. Fungsi Sasaran
kepentingan perusahaan.
X1 + d11- - d11+ = P1
∑
i =1
UiXi + d14- -d14+ = PK
Min Z = P2d14-
10
Min Z = P1(d11-+d12-+d13-)+P2d14- + P3d1+ + P4 ∑ di +
i =2
ST :
X1 + d11- - d11+ = P1
∑
i =1
UiXi + d14- -d14+ = PK
3 o
∑
i =1
AiXi + d1- -d1+ = ∑
i =1
JKj
9 3 10
∑ ∑
i =1 i =1
BlXi + ∑
l =2
dl- -dl+ = BTil
X1,X2,X3,d1-,d1+,d2-,d2+,d3-,d3+,d4-,d4+,d5-,d5+,d6-,d6+,d7-,d7+,d8-,d8+,d9-,d9+,d10-,
d10+,d11-,d11+,d12-,d12+,d13-,d13+, d14-,d14+ ≥ 0
d+ = Penyimpangan positif
d- = Penyimpangan negatif
Hasil dari pengolahan data pada peramalan dan penentuan jumlah produk
yang telah dilakukan. Kesimpulan yang dibuat berisi nilai-nilai yang dihasilkan
sarsan-saran yang dapat dijadikan masukan bagi pihak perusahaan ataupun bagi
peneliti selanjutnya.
Blok Diagram tahapan penelitian dan blok diagram pengolahan data dapat
Studi Pendahuluan
Pengumpulan Data
Pengolahan Data
Selesai
Gambar 4.2. Blok Diagram Pengolahan Data
BAB V
g. Kecepatan mesin dan hari kerja untuk mengetahui ketersediaan jam kerja.
Data penjualan pakan ternak pada PT. Gold Coin Indonesia dapat dilihat
menggunakan jumlah dan jenis bahan yang berbeda-beda. Harga pokok dan harga
Tabel 5.1. Data Penjualan Pakan Ternak Tahun 2008 di PT. Gold
Coin Indonesia
Bulan Penjualan (ton)
2008
Pellet Mess Crumble
Januari 725 3683 1979
Februari 1260 3671 2179
Maret 1268 3553 1373
April 885 5083 1201
Mei 614 4380 1633
Juni 978 3155 1154
Juli 993 3378 2050
Agustus 924 2878 1402
September 1242 3903 1449
Oktober 579 2199 1191
November 890 2712 1444
Desember 748 2552 1144
dikerjakan oleh mesin secara otomatis. Namun, untuk bagian intake dan sacking,
dikerjakan oleh operator. Dalam hal ini, kecepatan produksi yang diperhitungkan
adalah proses pengerjaan produk yang dikerjakan oleh mesin secara otomatis,
dimana bagian intake dan sacking biasanya dikerjakan bersamaan saat mesin juga
beroperasi. Kecepatan produksi untuk menghasilkan tiap pakan dapat dilihat pada
Tabel 5.3.
Tabel 5.3. Kecepatan Produksi
Waktu yang
Produk yang
dibutuhkan
dikerjakan
(Menit)
Pakan (Batch)
Mash 5 30
Pellet 5 35
Crumble 5 40
PT Gold Coin terbagi atas 2 shift dan jam kerja karyawan untuk 1 shift adalah
8 jam kerja pada untuk 5 hari kerja dalam 1 minggu yaitu hari senin - jumat.
Waktu kerja yang tersedia = (jumlah shift x waktu kerja/shift/hari x jumlah hari
kerja/bulan).
Waktu kerja yang tersedia pada tahun 2009 dapat dilihat pada Tabel 5.4.
Jumlah ketersediaan bahan baku di Gudang untuk satu bulan dapat dilihat
pada Tabel 5.6. Pembelian bahan baku ini dilakukan dilakukan satu kali dalam
satu bulan karena kebanyakan bahan baku berasal dari luar. Dalam hal ini, karena
sistem perusahaan ini make to stock, diasumsikan bahwa ketersediaan bahan baku
Bertujuan untuk melihat trend data masa lalu sebagai acuan untuk memilih
metode peramalan. Diagram penjualan pakan untuk tiap jenis pakan pada
tahun 2008 dapat dilihat pada Gambar 5.1., 5.2., dan 5.3.
1500
1000
Pellet
500
0
1 3 5 7 9 11
Periode (Bulan)
6000
4000
Mess
2000
0
1 3 5 7 9 11
Periode (Bulan)
2500
Jumlah (Ton)
2000
1500
Crumble
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12
Periode (Bulan)
Dari model pola data penjualan pelet yang diperoleh, metode yang digunakan
berikut :
a. Metode Konstan
Fungsi peramalan : Y = a =
∑y
n
Tabel 5.7. Perhitungan Parameter Peramalan untuk Metode Konstan
X Y
1 725
2 1260
3 1268
4 885
5 614
6 978
7 993
8 924
9 1242
10 579
11 890
12 748
78 11106
a=
∑ y = 11106 = 925,5
n 12
Fungsi peramalannya adalah : Y = 925,5
b. Metode linier
Persamaan : Y = a + bx
Tabel 5.8. Perhitungan Parameter Peramalan untuk Metode Linear
X Y XY X2
1 725 725 1
2 1260 2520 4
3 1268 3804 9
4 885 3540 16
5 614 3070 25
6 978 5868 36
7 993 6951 49
8 924 7392 64
9 1242 11178 81
10 579 5790 100
11 890 9790 121
12 748 8976 144
78 11106 69604 650
n∑ XY − ∑ X ∑ Y 12(69604) − 78(11106)
b= = = -18,1
n∑ X 2 − (∑ X ) 12(650) − (78) 2
2
a= ∑ Y − b∑ X 11106 − (−18,1)(78)
= = 1043
n 12
Fungsi peramalannya adalah : Y = 1043 – 18,1X
c. Metode Kuadratis
Persamaan : Y = a + bx + cx2
X Y XY X2 X3 X4 X2Y
1 725 725 1 1 1 725
2 1260 2520 4 8 16 5040
3 1268 3804 9 27 81 11412
4 885 3540 16 64 256 14160
5 614 3070 25 125 625 15350
6 978 5868 36 216 1296 35208
7 993 6951 49 343 2401 48657
8 924 7392 64 512 4096 59136
9 1242 11178 81 729 6561 100602
10 579 5790 100 1000 10000 57900
11 890 9790 121 1331 14641 107690
12 748 8976 144 1728 20736 107712
78 11106 69604 650 6084 60710 563592
α = ∑ X ∑ X 2 − n∑ X 3
α = (78)(650) − 12(6084)
α = −22308
β = (∑ X ) − n∑ X 2
2
β = (78)2 − 12(650)
β = −1716
γ = (∑ X 2 ) − n∑ X 4
2
γ = (650)2 − 12(60710)
γ = −306020
δ = ∑ X ∑ Y − n∑ XY
δ = (78)(11106) − 12(69604)
= 31020
θ = ∑ X 2 ∑ Y − n ∑ X 2Y
θ = (650)(11106) − 12(563592)
θ = 455796
γ .δ − θ .α
b=
γ .β − α 2
(−306020)(31020) − (455796)(−22308)
b= = 24,56
(−306020)(−1716) − (−22308) 2
θ − bα
c=
γ
(455796) - (24,56)(-22308)
c= = −3,28
(-306020)
a=
∑ y − b∑ X − c ∑ X 2
n
11106 - (24,56)(78) - (-3,28)(650)
a= = 943,5
12
Jadi persamaan menjadi Y = 943,5 + 24,56X – 3,28X2
d. Metode Eksponensial
Fungsi peramalan : Y = a bx
Tabel 5.10. Perhitungan Parameter Peramalan untuk Metode Eksponensial
X Y X2 Ln Y X Ln Y
1 725 1 6.5861717 6.5861717
2 1260 4 7.138867 14.277734
3 1268 9 7.1451961 21.435588
4 885 16 6.7855876 27.142351
5 614 25 6.4199949 32.099975
6 978 36 6.8855097 41.313058
7 993 49 6.9007307 48.305115
8 924 64 6.8287121 54.629697
9 1242 81 7.1244783 64.120304
10 579 100 6.3613025 63.613025
11 890 121 6.7912215 74.703436
12 748 144 6.617403 79.408836
78 11106 650 81.585175 527.63529
n∑ X ln Y − ∑ X ∑ ln Y 12(527,63) − 78(81,585)
b= = = -0.0187
n∑ X 2 − (∑ X ) 12(650) − (78) 2
2
ln a =
∑ ln Y − b∑ X =
81,585 − (−0.0187)(78)
= 6,9201
n 12
a = 1012,37
Fungsi peramalannya adalah : Y = 1012,37 -0.0187x
5. Menghitung SEE
∑ (Y − Y ')
2
SEE =
n− f
a. Metode konstan
628385
SEEkons tan = = 239,01
12 − 1
b. Metode linear
581656,15
SEElinear = = 241,18
12 − 2
c. Metode kuadratis
567418,58
SEEkuadratis = = 251,06
12 − 3
d. Metode Eksponensial
metode peramalan konstan yaitu 239,01, maka metode yang digunakan untuk
6. Verifikasi peramalan
yang telah ditentukan dapat mewakili data yang akan diramalkan. Perhitungan
MR =
∑ MR = 3079 = 279,9
n −1 12 − 1
1000
Jumlah (Ton)
500 Y-Y'
0 BKA
-500 1 3 5 7 9 11 BKB
-1000
Periode (Bulan)
Dari Gambar 3.4., dapat dilihat bahwa tidak ada data yang berada di luar
peramalan untuk Mess dan crumble dapat dilihat pada Tabel 5.17. dan Tabel 5.18.
3 o
∑ Ai X i ≤ ∑ JK j
i =1 j =1
Dimana :
j = bulan (1,2,..,12)
Untuk waktu kecepatan produksi mesin, pengerjaan produk untuk 1 run
Crumble 5 40 40:15=2,7
adalah :
diusahakan nol. Untuk itu, model Goal Programming untuk fungsi ini adalah :
Min Z = d1+
untuk melihat hubungan antara pemakaian dan ketersediaan bahan baku dengan
baku pada Tabel 5.5., jika dikonversikan untuk menghasilkan 1 ton pakan ternak,
Dalam penelitian ini, jumlah pemakaian bahan baku untuk masing-masing produk
harus lebih kecil atau sama dengan ketersediaan bahan-bahan tersebut. Formulasi
s 3
∑ ∑B X
l =1 i =1
l i ≤ BTil
Dimana :
i = jenis pakan
Jadi, formulasi fungsi kendala pamakaian bahan baku untuk satu ton pakan
B3X1 + B3X2 + B3X3 ≤ BT1 = 0,2565 X1+ 0,2885 X2+ 0,3 X3 ≤ 1950
kekurangan bahan baku) diusahakan nol. Untuk itu, model Goal Programming
10
Min Z = ∑ di
i=2
+
X1Mei ≥ 4156
X2Mei ≥ 926
X3Mei ≥ 943
Dan untuk peningkatan jumlah produksi diharapkan tidak terlalu tinggi, sehingga
deviasi negative dan deviasi positif sama-sama diminimumkan. Untuk itu, model
perkiraan jumlah keuntungan yang ingin dicapai pada tahun 2009 dapat
3
Proyeksi keuntungan (PK) = ∑U X
i =1
i i
Dimana :
keuntungan adalah:
keuntungan) diusahakan nol. Untuk itu, model Goal Programming untuk fungsi
ini adalah:
Min Z = d14-
X1,X2,X3,d1-,d1+,d2-,d2+,d3-,d3+,d4-,d4+,d5-,d5+,d6-,d6+,d7-,d7+,d8-,d8+,d9-,d9+,d10-,
d10+,d11-,d11+,d12-,d12+,d13-,d13+, d14-,d14+ ≥ 0
Bulan Fungsi
MEI 10
Max Z = P1(d11+ + d12+ + d13+ ) + P2d14+ + P3d1- + P4 ∑ di
i =2
−
ST :
JUNI 10
Max Z = P1(d11+ + d12+ + d13+ ) + P2d14+ + P3d1- + P4 ∑ di
i =2
−
ST :
X1 + d11- - d11+ = 925,03
X2+ d12- - d12+ = 3899,86
X3+ d13- - d13+ = 887,85
350.000X1 + 375.000 X2 + 400.000X3 + d14- - d14+ = 2141348000
2 X1 + 2,3 X2 + 2,7 X3 X3 + d1- - d1+ = 21120
0,6 X1 + 0,5 X2 + 0,5 X3 + d2- - d2+ = 4500
0,0795 X1 + 0,0745 X2 + 0,077 X3 + d3- - d3+ = 600
0,2565 X1 + 0,2885 X2 + 0,3 X3 + d4- - d4+ = 1950
0,02 X1 + 0,03 X2 + 0,02 X3 + d5- - d5+ = 180
0,01 X1 + 0,02 X2 + 0,016 X3+ d6- - d6+ = 120
0,01 X1 + 0,02 X2 + 0,026 X3 + d7- - d7+ = 150
0,0105 X1 + 0,028 X2 + 0,03 X3+ d8- - d8+ = 180
0,01X1 + 0,03 X2 + 0,025 X3 + d9- - d9+ = 180
0,0035X1 + 0,009 X2 + 0,006 X3 + d10- - d10+ = 60
X1,X2,X3,d1-,d1+,d2-,d2+,d3-,d3+,d4-,d4+,d5-,d5+,d6-,d6+,d7-,d7+,d8-,d8+,d9-,d9+,d10-,
d10+,d11-,d11+,d12-,d12+,d13-,d13+, d14-,d14+ ≥ 0
Tabel 5.23. Formulasi Perencanaan...(Lanjutan)
Bulan Fungsi
JULI 10
Min Z = P1(d11- + d12- + d13- ) + P2d14- + P3d1+ + P4 ∑ di
i =2
+
ST :
X1 + d11- - d11+ = 3519
X2+ d12- - d12+ = 926
X3+ d13- - d13+ = 834
350.000X1 + 375.000 X2 + 400.000X3 + d14- - d14+ = 1976403000
2 X1 + 2,3 X2 + 2,7 X3 X3 + d1- - d1+ = 21120
0,6 X1 + 0,5 X2 + 0,5 X3 + d2- - d2+ = 4500
0,0795 X1 + 0,0745 X2 + 0,077 X3 + d3- - d3+ = 600
0,2565 X1 + 0,2885 X2 + 0,3 X3 + d4- - d4+ = 1950
0,02 X1 + 0,03 X2 + 0,02 X3 + d5- - d5+ = 180
0,01 X1 + 0,02 X2 + 0,016 X3+ d6- - d6+ = 120
0,01 X1 + 0,02 X2 + 0,026 X3 + d7- - d7+ = 150
0,0105 X1 + 0,028 X2 + 0,03 X3+ d8- - d8+ = 180
0,01X1 + 0,03 X2 + 0,025 X3 + d9- - d9+ = 180
0,0035X1 + 0,009 X2 + 0,006 X3 + d10- - d10+ = 60
X1,X2,X3,d1-,d1+,d2-,d2+,d3-,d3+,d4-,d4+,d5-,d5+,d6-,d6+,d7-,d7+,d8-,d8+,d9-,d9+,d10-,
d10+,d11-,d11+,d12-,d12+,d13-,d13+, d14-,d14+ ≥ 0
menggunakan software LINDO. Penyelesaian untuk bulan Mei, Juni, dan Juli
OUTPUT
LP OPTIMUM FOUND AT STEP 3
1) 0.0000000E+00
OUTPUT
LP OPTIMUM FOUND AT STEP 3
1) 0.0000000E+00
OUTPUT
LP OPTIMUM FOUND AT STEP 3
1) 0.0000000E+00
dikerjakan secara manual dengan metode simpleks yaitu dengan membuat Tabel
simpleks awal dan melakukan iterasi sampai ditemukan solusi yang optimal.
Untuk melihat pengerjaan Goal Programming ini dengan metode simpleks, dapat
yang diprediksi untuk jangka waktu tertentu pada masa yang akan datang.
menghitung jumlah produk untuk 12 periode yang akan datang. Input untuk
peramalan permintaan adalah data permintaan produk pakan untuk tahun 2008.
Tabel 6.2. merupakan jumlah optimal produk mess, pellet dan crumble
sementara untuk produk Mess dan pellet tetap. Perbandingan ini dapat dilihat pada
Tabel 6.3.
= Rp. 2.258.650.000
Pemakaian Jam kerja :
= 13.525,2 Menit
= 3.527,6 Ton
= 487,3 Ton
= 1675,7 Ton
= 133,7 Ton
= 78,3 Ton
= 89,7 Ton
Pemakaian bahan baku minyak sawit :
= 103,8 Ton
Pemakaian bahan baku ampas sawit :
= 97,8 Ton
Pemakaian obat-obatan :
= 29,7 Ton
Bulan Fungsi
Mei Variabel keputusan
Mess = 4156 ton
Pellet = 926 ton
Crumble = 1142 ton
Pemakaian Jam kerja = 13.525,2 Menit
Pemakaian Bahan baku jagung = 3.527,6 ton
Pemakaian Bahan baku dedak = 487,3 ton
Pemakaian Bahan baku bungkil kacang = 1675,7 ton
Pemakaian Bahan baku tepung ikan = 133,7 ton
Pemakaian Bahan baku tepung tulang = 78,3 ton
Pemakaian Bahan baku kopra = 89,7 ton
Pemakaian Bahan baku minyak sawit = 103,8 ton
Pemakaian Bahan baku ampas sawit = 97,8 ton
Pemakaian obat-obatan = 29,7 ton
Keuntungan = Rp. 2.258.650.000
Tabel 6.4. Rekapitulasi… (Lanjutan)
Pada Tabel 6.4., dapat dilihat bahwa keuntungan yang diperoleh untuk
bulan Mei, Juni, dan Juli berturut-turut adalah Rp. 2.258.650.000, Rp.
Pada Tabel 6.4. dapat dilihat juga, bahwa pemakaian jam kerja untuk
bulan Mei, Juni, dan Juli, berturut-turut adalah 13.525,2 menit, 12.823,5 menit,
dan 11.848,9 menit. Ini berarti bahwa jam kerja yang tersedia selama horizon
perencanaan tidak habis terpakai. Persentase penggunaan jam kerja bulan Mei,
dengan ketersediaan bahan baku di gudang, maka dapat dilihat bahwa bahan baku
di gudang tidak habis terpakai. Persentase pemakaian bahan baku dapat dilihat
Dari Tabel 6.5., Tabel 6.6., dan Tabel 6.7 dapat dilihat bahwa usaha untuk
tercapai dimana bahan baku yang terpakai masih berada dalam batas ketersediaan
di gudang.
diperoleh nilai deviasi negatif (d11-,d12-,d13-) nol. Ini berarti bahwa sasaran ini
tercapai. Namun, ada kelebihan produksi sebesar 200 ton (mess), 184 ton
3. Meminimumkan kekurangan jam kerja (jam kerja lembur) yaitu d1+. Sasaran
ini tercapai dimana nilai variabel penyimpangan tersebut sama dengan nol.
BAB VII
7.1. Kesimpulan
menggunakan Goal Programming pada bulan Mei adalah 4156 ton pakan
bentuk tepung (mess), 926 ton pakan bentuk pellet, dan 1142 pakan bentuk
crumble. Pada bulan Juni, 3901 ton pakan bentuk tepung (mess), 926 ton
pakan bentuk pellet, dan 1071 pakan bentuk crumble. Pada bulan Juli, 3519
ton pakan bentuk tepung (mess), 926 ton pakan bentuk pellet, dan 993 pakan
bentuk crumble
2. Keuntungan yang diperoleh untuk bulan Mei, Juni, dan Juli berturut-turut
dengan nol.
nilai penyimpangan positif bernilai nol. bulan Pemakaian jam kerja pada bulan
Mei, Juni dan Juli secara berturut-turut sekitar 70,44 %, 60,71 % dan 56,10 %.
5. Tujuan untuk meminimumkan pemakaian bahan baku dapat terpenuhi, dimana
bahan baku yang terpakai tetap berada dalam batas yang tersedia di gudang
7.2. Saran
produk.
DAFTAR PUSTAKA
Buffa, E. dan Sarin, R. 1996. Manajemen Operasi dan Produksi Modern, Jilid 1
(http: //www.dtic.mil/ndia/2001sbac/simpson).
(http:www.ub.rug.nl/eldoc/som/a/02A12/02A12.pdf)
Makridatis, S., Wright, W. dan Steven C. 1999. Metode dan Aplikasi Peramalan.
Yogyakarta.
LAMPIRAN I :
Pembagian Tugas dan Tanggung Jawab pada PT. Gold Coin Indonesia
Pembagian tugas dan tanggung jawab dari setiap pekerjaan pada PT. Gold
1. Branch Manager
3. Sekretaris
selektif.
4. Sales Manager
tentang hasil penjualan kepada atasan, baik secara lisan maupun tulisan.
5. Executive Staf
6. Techinical Service
7. Purchasing Executive
9. Mill Controller
a. Menerima laporan dari supervisor stock setiap hari yang dibuat dalam
daftar nomor, harga dan nomor kontrak per komoditas dan per supplier.
b. Menerima laporan harga dari bagian pembelian dan membuat daftar nomor
12. DO Clerk
c. Mencatat jumlah barang yang keluar meliputi jenis, harga dan pelanggan
yang membeli.
pemerintah.
para pegawai.
15. Security
personalia.
Adapun tugas dan tanggung jawab dari Operator Telepon/ Resepsionis yaitu:
17. Messenger
18. Driver
22. Receiving
23. Delivery
kebersihan.
26. Sweeper
bawahannya.
b. Menentukan intake dumping, jenis bahan baku yang harus didumping dan
operator.
c. Melaksanakan pengisian corn yellow dari intake ke silo, dari silo basah ke
produksi.
glinding sesuai dengan hot size yang ditetapkan, pembersihan magnet, bila
terjadi over flow/over load pada screw conveyor bin bahan baku dan slide-
jumlah batch.
- Produk jadi yang diproduksi harus sesuai dengan plastik bag-nya dan
feed ticket-nya.
- Gangguan pada sistem sacking off misalnya bag lamp dan limit
switch.
b. Melaksanakan kegiatan greasing setiap pagi dan sore hari atau setiap awal
shift.
c. Selalu memeriksa bentuk fisik atau ukuran partikel sesuai dengan jenis
bawahannya.
33. Mechanical
mechanical.
b. Menjalankan jadwal pemeriksaan mesin, pelumasan, dan lain-lain sesuai
petunjuk.
34. Electrical
operator.
PLN.
saran.
35. Store Keeper
c. Memberikan laporan kepada atasan, pemakaian solar, air dan spare part.
baik.
b. Merawat boiler.
37. Chemist
a. Melakukan analisa sampel bahan baku yang telah diambil oleh bagian
b. Mengawasi sistem FIFO untuk setiap raw material yang dipakai maupun
e. Memastikan bahan pakan yang akan keluar dalam keadaan baik yaitu:
Dari model pola data penjualan mess yang diperoleh dari periode sebelumnya,
a. Metode Eksponensial
Fungsi peramalan : Y = a bx
X Y X2 Ln Y X Ln Y
1 3683 1 8.211482916 8.2114829
2 3671 4 8.208219383 16.416439
3 3553 9 8.175547596 24.526643
4 5083 16 8.533656917 34.134628
5 4380 25 8.384804003 41.92402
6 3155 36 8.056743775 48.340463
7 3378 49 8.125039097 56.875274
8 2878 64 7.964850887 63.718807
9 3903 81 8.269500767 74.425507
10 2199 100 7.695757991 76.95758
11 2712 121 7.905441649 86.959858
12 2552 144 7.844632644 94.135592
78 41147 650 97.37567763 626.62629
n∑ X ln Y − ∑ X ∑ ln Y 12(626,62) − 78(97,37)
b= = = -0.04417
n∑ X 2 − (∑ X ) 12(650) − (78) 2
2
ln a =
∑ ln Y − b∑ X =
97,37 − (−0.04417)(78)
= 8,4017
n 12
a = 4454,69
Fungsi peramalannya adalah : Y = 4454,69 -0.04417x
b. Metode Kuadratis
Persamaan : Y = a + bx + cx2
Tabel 2. Perhitungan Parameter Peramalan Metode Kuadratis
X Y XY X2 X3 X4 X2Y Y' Y-Y' (Y-Y')2
1 3683 3683 1 1 1 3683 3829.2445 -146.24451 21387.455
2 3671 7342 4 8 16 14684 3895.73 -224.73002 50503.582
3 3553 10659 9 27 81 31977 3920.4338 -367.43382 135007.61
4 5083 20332 16 64 256 81328 3903.3559 1179.6441 1391560.2
5 4380 21900 25 125 625 109500 3844.4963 535.50375 286764.26
6 3155 18930 36 216 1296 113580 3743.8549 -588.8549 346750.09
7 3378 23646 49 343 2401 165522 3601.4318 -223.43182 49921.777
8 2878 23024 64 512 4096 184192 3417.227 -539.22702 290765.78
9 3903 35127 81 729 6561 316143 3191.2405 711.75949 506601.57
10 2199 21990 100 1000 10000 219900 2923.4723 -724.47228 524860.08
11 2712 29832 121 1331 14641 328152 2613.9223 98.077672 9619.2298
12 2552 30624 144 1728 20736 367488 2262.5907 289.40934 83757.766
78 41147 247089 650 6084 60710 1936149 41147 -7.276E-12 3697499.4
α = ∑ X ∑ X 2 − n∑ X 3
α = (78)(650) − 12(6084)
α = −22308
β = (∑ X ) − n∑ X 2
2
β = (78)2 − 12(650)
β = −1716
γ = (∑ X 2 ) − n∑ X 4
2
γ = (650)2 − 12(60710)
γ = −306020
δ = ∑ X ∑ Y − n∑ XY
δ = (78)(41147 ) − 12(247089)
= 244398
θ = ∑ X 2 ∑ Y − n ∑ X 2Y
θ = (650)(41147 ) − 12(1936149)
θ = 3511762
γ .δ − θ .α
b=
γ .β − α 2
(−306020)(244398) − (3511762)(−22308)
b= = 129,15
(−306020)(−1716) − (−22308) 2
θ − bα
c=
γ
(3511762) - (129,15)(-22308)
c= = −20,89
(-306020)
a=
∑ y − b∑ X − c ∑ X 2
n
41147 - (129,15)(78) - (20,89)(650)
a= = 3720,97
12
Jadi persamaan menjadi Y = 3720,97 + 129,15X – 20,89X2
c. Metode Siklis
2πX 2πX
Fungsi peramalan : Y = a + b sin + c cos
n n
Tabel 3. Perhitungan Parameter Peramalan untuk Metode Siklis
2πX 2πX
∑Y = na + b ∑ sin n
+c ∑ cos n
∑ (Y − Y ')
2
SEE =
n− f
e. Metode Eksponensial
4516290.3
SEEeksponensial = = 672,03
12 − 2
f. Metode kuadratis
3697499.4
SEEkuadratis = = 640,96
12 − 3
g. Metode Siklis
3413691.19
SEEsiklis = = 615,87
12 − 3
Hasil rekapitulasi nilai SEE dapat dilihat pada Tabel 7 berikut ini:
metode peramalan Siklis yaitu 615,87, maka metode yang digunakan untuk
meramalkan permintaan pakan bentuk pellet untuk periode mendatang adalah
2πX 2πX
Y = 3428,92 + 636,82 sin - 471,48 cos
n n
3. Verifikasi peramalan
MR =
∑ MR = 8314,81 = 755,89
n −1 12 − 1
3000
2000
Jumlah (Ton)
1000
Y-Y'
0 BKA
1 2 3 4 5 6 7 8 9 10 11 12
-1000 BKB
-2000
-3000
Periode (Bulan)
Dari Gambar 1, dapat dilihat bahwa tidak ada data yang berada di luar
No Bulan Jumlah
1 Januari 3340
2 Februari 3745
3 Maret 4066
4 April 4217
5 Mei 4156
6 Juni 3901
7 Juli 3519
8 Agustus 3114
9 September 2793
10 Oktober 2642
11 November 2703
12 Desember 2958
Lampiran III
Dari model pola data penjualan crumble yang diperoleh dari periode
kuadratis.
a. Metode linier
n∑ XY − ∑ X ∑ Y 12(110478) − 78(18199)
b= = = -54,65
n∑ X − (∑ X ) 12(650) − (78) 2
2 2
a= ∑ Y − b∑ X 18199 − (−54,65)(78)
= = 1871,83
n 12
Fungsi peramalannya adalah : Y = 1871,83 – 54,65X
b. Metode Eksponensial
Fungsi peramalan : Y = a bx
X Y X2 Ln Y X Ln Y
1 1979 1 7.5903469 7.5903469
2 2179 4 7.6866213 15.373243
3 1373 9 7.2247534 21.67426
4 1201 16 7.0909098 28.363639
5 1633 25 7.3981741 36.99087
6 1154 36 7.0509894 42.305937
7 2050 49 7.6255951 53.379166
8 1402 64 7.2456551 57.965241
9 1449 81 7.2786289 65.50766
10 1191 100 7.0825486 70.825486
11 1444 121 7.2751723 80.026896
12 1144 144 7.0422862 84.507434
78 18199 650 87.591681 564.51018
n∑ X ln Y − ∑ X ∑ ln Y 12(564,51) − 78(87,59)
b= = = -0.0338
n∑ X 2 − (∑ X ) 12(650) − (78) 2
2
ln a =
∑ ln Y − b∑ X =
87,59 − (−0.0338)(78)
= 7,5191
n 12
a = 1842,93
c. Metode Kuadratis
Persamaan : Y = a + bx + cx2
Tabel 12. Perhitungan Parameter Peramalan Metode Kuadratis
X Y XY X2 X3 X4 X2Y
1 1979 1979 1 1 1 1979
2 2179 4358 4 8 16 8716
3 1373 4119 9 27 81 12357
4 1201 4804 16 64 256 19216
5 1633 8165 25 125 625 40825
6 1154 6924 36 216 1296 41544
7 2050 14350 49 343 2401 100450
8 1402 11216 64 512 4096 89728
9 1449 13041 81 729 6561 117369
10 1191 11910 100 1000 10000 119100
11 1444 15884 121 1331 14641 174724
12 1144 13728 144 1728 20736 164736
78 18199 110478 650 6084 60710 890744
α = ∑ X ∑ X 2 − n∑ X 3
α = (78)(650) − 12(6084)
α = −22308
β = (∑ X ) − n∑ X 2
2
β = (78)2 − 12(650)
β = −1716
γ = (∑ X 2 ) − n∑ X 4
2
γ = (650)2 − 12(60710)
γ = −306020
δ = ∑ X ∑ Y − n∑ XY
δ = (78)(18199) − 12(110478)
= 93786
θ = ∑ X 2 ∑ Y − n ∑ X 2Y
θ = (650)(18199) − 12(890744)
θ = 1140422
γ .δ − θ .α
b=
γ .β − α 2
(−306020)(93786) − (1140422)(−22308)
b= = −118,61
(−306020)(−1716) − (−22308) 2
θ − bα
c=
γ
(1140422) - (-118,61)(-22308)
c= = 4,92
(-306020)
a=
∑ y − b∑ X − c ∑ X 2
n
18199 - (-118,61)(78) - (4,92)(650)
a= = 2021,06
12
Jadi persamaan menjadi Y = 2021,06 - 118,61X + 4,92X2
8. Menghitung SEE
∑ (Y − Y ')
2
SEE =
n− f
a. Metode Linear
1043027.8
SEElinear = = 322,95
12 − 2
b. Metode Eksponensial
1043683
SEEeksponensial = = 340.53
12 − 2
c. Metode Kuadratis
1010722.5
SEEkuadratis = = 335,12
12 − 3
Hasil rekapitulasi nilai SEE dapat dilihat pada Tabel 16 berikut ini:
metode peramalan linear yaitu 322,95, maka metode yang digunakan untuk
meramalkan permintaan crumble untuk periode mendatang adalah metode
3. Verifikasi peramalan
MR =
∑ MR = 4436.34 = 403,30
n −1 12 − 1
500
Y-Y'
0
BKA
-500 1 3 5 7 9 11 BKB
-1000
-1500
Pe riode (Bulan)
Dari Gambar 2, dapat dilihat bahwa tidak ada data yang berada di luar
Simpleks
Variabel basis yaitu variabel non negative yang hanya ada pada satu persamaan,
tidak ada pada persamaan lain dengan koefisien 1. Pada Tabel 19., yang termasuk
variabel basis adalah d1 – d14. Sedangkan variabel non basis merupakan variabel
merupakan koefisien dari variabel non basis pada fungsi tujuan atau laba
b. Konstanta atau right hand side merupakan nilai sisi kanan dari setiap
persamaan.
c. Z merupakan nilai laba yang diinginkan. Dalam hal ini, nilai Z diuraikan
= 2 2,3 2,7 1 -1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
dengan Pj yaitu nilai pada tiap kolom dan baris. Secara matematis :
Crow = Cj - Zj
Crow = 0 – 2
= -2
e. Pemeriksaan optimalitas, yaitu melihat apakah solusi sudah layak atau tidak.
Solusi dikatakan layak bila sudah optimal yaitu bila semua Crow dari
variabel non basis adalah positif atau nol. Pada tabel simpleks awal, nilai
Crow dari variabel non basis berharga negatif, jadi solusi belum optimal.
Variabel non basis yang dipilih untuk menjadi variabel basis disebut
entering variabel. Entering variabel yang dipilih adalah variabel non basis
yang memiliki Crow paling negatif. Dan variabel basis yang akan keluar
menjadi variabel non basis disebut leaving variabel. Leaving variabel yang
Pada Tabel simpleks awal, X3 memiliki Crow paling negatif yaitu -400000,
Baris 10 = 4156/0 = ≈
Baris 12 = 926/0 = ≈
Mencari sistem kanonikal yaitu sistem dimana nilai elemen pivot bernilai 1
dan elemen lain bernilai nol dengan cara mengalikan baris pivot dengan -1
0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 1 0 0 x -2,7
0 0 -2,7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2,7 -2,7 0 0
2 2,3 2,7 0 1 -1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 +
2 2,3 0 0 1 -1 0 0 0 0 0 0 0 0 0 0 0 0 2,7 -2,7 0 0
Nilai bi pada sistem kanonikal diperoleh dengan cara :
b1 = (-1)(2,7)(943) + 19200 = 16653,9
Dengan demikian, diperoleh tabel simpleks iterasi I seperti pada Tabel 20.