Analisis Pemenuhan Kebutuhan Tandan Buah Segar Sebagai Bahan Baku Produksi Crude Palm Oil Dan Palm Kernel Di PTPN II-PKS Pagar Merbau
Analisis Pemenuhan Kebutuhan Tandan Buah Segar Sebagai Bahan Baku Produksi Crude Palm Oil Dan Palm Kernel Di PTPN II-PKS Pagar Merbau
TUGAS SARJANA
Diajukan untuk Memenuhi Sebagian dari
Syarat-syarat Penulisan Tugas Sarjana
Oleh :
NITA KHAIRIANI
NIM : 140403020
Puji dan syukur dipanjatkan kepada hadirat Tuhan Yang Maha Esa
karena atas berkat dan karunia-Nya, penulis dapat menyelesaikan tugas sarjana ini
dengan baik.
Tugas sarjana ini merupakan salah satu syarat untuk mendapatkan gelar
Sumatera Utara . Tugas sarjana ini terdiri dari struktur pengerjaan dan dasar-dasar
dari penelitian yang dilakukan di PTPN II-PKS Pagar Merbau. Adapun judul dari
tugas sarjaan ini adalah “Analisis Pemenuhan Kebutuhan Tandan Buah Segar
Sebagai Bahan Baku Produksi Crude Palm Oil dan Palm Kernel di PTPN II-PKS
Pagar Merbau”.
kesempurnaan. Oleh karena itu, penulis sangat mengharapkan kritik dan saran
yang membangun dari para pembaca sekalian demi kesempurnaan tugas sarjana
ini. Akhir kata, penulis berharap agar tugas sarjana ini berguna bagi kita semua.
AGUSTUS 2018
Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa karena atas
Dalam penulisan tugas sarjana ini penulis telah mendapatkan bimbingan dan
bantuan dari berbagai pihak, baik berupa materil, spiritual, informasi maupun
administrasi. Oleh karena itu sudah selayaknya penulis mengucapkan terima kasih
terutama kepada Bapak Sutejo dan Ibu Suliana selaku orang tua penulis yang telah
1. Ibu Dr. Meilita Tryana Sembiring, ST, MT, selaku Ketua Departemen Teknik
Tugas Sarjana.
menjadi landasan serta bekal dalam penulisan Laporan Tugas Sarjana ini.
Utara, Bang Mijo, Kak Rahma, Kak Dedek, Bang Nurmansyah, Bang Edi,
laporan ini.
Merbau yang telah memberikan izin dan bimbingan kepada penulis untuk
6. Seluruh staf dan karyawan PTPN II - PKS Pagar Merbau yang telah
yang telah bekerja sama dengan baik dalam penyelesaian laporan tugas akhir
ini.
8. Sahabat terbaik penulis yaitu DPS dan Ainy Jung yang telah bersama selama
Enny, Rista, Sundari, Mita, dan Anggi, terimaksih atas semua dukungan dan
motivasinya.
Teknik, Cika, Novi, Icun, Armayani, Shifa, Didi, Jefrincer, Wanli, Ovie, Iin,
Bagas, dan Adit yang telah memberikan dukungan, motivasi dan do’a
laporan Tugas Sarjana. Semoga laporan ini dapat menjadi bahan evaluasi untuk
perbaikan di masa yang akan datang dan bermanfaat bagi para pembaca.
AGUSTUS 2018
BAB HALAMAN
BAB HALAMAN
BAB HALAMAN
BAB HALAMAN
BAB HALAMAN
BAB HALAMAN
DAFTAR PUSTAKA
LAMPIRAN
- Tabel Distribusi F
- SK Tugas Sarjana
- Lembar Asistensi
TABEL HALAMAN
5.2. Penjualan CPO dan PK April 2016 Sampai Maret 2017 ... V-3
5.7. Perhitungan SEE dan PE Penjualan CPO Metode Siklis .... V-11
TABEL HALAMAN
TABEL HALAMAN
TABEL HALAMAN
5.45. Analisis Sensitivitas Nilai Transfer TBS Menjadi CPO ..... V-77
TABEL HALAMAN
6.9 Analisis Sensitivitas Nilai Transfer TBS Menjadi CPO ..... VI-11
GAMBAR HALAMAN
F ....................................................................................... V-12
GAMBAR HALAMAN
5.11. Formulasi Data Input pada Software LINDO 6.1 ............ V-55
PENDAHULUAN
diragukan. Sejak 1911 ketika dimulai usaha perkebunan sawit di Sumatera Utara,
bisnis tersebut terbukti masih bisa bertahan dan bahkan menjadi salah satu sektor
tenaga kerja yang cukup besar. Produksi kelapa sawit Indonesia yang dikelola
minyak sawit (CPO) dan Palm Kernel (PK). Hasil olahan tandan buah segar
unggul dalam produk hilir (biodisel, minyak goreng, mentega) tetapi CPO dan
Pada tahun 2013 Indonesia menjadi negara nomor satu pengekspor minyak
sawit mentah dengan volume ekspor minyak sawit 26,7 juta ton dengan nilai US $
19,1 Juta (47% perdagangan minyak sawit internasional). Hasil produksi minyak
bahan baku yaitu tandan buah segar. Peran bahan baku merupakan hal yang
perusahaan.
PTPN II - PKS Pagar Merbau adalah salah satu produsen industri Crude
Palm Oil (CPO) dan Palm Kernel (PK) yang tetap melakukan kegiatan produksi
mengolah kelapa sawit menjadi Crude Palm Oil (CPO) dan Palm Kernel (PK)
sebagai bahan baku untuk industri hilir dimana wilayah bisnisnya terdapat di
daerah Sumatera Utara. Bahan baku yang digunakan oleh PTPN II - PKS Pagar
Merbau adalah Tandan Buah Segar (TBS) yang diperoleh dari pihak ketiga dan
Bandar Klippa, Kwala Madu, Tandem, Limau Mungkur, Bulu Cina, Kebun
dimana 3.655,82 hektar merupakan areal tanaman menghasilkan (TM) dan 499,20
hektar areal tanaman belum menghasilkan (TBM). Data pengadaan bahan baku
TBS dan diolah PTPN II - PKS Pagar Merbau pada bulan Februari 2018 dapat
Tabel 1.2. Pengadaan Bahan Baku TBS PTPN II - PKS Pagar Merbau
pada Bulan Februari
Perkebunan Jumlah TBS (Kg)
Tanjung Garbus – Pagar Merbau 2.296.890
Melati 947.300
Bandar Klippa 932.010
Limau Mungkur 400.740
Helvetia 167.940
Kwala Madu 553.780
Tandem 745.700
Bulu Cina 501.470
Kebun Tanjung Jati 596.040
Total 7.141.870
Sumber: PTPN II – PKS Pagar Merbau
Merbau yaitu 25 ton/ jam, karena ada peningkatan permintaan terhadap CPO dan
jam/hari dalam 30 hari kerja /bulan. PTPN II - PKS Pagar Merbau menemui
kendala dalam kegiatan produksinya, bahwa produksi pada bulan Februari 2018
kapasitas pabrik yang terpasang mencapai 30.000 Kg/jam yang artinya kapasitas
produksi TBS kebun PTPN II - PKS Pagar Merbau hanya mampu memenuhi
Akibat pasokan TBS yang kurang optimal maka produksi Crude Palm Oil
(CPO) dan Palm Kernel (PK) juga tidak optimal sehingga mengakibatkan
keuntungan perusahaan tidak maksimal. Salah satu tujuan yang ingin dicapai
keuntungan maksimal dari penjualan Crude Palm Oil (CPO) dan Palm Kernel
(PK).
baku yang terbatas, penggunaan kapasitas pabrik yang belum efisien, dan
PMKS Sei Kandang PT. Asiatic Persada-AMS Group dengan tujuan memberikan
(LP). Melalui pendekatan optimal EOQ pembelian TBS luar selama 2014 masih
kebijakan kombinasi pengadaan bahan baku TBS dari kebun sendiri dan
pemenuhan bahan baku pada PT. Mega Sawindo perkasa tahun 2016 belum
mencapai kondisi optimal dapat dilihat dari keuntungan optimal dan aktual yang
yang dihadapi PTPN II - PKS Pagar Merbau adalah kurangnya pengadaan bahan
baku TBS pada kondisi aktual dan bagaimana tingkat pengadaan optimal pada
maksimal.
TBS di PTPN II – PKS Pagar Merbau dan pemanfaatan sumberdaya terbatas yang
1. Bagi Mahasiswa
perusahaan.
2. Bagi Perusahaan
perusahaan.
Menambah jumlah hasil karya mahasiswa yang dapat menjadi literatur dan
Industri.
berikut:
1. Bahan baku yang diteliti dalam penelitian ini adalah tandan buah segar yang
berasal dari milik PTPN II – PKS Pagar Merbau dan tandan buah segar pihak
ketiga.
2. Kajian penelitian hanya pada lingkup Pabrik Kelapa Sawit yang memproduksi
2. Permintaan konsumen terhadap Crude Palm Oil (CPO) dan Palm Kernel (PK)
manfaat penelitian, batasan dan asumsi yang digunakan dalam penelitian, dan
produk Crude Palm Oil (CPO) dan Palm Kernel (PK), serta mesin dan peralatan
Bab III Landasan Teori berisi mengenai bahan baku, dan konsep metode
linear programming.
pengadaan tandan buah segar bahan baku produksi Crude Palm Oil (CPO) dan
Bab VII Kesimpulan dan Saran, berisi kesimpulan yang diperoleh dari
merupakan salah satu Maskapai milik Belanda yang terbatas pada sektor
kepada Indonesia perusahaan ini dikenal dengan nama NV. Deli Maskapai
Utama. Namun sesuai dengan izin disifikasi usaha dari Menteri Pertanian dengan
Pagar Merbau dan Kebun Kuala Namu maka Kebun Tembakau dikonversikan
menjadi kebun Kelapa Sawit. Kebu kebun Tembakau yang dikonversikan adalah
kebun dengan jenis tanah yang digolongkan kelas tiga untuk tembakau yang
produksinya rendah disebabkan penyakit layu yang tinggi. Dengan perkataan lain
oleh Direksi PTP IX. Pada tahun 1975 pembangunan pabrik dimulai dengan
kapasitas produksi awal 30 ton TBS (Tandan Buah Segar) per jam dari yang
Luxemburg (UDW), dan dalam hal ini menunjuk PT. Atmindo Medan sebagai sub
diluar supplier UDW seperti Water Treatmen Plant, Laboratorium, Work Shop,
Incenerator, Kantor, Drainase dan lain lain dipekerjakan oleh pemborong lokal,
akhir November 1976 dan kemudian dilakukan Individu test, pemanasan perlahan
lahan , pembersihan dan trial run. Pada awal Januari 1977 pabrik mulai beroperasi
secara berangsur angsur untuk kemudian mencapai kapasitas penuh (30 ton/jam)
pada awal Pebruari 1977 dan dilanjutkan dengan commissioning pada akhir
Februari 1977.
Pabrik Kelapa Sawit Pagar Merbau diresmikan secara simbolis oleh Bapak
usaha peningkatan Kapasitas pabrik dari 30 ton TBS/jam menjadi 60 ton TBS/jam
telah dibangun secara bertahap Instalasi kedua (second Line) mulai tahun 1983
pengolahan Tandan Buah Sawit (TBS) menjadi minyak mentah kelapa sawit
dengan jenis produk CPO dan PK (Inti sawit). Adanya peningkatan permintaan
akan produksi bahan mentah berupa minyak mentah kelapa sawit telah membuka
peluang usaha untuk pengembangan industri hilir. Pasokan TBS yang diolah
PTPN II - PKS Pagar Merbau salah satu unit milik PTPN II yang berjarak
± 35 km dari Kota Medan terletak pada Desa Pagar Merbau III Kecamatan Pagar
Merbau Kabupaten Deli Serdang, Provinsi Sumatera Utara. PTPN II - PKS Pagar
Merbau berada pada posisi ± 6 km dari arah tenggara kota Lubuk Pakam,
Struktur Organisasi adalah suatu susunan dan hubungan antara tiap bagian
serta posisi yang ada pada suatu organisasi atau perusahaan dalam menjalankan
dengan jelas pemisahan kegiatan pekerjaan antara yang satu dengan yang lain dan
efektifitas dan efisiensi kerja yang baik, PTPN II PKS Pagar Merbau telah
unit kerja dan bagian-bagian yang ditunujukkan pada Gambar 2.1 Struktur
fungsional.
Manajer PKS
Pagar Merbau
Asisten
Asisten Asisten Asisten
Pengolahan Shift
Maintenance Laboratorium Pengolahan Shift I
II
Mandor
Mandor Bengkel Mandor Bengkel Mandor Bengkel Mandor Mandor
Pengolahan Shift Krani Danton
Umum Traksi Listrik Laboratorium Pengolahan Shift I
II
Karyawan Pelaksana
PTPN II - PKS Pagar Merbau memiliki 149 orang pekerja yang terdiri dari
dapat berjalan dengan baik dalam melaksanakan tugas guna mencapai tujuan,
Jam kerja yang diberlakukan bagi setiap karyawan / staf produksi adalah
kerja dalam seminggu kecuali hari minggu, dengan jam kerja kantor adalah
sebagai berikut:
1. Senin-Kamis
2. Jumat
3. Sabtu
2.4.2.3.Sistem Pengupahan
menggunakan sistem premi, yaitu 3 ton x 90% x 7 jam. Selain dari jam kerja
karyawan.
Asuransi BPJS.
2.5. Bahan
Bahan baku adalah bahan utama yang digunakan dalam proses produksi
untuk menghasilkan produk. Bahan baku yang digunakan oleh PTPN II PKS
proses produksi dan berfungsi meningkatkan mutu produk. Tidak ada bahan
tambahan dalam proses produksi minyak kelapa sawit karena produk masih
berupa minyak mentah yaitu crude palm oil (CPO) dan PK (inti sawit).
produksi tetapi tidak terdapat dalam produk akhir. Bahan penolong yang
digunakan oleh PTPN II PKS Pagar Merbau adalah air, uap, kalsium karbonat.
crude palm oil (CPO) pada PTPN II PKS Pagar Merbau terdapat beberapa tahap
pemurnian minyak.
1. Penimbangan
komputer untuk meliputi berat. Prinsip kerja dari jembatan timbang yaitu truk
kemudian dicatat berat truk awal sebelum TBS dibongkar (berat bruto),
netto).
2. Sortasi
ramp. Tujuan dari sortasi yaitu memilih TBS yang layak untuk diproduksi,
agar tidak ada buah mentah maupun buah yang terlalu matang yang masuk ke
loading ramp.
3. Loading Ramp
Buah yang sudah disortir akan masuk ke loading ramp dengan tujuan untuk
steam inlet.
pemisahaan minyak.
Pada stasiun pengepresan ini terjadi pengambilan minyak awal dari buah
Pada stasiun Inti sawit, biji diolah untuk diperam, dipecahkan dan dipisahkan
antara Inti dan cangkang. Inti yang diperoleh selanjutnya dikeringkan dalam
kernel silo untuk dikirim dan cangkang digunakan sebagai bahan bakar pada
boiler.
Minyak kasar (crude oil) hasil keluaran dari mesin screw press kemudian
sawit mentah atau crude palm oil (CPO). Stasiun klarifikasi terdiri atas proses
Mesin dan peralatan yang digunakan dalam proses produksi crude palm oil
produksi. Mesin produksi yang digunakan dalam proses produksi crude palm oil
1. Mesin Sterilizer
Mesin ini berfungsi untuk memisahkan minyak dari daging buah yang berasal
dari digester.
3. Mesin Tresher
4. Mesin Digester
Mesin ini berfungsi untuk memisahkan biji menurut besarnya diameter biji
agar biji –biji yang masuk ke dalam ripple mill atau cracker diusahakn
merata.
Alat ini berfungsi untuk memisahkan minyak dari air, sludge, dan kotoran.
8. Vibrating Screen
Berfungsi untuk menyaring serabut dan kotoran alin yang terikut dalam
ampas ke ujung talang yang bertujuan untuk memisahkan biji dan serabut di
10. Depericarper
Merupakan alat yang di gunakan untuk memisahkan ampas dan biji dan
membersihkan sisa – sisa tersebut serabut yang masih melekat pada biji.
13. Silo PK
sebesar 15-25%.
minyak kasar.
tank).
Alat yang berfungsi untuk memurnikan minyak yang berasal dari tangki
Berfungsi untuk memisahkan air dan minyak dengan cara penguapan hampa
udara.
Peralatan yang digunakan dalam proses pembuatan crude palm oil adalah
sebagai berikut:
1. Timbangan
Lori adalah sebagai tempat TBS yang telah di sortir yang akan di rebus dan
3. Hoisting Crane
4. Hopper
5. Automatic Feeder
7. Fruit Elevator
Fruit elevator merupakan alat yang digunakan untuk mengangkut buah dari
dalam digester.
9. Distributing Conveyor
Merupakan alat yang digunakan untuk menyalurkan buah dari fruit elevator
Tangki ini berfungsi untuk menyimpan minyak kelapa sawit yang siap untuk
di jual.
1. Air
Air digunakan untuk membantu proses perebusan TBS yang nantinya air
tersebut akan diuapkan di dalam mesin sterilisasi dan air yang digunakan
sebagai umpan boiler yang memerlukan perlakuan kimia yang aman (foot
grade).
2. Listrik
mesin di PTPN II PKS Pagar Merbau ini di peroleh dari tenaga listrik. Listrik
di peroleh dari PLN dan mesin diesel dengan bahan bakar solar dan uap yang
Merupakan alat penghasil tenaga listrik (power supply) berkekuatan 1,2 MW.
PLN.
4. Boiler
Boiler adalah alat untuk menghasilkan uap dengan bahan bakar Fibre and
Shell yang berbentuk bejana tertutup yang berfungsi untuk menghasilkan uap
basah dan uap kering yang digunakan untuk pembangkit daya listrik dan juga
LANDASAN TEORI
produk jadi yang siap dipasarkan kepada pelanggan dengan menggunakan saluran
pemasaran yang ada. Menurut Handoko (2000), bahan baku digolongkan atas tiga
Kriteria yaitu bahan mentah, part, dan supplies. Bahan mentah merupakan bagian
memproduksi suatu barang. Part merupakan bagian dari produk jadi yang
dipergunakan dalam proses produksi tetapi tidak mengambil bagian dari barang
jadi.
kelompok bahan baku yang diberi dan bahan baku yang diproduksi oleh
dua dasar pokok pertimbangan yaitu ketersediaan bahan di pasar dan tingkat harga
apabila bahan baku banyak terdapat dipasar dengan harga yang lebih rendah dari
1
Roselina, B. Optimalisasi pengadaan tandan buah segar (TBS) sebagai bahan baku industri
pengolahan Crude palm oil (CPO) dan palm kernel oil (PKO) Studi Kasus PKS Adolina PT.
Perkebunan Nusantara IV. (Skripsi. IPB : Bogor, 2011), hlm. 13-15.
pengadaan bahan baku yang baik dapat menjamin kelangsungan proses produksi
merupakan hal yang harus dilakukan setiap perusahaan untuk mencapai efisiensi
dan efektivitas produksi. Dalam analisis pengadaan bahan baku yang berasal dari
(Austin, 1981) :
Pengadaan bahan baku pabrik kelapa sawit PTPN II PKS Pagar Merbau
kelapa sawit sendiri berfungsi untuk menjamin ketersediaan bahan baku yang
3.2. Optimalisasi2
dalam jumlah bahan baku, tenaga kerja, jam kerja mesin maupun modal. Adanya
keterbatasan ini membuat perusahaan perlu mencari suatu alternatif strategi yang
yang dihasilkan dari proses produksi atau untuk meminimumkan biaya yang akan
solusi dari suatu permasalahan, hasil yang diperoleh jarang mendapat suatu solusi
yang terbaik yang diakibatkan oleh kendala-kendala tersebut. Oleh karena itu
dan optimasi dengan kendala. Dalam optimasi tanpa kendala factor-faktor yang
2
Ibid Hal. 15-16.
nilai maksimum atau minimum tidak terdapat batasan untuk berbagai variable (X)
yang tersedia. Pada optimum dengan kendala, factor-faktor yang menjadi kendala
pada fungsi ttujuan diperhatikan dan turut menentukan fungsi maksimum dan
merupakan fungsi linier, baik fungsi kendala maupun fungsi tujuan. Metode
pemrograman linier ini digunakan dengan asumsi kombinasi input suatu produk
proporsinya tetap.
teratas penggunaan metode ilmiah dala Abad XX. Mereka mengatakan bahwa
3
Sukaria Sinulingga, Pengantar Teknik Industri (Yogyakarta: Graha Ilmu, 2008), hlm. 215-216.
yang bersaing (competing activities) dengan cara yang paling baik atau yang
masalah yang akan dipecahkan. Kata linear memiliki arti bahwa semua fungsi
matematik dalam model yang dikembangkan adalah dalam bentuk fungsi linear
istilah pemrograman dalam bidang computer tetapi hanya sebuah istilah yang
penyelesaian dengan metode lain yang lebih sederhana, akan selalu lebih disukai.
merupakan jumlah jenis sumber daya yang bereda yang dapat digunakan serta n
daya adalah uang dan tipe khusus seperti mesin, peralatan, kendaraan dan pekerja.
tertentu, dan pengiriman barang dari sumber tertentu ke suatu tempat tujuan.
Ditiap penerapan pemrograman linear, semua aktivitas dapat berupa salah satu
pengalokasian sumber daya untuk aktivitas. Jimlah sumber daya yang tersedia
4
Hillier dan Lieberman, Introdustion to Operations Research Eight Edition (Yogyakarta: Andi,
2005), hlm. 26-216.
aij = jumlah sumber daya i yang dipakai oleh tiap unit aktivitas j
daya ke aktivitas. Secara khusus, model ini bertujuan memilih nilai x 1, x2,…,xn
untuk :
Memaksimalkan Z = c1 x1 + c2 x2 +…+ cn xn
dan
x1 ≥ 0, x2 ≥ 0, … , xn ≥ 0
berikut :
x2 +…+ cn xn
semua variabel ai1 x1 + ai2 x2 +…+ ain xn disisi sebelah kiri) serng kali disebut
kendala fungsional.
1. Masalah kombinasi produk, yaitu menentukan berapa jumlah dan jenis produk
yang harus dibuat agar diperoleh keuntungan maksimum atau biaya minimum
investment atau net present value dengan memperhatikan sumber daya yang
dimilki.
media promosi.
lokasi pemasaran.
Untuk membuat formulasi model program linier, terdapat tiga langkah utama
pilihan yang diinginkan maupun yang dibolehkan. Tipe solusi yang berbeda akan
1. Solusi layak ( feasible solution ) adalah solusi di mana semua kendala yang
ada terpenuhi.
2. Solusi tak layak ( infeasible solution ) adalah solusi di mana sedikitnya satu
5
Hillier dan Lieberman, Introdustion to Operations Research Eight Edition (Yogyakarta: Andi,
2005), hlm. 28.
Sumber : http://andridwiart.blogspot.com/2014/12/program-linear.html
menemukan solusi layak yang terbaik, diukur dari nilai fungsi tujuan suatu model.
4. Solusi optimal adalah solusi layak yang memiliki nilai fungsi tujuan terbaik.
5. Nilai yang paling baik adalah nilai terbesar jika fungsi tujuannya adalah
tujuannya meminimalkan.
Kemungkinan lain adalah permasalahan yang tidak memiliki solusi optimal. Hal
2. Kendala-kendala tidak mencegah naiknya nilai fungsi tujuan (Z) kearah yang
Kasus yang memiliki Z yang tidak terbatas (unbounded Z) atau yang tidak
model yang telah dijelaskan. Secara khusus, dari sudut matematika, asumsi-
asumsi ini menjelaskan secara singkat bahwa suatu model harus memiliki sebuah
fungsi tujuan linear yang sesuai dengan batasan-batasan linear. Akan tetapi dari
6
Hillier dan Lieberman, Introdustion to Operations Research Eight Edition (Yogyakarta: Andi,
2005), hlm. 30.
asumsi ini sehingga dapat mengevaluasi cara kerja pemrograman linear dalam
berikut :
2. Additivity, berarti nilai tujuan tiap kegiatan tidak saling mempengaruhi, atau
lain.
3. Divisibility, berarti keluaran yang dihasilkan oleh setiap kegiatan dapat berupa
bilangan pecahan.
metode grafik. Metode grafik terbatas pada penyelesaian model yang memiliki
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
Penentuan solusi optimal dilakukan dengan memeriksa titik ekstrim satu per satu
simpleks dilakukan tahap demi tahap yang disebut dengan iterasi. Iterasi ke-i
7
Siringoringo, Hotniar. 2005. Seri Teknik Riset Operasional. Pemrograman Linear.
Yogyakarta;Graha Ilmu
diantaranya :
2. Variabel non basis adalah variabel yang nilainya diatur menjadi nol pada
sembarang iterasi. Dalam terminologi umum, jumlah variabel non basis selalu
3. Variabel basis merupakan variabel yang nilainya bukan nol pada sembarang
iterasi. Pada solusi awal, variabel basis merupakan variabel slack (jika fungsi
variabel basis selalu sama dengan jumlah fungsi pembatas (tanpa fungsi non
negatif).
4. Solusi atau nilai kanan merupakan nilai sumber daya pembatas yang masih
tersedia. Pada solusi awal, nilai kanan atau solusi sama dengan jumlah sumber
6. Penambahan variabel ini terjadi pada tahap inisialisasi. Pada solusi awal,
awal. Penambahan variabel ini terjadi pada tahap inisialisasi. Variabel ini
harus bernilai 0 pada solusi optimal, karena kenyataannya variabel ini tidak
9. Kolom pivot (kolom kerja) adalah kolom yang memuat variabel masuk.
Koefisien pada kolom ini akn menjadi pembagi nilai kanan untuk menentukan
10. Baris pivot (baris kerja) adalah salah satu baris dari antara variabel basis yang
11. Elemen pivot (elemen kerja) adalah elemen yang terletak pada perpotongan
kolom dan baris pivot. Elemen pivot akan menjadi dasar perhitungan untuk
12. Variabel masuk adalah variabel yang terpilih untuk menjadi variabel basis
pada iterasi berikutnya. Variabel masuk dipilih satu dari antara variabel non
basis pada setiap iterasi. Variabel ini pada iterasi berikutnya akan bernilai
positif.
13. Variabel keluar adalah variabel yang keluar dari variabel basis pada iterasi
berikutnya dan digantikan oleh variabel masuk. Variabel keluar dipilih satu
dari antara variabel basis pada setiap iiterasi. Variabel ini pada iterasi
pertama sekali bentuk umum pemrograman linier dirubah ke dalam bentuk baku
terlebih dahulu. Bentuk baku dalam metode simpleks tidak hanya mengubah
persamaan kendala ke dalam bentuk sama dengan, tetapi setiap fungsi kendala
harus diwakili oleh satu variabel basis awal. Variabel basis awal menunjukkan
status sumber daya pada kondisi sebelum ada aktivitas yang dilakukan. Dengan
kata lain, variabel keputusan semuanya masih bernilai nol. Dengan demikian,
meskipun fungsi kendala pada bentuk umum pemrograman linier sudah dalam
Ada beberapa hal yang harus diperhatikan dalam membuat bentuk baku,
yaitu:
baku yang sudah diperoleh, harus dibuat ke dalam bentuk tabel. Semua variabel
yang bukan variabel basis mempunyai solusi (nilai kanan) sama dengan nol dan
koefisien variabel basis pada baris tujuan harus sama dengan 0. Oleh karena itu
kita harus membedakan pembentukan tabel awal berdasarkan variabel basis awal.
1. Periksa apakah tabel layak atau tidak. Kelayakan tabel simpleks dilihat dari
solusi (nilai kanan). Jika solusi ada yang bernilai negatif, maka tabel tidak
layak. Tabel yang tidak layak tidak dapat diteruskan untuk dioptimalkan.
2. Tentukan kolom pivot. Penentuan kolom pivot dilihat dari koefisien fungsi
tujuan (nilai di sebelah kanan baris z) dan tergantung dari bentuk tujuan. Jika
tujuan maksimisasi, maka kolom pivot adalah kolom dengan koefisien paling
negatif. Jika tujuan minimisasi , maka kolom pivot adalah kolom dengan
koefisien positif terbesar. Jika kolom pivot ditandai dan ditarik ke atas, maka
kita akan mendapatkan variabel keluar. Jika nilai paling negatif (untuk tujuan
maksimisasi) atau positif terbesar (untuk tujuan minimisasi) lebih dari satu,
3. Tentukan baris pivot. Baris pivot ditentukan setelah membagi nilai solusi
dengan nilai kolom pivot yang bersesuaian (nilai yang terletak dalam satu
baris). Dalam hal ini, nilai negatif dan 0 pada kolom pivot tidak diperhatikan,
artinya tidak ikut menjadi pembagi. Baris pivot adalah baris dengan rasio
pembagian terkecil. Jika baris pivot ditandai dan ditarik ke kiri, maka kita
akan mendapatkan variabl keluar. Jika rasio pembagian terkecil lebih dari
4. Tentukan elemen pivot. Elemen pivot merupakan nilai yang terletak pada
5. Bentuk tabel simpleks baru. Tabel simpleks baru dibentuk dengan pertama
sekali menghitung nilai baris pivot baru. Baris pivot baru adalah baris pivot
nilai kolom pivot baris yang bersangkutan dikali baris pivot baru dalam satu
6. Periksa apakah tabel sudah optimal. Keoptimalan tabel dilihat dari koefisien
fungsi tujuan (nilai pada baris z) dan tergantung dari bentuk tujuan. Untuk
tujuan maksimisasi, tabel sudah optimal jika semua nilai pada baris z sudah
positif atau 0. Pada tujuan minimisasi, tabel sudah optimal jika semua nilai
pada baris z sudah negatif atau 0. Jika belum, kembali ke langkah no. 2 , jika
Suatu solusi layak (feasible solution) adalah suatu vektor non negatif x
dinyatakan dengan S ,adalah himpunan dari semua solusi layak yang mungkin.
Suatu solusi optimal (optimal solution) adalah suatu vector x yang layak dan nilai
fungsi tujuannya (cx) lebih besar dari semua solusi layak yang lain. Secara matematis, x
adalah optimal x Є S dan cx ≥ cx, x Є S. Nilai optimal (optimal value) dari masalah PL
adalah nilai fungsi tujuan yang berkaitan dengan solusi optimal. Jika Z adalah nilai
dalam penyelesaiannya.
1. Degeneracy adalah situasi dimana ada satu variabel solusi (variabel basis)
bernilai nol sehingga iterasi yang dilakukan selanjutnya dapat menjadi sebuah
loop yang akan kembali pada bentuk sebelumnya (cycling/circling). Hal ini
diindikasikan adanya hasil bagi yang mempunyai nilai terkecil sama, saat
2. Alternative optimal adalah situasi dimana terdapat lebih dari satu solusi
optimal. Hal ini terjadi jika nilai pada baris Z sama dengan nol untuk variabel
permasalahan program linear tidak mempunyai batasan solusi. Hal ini terjadi
terlihat apabila saat kita akan menentukan pivot row, tidak ada angka yang
4. Infeasibility adalah suatu situasi dimana tidak ada solusi yang memenuhi
semua kendala. Jika kita menyelesaikan secara simpleks, infeasibility ini akan
terlihat jika semua angka pada baris Z sudah menunjukan solusi yang optimal,
masalah dual dengan masalah asli (yang disebut primal) sangat bermanfaat dalam
berbagai hal.
Salah satu kunci dalam penggunaan teori dualitas terletak pada masalah
pada model asli hanya merupakan estimasi kondisi di masa yang akan datang,
pengaruh solusi optimal jika kondisi di masa yang akan datang berubah,juga harus
diselidiki. Nilai parameter tertentu, misalnya jumlah sumber daya bisa jadi
3.5.1. Dualitas9
lain. Bila kasus pemrograman linear pertama disebut Primal maka kasus
8
Hillier dan Lieberman, Introdustion to Operations Research Eight Edition (Yogyakarta: Andi,
2005), hlm. 177
9
Siswanto, Operations Research Jilid 1 (Jakarta: Erlangga, 2007), hlm. 149.
2. Dept. II X1 + 2X2 ≤ 16
3. Permintaan X1 X1 ≤ 10
4. Permintaan X2 X2 ≤ 6
X1, X2 ≥ 0
Dalam pembahasan ini, kendala ke-3 dan ke-4 akan diabaikan sekedar
2. Dept. II X1 + 2X2 ≤ 16
X1, X2 ≥ 0
yang sudah dihasilkan oleh metode simpleks jika nilai parameternya diganti
dengan nilai yang lain masih memungkinkan. Biasanya ada beberapa parameter
optimalnya. Meskipun demikian, ada parameter yang jika diubah nilainya akan
menghasilkan nilai optimal baru. Situasi ini umumnya merupakan suatu hal yang
sangat serius jika solusi aslinya kemudian merupakan nilai yang inferior secara
berubah tanpa perubahan solusi optimalnya). Untuk parameter tertentu yang tidak
dibolehkan agar tetap optimal (allowable range to stay optimal). Pada beberapa
optimal.
terjadi, yaitu:
10
Hillier dan Lieberman, Introdustion to Operations Research Eight Edition (Yogyakarta:
Andi, 2005), hlm. 197.
Perubahan yang dimaksud dalam penelitian ini adalah perubahan koefisien fungsi
𝑐𝑗∗ = 𝑐𝑗 + ∆ 𝑐𝑗
𝐶∗ = 𝐶 + ∆ 𝐶
Jika perubahan terjadi pada koefisien tujuan untuk variabel basis maka 𝐶
berubah menjadi 𝐶 ∗= 𝐶 + ∆ 𝐶 .
Dengan :
Karena adanya perubahan tersebut, maka dalam tabel optimum soal lama
koefisien kontrol :
𝑧𝑗 − 𝑐𝑗 = 𝐶𝑌𝑗 − 𝑐𝑗
= (𝐶 + ∆ 𝐶 )𝑌𝑗 − 𝑐𝑗 − ∆𝑐𝑗
Karena :
𝑧𝑗 − 𝑐𝑗 = 𝐶𝑌𝑗 − 𝑐𝑗 maka,
𝑧𝑗 − 𝑐𝑗 = (𝑧𝑗 − 𝑐𝑗 ) + ∆𝐶𝑌𝑗 − 𝑐𝑗
Dari perubahan di atas, penyelesaian optimal soal lama akan tetap menjadi
penyelesaian optimal bagi soal baru (soal lama yang mengalami perubahan) jika
nilai dari koefisien kontrol (zj-cj) soal baru bernilai positif atau jika dipenuhi:
optimal dan nilainya tidak berubah, yang berubah adalah nilai program yang
= Cx + ∆Cx
=f+∆f
Jika perubahan hanya terjadi pada cj dengan xj bukan basis dalam tabel optimum,
maka ΔC = 0. Hal ini disebabkan karena koefisien fungsi tujuan pada variabel
basis optimal tidak mengalami perubahan sehingga syarat (2.6) berubah menjadi :
Analisis sensitivitas parameter cj adalah persoalan penentuan batas atas dan batas
bawah nilai cj di mana pada batas itu nilai optimal variabel keputusan tidak
3.6. Peramalan11
11
Rosnani Ginting.Sistem Produksi (Yogyakarta: Graha Ilmu, 2012). hlm. 31-32
permintaan terhadap suatu produk dan merupakan langkah awal dari proses
Management.
puncak.
perlu diperjelas terlebih dahulu maksud dan tujuan peramalan sehingga metode
yang dipilih akan disesuaikan dengan maksud tersebut. Beberapa pertanyaan yang
diramalkan?
lebih pendek?
12
Sukaria Sinulingga, Perencanaan dan Pengendalian Produksi. (Yogyakarta: Graha Ilmu. 2009),
hlm. 109-110
kesalahan.
yang terkandung, besarnya error dapat dijelaskan dalam bentuk kisaran sekitar
hasil peramalan baik dalam unit atau persentase dan probabilitas tentang
dibandingkan dengan peramalan dalam item per item. Jika famili dari produk
semakin kecil.
berubah hanya sedikit dan berjalan sangat lambat. Apabila rentang waktu
13
Ibid., hlm. 112-113
peramalan.
dari cara melihatnya. Apabila dilihat dari sifat penyusunannya, maka peramalan
Yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang
Yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu,
penganalisaannya.
14
Op.cit., Rosnani Ginting. hlm.38-44.
penyusunan hasil ramalan yang jangka waktunya satu tahun atau kurang.
penyusunan hasil ramalan yang jangka waktunya satu hingga lima tahun
kedepan.
penyusunan hasil ramalan yang jangka waktunya lebih dari lima tahun
masa lalu. Hasil peramalan yang dibuat sangat tergantung dengan orang
yang menyusunnya.
kuantitatif masa lalu. Hasil peramalan yang dibuat sangat tergantung pada
15
Ibid., hlm.41-43
umumnya oleh manajer senior. Metode ini akan cocok dalam situasi yang
sangat sensitif terhadap intuisi dari suatu atua sekelompok kecil orang yang
Teknik akan dipergunakan dalam situasi dimana tidak ada situasi dimana
tidak ada alternatif lain dari model peramalan yang dapat diterapkan.
bidang yang berhubungan dengan pemasaran. Salah satu teknik utama adalah
kuesioner.
langsung sedangkan dalam metode Delphi sama sekali tidak ada interaksi
lisan.
5. Analogi Historis
Metode ini berdasarkan pada data masa lalu dari produk-produk yang dapat
Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas dua
bagian, yaitu:
antara variabel lain yang mempengaruhinya, yang bukan waktu yang disebut
adalah:
4. Lakukan peramalan
7. Lakukan verifikasi
gambar 2.2.
menganalisis serangkaian data yang merupakan fungsi dari waktu. Metode ini
waktu, dan pola dasarnya dapat diidentifikasi semata-mata atas dasar data historis
dari serial itu. Dengan metode deret waktu dapat ditunjukkan bagaimana
1. Pola siklis, jika penjualan produk memilki siklus yang berulang secara
menengah. Pola data ini terjadi bila data memiliki kecenderungan untuk naik
2. Pola musiman, jika pola penjualan berulang setiap periode. Pola musiman
4. Pola trend, jika data memiliki kecenderungan untuk naik atau turun terus
menerus.
neuralya. Ada beberapa trend yang digunakan di dalam penyelesaian masalah ini
yaitu :
1. Trend linier
Y = a + bt
Yt = a + bt
a
Yt b t
n
nty t Yt
b
nt 2 t
2
Y = aebt
Yt = aebt
ln a
ln Y b t
t
n t ln Y t ln Y
b
n t 2 t
2
Y = a + b log t
Yt = a + b log t
a
Y b log t
t
4. Trend Geometrik
Y = atb
Yt = atb
log a
log Y b log t
t
5. Trend Hiperbola
𝑎
𝑌=
𝑏𝑡
log a
log Y b log t
t
6. Trend Kuadratik
Jika trend linier merupakan deret waktu yang berupa garis lurus, maka trend
yang lalu, dengan membuat rata-rata tertimbang dari sederetan data masa lalu.
Ketepatan dengan metode ini akan terdapat pada peramalan jangka pendek,
a. Konstan
b. Linier
c. Kuadratis
e. Siklis
3. Metode Dekomposisi
Peramalan yang ditentukan dengan kombinasi dari fungsi yang ada sehingga
tidak dapat diramalkan secara biasa. Model tersebut didekati dengan fungsi
linier atau siklis, kemudian bagi t atas kwartalan sementara berdasarkan pola
METODOLOGI PENELITIAN
Lubuk Pakam dan kota Galang. Lokasi pabrik ini dari kota Lubuk Pakam berjarak
Deli Serdang. Waktu penelitian dilakukan pada tanggal Mei 2018 sampai dengan
selesai.
berbentuk case study yaitu penelitian tentang status subjek penelitian yang
Objek penelitian yang diamati adalah pengadaan bahan baku tandan buah
sumber pengadaan bahan baku, ketersediaan tenaga kerja, transfer CPO dan PK.
dan biaya pengadaan bahan baku serta biaya pengolahan. Keuntungan yang
hubungan logis antara faktor / variabel yang telah diidentifikasi penting untuk
Kapasitas Pabrik
Biaya Pengolahan
Studi Pendahuluan
1. Kondisi Perusahaan Studi Literatur
2. Masalah yang di hadapi 1. Buku terkait penelitian
perusahaan 2. Referensi jurnal penelitian
Pengumpulan Data
1. Data Primer
2. Data Sekunder
Pengolahan Data
1. Melakukan Peramalan
2. Menentukan Variabel Keputusan
3. Menentukan Fungsi Tujuan
4. Menentukan Fungsi Kendala
5. Analisis Primal
6. Analisis Sensitivitas
Selesai
sebagai berikut :
1. Data primer adalah data yang diperoleh dengan pengamatan langsung atau
2. Data sekunder adalah data yang diperoleh dari pencarian literatur penelitian. Data
sekunder yang digunakan untuk penelitian ini diperoleh langsung dari perusahaan.
Berikut adalah data sekunder yang digunakan yaitu data jumlah bahan baku TBS
pada perusahaan.
berikut :
Programming.
berdasarkan data yang diperoleh dari perusahaan yang mendukung penelitian ini
bahan baku TBS pada produksi CPO dan PK dengan metode linear programming.
pengadaan bahan baku TBS pada produksi CPO dan PK untuk menghasilkan
perusahaan.
keputusan yaitu produksi CPO, produksi PK, harga jual CPO, harga jual PK,
biaya produksi dalam pengolahan TBS, jumlah tenaga kerja, dan biaya pengadaan
TBS baik dari kebun sendiri PTPN II – PKS Pagar Merbau maupun dari pihak
ketiga selama satu periode yaitu mulai Maret 2017 hingga April 2018.
Biaya Biaya
Harga Pengadaan Pengadaan Biaya TBS TBS pihak
Harga CPO
Bulan CPO (kg) PK (kg) PK TBS Kebun TBS Pihak Pengolahan
(Rp/kg) Sendiri (kg) 3 (kg)
(Rp/kg) Sendiri Ketiga (Rp/kg)
(Rp/kg) (Rp/kg)
April 2017 2.037.912 407.630 8.109,59 6.060,00 45 1.655,63 97,39 9.096.420 1.090.640
Mei 2017 2.591.114 571.666 7.852,31 5.100,07 39 1.562,84 86,48 11.489.860 1.498.340
Juni 2017 2.486.932 502.731 8.149,84 5.980,80 40 1.661,86 120,00 11.072.680 1.144.090
Juli 2017 3.060.856 649.951 7.752,21 5.533,75 39,5 1.570,44 195,42 13.678.130 1.418.260
Agustus 2017 2.152.350 408.670 7.634,82 5.450,00 39 1.542,22 182,15 9.791.180 825.740
September 2017 2.191.884 362.407 8.547,91 7.506,70 50 1.794,43 176,27 10.487.570 319.250
Oktober 2017 2.057.410 279.040 8.326,82 7.859,73 51 1.759,70 183,21 9.675.380 450.630
November 2017 2.238.020 326.907 8.494,33 8.064,88 55 1.802,61 184,51 10.970.820 81.000
Desember 2017 2.312.822 318.086 7.910,40 8.008,00 54 1.696,89 265,57 11.182.350 0
Januari 2018 2.094.621 323.839 7.777,05 6.941,96 47 1.627,45 182,74 10.046.550 0
Februari 2018 1.485.543 216.105 7.854,44 6.707,50 46 1.630,52 238,25 7.141.870 0
Maret 2018 2.163.189 444.021 8.167,78 6.993,88 49 1.698,09 165,92 10.283.710 11.660
Sumber : PTPN II – PKS Pagar Merbau
akan datang, maka akan dilakukan peramalan dengan metode time series. Metode
fungsi waktu.
Data besarnya penjualan CPO dari April 2016 sampai dengan Maret 2018
Dari data penjualan CPO pada Tabel 5.3 maka dibuat scatter diagram untuk
1.400.700
1.200.700
1.000.700
800.700
600.700
400.700
200.700
700
1 2 3 4 5 6 7 8 9 10 11 12
Bulan
a. Metode Kuadratis
b. Metode Siklis
a. Metode kuadratis
x Y x2 x3 x4 x.Y x2.Y
1 1487450 1 1 1 1487450 1487450
2 1480491 4 8 16 2960982 5921964
3 1179702 9 27 81 3539106 10617318
4 1278828 16 64 256 5115312 20461248
5 1223149 25 125 625 6115745 30578725
6 1484300 36 216 1296 8905800 53434800
7 1847931 49 343 2401 12935517 90548619
8 1804475 64 512 4096 14435800 115486400
9 1467894 81 729 6561 13211046 118899414
10 1527235 100 1000 10000 15272350 152723500
11 1282870 121 1331 14641 14111570 155227270
12 1674521 144 1728 20736 20094252 241131024
78 17738846 650 6084 60710 118184930 996517732
Sumber : PTPN II – PKS Pagar Merbau
= ∑ X ∑ X2 - n ∑ X3
= (78)(650)-(12)(6084)
= -22308
= ∑(X)2 - n ∑ X2
= (78)2 – (12)(6084)
= -1716
2
= ( ∑ X2 ) - n ∑ X4
= (650)2 – (12)(60710)
= -3060320
=∑ X ∑ Y - n ∑ XY
= (78)(17738846) – (12)(118184930)
= -34589172
= -427962884
. .
b =
. 2
b
c =
(-427962884) - 37767,5355(-22308)
c =
-3060320
= -1354,6673
a =
Y b X c X 2
n
17738846- 37767,5355 (78) - (-1354,6673) (650)
a =
12
= 1306125,998
b. Metode Siklis
2πt 2πt
Fungsi peramalan: Y' =a+bsin + ccos
n n
17738846
a = = 1478237
12
-993983,606
b = = -165663,9343
6
c = -18005,5501
2πx 2πx
Y’ = 1478237 -165663,9343 sin - 18005,5501 cos
n n
2
∑nx = 1 (y - y' )
SEE = √
n- f
∑ y-y'
PE = x 100 %
y
y = data aktual
y’ = data peramalan
n = banyak data
f = derajat kebebasan
a. Metode Kuadratis ( f = 3 )
n 2
∑ (y - y' ) 455.824.007.577,50
SEE =√ x = 1 = √ = 225.053,5757
n- f 10 - 3
∑ y-y'
PE = x 100 % = 136,1297 %
y
c. Metode Siklis ( f = 3 )
2
∑nx = 1 (y - y' ) 385220048303
SEE =√ = √ = 206.886,9923
n- f 10 - 3
∑ y-y'
PE= x 100 % = 129,8498 %
y
α : 0,05
Daerah
Penerimaan
Hipotesa
0,00
0,9192 3,79
Sumber : PTPN II – PKS Pagar Merbau
Gambar 5.2. Grafik Uji Hipotesis Penjualan CPO dengan Distribusi F
kuadratis.
2πx 2πx
Y’ = 1478237 -165663,9343 sin n
- 18005,5501 cos n
7. Verifikasi peramalan
MR =
MR 2204560,537 = 200414,5943
n 1 11
400.000 Y-Y'
BKA
200.000 2/3 BKA
1/3 BKA
BKB
0 2/3 BKB
1 2 3 4 5 6 7 8 9 10 11 12
-200.000
-400.000
-600.000
Periode
hasil peramlan dapat dilihat pada Tabel 5.10 dengan fungsi peramalan :
2πx 2πx
Y’ = 1478237 -165663,9343 sin - 18005,5501 cos
n n
Permintaan CPO
2.000.000,00
1.500.000,00
1.000.000,00
Permintaan CPO
500.000,00
-
13 14 15 16 17 18 19 20 21 22 23 24
Grafik perbandingan antara data aktual dan hasil peramalan CPO dapat
5.000.000,00
4.500.000,00
4.000.000,00
3.500.000,00
3.000.000,00
2.500.000,00 CPO Aktual
1.500.000,00
1.000.000,00
500.000,00
-
13 14 15 16 17 18 19 20 21 22 23 24
Dari data Penjualan PK pada Tabel 5.11 maka dibuat scatter diagram untuk
300.000
200.000
Inti
100.000
-
1 2 3 4 5 6 7 8 9 10 11 12
Bulan
c. Metode Kuadratis
d. Metode Siklis
a. Metode kuadratis
x Y x2 x3 x4 x.Y x2.Y
1 252860 1 1 1 252860 252860
2 280780 4 8 16 561560 1123120
3 207570 9 27 81 622710 1868130
4 228943 16 64 256 915772 3663088
5 256860 25 125 625 1284300 6421500
6 275100 36 216 1296 1650600 9903600
7 401090 49 343 2401 2807630 19653410
8 350810 64 512 4096 2806480 22451840
9 308627 81 729 6561 2777643 24998787
10 288760 100 1000 10000 2887600 28876000
11 241963 121 1331 14641 2661593 29277523
12 256870 144 1728 20736 3082440 36989280
78 3350233 650 6084 60710 22311188 185479138
Sumber : PTPN II – PKS Pagar Merbau
= ∑ X ∑ X2 - n ∑ X3
= (78)(650)-(12)(6084)
= -22308
= ∑(X)2 - n ∑ X2
= (78)2 – (12)(6084)
= -1716
2
= ( ∑ X2 ) - n ∑ X4
= (650)2 – (12)(60710)
= -3060320
= ∑ X ∑ Y - n ∑ XY
= (78)(3350233) – (12)(22311188)
= -6416082
= ∑ X2 ∑ Y - n ∑ X2 Y
= (650)(3350233) – (12) (185479138)
= -48098206
b
c =
(-48098206) - 32400,3879 (-22308)
c =
-3060320
= -2204,724
a =
Y b X c X 2
n
3350233 - 32400,3879 (78) - (-2204,724) (650)
a =
12
= 188006,112
b. Metode Siklis
2πt 2πt
Fungsi peramalan: Y' =a+bsin + ccos
n n
3350233
a = = 279186,0833
12
-280171
b = = -46695,167
6
c = -27434,771
2πx 2πx
Y’ = 279186,0833 -46695,167 sin - 27434,771 cos
n n
2
∑nx = 1 (y - y' )
SEE = √
n- f
∑ y-y'
PE = x 100 %
y
y = data aktual
y’ = data peramalan
n = banyak data
f = derajat kebebasan
a. Metode Kuadratis ( f = 3 )
n 2
∑ (y - y' ) 22.209.837.841,18
SEE =√ x = 1 = √ = 50.782,5843
n- f 10 - 3
∑ y-y'
PE= x 100 % = 158,3183 %
y
2
∑nx = 1 (y - y' ) 21.253.086.645,2127
SEE =√ n- f
= √ 10 - 3
= 48.594,7947
∑ y-y'
PE= x 100 % = 169,4404 %
y
Daerah
Penerimaan
Hipotesa
kuadratis.
2πx 2πx
Y’ = 279186,0833 -46695,167 sin - 27434,771 cos
n n
7. Verifikasi peramalan
MR =
MR 412031,6481 = 37457,4226
n 1 11
400.000 Y-Y'
BKA
200.000 2/3 BKA
1/3 BKA
BKB
0 2/3 BKB
1 2 3 4 5 6 7 8 9 10 11 12
-200.000
-400.000
-600.000
Periode
2πx 2πx
Y’ = 279186,0833 -46695,167 sin - 27434,771 cos
n n
Permintaan Inti
400.000,00
350.000,00
300.000,00
Permintaan Inti
250.000,00
200.000,00
150.000,00 PK
100.000,00
50.000,00
-
13 14 15 16 17 18 19 20 21 22 23 24
Bulan
1.200.000,00
1.000.000,00
800.000,00
200.000,00
-
13 14 15 16 17 18 19 20 21 22 23 24
LINDO 6.1.
periode satu tahun. Variabel keputusan yang digunakan adalah harga CPO, harga
PK, biaya pengadaan TBS kebun sendiri, biaya pembelian TBS dan biaya
hasil penjualan produksi CPO dan PK dengan total biaya pengadaan bahan baku
sebelum dikurangi biaya tetap, biaya umum atau disebut juga laba kotor. Hal ini
mengingat biaya tetap tidak berubah sesuai perubahan jumlah produksi sehingga
Maksimisasi
Z = (TR - TC)
TR = (ΣX1*P1)ij + (ΣX2*P2)ij
Keterangan:
X1 = umlah CPO per bulan yang dihasilkan dari proses pengolahan TBS (Kg)
X2 = jumlah PK per bulan yang dihasilkan dari proses pengolahan TBS (Kg)
yang diperoleh langsung dari bagian produksi, sehingga mungkin saja dalam
secara spesifik misalnya, biaya manajemen, biaya listrik, sewa gedung, mesin dan
biaya yang diperoleh. Berdasarkan uraian di atas, sehingga fungsi tujuan dari
Maksimisasi :
Z = ( 8.109,59 X31 + 7.852,31 X32 + 8.149,84 X33 + 7.752,21 X34 + 7.634,82 X35 +
8.547,91 X36 + 8.326,82 X37 + 8.494,33 X38 + 7.910,40 X39 + 7.777,05 X310 +
7.854,44 X311 + 8.167,78 X312 ) + (6.060,00 X41 + 5.100,07 X42 + 5.980,80 X43 +
5.533,75 X44 + 5.450,00 X45 + 7.506,70 X46 + 7.859,73 X47 + 8.064,88 X48 +
8.008,00 X49 + 6.941,96 X410 + 6.707,50 X411 + 6.993,88 X412 ) – (45 X11 + 39 X12
X111 + 49 X112 ) – (1.655,63 X21 + 1.562,84 X22 + 1.661,86 X23 + 1.570,44 X24 +
1.542,22 X25 + 1.794,43 X26 + 1.759,70 X27 + 1.802,61 X28 + 1.696,89 X29 +
1.627,45 X210 + 1.630,52 X211 + 1.698,09 X212 ) – ( 97,39 X51 + 86,48 X52 + 120
X53 + 195,42 X54 + 182,15 X55 + 176,27 X56 + 183,21 X57 + 184,51 X58 + 265,57
Keterangan :
X11-X112 = Biaya TBS yang berasal dari Kebun Sendiri PTPN II – PKS Pagar
Januari- Desember
X31-X312 = Harga jual CPO dari PTPN II – PKS Pagar selama bulan Januari -
Desember
X41-X412 = Harga jual PK dari PTPN II – PKS Pagar selama bulan Januari
Desember
X51-X512= Biaya pengolahan TBS menjadi CPO dan PK dari bulan Januari -
Desember
Terdapat beberapa kendala yang dirumuskan dalam penelitian ini yaitu, kendala
kg/bulan.
Σ Xij ≤ Bj
Keterangan :
Xij = Jumlah bahan baku yang dipasok kepabrik dari sumber ke i pada bulan ke j
(kg/bln)
Koefisien fungsi yang digunakan dalam mengolah TBS adalah benilai satu
karena kapasitas maksimal pabrik kelapa sawit sama. Nilai sebelah kanan kendala
(right hand side) dari persamaan kendala ini merupakan hasil penggalian
kapasitas pabrik (30 ton/jam) dengan waktu pengolahan (22 jam) dalam satu hari
dan dikalikan dengan hari beroperasi dalam 1 bulan produksi (26 hari kerja) yaitu
Pasokan bahan baku TBS dari kebun plasma merupakan salah satu
kontiniu. Berdasarkan data produksi Maret 2017 hingga April 2018 pembelian
TBS mampu memasok sebesar 60 persen dari total pasokan TBS di PTPN II- PKS
Pagar Merbau. Dalam hal ini diasumsikan umur tanaman kelapa sawit kebun
PTPN II- PKS Pagar Merbau dan plasma adalah sama. Sehingga formulasi model
Σ X2 j ≤ 0,6 (X1 j + X2 j )
Σ X2 j ≤ (0,6X1 j + 0,6 X2 j )
Σ X2 j -0,6 X2 j – 0,6 X1 j ≤ 0
Σ 0,4 X2 j – 0,6 X1 j ≤ 0
X1j = Jumlah pasokan bahan baku TBS dari kebun sendiri pada bulan ke-j
(kg/bln)
X2j = Jumlah Pasokan TBS yang dibeli dari kebun plasma pada bulan ke-j
(kg/bln)
menetapkan batas maksimal pembeliaan TBS dari kebun plasma adalah sebesar
150.000 kg/hari atau 3.900.000 kg/bulan , Dimana pilihan pembelian ini dapat
berikut :
Σ X2ij≤ R ij
Keterangan :
X2ij = Jumlah bahan baku yang dipasok dari pembelian produksi kebun pasma
Rij = Kuota pembelian bahan baku oleh pabrik pada bulan ke-j (kg/bln)
Adapun model fungsi kendala dari penetapan kuota pembelian dari PTPN
Tenaga kerja yang tersedia tiap bulannya untuk mengolah bahan baku
kendala. Dalam tiap shift terdapat 65 orang tenaga kerja langsung yang
Sehingga 1 hari tersedia tenaga kerja 130 orang. Berdasarkan perhitungan 26 hari
kerja perbulannya, maka tenaga kerja yang tersedia tiap bulannya adalah:
HOK = Jumlah tenaga kerja dalam sehari x hari kerja dalam sebulan
Dengan jumlah HOK yang dimiliki oleh PTPN II – PKS Pagar Merbau
tenaga kerja melakukan kegiatan produksi dengan mengolah TBS yang dipasok
dari masing-masing sumber yaitu kebun sendiri PTPN II – PKS Pagar Merbau
dan TBS pembelian. Jumlah TBS yang diolah PTPN II – PKS Pagar Merbau pada
Maret 2017 hingga April 2018 berdasarkan masing-masing sumber dapat dilihat
Tabel 5.23. Pasokan Bahan Baku PTPN II-PKS Pagar Merbau pada Maret
2017 hingga April 2018
Kebun PTPN II-PKS Pembelian Pihak Total (kg)
Bulan
Pagar Merbau (kg) Ketiga (kg)
April 2017 9.096.420 1.090.640 10.187.060
Mei 2017 11.489.860 1.498.340 12.988.200
Juni 2017 11.072.680 1.144.090 12.216.770
Juli 2017 13.678.130 1.418.260 15.096.390
Agustus 2017 9.791.180 825.740 10.616.920
September 2017 10.487.570 319.250 10.806.820
Oktober 2017 9.675.380 450.630 10.126.010
November 2017 10.970.820 81.000 11.051.820
Desember 2017 11.182.350 0 11.182.350
Januari 2018 10.046.550 0 10.046.550
Februari 2018 7.141.870 0 7.141.870
Maret 2018 10.283.710 11.660 10.295.370
Sumber : PTPN II – PKS Pagar Merbau
Σ Ci Xij ≤ M j
Keterangan :
Cj = Tenaga kerja yang dibutuhkan untuk mengolah 1 kg TBS pada bulan ke-
j (HOK/kg)
X ij = Jumlah bahan baku yang dipasok dari sumber ke-i pada bulan ke-j
(kg/bln)
Nilai Koefisien untuk kendala ketersediaan tenaga kerja ini adalah waktu
yang dibutuhkan untuk mengolah satu kilogram TBS dari kebun sendiri dan
pembelian dari plasma. Nilai ruas kanan (Right Hand Side) dalam kendala jam
tenaga kerja lapangan ini adalah ketersediaan tenaga kerja lapangan yang
diperhitungkan berdasarkan jumlah jam kerja dalam satu bulan. Nilai ruas kanan
merupakan ketersediaan tenaga kerja yang dimiliki oleh PTPN II – PKS Pagar
Merbau adalah 3.380 HOK perbulan. Koefisien fungsi kendala pada ketersediaan
tenaga kerja merupakan hasil perbandingan jumlah HOK yang dimiliki PTPN II –
PKS Pagar Merbau dengan total TBS yang dipasok dari masing-masing sumber
yaitu kebun PTPN II – PKS Pagar Merbau (X1) dan pembelian dari pihak ketiga
(X2) yang diolah di PTPN II – PKS Pagar Merbau pada setiap bulannya.
berikut:
HOK 3.380
1. Koefisien X11 = = 9.096.420 = 0,00037
Total TBS PTPN II pada Bulan Maret 2017
HOK 3.380
2. Koefisien X21 = = 1.090.640 = 0,00310
Total TBS Pihak 3 pada Bulan Maret 2017
dari setiap kilogram TBS yang diolah. Rendemen TBS menghasilkan CPO adalah
persen, maka koefisien fungsi kendalanya adalah β. Nilai ruas kanan (Right Hand
Σ X3j ≤ α (X 1j + X 2j )
Σ X4j ≤ β (X 1j + X 2j )
Keterangan :
α = Rendemen CPO
β = Rendemen PK
X 1j = Jumlah TBS yang dipasok dari kebun PTPN II-PKS Pagar Merbau pada
bulan ke-j(kg/bln)
X 2j = Jumlah TBS yang dipasok dari kebun pembelian pada bulan ke-j(kg/bln)
rendemen yang dihasilkan oleh TBS menjadi CPO pada setiap bulan. Tingginya
penentu mutu produksi CPO dan PK yang dihasilkan. Hasil rendemen CPO pada
Maret 2017 hingga April 2018 dapat dilihat pada Tabel 5.25.
Tabel 5.25. Rendemen CPO PTPN II-PKS Pagar Merbau pada Maret 2017
hingga April 2018
Kebun PTPN II-PKS Pembelian Pihak Gabungan
Bulan
Pagar Merbau (%) Ketiga (%) (%)
April 2017 20,13 19 19,57
Mei 2017 20,07 19 19,54
Juni 2017 20,5 19 19,75
Juli 2017 20,41 19 19,71
Agustus 2017 20,38 19 19,69
September 2017 20,32 19 19,66
Oktober 2017 20,38 19 19,69
November 2017 20,26 19 19,63
Desember 2017 20,68 0 10,34
Januari 2018 20,85 0 10,43
Februari 2018 20,8 0 10,40
Maret 2018 21,01 19 20,01
Sumber : PTPN II – PKS Pagar Merbau
dihasilkan dari TBS masing-masing sumber setiap bulannya. Nilai ruas kanan
berikut:
Σ X3j ≤ α (X 1j + X 2j )
Σ X3j - α (X 1j + X 2j ) ≤ 0
Keterangan :
α = Rendemen CPO
X1j = Jumlah TBS yang dipasok dari kebun PTPN II-PKS Pagar Merbau pada
bulan ke-j(kg/bln)
X2j = Jumlah TBS yang dipasok dari kebun pembelian pada bulan ke-j(kg/bln)
Hasil rendemen PK pada Maret 2017 hingga April 2018 dapat dilihat pada Tabel
5.27.
Tabel 5.27. Rendemen PK PTPN II-PKS Pagar Merbau pada Maret 2017
hingga April 2018
Kebun PTPN II-PKS Pembelian Pihak Gabungan
Bulan
Pagar Merbau (%) Ketiga (%) (%)
April 2017 4 4 4,00
Mei 2017 4,45 4 4,23
Juni 2017 4,13 4 4,07
Juli 2017 4,43 4 4,22
Agustus 2017 3,84 4 3,92
September 2017 3,33 4 3,67
Oktober 2017 2,7 4 3,35
November 2017 2,95 4 3,48
Desember 2017 2,84 0 1,42
Januari 2018 3,22 0 1,61
Februari 2018 3,03 0 1,52
Maret 2018 4,32 4 4,16
Sumber : PTPN II – PKS Pagar Merbau
rendemen PK yang dihasilkan oleh TBS dari masing-masing sumber TBS setiap
berikut:
% Kadar PK PTPN II 4
1. Koefisien X11 = = 100 = 0,04
100
% Kadar PK Pihak 3 4
2. Koefisien X21 = = 100 = 0,04
100
Tabel 5.11.
Σ X4j ≤ β (X 1j + X 2j )
Σ X4j - β (X 1j + X 2j ) ≤ 0
Keterangan :
β = Rendemen PK
X 1j = Jumlah TBS yang dipasok dari kebun PTPN II-PKS Pagar Merbau pada
bulan ke-j(kg/bln)
X 2j = Jumlah TBS yang dipasok dari kebun pembelian pada bulan ke-j(kg/bln)
berlangsung, seperti biaya tenaga kerja langsung, biaya bahan kimia, biaya bahan
bakar dan biaya listrik. Biaya pengolahan pada PTPN II – PKS Pagar Merbau
adalah biaya pengolahan CPO dan PK. Biaya pengolahan perkilogram setiap
bulannya berbeda tergantung pada harga CPO dan PK yang dihasilkan. Biaya
Σ X5j - £X3j - £X 4j ≤ 0
Keterangan :
Dari data harga CPO dan PK dan biaya pengolahan maka diperoleh
CPO dan PK yang dihasilkan. Rumusan fungsi kendala biaya pengolahan dapat
97,39 x 10.187.060
= (2.037.912 x 8.109,59) + (407.630 x 6.060)
= 0,0522
Algoritma Simpleks. Formulasi fungsi tujuan dan fungsi kendala pada bulan Mei
Max Z = 7852,31 X32 + 5100,07 X42 - 39 X12- 1562,84 X22 – 86,48 X52
Subject To :
X22 ≤ 3900000
Max Z = 7852,31 X32 + 5100,07 X42 - 39 X12- 1562,84 X22 – 86,48 X52 + S1 +
S2 + S3 + S4 + S5 + S6 + S7
Subject To :
X22 + S3 ≤ 3900000
Dari bentuk standar Linear Proramming diatas disusun dalam bentuk table seperti
1. Memilih Kolom
Pilih harga Cj yang (+) terbesar, katakana kolom ke k, variabelnya disebut Entering Variable
Setelah kolom terpilih, maka pilih baris pivot dengan cara memilih harga Ri terkecil. Harag Ri dapat diperoleh dari hasil
Sel perpotongan antara kolom yang terpilih dan baris terpilih disebut a rk atau titik pivot.
Iterasi 0 :
Proses iterasi ialah proses yang dilakukan secara bertahap untuk mengalihkan
alokasi sumberdaya dari semua kegiatan S1, S2, S3, S4, S5, S6, dan S7, kepada
kegiatan nyata X1, X2, X3, X4, dan X5. Karena alokasi sumberdaya dilakukan
kepada X3, maka variabel ini dimasukkan ke dalam variabel basis menggantikan
variabel S5. Dengan demikian nilai pada sel-sel akan berubah sebagai berikut:
Nilai masing-masing sel dibagi dengan nilai sel titik pivot. Contoh : nilai pada
-0,2001 -0,19 1 0 0 0 0 0 0 1 0 0
Untuk mendapatkan nilai baru untuk setiap sel, masing-masing nilai lama
pada sel yang relevan dibagi dengan nilai sel titik pivot. Nilai sel titik pivot
adalah 1, maka nilai baru masing-masing sel pada baris pivot adalah:
-0,2001 -0,19 1 0 0 0 0 0 0 1 0 0
cara:
Arj
Aij baru = Aij lama - x Aik
Ark
Keterangan :
1 1 0 0 0 1 0 0 0 0 0 0 17.160.000
1 1 0 0 0 1 0 0 0 0 0 0 17.160.000
Arj
Aij baru = Aij lama - x Aik
Ark
0
A11 baru = 1 - x -0,2001
1
A11 baru = 1 – 0 = 1
Dilakukan iterasi seperti pada langkah-langkah sebelumnya. Hasilnya dapat dilihat pada Tabel 5.33.
Dilakukan iterasi seperti pada langkah-langkah sebelumnya. Hasilnya dapat dilihat pada Tabel 5.34.
X1 = 11.655.172,4
Z max = 22.753.370.000
X3 = 2.332.200
X4 = 518.655
Hasil iterasi diperoleh banyaknya bahan baku yang optimal yaitu 11.655.172,4 kg
22.753.370.000.
2. Kemudian diambil tahap solution dengan cara klik Solve pada toolbar, seperti
3. Jika muncul kolom perintah “Do Range Analysis?” klik Yes, seperti yang
4. Maka akan muncul status optimal seperti yang terlihat pada Gambar 5.4.
1) 0.2050378E+11
NO. ITERATIONS= 0
dengan menggunakan software LINDO 6.1 dapat dilihat pada Tabel 5.35.
Hasil optimal dengan menggunakan Software LINDO 6.1 dalam satu tahun yaitu
1) 0.2290061E+12
NO. ITERATIONS= 36
LINDO untuk periode Maret 2017 - April 2018 dari hasil penyelesaian fungsi
Hasil olahan data aktual pada Tabel 5.1, bahwa kondisi aktual yang
229.006.100.000. Adanya perbedaan besar laba kotor pengadaan bahan baku dan
berlebih atau tidak dimanfaatkan secara optimal seperti kapasitas pabrik, TBS
menjadi aktivitas pengadaan bahan baku dari kebun sendiri dan aktivitas
pengadaan bahan baku dari pembelian. Tingkat pengadaan aktivitas bahan baku
TBS pada kondisi optimal dan aktual dapat dilihat pada Tabel 5.20. Beradasarkan
Tabel 5.20 pengadaan TBS aktual yang berasal dari kebun sendiri PTPN II – PKS
April 2017, Mei 2017, September 2017, Desember 2017 dan Februari 2018.
Sedangkan pada bulan Juni 2017, Juli 2017, Agustus 2017, Oktober 2017
Tabel 5.37. Tingkat Pengadaan Bahan Baku PTPN II – PKS Pagar Merbau
Keadaan Aktual dan Keadaan Optimal
Keadaan Keadaan Selisih
Bulan
Optimal (kg) Aktual (kg) (kg)
April 2017 9.135.135 9.096.420 -38.715
Mei 2017 11.655.173 11.489.860 -165.313
Juni 2017 10.903.226 11.072.680 169.454
Juli 2017 13.519.999 13.678.130 158.131
Agustus 2017 9.657.143 9.791.180 134.037
September 2017 10.562.500 10.487.570 -74.930
Oktober 2017 9.657.143 9.675.380 18.237
November 2017 10.903.226 10.970.820 67.594
Desember 2017 11.266.666 11.182.350 -84.316
Januari 2018 9.941.177 10.046.550 105.373
Februari 2018 7.191.490 7.141.870 -49.620
Maret 2018 10.242.424 10.283.710 41.286
Sumber : PTPN II – PKS Pagar Merbau
apabila dipasok sejumlah kebutuhan TBS pada nilai Optimalnya. Sedangkan pada
bulan Juni, Juli, Agustus, Oktober, November, Januari, dan Maret pasokan bahan
baku TBS aktual dari kebun sendiri PTPN II – PKS Pagar Merbau mengalami
kelebihan sebesar 169.454 Kg, 158.131 Kg, 134.037 Kg, 18.237 Kg, 67.594 Kg,
105.373 Kg dan 41.286 Kg. Oleh sebab itu sebaiknya PTPN II – PKS Pagar
Merbau tidak perlu melakukan pasokkan TBS dari pembelian pada bulan ini,
hasil olahan pengadaan pasokan bahan baku TBS dari pembelian dapat dilihat
Pada Tabel 5.38. dapat diketahui bahwa pengadaan bahan baku TBS dari
disarankannya pengadaan TBS dari pembelian diduga terjadi karena harga bahan
baku TBS dari pembelian lebih tinggi dari pengadaan TBS kebun sendiri. Pada
April 2017 hingga Maret 2018 pasokan bahan baku TBS yang berasal dari
pembelian sepanjang tahun memiliki nilai reduce cost lebih besar dari nol.
Artinya bahwa pasokan TBS dari pihak ketiga tetap layak untuk dilakukan tetapi
tidak memberikan keuntungan optimal bagi perusahaan. Biaya tertinggi yang akan
ditanggung oleh perusahaan apabila pasokan tetap diadakan terjadi pada bulan
Maret yaitu sebesar Rp 1.729.351,50. Sementara biaya terendah terjadi pada bulan
dilakukan untuk mengetahui sejauh mana selang perubahan pada koefisien dan
dilihat dari selang kepekaan yang terdiri atas batas minimum (allowable decrease)
nilai batas penurunan dan kenaikan kendala yang tidak akan mengubah model.
software LINDO 6.1 terdiri atas dua bagian yaitu analisis sensitivitas nilai fungsi
tujuan dan analisis sensitivitas ruas kanan kendala. Semakin sempit nilai selang
kepekaan maka akan semakin peka hasil solusi optimal pada model Linear
nilai koefisien fungsi tujuan dan analisis sensitivitas nilai ketersediaan kendala
(RHS).
selang perubahan harga CPO dan PK, biaya TBS dan biaya pengolahan CPO dan
PK yang masih diizinkan agar solusi optimal dalam perencanaan pengadaan bahan
baku tetap berlaku dengan parameter lain dianggap konstan. Peningkatan harga
CPO, PK dan biaya pengadaan bahan baku dari kebun sendiri secara kesuluruhan
memiliki batasan kenaikan nilai harga/ biaya yang tidak terhingga (infinity) dan
batas penurunan harga/biaya yang diperbolehkan sebesar nilai tertentu. Hal ini
nilai biaya bahan baku TBS yang berasal dari kebun sendiri PTPN II – PKS Pagar
Tabel 5.39. Analisis Sensitivitas Nilai Biaya Bahan Baku TBS PTPN II – PKS
Pagar Merbau
Batas Kenaikan Batas Penurunan
Bulan Koefisien yang Diperbolehkan yang Diperbolehkan
(Rp) (Rp)
April 2017 -45 INFINITY 1814,63
Mei 2017 -39 INFINITY 1742,12
Juni 2017 -40 INFINITY 1864,5
Juli 2017 -39,5 INFINITY 1774,86
Agustus 2017 -39 INFINITY 1715,44
September 2017 -50 INFINITY 1932,98
Oktober 2017 -51 INFINITY 1851,83
November 2017 -55 INFINITY 1902,87
Desember 2017 -54 INFINITY 1809,29
Januari 2018 -47 INFINITY 1798,05
Februari 2018 -46 INFINITY 1790,96
Maret 2018 -49 INFINITY 1968,69
Sumber : PTPN II – PKS Pagar Merbau
penurunan biaya yang tidak terhingga jumlahnya. Analisis sensitivitas nilai biaya
bahan baku TBS yang berasal dari pihak ketiga dapat dilihat pada Tabel 5.40.
kendala (Right Hand Side) dilakukan untuk melihat batas perubahan pada
pentingnya suatu sumberdaya, dimana semakin kecil nilai selang perubahan pada
ketersediaan sumberdaya yang dipilih menjadi kendala dalam model LP, maka
kapasitas PKS dapat mengubah kondisi optimal dapat dilihat hasil analisis
Analisis sensitivitas nilai ketersediaan pasokan TBS dari pihak ketiga yang
digunakan untuk mengetahui sejauh mana perubahan jumlah TBS dari pihak
pasokan TBS dari pihak ketiga dapat dilihat pada Tabel 5.42.
Kepekaan batasan kuota pembelian TBS pihak ketiga dapat digunakan untuk
perusahaan. Batasan kuota pembelian TBS dari pihak ketiga ini juga
merupakan kendala bukan pembatas bagi PTPN II – PKS Pagar Merbau untuk
pembelian TBS dari pihak ketiga dapat dilihat pada Tabel 5.43.
Tabel 5.45 dapat diketahui secara keseluruhan kendala transfer TBS menjadi
CPO memiliki selang kepekaan yang lebar. Dimana batasan kenaikan yang
dihasilkan dari setiap satu kilogram TBS. Hasil analisis sensitivitas kendala
nilai optimal. Hasil analisis sensitivitas kendala biaya pengolahan CPO dan
Titik pulang pokok (Break Event Point) merupakan suatu titik atau
juga tidak mengalami kerugian. Berikut adalah perhitungan Break Event Point
dari perusahaan :
Dari data tersebut maka dapat dihitung nilai Break Event Point (BEP) produksi
CPO dan PK :
Fix Cost
BEP =
Harga Jual-Biaya Produksi
2.969.685.183
BEPApril 2017 = = 1.355.655 kg
14.169,59 - 11.979
- Aktual
Juni 2017
Juli 2017
Sep-17
Nov-17
Mei 2017
Januari 2018
Februari 2018
Maret 2018
Apr-17
Oktober 2017
Agustus 2017
menjadi aktivitas pengadaan bahan baku dari kebun sendiri yang berada di
Helvetia, Kwala Madu, Tandem, Bulu Cina, Kebun Tanjung Jati dan aktivitas
pengadaan bahan baku dari pembelian. Tingkat pengadaan aktivitas bahan baku
TBS pada kondisi optimal dan aktual dapat dilihat pada Tabel 6.1. Berdasarkan
Tabel 6.1 pengadaan TBS aktual yang berasal dari kebun sendiri PTPN II – PKS
April, Mei, September, Desember dan Februari yaitu sebesar 38.715 kg, 165.313
kg, 74.930 kg, 84.316 kg dan 49.620 kg. Sedangkan pada bulan Juni, Juli,
Agustus, Oktober, Novemver, Januari dan Maret pasokan TBS dari kebun sendiri
PTPN II – PKS Pagar Merbau mengalami kelebihan dari nilai optimalnya yaitu
sebesar 169.454 Kg, 158.131 Kg, 134.037 Kg, 18.237 Kg, 67.594 Kg, 105.373 Kg
apabila dipasok sejumlah kebutuhan TBS pada nilai optimalnya. Pada kondisi
aktual perusahaan tidak melakukan tindakan apapun jika TBS yang dibutuhkan
menambah kuota pembelian pada pihak ketiga sesuai dengan nilai optimalnya.
bahan baku sesuai dengan kriteria bahan baku yang digunakan oleh PTPTN II-
PKS Pagar Merbau. Bahan baku yang tidak sesuai dengan kriteria akan
mempengaruhi hasil akhir produksi CPO dan Inti yaitu kadar ALB yang tinggi
Tabel 6.1. Tingkat Pengadaan Bahan Baku PTPN II – PKS Pagar Merbau
Keadaan Aktual dan Keadaan Optimal
Keadaan Keadaan Selisih
Bulan
Optimal (kg) Aktual (kg) (kg)
April 2017 9.135.135 9.096.420 -38.715
Mei 2017 11.655.173 11.489.860 -165.313
Juni 2017 10.903.226 11.072.680 169.454
Juli 2017 13.519.999 13.678.130 158.131
Agustus 2017 9.657.143 9.791.180 134.037
September 2017 10.562.500 10.487.570 -74.930
Oktober 2017 9.657.143 9.675.380 18.237
November 2017 10.903.226 10.970.820 67.594
Desember 2017 11.266.666 11.182.350 -84.316
Januari 2018 9.941.177 10.046.550 105.373
Februari 2018 7.191.490 7.141.870 -49.620
Maret 2018 10.242.424 10.283.710 41.286
Sumber : PTPN II – PKS Pagar Merbau
Hasil olahan data aktual, bahwa kondisi aktual yang dialami oleh
229.006.100.000. Adanya perbedaan besar laba kotor pengadaan bahan baku dan
pengolahan TBS dari masing-masing kebun dalam kondisi aktual dan optimal,
Selisih nilai keuntungan antara optimal dan aktual diakibatkan oleh adanya
seperti kapasitas pabrik, dan adanya kelebihan maupun kekurangan bahan baku
dari keadaan optimal pada bulan bulan tertentu yang mengakibatkan keuntungan
tidak maksimal. Selisih dari keuntungan keadaan aktual dan keadaan optimal
menentukan kualitas produk akhir CPO dan Inti. Semakin tinggi rendemen CPO
maunpun Inti yang dihasilkan, maka semakin besar keuntungan yang akan
diperoleh oleh perusahaan. Kualitas CPO dan inti juga dilihat dari kadar air, kadar
ALB dan kadar kotoran. TBS yang diproduksi tidak sesuai kriteria atau terlalu
masak akan menghasilkan kadar ALB yang tinggi sehingga CPO dan Inti tidak
dapat dijual.
dilakukan untuk mengetahui sejauh mana selang perubahan pada koefisien dan
dilihat dari selang kepekaan yang terdiri atas batas minimum (allowable decrease)
nilai batas penurunan dan kenaikan kendala yang tidak akan mengubah model.
software LINDO 6.1 terdiri atas dua bagian yaitu analisis sensitivitas nilai fungsi
tujuan dan analisis sensitivitas ruas kanan kendala. Semakin sempit nilai selang
kepekaan maka akan semakin peka hasil solusi optimal pada model Linear
nilai koefisien fungsi tujuan dan analisis sensitivitas nilai ketersediaan kendala
(RHS).
selang perubahan harga CPO dan Inti, biaya TBS dan biaya pengolahan CPO dan
Inti yang masih diizinkan agar solusi optimal dalam perencanaan pengadaan
bahan baku tetap berlaku dengan parameter lain dianggap konstan. Peningkatan
harga CPO, Inti dan biaya pengadaan bahan baku dari kebun sendiri secara
kesuluruhan memiliki batasan kenaikan nilai harga/ biaya yang tidak terhingga
perusahaan tidak akan mempengaruhi solusi optimal pada kondisi model aktual.
Analisis sensitivitas nilai biaya bahan baku TBS yang berasal dari kebun sendiri
Tabel 6.3. Analisis Sensitivitas Nilai Biaya Bahan Baku TBS PTPN II – PKS
Pagar Merbau
Batas Kenaikan Batas Penurunan
Bulan Koefisien yang Diperbolehkan yang Diperbolehkan
(Rp) (Rp)
April 2017 -45 INFINITY 1814,63
Mei 2017 -39 INFINITY 1742,12
Juni 2017 -40 INFINITY 1864,5
Juli 2017 -39,5 INFINITY 1774,86
Agustus 2017 -39 INFINITY 1715,44
September 2017 -50 INFINITY 1932,98
Oktober 2017 -51 INFINITY 1851,83
November 2017 -55 INFINITY 1902,87
Desember 2017 -54 INFINITY 1809,29
Januari 2018 -47 INFINITY 1798,05
Februari 2018 -46 INFINITY 1790,96
Maret 2018 -49 INFINITY 1968,69
Sumber : PTPN II – PKS Pagar Merbau
penurunan biaya yang tidak terhingga jumlahnya. Analisis sensitivitas nilai biaya
bahan baku TBS yang berasal dari pihak ketiga dapat dilihat pada Tabel 6.4.
kendala (Right Hand Side) dilakukan untuk melihat batas perubahan pada
pentingnya suatu sumberdaya, dimana semakin kecil nilai selang perubahan pada
ketersediaan sumberdaya yang dipilih menjadi kendala dalam model LP, maka
kapasitas PKS dapat mengubah kondisi optimal dapat dilihat hasil analisis
Analisis sensitivitas nilai ketersediaan pasokan TBS dari pihak ketiga yang
digunakan untuk mengetahui sejauh mana perubahan jumlah TBS dari pihak
pasokan TBS dari pihak ketiga dapat dilihat pada Tabel 6.6.
Kepekaan batasan kuota pembelian TBS pihak ketiga dapat digunakan untuk
perusahaan. Batasan kuota pembelian TBS dari pihak ketiga ini juga
merupakan kendala bukan pembatas bagi PTPN II – PKS Pagar Merbau untuk
pembelian TBS dari pihak ketiga dapat dilihat pada Tabel 6.7.
Tabel 6.9. dapat diketahui secara keseluruhan kendala transfer TBS menjadi
CPO memiliki selang kepekaan yang lebar. Dimana batasan kenaikan yang
Kendala transfer TBS menjadi Inti juga merupakan kendala pembatas bagi
dihasilkan dari setiap satu kilogram TBS. Hasil analisis sensitivitas kendala
transfer dari TBS menjadi Inti dengan batasan penurunan dan peningkatan
Anallisis sensitivitas biaya pengolahan CPO dan Inti memiliki nilai batas
nilai optimal. Hasil analisis sensitivitas kendala biaya pengolahan CPO dan
Batas kenaikan ketersediaan plasma yaitu tidak terhingga dan batas penurunan
yang diperbolehkan sebesar 6.231.765 kg. Batas kenaikan kuota pembelian yaitu
tidak terhingga dan batas penurunan yang diperbolehkan sebesar 3.900.000 kg.
Batas kenaikan tenaga kerja yaitu 2325,70 HOK dan batas penurunan yang
diperbolehkan sebesar 3.380 HOK. Batas kenaikan transfer CPO, Inti dan biaya
pengolahan yaitu tidak terhingga sementara batas penurunan transfer CPO, Inti
dan biaya pengolahan yaitu sebesar 2.125.640,46 kg, 378.202,87 kg, dan Rp
253.047,57.
7.1. Kesimpulan
pembeliaan, kuota pembelian, tenaga kerja, transfer CPO, transfer inti, dan
biaya pengolahan.
yang mengalami kekurangan bahan baku TBS dari nilai optimalnya yaitu
pada bulan April, Mei, September, Desember dan Februari yaitu sebesar
38.715 kg, 165.313 kg, 74.930 kg, 84.316 kg dan 49.620 kg. Pemenuhan
bahan baku dapat dilakukan dengan cara penambahan kuota pembeliaan bahan
baku dari pihak ketiga yang sesuai dengan nilai optimal dan kriteria bahan
baku perusahaan.
keadaan optimal.
7.1. Saran
perusahaan.
bahan baku industri pengolahan Crude palm oil (CPO) dan palm kernel
oil (PKO) Studi Kasus PKS Adolina PT. Perkebunan Nusantara IV.
Bogor: IPB
Yogyakarta: Andi.
Marpaung, D Andar, dkk. 2017. Optimasi Produksi Crude Palm Oil (cpo) Dan Inti
Sawit (Kernel) Studi Kasus PT. Mega Sawindo Perkasa. Jakarta : UMB
Renta. 2015. Analisis Optimalisasi Pengadaan Tandan Buah Segar (TBS) Sebagai
Bahan Baku Produksi Crude Palm Oil (CPO) dan Palm Kernel (PK) di