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
DEPART EMEN TEKNIK INDUSTRI

F A K U L T A S T E K N I K
UNIVERSITAS SUMATERA UTARA
M E D A N
2018
Universitas Sumatera Utara

KATA PENGANTAR
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
sarjana teknik di Departemen Teknik Industri, Fakultas Teknik, Universitas
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”.
Penulis menyadari bahwa tugas sarjana ini masih jauh dari
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.
UNIVERSITAS SUMATERA UTARA, MEDAN PENULIS
AGUSTUS 2018

UCAPAN TERIMA KASIH
Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa karena atas
Berkat dan Rahmat-Nya penulis diberi kesempatan untuk merasakan dan
mengikuti pendidikan di Departemen Teknik Industri USU serta telah
menyelesaikan tugas sarjana.
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
banyak memberikan dukungan dan do’a disetiap kegiatan Penulis, sehingga
Penulis bisa menyelesaikan laporan Tugas Sarjana. Penulis juga mengucapkan
terima kasih kepada:
1. Ibu Dr. Meilita Tryana Sembiring, ST, MT, selaku Ketua Departemen Teknik
Industri, Universitas Sumatera Utara yang telah memberikan izin pelaksanaan
Tugas Sarjana.
2. Ibu Ir. Khawarita Siregar, MT selaku Dosen Pembimbing yang telah
memberikan waktu, bimbingan, pengarahan, dan masukan yang diberikan
kepada penulis dalam penyelesaian Tugas Sarjana ini.
3. Seluruh Dosen Departemen Teknik Industri, Universitas Sumatera Utara yang
telah memberikan bimbingan dan pengajaran selama perkuliahan yang
menjadi landasan serta bekal dalam penulisan Laporan Tugas Sarjana ini.

4. Seluruh staf pegawai Departemen Teknik Industri, Universitas Sumatera
Utara, Bang Mijo, Kak Rahma, Kak Dedek, Bang Nurmansyah, Bang Edi,
Ibu Ester yang telah membantu perihal administrasi untuk menyelesaikan
laporan ini.
5. Bapak Ahmad Khairi Nasution, selaku Manajer PTPN II - PKS Pagar
Merbau yang telah memberikan izin dan bimbingan kepada penulis untuk
menyelesaikan laporan tugas sarjana ini.
6. Seluruh staf dan karyawan PTPN II - PKS Pagar Merbau yang telah
membantu dan memberikan bimbingan serta informasi ataupun ilmu kepada
penulis untuk menyelesaikan laporan tugas sarjana ini.
7. Rekan seperjuangan di PTPN II - PKS Pagar Merbau yaitu Dewi Paramita
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
4 tahun melewati masa perkuliahan.
9. Teman terbaik penulis GOLDEN WAYS yaitu Strie, Mustika, Maylandari,
Enny, Rista, Sundari, Mita, dan Anggi, terimaksih atas semua dukungan dan
motivasinya.
10. Rekan-rekan asisten Laboratotium Studio Audio Visual dan Menggambar
Teknik, Cika, Novi, Icun, Armayani, Shifa, Didi, Jefrincer, Wanli, Ovie, Iin,
Bagas, dan Adit yang telah memberikan dukungan, motivasi dan do’a
sehingga selesainya laporan ini.
11. Rekan-rekan ELASTIS yang selalu memberikan do’a dan semangat.

12. Seluruh mahasiswa Tugas Sarjana Tahun Ajaran 2017/2018, Departemen
Teknik Industri, Universitas Sumatera Utara yang telah membantu dan
bekerja sama dengan baik hingga selesainya laporan ini.
Penulis menyadari bahwa masih banyak terdapat kekurangan dalam
laporan Tugas Sarjana. Semoga laporan ini dapat menjadi bahan evaluasi untuk
perbaikan di masa yang akan datang dan bermanfaat bagi para pembaca.
UNIVERSITAS SUMATERA UTARA, MEDAN PENULIS
AGUSTUS 2018

ABSTRAK
Kontinuitas proses produksi ditentukan oleh ketersediaan bahan baku. Peran

bahan baku merupakan hal yang dibutuhkan dalam berlangsungnya aktivitas
proses produksi suatu perusahaan. Pemenuhan bahan baku yang optimal akan
menghasilkan keuntungan yang optimal pula bagi perusahaan. PTPN II – PKS
Pagar Merbau merupakan salah satu perusahaan minyak agribisnis sawit di
Indonesia yang memproduksi Crude Palm Oil dan Palm Kernel (inti) yang
bertujuan meningkatkan keuntungan perusahaan dari penjualan CPO dan Inti.
Ketersediaan bahan baku tandan buah segar (TBS) perusahaan tidak optimal
sehingga produksi CPO dan Inti juga tidak optimal dan berakibat keuntungan
perusahaan tidak maksimal. Penelitian ini bertujuan memberikan masukan untuk
optimalisasi pengadaan TBS agar keuntungan perusahaan lebih optimal dengan
metode Linear Programming (LP). Hasil penelitian menunjukkan bahwa aktivitas
pengadaan TBS dalam satu periode (setahun) belum mencapai kondisi optimal
pada bulan April, Mei, September, Desember 2017 dan Februari 2018 yaitu
sebesar 38.715 kg, 165.313 kg, 74.930 kg, 84.316 kg dan 49.620 kg, kekurangan
bahan baku dapat dipenuhi dengan cara pembelian bahan baku kepada pihak
ketiga dengan jumlah kekurangan agar mencapai kondisi optimal. Keuntungan
pada kondisi optimal Rp. 229.006.100.000 dan pada kondisi aktual Rp.
207.905.777.710 yang memiliki selisih Rp. 21.100.322.290 yang berarti
keuntungan perusahaan dapat ditingkatkan sebesar 10,14 % dari keuntungan yang
diperoleh perusahaan. Keuntungan maksimal juga dapat dipengaruhi oleh kualitas
TBS yang baik, sehingga akan menghasilkan rendemen yang tinggi dan kadar
ALB yang rendah pada CPO dan Inti.
Kata Kunci : Optimalisasi Bahan Baku, Linear Programming

DAFTAR ISI
BAB HALAMAN
LEMBAR JUDUL ................................................................ i
LEMBAR PENGESAHAN .................................................. ii
SERTIFIKAT EVALUASI TUGAS SARJANA ............... iii
KATA PENGANTAR .......................................................... iv
UCAPAN TERIMA KASIH ................................................ v
ABSTRAK ............................................................................. viii
DAFTAR ISI ......................................................................... vix
DAFTAR TABEL ................................................................. xv
DAFTAR GAMBAR ............................................................ xix
I PENDAHULUAN ................................................................. I-1
1.1. Latar Belakang .............................................................. I-1
1.2. Perumusan Masalah ...................................................... I-4
1.3. Tujuan Penelitian .......................................................... I-5
1.4. Manfaat Penelitian ........................................................ I-5
1.5. Batasan Masalah dan Asumsi........................................ I-6
1.6. Sistematika Penulisan Laporan ..................................... I-6
II GAMBARAN UMUM PERUSAHAAN ............................. II-1
2.1. Sejarah PTPN II PKS Pagar Merbau ............................ II-1

DAFTAR ISI (LANJUTAN)
BAB HALAMAN
2.2. Ruang Lingkup Perusahaan........................................... II-3
2.3. Lokasi Perusahaan......................................................... II-3
2.4. Organisasi dan Manajemen ........................................... II-3
2.4.1. Struktur Organisasi ............................................ II-4
2.4.2. Jumlah Tenaga Kerja dan Jam Kerja................. II-6
2.4.2.1. Jumlah Tenaga Kerja ............................ II-6
2.4.2.2. Jam Kerja.............................................. II-7
2.4.2.3. Sistem Pengupahan .............................. II-7
2.5. Bahan............................................................................. II-8
2.5.1. Bahan Baku ....................................................... II-8
2.5.2. Bahan Tambahan ............................................... II-9
2.5.7. Bahan Penolong................................................. II-9
2.6. Uraian Proses Produksi ................................................. II-9
2.7. Mesin dan Peralatan ...................................................... II-12
2.7.1. Mesin Produksi .................................................. II-12
2.7.2. Peralatan (Equipment) ....................................... II-14
2.8. Utilitas ........................................................................... II-16
III LANDASAN TEORI ............................................................ III-1
3.1. Pengadaan Bahan Baku ................................................. III-1

BAB HALAMAN
3.2. Optimalisasi................................................................... III-3
3.3. Pemrograman Linear (Linear Programming) ............... III-4
3.4. Model Pemrograman Linear ......................................... III-6
3.4.1. Istilah untuk Solusi Model ............................... III-9
3.4.2. Asumsi Pemrograman Linear ............................ III-11
3.4.3. Metode Grafik ................................................... III-12
3.4.4. Metode Simpleks ............................................... III-13
3.5. Teori Dualitas dan Analisis Sensitivitas ....................... III-20
3.5.1. Dualitas.............................................................. III-20
3.5.2. Analisis Sensitivitas .......................................... III-22
3.6. Peramalan ...................................................................... III-25
3.7. Pendefinisian Tujuan Peramalan ................................... III-26
3.8. Teknik-teknik Peramalan .............................................. III-27
3.9. Prinsip-prinsip Peramalan ............................................. III-28
3.10. Klasifikasi Teknik Peramalan ....................................... III-29
3.10.1. Peramalan Kualitatif (Judgement Method) ....... III-30
3.10.2. Metode Peramalan Kuantitatif .......................... III-32
3.10. Metode Time Series ....................................................... III-34

BAB HALAMAN
IV METODOLOGI PENELITIAN .......................................... IV-1
4.1. Tempat dan Waktu Penelitian ....................................... IV-1
4.2. Jenis Penelitian .............................................................. IV-1
4.3. Objek Penelitian ............................................................ IV-1
4.4. Variabel Penelitian ........................................................ IV-2
4.5. Kerangka Berpikir ......................................................... IV-2
4.6. Blok Diagram Prosedur Penelitian ................................ IV-3
4.7. Pengumpulan Data ........................................................ IV-4
4.7.1. Sumber Data ...................................................... IV-4
4.7.2. Metode Pengumpulan Data ........................................... IV-4
4.8. Metode Pengolahan Data .............................................. IV-5
4.9. Analisis Pemecahan Masalah ........................................ IV-5
4.10. Kesimpulan dan Saran................................................... IV-5
V PENGUMPULAN DAN PENGOLAHAN DATA ............. V-1
5.1. Pengumpulan Data ........................................................ V-1
5.2. Pengolahan Data ........................................................... V-3
5.2.1. Peramalan Jumlah Penjualan CPO dan PK
Periode April 2016 Sampai Maret 2017 ........ V-

BAB HALAMAN
5.2.1. Penentuan Variabel Keputusan ......................... V-28
5.2.2. Fungsi Tujuan.................................................... V-28
5.2.3. Penentuan Fungsi Kendala .................................. V-31
5.2.3.1.Kendala Kapasitas Maksimal Pabrik..... V-31
5.2.3.2.Kendala Ketersediaan TBS Pembelian . V-33
5.2.3.3.Kendala Kuota Pembelian TBS............. V-34
5.2.3.4.Kendala Ketersediaan Tenaga Kerja
Langsung ............................................... V-35
5.2.3.5.Kendala Transfer Pengolahan ............... V-38
5.2.3.6.Kendala Biaya Pengolahan.................... V-43
5.3. Optimalisasi Pengadaan TBS ........................................ V-45
5.3.1. Penyelesaian Fungsi Pencapaian Linear

Progra-
5.3.2. mming .................................................................. V-45
5.3.3. Keuntungan Optimal Perusahaan ........................ V-66
5.3.4. Kebutuhan Bahan Baku....................................... V-67
5.3.5. Analisis Sensitivitas ............................................ V-70
5.3.5.1.Analisis Sensitivitas Fungsi Tujuan ......... V-70
5.3.5.2.Analisis Sensitivitas Nilai Ruas Kanan
Kendala .................................................... V-72

BAB HALAMAN
VI ANALISIS PEMECAHAN MASALAH ............................. VI-1
6.1. Analisis Kebutuhan Bahan Baku .................................. VI-1
6.2. Analisis Keuntungan Optimal Perusahaan .................... VI-2
6.3. Analisis Sensitivitas ...................................................... VI-4
6.3.1. Analisis Sensitivitas Fungsi Tujuan .................. VI-4
6.3.2. Analisis Sensitivitas Nilai Ruas Kanan Kendala VI-6
VI KESIMPULAN DAN SARAN ............................................. VII-1
7.1. Kesimpulan ................................................................... VII-1
7.2. Saran ............................................................................. VII-1
DAFTAR PUSTAKA
LAMPIRAN
- Tabel Distribusi F
- SK Tugas Sarjana
- Surat Balasan Pabrik
- Lembar Asistensi

DAFTAR TABEL
TABEL HALAMAN
1.1. Pengadaan Bahan Baku TBS PTPN II-PKS Pagar Merbau
pada Bulan Februari ............................................................ I-2
5.1. Data Aktual untuk Dasar Variabel Keputusan ................... V-2
5.2. Penjualan CPO dan PK April 2016 Sampai Maret 2017 ... V-3
5.3. Data Penjualan CPO .......................................................... V-4
5.4. Perhitungan Parameter Peramalan Penjualan CPO
Metode Kuadratis ................................................................ V-6
5.5. Perhitungan Peramalan Penjualan CPO Metode Siklis ...... V-8
5.6. Perhitungan SEE dan PE Penjualan Metode Kuadratis ...... V-10
5.7. Perhitungan SEE dan PE Penjualan CPO Metode Siklis .... V-11
5.8. Rekapan Perhitungan SEE Penjualan CPO......................... V-11
5.9. Perhitungan Hasil Verifikasi Peramalan Penjualan CPO ... V-13
5.10. Hasil Peramalan Penjualan CPO ......................................... V-14
5.11. Penjualan PK ....................................................................... V-16
5.12. Perhitungan Parameter Peramalan Penjualan PK Metode
Kuadratis ............................................................................. V-18
5.13. Perhitungan Peramalan Penjualan PK Metode Siklis ......... V-20
5.14. Perhitungan SEE dan PE Penjualan Metode Kuadratis ...... V-22
5.15. Perhitungan SEE dan PE Penjualan PK Metode Siklis ...... V-23
5.16. Rekapan Perhitungan SEE Penjualan PK ........................... V-23

DAFTAR TABEL (LANJUTAN)
TABEL HALAMAN
5.17. Perhitungan Hasil Verifikasi Peramalan Penjualan PK ...... V-25
5.18. Hasil Peramalan Penjualan PK ........................................... V-26
5.19. Variabel Keputusan Pengadaan Bahan Baku ...................... V-28
5.20. Kendala Kapasitas Maksimal Pabrik .................................. V-33
5.21. Kendala Ketersediaan TBS Pembelian ............................... V-34
5.22. Kendala Pembelian TBS dari Pihak Ketiga ........................ V-35
5.23. Pasokan Bahan Baku PTPN II-PKS Pagar Merbau pada
Maret 2017 hingga April 2018 ............................................ V-36
5.24. Kendala Ketersediaan Tenaga Kerja ................................... V-38
5.25. Rendemen CPO PTPN II-PKS Pagar Merbau pada Maret
2017 hingga April 2018 ...................................................... V-39
5.26. Kendala Transfer CPO ........................................................ V-40
5.27. Rendemen PK PTPN II-PKS Pagar Merbau pada Maret
2017 hingga April 2018 ...................................................... V-41
5.28. Kendala Transfer PK........................................................... V-43
5.29. Kendala Biaya Pengolahan ................................................. V-44
5.30. Tabel Permulaan ................................................................. V-47
5.31. Iterasi 0................................................................................ V-48
5.32. Iterasi 1................................................................................ V-51
5.33. Iterasi 2................................................................................ V-52

TABEL HALAMAN
5.34. Iterasi 3................................................................................ V-53
5.35. Tabel Perbandingan Hasil Optimal Secara Manual dan
Mengunakan software LINDO 6.1 ..................................... V-58
5.36. Selisih Keuntungan Keadaan Aktual dan Keadaan
Optimal ............................................................................... V-67
5.37. Tingkat Pengadaan Bahan Baku PTPN II – PKS Pagar
Merbau Keadaan Aktual dan Keadaan Optimal ................. V-68
5.38. Tingkat Pengadaan Bahan Baku Pembelian Keadaan
Aktual dan Keadaan Optimal .............................................. V-69
5.39. Analisis Sensitivitas Nilai Biaya Bahan Baku TBS PTPN
II – PKS Pagar Merbau ....................................................... V-71
5.40. Analisis Sensitivitas Nilai Biaya Bahan Baku Pihak
Ketiga .................................................................................. V-72
5.41. Analisis Sensitivitas Nilai Kendala Kapasitas Maksimal
Pabrik .................................................................................. V-73
5.42. Analisis Sensitivitas Nilai Kendala Ketersediaan TBS
Pembelian ............................................................................ V-74
5.43. Analisis Sensitivitas Nilai Kendala Kuota Pembelian TBS V-75
5.44. Analisis Sensitivitas Nilai Ketersediaan Tenaga Kerja
Pengolahan pada Kondisi Model Aktual ............................ V-76

TABEL HALAMAN
5.45. Analisis Sensitivitas Nilai Transfer TBS Menjadi CPO ..... V-77
5.46. Analisis Sensitivitas Nilai Transfer TBS Menjadi PK ........ V-78
5.47. Analisis Sensitivitas Nilai Biaya Pengolahan ..................... V-79
5.48. Analisis Sensitivitas Ruas Kanan Kendala Pengadaan
Bahan Baku TBS di PTPN II – PKS Pagar Merbau ........... V-79
6.1 Tingkat Pengadaan Bahan Baku PTPN II – PKS Pagar
Merbau Keadaan Aktual dan Keadaan Optimal ................. VI-2
6.2 Selisih Keuntungan Keadaan Aktual dan Keadaan
Optimal ............................................................................... VI-3
6.3 Analisis Sensitivitas Nilai Biaya Bahan Baku TBS PTPN
II – PKS Pagar Merbau ....................................................... VI-5
6.4 Analisis Sensitivitas Nilai Biaya Bahan Baku Pihak
Ketiga .................................................................................. VI-6
6.5 Analisis Sensitivitas Nilai Kendala Kapasitas Maksimal
Pabrik .................................................................................. VI-7
6.6 Analisis Sensitivitas Nilai Kendala Ketersediaan TBS
Pembelian ............................................................................ VI-8
6.7 Analisis Sensitivitas Nilai Kendala Kuota Pembelian TBS VI-9
6.8 Analisis Sensitivitas Nilai Ketersediaan Tenaga Kerja
Pengolahan pada Kondisi Model Aktual ............................ VI-10

TABEL HALAMAN
6.9 Analisis Sensitivitas Nilai Transfer TBS Menjadi CPO ..... VI-11
6.10 Analisis Sensitivitas Nilai Transfer TBS Menjadi PK ........ VI-12
6.11 Analisis Sensitivitas Nilai Biaya Pengolahan ..................... VI-13

DAFTAR GAMBAR
GAMBAR HALAMAN
2.1. Struktur Organisasi PTPN II – PKS Pagar Merbau .......... II-5
3.1. Solusi Tidak Layak ........................................................... III-10
3.2. Area yang Diarsir Merupakan Daerah Penyelesaian ........ III-10
3.3. Langkah-langkah Peramalan Secara Kuantitatif ............... III-34
3.4. Pola Siklis ......................................................................... III-35
3.5. Pola Musiman ................................................................... III-36
3.6. Pola Horizontal ................................................................. III-36
3.7. Pola Trend ......................................................................... III-37
3.8. Trend Linier Positif dan Negatif ....................................... III-38
3.9. Trend Ekponensial ............................................................ III-38
3.10. Trend Kuadratik ................................................................ III-41
3.11. Trend Ekponensial ............................................................ III-38
4.1. Kerangka Konseptual ........................................................ IV-2
4.2. Blok Diagram Prosedur Penelitian.................................... IV-3
5.1. Scatter Diagram Penjualan CPO .................................... V-5
5.2. Grafik Uji Hipotesis Penjualan CPO dengan Distribusi
F ....................................................................................... V-12
5.3. Moving Range Chart Penjualan CPO .............................. V-14
5.4. Grafik Peramalan Penjualan CPO .................................... V-15

DAFTAR GAMBAR (LANJUTAN)
GAMBAR HALAMAN
5.5. Grafik Perbandingan Antara Data Aktual dan Hasil
Peramalan CPO ................................................................ V-15
5.6. Scatter Diagram Penjualan PK ........................................ V-17
5.7. Grafik Uji Hipotesis Penjualan PK dengan Distribusi F.. V-24
5.8. Moving Range Chart Penjualan PK ................................. V-26
5.9. Grafik Peramalan Penjualan PK ...................................... V-27
5.10. Grafik Perbandingan Antara Data Aktual dan Hasil
Peramalan PK................................................................... V-27
5.11. Formulasi Data Input pada Software LINDO 6.1 ............ V-55
5.12. Tombol Solve pada Software LINDO .............................. V-55
5.13. Kolom Perintah pada Software LINDO 6.1 ..................... V-56
5.14. Hasil Akhir pada Software LINDO 6.1 ............................ V-56

BAB I
PENDAHULUAN
1.1. Latar Belakang
Prospektif keberlanjutan bisnis perkebunan kelapa sawit tidak perlu
diragukan. Sejak 1911 ketika dimulai usaha perkebunan sawit di Sumatera Utara,
bisnis tersebut terbukti masih bisa bertahan dan bahkan menjadi salah satu sektor
komoditas andalan perekonomian Indonesia. Sektor ini juga mampu menyerap
tenaga kerja yang cukup besar. Produksi kelapa sawit Indonesia yang dikelola
oleh perkebunan besar sejak tahun 2004 terus meningkat dibandingkan 5
komoditas perkebunan lainnya. Dimana produksi sawit dibagi menjadi 2 yaitu
minyak sawit (CPO) dan Palm Kernel (PK). Hasil olahan tandan buah segar
(TBS) perlu mendapat perhatian karena meskipun Indonesia belum sepenuhnya
unggul dalam produk hilir (biodisel, minyak goreng, mentega) tetapi CPO dan
Kernel merupakan komoditas ekspor utama dari sektor perkebunan.
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
sawit (CPO) di Indonesia dari tahun ke tahun mengalami peningkatan yang
diakibatkan meningkat pula kebutuhan akan CPO. Peningkatan produksi CPO
dapat dilihat pada Tabel 1.1.

Tabel 1.1. Produksi CPO di Indonesia Selama Lima Tahun Terakhir
Tahun Jumlah Produksi CPO (Ton)
2013 27.782.004
2014 29.278.189
2015 31.070.015
2016 33.229.381
2017 35.359.384
Sumber: Direktorat Jenderal Perkebunan
Peningkatan produksi CPO tidak lepas juga dari peningkatan kebutuhan
bahan baku yaitu tandan buah segar. Peran bahan baku merupakan hal yang
dibutuhkan dalam berlangsungnya aktivitas proses produksi suatu perusahaan.
Manajemen pengadaan bahan baku sangat penting untuk kinerja keseluruhan
proses manufaktur. Menurut Nyoman dan Mahendrawathi (2005) tugas dari
manajemen pengadaan adalah menyediakan input, berupa barang maupun jasa
yang dibutuhkan dalam kegiatan produksi maupun kegiatan lain dalam
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
perkebunan sendiri yang berada di Tanjung Garbus - Pagar Merbau, Melati,
Bandar Klippa, Kwala Madu, Tandem, Limau Mungkur, Bulu Cina, Kebun

Tanjumg Jati dan Helvetia dengan total luas perkebunan yaitu 4.155,02 hektar
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
dilihat pada Tabel 1.2.
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
Awalnya, kapasitas produksi pabrik kelapa sawit PTPN II - PKS Pagar
Merbau yaitu 25 ton/ jam, karena ada peningkatan permintaan terhadap CPO dan
PK maka kapasitas produksi pebrik menjadi 30 ton/jam dan beroperasi selama 22
jam/hari dalam 30 hari kerja /bulan. PTPN II - PKS Pagar Merbau menemui
kendala dalam kegiatan produksinya, bahwa produksi pada bulan Februari 2018
hanya mencapai 7.141.870 Kg/bulan, berbeda dengan keadaan sebenarnya bahwa
kapasitas pabrik yang terpasang mencapai 30.000 Kg/jam yang artinya kapasitas

pabrik mencapai 660.000 Kg/hari dan 19.800.000 Kg/bulan yang artinya bahwa
produksi TBS kebun PTPN II - PKS Pagar Merbau hanya mampu memenuhi
kebutuhan bahan baku PKS sebanyak 36% dari kapasitas terpasang.
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
PTPN II – PKS Pagar Merbau sebagai perusahaan adalah memperoleh
keuntungan maksimal dari penjualan Crude Palm Oil (CPO) dan Palm Kernel
(PK).
Kendala yang dihadapi perusahaan meliputi jumlah pemenuhan bahan
baku yang terbatas, penggunaan kapasitas pabrik yang belum efisien, dan
penggunaan tenaga kerja di pabrik. Penelitian ini bertujuan menganalisis
optimalisasi pengadaan pemenuhan bahan baku TBS di PTPN II – PKS Pagar
Merbau dengan pemanfaatan sumberdaya terbatas yang dimiliki perusahaan untuk
mencapai produksi yang optimal melalui pendekatan linear programming.
Renta (2015) melakukan analisis pengoptimalan pengadaan bahan baku di
PMKS Sei Kandang PT. Asiatic Persada-AMS Group dengan tujuan memberikan
masukan untuk optimalisasi pengadaan TBS dengan konsep pemrograman linear
(LP). Melalui pendekatan optimal EOQ pembelian TBS luar selama 2014 masih
dibawah standard optimal sehingga PMKS Sei Kandang seharusnya melakukan
kebijakan kombinasi pengadaan bahan baku TBS dari kebun sendiri dan
melakukan pembelian TBS luar.

Andar (2015) melakukan penelitian di PT. Mega Sawindo Perkasa
Kecamatan Pelepat Kabupaten Bungo. Hasil penelitian menunjukkan bahwa
pemenuhan bahan baku pada PT. Mega Sawindo perkasa tahun 2016 belum
mencapai kondisi optimal dapat dilihat dari keuntungan optimal dan aktual yang
memiliki selisih Rp. 29.059.887.884,96 yang berarti keuntungan perusahaan dapat
ditingkatkan sebesar 40,71 % dari keuntungan yang diperoleh perusahaan.
1.2. Perumusan Masalah
Berdasarkan latar belakang yang telah diuraikan di atas, permasalahan
yang dihadapi PTPN II - PKS Pagar Merbau adalah kurangnya pengadaan bahan
baku TBS pada kondisi aktual dan bagaimana tingkat pengadaan optimal pada
PTPN II - PKS Pagar Merbau agar menghasilkan keuntungan perusahaan yang
maksimal.
1.3. Tujuan Penelitian
Tujuan umum dari penelitian ini adalah untuk memaksimalkan
keuntungan perusahaan dengan menganalisis optimalisasi pengadaan bahan baku
TBS di PTPN II – PKS Pagar Merbau dan pemanfaatan sumberdaya terbatas yang
dimiliki perusahaan untuk mencapai produksi yang optimal.
Tujuan khusus dari penelitian ini adalah untuk menganalisis kebutuhan
bahan baku yang optimal.

1.4. Manfaat Penelitian
Manfaat dari penelitian ini adalah sebagai berikut:
1. Bagi Mahasiswa
Menerapkan dan mengembangkan ilmu pengetahuan yang diperoleh dari
perkuliahan serta membandingkannya dengan masalah yang terjadi pada
perusahaan.
2. Bagi Perusahaan
Hasil dari penelitian ini dapat digunakan sebagai masukan pengoptimalan
pengadaan bahan baku untuk mendukung efektifitas dan efisiensi operasional
perusahaan.
3. Bagi Departemen Teknik Industri
Menambah jumlah hasil karya mahasiswa yang dapat menjadi literatur dan
referensi penelitian bagi peneliti-peneliti selanjutnya di Departemen Teknik
Industri.
1.5. Batasan Masalah dan Asumsi
Batasan masalah yang digunakan dalam penelitian ini adalah sebagai
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
CPO dan PK.

Asumsi-asumsi yang digunakan dalam penelitian ini adalah:
1. Kondisi perusahaan tidak mengalami perubahan selama proses penelitian.
2. Permintaan konsumen terhadap Crude Palm Oil (CPO) dan Palm Kernel (PK)
dalam keadaan stabil.
1.6. Sistematika Penulisan Laporan
Sistematika yang digunakan dalam penulisan tugas sarjana ini adalah :
Bab I Pendahuluan, menguraikan latar belakang permasalahan yang
mendasari penelitian dilakukan, rumusan permasalahan, tujuan penelitian,
manfaat penelitian, batasan dan asumsi yang digunakan dalam penelitian, dan
sistematika penulisan tugas sarjana.
Bab II Gambaran umum perusahaan, menguraikan tentang sejarah PTPN
II - PKS Pagar Merbau, ruang lingkup bidang usaha, struktur organisasi
perusahaan, sistem pengupahan dan fasilitas yang digunakan, proses produksi
produk Crude Palm Oil (CPO) dan Palm Kernel (PK), serta mesin dan peralatan
yang digunakan dalam proses produksi.
Bab III Landasan Teori berisi mengenai bahan baku, dan konsep metode
linear programming.
Bab IV Metodologi Penelitian, menguraikan tahap-tahap yang dilakukan
dalam penelitian yaitu persiapan penelitian meliputi penentuan lokasi penelitian,
jenis penelitian, objek penelitian, kerangka berpikir identifikasi variabel
penelitian, pengumpulan data sekunder, metode pengolahan data, blok diagram

prosedur penelitian, pengolahan data, analisis pemecahan masalah sampai
kesimpulan dan saran.
Bab V Pengumpulan dan Pengolahan Data, berisi pengumpulan data
berupa data-data yang mendukung penelitian.
Bab VI Analisis Pemecahan Masalah, meliputi analisis pengoptimalan
pengadaan tandan buah segar bahan baku produksi Crude Palm Oil (CPO) dan
Palm Kernel (PK).
Bab VII Kesimpulan dan Saran, berisi kesimpulan yang diperoleh dari
hasil pemecahan masalah dan saran-saran yang bermanfaat bagi perusahaan.

BAB II
GAMBARAN UMUM PERUSAHAAN
2.1. Sejarah PTPN II PKS Pagar Merbau
PTPN II merupakan salah satu Badan Usaha Milik Negara ( BUMN).
Sebelumnya Perusahaan ini dikuasai oleh Verenigde Dely My (VDM) yang
merupakan salah satu Maskapai milik Belanda yang terbatas pada sektor
Perkebunan Tembakau Deli dan setelah terjadi peralihan keuasaan Belanda
kepada Indonesia perusahaan ini dikenal dengan nama NV. Deli Maskapai
(MODTCVHAPPY) yang berkantor pusat di kota medan. Kemudian dengan
peratutran pemerintah perusahaan ini deberi nama perusahaan Negara Tembakaun
Deli (PTPND – I).
Awal berdirinya Perkebunan Nasional Pagar Merbau adalah dibawah
naungan PTP IX . Awalnya PTP IX hanya menanam tembakau sebagai hasil
Utama. Namun sesuai dengan izin disifikasi usaha dari Menteri Pertanian dengan
surat keputusan No.393/KPTS/UM/1970 tanggal 6 Agustus 1970 untuk Kebun
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
jika perkebunan tersebu dipertahankan untuk penanaman Tembakau akan
menimbulkan kerugian terus menerus.

PKS (Pabrik Kelapa Sawit) Pagar Merbau direncanakan pada tahun 1974
oleh Direksi PTP IX. Pada tahun 1975 pembangunan pabrik dimulai dengan
kapasitas produksi awal 30 ton TBS (Tandan Buah Segar) per jam dari yang
direncanakan 60 Ton per jam. Sebagai supplier adalah USINE DE WECKER,
Luxemburg (UDW), dan dalam hal ini menunjuk PT. Atmindo Medan sebagai sub
Kontraktor yang melakukan sebagian besar Pabrikasi. Sedang pekerjaan lain
diluar supplier UDW seperti Water Treatmen Plant, Laboratorium, Work Shop,
Incenerator, Kantor, Drainase dan lain lain dipekerjakan oleh pemborong lokal,
untuk menjamin Suplply berkualitas baik, PT Nrada Konsultan Bandung ditunjuk
sebagai Konsultan PT Perkebunan IX. Penyelesaian pembangunan pabrik pada
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
Presiden Republik Indonesia Suharto pada tanggal 4 April 1977 dengan
penandatanganan prasasti di Perkebunan Adolina PT Perkebunan IV. Dalam
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
dan selasai tahun 1985.

2.2. Ruang Lingkup
PTPN II - PKS Pagar Merbau adalah perusahaan yang bergerak di bidang
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
menjadi CPO dan PK berasal dari kebun milik sendiri.
2.3. Lokasi Perusahaan
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,
Kabupaten Deli Serdang.
2.4. Organisasi dan Manajemen
2.4.1. Struktur Organisasi
Struktur Organisasi adalah suatu susunan dan hubungan antara tiap bagian
serta posisi yang ada pada suatu organisasi atau perusahaan dalam menjalankan
kegiatan operasional untuk mencapai tujuan. Struktur Organisasi menggambarkan
dengan jelas pemisahan kegiatan pekerjaan antara yang satu dengan yang lain dan
bagaimana hubungan aktivitas dan fungsi dibatasi.

Organisasi ditentukan atau dipengaruhi oleh badan usaha, jenis usaha,
besarnya usaha dan sistem produksi perusahaan. Dalam rangka mencapai
efektifitas dan efisiensi kerja yang baik, PTPN II PKS Pagar Merbau telah
berusaha menciptakan pengendalian intern yang sesuai dengan menyusun unit-
unit kerja dan bagian-bagian yang ditunujukkan pada Gambar 2.1 Struktur
organisasi PTPN II - PKS Pagar Merbau menggunakan struktur lini dan
fungsional.

Distrik Rayon
Selatan
Manajer PKS
Pagar Merbau
Masinis Kepala Kepala Tata

BAPAM
Pengolahan Usaha
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
Gambar 2.1. Struktur Organisasi PTPN II - PKS Pagar Merbau

2.4.2. Jumlah Tenaga Kerja dan Jam Kerja
2.4.2.1.Jumlah Tenaga Kerja
PTPN II - PKS Pagar Merbau memiliki 149 orang pekerja yang terdiri dari
pekerja lapangan, pekerja administrasi dan pekerja laboratorium. Agar perusahaan
dapat berjalan dengan baik dalam melaksanakan tugas guna mencapai tujuan,
diperlukan pengaturan waktu kerja yang baik.
Karyawan PTPN II - PKS Pagar Merbau dibagi menjadi 2 jenis yaitu :
1. Pegawai staf, golongan III-A sampai IV-D
2. Pegawai Non – staf , golongan I-A sampai II-D
Tabel 2.1 Jumlah Pekerja PKS Pagar Merbau
No Keterangan Total ( orang )

1 Manager 1
2 Maskep 1
3 KTU 1
4 Asisten maintenance 1
5 Asisten laboratorium 1
6 Asisten pengolahaan ( shift I & II ) 2
7 Mandor bengkel umum 1
8 Mandor bengkel listrik 1
9 Mandor bengkel traksi 1
10 Mandor laboratorium 1
11 Mandor pengolahaan ( shift I & II ) 2
12 Krani 1
13 BAPAM 1
14 Karyawan pengolahan ( shift I & II ) 88
15 Karyawan laboratorium 6
16 Karyawan bengkel umum 8
17 Karyawan bengkel listrik 8
18 Karyawan bengkel traksi 8
19 Karyawan administrasi 10
20 Danton 6
Jumlah 149

2.4.2.2.Jam Kerja
Jam kerja yang diberlakukan bagi setiap karyawan / staf produksi adalah
dengan pembagian jam kerja menjadi 2 shift yaitu sebagai berikut:
1. Shift I : Pukul 07.00 WIB – 19.00 WIB
2. Shift II : Pukul 19.00 WIB – 07.00 WIB
Sedangkan untuk karyawan dibagian administrasi masa kerja selama 6 hari
kerja dalam seminggu kecuali hari minggu, dengan jam kerja kantor adalah
sebagai berikut:
1. Senin-Kamis
Pukul 07.00 WIB – 12.00 WIB : Jam Kerja
Pukul 12.00 WIB – 14.00 WIB : Jam Istirahat
2. Jumat
Pukul 11.30 WIB – 14.00 WIB : Jam Istirahat
3. Sabtu
2.4.2.3.Sistem Pengupahan
Penetapan upah pada PTPN II PKS Pagar Merbau ditetapkan
menggunakan sistem premi, yaitu 3 ton x 90% x 7 jam. Selain dari jam kerja
tersebut, maka pekerja mendpatkan upah lembur.

Kesejahteraan umum bagi pegawai dan karyawan pabrik merupakan hal
yang sangat penting. Produktivitas kerja seseorang karyawan sangat dipengaruhi
tingkat kesejahteraannya. PTPN II PKS Pagar Merbau memikirkan hal ini
dengan memberikan beberapa fasilitas yaitu:
1. Perumahan bagi staff, karyawan dan keluarganya yang berada di lokasi
perkebunan sekitar. Apabila tidak mengambil perumahan diberikan bantuan
sewa rumah sebesar 25 %.
2. Sarana pendidikan dan memberikan bantuan dana pendidikan berupa uang
pemondokan untuk anak-anak staff maupun karyawan yang kuliah atau
bersekolah jauh dari rumah.
3. Sarana kesehatan untuk staff dan karyawan beserta keluarganya berupa
Rumah Sakit PTPN II.
4. Membuat sarana olah raga yang tersedia di lokasi kompleks perumahan
karyawan.
5. Rumah ibadah yaitu masjid yang dibangun di lokasi lingkungan pabrik.
6. Jaminan kesehatan, kecelakaan, hari tua dan kematian dengan memberikan
Asuransi BPJS.
2.5. Bahan
2.5.1. Bahan Baku
Bahan baku adalah bahan utama yang digunakan dalam proses produksi
untuk menghasilkan produk. Bahan baku yang digunakan oleh PTPN II PKS
Pagar Merbau adalah Tandan Buah Segar (TBS).

2.5.2. Bahan Tambahan
Bahan tambahan merupakan bahan yang ditambahkan pada produk setelah
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).
2.5.3. Bahan Penolong
Bahan penolong merupakan bahan yang digunakan untuk membantu proses
produksi tetapi tidak terdapat dalam produk akhir. Bahan penolong yang
digunakan oleh PTPN II PKS Pagar Merbau adalah air, uap, kalsium karbonat.
2.6. Uraian Proses Produksi
Uraian proses produksi pengolahan tandan buah segar (TBS) menjadi
crude palm oil (CPO) pada PTPN II PKS Pagar Merbau terdapat beberapa tahap
yaitu penimbangan buah, sortasi, loading ramp, stasiun perebusan, stasiun
pembantingan, stasiun pengepresan, stasiun pengolahan biji dan stasiun
pemurnian minyak.
1. Penimbangan
Proses penimbangan disebut jembatan timbang yang menggunakan sistem
komputer untuk meliputi berat. Prinsip kerja dari jembatan timbang yaitu truk
yang membawa TBS melewati jembatan timbang dan berhenti sejenak,
kemudian dicatat berat truk awal sebelum TBS dibongkar (berat bruto),
kemudian setelah dibongkar truk kosong kembali ditimbang (berat tarra),

selisih berat awal dan akhir adalah berat TBS yang diterima dipabrik (berat
netto).
2. Sortasi
Proses sortasi adalah proses pemilihan TBS sebelum dimasukkan ke loading
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
memudahakan masuknya buah kedalam lori atau basket.
4. Stasiun Perebusan (Sterilizing Station)
PTPN II PKS Pagar Merbau menggunakan sistem perebusan sistem 2 puncak
(double peak sterilization) dengan waktu 90 menit. Jumlah puncak dalam
proses perebusan ditunjukkan dari jumlah pembukaan atau penutupan dari
steam inlet.
Adapun tujuan dari perebusan ini adalah untuk:
a. Merusak enzim lipase yang menstimulir pembentukan ALB.
b. Menguraikan kadar air dalam buah.
c. Mengkoagulasikan (mengendapkan) protein sehingga memudahkan
pemisahaan minyak.
d. Menghidrolisa zat-zat karbohidrat yang berada sebagai koloid didalam
protoplasma menjadi glukosa yang dapat larut dan menghasilkan tekanan

osmotis yang membantu memecahakan dinding sel sehingga minnyak
tersebut dapat keluar.
e. Memperlunak daging buah sehingga memudahkan proses pemerasan
f. Mempermudah pelepasan buah dari tandan dan PK dari cangkang
5. Stasiun Pembantingan (Thressing Station)
Setelah mengalami proses perebusan, selanjutnya lori dalam sterilizer
dikeluarkan dan ditarik dengan capstand menuju stasiun pembantingan.
Stasiun pembantingan adalah stasiun pemisahan brondolan dengan tandan
buah. Stasiun Pengepresan (Pressing Station)
Pada stasiun pengepresan ini terjadi pengambilan minyak awal dari buah
dengan cara melumat dan mengempa buah.
6. Stasiun Pengolahan Biji (Kernel Plant Station)
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.
7. Stasiun Pemurnian Minyak (Clarification Station)
Minyak kasar (crude oil) hasil keluaran dari mesin screw press kemudian
diteruskan ke stasiun klarifikasi/pemurnian untuk dijadikan sebagai minyak
sawit mentah atau crude palm oil (CPO). Stasiun klarifikasi terdiri atas proses
permurnian minyak dan proses pengambilan minyak dari sludge oil.

2.9. Mesin dan Peralatan
Mesin dan peralatan yang digunakan dalam proses produksi crude palm oil
adalah sebagai berikut.
2.9.1. Mesin Produksi
Mesin produksi merupakan mesin-mesin yang digunakan dalam proses
produksi. Mesin produksi yang digunakan dalam proses produksi crude palm oil
adalah sebagai berikut:
1. Mesin Sterilizer
Mesin ini berfungsi sebagai mesin perbusan dari tandanbuah segar.
2. Mesin Pengempa ( screw press )
Mesin ini berfungsi untuk memisahkan minyak dari daging buah yang berasal
dari digester.
3. Mesin Tresher
Thresher merupakan alat yang berfungsi untuk melepaskan brondolan dari
janjang buah dengan cara bantingan.
4. Mesin Digester
Digester adalah mesin untuk melumatkan brondolan sehingga daging buah
terlepas dari biji.
5. Nut Grading Drum ( Tabung Pemisah biji )
Mesin ini berfungsi untuk memisahkan biji menurut besarnya diameter biji
agar biji –biji yang masuk ke dalam ripple mill atau cracker diusahakn
merata.

6. Sentrifusi Sludge ( Sludge Separator )
Alat ini berfungsi untuk memisahkan minyak dari air, sludge, dan kotoran.
7. Vertical Continious Tank ( VCT )
Vertical Continious Tank (VCT) berfungsi untuk memisahkan minyak, air,
dan NOS secara gravitasi atau berdasarkan perbedaan berat jenis.
8. Vibrating Screen
Berfungsi untuk menyaring serabut dan kotoran alin yang terikut dalam
minyak kasar dari sand trap tank.
9. Cake Brake Conveyor
Berfungsi untuk mengaduk ampas press dengan memutar dan mendorong
ampas ke ujung talang yang bertujuan untuk memisahkan biji dan serabut di
pemisah biji ( Depericarper ).
10. Depericarper
Merupakan alat yang di gunakan untuk memisahkan ampas dan biji dan
membersihkan sisa – sisa tersebut serabut yang masih melekat pada biji.
11. Ripple mill
Berfungsi untuk memecahkan sehingga PK terlepas dari cangkangnya.
13. Silo PK
Merupakan tempat untuk meringankan PK yang masih mengandung air
sebesar 15-25%.
14. Ayakan getar ( vibro separator )
Berfungsi untuk memisahkan / menyaring kotor – kotoran berupa serat dari
minyak kasar.

15. Crude Oil Tank
Berfungsi untuk tempat penampungan minyak dari hasil penyaringan di
vibrating screen untuk selanjutnya dipompakan ke VCT (Vertical continous
tank).
16. Sentrifugasi Minyak ( oil purifier )
Alat yang berfungsi untuk memurnikan minyak yang berasal dari tangki
masakan minyak yang masih mengandung air.
17. Pengeringan Minyak ( Vacum Dryer )
Berfungsi untuk memisahkan air dan minyak dengan cara penguapan hampa
udara.
18. Sand Cyclone
Berfungsi untuk memisahkan pasir halus dengan adanya gaya sentrifugal.
2.9.2. Peralatan (Equipment)
Peralatan yang digunakan dalam proses pembuatan crude palm oil adalah
sebagai berikut:
1. Timbangan
Penimbangan buah bertujuan untuk mengetahui beberpa banyak buah yang
masuk dan akan diolah menjadi minyak dan PK.
2. Lori (keranjang buah)
Lori adalah sebagai tempat TBS yang telah di sortir yang akan di rebus dan
sebagai tempat TBR.
3. Hoisting Crane

Berfungsi untuk mengangkat dan dituang ke dalam hopper TBR ke hopper.
4. Hopper
Hopper merupakan tempat untuk menumpang buah yang sudah di rebus
untuk selanjutnya di jalankan dengan Automatic Feeder.
5. Automatic Feeder
Berfungsi sebagai penggerak buah yang masak ke hopper menuju penebah
(threshern). Kecepatan penuangan diatur dengan menyetel ratio gera box
6. Under thresher conveyor
Merupakan alat yang di gunakan untuk mengangkut brondolan menuju fruit
elevator yang terletak di bawah thresher.
7. Fruit Elevator
Fruit elevator merupakan alat yang digunakan untuk mengangkut buah dari
fruit conveyor ke distributing conveyor untuk selanjutnya dimasukkan ke
dalam digester.
8. Empty Bunch Conveyor
Empty bunch conveyor berfungsi untuk membawa janjang kosong dari
thresher menuju empty bunch hopper.
9. Distributing Conveyor
Merupakan alat yang digunakan untuk menyalurkan buah dari fruit elevator
ke dalam alat digester.
10. Tangki timbun
Tangki ini berfungsi untuk menyimpan minyak kelapa sawit yang siap untuk
di jual.

2.10. Utilitas
Utilitas yang terdapat pada PTPN II PKS Pagar Merbau untuk
mendapatkan adalah sebagi berikut:
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
Tenaga yang di gunakan untuk mengoperasikan seluruh alat dan mesin -
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
berasal dari boiler.
3. Power Generator Unit (PGU)
Merupakan alat penghasil tenaga listrik (power supply) berkekuatan 1,2 MW.
Sistem ini dilengkapi oleh synchronizing system menggunakan sumber dari
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
untuk proses pemanasan.

BAB III
LANDASAN TEORI
3.1. Pengadaan Bahan Baku1
Kebutuhan bahan baku merupakan bagian dari sistem pengendalian
persediaan produksi. Bahan baku membentuk bagian secara menyeluruh suatu
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
terbesar dari barang jadi dan merupakan pengeluaran terbesar dalam
memproduksi suatu barang. Part merupakan bagian dari produk jadi yang
dipergunakan dalam jumlah kecil, sedangkan supplies merupakan bahan yang
dipergunakan dalam proses produksi tetapi tidak mengambil bagian dari barang
jadi.
Berdasarkan atas cara perolehannya bahan baku dapat dibedakan menjadi
kelompok bahan baku yang diberi dan bahan baku yang diproduksi oleh
perusahaan sendiri. Dalam mempertimbangkan perolehan bahan baku ini terdapat
dua dasar pokok pertimbangan yaitu ketersediaan bahan di pasar dan tingkat harga
yang diterima. Keputusan pengadaan bahan baku dengan membeli dilakukan
apabila bahan baku banyak terdapat dipasar dengan harga yang lebih rendah dari
pada biaya per satuan jika memproduksi sendiri.
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.

Cara memperoleh bahan baku tiap perusahaan berbeda-beda. Sistem
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
produk-produk pertanian, terdapat lima unsur yang dapat diperhatikan, yaitu
(Austin, 1981) :
1. Kuantitas, menunjukan jumlah ketersediaan bahan baku
2. Kualitas, mencakup penentuan dan pengawasan mutu bahan baku
3. Waktu, karena hasil pertanian bersifat musiman
4. Biaya yang wajar
5. Organisasi yang meliputi struktur, kekuatan, dan integrasi vertikal
Tindakan-tindakan yang diambil oleh perusahaan agroindustri dalam
pengendalian kualitas produk-produk pertanian yang dihasilkan petani untuk
kebutuhan agroindustrinya adalah sebagai berikut :
1. Menyediakan saran produksi pertanian bagi petani
2. Memberi pengarahan teknis dan pelatihan kepada petani
3. Menyediakan saran fisik
4. Member insentif harga bagi produk yang berkualitas
5. Melakukan pemeriksaan tanaman di lapangan
6. Menanam sendiri tanaman-tanaman untuk kebutuhan agroindustrinya.
Pengadaan bahan baku pabrik kelapa sawit PTPN II PKS Pagar Merbau
dilakukan dengan memproduksi (menanam) kelapa sawit sendiri. Penanaman
kelapa sawit sendiri berfungsi untuk menjamin ketersediaan bahan baku yang

akan diproduksi pabrik kelapa sawit secara kontiniu apabila petani tidak bersedia
memasok kelapa sawit ke pabrik.
3.2. Optimalisasi2
Persoalan optimalisasi adalah suatu persoalan untuk membuat nilai suatu
fungsi beberapa variabel menjadi maksimum atau minimum dengan
memperhatikan pembatasan-pembatasan yang ada. Setiap perusahaan atau
organisasi tentunya memiliki keterbatasan atas sumberdayanya, baik keterbatasan
dalam jumlah bahan baku, tenaga kerja, jam kerja mesin maupun modal. Adanya
keterbatasan ini membuat perusahaan perlu mencari suatu alternatif strategi yang
mengoptimalkan hasil yang dicapainya baik itu berupa keuntungan yang
maksimal maupun biaya yang minimum.
Tujuan optimalisasi adalah untuk memaksimumkan nilai atau keuntungan
yang dihasilkan dari proses produksi atau untuk meminimumkan biaya yang akan
dikeluarkan dalam proses produksi dengan memperhatikan kendala-kendala yang
berada diluar jangkauan pelaku kegiatan tersebut. Dalam upaya memperoleh
solusi dari suatu permasalahan, hasil yang diperoleh jarang mendapat suatu solusi
yang terbaik yang diakibatkan oleh kendala-kendala tersebut. Oleh karena itu
pendekatan dengan optimalisasi sering menghasilkan jawaban yang sifatnya
terbaik kedua (the second best).
Secara umum jenis persoalan optimasi meliputi optimasi tanpa kendala
dan optimasi dengan kendala. Dalam optimasi tanpa kendala factor-faktor yang
2
Ibid Hal. 15-16.

menjadi kendala terhadap fungsi tujuan diabaikan sehingga dalam menentukan
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
minimum fungsi tujuan.
Salah satu teknik optimasi yang dapat digunakan dalam menyelesaikan
optimasi berkendala adalah metode pemrograman linier. Metode Linear
Programming (LP) merupakan metode yang digunakan untuk memecahakan
masalah optimasi berkendala. Dalam Linear Programming (LP) semua fungsi
merupakan fungsi linier, baik fungsi kendala maupun fungsi tujuan. Metode
pemrograman linier ini digunakan dengan asumsi kombinasi input suatu produk
proporsinya tetap.
3.3. Pemrograman Linear (Linear Programming) 3
Salah satu teknik yang paling umum dikenal sebagai penyelidikan
operasional ialah pemrograman linear (linear programming). Menurut Hillier dan
Lieberman (1995), aplikasi pemrograman linear telah ditempatkan pada posisi
teratas penggunaan metode ilmiah dala Abad XX. Mereka mengatakan bahwa
pemrograman linear merupakan alat standar yang telah berhasil menyelamatkan
jutaan dollar uang perusahaan di seluruh dunia karena mengefisienkan
penggunaan sumberdaya perusahaan yang jumlahnya semakin langka. Dantzig
yang memberikan kontribusi khususnya dalam mensistematisasi dan
3
Sukaria Sinulingga, Pengantar Teknik Industri (Yogyakarta: Graha Ilmu, 2008), hlm. 215-216.

mengembangkan metode simpleks untuk pemecahan masalah pemrograman linear
sering disebut sebagai father of operation research.
Aplikasi yang tipikal dari pemrograman linear berkaitan dengan problem
alokasi berbagai sumberdaya yang jumlahnya terbatas antara sejumlah kegiatan
yang bersaing (competing activities) dengan cara yang paling baik atau yang
paling optimal. Dengan kalimat yang lebih tegas, pemrograman linear
memecahkan masalah tentang bagaimana cara terbaik untuk menetapkan level
kegiatan diantara semua kegiatan yang harus dilakukan yang masing-masing
bersaing dalam menggunakan sumber yang ketersediaannya terbatas.
Pemrograman linear menggunakan model matematik untuk menjelaskan
masalah yang akan dipecahkan. Kata linear memiliki arti bahwa semua fungsi
matematik dalam model yang dikembangkan adalah dalam bentuk fungsi linear
sedangkan pemprograman (programming) tidak berkaitan sama sekali dengan
istilah pemrograman dalam bidang computer tetapi hanya sebuah istilah yang
maknanya adalah perencanaan linear yaitu perencanaan tentang pengalokasian
sumberdaya yang jumlahnya terbatas di antara sejumlah kegiatan yang bersaing
dengan menggunakan model matematik fungsi linear.
Pendekatan pemrograman linear memiliki beberapa bentuk khusus
sehingga penggunaan metode simpleks walaupun tetap dapat digunakan
penyelesaian dengan metode lain yang lebih sederhana, akan selalu lebih disukai.
Bentuk-bentuk khusus dari pemrograman linear ialah masalah penugasan
(assignment problems) dan masalah transportasi (transpotation problems).

3.4. Model Pemrograman Linear4
Kunci penting disini adalah sumber daya dan altivitas, dimana m
merupakan jumlah jenis sumber daya yang bereda yang dapat digunakan serta n
yang merupakan jumlah aktivitas yang dipertimbangkan. Beberapa tipe sumber
daya adalah uang dan tipe khusus seperti mesin, peralatan, kendaraan dan pekerja.
Beberapa contoh aktivitas adalah investasi proyek tertentu, pengiklanan di media
tertentu, dan pengiriman barang dari sumber tertentu ke suatu tempat tujuan.
Ditiap penerapan pemrograman linear, semua aktivitas dapat berupa salah satu
dari jenis umum (seperti tiga contoh diatas),sedangkan aktivitas-aktivitas
individual dapat berupa alternative khusus dalam kategori umum ini.
Tipe penerapan pemrograman linear yang paing umum ditemui merupakan
pengalokasian sumber daya untuk aktivitas. Jimlah sumber daya yang tersedia
adalah terbatas sehingga pengalokasian sumber daya untuk aktivitas harus
dilakukan secara hati-hati. Penentuan alokasi ini meliputi memilih tingkat
aktivitas yang mencapai nilai terbaik dari ukuran keseluruhan perfomansi.
Ada beberapa simbol yang umum digunakan untuk menunjukkan berbagai
komponen model pemrograman linear. Berikut adalah daftar symbol dengan
tafsirannya untuk permasalahan umum pengalokasian sumber daya ke aktivitas:
Z = nilai dari semua standar perfomansi
xj = tingkat aktivitas j ( untuk j = 1,2,…,n )
cj = penambahan terhadap Z yang diakibatkan oleh peningkatan tiap unit di
tingkat aktivitas j ( untuk j = 1,2,…,n )
4
Hillier dan Lieberman, Introdustion to Operations Research Eight Edition (Yogyakarta: Andi,
2005), hlm. 26-216.

bi = jumlah sumber daya i yang tersedia untuk aktivitas ( untuk i = 1,2,…,m )
aij = jumlah sumber daya i yang dipakai oleh tiap unit aktivitas j
Suatu model akan membuat permasalahan menjadi suatu bentuk
pengambilan keputusan mengenai tingkat aktivitas sehingga x 1, x2,…,xn disebut
variabel keputusan. Model matematika untuk permasalahan pengalokasian sumber
daya ke aktivitas. Secara khusus, model ini bertujuan memilih nilai x 1, x2,…,xn
untuk :
Memaksimalkan Z = c1 x1 + c2 x2 +…+ cn xn
Sesuai dengan batasan :
a11 x1 + a12 x2 +…+ a1n xn ≤ b1
a21 x1 + a22 x2 +…+ a2n xn ≤ b2
am1 x1 + am2 x2 +…+ amn xn ≤ bm
dan
x1 ≥ 0, x2 ≥ 0, … , xn ≥ 0
Istilah umum untuk model pemrograman linear dapat diringkas sebagai
berikut :
1. Suatu fungsi yang akan memaksimalkan disebut fungsi tujuan yaitu c 1 x1 + c2
x2 +…+ cn xn
2. Batasan-batasan disebut kendala. Kendala m pertama (dengan sebuah fungsi
semua variabel ai1 x1 + ai2 x2 +…+ ain xn disisi sebelah kiri) serng kali disebut
kendala fungsional.
3. Batasan xj ≥ 0 disebut kendala nonnegativitas (atau kondisi nonnegativitas).

Model pemrograman linear diaplikasikan untuk menyelesaikan berbagai
masalah diantaranya adalah :
1. Masalah kombinasi produk, yaitu menentukan berapa jumlah dan jenis produk
yang harus dibuat agar diperoleh keuntungan maksimum atau biaya minimum
dengan memperhatikan sumber daya yang dimiliki.
2. Masalah perencanaan investasi, yaitu berapa banyak dana yang akan
ditanamkan dalam setiap alternatif investasi, agar memaksimumkan return in
investment atau net present value dengan memperhatikan sumber daya yang
dimilki.
3. Masalah perencanaan produksi dan persediaan, yaitu menentukan berapa
banyak produk yang akan diproduksi setiap periode, agar meminimumkan
biaya persediaan, sewa, lembur, dan biaya sub kontrak.
4. Masalah perencanaan promosi, yaitu berapa banyak dana yang akan
dikeluarkan untuk kegiatan promosi agar diperoleh efektivitas penggunaan
media promosi.
5. Masalah distribusi, yaitu jumlah produk yang akan dialokasikan ke setiap
lokasi pemasaran.
Untuk membuat formulasi model program linier, terdapat tiga langkah utama
yang harus dilakukan, yaitu :
1. Tentukan variabel keputusan atau variabel yang ingin diketahui dan
gambarkan dalam simbol matematik.

2. Tentukan tujuan dan gambarkan dalam satu sel fungsi linier dari variabel
keputusan yang dapat berbentuk maksimum atau minimum.
3. Tentukan kendala dan gambarkan dalam bentuk persamaan linier atau
ketidaksamaan linier dari variabel keputusan.
3.4.1. Istilah untuk Solusi Model 5
Terdapat spesifikasi nilai untuk variabel keputusan (x1, x2 ,…, xn ) yang
disebut dengan solusi,tanpa menghiraukan apakah solusi tersebut merupakan
pilihan yang diinginkan maupun yang dibolehkan. Tipe solusi yang berbeda akan
diidentifikasi dengan menggunakan sifat yang tepat.
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
kendala tidak terpenuhi atau dengan kata lain dilanggar.
5
2005), hlm. 28.

Sumber : Hillier dan Lieberman, Introdustion to Operations Research Eight Edition hlm. 24
Gambar 3.1. Solusi Tidak Layak
3. Daerah layak adalah kumpulan semua solusi.
Sumber : http://andridwiart.blogspot.com/2014/12/program-linear.html
Gambar 3.2. Area yang Diarsir Merupakan Daerah Penyelesaian

Dengan adanya beberapa solusi layak, tujuan pemrograman linear adalah
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
memaksimalkan, begitu juga sebaliknya, yaitu nilai terkecil jika fungsi
tujuannya meminimalkan.
Kemungkinan lain adalah permasalahan yang tidak memiliki solusi optimal. Hal
ini terjadi jika:
1. Tidak ada kendala solusi
2. Kendala-kendala tidak mencegah naiknya nilai fungsi tujuan (Z) kearah yang
tidak terdefinisi, baik ke arah positif atau negatif
Kasus yang memiliki Z yang tidak terbatas (unbounded Z) atau yang tidak
terbatas (unbounded objective). Sebagai ilustrasi, kasus yang tidak memiliki
solusi optimal bila dua kendala fungsional terakhir dihapus
3.4.2. Asumsi Pemrograman Linear6
Semua asumsi pemrograman linear sebenarnya terdapat dalam perumusan
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
sudut pandang pemodelan, sifat matematika model pemrograman linear secara
tidak langsung menyatakan bahwa beberapa asumsi tertentu harus menerangkan
6
2005), hlm. 30.

aktivitas serta data permasalahan yang akan dimodelkan, termasuk asumsi
mengenai dampak berubahnya tingkat aktivitas. Sebaiknya, perhatikan asumsi-
asumsi ini sehingga dapat mengevaluasi cara kerja pemrograman linear dalam
menyelesaikan permasalahan dengan mudah.
Agar penggunaan model program linear memuaskan tanpa terbentur pada
berbagai hal, maka diperlukan asumsi-asumsi dasar program linear sebagai
berikut :
1. Proportionality, asumsi ini berarti naik turunnya nilai Z dan penggunaan
sumber fasilitas yang tersedia akan berubah secara sebanding dengan
perubahan tingkat kegiatan.
2. Additivity, berarti nilai tujuan tiap kegiatan tidak saling mempengaruhi, atau
dalam program linear dianggap bahwa kenaikan suatu kegiatan dapat
ditambahkan tanpa mempengaruhi bagian nilai Z yang diperoleh dari kegiatan
lain.
3. Divisibility, berarti keluaran yang dihasilkan oleh setiap kegiatan dapat berupa
bilangan pecahan.
4. Deterministic (certainty), berarti bahwa semua parameter (𝑎𝑎𝑖𝑖𝑖𝑖,,) yang
terdapat pada program linear dapat diperkirakan dengan pasti, meskipun
dalam kenyataannya tidak sama persis.
3.4.3. Metode Grafik
Setelah formulasi model program linier, langkah selanjutnya adalah
menyelesaikan model untuk mendapatkan keputusan terbaik. Salah satu metode

yang digunakan untuk menyelesaikan formulasi model program linier adalah
metode grafik. Metode grafik terbatas pada penyelesaian model yang memiliki
dua variabel keputusan dengan langkah-langkah sebagai berikut :
1. Gambarkan semua kendala daerah kelayakan yaitu daerah yang diliputi oleh
semua kendala. Dalam menggambarkan grafik, kendala yang bertanda lebih
kecil sama dengan, arah grafik yang membentuk daerah layak adalah menuju
titik nol. Kendala berbentuk lebih besar sama dengan, arah grafik yang
membentuk daerah layak adalah menjauhi titik nol. Sedangkan kendala
berbentuk sama dengan (=), daerah layak adalah sepanjang garis tujuan.
2. Gambarkan grafik 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
dalam daerah layak.
3.4.4. Metode Simpleks 7
Salah satu teknik penentuan solusi optimal yang digunakan dalam
pemrograman linier adalah metode simpleks. Penentuan solusi optimal
menggunakan metode simpleks didasarkan pada teknik eleminasi Gauss Jordan.
Penentuan solusi optimal dilakukan dengan memeriksa titik ekstrim satu per satu
dengan cara perhitungan iteratif. Sehingga penentuan solusi optimal dengan
simpleks dilakukan tahap demi tahap yang disebut dengan iterasi. Iterasi ke-i
hanya tergantung dari iterasi sebelumnya (i-1).
7
Siringoringo, Hotniar. 2005. Seri Teknik Riset Operasional. Pemrograman Linear.
Yogyakarta;Graha Ilmu

Ada beberapa istilah yang sangat sering digunakan dalam metode simpleks,
diantaranya :
1. Iterasi adalah tahapan perhitungan dimana nilai dalam perhitungan itu
tergantung dari nilai tabel sebelumnya.
2. Variabel non basis adalah variabel yang nilainya diatur menjadi nol pada
sembarang iterasi. Dalam terminologi umum, jumlah variabel non basis selalu
sama dengan derajat bebas dalam sistem persamaan.
3. Variabel basis merupakan variabel yang nilainya bukan nol pada sembarang
iterasi. Pada solusi awal, variabel basis merupakan variabel slack (jika fungsi
kendala merupakan pertidaksamaan ≤ ) atau variabel buatan (jika fungsi
kendala menggunakan pertidaksamaan ≥ atau =). Secara umum, jumlah
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
daya pembatas awal yang ada, karena aktivitas belum dilaksanakan.
5. Variabel slack adalah variabel yang ditambahkan ke model matematik kendala
untuk mengkonversikan pertidaksamaan ≤ menjadi persamaan (=).
6. Penambahan variabel ini terjadi pada tahap inisialisasi. Pada solusi awal,
variabel slack akan berfungsi sebagai variabel basis.
7. Variabel surplus adalah variabel yang dikurangkan dari model matematik
kendala untuk mengkonversikan pertidaksamaan ≥ menjadi persamaan (=).

Penambahan ini terjadi pada tahap inisialisasi. Pada solusi awal, variabel
surplus tidak dapat berfungsi sebagai variabel basis.
8. Variabel buatan adalah variabel yang ditambahkan ke model matematik
kendala dengan bentuk ≥ atau = untuk difungsikan sebagai variabel basis
awal. Penambahan variabel ini terjadi pada tahap inisialisasi. Variabel ini
harus bernilai 0 pada solusi optimal, karena kenyataannya variabel ini tidak
ada. Variabel hanya ada di atas kertas.
9. Kolom pivot (kolom kerja) adalah kolom yang memuat variabel masuk.
Koefisien pada kolom ini akn menjadi pembagi nilai kanan untuk menentukan
baris pivot (baris kerja).
10. Baris pivot (baris kerja) adalah salah satu baris dari antara variabel basis yang
memuat variabel keluar.
11. Elemen pivot (elemen kerja) adalah elemen yang terletak pada perpotongan
kolom dan baris pivot. Elemen pivot akan menjadi dasar perhitungan untuk
tabel simpleks berikutnya.
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
berikutnya akan bernilai nol.

Sebelum melakukan perhitungan iteratif untuk menentukan solusi optimal,
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
bentuk persamaan, fungsi kendala tersebut masih harus tetap berubah.
Ada beberapa hal yang harus diperhatikan dalam membuat bentuk baku,
yaitu:
1. Fungsi kendala dengan pertidaksamaan ≤ dalam bentuk umum, dirubah
menjadi persamaan (=) dengan menambahkan satu variabel slack.
2. Fungsi kendala dengan pertidaksamaan ≥ dalam bentuk umum, dirubah
menjadi persamaan (=) dengan mengurangkan satu variabel surplus.
3. Fungsi kendala dengan persamaan dalam benttuk umum,ditambahkan satu
artificial variabel (variabel buatan).
Dalam perhitungan iteratif, kita akan bekerja menggunakan tabel. Bentuk
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.

Langkah-langkah penyelesaian adalah sebagai berikut :
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,
pilih salah satu secara sembarang.
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
satu, pilih salah sau secara sembarang.
4. Tentukan elemen pivot. Elemen pivot merupakan nilai yang terletak pada
perpotongan kolom dan baris pivot.
5. Bentuk tabel simpleks baru. Tabel simpleks baru dibentuk dengan pertama
sekali menghitung nilai baris pivot baru. Baris pivot baru adalah baris pivot

lama dibagi dengan elemen pivot. Baris baru lainnya merupakan pengurangan
nilai kolom pivot baris yang bersangkutan dikali baris pivot baru dalam satu
kolom terhadap baris lamanya yang terletak pada kolom tersebut.
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
sudah optimal baca solusi optimalnya.
Suatu solusi layak (feasible solution) adalah suatu vektor non negatif x
yang memenuhi persamaan Ax = b. Dimana non negatif yang dimaksud adalah
himpunan bilangan positif atau nol (0,1,2,3,...). Daerah layak (feasibleregion),
dinyatakan dengan S ,adalah himpunan dari semua solusi layak yang mungkin.
Secara matematis, S={x | Ax = b , x ≥ 0} Jika himpunan layak S adalah kosong
maka masalah program linear dikatakan tak layak (infeasible).
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
optimal maka Z=cx

Pada metode simpleks ada beberapa isu teknis yang menjadi kasus khusus
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
menentukan pivot row.
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
yang tidak berada pada kolom variabel basis.
3. Unboundedness Solution adalah situasi yang menggambarkan bahwa
permasalahan program linear tidak mempunyai batasan solusi. Hal ini terjadi
pada kasus maksimisasi. Dalam metode simpleks, situasi unboundedness akan
terlihat apabila saat kita akan menentukan pivot row, tidak ada angka yang
memenuhi syarat, yaitu tidak ada hasil bagi non negative.
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,
namun artificial variabel masih berada pada kolom variabel basis

3.5. Teori Dualitas dan Analisis Sensitivitas 8
Setiap permasalahan pemrograman linear mempunyai hubungan dengan
permasalahan pemrograman linear lain yang disebut dual. Hubungan antara
masalah dual dengan masalah asli (yang disebut primal) sangat bermanfaat dalam
berbagai hal.
Salah satu kunci dalam penggunaan teori dualitas terletak pada masalah
interprestasi dan implementasi analisis sensitivitas. Analisis sensitivitas
merupakan bagian yang paling penting pada hamper setiap permasalahan
pemrograman linear. Oleh karena kebanyakan nilai parameter yang digunakan
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
menggambarkan keputusan manajerial, dimana pemilihan nilai parameter tersebut
dapat ditentukan dengan analisis sensitivitas.
3.5.1. Dualitas9
Konsep dualitas menjelaskan secara matematis bahwa sebuah kasus
pemrograman linear berhubungan dengan sebuah kasus pemrograman linear yang
lain. Bila kasus pemrograman linear pertama disebut Primal maka kasus
pemrograman linear kedua disebut Dual, sehingga penyelesaian kasus primal
secara otomatis akan menyelesaikan kasus dual, demikian pula sebaliknya.
8
2005), hlm. 177
9
Siswanto, Operations Research Jilid 1 (Jakarta: Erlangga, 2007), hlm. 149.

Berikut merupakan kasus Bawika untuk mengetahui gejala dualitas. Model
matematis kasus BAwika adalah sebagai berikut.
Maksimumkan 2X1 + 3X2
Terhadap fungsi kendala :
1. Dept. I 5X1 + 6X2 ≤ 60
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
untuk menyederhanakan pembahasan, di samping itu, telah diketahui bahwa
kendala-kendala tersebut bukan kendala aktif sehingga pengabaian kendala-
kendala jelas tidak akan mempengaruhi penyelesaian optimal kasus Bawika.
Dengan demikian model matematis kasus Bawika untuk pembahasan selanjutnya
dinamakan model primal, adalah sebgai berikut:
Maksimumkan 2X1 + 3X2
Terhadap fungsi kendala :
1. Dept. I 5X1 + 6X2 ≤ 60
2. Dept. II X1 + 2X2 ≤ 16
X1, X2 ≥ 0

3.5.2. Analisis Sensitivitas10
Analisis sensitivitas dilakukan untuk memeriksa pengaruh solusi optimal
yang sudah dihasilkan oleh metode simpleks jika nilai parameternya diganti
dengan nilai yang lain masih memungkinkan. Biasanya ada beberapa parameter
yang bisa diubah nilainya tanpa mengakibatkan perubahan pada solusi
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
substansial terhadap fungsi tujuannya bahkan mungkin bisa tidak layak.
Oleh kaena itu, salah satu tujuan analisis sensitivitas adalah
mengidentifikasi parameter sensitif (misalnya parameter di mana nilainya tidak
berubah tanpa perubahan solusi optimalnya). Untuk parameter tertentu yang tidak
dikategorikan sensitive, analisis sensitivitas juga sangat berguna untuk
menentukan jangkauan nilai dari parameter yang menyebabkan solusi optimalnya
tidak berubah. Biasanya jangkauan tersebut dinamakan jangkauan yang
dibolehkan agar tetap optimal (allowable range to stay optimal). Pada beberapa
kasus, perubahan suatu parameter dapat mempengaruhi kelayakan dari solusi BF
optimal.
Analisis sensitivitas akan menjelaskan interval atau batas perubahan dari
parameter agar tidak merubah penyelesaian optimal. Analisis sensitivitas dapat
dikelompokkan menjadi lima berdasarkan perubahan-perubahan parameter yang
terjadi, yaitu:
10
Hillier dan Lieberman, Introdustion to Operations Research Eight Edition (Yogyakarta:
Andi, 2005), hlm. 197.

1. Perubahan koefisien fungsi tujuan (cj),
2. Perubahan koefisien teknologi (aij) atau koefisien teknis,
3. Perubahan koefisien kapasitas sumber daya dari fungsi kendala (bi),
4. Adanya tambahan fungsi kendala baru,
5. Adanya tambahan variabel pengambilan keputusan (xj) atau adanya
penambahan kegiatan baru.
Perubahan yang dimaksud dalam penelitian ini adalah perubahan koefisien fungsi
tujuan pada masalah program linear bilangan bulat murni.
Perubahan koefisien fungsi tujuan merupakan perubahan yang terjadi
karena adanya penambahan atau pengurangan pada koefisien ongkos yang
merupakan konstribusi dari setiap satuan kegiatan terhadap tujuan.
Misalnya koefisien ongkos (cj) soal lama berubah menjadi :
𝑐𝑗∗ = 𝑐𝑗 + ∆ 𝑐𝑗
Jika ditulis dalam notasi vektor, C berubah menjadi
𝐶∗ = 𝐶 + ∆ 𝐶
Jika perubahan terjadi pada koefisien tujuan untuk variabel basis maka 𝐶
berubah menjadi 𝐶 ∗= 𝐶 + ∆ 𝐶 .
Dengan :
𝐶∗ : vektor yang anggotanya merupakan koefisien ongkos lama dari
variabel yang menjadi basis optimal pada soal lama
𝐶 : vektor yang anggotanya merupakan besarnya perubahan koefisien
ongkos untuk variabel basis

∆𝐶 : vektor yang anggotanya merupakan koefisien ongkos baru dari variabel
basis optimum pada soal lama.
Karena adanya perubahan tersebut, maka dalam tabel optimum soal lama
koefisien kontrol :
𝑧𝑗 − 𝑐𝑗 = 𝐶𝑌𝑗 − 𝑐𝑗
Akan berubah menjadi:
𝑧𝑗∗ − 𝑐𝑗∗ = 𝐶𝑌𝑗∗ + 𝑐𝑗∗
= (𝐶 + ∆ 𝐶 )𝑌𝑗 − (𝑐𝑗 + ∆𝑐𝑗 )
= (𝐶 + ∆ 𝐶 )𝑌𝑗 − 𝑐𝑗 − ∆𝑐𝑗
= 𝐶𝑌𝑗 + ∆𝐶𝑌𝑗 − (𝑐𝑗 − ∆𝑐𝑗 )
= (𝐶𝑌𝑗 − 𝑐𝑗 ) + ∆𝐶𝑌𝑗 − ∆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:
𝑧𝑗∗ − 𝑐𝑗∗ ≥ 0 (untuk pola memaksimumkan) atau
𝑧𝑗 − 𝑐𝑗 + ∆𝐶𝑌𝑗 − 𝑐𝑗 ≥ 0 , untuk xj bukan basis

Jika persamaan (2.6) dipenuhi maka variabel basis yang menyusun penyelesaian
optimal dan nilainya tidak berubah, yang berubah adalah nilai program yang
semula f = Cx berubah menjadi:
f* = C*x = (C+ ∆C)x
= Cx + ∆Cx
=f+∆f
Jadi nilai program mengalami perubahan sebesar . Δf = ∆Cx
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 :
𝑧𝑗 − 𝑐𝑗 − ∆𝐶𝑌𝑗 ≥ 0 , untuk xj bukan basis
Kasus ini merupakan kasus khusus dengan syarat 𝑧𝑗 − 𝑐𝑗 − ∆𝐶𝑌𝑗 ≥ 0
Analisis sensitivitas parameter cj adalah persoalan penentuan batas atas dan batas
bawah nilai cj di mana pada batas itu nilai optimal variabel keputusan tidak
berubah. Perubahan salah satu parameter selalu disertai anggapan bahwa
parameter yang lain tetap.
3.6. Peramalan11
Peramalan merupakan bagian awal dari suatu proses pengambilan suatu
keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa
sebenarnya persoalan dalam pengambilan keputusan itu. Peramalan adalah
11
Rosnani Ginting.Sistem Produksi (Yogyakarta: Graha Ilmu, 2012). hlm. 31-32

pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau
beberapa produk pada periode yang akan datang.
Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah
permintaan terhadap suatu produk dan merupakan langkah awal dari proses
perencanaan dan pengendalian produksi.
3.7. Pendefinisian Tujuan Peramalan
Tujuan peramalan dilihat dengan waktu dapat dibagi menjadi:
a. Jangka pendek (short term)
Menentukan kuantitas dan waktu dari itemdijadikan produksi. Biasanya
bersifat harian ataupun mingguan dan ditentukan oleh Low Management.
b. Jangka menengah (medium term)
Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya bersifat
bulanan ataupun kuartal dan ditentukan oleh Middle Management.
c. Jangka pendek (long term)
Menentukan kuantitas dan waktu dari fasilitas produksi. Biasanya bersifat
tahunan, 5 tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh Top
Management.

3.8. Teknik-teknik Peramalan12
Penggunaan model matematik dalam peramalan besarnya potensi
permintaan terhadap produk-produk yang akan dibuat pada umumnya lebih
didominasi oleh perusahaan yang beroperasi dalam lingkungan make-to-stock.
Tetapi, akhir-akhir ini perusahaan-perusahaan dalam lingkungan make-to-order
juga sudah semakin tertarik untuk menggunakan metode peramalan, walaupun
hasil yang digunakan sebagai bahan pembandingan terhadap hasil-hasil analisis
berdasarkan analisis skenario perkembangan pasar yang dibuat oleh pimpinan
puncak.
Dalam pemilihan metode peramalan dan pengembangan sistem peramalan,
perlu diperjelas terlebih dahulu maksud dan tujuan peramalan sehingga metode
yang dipilih akan disesuaikan dengan maksud tersebut. Beberapa pertanyaan yang
perlu dijawab sebelum perancangan sistem peramalan dibuat ialah :
1. Agregat, produk-produk, alternatif atau pilihan produk apa yang
diramalkan?
2. Area geografis mana saja yang akan dicakup?
3. Berapa panjangkah rentang waktu peramalan (forecast horizon)?
4. Bagaimana rentang waktu perencanaan dibagi menjadi periode-periode yang
lebih pendek?
5. Berapa sering hasil peramalan harus di update ?
6. Bagaimana tingkat akurasi yang dimiliki?
12
Sukaria Sinulingga, Perencanaan dan Pengendalian Produksi. (Yogyakarta: Graha Ilmu. 2009),
hlm. 109-110

3.9. Prinsip-prinsip Peramalan13
Ada lima prinsip peramalan yang sangat perlu diperhatikan untuk
mendapatkan hasil peramalan yang baik, yaitu:
1. Peramalan melibatkan kesalahan error. Hampir tidak pernah ditemui bahwa
hasil peramalan persis seperti kenyataan di lapangan. Peramalan mengurangi
faktor ketidakpastian tetapi tidak pernah mampu untuk menghilangkan
kesalahan.
2. Peramalan harus mencakup ukuran dari error. Karena peramalan selalu
mengandung error maka para pengguna perlu mengetahui besarnya error
yang terkandung, besarnya error dapat dijelaskan dalam bentuk kisaran sekitar
hasil peramalan baik dalam unit atau persentase dan probabilitas tentang
permintaan sesungguhnya akan berada dalam kisaran tersebut.
3. Peramalan item yang dikelompokkan dalam famili selalu lebih akurat
dibandingkan dengan peramalan dalam item per item. Jika famili dari produk
sebagai sebuah kesatuan (unit) diramalkan maka persentase error akan
semakin kecil.
4. Peramalan untuk jangka pendek selalu lebih akurat dibandingkan dengan
peramalan untuk jangka panjang. Dalam jangka pendek, kondisi yang
mempengaruhi kecenderungan permintaan hampir sama atau kalau pun
berubah hanya sedikit dan berjalan sangat lambat. Apabila rentang waktu
peramalan bertambah panjang maka kecenderungan permintaan semakin
dipengaruhi oleh berbagai faktor sehingga error semakin besar.
13
Ibid., hlm. 112-113

5. Apabila dimungkinkan, perkiraan besarnya permintaan lebih disukai
berdasarkan perhitungan daripada hasil peramalan. Misalnya dalam
perencanaan produksi dalam lingkungan make-to-stock, apabila besarnya
permintaan terhadap produk akhir telah diperkirakan berdasarkan hasil
peramalan maka besarnya jumlah part, komponen, sub-assembly dan bahan
baku untuk produk tersebut lebih baik dihitung berdasarkan principle of
dependent demand dari pada masing-masing ditetapkan berdasarkan hasil
peramalan.
3.10. Klasifikasi Teknik Peramalan14
Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung
dari cara melihatnya. Apabila dilihat dari sifat penyusunannya, maka peramalan
dapat dibedakan atas dua macam, yaitu:
1. Dilihat dari sifat penyusunannya
a. Peramalan yang subjektif
Yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang
yang menyusunnya. Dalam hal ini pandangan orang yang menyusunnya
sangat menentukan baik tidaknya hasil ramalan tersebut.
b. Peramalan yang objektif
Yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu,
dengan menggunakan teknik-teknik dan metode-metode dalam
penganalisaannya.
14
Op.cit., Rosnani Ginting. hlm.38-44.

2. Dilihat dari jangka waktu ramalan yang disusun
a. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan yang jangka waktunya satu tahun atau kurang.
b. Paramalan jangka menengah, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan yang jangka waktunya satu hingga lima tahun
kedepan.
c. Peramalanjangkapendek, yaituperamalan yang dilakukan untuk
penyusunan hasil ramalan yang jangka waktunya lebih dari lima tahun
yang akan datang.
3. Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat
dibedakan atas dua macam, yaitu:
a. Peramalan kualitatif, yaitu peramalan yang didasarkan atas kualitatif pada
masa lalu. Hasil peramalan yang dibuat sangat tergantung dengan orang
yang menyusunnya.
b. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data
kuantitatif masa lalu. Hasil peramalan yang dibuat sangat tergantung pada
metode yang dipergunakan dalam peramalan tersebut.
3.10.1. Peramalan Kualitatif (Judgement Method)15
Peramalan kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi,
emosi, pendidikan, dan pengalaman seseorang. Beberapa metode kualitatif yang
banyak dikenal antara lain:
15
Ibid., hlm.41-43

1. Metode Delphi
Adapun tahapan yang dilakukan adalah:
a. Tentukan beberapa pakar mengisi sebagai partisipan. Sebaiknya bervariasi
dengan latar belakang disiplin ilmu yang berbeda.
b. Melalui kuisioner (e-mail), diperoleh peramalan dari seluruh partisipan,
c. Simpulkan hasilnya, kemudian distribusikan kembali kepada seluruh
partisipan dengan pertanyaan yang baru.
d. Simpulakan kembali revisi peramalan dan kondisi, kemudian
dikembangkan dengan pertanyaan yang baru.
e. Apabila diperlukan ulangi tahap 4. Seluruh hasil akhir akhir
didistribusikan kepada seluruh partisipan.
2. Dugaan manajemen (management estimate) atau Panel Consensus
Dimana peramalan semata-mata berdasarkan pertimbangan manajemen,
umumnya oleh manajer senior. Metode ini akan cocok dalam situasi yang
sangat sensitif terhadap intuisi dari suatu atua sekelompok kecil orang yang
karena pengalamannya mampu memberikan opini yang kritis dan relevan.
Teknik akan dipergunakan dalam situasi dimana tidak ada situasi dimana
tidak ada alternatif lain dari model peramalan yang dapat diterapkan.
3. Riset Pasar (Market research)
Metode ini mengumpulkan dan menganalisa fakta secara sistematis pada
bidang yang berhubungan dengan pemasaran. Salah satu teknik utama adalah
survei pasar yang akan memberikan informasi mengenai selera yang

diharapkan konsumen, dimana informasi tersebut diperoleh dengan cara
kuesioner.
4. Metode Kelompok Terstruktur.
Metode ini melibatkan orang-orang yang berpengalaman dalam berbagai
bidang. Perbedaan dengan metode Delphi terletak pada interaksi antar
anggota panel. Dalam metode ini terdapat diskusi antaranggota secara
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
disamakan secara analogi. Analogi historis cenderung akan menjadi terbaik
untuk penggantian produk di pasar dan apabila terdapat hubungan substitusi
langsung dari produk dalam pasar itu.
3.10.2. Metode Peramalan Kuantitatif
Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas dua
bagian, yaitu:
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
antara variabel yang akan diperkirakan dengan variabel waktu, yang
merupakan deret waktu atau time series.
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
antara variabel lain yang mempengaruhinya, yang bukan waktu yang disebut
metode korelasi atau sebab akibat (causal method).

Prosedur umum yang digunakan dalam peramalan secara kuantitatif
adalah:
1. Definisikan tujuan peramalan
2. Membuat diagram pencar.
3. Memilih model peramalan yang tepat
4. Lakukan peramalan
5. Hitung kesalahan ramalan
6. Pilih metode peramalan dengan kesalahan terkecil
7. Lakukan verifikasi
Adapun langkah-langkah peramalan secara kuantitatif dapat dibuat pada
gambar 2.2.

Sumber: Rosnani Ginting. Sistem Produksi. 2007.
Gambar 3.3. Langkah-langkah Peramalan Secara Kuantitatif
3.11. Metode Time Series
Metode Time Series adalah metode yang dipergunakan untuk
menganalisis serangkaian data yang merupakan fungsi dari waktu. Metode ini
mengasumsikan beberapa pola atau kombinasi pola selalu berulang sepanjang
waktu, dan pola dasarnya dapat diidentifikasi semata-mata atas dasar data historis
dari serial itu. Dengan metode deret waktu dapat ditunjukkan bagaimana

permintaan terhadap suatu produk tertentu bervariasi terhadap waktu. Sifat dari
perubahan permintaan dari tahun ke tahun dirumuskan untuk meramalkan
penjualan pada masa yang akan datang.
Ada empat komponen utama yang mempengaruhi analisis ini, yaitu :
1. Pola siklis, jika penjualan produk memilki siklus yang berulang secara
periodik. Komponen siklis ini sangat berguna dalam peramalan jangka
menengah. Pola data ini terjadi bila data memiliki kecenderungan untuk naik
atau turun terus-menerus.
Gambar 3.4. Pola Siklis
2. Pola musiman, jika pola penjualan berulang setiap periode. Pola musiman
berguna dalam meramalkan penjualan dalam jangka pendek.

Gambar 3.5. Pola Musiman
3. Pola horizontal, jika nilai data berfluktuasi di sekitar nilai rata-rata.
Gambar 3.6. Pola Horizontal
4. Pola trend, jika data memiliki kecenderungan untuk naik atau turun terus
menerus.

Gambar 3.7. Pola Trend
Dalam meramalkan biaya – biaya yang termasuk di dalam biaya operasi
dipergunakan pola trend karena biaya tersebut cenderung naik jika
mesin/peralatan semakin tua atau semakin lama jangka waktu pemakaiajaringan
neuralya. Ada beberapa trend yang digunakan di dalam penyelesaian masalah ini
yaitu :
1. Trend linier
Bentuk persamaan umum.
Y = a + bt
Sedangkan peramalannya mempunyai bentuk persamaan:
Yt = a + bt
Harga konstanta a dan b adalah
a
 Yt  b t
n
nty   t  Yt 
b
nt 2  t 
2

Sumber: Anonim.eprints.undip.ac.id/29946/1/Jurnal. 2011.
Gambar 3.8. Trend Linier Positif dan Negatif
2. Trend Eksponensial atau Pertumbuhan
Y = aebt
Yt = aebt
Harga konstanta a dan b diperoleh
ln a 
 ln Y  b t
t
n t ln Y   t  ln Y
b
n t 2   t 
2
Gambar 3.9. Trend Ekponensial

3. Trend Logaritma
Y = a + b log t
Yt = a + b log t
a
 Y  b log t
t
n log t.Yt   log t Yt

b
n log 2 t   log t 
2
4. Trend Geometrik
Y = atb
Yt = atb
log a 
 log Y  b log t
t
n log t.log Yt   log t  log Yt

b
n log 2 t   log t 
2
5. Trend Hiperbola
𝑎
𝑌=
𝑏𝑡

𝑎
𝑌𝑡 =
𝑏𝑡
log a 
 log Y  b log t
t
n log t.log Yt   log t  log Yt

b
n log 2 t   log t 
2
6. Trend Kuadratik
Jika trend linier merupakan deret waktu yang berupa garis lurus, maka trend
kuadratik merupakan deret waktu dengan data berupa garis parabola.
Persamaan untuk trend kuadratik adalah:
Dengan nilai a, b, dan c diperoleh dari:
Gambar 3.10. Trend Kuadratik

Adapun metode peramalan yang termasuk model Time Series adalah :
1. Metode Penghalusan (Smoothing)
Metode ini digunakan untuk mengurangi ketidakteraturan musiman dari data
yang lalu, dengan membuat rata-rata tertimbang dari sederetan data masa lalu.
Ketepatan dengan metode ini akan terdapat pada peramalan jangka pendek,
sedangkan untuk peramalan jangka panjang kurang akurat.
Metode ini terdiri dari:
a. Metode rata-rata bergerak (moving average)
1) Single Moving Average
2) Linear Moving Avarage
3) Double Moving Avarage
4) Weigthed Moving Average
b. Metode Eksponensial Smoothing
1) Single Eksponential Smoothing
2) Double Exponential Smoothing
2. Metode Proyeksi Kecenderungan dengan Regresi
Metode ini merupakan dasar garis kecenderungan untuk suatu persamaan,
sehingga dengan dasar persamaan tersebut dapat di proyeksikan hal-hal yang
akan diteliti pada masa yang akan datang.
Bentuk fungsi dari metode ini dapat berupa:
a. Konstan
b. Linier
c. Kuadratis

d. Eksponensial
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
data yang ada. Metode dekomposisi merupakan pendekatan peramalan yang
tertua. Terdapat beberapa pendekatan alternatif umtuk mendekomposisikan
suatu derat berkala yang semuanya bertujuan memisahkan setiap komponen
deret data seteliti mungkin.

BAB IV
METODOLOGI PENELITIAN
4.1. Tempat dan Waktu Penelitian
Penelitian dilakukan di PTPN II - Pagar Merbau yang berada diantara kota
Lubuk Pakam dan kota Galang. Lokasi pabrik ini dari kota Lubuk Pakam berjarak
sekitar 4 km menuju desa Pagar Merbau, Kecamatan Lubuk Pakam Kabupataen
Deli Serdang. Waktu penelitian dilakukan pada tanggal Mei 2018 sampai dengan
selesai.
4.2. Jenis Penelitian
Jenis penelitian adalah penelitian deskriptif yaitu penelitian untuk
mendeskripsikan secara sistematik, faktual, dan akurat tentang fakta-fakta dan
sifat-sifat suatu objek tertentu (Sinulingga, 2014). Penelitian deskriptif ini
berbentuk case study yaitu penelitian tentang status subjek penelitian yang
berkenaan dengan suatu fase spesifik dari keseluruhan peronalitas.
4.3. Objek Penelitian
Objek penelitian yang diamati adalah pengadaan bahan baku tandan buah
segar pada perusahaan.

4.4. Variabel Penelitian
Penentuan variabel penelitian didasarkan pada ketersediaan bahan baku,
sumber pengadaan bahan baku, ketersediaan tenaga kerja, transfer CPO dan PK.
dan biaya pengadaan bahan baku serta biaya pengolahan. Keuntungan yang
diperoleh adalah selisih penerimaan dengan biaya. Data yang dianalisis
digolongkan ke dalam fungsi tujuan dan fungsi kendala.
4.5. Kerangka Berpikir
Kerangka konseptual adalah suatu model konseptual yang menunjukkan
hubungan logis antara faktor / variabel yang telah diidentifikasi penting untuk
menganalisis masalah penelitian (Sinulingga; 2014). Kerangka konseptual
penelitian ini dapat dilihat pada Gambar 4.1.
Jumlah dan ketersediaan bahan baku
Kapasitas Pabrik
Perencanaan Pemenuhan Bahan Baku

Ketersediaan Tenaga Kerja Langsung Keuntungan Maksimum Perusahaan
Produksi (TBS)
Transfer CPO dan PK
Biaya Pengolahan
Gambar 4.1. Kerangka Konseptual
4.6. Blok Diagram Prosedur Penelitian
Prosedur penelitian dapat dilihat pada Gambar 4.2. di bawah ini.

Mulai
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
Analisis dan Diskusi
Kesimpulan dan Saran
Selesai
Gambar 4.2. Blok Diagram Prosedur Penelitian

4.7. Pengumpulan Data
4.7.1. Sumber Data
Data yang dikumpulkan untuk digunakan dalam penelitian ini adalah
sebagai berikut :
1. Data primer adalah data yang diperoleh dengan pengamatan langsung atau
turun langsung ke lapangan mengumpulkan informasi/data yang dibutuhkan.
Data primer diperoleh dari hasil wawancara dengan pihak perusahaan.
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.
4.7.2. Metode Pengumpulan Data
Pengumpulan data dalam penelitian ini menggunakan metode sebagai
berikut :
1. Metode wawancara, yaitu melakukan tanya jawab dengan pihak perusahaan
terkait dengan penelitian.
2. Studi kepustakaan yaitu mempelajari teori-teori dan literatur yang
berhubungan dengan objek penelitian yaitu literatur mengenai Linear
Programming.

4.8. Metode Pengolahan Data
Pengolahan data dilakukan setelah keseluruhan data yang dibutuhkan baik
data primer maupun data sekunder terkumpul. Pengolahan data dilakukan
berdasarkan data yang diperoleh dari perusahaan yang mendukung penelitian ini
dengan metode linear programming
4.9. Analisis dan Diskusi
Analisis merupakan proses menguraikan masalah-masalah yang terdapat
dalam penelitian dan kemudian dicari solusi untuk menyelesaikannya. Analisis
dan diskusi yang dilakukan pada pengolahan data pengoptimalan pengadaan
bahan baku TBS pada produksi CPO dan PK dengan metode linear programming.
4.10. Kesimpulan dan Saran
Berdasarkan metode dan analisis yang dilakukan, kesimpulan yang
diharapkan dari penelitian ini adalah perusahaan dapat mengoptimalkan
pengadaan bahan baku TBS pada produksi CPO dan PK untuk menghasilkan
keuntungan yang maksimum.

BAB V
PENGUMPULAN DAN PENGOLAHAN DATA
5.1. Pengumpulan Data
Penelitian yang dilakukan menggunakan data primer dan sekunder. Data
primer diperoleh dengan melakukan wawancara dengan pihak perusahaan, baik
manajer (Administratur) kebun, Tata Usaha Keuangan untuk mengetahui kondisi
operasional perusahaan dan kebijakan-kebijakan yang telah dilakukan oleh
perusahaan dalam rangka pengelolaan produksi dan persediaan untuk memenuhi
Penjualan konsumennya. Data sekunder diperoleh dari data yang dimiliki
perusahaan.
Pengumpulan data sekunder meliputi data aktual untuk dasar variabel
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.

Tabel 5.1. Data Aktual untuk Dasar Variabel Keputusan
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

Tabel 5.2. Penjualan CPO dan PK April 2016 Sampai Maret 2017
Penjualan Penjualan PK
Tahun
CPO (kg) (kg)
April 2016 1.487.450 252.860
Mei 2016 1.179.702 207.570
Juni 2016 1.223.149 256.860
Juli 2016 1.480.491 280.780
Agustus 2016 1.527.235 288.760
September 2016 1.484.300 275.100
Oktober 2016 1.847.931 401.090
November 2016 1.804.475 350.810
Desember 2016 1.467.894 308.627
Januari 2017 1.278.828 228.943
Februari 2017 1.282.870 241.963
Maret 2017 1.674.521 256.870
5.2. Pengolahan Data
5.2.1. Peramalan Jumlah Penjualan CPO dan PK Periode April 2016
Sampai Maret 2017
Peramalan dilakukan untuk mengetahui perkiraan penjualan masa yang
akan datang, maka akan dilakukan peramalan dengan metode time series. Metode
time series digunakan dikarenakan variabel-variabel yang dipilih dipengaruhi oleh
fungsi waktu.
Data besarnya penjualan CPO dari April 2016 sampai dengan Maret 2018
dapat dilihat pada Tabel.5.3.

Tabel 5.3. Data Penjualan CPO
Tahun Penjualan CPO (kg)
April 2016 1.487.450
Mei 2016 1.179.702
Juni 2016 1.223.149
Juli 2016 1.480.491
Agustus 2016 1.527.235
September 2016 1.484.300
Oktober 2016 1.847.931
November 2016 1.804.475
Desember 2016 1.467.894
Januari 2017 1.278.828
Februari 2017 1.282.870
Maret 2017 1.674.521
Langkah-langkah peramalan yang dilakukan terdiri atas :
1. Mendefinisikan tujuan peramalan
Tujuan peramalan adalah untuk meramalkan penjualan CPO setahun kedepan.
2. Pembuatan Scatter diagram
Dari data penjualan CPO pada Tabel 5.3 maka dibuat scatter diagram untuk
melihat pola data.

Scatter Diagram
2.000.700
1.800.700
1.600.700
Penjualan CPO
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

Gambar 5.1. Scatter Diagram Penjualan CPO
3. Pemilihan Metode Peramalan
Metode peramalan yang digunakan adalah :
a. Metode Kuadratis
b. Metode Siklis
4. Menghitung parameter peramalan
Untuk memudahkan perhitungan, maka dimisalkan X sebagai variabel tahun
dan Y sebagai variabel basarnya Penjualan CPO.
a. Metode kuadratis
Fungsi peramalan: Y’ = a + bx + cx2

Tabel 5.4. Perhitungan Parameter Peramalan Penjualan CPO 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
 = ∑ 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

 = ∑ X2 ∑ Y - n ∑ X2 Y
= (650)( 17738846) – (12) (996517732)
= -427962884
 .   .
b =
 .   2
-3060320 (-34589172) - (-427962884) (-22308)

b =
-3060320(-1716)-(-22308)2
= 37767,5355
  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
Fungsi peramalannya adalah:
Y’= 1306125,998 + 37767,5355 x -1354,6673 x2
b. Metode Siklis
2πt 2πt
Fungsi peramalan: Y' =a+bsin + ccos
n n

Tabel 5.5. Perhitungan Peramalan Penjualan CPO Metode Siklis
x Y Sin(2πx/n) Cos(2πx/n) Y.sin(2πx/n) Y.cos(2πx/n) sin2(2πx/n) cos2(2πx/n) sin(2πx/n)cos(2πx/n)
1 1487450 0,500 0,8660 743725,0000 1288169,4869 0,25 0,7500 0,4330
2 1480491 0,866 0,5000 1282105,2060 740245,5000 0,75 0,2500 0,4330
3 1179702 1,000 0,0000 1179702,0000 0,0000 1 0,0000 0,0000
4 1278828 0,866 -0,5000 1107465,0480 -639414,0000 0,75 0,2500 -0,4330
5 1223149 0,500 -0,8660 611574,5000 -1059278,1066 0,25 0,7500 -0,4330
6 1484300 0,000 -1,0000 0,0000 -1484300,0000 0 1,0000 0,0000
7 1847931 -0,500 -0,8660 -923965,5000 -1600355,1904 0,25 0,7500 0,4330
8 1804475 -0,866 -0,5000 -1562675,3500 -902237,5000 0,75 0,2500 0,4330
9 1467894 -1,000 0,0000 -1467894,0000 0,0000 1 0,0000 0,0000
10 1527235 -0,866 0,5000 -1322585,5100 763617,5000 0,75 0,2500 -0,4330
11 1282870 -0,500 0,8660 -641435,0000 1110998,0098 0,25 0,7500 -0,4330
12 1674521 0,000 1,0000 0,0000 1674521,0000 0 1,0000 0,0000
78 17738846 0,000 0 -993983,606 -108033,3003 6 6 0

2πx 2πx
∑Y = n a + b ∑ sin( ) + c ∑ cos( )
n n
17738846 = 12 a + b (0) + c (0)
17738846
a = = 1478237
12
2πx 2πx 2πx 2πx 2πx

∑ y sin( ) = a ∑ sin( ) + b ∑ sin2( ) + c ∑ sin( )cos( )
n n n n n
-993983,606 = 1478237 (0) + b (6) + c (0)
-993983,606
b = = -165663,9343
6

∑ y cos ( ) = a ∑ cos ( ) + c ∑ cos2( ) + b ∑ sin( )cos( )
n n n n n
-108033,3003 = 2195688,75 (6) + c (6) + 159976,6153 (0)
c = -18005,5501
2πx 2πx
Y’ = 1478237 -165663,9343 sin - 18005,5501 cos
n n
5. Menghitung setiap kesalahan setiap metode
Perhitungan kesalahan menggunakan metode SEE (StandardErrorofEstimate)
dan PE (Percentage Error)dengan menggunakan rumus sebagai berikut:
2
∑nx = 1 (y - y' )
SEE = √
n- f
∑ y-y'
PE = x 100 %
y

Keterangan :
y = data aktual
y’ = data peramalan
n = banyak data
f = derajat kebebasan
a. Metode Kuadratis ( f = 3 )
Adapun perhitungan SEE dan PE untuk metode kuadratis, yaitu :
Tabel 5.6. Perhitungan SEE dan PE Penjualan Metode Kuadratis

x Y Y' Y-Y' e (Y-Y')2 PE
1 1487450 1342538,8662 144911,1338 144911,1338 20999236699 9,7423
2 1480491 1376242,3998 104248,6002 104248,6002 10867770644 7,0415
3 1179702 1407236,5988 -227534,5988 227534,5988 51771993651 19,2875
4 1278828 1435521,4632 -156693,4632 156693,4632 24552841410 12,2529
5 1223149 1461096,9930 -237947,9930 237947,993 56619247373 19,4537
6 1484300 1483963,1882 336,8118 336,8118 113442 0,0227
7 1847931 1504120,0488 343810,9512 343810,9512 118205970165 18,6052
8 1804475 1521567,5748 282907,4252 282907,4252 80036611233 15,6781
9 1467894 1536305,7662 -68411,7662 68411,7662 4680169755 4,6605
10 1527235 1548334,6230 -21099,6230 21099,623 445194091 1,3816
11 1282870 1557654,1452 -274784,1452 274784,1452 75506326453 21,4195
12 1674521 1564264,3328 110256,6672 110256,6672 12156532662 6,5844
78 17738846 17738846 0 1972943,179 455.842.007.577,50 136,1297
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 )
Adapun perhitungan SEE dan PEuntuk metode Siklis, yaitu :

Tabel 5.7. Perhitungan SEE dan PE Penjualan CPO Metode Siklis
1 1487450 1366295,5533 121154,4467 121154,4467 14678399955,1831 8,1451
2 1480491 1315117,3815 165373,6185 165373,6185 27348433695,7835 11,1702
3 1179702 1326245,4234 -146543,4234 146543,4234 21474974941,7917 12,4221
4 1278828 1395429,1453 -116601,1453 116601,1453 13595827085,2717 9,1178
5 1223149 1496242,7168 -273093,7168 273093,7168 74580178155,6386 22,3271
6 1484300 1590178,7801 -105878,7801 105878,7801 11210316075,4642 7,1332
7 1847931 1641356,9519 206574,0481 206574,0481 42672837348,4211 11,1787
8 1804475 1630228,9100 174246,0900 174246,0900 30361699880,2881 9,6563
9 1467894 1561045,1881 -93151,1881 93151,1881 8677143844,4416 6,3459
10 1527235 1460231,6166 67003,3834 67003,3834 4489453387,0474 4,3872
11 1282870 1366295,5533 -83425,5533 83425,5533 6959822943,4111 6,5030
12 1674521 1315117,3815 359403,6185 359403,6185 129170960990,8940 21,4631
78 17738846 17463784,6018 275061,3982 1912449,0122 385220048303,6360 129,8498
2
∑nx = 1 (y - y' ) 385220048303
SEE =√ = √ = 206.886,9923
n- f 10 - 3
∑ y-y'
PE= x 100 % = 129,8498 %
y
Tabel 5.8. Rekapan Perhitungan SEE Penjualan CPO

Metode SEE
Kuadratis 225.053,5757
Siklis 206.886,9923
6. Menghitung pola peramalan yang terbaik dengan perhitungan distribusi f
Ho : |SEE| siklis ≤ |SEE| kuadratis
Hi : |SEE| siklis > |SEE| kuadratis
α : 0,05

(SEE Siklis)2 (225.053,5757)2
Uji statistik : Fhitung = 2 = = 0,9192
(SEE Kuadratis ) (206.886,9923)2
F tabel = 0,05 (7,7) = 3,79
Daerah
Penerimaan
Hipotesa
0,00
0,9192 3,79
Gambar 5.2. Grafik Uji Hipotesis Penjualan CPO dengan Distribusi F
Oleh karena Fhitung(0,9192 )<Ftabel (3,79), maka Ho diterima. Jadi hasil
pengujian menyatakan bahwa metode siklis lebih baik daripada metode
kuadratis.
Adapun fungsi siklis tersebut adalah sebagai berikut:
2πx 2πx
Y’ = 1478237 -165663,9343 sin n
- 18005,5501 cos n
7. Verifikasi peramalan
Tujuan proses verifikasi dilakukan adalah untuk mengetahui apakah fungsi
yang telah ditentukan dapat mewakili data yang akan diramalkan.

Tabel 5.9. Perhitungan Hasil Verifikasi Peramalan Penjualan CPO
x Y Y' Y-Y' MR
1 1487450 1342538,8662 144911,1338 -
2 1480491 1376242,3998 104248,6002 40662,5336
3 1179702 1407236,5988 -227534,5988 331783,199
4 1278828 1435521,4632 -156693,4632 70841,1356
5 1223149 1461096,9930 -237947,9930 81254,5298
6 1484300 1483963,1882 336,8118 238284,8048
7 1847931 1504120,0488 343810,9512 343474,1394
8 1804475 1521567,5748 282907,4252 60903,526
9 1467894 1536305,7662 -68411,7662 351319,1914
10 1527235 1548334,6230 -21099,6230 47312,1432
11 1282870 1557654,1452 -274784,1452 253684,5222
12 1674521 1564264,3328 110256,6672 385040,8124
78 17738846 17738846 0 2204560,537
MR =
 MR  2204560,537 = 200414,5943
n 1 11
BKA = 2,66 x MR = 2,66 x 200414,5943 = 533102,8208

2/3 BKA = 2/3 x 533102,8208 = 355401,8805
1/3 BKA = 1/3 x 533102,8208 = 177700,9403
BKB = - 2,66 x MR = -2,66 x 493710,2332 = -533102,8208
2/3 BKB = -2/3 x -533102,8208 = -355401,8805
1/3 BKB = -1/3 x -533102,8208 = -177700,9403

Moving Range Chart Penjualan
600.000
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

Gambar 5.3. Moving Range Chart Penjualan CPO
Terlihat keseluruhan titik hasil peramalan telah berada dalam batas
sehingga peramalan dengan metode kuadratis cukup memenuhi persyaratan dan
hasil peramlan dapat dilihat pada Tabel 5.10 dengan fungsi peramalan :
2πx 2πx
Y’ = 1478237 -165663,9343 sin - 18005,5501 cos
n n
Tabel 5.10. Hasil Peramalan Penjualan CPO

2πx 2πx
x sin cos Y’
n n
13 0,500 0,866 1.545.477,00
14 0,866 0,500 1.612.700,00
15 1,000 0,000 1.643.902,00
16 0,866 -0,500 1.630.705,00
17 0,500 -0,866 1.576.662,00
18 0,000 -1,000 1.496.243,00
19 -0,500 -0,866 1.410.999,00
20 -0,866 -0,500 1.343.775,00
21 -1,000 0,000 1.312.574,00
22 -0,866 0,500 1.325.770,00
23 -0,500 0,866 1.379.813,00
24 0,000 1,000 1.460.232,00

Diagram Peramalan Penjualan CPO pada periode April 2017-Maret 2018
dapat dilihat pada Gambar 5.4.
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

Gambar 5.4. Grafik Peramalan Penjualan CPO
Grafik perbandingan antara data aktual dan hasil peramalan CPO dapat
dilihat pada Gambar 5.5.
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
2.000.000,00 CPO Peramalan
1.500.000,00
1.000.000,00
500.000,00
-
13 14 15 16 17 18 19 20 21 22 23 24

Gambar 5.5. Grafik Perbandingan Antara Data Aktual dan Hasil Peramalan
CPO

Data besarnya penjualan PK dari April 2016 sampai dengan Maret 2017
dapat dilihat pada Tabel.5.11.
Tabel 5.11. Penjualan PK
Tahun Penjualan PK (kg)

April 2016 252.860
Mei 2016 207.570
Juni 2016 256.860
Juli 2016 280.780
Agustus 2016 288.760
September 2016 275.100
Oktober 2016 401.090
November 2016 350.810
Desember 2016 308.627
Januari 2017 228.943
Februari 2017 241.963
Maret 2017 256.870
Langkah-langkah peramalan yang dilakukan terdiri atas :
1. Mendefinisikan tujuan peramalan
Tujuan peramalan adalah untuk meramalkan Penjualan PK setahun kedepan.
2. Pembuatan Scatter diagram
Dari data Penjualan PK pada Tabel 5.11 maka dibuat scatter diagram untuk
melihat pola data.

Inti
500.000
400.000
Penjualan PK
300.000
200.000
Inti
100.000
-
1 2 3 4 5 6 7 8 9 10 11 12
Bulan

Gambar 5.6. Scatter Diagram Penjualan PK
3. Pemilihan Metode Peramalan
Metode peramalan yang digunakan adalah :
c. Metode Kuadratis
d. Metode Siklis
4. Menghitung parameter peramalan
Untuk memudahkan perhitungan, maka dimisalkan X sebagai variabel tahun
dan Y sebagai variabel basarnya Penjualan PK.
a. Metode kuadratis
Fungsi peramalan: Y’ = a + bx + cx2

Tabel 5.12. Perhitungan Parameter Peramalan Penjualan PK 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
 = ∑ 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 =
 .   2
-3060320 (-6416082) - (-48098206) (-22308)

b =
-3060320(-1716)-(-22308)2
= 32400,3879
  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
Y’= 188006,112 + 32400,3879 x -2204,724 x2
b. Metode Siklis
2πt 2πt
Fungsi peramalan: Y' =a+bsin + ccos
n n

Tabel 5.13. Perhitungan Peramalan Penjualan PK Metode Siklis
x Y Sin(2πx/n) Cos(2πx/n) Y.sin(2πx/n) Y.cos(2πx/n) sin2(2πx/n) cos2(2πx/n) sin(2πx/n)cos(2πx/n)
1 252860 0,500 0,8660 126430,0000 218983,1836 0,25 0,7500 0,4330
2 280780 0,866 0,5000 243155,4800 140390,0000 0,75 0,2500 0,4330
3 207570 1,000 0,0000 207570,0000 0,0000 1 0,0000 0,0000
4 228943 0,866 -0,5000 198264,6380 -114471,5000 0,75 0,2500 -0,4330
5 256860 0,500 -0,8660 128430,0000 -222447,2852 0,25 0,7500 -0,4330
6 275100 0,000 -1,0000 0,0000 -275100,0000 0 1,0000 0,0000
7 401090 -0,500 -0,8660 -200545,0000 -347354,1292 0,25 0,7500 0,4330
8 350810 -0,866 -0,5000 -303801,4600 -175405,0000 0,75 0,2500 0,4330
9 308627 -1,000 0,0000 -308627,0000 0,0000 1 0,0000 0,0000
10 288760 -0,866 0,5000 -250066,1600 144380,0000 0,75 0,2500 -0,4330
11 241963 -0,500 0,8660 -120981,5000 209546,1048 0,25 0,7500 -0,4330
12 256870 0,000 1,0000 0,0000 256870,0000 0 1,0000 0,0000
78 3350233 0,000 0 -280171,002 -164608,6260 6 6 0

2πx 2πx
∑Y = n a + b ∑ sin( n
) + c ∑ cos( n
)
3350233 = 12 a + b (0) + c (0)
3350233
a = = 279186,0833
12

∑ y sin( ) = a ∑ sin( ) + b ∑ sin2( ) + c ∑ sin( )cos( )
n n n n n
-280171,001 = 279186,0833 (0) + b (6) + c (0)
-280171
b = = -46695,167
6

∑ y cos ( ) = a ∑ cos ( ) + c ∑ cos2( ) + b ∑ sin( )cos( )
n n n n n
-164608,6260 = 279186,0833 (6) + c (6) + (-46695,167) (0)
c = -27434,771
2πx 2πx
Y’ = 279186,0833 -46695,167 sin - 27434,771 cos
n n
5. Menghitung setiap kesalahan setiap metode
Perhitungan kesalahan menggunakan metode SEE (StandardErrorofEstimate)
dan PE (Percentage Error)dengan menggunakan rumus sebagai berikut:
2
∑nx = 1 (y - y' )
SEE = √
n- f
∑ y-y'
PE = x 100 %
y

Keterangan :
y = data aktual
y’ = data peramalan
n = banyak data
f = derajat kebebasan
a. Metode Kuadratis ( f = 3 )
Adapun perhitungan SEE dan PE untuk metode kuadratis, yaitu :
Tabel 5.14. Perhitungan SEE dan PE Penjualan Metode Kuadratis

1 252860 218201,7759 34658,2241 34658,2241 1201192498 13,7065
2 280780 243987,9918 36792,0082 36792,0082 1353651867 13,1035
3 207570 265364,7597 -57794,7597 57794,7597 3340234249 27,8435
4 228943 282332,0796 -53389,0796 53389,0796 2850393821 23,3198
5 256860 294889,9515 -38029,9515 38029,9515 1446277211 14,8057
6 275100 303038,3754 -27938,3754 27938,3754 780552820 10,1557
7 401090 306777,3513 94312,6487 94312,6487 8894875705 23,5141
8 350810 306106,8792 44703,1208 44703,1208 1998369009 12,7428
9 308627 301026,9591 7600,0409 7600,0409 57760622 2,4625
10 288760 291537,5910 -2777,5910 2777,591 7715012 0,9619
11 241963 277638,7749 -35675,7749 35675,7749 1272760915 14,7443
12 256870 259330,5108 -2460,5108 2460,5108 6054113 0,9579
78 3350233 3350233 -0,0002 436132,0856 23.209.837.841,18 158,3183
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

c. Metode Siklis ( f = 3 )
Adapun perhitungan SEE dan PEuntuk metode Siklis, yaitu :
Tabel 5.15. Perhitungan SEE dan PE Penjualan PK Metode Siklis

1 252860 229544,1568 23315,8432 23315,8432 543628544,1270 9,2209
2 280780 226298,5300 54481,4700 54481,4700 2968230573,3609 19,4036
3 207570 243254,1509 -35684,1509 35684,1509 1273358625,4540 17,1914
4 228943 273934,5488 -44991,5488 44991,5488 2024239463,4228 19,6519
5 256860 306620,8543 -49760,8543 49760,8543 2476142620,6658 19,3728
6 275100 328828,0098 -53728,0098 53728,0098 2886699037,0689 19,5304
7 401090 332073,6366 69016,3634 69016,3634 4763258416,9609 17,2072
8 350810 315118,0157 35691,9843 35691,9843 1273917743,2715 10,1742
9 308627 284437,6178 24189,3822 24189,3822 585126211,2177 7,8377
10 288760 251751,3123 37008,6877 37008,6877 1369642965,2761 12,8164
11 241963 229544,1568 12418,8432 12418,8432 154227666,4262 5,1325
12 256870 226298,5300 30571,4700 30571,4700 934614777,9609 11,9015
78 3350233 3247703,5198 102529,4802 470858,6078 21253086645,2127 169,4404
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
Tabel 5.16. Rekapan Perhitungan SEE Penjualan PK

Metode SEE
Kuadratis 50.782,5843
Siklis 48.594,7947
6. Menghitung pola peramalan yang terbaik dengan perhitungan distribusi f
Ho : |SEE| siklis ≤ |SEE| kuadratis
Hi : |SEE| siklis > |SEE| kuadratis

α : 0,05
(SEE Siklis)2 (48594,7947)2

Uji statistik : Fhitung = 2 = = 0,9569
(SEE Kuadratis ) (50782,5843)2
F tabel = 0,05 (7,7) = 3,79
Daerah
Penerimaan
Hipotesa
0,00 0,9569 3,79

Gambar 5.7. Grafik Uji Hipotesis Penjualan PK dengan Distribusi F
Oleh karena Fhitung(0,9569 )<Ftabel (3,79), maka Ho diterima. Jadi hasil
pengujian menyatakan bahwa metode siklis lebih baik daripada metode
kuadratis.
Adapun fungsi siklis tersebut adalah sebagai berikut:
2πx 2πx
Y’ = 279186,0833 -46695,167 sin - 27434,771 cos
n n
7. Verifikasi peramalan
Tujuan proses verifikasi dilakukan adalah untuk mengetahui apakah fungsi
yang telah ditentukan dapat mewakili data yang akan diramalkan.

Tabel 5.17. Perhitungan Hasil Verifikasi Peramalan Penjualan PK
x Y Y' Y-Y' MR
1 252860 218201,7759 34658,2241 -
2 280780 243987,9918 36792,0082 2133,7841
3 207570 265364,7597 -57794,7597 94586,7679
4 228943 282332,0796 -53389,0796 4405,6801
5 256860 294889,9515 -38029,9515 15359,1281
6 275100 303038,3754 -27938,3754 10091,5761
7 401090 306777,3513 94312,6487 122251,0241
8 350810 306106,8792 44703,1208 49609,5279
9 308627 301026,9591 7600,0409 37103,0799
10 288760 291537,5910 -2777,5910 10377,6319
11 241963 277638,7749 -35675,7749 32898,1839
12 256870 259330,5108 -2460,5108 33215,2641
78 3350233 3350233 -0,0002 412031,6481
MR =
 MR  412031,6481 = 37457,4226
n 1 11
BKA = 2,66 x MR = 2,66 x 37457,4226 = 99636,7441

2/3 BKA = 2/3 x 99636,7441 = 66424,4961
1/3 BKA = 1/3 x 99636,7441 = 33212,248
BKB = - 2,66 x MR = -2,66 x 493710,2332 = -99636,7441
2/3 BKB = -2/3 x -99636,7441= -66424,4961
1/3 BKB = -1/3 x -99636,7441= -33212,248

Moving Range Chart Penjualan
600.000
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

Gambar 5.8. Moving Range Chart Penjualan PK
Terlihat keseluruhan titik hasil peramalan telah berada dalam batas
sehingga peramalan dengan metode kuadratis cukup memenuhi persyaratan dan
hasil peramlan dapat dilihat pada Tabel 5.vdengan fungsi peramalan :
2πx 2πx
Y’ = 279186,0833 -46695,167 sin - 27434,771 cos
n n
Tabel 5.18. Hasil Peramalan Penjualan PK

2πx 2πx
x sin cos Y’
n n
13 0,500 0,866 278.776,00
14 0,866 0,500 305.907,00
15 1,000 0,000 325.882,00
16 0,866 -0,500 333.342,00
17 0,500 -0,866 326.293,00
18 0,000 -1,000 306.621,00
19 -0,500 -0,866 279.598,00
20 -0,866 -0,500 252.466,00
21 -1,000 0,000 232.491,00
22 -0,866 0,500 225.031,00
23 -0,500 0,866 232.080,00
24 0,000 1,000 251.752,00

Diagram Peramalan Penjualan PK pada periode April 2017-Maret 2018
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

Gambar 5.9. Grafik Peramalan Penjualan PK
Grafik perbandingan antara data aktual dan hasil peramalan PK dapat
dilihat pada Gambar 5.10.
1.200.000,00
1.000.000,00
800.000,00
600.000,00 PKi Aktual

PK Peramalan
400.000,00
200.000,00
-
13 14 15 16 17 18 19 20 21 22 23 24

Gambar 5.10. Grafik Perbandingan Antara Data Aktual dan Hasil
Peramalan PK

Data yang telah dikumpulkan diatas kemudian diolah dengan Metode
Linear Programming (LP) Simpleks secara manual dan menggunakan software
LINDO 6.1.
5.2.2. Penentuan Variabel Keputusan
Pengelompokan data dan formulasi model yang digunakan adalah sebagai
fungsi pada model Linear Programming disusun 60 variabel keputusan selama
periode satu tahun. Variabel keputusan yang digunakan adalah harga CPO, harga
PK, biaya pengadaan TBS kebun sendiri, biaya pembelian TBS dan biaya
pengolahan dpaat dilihat pada Tabel 5.2.
Tabel 5.19. Variabel Keputusan Pengadaan Bahan Baku

Biaya TBS Kebun Biaya TBS Harga Harga Biaya
Bulan PTPN II – PKS Pagar Pembelian CPO PK Pengolahan
Merbau (X1) (X2) (X3) (X4) (X5)
April 2017 X11 X21 X31 X41 X51
Mei 2017 X12 X22 X32 X42 X52
Juni 2017 X13 X23 X33 X43 X53
Juli 2017 X14 X24 X34 X44 X54
Agustus 2017 X15 X25 X35 X45 X55
September 2017 X16 X26 X36 X46 X56
Oktober 2017 X17 X27 X37 X47 X57
November 2017 X18 X28 X38 X48 X58
Desember 2017 X19 X29 X39 X49 X59
Januari 2018 X110 X210 X310 X410 X510
Februari 2018 X111 X211 X311 X411 X511
Maret 2018 X112 X212 X312 X412 X512
5.2.3. Fungsi Tujuan
Fungsi tujuan pada penelitian ini adalah maksimisasi keuntungan. Dalam
penelitian ini keuntungan perusahaan diperoleh dengan menghitung selisih antara
hasil penjualan produksi CPO dan PK dengan total biaya pengadaan bahan baku

dan pengolahan. Nilai keuntungan yang diperhitungkan adalah keuntungan
sebelum dikurangi biaya tetap, biaya umum atau disebut juga laba kotor. Hal ini
mengingat biaya tetap tidak berubah sesuai perubahan jumlah produksi sehingga
sesuai dengan asumsi yang mendasari program linier.
Maksimisasi
Z = (TR - TC)
TR = (ΣX1*P1)ij + (ΣX2*P2)ij
TC = (ΣX3)ij + (ΣX4)ij + (ΣX5)ij
TR – TC = (ΣX1*P1)ij + (ΣX2*X2)ij - (ΣX3)ij - (ΣX4)ij - (ΣX5)ij
Keterangan:
Z = Nilai variabel tujuan maksimum keuntungan (Rp)
TR = Total revenue (pendapatan kotor dari penjualan CPO dan PK)
TC = Total cost (biaya pengadaan bahan baku dan pengolahan)
X1 = umlah CPO per bulan yang dihasilkan dari proses pengolahan TBS (Kg)
X2 = jumlah PK per bulan yang dihasilkan dari proses pengolahan TBS (Kg)
P1 = Harga CPO per Kg (Rp/kg)
P2 = Harga PK per Kg (Rp/kg)
X3 = Biaya pengadaan TBS dari kebun sendiri (Rp/Kg TBS)
X4 = Biaya pengadaan TBS dari pembelian luar kebun (Rp/Kg TBS)
X5 = Biaya pengolahan pengolahan TBS menjadi CPO dan PK (Rp/Kg TBS)
i = Sumber bahan baku ke-i (1,2,3...12)
j = Bulan produksi (Januari sd Desember)

Biaya yang dimasukkan dalam perhitungan model adalah biaya produksi
yang diperoleh langsung dari bagian produksi, sehingga mungkin saja dalam
perhitungan biaya produksi perusahaan tidak memasukkan beberapa pos biaya
secara spesifik misalnya, biaya manajemen, biaya listrik, sewa gedung, mesin dan
peralatan. Perhitungan secara rinci tidak dapat dilakukan karena keterbatasan
biaya yang diperoleh. Berdasarkan uraian di atas, sehingga fungsi tujuan dari
model linear programming untuk memaksimumkan keuntungan pada Maret 2017
sampai dengan April2018 adalah sebagai berikut.
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
+ 40 X13 + 39,5 X14 + 39 X15 + 50 X16 + 51 X17 + 55 X18 + 54 X19 + 47 X110 + 46
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
X59 + 182,74 X510 + 238,25 X511 + 165,92 X512 ).
Keterangan :
X11-X112 = Biaya TBS yang berasal dari Kebun Sendiri PTPN II – PKS Pagar
Merbau bulan Januari-Desember

X21-X212 = Biaya TBS yang berasal dari Kebun Pihak ke III (Pembelian) bulan
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
5.2.4. Penentuan Fungsi Kendala
Kendala merupakan faktor pembatas bagi manajemen suatu perusahaan
untuk mengambil keputusan produksi. Fungsi kendala yang dirumuskan dalam
penelitian ini berdasarkan ketersediaan sumberdaya yang dimiliki perusahaan.
Terdapat beberapa kendala yang dirumuskan dalam penelitian ini yaitu, kendala
kapasitas produksi maksimal pabrik, ketersediaan TBS pembelian, kuota
pembelian, ketersediaan tenaga kerja dan kendala transfer.
5.2.4.1.Kendala Kapasitas Maksimal Pabrik
PTPN II – PKS Pagar Merbau memiliki kapasitas terpasang sebesar 30 ton
TBS/jam. Kapasitas produksi ini merupakan pembatas, sehingga pabrik tidak
dapat berproduksi melebihi kapasitasnya. Dalam kegiatan pengolahan TBS yang
dilakukan oleh PTPN II – PKS Pagar Merbau diasumsikan pengolahan berjalan

adalah 22 jam setiap harinya dan 26 hari setiap bulannya. Sehingga kapasitas
nyata pabrik setiap bulannya adalah:
Kapasitas / bulan = 30 ton TBS/Jam x 22 jam/hari x 26 hari/bulan = 17.160.000
kg/bulan.
Fungsi kendala kapasitas produksi maksimal pabrik dapat dirumuskan sebagai :
Σ Xij ≤ Bj
Keterangan :
Xij = Jumlah bahan baku yang dipasok kepabrik dari sumber ke i pada bulan ke j
(kg/bln)
Bj = Kapasitas nyata pabrik pada bulan ke-j (kg/bulan)
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
senilai 17.160.000. Berdasarkan uraian diatas model fungsi kendala kapasitas
pabrik dapat dilihat pada Tabel 5.20.

Tabel 5.20. Kendala Kapasitas Maksimal Pabrik
Bulan Kendala
April 2017 X11 + X21 ≤ 17.160.000
Mei 2017 X12 + X22 ≤ 17.160.000
Juni 2017 X13 + X23 ≤ 17.160.000
Juli 2017 X14 + X24 ≤ 17.160.000
Agustus 2017 X15 + X25 ≤ 17.160.000
September 2017 X16 + X26 ≤ 17.160.000
Oktober 2017 X17 + X27 ≤ 17.160.000
November 2017 X18 + X28 ≤ 17.160.000
Desember 2017 X19 + X29 ≤ 17.160.000
Januari 2018 X110 + X210 ≤ 17.160.000
Februari 2018 X111 + X211 ≤ 17.160.000
Maret 2018 X112 + X212 ≤ 17.160.000
5.2.4.2.Kendala Ketersediaan TBS Pembelian
Pasokan bahan baku TBS dari kebun plasma merupakan salah satu
alternatif sumber ketersediaan dalam pengolahan CPO dan PK yang sifatnya
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
fungsi kendalanya adalah :
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

Keterangan :
μ = Persentasi koefisien pasokan TBS pembelian
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)
Adapun model fungsi kendala dari ketersediaan kebun pihak
ketiga/pembelian 40 persen dapat dilihat kedua pada Tabel 5.21.
Tabel 5.21. Kendala Ketersediaan TBS Pembelian

Bulan Kendala
April 2017 0,4X21-0,6X11<=0
Mei 2017 0,4X22-0,6X12<=0
Juni 2017 0,4X23-0,6X13<=0
Juli 2017 0,4X24-0,6X14<=0
Agustus 2017 0,4X25-0,6X15<=0
September 2017 0,4X26-0,6X16<=0
Oktober 2017 0,4X27-0,6X17<=0
November 2017 0,4X28-0,6X18<=0
Desember 2017 0,4X29-0,6X19<=0
Januari 2018 0,4X210-0,6X110<=0
Februari 2018 0,4X211-0,6X111<=0
Maret 2018 0,4X212-0,6X112<=0
5.2.4.3.Kendala Kuota Pembelian TBS
Kebijakan yang diambil oleh PTPN II-PKS PagarMerbau dengan
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
diambil ataupun tidak oleh perusahaan sehingga perusahaan dapat meningkatkan

potensi produksi dari kebun sendiri, Fungsi kendalanya dapat dirumuskan sebagai
berikut :
Σ X2ij≤ R ij
Keterangan :
X2ij = Jumlah bahan baku yang dipasok dari pembelian produksi kebun pasma
Pada bulan ke-j (kg/bln)
Rij = Kuota pembelian bahan baku oleh pabrik pada bulan ke-j (kg/bln)
Adapun model fungsi kendala dari penetapan kuota pembelian dari PTPN
II –PKS Pagar Merbau dapat dilihat pada Tabel 5.22.
Tabel 5.22. Kendala Pembelian TBS dari Pihak Ketiga

Bulan Kendala
April 2017 X21 ≤ 3.900.000
Mei 2017 X22 ≤ 3.900.000
Juni 2017 X23 ≤ 3.900.000
Juli 2017 X24 ≤ 3.900.000
Agustus 2017 X25 ≤ 3.900.000
September 2017 X26 ≤ 3.900.000
Oktober 2017 X27 ≤ 3.900.000
November 2017 X28 ≤ 3.900.000
Desember 2017 X29 ≤ 3.900.000
Januari 2018 X210 ≤ 3.900.000
Februari 2018 X211 ≤ 3.900.000
Maret 2018 X212 ≤ 3.900.000
5.2.4.4.Kendala Ketersediaan Tenaga Kerja Langsung
Tenaga kerja yang tersedia tiap bulannya untuk mengolah bahan baku
menjadi produk setengah jadi (work in process) perlu diperhitungkan sebagai
kendala. Dalam tiap shift terdapat 65 orang tenaga kerja langsung yang

mengoperasikan mesin pengolahan, dimana setiap hari terbagi atas 2 shift.
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
= 130 x 26 = 3.380 orang tenaga kerja langsung.
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
pada Tabel 5.23.
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

Fungsi kendalanya dapat dirumuskan sebagai berikut
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)
Mj = Ketersediaan tenaga kerja pada bulan ke-j (HOK/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.
Contoh perhitungan untuk mencari koefiesien tiap variabel adalah sebagai
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

Rumusan model kendala tenaga kerja dapat dilihat pada Tabel 5.7.
Tabel 5.24. Kendala Ketersediaan Tenaga Kerja

Bulan Kendala
April 2017 0,00037 X11 + 0,00310 X21 <= 3380
Mei 2017 0,00029 X12 + 0,00226 X22 <= 3380
Juni 2017 0,00031 X13 + 0,00295 X23 <= 3380
Juli 2017 0,00025 X14 + 0,00238 X24 <= 3380
Agustus 2017 0,00035 X15 + 0,00409 X25 <= 3380
September 2017 0,00032 X16 + 0,01059 X26 <= 3380
Oktober 2017 0,00035 X17 + 0,00750 X27 <= 3380
November 2017 0,00031 X18 + 0,04173 X28 <= 3380
Desember 2017 0,00030 X19 <= 3380
Januari 2018 0,00034 X110 <= 3380
Februari 2018 0,00047 X111 <= 3380
Maret 2018 0,00033 X112 + 0,28988 X212 <= 3380
5.2.4.5.Kendala Transfer Pengolahan
Kendala transfer merupakan persentasi nilai CPO dan PK yang dihasilkan
dari setiap kilogram TBS yang diolah. Rendemen TBS menghasilkan CPO adalah
α persen, maka koefisien fungsi kendala adalah α sedangkan rendemen PK ialah β
persen, maka koefisien fungsi kendalanya adalah β. Nilai ruas kanan (Right Hand
Side) dalam kendala transfer adalah nol.
Σ X3j ≤ α (X 1j + X 2j )
Σ X4j ≤ β (X 1j + X 2j )
Keterangan :
α = Rendemen CPO
β = Rendemen PK
X3j = Jumlah CPO yang dihasilkan pada bulan ke-j

X4j = Jumlah PK yang dihasilkan pada bulan ke-j
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)
Koefisien fungsi kendala transfer TBS menjadi CPO adalah batasan
rendemen yang dihasilkan oleh TBS menjadi CPO pada setiap bulan. Tingginya
kandungan rendemen dipengaruhi berbagai faktor, seperti perawatan tanaman,
penangganan paska panen, transportasi selama masa perjalanan menuju pabrik
pengolahan kelapa sawit. Tingkat rendemen merupakan salah satu indikator
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

Koefisien fungsi kendala transfer adalah rata-rata rendemen CPO yang
dihasilkan dari TBS masing-masing sumber setiap bulannya. Nilai ruas kanan
biasanya adalah nol.
berikut:
% Kadar CPO PTPN II 20,13

1. Koefisien X11 = = = 0,2013
100 100
% Kadar CPO Pihak 3 19

2. Koefisien X21 = = 100 = 0,19
100
Fungsi kendala transfer kegiatan pengolahan TBS menjadi CPO dapat
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)
Tabel 5.26. Kendala Transfer CPO

Bulan Kendala
April 2017 X31 - 0,2013 X11 - 0,19 X21 ≤ 0
Mei 2017 X32 - 0,2001 X12 - 0,19 X22 ≤ 0
Juni 2017 X33 - 0,2050 X13 - 0,19 X23 ≤ 0
Juli 2017 X34 - 0,2041 X14 - 0,19 X24 ≤ 0
Agustus 2017 X35 - 0,2038 X15 - 0,19 X25 ≤ 0
September 2017 X36 - 0,2032 X16 - 0,19 X26 ≤ 0
Oktober 2017 X37 - 0,2038 X17 - 0,19 X27 ≤ 0

Tabel 5.26. Kendala Transfer CPO (Lanjutan)
Bulan Kendala
November 2017 X38 - 0,2026 X18 - 0,19 X28 ≤ 0
Desember 2017 X39 - 0,2068 X19 ≤ 0
Januari 2018 X310 - 0,2085 X110 ≤ 0
Februari 2018 X311 - 0,2080 X111 ≤ 0
Maret 2018 X312 - 0,2101 X112 - 0,19 X212 ≤ 0
Kendala transfer PK juga merupakan salah satu batasan bagi perusahaan.
Dimana PK yang terkandung di dalam TBS memiliki tingkat rendemen terbatas.
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

Koefisien fungsi kendala Transfer TBS menjadi PK merupakan persentase
rendemen PK yang dihasilkan oleh TBS dari masing-masing sumber TBS setiap
bulannya. Nilai ruas kanan adalah nol.
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
Rumusan fungsi kendala transfer TBS menjadi PK dapat dilihat pada
Tabel 5.11.
Σ X4j ≤ β (X 1j + X 2j )
Σ X4j - β (X 1j + X 2j ) ≤ 0
Keterangan :
β = Rendemen PK
X4j = Jumlah PK yang dihasilkan pada bulan ke-j
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)

Tabel 5.28. Kendala Transfer PK
Bulan Kendala
April 2017 X41 - 0,0400 X11 - 0,040 X21 ≤ 0
Mei 2017 X42 - 0,0445 X12 - 0,040 X22 ≤ 0
Juni 2017 X43 - 0,0413 X13 - 0,040 X23 ≤ 0
Juli 2017 X44 - 0,0443 X14 - 0,040 X24 ≤ 0
Agustus 2017 X45 - 0,0384 X15 - 0,040 X25 ≤ 0
September 2017 X46 - 0,0333 X16 - 0,040 X26 ≤ 0
Oktober 2017 X47 - 0,0270 X17 - 0,040 X27 ≤ 0
November 2017 X48 - 0,0295 X18 - 0,040 X28 ≤ 0
Desember 2017 X49 - 0,0284 X19 ≤ 0
Januari 2018 X410 - 0,0322 X110 ≤ 0
Februari 2018 X411 - 0,0303 X111 ≤ 0
Maret 2018 X412 - 0,0432 X112 - 0,040 X212 ≤ 0
5.2.4.6.Kendala Biaya Pengolahan
Biaya pengolahan adalah biaya yang digunakan selama proses pengolahan
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
pengolahan dibandingkan dengan total harga CPO dan PK merupakan koefisien
(£) kendala biaya pengolahan
Σ X5j ≤ £ (X3 j + X4j )
Σ X5j - £X3j - £X 4j ≤ 0
Keterangan :
£ = Koefisien biaya pengolahan dibagi total harga CPO dan PKO

X4j = Jumlah PKO yang dihasilkan pada bulan ke-j
Dari data harga CPO dan PK dan biaya pengolahan maka diperoleh
koefisien fungsi kendala biaya pengolahan sebagai berikut. Koefisien biaya
pengolahan adalah perbandingan total biaya pengolahan dengan total produksi
CPO dan PK yang dihasilkan. Rumusan fungsi kendala biaya pengolahan dapat
Contoh perhitungan untuk mencari koefiesien tiap variabel pada bulan
April 2017 adalah sebagai berikut:
Jumlah biaya pengolahan TBS

1. Koefisien X31 dan Koefisien X21 = Hasil Penjualan CPO dan PK
Biaya Pengolahan per kg x JumlahTBS yang diolah

= (Produksi CPO x Harga CPO) +(Produksi PK x Harga PK)
97,39 x 10.187.060
= (2.037.912 x 8.109,59) + (407.630 x 6.060)
= 0,0522
Tabel 5.29. Kendala Biaya Pengolahan

Bulan Kendala
April 2017 X51-0,0522 X31- 0,0522 X41<=0
Mei 2017 X52- 0,1119 X32- 0,1119 X42<=0
Juni 2017 X53-0,0691X33-0,0691X43<=0
Juli 2017 X54-0,1184X34-0,1184X44<=0
Agustus 2017 X55-0,1119X35-0,1119X45<=0
September 2017 X56-0,0888X36-0,0888X46<=0
Oktober 2017 X57-0,1004X37-0,1004X47<=0
November 2017 X58-0,0949X38-0,0949X48<=0
Desember 2017 X59-0,1411X39-0,1411X49<=0
Januari 2018 X510-0,0990X310-0,0990X410<=0
Februari 2018 X511-0,1367X311-0,1367X411<=0
Maret 2018 X512-0,0823X312-0,0823X412<=0

5.3. Optimalisasi Pengadaan TBS
5.3.1. Penyelesaian Fungsi Pencapaian Linear Programming
Hasil formulasi data diatas dihitung berdasarkan masing-masing fungsi
tujuan dan fungsi kendalanya dengan menggunakan metode Linear Programming
Algoritma Simpleks. Formulasi fungsi tujuan dan fungsi kendala pada bulan Mei
2017 adalah sebagai berikut.
Max Z = 7852,31 X32 + 5100,07 X42 - 39 X12- 1562,84 X22 – 86,48 X52
Subject To :
X12 + X22 ≤ 17160000
0,4 X22 – 0,6 X12 ≤ 0
X22 ≤ 3900000
0,00029 X12 + 0,00226 X22 ≤ 3380
X32 – 0,2001 X12 - 0,19 X22 ≤ 0
X42 – 0,082345 X12 - 0,08230 X22 ≤ 0
X52- 0,1119 X32- 0,1119 X42 ≤ 0
Ubah ke bentuk Standar LP
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 :
X12 + X22 + S1 ≤ 17160000
0,4 X22 – 0,6 X12 + S2 ≤0
X22 + S3 ≤ 3900000

0,00029 X12 + 0,00226 X22 + S4 ≤ 3380
X32 – 0,2001 X12 - 0,19 X22 + S5 ≤ 0
X42 – 0,0445 X12 - 0,04 X22 + S6 ≤0
X52- 0,1119 X32- 0,1119 X42 + S7 ≤
Dari bentuk standar Linear Proramming diatas disusun dalam bentuk table seperti
pada Tabel 5.13.

Tabel Permulaan :
Tabel 5.30. Tabel Permulaan

Cj -39 -1562,84 7852,3 5100,07 -86,48 0 0 0 0 0 0 0
CB bi Ri
Bv X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 S6 S7
0 S1 1 1 0 0 0 1 0 0 0 0 0 0 17.160.000
0 S2 -0,6 0,4 0 0 0 0 1 0 0 0 0 0 0
0 S3 0 1 0 0 0 0 0 1 0 0 0 0 390.000
0 S4 0,00029 0,00226 0 0 0 0 0 0 1 0 0 0 3.380
0 S5 -0,2001 -0,19 1 0 0 0 0 0 0 1 0 0 0
0 S6 -0,0445 -0,04 0 1 0 0 0 0 0 0 1 0 0
0 S7 -0,1119 -0,1119 0 0 1 0 0 0 0 0 0 1 0
Cj -39 -1562,84 7852,3 5100,07 -86,48 0 0 0 0 0 0 0
Menentukan Titik Pivot :
1. Memilih Kolom
Pilih harga Cj yang (+) terbesar, katakana kolom ke k, variabelnya disebut Entering Variable

2. Memilih Baris
Setelah kolom terpilih, maka pilih baris pivot dengan cara memilih harga Ri terkecil. Harag Ri dapat diperoleh dari hasil
pembagian bi dengan baris yang sesuai dengan kolom pivot.
Sel perpotongan antara kolom yang terpilih dan baris terpilih disebut a rk atau titik pivot.
Iterasi 0 :
Tabel 5.31. Iterasi 0

Cj -39 -1562,84 7852,3 5100,07 -86,48 0 0 0 0 0 0 0
CB bi Ri
Bv X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 S6 S7
0 S1 1 1 0 0 0 1 0 0 0 0 0 0 17.160.000 ∞
0 S2 -0,6 0,4 0 0 0 0 1 0 0 0 0 0 0 ∞
0 S3 0 1 0 0 0 0 0 1 0 0 0 0 390.000 ∞
0 S4 0,00029 0,00226 0 0 0 0 0 0 1 0 0 0 3.380 ∞
0 S5 -0,2001 -0,19 1 0 0 0 0 0 0 1 0 0 0 0
0 S6 -0,0445 -0,04 0 1 0 0 0 0 0 0 1 0 0 ∞
0 S7 -0,1119 -0,1119 0 0 1 0 0 0 0 0 0 1 0 ∞
Cj -39 -1562,84 7852,3 5100,07 -86,48 0 0 0 0 0 0 0

Proses Iterasi:
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:
1. Nilai-nilai sel pada baris pivot :
Nilai masing-masing sel dibagi dengan nilai sel titik pivot. Contoh : nilai pada
baris pivot adalah:
-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
2. Nilai-nilai sel pada baris-baris non-pivot :
Untik baris-baris non-pivot, nilai masing-masing sel dapat dihitung dengan
cara:
Arj
Aij baru = Aij lama - x Aik
Ark
Keterangan :
Aij baru = nilai sel baru
Aij lama = nilai sel lama
Arj = nilai kolom pivot yang bersesuaian

Ark = nilai titk pivot
Aik = nilai baris pivot yang bersesuaian
Contoh : nilai pada sel-sel non-pivot baris pertama adalah:
1 1 0 0 0 1 0 0 0 0 0 0 17.160.000
Nilai pada sel-sel non-pivot baris pertama yang baru adalah:
1 1 0 0 0 1 0 0 0 0 0 0 17.160.000
Contoh perhitungan pada kolom pertama dan baris pertama:
Arj
Aij baru = Aij lama - x Aik
Ark
0
A11 baru = 1 - x -0,2001
1
A11 baru = 1 – 0 = 1
Hasil iterasi dapat dilihat pada Tabel 5.32.

Iterasi 1 :

Cj -39 -1562,84 7852,3 5100,07 -86,48 0 0 0 0 0 0 0
CB bi Ri
Bv X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 S6 S7
0 S1 1 1 0 0 0 1 0 0 0 0 0 0 17.160.000 ∞
0 S2 -0,6 0,4 0 0 0 0 1 0 0 0 0 0 0 ∞
0 S3 0 1 0 0 0 0 0 1 0 0 0 0 390.000 ∞
0 S4 0,00029 0,00226 0 0 0 0 0 0 1 0 0 0 3.380 ∞
7852,3 X3 -0,2001 -0,19 1 0 0 0 0 0 0 1 0 0 0 ∞
0 S6 -0,0445 -0,04 0 1 0 0 0 0 0 0 1 0 0 0
0 S7 -0,1119 -0,1119 0 0 1 0 0 0 0 0 0 1 0 ∞
Cj 1532,25 -70,9 0 5100,07 -86,48 0 0 0 0 -7852,3 0 0
Dilakukan iterasi seperti pada langkah-langkah sebelumnya. Hasilnya dapat dilihat pada Tabel 5.33.

Iterasi 2 :

Cj -39 -1562,84 7852,3 5100,07 -86,48 0 0 0 0 0 0 0
CB bi Ri
Bv X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 S6 S7
0 S1 1 1 0 0 0 1 0 0 0 0 0 0 17.160.000 17.160.000
0 S2 -0,6 0,4 0 0 0 0 1 0 0 0 0 0 0 0
0 S3 0 1 0 0 0 0 0 1 0 0 0 0 390.000 ∞
0 S4 0,00029 0,00226 0 0 0 0 0 0 1 0 0 0 3.380 11.655.172,4
7852,3 X3 -0,2001 -0,19 1 0 0 0 0 0 0 1 0 0 0 0
5100,07 X4 -0,0445 -0,04 0 1 0 0 0 0 0 0 1 0 0 0
0 S7 -0,1119 -0,1119 0 0 1 0 0 0 0 0 0 1 0 0
Cj 1759,2 133,10 0 0 -86,48 0 0 0 0 -7852,3 -5100,07 0
Dilakukan iterasi seperti pada langkah-langkah sebelumnya. Hasilnya dapat dilihat pada Tabel 5.34.

Iterasi 3 :

Cj -39 -1562,84 7852,3 5100,07 -86,48 0 0 0 0 0 0 0
CB bi Ri
Bv X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 S6 S7
0 S1 0 -6,79 0 0 0 1 0 0 -3448,27 0 0 0 5.504.827,6
0 S2 0 5,07 0 0 0 0 1 0 0 0 0 0 6.993.103,46
0 S3 0 0 0 0 0 0 0 1 0 0 0 0 390.000
1759,2 X1 1 7,79 0 0 0 0 0 0 -3447,27 0 0 0 11.655.172,4
7852,3 X3 0 1,36 1 0 0 0 0 0 0 1 0 0 2.332.200
5100,07 X4 0 0,5577 0 1 0 0 0 0 0 0 1 0 518,655
0 S7 0 0,7581 0 0 1 0 0 0 0 0 0 1 1.304.213,79
Cj 0 -13576,53 0 0 -86,48 0 0 0 0 -7852,3 -5100,07 0 Z=20.503.779.286

Stop iterasi apabila tidak terdapat harga Cj yang (+) atau Cj ≤ 0, maka penyelesain
optimal sudah tercapai.
Maka hasil optimal yang diperoleh adalah :
X1 = 11.655.172,4
Z max = 22.753.370.000
Reduced Cost X22 = 1.4864,94
Reduced Cost X52 = 86,48
X3 = 2.332.200
X4 = 518.655
Hasil iterasi diperoleh banyaknya bahan baku yang optimal yaitu 11.655.172,4 kg
untuk bulan Mei 2017 dengan keuntungan yang diperoleh sebesar Rp
22.753.370.000.
Penyelesain Linear Programming juga dapat diselesaikan dengan
menggunakan software LINDO (Linier Interactive Discrete Optimizer) untuk
menentukan produksi optimal untuk masing-masing tipe produk.
Adapun tahapannya yaitu:
1. Formulasi dari fungsi tujuan dan kendala dimasukkan ke dalam program.
Formulasi data input dapat dilihat pada Gambar 5.11.

Sumber : Software LINDO 6.1
Gambar 5.11. Formulasi Data Input pada Software LINDO 6.1
2. Kemudian diambil tahap solution dengan cara klik Solve pada toolbar, seperti
terlihat pada Gambar 5.12.
Gambar 5.12. Tombol Solve pada Software LINDO
3. Jika muncul kolom perintah “Do Range Analysis?” klik Yes, seperti yang
terlihat pada Gambar 5.13.

Gambar 5.13. Kolom Perintah pada Software LINDO 6.1
4. Maka akan muncul status optimal seperti yang terlihat pada Gambar 5.4.
Gambar 5.14. Hasil Akhir pada Software LINDO 6.1

Hasil optimal akhir dari Software LINDO pada Mei 2017 adalah sebagai berikut:
LP OPTIMUM FOUND AT STEP 0
OBJECTIVE FUNCTION VALUE
1) 0.2050378E+11
VARIABLE VALUE REDUCED COST

X32 2332200.000000 0.000000
X42 518655.187500 0.000000
X12 11655173.000000 0.000000
X22 0.000000 13576.529297
X52 0.000000 86.480003
ROW SLACK OR SURPLUS DUAL PRICES

2) 5504827.500000 0.000000
3) 6993103.500000 0.000000
4) 3900000.000000 0.000000
5) 0.000000 6066208.500000
6) 0.000000 7852.310059
7) 0.000000 5100.069824
8) 319010.718750 0.000000
NO. ITERATIONS= 0
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES

VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X32 7852.310059 INFINITY 7852.310059
X42 5100.069824 INFINITY 5100.069824
X12 -39.000000 INFINITY 1742.121094
X22 -1562.839966 13576.529297 INFINITY
X52 -86.480003 86.480003 INFINITY
RIGHTHAND SIDE RANGES

ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 17160000.000000 INFINITY 5504827.500000
3 0.000000 INFINITY 6993103.500000
4 3900000.000000 INFINITY 3900000.000000
5 3380.000000 1596.400024 3379.999756
6 0.000000 INFINITY 2332200.000000

7 0.000000 INFINITY 518655.187500
8 0.000000 INFINITY 319010.718750
Perbandingan hasil optimal Linear Programming secara manual maupun
dengan menggunakan software LINDO 6.1 dapat dilihat pada Tabel 5.35.
Tabel 5.35. Tabel Perbandingan Hasil Optimal Secara Manual dan

Mengunakan software LINDO 6.1
Linear Programming
Linear Programming
Nilai Menggunakan Software
Secara Manual
LINDO 6.1
X1 (kg) 11.655.172,4 11.655.173
X3(kg) 2.332.200 2.332.200
X4(kg) 518.655 518.655,18
Keuntungan (Rp) 20.503.779.286 20.503.780.000
Reduced Cost X22 (Rp) 1.4864,94 1.4864,96
Reduced Cost X52 (Rp) 86,48 86,48
Hasil optimal dengan menggunakan Software LINDO 6.1 dalam satu tahun yaitu
pada April 2017 hingga Maret 2018 adalah sebagai berikut:
LP OPTIMUM FOUND AT STEP 36
OBJECTIVE FUNCTION VALUE
1) 0.2290061E+12
VARIABLE VALUE REDUCED COST

X31 1838902.625000 0.000000
X32 2332200.000000 0.000000
X33 2235161.250000 0.000000
X34 2759431.750000 0.000000
X35 1968125.750000 0.000000
X36 2146300.000000 0.000000
X37 1968125.750000 0.000000
X38 2208993.500000 0.000000

X39 2329946.500000 0.000000
X310 2072735.250000 0.000000
X311 1495829.875000 0.000000
X312 2151933.250000 0.000000
X41 365405.406250 0.000000
X42 518655.187500 0.000000
X43 450303.218750 0.000000
X44 598936.000000 0.000000
X45 370834.312500 0.000000
X46 351731.281250 0.000000
X47 260742.875000 0.000000
X48 321645.156250 0.000000
X49 319973.312500 0.000000
X410 320105.906250 0.000000
X411 217902.140625 0.000000
X412 442472.718750 0.000000
X11 9135135.000000 0.000000
X12 11655173.000000 0.000000
X13 10903226.000000 0.000000
X14 13519999.000000 0.000000
X15 9657143.000000 0.000000
X16 10562500.000000 0.000000
X17 9657143.000000 0.000000
X18 10903226.000000 0.000000
X19 11266666.000000 0.000000
X110 9941177.000000 0.000000
X111 7191489.500000 0.000000
X112 10242424.000000 0.000000
X21 0.000000 15203.671875
X22 0.000000 13576.529297
X23 0.000000 17742.824219
X24 0.000000 16896.703125
X25 0.000000 20046.142578
X26 0.000000 63969.625000
X27 0.000000 39682.183594
X28 0.000000 256150.921875
X29 0.000000 1696.890015
X210 0.000000 1627.449951
X211 0.000000 1630.520020

X212 0.000000 1729351.500000
X51 0.000000 97.389999
X52 0.000000 86.480003
X53 0.000000 120.000000
X54 0.000000 195.419998
X55 0.000000 182.149994
X56 0.000000 176.270004
X57 0.000000 183.210007
X58 0.000000 184.509995
X59 0.000000 265.570007
X510 0.000000 182.740005
X511 0.000000 238.250000
X512 0.000000 165.919998
ROW SLACK OR SURPLUS DUAL PRICES

2) 8024864.500000 0.000000
3) 5504827.500000 0.000000
4) 6256774.500000 0.000000
5) 3640000.750000 0.000000
6) 7502857.000000 0.000000
7) 6597499.500000 0.000000
8) 7502857.000000 0.000000
9) 6256774.500000 0.000000
10) 5893334.000000 0.000000
11) 7218823.500000 0.000000
12) 9968511.000000 0.000000
13) 6917576.000000 0.000000
14) 5481081.000000 0.000000
15) 6993103.500000 0.000000
16) 6541935.500000 0.000000
17) 8111999.500000 0.000000
18) 5794286.000000 0.000000
19) 6337500.000000 0.000000
20) 5794286.000000 0.000000
21) 6541935.500000 0.000000
22) 6759999.500000 0.000000
23) 5964706.000000 0.000000
24) 4314893.500000 0.000000
25) 6145454.500000 0.000000

26) 3900000.000000 0.000000
27) 3900000.000000 0.000000
28) 3900000.000000 0.000000
29) 3900000.000000 0.000000
30) 3900000.000000 0.000000
31) 3900000.000000 0.000000
32) 3900000.000000 0.000000
33) 3900000.000000 0.000000
34) 3900000.000000 0.000000
35) 3900000.000000 0.000000
36) 3900000.000000 0.000000
37) 3900000.000000 0.000000
38) 0.000000 4945569.000000
39) 0.000000 6066208.500000
40) 0.000000 6057175.000000
41) 0.000000 7151484.500000
42) 0.000000 4932161.000000
43) 0.000000 6052839.000000
44) 0.000000 5309196.000000
45) 0.000000 6141500.500000
46) 0.000000 6030993.000000
47) 0.000000 5288370.500000
48) 0.000000 3810555.000000
49) 0.000000 5967230.500000
50) 0.000000 8109.589844
51) 0.000000 7852.310059
52) 0.000000 8149.839844
53) 0.000000 7752.209961
54) 0.000000 7634.819824
55) 0.000000 8547.910156
56) 0.000000 8326.820312
57) 0.000000 8494.330078
58) 0.000000 7910.399902
59) 0.000000 7777.049805
60) 0.000000 7854.439941
61) 0.000000 8167.779785
62) 0.000000 6060.000000
63) 0.000000 5100.069824
64) 0.000000 5980.799805

65) 0.000000 5533.750000
66) 0.000000 5450.000000
67) 0.000000 7506.700195
68) 0.000000 7859.729980
69) 0.000000 8064.879883
70) 0.000000 8008.000000
71) 0.000000 6941.959961
72) 0.000000 6707.500000
73) 0.000000 6993.879883
74) 128290.734375 0.000000
75) 319010.718750 0.000000
76) 185565.593750 0.000000
77) 397630.750000 0.000000
78) 261729.625000 0.000000
79) 221825.171875 0.000000
80) 223778.406250 0.000000
81) 240157.609375 0.000000
82) 373903.718750 0.000000
83) 236891.281250 0.000000
84) 234267.171875 0.000000
85) 213519.609375 0.000000
NO. ITERATIONS= 36
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES

VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X31 8109.589844 INFINITY 8109.589844
X32 7852.310059 INFINITY 7852.310059
X33 8149.839844 INFINITY 8149.839844
X34 7752.209961 INFINITY 7752.209961
X35 7634.819824 INFINITY 7634.819824
X36 8547.910156 INFINITY 8547.910156
X37 8326.820312 INFINITY 8326.820312
X38 8494.330078 INFINITY 8494.330078
X39 7910.399902 INFINITY 7910.399902
X310 7777.049805 INFINITY 7777.049805

X311 7854.439941 INFINITY 7854.439941
X312 167.779785 INFINITY 8167.779785
X41 6060.000000 INFINITY 6060.000000
X42 5100.069824 INFINITY 5100.069824
X43 5980.799805 INFINITY 5980.799805
X44 5533.750000 INFINITY 5533.750000
X45 5450.000000 INFINITY 5450.000000
X46 7506.700195 INFINITY 7506.700195
X47 7859.729980 INFINITY 7859.729980
X48 8064.879883 INFINITY 8064.879883
X49 8008.000000 INFINITY 8008.000000
X410 6941.959961 INFINITY 6941.959961
X411 6707.500000 INFINITY 6707.500000
X412 6993.879883 INFINITY 6993.879883
X11 -45.000000 INFINITY 1814.631714
X12 -39.000000 INFINITY 1742.121094
X13 -40.000000 INFINITY 1864.500244
X14 -39.500000 INFINITY 1774.863892
X15 -39.000000 INFINITY 1715.440063
X16 -50.000000 INFINITY 1932.982056
X17 -51.000000 INFINITY 1851.835205
X18 -55.000000 INFINITY 1902.870483
X19 -54.000000 INFINITY 1809.297974
X110 -47.000000 INFINITY 1798.045898
X111 -46.000000 INFINITY 1790.960815
X112 -49.000000 INFINITY 1968.697388
X21 -1655.630005 15203.671875 INFINITY
X22 -1562.839966 13576.529297 INFINITY
X23 -1661.859985 17742.826172 INFINITY
X24 -1570.439941 16896.703125 INFINITY
X25 -1542.219971 20046.142578 INFINITY
X26 -1794.430054 63969.625000 INFINITY
X27 -1759.699951 39682.183594 INFINITY
X28 -1802.609985 256150.921875 INFINITY
X29 -1696.890015 1696.890015 INFINITY
X210 -1627.449951 1627.449951 INFINITY
X211 -1630.520020 1630.520020 INFINITY
X212 -1698.089966 1729351.500000 INFINITY
X51 -97.389999 97.389999 INFINITY

X52 -86.480003 86.480003 INFINITY
X53 -120.000000 120.000000 INFINITY
X54 -195.419998 195.419998 INFINITY
X55 -182.149994 182.149994 INFINITY
X56 -176.270004 176.270004 INFINITY
X57 -183.210007 183.210007 INFINITY
X58 -184.509995 184.509995 INFINITY
X59 -265.570007 265.570007 INFINITY
X510 -182.740005 182.740005 INFINITY
X511 -238.250000 238.250000 INFINITY
X512 -165.919998 165.919998 INFINITY
RIGHTHAND SIDE RANGES

ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 17160000.000000 INFINITY 8024864.500000
3 17160000.000000 INFINITY 5504827.500000
4 17160000.000000 INFINITY 6256774.500000
5 17160000.000000 INFINITY 3640000.750000
6 17160000.000000 INFINITY 7502857.000000
7 17160000.000000 INFINITY 6597499.500000
8 17160000.000000 INFINITY 7502857.000000
9 17160000.000000 INFINITY 6256774.500000
10 17160000.000000 INFINITY 5893334.000000
11 17160000.000000 INFINITY 7218823.500000
12 17160000.000000 INFINITY 9968511.000000
13 17160000.000000 INFINITY 6917576.000000
14 0.000000 INFINITY 5481081.000000
15 0.000000 INFINITY 6993103.500000
16 0.000000 INFINITY 6541935.500000
17 0.000000 INFINITY 8111999.500000
18 0.000000 INFINITY 5794286.000000
19 0.000000 INFINITY 6337500.000000
20 0.000000 INFINITY 5794286.000000
21 0.000000 INFINITY 6541935.500000
22 0.000000 INFINITY 6759999.500000
23 0.000000 INFINITY 5964706.000000
24 0.000000 INFINITY 4314893.500000
25 0.000000 INFINITY 6145454.500000

26 3900000.000000 INFINITY 3900000.000000
27 3900000.000000 INFINITY 3900000.000000
28 3900000.000000 INFINITY 3900000.000000
29 3900000.000000 INFINITY 3900000.000000
30 3900000.000000 INFINITY 3900000.000000
31 3900000.000000 INFINITY 3900000.000000
32 3900000.000000 INFINITY 3900000.000000
33 3900000.000000 INFINITY 3900000.000000
34 3900000.000000 INFINITY 3900000.000000
35 3900000.000000 INFINITY 3900000.000000
36 3900000.000000 INFINITY 3900000.000000
37 3900000.000000 INFINITY 3900000.000000
38 3380.000000 2969.199951 3379.999756
39 3380.000000 1596.400024 3379.999756
40 3380.000000 1939.600098 3380.000000
41 3380.000000 910.000244 3379.999756
42 3380.000000 2625.999756 3379.999756
43 3380.000000 2111.199951 3379.999756
44 3380.000000 2625.999756 3379.999756
45 3380.000000 1939.600098 3379.999756
46 3380.000000 1768.000244 3379.999756
47 3380.000000 2454.399902 3380.000000
48 3380.000000 4685.200195 3380.000000
49 3380.000000 2282.800049 3380.000000
50 0.000000 INFINITY 1838902.625000
51 0.000000 INFINITY 2332200.000000
52 0.000000 INFINITY 2235161.250000
53 0.000000 INFINITY 2759431.750000
54 0.000000 INFINITY 1968125.750000
55 0.000000 INFINITY 2146300.000000
56 0.000000 INFINITY 1968125.750000
57 0.000000 INFINITY 2208993.500000
58 0.000000 INFINITY 2329946.500000
59 0.000000 INFINITY 2072735.250000
60 0.000000 INFINITY 1495829.875000
61 0.000000 INFINITY 2151933.250000
62 0.000000 INFINITY 365405.406250
63 0.000000 INFINITY 518655.187500
64 0.000000 INFINITY 450303.218750

65 0.000000 INFINITY 598936.000000
66 0.000000 INFINITY 370834.312500
67 0.000000 INFINITY 351731.281250
68 0.000000 INFINITY 260742.875000
69 0.000000 INFINITY 321645.156250
70 0.000000 INFINITY 319973.312500
71 0.000000 INFINITY 320105.906250
72 0.000000 INFINITY 217902.140625
73 0.000000 INFINITY 442472.718750
74 0.000000 INFINITY 128290.734375
75 0.000000 INFINITY 319010.718750
76 0.000000 INFINITY 185565.593750
77 0.000000 INFINITY 397630.750000
78 0.000000 INFINITY 261729.625000
79 0.000000 INFINITY 221825.171875
80 0.000000 INFINITY 223778.406250
81 0.000000 INFINITY 240157.609375
82 0.000000 INFINITY 373903.718750
83 0.000000 INFINITY 236891.281250
84 0.000000 INFINITY 234267.171875
85 0.000000 INFINITY 213519.609375
Hasil penyelesaian dengan goal programming pada output software
LINDO untuk periode Maret 2017 - April 2018 dari hasil penyelesaian fungsi
pencapaian Linear Programming dengan menggunakan program LINDO, dapat
dilihat sebagai berikut.
5.3.2. Keuntungan Optimal Perusahaan
Hasil olahan data aktual pada Tabel 5.1, bahwa kondisi aktual yang
dialami oleh perusahaan memiliki keuntungan sebesar Rp 207.905.777.710.
Sedangkan pada kondisi optimal perusahaan mampu memperoleh laba sebesar Rp
229.006.100.000. Adanya perbedaan besar laba kotor pengadaan bahan baku dan

pengolahan TBS dari masing-masing kebun dalam kondisi aktual dan optimal,
perusahaan sebaiknya melakukan optimalisasi pengadaan bahan baku TBS dan
pengolahan sesuai dengan kondisi optimal. Selisih nilai keuntungan antara
optimal dan aktual diakibatkan oleh adanya sumberdaya-sumberdaya yang
berlebih atau tidak dimanfaatkan secara optimal seperti kapasitas pabrik, TBS
pembelian yang mengakibatkan pemborosan biaya pengadaan TBS dan biaya
pengolahan. Selisih dari keuntungan keadaan aktual dan keadaan optimal
perusahaan mencapai 10,14 % dapat dilihat pada Tabel 5.36.
Tabel 5.36. Selisih Keuntungan Keadaan Aktual dan Keadaan Optimal
No. Keterangan Keuntungan (Rp)

1. Keadaan optimal perusahaan 229.006.100.000
2. Keadaan aktual perusahaan 207.905.777.710
3. Selisih 21.100.322.290
5.3.3. Kebutuhan Bahan Baku
Aktivitas pengadaan bahan baku secara garis besar dapat dibedakan
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
Pagar Merbau rata-rata mengalami kekurangan pada bulan-bulan tertentu seperti
April 2017, Mei 2017, September 2017, Desember 2017 dan Februari 2018.
Sedangkan pada bulan Juni 2017, Juli 2017, Agustus 2017, Oktober 2017

Nevemver 2017, Januari 2018 dan Maret 2018 pasokan TBS dari kebun sendiri
PTPN II – PKS Pagar Merbau mengalami kelebihan dari nilai optimalnya.
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
Pengadaan TBS pembelian akan meningkatkan keuntungan perusahaan
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,
karena hanya akan menimbulkan pemborosan biaya pembelian TBS. Sementara
hasil olahan pengadaan pasokan bahan baku TBS dari pembelian dapat dilihat
pada Tabel 5.38.

Tabel 5.38. Tingkat Pengadaan Bahan Baku Pembelian Keadaan Aktual dan
Keadaan Optimal
Keadaan Keadaan Reduce Cost
Bulan
Optimal (kg) Aktual (kg) (Rp/kg)
April 2017 0,0000 1.090.640 15.203,67
Mei 2017 0,0000 1.498.340 13.576,53
Juni 2017 0,0000 1.144.090 17.742,82
Juli 2017 0,0000 1.418.260 16.896,70
Agustus 2017 0,0000 825.740 20.046,14
September 2017 0,0000 319.250 63.969,62
Oktober 2017 0,0000 450.630 39.682,18
November 2017 0,0000 81.000 256.150,92
Desember 2017 0,0000 0 1.696,89
Januari 2018 0,0000 0 1.627,44
Februari 2018 0,0000 0 1.630,52
Maret 2018 0,0000 11.660 1.729.351,50
Pada Tabel 5.38. dapat diketahui bahwa pengadaan bahan baku TBS dari
pembelian secara keseluruhan disarankan untuk tidak dilakukan. Tidak
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
Januari sebesar Rp 1.627,44.

5.3.4. Analisis Sensitivitas
Hasil pengolahan data dengan menggunakan analisis sensitivitas perlu
dilakukan untuk mengetahui sejauh mana selang perubahan pada koefisien dan
ketersediaan yang tidak mengubah solusi optimalnya. Pengaruh perubahan dapat
dilihat dari selang kepekaan yang terdiri atas batas minimum (allowable decrease)
dan batas maksimum (allowable increase). Nilai batas-batas tersebut merupakan
nilai batas penurunan dan kenaikan kendala yang tidak akan mengubah model.
Analisis sensitivitas yang terdapat pada hasil olahan dengan menggunakan
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
Programming terhadap perubahan. Berikut ini akan dijelaskan analisis sensitivitas
nilai koefisien fungsi tujuan dan analisis sensitivitas nilai ketersediaan kendala
(RHS).
5.3.4.1.Analisis Sensitivitas Fungsi Tujuan
Analisis sensitivitas terhadap fungsi tujuan digunakan untuk melihat
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

menunjukkan bahwa seberapapun kenaikan harga/biaya di perusahaan tidak akan
mempengaruhi solusi optimal pada kondisi model aktual. Analisis sensitivitas
nilai biaya bahan baku TBS yang berasal dari kebun sendiri PTPN II – PKS Pagar
Merbau dapat dilihat pada Tabel 5.39.
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
Sedangkan untuk biaya pengadaan TBS pembelian dan biaya pengolahan
secara keseluruhan memiliki batasan kenaikan sebesar nilai tertentu dan
penurunan biaya yang tidak terhingga jumlahnya. Analisis sensitivitas nilai biaya
bahan baku TBS yang berasal dari pihak ketiga dapat dilihat pada Tabel 5.40.

Tabel 5.40. Analisis Sensitivitas Nilai Biaya Bahan Baku Pihak Ketiga
(Rp) (Rp)
April 2017 -1655,63 15203,67 INFINITY
Mei 2017 -1562,83 13576,53 INFINITY
Juni 2017 -1661,85 17742,82 INFINITY
Juli 2017 -1570,43 16896,70 INFINITY
Agustus 2017 -1542,22 20046,14 INFINITY
September 2017 -1794,43 63969,62 INFINITY
Oktober 2017 -1759,69 39682,18 INFINITY
November 2017 -1802,60 256150,92 INFINITY
Desember 2017 -1696,89 1696,89 INFINITY
Januari 2018 -1627,44 1627,44 INFINITY
Februari 2018 -1630,52 1630,52 INFINITY
Maret 2018 -1698,08 1729351,5 INFINITY
5.3.4.2.Analisis Sensitivitas Nilai Ruas Kanan Kendala
Analisis sensitivitas nilai ketersediaan kendala atau nilai sebelah kanan
kendala (Right Hand Side) dilakukan untuk melihat batas perubahan pada
ketersediaan sumberdaya yang dipilih menjadi kendala yang tetap
mempertahankan kondisi optimal dan tidak mengubah dual price sumberdaya
atau kendala yang bersangkutan. Batas perubahan tersebut juga menunjukkan
pentingnya suatu sumberdaya, dimana semakin kecil nilai selang perubahan pada
ketersediaan sumberdaya yang dipilih menjadi kendala dalam model LP, maka
semakin peka sumberdaya tersebut terhadap perubahan ketersediaannya.
1. Kepekaan Kapasitas Maksimal Pabrik Kelapa Sawit
Analisis sensitivitas nilai kapasitas maksimal pabrik kelapa sawit yang
digunakan untuk mengetahui sejauh mana perubahan kapasitas PKS dapat

mengubah kondisi optimal. Untuk mengetahui perubahan penggunaan
kapasitas PKS dapat mengubah kondisi optimal dapat dilihat hasil analisis
sensitivitas pada Tabel 5.41
Tabel 5.41. Analisis Sensitivitas Nilai Kendala Kapasitas Maksimal Pabrik

Kapasitas Batas Penurunan
Batas Kenaikan
Bulan Maksimal yang Diperbolehkan
yang Diperbolehkan
(kg) (kg)
April 2017 17.160.000 INFINITY 8024864,5
Mei 2017 17.160.000 INFINITY 5504827,5
Juni 2017 17.160.000 INFINITY 6256774,5
Juli 2017 17.160.000 INFINITY 3640000,7
Agustus 2017 17.160.000 INFINITY 7502857,0
September 2017 17.160.000 INFINITY 6597499,5
Oktober 2017 17.160.000 INFINITY 7502857,0
November 2017 17.160.000 INFINITY 6256774,5
Desember 2017 17.160.000 INFINITY 5893334,0
Januari 2018 17.160.000 INFINITY 7218823,5
Februari 2018 17.160.000 INFINITY 9968511,0
Maret 2018 17.160.000 INFINITY 6917576,0
Rata-rata 17.160.000 INFINITY 6773752,0
2. Kepekaan Ketersediaan TBS Pembelian
Analisis sensitivitas nilai ketersediaan pasokan TBS dari pihak ketiga yang
digunakan untuk mengetahui sejauh mana perubahan jumlah TBS dari pihak
ketiga dapat mengubah kondisi optimal. Analisis sensitivitas nilai ketersediaan
pasokan TBS dari pihak ketiga dapat dilihat pada Tabel 5.42.

Tabel 5.42. Analisis Sensitivitas Nilai Kendala Ketersediaan TBS Pembelian
Pasokan TBS Batas Kenaikan Batas Penurunan
Bulan Pihak Ketiga yang yang Diperbolehkan
Aktual (kg) Diperbolehkan (kg) (kg)
April 2017 1.090.640 INFINITY 5.481.081,00
Mei 2017 1.498.340 INFINITY 6.993.103,50
Juni 2017 1.144.090 INFINITY 6.541.935,50
Juli 2017 1.418.260 INFINITY 8.111.999,50
Agustus 2017 825.740 INFINITY 5.794.286,00
September 2017 319.250 INFINITY 6.337.500,00
Oktober 2017 450.630 INFINITY 5.794.286,00
November 2017 81.000 INFINITY 6.541.935,50
Desember 2017 0 INFINITY 6.759.999,50
Januari 2018 0 INFINITY 5.964.706,00
Februari 2018 0 INFINITY 4.314.893,50
Maret 2018 11.660 INFINITY 6.145.454,50
Rata-rata 569.968 INFINITY 6.231.765,00
3. Kepekaan Batasan Kuota Pembelian
Kepekaan batasan kuota pembelian TBS pihak ketiga dapat digunakan untuk
mengetahui sejauh mana perubahan nilai optimal yang akan diperoleh
perusahaan. Batasan kuota pembelian TBS dari pihak ketiga ini juga
merupakan kendala bukan pembatas bagi PTPN II – PKS Pagar Merbau untuk
mencapai keuntungan maksimum perusahaan. Secara rinci batasan kuota
pembelian TBS dari pihak ketiga dapat dilihat pada Tabel 5.43.

Tabel 5.43. Analisis Sensitivitas Nilai Kendala Kuota Pembelian TBS
Batas
Batas Kuota Batas Penurunan yang
Bulan Kenaikan yang
Pembelian (kg) Diperbolehkan (kg)
Diperbolehkan
April 2017 3.900.000 INFINITY 3.900.000
Mei 2017 3.900.000 INFINITY 3.900.000
Juni 2017 3.900.000 INFINITY 3.900.000
Juli 2017 3.900.000 INFINITY 3.900.000
Agustus 2017 3.900.000 INFINITY 3.900.000
September 2017 3.900.000 INFINITY 3.900.000
Oktober 2017 3.900.000 INFINITY 3.900.000
November 2017 3.900.000 INFINITY 3.900.000
Desember 2017 3.900.000 INFINITY 3.900.000
Januari 2018 3.900.000 INFINITY 3.900.000
Februari 2018 3.900.000 INFINITY 3.900.000
Maret 2018 3.900.000 INFINITY 3.900.000
Rata-rata 3.900.000 INFINITY 3.900.000
4. Kepekaan Ketersediaan Tenaga Kerja Pengolahan
Ketersediaan tenaga kerja dalam proses pengolahan sangat mempengaruhi
hasil output perusahaan. Kendala ketersediaan tenaga kerja merupakan
kendala pembatas bagi PTPN II – PKS Pagar Merbau untuk mengoptimalkan
keuntungan perusahaan. Secara rinci analisis sensitivitas ketersediaan tenaga
kerja dapat dilihat pada Tabel 5.44.

Tabel 5.44. Analisis Sensitivitas Nilai Ketersediaan Tenaga Kerja
Pengolahan pada Kondisi Model Aktual
Batas
Batas Penurunan
Jumlah TK Kenaikan yang
Bulan yang Diperbolehkan
(HOK) Diperbolehkan
(HOK)
(HOK)
April 2017 3.380 2969,20 3.380
Mei 2017 3.380 1596,40 3.380
Juni 2017 3.380 1939,60 3.380
Juli 2017 3.380 910,00 3.380
Agustus 2017 3.380 2625,99 3.380
September 2017 3.380 2111,19 3.380
Oktober 2017 3.380 2625,99 3.380
November 2017 3.380 1939,60 3.380
Desember 2017 3.380 1768,00 3.380
Januari 2018 3.380 2454,39 3.380
Februari 2018 3.380 4685,20 3.380
Maret 2018 3.380 2282,80 3.380
Rata-rata 3.380 2325,70 3.380
5. Kepekaan Transfer TBS Menjadi CPO
Tabel 5.45 dapat diketahui secara keseluruhan kendala transfer TBS menjadi
CPO memiliki selang kepekaan yang lebar. Dimana batasan kenaikan yang
diperbolehkan tidak memeiliki batasan, sementara penurunan yang
diperbolehkan memiliki nilai tertentu.

Tabel 5.45. Analisis Sensitivitas Nilai Transfer TBS Menjadi CPO
Batas
Batas Penurunan
Produksi CPO Kenaikan yang
(kg) Diperbolehkan
(kg)
(kg)
April 2017 1.830.688 INFINITY 1838902,62
Mei 2017 2.306.429 INFINITY 2332200,00
Juni 2017 2.269.555 INFINITY 2235161,25
Juli 2017 2.791.384 INFINITY 2759431,75
Maret 2018 2.160.974 INFINITY 2151933,25
Rata-rata 2.129.022 INFINITY 2.125.640,46
6. Kepekaan Transfer TBS Menjadi PK
Kendala transfer TBS menjadi PK juga merupakan kendala pembatas bagi
PTPN II – PKS Pagar Merbau untuk mengoptimalkan keuntungan perusahaan.
Rendemen TBS menghasilkan PK merupakan jumlah produksi PK yang
dihasilkan dari setiap satu kilogram TBS. Hasil analisis sensitivitas kendala
transfer dari TBS menjadi PK dengan batasan penurunan dan peningkatan
yang diperbolehkan dapat dilihat pada Tabel 5.46.

Tabel 5.46. Analisis Sensitivitas Nilai Transfer TBS Menjadi PK
Batas
Batas Penurunan
Kenaikan yang
Bulan Produksi PK (kg) yang Diperbolehkan
Diperbolehkan
(kg)
(kg)
April 2017 363.999 INFINITY 365.405,40
Mei 2017 511.724 INFINITY 518.655,18
Juni 2017 456.968 INFINITY 450.030,21
Juli 2017 593.215 INFINITY 598.936,00
Agustus 2017 375.635 INFINITY 370.834,31
September 2017 362.407 INFINITY 351.731,28
Oktober 2017 261.014 INFINITY 260.742,87
November 2017 323.667 INFINITY 321.645,15
Desember 2017 342.726 INFINITY 319.973,31
Januari 2018 323.839 INFINITY 320.105,90
Februari 2018 216.105 INFINITY 217.902,14
Maret 2018 443.554 INFINITY 442.472,71
Rata-rata 381.238 INFINITY 378.202,87
7. Kepekaan Biaya Pengolahan
Anallisis sensitivitas biaya pengolahan CPO dan PK memiliki nilai batas
kenaikan yang diperbolehkan tidak terhingga, artinya bahwa kenaikan biaya
pengolahan diperbolehkan sebesar apapun. Semenatara batas penurunan yang
diperbolehkan senilai batas penurunan yang diperbolehkan untuk mencapai
nilai optimal. Hasil analisis sensitivitas kendala biaya pengolahan CPO dan
PK dengan batasan penurunan dan peningkatan yang diperbolehkan dapat

Tabel 5.47. Analisis Sensitivitas Nilai Biaya Pengolahan
Batas
Batas Penurunan
Biaya Pengolahan Kenaikan yang
(Rp) Diperbolehkan
(Rp)
(Rp)
April 2017 992.117.773,40 INFINITY 128.290,73
Mei 2017 1.123.219.536,00 INFINITY 319.010,71
Juni 2017 1.466.012.400,00 INFINITY 185.565,59
Juli 2017 2.950.136.533,80 INFINITY 397.630,75
Agustus 2017 1.933.871.978,00 INFINITY 261.729,62
September 2017 1.904.918.161,40 INFINITY 221.825,17
Oktober 2017 1.855.186.292,10 INFINITY 223.778,40
November 2017 2.039.171.308,20 INFINITY 240.157,60
Desember 2017 2.969.696.689,50 INFINITY 373.903,71
Januari 2018 1.835.906.547,00 INFINITY 236.891,28
Februari 2018 1.701.550.527,50 INFINITY 234.267,71
Maret 2018 1.708.207.790,40 INFINITY 213.519,60
Rata-rata 1.873.332.961,44 INFINITY 253.047,57
Rekapan hasil analisis sensitivitas dapat dilihat pada Tabel 5.48.
Tabel 5.48. Analisis Sensitivitas Ruas Kanan Kendala Pengadaan Bahan

Baku TBS di PTPN II – PKS Pagar Merbau
Sumberdaya Kendala
Allowable Allowable
No. Bahan Baku Nilai RHS Status
Increase Decrease
Pengadaan TBS
Kapasitas Maksimal
1 17.160.000 INFINITY 6773752,0 BP
PKS
Ketersediaan Plasma
2 0 INFINITY 6.231.765,00 BP
40%
3 Kuota Pembelian 3.900.000 INFINITY 3.900.000 BP
4 Tenaga Kerja 3.380 2325,70 3.380 P
5 Transfer (CPO) 0 INFINITY 2.125.640,46 BP
6 Transfer (PK) 0 INFINITY 378.202,87 BP
7 Biaya Pengolahan 0 INFINITY 253.047,57 BP

5.4. Perhitungan Break Event Point
Titik pulang pokok (Break Event Point) merupakan suatu titik atau
keadaan dimana perusahaan dalam operasionalnya tidak memperoleh laba dan
juga tidak mengalami kerugian. Berikut adalah perhitungan Break Event Point
dari perusahaan :
Tabel 5.49. Biaya Produksi dan Fix Cost Perusahaan

Biaya Produksi
Harga Harga Jual
Bulan CPO+PK Harga Jual
Jual PK CPO+PK Fix Cost (Rp)
(Harga Pokok) CPO (Rp)
(Rp) (Rp)
(Rp)
April 2017 11.979 8.109,59 6.060,00 14.169,59 2.969.685.183
Mei 2017 10.982 7.852,31 5.100,07 12.952,38 2.969.685.183
Juni 2017 12.098 8.149,84 5.980,80 14.130,64 2.969.685.183
Juli 2017 11.976 7.752,21 5.533,75 13.285,96 2.969.685.183
Agustus 2017 10.886 7.634,82 5.450,00 13.084,82 2.969.685.183
September 2017 13.891 8.547,91 7.506,70 16.054,61 2.969.685.183
Oktober 2017 13.987 8.326,82 7.859,73 16.186,55 2.969.685.183
November 2017 14.291 8.494,33 8.064,88 16.559,21 2.969.685.183
Desember 2017 13.837 7.910,40 8.008,00 15.918,40 2.969.685.183
Januari 2018 12.491 7.777,05 6.941,96 14.719,01 2.969.685.183
Februari 2018 11.721 7.854,44 6.707,50 14.561,94 2.969.685.183
Maret 2018 13.031 8.167,78 6.993,88 15.161,66 2.969.685.183
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
Maka hasil perhitungan BEP dapat dilihat pada Tabel 5.50.

Tabel 5.50. Hasil Perhitungan BEP dan Produksi Kondisi Aktual Perusahaan
Hasil Produksi
Bulan BEP (kg)
Aktual (kg)
April 2017 1.355.655 2.194.687
Mei 2017 1.507.164 2.818.153
Juni 2017 1.460.999 2.726.523
Juli 2017 2.267.004 3.384.599
Agustus 2017 1.350.581 2.371.090
September 2017 1.372.560 2.554.291
Oktober 2017 1.350.133 2.232.805
November 2017 1.309.264 2.546.297
Desember 2017 1.426.773 2.655.548
Januari 2018 1.332.887 2.418.460
Februari 2018 1.045.318 1.616.137
Maret 2018 1.393.787 2.604.528
Grafik hasil perhitungan BEP dengan hasil produksi kondisi aktual
Perbandingan BEP dengan Aktual

4000000,0
3500000,0
3000000,0
2500000,0
2000000,0
1500000,0
1000000,0 BEP
500000,0
Desember…
- Aktual
Juni 2017
Juli 2017
Sep-17
Nov-17
Mei 2017
Januari 2018
Februari 2018
Maret 2018
Apr-17
Oktober 2017
Agustus 2017
Gambar 5.15. Grafik Perbandingan BEP dengan Aktual

BAB VI
ANALISIS PEMECAHAN MASALAH
6.1. Analisis Kebutuhan Bahan Baku
Aktivitas pengadaan bahan baku secara garis besar dapat dibedakan
menjadi aktivitas pengadaan bahan baku dari kebun sendiri yang berada di
Tanjung Garbus – Pagar Merbau, Melati, Bandar Klippa, Limau Mungkur,
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
Pagar Merbau rata-rata mengalami kekurangan pada bulan-bulan tertentu seperti
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
dan 41.286 Kg.
Pengadaan TBS pembelian akan meningkatkan keuntungan perusahaan
apabila dipasok sejumlah kebutuhan TBS pada nilai optimalnya. Pada kondisi
aktual perusahaan tidak melakukan tindakan apapun jika TBS yang dibutuhkan
tidak memenuhi nilai optimalnya. Pemenuhan TBS dapat dilakukan dengan
menambah kuota pembelian pada pihak ketiga sesuai dengan nilai optimalnya.

Perusahaan juga harus lebih teliti dalam memilih Supplier agar kriteria
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
dan hasil rendemen minyak yang sedikit.
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
6.2. Analisis Keuntungan Optimal Perusahaan
Hasil olahan data aktual, bahwa kondisi aktual yang dialami oleh
perusahaan memiliki keuntungan sebesar Rp 207.905.777.710. Sedangkan pada
kondisi optimal perusahaan mampu memperoleh laba sebesar Rp
229.006.100.000. Adanya perbedaan besar laba kotor pengadaan bahan baku dan
pengolahan TBS dari masing-masing kebun dalam kondisi aktual dan optimal,

perusahaan sebaiknya melakukan optimalisasi pengadaan bahan baku TBS dan
pengolahan sesuai dengan kondisi optimal.
Selisih nilai keuntungan antara optimal dan aktual diakibatkan oleh adanya
sumberdaya-sumberdaya yang berlebih atau tidak dimanfaatkan secara optimal
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
perusahaan mencapai 10,14 % dapat dilihat pada Tabel 6.2.
Tabel 6.2. Selisih Keuntungan Keadaan Aktual dan Keadaan Optimal
No. Keterangan Keuntungan (Rp)

1. Keadaan optimal perusahaan 229.006.100.000
2. Keadaan aktual perusahaan 207.905.777.710
3. Selisih 21.100.322.290
Keuntungan optimal juga dipengaruhi oleh kualitas TBS yang akan
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.

6.3. Analisis Sensitivitas
Hasil pengolahan data dengan menggunakan analisis sensitivitas perlu
dilakukan untuk mengetahui sejauh mana selang perubahan pada koefisien dan
ketersediaan yang tidak mengubah solusi optimalnya. Pengaruh perubahan dapat
dilihat dari selang kepekaan yang terdiri atas batas minimum (allowable decrease)
dan batas maksimum (allowable increase). Nilai batas-batas tersebut merupakan
nilai batas penurunan dan kenaikan kendala yang tidak akan mengubah model.
Analisis sensitivitas yang terdapat pada hasil olahan dengan menggunakan
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
Programming terhadap perubahan. Berikut ini akan dijelaskan analisis sensitivitas
nilai koefisien fungsi tujuan dan analisis sensitivitas nilai ketersediaan kendala
(RHS).
6.3.1. Analisis Sensitivitas Fungsi Tujuan
Analisis sensitivitas terhadap fungsi tujuan digunakan untuk melihat
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
(infinity) dan batas penurunan harga/biaya yang diperbolehkan sebesar nilai

tertentu. Hal ini menunjukkan bahwa seberapapun kenaikan harga/biaya di
perusahaan tidak akan mempengaruhi solusi optimal pada kondisi model aktual.
Analisis sensitivitas nilai biaya bahan baku TBS yang berasal dari kebun sendiri
PTPN II – PKS Pagar Merbau dapat dilihat pada Tabel 6.3.
Tabel 6.3. Analisis Sensitivitas Nilai Biaya Bahan Baku TBS PTPN II – PKS
Pagar Merbau
(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
Sedangkan untuk biaya pengadaan TBS pembelian dan biaya pengolahan
secara keseluruhan memiliki batasan kenaikan sebesar nilai tertentu dan
penurunan biaya yang tidak terhingga jumlahnya. Analisis sensitivitas nilai biaya
bahan baku TBS yang berasal dari pihak ketiga dapat dilihat pada Tabel 6.4.

Tabel 6.4. Analisis Sensitivitas Nilai Biaya Bahan Baku Pihak Ketiga
(Rp) (Rp)
April 2017 -1655,63 15203,67 INFINITY
Mei 2017 -1562,83 13576,53 INFINITY
Juni 2017 -1661,85 17742,82 INFINITY
Juli 2017 -1570,43 16896,70 INFINITY
Agustus 2017 -1542,22 20046,14 INFINITY
September 2017 -1794,43 63969,62 INFINITY
Oktober 2017 -1759,69 39682,18 INFINITY
November 2017 -1802,60 256150,92 INFINITY
Desember 2017 -1696,89 1696,89 INFINITY
Januari 2018 -1627,44 1627,44 INFINITY
Februari 2018 -1630,52 1630,52 INFINITY
Maret 2018 -1698,08 1729351,5 INFINITY
6.3.2. Analisis Sensitivitas Nilai Ruas Kanan Kendala
Analisis sensitivitas nilai ketersediaan kendala atau nilai sebelah kanan
kendala (Right Hand Side) dilakukan untuk melihat batas perubahan pada
ketersediaan sumberdaya yang dipilih menjadi kendala yang tetap
mempertahankan kondisi optimal dan tidak mengubah dual price sumberdaya
atau kendala yang bersangkutan. Batas perubahan tersebut juga menunjukkan
pentingnya suatu sumberdaya, dimana semakin kecil nilai selang perubahan pada
ketersediaan sumberdaya yang dipilih menjadi kendala dalam model LP, maka
semakin peka sumberdaya tersebut terhadap perubahan ketersediaannya.
8. Kepekaan Kapasitas Maksimal Pabrik Kelapa Sawit
Analisis sensitivitas nilai kapasitas maksimal pabrik kelapa sawit yang
digunakan untuk mengetahui sejauh mana perubahan kapasitas PKS dapat

mengubah kondisi optimal. Untuk mengetahui perubahan penggunaan
kapasitas PKS dapat mengubah kondisi optimal dapat dilihat hasil analisis
sensitivitas pada Tabel 6.5.
Tabel 6.5. Analisis Sensitivitas Nilai Kendala Kapasitas Maksimal Pabrik

Kapasitas Batas Penurunan
Batas Kenaikan
Bulan Maksimal yang Diperbolehkan
yang Diperbolehkan
(kg) (kg)
April 2017 17.160.000 INFINITY 8024864,5
Mei 2017 17.160.000 INFINITY 5504827,5
Juni 2017 17.160.000 INFINITY 6256774,5
Juli 2017 17.160.000 INFINITY 3640000,7
Maret 2018 17.160.000 INFINITY 6917576,0
Rata-rata 17.160.000 INFINITY 6773752,0
9. Kepekaan Ketersediaan TBS Pembelian
Analisis sensitivitas nilai ketersediaan pasokan TBS dari pihak ketiga yang
digunakan untuk mengetahui sejauh mana perubahan jumlah TBS dari pihak
ketiga dapat mengubah kondisi optimal. Analisis sensitivitas nilai ketersediaan
pasokan TBS dari pihak ketiga dapat dilihat pada Tabel 6.6.

Tabel 6.6. Analisis Sensitivitas Nilai Kendala Ketersediaan TBS Pembelian
Pasokan TBS Batas Kenaikan Batas Penurunan
Bulan Pihak Ketiga yang yang Diperbolehkan
Aktual (kg) Diperbolehkan (kg) (kg)
April 2017 1.090.640 INFINITY 5.481.081,00
Mei 2017 1.498.340 INFINITY 6.993.103,50
Juni 2017 1.144.090 INFINITY 6.541.935,50
Juli 2017 1.418.260 INFINITY 8.111.999,50
Agustus 2017 825.740 INFINITY 5.794.286,00
September 2017 319.250 INFINITY 6.337.500,00
Oktober 2017 450.630 INFINITY 5.794.286,00
November 2017 81.000 INFINITY 6.541.935,50
Desember 2017 0 INFINITY 6.759.999,50
Januari 2018 0 INFINITY 5.964.706,00
Februari 2018 0 INFINITY 4.314.893,50
Maret 2018 11.660 INFINITY 6.145.454,50
Rata-rata 569.968 INFINITY 6.231.765,00
10. Kepekaan Batasan Kuota Pembelian
Kepekaan batasan kuota pembelian TBS pihak ketiga dapat digunakan untuk
mengetahui sejauh mana perubahan nilai optimal yang akan diperoleh
perusahaan. Batasan kuota pembelian TBS dari pihak ketiga ini juga
merupakan kendala bukan pembatas bagi PTPN II – PKS Pagar Merbau untuk
mencapai keuntungan maksimum perusahaan. Secara rinci batasan kuota
pembelian TBS dari pihak ketiga dapat dilihat pada Tabel 6.7.

Tabel 6.7. Analisis Sensitivitas Nilai Kendala Kuota Pembelian TBS
Batas
Batas Kuota Batas Penurunan yang
Bulan Kenaikan yang
Pembelian (kg) Diperbolehkan (kg)
Diperbolehkan
April 2017 3.900.000 INFINITY 3.900.000
Mei 2017 3.900.000 INFINITY 3.900.000
Juni 2017 3.900.000 INFINITY 3.900.000
Juli 2017 3.900.000 INFINITY 3.900.000
Agustus 2017 3.900.000 INFINITY 3.900.000
September 2017 3.900.000 INFINITY 3.900.000
Oktober 2017 3.900.000 INFINITY 3.900.000
November 2017 3.900.000 INFINITY 3.900.000
Desember 2017 3.900.000 INFINITY 3.900.000
Januari 2018 3.900.000 INFINITY 3.900.000
Februari 2018 3.900.000 INFINITY 3.900.000
Maret 2018 3.900.000 INFINITY 3.900.000
Rata-rata 3.900.000 INFINITY 3.900.000
11. Kepekaan Ketersediaan Tenaga Kerja Pengolahan
Ketersediaan tenaga kerja dalam proses pengolahan sangat mempengaruhi
hasil output perusahaan. Kendala ketersediaan tenaga kerja merupakan
kendala pembatas bagi PTPN II – PKS Pagar Merbau untuk mengoptimalkan
keuntungan perusahaan. Secara rinci analisis sensitivitas ketersediaan tenaga
kerja dapat dilihat pada Tabel 6.8.

Tabel 6.8. Analisis Sensitivitas Nilai Ketersediaan Tenaga Kerja Pengolahan
pada Kondisi Model Aktual
Batas
Batas Penurunan
Jumlah TK Kenaikan yang
(HOK) Diperbolehkan
(HOK)
(HOK)
April 2017 3.380 2969,20 3.380
Mei 2017 3.380 1596,40 3.380
Juni 2017 3.380 1939,60 3.380
Juli 2017 3.380 910,00 3.380
Agustus 2017 3.380 2625,99 3.380
September 2017 3.380 2111,19 3.380
Oktober 2017 3.380 2625,99 3.380
November 2017 3.380 1939,60 3.380
Desember 2017 3.380 1768,00 3.380
Januari 2018 3.380 2454,39 3.380
Februari 2018 3.380 4685,20 3.380
Maret 2018 3.380 2282,80 3.380
Rata-rata 3.380 2325,70 3.380
12. Kepekaan Transfer TBS Menjadi CPO
Tabel 6.9. dapat diketahui secara keseluruhan kendala transfer TBS menjadi
CPO memiliki selang kepekaan yang lebar. Dimana batasan kenaikan yang
diperbolehkan tidak memeiliki batasan, sementara penurunan yang
diperbolehkan memiliki nilai tertentu.

Tabel 6.9. Analisis Sensitivitas Nilai Transfer TBS Menjadi CPO
Batas
Batas Penurunan
Produksi CPO Kenaikan yang
(kg) Diperbolehkan
(kg)
(kg)
April 2017 1.830.688 INFINITY 1838902,62
Mei 2017 2.306.429 INFINITY 2332200,00
Juni 2017 2.269.555 INFINITY 2235161,25
Juli 2017 2.791.384 INFINITY 2759431,75
Maret 2018 2.160.974 INFINITY 2151933,25
Rata-rata 2.129.022 INFINITY 2.125.640,46
13. Kepekaan Transfer TBS Menjadi Inti
Kendala transfer TBS menjadi Inti juga merupakan kendala pembatas bagi
PTPN II – PKS Pagar Merbau untuk mengoptimalkan keuntungan perusahaan.
Rendemen TBS menghasilkan Inti merupakan jumlah produksi Inti yang
dihasilkan dari setiap satu kilogram TBS. Hasil analisis sensitivitas kendala
transfer dari TBS menjadi Inti dengan batasan penurunan dan peningkatan
yang diperbolehkan dapat dilihat pada Tabel 6.10.

Tabel 6.10. Analisis Sensitivitas Nilai Transfer TBS Menjadi Inti
Batas
Batas Penurunan
Kenaikan yang
Bulan Produksi Inti (kg) yang Diperbolehkan
Diperbolehkan
(kg)
(kg)
April 2017 363.999 INFINITY 365.405,40
Mei 2017 511.724 INFINITY 518.655,18
Juni 2017 456.968 INFINITY 450.030,21
Juli 2017 593.215 INFINITY 598.936,00
Agustus 2017 375.635 INFINITY 370.834,31
September 2017 362.407 INFINITY 351.731,28
Oktober 2017 261.014 INFINITY 260.742,87
November 2017 323.667 INFINITY 321.645,15
Desember 2017 342.726 INFINITY 319.973,31
Januari 2018 323.839 INFINITY 320.105,90
Februari 2018 216.105 INFINITY 217.902,14
Maret 2018 443.554 INFINITY 442.472,71
Rata-rata 381.238 INFINITY 378.202,87
14. Kepekaan Biaya Pengolahan
Anallisis sensitivitas biaya pengolahan CPO dan Inti memiliki nilai batas
kenaikan yang diperbolehkan tidak terhingga, artinya bahwa kenaikan biaya
pengolahan diperbolehkan sebesar apapun. Semenatara batas penurunan yang
diperbolehkan senilai batas penurunan yang diperbolehkan untuk mencapai
nilai optimal. Hasil analisis sensitivitas kendala biaya pengolahan CPO dan
Inti dengan batasan penurunan dan peningkatan yang diperbolehkan dapat

Tabel 6.11. Analisis Sensitivitas Nilai Biaya Pengolahan
Batas
Batas Penurunan
Biaya Pengolahan Kenaikan yang
(Rp) Diperbolehkan
(Rp)
(Rp)
April 2017 992.117.773,40 INFINITY 128.290,73
Mei 2017 1.123.219.536,00 INFINITY 319.010,71
Juni 2017 1.466.012.400,00 INFINITY 185.565,59
Juli 2017 2.950.136.533,80 INFINITY 397.630,75
Agustus 2017 1.933.871.978,00 INFINITY 261.729,62
September 2017 1.904.918.161,40 INFINITY 221.825,17
Oktober 2017 1.855.186.292,10 INFINITY 223.778,40
November 2017 2.039.171.308,20 INFINITY 240.157,60
Desember 2017 2.969.696.689,50 INFINITY 373.903,71
Januari 2018 1.835.906.547,00 INFINITY 236.891,28
Februari 2018 1.701.550.527,50 INFINITY 234.267,71
Maret 2018 1.708.207.790,40 INFINITY 213.519,60
Rata-rata 1.873.332.961,44 INFINITY 253.047,57
Rekapan hasil analisis sensitivitas dapat dilihat pada Tabel 6.12.
Tabel 6.12. Analisis Sensitivitas Ruas Kanan Kendala Pengadaan Bahan

Baku TBS di PTPN II – PKS Pagar Merbau
Sumberdaya Kendala
Allowable Allowable
No. Bahan Baku Nilai RHS Status
Increase Decrease
Pengadaan TBS
Kapasitas Maksimal
1 17.160.000 INFINITY 6.773.752,0 BP
PKS (kg)
Ketersediaan Plasma
2 0 INFINITY 6.231.765,00 BP
40%
3 Kuota Pembelian 3.900.000 INFINITY 3.900.000 BP
4 Tenaga Kerja 3.380 2325,70 3.380 P
5 Transfer CPO 0 INFINITY 2.125.640,46 BP
6 Transfer Inti 0 INFINITY 378.202,87 BP
7 Biaya Pengolahan 0 INFINITY 253.047,57 BP

Hasil analisis sensitivitas RHS menunjukkan bahwa batas penurunan
kapasitas pabrik yang diperbolehkan untuk mencapai nilai optimalnya yaitu
sebesar 6.773.75 kg, sementara kenaikan yang diperbolehkan tidak terhingga.
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.

BAB VII
KESIMPULAN DAN SARAN
7.1. Kesimpulan
Setelah melakukan penelitian dan percobaan di PTPN II – PKS Pagar
Merbau dapat diambil beberapa kesimpulan, yaitu:
1. Terdapat beberapa yang menjadi fungsi kendala dalam pengoptimalan bahan
baku untuk memaksimalkan keuntungan perusahaan dengan metode Linear
Programming yaitu kapasitas maksimal PKS, ketersediaan bahan baku
pembeliaan, kuota pembelian, tenaga kerja, transfer CPO, transfer inti, dan
biaya pengolahan.
2. Hasil dari penyelesaian pengoptimalan bahan baku dengan metode Linear
Programming didapat bahwa terdapat beberapa bulan pada kondisi aktual
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.
3. Pada kondisi aktual perusahaan memperoleh keuntungan sebesar Rp.
207.905.777.710 sedangkan pada keadaan optimal perusahaan memperoleh
keuntungan sebesar Rp. 229.006.100.000. Selisih keuntungan perusahaan
dalam kondisi aktual dan optimal Rp 21.100.322.290 atau sekitar 10,14 %.

Artinya perusahaan dapat meningkatkan keuntungan sebesar 16,79 % pada
keadaan optimal.
7.1. Saran
Saran yang diberikan adalah:
1. Agar perusahaan dapat segera melakukan pemenuhan bahan baku sesuai
dengan keadaan optimalnya agar dapat memaksimalkan keuntungan
perusahaan.
2. Penelitian selanjutnya dapat membahas pengoptimalan bahan baku dengan
mempertimbangkan kendala lainnya.
3. Agar peneliti selanjutnya dapat menggabungkan metode lain dengan metode
Linear Programming agar hasil lebih baik lagi.

DAFTAR PUSTAKA
B, Roselina. 2011. 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.
Bogor: IPB
Ginting, Rosnani. 2007. Sistem Produksi. Jakarta : Graha Ilmu

Hillier dan Lieberman. 2005. Introdustion to Operations Research Eight Edition.
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
PMKS Sei Kandang PT. Asiatic Persada-AMS Group. Yogyakarta :
Universitas Gajah Mada
Sinulingga, Sukaria. 2014. Metode Penelitian. Medan: USU Press.
Sinulingga, Sukaria. 2008. Pengantar Teknik Industri. Yogyakarta: Graha Ilmu.
Siringoringo, Hotniar. 2005. Seri Teknik Riset Operasional. Pemrograman
Linear. Yogyakarta: Graha Ilmu.
Siswanto. 2007. Operations Research Jilid . Jakarta: Erlangga.

LAMPIRAN


Analisis Pemenuhan Kebutuhan Tandan Buah Segar Sebagai Bahan Baku Produksi Crude Palm Oil Dan Palm Kernel Di PTPN II-PKS Pagar Merbau

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Analisis Pemenuhan Kebutuhan Tandan Buah Segar Sebagai Bahan Baku Produksi Crude Palm Oil Dan Palm Kernel Di PTPN II-PKS Pagar Merbau

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISIS PEMENUHAN KEBUTUHAN TANDAN BUAH

SEGAR SEBAGAI BAHAN BAKU PRODUKSI CRUDE PALM

DEPART EMEN TEKNIK INDUSTRI

Universitas Sumatera Utara

sarjana teknik di Departemen Teknik Industri, Fakultas Teknik, Universitas

Penulis menyadari bahwa tugas sarjana ini masih jauh dari

UNIVERSITAS SUMATERA UTARA, MEDAN PENULIS

Universitas Sumatera Utara

Berkat dan Rahmat-Nya penulis diberi kesempatan untuk merasakan dan

mengikuti pendidikan di Departemen Teknik Industri USU serta telah

menyelesaikan tugas sarjana.

banyak memberikan dukungan dan do’a disetiap kegiatan Penulis, sehingga

Penulis bisa menyelesaikan laporan Tugas Sarjana. Penulis juga mengucapkan

terima kasih kepada:

Industri, Universitas Sumatera Utara yang telah memberikan izin pelaksanaan

2. Ibu Ir. Khawarita Siregar, MT selaku Dosen Pembimbing yang telah

memberikan waktu, bimbingan, pengarahan, dan masukan yang diberikan

kepada penulis dalam penyelesaian Tugas Sarjana ini.

3. Seluruh Dosen Departemen Teknik Industri, Universitas Sumatera Utara yang

telah memberikan bimbingan dan pengajaran selama perkuliahan yang

Universitas Sumatera Utara

Ibu Ester yang telah membantu perihal administrasi untuk menyelesaikan

5. Bapak Ahmad Khairi Nasution, selaku Manajer PTPN II - PKS Pagar

menyelesaikan laporan tugas sarjana ini.

membantu dan memberikan bimbingan serta informasi ataupun ilmu kepada

penulis untuk menyelesaikan laporan tugas sarjana ini.

7. Rekan seperjuangan di PTPN II - PKS Pagar Merbau yaitu Dewi Paramita

4 tahun melewati masa perkuliahan.

9. Teman terbaik penulis GOLDEN WAYS yaitu Strie, Mustika, Maylandari,

10. Rekan-rekan asisten Laboratotium Studio Audio Visual dan Menggambar

sehingga selesainya laporan ini.

11. Rekan-rekan ELASTIS yang selalu memberikan do’a dan semangat.

Universitas Sumatera Utara

Teknik Industri, Universitas Sumatera Utara yang telah membantu dan

bekerja sama dengan baik hingga selesainya laporan ini.

Penulis menyadari bahwa masih banyak terdapat kekurangan dalam

UNIVERSITAS SUMATERA UTARA, MEDAN PENULIS

Universitas Sumatera Utara

Kontinuitas proses produksi ditentukan oleh ketersediaan bahan baku. Peran

Kata Kunci : Optimalisasi Bahan Baku, Linear Programming

Universitas Sumatera Utara

LEMBAR JUDUL ................................................................ i

LEMBAR PENGESAHAN .................................................. ii

SERTIFIKAT EVALUASI TUGAS SARJANA ............... iii

KATA PENGANTAR .......................................................... iv

UCAPAN TERIMA KASIH ................................................ v

ABSTRAK ............................................................................. viii

DAFTAR ISI ......................................................................... vix

DAFTAR TABEL ................................................................. xv

DAFTAR GAMBAR ............................................................ xix

I PENDAHULUAN ................................................................. I-1

1.1. Latar Belakang .............................................................. I-1

1.2. Perumusan Masalah ...................................................... I-4

1.3. Tujuan Penelitian .......................................................... I-5

1.4. Manfaat Penelitian ........................................................ I-5

1.5. Batasan Masalah dan Asumsi........................................ I-6

1.6. Sistematika Penulisan Laporan ..................................... I-6

II GAMBARAN UMUM PERUSAHAAN ............................. II-1

2.1. Sejarah PTPN II PKS Pagar Merbau ............................ II-1

Universitas Sumatera Utara

2.2. Ruang Lingkup Perusahaan........................................... II-3

2.3. Lokasi Perusahaan......................................................... II-3

2.4. Organisasi dan Manajemen ........................................... II-3

2.4.1. Struktur Organisasi ............................................ II-4