2.

LANDASAN TEORI

2.1 Produktivitas
Kata produktivitas pertama kali dicetuskan oleh Quesnay pada tahun 1766.
Pada tahun 1883, Littre mendefinisikan produktivitas sebagai ”kemampuan untuk
memproduksi”. Definisi produktivitas telah banyak dibuat oleh para ahli.
Greenberg (2005, 12) mendefinisikan produktivitas sebagai perbandingan antara
totalitas pengeluaran pada waktu tertentu dibagi totalitas masukan selama periode
tersebut. Produktivitas didefinisikan sebagai hubungan antara input dan output
suatu sistem produksi. Hubungan ini sering lebih umum dinyatakan sebagai rasio
output dibagi input (Nasution, 2006, 421). Mali (1978) juga mengemukakan bahwa
”produktivitas merupakan kombinasi dari efektivitas dan efisiensi”. Efektivitas
berkaitan dengan unjuk kerja dalam mencapai tujuan dan efisiensi berkaitan dengan
penggunaan sumber daya.
Peningkatan produktivitas dapat dilihat dalam tiga bentuk (Dewan
Produktivitas Nasional,), yaitu :
a. Jumlah keluaran (output) dalam mencapai tujuan meningkat dengan
menggunakan sumber daya (input) yang sama.
b. Jumlah keluaran (output) dalam mencapai tujuan sama atau meningkat dicapai
dengan menggunakan sumber daya (input) yang lebih sedikit.
c. Jumlah keluaran (output) dalam mencapai tujuan yang jauh lebih besar diperoleh
dengan pertambahan sumber daya (input) yang relatif lebih kecil.

Terdapat tiga variabel yang mempengaruhi besar kecilnya produktivitas,

yaitu:
1. Tenaga Kerja (Labour) yang berarti kuantitas dan kualitas tenaga kerja yang
dipekerjakan di organisasi tersebut. Peningkatan kemampuan tenaga kerja dapat
dilakukan dengan melalui pendidikan, pengetahuan mengenai angkatan kerja,
perbaikan fasilitas kerja (transportasi, sanitasi), ketersediaan tenaga kerja yang
memadai.
2. Modal (Capital) yang digunakan oleh organisasi untuk membiayai kegiatan
operasionalnya, yang mana sangat dipengaruhi oleh inflasi dan pajak yang
berlaku.
3. Manajemen (Management) yang bertanggung jawab untuk memastikan
pengelolaan semua sumber daya yang digunakan perusahaan secara efektif dan
efisien

Dari ketiga variabel produktivitas diatas, menurut Heizer (2005) Faktor

Manajemen memberikan kontribusi terbesar dalam peningkatan produktivitas
karena manajemen bertanggung jawab untuk memastikan tenaga kerja dan modal
digunakan secara efektif untuk meningkatkan produktivitas (p. 22).
Menurut Sumanth (1984), Adapun unsur-unsur produktivitas adalah sebagai
berikut :
1. Efisiensi
Produktivitas merupakan perbandingan antara output dengan input yang
merupakan ukuran efisiensi. Efisiensi merupakan perbandingan antara
pemakaian sumber daya (input) terencana dengan input sebenarnya.
2. Efektivitas
Efektivitas menggambarkan seberapa jauh target yang ditentukan dapat dicapai,
baik dari segi waktu maupun kualitas. Makin besar presentase target tercapai
makin tinggi tingkat efektivitasnya, konsep ini berorientasi keluaran.
3. Kualitas
Produktivitas merupakan ukuran kualitas, walaupun kualitas sulit diukur dari
rasio output atau input. Namun jelas kualitas input dan kualitas proses
menentukan kualitas output. Output dengan kualitas tinggi secara tidak langsung
menaikkan rasio output atau input, karena disana ada pertambahan nilai (value
added) bagi konsumen yang berarti menaikkan daya saing dan produktivitas.

2.2 Manajemen Sumber Daya Manusia

Sumber daya manusia (SDM) merupakan salah satu faktor yang sangat
penting dalam suatu perusahaan. Oleh karena itu, SDM harus dikelola dengan baik
untuk meningkatkan efektivitas dan efisien organisasi, sebagai salah satu fungsi
dalam perusahaan yang dikenal dengan manajeman sumber daya manusia
(Hariandja, 2009, p.2).
Manajemen sumber daya manusia bertujuan untuk meningkatkan dukungan
sumber daya manusia dalam rangka meningkatkan efektivitas organisasi dalam
rangka mencapai tujuan. William B. Werther dan Keith Davis menyatakan “The
purpose of human resources management is to improve the productive contribution
of people to the organization in a etically and socially responsible way”.
Dalam manajemen sumber daya manusia, perencanaan merupakan suatu
kegiatan atau proses yang sangat penting karena perencanaan merupakan prasyarat
pelaksanaan kegiatan yang akan dilakukan. Menurut Torrington & Tan Chwee
Huat, perencanaan sumber daya manusia merupakan kegiatan khusus yang
berkaitan dengan penentuan kebutuhan sumber daya manusia perusahaan, baik
kebutuhan jangka panjang maupun jangka panjang. Terdapat beberapa manfaat dari
perencanaan sumber daya manusia adalah (Sondang P, 1994, p.44) :
1. Organisasi dapat memanfaatkan sumber daya manusia yang sudah ada
dalam organisasi secara lebih baik.
2. Melalui perencanaan sumber daya manusia yang matang, produktivitas
kerja dari tenaga kerja yang sudah ada dapat ditingkatkan.
3. Perencanaan sumber daya manusia berkaitan dengan penentuan kebutuhan
akan tenaga kerja di masa depan, baik dalam arti jumlah dan kualifikasinya
untuk mengisi berbagai jabatan dan menyelenggarakan berbagai aktivitas
yang baru dikemudian hari.

2.3 Perencanaan dan Pengendalian Produksi

Proses produksi merupakan aktivitas yang merubah (transformasi) input
menjadi output yang bernilai tambah. Dalam proses transformasi input menjadi
output diperlukan adanya sebuah perencanaan yang disebut dengan perencanaan
produksi. Aktivitas perencanaan produksi meliputi penetapan produk yang akan
diproduksi, kuantitas produk yang dibutuhkan, waktu yang diperlukan untuk
menyelesaian produk tersebut, dan sumber daya yang dibutuhkan. Terdapat tiga
tingkatan dalam perencanaan produksi, yaitu:
 Perencanaan jangka panjang (Long Range)
Perencanaan jangka panjang meliputi kegiatan peramalan usaha, perencanaan
jumlah produk dan penjualan, perencanaan produksi, perencanaan kebutuhan
bahan, dan perencanaan finansial.
Perencanaan jangka menengah (Medium Range)
Perencanaan jangka menengah meliputi perencanaan kebutuhan kapasitas,
perencanaan kebutuhan material, jadwal induk produksi, dan perencanaan
kebutuhan distribusi.
Perencanaan jangka pendek (Short Range)
Perencanaan jangka pendek meliputi kegiatan penjadwalan perakitan produk
akhir, perencanaan dan pengendalian input-output, pengendalian kegiatan
produksi, perencanaan dan pengendalian purchase.

Keberhasilan proses produksi diukur dengan output yang dihasilkan dari

proses produksi yang sesuai dengan rencana produksi. Untuk dapat menghasilkan
proses produksi yang sesuai dengan rencana produksi diperlukan adanya tindakan
pengendalian yang biasa disebut dengan pengendalian produksi. Pengendalian
produksi merupakan aktivitas menetapkan sumber daya yang akan digunakan agar
proses produksi berjalan sesuai dengan rencana.

Perencanaan Perencanaan
Kebutuhan Kebutuhan
Material Kapasitas

Perencanaan
Order Release

Pengendalian Aktivitas
Produksi

Pengendalian prioritas
Order Release Manajemen antrian
Perencanaan dan
pengendalian Input /Output
Penjadwalan pesanan
Pengiriman Penugasan Pesanan

Proses Produksi

Laporan
Produksi

Gambar 2.1. Skema Aktivitas Pengendalian Produksi

Perencanaan dan pengendalian produksi merupakan suatu kesatuan

aktivitas yang menunjang kelancaran proses produksi yaitu dengan melakukan
pengorganisasian mengenai pekerjaan, bahan baku, mesin dan peralatan serta
modal yang diperlukan untuk memproduksi barang pada suatu periode tertentu
sesuai dengan kemampuan perusahaan.
Tujuan perencanaan dan pengendalian produksi adalah memperoleh
keuntungan yang besar dengan melakukan proses produksi secara efisien dan
efektif.
Adapun fungsi perencanaan dan pengendalian produksi, antara lain:
a. Meramalkan permintaan produk yang dinyatakan dalam jumlah produk sebagai
fungsi dari waktu.
b. Memonitor permintaan yang aktual, membandingkannya dengan ramalan
permintaan sebelumnya dan melakukan revisi atas ramalan tersebut jika terjadi
penyimpangan.
c. Menetapkan ukuran pemesanan barang yang ekonomis atas bahan baku yang
akan dibeli.
d. Menetapkan sistem persediaan yang ekonomis.
e. Menetapkan kebutuhan produksi dan tingkat persediaan pada saat tertentu.
f. Memonitor tingkat persediaan, membandingkannya dengan rencana persediaan,
dan melakukan revisi rencana produksi pada saat yang ditentukan.
g. Membuat jadwal produksi, penugasan, serta pembebanan mesin dan tenaga kerja
yang terperinci.
Kegiatan perencanaan dan pengendalian produksi meliputi:
1. Peramalan kuantitas permintaan
2. Perencanaan pembelian/pengadaan: jenis, jumlah, dan waktu
3. Perencanaan persediaan (inventory): jenis, jumlah, dan waktu
4. Perencanaan kapasitas: tenaga kerja, mesin, fasilitas
5. Penjadwalan produksi dan tenaga kerja
6. Penjaminan kualitas
7. Monitoring aktivitas produksi
8. Pengendalian produksi
9. Pelaporan dan pendataan

Proses perencanaan dan pengendalian produksi dapat dilihat pada bagan

berikut ini:
 LONG RANGE
Resource
Organization
Requirements
Objectives
Planning

Business Product and Sales

Forecasting Planning Financial
Planning

Production
Planning
MEDIUM
RANGE

Distribution
Requirements
Planning (DPR)

Master Rough Cut

Demand
Production Capacity Planning
Management
Scheduling (MPS) (RCCP)

SHORT Material Capacity

RANGE Requirements Requirements
Planning (MRP) Planning (CRP)

Final Assembly
Scheduling (FAS)
Production Purchase
Activity Control Planning &
(PAC) Control

INPUT/ OUTPUT PLANNING AND CONTROL

Gambar 2.2. Proses Perencanaan dan Pengendalian Produksi

Sumber: Fogarty, Donal W., John H. Blackstone and Thomas R. Hoffmann

(1991, p. 16)

2.4 Peramalan Permintaan

Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa
yang akan datang. Peramalan diperlukan karena adanya perbedaan kesenjangan
waktu antara kesadaran akan dibutuhkannya suatu kebijakan baru dengan waktu
pelaksanaan kebijakan tersebut.
Dalam suatu manufakturing peramalan merupakan langkah awal dalam
penyusunan Production Inventory Management, Manufacturing and Planning
Control, dan Manufacturing Resource Planning, dimana objek yang diramalkan
adalah kebutuhan. Pada industri yang menganut Make to Order peramalan hanya
merupakan bahan pertimbangan dalam menentukan kebutuhan mesin, sumber daya,
dan waktu pengiriman.
Peramalan permintaan merupakan tingkat permintaan produk- produk yang
diharapkan akan terealisir untuk jangka waktu tertentu pada waktu tertentu pada
masa yang akan datang. Fungsi peramalan permintaan adalah untuk memperkirakan
jumlah permintaan di masa yang akan datang, dan sebagai dasar manajemen untuk
menyusun perencanaan produksi di masa yang akan datang (meliputi kebutuhan
fasilitas, jadwal produksi, dan jumlah tenaga kerja).
Pertimbangan penggunaan peramalan permintaan antara lain: horison waktu
peramalan, biaya proses peramalan, ketepatan hasil peramalan, tenggang waktu
proses peramalan, dan kemudahan metoda peramalan.
Langkah Peramalan Permintaan adalah sebagai berikut:
1. Mengumpulkan data masa lalu,
2. Plot Data,
Menurut Taylor III (2005) terdapat beberapa pola atau kecenderungan ,
yaitu antara lain:
a. Pola Data Horizontal
Pola data horizontal terjadi apabila nilai data berfluktuasi di sekitar nilai
rata- rata yang konstan. Metoda peramalan yang dapat digunakan untuk pola
data ini adalah single exponential smoothing, regression linear, dan single
moving average.

800

600

400
Series1
200

0
1 3 5 7 9 11

Gambar 2.3. Pola Data Horizontal

b. Pola Data Musiman

 Pola data musiman terjadi bilamana suatu deret dipengaruhi oleh faktor
musiman (misalnya kuartal tahun tertentu, bulanan, atau hari- hari pada
minggu tertentu). Metode peramalan yang dapat digunakan untuk pola data
ini adalah metode winter dengan factor musiman, regression linear, single
exponential smoothing.

800

600

400
Series1
200

0
1 2 3 4 5 6 7 8 9 101112

Gambar 2.4. Pola Data Musiman

c. Pola Data Siklis

Pola data siklis terjadi bilamana datanya dipengaruhi oleh fluktuasi
ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.
Metoda peramalan yang sesuai dengan pola data ini adalah single
exponential smoothing dan double exponential smoothing.

800

600

400
Series1
200

0
1 3 5 7 9 11

Gambar 2.5. Pola Data Siklis

d. Pola Data Trend

 Pola data trend terjadi bilamana terdapat kenaikan atau penurunan sekuler
jangka panjang dalam data. Metode yang dapat digunakan regresi linear,
double exponential smoothing, double moving average.

1500

1000

Series1
500

0
1 3 5 7 9 11

Gambar 2.6 Pola Data Trend

3. Memilih metode yang dapat mewakili kondisi pola data masa lalu,
Secara umum model peramalan tersebut dapat dilakukan dengan metode
sebagai berikut :

Smoothing
Deret berkala
( Time series )
Cecompocition

Kuantitatif

Regresi
sederhana

kausal

Metoda Regresi
peramalan berganda

eksploratoris

kualitatif

normatif

Gambar 2.7. Metode Peramalan

a. Peramalan Kualitatif
 Peramalan kualitatif atau peramalan subyektif, memanfaatkan faktor-
faktor penting seperti intuisi, pengalaman pribadi, dan system nilai pengambilan
keputusan. Meskipun demikian, peramalan dengan metode kualitatif tidak berarti
hanya menggunakan intuisi melainkan mengikutsertakan model statistik sebagai
bahan masukan dalam melakukan judgment (pendapat, keputusan) dan dapat
dilakukan secara perseorangan ataupun kelompok. Peramalan kualitatif
menggunakan empat metode yang umum dipakai, yaitu (Herjanto, 1999):
• Juri Opini Eksekutif
Metode ini cukup banyak digunakan. Pendekatan ini merupakan pendekatan
peramalan yang paling sederhana dan banyak digunakan dalam peramalan bisnis.
• Metode Delphi
Metode ini, serangkaian kuesioner disebarkan kepada responden. Langkah
berikut jawabannya diringkas dan diberikan ke panel ahli untuk dibuat perkiraan.
• Gabungan Tenaga Penjualan
Metode ini cukup banyak digunakan, karena tenaga penjualan (sales force)
merupakan sumber informasi yang baik mengenai permintaan konsumen. Setiap
tenaga penjualan meramalkan tingkat penjualan di daerahnya, kemudian
digabungkan pada tingkat provinsi dan seterunya sampai ke tingkat nasional untuk
mencapai peramalan yang menyeluruh.
• Survei Pasar
Masukan diperoleh dari konsumen atau konsumen potensial terhadap
rencana pembelian di masa datang. Survei dapat dilakukan dengan kuesioner,
telepon, atau wawancara langsung. Pendekatan ini membantu tidak hanya dalam
menyiapkan peramalan, tetapi juga dalam meningkatkan desain produk dan
perencanaan untuk suatu produk baru. Metode ini memiliki kekurangan, yaitu
memerlukan waktu yang cukup lama, metode ini juga mahal dan sulit.
b. Metode Kuantitatif
Peramalan kuantitatif, menggunakan berbagai model matematis yang
menggunakan data histories dan atau variable-variabel kausal untuk meramalkan
permintaan.
Syarat peramalan kuantitatif adalah :
1. Tersedia informasi tentang masa lalu
2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data numerik
3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut
dimasa yang akan datang.
Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas:
➢ Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya,
yang bukan waktu, yang disebut metode korelasi atau sebab akibat (“causal
methods”). Pada modul peramalan penjualan (Soepono, 2012) Metode
peramalan ini terdiri dari dari:
1) Metode regresi linier
Pada metode regresi, suatu model perlu dispesifikasi sebelum dilakukan
pengumpulan data dan analisisnya. Contoh yang paling sederhana dari metode
regresi ini adalah metode regresi linier sederhana dengan variabel pengaruh
tunggal. Formula untuk metode regresi sebagai berikut :

ŷ = a + bx

di mana :

ŷ = perkiraan permintaan
x = variabel bebas yang mempengaruhi y
a = nilai tetap y bila x = 0 (merupakan perpotongan dengan sumbu y)
b = derajat kemiringan persamaan garis regresi
Untuk menentukan nilai a dan b, digunakan formula sebagai berikut :

a=
y i
−b
x i

n n

b=
n  x i yi − ( x )( y ) i i

n  x − ( xi )
2 2
i

2) Metode Regresi Kuadratik

Peramalan ini digunakan untuk menentukan pola data cenderung berbentuk
kuadratik dari tiap periodenya. Untuk menentukan nilai peramalan dengan metode
ini, maka digunakan persamaan sebagai berikut :

y(t) = a + bt + ct 2

untuk mencari nilai a, b, dan c, maka digunakan persamaan sebagai berikut :

 a=
 y(t) − b  t − c  t 2

n n n

dengan ketentuan :

γ= ( t )
2 2
− n t 4
σ =  t. y(t) − n  t.y(t)
 =  t 2 . y(t) − n. t 2 .y(t)
α =  t. t 2 − n  t 3
β = ( t ) − n. t 2
2

γ.σ − .α
b=
γβ − α 2
 − b.α
c=
γ
➢ Metode peramalan yang akan didasarkan atas penggunaan analisa pola
hubungan antara variabel yang akan diperkirakan dengan variabel waktu,
yang merupakan deret waktu, atau “time series”. Pada modul peramalan
penjualan (Soepono, 2012) Metode- metode time series ini terdiri dari:
1) Metode Rata- Rata Bergerak (Moving Average)
Metode ini menggunakan sejumlah data aktual permintaan yang baru untuk
membangkitkan nilai ramalan untuk permintaan di masa mendatang. Metode rata-
rata bergerak akan efektif diterapkan apabila diasumsikan bahwa permintaan pasar
terhadap produk akan teteap stabil sepanjang waktu. Bentuk umum persamaan dari
metode rata-rata bergerak :

A t + A t −1 + ... + A t −(n−1)
MA =
n

di mana :
MA = Moving Average
At = permintaan aktual pada periode –t
n = jumlah data permintaan yang dilibatkan dalam perhitungan MA

Metode Rata-rata Bergerak dengan Pembobotan (Weighted Moving

Average = WMA)
 Pada metode ini, setiap data diberikan bobot yang sama. Aktualnya hal ini
mustahil karena data yang lebih baru akan mempunyai bobot yang lebih tinggi
karena data tersebut merepresentasikan kondisi yang terakhir terjadi. Hal ini yang
melahirkan metode peramalan rata-rata bergerak dengan pembobotan. Secara
sistematis, WMA dapat dinyatakan sebagai berikut :

WMA =  Wt .A t

di mana :
Wt = bobot permintaan aktual pada periode –t
At = permintaan aktual pada periode –t
dengan keterbatasan, bahwa :

W t =1

2) Metode Pemulusan Eksponensial (Exponential Smoothing = ES)

Kelemahan teknik moving average dalam kebutuhan akan data-data masa
lalu yang cukup banyak dapat diatasi dengan teknik pemulusan eksponensial.
Metode peramalan pemulusan eksponensial bekerja hampir serupa dengan alat
thermostat, di mana apabila galat ramalan (forecast error) adalah positif, yang
berarti nilai aktual permintaan lebih tinggi dari pada nilai ramalan (A-F>0), maka
model pemulusan eksponensial akan secara otomatis meningkatkan nilai ramalan.
Sebaliknya apabila galat ramalan (forecast error) adalah negatif, yang berarti nilai
aktual permintaan lebih rendah dari pada nilai ramalan (A-F<0), maka pemulusan
eksponensial akan secara otomatis menurunkan nilai ramalan. Proses penyesuaian
ini berlangsung terus menerus kecuali galat ramalan telah mencapai nol. Kenyataan
inilah yang mendorong peramal (forecaster) lebih suka menggunakan model
pemulusan eksponensial. Apabila pola historis dari aktual permintaan bergejolak
atau tidak stabil dari waktu ke waktu.
Peramalan menggunakan model pemulusan eksponensial dilakukan
berdasarkan formula sebagai berikut :

Ft = Ft −1 + α(At −1 − Ft −1 )
di mana :
Ft = nilai ramalan untuk periode waktu ke –t
 Ft-1 = nilai ramalan untuk satu periode waktu yang lalu, t-1
At-1 = nilai aktual untuk satu periode waktu yang lalu, t-1
α = konstanta pemulusan (smoothing constant)
Permasalahan umum yang dihadapi apabila menggunakan model pemulusan
eksponensial adalah memilih konstanta pemulusan, α, yang diperkirakan tepat.
Nilai konstanta pemulusan α dapat dipilih di antara nilai 0 dan 1, karena berlaku :
0<α<1.
3) Metode Pemulusan Eksponensial dengan Unsur Trend
Teknik moving average dan exponential smoothing sederhana telah
dijelaskan di depan hanya tepat bila data yang digunakan stationer. Bila data
permintaan bersifat musiman dan memiliki tren, maka dapat diselesaikan dengan
salah satu metode exponentioal smoothing yang biasa disebut dengan metode
winter.
Metode winter didasarkan atas tiga persamaan pemulusan, yaitu persamaan
untuk penyesuaian stationer, satu persamaan untuk penyesuaian tren, dan
persamaan yang lain untuk penyesuaian musiman.
Yang perlu diperhatikan adalah bahwa pemulusan eksponensial tunggal ini
akan selalu mengikuti setiap tren data yang sebenarnya, karena yang dapat
dilakukan hanyalah mengatur ramalan yang akan datang dengan suatu porsentase
kesalahan yang terakhir. Berikut ini persamaan pemulusan eksponensial dengan
mempertimbangkan trend :
Ft = αA t + (1 − α)(Ft −1 + Tt −1 )
Tt = β(Ft − Ft −1 ) + (1 − β)Tt −1
f t = Ft −1 + Tt −1
di mana :
Ft = Nilai peramalan dengan pemulusan periode t
Tt = Tren untuk periode t
ft = Nilai peramalan periode t
At = Nilai data aktual periode t
4) Metode Pemulusan Eksponensial dengan Unsur Musiman
Dalam situasi tertentu sering kali permintaan terhadap suatu produk industri
dipengaruhi oleh faktor musiman yang berkaitan dengan fluktuasi periodik serta
bersifat relatif konstan. Fluktuasi periodik ini biasanya dipengaruhi oleh faktor-
faktor seperti : temperatur, curah hujan, hari raya keagamaan dan lain-lain. Sebagai
misal, permintaan untuk produk payung mungkin akan meningkat pada saat musim
hujan, dan relatif menurun pada saat musim kemarau dan sebagainya.
Proses umum dari permintaan musiman ini dapat dinyatakan dalam
persamaan matematis sebagai berikut :

A t = μ.δ t + ε t
Dt
Ft = α + (1 − α)(Ft −1 + Tt −1 )
I t −m
Tt = β(Ft − Ft −1 ) + (1 − β)Tt −1
Dt
It = γ + (1 − γ)It − m
Ft
f t = (Ft + Tt ).I t +1− m

di mana :
Ft = nilai peramalan dengan pemulusan periode t
Tt = tren untuk periode t
ft = nilai peramalan periode t
At = nilai data aktual periode t
α = konstanta pemulusan untuk rata-rata
 = konstanta pemulusan untuk tren
Ft-1 = nilai pemulusan sebelum periode t pemulusan
Tt-1 = tren sebelum periode t pemulusan
t = faktor musiman
 = tingkat permintaan rata-rata
t = distribusi permintaan normal dengan mean nol
It = indeks pada periode t
Dt = permintaan pada periode t
 = konstanta pemulusan
2. Meramalkan permintaan dengan metoda yang dipilih,
3. Memilih metoda terbaik berdasarkan ukuran kesalahan terkecil,

Ukuran akurasi hasil peramalan yang merupakan ukuran kesalahan

peramalan merupakan ukuran tentang tingkat perbedaan antara hasil peramalan
dengan permintaan yang terjadi. Dalam modul peramalan penjualan (Soepono,
2012) terdapat banyak rumus dalam penetapan standart perbedaan (standard
error),yaitu antara lain:
➢ Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD)
MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa
memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan
kenyataannya. Secara sistematis MAD dirumuskan sebagai berikut :
A t − Ft
MAD = 
n
di mana :
At = permintaan aktual pada periode –t
Ft = peramalan permintaan pada periode –t
n = jumlah periode peramalan yang terlibat
➢ Rata-rata kuadrat kesalahan (Mean Square Error = MSE)
MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan
pada setiap periode dan membaginya dengan jumlah periode peramalan. Secara
matematis MSE dirumuskan sebagai berikut :

(A t − Ft ) 2
MSE = 
n
➢ Rata-rata Kesalahan Peramalan (Mean Forecast Error =MFE)
MFE sangat efektif untuk mengetahui apakan suatu hasil peramalan selama
periode tertentu terlalu tinggi atau terlalu rendah. MFE dihitung dengan
menjumlahkan semua kesalahan peramalan selama periode peramalan dan
membaginya dengan jumlah periode peramalan. Secara sistematis MFE dinyatakan
sebagai berikut :
(A t − Ft )
MFE = 
n

➢ Rata-rata Persentase Kesalahan Absolut (MAPE)

Rata-rata Persentase Kesalahan Absolut (Mean Absolute Percentage Error
= MAPE) merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti
dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil
peramalan terhadap permintaan aktual selama periode tertentu yang akan
memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah.
Secara matematis MAPE dinyatakan sebagai berikut :

 100  F
MAPE =   A t − t
 n  At

➢ Rata-rata Perkiraan Kesalahan Standar (Standart Error of Estimation)

Formula dari SEE adalah sebagai berikut :

(A t − Ft ) 2
SEE =
n − fo
di mana :
fo = derajat kebebasan yang hilang
➢ Kesalahan Standar (Standart Error)
Formula dari SE adalah sebagai berikut :

∑(Y − Y′)2
SE = √
N

di mana :
SE = standart error
Y = penjualan / permintaan
Y’ = ramalan penjualan / permintaan
N = jumlah data
4. Verifikasi peramalan.
Langkah penting setelah peramalan dibuat adalah melakukan verifikasi
peramalan sedemikian rupa, sehingga hasil peramalan tersebut benar-benar
mencerminkan data masa lalu dan sistem sebab akibat yang mendasari permintaan
tersebut. Sepanjang aktualitas peramalan tersebut dapat dipercaya hasil peramalan
akan terus digunakan. Jika selama proses verifikasi tersebut ditemukan keraguan
validitas metode peramalan yang digunakan, harus dicari metode lainnya yang lebih
cocok. Validitas tersebut harus ditentukan dengan uji statistika yang sesuai
Banyak alat yang dapat digunakan untuk memverifikasi peramalan dan
mendeteksi perubahan sistem sebab akibat yang melatarbelakangi perubahan pola
permintaan. Bentuk yang paling sederhana adalah peta kontrol peramalan yang
mirip dengan peta kontrol kualitas.
Langkah verifikasi peramalan:
a. Menghitung kesalahan peramalan tiap perioda
b. Membuat peta MR
Menurut Bambang Soepono (2012) dalam modul peramalan penjualan
“Peta moving range dirancang untuk membandingkan nilai permintaan aktual
dengan nilai peramalan. Dengan kata lain, kita melihat data permintaan aktual dan
membandingkannya dengan nilai peramalan pada periode yang akan datang
sehingga kita dapat membandingkan data peramalan dengan permintaan aktual.
Peta moving range digunakan untuk melakukan verifikasi teknik dan parameter
peramalan”. Moving range dapat didefinisikan sebagai :

𝑀𝑅𝑖 = 𝐴𝐵𝑆 (𝐸𝑡 − 𝐸𝑡−1 )

dan rata-rata moving range didefinisikan sebagai berikut :

∑𝑛−1
𝑖=1 𝑀𝑅𝑖
̅̅̅̅̅
𝑀𝑅 =
𝑛−1

Garis tengah peta moving range adalah

̅̅̅̅̅
𝐺𝑇 = 𝑀𝑅
Batas kendali atas an bawah pada peta moving range adalah :

𝐵𝐾𝐴 = +2.66 ̅̅̅̅̅

𝑀𝑅
̅̅̅̅̅
𝐵𝐾𝐵 = −2.66 𝑀𝑅

c. Memeriksa kondisi in/ out control

+
Batas Kendali Atas

Batas Daerah A

Batas Daerah B

0 t
Batas Daerah B

Batas Daerah A

Batas Kendali Bawah

 Gambar 2.8. Moving Range Chart

Kriteria Out of Control:

➢ Satu titik keluar dari BKA dan BKB.
➢ Tiga turut berturut- turut ada didaerah A.
➢ Lima titik berturut- turut ada didaerah B.
➢ Delapan titik berturut- turut ada pada salah satu sisi garis tengah.

2.5 Perencanaan Kapasitas

Menurut Heizer (2004), Kapasitas adalah kemampuan berproduksi dari
suatu stasiun kerja, departemen atau fasilitas yang berhubungan dengan pekerja dan
peralatan dan dinyatakan dalam satuan unit pengukuran (unit, ton, meter, waktu
standar dan lain-lain) per satuan waktu (p. 371).
Perencanaan Kapasitas produksi adalah kemampuan pembatas dari unit
produksi untuk dapat berproduksi dalam waktu tertentu, dan biasanya dinyatakan
dalam bentuk output per satuan waktu. Yang dimaksud dengan unit produksi adalah
tenaga kerja, mesin, unit stasiun kerja, proses produksi, perencanaan dan organisasi
produksi.
Perencanaan kapasitas terbagi menjadi dua yaitu perencanaan kapasitas
jangka pendek dan perencanaan kapasitas jangka panjang (Zulian Yamit, 2003, 67).

➢ Perencanaan Kapasitas Jangka Pendek

Perencanaan kapasitas jangka pendek digunakan untuk menangani secara
ekonomis hal- hal yang sifatnya mendadak di masa yang akan datang, misalnya
untuk memenuhi permintaan mendadak atau seketika dalam jangka waktu yang
pendek. Kebanyakan perusahaan tidak beroperasi penuh selama 24 jam per hari dan
tidak pernah beroperasi penuh tujuh hari per minggu. Jika perusahaan beroperasi
selama delapan jam perhari (satu shift) dan lima hari per minggu, maka kapasitas
normal jam kerja perusahaan adalah 40 jam per minggu. Namun demikian 40 jam
per minggu tersebut bukanlah kapasitas maksimum yang dimiliki. Dalam upaya
meningkatkan kapasitas jangka pendek terdapat lima cara yang dapat digunakan
oleh perusahaan (Krajewzki & Ritzman, 1989).
1. Meningkatkan jumlah sumber daya, yaitu:
a. Penggunaan kerja lembur,
b. Penambahan regu kerja,
c. Memberikan kesempatan kerja secara part time,
d. Sub-kontrak, dan
e. Kontrak kerja.
2. Memperbaiki penggunaan sumber daya, yaitu:
a. Mengatur regu kerja, dan
b. Menetapkan schedule.
3. Memodifikasi produk, yaitu:
a. Menentukan standar produk,
b. Melakukan perubahan jasa operasi, dan
c. Melakukan pengawasan kualitas.
4. Memperbaiki permintaan, yaitu:
a. Melakukan perubahan harga,
b. Melakukan perubahan promosi.
5. Tidak memenuhi permintaan.
➢ Perencanaan Kapasitas Jangka Panjang
Perencanaan kapasitas jangka panjang merupakan strategi operasi dalam
menghadapi segala kemungkinan yang akan terjadi dan sudah dapat diperkirakan
sebelumnya. Misalnya, rencana untuk menurunkan biaya produksi per-unit, dalam
jangka pendek sangat sulit untuk dicapai karena unit produk yang dihasilkan masih
berskala kecil, tetapi dalam jangka panjang rencana tersebut dapat dicapai dengan
cara meningkatkan kapasitas produksi. Terdapat dua strategi yang dapat ditembuh
dalam perencanaan jangka panjang ((Zulian Yamit, 2003, 68), yaitu:
1. Strategi melihat dan menunggu
 Strategi ini dikatakan pula sebagai strategi hati- hati, karena kapasitas
produksi akan dinaikan apabila yakin permintaan konsumen sudah naik. Strategi ini
dipilih dengan pertimbangan bahwa perusahaan harus mengambil resiko jika terjadi
kelebihan kapasitas karena investasi yang dilakukan hanya ditanggung dalam
jumlah unit yang sedikit, akibatnya biaya produksi menjadi lebih tinggi.
2. Strategi ekspansionis
Strategi ini menunjukkan bahwa kapasitas selalu melebihi atau diatas
permintaan. Dengan strategi ini perusahaan berharap tidak terjadi kekurangan
produk di pasaran yang dapat menyebabkan adanya peluang masuknya produsen
lain. Selain itu, perusahaan juga berusaha untuk memberikan pelayanan terbaik
dengan cara menjamin tersedianya produk dipasaran.
Tujuan perencanaan kapasitas adalah melihat apakah pabrik mampu
memenuhi permintaan pasar yang diramalkan atau tidak. Manfaat dari perhitungan
kapasitas produksi ini adalah:
1. Dapat meminimalkan keterlambatan pengiriman produk karena kesalahan
perhitungan.
2. Menjembatani ketidakharmonisan antara kapasitas yang ada dengan kapasitas
yang diperlukan untuk memenuhi kebutuhan pasar.
3. Sebagai pertimbangan pihak perusahaan dalam penempatan operator, mesin
ataupun perubahan jam kerja (shift).
4. Dapat meminimalkan biaya produksi dan harga pokok penjualan unit produk.
Perencanaan kapasitas yang tepat ini penting untuk menghindari kehilangan
keuntungan karena kekurangan kapasitas atau utilitas yang rendah karena kelebihan
kapasitas.

2.6 Penjadwalan Tenaga Kerja

Penjadwalan (scheduling), menurut Kenneth R. Baker didefinisikan sebagai
proses pengalokasian sumber untuk melaksanakan sekumpulan tugas dalam jangka
waktu tertentu. Definisi ini dapat dijabarkan dalam dua arti yang berbeda, yaitu:
➢ Penjadwalan merupakan sebuah fungsi pengambilan keputusan dalam
menentukan jadwal yang paling tepat.
➢ Penjadwalan merupakan teori yang berisi kumpulan prinsip, model, teknik,
dan konklusi logis dalam memberikan pemahaman terhadap fungsi
penjadwalan.
Terdapat beberapa masalah penjadwalan yang dihadapi perusahaan, salah
satunya Personnel Scheduling. Personnel Scheduling adalah hal yang penting
dalam industry manufaktur dan jasa. Walaupun penjadwalan pembagian waktu
dalam lantai produksi lebih diutamakan dari pengendalian dalam lantai produksi itu
sendiri, masalah penjadwalan tenaga kerja juga dapat menjadi masalah yang besar.
Masalah penjadwalan tenaga kerja secara umum adalah masalah dalam
penentuan berapa banyak pekerja yang harus ditempatkan terhadap setiap periode
perencanaan dari waktu kerja pada sebuah organisasi. Sumber daya manusia adalah
komponen yang sangat penting diantara semua organisasi baik di industry
manufaktur ataupun jasa sehingga penjadwalan tenaga kerja adalah masalah yang
umum bagi semua organisasi (Evrim Didem Gunes, 1999).
Tujuan adanya penjadwalan tenaga kerja adalah untuk menetapkan
sejumlah tenga kerja pada suatu pekerjaan, sesuai permintaan dan ongkos yang
dikeluarkan serendah mungkin.
Langkah-langkah yang dilakukan:
1. Mengidentifikasi pelayanan yang disediakan.
2. Melakukan studi waktu, digunakan untuk menentukan waktu rata-rata yang
diperlukan bagi setiap pelayanan.
3. Meramalkan kebutuhan total tenaga kerja.
4. Menentukan jadwal tenaga kerja untuk memenuhi kebutuhan di atas.
Karakteristik pokok masalah:
1. Permintaan tenaga kerja cenderung berfluktuasi pada waktu yang relatif
pendek.
2. Pelayanan manusia tidak dapat disimpan untuk kemudian digunakan.
3 .Pemakai jasa sangat kritis terhadap mutu pelayanan.
Istilah- istilah dalam penjadwalan tenaga kerja:
➢ Permintaan (Demand) adalah: jumlah orang yang dibutuhkan dalam suatu
periode untuk memberikan tingkat pelayanan tertentu yang telah ditetapkan.
➢ Shift (schedule) adalah:
 - Kumpulan hari dalam 1 minggu dimana seseorang diharapkan untuk
bekerja.
- Bagian dari hari yang menjelaskan kapan seseorang mulai bekerja,
istirahat dan makan siang.
➢ Jadwal (Schedule) adalah kumpulan shift yang memenuhi permintaan. Ada
2 pengertian:
- Kumpulan hari kerja dan hari libur setiap pekerja dalam 1 minggu
operasi.
- Kumpulan periode waktu (jam) kapan pekerja mulai bekerja,
istirahat dan makan siang dari seluruh pekerja dimana kebutuhan
terhadap pekerja tersebut dapat terpenuhi.

2.7 Penjadwalan Shift (Shift Scheduling)

Pada waktu penjadwalan tenaga kerja dilakukan untuk 6 atau 7 hari jam
kerja selama satu minggu, maka masalah yang sering terjadi adalah sulitnya untuk
melaksanakan standar 5 hari bekerja atau 40 jam bekerja. Banyak cara yang
dilakukan untuk mengatasi masalah tersebut, tetapi kebanyakan tanpa melakukan
prosedur penjadwalan, seperti membuat lembur kerja atau dengan menggunakan
pekerja part-time. Apabila dilakukan jam kerja lembur atau menggunakan pekerja
part-time, maka masalah lain yang muncul adalah kapan pekerja seharusnya bekerja
dan di lain hari kapan harus libur jika dilakukan jam lembur kerja. Ada beberapa
pendekatan yang dapat digunakan untuk mengatasi masalah-masalah tersebut yaitu
dengan menggunakan Algoritma Tibrewala, Phillipe & Browne, Algoritma
Monroe, dan linear-programming untuk Algoritma Monroe (Rothstein).
A. Algoritma Tibrewala, Phillipe & Browne
Algoritma ini digunakan untuk menjadwalkan hari kerja di hari libur tenaga
kerja. Penggiliran tenaga kerja libur 2 hari berturut- turut dalam satu minggu.
Pernggiliran ini dapat diterapkan pada setiap individu.
B. Algoritma Monroe
Penjadwalan tenaga kerja dengan Algoritma Monroe memiliki beberapa
aturan dasar yaitu mencari dua hari libur berurutan untuk setiap shift, setiap
kebutuhan tenaga kerja harus dipenuhi, dan tujuh hari kerja dalam satu minggu.
Langkah langkah penjadwalan dengan Algotima Monroe:
1. Hitung kebutuhan tenaga kerja. Jika yang dijadwalkan adalah 5 hari kerja,
jumlah tenaga kerja yang dibutuhkan dalam seminggu harus genap
kelipatan 5. Jika tidak genap, maka tambahkan satu atau lebih hari sampai
genap kelipatan 5.
2. Untuk setiap hari dalam seminggu, hitung jumlah hari libur dengan cara
mengurangi jumlah tenaga kerja yang tersedia dengan kebutuhan pada hari
tersebut.
3. Buat pasangan hari libur dimulai pada dua hari pertama dalam seminggu
sampai pasangan hari libur tersebut berulang.
4. Pada iterasi pertama, tugaskan setengah atau kira-kira setengah dari jumlah
hari libur pada hari kedua ke pasangan hari libur pertama. Untuk pasangan
hari libur kedua kurangi jumlah tadi dari jumlah hari libur ketiga. Teruskan
prosedur ini sampai semua pasangan hari libur telah terisi. Jika jumlah shift
pada pasangan hari libur pertama dan pasangan hari libur terakhir telah
sama, maka stop; jika tidak maka lanjutkan ke langkah lima.
5. Hitung rata-rata jumlah shift pada pasangan hari libur pertama dan terakhir.
Gunakan hasilnya sebagai jumlah shift pada pasangan hari libur pertama
pada iterasi kedua. Gunakan prosedur pada langkah empat untuk penugasan
pada pasangan hari libur berikutnya.

C. Linear-programming Untuk Algoritma Monroe (Rothstein)

Linear- programming untuk algoritma Monroe ini menjamin sebuah solusi
yang layak dengan meminimumkan hari libur yang tidak berpasangan. Pada
formulasi linear programing ini membutuhkan 15 buah kendala dan 15 variabel,
yaitu antara lain : kendala 1 menunjukkan angka atau nomor dari jadwal hari libur
yang berpasangan berurutan untuk minggu-senin (X1), dan untuk senin-selasa (X2)
ditambah dengan angka atau nomor hari libur yang tidak berurutan yang berisikan
hari senin (U1) harus sama dengan jumlah orang yang libur di hari senin (b1).
Kendala 2 sampai kendala 7 cara perhitungannya mirp dengan kendala 1. Kendala
8 menunjukkan nomor atau angka jadwal pasangan hari libur baik berurutan
maupun tidak berurutan harus sama dengan jumlah pekerja. Kendala 9 sampai
kendala 15 menunjukkan tidak ada nilai Ui yang melebihi jumlah untuk semua nilai
U. Hal ini dilakukan untuk memastikan bahwa hari libur tidak di hari yang sama.
Tujuan formulasi Linear-Programming ini adalah memaksimasi pasangan hari libur
yang berurutan.
Maksimasi 𝑧 = ∑7𝑖=1 𝑋𝑖
1. X1 + X2 + X3+ X4+ X5+ X6+ X7+ U1+ U2+ U3+ U4+ U5+ U6+ U7 = b1
1. X1 + X2 + U1 = b1
2. X2 + X3 + U2 = b2
3. X3 + X4 + U3 = b3
4. X4 + X5 + U4 = b4
5. X5 + X6 + U5 = b5
6. X6 + X7 + U6 = b6
7. X1 + X7 + U7 = b7
1
8. X1 + X2 + X3+ X4+ X5+ X6+ X7 +d = 2 ∑ 𝑏𝑖

9. U1- U2- U3- U4- U5- U6- U7 ≤0

10. -U1+ U2- U3- U4- U5- U6- U7 ≤0
11. -U1- U2+ U3- U4- U5- U6- U7 ≤0
12. -U1- U2- U3+ U4- U5- U6- U7 ≤0
13. -U1- U2- U3- U4+U5- U6- U7 ≤0
14. -U1- U2- U3- U4- U5+ U6- U7 ≤0
15. -U1- U2- U3- U4- U5- U6+U7 ≤0
Formulasi Linear-Programming ini merupakan sebuah solusi integer . Oleh
karena itu, formulasi ini biasanya mengunakan software atau package yang ada
pada komputer untuk menyelesaikan masalah ini. Variasi kendala ini merupakan
dasar sehingga membolehkan para pembuat jadwal untuk memvariasikan aturan
kendala ini.
2.8 Algoritma Tibrewala, Phillipe & Browne
Algoritma adalah kumpulan perintah untuk penyelesaian suatu masalah dan
dapat diterjemahkan secara bertahap dari awal sampai akhir yang bersifat diskrit
dan jelas serta dapat dijalankan secara mekanik.
Metode yang digunakan dalam melakukan penjadwalan tenaga kerja salah
satunya adalah metode penjadwalan tenaga kerja dengan menggunakan algoritma
Tibrewala, Phillipe & Browne. Metode ini diperkenalkan pertama kali oleh
Tibrewala, Phillipe dan Browne pada tahun 1972, algoritma ini diawali dengan
perkiraan setiap kebutuhan tenaga kerja setiap hari selama satu minggu.
Algoritma ini digunakan untuk menjadwalkan hari kerja di hari libur tenaga
kerja. Penggiliran tenaga kerja libur 2 hari berturut- turut dalam satu minggu.
Pernggiliran ini dapat diterapkan pada setiap individu. Tujuan penjadwalan tenaga
kerja dengan menggunakan metode ini adalah untuk memenuhi permintaan
terhadap pekerja dengan meminimumkan jumlah pekerja yang harus disiapkan.
Adapun langkah- langkah dalam penjadwalan tenaga kerja menggunakan metode
ini adalah sebagai berikut:
1. Mulai dari hari dengan kebutuhan tenaga kerja terbesar, kemudian terbesar
kedua, dst. Tempatkan kebutuhan hari yang memiliki kebutuhan sama
dalam jadwal hingga diperoleh 2 hari berturutan yang unik, dan
menunjukkan jadwal untuk 5 hari kerja 2 hari libur. Bila hal ini tidak dapat,
lakukan langkah ke-2.
2. Bila terdapat 2 pasangan hari libur yang berurutan, pilih hari yang memiliki
kebutuhan terkecil pada hari yang berdekatan. Bila hal ini tidak dapat
dilakukan, lakukan langkah ke-3.
3. Pilih pasangan hari yang paling beralasan, misal pilih pasangan hari sabtu
dan minggu sebagai libur.
Untuk dapat lebih memahami penjadwalan tenaga kerja dengan metode
algoritma Tibrewala, Phillipe & Browne, disajikan contoh kasus berikut ini:

Contoh Kasus: dari hasil peramalan, kebutuhan tenaga kerja selama 1 minggu
adalah sebagai berikut:

Tabel 2.1. Kebutuhan Tenaga Kerja dalam 1 Minggu

 Hari Minggu Senin Selasa Rabu Kamis Jum’at Sabtu4
Kebutuhan 4 8 7 7 7 7 6

Penyelesaian:
o Total Kebutuhan/minggu = 46 orang
o Jika setiap orang bekerja selama 5 hari per minggu:
Kebutuhan shift = Total kebutuhan per minggu/jumlah tenaga kerja
= 46/5
= 9,2 shift
o Terdapat 2 alternatif :
1. 9 shift = lembur
2. 10 shift = kelebihan

Tabel 2.2. Penjadwalan Tenaga Kerja Dengan Algoritma Tibrewala,

Philippe, And Browne
Hari Minggu Senin Selasa Rabu Kamis Jum’at Sabtu
Kebutuhan 4 8 7 7 7 7 6
Shift 1 0 -1 -1 -1 -1 -1 0
Kebutuhan 4 7 6 6 6 6 6
Shift 2 0 -1 -1 -1 -1 -1 0
Kebutuhan 4 6 5 5 5 5 6
Shift 3 -1 -1 0 0 -1 -1 -1
Kebutuhan 3 5 5 5 4 4 5
Shift 4 -1 -1 -1 -1 0 0 -1
Kebutuhan 2 4 4 4 4 4 4
Shift 5 0 -1 -1 -1 -1 -1 0
Kebutuhan 2 3 3 3 3 3 4
Shift 6 0 0 -1 -1 -1 -1 -1
Kebutuhan 2 3 2 2 2 2 3
Shift 7 -1 -1 0 0 -1 -1 -1
Kebutuhan 1 2 2 2 1 1 2
 Hari Minggu Senin Selasa Rabu Kamis Jum’at Sabtu
Shift 8 -1 -1 -1 -1 0 0 -1
Kebutuhan 0 1 1 1 1 1 1
Shift 9 0 -1 -1 -1 -1 -1 0
Kebutuhan 0 0 0 0 0 0 1
Shift 10 0 0 -1 -1 -1 -1 -1
0 0 -1 -1 -1 -1 0

Hasil pengolahan:
Libur :
• Sabtu – Minggu : shift 1,2,5,9
• Minggu – Senin : shift 6,10
• Selasa – Rabu : shift 3,7
• Kamis – Jum’at : shift 4,8

Tabel 2.3. Pengolahan Dengan Algoritma Tibrewala, Philippe, And

Browne
Hari Minggu Senin Selasa Rabu Kamis Jum’at Sabtu Jumlah
Staff 4 8 8 8 8 8 6 50
Kebutuhan 4 8 7 7 7 7 6 46
Overstaff 0 0 1 1 1 1 0 4
 Gambar 2.9. Hasil Pengolahan Dengan Algoritma Tibrewala, Philippe, And
Browne

2.9 Algoritma Mabert & Raedels

Dalam memenuhi kebutuhan operasionalnya, beberapa perusahaan lebih
memilih mempekerjakan pekerja paruh waktu (part time). Pekerja paruh waktu
adalah pekerja yang bekerja hanya dalam dalam sebagian waktu dari ketentuan
waktu kerja perhari dari kerja normal. Mabert & Readels menunjukkan suatu
metode heuristik sederhana untuk penjadwalan tenaga kerja paruh waktu dimana
pekerja bekerja penuh 8 jam perhari tapi bekerja kurang dari 5 hari dalam seminggu.
Metode heuristik ini dimulai dengan perkiraan kebutuhan tenaga kerja setiap hari
dan ketersediaan tenaga kerja penuh setiap harinya sehingga tenaga kerja paruh
waktu mengisi sisa kebutuhannya. Berikut ini contoh perkiraan kebutuhan tenaga
kerja paruh waktu:
 Tabel 2.4. Kebutuhan Tenaga Kerja Paruh Waktu (Part Time)

Minggu Senin Selasa Rabu Kamis Jum'at Sabtu

Total
0 11 6 8 6 10 0
Kebutuhan
Tenaga Kerja
0 5 5 5 5 5 0
Penuh
Tenaga Kerja
0 6 1 3 1 5 0
Paruh Waktu

Mabert dan Readels menunjukkan bahwa kebutuhan minimum tenaga kerja

paruh waktu (part time) adalah 6 orang untuk memenuhi kebutuhan tenaga kerja
paruh waktu tertinggi pada hari senin. Selanjutnya memberikan identitas kepada
tenaga kerja paruh waktu tersebut dengan orang ke-1, 2, 3, 4, 5, dan 6 dengan no
identitas tersebut dapat menunjukkan tenaga kerja mana yang lebih berpengalaman
atau yang ingin bekerja lebih dari jam kerja tenaga kerja paruh waktu lainnya.
Selanjutnya, penjadwalan ini menggunakan heuristik sederhana untuk melakukan
putaran tenaga kerja sesuai dengan pesanan no identitas. Berikut merupakan hasil
penjadwalan tenaga kerja paruh waktu:
Senin Tenaga Kerja Paruh Waktu 1, 2, 3, 4, 5, 6
Selasa Tenaga Kerja Paruh Waktu 1
Rabu Tenaga Kerja Paruh Waktu 2, 3, 4
Kamis Tenaga Kerja Paruh Waktu 5
Jum’at Tenaga Kerja Paruh Waktu 6, 1, 2, 3, 4

2.10 Perhitungan Biaya

Biaya tenaga kerja merupakan usaha fisik atau mental yang dikeluarkan
karyawan untuk menolah produk. Biaya tenaga kerja adalah harga yang dibebankan
untuk penggunaan tenaga kerja manusia tersebut. Data yang digunakan dalam
perhitungan biaya tenaga kerja produksi adalah sebagai berikut (Mulyadi, 2000, hal
343-344):
a. Gaji Karyawan Pabrik,
b. Biaya Kesejahteraan Karyawan Pabrik,
c. Upah mandor pabrik,
d. Gaji manajer pabrik