BAB I

PENDAHULUAN

1.1 Latar Belakang

Dalam era globalisasi dan persaingan bisnis yang semakin ketat,

manajemen keuangan yang efektif menjadi kunci keberhasilan bagi setiap
organisasi atau perusahaan. Salah satu aspek terpenting dari manajemen keuangan
adalah pengelolaan arus kas. Arus kas yang sehat dan terkelola dengan baik
memungkinkan perusahaan untuk memenuhi kewajiban finansialnya, menghadapi
situasi darurat, dan mengambil kesempatan untuk pertumbuhan dan ekspansi.
Namun, mengelola arus kas tidaklah semudah kelihatannya.

Perubahan dalam lingkungan bisnis, fluktuasi pasar, dan faktor-faktor

eksternal lainnya dapat berdampak signifikan terhadap arus kas suatu perusahaan.
Oleh karena itu, diperlukan suatu alat atau metode yang dapat membantu dalam
memahami, menganalisis, dan memodelkan dinamika arus kas secara efektif.
Pemodelan sistem dinamis arus kas adalah pendekatan analitis yang
memungkinkan perusahaan untuk menggambarkan bagaimana uang mengalir
masuk dan keluar dari organisasi seiring waktu. Dengan menggunakan konsep ini,
perusahaan dapat melakukan proyeksi arus kas, mengidentifikasi faktor-faktor
risiko, dan merencanakan strategi keuangan yang tepat. Di sisi lain, implementasi
model arus kas dalam konteks praktis adalah suatu tantangan yang membutuhkan
pemahaman mendalam tentang sistem keuangan perusahaan. PT Momentum
Otomasi Indonesia (PT MOI), sebagai studi kasus dalam penelitian ini, merupakan
entitas yang beroperasi dalam industri otomasi. Dengan [sebutkan karakteristik
atau ukuran perusahaan], PT MOI menghadapi berbagai tantangan dalam
mengelola arus kasnya. Penelitian ini bertujuan untuk menggali dan menganalisis
faktor-faktor kunci yang mempengaruhi arus kas PT MOI, serta mengembangkan
model dinamis yang dapat memprediksi dan mengelola fluktuasi arus kas. Hasil
dari penelitian ini diharapkan akan memberikan panduan praktis bagi manajemen
PT MOI dalam mengoptimalkan penggunaan sumber daya finansialnya, mengatasi
risiko keuangan, dan meningkatkan kinerja keuangan secara keseluruhan. Dengan
menggabungkan analisis teoritis dan pendekatan empiris, penelitian ini diharapkan
dapat memberikan kontribusi yang signifikan dalam memahami dan
mempraktikkan pemodelan sistem dinamis arus kas dalam konteks bisnis modern.
Selain itu, hasil dari penelitian ini juga dapat menjadi sumbangan ilmiah yang
berharga dalam pengembangan teori dan praktik manajemen keuangan.

Namun, meskipun pentingnya pengelolaan arus kas telah diakui secara luas, masih
terdapat tantangan dalam mengimplementasikan strategi yang efektif. Banyak
perusahaan, terutama di industri otomasi, menghadapi kesulitan dalam
mengantisipasi dan menanggapi perubahan pasar yang cepat dan fluktuasi arus kas
yang tidak terduga.

Pemodelan sistem dinamis arus kas menawarkan pendekatan sistematis untuk

mengatasi tantangan ini. Dengan memanfaatkan prinsip-prinsip teoritis dan alat
analisis kuantitatif, metode ini memungkinkan perusahaan untuk mengintegrasikan
variabel-variabel kunci yang mempengaruhi arus kas, termasuk perubahan dalam
tingkat penjualan, biaya operasional, dan faktor eksternal lainnya.

Studi ini juga menyoroti pentingnya adaptabilitas dan responsivitas dalam

mengelola arus kas. Dalam lingkungan bisnis yang berubah dengan cepat,
kemampuan untuk memperbarui dan menyesuaikan model arus kas sesuai dengan
kondisi pasar yang baru sangat krusial. Oleh karena itu, penelitian ini akan
memberikan penekanan khusus pada pengembangan model dinamis yang dapat
memberikan prediksi arus kas yang akurat dan tepat waktu.

Melalui penelitian ini, diharapkan akan tercapai beberapa tujuan kunci. Pertama,
mengidentifikasi faktor-faktor kritis yang mempengaruhi arus kas dalam konteks
perusahaan XYZ, yang dapat memberikan wawasan yang berharga bagi
manajemen keuangan. Kedua, mengembangkan model dinamis yang dapat
memprediksi fluktuasi arus kas dengan tingkat akurasi yang tinggi, sehingga
memungkinkan perusahaan untuk mengambil tindakan preventif atau korektif
dengan cepat.
1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan, rumusan masalah yang

akan dijawab dalam penelitian ini adalah:

1. Bagaimana penggunaan pemodelan sistem dinamis dapat meningkatkan

peningkatan di PT Momentum Otomasi Indonesia?
2. Apa saja potensi perbaikan dalam proses produksi yang dapat
diidentifikasi melalui pemodelan sistem dinamis?
3. Bagaimana merancang strategi perbaikan yang tepat berdasarkan hasil
pemodelan sistem dinamis?
4. Bagaimana pemodelan sistem produksi usaha tempe “Sumber Mas”
untuk 3 tahun ke depan ?
5. . Apakah laba bersih berdampak terhadap arus kas di PT. Somaery Citra
Abadi?
1.3 Tujuan Penelitian

Tujuan utama dari penelitian ini adalah:

1. Untuk menginvestigasi bagaimana penggunaan pemodelan sistem
dinamis dapat meningkatkan peningkatan di PT Momentum Otomasi
Indonesia.
2. Untuk mengidentifikasi potensi perbaikan dalam proses produksi yang
dapat dihasilkan melalui pemodelan sistem dinamis.
3. Untuk merancang strategi perbaikan yang tepat berdasarkan hasil
pemodelan sistem dinamis.
1.4 Batasan Masalah

Dalam penelitian ini, akan ada beberapa batasan yang perlu diperhatikan:

1. Penelitian ini akan difokuskan pada aplikasi pemodelan sistem dinamis

dalam meningkatkan peningkatan di PT Momentum Otomasi
Indonesia.
2. Data dan informasi yang digunakan dalam penelitian ini akan
bersumber dari PT Momentum Otomasi Indonesia dan akan dibatasi
pada informasi yang relevan dengan tujuan penelitian.
1.5 Manfaat Penelitian

Mengacu pada latar belakang masalah maka manfaat penelitian yaitu :

1. Bagi peneliti, menambah wawasan dan ilmu pengetahuan tentang

pemodelan sistem dinamis.
2. Bagi perusahaan, sebagai referensi untuk pemecahan masalah serta
alternatif pengambilan keputusan yang terkait peningkatan
produktivitas.
3. Bagi peneliti selanjutnya, dapat menjadi referensi pustaka untuk
penyusunan karya ilmiah serupa.

1.6 Sistematika Penulisan

Pada penulisan Tugas Akhir akan disusun sesuai dengan standar sistematis
yang telah ditentukan sebagai berikut:

BAB I PENDAHULUAN

Pada bab ini akan disampaikan mengenai latar belakang dari dilakukannya
penelitian, rumusan masalah yang diambil, tujuan dan manfaat penelitian,
batasan masalah untuk membatasi penelitian agar tidak terlalu luas.

BAB I TINJAUAN PUSTAKA

Pada bab ini berisikan.

BAB III METODOLOGI PENELITIAN

Pada bab ini akan disampaikan menganai teknik yang digunakan

penelitian, objek serta bagaimana pengaplikasiannya.

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Pada bab ini akan disampaikan bagaimana pengumpulan data yang

diambil, lalu bagaimana data yang sudah didapatkan diolah dari data
sekunder hingga menjadi data primer.

BAB V HASIL DAN PEMBAHASAN

 Pada bab ini sampaikan pembahasan dari data yang telah diolah pada bab

IV sesuai dengan sistematika yang ditentukan.

BAB VI KESIMPULAN DAN SARAN

Pada bab in berisi kesimpulan dan saran yang didapat dan dipelajari dari
hail penelitian yang dilakukan. Dengan begitu mempermudah pembaca
dalam menyimpulkan

BAB II

TINJAUAN PUSTAKA

2.1 Pemodelan
 Pemodelan Eriyatno (1999) menyatakan bahwa Pemodelan adalah terjemah
bebas dari istilah "modelling". Untuk menghindari berbagai pengertian ataupun
penafsiran yang berbeda-beda, maka pemodelan dapat di artikan sebagai suatu
gugus aktivitas pembuatan model, sebagai landasan pengertian permodelan
diperlukan suatu penelaahan tentang model itu sendiri secara spesifik. Eriyatno
(1999) menyatakan model adalah sebagai suatu perwakilan atau abstrak sebuah
objek atau situasi aktual. Model memperlihatkan hubunganhubungan langsung
maupun tidak langsung serta kaitan timbal balik dalam istilah sebab akibat. Oleh
karena model merupakan suatu abtraksi dari realita, maka pada wujudnya kurang
lengkap dari pada realita itu sendiri. Model dapat dikatakan lengkap apabila dapat
mewakili berbagai aspek dan realita yang sedang dikaji.

Model dapat dikategorikan menurut jenis, dimensi, fungsi, tujuan pokok

atau derajat keabstrakannya. Secara umum pembagian yang sangat praktis antara
lain :

1. Model ikonik (model fisik)

Model ikonik adalah perwakilan fisik dari beberapa hal baik dalam
bentuk ideal maupun skala berbeda. Model ikonik mempunyai
karakteristik yang sama 7 dengan hal yang di wakili, dan terutama amat
sesuai untuk menerangkan kejadian pada waktu yang spesifik. Model
ikonik bisa berdimensi dua (foto, peta, cetak biru) atau tiga dimensi
(prototipe, mesin, alat). Apabila model berdimensi lebih dari tiga maka
tidak mungkin lagi dikonstruksi secara fisik sehingga diperlukan
kategori model simbolik.
2. Model analog (model diagramatik)
Model yang dapat mewakili situasi dinamik, yaitu keadaan berubah
menurut waktu. Model analog sesuai dengan penjabaran hubungan
kuantitatif antara sifat dari berbagai komponen. Contoh dari model
analog ini adalah kurva permintaan, kurva penawaran, dan lain-lain. 3.
Model simbolik (model matematik) Format model ini berupa angka,
simbol, dan rumus. Dalam mempelajari ilmu sistem diperlukan suatu
pengertian yang mendasar tentang simbol matematika, karena apabila
tidak mampu memahami pengertian tentang simbolsimbol metematika
 maka keadaan ini akan menambah komplektifitas dari konsep
pengkajian itu sendiri (Eriyatno, 1999).
2.2 Sistem

Sistem merupakan bagian dari dunia nyata yang terdiri dari kumpulan
elemen atau komponen yang saling berinteraksi untuk mencapai tujuan tertentu
(Ghafiqie A. , 2012). Sistem dibangun dengan batasan-batasan tertentu terhadap
lingkungannya sesuai dengan tujuan yang ingin dicapai. Menurut Banks, et al
(2004) sistem adalah sekumpulan objek yang saling berinteraksi dan saling
interdependensi untuk memenuhi suatu tujuan tertentu (Banks, et al., 2004).
Menurut Iswandy (2015) sistem terdiri kumpulan unsur yang disebut subsistem.
Subsistem – subsistem ini yang akan saling berproses dan berinteraksi satu sama
lain melalui komunikasi yang relevan sehingga sistem dapat berjalan secara efektif
dan efisien dalam mencapai tujuannya.

Sistem berdasarkan perubahan terhadap waktu terbagi menjadi dua yaitu

sistem diskrit dan sistem kontinyu. Sistem diskrit merupakan sistem dimana
statusnya berubah secara diskrit dan sistem kontinyu merupakan sistem yang
perubahan statusnya terjadi secara kontinyu dimana jumlah status sistem
memiliki peluang terjadi tak terhingga (Ghafiqie A. , 2012).

2.2.1 Sistem Dinamis

Sistem dinamis disusun dan dibangun pada akhir tahun 1950-an

dan awal tahun 1960-an di Massachusetts Institute of Technology oleh Jay
Forester. Memang, kedatangan sistem dinamik secara umum dianggap
menjadi alat publikasi buku pionir Forrester, Industrial Dynamics pada
tahun 1961.

Sistem dinamis adalah metode untuk memperkuat pembelajaran

dalam sistem yang kompleks, dan sebagian, adalah sebagai metode untuk
membentuk suatu management flight simulator, model simulasi komputer,
untuk membantu dalam mempelajari kompleksitas dinamis, mengerti
sumber resistensi kebijakan, dan mendesain kebijakan yang lebih efektif
(Sterman, 2000, hal. 4). Dinamika atau perilaku sistem didefinisikan oleh
strukturnya dan interaksi antar komponen-komponennya.
 Hal tersebut sejalan dengan berbagai hal yang dihadapi oleh sang
penggagas konsep selama hidupnya sebelumnya menciptakan konsep ini.
Forester (1999) mengemukakan dalam sebuah perbincangan jamun makan
pada pertemuan internasional System Dynamics Society bahwa bidang
keilmuan ini telah terbentuk semenjak ia kecil. Berkat masa kecilnya yang
ia habiskan di peternakan, konsep-konsep ekonomi seperti penawaran dan
permintaan, perubahan harga dan biaya, dan tekanan perekonomian dunia
pertanian menjadi pengalaman yang merasuk dalam jiwanya. Singkatnya,
berbagai pengalaman yang diperolehnya dengan melakukan banyak
proyek di berbagai bidang, dari teknologi rendah hingga teknologi tinggi
mendorongnya untuk menggabungkan kedua konsep tersebut, yaitu
kekompleksan dan dinamika sistem dengan komputer.

Pada dasarnya, menurut Jenna Barnes, dalam jurnalnya yang

berjudul "System Dynamics and Its Use in Organization", terdapat empat
konsep dasar dalam sistem dinamis yang menopang struktur dan perilaku
sistem yang kompleks. Konsep tersebut adalah (Sterman, 2000):

1. Ruang lingkup yang tertutup

Yang dimaksud tertutup di sini bukan berarti tidak ada interaksi

dengan variabel dari luar sistem. Yang dimaksud tertutup adalah variabel
penting yang menciptakan interaksi sebab-akibat berada di dalam sistem
dan variabel yang tidak begitu penting berada di luar

2. Loop umpan balik sebagai komponen dasar sistem

Perilaku dari sistem dipengaruhi oleh struktur dari loop umpan balik
yang ada dalam sistem yang tertutup. Sehingga struktur umpan balik
inilah yang mempengaruhi setiap perubahan yang terjadi pada sistem
sepanjang waktu.

3. Level dan Rate (tingkat)

Sebuah sistem dinamis pasti memiliki dua jenis variabel dasar yaitu
level dan rate. Level, seperti halnya stok, merupakan akumulasi elemen
sepanjang waktu, contohnya seperti jumlah pegawai atau jumlah inventori
 di gudang. Sedangkan rate merupakan variabel yang mempengaruhi
perubahan nilai dari level.

4. Kondisi yang ingin dicapai, kondisi riil, dan perbedaan antara kondisi
yang ingin dicapai dengan kondisi riil.

Suatu sistem yang dinamis akan memperlihatkan adanya kondisi yang

menjadi tujuan sistem dan kondisi yang saat ini terjadi. Oleh karena ada
kemungkinan kondisi yang ingin dicapai belum terjadi maka terjadi
perbedaan yang mendasari perubahan dalam sistem.

Setiap gejala, baik fisik maupun non-fisik, bagaimanapun

kerumitannya, dapat disederhanakan menjadi struktur dasar yaitu
mekanisme dari masukan, proses, keluaran, dan umpan balik. Mekanisme
kerja berkelanjutan yang menunjukkan adanya perubahan menurut waktu
bersifat dinamis. Perubahan tersebut menghasilkan kinerja sistem yang
dapat diamati perilakunya.

Mekanisme berkelanjutan dari masukan, proses, keluaran dan

umpan balik tersebut dalam dunia nyata tidak bebas atau tidak tumbuh
tanpa batas, tetapi tumbuh dengan pengendalian. Kendali yang membatasi
tersebut dapat bersumber dari dalam maupun dari luar sistem. Kendali dari
dalam sistem menyangkut kerusakan sistem, sedangkan kendali dari luar
sistem menyangkut intervensi dan hambatan lingkungan.

2.3 Optimasi

Masalah optimisasi adalah membuat model cocok untuk analisis.

Pendekatan penelitian operasional tradisional untuk pemodelan adalah membuat
model matematis yang menggambarkan inti masalah. Kasus-kasus yang berupa
narasi atau penggalan-penggalan narasi ditransformasikan ke dalam model
matematis. Model matematis adalah representasi kuantitatif dari tujuan dan
sumber daya yang membatasinya menurut variabel keputusan. Model matematika
dari masalah optimisasi terdiri dari dua bagian. Bagian pertama memodelkan
sasaran pengoptimalan. Sebuah model matematika selalu bertujuan untuk
menggunakan bentuk persamaan. Karena kami menginginkan solusi terbaik di
beberapa titik, bentuk persamaan digunakan. Hanya satu fungsi objektif yang
dioptimalkan. Ini tidak berarti bahwa masalah optimisasi hanya menghadapi satu
tujuan. Sebuah perusahaan mungkin memiliki beberapa tujuan. Namun, hanya
satu tujuan yang dijelaskan di bagian ini.

Kriteria paling umum untuk memilih alternatif ekonomi adalah

memaksimalkan sesuatu (misalnya, memaksimalkan keuntungan perusahaan,
keuntungan konsumen, atau pertumbuhan ekonomi perusahaan) atau Tujuan
untuk meminimalkan (misalnya, meminimalkan biaya produksi layanan tertentu).
Secara ekonomi, kami mengklasifikasikan maksimalisasi dan minimalisasi ini di
bawah istilah optimalisasi. Ini berarti berjuang untuk yang terbaik. Tapi dari
sudut pandang matematika istilah maksimum dan minimum tidak ada
hubungannya dengan optimalitas. Saat merumuskan masalah optimisasi, tugas
pertama dunia bisnis adalah menjelaskan fungsi tujuan secara detail. Dalam
fungsi tujuan ini, variabel dependen mewakili objek untuk dimaksimalkan atau
diminimalkan, dan kumpulan variabel independen menangkap ukuran dan
mengidentifikasi objek yang dapat dipilih. unit ekonomi untuk optimalisasi.

Optimalisasi adalah hasil kerja sesuai target atau lebih dari standar yang
telah ditetapkan (Solomon, 2016). Menurut Maita (2019) optimalisasi adalah
hasil efektif atau hasil ideal yang dapat dicapai dari suatu sistem untuk
memaksimumkan keuntungan atau meminimumkan biaya dengan memperhatikan
beberapa variabel. Optimalisasi dilakukan untuk mendapatkan proses dan hasil
terbaik dari pilihan-pilihan yang ada. Dalam penelitian ini optimalisasi
diharapkan dapat meningkatkan revenue site agar dapat masuk ke dalam kategori
proft/graduate.

2.4 Simulasi

Simulasi merupakan metodologi percobaan terhadap model untuk

mengetahui dan mengevaluasi sistem nyata (Akbar, 2017). Simulasi memiliki
keunggulan yaitu dapat memperbaiki sistem nyata tanpa mengganggu kinerjanya
(Riyanto, 2016). Menurut Kristanto (2015) simulasi didasari atas model yang
dibangun dari sistem nyata untuk menggambarkan kondisinya. 8 Simulasi
memproses model agar meniru tingkah laku sistem nyata (Ghafiqie A. , 2012).
Dalam pelaksanaan simulasi terdapat 4 tahapan yang dapat dilakukan yaitu
penyusunan konsep, perumusan model, simulasi model, dan validasi hasil simulasi
(Kristanto, 2015). Menurut Akbar (2017) terdapat 4 cakupan sistem dalam
simulasi yaitu entitas, aktivitas, resources, dan kontrol.

2.5 Causal Loop Diagram (CLD)

Menurut Sterman (2000) CLD merupakan gambaran hubungan sebab

akibat variabel yang dihubungkan dengan causal link oleh anak 13 panah. Link
polarity merupakan bagian dari causal link yang mengindikasikan kemungkinan
yang terjadi pada sistem, positif (+) menunjukkan hubungan tegak lurus variabel
dependen dan variabel independen serta negatif (-) menunjukkan hubungan yang
berbanding terbalik antar variabel dependen dan variabel independen (Akbar,
2017). (CLD) dapat digunakan untuk merekam sebuah model yang
merepresentasikan keterkaitan dan proses umpan balik dalam sistem (Yuan &
Chan, 2010). Selain itu, Behdad Kiani (Kiani, et al., 2009) menyatakan bahwa
tujuan utama CLD adalah untuk menggambarkan hipotesis kausal, sehingga
membuat penyajian struktur maslaah dalam bentuk agregat. Hubungan kausal
dibagi menjadi dua tanda, diantaranya:

1. Hubungan positif, yaitu suatu kondisi di mana elemen A memberikan

pengaruh positif pada elemen B, di mana peningkatan nilai A mempengaruhi
peningkatan nilai B.

2. Hubungan negatif, yaitu suatu kondisi di mana elemen A menghasilkan

pengaruh yang negatif pada elemen B, di mana peningkatan nilai A mempengaruhi
penurunan nilai B. Dari beberapa hubungan kausal antar variabel maka akan
menghasilkan sebuah loop. Sebuah loop bersifat reinforcing feedback jika seluruh
hubungan kausal antar variabel dalam loop tersebut bersirkulasi dengan arah yang
sama. Sedangkan loop bersifat balancing feedback jika terdapat hubungan kausal
dalam loop tersebut yang tidak bersikulasi dengan arah yang sama (Sterman,
2004).
 CLD memiliki loop identifier yang berfungsi untuk mengetahui feedback
dari loop apakah positif (reinforcing) atau negatif (balancing). Menurut Sterman
(2000) CLD memilik dua jenis feedback loop sebagai berikut:

1. Reinforcing Feedback Loop adalah feedback positif yang menggambarkan

hubungan tegak lurus antara variabel X dan variabel Y sehingga makin besar
variabel X maka semakin besar variabel Y. Berikut gambar reinforcing
feedback loop.

Gambar 2.1 Reinforcing

feedback loop

2. Balancing Feedback
Loop adalah feedback
negatif yang bertujuan untuk menstabilkan sistem. Contohnya yaitu tingkat
jumlah 14 karyawan yang pensiun terhadap jumlah karyawan aktif perusahaan.
Ketika jumlah karyawan aktif meningkat maka jumlah karyawan pensiun juga
akan meningkat, namun jumlah karyawan yang pensiun tidak dapat
meningkatkan jumlah karyawan aktif. Berikut gambar balancing feedback
loop.

Gambar 2.2 Balancing Feedback

Loop
2.6 Stock and Flow Diagram (SFD)
Stock and flow diagram (SFD) merupakan representasi struktur sistem
secara rinci (Ghafiqie A. , 2012). SFD terdiri dari dua kata yaitu stock dan flow.
Menurut Akbar (2017) “stock merupakan akumulasi yang dapat bertambah dan
berkurang, sedangkan flow adalah proses yang menyebabkan stock bertambah atau
berkurang”. Berikut contoh SFD dan simbol-simbol SFD:

Gambar 2.3 Contoh Gambar Stock and Flow Diagram (SFD)

Tabel 2.1 Simbol-Simbol Stock and Flow Diagram (SFD)

Simbol Nama Keterangan

Penjumlahan yang dapat
Stock mengalami peningkatan dan
penurunan.

Dapat menyebabkan nilai stock

bertambah atau berkurang. Inflow
menggambarkan anak panah
Flow
menuju stock dan outflow
menggambarkan anak panah
keluar dari stock

Valve Mengatur kecepatan flow

Source or Sink dianggap memiliki

nilai yang tidak terbatas. Source
menunjukkan inflow yang berasal
Source or Sink
dari luar model dan sink
menunjukkan outflow yang keluar
dari model.
2.7 Perangkat Lunak Simulasi

Perangkat lunak dalam simulasi sistem dinamis digunakan untuk

menggambarkan perilaku model secara cepat dan tepat. Manfaat perangkat lunak
menurut Kristanto (2015) yaitu mempermudah dalam menganalisis model dan
proses validasi karena mampu merepresentasikan model secara visual. Ada
beberapa perangkat lunak yang sering digunakan, seperti AnyLogic, Vensim,
Dynamo, Ithink, Stella, dan Power Simulation. Adapun pada penelitian ini
menggunakan AnyLogic Professional 8.8.4.

AnyLogic merupakan software yang digunakan untuk membangun secara

visual model simulasi dinamis. Software ini dapat membantu penggunanya untuk
membangun model simulasi dengan cepat karena tidak memerlukan bahasa
pemrograman yang harus terlebih dipelajari. AnyLogic 16 merupakan satu-satunya
software yang mendukung tiga pendekatan sekaligus, yaitu dinamika sistem,
proses-sentris (AKA Discrete Event), dan pemodelan berbasis agen (Rahardi,
2019).

2.8 MAPE
Mean Absolute percentage error (MAPE), merupakan salah satu metode
yang di gunakan dalam menghitung kesalahan prediksi (forecast error), MAPE
merupakan perhitungan presentase dari Absolute Percentage Error (APE) pada
masin-masing periode lalu di cari rata-rata dengan MAPE (T.Hendriani,dkk.
2017).
MAPE dihitung dengan menggunakan kesalahan absolute pada tiap periode
dibagi dengan nilai observasi yang nyata untuk periode itu . Kemudian merata-rata
kesalahan percentase absolut tersebut (Render, 2015). Pendekatan ini berguna
ketika ukuran atau besar variabel ramalan itu penting dalam mengevaluasi
ketepatan ramalan. MAPE mengindikasi seberapa besar kesalahan dalam meramal
yang dibandingkan nilai nyata dalam deret.
Mean Absolute Percentage Error (MAPE) merupakan suatu perhitungan
evaluasi, MAPE digunakan untuk mengukur seberapa tepat atau akurat suatu
prediksi yang ring digunakan (Kim.S, 2010). Berikut ini adalah rumus perhitungan
MAPE dan kriteria MAPE:
 ∑ | |

Dimana, keterangan sebagai berikut:

At : Data Actual pada waktu t
Dt : Data Simulasi pada waktu t
: Banyak Data
Tabel 2.2 Kriteria MAPE

MAPE Interprestasi
≤10 Sangat Akurat
10-20 Baik
20-50 Layak(Cukup Baik)
>50 Tidak Akurat

2.9 Penelitian Terdahulu

Tabel 2.3 Beberapa referensi dari penelitian terdahulu yang sejenis yang
dapat mendukung penelitian ini
No Judul Penelitian Hasil Penelitian Software Perbedaan
yang dipakai
1 Pemodelan Faktor yang Powersim Isi
Sistem Dinamis membangun 2.5.1
Produksi Tempe pemodelan sistem
“Sumber Mas” di dinamis yaitu
Kabupaten subsistem bahan
Jember baku, subsistem
pengolahan, dan sub
sistem biaya,
pendapatan, dan
profit (Gemilang,
2020)
2 Model Simulasi Revenue paling AnyLogic isi
Dinamik untuk optimal pada skenario
Analisis manajemen
No Judul Penelitian Hasil Penelitian Software Perbedaan
yang dipakai
Pengoptimalan program/produk
Revenue Site dengan nilai 0.75 dan
Benteng Somba manajemen kualitas
Opu SNS AG jaringan dengan nilai
Microcluster 0.75 sebesar Rp
(MC) Makassar 35.607.143,-.
Kota 1 (Elsha, 2021)
3 Perancangan Dampak dari Industri Powersim Isi
Model Sistem di biodiesel sendiri Studio 2005
Tingkat Nasional mampu dan Microsoft
sebagai Media meningkatkan Excel
untuk produksi domestic
Meningkatkan bruto Indonesia
Pemahaman dengan
Terhadap mengakselerasi
Dampak pertumbuhan sektor
Berkelanjutan pertanian. Secara
Industri sosial dampak dari
Biodiesel di industri biodiesel
Indonesia adalah mampu
menerap tenaga kerja
sehingga menurunkan
angka pengangguran.
Dalam kacamata
lingkungan hidup,
Biodiesel mampu
menurunkan
intensitas emisi gas
rumah kaca per dolar
produksi (Aziiz,
No Judul Penelitian Hasil Penelitian Software Perbedaan
yang dipakai
2010)
4 Model Sistem Faktor alam ini - isi
Dinamis termasuk iklim,
Pengaruh bencana alam, irigasi,
Ketersediaan keadaan tanah,
Lahan Terhadap sementara untuk
Peningkatan faktor non-alami
Produksi Pangan adalah manusia,
Untuk teknologi, kebijakan,
Mendukung sosial dan ekonomi
Ketahanan yang dapat
Pangan: a mempengaruhi
Systematic ketahanan pangan
Literature yang ada di seluruh
Review dunia (Londa, dkk.
2022)
5 Pemodelan Solusi optimal dari Powersim isi
Sistem Dinamis simulasi di atas
Untuk adalah membuat
Meningkatkan forecasting untuk
Peningkatan di permintaan tiap
CV ABC bulannya. Dengan
forecasting produk
cacat menurun
12,8%, kerugian
menurun sebesar
8,3% dan
keuntungan
meningkat 8,15%.
Selain itu
No Judul Penelitian Hasil Penelitian Software Perbedaan
yang dipakai
jumlah permintaan
yang masuk lebih
terkendali, semua
permintaan yang
diterima terpenuhi,
produk stiker yang
dihasilkan minimal
cacat dan keuntungan
menjadi lebih optimal
(Dyah, 2020)
Dari Tabel 2.2, dapat disimpulkan bahwa penelitian terdahulu yang
sejenis dengan penelitian ini mencakup beberapa aplikasi pemodelan sistem
dinamis dan simulasi untuk menganalisis permasalahan yang beragam. Berbagai
aplikasi dan perangkat lunak seperti Powersim, AnyLogic, Powersim Studio
2005, dan Microsoft Excel digunakan untuk mendukung analisis. Hasil
penelitian-penelitian terdahulu tersebut menunjukkan bahwa pemodelan sistem
dinamis dapat membantu dalam pemahaman faktor-faktor yang mempengaruhi
produksi, pendapatan, dan profitabilitas dalam berbagai konteks, termasuk
produksi tempe, optimalisasi revenue di situs wisata, dampak industri biodiesel,
dan ketahanan pangan.
2.10 Kerangka Pikir

Penelitian ini diawali dengan mengidentifikasi dan memahami tantangan

kompleks yang dihadapi dalam suatu proses produk. Tantangan ini kemudian
menjadi dasar untuk menjelajahi potensi perbaikan dalam proses tersebut.
Untuk memahami perubahan yang mungkin terjadi dalam proses produk,
penelitian melibatkan pemodelan sistem dinamis, yang membantu dalam
menggambarkan interaksi antara berbagai variabel dan faktor yang
mempengaruhi proses. Setelah pemodelan selesai, langkah selanjutnya adalah
menjalankan optimasi produktivitas, di mana penelitian mencari solusi-solusi
terbaik untuk meningkatkan efisiensi, kualitas, atau hasil dari proses produk
tersebut, berdasarkan pemahaman yang telah diperoleh dari pemodelan
dinamis. Dengan demikian, kerangka berpikir penelitian ini dapat diilustrasikan
pada Gambar 2.1 berikut.

Gambar 2.4
Kerangka berpikir pada penelitian ini.
 BAB III

METODOLOGI PENELITIAN

3.1 Lokasi, Waktu, dan Jadwal Penelitian

Penelitian ini dilakukan PT Momentum Otomasi Indonesia Kota Batam.

Pemilihan lokasi penelitian ini dilakukan secara sengaja dengan pertimbangan
bahwa PT Momentum Otomasi Indonesia ini merupakan salah satu perusahaan
swasta yang bergerak dalam bidang Mekanikal, Elektrikal, dan Otomasi.
Penelitian ini dilakukan pada bulan Agustus-September 2023, periode tersebut
digunakan untuk memperoleh data dari pihak-pihak terkait dan berkepentingan
dengan penelitian. Penelitian ini dilaksanakan selama 6 minggu. Berikut adalah
jadwal penelitian ini:

Tabel 3.1 Waktu Penelitian

2023
No Kegiatan Agustus September
1 2 3 4 1 2 3 4
Survey awal dan penentuan
1
lokasi penelitian
2 Penyusunan proposal
3 Seminar proposal
4 Pelaksanaan penelitian
Pengolahan data, analisis dan
5
penyusunan laporan
6 Seminar hasil

3.2 Jenis dan Sumber Data.

3.2.1 Jenis Data

Metode penelitian yang digunakan adalah deskriptif dengan

pendekatan kuantitatif. Metode deskriptif ini mengumpulkan data untuk
menjawab pertanyaan tentang pendapat orang tentang suatu subjek atau
 topik. Penelitian kuantitatif adalah penelitian yang didasarkan pada
pengumpulan dan analisis data dalam bentuk angka (nilai numerik)
untuk menjelaskan, memprediksi, dan mengontrol fenomena yang
menarik (Sugiyono, 2013:98).

3.2.2 Sumber Data

Sumber data yang digunakan dalam penelitian ini adalah data Primer.
Data Primer dalam penelitian ini merupakan data yang diperoleh
dari lingkup perusahaan. Data primer yang dibutuhkan antara lain data
Pendapatan Usaha, Beban Usaha, dan Laba Bersih.
3.3 Definisi Variabel Penelitian

Menurut Sugiyono (2017:38) Variabel penelitian adalah apa saja yang

ditentukan oleh peneliti untuk memperoleh informasi dan menarik kesimpulan.
Penelitian memiliki dua variabel, variabel independen dan variabel dependen.
Variabel bebas adalah variabel yang mempengaruhi atau menyebabkan
perubahan atau munculnya variabel terikat (terikat), Variabel bebas (variabel
bebas) (X) dalam penelitian ini adalah Laba. Variabel terikat adalah variabel
yang dipengaruhi, atau akibat karena merupakan variabel bebas. Variabel terikat
(variabel terikat) (Y) dalam penelitian ini adalah Arus Kas.

3.4 Metode Pengumpulan Data

Metode pengumpulan data dan alat pengumpulan data merupakan faktor

penting dalam keberhasilan penelitian. Ini menunjukkan bagaimana data
dikumpulkan, siapa sumbernya dan alat apa yang digunakan. Metode
pengumpulan data adalah teknologi atau cara yang digunakan untuk
mengumpulkan data. Metode ini mencantumkan cara-cara untuk
mendemonstrasikan penerapannya melalui kuesioner, wawancara, observasi, tes,
dokumentasi, dll. Alat pengumpulan data, di sisi lain, adalah alat yang digunakan
untuk mengumpulkan data. Sebagai alat, alat tersebut dapat berupa lembar
checklist, pedoman wawancara, dll. Data dipisahkan dari sumbernya menjadi dua
bagian: data primer dan data sekunder.
1. Data primer
 Data diperoleh langsung dari hasil wawancara, observasi yang
disebarkan kepada partisipan sampel yang besar sesuai dengan
kelompok sasaran dan dianggap mewakili seluruh populasi penelitian
ini. Data ditemukan dan diperoleh dari studi lapangan, yaitu konsumen
yang menjadi responden, dan diteliti oleh penulis.
a. Observasi, yaitu pengamatan langsung dan penelaahan langsung
terhadap apa yang relevan dengan penelitian.
b. Wawancara digunakan peneliti untuk melakukan penelitian
pendahuluan guna menjawab pertanyaan yang akan diteliti, namun
peneliti juga dapat melakukan wawancara langsung untuk
memperoleh informasi yang lebih detail dari responden yang
jumlahnya lebih sedikit. ingin mengetahui hal-hal.
2. Data Sekunder
Dimana data diperoleh secara tidak langsung dari pihak ketiga,
berkaitan dengan penelitian yang dilakukan berupa sejarah perusahaan,
ruang lingkup perusahaan, struktur organisasi, jurnal, buku, literatur,
artikel dan websitenya di Internet. Penelitian literatur diperoleh melalui
kajian literatur dan literatur digunakan sebagai bahan referensi untuk
menyusun teori dalam penelitian. Data sekunder dapat diperoleh dari
buku dan buku, serta dapat digunakan sesuai dengan kebutuhan
peneliti. (peneliti bekas) juga tersedia dari jurnal dan laporan.

3.5 Metode Pengolahan Data

Metode analisis data merupakan langkah yang digunakan untuk

menjawab rumusan masalah dalam penelitian. Tujuannya adalah untuk
mendapatkan kesimpulan dari hasil penelitian. Metode yang digunakan
untuk menyelesaikan permasalahan dalam pengoptimalan kapasitas
produksi dalam pencapaian keuntungan maksimum adalah Linear
Programming dengan menggunakan software AnyLogic. Hasil akhir
penelitian adalah kesimpulan dari pemecahan masalah yang nantinya dapat
digunakan sebagai rujukan perusahaan dalam meningkatkan kapasitas
produksi.
 BAB IV

PENGUMPULAN DAN PEENGOLAHAN DATA

4.1 Pengumpulan Data

Penelitian ini menggunakan data Laporan Laba Rugi PT MOI tahun 2018-
2021 yang dapat dilihat pada Tabel 4.1. Data Laporan Laba Rugi PT MOI berisi
data Pendapatan Usaha, Total Pendapatan Usaha, Beban Usaha, Total Beban
Usaha, dan Laba Bersih sebagai Berikut:
Tabel 4.1 Data Laba Rugi Tahun 2019, 2020, dan 2021

Beban Laba
No Tahun Bulan
Usaha Bersih
1 2018 des 15 10
jan 11,5 5,9
feb 10,3 5,3
mar 15,4 7,9
apr 10,3 5,3
mei 9,01 4,6
jun 12,8 6,6
2 2019
jul 7,6 3,9
agu 10,6 5,5
sept 87,6 4,5
okt 7,73 3,9
nov 15,4 7,9
des 9,01 4,6
jan 9,7 0,8
feb 8,6 0,7
mar 12,9 1,1
apr 8,6 0,7
3 2020
mei 7,5 0,6
jun 10,7 0,9
jul 6,3 0,5
agu 8,9 0,7
 Beban Laba
No Tahun Bulan
Usaha Bersih
sept 7,3 0,6
okt 6,4 0,5
nov 12,9 1,1
des 7,5 0,6
jan 18,8 0,8
feb 16,7 0,7
mar 25,1 1,1
apr 16,7 0,7
mei 14,6 0,6
jun 20,9 9,3
4 2021
jul 12,3 0,5
agu 17,4 0,7
sept 14,2 6,3
okt 12,5 5,6
nov 25,1 1,1
des 14,6 0,6

4.2 Pengolahan Data

4.2.1 Causal loop

Gambar 4.1 Causal Loop Diagram Sistem Arus Kas

Pada gambar 4.1 Causal Loop Diagram Sistem Arus Kas dapat diketahui
bahwa ada beberapa hubungan sebab akibat dari variable-variable yang saling
memberi kontribusi dan keterikatan dinamika sistem.
Loop yang terbentuk memberi informasi bahwa Beban Usaha secara
langsung akan mempengaruhi besarnya Pendapatan Usaha yang kemudian
Pendapatan Usaha itu dimanfaatkan guna mengopersioanalkan beban-beban
Usaha dan output dari produksi yang akan di pasarkan sesuai permintaan. Dan
juga Pendapatan Usaha akan mempengaruhi Laba Bersih yang akan didapatkan
perusahaan. Serta Laba Bersih yang ada akan mempengaruhi besarnya
Pendapatan Usaha, dan Besarnya Pendapatan Usaha yang didapatkan tidak
mempengaruhi Beban Usaha
4.2.2 Easy Fit
1. Beban Usaha

Gambar 4.2
2. Laba Bersih

Gambar 4.3
4.2.3 Anylogic

Gambar 4.4

Gambar 4.5
4.2.4 MAPE
1. Beban Usaha
Tabel 4.2

Data Actual Simulasi Beban

Beban Usaha Bulan Usaha MAPE
15 0 7,42 50,51
11,5 1 6,89 40,08
10,3 2 6,44 37,50
15,4 3 6,80 55,86
10,3 4 20,00 94,17
9,01 5 14,60 62,01
12,8 6 6,30 50,78
7,6 7 8,45 11,18
10,6 8 6,33 40,27
87,6 9 6,30 92,81
7,73 10 16,31 111,05
15,4 11 12,23 20,60
9,01 12 6,97 22,70
9,7 13 10,89 12,26
8,6 14 7,96 7,49
12,9 15 7,98 38,12
8,6 16 6,32 26,48
7,5 17 6,70 10,72
10,7 18 9,52 11,06
6,3 19 7,68 21,83
8,9 20 6,30 29,21
7,3 21 6,37 12,77
6,4 22 16,58 159,05
12,9 23 13,32 3,23
7,5 24 6,30 16,00
18,8 25 6,39 66,02
16,7 26 12,42 25,63
25,1 27 10,84 56,82
16,7 28 17,41 4,24
14,6 29 33,04 126,30
20,9 30 6,30 69,86
 12,3 31 6,30 48,76
17,4 32 6,30 63,78
14,2 33 8,15 42,60
12,5 34 7,01 43,95
25,1 35 6,43 74,37
14,6 36 9,45 35,25
Rata-rata 45,82

2. Laba Bersih
Tabel 4.3

Data Actual
Bulan Simulasi Laba MAPE
Laba
10 0 4,31 56,90
5,9 1 7,04 19,29
5,3 2 5,87 10,75
7,9 3 3,29 58,35
5,3 4 2,34 55,89
4,6 5 4,78 3,91
6,6 6 0,78 88,23
3,9 7 3,36 13,95
5,5 8 1,37 75,15
4,5 9 0,50 88,89
3,9 10 0,50 87,18
7,9 11 2,75 65,22
4,6 12 0,96 79,13
0,8 13 0,50 37,50
0,7 14 0,50 28,57
1,1 15 0,50 54,55
0,7 16 0,47 33,00
0,6 17 0,55 8,00
0,9 18 0,76 15,56
0,5 19 0,53 6,80
0,7 20 1,10 56,86
0,6 21 0,82 36,50
0,5 22 0,03 93,60
1,1 23 0,53 51,91
0,6 24 0,58 2,83
0,8 25 0,43 46,25
0,7 26 0,12 82,29
1,1 27 1,00 9,09
0,7 28 0,51 27,71
0,6 29 0,32 46,67
9,3 30 0,51 94,48
0,5 31 0,53 5,40
0,7 32 0,87 24,29
6,3 33 4,43 29,68
5,6 34 1,42 74,70
1,1 35 0,95 13,27
0,6 36 0,73 22,00
Rata-rata 43,36

BAB V

HASIL DAN PEMBAHASAN

 BAB VI

KESIMPULAN DAN SARAN

 DAFTAR PUSTAKA

Ghafiqie, A. (2012). Model. Sistem Dinamis Untuk Menganalisa Kontribusi Mrt

Jakarta. Depok.

Eka Iswandy. (2015). Sistem Penunjang Keputusan Untuk Menentukan

Penerimaan Dana Santunan Sosial Anak Nagari dan Penyalurannya Bagi
Mahasiswa dan Pelajar Kurang Mampu Di Kenagarian Barung – Barung
Balantai Timur. Jurnal TEKNOIF Vol. 3 No. 2 Oktober 2015.

Sterman, J.D. (2000). Business Dynamics: Systems Thinking and Modelling for a
Complex World. New York: McGraw-Hill.

Forrester, J.W. (1999). System Dynamics: The Foundation under System

Thinking. Cambridge: Sloan School of Management Massachusetts
Institute of Technology

Gaspersz, Vincent. (1998). Manajemen Produksi Total, Strategi Peningkatan

peningkatan Bisnis Global, Gramedia Pustaka Utama, Jakarta .

Hasibuan, Malayu S. P. (2010). Manajemen Sumber Daya Manusia. Jakarta. PT

Bumi Aksara

Kristanto, Harris. (2015). Keadilan Organisasional, Komitmen Organisasional,

Dan Kinerja Karyawan. Jurnal Manajemen Dan Kewirausahaan, Vol.17,
No. 1, Maret 2015: 86–98

Rahardi, Kunjana. (2019). Pragmatik: Konteks Intralinguistik dan Konteks Ekstra

Linguistik. Yogyakarta: Amara Books.
Sugiyono. (2013). Metode Penelitian Kuantitatif, kualitatif, dan R&D. Bandung:
Alfabeta.

Sugiyono. (2017). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung:

Alfabeta.
Cortes-Gonzalez, A., Martinez-Perales, J. C., & Cortes-Galicia, J. (2020).
Identification of the main factors affecting the increase of productivity in
Mexican companies. Contemporary Engineering Sciences.
https://doi.org/10.12988/ces.2020.91597

Comanescu, E. L., Ponea-Radu, I. A., Petre-Stan, C., & Ponea, M. G. (2018).

Competitiveness of Companies in the Competitive Environment - The
Essential Question of Performance Management. International Conference
Knowledge Based Organization. https://doi.org/10.1515/kbo-2018-0043

Bogoyavlensky, A., & Sirotyuk, A. (2020). Automated tool support system of a

large machine-building enterprise. IOP Conference Series.
https://doi.org/10.1088/1757-899x/966/1/012133

Rodríguez, J. N., Sosa, H. H. A., Villarreal-Archila, S. M., & Ortiz, A. (2021).

System dynamics modeling in additive manufacturing supply chain
management. Processes, 9(6), 982. https://doi.org/10.3390/pr9060982
Adbaile, A. (2022). A review on Productivity Improvement in manufacturing
processes. Indian Scientific Journal of Research in Engineering and
Management, 06(05). https://doi.org/10.55041/ijsrem13315
Porter, N. (2017). The value of system dynamics modeling in policy analytics and
planning. In Public administration and information technology (pp. 123–
150). https://doi.org/10.1007/978-3-319-61762-6_6
Auerhahn, K. (2008). Dynamic systems simulation analysis: A planning tool for
the new century. Journal of Criminal Justice, 36(4), 293–300.
https://doi.org/10.1016/j.jcrimjus.2008.06.007
T. Hendriani, M. Yamin, and A. P. Dewi, “Sistem Peramalan Persediaan Obat
Dengan Metode Weight Moving Average Dan Reorder Point (Studi Kasus:
Puskesmas Soropia),” semanTIK, vol. 2, no. 2, pp. 207–214, 2017.
Kim S., Kim H. (2016). A new metric of absolute percentage error for intermittent
demand forecasts. International Journal of Forecasting. 32(3):669-679.
https://doi.org/10.1016/j.ijforecast.2015.12.003
Heizer, Jay & Render, B. 2015. Operations Management (Manajemen Operasi).
Edisi 11. Penerjemah: Dwi anoegrah wati S dan Indra Almahdy. Salemba
empat. Jakarta.