TUGAS AKHIR
OLEH:
ILHAM PERDANA
18TIA401
Menyetujui,
Pembimbing I Pembimbing II
Mengetahui,
Ir. Muhammad Basri, MM., IPM., AE. Dr. Widya Hastuti Afris, S. ST., MM NIP.
NIP. 19680406 199403 1 003 19780125 200112 2 002
ii
HALAMAN PENGESAHAN
Telah diterima oleh Panitia Ujian Akhir Program Diploma Tiga (D3) yang ditentukan
sesuai dengan Surat Keputusan Direktur Politeknik ATI Makassar Nomor: 562 tanggal 5
April 2021 yang telah dipertahankan di depan Tim Penguji pada hari Kamis tanggal 24
Juni 2021 sebagai salah satu syarat memperoleh gelar Ahli Madya (A.Md) Teknik
Industri dalam program studi Teknik Industri Agro Pada Politeknik ATI Makassar.
PANITIA UJIAN:
iii
PERNYATAAN KEASLIAN TUGAS AKHIR
Menyatakan bahwa tugas akhir yang saya buat benar-benar merupakan hasil
karya saya sendiri. Apabila dikemudian hari terbukti dan dapat dibuktikan sesuai
dengan hukum yang berlaku di Negara Republik Indonesia bahwa tugas akhir saya
adalah hasil karya orang laim, maka saya bersedia menerima sanksi atas
perbuatan tersebut tanpa melibatkan institusi Politeknik ATI Makassar atau orang
lain.
Ilham Perdana
iv
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Allah SWT karena dengan rahmat
dan karunia-Nya, sehingga penulis dapat menyelesaikan tugas akhir yang berjudul
Udang Vannamei Pada PT. Esaputlii Prakarsa Utama Di Kabupaten Barru” yang
disusun untuk memenuhi salah satu syarat kelulusan studi program Diploma III
selesainya tugas akhir ini tidak terlepas dari dukungan, semangat, serta
bimbingan dari berbagai pihak, baik bersifat moril maupun material, oleh
1. Kedua orang tua dan saudari penulis yang senantiasa memberikan doa dan
2. Bapak Ir. Muhammad Basri, MM., IPM., AE selaku Direktur Politeknik ATI
3. Ibu Dr. Widya Hastuti Afris, S. ST., MM selaku Ketua Jurusan Teknik Industri
v
5. Ibu Dr.Hj. Arminas, ST, MM., IPM., AE selaku penasihat akademik yang telah
serta memberikan saran dan masukan dalam penyelesaian tugas akhir ini.
7. Seluruh dosen yang telah memberikan ilmu pengetahuan dari awal hingga
9. Bapak Mahsum, Ibu Rahmatia Nur Aliah Tampa, dan Muthia Aulia Rahima.
Tugas Akhir (TA) ini disusun dengan sebaik-baiknya, namun penulis mengakui
masih terdapat kekurangan dalam penyusunan tugas akhir ini, oleh karena itu
saran dan kritik yang sifatnya membangun dari semua pihak sangat diharapkan
bagi penulis, tidak lupa harapan penulis semoga laporan tugas akhir ini dapat
bermanfaat bagi pembaca serta dapat menambah ilmu pengetahuan bagi kami.
Ilham Perdana
vi
ABSTRAK
vii
DAFTAR ISI
viii
DAFTAR TABEL
ix
DAFTAR GAMBAR
x
BAB I
PENDAHULUAN
industri nasional. Pada tahun 2019, nilai ekspor hasil perikanan Indonesia
mencapai Rp 73.681.883.000 dimana nilai tersebut naik 10.1% dari hasil ekspor
tahun 2018. Hasil laut seperti udang, tuna, cumi-cumi, gurita, rajungan serta
dari kegiatan industri. Kegiatan produksi atau pengolahan barang dan jasa dalam
adalah keinginan dari pihak penyedia barang dan jasa atau produsen agar
1
forecasting. Peramalan adalah perhitungan yang objektif dan dengan
seharusnya diproduksi.
bidang budidaya perairan dan perikanan yang memproduksi benur (benih udang).
PT. Esaputlii Prakarsa Utama berlokasi di Jl. Poros Makassar-Parepare KM. 138
Dalam proses produksi sering ditemui produk berlebih dimana pada setiap
bulannya saat melakukan produksi banyak benih udang vannamei yang tersisa
sebanyak 2000 sampai 7000 bungkus dengan total dari bulan November 2019
Proses produksi benih udang vannamei dimulai dengan bagian produksi atau
larva meminta supply naupli (telur udang vannamei) dari bagian induk untuk
dipindahkan ke dalam bak dibagian produksi sebanyak 2,7 juta naupli. Selama
dua minggu benih udang vannamei diberikan nutrisi agar berkembang biak sesuai
dengan standar yang telah ditentukan sebelum siap untuk dipanen. Jumlah benih
udang vannamei yang siap dipanen dalam waktu dua minggu berkisar satu juta
ekor dalam satu bak hal ini disebabkan penyakit necrosis. Setelah berumur dua
2
minggu udang dipanen, proses pemanenan benih udang vanamei dilakukan
ketika ada pembeli yang datang atau memesan secara langsung. Jika tidak ada
pembeli, maka benih udang vannamei tidak akan dijual. Sehingga yang terjadi
adalah dari hasil produksi tersebut menyisakan sekitar 3-7 bak benih udang
vannamei, benih yang tersisa tersebut tidak dapat dijual karena sudah melewati
batas usia atau standar yang ditetapkan oleh perusahaan dan benih yang tersisa
exponential smooting yang dilakukan oleh Hudaningsih Nurul dkk (2020). PT.
PT. Sunthi Sepuri sering mengalami kesalahan peramalan dari pihak marketing.
nilai aktual. Metode penelitian yang digunakan mulai dari pengumpulan data
3
metode yang digunakan untuk menganalisis data yang memiliki tingkat kesalahan
Oleh karena itu diperlukan perencanaan yang baik oleh PT. Esaputlii Prakarsa
Utama dalam menentukan permintaan benih udang. Salah satu cara untuk
vannamei untuk dapat menanggapi naik ataupun turunnya permintaan pasar dan
terhadap permintaan benih udang vannamei tidak diikuti dengan kesiapan PT.
Esaputlii Prakarsa Utama dalam berbagai hal, seperti biaya maupun persediaan
Benih Udang Vannamei Pada PT. Esaputlii Prakarsa Utama Di Kabupaten Barru”
4
Untuk menentukan jumlah produksi benih udang vannamei melalui metode
a. Penulis
langsung agar lebih memahami teori-teori yang didapat selama kuliah dan
penerapan.
b. Perusahaan
alternatif dari peramalan benih udang vannamei untuk tahun yang akan
c. Akademik
koleksi tugas akhir dibidang sistem penjualan dan peramalan untuk kebutuhan
produk.
5
BAB II
TINJAUAN PUSTAKA
sesuai dengan target dan sasaran yang ditetapkan sekalipun terdapat beberapa
serta mengendalikan material masuk dalam sistem produksi (baik bahan baku
atau assembly), dan keluar dari sistem produksi (berupa produk jadi atau spare
parts) sehingga permintaan dapat dipenuhi dengan efektif dan efisien (tepat
jumlah, tepat waktu penyerahan dan biaya produksi yang minimum) (Agustina,
2018).
Fungsi dari Production Planning and Inventory Control (PPIC) dapat di uraikan
6
b. Mengontrol demand aktual, membandingkan dengan ramalan demand
c. Menetapkan ukuran pesanan barang yang efisien untuk bahan baku yang akan
dibeli.
yang harus dilakukan dimasa yang akan datang salah satu contohnya yaitu
7
a. Peramalan (forecasting) merupakan bagian vital bagi setiap organisasi
Chuong, 2014).
kejadian atau aktivitas yang tidak pasti dimasa depan. Karena masa
produk itu dapat dibuat dalam kuantitas yang tepat (Gesperz, 2005).
8
jumlah estimasi dimasa depan pada suatu perusahaan dalam menentukan
kebutuhan konsumen.
berlaku disaat ini dan dimasa lalu dan juga melihat sejauh mana pengaruh
dimasa datang, Peramalan dibutuhkan karena terdapat time lag atau delay
panjang).
9
5. Mengumpulkan data yang di perlukan untuk melakukan peramalan.
Jika dilihat dari jangka waktu ramalan yang telah disusun, maka ramalan
mencakup jangka waktu satu tahun umumnya kurang dari tiga bulan.
pengembangan (litbang).
10
a. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data
kualitatif pada masa lalu. Hasil ramalan yang dibuat sangat tergantung
pula.
atau forecasting dibagi menjadi 3 jenis yaitu (Render dan Heizer, 2009):
lainnya.
11
c. Peramalan permintaan (demand forecast) adalah proyeksi permintaan
melihat bagaimana pola dari data permintaan yang dimiliki. Pola tersebut
kemudian disesuaikan dengan metode peramalan yang ada dan dilihat nilai error
nya. Mengidentifikasi pola data merupakan hal yang sangat penting sebelum
dilakukan peramalan. Pemilihan pola data yang tepat dalam pengujian deret
berkala (time series) akan menentukan ketepatan dalam pengujian data. Pola
data dibedakan menjadi empat jenis yaitu pola data horizontal, pola data
musiman, pola data trend dan pola data siklis (Widjajati & Soehardjoepri, 2017).
1. Pola siklis (Cycle) memiliki karakter dari pergerakan seperti gelombang yang
lebih panjang dari pada satu tahun dan belum tentu berulang pada interval
12
waktu yang sama. Berbeda dengan karakteristik dari pola musiman yang
kejadian secara periodik adalah bentuk pola siklis. Komponen siklis sangat
2. Pola Musiman (Seasonal) terjadi jika data setiap periode nya membentuk pola
yang sama atau berulang secara periodik yang bergerak secara bebas. Pola ini
memiliki karakter yang dimana puncak dan lembah berulang dalam periode
yang konsisten.
3. Pola Horizontal terjadi apabila di sekitar nilai rata-rata yang konstan terdapat
nilai yang berfluktuasi. Fluktuasi disini adalah data naik dan turun tergantung
pada kondisi data juga antar data satu dengan data yang lain.
13
Gambar 2.3 Pola Data Horizontal
(Makridakis, 1999)
4. Pola trend pola data yang mengalami naik atau turun terus menerus sampai
Moving Average adalah salah satu metode peramalan Time series (deret
waktu). Metode ini digunakan jika data masa lalu tidak memiliki unsur trend
atau faktor musiman (Alfian dan Sri, 2017). Tujuan dilakukannya peramalan
acakan (random ness) dalam deret waktu. Tujuan ini dapat dicapai dengan
14
kesalahan positif dan negatif yang mungkin terjadi dan dapat dikeluarkan
tersebut sebagai ramalan untuk periode yang akan datang (Subagyo, 2008).
halus.
Rumus:
St +
Keterangan:
15
Xt : Data periode t
secara bebas yang dapat mengurang beban forecast error. Nilai konstanta
pemulusan dapat ditentukan dengan ketentuan 0 < α < 1 (Ni dan Igp, 2014).
rendah dari trend. Nilai α yang rendah cocok digunakan bila data bersifat
stabil. Nilai-nilai α yang lebih tinggi digunakan ketika data bersifat resposif
atau mempunyai fluktuasi permintaan yang tinggi. Mencari nilai α yang tepat
dapat ditentukan dengan pengujian trial dan error (coba-coba) terhadap nilai
α yang berbeda untuk menentukan nilai α yang memiliki hasil dengan nilai
16
Metode ini lebih cocok digunakan untuk meramal hal-hal yang
Rumus:
Ft = Ft – 1 + α (At – 1 – Ft – 1)
Keterangan:
Ft-1 : Nilai ramalan untuk satu periode waktu yang lalu, t-1.
a. Apabila Pola historis data sangat bergejolak atau tidak stabil maka pilih
b. Apabila pola historis data tidak bergejolak dan mendekati stabil maka pilih
dengan data aktual. (Sofyan, 2013) makin kecil nilai kesalahan maka makin tinggi
17
tingkat ketelitian peramalan, demikian sebaliknya. Besarnya kesalahan peramalan
periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau
lebih kecil dari kenyataan. MAD mengukur ketepatan ramalan dengan merata-
memberikan bobot yang sama pada setiap nilai selisih peramalan dan aktual
MAD= Σ
Keterangan:
MSE (Mean Square Error), rata-rata kuadrat kesalahan. Perhitungan error ini
memberikan pinalti pada selisi yang lebih besar dibandingkan selisih yang kecil
MSE =Σ
18
Keterangan:
mutlak selama periode tertentu yang dikalikan 100% agar mendapatkan hasil
secara persentase dan digunakan jika ukuran variabel yang diramalkan sangat
MAPE = ( )Σ| |
Keterangan :
19
2.7 Kerangka Berpikir
Identifikasi Masalah
Rumusan Masalah
Tujuan
Pengolahan Data
20
BAB III
METODE PENELITIAN
November 2020.
Alat yang digunakan dalam penelitian PT. Esaputlii Prakarsa Utama adalah
sebagai berikut:
a. Alat Tulis,
b. Laptop,
c. Software Microsoft Word 2016, Microsoft Excel 2016 dan QM For Windows
V5.
Bahan yang digunakan dalam penelitian ini berupa data primer dan data
sekunder.
Data yang diperoleh secara langsung dari tempat yang dijadikan sebagai
objek penelitian. Adapun data primer yang digunakan dalam penelitian ini
21
meliputi data penjualan benih udang vannamei dan produksi dari bulan
Data sekunder adalah data yang diperoleh dari luar perusahaan yang ada
a. Studi Pustaka
Sumber data yang berasal dari buku-buku referensi yang relevan dan
b. Media Internet
Sumber data yang berasal dari media internet yang berupa jurnal
yaitu penggambaran objek yang diteliti dengan menggunakan data primer dan
22
merupakan gambaran nyata yang terjadi pada PT Esaputlii Prakarsa Utama
langsung dengan narasumber dalam hal ini devisi pemasaran dan devisi
produksi PT. Esaputlii Prakarsa Utama yang memberikan penjelasan dan data
kepustakaan, hal ini merupakan penelitian untuk landasan teori dari tugas
akhir ini dengan membaca berbagai literatur baik yang bersumber dari buku-
Makassar.
Data yang diperoleh kemudian diamati dan diolah untuk mendapatkan hasil
selanjutnya.
Smoothing.
23
c. Menghitung kesalahan peramalan dengan MAD (Mean Absolute Deviation),
MSE (Mean Squared Error) dan MAPE (Mean Absolute Percentage Error).
24
BAB IV
smoothing.
Adapun data yang diperoleh dari PT. Esaputlii Prakarsa Utama. Terhitung dari
November 2019 sampai dengan Oktober 2020 dalam proses penjualan benih udang di
packing dengan cara membungkus dimana dalam satu bungkus terdapat 1500 ekor
25
Dari pengumpulan data diatas, maka dapat dilihat sebuah bentuk grafik
Dari Gambar 4.1 Grafik Penjualan dan Produksi Benih Udang Vannamei pada
PT. Esaputlii Prakarsa Utama dapat dilihat bahwa antara jumlah penjualan dan
udang vannamei.
Dari data tersebut diketahui bahwa total penjualan benih udang dari bulan
november 2019 sampai dengan bulan oktober 2020 adalah sebesar 2.169.073
Dari data diatas juga diketahui bahwa penjualan terkecil adalah pada bulan Juni
yaitu sebesar 126.835 bungkus, dan penjualan tertinggi terjadi pada bulan
26
Dari data diatas dapat dilakukan peramalan untuk permintaan benih udang
dengan nilai n=8 adalah jangka waktu dengan menghitung nilai rata-rata
mulai dari bulan November 2019 sampai dengan bulan Juni 2020.
27
degan metode single moving average diatas dapat diketahui peramalan
176.492,1 bungkus.
kesalahan dugaan.
28
Dari data diatas diperoleh nilai MSE sebesar 1.134.011.000 bungkus
kesalahan-kesalahan dikuadratkan.
200000
150000
100000
50000
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Data Forecast
Dari Gambar 4.2 grafik metode moving average diatas yang diolah
29
orens merupakan hasil peramalan. Pada metode ini, peramalan dimulai
pada periode ke-9 karena pada periode sebelumnya dijadikan sebagai nilai
bungkus.
30
b. Hasil error measures metode Single Exponential Smoothing.
kesalahan dugaan.
kesalahan-kesalahan dikuadratkan.
31
c. Grafik metode Single Exponential Smoothing.
200000
150000
100000
50000
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Data Forecast
Dari Gambar 4.3 grafik metode moving average diatas yang diolah
birumerupakan data aktual penjualan benih udang, dan garis warna orens
benih.
32
4.3 Pembahasan
Dari hasil pengolahan data peramalan diatas dapat dilihat data pada tabel
dibawah ini:
Smoothing
Dari nilai yang sudah diolah pada Tabel 4.6 menggunakan aplikasi POM QM
For Windows V5 diketahui bahwa metode Moving Average memiliki nilai MAD=
Jadi peramalan yang memiliki nilai ukuran akurasi terkecil yaitu 12,72 %
adalah metode Moving Average dengan nilai forecast 176.492,1 bungkus. Oleh
33
karena itu metode Moving Average lebih cocok digunakan untuk melakukan
peramalan di PT. Esaputlii Prakarsa Utama. Pada PT. Esaputlii Prakarsa Utama
34
BAB V
PENUTUP
5.1 Kesimpulan
Dari pengolahan data diatas dapat disimpulkan bahwa dari kedua metode
yaitu moving average dan single exponential smoothing metode peramalan yang
dapat digunakan di PT. Esaputlii Prakarsa Utama untuk meramal kebutuhan benih
udang vannamei adalah metode Moving Average karena memiliki nilai kesalahan
bungkus, MAPE= 12,72 % dan nilai peramalan pada bulan selanjutnya November
5.2 Saran
usia panen sehingga tidak ada udang yang terbuang saat panen.
35
DAFTAR PUSTAKA
Agustina Eunike, Nasir Widha Setyanto, Rahmi Yuniarti, Ihwan Hamdala, Rio
Prasetyo Lukodono, Angga Akbar Fanani. 2018. Perencanaan Produksi dan
Pengendalian Persediaan. Penerbit UBPress, Malang.
Alfian Nurlifa, Sri Kusuma Dewi. 2017. Sistem Peramalan Jumlah Penjualan
Menggunakan Metode Moving Average Pada Rumah Jilbab Zaky. Jurnal
Inovtek Polbeng – Seri Informatika 2(1): 20. e-ISSN: 2527-9866, 2017.
36
Murahartawaty. 2009. Peramalan. Penerbit Sekolah Tinggi Teknologi Telkom,
Bandung.
Nasution Arman Hakim, Prasetyawan. 2008. Perencanaan dan pengendalian
Produksi, Edisi pertama penerbit Graha ilmu, Yogyakarta.
Nawawi Muhammad Nur. 2019. Revolusi Industri 4.0 di Sektor Kelautan dan
Perikanan Indonesia. www.kkp.go.id [download 20 Februari 2021].
Ni Luh Ayu Kartika Yuniastari dan IGP Wirarama Wedashwara Wirawan. 2014.
Peramalan Permintaan Produk Perak Menggunakan Metode Simple
Moving Average Dan Exponential Smoothing. Jurnal Sistem dan
Informatika 9(2): 98.
Purba Agustina. 2015. Perancangan Aplikasi Peramalan Jumlah Calon Mahasiswa
Baru Yang Mendaftar Menggunakan Metode Single Exponential
Smoothing (Studi Kasus: Fakultas Agama Islam UISU). Jurnal Riset
Komputer 2(6): 9.
Rachman Rizal. 2018. Penerapan Metode Moving Average Dan Exponential
Smoothing Pada Peramalan Produksi Industri Garment. Jurnal
Informatika 5(2): 211-220.
37