PERAMALAN PROSES PRODUKSI KAIN CDP 2024 PADA DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA

perpustakaan.uns.ac.id

digilib.uns.ac.id

PERAMALAN PROSES PRODUKSI KAIN CDP 2024 PADA DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA

TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Untuk Meraih Gelar Ahli Madya Ekonomi Diploma III pada Jurusan Manajemen Bisnis Fakultas Ekonomi Universitas Sebelas Maret Surakarta

Oleh: Evi Cahya Rohmawati F3509026

PROGRAM STUDI DIII MANAJEMEN BISNIS UNIVERSITAS SEBELAS MARET SURAKARTA commit to user 2012


digilib.uns.ac.id

commit to user


digilib.uns.ac.id

commit to user


digilib.uns.ac.id

MOTTO

·

Barang siapa yang menghendaki kesejahteraan hidup di dunia, maka harus ditempuh dengan ilmu. Dan barang siapa yang menghendaki kebahagiaan hidup di akhirat, hendaklah ditempuh dengan ilmu. Dan barang siapa menghendaki kedua-duanya, maka hendaklah ditempuh dengan ilmu. ( Hadist Nabi)

·

Mencintai seseorang itu seperti kita membaca Al Quran pertama kita lafalkan kedua kita ingat-ingat dan yang ketiga kita simpan dalam hati ( Khalil Gibran)

·

Mensyukuri segala sesuatu yang diberikan oleh Allah SWT, niscaya Allah akan memberikan nikmat yang berlimpah ( Penulis )

·

Percaya pada diri sendiri adalah rahasia utama untuk mencapai kesuksesan. (Emerson)

commit to user


digilib.uns.ac.id

PERSEMBAHAN

Sebuah karya sederhana ini Kupersembahkan kepada : 1. Allah SWT yang telah memberikan aku kenikmatan dan keimanan sehingga aku dapat menyelesaikan karya ini. 2. Ayah dan Mami tersayang, terimakasih untuk support dan doanya 3. Adik-adik ku, ayu, pichi dan fafa terimakasih untuk semangat nya 4. Mayonice, terimakasih untuk 3 tahun yang kita lalui bersama ( karina, enok, ana, erlina, dwi kurnia ) 5. Teman –teman seperjuangan MI 2009 6. Almamater

commit to user


digilib.uns.ac.id

KATA PENGANTAR

Puji Syukur Penulis Panjatkan Kehadirat Allah SWT yang telah melimpahkan Rahmat dan Karunia – Nya sehingga Penulis dapat menyelesaikan penyusunan Tugas Akhir. Dalam penyusunan Tugas Akhir ini Penulis memilih judul PERAMALAN PROSES PRODUKSI KAIN CDP 2024 PADA DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA Pada kesempatan ini penulis sampaikan ucapan terima kasih kepada pihak – pihak yang telah membantu penyusunan Tugas Akhir ini, terutama kepada : 1.

Bapak Prof. Dr. Wisnu Untoro MS. selaku Dekan Fakultas Ekonomi, Universitas Sebelas Maret Surakarta.

2.

Ibu. Sinto Sunaryo, SE, M.Si. Selaku Ketua Program Studi Diploma III Manajemen Bisnis, Universitas Sebelas Maret Surakarta.

3.

Bapak Alm Drs. Karsono, Msi. Selaku Pembimbing Akademik, yang telah menyediakan waktu dan membimbing penulis.

4.

Bapak Drs. Heru Purnomo, MM selaku Pembimbing Tugas Akhir, Sebagai ungkapan terima kasih atas kebaikan, ketenangan dan kesabaran beliau yang luar biasa selama memberikan bimbingan, sehingga tugas akhir ini dapat terselesaikan sesuai rencana penulis.

5.

Bapak Edi selaku Manajer Personalia PT. Kusumahadi Santosa, yang telah memberikan kami kesempatan untuk melaksanakan magang kerja dan penelitian di PT. Kusumahadi Santosa.

6.

Bapak Ndondon selaku Manajer Weaving 1 dan 2 PT. Kusumahadi Santosa. commit to user


7.

digilib.uns.ac.id

Ibu Setiyowati selaku Ka.Sie. Adm dan QC Weaving 1 dan 2 atas bimbingan dan bantuannya dalam mencarikan data.

8.

Bapak dan Ibu selaku staff dan karyawan di Departemen Weaving 2 yang telah membantu penulis dalam pencarian data.

9.

Ayah Mami, ayu, pichi, fafa terimakasih untuk doa dan waktunya serta bantuan berupa materi dan supportnya.

10.

Teman-teman Angkatan 2009 yang telah banyak memberikan keceriaan.

11.

Dan semua pihak yang tidak sempat penulis sebutkan satu persatu. Penulis menyadari bahwa dalam pengungkapan, pembahasan dan pemilihan

kata dalam penulisan Tugas Akhir jauh dari sempurna, Karena keterbatasan pemikiran dan kemapuan yang dimiliki oleh penulis. Oleh karena itu dengan kerendahan hati penulis mengharapkan kritik dan saran yang membangun. Namun demikian semoga Tugas Akhir ini diharapkan dapat bermanfaat bagi pihak – pihak yang membutuhkan.

Surakarta, Juni 2012 Penulis

Evi Cahya Rohmawati

commit to user


digilib.uns.ac.id

DAFTAR ISI

HALAMAN JUDUL ............................................................................................

i

ABSTRAK ............................................................................................................

ii

HALAMAN PERSETUJUAN ............................................................................

iv

HALAMAN PENGESAHAN .............................................................................

v

MOTTO.................................................................................................................

vi

PERSEMBAHAN ................................................................................................

vii

KATA PENGANTAR..........................................................................................

viii

DAFTAR ISI.........................................................................................................

xi

DAFTAR TABEL ................................................................................................

xiii

DAFTAR GAMBAR ...........................................................................................

xv

DAFTAR LAMPIRAN ........................................................................................

xvi

BAB I PENDAHULUAN A. Latar Belakang ..................................................................................

1

B. Rumusan Masalah .............................................................................

3

C. Tujuan Penelitian ..............................................................................

4

D. Manfaat Penelitian ............................................................................

4

E. Alur Pemikiran ..................................................................................

5

F. Metode Penelitian .............................................................................

7

BAB II TINJAUAN PUSTAKA A. Pengertian Peramalan .......................................................................

14

B. Tujuan Peramalan ............................................................................. commit to user

15


digilib.uns.ac.id

C. Langkah-langkah Peramalan ............................................................

15

D. Jenis- jenis Peramalan ......................................................................

16

E. Karakteristik Peramalan ...................................................................

17

F. Metode Peramalan ............................................................................

18

G. Pengukuran Kesalahan Peramalan ...................................................

24

BAB III PEMBAHASAN A. Deskripsi Objek Penelitian ...............................................................

26

1. Gambaran umum PT. Kusumahadi Santosa...............................

26

2. Tujuan PT. Kusumahadi Santosa ................................................

29

3. Lokasi PT. Kusumahadi Santosa ................................................

30

4. Layout PT. Kusumahadi Santosa ................................................

31

5. Aspek Personalia ..........................................................................

33

6. Struktur Organisasi Dan Job Description ..................................

37

7. Aspek Produksi ............................................................................

42

B. Laporan Magang Kerja .....................................................................

46

1. Pelaksanaan Magang ...................................................................

46

2. Kegiatan Magang Kerja ...............................................................

46

C. Pembahasan Masalah ........................................................................

48

1. Perhitungan Peramalan ................................................................

50

a. Metode Single Moving Averages .........................................

50

b. Metode Weighted Moving Averages....................................

57

c. Metode Exponential Smoothing...........................................

65

d. Metode Proyeksi Trend ( Trend Projection)....................... commit to user

74


digilib.uns.ac.id

2. Perbandingan Peramalan .............................................................

78

BAB IV PENUTUP A. Kesimpulan........................................................................................

79

B. Saran ..................................................................................................

81

DAFTAR PUSTAKA LAMPIRAN

commit to user


digilib.uns.ac.id

DAFTAR TABEL

TABEL

HALAMAN

3.1

Jumlah Tenaga Kerja PT Kusumahadi Santosa .......................................

33

3.2

Jumlah Tenaga Kerja Weaving II .............................................................

34

3.3

Data Produksi Kain CDP 2024 PT Kusumaha di Santosa ......................

49

3.4

Peramalan Produksi Kain CDP 2024 dengan Metode Single Moving Average 3-Bulanan Januari- Desember 2011 .........................................

3.5

52

Pengukuran Kesalahan (error) peramalan Pada Peramalan Produksi Kain CDP 2024 Dengan Metode Single Moving Average 3-bulanan ...

53

3.6

Peramalan Produksi Kain CDP 2024 .......................................................

55

3.7

Dengan Metode Single Moving Average 4-Bulanan ..............................

56

3.8

Pengukuran Kesalahan (error) Peramalan ...............................................

59

3.9

Pada Peramalan Produksi Kain CDP 2024 Dengan Metode Single Moving Average 4-bulanan ......................................................................

60

3.10 Peramalan Produksi Kain CDP 2024 Dengan Metode Weighted Moving Average 3-Bulanan Terbobot ....................................................

63

3.11 Pengukuran Kesalahan (error) Peramalan ................................................

64

3.12 Pada Peramalan Produksi Kain CDP 2024 Dengan Metode Weighted Moving Average 3-bulanan ......................................................................

67

3.13 Peramalan Produksi Kain CDP 2024 .......................................................

68

3.14 Dengan Metode Weighted Moving Average 4-Bulanan Terbobot ........ commit to user

70


digilib.uns.ac.id

3.15 Pengukuran Kesalahan (error) Peramalan Produksi Kain CDP 2024Dengan Metode Weighted Moving Average 4-bulanan terbobot ...

71

3.16 Peramalan Produksi Kain RYP 2026 Dengan Metode Exponential Smoothing ( α = 0,5) ..................................................................................

73

3.17 Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP 2024 Dengan Metode Exponential Smoothing ( α = 0,1 ) ...................... 3.18 Perbandingan Hasil Peramalan .................................................................. 78

commit to user

77


digilib.uns.ac.id

DAFTAR GAMBAR

Gambar 1.1 Alur Pemikiran ............................................................................

6

Gambar 3.1 Lokasi PT Kusuma Hadi ............................................................

32

Gambar 3.2 Struktur Organisasi ....................................................................

38

Gambar 3.3 Flow chart weaving II .................................................................

43

commit to user


digilib.uns.ac.id

DAFTAR LAMPIRAN

Lampiran 1. Surat Keterangan Magang Lampiran 2. Surat Pernyataan Lampiran 3. Lembar Penilian Magang

commit to user


digilib.uns.ac.id

ABSTACT

PREDICTION ON PRODUCTION OF FABRIC CDP 2024 WEAVING 2 DEPARTMENT PT. SANTOSA KUSUMAHADI Evi Cahya Rohmawati F3509026 Objectives to be achieved in this study were (1) Knowing the fabric CDP 2024 production forecast by using Single Moving Average, Weight Moving Average, Exponential Smoothing and Trend Projection on 2 PT.KUSUMAHADI SANTOSA Weaving Department for the next month. (2) To determine the forecast error in forecasting the results of four methods. (3) determine the forecasting methods should be applied PT.KUSUMAHADI SANTOSA. From the results of calculations performed, the forecasting methods Single 3-month moving average is 278.540 meters of the MAD and MSE 89.197,53 meters 8.996.555 meters, Single 4-month moving average is 248.128,8 meters with MAD 84.718,13 meters and MSE 8.521.723 billion meters, while the Weighted Moving Averages are weighted 3-month 284.108,8 meters with MAD 84.017,14 meter and MSE 8.519.520.802 meter, 4-Weighted Moving Averages are weighted monthly MAD 269.716,8 meters with 85.323,47 meter and MSE 8.653.336 meters, Exponential Smoothing (α = 0.5) are 274.264,7 meters with MAD 70.290,36 meters and MSE 6.774.236 billion meters, Exponential Smoothing (α = 0.9) are 283.933,2 meters with meter MAD and MSE 69.402,65 8.415.901 meters and Trend Projection is 216.820,1 meters with MAD 4.136. 601.000 meters and MSE 51.343,12 meters. From the data has been processed, then the most appropriate method to use is the Trend Projection because it has an error (error) forecasting the smallest MAD and MSE of 4.136.601.000 meters of 51.343,12 meter. Based on these conclusions, the researchers propose to PT SANTOSA KUSUMAHADI Trend Projection method should be used in fabric production forecast 2024 GDP, because it has an error rate (error) forecasting the smallest MAD and MSE. Keyword : Forecasting, Single Moving Average, Weighted Moving Average, Exponential Smoothing, Mean Absolute Deviation, Mean square Error.

commit to user


digilib.uns.ac.id

ABSTRAK

PERAMALAN PRODUKSI KAIN CDP 2024 PADA DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA

Evi Cahya Rohmawati F3509026 Tujuan yang ingin dicapai dalam penelitian ini adalah (1) Mengetahui peramalan produksi kain CDP 2024 dengan menggunakan Single Moving Average, Weight Moving Average, Exponential Smoothing dan Trend Projection pada Departemen Weaving 2 PT.KUSUMAHADI SANTOSA untuk bulan berikutnya. (2) Untuk mengetahui forecast error hasil peramalan dengan keempat metode tersebut. (3) menentukan metode peramalan yang seharusnya diterapkan PT.KUSUMAHADI SANTOSA. Dari hasil perhitungan yang dilakukan, yaitu peramalan menggunakan metode Single Moving Averages 3-bulanan yaitu 278.540 meter dengan MAD 89.197,53 meter dan MSE 8.996.555.000 meter, Single Moving Averages 4bulanan yaitu 248.128,8 meter dengan MAD 84.718,13 meter dan MSE 8.521.723.000 meter, sedangkan Weighted Moving Averages 3-bulanan terbobot yaitu 284.108,8 meter dengan MAD 84.017,14 meter dan MSE 8.519.520.802 meter, Weighted Moving Averages 4-bulanan terbobot yaitu 269.716,8 meter dengan MAD 85.323,47 meter dan MSE 8.653.336.000 meter, Exponential Smoothing (α= 0,5 ) yaitu 274.264,7 meter dengan MAD 70.290,36 meter dan MSE 6.774.236.000 meter, Exponential Smoothing (α= 0,9 ) yaitu 283.933,2 meter dengan MAD 69.402,65 meter dan MSE 8.415.901.000 meter dan Trend Projection yaitu 216.820,1 meter dengan MAD 51.343,12 meter dan MSE 4.136.601.000 meter. Dari data yang telah diolah, maka metode yang paling tepat digunakan adalah Trend Projection karena memiliki kesalahan (error) peramalan yang terkecil dengan MAD sebesar 51.343,12 meter dan MSE 4.136.601.000 sebesar meter. Berdasarkan kesimpulan tersebut, maka peneliti memberikan usulan kepada PT KUSUMAHADI SANTOSA sebaiknya menggunakan metode Trend Projection dalam meramalkan produksi kain CDP 2024, karena memiliki tingkat kesalahan (error) peramalan MAD dan MSE terkecil. Kata Kunci : Forecasting, Single Moving Average, Weighted Moving Average, Exponential Smoothing, , Mean Absolute Deviation, Mean square Error. commit to user


digilib.uns.ac.id

BAB I PENDAHULUAN

A. Latar Belakang Masalah Dalam era globalisasi saat ini, persaingan di dunia bisnis semakin ketat. Banyak perusahan besar, menengah, bahkan kecil yang bermunculan. Tidak hanya dalam negeri tetapi dari luar negeri, oleh karena itu perusahaan harus semakin kreatif dalam produktivitas dan pemasarannya. Akan tetapi permintaan dari konsumen yang semakin meningkat itu tak selalu sama dari waktu ke waktu, ada kalanya permintaan tinggi, dan terkadang menunjukan suatu penurunan. Sebuah Perusahaan itu, berdiri mempunyai berbagai tujuan yaitu membuka lapangan pekerjaan, membuat produk untuk memenuhi keinginan dan kebutuhan konsumen, mendapatkan keuntungan dan

mempertahankan

kelangsungan hidup perusahaan di masa yang akan datang dan di harapkan perusahaan dapat mencapai sasaran dan tujuan. Kondisi permintaan konsumen yang fluktuatif membuat perusahaan dihadapkan pada masa depan yang penuh dengan ketidakpastian, untuk itu perlu bagi perusahaan melakukan suatu peramalan. Peramalan adalah seni dan ilmu yang memprediksi peristiwa-peristiwa pada masa depan (Render dan Heizer, 2005). Peramalan merupakan peranan yang penting dalam perusahaan, misalnya pada bagian produksi yang ingin mengetahui bagaimana volume produksi di masa mendatang. Suatu perusahaan akan berkembang apabila mampu mengantisipasi permintaan, maka peramalan produksi menjadi sangat commit to user

1


digilib.uns.ac.id

penting sehingga perusahaan dapat merencanakan berapa jumlah produk yang akan diproduksi dalam masa yang akan datang. Produksi dalam ekonomi adalah kegiatan yang berhubungan dengan usaha untuk menciptakan dan menambah kegunaan suatu barang atau jasa. Render dan Heizer (2005) mengartikan produk sebagai hasil dari kegiatan produksi yang terdiri dari barang dan jasa. Peramalan produksi harus dibuat cermat, teliti dan dengan perhitungan yang baik dengan bantuan metode-metode peramalan yang ada. Walaupun pada dasarnya peramalan itu, tidak selalu benar dan tepat, namun dengan metode permalan yang tepat diharapkan akan memberikan suatu dasar analisis dan cara berfikir yang sistematis atas pemecahan suatu masalah. Pada PT. KUSUMAHADI SANTOSA yang beralamat di JL. Raya Jaten KM. 9,4 Jaten, Karanganyar. Peramalan produksi sangatlah penting untuk menentukan berapa jumlah produk yang harus disediakan dan , sehingga dapat memperkecil resiko kerugian dengan pemilihan metode peramalan yang tepat. Dalam penelitia ini penulis ingin melakukan penelitian terahadap kain CDP 2024. Pemilihan produk kain CDP 2024 didasarkan pada produk yang memiliki kualitas eksport yang tinggi, dan di produksi dalam jumlah yang relatif banyak dibandingkan dengan produk kain yang lain. Produk kain CDP 2024 memiliki volume produksi dan penjualan yang berfluktuasi dari bulan ke bulan, sehingga kondisi permintaan masa depan yang penuh dengan ketidakpastian.

commit to user

2


digilib.uns.ac.id

Atas dasar latar belakang masalah diatas, maka peneliti tertarik untuk mengambil tema “PERAMALAN PROSES PRODUKSI KAIN CDP 2024 PADA DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA”.

B. Rumusan Masalah Berdasarkan latar belakang masalah di atas ,maka dapat dirumuskan bahwa pokok permasalahan yang akan dibahas dalam penelitian ini adalah: Berapakah peramalan permintaan Produk kain CDP 2024 dengan metode Single Moving Average,Exsponensial Smooting dengan alpha (α =0,1 α=0,5 dan α=0,9),dan Weighted Moving Averages dan Trend Projection pada PT Kusumahadi Santosa untuk periode yang akan datang ? 1. Berapakah peramalan produksi kain CDP 2024 pada PT. Kusumahadi Santosa pada bulan berikutnya dengan menggunakan metode Moving Average 3 bulan dan 5 bulan,Weighted Moving Average, Exponential Smoothing dengan α=0,1 α=0,5 dan α=0,9 dan Trend Projection pada Departemen Weaving 2 PT. Kusumahadi Santosa 2.

Berapakah forcast error dari keempat metode hasil peramalan yang akan datang ?

3. Metode manakah yang paling baik di antara metode – metode di atas untuk menentukan permintaan produk kain CDP 2024 di periode yang akan datang pada PT Kusumahadi Santosa ?

commit to user

3


digilib.uns.ac.id

C. Tujuan Penelitian Tujuan penelitian dilaksanakan dengan tujuan agar penelitian yang telah dilakukan hasilnya dapat memberikan manfaat yang sesuai dengan apa yang dikendaki. Adapun tujuan penelitian ini adalah: 1. Untuk mengetahui peramalan produksi produk kain CDP 2024 dengan metode single moving average dan exsponential smoothing dengan alpha ( α=0,1 α=0,5 α=0,9) weighted moving averages dan Trend Projection pada Departement Weaving 2 PT. KUSUMAHADI SANTOSA yang akan datang. 2. Untuk mengetahui Forcest Error dari hasil peramalan dengan keempat metode diatas. 3. Untuk mengetahui metode peramalan yang paling tepat, dalam menentukan besarnya produksi produk kain CDP 2024 di periode yang akan datang pada Departement Weaving 2 PT Kusumahadi Santosa

D. Manfaat Penelitian Hasil penelitian ini diharapkan dapat memberi manfaat baik bagi penulis,bagi perusahaan,bagi pihak lain maupun bagi pembaca. 1.

Bagi Penulis Dapat menerapkan ilmu yang telah di peroleh selama di perkuliahan mengenai metode peramalan yang tepat pada sebuah perusahaan dan sebagai tambahan wawasan dan ilmu pengetahuan. commit to user

4


2.

digilib.uns.ac.id

Bagi Perusahaan Mengevaluasi tentang sistem forcesting untuk diterapkan pada perusahaan. Hasilnya diharapkan dapat menjadi masukan bagi perusahaan dan dapat di jadikan referensi dalam pengambilan keputusan mengenai produksi kain CDP 2024

3.

Bagi Pembaca Dapat memberi wawasan atau gambaran tentang perencanaan produksi dan peramalan dengan menggunakan metode peramalan yang tepat. Dan sebagai pertimbangan kepada rekan-rekan yang akan menyusun tugas akhir.

E. Alur Pemikiran Penelitian ini bertujuan untuk mengetahui peramalan produksi kain CDP 2024 dengan menggunakan metode Single Moving Average (periode 3 bulanan dan 4 bulanan), Weighted Moving Average, dan Exponential Smoothing (

α= 0,1 α=0,5 dan α= 0,9 ) dan Trend Projection pada

Departement Weaving 2 PT.Kusumahadi Santosa untuk bulan berikutnya. Berdasarkan metode tersebut akan dicari kesalahan terkecil, dan juga untuk mengetahui Forecast Error dari hasil peramalan dengan keempat metode tersebut. Selain itu, juga untuk mengetahui metode peramalan yang tepat. Untuk itu diperlukan data tentang volume produksi kain CDP 2024 bulan januari-desember 2011. Adapun gambar alur pemikiran sebagai berikut : commit to user

5


digilib.uns.ac.id

CDP 2024 pada bulan sebelumnya

Menetukan metode peramalan produksi

Metode Moving

Metode Eksponensial

Average

Smoothing

Metode

Trend

Projection

Peramalan yang baik

Rencana Produksi yang akan datang

Rencana produksi yang optimum

keputusan Gambar 1.1 Alur Pemikiran

Keterangan : Peramalan produksi adalah perkiraan terhadap besarnya jumlah produk yang akan diproduksi dimasa yang akan datang, yang didasarkan oleh data – data masa lalu. Produk kain CDP 2024 memiliki volume produksi dan commit to user

6


digilib.uns.ac.id

penjualan yang berfluktuasi dari bulan ke bulan, entah itu baik, turun atau stabil, sehingga perusahaan perlu membuat suatu peramalan untuk mengetahui berapa besarnya penjualan produk pada periode yang akan datang. Dalam membuat peramalan diperlukan data pada periode sebelumnya, data periode sebelumnya digunakan untuk meramalkan periode yang akan datang. Dalam menghitung data tersebut digunakan 4 metode, yaitu Single Moving Average, Exponential Smoothing, Weighted Moving Average, dan Trend Projection. Dari hasil peramalan tersebut kemudian dicari perbedaan hasil kesalahan

(error)

peramalan

dari

masing-masing

metode

peramalan.

Penghitungan kesalahan peramalan tersebut menggunakan MAD ( Mean Absolute Error ) dan MSE ( Mean Square Error). Untuk mengetahui mana metode yang paling tepat dicari tingkat kesalahan (error) yang lebih mendekati nol pada masing-masing metode peramalan Dengan adanya peramalan tersebut diharapkan dapat memberikan kemudahan untuk mengetahui tingkat produksi kain CDP 2024, yang selanjutnya manajer produksi akan mengambil satu keputusan setelah melihat data peramalan dan perencanaan yang telah dibuat.

F. Metode Penelitian Metode penelitian mengemukakan secara tertulis tata kerja dari suatu penelitian. Metode ini terdiri dari: commit to user

7


1.

digilib.uns.ac.id

Desain Penelitian Penulis ini menggunakan desain penelitian deskriptif. Sumarmi dan Wahyuni (2006) mengemukakan penelitian deskriptif yaitu teknik untuk membuat gambaran atau deskriptif yang aktual dan akurat mengenai suatu objek yang diteliti.

2.

Objek penelitian Penelitian ini dilaksanakan pada PT. KUSUMAHADI SANTOSA yang bergerak di bidang industri tekstil, dengan alamat Jl. Raya Jaten Km 9,4 Jaten Karanganyar Solo

3.

Jenis dan Sumber Data a. Jenis Data 1) Data Primer Menurut Kuncoro (2003) data primer yaitu data yang diperoleh dengan survei lapangan yang menggunakan semua metode pengumpulan data original. Data yang diperoleh dengan hasil wawancara langsung dengan staf/karyawan PT. KUSUMAHADI SANTOSA. Data yang diperoleh berupa : aktifitas proses produksi 2) Data Sekunder Menurut Kuncoro (2003), data sekunder adalah data yang telah

dikumpulkan

oleh

lembaga

pengumpul

data

dan

dipublikasikan kepada masyarakat pengguna data .Sumber data dalam penelitian ini adalah data sekunder, yaitu data yang diperoleh commit to user

8


digilib.uns.ac.id

dari sumber – sumber lain yang masih berkaitan dengan masalah yang sedang diteliti, dengan cara mempelajari literatur, referensi serta teori yang berhubungan dengan penelitian ini. Data diperoleh melalui sumber-sumber yang di berikan oleh perusahan. Dalam hal ini data yang diperoleh dari penelitian yang dilaksanakan di PT. Kusumahadi Santosa berupa : data struktur organisasi,data sejarah, data lokasi perusahaan, data mesin, data produksi kain CDP 2024 atau peralatan kerja, dan data jumlah tenaga kerja. b. Teknik Pengumpulan Data 1) Wawancara Metode wawancara merupakan komunikasi atau pembicaraan dua arah yang dilakukan oleh pewawancara dan responden untuk menggali informasi yang relevan dengan tujuan penelitian (Wahyuni dan Sumarni, 2006). Dalam penelitian ini, peneliti melakukan wawancara dengan karyawan pendamping atau manajer

PT. Kusumahadi Santosa

mengenai proses produksi dan profil dari perusahaan ini, dan kendala-kendala dalam proses produksi, kita juga bisa melakukan tanya jawab

langsung dengan

manajer ataupun

karyawan

PT.KUSUMAHADI SANTOSA 2) Observasi Metode observasi merupakan prosedur yang sistematis dan standar dalam pengumpulan data (Wahyuni dan Sumarni, 2006). commit to user

9


digilib.uns.ac.id

Dalam penelitian ini, peneliti melakukan pengamatan langsung kegiatan atau aktivitas yang dilakukan pada PT. Kusumahadi Santosa. 3) Dokumentasi Metode pengumpulan data yang dilakukan dengan cara mencatat ataupun mengcopy data dari perusahaan. Data yang bisa dicopy di PT Kusumahadi Santosa berupa : Data Flow chart,Company

profile,Jumlah

peralatan

atau

mesin

yang

dipakai,Struktur organisasi dan jumlah tenaga kerja. c. Tekhnik Analisis Data Metode yang di gunakan dalam permintaan produk kain CDP 2024 adalah Metode Single Moving Averages, Metode Exsponential Smoothing, Weighted Moving Averages dan Trend Projection merupakan metode dengan teknik peramalan kuantitatif statistik,yang pada umumnya menggunakan data historis yang menitikberatkan pada pola,perubahan pola, dan faktor gangguan (disturbances) yang disebabkan oleh pengaruh acak (random). (Render dan Heizer,2005). Berdasarkan uraian di atas Teknik analisis yang digunakan oleh penulis mengenai peramalan proses produksi pada produk kain CDP 2024 di PT Kusumahadi Santosa yaitu dengan metode Single Moving Averages, Metode Exponential Smoothing dan Weighted Moving dan Trend Projection. commit to user

10


digilib.uns.ac.id

Metode rata-rata bergerak tunggal menggunakan sejumlah data aktual permintaan yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang akan datang. Metode ini akan efektif diterapkan apabila kita dapat mengasumsikan bahwa permintaan pasar terhadap produk akan tetap stabil sepanjang waktu (Gaspersz, 2005). Rumus yang digunakan dalam menghitung menggunakan : 1) Metode Single Moving Averages adalah sebagai berikut (Render dan Heizer,2005): Rata-rata bergerak Dimana n adalah jumlah periode dalam rata-rata bergerak. 2) Metode Exsponential Smoothing (Penghalusan Eksponential) Exsponential Smoothing adalah sebuah prosedur yang mengulang perhitungan secara terus menerus yang menggunakan data terbaru. Setiap data diberi bobot,dimana bobot yang digunakan disimbolkan dengan α.Simbol alfa bisa ditentukan secara bebas yang bisa mengurangi forecast error.Besarnya nilai alfa antara 0 sampai 1. Secara sistematis persamaan penulisan Exsponential Smoothing adalah sebagai berikut (Render dan Heizer,2005) F1 = Ft-1 +α(A t-1 – F t-1 ) Keterangan : F1

: Peramalan baru

Ft-1

: Peramalan sebelumnya

Α

: Konstanta penulisan(0-1) commit to user

11


digilib.uns.ac.id

A t-1 : Permintaan actual periode sebelumnya

3) Rata-rata bererak tertimbang (Weighted Moving) Apabila ada pola yang trend

dan pola terdeteksi bobot

dapat digunakan untuk menempatkan penekanan yang lebih pada nilai terkini.Teknik ini lebih responsif terhadap perubahan karena periode

yang

lebih

dekat

mendapat

bobot

yang

lebih

besar.Pemilihan bobot ini merupakan hal yang tidak pasti karena tidak ada rumus untuk menetapkan (Render dan Heizer,2005). Ratarata bergerak dengan pembobotan tertimbang dapat digambarkan secara matematis sebagai berikut : Rata-rata bergerak dengan pembobotan = Dimana n adalah jumlah periode dalam rata-rata bergerak tertimbang 4) Metode proyeksi trend (Trend Projection) Metode peramalan dengan Proyeksi Trend ini mencocokkan garis trend kerangkaian titik data historis

dan kemudian

memproyeksi garis itu ke dalam ramalan jangka menengah hingga jangka panjang (Render dan Heizer, 2005) Secara matematis, persamaan penulisan trend adalah sebagai berikut : = acommit + b x to user

12


digilib.uns.ac.id

Keterangan : = ramalan jumlah produksi a

= persilangan sumbu y

b

= kemiringan garis regresi (atau tingkat perubahan pada y untuk perubahan yang terjadi di x)

x

= variable bebas (dalam kasus ini adalah waktu)

Untuk mencari nilai a dan b menggunakan rumus : b=

a=

Untuk menentukan nilai x dan y menggunakan rumus :

Keterangan : b

= kemiringan garis regresi

∑ = tanda penjumlahan total x

= nilai variable bebas yang diketahui

y

= variable terkait yang diketahui = rata-rata nilai y = rata-rata nilai x

n

= jumlah data atau pengamatan

commit to user

13


digilib.uns.ac.id

BAB II TINJAUAN PUSTAKA A. Pengertian Peramalan Peramalan itu memberikan gambaran dan memprediksi langkahlangkah apa saja yang akan diambil untuk memenuhi permintaan konsumen. Peramalan memang tidak selalu tepat sasaran karena penuh dengan ketidak pastian tapi dengan peramalan yang tepat kita bisa membuat peramalan dengan nilai kesalahan terkecil dan memberikan peramalan yang baik. Berikut adalah pengertian peramalan menurut beberapa ahli : a. Render dan Heizer (2005) mengemukakan peramalan adalah seni dan ilmu untuk memperkirakan kejadian dimasa depan. b. Subagyo (2002) Forecasting adalah peramalan (perkiraan) mengenai sesuatu yang belum terjadi. Dalam hal ilmu pengetahuan sosial segala sesuatu itu belum pasti, lain halnya dengan ilmu eksakta. Jumlah penduduk, pendapatan perkapita, volume penjualan, volume penjualan perusahaan, konsumsi dan lain sebagainya itu selalu berubah-ubah, dalam hal ini perlu adanya data untuk mengedakan forecast. c. Gasperz (2005) peramalan adalah merupakan suatu dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel, sering berdasarkan pada data deret waktu historis. d. Menurut Djarwanto (2001) “Forecasting yaitu memperkirakan sesuatu pada waktu yang akan datang berdasarkan waktu lampau yang telah commitstatistik”. to user disusun dalam laporan – laporan

14


digilib.uns.ac.id

Berdasarkan pengertian yang di jelaskan oleh beberapa ahli, maka penulis menyimpulkan bahwa pengertian peramalan adalah cara untuk memprediksi peristiwa yang belum terjadi, dengan memperkirakan peristiwa yang akan terjadi di masa depan dengan data di masa lalu.

B. Tujuan Peramalan Berikut adalah pengertian tujuan peramalan menurut : Subagyo (2002) mengemukakan tujuan peramalan adalah mendapatkan peramalan yang bisa meminimumkan kesalahan peramalan (forecast error) yang bisa diukur dengan Mean Absolute Error (MAD) dan Mean Square Error (MSE). Sehingga dengan adanya peramalan produksi manajemen perusahaan akan mendapatkan gambaran keadaan produksi dimasa yang akan datang, dan akan memberikan kemudahan dalam manajemen perusahaan dalam menentukan kebijakan atau keputusan yang akan dibuat oleh perusahaan.

C. Langkah-langkah Peramalan Render dan Heizer (2005) mengemukakan peramalan terdiri dari tujuh langkah dasar. Delapan langkah dasar tersebut adalah : a. Menetapkan tujuan peramalan. b. Memilih unsur apa yang akan diramal c. Menentukan horizon waktu peramalan. d. Memilih tipe model peramalan. commit to user

15


digilib.uns.ac.id

e. Mengumpulkan data yang dibutuhkan untuk melakukan peramalan. f. Menentukan model peramalan yang tepat g. Membuat peramalan. h. Memvalidasi dan menerapkan hasil peramalan.

D. Jenis-jenis Peramalan Render dan Heizer (2009) mengemukakan pada umumnya berbagai organisasi menggunakan tiga jenis peramalan yang utama dalam perencanaan operasi di masa depan. a. Peramalan Ekonomi Peramalan ekonomi menjelaskan siklus bisnis dengan memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan,dan indikator perencanaan lainnya. b. Peramalan Teknologi Peramalan teknologi memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik yang membutuhkan pabrik dan peralatan baru. c. Peramalan Permintaan Peramalan Permintaan adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan. Peramalan ini disebut juga peramalan penjualan

yang

mengendalikan

produksi,kapasitas,

serta

sistem

penjadwalan dan menjadi input bagi perencanaan keuangan,pemasaran, commit to user

16


digilib.uns.ac.id

dan sumber daya manusia. Selain itu, Taylor (2004) dalam hubungannya dengan horizon waktu peramalan terbagi atas beberapa kategori, yaitu : 1) Ramalan jangka pendek (short-range forcest) mencakup masa depan yang dekat (immediate future) dan memperhatikan kegiatan harian suatu perusahaan bisnis, seperti permintaan harian atau kebutuhan sumber daya harian. 2) Ramalan jangka menengah (medium-range forcest) mencakup jangka waktu satu atau dua bulan sampai satu tahun. Ramalan jangka waktu ini umumnya lebih berkaitan dengan rencana produksi tahunan dan akan mencerminkan hal-hal seperti puncak dan lembah dalam suatu permintaan dan kebutuhan untuk menjamin adanya tambahan untuk sumber daya untuk tahun berikutnya 3) Ramalan jangka panjang (long-range forcest) mencakup periode yang lebih lama dari satu atau dua tahun. Ramalan ini berkaitan dengan usaha manajemen untuk merencanakan produk baru untuk pasar yang berubah,

membangun

fasilitas

baru,

atau

menjamin

adanya

pembiayaan jangka panjang

E. Karakteristik Peramalan Ishak (2010) mengemukakan karakteristik peramalan yang baik sebagai berikut : a. Akurasi Diukur dengan kebiasaan dan kekonsistenan peramalan tersebut. commit to user

17


digilib.uns.ac.id

b. Biaya Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari jumlah item yang diramalkan, lama periode, dan metode peramalan yang dipakai. c. Kemudahan Penggunaan metode peramalan yang sederhana, mudah dibuat dan mudah diaplikasikan akan membuat keuntungan bagi perusahaan

F. Metode Peramalan Menurut Render dan Heizer (2005) terdapat dua pendekatan yang digunakan dalam peramalan, yaitu: a. Pendekatan Kualitatif Yaitu peramalan yang menggabungkan faktor-faktor penting seperti intuisi nilai (Render dan Heizer, 2005), teknik peramalan kualitatif yang dapat digunakan adalah sebagai berikut : 1) Keputusan dari pendapat juri eksekutif Teknik peramalan yang meminta pendapat segolongan kecil manajer tingkat tinggi dan menghasilkan estimasi permintaan kelompok. 2) Metode delphi Teknik peramalan yang menggunakan proses kelompokdimana pakar melakukan peramalan.

commit to user

18


digilib.uns.ac.id

3) Gabungan dari Teknik Penjualan Teknik peramalan berdasarkan prediksi tenaga penjualan akan penjualan yang diharapkan. 4) Survey Pasar Konsumen Metode peramalan yang meminta input dari konsumen mengenai rencana pembelian mereka dimasa depan. b. Pendekatan Kuantitatif Yaitu pendekatan peramalan yang menggunakan satu atau lebih model matematis, dengan data masa lalu dan variabel sebab akibat, untuk meramalkan permintaan (Render dan Heizer, 2005) ini menggunakan berbagai model matematis yang menggunakan data historis dan atau variabel-variabel kausal untuk meramalkan permintaan. Menurut Render dan Heizer (2005) peramalan kuantitatif dikelompokan kedalam dua model, yaitu : 1) Model Seri Waktu (Time Series) Metode time series adalah teknik peramalan yang menggunakan sekumpulan data masa lalu untuk melekukan peramalan (Render dan Heizer, 2005). Pendekatan data kuantitatif dari seri waktu, dapat dilakukan dengan lima metode (Render dan Heizer, 2005), yaitu : a)

Metode Penghalusan Eksponensial (exponential smoothing) Eksponential Smoothing merupakan teknik rata – rata bergerak. Eksponential Smoothing mencakup pemelihar Menurut commit to user

19


digilib.uns.ac.id

Render dan Heizer (2005) rumus Eksponential Smoothing adalah sebagai berikut : Ft = Ft-1 + a (At-1 – Ft-1) Dimana : Ft

= peramalan baru

Ft-1

= peramalan sebelumnya

a

= konstanta penghalusan (pembobot) (0 £ a ³ 1 )

At-1 b)

= permintaan aktual periode sebelumnya.

Metode Rata-rata bergerak sederhana (Single Moving Average) Metode rata-rata bergerak tunggal menggunakan sejumlah data aktual permintaan yang baru untuk membangkitkan nilai ramalan untuk perminataan di masa yang akan datang. Metode ini akan efektif diterapkan apabila kita dapat mengasumsikan bahwa permintaan pasar terhadap produk akan tetap stabil sepanjang waktu (Gaspersz, 2005). Bila permintaan berubah secara signifikan dari waktu ke waktu, ramalan harus cukup agresif dalam mengantisipasi perubahan tersebut, sehingga nilai N yang kecil akan lebih cocok dipakai. Sebaliknya, bila permintaan cenderung stabil selama jangka waktu yang panjang, sebaiknya dipakai nilai N yang besar (Nasution, 2005). commit to user

20


digilib.uns.ac.id

Secara sistematis, penulisan persamaan Single Moving Averages adalah : Rata-rata

bergerak

n-Periode

=

Keterangan : ∑ = jumlah n c)

= adalah jumlah periode dalam rata-rata bergerak.

Pendekatan naif Metode peramalan yang mengasumsikan bahwa permintaan pada periode berikutnya adalah sama dengan permintaan dalam periode sebelumnya.

d)

Metode Rata-rata bergerak tertimbang (weighted moving average) Model rata-rata bergerak terbobot ini lebih responsif terhadap perubahan, karena data dari periode yang baru biasanya diberi bobot yang lebih besar. (Gaspersz, 2005). Pemilihan bobot merupakan hal yang tidak pasti karena tidak ada rumus untuk menetapkan(Render dan Heizer, 2005). Secara matematis, persamaan penulisan Weighted Moving Average adalah sebagai berikut (Render dan Heizer, 2005): Rata-rata bergerak dengan pembobotan =

commit to user

21


e)

digilib.uns.ac.id

Metode proyeksi trend (Trend Projection) Metode peramalan dengan Proyeksi Trend ini mencocokkan garis trend kerangkaian titik data historis dan kemudian memproyeksi garis itu ke dalam ramalan jangka menengah hingga jangka panjang (Render dan Heizer, 2005) secara matematis, persamaan penulisan trend adalah sebagai berikut : =a+bx Keterangan : = ramalan jumlah produksi a

= persilangan sumbu y

b

= kemiringan garis regresi (atau tingkat perubahan pada y untuk perubahan yang terjadi di x)

x

= variable bebas (dalam kasus ini adalah waktu)

Untuk mencari nilai a dan b menggunakan rumus : b=

a=

Untuk menentukan nilai x dan y menggunakan rumus :

Keterangan : b

= kemiringan garis regresi

∑

= tanda penjumlahan total commit to user = nilai variable bebas yang diketahui

x

22


y

digilib.uns.ac.id

= variable terkait yang diketahui = rata-rata nilai y = rata-rata nilai x

n

= jumlah data atau pengamatan

2) Model kausal a) Proyeksi Trend (Trend Projection) Teknik ini mencocokkan garis ke rangkaian titik historis dan kemudian memproyeksikan garis itu ke dalam ramalan jangka menengah hingga jangka panjang. Rumus proyeksi Trend menurut Render dan Heizer (2001 : 58) Ù

y=a+bx

Keterangan : a

: perpotongan sumbu y

b : kemiringan garis / kelandaian garis regresi

x : waktu (variabel bebas) Ù

y : nilai variabel yang dihitung untuk diprediksi

Untuk memperoleh nilai a dan b diperoleh dengan : b=

å xy - x y å x 2 - xx 2 Ù

a = y- b x Keterangan : b

commit to user : kelandaian garis regresi 23


digilib.uns.ac.id

å

: tanda penjumlahan

x

: nilai variabel bebas

y

: nilai variabel y

x

: rata – rata nilai x

y

: rata rata nilai y

n

: jumlah data / observasi

b) Analisis Regresi Linier Regresi biasanya digunakan sebagai alat kasus ekonomi dan hukum. Menurut Render dan Heizer (2005) menuliskan persamaan regresi linear sebagai berikut : Rumus : Ù

y=a+bx

Keterangan : Ù

y : nilai variabel tidak bebas

a


b : kelandaian garis regresi

x : variabel bebas G. Pengukuran Kesalahan Peramalan a. Pengukuran Kesalahan Peramalan 1) Kesalahan dalam peramalan mempengaruhi keputusan melalui dua cara: a) Kesalahan dalam memilih teknik peramalan commit to user

24


digilib.uns.ac.id

b) Kesalahan dalam mengevaluasi keberhasilan menggunakan teknik peramalan. 2) Rumus yang sering digunakan dalam menghitung kesalahan, yaitu Mean Absolute Deviation (MAD) dan Mean Square Error (MSE). Mean Absolute Deviation rata – rata kesalahan absolute dan Mean Square Error adalah ukuran deviasi peramalan dan tidak mempertimbangkan apakah kesalahan itu negatif atau positif. Mean Absolute Deviation =

S(kesalahan peramalan) n

Rumus Mean Square Error menurut Render dan Heizer (2001) Mean Square Error =

S kesalahan peramalan 2 n

Dimana : S = jumlah n = periode

commit to user

25


digilib.uns.ac.id

BAB III PEMBAHASAN

A. DESKRIPSI OBJEK PENELITIAN 1. Gambaran umum PT. Kusumahadi Santosa Di Jawa Tengah khususnya di surakarta terdapat

banyak

perusahaan tekstil. Salah satu perusahaan tekstil yaitu perusahaan keluarga yang memproduksi tekstil yang bercorak batik. Perusahaan tersebut adalah PT . Danar Santosa. Pendiri perusahaan ini adalah bapak R.H Santosa berdasarkan akta Notaris Miriam, SH tanggal

21 Maret 1975

NO.22/PPA/1975. PT. Danar Hadi Santosa berkembang sangat pesat dri tahun ke tahun dan pada tahun 1980 PT. Danar Hadi Santosa mendirikan anak perusahaan. Anak perusahaan tersebut adalah PT. Kusumahadi Santosa berdasarkan Akta Notaris Maria Theresia Budi Santosa, SH, dalam keputusannya NO.YA5/287/4. PT. Kusumahadi Santosa resmi berdiri pada tanggal 14 Mei 1981 NO.II/II/1980. Perusahaan ini berbentuk Perseorangan Terbatas (PT), di dalam undang-undang No 6 tahun 1981 tentang PMDN menjadi dasar hukumnya. Perustrusahaan ini merupakan perusahaan yang bergerak dalam bidang industri tekstil dan dalam hal ini proses produksinya terdiri dari weaving, finishing, printing, dan dyeing. Sedangkan produk yang dihasilkan adalah kain mentah (Grey), kain putih (Cambrig),dan kain printing. PT. Kusumahadi Santosa terletak di Surakarta bagian timur, commit to user

26


digilib.uns.ac.id

tepatnya di jalan Raya Solo – Tawangmangu KM 9,5 Jaten, Karanganyar. Oleh menteri Tenaga Kerja RI Bapak Soedomo pada tanggal 21 September 1983 PT. Kusumahadi Santosa diresmikan, dengan fasilitas yaitu : a. Bangunan pabrik, perumahan karyawan dan fasilitasnya, bangunan kantor dan peralatannya b. Delapan (8) mesin di departemen weaving. c. Enam belas (16) mesin di departemen finishing d. Sarana olahraga dan bangunan lain sebagai pelengkap. PT.Kusumahadi Santosa kadang-kadang sulit mendapatkan benang yang baik dan halus, maka pada tahun 1987 didirikan PT.Kusumaputra Santosa. PT.Kusumaputra Santosa bergerak di bidang Spining (Pemintalan benang), menempati tanah seluas 5 hektar dan mulai trial running pada bulan juli 1990. Hasil produksi PT. Kusumaputra Santosa sebesar 60 % dan selebihnya dijual di pasar bebas, PT. Kusumahadi Santosa terdiri dari tiga unit

produksi,

yaitu

Weaving

(Petenunan),

Pre

Treatment, dan

Printing(Pencapan). Sedangkan PT. Kusumaputra Santosahanya memiliki satu unit produksi saja yaitu Spinning (Pemintalan Benang) yang dihasilkan sangat bervariasi sesuai permintaan konsumen. Adapun

mesin-mesin

yang

digunakan

untuk

produksi

di

PT.Kusumahadi Santosa adalah sebagai berikut: 1. Mesin-mesin Tenun PT.Kusumahadi Santosa a. Suttle loomping 1) Type GH-9 Shedding Lobby 56” commit to user

27


digilib.uns.ac.id

2) Type GH-9 Shedding Lappet 65” b. Air jet loom 1) Type ajl 205 2) Type ajl 205i c. Dobby 1) Yamada GD 50 2. Untuk mesin persiapan a) Waping (Beninger, Baba) b) Sizing (Shuccer Muller, Zell, Baba) c) Reaching (Todo) 3. Pre treatment a) Mercerizing b) Sanforizing c) Pad Batch Dying d) Gassingeing e) Parble 4. Printing Mesin-mesin yang digunakan adalah a) Mesin Flat Inchinose b) Mesin Stenter Wakayana c) Mesin Cold Pad Batch mesin Rotary Print d) Mesin Steamer untuk Print commit to user

28


digilib.uns.ac.id

2. Tujuan PT. Kusumahadi Santosa Tekstil merupakan kebutuhan pokok setiap orang, sejak lahir sampai mati, mudah mengikut situasi, kondisi dan zamannya. Industri tekstil yang relatif menarik banyak tenaga kerja selalu menjadi perintis industrialisasi bagi negara yang sedang berkembang. Dengan pertumbuhan penduduk atau pertumbuhan ekonomi, maka permintaan tekstil semakin meningkat, tetapi persaingan juga semakin ketat. Oleh karena itu, PT.Kusumahadi selalu memperhatikan dan berusaha memenuhi kebutuhan dan keinginan pelanggan melalui peningkatan mutu, pelayanan dan daya saing. a.

Tujuan perusahan 1) Meningkatkan Sumber Daya Manusia yang terlatih, disiplin yang tinggi, mampu bekerja keras dalam menghadapi ketatnya persaingan dibidang tekstil 2) Meningkatkan mutu pelayanan dan daya saingnya. 3) Mengarahkan segala sumber daya dan usaha yang disertai dengan sistem manajemen yang tepat guna dan berdaya guna. 4) Mendapatkan keuntungan/laba dari penjualan produksi 5) Ikut membantu pemerintah dalam hal menciptakan lapangan pekerjaan bagi masyarakat. 6) Membantu pendapatan pemerintah daerah tempat perusahaan didirikan 7) Meleatarikan batik dan mendukung pengadaan bahan baku yang dibutuhkan dalam pembuatan batik halus. commit to user

29


digilib.uns.ac.id

b. Sasaran mutu perusahaan 1) Meningkatkan produktivitas 2) Mengurangi jumlah tuntutan ganti rugi pemesanan 3) Mengurangi jumlah keluhan dari pelanggan

3. Lokasi Perusahaan Lokasi PT. Kusumahadi Santosa terletak di tepi utara jalan raya Solo – Tawangmangu KM 9,4 Jaten, Karanganyar, Jawa Tengah. Area tanah seluas 47.140 m2 yang terdiri dari tanah untuk bangunan pabrik, kantor, perumahan, koperasi, kantin, tempat parkir, poliklinik. Pemilihan lokasi tersebut atas dasar pertimbangan sebagai berikut : a. Sarana transportasi yang mudah PT. Kusumahadi Santosa berada di jalan Solo-Tawangmangu yang merupakan jalan alternatif menuju arah Jawa Timur dan sebaliknya. b. Tersedianya sumber tenaga kerja PT. Kusumahadi Santosa

merupakan perusahan yang mudah

mendapatkan tenaga kerja murah karena melakukan kerjasama dengan beberapa Sekolah Menengah Kejuruan (SMK) yang ada di Karanganyar c. Faktor Fasilitas Tersediannya listrik dan air merupakan faktor yang tak kalah penting dalam memilih suatu lokasi perusahaan. Tersedianya listrik dan kemudahan mendapatkan air menjadikan kegiatan produksi berjalan dengan lancar. Oleh sebab itu manajemen PT. Kusumahadi Santosa commit to user

30


digilib.uns.ac.id

memilih lokasi di Jaten Karanganyar karena di lokasi tersebut dapat terpenuhi d. Perijinan Perijinan untuk mendirikan perusahan di daerah Jaten, Karanganyar cukup mudah mengingat di daerah

tersebut juga banyak terdapat

perusahaan.

4. Lay Out PT.Kusumahadi Santosa Pengaturan tata letak serta susunan mesin-mesin, peralatanperalatan dan fasilitas-fasilitas lain dalam perusahaan harus ditentukan sedemikian rupa sehingga benar-benar efektif dan efisien. Penyusunan serta pengatur letak ini harus disesuaikan dengan kondisi dalam perusahaan. Lay Out PT.Kusumahadi Santosa dapat dilihat pada gambar 3.1

commit to user

31

Gambar 3.1 Lokasi PT Kusuma Hadi 32


digilib.uns.ac.id

5. Aspek Personalia a. Sistem Personalia PT.Kusumahadi Santosa Tenaga kerja di PT.Kusumahadi Santosa telah memenuhi ketentuan-ketentuan ketenagakerjaan yang diatur oleh Departemen Tenaga Kerja RI, antara lain mengenai jam kerja, sistem kompensansi, jaminan sosial dan lain-lain. Jumlah tenaga kerja PT.Kusumahadi Santosa ± 2.257 karyawan, yang terdiri dari karyawan kantor, Spinning, Weaving I, Weaving II, dan bagian Utility. Secara rinci dapat dilihat di tabel berikut: Tabel 3. 1 Jumlah Tenaga Kerja PT. Kusumahadi Santosa Keterangan Komisaris Direksi Staff Weavinf I PPC Weaving II Finishing Printing Utility Keuangan Umum Pemasaran Jumlah

L 3 29 450 6 142 101 340 54 8 90 49 1272

P

Jumlah

2 1 7 247 9 76 23 52

2 4 36 697 15 218 124 392 54 21 96 56 1715

13 6 7 443

commit to user

33


digilib.uns.ac.id

Tabel 3. 2 Jumlah Tenaga Kerja Weaving II Bagian

Jumlah

Group A

19

Group A

20

Group A

22

Group A

22

Group A

19

Group A

23

Group A

21

Administrasi dan Quality Control

43

Maintenance

29

Jumlah

218

Sumber: data PT. Kusumahadi Santosa 2011

commit to user

34


digilib.uns.ac.id

b. Sistem Kerja PT. Kusumahadi Santosa memberlakukan jam kerja 7 jam sehari dengan 6 hari kerja yaitu Senin sampai dengan hari Sabtu. Sedangkan berdasarkan jam kerjanya dibedakan menjadi : 1. Normal a) Senin – Kamis

Jam 08.00-16.00 WIB

Istirahat

Jam 12.00-13.00 WIB

b) Jumat

Jam 08.00-16.00 WIB

Istirahat

Jam 11.30-13.30 WIB

c) Sabtu

Jam 08.00- 13.00 WIB

2. Shift Sedangkan untuk karyawan shift adalah sebagai berikut: a) Shift I

Jam 06.00-14.00 WIB

b) Shift II

Jam 14.00-22.00 WIB

c) Shift III

Jam 22.00-06.00 WIB

c. Jaminan Sosial 1.

Jaminan Kesejahteraan Karyawan: a) Jaminan beribadah b) Jaminan olahraga dan rekreasi c) Jaminan kesehatan dan pengobatan d) Jaminan untuk upah lembur e) Jaminan jamsostek commit to user

35


digilib.uns.ac.id

f) Perusahaan menyediakan bus

untuk antar jemput untuk

karyawan g) Jaminan koperasi karyawan h) Perusahaan memberikan pakaian kerja untuk karyawan produksi, maintenance, karyawan kantor dan karyawan masing-masing mendapatkan 2 pasang baju dalam 1 tahun. i) Perusahaan memberikan makanan dan minuman pada saat jam istirahat di perusahaan 2.

Pemberian Tunjangan, antara lain : a) Tunjangan perkawinan b) Tunjangan hari raya c) Tunjangan kematian d) Tunjangan kecelakaan kerja

3. Memberikan cuti dan hari-hari libur, antara lain: a) Hari libur resmi/istirahat minggu dan bagi shift tiap 3 hari libur 1 hari b) Cuti karena haid dan sakit c) Cuti tahunan d) Cuti kepentingan sosial e) Cuti kehamilan

commit to user

36


digilib.uns.ac.id

6. Struktur Organisasi Dan Job Description a. Struktur Organisasi Organisasi dalam perusahaan adalah kerjasama antara orangorang dalam perusahaan untuk mencapai suatu keuntungan dengan berdasarkan prinsip-prinsip ekonomi. Dalam suatu organisasi atau perusahaan sangat diperlukan adanya struktur organisasi karena akan memudahkan dan membantu pimpinan dalam mengawasi jumlah kegiatan perusahaan serta memperlancar tugas-tugas karyawan. Manfaat dari penyusunan struktur organisasi bagi perusahaan antara lain : 1) Karyawan dapat mengetahui kepada siapa ia harus bertanggung jawab dan mengetahui kepada siapa seorang atasan memberi tugas 2) Mempermudah pelaksanaan tugas 3) Mengkoordinasi kegiatan yang dilakukan oleh bawahan sehingga dapat tercapai tujuan yang telah direncanakan 4) Menghindari kekosongan kerja maupun duplikasi tugas, karena adanya struktur organisasi karyawan mengetahui dengan jelas akan tugas dan tanggung jawabnya. Untuk

lebih

jelasnya

mengenai

struktur

organisasi

PT.Kusumahadi Santosa berikut ini adalah bagan struktur organisasi PT.Kusumahadi Santosa:

commit to user

37

Gambar 3.2 38


digilib.uns.ac.id

b. Job Description Dari bagan organisasi PT. Kusumahadi Santosa dapat dijelaskan mengenai tugas dan tanggungjawab masing-masing bagian adalah sebagai berikut: 1) Pemegang Saham Merupakan orang-orang yang mempunyai saham secara hukum atas kepemilikan perusahaan. 2) Dewan Komisaris Dewan Komisaris merupakan badan tertinggi dalam organisasi perusahaan yang anggotanya diangkat dan diberhentikan oleh rapat umum pemegang saham. Adapun tugas dari Dewan Komisaris yaitu mengatur dan mengkoordinir kepentingan para pemegang saham sesuai dengan ketentuan yang telah ditetapkan dalam kebijaksanaan umum perusahaan. 3) Direktur Utama Mempunyai tugas sebagai berikut: a) Memimpin perusahaan b) Mengawasi perusahaan c) Mendelegasikan sebagai wewenang dan tanggung jawab kepada manajer d) Menentukan kebijakan pokok dalam perencanaan, penyusunan, pengendalian dan pengembangan perusahaan commit to user

39


digilib.uns.ac.id

e) Melakukan pembinaan kegiatan dan menilai hasil dari tujuan perusahaan yang dibantu oleh staff ahli operasional, pengawasan, dan internal audit 4) Kepala Divisi Pemasaran Mempunyai tugas dan wewenang membawahi 3 bidang pemasaran yaitu: a) Manager Gudang Pemasaran Bertanggung jawab untuk menjaga stabilitas penyimpanan produk yang akan dijual b) Manager Penjualan Manager penjualan mempunyai tugas mencari calon konsumen dan menjaga relasi hubungan baik dengan konsumen dalam negeri maupun luar negeri c) Manager Eksport Manager Eksport menangani masalah penjualan produksi yang akan dieksport 5) Kepala Divisi Produksi I Kepala Divisi Produksi I mempunyai tugas dan wewenang membawahi 5 bidang produksi yang dikhususkan produksi kain polos (cambric) yaitu: a) Manager Utility

commit to user

40


digilib.uns.ac.id

Manager utility bertanggung jawab atas pemeliharaan dan pengadaan diesel dan listrik yang dipergunakan untuk operasi perusahaan b) Manager PPC Bertanggung jawab atas perencanaan dan pengendalian bahan baku benang c) Manager Spinning Bertanggung jawab atas jalannya proses produksi pemintalan benang secara keseluruhan d) Manager Weaving I dan II Bertanggung jawab atas jalannya proses produksi kain polos (cambric) baik secara kualitas maupun kuantitas 6) Kepala Divisi Produksi II Kepala divisi produksi II mempunyai tugas dan wewenang membawahi 5 bidang produksi yang dikhususkan produksi kain polos (cambric) menjadi kain yang bercorak yaitu: a) Manajer produksi Printing Bertanggung jawab atas produksi di pencapan dan pencelupan secara keseluruhan b) Manajer Persiapan Bertanggung jawab akan persediaan kualitas dan kuantitas kain sebelum dan sesudah proses di bagian printing c) Manajer Desain

commit to user

41


digilib.uns.ac.id

Bertanggung jawab atas pengadaan Desain kain bercorak d) Manager pre Treatment Bertanggung jawab atas pengujian bahan baku yang menggunakan bahan kimia yang digunakan dalam proses produksi 7) Kepala Divisi Umum dan Keuangan a) Manajer Akutansi dan Keuangan Bertanggung jawab mengurusi bidang keuangan, melakukan pembayaran gaji karyawan, dan menyalin laporan keuangan bagi pihak yang bersangkutan dengan perusahaan b) Manajer Umum dan Personalia Bertanggung jawab memperlancar perkembangan perusahaan dan kesejahteraan pegawai serta menentukan urusan kepegawaian, mencari dan menyeleksi tenaga kerja yang sesuai dengan spesifikasi dan kebutuhan, dan mengadakan hubungan dengan pihak

luar

untuk

hal-hal

tertentu,

misalnya

kunjungan

keperusaahan lain, pelatihan, dan penelitian. c) Manajer EDP ( Electronic Data Processing) Manajer EDP bertanggung jawab memproses berbagai data yang ada dalam perusahaan. 7. Aspek Produksi Adapun proses produksi di bagian departemen weaving II dapat dilihat sebagai berikut: commit to user

42


digilib.uns.ac.id

Bahan Baku Benang

Warping

Cone Winding

Sizing

Tying

Draw In Leasing In dan Reaching

Air Jet Loom

Inspecting

Folding

Gambar 3.3 Flow chart weaving II

a. Bahan Baku Bahan baku yang digunakan dalam proses produksi PT. Kusumahadi Santosa, meliputi :

commit to user

43


digilib.uns.ac.id

1) Benang Bahan baku berupa benang disuplay 60% dari PT.Kusumaputra Santosa dan 40% dari pabrik pemintalan lainnya. 2) Bahan-bahan Kimia Bahan-bahan kimia di datangkan 30% dari import dan sisanya didapat pabrik kimia di Indonesia. 3) Spare Part Spare Part dari import untuk shuttle 20 % dan 50% untuk jet loom sisannya di datangkan dari pabrik di Indonesia b. Warping Proses warping merupakan proses penggulungan benang lusi ke dalam beam lusi yang akan dipasang pada mesin tenun dalam bentuk gulungan yang sejajar dengan panjang tertentu lebar tertentu, jumlah lusi tertentu dengan tegangan lusi yang sama. c. Sizing Sizing merupakan proses penganjian dengan formula bahan kimia tertentu untuk meningkatkan daya tenun lusi, menambah sifat licin benang dan menambah kekuatan tarik benang. d. Cone Winding Cone Winding merupakan proses penggulungan benang pakan dari bentuk cone menjadi bentuk palet yang rata dan padat dengan diameter dan panjang yang telah di tentukan. commit to user

44


digilib.uns.ac.id

e. Reaching In Reaching In merupakan proses pencucukan (memasukkan) benang lusi pada dropper, gun dan sisir sesuai dengan rencana tenun. f. Leasing In Leasing In merupakan proses penghitungan jumlah benang lusi dengan jenis kontruksi yang sama pada saat penenunan. g. Tying Tying merupakan proses penyambungan benang lusi dengan jenis kontruksi yang sama pada saat penenunan h. Air Jet Loom Air Jet Loom merupakan proses pembuatan jalinan benang dengan gerakan-gerakan

naik

turun

vertikal

dilakukan

dengan

cara

menggerakkan exentrik dengan injakan untuk memasukkan benang pakan sehingga menjadi lembaran kain mentah (grey) i. Inspecting Inspecting merupakan proses pengendalian kualitas untuk mengetahui cacat-cacat kain sehingga, dapat menentukan macam dari grade kain yang dihasilkan. j. Folding Folding merupakan proses pelipatan hasil akhir yaitu, kain yang telah diperbaiki di mesin inspecting dengan ukuran satu meter perlapis kain.

commit to user

45


digilib.uns.ac.id

B. Laporan Magang Kerja 1. Tempat dan Waktu Pelaksanaan Magang Kegiatan magang dilakukan JL. Raya Jaten Km 9,4 Jaten, Karanganyar, Jawa Tengah. Telp: (62-271)825636, Fax (62-271)825478, 825628. Magang kerja dilaksanakan pada tanggal 16 Januari s/d 16 Februari 2012, yaitu selama satu bulan. Magang kerja dilaksanakan setiap hari Senin- Sabtu yang dimulai pada pukul 08.00 s/d 16.00 WIB, kecuali hari sabtu magang dimulai pukul 08.00 s/d 13.00 WIB. 2. Kegiatan Magang Kerja Selama kegiatan magang kerja berlangsung, mahasiswa diwajibkan untuk mengikuti tata tertib yang telah ditentukan oleh perusahaan diantaranya sebagai berikut : a. Peserta magang diwajibkan melapor kepada pembimbing lapangan sebelum pelaksanaan magang kerja. b. Peserta magang diwajibkan memakai pakaian baju putih dan celana hitam dengan ketentuan rapi dan sopan. c. Datang dan pulang tepat waktu sesuai aturan yang ditetapkan. d. Tidak diperkenakan merokok selama kegiatan magang kerja berlangsung. Waktu pelaksanaan magang sudah disepakati antara pihak perusahaan dan penulis, dimana waktu pelaksanaan magang kerja selama satu bulan yaitu 16 januari-16 Februari 2012. Untuk waktu pelaksanaan commit to user

46


digilib.uns.ac.id

magang kerja dalam satu minggu masuk enam kali dan lama penelitian mulai pukul 08.00-16.00 WIB, khusus untuk hari sabtu mulai pukul 08.00-13.00 WIB. Kegiatan selama magang kerja telah diatur oleh pihak PT.Kusumahadi Santosa yang disesuaikan dengan jurusan yang diambil mahasiswa adalah manajemen industri maka pelaksanaan magang kerja ditempatkan di bagian produksi. Berikut ini merupakan rincian laporan semua kegiatan selama penelitian yang dilakukan penulis di PT. Kusumahadi Santosa: a. Minggu pertama 1) Perkenalan mahasiswa dengan pembimbing lapangan. 2) Perkenalan dengan beberapa karyawan perusahaan. 3) Penjelasan dari pembimbing lapangan tentang hal-hal yang berkaitan dengan perusahaan, khususnya pada weaving II. 4) Mengamati lokasi, lingkungan perusahaan dan cara kerja mesin serta proses produksi. 5) Merekap data hasil inspecting kerusakan dari karyawan. b. Minggu kedua 1) Mengamati proses penganjian, pencucukan dan penenunan 2) Melakukan wawancara pada bagian administrasi 3) Membantu pekerjaan karyawan di weaving II c. Minggu ketiga 1) Mengamati proses pelipatan kain 2) Membantu karyawan dalam merekap data harian commit to user

47


digilib.uns.ac.id

3) Membantu bagian administrasi d. Minggu keempat 1) Membantu karyawan dalam merekap data kualitas 2) Membantu karyawan dalam merekap data inspecting 3) Meminta sample kain 4) Perpisahan

C. Pembahasan Masalah PT. Kusumahadi Santosa adalah perusahaan yang bergerak dalam bidang tekstil khususnya membuat kain cambric (kain putih polos). Salah satu produk yang diproduksi adalah kain CDP 2024. Hasil produksi nya sebagian besar masuk ke pasar ekspor dengan beberapa negara tujuan diantaranya : Turki, Belanda, dan Eropa. Dalam bab ini peneliti akan membahas mengenai peramalan produksi kain CDP 2024. Dalam perhitungan peramalan ini penulis menggunakan data produksi kain CDP 2024 pada bulan januari – Desember 2011. Adapun data produksi yang dugunakan untuk menghitung peramalan dan pembahasannya adalah

commit to user

48


digilib.uns.ac.id

Tabel 3.3 Data Produksi Kain CDP 2024 PT. Kusumahadi Santosa Januari-Desember 2011

Bulan

Produksi

Januari

374.227

Februari

384.560

Maret

334.381

April

299.917

Mei

259.072

Juni

435.672

Juli

217.300

Agustus

223.533

September

156.895

Oktober

248.970

November

304.267

Desember

282.383

Sumber : PT.Kusumahadi Santosa Berdasarkan tabel 3.3 dapat dilihat bahwa data produksi kain CDP 2024 pada PT. Kusumahadi Santosa berfluktuasi dari bulan ke bulan. Produksi kain paling tinggi terjadi pada bulan Juni yaitu sebesar 435.672,01 meter dan produksi paling rendah terjadi pada bulan to user Metode yang sesuai digunakan September yaitu sebesar commit 156.894,61.

49


digilib.uns.ac.id

adalah time series. Pemilihan metode time series lebih sesuai dari pada metode klausal, karena metode time series lebih cocok untuk data yang bersifat acak seperti data diatas, sedangkan klausal lebih cocok digunakan untuk data yang berupa sebab akibat. 1. Perhitungan Peramalan a. Metode Single Moving Averages Persamaan yang digunakan adalah: Single Moving Averages

Keterangan : n = Jumlah periode dalam rata-rata bergerak ( periode yang digunakan pada penelitian ini adalah 3-bulanan dan 4-bulanan) Apabila data aktual produksi kain CDP 2024 di terapkan pada persamaan Single Moving Averages , maka hasilnya adalah : 1) Single Moving Average 3- Bulanan

April

: 374.227 + 384.560 + 334.381 3 : 364.389,3

Mei

: 384.560 + 334.381 + 299.917 3 : 339.619,3

commit to user

50


Juni

digilib.uns.ac.id

: 334.381 + 299.917 + 259.072 3 : 297.790

Juli

: 299.917 + 259.072 + 435.672 3 : 331.553,7

Agustus

: 259.072 + 435.672 + 217.300 3 : 304.014,7

September

: 435.672 + 217.300 + 223.533 3 : 292.168,3

Oktober

: 217.300 + 223.533 + 156.895 3 : 199.242,7

November

: 223.533 + 156.895 + 248.970 3 : 209.799,3

Desember

: 156.895 + 248.970 + 304.267 3 : 236.710,7

Januari

: 248.970 + 304.267 + 282.383 3 : 278.540

commit to user

51


digilib.uns.ac.id

Tabel 3.4 Peramalan Produksi Kain CDP 2024 Dengan Metode Single Moving Average 3-Bulanan Januari- Desember 2011 Bulan Produksi Forcest Januari

374.227

-

Februari

384.560

-

Maret

334.381

-

April

299.917

364.389,3

Mei

259.072

339.619,3

Juni

435.672

297.790

Juli

217.300

331.553,7

Agustus

223.533

304.014,7

September

156.895

292.168,3

Oktober

248.970

199.242,7

November

304.267

209.799,3

Desember

282.383

236.710,7

Totals

3.521.177

Average

293.431,41 278.540

Next Period (januari 2012) Sumber : Data yang telah diolah

Dari tabel 3.4 dapat dilihat bahwa hasil peramalan dengan metode Single commitMoving to user Average 3-bulanan dapat dimulai

52


digilib.uns.ac.id

pada bulan keempat yaitu bulan April 2011. Peramalan dimulai pada bulan keempat karena tiga bulan sebelumnya digunakan sebagai dasar untuk menentukan peramalan. Tabel 3.5 Pengukuran Kesalahan (error) peramalan Pada Peramalan Produksi Kain CDP 2024 Dengan Metode Single Moving Average 3-bulanan Januari – Desember 2011

MAD = 802.777,8

: 89.197,53 meter

9 MSE = 80.968.990.000

: 8.996.555.000 meter

9 Berdasarkan tabel 3.5 Berdasarkan perhitungan diatas dapat dianalisis bahwa dengan metode Single Moving Average 3 bulanan, terdapat kesalahan (error) peramalan MAD sebesar 89.197,53

meter dan MSE

8.996.555.000 sebesar meter. Data ini digunakan sebagai dasar pembanding commit to user

53


digilib.uns.ac.id

dengan data kesalahan (error) peramalan metode lain, untuk dicari metode peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil 2) Single Moving Average 4-bulanan Mei

: : 348.271,3

Juni

: : 319.482,5

Juli

: : 332.260,5

Agustus

: : 302.990,3

September

: : 283.894,3

Oktober

: : 258.350

November

: : 211.674,5

Desember

: : 233.416,3 commit to user

54


digilib.uns.ac.id

Januari 2012 : : 248.128,8 Tabel 3.6 Peramalan Produksi Kain CDP 2024 Dengan Metode Single Moving Average 4-Bulanan Januari- Desember 2011 Bulan Produksi (meter) Forcest Januari

374.227

-

Februari

384.560

-

Maret

334.381

-

April

299.917

-

Mei

259.072

348.271,3

Juni

435.672

319.482,5

Juli

217.300

332.260,5

Agustus

223.533

302.990

September

156.895

283.899,3

Oktober

248.970

258.350

November

304.267

211.674,5

Desember

282.383

233.416,3

Totals

3.521.177

Average

293.431,41

Next Period (januari

248.148,8

2012)

Sumber : Data yang telah diolah commit to user

55


digilib.uns.ac.id

Dari tabel 3.6 Berdasarkan perhitungan diatas dapat dianalisis bahwa dengan metode Single Moving Average 4 bulanan dapat dimulai pada bulan kelima yaitu bulan Mei 2011. Peramalan dimulai pada bulan kelima karena empat bulan sebelumnya digunakan sebagai dasar untuk menentukan peramalan. Tabel 3.7 Pengukuran Kesalahan (error) Peramalan Pada Peramalan Produksi Kain CDP 2024 Dengan Metode Single Moving Average 4-bulanan Januari-Desember 2011

Sumber : Perhitungan dengan POM for Window

MAD = 677.745

: 84.718,13 meter

8 MSE = 68.173790.000

: 8.521.723.000 meter

8 commit to user

56


digilib.uns.ac.id

Berdasarkan tabel 3.7 Berdasarkan perhitungan diatas dapat dianalisis bahwa dengan metode Single Moving Average 4 bulanan, terdapat kesalahan (error) peramalan MAD sebesar 84.718,3

meter dan MSE sebesar

8.521.723.000 meter. Data ini digunakan sebagai dasar pembanding dengan data kesalahan (error) peramalan metode lain, untuk dicari metode peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil.

b. Metode Weighted Moving Averages Persamaan yang digunakan adalah: Weighted Moving Average =

Keterangan : ( pembobotan yang digunakan penulis dalam penelitian ini adalah 3 bulanan terbobot dan 4 bulanan terbobot) Apabila data aktual produksi kain CDP 2024 diterapkan pada persamaan Weighted Moving Average (3 bulanan terbobot dan 4 bulanan terbobot), maka hasilnnya adalah : 1) Weighted Moving Average 3 bulan Terbobot Pemberian bobot untuk metode Weighted Moving Average 3 bulanan terbobot adalah satu bulan yang lalu diberi bobot 3, dua bulan yang lalu diberi bobot 2, tiga bulan yang lalu diberi bobot 1, dengan jumlah pembobotan 6. commit to user

57


April

digilib.uns.ac.id

= (3 × 334.381) + (2 × 384.560) + (1×374.227) 6 = 357.748,33

Mei

= (3 × 299.917) + (2 × 334.381) + (1×384.560) 6 =325.512,16

Juni

= (3 × 259.072) + (2 ×299.917) + (1×334.381) 6 =285.238,5

Juli

= (3 × 435.672) + (2 ×259.072) + (1×299.917) 6 = 354.179,5

Agustus

= (3 × 217.300) + (2 ×435.672) + (1×259.072) 6 = 297.052,66

September

= (3 × 223.533) + (2 ×217.300) + (1×435.672) 6 = 256.811,8

Oktober

= (3 × 156.895) + (2 ×223.533) + (1×217.300) 6 = 189.175,16

November

= (3 × 156.895) + (2 ×223.533) + (1×217.300) 6 = 214.038,83

commit to user

58


Desember

digilib.uns.ac.id

= (3 × 156.895) + (2 ×223.533) + (1×217.300) 6 = 261.272,66

Januari

= (3 × 282.383) + (2 ×304.267) + (1×248.970) 6 = 284.108,83

Tabel 3.8 Peramalan Produksi Kain CDP 2024 Dengan Metode Weighted Moving Average 3-Bulanan Terbobot Januari- Desember 2011 Forcest Bulan Produksi (meter) Januari

374.227

-

Februari

384.560

-

Maret

334.381

-

April

299.917

357.748,3

Mei

259.072

325.512,1

Juni

435.672

285.238,5

Juli

217.300

354.179,5

Agustus

223.533

297.052,6

September

156.895

256.811,8

Oktober

248.970

189.175,1

November

304.267

214.038,8

Desember

282.383

261.272,6

Totals

3.521.177 commit to user

59


digilib.uns.ac.id

293.431,41

Average Next Period (januari 2012)

284.108,8

Sumber : Data yang telah diolah Dari tabel 3.8 Berdasarkan perhitungan diatas dapat dianalisis bahwa dengan metode Weighted Moving Average 4 bulanan dapat dimulai pada bulan keempat yaitu bulan April 2011. Peramalan dimulai pada bulan keempat karena tiga bulan sebelumnya digunakan sebagai dasar untuk menentukan peramalan Tabel 3.9 Pengukuran Kesalahan (error) Peramalan Pada Peramalan Produksi Kain CDP 2024 Dengan Metode Weighted Moving Average 3-bulanan Januari-Desember 2011

Sumber : Perhitungan dengan POM for Window

MAD =756.154,3 9

: 84.017,14 meter commit to user

60


digilib.uns.ac.id

MSE = 76.675.687.225

: 8.519.522.000 meter

9 Berdasarkan tabel 3.9 Berdasarkan perhitungan diatas dapat dianalisis bahwa dengan metode Weighted Moving Average 3 bulanan terbobot, terdapat kesalahan (error) peramalan MAD sebesar 84.017,14 meter dan MSE sebesar 8.519.522.000 meter. Data ini digunakan sebagai dasar pembanding dengan data kesalahan (error) peramalan metode lain, untuk dicari metode peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil 2) Weighted Moving Average 4-bulanan terbobot Pemberian bobot untuk metode Weighted Moving Average 4 bulan terbobot adalah satu bulan yang lalu diberi bobot 4, dua bulan yang lalu diberi bobot 3, tiga bulan yang lalu diberi bobot 2, empat bulan yang lalu diberi bobot 1, dengan jumlah pembobotan 10.

Mei

= ( 4× 299.917) + ( 3×334.381) + ( 2×384.560) + ( 1×374.227) 10 = 334.596,9

Juni

= ( 4× 259.072) + ( 3×299.917) + ( 2×334.381) + ( 1×384.560) 10 = 298.936,1

Juli

= ( 4× 435.672) + ( 3×259.072) + ( 2×299.917) + ( 1×334.381) 10 = 345.411,9

commit to user

61


Agustus

digilib.uns.ac.id

= ( 4× 217.300) + ( 3×435.672) + ( 2×259.072) + ( 1×299.917) 10 = 299.427,7

September = ( 4× 223.553) + ( 3×217.300) + ( 2×435.672) + ( 1×259.072) 10 = 267.652,8 Oktober

= ( 4× 156.895) + ( 3×223.553) + ( 2×217.300) + ( 1×435.672) 10 = 216.851,1

November = ( 4× 248.970) + ( 3×156.895) + ( 2×223.553) + ( 1×217.300) 10 = 213.097,1 Desember = ( 4× 304.267) + ( 3×248.970) + ( 2×223.553) + ( 1×217.300) 10 = 250.132,1 Januari

= ( 4× 304.267) + ( 3×248.970) + ( 2×223.553) + ( 1×217.300) 10 = 269.716,8

commit to user

62


digilib.uns.ac.id

Tabel 3.10 Peramalan Produksi Kain CDP 2024 Dengan Metode Weighted Moving Average 4-Bulanan Terbobot Januari- Desember 2011 Bulan Produksi (meter) Forcest Januari

374.227

-

Februari

384.560

-

Maret

334.381

-

April

299.917

-

Mei

259.072

334.596,9

Juni

435.672

298.936,1

Juli

217.300

345.411,9

Agustus

223.533

299.427,7

September

156.895

267.652,8

Oktober

248.970

216.851,1

November

304.267

213.097,1

Desember

282.383

250.132,1

Totals

3.521.177

Average

293.431,41


269.716,8

2012)

Sumber : data yang telah diolah Dari tabel 3.10 Berdasarkan perhitungan diatas dapat dianalisis bahwa dengan metode Weighted Moving Average commit to user 4 bulanan dapat dimulai pada

63


digilib.uns.ac.id

bulan kelima yaitu bulan Mei 2011. Peramalan dimulai pada bulan kelima karena empat bulan sebelumnya digunakan sebagai dasar untuk menentukan peramalan

Tabel 3.11 Pengukuran Kesalahan (error) Peramalan Produksi Kain CDP 2024 Dengan Metode Weighted Moving Average 4-bulanan terbobot Januari-Desember 2011

MAD =682.587,8

: 85.323,47 meter

8 MSE = 69.226.680.000

: 8.653.336.000 meter

8

Berdasarkan tabel 3.11 Berdasarkan perhitungan diatas dapat dianalisis bahwa dengan metode Weighted Moving Average 4 bulanan commit to user terbobot, terdapat kesalahan (error) peramalan MAD sebesar 85.323,47

64


digilib.uns.ac.id

meter dan MSE sebesar 8.653.336.000 meter. Data ini digunakan sebagai dasar pembanding dengan data kesalahan (error) peramalan metode lain, untuk dicari metode peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil c. Metode Exponential Smoothing Persamaan yang digunakan adalah : Ft = Ft-1 + a (At-1 – Ft-1) Dimana : Ft

= peramalan baru

Ft-1

= peramalan sebelumnya

a

= konstanta penghalusan (pembobot) antara 0-1, dimana penulis menggunakan (α = 0,1 a = 0,5 dan a = 0,9)

At-1 = permintaan aktual periode sebelumnya Apabila data produksi kain CDP 2024 diterapkan pada persamaan Exponential Smoothing ( a = 0,1 a = 0,5 dan a = 0,9), maka hasilnya adalah : 1). Exponential Smoothing Maret

= 374.227 + 0,1 ( 384.560 – 374.227 ) = 375.260,3 meter

April

= 375.260,3 + 0,1 ( 334.381 –375.260,3) = 371.172,4 meter

Mei

= 371.172,4 + 0,1 ( 299.917 - 371.172,4) commit to user = 364.046,8 meter

65


Juni

digilib.uns.ac.id

= 364.046,8 + 0,1 (259.072 – 364.046,8) = 353.549,3 meter

Juli

= 353.549,3 + 0.1 ( 435.672 – 353.549,3) = 361.761,6 meter

Agustus

= 361.761,6 + 0,1 ( 217.300 – 361.761,6) = 347.315,5 meter

September

= 347.315,5 + 0,1 ( 223.533- 347.315,5) = 334.937,2 meter

Oktober

= 334.937,2 + 0,1 ( 156.895 – 334.937,2) = 317.133 meter

November

= 317.133 + 0,1 ( 248.970 – 317.133) = 310.316,7 meter

Desember

= 310.316,7 + 0,1 ( 304.267 – 310.316,7) = 309.711,7 meter

Januari 2012

= 309.711,7 + 0,1 ( 282.383 – 309.711,7) = 306.978,8 meter

commit to user

66


digilib.uns.ac.id

Tabel 3.12 Peramalan Produksi Kain RYP 2026 Dengan Metode Exponential Smoothing ( α = 0,1 ) Januari- Desember 2011 Bulan Produksi (meter) Forcest Januari

374.227

-

Februari

384.560

374.227

Maret

334.381

375.260,3

April

299.917

371.172,4

Mei

259.072

364046,8

Juni

435.672

353.549,3

Juli

217.300

361.761,6

Agustus

223.533

347.315,5

September

156.895

334.937,2

Oktober

248.970

317.133

November

304.267

310.316,7

Desember

282.383

309.711,7

Totals

3.521.177

Average

293.431,41


306.978,8

2012)

Sumber : Data yang telah diolah Dari tabel 3.12 dapat dilihat bahwa pada bulan Januari 2011 belum dapat melakukan peramalan, hal ini terjadi karena belum cukup data commit to user

67


digilib.uns.ac.id

peramalan pada periode sebelumnya. Maka hasil peramalan bulan Februari 2011 menggunakan data terdekat yaitu data produksi pada bulan Januari. Tabel 3.13 Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP 2024 Dengan Metode Exponential Smoothing ( α = 0,1 ) Januari – Desember 2011

Sumber : Perhitungan dengan POM for Windows MAD =857.392,9

: 77.944,8 meter

11 MSE = 97.939.010.000

: 8.903.546.000 meter

11

Berdasarkan tabel 3.13 Berdasarkan perhitungan diatas dapat dianalisis bahwa dengan metode Exponential Smoothing α = 0,1 , terdapat kesalahan (error) peramalan MAD sebesar 77.944,8

meter dan MSE

commit to user 8.903.546.000 sebesar meter. Data ini digunakan sebagai dasar pembanding

68


digilib.uns.ac.id

dengan data kesalahan (error) peramalan metode lain, untuk dicari metode peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil 2). Exponential Smoothing Maret

= 374.227 + 0,5 ( 384.560 – 374.227 ) = 379.393,5 meter

April

= 379.393,5 + 0,5 ( 334.381 – 379.393,5) = 356.887,25 meter

Mei

= 356.887,25 + 0,5 ( 299.917 - 356.887,2) = 328.402,12 meter

Juni

= 328.402,12 + 0,5 (259.072 – 328.402,12) = 293.737,06 meter

Juli

= 293.737,06 + 0.5 ( 435.672 – 293.737,06) = 364.704,53 meter

Agustus

= 364.704,53 + 0,5 ( 217.300 – 364.704,53) = 291.002,26 meter

September

= 291.002,26 + 0,5 ( 223.533- 291.002,26) = 257.267,63 meter

Oktober

= 257.267,63 + 0,5 ( 156.895 – 257.267,63) = 207.081,31 meter

November

= 207.081,31 + 0,5 ( 248.970 – 207.081,31) = 257.267,63 meter

Desember

= 257.267,63 + 0,5 ( 304.267 – 228.025,65) = 266.146,32 meterto user commit

69


Januari 2012

digilib.uns.ac.id

= 266.146,32 + 0,5 ( 282.383 – 266.146,32) = 274.264,66 meter

Tabel 3.14 Peramalan Produksi Kain RYP 2026 Dengan Metode Exponential Smoothing ( α = 0,5 ) Januari- Desember 2011 Bulan Produksi (meter) Forcest Januari

374.227

-

Februari

384.560

374.227

Maret

334.381

379.393,5

April

299.917

356.887,25

Mei

259.072

328.402,12

Juni

435.672

293.737,06

Juli

217.300

364.704,53

Agustus

223.533

291.002,26

September

156.895

257.267,63

Oktober

248.970

207.081,31

November

304.267

257.267,63

Desember

282.383

266.146,32

Totals

3.521.177

Average

293.431,41


274.264,66

2012)

Sumber : Data yang telah diolah commit to user

70


digilib.uns.ac.id

Dari tabel 3.14 dapat dilihat bahwa pada bulan Januari 2011 belum dapat melakukan peramalan, hal ini terjadi karena belum cukup data peramalan pada periode sebelumnya. Maka hasil peramalan bulan Februari 2011 menggunakan data terdekat yaitu data produksi pada bulan januari 2011. Tabel 3.15 Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP 2024 Dengan Metode Exponential Smoothing ( α = 0,5 ) Januari – Desember 2011

Sumber : Perhitungan dengan POM for Windows

MAD =773.193,9

: 70.290,36 meter

11 MSE = 74.516.590.000

: 6.774.236.000 meter

11 commit to user

71


digilib.uns.ac.id

Berdasarkan tabel 3.15 Berdasarkan perhitungan diatas dapat dianalisis bahwa dengan metode Exponential Smoothing α = 0,5 , terdapat kesalahan (error) peramalan MAD sebesar 70.290,36 meter dan MSE 6.774.236.000 sebesar meter. Data ini digunakan sebagai dasar pembanding dengan data kesalahan (error) peramalan metode lain, untuk dicari metode peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil 3). Exponential Smoothing Maret

= 374.227 + 0,9 ( 384.560 – 374.227) = 383.526,7 meter

April

= 383.526,7 + 0,9 ( 334.381 – 383.526,7) = 339.295,57 meter

Mei

= 339.295,57 + 0,9 ( 299.917 – 339.295,57) = 303.854,85 meter

Juni

= 303.854,85 + 0,9 ( 259.072 – 303.854,85) = 263.550,85 meter

Juli

= 263.550,85 + 0,9 ( 435.672 – 263.550,85) = 418.459,88 meter

Agustus

= 418.459,88 + 0,9 ( 217.300 – 418.459,88) = 237.415,98 meter

September

= 237.415,98 + 0,9 ( 223.533 – 237.415,98) = 224.921,29 meter

Oktober

= 224.921,29 + 0,9 ( 156.895 – 224.921,29) commit = 163.697,62 meterto user

72


digilib.uns.ac.id

November

= 163.697,62 + 0,9 ( 248.970 – 163.697,62) = 240.442,76 meter

Desember

= 240.442,76 + 0,9 ( 304.267 – 240.442,76) = 297.884,57 meter

Januari 2012

= 297.884,57 + 0,9 ( 282.383 – 297.884,57) = 283.933,2 meter Tabel 3.16

Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP 2024 Dengan Metode Exponential Smoothing ( α = 0,9 ) Januari – Desember 2011

MAD = 763.429,1

: 69.402,65 meter

11 MSE = 92.574.910.000 11

: 8.415.901.000 meter commit to user

73


digilib.uns.ac.id

Berdasarkan tabel 3.16 Berdasarkan perhitungan diatas dapat dianalisis bahwa dengan metode Exponential Smoothing α = 0,9 , terdapat kesalahan (error) peramalan MAD sebesar 69.402,65

meter dan MSE

sebesar 8.415.901.000 meter. Data ini digunakan sebagai dasar pembanding dengan data kesalahan (error) peramalan metode lain, untuk dicari metode peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil

d. Metode Proyeksi Tren ( Trend Projection) Rumus : Ù

y=a+bx

Keterangan : Ù

y

: nilai variabel tidak bebas

a


b

: kelandaian garis regresi

x

: variabel bebas

Untuk mengetahui nilai x dan

= 78

diperoleh dengan :

= 3.521.177

12 = 6,5

12 = 293.431,4 commit to user

74


digilib.uns.ac.id

Nilai b diperoleh dengan : b=

=

= -11.786,35 Sedangkan nilai a diperoleh dengan : a= = 293.431,4 + (11.786,36 ) (6,5) = 370.042,75 Adapun hasil peramalan bulan januari 2011 dan tingkat kesalahannya, adalah sebagai berikut: Ù

y=a+bx

Januari

= 370.042,7 + (-11.786,35) (1) = 358.256,35 meter

Februari

= 370.042,7 + (-11.786,35) (2) = 346470,0 meter

Maret

= 370.042,7 + (-11.786,35) (3) = 334683,6 meter

April

= 370.042,7 + (-11.786,35) (4) = 322897,3 commit meter to user

75


Mei

digilib.uns.ac.id

= 370.042,7 + (-11.786,35) (5) = 311110,9 meter

Juni

= 370.042,7 + (-11.786,35) (6) = 299324,6 meter

Juli

= 370.042,7 + (-11.786,35) (7) = 287538,2 meter

Agustus

= 370.042,7 + (-11.786,35) (8) = 275751,9 meter

September

= 370.042,7 + (-11.786,35) (9) = 263965,5 meter

Oktober

= 370.042,7 + (-11.786,35) (10) = 252179,2 meter

November

= 370.042,7 + (-11.786,35) (11) = 240392,8 meter

Desember

= 370.042,7 + (-11.786,35) (12) = 228606,5 meter

Januari 2012 = 370.042,7 + (-11.786,35) (13) = 216820,1 meter Perhitungan tingkat kesalahan : MAD =

=

= 51343,12

MSE =

= commit to user = 4.136.601.000 76


digilib.uns.ac.id

Tabel 3.17 Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP 2024 Dengan Metode Trend Projection Januari – Desember 2011

Berdasarkan tabel 3.17 Berdasarkan perhitungan diatas dapat dianalisis bahwa dengan metode Trend Projection terdapat kesalahan (error) peramalan MAD sebesar 51.343,12 meter dan MSE sebesar 4.136.601.000 meter. Data ini digunakan sebagai dasar pembanding dengan data kesalahan (error) peramalan metode lain, untuk dicari metode peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil

commit to user

77


digilib.uns.ac.id

2. Perbandingan Hasil Peramalan Tabel 3.18 Perbandingan Hasil Peramalan Produksi Kain CDP 2024 PT. Kusumahadi Santosa Keterangan

MAD

MSE

Ramalan bulan januari 2012

Single

Moving 3 bulanan

89.197,53

8.996.555.000 278.540

4 bulanan

84.718,13

8.521.723.000 248.128,8

Weighted Moving 3-bulanan

84.017,14

8.519.522.000 284.108,8

85.323,47

8.653.336.000 269.716,8

0,1

77.944,8

8.903.546.000 306.978,8

0,5

70.290,36

6.774.236.000 274.264,7

0,9

69.402,65

8.415.901.000 283.933,2

51.343,12

4.136.601.000 216.820,1

Average

Average

terbobot 4-bulanan terbobot

Exponential Smoothing

Trend Projection

Sumber : data yang telah diolah Berdasarkan tabel 3.18 dapat dilihat bahwa metode Trend Projection merupakan metode yang paling tepat untuk meramalkan produksi kain CDP 2024 untuk bulan Januari 2011-januari 2012 karena memiliki tingkat kesalahan (error) peramalan

terkecil dibandingkan

dengan metode yang lain dengan MAD 51.343,12 meter dan MSE commit to user 4.136.601.000 sebesar meter.

78


digilib.uns.ac.id

BAB IV PENUTUP

A. Kesimpulan Dengan selesainya analisis data dan penyusunan tugas akhir dengan judul“PERAMALAN PROSES PRODUKSI KAIN CDP 2024 PADA DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA”. Dapat diambil kesimpulan sebagai berikut : a. Berdasarkan perhitungan ramalan produksi dengan Metode Single Moving Average 3 bulanan diperoleh peramalan untuk periode bulan Januari 2012 sebesar 278.540 meter dengan MAD 89.197,53 meter dan MSE 8.996.555.000 meter. b. Berdasarkan perhitungan ramalan produksi dengan Metode Single Moving Average 4 bulanan diperoleh peramalan untuk periode bulan januari 2012 sebesar 248.128,8 meter dengan MAD 84.718,13 meter dan MSE 8.521.723.000 meter. c. Berdasarkan perhitungan ramalan produksi dengan Metode Weighted Moving Average 3 bulanan diperoleh peramalan untuk periode bulan Januari 2012 sebesar 284.108,8 meter dengan MAD 84.017,14 meter dan MSE 8.519.520.802 meter . d. Berdasarkan perhitungan ramalan produksi dengan Metode Weighted Moving Average 4 bulanan diperoleh peramalan untuk periode bulan commit to user

79


digilib.uns.ac.id

Januari 2012 sebesar 269.716,8 meter dengan MAD 85.323,47 meter dan MSE 8.653.336.000 meter . e. Berdasarkan perhitungan ramalan produksi dengan Metode Exsponential Smoothing dengan a = 0,1 diperoleh peramalan untuk periode bulan Januari 2012 sebesar 306.978,8 meter dengan MAD 77.944,8 meter dan MSE 8.903.546.000 meter . f. Berdasarkan perhitungan ramalan produksi dengan Metode Exsponential Smoothing dengan a = 0,5 diperoleh peramalan untuk periode bulan januari 2012 sebesar 274.264,7 meter dengan MAD 70.290,36 meter dan MSE 6.774.236.000 meter . g. Berdasarkan perhitungan ramalan produksi dengan Metode Exsponential Smoothing dengan a = 0,9 diperoleh peramalan untuk periode bulan Januari 2012 sebesar 283.933,2 meter dengan MAD 69.402,65 meter dan MSE 8.415.901.000 meter h. Berdasarkan perhitungan ramalan produksi dengan Metode Trend Projection diperoleh peramalan untuk periode bulan Januari 2012 sebesar 216.820,1 meter dengan MAD 51.343,12 meter dan MSE 4.136.601.000 meter Dari hasil peramalan dan tingkat kesalahannya diketahui bahwa metode yang paling sesuai digunakan dalam menganalisis data dengan memiliki tingkat kesalahan yang paling kecil dari metode alternatif di atas yaitu Metode Trend Projection. Karena memiliki tingkat kesalahan (error) commit user4.136.601.000 meter. MAD sebesar 51.343,12 meter dantoMSE

80


digilib.uns.ac.id

B. Saran Berdasarkan

hasil analisis

data dan

kesimpulan

maka dapat

dikemukakan saran- saran sebagai bahan pertimbangan PT KUSUMAHADI SANTOSA. Adapun saran-saran yang penulis kemukakan adalah sebagai berikut : 1. Perusahaan sebaiknya menerapkan metode Trend Projection dalam meramalkan produksi kain CDP 2024 untuk periode mendatang, karena dari pengujian di atas metode ini memiliki MAD dan MSE yang paling kecil, sehingga hasil ramalan yang di dapatkan lebih mendekati aktual. 2. Penerapan metode peramalan sangat membantu perusahaan untuk menyelesaikan setiap pekerjaan dan mempermudah perusahaan dalam penghitungan. 3. Untuk meningkatkan efisiensi produksi, perusahaan perlu melakukan ramalan permintaan produksi dengan menggunakan data yang akurat dan relevan serta metode ramalan yang sesuai dengan fluktuasi data, sehingga dapat meminimalisir kesalahan ramalan dan dapat membantu dalam pengambilan keputusan baik di bidang perencanaan kebutuhan bahan baku, proses produksi, biaya produksi, maupun jam kerja yang dibutuhkan.

commit to user

81

PERAMALAN PROSES PRODUKSI KAIN CDP 2024 PADA DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA

Recommend Documents