PERENCANAAN PRODUKSI AGREGAT PT. UNITEX, Tbk. Oleh ADHI NUGROHO SY. AHMAD F

PERENCANAAN PRODUKSI AGREGAT PT. UNITEX, Tbk

Oleh ADHI NUGROHO SY. AHMAD F34101057

2009 FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR

Adhi Nugroho Sy. Ahmad. F34101057. Perencanaan Produksi Agregat PT. Unitex, Tbk. Dibawah Bimbingan Machfud. 2009.

RINGKASAN Sebagai sebuah perusahaan agroindustri tekstil terpadu, PT. Unitex, Tbk telah berkembang menjadi salah satu perusahaan yang berhasil bertahan ditengah persaingan global industri-industri tekstil di dunia. Dengan adanya persaingan yang semakin ketat, mengharuskan sebuah industri untuk melakukan proses produksi secara optimal dan efisien. Untuk mencapai hasil produksi yang maksimal, maka setiap industri melakukan beberapa perencanaan produksi. Perencanaan produksi agregat merupakan perencanaan yang bersifat menyeluruh dan umum. Perencanaan yang dilakukan akan memberikan gambaran yang luas mengenai kondisi yang akan datang. Dengan demikian dalam pengambilan keputusan dapat ditentukan kebijakan yang terbaik bagi perusahaan dalam mencapai target dan efisiensi produksi. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor dan permasalahan yang berpengaruh dalam penyusunan perencanaan produksi agregat di PT. Unitex, Tbk., melakukan peramalan dan prakiraan permintaan produk untuk memenuhi kebutuhan konsumen, merencanakan suatu jadwal produksi agregat yang optimal dan efisien dengan mempertimbangkan sasaran yang ingin dicapai oleh perusahaan. Perencanaan yang dikaji dalam penelitian ini dibatasi pada proses produksi kain, yaitu Yard Dyed dan Piece Dyed. Horison perencanaan selama 12 periode (bulan). Dalam melakukan prakiraan permintaan, model yang digunakan adalah model ARIMA (Auto Regressive Integrated Moving Average) yang dikembangkan oleh Box Jenkins. Dalam penyelesaiannya diolah dengan paket program Minitab 14. Hasil dari prakiraan permintaan ini menjadi dasar bagi penyusunan model perencanaan produksi. Perencanaan produksi agregat dilakukan dengan mempertimbangkan faktor-faktor dan peubah keputusan dalam manajemen perusahaan yang berhubungan dengan kapasitas produksi, persediaan produk, penentuan jam kerja reguler dan lembur dengan menggunakan biaya produksi seminimal mungkin. Penentuan tingkat efisiensi yang optimal sebagai tahap penyelesaian perencanaan produksi agregat ini digunakan metode atau model program sasaran linier dengan bantuan paket program LINDO (Linier Interactive Discrete Optimizer). Kebijaksanaan manajemen perusahaan menetapkan tiga prioritas sasaran dalam perencanaan produksi agregat, yaitu : (1) Tingkat produksi memenuhi jumlah permintaan, (2) Produksi tidak lebih dari jam kerja reguler yang tersedia, dan (3) Berproduksi tidak melebih dari jam kerja lembur yang tersedia. Perencanaan optimal merupakan hasil perencanaan yang meminimumkan penyimpangan dari sasaran yang ingin dicapai oleh perusahaan dalam berproduksi. Model yang layak digunakan untuk prakiraan permintaan adalah model ARIMA (1,0,1) dengan total prakiraan permintaan sebanyak 12.914.586 meter. Hasil perencanaan produksi agregat menunjukkan bahwa jumlah produksi pada jam kerja reguler sebesar 12.311.759 meter, sehingga membutuhkan waktu produksi di jam kerja lembur selama 309 jam dan jumlah produksi pada jam kerja lembur sebesar 602.827 meter. Dari hasil perencanaan ini diperlukan biaya total produksi keseluruhan mencapai Rp. 134.828.277.840,00.

Adhi Nugroho Sy. Ahmad. F34101057. Aggregate production planning of PT. Unitex,Tbk. Supervised by Machfud 2009.

SUMMARY As an integrated textile company agroindustry, PT. Unitex, Tbk has developed into one of the companies that successfully survive in the competitive global textile industries in the world. With the increasingly tight competition, require an industry to make the production process at an optimal and efficient. To achieve maximum production, each industry to do some planning of production. Aggregate production planning is the planning that is comprehensive and general. Planning will be conducted to provide a broad picture of the conditions that will come. Thus, in decision making can be determined is the best policy for the company in achieving the target and the efficiency of production. This study aims to identify the factors and issues that effect in aggregate production planning at PT. Unitex, Tbk., Make forecasts and forecasting demand for products to meet consumer needs, plan a schedule of aggregate production and optimal efficiency by considering the target to be achieved by the company. Planning is reviewed in this research are limited in the process of cloth production, the Yard Dyed and Piece dyed. Planning horizon for 12 periods (months). In the demand forecasts, the model used was the model ARIMA (Auto Regressive Integrated Moving Average), which was developed by Box Jenkins. In its processed with the program package Minitab 14. Results from the demand forecasts is the basis for the preparation of the production planning model. Aggregate production planning is done by considering the factors in the decision making of management company associated with the production capacity, product supply, the determination of regular working hours and overtime with the cost of production may be minimize. Determining the optimal level of efficiency as the settlement of aggregate production planning to use this method or model linier goal programming with the help of the program package LINDO (Linier discrete Interactive Optimizer). Policy management company set three priority objectives in the aggregate production planning, namely: (1) Level of production to meet the number of requests, (2) Production is not more than regular working hours are available, and (3) Production is not be in romance of overtime work hours are available. Planning is the result of the optimal planning that minimize distortions of the target to be achieved by the company in production. Appropriate model is used to model the demand forecasts ARIMA (1,0,1) with a total of 12.914.586 forecasts demand meters. Aggregate production planning results indicate that the amount of production in the regular working hours of 12.311.759 meters, so that production takes time in the overtime hours worked during the 309 hours and the amount of production on overtime working hours of 602.827 meters. The results of this plan required the total cost of production of up to Rp. 134.828.277.840,00.


SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN Pada Departemen Teknologi Industri Pertanian Fakultas Teknologi Pertanian Institut Pertanian Bogor

Oleh ADHI NUGROHO SY. AHMAD F34101057

2009 FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR

INSTITUT PERTANIAN BOGOR FAKULTAS TEKNOLOGI PERTANIAN


SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN Pada Departemen Teknologi Industri Pertanian Fakultas Teknologi Pertanian Institut Pertanian Bogor

Oleh ADHI NUGROHO SY. AHMAD F34101057 Dilahirkan pada tanggal 20 Agustus 1983 di Sragen

Tanggal lulus : 11 Februari 2009 Menyetujui, Bogor,

Februari 2009

Dr. Ir. Machfud, MS. Dosen Pembimbing

SURAT PERNYATAAN

Saya menyatakan dengan sebenar-benarnya bahwa skripsi dengan judul : ” PERENCANAAN PRODUKSI AGREGAT PT. UNITEX, Tbk ” adalah karya asli saya sendiri, dengan arahan dosen pembimbing akademik, kecuali yang dengan jelas ditunjukkan rujukannya.

Bogor, Februari 2009 Yang membuat pernyataan

Adhi Nugroho Sy. Ahmad F34101057

RIWAYAT HIDUP Penulis dilahirkan di Sragen pada tanggal 20 Agustus 1983. Penulis adalah anak keempat dari empat bersaudara. Penulis menyelesaikan pendidikan Sekolah Dasar di SD Negeri VI Sragen pada tahun 1995. Pada tahun 1998, penulis menyelesaikan Sekolah Lanjutan Tingkat Pertama di SLTP Negeri 1 Sragen dan pada tahun 2001 penulis menyelesaikan Sekolah Menengah Umum di SMU Negeri 2 Sragen. Penulis melanjutkan pendidikan di Institut Pertanian Bogor pada tahun 2001 melalui jalur Undangan Seleksi Masuk IPB (USMI) dan diterima di Departemen Teknologi Industri Pertanian, Fakultas Teknologi Pertanian. Penulis melaksanakan kegiatan Praktek Lapangan pada tahun 2008 di PT. Unitex, Tbk dengan judul “ Mempelajari Aspek Perencanaan Produksi dan Pengendalian Persediaan di PT. Unitex, Tbk ”. Penulis melakukan penelitian dengan judul “Perencanaan Produksi Agregat PT. Unitex, Tbk” sebagai salah satu syarat untuk menyelesaikan studi di Departemen Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor di bawah bimbingan Dr. Ir. Machfud, MS.

KATA PENGANTAR

Alhamdulillahi Robbil ’alamiin, puji syukur penulis panjatkan kehadirat Allah SWT atas rahmat, segala nikmat, karunia dan hidayah-Nya, sehingga skripsi ini dapat penulis selesaikan. Skripsi ini disusun sebagai tugas akhir untuk memperoleh gelar Sarjana Teknologi Pertanian di Departemen Teknologi Industri Pertanian, FATETA, IPB. Dalam skripsi ini berisi tentang hasil penelitian di PT. Unitex, Tbk mengenai formulasi perencanaan produksi agregat yang dapat dimanfaatkan secara optimal oleh perusahaan, sehingga kegiatan proses produksi dapat berjalan lebih efektif dan efisien. Dalam pelaksanaan penelitian hingga penyusunan skripsi ini tentunya tidak akan berarti tanpa bantuan dan bimbingan dari berbagai pihak. Oleh karena itu dengan segala kerendahan hati dan rasa hormat, penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada : 1. Dr. Ir. Machfud, MS., selaku dosen pembimbing akademik yang telah memberikan pengarahan, bantuan, bimbingan dan nasehat dari awal persiapan penelitian hingga selesainya penulisan skripsi ini. 2. Prof. Dr. Ir. Djumali Mangunwidjaja, DEA dan Ir. Faqih Udin, MSc., sebagai dosen penguji yang telah memberikan masukan, saran dan perbaikan dalam penyusunan skripsi ini. 3. Bapak dan Ibu tercinta, H. Ahmad Mastur Abbas dan Hj. Ummi Kulsum, atas kesabaran, kesederhanaan, dorongan, pengorbanan, pengertian dan do’a yang telah diberikan menjadi motivasi dan inspirasi bagi penulis. 4. Bapak Ir. Sukoco selaku Manajer Personalia PT. Unitex, Tbk. yang telah memberikan kesempatan pada penulis untuk melakukan penelitian. 5. Bapak Gunawan, Bapak Nasrul, Bapak Ocob Sobari, Bapak Kasiantoro, Ibu Dedeh selaku Karyawan PT. Unitex, Tbk yang telah memberikan bimbingan dan pengarahan dalam melakukan pengamatan, analisis permasalahan, diskusi serta penyediaan data untuk penyusunan skripsi. 6. Mbak Aisy, Mas Andhi dan Mas Afta untuk semangat dan do’anya. 7. Mimiquw Mira atas kasih, sayang dan cinta serta perhatian, kesabaran dan pengorbanannya baik lahir maupun batin kepada penulis. i

8. Karyawan PT. Unitex, Tbk. : Pak Sapta, Pak Syahrul, Pak Jarkasi, Pak Atim, Pak Puji, A’ Edi, A’ Jalu, A’ Ucay, Resa, Nilla, dll. atas kebersamaan dan bantuannya kepada penulis. 9. Teman-teman alumni Pondok Sahabat : Bang Irwen, Alam, Pak Andi, Pak Marius, Bang Yadi, Acun, Eko, Japandi, Yuki, Eka, Ricky, Yogi, Iyep, Dedy, (Alm.) Didin, Dadik, Iwan, Heri, Candra, Juki, Irvan, Aziz, Ucca, Novan, Wahid, Hendi, Sony, atas persahabatan, kenangan suka dan duka, persaudaraan serta bantuan yang telah diberikan. 10. Penghuni Pondok Sahabat : Hernawan, Fahmi, Alfa, Janji, Dolly, Acuy, Afid, Dedi, Bayu, Joger, Eldi, Irfan, atas kebersamaan, bantuan dan kerjasamanya. 11. A’ Chairul Fahmi untuk semangat, do’a, kesempatan serta kepercayaan yang diberikan kepada penulis. 12. Windi, Annisa, Iyus, Mas Angga, dan teman-teman semua yang telah bersedia hadir saat penulis mengadakan seminar penelitian. 13. Rekan-rekan TINers lainnya, yang telah memberikan pengalaman hidup berharga selama masa kuliah dan semangat persaudaraan. 14. Semua pihak yang tidak dapat disebutkan namanya satu persatu, yang telah bersedia memberikan bantuan dan kerjasamanya kepada penulis. Akhirnya penulis berharap semoga skripsi ini dapat memberikan manfaat bagi semua pihak, amiin.

Bogor, Februari 2009

Penulis

ii

DAFTAR ISI

Halaman KATA PENGANTAR ........................................................................................i DAFTAR ISI .......................................................................................................iii DAFTAR TABEL ..............................................................................................v DAFTAR GAMBAR ..........................................................................................vi DAFTAR LAMPIRAN ......................................................................................vii

I. PENDAHULUAN A. LATAR BELAKANG ............................................................................. 1 B. TUJUAN .................................................................................................. 2 C. MANFAAT .............................................................................................. 2 D. RUANG LINGKUP ................................................................................. 3

II. TINJAUAN PUSTAKA A. PERENCANAAN PRODUKSI ............................................................... 4 B. PERENCANAAN PRODUKSI AGREGAT ........................................... 5 C. MODEL PRAKIRAAN ARIMA ............................................................. 7 D. PROGRAM SASARAN LINIER ............................................................ 9 1. Konsep Dasar ........................................................................................ 9 a. Konsep Penyimpangan Sasaran ........................................................10 b. Fungsi Keberhasilan .........................................................................11 2. Model Umum ........................................................................................12

III. METODOLOGI PENELITIAN A. KERANGKA PEMIKIRAN ....................................................................14 B. PENDEKATAN BERENCANA .............................................................15 C. TATA LAKSANA ...................................................................................16 1. Identifikasi Masalah .............................................................................16 2. Teknik Pengumpulan Data ...................................................................17 3. Pengolahan dan Analisa Data ...............................................................17 iii

D. PEMBATASAN MASALAH ..................................................................18

IV. HASIL DAN PEMBAHASAN A. KONDISI PRODUKSI ............................................................................20 1. Proses Produksi ....................................................................................20 2. Parameter Proses Produksi ...................................................................21 a. Kecepatan Produksi .........................................................................21 b. Waktu Produksi ...............................................................................22 c. Kapasitas Produksi ...........................................................................23 d. Persediaan Produk ...........................................................................23 e. Kapasitas Gudang Penyimpanan .....................................................24 3. Parameter Biaya .....................................................................................24 a. Biaya Produksi .................................................................................24 b. Biaya Tenaga Kerja .........................................................................25 c. Biaya Penyimpanan .........................................................................25 B. PRAKIRAAN PERMINTAAN ...............................................................26 1. Data Penjualan ......................................................................................26 2. Prakiraan Permintaan ...........................................................................27 C. PERENCANAAN PRODUKSI AGREGAT ...........................................31 1. Sasaran Rencana Produksi ...................................................................31 2. Model Perencanaan ..............................................................................32 a. Fungsi Tujuan ..................................................................................32 b. Kendala Tujuan ................................................................................33 3. Perencanaan Produksi ..........................................................................37

V. KESIMPULAN DAN SARAN A. KESIMPULAN ........................................................................................44 B. SARAN ....................................................................................................45

DAFTAR PUSTAKA .........................................................................................46 LAMPIRAN ........................................................................................................47

iv

DAFTAR TABEL

Halaman Tabel 1. Formulasi Sasaran / Pembatas Program Sasaran Linier .........................12 Tabel 2. Jam Kerja Reguler untuk 12 Periode Perencanaan ................................22 Tabel 3. Jam Kerja Lembur untuk 12 Periode Perencanaan ................................23 Tabel 4. Data Penjualan Produk Kain 2007 .........................................................26 Tabel 5. Nilai ACF dan PACF .............................................................................29 Tabel 6. Prakiraan Permintaan Selama Periode Perencanaan Agregat ................31 Tabel 7. Hasil Perencanaan Produksi Agregat .....................................................38 Tabel 8. Biaya Perencanaan Produksi Agregat ....................................................42

v

DAFTAR GAMBAR

Halaman Gambar 1. Tahapan Pendekatan Metode ARIMA ............................................... 8 Gambar 2. Diagram Alir Tahapan Penelitian .......................................................19 Gambar 3. Grafik Data Penjualan Kain 2007 ......................................................27 Gambar 4. (a). Plot Nilai ACF Data Penjualan 2007, dan (b). Plot Nilai PACF Data Penjualan Kain 2007 .................................................................28 Gambar 5. (a). Plot Koefisien Autokorelasi (ACF) Nilai Sisa, dan (b). Plot Koefisien Autokorelasi Parsial (PACF) Nilai Sisa ...........................30

vi

DAFTAR LAMPIRAN

Halaman Lampiran 1. Layout Pabrik PT. Unitex, Tbk .......................................................45 Lampiran 2. Bahan Baku, Bahan Penolong dan Produk PT. Unitex, Tbk ...........48 Lampiran 3. Hasil Print Out Program Aplikasi Minitab 14 .................................49 Lampiran 4. Model Program Sasaran Linier ........................................................51 Lampiran 5. Hasil Output Program LINDO ........................................................54

vii

I.

PENDAHULUAN

A. LATAR BELAKANG Persaingan dunia industri di Indonesia ditandai dengan makin tumbuh dan berkembangnya industri-industri yang bergerak di bidang jasa maupun manufaktur. Hal ini menuntut setiap perusahaan untuk menghasilkan produk maupun jasa yang memiliki kualitas terbaik. Agar perusahaan dapat mencapai tujuan yang telah ditetapkan tersebut maka dilakukan optimalisasi dalam penggunaan sumber daya produksi. Pada akhirnya akan membuat perusahaan dapat terus bertahan dalam persaingan dan berkembang maju. Hampir setengah dari kegiatan industri manufaktur negara-negara berkembang di dunia berbasis pada agroindustri yang mengubah atau mentransformasi hasil pertanian mentah ke bentuk yang lebih bernilai. Agroindustri mencakup industri pengolahan hasil pertanian, industri peralatan mesin-mesin pertanian dan industri sektor jasa pertanian. Salah satu industri pertanian yang penting di dunia ini adalah industri tekstil. Tekstil merupakan salah satu produk pertanian yang sangat dibutuhkan oleh manusia karena multifungsinya. Sebagai sebuah perusahaan agroindustri terpadu dengan produk tekstil, PT Unitex, Tbk telah berkembang menjadi salah satu perusahaan yang berhasil bertahan di tengah persaingan global industri-industri tekstil di dunia. Dalam melaksanakan aktifitas produksinya PT. Unitex, Tbk menitikberatkan pada industri tekstil untuk memenuhi kebutuhan dalam negeri maupun luar negeri. Pasaran tekstil di dalam negeri dipengaruhi oleh daya beli konsumen dan pasokan dalam negeri baik yang berasal dari produksi dalam negeri maupun impor, sedangkan diluar negeri banyak tergantung situasi pasar internasional. Pada beberapa tahun terakhir perusahaan telah mengalami persaingan yang sangat hebat di pasar internasional. Dengan adanya persaingan yang semakin ketat, mengharuskan sebuah industri untuk melakukan proses produksi secara optimal dan efisien. Untuk

1

mencapai hasil produksi yang maksimal, maka setiap industri melakukan beberapa perencanaan produksi. Perencanaan produksi merupakan perencanaan dan pengorganisasian sebelumnya mengenai orang-orang (buruh yang dikaryakan), bahan-bahan, mesin-mesin dan peralatan serta modal yang diperlukan untuk memproduksi barang-barang pada suatu periode tertentu di masa depan sesuai dengan yang diperkirakan atau diramalkan. Oleh karena itu perencanaan produksi sangatlah penting bagi suatu perusahaan yang menginginkan agar proses produksi dapat berjalan secara optimal, efektif dan efisien. Dengan menyusun perencanaan yang bersifat menyeluruh dan umum, maka perencanaan dengan produk yang beraneka ragam (multi product) akan lebih mudah dilakukan. Perencanaan ini dikenal sebagai perencanaan produksi agregat. Perencanaan yang dilakukan secara menyeluruh akan memberikan gambaran yang luas mengenai kondisi yang akan datang. Dengan demikian dalam pengambilan keputusan dapat ditentukan kebijakan yang terbaik bagi perusahaan terutama untuk menghadapi berbagai persaingan di dunia industri tekstil dalam mencapai target dan efisiensi produksi. B. TUJUAN PENELITIAN Tujuan dari penelitian ini adalah untuk: 1. Mengidentifikasi faktor-faktor dan permasalahan yang berpengaruh dalam penyusunan perencanaan produksi agregat di PT. Unitex, Tbk. 2. Melakukan peramalan dan prakiraan permintaan produk untuk memenuhi kebutuhan konsumen. 3. Merencanakan suatu jadwal produksi agregat yang optimal dan efisien dengan mempertimbangkan sasaran yang ingin dicapai oleh perusahaan. . C. MANFAAT Manfaat yang akan diperoleh bagi pihak perusahaan dari pelaksanaan penelitian ini adalah didapatkannya suatu formulasi perencanaan produksi yang dapat dimanfaatkan secara optimal, sehingga kegiatan produksi dapat berjalan efektif dan efisien. Sedangkan manfaat bagi penulis, dapat

2

mengaplikasikan ilmu yang diperoleh selama masa perkuliahan dengan menerapkannya dipenelitian ini. D. RUANG LINGKUP Perencanaan yang dikaji dalam penelitian ini dibatasi pada proses produksi kain, yaitu Yard Dyed dan Piece Dyed yang berlangsung di PT. Unitex, Tbk berdasarkan parameter ketenagakerjaan, kapasitas produksi, biaya produksi dan kebijakan manajemen perusahaan. Horison perencanaan selama 12 periode (bulan) dan dibuat berdasarkan peramalan permintaan periode 12 bulan kedepan.

3

II. TINJAUAN PUSTAKA

A. PERENCANAAN PRODUKSI Perencanaan produksi merupakan salah satu fungsi manajemen. Pada perencanaan ditentukan usaha-usaha atau tindakan yang perlu diambil oleh pimpinan perusahaan dengan mempertimbangkan masalah-masalah yang mungkin timbul di masa yang akan datang (Assauri, 1993). Menurut Gaspersz (2002), perencanaan produksi merupakan suatu proses penetapan tingkat output manufakturing secara keseluruhan guna memenuhi tingkat penjualan yang direncanakan dan inventori yang diinginkan. Handoko (1997) berpendapat bahwa kegiatan perencanaan produksi dimulai dengan melakukan peramalan-peramalan (forecast) untuk mengetahui terlebih dahulu apa dan berapa barang yang perlu diproduksi pada waktu yang akan datang. Sedangkan menurut Scott (1994), perencanaan produksi didasarkan pada peramalan permintaan, yang diambil dari analisa penjualan masa lalu dan target produksi yang diperoleh dari data rencana bisnis perusahaan. Hasil dari perencanaan produksi menggambarkan angka / jumlah produksi pada waktu yang akan datang. Assauri (1993) mengemukakan secara umum perencanaan produksi ini memiliki beberapa tujuan. Tujuan perencanaan produksi tersebut antara lain adalah: 1. Untuk mencapai tingkat keuntungan tertentu. Misalnya berapa hasil atau output yang diproduksi agar dapat dicapai tingkat keuntungan tertentu. 2. Untuk menguasai pasar tertentu sehingga hasil atau output perusahaan ini tetap mempunyai pangsa pasar tertentu. 3. Untuk mengusahakan dan mempertahankan supaya perusahaan ini dapat bekerja pada tingkat efisiensi tertentu. 4. Untuk mengusahakan dan mempertahankan supaya pekerjaan dan kesempatan kerja yang sudah ada tetap pada tingkatannya dan berkembang

4

5. Untuk menggunakan sebaik-baiknya fasilitas yang sudah ada pada perusahaan yang bersangkutan. B. PERENCANAAN PRODUKSI AGREGAT Perencanaan

agregat

secara

umum

adalah

suatu

kegiatan

merencanakan hasil keluaran yang diinginkan pada jangkauan waktu 3 bulan sampai 1 tahun. Di dalam melakukan perencanaan secara agregat diperlukan suatu unit ukuran tertentu. Peramalan secara grup biasanya akan lebih akurat dibandingkan secara unit individual (Seethrama, Mc.Leavy dan Billington, 1995). Sedangkan menurut Schroeder (1993), perencanaan agregat berkaitan dengan pengimbangan antara pasokan (supply) dan permintaan akan keluaran (output) di dalam jangka waktu menengah sampai dengan lebih kurang 12 bulan ke depan. Istilah agregat mengandung arti bahwa perencanaan dilakukan untuk ukuran tunggal keluaran yang menyeluruh, yang paling banyak, atau beberapa kategori produk agregat. Machfud (1999) berpendapat bahwa perencanaan produksi agregat berkaitan dengan permasalahan ketidakseimbangan antara permintaan dan kemampuan produksi pada setiap periode perencanaan. Hal ini karena secara umum tingkat permintaan produk selalu tidak sama antar periode satu ke periode lainnya. Schroeder (1993) mengatakan bahwa tujuan dari perencanaan agregat adalah untuk menetapkan tingkat keluaran menyeluruh di dalam jangka waktu pendek atau menengah dalam menghadapi permintaan yang berfluktuatif atau tidak pasti. Menurut Machfud (1999), tujuan perencanaan produksi agregat adalah meminimumkan fluktuasi tingkat persediaan atau fluktuasi jumlah dan jam kerja produksi. Sedangkan menurut Stevenson (1986), tujuan dari perencanaan agregat adalah untuk mengembangkan perencanaan produksi yang layak pada tingkat produksi total, sehingga tercapai keseimbangan antara prakiraan permintaan dengan penawaran. Biaya minimum yang harus tercapai kadang-kadang perlu dipertimbangkan meskipun biaya bukanlah satu-satunya faktor yang berpengaruh.

5

Menurut Colley et. al (1978), perencanaan produksi dengan basis agregat dapat menentukan dan membantu penjadwalan operasi aktivitas produksi. Selanjutnya menurut Buffa (1987), perencanaan agregat akan meningkatkan jumlah alternatif untuk penggunaan kapasitas yang akan dievaluasi. Alternatif ini menguraikan beberapa strategi yang masing-masing memiliki kekurangan dan kelebihan. Masing-masing strategi tersebut disebut strategi murni yang kadang-kadang bila digabungkan akan menghasilkan alternatif yang lebih baik. Perencanaan agregat juga selalu berhubungan dengan pengambilan kapasitas produksi total. Kapasitas ini diukur dari kapasitas tenaga kerja atau kapasitas peralatan yang digunakan. Sedangkan tahapan umum untuk membuat perencanaan agregat menurut Stevenson (1986) adalah : 1. Menentukan permintaan untuk setiap periode perencanaan. 2. Menentukan kapasitas pada setiap periode. 3. Menelusuri kebijakan departemen yang berhubungan. 4. Menentukan biaya per unit untuk waktu kerja, lembur, sub kontrak, persediaan dan biaya lain yang relevan. 5. Mengembangkan alternatif perencanaan dan menghitung biayanya. 6. Jika perencanaan yang memuaskan telah tersusun, maka diseleksi yang paling tepat sesuai tujuan. Bedworth dan Bailey (1990) mengatakan bahwa metode yang digunakan dalam penyelesaian perencanaan produksi agregat pada umumnya dikelompokkan dalam dua metode, yaitu metode matematika dan metode heuristik yang masing-masing terdiri atas : 1. Metode Matematika a. Metode pemrograman linier b. Metode transportasi c. Metode aturan keputusan linier 2. Metode Heuristik a. Metode koefisien manajemen b. Metode grafik c. Metode parametrik

6

Stevy Noldy Rompas (1994) menetapkan tiga pemilihan strategi yang penting, yaitu memenuhi permintaan, berproduksi dengan menggunakan jam kerja reguler secara maksimum dan menggunakan kapasitas perusahaan secara maksimum. Sedangkan Wahyu Budiman (1997) menyusun perencanaan produksi agregat berdasarkan prakiraan permintaan dan sumber daya perusahaan, yaitu tenaga kerja, mesin produksi dan gudang penyimpanan. Perencanaan yang telah disusun kemudian dilakukan analisa biaya untuk mendapatkan perencanaan yang paling optimal. C. MODEL PRAKIRAAN ARIMA ARIMA (Auto Regresive Integrated Moving Average) adalah salah satu prakiraan yang menggunakan data masa lalu untuk diproyeksikan ke masa depan. Penerapan suatu model ARIMA, menurut Makridakis et.al. (1993), membutuhkan dua kegiatan utama yaitu (1) analisis terhadap deret data masa lalu dan berdasarkan hasilnya dilakukan (2) pemilihan model atau teknik prakiraan masa datang. Di dalam model ARIMA ini terdapat tiga proses yang digabungkan atau harus dilakukan sekaligus, yaitu proses pembangkitan autoregresif, proses pembedaan dan proses rata-rata bergerak yang secara umum ditulis ARIMA (p,d,q). Tahapan pendekatan yang dilakukan untuk menentukan model ARIMA yang sesuai secara garis besarnya dapat dilihat pada Gambar 1.

7

Merumuskan kelompok model umum

Penetapan model sementara

Penaksiran Parameter model Tidak Memadai

Prakiraan dengan model terpilih Gambar 1. Tahapan Pendekatan Metode ARIMA (Makridakis et.al., 1993) 1. Pengidentifikasian model, kombinasi (p,d,q) harus diidentifikasi secara teliti sampai diperoleh kesesuaian yang memadai terhadap deret berkala. Hal ini dilakukan dengan menyesuaikan autokorelasi teoritis untuk berbagai model autoregressive dan moving average (p,d,q). 2. Pendugaan parameter model untuk kombinasi yang diidentifikasi dalam tahap pertama, metode kuadrat terkecil yang digunakan untuk menyesuaikan model sementara yang dicoba terhadap deret berkala yang mendasari. Dengan demikian diperoleh koefisien untuk autoregressive dan moving average. 3. Pemeriksaan diagnostik, pemeriksaan ini dilakukan untuk memeriksa kecikupan penyesuaian model yang diduga dengan menganalisis nilainilai sisa yang dihasilkan. 4. Prakiraan,

model

prakiraan

yang

diterima

digunakan

untuk

menghasilkan prakiraan nilai mendatang.

8

Tahap identifikasi terdiri dari analisa terhadap data, nilai autokorelasi, nilai autokorelasi parsial dan pola spektranya. Metode ARIMA berkenaan dengan data yang stasioner, sehingga terhadap data yang non stasioner perlu dilakukan pembedaan atau diferensiasi. Konsep stasioner digambarkan oleh Makridakis (1993) sebagai berikut : 1. Apabila suatu deret di-plot dan kemudian tidak terbukti adanya perubahan nilai tengahnya dari waktu ke waktu, maka dikatakan deret tersebut stasioner pada nilai tengahnya. 2. Jika plot data tidak memperlihatkan adanya perubahan varians yang jelas dari waktu ke waktu, maka dapat dikatakan deret tersebut stasioner pada nilai tengahnya. C. PROGRAM SASARAN LINIER 1. Konsep Dasar Program sasaran linier (Linear Goal Programming) adalah suatu metodologi

matematis

dalam

penelitian

operasional

yang

dapat

menyelesaikan permasalahan dengan tujuan tunggal maupun tujuan berganda. Tujuan tersebut diberi urutan prioritas dan dianalisa secara simultan dengan pengurutan (Ignizio, 1983). Menurut Mulyono (2000), semua tujuan dalam program sasaran linier apakah satu atau beberapa digabungkan dalam sebuah fungsi tujuan. Hal ini dapat dilakukan dengan mengekspresikan tujuan itu dalam bentuk sebuah kendala, memasukkan variabel simpangan dalam kendala tersebut untuk mengetahui seberapa jauh tujuan dicapai dan menggabungkan variabel simpangan dalam fungsi tujuan. Tujuan dalam program sasaran linier meminimumkan penyimpangan-penyimpangan dari tujuan-tujuan tertentu, sehingga semua masalah dalam program sasaran linier adalah masalah minimisasi. Dengan

menggunakan

program

sasaran

linear,

pengambil

keputusan dapat memasukkan tujuan atau sasaran yang tidak dapat direduksi ke dalam suatu dimensi dalam formulasi masalah. Teknik ini tidak memerlukan translasi ukuran sasaran yang tidak sepadan

9

(incommensurable) menjadi ukuran keuntungan atau utilitas yang telah umum melalui pembentukan fungsi tujuan berdimensi ganda. Fleksibilitas program sasaran linier juga ditunjukkan dengan kemampuan teknik ini mengatasi permasalahan dengan tujuan-tujuan yang saling bertentangan secara efektif dan masih dapat memberikan pemecahan yang optimal berdasarkan urutan prioritas sasaran manajemen (Moskowitz dan Wright, 1979). Menurut Ignizio (1983) Asumsi dasar dalam program sasaran linier adalah pengambil keputusan harus dapat memberikan peringkat sasaran secara optimal menurut tingkat kepentingan perusahaan. Berdasarkan falsafah pemuasan (satisficing) yang menjadi karakter program sasaran linier, maka optimasi diwujudkan sedekat mungkin dengan sasaransasaran yang dipenuhi melalui pengurutan ordinal. Perbedaan antara berbagai tipe teknik program sasaran didasarkan pada pengukuran kebaikan (goodness) dari setiap pemecahan yaitu nilainilai peubah keputusan (x) terhadap seperangkat target numerik. Secara khusus hal tersebut ditunjukkan oleh konsep penyimpangan sasaran (goal deviation) dan fungsi keberhasilan (achievement function). a. Konsep Penyimpangan sasaran Secara umum terdapat tiga bentuk formulasi target / sasaran secara numerik, yaitu : f (x) = b f (x) ≤ b f (x) ≥ b dimana : x = peubah keputusan b = nilai target / sasaran Teknik program sasaran linier menggunakan falsafah pemuasan, sehingga

yang

menjadi

titik

perhatian

adalah

pengukuran

ketidakberhasilan (non achievement) dari setiap target atau sasaran yang merupakan penyimpangan yang tidak dikehendaki dari setiap tingkat aspirasi (bi)

10

Jika D = penyimpangan (deviasi) dari tingkat target sasaran, maka : D = b – f (x) Mengingat D dapat bernilai positif maupun negatif, maka : D = DB + DA DB x DA = 0 dan DB, DA ≥ 0 dimana : DB = penyimpangan dibawah target sasaran DA = penyimpangan diatas target sasaran Untuk memenuhi setiap target sasaran yang telah dirumuskan, setiap komponen penyimpangan sasaran harus diminimumkan. b. Fungsi Keberhasilan Peubah-peubah deviasi, DB dan DA memberikan jalan untuk mengukur ketidakberhasilan pencapaian target atau sasaran. Untuk membandingkan berbagai solusi dan menentukan solusi yang terbaik dari model matematik tujuan berganda (Multi Objective), diperlukan formulasi fungsi keberhasilan dalam bentuk fungsi tujuan. Beberapa metode yang dapat digunakan untuk menentukan formulasi fungsi keberhasilan, antara lain : 1. Meminimumkan jumlah deviasi sasaran yang telah diberi faktor pembobot. 2. Meminimumkan beberapa peubah deviasi sasaran tidak linier. Disini digunakan exponent sebagai pengganti pembobot untuk lebih menegaskan kepentingan suatu target terhadap suatu target / sasaran lain. 3. Meminimumkan

penyimpangan

sasaran

maksimum

(kemungkinan terburuk) yang dikenal dengan pendekatan

11

minimax. Pendekatan ini selanjutnya berkembang menjadi fuzzy programming (Fuzzy Goal Programming). 4. Mengembangkan fungsi lexicographic minimum dari satu kesimpulan deviasi target sasaran yang telah diurutkan sesuai peringkat / prioritas sasaran. Tabel 1. Formulasi Sasaran / Pembatas Program Sasaran Linier (Ignizio, 1983) Bentuk awal

Bentuk yang telah diubah

Peubah deviasi yang akan diminimumkan

fi (x) ≥ bi

fi (x) + DBi - DAi = bi

DBi

fi (x) ≤ bi


DAi

fi (x) = bi


DBi + DAi

2. Model Umum Menurut Nasendi dan Anwar (1985), dari beberapa metode pendekatan, yang umum dan banyak diterapkan adalah model Preemptive Weighted Priority Goal Programming. Model umum dari tipe program sasaran ini adalah sebagai berikut : Minimumkan : m

Z

= ∑ i=1

k

∑ Pk (WAi,k DAi + WBi,k DBi) i=1

Dengan kendala: n

∑ aij Xj + DAi + DBi = bi ; i = 1,2,3,..,m j=i

12

n

∑ aij Xj ≤ bi ; i = 1,2,3,..,m+p j=i n

∑ aij Xj ≥ bi ; i = 1,2,3,..,m+p j=i

n ∑ aij Xj = bi ; i = 1,2,3,..,m+p j=i

Xj, DAi, DBi ≥ 0 dimana : m

= Sasaran

p

= Pembatas / kendala struktural

n

= Variabel deklarasi

k

= Tingkat prioritas

DAi dan DBi = Kendala deviasi

Pk

= Koefisien prioritas untuk prioritas ke K.

WAi,k = Bobot relatif untuk variabel DAi, pada tingkat prioritas ke K. WBi,k = Bobot relatif untuk variabel DBi, pada tingkat prioritas ke K. Notasi DA menyatakan kelebihan dari sasaran tertentu, sedangkan DB menyatakan kekurangan / dibawah sumber daya tertentu. Simpangan terhadap suatu sasaran inilah yang diupayakan minimum. Ahmad Mukti Almansur (1997) memanfaatkan perangkat lunak LINDO

(Linier

Interactive

Discrete

Optimizer)

untuk

proses

pengoptimalan produksi agregat dengan model program sasaran Linier (Multi Objective Goal Programming) dimana program sasaran linier ini akan mampu menggambarkan perencanaan agregat dengan disertai variabel-variabel terkendali secara terukur. 13

III. METODOLOGI PENELITIAN

A. KERANGKA PEMIKIRAN Proses produksi yang efektif dan efisien didahului dengan perencanaan produksi yang baik. Perencanaan produksi pada tingkat agregat bersifat menyeluruh dan merupakan dasar untuk membuat perencanaan yang lebih mendetail. Untuk memenuhi permintaan, perencanaan produksi agregat pada awalnya dilakukan proses prakiraan permintaan (aktivasi peramalan) berdasarkan data penjualan tahun-tahun sebelumnya. Data historis permintaan digunakan sebagai data untuk memprediksi tingkat permintaan pada periode perencanaan, yang kemudian dikombinasikan dengan seluruh sumberdaya yang dimiliki perusahaan, baik bahan baku, ketersediaan tenaga kerja, jumlah hari / jam kerja, kapasitas produksi dan tingkat persediaan. Informasi yang digunakan dalam prakiraan permintaan harus seakurat mungkin, kemudian dipilih metode prakiraan yang tepat. Perencanaan produksi dilakukan agar diperoleh biaya produksi yang optimum (minimum). Penelitian ini akan mengkaji faktor-faktor yang berpengaruh dalam perencanaan produksi agregat. Sumber daya produksi yang berpengaruh akan ditentukan tingkat optimalitasnya. Untuk mencapai tingkat optimal dari penggunaan sumber daya, tidak terlepas dari model perencanaan yang digunakan dan kebijaksanaan perusahaan dalam mengambil keputusan. Agar perencanaan produksi tersebut menghasilkan biaya yang optimum, diselesaikan dengan teknik optimasi. Alternatif penyelesaian optimum dilakukan melalui tahap-tahap analisa alternatif. Proses analisa alternatif tersebut dapat dilakukan dengan bantuan program komputer. Dalam hal ini menggunakan model program sasaran linier. Hasil yang diperoleh dari perencanaan produksi agregat bersifat relatif dan fluktuatif, sehingga diperlukan analisa sensivitas.

14

B. PENDEKATAN BERENCANA Pendekatan berencana (planned approach) merupakan pendekatan yang dapat digunakan untuk memecahkan permasalahan secara obyektif dan dapat digunakan untuk menetapkan alternatif-alternatif kebijakan melalui penerapan model-model kuantitatif pada masalah-masalah yang dihadapi (Thierauf dan Klekamp, 1975). Tahapan-tahapan

pendekatan

berencana

yang

dilakukan

pada

penelitian masalah khusus ini adalah sebagai berikut : 1. Observasi Observasi dilakukan untuk mengetahui permasalahan manajemen produksi secara nyata. Pada tahap ini dilakukan pendekatan umum terhadap faktorfaktor yang dapat membantu pengembangan pemahaman terhadap permasalahan perencanaan produksi. 2. Perumusan masalah Pada tahap ini ditentukan faktor-faktor yang mempengaruhi permasalahan, penetapan tujuan, penetapan sasaran yang hendak dicapai, batasan-batasan terhadap penyelesaian masalah dan asumsi yang diperlukan dalam pengembangan dan penyelesaian masalah. 3. Pengembangan alternatif penyelesaian Langkah ini berupa penyelesaian permasalahan berdasarkan faktor-faktor yang dipengaruhinya, yang meliputi analisa data untuk membentuk model matematik yang menunjukkan faktor-faktor yang berpengaruh dengan tujuan yang hendak dicapai. Pengembangan alternatif model penyelesaian didasarkan pada peubah-peubah keputusan, kendala, tujuan dan asumsi teknik-teknik

perencanaan

produksi.

Setiap

model

matematika

dikembangkan melalui tiga tahapan, yaitu : a. Analisa data Tahap ini merupakan tahap pendefinisian kendala, variabel serta faktor-faktor lain yang sangat penting dalam proses pembuatan model matematika

15

b. Pengembangan model Tahap ini merupakan tahap pengembangan model matematika berdasarkan perameter-parameter yang telah ditentukan pada tahap analisa data c. Validasi model 4. Pemilihan solusi optimal Pemilihan ini berdasarkan pada analisa terhadap alternatif-alternatif keputusan dengan bantuan perangkat komputer 5. Verifikasi solusi optimal melalui tahap implementasi 6. Hasil akhir Pembuktian penyelesaian optimal melalui tahapan implementasi dan pembuatan kendala yang tepat untuk mendeteksi perubahan-perubahan yang mungkin terjadi dan mempengaruhi penyelesaian model. C. TATA LAKSANA Pelaksanaan penelitian dilakukan dalam tiga tahap, yaitu identifikasi permasalahan, teknik pengumpulan data, pengolahan dan analisis data. 1. Identifikasi Masalah Hal-hal yang harus diperhatikan dalam pengidentifikasian masalah dari penelitian ini adalah : a. Kebijakan perusahaan dalam menentukan tingkat permintaan dan penawaran terhadap produknya di masa yang akan datang. b. Kebijakan perusahaan dalam menentukan jam kerja dan volume / beban kerja. c. Kebijakan perusahaan dalam menentukan kapasitas produksi dalam periode perencanaan dengan memperhatikan ketersediaan sumber daya. d. Kebijakan perusahaan dalam menentukan biaya-biaya yang dibutuhkan dalam proses produksi.

16

2. Teknik Pengumpulan Data Pengumpulan

data

dilakukan

melalui

observasi

lapang,

pengamatan langsung, wawancara dan catatan atau dokumen perusahaan. Adapun data-data yang diperlukan dalam penelitian ini, antara lain adalah: a. Strategi / kebijakan perusahaan dalam perencanaan produksi b. Data produksi c. Data proses produksi (parameter proses) d. Data kapasitas mesin e. Data ketersediaan sumber daya f. Data permintaan atau penjualan produk pada periode sekarang dan sebelumnya g. Data volume / beban kerja dan waktu kerja dalam pemenuhan target produksi h. Biaya-biaya yang dikeluarkan atau yang dianggarkan oleh perusahaan untuk proses produksi 3. Pengolahan dan Analisis Data Pengolahan data perencanaan produksi diawali dengan melakukan prakiraan permintaan setiap bulan berdasarkan pola data penjualan sebelumnya. Model yang digunakan untuk prakiraan permintaan ini adalah model ARIMA yang dikembangkan oleh Box Jenkins. Hasil dari prakiraan permintaan ini menjadi dasar bagi penyusunan model perencanaan produksi. Perencanaan produksi agregat dilakukan dengan menetapkan perencanaan jumlah produk optimal yang harus diproduksi pada setiap periode yang direncanakan. Perencanaan ini mempertimbangkan faktorfaktor dan peubah keputusan dalam manajemen perusahaan yang berhubungan dengan kapasitas produksi, persediaan produk, penentuan jam kerja reguler dan lembur dengan menggunakan biaya produksi seminimal mungkin. Penentuan tingkat efisiensi yang optimal sebagai tahap penyelesaian perencanaan produksi agregat ini digunakan metode atau model program sasaran linier. Verifikasi dari model yang tersusun

17

dilakukan dengan membandingkan terhadap kondisi nyata perusahaan sebagai objek penelitian. Analisis dari model digunakan untuk melihat adanya perubahan terhadap sistem produksi, serta perubahan dalam kebijakan perusahaan. Diagram alir penelitian dapat dilihat pada Gambar 2. D. PEMBATASAN MASALAH Pembatasan masalah dilakukan untuk memudahkan proses pengkajian yang disesuaikan dengan kondisi perusahaan dan kemampuan model perencanaan yang disusun. Pembatasan masalah dan asumsi yang digunakan dalam kajian penelitian ini adalah : a. Periode perencanaan yang dibuat merupakan perencanaan jangka pendek, yaitu hanya berlaku untuk 12 bulan. b. Biaya agregat yang digunakan adalah biaya rata-rata produk dengan satuan agregat yang digunakan adalah meter (m). c. Bahan baku diasumsikan selalu tersedia dengan baik dan produksi berjalan dengan lancar. d. Harga produk kain diasumsikan tidak berubah untuk 12 periode perencanaan. e. Tenaga kerja dan fasilitas bersifat tetap. Tidak terdapat pengangkatan atau pemberhentian tenaga kerja, juga tidak terdapat penambahan fasilitas yang menyebabkan peningkatan kapasitas perusahaan.

18

mulai

Identifikasi masalah Pengumpulan data Penentuan sasaran dan prioritas perusahaan Data historis penjualan

Prakiraan permintaan

Minitab 14

Pembuatan model perencanaan agregat

Model program sasaran linier

Kapasitas produksi Kapasitas jam kerja Persediaan produk Kapasitas gudang

LINDO Perencanaan produksi agregat

Biaya produksi

Analisa biaya

Biaya tenaga kerja Biaya rencana produksi

Selesai

Gambar 2. Diagram Alir Tahapan Penelitian

19

IV. HASIL DAN PEMBAHASAN

A. KONDISI PRODUKSI 1. Proses Produksi Proses produksi merupakan rangkaian operasi yang dilalui bahan baku baik secara fisik maupun kimia untuk meningkatkan nilai tambah dan nilai jualnya. Bahan baku yang digunakan oleh perusahaan adalah kapas (cotton) dan polyester. Keterangan mengenai bahan baku dan bahan tambahan dapat dilihat di Lampiran 2. Proses produksi pada PT. Unitex, Tbk dimulai dari adanya permintaan atau pesanan konsumen (order). Pesanan tersebut dicatat dan dimasukkan oleh bagian pemasaran sebagai instruction letter yang kemudian diberikan oleh bagian pabrik (factory). Pihak BKP bertanggung jawab membuat pesanan tersebut mulai dari bahan baku sampai pada barang jadi dan proses pengiriman. Pembuatan suatu produk (kain) membutuhkan beberapa tahapan, dimana setiap tahapan terdiri dari sekelompok fasilitas. Fasilitas dapat berupa mesin, pekerja, departemen dan lini produksi. Tahap pertama setelah diterimanya order, dilakukan proses yang disebut bunkai sekei. Bunkai sekei adalah proses untuk menentukan warna pesanan, jenis desain, jenis dan banyaknya benang yang dibutuhkan untuk memenuhi pesanan. Bunkai sekei dilakukan oleh bagian Teknik Produksi. Sehingga bagian Teknik Produksi yang akan bertanggung jawab jika terjadi ketidaksesuaian antara hasil produksi dengan pesanan, seperti warna atau desain yang berbeda. Apabila sampel untuk warna belum ada, maka bagian BKP melakukan order pada bagian Lab Dip. Selanjutnya adalah order benang pada bagian Pemintalan (Spinning), jumlah dan jenis benang diketahui berdasarkan hasil dari bunkai sekei. Setelah benang tersedia, proses berikutnya adalah melakukan order celup benang. Pihak yang bertanggung jawab adalah bagian Celup Benang dan BKP.

20

Setelah benang tersedia dan sudah dicelup, maka selanjutnya akan masuk pada proses penenunan di bagian Pertenunan (Weaving). Namun sebelum masuk ke proses penenunan, terlebih dahulu dilakukan persiapan penenunan, terdiri dari proses warper, sizing dan reaching. Warper adalah proses penggulungan benang pada beam, tujuannya agar mempermudah memasukkan benang pada saat reaching. Sizing merupakan proses pengkanjian pada benang lusi, yang berfungsi untuk menambah kekuatan tarik dan tahan gesek benang dengan melapisi permukaan benang lusi dengan larutan kanji. Sedangkan reaching adalah proses pencucukan dimana tiap 1 helai benang dimasukkan kedalam tiap lubang jarum pada mesin tenun. Setelah semua tahap persiapan selesai, barulah order siap dikerjakan pada mesin tenun untuk memproses benang menjadi kain mentah. Proses

selanjutnya

masuk

pada

tahapan

pencelupan

dan

penyempurnaan di bagian Dyeing Finishing. Pada tahap proses ini antara lain dilakukan penghilangan kanji, pemolesan kain terhadap warna, penampilan dan pegangan (handling). Bagian ini merupakan bagian pemprosesan kain yang terakhir, mulai dari bahan baku kapas dan polyester, produk benang, sampai menjadi produk kain yang siap dipasarkan (finished goods). Setelah menjadi finished goods, maka kain akan masuk pada tahapan inspecting di bagian Garansi Mutu untuk diperiksa kesalahannya. Kemudian yang terakhir masuk pada bagian Packing List untuk siap dikirimkan sesuai order ke konsumen. 2. Parameter Proses Produksi a. Kecepatan Produksi Produksi yang dilakukan oleh PT. Unitex, Tbk berdasarkan pada jenis permintaan yang dikehendaki oleh konsumen. Hal ini menyebabkan terdapatnya pembedaan pada masing-masing lini proses. Pembedaan ini didasari oleh jenis mesin yang digunakan serta kecepatan proses produksi.

21

Kecepatan maksimum mesin berproduksi dapat mencapai 1,2 juta meter per bulan. Berdasarkan wawancara dengan bagian produksi, kecepatan produksi rata-rata adalah 340 tansu per hari atau 40.800 meter per hari (1 tansu = 120 meter) atau sama dengan 1.942,86 meter per jam. Sehingga waktu yang dibutuhkan untuk menghasilkan 1 meter kain adalah 0,00051 jam atau sama dengan 1,84 detik. b. Waktu Produksi 1) Jam Kerja Reguler Proses produksi kain di PT. Unitex, Tbk menggunakan 3 shift kerja dalam sehari. Jam kerja per hari tiap shift adalah 8 jam, dengan ketentuan 7 jam untuk jam kerja produksi dan 1 jam untuk istirahat. Jam kerja reguler untuk 12 periode (bulan) perencanaan dapat dilihat pada Tabel 2. dibawah ini. Tabel 2. Jam Kerja Reguler untuk 12 Periode Perencanaan Periode

Jam Kerja Reguler

1

525

2

504

3

483

4

546

5

525

6

525

7

546

8

525

9

546

10

525

11

525

12

504

Ket : Data diolah

22

2) Jam Kerja Lembur Waktu produksi yang dilaksanakan diluar jam kerja reguler digolongkan dalam jam kerja lembur. Jam kerja lembur dilakukan apabila produksi yang dilakukan tidak cukup hanya menggunakan jam kerja reguler, atau apabila jumlah produksi yang diharapkan lebih besar daripada jumlah produksi yang dapat dihasilkan pada kapasitas reguler. PT. Unitex, Tbk menetapkan jam kerja lembur disesuaikan dengan kebutuhan. Rencana jumlah jam kerja lembur yang dapat dilakukan selama satu horison perencanaan ke depan dapat dilihat pada Tabel 3. dibawah ini. Tabel 3. Jam Kerja Lembur untuk 12 Periode Perencanaan Periode

Jam Kerja Lembur

1

126

2

105

3

168

4

84

5

126

6

105

7

105

8

126

9

84

10

126

11

105

12

147

Ket : Data diolah c. Kapasitas Produksi Kapasitas produksi merupakan kapasitas yang dimiliki oleh perusahaan untuk melakukan proses produksi. Kapasitas produksi dipengaruhi oleh kecepatan produksi dan ketersediaan jam kerja yang ada selama periode perencanaan. 23

Kapasitas maksimum PT. Unitex, Tbk dalam memproduksi kain adalah 1,5 juta meter per bulan. Kapasitas produksi ini menghasilkan jumlah produk yang berbeda pada setiap periode perencanaan. d. Persediaan Produk Kebijaksanaan PT. Unitex, Tbk menetapkan jumlah persediaan produk berdasarkan jumlah order yang diterima perusahaan (by order) setiap bulannya. Data persediaan yang diperoleh berupa persediaan awal dan persediaan akhir. Dalam perencanaan ini persediaan awal (beginning inventory) pada periode pertama telah ditetapkan besarnya nol (I0 = 0). Jadi jumlah persediaan akhir pada periode pertama sama dengan jumlah produksi periode pertama. e. Kapasitas Gudang Penyimpanan Gudang penyimpanan digunakan untuk menyimpan bahan baku, bahan jadi dan bahan pembantu. Gudang penyimpanan yang dikaji disini adalah gudang barang jadi, yaitu kain. Kapasitas gudang barang jadi PT. Unitex, Tbk sebesar 1,2 juta meter. Sistem penggudangan yang diterapkan adalah sistem FIFO (First In First Out). Adanya sistem ini menyebabkan barang digudang akan bersirkulasi sesuai dengan urutan order dari konsumen (pembeli). 3. Parameter Biaya a. Biaya Produksi Biaya produksi terdiri dari biaya tetap dan biaya variabel. Biaya tetap meliputi biaya fasilitas, perbaikan dan pemeliharaan, penyusutan mesin, bangunan dan biaya lain yang bersifat tetap. Sedangkan biaya variabel adalah biaya yang dikeluarkan sesuai dengan jumlah produk yang diproduksi.

24

Dengan ketetapan harga rata-rata yang berlaku ditingkat ekspor, maka biaya produksi kain dalam perencanaan ini disesuaikan dengan margin keuntungan yang ditetapkan berdasarkan kebijakan perusahaan sebesar 10 % dari harga penjualan kain. PT. Unitex, Tbk menetapkan harga kain sebesar 1,1 $ USD per meter atau sama dengan Rp. 11.600,00. Sehingga biaya produksi untuk kain per meter sebesar Rp. 11.600,00 - (Rp. 11.600,00 x 10 %) = Rp. 10.440,00. b. Biaya Tenaga Kerja Biaya tenaga kerja dibedakan menjadi biaya tenaga kerja reguler dan biaya tenaga kerja lembur. Dari data personalia ditetapkan besarnya biaya tenaga kerja perbulan sebesar Rp. 830.000,00, sesuai dengan pemberlakuan UMK, atau sama dengan Rp. 27.667,00 perhari. Sehingga upah karyawan setiap jam rata-rata sebesar Rp. 3.952,00 perorang. Sedangkan biaya tenaga kerja lembur ditetapkan berdasarkan perhitungan sebagai berikut : Hari biasa

: 1 jam I

: 1/173 x 1,5 x Gaji perbulan

1 jam II

: 1/173 x 2 x Gaji perbulan

Hari minggu/libur : 1 – 7 jam

: 1/173 x 2

x Gaji perbulan

8 – 9 jam

: 1/173 x 3 x Gaji perbulan

10 – jam

: 1/173 x 4

x Gaji perbulan

Sehingga rata-rata upah lembur yang diterima karyawan perjam sebesar Rp. 11.994,00 perorang. c. Biaya Penyimpanan Biaya penyimpanan adalah biaya yang ditanggung oleh perusahaan akibat menahan sejumlah modal dalam bentuk produk jadi. Besarnya biaya penyimpanan ditetapkan minimal sebesar suku bunga bank yang berlaku saat ini.

25

Suku bunga bank rata-rata saat ini adalah 16 % pertahun atau 1.3 % perbulan. Sehingga besarnya biaya penyimpanan ditetapkan sebagai berikut : 1.3 % x Rp. 10.440,00 = Rp. 136,00 B. PRAKIRAAN PERMINTAAN 1. Data Penjualan Data hasil penjualan merupakan data pengeluaran produk dari pabrik. Produk ini tidak dapat dikembalikan kecuali rusak, karena kesalahan produksi. Data yang terdapat adalah data penjualan sejak bulan Januari hingga Desember tahun 2007. Data tersebut dapat dilihat pada Tabel 4. dan Gambar 3. berikut ini : Tabel 4. Data Penjualan Produk Kain 2007 Bulan

Jumlah Penjualan (meter)

Januari

1.018.248

Februari

992.442

Maret

1.149.485

April

1.089.388

Mei

1.140.718

Juni

1.102.808

Juli

1.024.531

Agustus

1.051.655

September

1.021.697

Oktober

899.334

November

1.116.431

Desember

1.208.875

26

Gambar 3. Grafik Data Penjualan Kain 2007 2. Prakiraan Permintaan Prakiraan permintaan sangat penting dalam membuat perencanaan produksi. Dalam melakukan prakiraan permintaan pada penelitian ini menggunakan metode Box Jenkins dengan pendekatan Auto Regressive Integrated Moving Average (ARIMA). Penggunaan metode ini untuk mengidentifikasi pola data dan análisis prakiraan. Tahap

awal

dalam

menganalisis

data

dilakukan

dengan

memplotkan data historis asli penjualan periode sebelumnya kedalam sebuah grafik, untuk melihat pola data yang ada (melihat adanya faktor trend dan musiman). Dari hasil plot data historis asli terlihat adanya faktor kecenderungan (trend). Penyelesaian prakiraan permintaan yang dilakukan pada penelitian ini menggunakan paket program Minitab 14. Pola trend dapat diidentifikasi melalui autokorelasi yang terdapat dalam data asli. Pendugaan awal akan dikuatkan dengan melihat plot nilai fungsi koefisien autokorelasi (ACF) dan fungsi koefisien autokorelasi parsial (PACF) dari deret asli permintaan. Dari Gambar 4. menunjukkan bahwa plot nilai ACF dan PACF tidak berpola atau random.

27

PACF Penjualan 2007 1,0

0,8

0,8

0,6

0,6

Partial Autocorrelation

Autocorrelation

ACF Penjualan 2007 1,0

0,4 0,2 0,0 -0,2 -0,4 -0,6

0,4 0,2 0,0 -0,2 -0,4 -0,6 -0,8

-0,8

-1,0

-1,0 1

2

3

4

5

6 Lag

7

8

9

10

11

1

2

(a)

3

4

5

6 Lag

7

8

9

(b)

Gambar 4. (a). Plot Nilai ACF Data Penjualan 2007, dan (b). Plot Nilai PACF Data Penjualan Kain 2007 Pada tahap awal identifikasi data juga dilakukan uji kestasioneran data. Stasioner berarti bahwa tidak terdapat pertumbuhan dan penurunan pada data. Data secara kasar harus horisontal terhadap sumbu waktu. Fluktuasi data harus berada di sekitar suatu nilai rata-rata yang konstan, tidak tegantung dari waktu dan varians dari fluktuasi tersebut. Berdasarkan hasil dari plot nilai ACF dan PACF, ternyata deret data sudah bersifat stasioner. Kestasioneran data dapat dilihat dari nilai koefisien autokorelasinya (nilai ACF dan PACF) yang mendekati nol dan berada di dalam batas daerah nilai tengah (d=0).

28

10

11

Tabel 5. Nilai ACF dan PACF Lag

ACF

PACF

1

0,128343

0,128343

2

-0,312376

-0,334356

3

-0,096900

-0,000562

4

-0,310003

-0,455335

5

-0,227744

-0,201216

6

0,057906

-0,267460

7

0,024091

-0,313261

8

0,286826

0,057955

9

0,211292

-0,190634

10

-0,170118

-0,209327

11

-0,091316

-0,200449

Ket : data diolah Parameter model diduga dengan melihat berapa banyak nilai koefisien ACF dan PACF yang secara signifikan berbeda nyata dengan nol. Nilai parameter p dan q dapat diduga dari nilai koefisien apabila terdapat p nilai PACF yang sangat berbeda nyata dengan nol maka proses akan membentuk AR (p), jika terdapat q nilai ACF yang sangat berbeda nyata dengan nol, maka proses tersebut akan membentuk MA (q). Selanjutnya dilakukan pengujian model ARIMA dengan cara cobacoba. Dimasukkan kombinasi nilai-nilai p dan q antara 0 dan 1, sedangkan nilai d telah diketahui 0 karena deret data sudah stasioner. Pada tahap pengujian model dianggap layak apabila setelah dilakukan analisa didapatkan nilai sisa yang tidak berpola (random). Pengujian nilai sisa dapat dilakukan dengan memplotkan koefisien autokorelasi (ACF) dan koefisien autokorelasi parsial (PACF) dari nilai sisa secara grafis. Dari

hasil

penelusuran

nilai

parameter

p

dan

q

yang

dikombinasikan dengan penelusuran nilai Mean Square Error (MSE) terkecil dan nilai Sum Square Error (SSE) terkecil dari nilai sisa, diperoleh

29

nilai MSE terkecil sebesar 8865672828 yang terdapat pada model ARIMA (1,0,1). Model ARIMA tersebut layak digunakan. Hal ini diperkuat dengan plot koefisien autokorelasi (ACF) dan autokorelasi parsial (PACF) dari nilai sisa yang random dan tidak menunjukkan adanya suatu pola.

ACF of Residuals for Penjualan 2007

PACF of Residuals for Penjualan 2007 (with 5% significance limits for the partial autocorrelations)

1,0

1,0

0,8

0,8

0,6

0,6

Partial Autocorrelation

Autocorrelation

(with 5% significance limits for the autocorrelations)

0,4 0,2 0,0 -0,2 -0,4 -0,6 -0,8

0,4 0,2 0,0 -0,2 -0,4 -0,6 -0,8

-1,0

-1,0

1

2 Lag

3

1

(a)

2 Lag

3

(b)

Gambar 5. (a). Plot Koefisien Autokorelasi (ACF) Nilai Sisa, dan (b). Plot Koefisien Autokorelasi Parsial (PACF) Nilai Sisa. Setelah diperoleh model yang sesuai, maka dilakukan proses prakiraan permintaan untuk 12 periode kedepan. Pengolahan prakiraan permintaan ini menggunakan software Minitab 14, data pengolahan selengkapnya terdapat pada Lampiran 3. Persamaan model ARIMA (1,0,1) adalah sebagai berikut :

Xt = µ + Φ1 Xt-1 + еt - θ1еt-1 atau Xt = µ + Xt-1 + еt - 0,86 еt-1 dimana : µ

= Konstanta

Φ1

= Paremeter Auto Regressive ke-1 (= 1)

θ1

= Parameter Moving Average ke-1 (= 0,86)

еt

= Error pada periode ke-t

30

Hasil prakiraan permintaan dapat dilihat pada Tabel 6. Hasil ini sangat penting untuk menentukan jumlah produksi optimal pada periode perencanaan. Tabel 6. Prakiraan Permintaan Selama Periode Perencanaan Agregat. Periode

Jumlah Permintaan

(bulan)

(meter)

1

1.076.419

2

1.076.382

3

1.076.345

4

1.076.308

5

1.076.271

6

1.076.234

7

1.076.197

8

1.076.160

9

1.076.123

10

1.076.086

11

1.076.049

12

1.076.012

Ket : data diolah C. PERENCANAAN PRODUKSI AGREGAT 1. Sasaran Rencana Produksi Perencanaan produksi agregat merupakan langkah yang digunakan untuk menyesuaikan jumlah permintaan yang diperkirakan dengan kemampuan produksi, jumlah tenaga kerja, tingkat persediaan, jumlah jam kerja lembur. Langkah ini digunakan untuk menentukan jumlah biaya total produksi yang mínimum selama masa periode perencanaan. Dalam

melakukan

perencanaan

produksi

agregat,

perlu

mempertimbangkan berbagai tujuan yang ingin dicapai oleh perusahaan. Diantara beberapa tujuan tersebut ada yang bersifat saling mendukung dan

31

ada pula yang bertentangan. Oleh karena itu perlu dilakukan suatu susunan prioritas sasaran agar diketahui mana tujuan yang lebih diutamakan. Untuk mencari tujuan yang diinginkan perusahaan, maka pihak manajemen mengumpulkan pertimbangan dari berbagai pihak yang berwenang dalam pengambilan keputusan perencanaan. Setelah itu baru dihasilkan sasaran-sasaran perusahaan yang ingin dicapai oleh PT. Unitex, Tbk. Sasaran tersebut antara lain adalah : a. Tingkat produksi memenuhi jumlah permintaan. Sasaran ini mempunyai maksud bahwa jumlah produksi yang dilakukan perusahaan pada setiap periode harus dapat memenuhi prakiraan permintaan. Sehingga tidak terjadi kekurangan dan keterlambatan dalam penyediaan produk ke konsumen. b. Produksi tidak lebih dari jam kerja reguler yang tersedia Perusahaan dalam berproduksi tidak melebihi kapasitas reguler yang tersedia, tetapi boleh kurang dari kapasitas reguler yang tersedia. Tujuan ini dilakukan untuk menghindari atau mengurangi terjadinya jam kerja lembur. c. Produksi tidak lebih dari jam kerja lembur yang tersedia Berproduksi pada jam kerja lembur mengakibatkan adanya biaya tambahan dan biaya yang tinggi, sehingga pemakaiannya harus dibatasi. Dari ketiga sasaran yang diperoleh tersebut, kemudian ditentukan urutan prioritas serta bobot kepentingan dari masing-masing sasaran. Bobot kepentingan dari sasaran ini dijadikan pertimbangan dalam menentukan fungsi tujuan dari perencanaan agregat yang dibuat. 2. Model Perencanaan Perencanaan

produksi

agregat

yang

dilakukan

merupakan

perencanaan produksi selama 12 periode kedepan. Perencanaan dibuat berdasarkan pertimbangan berbagai sumber daya yang dimiliki perusahaan agar tercapai semua tujuan yang optimal.

32

Perencanaan agregat dibuat dengan menggunakan model program sasaran linier. Model program sasaran linier yang dibuat adalah sasaran dengan prioritas dan pembobotan. Penyelesaian dari model ini diperoleh dengan bantuan paket program LINDO (Linier Interactive Discrete Optimizer). a. Fungsi Tujuan Dalam menentukan perencanaan, perusahaan mempunyai beberapa sasaran yang ingin dicapai. Untuk mencapai sasaran tersebut adakalanya terjadi penyimpangan dari tujuan yang diharapkan. Tujuan dari model perencanaan agregat yang dibuat adalah meminimumkan penyimpangan yang terjadi pada pemenuhan sasaran perusahaan, sehingga perencanaan dapat sesuai atau sedekat mungkin dengan tujuan yang diharapkan. Terdapat tiga sasaran yang diharapkan oleh perusahaan, dengan prioritas dan pembobotan masing-masing dari sasaran tersebut sebesar 0,5 : 0,3 : 0,2. Prioritas pertama yaitu tingkat produksi memenuhi jumlah permintaan, dengan bobot prioritas 0,5. Pada prioritas pertama ini diperbolehkan adanya jumlah produksi diatas jumlah prakiraan permintaan, tetapi tidak boleh dibawah jumlah permintaan. Sehingga model matematis fungsi tujuan untuk prioritas pertama adalah meminimumkan deviasi bawah dari tujuan tingkat produksi memenuhi jumlah permintaan. Pada prioritas kedua perusahaan bertujuan tingkat produksi tidak lebih dari jam kerja reguler yang tersedia. Dengan pertimbangan bahwa jika produksi melebihi atau diluar kapasitas reguler akan membutuhkan biaya tambahan yang lebih besar. Sehingga model matematis dari fungsi tujuan prioritas kedua adalah meminimumkan deviasi atas dari penggunaan jam kerja reguler dalam berproduksi. Prioritas ketiga yaitu produksi tidak lebih dari jam kerja lembur yang tersedia. Jam kerja lembur terjadi apabila kapasitas produksi pada jam kerja reguler tidak dapat memenuhi jumlah produksi yang diharapkan. Pemakaian jam kerja lembur yang terus menerus akan

33

mengakibatkan adanya pertambahan biaya produksi yang tinggi, sehingga pemakaiannya harus dibatasi. Oleh karena itu, fungsi tujuan dari prioritas ketiga ini adalah meminimumkan jumlah deviasi atas dari penggunaan jam kerja lembur yang tersedia pada kapasitas lembur selama periode perencanaan. Dalam diharapkan

mencapai tidak

mempertimbangkan

beberapa

terjadi

adanya

berbagai

tujuan

tujuan

perusahaan

penyimpangan. yang

ingin

diatas, Dengan

dicapai

dan

meminimumkan penyimpangan yang tidak diharapkan, maka model matematis dari fungsi tujuan perencanaan agregat yang dibuat adalah : Minimumkan : 12

12

12

Z = P1 ( ∑ 0,5 db1i ) + P2 ( ∑ 0,3 da2i ) + P3( ∑ 0,2 da3i ) i=1

i=1

i=1

dimana : P1 = Faktor prioritas 1 P2 = Faktor prioritas 2 P3 = Faktor prioritas 3 0,5 = Bobot dari tujuan yang ingin dicapai pada prioritas 1 0,3 = Bobot dari tujuan yang ingin dicapai pada prioritas 2 0,2 = Bobot dari tujuan yang ingin dicapai pada prioritas 3 db1i

= Deviasi bawah / negatif dari target produksi memenuhi jumlah permintaan pada periode ke-i

da2i

= Deviasi atas / positif dari produksi berdasarkan jam kerja reguler pada periode ke-i

da3i

= Deviasi atas / positif dari produksi tidak melebihi jam kerja lembur pada periode ke-i

b. Kendala Tujuan Kendala atau pembatas sasaran adalah pembatas yang berhubungan

langsung

dengan

sasaran-sasaran

tujuan

yang

34

diharapkan. Pembatas sasaran yang terdapat pada model perencanaan produksi agregat yang dibuat adalah sebagai berikut : 1) Produksi Memenuhi Jumlah Permintaan Jumlah permintaan yang dimaksud adalah jumlah permintaan berdasarkan prakiraan permintaan yang telah dibuat. Formulasi matematis dari kendala ini adalah : Xi + db1i - da1i = P1 dimana : Xi

= Jumlah produksi pada periode ke-i (meter)

db1i

= Deviasi bawah target produksi memenuhi jumlah permintaan pada periode ke-i (meter)

da1i

= Deviasi atas target produksi memenuhi jumlah permintaan pada periode ke-i (meter)

Pi

= Jumlah prakiraan permintaan pada periode ke-i (meter)

2) Produksi Tidak Melebihi Jam Kerja Reguler yang Tersedia Formulasi matematis dari kendala sasaran ini adalah : 0,00051Xi + db2i - da2i = Ri

dimana : 0,00051

= waktu yang dibutuhkan untuk memproduksi satu meter kain (jam/meter)

Xi


db2i

= Deviasi bawah target produksi tidak melebihi kapasitas jam kerja reguler pada periode ke-i (jam)

da2i

= Deviasi atas target produksi tidak melebihi kapasitas jam kerja reguler pada periode ke-i (jam)

Ri

= Jam kerja reguler yang tersedia pada periode ke-i (jam)

35

3) Produksi Tidak Melebihi Jam Kerja Lembur yang Tersedia Formulasi matematis dari kendala sasaran ini adalah : da2i + db3i - da3i = Li dimana : da2i

= Deviasi atas target produksi tidak melebihi kapasitas jam kerja reguler pada periode ke-i (jam)

db3i

= Deviasi bawah target produksi tidak melebihi kapasitas jam kerja lembur pada periode ke-i (jam)

da3i

= Deviasi atas target produksi tidak melebihi kapasitas jam kerja lembur pada periode ke-i (jam)

Li

= Jam kerja lembur yang tersedia pada periode ke-i (jam)

c. Kendala Fungsional 1) Kapasitas Produksi Kapasitas produksi perusahaan sebesar 1,5 juta meter perbulan. Sehingga formulasi matematis kendala ini adalah : Xi ≤ Ki

dimana : Xi


Ki

= Kapasitas produksi perusahaan pada periode ke-i(meter)

2) Persediaan Produk Dalam perencanaan ini persediaan awal (beginning inventory) pada periode pertama telah ditetapkan besarnya nol (I0 = 0). Formulasi metematis dari kendala persediaan ini adalah : Ii = Ii-1 + Xi - Di

36

dimana : Ii

= Jumlah persediaan pada akhir periode ke-i (meter)

I0

=0

Xi


Pi

= Jumlah prakiraan permintaan pada periode ke-i (meter)

3) Kapasitas Gudang Penyimpanan Kapasitas gudang penyimpanan merupakan kendala atau pembatas dari banyaknya jumlah produksi dan persediaan yang dapat disimpan. Kapasitas penyimpanan produk di gudang PT. Unitex, Tbk adalah sebesar 1,2 juta meter. Formulasi matematis dari kendala kapasitas gudang ini adalah : Ii + Xi ≤ Gi dimana : Ii

= Jumlah persediaan pada akhir periode ke-i (meter)

Xi


G

= Kapasitas gudang penyimpanan pada periode ke-i (meter)

3. Perencanaan Produksi Hasil perencanaan produksi yang diperoleh berdasarkan model yang telah dibuat, meliputi jumlah produksi pada jam kerja reguler, jumlah produksi pada jam kerja lembur, waktu kerja lembur yang dipergunakan, dan jumlah persediaan yang dihasilkan pada setiap periode. Hasil perencanaan produksi ini dapat dilihat pada Tabel 7.

37

Tabel 7. Hasil Perencanaan Produksi Agregat Periode (bulan)

Produksi Jam Reguler (meter)

1 2 3 4 5 6 7 8 9 10 11 12

1.029.411 988.235 947.059 1.070.588 1.029.411 1.029.411 1.070.588 1.029.411 1.070.588 1.029.411 1.029.411 988.235

12.311.759 Total Ket : data diolah

Produksi Jam Lembur (meter)

Jumlah Produksi Total (meter)

Waktu Lembur (jam)

Persediaan Produk (meter)

1.076.419 1.076.382 1.076.345 1.076.308 1.076.271 1.076.234 1.076.197 1.076.160 1.076.123 1.076.086 1.076.049 1.076.012

24 45 66 3 24 24 3 24 3 24 24 45

0 0 0 0 0 0 0 0 0 0 0 0

602.827 12.914.586

309

0

47.008 88.147 129.286 5.720 46.860 46.823 5.609 46.749 5.535 46.675 46.638 87.777

Pada perencanaan produksi untuk jangka waktu 12 bulan kedepan ini, diperoleh rencana jumlah produksi kain total sebanyak 12.914.586 meter. Jumlah produksi untuk setiap periode perencanaan melampaui dari batas kapasitas reguler yang tersedia. Produksi yang dilakukan pada jam kerja reguler sebanyak 12.311.759 meter. Sehingga mengakibatkan adanya produksi pada jam kerja lembur yang membutuhkan waktu total 309 jam dan jumlah produksinya sebanyak 602.827 meter. Jumlah persediaan yang dihasilkan dengan model perencanaan ini adalah nol untuk setiap periode. Hal ini sesuai dengan kebijaksanaan perusahaan yang memproduksi disetiap periode sesuai dengan permintaan (by order) dan tidak melakukan kelebihan produksi. Sementara itu jumlah produksi dan jika ada jumlah persediaan diharapkan tidak lebih dari kapasitas gudang penyimpanan yang besarnya 1,2 juta meter. Dari hasil keseluruhan ini menunjukkan bahwa tujuan pada prioritas pertama dan prioritas ketiga dapat dipenuhi. Nilai penyimpangan 38

tujuannya mencapai nilai nol. Ini berarti tidak terjadi penyimpangan dari target sasaran pada prioritas pertama dan ketiga. Sedangkan pada prioritas kedua terjadi kelebihan jam produksi reguler. Sisa produksi tersebut merupakan kelebihan dari kapasitas jam kerja reguler, sehingga menggunakan jam kerja lembur. Hasil pengolahan data dapat dilihat pada Lampiran 5. Berdasarkan hasil yang diperoleh, sasaran prioritas pertama terpenuhi dengan nilai penyimpangan tujuan adalah nol. Hal ini berarti tidak terjadi penyimpangan bawah atau deviasi negatif pada target jumlah produksi memenuhi permintaan setiap bulannya. Berarti pula bahwa permintaan pada setiap periode dapat dipenuhi oleh perusahaan. Variabel db1i merupakan lambang deviasi bawah dari kendala tujuan pertama, yaitu berproduksi memenuhi jumlah permintaan. Variabel ini menunjukkan jumlah permintaan yang tidak dapat dipenuhi oleh perusahaan. Nilai inilah yang harus diminimumkan, karena bila perusahaan tidak dapat memenuhi permintaan maka akan mengurangi kepercayaan konsumen dan bisa menyebabkan kehilangan penjualan. Pada hasil optimal, ternyata variabel db1i bernilai nol untuk setiap periode perencanaan. Berarti jumlah produksi selalu bisa memenuhi jumlah prakiraan permintaan. Deviasi atas kendala tujuan pertama, yang dilambangkan dengan variabel da1i merupakan kelebihan produksi terhadap jumlah permintaan. Nilai ini menunjukkan jumlah persediaan yang terdapat diakhir periode. Hasil optimal dari model menunjukkan bahwa jumlah persediaan untuk setiap periode adalah 0. Jadi perusahaan tidak melakukan kelebihan produksi

disetiap

periode

perencanaan.

Hal

ini

sesuai

dengan

kebijaksanaan perusahaan yang berproduksi untuk memenuhi jumlah permintaan (by order). Pada sasaran prioritas kedua nilai tujuan yang diminimumkan tidak mencapai nilai nol. Hal ini berarti telah terjadi penyimpangan deviasi atas (positif) pada tujuan kedua, yaitu berproduksi tidak melebihi jam kerja reguler yang tersedia. Kelebihan jam kerja reguler pada setiap periode

39

dilambangkan dengan variabel da2i, yang merupakan penyimpangan atas pada kendala sasaran kedua. Hasil optimal dari model menunjukkan variabel da2i tidak bernilai nol untuk setiap periode perencanaan. Berarti telah terjadi kelebihan jam produksi pada kapasitas jam kerja reguler yang tersedia. Sehingga diperlukan adanya tambahan jam produksi yang akan digunakan, yaitu pada jam kerja lembur selama periode perencanaan. Variabel db2i merupakan lambang deviasi bawah dari kendala tujuan kedua. Variabel db2i menunjukkan sisa jumlah jam kerja reguler yang tidak digunakan untuk berproduksi. Dari model perencanaan diperoleh hasil nilainya nol untuk setiap periode perencanaan. Hal ini berarti kapasitas jam kerja reguler telah digunakan keseluruhan untuk berproduksi dan tidak menyisakan jam kerja produksi. Dengan kata lain tidak ada waktu menganggur (iddle time) disetiap periode perencanaan produksi. Pada sasaran prioritas ketiga, yaitu berproduksi tidak melebihi jam kerja lembur yang tersedia, nilai penyimpangan tujuan yang diperoleh adalah nol. Berarti tidak terjadi penyimpangan terhadap deviasi atas (positif) dari sasaran ketiga yang dilambangkan dengan variabel da3i. Variabel da3i melambangkan kelebihan pemakaian jam kerja lembur yang tersedia. Deviasi atas ini diminimumkan untuk mencapai tujuan perusahaan yang tidak ingin berproduksi melebihi jam kerja lembur yang tersedia. Apabila terjadi jam kerja lembur melebihi kapasitas yang ada, maka perusahaan perlu meningkatkan kapasitas produksi. Kapasitas produksi dapat ditingkatkan dengan menaikkan kecepatan produksi. Hal ini berarti menambah jumlah tenaga kerja atau mesin produksi yang tentu saja akan menambah biaya produksi keseluruhan. Hasil optimal dari model menunjukkan variabel da3i bernilai nol untuk setiap periode. Sehingga perusahaan tidak perlu meningkatkan kapasitas produksi yang ada. Deviasi bawah dari kendala tujuan ketiga yang dilambangkan dengan variabel db3i, menunjukkan jumlah jam kerja lembur yang tidak digunakan untuk berproduksi. Pada hasil optimal model diperoleh nilai yang berbeda untuk setiap periode perencanaan. Nilai tersebut tidak ada

40

yang nol. Hal ini berarti jam kerja lembur telah digunakan pada setiap periode perencanaan dan kapasitas jam kerja lembur yang tersedia mencukupi untuk digunakan perusahaan apabila terjadi peningkatan permintaan diatas yang sudah diprediksi. Faktor

yang

menentukan

terbentuknya

nilai

minimal

penyimpangan dalam model dinamakan dengan kendala aktif. Pada model perencanaan ini yang merupakan kendala aktif adalah permintaan, jam kerja reguler, jam kerja lembur, kapasitas produksi dan kapasitas gudang. Hasil perencanaan produksi secara keseluruhan memperlihatkan bahwa dengan memperhitungkan kapasitas produksi pada jam lembur, kapasitas produksi yang dimiliki perusahaan belum dapat dimanfaatkan sepenuhnya. Agar proses produksi berjalan maksimal tanpa harus memakai jam kerja lembur, sebaiknya perusahaan meningkatkan kemampuan atau kecepatan proses produksi. Kecepatan produksi bisa ditingkatkan antara lain dengan cara memperbaiki mesin yang rusak atau lambat kecepatan produksinya, mengganti mesin dan tenaga kerja lain yang mempunyai kapasitas atau kecepatan proses lebih baik, menambah tenaga kerja pembantu sehingga kecepatan prosesnya lebih baik, dan menambah jumlah serta kapasitas mesin yang ada. Dengan peningkatan kemampuan dan

kecepatan

produksi,

diharapkan penggunaan jam kerja reguler untuk berproduksi akan lebih efektif dan maksimal. Sehingga penggunaan jam kerja lembur dapat diminimalisasi seoptimal mungkin. Hal ini karena berproduksi pada jam kerja lembur mengakibatkan adanya biaya tambahan yang tidak sedikit. Selain itu, lembur yang terus-menerus merupakan kondisi yang tidak sehat bagi perusahaan maupun karyawan. Setelah

kemampuan

dan

kecepatan

produksi

ditingkatkan,

perusahaan dapat menerima (memenuhi) apabila ada peningkatan jumlah permintaan

dari

konsumen.

Kenaikan

jumlah

permintaan

akan

menyebabkan tingkat produksi semakin bertambah dan pendapatan perusahaan juga meningkat.

41

Biaya yang diperlukan dalam perencanaan produksi dapat dihitung setelah diperoleh perencanaan produksi agregat. Biaya yang dihitung antara lain biaya produksi dan biaya lembur. Biaya persediaan tidak disebutkan karena berproduksi tidak menghasilkan persediaan. Hasil penghitungan biaya tersebut dapat dilihat pada Tabel 8. dibawah ini. Tabel 8. Biaya Perencanaan Produksi Agregat Biaya Jam Kerja Reguler (rupiah/org)

Biaya Jam Kerja Lembur (rupiah/org)

Periode (bulan)

Biaya Produksi (rupiah)

1

11.237.814.360

2.074.800

287.856

2

11.237.428.080

1.991.808

539.730

3

11.237.041.800

1.908.816

791.604

4

11.236.655.520

2.157.792

35.982

5

11.236.269.240

2.074.800

287.856

6

11.235.882.960

2.074.800

287.856

7

11.235.496.680

2.157.792

35.982

8

11.235.110.400

2.074.800

287.856

9

11.234.724.120

2.157.792

35.982

10

11.234.337.840

2.074.800

287.856

11

11.233.951.560

2.074.800

287.856

12

11.233.565.280

1.991.808

539.730

Total

134.828.277.840

24.814.608

3.706.146

Ket: data diolah Biaya produksi diperoleh dengan mengalikan jumlah total produksi dengan biaya per unit produk (biaya produksi untuk kain per meter). Biaya produksi untuk perencanaan agregat yang dihasilkan nilainya sebesar Rp. 134.828.277.840,00. Biaya jam kerja reguler didapatkan dari mengalikan jumlah waktu reguler yang tersedia dengan biaya rata-rata tenaga kerja reguler per jam. Biaya total jam kerja reguler untuk perencanaan agregat adalah sebesar Rp. 24.814.608,00 per orang.

42

Biaya jam kerja lembur diperoleh dari mengalikan jumlah waktu lembur yang digunakan dengan biaya rata-rata lembur per jam. Sehingga biaya total jam kerja lembur untuk perencanaan agregat sebesar Rp. 3.706.146,00 per orang. Pada perencanaan produksi dengan model yang dibuat ini dihasilkan nilai yang optimal berdasarkan pertimbangan sasaran-sasaran perusahaan yang diinginkan oleh manajemen. Rencana produksi yang dihasilkan mungkin bukan merupakan rencana produksi dengan biaya yang paling minimal. Hal ini dikarenakan unsur biaya tidak dimasukkan dalam model, tetapi dihitung setelah diperoleh hasil perencanaan. Hasil optimal yang diperoleh dengan menggunakan model ini merupakan kondisi dimana telah diminimumkan nilai penyimpangan tujuan dengan prioritas dan bobot sasaran berdasarkan penilaian manajemen perusahaan.

43

V. KESIMPULAN DAN SARAN A. KESIMPULAN Perencanaan

produksi

agregat

dilakukan

dengan

menetapkan

perencanaan jumlah produk optimal yang harus diproduksi pada setiap periode yang direncanakan. Perencanaan ini mempertimbangkan faktor-faktor dan peubah keputusan dalam manajemen perusahaan yang berhubungan dengan kapasitas produksi, persediaan produk, penentuan jam kerja reguler dan lembur dengan menggunakan biaya produksi seminimal mungkin. Perencanaan agregat diawali dengan prakiraan jumlah permintaan. Prakiraan dilakukan berdasarkan data historis penjualan periode sebelumnya. Hasil análisis terhadap data permintaan tahun 2007, menunjukkan bahwa data deret waktu permintaan bersifat stasioner, dengan proses autoregressive ordo pertama (p=1) dan proses moving average ordo pertama (q=1). Dengan demikian model prakiraan adalah model ARIMA (1,0,1) dengan formula persamaannya: Xt = µ + Xt-1 + еt - 0,86 еt-1. Hasil prakiraan menunjukkan bahwa total prakiraan permintaan sebanyak 12.914.586 meter. Pengolahan prakiraan permintaan ini dibantu dengan program Minitab 14. Perencanaan

optimal

merupakan

hasil

perencanaan

yang

meminimumkan penyimpangan dari sasaran yang ingin dicapai oleh perusahaan dalam berproduksi. Kebijaksanaan manajemen perusahaan menetapkan tiga prioritas sasaran dalam perencanaan produksi agregat. Prioritas sasaran tersebut secara berturut-turut adalah : (1) Tingkat produksi memenuhi jumlah permintaan, (2) Produksi tidak lebih dari jam kerja reguler yang tersedia, dan (3) Berproduksi tidak melebih dari jam kerja lembur yang tersedia. Penyelesaian model program sasaran dengan bantuan paket program LINDO (Linier Interactive Discrete Optimizer), telah dihasilkan bahwasanya ketiga sasaran tersebut tercapai. Hasil perencanaan produksi agregat menunjukkan bahwa jumlah produksi pada jam kerja reguler sebesar 12.311.759 meter, sehingga membutuhkan waktu poduksi di jam kerja lembur selama 309 jam dan jumlah produksi pada jam kerja lembur sebesar 602.827 meter. Rencana produksi

44

tersebut memberikan hasil optimal, yaitu penyimpangan terhadap permintaan sama dengan nol, batas atas jam kerja reguler dan jam kerja lembur terpenuhi. Dari hasil perencanaan ini diperlukan biaya total produksi keseluruhan mencapai Rp. 134.828.277.840,00. Sedangkan biaya jam kerja reguler sebesar Rp. 24.814.608,00 per orang dan biaya jam kerja lembur sebesar Rp. 3.706.146,00 per orang. B. SARAN Dari penelitian ini disarankan agar hasil perencanaan produksi lebih baik, perlu ditelaah lebih lanjut nilai parameter-parameter biaya yang lebih mendekati kenyataan. Perlu pengkajian lebih terhadap faktor-faktor yang mempengaruhi rencana produksi lainnya, yang mencakup jumlah tenaga kerja, persediaan bahan baku, mesin dan peralatan produksi. Penelitian ini perlu dilanjutkan dengan mengkaji bobot atau tingkat kepentingan / prioritas berdasarkan pendapat manajemen. Agar proses produksi berjalan maksimal tanpa harus menggunakan jam kerja lembur, sebaiknya perusahaan meningkatkan kemampuan atau kecepatan proses produksi. Dengan demikian perusahaan dapat menaikkan kapasitas produksi, sehingga mampu memenuhi permintaan konsumen dan pada akhirnya akan lebih meningkatkan efisiensi biaya dan menambah keuntungan perusahaan.

45

DAFTAR PUSTAKA

Assauri, S. 1980. Manajemen Produksi. Lembaga Penerbit Fakultas Ekonomi, Universitas Indonesia. Jakarta. Bedworth, D. dan Bailey, J. E. 1990. Integrated Production Control System. John Wiley and Sons, Inc., New York. Buffa, E. S. 1977. Modern Production Management, Managing The Operation Function. John Willey and Sons Inc., New York. Ignizio, J.P. 1983. Programming in Single and Multiple Objective System. Prentice-Hall Inc., Englewood Cliffs, New York. Machfud. 1999. Diktat Perencanaan dan Pengendalian Produksi. Jurusan Teknologi Industri Pertanian, Fateta-IPB, Bogor. Makridakis, S. et al. 1993. Metode dan Aplikasi Peramalan. Penerbit Erlangga. Jakarta. Moskowitz, H. dan G. P. Wright. 1979. Operation Research Techniques for Management. Prentice-Hall, Inc. Englewood Clifs, New York. Nasendi, B. D. dan A. Anwar. 1985. Program Linier dan Variasinya. PT. Gramedia, Jakarta. Stevenson, W. J. 1986. Production/Operation Management. Irwin Homewood. Illinois. Thierauf, R. J. dan R. C. Klekamp. 1975. Decision Making Trough Operation Research. Second Edition. John Wiley and Sons, New York.

46

Lampiran 1. Layout Pabrik PT. Unitex, Tbk

47

Lampiran 2. Bahan Baku, Bahan Penolong dan Produk PT. Unitex, Tbk Bahan Baku dan Bahan Penolong Produksi Jenis bahan

Kapasitas perbulan

Bentuk fisik

225 ton

Padat

Mudah Terbakar

110 ton

Padat

Mudah Terbakar

* Bahan penolong - Kanji alam - Pelemas - Anti statis - Lilin - Zat warna - Resin - Zat anorganik

22.279 kg 2.013 kg 1.650 kg 2.400 kg 3.184 kg 12.532 kg 125.762 kg

Padat Padat Padat Padat Padat, Cair Cair Padat, Cair

- Zat pembantu

17.949 kg

Cair

Tidak Beracun Tidak Beracun Tidak Beracun Tidak Beracun Tidak Beracun Tidak Beracun Tidak Beracun, korosif Tidak Beracun, korosif

* Bahan baku - Serat kapas

- Serat polyester

Sifat bahan

Asal bahan / supplier

Cara simpan

Impor (Australia, Mesir, Amerika Serikat, dan Zimbabwe) Lokal (PT. Taijin Indonesia, Tangerang)

Packing bale

CV. Ekindo P. PT. Lautan Luas PT. Lautan Luas Matsumotoyushi Inc. Sumimoto PT. Inkali Pabrik Lokal

Drum plastik Drum plastik Drum plastik Drum plastik Drum plastik Drum plastik Drum plastik

Pabrik Lokal, Impor

Drum plastik

Packing bale

(sumber : PT. Unitex, Tbk 2008) Jenis dan Tipe Produk Kain No.

Jenis

Tipe All Cotton

1.

Piece Dyed (Polos)

Chief Value Cotton Polyester Cotton All Cotton

2.

Yard Dyed (Motif)

Chief Value Cotton Polyester Cotton

(sumber : PT. Unitex, Tbk 2008)

48

Lampiran 3. Hasil Print Out Program Aplikasi Minitab 14. ARIMA Model: Jumlah Penjualan (meter) Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

SSE 1,37634E+13 7,54573E+12 5,16743E+12 3,06501E+12 1,69496E+12 8,27347E+11 3,15471E+11 1,67031E+11 1,39856E+11 1,21785E+11 1,10516E+11 1,05851E+11 1,03850E+11 1,02731E+11 1,01577E+11 99373107476 93550137279 91783785548 88834769870 88724737423 88698022781 88685947845

Parameters 0,100 0,100 0,250 -0,050 0,306 -0,200 0,456 -0,274 0,606 -0,330 0,756 -0,360 0,906 -0,345 1,008 -0,215 1,006 -0,065 1,004 0,085 1,003 0,219 1,002 0,305 1,001 0,372 1,001 0,436 1,000 0,508 1,000 0,605 1,000 0,751 1,000 0,901 1,000 0,869 1,000 0,861 1,000 0,863 1,000 0,863

Relative change in each estimate less than 0,0010 * WARNING * Back forecasts not dying out rapidly Back forecasts (after differencing) Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag

-98 -92 -86 -80 -74 -68 -62 -56 -50 -44 -38 -32 -26 -20 -14 -8 -2

-

-93 -87 -81 -75 -69 -63 -57 -51 -45 -39 -33 -27 -21 -15 -9 -3 0

1084311,143 1084534,367 1084757,638 1084980,955 1085204,318 1085427,727 1085651,182 1085874,682 1086098,229 1086321,822 1086545,461 1086769,146 1086992,877 1087216,654 1087440,477 1087664,346 1087888,261

Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag

-98 -92 -86 -80 -74 -68 -62 -56 -50 -44 -38

-

-93 -87 -81 -75 -69 -63 -57 -51 -45 -39 -33

1084497,160 1084720,423 1084943,733 1085167,088 1085390,489 1085613,936 1085837,429 1086060,968 1086284,553 1086508,185 1086731,862

1084348,343 1084571,576 1084794,855 1085018,179 1085241,550 1085464,966 1085688,429 1085911,937 1086135,492 1086359,092 1086582,739 1086806,431 1087030,170 1087253,954 1087477,785 1087701,662 1087925,585

1084385,546 1084608,786 1084832,072 1085055,404 1085278,783 1085502,207 1085725,677 1085949,193 1086172,755 1086396,363 1086620,017 1086843,718 1087067,464 1087291,256 1087515,095 1087738,979 1087962,910

1084422,749 1084645,997 1084869,291 1085092,631 1085316,017 1085539,448 1085762,926 1085986,450 1086210,020 1086433,636 1086657,298 1086881,006 1087104,760 1087328,560 1087552,406 1087776,298

1084459,954 1084683,210 1084906,511 1085129,859 1085353,252 1085576,692 1085800,177 1086023,709 1086247,286 1086470,910 1086694,579 1086918,295 1087142,056 1087365,864 1087589,718 1087813,618

49

Lag Lag Lag Lag Lag Lag

-32 -26 -20 -14 -8 -2

- -27 - -21 - -15 - -9 - -3 0

1086955,585 1087179,354 1087403,170 1087627,031 1087850,939

Back forecast residuals Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag Lag

-98 -92 -86 -80 -74 -68 -62 -56 -50 -44 -38 -32 -26 -20 -14 -8 -2

-

-93 -87 -81 -75 -69 -63 -57 -51 -45 -39 -33 -27 -21 -15 -9 -3 0

74,398 349,213 462,584 509,392 528,757 536,806 540,191 541,652 542,320 542,661 542,867 543,018 543,146 543,264 543,379 543,492 543,604

138,585 375,688 473,510 513,908 530,630 537,589 540,525 541,800 542,392 542,702 542,895 543,040 543,166 543,284 543,398 543,511 543,623

193,963 398,531 482,940 517,807 532,248 538,268 540,815 541,931 542,457 542,739 542,922 543,062 543,186 543,303 543,417 543,529 543,642

241,741 418,241 491,077 521,173 533,647 538,855 541,068 542,046 542,515 542,774 542,947 543,084 543,206 543,322 543,436 543,548

282,963 435,247 498,099 524,079 534,856 539,365 541,289 542,149 542,568 542,807 542,971 543,105 543,226 543,341 543,454 543,567

318,528 449,921 504,161 526,589 535,902 539,807 541,483 542,239 542,617 542,838 542,995 543,126 543,245 543,360 543,473 543,586

Final Estimates of Parameters Type AR 1 MA 1

Coef 1,0000 0,8627

SE Coef 0,0043 0,3237

T 233,95 2,67

P 0,000 0,024

Number of observations: 12 Residuals: SS = 88659622857 (backforecasts excluded) MS = 8865962286 DF = 10

Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 * * *

24 * * *

36 * * *

48 * * *

Forecasts from period 12

Period 13 14 15 16 17 18 19 20 21 22 23 24

Forecast 1076419 1076382 1076345 1076308 1076271 1076234 1076197 1076160 1076123 1076086 1076049 1076012

95 Percent Limits Lower Upper 891829 1261008 890062 1262701 888311 1264379 886575 1266041 884854 1267687 883149 1269319 881457 1270937 879780 1272540 878116 1274130 876466 1275706 874829 1277270 873205 1278820

Actual

50

Lampiran 4. Model Program Sasaran Linier objective function : min 0.5 db11 + 0.5 db12 + 0.5 db13 + 0.5 db14 + 0.5 db15 + 0.5 db17 + 0.5 db18 + 0.5 db19 + 0.5 db110 + 0.5 db111 + 0.5 db112 + 0.3 da22 + 0.3 da23 + 0.3 da24 + 0.3 da25 + 0.3 da26 + 0.3 da27 + 0.3 da29 + 0.3 da210 + 0.3 da211 + 0.3 da212 + 0.2 da31 + 0.2 da33 + 0.2 da34 + 0.2 da35 + 0.2 da36 + 0.2 da37 + 0.2 da38 + 0.2 da310 + 0.2 da311 + 0.2 da312

db16 + 0.5 0.3 da21 + + 0.3 da28 da32 + 0.2 0.2 da39 +

subject to a). kendala permintaan db11 - da11 + X1 = 1076419 db12 - da12 + X2 = 1076382 db13 - da13 + X3 = 1076345 db14 - da14 + X4 = 1076308 db15 - da15 + X5 = 1076271 db16 - da16 + X6 = 1076234 db17 - da17 + X7 = 1076197 db18 - da18 + X8 = 1076160 db19 - da19 + X9 = 1076123 db110 - da110 + X10 = 1076086 db111 - da111 + X11 = 1076049 db112 - da112 + X12 = 1076012

b). kendala jam kerja reguler db21 - da21 + 0.00051 X1 = 525 db22 - da22 + 0.00051 X2 = 504 db23 - da23 + 0.00051 X3 = 483 db24 - da24 + 0.00051 X4 = 546 db25 - da25 + 0.00051 X5 = 525 db26 - da26 + 0.00051 X6 = 525 db27 - da27 + 0.00051 X7 = 546 db28 - da28 + 0.00051 X8 = 525 db29 - da29 + 0.00051 X9 = 546

51

db210 - da210 + 0.00051 X10 = 525 db211 - da211 + 0.00051 X11 = 525 db212 - da212 + 0.00051 X12 = 504

c). kendala jam kerja lembur da21 + db31 - da31 = 126 da22 + db32 - da32 = 105 da23 + db33 - da33 = 168 da24 + db34 - da34 = 84 da25 + db35 - da35 = 126 da26 + db36 - da36 = 105 da27 + db37 - da37 = 105 da28 + db38 - da38 = 126 da29 + db39 - da39 = 84 da210 + db310 - da310 = 126 da211 + db311 - da311 = 105 da212 + db312 - da312 = 147

d). kendala kapasitas produksi X1 <= 1500000 X2 <= 1500000 X3 <= 1500000 X4 <= 1500000 X5 <= 1500000 X6 <= 1500000 X7 <= 1500000 X8 <= 1500000 X9 <= 1500000 X10 <= 1500000 X11 <= 1500000 X12 <= 1500000

52

e). kendala persediaan produk X1 - I1 = 1076419 I1 + X2 - I2 = 1076382 I2 + X3 - I3 = 1076345 I3 + X4 - I4 = 1076308 I4 + X5 - I5 = 1076271 I5 + X6 - I6 = 1076234 I6 + X7 - I7 = 1076197 I7 + X8 - I8 = 1076160 I8 + X9 - I9 = 1076123 I9 + X10 - I10 = 1076086 I10 + X11 - I11 = 1076049 I11 + X12 - I12 = 1076012

f). kendala kapasitas gudang X1 <= 1200000 I1 + X2 <= 1200000 I2 + X3 <= 1200000 I3 + X4 <= 1200000 I4 + X5 <= 1200000 I5 + X6 <= 1200000 I6 + X7 <= 1200000 I7 + X8 <= 1200000 I8 + X9 <= 1200000 I9 + X10 <= 1200000 I10 + X11 <= 1200000 I11 + X12 <= 1200000 end

53

Lampiran 5. Hasil Output Program LINDO

LP OPTIMUM FOUND AT STEP

19

OBJECTIVE FUNCTION VALUE

1)

VARIABLE

92.23159

VALUE

REDUCED COST

DB11

0.000000

0.500000

DB12

0.000000

0.500000

DB13

0.000000

0.500000

DB14

0.000000

0.500000

DB15

0.000000

0.500000

DB16

0.000000

0.500000

DB17

0.000000

0.500000

DB18

0.000000

0.500000

DB19

0.000000

0.500000

DB110

0.000000

0.500000

DB111

0.000000

0.500000

DB112

0.000000

0.500000

DA21

23.973673

0.000000

DA22

44.954803

0.000000

DA23

65.935936

0.000000

DA24

2.917062

0.000000

DA25

23.898191

0.000000

DA26

23.879322

0.000000

DA27

2.860452

0.000000

DA28

23.841581

0.000000

DA29

2.822712

0.000000

54

DA210

23.803843

0.000000

DA211

23.784973

0.000000

DA212

44.766102

0.000000

DA31

0.000000

0.200000

DA32

0.000000

0.200000

DA33

0.000000

0.200000

DA34

0.000000

0.200000

DA35

0.000000

0.200000

DA36

0.000000

0.200000

DA37

0.000000

0.200000

DA38

0.000000

0.200000

DA39

0.000000

0.200000

DA310

0.000000

0.200000

DA311

0.000000

0.200000

DA312

0.000000

0.200000

DA11

0.000000

0.000000

X1

1076419.000000

0.000000

DA12

0.000000

0.000000

X2

1076382.000000

0.000000

DA13

0.000000

0.000000

X3

1076345.000000

0.000000

DA14

0.000000

0.000000

X4

1076308.000000

0.000000

DA15

0.000000

0.000000

X5

1076271.000000

0.000000

DA16

0.000000

0.000000

X6

1076234.000000

0.000000

DA17

0.000000

0.000000

X7

1076197.000000

0.000000

DA18

0.000000

0.000000

55

X8

1076160.000000

0.000000

DA19

0.000000

0.000000

X9

1076123.000000

0.000000

DA110

0.000000

0.000000

X10

1076086.000000

0.000000

DA111

0.000000

0.000000

X11

1076049.000000

0.000000

DA112

0.000000

0.000000

X12

1076012.000000

0.000000

DB21

0.000000

0.300000

DB22

0.000000

0.300000

DB23

0.000000

0.300000

DB24

0.000000

0.300000

DB25

0.000000

0.300000

DB26

0.000000

0.300000

DB27

0.000000

0.300000

DB28

0.000000

0.300000

DB29

0.000000

0.300000

DB210

0.000000

0.300000

DB211

0.000000

0.300000

DB212

0.000000

0.300000

DB31

102.026329

0.000000

DB32

60.045197

0.000000

DB33

102.064064

0.000000

DB34

81.082939

0.000000

DB35

102.101807

0.000000

DB36

81.120674

0.000000

DB37

102.139549

0.000000

DB38

102.158417

0.000000

DB39

81.177284

0.000000

56

DB310

102.196159

0.000000

DB311

81.215027

0.000000

DB312

102.233894

0.000000

I1

0.000000

0.000000

I2

0.000000

0.000000

I3

0.000000

0.000000

I4

0.000000

0.000000

I5

0.000000

0.000000

I6

0.000000

0.000000

I7

0.000000

0.000000

I8

0.000000

0.000000

I9

0.000000

0.000000

I10

0.000000

0.000000

I11

0.000000

0.000000

I12

0.000000

0.000153

ROW

SLACK OR SURPLUS

DUAL PRICES

2)

0.000000

0.000000

3)

0.000000

0.000000

4)

0.000000

0.000000

5)

0.000000

0.000000

6)

0.000000

0.000000

7)

0.000000

0.000000

8)

0.000000

0.000000

9)

0.000000

0.000000

10)

0.000000

0.000000

11)

0.000000

0.000000

12)

0.000000

0.000000

13)

0.000000

0.000000

57

14)

0.000000

0.300000

15)

0.000000

0.300000

16)

0.000000

0.300000

17)

0.000000

0.300000

18)

0.000000

0.300000

19)

0.000000

0.300000

20)

0.000000

0.300000

21)

0.000000

0.300000

22)

0.000000

0.300000

23)

0.000000

0.300000

24)

0.000000

0.300000

25)

0.000000

0.300000

26)

0.000000

0.000000

27)

0.000000

0.000000

28)

0.000000

0.000000

29)

0.000000

0.000000

30)

0.000000

0.000000

31)

0.000000

0.000000

32)

0.000000

0.000000

33)

0.000000

0.000000

34)

0.000000

0.000000

35)

0.000000

0.000000

36)

0.000000

0.000000

37)

0.000000

0.000000

38)

423581.000000

0.000000

39)

423618.000000

0.000000

40)

423655.000000

0.000000

41)

423692.000000

0.000000

42)

423729.000000

0.000000

43)

423766.000000

0.000000

58

44)

423803.000000

0.000000

45)

423840.000000

0.000000

46)

423877.000000

0.000000

47)

423914.000000

0.000000

48)

423951.000000

0.000000

49)

423988.000000

0.000000

50)

0.000000

-0.000153

51)

0.000000

-0.000153

52)

0.000000

-0.000153

53)

0.000000

-0.000153

54)

0.000000

-0.000153

55)

0.000000

-0.000153

56)

0.000000

-0.000153

57)

0.000000

-0.000153

58)

0.000000

-0.000153

59)

0.000000

-0.000153

60)

0.000000

-0.000153

61)

0.000000

-0.000153

62)

123581.000000

0.000000

63)

123618.000000

0.000000

64)

123655.000000

0.000000

65)

123692.000000

0.000000

66)

123729.000000

0.000000

67)

123766.000000

0.000000

68)

123803.000000

0.000000

69)

123840.000000

0.000000

70)

123877.000000

0.000000

71)

123914.000000

0.000000

72)

123951.000000

0.000000

73)

123988.000000

0.000000

59

NO. ITERATIONS=

19

RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES VARIABLE

CURRENT

ALLOWABLE

ALLOWABLE

COEF

INCREASE

DECREASE

DB11

0.500000

INFINITY

0.500000

DB12

0.500000

INFINITY

0.500000

DB13

0.500000

INFINITY

0.500000

DB14

0.500000

INFINITY

0.500000

DB15

0.500000

INFINITY

0.500000

DB16

0.500000

INFINITY

0.500000

DB17

0.500000

INFINITY

0.500000

DB18

0.500000

INFINITY

0.500000

DB19

0.500000

INFINITY

0.500000

DB110

0.500000

INFINITY

0.500000

DB111

0.500000

INFINITY

0.500000

DB112

0.500000

INFINITY

0.500000

DA21

0.300000

INFINITY

0.000000

DA22

0.300000

0.000000

0.000000

DA23

0.300000

0.000000

0.000000

DA24

0.300000

0.000000

0.000000

DA25

0.300000

0.000000

0.000000

DA26

0.300000

0.000000

0.000000

DA27

0.300000

0.000000

0.000000

DA28

0.300000

0.000000

0.000000

DA29

0.300000

0.000000

0.000000

DA210

0.300000

0.000000

0.000000

60

DA211

0.300000

0.000000

0.000000

DA212

0.300000

0.000000

0.300000

DA31

0.200000

INFINITY

0.200000

DA32

0.200000

INFINITY

0.200000

DA33

0.200000

INFINITY

0.200000

DA34

0.200000

INFINITY

0.200000

DA35

0.200000

INFINITY

0.200000

DA36

0.200000

INFINITY

0.200000

DA37

0.200000

INFINITY

0.200000

DA38

0.200000

INFINITY

0.200000

DA39

0.200000

INFINITY

0.200000

DA310

0.200000

INFINITY

0.200000

DA311

0.200000

INFINITY

0.200000

DA312

0.200000

INFINITY

0.200000

DA11

0.000000

INFINITY

0.000000

X1

0.000000

INFINITY

0.000000

DA12

0.000000

0.000000

0.000000

X2

0.000000

0.000000

0.000000

DA13

0.000000

0.000000

0.000000

X3

0.000000

0.000000

0.000000

DA14

0.000000

0.000000

0.000000

X4

0.000000

0.000000

0.000000

DA15

0.000000

0.000000

0.000000

X5

0.000000

0.000000

0.000000

DA16

0.000000

0.000000

0.000000

X6

0.000000

0.000000

0.000000

DA17

0.000000

0.000000

0.000000

X7

0.000000

0.000000

0.000000

DA18

0.000000

0.000000

0.000000

X8

0.000000

0.000000

0.000000

61

DA19

0.000000

0.000000

0.000000

X9

0.000000

0.000000

0.000000

DA110

0.000000

0.000000

0.000000

X10

0.000000

0.000000

0.000000

DA111

0.000000

0.000000

0.000000

X11

0.000000

0.000000

0.000000

DA112

0.000000

0.000000

0.000153

X12

0.000000

0.000000

0.000153

DB21

0.000000

INFINITY

0.300000

DB22

0.000000

INFINITY

0.300000

DB23

0.000000

INFINITY

0.300000

DB24

0.000000

INFINITY

0.300000

DB25

0.000000

INFINITY

0.300000

DB26

0.000000

INFINITY

0.300000

DB27

0.000000

INFINITY

0.300000

DB28

0.000000

INFINITY

0.300000

DB29

0.000000

INFINITY

0.300000

DB210

0.000000

INFINITY

0.300000

DB211

0.000000

INFINITY

0.300000

DB212

0.000000

INFINITY

0.300000

DB31

0.000000

0.000000

0.200000

DB32

0.000000

0.000000

0.000000

DB33

0.000000

0.000000

0.000000

DB34

0.000000

0.000000

0.000000

DB35

0.000000

0.000000

0.000000

DB36

0.000000

0.000000

0.000000

DB37

0.000000

0.000000

0.000000

DB38

0.000000

0.000000

0.000000

DB39

0.000000

0.000000

0.000000

DB310

0.000000

0.000000

0.000000

62

DB311

0.000000

0.000000

0.000000

DB312

0.000000

0.300000

0.000000

I1

0.000000

INFINITY

0.000000

I2

0.000000

INFINITY

0.000000

I3

0.000000

INFINITY

0.000000

I4

0.000000

INFINITY

0.000000

I5

0.000000

INFINITY

0.000000

I6

0.000000

INFINITY

0.000000

I7

0.000000

INFINITY

0.000000

I8

0.000000

INFINITY

0.000000

I9

0.000000

INFINITY

0.000000

I10

0.000000

INFINITY

0.000000

I11

0.000000

INFINITY

0.000000

I12

0.000000

INFINITY

0.000153

RIGHTHAND SIDE RANGES ROW

CURRENT

ALLOWABLE

ALLOWABLE

RHS

INCREASE

DECREASE

2

1076419.000000

0.000000

INFINITY

3

1076382.000000

0.000000

INFINITY

4

1076345.000000

0.000000

INFINITY

5

1076308.000000

0.000000

INFINITY

6

1076271.000000

0.000000

INFINITY

7

1076234.000000

0.000000

INFINITY

8

1076197.000000

0.000000

INFINITY

9

1076160.000000

0.000000

INFINITY

10

1076123.000000

0.000000

INFINITY

11

1076086.000000

0.000000

INFINITY

12

1076049.000000

0.000000

INFINITY

13

1076012.000000

0.000000

INFINITY

63

14

525.000000

23.973673

102.026329

15

504.000000

44.954803

60.045197

16

483.000000

65.935936

102.064064

17

546.000000

2.917062

81.082939

18

525.000000

23.898191

102.101807

19

525.000000

23.879322

81.120674

20

546.000000

2.860452

102.139549

21

525.000000

23.841581

102.158417

22

546.000000

2.822712

81.177284

23

525.000000

23.803843

102.196159

24

525.000000

23.784973

81.215027

25

504.000000

44.766102

102.233894

26

126.000000

INFINITY

102.026329

27

105.000000

INFINITY

60.045197

28

168.000000

INFINITY

102.064064

29

84.000000

INFINITY

81.082939

30

126.000000

INFINITY

102.101807

31

105.000000

INFINITY

81.120674

32

105.000000

INFINITY

102.139549

33

126.000000

INFINITY

102.158417

34

84.000000

INFINITY

81.177284

35

126.000000

INFINITY

102.196159

36

105.000000

INFINITY

81.215027

37

147.000000

INFINITY

102.233894

38

1500000.000000

INFINITY

423581.000000

39

1500000.000000

INFINITY

423618.000000

40

1500000.000000

INFINITY

423655.000000

41

1500000.000000

INFINITY

423692.000000

42

1500000.000000

INFINITY

423729.000000

43

1500000.000000

INFINITY

423766.000000

64

44

1500000.000000

INFINITY

423803.000000

45

1500000.000000

INFINITY

423840.000000

46

1500000.000000

INFINITY

423877.000000

47

1500000.000000

INFINITY

423914.000000

48

1500000.000000

INFINITY

423951.000000

49

1500000.000000

INFINITY

423988.000000

50

1076419.000000

123581.000000

0.000000

51

1076382.000000

117735.679688

0.000000

52

1076345.000000

123655.000000

0.000000

53

1076308.000000

123692.000000

0.000000

54

1076271.000000

123729.000000

0.000000

55

1076234.000000

123766.000000

0.000000

56

1076197.000000

123803.000000

0.000000

57

1076160.000000

123840.000000

0.000000

58

1076123.000000

123877.000000

0.000000

59

1076086.000000

123914.000000

0.000000

60

1076049.000000

123951.000000

0.000000

61

1076012.000000

123988.000000

0.000000

62

1200000.000000

INFINITY

123581.000000

63

1200000.000000

INFINITY

123618.000000

64

1200000.000000

INFINITY

123655.000000

65

1200000.000000

INFINITY

123692.000000

66

1200000.000000

INFINITY

123729.000000

67

1200000.000000

INFINITY

123766.000000

68

1200000.000000

INFINITY

123803.000000

69

1200000.000000

INFINITY

123840.000000

70

1200000.000000

INFINITY

123877.000000

71

1200000.000000

INFINITY

123914.000000

72

1200000.000000

INFINITY

123951.000000

73

1200000.000000

INFINITY

123988.000000

65

PERENCANAAN PRODUKSI AGREGAT PT. UNITEX, Tbk. Oleh ADHI NUGROHO SY. AHMAD F

Recommend Documents