PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS IX

Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922

PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS IX

Dewan Redaksi/ Editor : Dr. Didit Budi Nugroho, M.Si. Nur Aji Wibowo, S.Si., M.Si. Silvia Andini, S. Si., M.Sc.

Alamat Redaksi :

Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro 52-60 Salatiga 50711 Telp

: (0298) 321212 ext 238

Fax

: (0298) 321433

i


KATA PENGANTAR

Pesatnya perkembangan Ilmu Pengetahuan dan Teknologi (IPTEK) saat ini, menuntut setiap lapisan masyarakat untuk mengikuti perkembangannya. Dan tidak hanya berhenti pada tataran ini, namun menuntut pada tingkatan yang lebih tinggi yakni penguasaan IPTEK itu sendiri. Siswa hingga mahasiswa yang memegang tongkat estafet perkembangan IPTEK tak luput dari tuntutan akan kompetensi tersebut. Kompetensi akan ilmu-ilmu dasar seperti Matematika, Fisika dan Kimia mutlak diperlukan. Sehingga kemutakhiran informasi mengenai perkebangan IPTEK dan implementasi kurikulum dalam pembelajaran ilmu-ilmu dasar menjadi isu utama yang harus menjadi perhatian kalangan akademik. Sebagai bagian dari institusi akademik, Fakultas Sains dan Matematika UKSW menunjukkan peran serta didalamnya melalui penyelenggaraan Seminar Nasional 2014 dengan sub-tema: “Kemajuan IPTEK dan implementasi kurikulum 2013” yang telah dilaksanakan pada tanggal 21 Juni 2014, pukul: 07.30 – 16.00 WIB, bertempat di Hotel Le Beringin, Jalan Jenderal Sudirman no. 160, Salatiga. Dokumentasi hasil seminar nasional termasuk didalamnya makalah lengkap hasil penelitian dan kajian teoritik tersusun dalam bentuk prosiding ini. Semoga dengan diterbitkannya prosiding ini, dapat digunakan sebagai data awal untuk kajian selanjutnya dan dapat bermanfaat sebesar-besarnya bagi perkembangan IPTEK dan Pendidikan di Indonesia. Terima kasih kami sampaikan kepada semua pihak yang telah membantu terlaksananya Seminar Nasional dan tersusunnya Prosiding ini dengan baik: para panitia, para pembicara, para pemakalah, para peserta dan kepada seluruh staf Fakultas Sains dan Matematika UKSW.

Salatiga, 21 Juni 2014

Nur Aji Wibowo, S.Si., M.Si Ketua Panitia

ii


SAMBUTAN DEKAN

Puji Syukur kami panjatkan kehadirat Tuhan YME karena atas berkat dan rahmatNya kita dimampukan untuk melaksakan seminar Nasional ini. Semoga berkahNya yang melimpah juga menyertai kita semua. Terima kasih yang tulus dan perhargaan setinggi tingginya, kami serahkan pada semua pihak yang telah berperan bagi berlangsungnya seminar ini , yaitu bagi para pembicara utama, para pemakalah yang telah bersusah payah menuangkan berbagai ragam ide dan analisa penelitian, juga kepada segenap panitia seminar dan Universitas Kristen Satya Wacana. Budaya menulis ilmiah adalah salah satu ciri keberhasilan insan pendidikan dimanapun berada. Dengan semakin banyaknya sumbang pemikiran ilmiah , kami percaya bahwa ini akan menyumbangkan hal positif untuk dunia pendidikan dan masyarakat di Indonesia. Jadi marilah kita bersama – sama mencoba mengangkat harkat dan martabat bangsa Indonesia dengan setia menyumbang karya – karya ilmiah semacam ini. Banyak ketidaksempurnaan dalam penyelenggaraan seminar ini, namun janganlah itu menjadi kendala bagi kita untuk tetap bersemangat mengembangkan diri bagi institusi dan bangsa kita. Selamat berseminar. Terima Kasih

Salatiga, 21 Juni 2014

Dr. Suryasatriya Trihandaru, M.Sc.nat. Dekan FSM

iii


JADWAL SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS IX HOTEL Le Beringin – SALATIGA, 21 JUNI 2014

WAKTU 07.30 – 08.30 08.30 – 08.35 08.35 – 08.45 08.45 – 10.00 10.00 – 11.15 11.15 – 12.30 12.30 – 14.45 14.45 – 15.00 15.00 – 16.30

KEGIATAN Daftar ulang + Coffee Break Pagi Sambutan oleh Ketua Panitia ( Nur Aji Wibowo, M. Si.) Sambutan dan Pembukaan oleh Pembantu Rektor I ( Prof. Ferdy S. Rondonuwu, S.Pd., M.Sc., P.hD) Sidang Pleno 1 ( Dr. Andika Fajar, M. Eng.) Sidang Pleno 2 ( Dr. Das Salirawati, M. Si.) Ishoma Sidang Paralel Coffee Break Sore Sidang Paralel lanjutan

iv


DAFTAR ISI PEMAKALAH UTAMA PERKEMBANGAN IPTEK TERKINI DAN KETERKAITANNYA DENGAN DUNIA PENDIDIKAN DI PERGURUAN TINGGI

1 - 10

Dr. Andika Fajar, M.Eng.

KURIKULUM 2013, KKNI DAN IMPLEMENTASINYA

11-22

Dr. Das Salirawati, M.Si

PEMAKALAH PARALEL BIDANG MATEMATIKA DAN PENDIDIKAN MATEMATIKA MODIFIKASI DISTRIBUSI PERJALANAN ANGKUTAN KERETA API PENUMPANG 623-627 DENGAN MODEL GRAVITASI Joko Riyono

METODE RASIONAL EKSPLISIT UNTUK MASALAH NILAI AWAL

628-635

Sudi Mungkasi

PERAMBATAN GELOMBANG SHOCK AKIBAT HANCURNYA SUATU BENDUNGAN LINGKAR

636-641

Sudi Mungkasi

KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT

642-648

Adi Setiawan

VERIFIKASI DAN IDENTIFIKASI TANDATANGAN OFFLINE MENGGUNAKAN WAVELET DAN LEARNING VECTOR QUANTIZATION Agus Wibowo, Wirawan, Yoyon K Suprapto

649 -655

SISTEM PAKAR FUZZY UNTUK MENDIAGNOSA PENYAKIT PADA TANAMAN KAKAO BERBASIS SMS GATEWAY

656-662

Yosafat Pati Koten, Albertus Joko Santoso, Thomas Suselo

PENDEKATAN LOGIKA TERHADAP VERIFIKASI FORMAL “PROTOKOL CryptO-0N2 WITH THE BLIND SCHNORR SIGNATURE SCHEME IMPLEMENTATION“

663-675

Esti Rahmawati Agustina, Ikhsan Budiarso

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

676-685

Mitha Febby R. D , Adi Setiawan , Hanna Arini Parhusip

APLIKASI BALANAR V.1.0 : PENGGUNAAN FILE AUTHENTICATION v

686-694


DAN USB DONGLE PADA OTENTIKASI SEBUAH SISTEM Sandromedo Christa Nugroho

KESALAHAN SPESIFIKASI MODEL PADA DATA CACAH MENYEBABKAN OVERDISPERSI

695-701

Timbang Sirait

PENERAPAN WALSH HADAMARD TRANSFORM (WHT) 702-709 DALAM MENGUKUR KRITERIA BALANCEDNESS DAN CORRELATION IMMUNITY PADA FUNGSI BOOLEAN ACAK A’mas PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN 710-715 NORMAL BAKU, LOGNORMAL, DAN GAMMA Timbang Sirait

MODEL LINEAR CAMPURAN DUA-TAHAP UNTUK DATA LONGITUDINAL TAK SEIMBANG

716-723

Retno Budiarti

PENENTUAN KUALITAS SOAL PILIHAN BERGANDA BERDASARKAN UJI RELIABILITAS KUDER–RICHARDSON, ANALISIS BUTIR DAN METODE FUZZY SUGENO

724-732

Christina R. N. Yedidya, Bambang Susanto, dan Lilik Linawati

PENERAPAN BENTUK SELISIH KUADRAT DUA BILANGAN UNTUK MENYELESAIKAN MASALAH ARITMATIKA

733-738

Yoanna Krisnawati, Prapti Mahayuningsih

POLA DISTRIBUSI INTERVAL DENYUT JANTUNG DENGAN MEMANFAATKAN JUMLAHAN FUNGSI GAUSS YANG DIOPTIMASI SECARA NELDER-MEAD SIMPLEX

739-747

Herlina D Tendean, Hanna A Parhusip, Suryasatria Trihandaru, Bambang Susanto

EFISIENSI MODEL CAMPURAN LINEAR DISTRIBUSI T DENGAN PROSES AUTOREGRESIFPADA DATA LONGITUDINAL

748-755

Cucu Sumarni

STUDI TENTANG ALIRAN TAK TUNAK FLUIDA SISKO ARTERI STENOSIS

756-763

Indira Anggriani , Basuki Widodo

PENGARUH SUDUT PERTEMUAN SALURAN TERHADAP PROFIL SEDIMENTASI 764-773 Mita Sany Untari dan Basuki Widodo

PENGARUH LAJU ALIRAN SUNGAI UTAMA DAN ANAK SUNGAI TERHADAP PROFIL SEDIMENTASI DI PERTEMUAN DUA SUNGAI MODEL SINUSOIDAL

774-783

Yuyun Indah Trisnawati, Basuki Widodo

PERENCANAAN PRODUKSI BERDASARKAN PROGRAM LINEAR DENGAN PERMINTAAN YANG DIRAMALKAN vi

784- 789

Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922 Dewi Rimbasari, Lilik Linawati, Bambang Susanto

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TEMPAT WISATA DI TIMOR LESTE DENGAN METODE LECTRE

790- 796

Oktovianus Pareira, Alb. Joko Santoso, Patricia Ardanari

APLIKASI RUMUS ANALOGI NAPIER PADA SEGITIGA BOLA DALAM PENENTUAN ARAH SALAT UMAT ISLAM

797- 805

Agus Solikin

RANCANG BANGUN APLIKASI E-LEARNING BANGUN RUANG TIGA DIMENSI BERBASIS MOBILE ANDROID

806-814

Parno, Matilda Khaterine, Dharmayanti

PENERAPAN ASPEK MATEMATIKA PADA BANGUNAN PIRAMIDA MESIR KUNO 815-818 Paskalia Siwi Setianingrum, Benedicta Yunita Kurnia Talan

ANALISIS PERHITUNGAN PREMI ASURANSI PENDIDIKAN MENGGUNAKAN METODE ANUITAS DAN METODE GOMPERTZ

819-825

Stella Maryana Belwawin, Bambang Susanto, Tundjung Mahatma

SISTEM PERSAMAAN LINEAR MIN-PLUS BILANGAN KABUR DAN PENERAPANNYA PADA MASALAH LINTASAN TERPENDEK DENGAN WAKTU TEMPUH KABUR

826-834

M. Andy Rudhito dan D. Arif Budi Prasetyo

PENERAPAN PROTOKOL SECRET SPLITTING PADA NOTARIS DIGITAL

835-840

Wahyu Indah Rahmawati

PENINGKATKAN KEMANDIRIAN BELAJAR KALKULUS LANJUT MENGGUNAKAN METODE PENGEMBANGAN PEMBELAJARAN KOOPERATIF SNOWBALL DRILLING

841-847

Sumargiyani

IDENTIFIKASI DAN ANALISIS KESULITAN SISWA KELAS IV DALAM MENYELESAIKAN SOAL CERITA TOPIK PECAHAN, KPK, DAN FPB

848-854

Yunda Victorina Tobondo, Yuni Vonti Ria Sinaga

REVISI PENGEMBANGAN MODUL BERBASIS MASALAH PADA PERKULIAHAN KALKULUS 1 DI STKIP PGRI SUMATERA BARAT

855-863

Yulyanti Harisman, Anny Sovia, Rahima, Husna

PENGEMBANGAN LEMBAR KERJA MAHASISWA BERBASIS PROBLEM BASED LEARNING PADA PERKULIAHAN PERSAMAAN DIFERENSIAL BIASA

864-869

Rahmi, Villia Anggraini, Melisa

MODEL PENALARAN INTUITIF SISWA SMP DALAM MENYELESAIKAN MASALAH LUAS DAN PENGELOMPOKAN BANGUN DATAR

870-878

Putu Diah Pramita Dewi*, Margaretha Nobilio Janu

KEMAMPUAN SISWA KELAS VIII DALAM MENYELESAIKAN SOAL-SOAL vii

879- 888


TIMSS TIPE PENALARAN Georgius Rocki Agasi, M. Andy Rudhito

POTENSI BYOD/BYOE DALAM PENINGKATAN KUALITAS PENGALAMAN BELAJAR PESERTA DIDIK

889-895

Aditya R. Mitra

IMPLEMENTASI GUIDED DISCOVERY LEARNING DENGAN PENDEKATAN MRP TASKS DALAM PERKULIAHAN STRUKTUR ALJABAR

896-906

Isnarto

PENGARUH MOTIVASI BELAJAR DAN KEBIASAAN BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA SMPN DI KECAMATAN SAMARINDA UTARA

907-911

Azainil

BAYANGAN KONSEP MAHASISWA PADA KONSEP PERMUTASI DITINJAU DARI PERBEDAAN GENDER DAN KEMAMPUAN MATEMATIKA Budi Nurwahyu

viii

912-923


PERENCANAAN PRODUKSI BERDASARKAN PROGRAM LINEAR DENGAN PERMINTAAN YANG DIRAMALKAN Dewi Rimbasari1, Lilik Linawati2, Bambang Susanto3 Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro 52-60 Salatiga 50711 1 [email protected], 2 [email protected], 3 [email protected]

ABSTRAK Perencanaan produksi merupakan suatu masalah yang penting bagi suatu perusahaan. Perencanaan dibuat untuk mengoptimalkan kemampuan produksi dalam menghadapi permintaan pasar dengan memperhatikan ketersediaan sumber daya yang ada, agar laba perusahaan dapat dimaksimalkan. Permintaan pasar yang berfluktuasi menyebabkan perencanaan produksi selalu berubah dari bulan ke bulan. Untuk dapat membuat perencanaan produksi pada bulan berikutnya, maka dapat dilakukan peramalan terhadap data permintaan. Hasil peramalan dan data ketersediaan sumber daya seperti bahan baku, bahan pelengkap, sarana, tenaga kerja dimodelkan menggunakan metode program linear untuk menentukan perencanaan produksi yang bertujuan untuk memaksimalkan laba perusahaan sebagai usaha untuk membuat perencanaan produksi. Penelitian ini dilakukan pada sebuah perusahaan makanan ringan berbahan baku kedelai untuk menentukan perencanaan produksi di bulan mendatang. Berdasarkan data penjualan selama 6 bulan dilakukan peramalan untuk menentukan banyaknya permintaan bulan yang akan datang menggunakan regresi linear dan moving average. Dari peyelesaian model program linear didapat kapasitas masing-masing produksi bulanan selama tiga bulan selanjutnya dengan moving average dan regresi linear dengan laba Rp.33.543.900, Rp.34.443.000, dan Rp.34.239.700. Kata-kata kunci: peramalan, regresi linear, moving average, perencanaan produksi, program linear

[1][2]. Dalam usaha mengoptimalkan produksi sudah pasti akan terdapat kendalakendala. Kendala yang muncul selain permintaan yaitu berasal dari faktor produksi seperti bahan baku, mesin, dan tenaga kerja yang memiliki kapasitas terbatas. Untuk menghadapi kendala ini perusahaan membutuhkan solusi produksi dengan memperhatikan keterbatasanketerbatasan yang ada [3].

PENDAHULUAN Sebuah perusahaan makanan ringan berbahan baku kedelai yang sedang berkembang memproduksi beberapa jenis makanan ringan. Permintaan pasar terhadap makanan ringan ini berfluktuasi dari bulan ke bulan. Karena fluktuasi permintaan inilah, masalah utama yang dihadapi perusahaan adalah sering terjadinya kelebihan atau kekurangan produk. Perusahaan belum menerapkan sistem perencanaan produksi, produksi hanya didasarkan pada rutinitas dengan jumlah yang sama setiap bulannya. Hal ini berakibat pada pemanfaatan sumberdaya dan fasilitas yang ada belum maksimal, dimana seharusnya laba masih dapat ditingkatkan.

Beberapa penelitian di bidang produksi dan pertanian telah mengkaji penggunaan program linear untuk mengoptimalkan semua sumber daya untuk mendapatkan laba maksimal [4][5]. Dalam penelitian ini akan dikaji perencanaan produksi dimana jumlah permintaan diramalkan terlebih dahulu dan dicari hasil peramalan terbaik, selanjutnya digunakan model program linear untuk menentukan kapasitas produksi optimal.

Salah satu cara agar dapat mengatasi permasalahan perusahaan tentang terjadinya fluktuasi permintaan yaitu menggunakan peramalan produksi yang sesuai. Setelah didapat hasil peramalan yang terbaik kemudian dilakukan perencanaan produksi menggunakan metode program linear

Penelitian ini mengkaji data dari produksi 6 jenis makanan ringan yang diproduksi oleh 784


suatu perusahaan, dengan cara meramalkan data permintaan untuk membuat perencanaan produksi menggunakan metode program linear. Pada data 6 jenis produk makanan ringan dilakukan peramalan permintaan selama tiga bulan untuk membuat perencanaan produksi dengan metode program linear pada sebuah perusahaan makanan ringan berbahan baku kedelai yang memproduksi 6 jenis makanan ringan.

ukuran ketepatan peramalan karena ukuran ini bersifat relatif sehingga ukuran ini lebih baik dari pada ukuran yang lain, dengan cara terlebih dahulu menghitung persentase kesalahan seperti rumus (1).

Kemudian dihitung rata-rata persentase kesalahan (MAPE) seperti rumus (2).

BAHAN DAN METODE Data Penelitian ini dilakukan pada perusahaan makanan ringan berbahan baku utama kedelai, dan memproduksi 6 jenis makanan ringan. Data yang digunakan adalah data tentang penjualan (Tabel 1.1), keuntungan setiap produk (Tabel 1.2), data bahan baku (Tabel 1.3) dan data tenaga kerja dan mesin (Tabel 1.4) yang disajikan pada Lampiran 1. Para pekerja bekerja mulai pukul 08.00 sampai 16.00 dengan istirahat 1 jam pada pukul 12.00 hingga 13.00. Jumlah hari kerja pada perusahaan tersebut dalam sebulan diasumsikan selama 22 hari. Tenaga kerja yang terlibat sebanyak 9 orang termasuk pemilik perusahaan. Peramalan Peramalan adalah suatu proses memperkirakan secara sistematik tentang apa yang paling mungkin terjadi dimasa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki agar kesalahannya (selisih antara apa yang terjadi dengan hasil perkiraan) dapat diperkecil [6]. Peramalan dibutuhkan untuk memperkirakan permintaan konsumen karena permintaan konsumen selalu berubah-ubah setiap bulannya.Hasil peramalan permintaan ini akan menjadi masukan yang sangat penting dalam perencanaan dan pengendalian produksi. Data yang akan digunakan tersaji pada Tabel 1.1 dalam Lampiran 1, yaitu permintaan selama enam bulan dan akan diramalkan tiga bulan selanjutnya. Selanjutnya, dipilih MAPE, yaitu rata-rata dari keseluruhan persentase kesalahan (selisih) antara data aktual dengan data hasil peramalan [1]. MAPE dipilih sebagai

dengan, PE = Persentase kesalahan MAPE = Rata-rata persentase kesalahan Xt = Data permintaan Ft = Data peramalan n = Banyaknya data Metode Rata-Rata Bergerak (Moving Average) Metode rata-rata bergerak atau Moving Average yaitu metode peramalan perataan nilai dengan mengambil sekelompok nilai pengamayan yang kemudian dicari rataratanya, lalu menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya [7]. Menghitung metode ratarata bergerak (Moving Average) seperti rumus (3).

dengan, Xk+t = Peramalan periode selanjutnya k = Lag peramalan p = Index ke- i t = Waktu peramalan Xi = Data permintaan Metode Regresi Linear Metode regresi linear yaitu hubungan secara linear antara satu variabel independen (X) dengan variabel dependen (Y) untuk mengukur ada atau tidaknya korelasi antar variabel [8][9]. Menghitung metode regresi linear seperti rumus (4). 785


2. Bahan baku dan bahan lainnya

dengan, Ŷ = nilai ramalan permintaan pada periode ke-t X = Periode ke- t a = intersept (titik potong) b = slope

Koefisien aij dan bi didasarkan data pada Tabel 1.3 dalam Lampiran 1. 3. Mesin dan tenaga kerja

dengan,

Koefisien aij dan bi didasarkan data pada Tabel 1.4 dalam Lampiran 1. 4. Kendala non-negatif

Program Linear Program linear adalah suatu alat yang digunakan untuk menyelesaikan permasalahan yang memiliki keterbatasan sumber daya [3]. Secara umum model program linear tersusun dari variabelvariabel keputusan yang membentuk fungsi tujuan dan fungsi kendala [2]. Dalam penelitian ini didefinisikan variabel keputusan adalah xj = banyaknya pengolahan produk ke- j yang harus dilakukan dalam satu bulan. Model program linear yang disusun untuk memaksimalkan laba yang dirumuskan sebagai fungsi tujuan, Z, dengan didasarkan pada keuntungan setiap produk pada satu kali pengolahan seperti yang tersaji pada Tabel 1.2 dalam Lampiran 1, maka dirumuskan

dengan, Z = fungsi tujuan aij = koefisen kendala ke- i pada variabel ke- j bi = sumber daya kendala (RHS) ke- i Penyelesaikan model program linear yang telah disusun diselesaikan dengan Ms Excel Solver. HASIL DAN DISKUSI Peramalan Permintaan Produk Dari peramalan menggunakan metode Regresi Linear persamaan (3) dan RataRata Bergerak (Moving Average) persamaan (4) dihasilkan MAPE. Error MAPE dihitung menggunakan persamaan (1) dan (2) data tersaji pada Tabel 1.

Z = 535.500 x1+569.500 x2+576.300 x3+1.741.100 x4+1.876.800 x5+1.754.900 x6

Tabel 1. MAPE Berdasarkan Regresi Linear dan Rata-Rata Bergerak (MA)

Kendala yang mempengaruhi proses produksi ini adalah: 1. Kendala permintaan. Dalam kendala permintaan dimasukkan peramalan permintaan pada bulan selanjutnya. Dalam hal ini data peramalan permintaan dianggap sebagai data permintaan (d). dj = Permintaan produk ke- j.

786

MAPE Rata-Rata Bergerak Lag Lag Lag Lag 2 3 4 5

Produk

Regresi Linear

P1

34,46

79,2

90,0

157

145

P2

35,08

81,9

92,4

157

141

P3

34,98

82,4

94,2

159

148 31,6

P4

6,69

9,2

5,6

92,8

P5

10,52

14,9

8,91

189

17

P6

7,61

14,2

14,6

118

143


Model program linear pada permasalahan produksi ini menghasilkan penyelesaian optimal yang merupakan bilangan real, dimana dalam penerapannya kurang realistis, misalkan Bulan 1 pada produk P1 diproduksi berdasarkan 2,9 pengolahan. Banyaknya pengolahan yang lebih realistis tentunya merupakan bilangan bulat. Oleh karena itu dalam penerapan disarankan banyaknya pengolahan setiap produk didasarkan pada penyelesaian optimal yang dibulatkan. Hasil penyelesaian optimal yang dibulatkan tersaji pada Tabel 5 dalam Lampiran 2 yang dapat digunakan sebagai perencanaan produksi pada perusahaan tersebut.

Berdasarkan Tabel 1, dipilih metode peramalan yang menghasilkan MAPE terkecil. Untuk produk P1, P2, P3 dan P6 data permintaan akan diramalkan dengan regresi linear, produk P4 dan P5 menggunakan ratarata bergerak lag 3. Hasil peramalan permintaan produk disajikan pada Tabel 2. Tabel 2. Hasil Peramalan Permintaan Produk P1 –P6

T1

Peramalan Permintaan Produk (Kemasan) P1 P2 P3 P4 P5 P6 244 243 242 1137 1390 1173

T2

248

247

246

1169

1423

1205

T3

251

252

250

1145

1379

1237

Bulan Produksi

Dengan diperolehnya peramalan permintaan tiga bulan mendatang bulan (T1,T2,T3) permintaan digunakan sebagai salah satu kendala dalam model program linear untuk membuat perencanaan produksi perusahaan yang bertujuan memaksimalkan laba.

KESIMPULAN Metode peramalan permintaan dalam permasalahan ini yang menghasilkan MAPE terkecil akan digunakan untuk peramalan data selanjutnya adalah regresi linear untuk produk P1, P2, P3 dan P6 dan rata-rata bergerak untuk produk P4 dan P5. Penyelesaian optimal model program linear pada permasalahan produksi perusahaan ini diperoleh perkiraan laba total Rp.33.666.000 pada bulan T1, Rp.34.454.770 pada bulan T2 dan Rp.34.169.760 pada bulan T3.

Perencanaan Produksi Menggunakan Program Linear Hasil penyelesaian model program linear yang telah disusun seperti ditampilkan pada Tabel 3. Hasil yang disajikan menggunakan satuan pengolahan, misalnya: banyaknya produksi P1 = 2,9 pengolahan artinya perusahan harus mengolah sebanyak 2,9 kali yang identik dengan 244 kemasan.

UCAPAN TERIMAKASIH Terimakasih kepada Bapak Eko atas data produksi yang telah diberikan sehingga dapat digunakan untuk penelitian dalam makalah ini.

Tabel 3. Penyelesaian Optimal Model Program Linear Bulan Produksi

Penyelesaian Optimal (Pengolahan) P2 P3 P4 P5 P6 2,9 2,9 4,9 6 5,1

T1

P1 2,9

T2

2,9

2,9

2,9

5,1

6,2

5,2

T3

3

3

2,9

5

6

5,4

DAFTAR PUSTAKA [1]Makridakaris, Spyros dan Ateven C. Wheelwright. Metode-Metode Peramalan untuk Manajemen Edisi 5. Binarupa Aksara. 1994. [2]Taylor III, Bernard W. Introduction To Management Science. Jakarta: Salemba Empat. 2008. [3]Siswanto. Operations Research Jilid 1. Erlangga. 2007. [4]D, Rimbasari. Lilik Linawati dan Bambang Susanto, “Analisis Titik Impas dan Oprimasi Produksi Menggunakan Program Linear”, Jurnal Nasional Matematika dan Pendidikan Matematika.

Berdasarkan Tabel 3, didapat perkiraan laba total Rp.33.666.000 pada bulan T1, Rp.34.454.770 pada bulan T2 dan Rp.34.169.760 pada bulan T3. Hasil penyelesaian keluaran Ms Excel Solver secara lengkap dapat dilihat pada Lampiran 2.

787


2014. [5]M, Sya’diyah.Suharto,Bambang W, J Bambang Rahadi. “Studi Optimasi Pola Tanam Untuk Memaksimalkan Keuntungan Hasil Produksi Pertanian Di Jaringan Irigasi Manyar Kecamatan Babat Kabupaten Lamongan Dengan Menggunakan Program Linier (Solver)”. Jurnal Nasional Sumberdaya Alam dan Lingkungan. Vol 1 No 1. 2013. [6]Mulyono, Sri. Peramalan Bisnis dan Ekonometrika Edisi 1. BPFE Yogyakarta. 2000. [7]Gardener, Mark, Beginning R The satatistical Programming Language. John Wiley and Sons Inc. 2012. [8]Siregar, Syofian. Statistik Parametrik untuk Penelitian Kuantitatif. PT Bumi Aksara. 2013. [9]Rasmussen. Rasmus, “On Time Series Data and Optimal Parameter”, The International Journal of Management

Science. Omega 23(2004) 111-120. 2003

DISKUSI. Pertanyaan: Hasil penelitian tersebut sudah diimplementasikan pada perusahaan atau belum? Jawab : setelah ditambahkan saran – saran penelitian ini akan diimplementasikan ke industry yang bersangkutan Pertanyaan: Sebelum dilakukan penelitian dan sesudahnya, kenaikan labanya berapa persen? Jawab : belum dapat ditentukan secara pasti. Perlu dilakukan riset lebih lanjut supaya hasil yang didapatkan leboh valid.

A. Lampiran 1: Data Produksi Tabel 1.1. Data Penjualan pada Bulan Maret – Agustus 2013 Kuantitatif Penjualan (Kemasan) No Bulan Produksi P1 P2 P3 P4 P5 1. Maret 120 110 110 937 952 2. April 215 215 215 1.065 1.265 3. Mei 414 413 413 1.210 1.479 4. Juni 160 150 160 1.040 1.290 5. Juli 363 361 360 1.240 1.554 6. Agustus 109 108 103 1.130 1.325 Jumlah Penjualan 1.381 1.357 1.361 6.622 7.865 Rata-rata Penjualan 230 226 227 1.104 1.311

Produk P1 P2 P3 P4 P5 P6

Produk P1 P2 P3

P6 1.000 973 992 1.265 955 1.180 6.365 1.061

Tabel 1.2. Keuntungan untuk Setiap Produk Keuntungan Harga Biaya Total Keuntungan per per kemasan Jual (Rp) (Rp) pengolahan (Rp) (Rp) 15.000 8.700 6.300 535.500 15.000 8.300 6.700 569.500 15.000 8.220 6.780 576.300 15.000 7.430 7.570 1.741.100 15.000 6.840 8.160 1.876.800 15.000 7.370 7.630 1.754.900

Tabel 1.3. Bahan Baku yang Digunakan dalam Satu Kali Resep Produksi Bahan Baku Mentah Minyak Gas Tepung Plastik (kg) Goreng (kg) (kg) (kg) (lembar) 10 4,2 0,2 8 85 10 4,2 0,2 8 85 10 4,2 0,2 8 85

788

Stiker (lembar) 85 85 85


P4 P5 P6

50 50 50

-

1 1 1

-

230 230 230

230 230 230

Persediaan per Bulan

1.000

36

22

75

6.250

5.000

Tabel 1.4. Mesin dan Tenaga Kerja yang Digunakan dalam Satu Kali Resep Produksi

B. Lampiran 2: Penyelesaian Optimal. Tabel 4. Penyelesaian Optimal dari Model Program Linear


Penyelesaian Optimal Bulan 1 Kali Kemasan Pengolahan 2,9 244 2,9 243 2,9 242 4,9 1137 6 1390 5,1 1173

Penyelesaian Optimal Bulan 2 Kali Kemasan Pengolahan 2,9 248 2,9 247 2,9 246 5,1 1169 6,2 1423 5,2 1205

Penyelesaian Optimal Bulan 3 Kali Kemasan Pengolahan 3 251 3 252 2,9 250 5 1145 6 1379 5,4 1237

Tabel 5. Penyelesaian Optimal dari Model Program Linear dengan Pembulatan


Produk

P1 P2 P3 P4 P5 P6 Persediaan per Bulan

Penyelesaian Optimal Bulan September Kali Kemasan Pengolahan 3 255 3 255 3 255 5 1150 6 1380 5 1150

Mesin Penggorengan1 (jam) 0,5 0,5 0,5 3 3 3 154

Mesin Penggorengan2 (jam) 0,5 0,5 0,5 2 2 2 154

Penyelesaian Optimal Bulan Oktober Kali Kemasan Pengolahan 3 255 3 255 3 255 5 1150 6 1380 5 1150

Mesin Penirisan (jam) 0,5 0,5 0,5 2 2 2 154

789

Mesin Pemberian Tepung (jam) 3 3 3 154

Penyelesaian Optimal Bulan Oktober Kali Kemasan Pengolahan 3 255 3 255 3 255 5 1150 6 1380 5 1150

Tenaga Kerja1 (jam) 9 9 9 112

Tenaga Kerja2 (jam) 14 14 14 560

Tenaga Kerja Pengemasan (jam) 2 2 2 4,5 4,5 4,5 308

PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS IX

Recommend Documents