perpustakaan.uns.ac.id digilib.uns.ac.id peramalan proses ...... · ( hadist nabi) · mencintai...

perpustakaan.uns.ac.id digilib.uns.ac.id

commit to user

PERAMALAN PROSES PRODUKSI KAIN CDP 2024 PADA

DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA

TUGAS AKHIR

Diajukan Untuk Memenuhi Persyaratan Untuk Meraih Gelar Ahli Madya

Ekonomi Diploma III pada Jurusan Manajemen Bisnis Fakultas Ekonomi

Universitas Sebelas Maret Surakarta

Oleh:

Evi Cahya Rohmawati

F3509026

PROGRAM STUDI DIII MANAJEMEN BISNIS

UNIVERSITAS SEBELAS MARET

SURAKARTA

2012


commit to user


commit to user

MOTTO

· Barang siapa yang menghendaki kesejahteraan hidup di dunia, maka harus

ditempuh dengan ilmu. Dan barang siapa yang menghendaki kebahagiaan

hidup di akhirat, hendaklah ditempuh dengan ilmu. Dan barang siapa

menghendaki kedua-duanya, maka hendaklah ditempuh dengan ilmu. ( Hadist

Nabi)

· Mencintai seseorang itu seperti kita membaca Al Quran pertama kita lafalkan

kedua kita ingat-ingat dan yang ketiga kita simpan dalam hati ( Khalil

Gibran)

· Mensyukuri segala sesuatu yang diberikan oleh Allah SWT, niscaya Allah

akan memberikan nikmat yang berlimpah ( Penulis )

· Percaya pada diri sendiri adalah rahasia utama untuk mencapai kesuksesan.

(Emerson)


commit to user

PERSEMBAHAN

Sebuah karya sederhana ini Kupersembahkan kepada :

1. Allah SWT yang telah memberikan aku kenikmatan dan keimanan sehingga

aku dapat menyelesaikan karya ini.

2. Ayah dan Mami tersayang, terimakasih untuk support dan doanya

3. Adik-adik ku, ayu, pichi dan fafa terimakasih untuk semangat nya

4. Mayonice, terimakasih untuk 3 tahun yang kita lalui bersama ( karina, enok,

ana, erlina, dwi kurnia )

5. Teman –teman seperjuangan MI 2009

6. Almamater


commit to user

KATA PENGANTAR

Puji Syukur Penulis Panjatkan Kehadirat Allah SWT yang telah

melimpahkan Rahmat dan Karunia – Nya sehingga Penulis dapat menyelesaikan

penyusunan Tugas Akhir. Dalam penyusunan Tugas Akhir ini Penulis memilih

judul PERAMALAN PROSES PRODUKSI KAIN CDP 2024 PADA


Pada kesempatan ini penulis sampaikan ucapan terima kasih kepada pihak –

pihak yang telah membantu penyusunan Tugas Akhir ini, terutama kepada :

1. Bapak Prof. Dr. Wisnu Untoro MS. selaku Dekan Fakultas Ekonomi,

Universitas Sebelas Maret Surakarta.

2. Ibu. Sinto Sunaryo, SE, M.Si. Selaku Ketua Program Studi Diploma III

Manajemen Bisnis, Universitas Sebelas Maret Surakarta.

3. Bapak Alm Drs. Karsono, Msi. Selaku Pembimbing Akademik, yang telah

menyediakan waktu dan membimbing penulis.

4. Bapak Drs. Heru Purnomo, MM selaku Pembimbing Tugas Akhir, Sebagai

ungkapan terima kasih atas kebaikan, ketenangan dan kesabaran beliau yang

luar biasa selama memberikan bimbingan, sehingga tugas akhir ini dapat

terselesaikan sesuai rencana penulis.

5. Bapak Edi selaku Manajer Personalia PT. Kusumahadi Santosa, yang telah

memberikan kami kesempatan untuk melaksanakan magang kerja dan

penelitian di PT. Kusumahadi Santosa.

6. Bapak Ndondon selaku Manajer Weaving 1 dan 2 PT. Kusumahadi Santosa.


commit to user

7. Ibu Setiyowati selaku Ka.Sie. Adm dan QC Weaving 1 dan 2 atas

bimbingan dan bantuannya dalam mencarikan data.

8. Bapak dan Ibu selaku staff dan karyawan di Departemen Weaving 2 yang

telah membantu penulis dalam pencarian data.

9. Ayah Mami, ayu, pichi, fafa terimakasih untuk doa dan waktunya serta

bantuan berupa materi dan supportnya.

10. Teman-teman Angkatan 2009 yang telah banyak memberikan keceriaan.

11. Dan semua pihak yang tidak sempat penulis sebutkan satu persatu.

Penulis menyadari bahwa dalam pengungkapan, pembahasan dan pemilihan

kata dalam penulisan Tugas Akhir jauh dari sempurna, Karena keterbatasan

pemikiran dan kemapuan yang dimiliki oleh penulis. Oleh karena itu dengan

kerendahan hati penulis mengharapkan kritik dan saran yang membangun. Namun

demikian semoga Tugas Akhir ini diharapkan dapat bermanfaat bagi pihak –

pihak yang membutuhkan.

Surakarta, Juni 2012

Penulis

Evi Cahya Rohmawati


commit to user

DAFTAR ISI

HALAMAN JUDUL ............................................................................................ i

ABSTRAK ............................................................................................................ ii

HALAMAN PERSETUJUAN ............................................................................ iv

HALAMAN PENGESAHAN ............................................................................. v

MOTTO................................................................................................................. vi

PERSEMBAHAN ................................................................................................ vii

KATA PENGANTAR.......................................................................................... viii

DAFTAR ISI......................................................................................................... xi

DAFTAR TABEL ................................................................................................ xiii

DAFTAR GAMBAR ........................................................................................... xv

DAFTAR LAMPIRAN ........................................................................................ xvi

BAB I PENDAHULUAN

A. Latar Belakang .................................................................................. 1

B. Rumusan Masalah ............................................................................. 3

C. Tujuan Penelitian .............................................................................. 4

D. Manfaat Penelitian ............................................................................ 4

E. Alur Pemikiran .................................................................................. 5

F. Metode Penelitian ............................................................................. 7

BAB II TINJAUAN PUSTAKA

A. Pengertian Peramalan ....................................................................... 14

B. Tujuan Peramalan ............................................................................. 15


commit to user

C. Langkah-langkah Peramalan ............................................................ 15

D. Jenis- jenis Peramalan ...................................................................... 16

E. Karakteristik Peramalan ................................................................... 17

F. Metode Peramalan ............................................................................ 18

G. Pengukuran Kesalahan Peramalan ................................................... 24

BAB III PEMBAHASAN

A. Deskripsi Objek Penelitian ............................................................... 26

1. Gambaran umum PT. Kusumahadi Santosa............................... 26

2. Tujuan PT. Kusumahadi Santosa ................................................ 29

3. Lokasi PT. Kusumahadi Santosa ................................................ 30

4. Layout PT. Kusumahadi Santosa ................................................ 31

5. Aspek Personalia .......................................................................... 33

6. Struktur Organisasi Dan Job Description .................................. 37

7. Aspek Produksi ............................................................................ 42

B. Laporan Magang Kerja ..................................................................... 46

1. Pelaksanaan Magang ................................................................... 46

2. Kegiatan Magang Kerja ............................................................... 46

C. Pembahasan Masalah ........................................................................ 48

1. Perhitungan Peramalan ................................................................ 50

a. Metode Single Moving Averages ......................................... 50

b. Metode Weighted Moving Averages.................................... 57

c. Metode Exponential Smoothing........................................... 65

d. Metode Proyeksi Trend ( Trend Projection)....................... 74


commit to user

2. Perbandingan Peramalan ............................................................. 78

BAB IV PENUTUP

A. Kesimpulan........................................................................................ 79

B. Saran .................................................................................................. 81

DAFTAR PUSTAKA

LAMPIRAN


commit to user

DAFTAR TABEL

TABEL HALAMAN

3.1 Jumlah Tenaga Kerja PT Kusumahadi Santosa ....................................... 33

3.2 Jumlah Tenaga Kerja Weaving II ............................................................. 34

3.3 Data Produksi Kain CDP 2024 PT Kusumaha di Santosa ...................... 49

3.4 Peramalan Produksi Kain CDP 2024 dengan Metode Single Moving

Average 3-Bulanan Januari- Desember 2011 ......................................... 52

3.5 Pengukuran Kesalahan (error) peramalan Pada Peramalan Produksi

Kain CDP 2024 Dengan Metode Single Moving Average 3-bulanan ... 53

3.6 Peramalan Produksi Kain CDP 2024 ....................................................... 55

3.7 Dengan Metode Single Moving Average 4-Bulanan .............................. 56

3.8 Pengukuran Kesalahan (error) Peramalan ............................................... 59

3.9 Pada Peramalan Produksi Kain CDP 2024 Dengan Metode Single

Moving Average 4-bulanan ...................................................................... 60

3.10 Peramalan Produksi Kain CDP 2024 Dengan Metode Weighted

Moving Average 3-Bulanan Terbobot .................................................... 63

3.11 Pengukuran Kesalahan (error) Peramalan ................................................ 64

3.12 Pada Peramalan Produksi Kain CDP 2024 Dengan Metode Weighted

Moving Average 3-bulanan ...................................................................... 67

3.13 Peramalan Produksi Kain CDP 2024 ....................................................... 68

3.14 Dengan Metode Weighted Moving Average 4-Bulanan Terbobot ........ 70


commit to user

3.15 Pengukuran Kesalahan (error) Peramalan Produksi Kain CDP

2024Dengan Metode Weighted Moving Average 4-bulanan terbobot ... 71

3.16 Peramalan Produksi Kain RYP 2026 Dengan Metode Exponential

Smoothing ( α = 0,5) .................................................................................. 73

3.17 Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP

2024 Dengan Metode Exponential Smoothing ( α = 0,1 ) ...................... 77

3.18 Perbandingan Hasil Peramalan ..................................................................

78


commit to user

DAFTAR GAMBAR

Gambar 1.1 Alur Pemikiran ............................................................................ 6

Gambar 3.1 Lokasi PT Kusuma Hadi ............................................................ 32

Gambar 3.2 Struktur Organisasi .................................................................... 38

Gambar 3.3 Flow chart weaving II ................................................................. 43


commit to user

DAFTAR LAMPIRAN

Lampiran 1. Surat Keterangan Magang

Lampiran 2. Surat Pernyataan

Lampiran 3. Lembar Penilian Magang


commit to user

ABSTACT

PREDICTION ON PRODUCTION OF FABRIC CDP 2024

WEAVING 2 DEPARTMENT PT. SANTOSA KUSUMAHADI

Evi Cahya Rohmawati

F3509026

Objectives to be achieved in this study were (1) Knowing the fabric CDP 2024 production forecast by using Single Moving Average, Weight Moving Average, Exponential Smoothing and Trend Projection on 2 PT.KUSUMAHADI SANTOSA Weaving Department for the next month. (2) To determine the forecast error in forecasting the results of four methods. (3) determine the forecasting methods should be applied PT.KUSUMAHADI SANTOSA.

From the results of calculations performed, the forecasting methods Single 3-month moving average is 278.540 meters of the MAD and MSE 89.197,53 meters 8.996.555 meters, Single 4-month moving average is 248.128,8 meters with MAD 84.718,13 meters and MSE 8.521.723 billion meters, while the Weighted Moving Averages are weighted 3-month 284.108,8 meters with MAD 84.017,14 meter and MSE 8.519.520.802 meter, 4-Weighted Moving Averages are weighted monthly MAD 269.716,8 meters with 85.323,47 meter and MSE 8.653.336 meters, Exponential Smoothing (α = 0.5) are 274.264,7 meters with MAD 70.290,36 meters and MSE 6.774.236 billion meters, Exponential Smoothing (α = 0.9) are 283.933,2 meters with meter MAD and MSE 69.402,65 8.415.901 meters and Trend Projection is 216.820,1 meters with MAD 4.136. 601.000 meters and MSE 51.343,12 meters.

From the data has been processed, then the most appropriate method to use is the Trend Projection because it has an error (error) forecasting the smallest MAD and MSE of 4.136.601.000 meters of 51.343,12 meter.

Based on these conclusions, the researchers propose to PT SANTOSA KUSUMAHADI Trend Projection method should be used in fabric production forecast 2024 GDP, because it has an error rate (error) forecasting the smallest MAD and MSE.

Keyword : Forecasting, Single Moving Average, Weighted Moving Average, Exponential Smoothing, Mean Absolute Deviation, Mean square Error.


commit to user

ABSTRAK

PERAMALAN PRODUKSI KAIN CDP 2024 PADA


Evi Cahya Rohmawati

F3509026

Tujuan yang ingin dicapai dalam penelitian ini adalah (1) Mengetahui peramalan produksi kain CDP 2024 dengan menggunakan Single Moving Average, Weight Moving Average, Exponential Smoothing dan Trend Projection pada Departemen Weaving 2 PT.KUSUMAHADI SANTOSA untuk bulan berikutnya. (2) Untuk mengetahui forecast error hasil peramalan dengan keempat metode tersebut. (3) menentukan metode peramalan yang seharusnya diterapkan PT.KUSUMAHADI SANTOSA.

Dari hasil perhitungan yang dilakukan, yaitu peramalan menggunakan metode Single Moving Averages 3-bulanan yaitu 278.540 meter dengan MAD 89.197,53 meter dan MSE 8.996.555.000 meter, Single Moving Averages 4-bulanan yaitu 248.128,8 meter dengan MAD 84.718,13 meter dan MSE 8.521.723.000 meter, sedangkan Weighted Moving Averages 3-bulanan terbobot yaitu 284.108,8 meter dengan MAD 84.017,14 meter dan MSE 8.519.520.802 meter, Weighted Moving Averages 4-bulanan terbobot yaitu 269.716,8 meter dengan MAD 85.323,47 meter dan MSE 8.653.336.000 meter, Exponential Smoothing (α= 0,5 ) yaitu 274.264,7 meter dengan MAD 70.290,36 meter dan MSE 6.774.236.000 meter, Exponential Smoothing (α= 0,9 ) yaitu 283.933,2 meter dengan MAD 69.402,65 meter dan MSE 8.415.901.000 meter dan Trend Projection yaitu 216.820,1 meter dengan MAD 51.343,12 meter dan MSE 4.136.601.000 meter.

Dari data yang telah diolah, maka metode yang paling tepat digunakan adalah Trend Projection karena memiliki kesalahan (error) peramalan yang terkecil dengan MAD sebesar 51.343,12 meter dan MSE 4.136.601.000 sebesar meter.

Berdasarkan kesimpulan tersebut, maka peneliti memberikan usulan kepada PT KUSUMAHADI SANTOSA sebaiknya menggunakan metode Trend Projection dalam meramalkan produksi kain CDP 2024, karena memiliki tingkat kesalahan (error) peramalan MAD dan MSE terkecil.

Kata Kunci : Forecasting, Single Moving Average, Weighted Moving Average, Exponential Smoothing, , Mean Absolute Deviation, Mean square Error.


commit to user

1

BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Dalam era globalisasi saat ini, persaingan di dunia bisnis semakin ketat.

Banyak perusahan besar, menengah, bahkan kecil yang bermunculan. Tidak

hanya dalam negeri tetapi dari luar negeri, oleh karena itu perusahaan harus

semakin kreatif dalam produktivitas dan pemasarannya. Akan tetapi permintaan

dari konsumen yang semakin meningkat itu tak selalu sama dari waktu ke

waktu, ada kalanya permintaan tinggi, dan terkadang menunjukan suatu

penurunan. Sebuah Perusahaan itu, berdiri mempunyai berbagai tujuan yaitu

membuka lapangan pekerjaan, membuat produk untuk memenuhi keinginan

dan kebutuhan konsumen, mendapatkan keuntungan dan mempertahankan

kelangsungan hidup perusahaan di masa yang akan datang dan di harapkan

perusahaan dapat mencapai sasaran dan tujuan.

Kondisi permintaan konsumen yang fluktuatif membuat perusahaan

dihadapkan pada masa depan yang penuh dengan ketidakpastian, untuk itu

perlu bagi perusahaan melakukan suatu peramalan. Peramalan adalah seni dan

ilmu yang memprediksi peristiwa-peristiwa pada masa depan (Render dan

Heizer, 2005). Peramalan merupakan peranan yang penting dalam perusahaan,

misalnya pada bagian produksi yang ingin mengetahui bagaimana volume

produksi di masa mendatang. Suatu perusahaan akan berkembang apabila

mampu mengantisipasi permintaan, maka peramalan produksi menjadi sangat


commit to user

2

penting sehingga perusahaan dapat merencanakan berapa jumlah produk yang

akan diproduksi dalam masa yang akan datang.

Produksi dalam ekonomi adalah kegiatan yang berhubungan dengan

usaha untuk menciptakan dan menambah kegunaan suatu barang atau jasa.

Render dan Heizer (2005) mengartikan produk sebagai hasil dari kegiatan

produksi yang terdiri dari barang dan jasa.

Peramalan produksi harus dibuat cermat, teliti dan dengan perhitungan

yang baik dengan bantuan metode-metode peramalan yang ada. Walaupun pada

dasarnya peramalan itu, tidak selalu benar dan tepat, namun dengan metode

permalan yang tepat diharapkan akan memberikan suatu dasar analisis dan cara

berfikir yang sistematis atas pemecahan suatu masalah.

Pada PT. KUSUMAHADI SANTOSA yang beralamat di JL. Raya

Jaten KM. 9,4 Jaten, Karanganyar. Peramalan produksi sangatlah penting untuk

menentukan berapa jumlah produk yang harus disediakan dan , sehingga dapat

memperkecil resiko kerugian dengan pemilihan metode peramalan yang tepat.

Dalam penelitia ini penulis ingin melakukan penelitian terahadap kain CDP

2024. Pemilihan produk kain CDP 2024 didasarkan pada produk yang memiliki

kualitas eksport yang tinggi, dan di produksi dalam jumlah yang relatif banyak

dibandingkan dengan produk kain yang lain. Produk kain CDP 2024 memiliki

volume produksi dan penjualan yang berfluktuasi dari bulan ke bulan, sehingga

kondisi permintaan masa depan yang penuh dengan ketidakpastian.


commit to user

3

Atas dasar latar belakang masalah diatas, maka peneliti tertarik untuk

mengambil tema “PERAMALAN PROSES PRODUKSI KAIN CDP 2024

PADA DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA”.

B. Rumusan Masalah

Berdasarkan latar belakang masalah di atas ,maka dapat dirumuskan

bahwa pokok permasalahan yang akan dibahas dalam penelitian ini adalah:

Berapakah peramalan permintaan Produk kain CDP 2024 dengan metode

Single Moving Average,Exsponensial Smooting dengan alpha (α =0,1 α=0,5

dan α=0,9),dan Weighted Moving Averages dan Trend Projection pada PT

Kusumahadi Santosa untuk periode yang akan datang ?

1. Berapakah peramalan produksi kain CDP 2024 pada PT. Kusumahadi

Santosa pada bulan berikutnya dengan menggunakan metode Moving

Average 3 bulan dan 5 bulan,Weighted Moving Average, Exponential

Smoothing dengan α=0,1 α=0,5 dan α=0,9 dan Trend Projection pada

Departemen Weaving 2 PT. Kusumahadi Santosa

2. Berapakah forcast error dari keempat metode hasil peramalan yang akan

datang ?

3. Metode manakah yang paling baik di antara metode – metode di atas untuk

menentukan permintaan produk kain CDP 2024 di periode yang akan

datang pada PT Kusumahadi Santosa ?


commit to user

4

C. Tujuan Penelitian

Tujuan penelitian dilaksanakan dengan tujuan agar penelitian yang telah

dilakukan hasilnya dapat memberikan manfaat yang sesuai dengan apa yang

dikendaki. Adapun tujuan penelitian ini adalah:

1. Untuk mengetahui peramalan produksi produk kain CDP 2024 dengan

metode single moving average dan exsponential smoothing dengan alpha (

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

Departement Weaving 2 PT. KUSUMAHADI SANTOSA yang akan

datang.

2. Untuk mengetahui Forcest Error dari hasil peramalan dengan keempat

metode diatas.

3. Untuk mengetahui metode peramalan yang paling tepat, dalam

menentukan besarnya produksi produk kain CDP 2024 di periode yang

akan datang pada Departement Weaving 2 PT Kusumahadi Santosa

D. Manfaat Penelitian

Hasil penelitian ini diharapkan dapat memberi manfaat baik bagi

penulis,bagi perusahaan,bagi pihak lain maupun bagi pembaca.

1. Bagi Penulis

Dapat menerapkan ilmu yang telah di peroleh selama di perkuliahan

mengenai metode peramalan yang tepat pada sebuah perusahaan dan

sebagai tambahan wawasan dan ilmu pengetahuan.


commit to user

5

2. Bagi Perusahaan

Mengevaluasi tentang sistem forcesting untuk diterapkan pada perusahaan.

Hasilnya diharapkan dapat menjadi masukan bagi perusahaan dan dapat di

jadikan referensi dalam pengambilan keputusan mengenai produksi kain

CDP 2024

3. Bagi Pembaca

Dapat memberi wawasan atau gambaran tentang perencanaan produksi

dan peramalan dengan menggunakan metode peramalan yang tepat. Dan

sebagai pertimbangan kepada rekan-rekan yang akan menyusun tugas

akhir.

E. Alur Pemikiran

Penelitian ini bertujuan untuk mengetahui peramalan produksi kain

CDP 2024 dengan menggunakan metode Single Moving Average (periode 3

bulanan dan 4 bulanan), Weighted Moving Average, dan Exponential

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

Departement Weaving 2 PT.Kusumahadi Santosa untuk bulan berikutnya.

Berdasarkan metode tersebut akan dicari kesalahan terkecil, dan juga

untuk mengetahui Forecast Error dari hasil peramalan dengan keempat metode

tersebut. Selain itu, juga untuk mengetahui metode peramalan yang tepat.

Untuk itu diperlukan data tentang volume produksi kain CDP 2024 bulan

januari-desember 2011. Adapun gambar alur pemikiran sebagai berikut :


commit to user

6

Gambar 1.1 Alur Pemikiran

Keterangan :

Peramalan produksi adalah perkiraan terhadap besarnya jumlah produk

yang akan diproduksi dimasa yang akan datang, yang didasarkan oleh data –

data masa lalu. Produk kain CDP 2024 memiliki volume produksi dan

CDP 2024 pada bulan

sebelumnya

Menetukan metode

peramalan produksi

Peramalan yang baik

Metode Eksponensial

Smoothing

Metode Moving

Average

Rencana Produksi yang

akan datang

Rencana produksi yang

optimum

keputusan

Metode Trend

Projection


commit to user

7

penjualan yang berfluktuasi dari bulan ke bulan, entah itu baik, turun atau

stabil, sehingga perusahaan perlu membuat suatu peramalan untuk mengetahui

berapa besarnya penjualan produk pada periode yang akan datang.

Dalam membuat peramalan diperlukan data pada periode sebelumnya,

data periode sebelumnya digunakan untuk meramalkan periode yang akan

datang. Dalam menghitung data tersebut digunakan 4 metode, yaitu Single

Moving Average, Exponential Smoothing, Weighted Moving Average, dan

Trend Projection.

Dari hasil peramalan tersebut kemudian dicari perbedaan hasil

kesalahan (error) peramalan dari masing-masing metode peramalan.

Penghitungan kesalahan peramalan tersebut menggunakan MAD ( Mean

Absolute Error ) dan MSE ( Mean Square Error). Untuk mengetahui mana

metode yang paling tepat dicari tingkat kesalahan (error) yang lebih mendekati

nol pada masing-masing metode peramalan

Dengan adanya peramalan tersebut diharapkan dapat memberikan

kemudahan untuk mengetahui tingkat produksi kain CDP 2024, yang

selanjutnya manajer produksi akan mengambil satu keputusan setelah melihat

data peramalan dan perencanaan yang telah dibuat.

F. Metode Penelitian

Metode penelitian mengemukakan secara tertulis tata kerja dari suatu

penelitian. Metode ini terdiri dari:


commit to user

8

1. Desain Penelitian

Penulis ini menggunakan desain penelitian deskriptif. Sumarmi dan

Wahyuni (2006) mengemukakan penelitian deskriptif yaitu teknik untuk

membuat gambaran atau deskriptif yang aktual dan akurat mengenai suatu

objek yang diteliti.

2. Objek penelitian

Penelitian ini dilaksanakan pada PT. KUSUMAHADI SANTOSA yang

bergerak di bidang industri tekstil, dengan alamat Jl. Raya Jaten Km 9,4

Jaten Karanganyar Solo

3. Jenis dan Sumber Data

a. Jenis Data

1) Data Primer

Menurut Kuncoro (2003) data primer yaitu data yang

diperoleh dengan survei lapangan yang menggunakan semua

metode pengumpulan data original.

Data yang diperoleh dengan hasil wawancara langsung

dengan staf/karyawan PT. KUSUMAHADI SANTOSA. Data yang

diperoleh berupa : aktifitas proses produksi

2) Data Sekunder

Menurut Kuncoro (2003), data sekunder adalah data yang

telah dikumpulkan oleh lembaga pengumpul data dan

dipublikasikan kepada masyarakat pengguna data .Sumber data

dalam penelitian ini adalah data sekunder, yaitu data yang diperoleh


commit to user

9

dari sumber – sumber lain yang masih berkaitan dengan masalah

yang sedang diteliti, dengan cara mempelajari literatur, referensi

serta teori yang berhubungan dengan penelitian ini. Data diperoleh

melalui sumber-sumber yang di berikan oleh perusahan. Dalam hal

ini data yang diperoleh dari penelitian yang dilaksanakan di PT.

Kusumahadi Santosa berupa : data struktur organisasi,data sejarah,

data lokasi perusahaan, data mesin, data produksi kain CDP 2024

atau peralatan kerja, dan data jumlah tenaga kerja.

b. Teknik Pengumpulan Data

1) Wawancara

Metode wawancara merupakan komunikasi atau pembicaraan

dua arah yang dilakukan oleh pewawancara dan responden untuk

menggali informasi yang relevan dengan tujuan penelitian

(Wahyuni dan Sumarni, 2006).

Dalam penelitian ini, peneliti melakukan wawancara dengan

karyawan pendamping atau manajer PT. Kusumahadi Santosa

mengenai proses produksi dan profil dari perusahaan ini, dan

kendala-kendala dalam proses produksi, kita juga bisa melakukan

tanya jawab langsung dengan manajer ataupun karyawan

PT.KUSUMAHADI SANTOSA

2) Observasi

Metode observasi merupakan prosedur yang sistematis dan

standar dalam pengumpulan data (Wahyuni dan Sumarni, 2006).


commit to user

10

Dalam penelitian ini, peneliti melakukan pengamatan langsung

kegiatan atau aktivitas yang dilakukan pada PT. Kusumahadi

Santosa.

3) Dokumentasi

Metode pengumpulan data yang dilakukan dengan cara

mencatat ataupun mengcopy data dari perusahaan. Data yang bisa

dicopy di PT Kusumahadi Santosa berupa : Data Flow

chart,Company profile,Jumlah peralatan atau mesin yang

dipakai,Struktur organisasi dan jumlah tenaga kerja.

c. Tekhnik Analisis Data

Metode yang di gunakan dalam permintaan produk kain CDP

2024 adalah Metode Single Moving Averages, Metode Exsponential

Smoothing, Weighted Moving Averages dan Trend Projection

merupakan metode dengan teknik peramalan kuantitatif statistik,yang

pada umumnya menggunakan data historis yang menitikberatkan pada

pola,perubahan pola, dan faktor gangguan (disturbances) yang

disebabkan oleh pengaruh acak (random). (Render dan Heizer,2005).

Berdasarkan uraian di atas Teknik analisis yang digunakan

oleh penulis mengenai peramalan proses produksi pada produk kain

CDP 2024 di PT Kusumahadi Santosa yaitu dengan metode Single

Moving Averages, Metode Exponential Smoothing dan Weighted

Moving dan Trend Projection.


commit to user

11

Metode rata-rata bergerak tunggal menggunakan sejumlah data

aktual permintaan yang baru untuk membangkitkan nilai ramalan

untuk permintaan di masa yang akan datang. Metode ini akan efektif

diterapkan apabila kita dapat mengasumsikan bahwa permintaan pasar

terhadap produk akan tetap stabil sepanjang waktu (Gaspersz, 2005).

Rumus yang digunakan dalam menghitung menggunakan :

1) Metode Single Moving Averages adalah sebagai berikut (Render dan

Heizer,2005):

Rata-rata bergerak

Dimana n adalah jumlah periode dalam rata-rata bergerak.

2) Metode Exsponential Smoothing (Penghalusan Eksponential)

Exsponential Smoothing adalah sebuah prosedur yang

mengulang perhitungan secara terus menerus yang menggunakan

data terbaru. Setiap data diberi bobot,dimana bobot yang digunakan

disimbolkan dengan α.Simbol alfa bisa ditentukan secara bebas

yang bisa mengurangi forecast error.Besarnya nilai alfa antara 0

sampai 1. Secara sistematis persamaan penulisan Exsponential

Smoothing adalah sebagai berikut (Render dan Heizer,2005)

F1 = Ft-1 +α(A t-1 – F t-1 )

Keterangan :

F1 : Peramalan baru

Ft-1 : Peramalan sebelumnya

Α : Konstanta penulisan(0-1)


commit to user

12

A t-1 : Permintaan actual periode sebelumnya

3) Rata-rata bererak tertimbang (Weighted Moving)

Apabila ada pola yang trend dan pola terdeteksi bobot

dapat digunakan untuk menempatkan penekanan yang lebih pada

nilai terkini.Teknik ini lebih responsif terhadap perubahan karena

periode yang lebih dekat mendapat bobot yang lebih

besar.Pemilihan bobot ini merupakan hal yang tidak pasti karena

tidak ada rumus untuk menetapkan (Render dan Heizer,2005). Rata-

rata bergerak dengan pembobotan tertimbang dapat digambarkan

secara matematis sebagai berikut :

Rata-rata bergerak dengan pembobotan

=

Dimana n adalah jumlah periode dalam rata-rata bergerak

tertimbang

4) Metode proyeksi trend (Trend Projection)

Metode peramalan dengan Proyeksi Trend ini mencocokkan

garis trend kerangkaian titik data historis dan kemudian

memproyeksi garis itu ke dalam ramalan jangka menengah hingga

jangka panjang (Render dan Heizer, 2005)

Secara matematis, persamaan penulisan trend adalah

sebagai berikut :

= a + b x


commit to user

13

Keterangan :

= ramalan jumlah produksi

a = persilangan sumbu y

b = kemiringan garis regresi (atau tingkat perubahan pada y

untuk perubahan yang terjadi di x)

x = variable bebas (dalam kasus ini adalah waktu)

Untuk mencari nilai a dan b menggunakan rumus :

b = a =

Untuk menentukan nilai x dan y menggunakan rumus :

Keterangan :

b = kemiringan garis regresi

∑ = tanda penjumlahan total

x = nilai variable bebas yang diketahui

y = variable terkait yang diketahui

= rata-rata nilai y

= rata-rata nilai x

n = jumlah data atau pengamatan


commit to user

14

BAB II

TINJAUAN PUSTAKA

A. Pengertian Peramalan

Peramalan itu memberikan gambaran dan memprediksi langkah-

langkah apa saja yang akan diambil untuk memenuhi permintaan konsumen.

Peramalan memang tidak selalu tepat sasaran karena penuh dengan ketidak

pastian tapi dengan peramalan yang tepat kita bisa membuat peramalan

dengan nilai kesalahan terkecil dan memberikan peramalan yang baik.

Berikut adalah pengertian peramalan menurut beberapa ahli :

a. Render dan Heizer (2005) mengemukakan peramalan adalah seni dan ilmu

untuk memperkirakan kejadian dimasa depan.

b. Subagyo (2002) Forecasting adalah peramalan (perkiraan) mengenai

sesuatu yang belum terjadi. Dalam hal ilmu pengetahuan sosial segala

sesuatu itu belum pasti, lain halnya dengan ilmu eksakta. Jumlah

penduduk, pendapatan perkapita, volume penjualan, volume penjualan

perusahaan, konsumsi dan lain sebagainya itu selalu berubah-ubah, dalam

hal ini perlu adanya data untuk mengedakan forecast.

c. Gasperz (2005) peramalan adalah merupakan suatu dugaan terhadap

permintaan yang akan datang berdasarkan pada beberapa variabel, sering

berdasarkan pada data deret waktu historis.

d. Menurut Djarwanto (2001) “Forecasting yaitu memperkirakan sesuatu

pada waktu yang akan datang berdasarkan waktu lampau yang telah

disusun dalam laporan – laporan statistik”.


commit to user

15

Berdasarkan pengertian yang di jelaskan oleh beberapa ahli, maka

penulis menyimpulkan bahwa pengertian peramalan adalah cara untuk

memprediksi peristiwa yang belum terjadi, dengan memperkirakan peristiwa

yang akan terjadi di masa depan dengan data di masa lalu.

B. Tujuan Peramalan

Berikut adalah pengertian tujuan peramalan menurut :

Subagyo (2002) mengemukakan tujuan peramalan adalah mendapatkan

peramalan yang bisa meminimumkan kesalahan peramalan (forecast error)

yang bisa diukur dengan Mean Absolute Error (MAD) dan Mean Square

Error (MSE). Sehingga dengan adanya peramalan produksi manajemen

perusahaan akan mendapatkan gambaran keadaan produksi dimasa yang akan

datang, dan akan memberikan kemudahan dalam manajemen perusahaan

dalam menentukan kebijakan atau keputusan yang akan dibuat oleh

perusahaan.

C. Langkah-langkah Peramalan

Render dan Heizer (2005) mengemukakan peramalan terdiri dari tujuh

langkah dasar. Delapan langkah dasar tersebut adalah :

a. Menetapkan tujuan peramalan.

b. Memilih unsur apa yang akan diramal

c. Menentukan horizon waktu peramalan.

d. Memilih tipe model peramalan.


commit to user

16

e. Mengumpulkan data yang dibutuhkan untuk melakukan peramalan.

f. Menentukan model peramalan yang tepat

g. Membuat peramalan.

h. Memvalidasi dan menerapkan hasil peramalan.

D. Jenis-jenis Peramalan

Render dan Heizer (2009) mengemukakan pada umumnya berbagai

organisasi menggunakan tiga jenis peramalan yang utama dalam perencanaan

operasi di masa depan.

a. Peramalan Ekonomi

Peramalan ekonomi menjelaskan siklus bisnis dengan memprediksi

tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk

membangun perumahan,dan indikator perencanaan lainnya.

b. Peramalan Teknologi

Peramalan teknologi memperhatikan tingkat kemajuan teknologi yang

dapat meluncurkan produk baru yang menarik yang membutuhkan pabrik

dan peralatan baru.

c. Peramalan Permintaan

Peramalan Permintaan adalah proyeksi permintaan untuk produk atau

layanan suatu perusahaan. Peramalan ini disebut juga peramalan

penjualan yang mengendalikan produksi,kapasitas, serta sistem

penjadwalan dan menjadi input bagi perencanaan keuangan,pemasaran,


commit to user

17

dan sumber daya manusia. Selain itu, Taylor (2004) dalam hubungannya

dengan horizon waktu peramalan terbagi atas beberapa kategori, yaitu :

1) Ramalan jangka pendek (short-range forcest) mencakup masa depan

yang dekat (immediate future) dan memperhatikan kegiatan harian

suatu perusahaan bisnis, seperti permintaan harian atau kebutuhan

sumber daya harian.

2) Ramalan jangka menengah (medium-range forcest) mencakup jangka

waktu satu atau dua bulan sampai satu tahun. Ramalan jangka waktu

ini umumnya lebih berkaitan dengan rencana produksi tahunan dan

akan mencerminkan hal-hal seperti puncak dan lembah dalam suatu

permintaan dan kebutuhan untuk menjamin adanya tambahan untuk

sumber daya untuk tahun berikutnya

3) Ramalan jangka panjang (long-range forcest) mencakup periode yang

lebih lama dari satu atau dua tahun. Ramalan ini berkaitan dengan

usaha manajemen untuk merencanakan produk baru untuk pasar yang

berubah, membangun fasilitas baru, atau menjamin adanya

pembiayaan jangka panjang

E. Karakteristik Peramalan

Ishak (2010) mengemukakan karakteristik peramalan yang baik sebagai

berikut :

a. Akurasi

Diukur dengan kebiasaan dan kekonsistenan peramalan tersebut.


commit to user

18

b. Biaya

Biaya yang diperlukan dalam pembuatan suatu peramalan adalah

tergantung dari jumlah item yang diramalkan, lama periode, dan metode

peramalan yang dipakai.

c. Kemudahan

Penggunaan metode peramalan yang sederhana, mudah dibuat dan mudah

diaplikasikan akan membuat keuntungan bagi perusahaan

F. Metode Peramalan

Menurut Render dan Heizer (2005) terdapat dua pendekatan yang

digunakan dalam peramalan, yaitu:

a. Pendekatan Kualitatif

Yaitu peramalan yang menggabungkan faktor-faktor penting

seperti intuisi nilai (Render dan Heizer, 2005), teknik peramalan kualitatif

yang dapat digunakan adalah sebagai berikut :

1) Keputusan dari pendapat juri eksekutif

Teknik peramalan yang meminta pendapat segolongan kecil manajer

tingkat tinggi dan menghasilkan estimasi permintaan kelompok.

2) Metode delphi

Teknik peramalan yang menggunakan proses kelompokdimana pakar

melakukan peramalan.


commit to user

19

3) Gabungan dari Teknik Penjualan

Teknik peramalan berdasarkan prediksi tenaga penjualan akan penjualan

yang diharapkan.

4) Survey Pasar Konsumen

Metode peramalan yang meminta input dari konsumen mengenai

rencana pembelian mereka dimasa depan.

b. Pendekatan Kuantitatif

Yaitu pendekatan peramalan yang menggunakan satu atau lebih

model matematis, dengan data masa lalu dan variabel sebab akibat, untuk

meramalkan permintaan (Render dan Heizer, 2005) ini menggunakan

berbagai model matematis yang menggunakan data historis dan atau

variabel-variabel kausal untuk meramalkan permintaan.

Menurut Render dan Heizer (2005) peramalan kuantitatif

dikelompokan kedalam dua model, yaitu :

1) Model Seri Waktu (Time Series)

Metode time series adalah teknik peramalan yang menggunakan

sekumpulan data masa lalu untuk melekukan peramalan (Render dan

Heizer, 2005).

Pendekatan data kuantitatif dari seri waktu, dapat dilakukan

dengan lima metode (Render dan Heizer, 2005), yaitu :

a) Metode Penghalusan Eksponensial (exponential smoothing)

Eksponential Smoothing merupakan teknik rata – rata

bergerak. Eksponential Smoothing mencakup pemelihar Menurut


commit to user

20

Render dan Heizer (2005) rumus Eksponential Smoothing adalah

sebagai berikut :

Ft = Ft-1 + a (At-1 – Ft-1)

Dimana :

Ft = peramalan baru

Ft-1 = peramalan sebelumnya

a = konstanta penghalusan (pembobot)

(0 1³£a )

At-1 = permintaan aktual periode sebelumnya.

b) Metode Rata-rata bergerak sederhana (Single Moving Average)

Metode rata-rata bergerak tunggal menggunakan sejumlah

data aktual permintaan yang baru untuk membangkitkan nilai

ramalan untuk perminataan di masa yang akan datang. Metode ini

akan efektif diterapkan apabila kita dapat mengasumsikan bahwa

permintaan pasar terhadap produk akan tetap stabil sepanjang

waktu (Gaspersz, 2005).

Bila permintaan berubah secara signifikan dari waktu ke

waktu, ramalan harus cukup agresif dalam mengantisipasi

perubahan tersebut, sehingga nilai N yang kecil akan lebih cocok

dipakai. Sebaliknya, bila permintaan cenderung stabil selama

jangka waktu yang panjang, sebaiknya dipakai nilai N yang besar

(Nasution, 2005).


commit to user

21

Secara sistematis, penulisan persamaan Single Moving

Averages adalah :

Rata-rata bergerak n-Periode =

Keterangan :

∑ = jumlah

n = adalah jumlah periode dalam rata-rata bergerak.

c) Pendekatan naif

Metode peramalan yang mengasumsikan bahwa permintaan pada

periode berikutnya adalah sama dengan permintaan dalam periode

sebelumnya.

d) Metode Rata-rata bergerak tertimbang (weighted moving average)

Model rata-rata bergerak terbobot ini lebih responsif

terhadap perubahan, karena data dari periode yang baru biasanya

diberi bobot yang lebih besar. (Gaspersz, 2005). Pemilihan bobot

merupakan hal yang tidak pasti karena tidak ada rumus untuk

menetapkan(Render dan Heizer, 2005).

Secara matematis, persamaan penulisan Weighted Moving

Average adalah sebagai berikut (Render dan Heizer, 2005):

Rata-rata bergerak dengan pembobotan =


commit to user

22

e) Metode proyeksi trend (Trend Projection)

Metode peramalan dengan Proyeksi Trend ini mencocokkan garis

trend kerangkaian titik data historis dan kemudian memproyeksi

garis itu ke dalam ramalan jangka menengah hingga jangka

panjang (Render dan Heizer, 2005) secara matematis, persamaan

penulisan trend adalah sebagai berikut :

= a + b x

Keterangan :

= ramalan jumlah produksi

a = persilangan sumbu y

b = kemiringan garis regresi (atau tingkat perubahan pada y

untuk perubahan yang terjadi di x)

x = variable bebas (dalam kasus ini adalah waktu)

Untuk mencari nilai a dan b menggunakan rumus :

b = a =

Untuk menentukan nilai x dan y menggunakan rumus :

Keterangan :

b = kemiringan garis regresi

∑ = tanda penjumlahan total

x = nilai variable bebas yang diketahui


commit to user

23

y = variable terkait yang diketahui

= rata-rata nilai y

= rata-rata nilai x

n = jumlah data atau pengamatan

2) Model kausal

a) Proyeksi Trend (Trend Projection)

Teknik ini mencocokkan garis ke rangkaian titik historis dan

kemudian memproyeksikan garis itu ke dalam ramalan jangka

menengah hingga jangka panjang.

Rumus proyeksi Trend menurut Render dan Heizer (2001 : 58)

Ù

y = a + b x

Keterangan :

a : perpotongan sumbu y

b : kemiringan garis / kelandaian garis regresi

x : waktu (variabel bebas)

Ù

y : nilai variabel yang dihitung untuk diprediksi

Untuk memperoleh nilai a dan b diperoleh dengan :

b = 22 xxx

yxxy

-å

-å

a = xby-Ù

Keterangan :

b : kelandaian garis regresi


commit to user

24

å : tanda penjumlahan

x : nilai variabel bebas

y : nilai variabel y

x : rata – rata nilai x

y : rata rata nilai y

n : jumlah data / observasi

b) Analisis Regresi Linier

Regresi biasanya digunakan sebagai alat kasus ekonomi dan

hukum. Menurut Render dan Heizer (2005) menuliskan persamaan

regresi linear sebagai berikut :

Rumus :

Ù

y = a + b x

Keterangan :

Ù

y : nilai variabel tidak bebas



x : variabel bebas

G. Pengukuran Kesalahan Peramalan

a. Pengukuran Kesalahan Peramalan

1) Kesalahan dalam peramalan mempengaruhi keputusan melalui dua cara:

a) Kesalahan dalam memilih teknik peramalan


commit to user

25

b) Kesalahan dalam mengevaluasi keberhasilan menggunakan teknik

peramalan.

2) Rumus yang sering digunakan dalam menghitung kesalahan, yaitu Mean

Absolute Deviation (MAD) dan Mean Square Error (MSE). Mean

Absolute Deviation rata – rata kesalahan absolute dan Mean Square

Error adalah ukuran deviasi peramalan dan tidak mempertimbangkan

apakah kesalahan itu negatif atau positif.

Mean Absolute Deviation = n

peramalan) (kesalahanS

Rumus Mean Square Error menurut Render dan Heizer (2001)

Mean Square Error = n

peramalankesalahan 2S

Dimana :

S = jumlah

n = periode


commit to user

26

BAB III

PEMBAHASAN

A. DESKRIPSI OBJEK PENELITIAN

1. Gambaran umum PT. Kusumahadi Santosa

Di Jawa Tengah khususnya di surakarta terdapat banyak

perusahaan tekstil. Salah satu perusahaan tekstil yaitu perusahaan keluarga

yang memproduksi tekstil yang bercorak batik. Perusahaan tersebut adalah

PT . Danar Santosa. Pendiri perusahaan ini adalah bapak R.H Santosa

berdasarkan akta Notaris Miriam, SH tanggal 21 Maret 1975

NO.22/PPA/1975. PT. Danar Hadi Santosa berkembang sangat pesat dri

tahun ke tahun dan pada tahun 1980 PT. Danar Hadi Santosa mendirikan

anak perusahaan. Anak perusahaan tersebut adalah PT. Kusumahadi

Santosa berdasarkan Akta Notaris Maria Theresia Budi Santosa, SH, dalam

keputusannya NO.YA5/287/4.

PT. Kusumahadi Santosa resmi berdiri pada tanggal 14 Mei 1981

NO.II/II/1980. Perusahaan ini berbentuk Perseorangan Terbatas (PT), di

dalam undang-undang No 6 tahun 1981 tentang PMDN menjadi dasar

hukumnya. Perustrusahaan ini merupakan perusahaan yang bergerak dalam

bidang industri tekstil dan dalam hal ini proses produksinya terdiri dari

weaving, finishing, printing, dan dyeing. Sedangkan produk yang

dihasilkan adalah kain mentah (Grey), kain putih (Cambrig),dan kain

printing. PT. Kusumahadi Santosa terletak di Surakarta bagian timur,


commit to user

27

tepatnya di jalan Raya Solo – Tawangmangu KM 9,5 Jaten, Karanganyar.

Oleh menteri Tenaga Kerja RI Bapak Soedomo pada tanggal 21 September

1983 PT. Kusumahadi Santosa diresmikan, dengan fasilitas yaitu :

a. Bangunan pabrik, perumahan karyawan dan fasilitasnya, bangunan

kantor dan peralatannya

b. Delapan (8) mesin di departemen weaving.

c. Enam belas (16) mesin di departemen finishing

d. Sarana olahraga dan bangunan lain sebagai pelengkap.

PT.Kusumahadi Santosa kadang-kadang sulit mendapatkan benang

yang baik dan halus, maka pada tahun 1987 didirikan PT.Kusumaputra

Santosa. PT.Kusumaputra Santosa bergerak di bidang Spining (Pemintalan

benang), menempati tanah seluas 5 hektar dan mulai trial running pada

bulan juli 1990. Hasil produksi PT. Kusumaputra Santosa sebesar 60 % dan

selebihnya dijual di pasar bebas, PT. Kusumahadi Santosa terdiri dari tiga

unit produksi, yaitu Weaving (Petenunan), Pre Treatment, dan

Printing(Pencapan). Sedangkan PT. Kusumaputra Santosahanya memiliki

satu unit produksi saja yaitu Spinning (Pemintalan Benang) yang dihasilkan

sangat bervariasi sesuai permintaan konsumen.

Adapun mesin-mesin yang digunakan untuk produksi di

PT.Kusumahadi Santosa adalah sebagai berikut:

1. Mesin-mesin Tenun PT.Kusumahadi Santosa

a. Suttle loomping

1) Type GH-9 Shedding Lobby 56”


commit to user

28

2) Type GH-9 Shedding Lappet 65”

b. Air jet loom

1) Type ajl 205

2) Type ajl 205i

c. Dobby

1) Yamada GD 50

2. Untuk mesin persiapan

a) Waping (Beninger, Baba)

b) Sizing (Shuccer Muller, Zell, Baba)

c) Reaching (Todo)

3. Pre treatment

a) Mercerizing

b) Sanforizing

c) Pad Batch Dying

d) Gassingeing

e) Parble

4. Printing

Mesin-mesin yang digunakan adalah

a) Mesin Flat Inchinose

b) Mesin Stenter Wakayana

c) Mesin Cold Pad Batch mesin Rotary Print

d) Mesin Steamer untuk Print


commit to user

29

2. Tujuan PT. Kusumahadi Santosa

Tekstil merupakan kebutuhan pokok setiap orang, sejak lahir sampai

mati, mudah mengikut situasi, kondisi dan zamannya. Industri tekstil yang

relatif menarik banyak tenaga kerja selalu menjadi perintis industrialisasi

bagi negara yang sedang berkembang. Dengan pertumbuhan penduduk atau

pertumbuhan ekonomi, maka permintaan tekstil semakin meningkat, tetapi

persaingan juga semakin ketat. Oleh karena itu, PT.Kusumahadi selalu

memperhatikan dan berusaha memenuhi kebutuhan dan keinginan

pelanggan melalui peningkatan mutu, pelayanan dan daya saing.

a. Tujuan perusahan

1) Meningkatkan Sumber Daya Manusia yang terlatih, disiplin yang

tinggi, mampu bekerja keras dalam menghadapi ketatnya

persaingan dibidang tekstil

2) Meningkatkan mutu pelayanan dan daya saingnya.

3) Mengarahkan segala sumber daya dan usaha yang disertai dengan

sistem manajemen yang tepat guna dan berdaya guna.

4) Mendapatkan keuntungan/laba dari penjualan produksi

5) Ikut membantu pemerintah dalam hal menciptakan lapangan

pekerjaan bagi masyarakat.

6) Membantu pendapatan pemerintah daerah tempat perusahaan

didirikan

7) Meleatarikan batik dan mendukung pengadaan bahan baku yang

dibutuhkan dalam pembuatan batik halus.


commit to user

30

b. Sasaran mutu perusahaan

1) Meningkatkan produktivitas

2) Mengurangi jumlah tuntutan ganti rugi pemesanan

3) Mengurangi jumlah keluhan dari pelanggan

3. Lokasi Perusahaan

Lokasi PT. Kusumahadi Santosa terletak di tepi utara jalan raya

Solo – Tawangmangu KM 9,4 Jaten, Karanganyar, Jawa Tengah. Area

tanah seluas 47.140 m2 yang terdiri dari tanah untuk bangunan pabrik,

kantor, perumahan, koperasi, kantin, tempat parkir, poliklinik. Pemilihan

lokasi tersebut atas dasar pertimbangan sebagai berikut :

a. Sarana transportasi yang mudah

PT. Kusumahadi Santosa berada di jalan Solo-Tawangmangu yang

merupakan jalan alternatif menuju arah Jawa Timur dan sebaliknya.

b. Tersedianya sumber tenaga kerja

PT. Kusumahadi Santosa merupakan perusahan yang mudah

mendapatkan tenaga kerja murah karena melakukan kerjasama dengan

beberapa Sekolah Menengah Kejuruan (SMK) yang ada di Karanganyar

c. Faktor Fasilitas

Tersediannya listrik dan air merupakan faktor yang tak kalah penting

dalam memilih suatu lokasi perusahaan. Tersedianya listrik dan

kemudahan mendapatkan air menjadikan kegiatan produksi berjalan

dengan lancar. Oleh sebab itu manajemen PT. Kusumahadi Santosa


commit to user

31

memilih lokasi di Jaten Karanganyar karena di lokasi tersebut dapat

terpenuhi

d. Perijinan

Perijinan untuk mendirikan perusahan di daerah Jaten, Karanganyar

cukup mudah mengingat di daerah tersebut juga banyak terdapat

perusahaan.

4. Lay Out PT.Kusumahadi Santosa

Pengaturan tata letak serta susunan mesin-mesin, peralatan-

peralatan dan fasilitas-fasilitas lain dalam perusahaan harus ditentukan

sedemikian rupa sehingga benar-benar efektif dan efisien. Penyusunan serta

pengatur letak ini harus disesuaikan dengan kondisi dalam perusahaan. Lay

Out PT.Kusumahadi Santosa dapat dilihat pada gambar 3.1


commit to user

32

Gambar 3.1 Lokasi PT Kusuma Hadi


commit to user

33

5. Aspek Personalia

a. Sistem Personalia PT.Kusumahadi Santosa

Tenaga kerja di PT.Kusumahadi Santosa telah memenuhi

ketentuan-ketentuan ketenagakerjaan yang diatur oleh Departemen

Tenaga Kerja RI, antara lain mengenai jam kerja, sistem kompensansi,

jaminan sosial dan lain-lain. Jumlah tenaga kerja PT.Kusumahadi

Santosa ± 2.257 karyawan, yang terdiri dari karyawan kantor, Spinning,

Weaving I, Weaving II, dan bagian Utility.

Secara rinci dapat dilihat di tabel berikut:

Tabel 3. 1

Jumlah Tenaga Kerja PT. Kusumahadi Santosa

Keterangan L P Jumlah

Komisaris 2 2 Direksi 3 1 4

Staff 29 7 36 Weavinf I 450 247 697

PPC 6 9 15 Weaving II 142 76 218 Finishing 101 23 124 Printing 340 52 392 Utility 54 54

Keuangan 8 13 21 Umum 90 6 96

Pemasaran 49 7 56 Jumlah 1272 443 1715


commit to user

34

Tabel 3. 2

Jumlah Tenaga Kerja Weaving II

Bagian Jumlah

Group A 19

Group A 20

Group A 22

Group A 22

Group A 19

Group A 23

Group A 21

Administrasi dan Quality Control 43

Maintenance 29

Jumlah 218

Sumber: data PT. Kusumahadi Santosa 2011


commit to user

35

b. Sistem Kerja

PT. Kusumahadi Santosa memberlakukan jam kerja 7 jam sehari dengan

6 hari kerja yaitu Senin sampai dengan hari Sabtu.

Sedangkan berdasarkan jam kerjanya dibedakan menjadi :

1. Normal

a) Senin – Kamis Jam 08.00-16.00 WIB

Istirahat Jam 12.00-13.00 WIB

b) Jumat Jam 08.00-16.00 WIB

Istirahat Jam 11.30-13.30 WIB

c) Sabtu Jam 08.00- 13.00 WIB

2. Shift

Sedangkan untuk karyawan shift adalah sebagai berikut:

a) Shift I Jam 06.00-14.00 WIB

b) Shift II Jam 14.00-22.00 WIB

c) Shift III Jam 22.00-06.00 WIB

c. Jaminan Sosial

1. Jaminan Kesejahteraan Karyawan:

a) Jaminan beribadah

b) Jaminan olahraga dan rekreasi

c) Jaminan kesehatan dan pengobatan

d) Jaminan untuk upah lembur

e) Jaminan jamsostek


commit to user

36

f) Perusahaan menyediakan bus untuk antar jemput untuk

karyawan

g) Jaminan koperasi karyawan

h) Perusahaan memberikan pakaian kerja untuk karyawan produksi,

maintenance, karyawan kantor dan karyawan masing-masing

mendapatkan 2 pasang baju dalam 1 tahun.

i) Perusahaan memberikan makanan dan minuman pada saat jam

istirahat di perusahaan

2. Pemberian Tunjangan, antara lain :

a) Tunjangan perkawinan

b) Tunjangan hari raya

c) Tunjangan kematian

d) Tunjangan kecelakaan kerja

3. Memberikan cuti dan hari-hari libur, antara lain:

a) Hari libur resmi/istirahat minggu dan bagi shift tiap 3 hari libur 1

hari

b) Cuti karena haid dan sakit

c) Cuti tahunan

d) Cuti kepentingan sosial

e) Cuti kehamilan


commit to user

37

6. Struktur Organisasi Dan Job Description

a. Struktur Organisasi

Organisasi dalam perusahaan adalah kerjasama antara orang-

orang dalam perusahaan untuk mencapai suatu keuntungan dengan

berdasarkan prinsip-prinsip ekonomi. Dalam suatu organisasi atau

perusahaan sangat diperlukan adanya struktur organisasi karena akan

memudahkan dan membantu pimpinan dalam mengawasi jumlah

kegiatan perusahaan serta memperlancar tugas-tugas karyawan.

Manfaat dari penyusunan struktur organisasi bagi perusahaan

antara lain :

1) Karyawan dapat mengetahui kepada siapa ia harus bertanggung

jawab dan mengetahui kepada siapa seorang atasan memberi tugas

2) Mempermudah pelaksanaan tugas

3) Mengkoordinasi kegiatan yang dilakukan oleh bawahan sehingga

dapat tercapai tujuan yang telah direncanakan

4) Menghindari kekosongan kerja maupun duplikasi tugas, karena

adanya struktur organisasi karyawan mengetahui dengan jelas akan

tugas dan tanggung jawabnya.

Untuk lebih jelasnya mengenai struktur organisasi

PT.Kusumahadi Santosa berikut ini adalah bagan struktur organisasi

PT.Kusumahadi Santosa:


commit to user

38

Gambar 3.2


commit to user

39

b. Job Description

Dari bagan organisasi PT. Kusumahadi Santosa dapat dijelaskan

mengenai tugas dan tanggungjawab masing-masing bagian adalah

sebagai berikut:

1) Pemegang Saham

Merupakan orang-orang yang mempunyai saham secara hukum atas

kepemilikan perusahaan.

2) Dewan Komisaris

Dewan Komisaris merupakan badan tertinggi dalam organisasi

perusahaan yang anggotanya diangkat dan diberhentikan oleh rapat

umum pemegang saham. Adapun tugas dari Dewan Komisaris yaitu

mengatur dan mengkoordinir kepentingan para pemegang saham

sesuai dengan ketentuan yang telah ditetapkan dalam kebijaksanaan

umum perusahaan.

3) Direktur Utama

Mempunyai tugas sebagai berikut:

a) Memimpin perusahaan

b) Mengawasi perusahaan

c) Mendelegasikan sebagai wewenang dan tanggung jawab kepada

manajer

d) Menentukan kebijakan pokok dalam perencanaan, penyusunan,

pengendalian dan pengembangan perusahaan


commit to user

40

e) Melakukan pembinaan kegiatan dan menilai hasil dari tujuan

perusahaan yang dibantu oleh staff ahli operasional, pengawasan,

dan internal audit

4) Kepala Divisi Pemasaran

Mempunyai tugas dan wewenang membawahi 3 bidang pemasaran

yaitu:

a) Manager Gudang Pemasaran

Bertanggung jawab untuk menjaga stabilitas penyimpanan produk

yang akan dijual

b) Manager Penjualan

Manager penjualan mempunyai tugas mencari calon konsumen dan

menjaga relasi hubungan baik dengan konsumen dalam negeri

maupun luar negeri

c) Manager Eksport

Manager Eksport menangani masalah penjualan produksi yang

akan dieksport

5) Kepala Divisi Produksi I

Kepala Divisi Produksi I mempunyai tugas dan wewenang

membawahi 5 bidang produksi yang dikhususkan produksi kain polos

(cambric) yaitu:

a) Manager Utility


commit to user

41

Manager utility bertanggung jawab atas pemeliharaan dan

pengadaan diesel dan listrik yang dipergunakan untuk operasi

perusahaan

b) Manager PPC

Bertanggung jawab atas perencanaan dan pengendalian bahan baku

benang

c) Manager Spinning

Bertanggung jawab atas jalannya proses produksi pemintalan

benang secara keseluruhan

d) Manager Weaving I dan II

Bertanggung jawab atas jalannya proses produksi kain polos

(cambric) baik secara kualitas maupun kuantitas

6) Kepala Divisi Produksi II

Kepala divisi produksi II mempunyai tugas dan wewenang

membawahi 5 bidang produksi yang dikhususkan produksi kain polos

(cambric) menjadi kain yang bercorak yaitu:

a) Manajer produksi Printing

Bertanggung jawab atas produksi di pencapan dan pencelupan

secara keseluruhan

b) Manajer Persiapan

Bertanggung jawab akan persediaan kualitas dan kuantitas kain

sebelum dan sesudah proses di bagian printing

c) Manajer Desain


commit to user

42

Bertanggung jawab atas pengadaan Desain kain bercorak

d) Manager pre Treatment

Bertanggung jawab atas pengujian bahan baku yang menggunakan

bahan kimia yang digunakan dalam proses produksi

7) Kepala Divisi Umum dan Keuangan

a) Manajer Akutansi dan Keuangan

Bertanggung jawab mengurusi bidang keuangan, melakukan

pembayaran gaji karyawan, dan menyalin laporan keuangan bagi

pihak yang bersangkutan dengan perusahaan

b) Manajer Umum dan Personalia

Bertanggung jawab memperlancar perkembangan perusahaan dan

kesejahteraan pegawai serta menentukan urusan kepegawaian,

mencari dan menyeleksi tenaga kerja yang sesuai dengan

spesifikasi dan kebutuhan, dan mengadakan hubungan dengan

pihak luar untuk hal-hal tertentu, misalnya kunjungan

keperusaahan lain, pelatihan, dan penelitian.

c) Manajer EDP ( Electronic Data Processing)

Manajer EDP bertanggung jawab memproses berbagai data yang

ada dalam perusahaan.

7. Aspek Produksi

Adapun proses produksi di bagian departemen weaving II dapat dilihat

sebagai berikut:


commit to user

43

Gambar 3.3 Flow chart weaving II

a. Bahan Baku

Bahan baku yang digunakan dalam proses produksi PT. Kusumahadi

Santosa, meliputi :

Bahan Baku Benang

Warping

Inspecting

Cone Winding

Tying

Sizing

Draw In

Leasing In dan Reaching

Air Jet Loom

Folding


commit to user

44

1) Benang

Bahan baku berupa benang disuplay 60% dari PT.Kusumaputra

Santosa dan 40% dari pabrik pemintalan lainnya.

2) Bahan-bahan Kimia

Bahan-bahan kimia di datangkan 30% dari import dan sisanya

didapat pabrik kimia di Indonesia.

3) Spare Part

Spare Part dari import untuk shuttle 20 % dan 50% untuk jet loom

sisannya di datangkan dari pabrik di Indonesia

b. Warping

Proses warping merupakan proses penggulungan benang lusi ke dalam

beam lusi yang akan dipasang pada mesin tenun dalam bentuk

gulungan yang sejajar dengan panjang tertentu lebar tertentu, jumlah

lusi tertentu dengan tegangan lusi yang sama.

c. Sizing

Sizing merupakan proses penganjian dengan formula bahan kimia

tertentu untuk meningkatkan daya tenun lusi, menambah sifat licin

benang dan menambah kekuatan tarik benang.

d. Cone Winding

Cone Winding merupakan proses penggulungan benang pakan dari

bentuk cone menjadi bentuk palet yang rata dan padat dengan

diameter dan panjang yang telah di tentukan.


commit to user

45

e. Reaching In

Reaching In merupakan proses pencucukan (memasukkan) benang

lusi pada dropper, gun dan sisir sesuai dengan rencana tenun.

f. Leasing In

Leasing In merupakan proses penghitungan jumlah benang lusi

dengan jenis kontruksi yang sama pada saat penenunan.

g. Tying

Tying merupakan proses penyambungan benang lusi dengan jenis

kontruksi yang sama pada saat penenunan

h. Air Jet Loom

Air Jet Loom merupakan proses pembuatan jalinan benang dengan

gerakan-gerakan naik turun vertikal dilakukan dengan cara

menggerakkan exentrik dengan injakan untuk memasukkan benang

pakan sehingga menjadi lembaran kain mentah (grey)

i. Inspecting

Inspecting merupakan proses pengendalian kualitas untuk mengetahui

cacat-cacat kain sehingga, dapat menentukan macam dari grade kain

yang dihasilkan.

j. Folding

Folding merupakan proses pelipatan hasil akhir yaitu, kain yang telah

diperbaiki di mesin inspecting dengan ukuran satu meter perlapis kain.


commit to user

46

B. Laporan Magang Kerja

1. Tempat dan Waktu Pelaksanaan Magang

Kegiatan magang dilakukan JL. Raya Jaten Km 9,4 Jaten,

Karanganyar, Jawa Tengah. Telp: (62-271)825636, Fax (62-271)825478,

825628.

Magang kerja dilaksanakan pada tanggal 16 Januari s/d 16 Februari

2012, yaitu selama satu bulan. Magang kerja dilaksanakan setiap hari

Senin- Sabtu yang dimulai pada pukul 08.00 s/d 16.00 WIB, kecuali hari

sabtu magang dimulai pukul 08.00 s/d 13.00 WIB.

2. Kegiatan Magang Kerja

Selama kegiatan magang kerja berlangsung, mahasiswa diwajibkan

untuk mengikuti tata tertib yang telah ditentukan oleh perusahaan

diantaranya sebagai berikut :

a. Peserta magang diwajibkan melapor kepada pembimbing lapangan

sebelum pelaksanaan magang kerja.

b. Peserta magang diwajibkan memakai pakaian baju putih dan celana

hitam dengan ketentuan rapi dan sopan.

c. Datang dan pulang tepat waktu sesuai aturan yang ditetapkan.

d. Tidak diperkenakan merokok selama kegiatan magang kerja

berlangsung.

Waktu pelaksanaan magang sudah disepakati antara pihak

perusahaan dan penulis, dimana waktu pelaksanaan magang kerja selama

satu bulan yaitu 16 januari-16 Februari 2012. Untuk waktu pelaksanaan


commit to user

47

magang kerja dalam satu minggu masuk enam kali dan lama penelitian

mulai pukul 08.00-16.00 WIB, khusus untuk hari sabtu mulai pukul

08.00-13.00 WIB. Kegiatan selama magang kerja telah diatur oleh pihak

PT.Kusumahadi Santosa yang disesuaikan dengan jurusan yang diambil

mahasiswa adalah manajemen industri maka pelaksanaan magang kerja

ditempatkan di bagian produksi. Berikut ini merupakan rincian laporan

semua kegiatan selama penelitian yang dilakukan penulis di PT.

Kusumahadi Santosa:

a. Minggu pertama

1) Perkenalan mahasiswa dengan pembimbing lapangan.

2) Perkenalan dengan beberapa karyawan perusahaan.

3) Penjelasan dari pembimbing lapangan tentang hal-hal yang

berkaitan dengan perusahaan, khususnya pada weaving II.

4) Mengamati lokasi, lingkungan perusahaan dan cara kerja mesin

serta proses produksi.

5) Merekap data hasil inspecting kerusakan dari karyawan.

b. Minggu kedua

1) Mengamati proses penganjian, pencucukan dan penenunan

2) Melakukan wawancara pada bagian administrasi

3) Membantu pekerjaan karyawan di weaving II

c. Minggu ketiga

1) Mengamati proses pelipatan kain

2) Membantu karyawan dalam merekap data harian


commit to user

48

3) Membantu bagian administrasi

d. Minggu keempat

1) Membantu karyawan dalam merekap data kualitas

2) Membantu karyawan dalam merekap data inspecting

3) Meminta sample kain

4) Perpisahan

C. Pembahasan Masalah

PT. Kusumahadi Santosa adalah perusahaan yang bergerak dalam

bidang tekstil khususnya membuat kain cambric (kain putih polos). Salah

satu produk yang diproduksi adalah kain CDP 2024. Hasil produksi nya

sebagian besar masuk ke pasar ekspor dengan beberapa negara tujuan

diantaranya : Turki, Belanda, dan Eropa.

Dalam bab ini peneliti akan membahas mengenai peramalan

produksi kain CDP 2024. Dalam perhitungan peramalan ini penulis

menggunakan data produksi kain CDP 2024 pada bulan januari –

Desember 2011. Adapun data produksi yang dugunakan untuk menghitung

peramalan dan pembahasannya adalah


commit to user

49

Tabel 3.3

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

Sumber : PT.Kusumahadi Santosa

Berdasarkan tabel 3.3 dapat dilihat bahwa data produksi kain CDP

2024 pada PT. Kusumahadi Santosa berfluktuasi dari bulan ke bulan.

Produksi kain paling tinggi terjadi pada bulan Juni yaitu sebesar

435.672,01 meter dan produksi paling rendah terjadi pada bulan

September yaitu sebesar 156.894,61. Metode yang sesuai digunakan

Bulan Produksi

Januari 374.227

Februari 384.560

Maret 334.381

April 299.917

Mei 259.072

Juni 435.672

Juli 217.300

Agustus 223.533

September 156.895

Oktober 248.970

November 304.267

Desember 282.383


commit to user

50

adalah time series. Pemilihan metode time series lebih sesuai dari pada

metode klausal, karena metode time series lebih cocok untuk data yang

bersifat acak seperti data diatas, sedangkan klausal lebih cocok digunakan

untuk data yang berupa sebab akibat.

1. Perhitungan Peramalan

a. Metode Single Moving Averages

Persamaan yang digunakan adalah:

Single Moving Averages

Keterangan :

n = Jumlah periode dalam rata-rata bergerak ( periode yang

digunakan pada penelitian ini adalah 3-bulanan dan 4-bulanan)

Apabila data aktual produksi kain CDP 2024 di terapkan pada

persamaan Single Moving Averages , maka hasilnya adalah :

1) Single Moving Average 3- Bulanan

April : 374.227 + 384.560 + 334.381

3 : 364.389,3

Mei : 384.560 + 334.381 + 299.917

3 : 339.619,3


commit to user

51

Juni : 334.381 + 299.917 + 259.072

3 : 297.790

Juli : 299.917 + 259.072 + 435.672

3 : 331.553,7

Agustus : 259.072 + 435.672 + 217.300

3 : 304.014,7

September : 435.672 + 217.300 + 223.533

3 : 292.168,3

Oktober : 217.300 + 223.533 + 156.895

3 : 199.242,7

November : 223.533 + 156.895 + 248.970

3 : 209.799,3

Desember : 156.895 + 248.970 + 304.267

3 : 236.710,7

Januari : 248.970 + 304.267 + 282.383

3 : 278.540


commit to user

52

Tabel 3.4 Peramalan Produksi Kain CDP 2024

Dengan Metode Single Moving Average 3-Bulanan Januari- Desember 2011

Bulan Produksi Forcest

Januari 374.227 -

Februari 384.560 -

Maret 334.381 -

April 299.917 364.389,3

Mei 259.072 339.619,3

Juni 435.672 297.790

Juli 217.300 331.553,7

Agustus 223.533 304.014,7

September 156.895 292.168,3

Oktober 248.970 199.242,7

November 304.267 209.799,3

Desember 282.383 236.710,7

Totals 3.521.177

Average 293.431,41

Next Period (januari

2012)

278.540

Sumber : Data yang telah diolah

Dari tabel 3.4 dapat dilihat bahwa hasil peramalan

dengan metode Single Moving Average 3-bulanan dapat dimulai


commit to user

53

pada bulan keempat yaitu bulan April 2011. Peramalan dimulai

pada bulan keempat karena tiga bulan sebelumnya digunakan

sebagai dasar untuk menentukan peramalan.

Tabel 3.5 Pengukuran Kesalahan (error) peramalan Pada Peramalan Produksi Kain CDP 2024

Dengan Metode Single Moving Average 3-bulanan Januari – Desember 2011

MAD = 802.777,8 : 89.197,53 meter

9

MSE = 80.968.990.000 : 8.996.555.000 meter

9

Berdasarkan tabel 3.5 Berdasarkan perhitungan diatas dapat dianalisis

bahwa dengan metode Single Moving Average 3 bulanan, terdapat

kesalahan (error) peramalan MAD sebesar 89.197,53 meter dan MSE

8.996.555.000 sebesar meter. Data ini digunakan sebagai dasar pembanding


commit to user

54

dengan data kesalahan (error) peramalan metode lain, untuk dicari metode

peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil

2) Single Moving Average 4-bulanan

Mei : : 348.271,3

Juni :

: 319.482,5

Juli : : 332.260,5

Agustus :

: 302.990,3

September : : 283.894,3

Oktober :

: 258.350

November :

: 211.674,5

Desember :

: 233.416,3


commit to user

55

Januari 2012 :

: 248.128,8


Dengan Metode Single Moving Average 4-Bulanan Januari- Desember 2011

Bulan Produksi (meter) Forcest

Januari 374.227 -

Februari 384.560 -

Maret 334.381 -

April 299.917 -

Mei 259.072 348.271,3

Juni 435.672 319.482,5

Juli 217.300 332.260,5

Agustus 223.533 302.990

September 156.895 283.899,3

Oktober 248.970 258.350

November 304.267 211.674,5

Desember 282.383 233.416,3

Totals 3.521.177

Average 293.431,41


2012)

248.148,8



commit to user

56

Dari tabel 3.6 Berdasarkan perhitungan diatas dapat dianalisis bahwa

dengan metode Single Moving Average 4 bulanan dapat dimulai pada bulan

kelima yaitu bulan Mei 2011. Peramalan dimulai pada bulan kelima karena

empat bulan sebelumnya digunakan sebagai dasar untuk menentukan

peramalan.

Tabel 3.7 Pengukuran Kesalahan (error) Peramalan Pada Peramalan Produksi Kain CDP 2024

Dengan Metode Single Moving Average 4-bulanan Januari-Desember 2011

Sumber : Perhitungan dengan POM for Window

MAD = 677.745 : 84.718,13 meter

8

MSE = 68.173790.000 : 8.521.723.000 meter

8


commit to user

57


bahwa dengan metode Single Moving Average 4 bulanan, terdapat kesalahan

(error) peramalan MAD sebesar 84.718,3 meter dan MSE sebesar

8.521.723.000 meter. Data ini digunakan sebagai dasar pembanding dengan

data kesalahan (error) peramalan metode lain, untuk dicari metode

peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil.

b. Metode Weighted Moving Averages

Persamaan yang digunakan adalah:

Weighted Moving Average

=

Keterangan :

( pembobotan yang digunakan penulis dalam penelitian ini adalah 3 bulanan

terbobot dan 4 bulanan terbobot)

Apabila data aktual produksi kain CDP 2024 diterapkan pada persamaan

Weighted Moving Average (3 bulanan terbobot dan 4 bulanan terbobot),

maka hasilnnya adalah :

1) Weighted Moving Average 3 bulan Terbobot

Pemberian bobot untuk metode Weighted Moving Average 3 bulanan

terbobot adalah satu bulan yang lalu diberi bobot 3, dua bulan yang lalu

diberi bobot 2, tiga bulan yang lalu diberi bobot 1, dengan jumlah

pembobotan 6.


commit to user

58

April = (3 × 334.381) + (2 × 384.560) + (1×374.227)

6 = 357.748,33 Mei = (3 × 299.917) + (2 × 334.381) + (1×384.560)

6 =325.512,16 Juni = (3 × 259.072) + (2 ×299.917) + (1×334.381)

6 =285.238,5 Juli = (3 × 435.672) + (2 ×259.072) + (1×299.917)

6 = 354.179,5 Agustus = (3 × 217.300) + (2 ×435.672) + (1×259.072)

6 = 297.052,66 September = (3 × 223.533) + (2 ×217.300) + (1×435.672)

6 = 256.811,8 Oktober = (3 × 156.895) + (2 ×223.533) + (1×217.300)

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

6 = 214.038,83


commit to user

59

Desember = (3 × 156.895) + (2 ×223.533) + (1×217.300)

6 = 261.272,66 Januari = (3 × 282.383) + (2 ×304.267) + (1×248.970) 6 = 284.108,83


Dengan Metode Weighted Moving Average 3-Bulanan Terbobot

Januari- Desember 2011


Januari 374.227 -

Februari 384.560 -

Maret 334.381 -

April 299.917 357.748,3

Mei 259.072 325.512,1

Juni 435.672 285.238,5

Juli 217.300 354.179,5

Agustus 223.533 297.052,6

September 156.895 256.811,8

Oktober 248.970 189.175,1

November 304.267 214.038,8

Desember 282.383 261.272,6

Totals 3.521.177


commit to user

60

Average 293.431,41

Next Period (januari 2012)

284.108,8



dengan metode Weighted Moving Average 4 bulanan dapat dimulai pada

bulan keempat yaitu bulan April 2011. Peramalan dimulai pada bulan

keempat karena tiga bulan sebelumnya digunakan sebagai dasar untuk

menentukan peramalan

Tabel 3.9 Pengukuran Kesalahan (error) Peramalan Pada Peramalan Produksi Kain CDP 2024

Dengan Metode Weighted Moving Average 3-bulanan Januari-Desember 2011

Sumber : Perhitungan dengan POM for Window

MAD =756.154,3 : 84.017,14 meter

9


commit to user

61

MSE = 76.675.687.225 : 8.519.522.000 meter

9


bahwa dengan metode Weighted Moving Average 3 bulanan terbobot,

terdapat kesalahan (error) peramalan MAD sebesar 84.017,14 meter dan

MSE sebesar 8.519.522.000 meter. Data ini digunakan sebagai dasar

pembanding dengan data kesalahan (error) peramalan metode lain, untuk

dicari metode peramalan yang paling tepat, yang memiliki tingkat MAD dan

MSE terkecil

2) Weighted Moving Average 4-bulanan terbobot

Pemberian bobot untuk metode Weighted Moving Average 4 bulan terbobot

adalah satu bulan yang lalu diberi bobot 4, dua bulan yang lalu diberi bobot

3, tiga bulan yang lalu diberi bobot 2, empat bulan yang lalu diberi bobot 1,

dengan jumlah pembobotan 10.

Mei = ( 4× 299.917) + ( 3×334.381) + ( 2×384.560) + ( 1×374.227)

10

= 334.596,9

Juni = ( 4× 259.072) + ( 3×299.917) + ( 2×334.381) + ( 1×384.560)

10

= 298.936,1

Juli = ( 4× 435.672) + ( 3×259.072) + ( 2×299.917) + ( 1×334.381)

10

= 345.411,9


commit to user

62

Agustus = ( 4× 217.300) + ( 3×435.672) + ( 2×259.072) + ( 1×299.917)

10

= 299.427,7

September = ( 4× 223.553) + ( 3×217.300) + ( 2×435.672) + ( 1×259.072)

10

= 267.652,8

Oktober = ( 4× 156.895) + ( 3×223.553) + ( 2×217.300) + ( 1×435.672)

10

= 216.851,1

November = ( 4× 248.970) + ( 3×156.895) + ( 2×223.553) + ( 1×217.300)

10

= 213.097,1

Desember = ( 4× 304.267) + ( 3×248.970) + ( 2×223.553) + ( 1×217.300)

10

= 250.132,1

Januari = ( 4× 304.267) + ( 3×248.970) + ( 2×223.553) + ( 1×217.300)

10

= 269.716,8


commit to user

63


Dengan Metode Weighted Moving Average 4-Bulanan Terbobot

Januari- Desember 2011 Bulan Produksi (meter) Forcest

Januari 374.227 -

Februari 384.560 -

Maret 334.381 -

April 299.917 -

Mei 259.072 334.596,9

Juni 435.672 298.936,1

Juli 217.300 345.411,9

Agustus 223.533 299.427,7

September 156.895 267.652,8

Oktober 248.970 216.851,1

November 304.267 213.097,1

Desember 282.383 250.132,1

Totals 3.521.177

Average 293.431,41


2012)

269.716,8

Sumber : data yang telah diolah


dengan metode Weighted Moving Average 4 bulanan dapat dimulai pada


commit to user

64

bulan kelima yaitu bulan Mei 2011. Peramalan dimulai pada bulan kelima

karena empat bulan sebelumnya digunakan sebagai dasar untuk menentukan

peramalan

Tabel 3.11 Pengukuran Kesalahan (error) Peramalan Produksi Kain CDP 2024

Dengan Metode Weighted Moving Average 4-bulanan terbobot

Januari-Desember 2011

MAD =682.587,8 : 85.323,47 meter

8

MSE = 69.226.680.000 : 8.653.336.000 meter

8

Berdasarkan tabel 3.11 Berdasarkan perhitungan diatas dapat

dianalisis bahwa dengan metode Weighted Moving Average 4 bulanan

terbobot, terdapat kesalahan (error) peramalan MAD sebesar 85.323,47


commit to user

65

meter dan MSE sebesar 8.653.336.000 meter. Data ini digunakan sebagai

dasar pembanding dengan data kesalahan (error) peramalan metode lain,

untuk dicari metode peramalan yang paling tepat, yang memiliki tingkat

MAD dan MSE terkecil

c. Metode Exponential Smoothing

Persamaan yang digunakan adalah :

Ft = Ft-1 + a (At-1 – Ft-1)

Dimana :

Ft = peramalan baru

Ft-1 = peramalan sebelumnya

a = konstanta penghalusan (pembobot) antara

0-1, dimana penulis menggunakan (α =

0,1a = 0,5 dan a = 0,9)

At-1 = permintaan aktual periode sebelumnya

Apabila data produksi kain CDP 2024 diterapkan pada persamaan

Exponential Smoothing (a = 0,1 a = 0,5 dan a = 0,9), maka hasilnya adalah :

1). Exponential Smoothing

Maret = 374.227 + 0,1 ( 384.560 – 374.227 )

= 375.260,3 meter

April = 375.260,3 + 0,1 ( 334.381 –375.260,3)

= 371.172,4 meter

Mei = 371.172,4 + 0,1 ( 299.917 - 371.172,4)

= 364.046,8 meter


commit to user

66

Juni = 364.046,8 + 0,1 (259.072 – 364.046,8)

= 353.549,3 meter

Juli = 353.549,3 + 0.1 ( 435.672 – 353.549,3)

= 361.761,6 meter

Agustus = 361.761,6 + 0,1 ( 217.300 – 361.761,6)

= 347.315,5 meter

September = 347.315,5 + 0,1 ( 223.533- 347.315,5)

= 334.937,2 meter

Oktober = 334.937,2 + 0,1 ( 156.895 – 334.937,2)

= 317.133 meter

November = 317.133 + 0,1 ( 248.970 – 317.133)

= 310.316,7 meter

Desember = 310.316,7 + 0,1 ( 304.267 – 310.316,7)

= 309.711,7 meter

Januari 2012 = 309.711,7 + 0,1 ( 282.383 – 309.711,7)

= 306.978,8 meter


commit to user

67

Tabel 3.12 Peramalan Produksi Kain RYP 2026

Dengan Metode Exponential Smoothing ( α = 0,1 ) Januari- Desember 2011


Januari 374.227 -

Februari 384.560 374.227

Maret 334.381 375.260,3

April 299.917 371.172,4

Mei 259.072 364046,8

Juni 435.672 353.549,3

Juli 217.300 361.761,6

Agustus 223.533 347.315,5

September 156.895 334.937,2

Oktober 248.970 317.133

November 304.267 310.316,7

Desember 282.383 309.711,7

Totals 3.521.177

Average 293.431,41


2012)

306.978,8


Dari tabel 3.12 dapat dilihat bahwa pada bulan Januari 2011 belum

dapat melakukan peramalan, hal ini terjadi karena belum cukup data


commit to user

68

peramalan pada periode sebelumnya. Maka hasil peramalan bulan Februari

2011 menggunakan data terdekat yaitu data produksi pada bulan Januari.

Tabel 3.13 Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP 2024

Dengan Metode Exponential Smoothing ( α = 0,1 ) Januari – Desember 2011

Sumber : Perhitungan dengan POM for Windows

MAD =857.392,9 : 77.944,8 meter

11

MSE = 97.939.010.000 : 8.903.546.000 meter

11


dianalisis bahwa dengan metode Exponential Smoothing α = 0,1 , terdapat




commit to user

69




Maret = 374.227 + 0,5 ( 384.560 – 374.227 )

= 379.393,5 meter

April = 379.393,5 + 0,5 ( 334.381 – 379.393,5)

= 356.887,25 meter

Mei = 356.887,25 + 0,5 ( 299.917 - 356.887,2)

= 328.402,12 meter

Juni = 328.402,12 + 0,5 (259.072 – 328.402,12)

= 293.737,06 meter

Juli = 293.737,06 + 0.5 ( 435.672 – 293.737,06)

= 364.704,53 meter

Agustus = 364.704,53 + 0,5 ( 217.300 – 364.704,53)

= 291.002,26 meter

September = 291.002,26 + 0,5 ( 223.533- 291.002,26)

= 257.267,63 meter

Oktober = 257.267,63 + 0,5 ( 156.895 – 257.267,63)

= 207.081,31 meter

November = 207.081,31 + 0,5 ( 248.970 – 207.081,31)

= 257.267,63 meter

Desember = 257.267,63 + 0,5 ( 304.267 – 228.025,65)

= 266.146,32 meter


commit to user

70

Januari 2012 = 266.146,32 + 0,5 ( 282.383 – 266.146,32)

= 274.264,66 meter

Tabel 3.14 Peramalan Produksi Kain RYP 2026

Dengan Metode Exponential Smoothing ( α = 0,5 ) Januari- Desember 2011


Januari 374.227 -

Februari 384.560 374.227

Maret 334.381 379.393,5

April 299.917 356.887,25

Mei 259.072 328.402,12

Juni 435.672 293.737,06

Juli 217.300 364.704,53

Agustus 223.533 291.002,26

September 156.895 257.267,63

Oktober 248.970 207.081,31

November 304.267 257.267,63

Desember 282.383 266.146,32

Totals 3.521.177

Average 293.431,41


2012)

274.264,66



commit to user

71

Dari tabel 3.14 dapat dilihat bahwa pada bulan Januari 2011 belum

dapat melakukan peramalan, hal ini terjadi karena belum cukup data

peramalan pada periode sebelumnya. Maka hasil peramalan bulan Februari

2011 menggunakan data terdekat yaitu data produksi pada bulan januari

2011.

Tabel 3.15

Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP 2024 Dengan Metode Exponential Smoothing ( α = 0,5 )

Januari – Desember 2011

Sumber : Perhitungan dengan POM for Windows

MAD =773.193,9 : 70.290,36 meter

11

MSE = 74.516.590.000 : 6.774.236.000 meter

11


commit to user

72








Maret = 374.227 + 0,9 ( 384.560 – 374.227)

= 383.526,7 meter

April = 383.526,7 + 0,9 ( 334.381 – 383.526,7)

= 339.295,57 meter

Mei = 339.295,57 + 0,9 ( 299.917 – 339.295,57)

= 303.854,85 meter

Juni = 303.854,85 + 0,9 ( 259.072 – 303.854,85)

= 263.550,85 meter

Juli = 263.550,85 + 0,9 ( 435.672 – 263.550,85)

= 418.459,88 meter

Agustus = 418.459,88 + 0,9 ( 217.300 – 418.459,88)

= 237.415,98 meter

September = 237.415,98 + 0,9 ( 223.533 – 237.415,98)

= 224.921,29 meter

Oktober = 224.921,29 + 0,9 ( 156.895 – 224.921,29)

= 163.697,62 meter


commit to user

73

November = 163.697,62 + 0,9 ( 248.970 – 163.697,62)

= 240.442,76 meter

Desember = 240.442,76 + 0,9 ( 304.267 – 240.442,76)

= 297.884,57 meter

Januari 2012 = 297.884,57 + 0,9 ( 282.383 – 297.884,57)

= 283.933,2 meter

Tabel 3.16

Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP 2024

Dengan Metode Exponential Smoothing ( α = 0,9 )

Januari – Desember 2011

MAD = 763.429,1 : 69.402,65 meter

11

MSE = 92.574.910.000 : 8.415.901.000 meter

11


commit to user

74




sebesar 8.415.901.000 meter. Data ini digunakan sebagai dasar pembanding



d. Metode Proyeksi Tren ( Trend Projection)

Rumus :

Ù

y = a + b x

Keterangan :

Ù

y : nilai variabel tidak bebas



x : variabel bebas

Untuk mengetahui nilai x dan diperoleh dengan :

= 78 = 3.521.177

12 12

= 6,5 = 293.431,4


commit to user

75

Nilai b diperoleh dengan :

b =

=

= -11.786,35

Sedangkan nilai a diperoleh dengan :

a =

= 293.431,4 + (11.786,36 ) (6,5)

= 370.042,75

Adapun hasil peramalan bulan januari 2011 dan tingkat kesalahannya,

adalah sebagai berikut:

Ù

y = a + b x

Januari = 370.042,7 + (-11.786,35) (1)

= 358.256,35 meter

Februari = 370.042,7 + (-11.786,35) (2)

= 346470,0 meter

Maret = 370.042,7 + (-11.786,35) (3)

= 334683,6 meter

April = 370.042,7 + (-11.786,35) (4)

= 322897,3 meter


commit to user

76

Mei = 370.042,7 + (-11.786,35) (5)

= 311110,9 meter

Juni = 370.042,7 + (-11.786,35) (6)

= 299324,6 meter

Juli = 370.042,7 + (-11.786,35) (7)

= 287538,2 meter

Agustus = 370.042,7 + (-11.786,35) (8)

= 275751,9 meter

September = 370.042,7 + (-11.786,35) (9)

= 263965,5 meter

Oktober = 370.042,7 + (-11.786,35) (10)

= 252179,2 meter

November = 370.042,7 + (-11.786,35) (11)

= 240392,8 meter

Desember = 370.042,7 + (-11.786,35) (12)

= 228606,5 meter

Januari 2012 = 370.042,7 + (-11.786,35) (13)

= 216820,1 meter

Perhitungan tingkat kesalahan :

MAD = MSE =

= =

= 51343,12 = 4.136.601.000


commit to user

77

Tabel 3.17 Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP 2024

Dengan Metode Trend Projection Januari – Desember 2011


dianalisis bahwa dengan metode Trend Projection terdapat kesalahan (error)

peramalan MAD sebesar 51.343,12 meter dan MSE sebesar 4.136.601.000

meter. Data ini digunakan sebagai dasar pembanding dengan data kesalahan

(error) peramalan metode lain, untuk dicari metode peramalan yang paling

tepat, yang memiliki tingkat MAD dan MSE terkecil


commit to user

78

2. Perbandingan Hasil Peramalan

Tabel 3.18

Perbandingan Hasil Peramalan Produksi Kain CDP 2024 PT. Kusumahadi

Santosa

Keterangan MAD MSE Ramalan bulan januari

2012

Single Moving

Average

3 bulanan 89.197,53 8.996.555.000 278.540

4 bulanan 84.718,13 8.521.723.000 248.128,8

Weighted Moving

Average

3-bulanan

terbobot

84.017,14 8.519.522.000 284.108,8

4-bulanan

terbobot

85.323,47 8.653.336.000 269.716,8

Exponential

Smoothing

0,1 77.944,8 8.903.546.000 306.978,8

0,5 70.290,36 6.774.236.000 274.264,7

0,9 69.402,65 8.415.901.000 283.933,2

Trend Projection 51.343,12 4.136.601.000 216.820,1

Sumber : data yang telah diolah

Berdasarkan tabel 3.18 dapat dilihat bahwa metode Trend

Projection merupakan metode yang paling tepat untuk meramalkan

produksi kain CDP 2024 untuk bulan Januari 2011-januari 2012 karena

memiliki tingkat kesalahan (error) peramalan terkecil dibandingkan

dengan metode yang lain dengan MAD 51.343,12 meter dan MSE

4.136.601.000 sebesar meter.


commit to user

79

BAB IV

PENUTUP

A. Kesimpulan

Dengan selesainya analisis data dan penyusunan tugas akhir dengan

judul“PERAMALAN PROSES PRODUKSI KAIN CDP 2024 PADA

DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA”. Dapat

diambil kesimpulan sebagai berikut :

a. Berdasarkan perhitungan ramalan produksi dengan Metode Single Moving

Average 3 bulanan diperoleh peramalan untuk periode bulan Januari 2012

sebesar 278.540 meter dengan MAD 89.197,53 meter dan MSE

8.996.555.000 meter.

b. Berdasarkan perhitungan ramalan produksi dengan Metode Single Moving

Average 4 bulanan diperoleh peramalan untuk periode bulan januari 2012

sebesar 248.128,8 meter dengan MAD 84.718,13 meter dan MSE

8.521.723.000 meter.

c. Berdasarkan perhitungan ramalan produksi dengan Metode Weighted

Moving Average 3 bulanan diperoleh peramalan untuk periode bulan

Januari 2012 sebesar 284.108,8 meter dengan MAD 84.017,14 meter dan

MSE 8.519.520.802 meter .

d. Berdasarkan perhitungan ramalan produksi dengan Metode Weighted

Moving Average 4 bulanan diperoleh peramalan untuk periode bulan


commit to user

80


MSE 8.653.336.000 meter .

e. Berdasarkan perhitungan ramalan produksi dengan Metode Exsponential

Smoothing dengan a = 0,1 diperoleh peramalan untuk periode bulan


MSE 8.903.546.000 meter .

f. Berdasarkan perhitungan ramalan produksi dengan Metode Exsponential


januari 2012 sebesar 274.264,7 meter dengan MAD 70.290,36 meter dan

MSE 6.774.236.000 meter .

g. Berdasarkan perhitungan ramalan produksi dengan Metode Exsponential



MSE 8.415.901.000 meter

h. Berdasarkan perhitungan ramalan produksi dengan Metode Trend

Projection diperoleh peramalan untuk periode bulan Januari 2012 sebesar

216.820,1 meter dengan MAD 51.343,12 meter dan MSE 4.136.601.000

meter

Dari hasil peramalan dan tingkat kesalahannya diketahui bahwa

metode yang paling sesuai digunakan dalam menganalisis data dengan

memiliki tingkat kesalahan yang paling kecil dari metode alternatif di atas

yaitu Metode Trend Projection. Karena memiliki tingkat kesalahan (error)

MAD sebesar 51.343,12 meter dan MSE 4.136.601.000 meter.


commit to user

81

B. Saran

Berdasarkan hasil analisis data dan kesimpulan maka dapat

dikemukakan saran- saran sebagai bahan pertimbangan PT KUSUMAHADI

SANTOSA. Adapun saran-saran yang penulis kemukakan adalah sebagai

berikut :

1. Perusahaan sebaiknya menerapkan metode Trend Projection dalam

meramalkan produksi kain CDP 2024 untuk periode mendatang, karena dari

pengujian di atas metode ini memiliki MAD dan MSE yang paling kecil,

sehingga hasil ramalan yang di dapatkan lebih mendekati aktual.

2. Penerapan metode peramalan sangat membantu perusahaan untuk

menyelesaikan setiap pekerjaan dan mempermudah perusahaan dalam

penghitungan.

3. Untuk meningkatkan efisiensi produksi, perusahaan perlu melakukan

ramalan permintaan produksi dengan menggunakan data yang akurat dan

relevan serta metode ramalan yang sesuai dengan fluktuasi data, sehingga

dapat meminimalisir kesalahan ramalan dan dapat membantu dalam

pengambilan keputusan baik di bidang perencanaan kebutuhan bahan baku,

proses produksi, biaya produksi, maupun jam kerja yang dibutuhkan.

perpustakaan.uns.ac.id digilib.uns.ac.id peramalan proses ...... · ( hadist nabi) · mencintai...

Documents