APLIKASI PROGRAM SOLVER DALAM

PENYELESAIAN MASALAH OPTIMASI

BERDASARKAN PERAMALAN DENGAN METODE

TREND MUSIMAN PADA PERUSAHAAN KRUPUK

UDANG SINAR JAYA BREBES

Skripsi

Disajikan sebagai salah satu syarat untuk memperoleh

Gelar sarjana sains prodi matematika

oleh

Siti Nurchotimah

4150405047

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI SEMARANG

2009

ii

HALAMAN PENGESAHAN

Skripsi ini telah dipertahankan di hadapan sidang Panitia Ujian Skripsi

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Semarang

pada:

Hari :

Tanggal :

Panitia Ujian:

Ketua Sekretaris

Dr. Kasmadi Imam S, M.S. Drs. Edy Soedjoko, M.Pd NIP. 195111151979031001 NIP 19560419 198703 1 001

Penguji Utama,

Endang Sugiharti, S.Si., M.Kom. NIP. 132231407

Penguji / Pembimbing I, Penguji / Pembimbing II,

Dr. Dwijanto, M.S Drs. Mashuri, M.Si NIP. 131404323 NIP. 131993875

iii

PERNYATAAN

Saya menyatakan bahwa yang tertulis di dalam skripsi ini benar-benar

hasil karya saya sendiri, bukan jiplakan dari karya tulis orang lain baik sebagian

atau seluruhnya. Pendapat atau temuan orang lain yang terdapat dalam skripsi ini

dikutip dan dirujuk berdasarkan kode etik ilmiah.

Semarang, September 2009

Penulis,

Siti Nurchotimah

NIM. 4150405047

iv

MOTTO DAN PERSEMBAHAN

Motto

☺ Sesungguhnya setelah ada kesulitan itu ada kemudahan (Q.S. An Nashr : 6).

☺ Jenius adalah 1 % inspirasi dan 99 % keringat. Tidak ada yang dapat

menggantikan kerja keras. Keberuntungan adalah sesuatu yang terjadi

ketika kesempatan bertemu dengan kesiapan (Thomas A. Edison).

☺ The man who says he never has time is the laziest man (Lichtenberg).

Persembahan

☺ Bapak, ibu, adik-adikku dan budhe tercinta

☺ Sahabat-sahabat kost Griya Monesy

☺ Teman-teman matematika khususnya MatReg’05

☺ Almamaterku

v

ABSTRAK

Nurchotimah, Siti. 2009. Aplikasi Program Solver dalam Penyelesaian Masalah Optimasi Berdasarkan Peramalan dengan Metode Trend Musiman Pada Perusahaan Krupuk Udang Sinar Jaya Brebes. Skripsi, Jurusan Matematika. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Negeri Semarang. Dosen Pembimbing I: Dr. Dwijanto, M.S.; Dosen Pembimbing II: Drs. Mashuri, M.Si. Kata Kunci : Program Solver, Peramalan, Metode Trend Musiman.

Perusahaan Krupuk Udang Sinar Jaya Brebes adalah perusahaan yang menjalankan proses produksinya berdasarkan pesanan atau permintaan. Jadi jumlah pemenuhan permintaan pasar atau konsumen di sini merupakan penjualan. Untuk memperkirakan banyaknya permintaan pasar di masa mendatang diperlukan peramalan sebagai bahan pertimbangan dalam mengambil keputusan banyaknya barang yang akan diproduksi. Salah satu metode peramalan adalah metode trend musiman. Metode ini cocok untuk data yang membentuk pola musiman. Hasil ramalan tersebut dijadikan sebagai fungsi kendala dalam model penyelesaian masalah optimasi pendapatan. Dalam hal ini penulis menggunakan program solver untuk menyelesaikan masalah optimasi tersebut.

Permasalahan dalam skripsi ini adalah bagaimana model ramalan masing-masing jenis krupuk pada Perusahaan Krupuk Udang Sinar Jaya agar bisa memprediksi jumlah krupuk yang dipesan pada masa yang akan datang, dan bagaimana penyelesaian model matematika dari suatu masalah optimasi pada perusahaan krupuk udang Sinar Jaya menggunakan program solver. Adapun tujuan dari penulisan skripsi ini adalah untuk mengetahui model ramalan masing-masing jenis krupuk pada Perusahaan Krupuk Udang Sinar Jaya agar bisa memprediksi jumlah krupuk yang dipesan pada masa yang akan datang, dan untuk menyelesaiakan model matematika dari suatu masalah optimasi pada perusahaan krupuk udang Sinar Jaya menggunakan program solver.

Metode penelitian dari skripsi ini adalah dengan menemukan masalah, merumuskan masalah, melakukan pengambilan data sekunder dari Perusahaan Krupuk Udang Sinar Jaya dan studi pustaka, menganalisis dan memecahkan masalah serta penarikan kesimpulan.

Berdasarkan hasil penelitian dan pembahasan, dari data penjualan bulan Januari tahun 2006 sampai dengan Desember 2008 diperoleh model trend musiman penjualan jenis krupuk PITA=(360,609+1,5488 t) x Mt, SPKK=(921,2194+21,4792 t) x Mt, GNP=(10166,5557+74,5595 t) x Mt, GND=(6448,3725+108,7845 t) x Mt, MB=(5368,8854+32,7158 t) x Mt, GNB=(860,0815+10,4956 t) x Mt. dengan menggunakan program solver diperoleh penyelesaian optimasi pada kuartal 1 banyaknya jenis krupuk PITA yang diproduksi=1067, SPKK=1594, GNP=16953, GND=3153, MB=15647, GNB=2085, dan pendapatan yang diperoleh=Rp 337.652.900,-. Pada kuartal 2, banyaknya jenis krupuk PITA yang diproduksi=526, SPKK=2991, GNP=25030,

vi

GND=17071, MB=6221, GNB=1867, dan pendapatan yang diperoleh= Rp 491.367.800,-. Pada kuartal 3, banyaknya jenis krupuk PITA yang diproduksi=1237, SPKK=3761, GNP=32238, GND=12286, MB=19278, GNB =3676, dan pendapatan yang diperoleh=Rp 629.108.300,-. Pada kuartal 4, banyaknya jenis krupuk PITA yang diproduksi=225, SPKK=1676, GNP=15494, GND=31767, MB=5721, GNB=329, dan pendapatan yang diperoleh= Rp 507.773.100,-.

Dari hasil penelitian tersebut diharapkan pemimpin perusahaan dapat menggunakan metode Trend Musiman ini untuk meramalkan penjualan produknya di masa mendatang sebagai bahan pertimbangan dalam mengambil langkah kebijakan untuk memproduksi banyaknya barang. Pemimpin perusahaan juga harus dapat mempertahankan nilai penjualan pada musim yang mengalami peningkatan sedangkan pada musim yang mengalami penurunan dilakukan usaha-usaha untuk meningkatkan penjualan misalnya dengan promosi dan peningkatan pemasaran agar pendapatan perusahaan juga semakin meningkat.

vii

KATA PENGANTAR

Puji dan syukur kehadirat Allah SWT yang telah melimpahkan rahmat-

Nya sehingga penulis dapat menyelesaikan skripsi dengan judul “ Aplikasi

Program Solver dalam Penyelesaian Masalah Optimasi Berdasarkan Peramalan

dengan Metode Trend Musiman Pada Perusahaan Krupuk Udang Sinar Jaya

Brebes”. Skripsi ini disajikan sebagai salah satu syarat untuk memperoleh gelar

Sarjana Sains Prodi Matematika. Penulis menyadari sepenuhnya bahwa skripsi ini

dapat terselesaikan karena bantuan dari banyak pihak, oleh karena itu penulis

menyampaikan rasa terima kasih yang sebesar-besarnya pada:

1. Prof. Dr. Sudijono Sastroatmodjo, M.Si, Rektor Universitas Negeri Semarang.

2. Dr. Kasmadi Imam S, M.S, Dekan FMIPA Universitas Negeri Semarang.

3. Drs. Edy Soedjoko, M.Pd, Ketua Jurusan Matematika FMIPA Universitas

Negeri Semarang.

4. Dr. Dwijanto, M.S, Dosen pembimbing I yang telah memberikan bimbingan

dan arahan kepada penulis dalam menyusun skripsi ini.

5. Drs. Mashuri, M.Si, Dosen pembimbing II yang telah memberikan bimbingan

dan arahan kepada penulis dalam menyusun skripsi ini.

6. Bapak/Ibu Dosen khususnya jurusan Matematika FMIPA yang telah memberi

bekal kepada penulis selama kuliah.

7. Bapak Dul Ali, Bendahara Perusahaan Krupuk Udang Sinar Jaya yang telah

memberi kesempatan dalam pelaksanaan penelitian dan pengambilan data.

8. Kedua orang tua dan keluarga besar yang telah ikut berkorban dan

memberikan perhatian dalam meyelesaikan skripsi ini.

9. Sahabat-sahabatku di ”Alas Pete” yang sudah membagi pengalaman hidupnya.

10. Teman-teman Matematika angkatan 2005. Terima kasih atas semua kenangan

dan kita akan tetap berjuang.

11. Semua pihak yang tidak bisa penulis sebutkan satu-persatu yang telah ikut

membantu terselesainya penulisan skripsi ini.

viii

Semoga amal baik yang telah diberikan mendapat balasan yang berlipat

ganda dari Allah SWT. Akhirnya kepadaMu Allah, penulis memanjatkan doa

semoga mendapatkan Ilmu yang bermanfaat, amal yang baik dan rizki yang halal.

Semarang,

Penulis

ix

DAFTAR ISI

Halaman

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

HALAMAN PENGESAHAN .......................................................................... ii

PERNYATAAN ............................................................................................... iii

MOTTO DAN PERSEMBAHAN ................................................................... iv

ABSTRAK ....................................................................................................... v

KATA PENGANTAR ..................................................................................... vii

DAFTAR ISI .................................................................................................... ix

DAFTAR TABEL ............................................................................................ xii

DAFTAR GAMBAR ....................................................................................... xiii

DAFTAR LAMPIRAN .................................................................................... xiv

BABI. PENDAHULUAN

1.1 Latar Belakang ........................................................................................... 1

1.2 Rumusan Masalah.............. ........................................................................ 6

1.3 Tujuan Penelitian ....................................................................................... 6

1.4 Manfaat Penelitian ..................................................................................... 6

1.5 Sistematika Skripsi ..................................................................................... 7

BABII. LANDASAN TEORI

2.1 Riset Operasi .............................................................................................. 9

2.2 Program Linear .......................................................................................... 11

2.2.1 Solusi PL dengan Metode Grafik ............................................................ 13

2.2.2 Solusi PL dengan Metode Simpleks ....................................................... 17

2.3 Metode Trend Musiman ............................................................................. 23 2.3.1 Gerakan Musiman dan Indeks Musiman ................................................ 23 2.3.1.1 Metode Rata-rata Sederhana ................................................................ 23 2.3.1.2 Metode Persentase terhadap Trend ...................................................... 24 2.3.1.3 Metode Rata-rata Bergerak .................................................................. 25 2.3.2 Membuat Tabel Deseasonalizing ............................................................ 26 2.3.3 Membuat Model Trend ........................................................................... 26

x

2.3.4 Peramalan Data ....................................................................................... 27 2.4 Program Solver untuk Menyelesaikan Program Linear ............................. 27 2.5 Gambaran Umum Perusahaan Krupuk Udang Sinar Jaya ......................... 38 2.5.1 Sejarah Berdirinya Perusahaan ............................................................... 38 2.5.2 Struktur Organisasi ................................................................................. 38 2.5.3 Bahan Baku dan Proses Produksi ............................................................ 41 2.5.3.1 Bahan Baku .......................................................................................... 41 2.5.3.2 Proses Produksi .................................................................................... 42 2.5.3 Pemasaran Produk ................................................................................... 43 BABIII. METODE PENELITIAN

3.1 Menemukan Masalah ................................................................................. 46

3.2 Merumuskan Masalah ................................................................................ 47

3.3 Pengambilan Data ...................................................................................... 48

3.4 Analisis dan Pemecahan Masalah.......... .................................................... 48

3.5 Penarikan Simpulan ................................................................................... 51

BABIV. HASIL PENELITIAN DAN PEMBAHASAN

4.1. Hasil Penelitian ......................................................................................... 52 4.2 Pembahasan ................................................................................................ 72

BABV. PENUTUP

5.1 Simpulan .................................................................................................... 75

5.2 Saran ........................................................................................................... 76

DAFTAR PUSTAKA ...................................................................................... 77

LAMPIRAN-LAMPIRAN

xi

DAFTAR TABEL

Tabel Halaman

1. Tabel Kebutuhan dan Waktu yang Tersedia ................................................ 14 2. Tabel Nilai fungsi tujuan pada solusi fisibel titik ekstrim ........................... 17 3. Tabel Iterasi 0 awal ..................................................................................... 18 4. Tabel Iterasi 0 .............................................................................................. 19 5. Tabel Nilai Zj dan Zj-Cj .............................................................................. 19 6. Tabel Iterasi 0 akhir ..................................................................................... 20 7. Tabel Baris dan Kolom Kunci Iterasi 0........................................................ 20 8. Tabel Iterasi 1 awal ...................................................................................... 21 9. Tabel Iterasi 1 ............................................................................................... 21 10. Tabel Baris dan Kolom Kunci Iterasi 1 ..................................................... 22 11. Tabel Iterasi 2 awal .................................................................................... 22 12. Tabel Iterasi 2 ............................................................................................. 22 13. Tabel Kebutuhan Paket .............................................................................. 29 14. Tabel Formula pada Sel ............................................................................. 31 15. Tabel Data Penjualan Januari tahun 2006 sampai dengan Desember

2008 dalam Perkuartalan ........................................................................... 52 16. Tabel Rata-rata Bergerak 4 Kuartal (PITA) ............................................... 53 17. Tabel Indeks Musim Krupuk PITA............................................................ 54 18. Tabel Deseasonalizing Krupuk PITA ........................................................ 54

19. Tabel Rata-rata Bergerak 4 Kuartal (SPKK) ............................................. 55 20. Tabel Indeks Musim Krupuk SPKK .......................................................... 56 21. Tabel Deseasonalizing Krupuk SPKK ....................................................... 56

22. Tabel Rata-rata Bergerak 4 Kuartal (GNP) ................................................ 57 23. Tabel Indeks Musim Krupuk GNP ............................................................ 58 24. Tabel Deseasonalizing Krupuk GNP ......................................................... 58 25. Tabel Rata-rata Bergerak 4 Kuartal (GND) ............................................... 59 26. Tabel Indeks Musim Krupuk GND ............................................................ 60 27. Tabel Deseasonalizing Krupuk GND ........................................................ 60

xii

28. Tabel Rata-rata Bergerak 4 Kuartal (MB) ................................................. 61 29. Tabel Indeks Musim Krupuk MB .............................................................. 62 30. Tabel Deseasonalizing Krupuk MB ........................................................... 62 31. Tabel Rata-rata Bergerak 4 Kuartal (GNB) ............................................... 63 32. Tabel Indeks Musim Krupuk GNB ............................................................ 64 33. Tabel Deseasonalizing Krupuk GNB ........................................................ 64 34. Tabel Ramalan Tahun 2009 ....................................................................... 65 35. Tabel Komposisi Krupuk ........................................................................... 66

xiii

DAFTAR GAMBAR

Gambar Halaman

1. Gambar 1 ….. .......................................................................................... 15 2. Gambar 2 ................................................................................................ 16 3. Gambar 3 ................................................................................................ 16

4. Tampilan Tabel Awal Kebutuhan Paket ...................................................... 30 5. Tampilan Solver Parameter .......................................................................... 32

6. Tampilan Subject to the constraints ............................................................. 33 7. Tampilan Solver Options.............................................................................. 34

8. Tampilan Solver Results ............................................................................... 34

9. Tampilan Lembar Answer ............................................................................ 35 10. Tampilan Lembar Sensitivity...................................................................... 36

11. Tampilan Lembar Limits ........................................................................... 37 12. Struktur Organisasii Perusahaan Krupuk Udang Sinar Jaya ...................... 39 13. Grafik Penjualan per kuartal dan rata-rata bergerak terpusat (PITA) ........ 53

14. Grafik Penjualan per kuartal dan rata-rata bergerak terpusat (SPKK) ....... 55 15. Grafik Penjualan per kuartal dan rata-rata bergerak terpusat (GNP) ......... 57 16. Grafik Penjualan per kuartal dan rata-rata bergerak terpusat (GND) ........ 59 17. Grafik Penjualan per kuartal dan rata-rata bergerak terpusat (MB) ........... 61 18. Grafik Penjualan per kuartal dan rata-rata bergerak terpusat (GNB) ........ 63 19. Tampilan Hasil Optimasi Kuartal 1 ........................................................... 68 20. Tampilan Hasil Optimasi Kuartal 2 ........................................................... 69 21. Tampilan Hasil Optimasi Kuartal 3 ........................................................... 70 22. Tampilan Hasil Optimasi Kuartal 4 ........................................................... 71

xiv

DAFTAR LAMPIRAN

Lampiran Halaman

1. Data Penjualan bulan Januari tahun 2006 sampai dengan Juni tahun

2009 ............................................................................................................. 78

2. Diagram Scatter Plot Data Penjualan Krupuk ............................................. 79 3. Perhitungan Ramalan Penjualan Tahun 2009 ............................................. 81

4. Perhitungan Harga Selisih Data Asli dan Data Ramalan ............................ 82

5. Model matematika yang terbentuk dari masalah optimasi pada

Perusahaan Krupuk Udang Sinar Jaya Brebes ............................................ 83

6. Formula pada Sel ......................................................................................... 84 7. Skema Proses Produksi Krupuk Udang Perusahaan Krupuk Udang

Sinar Jaya Brebes ........................................................................................ 85

8. Usulan Pembimbing .................................................................................... 86

9. Permohonan Ijin Penelitian dan Pengambilan Data .................................... 87

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Kemajuan ilmu pengetahuan dan teknologi semakin dirasakan

kegunaannya oleh manusia. Hal ini terjadi karena hasil kemajuan teknologi

merupakan bagian yang tidak dapat dipisahkan dengan kebutuhan manusia itu

sendiri. Pesatnya perkembangan ilmu pengetahuan dan teknologi tersebut tidak

lepas dari peranan matematika. Tidak dapat dipungkiri bahwa matematika telah

menjadi elemen dasar bagi perkembangan ilmu pengetahuan dan teknologi.

Hampir dapat dipastikan bahwa setiap bagian dari ilmu pengetahuan baik dalam

unsur kajian umum, ilmu murni maupun terapannya memerlukan peranan

matematika sebagai alat bantunya.

Matematika secara garis besar dibagi menjadi dua yaitu matematika

murni (pure mathematics) dan matematika terapan (applied mathematics).

Matematika terapan maksudnya adalah bahwa matematika juga dapat digunakan

di luar bidang matematika, sehingga banyak ilmuwan yang mengkaji matematika

untuk dapat dimanfaatkan dalam bidang lain. Dengan munculnya berbagai terapan

atau aplikasi matematika baik dalam kehidupan sehari-hari maupun dalam disiplin

ilmu lain memberikan arti bahwa matematika merupakan dasar ataupun alat

sarana bagi ilmu-ilmu lain. Salah satu bagian dari aplikasi matematika adalah

Riset Operasi/Operation Research (OR).

2

Riset Operasi/Operation Research (OR) adalah bagian dari aplikasi

matematika untuk memecahkan masalah optimasi. Masalah optimasi adalah

masalah memaksimumkan dan meminimumkan sebuah besaran tertentu yang

disebut tujuan objektif yang bergantung pada sejumlah berhingga variabel

masukan (input variabel). Variabel ini dapat tidak saling bergantungan atau saling

bergantungan melalui satu atau lebih kendala (constraints). Contoh untuk

permasalahan yang dimaksimumkan adalah masalah keuntungan dan pendapatan

sedangkan untuk masalah meminimumkan adalah masalah biaya, persediaan dan

lain-lain. Banyak model OR yang sudah dikembangkan yang berhubungan dengan

matematika untuk memecahkan masalah optimasi, salah satunya yaitu Program

Linear.

Program linear adalah suatu alat yang digunakan untuk menyelesaikan

masalah optimasi suatu model linear dengan keterbatasan-keterbatasan sumber

daya yang tersedia. Masalah program linear berkembang pesat setelah ditemukan

suatu metode penyelesaian program linear dengan metode simpleks yang

dikemukakan oleh George Dantzig pada tahun 1947. Selanjutnya berbagai alat

dan metode dikembangkan sampai pada masalah riset operasi hingga tahun 1950-

an seperti pemrograman dinamik, teori antrian, dan teori persediaan.

Program linear banyak digunakan untuk menyelesaikan masalah

optimasi di bidang industri, perbankkan, pendidikan dan masalah-masalah lain.

Pada bidang industri, masalah optimasi yang muncul adalah menentukan

kebijakan untuk memperoleh pendapatan yang optimal. Begitu juga masalah yang

dihadapi oleh Perusahaan Krupuk Udang Sinar Jaya Brebes. Pada intinya

3

perusahaan tersebut menjalankan proses produksi berdasarkan pesanan atau

permintaan. Jadi dalam hal ini pemenuhan permintaan konsumen tersebut

merupakan penjualan. Jumlah permintaan itu sendiri tiap tahunnya mengalami

naik turun karena dipengaruhi faktor-faktor seperti pendapatan masyarakat yang

tidak tetap, persaingan pasar, selera konsumen, kualitas, pemasaran, dan lain-lain.

Meskipun daerah pemasaran perusahaan tersebut semakin meluas hingga ke luar

kota seperti Jakarta, Bandung, Solo, Yogyakarta, Magelang, Semarang, dan Riau,

tetapi adanya faktor-faktor tadi menyebabkan permintaan konsumen dapat

mengalami peningkatan pada periode tertentu dan penurunan pada periode lain.

Melihat kondisi tersebut maka pada suatu proses produksi tidak hanya

bertujuan mengoptimalkan persediaan agar diperoleh sisa persediaan yang

seminimal mungkin, tetapi juga harus memperhatikan kualitas penjualan suatu

barang agar diperoleh pendapatan optimal. Sebagai contoh, dengan hanya

mempertimbangkan optimalisasi persediaan, perhitungan program linear

memberikan kebijakan memproduksi barang tipe A sebanyak 100 dan B sebanyak

200, padahal pasar tidak memungkinkan penjualan A dan B sebanyak itu pada

periode tertentu. Jika keputusan yang diambil tetap memproduksi sebanyak itu

maka sisa barang yang tidak terjual dapat menyebabkan kerugian. Oleh karena

itulah diperlukan adanya peramalan penjualan pasar di masa yang akan datang

sebagai bahan pertimbangan dalam mengambil kebijakan produksi.

Forecasting (peramalan) adalah perkiraan mengenai sesuatu yang belum

terjadi. Dalam masalah sosial, seperti jumlah penduduk, pendapatan perkapita,

volume penjualan, konsumsi dan sebagainya, sulit diperkirakan perubahannya

4

secara pasti di masa mendatang karena perubahan tersebut dipengaruhi faktor-

faktor yang sangat kompleks, misalnya kebudayaan masyarakat sekitar,

penghasilan keluarga, keadaan pribadi dan sebagainya. Oleh karena itu diperlukan

adanya ramalan untuk meminimumkan pengaruh ketidakpastian tersebut

(Subagyo, 1986:1 ).

Ramalan yang akan dilakukan umumnya akan berdasarkan data masa

lampau yang dianalisis dengan menggunakan cara-cara tertentu. Data masa

lampau dikumpulkan, dipelajari, dan dianalisis kemudian dihubungkan dengan

perjalanan waktu. Karena adanya faktor itu, maka dari hasil analisis itu dapat

diprediksi kemungkinan yang akan terjadi pada masa yang akan datang. Jelas,

dalam hal ini akan dihadapkan pada suatu ketidakpastian sehingga akan ada faktor

akurasi yang harus diperhatikan.

Akurasi suatu peramalan berbeda untuk setiap peramalan, dan

bergantung pada berbagai faktor, yang jelas tidak akan diperoleh akurasi 100%.

Walaupun demikian bukan berarti ramalan tidak berguna tetapi sebaliknya

peramalan telah banyak membantu dalam hal perencanaan, pengawasan, dan

pengambilan keputusan. Sedangkan untuk keperluan analisis peramalan, ada tiga

model yang dikenal, yaitu model ekonometrika, model data berkala, dan model

data kualitatif. Model trend musiman termasuk dalam model ramalan data berkala

(time series). Keunggulan metode ini adalah mudah untuk digunakan dalam

peramalan barang yang akan datang. Sehingga diharapkan dengan memasukkan

hasil peramalan penjualan keadaan fungsi kendala yang baru diharapkan akan

memperoleh penyelesaian masalah optimasi yang berkaitan dengan jumlah

5

produksi suatu barang akan lebih bagus. Masalah optimasi dapat diselesaikan

dengan cara manual, tetapi membutuhkan waktu yang lama karena terdapat

banyak variabel sehingga diperlukan bantuan komputer untuk menyelesaikannya.

Perkembangan yang terjadi pada teknologi komputer yang cukup pesat,

telah merambah ke berbagai sektor kehidupan manusia. Saat ini telah tersedia

berbagai macam software yang dapat digunakan sebagai alat bantu untuk

menyelesaikan persoalan-persoalan di berbagai bidang, termasuk persoalan

optimasi. Dengan bantuan software, permasalahan yang sebelumnya sulit karena

melibatkan variabel yang cukup banyak sehingga tidak memungkinkan

penyelesaian secara manual akan dapat dipecahkan dengan mudah. Dalam

penyusunan skripsi ini, penulis memecahkan masalah optimasi tersebut

menggunakan program Solver.

Solver adalah program add in yang berada di bawah program Excel.

Program solver ini berisi perintah-perintah yang berfungsi untuk melakukan

analisis terhadap masalah optimasi. Jika kita instal Microsoft Excel tidak secara

otomatis Solver ini terinstal, jadi harus diinstal secara khusus setelah program

Excel terinstal pada komputer. Program solver ini cukup baik untuk

menyelesaikan masalah optimasi. Menjalankan programnya juga sederhana

apalagi kalau sudah dapat menggunakan program Excel (Dwijanto, 2008:49).

Berawal dari hal tersebut maka penulis tertarik untuk memecahkan

masalah optimasi berdasarkan peramalan dengan metode Trend Musiman pada

Perusahaan Krupuk Udang Sinar Jaya Brebes dengan Linear Programing dan

menggunakan program Solver sebagai simulasinya.

6

1.2 Permasalahan

Dari uraian di atas penulis dapat merumuskan masalah sebagai berikut.

(1) Bagaimana model ramalan masing-masing jenis krupuk pada Perusahaan

Krupuk Udang Sinar Jaya agar bisa memprediksi jumlah krupuk yang

dipesan pada masa yang akan datang?

(2) Bagaimana penyelesaian model matematika dari suatu masalah optimasi

pada perusahaan Krupuk Udang Sinar Jaya menggunakan program solver?

1.3 Tujuan

Tujuan dari skripsi ini adalah:

(1) Untuk mengetahui model ramalan masing-masing jenis krupuk pada

Perusahaan Krupuk Udang Sinar Jaya agar bisa memprediksi jumlah krupuk

yang dipesan pada masa yang akan datang.

(2) Untuk menyelesaikan model matematika dari suatu masalah optimasi pada

perusahaan Krupuk Udang Sinar Jaya menggunakan program solver.

1.4 Manfaat

(1) Dengan mengetahui prediksi yang akan datang akan diperoleh kebijakan

yang lebih bagus.

(2) Memberikan informasi untuk mendapatkan model matematikanya.

(3) Memberikan alternatif penggunakan komputer untuk menyelesaikan

masalah tersebut.

7

1.5 Sistematika Skripsi

Secara garis besar skripsi ini dibagi menjadi tiga bagian yaitu bagian

awal skripsi, bagian pokok skripsi, dan bagian akhir skripsi.

Bagian awal skripsi meliputi Halaman Sampul, Halaman Judul, Abstrak,

Halaman Pengesahan, Motto dan Persembahan, Kata Pengantar, Daftar Isi, Daftar

Gambar, Daftar Tabel, Daftar Lampiran.

Bagian pokok skripsi secara garis besar terdiri dari lima bab, yaitu:

BAB I PENDAHULUAN

Di dalam bab ini dikemukakan latar belakang masalah,

perumusan masalah, manfaat penelitian, dan sistematika

skripsi.

BAB II LANDASAN TEORI

Di dalam bab ini dikemukakan konsep-konsep yang dijadikan landasan

teori sebagai berikut. Riset Operasi, Program Linear, Metode Trend

Musiman, Program Solver untuk menyelesaikan masalah program linear.

BAB III METODE PENELITIAN

Di dalam bab ini dikemukakan metode penelitian yang berisi langkah-

langkah yang harus ditempuh untuk membahas permasalahan, yaitu

identifikasi masalah, perumusan masalah, observasi, analisis data, dan

penarikan simpulan.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Di dalam bab ini dikemukakan hasil penelitian dan pembahasan yang

berisi analisis mengenai aplikasi program Solver dalam penyelesaian

8

masalah optimasi berdasarkan peramalan dengan metode Trend

Musiman pada perusahaan krupuk udang Sinar Jaya Brebes.

BAB V PENUTUP

Di dalam bab ini dikemukakan simpulan dari pembahasan dan saran

yang berkaitan dengan simpulan.

Bagian akhir skripsi meliputi Daftar Pustaka dan Lampiran-lampiran

yang mendukung penulisan skripsi.

9

BAB II

LANDASAN TEORI

2.1 Riset Operasi

Riset operasi yang berasal dari Inggris merupakan suatu hasil studi

operasi-operasi militer selama Perang Dunia II. Setelah perang selesai, potensi

komersialnya segera disadari dan pengembangannya telah menyebar dengan cepat

di Amerika Serikat, dimana ia lebih dikenal dengan nama Riset Operasi atau

Operatins Research (disingkat OR). Kini OR banyak diterapkan dalam

menyelesaikan masalah-masalah manajemen untuk meningkatkan produktivitas

atau efisiensi.

Istilah Riset Operasi pertama kali digunakan pada tahun 1940 oleh Mc

Closky dan Trefthen di suatu kota kecil, Bowdsey, Inggris. Pada masa awal

perang 1939, pemimpin militer Inggris memanggil sekelompok ahli-ahli sipil dari

berbagai disiplin dan mengkoordinasi mereka ke dalam suatu kelompok yang

diserahi tugas mencari cara-cara yang efisien untuk menggunakan alat yang baru

ditemukan yang disebut radar dalam suatu sistem peringatan dini menghadapi

serangan udara. Kelompok ahli Inggris ini dan kelompok-kelompok lain

berikutnya melakukan penelitian (research) pada operasi-operasi (operations)

militer. Setelah perang, keberhasilan kelompok-kelompok penelitian operasi-

operasi di bidang militer menarik perhatian para industriawan yang sedang

mencari penyelesaian terhadap masalah-masalah yang rumit (Mulyono, 2004:1-2).

10

Pola dasar penerapan OR terhadap suatu masalah dapat dipisahkan

menjadi beberapa tahap.

(1) Merumuskan masalah

Komponen penting dalam perumusuan masalah adalah sebagai berikut.

a. Variabel keputusan yaitu unsur-unsur dalam penyelesaian yang dapat

dikendalikan oleh pengambil keputusan.

b. Tujuan (objective) yaitu hasil akhir yang hendak dicapai dengan cara

memilih suatu tindakan yang paling tepat untuk sistem yang dipelajari.

c. Kendala (constraints) yaitu pembatas-pembatas tehadap alternatif yang

tersedia.

(2) Pembentukan model

Sesuai dengan definisi persoalannya, maka pengambil keputusan

menentukan model yang paling cocok untuk mewakili sistem.

(3) Mencari penyelesaian masalah

Proses penyelesaian dengan bermacam-macam teknik dan metode solusi

kuantitatif untuk suatu model.

(4) Validasi model

Tahap untuk menguji validitas model, yaitu membandingkan

performancenya dengan data masa lalu yang tersedia. Model dikatakan valid

jika dengan kondisi input yang serupa, ia dapat menghasilkan kembali

performance seperti masa lampau.

(5) Penerapan hasil akhir

Tahap terakhir adalah menerapkan hasil model yang telah diuji.

11

2.2 Program Linear

Program linear (PL) merupakan suatu alat yang digunakan untuk

menyelesaikan masalah optimasi suatu model linear dengan keterbatasan-

keterbatasan sumber daya yang tersedia. PL banyak digunakan untuk

menyelesaikan masalah optimasi di dalam industri, perbankkan, pendidikan dan

masalah-masalah lain yang dapat dinyatakan dalam bentuk linear. Bentuk linear di

sini berarti bahwa seluruh fungsi dalam model ini merupakan fungsi linear.

Secara umum, fungsi pada model ini ada dua macam yaitu fungsi tujuan

dan fungsi pembatas. Fungsi tujuan dimaksudkan untuk menentukan nilai

optimum dari fungsi tersebut yaitu nilai maksimal untuk masalah keuntungan dan

nilai minimal untuk masalah biaya. Fungsi pembatas diperlukan berkenaan

dengan adanya keterbatsan sumber daya yang tersedia, misalnya jumlah bahan

baku yang terbatas, waktu kerja, jumlah tenaga kerja, luas gudang persediaan.

Tujuan utama dari pogram linear ini adalah menentukan nilai optimum

(maksimal/minimal) dari fungsi tujuan yamg telah ditetapkan (Dwijanto,

2008:13).

Pada dasarnya tidak semua masalah bisa diselesaikan dengan PL. Ada

beberapa prinsip yang mendasari penggunaan PL, yaitu:

(1) Adanya sasaran. Sasaran dalam model matematika masalah PL berupa

fungsi tujuan (fungsi objektif) yang akan dicari nilai optimalnya

(maksimum/minimum).

(2) Ada tindakan alternatif, artinya fungsi tujuan dapat diperoleh dengan

berbagai cara dan di antaranya alternatif itu memberikan nilai optimal.

12

(3) Adanya keterbatasan sumber daya. Sumber daya atau input dapat berupa

waktu, biaya bahan dan sebagainya. Pembatas sumber daya disebut kendala

(constraints) pembatas.

(4) Masalah harus dapat dituangkan dalam bahasa matematika yang disebut

model matematika. Model matematika dalam PL memuat fungsi tujuan dan

kendala. Fungsi tujuan harus berupa fungsi linear dan kendala berupa

pertidaksamaan atau persamaan linear.

(5) Antar variabel yang membentuk fungsi tujuan dan kendala ada keterkaitan,

artinya perubahan pada satu peubah akan mempengaruhi nilai peubah yang

lain (Suyitno, 1997:8).

Beberapa masalah yang dapat diformulasikan dan diselesaikan dengan

PL di bidang manajemen operasi seperti penjadwalan bus sekolah untuk

meminimalkan jarak perjalanan total untuk mengantar dan menjemput para

pelajar, mengalokasikan unit-unit jaga polisi ke daerah yang memiliki tingkat

kejahatan tinggi untuk meminimalkan waktu respon, penjadwalan kasir untuk

memenuhi kebutuhan harian selagi meminimalkan total biaya tenaga kerja,

memilih bauran produk pada suatu pabrik untuk memanfaatkan penggunaan mesin

dan jam kerja yang tersedia sebaik mungkin selagi memaksimalkan laba

perusahaan, membuat suatu jadwal produksi yang akan mencukupi permintaan di

masa mendatang akan suatu produk perusahaan dan pada saat bersamaan

meminimalkan biaya persediaan dan biaya produksi total, pemilihan bauran

komposisi makanan untuk menghasilkan kombinasi makanan dengan biaya

minimal dan sebagainya (Heizer, 2005:346).

13

Banyak cara untuk menyelesaikan masalah dalam PL yaitu cara manual

yaitu menggunakan perhitungan biasa sampai menggunakan bantuan komputer

untuk penyelesaian masalah yang cukup rumit. Apabila banyaknya variabel

(peubah) hanya dua buah, maka kita dapat menyelesaikan masalah PL dengan

metode grafik, tetapi dengan keterbatasan metode ini, maka untuk masalah dengan

banyaknya variabel yang lebih dari dua, metode ini kurang cocok (Dwijanto,

2008:13).

2.2.1 Solusi PL dengan Metode Grafik

Menyelesaikan masalah PL dengan metode grafik berarti menggambar

pembatas sebagai grafik dalam ruang berdimensi dua, jika model matematikanya

memuat dua variabel dan dalam ruang tiga jika model matematikanya memuat

tiga variabel. Contoh masalah yang dapat diselesaikan dengan program linear

menggunakan metode grafik adalah sebagai berikut.

Sebuah perusahaan mebel memproduksi dua jenis alat rumah tangga

yaitu rak buku dan meja. Setiap hasil produksi harus melalui dua tahap yaitu

pemotongan dan perampungan. Untuk pemotongan tiap rak buku memerlukan

waktu 4 jam dan untuk meja juga sama. Untuk proses perampungan memerlukan

3 jam untuk rak buku dan 2 jam untuk meja. Rak buku jika dijual memberi laba

Rp 8000,0/buah dan meja Rp 6000,-/buah. Waktu yang tersedia untuk

pemotongan pada setiap periode waktu 100 jam dan untuk perampungan tersedia

60 jam. Perusahaan ingin menentukan jumlah produksi untuk masing-masing jenis

barang agar diperoleh laba maksimal.

Penyelesaian:

14

Untuk menyederhanakan masalah ini, kita buat tabel berkenaan dengan

masalah pada contoh ini.

Tabel 1. Kebutuhan dan waktu yang tersedia

Barang

Lama Proses

Banyaknya Pemotongan (jam) Perampungan (jam)

Rak buku 4 3 X1

Meja 4 2 X2

Waktu yg

tersedia 100 60

Dari Tabel 1 di atas, kemudian dibuat model matemátikanya sebagai

berikut.

Fungsi tujuan :

Maksimumkan Z = 8000x1 + 6000x2

Fungsi Pembatas:

4 x1 + 4 x2 ≤ 100

3 x1 + 2 x2 ≤ 60

x1 ≥ 0, x2 ≥0

Untuk membuat grafik, pertama-pertama buatlah sistem sumbu koordinat dengan

sumbu x1 mendatar dan sumbu x2 tegak, kemudian buatlah garis dengan

persamaan 4 x1 + 4 x2 = 100.

Titik potong dengan sumbu X1 yaitu dengan memberikan 0 pada nilai X2,

sehingga diperoleh: 4 x1 + 4 x2 = 100

15

4 x1 + 4 * 0 = 100

4 x1 = 100

x1 = 25

diperoleh titik (25,0)

Titik potong dengan sumbu X2 yaitu dengan memberikan 0 pada nilai X1,

sehingga diperoleh: 4 x1 + 4 x2 = 100

4 * 0 + 4 x2 = 100

4 x2 = 100

X2 = 25

diperoleh titik (0,25). Hubungkan kedua titik itu.

(25,0)

(0,25)

Gambar 1

Untuk memenuhi pertidaksamaan 4x1 + 4x2 ≤ 100, maka ambilah

sebarang ttik bukan pada garis tersebut, misalnya titik (0,0). Titik (0,0) ini

memenuhi persyaratan, maka belahan garis 4 x1 + 4 x2 = 100 yang memuat (0,0)

tidak diarsir, sedangkan daerah yang tidak memenuhi 4 x1 + 4 x2 ≤ 100 diarsir.

Hasilnya terlihat pada Gambar 2.

16

(0,25)

Gambar 2. (25,0)

Selanjutnya dengan cara yang sama, digambar dari fungsi pembatas 3x1

+ 2x2 ≤ 60, sehingga diperoleh grafik seperti pada Gambar 3 berikut.

(0,30)

(0,25)

(10,15)

(20,0) (25,0)

Gambar 3

Dari Gambar 3 di atas diketahui nilai maksimum akan terjadi di titik (0,0),

(10,15), (20,0), atau (0,25). Fungsi tujuan pada persoalan ini adalah

memaksimumkan Z = 8000X1 + 6000X2, sehingga nilai Z dari titik-titik ujung itu

adalah:

17

Tabel 2. Nilai fungsi tujuan pada solusi fisibel titik ekstrim

Titik Nilai Z

(0,0) 0

(20,0) 160000

(10,15) 170000

(0,25) 150000

Dari Tabel 2. Terlihat bahwa nilai Z maksimum terjadi pada titik (10,15) dengan

nilai Z = 170000.

Ini berarti supaya diperoleh laba maksimum, maka harus dibuat 10 buah rak buku

dan 15 buah meja.

2.2.2 Solusi PL dengan Metode Simpleks

Metode simpleks merupakan teknik yang dikembangkan untuk

memecahkan masalah PL yang mempunyai jumlah variabel keputusan dan

pembatas yang besar. Contoh penyelesaian masalah dengan Metode Simpleks

adalah sebagai berikut.

Maksimumkan Z = 20 X1 + 30 X2 + 40 X3

Harus memenuhi:

4 X1 + 5 X2 + 6 X3 ≤ 24000

2 X1 + 3 X2 + 4 X3 ≤ 15000

2 X1 + 5 X2 + 5 X3 ≤ 18000

X1, X2, X3 ≥ 0

Penyelesian:

18

Untuk menyelesaikan masalah di atas dengan metode simpleks kita ubah

persamaan di atas menjadi sistem persamaan dengan menambahkan variabel

tiruan, sebut saja variabel s1, s2 dan s3, sehingga terbentuk sistem persamaan

berikut.

Maksimumkan Z = 20 X1 + 30 X2 + 40 X3 + 0 s1 + 0 s2 + 0 s3

Harus memenuhi:

4 X1 + 5 X2 + 6 X3 + s1 ≤ 24000

2 X1 + 3 X2 + 4 X3 + s2 ≤ 15000

2 X1 + 5 X2 + 5 X3 + s3 ≤ 18000

X1, X2, X3, s1, s2, s3 ≥ 0

Langkah awal kita tidak membuat apa-apa, sehingga variabel yang masuk terlebih

dahulu adalah s1, s2, dan s3. Dari sistem persamaan ini kita buat tabel berikut

Tabel 3. Iterasi 0 awal

Iterasi 0 20 30 40 0 0 0 Rasio

CB VDB Q X1 X2 X3 S1 S2 S3

S1

S2

S3

Zj

Zj-

Cj

Keterangan:

19

CB : koefisien variabel basis yang masuk pada fungsi tujuan

VDB : variabel basis yang masuk

Q : banyaknya barang

Zj : nilai fungsi tujuan yaitu jumlah dari hasil kali variabel ke j dan

CB

Cj : koefisien variabel pada fungsi tujuan (bilangan yang terletak di

atas variabel)

Selanjutnya kita isi tabel sesuai dengan sistem persamaan di atas sehingga kita

peroleh tabel berikut.

Tabel 4. Iterasi 0

Iterasi 0 20 30 40 0 0 0 Rasio

CB VDB Q X1 X2 X3 S1 S2 S3

0 S1 24000 4 5 6 1 0 0

0 S2 15000 2 3 4 0 1 0

0 S3 18000 2 5 5 0 0 1

Zj

Zj-

Cj

Kita hitung nilai Zj dan Zj-Cj sebagai berikut.

Tabel 5. Nilai Zj dan Zj-Cj

Variabel Zj Zj-Cj

Q 24000*0+15000*0+18000*0=0

20

X1 4*0+2*0+2*0=0 0-20= -20

X2 5*0+3*0+5*0=0 0-30= -30

X3 2*0+5*0+5*0=0 0-400= -40

S1 1*0+0*0+0*0=0 0-0=0

S2 0*0+1*0+0*0=0 0-0=0

S3 0*0+0*0+1*0=0 0-0=0

Selanjutnya kita peroleh tabel berikut.

Tabel 6. Iterasi 0 akhir

Iterasi 0 20 30 40 0 0 0 Rasio

CB VDB Q X1 X2 X3 S1 S2 S3

0 S1 24000 4 5 6 1 0 0

0 S2 15000 2 3 4 0 1 0

0 S3 18000 2 5 5 0 0 1

Zj 0 0 0 0 0 0

Zj-

Cj -20 -30 -40 0 0 0

Kita tentukan kolom kunci (nilai yang nilai Zj-Cj paling kecil) yaitu kolom pada

variabel X3. Lalu kita hitung rasionya. Rasio untuk baris pada variabel:

S1 = 24000/6 = 4000

S2 = 15000/4 = 3750

S3 = 18000/5 = 3600

21

Jadi baris kuncinya adalah baris yang memuat variabel s3 (rasio paling kecil yaitu

3600), sehingga tabel menjadi.

Tabel 7. Baris dan Kolom Kunci Iterasi 0

Iterasi 0 20 30 40 0 0 0 Rasio

CB VDB Q X1 X2 X3 S1 S2 S3

0 S1 24000 4 5 6 1 0 0 4000

0 S2 15000 2 3 4 0 1 0 3750

0 S3 18000 2 5 5 0 0 1 3600

Zj 0 0 0 0 0 0

Zj-

Cj -20 -30 -40 0 0 0

Dari perhitungan di atas selanjutnya X3 menggantikan s3, CB kita isi koefisien

X3 yaitu sebesar 40 dan pada baris ini bilangan kunci kita ubah menjadi 1 yaitu

dengan membagi 3. Dengan demikian maka baris ini kita bagi dengan 3 sehingga

diperoleh tabel berikut.

Tabel 8. Iterasi 1 Awal

Iterasi 1 20 30 40 0 0 0 Rasio

CB VDB Q X1 X2 X3 S1 S2 S3

0 S1

0 S2

40 X3 10 1 2/3 2/3 0 0 1/3

B

B

B

22

Zj

Zj-

Cj

Lakukan operasi baris elementer, sehingga bilangan pada kolom kunci menjadi 0.

Untuk lebih mudahnya kita gunakan B1 (baris 1 adalah baris pertama yang berada

pada matriks utama), B2 (baris 2 adalah baris ke-2 pada matriks utama) dan

seterusnya, sehingga Bn adalah baris ke-n pada matriks utama. Selanjutnya Bn*

adalah baris ke-n baru dalam suatu iterasi.

Pada baris ke-1, dengan rumusan B1-B3* dan pada baris ke-2 dengan rumusan

B2-2*B3*, kemudian kita hitung nilai Zj dan Zj-Cj, sehingga kita peroleh tabel

berikut.

Tabel 9. Iterasi 1

Iterasi 1 20 30 40 0 0 0 Rasio

CB VDB Q X1 X2 X3 S1 S2 S3

0 S1 2400 8/5 -1 0 1 0 - 6/5

0 S2 600 2/5 -1 0 0 1 - 4/5

40 X3 3600 2/5 1 1 0 0 1/5

Zj 144000 16 40 40 0 0 8

Zj-

Cj -4 10 0 0 0 8

23

Kolom kunci adalah kolom yang memuat X1, kemudian kita hitung rasio dan

menentukan bilangan kunci. Sehingga kita peroleh tabel.

Tabel 10. Baris dan Kolom Kunci Iterasi 1

Iterasi 1 20 30 40 0 0 0 Rasio

CB VDB Q X1 X2 X3 S1 S2 S3

0 S1 2400 8/5 -1 0 1 0 - 6/5 1500

0 S2 600 2/5 -1 0 0 1 - 4/5 1500

40 X3 3600 2/5 1 1 0 0 1/5 9000

Zj 144000 16 40 40 0 0 8

Zj-

Cj -4 10 0 0 0 8

Variabel yang masuk selanjutnya adalah X1, dengan demikian s1 diganti dengan

X1, CB pada baris ke-1 kita isi 20 dan bilangan-bilangan pada baris ini kita bagi

dengan 8/5, sehingga kita peroleh tabel berikut.

Tabel 11. Iterasi 2 Awal

Iterasi 2 20 30 40 0 0 0 Rasio

CB VDB Q X1 X2 X3 S1 S2 S3

20 X1 1500 1 -5/8 0 5/8 0 -6/8

0 s2

40 X3 3000

Zj

Zj-Cj

24

Dengan melakukan OBE pada baris pertama dan ke-3, menghitung Zj dan Zj-Cj

seperti perhitungan di atas, maka kita peroleh.

Tabel 12. Iterasi 2

Iterasi 2 20 30 40 0 0 0 Rasio

CB VDB Q X1 X2 X3 S1 S2 S3

20 x1 1500 1 -5/8 0 5/8 0 -6/8

0 S2 0 0 -3/4 0 -1/4 1 -1/2

40 X3 3000 0 5/4 1 1/4 0 1/2

Zj 150000 20 300/8 40 45/2 0 5

Zj-

Cj 0 15/2 0 45/2 0 5

Dari tabel di atas terlihat bahwa baris evaluasi (Zj-Cj) sudah tidak ada yang

negatif, maka program sudah optimal. Dengan demikian dari tabel ini dapat

disimpulkan bahwa X1 = 1500, X2 = 0, dan X3 = 3000, dengan Z = 150000.

2.3 Metode Trend Musiman

Trend adalah rata-rata perubahan (biasanya tiap tahun) dalam jangka

panjang. Trend musiman adalah rata-rata perubahan tiap musim dalam jangka

panjang. Banyak data penjualan, produksi serta data berkala lainnya berfluktuasi

mengikuti musim. Unit waktu yang dipakai bisa kuartalan, bulanan, mingguan

atau bahkan harian.

25

2.3.1 Gerakan Musiman dan Indeks Musiman

Gerakan musiman (seasonal movement) merupakan gerakan yang teratur

dan hampir terjadi pada waktu-waktu tertentu. Disebut gerakan musiman karena

terjadinya bertepatan dengan pergantian musiman dalam suatu tahun. Untuk

menunjukan ada tidaknya gerakan musiman, maka perlu dibuat indeks musiman

(seasonal index). Indeks musiman dapat dihitung dengan beberapa metode yaitu

metode rata-rata sederhana, metode persentase terhadap trend, dan metode rata-

rata begerak.

2.3.1.1 Metode Rata-rata Sederhana (Simple Average Method)

Dalam metode ini, indeks musiman dihitung berdasarkan rata-rata tiap

periode musim setelah bebas dari pengaruh trend. Adapun langkah-langkah yang

harus dilakukan sebagai berikut.

(1) Menyusun data tiap kuartal atau bulan sesuai kebutuhan, untuk masing-

masing tahun.

(2) Mencari rata-rata tiap kuartal pada tahun-tahun tersebut.

(3) Karena rata-rata tersebut masih mengandung unsur kenaikan (trend) maka

dihilangkan terlebih dahulu pengaruh trend ini dengan mengurangkan

dengan b secara kumulatif (disebut kolom sisa).

(4) Mencari rata-rata dari kolom sisa yaitu dengan membagi jumlah pada kolom

sisa dengan empat.

(5) Menyatakan angka-angka tersebut pada kolom selanjutnya sebagai

persentase dari rata-rata sehingga didapat nilai indeks musiman.

26

2.3.1.2 Metode Persentase Terhadap Trend (Ratio to Trend Method)

Untuk mencari indeks musim dengan metode ini, yang pertama dicari

adalah nilai real dan nilai trendnya, kemudian berdasarkan persentase itu dicari

indeks musim

(1) Mencari nilai trend pada setiap periode.

(2) Mencari persentase nulai real terhadap nilai trend dengan cara membagi nilai

real dengan nilai trend kemudian dikalikan dengan 100.

(3) Dari langkah 2 di atas dicari median tiap kuartal dengan tidak memandang

kapan terjadinya.

(4) Menghitung rata-rata dari median tersebut.

(5) Menghitung indeks musiman dengan cara median dibagi rata-rata median

dikalikan 100.

2.3.1.3 Membuat Tabel Rata-rata Bergerak

Dalam metode rata-rata bergerak ini, mula-mula dicari rata-rata bergerak

dari data historis dan setelah ini kita tentukan indeks musimnya. Prosedur

perhitungan sebagai berikut.

(1) Susunlah data historis yang ada ke dalam tabel pada kolom 1, menyatakan

tahun, kolom 2 menyatakan periode musiman (kuartalan), kolom 3

menyatakan data yang sudah ada.

(2) Hitung jumlah bergerak selama satu tahun dan letakkan hasilnya pada kolom

4 pada pertengahan data.

27

(3) Hitunglah rata-rata bergerak dengan membagi pada kolom 4 dengan 4 dan

meletakan hasilnya pada kolom 5.

(4) Hitunglah rata-rata bergerak pusat dengan menjumlahkan dua periode pada

kolom 5 kemudian dibagi 2, letakan hasilnya pada kolom 6 pada

pertengahan dua periode.

(5) Hitung indeks musiman dengan membagi data asli dengan rata-rata bergerak

pusatnya letakkan hasilnya pada kolom 7.

(6) Indeks musiman tersebut kita susun pada tabel indeks dibagi menurut tahun

dan periode musiman yang dikehendaki.

(7) Lihat satu per satu menurut musim pada tahun tersebut lalu jumlahkan

menurut musimnya.

(8) Cari rata-rata tiap musimnya, setelah itu jumlahkan rata-rata tiap musimnya

tersebut.

(9) Menghitung Faktor Koreksi

rataratakeempatJumlahkoreksifaktor

−=

00,4

(10) Indeks tipe tri wulan (kuartalan) dapat dihitung dengan rumus:

pertahunmusimjumlahmusimanrataratatotalxmusimtiapratarataindeks −−

=

(Subagyo, 1986:61)

28

2.3.2 Membuat Tabel Deseasonalizing

Prosedur pembuatan tabel Deseasonalizing adalah sebagai berikut.

(1) Susunlah data historis yang ada ke dalam tabel pada kolom 1 menyatakan

tahun, kolom 2 menyatakan periode musiman, kolom 3 menyatakan data

yang ada, kolom 4 menyatakan indeks setiap musim.

(2) Hitung Deseasonalizing (y) dengan cara membagi data yang ada dengan

indeks musimnya, letakan hasilnya pada kolom 5.

(3) Nyatakan kolom 6 urutan musim tiap tahun (t).

(4) Kalikan t dan y, letakan hasilnya pada kolom 7.

(5) Kuadratkan t, letakan hasilnya kolom 8.

(Subagyo, 1986:65)

2.3.3 Membuat model Trend

Model trend dapat dirumuskan sebagai berikut.

Y’ = a + b t

dimana,

Y’ adalah estimasi trend untuk periode t

a adalah titik perpotongan garis trend dengan 0

b adalah kemiringn (slope) dari garis trend

t adalah nilai waktu yang dipilih

nilai b dan a dapat diperoleh dengan rumus:

29

)(

)(

))((

22

nt

bn

Ya

nt

t

ntY

tYb

∑∑∑ ∑

∑ ∑ ∑

−=

−

−=

(Mason, 1996: 348)

2.3.4 Peramalan Data

Peramalan data dalam hal ini dapat dirumuskan dengan:

F = T x M

dengan F = Peramalan data.

T = Nilai trend musiman yang diramal.

M = Indeks dari T.

2.4 Program Solver untuk Menyelesaikan Program Linear

Solver merupakan salah satu fasilitas tambahan/optional yang disediakan

oleh Microsoft Excel yang berfungsi untuk mencari nilai optimal suatu formula

pada satu sel saja (yang biasa disebut sebagai sel target) pada worksheet/lembar

kerja. Program solver ini berisi perintah-perintah yang berfungsi untuk melakukan

analisis terhadap masalah optimasi. Jika kita instal Microsoft Excel tidak secara

otomatis Solver ini terinstal, jadi harus diinstal secara khusus setelah program

Excel terinstal pada komputer. Program solver ini cukup baik untuk

menyelesaikan masalah optimasi. Menjalankan programnya juga sederhana

apalagi jika sudah dapat menggunakan program Excel (Dwijanto, 2008:49).

30

Microsoft Excel Solver mengkombinasikan fungsi dari suatu Graphical

User Interface (GUI), suatu algebraic modeling language seperti GAMS (Brooke,

Kendrick, dan Meeraus 1992) atau AMPL (Fourer, Gay, and Kernighan 1993),

dan optimizers untuk linear, nonlinear, dan integer program. Masing-masing

fungsi ini terintegrasi ke dalam spreadsheet program.

Fitur ini diinstal secara tersendiri karena merupakan fasilitas tambahan/optional.

Solver merupakan bagian dari serangkaian perintah/command yang

seringkali disebut what-if analysis tool. Fasilitas ini bekerja dengan sel-sel suatu

grup yang saling terhubung, baik secara langsung ataupun tidak langsung

(directly-inderectly), untuk formula pada sel target. Solver terdiri dari tiga bagian:

(1) Adjustable cells/sel pengatur

Solver mengatur perubahan nilai pada sel yang spesifik, untuk memproduksi

hasil perlu spesifikasi dari formula pada sel target.

(2) Constrained cells/sel pembatas

Constraint digunakan untuk membatasi nilai solver yang dapat digunakan

pada suatu model tertentu dan constraint mengacu pada sel lain yang

memperngaruhi formula pada sel target.

(3) Target cells/sel target

Merupakan bagian solver sebagai tempat dimana hasil akhir

pemrosesan/eksekusi suatu formula ditempatkan.

Sebagai contoh, misalnya untuk menyelesaikan masalah pembuatan

paket murah. Toko Maju akan membuat 3 macam paket murah akhir tahun atau

lebaran, yaitu paket A, B, dan C. Paket tersebut berisi sirup, biskuit, dan permen.

31

Paket A berisi 1 botol sirup, 3 bungkus biskuit dan 2 bungkus permen dan dijual

Rp 65.000,00 per paket. Paket B berisi 1 botol sirup, 2 bungkus biskuit dan 1

bungkus permen dijual Rp 45.000,00. Paket C berisi 1 botol sirup, 1 bungkus

biskuit dan 3 bungkus permen dijual Rp 50.000,00. Banyaknya sirup, biskuit dan

ppermen yang tersedia berturut-turut adalah 400 botol sirup, 900 bungkus biskuit

dan 800 bungkus permen. Toko Maju ingin memperoleh hasil penjualan yang

sebesar-besarnya. Tentukan banyaknya masing-masing paket dengan asumsi

semua paket terjual habis.

Penyelesaian:

Tabel yang dapat dibuat dari masalah ini adalah sebagai berikut.

Tabel 13. Kebutuhan Paket

Paket A Paket B Paker C Jumlah

Barang

Sirup 1 1 1 400

Biskuit 3 2 1 900

Permen 2 1 3 800

Harga (dalam ribuan) 65 45 50

Dari tabel ini, kita buat pada lembar kerja (Worksheet) Excel,

selanjutnya kita memulai dengan memberi nilai awal 0 untuk semua paket yang

akan dibuat. Selain tabel ini, kita buat pula tabel kebutuhan vahan yang akan

digunakan untuk membuat paket. Tampilan Excel adalah sebagai berikut.

32

Gambar 4. Tampilan Tabel Awal kebutuhan Paket

Pertama-tama kita masukkan 0 untuk banyaknya paket, dengan demikian

sel B6, C6, dan D6 kita isi dengan 0. Pada tabel kebutuhan vahan pembuatan

paket adalah merupakan perkalian antara kebutuhan tiap paket dikalikan dengan

banyaknya paket yang akan dibuat, sehingga pada sel B10 diisi dengan formula

“=B2*B6”, selanjutnya untuk sel yang lain diisi formula sebagai berikut.

Tabel 14. Formula pada sel

Sel Formula

B11 0

B12 0

C10 0

33

C11 0

C12 0

D10 0

D11 0

D12 0

Untuk praktisnya penulisan rumus di atas digunakan perintah copy-paste

saja. Untuk itu pada sel B10 kita isi formula “=B2*$B$6 kemudian sel ini kita

copy, kemudian kita blok (sorot) pada sel B10 sampai D12 lalu kita paste, maka

sel B10 dampai D12 akan terisi nilai 0.

Jumlah barang merupakan jumlah antara kebutuhan paket A, paket B,

dan paket C, sehingga pada sel E10 kita isi dengan formula “=B10+C10+D10 atau

dengan formula “=sum(B10:D10)” selanjutnya formula pada sel ini kita copykan

ke dalam sel E11 dan E12.

Pendapatan merupakan hasil kali antara banyaknya barang (paket) dan

harga satuan barang. Jadi sel B15 kita isikan formula “=B5*B6+C5*C6+D5*D6”

atau dengan formula “=sumproduct(B5:D5;B6:D6). Dengan demikian persiapan

untuk menjalankan program solver selesai.

Selanjutnya kita jalankan program solver. Program solver berada pada

Tools, jadi lakukan klik pada Tools, solver maka akan keluar menú berikut.

34

Gambar 5. Tampilan Solver Parameter

Pada Set Target Cell kia isi Pendapatan, yaitu cukup mengklik sel B15, maka

pada Set Target Cell akan terisi $B$15.

Equal To kita isi fungsi tujuan yaitu memaksimumkan, jadi kita pilih Max.

By Changing Cells kita isi variabel yang kita cari, yaitu banyaknya barang (paket),

jadi kita isi sel B6 sampai dengan D6 yaitu dengan melakukan drag pada sel-sel

B6 sampai dengan D6.

Subject to the Constraints kita isi dengan ketentuan bahwa jumlah bahan yang

dipakai paling banyak sama dengan persediaan. Oleh karena itu sel E10 <= E2,

35

E11 <= E3, dan E12 <= E4 yaitu dengan cara mengklik Add dan muncul menú

berikut.

Gambar 6. Tampilan Subject to the constrains

Isikan Cell Reference dengan mendrag sel E10 dampai E12 dan pada Constraint

dengan mendrag sel E2 sampai E4 kemudian pilih OK, maka akan kembali ke

menu solver. Kemudian pilih Option dengan mengklik pada Option, sehingga

muncul menu berikut.

36

Gambar 7. Tampilan Solver Options

Pilihlah Assume Linear Model dan Assume Non-Negative, kemudian pilih OK,

maka akan kembali ke menu solver. Selanjutnya pilih Solve, maka diperoleh hasil.

Gambar 8. Tampilan Solver Results

37

Kita lihat hasil perhitungan, bahwa banyaknya paket A sebanyak 200 buah, paket

B sebanyak 100 buah, dan paket C sebanyak 100 buah, dengan pendapatan 22500.

Selanjutnya apabila kita pilih OK maka pekerjaan selesai, tetapi jika kita

mengklik Answer, Sensitivity, dan Limits kemudian OK, maka akan kita peroleh

kesimpulan atau uraian tentang jawaban (Answer), analisis Sensitivity, dan hasil

Limitnya yang dituliskan pada lembar kerja sisipan (di depan sheet yang kita

pakai). Lembar-lembar kerja ini kita buka maka akan terlihat sebagai berikut.

Gambar 9. Tampilan Lembar Answer

Dari hasil Answer terlihat bahwa pendapatan Rp 22.500.000,-. Banyaknya

paket A adalah 200 buah, banyaknya paket B adalah 100 buah, dan banyaknya

38

paket C adalah 100 buah. Sirup sebanyak 400 botol dipakai habis, demikian pula

biscuit 900 bungkus dan permen 800 bungkus dipakai habis, yaitu terlihat pada

Slack terisi 0.

Gambar 10. Tampilan Lembar Sensitivity

Table Adjustable Cells menunjukan bahwa harga paket A, paket B, dan paket C

dalam perhitungan ini berturut-turut Rp 65.000, Rp 45.000, dan Rp 50.000. Jika

harga paket B dan paket C tidak berubah maka untuk mendapatkan pendapatan

optimal, toko maju akan tetap membuat paket A sebanyak 200, paket B sebanyak

100, dan paket C sebanyak 100 walaupun harga paket berubah diantara Rp 47.500

dan Rp 74.000. Dengan cara yang sama, jika harga paket A dan paket C tetap,

maka jumlah masing-masing paket akan dibuat tetap walaupun perubahan paket B

bergerak diantara Rp 39.200 dan Rp 57.500. Demikian pula jika harga paket A

dan paket B tetap, maka jumlah masing-masing paket akan dibuat tetap walaupun

39

perubahan harga paket C bergerak diantara Rp 25.000 dan Rp 85.000. Sedangkan

Tabel Constraints menunjukan bahwa jika persediaan biscuit dan permen tetap,

maka sirup dapat berubah menjadi antara 357 dan 520. Dengan cara yang sama,

jika persediaan sirup dan permen tetap, maka biscuit dapat berubah menjadi antara

600 dan 1200. Demikian pula jika persediaan sirup dan biscuit tetap, maka

permen dapat berubah menjadi antara 500 dan 950.

Gambar 11. Tampilan Lembar Limits

Dari table limit di atas, terlihat bahwa Pendapatan maksimum adalah 22500, jika

tidak membuat paket A, yaitu dengan jumlah paket A adalah 0 dan 100 paket B,

100 paket C, maka akan memperoleh pendapatan sebesar 9500, demikian pula jka

tidak membuat paket B, pendapatan sebesar 18000, dan jika tidak membuat paket

C, maka pendapatannya sebesar 17500.

40

2.5 Gambaran Umum Perusahaan Krupuk Udang Sinar Jaya

2.5.1 Sejarah Berdirinya Perusahaan

Perusahaan Krupuk Udang Sinar Jaya didirikan oleh Bapak H. Madnuri

pada tahun 1971 di daerah Brebes. Pada awal berdirinya, perusahaan ini hanya

memiliki karyawan sebanyak 15 orang dengan kapasitas produksi 300 Kg/ hari

dan peralatan proses produksi yang masih sederhana. Perusahaan Krupuk Udang

Sinar Jaya yang terletak di jalan Sunan Bonang Kaligangsa Kulon Brebes ini

merupakan perusahaan perorangan yang dikelola secara kekeluargaan.

Perusahaan Krupuk Udang Sinar Jaya telah diakui keberadaannya

dengan mendapat ijin usaha dari Depertemen Perindustrian pada Tahun 1971

kemudian diperbaharui dengan Surat Keputusan (SK) terbaru yaitu SK Menteri

Perindustrian nomor 267/11/4/11/1990 tentang pemberian ijin usaha tetap.

Setelah beberapa tahun, dengan keuletan dalam berusaha perusahaan ini

dapat berkembang. Baik dalam jumlah karyawan maupun kapasitas produksi

mengalami peningkatan, proses produksi pun menggunakan mesin yang lebih

modern.

2.5.2 Struktur Organisasi

Perusahaan Krupuk Udang Sinar Jaya mempunyai struktur organisasi

yang berbentuk garis dimana perintah dan kebijaksanaan langsung dari atas ke

bawah, pemimpin tertinggi dipegang oleh pemilik sendiri yang membawahi

semua bagian yang ada dalam perusahaan diantaranya bagian produksi/dapur,

bagian teknisi, bagian penjemuran, dan bagian pemasaran. Setiap bagian dipimpin

41

oleh seorang kepala bagian yang bertanggung jawab kepada pemimpin

perusahaan.

Struktur organisasi Perusahaan Krupuk Udang Sinar Jaya dapat dilihat

pada gambar berikut.

Gambar 12. Struktur Organisasi Perusahaan Krupuk Udang Sinar Jaya Brebes

Adapun uraian tugas dan tanggung jawab atas fungsi-fungsi yang ada

dalam perusahaan adalah sebagai berikut.

(1) Pimpinan Perusahaan

Tugas dan tanggung jawabnya adalah:

• Memimpin dan mengawasi pelaksanaan tugas seluruh bawahannya dan

menetapkan kebijaksanaan perusahaan.

Pimpinan Perusahaan

Wakil Pimpinan Perusahaan

Kabag. Dapur/Produksi

Bendahara

Kabag. Teknisi Kabag. Penjemuran

Kabag. Pemasaran

Pekerja

42

• Bertanggung jawab atas maju mundurnya perusahaan dan mengendalikan

harta perusahaan.

(2) Wakil Pimipinan Perusahaan

Tugas dan tanggung jawabnya adalah:

• Membantu pemimpin perusahaan dalam mengelola perusahaan.

• Membantu beberapa koordinator bagian, meliputi bagian teknisi, dapur,

penjemuran, dan pemasaran.

(3) Bendahara

Tugas dan tanggung jawabnya adalah:

• Bertanggung jawab atas keluar masuknya uang, langsung mengawasi

pembukuan, kasir, dan pengupahan.

• Mengatur dan mengawasi pembukuan serta surat-menyurat perusahaan.

(4) Kabag. Teknisi

Tugas dan tanggung jawabnya adalah:

• Mengkoordinir pekerja pada bagian teknisi.

(5) Kabag. Dapur/Produksi

Tugas dan tanggung jawabnya adalah:

• Mengkoordinir pekerja pada bagian dapur/produksi krupuk.

(6) Kabag. Penjemuran

Tugas dan tanggung jawabnya adalah:

• Mengkoordinir pekerja pada bagian penjemuran krupuk.

(7) Kabag. Pemasaran

Tugas dan tanggung jawabnya adalah:

43

• Mengkoordinir pekerja pada bagian pemasaran.

• Menjalin hubungan dengan para agen dan pihak perantara lain.

• Mencari informasi pasar dan konsumen.

2.5.3 Bahan Baku dan Proses Produksi

2.5.3.1 Bahan Baku

Bahan baku utama yang diperlukan oleh perusahaan krupuk udang ini,

diantaranya:

(1) Tepung Tapioka

Tepung tapioka merupakan bahan baku utama yang diperlukan dalam

pembuatan krupuk udang yang diperoleh dari daerah Bogor dan Bandung.

Pembeliannya dengan cara memesan terlebih dahulu. Tepung tapioka yang

digunakan ini khusus digunakan untuk pembuatan krupuk udang.

(2) Ikan

Ikan adalah salah satu bahan makanan dengan kandungan protein

yang sangat tinggi. Daging ikan ini digunakan sebagai tambahan udang

dalam pembuatan krupuk udang.

(3) Udang

Udang merupakan bahan dasar dalam pembuatan krupuk udang yang

diperoleh perusahaan dari daerah sekitar Brebes.

Selain bahan-bahan utama di atas, diperlukan pula bahan tambahan yang

meliputi: bawang putih, telur, susu, garam, gula pasir, colour food, penyedap rasa,

pemekar.

44

2.5.2.2 Proses Produksi

Proses produksi krupuk udang Perusahaan Krupuk Udang Sinar Jaya

meliputi beberapa tahap pengelolaan sebagai berikut.

(1) Pembersihan udang (kulit dan kepala udang dibuang)

(2) Penggilingan dan pencampuran

Udang yang sudah bersih tadi digiling, lalu dicampur dengan bahan-bahan

lain sesuai ukuran jenis krupuk. Selanjutnya, uleni hingga membentuk

adonan.

(3) Pencetakan

Adonan yang sudah jadi dimasukkan dalam cetakan sesuai jenis krupuk.

Kemudian atur cetakan-cetakan dalam ancak dan siap direbus.

(4) Perebusan/pengukusan

Cetakan-cetakan yang sudah diatur dalam ancak tadi direbus selama satu

jam. Setelah matang, disiram dengan air dingin lalu diproses (dipres selama

lima menit).

(5) Penirisan

Krupuk yang sudah dipres, lalu di atur di atas kreta, kemudian ditiriskan

selama dua malam.

(6) Pemotongan

Setelah selesai ditiriskan, krupuk dimasukkan dalam mesin pemotong untuk

diiris.

(7) Penjemuran

Krupuk yang sudah diiris, lalu diatur dalam widik untuk dijemur.

45

(8) Penyortiran krupuk

Setelah dijemur krupuk disortir ke bagian pengemasan/pengepakan.

(9) Pengemasan/pengepakan

Krupuk-krupuk yang sudah kering dan dengan hasil yang baik, dibungkus

dalam plastik sesuai jenis krupuk kemudian dikemas dalam kardus.

(10) Penyimpanan di gudang

Krupuk yang sudah dikemas dalam kardus sementara disimpan dalam

gudang, kemudian didistribusikan ke pemesan.

Produk yang dihasilkan oleh Perusahaan Krupuk Udang Sinar Jaya ada

14 jenis yang dibagi menjadi 3 macam yaitu:

(1) Krupuk udang kualitas super, meliputi: PITA, SJ-71, SPKK.

(2) Krupuk udang kualitas sedang, melliputi: SPK, GNP, GNO, UNYIL, PTR,

GND.

(3) Krupuk udang kualitas umum, meliputi: GNB, GNM, JPT, SKP, MB.

2.5.3 Pemasaran Produk

Dalam sebuah perusahaan, pemasaran merupakan kegiatan pokok yang

pentig karena kegiatan ini berpengaruh langsung terhadap keberhasilan

perusahaan. Perusahaan Krupuk Udang Sinar Jaya di Kabupaten Brebes

menyadari sepenuhnya bahwa persaingan dalam bidang penyediaan krupuk udang

cukup ketat. Oleh karena itu berbagai upaya yang dilakukan untuk dapat menarik

konsumen untuk memilih produk atau barang ditawarkan Perusahaan krupuk

Udang Sinar Jaya berupaya menetapkan berbagai kebijaksanaan yang intinya

diarahkan pada orientasi konsumen. Di antara keijaksanaan tersebut yaitu dalam

46

harga, pelayanan, dan kualitas produk. Dengan demikian adanya kebijaksanaan

tersebut diharapkan hasil penjualan yang diperoleh Perusahaan Krupuk Udang

Sinar Jaya di Kabupaten Brebes dapat meningkat sesuai dengan tujuan dan

rencana yang telah ditetapkan.

Perusahaan Krupuk Udang Sinar Jaya dalam membuat produknya sangat

memperhatikan kebutuhan dan keinginan konsumen agar produk yang ditawarkan

dapat diterima di pasar konsumen karena sesuai dengan selera konsumen,

sehingga produk memberikan kepuasan kepada kedua belah pihak. Masalah

pemasaran ini sangat berpengaruh terhadap kelangsungan hidup perusahaan,

untuk mengetahui hal tersebut pihak perusahaan menugaskan kepada bagian

pemasaran untuk mencari informasi pasar dan konsumen, di sini mereka dibantu

agen yang telah diajak untuk bekerja sama dalam penjualan produk.

Dalam perekonomian seperti sekarang ini sebagian produsen menjual

barang melalui agen, tidak langsung ke konsumen akhir. Demikian pula dengan

Perusahaan Krupuk Udang Sinar Jaya dalam menjual barangnya. Untuk

mendistribusikan hasil produksinya perusahaan menggunakan saluran distribusi

tidak langsung. Hasil produksinya dijual melalui agen yang ditunjuk kemudian ke

pengecer.

Saluran distribusi produk yang dihasilkan perusahaan dapat dilakukan

dalam beberapa jalur, yaitu:

(1) Perusahaan – Agen – Pedagang Besar - Pedagang kecil – Konsumen

Saluran pemasaran ini digunakan untuk wilayah pemasaran yang jauh

dari perusahaan, seperti : Yogyakarta, Solo, Magelang, Bogor, Bandung,

47

Jakarta, Tasik Malaya, dan Riau. Dalam hal ini agen merupakan pedagang

perantara yang berhubungan langsung dengan perusahaan, sedangkan

pedagang besar, pedagang kecil dan konsumen akhir di daerah tersebut

dilayani oleh agen.

(2) Perusahaan – Pedagang Besar – Pedagang kecil – Konsumen

Saluran pemasaran ini untuk wilayah yang agak jauh dari perusahaan

misalnya : Semarang, Cirebon, Indramayu. Untuk pedagang kecil dan

konsumen dilayani oleh pedagang besar.

(3) Perusahaan – Pedagang Kecil – Konsumen

Saluran pemasaran ini untuk wilayah yang dekat dengan perusahaan

seperti Brebes dan Tegal.

48

BAB III

METODE PENELITIAN

Metode penelitian merupakan suatu cara yang digunakan dalam

penelitian sehingga dapat dipertanggung jawabkan secara ilmiah. Dengan metode

penelitian data yang diperoleh semakin lengkap untuk memecahkan masalah yang

dihadapi. Pada penelitian ini prosedur/langkah-langkah yang digunakan adalah

sebagai berikut.

3.1 Menemukan Masalah

Dalam tahap ini peneliti mengamati kenyataan-kenyataan yang ada di

lapangan dan menemukan beberapa hal yang ingin dikaji. Pada bidang industri,

salah satu masalah optimasi yang muncul adalah menentukan banyaknya produksi

agar perusahaan memperoleh pendapatan maksimal. Permasalahan optimasi ini

dapat diselesaikan dengan menggunakan program linear. Untuk menyelesaikan

masalah program linear itu sendiri dapat digunakan metode grafik maupun metode

simpleks pada masalah yang sederhana, sedangkan untuk masalah yang rumit dan

memerlukan ketelitian yang tinggi sehingga cara manual sudah tidak efektif lagi

dapat menggunakan software yang dapat menyelesaikan masalah optimasi.

Dalam suatu proses produksi tidak hanya bertujuan mengoptimalkan

persediaan tetapi juga harus memperhatikan kwalitas penjualan pasar suatu barang

sehingga diperlukan pengambilan kebijakan yang tepat dalam memproduksi

barang. Perusahaan Krupuk Udang Sinar Jaya Brebes pada intinya menjalankan

49

proses produksi berdasarkan pesanan. Oleh karena itu diperlukan adanya

peramalan penjualan pada masa yang akan datang untuk membantu dalam hal

perencanaan, pengawasan dan pengambilan keputusan dalam memproduksi

barang sehingga perusahaan dapat memaksimalkan pendapatan.

Dari kondisi tersebut peneliti mempunyai inisiatif untuk meramalkan

penjualan perusahaan krupuk udang Sinar Jaya berdasarkan data penjualan tahun

2006 sampai dengan tahun 2008 dan dengan memasukan hasil peramalan

penjualan tersebut dalam fungsi kendala diharapkan dapat memperoleh

penyelesaian masalah optimasi yang berkaitan dengan jumlah produksi suatu

barang akan lebih bagus.

3.2 Merumuskan Masalah

Masalah yang ditemukan kemudian dirumuskan ke dalam pertanyaan

yang harus diselesaikan yaitu:

(1) Bagaimana model ramalan masing-masing jenis krupuk pada Perusahaan

Krupuk Udang Sinar Jaya agar bisa memprediksi jumlah krupuk yang

dipesan pada masa yang akan datang?

(2) Bagaimana penyelesaian model matematika dari suatu masalah optimasi

pada Perusahaan Krupuk Udang Sinar Jaya dengan menggunakan program

Solver?

50

3.3 Pengambilan Data

Dalam penelitian ini, penulis memperoleh data dengan metode

dokumentasi yaitu metode pengumpulan data dengan cara:

(1) Mengambil data sekunder yang diperoleh dari Perusahaan Krupuk Udang

Sinar Jaya Brebes.

(2) Studi pustaka yaitu mengkaji sumber-sumber pustaka dengan cara

mengumpulkan data atau informasi yang berkaitan dengan masalah,

mengumpulkan konsep pendukung yang diperlukan dalam menyelesaikan

masalah, sehingga didapatkan suatu ide mengenai bahan dasar

pengembangan upaya pemecahan masalah.

3.4 Analisis dan Pemecahan Masalah

Sebelum analisis dan pemecahan masalah, penulis memiliki beberapa

asumsi dalam penelitian ini sebagai berikut.

(1) Penelitian hanya dilakukan pada produksi krupuk udang jenis PITA, SPKK,

GNP, GND, MB, dan GNB.

(2) Data yang diambil di Perusahaan Krupuk Udang Sinar Jaya Brebes adalah

data dari bulan Januari tahun 2006 sampai dengan bulan Juni tahun 2009.

Dari berbagai sumber pustaka yang sudah menjadi bahan kajian,

diperoleh suatu pemecahan masalah. Selanjutnya dilakukan langkah-langkah

pemecahan masalah sebagai berikut.

51

(1) Membuat plot data penjualan.

(2) Menyusun data tiap kuartal untuk masing-masing tahun.

(3) Menghitung indeks musiman dengan metode rata-rata bergerak.

a. Susunlah data historis yang ada ke dalam tabel pada kolom 1,

menyatakan tahun, kolom 2 menyatakan periode musiman (kuartalan),

kolom 3 menyatakan data yang sudah ada.

b. Hitung jumlah bergerak selama satu tahun dan letakkan hasilnya pada

kolom 4 pada pertengahan data.

c. Hitunglah rata-rata bergerak dengan membagi pada kolom 4 dengan 4

dan meletakan hasilnya pada kolom 5.

d. Hitunglah rata-rata bergerak pusat dengan menjumlahkan dua periode

pada kolom 5 kemudian dibagi 2, letakan hasilnya pada kolom 6 pada

pertengahan dua periode.

e. Hitung indeks musiman dengan membagi data asli dengan rata-rata

bergerak pusatnya letakkan hasilnya pada kolom 7.

f. Indeks musiman tersebut kita susun pada tabel indeks dibagi menurut

tahun dan periode musiman yang dikehendaki.

g. Lihat satu per satu menurut musim pada tahun tersebut lalu jumlahkan

menurut musimnya.

h. Cari rata-rata tiap musimnya, setelah itu jumlahkan rata-rata tiap

musimnya tersebut.

52

i. Menghitung Faktor Koreksi

rataratakeempatJumlahkoreksifaktor

−=

00,4

(4) Menghitung indeks kuartalan.

Indeks tipe tri wulan (kuartalan) dapat dihitung dengan rumus:

pertahunmusimjumlahmusimanrataratatotalxmusimtiapratarataindeks −−

=

(5) Menghitung tabel deseasonalizing dari data penjualan krupuk.

Prosedur pembuatan tabel deseasonalizing adalah sebagai berikut.

a. Susunlah data historis yang ada ke dalam tabel pada kolom 1

menyatakan tahun, kolom 2 menyatakan periode musiman, kolom 3

menyatakan data yang ada, kolom 4 menyatakan indeks setiap musim.

b. Hitung Deseasonalizing (y) dengan cara membagi data yang ada

dengan indeks musimnya, letakan hasilnya pada kolom 5.

c. Nyatakan kolom 6 urutan musim tiap tahun (t).

d. Kalikan t dan y, letakan hasilnya pada kolom 7.

e. Kuadratkan t, letakan hasilnya kolom 8.

(6) Membuat scatter plot data asli dengan data deseasonalized dengan bantuan

Microsoft Excel.

(7) Mencari persamaan trend.

(8) Menghitung peramalan data penjualan krupuk dengan data deseasonalized.

(9) Menentukan model matematika dari masalah optimasi pada Perusahaan

Krupuk Udang Sinar Jaya dari data-data yang telah diperoleh.

53

(10) Menambahkan hasil ramalan penjualan sebagai fungsi kendala.

(11) Menentukan penyelesaian model matematika masalah optimasi pada

Perusahaan Krupuk Udang Sinar Jaya dengan menggunakan program Solver

kemudian mengintrepetasikannya.

3.5 Penarikan Simpulan

Pada akhir metode penelitian ini dilakukan penarikan simpulan sebagai

langkah pemecahan masalah. Berdasarkan hasil penelitian dan pembahasan akan

diperoleh jawaban dari permasalahan dalam menentukan model ramalan masing-

masing jenis krupuk pada Perusahaan Krupuk Udang Sinar Jaya agar bisa

memprediksi jumlah krupuk yang dipesan pada masa yang akan datang dan

menyelesaikan model matematika dari suatu masalah optimasi menggunakan

program solver. Simpulan yang diperoleh dapat diterapkan pada permasalahan

sesuai dengan tema penelitian.

54

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Hasil Penelitian

Dari data penjualan yang tertera pada Lampiran 1 dan dengan bantuan

Excel, penulis memperoleh ploting data yang membentuk pola musiman

(Lampiran 2) pada setiap jenis krupuk sehingga penulis menggunakan analisis

Trend Musiman untuk meramalkan penjualan krupuk pada masa yang akan

datang. Data penjualan tersebut kemudian dibuat perkuartalnya untuk dianalisis

dengan metode Trend Musiman. Penjualan yang dimaksud di sini adalah

pemenuhan permintaan pasar atau konsumen.

Tabel 3. Data Penjualan Januari Tahun 2006 sampai dengan Desember 2008

dalam Perkuartalan

TAHUN KUARTAL

PENJUALAN

PITA SPKK GNP GND MB GNB

2006

1 986 1,225 16,535 2,655 14,148 1,650

2 457 2,225 22,713 16,140 5,159 1,660

3 1,137 2,855 27,935 10,135 17,999 3,045

4 194 1,330 14,232 24,260 4,950 240

2007

1 1,135 1,310 15,758 1,950 15,933 2,035

2 561 2,785 23,623 15,020 6,755 1,935

3 1,297 3,530 31,965 11,750 19,370 3,705

4 250 1,535 14,468 32,215 6,214 370

2008 1 1,020 1,640 16,685 3,965 15,310 2,005

55

2 504 2,710 24,440 16,425 5,680 1,715

3 1,224 3,195 30,120 8,410 19,025 3,605

4 189 1,460 15,535 30,240 4,905 250

(1) Model Prediksi Penjualan dengan Trend Musiman

a. Jenis Krupuk PITA (A)

Tabel 4. Rata-rata Bergerak 4 Kuartal

Tahun Kuartal penjualan

total rata2 bergerak

4 kuartal

rata2 bergerak

4 kuartal

rata2 bergerak

terpusat 4 kuartal indeks

2006

1 986

2 457

2,774 693.50

3 1,137 712.13 1.60

2,923 730.75

4 194 743.75 0.26

3,027 756.75

2007

1 1,135 776.75 1.46

3,187 796.75

2 561 803.75 0.70

3,243 810.75

3 1,297 796.38 1.63

3,128 782.00

4 250 774.88 0.32

3,071 767.75

2008

1 1,020 758.63 1.34

2,998 749.50

56

2 504 741.88 0.68

2,937 734.25

3 1,224

4 189

0200400600800

1,0001,2001,400

0 1 2 3 4 5 6 7 8 9 10 11 12 13

PENJUALAN

RATA2 BGRKTRPST

Gambar 10. Grafik penjualan per kuartal dan rata-rata bergerak terpusat

Tabel 5. Indeks Musim Krupuk PITA

Tahun kuartal 1 kuartal 2 kuartal 3 kuartal 4 faktor koreksi

1.60 0.26 0.50

1.46 0.70 1.63 0.32

1.34 0.68

Jml 2.81 1.38 3.23 0.58 7.99

rata2 1.40 0.69 1.61 0.29 4.0

Indeks 2.80 1.38 3.22 0.58

Tabel 6. Deseasonalizing Krupuk PITA

penjualan indeks

penjualan

deseasonalized (y) t ty t^2

986 2.80 351.78 1 351.78 1

57

457 1.38 332.14 2 664.28 4

1,137 3.22 352.89 3 1,058.67 9

194 0.58 332.83 4 1,331.33 16

1,135 2.80 404.94 5 2,024.70 25

561 1.38 407.72 6 2,446.34 36

1,297 3.22 402.55 7 2,817.85 49

250 0.58 428.91 8 3,431.26 64

1,020 2.80 363.91 9 3,275.19 81

504 1.38 366.30 10 3,662.98 100

1,224 3.22 379.89 11 4,178.82 121

189 0.58 324.25 12 3,891.05 144

Jumlah 4448.12 78 29,134.24 650

Dari tabel deseasonalizing diperoleh Σy = 4448,12, Σty = 29134,24, Σt = 78,

Σt2 = 650, dengan rumus

∑ ∑∑ ∑ ∑

−

−=

nt

t

ntY

tYb 2

2 )(

))((

=1,55 dan

61,360)( =−= ∑∑n

tb

nY

a sehingga diperoleh Model Trend Musiman

Y’ = (360,61 + 1,55 t) x Mt

b. Jenis Krupuk SPKK

Tabel 7. Rata-rata Bergerak 4 Kuartal

Tahun Kuartal penjualan

total rata2

bergerak 4 kuartal

rata2

bergerak 4

kuartal

rata2 bergerak

terpusat 4 kuartal indeks

58

2006

1 1,225

2 2,225

7,635 1,908.75

3 2,855 1,919.38 1.49

7,720 1,930.00

4 1,330 2,000.00 0.67

8,280 2,070.00

2007

1 1,310 2,154.38 0.61

8,955 2,238.75

2 2,785 2,264.38 1.23

9,160 2,290.00

3 3,530 2,331.25 1.51

9,490 2,372.50

4 1,535 2,363.13 0.65

9,415 2,353.75

2008

1 1,640 2,311.88 0.71

9,080 2,270.00

2 2,710 2,260.63 1.20

9,005 2,251.25

3 3,195

4 1,460

59

0

1,000

2,000

3,000

4,000

0 1 2 3 4 5 6 7 8 9 10 11 12 13

PENJUALAN

RATA2 BGRKTRPST

Gambar 11. Grafik penjualan per kuartal dan rata-rata bergerak terpusat

Tabel 8. Indeks Musim Krupuk SPKK

Tahun kuartal 1 kuartal 2 kuartal 3 kuartal 4 faktor koreksi

1.49 0.67 0.50

0.61 1.23 1.51 0.65

0.71 1.20

Jml 1.32 2.43 3.00 1.31 8.06

rata2 0.66 1.21 1.50 0.66 4.0

Indeks 1.33 2.45 3.03 1.32

Tabel 9. Deseasonalizing Krupuk SPKK

penjualan indeks

penjualan

deseasonalized (y) t ty t^2

1,225 1.33 922.63 1 922.63 1

2,225 2.45 909.04 2 1,818.08 4

2,855 3.03 943.78 3 2,831.33 9

1,330 1.32 1,003.91 4 4,015.66 16

1,310 1.33 986.65 5 4,933.27 25

2,785 2.45 1,137.83 6 6,826.98 36

60

3,530 3.03 1,166.91 7 8,168.38 49

1,535 1.32 1,158.65 8 9,269.22 64

1,640 1.33 1,235.20 9 11,116.81 81

2,710 2.45 1,107.19 10 11,071.88 100

3,195 3.03 1,056.17 11 11,617.87 121

1,460 1.32 1,102.04 12 13,224.49 144

Jumlah 12,730.01 78 85,816.59 650

Dari tabel deseasonalizing diperoleh Σy = 12730,01, Σty = 85816,59, Σt = 78,

Σt2 = 650, dengan rumus

∑ ∑∑ ∑ ∑

−

−=

nt

t

ntY

tYb 2

2 )(

))((

=21,48 dan

22,921)( =−= ∑∑n

tb

nY

a sehingga diperoleh Model Trend Musiman

Y’ = (921,22 + 21,48 t) x Mt

c. Jenis Krupuk GNP

Tabel 10. Rata-rata Bergerak 4 Kuartal

Tahun Kuartal Penjualan

Total bergerak

4 kuartal

Rata2 bergerak

4 kuartal

Rata2 bergerak

terpusat 4 kuartal indeks

2006

1 16,535

2 22,713

81,415 20,353.75

3 27,935 20,256.63 1.38

80,638 20,159.50

4 14,232 20,273.25 0.70

81,548 20,387.00

61

2007

1 15,758 20,890.75 0.75

85,578 21,394.50

2 23,623 21,424.00 1.10

85,814 21,453.50

3 31,965 21,569.38 1.48

86,741 21,685.25

4 14,468 21,787.38 0.66

87,558 21,889.50

2008

1 16,685 21,658.88 0.77

85,713 21,428.25

2 24,440 21,561.63 1.13

86,780 21,695.00

3 30,120

4 15,535

0

10,000

20,000

30,000

40,000

0 1 2 3 4 5 6 7 8 9 10111213

bulan

penj

uala

n

penjualan

rata2 brgrktrpst

Gambar 12. Grafik penjualan per kuartal dan rata-rata bergerak terpusat

Tabel 11. Indeks Musim Krupuk GNP

Tahun kuartal 1 kuartal 2 kuartal 3 kuartal 4 faktor koreksi

1.38 0.70 0.50

62

0.75 1.10 1.48 0.66

0.77 1.13

Jml 1.52 2.24 2.86 1.37 7.99

rata2 0.76 1.12 1.43 0.68 4.0

Indeks 1.52 2.23 2.86 1.36

Tabel 12. Deseasonalizing Krupuk GNP

penjualan indeks

penjualan

deseasonalized (y) t ty t^2

16,535 1.52 10,861.51 1 10,861.51 1

22,713 2.23 10,172.66 2 20,345.33 4

27,935 2.86 9,778.83 3 29,336.49 9

14,232 1.36 10,434.07 4 41,736.29 16

15,758 1.52 10,351.11 5 51,755.56 25

23,623 2.23 10,580.23 6 63,481.40 36

31,965 2.86 11,189.56 7 78,326.89 49

14,468 1.36 10,607.09 8 84,856.74 64

16,685 1.52 10,960.04 9 98,640.35 81

24,440 2.23 10,946.15 10 109,461.50 100

30,120 2.86 10,543.70 11 115,980.72 121

15,535 1.36 11,389.36 12 136,672.26 144

Jumlah 127,814.31 78 841,455.04 650

63

Dari tabel deseasonalizing diperoleh Σy = 127814,31, Σty = 841455,04, Σt = 78,

Σt2 = 650, dengan rumus

∑ ∑∑ ∑ ∑

−

−=

nt

t

ntY

tYb 2

2 )(

))((

=74,56 dan

56,10166)( =−= ∑∑n

tb

nY

a sehingga diperoleh Model Trend Musiman

Y’ = (10166,56 + 74,56 t) x Mt

d. Jenis Krupuk GND

Tabel 13. Rata-rata Bergerak 4 Kuartal

Tahun Kuartal Penjualan

Total rata2

bergerak 4 kuartal

Rata2

bergerak 4

kuartal

Rata2 bergerak

terpusat 4 kuartal indeks

2006

1 2,655

2 16,140

53,190 13,297.50

3 10,135 13,209.38 0.77

52,485 13,121.25

4 24,260 12,981.25 1.87

51,365 12,841.25

2007

1 1,950 13,043.13 0.15

52,980 13,245.00

2 15,020 14,239.38 1.05

60,935 15,233.75

3 11,750 15,485.63 0.76

62,950 15,737.50

64

4 32,215 15,913.13 2.02

64,355 16,088.75

2008

1 3,965 15,671.25 0.25

61,015 15,253.75

2 16,425 15,006.88 1.09

59,040 14,760.00

3 8,410

4 30,240

0

10,000

20,000

30,000

40,000

0 1 2 3 4 5 6 7 8 9 10 11 12 13

kuartal

penj

uala

n PENJUALAN

RATA2 BRGRKTRPST

Gambar 13. Grafik penjualan per kuartal dan rata-rata bergerak terpusat

Tabel 14. Indeks Musim Krupuk GND

Tahun kuartal 1 kuartal 2 kuartal 3 kuartal 4 faktor koreksi

0.77 1.87 0.50

0.15 1.05 0.76 2.02

0.25 1.09

Jml 0.40 2.15 1.53 3.89 7.97

rata2 0.20 1.07 0.76 1.95 4.0

Indeks 0.40 2.14 1.52 3.88

Tabel 15. Deseasonalizing Krupuk GND

65

penjualan indeks

penjualan

deseasonalized (y) t ty t^2

2,655 0.40 6,619.91 1 6,619.91 1

16,140 2.14 7,536.54 2 15,073.08 4

10,135 1.52 6,665.48 3 19,996.43 9

24,260 3.88 6,253.81 4 25,015.25 16

1,950 0.40 4,862.08 5 24,310.39 25

15,020 2.14 7,013.56 6 42,081.35 36

11,750 1.52 7,727.61 7 54,093.29 49

32,215 3.88 8,304.47 8 66,435.80 64

3,965 0.40 9,886.23 9 88,976.03 81

16,425 2.14 7,669.62 10 76,696.20 100

8,410 1.52 5,531.00 11 60,840.98 121

30,240 3.88 7,795.35 12 93,544.24 144

Jumlah 85,865.66 78 573,682.95 650

Dari tabel deseasonalizing diperoleh Σy = 85865,66, Σty = 573682,95, Σt = 78,

Σt2 = 650, dengan rumus

∑ ∑∑ ∑ ∑

−

−=

nt

t

ntY

tYb 2

2 )(

))((

=108,78 dan

37,6448)( =−= ∑∑n

tb

nY

a sehingga diperoleh Model Trend Musiman

Y’ = (6448,37 + 108,78 t) x Mt

e. Jenis Krupuk MB

Tabel 16. Rata-rata Bergeral 4 Kuartal

66

Tahun Kuartal Penjualan

Total rata2

bergerak 4 kuartal

Rata2

bergerak 4

kuartal

Rata2 bergerak

terpusat 4 kuartal indeks

2006

1 14,148

2 5,159

42,256 10,564.00

3 17,999 10,787.13 1.67

44,041 11,010.25

4 4,950 11,209.75 0.44

45,637 11,409.25

2007

1 15,933 11,580.63 1.38

47,008 11,752.00

2 6,755 11,910.00 0.57

48,272 12,068.00

3 19,370 11,990.13 1.62

47,649 11,912.25

4 6,214 11,777.88 0.53

46,574 11,643.50

2008

1 15,310 11,600.38 1.32

46,229 11,557.25

2 5,680 11,393.63 0.50

44,920 11,230.00

3 19,025

4 4,905

67

05,000

10,00015,00020,00025,000

0 1 2 3 4 5 6 7 8 9 10 11 12 13

kuartal

penj

uala

nPENJUALAN

RATA2 BGRKTRPST

Gambar 14. Grafik penjualan dan rata-rata bergerak terpusat

Tabel 17. Indeks Musim Krupuk MB

Tahun kuartal 1 kuartal 2 kuartal 3 kuartal 4 faktor koreksi

1.67 0.44 0.50

1.38 0.57 1.62 0.53

1.32 0.50

Jml 2.70 1.07 3.28 0.97 8.01

rata2 1.35 0.53 1.64 0.48 4.0

Indeks 2.70 1.07 3.29 0.97

Tabel 18. Deseasonalizing Krupuk MB

penjualan indeks

penjualan

deseasonalized (y) t ty t^2

14,148 2.70 5,238.99 1 5,238.99 1

5,159 1.07 4,832.18 2 9,664.37 4

17,999 3.29 5,470.77 3 16,412.30 9

4,950 0.97 5,098.14 4 20,392.57 16

68

15,933 2.70 5,899.97 5 29,499.87 25

6,755 1.07 6,327.08 6 37,962.48 36

19,370 3.29 5,887.48 7 41,212.36 49

6,214 0.97 6,399.97 8 51,199.76 64

15,310 2.70 5,669.28 9 51,023.50 81

5,680 1.07 5,320.18 10 53,201.79 100

19,025 3.29 5,782.62 11 63,608.79 121

4,905 0.97 5,051.79 12 60,621.54 144

Jumlah 66,978.45 78 440,038.31 650

Dari tabel deseasonalizing diperoleh Σy = 66978,45, Σty = 440038,31, Σt = 78,

Σt2 = 650, dengan rumus

∑ ∑∑ ∑ ∑

−

−=

nt

t

ntY

tYb 2

2 )(

))((

=32,72 dan

89,5368)( =−= ∑∑n

tb

nY

a sehingga diperoleh Model Trend Musiman

Y’ = (5368,89 + 32,72 t) x Mt

f. Jenis Krupuk GNB

Tabel 19. Rata-rata Bergerak 4 Kuartal

Tahun Kuartal penjualan

Total rata2

bergerak 4 kuartal

Rata2 bergerak

4 kuartal

Rata2 bergerak

terpusat 4

kuartal indeks

2006

1 1,650

2 1,660

6,595 1,648.75

69

3 3,045 1,696.88 1.79

6,980 1,745.00

4 240 1,779.38 0.13

7,255 1,813.75

2007

1 2,035 1,896.25 1.07

7,915 1,978.75

2 1,935 1,995.00 0.97

8,045 2,011.25

3 3,705 2,007.50 1.85

8,015 2,003.75

4 370 1,976.25 0.19

7,795 1,948.75

2008

1 2,005 1,936.25 1.04

7,695 1,923.75

2 1,715 1,908.75 0.90

7,575 1,893.75

3 3,605

4 250

0

1,000

2,000

3,000

4,000

0 1 2 3 4 5 6 7 8 9 10 111213

kuartal

penj

uala

n

PENJUALAN

RATA2BGRKTRPST

Gambar 15. Grafik penjualan dan rata-rata bergerak terpusat

70

Tabel 20. Indeks Musim Krupuk GNB

Tahun kuartal 1 kuartal 2 kuartal 3 kuartal 4 faktor koreksi

1.79 0.13 0.50

1.07 0.97 1.85 0.19

1.04 0.90

Jml 2.11 1.87 3.64 0.32 7.94

rata2 1.05 0.93 1.82 0.16 4.0

Indeks 2.09 1.85 3.61 0.32

Tabel 21. Deseasonalizing Krupuk GNB

penjualan indeks

penjualan

deseasonalized (y) t ty t^2

1,650 2.09 788.47 1 788.47 1

1,660 1.85 895.25 2 1,790.50 4

3,045 3.61 842.93 3 2,528.78 9

240 0.32 750.81 4 3,003.23 16

2,035 2.09 972.44 5 4,862.22 25

1,935 1.85 1,043.56 6 6,261.36 36

3,705 3.61 1,025.63 7 7,179.41 49

370 0.32 1,157.49 8 9,259.95 64

2,005 2.09 958.11 9 8,622.97 81

1,715 1.85 924.91 10 9,249.12 100

3,605 3.61 997.95 11 10,977.43 121

250 0.32 782.09 12 9,385.08 144

Jumlah 11,139.64 78 73,908.51 650

71

Dari tabel deseasonalizing diperoleh Σy = 11139,64, Σty = 73908,51, Σt = 78,

Σt2 = 650, dengan rumus

∑ ∑∑ ∑ ∑

−

−=

nt

t

ntY

tYb 2

2 )(

))((

=10,49 dan

08,860)( =−= ∑∑n

tb

nY

a sehingga diperoleh Model Trend Musiman

Y’ = (860,08 + 10,49 t) x Mt

Tabel 22. Hasil Ramalan Tahun 2009

Jenis Krupuk Kuartal t indeks Ramalan tahun 2009 Pembulatan

PITA

1 13 2.80 1,067.18 1,067

2 14 1.38 526.01 526

3 15 4.03 1,236.72 1,237

4 16 0.69 224.63 225

SPKK

1 13 1.33 1,593.86 1,594

2 14 2.45 2,990.84 2,991

3 15 3.73 3,761.41 3,761

4 16 1.65 1,675.74 1,676

GNP

1 13 1.52 16,952.61 16,953

2 14 2.23 25,029.98 25,030

3 15 3.57 32,237.51 32,238

4 16 1.75 15,494.29 15,494

GND

1 13 0.40 3,153.39 3,153

2 14 2.14 17,071.19 17,071

3 15 1.85 12,286.02 12,286

4 16 5.23 31,766.75 31,767

MB 1 13 2.70 15,647.33 15,647

72

2 14 1.07 6,221.00 6,221

3 15 4.19 19,278.35 19,278

4 16 1.18 5,721.12 5,721

GNB

1 13 2.09 2,085.39 2,085

2 14 1.85 1,867.25 1,867

3 15 2.63 3,675.69 3,676

4 16 2.33 328.61 329

Ket: Perhitungan selengkapnya dapat dilihat pada Lampiran 3

(2) Pemodelan Matematika

a. Variabel Keputusan

A = banyaknya krupuk PITA yang dipesan (Kg)

B = banyaknya krupuk SPKK yang dipesan (Kg)

C = banyaknya krupuk GNP yang dipesan (Kg)

D = banyaknya krupuk GND yang dipesan (Kg)

E = banyaknya krupuk MB yang dipesan (Kg)

F = banyaknya krupuk GNB yang dipesan (Kg)

Z = total penjualan (rupiah)

b. Fungsi Tujuan

Karena harga jual tiap Kg krupuk PITA adalah 11.500 rupiah,

krupuk SPKK adalah 10.800 rupiah, krupuk GNP adalah 9.600 rupiah,

krupuk GND adalah 9.400 rupiah, krupuk MB adalah 6.600 rupiah,

dan krupuk GNB adalah 6.000 rupiah, maka diperoleh model fungsi

tujuan.

Z max = 11.500A + 10.800B + 9.600C + 9.400D + 6.600E + 6.000F

73

c. Fungsi Kendala

Dari bahan-bahan pembuatan masing-masing krupuk diperoleh

Tabel 23. Tabel Komposisi Krupuk

BAHAN

BAKU A B C D E F PERSEDIAAN

Tepung

tapioca 1 1 1 1 1 1 81000

Udang 0.008 0.008 0.006 0.006 0.006 0.006 450

Ikan 0.004 0.004 0.003 0.003 0.003 0.003 300

Gula pasir 0.01 0.01 0.009 0.009 0.01 0.01 700

Telur 0.1875 0.1875 0.1875 0.125 10000

Garam 0.008 0.008 0.007 0.006 0.006 0.006 500

Susu 0.385 0.385 0.385 0.385 20328

Penyedap

rasa 0.02 0.01 0.01 0.01 0.01 0.005 1000

Bawang

putih 0.1 0.075 0.05 0.05 0.05 0.05 5200

Colour

food 0.01 0.01 0.01 0.01 0.01 0.01 750

Pemekar 0.075 0.075 0.075 0.075 0.05 0.05 5000

dapat diketahui fungsi kendala sebagai berikut.

A + B + C + D + E + F ≤ 81000

0.008A + 0.008B + 0.006C + 0.006D + 0.006E + 0.006F ≤ 450

0.004A + 0.004B + 0.003C + 0.003D + 0.003E + 0.003F ≤ 300

0.01A + 0.01B + 0.009C + 0.009D + 0.01E + 0.01F ≤ 700

74

0.1875A + 0.1875B + 0.1875C + 0.125D ≤ 10000

0.008A + 0.008B + 0.007C + 0.006D + 0.006E + 0.006F ≤ 500

0.385A + 0.385B + 0.385C + 0.385D ≤ 20328

0.02A + 0.01B + 0.01C + 0.01D + 0.01E + 0.005F ≤ 1000

0.1A + 0.075B + 0.05C + 0.05D + 0.05E + 0.05F ≤ 5200

0.01A + 0.01B + 0.01C + 0.01D + 0.01E + 0.01F ≤ 750

0.075A + 0.075B + 0.075C + 0.075D + 0.05E + 0.05F ≤ 5000

A ≤ (360,61 + 1,55 t) x MtA

B ≤ (921,22 + 21,48 t) x MtB

C ≤ (10166,56 + 74,56 t) x MtC

D ≤ (6448,37 + 108,78 t) x MtD

E ≤ (5368,89 + 32,72 t) x MtE

F ≤ (860,08 + 10,5 t) x MtF

Dengan program solver diperoleh penyelesaian optimasi untuk tahun 2009

sebagai berikut.

75

1) kuartal 1

Gambar 16. Tampilan Hasil Optimasi Kuartal 1

76

2) kuartal 2

Gambar 17. Tampilan Hasil Optimasi Kuartal 2

77

3) kuartal 3

Gambar 18. Tampilan Hasil Optimasi Kuartal 3

78

4) kuartal 4

Gambar 19. Tampilan Hasil Optimasi Kuartal 4

79

4.2 Pembahasan

Berdasarkan scatter plot data yang terbentuk dari data asli penjualan

krupuk udang jenis PITA, SPKK, GNP, GND, MB, dan GNB dari tahun 2008

sampai dengan tahun 2008 tampak bahwa data membentuk pola musiman,

sehingga metode forecast yang digunakan adalah metode Trend Musiman.

Pada perhitungan di atas diperoleh persamaan trend untuk masing-

masing jenis krupuk yaitu PITA = (360,61 + 1,55 t) x Mt, SPKK = (921,22 +

21,48 t) x Mt, GNP = (10166,56 + 74,56 t) x Mt, GND = (6448,37 + 108,78 t) x

Mt, MB = (5368,89 + 32,72 t) x Mt, dan GNB = (860,08 + 10,49 t) x Mt, sehingga

menghasilkan peramalan penjualan pada tahun 2009 seperti yang tercantum pada

table 22. Oleh karena data asli kuartal 1 dan kuartal 2 tahun 2009 sudah diperoleh

(pada Lampiran 1), maka dapat dicari harga selisih hasil ramalan dengan data asli

(perhitungan pada Lampiran 4). Tingkat kesalahan pada kuartal 1 untuk krupuk

jenis PITA = 2,4%, SPKK = 2,5%, GNP = 1,2%, GND = 3,2%, MB = 1,3%,

GNB = 2,2% dan pada kuartal 2 untuk krupuk jenis PITA = 3,5%, SPKK = 2%,

GNP = 2,1%, GND = 3,8%, MB = 2,4% dan GNB = 3%.

Tingkat kesalahan di atas kurang dari 5%, sehingga dapat disimpulkan

bahwa data antara hasil ramalan dengan data asli hanya ada sedikit perbedaan,

maka metode Trend Musiman dapat digunakan untuk meramalkan jumlah

penjualan krupuk pada masa mendatang. Akurasi suatu peramalan berbeda untuk

setiap peramalan dan bergantung pada berbagai faktor, yang jelas tidak akan

diperoleh akurasi 100%. Dengan tingkat kesalahan kurang dari 5%, artinya tingkat

80

ketelitian peramalan tersebut sudah lebih dari 95% sehingga hasilnya dapat

dikatakan sudah cukup akurat.

Berdasarkan tabel penjualan (Lampiran 1) tampak bahwa penjualan

krupuk udang pada perusahaan krupuk udang Sinar Jaya Brebes mengalami naik

turun tiap tahunnya membentuk pola musiman. Kecuali jenis GND yang

mengalami peningkatan penjualan di kuartal 4, jenis krupuk lainnya mengalami

kenaikan pada kuartal 3. Terjadinya kenaikan penjualan pada kuartal 3 (bulan Juli,

Agustus, September) dikarenakan waktu tersebut adalah musim liburan dan puasa.

Mengingat konsumen krupuk udang produksi perusahaan Sinar Jaya ini mayoritas

warung makan, cattering dan restoran yang pada musim liburan dan puasa

mengalami peningkatan penjualan, maka pada musim tersebut pun penjualan

krupuk udang ikut meningkat, sehingga pendapatan perusahaan meningkat pesat

pada musim tersebut. Faktor lain penyebab pola musiman adalah tingkat

pendapatan masyarakat yang tidak tetap, kualitas produk, minat pembeli,

persaingan produk misalnya harga, kemasan, promosi dan sebagainya.

Selama ini, Perusahaan Krupuk Udang Sinar Jaya Brebes belum

menggunakan perencanaan dalam melakukan proses produksinya. Dengan adanya

penelitian ini diharapkan dapat dijadikan pertimbangan oleh perusahaan dalam

mengambil keputusan banyaknya produksi sehingga diperoleh pendapatan yang

optimal. Penelitian ini juga akan berkaitan dengan perencanaan penyediaan bahan

baku. Pada Gambar 16, 17, dan 20 terlihat sisa bahan baku yang cukup besar

karena pada kuartal 1, 2 dan 4 penjualan krupuk tidak terlalu besar. Oleh karena

81

itu persediaan pada kuartal 1, 2, dan 4 perlu dikurangi sesuai dengan perkiraan

penjualan agar sisa persediaan tidak terlalu besar.

Dengan melihat pola musiman naik dan turunnya volume penjualan

tersebut, hendaknya seorang pemimpin dalam mengelola perusahaan harus

mengantisipasi segala bentuk kemungkinan yang terjadi pada masa mendatang

misalkan dengan menjaga kualitas produksi, pemasaran yang bagus dan diimbangi

dengan promosi yang tepat. Selain itu, seorang pemimpin hendaknya

memperhatikan hal-hal lain misalkan desain kemasan, bentuk, warna dan

pemasaran yang maksimal agar pelanggan mudah mencari produk tersebut. Jadi

strategi pemasaran yang handal dari seorang pemimpin menjadi tonggak dari maju

dan mundurnya sebuah perusahaan apakah bisa bertahan dalam persaingan di

dunia bisnis.

52

BAB V

PENUTUP

5.1 Kesimpulan

Berdasarkan hasil penelitian dan pembahasan dapat disimpulkan sebagai

berikut.

(1) Model ramalan yang dihasilkan dengan metode Trend Musiman untuk jenis

krupuk PITA = (360,61 + 1,55 t) x Mt, untuk jenis SPKK = (921,22 + 21,48

t) x Mt, jenis GNP = (10166,56 + 74,56 t) x Mt, jenis GND = (6448,37 +

108,78 t) x Mt, jenis MB = (5368,89 + 32,72 t) x Mt, dan jenis

GNB = (860,08 + 10,49 t) x Mt.

(2) Berdasarkan model matematika yang terbentuk diperoleh penyelesaian

optimasi dengan program Solver:

a. Pada kuartal 1, banyaknya krupuk yang diproduksi untuk jenis

PITA = 1.067, jenis SPKK = 1.594, jenis GNP =16.953, jenis

GND = 3.153, Jenis MB = 15.647, Jenis GNB = 2.085 sehingga

pendapatan yang diperoleh = Rp 337.652.900,-.

b. Pada kuartal 2, banyaknya krupuk yang diproduksi untuk Jenis

PITA = 526, Jenis SPKK = 2.991, Jenis GNP= 25.030, Jenis

GND = 17.071, Jenis MB = 6.221, Jenis GNB = 1.867, sehingga

pendapatan yang diperoleh = Rp 491.367.800,-.

c. Pada kuartal 3 banyaknya krupuk yang diproduksi untuk jenis

PITA = 1.237, jenis SPKK = 3.761, jenis GNP = 32.238, jenis

53

GND = 12.286, jenis MB = 19.278, jenis GNB = 3.676, sehingga

pendapatan yang diperoleh = Rp 629.108.300,-.

d. Pada kuartal 4, banyaknya krupuk yang diproduksi untuk jenis

PITA = 225, jenis SPKK = 1.676, jenis GNP = 15.494, jenis

GND = 31.767, jenis MB = 5.721, jenis GNB = 329, sehingga

pendapatan yang diperoleh = Rp 507.773.100,-.

5.2 Saran

(1) Pemimpin perusahaan hendaknya memiliki langkah-langkah untuk

mengantisipasi berbagai kemungkinan yang dapat terjadi pada penjualan

produknya. Sebagai langkah awal adalah dengan melakukan peramalan

penjualan sebagai pertimbangan dalam mengambil kebijakan keputusan

dalam produksi barang.

(2) Diharapkan perusahaan dapat menerapkan metode peramalan Trend

Musiman ini sebagai bahan pertimbangan dalam mengambil kebijakan

dalam proses produksi.

(3) Pemimpin perusahaan harus dapat mempertahankan nilai penjualan pada

musim yang mengalami peningkatan sedangkan pada musim yang

mengalami penurunan dilakukan usaha-usaha untuk meningkatkan

penjualan misalnya dengan promosi dan peningkatan pemasaran agar

pendapatan perusahaan juga semakin meningkat.

54

DAFTAR PUSTAKA

Dimyati, Tjutju T. 1999. Operations Research Model-model Pengambilan

Keputusan. Bandung: Sinar Baru Algasindo.

Dwijanto. 2008. Program Linear Berbantu Komputer: Lindo, Lingo dan Solver.

Semarang: UNNES Press.

Heizer, Jay dan Render, Barry. 2005. Operations Management. Jakarta : Salemba

Empat.

Mason, Robert dkk. 1996.Teknik Statistik Untuk Bisnis dan Ekonomi. Jakarta:

Erlangga.

Mulyono, Sri. 2002. Riset Operasi. Jakarta: Fakultas Ekonomi Universitas

Indonesia.

Subagyo, Pangestu. 1986. Forcasting Konsep dan Aplikasi. Yogyakarta: BPFE

Yogyakarta.

Suyitno, Hardi. 1997. Pengantar Program Linier. Semarang: FMIPA IKIP

Semarang.

55

Data Penjualan bulan Januari tahun 2006 sampai dengan Juni tahun 2009

TAHUN BULAN PENJUALAN

PITA SPKK GNP GND MB GNB

2006

1 85 225 4365 1025 5228 395 2 615 600 4865 50 3895 770 3 286 400 7305 1580 5025 485 4 152 650 6800 8655 35 5 5 100 1225 9015 4985 2009 1005 6 205 350 6898 2500 3115 650 7 525 1250 9865 1000 6482 800 8 160 1600 9505 1925 8005 1250 9 452 5 8565 7210 3512 995

10 119 0 4912 2250 1280 0 11 40 665 6315 1985 1645 35 12 35 665 3005 20025 2025 205

2007

1 92 315 4423 1850 5958 500 2 685 595 4110 100 4485 885 3 358 400 7225 0 5490 650 4 218 780 7085 7000 50 30 5 85 1550 9098 4800 2860 1255 6 258 455 7440 3220 3845 650 7 595 1560 13390 1850 6980 9908 215 1675 9495 3505 8405 16109 487 295 9080 6395 3985 1105

10 150 50 4305 6190 1584 5 11 58 785 6778 23540 1820 10 12 42 700 3385 2485 2810 355

2008

1 90 275 4905 1505 5825 460 2 630 780 4285 0 4190 970 3 300 585 7495 2460 5295 575 4 120 735 7185 8385 0 0 5 78 1485 9490 4920 2165 1010 6 306 490 7765 3120 3515 705 7 588 1295 10895 750 6955 1000 8 210 1555 9860 1475 8155 1595 9 426 345 9365 6185 3915 1010

10 109 0 4890 21565 1490 0 11 49 845 6810 6395 1415 0 12 31 615 3835 2280 2000 250

2009

1 82 310 4990 1130 5920 480 2 600 800 4595 18 4380 1000 3 360 525 7580 2110 5545 560 4 100 793 7210 8425 40 25 5 90 1560 9450 4925 2250 1240 6 318 580 7855 3100 3785 660

Lampiran 1

56

Diagram Scatter Plot Data Penjualan Krupuk

1. Ploting data awal Krupuk PITA

0

200

400

600

800

0 1 2 3 4 5 6 7 8 9 10 11 12 13

bulan

penj

uala

n penjualan tahun 2006penjualan tahun 2007penjualan tahun 2008

2. Ploting data awal Jenis Krupuk SPKK

0

500

1000

1500

2000

0 1 2 3 4 5 6 7 8 9 10 11 12 13

bulan

penj

uala

n penjualan tahun 2006penjualan tahun 2007penjualan tahun 2008

3. Ploting data awal Krupuk GNP

0300060009000

1200015000

0 1 2 3 4 5 6 7 8 9 10111213bulan

penj

uala

n

penjualan tahun2006penjualan tahun2007penjualan tahun2008

Lampiran 2

57

4. Ploting data awal Krupuk GND

05000

10000150002000025000

0 1 2 3 4 5 6 7 8 9 10 11 12 13

bulan

penj

uala

n penjualan tahun2006penjualan tahun2007penjualan tahun2008

5. Ploting data awal Krupuk MB

02000400060008000

10000

0 1 2 3 4 5 6 7 8 9 10 11 12 13

bulan

penj

uala

n penjualan tahun 2006penjualan tahun 2007penjualan tahun 2008

6. Ploting data awal Krupuk GNB

0

500

1000

1500

2000

0 1 2 3 4 5 6 7 8 9 10 11 12 13

bulan

penj

uala

n penjualan tahun 2006penjualan tahun 2007penjualan tahun 2008

58

Perhitungan Ramalan Penjualan Tahun 2009

Jenis Krupuk Kuartal t indeks Ramalan tahun 2009

PITA

1 13 2.80 (360,61 + 1,55 x 13) x 2.80=1067.18 2 14 1.38 (360,61 + 1,55 x 14) x 1.38=526.01 3 15 3.22 (360,61 + 1,55 x 15) x 3.22=1236.72 4 16 0.58 (360,61 + 1,55 x 16) x 0.58=224.64

SPKK

1 13 1.33 (921,22 + 21,48 x 13) x 1.33=1593.86 2 14 2.45 (921,22 + 21,48 x 14) x 2.45=2990.84 3 15 3.03 (921,22 + 21,48 x 15) x 3.03=3761.41 4 16 1.33 (921,22 + 21,48 x 16) x 1.33=1675.74

GNP

1 13 1.52 (10166,56 + 74,56 x 13) x 1.52=16952.62 2 14 2.23 (10166,56 + 74,56 x 14) x 2.23=25029.98 3 15 2.86 (10166,56 + 74,56 x 15) x 2.86=32237.51 4 16 1.37 (10166,56 + 74,56 x 16) x 1.36=15494.29

GND

1 13 0.40 (6448,37 + 108,78 x 13) x 0.40=3153.39 2 14 2.14 (6448,37 + 108,78 x 14) x 2.14=17071.19 3 15 1.52 (6448,37 + 108,78 x 15) x 1.52=12286.02 4 16 3.88 (6448,37 + 108,78 x 16) x 3.88=31766.75

MB

1 13 2.70 (5368,89 + 32,72 x 13) x 2.70=15647.33 2 14 1.07 (5368,89 + 32,72 x 14) x 1.07=6220.99 3 15 3.29 (5368,89 + 32,72 x 15) x 3.29=19278.35 4 16 0.97 (5368,89 + 32,72 x 16) x 0.97=5721.12

GNB

1 13 2.09 (860,08 + 10,49 x 13) x 2.09=2085.39 2 14 1.85 (860,08 + 10,49 x 14) x 1.85=1867.25 3 15 3.61 (860,08 + 10,49 x 15) x 3.61=3675.69 4 16 0.32 (860,08 + 10,49 x 16) x 0.32=328.61

Lampiran 3

59

Data Penjualan Januari sampai dengan Juni 2009 dalam Perkuartalan

TAHUN KUARTAL PERMINTAAN

PITA SPKK GNP GND MB GNB

2009 1 1042 1635 17165 3258 15845 2040 2 508 2933 24515 16450 6075 1995

Data Ramalan Penjualan Januari sampai dengan Juni 2009 dalam Perkuartalan

TAHUN KUARTAL PERMINTAAN

PITA SPKK GNP GND MB GNB

2009 1 1067 1594 16953 3153 15647 2085 2 526 2991 25030 17071 6221 1867

Perhitungan Harga Selisih Data Asli dengan Data Hasil Ramalan:

Harga Selisih Kuartal 1 dan Kuartal 2:

1) Kuartal 1

2) Kuartal 2

Lampiran 4

60

Perusahaan Krupuk Udang Sinar Jaya Brebes

Z max = 11.500A + 10.800B + 9.600C + 9.400D + 6.600E + 6.000F

Harus memenuhi :

A + B + C + D + E + F ≤ 81000

0.008A + 0.008B + 0.006C + 0.006D + 0.006E + 0.006F ≤ 450

0.004A + 0.004B + 0.003C + 0.003D + 0.003E + 0.003F ≤ 300

0.01A + 0.01B + 0.009C + 0.009D + 0.01E + 0.01F ≤ 700

0.1875A + 0.1875B + 0.1875C + 0.1875D ≤ 10000

0.008A + 0.008B + 0.007C + 0.006D + 0.006E + 0.006F ≤ 500

0.385A + 0.385B + 0.385C + 0.385D ≤ 20328

0.02A + 0.01B + 0.01C + 0.01D + 0.01E + 0.005F ≤ 1000

0.1A + 0.075B + 0.05C + 0.05D + 0.05E + 0.05F ≤ 5200

0.01A + 0.01B + 0.01C + 0.01D + 0.01E + 0.01F ≤ 750

0.075A + 0.075B + 0.075C + 0.075D + 0.05E + 0.05F ≤ 5000

A ≤ (360,61 + 1,55 t) x MtA

B ≤ (921,22 + 21,48 t) x MtB

C ≤ (10166,56 + 74,56 t) x MtC

D ≤ (6448,37 + 108,78 t) x MtD

E ≤ (5368,89 + 32,72 t) x MtE

F ≤ (860,08 + 10,5 t) x MtF

Lampiran 5

61

Formula Pada Sel

Sel Formula Sel Formula Sel Formula C57 =C40*$C$52 E63 =E46*$E$52 H60 =H43*$H$52 C58 =C41*$C$52 E64 =E47*$E$52 H62 =H45*$H$52 C59 =C42*$C$52 E65 =E48*$E$52 H64 =H47*$H$52 C60 =C43*$C$52 E66 =E49*$E$52 H65 =H48*$H$52 C61 =C44*$C$52 E67 =E50*$E$52 H66 =H49*$H$52 C62 =C45*$C$52 F57 =F40*$F$52 H67 =H50*$H$52 C63 =C46*$C$52 F58 =F41*$F$52 I57 =SUM(C57:H57) C64 =C47*$C$52 F59 =F42*$F$52 I58 =SUM(C58:H58) C65 =C48*$C$52 F60 =F43*$F$52 I59 =SUM(C59:H59) C66 =C49*$C$52 F61 =F44*$F$52 I60 =SUM(C60:H60) C67 =C50*$C$52 F62 =F45*$F$52 I61 =SUM(C61:H61) D57 =D40*$D$52 F63 =F46*$F$52 I62 =SUM(C62:H62) D58 =D41*$D$52 F64 =F47*$F$52 I63 =SUM(C63:H63) D59 =D42*$D$52 F65 =F48*$F$52 I64 =SUM(C64:H64) D60 =D43*$D$52 F66 =F49*$F$52 I65 =SUM(C65:H65) D61 =D44*$D$52 F67 =F50*$F$52 I66 =SUM(C66:H66) D62 =D45*$D$52 G57 =G40*$G$52 I67 =SUM(C67:H67) D63 =D46*$D$52 G58 =G41*$G$52 J57 =I40-I57 D64 =D47*$D$52 G59 =G42*$G$52 J58 =I41-I58 D65 =D48*$D$52 G60 =G43*$G$52 J59 =I42-I59D66 =D49*$D$52 G62 =G45*$G$52 J60 =I43-I60D67 =D50*$D$52 G64 =G47*$G$52 J61 =I44-I61 E57 =E40*$E$52 G65 =G48*$G$52 J62 =I45-I62 E58 =E41*$E$52 G66 =G49*$G$52 J63 =I46-I63 E59 =E42*$E$52 G67 =G50*$G$52 J64 =I47-I64 E60 =E43*$E$52 H57 =H40*$H$52 J65 =I48-I65 E61 =E44*$E$52 H58 =H41*$H$52 J66 =I49-I66 E62 =E45*$E$52 H59 =H42*$H$52 J67 =I50-I67 D69 =SUMPRODUCT(C51:H51,C52:H52)

Lampiran 6

62

Skema Proses Produksi Krupuk Udang Perusahaan Krupuk Udang Sinar Jaya Brebes

Penambahan air matang, tepung tapioca, daging ikan, bumbu dan bahan tambahan lain

Penataan di atas widik

Pembersihan Udang

Pencetakan

Perebusan/ Pengukusan

Penggilingan dan Pencampuran

Pemotongan

Penirisan

Penjemuran

Penyortiran Krupuk

Pengemasan/ Pengepakn

Penyimpanan

Lampiran 7

63

Dokumentasi Produk

Krupuk Jenis PITA

Krupuk Jenis SPKK

Krupuk Jenis GNP

Krupuk Jenis GND

Lampiran 8

64

Krupuk Jenis MB

Krupuk Jenis GNB