pada pt. kusuma mulia textile surakarta tugas akhir/peramalan-penjualan-kain... · tugas akhir ini...

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

commit to user i

PERAMALAN PENJUALAN KAIN JENIS FBB

PADA PT. KUSUMA MULIA TEXTILE SURAKARTA

TUGAS AKHIR

Diajukan Untuk Melengkapi Tugas-tugas Dan Memenuhi Syarat-syarat

Untuk Mencapai Derajat Ahli Madya

Program Studi DIII Manajemen Bisnis

Oleh:

SILMAWATI HIDAYAH

F3509067

PROGRAM STUDI DIPLOMA III MANAJEMEN BISNIS

FAKULTAS EKONOMI

UNIVERSITAS SEBELAS MARET

SURAKARTA

2012


commit to user ii


commit to user iii


commit to user iv

MOTTO DAN PERSEMBAHAN

MOTTO:

“Kebanyakan motto hanya akan menjadi omong kosong. Untuk

melangkah maju kita tidak butuh banyak motto, tapi untuk menggapai

sukses yang kita butuhkan adalah banyak MUTU”

Karya sederhana ini adalah karunia Allah SWT.

Dan kupersembahkan kepada:

1. Bapak, Ibu dan keluargaku tercinta

2. Semua teman temanku

3. Almamaterku


commit to user v

KATA PENGANTAR

Puji syukur kehadirat Allah SWT yang telah melimpahkan rahmat, hidayah

dan inayah-Nya, sehingga penulis dapat menyelesaikan Tugas Akhir dengan judul

“PERAMALAN PENJUALAN KAIN JENIS FBB PADA PT. KUSUMA

MULIA TEXTILE SURAKARTA” .

Tugas akhir ini disusun untuk memenuhi syarat-syarat mencapai gelar Ahli

Madya pada program Diploma III Program Studi Manajemen Bisnis Fakultas

Ekonomi Universitas Sebelas Maret Surakarta.

Penulis menyadari bahwa keberhasilan penulisan tugas akhir ini tidak lepas dari

bimbingan, bantuan, dukungan dan petunjuk dari berbagai pihak baik moril maupun

materil. Oleh karena itu, dalam kesempatan ini penulis sampaikan ucapan terima

kasih kepada:

1. Dr. Wisnu Untoro, M.S selaku Dekan Fakultas Ekonomi Universitas Sebelas

Maret Surakarta.

2. Sinto Sunaryo, SE, MSi selaku Ketua Program D3 Manajemen Bisnis

Fakultas Ekonomi Universitas Sebelas Maret Surakarta.

3. Yeni Fajariyanti, SE, MSi selaku pembimbing yang telah meluangkan waktu

untuk memberikan pengarahan, nasehat dan bimbingan dalam menyelesaikan

Tugas Akhir ini.

4. Muh Juam Suamtoro MSi selaku Pembimbing Akademis.

5. Bapak Subur Widodo selaku HRD PT. Kusuma Mulia Textile.


commit to user vi

6. Ibu Dewi Sulistyowati selaku karyawan pendamping selama penelitian di PT.

Kusuma Mulia Textile.

7. Seluruh staff PT. Kusuma Mulia Textile yang telah memberikan bantuan

kepada penulis selama penelitian.

8. Bapak dan Ibu Dosen yang dengan rendah hati berkenan memberikan ilmu

praktik dan teori selama perkuliahan di Fakultas Ekonomi Universitas Sebelas

Maret Surakarta.

9. Terima kasih yang tak terhingga kepada Ayah dan Ibu tercinta yang telah

merawatku dari kecil hingga dewasa, yang selalu sabar dan memberikan

dukungan serta do’a dan semangat, baik moril maupun materiil. Serta seluruh

keluarga besar yang selalu membimbing ke arah yang lebih baik.

10. Terima kasih kepada Ivan Galang Geovany buat doa, semangat kebaikannya

selama ini kepada penulis.

11. Teman-teman senasib seperjuangan Manajemen Bisnis 2009 terutama

Stefany, Lia, Syeila terima kasih kawan untuk kebersamaannya selama ini.

12. Kepada seluruh Angkatan 2009 Diploma III Fakultas Ekonomi UNS, terima

kasih atas kebersamaannya.

13. Mas Ihsan Akuntansi 2008, terima kasih buat software penyusunan TA nya.

14. Ayuk Purwanti, terima kasih buat kebaikannya selama ini.

15. Semua teman-temanku yang tidak bisa saya sebutkan satu persatu, terima

kasih buat semuanya.

16. Semua pihak yang telah membantu yang tidak bisa saya sebutkan satu persatu,

semoga atas bantuan yang diberikan memperoleh imbalan dari Allah SWT.


commit to user vii

Penulis menyadari bahwa Tugas Akhir ini masih mempunyai banyak kekurangan

dan kekeliruan, walaupun penulis dalam menulis Tugas Akhir ini telah berusaha

sebaik-baiknya, tetapi kesalahan tetap tidak dapat dihindari karena keterbatasan

kemampuan penulis. Oleh karena itu saran dan kritik yang sifatnya membangun

sangat diharapkan. Semoga Allah SWT senantiasa memberikan petunjuk kepada

hambaNya yang sedang menuntut ilmu.

Surakarta, 18 Juni 2012


commit to user viii

DAFTAR ISI

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

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

HALAMAN PERSETUJUAN ...................................................................... iii

HALAMAN PENGESAHAN ........................................................................ iv

MOTTO DAN PERSEMBAHAN ................................................................. vi

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

DAFTAR ISI ................................................................................................... x

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

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

DAFTAR LAMPIRAN .................................................................................. xv

BAB I PENDAHULUAN .............................................................................. 1

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

B. Rumusan Masalah ................................................................................ 4

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

D. Manfaat Penelitian ................................................................................ 5

E. Kerangka Pemikiran ............................................................................ 7

F. Metode Penelitian ................................................................................ 9

BAB II TUJUAN PUSTAKA ....................................................................... 15

A. Pengertian Peramalan .......................................................................... 15

B. Tujuan Peramalan ................................................................................. 16


commit to user ix

C. Jenis Peramalan ................................................................................... 16

D. Peramalan Menurut Horizon Waktunya .............................................. 17

E. Faktor-faktor yang Mempengaruhi Pemilihan Teknik Peramalan ...... 18

F. Sifat-sifat Peramalan ........................................................................... 19

G. Tahap-tahap Peramalan ....................................................................... 20

H. Karakteristik Peramalan yang Baik ..................................................... 20

I. Pendekatan Dalam Peramalan ............................................................. 21

J. Pengukuran Kesalahan Peramalan ...................................................... 28

BAB III PEMBAHASAN ............................................................................. 32

A. Gambaran Umum Perusahaan ............................................................. 32

B. Struktur Organisasi ............................................................................... 36

C. Aspek Produksi .................................................................................... 40

D. Aspek Personalia ................................................................................. 45

E. Laporan Magang Kerja ........................................................................ 48

F. Pembahasan Masalah .......................................................................... 52

BAB IV PENUTUP ....................................................................................... 70

A. Kesimpulan .......................................................................................... 70

B. Saran .................................................................................................... 71

DAFTAR PUSTAKA .................................................................................... xv

LAMPIRAN ................................................................................................... xvi

\


commit to user x

DAFTAR TABEL

Perusahaan Suplier Kain PT. Kusuma Mulia Textile ...................................... 41

Jumlah Tenaga Kerja PT. Kusuma Mulia Textile ............................................ 45

Data Penjualan Kain FBB PT. Kusuma Mulia Textile .................................... 53

Perhitungan Peramalan Penjualan Kain FBB dengan Metode Single Moving

Averages 3 bulanan .......................................................................................... 55

Perhitungan Peramalan Penjualan Kain FBB dengan Metode Single Moving

Averages 6 bulanan .......................................................................................... 58

Perhitungan Peramalan Penjualan Kain FBB dengan Metode Exponential

Smoothing Alpha 0,1 ....................................................................................... 61


Smoothing Alpha 0,5 ....................................................................................... 64


Smoothing Alpha 0,9 ....................................................................................... 66

Perbandingan Output Peramalan Penjualan Kain FBB pada PT. Kusuma

Mulia Textile .................................................................................................... 69


commit to user xi

DAFTAR GAMBAR

Sruktur Organisasi PT. KusumaMulia Textile ................................................. 36

Alur Proses Produksi Kain PT. KusumaMulia Textile .................................... 44

Grafik Penjualan Kain FBB BulanMaret 2011-Februari 2012 dengan Metode

Single Moving Averages 3 bulanan ................................................................. 55


Single Moving Averages 6 bulanan ................................................................. 58


Exponential Smoothing Alpha 0,1 ................................................................... 62






commit to user xii

DAFTAR LAMPIRAN

Lampiran 1.SuratPernyataanTugasAkhir

Lampiran 2.FormulirPenilaianMagangKerja


commit to user

ABSTRAK

PERAMALAN PENJUALAN KAIN JENIS FBB

PADA PT. KUSUMA MULIA TEXTILESURAKARTA

Silmawati Hidayah

F3509067

Tujuan yang ingin dicapai dalam penelitian ini adalah (1) Untuk

membandingkan hasil peramalan penjualan kain FBB pada bulan Maret 2012

dengan menggunakan Metode Single Moving Averagesdan Metode Exponential

Smoothing. (2) Untuk menentukan metode peramalan yang paling efisien untuk

meramalkan penjualan produk kain FBB pada PT. Kusuma Mulia Textile.

Metode pembahasan yang digunakan untuk meramalkan penjualan adalah

metode Single Moving Averages periode 3 bulanan, Single Moving Averages 6

bulanan dan Exponential Smoothing dengan tiga nilai alpha yang berbeda, yaitu

0,1 ; 0,5 ; 0,9. Untuk pengukuran kesalahan (error) peramalan menggunakan

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

Dari hasil analisis yang telah dilakukan, penulis mengambil kesimpulan.

Besarnya hasil ramalan dengan menggunakan metode Single Moving Averages 3

bulanan adalah 386.666,7 yard dengan MAD=64.259,27 dan

MSE=7.264.507.000; Single Moving Averages 6 bulanan adalah 338.333,3 yard

dengan MAD=73.750 dan MSE=8.992.940.000. Besarnya ramalan dengan

menggunakan metode Exponential Smoothing alpha (0,1;0,5;0,9). ; 0,1 adalah

327.577,6 yard dengan MAD=79.384,28 dan MSE=8.373.855.000 ; 0,5 adalah

370.434,6 yard dengan MAD=55.423,48 dan MSE=5.510.927.000 ; 0,9 adalah

378.528,3 dengan MAD=51.504,22 dan MSE=4.172.596.000.

Dari hasil analisis yang diperoleh, maka metode yang disarankan kepada

perusahaan dalam membuat ramalan penjualan kain FBB sebaiknya menggunakan

metode Exponential Smoothing Alpha 0,9 karena memiliki tingkat kesalahan

(forecast error) MAD dan MSE terkecil.

Kata kunci: Peramalan Penjualan, Metode Peramalan, Kesalahan Peramalan

ABSTRACT


commit to user

THE SALE FORECASTING OF FBB FABRIC

IN PT. KUSUMA MULIA TEXTILE SURAKARTA

Silmawati Hidayah

F3509067

The aims of this research are (1) To compare the forecasting FBB fabric

sales in PT. Kusuma Mulia textile by using a Single Moving Averages method

and Exponential Smoothing method in Marc 2012. (2)To determine the most

efficient forecasting method to forecast sales of fabric FBB in PT. Kusuma Mulia

Textile.

The discussion method which are used to forecast the sales is the Single

Moving Averages method with a moving average about three monthly, Single

Moving Averages method with a moving average about six monthly and

Exponential Smoothing with three alpha value are 0.1, 0.5, 0.9. For measurement

of error in forecasting is using MAD and MSE.

From those analysis, the writer concludes that the amount of the

forecasting’s results by using a 3 months Single Moving Averages method is

386.666,7 yard with MAD=64.259,27 and MSE=7.264.507.000; a 6 month Single

Moving Averages method is 338.333,3 yard with MAD=73.750 and

MSE=8.992.940.000. The amount of the forecasting’s result by using alpha

Exponential Smoothing method (0,1;0,5;0,9). ; 0,1 is 327.577,6 yard with

MAD=79.384,28 and MSE=8.373.855.000 ; 0,5 is 370.434,6 yard with

MAD=55.423,48 and MSE=5.510.927.000 ; 0,9 is 378528,3 with

MAD=51504,22 and MSE=4172596000.

From the rsult of analysis, the method reccomended to the company in

making sales forecasting FBB fabric is Exponential Smoothing method alpha 0,9

because it has the smallest margin of error (forecast error) in MAD and MSE.

Keyword: Sales Forecasting, Forecasting Methods, Forecast Error


commit to user

1

BAB I

PENDAHULUAN

A. LATAR BELAKANG MASALAH

Sebuah perusahaan didirikan mempunyai tujuan untuk

menghasilkan barang dan jasa yang menjadi kebutuhan konsumen dan

sekaligus dapat menghasilkan keuntungan dari usaha tersebut. Selain dapat

memperoleh keuntungan, juga bertujuan untuk membantu pemerintah

dalam mengurangi angka pengangguran dengan membuka lapangan kerja

baru serta bertujuan untuk mempertahankan dan meningkatkan

kelangsungan hidup perusahaan di masa yang akan datang. Untuk

mewujudkan semua itu, pimpinan perusahaan harus menetapkan suatu

kebijakan yang tepat dalam mengelola perusahaan.

Saat ini banyak sekali perubahan-perubahan yang terjadi, antara

lain adanya perkembangan teknologi dan informasi yang menyebabkan

muncul banyak sekali perusahaan, sehingga terjadi persaingan bisnis

antara perusahaan satu dengan perusahaan yang lainnya. Setiap perusahaan

berusaha untuk memenangkan persaingan dan menawarkan hasil produksi

yang berkualitas kepada konsumen.

Dengan kondisi seperti ini perusahaan perlu membuat strategi agar

konsumen tetap menjaga loyalitasnya terhadap perusahaan. Untuk

mengatasi permasalahan tersebut, maka perusahaan menggunakan cara

untuk meningkatkan mutu proses produksi agar dapat menciptakan

kualitas produk yang baik. Sekarang ini sektor industri banyak diminati


commit to user

2

oleh para pengusaha. Persaingan bisnis juga banyak terjadi pada

perusahaan dibidang industri. Dari banyak industri yang ada, industri

Textile merupakan salah satu bidang industri yang banyak terdapat di

Indonesia.

Forecasting (peramalan) adalah salah satu unsur yang sangat

penting dalam proses pengambilan keputusan. Peramalan yang dilakukan

umumnya didasarkan masalalu yang kemudian dianalisis dengan

menggunakan metode atau cara-cara tertentu. Data masalalu dikumpulkan,

dipelajari, dianalisis dan dihubungkan dengan perjalanan waktu. Karena

adanya faktor tersebut, maka dari data hasil analisis tersebut kita mencoba

mengatakan sesuatu yang terjadi di masa akan datang. Dalam hal ini kita

dihadapkan pada suatu kondisi ketidakpastian, sehingga akan ada faktor

akurasi atau ketidaksamaan yang harus diperhitungkan. Peramalan selalu

bertujuan agar ramalan yang dibuat bisa meminimumkan kesalahan

peramalan (forecast error) artinya perbedaan antara kenyataan dengan

ramalan tidak terlalu jauh. Ramalan yang baik adalah ramalan yang

mendekati kenyataan. Oleh karena peramalan digunakan sebagai acuan

dalam pengambilan keputusan, maka ramalan yang baik sangat

dibutuhkan.

Peramalan adalah seni dan ilmu memprediksi peristiwa-peristiwa

masa depan. Peramalan memerlukan pengambilan data historis dan

memproyeksikannya ke masa depan dengan beberapa bentuk model

sistematis (Render dan Heizer, 2001). Model peramalan seri waktu

memprediksi berdasarkan asumsi bahwa masa depan adalah fungsi dari


commit to user

3

masa lalu. Dengan kata lain, model ini melihat pada apa yang terjadi

selama periode waktu dan menggunakan data masalalu untuk membuat

ramalan (Render dan Heizer, 2001).

PT. Kusuma Mulia Textile merupakan salah satu perusahaan yang

bergerak dalam bidang industri Textile. Memproduksi kain mentah (Grey)

menjadi kain jadi, dan mendistribusikan produk kain dengan daerah

pemasaran meliputi Surakarta, Yogyakarta, Semarang, Jakarta, Bandung,

Denpasar, Medan, Surabaya dan Makasar. Jenis kain yang diproduksi

antara lain: Kain FBB, Kain Ahasi, Kain Saten, Kain Kamatex, Kain

BBTR, kain Nasatex, Kain ERO dan lain lain. Karena adanya beberapa

produk yang dihasilkan, PT. Kusuma Mulia Textile sangat memperhatikan

permintaan pasar dan keinginan konsumen.

Dalam penelitian ini, penulis ingin melakukan penelitian pada kain

jenis FBB. Dikarenakan, kain FBB lebih banyak dipesan dibanding jenis

kain lain. Kain jenis FBB juga memiliki volume produksi dan penjualan

yang tidak tetap dari bulan ke bulan, sehingga kondisi penjualan masa

depan pada PT. Kusuma Mulia penuh dengan ketidakpastian. Untuk itu,

PT. Kusuma Mulia Textile perlu melakukan suatu peramalan penjualan

guna menentukan berapa jumlah produk yang harus diproduksi dan dijual,

sehingga dapat memperkecil risiko kerugian dengan pemilihan metode

peramalan yang tepat. Selama ini, PT. Kusuma Mulia Textile belum

pernah melakukan peramalan penjualan secara efektif dan efisien untuk

menentukan perencanaan penjualan.


commit to user

4

Atas dasar hal tersebut, maka penulis tertarik untuk menjadikan

masalah tersebut sebagai fokus penelitian dengan judul: “PERAMALAN

PENJUALAN KAIN JENIS FBB PADA PERUSAHAAN PT.

KUSUMA MULIA TEXTILE”.

B. RUMUSAN MASALAH

Berdasarkan latar belakang masalah, maka dapat dirumuskan bahwa

pokok permasalahan yang akan dibahas dalam penelitian ini adalah:

1. Berapakah ramalan penjualan kain FBB pada bulan Maret 2012

dengan menggunakan Metode Single Moving Averages dan Metode

Exponential Smooting?

2. Metode peramalan manakah yang paling efisien untuk meramalkan

penjualan produk kain FBB?

C. TUJUAN PENELITIAN

Penelitian ini dilaksanakan dengan tujuan agar penelitian yang telah

dilakukan, hasilnya dapat memberikan manfaat yang sesuai dengan apa

yang dikehendaki.

Adapun tujuan penelitian ini adalah:

1. Membandingkan hasil peramalan penjualan kain FBB pada bulan

Maret 2012 dengan menggunakan Metode Single Moving Averages

dan Metode Exponential Smooting.

2. Menentukan metode peramalan yang paling efisien untuk meramalkan

penjualan produk kain FBB pada PT. Kusuma Mulia Textile.


commit to user

5

D. MANFAAT PENELITIAN

Manfaat yang dapat diambil dari penelitian ini adalah:

1. Manfaat akademis

a. Bagi Penulis

1) Penelitian ini diharapkan untuk menambah pengetahuan dan

pengalaman dengan menerapkan ilmu pengetahuan yang

diperoleh di perkuliahan, khususnya tentang metode peramalan.

2) Menambah wawasan berpikir mengenai masalah peramalan

yang terjadi di perusahaan dan mencoba untuk mencari

solusinya.

b. Bagi Pembaca

1) Penelitian ini diharapkan dapat menjadi bahan masukan untuk

peneliti lain yang mengambil kajian yang sama.

2) Dapat menambah pengetahuan dan pemahaman mengenai

penelitian-penelitian yang berkaitan dengan peramalan.

2. Manfaat Praktis

a. Bagi Perusahaan

1) Penelitian ini diharapkan menjadi bahan masukan bagi

manajemen perusahaan dalam pengambilan kebijakan yang

tepat, khususnya dalam peramalan jumlah penjualan yang


commit to user

6

selanjutnya digunakan sebagai dasar perencanaan produksi

yang akan datang.

2) Dapat membantu perusahaan dalam menentukan metode

peramalan yang tepat dan untuk mengetahui tingkat penjualan,

sehingga dapat membuat rencana produksi yang sesuai pada

periode yang akan datang.


commit to user

7

E. KERANGKA PEMIKIRAN

Gambar I.1 Kerangka Pemikiran

Data Historis

Data Jumlah Penjualan Kain Jenis FBB Pada Bulan

Sebelumnya

Penentuan Metode Peramalan

Metode Single Moving Average dan Exponential

Smoothing

Penentuan Error

Mencari Tingkat Kesalahan dari Masing-masing

Metode Peramalan

Penentuan Metode Peramalan Yang Tepat

Mencari Tingkat Kesalahan Dari Masing-Masing

Metode Peramalan

Ramalan Yang Akan Datang

Peramalan Penjualan Yang Akan Datang

Keputusan


commit to user

8

Keterangan :

Setiap perusahaan mengalami naik turun dalam penjualan suatu

produk, Umumnya permintaan konsumen terhadap pembelian produksinya

selalu berubah-ubah dalam setiap periode, dengan adanya ketidakpastian

suatu penjualan, sehingga perusahaan membuat suatu ramalan penjualan.

Di mana untuk membuat suatu ramalan tersebut diperlukan suatu data

historis pada periode-periode sebelumnya. Data sebelumnya digunakan

untuk meramalkan penjualan di periode yang akan datang. Data yang

dianalisis termasuk data yang bersifat acak atau random. Dalam

menghitung data tersebut digunakan dua metode yaitu Single Moving

Average dan Exponential Smoothing.

Dari hasil peramalan tersebut dicari tingkat kesalahan dengan

menggunakan MAD (Mean Absolute Deviation), MSE (Mean Square

Error). Untuk menghitung mana metode yang paling tepat dicari tingkat

kesalahan (Error) yang mendekati nol pada setiap metode peramalan.

Dari hasil peramalan tersebut dapat diketahui jumlah penjualan

kain jenis FBB pada bulan Maret 2012. Dengan adanya hasil peramalan

tersebut memberikan kemudahan dalam mengetahui jumlah penjualan, hal

tersebut dijadikan sebagai dasar dalam perencanaan produksi oleh manajer

perusahaan dalam memproduksi kain jenis FBB di bulan Maret 2012.

Selanjutnya manajer akan mengambil keputusan setelah mengetahui data

peramalan dan perencanaan di atas.


commit to user

9

F. METODE PENELITIAN

1. Desain Penelitian

Penelitian ini bersifat deskriptif. Penelitian deskriptif adalah penelitian

yang dilakukan untuk mengetahui nilai variabel mandiri, baik satu

variabel atau lebih (independen) tanpa membuat perbandingan atau

menghubungkan dengan variabel yang lain (Sugiyono:2001). Menurut

Sumarni (2005) tujuan analisis deskriptif adalah memperoleh jawaban

dari pertanyaan tentang siapa, kapan, di mana dan bagaimana dari

suatu topik penelitian. Jadi peneliti berupaya mendeskripsikan secara

sistematis faktual dan akurat mengenai fakta dan sifat topik penelitian

tersebut.

2. Objek Penelitian

Penelitian ini dilakukan di PT. Kusuma Mulia Textile, yang bergerak

dibidang industri textile, yang terletak di Jl. Cokroaminoto No. 47

Jebres, Sekarpace, Surakarta.

3. Sumber Data

Data yang digunakan dalam penelitian ini adalah:

a. Data Primer

Menurut Kuncoro (2003) data primer yaitu data yang diperoleh

dengan survei lapangan yang menggunakan semua metode

pengumpulan data original. Data primer dalam penelitian ini

meliputi data yang diperoleh dengan cara wawancara langsung

dengan Kepala Bagian Produksi mengenai aspek pemasaran

perusahaan dan mengenai proses produksi.


commit to user

10

b. Data Sekunder

Menurut Kuncoro (2003), data sekunder adalah data yang telah

dikumpulkan oleh lembaga pengumpul data dan dipublikasikan

kepada masyarakat pengguna data. Data sekunder dalam penelitian

ini meliputi: sejarah berdirinya PT. Kusuma Mulia Textile, struktur

organisasi, visi misi perusahaan, tujuan berdirinya perusahaan,

jumlah karyawan kantor dan jumlah karyawan produksi dan data

penjualan kain FBB selama periode 2011.

4. Teknik Pengumpulan Data

Teknik pengumpulan data dalam penelitian ini adalah:

a. Wawancara

Menurut Suliyanto (2006), wawancara adalah teknik pengambilan

data di mana peneliti langsung berdialog dengan responden untuk

menggali informasi dari responden. Cara pengumpulan data

dengan melakukan tanya jawab langsung dengan kepala bagian,

staf ataupun karyawan serta pihak-pihak yang bersangkutan

dengan pihak PT. Kusuma Mulia Textile. Dengan Kepala Bagian

Kepala Bagian Produksi wawancara mengenai proses produksi dan

aspek pemasaran.

b. Observasi

Menurut Suliyanto (2006), observasi adalah pengumpulan data

dengan menggunakan panca indra, jadi tidak hanya pengamatan

menggunakan mata. Dalam penelitian ini, peneliti melakukan

pengamatan dan pencatatan langsung mengenai kegiatan yang


commit to user

11

dilakukan PT. Kusuma Mulia Textile untuk menunjang data dalam

masalah yang diteliti.

c. Dokumentasi

Suatu pengumpulan data yang digunakan dengan cara mencatat

ataupun mengcopy data dari perusahaan. Data yang di copy dari

PT. Kusuma Mulia Textile berupa sejarah berdirinya PT. Kusuma

Mulia Textile, struktur organisasi, visi misi perusahaan, tujuan

berdirinya perusahaan, jumlah karyawan kantor dan jumlah

karyawan produksi dan data penjualan kain FBB periode 2011.

5. Teknik Analisis Data

Ada dua hal yang perlu diperhatikan dalam peramalan yang akurat dan

tepat. Pertama adalah pengumpulan data. Data harus relevan agar ramalan

yang dihasilkan bisa memberikan informasi yang akurat. Kedua adalah

pemilihan teknik yang tepat dan akurat.

Untuk melakukan peramalan permintaan produk berdasarkan data

yang diperoleh, peneliti akan menggunakan teknik analisis data dengan

metode kuantitatif.

Metode Single Moving Average dan Exponential Smoothing merupakan

metode dengan teknik peramalan kuantitatif statistik yang pada umumnya

menggunakan data historis yang menitikberatkan pada pola, perubahan

pola, dan faktor gangguan yang disebabkan oleh pengaruh acak (random).

Berdasarkan uraian di atas teknik analisis data yang digunakan oleh

penulis mengenai peramalan penjualan pada kain FBB di PT. Kusuma

Mulia Textile yaitu dengan metode Single Moving Average dan


commit to user

12

Exponential Smoothing dengan menggunakan MAD (Mean Absolute

Deviation), MSE (Mean Absolute Error) untuk menghitumg peramalan.

a. Metode Single Moving Average (Rata-rata Bergerak)

Menurut Render dan Heizer (2005) metode single moving average

adalah metode peramalan yang menggunakan rata-rata dari

sejumlah (n) data terkini untuk meramalkan periode mendatang.

Metode peramalan rata-rata bergerak (single moving average)

menggunakan sejumlah data aktual masa lalu untuk menghasilkan

peramalan.

Rumus yang digunakan dalam menghitung metode single moving

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

Rata-rata bergerak =

Di mana n adalah jumlah periode rata-rata bergerak.

b. Metode Exponential Smoothing (Penghalusan Exponential)

Exponential Smoothing merupakan metode peramalan rata-rata

bergerak dengan pembobotan yang canggih, namun masih mudah

digunakan. Metode ini menggunakan sangat sedikit pencatatan

masa lalu.

Ramalan-ramalan exponential yang dihasilkan dapat mengandung

banyak kesalahan karena fluktuasi random yang sangat besar pada

periode-periode waktu yang mutakhir dan hal ini timbul karena

dalam pemulusan exponential periode-periode yang terakhir

mendapat bobot yang lebih berat.


commit to user

13

Rumus exponential smoothing dasar dapat ditunjukkan sebagai

berikut (Render dan Heizer, 2005) :

Peralaman baru = peramalan periode lalu + α (permintaan

aktual periode lalu – peramalan periode lalu)

Di mana α sebuah bobot, atau konstanta penghalusan (smoothing

constant), yang dipilih oleh peramal yang mempunyai nilai antara 0

dan 1.

Secara matematis dapat juga ditulis sebagai berikut :

+ α ( - )

Keterangan :

Peramalan baru

= Peramalan sebelumnya

= Konstanta penulisan (0-1)

= Permintaan aktual periode sebelumnya

c. Pengukuran Kesalahan Peramalan (Forecast Error)

Menurut Taylor (2004) pengukuran kesalahan peramalan

merupakan perbedaan antara peramalan permintaan dengan

permintaan aktual. Meskipun suatu jumlah kesalahan ramalan tidak

dapat dielakkan namun tujuan ramalan adalah agar kesalahannya

menjadi sekecil mungkin.

Sedangkan menurut Nasution (2003) pengukuran kesalahan

peramalan merupakan ukuran tentang tingkat perbedaan antara

hasil peramalan dengan permintaan sebenarnya terjadi. Rumus

yang biasanya digunakan dalam pengukuran kesalahan, yaitu :


commit to user

14

1) Rata-rata Deviasi Mutlak (Mean Absolute Deviation =

MAD)

MAD merupakan rata-rata kesalahan mutlak selama

periode tertentu tanpa memperhatikan apakah hasil

peramalan lebih besar atau lebih kecil dibandingkan dengan

kenyataannya. Secara matematis MAD dapat dirumuskan :

MAD =

Keterangan :

= Permintaan aktual pada periode t

= Peramalan permintaan pada periode t

= Jumlah periode peramalan yang terlibat

2) Rata-rata Kuadrat Kesalahan (Mean Square Error = MSE)

MSE merupakan metode alternatif dalam suatu metode

peramalan. Pendekatan ini penting karena teknik ini

menghasilkan kesalahan yang moderat lebih disukai oleh

suatu peramalan yang sangat besar. Secara matematis MSE

dirumuskan sebagai berikut :

MSE =

Keterangan :





commit to user

15

BAB II

TINJAUAN PUSTAKA

A. Pengertian Peramalan

Peramalan merupakan gambaran keadaan perusahaan pada masa

yang akan datang. Gambaran tersebut sangat penting bagi manajemen

perusahaan, karena dengan gambaran tersebut maka perusahaan dapat

memprediksi langkah-langkah apa saja yang diambil dalam memenuhi

permintaan konsumen.

Ramalan memang tidak selalu tepat seratus persen, karena masa

depan mengandung masalah ketidakpastian. Namun dengan pemilihan

metode yang tepat, dapat membuat peramalan dengan tingkat kesalahan

yang kecil.

Berikut pengertian peramalan menurut pendapat dari beberapa ahli:

1. Menurut Nasution (2003), peramalan adalah memperkirakan

beberapa kebutuhan di masa datang meliputi kebutuhan dalam

ukuran kuantitas (jumlah), kualitas (mutu), waktu dan lokasi

yang dibutuhkan dalam rangka memenuhi permintaan barang

atau jasa.

2. Menurut Render dan Heizer (2006), peramalan (forecasting)

adalah seni dan ilmu memprediksi peristiwa masa depan.

Peramalan memerlukan pengambilan data historis dan

memproyeksikannya ke masa depan.


commit to user

16

3. Menurut Ishak (2010), peramalan adalah pemikiran terhadap

suatu besaran, misalnya permintaan terhadap satu atau

beberapa produk pada periode yang akan datang.

B. Tujuan Peramalan

Menurut Subagyo (2002), tujuan peramalan adalah mendapatkan

peramalan yang bisa meminimumkan kesalahan meramal (Forecast Error)

yang bias diukur dengan Mean Absolute Error (MAE) dan Mean Squared

Error (MSE). Sehingga dengan adanya peramalan produksi, manajemen

perusahaan akan mendapatkan gambaran keadaan produksi di masa akan

datang dan akan memberikan kemudahan manajemen perusahaan dalam

menentukan kebijakan yang akan dibuat oleh perusahaan.

C. Jenis-jenis Peramalan

Menurut Render dan Heizer (2005), peramalan dapat dibedakan menjadi 3

jenis, yaitu:

1. Peramalan Ekonomi (Economic Forecast)

Menjelaskan siklus bisnis dengan memprediksi tingkat inflasi,

ketersediaan uang, dana yang dibutuhkan untuk membantu perumahan

dan indikator perencanaan lainnya.

2. Peramalan Teknologi ( Technological Forecast)

Memperhatikan tingkat kemajuan teknologi yang dapat

meluncurkan produk baru yang menarik, membutuhkan pabrik dan

peralatan baru.


commit to user

17

3. Peramalan Permintaan (Demand Forecast)

Proyeksi permintaan untuk produk atau layanan suatu perusahaan.

Peramalan ini juga disebut peramalan penjualan yang mengendalikan

produksi, kapasitas, serta sistem penjadwalan dan menjadi input bagi

perencanaan keuangan, pemasaran dan sumber daya manusia.

D. Peramalan Menurut Horizon Waktunya

Peramalan dapat dibedakan ke dalam tiga kelompok, yaitu (Nasution,

2005):

1. Peramalan Jangka Panjang, yaitu peramalan yang umumnya dua

sampai sepuluh tahun. Peramalan ini digunakan untuk perencanaan

produk dan perencanaan sumber daya.

2. Peramalan Jangka Menengah, yaitu peramalan yang umumnya satu

sampai dua puluh empat bulan. Peramalan ini lebih mengkhusus

dibanding peramalan jangka panjang, biasanya digunakan untuk

menentukan aliran kas, perencanaan produksi dan penentuan

anggaran.

3. Peramalan Jangka Pendek, yaitu peramalan yang umumnya satu

sampai lima minggu. Peramalan ini digunakan untuk mengambil

keputusan dalam hal perlu tidaknya lembur, penjadwalan kerja dan

lain-lain.


commit to user

18

E. Faktor-faktor Yang Mempengaruhi Pemilihan Teknik Peramalan

Peramalan sebenarnya upaya untuk memperkecil risiko yang

timbul akibat pengambilan keputusan dalam suatu perencanaan

produksi.

Berikut ini merupakan beberapa faktor-faktor yang harus

dipertimbangkan (Ishak, 2010):

1. Horizon Peramalan:

Ada dua aspek dari horizon waktu:

a. Cakupan waktu di masa yang akan datang.

Untuk mana perbedaan dari metode peramalan yang

digunakan sebaiknya disesuaikan.

b. Jumlah periode untuk mana ramalan diinginkan.

Beberapa teknik metode hanya dapat disesuaikan

untuk peramalan satu atau dua periode di muka.

2. Tingkat Ketelitian:

Tingkat ketelitian yang dibutuhkan sangat erat

hubungannya dengan tingkat perincian yang dibutuhkan dalam

suatu peramalan.

3. Ketersediaan Data:

Metode yang dipergunakan sangat besar manfaatnya,

apabila dikaitkan dengan keadaan atau informasi yang ada atau

data yang dipunyai.


commit to user

19

4. Bentuk Pola Data:

Data dasar dari metode peramalan adalah anggapan bahwa

macam dari pola yang didapat dalam data yang diramalkan

akan berkelanjutan.

5. Biaya:

Umumnya ada empat unsur biaya yang tercakup dalam

penggunaan suatu prosedur peramalan, yaitu biaya-biaya

pengembangan, penyimpanan (storage) data, operasi

pelaksanaan kesempatan penggunaan teknik-teknik dan metode

lainnya.

6. Jenis dan Model:

Banyak metode peramalan telah menganggap adanya

beberapa model dari keadaan yang diramalkan.

7. Mudah Tidaknya Penggunaan dan Aplikasinya:

Metode-metode yang dapat dimengerti mudah diaplikasi

yang akan dipergunakan dalam pengambilan keputusan dan

analisis.

F. Sifat-sifat Peramalan

Dalam membuat peramalan atau menerapkan hasil peramalan, ada

beberapa hal yang harus dipertimbangkan, yaitu:

1. Peramalan pasti mengandung kesalahan, artinya peramal hanya

bisa mengurangi ketidakpastian yang akan terjadi tetapi tidak dapat

menghilangkan ketidakpastian tersebut.


commit to user

20

2. Peramalan seharusnya memberikan informasi mengenai berapa

ukuran kesalahan.

3. Peramalan jangka pendek lebih akurat dibandingkan dengan

peramalan jangka panjang.

(Ishak, 2010).

G. Tahap-tahap Peramalan

Menurut Render dan Heizer (2005) ada tujuh tahap, yaitu:

1. Menentukan tujuan peramalan.

2. Memilih unsur apa yang akan diramal.

3. Menentukan horizon waktu peramalan (pendek, menengah atau

panjang).

4. Memilih tipe model peramalan adalah menggunakan beragam

model statistik yang akan dibahas sekarang, termasuk rata-rata

bergerak, penghalusan eksponensial dan analisis regresi.

5. Mengumpulkan data yang diperlukan untuk melakukan peramalan.

6. Membuat peramalan.

7. Memvalidasi dan menerapkan hasil peramalan adalah pengkajian

terhadap peramalan dilakukan setiap hari, untuk memastikan

model, asumsi dan data yang digunakan sudah valid.

H. Karakteristik Peramalan yang Baik

Menurut Ishak (2010), karakteristik peramalan yang baik adalah sebagai

berikut:


commit to user

21

1. Akurasi

Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasaan

dan kekonsistenan peramalan tersebut. Hasil peramalan dikatakan bias

bila peramalan tersebut terlalu tinggi atau rendah dibandingkan dengan

kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan

konsisten bila besarnya kesalahan peramalan relative kecil.

2. Biaya

Biaya yang diperlukan dalam pembuatan suatu peramalan adalah

tergantung dari jumlah item yang diramalkan, lamanya periode

peramalan dan metode peramalan yang dipakai. Ketiga faktor pemicu

biaya tersebut akan mempengaruhi berapa banyak data yang

dibutuhkan, bagaimana pengolahan datanya (manual atau

komputerisasi), bagaimana penyimpanan datanya, dan siapa tenaga

ahli yang diperbantukan.

3. Kemudahan

Pengguna metode peramalan yang sederhana, mudah dibuat dan

mudah diaplikasikan akan memberikan keuntungan bagi perusahaan.

Percuma memakai metode canggih, tetapi tidak dapat diaplikasikan

pada sistem perusahaan karena keterbatasan dana, sumber daya

manusia maupun peralatan teknologi.

I. Pendekatan Dalam Peramalan

Dalam metode peramalan yang akurat dan bermanfaat, selain

mengandalkan pengumpulan data yang relevan dibutuhkan teknik-teknik


commit to user

22

pengumpulan data yang tepat. Terdapat dua pendekatan umum peramalan

yang tepat untuk digunakan yaitu :

1. Analisis Kualitatif (Qualitative Forecast)

Yaitu peramalan yang menggabungkan faktor-faktor penting

seperti intuisi pengambilan keputusan, pengalaman pribadi, emosi,

dan sistem nilai (Render dan Hiezer,2005).

Ada empat teknik peramalan kualitatif yang tepat digunakan adalah

sebagai berikut :

a. Keputusan dari Pendapatan Juri Eksekutif (Juri of Executive

Opinion).

Dalam metode ini, pendapatan sekumpulan kecil manajer atau

pakar tingkat tinggi sering dikombinasikan dengan model

statistik, dikumpulkan untuk mendapatkan prediksi permintaan

kelompok.

b. Metode Delphi (Delphi Method)

Teknik peramalan yang menggunakan proses kelompok dimana

para pakar melakukan peramalan.

c. Gabungan dari Teknik Penjualan (Sales Force Composite).

Dalam pendekatan ini, setiap tenaga penjualan memperkirakan

berapa penjualan yang bisa ia lakukan dalam wilayahnya.

d. Survei Pasar konsumen (Consumer Market Survei)

Metode peramalan meminta input dari konsumen mengenai

rencana pembelian mereka di masa depan.


commit to user

23

2. Analisis Kuantitatif (Quantitative Forecast)

Yaitu peramalan yang mengguakan satu atau lebih model

matematis dengan data masa lalu dan variabel sebab akibat untuk

meramalkan permintaan (Render dan Heizer,2005).

Teknik peramalan kuantitatif dikelompokkan menjadi dua, yaitu :

a. Model Serial Waktu (Time Series)

Model Time Series membuat prediksi dengan asumsi bahwa

masa depan merupakan fungsi masa lalu. Dengan kata lain,

mereka melihat apa yang akan terjadi selama kurun waktu

tertentu dan menggunakan data masa lalu tersebut untuk

melakukan peramalan (Render dan Heizer:2005)

Pengolahan data kuantitatif dari segi waktu Time Series dapat

dilakukan dengan lima metode yaitu sebagi berikut (Render

dan Heizer:2005) :

1) Metode Pendekatan Naif

Teknik peramalan yang mengasumsikan permintaan

diperiode mendatang sama dengan permintaan terkini.

2) Metode Single Moving Average (Rata-rata bergerak)

Menurut Render dan Heizer (2005) metode Single Moving

Average adalah metode peramalan yang menggunakan rata-

rata dari sejumlah (n) data terkini untuk meramalkan

periode mendatang. Metode peramalan rata-rata bergerak

(Single Moving Average) menggunakan sejumlah data

aktual masa lalu untuk menghasilkan peramalan.


commit to user

24

Rumus yang digunakan dalam menghitung metode Single

Moving Average adalah sebagai berikut (Render dan

Heizer:2005) :

Rata-rata bergerak

=

Di mana n adalah jumlah periode rata-rata bergerak.

3) Metode Weight Moving Average (Rata-rata tertimbang)

Apabila ada pola yang trend dan pola yang terdeteksi, bobot

dapat digunakan untuk menempatkan penekanan yang lebih

pada nilai terkini. Teknik ini lebih responsif terhadap

perubahan karena periode yang lebih dekat mendapat bobot

yang lebih berat. Pemilihan bobot merupakan hal yang

tidak pasti karena tidak ada rumus untuk menetapkan

mereka (Render dan Heizer:2005).

Rata-rata bergerak dengan pembobotan dapat digambarkan

secara sistematis sebagai berikut :

Rata-rata bergerak dengan pembobotan

=

Di mana n adalah jumlah periode dalam rata-rata bergerak

tertimbang.

4) Metode Exponential Smoothing (Penghalusan Exponential)

Exponential Smoothing merupakan metode peramalan rata-

rata bergerak dengan pembobotan yang canggih, namun


commit to user

25

masih mudah digunakan. Metode ini menggunakan sangat

sedikit pencatatan masa lalu.

Ramalan-ramalan Exponential yang dihasilkan dapat

mengandung banyak kesalahan karena fluktuasi random

yang sangat besar pada periode-periode waktu yang

mutakhir dan hal ini timbul karena dalam pemulusan

Exponential periode-periode yang terakhir mendapat bobot

yang lebih berat.

Rumus Exponential Smoothing dasar dapat ditunjukkan

sebagai berikut (Render dan Heizer:2005) :

Peralaman baru = peramalan periode lalu + (permintaan

aktual periode lalu – peramalan periode lalu)

Di mana sebuah bobot, atau konstanta penghalusan

(Smoothing Constant), yang dipilih oleh peramal yang

mempunyai nilai antara 0 dan 1.

Secara matematis dapat juga ditulis sebagai berikut :

+ ( - )

Keterangan :

Peramalan baru

= Peramalan sebelumnya

= Konstanta penulisan (0-1)

= Permintaan aktual periode sebelumnya


commit to user

26

b. Metode Kausal

Model kausal ini bertujuan untuk meramalkan keadaan di

masa yang akan datang dengan menemukan dan mengukur

beberapa variabel bebas yang penting beserta pengaruhnya

terhadap variabel tidak bebas diamati.

Adapun teknik yang biasa digunakan dalam model kausal,

yaitu :

1) Regresi Linier (Linier Regression)

Dalam banyak hal terdapat dua variabel atau lebih

yang saling berhubungan dan saling mempengaruhi. Untuk

mengetahui sejauh mana hubungan antara dua variabel atau

satu variabel dengan beberapa variabel lainnya perlu di buat

model.

Adapun kecenderungan titik-titik koordinat dari

variabel bebas dan variabel tidak bebas membentuk suatu

garis linier (lurus), model ini dinamakan regresi linier.

Sebaliknya, apabila hubungan berbentuk kuadrat,

Exponential atau sejenisnya dinamakan regresi non linier.

Jika hubungan itu hanya melibatkan satu variabel bebas,

model itu disebut regresi linier sederhana.

Bentuk persamaan regresi linier (Render dan Heizer:2007)

:

ŷ = a + bx


commit to user

27

Keterangan :

ŷ = nilai variabel terikat

a = persilangan sumbu y

b = kemiringan garis regresi (tingkat perubahan pada y

untuk perubahan yang terjadi di x)

x = variabel bebas (waktu)

perubahan rata-rata y terhadap perubahan per unit x. Nilai a

dan b meminimumkan jumlah kesalahan kuadrat, dapat

dicari dengan menggunakan persamaan sebagai berikut :

a =

b =

2) Proyeksi Trend (Trend Projection)

Proyeksi Trend adalah teknik mencocokkan garis

trend pada serangkaian data masa lalu dan kemudian

memproyeksikan garis pada masa datang untuk peramalan

jangka menengah dan panjang (Render dan Heizer:2005).

Secara matematis, persamaan penulisan Trend

Projection adalah sebagai berikut (Render dan

Heizer:2005) :

ŷ = a + bx

Keterangan :

ŷ = nilai variabel terikat



commit to user

28

b = kemiringan garis regresi (tingkat perubahan pada y

untuk perubahan yang terjadi di x)

x = variabel bebas (waktu)

Untuk menentukan nilai a dan b menggunakan rumus :

a = - b b =

Untuk menentukan nilai dan menggunakan rumus :

Keterangan :

= =


b = kelandaiaan garis regresi

Σ = tanda penjumlahan total

x = nilai variabel bebas yang diketahui

y = nilai variabel terkait yang diketahui

= rata-rata nilai x

= rata-rata nilai y

n = jumlah data atau pengamatan

J. Pengukuran Kesalahan Peramalan (Forecast Error)

Menurut Taylor (2004) pengukuran kesalahan peramalan

merupakan perbedaan antara peramalan permintaan dengan permintaan

aktual. Meskipun suatu jumlah kesalahan ramalan tidak dapat dielakkan

namun tujuan ramalan adalah agar kesalahannya menjadi sekecil mungkin.


commit to user

29

Sedangkan menurut Nasution (2003) pengukuran kesalahan

peramalan merupakan ukuran tentang tingkat perbedaan antara hasil

peramalan dengan permintaan sebenarnya terjadi. Rumus yang biasanya

digunakan dalam pengukuran kesalahan, yaitu :

1. Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD)

MAD merupakan rata-rata kesalahan mutlak selama periode tertentu

tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih

kecil dibandingkan dengan kenyataannya. Secara matematis MAD

dapat dirumuskan :

MAD =

Keterangan :




2. Rata-rata Kuadrat Kesalahan (Mean Square Error = MSE)

MSE merupakan metode alternatif dalam suatu metode peramalan.

Pendekatan ini penting karena teknik ini menghasilkan kesalahan yang

moderat lebih disukai oleh suatu peramalan yang sangat besar. Secara

matematis MSE dirumuskan sebagai berikut :

MSE =

Keterangan :




commit to user

30


3. Rata-rata Kesalahan Peramalan (Mean Forecast Error = MFE)

MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan

selama periode tertentu terlalu tinggi atau terlalu rendah. Bila hasil

peramalan tidak bias, maka nilai MFE akan mendekati nol. MFE

dihitung dengan menjumlahkan semua kesalahan peramalan selama

periode peramalan. Secara matematis, rumus MFE dinyatakan sebagai

berikut:

MFE = ∑ n

FtAt )(

Keterangan:

At = Permintaan Aktual pada periode t

Ft = Peramalan permintaan pada periode t

n = Jumlah periode peramalan yang terlibat

4. Rata-rata Persentase Kesalahan Absolut (Mean Absolute Percentage

Error = MAPE)

MAPE merupakan ukuran kesalahan relative dan menyatakan

persentase kesalahan hasil peramalan terhadap permintaan actual

selama periode tertentu yang akan memberikan informasi persentase

kesalahan terlalu tinggi atau terlalu rendah. Secara matematis, MAPE

dinyatakan sebagai berikut:

MAPE =

n

100∑At -

At

Ft

Keterangan:

At = Permintaan Aktual pada periode –t


commit to user

31

Ft = Peramalan Permintaan (Forecast) pada periode –t

n = Jumlah periode peramalan yang terlibat


commit to user

32

BAB III

PEMBAHASAN

A. GAMBARAN UMUM PERUSAHAAN

1. Sejarah Perusahaan

PT. KUSUMA MULIA TEXTILE merupakan sebuah perusahaan

yang bergerak di bidang pertextilan. PT. KUSUMA MULIA

TEXTILE didirikan oleh Drs. Rudy Indrianto, AKT pada tanggal 17

November 1997 berdasarkan Nomor Pendaftaran Industri Kecil

(NIPIK) 09.3310-02486 dengan Wajib Pajak (NPWP) 1.736.434.0-525

merupakan perusahaan industri textile yang terletak di kota Solo Jawa

Tengah. PT. KUSUMA MULIA TEXTILE berawal dari

pengambilalihan PT. ASIA JAYA ANEKA sekitar tahun 70-an.

PT. ASIA JAYA ANEKA berganti nama menjadi PT. YULIA

PRINT, pada tahun 1996 PT. YULIA PRINT diganti kembali menjadi

PT. KUSUMA MULIA TEXTILE. Sebagai salah satu produsen kain

warna yang berorientasi dalam negeri, perusahaan berupaya untuk

mengikut perkembangan permintaan pasar, sehingga desain model

kain warna selalu diperbarui dari waktu ke waktu. Dengan pengalaman

sebelumnya, maka perusahaan selalu mengadakan inovasi desain kain

warna, komposisi serta desain yang selalu berubah-ubah menuruti

permintaan pasar yang terus menerus mengalami perkembangan.

Dalam hal tersebut tidak lepas dari kemampuan perusahaan untuk

memenuhi standar mutu yang diharapkan oleh konsumen. Selain itu,


commit to user

33

perusahaan juga aktif dalam membuat model dan desain sendiri,

didamping desain yang diberikan oleh konsumen (artinya konsumen

membawa contoh kain warna sendiri). Dengan sistem kerja yang baik

akan sangat mendukung perusahaan untuk dapat memperoleh hasil

produksi yang baik pula.

2. Lokasi Perusahaan

PT. KUSUMA MULIA TEXTILE berlokasi di Jalan

Cokroaminoto No. 47 Jebres, Sekarpace Surakarta. Dalam mendirikan

sebuah perusahaan harus mempertimbangkan unsur lokasi, karena

agar tidak mengalami kesulitan bila perusahaan akan mengembangkan

bisnisnya. Penentuan lokasi perlu karena demi kelancaran dan

kelangsungan hidup perusahaan, baik untuk mempertimbangkan

jangka panjang maupun jangka pendek yang menyangkut

perkembangan perusahaan. Misalkan jika perusahaan ingin

mengadakan perluasan, maka perusahaan tidak mengalami kesulitan.

Oleh karena itu, dalam menentukan lokasi suatu perusahaan

diperlukan banyak pertimbangan yang matang. Adapun pertimbangan

di dalam menentukan lokasi perusahaan tersebut berdasarkan pada:

a. Segi Teknis

1) Lokasi PT. KUSUMA MULIA TEXTILE tidak jauh dari

jalan utama kota Surakarta, sehingga pemasaran dan

pengiriman barang-barang ke perusahaan lain atau

konsumen tidak mengalami kesulitan atau kendala apapun.


commit to user

34

2) Fasilitas-fasilitas yang berhubungan dengan produksi

seperti penyediaan air dan tenaga-tenaga fisik cukup

tersedia dan mudah diperoleh.

b. Segi Ekonomi

1) Lokasi PT. KUSUMA MULIA TEXTILE sangat strategis

karena terletak di kota Surakarta yang terkenal sebagai kota

dagang, industri, seni dan budaya. Hal ini akan

memudahkan dalam melakukan pemasaran produk.

2) Lokasi PT. KUSUMA MULIA TEXTILE juga tidak jauh

dengan pemukiman penduduk. Jadi dapat dengan mudah

melakukan rekrutmen tenaga kerja, sehingga gaji tenaga

kerja relative lebih murah dan ini dapat menekan biaya

yang dikeluarkan oleh perusahaan.

c. Segi Sosial

1) Dengan berdirinya PT. KUSUMA MULIA TEXTILE dapat

merekrut tenaga kerja dari daerah sekitar.

2) Berdirinya PT. KUSUMA MULIA TEXTILE ini

diharapkan tidak mengganggu keamanan dan kesibukan

kota.


commit to user

35

3. Tujuan Pendirian Perusahaan

Tujuan berdirinya PT. KUSUMA MULIA TEXTILE terbagi menjadi

dua, yaitu:

a. Tujuan umum, meliputi:

1) Untuk menampung tenaga kerja, sehingga dapat membantu

mengurangi pengangguran.

2) Untuk memenuhi kebutuhan masyarakat akan kebutuhan kain

textile.

3) Untuk membantu usaha pemerintah dalam melaksanakan

pembangunan nasional, khususnya dalam bidang industri

textile.

b. Tujuan khusus, meliputi:

Untuk memperoleh laba yang optimal bagi pemilik perusahaan

guna menunjang kelangsungan hidup perusahaan.


commit to user

36

B. SRUKTUR ORGANISASI

Gambar III.1

Struktur organisasi PT. Kusuma Mulia Textile Surakarta

Berdasarkan gambar di atas dapat diuraikan tugas dan tanggung jawab dari

tiap kegiatan dalam struktur organisasi PT. Kusuma Mulia Textile adalah

sebagai berikut:

1. Owner

Owner adalah pemilik perusahaan.

a. Mempertahankan saham yang dimilikinya.

b. Membuat rencana produksi dan jalannya produksi.

OWENER

Utility/

MTC

Gudang

Jadi

INDEPENDENT

HRD

(personalia)

Acounting

Marketing

Pembelian

Quality Control

Lab dan PPIC Produksi Gudang

GREY

Factory Manajer

Direktur


commit to user

37

2. Direktur

Direktur adalah sebagai penghubung dewan direksi dengan dewan

komisaris, juga sebagai koordinator dari dewan direksi yang

menjalankan tugasnya dalam sebuah perusahaan. Pimpinan perusahaan

atau direktur utama memiliki tugas antara lain:

a. Merencanakan, mengoordinasi, mengawasi dan mengevaluasi

kegiatan perusahaan.

b. Menentukan garis kebijaksanaan untuk kelancaran jalannya

perusahaan.

c. Mengadakan hubungan kerja sama dengan perusahaan lain.

3. Factory Manager

Tugas dan tanggung jawab dari Factory Manajer adalah mengatur dan

mengawasi semua pekerjaan (bagian Produksi) yang dilakukan demi

kelancaran produksi agar sesuai dengan target yang ditentukan mulai

dari perencanaan produksi, pemrosesan sampai dengan proses

finishing.

4. Kepala Bagian Pembelian

a. Menerima surat permintaan harian.

b. Mengatur dan menerapkan jenis dan jumlah yang hrus diproduksi.

c. Mengatur pergudangan barang jadi.

5. Kepala Bagian Pemasaran (Marketing)

a. Mengatur dan menetapkan pengiriman barang.

b. Mengatur dan menetapkan cara promosi.

c. Mengatur dan menetapkan cara-cara penagihan.


commit to user

38

d. Mengatur perdagangan barang jadi.

e. Membuat permintaan produksi.

6. Kepala Bagian Akuntansi

a. Menyelenggarakan pembukuan.

b. Menyusun laporan laba rugi dan neraca.

c. Mengisi laporan perpajakan dan perbankan.

7. Kepala Bagian Personalia (Human Resources and Development)

Mengatur segala jenis urusan:

a. Karyawan

Karyawan dapat dibagi menjadi tiga, yaitu: karyawan tetap,

karyawan tidak tetap dan buruh.

b. System pembagian gaji

Pembagian gaji dibagikan pada tiap awal bulan.

c. System jam kerja

1) Shift I jam kerja 07.00 sampai dengan 15.00

2) Shift II jam kerja 15.00 sampai dengan 23.00

d. Program keselamatan kerja

Keselamatan kerja merupakan bagian penting dalam produksi

untuk menghindari kecelakaan kerja, maka perusahaan

memberikan perlengkapan kerja kepada bagian-bagian tertentu

yang dianggap rawan kecelakaan.

8. Kepala Bagian Laboratorium dan PPIC (Production Planning and

Inventory Control)


commit to user

39

a. Membuat planning produksi dan pemasaran berdasarkan repeat

order.

b. Melakukan analisa secara berkala

9. Kepala Bagian Gudang

a. Mempersiapkan data barang kebutuhan pabrik yang akan dibeli.

b. Menyimpan dan memelihara dokumen yang ada pada bagian

pembelian.

c. Menerima, menyimpan dan mengeluarkan bahan baku.

d. Mencatat seluruh proses keluar masuknya bahan baku.

10. Kepala Bagian Produksi

a. Mengatur, menetapkan dan mengawasi jalannya kegiatan produksi.

b. Mengatur dan menetapkan jenis dan jumlah yang harus diproduksi.

c. Mengatur pergudangan barang jadi.

d. Membuat laporan produksi

11. Quality Control

a. Mengawasi urusan control testing dan urusan packing.

b. Memantau proses produksi untuk membantu menjaga kualitas

produk sebelum diterima konsumen.

12. Utility / MTC (Maintanance)

Bagian yang bertanggung jawab atas pemeliharaaan dan perawatan

terhadap mesin – mesin pabrik, instalasi listrik dan peralatan kantor.


commit to user

40

C. ASPEK PRODUKSI

1. Hasil Produksi

PT. Kusuma Mulia Textile menghasilkan produk kain jadi dengan

ukuran dan warna yang berbeda beda. Hai ini bertujuan untuk

memenuhi permintaan pelanggan.

2. Bahan-bahan yang Digunakan

Dalam proses produksi, dibutuhkan bahan baku dan bahan penolong.

Bahan baku adalah bahan utama yang digunakan dalam proses

produksi. Sedang bahan penolong adalah bahan pelengkap yang

digunakan dalam proses produksi apabila terjadi penghambatan dalam

proses produksi. Dalam proses produksi PT. Kusuma mulia Textile

membutuhkan bahan baku dan bahan menolong. Bahan-bahan tersebut

antara lain:

a. Bahan Baku Produksi

Bahan baku yang digunakan dalam proses produksi pada PT.

Kusuma Mulia Textile adalah kain mentah atau kain putih polos.

Kain mentah tersebut terdiri dari beberapa jenis yang disesuaikan

dengan permintaan konsumen. Karena PT. Kusuma Mulia Textile

Surakarta telah memiliki koneksi dengan beberapa suplier kain

maka tidak sulit untuk mendapatkan kain mentah tersebut. Untuk

pemesanan bahan baku dilakukan dengan 4 cara yaitu melalui

telepon, faksimile, surat dan pemesanan langsung kepada suplier.


commit to user

41

TABEL III.1

PERUSAHAAN SUPLIER KAIN

PT. KUSUMA MULIA TEXTILE SURAKARTA

No Nama Perusahaan Kota

1 Surya Kebaktex Karanganyar

2 Sukoharjotex Sukoharjo

3 Ceper Klaten

4 Kusuma Yogyakarta

5 Bola Mas Bandung

6 Dadang Bandung

7 Suryatex Bandung

8 Setia tunggal Bandung

b. Bahan Penolong

Bahan penolong yang digunakan antara lain :

1) Pewarnaan kain

Digunakan sebagai bahan untuk mewarnai kain. Pewarnaan

kain merupakan bahan penolong yang mutlak bagi proses

produksi PT. Kusuma Mulia Textile karena tanpa bahan ini

proses produksi akan terhenti. Oleh sebab itu, PT. Kusuma

Mulia Textile menjalin kerja sama dengan distributor bahan

kimia untuk penyediaan bahan baku pewarna kain.


commit to user

42

2) Apperton

Apperton merupakan senyawa kimia yang digunakan untuk

merekatkan dan merapatkan pori-pori kain sehingga pori-pori

tidak akan renggang.

3) Tapioka atau Tepung Kanji

Fungsi tapioka atau tepung kanji adalah untuk menutupi pori -

pori kain Biasanya tapioka dicampur dengan Aperton untuk

menghasilkan cairan yang lengket guna menutupi pori-pori

kain.

4) H2SO4, Cuka dan Kaporit

H2SO4 merupakan senyawa kimia asam sulfat. Fungsi H2SO4,

cuka dan kaporit adalah untuk membersihkan kanji yang

melengket pada kain.

5) Tawas

Tawas digunakan untuk menghilangkan bau tidak sedap yang

ditimbulkan H2SO4, cuka dan kaporit.

3. Mesin dan Peralatan

Dalam melakukan proses produksi, PT. Kusuma Mulia Textile

menggunakan mesin dan peralatan produksi berupa:

a. Boiler

Yaitu alat yang digunakan untuk menghasilkan uap panas. Uap

panas tersebut digunakan untuk mengolah kain. Kain dari bagian

grey (bagian bahan baku) dimasukkan ke dalam bak penampung


commit to user

43

besar yang berisi air. Air tersebut kemudian dipanasi menggunakan

uap air yang dihasilkan oleh boiler yang disalurkan melalui pipa

besi yang dimasukkan ke dalam bak penampung. Suhu yang

dihasilkan boiler 150 derajat celcius.

b. Jingger

Adalah alat yang digunakan untuk proses pewarnaan kain. Selain

kain diolah kemudian digulung dengan blazer atau roll dan kain

tersebut dimasukkan dalam mesin jingger.

c. Finishing

Adalah alat yang digunakan untuk proses pengeringan kain. Kain

yang sudah diwarnai kemudian dikeringkan dengan menggunakan

mesin finishing. Panas yang digunakan untuk mengeringkan kain

bersumber dari api dan angin. Jumlah mesin finishing ada 8 buah

mesin, dan karyawan PT. Kusuma Mulia Textile biasa

menyebutnya dengan sebutan dandang.

d. Folding

Alat yang digunakan untuk melipat kain. Kain yang telah kering

kemudian dilipat dengan menggunakan mesin folding.

e. Rolling

Adalah alat yang digunakan untuk menggulung kain.


commit to user

44

4. Proses produksi

Gambar III.2

Alur Proses Produksi Kain

Sumber: PT. Kusuma Mulia Textile

Keterangan:

a. Tahap pertama, grey atau kain mentah merupakan bahan pokok

yang digunakan untuk barang jadi. Kain mentah ini masih

berwarna dasar yaitu putih.

b. Tahap kedua, pemrosesan kain grey. Kain grey diproses dalam

mesin jingger dengan pemrosesan hilang kanji.

c. Tahap ketiga, setelah pemrosesan hilang kanji kemudian

pemberian warna baik itu putih ataupun kelir.

d. Tahap keempat adalah finishing. Setelah dalam mesin setting kain

diberi resin finish dan softener atau pemanis dan pelembut, dan

GREY (Kain Mentah)

STENTER

JINGGER

KAIN JADI

FINISHING


commit to user

45

akan mengalami proses penganjian lagi. Kemudian kain disetting

dalam mesin stenter (dilakukan agar ukuran kain dapat stabil).

e. Tahap kelima, kain jadi di packing pada proses pengepakan.

Proses pengepakan dibagi menjadi dua yaitu dengan folding dan

rolling kemudian diberi etiket plastik.

D. ASPEK PERSONALIA

1. Jumlah Tenaga Kerja

Jumlah karyawan merupakan salah satu tolak ukur sebuah perusahaan

dikatakan besar atau kecil. Karyawan bisa diibaratkan sebagai mesin

penggerak dalam suatu perusahaan. PT. Kusuma Mulia Textile dalam

mengoperasikan usahanya selain menggunakan mesin, juga

memerlukan karyawan. Berikut data tenaga kerja pada PT. Kusuma

Mulia Textile pada tahun 2011.

Tabel III.2

Jumlah Tenaga Kerta PT. Kusuma Mulia Textile Surakarta

Tahun 2011

No Keterangan Jumlah Karyawan

1 Staf 26

2 Keamanan 9

3 Karyawan Produksi 103

4 Pengawas produksi 8

Jumlah 146

Sumber: PT. Kusuma Mulia Textile


commit to user

46

2. Pembagian Kerja

Untuk meningkatkan produk dan volume penjualan PT. Kusuma Mulia

Textile membagi sistem kerjanya menjadi dua shift kerja, yaitu:

a. Shift I jam kerja 07.00 sampai dengan 15.00

b. Shift II jam kerja 15.00 sampai dengan 23.00

PT. Kusuma Mulia Textile juga membagi sistem lembur kerja secara

bergantian. Sistem kerja ini sampai sekarang masih diterapkan dan

nyata merupakan sistem kerja yang baik dan mampu meningkatkan

produksinya dari tahun ke tahun.

3. Sistem Pengupahan

Sistem pengupahan yang diterapkan oleh PT. Kusuma Textile

Surakarta adalah:

a. Gaji bulanan

Gaji yang diterima karyawan dihitung bulanan dengan sistem gaji

pada awal bulan. Jika awal bulan bertepatan dengan hari libur

maka gaji akan diberikan pada akhir bulan sebelumnya atau

diundur. Gaji bulanan diberikan hanya pada staf administrasi (

HRD, Akuntansi dan Pemasaran)

b. Gaji mingguan

Gaji mingguan dibagi menjadi 2 yaitu :

1) Dua minggu

Gaji diberikan kepada karyawan setiap dua minggu sekali.

Karyawan yang menerima gaji dua mingguan adalah karyawan

produksi ( karyawan tetap dan karyawan kontrak).


commit to user

47

2) Satu Minggu

Karyawan menerima gaji setiap satu minggu sekali. Karyawan

yang menerima gaji satu mingguan adalah karyawan atau

pekerja harian lepas.

4. Kesejahteraan Karyawan

Dalam upaya untuk mempertahankan dan meningkatkan semangat

kerja karyawan, maka PT. Kusuma Mulia textile selain memberikan

upah juga memberikan kebijakan yang menyangkut kesejahteraan

karyawan yaitu:

a. Memberikan THR (Tunjangan Hari Raya), yaitu tunjangan

kesejahteraan yang diberikan setiap akhir tahun atau libur hari

raya.

b. Karyawan mendapatkan pelayanan kesehatan yang baik dari

perusahaan.

c. Memberikan pakaian seragam kepada karyawan.

5. Sumber Keuangan

Sumber keuangan perusahaan diperoleh dari hasil penjualan kain dan

pinjaman dari pihak ketiga atau bank. Penggunaan dana untuk

operasional perusahaan yang meliputi:

a. Pembelian bahan baku dan bahan pembantu

b. Gaji pegawai

c. Pemeliharan peralatan produksi.

d. Pegawai jasa ekspedisi ( pengiriman barang luar kota).

e. Biaya lain – lain (biaya listrik, biaya air dan sebagainya).


commit to user

48

E. LAPORAN MAGANG KERJA

1. Pengertian Magang Kerja

Program magang kerja adalah suatu upaya mengarahkan mahasiswa

agar dapat merasakan situasi dunia kerja, melihat dan melakukan

pekerjaan yang berhubungan dengan program studinya. Magang kerja

merupakan kegiatan penunjang perkuliahan yang sifatnya wajib

dilakukan oleh mahasiswa dengan cara diterjunkan secara langsung ke

dunia kerja dengan tujuan agar mahasiswa dapat melihat secara

langsung aplikasi dari teori yang telah dipelajari dalam perkuliahan.

Magang kerja ini wajib dilakukan oleh setiap mahasiswa Diploma Tiga

Jurusan Manajemen Bisnis pada semester akhir. Lamanya pelaksanaan

magang kerja, yaitu minimal selama satu bulan.

2. Tujuan Magang Kerja

Program magang kerja adalah kegiatan intrakulikuler dan bersifat

wajib bagi semua mahasiswa Program Diploma III Fakultas Ekonomi

Universitas Sebelas Maret Surakarta. Sehingga mahasiswa yang belum

atau tidak menempuh magang kerja tidak bisa mengikuti ujian tugas

akhir dan tidak dapat dinyatakan lulus. Adapun tujuan pelaksanaan

magang kerja adalah:

a. Mahasiswa dapat melihat secara langsung aplikasi dari berbagai

teori yang telah dipelajari dalam perkuliahan.

b. Mahasiswa dapat belajar dan memperoleh pengalaman dan

pengetahuan secara langsung di lapangan tentang berbagai


commit to user

49

persoalan yang dihadapi perusahaan atau instansi tempat magang

kerja.

c. Mahasiswa dapat melakukan adaptasi sebelum memasuki dunia

kerja yang sesungguhnya, sehingga dapat menciptakan tenaga

terampil yang siap kerja serta mampu mengembangkan diri secara

profesional sesuai dengan bidangnya.

3. Manfaat Magang Kerja

Adapun manfaat yang diperoleh dari magang kerja antara lain:

a. Manfaat Bagi Mahasiswa :

1) Mahasiswa dapat mengaplikasikan dan meningkatkan ilmu

yang diperoleh dari bangku perkuliahan.

2) Membawa wawasan setiap mahasiswa mengenai dunia industri.

3) Menambah dan meningkatkan ketrampilan serta keahlian

dibidang praktek.

b. Manfaat Bagi Universitas :

1) Terjalinnya kerja sama bilateral antara Universitas dengan

perusahaan.

2) Universitas akan dapat meningkatkan kualitas lulusannya

melalui pengalaman Magang Kerja.

c. Manfaat Bagi Perusahaan:

1) Adanya kerja sama antara dunia pendidikan atau perusahaan

tersebut terkenal oleh kalangan akademis.

2) Adanya kritikan-kritikan yang membangun dari mahasiswa-

mahasiswa yang melakukan praktek magang.


commit to user

50

3) Perusahaan akan mendapat bantuan tenaga kerja dari

mahasiswa-mahasiswa yang melakukan praktek magang.

4) Adanya orang yang mengaudit perusahaan tanpa mengeluarkan

biaya dengan adanya laporan-laporan magang yang diberikan

kepada perusahaan.

4. Proses Pelaksanaan Magang

Tempat, waktu dan pelaksanaan magang sebagai berikut:

a. Tempat : PT. Kusuma Mulia Textile

b. Waktu : Tanggal 1 Februari sampai 29 Februari 2012

c. Jam : 08.00-14.00 WIB

5. Kegiatan Magang Kerja

Dengan persetujuan pimpinan perusahaan PT. Kusuma Mulia

Textile Surakarta, kegiatan magang kerja dilaksanakan mulai tanggal 2

Februari 2012 sampai dengan 29 Februari 2012. Magang kerja dimulai

pada pukul 08.00 sampai 14.00 WIB, dan dilaksanakan pada hari

Senin sampai Jumat.

Peserta magang ditempatkan di kantor PPIC (Production Planning

and Inventory Control) dan produksi. Peserta magang dibimbing oleh

Bapak Subur Widodo selaku Kepala Bagian Personalia dan Ibu Dewi

Sulistyowati selaku staff bagian PPIC.

Adapun rincian kegiatan magang kerja antara lain:

a. Minggu I (Tanggal 1 – 3 Februari 2012)

1) Pengenalan lingkungan perusahaan

2) Pengenalan bagian-bagian pabrik


commit to user

51

3) Mengamati kain grey yang masuk ke gudang, sampai proses

pemberian kode di gudang grey

4) Membantu karyawan mengukur kain grey yang baru datang

b. Minggu II (Tanggal 6 – 10 Februari 2012)

1) Membantu mengecek kain dan memberi kode kain di gudang

grey

2) Mengamati proses penjahitan kain yang telah diberi kode di

gudang grey

3) Mengamati proses pencucian dan pewarnaan kain di bagian

produksi

4) Membantu memasukkan kain ke mesin Jengger

c. Minggu III (Tanggal 13 – 17 Februari)

1) Membantu memasukkan kain ke mesin Jengger

2) Mengamati proses pengkanjian kain pada mesin Stenter

3) Membantu proses pengkanjian dan pengeringan kain

4) Membantu Pak Fathoni mengawasi karyawan

d. Minggu IV (Tanggal 20 – 29 Februari 2012)

1) Mengamati operator mesin Jengger dan menulis daftar proses

Dyeing

2) Membantu karyawan memasukkan kain ke mesin Jengger-

Dyeing-Finishing

3) Mengamati dan membantu packing kain jadi di Gudang Jadi

4) Mengamati proses perencanaan produksi di bagian Lab dan

PPIC


commit to user

52

5) Membantu Ibu Dewi menulis daftar Rencana Harian Jingger

(Job Order) di bagian Lab dan PPIC

6) Membantu Ibu Dewi menulis kartu produksi dan surat order di

bagian Lab dan PPIC

F. PEMBAHASAN MASALAH

PT. Kusuma Mulia Textile merupakan perusahaan yang bergerak

dalam industri textile, yang memproduksi kain mentah menjadi kain jadi. Salah

satu produk yang dihasilkan adalah kain FBB. Dalam bab ini, penulis akan

membahas tentang peramalan penjualan kain FBB pada bulan berikutnya.

Untuk mengetahui peramalan penjualan kain FBB diperlukan data

yang cukup relevan. Adapun data yang digunakan untuk meramalkan produk kain

FBB pada PT. Kusuma Mulia Textile dapat dilihat pada table III.3 :


commit to user

53

Tabel III.3

Data Penjualan Kain FBB

PT. Kusuma Mulia Textile

Maret 2011 – Februari 2012

(Keterangan: 1 yard = 90 cm)

No Bulan Penjualan

dalam yard

1 Maret 2011 360000

2 April 320000

3 Mei 285000

4 Juni 150000

5 Juli 210000

6 Agustus 255000

7 September 270000

8 Oktober 240000

9 November 360000

10 Desember 420000

11 Januari 2012 360000

12 Februari 380000

Sumber data: Laporan penjualan kain FBB PT. Kusuma Mulia Textile

Bulan Maret 2011 – Februari 2012.

Kegiatan penelitian terhadap suatu perusahaan diperlukan tindakan

atau analisa data dengan tujuan untuk memberikan jawaban atas

masalah dalam penelitian, serta memberikan argument terhadap

perusahaan yang diteliti. Alat analisis yang penulis pergunakan dalam


commit to user

54

menganalisis data yang didapatkan adalah dengan menggunakan

metode peramalan.

Berdasarkan Tabel III.3 dapat dilihat bahwa data penjualan kain

FBB pada PT. Kusuma Mulia Textile berfluktuasi dari tahun 2011 –

2012. Penjualan kain FBB paling tinggi terjadi pada bulan Desember

2011 yaitu mencapai 420000 yard, dan penjualan paling rendah terjadi

pada bulan Juni 2011 yaitu 150000 yard. Untuk itu, model peramalan

yang cocok dan sesuai untuk data diatas adalah model time series,

karena model time series lebih cocok untuk data yang bersifat acak

dan model time series lebih sesuai karena model ini sesuai untuk data

yang terjadi selama kurun waktu tertentu dan data yang bersifat masa

lalu atau lampau. Metode yang akan digunakan yaitu Single Moving

Averages 3 bulanan, Single Moving Averages 6 bulanan dan

Exponential Smoothing dengan =0.1, =0.5, =0.9.

1. Penentuan Peramalan Penjualan

a. Metode Rata-rata Bergerak Tunggal (Single Moving Averages)

Metode Single Moving Averages yaitu metode peramalan yang

menggunakan rata-rata dari jumlah (n) data terkini untuk

meramalkan periode mendatang. Dalam melakukan peramalan

dengan menggunakan metode Single Moving Averages,

penulis menggunakan periode waktu 3 dan 6 bulanan.


commit to user

55

1) Single Moving Averages 3 bulanan

Metode Single Moving Averages dengan periode waktu 3

bulanan yaitu melakukan peramalan dengan menjumlahkan

dua periode penjualan kain FBB sebelumnya lalu dibagi 3.

Tabel III.4

Perhitungan Peramalan Penjualan Kain FBB

dengan Metode Single Moving Averages 3 bulanan

Sumber: Data penjualan kain FBB PT. Kusuma Mulia Textile

yang diolah.

Gambar III.3

Grafik Penjualan Kain FBB bulan Maret 2011-Februari 2012

Dengan Metode Single Moving Averages 3 bulanan


commit to user

56

Adapun secara matematis persamaan yang digunakan

adalah:

Rata-rata bergerak=

Metode yang digunakan adalah Single Moving Averages 3

bulanan, maka untuk meramalkan dengan periode 3

bulanan dimulai dari bulan ke 4 yaitu perhitungan sebagai

berikut:

F Juni = 3

285000320000360000

= 321.666,7

F Juli = 3

150000285000320000

= 251.666,7

Untuk perhitungan peramalan bulan berikutnya,

langkahnya sama seperti diatas yaitu dengan

menjumlahkan data penjualan selama 3 bulan, data diambil

3 bulan sebelum peramalan, dan dibagi n, yaitu 3.

Hasil peramalan (forecast) bulan Maret 2012 adalah:

F Maret = 3

380000360000420000

= 386666,7 dibulatkan menjadi 386.666

Karena data berupa data penjualan kain, maka tidak

mungkin hasilnya pecahan. Maka hasil peramalan

dibulatkan dengan syarat:


commit to user

57

0 – 0,499 dibulatkan menjadi 0

0,5 – 0,999 dibulatkan menjadi 1

Perhitungan tingkat kesalahan

Secara matematis persamaan yang digunakan adalah:

MAD =

= 9

4,578333

= 64.259,27

MSE =

= 9

06538056000

= 7.264.507.000

Hasil perhitungan ramalan penjualan kain FBB pada bulan

Maret 2012 secara manual dengan metode Single Moving

Averages 3 bulanan yaitu 386666,7 yard dengan tingkat

kesalahan MAD 64.259,27 dan MSE 7.264.507.000

2) Single Moving Averages 6 bulanan

Metode Single Moving Averages dengan periode waktu 6

bulanan yaitu melakukan peramalan dengan menjumlahkan

lima periode penjualan kain FBB sebelumnya lalu dibagi 6.


commit to user

58

Tabel III.5



Sumber: Data Penjualan Kain FBB PT. Kusuma Mulia Textile yang diolah.

Gambar III.4




commit to user

59

Adapun secara matematis persamaan yang digunak an

adalah:

Rata-rata bergerak=

Metode yang digunakan adalah Single Moving Averages 6

bulanan, maka untuk meramalkan dengan periode 6

bulanan dimulai dari bulan ke 7 yaitu perhitungan sebagai

berikut:

F September =

6

255000210000150000285000320000360000

= 263333,3

F Oktober

=6

270000255000210000150000285000320000

= 248333,3

Untuk perhitungan peramalan bulan berikutnya,

langkahnya sama seperti diatas yaitu dengan

menjumlahkan data penjualan selama 6 bulan, data diambil

6 bulan sebelum peramalan, dan dibagi n, yaitu 6.


F Maret =

6

380000360000420000360000240000270000

= 338.333,3 dibulatkan menjadi 338.333


commit to user

60


mungkin hasilnya pecahan. Maka hasil peramalan



0,5 – 0,999 dibulatkan menjadi 1



MAD =

= 6

442500

= 73.750

MSE =

= 6

05395764000

= 8.992.940.000

Hasil peramalan perhitungan ramalan penjualan kain FBB

pada bulan Maret 2012 secara manual dengan metode

Single Moving Averages 6 bulanan yaitu 338.333,3 yard

dengan tingkat kesalahan MAD 73.750 dan MSE

8.992.940.000


commit to user

61

b. Metode Exponential Smoothing

Metode Exponential Smoothing yaitu merupakan teknik rata-

rata bergerak terhadap data masalalu dengan memberi

penimbang terhadap data terakhir. Jadi untuk melakukan

peramalan dibutuhkan satu data terakhir dan penimbang

dengan = 0.1, = 0.5, = 0.9.

1) Exponential Smoothing dengan = 0,1

Tabel III.6


Dengan Metode Exponential Smoothing = 0,1



commit to user

62

Gambar III.5


Dengan Metode Exponential Soothing =0,1


adalah:

+ α ( - )

Untuk bulan pertama belum dapat diforecast karena data

yang kurang dan untuk bulan kedua juga tidak mempunyai

cukup data untuk diolah. Adapun forecast untuk bulan

kedua sebesar 360000 dan forecast pada periode berikutnya

dapat dihitung dengan menggunakan data penjualan

sebelumnya dengan perhitungan sebagai berikut:

F Mei = 360000 + 0,1 (320000 – 360000)

= 356.000

F Juni = 356000 + 0,1 (285000 – 356000)

= 348.900


commit to user

63

Untuk perhitungan peramalan periode berikutnya sama

seperti diatas, data yang digunakan untuk memforecast

adalah data peramalan dan data penjualan selanjutnya.


F Maret = 321752,9 + 0,1 (380000 - 321752,9)



mungkin hasilnya berupa pecahan. Maka hasil peramalan



0,5 - 0,999 dibulatkan menjadi 1



MAD =

= 11

1,873227

= 79384,28

MSE =

= 11

09211240000

= 8.373.855.000


commit to user

64


Tabel III.7




Gambar III.6


Dengan Metode Exponential Soothing =0,5


commit to user

65


adalah:

+ α ( - )






sebelumnya dengan perhitungan sebagai berikut.

F Mei = 360000 + 0,5 (320000 – 360000)

= 340.000

F Juni = 340000 + 0,5 (285000 – 340000)

= 312.500


seperti di atas, data yang digunakan untuk memforecast



F Maret = 360869,1 + 0,5 (380000 – 360869,1)








commit to user

66



MAD =

= 11

3,609658

= 55.423,48

MSE =

= 11

06062019000

= 5.510.927.000


Tabel III.8





commit to user

67

Gambar III.6


Dengan Metode Exponential Soothing α=0,9


adalah:

+ α ( - )






sebelumnya dengan perhitungan sebagai berikut:

F Mei = 360000 + 0,9 (320000 – 360000)

= 324.000

F Juni = 324000 + 0,9 (285000 – 324000)

= 288.900


commit to user

68


seperti diatas, data yang digunakan untuk memforecast



F Maret = 365282,8 + 0,9 (380000 – 365282,8)

= 378528,3 dibulatkan menjadi 378528








MAD =

= 11

7,618050

= 51.504,22

MSE =

= 11

05007115000

= 4.172.596.000


commit to user

69

2. Perbandingan Kesalahan Peramalan

Tabel III.9

Perbandingan Output Peramalan Penjualan Kain FBB

Pada PT. Kusuma Mulia Textile

Keterang

an

Moving

Averages

3Bulanan

Moving

Averages

6Bulanan

Exponential Smoothing

0,1 0,5 0,9

MAD 64259,27 73750 79384,28 55423,48 51504,22

MSE 7264507000 8992940000 8373855000 5510927000 4172596000

Ramalan

Maret 2011

386666,7 338333,3 327577,6 370434,6 378528,3

Sumber: Data penjualan kain FBB yang diolah

Dari perhitungan kedua metode di atas, diketahui bahwa hasil

perhitungan dengan metode Exponential Smoothing Alpha 0,9 lebih baik dan

lebih cocok diterapkan oleh PT. Kusuma Mulia textile dalam meramalkan

penjualan kain FBB pada bulan Maret 2012, karena metode Exponential

Smoothhing Alpha 0,9 memiliki tingkat kesalahan lebih rendah dibanding metode

yang lain. Yaitu dengan tingkat kesalahan peramalan, Mean Absolute Deviation

(MAD) sebesar 51504,22 dan Mean Squared Error (MSE) sebesar 4172596000

dan dengan hasil peramalan untuk bulan Maret 2012 sebesar 378528,3 yard.


commit to user

70

BAB IV

PENUTUP

A. KESIMPULAN

Berdasarkan analisis dan pembahasan yang telah penulis lakukan pada bab III,

maka dapat diambil kesimpulan dari pembahasan dalam penelitian pada PT.

Kusuma Mulia textile Surakarta adalah sebagai berikut:

1. Jumlah peramalan penjualan tahun 2012 yang berdasarkan metode Single

Moving Averages dan Exponential Smoothing adalah sebagai berikut:

a. Metode Single Moving Average 3 bulanan

1) Ramalan penjualan adalah 386.666,7 yard

2) Mean Absolute Deviation (MAD) sebesar 64.259,27

3) Mean Square Error (MSE) sebesar 7.264.507.000

b. Metode Single Moving Averages 6 bulanan


2) Mean Absolute Deviation (MAD) sebesar 73.750


c. Metode Exponential Smoothing dengan alpha 0,1




d. Metode Exponential Smoothing dengan alpha 0,5




commit to user

71


e. Metode Exponential Smoothing dengan alpha 0,9




2. Metode yang sesuai dan yang baik untuk diterapkan pada PT. Kusuma

Mulia Textile untuk kain FBB bulan Maret 2012 adalah metode

Exponential Smoothing Alpha 0,9 karena memiliki tingkat error yang

kecil dibanding metode yang lain.

B. SARAN

Dengan melihat hasil perhitungan diatas, maka dapat dikemukakan saran-

saran sebagai bahan pertimbangan bagi PT. Kusuma Mulia Textile. Adapun

saran-saran penulis adalah sebagai berikut:

1. Karena selama ini PT. Kusuma Mulia Textile belum pernah melakukan

peramalan penjualan, disarankan perlu melakukan peramalan penjualan

dengan menggunakan data yang akurat dan relevan serta metode

peramalan yang sesuai dengan fluktuasi data. Sehingga dapat

meminimalisir kesalahan ramalan dan dapat membantu pengambilan

keputusan baik dibidang perencanaan kebutuhan bahan baku, proses

produksi, biaya produksi maupun jumlah tenaga kerja yang dibutuhkan

2. Apabila perusahaan ingin meramalkan tingkat penjualan kain FBB periode

berikutnya, sebaiknya perusahaan menerapkan metode Exponential

Smoothing Alpha 0,9 karena hasil perhitungannya memiliki Mean


commit to user

72

Absolute Deviation (MAD) dan Mean Square Error (MSE) lebih kecil

dibanding metode lain. Selain itu, perusahaan hendaknya mengupayakan

software peramalan ke dalam komputer bagian administrasi dan kemudian

karyawan tersebut belajar menggunakan aplikasi peramalan.

pada pt. kusuma mulia textile surakarta tugas akhir/peramalan-penjualan-kain... · tugas akhir ini...

Documents