ANALISIS PERAMALAN TERHADAP PERMINTAAN BENANG …/Analisis... · Lampiran 11 surat keterangan...

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

commit to user

ANALISIS PERAMALAN TERHADAP PERMINTAAN BENANG

ACRYLIC RAW WHITE YARN PT. HANIL INDONESIA BOYOLALI

TUGAS AKHIR

Diajukan Untuk Melengkapi Syarat-Syarat Mencapai Sebutan Gelar Ahli Madya Manajemen Bisnis

Oleh:

INDRA IBRAHIM F3509038

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

Cintailah pasanganmu seperti engkau mencintai hidupmu karena sesungguhnya

pasanganmu adalah jiwa yang mengalir didalam hidupmu

(Khalil Gibran)

“Jangan terlalu berlarut-larut atas kesedihan dan kekecewaan di masa lalu, karena

itu hanyalah suatu kebodohan yang teramat besar. Bangkit dan percayalah bahwa

hari esok masih ada sejuta kebahagiaan. Asal kita berusaha, kita akan

menikmatinya”

(Aditya Khusharyanto)

Sukses- gagal, jatuh- bangun, susah- senang, puas- kecewa, adalah nuansa

kehidupan yang justru bisa membuat kita semakin indah dan artistik, serta

menjadikan jiwa kita semakin kaya pengalaman.

Jadilah diri sendiri, dengan ini dapat membentuk kepribadian yang sesungguhnya

(Muhammad Fauzi)

Karya ini dipersembahkan

kepada:

- Bapak dan Ibu tercinta

- Kakak dan Adik

tersayang

- Almameter


commit to user

v

PERSEMBAHAN

Karya sederhana ini saya persembahkan untuk:

1. Allah SWT yang telah memberikan saya nikmat iman, serta

nikmat sehat sehingga saya mampu menyelesaikan tugas akhir ini.

2. Ayah dan Ibu yang telah menghidupi saya selama ini. Terima

kasih atas semua yang telah kalian berikan. Kalianlah orang tua

terbaik.

3. Keluarga tercinta yang telah memberikan semangat hidup

bagi saya selama ini.

4. Teman-teman Manajemen Industri angkatan ’09, terima kasih

atas kebersamaan, keceriaan dan kekompakannya selama ini, kalian

adalah yang terbaik.

5. Untuk teman- teman d’brother dan purwogendeng semangat

terus agar kita bisa meraih apa yang kita cita- citakan. Kalian

merupakan teman- teman yang seru.


commit to user

vi

KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah SWT yang telah

melimpahkan rahmat dan karunianya sehingga laporan tugas akhir dengan judul

ANALISIS PERAMALAN TERHADAP PERMINTAAN BENANG ACRYLIC

RAW WHITE YARN PT. HANIL INDONESIA BOYOLALI, ini dapat

diselesaikan dengan baik.

Tugas akhir ini disusun untuk memenuhi syarat- syarat mencapai gelar

Ahli Madya pada program D3 Manajemen Bisnis Fakultas Ekonomi Universitas

Sebelas Maret Surakarta.

Dalam kesempatan ini penulis sampaikan ucapan trimakasih kepada pihak-

pihak yang membantu penyusunan laporan tugas akhir ini:

1. Bapak prof. Dr. wisnu untoro, MS selaku dekan Fakultas

Ekonomi Universitas Sebelas Maret

2. Ibu Arum Setyowati selaku pembimbing tugas akhir yang

telah memberikan pengarahan selama penyusunan tugas akhir.

3. Ibu Sinto Sunaryo, SE, MSI selaku ketua Program Studi

Diploma 3 Manajemen Bisnis Universitas Sebelas Maret.

4. Bapak Budi Utomo selaku Kepala Produksi di PT. Hanil

Indonesia, terima kasih atas segala bantuan dalam mengatasi berbagai

kesulitan di magang kerja.


commit to user

vii

5. Bapak Edy selaku Manajer HRD di PT. Hanil Indonesia yang

telah memberikan izin kepada kami untuk melakukan magang kerja

dan telah banyak membantu dalam proses magang.

6. Seluruh Staff dan Karyawan PT. Hanil Indonesia yang telah

memberikan bantuan selama penelitian.

7. Bapak dan Ibu Dosen serta segenap karyawan Fakultas

Ekonomi UNS

8. Teman- temanku seperjuangan di Manajemen Bisnis.

Terimakasih semuanya.

9. Semua pihak yang tidak mungkin disebutkan satu persatu

yang secara langsung maupun tidak langsung yang telah banyak

membantu penulis dalam menyelesaikan tugas akhir ini.

Penulis menyadari sepenuhnya atas kekurangan dalam penulisan tugas

akhir ini. Untuk itu penulis mengharapkan kritik dan saran yang membangun.

Namun demikian, karya sederhana ini diharapkan dapat bermanfaat bagi pihak-

puhak yang membutuhkan.

Surakarta,

Penulis


commit to user

viii

DAFTAR ISI

ABSTRAK ............................................................................................................... i

ABSTRACT............................................................................................................. ii

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

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

HALAMAN MOTTO ............................................................................................. v

HALAMAN PERSEMBAHAN ............................................................................. vi

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

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

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

DAFTAR GAMBAR .............................................................................................. xiv

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

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

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

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

C. Tujuan Penelitian ............................................................................ 3

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

E. Metode penelitian............................................................................ 5

1. Objek penelitian .............................................................................. 5

2. Desain penelitian ............................................................................. 5

3. Sumber data ..................................................................................... 6

4. Teknik pengumpulan data .............................................................. 6

5. Teknik analisis data ........................................................................ 7

a. Single moving average ......................................................... 7


commit to user

ix

b. Weighted moving average .................................................... 8

c. Exponential smoothing ......................................................... 9

d. Pengukuran hasil akurasi peramalan.................................... 10

6. Alat analisis data ............................................................................. 11

F. Kerangka Pemikiran ....................................................................... 13

BAB II TINJAUAN PUSTAKA ........................................................................... 15

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

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

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

D. Peramalan menurut horizon waktu ................................................ 17

E. Karakteristik Peramalan ................................................................. 18

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

1. Jenis pendekatan peramalan ........................................................... 18

a. Teknik Kualitatif ................................................................... 18

b. Teknik Kuantitatif ................................................................. 19

1) Time series ................................................................... 19

2) Asosiatif ....................................................................... 23

2. Pengukuran hasil akurasi peramalan ............................................. 25

BAB III PEMBAHASAN ....................................................................................... 28

A. Gambaran umum perusahaan ......................................................... 28

1. Sejarah Perusahaan ......................................................................... 28

2. Permodalan usaha ........................................................................... 29

3. Lokasi perusahaan........................................................................... 29

4. Struktur Organisasi Perusahaan ..................................................... 31


commit to user

x

5. Aspek Personalia ............................................................................. 34

B. Proses Produksi ............................................................................... 37

1. Proses spinning ............................................................................... 38

2. Proses dyeing .................................................................................. 43

C. Laporan Magang Kerja ................................................................... 46

1. Pengertian magang kerja ................................................................ 46

2. Tempat dan waktu pelaksanaan magang ....................................... 46

3. Manfaat magang kerja .................................................................... 46

4. Kegiatan magang kerja ................................................................... 47

D. Pembahasan ..................................................................................... 48

1. Metode single moving average ...................................................... 50

a. Single moving average 3 bulanan ........................................ 50

b. Single moving average 4 bulanan ........................................ 51

2. Metode weighted moving average ................................................. 52

a. weighted moving average 3 bulan terbobot......................... 52

b. weighted moving average 4 bulan terbobot......................... 53

3. Metode exponential smoothing ...................................................... 53

a. Metode exponential smoothing α = 0,5 ............................... 54

b. Metode exponential smootihng α = 0,9 ............................... 55

1) Hasil Peramalan bulan april ........................................ 56

2) Tingkat kesalahan bulan april..................................... 57

BAB IV PENUTUP ................................................................................................ 58

A. Kesimpulan...................................................................................... 58

B. Saran ................................................................................................ 58


commit to user

xi

DAFTAR PUSTAKA

LAMPIRAN


commit to user

xii

DAFTAR TABEL

Tabel 3.2 jumlah karyawan ..................................................................................... 33

Tabel 3.21 pembagian jam kerja............................................................................. 33

Tabel 3.22 aktivitas selama magang....................................................................... 46

Tabel 3.23 data produksi benang ............................................................................ 47

Tabel 3.24 single moving average 3 bulanan ........................................................ 48

Tabel 3.25 single moving average 4 bulanan ........................................................ 49

Tabel 3.26 weighted moving average 3 bulan terbobot ........................................ 50

Tabel 3.27 weighted moving average 4 bulan terbobot ........................................ 51

Tabel 3.28 exponential smoothing α = 0.5............................................................. 52

Tabel 3.29 exponential smoothing α = 0.9............................................................. 53

Tabel 3.30 hasil peramalan bulan April ................................................................. 53

Tabel 3.31 tingkat kesalahan................................................................................... 54

Tabel 3.32 hasil peramalan bulan April ................................................................. 55

Tabel 3.33 tingkat kesalahan................................................................................... 56


commit to user

xiii

DAFTAR GAMBAR

Gambar 2.1 kerangka pemikiran ............................................................................ 5

Gambar 3.1 struktur organisasi ............................................................................... 30

Gambar 3.11 proses spinning.................................................................................. 36

Gambar 3.12 proses dyeing..................................................................................... 41


commit to user

xiv

DAFTAR LAMPIRAN

Lampiran 1 POM windows single moving average 3 bulanan


Lampiran 3 POM windows weighted moving average 3 bulan terbobot


Lampiran 5 POM windows exponential smoothing α = 0.5


Lampiran 7 acrylic staple fiber (bahan baku serat pendek)

Lampiran 8 acrylic tow (bahan baku serat panjang)

Lampiran 9 hasil produksi acrylic dyed yarn (hank)

Lampiran 10 hasil produksi acrylic dyed dan raw white yarn (cone)

Lampiran 11 surat keterangan magang

Lampiran 12 surat keterangan blanko nilai magang

Lampiran 13 surat pernyataan tugas akhir


commit to user 1

BAB I

PENDAHULUAN

A. LATAR BELAKANG

Di zaman peradaban dunia yang semakin modern ini, perekonomian

mengalami kemajuan yang sangat pesat dan persaingan pelaku ekonomi

juga semakin ketat. Sehingga perusahaan harus mampu bersaing dengan

perusahaan lainnya agar tetap pada jalur dunia bisnis. Yaitu dengan cara

berusaha menciptakan atau menghasilkan produk baru yang berkualitas

untuk memenuhi kepuasan konsumen.

Persaingan yang terjadi diantaranya adalah persaingan yang berkaitan

dengan kualitas produk, kemampuan perusahaan dalam memenuhi target

waktu sesuai pesanan, kemampuan pemesanan serta kemampuan

persaingan harga produk. Hal tersebut mengharuskan setiap perusahaan

untuk melakukan pengelolaan sesuai harapan yang telah ditentukan oleh

perusahaan, dan perusahaan akan mampu berkembang secara wajar sesuai

dengan target- target yang diharapkan.

Penjualan produk perusahaan dipengaruhi oleh adanya pemasaran dan

distributor. Dengan adanya fungsi pemasaran dan distributor maka produk

dapat sampai ketangan konsumen, sehingga dapat diketahui tingkat

penjualan pada produk perusahaan. Untuk menentukan besarnya penjualan

yang dapat menunjukan peningkatan atau penurunan penjualan tersebut,


commit to user 2

maka diperlukan peramalan penjualan untuk masa yang akan datang

dengan melihat data penjualan produk di masa lalu.

Masalah peramalan menjadi sangat penting karena adanya keinginan

untuk mendapatkan sebuah hasil yang optimal, sementara terdapat selang

waktu antara keinginan dengan kejadian yang akan terjadi di masa yang

akan datang. Dalam proses pengambilan keputusan, peramalan memegang

peranan yang sangat penting agar keputusan yang diambil sekarang

memberikan hasil yang optimal untuk masa yang akan datang.

Menurut Subagyo (2002) forecasting adalah peramalan (perkiraan)

mengenai sesuatu yang belum terjadi. Dalam hal ilmu pengetahuan sosial

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

penduduk, pendapatan perkapita, volume penjualan, konsumsi dan lain

sebagainya itu selalu berubah- ubah, dalam hal ini perlu adanya data untuk

mengadakan forecast.

Kegiatan untuk mengetahui atau memperkirakan apa yang akan terjadi

pada masa yang akan datang disebut dengan peramalan (forecasting).

Fungsi peramalan sebagai perencanaan perusahaan akan masa depan dan

menemukan alternative- alternative arah langkah yang terbuka dan yang

paling utama dari fungsi peramalan adalah untuk pengambilan keputusan.

PT. HANIL INDONESIA merupakan perusahaan yang bergerak

dalam bidang tekstil (benang). Hasil produksi berupa Acrylic Raw White

Yarn dan Acrylic Dyed Yarn. Dari data – data sebelumnya Acrylic Raw

White Yarn lebih diminati atau lebih banyak diproduksi dibanding dengan


commit to user 3

Acrylic Dyed Yarn. Untuk memenuhi kebutuhan pasar maka perusahaan

harus mengetahui berapa peramalan penjualan yang akan datang sehingga

perusahaan dapat memproduksi barang sesuai dengan penjualan yang

telah diramalkan. Berdasarkan uraian diatas maka penulis mengambil

judul: ANALISIS PERAMALAN TERHADAP PERMINTAAN

BENANG ACRYLIC RAW WHITE YARN PT. HANIL INDONESIA.

B. RUMUSAN MASALAH

Berdasarkan latar belakang di atas, maka dapat dirumuskan bahwa

pokok permasalahan yang akan dibahas dalam penelitian ini adalah:

1. Berapakah peramalan permintaan produk benang Acylic Raw White

Yarn bulan April 2012 dengan metode single moving average (3

bulanan dan 4 bulanan), weighted moving average (3 bulan terbobot

dan 4 bulan terbobot) dan exponential smoothing (α= 0.5, α= 0.9)?

2. Berapakah forecast error dari hasil peramalan dengan ketiga metode

single moving average (3 bulanan dan 4 bulanan), weighted moving

average (3 bulan terbobot dan 4 bulan terbobot) dan exponential

smoothing (α= 0.5, α= 0.9)?

3. Metode peramalan apa yang paling tepat untuk menentukan

permintaan produk benang Acrylic Raw White Yarn?

C. TUJUAN PENELITIAN

Adapun tujuan penelitian ini adalah:

1. Untuk mengetahui peramalan permintaan produk benang acylic raw

white yarn bulan April 2012 dengan metode single moving average (3


commit to user 4

bulanan dan 4 bulanan), weighted moving average (3 bulan terbobot

dan 4 bulan terbobot) dan exponential smoothing (α= 0.5, α= 0.9)

2. Untuk mengetahui forecast error dari hasil peramalan dengan ketiga

metode single moving average (3 bulanan dan 4 bulanan), weighted

moving average (3 bulan terbobot dan 4 bulan terbobot) dan

exponential smoothing (α= 0.5, α= 0.9)

3. Untuk mengetahui Metode peramalan apa yang paling tepat untuk

menentukan permintaan produk benang Acrylic Raw White Yarn

D. MANFAAT PENELITIAN

Manfaat yang dapat diambil dari penelitian ini adalah:

1. Bagi penulis

a. menambah pengetahuan dan pengalaman dengan menerapkan ilmu

pengetahuan yang diperoleh pada perkuliahan khususnya untuk

peramalan.

b. Menambah wawasan berfikir mengenai masalah peramalan PT.

HANIL INDONESIA dan mencoba untuk mencari solusinya.

2. Bagi perusahaan

a. Sebagai bahan masukan bagi manajemen perusahaan dalam

pengambilan kebijakan yang tepat.

b. Dapat membantu perusahaan dalam menentukan metode

peramalan yang tepat

c. dan untuk mengetahui tingkat penjualan sehinggan dapat membuat

rencana produksi yang sesuai pada periode yang akan datang.


commit to user 5

3. Bagi pihak lain

a. Penelitian ini diharapkan dapat dijadikan sabagai bahan masukan

untuk melakukan penelitian dengan permasalahan peramalan pada

khususnya.

b. Dapat menambah pengetahuan dan pemahaman mengenai

penelitian- penelitian yang berkaitan dengan peramalan.

E. METODE PENELITIAN.

1. Objek penelitian

Tempat yang menjadi objek penelitian adalah PT. HANIL

INDONESIA yang berlokasi di Nepen, Teras, Boyolali, PO BOX 142

Telp. (0276) 321252, 321478 Fax. (0276) 321378.

2. Desain Penelitian

Penulisan ini menggunakan desain penelitian deskriptif.

Penelitian deskriptif adalah memperoleh jawaban dari pertanyaan

tentang siapa, kapan, dimana dari suatu topik penelitian (Sumarni dan

Wahyuni, 2006). Penelitian ini merupakan deskriptif, karena dilakukan

untuk menjawab pertanyaan bagaimana yang menjadi permasalahan

utama penelitian dengan keharusan membuat deskriptif atau analisis

yang terbatas pada kasus tertentu untuk menjawab permasalahan

tersebut. Dalam penelitian ini, kasus yang diteliti yaitu mengenai

peramalan penjualan benang di PT. HANIL INDONESIA.

3. Sumber data

Sumber data dalam penelitian ini adalah sebagai berikut:


commit to user 6

Data sekunder

Yaitu data yang diperoleh secara tidak langsung dari perusahaan.

Data yang diperoleh dari catatan- catatan, studi pustaka yang relevan

dengan tujuan penelitian.

a. Data permintaan produksi

b. Sejarah perusahaan

c. Aspek personalia

4. Teknik pengumpulan data

a. Metode observasi

Metode observasi merupakan prosedur yang sistematis dan

standar dalam pengumpulan data. Dalam penelitian ini, peneliti

melakukan pengamatan dan pencatatan langsung kegiatan produksi

benang.

b. Metode interview

Metode wawancara merupakan komunikasi atau pembicaraan

dua arah yang dilakukan oleh pewawancara dan responden untuk

menggali informasi yang relevan dengan tujuan penelitian. Dalam

penelitian ini peneliti melakukan wawancara dengan pemimpin

dan karyawan PT. HANIL INDONESIA.

c. Metode studi pustaka

Metode studi pustaka adalah teknik untuk memperoleh

informasi dengan menulusuri literature yang ada, dan menggali


commit to user 7

teori- teori yang telah berkembang. Dalam penelitian ini penulis

mempelajari literature yang berkaitan dengan peramalan.

5. Teknik analisis data

Apabila data aktual permintaan tidak membentuk kecenderungan

(trend line), maka model – model peramalan yang mempertimbangkan

kecenderungan (trend) tidak perlu dipertimbangkan. Karena pola data

tidak membentuk kecenderungan maka kita dapat mempertimbangkan

model peramalan rata – rata bergerak atau pemulusan eksponensial.

Metode ini yang digunakan dalam peramalan penjualan produk

dalam penelitian ini adalah:

a. Single moving average

Metode ini menggunakan sejumlah data aktual permintaan

yang baru untuk membangkitkan nilai ramalan untuk permintaan

dimasa yang akan datang. Metode ini akan efektif diterapkan

apabila kita dapat mengasumsikan bahwa permintaan pasar

terhadap produk akan tetap stabil sepanjang waktu, Gaspersz

(2005). Bila permintaan berubah secara signifikan dari waktu

kewaktu, ramalan harus cukup agresif dalam mengantisipasi

perubahan tersebut, sehingga nilai n yang kecil akan lebih cocok

dipakai, Nasution (2005). secara sistematis, penulisan persamaan

single moving average adalah:


commit to user 8

Rata- rata bergerak n- periode=

∑(permintaan dalam n- periode terdahulu)

n

dimana n adalah banyaknya periode dalam rata- rata bergerak.

Permasalahan umum dalam menggunakan metode rata – rata

bergerak adalah bagaimana memilih n-periode yang diperkirakan

tepat (n = 3, 4, 5, 6, dst). Dalam hal ini kita dapat menggunakan

beberapa nilai n-periode, kemudian memilih dan membandingkan

n-periode yang memiliki MAD (Mean Absolute deviation) terkecil,

Gasperz (2005).

b. Metode weighted moving average

Model rata- rata bergerak berbobot ini lebih responsive

terhadap perubahan, karena data dari periode yang baru biasanya

diberi bobot lebih besar. (Gaspersz, 2005).

secara sistematis, persamaan penulisan rumus weighted moving

average adalah sebagai berikut (render dan heizer, 2005):

Rata- rata bergerak dengan pembobotan=

∑ bobot

Keterangan:

(pembobot yang digunakan penulis dalam penilitian ini

adalah 3-bulan terbobot dan 4-bulan terbobot).


commit to user 9

Pemberian bobot weighted moving average 3 bulan terbobot

Periode (bulan) Koefisien pembobot 1 bulan (periode) yang lalu 2 bulan (periode) yang lalu 3 bulan (periode) yang lalu

3 2 1

jumlah 6


Periode (bulan) Koefisien pembobot 1 bulan (periode) yang lalu 2 bulan (periode) yang lalu 3 bulan (periode) yang lalu 4 bulan (periode) yang lalu

4 3 2 1

jumlah 10

Teknik ini lebih responsif terhadap perubahan karena periode

yang lebih dekat mendapat bobot yang lebih berat. Periode yang

mendekati n dinilai paling berpengaruh untuk membuat peramalan

pada bulan n daripada periode sebelumnya. Untuk itu pada metode

weighted moving average 3 bulan terbobot, 1 bulan periode yang

lalu diberi bobot 3, 2 bulan yang lalu diberi 2 dan seterusnya.

Sama halnya dengan weighted moving average 3 bulan terbobot,

weighted moving average 4 bulan terbobot, 1 bulan yang lalu

diberi bobot 4 dan seterusnya.

c. Metode exponential smoothing

Subagyo (2002) mengemukakan bahwa metode ini adalah

suatu prosedur yang mengulang perhitungan secara terus-menerus

yang menggunakan data terbaru. Setiap data diberi bobot, dimana

bobot yang digunakan disimbolkan dengan α. Simbol α bisa

ditentukan secara bebas, yang bisa mengurangi forecast error.


commit to user 10

Nilai konstanta pemulusan (α) dapat dipilih diantara 0 dan 1.

Render dan Heizer (2005) mengemukakan merupakan metode

peramalan dengan pembobotan yang canggih tetapi masih mudah

untuk digunakan. Metode ini sedikit menggunakan data masa lalu.

Herjanto (2008) mengemukakan secara sistematis rumus

exponential smoothing dapat ditunjukkan sebagai berikut:

= peramalan baru

= peramalan sebelumnya

α = konstanta

= permintaan aktual periode lalu

Apabila pola historis dari data aktual permintaan sangat

bergejolak atau tidak stabil dari waktu ke waktu, kita memilih nilai

α yang mendekati satu. Biasanya dipilih α = 0,9; namun dapat

mencoba nilai – nilai α yang lain yang mendekati 1.

Apabila pola historis dari data aktual permintaan tidak

berfluktuasi atau relatife stabil dari waktu ke waktu, kita memilih

nilai α yang mendekati 0. Biasanya dipilih nilai α = 0.1 (Gasperz,

2005)

d. Pengukuran hasil akurasi peramalan


commit to user 11

Nasution (2005) Salah satu cara mengevaluasi teknik

peramalan adalah dengan menggunakan ukuran tentang tingkat

perbedaan antara hasil peramalan dengan penjualan yang

sebenarnya terjadi. Ada 2 ukuran yang biasanya digunakan, yaitu:

1. Rata - rata deviasi mutlak (mean absolute deviation)

Merupakan rata- rata kesalahan mutlak selama periode

tertentu tanpa memperhatikan apakah hasil peramalan lebih

besar atau kecil disbanding kenyataannya. Secara sistematis,

MAD dirumuskan sebagai berikut:

MAD =

Keterangan:

At = permintaatn aktual pada periode –t

Ft = peramalan permintaan (forecast) pada periode –t

N = jumlah periode peramalan yang terlibat

2. Rata- rata kuadrat kesalahan (mean square error= MSE)

MSE dihitung dengan menjumlah kuadrat semua

kesalahan peramalan pada setiap periode peramalan. Secara

sistematis, MSE dirumuskan sebagai berikut

MSE =

Keterangan:



commit to user 12



6. Alat analisis data

POM Windows

POM Windows merupakan program aplikasi yang secara

khusus digunakan untuk membuat solusi optimal untuk masalah –

masalah dalam bidang manajemen operasi. Program aplikasi POM

Windows ini merupakan program yang digunakan untuk membuat

estimasi / peramalan tentang hal – hal yang bersifat kuantitatif.

Ada 2 metode peramalan yang dapat digunakan dengan

program aplikasi POM For Windows, yaitu Time Series dan

associative.

Analisis Time Series merupakan teknik peramalan yang

menggunakan asumsi bahwa kondisi di masa depan merupakan fungsi

dari kondisi masa lalu. Teknik peramalan ini mengharuskan kita untuk

mengumpulkan data deret waktu pada suatu periode di masa lalu, dan

menggunakannya untuk membuat proyeksi / ramalan di masa depan.

Model ini menggunakan beberapa teknik seperti moving average,

exponential smoothing, weighted moving average dan lain – lain untuk

membuat ramalan.


commit to user 13

Contoh peramalan model Time Series adalah penggunaan data

penjualan suatu produk selama beberapa bulan yang lalu untuk

memprediksi penjualan pada bulan berikutnya

F. Kerangka pemikiran

Gambar 2.1

Keterangan :

Data historis

Data permintaan produk

Metode peramalan

Single moving average,

Exponential smoothing,

dan weigthed moving

average

Pengambilan keputusan

Penentuan metode

peramalan yang tepat

Dipilih tingkat error

terkecil

Penentuan error

Mencari tingkat kesalahan

dari masing- masing

metode peramalan

Ramalan yang akan

datang

Penjualan produk yang

akan datang


commit to user 14

Pada tahap awal analisis peramalan penjualan produk dalam penelitian

ini adalah mengumpulkan data penjualan produk pada tahun sebelumnya dari

perusahaan. Selanjutnya melakukan peramalan dengan metode peramalan

yang dipilih. Setelah melakukan peramalan kemudian melakukan perhitungan

kesalahan peramalan dengan membandingkan hasil peramalan dengan hasil

permintaan produksi yang terjadi. Dan bila dapat diambil keputusan metode

manakah yang sesuai untuk meramalkan periode selanjutnya


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 menajemen

perusahaan, karena dengan gambaran tersebut maka perusahaan dapat

memprediksi langkah – langkah apa saja yang diambil dalam memenuhi

permintaan konsumen. Berikut pengertian peramalan menurut pendapat

dari beberapa ahli:

1. Peramalan adalah sebuah prediksi mengenai apa yang terjadi di masa

yang akan datang (Taylor, 2001)

2. Peramalan adalah seni dan ilmu untuk memperkirakan kejadian di

masa depan (Render dan Heizer, 2009)

3. Peramalan adalah proses untuk memperkirakan beberapa kebutuhan

dimasa yang akan datang yang meliputi kebutuhan dalam ukuran

kuantitas, kualitas waktu, dan lokasi yang dibutuhkan dalam rangka

memenuhi kebutuhan barang dan jasa (Nasution, 2005)


commit to user 16

4. Forecasting adalah memperkirakan sesuatu pada waktu yang akan

datang berdasarkan waktu lampau yang telah disusun dalam laporan-

laporan statistik (Djarwanto, 2001)

B. TUJUAN PERAMALAN

Menurut subagyo (2002) tujuan peramalan adalah mendapatkan

peramalan yang bisa meminimumkan kesalahan meramal (forecast error)

yang biasa diukur dengan mean absolute error (MAD) dan mean squer

error (MSE). Sehingga dengan adanya peramalan produksi manajemen

perusahaan akan mendapatkan gambaran keadaan produksi dimasa yang

akan datang, dan akan memberikan kemudahan manajemen perusahaan

dalam menentukan kebijakan yang akan dibuat oleh perusahaan.

Menurut (Gaspersz, 2005) tujuan peramalan adalah untuk meramalkan

permintaan dari item- item independent demand dimasa yang akan datang.

C. JENIS – JENIS PERAMALAN

Menurut Render dan Heizer (2009) peramalan dapat dibedakan

menjadi 3 jenis yaitu:

1. Peramalan ekonomi

Menjelaskan siklus bisnis dengan memprediksi tingkat inflasi,

ketersediaan uang, dana, yang dibutuhkan untuk membangun

perumahan dan indikator perencanaan lainnya.

2. Peramalan teknologi


commit to user 17

Memperhatikan tingkat kemajuan teknologi yang dapat

meluncurkan produk baru yang menarik, membutuhkan pabrik, dan

peralatan baru.

3. Peramalan permintaan

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 WAKTU

Peramalan dapat dibedakan menjadi 3 kelompok yaitu:

1. Peramalan jangka panjang,

yaitu peramalan yang umumnya dua sampai sepuluh tahun.

Peramalan ini digunakan untuk perencanaan produk dan perencanaan

sumberdaya.

2. Peramalan jangka menengah,

yaitu peramalan yang umumnya satu sampai dua tahun.

Peramalan ini lebih mengkhususkan dibandingkan peramalan jangka

panjang, biasanya digunakan untuk menentukan aliran kas,

perencanaan produksi, dan penentuan anggaran.

3. Peramalan jangka pendek,


commit to user 18

yaitu peramalan yang umunnya satu sampai lima minggu.

Peramalan ini digunakan untuk mengambil keputusan dalam hal perlu

tidaknya lembur, penjadwalan kerja dan lain- lain, nasution (2005).

E. KARAKTERISTIK PERAMALAN

Karakteristik peramalan yang baik menurut ishak (2010)

1. Akurasi

Diukur dengan kebiasaan dan kekonsistenan peramalan

tersebut.

2. Biaya

Biaya yang diperlukan dalam pembuatan suatu peramalan

adalah tergantung dari jumlah item yang diramalkan, lama periode,

dan metode peramalan yang dipakai.

3. Kemudahan

Penggunaan metode peramalan yang sederhana, mudah dibuat

dan mudah diaplikasikan akan membuat keuntungan bagi perusahaan

F. METODE PERAMALAN

1. Jenis pendekatan peramalan

Menurut Render dan Heizer (2009) ada dua jenis pendekatan

dalam peramalan:

a. Teknik Kualitatif


commit to user 19

Yaitu peramalan yang menggabungkan faktor- faktor penting

seperti pengambilan keputusan, pengalaman pribadi, emosi, dan

sistem nilai.

1) Keputusan dari pendapat juri eksekutif

Teknik peramalan yang meminta pendapat segolongan

kecil manajer tingkat tinggi dan menghasilkan prediksi

permintaan kelompok. Sebagai contoh, Bristol – mayers squibb

menggunakan 220 ilmuwan terkenal sebagai pendapat juri

eksekutif untuk mendapatkan tren masa depan dibidang

penelitian medis.

2) Metode Delphi

Teknik peramalan yang menggunakan proses kelompok

dimana para pakar melakukan peramalan. Sebagai contoh,

Negara bagian alaska menggunakan metode Delphi untuk

meramalkan ekonomi jangka panjangnya.

3) Komposit tenaga penjualan

Teknik peramalan berdasarkan prediksi tenaga

penjualan akan penjualan yang diharapkan.

4) Survei pasar konsumen

Metode peramalan yang meminta input dari konsumen

mengenai rencana pembelian mereka dimasa depan.

b. Teknik Kuantitatif


commit to user 20

Metode ini menggunakan berbagai model matematis yang

menggunakan data historis dan variabel kausal untuk meramalkan

penjualan.

1) Model Time Series:

Membuat prediksi dengan asumsi bahwa masa depan

merupakan fungsi dari masa lalu.

a. Single moving average

Metode ini menggunakan sejumlah data aktual

permintaan yang baru untuk membangkitkan nilai ramalan

untuk permintaan dimasa yang akan datang. Metode ini

akan efektif diterapkan apabila kita dapat mengasumsikan

bahwa permintaan pasar tehadap produk akan tetap stabil

sepanjang waktu, Gaspersz (2005). Bila permintaan

berubah secara signifikan dari waktu kewaktu, ramalan

harus cukup agresif dalam mengantisipasi perubahan

tersebut, sehingga nilai n yang kecil akan lebih cocok

dipakai, Nasution (2005) . secara sistematis, penulisan

persamaan single moving average adalah:

Rata- rata bergerak n- periode=


commit to user 21

dimana n adalah banyaknya periode dalam rata- rata

bergerak. Permasalahan umum dalam menggunakan

metode rata – rata bergerak adalah bagaimana memilih n-

periode yang diperkirakan tepat (n = 3, 4, 5, 6, dst). Dalam

hal ini kita dapat menggunakan beberapa nilai n-periode,

kemudian memilih dan membandingkan n-periode yang

memiliki MAD (Mean Absolute deviation) terkecil,

Gasperz (2005).

b. Metode weighted moving average

Model rata- rata bergerak berbobot ini lebih responsive

terhadap perubahan, karena data dari periode yang baru

biasanya diberi bobot lebih besar. (Gaspersz, 2005).Secara

sistematis, persamaan penulisan rumus weighted moving

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

Rata- rata bergerak dengan pembobotan=

∑ bobot

Keterangan:

(pembobot yang digunakan penulis dalam penilitian

ini adalah 3-bulan terbobot dan 4-bulan terbobot).


Periode (bulan) Koefisien pembobot


commit to user 22

1 bulan (periode) yang lalu 2 bulan (periode) yang lalu 3 bulan (periode) yang lalu

3 2 1

Jumlah 6


Periode (bulan) Koefisien pembobot 1 bulan (periode) yang lalu 2 bulan (periode) yang lalu 3 bulan (periode) yang lalu 4 bulan (periode) yang lalu

4 3 2 1

Jumlah 10

Teknik ini lebih responsif terhadap perubahan karena

periode yang lebih dekat mendapat bobot yang lebih berat.

Periode yang mendekati n dinilai paling berpengaruh untuk

membuat peramalan pada bulan n daripada periode

sebelumnya. Untuk itu pada metode weighted moving

average 3 bulan terbobot, 1 bulan periode yang lalu diberi

bobot 3, 2 bulan yang lalu diberi 2 dan seterusnya. Sama

halnya dengan weighted moving average 3 bulan terbobot,

weighted moving average 4 bulan terbobot, 1 bulan yang

lalu diberi bobot 4 dan seterusnya.

c. Metode exponential smoothing

Subagyo (2002) mengemukakan bahwa metode ini

adalah suatu prosedur yang mengulang perhitungan secara

terus-menerus yang menggunakan data terbaru. Setiap data


commit to user 23

diberi bobot, dimana bobot yang digunakan disimbolkan

dengan α. Simbol α bisa ditentukan secara bebas, yang bisa

mengurangi forecast error. Nilai konstanta pemulusan (α)

dapat dipilih diantara 0 dan 1. Render dan Heizer (2005)

mengemukakan merupakan metode peramalan dengan

pembobotan yang canggih tetapi masih mudah untuk

digunakan. Metode ini sedikit menggunakan data masa

lalu. Herjanto (2008) mengemukakan secara sistematis

rumus exponential smoothing dapat ditunjukkan sebagai

berikut:

Ft = peramalan baru


α = konstanta


Apabila pola historis dari data aktual permintaan sangat

bergejolak atau tidak stabil dari waktu ke waktu, kita

memilih nilai α yang mendekati satu. Biasanya dipilih α =

0,9; namun dapat mencoba nilai – nilai α yang lain yang

mendekati 1.


commit to user 24

Apabila pola historis dari data aktual permintaan tidak

berfluktuasi atau relatife stabil dari waktu ke waktu, kita

memilih nilai α yang mendekati 0. Biasanya dipilih nilai α

= 0.1 (Gasperz, 2005)

2) Model asosiatif

Hubungan sebab – akibat, seperti regresi linier,

menggabungkan banyak variabel atau faktor yang mungkin

mempengaruhi kuantitas yang sedang diramalkan.

a. Analisis regresi linier

Model matematis yang sama kita gunakan pada metode

kuadrat terkecil dari proyeksi tren untuk melakukan

analisis regresi linier. Variabel terikat yang kita inginkan

akan tetap sama yaitu . Namun, sekarang variable bebas

adalah x, tidak lagi waktu. Persamaan yang digunakan

adalah :

Dimana:

γ = nilai variabel terikat

a = perpotongsn sumbu γ

b = kemiringan garis regresi


commit to user 25

x = variabel bebas

b. Analisis regresi majemuk

Regresi majemuk dapat kita gunakan untuk

menciptakan sebuah model dengan beberapa variabel

bebas. Sebagai contoh, jika nodel ingin memasukkan

tingkat bunga tahunan rata – rata dalam model peramalan

penjualannya, maka persamaannya adalah:

+

Dimana:

γ = variabel terikat, penjualan

a = sebuah konstanta

= nilai dua variabel bebas berturut – turut

= koefisien dari dua variabel bebas

Apabila data aktual permintaan tidak membentuk

kecenderungan (trend line), maka model – model

peramalan yang mempertimbangkan kecenderungan (trend)

tidak perlu dipertimbangkan. Karena pola data tidak

membentuk kecenderungan maka kita dapat

mempertimbangkan model peramalan rata – rata bergerak

atau pemulusan eksponensial.

2. Pengukuran hasil akurasi peramalan


commit to user 26

Salah satu cara mengevaluasi teknik peramalan adalah dengan

menggunakan ukuran tentang tingkat perbedaan antara hasil peramalan

dengan penjualan yang sebenarnya terjadi. Ada 4 ukuran yang

biasanya digunakan, yaitu:

a. Rata- rata deviasi mutlak (mean absolute deviation)

MAD merupakan rata- rata kesalahan mutlak selama periode

tertentu tanpa memperhatikan apakah hasil peramalan lebih besar

atau kecil dibanding kenyataannya. Secara sistematis, MAD

dirumuskan sebagai berikut:

MAD=

Keterangan:




b. Rata- rata kuadrat kesalahan (mean square error= MSE)

MSE dihitung dengan menjumlah kuadrat semua kesalahan

peramalan pada setiap periode peramalan. Secara sistematis, MSE

dirumuskan sebagai berikut

MSE=

Keterangan:


commit to user 27




(Nasution, 2005)

c. Rata- rata kesalahan peramalan (mean forecast error = MFE)

MFE sangat efektif untuk mengetahui apakah suatu hasil

peramalan selama periode tertentu terlalu tinggi atau rendah. Bila

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

MFE dihitung dengan menjumlahkan semua kesalahan peramalan

selama periode peramalan dan membaginya dengan jumlah periode

peramalan. Secara matematis, MFE dinyatakan sebagai berikut:

MFE=

Keterangan:




d. Rata- rata presentase kesalahan absolute (mean absolute

percentage error = MAPE)

MAPE merupakan ukuran kesalahan relative. MAPE biasanya

lebih berarti dibandingkan MAD karena MAPE menyatakan

persentase kesalahan hasil peramalan terhadap permintaan aktual

selama periode tertentu yang akan memberikan informasi


commit to user 28

persentase kesalahan terlalu tinggi atau rendah. Secara sistematis

dinyatakan sebagai berikut:

MAPE= ∑At-



BAB III

PEMBAHASAN

A. GAMBARAN UMUM PERUSAHAAN

1. SEJARAH PERUSAHAAN

Berdasarkan akta notaris no. 25 tahun 1990 PT. Hanil

Indonesia pertama kali terdaftar pada tanggal 12 Nopember 1990

dengan nama PT. Hanil Adetex, yang modalnya merupakan kerjasama

antara Hanil Synthetic Fiber Co., LTD (Korea) yang merupakan

pemegang saham 95% dengan Adetex (Indonesia) sebesar 5%.


commit to user 29

Pada bulan Maret tahun 1991 dimulai pembangunannya

dilokasi Desa Mojolegi, Kec. Teras, Kab. Boyolali Jawa Tengah,

dengan luas area sebesar 53.023 m2 yang selanjutnya disebut Pabrik I.

Pada bulan nopember 1991 dimulai uji coba produksi dengan

kapasitas mesin terpasang sebanyak 20.000 spindel.

Pada bulan Januari tahun 1992 diadakan perluasan dengan

mengambil lokasi Desa Nepen, Kec. Teras, Kab. Boyolali sebagai

Pabrik II, dengan luas area sebesar 136.286 m2 dan dimulai proses

produksi pada bulan Agustus 1992 dengan kapasitas mesin terpasang

40.000 spindle sehingga total mesin terpasang untuk kedua pabrik

tersebut diatas sebanyak 60.000 spindle.

Pada bulan Oktober 1992 mulai dioperasikan mesin

pencelupan (dyeing) yang berkapasitas 20 ton perhari. Pada bulan

desember tahun 1995 diadakan penambahan kapasitas spinning 1600

spindle di Pabrik I Mojolegi, dan 3200 spindle di Pabrik II Nepen.

Sejalan dengan perkembangan perusahaan pada bulan Mei

tahun 2000 terjadi perubahan pemilikan Saham dan perubahan nama

yang semula saham 5% dimiliki PT. Adetex dibeli oleh Hanil

Synthetic Fiber Co., LTD sehingga merupakan 100% perusahaan

PMA dan nama yang semula PT. Hanil Adetex dirubah menjadi PT.

Hanil Indonesia.

2. PERMODALAN

a. Pada tahun 1999 – 2000 :


commit to user 30

Jumlah modal US$ 11.552.000, terdiri dari:

1. Hanil Synthetic Fiber CO., LTD (Korea) sebesar US$

10.974.000 (95%)

2. PT. Adetex (Indonesia) sebesar US$ 578.000 (5%)

b. Tahun 2000 – sekarang :

Jumlah modal US$ 11.552.000 dimiliki oleh Hanil Synthetic Fiber

CO., LTD (Korea)

3. LOKASI PERUSAHAAN

a. Adapun faktor pemilihan lokasi perusahaan Hanil Indonesia

sebagai berikut :

1. Harga tanah

Karena harga tanah yang cukup murah yang terletak

dipinggir kota dibandingkan di dalam kota sehingga menjadi

prioritas perusahaan untuk pemilihan lokasi

2. Tenaga kerja

Disekitar lokasi perusahaan tersedia tenaga kerja yang

dibutuhkan oleh perusahaan

3. Transportasi


commit to user 31

Lokasi perusahaan yang cukup strategis tidak jauh dari

jalan raya dapat mempermudah jalur akses pengangkutan.

4. Fasilitas

Tersedianya listrik dan air menjadikan kegiatan

produksi berjalan lancar.

b. Jarak lokasi perusahaan dengan kegiatan lain :

1. Sebelah utara

Pabrik nepen berbatasan dengan sungai gandul dengan

jarak +7 meter dan pemukiman masyarakat Desa Butuh

Kecamatan Mojosongo berjarak + 35 meter

2. Sebelah timur

Pabrik Nepen berbatasan langsung dengan Jalan raya

Randusari – Klaten dan pemukiman masyarakat Dukuh

Kembang, Desa Nepen, Kecamatan Teras yang berjarak + 12

meter

3. Sebelah selatan

Pabrik Nepen berbatasan langsung dengan pemukiman

masyarakat Dukuh Hendrokilo Desa Nepen Kecamatan Teras

dan berdampingan dengan kegiatan SD Nepen II yang berjarak

+ 300 meter serta kegiatan Balai Desa Nepen dengan jarak +

700 meter.

4. Sebelah barat


commit to user 32

Pabrik Nepen berbatasan langsung dengan tanah lading

/ tegalan wilayah Desa Kemiri Kecamatan Mojosongo

Boyolali.

4. STRUKTUR PERUSAHAAN

Struktur organisasi perusahaan dibuat untuk mengetahui sistem

pengorganisasian perusahaan, menjalankan tugas, wewenang dan

tanggung jawab masing - masing bagian. Fungsi pengorganisasian

dalam perusahaan adalah mengatur jalannya perusahaan secara

bersama sehingga dapat mencapai sasaran perusahaan.

Struktur organisasi akan menggambarkan secara skematis

tentang bagian- bagian tugas dan tanggung jawab serta hubungan antar

bagian atau antar departemen yang ada. Dengan demikian perusahaan

memiliki garis komando yang jelas untuk seluruh karyawan.


commit to user

33

PRESIDENDIREKTUR

SOLO FACT. JAKARTA

DIREKTUR MARKETING

SPINNING DYEING GENERALEKSPORTIMPORT

GENERALAFFAIRS

ACCOUNT. SUPPLY PLANNING PABRIK I PABRIK II PABRIK III DYEING W W T UTILITYWORKSHOP

UTILITY

REWINDING

STRUKTUR ORGANISASI PT. HANIL INDONESIA

gambar 3.1


commit to user 34

Berdasarkan gambar di atas dapat diuraikan tugas dan tanggung

jawab dari tiap kegiatan dalam struktur organisasi

a. Presiden direktur

1. Memegang jabatan tertinggi dalam suatu perusahaan

2. Menggariskan kebijaksanaan perusahaan

3. Mengangkat dan memberhentikan direktur

b. Direktur

1. Memimpin serta mengadakan pengawasan terhadap seluruh

aktivitas perusahaan

2. Mengurus dan bertanggung jawab atas kekayaan perusahaan

3. Member otoritas terhadap dokumen – dokumen perusahaan\

c. Marketing

1. Koordinator staff pemasaran dan tenaga pemasaran

2. Bertanggung jawab kepada general manager atas seluruh

kegiatan pemasaran

3. Mencari gagasan dan inovasi untuk meningkatkan omset dan

pendapatan perusahaan

4. Mengontrol, mengawasi dan menyutujui perkiraan harga jual

setiap job order

d. General affairs

1. Memberikan solusi terhadap masalah yang berasal dari

manajemen dibawahnya


commit to user 35

2. Membuat kebijaksanaan yang menyangkutnproses kerja

dibidangnya

e. Accounting

Tugas dan wewenang adalah memasukkan dan mengolah data

keuangan perusahaan

f. Supply

Bertanggung jawab atas pemesanan bahan baku dari luar negeri

g. Planning

Bertanggung jawab atas perencanaan produksi sampai eksport

produk

h. Spinning

Mengkoordinasi bagian pabrik 1, pabrik 2, dan pabrik 3

i. Dyeing

Bertanggung jawab atas pewarnaan produk dan mengkoordinasi

bagian dyeing, rewinding dan WWT

j. Utility

Bertanggung jawab atas kebutuhan perlengkapan dan pemeliharaan

peralatan dalam kegiatan produksi

5. PERSONALIA

Keberhasilan yang diperoleh suatu perusahaan tidak terlepas dari

sumber daya manusia yang ada diperusahaan. Sehingga masalah

tenaga kerja juga harus diperhatikan oleh perusahaan. PT. Hanil

Indonesia telah merekrut tenaga kerja penduduk Solo sekitarnya


commit to user 36

khususnya Boyolali. Secara langsung telah ikut berparitsipasi dalam

mengurangi pengangguran masyarakat Solo khususnya Boyolali

karena adanya penyerapan tenaga kerja.

a. Jumlah karyawan

Tabel 3.2 Jumlah karyawan

Karyawan jumlah karyawan laki – laki 435 orang Perempuan 1814 orang Jumlah 2249 orang

b. Pembagian jam kerja

Tabel 3.21

Pembagian Jam Kerja

Shift jam kerja overtime rutin

istirahat keterangan

day senin - jum'at 08.00 - 16.00

1 jam (libur pekerja day shift jatuh pada hari minggu)

Sabtu 08.00 - 13.00

pagi senin - jum'at 06.00 - 14.00

1 jam (masing - masing shift libur pada hari minggu dan pergantian jadwal kerja mulai hari senin) Sabtu 06.00 -

14.00 2 jam 1 jam

siang senin - jum'at 14.00 - 22.00

1 jam

Sabtu 14.00 - 22.01

2 jam 1 jam (pelaksanaan istirahat untuk pekerja shift diatur oleh bagian masing - masing secara bergiliran) malam senin - jum'at 22.00 -

06.00 1 jam

Sabtu 22.00 - 06.01

2 jam 1 jam

c. Pembebasan dari kewajiban bekerja

1. Istirahat haid bagi karyawati yaitu 2 hari

2. Istirahat hamil bagi karyawati yaitu selama 1,5 bulan.


commit to user 37

3. Hari raya resmi, sesuai yang ditetapkan pemerintah sebagai

hari libur nasional

d. Pengupahan

Upah pekerja baik berstatus pekerja bulanan maupun berstatus

harian dibayarkan bulanan yaitu dibayar sebulan sekali dan

dilaksanakan setiap tanggal 10 untuk bulan sebelumnya. Jikalau

tanggal 10 jatuh pada hari minggu atau hari raya resmi, tanggal

pembayaran diajukan.

e. Keselamatan dan kesehatan kerja

Perusahaan wajib menyediakan alat keselamatan dan kesehatan

kerja perorangan untuk dipakai pekerja sesuai dengan tugas atau

sifat pekerjaan masing – masing antara lain sepatu khusus, sarung

tangan khusus, masker atau pelindung pernapasan dan pelindung

telinga.

f. Jaminan sosial dan kesejahteraan

PT. Hanil Indonesia meningkatkan kesejahteraan dan

memberikan motivasi kerja, serta memberikan jaminan sosial dan

failitas kerja diantaranya sebagai berikut:

1. Tempat ibadah

Perusahaan menyediakan tempat ibadah seperti masjid

dan memberikan kebebasan untuk melaksanakan ibadah sesuai

dengan kepercayaan masing – masing.


commit to user 38

2. Pakaian kerja

Perusahaan memberikan semua karyawan berupa

pakaian kerja untuk keefektifan dalam bekerja

3. Asuransi tenaga kerja

Setiap karyawan mendapatkan asuransi. Hal ini untuk

mengantisipasi bila karyawan mengalami saat kerja.

4. Tunjangan kesehatan

Tunjangan ini diberikan untuk karyawan yang

memerlukan, seluruh biaya pengobatan ditanggung oleh

perusahaan.

5. Bus karyawan

Perusahaan menyediakan bus karyawan untuk antar

jemput karyawan

B. PROSES PRODUKSI

PT. Hanil Indonesia merupakan perusahaan yang bergerak dibidang

tekstil (pemintalan benang). Bahan baku yang digunakan dalam

pembnuatan benag adalah acrylic tow (serat panjang) dan acrylic staple

fibre (serat pendek). Proses pembuatan benang ada 2 yaitu melalui

spinning yang berupa acrylic raw white yarn dan deying berupa acrylic

dyed yarn.


commit to user 39

1. Proses spinning

Diagram proses produksi

- Bahan Baku S.F (Staple Fibre)- Mengurai Serat S.F - Kelembaban/kadar air

S.F TOW - Pemindahan Serat S.F ke kamar Binsil ( MOISTURIZED ) Kamar - Tempat Penyimpanan Serat, Sebelum dalam Bahan Baku dan

Open Binsil Serat dimasukan ke dalam Mesin Card Benang berbeda-beda- Mengurai dan Penyisiran Serat

CARD ( Lapisan Tipis ) Moisture Content- Menghilangkan kotoran pada serat - Bahan : ± 2.0 %- Perangkapan Web - Benang : ± 0.5 %

ACD B/MB/M - Pemberian Draft- Penyisiran Serat

Re - Acrylic Filament ( Tow ) di Draft B/M dgn diberi Panas ( Heating ) -BIN : Binsil

- Serat Panjang dipotong( Draft ) -Card : Carder- Memberi Penyusutan dgn -ACD : After Card Draft

P-A/L pendinginan ( Cooling ) -B/M : Breaking Machine- Pemutusan kembali sliver -Re-B/M : Re-Breaking Machine

yang belum terpotong -P-A/L : Pre Auto Levelizer- Pencampuran C/C & T/T Sliver -A/L : Auto Levelizer- Pemberian Drafting -H/G : High Gill- Penyisiran Sliver -B/C : Bicoler

H/G A/L - Perangkapan Sliver -R/V : RoverH/G - Penyisiran Sliver -S/P : SpinningB/C - Pemberian Drafting -S/T : Steamer

-A/C : Auto Coner- Pemberian Puntiran -D/B : Doubler

R/V - Pemberian Draft -D/T : Double Twister- Penggulungan ke Bobbin Roving -R/L : Reeling- Pemberian Puntiran -A/P : Auto Packer- Pemberian Drafting -B/P : Bale Pressure

S/P - Membuat Benang Single- Penggulungan ke Bobbin Spinning- Memberi Uap Panas (Menetapkan putiran / mencegah puntiran bertentangan )

A/C - Benang Single yg cacat dihilangkan- Penggulungan ke Tube- Perangkapan Benang Single

D/B - Pemberian Tekanan pada benang- single dgn sama besar- Penggulungan ke Tube

D/T - Pemberian puntiran benang double- Pemberian kekuatan benang double

CHEESE HANK - Penggulungan ke tube/paper cone- Merubah bentuk gulungan cheese menjadi untaian benang

- Pembungkusan dan pengepresan cake dengan karung- Pembungkusan cheese dgn carton box

BOX BALEBOXKELUAR

A/P - Pengepakan hank kedalam plastik CAKE

B/P BALE

R/L HANK

PEMERIKSA - Memeriksa keadaan benang dan berat

D/BCHEESEDOUBLE

D/TCHEESE( D/T )

SPIN

NING

S/P COP

S/T

FINISHING

S/TSETTING

COP

A/CCHEESESINGLE

A/LPre-A/L

T/C SLIVER

DRAWING

SLIVER

B/C

ROVINGR/V

BIN

A.C.DC/C

SLIVER

B/M

TOW

T/T SLIVER

Keterangan

TOP MAKING

OpenerS.F

C/C SLIVER

Re-B/MT/T

SLIVER

Nama mesin :

Peta Proses Mesin Proses KeteranganHasil Produk

Sumber : Dept. Planning

Gambar 3.11


commit to user 40

Adapun diagram proses spinning di atas dapat diuraikan sebagai berikut:

a. Opener

Bahan baku staple fibre (serat pendek) dalam bale dibuka dulu

pembungkusnya / karung + 2 jam sebelum proses sebanyak 5 bale,

agar kelembaban bahan berkurang (panjang serat 76 – 127 mm).

kemudian memasukkan bahan sedikit – sedikit kedalam mesin

opener dengan cara dicampur dari 5 bale yang sudah disiapkan tadi

(material feeding). Lalu bahan diurai (material stripping) dengan

tujuan untuk membuka dan meluruskan serat akibat bahan dipress /

bale (material hook dan raise).

b. Binsil

Setelah bahan diurai menjadi ringan lalu diangkat (sanding)

dengan fan motor (dihisap) disalurkan kekamar binsil untuk siap

proses dimesin carder.

c. CARD

Bahan yang sudah diurai dimesin opener kemudian diurai

kembali menjadi lebih lurus dengan cara menyisir serat menjadi

lapisan yang tipis (WEB) tujuannya adalah untuk menghilangkan

kotoran pada serat.

d. ACD

Serat yang tipis (WEB) dibuat rangkap double lalu dimasukkan

ke mesin ACD. Serat rangkap tersebut direnggangkan / ditarik lalu

diluruskan lagi (penyisiran serat) C/C sliver.


commit to user 41

e. B/M

Bahan baku tow proses di B/M ditarik ujungnya dimasukkan

kemesin (lebar feeding + 210 mm) lalu ditarik masuk healting

plate, diberi panas dengan suhu + 160° C, kemudian (didraft)

dipotong / renggang berulang – ulang lalu didinginkan untuk

member penyusutan bahan

f. Re-B/M

Sliver dari mesin B/M didraft kembali secara berulang- ulang

untuk menyempurnakan proses B/M dan membuat sliver rangkap

(doubling) T/T sliver.

g. Pre-A/L

Sliver dari mesin ACD (CC Sliver) dan sliver dari mesin Re-

B/M (T/T Sliver)dicampur kemudian didraft, didoubling kemudian

diluruskan lagi, T/C Sliver.

h. A/L, H/G, B/C

Sliver dari Pre-A/L dilakukan proses antara lain perangkapan,

pelurusan serat dan didraft prosesnya dari mesin A/L kemesin H/G

kemudian kemesin B/C. tujuan prosesnya untuk membuat sliver

menjadi lebih baik, Sliver.

i. R/V

Sliver dari mesin B/C didraft lagi dengan member puntiran

(twisting) kemudian menggulung pada bobbin roving, roving.


commit to user 42

j. S/P

Roving dari mesin rover didraft kembali dimesin spinner

dengan member puntiran kemudian membuat benang single dan

menggulung ke bobbin spinning, cop.

k. S/T

Khusus proses benang single, cop masuk mesin steamer/ setter

dengan member uap panas kemudian divaccum agar kandungan

airnya hilang. Tujuannya untuk menetapkan puntiran dan

mencegah puntiran yang bertentangan, cop setting.

l. A/C

Cop dan cop setting proses di auto coner / winder untuk

menghilangkan benang single yang cacat kemudian yang bagus

digulung ketube, cheede single.

m. D/B

Untuk proses benang double, cheese single dari auto coner

diproses dimesin double dengan cara merangkap cheese single

dengan member tekanan yang sama beratnya kemudian

menggulung benang double ketube, cheese double.

n. D/T

Cheese double dari mesin doubler diproses dimesin double

twister yang tujuannya memberikan kekuatan benang dengan cara

member puntiran (twister) kemudian menggulung benang twister

ke tube / cone, cheese double twister.


commit to user 43

o. R/L

Cheese double twister dan cheese single yang setting cop,

digulung menjadi untaian benang, hank.

p. PEMERIKSA

Memeriksa keadaan benang (puntiran benang dan cacat

benang) dan beratnya

q. A/P

Mengepak hank kedalam plastik, cake.

r. B/P

Mengepres cake dan membungkus karung dengan pengikat

kawat, bale

Membungkus cheese dengan karton box, box


commit to user 44

2. Proses dyeing

Diagram Proses Bagian Dyeing ( Pencelupan )

Gambar 3.12

R.W.HJUMBI

( PERSIAPAN )OPERATOR BALANCING

-Menyiapkan -Memasukkan -Melarutkan -Menimbang benang sesuai benang ke Dyestuff & Dyestuff & resep Dyeing Spindle M/C Agent Agent sesuai

Dyeing resep Dyeing

-Mengatur proses Dyeing sesuai Heating Graph Control

Proses pewarnaanbenang RWH

Mengeluarkan benang darimesin ke kereta

Memerasbenang untukpersiapan Dry

Mengeringkanbenang, sesuaiTemperature ST

Cek kondisibenang agarkwalitas ok

Menggulung hankmenjadi bentukCones ( 9º & 11" )

Mengepakbenang coneke dalam Box

Mengirimbenang ke Buyer

MC.DYEING ( SPRAYER )

PROCON

PROSES DYEING ( PENCELUPAN )

JUMBI ( PERSIAPAN )

M/C TALSO

M/C DRYER

GEMSA ( PEMERIKSAAN )

DELIVERY

REWINDER

PACKING BOX


commit to user 45

Tahapan proses bagian dyeing adalah sebagai berikut :

a. Persiapan

1. Benang raw white hank disiapkan sesuai dengan

resep dyeing (jobang).

2. Benang dimaskkan kespindle machine dyeing.

3. Dyestuf dan agent (balancing) ditimbang sesuai

dengan resep dyeing.

4. Dyestuff dan agent dilarutkan, kemudian

dilakukan persiapan air proses (3000 lt, 4500 lt) sesuai

dengan jobang

b. Procon

Proses dyeing diatur sesuai heating graph control.

c. Proses dyeing

Merupakan proses pewarnaan benang raw white hank

dengan waktu dan suhu tertentu sampai selesei. Dalam proses

ini juga ditambahkan softener untuk melembutkan benang

d. Jumbi (persiapan)

Merupakan proses untuk mengeluarkan benang dari mesin

dyeing kedalam kereta untuk siap masuk mesin talso

(peremas).

e. M/C talso

Benang diremas untuk persiapan dryer (pengering).

Dilakukan selama 5-6 menit dengan putaran 850-930 RPM.


commit to user 46

f. M/C Dryer

Mengeringkan benang sesuai dengan temperature steam.

g. Gemsa (pemeriksa)

Pemeriksaan benang dari dry agar kualitas bagus untuk

proses berikutnya, produk berupa dyed hank. Pada bagian

gemsa ini ada bebrapa hal lain yang dilakukan, yaitu :

1. A/P

Merupakan proses pembungkus dengan plastik menjadi

cake.

2. B/P

Cake dibungkus dalam bentuk segiempat kedalam karung

menjadi dyed hank bale dan siap untuk dikrim

3. Benang dyed hank yang tidak dibale masuk

gudang mutasi untuk persiapan Re-winding.

h. Re-winding

Hank digulung menjadi bentuk cones

i. Packing box

Benang dyed cone dipak kedalam box

j. Delivery

Benang dikirim ke buyer sesuai dengan delivery order.


commit to user 47

C. LAPORAN MAGANG KERJA

1. Pengertian magang kerja

Magang kerja meruapakan kegiatan penunjang perkuliahan

yang wajib dilakukan oleh mahasiswa dengan cara diterjunkan secara

langsung kedunia kerja dan sebagai pesyaratan untuk menyelesaikan

pendidikan D III Manajemen Industri, Fakultas Ekonomi, Universitas

Sebelas Maret Surakarta.

Dalam pelaksanaan magang kerja, mahasiswa diharapkan dapat

menerapkan ilmu yang telah diperoleh selama berada dibangku

perkuliahan dan dapat memperoleh pengalaman untuk menghadapi

dunia kerja yang sesungguhnya.

2. Tempat dan waktu pelaksanaan magang

Kegiatan magang dilakukan di PT. Hanil Indonesia yang

berlokasi di Nepen, Teras, Boyolali, PO BOX 142 Telp. (0276)

321252, 321478 Fax. (0276) 321378.

Magang kerja dilaksanakan + satu bulan dimulai tanggal 24 januari -

18 februari 2011. Magang kerja dilaksanakan setiap hari senin – sabtu

pukul 08.00 – 16.00 WIB, kecuali pada hari sabtu jam kerja

dilaksanakan mulai pukul 08.00 – 13.00 WIB.

3. Manfaat magang kerja

Magang kerja dapat memberi manfaat antara lain:


commit to user 48

a. Untuk pembelajaran dan menambah pengalaman secara

langsung dalam dunia kerja.

b. Melatih dalam memecahkan masalah yang menjadi objek

penelitian.

c. Media bersosialisasi pada dunia kerja secara nyata

d. Memeperkenalkan tentang dunia kerja secara nyata pada

lembaga yang nantinya akan menjadi tempat kerja masa depan

4. Kegiatan magang kerja

Selama kegiatan magang kerja berlangsung, mahasiswa

diwajibkan untuk mengikuti tata tertib yang telah ditentukan oleh

perusahaan diantaranya sebagai berikut:

a. Memakai pakaian hitam putih, sepatu hitam dan

id chard

b. Datang dan pulang sesuai dengan jam kerja

perusahaan

c. Apabila meninggalkan perusahaan harus ijin

satpam

d. Mahasiswa harus menaati segala bentuk

peraturan yang ada di PT. Hanil Indonesia

Selama + 1 bulan pelaksanaan magang kerja, penulis ditempatkan pada

dua bagian yaitu gudang dan bagian produksi, dengan rincian sebagai

berikut:


commit to user 49

Tabel 3.22

Aktivitas yang Dilakukan Selama Pelaksanaan Magang Kerja

No. Minggu Ke Aktivitas

1. I · Permintaan ijin untuk mengawali pelaksanaan magang dan pemberian arah oleh kepala bagian

· Perkenalan dengan staff personalia · Pengenalan pada lingkungan kerja · Penjelasan job description

2. II · Survei gudang bahan baku · Penempatan ke bagian gudang · Mengecek stock bahan baku dalam gudang · Pengkodean/ penulisan tanggal kadaluarsa · Pengenalan mesin produksi

3. III · Penempatan ke bagian spinning · Pengenalan mesin produksi · Mencatat data yang diperlukan · Mengamati Mesin spinning

4. IV · Mengumpulkan data-data yang dibutuhkan · Mempelajari data-data yang sudah didapat · Perpisahan dengan staf dan karyawan diperusahaan

Sumber : Laporan Pelaksanaan Magang Kerja Mahasiswa, Tahun 2012

D. PEMBAHASAN

PT. Hanil Indonesia merupakan perusahaan yang bergerak dibidang

tekstil pemintalan benang (spinning). Produk benang yang dihasilkan

adalah acrylic raw white yarn dan acrylic dyed yarn. Permintaan produksi


commit to user 50

benang pada PT. Hanil Indonesia dari bulan ke bulan tidak tetap kadang

ada kenaikan dan juga ada penurunan.

PT. Hanil Indonesia dalam melakukan peramalan belum menggunakan

sebuah metode. Melainkan hanya menggunakan perkiraan yang

disesuaikan dengan data produksi pada periode sebelumnya.

Untuk melakukan peramalan permintaan produksi, harus tersedia data

yang digunakan untuk menghitung peramalan yaitu data permintaan

produksi pada periode sebelumnya. Dengan memilih metode – metode

peramalan yang akan digunakan, dalam hal ini metode yang digunakan

ada 3 yaitu : metode single moving average (3 bulanan dan 4 bulanan),

weighted moving average (3 bulan terbobot dan 4 bulan terbobot) dan

exponential smoothing (α= 0.5, α= 0.9)?

Dengan membandingkan hasil peramalan dari ketiga metode tersebut,

dan memperoleh tingkat kesalahan atau error terkecil, sehingga digunakan

sebagai pedoman dalam melakukan produksi pada periode salanjutnya.

Tabel 3.23 Data produksi benang pada periode April’09 – Maret’12

Bulan produksi (kg) bulan produksi (kg) bulan produksi (kg)

April’ 9 1,218,866 April’ 10 1,250,067 April’ 11 1,298,264

Mei’ 9 1,234,719 Mei’ 10 1,164,881 Mei’ 11 1,312,454

Juni’ 9 1,274,539 Juni’ 10 1,290,056 Juni’ 11 1,224,080

Juli’ 9 1,289,947 Juli’ 10 1,283,189 Juli’ 11 1,276,940

Agustus’ 9 1,248,322 Agustus’ 10 1,198,684 Agustus’ 11 1,173,749

September’ 9 1,140,257 September’ 10 1,309,206 September’ 11 1,151,057

Oktober’ 9 1,372,629 Oktober’ 10 1,309,553 Oktober’ 11 1,296,827

November’ 9 1,190,394 November’ 10 1,233,843 November’ 11 1,273,890


commit to user 51

Desember’ 9 1,341,545 Desember’ 10 1,286,772 Desember’ 11 1,336,353

Januari’ 10 1,288,402 Januari’ 11 1,233,698 Januari’ 12 1,295,151

Februari’ 10 1,164,901 Februari’ 11 1,137,657 Februari’ 12 1,256,116

Maret’ 10 1,341,278 Maret’ 11 1,304,254 Maret’ 12 1,393,083

Berdasarkan Tabel 3.23 dapat dilihat bahwa data permintaan benang

Acrylic Raw White Yarn berfluktuasi atau acak, untuk itu model yang

sesuai digunakan 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.

1. Metode single moving average

Dengan rumus sebagai berikut :

Keterangan :

n= jumlah periode (3 bulanan dan 4 bulanan)

Bila permintaan berubah secara signifikan dari waktu kewaktu

nilai n yang kecil akan lebih cocok dipakai, Nasution (2005). Kita

dapat menggunakan beberapa nilai n-periode (n = 3, 4, 5, 6, dst),

kemudian memilih dan membandingkan n-periode yang memiliki

MAD terkecil, Gasperz (2005). Untuk itu penulis mengambil nilai n


commit to user 52

yaitu 3 dan 4 bulanan karena melihat apa yang dikemukakan oleh

Gasperz diasumsikan nilai n dimulai dari 3, 4, 5, dst. Dan menurut

Nasution diambil nilai n yang terkecil.

a. Single moving average 3 bulanan

Perhitungan peramalan dengan single moving average 3

bulanan adalah sebagai berikut :

Tabel 3.24 Peramalan single moving average 3 bulanan dengan menggunakan

POM Windows

ramal solution

Demand(y) Forecast Error |Error| Error^2 |Pct Error|

TOTALS 45395620 158237 2128162 1.82098E+11 1.7

AVERAGE 1260990 4795.06 64489.74 5518116000 0.05 Next period forecast 1314783 (Bias) (MAD) (MSE) (MAPE)

Std err 76642.83

Created by POM-QM for Windows

Hasil peramalan permintaan benang Acrylic Raw White Yarn

pada bulan april 2012 menggunakan POM Windows dengan

menggunakan metode single moving average 3 bulanan yaitu

1.314.783 kg dengan tingkat kesalahan MAD 64.489,74 dan MSE

5.518.116.000.

b. Single moving average 4 bulanan

Perhitungan peramalan dengan single moving average 4

bulanan adalah sebagai berikut :

Tabel 3.25 Peramalan single moving average 4 bulanan dengan menggunakan

POM Windows


commit to user 53

ramal solution

Demand(y) Forecast Error |Error| Error̂ 2 |Pct Error|

TOTALS 45395620 148906.5 2197327 1.94738E+11 1.76

AVERAGE 1260990 4653.33 68666.47 6085561000 0.05

Next period forecast 1320176 (Bias) (MAD) (MSE) (MAPE)

Std err 80568.39




menggunakan metode single moving average 4 bulanan yaitu


6.085.561.000.

2. Metode weighted moving average


Keterangan :

Pembobot yang digunakan adalah 3 bulan terbobot dan 4 bulan

terbobot

a. Weighted moving average 3 bulan terbobot

Perhitungan peramalan dengan menggunakan weighted moving

average 3 bulan terbobot adalah sebagai berikut :

Tabel 3.26 Peramalan weighted moving average 3 bulan dengan

menggunakan POM Windows

ramal solution


TOTALS 45395620 141956.5 2291788 2.10235E+11 1.83


commit to user 54

AVERAGE 1260990 4301.71 69448.13 6370758000 0.06


Std err 82351.53




menggunakan metode weighted moving average 3 bulan terbobot

yaitu 1.331.105 kg dengan tingkat kesalahan MAD 69.448,13 dan

MSE 6.370.758.000.

b. Weighted moving average 4 bulan terbobot

Perhitungan peramalan dengan menggunakan weighted moving

average 4 bulan tebobot adalah sebagai berikut :

Tabel 3.27 Peramalan weighted moving average 4 bulan dengan

menggunakan POM Windows

ramal solution


TOTALS 45395620 121960.4 2198889 1.99739E+11 1.76

AVERAGE 1260990 3811.26 68715.28 6241844000 0.05


Std err 81596.37




menggunakan metode weighted moving average 4 bulan terbobot

yaitu 1.326.734 kg dengan tingkat kesalahan MAD 68.715,28 dan

MSE 6.241.844.000.


commit to user 55

3. Exponential smoothing


Keterangan :

= peramalan baru


α = konstanta


Diterapkan pada persamaan exponential smoothing (α= 0.5, α= 0.9)

Apabila pola historis dari data aktual permintaan sangat bergejolak

atau tidak stabil dari waktu ke waktu, kita memilih nilai α yang

mendekati satu. Biasanya dipilih α = 0,9; namun dapat mencoba nilai –

nilai α yang lain yang mendekati 1 (α = 0.5, 0.6, 0.7, 0.8, 0.9),

(Gasperz, 2005).

a. Exponential smoothing (α= 0.5)

Perhitungan peramalan dengan menggunakan exponential

smoothing α= 0.5 adalah sebagai berikut :

Tabel 3.28 Peramalan exponential smoothing α= 0.5 dengan menggunakan

POM Windows

ramal solution


TOTALS 45395620 231444.5 2345356 2.15217E+11 1.87

AVERAGE 1260990 6612.7 67010.17 6149065000 0.05



commit to user 56

Std err 80757.27




menggunakan metode exponential smoothing α= 0.5 yaitu


6.149.065.000.

b. Exponential smoothing (α= 0.9)

Perhitungan peramalan dengan menggunakan exponential

smoothing α= 0.9 adalah sebagai berikut.

Tabel 3.29 Peramalan exponential smoothing α= 0.9 dengan menggunakan

POM Windows

ramal solution


TOTALS 45395620 178828.4 2696846 3.09264E+11 2.14

AVERAGE 1260990 5109.38 77052.74 8836118000 0.06


Std err 96807.23




menggunakan metode exponential smoothing α= 0.9 yaitu


8.836.118.000.


commit to user 57

Dari pembahasan di atas dapat diketahui peramalan dan tingkat

kesalahan bulan april adalah sebagai berikut:

1. Peramalan

Tabel 3.30 Hasil Peramalan Permintaan produksi benang Acrilyc Raw White Yarn bulan April 2012 dengan 3 Metode Peramalan

no Metode peramalan (kg)

1 single moving average

3 bulanan 1,314,783 4 bulanan 1,320,176

2 weighted moving average

3 bulan terbobot 1,331,105 4 bulan terbobot 1,326,734

3 exponential smoothing

α5 1,334,600 α9 1,379,812

Dari data diatas dapat diketahui bahwa untuk peramalan

pada bulan april 2012 dengan metode single moving average 3

bulanan adalah 1,314,783, dan 4 bulanan, 1,320,176, metode

weighted moving average 3 bulan terbobot adalah 1,331,105

dan 4 bulan terbobot, 1,326,734, dan metode exponential

smoothing α5, 1,334,600 dan α9 yaitu 1,379,812.


commit to user 58

2. Tingkat kesalahan

Tabel 3.31 Pengukuran Kesalahan (error) Peramalan Permintaan produksi

benang Acrilyc Raw White Yarn dengan Tiga Metode Peramalan

No Metode Peramalan pengukuran kesalahan (error)

MAD MSE

1 Single Moving Average

3 bulanan 64.489,74 5.518.116.000

4 bulanan 68.666,47 6.085.561.000

2 Weighted Moving Average

3 bulan terbobot

69.448,13 6.370.758.000

4 bulan terbobot

68.715,28 6.241.844.000

3 Exponential Smoothing

α= 0.5 67.010,17 6.149.065.000

α= 0.9 77.052,74 8.836.118.000

Dari data di atas dapat diketahui bahwa forecast error

terkecil ada pada metode single moving average 3 bulanan

yaitu MAD 64.489,74, MSE 5.518.116.000, sedangkan untuk

metode single moving average 4 bulanan MAD 68.666,47,

MSE 6.085.561.000, metode weighted moving average 3 bulan


commit to user 59

terbobot MAD 69.448,13, MSE 6.370.758.000, weighted

moving average 4 bulan terbobot, MAD 68.715,28, MSE

6.241.844.000 metode Exponential Smoothing α= 0.5 MAD

67.010,17, MSE 6.149.065.000, Exponential Smoothing α= 0.9

MAD 77.052,74, MSE 8.836.118.000.

BAB IV

KESIMPULAN DAN SARAN

A. KESIMPULAN

Berdasarkan analisis dan pembahasan pada bab III, dapat diambil

kesimpulan sebagai berikut :

Bahwa dapat diketahui forecast error terkecil ada pada metode single

moving average 3 bulanan yaitu MAD 64.489,74, dan MSE

5.518.116.000. Oleh karena itu, metode yang sesuai dan tepat digunakan

pada PT. Hanil Indonesia untuk produk Acrylic Raw White Yarn adalah

metode Single Moving Average 3 bulanan, karena memiliki tingkat error

yang terkecil dibandingkan metode lainnya.

B. SARAN

PT. Hanil Indonesia sebaiknya menerapkan metode Single Moving

Average 3 bulanan dalam meramalkan permintaan produk benang Acrylic

Raw White Yarn untuk periode mendatang. Karena metode Single Moving


commit to user 60

Average 3 bulanan memiliki tingkat kesalahan terkecil dibanding metode

lainnya


commit to user

DAFTAR PUSTAKA

Gasperz, Vincent. 2005. Production Planning and Inventory Control. Jakarta: Gramedia Pustaka Umum

Herjanto, Eddy. 2008. Manajemen Operasi. Edisi Ketiga. Jakarta: Grasindo.

Ishak, Aulia. 2010. Manajemen Operasi. Edisi Pertama. Yogyakarta: Graha Ilmu.

Nasution, Arman H. 2005. Perencanaan dan Pengendalian Produksi. Surabaya: Guna Widya.

Render, Barry and Heizer, Jay. 2009. Prinsip – Prinsip Manajemen Operasi. Jakarta: Salemba Empat.

Subagyo, Pangestu. 2002. Forecasting Konsep dan Aplikasi. Yogyakarta: BPFE.

Taylor, Bernard W. 2004. Managemen Science. Jakarta: Salemba Empat.

.


commit to user


ramal solution

Demand(y) Forecast Error |Error| Error^2 |Pct

Error|

April 1218866

May 1234719

June 1274539

July 1289947 1242708 47239 47239 2231523000 .04

August 1248322 1266402.0 -

18079.75 18079.75 326877400 .01

September 1140257 1270936 -130679 130679 17077000000 .11

October 1372629 1226175.0 146453.6 146453.6 21448670000 .11

November 1190394 1253736 -63342 63342 4012209000 .05

December 1341545 1234427.0 107118.4 107118.4 11474350000 .08

January 1288402 1301523.0 -

13120.63 13120.63 172150800 .01

February 1164901 1273447 -108546 108546 11782230000 .09

March 1341278 1264949.0 76328.63 76328.63 5826059000 .06

April 1250067 1264860.0 -

14793.38 14793.38 218843900 .01

May 1164881 1252082 -87201 87201 7604015000 .07

June 1290056 1252075.0 37980.75 37980.75 1442537000 .03

July 1283189 1235001.0 48187.75 48187.75 2322059000 .04


commit to user

August 1198684 1246042 -47358 47358 2242780000 .04

September 1309206 1257310.0 51896.38 51896.38 2693234000 .04

October 1309553 1263693 45860 45860 2103140000 .04

November 1233843 1272481 -38638 38638 1492895000 .03

December 1286772 1284201.0 2571.25 2571.25 6611327.0 0

January 1233698 1276723.0 -

43024.63 43024.63 1851118000 .03

February 1137657 1251438.0 -

113780.6 113780.6 12946030000 .1

March 1304254 1219376.0 84878.25 84878.25 7204317000 .07

April 1298264 1225203 73061 73061 5337910000 .06

May 1312454 1246725 65729 65729 4320302000 .05

June 1224080 1304991.0 -

80910.63 80910.63 6546529000 .07

July 1276940 1278266 -1326 1326 1758276 0

August 1173749 1271158 -97409 97409 9488513000 .08

September 1151057 1224923 -73866 73866 5456186000 .06

October 1296827 1200582 96245 96245 9263100000 .07

November 1273890 1207211 66679 66679 4446089000 .05

December 1336353 1240591.0 95761.63 95761.63 9170289000 .07

January 1295151 1302357.0 -7205.63 7205.63 51921030 0

February 1256116 1301798 -45682 45682 2086845000 .04

March 1393083 1295873.0 97209.63 97209.63 9449712000 .07


commit to user

TOTALS 45395620 158237 2128162.0 182097800000 1.7

AVERAGE 1260990.0 4795.06 64489.74 5518116000 .05

Next period forecast

1314783.0 (Bias) (MAD) (MSE) (MAPE)

Std err 76642.83



commit to user


ramal solution


Error|

April 1218866

May 1234719

June 1274539

July 1289947

August 1248322 1254518.0 -6195.75 6195.75 38387320 0

September 1140257 1261882.0 -

121624.8 121624.8 14792580000 .11

October 1372629 1238266.0 134362.8 134362.8 18053350000 .1

November 1190394 1262789.0 -

72394.75 72394.75 5241000000 .06

December 1341545 1237901.0 103644.5 103644.5 10742180000 .08

January 1288402 1261206.0 27195.75 27195.75 739608800 .02

February 1164901 1298243.0 -133341.5

133341.5 17779960000 .11

March 1341278 1246311.0 94967.5 94967.5 9018826000 .07

April 1250067 1284032.0 -33964.5 33964.5 1153587000 .03

May 1164881 1261162 -96281 96281 9270031000 .08

June 1290056 1230282.0 59774.25 59774.25 3572961000 .05

July 1283189 1261571.0 21618.5 21618.5 467359600 .02


commit to user

August 1198684 1247048.0 -

48364.25 48364.25 2339101000 .04

September 1309206 1234203.0 75003.5 75003.5 5625525000 .06

October 1309553 1270284.0 39269.25 39269.25 1542074000 .03

November 1233843 1275158 -41315 41315 1706929000 .03

December 1286772 1262822.0 23950.5 23950.5 573626400 .02

January 1233698 1284844.0 -51145.5 51145.5 2615862000 .04

February 1137657 1265967.0 -

128309.5 128309.5 16463330000 .11

March 1304254 1222993.0 81261.5 81261.5 6603431000 .06

April 1298264 1240595.0 57668.75 57668.75 3325685000 .04

May 1312454 1243468.0 68985.75 68985.75 4759034000 .05

June 1224080 1263157.0 -

39077.25 39077.25 1527031000 .03

July 1276940 1284763 -7823 7823 61199330 0

August 1173749 1277935.0 -

104185.5 104185.5 10854620000 .09

September 1151057 1246806.0 -95748.75

95748.75 9167823000 .08

October 1296827 1206457.0 90370.5 90370.5 8166828000 .07

November 1273890 1224643.0 49246.75 49246.75 2425242000 .04

December 1336353 1223881.0 112472.3 112472.3 12650010000 .08

January 1295151 1264532.0 30619.25 30619.25 937538500 .02

February 1256116 1300555.0 - 44439.25 1974847000 .04


commit to user

44439.25

March 1393083 1290378.0 102705.5 102705.5 10548420000 .07

TOTALS 45395620 148906.5 2197327 194738000000 1.76

AVERAGE 1260990.0 4653.33 68666.47 6085561000 .05



Std err 80568.39



commit to user


ramal solution


Error|

April 1218866

May 1234719

June 1274539

July 1289947 1251987.0 37960.13 37960.13 1440971000 .03

August 1248322 1275606.0 -

27284.38 27284.38 744437100 .02

September 1140257 1266567.0 -126309.5

126309.5 15954090000 .11

October 1372629 1201227 171402 171402 29378650000 .12

November 1190394 1274454.0 -

84059.75 84059.75 7066041000 .07

December 1341545 1242783.0 98762.13 98762.13 9753957000 .07

January 1288402 1296342 -7940 7940 63043600 0

February 1164901 1289782.0 -

124880.6 124880.6 15595170000 .11

March 1341278 1235509.0 105769.4 105769.4 11187160000 .08

April 1250067 1273673 -23606 23606 557243300 .02

May 1164881 1266276.0 -

101395.3 101395.3 10281000000 .09

June 1290056 1222676.0 67380.13 67380.13 4540081000 .05

July 1283189 1241666.0 41522.75 41522.75 1724139000 .03


commit to user

August 1198684 1265760 -67076 67076 4499190000 .06

September 1309206 1242081 67125 67125 4505765000 .05

October 1309553 1268029.0 41523.75 41523.75 1724222000 .03

November 1233843 1290959.0 -

57116.13 57116.13 3262252000 .05

December 1286772 1271640.0 15131.88 15131.88 228973600 .01

January 1233698 1272926.0 -

39227.88 39227.88 1538826000 .03

February 1137657 1251414.0 -113756.5

113756.5 12940540000 .1

March 1304254 1194523.0 109730.8 109730.8 12040840000 .08

April 1298264 1236962.0 61301.63 61301.63 3757889000 .05

May 1312454 1273493.0 38961.13 38961.13 1517969000 .03

June 1224080 1306357.0 -

82277.25 82277.25 6769546000 .07

July 1276940 1265902 11038 11038 121837400 0

August 1173749 1265239 -91490 91490 8370420000 .08

September 1151057 1216535.0 -65477.5 65477.5 4287303000 .06

October 1296827 1179602.0 117225.5 117225.5 13741820000 .09

November 1273890 1227724 46166 46166 2131300000 .04

December 1336353 1261064.0 75289.5 75289.5 5668509000 .06

January 1295151 1308944.0 -

13793.38 13793.38 190257200 .01

February 1256116 1305342.0 -49225.5 49225.5 2423150000 .04


commit to user

March 1393083 1282501.0 110582.5 110582.5 12228490000 .08

TOTALS 45395620 141956.5 2291788 210235000000 1.83

AVERAGE 1260990.0 4301.71 69448.13 6370758000 .06

Next period forecast 1331105.0 (Bias) (MAD) (MSE) (MAPE)

Std err 82351.53



commit to user


ramal solution


Error|

April 1218866

May 1234719

June 1274539

July 1289947

August 1248322 1267171.0 -

18848.88 18848.88 355280100 .02

September 1140257 1264693.0 -124435.6

124435.6 15484220000 .11

October 1372629 1216043.0 156586.3 156586.3 24519250000 .11

November 1190394 1269788.0 -

79393.88 79393.88 6303387000 .07

December 1341545 1240830 100715 100715 10143510000 .08

January 1288402 1282288.0 6114.25 6114.25 37384050 0

February 1164901 1293166 -128265 128265 16451910000 .11

March 1341278 1239829.0 101448.6 101448.6 10291820000 .08

April 1250067 1277816.0 -27749.38

27749.38 770027800 .02

May 1164881 1264231.0 -

99349.63 99349.63 9870348000 .09

June 1290056 1225718.0 64337.75 64337.75 4139346000 .05

July 1283189 1249628.0 33561.13 33561.13 1126349000 .03


commit to user

August 1198684 1258275.0 -

59591.38 59591.38 3551132000 .05

September 1309206 1238930.0 70276.38 70276.38 4938769000 .05

October 1309553 1268931 40622 40622 1650147000 .03

November 1233843 1284639.0 -

50795.63 50795.63 2580196000 .04

December 1286772 1268113.0 18659.38 18659.38 348172300 .01

January 1233698 1277693.0 -

43994.88 43994.88 1935549000 .04

February 1137657 1257235.0 -

119577.6 119577.6 14298810000 .11

March 1304254 1205911.0 98343.13 98343.13 9671370000 .08

April 1298264 1238416.0 59848.5 59848.5 3581843000 .05

May 1312454 1261483 50971 50971 2598043000 .04

June 1224080 1289077.0 -64997.38

64997.38 4224659000 .05

July 1276940 1273446.0 3493.63 3493.63 12205420 0

August 1173749 1270317.0 -

96568.13 96568.13 9325403000 .08

September 1151057 1228643 -77586 77586 6019588000 .07

October 1296827 1190344.0 106483.5 106483.5 11338740000 .08

November 1273890 1226492.0 47398.25 47398.25 2246594000 .04

December 1336353 1246190.0 90162.63 90162.63 8129299000 .07

January 1295151 1291179.0 3971.63 3971.63 15773810 0


commit to user

February 1256116 1303427 -47311 47311 2238331000 .04

March 1393083 1285651.0 107431.8 107431.8 11541580000 .08

TOTALS 45395620 121960.4 2198889 199739000000 1.76

AVERAGE 1260990.0 3811.26 68715.28 6241844000 .05



Std err 81596.37



commit to user


ramal solution


Error|

April 1218866

May 1234719 1218866 15853 15853 251317600 .01

June 1274539 1226793.0 47746.5 47746.5 2279728000 .04

July 1289947 1250666.0 39281.25 39281.25 1543017000 .03

August 1248322 1270306.0 -

21984.38 21984.38 483312700 .02

September 1140257 1259314.0 -119057.3

119057.3 14174630000 .1

October 1372629 1199786.0 172843.4 172843.4 29874830000 .13

November 1190394 1286207.0 -

95813.25 95813.25 9180178000 .08

December 1341545 1238301.0 103244.4 103244.4 10659400000 .08

January 1288402 1289923.0 -1520.75 1520.75 2312681.0 0

February 1164901 1289162.0 -

124261.4 124261.4 15440890000 .11

March 1341278 1227032.0 114246.3 114246.3 13052210000 .09

April 1250067 1284155.0 -

34087.88 34087.88 1161983000 .03

May 1164881 1267111 -102230 102230 10450970000 .09

June 1290056 1215996 74060 74060 5484883000 .06

July 1283189 1253026 30163 30163 909806600 .02


commit to user

August 1198684 1268108.0 -69423.5 69423.5 4819622000 .06

September 1309206 1233396.0 75810.25 75810.25 5747194000 .06

October 1309553 1271301.0 38252.13 38252.13 1463225000 .03

November 1233843 1290427 -56584 56584 3201749000 .05

December 1286772 1262135 24637 24637 606981800 .02

January 1233698 1274454.0 -40755.5 40755.5 1661011000 .03

February 1137657 1254076.0 -

116418.8 116418.8 13553330000 .1

March 1304254 1195866.0 108387.6 108387.6 11747880000 .08

April 1298264 1250060.0 48203.75 48203.75 2323601000 .04

May 1312454 1274162.0 38291.88 38291.88 1466268000 .03

June 1224080 1293308 -69228 69228 4792516000 .06

July 1276940 1258694 18246 18246 332916500 .01

August 1173749 1267817 -94068 94068 8848788000 .08

September 1151057 1220783 -69726 69726 4861715000 .06

October 1296827 1185920 110907 110907 12300360000 .09

November 1273890 1241374.0 32516.5 32516.5 1057323000 .03

December 1336353 1257632.0 78721.25 78721.25 6197035000 .06

January 1295151 1296992.0 -1841.38 1841.38 3390662 0

February 1256116 1296072.0 -

39955.75 39955.75 1596462000 .03

March 1393083 1276094.0 116989.1 116989.1 13686460000 .08


commit to user

TOTALS 45395620 231444.5 2345356 215217300000 1.87

AVERAGE 1260990.0 6612.7 67010.17 6149065000 .05



Std err 80757.27



commit to user


ramal solution


Error|

April 1218866

May 1234719 1218866 15853 15853 251317600 .01

June 1274539 1233134.0 41405.25 41405.25 1714395000 .03

July 1289947 1270399.0 19548.5 19548.5 382143800 .02

August 1248322 1287992.0 -

39670.13 39670.13 1573719000 .03

September 1140257 1252289 -112032 112032 12551170000 .1

October 1372629 1151460.0 221168.8 221168.8 48915620000 .16

November 1190394 1350512.0 -

160118.1 160118.1 25637810000 .13

December 1341545 1206406.0 135139.1 135139.1 18262580000 .1

January 1288402 1328031.0 -

39629.13 39629.13 1570468000 .03

February 1164901 1292365.0 -

127463.9 127463.9 16247040000 .11

March 1341278 1177647.0 163630.6 163630.6 26774980000 .12

April 1250067 1324915.0 -

74847.88 74847.88 5602204000 .06

May 1164881 1257552.0 -

92670.75 92670.75 8587868000 .08

June 1290056 1174148.0 115907.9 115907.9 13434640000 .09


commit to user

July 1283189 1278465.0 4723.75 4723.75 22313810 0

August 1198684 1282717.0 -

84032.63 84032.63 7061482000 .07

September 1309206 1207087.0 102118.8 102118.8 10428240000 .08

October 1309553 1298994.0 10558.88 10558.88 111489800 0

November 1233843 1308497.0 -74654.13

74654.13 5573238000 .06

December 1286772 1241308.0 45463.63 45463.63 2066941000 .04

January 1233698 1282226.0 -48527.63

48527.63 2354930000 .04

February 1137657 1238551.0 -

100893.8 100893.8 10179550000 .09

March 1304254 1147746.0 156507.6 156507.6 24494640000 .12

April 1298264 1288603.0 9660.75 9660.75 93330090 0

May 1312454 1297298.0 15156.13 15156.13 229708100 .01

June 1224080 1310938.0 -86858.38

86858.38 7544377000 .07

July 1276940 1232766.0 44174.13 44174.13 1951353000 .03

August 1173749 1272523.0 -98773.63

98773.63 9756229000 .08

September 1151057 1183626.0 -

32569.38 32569.38 1060764000 .03

October 1296827 1154314 142513 142513 20309950000 .11

November 1273890 1282576.0 -8685.75 8685.75 75442260 0

December 1336353 1274759.0 61594.38 61594.38 3793867000 .05


commit to user

January 1295151 1330194.0 -35042.5 35042.5 1227977000 .03

February 1256116 1298655.0 -

42539.25 42539.25 1809588000 .03

March 1393083 1260370.0 132713.1 132713.1 17612770000 .1

TOTALS 45395620 178828.4 2696846 309264100000 2.14

AVERAGE 1260990.0 5109.38 77052.74 8836118000 .06



Std err 96807.23



commit to user

Lampiran 7 acrylic staple fiber (bahan baku serat pendek)

Lampiran 8 acrylic tow (bahan baku serat panjang)


commit to user

Lampiran 9 hasil produksi acrylic dyed yarn (hank)

Lampiran 10 hasil produksi acrylic dyed dan raw white yarn (cone)


commit to user

Lampiran surat keterangan magang


commit to user

Lampiran surat pernyataan tugas akhir


commit to user

Lampiran surat keterangan blanko nilai magang


commit to user

ANALISIS PERAMALAN TERHADAP PERMINTAAN BENANG …/Analisis... · Lampiran 11 surat keterangan...

Documents

Transcript of ANALISIS PERAMALAN TERHADAP PERMINTAAN BENANG …/Analisis... · Lampiran 11 surat keterangan...