Kemajuan IPTEK dan - UKSW

Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW

Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922

i

PROSIDING

SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS IX

Dewan Redaksi/ Editor :

Dr. Didit Budi Nugroho, M.Si.

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

Silvia Andini, S. Si., M.Sc.

Alamat Redaksi :

Fakultas Sains dan Matematika

Universitas Kristen Satya Wacana

Jl. Diponegoro 52-60 Salatiga 50711

Telp : (0298) 321212 ext 238

Fax : (0298) 321433



ii

KATA PENGANTAR

Pesatnya perkembangan Ilmu Pengetahuan dan Teknologi (IPTEK) saat ini, menuntut setiap lapisan

masyarakat untuk mengikuti perkembangannya. Dan tidak hanya berhenti pada tataran ini, namun menuntut

pada tingkatan yang lebih tinggi yakni penguasaan IPTEK itu sendiri. Siswa hingga mahasiswa yang

memegang tongkat estafet perkembangan IPTEK tak luput dari tuntutan akan kompetensi tersebut.

Kompetensi akan ilmu-ilmu dasar seperti Matematika, Fisika dan Kimia mutlak diperlukan. Sehingga

kemutakhiran informasi mengenai perkebangan IPTEK dan implementasi kurikulum dalam pembelajaran

ilmu-ilmu dasar menjadi isu utama yang harus menjadi perhatian kalangan akademik.

Sebagai bagian dari institusi akademik, Fakultas Sains dan Matematika UKSW menunjukkan peran serta

didalamnya melalui penyelenggaraan Seminar Nasional 2014 dengan sub-tema: “Kemajuan IPTEK dan

implementasi kurikulum 2013” yang telah dilaksanakan pada tanggal 21 Juni 2014, pukul: 07.30 – 16.00

WIB, bertempat di Hotel Le Beringin, Jalan Jenderal Sudirman no. 160, Salatiga. Dokumentasi hasil

seminar nasional termasuk didalamnya makalah lengkap hasil penelitian dan kajian teoritik tersusun dalam

bentuk prosiding ini.

Semoga dengan diterbitkannya prosiding ini, dapat digunakan sebagai data awal untuk kajian selanjutnya

dan dapat bermanfaat sebesar-besarnya bagi perkembangan IPTEK dan Pendidikan di Indonesia.

Terima kasih kami sampaikan kepada semua pihak yang telah membantu terlaksananya Seminar Nasional

dan tersusunnya Prosiding ini dengan baik: para panitia, para pembicara, para pemakalah, para peserta dan

kepada seluruh staf Fakultas Sains dan Matematika UKSW.

Salatiga, 21 Juni 2014

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

Ketua Panitia



iii

SAMBUTAN DEKAN

Puji Syukur kami panjatkan kehadirat Tuhan YME karena atas berkat dan rahmatNya kita dimampukan

untuk melaksakan seminar Nasional ini. Semoga berkahNya yang melimpah juga menyertai kita semua.

Terima kasih yang tulus dan perhargaan setinggi tingginya, kami serahkan pada semua pihak yang telah

berperan bagi berlangsungnya seminar ini , yaitu bagi para pembicara utama, para pemakalah yang telah

bersusah payah menuangkan berbagai ragam ide dan analisa penelitian, juga kepada segenap panitia

seminar dan Universitas Kristen Satya Wacana.

Budaya menulis ilmiah adalah salah satu ciri keberhasilan insan pendidikan dimanapun berada. Dengan

semakin banyaknya sumbang pemikiran ilmiah , kami percaya bahwa ini akan menyumbangkan hal positif

untuk dunia pendidikan dan masyarakat di Indonesia. Jadi marilah kita bersama – sama mencoba

mengangkat harkat dan martabat bangsa Indonesia dengan setia menyumbang karya – karya ilmiah

semacam ini.

Banyak ketidaksempurnaan dalam penyelenggaraan seminar ini, namun janganlah itu menjadi kendala bagi

kita untuk tetap bersemangat mengembangkan diri bagi institusi dan bangsa kita. Selamat berseminar.

Terima Kasih

Salatiga, 21 Juni 2014

Dr. Suryasatriya Trihandaru, M.Sc.nat.

Dekan FSM



iv

JADWAL

SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS IX

HOTEL Le Beringin – SALATIGA, 21 JUNI 2014

WAKTU KEGIATAN 07.30 – 08.30 Daftar ulang + Coffee Break Pagi

08.30 – 08.35 Sambutan oleh Ketua Panitia

( Nur Aji Wibowo, M. Si.)

08.35 – 08.45 Sambutan dan Pembukaan oleh Pembantu Rektor I

( Prof. Ferdy S. Rondonuwu, S.Pd., M.Sc., P.hD)

08.45 – 10.00 Sidang Pleno 1

( Dr. Andika Fajar, M. Eng.)

10.00 – 11.15 Sidang Pleno 2

( Dr. Das Salirawati, M. Si.)

11.15 – 12.30 Ishoma

12.30 – 14.45 Sidang Paralel

14.45 – 15.00 Coffee Break Sore

15.00 – 16.30 Sidang Paralel lanjutan



v

DAFTAR ISI

PEMAKALAH UTAMA

PERKEMBANGAN IPTEK TERKINI DAN KETERKAITANNYA DENGAN DUNIA 1 - 10

PENDIDIKAN DI PERGURUAN TINGGI

Dr. Andika Fajar, M.Eng.

KURIKULUM 2013, KKNI DAN IMPLEMENTASINYA 11-22 Dr. Das Salirawati, M.Si

PEMAKALAH PARALEL

MODIFIKASI DISTRIBUSI PERJALANAN ANGKUTAN KERETA API PENUMPANG 623-627

DENGAN MODEL GRAVITASI

Joko Riyono

METODE RASIONAL EKSPLISIT UNTUK MASALAH NILAI AWAL 628-635

Sudi Mungkasi

PERAMBATAN GELOMBANG SHOCK AKIBAT HANCURNYA SUATU 636-641

BENDUNGAN LINGKAR

Sudi Mungkasi

KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT 642-648 Adi Setiawan

VERIFIKASI DAN IDENTIFIKASI TANDATANGAN OFFLINE 649 -655

MENGGUNAKAN WAVELET DAN LEARNING VECTOR QUANTIZATION

Agus Wibowo, Wirawan, Yoyon K Suprapto

SISTEM PAKAR FUZZY UNTUK MENDIAGNOSA 656-662

PENYAKIT PADA TANAMAN KAKAO BERBASIS SMS GATEWAY Yosafat Pati Koten, Albertus Joko Santoso, Thomas Suselo

PENDEKATAN LOGIKA TERHADAP VERIFIKASI FORMAL “PROTOKOL 663-675

CryptO-0N2 WITH THE BLIND SCHNORR SIGNATURE SCHEME

IMPLEMENTATION“ Esti Rahmawati Agustina, Ikhsan Budiarso

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA 676-685

RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Mitha Febby R. D

, Adi Setiawan

, Hanna Arini Parhusip

APLIKASI BALANAR V.1.0 : PENGGUNAAN FILE AUTHENTICATION 686-694

BIDANG MATEMATIKA DAN PENDIDIKAN MATEMATIKA



vi

DAN USB DONGLE PADA OTENTIKASI SEBUAH SISTEM Sandromedo Christa Nugroho

KESALAHAN SPESIFIKASI MODEL PADA DATA CACAH MENYEBABKAN 695-701

OVERDISPERSI Timbang Sirait

PENERAPAN WALSH HADAMARD TRANSFORM (WHT) 702-709

DALAM MENGUKUR KRITERIA BALANCEDNESS DAN CORRELATION IMMUNITY

PADA FUNGSI BOOLEAN ACAK

A’mas

PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN 710-715

NORMAL BAKU, LOGNORMAL, DAN GAMMA Timbang Sirait

MODEL LINEAR CAMPURAN DUA-TAHAP UNTUK DATA LONGITUDINAL 716-723

TAK SEIMBANG Retno Budiarti

PENENTUAN KUALITAS SOAL PILIHAN BERGANDA BERDASARKAN 724-732

UJI RELIABILITAS KUDER–RICHARDSON, ANALISIS BUTIR

DAN METODE FUZZY SUGENO Christina R. N. Yedidya, Bambang Susanto, dan Lilik Linawati

PENERAPAN BENTUK SELISIH KUADRAT DUA BILANGAN 733-738

UNTUK MENYELESAIKAN MASALAH ARITMATIKA Yoanna Krisnawati, Prapti Mahayuningsih

POLA DISTRIBUSI INTERVAL DENYUT JANTUNG DENGAN MEMANFAATKAN 739-747

JUMLAHAN FUNGSI GAUSS YANG DIOPTIMASI SECARA NELDER-MEAD

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

EFISIENSI MODEL CAMPURAN LINEAR DISTRIBUSI T 748-755

DENGAN PROSES AUTOREGRESIFPADA DATA LONGITUDINAL Cucu Sumarni

STUDI TENTANG ALIRAN TAK TUNAK FLUIDA SISKO ARTERI STENOSIS 756-763 Indira Anggriani

, Basuki Widodo

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

PENGARUH LAJU ALIRAN SUNGAI UTAMA DAN ANAK SUNGAI 774-783

TERHADAP PROFIL SEDIMENTASI DI PERTEMUAN DUA SUNGAI

MODEL SINUSOIDAL Yuyun Indah Trisnawati, Basuki Widodo

PERENCANAAN PRODUKSI BERDASARKAN PROGRAM LINEAR 784- 789

DENGAN PERMINTAAN YANG DIRAMALKAN

Widodo Farm

Highlight



vii

Dewi Rimbasari, Lilik Linawati, Bambang Susanto

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TEMPAT WISATA 790- 796

DI TIMOR LESTE DENGAN METODE LECTRE Oktovianus Pareira, Alb. Joko Santoso, Patricia Ardanari

APLIKASI RUMUS ANALOGI NAPIER PADA SEGITIGA BOLA 797- 805

DALAM PENENTUAN ARAH SALAT UMAT ISLAM Agus Solikin

RANCANG BANGUN APLIKASI E-LEARNING 806-814

BANGUN RUANG TIGA DIMENSI BERBASIS MOBILE ANDROID Parno, Matilda Khaterine, Dharmayanti

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

ANALISIS PERHITUNGAN PREMI ASURANSI PENDIDIKAN MENGGUNAKAN 819-825

METODE ANUITAS DAN METODE GOMPERTZ Stella Maryana Belwawin, Bambang Susanto, Tundjung Mahatma

SISTEM PERSAMAAN LINEAR MIN-PLUS BILANGAN KABUR 826-834

DAN PENERAPANNYA PADA MASALAH LINTASAN TERPENDEK

DENGAN WAKTU TEMPUH KABUR M. Andy Rudhito dan D. Arif Budi Prasetyo

PENERAPAN PROTOKOL SECRET SPLITTING PADA NOTARIS DIGITAL 835-840 Wahyu Indah Rahmawati

PENINGKATKAN KEMANDIRIAN BELAJAR KALKULUS LANJUT 841-847

MENGGUNAKAN METODE PENGEMBANGAN PEMBELAJARAN

KOOPERATIF SNOWBALL DRILLING Sumargiyani

IDENTIFIKASI DAN ANALISIS KESULITAN SISWA KELAS IV 848-854

DALAM MENYELESAIKAN SOAL CERITA TOPIK PECAHAN, KPK, DAN FPB Yunda Victorina Tobondo, Yuni Vonti Ria Sinaga

REVISI PENGEMBANGAN MODUL BERBASIS MASALAH 855-863

PADA PERKULIAHAN KALKULUS 1 DI STKIP PGRI SUMATERA BARAT Yulyanti Harisman, Anny Sovia, Rahima, Husna

PENGEMBANGAN LEMBAR KERJA MAHASISWA BERBASIS PROBLEM BASED 864-869

LEARNING PADA PERKULIAHAN PERSAMAAN DIFERENSIAL BIASA Rahmi, Villia Anggraini, Melisa

MODEL PENALARAN INTUITIF SISWA SMP DALAM MENYELESAIKAN 870-878

MASALAH LUAS DAN PENGELOMPOKAN BANGUN DATAR Putu Diah Pramita Dewi

*, Margaretha Nobilio Janu

KEMAMPUAN SISWA KELAS VIII DALAM MENYELESAIKAN SOAL-SOAL 879- 888

Widodo Farm

Highlight



viii

TIMSS TIPE PENALARAN Georgius Rocki Agasi, M. Andy Rudhito

POTENSI BYOD/BYOE DALAM PENINGKATAN KUALITAS PENGALAMAN 889-895

BELAJAR PESERTA DIDIK Aditya R. Mitra

IMPLEMENTASI GUIDED DISCOVERY LEARNING DENGAN PENDEKATAN MRP 896-906

TASKS DALAM PERKULIAHAN STRUKTUR ALJABAR Isnarto

PENGARUH MOTIVASI BELAJAR DAN KEBIASAAN BELAJAR 907-911

TERHADAP HASIL BELAJAR MATEMATIKA SISWA SMPN

DI KECAMATAN SAMARINDA UTARA Azainil

BAYANGAN KONSEP MAHASISWA PADA KONSEP PERMUTASI DITINJAU 912-923

DARI PERBEDAAN GENDER DAN KEMAMPUAN MATEMATIKA Budi Nurwahyu



784

PERENCANAAN PRODUKSI BERDASARKAN PROGRAM

LINEAR DENGAN PERMINTAAN YANG DIRAMALKAN

Dewi Rimbasari1, Lilik Linawati

2, Bambang Susanto

3

Program Studi Matematika, Fakultas Sains dan Matematika

Universitas Kristen Satya Wacana

Jl. Diponegoro 52-60 Salatiga 50711

1 [email protected],

2 [email protected],

3 [email protected]

ABSTRAK

Perencanaan produksi merupakan suatu masalah yang penting bagi suatu perusahaan. Perencanaan dibuat

untuk mengoptimalkan kemampuan produksi dalam menghadapi permintaan pasar dengan

memperhatikan ketersediaan sumber daya yang ada, agar laba perusahaan dapat dimaksimalkan.

Permintaan pasar yang berfluktuasi menyebabkan perencanaan produksi selalu berubah dari bulan ke

bulan. Untuk dapat membuat perencanaan produksi pada bulan berikutnya, maka dapat dilakukan

peramalan terhadap data permintaan. Hasil peramalan dan data ketersediaan sumber daya seperti bahan

baku, bahan pelengkap, sarana, tenaga kerja dimodelkan menggunakan metode program linear untuk

menentukan perencanaan produksi yang bertujuan untuk memaksimalkan laba perusahaan sebagai usaha

untuk membuat perencanaan produksi. Penelitian ini dilakukan pada sebuah perusahaan makanan ringan

berbahan baku kedelai untuk menentukan perencanaan produksi di bulan mendatang. Berdasarkan data

penjualan selama 6 bulan dilakukan peramalan untuk menentukan banyaknya permintaan bulan yang

akan datang menggunakan regresi linear dan moving average. Dari peyelesaian model program linear

didapat kapasitas masing-masing produksi bulanan selama tiga bulan selanjutnya dengan moving average

dan regresi linear dengan laba Rp.33.543.900, Rp.34.443.000, dan Rp.34.239.700.

Kata-kata kunci: peramalan, regresi linear, moving average, perencanaan produksi, program linear

PENDAHULUAN Sebuah perusahaan makanan ringan

berbahan baku kedelai yang sedang

berkembang memproduksi beberapa jenis

makanan ringan. Permintaan pasar terhadap

makanan ringan ini berfluktuasi dari bulan

ke bulan. Karena fluktuasi permintaan

inilah, masalah utama yang dihadapi

perusahaan adalah sering terjadinya

kelebihan atau kekurangan produk.

Perusahaan belum menerapkan sistem

perencanaan produksi, produksi hanya

didasarkan pada rutinitas dengan jumlah

yang sama setiap bulannya. Hal ini

berakibat pada pemanfaatan sumberdaya

dan fasilitas yang ada belum maksimal,

dimana seharusnya laba masih dapat

ditingkatkan.

Salah satu cara agar dapat mengatasi

permasalahan perusahaan tentang terjadinya

fluktuasi permintaan yaitu menggunakan

peramalan produksi yang sesuai. Setelah

didapat hasil peramalan yang terbaik

kemudian dilakukan perencanaan produksi

menggunakan metode program linear

[1][2]. Dalam usaha mengoptimalkan

produksi sudah pasti akan terdapat kendala-

kendala. Kendala yang muncul selain

permintaan yaitu berasal dari faktor

produksi seperti bahan baku, mesin, dan

tenaga kerja yang memiliki kapasitas

terbatas. Untuk menghadapi kendala ini

perusahaan membutuhkan solusi produksi

dengan memperhatikan keterbatasan-

keterbatasan yang ada [3].

Beberapa penelitian di bidang produksi dan

pertanian telah mengkaji penggunaan

program linear untuk mengoptimalkan

semua sumber daya untuk mendapatkan

laba maksimal [4][5]. Dalam penelitian ini

akan dikaji perencanaan produksi dimana

jumlah permintaan diramalkan terlebih

dahulu dan dicari hasil peramalan terbaik,

selanjutnya digunakan model program

linear untuk menentukan kapasitas produksi

optimal.

Penelitian ini mengkaji data dari produksi 6

jenis makanan ringan yang diproduksi oleh

mailto:[email protected]





785

suatu perusahaan, dengan cara meramalkan

data permintaan untuk membuat

perencanaan produksi menggunakan

metode program linear. Pada data 6 jenis

produk makanan ringan dilakukan

peramalan permintaan selama tiga bulan

untuk membuat perencanaan produksi

dengan metode program linear pada sebuah

perusahaan makanan ringan berbahan baku

kedelai yang memproduksi 6 jenis makanan

ringan.

BAHAN DAN METODE

Data Penelitian ini dilakukan pada perusahaan

makanan ringan berbahan baku utama

kedelai, dan memproduksi 6 jenis makanan

ringan. Data yang digunakan adalah data

tentang penjualan (Tabel 1.1), keuntungan

setiap produk (Tabel 1.2), data bahan baku

(Tabel 1.3) dan data tenaga kerja dan mesin

(Tabel 1.4) yang disajikan pada Lampiran

1. Para pekerja bekerja mulai pukul 08.00

sampai 16.00 dengan istirahat 1 jam pada

pukul 12.00 hingga 13.00. Jumlah hari kerja

pada perusahaan tersebut dalam sebulan

diasumsikan selama 22 hari. Tenaga kerja

yang terlibat sebanyak 9 orang termasuk

pemilik perusahaan.

Peramalan Peramalan adalah suatu proses mem-

perkirakan secara sistematik tentang apa

yang paling mungkin terjadi dimasa depan

berdasarkan informasi masa lalu dan

sekarang yang dimiliki agar kesalahan-

nya (selisih antara apa yang terjadi dengan

hasil perkiraan) dapat diperkecil [6].

Peramalan dibutuhkan untuk

memperkirakan permintaan konsumen

karena permintaan konsumen selalu

berubah-ubah setiap bulannya.Hasil

peramalan permintaan ini akan menjadi

masukan yang sangat penting dalam

perencanaan dan pengendalian produksi.

Data yang akan digunakan tersaji pada

Tabel 1.1 dalam Lampiran 1, yaitu

permintaan selama enam bulan dan akan

diramalkan tiga bulan selanjutnya.

Selanjutnya, dipilih MAPE, yaitu rata-rata

dari keseluruhan persentase kesalahan

(selisih) antara data aktual dengan data hasil

peramalan [1]. MAPE dipilih sebagai

ukuran ketepatan peramalan karena ukuran

ini bersifat relatif sehingga ukuran ini lebih

baik dari pada ukuran yang lain, dengan

cara terlebih dahulu menghitung persentase

kesalahan seperti rumus (1).

Kemudian dihitung rata-rata persentase

kesalahan (MAPE) seperti rumus (2).

dengan,

PE = Persentase kesalahan

MAPE = Rata-rata persentase kesalahan

Xt = Data permintaan

Ft = Data peramalan

n = Banyaknya data

Metode Rata-Rata Bergerak (Moving

Average) Metode rata-rata bergerak atau Moving

Average yaitu metode peramalan perataan

nilai dengan mengambil sekelompok nilai

pengamayan yang kemudian dicari rata-

ratanya, lalu menggunakan rata-rata

tersebut sebagai ramalan untuk periode

berikutnya [7]. Menghitung metode rata-

rata bergerak (Moving Average) seperti

rumus (3).

dengan,

Xk+t = Peramalan periode selanjutnya

k = Lag peramalan

p = Index ke- i

t = Waktu peramalan

Xi = Data permintaan

Metode Regresi Linear Metode regresi linear yaitu hubungan

secara linear antara satu variabel

independen (X) dengan variabel dependen

(Y) untuk mengukur ada atau tidaknya

korelasi antar variabel [8][9]. Menghitung

metode regresi linear seperti rumus (4).



786

dengan,

Ŷ = nilai ramalan permintaan pada

periode ke-t

X = Periode ke- t

a = intersept (titik potong)

b = slope

dengan,

Program Linear Program linear adalah suatu alat yang

digunakan untuk menyelesaikan per-

masalahan yang memiliki keterbatasan

sumber daya [3]. Secara umum model

program linear tersusun dari variabel-

variabel keputusan yang membentuk fungsi

tujuan dan fungsi kendala [2]. Dalam

penelitian ini didefinisikan variabel

keputusan adalah xj = banyaknya

pengolahan produk ke- j yang harus

dilakukan dalam satu bulan. Model program

linear yang disusun untuk memaksimalkan

laba yang dirumuskan sebagai fungsi

tujuan, Z, dengan didasarkan pada

keuntungan setiap produk pada satu kali

pengolahan seperti yang tersaji pada Tabel

1.2 dalam Lampiran 1, maka dirumuskan

Z = 535.500 x1+569.500 x2+576.300

x3+1.741.100 x4+1.876.800 x5+1.754.900 x6 Kendala yang mempengaruhi proses

produksi ini adalah:

1. Kendala permintaan.

Dalam kendala permintaan dimasukkan

peramalan permintaan pada bulan

selanjutnya. Dalam hal ini data peramalan

permintaan dianggap sebagai data

permintaan (d). dj = Permintaan produk

ke- j.

2. Bahan baku dan bahan lainnya

Koefisien aij dan bi didasarkan data pada

Tabel 1.3 dalam Lampiran 1.

3. Mesin dan tenaga kerja

Koefisien aij dan bi didasarkan data pada

Tabel 1.4 dalam Lampiran 1.

4. Kendala non-negatif

dengan,

Z = fungsi tujuan

aij = koefisen kendala ke- i pada

variabel ke- j

bi = sumber daya kendala (RHS) ke- i

Penyelesaikan model program linear yang

telah disusun diselesaikan dengan Ms Excel

Solver.

HASIL DAN DISKUSI

Peramalan Permintaan Produk Dari peramalan menggunakan metode

Regresi Linear persamaan (3) dan Rata-

Rata Bergerak (Moving Average)

persamaan (4) dihasilkan MAPE. Error

MAPE dihitung menggunakan persamaan

(1) dan (2) data tersaji pada Tabel 1.

Tabel 1. MAPE Berdasarkan Regresi Linear dan

Rata-Rata Bergerak (MA)

Produk

MAPE

Regresi

Linear

Rata-Rata Bergerak Lag

2

Lag

3

Lag

4

Lag

5 P1 34,46 79,2 90,0 157 145 P2 35,08 81,9 92,4 157 141 P3 34,98 82,4 94,2 159 148 P4 6,69 9,2 5,6 92,8 31,6 P5 10,52 14,9 8,91 189 17 P6 7,61 14,2 14,6 118 143



787

Berdasarkan Tabel 1, dipilih metode

peramalan yang menghasilkan MAPE

terkecil. Untuk produk P1, P2, P3 dan P6 data

permintaan akan diramalkan dengan regresi

linear, produk P4 dan P5 menggunakan rata-

rata bergerak lag 3. Hasil peramalan

permintaan produk disajikan pada Tabel 2.

Tabel 2. Hasil Peramalan Permintaan Produk P1

–P6

Bulan

Produksi

Peramalan Permintaan Produk (Kemasan) P1 P2 P3 P4 P5 P6

T1 244 243 242 1137 1390 1173 T2 248 247 246 1169 1423 1205 T3 251 252 250 1145 1379 1237

Dengan diperolehnya peramalan

permintaan tiga bulan mendatang bulan

(T1,T2,T3) permintaan digunakan sebagai

salah satu kendala dalam model program

linear untuk membuat perencanaan

produksi perusahaan yang bertujuan

memaksimalkan laba.

Perencanaan Produksi Menggunakan

Program Linear Hasil penyelesaian model program linear

yang telah disusun seperti ditampilkan pada

Tabel 3. Hasil yang disajikan

menggunakan satuan pengolahan, misalnya:

banyaknya produksi P1 = 2,9 pengolahan

artinya perusahan harus mengolah sebanyak

2,9 kali yang identik dengan 244 kemasan. Tabel 3. Penyelesaian Optimal Model Program

Linear

Bulan

Produksi

Penyelesaian Optimal (Pengolahan) P1 P2 P3 P4 P5 P6

T1 2,9 2,9 2,9 4,9 6 5,1

T2 2,9 2,9 2,9 5,1 6,2 5,2

T3 3 3 2,9 5 6 5,4

Berdasarkan Tabel 3, didapat perkiraan

laba total Rp.33.666.000 pada bulan T1,

Rp.34.454.770 pada bulan T2 dan

Rp.34.169.760 pada bulan T3. Hasil

penyelesaian keluaran Ms Excel Solver

secara lengkap dapat dilihat pada

Lampiran 2.

Model program linear pada permasalahan

produksi ini menghasilkan penyelesaian

optimal yang merupakan bilangan real,

dimana dalam penerapannya kurang

realistis, misalkan Bulan 1 pada produk P1

diproduksi berdasarkan 2,9 pengolahan.

Banyaknya pengolahan yang lebih realistis

tentunya merupakan bilangan bulat. Oleh

karena itu dalam penerapan disarankan

banyaknya pengolahan setiap produk

didasarkan pada penyelesaian optimal yang

dibulatkan. Hasil penyelesaian optimal

yang dibulatkan tersaji pada Tabel 5 dalam

Lampiran 2 yang dapat digunakan sebagai

perencanaan produksi pada perusahaan

tersebut.

KESIMPULAN Metode peramalan permintaan dalam

permasalahan ini yang menghasilkan

MAPE terkecil akan digunakan untuk

peramalan data selanjutnya adalah regresi

linear untuk produk P1, P2, P3 dan P6 dan

rata-rata bergerak untuk produk P4 dan P5.

Penyelesaian optimal model program linear

pada permasalahan produksi perusahaan ini

diperoleh perkiraan laba total

Rp.33.666.000 pada bulan T1,

Rp.34.454.770 pada bulan T2 dan

Rp.34.169.760 pada bulan T3.

UCAPAN TERIMAKASIH Terimakasih kepada Bapak Eko atas data

produksi yang telah diberikan sehingga

dapat digunakan untuk penelitian dalam

makalah ini.

DAFTAR PUSTAKA [1]Makridakaris, Spyros dan Ateven C.

Wheelwright. Metode-Metode Peramalan

untuk Manajemen Edisi 5. Binarupa Aksara.

1994. [2]Taylor III, Bernard W. Introduction To

Management Science. Jakarta: Salemba

Empat. 2008. [3]Siswanto. Operations Research Jilid 1.

Erlangga. 2007.

[4]D, Rimbasari. Lilik Linawati dan

Bambang Susanto, “Analisis Titik Impas

dan Oprimasi Produksi Menggunakan

Program Linear”, Jurnal Nasional

Matematika dan Pendidikan Matematika.



788

2014. [5]M, Sya’diyah.Suharto,Bambang W, J

Bambang Rahadi. “Studi Optimasi Pola

Tanam Untuk Memaksimalkan Keuntungan

Hasil Produksi Pertanian Di Jaringan Irigasi

Manyar Kecamatan Babat Kabupaten

Lamongan Dengan Menggunakan Program

Linier (Solver)”. Jurnal Nasional

Sumberdaya Alam dan Lingkungan. Vol 1

No 1. 2013. [6]Mulyono, Sri. Peramalan Bisnis dan

Ekonometrika Edisi 1. BPFE Yogyakarta.

2000.

[7]Gardener, Mark, Beginning R The

satatistical Programming Language. John

Wiley and Sons Inc. 2012.

[8]Siregar, Syofian. Statistik Parametrik

untuk Penelitian Kuantitatif. PT Bumi

Aksara. 2013.

[9]Rasmussen. Rasmus, “On Time Series

Data and Optimal Parameter”, The

International Journal of Management

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

DISKUSI.

Pertanyaan: Hasil penelitian tersebut

sudah diimplementasikan pada perusahaan

atau belum?

Jawab : setelah ditambahkan saran – saran

penelitian ini akan diimplementasikan ke

industry yang bersangkutan

Pertanyaan: Sebelum dilakukan penelitian

dan sesudahnya, kenaikan labanya berapa

persen?

Jawab : belum dapat ditentukan secara

pasti. Perlu dilakukan riset lebih lanjut

supaya hasil yang didapatkan leboh valid.

A. Lampiran 1: Data Produksi

Tabel 1.1. Data Penjualan pada Bulan Maret – Agustus 2013

No Bulan Produksi Kuantitatif Penjualan (Kemasan)

P1 P2 P3 P4 P5 P6 1. Maret 120 110 110 937 952 1.000 2. April 215 215 215 1.065 1.265 973 3. Mei 414 413 413 1.210 1.479 992 4. Juni 160 150 160 1.040 1.290 1.265 5. Juli 363 361 360 1.240 1.554 955 6. Agustus 109 108 103 1.130 1.325 1.180

Jumlah Penjualan 1.381 1.357 1.361 6.622 7.865 6.365 Rata-rata Penjualan 230 226 227 1.104 1.311 1.061

Tabel 1.2. Keuntungan untuk Setiap Produk

Produk Harga

Jual (Rp)

Biaya Total

(Rp)

Keuntungan

per kemasan

(Rp)

Keuntungan per

pengolahan (Rp)

P1 15.000 8.700 6.300 535.500 P2 15.000 8.300 6.700 569.500 P3 15.000 8.220 6.780 576.300 P4 15.000 7.430 7.570 1.741.100 P5 15.000 6.840 8.160 1.876.800 P6 15.000 7.370 7.630 1.754.900

Tabel 1.3. Bahan Baku yang Digunakan dalam Satu Kali Resep Produksi

Produk Bahan Baku Mentah

(kg)

Minyak

Goreng (kg)

Gas

(kg)

Tepung

(kg)

Plastik

(lembar)

Stiker

(lembar)

P1 10 4,2 0,2 8 85 85

P2 10 4,2 0,2 8 85 85

P3 10 4,2 0,2 8 85 85



789

P4 50 - 1 - 230 230

P5 50 - 1 - 230 230

P6 50 - 1 - 230 230

Persediaan

per Bulan 1.000 36 22 75 6.250 5.000

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

B. Lampiran 2: Penyelesaian Optimal.

Tabel 4. Penyelesaian Optimal dari Model Program Linear

Produk

Penyelesaian Optimal

Bulan 1


Bulan 2


Bulan 3 Kali

Pengolahan Kemasan

Kali

Pengolahan Kemasan

Kali

Pengolahan Kemasan

P1 2,9 244 2,9 248 3 251 P2 2,9 243 2,9 247 3 252 P3 2,9 242 2,9 246 2,9 250 P4 4,9 1137 5,1 1169 5 1145 P5 6 1390 6,2 1423 6 1379 P6 5,1 1173 5,2 1205 5,4 1237

Tabel 5. Penyelesaian Optimal dari Model Program Linear dengan Pembulatan

Produk


Bulan September


Bulan Oktober


Bulan Oktober Kali

Pengolahan Kemasan

Kali

Pengolahan Kemasan

Kali

Pengolahan Kemasan

P1 3 255 3 255 3 255 P2 3 255 3 255 3 255 P3 3 255 3 255 3 255 P4 5 1150 5 1150 5 1150 P5 6 1380 6 1380 6 1380 P6 5 1150 5 1150 5 1150

Produk Mesin Peng-

gorengan1

(jam)

Mesin Peng-

gorengan2

(jam)

Mesin

Penirisan

(jam)

Mesin

Pemberian

Tepung (jam)

Tenaga

Kerja1

(jam)

Tenaga

Kerja2

(jam)

Tenaga Kerja

Pengemasan

(jam) P1 0,5 0,5 0,5 3 9 - 2 P2 0,5 0,5 0,5 3 9 - 2 P3 0,5 0,5 0,5 3 9 - 2 P4 3 2 2 - - 14 4,5 P5 3 2 2 - - 14 4,5 P6 3 2 2 - - 14 4,5

Persediaan

per Bulan

154 154 154 154 112 560 308

Kemajuan IPTEK dan - UKSW

Documents

Transcript of Kemajuan IPTEK dan - UKSW