Kemajuan IPTEK dan - UKSW
Transcript of 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
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW
Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
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
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW
Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
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
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW
Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
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
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW
Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
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
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW
Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
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
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW
Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
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
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW
Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
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
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW
Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
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
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
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW
Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
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).
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW
Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
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
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW
Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
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.
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW
Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
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
Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW
Salatiga, 21 Juni 2014, Vol 5, No.1, ISSN :2087-0922
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
Penyelesaian Optimal
Bulan 2
Penyelesaian Optimal
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
Penyelesaian Optimal
Bulan September
Penyelesaian Optimal
Bulan Oktober
Penyelesaian Optimal
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