ANALISIS PERAMALAN PENJUALAN DAN PENERAPAN METODE LINEAR PROGRAMMING GUNA MEMAKSIMALKAN KEUNTUNGAN PADA PT. SINAR MAS AGRO RESOURCES AND TECHNOLOGY, TBK Andi Fika Widiarizky Bina Nusantara University, Indonesia, fikawr@gmail.com Enny Noegraheni Hindarwati, SP, MM (Dosen Pembimbing) Bina Nusantara University, Indonesia, enny.hindarwati@gmail.com ABSTRACT The purpose of this research is to find the combination of opitimum production that can generate the maximum profit of cooking oil production activities at PT. SMART Tbk. The method that is used in this research are forecasting and linear programming by using a data processing software QM for Windows 2. In conducting of forecasting methods, there are six forecasting applied. While to do the linear programming methods, the determinant variable need to be decided. In this particular research the determinant variable are Filma cooking oil (X1), Kunci Mas cooking oil (X2) and Mitra cooking oil (X3) that are being modeled as function Zmax 4.695X1 + 4.605X2 + 3.825X3 with the objective to maximize the profit of the company. and as the function of the constraints is the machine, labor hours and fluctuations in demand. Based on the results of data processing, the number of each optimal product are obtained, which are Filma cooking oil = 11521 box, Kunci Mas cooking oil = 10290 box, and Mitra cooking oil = 2492 box. So that maximum profit is obtained based on combination of the product is Rp.111.008.445,00- Key words : Linear Programming, Forecasting, Combination Products, Production Optimum. ABSTRAK Penelitian ini bertujuan untuk mencari kombinasi produksi yang opitimum yang dapat menghasilkan laba yang maksimum terhadap kegiatan produksi minyak goreng pada PT. SMART Tbk. Metode yang digunakan adalah peramalan dan pemrograman linear dengan pengolahan data menggunakan software QM for Windows 2. Dalam melakukan metode peramalan digunakan enam metode peramalan. Sedangkan untuk melakukan metode pemrograman linear, maka ditentukan variabel keputusan penelitian adalah Minyak Goreng Filma (X1), Minyak Goreng Kunci Mas (X2) dan Minyak Goreng Mitra (X3) dengan fungsi tujuan yang ingin dicapai adalah memaksimumkan laba perusahaan yang dimodelkan sebagai Zmax 4.695X1 + 4.605X2 + 3.825X3 dan sebagai fungsi kendala adalah keterbatasan mesin, keterbatasan jam kerja dan fluktuasi permintaan. Berdasarkan hasil pengolahan data, diperoleh jumlah produksi masing masing produk yang optimal yaitu minyak goreng Filma = 11521 box, minyak goreng Kunci Mas = 10290 box, dan minyak goreng Mitra = 2492 box. Sehingga laba maksimal yang diperoleh berdasarkan kombinasi produk tersebut adalah sebesar Rp. 111.008.445,00- Kata kunci : Pemrograman Linear, Peramalan, Kombinasi Produk, Produksi Optimum. 1
PENDAHULUAN Minyak sawit adalah salah satu minyak yang paling banyak dikonsumsi dan diproduksi di dunia. Minyak yang murah, mudah diproduksi dan sangat stabil ini digunakan untuk berbagai variasi makanan, kosmetik, produk kebersihan, dan juga bisa digunakan sebagai sumber biofuel atau biodiesel. Perkembangan industri minyak sawit di dunia pun kian cemerlang. Pertumbuhan ini tampak pada banyaknya perusahaan pengolahan sawit yang muncul di Indonesia seperti PT. SMART Tbk, Wilmar International Group, PT. London Sumatra Indonesia Tbk, PT. Bakrie Plantation Tbk, PT. Salim Ivomas Tbk, PT. Sawit Sumber Mas Sarana Tbk, PT. Astra Agro Lestari Tbk dan masih banyak perusahan pengolahan sawit lainnya. Pertumbuhan ini juga tampak dalam jumlah produksi dan ekspor dari Indonesia dan juga pertumbuhan luas area perkebunan sawit. Menurut data dari Kementerian Pertanian Indonesia, jumlah total luas area perkebunan sawit di Indonesia pada saat ini mencapai sekitar 8 juta hektar, dua kali lipat dari luas area di tahun 2000 ketika sekitar 4 juta hektar lahan di Indonesia dipergunakan untuk perkebunan kelapa sawit. Jumlah ini diduga akan bertambah menjadi 13 juta hektar pada tahun 2020. Di Indonesia, salah satu produk turunan dari minyak sawit mentah, CPO (Crude Palm Oil) yang diminati dan dikonsumsi sehari hari adalah minyak goreng. Industri minyak goreng sawit di Indonesia yang terus meningkat dari tahun ketahun dipengaruhi oleh bertambahnya jumlah penduduk dan berkembangnya industri makanan. Adapun hal yang sangat mempengaruhi semakin tingginya konsumsi masyarakat di Indonesia akan minyak goreng sawit adalah tipe makanan yang dikonsumsi oleh penduduk Indonesia yang membutuhkan dilakukan penggorengan terlebih dahulu (http://www.kppu.go.id : 2014). Dengan semakin tingginya kebutuhan dan keinginan masyarakat Indonesia akan minyak goreng sawit, memicu semakin berkembang dan bertambahnya industri minyak goreng sawit di Indonesia. PT. SMART Tbk adalah salah satu perusahaan pabrik produk konsumen berbasis kelapa sawit. Kegiatan utama SMART adalah penanaman dan pemanenan pohon kelapa sawit, pengolahan tandan buah segar menjadi minyak sawit mentah (CPO) dan palm kernel, dan pemurnian CPO menjadi nilai tambah produk seperti minyak goreng, margarin dan shortening. Salah satu produk turunan minyak sawit yang diakui kualitasnya adalah minyak goreng. Minyak goreng yang diproduksi dipasarkan dengan beberapa merek dagang. Berdasarkan keterangan dari pihak perusahaan, ada tiga jenis minyak goreng yang memiliki tingkat permintaan yang tinggi yaitu, Minyak Goreng Filma, Minyak Goreng Kunci Mas, dan Minyak Goreng Mitra dimana ketiga produk ini menguasai pangsa pasar di segmennya masing masing. Berikut data penjualan ketiga produk selama tahun 2014 : 2
Sumber : PT. SMART Tbk (2015) Gambar 1 Grafik Penjualan Minyak Goreng Filma, Kunci Mas dan Mitra (1lt Pouch) Tahun 2014 Berdasarkan uraian gambar tersebut, terlihat bahwa permintaan konsumen akan minyak goreng sangat bervariasi / fluktuatif di tiap bulannya. Hal ini menyebabkan perusahaan sulit menentukan berapa jumlah produksi yang tepat sehingga terjadi kesulitan dalam memproyeksikan laba. Oleh karenanya, perusahaan perlu menentukan target produksi yang tepat agar jumlah produk yang diproduksi dapat memenuhi permintaan. Maka dari itu perusahaan perlu melakukan peramalan (forecasting) penjualan untuk periode mendatang sehingga dapat mengantisipasi hal hal dikemudian hari, seperti over production maupun under production. Selain melakukan peramalan penjualan, perusahaan juga dapat menerapkan metode linear programming untuk mengoptimalkan keuntungan. Dengan menggunakan metode tersebut, perusahaan dapat mengetahui jenis produk mana yang akan diproduksi dalam jumlah tertentu sesuai dengan keterbatasan sumber daya yang dimiliki untuk memaksimalkan keuntungan. Namun dalam meningkatkan keuntungan perusahaan tedapat berbagai kendala kendala yang menghambat, seperti keterbatasan mesin, jam kerja tenaga kerja dan fluktuasi permintaan masing masing jenis produk. Menurut Heizer & Render (2015:133), peramalan (forecasting) adalah suatu seni dan ilmu pengetahuan dalam memprediksi peristiwa pada masa datang. untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data historis dan memproyeksikan ke masa mendatang dengan suatu bentuk model sistematis. Menurut Rusdiana (2014:96), peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang. Dalam praktiknya, peramalan merupakan suatu perkiraan dengan menggunakan teknik teknik tertentu. Menurut Gaspersz (2005:71), peramalan merupakan suatu dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramal, sering berdasarkan data deret waktu historis. Berdasarkan definisi-definisi peramalan yang telah dikemukakan, maka dapat disimpulkan bahwa peramalan adalah suatu cara untuk memprediksi keadaan yang akan datang berdasarkan data yang ada. 3
Sedangkan Menurut Sarjono (2010:36) linear programming merupakan salah satu teknik penyelesaian riset operasi dalam hal ini adalah khusus menyelesaikan masalah masalah optimasi (memaksimalkan atau meminimumkan) tetapi hanya terbatas pada masalah masalah yang dapat diubah menjadi fungsi linier, demikian pula kendala kendala yang ada juga berbentuk linier. Menurut Herjanto (2008:43), linear programming adalah teknik pengambilan keputusan untuk memecahkan masalah mengalokasikan sumber daya yang terbatasdiatara berbagai kepentingan seoptimal mungkin. Dari kedua defenisi diatas dapat disimpulkan bahwa linear programming merupakan metode yang digunakan untuk mengalokasikan sumber daya yang terbatas secara optimal untuk kombinasi produksi dengan tujuan memaksimalkan keuntungan atau meminimalkan biaya. Data data mengenai keuntungan masing masing produk, penjualan masing masing produk, penggunaan mesin dan jam kerja tenaga kerja akan dijelaskan sebagai berikut : Produk Tabel 1 Tabel Perolehan Profit per Produk Harga Jual (Pouch) Profit dari harga jual (%) Profit (Pouch) Minyak Goreng Filma Rp. 15.650 30% Rp. 4.695 Minyak Goreng Kunci Mas Rp. 15.350 30% Rp. 4.605 Minyak Goreng Mitra Rp. 12.750 30% Rp. 3.825 Sumber : PT. SMART Tbk (2015) Bulan Tahun Tabel 2 Data Penjualan Minyak Goreng 1lt (Pouch) Minyak Goreng Minyak Goreng Minyak Goreng Filma Kunci Mas Mitra (Box) (Box) (Box) march 2013 17735 10395 4008 april 2013 12903 10343 3494 may 2013 20913 11400 2751 june 2013 37341 16935 4050 july 2013 58943 50406 3689 august 2013 23275 38440 2980 september 2013 18181 8681 6085 october 2013 17765 10022 1795 november 2013 22794 16969 2956 december 2013 13683 11777 2769 january 2014 27777 18703 6275 february 2014 18613 15912 6936 march 2014 27955 26619 12677 4
april 2014 33730 39418 13726 may 2014 52941 30003 14905 june 2014 47322 50723 10304 july 2014 53568 50234 12656 august 2014 15288 15378 2115 september 2014 35351 38589 4805 october 2014 20441 6877 3777 november 2014 17495 11218 3343 december 2014 13354 9237 4797 january 2015 13018 8329 2610 february 2015 11078 10713 2367 Sumber : PT. SMART Tbk (2015) Keterbatasan mesin Kendala keterbatasan mesin yang digunakan untuk memproduksi ketiga produk. Dalam sehari, mesin hanya dapat memproduksi 4000 (box). Sehingga dalam sebulan mesin dapat memproduksi 96000 (box) yang diperoleh dari 4000 (box) x 24 hari kerja dalam sebulan. Sehingga persamaan linier yang didapatkan dari kendala keterbatasan mesin diasumsikan sebagai berikut: 0,0416 X1 + 0,0466 X2 + 0,1926 X3 96000 Keterbatasan jam kerja tenaga kerja Kendala jam kerja tenaga kerja. Jam kerja dibagi menjadi 3 shift. Untuk shift 1 dimulai pada pukul 07.00 15.00 ( 8 jam ). Untuk shift 2 dimulai pada pukul 15.00 23.00 ( 8 jam ). Sedangkan untuk shift 3 dimulai pada pukul 11.00 07.00 (8 jam) sehingga jam kerja dalam sehari adalah 24 jam. Waktu kerja dimulai dari senin sabtu (dalam sebulan = 24 hari kerja). Jumlah tenaga kerja pershift adalah 12 orang ( 12 x 3 shift = 36 orang dalam sehari). Jadi waktu yang dapat digunakan dalam proses produksi adalah 8 jam x 36 orang x 24 hari kerja = 6912 jam kerja/bulan. Waktu yang dibutuhkan untuk memproduksi 1 liter (pouch) minyak goreng diasumsikan sebagai berikut : - Minyak Goreng Filma membutuhkan waktu 0.0499 jam / produk - Minyak Goreng Kunci Mas membutuhkan waktu 0.0559 jam / produk - Minyak Goreng Mitra membutuhkan waktu 0.2311 jam / produk Sehingga didapatkan persamaan linear sebagai berikut : 0.0499 X1 + 0.0559 X2 + 0.2311 X3 6912 Data data tersebut merupakan kendala kendala yang dihadapi oleh perusahaan dalam menentukan jumlah produksi yang optimal. Tujuan yang ingin dicapai dalam penelitian ini adalah (1) untuk menentukan metode peramalan yang paling tepat digunakan oleh PT. SMART Tbk dalam meramalkan permintaan penjualan pada periode selanjutnya ; (2) untuk menentukan kombinasi jumlah produk yang tepat guna memaksimalkan keuntungan pada PT. SMART Tbk. 5
METODE PENELITIAN Metode yang digunakan adalah sebagai berikut : (1) Jenis penelitian yang digunakan adalah deskriptif; (2) Unit analisis yang digunakan adalah organisasi; (3) Dimensi wakru penelitian adalah cross sectional; (4) Teknik pengumpulan data dilakukan dengan penelitian kepustakaan, wawancara dan observasi; (5) Metode analisis yang digunakan adalah Forecasting dan Linear Programming. HASIL DAN BAHASAN Berdasarkan pengolahan data penjualan minyak goreng 1lt pouch (Tabel 2) dengan menggunakan metode peramalan, maka diperoleh data sebagai berikut : Tabel 3 Hasil Peramalan Jumlah Produk Periode Selanjutnya Produk Hail Peramalan Jumlah Produk yang Harus Diproduksi Minyak Goreng Filma 11521 Minyak Goreng Kunci Mas 10290 Minyak Goreng Mitra 2492 Sumber : Diolah Peneliti (2015) Berikut merupakan bentuk persamaan berdasarkan data laba atau keuntungan dari masing masing produk serta kendala kendala yang dihadapi, yaitu : Variabel Keputusan X1 = Minyak Goreng Filma X2 = Minyak Goreng Kunci Mas X3 = Minyak Goreng Mitra Fungsi Tujuan 4.695 X1 + 4.605 X2 + 3.825 X3 Fungsi Kendala Kendala Keterbatasan Mesin 0,0416 X1 + 0,0466 X2 + 0,1926 X3 96000 Kendala Jam Kerja Tenaga Kerja 0.0499 X1 + 0.0559 X2 + 0.2311 X3 6912 Kendala Peramalan Permintaan Produk X1 11521 X2 10290 X3 2492 6
Bentuk bentuk persamaan tersebut kemudian diolah menggunakan software QM for Windows 2, sehingga menghasilkan data seperti gambar berikut : Sumber : Diolah peneliti (2015) Gambar 2 Linear Programming Result Berdasarkan hasil penelitian, analisis, dan pengolahan data, maka didapatkan hasil pembahasan penulisan ini, sebagai berikut : 1. Dengan menggunakan 6 (enam) metode peramalan maka diketahui bahwa metode peramalan yang paling tepat untuk diterapkan oleh PT. SMART Tbk adalah metode exponential smoothing karena memiliki tingkat keakuratan yang baik berdasarkan jenis data yang diolah. Sehingga hasil peramalan dengan metode exponential smoothing sebaiknya digunakan oleh perusahaan sebagai standar ukuran untuk periode berikutnya. 2. Fungsi kendala yang menjadi batasan bagi perusahaan untuk memaksimalkan keuntungan adalah sebagai berikut: - Kendala keterbatasan mesin 0,0416X1 + 0,0466X2 + 0,1926X3 96000 - Kendala jam tenaga kerja 0.0499X1 + 0.0559X2 + 0.2311X3 6912 - Kendala peramalan permintaan Minyak Goreng Filma X1 11521 - Kendala peramalan permintaan Minyak Goreng Kunci Mas X2 10290 - Kendala peramalan permintaan Minyak Goreng Mitra X3 2492 Dengan fungsi tujuan adalah Zmax = 4.695 X1 + 4.605 X2 + 3.825 X3 maka kombinasi produk yang harus dihasilkan oleh PT. SMART Tbk untuk memaksimalkan keuntungan adalah: - Memproduksi 11521 (box) minyak goreng Filma untuk mendapatkan keuntungan sebesar Rp. 54.091.095 - Memproduksi 10290 (box) minyak goreng Kunci Mas untuk mendapatkan keuntungan sebesar Rp. 47.385.450 - Memproduksi 2492 (box) minyak goreng Mitra untuk mendapatkan keuntungan sebesar Rp. 9.531.900 Sehingga total keuntungan maksimal yang dapat diperoleh perusahaan adalah sebesar Rp. 111.008.445 7
SIMPULAN DAN SARAN Simpulan Berdasarkan uraian dan pembahasan pada bab sebelumnya, maka penulis dapat menarik kesimpulan sebagai berikut: 1. Metode peramalan yang paling tepat untuk diterapkan oleh PT. SMART Tbk adalah metode exponential smoothing karena memiliki tingkat keakuratan yang baik berdasarkan jenis data yang diolah. Sehingga hasil peramalan dengan metode exponential smoothing sebaiknya digunakan oleh perusahaan sebagai standar ukuran untuk periode berikutnya. 2. Berdasarkan hasil analisis menggunakan Software QM for Windows 2, maka perusahaan dapat memperoleh keuntungan maksimal sebesar Rp.111.008.445,- dengan asumsi perolehan keuntungan tersebut berdasarkan fungsi tujuan dan kendala kendala yang ada. Saran 1. Berdasarkan pengolahan data, penggunaan mesin belum maksimal karena mesin dapat memproduksi 96000 box namun produksi yang terpakai hanya 94561 box terdapat 1438 box yang tidak digunakan. Selain itu penggunaan jam tenaga kerja tidak maksimal karena jam tenaga kerja yang diterpakai adalah 5185.99 jam, sedangkan jam kerja tersedia sebanyak 6912 jam kerja. Jam kerja yang tidak digunakan adalah sebanyak 1726.01 jam. Sehingga perusahaan perlu lebih meningkatkan efisiensi dalam perencanaan penyediaan mesin dan tenaga kerja agar sumber daya yang ada dapat dimanfaatkan secara optimal untuk mendapatkan keuntungan yang maksimal. 2. Jika untuk selanjutnya perusahaan akan meningkatkan jumlah produksi, maka perusahaan disarankan menggunakan metode linear programming untuk meminimalkan biaya produksi karena dengan penggunaan metode ini sumber daya yang terbatas dapat digunakan secara efektif dan efisien. REFERENSI A E Anieting. V O Ezugwu. S Logan. (Maret April 2013). Application of Linear Programming Technique in the Determination of Optimum Production Capacity. IOSR Journal of Mathematics (IOSR-JM), E-ISSN:2278-5728 Volume 5, Issue 6 PP 62-65. Aminuddin. (2005). Prinsip Prinsip Riset Operasi. Jakarta : Erlangga. Daft, Richard L. (2006). Management. Jakarta : Salemba Empat. Dimyati. (2006). Operation Research. Bandung : Sinar Baru Algesindo. 8
Dyck, B., & Neubert, M. J. (2009). Principles of Management. Canada: South - Western. Fagoyinbo I S. Akinbo R Y. Ajibode I A. (November 2011). Maximization of Profit ini Manufacturing Industries Using Linear Programming Technique : Geepee Nigeria Limited. Mediterranean Journal of Social Sciences Vol. 2 (6). Faderico Poloni. Giacomo Sbrana. (November 2014). A note on forecasting demand using the multivariate exponential smoothing framework. Gasprersz, Vincent. (2005). Production Planning and Inventory Control. Edisi kelima. Jakarta : PT. Gramedia Pustaka Utama. Heizer, Jay., Render, Barry. (2015). Manajemen Operasi; Manajemen Keberlangsungan dan Rantai Pasokan. Edisi 11. Jakarta : Salemba Empat. Herjanto, Eddy. (2008). Manajemen Operasi. Jakarta : PT. Grasindo. Indonesia Invesment Coordinating Board. (2013). Peluang Investasi di Kabupaten Sanggau : Pembangunan Indusri CPO/Pengolahan Kelapa Sawit. (04-19- 2015) http://regionalinvestment.bkpm.go.id Indonesia-Invesments. (2014). Minyak Kelapa Sawit. (04-21-2015) http://www.indonesia-investments.com Intisariani, D. (2013). Analisis Peramalan Penjualan dan Penggunaan Metode Linear Programming dan Decision Tree Guna Mengoptimalisasi Keuntungan Pada PT. Primajaya Pantes Garment. Manajemen. Universitas Bina Nusantara, Jakarta. Komisi Pengawasan Persaingan Usaha. 2014. Positioning Paper Minyak Goreng. (04-21-2015) http://www.kppu.go.id Lim Sanny. Haryadi Sarjono. (Mei 2013). Peramalan Jumlah Siswa/i Sekolah Menengah atas Swasta Menggunakan Enam Metode Forecasting. Forum Ilmiah Volume 10 Nomor 2. Lim Sanny. Haryadi Sarjono. Yiska Andrie. (November 2011). Penerapan Model Linear Programming untuk Mengoptimalkan Produksi dalam Memperoleh Keuntungan Maksimal. Jurnal Nasional, Volume 2, No.2. Mchugh, J., Mchugh, S., Nickel, W. (2009). Understanding Business. 9th Edition. United States : Mcgrew Hill Higher Education. Mulyono, Sri. (2007). Riset Operasi. Jakarta : Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. Prasetya, Hery. Lukiastuti, Fitri. (2009). Manajemen Operasi, Cetakan Pertama. Yogyakarta : Media Pressindo. 9
Rusdiana. (2014). Pendidikan Suatu Pengantar.Bandung : Cita Pustaka Media Perintis. Robbins, Stephen P. Coulter, Mary. (2010). Manajemen (edisi kesepuluh). Jakarta : Erlangga. Reid, R. Sanders, Nada. (2007). Operation Management. An Integrated Approach 3rd edition. San Francisco. Render, B., Stair, R.M., Hanna. (2012). Quantitative Analysis for Management. 11th Edition. England : Pearson Education. Samir K Safi. Issam A Dawoud. (November 2013). Comparative study on forecasting accuracy among moving average models with simulation and PALTEL stock market data in Palestine. International Journal of Theoretical and Applied Statistics. Vol. 2, No. 6, 2013, pp. 202-209. Sanusi, Anwar. (2011). Metode Penelitian Bisnis. Jakarta : Salemba Empat. Sarjono, Haryadi. (2010). Aplikasi Riset Operasi. Jakarta : Salemba Empat. Sekawan Bedikari. (2015). Minyak Kelapa Sawit atau Crude Palm Oil (CPO). (04-23-2015) http://transportircpo.co.id Sekaran, Uma. (2014). Research Methods For Business. Jakarta. Salemba Empat Sharmeeni Murugan. Jeun Keat Choo. Haeryip Sihombing. (2013). Linear Programming for Palm Oil Industry. International Journal of Humanities and Management Sciences (IJHMS) Volume 1, Issue 3 (2013) ISSN 2320-4036; EISSN 2320-4044. Siringoringo. (2005). Pemrograman Linear. Yogyakarta : Graha Ilmu. Siswanto. (2007). Pengantar Manajemen. Jakarta : Bumi Aksara. Sugiyono. (2007). Metode Penelitian Bisnis. Bandung : CV Alfabeta. Tampubolon P, Manahan. (2014). Manajemen Operasi dan Rantai Pemasok. Jakarta: Mitra Wacana Media. Teguh, M. (2014). Metode Kuantitatif untuk Analisis Ekonomi dan Bisnis. Jakarta : PT. Raja Grafindo Persada. RIWAYAT PENULIS Andi Fika Widiarizky lahir di Makassar pada 10 Maret 1993. Penulis menyelesaikan pendidikan S1 di Universitas Bina Nusantara (Binus University), Jakarta dalam bidang manajemen, program studi entrepreneur pada tahun 2015. 10