perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user i
PERAMALAN PENJUALAN KAIN JENIS FBB
PADA PT. KUSUMA MULIA TEXTILE SURAKARTA
TUGAS AKHIR
Diajukan Untuk Melengkapi Tugas-tugas Dan Memenuhi Syarat-syarat
Untuk Mencapai Derajat Ahli Madya
Program Studi DIII Manajemen Bisnis
Oleh:
SILMAWATI HIDAYAH
F3509067
PROGRAM STUDI DIPLOMA III MANAJEMEN BISNIS
FAKULTAS EKONOMI
UNIVERSITAS SEBELAS MARET
SURAKARTA
2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user ii
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user iii
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user iv
MOTTO DAN PERSEMBAHAN
MOTTO:
“Kebanyakan motto hanya akan menjadi omong kosong. Untuk
melangkah maju kita tidak butuh banyak motto, tapi untuk menggapai
sukses yang kita butuhkan adalah banyak MUTU”
Karya sederhana ini adalah karunia Allah SWT.
Dan kupersembahkan kepada:
1. Bapak, Ibu dan keluargaku tercinta
2. Semua teman temanku
3. Almamaterku
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user v
KATA PENGANTAR
Puji syukur kehadirat Allah SWT yang telah melimpahkan rahmat, hidayah
dan inayah-Nya, sehingga penulis dapat menyelesaikan Tugas Akhir dengan judul
“PERAMALAN PENJUALAN KAIN JENIS FBB PADA PT. KUSUMA
MULIA TEXTILE SURAKARTA” .
Tugas akhir ini disusun untuk memenuhi syarat-syarat mencapai gelar Ahli
Madya pada program Diploma III Program Studi Manajemen Bisnis Fakultas
Ekonomi Universitas Sebelas Maret Surakarta.
Penulis menyadari bahwa keberhasilan penulisan tugas akhir ini tidak lepas dari
bimbingan, bantuan, dukungan dan petunjuk dari berbagai pihak baik moril maupun
materil. Oleh karena itu, dalam kesempatan ini penulis sampaikan ucapan terima
kasih kepada:
1. Dr. Wisnu Untoro, M.S selaku Dekan Fakultas Ekonomi Universitas Sebelas
Maret Surakarta.
2. Sinto Sunaryo, SE, MSi selaku Ketua Program D3 Manajemen Bisnis
Fakultas Ekonomi Universitas Sebelas Maret Surakarta.
3. Yeni Fajariyanti, SE, MSi selaku pembimbing yang telah meluangkan waktu
untuk memberikan pengarahan, nasehat dan bimbingan dalam menyelesaikan
Tugas Akhir ini.
4. Muh Juam Suamtoro MSi selaku Pembimbing Akademis.
5. Bapak Subur Widodo selaku HRD PT. Kusuma Mulia Textile.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user vi
6. Ibu Dewi Sulistyowati selaku karyawan pendamping selama penelitian di PT.
Kusuma Mulia Textile.
7. Seluruh staff PT. Kusuma Mulia Textile yang telah memberikan bantuan
kepada penulis selama penelitian.
8. Bapak dan Ibu Dosen yang dengan rendah hati berkenan memberikan ilmu
praktik dan teori selama perkuliahan di Fakultas Ekonomi Universitas Sebelas
Maret Surakarta.
9. Terima kasih yang tak terhingga kepada Ayah dan Ibu tercinta yang telah
merawatku dari kecil hingga dewasa, yang selalu sabar dan memberikan
dukungan serta do’a dan semangat, baik moril maupun materiil. Serta seluruh
keluarga besar yang selalu membimbing ke arah yang lebih baik.
10. Terima kasih kepada Ivan Galang Geovany buat doa, semangat kebaikannya
selama ini kepada penulis.
11. Teman-teman senasib seperjuangan Manajemen Bisnis 2009 terutama
Stefany, Lia, Syeila terima kasih kawan untuk kebersamaannya selama ini.
12. Kepada seluruh Angkatan 2009 Diploma III Fakultas Ekonomi UNS, terima
kasih atas kebersamaannya.
13. Mas Ihsan Akuntansi 2008, terima kasih buat software penyusunan TA nya.
14. Ayuk Purwanti, terima kasih buat kebaikannya selama ini.
15. Semua teman-temanku yang tidak bisa saya sebutkan satu persatu, terima
kasih buat semuanya.
16. Semua pihak yang telah membantu yang tidak bisa saya sebutkan satu persatu,
semoga atas bantuan yang diberikan memperoleh imbalan dari Allah SWT.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user vii
Penulis menyadari bahwa Tugas Akhir ini masih mempunyai banyak kekurangan
dan kekeliruan, walaupun penulis dalam menulis Tugas Akhir ini telah berusaha
sebaik-baiknya, tetapi kesalahan tetap tidak dapat dihindari karena keterbatasan
kemampuan penulis. Oleh karena itu saran dan kritik yang sifatnya membangun
sangat diharapkan. Semoga Allah SWT senantiasa memberikan petunjuk kepada
hambaNya yang sedang menuntut ilmu.
Surakarta, 18 Juni 2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user viii
DAFTAR ISI
HALAMAN JUDUL ..................................................................................... i
ABSTRAK ...................................................................................................... ii
HALAMAN PERSETUJUAN ...................................................................... iii
HALAMAN PENGESAHAN ........................................................................ iv
MOTTO DAN PERSEMBAHAN ................................................................. vi
KATA PENGANTAR .................................................................................... vii
DAFTAR ISI ................................................................................................... x
DAFTAR TABEL .......................................................................................... xii
DAFTAR GAMBAR ...................................................................................... xiii
DAFTAR LAMPIRAN .................................................................................. xv
BAB I PENDAHULUAN .............................................................................. 1
A. Latar Belakang Masalah ....................................................................... 1
B. Rumusan Masalah ................................................................................ 4
C. Tujuan Penelitian .................................................................................. 4
D. Manfaat Penelitian ................................................................................ 5
E. Kerangka Pemikiran ............................................................................ 7
F. Metode Penelitian ................................................................................ 9
BAB II TUJUAN PUSTAKA ....................................................................... 15
A. Pengertian Peramalan .......................................................................... 15
B. Tujuan Peramalan ................................................................................. 16
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user ix
C. Jenis Peramalan ................................................................................... 16
D. Peramalan Menurut Horizon Waktunya .............................................. 17
E. Faktor-faktor yang Mempengaruhi Pemilihan Teknik Peramalan ...... 18
F. Sifat-sifat Peramalan ........................................................................... 19
G. Tahap-tahap Peramalan ....................................................................... 20
H. Karakteristik Peramalan yang Baik ..................................................... 20
I. Pendekatan Dalam Peramalan ............................................................. 21
J. Pengukuran Kesalahan Peramalan ...................................................... 28
BAB III PEMBAHASAN ............................................................................. 32
A. Gambaran Umum Perusahaan ............................................................. 32
B. Struktur Organisasi ............................................................................... 36
C. Aspek Produksi .................................................................................... 40
D. Aspek Personalia ................................................................................. 45
E. Laporan Magang Kerja ........................................................................ 48
F. Pembahasan Masalah .......................................................................... 52
BAB IV PENUTUP ....................................................................................... 70
A. Kesimpulan .......................................................................................... 70
B. Saran .................................................................................................... 71
DAFTAR PUSTAKA .................................................................................... xv
LAMPIRAN ................................................................................................... xvi
\
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user x
DAFTAR TABEL
Perusahaan Suplier Kain PT. Kusuma Mulia Textile ...................................... 41
Jumlah Tenaga Kerja PT. Kusuma Mulia Textile ............................................ 45
Data Penjualan Kain FBB PT. Kusuma Mulia Textile .................................... 53
Perhitungan Peramalan Penjualan Kain FBB dengan Metode Single Moving
Averages 3 bulanan .......................................................................................... 55
Perhitungan Peramalan Penjualan Kain FBB dengan Metode Single Moving
Averages 6 bulanan .......................................................................................... 58
Perhitungan Peramalan Penjualan Kain FBB dengan Metode Exponential
Smoothing Alpha 0,1 ....................................................................................... 61
Perhitungan Peramalan Penjualan Kain FBB dengan Metode Exponential
Smoothing Alpha 0,5 ....................................................................................... 64
Perhitungan Peramalan Penjualan Kain FBB dengan Metode Exponential
Smoothing Alpha 0,9 ....................................................................................... 66
Perbandingan Output Peramalan Penjualan Kain FBB pada PT. Kusuma
Mulia Textile .................................................................................................... 69
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user xi
DAFTAR GAMBAR
Sruktur Organisasi PT. KusumaMulia Textile ................................................. 36
Alur Proses Produksi Kain PT. KusumaMulia Textile .................................... 44
Grafik Penjualan Kain FBB BulanMaret 2011-Februari 2012 dengan Metode
Single Moving Averages 3 bulanan ................................................................. 55
Grafik Penjualan Kain FBB BulanMaret 2011-Februari 2012 dengan Metode
Single Moving Averages 6 bulanan ................................................................. 58
Grafik Penjualan Kain FBB BulanMaret 2011-Februari 2012 dengan Metode
Exponential Smoothing Alpha 0,1 ................................................................... 62
Grafik Penjualan Kain FBB BulanMaret 2011-Februari 2012 dengan Metode
Exponential Smoothing Alpha 0,5 ................................................................... 64
Grafik Penjualan Kain FBB BulanMaret 2011-Februari 2012 dengan Metode
Exponential Smoothing Alpha 0,9 ................................................................... 67
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user xii
DAFTAR LAMPIRAN
Lampiran 1.SuratPernyataanTugasAkhir
Lampiran 2.FormulirPenilaianMagangKerja
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ABSTRAK
PERAMALAN PENJUALAN KAIN JENIS FBB
PADA PT. KUSUMA MULIA TEXTILESURAKARTA
Silmawati Hidayah
F3509067
Tujuan yang ingin dicapai dalam penelitian ini adalah (1) Untuk
membandingkan hasil peramalan penjualan kain FBB pada bulan Maret 2012
dengan menggunakan Metode Single Moving Averagesdan Metode Exponential
Smoothing. (2) Untuk menentukan metode peramalan yang paling efisien untuk
meramalkan penjualan produk kain FBB pada PT. Kusuma Mulia Textile.
Metode pembahasan yang digunakan untuk meramalkan penjualan adalah
metode Single Moving Averages periode 3 bulanan, Single Moving Averages 6
bulanan dan Exponential Smoothing dengan tiga nilai alpha yang berbeda, yaitu
0,1 ; 0,5 ; 0,9. Untuk pengukuran kesalahan (error) peramalan menggunakan
Mean Absolute Deviation (MAD) dan Mean Square Error (MSE).
Dari hasil analisis yang telah dilakukan, penulis mengambil kesimpulan.
Besarnya hasil ramalan dengan menggunakan metode Single Moving Averages 3
bulanan adalah 386.666,7 yard dengan MAD=64.259,27 dan
MSE=7.264.507.000; Single Moving Averages 6 bulanan adalah 338.333,3 yard
dengan MAD=73.750 dan MSE=8.992.940.000. Besarnya ramalan dengan
menggunakan metode Exponential Smoothing alpha (0,1;0,5;0,9). ; 0,1 adalah
327.577,6 yard dengan MAD=79.384,28 dan MSE=8.373.855.000 ; 0,5 adalah
370.434,6 yard dengan MAD=55.423,48 dan MSE=5.510.927.000 ; 0,9 adalah
378.528,3 dengan MAD=51.504,22 dan MSE=4.172.596.000.
Dari hasil analisis yang diperoleh, maka metode yang disarankan kepada
perusahaan dalam membuat ramalan penjualan kain FBB sebaiknya menggunakan
metode Exponential Smoothing Alpha 0,9 karena memiliki tingkat kesalahan
(forecast error) MAD dan MSE terkecil.
Kata kunci: Peramalan Penjualan, Metode Peramalan, Kesalahan Peramalan
ABSTRACT
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
THE SALE FORECASTING OF FBB FABRIC
IN PT. KUSUMA MULIA TEXTILE SURAKARTA
Silmawati Hidayah
F3509067
The aims of this research are (1) To compare the forecasting FBB fabric
sales in PT. Kusuma Mulia textile by using a Single Moving Averages method
and Exponential Smoothing method in Marc 2012. (2)To determine the most
efficient forecasting method to forecast sales of fabric FBB in PT. Kusuma Mulia
Textile.
The discussion method which are used to forecast the sales is the Single
Moving Averages method with a moving average about three monthly, Single
Moving Averages method with a moving average about six monthly and
Exponential Smoothing with three alpha value are 0.1, 0.5, 0.9. For measurement
of error in forecasting is using MAD and MSE.
From those analysis, the writer concludes that the amount of the
forecasting’s results by using a 3 months Single Moving Averages method is
386.666,7 yard with MAD=64.259,27 and MSE=7.264.507.000; a 6 month Single
Moving Averages method is 338.333,3 yard with MAD=73.750 and
MSE=8.992.940.000. The amount of the forecasting’s result by using alpha
Exponential Smoothing method (0,1;0,5;0,9). ; 0,1 is 327.577,6 yard with
MAD=79.384,28 and MSE=8.373.855.000 ; 0,5 is 370.434,6 yard with
MAD=55.423,48 and MSE=5.510.927.000 ; 0,9 is 378528,3 with
MAD=51504,22 and MSE=4172596000.
From the rsult of analysis, the method reccomended to the company in
making sales forecasting FBB fabric is Exponential Smoothing method alpha 0,9
because it has the smallest margin of error (forecast error) in MAD and MSE.
Keyword: Sales Forecasting, Forecasting Methods, Forecast Error
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
1
BAB I
PENDAHULUAN
A. LATAR BELAKANG MASALAH
Sebuah perusahaan didirikan mempunyai tujuan untuk
menghasilkan barang dan jasa yang menjadi kebutuhan konsumen dan
sekaligus dapat menghasilkan keuntungan dari usaha tersebut. Selain dapat
memperoleh keuntungan, juga bertujuan untuk membantu pemerintah
dalam mengurangi angka pengangguran dengan membuka lapangan kerja
baru serta bertujuan untuk mempertahankan dan meningkatkan
kelangsungan hidup perusahaan di masa yang akan datang. Untuk
mewujudkan semua itu, pimpinan perusahaan harus menetapkan suatu
kebijakan yang tepat dalam mengelola perusahaan.
Saat ini banyak sekali perubahan-perubahan yang terjadi, antara
lain adanya perkembangan teknologi dan informasi yang menyebabkan
muncul banyak sekali perusahaan, sehingga terjadi persaingan bisnis
antara perusahaan satu dengan perusahaan yang lainnya. Setiap perusahaan
berusaha untuk memenangkan persaingan dan menawarkan hasil produksi
yang berkualitas kepada konsumen.
Dengan kondisi seperti ini perusahaan perlu membuat strategi agar
konsumen tetap menjaga loyalitasnya terhadap perusahaan. Untuk
mengatasi permasalahan tersebut, maka perusahaan menggunakan cara
untuk meningkatkan mutu proses produksi agar dapat menciptakan
kualitas produk yang baik. Sekarang ini sektor industri banyak diminati
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
2
oleh para pengusaha. Persaingan bisnis juga banyak terjadi pada
perusahaan dibidang industri. Dari banyak industri yang ada, industri
Textile merupakan salah satu bidang industri yang banyak terdapat di
Indonesia.
Forecasting (peramalan) adalah salah satu unsur yang sangat
penting dalam proses pengambilan keputusan. Peramalan yang dilakukan
umumnya didasarkan masalalu yang kemudian dianalisis dengan
menggunakan metode atau cara-cara tertentu. Data masalalu dikumpulkan,
dipelajari, dianalisis dan dihubungkan dengan perjalanan waktu. Karena
adanya faktor tersebut, maka dari data hasil analisis tersebut kita mencoba
mengatakan sesuatu yang terjadi di masa akan datang. Dalam hal ini kita
dihadapkan pada suatu kondisi ketidakpastian, sehingga akan ada faktor
akurasi atau ketidaksamaan yang harus diperhitungkan. Peramalan selalu
bertujuan agar ramalan yang dibuat bisa meminimumkan kesalahan
peramalan (forecast error) artinya perbedaan antara kenyataan dengan
ramalan tidak terlalu jauh. Ramalan yang baik adalah ramalan yang
mendekati kenyataan. Oleh karena peramalan digunakan sebagai acuan
dalam pengambilan keputusan, maka ramalan yang baik sangat
dibutuhkan.
Peramalan adalah seni dan ilmu memprediksi peristiwa-peristiwa
masa depan. Peramalan memerlukan pengambilan data historis dan
memproyeksikannya ke masa depan dengan beberapa bentuk model
sistematis (Render dan Heizer, 2001). Model peramalan seri waktu
memprediksi berdasarkan asumsi bahwa masa depan adalah fungsi dari
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
3
masa lalu. Dengan kata lain, model ini melihat pada apa yang terjadi
selama periode waktu dan menggunakan data masalalu untuk membuat
ramalan (Render dan Heizer, 2001).
PT. Kusuma Mulia Textile merupakan salah satu perusahaan yang
bergerak dalam bidang industri Textile. Memproduksi kain mentah (Grey)
menjadi kain jadi, dan mendistribusikan produk kain dengan daerah
pemasaran meliputi Surakarta, Yogyakarta, Semarang, Jakarta, Bandung,
Denpasar, Medan, Surabaya dan Makasar. Jenis kain yang diproduksi
antara lain: Kain FBB, Kain Ahasi, Kain Saten, Kain Kamatex, Kain
BBTR, kain Nasatex, Kain ERO dan lain lain. Karena adanya beberapa
produk yang dihasilkan, PT. Kusuma Mulia Textile sangat memperhatikan
permintaan pasar dan keinginan konsumen.
Dalam penelitian ini, penulis ingin melakukan penelitian pada kain
jenis FBB. Dikarenakan, kain FBB lebih banyak dipesan dibanding jenis
kain lain. Kain jenis FBB juga memiliki volume produksi dan penjualan
yang tidak tetap dari bulan ke bulan, sehingga kondisi penjualan masa
depan pada PT. Kusuma Mulia penuh dengan ketidakpastian. Untuk itu,
PT. Kusuma Mulia Textile perlu melakukan suatu peramalan penjualan
guna menentukan berapa jumlah produk yang harus diproduksi dan dijual,
sehingga dapat memperkecil risiko kerugian dengan pemilihan metode
peramalan yang tepat. Selama ini, PT. Kusuma Mulia Textile belum
pernah melakukan peramalan penjualan secara efektif dan efisien untuk
menentukan perencanaan penjualan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
4
Atas dasar hal tersebut, maka penulis tertarik untuk menjadikan
masalah tersebut sebagai fokus penelitian dengan judul: “PERAMALAN
PENJUALAN KAIN JENIS FBB PADA PERUSAHAAN PT.
KUSUMA MULIA TEXTILE”.
B. RUMUSAN MASALAH
Berdasarkan latar belakang masalah, maka dapat dirumuskan bahwa
pokok permasalahan yang akan dibahas dalam penelitian ini adalah:
1. Berapakah ramalan penjualan kain FBB pada bulan Maret 2012
dengan menggunakan Metode Single Moving Averages dan Metode
Exponential Smooting?
2. Metode peramalan manakah yang paling efisien untuk meramalkan
penjualan produk kain FBB?
C. TUJUAN PENELITIAN
Penelitian ini dilaksanakan dengan tujuan agar penelitian yang telah
dilakukan, hasilnya dapat memberikan manfaat yang sesuai dengan apa
yang dikehendaki.
Adapun tujuan penelitian ini adalah:
1. Membandingkan hasil peramalan penjualan kain FBB pada bulan
Maret 2012 dengan menggunakan Metode Single Moving Averages
dan Metode Exponential Smooting.
2. Menentukan metode peramalan yang paling efisien untuk meramalkan
penjualan produk kain FBB pada PT. Kusuma Mulia Textile.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
5
D. MANFAAT PENELITIAN
Manfaat yang dapat diambil dari penelitian ini adalah:
1. Manfaat akademis
a. Bagi Penulis
1) Penelitian ini diharapkan untuk menambah pengetahuan dan
pengalaman dengan menerapkan ilmu pengetahuan yang
diperoleh di perkuliahan, khususnya tentang metode peramalan.
2) Menambah wawasan berpikir mengenai masalah peramalan
yang terjadi di perusahaan dan mencoba untuk mencari
solusinya.
b. Bagi Pembaca
1) Penelitian ini diharapkan dapat menjadi bahan masukan untuk
peneliti lain yang mengambil kajian yang sama.
2) Dapat menambah pengetahuan dan pemahaman mengenai
penelitian-penelitian yang berkaitan dengan peramalan.
2. Manfaat Praktis
a. Bagi Perusahaan
1) Penelitian ini diharapkan menjadi bahan masukan bagi
manajemen perusahaan dalam pengambilan kebijakan yang
tepat, khususnya dalam peramalan jumlah penjualan yang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
6
selanjutnya digunakan sebagai dasar perencanaan produksi
yang akan datang.
2) Dapat membantu perusahaan dalam menentukan metode
peramalan yang tepat dan untuk mengetahui tingkat penjualan,
sehingga dapat membuat rencana produksi yang sesuai pada
periode yang akan datang.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
7
E. KERANGKA PEMIKIRAN
Gambar I.1 Kerangka Pemikiran
Data Historis
Data Jumlah Penjualan Kain Jenis FBB Pada Bulan
Sebelumnya
Penentuan Metode Peramalan
Metode Single Moving Average dan Exponential
Smoothing
Penentuan Error
Mencari Tingkat Kesalahan dari Masing-masing
Metode Peramalan
Penentuan Metode Peramalan Yang Tepat
Mencari Tingkat Kesalahan Dari Masing-Masing
Metode Peramalan
Ramalan Yang Akan Datang
Peramalan Penjualan Yang Akan Datang
Keputusan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
8
Keterangan :
Setiap perusahaan mengalami naik turun dalam penjualan suatu
produk, Umumnya permintaan konsumen terhadap pembelian produksinya
selalu berubah-ubah dalam setiap periode, dengan adanya ketidakpastian
suatu penjualan, sehingga perusahaan membuat suatu ramalan penjualan.
Di mana untuk membuat suatu ramalan tersebut diperlukan suatu data
historis pada periode-periode sebelumnya. Data sebelumnya digunakan
untuk meramalkan penjualan di periode yang akan datang. Data yang
dianalisis termasuk data yang bersifat acak atau random. Dalam
menghitung data tersebut digunakan dua metode yaitu Single Moving
Average dan Exponential Smoothing.
Dari hasil peramalan tersebut dicari tingkat kesalahan dengan
menggunakan MAD (Mean Absolute Deviation), MSE (Mean Square
Error). Untuk menghitung mana metode yang paling tepat dicari tingkat
kesalahan (Error) yang mendekati nol pada setiap metode peramalan.
Dari hasil peramalan tersebut dapat diketahui jumlah penjualan
kain jenis FBB pada bulan Maret 2012. Dengan adanya hasil peramalan
tersebut memberikan kemudahan dalam mengetahui jumlah penjualan, hal
tersebut dijadikan sebagai dasar dalam perencanaan produksi oleh manajer
perusahaan dalam memproduksi kain jenis FBB di bulan Maret 2012.
Selanjutnya manajer akan mengambil keputusan setelah mengetahui data
peramalan dan perencanaan di atas.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
9
F. METODE PENELITIAN
1. Desain Penelitian
Penelitian ini bersifat deskriptif. Penelitian deskriptif adalah penelitian
yang dilakukan untuk mengetahui nilai variabel mandiri, baik satu
variabel atau lebih (independen) tanpa membuat perbandingan atau
menghubungkan dengan variabel yang lain (Sugiyono:2001). Menurut
Sumarni (2005) tujuan analisis deskriptif adalah memperoleh jawaban
dari pertanyaan tentang siapa, kapan, di mana dan bagaimana dari
suatu topik penelitian. Jadi peneliti berupaya mendeskripsikan secara
sistematis faktual dan akurat mengenai fakta dan sifat topik penelitian
tersebut.
2. Objek Penelitian
Penelitian ini dilakukan di PT. Kusuma Mulia Textile, yang bergerak
dibidang industri textile, yang terletak di Jl. Cokroaminoto No. 47
Jebres, Sekarpace, Surakarta.
3. Sumber Data
Data yang digunakan dalam penelitian ini adalah:
a. Data Primer
Menurut Kuncoro (2003) data primer yaitu data yang diperoleh
dengan survei lapangan yang menggunakan semua metode
pengumpulan data original. Data primer dalam penelitian ini
meliputi data yang diperoleh dengan cara wawancara langsung
dengan Kepala Bagian Produksi mengenai aspek pemasaran
perusahaan dan mengenai proses produksi.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
10
b. Data Sekunder
Menurut Kuncoro (2003), data sekunder adalah data yang telah
dikumpulkan oleh lembaga pengumpul data dan dipublikasikan
kepada masyarakat pengguna data. Data sekunder dalam penelitian
ini meliputi: sejarah berdirinya PT. Kusuma Mulia Textile, struktur
organisasi, visi misi perusahaan, tujuan berdirinya perusahaan,
jumlah karyawan kantor dan jumlah karyawan produksi dan data
penjualan kain FBB selama periode 2011.
4. Teknik Pengumpulan Data
Teknik pengumpulan data dalam penelitian ini adalah:
a. Wawancara
Menurut Suliyanto (2006), wawancara adalah teknik pengambilan
data di mana peneliti langsung berdialog dengan responden untuk
menggali informasi dari responden. Cara pengumpulan data
dengan melakukan tanya jawab langsung dengan kepala bagian,
staf ataupun karyawan serta pihak-pihak yang bersangkutan
dengan pihak PT. Kusuma Mulia Textile. Dengan Kepala Bagian
Kepala Bagian Produksi wawancara mengenai proses produksi dan
aspek pemasaran.
b. Observasi
Menurut Suliyanto (2006), observasi adalah pengumpulan data
dengan menggunakan panca indra, jadi tidak hanya pengamatan
menggunakan mata. Dalam penelitian ini, peneliti melakukan
pengamatan dan pencatatan langsung mengenai kegiatan yang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
11
dilakukan PT. Kusuma Mulia Textile untuk menunjang data dalam
masalah yang diteliti.
c. Dokumentasi
Suatu pengumpulan data yang digunakan dengan cara mencatat
ataupun mengcopy data dari perusahaan. Data yang di copy dari
PT. Kusuma Mulia Textile berupa sejarah berdirinya PT. Kusuma
Mulia Textile, struktur organisasi, visi misi perusahaan, tujuan
berdirinya perusahaan, jumlah karyawan kantor dan jumlah
karyawan produksi dan data penjualan kain FBB periode 2011.
5. Teknik Analisis Data
Ada dua hal yang perlu diperhatikan dalam peramalan yang akurat dan
tepat. Pertama adalah pengumpulan data. Data harus relevan agar ramalan
yang dihasilkan bisa memberikan informasi yang akurat. Kedua adalah
pemilihan teknik yang tepat dan akurat.
Untuk melakukan peramalan permintaan produk berdasarkan data
yang diperoleh, peneliti akan menggunakan teknik analisis data dengan
metode kuantitatif.
Metode Single Moving Average dan Exponential Smoothing merupakan
metode dengan teknik peramalan kuantitatif statistik yang pada umumnya
menggunakan data historis yang menitikberatkan pada pola, perubahan
pola, dan faktor gangguan yang disebabkan oleh pengaruh acak (random).
Berdasarkan uraian di atas teknik analisis data yang digunakan oleh
penulis mengenai peramalan penjualan pada kain FBB di PT. Kusuma
Mulia Textile yaitu dengan metode Single Moving Average dan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
12
Exponential Smoothing dengan menggunakan MAD (Mean Absolute
Deviation), MSE (Mean Absolute Error) untuk menghitumg peramalan.
a. Metode Single Moving Average (Rata-rata Bergerak)
Menurut Render dan Heizer (2005) metode single moving average
adalah metode peramalan yang menggunakan rata-rata dari
sejumlah (n) data terkini untuk meramalkan periode mendatang.
Metode peramalan rata-rata bergerak (single moving average)
menggunakan sejumlah data aktual masa lalu untuk menghasilkan
peramalan.
Rumus yang digunakan dalam menghitung metode single moving
average adalah sebagai berikut (Render dan Heizer, 2005) :
Rata-rata bergerak =
Di mana n adalah jumlah periode rata-rata bergerak.
b. Metode Exponential Smoothing (Penghalusan Exponential)
Exponential Smoothing merupakan metode peramalan rata-rata
bergerak dengan pembobotan yang canggih, namun masih mudah
digunakan. Metode ini menggunakan sangat sedikit pencatatan
masa lalu.
Ramalan-ramalan exponential yang dihasilkan dapat mengandung
banyak kesalahan karena fluktuasi random yang sangat besar pada
periode-periode waktu yang mutakhir dan hal ini timbul karena
dalam pemulusan exponential periode-periode yang terakhir
mendapat bobot yang lebih berat.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
13
Rumus exponential smoothing dasar dapat ditunjukkan sebagai
berikut (Render dan Heizer, 2005) :
Peralaman baru = peramalan periode lalu + α (permintaan
aktual periode lalu – peramalan periode lalu)
Di mana α sebuah bobot, atau konstanta penghalusan (smoothing
constant), yang dipilih oleh peramal yang mempunyai nilai antara 0
dan 1.
Secara matematis dapat juga ditulis sebagai berikut :
+ α ( - )
Keterangan :
Peramalan baru
= Peramalan sebelumnya
= Konstanta penulisan (0-1)
= Permintaan aktual periode sebelumnya
c. Pengukuran Kesalahan Peramalan (Forecast Error)
Menurut Taylor (2004) pengukuran kesalahan peramalan
merupakan perbedaan antara peramalan permintaan dengan
permintaan aktual. Meskipun suatu jumlah kesalahan ramalan tidak
dapat dielakkan namun tujuan ramalan adalah agar kesalahannya
menjadi sekecil mungkin.
Sedangkan menurut Nasution (2003) pengukuran kesalahan
peramalan merupakan ukuran tentang tingkat perbedaan antara
hasil peramalan dengan permintaan sebenarnya terjadi. Rumus
yang biasanya digunakan dalam pengukuran kesalahan, yaitu :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
14
1) Rata-rata Deviasi Mutlak (Mean Absolute Deviation =
MAD)
MAD merupakan rata-rata kesalahan mutlak selama
periode tertentu tanpa memperhatikan apakah hasil
peramalan lebih besar atau lebih kecil dibandingkan dengan
kenyataannya. Secara matematis MAD dapat dirumuskan :
MAD =
Keterangan :
= Permintaan aktual pada periode t
= Peramalan permintaan pada periode t
= Jumlah periode peramalan yang terlibat
2) Rata-rata Kuadrat Kesalahan (Mean Square Error = MSE)
MSE merupakan metode alternatif dalam suatu metode
peramalan. Pendekatan ini penting karena teknik ini
menghasilkan kesalahan yang moderat lebih disukai oleh
suatu peramalan yang sangat besar. Secara matematis MSE
dirumuskan sebagai berikut :
MSE =
Keterangan :
= Permintaan aktual pada periode t
= Peramalan permintaan pada periode t
= Jumlah periode peramalan yang terlibat
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
15
BAB II
TINJAUAN PUSTAKA
A. Pengertian Peramalan
Peramalan merupakan gambaran keadaan perusahaan pada masa
yang akan datang. Gambaran tersebut sangat penting bagi manajemen
perusahaan, karena dengan gambaran tersebut maka perusahaan dapat
memprediksi langkah-langkah apa saja yang diambil dalam memenuhi
permintaan konsumen.
Ramalan memang tidak selalu tepat seratus persen, karena masa
depan mengandung masalah ketidakpastian. Namun dengan pemilihan
metode yang tepat, dapat membuat peramalan dengan tingkat kesalahan
yang kecil.
Berikut pengertian peramalan menurut pendapat dari beberapa ahli:
1. Menurut Nasution (2003), peramalan adalah memperkirakan
beberapa kebutuhan di masa datang meliputi kebutuhan dalam
ukuran kuantitas (jumlah), kualitas (mutu), waktu dan lokasi
yang dibutuhkan dalam rangka memenuhi permintaan barang
atau jasa.
2. Menurut Render dan Heizer (2006), peramalan (forecasting)
adalah seni dan ilmu memprediksi peristiwa masa depan.
Peramalan memerlukan pengambilan data historis dan
memproyeksikannya ke masa depan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
16
3. Menurut Ishak (2010), peramalan adalah pemikiran terhadap
suatu besaran, misalnya permintaan terhadap satu atau
beberapa produk pada periode yang akan datang.
B. Tujuan Peramalan
Menurut Subagyo (2002), tujuan peramalan adalah mendapatkan
peramalan yang bisa meminimumkan kesalahan meramal (Forecast Error)
yang bias diukur dengan Mean Absolute Error (MAE) dan Mean Squared
Error (MSE). Sehingga dengan adanya peramalan produksi, manajemen
perusahaan akan mendapatkan gambaran keadaan produksi di masa akan
datang dan akan memberikan kemudahan manajemen perusahaan dalam
menentukan kebijakan yang akan dibuat oleh perusahaan.
C. Jenis-jenis Peramalan
Menurut Render dan Heizer (2005), peramalan dapat dibedakan menjadi 3
jenis, yaitu:
1. Peramalan Ekonomi (Economic Forecast)
Menjelaskan siklus bisnis dengan memprediksi tingkat inflasi,
ketersediaan uang, dana yang dibutuhkan untuk membantu perumahan
dan indikator perencanaan lainnya.
2. Peramalan Teknologi ( Technological Forecast)
Memperhatikan tingkat kemajuan teknologi yang dapat
meluncurkan produk baru yang menarik, membutuhkan pabrik dan
peralatan baru.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
17
3. Peramalan Permintaan (Demand Forecast)
Proyeksi permintaan untuk produk atau layanan suatu perusahaan.
Peramalan ini juga disebut peramalan penjualan yang mengendalikan
produksi, kapasitas, serta sistem penjadwalan dan menjadi input bagi
perencanaan keuangan, pemasaran dan sumber daya manusia.
D. Peramalan Menurut Horizon Waktunya
Peramalan dapat dibedakan ke dalam tiga kelompok, yaitu (Nasution,
2005):
1. Peramalan Jangka Panjang, yaitu peramalan yang umumnya dua
sampai sepuluh tahun. Peramalan ini digunakan untuk perencanaan
produk dan perencanaan sumber daya.
2. Peramalan Jangka Menengah, yaitu peramalan yang umumnya satu
sampai dua puluh empat bulan. Peramalan ini lebih mengkhusus
dibanding peramalan jangka panjang, biasanya digunakan untuk
menentukan aliran kas, perencanaan produksi dan penentuan
anggaran.
3. Peramalan Jangka Pendek, yaitu peramalan yang umumnya satu
sampai lima minggu. Peramalan ini digunakan untuk mengambil
keputusan dalam hal perlu tidaknya lembur, penjadwalan kerja dan
lain-lain.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
18
E. Faktor-faktor Yang Mempengaruhi Pemilihan Teknik Peramalan
Peramalan sebenarnya upaya untuk memperkecil risiko yang
timbul akibat pengambilan keputusan dalam suatu perencanaan
produksi.
Berikut ini merupakan beberapa faktor-faktor yang harus
dipertimbangkan (Ishak, 2010):
1. Horizon Peramalan:
Ada dua aspek dari horizon waktu:
a. Cakupan waktu di masa yang akan datang.
Untuk mana perbedaan dari metode peramalan yang
digunakan sebaiknya disesuaikan.
b. Jumlah periode untuk mana ramalan diinginkan.
Beberapa teknik metode hanya dapat disesuaikan
untuk peramalan satu atau dua periode di muka.
2. Tingkat Ketelitian:
Tingkat ketelitian yang dibutuhkan sangat erat
hubungannya dengan tingkat perincian yang dibutuhkan dalam
suatu peramalan.
3. Ketersediaan Data:
Metode yang dipergunakan sangat besar manfaatnya,
apabila dikaitkan dengan keadaan atau informasi yang ada atau
data yang dipunyai.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
19
4. Bentuk Pola Data:
Data dasar dari metode peramalan adalah anggapan bahwa
macam dari pola yang didapat dalam data yang diramalkan
akan berkelanjutan.
5. Biaya:
Umumnya ada empat unsur biaya yang tercakup dalam
penggunaan suatu prosedur peramalan, yaitu biaya-biaya
pengembangan, penyimpanan (storage) data, operasi
pelaksanaan kesempatan penggunaan teknik-teknik dan metode
lainnya.
6. Jenis dan Model:
Banyak metode peramalan telah menganggap adanya
beberapa model dari keadaan yang diramalkan.
7. Mudah Tidaknya Penggunaan dan Aplikasinya:
Metode-metode yang dapat dimengerti mudah diaplikasi
yang akan dipergunakan dalam pengambilan keputusan dan
analisis.
F. Sifat-sifat Peramalan
Dalam membuat peramalan atau menerapkan hasil peramalan, ada
beberapa hal yang harus dipertimbangkan, yaitu:
1. Peramalan pasti mengandung kesalahan, artinya peramal hanya
bisa mengurangi ketidakpastian yang akan terjadi tetapi tidak dapat
menghilangkan ketidakpastian tersebut.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
20
2. Peramalan seharusnya memberikan informasi mengenai berapa
ukuran kesalahan.
3. Peramalan jangka pendek lebih akurat dibandingkan dengan
peramalan jangka panjang.
(Ishak, 2010).
G. Tahap-tahap Peramalan
Menurut Render dan Heizer (2005) ada tujuh tahap, yaitu:
1. Menentukan tujuan peramalan.
2. Memilih unsur apa yang akan diramal.
3. Menentukan horizon waktu peramalan (pendek, menengah atau
panjang).
4. Memilih tipe model peramalan adalah menggunakan beragam
model statistik yang akan dibahas sekarang, termasuk rata-rata
bergerak, penghalusan eksponensial dan analisis regresi.
5. Mengumpulkan data yang diperlukan untuk melakukan peramalan.
6. Membuat peramalan.
7. Memvalidasi dan menerapkan hasil peramalan adalah pengkajian
terhadap peramalan dilakukan setiap hari, untuk memastikan
model, asumsi dan data yang digunakan sudah valid.
H. Karakteristik Peramalan yang Baik
Menurut Ishak (2010), karakteristik peramalan yang baik adalah sebagai
berikut:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
21
1. Akurasi
Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasaan
dan kekonsistenan peramalan tersebut. Hasil peramalan dikatakan bias
bila peramalan tersebut terlalu tinggi atau rendah dibandingkan dengan
kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan
konsisten bila besarnya kesalahan peramalan relative kecil.
2. Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan adalah
tergantung dari jumlah item yang diramalkan, lamanya periode
peramalan dan metode peramalan yang dipakai. Ketiga faktor pemicu
biaya tersebut akan mempengaruhi berapa banyak data yang
dibutuhkan, bagaimana pengolahan datanya (manual atau
komputerisasi), bagaimana penyimpanan datanya, dan siapa tenaga
ahli yang diperbantukan.
3. Kemudahan
Pengguna metode peramalan yang sederhana, mudah dibuat dan
mudah diaplikasikan akan memberikan keuntungan bagi perusahaan.
Percuma memakai metode canggih, tetapi tidak dapat diaplikasikan
pada sistem perusahaan karena keterbatasan dana, sumber daya
manusia maupun peralatan teknologi.
I. Pendekatan Dalam Peramalan
Dalam metode peramalan yang akurat dan bermanfaat, selain
mengandalkan pengumpulan data yang relevan dibutuhkan teknik-teknik
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
22
pengumpulan data yang tepat. Terdapat dua pendekatan umum peramalan
yang tepat untuk digunakan yaitu :
1. Analisis Kualitatif (Qualitative Forecast)
Yaitu peramalan yang menggabungkan faktor-faktor penting
seperti intuisi pengambilan keputusan, pengalaman pribadi, emosi,
dan sistem nilai (Render dan Hiezer,2005).
Ada empat teknik peramalan kualitatif yang tepat digunakan adalah
sebagai berikut :
a. Keputusan dari Pendapatan Juri Eksekutif (Juri of Executive
Opinion).
Dalam metode ini, pendapatan sekumpulan kecil manajer atau
pakar tingkat tinggi sering dikombinasikan dengan model
statistik, dikumpulkan untuk mendapatkan prediksi permintaan
kelompok.
b. Metode Delphi (Delphi Method)
Teknik peramalan yang menggunakan proses kelompok dimana
para pakar melakukan peramalan.
c. Gabungan dari Teknik Penjualan (Sales Force Composite).
Dalam pendekatan ini, setiap tenaga penjualan memperkirakan
berapa penjualan yang bisa ia lakukan dalam wilayahnya.
d. Survei Pasar konsumen (Consumer Market Survei)
Metode peramalan meminta input dari konsumen mengenai
rencana pembelian mereka di masa depan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
23
2. Analisis Kuantitatif (Quantitative Forecast)
Yaitu peramalan yang mengguakan satu atau lebih model
matematis dengan data masa lalu dan variabel sebab akibat untuk
meramalkan permintaan (Render dan Heizer,2005).
Teknik peramalan kuantitatif dikelompokkan menjadi dua, yaitu :
a. Model Serial Waktu (Time Series)
Model Time Series membuat prediksi dengan asumsi bahwa
masa depan merupakan fungsi masa lalu. Dengan kata lain,
mereka melihat apa yang akan terjadi selama kurun waktu
tertentu dan menggunakan data masa lalu tersebut untuk
melakukan peramalan (Render dan Heizer:2005)
Pengolahan data kuantitatif dari segi waktu Time Series dapat
dilakukan dengan lima metode yaitu sebagi berikut (Render
dan Heizer:2005) :
1) Metode Pendekatan Naif
Teknik peramalan yang mengasumsikan permintaan
diperiode mendatang sama dengan permintaan terkini.
2) Metode Single Moving Average (Rata-rata bergerak)
Menurut Render dan Heizer (2005) metode Single Moving
Average adalah metode peramalan yang menggunakan rata-
rata dari sejumlah (n) data terkini untuk meramalkan
periode mendatang. Metode peramalan rata-rata bergerak
(Single Moving Average) menggunakan sejumlah data
aktual masa lalu untuk menghasilkan peramalan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
24
Rumus yang digunakan dalam menghitung metode Single
Moving Average adalah sebagai berikut (Render dan
Heizer:2005) :
Rata-rata bergerak
=
Di mana n adalah jumlah periode rata-rata bergerak.
3) Metode Weight Moving Average (Rata-rata tertimbang)
Apabila ada pola yang trend dan pola yang terdeteksi, bobot
dapat digunakan untuk menempatkan penekanan yang lebih
pada nilai terkini. Teknik ini lebih responsif terhadap
perubahan karena periode yang lebih dekat mendapat bobot
yang lebih berat. Pemilihan bobot merupakan hal yang
tidak pasti karena tidak ada rumus untuk menetapkan
mereka (Render dan Heizer:2005).
Rata-rata bergerak dengan pembobotan dapat digambarkan
secara sistematis sebagai berikut :
Rata-rata bergerak dengan pembobotan
=
Di mana n adalah jumlah periode dalam rata-rata bergerak
tertimbang.
4) Metode Exponential Smoothing (Penghalusan Exponential)
Exponential Smoothing merupakan metode peramalan rata-
rata bergerak dengan pembobotan yang canggih, namun
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
25
masih mudah digunakan. Metode ini menggunakan sangat
sedikit pencatatan masa lalu.
Ramalan-ramalan Exponential yang dihasilkan dapat
mengandung banyak kesalahan karena fluktuasi random
yang sangat besar pada periode-periode waktu yang
mutakhir dan hal ini timbul karena dalam pemulusan
Exponential periode-periode yang terakhir mendapat bobot
yang lebih berat.
Rumus Exponential Smoothing dasar dapat ditunjukkan
sebagai berikut (Render dan Heizer:2005) :
Peralaman baru = peramalan periode lalu + (permintaan
aktual periode lalu – peramalan periode lalu)
Di mana sebuah bobot, atau konstanta penghalusan
(Smoothing Constant), yang dipilih oleh peramal yang
mempunyai nilai antara 0 dan 1.
Secara matematis dapat juga ditulis sebagai berikut :
+ ( - )
Keterangan :
Peramalan baru
= Peramalan sebelumnya
= Konstanta penulisan (0-1)
= Permintaan aktual periode sebelumnya
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
26
b. Metode Kausal
Model kausal ini bertujuan untuk meramalkan keadaan di
masa yang akan datang dengan menemukan dan mengukur
beberapa variabel bebas yang penting beserta pengaruhnya
terhadap variabel tidak bebas diamati.
Adapun teknik yang biasa digunakan dalam model kausal,
yaitu :
1) Regresi Linier (Linier Regression)
Dalam banyak hal terdapat dua variabel atau lebih
yang saling berhubungan dan saling mempengaruhi. Untuk
mengetahui sejauh mana hubungan antara dua variabel atau
satu variabel dengan beberapa variabel lainnya perlu di buat
model.
Adapun kecenderungan titik-titik koordinat dari
variabel bebas dan variabel tidak bebas membentuk suatu
garis linier (lurus), model ini dinamakan regresi linier.
Sebaliknya, apabila hubungan berbentuk kuadrat,
Exponential atau sejenisnya dinamakan regresi non linier.
Jika hubungan itu hanya melibatkan satu variabel bebas,
model itu disebut regresi linier sederhana.
Bentuk persamaan regresi linier (Render dan Heizer:2007)
:
ŷ = a + bx
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
27
Keterangan :
ŷ = nilai variabel terikat
a = persilangan sumbu y
b = kemiringan garis regresi (tingkat perubahan pada y
untuk perubahan yang terjadi di x)
x = variabel bebas (waktu)
perubahan rata-rata y terhadap perubahan per unit x. Nilai a
dan b meminimumkan jumlah kesalahan kuadrat, dapat
dicari dengan menggunakan persamaan sebagai berikut :
a =
b =
2) Proyeksi Trend (Trend Projection)
Proyeksi Trend adalah teknik mencocokkan garis
trend pada serangkaian data masa lalu dan kemudian
memproyeksikan garis pada masa datang untuk peramalan
jangka menengah dan panjang (Render dan Heizer:2005).
Secara matematis, persamaan penulisan Trend
Projection adalah sebagai berikut (Render dan
Heizer:2005) :
ŷ = a + bx
Keterangan :
ŷ = nilai variabel terikat
a = persilangan sumbu y
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
28
b = kemiringan garis regresi (tingkat perubahan pada y
untuk perubahan yang terjadi di x)
x = variabel bebas (waktu)
Untuk menentukan nilai a dan b menggunakan rumus :
a = - b b =
Untuk menentukan nilai dan menggunakan rumus :
Keterangan :
= =
a = persilangan sumbu y
b = kelandaiaan garis regresi
Σ = tanda penjumlahan total
x = nilai variabel bebas yang diketahui
y = nilai variabel terkait yang diketahui
= rata-rata nilai x
= rata-rata nilai y
n = jumlah data atau pengamatan
J. Pengukuran Kesalahan Peramalan (Forecast Error)
Menurut Taylor (2004) pengukuran kesalahan peramalan
merupakan perbedaan antara peramalan permintaan dengan permintaan
aktual. Meskipun suatu jumlah kesalahan ramalan tidak dapat dielakkan
namun tujuan ramalan adalah agar kesalahannya menjadi sekecil mungkin.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
29
Sedangkan menurut Nasution (2003) pengukuran kesalahan
peramalan merupakan ukuran tentang tingkat perbedaan antara hasil
peramalan dengan permintaan sebenarnya terjadi. Rumus yang biasanya
digunakan dalam pengukuran kesalahan, yaitu :
1. Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD)
MAD merupakan rata-rata kesalahan mutlak selama periode tertentu
tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih
kecil dibandingkan dengan kenyataannya. Secara matematis MAD
dapat dirumuskan :
MAD =
Keterangan :
= Permintaan aktual pada periode t
= Peramalan permintaan pada periode t
= Jumlah periode peramalan yang terlibat
2. Rata-rata Kuadrat Kesalahan (Mean Square Error = MSE)
MSE merupakan metode alternatif dalam suatu metode peramalan.
Pendekatan ini penting karena teknik ini menghasilkan kesalahan yang
moderat lebih disukai oleh suatu peramalan yang sangat besar. Secara
matematis MSE dirumuskan sebagai berikut :
MSE =
Keterangan :
= Permintaan aktual pada periode t
= Peramalan permintaan pada periode t
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
30
= Jumlah periode peramalan yang terlibat
3. Rata-rata Kesalahan Peramalan (Mean Forecast Error = MFE)
MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan
selama periode tertentu terlalu tinggi atau terlalu rendah. Bila hasil
peramalan tidak bias, maka nilai MFE akan mendekati nol. MFE
dihitung dengan menjumlahkan semua kesalahan peramalan selama
periode peramalan. Secara matematis, rumus MFE dinyatakan sebagai
berikut:
MFE = ∑ n
FtAt )(
Keterangan:
At = Permintaan Aktual pada periode t
Ft = Peramalan permintaan pada periode t
n = Jumlah periode peramalan yang terlibat
4. Rata-rata Persentase Kesalahan Absolut (Mean Absolute Percentage
Error = MAPE)
MAPE merupakan ukuran kesalahan relative dan menyatakan
persentase kesalahan hasil peramalan terhadap permintaan actual
selama periode tertentu yang akan memberikan informasi persentase
kesalahan terlalu tinggi atau terlalu rendah. Secara matematis, MAPE
dinyatakan sebagai berikut:
MAPE =
n
100∑At -
At
Ft
Keterangan:
At = Permintaan Aktual pada periode –t
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
31
Ft = Peramalan Permintaan (Forecast) pada periode –t
n = Jumlah periode peramalan yang terlibat
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
32
BAB III
PEMBAHASAN
A. GAMBARAN UMUM PERUSAHAAN
1. Sejarah Perusahaan
PT. KUSUMA MULIA TEXTILE merupakan sebuah perusahaan
yang bergerak di bidang pertextilan. PT. KUSUMA MULIA
TEXTILE didirikan oleh Drs. Rudy Indrianto, AKT pada tanggal 17
November 1997 berdasarkan Nomor Pendaftaran Industri Kecil
(NIPIK) 09.3310-02486 dengan Wajib Pajak (NPWP) 1.736.434.0-525
merupakan perusahaan industri textile yang terletak di kota Solo Jawa
Tengah. PT. KUSUMA MULIA TEXTILE berawal dari
pengambilalihan PT. ASIA JAYA ANEKA sekitar tahun 70-an.
PT. ASIA JAYA ANEKA berganti nama menjadi PT. YULIA
PRINT, pada tahun 1996 PT. YULIA PRINT diganti kembali menjadi
PT. KUSUMA MULIA TEXTILE. Sebagai salah satu produsen kain
warna yang berorientasi dalam negeri, perusahaan berupaya untuk
mengikut perkembangan permintaan pasar, sehingga desain model
kain warna selalu diperbarui dari waktu ke waktu. Dengan pengalaman
sebelumnya, maka perusahaan selalu mengadakan inovasi desain kain
warna, komposisi serta desain yang selalu berubah-ubah menuruti
permintaan pasar yang terus menerus mengalami perkembangan.
Dalam hal tersebut tidak lepas dari kemampuan perusahaan untuk
memenuhi standar mutu yang diharapkan oleh konsumen. Selain itu,
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
33
perusahaan juga aktif dalam membuat model dan desain sendiri,
didamping desain yang diberikan oleh konsumen (artinya konsumen
membawa contoh kain warna sendiri). Dengan sistem kerja yang baik
akan sangat mendukung perusahaan untuk dapat memperoleh hasil
produksi yang baik pula.
2. Lokasi Perusahaan
PT. KUSUMA MULIA TEXTILE berlokasi di Jalan
Cokroaminoto No. 47 Jebres, Sekarpace Surakarta. Dalam mendirikan
sebuah perusahaan harus mempertimbangkan unsur lokasi, karena
agar tidak mengalami kesulitan bila perusahaan akan mengembangkan
bisnisnya. Penentuan lokasi perlu karena demi kelancaran dan
kelangsungan hidup perusahaan, baik untuk mempertimbangkan
jangka panjang maupun jangka pendek yang menyangkut
perkembangan perusahaan. Misalkan jika perusahaan ingin
mengadakan perluasan, maka perusahaan tidak mengalami kesulitan.
Oleh karena itu, dalam menentukan lokasi suatu perusahaan
diperlukan banyak pertimbangan yang matang. Adapun pertimbangan
di dalam menentukan lokasi perusahaan tersebut berdasarkan pada:
a. Segi Teknis
1) Lokasi PT. KUSUMA MULIA TEXTILE tidak jauh dari
jalan utama kota Surakarta, sehingga pemasaran dan
pengiriman barang-barang ke perusahaan lain atau
konsumen tidak mengalami kesulitan atau kendala apapun.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
34
2) Fasilitas-fasilitas yang berhubungan dengan produksi
seperti penyediaan air dan tenaga-tenaga fisik cukup
tersedia dan mudah diperoleh.
b. Segi Ekonomi
1) Lokasi PT. KUSUMA MULIA TEXTILE sangat strategis
karena terletak di kota Surakarta yang terkenal sebagai kota
dagang, industri, seni dan budaya. Hal ini akan
memudahkan dalam melakukan pemasaran produk.
2) Lokasi PT. KUSUMA MULIA TEXTILE juga tidak jauh
dengan pemukiman penduduk. Jadi dapat dengan mudah
melakukan rekrutmen tenaga kerja, sehingga gaji tenaga
kerja relative lebih murah dan ini dapat menekan biaya
yang dikeluarkan oleh perusahaan.
c. Segi Sosial
1) Dengan berdirinya PT. KUSUMA MULIA TEXTILE dapat
merekrut tenaga kerja dari daerah sekitar.
2) Berdirinya PT. KUSUMA MULIA TEXTILE ini
diharapkan tidak mengganggu keamanan dan kesibukan
kota.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
35
3. Tujuan Pendirian Perusahaan
Tujuan berdirinya PT. KUSUMA MULIA TEXTILE terbagi menjadi
dua, yaitu:
a. Tujuan umum, meliputi:
1) Untuk menampung tenaga kerja, sehingga dapat membantu
mengurangi pengangguran.
2) Untuk memenuhi kebutuhan masyarakat akan kebutuhan kain
textile.
3) Untuk membantu usaha pemerintah dalam melaksanakan
pembangunan nasional, khususnya dalam bidang industri
textile.
b. Tujuan khusus, meliputi:
Untuk memperoleh laba yang optimal bagi pemilik perusahaan
guna menunjang kelangsungan hidup perusahaan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
36
B. SRUKTUR ORGANISASI
Gambar III.1
Struktur organisasi PT. Kusuma Mulia Textile Surakarta
Berdasarkan gambar di atas dapat diuraikan tugas dan tanggung jawab dari
tiap kegiatan dalam struktur organisasi PT. Kusuma Mulia Textile adalah
sebagai berikut:
1. Owner
Owner adalah pemilik perusahaan.
a. Mempertahankan saham yang dimilikinya.
b. Membuat rencana produksi dan jalannya produksi.
OWENER
Utility/
MTC
Gudang
Jadi
INDEPENDENT
HRD
(personalia)
Acounting
Marketing
Pembelian
Quality Control
Lab dan PPIC Produksi Gudang
GREY
Factory Manajer
Direktur
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
37
2. Direktur
Direktur adalah sebagai penghubung dewan direksi dengan dewan
komisaris, juga sebagai koordinator dari dewan direksi yang
menjalankan tugasnya dalam sebuah perusahaan. Pimpinan perusahaan
atau direktur utama memiliki tugas antara lain:
a. Merencanakan, mengoordinasi, mengawasi dan mengevaluasi
kegiatan perusahaan.
b. Menentukan garis kebijaksanaan untuk kelancaran jalannya
perusahaan.
c. Mengadakan hubungan kerja sama dengan perusahaan lain.
3. Factory Manager
Tugas dan tanggung jawab dari Factory Manajer adalah mengatur dan
mengawasi semua pekerjaan (bagian Produksi) yang dilakukan demi
kelancaran produksi agar sesuai dengan target yang ditentukan mulai
dari perencanaan produksi, pemrosesan sampai dengan proses
finishing.
4. Kepala Bagian Pembelian
a. Menerima surat permintaan harian.
b. Mengatur dan menerapkan jenis dan jumlah yang hrus diproduksi.
c. Mengatur pergudangan barang jadi.
5. Kepala Bagian Pemasaran (Marketing)
a. Mengatur dan menetapkan pengiriman barang.
b. Mengatur dan menetapkan cara promosi.
c. Mengatur dan menetapkan cara-cara penagihan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
38
d. Mengatur perdagangan barang jadi.
e. Membuat permintaan produksi.
6. Kepala Bagian Akuntansi
a. Menyelenggarakan pembukuan.
b. Menyusun laporan laba rugi dan neraca.
c. Mengisi laporan perpajakan dan perbankan.
7. Kepala Bagian Personalia (Human Resources and Development)
Mengatur segala jenis urusan:
a. Karyawan
Karyawan dapat dibagi menjadi tiga, yaitu: karyawan tetap,
karyawan tidak tetap dan buruh.
b. System pembagian gaji
Pembagian gaji dibagikan pada tiap awal bulan.
c. System jam kerja
1) Shift I jam kerja 07.00 sampai dengan 15.00
2) Shift II jam kerja 15.00 sampai dengan 23.00
d. Program keselamatan kerja
Keselamatan kerja merupakan bagian penting dalam produksi
untuk menghindari kecelakaan kerja, maka perusahaan
memberikan perlengkapan kerja kepada bagian-bagian tertentu
yang dianggap rawan kecelakaan.
8. Kepala Bagian Laboratorium dan PPIC (Production Planning and
Inventory Control)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
39
a. Membuat planning produksi dan pemasaran berdasarkan repeat
order.
b. Melakukan analisa secara berkala
9. Kepala Bagian Gudang
a. Mempersiapkan data barang kebutuhan pabrik yang akan dibeli.
b. Menyimpan dan memelihara dokumen yang ada pada bagian
pembelian.
c. Menerima, menyimpan dan mengeluarkan bahan baku.
d. Mencatat seluruh proses keluar masuknya bahan baku.
10. Kepala Bagian Produksi
a. Mengatur, menetapkan dan mengawasi jalannya kegiatan produksi.
b. Mengatur dan menetapkan jenis dan jumlah yang harus diproduksi.
c. Mengatur pergudangan barang jadi.
d. Membuat laporan produksi
11. Quality Control
a. Mengawasi urusan control testing dan urusan packing.
b. Memantau proses produksi untuk membantu menjaga kualitas
produk sebelum diterima konsumen.
12. Utility / MTC (Maintanance)
Bagian yang bertanggung jawab atas pemeliharaaan dan perawatan
terhadap mesin – mesin pabrik, instalasi listrik dan peralatan kantor.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
40
C. ASPEK PRODUKSI
1. Hasil Produksi
PT. Kusuma Mulia Textile menghasilkan produk kain jadi dengan
ukuran dan warna yang berbeda beda. Hai ini bertujuan untuk
memenuhi permintaan pelanggan.
2. Bahan-bahan yang Digunakan
Dalam proses produksi, dibutuhkan bahan baku dan bahan penolong.
Bahan baku adalah bahan utama yang digunakan dalam proses
produksi. Sedang bahan penolong adalah bahan pelengkap yang
digunakan dalam proses produksi apabila terjadi penghambatan dalam
proses produksi. Dalam proses produksi PT. Kusuma mulia Textile
membutuhkan bahan baku dan bahan menolong. Bahan-bahan tersebut
antara lain:
a. Bahan Baku Produksi
Bahan baku yang digunakan dalam proses produksi pada PT.
Kusuma Mulia Textile adalah kain mentah atau kain putih polos.
Kain mentah tersebut terdiri dari beberapa jenis yang disesuaikan
dengan permintaan konsumen. Karena PT. Kusuma Mulia Textile
Surakarta telah memiliki koneksi dengan beberapa suplier kain
maka tidak sulit untuk mendapatkan kain mentah tersebut. Untuk
pemesanan bahan baku dilakukan dengan 4 cara yaitu melalui
telepon, faksimile, surat dan pemesanan langsung kepada suplier.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
41
TABEL III.1
PERUSAHAAN SUPLIER KAIN
PT. KUSUMA MULIA TEXTILE SURAKARTA
No Nama Perusahaan Kota
1 Surya Kebaktex Karanganyar
2 Sukoharjotex Sukoharjo
3 Ceper Klaten
4 Kusuma Yogyakarta
5 Bola Mas Bandung
6 Dadang Bandung
7 Suryatex Bandung
8 Setia tunggal Bandung
b. Bahan Penolong
Bahan penolong yang digunakan antara lain :
1) Pewarnaan kain
Digunakan sebagai bahan untuk mewarnai kain. Pewarnaan
kain merupakan bahan penolong yang mutlak bagi proses
produksi PT. Kusuma Mulia Textile karena tanpa bahan ini
proses produksi akan terhenti. Oleh sebab itu, PT. Kusuma
Mulia Textile menjalin kerja sama dengan distributor bahan
kimia untuk penyediaan bahan baku pewarna kain.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
42
2) Apperton
Apperton merupakan senyawa kimia yang digunakan untuk
merekatkan dan merapatkan pori-pori kain sehingga pori-pori
tidak akan renggang.
3) Tapioka atau Tepung Kanji
Fungsi tapioka atau tepung kanji adalah untuk menutupi pori -
pori kain Biasanya tapioka dicampur dengan Aperton untuk
menghasilkan cairan yang lengket guna menutupi pori-pori
kain.
4) H2SO4, Cuka dan Kaporit
H2SO4 merupakan senyawa kimia asam sulfat. Fungsi H2SO4,
cuka dan kaporit adalah untuk membersihkan kanji yang
melengket pada kain.
5) Tawas
Tawas digunakan untuk menghilangkan bau tidak sedap yang
ditimbulkan H2SO4, cuka dan kaporit.
3. Mesin dan Peralatan
Dalam melakukan proses produksi, PT. Kusuma Mulia Textile
menggunakan mesin dan peralatan produksi berupa:
a. Boiler
Yaitu alat yang digunakan untuk menghasilkan uap panas. Uap
panas tersebut digunakan untuk mengolah kain. Kain dari bagian
grey (bagian bahan baku) dimasukkan ke dalam bak penampung
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
43
besar yang berisi air. Air tersebut kemudian dipanasi menggunakan
uap air yang dihasilkan oleh boiler yang disalurkan melalui pipa
besi yang dimasukkan ke dalam bak penampung. Suhu yang
dihasilkan boiler 150 derajat celcius.
b. Jingger
Adalah alat yang digunakan untuk proses pewarnaan kain. Selain
kain diolah kemudian digulung dengan blazer atau roll dan kain
tersebut dimasukkan dalam mesin jingger.
c. Finishing
Adalah alat yang digunakan untuk proses pengeringan kain. Kain
yang sudah diwarnai kemudian dikeringkan dengan menggunakan
mesin finishing. Panas yang digunakan untuk mengeringkan kain
bersumber dari api dan angin. Jumlah mesin finishing ada 8 buah
mesin, dan karyawan PT. Kusuma Mulia Textile biasa
menyebutnya dengan sebutan dandang.
d. Folding
Alat yang digunakan untuk melipat kain. Kain yang telah kering
kemudian dilipat dengan menggunakan mesin folding.
e. Rolling
Adalah alat yang digunakan untuk menggulung kain.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
44
4. Proses produksi
Gambar III.2
Alur Proses Produksi Kain
Sumber: PT. Kusuma Mulia Textile
Keterangan:
a. Tahap pertama, grey atau kain mentah merupakan bahan pokok
yang digunakan untuk barang jadi. Kain mentah ini masih
berwarna dasar yaitu putih.
b. Tahap kedua, pemrosesan kain grey. Kain grey diproses dalam
mesin jingger dengan pemrosesan hilang kanji.
c. Tahap ketiga, setelah pemrosesan hilang kanji kemudian
pemberian warna baik itu putih ataupun kelir.
d. Tahap keempat adalah finishing. Setelah dalam mesin setting kain
diberi resin finish dan softener atau pemanis dan pelembut, dan
GREY (Kain Mentah)
STENTER
JINGGER
KAIN JADI
FINISHING
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
45
akan mengalami proses penganjian lagi. Kemudian kain disetting
dalam mesin stenter (dilakukan agar ukuran kain dapat stabil).
e. Tahap kelima, kain jadi di packing pada proses pengepakan.
Proses pengepakan dibagi menjadi dua yaitu dengan folding dan
rolling kemudian diberi etiket plastik.
D. ASPEK PERSONALIA
1. Jumlah Tenaga Kerja
Jumlah karyawan merupakan salah satu tolak ukur sebuah perusahaan
dikatakan besar atau kecil. Karyawan bisa diibaratkan sebagai mesin
penggerak dalam suatu perusahaan. PT. Kusuma Mulia Textile dalam
mengoperasikan usahanya selain menggunakan mesin, juga
memerlukan karyawan. Berikut data tenaga kerja pada PT. Kusuma
Mulia Textile pada tahun 2011.
Tabel III.2
Jumlah Tenaga Kerta PT. Kusuma Mulia Textile Surakarta
Tahun 2011
No Keterangan Jumlah Karyawan
1 Staf 26
2 Keamanan 9
3 Karyawan Produksi 103
4 Pengawas produksi 8
Jumlah 146
Sumber: PT. Kusuma Mulia Textile
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
46
2. Pembagian Kerja
Untuk meningkatkan produk dan volume penjualan PT. Kusuma Mulia
Textile membagi sistem kerjanya menjadi dua shift kerja, yaitu:
a. Shift I jam kerja 07.00 sampai dengan 15.00
b. Shift II jam kerja 15.00 sampai dengan 23.00
PT. Kusuma Mulia Textile juga membagi sistem lembur kerja secara
bergantian. Sistem kerja ini sampai sekarang masih diterapkan dan
nyata merupakan sistem kerja yang baik dan mampu meningkatkan
produksinya dari tahun ke tahun.
3. Sistem Pengupahan
Sistem pengupahan yang diterapkan oleh PT. Kusuma Textile
Surakarta adalah:
a. Gaji bulanan
Gaji yang diterima karyawan dihitung bulanan dengan sistem gaji
pada awal bulan. Jika awal bulan bertepatan dengan hari libur
maka gaji akan diberikan pada akhir bulan sebelumnya atau
diundur. Gaji bulanan diberikan hanya pada staf administrasi (
HRD, Akuntansi dan Pemasaran)
b. Gaji mingguan
Gaji mingguan dibagi menjadi 2 yaitu :
1) Dua minggu
Gaji diberikan kepada karyawan setiap dua minggu sekali.
Karyawan yang menerima gaji dua mingguan adalah karyawan
produksi ( karyawan tetap dan karyawan kontrak).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
47
2) Satu Minggu
Karyawan menerima gaji setiap satu minggu sekali. Karyawan
yang menerima gaji satu mingguan adalah karyawan atau
pekerja harian lepas.
4. Kesejahteraan Karyawan
Dalam upaya untuk mempertahankan dan meningkatkan semangat
kerja karyawan, maka PT. Kusuma Mulia textile selain memberikan
upah juga memberikan kebijakan yang menyangkut kesejahteraan
karyawan yaitu:
a. Memberikan THR (Tunjangan Hari Raya), yaitu tunjangan
kesejahteraan yang diberikan setiap akhir tahun atau libur hari
raya.
b. Karyawan mendapatkan pelayanan kesehatan yang baik dari
perusahaan.
c. Memberikan pakaian seragam kepada karyawan.
5. Sumber Keuangan
Sumber keuangan perusahaan diperoleh dari hasil penjualan kain dan
pinjaman dari pihak ketiga atau bank. Penggunaan dana untuk
operasional perusahaan yang meliputi:
a. Pembelian bahan baku dan bahan pembantu
b. Gaji pegawai
c. Pemeliharan peralatan produksi.
d. Pegawai jasa ekspedisi ( pengiriman barang luar kota).
e. Biaya lain – lain (biaya listrik, biaya air dan sebagainya).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
48
E. LAPORAN MAGANG KERJA
1. Pengertian Magang Kerja
Program magang kerja adalah suatu upaya mengarahkan mahasiswa
agar dapat merasakan situasi dunia kerja, melihat dan melakukan
pekerjaan yang berhubungan dengan program studinya. Magang kerja
merupakan kegiatan penunjang perkuliahan yang sifatnya wajib
dilakukan oleh mahasiswa dengan cara diterjunkan secara langsung ke
dunia kerja dengan tujuan agar mahasiswa dapat melihat secara
langsung aplikasi dari teori yang telah dipelajari dalam perkuliahan.
Magang kerja ini wajib dilakukan oleh setiap mahasiswa Diploma Tiga
Jurusan Manajemen Bisnis pada semester akhir. Lamanya pelaksanaan
magang kerja, yaitu minimal selama satu bulan.
2. Tujuan Magang Kerja
Program magang kerja adalah kegiatan intrakulikuler dan bersifat
wajib bagi semua mahasiswa Program Diploma III Fakultas Ekonomi
Universitas Sebelas Maret Surakarta. Sehingga mahasiswa yang belum
atau tidak menempuh magang kerja tidak bisa mengikuti ujian tugas
akhir dan tidak dapat dinyatakan lulus. Adapun tujuan pelaksanaan
magang kerja adalah:
a. Mahasiswa dapat melihat secara langsung aplikasi dari berbagai
teori yang telah dipelajari dalam perkuliahan.
b. Mahasiswa dapat belajar dan memperoleh pengalaman dan
pengetahuan secara langsung di lapangan tentang berbagai
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
49
persoalan yang dihadapi perusahaan atau instansi tempat magang
kerja.
c. Mahasiswa dapat melakukan adaptasi sebelum memasuki dunia
kerja yang sesungguhnya, sehingga dapat menciptakan tenaga
terampil yang siap kerja serta mampu mengembangkan diri secara
profesional sesuai dengan bidangnya.
3. Manfaat Magang Kerja
Adapun manfaat yang diperoleh dari magang kerja antara lain:
a. Manfaat Bagi Mahasiswa :
1) Mahasiswa dapat mengaplikasikan dan meningkatkan ilmu
yang diperoleh dari bangku perkuliahan.
2) Membawa wawasan setiap mahasiswa mengenai dunia industri.
3) Menambah dan meningkatkan ketrampilan serta keahlian
dibidang praktek.
b. Manfaat Bagi Universitas :
1) Terjalinnya kerja sama bilateral antara Universitas dengan
perusahaan.
2) Universitas akan dapat meningkatkan kualitas lulusannya
melalui pengalaman Magang Kerja.
c. Manfaat Bagi Perusahaan:
1) Adanya kerja sama antara dunia pendidikan atau perusahaan
tersebut terkenal oleh kalangan akademis.
2) Adanya kritikan-kritikan yang membangun dari mahasiswa-
mahasiswa yang melakukan praktek magang.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
50
3) Perusahaan akan mendapat bantuan tenaga kerja dari
mahasiswa-mahasiswa yang melakukan praktek magang.
4) Adanya orang yang mengaudit perusahaan tanpa mengeluarkan
biaya dengan adanya laporan-laporan magang yang diberikan
kepada perusahaan.
4. Proses Pelaksanaan Magang
Tempat, waktu dan pelaksanaan magang sebagai berikut:
a. Tempat : PT. Kusuma Mulia Textile
b. Waktu : Tanggal 1 Februari sampai 29 Februari 2012
c. Jam : 08.00-14.00 WIB
5. Kegiatan Magang Kerja
Dengan persetujuan pimpinan perusahaan PT. Kusuma Mulia
Textile Surakarta, kegiatan magang kerja dilaksanakan mulai tanggal 2
Februari 2012 sampai dengan 29 Februari 2012. Magang kerja dimulai
pada pukul 08.00 sampai 14.00 WIB, dan dilaksanakan pada hari
Senin sampai Jumat.
Peserta magang ditempatkan di kantor PPIC (Production Planning
and Inventory Control) dan produksi. Peserta magang dibimbing oleh
Bapak Subur Widodo selaku Kepala Bagian Personalia dan Ibu Dewi
Sulistyowati selaku staff bagian PPIC.
Adapun rincian kegiatan magang kerja antara lain:
a. Minggu I (Tanggal 1 – 3 Februari 2012)
1) Pengenalan lingkungan perusahaan
2) Pengenalan bagian-bagian pabrik
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
51
3) Mengamati kain grey yang masuk ke gudang, sampai proses
pemberian kode di gudang grey
4) Membantu karyawan mengukur kain grey yang baru datang
b. Minggu II (Tanggal 6 – 10 Februari 2012)
1) Membantu mengecek kain dan memberi kode kain di gudang
grey
2) Mengamati proses penjahitan kain yang telah diberi kode di
gudang grey
3) Mengamati proses pencucian dan pewarnaan kain di bagian
produksi
4) Membantu memasukkan kain ke mesin Jengger
c. Minggu III (Tanggal 13 – 17 Februari)
1) Membantu memasukkan kain ke mesin Jengger
2) Mengamati proses pengkanjian kain pada mesin Stenter
3) Membantu proses pengkanjian dan pengeringan kain
4) Membantu Pak Fathoni mengawasi karyawan
d. Minggu IV (Tanggal 20 – 29 Februari 2012)
1) Mengamati operator mesin Jengger dan menulis daftar proses
Dyeing
2) Membantu karyawan memasukkan kain ke mesin Jengger-
Dyeing-Finishing
3) Mengamati dan membantu packing kain jadi di Gudang Jadi
4) Mengamati proses perencanaan produksi di bagian Lab dan
PPIC
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
52
5) Membantu Ibu Dewi menulis daftar Rencana Harian Jingger
(Job Order) di bagian Lab dan PPIC
6) Membantu Ibu Dewi menulis kartu produksi dan surat order di
bagian Lab dan PPIC
F. PEMBAHASAN MASALAH
PT. Kusuma Mulia Textile merupakan perusahaan yang bergerak
dalam industri textile, yang memproduksi kain mentah menjadi kain jadi. Salah
satu produk yang dihasilkan adalah kain FBB. Dalam bab ini, penulis akan
membahas tentang peramalan penjualan kain FBB pada bulan berikutnya.
Untuk mengetahui peramalan penjualan kain FBB diperlukan data
yang cukup relevan. Adapun data yang digunakan untuk meramalkan produk kain
FBB pada PT. Kusuma Mulia Textile dapat dilihat pada table III.3 :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
53
Tabel III.3
Data Penjualan Kain FBB
PT. Kusuma Mulia Textile
Maret 2011 – Februari 2012
(Keterangan: 1 yard = 90 cm)
No Bulan Penjualan
dalam yard
1 Maret 2011 360000
2 April 320000
3 Mei 285000
4 Juni 150000
5 Juli 210000
6 Agustus 255000
7 September 270000
8 Oktober 240000
9 November 360000
10 Desember 420000
11 Januari 2012 360000
12 Februari 380000
Sumber data: Laporan penjualan kain FBB PT. Kusuma Mulia Textile
Bulan Maret 2011 – Februari 2012.
Kegiatan penelitian terhadap suatu perusahaan diperlukan tindakan
atau analisa data dengan tujuan untuk memberikan jawaban atas
masalah dalam penelitian, serta memberikan argument terhadap
perusahaan yang diteliti. Alat analisis yang penulis pergunakan dalam
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
54
menganalisis data yang didapatkan adalah dengan menggunakan
metode peramalan.
Berdasarkan Tabel III.3 dapat dilihat bahwa data penjualan kain
FBB pada PT. Kusuma Mulia Textile berfluktuasi dari tahun 2011 –
2012. Penjualan kain FBB paling tinggi terjadi pada bulan Desember
2011 yaitu mencapai 420000 yard, dan penjualan paling rendah terjadi
pada bulan Juni 2011 yaitu 150000 yard. Untuk itu, model peramalan
yang cocok dan sesuai untuk data diatas adalah model time series,
karena model time series lebih cocok untuk data yang bersifat acak
dan model time series lebih sesuai karena model ini sesuai untuk data
yang terjadi selama kurun waktu tertentu dan data yang bersifat masa
lalu atau lampau. Metode yang akan digunakan yaitu Single Moving
Averages 3 bulanan, Single Moving Averages 6 bulanan dan
Exponential Smoothing dengan =0.1, =0.5, =0.9.
1. Penentuan Peramalan Penjualan
a. Metode Rata-rata Bergerak Tunggal (Single Moving Averages)
Metode Single Moving Averages yaitu metode peramalan yang
menggunakan rata-rata dari jumlah (n) data terkini untuk
meramalkan periode mendatang. Dalam melakukan peramalan
dengan menggunakan metode Single Moving Averages,
penulis menggunakan periode waktu 3 dan 6 bulanan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
55
1) Single Moving Averages 3 bulanan
Metode Single Moving Averages dengan periode waktu 3
bulanan yaitu melakukan peramalan dengan menjumlahkan
dua periode penjualan kain FBB sebelumnya lalu dibagi 3.
Tabel III.4
Perhitungan Peramalan Penjualan Kain FBB
dengan Metode Single Moving Averages 3 bulanan
Sumber: Data penjualan kain FBB PT. Kusuma Mulia Textile
yang diolah.
Gambar III.3
Grafik Penjualan Kain FBB bulan Maret 2011-Februari 2012
Dengan Metode Single Moving Averages 3 bulanan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
56
Adapun secara matematis persamaan yang digunakan
adalah:
Rata-rata bergerak=
Metode yang digunakan adalah Single Moving Averages 3
bulanan, maka untuk meramalkan dengan periode 3
bulanan dimulai dari bulan ke 4 yaitu perhitungan sebagai
berikut:
F Juni = 3
285000320000360000
= 321.666,7
F Juli = 3
150000285000320000
= 251.666,7
Untuk perhitungan peramalan bulan berikutnya,
langkahnya sama seperti diatas yaitu dengan
menjumlahkan data penjualan selama 3 bulan, data diambil
3 bulan sebelum peramalan, dan dibagi n, yaitu 3.
Hasil peramalan (forecast) bulan Maret 2012 adalah:
F Maret = 3
380000360000420000
= 386666,7 dibulatkan menjadi 386.666
Karena data berupa data penjualan kain, maka tidak
mungkin hasilnya pecahan. Maka hasil peramalan
dibulatkan dengan syarat:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
57
0 – 0,499 dibulatkan menjadi 0
0,5 – 0,999 dibulatkan menjadi 1
Perhitungan tingkat kesalahan
Secara matematis persamaan yang digunakan adalah:
MAD =
= 9
4,578333
= 64.259,27
MSE =
= 9
06538056000
= 7.264.507.000
Hasil perhitungan ramalan penjualan kain FBB pada bulan
Maret 2012 secara manual dengan metode Single Moving
Averages 3 bulanan yaitu 386666,7 yard dengan tingkat
kesalahan MAD 64.259,27 dan MSE 7.264.507.000
2) Single Moving Averages 6 bulanan
Metode Single Moving Averages dengan periode waktu 6
bulanan yaitu melakukan peramalan dengan menjumlahkan
lima periode penjualan kain FBB sebelumnya lalu dibagi 6.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
58
Tabel III.5
Perhitungan Peramalan Penjualan Kain FBB
Dengan Metode Single Moving Averages 6 bulanan
Sumber: Data Penjualan Kain FBB PT. Kusuma Mulia Textile yang diolah.
Gambar III.4
Grafik Penjualan Kain FBB bulan Maret 2011-Februari 2012
Dengan Metode Single Moving Averages 6 bulanan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
59
Adapun secara matematis persamaan yang digunak an
adalah:
Rata-rata bergerak=
Metode yang digunakan adalah Single Moving Averages 6
bulanan, maka untuk meramalkan dengan periode 6
bulanan dimulai dari bulan ke 7 yaitu perhitungan sebagai
berikut:
F September =
6
255000210000150000285000320000360000
= 263333,3
F Oktober
=6
270000255000210000150000285000320000
= 248333,3
Untuk perhitungan peramalan bulan berikutnya,
langkahnya sama seperti diatas yaitu dengan
menjumlahkan data penjualan selama 6 bulan, data diambil
6 bulan sebelum peramalan, dan dibagi n, yaitu 6.
Hasil peramalan (forecast) bulan Maret 2012 adalah:
F Maret =
6
380000360000420000360000240000270000
= 338.333,3 dibulatkan menjadi 338.333
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
60
Karena data berupa data penjualan kain, maka tidak
mungkin hasilnya pecahan. Maka hasil peramalan
dibulatkan dengan syarat:
0 – 0,499 dibulatkan menjadi 0
0,5 – 0,999 dibulatkan menjadi 1
Perhitungan tingkat kesalahan
Secara matematis persamaan yang digunakan adalah:
MAD =
= 6
442500
= 73.750
MSE =
= 6
05395764000
= 8.992.940.000
Hasil peramalan perhitungan ramalan penjualan kain FBB
pada bulan Maret 2012 secara manual dengan metode
Single Moving Averages 6 bulanan yaitu 338.333,3 yard
dengan tingkat kesalahan MAD 73.750 dan MSE
8.992.940.000
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
61
b. Metode Exponential Smoothing
Metode Exponential Smoothing yaitu merupakan teknik rata-
rata bergerak terhadap data masalalu dengan memberi
penimbang terhadap data terakhir. Jadi untuk melakukan
peramalan dibutuhkan satu data terakhir dan penimbang
dengan = 0.1, = 0.5, = 0.9.
1) Exponential Smoothing dengan = 0,1
Tabel III.6
Perhitungan Peramalan Penjualan Kain FBB
Dengan Metode Exponential Smoothing = 0,1
Sumber: Data Penjualan Kain FBB PT. Kusuma Mulia Textile yang diolah.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
62
Gambar III.5
Grafik Penjualan Kain FBB bulan Maret 2011-Februari 2012
Dengan Metode Exponential Soothing =0,1
Adapun secara matematis persamaan yang digunakan
adalah:
+ α ( - )
Untuk bulan pertama belum dapat diforecast karena data
yang kurang dan untuk bulan kedua juga tidak mempunyai
cukup data untuk diolah. Adapun forecast untuk bulan
kedua sebesar 360000 dan forecast pada periode berikutnya
dapat dihitung dengan menggunakan data penjualan
sebelumnya dengan perhitungan sebagai berikut:
F Mei = 360000 + 0,1 (320000 – 360000)
= 356.000
F Juni = 356000 + 0,1 (285000 – 356000)
= 348.900
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
63
Untuk perhitungan peramalan periode berikutnya sama
seperti diatas, data yang digunakan untuk memforecast
adalah data peramalan dan data penjualan selanjutnya.
Hasil peramalan (forecast) bulan Maret 2012 adalah:
F Maret = 321752,9 + 0,1 (380000 - 321752,9)
= 327577,6 dibulatkan menjadi 327.577
Karena data berupa data penjualan kain, maka tidak
mungkin hasilnya berupa pecahan. Maka hasil peramalan
dibulatkan dengan syarat:
0 – 0,499 dibulatkan menjadi 0
0,5 - 0,999 dibulatkan menjadi 1
Perhitungan tingkat kesalahan
Secara matematis persamaan yang digunakan adalah:
MAD =
= 11
1,873227
= 79384,28
MSE =
= 11
09211240000
= 8.373.855.000
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
64
2) Exponential Smoothing dengan = 0,5
Tabel III.7
Perhitungan Peramalan Penjualan Kain FBB
Dengan Metode Exponential Smoothing = 0,5
Sumber: Data Penjualan Kain FBB PT. Kusuma Mulia Textile yang diolah.
Gambar III.6
Grafik Penjualan Kain FBB bulan Maret 2011-Februari 2012
Dengan Metode Exponential Soothing =0,5
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
65
Adapun secara matematis persamaan yang digunakan
adalah:
+ α ( - )
Untuk bulan pertama belum dapat diforecast karena data
yang kurang dan untuk bulan kedua juga tidak mempunyai
cukup data untuk diolah. Adapun forecast untuk bulan
kedua sebesar 360000 dan forecast pada periode berikutnya
dapat dihitung dengan menggunakan data penjualan
sebelumnya dengan perhitungan sebagai berikut.
F Mei = 360000 + 0,5 (320000 – 360000)
= 340.000
F Juni = 340000 + 0,5 (285000 – 340000)
= 312.500
Untuk perhitungan peramalan periode berikutnya sama
seperti di atas, data yang digunakan untuk memforecast
adalah data peramalan dan data penjualan selanjutnya.
Hasil peramalan (forecast) bulan Maret 2012 adalah:
F Maret = 360869,1 + 0,5 (380000 – 360869,1)
= 370434,6 dibulatkan menjadi 370.434
Karena data berupa data penjualan kain, maka tidak
mungkin hasilnya berupa pecahan. Maka hasil peramalan
dibulatkan dengan syarat:
0 – 0,499 dibulatkan menjadi 0
0,5 - 0,999 dibulatkan menjadi 1
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
66
Perhitungan tingkat kesalahan
Secara matematis persamaan yang digunakan adalah:
MAD =
= 11
3,609658
= 55.423,48
MSE =
= 11
06062019000
= 5.510.927.000
3) Exponential Smoothing dengan = 0,9
Tabel III.8
Perhitungan Peramalan Penjualan Kain FBB
Dengan Metode Exponential Smoothing = 0,9
Sumber: Data Penjualan Kain FBB PT. Kusuma Mulia Textile yang diolah.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
67
Gambar III.6
Grafik Penjualan Kain FBB bulan Maret 2011-Februari 2012
Dengan Metode Exponential Soothing α=0,9
Adapun secara matematis persamaan yang digunakan
adalah:
+ α ( - )
Untuk bulan pertama belum dapat diforecast karena data
yang kurang dan untuk bulan kedua juga tidak mempunyai
cukup data untuk diolah. Adapun forecast untuk bulan
kedua sebesar 360000 dan forecast pada periode berikutnya
dapat dihitung dengan menggunakan data penjualan
sebelumnya dengan perhitungan sebagai berikut:
F Mei = 360000 + 0,9 (320000 – 360000)
= 324.000
F Juni = 324000 + 0,9 (285000 – 324000)
= 288.900
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
68
Untuk perhitungan peramalan periode berikutnya sama
seperti diatas, data yang digunakan untuk memforecast
adalah data peramalan dan data penjualan selanjutnya.
Hasil peramalan (forecast) bulan Maret 2012 adalah:
F Maret = 365282,8 + 0,9 (380000 – 365282,8)
= 378528,3 dibulatkan menjadi 378528
Karena data berupa data penjualan kain, maka tidak
mungkin hasilnya berupa pecahan. Maka hasil peramalan
dibulatkan dengan syarat:
0 – 0,499 dibulatkan menjadi 0
0,5 - 0,999 dibulatkan menjadi 1
Perhitungan tingkat kesalahan
Secara matematis persamaan yang digunakan adalah:
MAD =
= 11
7,618050
= 51.504,22
MSE =
= 11
05007115000
= 4.172.596.000
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
69
2. Perbandingan Kesalahan Peramalan
Tabel III.9
Perbandingan Output Peramalan Penjualan Kain FBB
Pada PT. Kusuma Mulia Textile
Keterang
an
Moving
Averages
3Bulanan
Moving
Averages
6Bulanan
Exponential Smoothing
0,1 0,5 0,9
MAD 64259,27 73750 79384,28 55423,48 51504,22
MSE 7264507000 8992940000 8373855000 5510927000 4172596000
Ramalan
Maret 2011
386666,7 338333,3 327577,6 370434,6 378528,3
Sumber: Data penjualan kain FBB yang diolah
Dari perhitungan kedua metode di atas, diketahui bahwa hasil
perhitungan dengan metode Exponential Smoothing Alpha 0,9 lebih baik dan
lebih cocok diterapkan oleh PT. Kusuma Mulia textile dalam meramalkan
penjualan kain FBB pada bulan Maret 2012, karena metode Exponential
Smoothhing Alpha 0,9 memiliki tingkat kesalahan lebih rendah dibanding metode
yang lain. Yaitu dengan tingkat kesalahan peramalan, Mean Absolute Deviation
(MAD) sebesar 51504,22 dan Mean Squared Error (MSE) sebesar 4172596000
dan dengan hasil peramalan untuk bulan Maret 2012 sebesar 378528,3 yard.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
70
BAB IV
PENUTUP
A. KESIMPULAN
Berdasarkan analisis dan pembahasan yang telah penulis lakukan pada bab III,
maka dapat diambil kesimpulan dari pembahasan dalam penelitian pada PT.
Kusuma Mulia textile Surakarta adalah sebagai berikut:
1. Jumlah peramalan penjualan tahun 2012 yang berdasarkan metode Single
Moving Averages dan Exponential Smoothing adalah sebagai berikut:
a. Metode Single Moving Average 3 bulanan
1) Ramalan penjualan adalah 386.666,7 yard
2) Mean Absolute Deviation (MAD) sebesar 64.259,27
3) Mean Square Error (MSE) sebesar 7.264.507.000
b. Metode Single Moving Averages 6 bulanan
1) Ramalan penjualan adalah 338.333,3 yard
2) Mean Absolute Deviation (MAD) sebesar 73.750
3) Mean Square Error (MSE) sebesar 8.992.940.000
c. Metode Exponential Smoothing dengan alpha 0,1
1) Ramalan penjualan adalah 327.577,6 yard
2) Mean Absolute Deviation (MAD) sebesar 79.384,28
3) Mean Square Error (MSE) sebesar 8.373.855.000
d. Metode Exponential Smoothing dengan alpha 0,5
1) Ramalan penjualan adalah 370.434,6 yard
2) Mean Absolute Deviation (MAD) sebesar 55.423,48
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
71
3) Mean Square Error (MSE) sebesar 5.510.927.000
e. Metode Exponential Smoothing dengan alpha 0,9
1) Ramalan penjualan adalah 378.528,3 yard
2) Mean Absolute Deviation (MAD) sebesar 51.504,22
3) Mean Square Error (MSE) sebesar 4.172.596.000
2. Metode yang sesuai dan yang baik untuk diterapkan pada PT. Kusuma
Mulia Textile untuk kain FBB bulan Maret 2012 adalah metode
Exponential Smoothing Alpha 0,9 karena memiliki tingkat error yang
kecil dibanding metode yang lain.
B. SARAN
Dengan melihat hasil perhitungan diatas, maka dapat dikemukakan saran-
saran sebagai bahan pertimbangan bagi PT. Kusuma Mulia Textile. Adapun
saran-saran penulis adalah sebagai berikut:
1. Karena selama ini PT. Kusuma Mulia Textile belum pernah melakukan
peramalan penjualan, disarankan perlu melakukan peramalan penjualan
dengan menggunakan data yang akurat dan relevan serta metode
peramalan yang sesuai dengan fluktuasi data. Sehingga dapat
meminimalisir kesalahan ramalan dan dapat membantu pengambilan
keputusan baik dibidang perencanaan kebutuhan bahan baku, proses
produksi, biaya produksi maupun jumlah tenaga kerja yang dibutuhkan
2. Apabila perusahaan ingin meramalkan tingkat penjualan kain FBB periode
berikutnya, sebaiknya perusahaan menerapkan metode Exponential
Smoothing Alpha 0,9 karena hasil perhitungannya memiliki Mean
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
72
Absolute Deviation (MAD) dan Mean Square Error (MSE) lebih kecil
dibanding metode lain. Selain itu, perusahaan hendaknya mengupayakan
software peramalan ke dalam komputer bagian administrasi dan kemudian
karyawan tersebut belajar menggunakan aplikasi peramalan.