PERENCANAAN PRODUKSI SAYURAN HIDROPONIK

PADA PT. KEBUN SAYUR SEGAR (PARUNG FARM),

BOGOR, JAWA BARAT

RIZKI

DEPARTEMEN AGRIBISNIS

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

BOGOR

2014

PERNYATAAN MENGENAI SKRIPSI DAN SUMBER

INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Perencanaan Produksi

Sayuran Hidroponik pada PT. Kebun Sayur Segar (Parung Farm), Bogor, Jawa

Barat adalah benar karya saya dengan arahan dari komisi pembimbing dan belum

diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber

informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak

diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam

Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.

Bogor, Juli 2014

Rizki

NIM H34100127

ABSTRAK

RIZKI. Perencanaan Produksi Sayuran Hidroponik pada PT. Kebun Sayur Segar

(Parung Farm), Bogor, Jawa Barat. Dibimbing oleh AMZUL RIFIN.

Seiring meningkatnya kesadaran dan kepedulian masyarakat terhadap

kesehatan, sayuran kini menjadi alternatif pilihan dalam pola konsumsi

masyarakat Indonesia. Pertumbuhan konsumsi sayuran pada tahun 2008 hingga

2011 mengalami penurunan, namun pada tahun 2012 pertumbuhan bernilai

positif. Hal tersebut berarti bahwa ada kecenderungan perubahan dalam tingkat

konsumsi sayuran masyarakat Indonesia yang akan berimplikasi pada peramalan

permintaan dan perencanaan produksi yang akan dilakukan oleh suatu perusahaan.

Salah satu perusahaan yang bergerak di bidang agribisnis ialah PT. Kebun Sayur

Segar (Parung Farm) yang memproduksi beberapa sayuran hidroponik, seperti

bayam hijau, kangkung, romaine dan sebagainya. Berdasarkan hasil ramalan

untuk lima bulan kedepan, permintaan bayam hijau berkisar antara 300 hingga

400 pak perhari, permintaan kangkung berkisar antara 220 hingga 270 pak

perhari, dan permintaan romaine berkisar antara 100 hingga 148 pak perhari.

Puncak permintaan ketiga komoditi terjadi pada hari-hari akhir di bulan Juli 2014,

yakni tanggal 24 dan 25 Juli 2014. Jika ditarik mundur dari tanggal tersebut, maka

secara umum berdasarkan karakteristik masing-masing komoditi, perencanaan

produksi akan dimulai pada bulan Juni 2014 dengan memperhatikan masa N1, N2

serta N3 dari masing-masing komoditi.

Kata kunci : hidroponik, Parung Farm, peramalan, perencanaan produksi

ABSTRACT

RIZKI. Hydroponic Vegetable Production Planning at PT. Kebun Sayur Segar

(Parung Farm), Bogor, West Java. Supervised by AMZUL RIFIN.

By increasing awareness and public awareness of the health, now

vegetables is as alternative patterns of consumption in Indonesia. Vegetables

consumption growth in 2008 and 2011 has decreased, but in 2012 growth is

positive. This means that there is a trend of change in the rate of Indonesian

society vegetables consumption which will have implications for demand

forecasting and production planning will be done by a company. One of the

agribusiness companies is PT. Kebun Sayur Segar (Parung Farm) which produces

some hydroponic vegetables, such as green spinach, kale, romaine, and so on.

Based on the results of the forecast for the next five months, demand for green

spinach ranged from 300 to 400 packs per day, demand kale ranged from 220 to

270 packs per day, and romaine demand ranged from 100 to 148 packs per day.

Peak demand occurs in the third commodity these days in the month end of July

2014, which is dated 24 and 25 July 2014. If pulled backwards from that date, it is

generally based on the characteristics of each commodity, production planning

will begin in June 2014 with regard period N1, N2 and N3 of each commodity.

Keywords : forecasting, hydroponics, Parung Farm, production planning

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Ekonomi

pada

Departemen Agribisnis

PERENCANAAN PRODUKSI SAYURAN HIDROPONIK

PADA PT. KEBUN SAYUR SEGAR (PARUNG FARM),

BOGOR, JAWA BARAT

RIZKI

DEPARTEMEN AGRIBISNIS

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

BOGOR

2014

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas

segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang

dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2014 ini ialah

perencanaan produksi, dengan judul Perencanaan Produksi Sayuran Hidroponik

pada PT. Kebun Sayur Segar (Parung Farm), Bogor, Jawa Barat.

Terima kasih penulis ucapkan kepada Bapak Dr. Amzul Rifin, SP. MA

selaku dosen pembimbing skripsi, Ibu Ir. Popong Nurhayati, MM dan Ibu Eva

Yolynda Aviny, SP. MM selaku dosen penguji yang telah banyak memberikan

saran demi perbaikan karya ilmiah ini. Di samping itu, penghargaan penulis

sampaikan kepada Bapak Yudi Supriyono selaku Direktur Produksi PT. Kebun

Sayur Segar (Parung Farm) dan Bapak Agus selaku staf Unit Produksi dari PT.

Kebun Sayur Segar (Parung Farm) yang telah membantu selama pengumpulan

data. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, keluarga,

sahabat CSS 47, serta seluruh sahabat Agribisnis 47 atas segala doa, dukungan

dan kasih sayangnya.

Semoga karya ilmiah ini bermanfaat.

Bogor, Juli 2014

Rizki

DAFTAR ISI

DAFTAR TABEL ix

DAFTAR GAMBAR ix

DAFTAR LAMPIRAN x

PENDAHULUAN 1

Latar Belakang 1

Perumusan Masalah 4

Tujuan Penelitian 5

Manfaat Penelitian 5

Ruang Lingkup Penelitian 6

TINJAUAN PUSTAKA 6

KERANGKA PEMIKIRAN 8

Kerangka Pemikiran Teoritis 8

Perencanaan Produksi 8

Hidroponik 10

Proses Produksi 11

Teori Permintaan 14

Teori Peramalan 14

Jenis-Jenis Peramalan 15

Model Time Series 16

Kerangka Pemikiran Operasional 21

METODE PENELITIAN 23

Lokasi dan Waktu Penelitian 23

Jenis dan Sumber Data 23

Metode Pengolahan dan Analisis Data 23

HASIL DAN PEMBAHASAN 24

Gambaran Umum Perusahaan 24

Peramalan Permintaan Bayam Hijau 27

Identifikasi Pola Permintaan Bayam Hijau 27

Metode Peramalan Permintaan Bayam Hijau 27

Peramalan Permintaan Bayam Hijau 28

Peramalan Permintaan Kangkung 29

Identifikasi Pola Permintaan Kangkung 29

Metode Peramalan Permintaan Kangkung 29

Peramalan Permintaan Kangkung 30

Peramalan Permintaan Romaine 31

Identifikasi Pola Permintaan Romaine 31

Metode Peramalan Permintaan Romaine 32

Peramalan Permintaan Romaine 32

Perencanaan Produksi 33

Perencanaan Produksi Bayam Hijau (Maret 2014) 33

Perencanaan Produksi Bayam Hijau (April 2014) 35

Perencanaan Produksi Bayam Hijau (Mei 2014) 36

Perencanaan Produksi Bayam Hijau (Juni 2014) 38

Perencanaan Produksi Bayam Hijau (Juli 2014) 39

Perencanaan Produksi Kangkung (Maret 2014) 41

Perencanaan Produksi Kangkung (April 2014) 43

Perencanaan Produksi Kangkung (Mei 2014) 44

Perencanaan Produksi Kangkung (Juni 2014) 46

Perencanaan Produksi Kangkung (Juli 2014) 47

Perencanaan Produksi Romaine (Maret 2014) 49

Perencanaan Produksi Romaine (April 2014) 51

Perencanaan Produksi Romaine (Mei 2014) 52

Perencanaan Produksi Romaine (Juni 2014) 54

Perencanaan Produksi Romaine (Juli 2014) 55

SIMPULAN DAN SARAN 57

Simpulan 57

Saran 58

DAFTAR PUSTAKA 59

LAMPIRAN 61

RIWAYAT HIDUP 75

DAFTAR TABEL

1 Nilai PDB Atas Dasar Harga Berlaku Menurut Lapangan Usaha Tahun

2012 1

2 Rata-Rata Konsumsi Sayuran (KKal) Masyarakat Indonesia per Kapita

Sehari Tahun 2008-2012 2 3 Perkembangan Produksi Tanaman Sayuran (Ton) Indonesia Tahun

2008-2012 2 4 Ciri-Ciri Sebuah Kegiatan Peramalan 15

5 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Bayam Hijau 28 6 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Kangkung 30 7 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Romaine 32 8 Perencanaan Produksi Bayam Hijau (Maret 2014) 35 9 Perencanaan Produksi Bayam Hijau (April 2014) 36

10 Perencanaan Produksi Bayam Hijau (Mei 2014) 38 11 Perencanaan Produksi Bayam Hijau (Juni 2014) 39

12 Perencanaan Produksi Bayam Hijau (Juli 2014) 41 13 Perencanaan Produksi Kangkung (Maret 2014) 43 14 Perencanaan Produksi Kangkung (April 2014) 44 15 Perencanaan Produksi Kangkung (Mei 2014) 46

16 Perencanaan Produksi Kangkung (Juni 2014) 47 17 Perencanaan Produksi Kangkung (Juli 2014) 49

18 Perencanaan Produksi Romaine (Maret 2014) 51 19 Perencanaan Produksi Romaine (April 2014) 52 20 Perencanaan Produksi Romaine (Mei 2014) 54

21 Perencanaan Produksi Romaine (Juni 2014) 55 22 Perencanaan Produksi Romaine (Juli 2014) 57

DAFTAR GAMBAR

1 Permintaan Sayuran PT. Parung Farm 12 Bulan Terakhir 4 2 Masa Penyemaian Benih Bayam Hijau dan Kangkung (Masa N1) 12 3 Masa Tanam Bibit (Masa N2) dan Alat Pengalir Nutrisi 13 4 Masa Produksi Bibit Kangkung (a,b) dan Bayam Hijau (c,d) (Masa N3) 13

5 Kerangka Pemikiran Perencanaan Produksi Sayuran Hidroponik pada

PT. Kebun Sayur Segar (Parung Farm) 22 6 Pola Permintaan Bayam Hijau 27 7 Pola Permintaan Kangkung 29 8 Pola Permintaan Romaine 31

9 Perencanaan Produksi Bayam Hijau (Maret 2014) 34

10 Perencanaan Produksi Bayam Hijau (April 2014) 35

11 Perencanaan Produksi Bayam Hijau (Mei 2014) 37 12 Perencanaan Produksi Bayam Hijau (Juni 2014) 38 13 Perencanaan Produksi Bayam Hijau (Juli 2014) 40 14 Perencanaan Produksi Kangkung (Maret 2014) 42 15 Perencanaan Produksi Kangkung (April 2014) 43 16 Perencanaan Produksi Kangkung (Mei 2014) 45

17 Perencanaan Produksi Kangkung (Juni 2014) 46

18 Perencanaan Produksi Kangkung (Juli 2014) 48 19 Perencanaan Produksi Romaine (Maret 2014) 50 20 Perencanaan Produksi Romaine (April 2014) 51 21 Perencanaan Produksi Romaine (Mei 2014) 53 22 Perencanaan Produksi Romaine (Juni 2014) 54

23 Perencanaan Produksi Romaine (Juli 2014) 56

DAFTAR LAMPIRAN

1 Plot ACF Permintaan Bayam Hijau 61 2 Plot PACF Permintaan Bayam Hijau 62 3 Peramalan Permintaan Bayam Hijau dengan Model ARIMA

(111)(112)7

63 4 Plot ACF Permintaan Kangkung 65

5 Plot PACF Permintaan Kangkung 66 6 Peramalan Permintaan Kangkung dengan Model ARIMA (012)(012)

7 67

7 Plot ACF Permintaan Romaine 70 8 Plot PACF Permintaan Romaine 71

9 Peramalan Permintaan Romaine dengan Model ARIMA (111)(112)7 72

PENDAHULUAN

Latar Belakang

Sektor pertanian merupakan salah satu sektor yang paling berpengaruh

dalam menggerakkan perekonomian Indonesia. Hal tersebut didukung dengan

fakta bahwa Indonesia adalah negara agraris, dimana sebagian besar penduduk

Indonesia bermata pencaharian di sektor pertanian. Arti pertanian disini

merupakan pertanian dalam artian yang luas, yang meliputi pertanian tanaman

pangan, tanaman perkebunan, perikanan, peternakan, dan kehutanan. Menurut

data Badan Pusat Statistik (2013), nilai PDB sektor pertanian pada tahun 2012

menyumbangkan nilai yang cukup besar terhadap nilai PDB Indonesia. Hal ini

dapat dilihat pada Tabel 1.

Tabel 1 Nilai PDB Atas Dasar Harga Berlaku Menurut Lapangan Usaha

Tahun 2012a

Lapangan Usaha Nilai PDB (Miliar Rupiah)

Pertanian, peternakan, perikanan dan

kehutanan 1 190 412.40

Pertambangan dan penggalian 970 559.60

Industri pengolahan 1 972 846.60

Listrik, gas, dan air bersih 65 124.90

Konstruksi 860 964.80

Perdagangan, hotel, dan restoran 1 145 600.90

Pengangkutan dan komunikasi 549 115.50

Keuangan, real estate, jasa perusahaan 598 523.20

Jasa-jasa 888 676.40 aSumber : Badan Pusat Statistik 2013

Berdasarkan Tabel 1, dapat diketahui bahwa kontribusi sektor pertanian

pada tahun 2012 cukup menyumbangkan nilai yang besar bagi perkembangan

perekonomian Indonesia (PDB) yakni menyumbangkan 14.44 persen dari total

nilai keseluruhan, meskipun nilai tersebut bukan nilai yang tertinggi yang berada

pada sektor industri pengolahan yang menyumbangkan 23.93 persen dari total

nilai PDB Indonesia tahun 2012.

Jika melihat data yang tertera pada Tabel 1, sektor pertanian tentu

memiliki peluang untuk dikembangkan lebih lanjut agar memberikan kontribusi

yang lebih signifikan bagi perkembangan perekonomian Indonesia. Salah satu

bidang dalam sub sektor pertanian ialah hortikultura. Hortikultura cukup memiliki

peranan yang penting, salah satunya sebagai penyedia sumber makanan.

Komoditas hortikultura antara lain tanaman hias, tanaman obat-obatan, bunga,

buah-buahan, dan sayuran.

Seiring meningkatnya kesadaran dan kepedulian masyarakat terhadap

kesehatan, sayuran kini menjadi alternatif pilihan dalam pola konsumsi

masyarakat Indonesia. Konsep back to nature secara tidak langsung juga

memengaruhi pola konsumsi masyarakat Indonesia dengan memilih makanan

yang sehat dan bergizi, salah satunya dengan mengkonsumsi sayuran. Sayuran

2

merupakan komponen penting di dalam menu makanan seimbang untuk pola

hidup sehat. Menurut data Badan Pusat Statistik (2013), tingkat konsumsi

masyarakat Indonesia terhadap sayuran pada tahun 2012 mengalami peningkatan.

Hal tersebut dapat dilihat pada Tabel 2.

Tabel 2 Rata-Rata Konsumsi Sayuran (KKal) Masyarakat Indonesia per

Kapita Sehari Tahun 2008-2012a

Tahun Konsumsi (KKal) Pertumbuhan (Persen)

2008 45.46 -

2009 38.95 (14)

2010 38.72 (0.6)

2011 37.46 (3)

2012 37.72 0.7 aSumber : Badan Pusat Statistik 2013

Berdasarkan Tabel 2, dapat terlihat bahwa secara rata-rata tingkat

konsumsi masyarakat Indonesia terhadap sayuran pada tahun 2008 hingga 2012

mengalami penurunan. Penurunan terbesar terjadi pada tahun 2009, dimana

tingkat konsumsi masyarakat Indonesia terhadap sayuran menurun sebesar 14

persen, dengan salah satu penyebabnya karena masih kurangnya kepedulian

masyarakat terhadap kesehatan. Berbeda halnya pada tahun 2012, dengan tren

pola hidup sehat yang berkembang, tingkat konsumsi sayuran mengalami

peningkatan sebesar 0.7 persen, meskipun peningkatan konsumsi terbilang kecil,

namun peningkatan konsumsi tersebut dapat dijadikan peluang yang berimplikasi

pada peningkatan produksi sayuran. Hal itu dapat dilihat pada Tabel 3.

Tabel 3 Perkembangan Produksi Tanaman Sayuran (Ton) Indonesia Tahun

2008-2012a

Tahun Produksi (Ton) Pertumbuhan (Persen)

2008 10 035 094 -

2009 10 628 285 5.9

2010 10 706 386 0.7

2011 10 871 224 1.5

2012 10 939 752 0.6 aSumber : Ditjen Bina Produksi Hortikultura 2013

Tabel 3 menyajikan data tentang produksi sayuran Indonesia mulai dari

tahun 2008 hingga 2012. Rata-rata data menunjukkan bahwa produksi sayuran

Indonesia dari tahun 2008 hingga 2012 mengalami peningkatan pertumbuhan.

Pada tahun 2009 dan 2011, pertumbuhan produksi sayuran Indonesia meningkat

lebih dari 1 persen dengan pertumbuhan produksi terbesar mencapai 5.9 persen

yang terjadi pada tahun 2009. Sedangkan pada tahun 2010 dan 2012, pertumbuhan

produksi sayuran Indonesia meningkat kurang dari 1 persen, dimana salah satu

faktor yang menyebabkan hal tersebut terjadi karena adanya konversi lahan

pertanian ke lahan non pertanian yang kini sedang banyak terjadi di Indonesia.

Berdasarkan data yang terdapat pada Tabel 2 dan 3, jika dibandingkan

antara keduanya, maka data produksi sayuran tahun 2008-2012 selalu mengalami

peningkatan pertumbuhan yang ditunjukkan dengan nilai positif masing-masing

3

pertumbuhannya. Berbeda halnya dengan data mengenai konsumsi sayuran tahun

2008-2012. Pada data ini, pertumbuhan konsumsi sayuran di beberapa tahun awal

mengalami penurunan yang signifikan, namun pada tahun akhir yakni tahun 2012,

pertumbuhan bernilai positif. Hal tersebut berarti bahwa ada kecenderungan

perubahan dalam tingkat konsumsi sayuran masyarakat Indonesia. Perubahan

konsumsi tersebut merupakan indikasi atau salah satu poin yang melatar belakangi

diperlukannya perencanaan produksi, yang diawali dengan melakukan peramalan

permintaan terhadap sayuran untuk beberapa waktu kedepan guna mengetahui

perencanaan produksi yang harus dipersiapkan.

Selain itu, dalam melakukan kegiatan usahatani sayuran, secara garis besar

terdapat dua karakteristik pelaku usahatani, yakni petani kecil dan perusahaan.

Terkait tentang tujuan dan orientasi, petani kecil melakukan kegiatan usahataninya

lebih mengutamakan untuk konsumsi rumah tangga sehari-hari, sekalipun

diorientasikan untuk profit, skala usahatani tersebut terbilang kecil. Berbeda

halnya dengan perusahaan, pada umumnya tujuan perusahaan lebih berorientasi

pada keuntungan (profit oriented) dan skala usahatani yang dilakukan perusahaan

terbilang besar. Keuntungan yang diharapkan oleh perusahaan adalah keuntungan

yang maksimal, dan hal itu didapat melalui faktor internal, yakni efisiensi

penggunaan sumberdaya yang dimiliki, seperti efisiensi penggunaan SDM,

peralatan, teknologi, bahan baku, maupun optimalisasi produksi. Selain faktor

internal, keuntungan perusahaan juga bisa dipengaruhi oleh faktor eksternal, salah

satunya ialah permintaan akan komoditas sayuran itu sendiri.

Permintaan akan sayuran yang mengalami perubahan mengakibatkan

sebuah perusahaan mengalami risiko dan ketidakpastian dalam memproyeksikan

jumlah dan waktu produksi sayuran yang akan dihasilkan. Perubahan itu juga

menyebabkan perusahaan perlu melakukan perencanaan produksi untuk dapat

memenuhi permintaan konsumen tepat pada waktunya.

Perencanaan produksi sangat diperlukan oleh perusahaan untuk dapat

mengalokasikan sumberdaya yang dimiliki secara optimal, berproduksi pada

tingkat efisien dan efektifitas yang tinggi, berproduksi dengan biaya yang rendah,

menjual produk dalam jumlah banyak dan terutama dalam hal perencanaan waktu

produksi serta jumlah produksi yang harus dipersiapkan untuk dapat memenuhi

permintaan konsumen tepat pada waktunya, sehingga perusahaan mampu

memperoleh keuntungan bagi pengembangan dan kemajuan perusahaan dalam

memiliki daya saing yang tinggi.

Berdasarkan data, tingkat produksi sayuran terus mengalami peningkatan.

Jika dikembalikan pada karakteristik produk pertanian yang bersifat perishable,

yakni produk-produk yang tak tahan lama, maka ketidakseimbangan antara supply

dengan demand mengakibatkan kelebihan supply produk pertanian terbuang sia-

sia dan kurang memiliki nilai ekonomis. Hal tersebut berimplikasi pada

keuntungan perusahaan yang akan mengalami penurunan. Berdasarkan uraian

diatas, perlu dilakukan perencanaan produksi yang diawali dengan melakukan

peramalan terhadap permintaan sayuran, mengingat peramalan permintaan

tersebut akan digunakan sebagai informasi dasar untuk menyusun perencanaan

produksi (waktu dan jumlah produksi) dan keputusan di berbagai bidang

manajemen dalam perusahaan sekaligus memperkecil gap antara supply dengan

demand yang terjadi pada komoditas sayuran.

4

Perumusan Masalah

PT. Kebun Sayur Segar (Parung Farm) adalah salah satu perusahaan

agribisnis sayuran hidroponik yang berperan sebagai pedagang besar sekaligus

produsen yang berlokasi di Kecamatan Parung, Kabupaten Bogor, Jawa Barat.

Perusahaan ini memproduksi beberapa jenis sayuran hidroponik seperti bayam

merah, bayam hijau, selada, kangkung dan sebagainya. Sebagian besar kegiatan

perusahaan ini difokuskan pada penanganan pasca panen sayuran yang diperoleh

dari petani mitra. PT. Kebun Sayur Segar (Parung Farm) mendistribusikan

sayurannya kepada swalayan yang berada di sekitar wilayah Jabodetabek, seperti

Giant, Carrefour, Hero, Lotte Mart dan sebagainya. Perusahaan ini melakukan

transaksi kepada para pelanggan tersebut dengan berdasarkan order atau pesanan

yang diminta pada setiap harinya.

Selama ini, jumlah volume permintaan sayuran di PT. Kebun Sayur Segar

(Parung Farm) berfluktuasi, terutama pada komoditi bayam hijau, kangkung dan

romaine, akibatnya terjadi ketidakseimbangan dan gap dengan produksi yang

dihasilkan. Bagian produksi akan melakukan aktivitas penanaman setelah

mendapatkan data dari bagian pemasaran mengenai berapa proyeksi permintaan

konsumen yang akan datang, dan sebesar angka tersebut sayuran yang akan

ditanam oleh bagian produksi, namun kenyataannya ketika masa panen, angka

permintaan tidak sesuai dengan angka yang diprediksi ketika awal penanaman.

Fluktuasi permintaan tersebut dapat dilihat pada grafik permintaan sayuran 12

bulan terakhir (Maret 2013-Februari2014) dibawah ini.

Gambar 1 Permintaan Sayuran PT. Parung Farm 12 Bulan Terakhir

Grafik diatas menjelaskan bahwa permintaan sayuran hidroponik 12 bulan

terakhir pada PT. Kebun Sayur Segar (Parung Farm) cukup berfluktuasi. Dengan

fluktuasi tersebut perusahaan terkadang mengalami kesulitan untuk memenuhi

permintaan secara pasti dengan faktor pembatas berupa luas lahan maksimal

perhari yakni 72 m2 untuk bayam hijau, 48 m

2 untuk kangkung dan 16 m

2 untuk

2000

3000

4000

5000

6000

7000

8000

9000

10000

11000

12000

1 2 3 4 5 6 7 8 9 10 11 12

Bulan

Permintaan Bayam Hijau (pak) Permintaan Kangkung (pak)

Permintaan Romaine (pak)

5

romaine. Hal tersebut merupakan salah satu poin yang membuat perencanaan

produksi menjadi penting untuk dilakukan oleh suatu perusahaan.

PT. Kebun Sayur Segar (Parung Farm) dalam melakukan perencanaan

produksinya cenderung belum menentukan secara pasti terkait dengan jumlah

produksinya, karena keputusan tersebut dihasilkan dari diskusi pihak manajerial

perusahaan secara kualitatif dan lebih bersifat kondisional serta penalaran.

Perusahaan ini juga melakukan perencanaan jumlah produksi berdasarkan jumlah

rata-rata dari permintaan-permintaan sebelumnya yang lebih bersifat kualitatif.

Selain itu, dalam membuat perencanaan angka permintaan komoditi sayuran,

perusahaan ini seringkali kurang tepat dalam memproyeksikan angka permintaan

konsumen tersebut, karena prosesnya didasarkan pada subyektifitas stakeholder.

Penelitian ini mencoba menawarkan metode perencanaan produksi dan peramalan

secara kuantitatif yang diharapkan lebih akurat, sehingga gap antara produksi dan

permintaan dapat diperkecil dan juga akan berimplikasi pada perencanaan

produksi (waktu tanam, panen, dan jumlah) yang lebih tepat dan sesuai dengan

hasil peramalan yang dilakukan.

Mengingat jenis sayuran yang diusahakan cukup banyak, maka perencanaan

produksi dan peramalan hanya dilakukan pada beberapa jenis sayuran saja.

Sayuran tersebut merupakan pilihan dari sayuran yang termasuk dalam kelas

sayuran unggul (permintaan banyak dan berfluktuasi), dan juga sayuran yang

direkomendasikan untuk dipilih oleh Direktur Produksi PT. Kebun Sayur Segar

(Parung Farm). Sayuran tersebut ialah, bayam hijau, kangkung dan romaine.

Dengan mempertimbangkan uraian kondisi diatas, maka perumusan masalah

dari penelitian ini adalah, bagaimana perencanaan produksi (waktu tanam, panen

dan jumlah produksi) sayuran (bayam hijau, kangkung dan romaine) di PT. Kebun

Sayur Segar (Parung Farm) yang didasarkan pada hasil peramalan untuk periode

lima bulan kedepan?

Tujuan Penelitian

Berdasarkan perumusan masalah diatas, maka tujuan dari penelitian ini

adalah untuk :

1. Meramalkan permintaan harian konsumen pada sayuran (bayam hijau,

kangkung dan romaine) di PT. Kebun Sayur Segar (Parung Farm) untuk

periode lima bulan kedepan (Maret-Juli 2014).

2. Mengidentifikasi perencanaan produksi (waktu tanam, panen dan jumlah

produksi sayuran bayam hijau, kangkung dan romaine) di PT. Kebun

Sayur Segar (Parung Farm) berdasarkan hasil peramalan yang dilakukan.

Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat dan kontribusi :

1. Bagi penulis, dapat menerapkan ilmu pengetahuan yang telah diperoleh

dari perkuliahan untuk dapat diterapkan di lapangan.

2. Bagi perusahaan, hasil penelitian ini dapat dijadikan bahan pertimbangan

dalam pengambilan keputusan manajerial yang berkaitan dengan

penyediaan produk sayuran (bayam hijau, kangkung dan romaine) yang

sesuai dengan permintaan konsumen.

6

3. Bahan referensi atau acuan yang dapat digunakan bagi peneliti lain yang

akan melakukan penelitian yang sama atau lebih lanjut mengenai

perencanaan produksi.

Ruang Lingkup Penelitian

Ruang lingkup penelitian ini ialah perencanaan produksi yang diawali

dengan melakukan peramalan permintaan sayuran berupa komoditas bayam hijau,

kangkung dan romaine di PT. Kebun Sayur Segar (Parung Farm) untuk periode

lima bulan kedepan yang kemudian hasil ramalan tersebut akan digunakan untuk

melakukan perencanaan produksi (waktu tanam, panen dan jumlah produksi).

Penelitian ini menggunakan metode kuantitatif (model time series) yang paling

akurat dan sesuai dengan data yang ada, dan data yang digunakan yakni berupa

data permintaan historis tiga tahun terakhir yang bersumber dari catatan

pengelolaan produksi sayuran di PT. Kebun Sayur Segar (Parung Farm).

TINJAUAN PUSTAKA

Kajian mengenai peramalan dan perencanaan produksi telah dilakukan oleh

para peneliti sebelumnya. Penelitian tersebut pada umumnya bertujuan untuk

melihat sebaran pola data yang terdapat pada masing-masing kondisi di tempat

penelitian untuk dapat memberikan metode peramalan kuantitatif yang terbaik

sesuai dengan studi kasus, dan selanjutnya hasil peramalan tersebut digunakan

untuk melakukan perencanaan produksi. Penelitian mengenai peramalan

permintaan dan perencanaan produksi antara lain Wisastri (2006), Naibaho (2009),

Hutajulu (2010), Purnomo (2010), Lestari (2012), dan Hutagalung (2013).

Purnomo (2010) dan Hutagalung (2013) melakukan penelitian yang sama,

yakni mengenai perencanaan dan kebutuhan kapasitas produksi. Purnomo (2010)

melakukan penelitian tentang perencanaan produksi dan pengendalian persediaan

bahan baku pada pengrajin tahu dan tempe “IM” Cibogo, Bandung. Penelitian ini

bertujuan untuk membuat perencanaan pengadaan bahan baku untuk menentukan

kapan dan berapa banyak jumlah pesanan bahan baku yang diperlukan untuk

menjaga agar bahan baku yang tersedia sesuai dengan kebutuhan perusahaan pada

tingkat harga yang minimal. Adapun tahapan yang dilakukan pada penelitian ini

ialah pemodelan perencanaan produksi agregat dengan integer programming,

perhitungan perencanaan produksi agregat dengan win QSB, perhitungan

perencanaan produksi disagregasi, serta perhitungan kebutuhan bahan baku

dengan economic order quantity (EOQ).

Pada penelitian ini, fungsi tujuan yang ditetapkan adalah meminimisasi total

biaya produksi dengan bentuk model programma integer adalah model dengan

jumlah tenaga kerja tetap yang artinya selama horizon perencanaan, tidak terjadi

penambahan atau pengurangan tenaga kerja. Selain itu, dalam mencapai tujuannya,

peneliti menggunakan metode EOQ untuk mengetahui jumlah kebutuhan bahan

baku yang diperlukan agar Jadwal Induk Produksi (MPS) dapat direalisasikan.

Langkah yang dilakukan ialah menentukan jumlah pemesanan optimal, serta

melakukan perhitungan total biaya persediaan, seperti biaya pembelian bahan

baku, biaya pesanan, biaya simpan dan biaya persediaan.

7

Seperti pada penelitian Purnomo (2010), penelitian yang dilakukan oleh

Hutagalung (2013) juga melakukan penelitian tentang perencanaan produksi.

Perbedaannya pada penelitian ini melakukan perencanaan kebutuhan kapasitas

produksi pada sebuah perusahaan manufaktur (PT. XYZ). Metode yang digunakan

pada penelitian ini ialah perhitungan Rough Cut Capacity Planning (RCCP) dan

pemberian usulan perencanaan kapasitas produksi. RCCP digunakan untuk

mengetahui bagian produksi (work centre) yang mengalami kekurangan kapasitas

produksi, sedangkan usulan perencanaan kapasitas produksi digunakan sebagai

alternatif work centre dalam meningkatkan kapasitas produksi.

Berdasarkan hasil yang diperoleh, terdapat tiga work centre yang mengalami

kekurangan kapasitas produksi, yaitu work centre pemotongan plat, gerinda dan

polish. Usulan perencanaan kapasitas produksi yang dilakukan ialah melakukan

penyesuaian beban kerja (re-adjusment), menambah tiga unit mesin gerinda dan

tiga unit mesin polish. Dengan usulan tersebut, tujuan penelitian ini dapat

terpenuhi, yakni memenuhi permintaan konsumen serta meningkatkan pendapatan

perusahaan hingga mencapai 31 persen.

Berbeda dengan kedua penelitian diatas, Wisastri (2006) dan Lestari (2012)

melakukan penelitian tentang peramalan permintaan. Kesamaan pada kedua

penelitian ini yakni penelitian dilakukan pada objek sayuran di daerah tertentu.

Wisastri (2006) melakukan penelitian tentang analisis peramalan permintaan

sayuran (lettuce head, bunga kol, wortel, sawi putih dan brokoli) pada PD. Pacet

Segar, Cianjur, Jawa Barat. Penelitian ini memiliki tujuan untuk memilih model

peramalan terakurat untuk mendapatkan ramalan permintaan beberapa jenis

sayuran diatas beserta rekomendasinya untuk perusahaan. Model yang dicoba

dalam penelitian ini ialah model time series dan kausal serta menggunakan

program microsoft excel, minitab 13 dan QSB (Quantitative System for Business)

dalam mengolah data kuantitatif yang diperoleh. Berdasarkan plot data permintaan

dan plot korelasinya, diketahui bahwa pola data untuk lettuce head, bunga kol,

wortel, sawi putih dan brokoli adalah tidak stasioner, memiliki pola data trend dan

musiman. Model peramalan time series yang digunakan adalah model rata-rata

bergerak sederhana, rata-rata sederhana, model dua parameter dari Holt, model

Brown, model trend, model pemulusan tunggal, model Winter multiplikatif,

dekomposisi (aditif dan multiplikatif) dan model ARIMA, sedangkan model

regresi yang dicoba adalah regresi linier dan double log.

Seperti pada penelitian Wisastri (2006), penelitian yang dilakukan oleh

Lestari (2012) juga melakukan penelitian mengenai analisis peramalan permintaan

sayuran. Perbedaannya, pada penelitian ini menggunakan pendekatan kointegrasi

yang dilakukan pada PT. Saung Mirwan, Bogor, Jawa Barat. Penelitian ini

bertujuan untuk meramalkan permintaan sayuran (lettuce head, kembang kol,

tomat beef) untuk satu tahun kedepan dan menganalisis kointegrasi diantara ketiga

jenis sayuran tersebut. Berdasarkan hasil uji stasioneritas, data permintaan sayuran

diatas bersifat tidak stasioner dan terdapat tren, maka harus dilakukan pembedaan

atau difference yang mengarahkan bahwa data akan dianalisis menggunakan

Vector Error Correction Model (VECM) dengan menggunakan panjang lag satu

dan selang kepercayaan yang digunakan adalah lima persen untuk melakukan

analisis selanjutnya. Pengolahan data dilakukan dengan menggunakan bantuan

program microsoft excel 2007, eviews 6, dan minitab 16.

8

Hasil peramalan ketiga komoditi tersebut berdasarkan IRF dan FEVD untuk

satu tahun kedepan cenderung mengalami peningkatan dengan terdapat hubungan

kointegrasi diantara ketiganya. Guncangan dalam permintaan kembang kol, akan

direspon positif oleh semua variabel, sedangkan untuk lettuce head bila terdapat

guncangan permintaan, maka akan direspon positif oleh lettuce head itu sendiri

dan kembang kol, tetapi direspon negatif oleh tomat beef, dan jika terjadi

guncangan permintaan pada tomat beef, maka akan direspon positif oleh semua

variabel.

Berbeda dengan kedua penelitian diatas, penelitian peramalan permintaan

dan perencanaan produksi oleh Naibaho (2009) dan Hutajulu (2010) dilakukan

pada objek yang berbeda. Penelitian ini dilakukan pada objek non sayuran.

Hutajulu (2010), melalukan penelitian tentang peramalan permintaan dan

perencanaan optimasi produksi semen pada plant 11 PT. Indocement Tunggal

Prakarsa Tbk. Penelitian ini dilakukan untuk melakukan peramalan terhadap

permintaan semen satu tahun kedepan serta menentukan perencanaan optimasi

produksinya. Hasil peramalan akan dijadikan sebagai dasar penentuan

perencanaan optimasi produksi dengan fungsi tujuan untuk meminimisasi biaya

produksi dan fungsi kendala berupa jumlah permintaan, jam tenaga kerja regular

dan lembur, kapasitas gudang, tingkat persediaan produk jadi dan kecepatan

produksi.

Seperti Hutajulu (2010), penelitian yang dilakukan oleh Naibaho (2009)

juga meneliti tentang analisis peramalan permintaan pada objek non sayuran, yaitu

peramalan permintaan handuk ekspor dan kajian perencanaan produksi agregat

pada PT. Wiska. Penelitian ini dilakukan untuk melakukan peramalan terhadap

permintaan handuk ekspor satu tahun kedepan serta menentukan perencanaan

produksinya secara agregat. Parameter-parameter yang memengaruhi proses

produksi dalam sistem perencanaan produksi agregat adalah jumlah permintaan

pelanggan, kapasitas gudang, tingkat persediaan produk jadi, waktu kerja yang

tersedia dan kecepatan produksi.

Persamaan kedua penelitian diatas terletak pada konsep keberlanjutan

setelah dilakukan analisis peramalan permintaan. Kedua penelitian tersebut

melanjutkan pada kajian perencanaan produksi secara optimal dengan tujuan

utama untuk meminimumkan biaya dan efisiensi sumber daya yang dimiliki.

Dari uraian diatas, maka penelitian ini memiliki perbedaan dalam hal obyek

yang diteliti, yakni sayuran hidroponik, dimana nantinya dengan adanya

perbedaan fluktuasi dan pola sebaran data, akan memengaruhi model yang

digunakan dalam proses peramalan yang dilakukan pada penelitian ini yang

selanjutnya hasil ramalan tersebut akan dijadikan bahan pertimbangan dalam

mengestimasikan waktu tanam, panen dan jumlah yang harus diproduksi.

KERANGKA PEMIKIRAN

Kerangka Pemikiran Teoritis

Perencanaan Produksi

Perencanaan adalah fungsi manajemen yang paling pokok dan sangat luas

meliputi perkiraan dan perhitungan mengenai kegiatan yang akan dilaksanakan

9

pada waktu yang akan datang mengikuti suatu urutan tertentu. Syarat mutlak suatu

perencanaan harus mempunyai tujuan yang jelas dan mudah dimengerti serta

perencanaan harus terukur dan mempunyai standar tertentu. Perencanaan produksi

adalah perencanaan dan pengorganisasian mengenai orang-orang, bahan-bahan,

mesin-mesin dan peralatan lain, waktu produksi, jumlah produksi dan modal yang

diperlukan untuk memproduksi barang-barang pada suatu periode tertentu di masa

depan sesuai dengan yang diperkirakan atau diramalkan (Assauri, 2004).

Selain itu, Assauri (2004) juga menambahkan bahwa manajemen produksi

dan operasi merupakan usaha-usaha pengelolaan secara optimal penggunaan

sumber daya-sumber daya (faktor produksi), seperti sumber daya manusia, sumber

daya alat dan sebagainya dalam proses transformasi bahan mentah dan tenaga

kerja menjadi berbagai produk atau jasa, dimana penggunaan sumber daya

tersebut dilakukan secara efektif dan efisien untuk menciptakan dan menambah

guna (utility) barang dan jasa tersebut.

Prawirasentono (2007) mengklasifikasikan perencanaan produksi menjadi

tiga jenis berdasarkan horizon waktu, yakni (1) perencanaan jangka panjang yang

merupakan perencanaan lebih dari 18 bulan, seperti perencanaan penambahan

fasilitas dan peralatan yang berumur panjang, (2) perencanaan jangka menengah

yang merupakan perencanaan 3 hingga 18 bulan, seperti perencanaan tugas dan

penambahan karyawan, (3) perencanan jangka pendek yang merupakan

perencanaan dibawah tiga bulan, seperti perencanaan pengalokasian mesin

Perencanaan produksi memiliki beberapa tujuan, diantaranya adalah sebagai

berikut : (1) meramalkan permintaan produk yang dinyatakan dalam jumlah

produk sebagai fungsi dari waktu, (2) menetapkan jumlah saat pemesanan bahan

baku serta komponen secara ekonomis dan terpadu, (3) menetapkan keseimbangan

antara tingkat kebutuhan produksi, teknik pemenuhan pemesanan, serta

memonitor tingkat persediaan produk jadi setiap saat, membandingkannya dengan

rencana persediaan dan melakukan revisi atas tencana produksi pada saat yang

ditentukan, (4) membuat jadwal produksi, penugasan, pembebanan mesin dan

tenaga kerja yang terperinci sesuai dengan ketersediaan kapasitas dan fluktuasi

permintaan pada suatu periode.

Menurut Solehudin (2007), terdapat beberapa faktor yang perlu

dipertimbangkan dalam perencanaan proses produksi berdasarkan sifat proses

produksi, faktor tersebut ialah :

a. Proses produksi yang terputus-putus

Perencanaan produksi dalam perusahaan pabrik yang mempunyai proses

produksi yang terputus-putus, dilakukan berdasarkan jumlah pesanan

(make to order) yang diterima. Oleh karena kegiatan produksi dilakukan

berdasarkan pesanan, jumlah produksi biasanya relatif kecil, sehingga

perencanaan produksi yang dibuat semata-mata tidak berdasarkan

ramalan penjualan (sales forecasting), tetapi didasarkan pada pesanan

yang masuk.

Perencanaan produksi dibuat untuk menentukan kegiatan produksi yang

perlu dilakukan bagi pengerjaan setiap pesanan yang masuk. Ramalan

penjualan ini membantu untuk dapat memperkirakan order yang akan

diterima, sehingga dapat diperkirakan dan ditentukan bagaimana

penggunaan mesin dan peralatan yang ada agar mendekati optimum

pada masa yang akan datang, dan tindakan-tindakan apa yang perlu

10

diambil untuk menutupi kekurangan-kekurangan yang mungkin terjadi.

Perencanaan produksi yang disusun haruslah bersifat fleksibel, agar

sumber daya yang dimiliki dapat dipergunakan secara optimal.

b. Proses produksi yang terus menerus (continuous process)

Perencanaan produksi pada perusahaan yang bersifat terus menerus,

dilakukan berdasarkan ramalan penjualan. Hal ini dikarenakan kegiatan

produksi tidak dilakukan berdasarkan pesanan akan tetapi untuk

memenuhi pasar dan jumlah yang besar serta berulang-ulang dan telah

mempunyai blueprint selama jangka waktu tertentu.

Selain itu, Prawirasentono (2007) menambahkan beberapa hal yang terdapat

dalam perencanaan produksi, diantaranya ialah :

1. Desain produk

Desain produk harus terlebih dahulu disiapkan sebelum perusahaan

melakukan kegiatan operasional, baik jangka pendek maupun jangka

panjang. Sesuai dengan perubahan selera pasar, desain barang harus

selalu diperbaharui agar barang yang diproduksi dilirik oleh konsumen

atau pasar, sehingga barang tersebut memiliki nilai jual yang baik.

Desain produk ini nantinya akan menentukan teknologi yang dipakai.

2. Teknologi dan fasilitas produksi

Teknologi dan fasilitas produksi yang dipakai perusahaan biasanya akan

disesuaikan dengan modal dan alokasi keuangan yang dimiliki yang

telah dirancang sebelumnya. Besar kecilnya teknologi atau kapasitas

mesin yang dipakai, tergantung pada ramalan penjualan yang menjadi

dasar perencanaan produksi.

3. Jumlah tenaga kerja

Jumlah tenaga kerja yang dibutuhkan didasarkan pada kapasitas

produksi yang telah direncanakan sebelumnya, namun bukan hanya

jumlah tenaga kerja, tetapi juga jenis dan mutu kerja sesuai dengan

kapabilitas masing-masing.

4. Bentuk dan mutu produk

Bentuk dan mutu produk, nantinya akan menentukan jenis dan jumlah

persediaan bahan yang harus disiapkan.

5. Waktu produksi

Waktu produksi harus diestimasikan terlebih dahulu, baik melalui cara

kualitatif maupun kuantitatif, agar produk yang dihasilkan memiliki

kesesuaian waktu dengan permintaan konsumen, sehingga permintaan

konsumen dapat terpenuhi tepat pada waktunya.

Hidroponik

Istilah hidroponik berasal dari bahasa Yunani, yakni hydroponick. Kata

hydroponick itu sendiri merupakan gabungan dari dua buah suku kata, yaitu hydro

yang memiliki arti air dan ponos yang berarti bekerja. Secara harfiah, istilah

hidroponik dapat diartikan sebagai proses atau teknik bercocok tanam yang

pengerjaannya dengan menggunakan air, yakni merupakan sistem penanaman

dengan media tanam yang banyak mengandung air. Dalam teknik hidroponik ini,

media tanam bukan dengan menggunakan tanah, melainkan dengan media tanam

lainnya seperti rockwool, arang sekam, zeolite, dan berbagai media tanam lainnya

yang ringan dan steril untuk digunakan. Media air yang digunakan dalam teknik

11

hidroponik ini memiliki fungsi sebagai pengganti tanah untuk menghantarkan

larutan hara kedalam akar tanaman. (Lingga 1999).

Pelaksanaan proses pembudidayaan tanaman hidroponik biasanya dilakukan

didalam greenhouse. Greenhouse itu sendiri sering diartikan sebagai rumah kaca,

namun karena alasan harga yang mahal dan kesulitan untuk didapat, penggunaan

kaca akhir-akhir ini sudah banyak digantikan dengan penggunaan plastik yang

harganya relatif lebih murah dan lebih mudah didapat. Penggunaan greenhouse

pada dasarnya untuk mengurangi risiko dan ketidakpastian dalam berproduksi

yang disebabkan oleh faktor alam, seperti cuaca yang ekstrim (angin kencang,

intensitas hujan dan radiasi matahari yang tinggi), gangguan hama, serta untuk

melindungi tanaman dari kelembaban yang tinggi. Penggunaan greenhouse ini

membuat tanaman terlindungi dari serangan hama dan OPT, sehingga penggunaan

pestisida dapat dihindari juga dikendalikan dan produk sayuran yang dihasilkan

menjadi lebih sehat.

Menurut Suhardiyanto (2010), bertanam secara hidroponik memiliki

beberapa keunggulan dibandingkan dengan budidaya tanaman menggunakan

media tanah. Keunggulan teknik hidroponik antara lain (1) serangan hama dan

penyakit (OPT) menjadi lebih mudah dikendalikan, (2) penggunaan pupuk dan air

lebih efisien, (3) lebih bersih dan steril, (4) pekerjaan relatif lebih ringan karena

tidak harus mengolah tanah, (5) larutan nutrisi dapat disesuaikan dengan

kebutuhan tanaman, (6) pengusahaan tanaman dapat dilakukan dimana saja, tidak

harus dilakukan di lahan yang luas.

Proses Produksi

Bayam hijau memiliki waktu budidaya sekitar 38 sampai 40 hari sebelum

memasuki masa panen, dengan rincian 10 hari awal dilakukan proses penyemaian

benih, 10 hari selanjutnya adalah masa tanam bibit, dan 18 hingga 20 hari

berikutnya memasuki masa produksi bibit, kemudian setelah itu memasuki masa

panen selama dua sampai tiga hari.

Kangkung memiliki karakteristik yang tak jauh berbeda dengan bayam hijau.

Waktu budidaya yang diperlukan kangkung sekitar 38 sampai 40 hari sebelum

memasuki masa panen, yakni masa penyemaian benih selama 10 hari, masa tanam

bibit selama 10 hari, masa produksi bibit selama 18 hingga 20 hari dan masa

panen selama 2 hingga 3 hari.

Berbeda halnya dengan bayam hijau dan kangkung, romaine memiliki

karakteristik waktu budidaya yang lebih lama, yakni sekitar 48 hingga 50 hari

sebelum memasuki masa panen, dengan rincian 10 hari pertama untuk masa

penyemaian benih, 10 hari kedua untuk masa tanam bibit, 28 hingga 30 hari

selanjutnya untuk masa produksi bibit dan 2 hingga 3 hari untuk masa panen.

Proses produksi sayuran hidroponik pada PT. Kebun Sayur Segar (Parung

Farm) diawali dengan proses etiolasi benih sayuran, yakni proses dimana benih

(yang telah diletakkan diatas rockwool) dimasukkan ke dalam ruangan yang gelap

tanpa adanya cahaya dengan tujuan untuk mempercepat proses pertumbuhan

kecambah sayuran tersebut. Proses ini dilakukan selama kurang lebih dua hari

sebelum dapat memasuki tahap selanjutnya. Setelah proses etiolasi selesai, benih

sayuran memasuki masa penyemaian di dalam greenhouse atau sering disebut

dengan masa N1. Masa N1 ini adalah masa penyemaian benih yang dialiri larutan

nutrisi sebanyak 3 ml yang berlangsung selama kurang lebih 8 hari. Pada masa ini

12

belum terdapat jarak tanam yang ditentukan secara sistematis, karena belum

terlalu memengaruhi proses pertumbuhan benih sayuran. Proses produksi sayuran

hidroponik pada masa N1 dapat dilihat pada Gambar 2.

Gambar 2 Masa Penyemaian Benih Bayam Hijau dan Kangkung (Masa N1)

Proses selanjutnya, benih sayuran hidroponik akan memasuki masa tanam

bibit selama kurang lebih 10 hari. Proses ini lebih dikenal dengan sebutan masa

N2, dimana kecambah yang telah tumbuh dari masa penyemaian akan

dipindahkan ke dalam greenhouse yang telah dialiri larutan nutrisi sebanyak 5 ml,

dengan adanya masa N2 ini diharapkan bibit sayuran dapat tumbuh lebih optimal

dan lebih siap untuk memasuki masa produksi. Masa N2 ini dilakukan didalam

kamar-kamar yang ada di greenhouse yang didalamnya telah terdapat mesin dan

pipa-pipa yang berfungsi untuk mengalirkan larutan nutrisi, dimana satu kamar

tersebut berukuran sekitar 8-12 m2. Setiap 1 m

2 berisi 36 lubang dengan jarak

tanam 10 hingga 15 cm, dimana tiap-tiap lubang berisi satu hingga tiga benih yang

berasal dari proses N1. Proses produksi sayuran hidroponik pada masa N2 dapat

dilihat pada Gambar 3.

13

Gambar 3 Masa Tanam Bibit (Masa N2) dan Alat Pengalir Nutrisi

Tahap terakhir sayuran hidroponik sebelum memasuki masa panen ialah

masa produksi bibit sayuran, yakni selama kurang lebih 18 hingga 20 hari untuk

bayam hijau dan kangkung, serta kurang lebih 28 hingga 30 hari untuk romaine.

Masa produksi ini juga disebut dengan masa N3. Pada tahap ini, bibit sayuran

yang berasal dari masa N2 akan memasuki masa N3 yang akan dialiri larutan

nutrisi sebanyak 7 ml. Dengan didahului masa N2, bibit sayuran pada N3 ini

diharapkan dapat tumbuh secara optimal dan hanya tinggal menunggu umur

dewasa agar dapat dipanen sesuai dengan umur panen yang ada. Proses produksi

sayuran hidroponik pada masa N3 dapat dilihat pada Gambar 4.

(a) (b)

(c) (d)

Gambar 4 Masa Produksi Bibit Kangkung (a,b) dan Bayam Hijau (c,d) (Masa N3)

14

Pada dasarnya proses produksi atau budidaya sayuran pada PT. Kebun

Sayur Segar (Parung Farm) ini tidak terlalu memerlukan lahan yang luas,

mengingat sayuran dibudidayakan secara hidroponik. Selain itu, dengan proses

secara hidroponik tersebut, memungkinkan perusahaan menerapkan konsep first

in first out dimana proses penanaman serta pemanenan dapat dilakukan setiap

harinya dengan sayuran yang ditanam terlebih dahulu akan dipanen lebih awal.

Mengenai jumlah panen, 1 m2 penanaman sayuran akan menghasilkan 1.5 kg atau

sekitar 6 pak untuk bayam hijau dan kangkung, sedangkan 1 m2 penanaman

romaine akan menghasilkan 2 kg atau sekitar 8 pak.

Teori Permintaan

Teori permintaan merupakan teori yang mempelajari hubungan antara

jumlah yang diminta untuk setiap komoditi dengan harga komoditi itu sendiri.

Menurut Lipsey et al (1993), ada tiga hal penting yang perlu diperhatikan dalam

konsep permintaan. Pertama, istilah jumlah yang diminta memiliki perbedaan arti

dengan jumlah yang dibeli. Istilah kuantitas yang diminta digunakan untuk

menunjukkan pembelian yang diinginkan oleh konsumen, sedangkan istilah

jumlah yang dibeli digunakan untuk menunjukkan kuantitas nyata yang dibeli oleh

konsumen. Kedua, apa yang diinginkan oleh konsumen bukan merupakan harapan

kosong, melainkan permintaan efektif yang berarti jumlah orang yang bersedia

membeli komoditi itu pada harga yang mereka harus bayar untuk komoditi

tersebut. Ketiga, kuantitas yang diminta merupakan arus pembelian yang kontinyu.

Oleh karenanya, kuantitas tersebut harus dinyatakan dalam banyaknya persatuan

waktu.

Konsep permintaan memiliki suatu hipotesis ekonomi dasar yang

menyatakan bahwa harga suatu komoditi dan kuantitas yang akan diminta

berhubungan secara negatif, dengan faktor lain dianggap tetap (ceteris paribus).

Hal tersebut berarti semakin rendah harga suatu komoditi, maka jumlah yang akan

diminta untuk komoditi itu akan semakin besar, dan semakin tinggi harga,

semakin rendah jumlah yang diminta.

Selain hal diatas, permintaan juga memiliki konsep tentang variabel-variabel

apa saja yang akan memengaruhi dan menentukan jumlah kuantitas yang akan

diminta. Variabel-variabel tersebut ialah harga komoditi itu sendiri, rata-rata

penghasilan rumahtangga, harga komoditi yang berkaitan, selera konsumen,

distribusi pendapatan diantara rumahtangga dan besarnya populasi. Pada dasarnya,

pengaruh setiap variabel tersebut tidak dapat difahami secara terpisah, jika ingin

mengetahui apa yang terjadi terhadap perubahan pada waktu yang sesuai. Dengan

kata lain mempelajari pengaruh variabel-variabel tersebut dilakukan satu demi

satu pada saat tertentu untuk melihat seberapa besar pengaruhnya terhadap

kuantitas yang diminta, sedangkan variabel yang lainnya dianggap konstan.

Melalui cara tersebut, dapat diketahui tingkat kepentingan masing-masing variabel

yang akan memengaruhi posisi kurva permintaan, kurva bergerak ataukah kurva

akan mengalami pergeseran dan juga akan berimplikasi pada kuantitas komoditi

yang diminta. (Lipsey et al 1993).

Teori Peramalan

Teori atau definisi peramalan pada dasarnya memiliki arti yang beragam, hal

tersebut sesuai dengan pernyataan Singgih (2009) yang memberikan beberapa

15

definisi tentang peramalan, (1) perkiraan munculnya sebuah kejadian di masa

depan, berdasarkan data yang ada di masa lampau, (2) proses menganalisis data

historis dan data saat ini untuk menentukan tren di masa mendatang, (3) proses

estimasi dalam situasi yang tidak diketahui, (4) pernyataan yang dibuat tentang

masa depan, (5) penggunaan ilmu dan teknologi untuk memperkirakan situasi di

masa depan, (6) upaya sistematis untuk mengantisipasi kejadian atau kondisi di

masa yang akan datang.

Selain itu, Makridakis (1999) menyatakan bahwa peramalan biasa

didefinisikan sebagai prosedur yang sistematis atau dengan kata lain secara

kuantitatif, namun sebenarnya peramalan juga dapat didefinisikan sebagai

perkiraan melalui intuisi atau kualitatif, meskipun menilai keakuratan peramalan

kualitatif lebih sulit dibanding peramalan kuantitatif, karena metode kualitatif

bukanlah prosedur yang distandarkan dan metode ini sangat bergantung pada

peramal, karena peramal yang berbeda bisa sampai pada ramalan yang sangat

berbeda dengan menggunakan metode yang sama.

Dari beberapa definisi diatas, dapat disimpulkan bahwa peramalan ialah

upaya untuk memperkirakan apa yang akan terjadi di masa yang akan datang

dengan mempertimbangkan data yang ada di masa lampau, berbasis pada metode

ilmiah (ilmu dan teknologi) serta dilakukan secara sistematis. Walaupun demikian,

kegiatan peramalan tidaklah semata-mata berdasarkan prosedur ilmiah atau

terorganisir, karena terdapat kegiatan peramalan yang menggunakan intuisi

(perasaan) atau melalui diskusi informal dalam sebuah grup.

Kegiatan peramalan memiliki ciri-ciri yang dapat dilihat pada Tabel 4

dibawah ini.

Tabel 4 Ciri-Ciri Sebuah Kegiatan Peramalana

Aspek Peramalan

Fokus Data di masa lalu

Tujuan Menguji perkembangan saat ini dan

relevansinya di masa mendatang

Metode Proyeksi berdasar ilmu statistik,

diskusi dan review program

Orang yang terlibat Pembuat keputusan, petugas

administrasi, praktisi dan analis

Frekuensi Reguler (teratur)

Kriteria keberhasilan Tidak sekedar akurasi, namun

bersifat pembelajaran aSumber : Singgih (2009)

Dari beberapa kriteria diatas, terlihat bahwa peramalan adalah kegiatan yang

bersifat teratur, berupaya memprediksi masa depan dengan berkaca pada data

masa lalu, menggunakan tidak hanya metode ilmiah, namun juga

mempertimbangkan hal-hal yang bersifat kualitatif, seperti perasaan, pengalaman

seseorang dan lain sebagainya yang melibatkan praktisi maupun analis.

Jenis-Jenis Peramalan

Jenis-jenis peramalan menurut Singgih (2009) dapat dilihat dari beberapa

sudut pandang yang berbeda, seperti dari sudut pandang horizon waktu dan dari

16

sifat metode yang digunakan. Jika dilihat dari sudut horizon waktu, peramalan

dapat dibedakan menjadi tiga macam, yakni :

a. Peramalan Jangka Pendek (Short Term Forecasting)

Peramalan yang dilakukan meliputi kurun waktu mulai dari satu hari

sampai satu musim, atau dapat sampai satu tahun. Oleh karena waktu

peramalan sangat singkat, maka data historis masih relevan untuk

dijadikan bahan pembuatan prediksi.

b. Peramalan Jangka Menengah (Medium Term Forecasting)

Peramalan yang dilakukan meliputi kurun waktu dari satu musim

(kuartal, triwulan atau yang lain) sampai dua tahun. Kegiatan peramalan

dalam jangka menengah ini masih menggunakan metode kuantitatif dan

kualitatif, karena data historis masa lalu dianggap masih cukup relevan

untuk memprediksi masa yang akan datang.

c. Peramalan Jangka Panjang (Long Term Forecasting)

Peramalan yang dilakukan meliputi kurun waktu minimal lima tahun.

Kegiatan peramalan untuk jangka panjang pada umumnya berdasarkan

pada intuisi dan pengalaman seseorang. Penggunaan metode ini

didasarkan pada perubahan teknologi dan lingkungan bisnis, sehingga

data historis menjadi kurang relevan untuk digunakan.

Jika dilihat dari sudut pandang sifat metode yang digunakan, peramalan

dapat dibedakan menjadi dua macam, yakni :

a. Peramalan Kualitatif

Peramalan secara kualitatif dilakukan jika data historis tidak tersedia

atau sudah tidak relevan lagi dengan situasi yang ada, perusahaan lebih

mengandalkan intuisi atau pengalaman seseorang daripada data

kuantitatif, perusahaan akan memasuki pasar yang baru atau perusahaan

akan memasarkan produk yang baru. Beberapa bentuk peramalan secara

kualitatif yang sering ditemui dalam praktik ialah Metode Delphi,

Nominal Group Technique, Sales Force Opinion, Executive Opinions,

dan Market Research.

b. Peramalan Kuantitatif

Peramalan secara kuantitatif dilakukan jika data historis memang

tersedia dan situasi bisnis relatif tenang, penggunaan data kuantitatif

untuk memprediksi besaran tertentu di masa mendatang akan jauh lebih

efektif dibandingkan peramalan kualitatif. Metode kuantitatif pada

dasarnya dapat dibagi lagi menjadi dua kelompok utama, yaitu model

time series dan model kausal (sebab akibat), namun pada penelitian ini,

model yang digunakan ialah model time series.

Model Time Series

Model time series merupakan suatu teknik peramalan yang didasarkan pada

input data yang berupa data dengan basis waktu. Peramalan dilakukan dengan

dasar mengamati adanya pola tertentu dari data yang menjadi tujuan untuk

mengekstrapolasikan data tersebut ke masa depan sehingga dapat dilakukan

prediksi peramalan (Singgih 2009 dan Makridakis et al 1999).

Menurut Hanke et al (2003) dan Singgih (2009), salah satu aspek terpenting

dalam pemilihan metode peramalan yang sesuai data deret waktu adalah dengan

17

memperhatikan jenis pola data yang berbeda. Pola data tersebut dapat dibedakan

menjadi empat jenis yang umum, yakni :

a. Pola Horisontal

Pola yang terjadi ketika data observasi berfluktuasi disekitar nilai rata-

rata (tingkatan yang konstan) atau dapat dikatakan data bersifat stabil.

Tipe data ini juga biasa disebut dengan data stasioner.

b. Pola Tren

Pola tren muncul ketika data observasi cenderung menaik atau menurun

pada periode yang panjang.

c. Pola Musiman

Pola yang terjadi ketika data observasi memiliki kecendrungan

perubahan yang berulang secara otomatis dari tahun ke tahun.

d. Pola Siklik

Pola yang terjadi ketika data observasi berfluktuasi seperti gelombang

data yang terjadi di sekitar garis tren.

Pola data yang telah didapat dari pengamatan visual plot, kemudian

diidentifikasi dan digolongkan apakah data tersebut memiliki unsur tren,

musiman atau siklik, yang selanjutnya pola data tersebut akan membantu dalam

penggunaan metode yang paling cocok yang akan digunakan dalam proses

peramalan.

Metode-metode yang digunakan dalam peramalan time series terdiri dari

beberapa model, diantaranya adalah :

a. Model Peramalan Sederhana (naive)

Model ini digunakan untuk mengembangkan model sederhana yang

mengasumsikan bahwa periode yang baru berlalu adalah prediktor

terbaik masa depan. Model ini cocok untuk data yang berpola stasioner

(Hanke et al 2003). Model naive yang paling sederhana adalah :

t+1 = Yt

Dimana :

t+1 adalah ramalan untuk satu periode kedepan

Yt adalah data aktual pada periode t

b. Model Tren

Tren merupakan pergerakan jangka panjang didalam deret waktu yang

seringkali dijelaskan sebagai garis lurus atau kurva halus. Model ini bisa

digunakan untuk pola data musiman (Hanke et al 2003). Model-model

tren adalah sebagai berikut :

Tren Linier t = b0 + b1t

Tren Kuadratik t = b0 + b1t + b2t2

Tren Eksponensial t = b0

Dimana : t adalah nilai prediksi untuk tren pada periode t

b0 b1 b2 adalah koefisien rata-rata kenaikan atau penurunan

c. Model Rata-Rata Bergerak (moving average)

Model rata-rata bergerak ini terbagi atas tiga macam, yaitu :

18

Model rata-rata sederhana (simple average)

t+1 =

∑ i

Model ini tepat digunakan apabila gejolak yang membentuk deret waktu

telah distabilkan dan lingkungan dimana deret-deret berada secara

umum tidak berubah atau stasioner (Hanke et al 2003).

Model rata-rata bergerak sederhana (simple moving average)

t+1 = (Yt + Yt-1 + Yt-2 + … + Yt-k+1)/k

Model ini cocok untuk digunakan pada data yang berpola stasioner.

Model rata-rata bergerak ganda (double moving average)

Model ini digunakan dengan cara satu kelompok rata-rata bergerak

dihitung, dan kemudian kelompok kedua dihitung rata-rata bergerak

hasil pada kelompok pertama. Model ini cocok untuk data tren linier.

(Hanke et al 2003).

Mt = t+1 = (Yt + Yt-1 + Yt-2 + … + Yt-k+1)/k

M’t = (Mt + Mt-1 + Mt-2 + … + Mt-k+1)/k

at = Mt + (Mt – M’t) = 2Mt – M’t

b’t = 2(Mt – M’t)/k-1

t+p = at + btp

Dimana t+1 adalah nilai ramalan periode mendatang

Yt adalah nilai actual pada periode t

k adalah jumlah periode yang dirata-rata bergerak

p adalah jumlah periode kedepan yang akan diramal

d. Model Pemulusan Eksponensial (exponential smoothing)

Model pemulusan eksponensial ini terbagi atas tiga macam, yaitu :

Model pemulusan eksponensial tunggal (single exponential smoothing)

t+1 = Yt + (1 + ) t

Dimana :

t+1 adalah nilai pemulusan baru

adalah konstanta pemulusan (0 < <1)

Yt adalah nilai actual pada periode t

t adalah ramalan untuk periode t

Model ini seringkali sesuai untuk data tanpa tren yang tidak dapat

diprediksi meningkat atau menurun. (Hanke et al 2003).

Model pemulusan eksponensial ganda (double exponential smoothing)

Model ini juga disebut sebagai metode dua parameter Holt, dimana

model ini dirancang untuk menangani data dengan tren (Singgih 2009).

Lt = Yt + (1 - )(Lt-1 + Tt-1) (untuk komponen level estimate)

Tt = (Lt – Lt-1) + (1 - )Tt-1 (untuk komponen tren estimate)

t+p = Lt + pTt (untuk periode p kedepan)

Dimana :

Lt adalah nilai pemulusan baru

adalah konstanta pemulusan (0 < <1)

19

Yt adalah nilai actual pada periode t

adalah konstanta pemulusan tren ( )

Tt adalah estimasi tren

p adalah jumlah periode kedepan yang akan diramal

t+p adalah ramalan p periode kedepan

Model pemulusan eksponensial winter

Model ini digunakan pada data time series yang diduga terdapat tren dan

juga data musiman (Singgih 2009).

Lt = (Yt/St-s) + (1 - )(Lt-1 + Tt-1) (untuk komponen level estimate)

Tt = (Lt – Lt-1) + (1 - )Tt-1 (untuk komponen tren estimate)

St = (Yt/ Lt) + (1 - )St-p (untuk komponen musiman estimate)

t+p = (Lt + pTt)St-s+p (untuk periode p kedepan)

Dimana :

adalah konstanta pemulusan musiman ( )

St adalah estimasi musiman

s adalah panjangnya musim

e. Model Dekomposisi

Model dekomposisi ini terbagi atas dua macam, yaitu :

Model komponen aditif

t = Tt + St + Ct + It

Model komponen aditif kerjanya sangat baik untuk deret waktu yang

keragamannya kurang lebih sama sepanjang deret, dengan kata lain

semua nilai deret berada pada lebar yang konstan berpusat pada tren

(Hanke et al 2003).

Model komponen multiplikatif

t = Tt x St x Ct x It

Dimana :

t adalah ramalan untuk periode t

Tt adalah komponen tren pada waktu t

St adalah komponen musiman pada waktu t

Ct adalah komponen siklik pada waktu t

It adalah komponen random pada waktu t

Model ini cocok untuk deret waktu yang keragamannya menaik dengan

tingkat tertentu, dengan kata lain konstan dan bersifat tren (Hanke et al

2003 dan Singgih 2009).

f. Model Box Jenkins (ARIMA)

Model ini berbeda dengan model-model sebelumnya, ARIMA tidak

melihat pola-pola data tetapi model ini secara murni melakukan prediksi

hanya berdasar data-data historis yang ada. Menurut Singgih (2009),

model ARIMA ini tersusun atas tiga model, yaitu :

Model moving average (MA)

Model ini digunakan untuk memprediksi Yt sebagai fungsi dari

kesalahan prediksi di masa lalu dalam memprediksi Yt.

20

Yt = et – W1et-1 - W2et-2 -…- Wqet-q

Dimana :

Yt adalah nilai MA yang diprediksi

et adalah komponen eror

W adalah koefisien atau bobot

t-q… adalah nilai terdahulu dari white noise

Model autoregressive (AR)

Model ini digunakan untuk memprediksi Yt sebagai fungsi dari data

dimasa yang lalu, yakni t-1, t-2…t-n.

Yt = A1Yt-1 + A2Yt-2 … ApYt-p + et

Dimana :

Yt adalah nilai AR yang diprediksi

Ap adalah koefisien

Yt-p adalah nilai lag dari time sries

et adalah komponen eror

Model campuran (ARMA)

Model ini merupakan model gabungan persamaan dari AR dan MA.

Yt = A1Yt-1 + A2Yt-2 … ApYt-p + et + – W1et-1 - W2et-2 -…- Wqet-q

Secara garis besar, jika ingin melakukan peramalan dengan model

ARIMA ini, ada beberapa tahap yang harus dilalui, yaitu (1) terdapat

sejumlah data hasil observasi, yang dapat disebut sebagai data mentah,

(2) dari data yang ada, dilakukan proses identifikasi, (3) data diuji

apakah stasioner atau tidak, jika tidak stasioner, dilakukan proses

differencing lag 1, lag 2 dan seterusnya, (4) jika data terbukti telah

stasioner, lakukan pemilihan model yang tepat. Proses ini disebut

dengan identifikasi model tentatif.

Setelah mengidentifikasi pola data dan memilih model (yang sesuai dengan

pola data) yang akan digunakan dalam melakukan peramalan, langkah selanjutnya

atau hal yang perlu diperhatikan ialah mengukur ketepatan peramalan model

tersebut. Jika penggunaan model sudah dianggap benar, pemilihan model

peramalan terbaik sebaiknya didasarkan pada tingkat kesalahan prediksi dengan

cara menghitung kesalahan prediksi dari model-model tersebut. Menurut Hanke et

al (2003) dan Singgih (2009), dalam praktik ada beberapa alat ukur yang sering

digunakan untuk menghitung kesalahan prediksi, yaitu :

a. MAPE (Mean Absolute Percentage Error)

MAPE =

∑( ) t – Ft / At |

b. MAD (Mean Absolute Deviation)

MAD =

∑( ) t – Ft |

c. MSE (Mean Squared Error)

MSE =

∑( ) ( t – Ft )

2

21

Dimana :

At adalah data aktual pada waktu t

Ft adalah data ramalan pada waktu t

n adalah jumlah data

Pada dasarnya, ketiga rumus diatas mengukur seberapa jauh data hasil

ramalan berbeda dengan data asli atau aktualnya. Hal tersebut diperlihatkan dari

nilai eror yang tercantum pada masing-masing alat ukur. Kriteria yang digunakan

bersifat sederhana, jika semakin kecil nilai ketiga alat ukur tersebut, maka

semakin baik model peramalan yang digunakan. Dari ketiga alat ukur diatas,

penelitian ini menggunakan alat ukur MSE.

Kerangka Pemikiran Operasional

PT. Kebun Sayur Segar (Parung Farm) merupakan salah satu perusahaan

yang bergerak di bidang agribisnis sayuran hidroponik. Perusahaan ini terbilang

perusahaan perintis (agribisnis sayuran hidroponik) yang berdomisili di provinsi

Jawa Barat, khususnya di Kabupaten Bogor. Sayuran yang dihasilkan perusahaan

ini cukup beragam jenisnya, terdapat sekitar 5 hingga 10 jenis sayuran yang

masuk dalam kategori unggul diproduksi pada perusahaan ini.

Dalam praktik proses produksinya, PT. Kebun Sayur Segar (Parung Farm)

dipengaruhi oleh dua bagian penting dalam perusahaan, yaitu bagian pemasaran

dan bagian produksi. Bagian produksi akan melaksanakan proses produksinya,

jika telah mendapatkan angka prediksi permintaan sayuran yang dikeluarkan dari

bagian pemasaran, dimana bagian pemasaran mendapatkan prediksi tersebut dari

jumlah rata-rata permintaan konsumen yang telah lalu, namun prediksi tersebut

lebih bersifat subyektif dan juga kualitatif.

Dengan adanya prediksi secara subyektif diatas, perusahaan seringkali

dihadapkan pada kondisi peramalan yang tidak akurat, yang menyebabkan adanya

gap antara produksi dengan demand yang ada, serta perencanaan produksi yang

kurang tepat. Gap tersebut terjadi karena angka prediksi yang dikeluarkan oleh

bagian pemasaran ketika bagian produksi ingin melakukan penanaman sayuran,

berbeda dengan permintaan yang real ketika sayuran telah dipanen, dimana hal itu

dipengaruhi oleh komponen waktu (dari masa penanaman hingga panen) dan juga

dipengaruhi oleh fluktuasi permintaan konsumen terhadap sayuran.

Untuk mendapatkan perencanaan produksi yang lebih baik, perusahaan

membutuhkan peramalan yang lebih akurat dari sebelumnya, yaitu peramalan

yang bersifat kuantitatif. Peramalan kuantitatif pada penelitian ini menggunakan

model time series yang terdiri dari beberapa model yang akan dipilih berdasarkan

pola data dan setelah itu dilihat nilai eror (MSE) terkecil dari masing-masing

model untuk menentukan model terakurat yang akan digunakan dalam proses

peramalan. Setelah mendapatkan hasil ramalan, kemudian dilakukan perencanaan

produksi atau estimasi waktu tanam, panen dan jumlah yang harus diproduksi oleh

perusahaan untuk memenuhi permintaan konsumen berdasarkan hasil ramalan

yang telah dilakukan. Alur kerangka pemikiran penelitian ini dapat dilihat pada

Gambar 5.

22

Gambar 5 Kerangka Pemikiran Perencanaan Produksi Sayuran Hidroponik pada

PT. Kebun Sayur Segar (Parung Farm)

PT. PARUNG FARM

Produksi Pemasaran

Peramalan Jumlah Rata-Rata

Gap Supply dan Demand

Peramalan Kuantitatif

Uji Pola Data Nilai MSE Terkecil Model Time Series

Model Terakurat

Hasil Peramalan

Perencanaan Produksi

23

METODE PENELITIAN

Lokasi dan Waktu Penelitian

Penelitian ini dilaksanakan di PT. Kebun Sayur Segar (Parung Farm) yang

berlokasi di Jalan Raya Parung, Kecamatan Parung, Bogor, Jawa Barat. Pemilihan

lokasi ini dilakukan secara purposive dengan alasan PT. Kebun Sayur Segar

(Parung Farm) merupakan salah satu perusahaan agribisnis yang menjadi pionir

perusahaan yang melakukan teknik pembudidayaan dengan cara hidroponik di

Jawa Barat. Selain itu, pemilihan lokasi ini juga dipertimbangkan karena alasan

ketersediaan data dan permintaan pihak manajemen perusahaan untuk dilakukan

penelitian mengenai peramalan dan perencanaan produksi.

Penelitian ini dilakukan pada bulan Februari 2014 hingga Maret 2014,

dimana penelitian yang dilakukan meliputi pengumpulan data perusahaan yang

digunakan untuk keperluan pengolahan data penelitian.

Jenis dan Sumber Data

Data yang digunakan dalam penelitian ini ialah data primer dan data

sekunder, baik yang bersifat kualitatif maupun kuantitatif. Data primer diperoleh

melalui wawancara dan observasi secara langsung dengan pihak perusahaan

(direktur dan karyawan) untuk mengetahui sejarah perkembangan perusahaan,

profil perusahaan serta rangkaian kegiatan agribisnis mulai dari hulu hingga hilir.

Sedangkan data sekunder yang digunakan ialah data perkembangan

permintaan dan harga komoditas sayuran dimana data permintaan tersebut

merupakan permintaan keseluruhan dari konsumen dan pelanggan PT. Kebun

Sayur Segar (Parung Farm) yang didapat melalui laporan perusahaan. Selain itu,

data sekunder juga berupa studi literatur berupa jurnal, laporan penelitian, skripsi,

BPS, Departemen Pertanian, dan buku-buku yang relevan dengan penelitian.

Metode Pengolahan dan Analisis Data

Data dan informasi yang telah diperoleh kemudian diolah secara kuantitatif

dan kualitatif. Analisis data kuantitatif dilakukan dengan mengolah data

permintaan sayuran pada PT. Kebun Sayur Segar (Parung Farm) (dalam bentuk

angka-angka) dengan menggunakan program komputer berupa microsoft excel

dan minitab 16 dimana hasil olahan tersebut disajikan dalam bentuk tabel dan

grafik. Sedangkan analisis data kualitatif dilakukan dengan menguraikan dan

mendeskripsikan tabel dan grafik yang telah dihasilkan dari analisis secara

kuantitatif dengan menggunakan kata-kata.

Penelitian peramalan permintaan dan perencanaan produksi sayuran ini

dilakukan dengan menggunakan metode deret waktu (time series), yang terdiri

dari metode trend, naif (naive), rataan bergerak (moving average), pemulusan

(smoothing) eksponensial, dekomposisi dan ARIMA, dimana metode terpilih akan

digunakan dalam proses peramalan. Adapun tahapan dalam melakukan proses

peramalan dan perencanaan produksi yakni sebagai berikut :

24

1. Mengumpulkan data historis yang dibutuhkan dalam peramalan, seperti

data permintaan ataupun penjualan pada periode yang telah lalu.

2. Mengidentifikasi pola data yang terlihat secara visual plot untuk dapat

disimpulkan apakah pola data tersebut bersifat trend, musiman, siklikal,

atau acak.

3. Melakukan pengolahan data terhadap beberapa metode time series diatas

berdasarkan kesesuaian metode dengan pola data yang telah

diidentifikasi dan pengolahan tersebut dilakukan dengan bantuan

perangkat lunak minitab.

4. Mengevaluasi tingkat kesalahan masing-masing metode yang dilihat dari

kriteria MAD, MSE dan MAPE.

5. Memilih metode peramalan terakurat diantara beberapa metode yang

telah dicoba, dimana pemilihan metode tersebut didasarkan pada nilai

MSE yang terkecil (pada penelitian ini) yang menunjukkan kesalahan

terkecil yang berimplikasi pada akurasi yang semakin tinggi.

6. Angka peramalan dijadikan bahan pertimbangan bagi manajemen

perusahaan dalam hal perencanaan produksi terutama waktu tanam,

panen dan jumlah yang harus diproduksi.

HASIL DAN PEMBAHASAN

Gambaran Umum Perusahaan

Sejarah Perusahaan

Pada awalnya PT. Kebun Sayur Segar merupakan sebuah yayasan yang

bergerak dalam bidang pelatihan bercocok tanam secara hidroponik yang digagas

oleh Bapak Subagyo yang merupakan seorang pensiunan salah satu bank di

Indonesia. Yayasan tersebut dibentuk pada tahun 1997 yang melayani siapa saja

yang ingin mengetahui dan mempelajari secara lebih mendalam bercocok tanam

dengan cara hidroponik. Keberadaan yayasan ini mendapat sambutan yang cukup

baik oleh para peminat pelatihan, hal tersebut dibuktikan dengan adanya hasil

produksi yang melimpah ruah dari setiap pelatihan yang dilakukan. Seiring

berjalannya waktu, pihak yayasan merasa hasil produk pelatihan yang melimpah

ruah tersebut bersifat sia-sia atau kurang memiliki nilai ekonomi yang lebih

karena tidak ada tindak lanjut setelah tanaman yang ditanam tersebut mengalami

panen. Berdasarkan pertimbangan kondisi diatas, pihak yayasan memiliki inisiatif

untuk menjadikan produk hasil pelatihan menjadi produk yang memiliki nilai

komersil. Oleh karena itu, secara resmi pada Juni 2003 yayasan ini berubah

bentuk menjadi sebuah badan hukum Perseroan Terbatas yang bernama PT.

Kebun Sayur Segar dengan brand Parung Farm.

Awalnya, produk yang dijual PT. Kebun Sayur Segar dengan brand Parung

Farm hanya terbatas pada beberapa jenis sayuran hidroponik seperti bayam,

kangkung dan selada yang dipasarkan pada pasar-pasar tertentu, namun pada

perkembangannya dengan keunggulan produk yang bebas pestisida, produk-

produk PT. Kebun Sayur Segar dapat ditemui pada hampir semua supermarket

dan hypermarket di Jabodetabek dan Bandung dengan pilihan jenis sayuran yang

sudah semakin beragam.

25

Dalam perkembangan selanjutnya, untuk memenuhi kebutuhan pasar yang

menghendaki produk sayuran yang dibudidayakan secara organik, karena

keyakinan konsumen bahwa produk organik lebih sehat dan alami dimulai dari

pupuknya yang semuanya berasal dari alam dan tanpa menggunakan pestisida

kimiawi, PT. Kebun Sayur Segar juga membudidayakan sayuran secara organik

pada tahun 2006/2007 di daerah Cugenang, Cianjur, serta melakukan kemitraan

dengan beberapa petani untuk menjamin kekontinuan produksi.

Selain itu, pada tahun 2010 PT. Kebun Sayur Segar (Parung Farm) telah

berhasil mendapatkan sertifikat organik dari PT. Mutu Agung Lestari yang

merupakan salah satu lembaga akreditasi yang telah diakui dan disahkan oleh

Komite Akreditasi Nasional (KAN) dan PT. Kebun Sayur Segar (Parung Farm) ini

merupakan produsen sayuran berdaun (leafy vegetables) di Indonesia yang

pertama yang memperoleh sertifikat organik tersebut.

Sebagai informasi tambahan, PT. Kebun Sayur Segar (Parung Farm)

merupakan satu-satunya perusahaan yang lahan budidaya hidroponiknya bebas

dikunjungi oleh umum tanpa dipungut biaya. Lahan perusahaan ini terdapat di Jl.

Raya Parung No. 546 dan Cianjur, Jawa Barat. Sejak berdiri, ratusan bahkan

ribuan pengunjung telah mengunjungi kebun perusahaan ini, baik itu yang berasal

dari golongan pebisnis, peneliti hingga pelajar yang ingin mengetahui bercocok

tanam dengan sistem hidroponik. Hingga saat ini, PT. Kebun Sayur Segar (Parung

Farm) masih terus mengadakan pelatihan bagi mereka yang ingin belajar bercocok

tanam sistem hidroponik dengan didampingi oleh pelatih-pelatih yang profesional

dan kompeten.

Input Produksi

Dalam melakukan proses budidayanya, PT. Kebun Sayur Segar (Parung

Farm) memperoleh saprodi berupa bibit dan pupuk dari mitra yang memang sudah

memiliki karakteristik yang sesuai dengan apa yang diinginkan oleh perusahaan

dan telah bekerjasama dengan berasaskan kepercayaan satu sama lain. Lahan yang

digunakan terbagi atas dua tempat, yakni lahan yang berada di Parung dan lahan

yang berada di Cianjur. Lahan Parung memiliki luas lahan sekitar 4 ha dengan

luas efektif yang digunakan sekitar 2000 m2 dalam bentuk greenhouse untuk

budidaya tanaman hidroponik. Sedangkan lahan Cianjur yang efektif digunakan

sekitar 1 ha dalam bentuk greenhouse untuk budidaya tanaman hidroponik dan

sekitar 2 ha untuk budidaya tanaman organik. Selain itu, dalam budidaya secara

hidroponik dibutuhkan saprodi lain berupa kit hidroponik dan peralatan teknis

lainnya, dimana kit hidroponik dan peralatan tersebut mampu dibuat sendiri oleh

perusahaan ini dengan tenaga kerja yang berjumlah sekitar 80 orang.

Budidaya (On Farm)

Proses budidaya tanaman pada perusahaan ini secara garis besar dilakukan

di dalam greenhouse yangmana greenhouse tersebut dibagi kedalam kamar-kamar

dengan ukuran satu kamar sekitar 8-12 meter. Kamar tersebut sebelumnya telah

dialiri air yang bernutrisi khusus untuk tanaman hidroponik serta telah diatur jarak

tanamnya untuk menghasilkan pertumbuhan yang optimal. Bibit yang akan

ditanam terlebih dahulu harus disemai dalam waktu 10-20 hari tergantung jenis

dan karakteristik bibit sayuran tersebut. Setelah selesai proses penyemaian, bibit

memasuki tahap produksi yang memakan waktu 20-30 hari sebelum dapat dipanen.

26

Proses pemanenan pada perusahaan ini dilakukan jika umur tanaman tepat

memasuki umur panen, kalaupun permintaan sedang tinggi dan produksi

mengalami kekurangan, maka tanaman lain dapat dipanen maksimal dua hari

sebelum hari panen, karena jika lewat dari itu sudah terdapat selisih bobot pada

hasil panen yang berimplikasi pada kuantitas per pak yang akan dipasarkan. PT.

Kebun Sayur Segar ini dalam sebulan dapat menghasilkan produk sebanyak 17-20

ton baik organik maupun hidroponik.

Pasca Panen

Kegiatan pasca panen pada perusahaan ini lebih difokuskan pada proses

sortasi, grading dan pengemasan (packing). Proses sortasi dan grading dilakukan

dengan cara memilah sayur-mayur yang berkualitas baik hingga kurang baik.

Proses ini dilakukan manual melalui visual yang dapat dilihat dari ukuran, bentuk

dan warna sayuran. Adapun persyaratan yang diinginkan perusahaan ini terhadap

pihak mitra adalah sayur-mayur harus berkualitas baik, bentuk dan warna menarik,

sesuai antara umur panen dengan varietas, tidak cacat, rasa dan bau yang khas

sayur-mayur serta bebas pestisida.

Proses pengemasan (packing) diawali dengan penimbangan masing-masing

sayuran dimana untuk satu pak yang dipasarkan memiliki bobot 250 gram. Setelah

melalui proses penimbangan, sayuran dikemas dengan menggunakan plastik yang

dibuat khusus oleh PT. Kebun Sayur Segar dengan brand Parung Farm.

Selanjutnya sayur-mayur pun siap untuk didistribusikan dengan menggunakan alat

transportasi berupa truk (dengan cool box) yang dimiliki oleh perusahaan ini.

Pemasaran

Kegiatan pemasaran yang ada di PT. Kebun Sayur Segar (Parung Farm)

terbilang sudah berjalan cukup baik, hal tersebut dapat dilihat dari konsep 4P

(product, price, place dan promotion) yang sudah berjalan sesuai dengan

kapasitasnya masing-masing dan sesuai dengan apa yang diharapkan oleh pihak

perusahaan dan juga pihak kemitraan dari perusahaan ini.

Product yang terdapat pada PT. Kebun Sayur Segar (Parung Farm) terbilang

cukup beragam jenis sayurannya seperti bayam hijau dan merah, berbagai macam

jenis selada, tomat, kangkung dan puluhan jenis sayuran lainnya yang memiliki

keunggulan bebas pestisida serta telah memiliki brand tersendiri yakni Parung

Farm yang membuat para konsumen yakin dan percaya akan produk-produk yang

dipasarkan oleh perusahaan ini.

Price atau harga yang ditetapkan untuk satu pak sayur berbobot 250 gram

berkisar antara Rp13 000 hingga Rp15 000 tergantung dari jenis sayurannya, dan

harga tersebut terbilang cukup terjangkau untuk ukuran sayuran yang terbebas dari

penggunaan pestisida. Secara geografis, pangsa pasar yang dilayani oleh

perusahaan ini lebih banyak terkonsentrasi di wilayah Jabodetabek dan Bandung

yakni pada hypermarket dan supermarket seperti Carrefour, Sogo, Giant, Hero

dan lain sebagainya dengan sistem pemesanan perhari. Promosi yang dilakukan

yakni melalui website perusahaan serta melalui mouth by mouth dari para

konsumen yang telah setia pada produk-produk perusahaan ini.

27

Peramalan Permintaan Bayam Hijau

Identifikasi Pola Permintaan Bayam Hijau

Berdasarkan gambar 6, pola permintaan harian komoditi bayam hijau yang

dimulai dari periode awal Januari 2011 hingga akhir Februari 2014 pada PT.

Kebun Sayur Segar (Parung Farm) mengalami fluktuasi yang cenderung berpola

musiman disertai adanya tren. Hal tersebut didukung dengan sebaran data

permintaan yang tidak stasioner yang terlihat pada plot ACF (Lampiran 1) nilai

koefisien autokorelasi beberapa lag awal masih berbeda nyata dengan nol. Pola

tren terlihat dari nilai koefisien autokorelasi yang berbeda nyata dengan nol untuk

beberapa lag awal dan secara bertahap turun mendekati nol. Pola musiman terlihat

dari nilai koefisien autokorelasi pada setiap kelipatan lag ketujuh yang lebih tinggi

dibanding nilai koefisien autokorelasi pada lag sebelumnya. Menurut Direktur

Produksi PT. Kebun Sayur Segar (Parung Farm), pola musiman tersebut terjadi

karena permintaan riil dari konsumen perusahaan ini cenderung meningkat setiap

menjelang weekend, dan kondisi tersebut berulang secara otomatis.

115010359208056905754603452301151

900

800

700

600

500

400

300

200

100

0

Index

OR

DER

BA

YA

M H

IJA

U

Time Series Plot of ORDER BAYAM HIJAU

Gambar 6 Pola Permintaan Bayam Hijau

Metode Peramalan Permintaan Bayam Hijau

Berdasarkan identifikasi pola data permintaan bayam hijau, menunjukkan

bahwa pola data tersebut bersifat musiman disertai adanya tren. Menurut Santoso

(2009), metode peramalan time series yang cocok dengan pola data tersebut

adalah model dekomposisi multiplikatif, dekomposisi aditif, pemulusan

eksponensial winter dan model ARIMA. Setelah diketahui nilai akurasi kesalahan

(error) terkecil dari semua metode peramalan time series yang digunakan dengan

melihat nilai MSE (Mean Square Error), maka akan diketahui metode peramalan

terbaik untuk meramalkan permintaan bayam hijau lima bulan kedepan. Pada

28

Tabel 5 dapat dilihat perbandingan dari masing-masing nilai akurasi kesalahan

dari setiap metode yang digunakan pada penelitian ini.

Tabel 5 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Bayam

Hijau

No. Metode Peramalan MSE

1. ARIMA (111)(112)7

5377

2. ARIMA (111)(111)7

5379

3. ARIMA (112)(111)7

5380

4. Pemulusan Eksponensial

Winter (Multiplikatif) 8321

5. Dekomposisi

Multiplikatif 8731.03

6. Dekomposisi Aditif 8731.65

7. Pemulusan Eksponensial

Winter (Aditif) 12816

Berdasarkan penerapan beberapa metode yang disajikan pada Tabel 5, maka

metode yang dianggap paling cocok untuk meramalkan permintaan bayam hijau

pada PT. Kebun Sayur Segar (Parung Farm) adalah model ARIMA (111)(112)7.

Hal ini dikarenakan model tersebut merupakan model dengan nilai MSE terkecil,

yakni sebesar 5377 yang kemudian diikuti dengan model-model lainnya.

Peramalan Permintaan Bayam Hijau

Proses peramalan dengan menggunakan model ARIMA didasarkan atas

beberapa tahapan. Pertama, identifikasi pola data. Pola permintaan bayam hijau

dikatakan masih berbeda nyata dengan nol, oleh karena itu perlu dilakukan proses

differencing. Setelah dilakukan proses differencing, langkah selanjutnya ialah

estimasi parameter untuk mendapatkan model-model yang akan dicoba untuk

dilakukan peramalan (trial by error). Secara tentatif maka diperoleh beberapa

model alternatif sementara, yaitu ARIMA (111)(112)7, ARIMA (111)(111)

7 dan

ARIMA (112)(111)7. Setelah proses estimasi model, selanjutnya dilakukan

evaluasi untuk memastikan apakah model yang diestimasi sudah baik atau belum.

Model tersebut harus diuji parameter yang diestimasi berbeda nyata dengan nol.

Hal ini dapat dilihat dari nilai P-value yang kurang dari α (0.05). Setelah diuji

parameternya, model ARIMA (111)(112)7 bernilai valid dimana P-value bernilai

0.000 yang dapat diartikan bahwa model tersebut berbeda nyata dengan nol

dengan nilai MSE sebesar 5377. Tahap terakhir ialah meramalkan permintaan

bayam hijau untuk periode lima bulan kedepan. Hasil peramalan dengan model

ARIMA (111)(112)7 dapat dilihat pada Lampiran 3.

Berdasarkan hasil perhitungan model ARIMA (111)(112)7, diketahui bahwa

permintaan bayam hijau yang diprediksi pada periode lima bulan kedepan cukup

berfluktuasi. Hal ini dapat dilihat pada jumlah permintaan dari hari ke hari yang

mengalami kenaikan dan penurunan secara bergantian. Pada hari-hari di bulan

Maret, April dan Mei, permintaan bayam hijau cenderung naik turun pada jumlah

permintaan yang berkisar 300 sampai 400 pak, namun pada hari-hari di bulan Juni

dan Juli, permintaan bayam hijau beranjak meningkat hingga mencapai 480 pak di

hari-hari akhir bulan Juli. Peningkatan permintaan tersebut bisa disebabkan oleh

29

pola konsumsi sayuran dari konsumen PT. Kebun Sayur Segar (Parung Farm)

meningkat seiring datangnya bulan Ramadhan dan hari lebaran.

Peramalan Permintaan Kangkung

Identifikasi Pola Permintaan Kangkung

Jika dilihat dari gambar 7, pola permintaan harian komoditi kangkung yang

dimulai dari periode awal Januari 2011 hingga akhir Februari 2014 pada PT.

Kebun Sayur Segar (Parung Farm) tak jauh berbeda dengan bayam hijau, terdapat

fluktuasi yang cenderung permintaan berpola musiman disertai adanya tren. Hal

tersebut didukung dengan sebaran data permintaan yang tidak stasioner yang

terlihat pada plot ACF (Lampiran 4) nilai koefisien autokorelasi beberapa lag awal

masih berbeda nyata dengan nol. Pola tren terlihat dari nilai koefisien autokorelasi

yang berbeda nyata dengan nol untuk beberapa lag awal dan secara bertahap turun

mendekati nol. Pola musiman terlihat dari nilai koefisien autokorelasi pada setiap

kelipatan lag ketujuh yang lebih tinggi dibanding nilai koefisien autokorelasi pada

lag sebelumnya. Pola musiman tersebut berulang secara otomatis yang diduga

bahwa permintaan konsumen PT. Kebun Sayur Segar (Parung Farm) akan

komoditi kangkung meningkat setiap menjelang akhir pekan, yakni diantara hari

kamis dan jumat.

115010359208056905754603452301151

800

700

600

500

400

300

200

100

0

Index

OR

DER

KA

NG

KU

NG

Time Series Plot of ORDER KANGKUNG

Gambar 7 Pola Permintaan Kangkung

Metode Peramalan Permintaan Kangkung

Berdasarkan identifikasi pola data permintaan kangkung, menunjukkan

bahwa pola data tersebut bersifat musiman disertai adanya tren. Menurut Santoso

(2009), metode peramalan time series yang cocok dengan pola data tersebut

adalah model dekomposisi multiplikatif, dekomposisi aditif, pemulusan

30

eksponensial winter dan model ARIMA. Setelah diketahui nilai akurasi kesalahan

(error) terkecil dari semua metode peramalan time series yang digunakan dengan

melihat nilai MSE (Mean Square Error), maka akan diketahui metode peramalan

terbaik untuk meramalkan permintaan kangkung lima bulan kedepan. Pada Tabel

6 dapat dilihat perbandingan dari masing-masing nilai akurasi kesalahan dari

setiap metode yang digunakan pada penelitian ini.

Tabel 6 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Kangkung

No. Metode Peramalan MSE

1. ARIMA (012)(012)7

3590

2. ARIMA (112)(112)7

3592

3. ARIMA (012)(112)7

3594

4. Pemulusan Eksponensial

Winter (Aditif) 6472.68

5. Dekomposisi Aditif 6897.06

6. Dekomposisi

Multiplikatif 6899

7. Pemulusan Eksponensial

Winter (Multiplikatif) 23267

Berdasarkan penerapan beberapa metode yang disajikan pada Tabel 6, maka

metode yang dianggap paling cocok untuk meramalkan permintaan kangkung

pada PT. Kebun Sayur Segar (Parung Farm) adalah model ARIMA (012)(012)7.

Hal ini dikarenakan model tersebut merupakan model dengan nilai MSE terkecil,

yakni sebesar 3590 yang kemudian diikuti dengan model-model lainnya.

Peramalan Permintaan Kangkung

Proses peramalan dengan menggunakan model ARIMA didasarkan atas

beberapa tahapan. Pertama, identifikasi pola data. Pola permintaan kangkung

dikatakan masih berbeda nyata dengan nol, oleh karena itu perlu dilakukan proses

differencing. Setelah dilakukan proses differencing, langkah selanjutnya ialah

estimasi parameter untuk mendapatkan model-model yang akan dicoba untuk

dilakukan peramalan (trial by error). Secara tentatif maka diperoleh beberapa

model alternatif sementara, yaitu ARIMA (012)(012)7, ARIMA (112)(112)

7 dan

ARIMA (012)(112)7. Setelah proses estimasi model, selanjutnya dilakukan

evaluasi untuk memastikan apakah model yang diestimasi sudah baik atau belum.

Model tersebut harus diuji parameter yang diestimasi berbeda nyata dengan nol.

Hal ini dapat dilihat dari nilai P-value yang kurang dari α (0.05). Setelah diuji

parameternya, model ARIMA (012)(012)7 bernilai valid dimana P-value bernilai

kurang dari 0.05 yang dapat diartikan bahwa model tersebut berbeda nyata dengan

nol dengan nilai MSE sebesar 3590. Tahap terakhir ialah meramalkan permintaan

kangkung untuk periode lima bulan kedepan. Hasil peramalan dengan model

ARIMA (012)(012)7 dapat dilihat pada Lampiran 6.

Berdasarkan hasil perhitungan model ARIMA (012)(012)7, diketahui bahwa

permintaan kangkung yang diprediksi pada periode lima bulan kedepan cukup

berfluktuasi. Hal ini dapat dilihat pada jumlah permintaan dari hari ke hari yang

mengalami kenaikan dan penurunan secara bergantian. Permintaan kangkung pada

hari-hari di bulan Maret, April, Mei dan Juni 2014, cenderung naik turun pada

31

jumlah permintaan yang berkisar 220 sampai 270 pak, namun pada hari-hari di

akhir bulan Juli, permintaan kangkung beranjak meningkat hingga mencapai 302

pak. Peningkatan permintaan tersebut bisa disebabkan karena bulan Juli

merupakan bulan Ramadhan dan terdapat hari lebaran yang memungkinkan

permintaan akan sayuran (kangkung) meningkat dari hari-hari biasanya.

Peramalan Permintaan Romaine

Identifikasi Pola Permintaan Romaine

Gambar 8 menunjukkan bahwa pola permintaan harian komoditi romaine

yang dimulai dari periode awal Januari 2011 hingga akhir Februari 2014 pada PT.

Kebun Sayur Segar (Parung Farm) tak jauh berbeda dengan bayam hijau dan

kangkung, terdapat fluktuasi yang cenderung permintaan berpola musiman

disertai adanya tren. Hal tersebut didukung dengan sebaran data permintaan yang

tidak stasioner yang terlihat pada plot ACF (Lampiran 7) nilai koefisien

autokorelasi beberapa lag awal masih berbeda nyata dengan nol. Pola tren terlihat

dari nilai koefisien autokorelasi yang berbeda nyata dengan nol untuk beberapa

lag awal dan secara bertahap turun mendekati nol. Pola musiman terlihat dari nilai

koefisien autokorelasi pada setiap kelipatan lag ketujuh yang lebih tinggi

dibanding nilai koefisien autokorelasi pada lag sebelumnya. Pola musiman pada

komoditi romaine ini juga diduga dengan adanya permintaan konsumen PT.

Kebun Sayur Segar (Parung Farm) yang selalu meningkat pada setiap hari hari

menjelang akhir pekan seperti hari kamis dan jumat yang diindikasikan sebagai

hari menjelang libur dari aktivitas perkantoran.

115010359208056905754603452301151

500

400

300

200

100

0

Index

OR

DER

RO

MA

INE

Time Series Plot of ORDER ROMAINE

Gambar 8 Pola Permintaan Romaine

32

Metode Peramalan Permintaan Romaine

Berdasarkan identifikasi pola data permintaan romaine, menunjukkan

bahwa pola data tersebut bersifat musiman disertai adanya tren. Menurut Santoso

(2009), metode peramalan time series yang cocok dengan pola data tersebut

adalah model dekomposisi multiplikatif, dekomposisi aditif, pemulusan

eksponensial winter dan model ARIMA. Setelah diketahui nilai akurasi kesalahan

(error) terkecil dari semua metode peramalan time series yang digunakan dengan

melihat nilai MSE (Mean Square Error), maka akan diketahui metode peramalan

terbaik untuk meramalkan permintaan romaine lima bulan kedepan. Pada Tabel 7

dapat dilihat perbandingan dari masing-masing nilai akurasi kesalahan dari setiap

metode yang digunakan pada penelitian ini.

Tabel 7 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Romaine

No. Metode Peramalan MSE

1. ARIMA (111)(112)7

2924

2. ARIMA (212)(212)7

2929

3. ARIMA (111)(111)7

2931

4. Pemulusan Eksponensial

Winter (Aditif) 4747.07

5. Dekomposisi Aditif 5692.44

6. Dekomposisi

Multiplikatif 5692.80

7. Pemulusan Eksponensial

Winter (Multiplikatif) 32298

Berdasarkan penerapan beberapa metode yang disajikan pada Tabel 7, maka

metode yang dianggap paling cocok untuk meramalkan permintaan romaine pada

PT. Kebun Sayur Segar (Parung Farm) adalah model ARIMA (111)(112)7. Hal ini

dikarenakan model tersebut merupakan model dengan nilai MSE terkecil, yakni

sebesar 2924 yang kemudian diikuti dengan model-model lainnya.

Peramalan Permintaan Romaine

Proses peramalan dengan menggunakan model ARIMA didasarkan atas

beberapa tahapan. Pertama, identifikasi pola data. Pola permintaan romaine

dikatakan masih berbeda nyata dengan nol, oleh karena itu perlu dilakukan proses

differencing. Setelah dilakukan proses differencing, langkah selanjutnya ialah

estimasi parameter untuk mendapatkan model-model yang akan dicoba untuk

dilakukan peramalan (trial by error). Secara tentatif maka diperoleh beberapa

model alternatif sementara, yaitu ARIMA (111)(112)7, ARIMA (212)(212)

7 dan

ARIMA (111)(111)7. Setelah proses estimasi model, selanjutnya dilakukan

evaluasi untuk memastikan apakah model yang diestimasi sudah baik atau belum.

Model tersebut harus diuji parameter yang diestimasi berbeda nyata dengan nol.

Hal ini dapat dilihat dari nilai P-value yang kurang dari α (0.05). Setelah diuji

parameternya, model ARIMA (111)(112)7 bernilai valid dimana P-value bernilai

0.000 yang dapat diartikan bahwa model tersebut berbeda nyata dengan nol

dengan nilai MSE sebesar 2924. Tahap terakhir ialah meramalkan permintaan

romaine untuk periode lima bulan kedepan. Hasil peramalan dengan model

ARIMA (111)(112)7 dapat dilihat pada Lampiran 9.

33

Berdasarkan hasil perhitungan model ARIMA (111)(112)7, diketahui bahwa

permintaan romaine yang diprediksi pada periode lima bulan kedepan cukup

berfluktuasi. Hal ini dapat dilihat pada jumlah permintaan dari hari ke hari yang

mengalami kenaikan dan penurunan secara bergantian. Permintaan romaine pada

hari-hari di bulan Maret, April, Mei, Juni dan Juli 2014, cenderung naik turun

pada jumlah permintaan yang berkisar antara 100 sampai 148 pak.

Perencanaan Produksi

Suatu proses peramalan dilakukan untuk dapat mengetahui dan menerka

keadaan dimasa yang akan datang yang penuh dengan ketidakpastian, dengan

mengetahui kondisi dimasa yang akan datang, tentunya terdapat antisipasi yang

akan dilakukan oleh suatu perusahaan terhadap kondisi tersebut, baik maupun

buruk. Antisipasi yang dilakukan nantinya akan diorientasikan pada tindakan yang

dapat menghindari perusahaan dari keadaan yang merugikan atau melakukan

tindakan yang akan meningkatkan keuntungan.

Pada penelitian ini, peramalan yang dilakukan lebih difokuskan pada

proyeksi angka permintaan konsumen akan sayuran hidroponik di PT. Kebun

Sayur Segar (Parung Farm) pada masa yang akan datang. Dengan meramal

bagaimana pergerakan permintaan konsumen, maka peramalan tersebut akan

berimplikasi pada tindakan pihak manajerial perusahaan untuk menentukan kapan

waktu tanam yang tepat, waktu panen dan jumlah yang harus diproduksi agar

permintaan tersebut dapat dipenuhi secara optimal oleh perusahaan.

Berdasarkan hasil peramalan ketiga komoditi yang diteliti, yakni bayam

hijau, kangkung dan romaine, rata-rata menunjukkan bahwa permintaan

meningkat atau memuncak pada hari-hari akhir di bulan Juli 2014, dimana hari-

hari tersebut merupakan hari-hari menjelang lebaran yang biasanya permintaan

akan sayuran meningkat dari permintaan hari biasa. Dengan mengetahui waktu

permintaan akan memuncak dari proses peramalan, maka dapat dibuat estimasi

kapan sebaiknya proses penanaman dilakukan dengan memperhatikan

karakteristik dari masing-masing komoditi. Berikut akan disajikan perencanaan

produksi dari ketiga komoditi yang diteliti.

Perencanaan Produksi Bayam Hijau (Maret 2014)

Bayam hijau memiliki waktu budidaya sekitar 38 sampai 40 hari sebelum

memasuki masa panen, dengan rincian 10 hari awal dilakukan proses penyemaian

benih, 10 hari selanjutnya adalah masa tanam bibit, dan 18 hingga 20 hari

berikutnya memasuki masa produksi bibit, kemudian setelah itu memasuki masa

panen selama dua sampai tiga hari. Luas lahan maksimal perhari untuk bayam

hijau ialah 72 m2, jika permintaan puncak melebihi angka tersebut, maka

dilakukan penarikan panen produksi yang seharusnya akan dipanen pada esok hari.

Hal itu dilakukan untuk memenuhi permintaan yang melebihi kapasitas produksi

tersebut. Berdasarkan hasil peramalan pada Tabel 8, permintaan bayam hijau pada

bulan Maret 2014 cukup fluktuatif yang berkisar pada angka 317 hingga 422 pak

perhari. Permintaan bayam hijau yang cenderung tinggi pada bulan Maret 2014 ini

diperkirakan berada pada tanggal 21 dan 28 Maret 2014 yang mencapai

permintaan masing-masing 419 dan 422 pak atau setara dengan luas tanam 70 m2.

Hal itu dapat dilihat pada grafik dibawah ini.

34

Gambar 9 Perencanaan Produksi Bayam Hijau (Maret 2014)

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi bayam hijau dengan didasarkan pada karakteristiknya untuk memenuhi

permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk

memenuhi permintaan pada tanggal 21 Maret 2014, perusahaan mulai melakukan

penyemaian pada tanggal 10 Februari 2014, memasuki masa tanam pada tanggal

20 Februari 2014 dengan jumlah bibit yang ditanam seluas 70 m2, memasuki masa

produksi pada tanggal 2 Maret 2014 dan memanen pada tanggal 20 Maret 2014

sebanyak 104.75 kg, (2) perencanaan produksi untuk memenuhi permintaan pada

tanggal 28 Maret 2014, perusahaan mulai melakukan penyemaian pada tanggal 17

Februari 2014, memasuki masa tanam pada tanggal 27 Februari 2014 dengan

jumlah bibit yang ditanam seluas 70 m2, memasuki masa produksi pada tanggal 9

Maret 2014 dan memanen pada tanggal 27 Maret 2014 sebanyak 105.5 kg.

Permintaan puncak pada bulan ini setara dengan luas 70 m2, dan angka

tersebut masih berada dalam jangkauan luas lahan maksimal perhari untuk bayam

hijau, yakni 72 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh

perusahaan ini tanpa harus melakukan penarikan panen produksi yang seharusnya

akan dipanen pada esok hari.

50525456586062646668707274767880

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

35

Tabel 8 Perencanaan Produksi Bayam Hijau (Maret 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 317 79.25 53 - 31/01/14 10/02/14 28/02/14 2 364 91 61 - 01/02/14 11/02/14 01/03/14

3 352 88 59 - 02/02/14 12/02/14 02/03/14

4 389 97.25 65 - 03/02/14 13/02/14 03/03/14 5 346 86.5 58 - 04/02/14 14/02/14 04/03/14

6 385 96.25 64 - 05/02/14 15/02/14 05/03/14

7 414 103.5 69 - 06/02/14 16/02/14 06/03/14 8 325 81.25 54 - 07/02/14 17/02/14 07/03/14

9 368 92 61 - 08/02/14 18/02/14 08/03/14

10 358 89.5 60 - 09/02/14 19/02/14 09/03/14 11 394 98.5 66 - 10/02/14 20/02/14 10/03/14

12 349 87.25 58 - 11/02/14 21/02/14 11/03/14 13 390 97.5 65 - 12/02/14 22/02/14 12/03/14

14 416 104 69 - 13/02/14 23/02/14 13/03/14

15 329 82.25 55 - 14/02/14 24/02/14 14/03/14 16 372 93 62 - 15/02/14 25/02/14 15/03/14

17 361 90.25 60 - 16/02/14 26/02/14 16/03/14

18 398 99.5 66 - 17/02/14 27/02/14 17/03/14

19 352 88 59 - 18/02/14 28/02/14 18/03/14

20 393 98.25 66 - 19/02/14 01/03/14 19/03/14

21 419 104.75 70 - 20/02/14 02/03/14 20/03/14 22 332 83 55 - 21/02/14 03/03/14 21/03/14

23 375 93.75 63 - 22/02/14 04/03/14 22/03/14

24 365 91.25 61 - 23/02/14 05/03/14 23/03/14 25 401 100.25 67 - 24/02/14 06/03/14 24/03/14

26 355 88.75 59 - 25/02/14 07/03/14 25/03/14

27 396 99 66 - 26/02/14 08/03/14 26/03/14 28 422 105.5 70 - 27/02/14 09/03/14 27/03/14

29 336 84 56 - 28/02/14 10/03/14 28/03/14

30 379 94.75 63 - 01/03/14 11/03/14 29/03/14 31 368 92 61 - 02/03/14 12/03/14 30/03/14

Perencanaan Produksi Bayam Hijau (April 2014)

Berdasarkan hasil peramalan pada Tabel 9, permintaan bayam hijau pada

bulan April 2014 cukup fluktuatif yang berkisar pada angka 339 hingga 436 pak

perhari. Permintaan bayam hijau yang cenderung tinggi pada bulan April 2014 ini

diperkirakan berada pada tanggal 18 dan 25 April 2014 yang mencapai

permintaan masing-masing 432 dan 436 pak atau setara dengan luas tanam 72 dan

73 m2. Hal itu dapat dilihat pada grafik dibawah ini.

Gambar 10 Perencanaan Produksi Bayam Hijau (April 2014)

50525456586062646668707274767880

1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

36

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi bayam hijau dengan didasarkan pada karakteristiknya untuk memenuhi

permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk

memenuhi permintaan pada tanggal 18 April 2014, perusahaan mulai melakukan

penyemaian pada tanggal 10 Maret 2014, memasuki masa tanam pada tanggal 20

Maret 2014 dengan jumlah bibit yang ditanam seluas 72 m2, memasuki masa

produksi pada tanggal 30 Maret 2014 dan memanen pada tanggal 17 April 2014

sebanyak 108 kg, (2) perencanaan produksi untuk memenuhi permintaan pada

tanggal 25 April 2014, perusahaan mulai melakukan penyemaian pada tanggal 17

Maret 2014, memasuki masa tanam pada tanggal 27 Maret 2014 dengan jumlah

bibit yang ditanam seluas 73 m2, memasuki masa produksi pada tanggal 6 April

2014 dan memanen pada tanggal 24 April 2014 sebanyak 109 kg.

Permintaan puncak pada bulan ini setara dengan luas 73 m2, dan angka

tersebut berada diluar jangkauan luas lahan maksimal perhari untuk bayam hijau,

yakni 72 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh

perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya

akan dipanen pada esok hari seluas 1 m2.

Tabel 9 Perencanaan Produksi Bayam Hijau (April 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 405 101.25 68 - 03/03/14 13/03/14 31/03/14

2 359 89.75 60 - 04/03/14 14/03/14 01/04/14

3 400 100 67 - 05/03/14 15/03/14 02/04/14 4 426 106.5 71 - 06/03/14 16/03/14 03/04/14

5 339 84.75 57 - 07/03/14 17/03/14 04/04/14

6 382 95.5 64 - 08/03/14 18/03/14 05/04/14 7 371 92.75 62 - 09/03/14 19/03/14 06/04/14

8 408 102 68 - 10/03/14 20/03/14 07/04/14

9 362 90.5 60 - 11/03/14 21/03/14 08/04/14 10 403 100.75 67 - 12/03/14 22/03/14 09/04/14

11 429 107.25 72 - 13/03/14 23/03/14 10/04/14

12 343 85.75 57 - 14/03/14 24/03/14 11/04/14 13 386 96.5 64 - 15/03/14 25/03/14 12/04/14

14 375 93.75 63 - 16/03/14 26/03/14 13/04/14

15 412 103 69 - 17/03/14 27/03/14 14/04/14 16 366 91.5 61 - 18/03/14 28/03/14 15/04/14

17 407 101.75 68 - 19/03/14 29/03/14 16/04/14

18 432 108 72 - 20/03/14 30/03/14 17/04/14 19 346 86.5 58 - 21/03/14 31/03/14 18/04/14

20 389 97.25 65 - 22/03/14 01/04/14 19/04/14

21 378 94.5 63 - 23/03/14 02/04/14 20/04/14 22 415 103.75 69 - 24/03/14 03/04/14 21/04/14

23 369 92.25 62 - 25/03/14 04/04/14 22/04/14

24 410 102.5 68 - 26/03/14 05/04/14 23/04/14 25 436 109 73 1 27/03/14 06/04/14 24/04/14

26 349 87.25 58 - 28/03/14 07/04/14 25/04/14

27 392 98 65 - 29/03/14 08/04/14 26/04/14 28 382 95.5 64 - 30/03/14 09/04/14 27/04/14

29 418 104.5 70 - 31/03/14 10/04/14 28/04/14

30 372 93 62 - 01/04/14 11/04/14 29/04/14

Perencanaan Produksi Bayam Hijau (Mei 2014)

Berdasarkan hasil peramalan pada Tabel 10, permintaan bayam hijau pada

bulan Mei 2014 cukup fluktuatif yang berkisar pada angka 353 hingga 453 pak

perhari. Permintaan bayam hijau yang cenderung tinggi pada bulan Mei 2014 ini

diperkirakan berada pada tanggal 23 dan 30 Mei 2014 yang mencapai permintaan

masing-masing 449 dan 453 pak atau setara dengan luas tanam 75 dan 76 m2. Hal

itu dapat dilihat pada grafik dibawah ini.

37

Gambar 11 Perencanaan Produksi Bayam Hijau (Mei 2014)

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi bayam hijau dengan didasarkan pada karakteristiknya untuk memenuhi

permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk

memenuhi permintaan pada tanggal 23 Mei 2014, perusahaan mulai melakukan

penyemaian pada tanggal 14 April 2014, memasuki masa tanam pada tanggal 24

April 2014 dengan jumlah bibit yang ditanam seluas 75 m2, memasuki masa

produksi pada tanggal 4 Mei 2014 dan memanen pada tanggal 22 Mei 2014

sebanyak 112.25 kg, (2) perencanaan produksi untuk memenuhi permintaan pada

tanggal 30 Mei 2014, perusahaan mulai melakukan penyemaian pada tanggal 21

April 2014, memasuki masa tanam pada tanggal 1 Mei 2014 dengan jumlah bibit

yang ditanam seluas 76 m2, memasuki masa produksi pada tanggal 11 Mei 2014

dan memanen pada tanggal 29 Mei 2014 sebanyak 113.25 kg.

Permintaan puncak pada bulan ini setara dengan luas 75-76 m2, dan angka

tersebut berada diluar jangkauan luas lahan maksimal perhari untuk bayam hijau,

yakni 72 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh

perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya

akan dipanen pada esok hari seluas 3-4 m2.

50525456586062646668707274767880

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

38

Tabel 10 Perencanaan Produksi Bayam Hijau (Mei 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 413 103.25 69 - 02/04/14 12/04/14 30/04/14 2 439 109.75 73 1 03/04/14 13/04/14 01/05/14

3 353 88.25 59 - 04/04/14 14/04/14 02/05/14

4 396 99 66 - 05/04/14 15/04/14 03/05/14 5 385 96.25 64 - 06/04/14 16/04/14 04/05/14

6 422 105.5 70 - 07/04/14 17/04/14 05/05/14

7 376 94 63 - 08/04/14 18/04/14 06/05/14 8 417 104.25 70 - 09/04/14 19/04/14 07/05/14

9 443 110.75 74 2 10/04/14 20/04/14 08/05/14

10 356 89 59 - 11/04/14 21/04/14 09/05/14 11 399 99.75 67 - 12/04/14 22/04/14 10/05/14

12 388 97 65 - 13/04/14 23/04/14 11/05/14 13 425 106.25 71 - 14/04/14 24/04/14 12/05/14

14 379 94.75 63 - 15/04/14 25/04/14 13/05/14

15 420 105 70 - 16/04/14 26/04/14 14/05/14 16 446 111.5 74 2 17/04/14 27/04/14 15/05/14

17 360 90 60 - 18/04/14 28/04/14 16/05/14

18 403 100.75 67 - 19/04/14 29/04/14 17/05/14

19 392 98 65 - 20/04/14 30/04/14 18/05/14

20 429 107.25 72 - 21/04/14 01/05/14 19/05/14

21 383 95.75 64 - 22/04/14 02/05/14 20/05/14 22 424 106 71 - 23/04/14 03/05/14 21/05/14

23 449 112.25 75 3 24/04/14 04/05/14 22/05/14

24 363 90.75 61 - 25/04/14 05/05/14 23/05/14 25 406 101.5 68 - 26/04/14 06/05/14 24/05/14

26 395 98.75 66 - 27/04/14 07/05/14 25/05/14

27 432 108 72 - 28/04/14 08/05/14 26/05/14 28 386 96.5 64 - 29/04/14 09/05/14 27/05/14

29 427 106.75 71 - 30/04/14 10/05/14 28/05/14

30 453 113.25 76 4 01/05/14 11/05/14 29/05/14 31 367 91.75 61 - 02/05/14 12/05/14 30/05/14

Perencanaan Produksi Bayam Hijau (Juni 2014)

Berdasarkan hasil peramalan pada Tabel 11, permintaan bayam hijau pada

bulan Juni 2014 cukup fluktuatif yang berkisar pada angka 370 hingga 467 pak

perhari. Permintaan bayam hijau yang cenderung tinggi pada bulan Juni 2014 ini

diperkirakan berada pada tanggal 20 dan 27 Juni 2014 yang mencapai permintaan

masing-masing 463 dan 467 pak atau setara dengan luas tanam 77 dan 78 m2. Hal

itu dapat dilihat pada grafik dibawah ini.

Gambar 12 Perencanaan Produksi Bayam Hijau (Juni 2014)

50525456586062646668707274767880

1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

39

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi bayam hijau dengan didasarkan pada karakteristiknya untuk memenuhi

permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk

memenuhi permintaan pada tanggal 20 Juni 2014, perusahaan mulai melakukan

penyemaian pada tanggal 12 Mei 2014, memasuki masa tanam pada tanggal 22

Mei 2014 dengan jumlah bibit yang ditanam seluas 77 m2, memasuki masa

produksi pada tanggal 1 Juni 2014 dan memanen pada tanggal 19 Juni 2014

sebanyak 115.75 kg, (2) perencanaan produksi untuk memenuhi permintaan pada

tanggal 27 Juni 2014, perusahaan mulai melakukan penyemaian pada tanggal 19

Mei 2014, memasuki masa tanam pada tanggal 29 Mei 2014 dengan jumlah bibit

yang ditanam seluas 78 m2, memasuki masa produksi pada tanggal 8 Juni 2014

dan memanen pada tanggal 26 Juni 2014 sebanyak 116.75 kg.

Permintaan puncak pada bulan ini setara dengan luas 77-78 m2, dan angka

tersebut berada diluar jangkauan luas lahan maksimal perhari untuk bayam hijau,

yakni 72 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh

perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya

akan dipanen pada esok hari seluas 5-6 m2.

Tabel 11 Perencanaan Produksi Bayam Hijau (Juni 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 410 102.5 68 - 03/05/14 13/05/14 31/05/14

2 399 99.75 67 - 04/05/14 14/05/14 01/06/14

3 436 109 73 1 05/05/14 15/05/14 02/06/14 4 390 97.5 65 - 06/05/14 16/05/14 03/06/14

5 431 107.75 72 - 07/05/14 17/05/14 04/06/14

6 456 114 76 4 08/05/14 18/05/14 05/06/14 7 370 92.5 62 - 09/05/14 19/05/14 06/06/14

8 413 103.25 69 - 10/05/14 20/05/14 07/06/14

9 402 100.5 67 - 11/05/14 21/05/14 08/06/14 10 439 109.75 73 1 12/05/14 22/05/14 09/06/14

11 393 98.25 66 - 13/05/14 23/05/14 10/06/14

12 434 108.5 72 - 14/05/14 24/05/14 11/06/14 13 460 115 77 5 15/05/14 25/05/14 12/06/14

14 373 93.25 62 - 16/05/14 26/05/14 13/06/14

15 417 104.25 70 - 17/05/14 27/05/14 14/06/14 16 406 101.5 68 - 18/05/14 28/05/14 15/06/14

17 443 110.75 74 2 19/05/14 29/05/14 16/06/14

18 397 99.25 66 - 20/05/14 30/05/14 17/06/14 19 438 109.5 73 1 21/05/14 31/05/14 18/06/14

20 463 115.75 77 5 22/05/14 01/06/14 19/06/14

21 377 94.25 63 - 23/05/14 02/06/14 20/06/14 22 420 105 70 - 24/05/14 03/06/14 21/06/14

23 409 102.25 68 - 25/05/14 04/06/14 22/06/14

24 446 111.5 74 2 26/05/14 05/06/14 23/06/14 25 400 100 67 - 27/05/14 06/06/14 24/06/14

26 441 110.25 74 2 28/05/14 07/06/14 25/06/14

27 467 116.75 78 6 29/05/14 08/06/14 26/06/14 28 380 95 63 - 30/05/14 09/06/14 27/06/14

29 424 106 71 - 31/05/14 10/06/14 28/06/14

30 413 103.25 69 - 01/06/14 11/06/14 29/06/14

Perencanaan Produksi Bayam Hijau (Juli 2014)

Hasil peramalan pada Tabel 12 menunjukkan bahwa permintaan puncak

bayam hijau jatuh pada tanggal 25 Juli 2014 yang mencapai permintaan sebanyak

480 pak atau setara dengan luas tanam 80 m2. Hal itu dapat dilihat pada grafik

dibawah ini.

40

Gambar 13 Perencanaan Produksi Bayam Hijau (Juli 2014)

Jika ditarik mundur dari tanggal tersebut, maka perencanaan produksi

bayam hijau dengan didasarkan pada karakteristiknya akan dimulai pada tanggal

16 Juni 2014. Pada tanggal 16 Juni 2014, dilakukan proses penanaman di dalam

greenhouse yang diawali dengan proses etiolasi benih bayam hijau, yakni proses

dimana benih dimasukkan ke dalam ruangan yang gelap tanpa adanya cahaya

dengan tujuan untuk mempercepat proses pertumbuhan kecambah dari bayam

hijau tersebut. Proses ini dilakukan selama dua hari yakni dari tanggal 16 hingga

17 Juni 2014. Setelah melalui proses etiolasi, pada tanggal 18 hingga 25 Juni 2014

benih bayam hijau memasuki masa penyemaian atau sering disebut dengan masa

N1. Masa N1 ini adalah masa penyemaian benih yang dialiri larutan nutrisi

sebanyak 3 ml yang berlangsung selama kurang lebih 8 hari.

Selanjutnya bayam hijau akan memasuki masa tanam bibit selama kurang

lebih 10 hari, yakni dimulai pada tanggal 26 Juni 2014 hingga 5 Juli 2014. Proses

ini lebih dikenal dengan sebutan masa N2, dimana kecambah yang telah tumbuh

dari masa penyemaian akan dipindahkan ke dalam greenhouse yang telah dialiri

larutan nutrisi sebanyak 5 ml, dengan adanya masa N2 ini diharapkan bibit bayam

hijau dapat tumbuh lebih optimal dan lebih siap untuk memasuki masa produksi.

Tahap terakhir bayam hijau sebelum memasuki masa panen ialah masa

produksi bibit bayam hijau, yakni selama kurang lebih 18 hingga 20 hari. Masa

produksi ini juga disebut masa N3 yang berlangsung mulai dari tanggal 6 hingga

23 Juli 2014. Pada tahap ini, bibit bayam hijau yang berasal dari greenhouse N2

akan dipindahkan ke dalam greenhouse N3 yang telah dialiri larutan nutrisi

sebanyak 7 ml. Dengan didahului masa N2, bayam hijau pada N3 ini diharapkan

dapat tumbuh secara optimal dan hanya tinggal menunggu umur dewasa agar

dapat dipanen sesuai dengan umur panen yang ada.

Setelah melalui tahap demi tahap proses budidaya, pada tanggal 24 Juli

2014, bayam hijau siap dipanen dan juga dilaksanakan proses packing untuk

kemudian dapat didistribusikan keesokan harinya pada tanggal 25 Juli 2014 sesuai

peramalan puncak permintaan. Mengenai jumlah atau kuantitas yang harus

50525456586062646668707274767880

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

41

ditanam untuk memenuhi permintaan puncak sebanyak 480 pak (120 kg),

perusahaan setidaknya menanam bayam hijau sepanjang 80 meter dengan asumsi

1 meter penanaman akan menghasilkan 1.5 kg atau sekitar 6 pak bayam hijau.

Permintaan puncak pada bulan ini setara dengan luas 80 m2, dan angka

tersebut berada diluar jangkauan luas lahan maksimal perhari untuk bayam hijau,

yakni 72 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh

perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya

akan dipanen pada esok hari seluas 8 m2.

Tabel 12 Perencanaan Produksi Bayam Hijau (Juli 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 450 112.5 75 3 02/06/14 12/06/14 30/06/14

2 404 101 67 - 03/06/14 13/06/14 01/07/14

3 445 111.25 74 2 04/06/14 14/06/14 02/07/14 4 470 117.5 78 6 05/06/14 15/06/14 03/07/14

5 384 96 64 - 06/06/14 16/06/14 04/07/14

6 427 106.75 71 - 07/06/14 17/06/14 05/07/14 7 416 104 69 - 08/06/14 18/06/14 06/07/14

8 453 113.25 76 4 09/06/14 19/06/14 07/07/14

9 407 101.75 68 - 10/06/14 20/06/14 08/07/14 10 448 112 75 3 11/06/14 21/06/14 09/07/14

11 474 118.5 79 7 12/06/14 22/06/14 10/07/14

12 388 97 65 - 13/06/14 23/06/14 11/07/14 13 431 107.75 72 - 14/06/14 24/06/14 12/07/14

14 420 105 70 - 15/06/14 25/06/14 13/07/14

15 457 114.25 76 4 16/06/14 26/06/14 14/07/14 16 411 102.75 69 - 17/06/14 27/06/14 15/07/14

17 452 113 75 3 18/06/14 28/06/14 16/07/14

18 478 119.5 80 8 19/06/14 29/06/14 17/07/14 19 391 97.75 65 - 20/06/14 30/06/14 18/07/14

20 434 108.5 72 - 21/06/14 01/07/14 19/07/14

21 423 105.75 71 - 22/06/14 02/07/14 20/07/14 22 460 115 77 5 23/06/14 03/07/14 21/07/14

23 414 103.5 69 - 24/06/14 04/07/14 22/07/14

24 455 113.75 76 4 25/06/14 05/07/14 23/07/14 25 480 120 80 8 26/06/14 06/07/14 24/07/14

26 395 98.75 66 - 27/06/14 07/07/14 25/07/14

27 438 109.5 73 1 28/06/14 08/07/14 26/07/14 28 427 106.75 71 - 29/06/14 09/07/14 27/07/14

Perencanaan Produksi Kangkung (Maret 2014)

Kangkung memiliki karakteristik yang tak jauh berbeda dengan bayam hijau.

Waktu budidaya yang diperlukan kangkung sekitar 38 sampai 40 hari sebelum

memasuki masa panen, yakni masa penyemaian benih selama 10 hari, masa tanam

bibit selama 10 hari, masa produksi bibit selama 18 hingga 20 hari dan masa

panen selama 2 hingga 3 hari. Luas lahan maksimal perhari untuk kangkung ialah

48 m2, jika permintaan puncak melebihi angka tersebut, maka dilakukan penarikan

panen produksi yang seharusnya akan dipanen pada esok hari. Hal itu dilakukan

untuk memenuhi permintaan yang melebihi kapasitas produksi tersebut.

Berdasarkan hasil peramalan pada Tabel 13, permintaan kangkung pada bulan

Maret 2014 cukup fluktuatif yang berkisar pada angka 224 hingga 277 pak perhari.

Permintaan kangkung yang cenderung tinggi pada bulan Maret 2014 ini

diperkirakan berada pada tanggal 21 dan 28 Maret 2014 yang mencapai

permintaan masing-masing 275 dan 277 pak atau setara dengan luas tanam 46 m2.

Hal itu dapat dilihat pada grafik dibawah ini.

42

Gambar 14 Perencanaan Produksi Kangkung (Maret 2014)

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi kangkung dengan didasarkan pada karakteristiknya untuk memenuhi

permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk

memenuhi permintaan pada tanggal 21 Maret 2014, perusahaan mulai melakukan

penyemaian pada tanggal 10 Februari 2014, memasuki masa tanam pada tanggal

20 Februari 2014 dengan jumlah bibit yang ditanam seluas 46 m2, memasuki masa

produksi pada tanggal 2 Maret 2014 dan memanen pada tanggal 20 Maret 2014

sebanyak 68.75 kg, (2) perencanaan produksi untuk memenuhi permintaan pada

tanggal 28 Maret 2014, perusahaan mulai melakukan penyemaian pada tanggal 17

Februari 2014, memasuki masa tanam pada tanggal 27 Februari 2014 dengan

jumlah bibit yang ditanam seluas 46 m2, memasuki masa produksi pada tanggal 9

Maret 2014 dan memanen pada tanggal 27 Maret 2014 sebanyak 69.25 kg.

Permintaan puncak pada bulan ini setara dengan luas 46 m2, dan angka

tersebut masih berada dalam jangkauan luas lahan maksimal perhari untuk

kangkung, yakni 48 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi

oleh perusahaan ini tanpa harus melakukan penarikan panen produksi yang

seharusnya akan dipanen pada esok hari.

30

32

34

36

38

40

42

44

46

48

50

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

43

Tabel 13 Perencanaan Produksi Kangkung (Maret 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 230 57.5 38 - 31/01/14 10/02/14 28/02/14 2 244 61 41 - 01/02/14 11/02/14 01/03/14

3 242 60.5 40 - 02/02/14 12/02/14 02/03/14

4 262 65.5 44 - 03/02/14 13/02/14 03/03/14 5 241 60.25 40 - 04/02/14 14/02/14 04/03/14

6 264 66 44 - 05/02/14 15/02/14 05/03/14

7 273 68.25 46 - 06/02/14 16/02/14 06/03/14 8 224 56 37 - 07/02/14 17/02/14 07/03/14

9 246 61.5 41 - 08/02/14 18/02/14 08/03/14

10 245 61.25 41 - 09/02/14 19/02/14 09/03/14 11 264 66 44 - 10/02/14 20/02/14 10/03/14

12 243 60.75 41 - 11/02/14 21/02/14 11/03/14 13 267 66.75 45 - 12/02/14 22/02/14 12/03/14

14 274 68.5 46 - 13/02/14 23/02/14 13/03/14

15 225 56.25 38 - 14/02/14 24/02/14 14/03/14 16 248 62 41 - 15/02/14 25/02/14 15/03/14

17 247 61.75 41 - 16/02/14 26/02/14 16/03/14

18 266 66.5 44 - 17/02/14 27/02/14 17/03/14

19 245 61.25 41 - 18/02/14 28/02/14 18/03/14

20 269 67.25 45 - 19/02/14 01/03/14 19/03/14

21 275 68.75 46 - 20/02/14 02/03/14 20/03/14 22 227 56.75 38 - 21/02/14 03/03/14 21/03/14

23 250 62.5 42 - 22/02/14 04/03/14 22/03/14

24 248 62 41 - 23/02/14 05/03/14 23/03/14 25 268 67 45 - 24/02/14 06/03/14 24/03/14

26 247 61.75 41 - 25/02/14 07/03/14 25/03/14

27 270 67.5 45 - 26/02/14 08/03/14 26/03/14 28 277 69.25 46 - 27/02/14 09/03/14 27/03/14

29 228 57 38 - 28/02/14 10/03/14 28/03/14

30 251 62.75 42 - 01/03/14 11/03/14 29/03/14 31 250 62.5 42 - 02/03/14 12/03/14 30/03/14

Perencanaan Produksi Kangkung (April 2014)

Berdasarkan hasil peramalan pada Tabel 14, permintaan kangkung pada

bulan April 2014 cukup fluktuatif yang berkisar pada angka 230 hingga 283 pak

perhari. Permintaan kangkung yang cenderung tinggi pada bulan April 2014 ini

diperkirakan berada pada tanggal 18 dan 25 April 2014 yang mencapai

permintaan masing-masing 282 dan 283 pak atau setara dengan luas tanam 47 m2.

Hal itu dapat dilihat pada grafik dibawah ini.

Gambar 15 Perencanaan Produksi Kangkung (April 2014)

3032343638404244464850

1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

44

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi kangkung dengan didasarkan pada karakteristiknya untuk memenuhi

permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk

memenuhi permintaan pada tanggal 18 April 2014, perusahaan mulai melakukan

penyemaian pada tanggal 10 Maret 2014, memasuki masa tanam pada tanggal 20

Maret 2014 dengan jumlah bibit yang ditanam seluas 47 m2, memasuki masa

produksi pada tanggal 30 Maret 2014 dan memanen pada tanggal 17 April 2014

sebanyak 70.5 kg, (2) perencanaan produksi untuk memenuhi permintaan pada

tanggal 25 April 2014, perusahaan mulai melakukan penyemaian pada tanggal 17

Maret 2014, memasuki masa tanam pada tanggal 27 Maret 2014 dengan jumlah

bibit yang ditanam seluas 47 m2, memasuki masa produksi pada tanggal 6 April

2014 dan memanen pada tanggal 24 April 2014 sebanyak 70.75 kg.

Permintaan puncak pada bulan ini setara dengan luas 47 m2, dan angka

tersebut masih berada dalam jangkauan luas lahan maksimal perhari untuk

kangkung, yakni 48 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi

oleh perusahaan ini tanpa harus melakukan penarikan panen produksi yang

seharusnya akan dipanen pada esok hari.

Tabel 14 Perencanaan Produksi Kangkung (April 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 269 67.25 45 - 03/03/14 13/03/14 31/03/14

2 248 62 41 - 04/03/14 14/03/14 01/04/14

3 272 68 45 - 05/03/14 15/03/14 02/04/14 4 278 69.5 46 - 06/03/14 16/03/14 03/04/14

5 230 57.5 38 - 07/03/14 17/03/14 04/04/14

6 253 63.25 42 - 08/03/14 18/03/14 05/04/14 7 252 63 42 - 09/03/14 19/03/14 06/04/14

8 271 67.75 45 - 10/03/14 20/03/14 07/04/14

9 250 62.5 42 - 11/03/14 21/03/14 08/04/14 10 273 68.25 46 - 12/03/14 22/03/14 09/04/14

11 280 70 47 - 13/03/14 23/03/14 10/04/14

12 231 57.75 39 - 14/03/14 24/03/14 11/04/14 13 254 63.5 42 - 15/03/14 25/03/14 12/04/14

14 253 63.25 42 - 16/03/14 26/03/14 13/04/14

15 272 68 45 - 17/03/14 27/03/14 14/04/14 16 251 62.75 42 - 18/03/14 28/03/14 15/04/14

17 275 68.75 46 - 19/03/14 29/03/14 16/04/14

18 282 70.5 47 - 20/03/14 30/03/14 17/04/14 19 233 58.25 39 - 21/03/14 31/03/14 18/04/14

20 256 64 43 - 22/03/14 01/04/14 19/04/14

21 255 63.75 43 - 23/03/14 02/04/14 20/04/14 22 274 68.5 46 - 24/03/14 03/04/14 21/04/14

23 253 63.25 42 - 25/03/14 04/04/14 22/04/14

24 276 69 46 - 26/03/14 05/04/14 23/04/14 25 283 70.75 47 - 27/03/14 06/04/14 24/04/14

26 234 58.5 39 - 28/03/14 07/04/14 25/04/14

27 258 64.5 43 - 29/03/14 08/04/14 26/04/14 28 256 64 43 - 30/03/14 09/04/14 27/04/14

29 275 68.75 46 - 31/03/14 10/04/14 28/04/14

30 255 63.75 43 - 01/04/14 11/04/14 29/04/14

Perencanaan Produksi Kangkung (Mei 2014)

Berdasarkan hasil peramalan pada Tabel 15, permintaan kangkung pada

bulan Mei 2014 cukup fluktuatif yang berkisar pada angka 236 hingga 291 pak

perhari. Permintaan kangkung yang cenderung tinggi pada bulan Mei 2014 ini

diperkirakan berada pada tanggal 23 dan 30 Mei 2014 yang mencapai permintaan

masing-masing 289 dan 291 pak atau setara dengan luas tanam 48 dan 49 m2. Hal

itu dapat dilihat pada grafik dibawah ini.

45

Gambar 16 Perencanaan Produksi Kangkung (Mei 2014)

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi kangkung dengan didasarkan pada karakteristiknya untuk memenuhi

permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk

memenuhi permintaan pada tanggal 23 Mei 2014, perusahaan mulai melakukan

penyemaian pada tanggal 14 April 2014, memasuki masa tanam pada tanggal 24

April 2014 dengan jumlah bibit yang ditanam seluas 48 m2, memasuki masa

produksi pada tanggal 4 Mei 2014 dan memanen pada tanggal 22 Mei 2014

sebanyak 72.25 kg, (2) perencanaan produksi untuk memenuhi permintaan pada

tanggal 30 Mei 2014, perusahaan mulai melakukan penyemaian pada tanggal 21

April 2014, memasuki masa tanam pada tanggal 1 Mei 2014 dengan jumlah bibit

yang ditanam seluas 49 m2, memasuki masa produksi pada tanggal 11 Mei 2014

dan memanen pada tanggal 29 Mei 2014 sebanyak 72.75 kg.

Permintaan puncak pada bulan ini setara dengan luas 49 m2, dan angka

tersebut berada diluar jangkauan luas lahan maksimal perhari untuk kangkung,

yakni 48 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh

perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya

akan dipanen pada esok hari seluas 1 m2.

30

32

34

36

38

40

42

44

46

48

50

1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

46

Tabel 15 Perencanaan Produksi Kangkung (Mei 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 278 69.5 46 - 02/04/14 12/04/14 30/04/14 2 285 71.25 48 - 03/04/14 13/04/14 01/05/14

3 236 59 39 - 04/04/14 14/04/14 02/05/14

4 259 64.75 43 - 05/04/14 15/04/14 03/05/14 5 258 64.5 43 - 06/04/14 16/04/14 04/05/14

6 277 69.25 46 - 07/04/14 17/04/14 05/05/14

7 256 64 43 - 08/04/14 18/04/14 06/05/14 8 280 70 47 - 09/04/14 19/04/14 07/05/14

9 286 71.5 48 - 10/04/14 20/04/14 08/05/14

10 238 59.5 40 - 11/04/14 21/04/14 09/05/14 11 261 65.25 44 - 12/04/14 22/04/14 10/05/14

12 259 64.75 43 - 13/04/14 23/04/14 11/05/14 13 279 74.25 50 2 14/04/14 24/04/14 12/05/14

14 258 64.5 43 - 15/04/14 25/04/14 13/05/14

15 281 70.25 47 - 16/04/14 26/04/14 14/05/14 16 288 72 48 - 17/04/14 27/04/14 15/05/14

17 239 59.75 40 - 18/04/14 28/04/14 16/05/14

18 262 65.5 44 - 19/04/14 29/04/14 17/05/14

19 261 65.25 44 - 20/04/14 30/04/14 18/05/14

20 280 70 47 - 21/04/14 01/05/14 19/05/14

21 259 64.75 43 - 22/04/14 02/05/14 20/05/14 22 283 70.75 47 - 23/04/14 03/05/14 21/05/14

23 289 72.25 48 - 24/04/14 04/05/14 22/05/14

24 241 60.25 40 - 25/04/14 05/05/14 23/05/14 25 264 66 44 - 26/04/14 06/05/14 24/05/14

26 262 65.5 44 - 27/04/14 07/05/14 25/05/14

27 282 70.5 47 - 28/04/14 08/05/14 26/05/14 28 261 65.25 44 - 29/04/14 09/05/14 27/05/14

29 284 71 47 - 30/04/14 10/05/14 28/05/14

30 291 72.75 49 1 01/05/14 11/05/14 29/05/14 31 242 60.5 40 - 02/05/14 12/05/14 30/05/14

Perencanaan Produksi Kangkung (Juni 2014)

Berdasarkan hasil peramalan pada Tabel 16, permintaan kangkung pada

bulan Juni 2014 cukup fluktuatif yang berkisar pada angka 244 hingga 297 pak

perhari. Permintaan kangkung yang cenderung tinggi pada bulan Juni 2014 ini

diperkirakan berada pada tanggal 20 dan 27 Juni 2014 yang mencapai permintaan

masing-masing 295 dan 297 pak atau setara dengan luas tanam 49 dan 50 m2. Hal

itu dapat dilihat pada grafik dibawah ini.

Gambar 17 Perencanaan Produksi Kangkung (Juni 2014)

3032343638404244464850

1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

47

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi kangkung dengan didasarkan pada karakteristiknya untuk memenuhi

permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk

memenuhi permintaan pada tanggal 20 Juni 2014, perusahaan mulai melakukan

penyemaian pada tanggal 12 Mei 2014, memasuki masa tanam pada tanggal 22

Mei 2014 dengan jumlah bibit yang ditanam seluas 49 m2, memasuki masa

produksi pada tanggal 1 Juni 2014 dan memanen pada tanggal 19 Juni 2014

sebanyak 73.75 kg, (2) perencanaan produksi untuk memenuhi permintaan pada

tanggal 27 Juni 2014, perusahaan mulai melakukan penyemaian pada tanggal 19

Mei 2014, memasuki masa tanam pada tanggal 29 Mei 2014 dengan jumlah bibit

yang ditanam seluas 50 m2, memasuki masa produksi pada tanggal 8 Juni 2014

dan memanen pada tanggal 26 Juni 2014 sebanyak 74.25 kg.

Permintaan puncak pada bulan ini setara dengan luas 49-50 m2, dan angka

tersebut berada diluar jangkauan luas lahan maksimal perhari untuk kangkung,

yakni 48 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh

perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya

akan dipanen pada esok hari seluas 1-2 m2.

Tabel 16 Perencanaan Produksi Kangkung (Juni 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 265 66.25 44 - 03/05/14 13/05/14 31/05/14

2 264 66 44 - 04/05/14 14/05/14 01/06/14

3 283 70.75 47 - 05/05/14 15/05/14 02/06/14 4 262 65.5 44 - 06/05/14 16/05/14 03/06/14

5 286 71.5 48 - 07/05/14 17/05/14 04/06/14

6 292 73 49 1 08/05/14 18/05/14 05/06/14 7 244 61 41 - 09/05/14 19/05/14 06/06/14

8 267 66.75 45 - 10/05/14 20/05/14 07/06/14

9 265 66.25 44 - 11/05/14 21/05/14 08/06/14 10 285 71.25 48 - 12/05/14 22/05/14 09/06/14

11 264 66 44 - 13/05/14 23/05/14 10/06/14

12 287 71.75 48 - 14/05/14 24/05/14 11/06/14 13 294 73.5 49 1 15/05/14 25/05/14 12/06/14

14 245 61.25 41 - 16/05/14 26/05/14 13/06/14

15 268 67 45 - 17/05/14 27/05/14 14/06/14 16 267 66.75 45 - 18/05/14 28/05/14 15/06/14

17 286 71.5 48 - 19/05/14 29/05/14 16/06/14

18 265 66.25 44 - 20/05/14 30/05/14 17/06/14 19 289 72.25 48 - 21/05/14 31/05/14 18/06/14

20 295 73.75 49 1 22/05/14 01/06/14 19/06/14

21 247 61.75 41 - 23/05/14 02/06/14 20/06/14 22 270 67.5 45 - 24/05/14 03/06/14 21/06/14

23 268 67 45 - 25/05/14 04/06/14 22/06/14

24 288 72 48 - 26/05/14 05/06/14 23/06/14 25 267 66.75 45 - 27/05/14 06/06/14 24/06/14

26 290 72.5 48 - 28/05/14 07/06/14 25/06/14

27 297 74.25 50 2 29/05/14 08/06/14 26/06/14 28 248 62 41 - 30/05/14 09/06/14 27/06/14

29 271 67.75 45 - 31/05/14 10/06/14 28/06/14

30 270 67.5 45 - 01/06/14 11/06/14 29/06/14

Perencanaan Produksi Kangkung (Juli 2014)

Berdasarkan hasil ramalan pada Tabel 17, puncak permintaan kangkung

jatuh pada tanggal 25 Juli 2014 yang mencapai permintaan sebanyak 302 pak atau

setara dengan luas tanam 50 m2. Hal itu dapat dilihat pada grafik dibawah ini.

48

Gambar 18 Perencanaan Produksi Kangkung (Juli 2014)

Jika ditarik mundur dari tanggal tersebut, maka perencanaan produksi

kangkung dengan didasarkan pada karakteristiknya akan dimulai pada tanggal 16

Juni 2014. Proses penanaman kangkung dimulai pada tanggal 16 Juni 2014 yang

diawali dengan proses etiolasi benih kangkung, yakni proses dimana benih

dimasukkan ke dalam ruangan yang gelap tanpa adanya cahaya dengan tujuan

untuk mempercepat proses pertumbuhan kecambah dari kangkung tersebut. Proses

ini dilakukan selama dua hari yakni dari tanggal 16 hingga 17 Juni 2014. Setelah

melalui proses etiolasi, pada tanggal 18 hingga 25 Juni 2014 benih kangkung

memasuki masa penyemaian atau sering disebut dengan masa N1. Masa N1 ini

adalah masa penyemaian benih yang dialiri larutan nutrisi sebanyak 3 ml yang

berlangsung selama kurang lebih 8 hari.

Tahap selanjutnya kangkung akan memasuki masa tanam bibit selama

kurang lebih 10 hari, yakni dimulai pada tanggal 26 Juni 2014 hingga 5 Juli 2014.

Proses ini lebih dikenal dengan sebutan masa N2, dimana kecambah yang telah

tumbuh dari masa penyemaian akan dipindahkan ke dalam greenhouse yang telah

dialiri larutan nutrisi sebanyak 5 ml, dengan adanya masa N2 ini diharapkan bibit

kangkung dapat tumbuh lebih optimal dan lebih siap untuk memasuki masa

produksi.

Langkah budidaya terakhir kangkung sebelum memasuki masa panen ialah

masa produksi bibit kangkung, yakni selama kurang lebih 18 hingga 20 hari. Masa

produksi ini juga disebut masa N3 yang berlangsung mulai dari tanggal 6 hingga

23 Juli 2014. Pada tahap ini, bibit kangkung yang berasal dari greenhouse N2

akan dipindahkan ke dalam greenhouse N3 yang telah dialiri larutan nutrisi

sebanyak 7 ml. Dengan didahului masa N2, kangkung pada N3 ini diharapkan

dapat tumbuh secara optimal dan hanya tinggal menunggu umur dewasa agar

dapat dipanen sesuai dengan umur panen yang ada.

Setelah melalui tahap demi tahap proses budidaya, pada tanggal 24 Juli

2014, kangkung siap dipanen dan juga dilaksanakan proses packing untuk

kemudian dapat didistribusikan keesokan harinya pada tanggal 25 Juli 2014 sesuai

30

32

34

36

38

40

42

44

46

48

50

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

49

peramalan puncak permintaan. Berkaitan dengan puncak permintaan kangkung

yang mencapai 302 pak (75.5 kg) di hari akhir bulan Juli, perusahaan setidaknya

menanam kangkung sepanjang 50 hingga 51 meter untuk memenuhi permintaan

tersebut, dengan asumsi 1 meter penanaman akan menghasilkan 1.5 kg atau

sekitar 6 pak kangkung.

Permintaan puncak pada bulan ini setara dengan luas 50-51 m2, dan angka

tersebut berada diluar jangkauan luas lahan maksimal perhari untuk kangkung,

yakni 48 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh

perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya

akan dipanen pada esok hari seluas 2-3 m2.

Tabel 17 Perencanaan Produksi Kangkung (Juli 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 289 72.25 48 - 02/06/14 12/06/14 30/06/14

2 268 67 45 - 03/06/14 13/06/14 01/07/14

3 292 73 49 1 04/06/14 14/06/14 02/07/14 4 298 74.5 50 2 05/06/14 15/06/14 03/07/14

5 250 62.5 42 - 06/06/14 16/06/14 04/07/14

6 273 68.25 46 - 07/06/14 17/06/14 05/07/14 7 271 67.75 45 - 08/06/14 18/06/14 06/07/14

8 291 72.75 49 1 09/06/14 19/06/14 07/07/14

9 270 67.5 45 - 10/06/14 20/06/14 08/07/14 10 293 73.25 49 1 11/06/14 21/06/14 09/07/14

11 300 75 50 2 12/06/14 22/06/14 10/07/14

12 251 62.75 42 - 13/06/14 23/06/14 11/07/14 13 274 68.5 46 - 14/06/14 24/06/14 12/07/14

14 273 68.25 46 - 15/06/14 25/06/14 13/07/14

15 292 73 49 1 16/06/14 26/06/14 14/07/14 16 271 67.75 45 - 17/06/14 27/06/14 15/07/14

17 295 73.75 49 1 18/06/14 28/06/14 16/07/14

18 301 75.25 50 2 19/06/14 29/06/14 17/07/14 19 253 63.25 42 - 20/06/14 30/06/14 18/07/14

20 276 69 46 - 21/06/14 01/07/14 19/07/14

21 274 68.5 46 - 22/06/14 02/07/14 20/07/14 22 293 73.25 49 1 23/06/14 03/07/14 21/07/14

23 272 68 45 - 24/06/14 04/07/14 22/07/14

24 296 74 49 1 25/06/14 05/07/14 23/07/14 25 302 75.5 50 2 26/06/14 06/07/14 24/07/14

26 254 63.5 42 - 27/06/14 07/07/14 25/07/14

27 277 69.25 46 - 28/06/14 08/07/14 26/07/14 28 276 69 46 - 29/06/14 09/07/14 27/07/14

Perencanaan Produksi Romaine (Maret 2014)

Berbeda halnya dengan bayam hijau dan kangkung, romaine memiliki

karakteristik waktu budidaya yang lebih lama, yakni sekitar 48 hingga 50 hari

sebelum memasuki masa panen, dengan rincian 10 hari pertama untuk masa

penyemaian benih, 10 hari kedua untuk masa tanam bibit, 28 hingga 30 hari

selanjutnya untuk masa produksi bibit dan 2 hingga 3 hari untuk masa panen. Luas

lahan maksimal perhari untuk romaine ialah 16 m2, jika permintaan puncak

melebihi angka tersebut, maka dilakukan penarikan panen produksi yang

seharusnya akan dipanen pada esok hari. Hal itu dilakukan untuk memenuhi

permintaan yang melebihi kapasitas produksi tersebut. Berdasarkan hasil

peramalan pada Tabel 18, permintaan romaine pada bulan Maret 2014 cukup

fluktuatif yang berkisar pada angka 100 hingga 150 pak perhari. Permintaan

romaine yang cenderung tinggi pada bulan Maret 2014 ini diperkirakan berada

pada tanggal 25 dan 28 Maret 2014 yang mencapai permintaan masing-masing

50

149 dan 150 pak atau setara dengan luas tanam 19 m2. Hal itu dapat dilihat pada

grafik dibawah ini.

Gambar 19 Perencanaan Produksi Romaine (Maret 2014)

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi romaine dengan didasarkan pada karakteristiknya untuk memenuhi

permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk

memenuhi permintaan pada tanggal 25 Maret 2014, perusahaan mulai melakukan

penyemaian pada tanggal 4 Februari 2014, memasuki masa tanam pada tanggal 14

Februari 2014 dengan jumlah bibit yang ditanam seluas 19 m2, memasuki masa

produksi pada tanggal 24 Februari 2014 dan memanen pada tanggal 24 Maret

2014 sebanyak 37.25 kg, (2) perencanaan produksi untuk memenuhi permintaan

pada tanggal 28 Maret 2014, perusahaan mulai melakukan penyemaian pada

tanggal 7 Februari 2014, memasuki masa tanam pada tanggal 17 Februari 2014

dengan jumlah bibit yang ditanam seluas 19 m2, memasuki masa produksi pada

tanggal 27 Februari 2014 dan memanen pada tanggal 27 Maret 2014 sebanyak

37.5 kg.

Permintaan puncak pada bulan ini setara dengan luas 19 m2, dan angka

tersebut berada diluar jangkauan luas lahan maksimal perhari untuk romaine,

yakni 16 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh

perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya

akan dipanen pada esok hari seluas 3 m2.

10

11

12

13

14

15

16

17

18

19

20

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

51

Tabel 18 Perencanaan Produksi Romaine (Maret 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 99 24.75 12 - 21/01/14 31/01/14 28/02/14 2 140 35 18 2 22/01/14 01/02/14 01/03/14

3 126 31.5 16 - 23/01/14 02/02/14 02/03/14

4 146 36.5 18 2 24/01/14 03/02/14 03/03/14 5 137 34.25 17 1 25/01/14 04/02/14 04/03/14

6 146 36.5 18 2 26/01/14 05/02/14 05/03/14

7 148 37 19 3 27/01/14 06/02/14 06/03/14 8 104 26 13 - 28/01/14 07/02/14 07/03/14

9 139 34.75 17 1 29/01/14 08/02/14 08/03/14

10 125 31.25 16 - 30/01/14 09/02/14 09/03/14 11 148 37 19 3 31/01/14 10/02/14 10/03/14

12 135 33.75 17 1 01/02/14 11/02/14 11/03/14 13 146 36.5 18 2 02/02/14 12/02/14 12/03/14

14 149 37.25 19 3 03/02/14 13/02/14 13/03/14

15 105 26.25 13 - 04/02/14 14/02/14 14/03/14 16 138 34.5 17 1 05/02/14 15/02/14 15/03/14

17 124 31 16 - 06/02/14 16/02/14 16/03/14

18 149 37.25 19 3 07/02/14 17/02/14 17/03/14

19 134 33.5 17 1 08/02/14 18/02/14 18/03/14

20 146 36.5 18 2 09/02/14 19/02/14 19/03/14

21 150 37.5 19 3 10/02/14 20/02/14 20/03/14 22 105 26.25 13 - 11/02/14 21/02/14 21/03/14

23 138 34.5 17 1 12/02/14 22/02/14 22/03/14

24 123 30.75 15 - 13/02/14 23/02/14 23/03/14 25 149 37.25 19 3 14/02/14 24/02/14 24/03/14

26 134 33.5 17 1 15/02/14 25/02/14 25/03/14

27 145 36.25 18 2 16/02/14 26/02/14 26/03/14 28 150 37.5 19 3 17/02/14 27/02/14 27/03/14

29 104 26 13 - 18/02/14 28/02/14 28/03/14

30 138 34.5 17 1 19/02/14 01/03/14 29/03/14 31 123 30.75 15 - 20/02/14 02/03/14 30/03/14

Perencanaan Produksi Romaine (April 2014)

Berdasarkan hasil peramalan pada Tabel 19, permintaan romaine pada bulan

April 2014 cukup fluktuatif yang berkisar pada angka 123 hingga 149 pak perhari.

Permintaan romaine yang cenderung tinggi pada bulan April 2014 ini

diperkirakan berada pada tanggal 1 dan 15 April 2014 yang mencapai permintaan

masing-masing 149 dan 148 pak atau setara dengan luas tanam 19 m2. Hal itu

dapat dilihat pada grafik dibawah ini.

Gambar 20 Perencanaan Produksi Romaine (April 2014)

1011121314151617181920

1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

52

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi romaine dengan didasarkan pada karakteristiknya untuk memenuhi

permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk

memenuhi permintaan pada tanggal 1 April 2014, perusahaan mulai melakukan

penyemaian pada tanggal 11 Februari 2014, memasuki masa tanam pada tanggal

21 Februari 2014 dengan jumlah bibit yang ditanam seluas 19 m2, memasuki masa

produksi pada tanggal 3 Maret 2014 dan memanen pada tanggal 31 Maret 2014

sebanyak 37.25 kg, (2) perencanaan produksi untuk memenuhi permintaan pada

tanggal 15 April 2014, perusahaan mulai melakukan penyemaian pada tanggal 25

Februari 2014, memasuki masa tanam pada tanggal 7 Maret 2014 dengan jumlah

bibit yang ditanam seluas 19 m2, memasuki masa produksi pada tanggal 17 Maret

2014 dan memanen pada tanggal 14 April 2014 sebanyak 37 kg.

Permintaan puncak pada bulan ini setara dengan luas 19 m2, dan angka

tersebut berada diluar jangkauan luas lahan maksimal perhari untuk romaine,

yakni 16 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh

perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya

akan dipanen pada esok hari seluas 3 m2.

Tabel 19 Perencanaan Produksi Romaine (April 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 149 37.25 19 3 21/02/14 03/03/14 31/03/14

2 134 33.5 17 1 22/02/14 04/03/14 01/04/14

3 145 36.25 18 2 23/02/14 05/03/14 02/04/14 4 149 37.25 19 3 24/02/14 06/03/14 03/04/14

5 104 26 13 - 25/02/14 07/03/14 04/04/14

6 138 34.5 17 1 26/02/14 08/03/14 05/04/14 7 123 30.75 15 - 27/02/14 09/03/14 06/04/14

8 149 37.25 19 3 28/02/14 10/03/14 07/04/14

9 133 33.25 17 1 01/03/14 11/03/14 08/04/14 10 145 36.25 18 2 02/03/14 12/03/14 09/04/14

11 149 37.25 19 3 03/03/14 13/03/14 10/04/14

12 104 26 13 - 04/03/14 14/03/14 11/04/14 13 138 34.5 17 1 05/03/14 15/03/14 12/04/14

14 123 30.75 15 - 06/03/14 16/03/14 13/04/14

15 148 37 19 3 07/03/14 17/03/14 14/04/14 16 133 33.25 17 1 08/03/14 18/03/14 15/04/14

17 145 36.25 18 2 09/03/14 19/03/14 16/04/14

18 149 37.25 19 3 10/03/14 20/03/14 17/04/14 19 104 26 13 - 11/03/14 21/03/14 18/04/14

20 137 34.25 17 1 12/03/14 22/03/14 19/04/14

21 123 30.75 15 - 13/03/14 23/03/14 20/04/14 22 148 37 19 3 14/03/14 24/03/14 21/04/14

23 133 33.25 17 1 15/03/14 25/03/14 22/04/14

24 145 36.25 18 2 16/03/14 26/03/14 23/04/14 25 149 37.25 19 3 17/03/14 27/03/14 24/04/14

26 104 26 13 - 18/03/14 28/03/14 25/04/14

27 137 34.25 17 1 19/03/14 29/03/14 26/04/14 28 123 30.75 15 - 20/03/14 30/03/14 27/04/14

29 148 37 19 3 21/03/14 31/03/14 28/04/14

30 133 33.25 17 1 22/03/14 01/04/14 29/04/14

Perencanaan Produksi Romaine (Mei 2014)

Berdasarkan hasil peramalan pada Tabel 20, permintaan romaine pada bulan

Mei 2014 cukup fluktuatif yang berkisar pada angka 122 hingga 149 pak perhari.

Permintaan romaine yang cenderung tinggi pada bulan Mei 2014 ini diperkirakan

berada pada tanggal 2 dan 6 Mei 2014 yang mencapai permintaan masing-masing

149 dan 148 pak atau setara dengan luas tanam 19 m2. Hal itu dapat dilihat pada

grafik dibawah ini.

53

Gambar 21 Perencanaan Produksi Romaine (Mei 2014)

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi romaine dengan didasarkan pada karakteristiknya untuk memenuhi

permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk

memenuhi permintaan pada tanggal 2 Mei 2014, perusahaan mulai melakukan

penyemaian pada tanggal 14 Maret 2014, memasuki masa tanam pada tanggal 24

Maret 2014 dengan jumlah bibit yang ditanam seluas 19 m2, memasuki masa

produksi pada tanggal 3 April 2014 dan memanen pada tanggal 1 Mei 2014

sebanyak 37.25 kg, (2) perencanaan produksi untuk memenuhi permintaan pada

tanggal 6 Mei 2014, perusahaan mulai melakukan penyemaian pada tanggal 18

Maret 2014, memasuki masa tanam pada tanggal 28 Maret 2014 dengan jumlah

bibit yang ditanam seluas 19 m2, memasuki masa produksi pada tanggal 7 April

2014 dan memanen pada tanggal 5 Mei 2014 sebanyak 37 kg.

Permintaan puncak pada bulan ini setara dengan luas 19 m2, dan angka

tersebut berada diluar jangkauan luas lahan maksimal perhari untuk romaine,

yakni 16 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh

perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya

akan dipanen pada esok hari seluas 3 m2.

10

11

12

13

14

15

16

17

18

19

20

1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

54

Tabel 20 Perencanaan Produksi Romaine (Mei 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 145 36.25 18 2 23/03/14 02/04/14 30/04/14 2 149 37.25 19 3 24/03/14 03/04/14 01/05/14

3 104 26 13 - 25/03/14 04/04/14 02/05/14

4 137 34.25 17 1 26/03/14 05/04/14 03/05/14 5 122 30.5 15 - 27/03/14 06/04/14 04/05/14

6 148 37 19 3 28/03/14 07/04/14 05/05/14

7 133 33.25 17 1 29/03/14 08/04/14 06/05/14 8 144 36 18 2 30/03/14 09/04/14 07/05/14

9 149 37.25 19 3 31/03/14 10/04/14 08/05/14

10 104 26 13 - 01/04/14 11/04/14 09/05/14 11 137 34.25 17 1 02/04/14 12/04/14 10/05/14

12 122 30.5 15 - 03/04/14 13/04/14 11/05/14 13 148 37 19 3 04/04/14 14/04/14 12/05/14

14 133 33.25 17 1 05/04/14 15/04/14 13/05/14

15 144 36 18 2 06/04/14 16/04/14 14/05/14 16 149 37.25 19 3 07/04/14 17/04/14 15/05/14

17 104 26 13 - 08/04/14 18/04/14 16/05/14

18 137 34.25 17 1 09/04/14 19/04/14 17/05/14

19 122 30.5 15 - 10/04/14 20/04/14 18/05/14

20 148 37 19 3 11/04/14 21/04/14 19/05/14

21 133 33.25 17 1 12/04/14 22/04/14 20/05/14 22 144 36 18 2 13/04/14 23/04/14 21/05/14

23 149 37.25 19 3 14/04/14 24/04/14 22/05/14

24 103 25.75 13 - 15/04/14 25/04/14 23/05/14 25 137 34.25 17 1 16/04/14 26/04/14 24/05/14

26 122 30.5 15 - 17/04/14 27/04/14 25/05/14

27 148 37 19 3 18/04/14 28/04/14 26/05/14 28 133 33.25 17 1 19/04/14 29/04/14 27/05/14

29 144 36 18 2 20/04/14 30/04/14 28/05/14

30 148 37 19 3 21/04/14 01/05/14 29/05/14 31 103 25.75 13 - 22/04/14 02/05/14 30/05/14

Perencanaan Produksi Romaine (Juni 2014)

Berdasarkan hasil peramalan pada Tabel 21, permintaan romaine pada bulan

Juni 2014 cukup fluktuatif yang berkisar pada angka 122 hingga 148 pak perhari.

Permintaan romaine yang cenderung tinggi pada bulan Juni 2014 ini diperkirakan

berada pada tanggal 26 dan 27 Juni 2014 yang mencapai permintaan masing-

masing 144 dan 148 pak atau setara dengan luas tanam 18 dan 19 m2. Hal itu

dapat dilihat pada grafik dibawah ini.

Gambar 22 Perencanaan Produksi Romaine (Juni 2014)

1011121314151617181920

1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

55

Jika ditarik mundur dari tanggal-tanggal tersebut, maka perencanaan

produksi romaine dengan didasarkan pada karakteristiknya untuk memenuhi

permintaan konsumen adalah sebagai berikut : (1) perencanaan produksi untuk

memenuhi permintaan pada tanggal 26 Juni 2014, perusahaan mulai melakukan

penyemaian pada tanggal 8 Mei 2014, memasuki masa tanam pada tanggal 18 Mei

2014 dengan jumlah bibit yang ditanam seluas 18 m2, memasuki masa produksi

pada tanggal 28 Mei 2014 dan memanen pada tanggal 25 Juni 2014 sebanyak 36

kg, (2) perencanaan produksi untuk memenuhi permintaan pada tanggal 27 Juni

2014, perusahaan mulai melakukan penyemaian pada tanggal 9 Mei 2014,

memasuki masa tanam pada tanggal 19 Mei 2014 dengan jumlah bibit yang

ditanam seluas 19 m2, memasuki masa produksi pada tanggal 29 Mei 2014 dan

memanen pada tanggal 26 Juni 2014 sebanyak 37 kg.

Permintaan puncak pada bulan ini setara dengan luas 18-19 m2, dan angka

tersebut berada diluar jangkauan luas lahan maksimal perhari untuk romaine,

yakni 16 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh

perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya

akan dipanen pada esok hari seluas 2-3 m2.

Tabel 21 Perencanaan Produksi Romaine (Juni 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 137 34.25 17 1 23/04/14 03/05/14 31/05/14

2 122 30.5 15 - 24/04/14 04/05/14 01/06/14

3 148 37 19 3 25/04/14 05/05/14 02/06/14 4 133 33.25 17 1 26/04/14 06/05/14 03/06/14

5 144 36 18 2 27/04/14 07/05/14 04/06/14

6 148 37 19 3 28/04/14 08/05/14 05/06/14 7 103 25.75 13 - 29/04/14 09/05/14 06/06/14

8 137 34.25 17 1 30/04/14 10/05/14 07/06/14

9 122 30.5 15 - 01/05/14 11/05/14 08/06/14 10 148 37 19 3 02/05/14 12/05/14 09/06/14

11 133 33.25 17 1 03/05/14 13/05/14 10/06/14

12 144 36 18 2 04/05/14 14/05/14 11/06/14 13 148 37 19 3 05/05/14 15/05/14 12/06/14

14 103 25.75 13 - 06/05/14 16/05/14 13/06/14

15 137 34.25 17 1 07/05/14 17/05/14 14/06/14 16 122 30.5 15 - 08/05/14 18/05/14 15/06/14

17 148 37 19 3 09/05/14 19/05/14 16/06/14

18 132 33 17 1 10/05/14 20/05/14 17/06/14 19 144 36 18 2 11/05/14 21/05/14 18/06/14

20 148 37 19 3 12/05/14 22/05/14 19/06/14

21 103 25.75 13 - 13/05/14 23/05/14 20/06/14 22 137 34.25 17 1 14/05/14 24/05/14 21/06/14

23 122 30.5 15 - 15/05/14 25/05/14 22/06/14

24 148 37 19 3 16/05/14 26/05/14 23/06/14 25 132 33 17 1 17/05/14 27/05/14 24/06/14

26 144 36 18 2 18/05/14 28/05/14 25/06/14

27 148 37 19 3 19/05/14 29/05/14 26/06/14 28 103 25.75 13 - 20/05/14 30/05/14 27/06/14

29 137 34.25 17 1 21/05/14 31/05/14 28/06/14

30 122 30.5 15 - 22/05/14 01/06/14 29/06/14

Perencanaan Produksi Romaine (Juli 2014)

Berdasarkan hasil ramalan pada Tabel 22, permintaan romaine cenderung

naik turun selama periode bulan Juli 2014, namun layaknya permintaan sayuran

jenis lain yang memuncak ketika datangnya bulan Ramadhan dan hari lebaran,

permintaan romaine pada bulan Juli menunjukkan kecenderungan peningkatan

pada kisaran tanggal 24 dan 25 Juli 2014 yang mencapai 148 pak atau setara

dengan luas tanam 18-19 m2. Hal itu dapat dilihat pada grafik dibawah ini.

56

Gambar 23 Perencanaan Produksi Romaine (Juli 2014)

Hasil ramalan tersebut memberikan informasi bahwa perencanaan produksi

romaine akan dilakukan pada tanggal 6 Juni 2014. Benih romaine akan mulai

diproses pada tanggal 6 Juni 2014, yakni dilakukan proses penanaman di dalam

greenhouse yang diawali dengan proses etiolasi benih romaine, yakni proses

dimana benih dimasukkan ke dalam ruangan yang gelap tanpa adanya cahaya

dengan tujuan untuk mempercepat proses pertumbuhan kecambah dari romaine

tersebut. Proses ini dilakukan selama dua hari yakni dari tanggal 6 hingga 7 Juni

2014. Setelah melalui proses etiolasi, pada tanggal 8 hingga 15 Juni 2014 benih

romaine memasuki masa penyemaian atau sering disebut dengan masa N1. Masa

N1 ini adalah masa penyemaian benih yang dialiri larutan nutrisi sebanyak 3 ml

yang berlangsung selama kurang lebih 8 hari.

Proses selanjutnya romaine akan memasuki masa tanam bibit selama kurang

lebih 10 hari, yakni dimulai pada tanggal 16 Juni 2014 hingga 25 Juni 2014.

Proses ini lebih dikenal dengan sebutan masa N2, dimana kecambah yang telah

tumbuh dari masa penyemaian akan dipindahkan ke dalam greenhouse yang telah

dialiri larutan nutrisi sebanyak 5 ml, dengan adanya masa N2 ini diharapkan bibit

romaine dapat tumbuh lebih optimal dan lebih siap untuk memasuki masa

produksi.

Proses budidaya terakhir romaine sebelum memasuki masa panen ialah

masa produksi bibit romaine, yakni selama kurang lebih 28 hingga 30 hari. Masa

produksi ini juga disebut masa N3 yang berlangsung mulai dari tanggal 26 Juni

2014 hingga 23 Juli 2014. Pada tahap ini, bibit romaine yang berasal dari

greenhouse N2 akan dipindahkan ke dalam greenhouse N3 yang telah dialiri

larutan nutrisi sebanyak 7 ml. Dengan didahului masa N2, romaine pada N3 ini

diharapkan dapat tumbuh secara optimal dan hanya tinggal menunggu umur

dewasa agar dapat dipanen sesuai dengan umur panen yang ada.

Setelah melalui tahap demi tahap proses budidaya, pada tanggal 24 Juli

2014, romaine siap dipanen dan juga dilaksanakan proses packing untuk

kemudian dapat didistribusikan keesokan harinya pada tanggal 25 Juli 2014 sesuai

10

11

12

13

14

15

16

17

18

19

20

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

Tanggal

Jumlah Tanam (m2) Luas Lahan per Hari (m2)

57

peramalan puncak permintaan. Berkenaan dengan permintaan romaine yang

cenderung meningkat hingga mencapai 148 pak (37 kg) pada hari akhir bulan Juli

2014, perusahaan setidaknya menanam romaine sepanjang 18 hingga 19 meter

untuk memenuhi permintaan tersebut, dengan asumsi 1 meter penanaman akan

menghasilkan 2 kg atau sekitar 8 pak romaine.

Permintaan puncak pada bulan ini setara dengan luas 18-19 m2, dan angka

tersebut berada diluar jangkauan luas lahan maksimal perhari untuk romaine,

yakni 16 m2. Hal itu berarti bahwa permintaan tersebut dapat dipenuhi oleh

perusahaan ini dengan melakukan penarikan panen produksi yang seharusnya

akan dipanen pada esok hari seluas 2-3 m2.

Tabel 22 Perencanaan Produksi Romaine (Juli 2014)

Tanggal Permintaan

(pak)

Jumlah

(kg)

Luas Tanam

(m2)

Luas

Tambahan(m2)

Masa

Tanam

Masa

Produksi

Waktu

Panen

1 148 37 19 3 23/05/14 02/06/14 30/06/14

2 132 33 17 1 24/05/14 03/06/14 01/07/14

3 144 36 18 2 25/05/14 04/06/14 02/07/14 4 148 37 19 3 26/05/14 05/06/14 03/07/14

5 103 25.75 13 - 27/05/14 06/06/14 04/07/14

6 137 34.25 17 1 28/05/14 07/06/14 05/07/14 7 122 30.5 15 - 29/05/14 08/06/14 06/07/14

8 148 37 19 3 30/05/14 09/06/14 07/07/14

9 132 33 17 1 31/05/14 10/06/14 08/07/14 10 144 36 18 2 01/06/14 11/06/14 09/07/14

11 148 37 19 3 02/06/14 12/06/14 10/07/14

12 103 25.75 13 - 03/06/14 13/06/14 11/07/14 13 137 34.25 17 1 04/06/14 14/06/14 12/07/14

14 122 30.5 15 - 05/06/14 15/06/14 13/07/14

15 148 37 19 3 06/06/14 16/06/14 14/07/14 16 132 33 17 1 07/06/14 17/06/14 15/07/14

17 144 36 18 2 08/06/14 18/06/14 16/07/14

18 148 37 19 3 09/06/14 19/06/14 17/07/14 19 103 25.75 13 - 10/06/14 20/06/14 18/07/14

20 137 34.25 17 1 11/06/14 21/06/14 19/07/14

21 122 30.5 15 - 12/06/14 22/06/14 20/07/14 22 148 37 19 3 13/06/14 23/06/14 21/07/14

23 133 33.25 17 1 14/06/14 24/06/14 22/07/14

24 144 36 18 2 15/06/14 25/06/14 23/07/14 25 148 37 19 3 16/06/14 26/06/14 24/07/14

26 103 25.75 13 - 17/06/14 27/06/14 25/07/14

27 137 34.25 17 1 18/06/14 28/06/14 26/07/14 28 122 30.5 15 - 19/06/14 29/06/14 27/07/14

SIMPULAN DAN SARAN

Simpulan

Berdasarkan hasil uraian yang telah disajikan sebelumnya, maka dapat

disimpulkan bahwa :

1. Permintaan bayam hijau, kangkung dan romaine pada PT. Kebun Sayur

Segar (Parung Farm) untuk periode lima bulan kedepan cenderung

berfluktuasi dari hari ke hari. Hasil ramalan bayam hijau menunjukkan

bahwa permintaan berkisar pada 300 hingga 400 pak perhari, dengan

puncak permintaan pada hari akhir bulan Juli 2014 sebanyak 480 pak

(120 kg). Ramalan permintaan kangkung berkisar antara 220 hingga 270

pak perhari, dengan puncak permintaan pada hari akhir bulan Juli 2014

sebanyak 302 pak (75.5 kg), sedangkan untuk romaine, ramalan

58

permintaan berkisar antara 100 hingga 148 pak (37 kg) perhari untuk

lima bulan kedepan.

2. Perencanaan produksi didapat berdasarkan hasil peramalan yang telah

dilakukan dengan karakteristik masing-masing komoditi. Proses

perencanaan produksi bayam hijau dimulai pada tanggal 16 Juni 2014

untuk waktu tanam, 24 Juli 2014 untuk waktu panen dengan jumlah

yang harus diproduksi sebanyak 480 pak atau 120 kg. Perencanaan

produksi kangkung dimulai pada tanggal 16 Juni 2014 untuk waktu

tanam, 24 Juli 2014 untuk waktu panen dengan jumlah yang harus

diproduksi sebanyak 302 pak atau 75.5 kg, sedangkan perencanaan

produksi romaine dimulai pada tanggal 6 Juni 2014 untuk waktu tanam,

24 Juli 2014 untuk waktu panen dengan jumlah yang harus diproduksi

sebanyak 148 pak atau 37 kg. Perencanaan tersebut didasarkan pada

hasil peramalan yang menunjukkan bahwa puncak permintaan ketiga

komoditi terjadi pada hari-hari akhir di bulan Juli 2014, yakni tanggal 24

dan 25 Juli 2014.

Saran

Berdasarkan hasil penelitian yang telah dilakukan di PT. Kebun Sayur Segar

(Parung Farm), maka penulis menyarankan :

1. Pihak perusahaan sebaiknya melakukan peramalan secara kuantitatif

disamping peramalan rata-rata secara kualitatif, agar estimasi peramalan

lebih bersifat obyektif dan tidak cenderung kearah subyektifitas,

sehingga estimasi peramalan yang didapat lebih akurat dan hal tersebut

akan berimplikasi pada efek memperkecil gap yang terjadi antara

produksi dengan demand yang ada pada perusahaan ini.

2. Perusahaan dianjurkan untuk menyiapkan sumberdaya manusia yang

kompeten dalam hal peramalan kuantitatif agar mampu menerapkan dan

mengoperasionalkan metode peramalan yang diusulkan pada penelitian

ini untuk dapat melakukan peramalan periode selanjutnya secara lebih

akurat yang akan berimplikasi pada perencanaan produksi guna

memenuhi permintaan konsumen akan sayuran pada perusahaan ini.

3. Untuk memenuhi permintaan yang berada diluar jangkauan luas lahan

maksimal perhari untuk masing-masing komoditi, perusahaan sebaiknya

menambah luas lahan seluas 100 m2 untuk bayam hijau, 30 m

2 untuk

kangkung dan 200 m2 untuk romaine, atau perusahaan mengadakan

kemitraan dengan petani atau perusahaan hidroponik lainnya yang sesuai

dengan kriteria agar permintaan konsumen pada perusahaan ini dapat

terpenuhi secara keseluruhan.

4. Penelitian yang dilakukan ini hanya terbatas pada ketiga komoditas

hidroponik terpilih, oleh sebab itu diperlukan penelitian lebih lanjut

terhadap komoditas lain (organik maupun hidroponik) yang diusahakan

pada PT. Kebun Sayur Segar (Parung Farm).

59

DAFTAR PUSTAKA

Assauri S. 2004. Manajemen Produksi dan Operasi. Jakarta (ID): Fakultas

Ekonomi Universitas Indonesia.

Badan Pusat Statistik. 2013. Nilai PDB Atas Dasar Harga Berlaku Menurut

Lapangan Usaha Tahun 2012. [Studi berkala]. [diakses 2013 Desember 21]

Badan Pusat Statistik. 2013. Rata-Rata Konsumsi Sayuran (KKal) Masyarakat

Indonesia per Kapita Sehari Tahun 2008-2012. [Studi berkala]. [diakses 2013

Desember 21]

Batubara S, Maulidya R, Kusumaningrum I. 2011. Perbaikan Sistem Distribusi

dan Transportasi dengan Menggunakan Distribution Requirement Planning

(DRP) dan Algoritma Djikstra (Studi Kasus : Depot Pertamina Tasikmalaya).

Jurnal Keilmuan dan Teknik Industri. Vol. 1, No. 1.

Carson RT, Cenesizoglu T, Parker R. 2010. Forecasting (Aggregate) Demand for

US Commercial Air Travel. International Journal of Forecasting.

Ditjen Bina Produksi Hortikultura. 2013. Perkembangan Produksi Tanaman

Sayuran (Ton) Indonesia Tahun 2008-2012. [Studi berkala]. [diakses 2013

Desember 21]

Hanke JE, Reitsch AG, Wichern DW. 2003. Peramalan Bisnis [Business

Forecasting]. Ed ke-7. Jakarta (ID): PT. Prenhallindo.

Harjadi SS. 1996. Pengantar Agronomi. Jakarta (ID): PT. Gramedia Pustaka

Utama.

Heizer J, Render B. 2008. Manajemen Operasi [Operations Management]. Ed ke-

7. Jakarta (ID): Salemba Empat.

Hutagalung IR. 2013. Perencanaan Kebutuhan Kapasitas Produksi pada PT. XYZ.

e-Jurnal Teknik Industri FT USU, vol. 2, no. 1, pp. 15-23.

Hutajulu OP. 2010. Kajian Peramalan Permintaan dan Perencanaan Optimasi

Produksi Semen pada Plant 11 PT. Indocement Tunggal Prakarsa Tbk [skripsi].

Bogor (ID): Institut Pertanian Bogor.

Indriasti R. 2013. Analisis Usaha Sayuran Hidroponik pada PT. Kebun Sayur

Segar Kabupaten Bogor [skripsi]. Bogor (ID): Institut Pertanian Bogor.

Kaes I, Azeem A. 2009. Demand Forecasting and Supplier Selection for Incoming

Material in RMG Industry : A Case Study. International Journal of Business

and Management. Vol. 4, No. 5.

Lestari, TD. 2012. Analisis Peramalan Permintaan Sayuran menggunakan

Pendekatan Kointegrasi pada PT. Saung Mirwan, Bogor, Jawa Barat [skripsi].

Bogor (ID): Institut Pertanian Bogor.

Lingga P. 1999. Hidroponik Bercocok Tanam tanpa Tanah. Jakarta (ID): Penebar

Swadaya.

Lipsey RG, Courant PN, Purvis DD. 1993. Pengantar Mikroekonomi. Ed ke-10.

Jakarta (ID): Binarupa Aksara.

Makridakis, Wheelwright, McGee. 1999. Metode dan Aplikasi Peramalan

[Forecasting Aplication and Methode]. Ed ke-2. Jakarta (ID): Interaksara.

Marie IA. 2011. Proyeksi Permintaan dan Penentuan Ukuran Batch Optimum

Produk pada Agroindustri (Studi Kasus di Industri Jamu). Jurnal Keilmuan dan

Teknik Industri. Vol. 1, No. 1.

60

Naibaho P. 2009. Kajian Perencanaan Produksi Agregat di PT. Wiska [skripsi].

Bogor (ID): Institut Pertanian Bogor.

Pracaya. 2007. Bertanam Sayuran Organik di Kebun, Pot dan Polibag. Jakarta

(ID): Penebar Swadaya.

Prawirasentono S. 2007. Operation Management. Jakarta (ID): Bumi Aksara.

Purnomo A. 2010. Perencanaan Produksi dan Pengendalian Persediaan Bahan

Baku pada Pengrajin Tahu dan Tempe “IM” Cibogo Bandung. Jurnal Logistik

Bisnis Politeknik Pos Indonesia, vol. 1, no. 1, hal. 97-117.

Putra IN, Pujawan IN, Arvitrida NI. 2009. Peramalan Permintaan dan

Perencanaan Produksi dengan Mempertimbangkan Special Event di PT. Coca-

Cola Bottling Indonesia (PT. CCBI) Plant-Pandaan. Laporan Penelitian Tugas

Akhir, Institut Teknologi Sepuluh Nopember, Surabaya.

Singgih S. 2009. Business Forecasting (Metode Peramalan Bisnis Masa Kini

dengan Minitab dan SPSS). Jakarta (ID): PT. Elex Media Komputindo.

Solehudin A. 2007. Kajian Perencanaan Produksi Agregat pada PT. Adi Putra

Perkasa, Cicurug – Sukabumi [skripsi]. Bogor (ID): Institut Pertanian Bogor.

Suhardiyanto H. 2010. Kumpulan Makalah Pengantar Ilmu-Ilmu Pertanian.

Bogor (ID): IPB Press.

Tkacz G. 2001. Neural Network Forecasting of Canadian GDP Growth.

International Journal of Forecasting 17, 57-69.

Wisastri B. 2006. Peramalan Permintaan Sayuran pada PD. Pacet Segar, Cianjur

[skripsi]. Bogor (ID): Institut Pertanian Bogor.

Zulkarnain. 2009. Dasar-Dasar Hortikultura. Ed ke-1. Jakarta (ID): Bumi Aksara.

61

LAMPIRAN

Lampiran 1 Plot ACF Permintaan Bayam Hijau

757065605550454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Au

toco

rre

lati

on

Autocorrelation Function for ORDER BAYAM HIJAU(with 5% significance limits for the autocorrelations)

Lag ACF T LBQ

1 0.532820 18.10 328.47

2 0.465794 12.64 579.72

3 0.414405 9.95 778.75

4 0.406952 9.03 970.87

5 0.381706 7.93 1140.03

6 0.329964 6.51 1266.55

7 0.439247 8.36 1490.94

8 0.387858 6.97 1666.06

9 0.371775 6.42 1827.09

10 0.329849 5.50 1953.97

11 0.270765 4.40 2039.53

12 0.293835 4.70 2140.39

13 0.250287 3.93 2213.63

14 0.334938 5.19 2344.91

15 0.250978 3.80 2418.68

16 0.233164 3.49 2482.41

17 0.190162 2.81 2524.84

18 0.174585 2.57 2560.63

19 0.152305 2.23 2587.90

20 0.116265 1.69 2603.80

21 0.182880 2.65 2643.18

22 0.097163 1.40 2654.30

23 0.073222 1.05 2660.63

24 0.069877 1.01 2666.39

25 0.050248 0.72 2669.38

26 0.013394 0.19 2669.59

27 -0.006622 -0.10 2669.64

28 0.031757 0.46 2670.83

29 0.004478 0.06 2670.86

30 -0.031319 -0.45 2672.02

31 -0.015461 -0.22 2672.31

32 -0.069471 -1.00 2678.04

33 -0.078597 -1.13 2685.40

34 -0.121149 -1.74 2702.88

35 -0.046195 -0.66 2705.42

36 -0.101569 -1.45 2717.73

37 -0.098451 -1.40 2729.31

38 -0.079458 -1.13 2736.85

39 -0.039918 -0.57 2738.76

40 -0.065374 -0.93 2743.88

41 -0.110833 -1.58 2758.60

42 -0.071368 -1.01 2764.71

43 -0.114736 -1.63 2780.52

44 -0.118658 -1.68 2797.44

45 -0.116095 -1.64 2813.65

46 -0.129481 -1.82 2833.84

47 -0.108041 -1.52 2847.91

48 -0.134678 -1.89 2869.78

49 -0.096907 -1.35 2881.12

50 -0.132052 -1.84 2902.19

51 -0.113093 -1.57 2917.66

52 -0.106621 -1.48 2931.42

53 -0.090069 -1.25 2941.25

54 -0.058138 -0.80 2945.35

55 -0.102877 -1.42 2958.20

56 -0.057169 -0.79 2962.17

57 -0.118188 -1.63 2979.15

58 -0.105792 -1.45 2992.78

59 -0.104129 -1.43 3005.99

60 -0.105531 -1.45 3019.57

61 -0.088748 -1.21 3029.18

62 -0.075704 -1.03 3036.18

63 -0.038813 -0.53 3038.02

62

64 -0.081352 -1.11 3046.12

65 -0.070703 -0.96 3052.25

66 -0.083035 -1.13 3060.70

67 -0.062835 -0.85 3065.55

68 -0.047623 -0.65 3068.33

69 -0.074660 -1.01 3075.19

70 -0.032525 -0.44 3076.49

71 -0.057923 -0.79 3080.62

72 -0.018591 -0.25 3081.05

73 -0.031783 -0.43 3082.29

74 -0.011543 -0.16 3082.46

75 -0.027951 -0.38 3083.42

76 -0.034182 -0.46 3084.87

77 0.042646 0.58 3087.12

78 -0.015358 -0.21 3087.41

Lampiran 2 Plot PACF Permintaan Bayam Hijau

757065605550454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Pa

rtia

l A

uto

co

rre

lati

on

Partial Autocorrelation Function for ORDER BAYAM HIJAU(with 5% significance limits for the partial autocorrelations)

Lag PACF T

1 0.532820 18.10

2 0.254010 8.63

3 0.140201 4.76

4 0.136939 4.65

5 0.087137 2.96

6 0.015015 0.51

7 0.232825 7.91

8 0.048303 1.64

9 0.037596 1.28

10 0.000303 0.01

11 -0.072568 -2.47

12 0.036595 1.24

13 -0.009405 -0.32

14 0.122184 4.15

15 -0.066953 -2.27

16 -0.043657 -1.48

17 -0.068977 -2.34

18 -0.011689 -0.40

19 -0.038391 -1.30

20 -0.022377 -0.76

21 0.052812 1.79

22 -0.107629 -3.66

23 -0.064519 -2.19

24 0.001088 0.04

25 -0.005655 -0.19

26 -0.062006 -2.11

27 -0.001697 -0.06

28 -0.009743 -0.33

29 -0.004703 -0.16

30 -0.039095 -1.33

31 0.042710 1.45

32 -0.065434 -2.22

33 -0.031702 -1.08

34 -0.047649 -1.62

35 0.070933 2.41

36 -0.044402 -1.51

37 0.015614 0.53

38 0.032780 1.11

39 0.088941 3.02

40 0.011155 0.38

41 -0.017954 -0.61

42 0.020971 0.71

43 -0.061569 -2.09

44 0.000032 0.00

45 -0.020657 -0.70

46 -0.030848 -1.05

47 -0.003587 -0.12

48 -0.007107 -0.24

49 -0.014155 -0.48

50 -0.016287 -0.55

51 0.021289 0.72

52 -0.003284 -0.11

53 0.021817 0.74

63

54 0.049292 1.67

55 -0.025501 -0.87

56 0.011890 0.40

57 -0.060969 -2.07

58 -0.009393 -0.32

59 -0.014822 -0.50

60 -0.037138 -1.26

61 -0.000536 -0.02

62 0.047787 1.62

63 0.012842 0.44

64 -0.027345 -0.93

65 0.029191 0.99

66 -0.051249 -1.74

67 0.032998 1.12

68 -0.002433 -0.08

69 -0.021509 -0.73

70 -0.007395 -0.25

71 0.005025 0.17

72 0.055499 1.89

73 0.021979 0.75

74 0.032797 1.11

75 -0.044240 -1.50

76 0.000181 0.01

77 0.073416 2.49

78 -0.038615 -1.31

Lampiran 3 Peramalan Permintaan Bayam Hijau dengan Model ARIMA

(111)(112)7

ARIMA Model: ORDER BAYAM HIJAU Estimates at each iteration

Iteration SSE Parameters

0 15961159 0.100 0.100 0.100 0.100 0.100 0.003

1 14431214 0.083 0.173 0.117 0.250 0.135 -0.013

2 13986295 0.221 0.185 0.267 0.284 0.141 -0.013

3 13479894 0.357 0.196 0.417 0.319 0.148 -0.012

4 12709020 0.482 0.206 0.567 0.369 0.156 -0.011

5 11269096 0.579 0.215 0.717 0.459 0.169 -0.010

6 8819660 0.580 0.191 0.838 0.609 0.184 -0.005

7 6910338 0.430 0.113 0.852 0.752 0.163 0.004

8 6277020 0.299 0.110 0.840 0.902 0.057 -0.001

9 6139923 0.199 0.139 0.831 1.048 -0.081 0.001

10 6136914 0.204 0.170 0.833 1.070 -0.100 0.001

11 6136266 0.204 0.179 0.833 1.076 -0.105 0.001

12 6136021 0.204 0.183 0.834 1.079 -0.107 0.001

13 6135891 0.204 0.185 0.834 1.081 -0.109 0.001

14 6135804 0.204 0.186 0.834 1.082 -0.110 0.001

15 6135735 0.204 0.187 0.834 1.083 -0.111 0.001

16 6135672 0.204 0.188 0.834 1.084 -0.112 0.001

17 6135624 0.204 0.189 0.834 1.085 -0.113 0.001

18 6135586 0.204 0.190 0.834 1.085 -0.113 0.001

19 6135553 0.204 0.190 0.834 1.086 -0.114 0.001

20 6135526 0.204 0.191 0.834 1.086 -0.114 0.001

21 6135502 0.204 0.191 0.834 1.087 -0.114 0.001

22 6135481 0.204 0.191 0.834 1.087 -0.115 0.001

23 6135463 0.204 0.192 0.834 1.087 -0.115 0.001

24 6135447 0.204 0.192 0.834 1.088 -0.115 0.001

25 6135432 0.204 0.192 0.834 1.088 -0.115 0.001

** Convergence criterion not met after 25 iterations **

Final Estimates of Parameters

Type Coef SE Coef T P

AR 1 0.2036 0.0391 5.21 0.000

SAR 7 0.1922 0.0311 6.19 0.000

MA 1 0.8340 0.0219 38.03 0.000

SMA 7 1.0879 0.0100 108.28 0.000

SMA 14 -0.1152 0.0100 -11.55 0.000

Constant 0.00105 0.01150 0.09 0.927

Differencing: 1 regular, 1 seasonal of order 7

64

Number of observations: Original series 1154, after differencing 1146

Residuals: SS = 6129842 (backforecasts excluded)

MS = 5377 DF = 1140

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48

Chi-Square 28.6 41.7 74.5 93.5

DF 6 18 30 42

P-Value 0.000 0.001 0.000 0.000

Forecasts from period 1154

95% Limits

Period Forecast Lower Upper

1155 316.47 172.72 460.22

1156 363.81 210.55 517.07

1157 351.92 194.78 509.05

1158 388.87 228.72 549.02

1159 345.94 182.97 508.90

1160 384.86 219.16 550.56

1161 413.17 244.79 581.56

1162 324.09 149.80 498.38

1163 368.00 190.14 545.87

1164 357.06 176.05 538.07

1165 393.86 209.84 577.89

1166 348.40 161.41 535.38

1167 389.05 199.16 578.94

1168 415.26 222.51 608.02

1169 328.32 131.48 525.16

1170 371.53 171.49 571.56

1171 360.76 157.73 563.79

1172 397.53 191.58 603.48

1173 351.58 142.75 560.40

1174 392.56 180.91 604.21

1175 418.37 203.92 632.82

1176 331.84 113.73 549.94

1177 374.91 153.78 596.04

1178 364.18 140.17 588.18

1179 400.95 174.12 627.77

1180 354.90 125.30 584.50

1181 395.95 163.60 628.29

1182 421.69 186.63 656.74

1183 335.23 96.70 573.76

1184 378.28 136.83 619.73

1185 367.56 123.32 611.79

1186 404.32 157.35 651.30

1187 358.26 108.59 607.94

1188 399.33 146.98 651.67

1189 425.05 170.06 680.04

1190 338.61 80.26 596.96

1191 381.66 120.46 642.85

1192 370.93 107.01 634.85

1193 407.70 141.11 674.30

1194 361.64 92.40 630.88

1195 402.71 130.84 674.57

1196 428.43 153.97 702.89

1197 342.00 64.26 619.73

1198 385.04 104.52 665.57

1199 374.32 91.12 657.52

1200 411.09 125.26 696.92

1201 365.03 76.60 653.47

1202 406.10 115.09 697.12

1203 431.82 138.25 725.40

1204 345.39 48.61 642.18

1205 388.44 88.91 687.97

1206 377.72 75.55 679.89

1207 414.49 109.73 719.26

1208 368.43 61.09 675.78

1209 409.50 99.61 719.40

1210 435.23 122.81 747.66

1211 348.80 33.21 664.39

1212 391.85 73.55 710.15

1213 381.13 60.22 702.05

1214 417.91 94.42 741.39

1215 371.85 45.81 697.89

1216 412.92 84.35 741.49

1217 438.65 107.57 769.73

1218 352.22 18.02 686.42

1219 395.27 58.38 732.17

1220 384.55 45.07 724.04

1221 421.33 79.29 763.37

1222 375.27 30.69 719.85

1223 416.35 69.25 763.44

1224 442.08 92.48 791.67

1225 355.65 2.97 708.33

1226 398.70 43.35 754.06

1227 387.99 30.05 745.93

1228 424.77 64.28 785.25

1229 378.71 15.70 741.72

1230 419.79 54.27 785.30

1231 445.52 77.51 813.52

1232 359.09 -11.98 730.16

1233 402.15 28.42 775.88

1234 391.43 15.13 767.74

1235 428.21 49.37 807.05

1236 382.16 0.80 763.52

1237 423.24 39.38 807.09

1238 448.97 62.62 835.31

1239 362.54 -26.85 751.93

1240 405.60 13.56 797.65

1241 394.89 0.28 789.50

1242 431.67 34.53 828.82

1243 385.62 -14.04 785.28

1244 426.70 24.54 828.86

1245 452.43 47.79 857.07

1246 366.01 -41.67 773.68

1247 409.07 -1.26 819.39

1248 398.36 -14.53 811.25

1249 435.14 19.72 850.56

1250 389.09 -28.85 807.03

1251 430.17 9.73 850.61

65

1252 455.91 32.98 878.83

1253 369.49 -56.46 795.43

1254 412.55 -16.05 841.14

1255 401.84 -29.32 833.00

1256 438.62 4.93 872.32

1257 392.57 -43.64 828.78

1258 433.65 -5.06 872.37

1259 459.39 18.19 900.59

1260 372.97 -71.24 817.19

1261 416.04 -30.83 862.90

1262 405.33 -44.10 854.76

1263 442.11 -9.86 894.09

1264 396.07 -58.43 850.56

1265 437.15 -19.85 894.15

1266 462.89 3.39 922.39

1267 376.47 -86.03 838.98

1268 419.54 -45.62 884.70

1269 408.83 -58.90 876.56

1270 445.62 -24.66 915.89

1271 399.57 -73.23 872.38

1272 440.66 -34.66 915.98

1273 466.40 -11.42 944.22

1274 379.98 -100.84 860.81

1275 423.05 -60.44 906.53

1276 412.35 -73.72 898.41

1277 449.13 -39.48 937.75

1278 403.09 -88.06 894.24

1279 444.18 -49.50 937.85

1280 469.92 -26.26 966.10

1281 383.50 -115.68 882.69

1282 426.57 -75.28 928.43

1283 415.87 -88.57 920.31

1284 452.66 -54.34 959.66

1285 406.62 -102.93 916.16

1286 447.71 -64.37 959.78

1287 473.45 -41.14 988.05

1288 387.04 -130.57 904.64

1289 430.11 -90.17 950.38

1290 419.41 -103.46 942.28

1291 456.20 -69.24 981.64

1292 410.16 -117.84 938.15

1293 451.25 -79.29 981.79

1294 477.00 -56.07 1010.06

1295 390.58 -145.49 926.66

1296 433.65 -105.10 972.41

1297 422.96 -118.41 964.32

1298 459.75 -84.19 1003.69

1299 413.71 -132.80 960.22

1300 454.80 -94.26 1003.86

1301 480.55 -71.05 1032.15

1302 394.14 -160.48 948.76

1303 437.21 -120.09 994.52

1304 426.52 -133.41 986.44

Lampiran 4 Plot ACF Permintaan Kangkung

757065605550454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Au

toco

rre

lati

on

Autocorrelation Function for ORDER KANGKUNG(with 5% significance limits for the autocorrelations)

Lag ACF T LBQ

1 0.627205 21.31 455.15

2 0.561392 14.27 820.11

3 0.546068 11.93 1165.71

4 0.504685 9.88 1461.18

5 0.496412 8.98 1747.28

6 0.446619 7.57 1979.08

7 0.496043 8.02 2265.26

8 0.455008 6.98 2506.26

9 0.452218 6.66 2744.52

10 0.427237 6.06 2957.37

11 0.394533 5.43 3139.04

12 0.390289 5.24 3316.98

13 0.353507 4.64 3463.09

14 0.390578 5.03 3641.60

15 0.341710 4.31 3778.36

66

16 0.322847 4.00 3900.54

17 0.311748 3.81 4014.57

18 0.283440 3.43 4108.91

19 0.267953 3.21 4193.30

20 0.235674 2.79 4258.64

21 0.265328 3.13 4341.53

22 0.218178 2.55 4397.63

23 0.169644 1.97 4431.57

24 0.150901 1.75 4458.46

25 0.160470 1.85 4488.88

26 0.136541 1.57 4510.93

27 0.120675 1.39 4528.17

28 0.117828 1.35 4544.62

29 0.105720 1.21 4557.87

30 0.069912 0.80 4563.67

31 0.076008 0.87 4570.53

32 0.076498 0.87 4577.49

33 0.068393 0.78 4583.06

34 0.032401 0.37 4584.31

35 0.058425 0.67 4588.38

36 0.047046 0.54 4591.02

37 0.018329 0.21 4591.42

38 0.027614 0.31 4592.33

39 0.061345 0.70 4596.83

40 0.035190 0.40 4598.32

41 0.002103 0.02 4598.32

42 0.033652 0.38 4599.68

43 0.008833 0.10 4599.77

44 0.006523 0.07 4599.83

45 -0.001169 -0.01 4599.83

46 -0.025392 -0.29 4600.60

47 -0.018249 -0.21 4601.01

48 -0.031339 -0.36 4602.19

49 -0.036794 -0.42 4603.82

50 -0.052221 -0.59 4607.12

51 -0.059830 -0.68 4611.45

52 -0.046980 -0.53 4614.12

53 -0.034501 -0.39 4615.56

54 -0.037969 -0.43 4617.31

55 -0.055803 -0.63 4621.09

56 -0.044557 -0.51 4623.50

57 -0.065921 -0.75 4628.79

58 -0.069163 -0.79 4634.61

59 -0.075382 -0.86 4641.53

60 -0.076445 -0.87 4648.66

61 -0.070392 -0.80 4654.71

62 -0.074115 -0.84 4661.42

63 -0.080762 -0.91 4669.39

64 -0.104677 -1.18 4682.80

65 -0.119909 -1.36 4700.42

66 -0.146516 -1.65 4726.74

67 -0.124752 -1.40 4745.84

68 -0.110332 -1.24 4760.79

69 -0.129482 -1.45 4781.40

70 -0.129126 -1.45 4801.92

71 -0.106806 -1.19 4815.97

72 -0.096608 -1.08 4827.48

73 -0.107634 -1.20 4841.78

74 -0.097804 -1.09 4853.59

75 -0.116396 -1.30 4870.34

76 -0.100555 -1.12 4882.86

77 -0.083313 -0.93 4891.45

78 -0.100744 -1.12 4904.04

Lampiran 5 Plot PACF Permintaan Kangkung

757065605550454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Pa

rtia

l A

uto

co

rre

lati

on

Partial Autocorrelation Function for ORDER KANGKUNG(with 5% significance limits for the partial autocorrelations)

67

Lag PACF T

1 0.627205 21.31

2 0.276957 9.41

3 0.210272 7.14

4 0.102769 3.49

5 0.111700 3.79

6 0.013652 0.46

7 0.167830 5.70

8 0.021248 0.72

9 0.066279 2.25

10 0.000541 0.02

11 -0.009859 -0.33

12 0.007857 0.27

13 -0.018849 -0.64

14 0.081186 2.76

15 -0.039480 -1.34

16 -0.019616 -0.67

17 -0.017934 -0.61

18 -0.022364 -0.76

19 -0.028894 -0.98

20 -0.025843 -0.88

21 0.045382 1.54

22 -0.050913 -1.73

23 -0.087192 -2.96

24 -0.056065 -1.90

25 0.033889 1.15

26 -0.029079 -0.99

27 0.011100 0.38

28 -0.018614 -0.63

29 0.001918 0.07

30 -0.052564 -1.79

31 0.031677 1.08

32 0.026618 0.90

33 0.022170 0.75

34 -0.047863 -1.63

35 0.043582 1.48

36 -0.001508 -0.05

37 -0.012299 -0.42

38 0.026636 0.90

39 0.088119 2.99

40 -0.020181 -0.69

41 -0.044660 -1.52

42 0.037258 1.27

43 -0.031485 -1.07

44 0.020485 0.70

45 -0.005631 -0.19

46 -0.065109 -2.21

47 -0.021399 -0.73

48 -0.011234 -0.38

49 -0.029920 -1.02

50 -0.032560 -1.11

51 -0.011440 -0.39

52 0.009458 0.32

53 0.021417 0.73

54 -0.009721 -0.33

55 0.005176 0.18

56 0.000736 0.03

57 -0.032346 -1.10

58 -0.003120 -0.11

59 -0.005690 -0.19

60 -0.020106 -0.68

61 0.004642 0.16

62 0.028091 0.95

63 -0.012863 -0.44

64 -0.054580 -1.85

65 -0.035674 -1.21

66 -0.061913 -2.10

67 0.027077 0.92

68 0.033303 1.13

69 -0.013957 -0.47

70 -0.023855 -0.81

71 0.042530 1.44

72 0.041083 1.40

73 0.015866 0.54

74 0.015539 0.53

75 -0.042907 -1.46

76 0.036371 1.24

77 0.028181 0.96

78 -0.017473 -0.59

Lampiran 6 Peramalan Permintaan Kangkung dengan Model ARIMA

(012)(012)7

ARIMA Model: ORDER KANGKUNG Estimates at each iteration

Iteration SSE Parameters

0 8700633 0.100 0.100 0.100 0.100 0.114

1 7154045 0.186 0.137 0.250 0.159 0.035

2 5997319 0.274 0.164 0.400 0.197 0.004

3 5136725 0.365 0.178 0.550 0.205 -0.004

4 4527787 0.461 0.176 0.700 0.175 -0.004

5 4162366 0.557 0.152 0.850 0.111 -0.001

6 4102346 0.620 0.126 0.928 0.048 -0.009

7 4101396 0.624 0.123 0.930 0.043 -0.007

8 4100465 0.625 0.122 0.932 0.041 -0.004

9 4100249 0.625 0.122 0.935 0.039 -0.004

10 4100036 0.625 0.121 0.937 0.036 -0.004

11 4099885 0.625 0.121 0.939 0.034 -0.004

12 4099780 0.625 0.121 0.942 0.032 -0.004

13 4099715 0.625 0.120 0.944 0.030 -0.004

14 4099687 0.626 0.120 0.946 0.028 -0.004

68

15 4099668 0.626 0.119 0.947 0.027 -0.004

16 4099575 0.626 0.119 0.949 0.026 -0.003

17 4099467 0.626 0.119 0.949 0.026 -0.002

18 4099438 0.626 0.119 0.950 0.025 -0.002

19 4099436 0.626 0.119 0.950 0.025 -0.001

Unable to reduce sum of squares any further

Final Estimates of Parameters

Type Coef SE Coef T P

MA 1 0.6260 0.0295 21.24 0.000

MA 2 0.1191 0.0295 4.03 0.000

SMA 7 0.9502 0.0090 105.59 0.000

SMA 14 0.0249 0.0088 2.84 0.005

Constant -0.00127 0.02038 -0.06 0.950

Differencing: 1 regular, 1 seasonal of order 7

Number of observations: Original series 1154, after differencing 1146

Residuals: SS = 4096214 (backforecasts excluded)

MS = 3590 DF = 1141

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48

Chi-Square 16.3 33.0 47.1 62.7

DF 7 19 31 43

P-Value 0.023 0.024 0.032 0.027

Forecasts from period 1154

95% Limits

Period Forecast Lower Upper

1155 229.559 112.099 347.020

1156 243.580 118.173 368.986

1157 241.637 112.705 370.568

1158 261.551 129.189 393.913

1159 240.850 105.144 376.557

1160 263.604 124.634 402.574

1161 272.932 130.773 415.091

1162 223.095 76.501 369.689

1163 245.982 95.909 396.055

1164 244.640 91.311 397.969

1165 263.858 107.340 420.375

1166 242.917 83.275 402.559

1167 266.469 103.763 429.176

1168 273.131 107.417 438.846

1169 224.465 55.229 393.702

1170 247.596 75.263 419.929

1171 246.252 70.942 421.563

1172 265.469 87.231 443.707

1173 244.527 63.408 425.646

1174 268.078 84.124 452.032

1175 274.739 87.992 461.485

1176 226.072 36.057 416.086

1177 249.201 56.297 442.105

1178 247.856 52.163 443.549

1179 267.071 68.630 465.513

1180 246.128 44.975 447.281

1181 269.678 65.849 473.507

1182 276.337 69.868 482.807

1183 227.669 18.113 437.225

1184 250.797 38.500 463.094

1185 249.451 34.502 464.400

1186 268.665 51.097 486.234

1187 247.720 27.563 467.877

1188 271.269 48.554 493.984

1189 277.927 52.683 503.171

1190 229.258 1.063 457.452

1191 252.385 21.559 483.210

1192 251.037 17.662 484.412

1193 270.250 34.353 506.147

1194 249.304 10.911 487.696

1195 272.851 31.989 513.713

1196 279.508 36.201 522.815

1197 230.837 -15.315 476.989

1198 253.963 5.265 502.661

1199 252.614 1.445 503.783

1200 271.826 18.210 525.441

1201 250.878 -5.161 506.918

1202 274.424 15.984 532.865

1203 281.080 20.260 541.899

1204 232.408 -31.174 495.990

1205 255.532 -10.529 521.593

1206 254.182 -14.289 522.653

1207 273.392 2.534 544.251

1208 252.444 -20.782 525.670

1209 275.989 0.416 551.562

1210 282.643 4.743 560.543

1211 233.970 -46.627 514.566

69

1212 257.093 -25.930 540.116

1213 255.741 -29.642 541.125

1214 274.951 -12.775 562.676

1215 254.001 -36.047 544.048

1216 277.544 -14.807 569.896

1217 284.197 -10.441 578.835

1218 235.523 -61.757 532.803

1219 258.645 -41.019 558.309

1220 257.292 -44.694 559.277

1221 276.500 -27.790 580.789

1222 255.549 -51.028 562.125

1223 279.091 -29.755 587.937

1224 285.743 -25.357 596.842

1225 237.067 -76.631 550.765

1226 260.187 -55.860 576.235

1227 258.833 -59.504 577.171

1228 278.040 -42.572 598.652

1229 257.088 -65.782 579.957

1230 280.629 -44.483 605.741

1231 287.279 -40.060 614.618

1232 238.602 -91.299 568.503

1233 261.721 -70.501 593.944

1234 260.366 -74.122 594.854

1235 279.571 -57.166 616.309

1236 258.618 -80.355 597.591

1237 282.158 -59.036 623.351

1238 288.807 -54.592 632.206

1239 240.128 -105.803 586.059

1240 263.247 -84.984 611.477

1241 261.890 -88.585 612.365

1242 281.094 -71.612 633.800

1243 260.139 -94.783 615.061

1244 283.678 -73.448 640.803

1245 290.326 -68.989 649.640

1246 241.646 -120.176 603.468

1247 264.763 -99.340 628.866

1248 263.405 -102.927 629.736

1249 282.608 -85.939 651.154

1250 261.651 -109.097 632.400

1251 285.189 -87.749 658.127

1252 291.835 -83.279 666.949

1253 243.155 -134.446 620.755

1254 266.270 -113.597 646.137

1255 264.911 -117.173 646.994

1256 284.112 -100.174 668.399

1257 263.155 -123.322 649.632

1258 286.691 -101.964 675.346

1259 293.336 -97.485 684.158

1260 244.654 -148.637 637.945

1261 267.769 -127.778 663.315

1262 266.408 -131.345 664.161

1263 285.608 -114.338 685.555

1264 264.650 -137.479 666.778

1265 288.184 -116.114 692.483

1266 294.829 -111.629 701.286

1267 246.145 -162.768 655.058

1268 269.258 -141.902 680.418

1269 267.896 -145.462 681.255

1270 287.095 -128.450 702.641

1271 266.135 -151.585 683.856

1272 289.669 -130.216 709.554

1273 296.312 -125.726 718.350

1274 247.627 -176.856 672.110

1275 270.739 -155.984 697.462

1276 269.376 -159.540 698.292

1277 288.574 -142.525 719.672

1278 267.612 -165.657 700.882

1279 291.145 -144.285 726.574

1280 297.786 -139.793 735.365

1281 249.100 -190.915 689.115

1282 272.211 -170.040 714.461

1283 270.846 -173.594 715.286

1284 290.043 -156.576 736.662

1285 269.080 -179.707 717.868

1286 292.611 -158.334 743.557

1287 299.252 -153.841 752.344

1288 250.564 -204.957 706.086

1289 273.674 -184.081 731.428

1290 272.308 -187.634 732.250

1291 291.503 -170.616 753.622

1292 270.539 -193.747 734.825

1293 294.069 -172.374 760.512

1294 300.708 -167.882 769.298

1295 252.020 -218.994 723.033

1296 275.128 -198.117 748.372

1297 273.761 -201.671 749.192

1298 292.955 -184.654 770.563

1299 271.990 -207.786 751.765

1300 295.518 -186.415 777.451

1301 302.156 -181.925 786.236

1302 253.466 -233.034 739.967

1303 276.573 -212.158 765.304

1304 275.205 -215.714 766.123

70

Lampiran 7 Plot ACF Permintaan Romaine

757065605550454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Au

toco

rre

lati

on

Autocorrelation Function for ORDER ROMAINE(with 5% significance limits for the autocorrelations)

Lag ACF T LBQ

1 0.578422 19.65 387.10

2 0.546237 14.36 732.62

3 0.497779 11.23 1019.81

4 0.486025 9.94 1293.83

5 0.507942 9.60 1593.38

6 0.468259 8.21 1848.18

7 0.531440 8.82 2176.66

8 0.441858 6.88 2403.93

9 0.489615 7.33 2683.22

10 0.411853 5.90 2881.02

11 0.405379 5.64 3072.82

12 0.439816 5.96 3298.78

13 0.397804 5.23 3483.80

14 0.460725 5.92 3732.20

15 0.386780 4.82 3907.41

16 0.395970 4.84 4091.21

17 0.360390 4.32 4243.60

18 0.375668 4.43 4409.33

19 0.336884 3.91 4542.72

20 0.303550 3.48 4651.11

21 0.364383 4.13 4807.45

22 0.280212 3.13 4899.98

23 0.293616 3.25 5001.66

24 0.265902 2.92 5085.13

25 0.276231 3.01 5175.29

26 0.263472 2.85 5257.39

27 0.233132 2.50 5321.72

28 0.268171 2.86 5406.93

29 0.220369 2.34 5464.51

30 0.243864 2.57 5535.09

31 0.206930 2.17 5585.96

32 0.189490 1.98 5628.65

33 0.188412 1.96 5670.90

34 0.149249 1.55 5697.43

35 0.177252 1.84 5734.88

36 0.139285 1.44 5758.03

37 0.146472 1.51 5783.65

38 0.139658 1.44 5806.97

39 0.155755 1.60 5835.99

40 0.121537 1.25 5853.68

41 0.098766 1.01 5865.37

42 0.130107 1.33 5885.68

43 0.070244 0.72 5891.61

44 0.071016 0.72 5897.67

45 0.064759 0.66 5902.71

46 0.063798 0.65 5907.61

47 0.066630 0.68 5912.96

48 0.045522 0.46 5915.46

49 0.040326 0.41 5917.43

50 0.022340 0.23 5918.03

51 0.039686 0.40 5919.93

52 0.033801 0.34 5921.32

53 0.022127 0.23 5921.91

54 0.050916 0.52 5925.05

55 0.004859 0.05 5925.08

56 0.037053 0.38 5926.75

57 -0.028574 -0.29 5927.74

58 -0.020424 -0.21 5928.25

59 -0.006517 -0.07 5928.30

60 -0.021149 -0.22 5928.85

61 -0.006244 -0.06 5928.90

62 -0.005457 -0.06 5928.93

63 -0.000877 -0.01 5928.93

64 -0.038334 -0.39 5930.73

65 -0.027991 -0.28 5931.69

66 -0.017875 -0.18 5932.08

67 -0.006208 -0.06 5932.13

68 0.017884 0.18 5932.52

69 -0.004979 -0.05 5932.55

70 0.020148 0.21 5933.05

71 -0.008781 -0.09 5933.15

71

72 0.003253 0.03 5933.16

73 -0.014840 -0.15 5933.43

74 0.009020 0.09 5933.53

75 0.008613 0.09 5933.63

76 -0.001307 -0.01 5933.63

77 0.030622 0.31 5934.79

78 0.000538 0.01 5934.79

Lampiran 8 Plot PACF Permintaan Romaine

757065605550454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Pa

rtia

l A

uto

co

rre

lati

on

Partial Autocorrelation Function for ORDER ROMAINE(with 5% significance limits for the partial autocorrelations)

Lag PACF T

1 0.578422 19.65

2 0.318088 10.81

3 0.164414 5.59

4 0.141406 4.80

5 0.174558 5.93

6 0.065687 2.23

7 0.194859 6.62

8 -0.023853 -0.81

9 0.116757 3.97

10 -0.051163 -1.74

11 -0.001333 -0.05

12 0.077041 2.62

13 -0.003016 -0.10

14 0.103777 3.53

15 -0.024854 -0.84

16 -0.007545 -0.26

17 -0.010166 -0.35

18 0.030259 1.03

19 -0.065371 -2.22

20 -0.043305 -1.47

21 0.054029 1.84

22 -0.072247 -2.45

23 -0.032657 -1.11

24 -0.010497 -0.36

25 0.013351 0.45

26 -0.012178 -0.41

27 -0.027894 -0.95

28 0.034374 1.17

29 -0.007795 -0.26

30 0.001913 0.06

31 -0.003105 -0.11

32 -0.044165 -1.50

33 -0.008405 -0.29

34 -0.041173 -1.40

35 0.000857 0.03

36 -0.011661 -0.40

37 -0.012308 -0.42

38 0.026797 0.91

39 0.039560 1.34

40 -0.031079 -1.06

41 -0.005551 -0.19

42 0.018305 0.62

43 -0.060378 -2.05

44 -0.043183 -1.47

45 -0.000637 -0.02

46 -0.012984 -0.44

47 0.014529 0.49

48 -0.002044 -0.07

49 -0.022723 -0.77

50 0.011982 0.41

51 0.010712 0.36

52 0.030608 1.04

53 -0.016910 -0.57

54 0.052504 1.78

55 -0.032255 -1.10

56 0.027486 0.93

57 -0.082065 -2.79

58 -0.008876 -0.30

59 0.017925 0.61

72

60 -0.027559 -0.94

61 0.018752 0.64

62 0.066759 2.27

63 -0.014240 -0.48

64 -0.010735 -0.36

65 -0.000416 -0.01

66 0.021465 0.73

67 0.036819 1.25

68 0.025678 0.87

69 0.008730 0.30

70 0.035888 1.22

71 0.001179 0.04

72 0.014368 0.49

73 -0.018145 -0.62

74 0.038805 1.32

75 -0.008949 -0.30

76 -0.000967 -0.03

77 0.016139 0.55

78 0.005896 0.20

Lampiran 9 Peramalan Permintaan Romaine dengan Model ARIMA

(111)(112)7

ARIMA Model: ORDER ROMAINE Estimates at each iteration

Iteration SSE Parameters

0 8993485 0.100 0.100 0.100 0.100 0.100 0.118

1 8215145 0.085 0.180 0.115 0.250 0.132 0.088

2 8041476 0.227 0.189 0.265 0.274 0.136 0.069

3 7858377 0.367 0.196 0.415 0.296 0.139 0.053

4 7595554 0.502 0.203 0.565 0.324 0.144 0.037

5 7123693 0.622 0.213 0.715 0.373 0.151 0.022

6 6152591 0.700 0.212 0.865 0.462 0.164 0.008

7 4538791 0.610 0.157 0.959 0.612 0.177 -0.002

8 3885841 0.460 0.139 0.935 0.745 0.131 0.002

9 3604878 0.356 0.188 0.910 0.895 0.036 0.004

10 3490410 0.298 0.281 0.895 1.045 -0.086 0.004

11 3387855 0.178 0.308 0.861 1.184 -0.199 0.003

12 3386893 0.158 0.302 0.857 1.184 -0.199 0.001

13 3386892 0.158 0.301 0.857 1.184 -0.199 0.001

14 3386892 0.158 0.301 0.856 1.184 -0.199 0.001

15 3386892 0.157 0.301 0.856 1.184 -0.199 0.001

16 3386892 0.157 0.301 0.856 1.184 -0.199 0.001

17 3386888 0.156 0.301 0.856 1.184 -0.199 0.001

18 3386879 0.156 0.301 0.856 1.184 -0.199 0.001

Relative change in each estimate less than 0.0010

Final Estimates of Parameters

Type Coef SE Coef T P

AR 1 0.1564 0.0365 4.28 0.000

SAR 7 0.3007 0.0294 10.21 0.000

MA 1 0.8561 0.0192 44.67 0.000

SMA 7 1.1840 0.0000 75561.50 0.000

SMA 14 -0.1987 0.0058 -34.02 0.000

Constant 0.001193 0.004511 0.26 0.791

Differencing: 1 regular, 1 seasonal of order 7

Number of observations: Original series 1154, after differencing 1146

Residuals: SS = 3332809 (backforecasts excluded)

MS = 2924 DF = 1140

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48

Chi-Square 19.0 35.6 41.8 54.4

DF 6 18 30 42

73

P-Value 0.004 0.008 0.075 0.096

Forecasts from period 1154

95% Limits

Period Forecast Lower Upper

1155 98.501 -7.496 204.499

1156 139.264 28.590 249.939

1157 125.798 13.289 238.307

1158 145.276 31.269 259.283

1159 136.884 21.443 252.325

1160 145.382 28.532 262.233

1161 147.823 29.581 266.064

1162 103.732 -18.368 225.833

1163 138.514 14.482 262.545

1164 124.018 -1.687 249.724

1165 147.737 20.413 275.060

1166 134.635 5.718 263.551

1167 145.247 14.758 275.736

1168 148.936 16.894 280.979

1169 104.135 -30.341 238.612

1170 137.976 1.748 274.205

1171 123.307 -14.562 261.176

1172 148.323 8.847 287.799

1173 133.809 -7.254 274.872

1174 145.059 2.427 287.690

1175 149.125 4.942 293.308

1176 104.112 -42.094 250.318

1177 137.672 -10.186 285.530

1178 122.951 -26.490 272.392

1179 148.359 -2.641 299.359

1180 133.422 -19.120 285.963

1181 144.865 -9.203 298.933

1182 149.046 -6.533 304.625

1183 103.970 -53.469 261.410

1184 137.447 -21.575 296.469

1185 122.713 -37.839 283.264

1186 148.239 -13.822 310.300

1187 133.176 -30.379 296.732

1188 144.679 -20.357 309.715

1189 148.896 -17.607 315.400

1190 103.803 -64.474 272.080

1191 137.256 -32.552 307.064

1192 122.519 -48.773 293.811

1193 148.083 -24.675 320.841

1194 132.984 -41.227 307.195

1195 144.506 -31.146 320.157

1196 148.735 -28.346 325.816

1197 103.638 -75.157 282.434

1198 137.086 -43.199 317.370

1199 122.349 -59.382 304.080

1200 147.925 -35.235 331.086

1201 132.817 -51.762 317.396

1202 144.346 -41.640 330.332

1203 148.581 -38.802 335.963

1204 103.484 -85.568 292.536

1205 136.931 -53.577 327.439

1206 122.196 -69.727 314.118

1207 147.778 -45.545 341.100

1208 132.667 -62.044 327.379

1209 144.200 -51.891 340.291

1210 148.438 -49.023 345.898

1211 103.342 -95.750 302.435

1212 136.791 -63.729 337.311

1213 122.058 -79.851 323.967

1214 147.642 -55.642 350.926

1215 132.533 -72.116 337.182

1216 144.068 -61.936 350.073

1217 148.308 -59.043 355.660

1218 103.215 -105.738 312.168

1219 136.665 -73.692 347.022

1220 121.934 -89.790 333.658

1221 147.521 -65.557 360.599

1222 132.413 -82.009 346.836

1223 143.951 -71.808 359.710

1224 148.193 -68.894 365.280

1225 103.101 -115.561 321.764

1226 136.554 -83.493 356.600

1227 121.824 -99.571 343.220

1228 147.414 -75.318 370.145

1229 132.308 -91.751 356.367

1230 143.847 -81.532 369.226

1231 148.091 -78.600 374.783

1232 103.002 -125.242 331.246

1233 136.456 -93.155 366.068

1234 121.729 -109.216 352.674

1235 147.320 -84.946 379.586

1236 132.217 -101.363 365.796

1237 143.758 -91.127 378.644

1238 148.004 -88.180 384.188

1239 102.917 -134.801 340.635

1240 136.373 -102.698 375.444

1241 121.648 -118.743 362.039

1242 147.241 -94.459 388.941

1243 132.139 -110.862 375.141

1244 143.683 -100.613 387.979

1245 147.931 -97.652 393.514

1246 102.846 -144.254 349.946

1247 136.304 -112.137 384.745

1248 121.581 -128.170 371.331

1249 147.176 -103.873 398.225

1250 132.076 -120.264 384.417

1251 143.622 -110.003 397.247

1252 147.872 -107.030 402.775

1253 102.789 -153.616 359.194

1254 136.249 -121.487 393.985

1255 121.528 -137.508 380.564

1256 147.125 -113.200 407.451

1257 132.028 -129.581 393.636

1258 143.575 -119.309 406.460

1259 147.828 -116.327 411.982

1260 102.746 -162.898 368.391

1261 136.208 -130.759 403.176

1262 121.489 -146.770 389.749

1263 147.089 -122.453 416.630

1264 131.993 -138.824 402.810

1265 143.543 -128.544 415.629

1266 147.797 -125.553 421.147

1267 102.718 -172.111 377.547

1268 136.182 -139.962 412.326

1269 121.465 -155.965 398.895

1270 147.066 -131.639 425.772

1271 131.973 -148.003 411.948

74

1272 143.524 -137.715 424.763

1273 147.780 -134.717 430.278

1274 102.703 -181.264 386.670

1275 136.170 -149.107 421.446

1276 121.454 -165.102 408.011

1277 147.058 -140.769 434.885

1278 131.966 -157.126 421.058

1279 143.520 -146.831 433.871

1280 147.778 -143.826 439.383

1281 102.703 -190.363 395.769

1282 136.171 -158.199 430.542

1283 121.458 -174.188 417.104

1284 147.064 -149.849 443.977

1285 131.974 -166.200 430.148

1286 143.530 -155.899 442.959

1287 147.790 -152.889 448.469

1288 102.717 -199.417 404.851

1289 136.187 -167.247 439.621

1290 121.476 -183.230 426.182

1291 147.084 -158.886 453.053

1292 131.996 -175.231 439.223

1293 143.554 -164.926 452.034

1294 147.816 -161.911 457.543

1295 102.745 -208.431 413.921

1296 136.217 -176.256 448.690

1297 121.508 -192.234 435.251

1298 147.118 -167.885 462.121

1299 132.032 -184.226 448.291

1300 143.592 -173.917 461.101

1301 147.856 -170.898 466.610

1302 102.787 -217.411 422.985

1303 136.262 -185.230 457.753

1304 121.555 -201.205 444.314

75

RIWAYAT HIDUP

Penulis dilahirkan di Jakarta pada tanggal 31 Desember 1992 dari ayah Jazri

(alm) dan ibu Khairiyah. Penulis adalah putra keenam dari enam bersaudara.

Tahun 2010 penulis lulus dari Madrasah Aliyah Al-Falah Boarding School Jakarta

dan pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor

(IPB) melalui jalur Beasiswa Utusan Daerah Kementerian Agama Republik

Indonesia dan diterima di Departemen Agribisnis, Fakultas Ekonomi dan

Manajemen.

Selama menjalani pendidikan di IPB, penulis aktif mengikuti organisasi dan

acara-acara yang diadakan di kampus, seperti Badan Eksekutif Mahasiswa (BEM)

dan Himpunan Profesi (HIMPRO). Selain itu, penulis juga pernah aktif sebagai

staf Departemen Pengembangan Sumberdaya Manusia Community of Santri

Schoolars of Ministry of Religious Affairs (CSS MoRA) IPB. Pada bulan Juni

hingga Agustus 2013 penulis melaksanakan Gladikarya atau yang lebih dikenal

dengan sebutan KKP di Desa Cihanjuang, Kecamatan Parongpong, Kabupaten

Bandung Barat.