PERENCANAAN PRODUKSI SAYURAN HIDROPONIK PADA PT

Download Perencanaan Produksi Bayam Hijau (Maret 2014). 33 ..... dipertimbangkan dalam perencanaan proses produksi berdasarkan sifat proses produksi...

0 downloads 420 Views 2MB Size
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

PERENCANAAN PRODUKSI SAYURAN HIDROPONIK PADA PT. KEBUN SAYUR SEGAR (PARUNG FARM), BOGOR, JAWA BARAT

RIZKI

Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Agribisnis

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 Perencanaan Produksi

8 8

Hidroponik

10

Proses Produksi

11

Teori Permintaan

14

Teori Peramalan

14

Jenis-Jenis Peramalan

15

Model Time Series

16

Kerangka Pemikiran Operasional METODE PENELITIAN

21 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 2 Rata-Rata Konsumsi Sayuran (KKal) Masyarakat Indonesia per Kapita Sehari Tahun 2008-2012 3 Perkembangan Produksi Tanaman Sayuran (Ton) Indonesia Tahun 2008-2012 4 Ciri-Ciri Sebuah Kegiatan Peramalan 5 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Bayam Hijau 6 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Kangkung 7 Nilai Akurasi Kesalahan Metode Peramalan Permintaan Romaine 8 Perencanaan Produksi Bayam Hijau (Maret 2014) 9 Perencanaan Produksi Bayam Hijau (April 2014) 10 Perencanaan Produksi Bayam Hijau (Mei 2014) 11 Perencanaan Produksi Bayam Hijau (Juni 2014) 12 Perencanaan Produksi Bayam Hijau (Juli 2014) 13 Perencanaan Produksi Kangkung (Maret 2014) 14 Perencanaan Produksi Kangkung (April 2014) 15 Perencanaan Produksi Kangkung (Mei 2014) 16 Perencanaan Produksi Kangkung (Juni 2014) 17 Perencanaan Produksi Kangkung (Juli 2014) 18 Perencanaan Produksi Romaine (Maret 2014) 19 Perencanaan Produksi Romaine (April 2014) 20 Perencanaan Produksi Romaine (Mei 2014) 21 Perencanaan Produksi Romaine (Juni 2014) 22 Perencanaan Produksi Romaine (Juli 2014)

1 2 2 15 28 30 32 35 36 38 39 41 43 44 46 47 49 51 52 54 55 57

DAFTAR GAMBAR 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Permintaan Sayuran PT. Parung Farm 12 Bulan Terakhir Masa Penyemaian Benih Bayam Hijau dan Kangkung (Masa N1) Masa Tanam Bibit (Masa N2) dan Alat Pengalir Nutrisi Masa Produksi Bibit Kangkung (a,b) dan Bayam Hijau (c,d) (Masa N3) Kerangka Pemikiran Perencanaan Produksi Sayuran Hidroponik pada PT. Kebun Sayur Segar (Parung Farm) Pola Permintaan Bayam Hijau Pola Permintaan Kangkung Pola Permintaan Romaine Perencanaan Produksi Bayam Hijau (Maret 2014) Perencanaan Produksi Bayam Hijau (April 2014) Perencanaan Produksi Bayam Hijau (Mei 2014) Perencanaan Produksi Bayam Hijau (Juni 2014) Perencanaan Produksi Bayam Hijau (Juli 2014) Perencanaan Produksi Kangkung (Maret 2014) Perencanaan Produksi Kangkung (April 2014) Perencanaan Produksi Kangkung (Mei 2014)

4 12 13 13 22 27 29 31 34 35 37 38 40 42 43 45

17 18 19 20 21 22 23

Perencanaan Produksi Kangkung (Juni 2014) Perencanaan Produksi Kangkung (Juli 2014) Perencanaan Produksi Romaine (Maret 2014) Perencanaan Produksi Romaine (April 2014) Perencanaan Produksi Romaine (Mei 2014) Perencanaan Produksi Romaine (Juni 2014) Perencanaan Produksi Romaine (Juli 2014)

46 48 50 51 53 54 56

DAFTAR LAMPIRAN 1 Plot ACF Permintaan Bayam Hijau 2 Plot PACF Permintaan Bayam Hijau 3 Peramalan Permintaan Bayam Hijau dengan Model ARIMA (111)(112)7 4 Plot ACF Permintaan Kangkung 5 Plot PACF Permintaan Kangkung 6 Peramalan Permintaan Kangkung dengan Model ARIMA (012)(012)7 7 Plot ACF Permintaan Romaine 8 Plot PACF Permintaan Romaine 9 Peramalan Permintaan Romaine dengan Model ARIMA (111)(112)7

61 62 63 65 66 67 70 71 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 1 190 412.40 kehutanan 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 a Sumber : 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 a Sumber : 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 a Sumber : 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 siasia 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. 12000 11000 10000 9000 8000 7000 6000 5000 4000 3000 2000 1

2

3

4

5

6 7 Bulan

Permintaan Bayam Hijau (pak)

8

9

10

11

12

Permintaan Kangkung (pak)

Permintaan Romaine (pak)

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 m2 untuk kangkung dan 16 m2 untuk

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 m2 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 Menguji perkembangan saat ini dan Tujuan relevansinya di masa mendatang Proyeksi berdasar ilmu statistik, Metode diskusi dan review program Pembuat keputusan, petugas Orang yang terlibat administrasi, praktisi dan analis Frekuensi Reguler (teratur) Tidak sekedar akurasi, namun Kriteria keberhasilan bersifat pembelajaran a Sumber : 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 ratarata (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 Yt

adalah ramalan untuk satu periode kedepan 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 Tren Kuadratik Tren Eksponensial Dimana :

̂ t = b0 + b1t ̂ t = b0 + b1t + b2t2 ̂ t = b0

̂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 Tt p ̂ t+p

adalah nilai actual pada periode t adalah konstanta pemulusan tren ( ) adalah estimasi tren adalah jumlah periode kedepan yang akan diramal 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 et W t-q…

adalah nilai MA yang diprediksi adalah komponen eror adalah koefisien atau bobot 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 = ∑( b. MAD (Mean Absolute Deviation) ) MAD = ∑( c. MSE (Mean Squared Error) MSE =

∑(

t–

Ft / At |

t–

Ft |

) ( t – Ft )2

21

Dimana : At Ft n

adalah data aktual pada waktu t adalah data ramalan pada waktu t 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

PT. PARUNG FARM

Produksi

Pemasaran

Peramalan Jumlah Rata-Rata

Gap Supply dan Demand

Peramalan Kuantitatif

Uji Pola Data

Model Time Series

Nilai MSE Terkecil

Model Terakurat

Hasil Peramalan

Perencanaan Produksi

Gambar 5 Kerangka Pemikiran Perencanaan Produksi Sayuran Hidroponik pada PT. Kebun Sayur Segar (Parung Farm)

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, produkproduk 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. Time Series Plot of ORDER BAYAM HIJAU 900 800

ORDER BAYAM HIJAU

700 600 500 400 300 200 100 0 1

115

230

345

460

575 Index

690

805

920

1035

1150

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 7 2. ARIMA (111)(111) 5379 3. ARIMA (112)(111)7 5380 Pemulusan Eksponensial 4. 8321 Winter (Multiplikatif) Dekomposisi 5. 8731.03 Multiplikatif 6. Dekomposisi Aditif 8731.65 Pemulusan Eksponensial 7. 12816 Winter (Aditif)

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. Time Series Plot of ORDER KANGKUNG 800 700

ORDER KANGKUNG

600 500 400 300 200 100 0 1

115

230

345

460

575 Index

690

805

920

1035

1150

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 7 1. ARIMA (012)(012) 3590 2. ARIMA (112)(112)7 3592 7 3. ARIMA (012)(112) 3594 Pemulusan Eksponensial 4. 6472.68 Winter (Aditif) 5. Dekomposisi Aditif 6897.06 Dekomposisi 6. 6899 Multiplikatif Pemulusan Eksponensial 7. 23267 Winter (Multiplikatif) 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. Time Series Plot of ORDER ROMAINE 500

ORDER ROMAINE

400

300

200

100

0 1

115

230

345

460

575 Index

690

805

Gambar 8 Pola Permintaan Romaine

920

1035

1150

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 7 1. ARIMA (111)(112) 2924 2. ARIMA (212)(212)7 2929 7 3. ARIMA (111)(111) 2931 Pemulusan Eksponensial 4. 4747.07 Winter (Aditif) 5. Dekomposisi Aditif 5692.44 Dekomposisi 6. 5692.80 Multiplikatif Pemulusan Eksponensial 7. 32298 Winter (Multiplikatif) 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 harihari 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

80 78 76 74 72 70 68 66 64 62 60 58 56 54 52 50 1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031 Tanggal Jumlah Tanam (m2)

Luas Lahan per Hari (m2)

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.

35

Tabel 8 Perencanaan Produksi Bayam Hijau (Maret 2014) Tanggal 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 29 30 31

Permintaan (pak) 317 364 352 389 346 385 414 325 368 358 394 349 390 416 329 372 361 398 352 393 419 332 375 365 401 355 396 422 336 379 368

Jumlah (kg) 79.25 91 88 97.25 86.5 96.25 103.5 81.25 92 89.5 98.5 87.25 97.5 104 82.25 93 90.25 99.5 88 98.25 104.75 83 93.75 91.25 100.25 88.75 99 105.5 84 94.75 92

Luas Tanam (m2) 53 61 59 65 58 64 69 54 61 60 66 58 65 69 55 62 60 66 59 66 70 55 63 61 67 59 66 70 56 63 61

Luas Tambahan(m2) -

Masa Tanam 31/01/14 01/02/14 02/02/14 03/02/14 04/02/14 05/02/14 06/02/14 07/02/14 08/02/14 09/02/14 10/02/14 11/02/14 12/02/14 13/02/14 14/02/14 15/02/14 16/02/14 17/02/14 18/02/14 19/02/14 20/02/14 21/02/14 22/02/14 23/02/14 24/02/14 25/02/14 26/02/14 27/02/14 28/02/14 01/03/14 02/03/14

Masa Produksi 10/02/14 11/02/14 12/02/14 13/02/14 14/02/14 15/02/14 16/02/14 17/02/14 18/02/14 19/02/14 20/02/14 21/02/14 22/02/14 23/02/14 24/02/14 25/02/14 26/02/14 27/02/14 28/02/14 01/03/14 02/03/14 03/03/14 04/03/14 05/03/14 06/03/14 07/03/14 08/03/14 09/03/14 10/03/14 11/03/14 12/03/14

Waktu Panen 28/02/14 01/03/14 02/03/14 03/03/14 04/03/14 05/03/14 06/03/14 07/03/14 08/03/14 09/03/14 10/03/14 11/03/14 12/03/14 13/03/14 14/03/14 15/03/14 16/03/14 17/03/14 18/03/14 19/03/14 20/03/14 21/03/14 22/03/14 23/03/14 24/03/14 25/03/14 26/03/14 27/03/14 28/03/14 29/03/14 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. 80 78 76 74 72 70 68 66 64 62 60 58 56 54 52 50 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930 Tanggal Jumlah Tanam (m2)

Luas Lahan per Hari (m2)

Gambar 10 Perencanaan Produksi Bayam Hijau (April 2014)

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 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 29 30

Permintaan (pak) 405 359 400 426 339 382 371 408 362 403 429 343 386 375 412 366 407 432 346 389 378 415 369 410 436 349 392 382 418 372

Jumlah (kg) 101.25 89.75 100 106.5 84.75 95.5 92.75 102 90.5 100.75 107.25 85.75 96.5 93.75 103 91.5 101.75 108 86.5 97.25 94.5 103.75 92.25 102.5 109 87.25 98 95.5 104.5 93

Luas Tanam (m2) 68 60 67 71 57 64 62 68 60 67 72 57 64 63 69 61 68 72 58 65 63 69 62 68 73 58 65 64 70 62

Luas Tambahan(m2) 1 -

Masa Tanam 03/03/14 04/03/14 05/03/14 06/03/14 07/03/14 08/03/14 09/03/14 10/03/14 11/03/14 12/03/14 13/03/14 14/03/14 15/03/14 16/03/14 17/03/14 18/03/14 19/03/14 20/03/14 21/03/14 22/03/14 23/03/14 24/03/14 25/03/14 26/03/14 27/03/14 28/03/14 29/03/14 30/03/14 31/03/14 01/04/14

Masa Produksi 13/03/14 14/03/14 15/03/14 16/03/14 17/03/14 18/03/14 19/03/14 20/03/14 21/03/14 22/03/14 23/03/14 24/03/14 25/03/14 26/03/14 27/03/14 28/03/14 29/03/14 30/03/14 31/03/14 01/04/14 02/04/14 03/04/14 04/04/14 05/04/14 06/04/14 07/04/14 08/04/14 09/04/14 10/04/14 11/04/14

Waktu Panen 31/03/14 01/04/14 02/04/14 03/04/14 04/04/14 05/04/14 06/04/14 07/04/14 08/04/14 09/04/14 10/04/14 11/04/14 12/04/14 13/04/14 14/04/14 15/04/14 16/04/14 17/04/14 18/04/14 19/04/14 20/04/14 21/04/14 22/04/14 23/04/14 24/04/14 25/04/14 26/04/14 27/04/14 28/04/14 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

80 78 76 74 72 70 68 66 64 62 60 58 56 54 52 50 1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031 Tanggal Jumlah Tanam (m2)

Luas Lahan per Hari (m2)

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.

38

Tabel 10 Perencanaan Produksi Bayam Hijau (Mei 2014) Tanggal 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 29 30 31

Permintaan (pak) 413 439 353 396 385 422 376 417 443 356 399 388 425 379 420 446 360 403 392 429 383 424 449 363 406 395 432 386 427 453 367

Jumlah (kg) 103.25 109.75 88.25 99 96.25 105.5 94 104.25 110.75 89 99.75 97 106.25 94.75 105 111.5 90 100.75 98 107.25 95.75 106 112.25 90.75 101.5 98.75 108 96.5 106.75 113.25 91.75

Luas Tanam (m2) 69 73 59 66 64 70 63 70 74 59 67 65 71 63 70 74 60 67 65 72 64 71 75 61 68 66 72 64 71 76 61

Luas Tambahan(m2) 1 2 2 3 4 -

Masa Tanam 02/04/14 03/04/14 04/04/14 05/04/14 06/04/14 07/04/14 08/04/14 09/04/14 10/04/14 11/04/14 12/04/14 13/04/14 14/04/14 15/04/14 16/04/14 17/04/14 18/04/14 19/04/14 20/04/14 21/04/14 22/04/14 23/04/14 24/04/14 25/04/14 26/04/14 27/04/14 28/04/14 29/04/14 30/04/14 01/05/14 02/05/14

Masa Produksi 12/04/14 13/04/14 14/04/14 15/04/14 16/04/14 17/04/14 18/04/14 19/04/14 20/04/14 21/04/14 22/04/14 23/04/14 24/04/14 25/04/14 26/04/14 27/04/14 28/04/14 29/04/14 30/04/14 01/05/14 02/05/14 03/05/14 04/05/14 05/05/14 06/05/14 07/05/14 08/05/14 09/05/14 10/05/14 11/05/14 12/05/14

Waktu Panen 30/04/14 01/05/14 02/05/14 03/05/14 04/05/14 05/05/14 06/05/14 07/05/14 08/05/14 09/05/14 10/05/14 11/05/14 12/05/14 13/05/14 14/05/14 15/05/14 16/05/14 17/05/14 18/05/14 19/05/14 20/05/14 21/05/14 22/05/14 23/05/14 24/05/14 25/05/14 26/05/14 27/05/14 28/05/14 29/05/14 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. 80 78 76 74 72 70 68 66 64 62 60 58 56 54 52 50 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930 Tanggal Jumlah Tanam (m2)

Luas Lahan per Hari (m2)

Gambar 12 Perencanaan Produksi Bayam Hijau (Juni 2014)

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 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 29 30

Permintaan (pak) 410 399 436 390 431 456 370 413 402 439 393 434 460 373 417 406 443 397 438 463 377 420 409 446 400 441 467 380 424 413

Jumlah (kg) 102.5 99.75 109 97.5 107.75 114 92.5 103.25 100.5 109.75 98.25 108.5 115 93.25 104.25 101.5 110.75 99.25 109.5 115.75 94.25 105 102.25 111.5 100 110.25 116.75 95 106 103.25

Luas Tanam (m2) 68 67 73 65 72 76 62 69 67 73 66 72 77 62 70 68 74 66 73 77 63 70 68 74 67 74 78 63 71 69

Luas Tambahan(m2) 1 4 1 5 2 1 5 2 2 6 -

Masa Tanam 03/05/14 04/05/14 05/05/14 06/05/14 07/05/14 08/05/14 09/05/14 10/05/14 11/05/14 12/05/14 13/05/14 14/05/14 15/05/14 16/05/14 17/05/14 18/05/14 19/05/14 20/05/14 21/05/14 22/05/14 23/05/14 24/05/14 25/05/14 26/05/14 27/05/14 28/05/14 29/05/14 30/05/14 31/05/14 01/06/14

Masa Produksi 13/05/14 14/05/14 15/05/14 16/05/14 17/05/14 18/05/14 19/05/14 20/05/14 21/05/14 22/05/14 23/05/14 24/05/14 25/05/14 26/05/14 27/05/14 28/05/14 29/05/14 30/05/14 31/05/14 01/06/14 02/06/14 03/06/14 04/06/14 05/06/14 06/06/14 07/06/14 08/06/14 09/06/14 10/06/14 11/06/14

Waktu Panen 31/05/14 01/06/14 02/06/14 03/06/14 04/06/14 05/06/14 06/06/14 07/06/14 08/06/14 09/06/14 10/06/14 11/06/14 12/06/14 13/06/14 14/06/14 15/06/14 16/06/14 17/06/14 18/06/14 19/06/14 20/06/14 21/06/14 22/06/14 23/06/14 24/06/14 25/06/14 26/06/14 27/06/14 28/06/14 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

80 78 76 74 72 70 68 66 64 62 60 58 56 54 52 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)

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

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 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

Permintaan (pak) 450 404 445 470 384 427 416 453 407 448 474 388 431 420 457 411 452 478 391 434 423 460 414 455 480 395 438 427

Jumlah (kg) 112.5 101 111.25 117.5 96 106.75 104 113.25 101.75 112 118.5 97 107.75 105 114.25 102.75 113 119.5 97.75 108.5 105.75 115 103.5 113.75 120 98.75 109.5 106.75

Luas Tanam (m2) 75 67 74 78 64 71 69 76 68 75 79 65 72 70 76 69 75 80 65 72 71 77 69 76 80 66 73 71

Luas Tambahan(m2) 3 2 6 4 3 7 4 3 8 5 4 8 1 -

Masa Tanam 02/06/14 03/06/14 04/06/14 05/06/14 06/06/14 07/06/14 08/06/14 09/06/14 10/06/14 11/06/14 12/06/14 13/06/14 14/06/14 15/06/14 16/06/14 17/06/14 18/06/14 19/06/14 20/06/14 21/06/14 22/06/14 23/06/14 24/06/14 25/06/14 26/06/14 27/06/14 28/06/14 29/06/14

Masa Produksi 12/06/14 13/06/14 14/06/14 15/06/14 16/06/14 17/06/14 18/06/14 19/06/14 20/06/14 21/06/14 22/06/14 23/06/14 24/06/14 25/06/14 26/06/14 27/06/14 28/06/14 29/06/14 30/06/14 01/07/14 02/07/14 03/07/14 04/07/14 05/07/14 06/07/14 07/07/14 08/07/14 09/07/14

Waktu Panen 30/06/14 01/07/14 02/07/14 03/07/14 04/07/14 05/07/14 06/07/14 07/07/14 08/07/14 09/07/14 10/07/14 11/07/14 12/07/14 13/07/14 14/07/14 15/07/14 16/07/14 17/07/14 18/07/14 19/07/14 20/07/14 21/07/14 22/07/14 23/07/14 24/07/14 25/07/14 26/07/14 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

50 48 46 44 42 40 38 36 34 32 30 1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031 Tanggal Jumlah Tanam (m2)

Luas Lahan per Hari (m2)

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.

43

Tabel 13 Perencanaan Produksi Kangkung (Maret 2014) Tanggal 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 29 30 31

Permintaan (pak) 230 244 242 262 241 264 273 224 246 245 264 243 267 274 225 248 247 266 245 269 275 227 250 248 268 247 270 277 228 251 250

Jumlah (kg) 57.5 61 60.5 65.5 60.25 66 68.25 56 61.5 61.25 66 60.75 66.75 68.5 56.25 62 61.75 66.5 61.25 67.25 68.75 56.75 62.5 62 67 61.75 67.5 69.25 57 62.75 62.5

Luas Tanam (m2) 38 41 40 44 40 44 46 37 41 41 44 41 45 46 38 41 41 44 41 45 46 38 42 41 45 41 45 46 38 42 42

Luas Tambahan(m2) -

Masa Tanam 31/01/14 01/02/14 02/02/14 03/02/14 04/02/14 05/02/14 06/02/14 07/02/14 08/02/14 09/02/14 10/02/14 11/02/14 12/02/14 13/02/14 14/02/14 15/02/14 16/02/14 17/02/14 18/02/14 19/02/14 20/02/14 21/02/14 22/02/14 23/02/14 24/02/14 25/02/14 26/02/14 27/02/14 28/02/14 01/03/14 02/03/14

Masa Produksi 10/02/14 11/02/14 12/02/14 13/02/14 14/02/14 15/02/14 16/02/14 17/02/14 18/02/14 19/02/14 20/02/14 21/02/14 22/02/14 23/02/14 24/02/14 25/02/14 26/02/14 27/02/14 28/02/14 01/03/14 02/03/14 03/03/14 04/03/14 05/03/14 06/03/14 07/03/14 08/03/14 09/03/14 10/03/14 11/03/14 12/03/14

Waktu Panen 28/02/14 01/03/14 02/03/14 03/03/14 04/03/14 05/03/14 06/03/14 07/03/14 08/03/14 09/03/14 10/03/14 11/03/14 12/03/14 13/03/14 14/03/14 15/03/14 16/03/14 17/03/14 18/03/14 19/03/14 20/03/14 21/03/14 22/03/14 23/03/14 24/03/14 25/03/14 26/03/14 27/03/14 28/03/14 29/03/14 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. 50 48 46 44 42 40 38 36 34 32 30 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930 Tanggal Jumlah Tanam (m2)

Luas Lahan per Hari (m2)

Gambar 15 Perencanaan Produksi Kangkung (April 2014)

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 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 29 30

Permintaan (pak) 269 248 272 278 230 253 252 271 250 273 280 231 254 253 272 251 275 282 233 256 255 274 253 276 283 234 258 256 275 255

Jumlah (kg) 67.25 62 68 69.5 57.5 63.25 63 67.75 62.5 68.25 70 57.75 63.5 63.25 68 62.75 68.75 70.5 58.25 64 63.75 68.5 63.25 69 70.75 58.5 64.5 64 68.75 63.75

Luas Tanam (m2) 45 41 45 46 38 42 42 45 42 46 47 39 42 42 45 42 46 47 39 43 43 46 42 46 47 39 43 43 46 43

Luas Tambahan(m2) -

Masa Tanam 03/03/14 04/03/14 05/03/14 06/03/14 07/03/14 08/03/14 09/03/14 10/03/14 11/03/14 12/03/14 13/03/14 14/03/14 15/03/14 16/03/14 17/03/14 18/03/14 19/03/14 20/03/14 21/03/14 22/03/14 23/03/14 24/03/14 25/03/14 26/03/14 27/03/14 28/03/14 29/03/14 30/03/14 31/03/14 01/04/14

Masa Produksi 13/03/14 14/03/14 15/03/14 16/03/14 17/03/14 18/03/14 19/03/14 20/03/14 21/03/14 22/03/14 23/03/14 24/03/14 25/03/14 26/03/14 27/03/14 28/03/14 29/03/14 30/03/14 31/03/14 01/04/14 02/04/14 03/04/14 04/04/14 05/04/14 06/04/14 07/04/14 08/04/14 09/04/14 10/04/14 11/04/14

Waktu Panen 31/03/14 01/04/14 02/04/14 03/04/14 04/04/14 05/04/14 06/04/14 07/04/14 08/04/14 09/04/14 10/04/14 11/04/14 12/04/14 13/04/14 14/04/14 15/04/14 16/04/14 17/04/14 18/04/14 19/04/14 20/04/14 21/04/14 22/04/14 23/04/14 24/04/14 25/04/14 26/04/14 27/04/14 28/04/14 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

50 48 46 44 42 40 38 36 34 32 30 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930 Tanggal Jumlah Tanam (m2)

Luas Lahan per Hari (m2)

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.

46

Tabel 15 Perencanaan Produksi Kangkung (Mei 2014) Tanggal 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 29 30 31

Permintaan (pak) 278 285 236 259 258 277 256 280 286 238 261 259 279 258 281 288 239 262 261 280 259 283 289 241 264 262 282 261 284 291 242

Jumlah (kg) 69.5 71.25 59 64.75 64.5 69.25 64 70 71.5 59.5 65.25 64.75 74.25 64.5 70.25 72 59.75 65.5 65.25 70 64.75 70.75 72.25 60.25 66 65.5 70.5 65.25 71 72.75 60.5

Luas Tanam (m2) 46 48 39 43 43 46 43 47 48 40 44 43 50 43 47 48 40 44 44 47 43 47 48 40 44 44 47 44 47 49 40

Luas Tambahan(m2) 2 1 -

Masa Tanam 02/04/14 03/04/14 04/04/14 05/04/14 06/04/14 07/04/14 08/04/14 09/04/14 10/04/14 11/04/14 12/04/14 13/04/14 14/04/14 15/04/14 16/04/14 17/04/14 18/04/14 19/04/14 20/04/14 21/04/14 22/04/14 23/04/14 24/04/14 25/04/14 26/04/14 27/04/14 28/04/14 29/04/14 30/04/14 01/05/14 02/05/14

Masa Produksi 12/04/14 13/04/14 14/04/14 15/04/14 16/04/14 17/04/14 18/04/14 19/04/14 20/04/14 21/04/14 22/04/14 23/04/14 24/04/14 25/04/14 26/04/14 27/04/14 28/04/14 29/04/14 30/04/14 01/05/14 02/05/14 03/05/14 04/05/14 05/05/14 06/05/14 07/05/14 08/05/14 09/05/14 10/05/14 11/05/14 12/05/14

Waktu Panen 30/04/14 01/05/14 02/05/14 03/05/14 04/05/14 05/05/14 06/05/14 07/05/14 08/05/14 09/05/14 10/05/14 11/05/14 12/05/14 13/05/14 14/05/14 15/05/14 16/05/14 17/05/14 18/05/14 19/05/14 20/05/14 21/05/14 22/05/14 23/05/14 24/05/14 25/05/14 26/05/14 27/05/14 28/05/14 29/05/14 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. 50 48 46 44 42 40 38 36 34 32 30 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930 Tanggal Jumlah Tanam (m2)

Luas Lahan per Hari (m2)

Gambar 17 Perencanaan Produksi Kangkung (Juni 2014)

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 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 29 30

Permintaan (pak) 265 264 283 262 286 292 244 267 265 285 264 287 294 245 268 267 286 265 289 295 247 270 268 288 267 290 297 248 271 270

Jumlah (kg) 66.25 66 70.75 65.5 71.5 73 61 66.75 66.25 71.25 66 71.75 73.5 61.25 67 66.75 71.5 66.25 72.25 73.75 61.75 67.5 67 72 66.75 72.5 74.25 62 67.75 67.5

Luas Tanam (m2) 44 44 47 44 48 49 41 45 44 48 44 48 49 41 45 45 48 44 48 49 41 45 45 48 45 48 50 41 45 45

Luas Tambahan(m2) 1 1 1 2 -

Masa Tanam 03/05/14 04/05/14 05/05/14 06/05/14 07/05/14 08/05/14 09/05/14 10/05/14 11/05/14 12/05/14 13/05/14 14/05/14 15/05/14 16/05/14 17/05/14 18/05/14 19/05/14 20/05/14 21/05/14 22/05/14 23/05/14 24/05/14 25/05/14 26/05/14 27/05/14 28/05/14 29/05/14 30/05/14 31/05/14 01/06/14

Masa Produksi 13/05/14 14/05/14 15/05/14 16/05/14 17/05/14 18/05/14 19/05/14 20/05/14 21/05/14 22/05/14 23/05/14 24/05/14 25/05/14 26/05/14 27/05/14 28/05/14 29/05/14 30/05/14 31/05/14 01/06/14 02/06/14 03/06/14 04/06/14 05/06/14 06/06/14 07/06/14 08/06/14 09/06/14 10/06/14 11/06/14

Waktu Panen 31/05/14 01/06/14 02/06/14 03/06/14 04/06/14 05/06/14 06/06/14 07/06/14 08/06/14 09/06/14 10/06/14 11/06/14 12/06/14 13/06/14 14/06/14 15/06/14 16/06/14 17/06/14 18/06/14 19/06/14 20/06/14 21/06/14 22/06/14 23/06/14 24/06/14 25/06/14 26/06/14 27/06/14 28/06/14 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

50 48 46 44 42 40 38 36 34 32 30 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)

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

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 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

Permintaan (pak) 289 268 292 298 250 273 271 291 270 293 300 251 274 273 292 271 295 301 253 276 274 293 272 296 302 254 277 276

Jumlah (kg) 72.25 67 73 74.5 62.5 68.25 67.75 72.75 67.5 73.25 75 62.75 68.5 68.25 73 67.75 73.75 75.25 63.25 69 68.5 73.25 68 74 75.5 63.5 69.25 69

Luas Tanam (m2) 48 45 49 50 42 46 45 49 45 49 50 42 46 46 49 45 49 50 42 46 46 49 45 49 50 42 46 46

Luas Tambahan(m2) 1 2 1 1 2 1 1 2 1 1 2 -

Masa Tanam 02/06/14 03/06/14 04/06/14 05/06/14 06/06/14 07/06/14 08/06/14 09/06/14 10/06/14 11/06/14 12/06/14 13/06/14 14/06/14 15/06/14 16/06/14 17/06/14 18/06/14 19/06/14 20/06/14 21/06/14 22/06/14 23/06/14 24/06/14 25/06/14 26/06/14 27/06/14 28/06/14 29/06/14

Masa Produksi 12/06/14 13/06/14 14/06/14 15/06/14 16/06/14 17/06/14 18/06/14 19/06/14 20/06/14 21/06/14 22/06/14 23/06/14 24/06/14 25/06/14 26/06/14 27/06/14 28/06/14 29/06/14 30/06/14 01/07/14 02/07/14 03/07/14 04/07/14 05/07/14 06/07/14 07/07/14 08/07/14 09/07/14

Waktu Panen 30/06/14 01/07/14 02/07/14 03/07/14 04/07/14 05/07/14 06/07/14 07/07/14 08/07/14 09/07/14 10/07/14 11/07/14 12/07/14 13/07/14 14/07/14 15/07/14 16/07/14 17/07/14 18/07/14 19/07/14 20/07/14 21/07/14 22/07/14 23/07/14 24/07/14 25/07/14 26/07/14 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. 20 19 18 17 16 15 14 13 12 11 10 1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031 Tanggal Jumlah Tanam (m2)

Luas Lahan per Hari (m2)

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.

51

Tabel 18 Perencanaan Produksi Romaine (Maret 2014) Tanggal 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 29 30 31

Permintaan (pak) 99 140 126 146 137 146 148 104 139 125 148 135 146 149 105 138 124 149 134 146 150 105 138 123 149 134 145 150 104 138 123

Jumlah (kg) 24.75 35 31.5 36.5 34.25 36.5 37 26 34.75 31.25 37 33.75 36.5 37.25 26.25 34.5 31 37.25 33.5 36.5 37.5 26.25 34.5 30.75 37.25 33.5 36.25 37.5 26 34.5 30.75

Luas Tanam (m2) 12 18 16 18 17 18 19 13 17 16 19 17 18 19 13 17 16 19 17 18 19 13 17 15 19 17 18 19 13 17 15

Luas Tambahan(m2) 2 2 1 2 3 1 3 1 2 3 1 3 1 2 3 1 3 1 2 3 1 -

Masa Tanam 21/01/14 22/01/14 23/01/14 24/01/14 25/01/14 26/01/14 27/01/14 28/01/14 29/01/14 30/01/14 31/01/14 01/02/14 02/02/14 03/02/14 04/02/14 05/02/14 06/02/14 07/02/14 08/02/14 09/02/14 10/02/14 11/02/14 12/02/14 13/02/14 14/02/14 15/02/14 16/02/14 17/02/14 18/02/14 19/02/14 20/02/14

Masa Produksi 31/01/14 01/02/14 02/02/14 03/02/14 04/02/14 05/02/14 06/02/14 07/02/14 08/02/14 09/02/14 10/02/14 11/02/14 12/02/14 13/02/14 14/02/14 15/02/14 16/02/14 17/02/14 18/02/14 19/02/14 20/02/14 21/02/14 22/02/14 23/02/14 24/02/14 25/02/14 26/02/14 27/02/14 28/02/14 01/03/14 02/03/14

Waktu Panen 28/02/14 01/03/14 02/03/14 03/03/14 04/03/14 05/03/14 06/03/14 07/03/14 08/03/14 09/03/14 10/03/14 11/03/14 12/03/14 13/03/14 14/03/14 15/03/14 16/03/14 17/03/14 18/03/14 19/03/14 20/03/14 21/03/14 22/03/14 23/03/14 24/03/14 25/03/14 26/03/14 27/03/14 28/03/14 29/03/14 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. 20 19 18 17 16 15 14 13 12 11 10 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930 Tanggal Jumlah Tanam (m2)

Luas Lahan per Hari (m2)

Gambar 20 Perencanaan Produksi Romaine (April 2014)

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 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 29 30

Permintaan (pak) 149 134 145 149 104 138 123 149 133 145 149 104 138 123 148 133 145 149 104 137 123 148 133 145 149 104 137 123 148 133

Jumlah (kg) 37.25 33.5 36.25 37.25 26 34.5 30.75 37.25 33.25 36.25 37.25 26 34.5 30.75 37 33.25 36.25 37.25 26 34.25 30.75 37 33.25 36.25 37.25 26 34.25 30.75 37 33.25

Luas Tanam (m2) 19 17 18 19 13 17 15 19 17 18 19 13 17 15 19 17 18 19 13 17 15 19 17 18 19 13 17 15 19 17

Luas Tambahan(m2) 3 1 2 3 1 3 1 2 3 1 3 1 2 3 1 3 1 2 3 1 3 1

Masa Tanam 21/02/14 22/02/14 23/02/14 24/02/14 25/02/14 26/02/14 27/02/14 28/02/14 01/03/14 02/03/14 03/03/14 04/03/14 05/03/14 06/03/14 07/03/14 08/03/14 09/03/14 10/03/14 11/03/14 12/03/14 13/03/14 14/03/14 15/03/14 16/03/14 17/03/14 18/03/14 19/03/14 20/03/14 21/03/14 22/03/14

Masa Produksi 03/03/14 04/03/14 05/03/14 06/03/14 07/03/14 08/03/14 09/03/14 10/03/14 11/03/14 12/03/14 13/03/14 14/03/14 15/03/14 16/03/14 17/03/14 18/03/14 19/03/14 20/03/14 21/03/14 22/03/14 23/03/14 24/03/14 25/03/14 26/03/14 27/03/14 28/03/14 29/03/14 30/03/14 31/03/14 01/04/14

Waktu Panen 31/03/14 01/04/14 02/04/14 03/04/14 04/04/14 05/04/14 06/04/14 07/04/14 08/04/14 09/04/14 10/04/14 11/04/14 12/04/14 13/04/14 14/04/14 15/04/14 16/04/14 17/04/14 18/04/14 19/04/14 20/04/14 21/04/14 22/04/14 23/04/14 24/04/14 25/04/14 26/04/14 27/04/14 28/04/14 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

20 19 18 17 16 15 14 13 12 11 10 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930 Tanggal Jumlah Tanam (m2)

Luas Lahan per Hari (m2)

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.

54

Tabel 20 Perencanaan Produksi Romaine (Mei 2014) Tanggal 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 29 30 31

Permintaan (pak) 145 149 104 137 122 148 133 144 149 104 137 122 148 133 144 149 104 137 122 148 133 144 149 103 137 122 148 133 144 148 103

Jumlah (kg) 36.25 37.25 26 34.25 30.5 37 33.25 36 37.25 26 34.25 30.5 37 33.25 36 37.25 26 34.25 30.5 37 33.25 36 37.25 25.75 34.25 30.5 37 33.25 36 37 25.75

Luas Tanam (m2) 18 19 13 17 15 19 17 18 19 13 17 15 19 17 18 19 13 17 15 19 17 18 19 13 17 15 19 17 18 19 13

Luas Tambahan(m2) 2 3 1 3 1 2 3 1 3 1 2 3 1 3 1 2 3 1 3 1 2 3 -

Masa Tanam 23/03/14 24/03/14 25/03/14 26/03/14 27/03/14 28/03/14 29/03/14 30/03/14 31/03/14 01/04/14 02/04/14 03/04/14 04/04/14 05/04/14 06/04/14 07/04/14 08/04/14 09/04/14 10/04/14 11/04/14 12/04/14 13/04/14 14/04/14 15/04/14 16/04/14 17/04/14 18/04/14 19/04/14 20/04/14 21/04/14 22/04/14

Masa Produksi 02/04/14 03/04/14 04/04/14 05/04/14 06/04/14 07/04/14 08/04/14 09/04/14 10/04/14 11/04/14 12/04/14 13/04/14 14/04/14 15/04/14 16/04/14 17/04/14 18/04/14 19/04/14 20/04/14 21/04/14 22/04/14 23/04/14 24/04/14 25/04/14 26/04/14 27/04/14 28/04/14 29/04/14 30/04/14 01/05/14 02/05/14

Waktu Panen 30/04/14 01/05/14 02/05/14 03/05/14 04/05/14 05/05/14 06/05/14 07/05/14 08/05/14 09/05/14 10/05/14 11/05/14 12/05/14 13/05/14 14/05/14 15/05/14 16/05/14 17/05/14 18/05/14 19/05/14 20/05/14 21/05/14 22/05/14 23/05/14 24/05/14 25/05/14 26/05/14 27/05/14 28/05/14 29/05/14 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 masingmasing 144 dan 148 pak atau setara dengan luas tanam 18 dan 19 m2. Hal itu dapat dilihat pada grafik dibawah ini. 20 19 18 17 16 15 14 13 12 11 10 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930 Tanggal Jumlah Tanam (m2)

Luas Lahan per Hari (m2)

Gambar 22 Perencanaan Produksi Romaine (Juni 2014)

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 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 29 30

Permintaan (pak) 137 122 148 133 144 148 103 137 122 148 133 144 148 103 137 122 148 132 144 148 103 137 122 148 132 144 148 103 137 122

Jumlah (kg) 34.25 30.5 37 33.25 36 37 25.75 34.25 30.5 37 33.25 36 37 25.75 34.25 30.5 37 33 36 37 25.75 34.25 30.5 37 33 36 37 25.75 34.25 30.5

Luas Tanam (m2) 17 15 19 17 18 19 13 17 15 19 17 18 19 13 17 15 19 17 18 19 13 17 15 19 17 18 19 13 17 15

Luas Tambahan(m2) 1 3 1 2 3 1 3 1 2 3 1 3 1 2 3 1 3 1 2 3 1 -

Masa Tanam 23/04/14 24/04/14 25/04/14 26/04/14 27/04/14 28/04/14 29/04/14 30/04/14 01/05/14 02/05/14 03/05/14 04/05/14 05/05/14 06/05/14 07/05/14 08/05/14 09/05/14 10/05/14 11/05/14 12/05/14 13/05/14 14/05/14 15/05/14 16/05/14 17/05/14 18/05/14 19/05/14 20/05/14 21/05/14 22/05/14

Masa Produksi 03/05/14 04/05/14 05/05/14 06/05/14 07/05/14 08/05/14 09/05/14 10/05/14 11/05/14 12/05/14 13/05/14 14/05/14 15/05/14 16/05/14 17/05/14 18/05/14 19/05/14 20/05/14 21/05/14 22/05/14 23/05/14 24/05/14 25/05/14 26/05/14 27/05/14 28/05/14 29/05/14 30/05/14 31/05/14 01/06/14

Waktu Panen 31/05/14 01/06/14 02/06/14 03/06/14 04/06/14 05/06/14 06/06/14 07/06/14 08/06/14 09/06/14 10/06/14 11/06/14 12/06/14 13/06/14 14/06/14 15/06/14 16/06/14 17/06/14 18/06/14 19/06/14 20/06/14 21/06/14 22/06/14 23/06/14 24/06/14 25/06/14 26/06/14 27/06/14 28/06/14 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

20 19 18 17 16 15 14 13 12 11 10 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)

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

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 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

Permintaan (pak) 148 132 144 148 103 137 122 148 132 144 148 103 137 122 148 132 144 148 103 137 122 148 133 144 148 103 137 122

Jumlah (kg) 37 33 36 37 25.75 34.25 30.5 37 33 36 37 25.75 34.25 30.5 37 33 36 37 25.75 34.25 30.5 37 33.25 36 37 25.75 34.25 30.5

Luas Tanam (m2) 19 17 18 19 13 17 15 19 17 18 19 13 17 15 19 17 18 19 13 17 15 19 17 18 19 13 17 15

Luas Tambahan(m2) 3 1 2 3 1 3 1 2 3 1 3 1 2 3 1 3 1 2 3 1 -

Masa Tanam 23/05/14 24/05/14 25/05/14 26/05/14 27/05/14 28/05/14 29/05/14 30/05/14 31/05/14 01/06/14 02/06/14 03/06/14 04/06/14 05/06/14 06/06/14 07/06/14 08/06/14 09/06/14 10/06/14 11/06/14 12/06/14 13/06/14 14/06/14 15/06/14 16/06/14 17/06/14 18/06/14 19/06/14

Masa Produksi 02/06/14 03/06/14 04/06/14 05/06/14 06/06/14 07/06/14 08/06/14 09/06/14 10/06/14 11/06/14 12/06/14 13/06/14 14/06/14 15/06/14 16/06/14 17/06/14 18/06/14 19/06/14 20/06/14 21/06/14 22/06/14 23/06/14 24/06/14 25/06/14 26/06/14 27/06/14 28/06/14 29/06/14

Waktu Panen 30/06/14 01/07/14 02/07/14 03/07/14 04/07/14 05/07/14 06/07/14 07/07/14 08/07/14 09/07/14 10/07/14 11/07/14 12/07/14 13/07/14 14/07/14 15/07/14 16/07/14 17/07/14 18/07/14 19/07/14 20/07/14 21/07/14 22/07/14 23/07/14 24/07/14 25/07/14 26/07/14 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 m2 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 ke7. 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. CocaCola 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 Autocorrelation Function for ORDER BAYAM HIJAU (with 5% significance limits for the autocorrelations)

1.0 0.8

Autocorrelation

0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1

Lag 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 29 30 31

5

ACF 0.532820 0.465794 0.414405 0.406952 0.381706 0.329964 0.439247 0.387858 0.371775 0.329849 0.270765 0.293835 0.250287 0.334938 0.250978 0.233164 0.190162 0.174585 0.152305 0.116265 0.182880 0.097163 0.073222 0.069877 0.050248 0.013394 -0.006622 0.031757 0.004478 -0.031319 -0.015461

10

15

T 18.10 12.64 9.95 9.03 7.93 6.51 8.36 6.97 6.42 5.50 4.40 4.70 3.93 5.19 3.80 3.49 2.81 2.57 2.23 1.69 2.65 1.40 1.05 1.01 0.72 0.19 -0.10 0.46 0.06 -0.45 -0.22

20

25

LBQ 328.47 579.72 778.75 970.87 1140.03 1266.55 1490.94 1666.06 1827.09 1953.97 2039.53 2140.39 2213.63 2344.91 2418.68 2482.41 2524.84 2560.63 2587.90 2603.80 2643.18 2654.30 2660.63 2666.39 2669.38 2669.59 2669.64 2670.83 2670.86 2672.02 2672.31

30

35

40 Lag

45

32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63

50

55

-0.069471 -0.078597 -0.121149 -0.046195 -0.101569 -0.098451 -0.079458 -0.039918 -0.065374 -0.110833 -0.071368 -0.114736 -0.118658 -0.116095 -0.129481 -0.108041 -0.134678 -0.096907 -0.132052 -0.113093 -0.106621 -0.090069 -0.058138 -0.102877 -0.057169 -0.118188 -0.105792 -0.104129 -0.105531 -0.088748 -0.075704 -0.038813

60

65

-1.00 -1.13 -1.74 -0.66 -1.45 -1.40 -1.13 -0.57 -0.93 -1.58 -1.01 -1.63 -1.68 -1.64 -1.82 -1.52 -1.89 -1.35 -1.84 -1.57 -1.48 -1.25 -0.80 -1.42 -0.79 -1.63 -1.45 -1.43 -1.45 -1.21 -1.03 -0.53

70

75

2678.04 2685.40 2702.88 2705.42 2717.73 2729.31 2736.85 2738.76 2743.88 2758.60 2764.71 2780.52 2797.44 2813.65 2833.84 2847.91 2869.78 2881.12 2902.19 2917.66 2931.42 2941.25 2945.35 2958.20 2962.17 2979.15 2992.78 3005.99 3019.57 3029.18 3036.18 3038.02

62

64 65 66 67 68 69 70 71

-0.081352 -0.070703 -0.083035 -0.062835 -0.047623 -0.074660 -0.032525 -0.057923

-1.11 -0.96 -1.13 -0.85 -0.65 -1.01 -0.44 -0.79

3046.12 3052.25 3060.70 3065.55 3068.33 3075.19 3076.49 3080.62

72 73 74 75 76 77 78

-0.018591 -0.031783 -0.011543 -0.027951 -0.034182 0.042646 -0.015358

-0.25 -0.43 -0.16 -0.38 -0.46 0.58 -0.21

3081.05 3082.29 3082.46 3083.42 3084.87 3087.12 3087.41

Lampiran 2 Plot PACF Permintaan Bayam Hijau Partial Autocorrelation Function for ORDER BAYAM HIJAU (with 5% significance limits for the partial autocorrelations)

1.0

Partial Autocorrelation

0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1

Lag 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

5

PACF 0.532820 0.254010 0.140201 0.136939 0.087137 0.015015 0.232825 0.048303 0.037596 0.000303 -0.072568 0.036595 -0.009405 0.122184 -0.066953 -0.043657 -0.068977 -0.011689 -0.038391 -0.022377 0.052812 -0.107629 -0.064519 0.001088 -0.005655 -0.062006

10

15

T 18.10 8.63 4.76 4.65 2.96 0.51 7.91 1.64 1.28 0.01 -2.47 1.24 -0.32 4.15 -2.27 -1.48 -2.34 -0.40 -1.30 -0.76 1.79 -3.66 -2.19 0.04 -0.19 -2.11

20

25

30

35

40 Lag

45

27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53

50

55

-0.001697 -0.009743 -0.004703 -0.039095 0.042710 -0.065434 -0.031702 -0.047649 0.070933 -0.044402 0.015614 0.032780 0.088941 0.011155 -0.017954 0.020971 -0.061569 0.000032 -0.020657 -0.030848 -0.003587 -0.007107 -0.014155 -0.016287 0.021289 -0.003284 0.021817

60

65

-0.06 -0.33 -0.16 -1.33 1.45 -2.22 -1.08 -1.62 2.41 -1.51 0.53 1.11 3.02 0.38 -0.61 0.71 -2.09 0.00 -0.70 -1.05 -0.12 -0.24 -0.48 -0.55 0.72 -0.11 0.74

70

75

63

54 55 56 57 58 59 60 61 62 63 64 65 66

0.049292 -0.025501 0.011890 -0.060969 -0.009393 -0.014822 -0.037138 -0.000536 0.047787 0.012842 -0.027345 0.029191 -0.051249

1.67 -0.87 0.40 -2.07 -0.32 -0.50 -1.26 -0.02 1.62 0.44 -0.93 0.99 -1.74

67 68 69 70 71 72 73 74 75 76 77 78

0.032998 -0.002433 -0.021509 -0.007395 0.005025 0.055499 0.021979 0.032797 -0.044240 0.000181 0.073416 -0.038615

1.12 -0.08 -0.73 -0.25 0.17 1.89 0.75 1.11 -1.50 0.01 2.49 -1.31

Lampiran 3 Peramalan Permintaan Bayam Hijau dengan Model ARIMA (111)(112)7 ARIMA Model: ORDER BAYAM HIJAU Estimates at each iteration Iteration 0 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

SSE 15961159 14431214 13986295 13479894 12709020 11269096 8819660 6910338 6277020 6139923 6136914 6136266 6136021 6135891 6135804 6135735 6135672 6135624 6135586 6135553 6135526 6135502 6135481 6135463 6135447 6135432

0.100 0.083 0.221 0.357 0.482 0.579 0.580 0.430 0.299 0.199 0.204 0.204 0.204 0.204 0.204 0.204 0.204 0.204 0.204 0.204 0.204 0.204 0.204 0.204 0.204 0.204

0.100 0.173 0.185 0.196 0.206 0.215 0.191 0.113 0.110 0.139 0.170 0.179 0.183 0.185 0.186 0.187 0.188 0.189 0.190 0.190 0.191 0.191 0.191 0.192 0.192 0.192

Parameters 0.100 0.100 0.117 0.250 0.267 0.284 0.417 0.319 0.567 0.369 0.717 0.459 0.838 0.609 0.852 0.752 0.840 0.902 0.831 1.048 0.833 1.070 0.833 1.076 0.834 1.079 0.834 1.081 0.834 1.082 0.834 1.083 0.834 1.084 0.834 1.085 0.834 1.085 0.834 1.086 0.834 1.086 0.834 1.087 0.834 1.087 0.834 1.087 0.834 1.088 0.834 1.088

0.100 0.135 0.141 0.148 0.156 0.169 0.184 0.163 0.057 -0.081 -0.100 -0.105 -0.107 -0.109 -0.110 -0.111 -0.112 -0.113 -0.113 -0.114 -0.114 -0.114 -0.115 -0.115 -0.115 -0.115

** Convergence criterion not met after 25 iterations ** Final Estimates of Parameters Type AR 1 SAR 7 MA 1 SMA 7 SMA 14 Constant

Coef 0.2036 0.1922 0.8340 1.0879 -0.1152 0.00105

SE Coef 0.0391 0.0311 0.0219 0.0100 0.0100 0.01150

T 5.21 6.19 38.03 108.28 -11.55 0.09

P 0.000 0.000 0.000 0.000 0.000 0.927

Differencing: 1 regular, 1 seasonal of order 7

0.003 -0.013 -0.013 -0.012 -0.011 -0.010 -0.005 0.004 -0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001

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 Chi-Square DF P-Value

12 28.6 6 0.000

24 41.7 18 0.001

36 74.5 30 0.000

48 93.5 42 0.000

Forecasts from period 1154 Period 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202

Forecast 316.47 363.81 351.92 388.87 345.94 384.86 413.17 324.09 368.00 357.06 393.86 348.40 389.05 415.26 328.32 371.53 360.76 397.53 351.58 392.56 418.37 331.84 374.91 364.18 400.95 354.90 395.95 421.69 335.23 378.28 367.56 404.32 358.26 399.33 425.05 338.61 381.66 370.93 407.70 361.64 402.71 428.43 342.00 385.04 374.32 411.09 365.03 406.10

95% Limits Lower Upper 172.72 460.22 210.55 517.07 194.78 509.05 228.72 549.02 182.97 508.90 219.16 550.56 244.79 581.56 149.80 498.38 190.14 545.87 176.05 538.07 209.84 577.89 161.41 535.38 199.16 578.94 222.51 608.02 131.48 525.16 171.49 571.56 157.73 563.79 191.58 603.48 142.75 560.40 180.91 604.21 203.92 632.82 113.73 549.94 153.78 596.04 140.17 588.18 174.12 627.77 125.30 584.50 163.60 628.29 186.63 656.74 96.70 573.76 136.83 619.73 123.32 611.79 157.35 651.30 108.59 607.94 146.98 651.67 170.06 680.04 80.26 596.96 120.46 642.85 107.01 634.85 141.11 674.30 92.40 630.88 130.84 674.57 153.97 702.89 64.26 619.73 104.52 665.57 91.12 657.52 125.26 696.92 76.60 653.47 115.09 697.12

1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251

431.82 345.39 388.44 377.72 414.49 368.43 409.50 435.23 348.80 391.85 381.13 417.91 371.85 412.92 438.65 352.22 395.27 384.55 421.33 375.27 416.35 442.08 355.65 398.70 387.99 424.77 378.71 419.79 445.52 359.09 402.15 391.43 428.21 382.16 423.24 448.97 362.54 405.60 394.89 431.67 385.62 426.70 452.43 366.01 409.07 398.36 435.14 389.09 430.17

138.25 48.61 88.91 75.55 109.73 61.09 99.61 122.81 33.21 73.55 60.22 94.42 45.81 84.35 107.57 18.02 58.38 45.07 79.29 30.69 69.25 92.48 2.97 43.35 30.05 64.28 15.70 54.27 77.51 -11.98 28.42 15.13 49.37 0.80 39.38 62.62 -26.85 13.56 0.28 34.53 -14.04 24.54 47.79 -41.67 -1.26 -14.53 19.72 -28.85 9.73

725.40 642.18 687.97 679.89 719.26 675.78 719.40 747.66 664.39 710.15 702.05 741.39 697.89 741.49 769.73 686.42 732.17 724.04 763.37 719.85 763.44 791.67 708.33 754.06 745.93 785.25 741.72 785.30 813.52 730.16 775.88 767.74 807.05 763.52 807.09 835.31 751.93 797.65 789.50 828.82 785.28 828.86 857.07 773.68 819.39 811.25 850.56 807.03 850.61

65

1252 1253 1254 1255 1256 1257 1258 1259 1260 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274 1275 1276 1277 1278

455.91 369.49 412.55 401.84 438.62 392.57 433.65 459.39 372.97 416.04 405.33 442.11 396.07 437.15 462.89 376.47 419.54 408.83 445.62 399.57 440.66 466.40 379.98 423.05 412.35 449.13 403.09

32.98 -56.46 -16.05 -29.32 4.93 -43.64 -5.06 18.19 -71.24 -30.83 -44.10 -9.86 -58.43 -19.85 3.39 -86.03 -45.62 -58.90 -24.66 -73.23 -34.66 -11.42 -100.84 -60.44 -73.72 -39.48 -88.06

878.83 795.43 841.14 833.00 872.32 828.78 872.37 900.59 817.19 862.90 854.76 894.09 850.56 894.15 922.39 838.98 884.70 876.56 915.89 872.38 915.98 944.22 860.81 906.53 898.41 937.75 894.24

1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 1290 1291 1292 1293 1294 1295 1296 1297 1298 1299 1300 1301 1302 1303 1304

444.18 469.92 383.50 426.57 415.87 452.66 406.62 447.71 473.45 387.04 430.11 419.41 456.20 410.16 451.25 477.00 390.58 433.65 422.96 459.75 413.71 454.80 480.55 394.14 437.21 426.52

-49.50 -26.26 -115.68 -75.28 -88.57 -54.34 -102.93 -64.37 -41.14 -130.57 -90.17 -103.46 -69.24 -117.84 -79.29 -56.07 -145.49 -105.10 -118.41 -84.19 -132.80 -94.26 -71.05 -160.48 -120.09 -133.41

937.85 966.10 882.69 928.43 920.31 959.66 916.16 959.78 988.05 904.64 950.38 942.28 981.64 938.15 981.79 1010.06 926.66 972.41 964.32 1003.69 960.22 1003.86 1032.15 948.76 994.52 986.44

Lampiran 4 Plot ACF Permintaan Kangkung Autocorrelation Function for ORDER KANGKUNG (with 5% significance limits for the autocorrelations)

1.0 0.8

Autocorrelation

0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1

Lag 1 2 3 4 5 6 7

5

ACF 0.627205 0.561392 0.546068 0.504685 0.496412 0.446619 0.496043

10

15

T 21.31 14.27 11.93 9.88 8.98 7.57 8.02

20

25

LBQ 455.15 820.11 1165.71 1461.18 1747.28 1979.08 2265.26

30

35

40 Lag

45

8 9 10 11 12 13 14 15

50

55

0.455008 0.452218 0.427237 0.394533 0.390289 0.353507 0.390578 0.341710

60

65

6.98 6.66 6.06 5.43 5.24 4.64 5.03 4.31

70

75

2506.26 2744.52 2957.37 3139.04 3316.98 3463.09 3641.60 3778.36

66

16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47

0.322847 0.311748 0.283440 0.267953 0.235674 0.265328 0.218178 0.169644 0.150901 0.160470 0.136541 0.120675 0.117828 0.105720 0.069912 0.076008 0.076498 0.068393 0.032401 0.058425 0.047046 0.018329 0.027614 0.061345 0.035190 0.002103 0.033652 0.008833 0.006523 -0.001169 -0.025392 -0.018249

4.00 3.81 3.43 3.21 2.79 3.13 2.55 1.97 1.75 1.85 1.57 1.39 1.35 1.21 0.80 0.87 0.87 0.78 0.37 0.67 0.54 0.21 0.31 0.70 0.40 0.02 0.38 0.10 0.07 -0.01 -0.29 -0.21

3900.54 4014.57 4108.91 4193.30 4258.64 4341.53 4397.63 4431.57 4458.46 4488.88 4510.93 4528.17 4544.62 4557.87 4563.67 4570.53 4577.49 4583.06 4584.31 4588.38 4591.02 4591.42 4592.33 4596.83 4598.32 4598.32 4599.68 4599.77 4599.83 4599.83 4600.60 4601.01

48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78

-0.031339 -0.036794 -0.052221 -0.059830 -0.046980 -0.034501 -0.037969 -0.055803 -0.044557 -0.065921 -0.069163 -0.075382 -0.076445 -0.070392 -0.074115 -0.080762 -0.104677 -0.119909 -0.146516 -0.124752 -0.110332 -0.129482 -0.129126 -0.106806 -0.096608 -0.107634 -0.097804 -0.116396 -0.100555 -0.083313 -0.100744

-0.36 -0.42 -0.59 -0.68 -0.53 -0.39 -0.43 -0.63 -0.51 -0.75 -0.79 -0.86 -0.87 -0.80 -0.84 -0.91 -1.18 -1.36 -1.65 -1.40 -1.24 -1.45 -1.45 -1.19 -1.08 -1.20 -1.09 -1.30 -1.12 -0.93 -1.12

4602.19 4603.82 4607.12 4611.45 4614.12 4615.56 4617.31 4621.09 4623.50 4628.79 4634.61 4641.53 4648.66 4654.71 4661.42 4669.39 4682.80 4700.42 4726.74 4745.84 4760.79 4781.40 4801.92 4815.97 4827.48 4841.78 4853.59 4870.34 4882.86 4891.45 4904.04

Lampiran 5 Plot PACF Permintaan Kangkung Partial Autocorrelation Function for ORDER KANGKUNG (with 5% significance limits for the partial autocorrelations)

1.0

Partial Autocorrelation

0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1

5

10

15

20

25

30

35

40 Lag

45

50

55

60

65

70

75

67

Lag 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 29 30 31 32 33 34 35 36 37 38 39

PACF 0.627205 0.276957 0.210272 0.102769 0.111700 0.013652 0.167830 0.021248 0.066279 0.000541 -0.009859 0.007857 -0.018849 0.081186 -0.039480 -0.019616 -0.017934 -0.022364 -0.028894 -0.025843 0.045382 -0.050913 -0.087192 -0.056065 0.033889 -0.029079 0.011100 -0.018614 0.001918 -0.052564 0.031677 0.026618 0.022170 -0.047863 0.043582 -0.001508 -0.012299 0.026636 0.088119

T 21.31 9.41 7.14 3.49 3.79 0.46 5.70 0.72 2.25 0.02 -0.33 0.27 -0.64 2.76 -1.34 -0.67 -0.61 -0.76 -0.98 -0.88 1.54 -1.73 -2.96 -1.90 1.15 -0.99 0.38 -0.63 0.07 -1.79 1.08 0.90 0.75 -1.63 1.48 -0.05 -0.42 0.90 2.99

40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78

-0.020181 -0.044660 0.037258 -0.031485 0.020485 -0.005631 -0.065109 -0.021399 -0.011234 -0.029920 -0.032560 -0.011440 0.009458 0.021417 -0.009721 0.005176 0.000736 -0.032346 -0.003120 -0.005690 -0.020106 0.004642 0.028091 -0.012863 -0.054580 -0.035674 -0.061913 0.027077 0.033303 -0.013957 -0.023855 0.042530 0.041083 0.015866 0.015539 -0.042907 0.036371 0.028181 -0.017473

-0.69 -1.52 1.27 -1.07 0.70 -0.19 -2.21 -0.73 -0.38 -1.02 -1.11 -0.39 0.32 0.73 -0.33 0.18 0.03 -1.10 -0.11 -0.19 -0.68 0.16 0.95 -0.44 -1.85 -1.21 -2.10 0.92 1.13 -0.47 -0.81 1.44 1.40 0.54 0.53 -1.46 1.24 0.96 -0.59

Lampiran 6 Peramalan Permintaan Kangkung dengan Model ARIMA (012)(012)7 ARIMA Model: ORDER KANGKUNG Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14

SSE 8700633 7154045 5997319 5136725 4527787 4162366 4102346 4101396 4100465 4100249 4100036 4099885 4099780 4099715 4099687

0.100 0.186 0.274 0.365 0.461 0.557 0.620 0.624 0.625 0.625 0.625 0.625 0.625 0.625 0.626

0.100 0.137 0.164 0.178 0.176 0.152 0.126 0.123 0.122 0.122 0.121 0.121 0.121 0.120 0.120

Parameters 0.100 0.100 0.250 0.159 0.400 0.197 0.550 0.205 0.700 0.175 0.850 0.111 0.928 0.048 0.930 0.043 0.932 0.041 0.935 0.039 0.937 0.036 0.939 0.034 0.942 0.032 0.944 0.030 0.946 0.028

0.114 0.035 0.004 -0.004 -0.004 -0.001 -0.009 -0.007 -0.004 -0.004 -0.004 -0.004 -0.004 -0.004 -0.004

68

15 16 17 18 19

4099668 4099575 4099467 4099438 4099436

0.626 0.626 0.626 0.626 0.626

0.119 0.119 0.119 0.119 0.119

0.947 0.949 0.949 0.950 0.950

0.027 0.026 0.026 0.025 0.025

-0.004 -0.003 -0.002 -0.002 -0.001

Unable to reduce sum of squares any further Final Estimates of Parameters Type MA 1 MA 2 SMA 7 SMA 14 Constant

Coef 0.6260 0.1191 0.9502 0.0249 -0.00127

SE Coef 0.0295 0.0295 0.0090 0.0088 0.02038

T 21.24 4.03 105.59 2.84 -0.06

P 0.000 0.000 0.000 0.005 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 Chi-Square DF P-Value

12 16.3 7 0.023

24 33.0 19 0.024

36 47.1 31 0.032

48 62.7 43 0.027

Forecasts from period 1154 Period 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182

Forecast 229.559 243.580 241.637 261.551 240.850 263.604 272.932 223.095 245.982 244.640 263.858 242.917 266.469 273.131 224.465 247.596 246.252 265.469 244.527 268.078 274.739 226.072 249.201 247.856 267.071 246.128 269.678 276.337

95% Limits Lower Upper 112.099 347.020 118.173 368.986 112.705 370.568 129.189 393.913 105.144 376.557 124.634 402.574 130.773 415.091 76.501 369.689 95.909 396.055 91.311 397.969 107.340 420.375 83.275 402.559 103.763 429.176 107.417 438.846 55.229 393.702 75.263 419.929 70.942 421.563 87.231 443.707 63.408 425.646 84.124 452.032 87.992 461.485 36.057 416.086 56.297 442.105 52.163 443.549 68.630 465.513 44.975 447.281 65.849 473.507 69.868 482.807

1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211

227.669 250.797 249.451 268.665 247.720 271.269 277.927 229.258 252.385 251.037 270.250 249.304 272.851 279.508 230.837 253.963 252.614 271.826 250.878 274.424 281.080 232.408 255.532 254.182 273.392 252.444 275.989 282.643 233.970

18.113 38.500 34.502 51.097 27.563 48.554 52.683 1.063 21.559 17.662 34.353 10.911 31.989 36.201 -15.315 5.265 1.445 18.210 -5.161 15.984 20.260 -31.174 -10.529 -14.289 2.534 -20.782 0.416 4.743 -46.627

437.225 463.094 464.400 486.234 467.877 493.984 503.171 457.452 483.210 484.412 506.147 487.696 513.713 522.815 476.989 502.661 503.783 525.441 506.918 532.865 541.899 495.990 521.593 522.653 544.251 525.670 551.562 560.543 514.566

69

1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258

257.093 255.741 274.951 254.001 277.544 284.197 235.523 258.645 257.292 276.500 255.549 279.091 285.743 237.067 260.187 258.833 278.040 257.088 280.629 287.279 238.602 261.721 260.366 279.571 258.618 282.158 288.807 240.128 263.247 261.890 281.094 260.139 283.678 290.326 241.646 264.763 263.405 282.608 261.651 285.189 291.835 243.155 266.270 264.911 284.112 263.155 286.691

-25.930 -29.642 -12.775 -36.047 -14.807 -10.441 -61.757 -41.019 -44.694 -27.790 -51.028 -29.755 -25.357 -76.631 -55.860 -59.504 -42.572 -65.782 -44.483 -40.060 -91.299 -70.501 -74.122 -57.166 -80.355 -59.036 -54.592 -105.803 -84.984 -88.585 -71.612 -94.783 -73.448 -68.989 -120.176 -99.340 -102.927 -85.939 -109.097 -87.749 -83.279 -134.446 -113.597 -117.173 -100.174 -123.322 -101.964

540.116 541.125 562.676 544.048 569.896 578.835 532.803 558.309 559.277 580.789 562.125 587.937 596.842 550.765 576.235 577.171 598.652 579.957 605.741 614.618 568.503 593.944 594.854 616.309 597.591 623.351 632.206 586.059 611.477 612.365 633.800 615.061 640.803 649.640 603.468 628.866 629.736 651.154 632.400 658.127 666.949 620.755 646.137 646.994 668.399 649.632 675.346

1259 1260 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274 1275 1276 1277 1278 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 1290 1291 1292 1293 1294 1295 1296 1297 1298 1299 1300 1301 1302 1303 1304

293.336 244.654 267.769 266.408 285.608 264.650 288.184 294.829 246.145 269.258 267.896 287.095 266.135 289.669 296.312 247.627 270.739 269.376 288.574 267.612 291.145 297.786 249.100 272.211 270.846 290.043 269.080 292.611 299.252 250.564 273.674 272.308 291.503 270.539 294.069 300.708 252.020 275.128 273.761 292.955 271.990 295.518 302.156 253.466 276.573 275.205

-97.485 -148.637 -127.778 -131.345 -114.338 -137.479 -116.114 -111.629 -162.768 -141.902 -145.462 -128.450 -151.585 -130.216 -125.726 -176.856 -155.984 -159.540 -142.525 -165.657 -144.285 -139.793 -190.915 -170.040 -173.594 -156.576 -179.707 -158.334 -153.841 -204.957 -184.081 -187.634 -170.616 -193.747 -172.374 -167.882 -218.994 -198.117 -201.671 -184.654 -207.786 -186.415 -181.925 -233.034 -212.158 -215.714

684.158 637.945 663.315 664.161 685.555 666.778 692.483 701.286 655.058 680.418 681.255 702.641 683.856 709.554 718.350 672.110 697.462 698.292 719.672 700.882 726.574 735.365 689.115 714.461 715.286 736.662 717.868 743.557 752.344 706.086 731.428 732.250 753.622 734.825 760.512 769.298 723.033 748.372 749.192 770.563 751.765 777.451 786.236 739.967 765.304 766.123

70

Lampiran 7 Plot ACF Permintaan Romaine Autocorrelation Function for ORDER ROMAINE (with 5% significance limits for the autocorrelations)

1.0 0.8

Autocorrelation

0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1

Lag 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 29 30 31 32 33 34 35

5

ACF 0.578422 0.546237 0.497779 0.486025 0.507942 0.468259 0.531440 0.441858 0.489615 0.411853 0.405379 0.439816 0.397804 0.460725 0.386780 0.395970 0.360390 0.375668 0.336884 0.303550 0.364383 0.280212 0.293616 0.265902 0.276231 0.263472 0.233132 0.268171 0.220369 0.243864 0.206930 0.189490 0.188412 0.149249 0.177252

10

15

T 19.65 14.36 11.23 9.94 9.60 8.21 8.82 6.88 7.33 5.90 5.64 5.96 5.23 5.92 4.82 4.84 4.32 4.43 3.91 3.48 4.13 3.13 3.25 2.92 3.01 2.85 2.50 2.86 2.34 2.57 2.17 1.98 1.96 1.55 1.84

20

25

LBQ 387.10 732.62 1019.81 1293.83 1593.38 1848.18 2176.66 2403.93 2683.22 2881.02 3072.82 3298.78 3483.80 3732.20 3907.41 4091.21 4243.60 4409.33 4542.72 4651.11 4807.45 4899.98 5001.66 5085.13 5175.29 5257.39 5321.72 5406.93 5464.51 5535.09 5585.96 5628.65 5670.90 5697.43 5734.88

30

35

40 Lag

45

36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71

50

55

0.139285 0.146472 0.139658 0.155755 0.121537 0.098766 0.130107 0.070244 0.071016 0.064759 0.063798 0.066630 0.045522 0.040326 0.022340 0.039686 0.033801 0.022127 0.050916 0.004859 0.037053 -0.028574 -0.020424 -0.006517 -0.021149 -0.006244 -0.005457 -0.000877 -0.038334 -0.027991 -0.017875 -0.006208 0.017884 -0.004979 0.020148 -0.008781

60

65

1.44 1.51 1.44 1.60 1.25 1.01 1.33 0.72 0.72 0.66 0.65 0.68 0.46 0.41 0.23 0.40 0.34 0.23 0.52 0.05 0.38 -0.29 -0.21 -0.07 -0.22 -0.06 -0.06 -0.01 -0.39 -0.28 -0.18 -0.06 0.18 -0.05 0.21 -0.09

70

75

5758.03 5783.65 5806.97 5835.99 5853.68 5865.37 5885.68 5891.61 5897.67 5902.71 5907.61 5912.96 5915.46 5917.43 5918.03 5919.93 5921.32 5921.91 5925.05 5925.08 5926.75 5927.74 5928.25 5928.30 5928.85 5928.90 5928.93 5928.93 5930.73 5931.69 5932.08 5932.13 5932.52 5932.55 5933.05 5933.15

71

72 73 74 75

0.003253 -0.014840 0.009020 0.008613

0.03 -0.15 0.09 0.09

5933.16 5933.43 5933.53 5933.63

76 77 78

-0.001307 0.030622 0.000538

-0.01 0.31 0.01

5933.63 5934.79 5934.79

Lampiran 8 Plot PACF Permintaan Romaine Partial Autocorrelation Function for ORDER ROMAINE (with 5% significance limits for the partial autocorrelations)

1.0

Partial Autocorrelation

0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1

Lag 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 29

5

PACF 0.578422 0.318088 0.164414 0.141406 0.174558 0.065687 0.194859 -0.023853 0.116757 -0.051163 -0.001333 0.077041 -0.003016 0.103777 -0.024854 -0.007545 -0.010166 0.030259 -0.065371 -0.043305 0.054029 -0.072247 -0.032657 -0.010497 0.013351 -0.012178 -0.027894 0.034374 -0.007795

10

15

T 19.65 10.81 5.59 4.80 5.93 2.23 6.62 -0.81 3.97 -1.74 -0.05 2.62 -0.10 3.53 -0.84 -0.26 -0.35 1.03 -2.22 -1.47 1.84 -2.45 -1.11 -0.36 0.45 -0.41 -0.95 1.17 -0.26

20

25

30

35

40 Lag

45

30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59

50

55

0.001913 -0.003105 -0.044165 -0.008405 -0.041173 0.000857 -0.011661 -0.012308 0.026797 0.039560 -0.031079 -0.005551 0.018305 -0.060378 -0.043183 -0.000637 -0.012984 0.014529 -0.002044 -0.022723 0.011982 0.010712 0.030608 -0.016910 0.052504 -0.032255 0.027486 -0.082065 -0.008876 0.017925

60

65

0.06 -0.11 -1.50 -0.29 -1.40 0.03 -0.40 -0.42 0.91 1.34 -1.06 -0.19 0.62 -2.05 -1.47 -0.02 -0.44 0.49 -0.07 -0.77 0.41 0.36 1.04 -0.57 1.78 -1.10 0.93 -2.79 -0.30 0.61

70

75

72

60 61 62 63 64 65 66 67 68 69

-0.027559 0.018752 0.066759 -0.014240 -0.010735 -0.000416 0.021465 0.036819 0.025678 0.008730

-0.94 0.64 2.27 -0.48 -0.36 -0.01 0.73 1.25 0.87 0.30

70 71 72 73 74 75 76 77 78

0.035888 0.001179 0.014368 -0.018145 0.038805 -0.008949 -0.000967 0.016139 0.005896

1.22 0.04 0.49 -0.62 1.32 -0.30 -0.03 0.55 0.20

Lampiran 9 Peramalan Permintaan Romaine dengan Model ARIMA (111)(112)7 ARIMA Model: ORDER ROMAINE Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

SSE 8993485 8215145 8041476 7858377 7595554 7123693 6152591 4538791 3885841 3604878 3490410 3387855 3386893 3386892 3386892 3386892 3386892 3386888 3386879

0.100 0.085 0.227 0.367 0.502 0.622 0.700 0.610 0.460 0.356 0.298 0.178 0.158 0.158 0.158 0.157 0.157 0.156 0.156

0.100 0.180 0.189 0.196 0.203 0.213 0.212 0.157 0.139 0.188 0.281 0.308 0.302 0.301 0.301 0.301 0.301 0.301 0.301

Parameters 0.100 0.100 0.115 0.250 0.265 0.274 0.415 0.296 0.565 0.324 0.715 0.373 0.865 0.462 0.959 0.612 0.935 0.745 0.910 0.895 0.895 1.045 0.861 1.184 0.857 1.184 0.857 1.184 0.856 1.184 0.856 1.184 0.856 1.184 0.856 1.184 0.856 1.184

0.100 0.132 0.136 0.139 0.144 0.151 0.164 0.177 0.131 0.036 -0.086 -0.199 -0.199 -0.199 -0.199 -0.199 -0.199 -0.199 -0.199

0.118 0.088 0.069 0.053 0.037 0.022 0.008 -0.002 0.002 0.004 0.004 0.003 0.001 0.001 0.001 0.001 0.001 0.001 0.001

Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type AR 1 SAR 7 MA 1 SMA 7 SMA 14 Constant

Coef 0.1564 0.3007 0.8561 1.1840 -0.1987 0.001193

SE Coef 0.0365 0.0294 0.0192 0.0000 0.0058 0.004511

T 4.28 10.21 44.67 75561.50 -34.02 0.26

P 0.000 0.000 0.000 0.000 0.000 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 Chi-Square DF

12 19.0 6

24 35.6 18

36 41.8 30

48 54.4 42

73

P-Value

0.004

0.008

0.075

0.096

Forecasts from period 1154 Period 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212

Forecast 98.501 139.264 125.798 145.276 136.884 145.382 147.823 103.732 138.514 124.018 147.737 134.635 145.247 148.936 104.135 137.976 123.307 148.323 133.809 145.059 149.125 104.112 137.672 122.951 148.359 133.422 144.865 149.046 103.970 137.447 122.713 148.239 133.176 144.679 148.896 103.803 137.256 122.519 148.083 132.984 144.506 148.735 103.638 137.086 122.349 147.925 132.817 144.346 148.581 103.484 136.931 122.196 147.778 132.667 144.200 148.438 103.342 136.791

95% Limits Lower Upper -7.496 204.499 28.590 249.939 13.289 238.307 31.269 259.283 21.443 252.325 28.532 262.233 29.581 266.064 -18.368 225.833 14.482 262.545 -1.687 249.724 20.413 275.060 5.718 263.551 14.758 275.736 16.894 280.979 -30.341 238.612 1.748 274.205 -14.562 261.176 8.847 287.799 -7.254 274.872 2.427 287.690 4.942 293.308 -42.094 250.318 -10.186 285.530 -26.490 272.392 -2.641 299.359 -19.120 285.963 -9.203 298.933 -6.533 304.625 -53.469 261.410 -21.575 296.469 -37.839 283.264 -13.822 310.300 -30.379 296.732 -20.357 309.715 -17.607 315.400 -64.474 272.080 -32.552 307.064 -48.773 293.811 -24.675 320.841 -41.227 307.195 -31.146 320.157 -28.346 325.816 -75.157 282.434 -43.199 317.370 -59.382 304.080 -35.235 331.086 -51.762 317.396 -41.640 330.332 -38.802 335.963 -85.568 292.536 -53.577 327.439 -69.727 314.118 -45.545 341.100 -62.044 327.379 -51.891 340.291 -49.023 345.898 -95.750 302.435 -63.729 337.311

1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271

122.058 147.642 132.533 144.068 148.308 103.215 136.665 121.934 147.521 132.413 143.951 148.193 103.101 136.554 121.824 147.414 132.308 143.847 148.091 103.002 136.456 121.729 147.320 132.217 143.758 148.004 102.917 136.373 121.648 147.241 132.139 143.683 147.931 102.846 136.304 121.581 147.176 132.076 143.622 147.872 102.789 136.249 121.528 147.125 132.028 143.575 147.828 102.746 136.208 121.489 147.089 131.993 143.543 147.797 102.718 136.182 121.465 147.066 131.973

-79.851 -55.642 -72.116 -61.936 -59.043 -105.738 -73.692 -89.790 -65.557 -82.009 -71.808 -68.894 -115.561 -83.493 -99.571 -75.318 -91.751 -81.532 -78.600 -125.242 -93.155 -109.216 -84.946 -101.363 -91.127 -88.180 -134.801 -102.698 -118.743 -94.459 -110.862 -100.613 -97.652 -144.254 -112.137 -128.170 -103.873 -120.264 -110.003 -107.030 -153.616 -121.487 -137.508 -113.200 -129.581 -119.309 -116.327 -162.898 -130.759 -146.770 -122.453 -138.824 -128.544 -125.553 -172.111 -139.962 -155.965 -131.639 -148.003

323.967 350.926 337.182 350.073 355.660 312.168 347.022 333.658 360.599 346.836 359.710 365.280 321.764 356.600 343.220 370.145 356.367 369.226 374.783 331.246 366.068 352.674 379.586 365.796 378.644 384.188 340.635 375.444 362.039 388.941 375.141 387.979 393.514 349.946 384.745 371.331 398.225 384.417 397.247 402.775 359.194 393.985 380.564 407.451 393.636 406.460 411.982 368.391 403.176 389.749 416.630 402.810 415.629 421.147 377.547 412.326 398.895 425.772 411.948

74

1272 1273 1274 1275 1276 1277 1278 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288

143.524 147.780 102.703 136.170 121.454 147.058 131.966 143.520 147.778 102.703 136.171 121.458 147.064 131.974 143.530 147.790 102.717

-137.715 -134.717 -181.264 -149.107 -165.102 -140.769 -157.126 -146.831 -143.826 -190.363 -158.199 -174.188 -149.849 -166.200 -155.899 -152.889 -199.417

424.763 430.278 386.670 421.446 408.011 434.885 421.058 433.871 439.383 395.769 430.542 417.104 443.977 430.148 442.959 448.469 404.851

1289 1290 1291 1292 1293 1294 1295 1296 1297 1298 1299 1300 1301 1302 1303 1304

136.187 121.476 147.084 131.996 143.554 147.816 102.745 136.217 121.508 147.118 132.032 143.592 147.856 102.787 136.262 121.555

-167.247 -183.230 -158.886 -175.231 -164.926 -161.911 -208.431 -176.256 -192.234 -167.885 -184.226 -173.917 -170.898 -217.411 -185.230 -201.205

439.621 426.182 453.053 439.223 452.034 457.543 413.921 448.690 435.251 462.121 448.291 461.101 466.610 422.985 457.753 444.314

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.