Penentuan Premi Pemanen Kelapa Sawit Berdasarkan Kelas Kelerengan Berbasis Sistem Informasi Geografis di Kebun Sei Silau PT. Perkebunan Nusantara III (Persero)

Abstract

PT.Perkebunan Nusantara III merupakan badan usaha milik negara di bidang perkebunan. Kebun Sei Silau merupakan salah satu unit yang mengelola tanaman sawit. Salah satu faktor yang menentukan kinerja Perusahaan adalah produktivitas pemanen. Besarnya premi yang didapatkan pemanen merupakan faktor yang mempengaruhi motivasi serta kinerja, namun penentuan premi masih menggunakan data kelerengan yang umum disetiap ancak panen dalam penentuan basis tugas. Metode yang digunakan dalam penelitian ini adalah pengolahan data spasial, overlay data kelerengan dari Demnas dengan batas ancak disetiap kapvel nya kemudian menganalisa peningkatan produktivitas dan premi. Hasil penelitian menunjukkan kelas kelerengan analisa spasial dibagi menjadi tiga bagian yaitu rata bergelombang (0-15%) seluas 114,91ha /45,85 %, berbukit (15-45%) seluas 110,34ha/44,03% dan berbukit tanpa teras/kontur (>45%) seluas 25,35ha/10,12% dari total luas sawit. Kelas kelerengan masing-masing kapvel panen dirincikan ke dalam tiga kelas. Terjadi peningkatan produktivitas dan premi setelah dilakukannya perubahan metode yaitu peningkatan produktivitas bulan April ke bulan Mei sebesar 214,95 kg /17,04%, Mei ke Juni sebesar 123,43/8,43% dan April ke Juni sebesar 339,38 kg/26,90 %, serta peningkatan premi yaitu April ke bulan Mei sebesar Rp.3190.252,- /22,20%, Mei ke Juni sebesar Rp.1.642.123,-/9,35%, April ke Juni sebesar Rp. 4.832.375,- /33,63%. Hal ini menunjukkan adanya korelasi nyata dari peningkatan produktivitas dengan peningkatan premi. PT Perkebunan Nusantara III is a state-owned company engaged in plantation activities. Sei Silau Plantation is one of the units that manages oil palm plantations. One of the factors that determines the company's performance is the productivity of the harvesters. The amount of premium received by harvesters is a factor that affects motivation and performance, but the determination of premiums still uses general slope data for each harvest area in determining the task base. The method used in this research is spatial data processing, overlaying slope data from Demnas with regional boundaries at each level and then analysing the increase in productivity and premiums. The results showed that the slope class from the spatial analysis was divided into three parts, namely flat and undulating (0-15%) covering 114.91 ha/45.85%, hilly (15-45%) covering 110.34 ha/44.03% and hilly without terraces (>45%) covering 25.35 ha/10.12% of the total oil palm area. The slope class of each plantation is divided into three classes. There was an increase in productivity and premium after the method change, namely an increase in productivity from April to May by 214.95 kg/17.04%, May to June by 123.43/8.43% and April to June by 339.38 kg/26.90%, and an increase in premium from April to May by Rp 3,190,252/22.20%, May to June by Rp 1,642,123/9.35% and April to June by Rp 4,832,375/33.63%. This shows a clear correlation between increased productivity and increased premiums.