86
BAB IV HASIL DAN PEMBAHASAN
4.1. Hasil Pengumpulan Data 4.1.1 Data Komponen / produk Urgent. PT Selamat Sempana Perkasa sebagai perusahaan manufaktur memproduksi banyak tipe produk dengan spesifikasi dan part number (P/n) berbeda. Penelitian ini mengambil 3 produk sebagai sample dalam perhitungan pemesanan yang paling diproduksi karena 3 produk ini yang banyak dipesan oleh customer. Setelah melakukan Klasifikasi ABC / Pareto untuk melihat produk mana yang sering banyak diminta konsumen atau bisa disebut produk Fastmoving. Produkproduk tersebut adalah :
Packing B C – 5 (Bahan TN 6052), Cav. 128.
PAG – 7162 – 6 tube (Bahan TN 7052 Injection), Cav. 16
15400 – PR3 – 004 (Bahan TN 7052), Cav. 55
Seperti diketahui, 3 partnumber (P/n) inilah yang sering diminta konsumen. Oleh sebab itu produksi akan ketiga P/n tersebut diusahakan jangan sampai terganggu termasuk adanya ketersediaan bahan baku harus memadai bahkan produksinya harus selalu dipantau dan dititik beratkan sebagai komoditi unggulan perusahaan. Dibawah ini adalah keterangan tentang ketiga partnumber tersebut
87
yang mana hasil output perhari (pershiff) sudah ditentukan perusahaan tetapi terkadang meleset dari target. Tabel 4.1 Data baku ketetapan komponen urgent. P/n
Jenis Bahan packing
B C-5
B
Cavity
TN6052 128
Curring time machine
Berat btg setelah cutting
Banyak btg setelah cutting
Hasil prod per shiff =7jam
217 sec
33,5 gr
8 btg
116 lembar = 14848pcs
PAG7162-6
15400PR3004
Cutting tube
B
TN7052 16 = 680 sec 1tube ada @20pcs
3225 cc Roll
41 lembar
1tube= 20
=(41*16)*20=
TN7052 55
37 gr
235 sec
13120 pcs 7 btg
156 lembar =8580 pcs
Sumber : PT SSP Contoh dalam penggunaan menghitung jumlah Order, lama waktu atau byk bahan :
Jika ada Order 200.000 pcs untuk komponen Packing B C-5, maka =(200.000 / 14848pcs) = 13,46 ==14 kali shiff. (14 / 3shiff = 4,66 == 5 hari). Banyak (200000 / 128) * (100 7%) lembar yang dibutuhkan 200.000 = 1563,59 . 100
Jumlah Kg bahan yang dibutuhkan =
33,5gr * 128 * 1563,59 6704,67 kg. 1000
Jika 1 roll bahan @60kg, jadi butuh = 111,7 == 112 buah roll.
88
Kesimpulannya, untuk memproduksi 200.000 pcs P/n B C-5 butuh 5 hari proses produksi dan 112 buah roll karet bahan baku @ 60 kg. (untuk perhitungan partnumber yang lainnya sama seperti ini caranya).
4.1.2 Data Penjualan produk Adapun data-data penjualan produk selama tahun 2005 sampai tahun 2006 untuk X1 (P/n packing B C-5). Tabel 4.2 Tabel Penjualan Packing B C – 5 selama 24 bulan.
Januari Fubuari Maret April Mei Juni Juli Agustus September Oktober November Desember Sumber : PT SSP
2005 129,512 130,144 380,212 498,200 220,300 350,129 389,457 462,136 537,892 850,470 750,901 910,362 5,609,715
2006 218,212 251,328 391,096 534,621 318,986 460,128 271,754 599,561 556,520 983,364 768,663 931,454 5,775,687
2007 274,890 159,632 500,223 446,800 450,325 forecast
89
Grafik 4.1 Pola data demand untuk Packing B C - 5 Tahun'05 Tahun'06 Tahun'07
Demand Packing B C-5
1,200,000
Qty order
1,000,000 800,000 600,000 400,000 200,000 0 1
2
3
4
5 6 7 8 9 periode (bulan)
10 11 12
Demand Packing B C-5 1,200,000
Qty order
1,000,000 800,000 600,000 400,000 200,000 0 1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 periode (bulan)
Grafik 4.2 permintaan B C-5 selama 24 bulan Adapun data-data penjualan produk selama tahun 2005 sampai tahun 2006 untuk X2 (P/n PAG – 7162 – 6 tube).
90
Tabel 4.3 Tabel Penjualan PAG – 7162 – 6 tube selama 24 bulan. 2005 321,546 232,569 50,012 150,958 60,235 209,213 380,236 240,235 385,642 685,460 360,036 203,100 3,281,247
Januari Febuari Maret April Mei Juni Juli Agustus September Oktober November Desember
2007 285,410 374,110 346,451 222,854 345,698 forecast
2006 346,878 240,058 290,081 161,833 258,401 148,286 566,464 338,547 410,417 819,797 381,628 410,266 4,374,662
Sumber : PT SSP Grafik 4.3 Pola data demand untuk PAG – 7162 – 6 tube Tahun'05 Tahun'06 Tahun'07
Demand PAG-7162-6
900,000 800,000
Qty order
700,000 600,000 500,000 400,000 300,000 200,000 100,000 0 1
2
3
4
5 6 7 8 Pe r io d e (b ulan)
9
10
11
12
91
Qty Order
Demand PAG-7162-6 900,000 800,000 700,000 600,000 500,000 400,000 300,000 200,000 100,000 0 1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 perode (bulan)
Grafik 4.4 Permintaan PAG-7162-6 selama 24 bulan
Adapun data-data penjualan produk selama tahun 2005 sampai tahun 2006 untuk X3 (P/n 15400 – PR3 - 004). Tabel 4.4 Tabel Penjualan 15400 – PR3 – 004 selama 24 bulan
Januari Febuari Maret April Mei Juni Juli Agustus September Oktober November Desember Sumber : PT SSP
2005 140,500 40,112 9,800 13,650 31,288 80,450 43,123 90,900 123,600 190,700 165,398 150,895 1,080,416
2006 142,112 68,725 123,397 40,679 46,791 69,334 86,338 155,273 164,858 266,716 239,871 334,195 1,738,289
2007 205,460 140,788 274,332 136,500 198,007 forecast
92
Grafik 4.5 Pola demand untuk 15400 – PR3 - 004 Tahun'05 Tahun'06 Tahun'07
Demand 15400-PR3-004
400,000 350,000 Qty order
300,000 250,000 200,000 150,000 100,000 50,000 0 1
2
3
4
5 6 7 8 9 Periode (bulan)
10 11 12
Demand 15400-PR3-004 400,000 350,000
Qty Order
300,000 250,000 200,000 150,000 100,000 50,000 0 1 Periode (Bulan)
3
5
7
9
11 13 15 17 19 21 23 25 27 29
Grafik 4.6 permintaan 15400-PR3-004 selama 24 bulan 4.1.3 Data Kebutuhan Komponen Data Kebutuhan komponen disini adalah data untuk membuat partnumber (P/n) yang sedang diteliti dalam satuan kilogram (kg). Untuk membuat masing – masing produk, perusahaan mempunyai komposisi atau biasa disebut ”resep” yang berlainan,
93
karena tiap produk yang dihasilkan terkadang mempunyai sifat, elastisitas, hardness, warna bahkan expired yang berbeda. Terdiri dari macam – macam jenis bahan maupun sifatnya tergantung permintaan konsumen dan kemauan perusahaan untuk memproduksinya terkadang membuat variasi yang berbeda terhadap final output yang dihasilakan. Sebagai contoh dalam pembuatan packing untuk filter bensin, tentu berbeda bahan baku pembuatnya seperti packing yang dipakai untuk filter solar. Tiap karet dimodifikasi untuk tahan bensin atau solar bahkan oil resistant. Untuk P/n yang sedang diteliti ini, mempunyai sifat tahan oli dan bensin karena penggunaannya untuk komponen dalam untuk filter oli pada mobil.Berikut ini adalah komposisi bahan untuk masing – masing produk : Tabel 4.5 Komposisi Bahan pembuat bahan baku roll karet (dlmkg) No.
1. 2. 3. 4. 5. 6. 7. 8. 9. 10.
Bahan Baku (Dalam Kg) JRB 23052 CB 5 TNW CB 7 TNW DOFP AO 6 LB ATN RD AS ATN BC UL – 250 UF – 600 Jumlah
Sumber : PT SSP
Partnumber Produk dan Jenis Bahan Packing B-C 5 PAG-7162-6 15400-PR3-004 TN 6052 DHM TN 7052 DHM TN 7052 DHM 35 38 38 14 17 17 12.7 15.7 15.7 4.2 7.2 7.2 1.05 1.05 1.05 0.525 0.525 0.525 0.35 0.35 0.35 0.35 0.35 0.35 0.375 0.375 0.375 0.5 0.5 0.5 69.05 81.05 81.05
94
4.1.4 Data Persediaan Komponen Data ini adalah data jumlah dalam Kg untuk persediaan bahan baku untuk yang dipakai memproduksi masing – masing partnumber tersebut. Komponen dasar untuk membuat bahan baku lembaran roll ini diletakan pada ruangan khusus, karena sifatnya yang sangat kimiawi dan sensitif harus diletakan diruangan khusus bebas dari kontaminasi debu maupun orang yang tidak memakai pakaian khusus. Jumlah persediaan terkadang berfluktuasi tergantung banyaknya jumlah permintaan / produksi pada saat itu. Perusahaan menganut asas ”make to order”, oleh karena itu besarnya jumlah persediaan sulit diperkirakan. Karena itu ditentukan secara periodik besarnya persediaan untuk 1 hari dan satu shift = 8 jam. Berikut ini adalah gambaran besarnya persediaan yang telah ditentukan perusahaan perharinya : Tabel 4.6 Jumlah persediaan komponen perhari atau 1kali siklus produksi No. 1. 3. 4. 5. 6. 7. 8. 9. 10. 11.
Komponen JRB 23052 CB 5 TNW CB 7 TNW DOFP AO 6 LB ATN RD AS ATN BC UL – 250 UF – 600 Jumlah
Sumber : PT SSP
Jumlah Persediaan 1.500 600 500 200 100 80 60 60 60 80 3.240 Kg (Persediaan awal)
Satuan unit
Kilogram (Kg)
95
4.1.5 Data Harga Dari hasil observasi dan pengamatan langsung, diketahui ada 2 jenis harga dalam suatu produktsi masal seperti yang dilakukan perusahaan PT SSP.
Harga yang
pertama adalah Harga Pokok Produksi (HPP) dan yang kedua Harga Jual. HPP adalah harga yang ditentukan perusahaan sebagai harga dasar untuk membuat produk tersebut berdsarkan beban bahanbaku, mesin, listrik, tenaga kerja atau beban lainnya. Sedangkan Harga Jual adalah harga pokok produksi yang telah ditambahkan beban provit yang sebelumnya telah ditentukan, yaitu berkisar antara 30 – 40 %. Angka ini adalah keuntungan murni perusahaan, tapi bila ada beban lain, seperti beban iklan, distribusi yang terlalu jauh/sulit atau pemakaian daya angkutan yang menimbulakan cost besar, akan segera dibebankan pada HPP. Diasumsikan 1 buah roll bahan dengan berat 60-80 kg akan menghasilkan sekitar 2000 pcs produk. Jadi untuk 1 kali produksi, 1 kali pemakaian bahan baku akan menghasilkan kira-kira 2000 unit. Dibawah ini hasil pengamatan dan wawancara tentang harga-harga produk : Tabel 4.7 Tabel harga produk jadi per pcs / unit Nama Produk Packing B C-5 PAG-7162-6 15400-PR3-004
Harga Produksi Rp 186 Rp 234 Rp 113
Harga ”kopek” Rp 4,61 Rp 3,50 Rp 5,51
HPP Rp 190,61 Rp 237,50 Rp 118,51
Sumber : PT SSP
Karena 1 kali produksi dan 1 kali penggunaan roll 60-80 kg bahan akan menghasilkan sekitar 2000 pcs masing – masing produk diatas, maka :
96
Harga produksi untuk 2000 pcs = 2000*190,61 = Rp 381.220
Harga produksi untuk 2000 pcs = 2000*237,50 = Rp 475.000
Harga produksi untuk 2000 pcs = 2000*118,51 = Rp 237.020 Tabel 4.8 Data HPP, jual dan profit per 2000 pcs produk (Dalam Rp.)
Partnumber Packing B-C 5 PAG-7162-6 tube 15400-PR3-004
HPP 381.220 475.000 237.020
Hrg Jual 533.708 665.000 331.828
Profit 152.488 190.000 94.808
Sumber : PT SSP
Dapat diketahui nilai profit yang ada pada kolom paling kanan adalah per 2000 pcs produk jadi atau per 1 buah roll bahan baku atau per 1 kali siklus produksi.
4.1.6 Data Waktu Data waktu diambil secara langsung pada saat observasi dilakukan, yaitu menghitung waktu siklus yang diperlukan pekerja atau mesin untuk melakukan suatu pekerjaannya, khususnya yang berhubungan dengan partnumber yang sedang diteliti. Tabel 4.9 Data waktu produksi mesin per hari atau pershiff atau 1 kali siklus produksi Partnumber (Dalam sec.) Packing B-C 5 PAG-7162-6 tube 15400-PR3-004 Cutting material 1080 1080 1080 Press,Vacum,injection 217,01 680,96 235,89 Oven 3600 3600 Cutting material tube 45 45 ”kopek” / finishing 2880 Packing 10 10 10 5415,96 4735,89 TOTAL 3970,01 Proses Produksi
Sumber : PT SSP
97
Tabel 4.10 Data waktu produksi dengan Tenaga manusia Proses Produksi Packing B-C 5 Angkat + Ukur bahan 150 Pemberian Kapur pd 80 roll lembar bahan Kirim ke mesin press, 160 injection, vacum Ambil / distribusi dari 900 mesin compesion ke (15*60) “kopek”/ finishing TOTAL
1290
Partnumber (Dalam sec.) PAG-7162-6 tube 15400-PR3-004 150 150 80 80 160
160
900
900
1290
1290
Sumber : PT SSP
Jumlah jam kerja perhari / shiff : 7 jam * 3600 sec = 25200 sec.
Jumlah jam kerja 24 jam / all shiff : 7 jam * 3 * 3600 sec = 75600 sec
Jumlah jam kerja 1 bulan : 22 hari kerja * (7*3) * 3600 = 1663200 sec
TOTAL MESIN + MANUSIA : X1 = 3970,01 + 1290 = 5260,01 sec X2 = 5415,96 + 1290 = 6705,96 sec X3 = 4735,89 + 1290 = 6025,89 sec. (Ini adalah total waktu siklus untuk pengerjaan P/n per 1 kali siklus produksi)
4.2 Pengolahan data 4.2.1. Analisis ABC Hasil perhitungan menunjukan 3 partnumber tersebut mempunyai inventory dan demand yang banyak dan sangat diperhatikan sebagai komponenen urgent untuk tdak terganggu produksinya. Berikut contoh perhitungannya :
98
Tabel 4.11 Klasifikasi produk perbulan Desember 2006
No.
Jenis
Permintaan bulan desember 2006
Nilai
Jenis
Kumulatif
Kelas %
%
872640
14.73%
2.50%
578,140
1450780
24.49%
5.00%
A
2
J10-9190 NBR 140 15400-PR3-004 B
3
17801-74020
521,516
1972296
33.29%
7.50%
A
4
C 5 /1
457,071
2429367
41.00%
10.00%
A
5
PAG-7162-6
310,288
2739655
46.24%
12.50%
A
6
J10-9298 R
272,770
3012425
50.85%
15.00%
A
7
17801-16020
260,540
3272965
55.24%
17.50%
A
8
MR 187912/13
179,360
3452325
58.27%
20.00%
A
9
PH 3593 A
175,775
3628100
61.24%
22.50%
A
10
FS 05-13-Z40
173,327
3801427
64.16%
25.00%
A
11
15274-99325/1
167,280
3968707
66.99%
27.50%
A
12
Oring 107 x 2
163,027
4131734
69.74%
30.00%
A
13
C8
150,506
4282240
72.28%
32.50%
A
14
MD 325714
145,472
4427712
74.73%
35.00%
B
15
ME 034161/1
129,394
4557106
76.92%
37.50%
B
16
2100-0938
127,860
4684966
79.08%
40.00%
B
17
ME 074013 Luar
115,328
4800294
81.02%
42.50%
B
18
17220-P07-000
114,995
4915289
82.96%
45.00%
B
19
90915-03006/1
107,247
5022536
84.77%
47.50%
B
20
H 614/x-1B
107,018
5129554
86.58%
50.00%
B
21
2709-20GA SSP
101,547
5231101
88.29%
52.50%
C
22
2709-15GA SSP
67,351
5298452
89.43%
55.00%
C
23
JBR 4069-42
69,329
5367781
90.60%
57.50%
C
24
13240-009 Tube
56,243
5424024
91.55%
60.00%
C
25
C8
54,653
5478677
92.47%
62.50%
C
26
P7
49,611
5528288
93.31%
65.00%
C
5575553
94.11%
67.50%
5620807
94.87%
70.00%
43,196
5664003
95.60%
72.50%
C
40,913
5704916
96.29%
75.00%
C
1
29
2403-186-6A SSP 15274-90225/2 Tube Oring 30,8 x 3,2
30
MD 325714
27 28
872,640
47,265 45,254
A
C C
99
31
PAG 6354/6 Tube
38,699
5743615
96.94%
77.50%
C
32
ME 046010/2F
32,579
5776194
97.49%
80.00%
C
33
16510-82700
30,315
5806509
98.01%
82.50%
C
34
H14-W06 Tube PBB-52-M20-7,5 R
30,132
5836641
98.51%
85.00%
C
5866664
99.02%
87.50%
5886677
99.36%
90.00%
5897323
99.54%
92.50%
5907940
99.72%
95.00%
5916361
99.86%
97.50%
5924693
100.00%
100.00%
35 36 37 38 39 40
30,023
90915-YZZC5 13240-009 F Tube
20,013
6071-2102-60/1 15208-H1010 (4 mm) "F" 15208-W1103
10,617
10,646
8,421 8,332
Jumlah Total Klasifikasi per produk:
A B C
C C C C C C
4,282,240 pcs 847,314 pcs 795,139 pcs
Contoh perhitungan :
Komulatif : Komulatif penjumlahan dari demand
% Nilai
:
komulatif i 8726401 * 100% , contoh * 100% = 14.73 % komulatif 40 5924693 40
% Nilai maksudnya adalah besarnya jumlah pemakaian inventory atau demand terhadap suatu produk dalam 1 bulan
% Jenis :
nomerproduk i 1i * 100% , contoh * 100% = 2.50 % nomerproduk 40 40 40
% Jenis maksudnya adalah banyaknya nilai jumlah yang ada di gudang sebagai cadangan inventory yang masuk dalam klasifikasi A, B dan C. Contoh : 2.50 % = jumlah barang dalam gudang dibandingkan dengan seluruh kapasitas yang ada di gudang.
100
Penulis mengasumsikan bahwa antara 1 – 72.28 % dari (% nilai) adalah termasuk klasifikasi A (Urgent / penting).
74.73 – 86.58 % adalah termasuk Klasifikasi B.
88.29 – 100 % adalah termasuk klasifikasi C
Jumlah demand atau pemakaian Inventory status
Klasifikasi A 70 %
Klasifikasi B 11.75 %
Klasifikasi C 11.71 %
Nilai penggunaan inventory : 1. Tertinggi : dari kelompok A meliputi 70-75 % dari pemakain inventory 2. Medium : Barang-barang kelompok B 15-20 % dari penggunaan inventory 3. Rendah : Barang-barang dari kelompok C sisanya. (Yohanes Supranto, riset operasi untuk pengambilan keputusan, p 407). Tetapi tiap perusahaan mempunyai kebijakan yang berbeda dalam menetukan besarnya inverntory atau klasifikasi produknya masing-masing. Begitupun dengan buku literatur tentang teori dasar inventori atau riset operasi, oleh karena itu penulis juga menggunakan asumsi dalam menentukan kebijakan penggunaan inventory dan kalsifikasi produk untuk mendukung literatur yang telah ditulis dibuku.
101
Garfik 4.7 perbandingan jumlah klasifikasi produk P e r b a n d i n g a nKlasifikasip r o d u kp e r b u l a n
Klasifikasi A Klasifikasi B Klasifikasi C
4,500,000 4,000,000 3,500,000
Demand
3,000,000 2,500,000 2,000,000 1,500,000 1,000,000 500,000 0
1
Klasifikasi
4.2.2. Uji keseragaman, kecukupan data Uji keseragaman dan kecukupan data dilakukan untuk mengukur apakah data – data waktu yang diamati / dilakukan dapat dipertanggung jawabkan ketelitiannya. Karena pengamatan data yang dilakukan secara berulang – ulang memiliki kecenderungan adanya tingkat kesalahan.
Tahap-tahap uji keseragaman dan
kecukupan data adalah sebagai berikut : A. Untuk P/n packing B C-5 (X1) Subgrup 1 2 3 4 5 6
1 5260 5260 5259 5261 5259 5259
2 5262 5258 5259 5262 5263 5261
Waktu (sec.) 3 4 5261 5261 5263 5255 5259 5256 5263 5267 5254 5258 5261 5263
Sumber : pengmatan langsung
Tabel 4.12 data waktu dalam 36 kali pengamatan
5 5264 5259 5260 5269 5257 5255
6 5260 5258 5261 5271 5255 5266
102
1. Hasil pengukuran dikelompokan kedalam subgrup – subgrup dan hitung rata – rata dari tiap subgrup.
x
xk
i
dimana n = ukuran subgrup, yaitu banyaknya data dalam 1
n
grup. X
X X X X X
(k = jumlah subgrup,
Xi = data pengamatan)
(5260 5262 5261 5264 5260) 5261,333 Untuk Subrup 1 6 (5260 5258 5263 5255 5259 5258) 5258.833 Untuk subgup 2 6 (5259 5259 5259 5259 5260 5261) 5259 Untuk subgrup 3 6 (5261 5262 5263 5267 5269 5271) 5265. Untuk subgrup 4 6 (5259 5263 5254 5258 5257 5255) 5257.667 Untuk subgrup 5 6 (5259 5261 5261 5263 5255 5266) 5260.833 Untuk subrgup 6 6
2. Hitung rata – rata keseluruhan, yaitu rata – rata dari rata – rata subgrup x
x
x
k
n
(5261.333 5258.833 5259 5256 5257.667 5260.33) 5260.52 6
3. Hitung standar deviasi dari waktu pengukuran.
( xi x) N 1
2
,
telah dilakukan.
dimana N = jumlah pengukuran pendahuluan yang
103
(1 5260.52)
2
(2 5260.52) 2 ........... (36 5260.52) 2 36 1
= 5316.397 4. Hitung standar deviasi dari distribusi harga subgup.
x
x
n
5316.397 6
29.76
5. Tentukan batas kontrol atas (BKA) dan batas kontrol bawah (BKB) BKA : x 3x( Z x ) = 5260.52 + (3 * (1.96 * 29.76)) = 5435.5
ATAS
BKB : x 3x (Z x ) = 5260.52 – (3 * (1.96 * 29.76) = 5285.54
BAWAH
dimana Z = koefisien pada distribusi normal sesuai dengan tingkat 1 kepercayaan. Rumusnya : Z 1 2 6. Jika seluruh data rata – rata waktu subgrup berada dalam batas BKA dan BKB, maka data waktu dikatakan SERAGAM. Perhitungan uji kecukupan data dapat terpenuh setelah semua harga rata-rata subgrup berada dalam batas kendali. Rumus dari kecukupan data :
104
z N' s
2
N Xi 2 ( Xi) 2 , dimana : Xi
N’ : jumlah pengukuran data minimum yang dibutuhkan N : jumlah pengukuran pendahuluan yang telah dilakukan setelah dikurangi data pengukuran pendahuluan yang telah dilakukan. Z : bilangan konversi pada distribusi normal sesuai dengan tingkat kepercayaan S : tingkat ketelitian 2
1.96 36 (5260 2 ) (5262 2 ) ... (5266 2 ) (3.5864 * 1010 ) 0 . 05 = N' 189379 = 0.018146557 Jadi kesimpulannya nilai N’ < N Atau 0.018146557 < 36 = HASIL PENGAMATAN CUKUP (Untuk partnumber X2 dan X3 perhitungannya sama seperti diatas)
B.
Untuk P/n PAG-7162-6 tube (X2) Hasil perhitungan, data dinyatakan SERAGAM dan CUKUP
C.
Untuk P/n 15400-PR3-004 (X3) Hasil perhitungan, data dinyatakan SERAGAM dan CUKUP
105
4.2.3. Forecasting / peramalan Berdasarkan jenis pola datanya, peramalan yang cocok untuk P/n X1 bersifat musiman, X2 juga bersifat musiman dan X3 bersifat musiman atau bahkan cenderung trend karena pada periode ahir berjangka panjang mempunyai kecenderungan naik. Oleh karena itu digunakan : 1. Perhitungan peramalan untuk X1 P/n Packing B C-5 Metode / nilai solusi terbaik
Moving Avarage
Weight MA
Single Exp. Smothings
Double Exp. Smothings
MSE 65.807.710.000 65.538.680.000 59.911.070.000 8588000000 Alfa / Beta 0.59 0.6 / 0.5 Next Periode 448.562,5 448.597,3 418.902,2 444.370,8 Forecast (pcs) Tabel 4.13 hasil perhitungan metode – metode peramalan X1 2. Perhitungan peramalan untuk X2 P/n PAG-7162-6 tube Metode / nilai solusi terbaik
Moving Avarage
Weight MA
Single Exp. Smothings
Double Exp. Smothings
MSE 38.990.440.000 32.668.160.000 28.324.450.000 29410680000 Alfa / Beta 0.1 0.5 / 0.1 Next Periode 345.698 297.542,1 318.268 348.045,3 Forecast (pcs) Tabel 4.14 hasil perhitungan metode – metode peramalan X2 3. Perhitungan peramalan untuk X3 P/n 15400-PR3-004 Metode / nilai solusi terbaik
Moving Avarage
Weight MA
Single Exp. Smothings
Double Exp. Smothings
MSE 4.506.175.000 4.032.829.000 4.004.562.000 5487503000 Alfa / Beta 0.7 0.5 / 0.5 Next Periode 198.007 161.120,5 156.018,7 189.598,8 Forecast (pcs) Tabel 4.15 hasil perhitungan metode – metode peramalan X3
106
Menggunakan Single Exponential adalah yang terbaik untuk peramalan terhadap ketiga partnumber tersebut. Hal ini ditandai dengan nilai MSE (mean square error) terkecil. MSE terkecil dapat diindikasikan bahwa nilai error / kesalahan terkecil, sehingga data hasil peramalan mendekat keakuratan yang baik.
P/n X1 menggunakan Single Exponential smoothing, dengan alfa 0.6
P/n X2 menggunakan Single Exponential smoothing, dengan alfa 0.1
Dan P/n X3 menggunakan Single Exponential smoothing, dengan alfa 0.7
Jadi untuk peramalan 1 periode kedepan, yaitu bulan Juni 2007 diketahui :
X1 = 444.370,8 pcs, dibulatkan keatas 444.371 pcs
X2 = 348.045,3 pcs, dibulatkan keatas 348.046 pcs
X3 = 189.598,6 pcs, dibulatkan keatas 189.599 pcs
(Untuk tabel lengkap peramalan dilampirkan di bagian lampiran lembar di belakang).
4.2.4 Linier Programing 4.2.4.1 Variabel keputusan Seperti diketahui pertama dilakukan identifikasi objek permasalahan yang hendak diangkat, dalam hal ini menunjuk pada beberapa item partnumber yang ingin diteliti, yaitu VARIABEL KEPUTUSAN SEBAGAI sebagai berikut :
X1 = Satuan berapa kali frekuensi produksi partnumber Packing B C-5
X2 = Satuan berapa kali frekuensi produksi partnumber PAG-7162-6 tube
X3 = Satuan berapa kali frekuensi produksi partnumber 15400-PR3-004
107
(Satuan untuk 1 kali produksi = 1 kali penggunaan bahan roll 60 kg = akan menghasilkan sekitar 2000 pcs produk jadi).
4.2.4.2 Fungsi Tujuan / Objective function Fungsi tujuan adalah goal atau tujuan yang hendak dicapai dalam dalam ruang lingkup perusahaan yang sedang diteliti.
Tujuannya adalah maksimalkan atau
maksimasi profit / keuntungan / laba perusahaan. Tujuan maksimasi laba ini hanya dibatasi untuk 3 partnumber yang dteliti, karena untuk meneliti tiap partnumber akan sangat sulit, karena perusahaan dalam 1 bulan memproduksi partnumber yang jumlahnya ribuan yang berbeda.
Jadi intinya adalah untuk memproduksi 3
partnumber ini, berapakah keuntungan yang didapat perusahaan dengan sumberdaya terbatas yang dimiliki untuk proses produksinya. Laba juga tergantung dari jumlah roll bahan yang hendak dicapai. Yaitu laba untuk jumlah 1 roll bahan baku 60-80Kg yang digunakan untuk memproduksi 3 partnumber tersebut.
Untuk penggunaan 1 roll bahan baku karet 60-80 kg
diasumsikan akan menghasilkan 2000 pcs produk jadi. Tabel 4.16 Data HPP, Jual danProfit untuk penggunaan per 1 roll bahan baku 60 Kg Partnumber Packing B-C 5 PAG-7162-6 tube 15400-PR3-004
HPP Rp. 381.220 Rp. 475.000 Rp. 237.020
Hrg Jual Rp. 533.708 Rp. 665.000 Rp. 331.828
Profit Rp. 152.488 Rp. 190.000 Rp. 94.808
Sumber : PT SSP
Model Matematisnya : MAX Z = 152.448 X1 + 190.000 X2 + 94.808 X3 (Keuntungan untuk masing – masing partnumber yang hendak dicapai)
108
4.2.4.3 Pembatas / kendala Pembatas kendala atau biasa disebut Constrain variable adalah suatu bentuk satuan variabel yang menjadi batasan / kendala dalam memproduksi produk X1, X2, X3. Pembatas ini nantinya akan menjadi tolak ukur dan sangat mempengarhi apakah dalam memproduksi produk – produk tersebut telah mencapai maksimal dan khususnya dalam maksimasi laba. Pembatas – pembatas tersebut antara lain : 1. Batasan Bahan baku Dalam memproduksi produk, bahan baku yang digunakan terbatas jumlahnya atau tergantung dengan berapa jumlahnya digudang.
Untuk ruas kiri menyatakan jumlah komposisi / zat per kg pendukung untuk memproduksi bahan baku roll karet 1 buah dengan berat 60-80 kg.
Sedangkan untuk ruas kanan menyatakan jumlah persediaan dalam gudang per waktu siklus produksi atau bisa perhari / shiff. Komposisi / zat bahan baku 35 38 38 14 17 17 12.7 15.7 15.7 4.2 7.2 7.2 1.05 1.05 1.05 0.525 0.525 0.525 0.35 0.35 0.35 0.35 0.35 0.35 0.375 0.375 0.375 0.5 0.5 0.5
Persediaan gudang 1.500 600 500 200 100 80 60 60 60 80
109
Model matematisnya adalah : 35 X1 + 38 X2 + 38 X3
<= 1500
14 X1 + 17 X2 + 17 X3
<=
600
12,7 X1 + 15,7 X2 + 15,7 X3
<=
500
4,2 X2 + 7,2 X2 + 7,2 X3
<=
200
1,05 X1 + 1,05 X2 + 1,05 X3
<=
100
0,525 X1 + 0,525 X2 + 0,525 X3 <= 100 0,35 X1 + 0,35 X2 + 0,35 X3
<=
60
0,35 X1 + 0,35 X2 + 0,35 X3
<=
60
0,375 X1 + 0,375 X2 + 0,375 X2 <= 60 0,5 X1 + 0,5 X2 + 0,5 X3
<=
80
2. Batasan Forecast / peramalan Peramalan untuk 1 periode kedepan, yaitu bulan juni 2007. Untuk masing – masing partnumber dketahui jumlah peramalannya : P/n Packing B C-5 (X1) = 444.371 pcs P/n PAG-7162-6 (X2)
= 348.046 pcs
P/n 15400-PR3-004 (X3) = 189.599 pcs 3. Batasan Tenaga kerja Batasan tenaga kerja dinyatakan dalam jumlah waktu (detik) yang dgunakan untuk memproduksi ke 3 partnumber tersebut.
110
Untuk ruas kiri menyatakan jumlah waktu (detik) yang dipakai untuk memproduksi produk yang mana gabungan antara waktu produksi oleh mesin – mesin ditambahkan dengan waktu yang dilakukan pekerja (tenaga manusia)
Sedangkan ruas Kanan menyatakan jumlah total jam kerja karyawan produksi dalam 1 bulan, ada 22 Hari kerja, ada 3 shiff (7 jam / shff). = (7 jam kerja * 3 shiff * 22 hari kerja) * 3600 detik = 1.663.200 detik.
Model Matematisnya adalah : 5260,01 X1 + 6705,96 X2 + 6025,89 X3
<=
1.663.200
4. Batasan kendala : X1, X2, X3 >= 0
Data – hasil pengumpulan dan pengolahan data sebelumnya digunakan untuk bahan sebagai pengisi matriks pada LP, Model matematisnya sebagai berikut : Linier programingnya : MAX Z = 152.448 X1 + 190.000 X2 + 94.808 X3 S/t
35 X1 + 38 X2 + 38 X3
<=
1500
14 X1 + 17 X2 + 17 X3
<=
600
12,7 X1 + 15,7 X2 + 15,7 X3
<=
500
4,2 X2 + 7,2 X2 + 7,2 X3
<=
200
1,05 X1 + 1,05 X2 + 1,05 X3
<=
100
0,525 X1 + 0,525 X2 + 0,525 X3
<=
100
0,35 X1 + 0,35 X2 + 0,35 X3
<=
60
111
0,35 X1 + 0,35 X2 + 0,35 X3
<= 60
0,375 X1 + 0,375 X2 + 0,375 X2
<= 60
0,5 X1 + 0,5 X2 + 0,5 X3
<=
X1
<= 444.371 pcs X2
80
<= 348.046 pcs X3
5260,01 X1 + 6705,96 X2 + 6025,89 X3
<= 189.599 pcs <= 1.663.200
X1, X2, X3 >= 0
Penyelesaian menggunakan metode linier programing dengan simpleks dan software untuk mencari solusi optimum yang dicapai dengan memasukan kendala – kendala yang ada dan menganalisisnya. 1. Pengerjaan secara manual dengan simpleks di microsoft exel 2. Pengerjaan Menggunakan software QM (Quantitatif management) Perhitungan manualnya sebagai berikut : 1. Standarkan dengan penambahan variable Slack “S” MAX Z - 152.448 X1 - 190.000 X2 - 94.808 X3 + 0S1 + 0S2 + 0S3 + 0S4 + 0S5 + 0S6 + 0S7 + 0S8 + 0S9 + 0S10 + 0S11 + 0S12 + 0S13 + 0S14 S/t
35 X1 + 38 X2 + 38 X3 + S1
=
1500
14 X1 + 17 X2 + 17 X3 + S2
=
600
12,7 X1 + 15,7 X2 + 15,7 X3 + S3
=
500
112
4,2 X2 + 7,2 X2 + 7,2 X3 + S4
=
200
1,05 X1 + 1,05 X2 + 1,05 X3 + S5
=
100
0,525 X1 + 0,525 X2 + 0,525 X3 + S6
=
100
0,35 X1 + 0,35 X2 + 0,35 X3 + S7
=
60
0,35 X1 + 0,35 X2 + 0,35 X3 + S8
= 60
0,375 X1 + 0,375 X2 + 0,375 X2 + S9
= 60
0,5 X1 + 0,5 X2 + 0,5 X3 + S10
=
X1
+ S11
= 444.371 pcs
+ S12
= 348.046 pcs
+ S13
= 189.599 pcs
X2 X3
5260,01 X1 + 6705,96 X2 + 6025,89 X3 + S14
80
= 1.663.200
X1, X2, X3 >= 0 2. Buat table simpleks dan lakukan iterasi pertama. 3. Tentukan entering variabel dan leaving variabel lalu tandai 4. Lakukan operasi baris elementer (OBE) untuk LV dan EV 5. Masukan kedalam tabel simpleks kembali dan lakukan tahap 2 – 5 sampai
nilai
Z telah positif semua atau nol. 6. Berhenti bila nilai Z pada tabel simpleks telah positif (+) semua, itu pertanda telah optimal (Hasil perhitungan secara manual dapat dilihat pada lampiran belakang halaman).
113
4.2.6 Penggunaan software Perhitungan Linier programing yang terlalu banyak kendala (constrain) maupun variabel akan lebih effisien bila diselesaikan dengan software. Karena akan lebih mudah, cepat dan akurat tinggi. Banyak software untuk LP seperti LINDO atau QM.
Pada Tugas ahir ini hanya menggunakan Software QM (Quantitative
management). QM sangat mudah digunakan dan sangat luas penggunaannya khususnya dalam ilmu ekonomi dan management science bahkan Riset operasi. Seperti Analisa markkov, sensitivitas, peramalan, antrian, simulasi, inventory, LP, IP dll. Tahap – tahap penggunaan : 1. Instal program QM (Quantitative management) 22,7 MB 2. Pilih Module (Forecast, inventory atau Linier programing) 3. Pilih banyaknya variable dan kendala untuk LP 4. Input secara matriks matematis untuk masalah yang hendak dipecahkan 5. Klik ”SOLVE” pada taskbar 6. Akan muncul solusi optimum, grafik, iterasi, errors dan lain-lain
(Hasil perhitungan dengan software QM halaman)
dapat dilihat pada lampiran belakang
114
4.2.7. Solusi Optimum Solusi Optimum didapat dalam satuan Frekuensi produksi (berapa kali) yang harus dilakukan agar hasil maksimum dengan kendala – kendala yang ada. Pemecahan masalah Linier programing dengan perhitungan manual sangat menyita waktu dan tenaga apalagi dengan kendala (batasan) yang banyak dan jumlah variabel yang banyak, walaupun dengan tools seperti microsoft exel.
Oleh karena itu
digunakan suatu alat bantu yang dapat mengcover semua masalah, khususnya yang berhubungan dengan optimasi metode linier programing. Software QM (Quantitatif Management) akan sangat membantu dalam memecahkan masalah dan dalam rangka pengambilan keputusan yang bersifat kuantitatif. Software ini biasa dipergunakan dalam ilmu ekonomi, management science, dan analisa riset operasi. Hasil perhitungan Linier programing dengan simpleks dan QM didapat : 1. X1 = 18.0392 (Satuan frekuensi 1 kali produksi atau pemakaian 1 roll bahan) Partnumber packing B C - 5 2. X2 = 17.2549 (Satuan frekuensi 1 kali produksi atau pemakaian 1 roll bahan) partnumber PAG-7162-6 tube 3. X3 = 0
(Satuan frekuensi 1 kali produksi atau pemakaian 1 roll bahan)
Partnumber 15400-PR3-004 4. Z = Rp. 6.029.195,36 Ini semua adalah solusi yang handak dicapai untuk maksimasi keuntungan perusahaan (maksimas profit).
Agar dapat maksimasi profit, maka perusahaan
115
sebaiknya hanya memproduksi partnumber X1 dan X2, sedangkan X3 jangan diproduksi. Hal ini terlihat dari ketiga komponen fastmoving tersebut walaupun termasuk kategori klasfikasi A, pemakaian sumberdaya terbatas akan terlihat pengalokasian untuk partnumber X1 dan X2 saja.
Bila perusahaan tetap ingin
memproduksi produk X3, maka alokasi sumberdaya terbatas seperti mesin, bahan baku dan tenaga kerja harus diubah dan disusun sedemikian rupa agar dapat maksimal dalam mengalokasikan untuk ketiga produk tersebut, maka tidak akan terjadi pemborosan bahan, ketelatan produksi dan lain-lain. Dengan alokasi sumberdaya yang tepat, perusahaan dapat lebih efektif dan efisien dalam hal pemakaian bahan, waktu produksi singkat, ketepatan penjadwalan dan maksimasi keuntungan. Jadi untuk periode mendatang yaitu bulan Juni 2007, jumlah yang harus diproduksi PT SSP berdasarkan constrain / kendala yang ada adalah : 1. P/n Packing B C-5 (X1) == 18,0392 * 2000 pcs = 36.078,4 pcs 2. P/n PAG-7162-6 (X2) == 17,2549 * 2000 pcs = 34.509,8 pcs 3. P/n 15400-PR3-004 (X3) == 0 (Tidak diproduksi) 4. Keuntungan untuk ke-3 partnumber tersebut sebesar Rp 6.029.195,36 juta. (keuntungan ini adalah keuntungan untuk memproduksi 3 produk diatas dalam 1 kali siklus produksi dan penggunaan bahan baku roll dengan menyesuaikan persediaan yang ada dalam gudang).
116
Contoh analoginya : Produk X1 dapat diproduksi sebanyak 18,0392 kali siklus produksi bila persediaan bahan baku dalam gudang sebanyak 3240 Kg. Atau model matematisnya : 18,0392 X1 + 17,2549 X2 (satuan frekuensi siklus produksi) = 3240 Kg bahan. Jadi untuk persediaan dalam gudang sebesar 3240 kg = 54 buah bahan roll @ 60 kg, akan menghasilkan 18,03 kali produksi untuk P/n X1 dan 17,25 kali produksi untuk P/n X2. Karena 1 bahan roll 60 kg akan menghasilkan 2000 pcst produk jadi, maka dalam perhitungan dengan LP hasilnya akan dikalikan dengan 2000. Sedangkan untuk periode mendatang yaitu bulan Juni 2007, jumlah yang harus diproduksi PT SSP berdasarkan peramalan adalah : Permalan : X1 = 444.371 pcs (P/n Packing B C-5) X2 = 348.046 pcs (P/n PAG – 7162 – 6 tube) X3 = 189.599 pcs (P/n 15400 – PR3 – 004) Penyesuain dengan Kapasitas : Hasil optimum untuk X1 36078 pcs tidak akan cukup untuk memenuhi besarnya demand periode mendatang, maka penambahan kapasitas sumberdaya terbatas seperti kapasitas gudang akan bahan baku diperbanyak akan dapat membantu.
Hasil Kesimpulan yang bisa didapat dari pengolahan data di bab ini adalah :
444.371 348.046 792.417( peramalan) 11,22 kali 36078 34509.8 70587.8(hasilLP )
117
Jadi untuk memproduksi permintaan produk di forecast, maka persedian bahan baku untuk X1 dan X2 harus ditambah sebanyak 11,22 kali dari jumlah awal.
Misalkan persedian bahan baku awal 3240 kg, untuk menyesuaikan dengan demand mendatang, maka persediaan harus ditambah menjadi 3240*11,22 = 36.352,8 Kg.
Untuk 1 kali siklus produksi 3240 kg bahan atau biasanya perhari
Berarti persediaan bahan dalam gudang tetap setiap harinya yaitu sebesar 3240 kg, yang hanya akan menghasilkan : X1= 36.078 pcs / hari dan X2 = 34.509,8 pcs / hari.
Untuk lama produksi (perusahaan telah menentukan daily plan 1 shiff) : X1 = 116 lembar / shiff, jadi Cavity 128*116 = 14848 pcs/shiff 7jam. Peramalan 448562 / 14848 = 30,21 shiff = 10 hari X2 = 41 lembar / shiff. Cav 16 tube, @ 1 tube menghasilkan 20 pcs packing jadi. Berarti 16 tube * 20pcs = 320 pcs. 320 pcs * 41 lembar = 13120 pcs. Peramalan 284.276 / 13120 = 21,66 shiff atau sekitar 7 hari.
PT SSP merupakan manufacture karet, jadi bersifat make to order, karena bahan karet tidak bisa distock lama dalam gudang sebab ada expired-nya. Oleh karena itu perusahaan menetapkan kebijakan bahan baku hanya di stock untuk 1-3 hari kedepan. Sehingga untuk jumlah dalam gudang
118
hanya untuk 1 kali siklus produksi yang biasanya hanya untuk 1-3 hari masa produksi.
Karena bahan baku hanya datang bedasarkan adanya
pesanan maka datang untuk tiap 1 ,2 atau 3 hari sekali. agar penggunaan bahan tepat / tidak boros Jadi bila ingin memproduksi dalam jumlah banyak atau menyesuaikan dengan permintaan forecast, harus dihitung dengan cermat dan hati – hati agar perkiraan tidak jauh dari jumlah demand mendatang.
(444.371 / 128) * (100 7%) Lembar untuk jumlah 444.371pcs= 3474,07 . 100
Jumlah Kg bahan yang dibutuhkan =
33,5 gr * 128 * 3474,07 14896,84 kg. 1000
Untuk X1 = Jika 1 roll bahan @60kg, jadi butuh = 248,2 == 249 buah roll.
(348.046 /(20 * 16) * (100 7%) Lembar untuk X2 = 348046pcs= 1088,40 . 100
Jumlah Kg bahan yang dibutuhkan =
22 gr * 320 * 1088,4 7662,37 kg. 1000
Untuk X2 = Jika 1 roll bahan @60kg, jadi butuh = 127,70 == 128 buah roll.
Untuk X3 tidak perlu dihitung, karena tidak perlu diproduksi karena tidak menguntungkan. Sebab akan lebih menguntungkan bila sumberdaya (bahan, Tenaga kerja, mesin dll) yang ada digunakan hanya untuk komponen X1 dan X2 untuk menghasilkan laba terbaik untuk perusahaan.
119
Dengan sumberdaya, khususnya bahan baku yang dimiliki perusahaan untuk setiap 1 kali siklus produksi didapat keuntungan hanya sebesar Rp 6.029.195,bila mana ada order akan ketiga P/n tersebut.
Sedangkan bila menyesuaikan dengan demand pcs pada forecast, keuntungan / laba perusahaan akan bertambah 11,22 kali lipatnya atau sebesar : Rp 67.647.567,9 dengan waktu pengerjaan X1 = 10 hari menghabiskan 249 buah roll @60kg, dan X2 = 7 hari menghabiskan 128 buah roll @60kg.
(Rp 6.029.195 * 11,22 = Rp 67.647.567,9) akan sama hasilnya dengan ==
Rp152.448 * 249 Rp190.000 * 128 ( LabaPartnumber * jumlahrollbahanyangdibutuhkan)
Rp 62.279.552,-
Perbedaan laba sedikit, karena terjadi pembulatan pada perhitungan manual.
Dengan telah mengetahui besarnya kemampuan perusahaan “real” dilapangan berdasarkan kendala sumberdaya terbatas yang ada, maka akan disusun lagi perencanaan produksi yang lebih baik untuk mengurangi keterlambatan produksi atau pemborosan bahan baku.
4.2.8 Analisa 1. Hasil optimal telah didapat dengan kendala batasan – batasan yang telah ditentukan, didapat nilai provit sebesar Rp 6.029.195,36 juta.
120
2. Sedangkan keuntungan bila memproduksi atau menyesuaikan dengan demand forecast sebesar Rp 62.279.552 juta. 3. Hasil alokasi sumberdaya terlihat tertuju pada komponen X1 dan X2 saja. Bila perusahaan ingin maksimasi keuntungan, harus produksi X1 dan X2 saja. 4. Dengan alokasi sumberdaya yang tepat, perusahaan dapat lebih efektif dan efisien dalam hal pemakaian bahan, waktu produksi singkat, ketepatan penjadwalan dan maksimasi keuntungan / profit. 5. Riset Operasi memberikan pilihan untuk solusi optimum, walaupun terkadang tidak harus wajib dilakukan. Seperti pada P/n X3 15400-PR3-004 menurut ilmu dan penerapan RO tidak harus diproduksi, tapi pada kenyataannya dilapangan harus diproduksi karena ini adalah order dari konsumen. Ilmu RO hanya melihat indikasi mana yang sangat berpengaruh + berdampak dalam pemakaian keuntungan
sumberdaya
terbatas
yang
dimiliki
perusahaan
beserta
maksimalnya. Tetapi untuk penerapannya sendiri dilapangan
terkadang tidak mungkin harus 100 % mengikuti ilmu RO, karena RO hanya dijadikan teknik analisa sebagai gambaran semata untuk mendukung keberhasilan suatu bentuk produksi diperusahaan dan teknik pengambilan keputusan terbaik. 6. Dengan penyesuaian sumberdaya terbatas, akan didapat :
121
Waktu penyelesaian X1 (Packing B C-5) = 10 hari dengan 249 buah rollbahan dan X2 (PAG-7162-6) = 7 hari dengan 128 buah rollbahan, bila telah disesuaikan dengan besarnya jumlah demand di peramalan.
Bila ingin memenuhi permintaan mendatang / forecast, maka persediaan bahan dalam gudang yang pada awalnya jumlahnya 3240 kg (54 buah roll bahan @60 kg) harus ditambah menjadi 34.509,8 kg (575 buah roll bahan @60 kg) atau sekitar 11,22 kali jumlah semula.
7. Dengan telah mengetahui besarnya kemampuan perusahaan “real” dilapangan berdasarkan kendala sumberdaya terbatas yang ada, maka akan disusun lagi perencanaan produksi yang lebih baik untuk mengurangi keterlambatan produksi atau pemborosan bahan baku.
4.2.9 Usulan Penerapan Perusahaan
harus
menggunakan
metode
yang
tepat
dalam
rangka
mengalokasikan sumber daya terbatas yang dimlikinya agar dapat tercipta komposisi produk yang jelas dan tepat untuk pencapaian maksimas provit.
Penulis
menyarankan PT SSP menggunakan sotware QM untuk memudahkan analisa dan strategi produksi.
Bahkan bukan tidak mungkin dapat digunakan untuk
menyelesaikan persoalan yang lain yang ada kaitannya dengan dunia industri, produksi dan ekonomi financial.
