Optimasi Perencanaan Produksi dengan Pendekatan Model Goal Programming. (Studi Kasus CV. Cool Clean Malang)

Symbol Vol.1 No.1 / Juli 2014

 33

Optimasi Perencanaan Produksi dengan Pendekatan Model Goal Programming (Studi Kasus CV. Cool Clean Malang) Ganis Setia Arta*1, Teguh Oktiarso2, Suryawirawan Widiyanto3 Jurusan Teknik Industri, Fakultas Sains dan Teknologi Universitas Ma Chung, Jl. Villa Puncak Tidar N-01, Malang 65651 Telp. (0341) 550171; Fax. (0341) 550175 e-mail: *[email protected], [email protected], 3 [email protected]

Abstrak CV. Cool Clean Malang adalah sebuah perusahaan yang memproduksi tissue basah kemasan dimana mengalami permasahan pada perencanaan produksi. Karena belum mempunyai perencanaan produksi yang baik, CV. Cool Clean selalu mengalami kelebihan produksi yang menyebabkan menumpuknya barang pada gudang penyimpanan. Oleh karena itu dilakukan perencanaan produksi dengan pendekatan model goal programming untuk menyelesaikan permasalah tersebut. Perencanaan produksi dilakukan menggunakan bantuan software Minitab 16 dan LINDO 6.1. Pemodelan ini adalah pemrograman tujuan ganda yang memungkinkan kendala-kendala yang ada dioptimumkan untuk mencapat tujuan yang diinginkan. Dari hasil pemodelan didapatkan solusi optimum untuk waktu kerja dan pendapatan penjualan. Waktu kerja optimum sebesar 4.239.805 menit dimana lebih kecil dari waktu kerja yang tersedia. Sedangkan pendapatan penjualan optimum dari pemodelan goal programming sebesar Rp. 7.127.678.450,-. Kata Kunci : Perencanaaan Produksi, Goal Programming, Solusi Optimum Abstract CV. Cool Clean Malang is a company that producing wet tissue which is experiencing problem in production planning. Because of not having good production planning, CV. Cool Clean always produce more product which impact warehouse storing too many goods. To solve that problem, production planning will be done with goal programming approach using Minitab 16 and Lindo 6.1. This modeling is a dual goal programming that allows optimization of existing constraints to achieve desired goals. Results of the modeling are optimum solutions of work hour and sales revenue. Optimum work hours is 4.239.805 minutes in a year which is less than available work hours. While the sales revenue from goal programming is Rp. 7.127.678.450,-. Keywords: Production Planning, Goal Programming, Optimum Solutions

Optimasi Perencanaan Produksi dengan Pendekatan Model Goal Programming (Ganis Setia Arta, Teguh Oktiarso, Suryawirawan Widiyanto )

34 

Symbol Vol.1 No.1 / Juli 2014SSN

1. PENDAHULUAN dengan perkembangan dunia Seiring industri, para pelaku usaha dituntut untuk terus berkembang agar dapat bertahan dalam persaingan usaha. Persaingan tersebut tidak hanya berlaku pada industri manufaktur saja, pelayanan juga menjadi fokus penting dalam memenuhi kebutuhan pelanggan. Dengan adanya kompetitor baru, persaingan di dunia usaha akan semakin kompetitif. Oleh karena itu, para pengusaha harus memberikan kualitas produk yang baik dengan harga yang bersaing. Agar tetap bersaing dengan kompetitor, banyak cara yang dapat dilakukan seperti menurunkan biaya produksi, mengurangi keterlambatan dalam pengiriman produk dan meningkatkan kualitas produk dimana untuk mendapatkan kesemuanya itu dapat dilakukan dengan mengefisienkan manajemen dalam perusahaan. Salah satu hal yang berperan penting dalam efisiensi manajemen perusahaan yaitu peramalan permintaan. Heizer dan Render (2009) mengemukakan bahwa peramalan permintaan akan mengendalikan keputusan-keputusan pada banyak bidang seperti sumber daya manusia, kapasitas dan manajemen rantai pasok karena peramalan adalah satusatunya prediksi suatu permintaan sampai permintaan yang sebenarnya tersebut diketahui. CV. Cool Clean adalah sebuah perusahaan yang memproduksi tissue basah kemasan yang terletak di Jalan Raya Candi V No 754 Malang. Pada saat ini, terdapat permasalahan yang dihadapi oleh CV. Cool Clean. Informasi yang didapatkan oleh pihak perusahaan terhadap permintaan pasar sangat terbatas, oleh karena itu perusahaan membuat peramalan produksi setiap bulannya sama rata untuk sepanjang tahun disesuaikan dengan kapasitas produksi. Sedangkan penjualan untuk setiap bulannya mengalami kenaikan atau penurunan yang tidak sesuai dengan rencana produksi. Salah satu dampak yang muncul yaitu terjadi penyimpanan produk yang melebihi kapasitas gudang

penyimpanan. Selain itu juga sering terjadi kekurangan stok yang mengakibatkan keterlambatan pengiriman. Untuk menanggulangi hal tersebut diperlukan perencanaan produksi yang akurat sehingga biaya-biaya produksi dapat dialokasikan secara tepat. Dalam perencanaan produksi diperlukan model-model matematika seperti linier programming untuk mendapatkan hasil perencanaan yang maksimum. Dalam perkembangannya, perencanaan produksi membutuhkan pendekatan yang lebih aplikatif sesuai dengan kebutuhan permasalahan. Sinha dan Sen (2011) dalam penelitiannya mengemukakan bahwa Goal programming merupakan aplikasi dari linier programming yang dapat digunakan secara tepat dalam menjawab permasalahan perencanaan produksi. Berbeda dengan linier programming yang berusaha untuk meminimumkan atau memaksimumkan fungsi tujuan, goal programming mencoba mengoptimumkan tujuan dengan meminimumkan kendala-kendala yang ada. Pada penelitian ini, akan dirancang perencanaan produksi dengan pendekatan model goal programming untuk mendapatkan perencanaan yang optimum bagi CV. Cool Clean. Uslianti (2002) sebelumnya sudah melakukan penelitian mengenai goal programming. Pada penelitian tersebut, dijelaskan bahwa alasan penggunaan metode goal programming dalam perencanaan produksi karena metode tersebut dapat mengakomodasi tujuantujuan yang ingin dicapai bagi perusahaan. Susanti (2011) juga melakukan perencanaan produksi dengan pendekatan goal programming. Dari hasil penelitian yang dilakukan, disimpulkan bahwa tujuantujuan yang ingin dicapai dapat direncanakan dengan lebih baik. Hasil tersebut meliputi biaya transportasi yang lebih rendah dibandingkan dengan rencana perusahaan, biaya penyimpanan produk di gudang yang lebih rendah dibandingkan dengan rencana perusahaan dan penggunaan mesin dapat dimaksimumkan lebih baik dari pada rencana perusahaan. Purwanto (2011) membuat penelitian dengan latar belakang produk

ISSN: 9772356441035

Symbol Vol.1 No. 1 / Nopember 2013IJCCS ISSN: 1978-1520 yang bersifat musiman. Tujuan yang ingin dicapai antara lain memenuhi jumlah permintaan, meminimumkan biaya operasional, meminimumkan biaya persediaan serta meminimumkan biaya penambahan dan pengurangan tenaga kerja. Kesimpulan yang didapat dari penelitian ini yaitu muncul nilai optimum yang menjadi pertimbangan perusahaan dalam perencanaan produksi. Penelitian berikutnya yang membahas tentang goal programming yaitu penelitian yang dilakukan oleh Yala Kusuma (2011). PT. Surya Pratista Hutama Manufaktur menjadi tempat penelitian karena membutuhkan perencanaan produksi yang matang. Perusahaan yang memproduksi mie dengan empat macam varian ini, menginginkan produksi yang optimum sehingga akan mendapatkan keuntungan yang lebih. Disisi lain, terdapat keterbatasan sumber daya seperti tenaga kerja, bahan baku dan jam kerja mesin.

 35

Penelitian dimulai dengan melakukan observasi pada perusahan dan secara bersamaan dilakukan studi literatur untuk menunjang teori-teori yang sudah ada.

Observasi dilakukan sebelum memulai penelitian yang bertujuan untuk mengidentifikasi masalah yang timbul pada CV. Cool Clean. Observasi yang dilakukan meliputi pengamatan mengenai manajemen perusahaan, rantai distribusi produk dan proses produksi. Setelah melakukan observasi didapatkan rekapitulasi data penjualan untuk produk refreshing tissue dan sanitizer tissue. Berikut ini kurva data hasil rekapitulasi untuk masing-masing produk.

2. METODE PENELITIAN Metode penelitian menguraikan langkah-langkah yang harus dilakukan. Berikut ini adalah diagram alir yang menguraikan langkah-langkah penelitian.

Gambar 2 Kurva data penjualan refreshing tissue

Mulai

Observasi pada perusahaan

Studi literatur

Identifikasi masalah

Tujuan penelitian

Mengumpulkan data

Gambar 3 Kurva data penjualan sanitizer tissue Formulasi model goal programming

Membuat peramalan deret waktu

Penjadwalan produksi

Analisis dan pembahasan

Kesimpulan dan saran

Selesai

Gambar 1 Diagram alir metode penelitian

Dari data tersebut, terjadi fluktuasi penjualan untuk kedua produk. Sedangkan peramalan produksi pada CV. Cool Clean dilakukan dengan melihat permintaan selama satu tahun untuk produk tissue. Kemudian dibagi ke dalam dua belas bulan dan disesuaikan dengan kapasitas produksi.


36 


Dari hasil observasi yang dilakukan terdapat permasalahan yaitu belum adanya perencanaan produksi yang disesuaikan dengan peramalan yang tepat pada CV. Cool Clean. Oleh karena itu, pada penelitian ini akan dibuat sebuah perencanaan produksi dengan pendekatan model goal programming yang bertujuan untuk memenuhi permintaan, meminimumkan waktu kerja dan memaksimumkan pendapatan penjualan. Tahap selanjutnya yaitu pengumpulan data. Data yang dikumpulkan meliputi data proses produksi, data penjualan, data kapasitas produksi dan data harga produk. Dalam peramalan permintaan, data yang dibutuhkan adalah data penjualan (Schroeder 2007). Pada penelitian ini data yang digunakan adalah data penjualan produk tissue selama dua tahun terakhir yaitu pada bulan Januari 2012 sampai Desember 2013. Peramalan permintaan menggunakan metode deret waktu. Produk yang akan diramalkan yaitu produk dengan merek S1, S2, S3, R1, R2, R3, R4. Metode peramalan terbaik untuk setiap merek dipilih dari nilai MAD terkecil. Peramalan dilakukan dengan bantuan software MINITAB 16 untuk memudahkan peneliti dalam perhitungan. Berikut ini adalah rumus yang digunakan untuk menyelesaikan peramalan permintaan produk tissue.

4. Proyeksi Tren ̂

(6) ∑ ∑

̅̅ ̅

̅

̅

(7) (8)

Tahap berikutnya yaitu membuat formulasi goal programming. Goal programming adalah metode optimasi yang cocok digunakan untuk permasalahan industri dengan beberapa sasaran sekaligus untuk mendapatkan solusi yang optimum (Russell 2003). Pada penelitian ini tujuan utama yang ingin dicapai yaitu mengoptimumkan perencanaan produksi untuk produk tissue. Sasaran yang ingin dicapai yaitu memenuhi permintaan, meminimumkan waktu kerja dan memaksimumkan pendapatan penjualan. Pada penelitian ini variabel yang akan ditentukan adalah optimasi perencanaan produksi untuk produk tissue yang meliputi data penjualan waktu kerja dan harga jual. Variabel ini digunakan untuk menentukan solusi optimum pada produk tissue merek S1, S2, S3, R1, R2, R3, R4. Berikut ini adalah perumusan model goal programming untuk mengoptimumkan perencanaan produksi.

1. Rata-rata Bergerak ∑

(5)

Minimumkan:

(1)

2. Penghalusan Eksponensial

∑

(9)

(2)

3. Penghalusan Eksponensial dengan Penyesuaian Tren

Syarat ikatan: ∑ (10

(3) (4)

)

ISSN: 9772356441035

Symbol Vol.1 No. 1 / Nopember 2013IJCCS ISSN: 1978-1520

∑ (11

 37

beberapa pertimbangan dari perusahaan, merek tissue tidak dapat ditampilkan pada penelitian ini. Oleh karena itu, merek tissue akan digantikan dengan variabel untuk membedakan merek yang satu dengan yang lainnya. Merek tissue dapat dilihat pada keterangan dibawah ini.

) S1 = Tissue jenis sanitizer merek 1 S2 = Tissue jenis sanitizer merek 2 S3 = Tissue jenis sanitizer merek 3 R1 = Tissue jenis refreshing merek 1 R2 = Tissue jenis refreshing merek 2 R3 = Tissue jenis refreshing merek 3 R4 = Tissue jenis refreshing merek 4

Dan

(12 ) Untuk memudahkan perhitungan digunakan software LINDO 6.1 dalam penjadwalan produksi yang optimum dan disesuaikan dengan prioritas yang sudah ditentukan. 3. HASIL DAN PEMBAHASAN Hasil dan pembahasan penelitian dibagi menjadi tiga yaitu menentukan sasaran yang ingin dicapai, formulasi goal programming dan anasis. Berikut ini adalah penjabaran dari ketiganya.

3.1 Sasaran yang Ingin Dicapai Terdapat tiga sasaran yang ingin dicapai yaitu peramalan permintaan, jumlah waktu kerja dan pendapatan penjualan. Peramalan permintaan dilakukan sebagai parameter dalam membuat rencana produksi untuk periode 2014. Data yang digunakan dalam melakukan peramalan yaitu data penjualan tissue untuk masing– masing merek tissue pada tahun 2012 dan 2013. CV. Cool Clean memproduksi tujuh merek tissue yang terdiri dari sanitizer tissue dan refreshing tissue. Dengan

Tahap berikutnya yaitu melakukan peramalan permintaan untuk periode Januari 2014 sampai Desember 2014 menggunakan metode deret waktu dengan bantuan software Minitab 16 untuk masingmasing merek tissue. Kemudian dicari nilai MAD terkecil untuk menentukan metode peramalan deret waktu yang tepat. Setelah dilakukan perhitungan, maka yang terpilih adalah metode penghalusan eksponensial. Dalam penentuan jumlah waktu produksi, data yang digunakan adalah data waktu produksi untuk masing-masing merek tissue dan waktu kerja yang tersedia dalam satu tahun. Hal yang membedakan untuk setiap jenis merek tissue adalah cairan untuk membasahi tissue dan kemasan tissue. Sedangkan proses produksi untuk masing-masing merek tissue sama. Oleh karena itu, waktu produksi untuk setiap merek tidak berbeda yaitu 0.0583 menit/sachet. Waktu kerja pada CV. Cool Clean adalah enam hari efektif dalam satu minggu. Pada hari Senin sampai Jumat selama tujuh jam dan hari Sabtu selama lima jam. Pendapatan langsung dari penjualan pada masing-masing merek tissue akan digunakan sebagai fungsi pembatas pendapatan penjualan. Harga untuk masingmasing merek tissue dapat dilihat pada tabel dibawah ini. Tabel 1 Harga jual tissue (per sachet) MerekTissue Harga Jual S1 Rp. 75,-


38 


S2 S3 R1 R2 R3 R4

Rp. 100,Rp. 100,Rp. 150,Rp. 175,Rp. 175,Rp. 150,-

Dengan memperhitungkan jumlah produk pada peramalan, perkiraan jumlah pendapatan langsung dapat dicari dengan mengalikan antara harga dengan hasil peramalan. 3.2 Formulasi Goal Programming Fungsi pembatas model dikategorikan sesuai dengan kebutuhan model. Dalam penelitian ini, fungsi pembatas meliputi pembatas target permintaan pasar, pembatas waktu kerja dan pembatas pendapatan penjualan. berikut ini adalah pembatas-pembatas yang digunakan. 1. Pembatas target permintaan pasar Sasaran pertama perusahaan yaitu memenuhi permintaan yang ditargetkan sama dengan hasil peramalan penjualan. Oleh karena itu, deviasi negatif dan deviasi positif harus diminumkan. Dengan demikian, model goal programming untuk fungsi ini sebagai berikut.

Bulan Januari : 2.604.739 x1 + d1- + d1+ = + 1.171.413 x2 + d2 + d2 = + 1.349.599 x3 + d3 + d3 = 176.939 x4 + d4- + d4+ = + 266.176 x5 + d5 + d5 = 235.687 x6 + d6- + d6+ = + 109.096 x7 + d7 + d7 = ∑ Tujuan: Minimum

Untuk bulan berikutnya menggunakan model yang sama dengan bulan Januari. 2. Pembatas waktu kerja Pembatas waktu kerja bertujuan untuk meminimumkan waktu lembur sehingga biaya waktu lembur tidak terjadi. Berikut ini adalah model goal programming untuk fungsi pembatas waktu kerja. Bulan Januari: 0.0583x1 + 0.0583x2 + 0.0583x3 + 0.0583x4 + 0.0583x5 + 0.0583x6 + 0.0583x7 + d8- + d8+ = 384.000 Tujuan: Minimum d8+ Untuk bulan berikutnya menggunakan model yang sama dengan bulan Januari.

3. Pembatas pendapatan penjualan Sasaran perusahaan yaitu mampu memenuhi target pendapatan langsung dari penjualan tissue dan bila mungkin dimaksimumkan. Pendapatan penjualan didapatkan dari perkalian antara jumlah tissue yang dijual dengan harga jual tissue. Berikut ini adalah model goal programming untuk fungsi pembatas pendapatan penjualan.

Bulan Januari: 75x1 + 100x2 + 100x3 + 150x4 + 175x5 + 175x6 + 150x7 + d9- + d9+ = 578.187.900 Tujuan: Minimum d9Untuk bulan berikutnya menggunakan model yang sama dengan bulan Januari.

Berdasarkan fungsi pembatas, maka fungsi tujuan goal programming dapat dirumuskan sebagai berikut. Minimum Z = P1∑ P2d8+ + P3d9-

+

ISSN: 9772356441035

 39

Symbol Vol.1 No. 1 / Nopember 2013IJCCS ISSN: 1978-1520 3.3 Analisis

Berdasarkan pengolahan data yang sudah dilakukan dengan software LINDO 6.1, maka didapatkan solusi Tahun/ Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember

optimum dalam bentuk perencanaan produksi. Berikut ini adalah hasil solusi optimum periode Januari sampai Desember 2014.

Tabel 2 Solusi optimum perencanaan produksi tahun 2014 Produk (Sachet) S1 S2 S3 R1 R2 R3 2.604.739 1.171.413 1.349.599 176.939 266.176 235.687 2.612.678 1.143.609 1.251.405 177.579 262.463 239.074 2.687.042 1.244.734 1.371.020 176.374 271.253 233.225 2.687.373 1.287.408 1.392.179 188.219 279.512 239.790 2.801.661 1.245.222 1.361.778 175.467 270.465 235.083 2.851.817 1.211.164 1.311.429 179.799 269.439 240.089 2.621.595 1.254.360 1.392.128 184.412 268.279 241.435 2.542.715 1.288.650 1.267.471 190.584 278.297 241.629 2.550.189 1.203.083 1.302.084 179.866 272.180 240.518 2.656.606 1.141.664 1.375.876 177.701 268.472 228.244 3.068.711 1.220.658 1.299.051 179.752 280.157 235.557 3.118.498 1.292.165 1.253.425 196.891 281.352 237.288

Hasil solusi optimum diatas menunjukkan hal positif dimana jumlah produksi dapat memenuhi target peramalan permintaan. Jika dibandingkan antara hasil peramalan permintaan dengan solusi optimum dapat dikatakan hampir tidak jauh berbeda. Hal ini dikarenakan kendala atau batasan-batasan yang ada tidak terlalu signifikan. Pada batasan waktu kerja, dapat dilihat bahwa waktu kerja yang tersedia lebih besar dari pada waktu yang terpakai untuk setiap bulannya dalam satu tahun. Hal ini menunjukkan bahwa peramalan yang sudah dilakukan tidak akan menambah jam lembur pekerja yang berakibat pada penambahan biaya-biaya produksi. Berikut ini adalah tabel yang memuat perbandingan antara waktu kerja pada perencanaan produksi periode Januari sampai Desember 2014 dan waktu kerja yang tersedia periode Januari sampai Desember 2014. Tabel 3 Perbandingan waktu tersedia dan terpakai tahun 2014 Waktu kerja (menit) Bulan Tersedia Terpakai

Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember

384000 384000 396000 400800 362400 400800 367200 384000 417600 422400 396000 400800

R4 109.096 104.114 111.985 113.380 118.276 125.921 109.788 114.668 115.552 113.413 114.283 125.994

344963 337804 355579 360959 362131 361063 354200 320567 342036 347782 373227 379494

Pada batasan pendapatan penjualan, didapatkan hasil yang optimum dengan meminimumkan deviasi negatif sehingga hasil pendapatan penjualan dapat lebih optimum tanpa melewati batasan lain yang sudah ditentukan. Berikut ini adalah jumlah pendapatan penjualan optimum pada periode Januari sampai Desember 2014. Tabel 4 Jumlah pendapatan penjualan optimum tahun 2014. Pendapatan Bulan Penjualan Januari Rp. 578.187.900


40 


Februari Maret April Mei Juni Juli Agustus September Oktober November Desember

Rp. Rp. Rp. Rp. Rp. Rp. Rp. Rp. Rp. Rp. Rp.

565.475.175 594.641.050 605.629.375 603.356.925 601.170.975 594.598.375 583.090.575 575.815.725 581.591.850 616.479.425 627.641.100

Untuk mengetahui keefektifan dari model yang sudah direncanakan, dilakukan pemodelan pada tahun 2013 yang akan dibandingkan dengan realisasi produksi oleh perusahaan pada tahun 2013. Pemodelan diawali dengan peramalan permintaan dengan menggunakan data penjualan tahun 2012. Peramalan permintaan dibuat untuk periode Januari 2013 sampai Desember 2013 menggunakan metode

Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember

deret waktu dengan bantuan software Minitab 16. Kemudian dicari nilai MAD terkecil untuk menentukan metode peramalan deret waktu yang tepat. Setelah dilakukan perhitungan, maka yang terpilih adalah metode penghalusan eksponensial. Sasaran berikutnya yaitu waktu produksi. Waktu produksi yang tersedia untuk tahun 2013 dapat ditentukan dengan menjumlahkan seluruh waktu produksi yang sudah dilakukan pada tahun 2013. Sasaran terakhir yaitu pendapatan penjualan. Dengan memperhitungkan jumlah produk pada peramalan, perkiraan jumlah pendapatan langsung dapat dicari dengan mengalikan antara harga dengan hasil peramalan. Dengan menggunakan pemodelan yang sama seperti tahun 2014, didapatkan hasil perencanaan produksi tahun 2013. Berikut ini adalah solusi optimum hasil pemodelan untuk tahun 2013.

Tabel 5 Solusi optimum perencanaan produksi tahun 2013 Solusi Optimum Tahun 2013 (Sachet) S1 S2 S3 R1 R2 R3 R4 2562772 1159810 1348029 174920 264113 230527 116225 2590625 1126758 1237645 169277 263786 234247 115078 2603482 1232177 1330273 179400 267007 227950 120921 2690663 1280199 1383244 188445 274687 238417 126842 2834503 1190443 1271694 176678 265186 229987 122961 2847847 1234522 1251796 178534 262368 234850 134300 2608531 1248839 1388636 182585 265817 236033 125422 2529474 1281663 1251228 187494 275243 237947 125398 2539649 1194927 1241667 181874 267203 235565 117502 2735386 1126075 1378834 174144 263276 237068 123773 2978345 1193130 1266393 172975 262204 223210 123563 3092982 1271839 1274531 178555 273338 234397 132097

Total 5856395 5737415 5961209 6182497 6091451 6144217 6055862 5888447 5778389 6038557 6219820 6457739

ISSN: 9772356441035

 41

Symbol Vol.1 No.1 / Juli 2014

Dari hasil pemodelan tahun 2013 diatas, kemudian dibandingkan dengan realisasi produksi tissue pada tahun 2013. Berikut ini adalah data realisasi produksi tissue pada tahun 2013. Tabel 6 Data realisasi produksi tissue pada tahun 2013 Produksi Tissue Bulan tahun 2013 (sachet) Januari 5.894.440 Februari 5.698.282 Maret 6.527.623 April 6.176.318 Mei 6.308.152 Juni 6.115.040 Juli 6.123.569 Agustus 5.674.889 September 5.953.026 Oktober 6.088.776 November 6.793.385 Desember 6.533.758 Sumber: CV. Cool Clean tahun 2013

Kombinasi tissue yang diproduksi dengan perencanaan menggunakan model goal programming berbeda dengan yang diterapkan perusahaan pada produksi tahun 2013. Keefektifitasan perencanaan tersebut dapat dilihat pada gambar dibawah ini.

Gambar 4 Perbandingan perencanaan, produksi dan penjualan

Dari gambar diatas dapat dilihat bahwa perbedaan hasil penjualan dan

produksi pada tahun 2013 cukup signifikan. Oleh karena itu, perusahaan sering mengalami permasalah dalam produksi yaitu kelebihan stok atau bahkan kekurangan stok yang sangat banyak. Dapat dilihat pada bulan Maret, Mei, September dan November mengalami kelebihan stok yang banyak. Sedangkan pada bulan Agustus jumlah produksi lebih sedikit dibandingkan dengan hasil penjualannya. Hasil pengolahan dari goal programming menunjukkan perbedaan yang terjadi antara penjualan dengan perencanaan tidak terlalu signifikan. Dapat dilihat pada gambar diatas bahwa setiap bulannya tidak terjadi kelebihan stok kecuali pada bulan oktober yang mengalami sedikit kelebihan stok. Oleh karena itu perencanaan tersebut memungkinkan dapat mengurangi permasalah produksi yang selama ini terjadi pada perusahaan. Pada batasan waktu kerja, dapat dilihat bahwa waktu kerja yang tersedia masih lebih besar dari pada waktu yang telah direncanakan untuk tahun 2013. Berikut ini adalah tabel yang memuat perbandingan antara waktu kerja pada perencanaan produksi periode Januari sampai Desember 2013 dan waktu kerja yang tersedia periode Januari sampai Desember 2013. Tabel 7 Perbandingan waktu tersedia dan terpakai tahun 2013 Waktu kerja (menit) Bulan Tersedia Terpakai Januari 400800 341623 Februari 384000 334683 Maret 379200 347737 April 417600 360646 Mei 405600 355335 Juni 379200 358413 Juli 434400 353259 Agustus 321600 320159 September 400800 337073 Oktober 400800 352249 November 396000 362823


42 


Desember

400800

376701

4. KESIMPULAN

Setelah dilakukan pengolahan data dan analisis pemecahan masalah pada CV. Cool Clean, maka dapat diambil Kesimpulan sebagai berikut. 1. Sesuai dengan pola data tahun 2012 dan 2013, peramalan permintaan yang cocok pada CV. Cool Clean periode Januari sampai Desember 2014 yaitu metode penghalusan eksponensial. Hal ini dipengaruhi oleh data yang mempunyai tren sangat kecil dan cenderung bersifat acak. 2. Solusi optimum yang didapatkan sudah memenuhi target produksi disesuaikan dengan kendala-kendala yang ada pada CV. Cool Clean. Untuk jumlah produk yang diproduksi dapat dilihat pada tabel 2. Nilai dari solusi optimum tidak jauh berbeda dengan hasil peramalan. Hal ini disebabkan oleh kendala/batasan yang tidak terlalu signifikan. 3. Waktu kerja yang terpakai untuk perencanaan produksi pada CV. Cool Clean periode Januari sampai Desember 2014 tidak melebihi waktu kerja yang tersedia. Hal ini menandakan tidak akan timbul waktu lembur yang berakibat meningkatkan biaya produksi. Untuk perbandingan antara waktu kerja terpakai dan waktu kerja tersedia dapat dilihat pada tabel 3. 4. Pendapatan dari penjualan yang ditargetkan pada periode Januari sampai Desember 2014 mencapai nilai optimum untuk setiap bulannya yang dapat dilihat pada tabel 4. 5. SARAN

Saran-saran yang dapat diberikan pada CV. Cool Clean dan penelitian selanjutnya adalah sebagai berikut. 1. CV. Cool Clean dapat menggunakan metode penghalusan eksponensial dalam melakukan peramalan permintaan untuk periode mendatang. Hal ini dapat dilihat dari pola data yang setiap tahunnya hampir sama dan mempunyai tren yang cukup kecil. 2. CV. Cool Clean disarannya menggunakan goal programming untuk membuat perencanaan yang optimum sehingga peramalan yang sudah dilakukan tidak berbenturan dengan kendala/batasan yang ada pada perusahaan. 3. Bagi penelitian selanjutnya dapat menyertakan reduksi biaya yang terjadi sebagai acuan pengukuran efektivitas perencanaan produksi.

DAFTAR PUSTAKA Heizer, J. dan Render, B., 2009, Manajemen Operasi, Edisi 9, Buku I, diterjemahkan oleh Chriswan Sungkono, Penerbit Salemba Empat, Jakarta. Purwanto, Y., 2011, Model Goal Programming untuk Perencanaan Produksi Produk Musiman, Tugas Sarjana, Matematika Institut Teknologi Sepuluh Nopember, Surabaya. Russell, R. S., dan Taylor, B. W., 2003, Operations Management, 4th Ed, Pearson Education, Inc, New Jersey. Schroeder, R. G., 2007, Operations Management: Contemporary and Cases, 3rd Ed, McGraw-Hill Companies, Inc, New York. Sinha, B. Dan Sen, N., 2011, Goal Programming Approach to Tea Industry of Barak Valley of Assam, Applied Mathematical Sciences, No. 29, Vol.5, 1409-1419, 2011. Susanti, R., 2011, Optimasi Perencanaan Produk untuk Produk Pesanan pada Perusahaan Pestisida menggunakan Metode Goal Programming, Tugas

ISSN: 9772356441035

Symbol Vol.1 No. 1 / Nopember 2013IJCCS ISSN: 1978-1520 Sarjana, Matematika Institut Teknologi Sepuluh Nopember, Surabaya. Uslianti, S., 2002, Perencanaan Produksi Berhirarki Produk Olahan Kayu di PT. Arga Tirta Lestari, Tesis, Rekayasa Kualitas Institut Teknologi Sepuluh Nopember, Surabaya. Yala Kusuma, A. Y., 2011, Optimasi Perencanaan Produksi dengan Metode Goal Programming pada Produksi Mie Kering (Studi Kasus di PT. Surya Pratista Hutama manufactory, Sidoarjo), Tugas Sarjana, Fakultas Teknologi Pertanian Universitas Brawijaya, Malang.


 43

44 


ISSN: 9772356441035

Optimasi Perencanaan Produksi dengan Pendekatan Model Goal Programming. (Studi Kasus CV. Cool Clean Malang)

Recommend Documents