PENENTUAN JUMLAH PRODUKSI OPTIMAL UNTUK MEMAKSIMUMKAN LABA DENGAN MENGGUNAKAN METODE INTEGER PROGRAMMING DI PT. CAHAYA KAWI ULTRA POLYINTRACO
TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian dari Syarat-syarat Memperoleh Gelar Sarjana Teknik
oleh : Wenni Junida NIM. 040403006
DEPARTEMEN
TEKNIK
F A K U L T A S
INDUSTRI
T E K N I K
UNIVERSITAS SUMATERA UTARA M E D A N 2009 Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
ABSTRAK PT Cahaya Kawi Ultra Polyintraco merupakan perusahaan manufaktur yang bergerak dalam bidang pembuatan spring bed. Spring bed yang dihasilkan terdiri dari berbagai jenis. Perusahaan berproduksi dengan sistem make to stock. Saat ini, penentuan volume produksi dibuat berdasarkan keputusan manajer produksi dan pemasaran dengan melihat pola data masa lalu dan melakukan peramalan kuantitatif sesuai dengan pola data. Seperti yang diketahui, bahwa hasil interpretasi peramalan tidak akan terlalu jauh berbeda dengan pola data permintaan tahun sebelumnya. Namun pada kenyataannya pada tahun 2008 misalnya, terjadi pergeseran permintaan dari tahun 2007 sebesar 6.81% untuk platinum, 26.46% untuk golden, 3.17% untuk silver dan 17.53% untuk bigline. Ketidakpastian ini menyebabkan perusahaan menginginkan metode perencanaan produksi yang lebih baik. Inti dari perencanaan produksi dengan integer programming adalah dapat dilakukan optimisasi produksi dengan tujuan maksimisasi laba. Hal ini dilakukan dengan membuat model matematis dimana yang menjadi fungsi tujuan adalah maksimisasi laba, sedangkan yang menjadi kendala adalah keterbatasan sumber daya perusahaan dan target produksi. Dengan penggunaan integer programming diperoleh rencana produksi yang optimal dengan mengalokasikan sumber daya perusahaan secara efisien. Hasil penelitian menunjukkan bahwa rencana produksi yang optimal untuk bulan Mei 2009 adalah 211 unit untuk jenis platinum, 56 unit jenis golden, 373 unit jenis silver dan 68 unit jenis bigline. Laba yang dihasilkan adalah Rp. 107.619.000. Untuk bulan Juni 2009 adalah 200 unit untuk jenis platinum, 44 unit jenis golden, 417 unit jenis silver dan 67 unit jenis bigline. Laba yang dihasilkan adalah Rp. 108.511.000. Untuk bulan Juli 2009 adalah 182 unit untuk jenis platinum, 55 unit jenis golden, 437 unit jenis silver dan 57 unit jenis bigline. Laba yang dihasilkan adalah Rp. 107.176.000. Untuk menjamin kelangsungan produksi, maka perusahaan perlu meningkatkan persediaan bahan baku. Hasil ini dapat menjadi acuan bagi perusahaan dalam perencanaan produksinya.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
KATA PENGANTAR Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Kuasa atas penyertaanNya sehingga penulis dapat melakukan penelitian dan menyelesaikan tugas sarjana ini sesuai dengan waktu yang telah ditentukan. Tugas sarjana ini merupakan salah satu syarat akademis yang harus dipenuhi oleh mahasiswa untuk menyelesaikan studi di Departemen Teknik Industri, Fakultas Teknik, Universitas Sumatera Utara. Tugas sarjana ini berjudul “Penentuan Jumlah Produksi Optimal untuk Memaksimumkan Laba dengan Menggunakan Metode Integer Programming di PT. Cahaya Kawi Ultra Polyintraco”. Adapun latar belakang penulis mengangkat judul ini adalah penulis ingin memberikan suatu perbandingan metode perencanaan produksi dengan pendekatan integer programming. Penulis berusaha memberikan yang terbaik dalam mengerjakan tugas sarjana ini, namun penulis menyadari bahwa tugas sarjana ini masih banyak kekurangan. Oleh karena itu, penulis mengharapkan saran dan kritik yang membangun demi kebaikan tugas sarjana ini. Semoga tugas sarjana ini bermanfaat bagi kita semua.
UNIVERSITAS SUMATERA UTARA, MEDAN
PENULIS
Juni 2009
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
UCAPAN TERIMAKASIH
Selama
penyusunan
laporan
tugas
sarjana
ini,
penulis
banyak
mendapatkan dukungan dan bantuan dari berbagai pihak. Maka pada kesempatan ini dengan hati yang tulus penulis ingin mengucapkan terimakasih kepada: 1. Ibu Ir Nazlina, MT sebagai dosen pembimbing I dalam penyelesaian Tugas Sarjana ini, yang telah menyediakan waktu dan perhatian untuk membimbing penulis dalam menyelesaikan tugas sarjana ini. 2. Bapak Buchari, ST. MKes, sebagai dosen pembimbing II dalam penyelesaian Tugas Sarjana ini, yang telah menyediakan waktu dan perhatian untuk membimbing penulis dalam menyelesaikan tugas sarjana ini. 3. Bapak Ir. Tanib S. Tjolia, M.Eng, Ibu Ir. Nurhayati Sembiring, MT dan Bapak DR. Ir. Humala Napitupulu, DEA sebagai dosen pembanding yang bersedia memberikan saran yang membangun bagi perbaikan tugas sarjana ini. 4. Bapak Ir. Sugi Arto Pujangkoro, MM, sebagai Koordinator Tugas Akhir yang telah mengarahkan penulis dalam memahami judul Tugas Sarjana. 5. Bapak Prof. Ir. Sukaria Sinulingga M.Eng, sebagai Koordinator Bidang untuk Manufaktur yang telah mengarahkan penulis dalam memahami judul Tugas Sarjana. 6. Ibu Ir. Rosnani Ginting, MT, sebagai Ketua Departemen Teknik Industri Fakultas Teknik, Universitas Sumatera Utara yang turut memberikan motivasi kepada penulis dalam menyelesaikan tugas sarjana ini.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
7. Bapak Haeril Endriansyah, ST sebagai manajer produksi PT. Cahaya Kawi Ultra Polyintraco yang telah membimbing dan memberikan kesempatan bagi penulis untuk melakukan penelitian. 8. Karyawan produksi PT. Cahaya Kawi Ultra Polyintraco yang telah banyak membantu penulis dalam melakukan penelitian. 9. Bang Bowo, Kak Dina, dan Bang Tumijo, selaku pegawai Departemen Teknik Industri, Fakultas Teknik, Universitas Sumatera Utara yang telah membantu penulis dalam pengurusan berkas-berkas tugas sarjana. 10. Kedua Orang tuaku, Ir Darwin Girsang dan H br Tambunan, yang telah memberikan kasih sayang, doa dan semangat bagi penulis. 11. Kakakku Melia Girsang, ST atas semangat dan doanya dan adikku Septika Girsang yang sangat baik dan selalu mendukung penulis 12. Hendra Feryanto Simanjuntak, yang selalu ada memberikan bantuan, semangat, doa dan sukacita bagi penulis. 13. Adikku Ebeth, Melisa dan Yosi yang telah memberikan semangat dan doa bagi penulis. 14. Semua sahabat dan saudara yang memberikan dukungan dan keceriaan Juana, Misna, Mariaty, Elfrida, Desima, Valent, Erna, Dame, Yetti, Nova Yulistina, dan Meryantina . Demikian ucapan terima kasih ini saya sampaikan, Tuhan memberkati.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
DAFTAR ISI
BAB
I
HALAMAN HALAMAN JUDUL ........................................................................
i
LEMBAR PENGESAHAN ..............................................................
ii
SERTIFIKASI EVALUASI TUGAS SARJANA .............................
iii
ABSTRAK.......................................................................................
iv
KATA PENGANTAR .....................................................................
v
UCAPAN TERIMA KASIH ...........................................................
vi
DAFTAR ISI ...................................................................................
viii
DAFTAR TABEL ............................................................................
xiv
DAFTAR GAMBAR .......................................................................
xviii
DAFTAR LAMPIRAN ....................................................................
xix
PENDAHULUAN 1.1. Latar Belakang Permasalahan ....................................................
I-1
1.2. Rumusan Permasalahan .............................................................
I-2
1.3. Tujuan dan Sasaran Penelitian ...................................................
I-3
1.3.1. Tujuan Penelitian ............................................................
I-3
1.3.2. Sasaran Penelitian ...........................................................
I-3
1.4. Manfaat Penelitian ....................................................................
I-4
1.5. Pembatasan Masalah dan Asumsi Penelitian .............................
I-4
1.5.1. Pembatasan Masalah .......................................................
I-4
1.5.2. Asumsi Penelitian ...........................................................
I-3
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
1.6. Sistematika Penulisan Tugas Sarjana......................................... I-4
II GAMBARAN UMUM PERUSAHAAN 2.1. Sejarah Perusahaan .................................................................... II-1 2.2. Ruang Lingkup Bidang Usaha ................................................... II-2 2.3. Organisasi dan Manajemen Perusahaan ..................................... II-2 2.3.1. Struktur Organisasi PT Cahaya Kawi Ultra Polyintaco .... II-3 2.3.2. Tenaga Kerja dan Jam Kerja Perusahaan ......................... II-5 2.3.2.1. Tenaga Kerja ...................................................... II-5 2.3.2.2. Jam Kerja .......................................................... II-7 2.3.3. Sistem Pengupahan dan Fasilitas yang Digunakan .......... II-7 2.3.3.1. Tunjangan .......................................................... II-8 2.3.3.2. Fasilitas ............................................................. II-9 2.4. Proses Produksi ......................................................................... II-9 2.4.1. Bahan ............................................................................. II-9 2.4.1.1. Bahan Baku ........................................................ II-9 2.4.1.2. Bahan Tambahan................................................ II-12 2.4.1.3. Bahan Penolong ................................................. II-13 2.4.2. Uraian Proses Produksi ................................................... II-13 2.4.2.1. Pembuatan Sandaran Spring bed......................... II-13 2.4.2.2. Pembuatan Matras Spring bed ............................ II-14 2.4.2.3. Pembuatan Divan Spring bed............................. II-16 2.5. Mesin dan Peralatan ................................................................ II-17
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2.5.1. Mesin Produksi ............................................................... II-17 2.5.2. Peralatan ......................................................................... II-21 2.5.3. Utilitas ............................................................................ II-22 2.5.4. Safety and Fire Protection .............................................. II-22 2.5.5. Waste and Treatment ...................................................... II-23 2.5.6. Maintenance ................................................................... II-23
III
LANDASAN TEORI 3.1. Perencanaan Produksi............................................................... III-1 3.2. Pengukuran Waktu ................................................................... III-3 3.2.1. Teknik-teknik Pengukuran Waktu ................................... III-4 3.2.2. Pengukuran Waktu Jam henti .......................................... III-5 3.2.3. Langkah-langkah sebelum Melakukan Pengukuran ......... III-6 3.2.4. Melakukan Pengukuran Waktu ....................................... III-9 3.2.5. Pengujian Data Waktu .................................................... III-9 3.2.5.1. Uji Keseragaman ................................................ III-9 3.2.5.2. Uji Kecukupan Data ........................................... III-10 3.2.6. Perhitungan Waktu ......................................................... III-11 3.2.7. Penyesuaian dan Kelonggaran......................................... III-12 3.2.7. Penyesuaian .......................................................... III-12 3.2.7. Kelonggaran .......................................................... III-14 3.3. Peramalan................................................................................. III-16 3.3.1. Metode Peramalan .......................................................... III-17
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
3.3.2. Analisis Deret Waktu ...................................................... III-18 3.3.3. Analisis Kesalahan Peramalan ........................................ III-23 3.3.4. Verifikasi dan Pengendalian Peramalan .......................... III-24 3.4. Pemrograman Linear ................................................................ III-26 3.4.1. Model Pemrograman Linear ........................................... III-26 3.4.2. Bentuk Umum Pemrograman Linear ............................... III-28 3.4.3. Asumsi Pemrograman Linear .......................................... III-29 3.4.4. Metode Simpleks ............................................................ III-30 3.4.5. Metode Big M dan Dua Fase ........................................... III-33 3.4.6. Integer Programming...................................................... III-34 3.4.7. Algoritma Branch and Bound ......................................... III-35
IV
V
METODOLOGI PENELITIAN 4.1. Tempat dan Waktu Penelitian ..................................................
IV-1
4.2. Jenis Penelitian ........................................................................
IV-1
4.3. Instrumen Penelitian ................................................................
IV-2
4.4. Pengumpulan Data ...................................................................
IV-2
4.5. Metode Pengolahan Data .........................................................
IV-3
4.6. Analisis ....................................................................................
IV-6
4.7. Kesimpulan dan Saran .............................................................
IV-7
PENGUMPULAN DAN PENGOLAHAN DATA 5.1. Pengumpulan Data ...................................................................
V- 1
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5.1.1. Data Laba dari Setiap Matras Spring bed .......................
V-1
5.1.2. Data Waktu Siklus Tenaga Kerja ...................................
V-1
5.1.3. Data Jumlah Tenaga Kerja .............................................
V-9
5.1.4. Data Jumlah Hari Kerja..................................................
V-9
5.1.5. Data Penjualan ...............................................................
V-10
5.1.6. Data Pemakaian dan Kapasitas Gudang Bahan Baku ......
V-11
5.1.7. Data Jumlah Produksi yang Memenuhi Batasan BEP dalam Unit Produksi .............................................
V-13
5.2.Pengolahan Data ....................................................................... V- 14 5.2.1. Penentuan Fungsi Tujuan ...............................................
V-14
5.2.2. Penentuan Fungsi Kendala Pertama ...............................
V-15
5.2.2.1. Uji Keseragaman Data Waktu Siklus .................
V-15
5.2.2.2. Penentuan Rating Factor dan Allowance ...........
V-24
5.2.2.3. Perhitungan Waktu Normal dan Waktu Standar ..........................................
V-27
5.2.2.3.1. Waktu Normal ...............................
V-27
5.2.2.3.1. Waktu Standar ................................
V-27
5.2.2.4. Formulasi Fungsi Kendala Pertama .................
V-29
5.2.3. Penentuan dan Formulasi Fungsi Kendala Kedua ...........
V-31
5.2.4. Penentuan Fungsi Kendala Ketiga ..................................
V-33
5.2.4.1. Peramalan Permintaan Spring bed ....................
V-33
5.2.4.2. Formulasi Fungsi Kendala Ketiga.....................
V-43
5.2.5. Penentuan dan Formulasi Fungsi Kendala Keempat .......
V-44
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5.2.6. Penentuan Model Perencanaan Produksi ........................
V-45
5.2.7. Penyelesaian Model Linear Programming dengan Metode Simpleks ............................................... V-49 5.2.8. Penyelesaian Model Integer Programming dengan Metode Branch and Bound ................................ V-66
VI
ANALISIS DAN EVALUASI 6.1. Analisis….
............................................................................ VI-1
6.1.1. Analisis Model Perencanaan Produksi Perusahaan Saat ini..... .................................................... VI-1 6.1.2. Analisis Perencanaan Produksi dengan Integer Programming ........................................ VI-2 6.1.3. Analisis Sensitivitas Perencanaan Produksi ..................... VI-6 6.2. Evaluasi …. ............................................................................ VI-1
VII
KESIMPULAN DAN SARAN 7.1. Kesimpulan ............................................................................... VII-1 7.2. Saran ......................................................................................... VII-3
DAFTAR PUSTAKA LAMPIRAN
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
DAFTAR TABEL
TABEL
HALAMAN
2.1. Perincian Jumlah Tenaga Kerja pada PT. Cahaya Kawi Ultra Polyintraco .............................................. II-5 2.2. Jam Kerja PT. Cahaya Kawi Ultra Polyintraco ............................. II-7 3.1. Ukuran Statistik Parameter Kesalahan .......................................... III-21 3.2. Bentuk Standar Tabel Simpleks .................................................... III-27 3.3. Tabel Simpleks I .......................................................................... III-28 3.4. Tabel Simpleks 2 .......................................................................... III-28 3.5. Tabel Simpleks 3 .......................................................................... III-29 5.1. Laba dari Setiap Penjualan Spring bed ......................................... V-1 5.2. Waktu Siklus Rata-rata Tenaga Kerja pada Pembuatan Spring bed Tipe Platinum ................................... V-5 5.3. Waktu Siklus Rata-rata Tenaga Kerja pada Pembuatan Spring bed Tipe Golden ..................................... V-6 5.4. Waktu Siklus Rata-rata Tenaga Kerja pada Pembuatan Spring bed Tipe Silver ....................................... V-7 5.5. Waktu Siklus Rata-rata Tenaga Kerja pada Pembuatan Spring bed Tipe Bigline ..................................... V-8 5.6. Data Jumlah Tenaga Kerja Produksi Matras Spring bed ............... V-9 5.7. Data Waktu Kerja Tersedia Tahun 2009 ....................................... V-10 5.8. Total Penjualan Spring bed Periode Tahun 2007-2008.................. V-11 Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5.9. Data Pemakaian Bahan untuk Matras Tiap Jenis Spring bed ......... V-12 5.10. Kapasitas Gudang......................................................................... V-13 5.11. Jumlah Produksi Minimum Perusahaan ........................................ V-13 5.12. Pengelompokan Data Waktu Kecepatan Rata-rata Operasi Perakitan Per Bulat (K1) dalam Sub Grup .................................... V-15 5.13. Uji Keseragaman Data Waktu Siklus Pembuatan Spring bed Tipe Platinum ............................................................ V-18 5.14. Uji Keseragaman Data Waktu Siklus Pembuatan Spring bed Tipe Golden ............................................................... V-20 5.15. Uji Keseragaman Data Waktu Siklus Pembuatan Spring bed Tipe Silver ................................................................. V-20 5.16. Uji Keseragaman Data Waktu Siklus Pembuatan Spring bed Tipe Bigline ............................................................... V-21 5.17. Uji Kecukupan Data Waktu Siklus Pembuatan Spring bed Tipe Platinum ............................................................ V-22 5.18. Uji Kecukupan Data Waktu Siklus Pembuatan Spring bed Tipe Golden ............................................................... V-23 5.19. Uji Kecukupan Data Waktu Siklus Pembuatan Spring bed Tipe Silver ................................................................. V-23 5.20. Uji Kecukupan Data Waktu Siklus Pembuatan Spring bed Tipe Bigline ............................................................... V-24 5.21. Allowances Tiap Stasiun Kerja ..................................................... V-25 5.22. Waktu Normal pada Stasiun Kerja ................................................ V-28 Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5.23. Waktu Standar pada Stasiun Kerja ............................................... V-28 5.24. Ketersediaan Jam Kerja Orang Bulan Mei-Juli Tahun 2009 .......... V-30 5.25. Perhitungan Parameter Peramalan Kuadratis untuk Spring bed Tipe Platinum ............................................................. V-35 5.26. Perhitungan Parameter Trend Dekomposisi Spring bed Tipe Platinum ............................................................. V-37 5.27. Perhitungan Parameter Musiman Dekomposisi Spring bed Tipe Platinum ............................................................. V-38 5.28. Perhitungan MSE Metode Kuadratis untuk Spring bed Tipe Platinum ............................................................. V-39 5.29. Perhitungan MSE Metode Dekomposisi untuk Spring bed Tipe Platinum ............................................................. V-40 5.30. Perhitungan Verifikasi untuk Spring bed Tipe Platinum .............. V-41 5.31. Hasil Peramalan Spring bed Tipe Platinum, Golden, Silver dan Bigline ............................................ V-43 5.32. Rekapitulasi Fungsi Tujuan dan Fungsi Kendala Bulan Mei, Juni dan Juli .............................................................. V-46 5.33. Tabel Simpleks Awal ................................................................... V-52 5.34. Tabel Simpleks Iterasi 1 ............................................................... V-58 5.35. Tabel Simpleks Iterasi 2 ............................................................... V-59 5.36. Tabel Simpleks Iterasi 3 ............................................................... V-60 5.37. Tabel Simpleks Iterasi 4 ............................................................... V-61 5.38. Tabel Simpleks Iterasi 5 ............................................................... V-62 Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5.39. Tabel Simpleks Iterasi 6 ............................................................... V-63 5.40. Tabel Simpleks Iterasi 7 (Tabel Final) .......................................... V-64 5.41. Rekapitulasi Penentuan Jumlah Produksi dengan Model Linear Programming ......................................................... V-65 5.42. Rekapitulasi Penentuan Jumlah Produksi dengan Model Integer Programming ........................................................ V-70 6.1.
Rekapitulasi Hasil Perhitungan dengan Integer Programming ...... VI-4
6.2.
Perbandingan Ketersediaan Sumber Daya di Perusahaan dengan Pemakaian Sumber Daya Berdasarkan Integer Programming ....... VI-5
6.3. Maksimum Perubahan Kapasitas .................................................. VI-7 7.1. Rekapitulasi Penentuan Jumlah Produksi dengan Model Integer Programming ........................................................ VII-2 7.2. Rekapitulasi Jumlah Sumber Daya (Kendala) Terpakai ................ VII-2
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
DAFTAR GAMBAR
GAMBAR
HALAMAN
2.1.
Struktur Organisasi PT. Cahaya Kawi Ultra Polyintraco ............. II-4
3.1.
Peta Kontrol untuk Uji Keseragaman Data ................................. III-9
4.1.
Diagram Alir Metodologi Penelitian ........................................... IV-8
4.2.
Diagram Alir Pengolahan Data ................................................... IV-9
4.3.
Blok Diagram Pengolahan Data .................................................. IV-10
5.1.
Control Chart Uji Keseragaman ................................................. V-16
5.2.
Diagram Pencar Penjualan Spring bed Platinum 2007-2008 ....... V-34
5.3.
Moving Range Chart untuk Spring bed Platinum ........................ V-42
5.4.
Perhitungan Branch and Bound ................................................. V-67
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
DAFTAR LAMPIRAN
LAMPIRAN
HALAMAN
1
Uraian Tugas dan Tanggung Jawab ................................................ L-1
2
Peta Proses Operasi Pembuatan Produk .......................................... L-5
3
Pengukuran Waktu ......................................................................... L-8
4
Uji Keseragaman Data ................................................................... L-10
5
Tabel Kelonggaran ......................................................................... L-13
6
Peramalan ...................................................................................... L-15
7
Hasil Perhitungan Model Linier Programming dengan Software LINDO ................................................................ L-23
8
Hasil Perhitungan Model Integer Programming dengan Software LINDO ................................................................ L-26
9
Form Surat Permohonan Tugas Sarjana .......................................... L-38
10
Form Surat Penetapan Tugas Sarjana ............................................. L-39
11
Surat Balasan dari Perusahaan ........................................................ L-40
12
Surat Keputusan Tugas Sarjana ...................................................... L-41
13
Form Berita Acara Laporan Tugas Sarjana ..................................... L-43
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
BAB I PENDAHULUAN
1.1.
Latar Belakang Permasalahan Seiring dengan meningkatnya persaingan dunia industri saat ini,
perusahaan dituntut untuk memiliki keunggulan kompetitif agar dapat bertahan di tingkat nasional maupun internasional. Salah satu cara yang ditempuh adalah membuat
perencanaan
produksi dengan
tepat.
Perencanaan
produksi
berhubungan dengan penentuan volume produksi, ketepatan waktu penyelesaian dan utilisasi sumber daya yang tersedia. Dengan perencanaan yang tepat, proses produksi dapat berjalan efisien dan efektif. Hal ini berdampak pada peningkatan laba perusahaan. PT Cahaya Kawi Ultra Polyintraco merupakan perusahaan manufaktur yang bergerak dalam bidang pembuatan spring bed. Saat ini, penentuan volume produksi dibuat berdasarkan keputusan manajer produksi dan pemasaran dengan melihat pola data masa lalu dan melakukan peramalan kuantitatif sesuai dengan pola data. Seperti yang diketahui, bahwa hasil interpretasi peramalan tidak akan terlalu jauh berbeda dengan pola data permintaan tahun sebelumnya. Namun pada kenyataannya pada tahun 2008 misalnya, terjadi pergeseran permintaan dari tahun 2007 sebesar 6.81% untuk platinum, 26.46% untuk golden, 3.17% untuk silver dan 17.53% untuk bigline. Oleh karena itu, perencanaan produksi pada perusahaan ini kurang akurat mengingat adanya fluktuasi permintaan yang tidak menentu. Di satu sisi, ketika permintaan menurun maka kontinuitas pemenuhan Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
permintaan terjamin, namun berakibat pada tingginya biaya investasi persediaan barang. Di sisi lain, ketika permintaan meningkat maka perusahaan mengalami kekurangan produksi sehingga permintaan tidak dapat dipenuhi. Hal ini menyebabkan hilangnya penjualan dan menurunnya laba perusahaan. Dalam jangka panjang menyebabkan hilangnya kepercayaan konsumen terhadap perusahaan. Keputusan volume produksi yang dibuat juga belum mempertimbangkan keterbatasan perusahaan dalam hal kapasitas tenaga kerja dan ketersediaan bahan secara optimal. Dalam hal bahan baku misalnya, perusahaan tidak dapat memproduksi jenis tertentu karena bahan baku tidak tersedia dan masih menunggu pengiriman. Dengan mengacu pada uraian tersebut, maka perusahaan perlu melakukan pembenahan dalam perencanaan produksinya dalam hal menetapkan jumlah produksi optimal untuk tiap jenis springbed. Hal ini dilakukan dengan memperhatikan kapasitas tenaga kerja, ketersediaan bahan baku, target produksi sesuai dengan peramalan permintaan dan jumlah produksi minimun yang ditetapkan perusahaan.
1.2.
Rumusan Permasalahan Tidak tepatnya penentuan jumlah produksi menyebabkan perusahaan
mengalami kekurangan ataupun kelebihan produksi. Hal ini sangat berpengaruh pada pencapaian laba perusahaan. Maka yang menjadi pokok permasalahan adalah penentuan jumlah produksi yang optimal untuk tiap jenis springbed sehingga dapat memaksimumkan laba perusahaan. Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
1.3.
Tujuan dan Sasaran Penelitian
1.3.1. Tujuan Penelitian Tujuan penelitian ini adalah mendapatkan sebuah rencana produksi yang optimal untuk memaksimumkan laba perusahaan.
1.3.2. Sasaran Penelitian Sasaran yang hendak dicapai dari penelitian ini adalah : 1. Membuat sebuah model rencana produksi optimal, dimana fungsi tujuannya adalah memaksimumkan laba dengan variabel keputusan jumlah produksi optimal untuk tiap jenis springbed. 2. Membuat susunan kendala dalam mencapai fungsi tujuan. Kendala yang dimaksud adalah kapasitas tenaga kerja, ketersediaan bahan baku, target produksi dan pencapaian break even point (BEP) perusahaan. Dalam hal ini kapasitas tenaga kerja tercakup dalam waktu baku penyelesaian produk, ketersediaan bahan baku diperoleh dengan mencatat data perusahaan, target produksi diperoleh dengan melakukan peramalan permintaan sedangkan pencapaian BEP diperoleh dari data jumlah produksi minimum yang ditetapkan perusahaan sehingga break even point (BEP) perusahaan tercapai.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
1.4.
Manfaat Penelitian Manfaat penelitian ini pada dasarnya adalah sebagai berikut :
1. Bagi penulis, yakni dapat menjadi sarana pembelajaran ilmu pengetahuan yang telah diterima selama menjalani perkuliahan. Selain itu dapat melihat dan menerapkan suatu konsep ilmu di lapangan kerja nyata. 2. Bagi Departemen,
yakni dapat
menjadi
literatur yang
semakin
memperkaya penerapan ilmu teknik industri di lapangan kerja nyata serta menjadi bahan literatur bagi penelitian oleh departemen maupun mahasiswa di kemudian hari 3.
Bagi perusahaan, yakni : a.
Sebagai masukan bagi perusahaan dalam perencanaan produksi untuk menentukan jumlah produksi optimal yang dapat memaksimumkan laba perusahaan.
b.
Sebagai masukan bagi perusahaan dalam memanfaatkan sumber daya yang tersedia seefektif mungkin.
1.5.
Pembatasan Masalah dan Asumsi Penelitian
1.5.1. Pembatasan Masalah Agar pembahasan dan pemecahan masalah menjadi terarah, tidak menyimpang dari pokok masalah yang ada dan menghindari pembahasan yang terlalu luas maka perlu diberi batasan pada permasalahan yang ada, yakni : 1. Data penjualan yang digunakan untuk peramalan permintaan adalah data penjualan 2 tahun terakhir. Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2. Bahan yang menjadi kendala adalah per bulat, kain dan busa. Hal ini dilakukan karena bahan baku tersebut paling dominan dalam proses produksi, memiliki keterbatasan di gudang, biaya simpan tinggi dan kendala dalam persediaan karena harus menunggu pengiriman. 3. Fungsi kendala yang dibahas adalah kapasitas tenaga kerja, ketersediaan bahan, jumlah permintaan dan jumlah produksi minimum yang ditetapkan perusahaan sehingga BEP perusahaan dalam unit produksi tercapai.
1.5.2. Asumsi Penelitian Asumsi-asumsi yang digunakan adalah: 1. Tidak terjadi perubahan terhadap sistem produksi dan urutan proses produksi selama penelitian dilakukan. 2. Harga jual, harga bahan baku dan biaya produksi lain dan tidak berubah selama penelitian dilakukan. 3. Operator yang bekerja di setiap proses memiliki kemampuan kerja normal. 4. Kondisi mesin dan peralatan dalam keadaan siap pakai ketika penelitian dilakukan.
1.6.
Sistematika Penulisan Tugas Akhir Sistematika yang digunakan dalam penulisan tugas akhir ini adalah pada
bab pertama menguraikan mengenai latar belakang masalah, perumusan masalah, tujuan dan manfaat penelitian, pembatasan masalah dan asumsi penelitian. Bab kedua memuat gambaran umum perusahaan yang menjadi objek penelitian Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
meliputi sejarah perusahaan, jenis produk dan spesifikasinya, bahan baku, proses produksi, mesin dan peralatan yang digunakan dan organisasi dan manajemen. Bab ketiga menguraikan mengenai tinjauan-tinjauan kepustakaan yang berisikan teori dan pemikiran yang berhubungan dengan perencanaan produksi dan akan digunakan sebagai landasan dalam pembahasan dan pemecahan masalah. Bab keempat berisi metodologi penelitian yang digunakan untuk mencapai tujuan penelitian meliput i tahapan-tahapan penelitian mulai dari persiapan hingga penyusunan laporan tugas akhir. Bab kelima memuat data primer dan sekunder yang diperoleh dari penelitian serta pengolahan data yang membantu dalam pemecahan masalah. Bab keenam memuat pembahasan hasil yang diperoleh dari pengolahan dan pemecahan masalah. Bab ketujuh memuat kesimpulan dan saran yang diperoleh dari hasil penelitian.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
BAB II GAMBARAN UMUM PERUSAHAAN
2.1.
Sejarah Perusahaan PT. Cahaya Kawi Ultra Polyintraco merupakan perusahaan manufaktur
yang bergerak di bidang produksi spring bed dengan merek dagang Big Land. PT. Cahaya Kawi Ultra Polyintraco terletak di Jl. Eka Surya Gg. Sidodadi Lingkungan XXII Kelurahan Gedung Johor, Deli Tua, Medan. Induk perusahaan ini bernama PT. Cahaya Buana Intitama yang didirikan pada tahun 1989 di Sentul, Jawa Barat dan akhirnya pindah ke Bogor sampai sekarang. PT. Cahaya Kawi Ultra Polyintraco merupakan salah satu anak perusahaan dari PT. Cahaya Buana Group yang memiliki empat jenis anak perusahaan yang bergerak di bidang manufacturing, trading, distributor dan retail. Perusahaan ini mempunyai filosofi unggul berkarya dan puas bekerjasama serta memiliki tekad untuk memimpin pasar dan membangun citra positif dan bersahabat bagi semua pihak sehingga diakui sebagai aset nasional. Produk dari PT. Cahaya Kawi Ultra Polyintraco yakni Big Lang Spring Bed adalah anggota dari International Sleep Products Association (ISPA) yang merupakan lembaga bagi perusahaanperusahaan yang memproduksi spring bed berkualitas.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2.2.
Ruang Lingkup Bidang Usaha Produk yang dihasilkan adalah spring bed. Spring bed yang diproduksi
siap dipasarkan kepada konsumen langsung maupun distributor dengan daerah pemasaran di seluruh Sumatera Utara dengan fokus utama di daerah kota Medan. Selain di Medan, PT. Cahaya Kawi Ultra Polyintraco juga memiliki kantor perwakilan di daerah-daerah lain di Indonesia meliputi Bogor, Padang, Palembang, Jakarta, dan lain- lain. Perusahaan ini berproduksi berdasarkan stok (make to stock). Spring bed yang diproduksi terdiri dari empat jenis yang berbeda didasarkan pada kain quilting, rakitan per bulat dan busa yang digunakan. Empat jenis tersebut, yakni : 1. Platinum 2. Golden 3. Silver 4. Big Line Kain quilting pada platinum berbeda dengan 3 jenis lainnya sedangkan rakitan per sama dengan golden dan silver. Golden dan silver memiliki jenis busa dan kain yang sama. Sedangkan untuk bigline kain quilting, busa dan kain berbeda dengan ketiga jenis lainnya.
2.3.
Organisasi dan Manajemen Organisasi adalah sekumpulan orang-orang yang melakukan tugas-tugas
yang berbeda yang dikoordinir untuk mencapai suatu tujuan tertentu dari organisasi tersebut. Manajemen adalah cara pengelolaan dan pengaturan sumber Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
daya yang ada dalam rangka mencapai tujuan tertentu. Jadi, organisasi merupakan suatu alat manajemen. Hubungan dan kerja sama dalam organisasi dituangkan dalam suatu struktur organisasi. Struktur organisasi menunjukkan suatu susunan yang berupa bagan, dimana terdapat hubungan-hubungan diantara berbagai fungsi, bagian, status ataupun orang-orang yang menunjukkan tanggung jawab dan wewenang yang berbeda dalam organisasi tersebut.
2.3.1. Struktur Organisasi PT. Cahaya Kawi Ultra Polyintraco Struktur organisasi PT. Cahaya Kawi Ultra Polyintraco adalah berbentuk campuran lini dan fungsional. Struktur organisasi bentuk lini dapat dilihat dengan adanya pembagian tugas, wewenang dan tanggung jawab dari pimpinan tertinggi kepada unit-unit organisasi yang berada di bawahnya secara langsung vertikal ke bawah melalui jenjang hirarki yang ada. Struktur organisasi fungsional dapat dilihat dengan adanya pembagian tugas, wewenang serta pembatasan tanggung jawab yang tegas pada setiap bidang yaitu produksi, personalia, dan pemasaran berdasarkan fungsinya masing-masing dalam struktur organisasinya. Selain itu, pimpinan juga memberikan instruksi langsung kepada setiap bagian sesuai dengan bidangnya. Struktur organisasi PT. Cahaya Kawi Ultra Polyintraco dapat dilihat pada Gambar 2.1.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Direktur
Kabag. Pemasaran
Kabag HRD dan General Affair
Kabag. Produksi
Kabag. Pembelian
Kabag Financial and Accounting
Supervisor Gudang
Supervisor Penjualan
Supervisor Transportasi
Supervisor Distribusi
Supervisor Keamanan
Supervisor Maintenance
Supervisor Produksi
Supervisor Pembelian
Supervisor Financial
Supervisor Accounting
Karyawan
Karyawan
Karyawan
Karyawan
Karyawan
Karyawan
Karyawan
Karyawan
Karyawan
Karyawan
Gambar 2.1. Struktur Organisasi PT. Cahaya Kawi Ultra Polyintraco
Keterangan : Lini : Fungsional
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2.3.2. Tenaga Kerja dan Jam Kerja Perusahaan 2.3.2.1. Tenaga Kerja Tenaga kerja pada PT. Cahaya Kawi Ultra Polyintraco berjumlah 85 orang, terdiri dari staff dan karyawan. Kepala divisi dan kepala bagian (supervisor) digolongkan sebagai staff sedangkan pekerja langsung pada bagian produksi dan satpam digolongkan sebagai karyawan. Status karyawan dalam perusahaan ini dibagi atas dua jenis berdasarkan frekuensi penggajiannya, yaitu : 1. Karyawan bulanan dengan gaji yang dibayar sekali sebulan sesuai dengan klasifikasi skala penggajian yang dibagi-bagi dalam golongan tertentu. Yang termasuk karyawan bulanan adalah direktur sampai dengan supervisor. 2. Karyawan mingguan dengan gaji yang dibayar sekali dalam dua minggu. Yang termasuk karyawan mingguan adalah semua karyawan baik dari karyawan gudang sampai dengan karyawan bagian accounting. Perincian jumlah tenaga kerja yang ada di PT. Cahaya Kawi Ultra Polyintraco dapat dilihat pada Tabel 2.1. Tabel 2.1. Perincian Jumlah Tenaga Kerja pada PT. Cahaya Kawi Ultra Polyintraco No
Jabatan
Jumlah (orang)
1
Direktur
1
2
Kepala Divisi Produksi
1
3
Kepala Divisi HRD dan General affair
1
4
Kepala Divisi Financial and Accounting
1
5
Kepala Divisi Pemasaran
1
Sumber: PT. Cahaya Kawi Ultra Polyintraco
Tabel 2.1. Perincian Jumlah Tenaga Kerja … (Lanjutan) No
Jabatan
Jumlah (orang)
6
Kepala Divisi Pembelian
1
7
Supervisor Gudang
1
8
Supervisor Penjualan
1
9
Supervisor Transportasi
1
10
Supervisor Distribusi
1
11
Supervisor Keamanan
1
12
Supervisor Maintenance
1
13
Supervisor Produksi
1
14
Supervisor Pembelian
1
15
Supervisor Financial
1
16
Supervisor Accounting
1
17
Karyawan Gudang
6
18
Karyawan Penjualan
2
19
Karyawan Transportasi
2
20
Karyawan Distribusi
16
21
Karyawan Keamanan
10
22
Karyawan Maintenance
4
23
Karyawan Produksi
20
24
Karyawan Pembelian
2
25
Karyawan Financial
6
26
Karyawan Accounting
1
Total
85
Sumber : PT. Cahaya Kawi Ultra Polyintraco
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2.3.2.2. Jam Kerja Pembagian jadwal jam kerja pada PT. Cahaya Kawi Ultra Polyintraco ditunjukkan pada Tabel 2.2. Tabel 2.2. Jam Kerja PT. Cahaya Kawi Ultra Polyintraco Hari
Senin-Kamis
Jumat
Sabtu
Jam Kerja
Keterangan
08.30 - 12.00
Kerja
12.00 - 13.00
Istirahat
13.00 – 17.00
Kerja
08.30 – 12.00
Kerja
12.00 - 14.00
Istirahat
14.00 – 17.00
Kerja
08.00 - 12.00
Kerja
Sumber: PT. Cahaya Kawi Ultra Polyintraco
2.3.3. Sistem Pengupahan dan Fasilitas yang Digunakan Sistem pengupahan pada PT. Cahaya Kawi Ultra Polyintraco dilakukan dan ditangani oleh bagian Finance and Accounting. Sistem penggajian pada PT. Cahaya Kawi Ultra Polyintraco bervariasi. Bagi direktur sampai dengan supervisor, dilakukan pada akhir tanggal setiap bulannya, sedangkan untuk karyawan, mulai dari karyawan gudang sampai karyawan accounting, dilakukan setiap 2 minggu sekali. Perusahaan juga memberikan upah lembur kepada karyawan yang bekerja diatas jam kerja normal dengan perhitungan sebagai berikut :
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
1. Untuk Hari Biasa a. Untuk satu jam lembur pertama adalah 1 ½ x upah per jam. b. Untuk dua jam berikutnya adalah 2 x upah per jam. Dimana upah kerja lembur per jam adalah 1/160 x gaji perbulan. Gaji perbulan disesuaikan dengan UMR (Upah Minimum Regional). 2. Untuk Hari Besar/ Libur Upah lembur bagi karyawan yang bekerja pada hari libur dan hari besar adalah 2 x gaji per hari kerja biasa.
2.3.3.1. Tunjangan Selain gaji pokok dan upah lembur di atas, perusahaan juga memberikan beberapa jenis tunjangan, yaitu: 1. Tunjangan Hari Raya (THR) Diberikan sebesar satu bulan gaji bagi karyawan yang telah mengabdi lebih dari 2 tahun. 2. Tunjangan Selama Sakit Diberikan kepada karyawan yang sedang dalam perawatan sakit yang dinyatakan dengan surat keterangan dokter, berlaku bagi karyawan yang telah mengabdi lebih dari 2 tahun. 3. Tunjangan Insentif Diberikan sesuai dengan prestasi kerja yang ditunjukkan dengan cara ditambahkan ke dalam upah karyawan.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2.3.3.2. Fasilitas Fasilitas yang diberikan perusahaan kepada karyawannya adalah: 1. Jaminan Sosial Tenaga Kerja (JAMSOSTEK) dan Asuransi Jiwa Selain upah yang diberikan, PT. Cahaya Kawi Ultra Polyintraco juga memperhatikan karyawannya dalam bentuk JAMSOSTEK yang diberikan kepada karyawan mingguan, sedangkan bagi karyawan bulanan diberikan asuransi jiwa dari Manulife. 2. Cuti Cuti diberikan adalah 12 hari kerja setiap tahunnya oleh perusahaan.
2.4.
Proses Produksi
2.4.1.
Bahan
2.4.1.1. Bahan Baku Bahan baku adalah bahan utama yang digunakan dalam proses produksi untuk menghasilkan sebuah produk. Bahan ini memiliki persentase yang relatif besar dalam produk dibandingkan dengan bahan-bahan lainnya. Kualitas bahan baku yang digunakan sangat menentukan kualitas produk yang dihasilkan. Bahan baku yang digunakan dalam memproduksi spring bed adalah: 1.
Per bulat Per bulat yang digunakan adalah per dengan diameter 2,5 mm dan tinggi 15 cm. Umur per diperkirakan sekitar 15 tahun dan pengujian dilakukan oleh pihak supplier.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2.
Kawat lilit Kawat lilit yang digunakan memiliki diameter sebesar 1,4 mm yang berfungsi sebagai penghubung antara per bulat yang satu dengan per bulat lainnya dalam sebuah rakitan per.
3.
Kawat lis Kawat lis yang digunakan memiliki diameter 4,2 mm yang berfungsi membingkai rakitan per agar menjadi lebih kokoh.
4.
Per pinggir Per pinggir yang digunakan adalah per pinggir dengan diameter 3,5 mm dengan tinggi 15 cm. Umur per diperkirakan sekitar 15 tahun dan pengujian dilakukan oleh pihak supplier. Per pinggir diletakkan di sekeliling rakitan per bulat.
5.
Kain Quilting Fungsi kain ini untuk menutup busa. Untuk matras digunakan kain quilting yang ketebalannya 3 cm sebanyak 2 x 180 x 200 cm, sedangkan untuk tabung digunakan kain quilting dengan ketebalan 0,5 cm dan panjang sebesar 200 cm. Kain quilting yang dipakai terbuat dari kain Jaquar.
6.
Kain Blacu Kain blacu digunakan sebagai penguat kain quilting pada saat proses perakitan dengan per menggunakan HR-22.
7.
Busa Busa yang digunakan terdiri dari bermacam-macam ketebalan sesuai dengan tipe springbed yang diproduksi.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
8.
Hard padd Hard padd merupakan pelapis pertama rakitan per yang berfungsi untuk meredam per dan membatasi busa dengan per agar busa tidak koyak. Hard padd yang digunakan berukuran 2 x (200 x 180) cm yaitu untuk bagian atas dan bawah rakitan per.
9.
Benang Nylon Benang ini digunakan untuk seluruh proses penjahitan baik penjahitan kain quilting maupun penjahitan tabung dan matras.
10.
Peluru HR-22 Peluru ini berfungsi untuk merekatkan hard padd dan rakitan per pada matras dan divan.
11.
Lateks Lateks berfungsi untuk merekatkan busa dengan kain quilting pada matras, sandaran dan divan
12.
Rangka kayu Merupakan kayu yang dibentuk menjadi rangka berbentuk balok sebagai rangka divan.
13.
Goni bagor Merupakan penutup rangka kayu sebelum dirakit dengan per.
14.
Kaki divan dan kaki sandaran
15.
Papan tripleks Digunakan sebagai rangka awal sandaran springbed.
16.
Mur, digunakan untuk merakit kaki sandaran
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2.4.1.2. Bahan Tambahan Bahan tambahan ditambahkan pada produk sehingga menambah nilai pada produk akhir yang siap dipasarkan dapat berupa kemasan atau aksesoris. Bahan tambahan yang digunakan dalam proses pembuatan spring bed adalah: 1. Label Label Big Land digunakan untuk menyatakan merek dari spring bed tersebut. 2. Karton Sudut Digunakan untuk membungkus produk pada saat pengiriman. 3. Stiker Mencantumkan spesifikasi dari spring bed . 4. Isolatif Isolatif digunakan untuk merekatkan bahan tambahan pada spring bed. 5. Plastik Mika Digunakan pada saat pengemasan springbed 6. Kartu Garansi Sebagai kartu jaminan produk kepada konsumen 7. Lubang Angin Emas Lubang angin emas digunakan agar terjadi pertukaran udara pada busa sehingga busa tetap mengembang. 8. Logo Logo yang menyatakan merek springbed yang dipasang pada sandaran.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2.4.1.3. Bahan Penolong Bahan penolong yaitu bahan yang ikut dalam proses berfungsi mempercepat atau mempermudah proses tetapi tidak tampak dalam produk akhir. PT. Cahaya Kawi Ultra Polyintraco tidak menggunakan bahan penolong didalam pembuatan spring bed.
2.4.2. Uraian Proses Produksi Secara umum proses pembuatan spring bed di PT. Cahaya Kawi Ultra Polyintraco diklasifikasikan dalam 3 tahapan proses, yaitu : 1. Pembuatan Sandaran Spring Bed 2. Pembuatan Divan Spring Bed 3. Pembuatan Matras Spring Bed
2.4.2.1. Pembuatan Sandaran Spring Bed Proses pembuatan sandaran diawali dengan pemotongan tripleks sesuai dengan pola yang diinginkan dengan menggunakan gergaji tangan. Kemudian tripleks dilubangi dengan menggunakan mesin bor untuk tempat meletakkan kancing lubang angin emas dan kaki sandaran. Busa dipotong mengikuti pola rangka tripleks dengan menggunakan pisau. Setelah itu, kain oscar dipotong dengan gunting sesuai pola busa yang telah dibuat sebelumnya. Busa dan kain oscar yang telah dipola direkatkan pada rangka sandaran bagian depan menggunakan lateks dan pada rangka sandaran bagian belakang dengan menggunakan staples 3001J. Kancing sebanyak 16 buah direkatkan Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
dengan menggunakan benang nylon. Pada bagian tengah rangka yang telah di bor dipasangkan logo Big Land dengan menggunakan benang nylon. Langkah terakhir adalah pemasangan plastik produk non woven pada sisi belakang sandaran, kemudian pembungkusan dengan plastik mika menggunakan staples 3001 J dan, kemudian dipasang kaki sandaran dengan mur. Peta proses operasi pembuatan sandaran dapat dilihat pada lampiran 2.
2.4.2.2.Pembuatan Matras Spring bed Perakitan per bulat dengan kawat lilit menggunakan mesin rakit otomatis ataupun alat ulir manual. Per bulat ini akan dirakit sehingga berbentuk balok dengan ukuran (200 x 180 x 15) cm3. Kemudian dipasang kawat lis pada sisi luar atas dan bawah rakitan per, dan selanjutnya dipasang per pinggir antara kawat lis atas dan bawah. Per pingggir ditempatkan pada sekeliling bagian luar rakitan per dengan menggunakan gun CL-73. Fungsi dari penembakan per ini adalah untuk menguatkan konstruksi per dan menambah kekuatan tekan. Bersamaan dengan proses ini, kain polos, busa dan plastik produk non woven dijahit di mesin quilting untuk mendapatkan kain quilting tabung dan matras. Perbedaan kain quilting tabung dan matras terletak pada ketebalan busa dimana untuk kain quilting matras busa yang digunakan lebih tebal. Penjahitan quilting dilakukan untuk memberi motif pada kain polos dan plastik produk non woven digunakan agar motif yang dijahit lebih kuat sehingga tidak mudah rusak. Kain quilting yang dihasilkan dipotong sesuai spesifikasi matras spring bed 6 kaki yaitu untuk matras atas dan matras bawah memiliki ukuran 2 x (200 x 180 x 3) cm Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
dan untuk tabung 2 x (200 x 180 x 1) cm. Selanjutnya kain quilting matras dan tabung akan dijahit dengan kain blacu. Fungsi penjahitan kain blacu ini adalah untuk menguatkan kain quilting pada saat penarikan dengan tembakan gun HR22. Kemudian, pada kain quilting matras akan dijahit label sementara pada kain quilting tabung akan dilakukan penjahitan lis tabung. Selain itu dilakukan pemotongan hard padd dan busa dengan ukuran luas sama dengan matras bawah dan atas. Kemudian, dilakukan perekatan hard padd, kemudian busa lalu kain quilting baik untuk matras bagian atas dan bawah dan bagian tabung matras. Perekatan dilakukan dengan gun HR-22. Selanjutnya dilakukan penjahitan lis yang akan merekatkan matras atas dan bawah dengan tabung. Kain lis dijahit dengan mesin corner bersamaan dengan memasang lubang angin emas sebanyak 4 buah. Fungsi dari lubang angin emas ini adalah untuk menambah nilai keindahan pada matras spring bed serta memberikan sirkulasi udara sehingga busa tetap empuk. Langkah terakhir adalah meletakkan kartu garansi dan kartun sudut. Kartun sudut
berfungsi agar sudut-sudut spring bed terlindungi pada saat
distribusi karena sudutnya sangat mudah rusak. Setelah itu dibungkus dengan menggunakan plastik mika yang direkatkan dengan menggunakan isolatif. Kemudian stiker ukuran diletakkan pada plastik mika. Peta proses operasi pembuatan matras dapat dilihat pada lampiran 2.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2.4.2.3. Pembuatan Divan Spring Bed Perakitan per bulat dengan kawat lilit menggunakan mesin rakit otomatis ataupun alat ulir manual. Kemudian dipasang kawat lis pada sisi luar atas dan bawah rakitan per, dan selanjutnya dipasang per pinggir antara kawat lis atas dan bawah. Per pingggir ditempatkan pada sekeliling bagian luar rakitan per dengan menggunakan gun CL-73. Fungsi dari penembakan per ini adalah untuk menguatkan konstruksi per dan menambah kekuatan tekan. Rakitan per ini akan dirakit dengan rangka kayu dengan menggunakan gun bostitch. Pada saat yang bersamaan, dilakukan pemotongan goni bagor dengan ukuran 200 x 180 cm, hardpadd dan busa. Disamping itu dilakukan juga proses penjahitan quilting untuk memberi pola pada kain polos dengan menggunakan mesin quilting. Kain yang telah melalui proses quilting dipotong sesuai spesifikasi divan spring bed 6 kaki yaitu 2 x (200 x 180 x 3) cm untuk matras atas dan untuk tabung 2 x (200 x 180 x 1) cm. Sedangkan untuk divan bawah digunakan kain non woven hitam dengan ukuran 200 x 180 cm. Kemudian goni bagor direkatkan pada rangka atas per dengan staples 3001 J, selanjutnya hard padd yang telah dipotong direkatkan pada sisi atas dengan menggunakan gun HR-22. Setelah itu direkatkan busa dan kain quilting dengan menggunakan lateks. Langkah terakhir adalah meletakkan label. Setelah itu dibungkus dengan plastik mika yang direkatkan dengan menggunakan staples sedangkan untuk bagian bawah divan direkatkan kain non woven dengan staples 3001 J. Lalu dipasang kaki divan dengan mur dan baut. Peta proses operasi pembuatan divan dapat dilihat pada lampiran 2. Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2.5.
Mesin dan Peralatan Untuk mendukung pelaksanaan produksi pada PT. Cahaya Kawi Ultra
Polyintraco digunakan beberapa jenis mesin yang sebagian besar adalah buatan luar negeri seperti Cina, Taiwan, Jepang dan Italia. Namun ada juga yang dibeli dari dalam negeri. Teknologi yang digunakan dalam pelaksanaan proses produksi di pabrik tidak terotomatisasi, dimana seluruh kegiatan melibatkan tenaga manusia sebagai operator yang mendesain, mengoperasikan dan mengontrol jalannya proses produksi di pabrik.
2.5.1. Mesin Produksi Adapun mesin yang digunakan di perusahaan ini dalam pembuatan spring bed adalah sebagai berikut : 1. Mesin Ram Fungsi
:
Merakit per menjadi rangka matras
Merk
:
Yamakoyo Induction Motor
Buatan
:
China
Daya
:
1,5 KW
Tegangan Elektromotor :
380 Volt
Fasa Elektromotor
:
3 fasa
Lebar Belt
:
1,5 cm
Tebal Belt
:
1 cm
Panjang Belt
:
50 cm
Jumlah
:
2 unit
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2. Mesin Quilting Fungsi
:
Membuat bentuk/ pola pada kain spring bed sesuai dengan motif yang diinginkan
Merk
:
Heng Chang Machinery
Buatan
:
China
Jarum
:
12 buah
Benang
:
24 gulung
Jumlah
:
1 unit
Fungsi
:
Merakit per pinggir di sekeliling luar rangka
Merk
:
Hard Coo
Buatan
:
Jepang
Power dari kompresor
:
55 – 100 psi
Tegangan
:
220 Volt
Fasa
:
1 Fasa
Jumlah
:
2 unit
3. Gun CL 73
4. Gun Etona ( Staples 3001 J) Fungsi
:
Merekatkan kain quilting pada sandaran
Merk
:
Unicatch
Buatan
:
China
Power dari kompresor
:
55-100 psi
Tegangan
:
220 Volt
Fasa
:
1 Fasa
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Jumlah
:
2 unit
:
Penghasil tenaga angin untuk menjalankan
5. Kompresor angin Fungsi
mesin Gun CL 73 dan HR 22 Merk
:
ABAC
Buatan
:
Italia
Power Elektormotor
:
5,5 HP
Tegangan Elektromotor :
220 Volt
Fasa Elektromotor
:
1 fasa
Jumlah
:
2 unit
Fungsi
:
Merekatkan rangka matras dengan hard pad
Merk
:
Stanley
Buatan
:
Jepang
Power dari Kompresor
:
5,5-100 psi
Tegangan
:
220 Volt
Fasa
:
1 fasa
Jumlah
:
2 unit
:
Menjahit kain quilting pada matras atas dan
6. Gun HR 22
7. Mesin Jahit Corner Fungsi
bawah dengan sisi tabung Merk
:
Shiang Wang
Buatan
:
Taiwan
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Daya
:
12,3 KW
Tegangan
:
220 Volt
Fasa Elektromotor
:
1 fasa
Jumlah
:
1 unit
Fungsi
:
Melubangi tempat kancing pada sandaran
Merk
:
Makita
Buatan
:
Jepang
Power Elektormotor
:
1 KW
Tegangan
:
220 Volt
Fasa Elektromotor
:
1 fasa
Jumlah
:
2 unit
:
Menjahit kain quilting pada tabung, menjahit
8. Mesin Bor
9. Mesin Jahit Biasa Fungsi
kain quilting pada divan, menjahit kain quilting pada matras, menjahit kain blacu, menjahit label pada spring bed. Merk
:
Brother
Buatan
:
Jepang
Daya
:
0,33 KW (0,33 HP)
Tegangan
:
220 Volt
Fasa
:
1 fasa
Jumlah
:
3 unit
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
10. Generator set (Genset) Fungsi
:
Sumber tegangan listrik pengganti PLN
Merk
:
Mitsubishi
Buatan
:
Jepang
Daya
:
140 KW
Fasa Elektromotor
:
3 fasa
Jumlah
:
1 unit
2.5.2. Peralatan Peralatan yang digunakan pada perusahaan ini antara lain : 1. Gergaji Fungsi
: Memotong triplek rangka sandaran
Jumlah
: 4 Unit
2. Tang Potong Hit Fungsi
: Memotong kawat
Jumlah
: 4 Unit
3. Alat Pelapis Kancing Fungsi
: Melapis kancing dengan kain atau plastik
Jumlah
: 2 Unit
4. Palu Fungsi
: Memukul dalam pemasangan kaki spring bed
Jumlah
: 4 Unit
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5. Meteran Fungsi
: Mengukur kain
Jumlah
: 6 Unit
6. Gunting Fungsi
: Memotong Busa
Jumlah
: 10 Unit
2.5.3. Utilitas Proses produksi agar dapat berjalan lancar dan berkesinambungan, maka dibutuhkan sarana - sarana lain yang tidak terlibat langsung dalam proses produksi tetapi sangat berpengaruh dalam menunjang kelancaran produksi. Sarana pendukung proses tersebut adalah : 1.
Energi listrik yang diperoleh dari PLN dengan kebutuhan setiap bulan sekitar 30.000 KWH.
2.
Air, untuk kebutuhan penyediaan air didapat dari PDAM Tirtanadi dengan kebutuhan tiap bulannya sekitar 100 m3.
2.5.4. Safety and Fire Protection PT. Cahaya Kawi Ultra Polyintraco melakukan tindakan pengamanan berupa pencegahan terhadap bahaya kebakaran yang mungkin terjadi. Perusahaan melakukannya dengan memisahkan letak bahan baku yang mudah terbakar dengan sumber api. Tindakan fire protection yang dilakukan adalah dengan memberikan penutup pada panel listrik, menyediakan racun api berupa alat Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
pemadam api ringan, pada jarak tertentu dilantai pabrik atau pada daerah yang mudah terjadi kebakaran.
2.5.5. Waste Treatment Proses produksi pada PT. Cahaya Kawi Ultra Polyintraco tidak menimbulkan limbah yang dapat menyebabkan polusi bagi lingkungan sehingga tidak memerlukan penanganan khusus untuk pengolahan limbahnya, karena limbah terdiri dari potongan busa, potongan kain quilting dan serpihan kawat. Limbah berupa potongan busa dan potongan kain quilting dijual kepada pedagang kecil dan masyarakat sekitar perusahaan untuk dijadikan bantal dan limbah berupa serpihan kawat dikumpulkan di tempat penampungan sementara yang selanjutnya dijual pada industri kecil dan hasil dari penjualan ini digunakan perusahaan sebagai dana kemanusiaan tambahan untuk para karyawan.
2.5.6. Maintenance Maintenance merupakan proses perawatan terhadap mesin dan alat kerja untuk mencegah terjadinya kerusakan dan kesalahaan pada saat proses produksi berlangsung yang ditujukan agar proses seluruh produksi dapat berjalan dengan baik, sehingga tidak ada hambatan yang disebabkan oleh mesin atau peralatan yang dapat mengakibatkan cacat pada produk dan keterlambatan waktu penyelesaian produk yang berakibat pada keterlambatan waktu pengiriman. Pada perusahaan ini proses maintenance dilakukan secara berkala hanya saja frekuensinya masih sangat jarang yaitu sebulan sekali. Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
BAB III LANDASAN TEORI
3.1.
Perencanaan Produksi Produksi dapat diartikan sebagai suatu rangkaian proses yang mengubah
bahan baku menjadi suatu produk jadi yang memiliki nilai lebih tinggi. Dalam perencanaan produksi ditentukan sumber-sumber yang diperlukan untuk melaksanakan proses produksi serta mengalokasian sumber-sumber tersebut untuk menghasilkan produk dalam jumlah dan kualitas yang diharapkan dengan biaya yang serendah mungkin. Dalam penjabaran lebih lanjut maka rencana produksi diuraikan menjadi proses apa yang harus dikerjakan, siapa pelaksananya, kapan, dimana dan perkiraan biaya yang ditimbulkannya. Adapun tujuan perencanaan produksi adalah 1 : 1. Sebagai langkah awal menentukan aktivitas produksi yaitu sebagai referensi perencanaan lebih rinci. 2. Sebagai masukan rencana sumber daya sehingga perencanaan sumber daya dapat dikembangkan untuk mendukung perencanaan produksi 3. Stabilisasi produksi dan tenaga kerja terhadap fluktuasi permintaan
1
Ginting, Rosnani. Sistem Produksi. Surabaya. Penerbit Graha Ilmu. 2007. hlm 70
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Perencanaan produksi harus memiliki sifat-sifat sebagai berikut 2 : 1. Berjangka waktu, proses produksi merupakan proses yang sangat kompleks. Oleh karena itu suatu perusahaan tidak mungkin dapat membuat jadwal yang dapat digunakan selamanya. Rencana baru harus dibuat bila keadaan yang digunakan sebagai dasar pembuatan rencana yang lama sudah berubah. 2. Berjenjang, perencanaan produksi bertingkat dari level tinggi sampai perencanaan produksi level rendah, dimana perencanaan level rendah merupakan penjabaran dari perencanaan level tinggi. Pendekatan yang dilakukan adalah dengan membuat rencana produksi yang mencakup periode waktu tertentu, yakni jangka panjang, menengah dan pendek. 3. Terpadu, perencanaan produksi melibatkan banyak faktor, dimana semua faktor tersebut harus sesuai dengan kebutuhan yang direncanakan dalam mencapai
target
produksi
tertentu.
Masing-masing
faktor
harus
direncanakan secara bersamaan dan terpadu. 4. Berkelanjutan, jika perencanaan produksi telah habis untuk satu periode tertentu, maka harus dibuat perencanaan produksi untuk periode berikutnya. Rencana baru tersebut harus menjadi lanjutan dari rencana sebelumnya. 5. Terukur, Untuk mengetahui ada tidaknya penyimpangan maka rencana produksi harus menetapkan suatu nilai yang dapat diukur. Nilai tersebut dapat berupa target produksi dalam unit, kg, lusin, dan lain-lain
2
Nasution, Arman Hakim. Perencanaan dan Pengendalian Produksi. 2003. hlm 16-17.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
6. Realistis, rencana produksi harus disesuaikan dengan kondisi yang ada di perusahaan, sehingga target yang ditetapkan merupakan nilai yang realistik untuk dicapai. 7. Akurat, perencanaan produksi harus dibuat berdasarkan informasi yang akurat tentang kondisi internal dan eksternal perusahaan sehingga rencana produksi tersebut dapat dipertanggung jawabkan. 8. Menantang, meskipun rencana produksi harus realistis bukan berarti target yang ditetapkan harus mudah dicapai. Rencana produksi harus menetapkan target yang dapat dicapai dengan sungguh-sungguh.
3.2.
Pengukuran Waktu Pengukuran waktu kerja berhubungan dengan usaha-usaha untuk
menetapkan waktu baku yang dibutuhkan guna menyelesaikan suatu pekerjaan. Waktu baku adalah waktu yang dibutuhkan secara wajar oleh seorang pekerja normal untuk menyelesaikan suatu pekerjaan yang dijalankan dalam sistem terbaik. Pada awalnya, pengukuran waktu banyak dimanfaatkan untuk perhitungan
insentif
(bonus)
bagi
pekerja.
Namun
demikian,
dalam
perkembangannya pengukuran waktu dapat dimanfaatkan lebih jauh untuk berbagai hal antara lain 3: 1. Melakukan penjadwalan dan perencanaan kerja. 2. Menentukan besar ongkos produksi dan upaya persediaan budget 3. Membuat perkiraan harga produk sebelum produksi 3
Barnes, Motion and Time Study. 7th edition, John Wiley &sons. 1980. USA hlm 257,259
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
4. Menentukan jumlah mesin atau peralatan yang diperlukan dan jumlah operator
pada
tiap
mesin
sehingga
menjadi
informasi
dalam
penyeimbangan lintasan. 5. Menentukan waktu standar yang akan digunakan dalam penentuan sistem pembayaran tenaga kerja langsung atau tak langsung
3.2.1. Teknik - teknik Pengukuran Waktu Ada 2 macam teknik pengukuran waktu, yaitu : 1. Teknik pengukuran waktu langsung Dalam teknik ini pengukuran yang dilakukan secara langsung yaitu tempat dimana pekerjaan yang diukur dilaksanakan. Pengukuran waktu langsung ada 2 jenis yaitu : dengan menggunakan jam henti atau stopwatch dan dengan menggunakan sampling pekerjaan 2. Teknik pengukuran waktu tidak langsung Merupakan pengukuran yang dilakukan tanpa harus berada di tempat pekerjaan yaitu dengan membaca tabel-tabel yang tersedia, dengan persyaratan mengetahui jalannya pekerjaan melalui elemen-elemen pekerjaan atau elemen-elemen gerakan. Yang termasuk dalam pengukuran waktu tidak langsung adalah : -
Data waktu baku
-
Data waktu gerakan, yang terdiri dari : Work Faktor Sistem, Maynard Operation Sequence Time (MOST Sistem) dan Motion Time Measurement (MTM Sistem).
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
3.2.2. Pengukuran Waktu Jam Henti Pengukuran waktu jam henti pertama kali diperkenalkan oleh F.W Taylor sekitar abad 19 lalu. Sesuai dengan namanya, maka pengukuran waktu ini menggunakan jam henti (stopwatch) sebagai alat utamanya. Cara ini merupakan cara yang paling banyak dikenal dan digunakan. Salah satu karena kesederhanaan aturan dan cara pengukuran yang dipakai. Namun tidak semua sistem kerja sesuai dengan pengukuran waktu jam henti ini, adapun kriteria yang sesuai adalah 4: 1. Pekerjaan harus dilakukan secara berulang-ulang dan sejenis. 2. Jenis/ isi pekerjaan bersifat homogen. 3. Hasil kerja/ output harus dapat dihitung secara nyata (kuantitatif) baik secara keseluruhan maupun untuk tiap elemen kerja yang berlangsung. 4. Pekerjaan tersebut cukup banyak dilaksanakan dan teratur sifatnya sehingga akan memadai untuk diukur dan dihitung waktunya.
3.2.3.
Langkah - langkah Sebelum Melakukan Pengukuran Untuk
memperoleh
hasil
pengukuran
waktu
yang
dapat
dipertanggungjawabkan maka ditempuh langkah-langkah untuk memperoleh hasil pengukuran yang optimal adalah: 1. Menetapkan Tujuan Pengukuran Dalam pengukuran waktu hal penting yang harus diketahui dan ditetapkan adalah untuk apa hasil pengukuran digunakan, berapa tingkat ketelitian dan tingkat keyakinan yang diinginkan dalam pengukuran tersebut. 4
Sritomo, W. Ergonomi, Studi Gerak dan Waktu. Surabaya. Penerbit Guna Widya. hlm 169
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2. Melakukan Penelitian Pendahuluan Penelitian pendahuluan dilakukan untuk mengetahui kondisi yang bersangkutan misalnya adalah mengenai kondisi lingkungan kerja. Bila kondisi baik maka pengukuran waktu bisa dilakukan, bila tidak baik maka harus diperbaiki dahulu. 3. Memilih Operator Operator yang akan melakukan pekerjaan yang diukur harus memenuhi beberapa persyaratan tertentu agar pengukuran dapat berjalan dengan baik dan
dapat
diandalkan
hasilnya.
Syarat-syarat
tersebut
adalah
berkemampuan normal dan dapat diajak bekerja sama. 4. Melatih Operator Bila kondisi dan cara yang digunakan tidak sama dengan yang biasa dijalankan operator maka diperlukan pelatihan bagi operator tersebut. 5. Menguraikan Pekerjaan atas Elemen-elemen Kerja Pekerjaan ini dipecah-pecah menjadi elemen pekerjaan (gerakan bagian dari pekerjaan yang bersangkutan) dimana elemen-elemen inilah yang diukur waktunya. Penguraian pekerjaan atas elemen-elemen pekerjaan perlu dilakukan dengan alasan-alasan sebagai berikut 5 : a. Cara terbaik menggambarkan suatu operasi adalah dengan membagi ke dalam elemen-elemen kerja yang lebih detail dan mampu untuk diukur dengan mudah secara terpisah.
5
Ibid, hlm 180
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
b. Besarnya waktu baku bisa ditetapkan berdasarkan elemen-elemen pekerjaan yang ada. Dengan mengetahui waktu baku untuk elemenelemen kerja maka kemungkinan untuk menetapkan total waktu baku untuk suatu operasi kerja. c. Dengan membagi ke dalam elemen-elemen kerja maka dapat di analisis waktu-waktu yang berlebihan untuk tiap elemen kerja atau waktu yang terlalu singkat untuk elemen kerja yang lain. Demikian juga analisis yang dibuat untuk satu elemen kerja bisa melihat adanya perbedaan kecil dari metode kerja yang diaplikasikan, dimana hal ini tidak akan mudah jika dilakukan analisis studi untuk operasi secara keseluruhan. d. Seorang operator bisa jadi akan bekerja berbeda-beda pada setiap siklus yang berlangsung. Dengan membagi ke dalam elemen kerja maka perfomance rating dapat diaplikasikan untuk tiap elemen kerja. 6. Menyiapkan Alat-alat Pengukuran Ini merupakan langkah terakhir sebelum melakukan pengukuran dimana alat-alat pengukuran yang diperlukan harus disiapkan. Alat-alat tersebut adalah: jam henti (stopwatch) untuk menghitung waktu siklus, lembar pengamatan untuk tempat mencatat waktu siklus, pena atau pensil sebagai alat tulis dan papan pengamatan sebagai alat bantu dalam menuliskan hasil pengukuran.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
3.2.4.
Melakukan Pengukuran Waktu Ada 3 metode yang umum digunakan untuk mengukur waktu siklus
dengan menggunakan jam henti, yaitu : 1. Continuous timing, tombol jam henti ditekan pada saat elemen kerja pertama dimulai dan membiarkan jarum petunjuk jam henti berjalan secara terus-menerus sampai siklus kerja selesai. Pengamat akan mengamati dan mencatat waktu pada setiap akhir elemen kerja. Waktu sebenarnya diperoleh dengan pengurangan pada saat pengukuran waktu selesai dilaksanakan 2. Repetitive timing, jarum jam henti akan dikembalikan ke titik nol setiap akhir elemen kerja yang diukur. Setelah waktu dicatat, tombol jam henti ditekan kembali untuk mengukur elemen kerja berikutnya. 3. Accumulative timing, cara ini menggunakan 2 atau 3 jam henti yang digunakan secara bergantian sehingga setiap elemen kerja yang berlangsung dapat diukur.
3.2.5. Pengujian Data Waktu 3.2.5.1.Uji Keseragaman Uji keseragaman data dilakukan untuk melihat apakah data yang diperoleh sudah seragam atau tidak, dapat dilaksanakan dengan mengaplikasikan peta kontrol (control chart). Peta kontrol (control chart) adalah suatu alat yang tepat guna dalam menguji keseragaman data yang diperoleh dari hasil pengamatan.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Batas kontrol atas dan batas kontrol bawah untuk tiap group data dapat dicari dengan formulasi :
BKA = X + 2σx BKB = X − 2σx Gambar 3.1 merupakan Peta kontrol untuk uji keseragaman data.
Waktu pengamatan
BKA
X BKB
Unit Pengamatan
Gambar 3.1. Peta Kontrol untuk Uji Keseragaman Data
3.2.5.2. Uji Kecukupan Data Berguna untuk memastikan bahwa jumlah sampel yang telah dikumpulkan telah cukup mewakili populasi, sehingga dapat digunakan bagi pengolahan data selanjutnya. Pengujian ini dilakukan dengan menggunakan rumus : m m k 2 ( n t ti ) 2 − ∑ ∑ i s i =1 i =1 N = m ti ∑ i =1
2
Keterangan : N = jumlah siklus pengamatan/pengukuran yang seharusnya dilaksanakan. t=
waktu pengamatan ke-i setiap elemen kerja, i = 1,2,3,…,m
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
k = angka deviasi standar yang besarnya tergantung pada tingkat keyakinan yang diambil. s=
derajat ketelitian dari data t yang dikehendaki, yang menunjukan maksimum penyimpangan yang bisa diterima dari nilai t yang sebenarnya.
n = jumlah siklus pengamatan/pengukuran awal yang telah dilakukan untuk elemen kegiatan tertentu yang dipilih. Jumlah pengukuran waktu dikatakan cukup apabila jumlah pengukuran minimum secara teoritis lebih kecil atau sama dengan jumlah pengukuran pendahuluan yang sudah dilakukan (N’ ≤ N). Jika jumlah pengukuran masih belum mencukupi maka harus dilakukan pengukuran lagi sampai jumlah pengukuran tersebut cukup.
3.2.6. Perhitungan Waktu
Sistem
kerja
Waktu siklus
Waktu normal
Faktor penyesuaian
Waktu baku
Kelonggaran
Dengan melihat bagan, maka dapat diketahui bahwa : -
Waktu siklus adalah waktu hasil pengamatan secara langsung yang tertera dalam stopwatch.
-
Waktu normal adalah waktu siklus dengan telah mempertimbangkan penyesuaian.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
-
Waktu baku adalah waktu normal dengan mempertimbangkan faktor kelonggaran (allowance ).
Dengan rumus : Wb = Wn (waktu normal) x ( 1 + allowance) di mana, Wn = Ws (waktu siklus) x p (faktor penyesuaian)
3.2.7. Penyesuaian dan Kelonggaran 3.2.7.1.Penyesuaian Penyesuaian adalah suatu proses dimana pada saat melakukan pengukuran, pengamat mengukur dan membandingkan performansi kerja operator terhadap konsep kecepatan kerja yang dimiliki oleh pengamat mengenai perfomansi normal. Untuk memudahkan pemilihan konsep wajar, seorang pengukur dapat mempelajari bagaimana bekerjanya seorang operator yang dianggap normal yaitu, jika seorang operator bekerja tanpa usaha-usaha yang berlebihan sepanjang hari bekerja, menguasai cara kerja yang ditetapkan, dan menunjukkan kesungguhan dalam menjalankan kegiatannya. Biasanya penyesuaian dilakukan dengan mengalikan waktu siklus rata-rata dengan suatu harga p yang disebut faktor penyesuaian. Harga penyesuaian (p) = 1 berarti bahwa operator bekerja dengan wajar berdasarkan pendapatan pengukur, namun jika p > 1 itu berarti pengukur berpendapat bahwa operator bekerja di atas batas kewajaran/ terlalu cepat dan sebaliknya jika operator bekerja dibawah normal/ terlalu lambat menurut pendapat pengukur maka p < 1. Selain hal tersebut diatas, ada juga beberapa cara menentukan faktor penyesuaian.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
1. Cara Persentase. Dalam hal ini faktor penyesuaian ditentukan oleh pengukur berdasarkan pengamatan yang dilakukan selama melakukan pengukuran. Oleh karena itu cara ini merupakan cara yang paling mudah dan sederhana namun penilaiannya masih kasar. Misalnya, pengukur berpendapat bahwa p = 110 %. Jika waktu siklusnya 14,6 menit maka Wn = 14,6 x 1,1 = 16,6 menit 2. Cara Shumard. Cara ini didasarkan kepada kelas-kelas perfomansi kerja yang akan menjadi penentu dalam penilaian dengan setiap kelas mempunyai nilainilai sendiri. 3. Cara Westinghouse Cara ini mengarahkan penilaian pada 4 faktor yang dianggap sangat menentukan kewajaran atau ketidakwajaran dalam bekerja, yaitu: a.
Keterampilan atau skill
b.
Usaha
c.
Kondisi kerja
d.
Konsistensi
4. Cara Obyektif Kecepatan kerja dan tingkat kesulitan pekerjaan menjadi perhatian utama dalam cara ini karena kedua faktor ini dipandang secara bersama-sama menentukan berapa besarnya harga p untuk mendapatkan waktu normal.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5. Cara Bedaux Cara ini diakukan hampir sama dengan cara Shumard, hanya saja nilainilai pada cara Bedaux dinyatakan dalam ”B”, misalnya 60 B 6. Cara Sintesa Cara ini mengevaluasi perfomansi kerja operator berdasarkan nilai waktu yang telah ditetapkan terlebih dahulu. Prosedur yang dilakukan adalah dengan
melaksanakan
pengukuran
kerja
seperti
biasanya
dan
membandingkan waktu yang diukur dengan waktu penyelesaian elemen kerja yang sebelumnya sudah diketahui data waktunya.
3.2.7.2.Kelonggaran Kelonggaran pada dasarnya adalah suatu faktor koreksi yang harus diberikan kepada waktu kerja operator, karena dalam melakukan pekerjaannya, operator bisa terganggu oleh hal-hal yang tidak diinginkan namun sifatnya alamiah 6. Kelonggaran diberikan untuk 3 hal, yaitu kelonggaran untuk kebutuhan pribadi, menghilangkan rasa fatique, dan hambatan-hambatan yang tidak bisa dihindarkan, dimana ketiga hal tersebut secara nyata dibutuhkan oleh pekerja selama melakukan pekerjaannya. 1. Kelonggaran untuk kebutuhan pribadi. Yang dimaksud dengan kebutuhan pribadi adalah hal-hal seperti minum sekadarnya untuk menghilangkan rasa haus, ke kamar kecil, bercakap-
6
Yanto. Analisis, Perancangan Sistem Kerja dan Ergonomi.Jakarta. Unika Atmajaya. 2007
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
cakap dengan teman sekerja sekedar untuk menghilangkan ketegangan ataupun kejemuan dalam kerja. Dimana kebutuhan-kebutuhan seperti ini mutlak dibutuhkan dan dilakukan oleh pekerja. 2. Kelonggaran untuk menghilangkan rasa fatique. Rasa fatique tercermin dari menurunnya jumlah maupun kualitas hasil produksi. Untuk itu pekerja harus diberi kesempatan untuk beristirahat sekedarnya (stretching), bahkan bila perlu pergi ke luar ruangan kerja untuk menghilangkan kelelahan. 3. Kelonggaran untuk hambatan-hambatan tak terhindarkan. Hambatan-hambatan tak terhindarkan terjadi diluar kekuasaan pekerja untuk mengendalikannya. Yang termasuk ke dalam hambatan-hambatan yang tak terhindarkan yaitu: menerima atau meminta petunjuk kepada pengawas, melakukan penyesuaian kepada pengawas, listrik padam, peralatan rusak, serta gangguan-gangguan kerja lainnya.
3.3.
Peramalan Peramalan merupakan seni dan ilmu memprediksi peristiwa-peristiwa
masa
depan.
Peramalan
memerlukan
pengambilan
data
historis
dan
memproyeksikannya ke masa depan dengan beberapa model matematis 7 . Prinsip yang harus dipegang dalam peramalan antara lain : 1. Ramalan selalu mengandung kesalahan (error) 2. Kesalahan harus terukur untuk menentukan langkah selanjutnya
7
Render, Barry. Prinsip-prinsip Manajemen Operasi. Penerbit Salemba Empat. 2001. hlm 46
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
3. Ramalan satu famili produk lebih teliti daripada end item 4. Ramalan jangka pendek lebih teliti dari ramalan jangka panjang Sedangkan faktor – faktor yang harus dipertimbangkan dalam membuat peramalan adalah : 1. Jangkauan peramalan 2. Tingkat ketelitian 3. Ketersediaan data 4. Bentuk pola data 5. Biaya
3.3.1. Metode Peramalan Secara umum, peramalan diklasifikasikan menjadi dua macam, yaitu: 1. Peramalan yang bersifat subyektif Peramalan ini lebih menekankan pada keputusan-keputusan hasil diskusi, pendapat pribadi seseorang dan intuisi yang meskipun kelihatannya kurang ilmiah tetapi dapat memberikan hasil yang baik. Metode ini contohnya metode Delphi dan metode penelitian pasar. 2. Peramalan yang bersifat obyektif Merupakan prosedur peramalan yang mengikuti aturan-aturan matematis dan statistik dalam menunjukkan hubungan antara permintaan dengan satu atau lebih
variabel
yang
mempengaruhinya.
Peramalan
obyektif
juga
mengasumsikan bahwa macam dari hubungan antara variabel-variabel bebas
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
dengan permintaan akan berulang juga pada masa yang akan datang. Peramalan obyektif terdiri atas dua metode yaitu: a. Metode Intrinsik Metode ini berdasarkan pada proyeksi permintaan historis tanpa mempertimbangkan faktor-faktor eksternal yang mungkin mempengaruhi besarnya permintaan. Metode ini cocok untuk peramalan jangka pendek. Salah satu metode ini adalah metode deret waktu (time series). b. Metode Ekstrinsik Metode ini mempertimbangkan faktor-faktor eksternal yang mungkin dapat mempengaruhi besarnya permintaan dimasa datang dalam model peramalannya. Metode ini lebih cocok untuk peramalan jangka panjang. Kelemahan metode ini adalah dalam hal mahalnya biaya aplikasi dan frekuensi perbaikan hasil peramalan yang rendah karena sulitnya menyediakan informasi perubahan faktor-faktor eksternal yang terukur. Salah satu bagian dari metode ini adalah metode regresi.
3.3.2. Analisis Deret Waktu (Time Series) 8 Peramalan dengan menggunakan metode deret waktu didasarkan pada pendugaan masa depan yang dilakukan dengan menggunakan waktu sebagai dasar peramalan. Tujuan metode peramalan deret waktu seperti itu adalah menemukan pola dalam deret data historis dan mengekstrapolasikan pola dalam deret data
8
Makridakis, dan Victor E. Mc.Gee. Metode dan Aplikasi Peramalan. 1988. hlm 9-10.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
tersebut ke masa depan. Metode ini mengasumsikan bahwa apa yang telah terjadi di masa lalu akan terjadi di masa yang akan datang Langkah penting dalam memilih suatu metode deret waktu yang tepat adalah dengan mempertimbangkan jenis pola datanya. Pola data dapat dibedakan menjadi empat, yaitu : 1.
Pola horisontal, terjadi bilamana data berfluktuasi di sekitar nilai rata-rata yang konstan atau stasioner terhadap nilai rata-ratanya.
2.
Pola musiman, terjadi bilamana suatu deret data dipengaruhi oleh faktor musiman (misalnya kuartal tahunan, bulanan / hari pada minggu tertentu).
3.
Pola siklis, terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis atau ekonomi.
4.
Pola tren, terjadi bilamana terdapat kenaikan atau penurunan jangka panjang dalam data. Langkah-langkah yang harus dilakukan untuk membuat fungsi peramalan
dengan menggunakan metode time series adalah: 1. Mendefinisikan tujuan peramalan 2. Membuat diagram pencar 3. Memilih beberapa metode peramalan 4. Menghitung nilai ramalan dan kesalahannya 5. Memilih metode dengan kesalahan terkecil 6. Verifikasi Peramalan
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Beberapa metode yang termasuk dalam analisis deret waktu adalah: 1.
Metode Pemulusan (Smoothing) Metode ini terdiri dari dua kelompok yaitu metode perataan (average) dan
metode pemulusan (smoothing) eksponensial. Perbedaan mendasar dari dua kelompok ini terletak pada pemberian bobot untuk data yang dipakai yaitu: a. Metode Perataan (Moving Average) Secara matematis, moving average dinyatakan dalam persamaan berikut:
MA =
At + At −1 + ... + At − ( N −1) N
dimana: At = Permintaan aktual pada periode t N = Jumlah data permintaan b. Metode Perataan Berbobot (Weighted Moving Average) Secara matematis, WMA dapat dinyatakan sebagai berikut: m
WMA =
∑(A t =1
t −1
× Wt )
m
∑W t =1
t
dimana: Wt = Bobot permintaan aktual pada periode ke-t, t = 1,2,3,...,m At-1 = Permintaan aktual pada periode sebelumnya c. Metode Pemulusan (Smoothing) Eksponensial Secara matematis, metode ini dapat dinyatakan sebagai berikut: Ft = Ft −1 + α ( At −1 − Ft −1 ) dimana:
Ft = Nilai ramalan untuk periode waktu t Ft -1 = Nilai ramalan untuk periode sebelumnya At-1 = Permintaan aktual pada periode sebelumnya
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
α = Parameter / koefisien smoothing Nilai α =
2 , dengan N = Jumlah data periode N +1
2. Metode Dekomposisi Merupakan metode yang hasil peramalannya ditentukan dengan kombinasi dari fungsi-fungsi atau pola data yang ada seperti trend, siklus, dan musiman. 3. Metode Regresi Tujuan dari metode ini adalah mencari bentuk fungsi dari suatu data. Bentuk fungsi dari metode ini dapat berupa: a) Konstan, dengan fungsi peramalan (Yt): m
Yt = a, dimana a =
∑Y
t
t =1
Ket : N = jumlah periode
N
b) Linier, dengan fungsi peramalan: Yt = a + bt m
a=
Dimana :
∑Y
i
i =1
m
m
− b∑ t i
b=
i =1
n
m
m
i =1 m
i =1
n∑ t i y i − ∑ t i ∑ y i i =1
m
n − ∑ t i2 − ∑ (t i ) 2 i =1
i =1
c) Kuadratis, dengan fungsi peramalan : Yt = a + bt + ct2 Dimana :
a=
m
m
m
i =1
i =1
i =1
∑ Yi − b∑ t i − c∑ t i n
2
c=
θ − bα ∂
b=
∂δ − θα ∂β − α 2
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
m
m
i =1
i =1
∂ = (∑ t i2 ) 2 − n∑ t i4 m
m
m
i =1
i =1
i =1
δ = ∑ t i ∑ Yi − n∑ t i Yi
m
m
m
i =1
i =1
i =1
m
m
m
i =1
i =1
i =1
θ = ∑ t i2 ∑ Yi − n∑ t i2Yi
α = ∑ t i2 ∑ t im − n∑ t i3
d) Eksponensial, dengan fungsi peramalan : Yt = aebt Dimana :
ln a =
m
m
i =1
i =1
∑ ln Yi − b∑ t i n
m
ln a =
m
m
i =1 m
i =1
n∑ t i ln Yi − ∑ t i ∑ ln Yi i =1
m
n∑ t i2 − (∑ t i ) 2 i =1
i =1
e) Siklis, dengan fungsi peramalan : Y = a + b sin
2πt 2πt + c cos n n
Dimana : m
∑Y i =1 m
i
m m 2πt i 2πt i = na + b∑ sin + c ∑ cos n n i =1 i =1
∑ Yi sin i =1
m
m m m 2πt i 2πt i 2πt i 2πt i 2τt = a ∑ sin + b∑ sin 2 + c ∑ sin cos i n n n n n i =1 i =1 i =1
∑ Yi cos i =1
m m m 2πti 2πti 2πti 2πti 2τt = a ∑ cos + c ∑ cos 2 + b∑ sin cos i n n n n n i =1 i =1 i =1
3.3.3. Analisis Kesalahan Peramalan Hasil perkiraan ramalan yang tepat atau paling tidak dapat memberikan gambaran yang paling mendekati sehingga rencana yang dibuat merupakan rencana yang realistis. Kesalahan yang kecil memberikan arti ketelitian peramalan tinggi, keakuratan hasil peramalan tinggi, begitu pula sebaliknya. Parameter Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
kesalahan suatu peramalan secara statistik dapat dihitung dengan menggunakan beberapa rumus seperti terlihat dalam Tabel 3.1.
Tabel 3.1. Ukuran Statistik Parameter Kesalahan Peramalan No.
Parameter Kesalahan
Rumus n
1
Mean Error (ME)
ME =
∑e i =1
i
n n
2
Mean Absolute Error (MAE)
MAE =
∑e i =1
n n
3
SSE = ∑ ei
Sum of Squared Error (SSE)
i
2
i =1
n
4
Mean Square Error (MSE)
MSE =
∑ (X t =1
t
− Ft )
2
n n
5
Standar Deviation of Error (SDE)
SDE =
∑e
Standar Error of Estimate (SEE)
SEE =
n −1
∑ (X t =1
i
t =1
n
6
2
t
− Ft )
2
n− f
Sumber :Nasution, Arman Hakim. Perencanaan dan Pengendalian Produksi. 2003.
Keterangan : Xt = data aktual periode t Ft
= nilai ramalan periode t
n
= banyaknya periode
f
= derajat kebebasan
ei
= banyaknya kesalahan
3.3.4. Verifikasi dan Pengendalian Peramalan Verifikasi peramalan dilakukan guna mendapatkan hasil peramalan yang benar-benar mencerminkan data masa lalu dan sistem sebab akibat yang
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
mendasari permintaan tersebut. Bentuk yang paling sederhana adalah peta kontrol peramalan yang disebut peta moving range.
MR = ( yˆ t − yt ) − ( yˆ t −1 − yt −1 ) m
∑ MR
t
Rata-rata moving range didefinisikan
: MR =
Garis tengah peta moving range
: pada titik nol
Batas kontrol atas peta moving range
: BKA = +2,66 MR
Batas kontrol bawah peta moving range
: BKB = −2,66 MR
Variabel yang diplot
: ∆y t = yˆ t − y
t =1
n −1
Pada Gambar 3.2. menjelaskan pembagian daerah A,B dan C pada peta moving range.
Y’-Y Daerah di Luar Kendali
Batas Kendali +2,66 MR
+ Daerah A
Batas Kendali A 2,66 MR x 2/3
Daerah B
Batas Kendali B 2,66 MR x 1/3
Daerah C 0 Daerah C Daerah B -
Daerah A
Batas Kendali B – 2,66 MR x 1/3 Batas Kendali A – 2,66 MR x 2/3 Batas Kendali - 2,66 MR
Daerah di Luar Kendali
Gambar 3.2. Pembagian Daerah A, B dan C pada Peta Moving Range
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Kondisi out of control dapat diperiksa dengan menggunakan empat aturan berikut: 1. Aturan Satu Titik Bila ada titik sebaran (Y’-Y) berada di luar UCL dan LCL. 2. Aturan Tiga Titik Bila ada tiga buah titik secara berurutan berada pada salah satu sisi, yang mana dua diantaranya jatuh pada daerah A. 3. Aturan Lima Titik Bila ada lima buah titik secara berurutan berada pada salah satu sisi, yang mana empat diantaranya jatuh pada daerah B. 4. Aturan Delapan Titik Bila ada delapan buah titik secara berurutan berada pada salah satu sisi, pada daerah C.
3.4.
Pemrograman Linier Pemrograman linier adalah suatu model matematis yang berkarakteristik
linier
untuk
menemukan
suatu
penyelesaian
optimal
dengan
cara
memaksimumkan atau meminimumkan fungsi tujuan terhadap satu susunan kendala.
3.4.1 Model Pemrograman Linier Model adalah abstraksi atau penyederhanaan realitas sistem yang kompleks dimana hanya komponen-komponen yang relevan atau faktor-faktor yang dominan dari masalah yang dianalisis diikutsertakan. Jadi, model merupakan Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
sebuah tiruan terhadap realitas. Langkah untuk membuat peralihan dari realita ke model kuantitatif, dinamakan perumusan model. Model pemrograman linier mempunyai tiga unsur utama yaitu 9 : 1. Variabel Keputusan Merupakan variabel persoalan yang akan mempengaruhi nilai tujuan yang hendak dicapai. 2. Fungsi Tujuan Merupakan tujuan yang hendak dicapai yang diwujudkan dalam sebuah fungsi matematika linier. 3. Fungsi Kendala Merupakan pembatas terhadap kumpulan keputusan yang mungkin dibuat dan harus dituangkan ke dalam fungsi matematika linier. Ada tiga macam kendala, yakni : a.
Kendala berupa pembatas, dituangkan ke dalam fungsi matematika berupa pertidaksamaan dengan tanda ”≤”
b.
Kendala berupa syarat, dituangkan ke dalam fungsi matematika berupa pertidaksamaan dengan tanda ”≥”
c.
Kendala berupa keharusan, dituangkan ke dalam fungsi matematika berupa persamaan dengan tanda ”=”
9
Siswanto. Riset Operasi Jilid I, Penerbit Erlangga. 2006, hlm 25, 29
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
3.4.2. Bentuk Umum Model Pemrograman Linier Fungsi Tujuan : n
Maksimumkan/minimumkan Z =
∑ C .X j =1
j
j
Terhadap fungsi kendala : ≤ a11 X 1 + a12 X 2 + . . . + a1n X n = b1 ≥ ≤ a 21 X 1 + a 22 X 2 + . . . + a 2 n X n = b2 ≥ ≤ ai1 X 1 + ai 2 X 2 + . . . + a mn X n = bi ≥ Xj ≥0 di mana : Xj
: variabel keputusan ke-j
Cj
: parameter fungsi tujuan ke-j
bi
: kapasitas kendala ke-i
aij
: parameter fungsi kendala ke-i untuk variabel keputusan ke-j
i
: 1,2, . . . , m
j : 1,2, . . . , n
3.4.3. Asumsi Model Pemrograman Linier Program linier memiliki asumsi tertentu yang harus dipenuhi, yakni : 1. Proportional Dipenuhi jika kontribusi setiap variabel pada fungsi tujuan atau penggunaan sumber daya yang membatasi proporsional terhadap level
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
nilai variabel. Jika harga per unit produk misalnya adalah sama berapapun jumlah yang dibeli, maka sifat proporsional dipenuhi. 2. Additivity Additivity menyatakan bahwa tidak ada bentuk perkalian silang diantara berbagai aktivitas. Sifat ini berlaku bagi fungsi tujuan maupun kendala. 3. Divisibility Asumsi ini menyatakan bahwa variabel keputusan diperbolehkan memiliki nilai yang tidak integer. 4. Deterministic Setiap parameter (koefisien fungsi objektif, ruas sisi kanan koefisien pembatas) diketahui secara pasti. Hal ini menunjukkan bahwa semua parameter model berupa konstanta.
3.4.4. Metode Simpleks Untuk memecahkan masalah program linier, pada tahun 1947 George Dantzig menemukan sebuah metode yang sangat efisien yakni metode simpleks. Langkah-langkah penyelesaian program linier dengan metode simpleks 10 : 1. Program linier (LP) harus dibuat dalam bentuk standar, yakni : -
Kendala dalam bentuk persamaan dan konstanta sisi kanan (right hand side = RHS) semua positif
10
-
Semua variabel non negatif
-
Fungsi tujuan dapat maksimum atau minimum
Sri Mulyono, Riset Operasi. Jakarta. 2004, hlm 32
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2. Bentuk standar model LP dibuat dalam bentuk tabel simpleks sehingga memudahkan perhitungan. Adapun bentuk standar tabel simpleks adalah 11 Contoh : Maks. Z = 5X1 + 2X2 + 3X3 + - X4 + X5 Kendala : X1 + 2X2 + 2 X3 + X4
=8
...(1)
3X1 + 4X2 + X3 + X5
=7
...(2)
X1,..., X5 ≥ 0 Tabel 3.2. Bentuk Standar Tabel Simpleks Cj
5
2
3
-1
1
Basis
X1
X2
X3
X4
X5
-1
X4
1
2
2
1
0
8
1
X5
3
4
1
0
1
7
3
0
4
0
0
Z= -1
Cb
row
Konstanta
Sumber Sitompul, Darwin. Riset Operasi I. 2006
Cb adalah koefisien dari variabel basis pada fungsi tujuan Cj adalah koefisien dari variabel non basis pada fungsi tujuan. Pj adalah nilai pada tiap kolom dan baris Z = Cb x Konstanta row = Cj-Cb*Pj Contoh : row1 = 5-(-1,1)
= 5 – (-1+3) = 3
Z = Cb*konstanta = (-1,1)
=-1
3. Dari tabel simpleks standar dapat dilihat bahwa bentuk dasar sudah dalam sistem kanonikal (X4 hanya ada di pers 1 dan X5 hanya ada di pers 2), maka X4 dan X5 sebagai variabel basis. Jika simpleks standar tidak dalam 11
Sitompul, Darwin. Riset Operasi I. 2006.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
bentuk kanonikal maka harus diubah ke dalam bentuk kanonikal dengan menambah variabel artificial. 4. Berdasarkan bentuk standar, temukan solusi layak dasar awal (initial basic feasible solution). Dari contoh diperoleh solusi awal : X1=X2=X3=0, X4=8 dan X5=7. Maka Z = 5(0) + 2(0) + 3(0) -1(8) + 1(7) = -1. 5. Periksa optimalitas, dimana untuk maksimisasi solusi optimal jika semua row harus bernilai negatif atau nol. Dari Tabel 3.2. diketahui solusi belum optimal maka dilanjutkan dengan mencari solusi yang lebih baik. Untuk maksimisasi, pilih entering variable (variabel nonbasis yang akan menjadi basis)
row paling positif (X3 sebagai entering variable), dan
leaving variable (variabel basis yang akan keluar dari menjadi nonbasis) berdasarkan hukum rasio minimum, yakni :8/2=4 atau 7/1 = 1. Maka dipilih X4 sebagai leaving variable. Tabel 3.3. Tabel Simpleks 1 Cj
5
2
3
-1
1
Basis
X1
X2
X3
X4
X5
-1
X4
1
2
2
1
0
8
1
X5
3
4
1
0
1
7
3
0
4
0
0
Z= -1
Cb
row
Konstanta
Elemen perpotongan disebut elemen pivot dan untuk menghitung sistem kanonikal baru elemen harus dijadikan 1 dan elemen lain di kolom pivot dijadikan nol.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 3.4. Tabel Simpleks 2 Cj
5
2
3
-1
1
Basis
X1
X2
X3
X4
X5
3
X3
1/2
1
1
1/2
0
4
1
X5
5/2
3
0
-1/2
1
3
1
-4
0
-2
0
Z= 15
Cb
row
6. Dilakukan iterasi sampai diperoleh hasil optimal dimana
Konstanta
row bernilai
negatif atau nol. Berikut Tabel optimal untuk contoh diatas, Tabel 3.5. Tabel Simpleks 3 Cj
5
2
3
-1
1
Basis
X1
X2
X3
X4
X5
3
X3
0
2/5
1
3/5
-1/5
17/5
5
X1
1
6/5
0
-1/5
2/5
6/5
0
-26/5
0
-9/5
-2/5
Z= 81/5
Cb
row
Konstanta
Dengan demikian program linier tersebut memiliki solusi optimal sebagai berikut : X1 = 6/5, X2 = 0, X3 = 17/5, X4 = 0, X5 = 0 dan Z = 81/5
3.4.5. Metode Big M dan Dua Fase Telah dikemukakan sebelumnya bahwa untuk menyelesaikan program linier dengan metode simpleks diperlukan solusi layak dasar awal dengan mengusahakan program linier berada dalam bentuk standar dan kanonikal. Namun, meskipun telah diubah ke dalam bentuk standar seringkali program linier tidak dalam bentuk kanonikal. Dalam hal ini tidak ada solusi layak dasar awal. Oleh karena itu, program linier harus diubah ke dalam bentuk kanonikal dengan dua cara, yakni : Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
1. Metode Big M Pada metode ini, diberikan variable artificial yang sangat besar pada fungsi objektif minimisasi. Dengan kata lain, biaya pada fungsi objektif dibuat sangat besar sehingga tidak ekonomis untuk memproduksi variabel tersebut. Koefisien untuk variable artificial dibuat sebesar M, dimana M adalah bilangan positif yang sangat besar. Demikian sebaliknya untuk kasus maksimisasi. 2. Metode Dua Fase Cara kedua adalah dengan menggunakan 2 fase, yakni : -
Fase I : Mencari solusi layak dasar awal bagi program asli, dengan cara mengusahakan agar variable artificial terbuang. Pada tahap ini lebih dahulu dibuat fungsi objektif khusus untuk variable artificial.
-
Fase II : Pada fase ini, solusi layak dasar awal yang diperoleh pada fase pertama dilanjutkan untuk dioptimalkan. Cara mengoptimalkan sama seperti metode simpleks yang telah dijelaskan sebelumnya.
3.4.6. Integer Programming Pemrograman linier integer (integer linear programming) pada intinya berkaitan dengan program linier dimana beberapa atau semua variabel memiliki nilai integer (bulat). Program integer dibagi atas tiga jenis, yakni 12 : 1. Program Integer Murni (Pure Integer Programming), semua variabel keputusannya adalah integer.
12
Sitompul, Darwin. Riset Operasi I. 2006.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2. Program Integer Campuran (Mixed Integer Programming), sebagian keputusannya adalah integer. 3. Program Integer 0-1 (Zero One Integer Programming), variabel keputusannya hanya memiliki nilai 0 atau 1. Model matematis untuk pemrograman linier integer serupa dengan model pemrograman linier, perbedaannya hanya pada penambahan 1 kendala bahwa variabelnya harus berupa bilangan bulat. Pada dasarnya integer programming merupakan analisis pasca optimal pemrograman linier. Jika program linier menghasilkan bilangan pecahan maka untuk mendapat bilangan bulat yang optimal dilakukan dengan menggunakan integer programming. Metode yang biasa diterapkan adalah metode percabangan dan pembatasan (branch and bound) serta algoritma bidang pemotong (cutting plane). Dari kepentingan praktisnya, metode branch and bound lebih sering digunakan.
3.4.7. Algoritma Branch And Bound 13 Branch
and
bound
adalah
sebuah
metode untuk
menghasilkan
penyelesaian optimal pemrograman linear yang menghasilkan variabel-variabel keputusan bilangan bulat. Sesuai dengan namanya, metode ini membatasi penyelesaian optimal yang akan menghasilkan bilangan pecahan dengan cara membuat cabang batas dan bawah bagi masing-masing variabel keputusan yang bernilai pecahan agar bernilai bulat sehingga setiap pembatasan akan menghasilkan cabang baru.
13
Siswanto. Riset Operasi Jilid I, Penerbit Erlangga. 2006, hlm 25, 29
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Langkah kerja algoritma branch and bound untuk masalah maksimasi adalah 14 : 1. Penyelesaian model sebagai linear programming biasa dengan metode simpleks tanpa batasan integer. 2. Meneliti solusi optimalnya. Jika variabel yang diharapkan bernilai bulat telah memiliki nilai bulat maka solusi optimal telah tercapai. Tetapi jika tidak bernilai bulat maka dilanjutkan ke langkah 3. 3. Nilai solusi desimal pada solusi yang layak dicabangkan ke dalam sub-sub masalah. Tujuannya adalah untuk menghilangkan solusi kontinu yang tidak memenuhi persyaratan integer. Pencabangan dilakukan melalui kendala mutually exclusive dengan tujuan agar tidak ada solusi integer layak yang diikutsertakan. 4. Untuk setiap sub masalah, nilai solusi optimal kontinu fungsi tujuan ditetapkan sebagai batas atas. Solusi integer terbaik dijadikan batas bawah. Sub-sub masalah yang memiliki batas atas kurang dari batas bawah tidak diikutsertakan pada analisis selanjutnya. Demikian dilakukan percabangan sampai diperoleh solusi optimal integer.
14
Fien Zulfikarijah. Operation Research. Bayu media. 2004, hlm 249
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
BAB IV METODOLOGI PENELITIAN
Metodologi penelitian merupakan cara atau prosedur yang berisi tahapantahapan yang jelas dan disusun secara sistematis dalam proses penelitian. Tiap tahapan merupakan bagian yang menentukan tahapan selanjutnya sehingga harus dilalui dengan cermat.
4.1.
Tempat dan Waktu Penelitian Penelitian dilakukan pada PT. Cahaya Kawi Ultra Polyintraco yang
beralamat di Jl. Eka Surya Gang Sidodadi Lingkungan XXII, Kelurahan Gedung Johor, Delitua Medan. Penelitian dilaksanakan pada Maret – April 2009.
4.2.
Jenis Penelitian Berdasarkan sifatnya, maka penelitian ini digolongkan sebagai penelitian
deskriptif (Deskriptif Research) dengan jenis studi kasus, yaitu penelitian yang berusaha untuk memaparkan pemecahan masalah terhadap suatu masalah yang ada sekarang secara sistematis dan faktual berdasarkan data. Jadi penelitian ini meliputi proses pengumpulan, penyajian, dan pengolahan data, serta analisis dan interpretasi.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
4.3.
Instrumen Penelitian Penelitian dilakukan dengan teknik observasi langsung pada lantai
produksi. Instrumen yang digunakan adalah jam henti (stopwatch), kertas lembar pengamatan, pena atau pensil dan papan pengamatan. Hasil dari penelitian dengan menggunakan jam henti berupa waktu siklus penyelesaian spring bed.
4.4.
Pengumpulan Data Prosedur pengumpulan data dalam penelitian ini dilakukan dengan cara :
1. Melakukan wawancara dengan pihak perusahaan berkaitan dengan data dan informasi yang diperlukan. 2. Mencatat arsip perusahaan yang berhubungan dengan data yang diperlukan 3. Melakukan pengamatan langsung di lantai produksi Adapun data yang dibutuhkan adalah : 1. Data primer, yakni waktu pengerjaan produk yang diperoleh dengan pengukuran langsung menggunakan alat bantu stopwatch. 2. Data sekunder meliputi : a. Data laba dari setiap jenis spring bed b. Data jumlah tenaga kerja c. Jumlah hari kerja tiap bulan selama tahun 2009 d. Penjualan selama 2 tahun terakhir sebelum periode pengamatan e. Data pemakaian bahan dan kapasitas gudang f. Jumlah produksi minimum yang ditetapkan perusahaan Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
4.5.
Metode Pengolahan Data Setelah memperoleh data yang diperlukan untuk menyelesaikan masalah
maka dilakukan pengolahan terhadap data yang telah dikumpulkan tersebut. Langkah- langkah dalam pengolahan data adalah sebagai berikut : 1.
Pengolahan data primer meliputi uji keseragaman dan kecukupan data. Kemudian dihitung waktu baku penyelesaian produk. a. Pengujian keseragaman data : - Perhitungan waktu siklus rata-rata sub grup - Perhitungan standard deviasi dari distribusi harga rata-rata sub grup - Perhitungan Batas Kontrol Atas (BKA) dan Batas Kontrol Bawah (BKB) dengan rumus ;
BKA = X + 2σx BKB = X − 2σx
b. Pengujian kecukupan data : m m k 2 ( n t ti ) 2 − ∑ i ∑ s i =1 i =1 N = m ti ∑ i =1
2
c. Perhitungan waktu baku (standard time) untuk tiap job pada tiap stasiun kerja yang ada di lantai pabrik, dengan rumus : Wb = Wn (waktu normal) x ( 1 + allowance) di mana, Wn = Ws (waktu siklus) x p (faktor penyesuaian) 2.
Meramalkan permintaan Data historis penjualan kemudian diolah dengan menggunakan metode peramalan kuantitatif yang disesuaikan dengan pola data. Berdasarkan hasil
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
dari metode yang digunakan akan dipilih metode terbaik dengan menggunakan ukuran kesalahan peramalan terkecil. 3.
Membuat fungsi tujuan, yakni memaksimumkan laba dengan menentukan jumlah produksi optimal yang merupakan variabel keputusan. n
Maksimumkan Z =
∑ C .X j =1
j
j
Z = laba yang ingin dicapai dari seluruh spring bed yang diproduksi Cj = laba untuk produk X Xj = jumlah produksi optimal (variabel keputusan jenis spring bed ke-j) j = jenis spring bed ke-1,2,...,n 4.
Penentuan fungsi kendala. Kendala yang dimaksud adalah : a. Kapasitas tenaga kerja n
∑a j =1
ij
X j ≤ Yk = a11 X 1 + a12 X 2 + ...a1n X n ≤ Y1 = a 21 X 1 + a 22 X 2 + ...a 2 n X n ≤ Y2 = a m1 X 1 + a m 2 X 2 + ...a mn X n ≤ Yk
dimana : aij = waktu standar di stasiun kerja i untuk jenis spring bed ke-j Xj = jumlah produksi optimal (variabel keputusan spring bed ke-j) Yk = jam tenaga kerja tersedia pada bulan ke-k i
= stasiun kerja, i = 1,2,…,m
j
= jenis spring bed, j = 1,2,...,n
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
b. Ketersediaan bahan baku n
∑d j =1
ij
X j ≤ K l = d11 X 1 + d12 X 2 + ...d1n X n ≤ K 1 = d 21 X 1 + d 22 X 2 + ...d 2 n X n ≤ K 2 = d m1 X 1 + d m 2 X 2 + ...d mn X n ≤ K l
dimana : dij = jumlah pemakaian bahan baku i untuk jenis spring bed ke-j Xj = jumlah produksi optimal (variabel keputusan jenis spring bed ke-j) K l = rata-rata ketersedian bahan baku di gudang bulan ke-l j
= jenis spring bed, j = 1,2,...,n
i = jenis bahan baku, j = 1,2,...,m
c. Target produksi X ji ≤ R ji
dimana : X = jumlah produksi optimal (variabel keputusan jenis spring bed ke-j) R = jumlah permintaan (target produksi dari hasil peramalan)
i = bulan, i = 1,2, 3,…, m j = jenis spring bed, j = 1,2,...,n
d. Pencapaian BEP perusahaan Perusahaan menetapkan jumlah produksi minimum yang harus dipenuhi agar BEP perusahaan dalam unit produksi tercapai. Fungsi kendalanya adalah : Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
X ji ≥ V ji
dimana : X = jumlah produksi optimal (variabel keputusan jenis spring bed ke-j) V = jumlah produksi minimum perusahaan
i = bulan, i = 1,2, 3,…, m j = jenis spring bed, j = 1,2,...,n f. 5.
X 1 , X 2 , X 3 , . . . , X n ≥ 0 dan integer
Optimisasi fungsi tujuan terhadap susunan kendala menggunakan model linear programming dengan metode simpleks. Untuk mempermudah proses pengerjaan akan dibantu dengan menggunakan software LINDO. Jika variabel keputusan integer (bilangan bulat) maka solusi optimal ditemukan, namun jika variabel keputusan bukan integer maka dilanjutkan ke langkah 6.
6.
Optimisasi fungsi tujuan terhadap susunan kendala menggunakan model integer programming menggunakan metode branch and bound. Dalam tahap ini kendala integer ditambahkan ke dalam model perencanaan produksi. Selanjutnya dilakukan iterasi sampai diperoleh solusi optimal.
4.6.
Analisis dan Evaluasi Setelah
dilakukan
pembenahan
rencana
produksi,
maka
akan
dibandingkan dengan rencana produksi yang ditetapkan perusahaan. Dengan demikian, akan dapat diketahui perbedaan kondisi yang dihadapi perusahaan saat ini dengan kondisi yang diperoleh dari hasil perhitungan sesuai konsep integer programming yang mungkin untuk diterapkan dalam perusahaan melalui Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
pembenahan rencana produksi. Selain itu, setelah diperoleh solusi optimal akan dilakukan analisis sensitivitas untuk mengetahui sejauh mana parameterparameter model pemrograman linier, yaitu koefisien fungsi tujuan dan nilai ruas kanan kendala boleh berubah tanpa harus mempengaruhi jawaban optimal. Analisis ini merupakan analisis pasca optimal karena dikembangkan dari penyelesaian optimal. Evaluasi dilakukan untuk melihat hasil dari analisis dan memberikan usulan bagi perencanaan produksi perusahaan.
4.7.
Kesimpulan dan Saran Tahap akhir adalah menyimpulkan butir-butir penting dari tiap bab dan
memberikan saran-saran berguna bagi perusahaan dan bagi pembaca. Dari keseluruhan uraian diatas dapat dibuat diagram alir metodologi penelitian, dapat dilihat pada Gambar 4.1. Selanjutnya, diagram alir pengolahan data dapat dilihat pada Gambar 4.2.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Studi pendahuluan Studi literatur Pengamatan langsung di perusahaan
Identifikasi masalah dan penetapan tujuan
Pengumpulan data
Data primer : Waktu siklus pengerjaan produk
Data sekunder :
• • • • • • •
Laba dari tiap jenis spring bed Data jumlah tenaga kerja Jumlah hari kerja tiap bulan selama tahun 2009 Penjualan selama 2 tahun terakhir Jumlah bahan baku untuk tiap jenis spring bed Ketersediaan bahan baku digudang/ bulan Jumlah produksi minimum yang ditetapkan perusahaan
Pengolahan data
• • • •
Analisis dan Evaluasi Analisis Perencanaan Produksi awal Analisis Perencanaan Produksi dengan Integer Programming Analisis Perbandingan Perencanaan Produksi awal dengan Perencanaan Produksi dengan Integer Programming Evaluasi Perencanaan Produksi
Kesimpulan dan saran
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Gambar 4.1. Diagram Alir Metodologi Penelitian
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Berikut adalah gambar diagram alir pengolahan data
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Mulai
Harga penjualan
Biaya produksi
Koefisien fungsi tujuan
Data pengamatan waktu pengerjaan
Jumlah tenaga kerja x (jam kerja tersedia/ bulan)
Jam bahan baku yang dibutuhkan untuk tiap jenis produk
Bahan baku tersedia/ bulan
Target produksi
Data historis penjualan
X
Y
Waktu baku
Hasil peramalan permintaan
Koefisien pembatas 1
Ruas kanan pembatas 1
Ruas kanan pembatas 2
Koefisien pembatas 2
Koefisien pembatas 3 dan 4
Ruas kanan pembatas 3
Formulasi model
Optimisasi Model dengan metode simpleks Ya Integer?
Optimal
Tidak Mencari solusi integer dengan metode branch and bound
Selesai
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Target produksi minimum yang ditetapkan perusahaan
Ruas kanan pembatas 4
Gambar 4.2. Diagram Alir Pengolahan Data
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Berikut adalah gambar diagram pengolahan waktu siklus sehingga diperoleh waktu standar. X
Data pengamatan waktu pengerjaan
Uji keseragaman Tidak seragam Ya Uji kecukupan Tidak Cukup Ya Waktu siklus Penyesuaian Waktu normal Kelonggaran Waktu baku
Gambar 4.2a. Diagram Pengolahan Waktu Siklus
Berikut adalah gambar diagram pengolahan data permintaan melalui peramalan sehingga diperoleh peramalan permintaan di periode mendatang. Y
Defenisi tujuan peramalan
Buat diagram pencar
Pilih beberapa metode peramalan
Hitung parameter peramalan
Tidak Hitung kesalahan tiap metode
Pilih metode dengan kesalahan terkecil
Verifikasi peramalan
Hasil peramalan
Selesai
Gambar 4.2b. Diagram Peramalan Permintaan
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
BAB V PENGUMPULAN DAN PENGOLAHAN DATA
5.1.
Pengumpulan Data
5.1.1. Data Laba dari Setiap Matras Spring bed Setiap spring bed yang dihasilkan oleh PT. Cahaya Kawi Ultra Polyintraco menghasilkan laba seperti pada Tabel 5.1. Tabel 5.1. Laba dari Setiap Penjualan Spring bed No
Spring bed
Harga Penjualan
Biaya Produksi
Laba
1
Platinum
Rp. 2.350.000,-/ unit
Rp. 2.115.000,-/ unit
Rp. 235.000,-/ unit
2
Golden
Rp. 1.350.000,-/ unit
Rp. 1.215.000,-/ unit
Rp. 135.000,-/ unit
3
Silver
Rp. 1.180.000,-/ unit
Rp. 1.062.000,-/ unit
Rp. 118.000,-/ unit
4
Bigline
Rp. 950.000,-/ unit
Rp. 855.000,-/ unit
Rp. 95.000,-/ unit
Sumber PT. Cahaya Kawi Ultra Polyintraco
5.1.2. Data Waktu Siklus Tenaga Kerja Pengukuran waktu operasi dilakukan dengan menggunakan stopwatch. Pengukuran waktu yang diambil adalah waktu sikus rata-rata tenaga kerja pada setiap stasiun kerja yang dilakukan sebanyak 30 kali pengukuran. Matras spring bed yang menjadi objek penelitian terdiri dari 4 jenis yakni platinum, golden, silver dan bigline. Operator yang diamati adalah operator yang telah mengetahui tujuan pengukuran waktu, bekerja dengan metode kerja yang telah ditetapkan perusahaan dan bekerja secara normal.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Stasiun kerja dinyatakan dengan simbol S dari tiap proses produksi matras spring bed, sedangkan elemen kerja dinyatakan dengan simbol K. Dimana dalam hal ini stasiun kerja adalah pusat kerja/tempat pengelompokan suatu pekerjaan sedangkan elemen kerja adalah gerakan bagian dari suatu pekerjaan. 1. Pembuatan Matras S1 = Perakitan Per bulat (K1) Satu siklus pada stasiun ini dimulai saat mesin RAM dioperasikan kemudian per bulat dirakit dengan kawat lilit pada mesin RAM. Siklus ini selesai saat per siap dirakit dan ditumpuk pada tempat penampungan sementara. S 2 = Perakitan Kawat lis (K2) Satu siklus pada stasiun ini dimulai saat mengambil rakitan per bulat dengan kawat lilit dan meletakkan di meja perakitan, kemudian rakitan per dirakit dengan kawat lis dan per pinggir. Siklus ini selesai saat kawat lis dan per pinggir selesai dirakit dan ditumpuk pada tempat penampungan sementara. S 3 = Penjahitan Kain Quilting (K3) Satu siklus pada stasiun ini dimulai saat gulungan kain polos, busa dan non woven diambil dan disusun pada mesin quilting, kemudian mesin quilting dioperasikan dan gulungan akan dijahit oleh mesin. Siklus ini selesai saat kain quilting selesai dijahit.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
S 4 = Pemotongan a. Pemotongan hardpadd (K4) Satu siklus elemen ini dimulai saat gulungan hardpadd diambil dari tempatnya sampai hardpadd selesai dipotong sesuai ukuran yang dibutuhkan untuk 1 unit spring bed yakni (200 x 180) cm2. b. Pemotongan busa (K5) Satu siklus elemen ini dimulai saat busa diambil dari tempatnya sampai busa selesai dipotong sesuai ukuran yang dibutuhkan untuk 1 unit spring bed yakni (200 x 180) cm2. c. Pemotongan kain blacu (K6) Satu siklus elemen ini dimulai saat kain blacu diambil dari tempatnya sampai kain blacu selesai dipotong sesuai ukuran yang dibutuhkan untuk 1 unit spring bed yakni (200 x 180) cm2. d. Pemotongan kain quilting (K7) Satu siklus elemen ini dimulai saat kain quilting diambil dari tempatnya sampai kain quilting selesai dipotong sesuai ukuran yang dibutuhkan untuk 1 unit spring bed yakni (200 x 180) cm2. S 5 = Penjahitan a. Penjahitan kain quilting dengan kain blacu dan label (K8) Satu siklus elemen ini dimulai saat kain quilting dan kain blacu diambil dari tempatnya, lalu dijahit dengan menggunakan mesin jahit biasa. Kemudian dilanjutkan dengan penjahitan label. Siklus ini berakhir saat penjahitan selesai. Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
b. Penjahitan lis kain quilting (K9) Satu siklus elemen ini dimulai saat kain quilting tabung diambil dari tempatnya, lalu lis dijahit pada kain sampai penjahitan lis kain quilting selesai. S6 = Perekatan dengan per (K10) Satu siklus elemen ini dimulai saat rakitan per diambil dari tempat penampungan sementara dan diletakkan pada meja perakitan. Kemudian direkatkan hardpadd, busa dan kain quilting pada per. Siklus ini berakhir sampai perekatan selesai. S 7 = Penjahitan Lis (K11) Satu siklus elemen ini dimulai saat hasil perekatan pada stasiun kerja 6 (S6) diambil dan diletakkan pada meja penjahitan. Kemudian dilakukan penjahitan lis dengan menggunakan mesin corner. Siklus ini berakhir saat penjahitan lis selesai. S 8 = Pembungkusan (K12) Satu siklus elemen ini dimulai spring bed diletakkan di meja, kemudian dibungkus dengan plastik mika. Siklus ini berakhir saat pembungkusan selesai. Hasil pengukuran dapat dilihat pada Tabel 5.2 sampai Tabel 5.5.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.2. Waktu Siklus Rata-rata Tenaga Kerja pada Pembuatan Spring Bed Tipe Platinum Pengamatan 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
K1 710.9 708.2 711.3 708.9 712.4 708.8 717 708.9 709.9 712.5 714.7 715.6 717.9 716.1 714.3 717.6 715.2 709.9 708.3 714.7 714.2 712 713.3 710.2 717.4 712.9 712.9
K2 943.2 945.9 942 939.4 942.8 940.9 944.9 945.5 945.9 938.2 944.9 936.7 937.9 938.7 937.2 936.1 939.3 937.2 941.4 939.7 938.8 939 936.4 940.3 945.8 941.4 944.9
K3 199.4 197.6 198.4 196.3 196 192.8 193.2 197.8 197.1 198.8 197.5 194.9 195.8 195.2 197.3 199.4 192.9 198.7 197 197.2 199.7 195.1 197.3 199.2 196.8 192.7 195.2
K4 91.3 92.9 90.6 94 95.5 93.8 89.1 91.2 93.2 96.8 94.1 92.1 89.1 99.2 93.8 87.1 95.2 92 94.2 89.2 99.5 98.3 93.6 89.7 96.2 97 89.1
K5 186.6 183.1 186.7 183 185.3 185.3 180.6 182.8 188.3 189.9 188.3 186.3 180.5 186.1 185.4 183.5 185.8 180.6 180.8 184 189.2 185.8 182.5 186 180.8 178.4 179
Waktu (detik) K6 K7 63.1 195.5 62.6 195.1 59.2 189.2 60.4 189.7 57.6 192.7 62 196.1 61.4 190.9 56.8 190.8 56.8 191.1 62.6 195.3 61.7 189.1 56.4 189.2 58 195.7 63.3 193.8 62.9 191.5 57.3 194.3 61.5 191.7 59.8 190.7 61.4 195.6 61.8 192.4 61 194.2 58.1 189.5 58.2 196.7 63.6 192.8 56.6 193.4 57.7 193.7 57.4 189.7
K8 349.4 344.2 342.2 348.8 352.6 345.9 345.9 344.6 352.5 352.2 344.5 343.4 343.3 339.9 353.9 351.1 341.7 345.8 342.3 350.4 346.6 349.1 347.9 347.8 344.7 349.9 353.9
K9 941.3 941.3 944 939.4 943.7 941 945.1 940.9 938.5 943.7 938.1 940.3 939.2 941.3 943.2 944.1 942.7 945.2 941.9 940.6 940.9 945.3 938.1 941.3 940.6 944.1 943.3
K10 811.1 796.7 810.2 803 803.6 808.5 810.1 807.3 799.1 808.3 812.1 805.7 806.3 797.9 795.5 807.2 797 801.4 802.5 799.3 796.1 812.1 802.2 801.3 803.5 810.6 804.7
K11 646.6 644.3 639.7 640.3 644.5 644.7 646.1 642.6 640.8 644.4 641.5 646 647 644.7 641.3 644.7 639.9 640.2 641.7 643 640.7 643.2 641.2 642.1 642 639.6 643.7
K12 251.4 253.1 255.7 249.3 250.8 255.7 252.7 253.1 251.1 254 251.2 256.5 251.1 250.9 255.3 254.3 256.7 251.2 251.5 249.6 251.8 255.3 250.9 252.7 251.4 256.5 249.5
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
28 29 30
717.7 714.6 716.9
945.8 936.2 944
198.4 198.7 196.2
98.1 97.9 98.6
189.6 183.9 184
62.7 57.2 56.3
194.9 192.1 193.9
346.6 351.1 348.8
941.8 945.9 943.3
805.1 804.3 810.1
646.1 645.1 643.9
252.5 255 249.4
Tabel 5.3. Waktu Siklus Rata-rata Tenaga Kerja pada Operasi Pembuatan Spring Bed Tipe Golden Pengamatan 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
K1 708.5 707.7 703.1 705.1 703.5 709.8 708.3 703.3 708.7 709.5 702.3 702.5 705.5 707.3 702.6 709.2 704.5 705.7 709.9 708.3 702.1 703.7 705.9
K2 941.3 942.7 946 940.6 936.3 941.7 940.1 939.8 945.2 939.6 938.1 945.5 939.9 941.6 936.8 943.3 943.5 938.7 943.9 943.4 939.8 937 945.5
K3 184.4 180.5 181.7 178.1 180.9 181.3 183.2 184.1 178.2 183.9 183.2 180.9 182.4 180.6 179.8 184.5 181.1 184.7 182.7 181.5 179.7 182.6 180.2
K4 92.5 92.8 94.5 98.5 89.2 90.4 95 94.8 89.8 94.8 95.8 90.1 98 89.4 91.4 99.4 99 92.7 99.7 97.8 93 96.9 92.7
K5 180.3 181.1 187.1 181.2 180.5 181.8 186.3 187 186.1 181.9 178.2 179.5 182.5 184.1 182.5 184.4 178.6 187.3 186.8 183.6 183.7 186.8 181.4
Waktu (detik) K6 K7 61.4 194.3 56.2 195.8 60.8 189.1 60.3 195.2 62.9 193.1 57.1 189.5 63.4 195 61.3 196 62.3 191.7 57.4 191 60.1 192.5 58.4 191.5 57.2 192.4 62.5 192.2 58.7 191.8 63.2 194.6 60.6 193.6 61.3 195.1 56.8 189.2 60.7 196.8 62.6 190.2 60.7 192.1 62.3 194
K8 345.4 338.7 340 348.2 345.2 349.6 347.9 348 354.6 342.2 344.3 344.1 351.2 344.2 350.4 352.7 347.9 347.9 347.6 345.3 348.1 341.2 347
K9 935.5 931.3 929.1 932 931 931 932.4 936 929.3 930.6 934.1 930 935.7 936.2 930.8 934 936.1 930.9 933 933.5 932.3 934 933.6
K10 801.3 811.3 808.7 802.3 801.2 798.6 800 795.9 811.5 808.6 799.7 810.2 797.2 797.3 799.9 804.5 801.4 798.1 809.4 797.9 806.9 803.2 808.9
K11 642.4 644 642.7 642.9 644.4 639.5 639.3 639.3 645 644.1 644 640.6 644.5 642.9 640.4 640.9 640.4 643.7 641.5 642.3 643.8 643.9 645.9
K12 252.3 256.5 255.7 253.8 251.9 251.7 252.3 255.5 254.7 251.6 256.5 252.8 254 255.5 253.5 251.3 256.7 249.7 249.6 254.8 252.1 256.6 249.1
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
24 25 26 27 28 29 30
707.2 702.2 707.8 703.3 705.8 709.4 706.9
945.4 944.7 945.7 943.3 939.5 940.8 945.5
179.8 184.2 182.6 185.4 181.3 185.3 182
97.4 91.3 92.6 94.3 93.5 90.8 90.6
185.7 182.4 178.2 185.4 187.7 183.3 185.3
59.4 58.5 60.2 56.4 61.5 59 56.2
190.5 189.3 191.4 191.1 194.4 191.5 189
345.7 346.9 353.1 347.9 339 350.4 350.8
932.8 930.4 936.6 933.6 931.1 929.3 936.1
810.1 812.8 800.8 809.8 810.6 809.4 799.4
643.8 643.1 646.1 640 642.3 647 646.8
249.8 252.5 252.2 251.4 255.7 252.7 251.2
K11 640.2 644.2 646.2 642.2 645 643.6 642.8 645.6 642 645.6 639.3 643.8 643.3 645.1 639.5 643.9 639.7 644 640.1
K12 251.5 252.5 254.5 251.1 256.1 254.9 249.3 256.2 250.7 254.7 252.3 255.7 249.4 250.2 250.8 251.1 254.2 250.4 251.5
Tabel 5.4. Waktu Siklus Rata-rata Tenaga Kerja pada Pembuatan Spring Bed Tipe Silver
Pengamatan 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
K1 705.3 702.8 703 709.1 708.3 709.3 704.8 703.4 704.4 704.5 703.5 706 706.8 707.4 706.2 703.1 707.9 706.5 705
K2 939.2 939.7 944.9 942.3 942 938.5 945.9 938.9 937.6 942.1 943.1 942.2 937.3 943.4 936.2 942.9 940.4 937.7 941.1
K3 182.1 179.9 183.1 184.9 182.8 183.7 184.6 180.9 184.7 184.5 185.5 185.1 178.9 183.8 185.7 181.3 179.8 182.9 182.5
K4 91.3 95.3 91.5 92.2 94.1 95.5 92.4 93.5 87.2 88.5 97.8 93.2 94.8 97.1 92 98.7 89.3 99.6 94.7
K5 181.6 180 182 187.9 187.3 179.8 183.1 184.7 183.5 186.2 185 181.8 180.3 181.6 181.8 180 186.9 187 183.3
Waktu (detik) K6 K7 62.2 192.6 58.9 192.8 61.5 196.5 59.4 195.7 57.2 195.7 62.4 196.9 58.8 190.7 56.9 194.5 57.3 195 58.1 196.4 63.9 195.5 57.4 193.5 61 194.6 61.6 193.2 62.9 196.6 56.9 192.4 59.7 190.1 58.6 193.6 63.9 193.3
K8 343.6 352.8 342.8 341.2 353.9 350.9 347.6 344.4 347.6 352.8 351.9 348.1 346.1 340.2 350.3 343.2 347.1 342.7 350.7
K9 933.2 929.9 930.9 935.7 932.6 930.3 930 933.3 936.5 931.8 935.1 934.1 931.4 936.1 931.8 930.5 932.3 929.1 933.9
K10 803.2 803 805.2 812.5 796.6 811.8 808.7 807.3 808.3 802.7 807.4 795.8 797.4 798.3 803 809.1 809.4 802.8 812.2
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
20 21 22 23 24 25 26 27 28 29 30
709.8 703.5 706.6 706.7 709.4 707.6 704 704.1 702.7 704.9 709.9
945.7 941.1 943.7 945.9 942.1 942 937.4 943.7 940 936.4 940.6
185.5 181.1 178.8 181.2 182.2 178.5 178.9 179.8 178.8 183.4 179.8
89.1 97.9 98.1 90.8 93.2 94.8 92.5 87.4 90.8 99.4 96.3
184.7 178.4 183 182 186.1 187.9 181.2 184.4 182 186.5 185.9
62.9 56.1 58.9 61.8 62.8 63.6 62.3 62 62.4 56.1 57.1
194.9 196.4 192.1 191.8 196.4 192.7 192.6 195 191.6 190.5 191.4
339.5 350.9 344.5 347.9 345.4 348.9 347.8 351 343.8 338.8 352
934.5 932.4 930 933 933.9 936.3 929.4 932.5 935 935.7 934.2
803.2 806.5 812.6 801.2 811.2 802 812.1 799.8 808.8 803.4 807.4
642.4 645.2 639.4 643.2 639.8 646.3 640 641.2 646.4 642.7 642.1
250.4 256.8 253.7 253.2 255.4 256.7 255.6 255.5 249 256.1 253.5
Tabel 5.5. Waktu Siklus Rata-rata Tenaga Kerja pada Pembuatan Spring Bed Tipe Bigline
Pengamatan 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
K1 1351.2 1353.2 1352.9 1353.2 1355.2 1353.5 1351.8 1350.7 1348.6 1353.8 1351 1354.3 1351.1 1352.9 1348.8
K2 943.3 938.9 936.5 941.5 943.7 942.5 945.3 938.3 938.1 943.3 937.7 944.2 942.2 942.1 943.8
K3 176.4 178.4 174.2 177.1 173.3 177.3 176.4 172.1 173.5 175.7 178.4 173.9 177.7 172.3 174.2
K4 92.8 94.1 93.8 92.6 98.6 95.1 95.1 88.9 94.6 94.7 89.4 98.1 89.9 97.9 87.3
K5 172.4 173.6 165.8 170.6 170.2 168.4 174.2 166.5 173 170.4 171.1 166.5 167.4 168 172.5
Waktu (detik) K6 K7 61.8 194.5 56.7 190.2 58.6 189.2 58.5 189.5 62.1 195 56.8 189.5 58.9 191.6 60.3 192.5 56.7 191.3 61.2 196.6 63.7 194.1 63 196.4 63.2 190 58.3 194.1 63.1 196.5
K8 348.1 348.7 345.7 349 345.5 346 346 345 351.4 348.9 349.7 347.5 344.2 342.1 353.7
K9 930 929.8 936.6 933.8 935.6 936.8 932.4 929.5 934.5 934.7 930.3 936.4 930.8 936.7 934.4
K10 810.6 799.3 805.3 811.3 800.9 811.5 807.9 801 797.1 810.6 800.8 812.7 799.9 798.4 811.5
K11 643.2 644.4 639.8 645.5 645.8 640.3 643 645.5 643.1 642.2 643.1 644.2 643.1 645.2 640
K12 251.6 256.5 249.3 254.3 255.7 250 253.4 256.3 256.4 251.4 254.3 256.9 256.9 252.7 252.4
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
1354.3 1348.2 1354.1 1353.8 1354.8 1352.3 1354.7 1351.9 1349.4 1348.3 1351.4 1350.8 1348.7 1353.8 1351.2
937.7 938.2 942.7 944.1 938.4 945.3 942.9 944.9 944.1 937.5 943.2 941.2 942.2 943.3 939
176.9 172.7 174.7 176.9 174 176.2 173.5 175.6 178.3 177.7 178.5 172.2 176 173.1 178.9
88.4 94.7 91 98.4 98.1 93.7 87.1 93.3 92.8 87.5 92.9 95.9 89.7 92.7 95.6
172.7 167.4 166.1 173.3 171.5 167.6 166.2 165.9 171.7 173.8 168.2 170.9 167.8 174.1 172.4
61.9 63.7 56.9 57.3 58 57.5 63.6 62.1 57.2 63.1 60.9 58.2 62.7 60.4 63.3
191 189.8 189.6 191.9 194.7 192.1 195.9 196.1 193.4 191.6 189.8 190.5 192.5 196.8 195.3
353.3 341.5 346.4 346.4 347.2 350.1 345.9 345.2 347.6 342.7 351.1 350.2 350.9 345.4 349.6
933.2 933.9 933 931.6 934.8 933.6 935.7 931.8 934 935.6 934 932.9 933.9 935.1 930
812.6 809.3 799.1 811.6 806.8 808.5 795.1 795.5 796.7 795.6 808.4 800.5 797 799.6 798.9
640.7 639.2 641.6 644 641 642.1 640.7 643.3 641.9 640.1 643.2 642.6 645.2 642.9 641.4
253.9 254 251.2 250 250.2 256.6 249.5 251.8 252.9 252.8 255.2 256.7 250.1 251.1 250.5
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5.1.3. Data Jumlah Tenaga Kerja Jumlah tenaga kerja pada PT. Cahaya Kawi Ultra Polyintraco untuk bagian produksi matras dapat dilihat pada Tabel 5.6.
Tabel 5.6. Data Jumlah Tenaga Kerja Produksi Matras Spring bed Departemen Produksi
Jlh Tenaga Kerja (orang)
Perakitan Per bulat mesin RAM
1
Perakitan Per bulat RAM manual
1
Perakitan Kawat lis
2
Penjahitan Kain Quilting
1
Pemotongan
2
Penjahitan
3
Perekatan dengan per
3
Penjahitan lis
1
Pembungkusan
2
Total
16
Sumber PT. Cahaya Kawi Ultra Polyintraco
5.1.4. Data Jumlah Hari Kerja Produksi spring bed di PT. Cahaya Kawi Ultra Polyintraco dilaksanakan pada hari Senin sampai Jumat. Jam kerja pada hari Sabtu hanya setengah hari dan hanya untuk karyawan kantor. Dalam penelitian ini yang menjadi kendala adalah jam kerja bagian produksi. Rata-rata jumlah hari kerja efektif bagian produksi pada PT. Cahaya Kawi Ultra Polyintraco dalam satu bulan adalah 20 hari kerja. Untuk 1 hari jam kerja adalah 7,5 jam. Adapun jumlah waktu kerja yang tersedia pada bagian produksi PT. Cahaya Kawi Ultra Polyintraco selama tahun 2009 dapat dilihat pada Tabel 5.7.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.7. Data Waktu Kerja Tersedia Tahun 2009
Bulan
Jumlah Hari Kerja
Total Waktu
Total Waktu
Total Waktu
Kerja Tersedia
Kerja Tersedia
Kerja Tersedia
(jam)
(menit)
(detik)
Januari
18
135
8100
486000
Februari
20
150
9000
540000
Maret
20
150
9000
540000
April
21
157.5
9450
567000
Mei
20
150
9000
540000
Juni
22
165
9900
594000
Juli
22
165
9900
594000
Agustus
20
150
9000
540000
September
17
127.5
7650
459000
Oktober
22
165
9900
594000
November
20
150
9000
540000
Desember
17
127.5
7650
459000
Jumlah
239
1792.5
107550
6453000
Sumber: PT. Cahaya Kawi Ultra Polyintraco
5.1.5. Data Penjualan
Data penjualan matras spring bed dari PT. Cahaya Kawi Ultra Polyintraco diperlukan untuk meramalkan jumlah permintaan akan produk tersebut pada masa yang akan datang. Data penjualan yang dikumpulkan adalah penjualan selama 2 tahun terakhir yaitu 2007 dan 2008. Data penjualan tersebut dapat dilihat pada Tabel 5.8.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.8. Total Penjualan Spring bed Periode Tahun 2007-2008 Bulan
Platinum (unit)
Golden (unit)
Silver (unit)
Bigline (unit)
2007
2008
2007
2008
2007
2008
2007
2008
Januari
147
182
68
71
434
457
73
75
Februari
162
187
64
79
437
473
60
66
Maret
147
179
60
77
456
482
67
87
April
141
184
58
73
461
448
73
70
Mei
203
182
55
72
464
478
61
73
Juni
184
180
46
74
425
473
80
68
Juli
151
181
56
74
456
434
65
73
Agustus
176
175
51
77
443
446
64
77
September
178
186
62
74
442
484
56
78
Oktober
181
188
63
72
429
454
53
66
November
185
169
57
65
468
442
48
72
Desember
186
187
59
76
453
467
47
73
Jumlah
2041
2180
699
884
5368
5538
747
878
Sumber: PT. Cahaya Kawi Ultra Polyintraco
5.1.6. Data Pemakaian dan Kapasitas Gudang Bahan Baku Pemakaian bahan baku dan bahan tambahan berbeda-beda tergantung dari jenis produk yang akan diproduksi. Gudang bahan baku juga memiliki kapasitas terbatas. Data pemakaian dari bahan baku dan bahan tambahan untuk tiap jenis matras spring bed dapat dilihat pada Tabel 5.9. Untuk kapasitas gudang per bulan dapat dilihat pada Tabel 5.10.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.9. Data Pemakaian Bahan untuk Matras Tiap Jenis Spring Bed Tipe Spring bed
Nama
Satuan
Quilting matras ((3/2,4/1,4/1,4)cm)
meter
4
4
4
4
Quilting (tabung)
meter
1.2
1.2
1.2
1.2
Lis panah emas
meter
16.3
16.3
16.3
16.3
Benang nylon
meter
220.4
220.4
220.4
220.4
Per bulat
buah
510
450
430
430
Per pinggir
buah
48
48
48
48
Kawat lilit 1,4 mm
kg
2,8
2,8
2,8
2,8
Kawat lis 4,2 mm
btg
4
4
4
4
312
312
312
312
Platinum
Golden
Silver
Bigline
1. Kain
2. Per
CL-73
buah
3. Busa NG ( 2,5 cm)
lembar
2
-
-
-
A II ((2/2,5/2/1,5)cm)
lembar
2
2
2
2
A I (busa sudut)
meter
0.22
0.22
0.22
0.22
AA (tabung)
meter
1.4
1.4
1.4
1.4
Hardpadd
m
3.8
3.8
3.8
3.8
Kain blacu
m
3.6
3.6
3.6
3.6
HR-22
btg
8
8
8
8
Lubang angin emas
set
8
8
8
8
Label matras
buah
1
1
1
1
Label tabung
buah
1
1
1
1
Karton sudut
buah
4
4
4
4
Stiker
buah
1
1
1
1
Isolatif
meter
13.8
13.8
13.8
13.8
Plastik mika
meter
6.1
6.1
6.1
6.1
Kartu garansi
buah
1
1
1
1
0.5
0.5
0.5
0.5
4. Umum
Latex
kg
Sumber: PT. Cahaya Kawi Ultra Polyintraco
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Gudang memiliki kapasitas terbatas untuk bahan baku per bulat, kain quilting dan busa. Hal ini disebabkan biaya simpan tinggi untuk ketiga jenis bahan ini. Selain itu, bahan baku per bulat dan kain quilting juga sering mengalami kendala dalam persediaan karena harus menunggu pengiriman. Sementara bahanbahan lainnya tidak memiliki kendala dalam kapasitas gudang dan juga dalam persediaan bahan di gudang. Oleh karena itu kapasitas bahan yang menjadi kendala penelitian ini adalah per bulat, kain quilting dan busa. Tabel 5.10. Kapasitas Gudang No
Nama Bahan
Satuan
Kapasitas/bulan
1
Per bulat
Unit
330000
3
115 700
2
Kain quilting
m
3
Busa
m3
Sumber: PT. Cahaya Kawi Ultra Polyintraco
5.1.7. Data Jumlah Produksi yang Memenuhi Batasan BEP Perusahaan menetapkan jumlah produksi minimum yang harus dicapai untuk dapat memenuhi batasan break even point dalam unit produksi. Perusahaan dikatakan dalam keadaan break even apabila jumlah penghasilannya adalah sama dengan jumlah biaya. Jumlah produksi minimum untuk bulan Mei-Juli dapat dilihat pada Tabel 5.11. Tabel 5.11. Jumlah Produksi Minimum Perusahaan Bulan
Jumlah Produksi Minimum Platinum
Golden
Silver
Bigline
Mei
169
45
362
68
Juni
163
44
358
57
Juli
146
44
390
57
Sumber: PT. Cahaya Kawi Ultra Polyintraco Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5.2.
Pengolahan Data
5.2.1. Penentuan Fungsi Tujuan Fungsi tujuan dari model ini adalah untuk memaksimumkan laba (Z) dari setiap spring bed yang diproduksi. Pada Tabel 5.1. telah dipaparkan bahwa laba dari setiap penjualan spring bed adalah : 1. Platinum : Rp. 235.000,-/ unit 2. Golden
: Rp. 135.000,-/ unit
3. Silver
: Rp. 118.000,-/ unit
4. Bigline
: Rp. 95.000,-/ unit
Secara matematis formulasi untuk fungsi tujuan dapat dituliskan sebagai berikut : n
Maksimumkan Z =
∑ C .X j =1
j
j
Z = laba yang ingin dicapai dari seluruh spring bed yang diproduksi Cj = laba untuk produk spring bed ke-j Xj = jumlah produksi optimal (variabel keputusan jenis spring bed ke-j) j = jenis spring bed ke-1,2,...,n Dimana variabel keputusan yang akan dicari solusi optimalnya adalah : X1 = Spring bed Tipe Platinum X2 = Spring bed Tipe Golden X3 = Spring bed Tipe Silver X4 = Spring bed Tipe Bigline Maka formulasi fungsi tujuan dari penelitian ini dapat dituliskan sebagai berikut : Max Z = 235000X1 + 135000 X2 + 118000 X3 + 95000 X4
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5.2.2. Penentuan Fungsi Kendala Pertama 5.2.2.1. Uji Keseragaman dan Kecukupan Data Waktu Siklus Tenaga Kerja. Uji keseragaman data dilakukan untuk melihat apakah data yang diambil sudah seragam atau tidak. Data dikatakan seragam apabila data berada pada batas kontrol atas (BKA) dan batas kontrol bawah (BKB). Perhitungan uji keseragaman data untuk spring bed platinum adalah sebagai berikut : 1.
Mengelompokkan data ke dalam subgrup dengan anggota yang sama secara berurutan. Pengelompokkan data ini dapat dilihat pada Tabel 5.12.
Tabel 5.12. Pengelompokan Data Waktu Kecepatan Rata-rata Operasi Perakitan Per Bulat (K1) dalam Sub Grup Sub Grup
Anggota Sub Grup (menit)
Harga rata-rata
1
710.9
708.2
711.3
708.9
712.4
708.8
710.1
2
717.0
708.9
709.9
712.5
714.7
715.6
713.1
3
717.9
716.1
714.3
717.6
715.2
709.9
715.2
4
708.3
714.7
714.2
712.0
713.3
710.2
712.1
5
717.4
712.9
712.9
717.7
714.6
716.9
715.4
Jumlah
2.
3565.9
Menentukan nilai rata-rata dan standar deviasi (x) =
∑x k
i
=
3565.9 = 713.2 5 2
∑ xi − x σ= = n −1
(710.9 − 713.2)2 + (708.2 − 713.2)2 + ... + (716.9 − 713.2)2 30 − 1
= 3.1
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
3.
Menentukan nilai batas kontrol atas (BKA) dan batas kontrol bawah (BKB) BKA = x + k σ = 713.2 + (2 x 3.1) = 719.4 BKB = x - k σ = 713.2 - (2 x 3.1) = 706.9
Gambar 5.1. Control Chart Uji Keseragaman
Dari Gambar 5.1 dapat dilihat bahwa semua data pengamatan berada dalam batas kontrol. Hal ini berarti data yang dikumpulkan seragam. Rekapitulasi hasil pengujian keseragaman waktu siklus untuk jenis springbed platinum dapat dilihat pada Tabel 5.13.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.13. Uji Keseragaman Data Waktu Siklus Pembuatan Spring Bed Tipe Platinum Stasiun Kerja
Perakitan Per bulat
Perakitan Kawat lis
Penjahitan Kain Quilting
Elemen
(K1)
(K2)
(K3)
(K4) Pemotongan
(K5)
Subgrup
Anggota Sub Grup (detik)
1
710.9
708.2
711.3
708.9
712.4
708.8
2
717.0
708.9
709.9
712.5
714.7
715.6
3
717.9
716.1
714.3
717.6
715.2
709.9
4
708.3
714.7
714.2
712.0
713.3
710.2
5
717.4
712.9
712.9
717.7
714.6
716.9
1
943.2
945.9
942.0
939.4
942.8
940.9
2
944.9
945.5
945.9
938.2
944.9
936.7
3
937.9
938.7
937.2
936.1
939.3
937.2
4
941.4
939.7
938.8
939.0
936.4
940.3
5
945.8
941.4
944.9
945.8
936.2
944.0
1
199.4
197.6
198.4
196.3
196.0
192.8
2
193.2
197.8
197.1
198.8
197.5
194.9
3
195.8
195.2
197.3
199.4
192.9
198.7
4
197.0
197.2
199.7
195.1
197.3
199.2
5
196.8
192.7
195.2
198.4
198.7
196.2
1
91.3
92.9
90.6
94.0
95.5
93.8
2
89.1
91.2
93.2
96.8
94.1
92.1
3
89.1
99.2
93.8
87.1
95.2
92.0
4
94.2
89.2
99.5
98.3
93.6
89.7
5
96.2
97.0
89.1
98.1
97.9
98.6
1
186.6
183.1
186.7
183.0
185.3
185.3
2
180.6
182.8
188.3
189.9
188.3
186.3
3
180.5
186.1
185.4
183.5
185.8
180.6
4
180.8
184.0
189.2
185.8
182.5
186.0
σ
BKA
BKB
Keterangan
713.2
3.1
719.4
706.9
Seragam
941
3.4
947.8
934.2
Seragam
196.8
2
200.9
192.7
Seragam
93.7
3.5
100.7
86.8
Seragam
184.4
3.1
190.6
178.2
Seragam
x
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5
180.8
178.4
179.0
189.6
183.9
184.0
Tabel 5.13. Uji Keseragaman Data … (Lanjutan) Stasiun Kerja
Elemen kegiatan
(K6)
Pemotongan
(K7)
(K8)
Penjahitan
(K9)
Subgrup
Anggota Sub Grup (detik)
1
63.1
62.6
59.2
60.4
57.6
62.0
2
61.4
56.8
56.8
62.6
61.7
56.4
3
58.0
63.3
62.9
57.3
61.5
59.8
4
61.4
61.8
61.0
58.1
58.2
63.6
5
56.6
57.7
57.4
62.7
57.2
56.3
1
195.5
195.1
189.2
189.7
192.7
196.1
2
190.9
190.8
191.1
195.3
189.1
189.2
3
195.7
193.8
191.5
194.3
191.7
190.7
4
195.6
192.4
194.2
189.5
196.7
192.8
5
193.4
193.7
189.7
194.9
192.1
193.9
1
349.4
344.2
342.2
348.8
352.6
345.9
2
345.9
344.6
352.5
352.2
344.5
343.4
3
343.3
339.9
353.9
351.1
341.7
345.8
4
342.3
350.4
346.6
349.1
347.9
347.8
5
344.7
349.9
353.9
346.6
351.1
348.8
1
941.3
941.3
944.0
939.4
943.7
941.0
2
945.1
940.9
938.5
943.7
938.1
940.3
3
939.2
941.3
943.2
944.1
942.7
945.2
4
941.9
940.6
940.9
945.3
938.1
941.3
5
940.6
944.1
943.3
941.8
945.9
943.3
x
σ
BKA
BKB
Keterangan
59.8
2.5
64.9
54.8
Seragam
192.7
2.4
197.4
188
Seragam
347.4
3.9
355.1
339.7
Seragam
942
2.2
946.4
937.6
Seragam
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.13. Uji Keseragaman Data ... (Lanjutan) Stasiun Kerja
Perekatan dengan per
Penjahitan lis
Pembungkusan
Elemen kegiatan
(K10)
(K11)
(K12)
Subgrup
Anggota Sub Grup (detik)
1
811.1
796.7
810.2
803.0
803.6
808.5
2
810.1
807.3
799.1
808.3
812.1
805.7
3
806.3
797.9
795.5
807.2
797.0
801.4
4
802.5
799.3
796.1
812.1
802.2
801.3
5
803.5
810.6
804.7
805.1
804.3
810.1
1
646.6
644.3
639.7
640.3
644.5
644.7
2
646.1
642.6
640.8
644.4
641.5
646.0
3
647.0
644.7
641.3
644.7
639.9
640.2
4
641.7
643.0
640.7
643.2
641.2
642.1
5
642.0
639.6
643.7
646.1
645.1
643.9
1
251.4
253.1
255.7
249.3
250.8
255.7
2
252.7
253.1
251.1
254.0
251.2
256.5
3
251.1
250.9
255.3
254.3
256.7
251.2
4
251.5
249.6
251.8
255.3
250.9
252.7
5
251.4
256.5
249.5
252.5
255.0
249.4
x
σ
BKA
BKB
Keterangan
804.4
5.1
814.6
794.3
Seragam
643.1
2.2
647.6
638.6
Seragam
252.7
2.3
257.3
248.1
Seragam
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Uji keseragaman data untuk tipe golden, silver dan bigline juga dilakukan seperti cara pada tipe platinum. Perhitungannya dapat dilihat pada Lampiran 3. Hasil uji keseragaman data untuk tipe golden, silver dan bigline dapat dilihat pada Tabel 5.14, 5.15 dan Tabel 5.16.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.14. Uji Keseragaman Data Waktu Siklus Pembuatan Spring Bed Tipe Golden Stasiun kerja
Elemen kegiatan
Σ
x
BKA
BKB
Keterangan
Perakitan Per bulat
(K1)
706
2.6
711.3
700.7
Seragam
Perakitan Kawat lis
(K2)
941.8
2.9
947.7
936
Seragam
Penjahitan Kain Quilting
(K3)
182
2
186
178
Seragam
(K4)
94
3.2
100.4
87.5
Seragam
(K5)
183.4
2.9
189.2
177.5
Seragam
(K6)
60
2.2
64.5
55.5
Seragam
(K7)
192.5
2.3
197
187.9
Seragam
(K8)
346.9
4
354.9
338.8
Seragam
(K9)
932.7
2.3
937.4
928.1
Seragam
Perekatan dengan per
(K10)
804.2
5.4
815
793.5
Seragam
Penjahitan lis
(K11)
642.9
2.2
647.3
638.5
Seragam
Pembungkusan
(K12)
253.1
2.3
257.7
248.6
Seragam
Pemotongan
Penjahitan
Tabel 5.15. Uji Keseragaman Data Waktu Siklus Pembuatan Spring Bed Tipe Silver Stasiun kerja
Elemen kegiatan
x
σ
BKA
BKB
Keterangan
Perakitan Per bulat
(K1)
705.9
2.3
710.4
701.3
Seragam
Perakitan Kawat lis
(K2)
941.1
2.8
946.8
935.5
Seragam
Penjahitan Kain Quilting
(K3)
182.2
2.4
186.9
177.4
Seragam
(K4)
93.6
3.5
100.7
86.6
Seragam
(K5)
183.5
2.7
188.9
178.1
Seragam
(K6)
60.2
2.6
65.3
55.0
Seragam
(K7)
193.8
2
197.9
189.8
Seragam
(K8)
346.9
4.3
355.5
269.4
Seragam
(K9)
932.8
2.2
937.3
928.4
Seragam
Perekatan dengan per
(K10)
805.4
5.0
815.4
795.4
Seragam
Penjahitan lis
(K11)
642.8
2.3
647.4
638.2
Seragam
Pembungkusan
(K12)
253.1
2.5
258.1
248.1
Seragam
Pemotongan
Penjahitan
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.16. Uji Keseragaman Data Waktu Siklus Pembuatan Spring Bed Tipe Bigline Stasiun kerja
Elemen
x
kegiatan
σ
BKA
BKB
Keterangan
Perakitan Per bulat
(K1)
1352
2.1
1356.2
1347.7
Seragam
Perakitan Kawat lis
(K2)
941.5
2.7
947
936.1
Seragam
Penjahitan Kain Quilting
(K3)
175.5
2.2
179.9
171.2
Seragam
(K4)
93.2
3.4
100
86.3
Seragam
(K5)
170
2.9
175.7
164.3
Seragam
(K6)
60.3
2.6
65.5
55.2
Seragam
(K7)
192.7
2.6
197.9
187.6
Seragam
(K8)
347.5
3.1
353.6
341.4
Seragam
(K9)
933.5
2.2
937.9
929.1
Seragam
Perekatan dengan per
(K10)
803.8
6.2
816.1
791.5
Seragam
Penjahitan lis
(K11)
642.6
1.9
646.3
638.9
Seragam
Pembungkusan
(K12)
253.2
2.5
258.2
248.1
Seragam
Pemotongan
Penjahitan
Sedangkan uji kecukupan data dilakukan untuk melihat apakah jumlah data yang diambil pada saat pengamatan mencukupi untuk dilakukan perhitungan. Pada penelitian ini digunakan tingkat ketelitian 5 % dan tingkat kepercayaan sebesar 95%. Untuk menghitung kecukupan data dapat dihitung dengan rumus sebagai berikut :
40 N'=
2 N N N X 2 j − X ∑ j ∑ j =1 j =1 N X ∑ j j =1
2
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
dimana : N = jumlah pengamatan pendahuluan yang dilakukan N’= jumlah pengamatan yang diperlukan Xj = data pengamatan ke-j (j=1,2,3,...,n) Perhitungan uji kecukupan data untuk spring bed platinum stasiun perakitan per bulat yaitu :
( (
))
40 30 710.9 2 + 708.2 2 + ... + 716.9 2 − (710.9 + 708.2 + ... + 716.9 )2 N'= (710.9 + 708.2 + ... + 716.9)
2
N '= 0,03
Karena N’< N maka data yang dikumpulkan dinyatakan cukup. Rekapitulasi hasil pengujian kecukupan data untuk tiap jenis spring bed dapat dilihat pada Tabel 5.17, 5.18, 5.19 dan Tabel 5.20.
Tabel 5.17. Uji Kecukupan Data Waktu Siklus Pembuatan Spring Bed Tipe Platinum Stasiun kerja
Elemen
N’
kegiatan
Keterangan
Perakitan Per bulat
(K1)
0.03
Cukup
Perakitan Kawat lis
(K2)
0.02
Cukup
Penjahitan Kain Quilting
(K3)
0.17
Cukup
(K4)
2.12
Cukup
(K5)
0.44
Cukup
(K6)
2.72
Cukup
(K7)
0.23
Cukup
(K8)
0.19
Cukup
(K9)
0.01
Cukup
Perekatan dengan per
(K10)
0.06
Cukup
Penjahitan lis
(K11)
0.02
Cukup
Pembungkusan
(K12)
0.13
Cukup
Pemotongan
Penjahitan
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.18. Uji Kecukupan Data Waktu Siklus Pembuatan Spring Bed Tipe Golden Stasiun kerja
Elemen
N’
kegiatan
Keterangan
Perakitan Per bulat
(K1)
0.02
Cukup
Perakitan Kawat lis
(K2)
0.02
Cukup
Penjahitan Kain Quilting
(K3)
0.19
Cukup
(K4)
1.81
Cukup
(K5)
0.39
Cukup
(K6)
2.17
Cukup
(K7)
0.21
Cukup
(K8)
0.21
Cukup
(K9)
0.01
Cukup
Perekatan dengan per
(K10)
0.07
Cukup
Penjahitan lis
(K11)
0.02
Cukup
Pembungkusan
(K12)
0.12
Cukup
Pemotongan
Penjahitan
Tabel 5.19. Uji Kecukupan Data Waktu Siklus Pembuatan Spring Bed Tipe Silver Stasiun kerja
Elemen
N’
kegiatan
Keterangan
Perakitan Per bulat
(K1)
0.02
Cukup
Perakitan Kawat lis
(K2)
0.01
Cukup
Penjahitan Kain Quilting
(K3)
0.26
Cukup
(K4)
2.19
Cukup
(K5)
0.34
Cukup
(K6)
2.83
Cukup
(K7)
0.17
Cukup
(K8)
0.24
Cukup
(K9)
0.01
Cukup
Perekatan dengan per
(K10)
0.06
Cukup
Penjahitan lis
(K11)
0.02
Cukup
Pembungkusan
(K12)
0.15
Cukup
Pemotongan
Penjahitan
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.20. Uji Kecukupan Data Waktu Siklus Pembuatan Spring Bed Tipe Bigline Stasiun kerja
Elemen
N’
kegiatan
Keterangan
Perakitan Per bulat
(K1)
0.004
Cukup
Perakitan Kawat lis
(K2)
0.01
Cukup
Penjahitan Kain Quilting
(K3)
0.23
Cukup
(K4)
2.11
Cukup
(K5)
0.44
Cukup
(K6)
2.79
Cukup
(K7)
0.27
Cukup
(K8)
0.12
Cukup
(K9)
0.01
Cukup
Perekatan dengan per
(K10)
0.09
Cukup
Penjahitan lis
(K11)
0.02
Cukup
Pembungkusan
(K12)
0.16
Cukup
Pemotongan
Penjahitan
5.2.2.2. Penentuan Rating Factor dan Allowance Waktu normal diperoleh dengan menambahkan rating factor. Tenaga kerja pada bagian produksi memiliki kemampuan kerja normal sehingga p=1. Sedangkan waktu standar diperoleh dengan menambahkan allowance. Penentuan allowance dilakukan secara subjektif dengan menggunakan metode westinghouse. Besarnya nilai allowance untuk setiap stasiun kerja dapat dilihat pada Tabel 5.21.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.21. Allowance Tiap Stasiun Kerja SK
Elemen Kerja
Faktor Tenaga yang dikeluarkan Sikap kerja
S1
S2
S3
2.5 0
Kelelahan mata
3
Keadaan temperatur
3
Keadaan atmosfer
0
Keadaan lingkungan
1
Kebutuhan pribadi
1
Tenaga yang dikeluarkan
7
Sikap kerja
2
Gerakan kerja
0
Perakitan
Kelelahan mata
3
Kawat lis
Keadaan temperatur
2
Keadaan atmosfer
0
Keadaan lingkungan
0
Kebutuhan pribadi
1
Tenaga yang dikeluarkan
6
Sikap kerja
1
Gerakan kerja
0
Kelelahan mata
2
Keadaan temperatur
3
Keadaan atmosfer
0
Keadaan lingkungan
0
Perakitan Per bulat
Penjahitan Kain Quilting
Pemotongan
16.5
15
12.5
0.5
Tenaga yang dikeluarkan
3
Sikap kerja
1
Gerakan kerja
0
Kelelahan mata
4
Keadaan temperatur
2
Keadaan atmosfer
0
Keadaan lingkungan
0
Kebutuhan pribadi
Total (%)
6
Gerakan kerja
Kebutuhan pribadi
S4
Kelonggaran (%)
10.5
0.5
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.21. Allowance ...(Lanjutan) SK
Elemen Kerja
Penjahitan quilting kain
kain dengan
blacu
dan
label
Faktor Tenaga yang dikeluarkan
5
Sikap kerja
1
Gerakan kerja
0
Kelelahan mata
7.5
Keadaan temperatur
2
Keadaan atmosfer
0
Keadaan lingkungan
0
Kebutuhan pribadi
S5
5
Sikap kerja
1
Gerakan kerja
0
Penjahitan lis kain
Kelelahan mata
7.5
quilting
Keadaan temperatur
2
Keadaan atmosfer
0
Keadaan lingkungan
0
Perekatan dengan per
S7
Penjahitan lis
8
Sikap kerja
2
Gerakan kerja
0
Kelelahan mata
3
Keadaan temperatur
2
Keadaan atmosfer
0
Keadaan lingkungan
0
19
15.5
0.5
Tenaga yang dikeluarkan
7
Sikap kerja
2
Gerakan kerja
0
Kelelahan mata
7
Keadaan temperatur
2
Keadaan atmosfer
0
Keadaan lingkungan
0
Kebutuhan pribadi
18
3.5
Tenaga yang dikeluarkan
Kebutuhan pribadi
Total (%)
2.5
Tenaga yang dikeluarkan
Kebutuhan pribadi
S6
Kelonggaran (%)
18.5
0.5
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.21. Allowance ... (Lanjutan) SK
S8
Elemen Kerja
Pembungkusan
Faktor
Kelonggaran (%)
Tenaga yang dikeluarkan
6
Sikap kerja
2
Gerakan kerja
0
Kelelahan mata
2
Keadaan temperatur
2
Keadaan atmosfer
0
Keadaan lingkungan
0
Kebutuhan pribadi
Total (%)
12.5
0,5
5.2.2.3. Perhitungan Waktu Normal dan Waktu Standar 5.2.2.3.1. Waktu Normal Perhitungan waktu normal stasiun kerja perakitan per bulat (K1) adalah : Wn = Waktu siklus rata-rata x (rating factor) Wn = 713.2 x (1) = 713.2 detik Hasil perhitungan waktu normal untuk setiap stasiun kerja spring bed dapat dilihat pada Tabel 5.22.
5.2.2.3.2. Waktu Standar Perhitungan waktu standar stasiun kerja perakitan per bulat (K1) adalah : Ws = Waktu normal x (1 + allowance) Ws = 713.2 x (1 + 0,165) = 830.9 detik Hasil perhitungan waktu standar untuk setiap stasiun kerja spring bed dapat dilihat pada Tabel 5.23.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.22. Waktu Normal pada Tiap Stasiun Kerja Stasiun kerja
Waktu normal (detik)
Elemen kegiatan
Platinum
Golden
Silver
Bigline
Perakitan Per bulat
(K1)
713.2
706
705.9
1352
Perakitan Kawat lis
(K2)
941
941.8
941.1
941.5
Penjahitan Kain Quilting
(K3)
196.8
182
182.2
175.5
(K4)
93.7
94
93.6
93.2
(K5)
184.4
183.4
183.5
170
(K6)
59.8
60
60.2
60.3
(K7)
192.7
192.5
193.8
192.7
(K8)
347.4
346.9
346.9
347.5
(K9)
942
932.7
932.8
933.5
Perekatan dengan per
(K10)
804.4
804.2
805.4
803.8
Penjahitan lis
(K11)
643.1
642.9
642.8
642.6
Pembungkusan
(K12)
252.7
253.1
253.1
253.2
Pemotongan
Penjahitan
Tabel 5.23. Waktu Standar pada Tiap Stasiun Kerja Stasiun kerja
Waktu normal (detik)
Elemen kegiatan
Platinum
Golden
Silver
Bigline
Perakitan Per bulat
(K1)
830.9
822.5
822.4
1575.1
Perakitan Kawat lis
(K2)
1082.2
1083.1
1082.3
1082.7
Penjahitan Kain Quilting
(K3)
221.4
204.8
205.0
197.4
(K4)
103.5
103.9
103.4
103.0
(K5)
203.8
202.7
202.8
187.9
(K6)
66.1
66.3
66.5
66.6
(K7)
212.9
212.7
214.1
212.9
(K8)
409.9
409.3
409.3
410.1
(K9)
1121.0
1109.9
1110.0
1110.9
Perekatan dengan per
(K10)
929.1
928.9
930.2
928.4
Penjahitan lis
(K11)
762.1
761.8
761.7
761.5
Pembungkusan
(K12)
284.3
284.7
284.7
284.9
Pemotongan
Penjahitan
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5.2.2.4. Formulasi Fungsi Kendala Pertama Fungsi kendala pertama merupakan ketersediaan jam kerja tenaga kerja (orang). Diasumsikan bahwa jumlah waktu standar tenaga kerja di setiap stasiun kerja harus lebih kecil atau sama dengan jam kerja yang tersedia. Formulasi yang digunakan untuk merumuskan fungsi kendala pertama ini adalah : n
∑a j =1
ij
X j ≤ Yk = a11 X 1 + a12 X 2 + ...a1n X n ≤ Y1 = a 21 X 1 + a 22 X 2 + ...a 2 n X n ≤ Y2 = a m1 X 1 + a m 2 X 2 + ...a mn X n ≤ Yk
dimana : aij = waktu standar di stasiun kerja i untuk jenis spring bed ke-j Xj = jumlah produksi optimal (variabel keputusan jenis spring bed ke-j) Yk = jam tenaga kerja tersedia pada bulan ke-k i = stasiun kerja, i = 1,2,…,m j = jenis spring bed, j = 1,2,...,n Jumlah waktu standar di stasiun kerja dapat dilihat pada Tabel 5.23. Khusus untuk stasiun kerja perakitan per bulat tipe bigline dipisahkan dengan ketiga tipe lainnya karena tenaga kerja yang mengerjakan berbeda. Demikian juga stasiun kerja penjahitan, elemen kerja K8 dipisahkan dengan K9. Jumlah jam tenaga kerja yang tersedia (Y) dapat dihitung dengan menggunakan rumus = Jumlah tenaga kerja (orang) per stasiun kerja x Waktu kerja tersedia Dimana jumlah tenaga kerja dapat dilihat pada Tabel 5.6, jam kerja tersedia dapat dilihat pada Tabel 5.7. Sebagai contoh jumlah jam kerja yang tersedia stasiun kerja perakitan per bulat pada bulan Mei 2009 adalah : Jlh jam kerja tersedia = 1 x 540000 detik = 5400000 detik Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Rekapitulasi untuk jumlah jam kerja orang tersedia untuk setiap stasiun kerja pada bulan Mei-Juli dapat dilihat pada Tabel 5.24. Tabel 5.24. Ketersediaan Jam Kerja Orang Bulan Mei-Juli 2009 Stasiun kerja
Elemen kegiatan
Ketersediaan Jam Kerja Orang (detik) Mei
Juni
Juli
Perakitan Per bulat mesin RAM
(K1)
540000
594000
594000
Perakitan Per bulat RAM manual
(K1)
540000
594000
594000
Perakitan Kawat lis
(K2)
1080000
1188000
1188000
Penjahitan Kain Quilting
(K3)
540000
594000
594000
(K4- K7)
1080000
1188000
1188000
(K8)
540000
594000
594000
(K9)
1080000
1188000
1188000
Perekatan dengan per
(K10)
1620000
1782000
1782000
Penjahitan lis
(K11)
540000
594000
594000
Pembungkusan
(K12)
1080000
1188000
1188000
Pemotongan Penjahitan
Sehingga formulasi fungsi kendala ketersediaan jam kerja tenaga kerja (orang) untuk bulan Mei 2009 adalah : 1)
830.9 X1+822.5 X2+822.4 X3
≤ 540000
2)
1575.1 X4
≤ 540000
3)
1082.2 X1+1083.1 X2+1082.3 X3+1082.7 X4 ≤ 1080000
4)
221.4 X1+204.8 X2+205 X3+197.4 X4
≤ 540000
5)
586.3 X1+585.6 X2+586.8 X3+570.4 X4
≤ 1080000
6)
409.9 X1+409.3 X2+409.3 X3+410.1 X4
≤ 540000
7)
1121 X1+1109.9 X2+1110 X3+1110.9 X4
≤ 1080000
8)
929.1 X1+928.9 X2+930.2 X3+928.4 X4
≤ 1620000
9)
762.1 X1+761.8 X2+761.7 X3+761.5 X4
≤ 540000
10) 284.3 X1+284.7 X2+284.7 X3+284.9 X4
≤ 540000
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5.2.3. Penentuan dan Formulasi Fungsi Kendala Kedua Fungsi kendala kedua merupakan ketersediaan bahan baku. Diasumsikan bahwa jumlah pemakaian bahan baku harus lebih kecil atau sama dengan ketersediaan
bahan
baku
di
gudang
setiap
bulan.
Formulasi
yang
digunakan untuk merumuskan fungsi kendala kedua ini adalah : n
∑d j =1
ij
X j ≤ K l = d11 X 1 + d12 X 2 + ...d1n X n ≤ K 1 = d 21 X 1 + d 22 X 2 + ...d 2 n X n ≤ K 2 = d m1 X 1 + d m 2 X 2 + ...d mn X n ≤ K l
dimana : dij
= jumlah pemakaian bahan baku i untuk jenis spring bed ke-j
Xj
= jumlah produksi optimal (variabel keputusan jenis spring bed ke-j)
Kl
= rata-rata ketersedian bahan baku di gudang bulan ke-l
j
= jenis spring bed, j = 1,2,...,n
i
= jenis bahan baku, j = 1,2,...,m
Gudang memiliki kapasitas terbatas untuk bahan baku per bulat, kain quilting dan busa. Hal ini disebabkan biaya simpan tinggi untuk ketiga jenis bahan ini. Selain itu, bahan baku per bulat dan kain quilting juga sering mengalami kendala dalam persediaan karena harus menunggu pengiriman. Sementara bahanbahan lainnya tidak memiliki kendala dalam kapasitas gudang dan juga dalam persediaan bahan di gudang. Oleh karena itu kapasitas bahan yang menjadi kendala penelitian ini adalah per bulat, kain quilting dan busa.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Data pemakaian bahan baku yang digunakan dapat dilihat pada Tabel 5.9. Sebagai contoh untuk quilting matras platinum ketebalan yang digunakan adalah 3 cm, maka untuk matras atas dan bawah menjadi 3cm x 2 = 6cm. Demikian juga untuk golden 4.8 cm, silver 2.8 cm dan bigline 2.8 cm. Kapasitas gudang dapat dilihat pada Tabel 5.10. Untuk kain quilting kapasitas gudang adalah 115 m3, maka untuk mencari jumlah ketebalan kain quilting adalah dengan membagi volume dengan panjang dan lebar quilting matras spring bed, yakni : = 115 m3/ (2.06 m x 1.86 m) = 30.01 m = 3001 cm. Untuk bahan baku busa ketebalan platinum yakni busa NG dan AII adalah 4,5 cm, maka untuk matras atas dan bawah menjadi 4.5cm x 2 = 9cm. Demikian juga untuk golden 5 cm, silver 4 cm dan bigline 3 cm. Kapasitas gudang untuk busa adalah 140 m3 , maka untuk mencari jumlah ketebalan busa adalah dengan membagi volume dengan panjang dan lebar busa spring bed, yakni : = 140 m3/ (2 m x 1.8 m) = 38.89 m = 3889 cm. Sehingga formulasi fungsi kendala pemakaian bahan baku untuk satu unit spring bed tiap bulannya adalah: 1) 510 X1 + 450 X2 + 430 X3 + 430 X4 2) 6 X1 + 4.8 X2 + 2.8 X3 + 2.8 X4 3) 9 X1 + 5 X2 + 4 X3 + 3 X4
≤
≤
≤
330000 …per bulat
3889
3001
…kain quilting …busa
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5.2.4. Penentuan Fungsi Kendala Ketiga 5.2.4.1. Peramalan Permintaan Spring bed Peramalan permintaan menggunakan data historis permintaan pada bulan Januari 2007 – Desember 2008. Peramalan ini dilakukan untuk melihat besarnya kemungkinan permintaan terhadap spring bed pada tahun 2009. Hasil peramalan ini digunakan sebagai fungsi pembatas untuk kendala ketiga yaitu target produksi spring bed. Berikut adalah langkah-langkah peramalan : 1. Mendefinisikan tujuan peramalan Tujuan dari peramalan adalah menentukan besarnya permintaan terhadap tiap spring bed tahun 2009. 2. Membuat diagram pencar Pembuatan diagram pencar berguna untuk melihat pola atau tren perkembangan jumlah permintaan. Diagram pencar untuk penjualan spring bed tipe platinum pada Januari 2007 – Desember 2008 berdasarkan Tabel 5.8, dapat dilihat pada Gambar 5.2. 3. Memilih beberapa metode peramalan Dengan melihat pola kecenderungan data pada diagram pencar, maka dipilih metode peramalan analisis deret waktu (time series) yaitu kuadratis dan dekomposisi.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Diagram pencar data penjualan spring bed platinum tahun 2007-2008 210
T o t a l P e n j u a l a n (unit)
200 190 180 170 160 150 140 2
4
6
8
10
12 14 P e r i o de
16
18
20
22
24
Gambar 5.2. Diagram Pencar Penjualan Spring bed Platinum 2007-2008
4. Menghitung parameter fungsi peramalan a. Metode Kuadratis Persamaan Y = a + bt + ct2 Hasil perhitungan parameter peramalan dengan metode kuadratis untuk spring bed tipe platinum dapat dilihat pada Tabel 5.25.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.25. Perhitungan Parameter Peramalan Kuadratis untuk Spring bed Tipe Platinum Bulan
t
Y
t^2
(t^2)^2
tY
t^2*Y
t^3
Januari
1
147
1
1
147
147
1
Februari
2
162
4
16
324
648
8
Maret
3
147
9
81
441
1323
27
April
4
141
16
256
564
2256
64
Mei
5
203
25
625
1015
5075
125
Juni
6
184
36
1296
1104
6624
216
Juli
7
151
49
2401
1057
7399
343
Agustus
8
176
64
4096
1408
11264
512
September
9
178
81
6561
1602
14418
729
Oktober
10
181
100
10000
1810
18100
1000
November
11
185
121
14641
2035
22385
1331
Desember
12
186
144
20736
2232
26784
1728
Januari
13
182
169
28561
2366
30758
2197
Februari
14
187
196
38416
2618
36652
2744
Maret
15
179
225
50625
2685
40275
3375
April
16
184
256
65536
2944
47104
4096
Mei
17
182
289
83521
3094
52598
4913
Juni
18
180
324
104976
3240
58320
5832
Juli
19
181
361
130321
3439
65341
6859
Agustus
20
175
400
160000
3500
70000
8000
September
21
186
441
194481
3906
82026
9261
Oktober
22
188
484
234256
4136
90992
10648
November
23
169
529
279841
3887
89401
12167
Desember
24
187
576
331776
4488
107712
13824
Jumlah
300
4221
4900
1763020
54042
887602
90000
dimana : m
m
i =1
i =1
∂ = (∑ t i2 ) 2 − n∑ t i4 m
m
m
i =1
i =1
i =1
m
m
m
i =1
i =1
i =1
δ = ∑ t i ∑ Yi − n∑ t i Yi
= −18302480
m
m
m
i =1
i =1
i =1
α = ∑ t i2 ∑ t im − n∑ t i3
= −690000
2
= 30708
m m β = ∑ t i − n∑ t i2 i =1 i =1
= −27600
θ = ∑ t i2 ∑ Yi − n∑ t i2Yi = −619548
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
maka ∂δ − θα 30708 = = 4.63 b= ∂β − α 2 27600 θ − bα = −0.14 c= ∂ a=
m
m
i =1
i =1
m
∑ Yi − b∑ t i − c∑ t i i =1
n
2
= 146.72
Maka persamaan peramalan : Y’ = 146.72 + 4.63t – 0.14t2
b. Metode dekomposisi Tipe model : aditif Persamaan : Xt = It + Tt + Ct + Et Dengan Xt = nilai deret berkala (data aktual) pada periode t It = adalah komponen atau indeks musiman pada periode t Tt = adalah komponen tren pada periode t Ct = adalah komponen siklis pada periode t Et = adalah komponen random pada periode t Hasil perhitungan parameter peramalan dengan metode dekomposisi untuk spring bed tipe platinum dapat dilihat pada Tabel 5.26 dan 5.27.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.26. Perhitungan Parameter Trend Dekomposisi Spring bed Tipe Platinum t2
Bulan
t
Y
tY
Trend line
Error
Januari
1
147
147
1
162.75
-15.75
Februari
2
162
324
4
163.89
-1.89
Maret
3
147
441
9
165.03
-18.03
April
4
141
564
16
166.17
-25.17
Mei
5
203
1015
25
167.31
35.69
Juni
6
184
1104
36
168.46
15.55
Juli
7
151
1057
49
169.60
-18.60
Agustus
8
176
1408
64
170.74
5.26
September
9
178
1602
81
171.88
6.12
Oktober
10
181
1810
100
173.02
7.98
November
11
185
2035
121
174.16
10.84
Desember
12
186
2232
144
175.30
10.70
Januari
13
182
2366
169
176.45
5.55
Februari
14
187
2618
196
177.59
9.41
Maret
15
179
2685
225
178.73
0.27
April
16
184
2944
256
179.87
4.13
Mei
17
182
3094
289
181.01
0.99
Juni
18
180
3240
324
182.15
-2.15
Juli
19
181
3439
361
183.30
-2.30
Agustus
20
175
3500
400
184.44
-9.44
September
21
186
3906
441
185.58
0.42
Oktober
22
188
4136
484
186.72
1.28
November
23
169
3887
529
187.86
-18.86
Desember
24
187
4488
576
189.00
-2.00
Jumlah
300
4221
54042
4900
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.27. Perhitungan Parameter Musiman Dekomposisi Spring bed Tipe Platinum t
Y
Seasonal
Deseasonal
FITS3
Error
Januari
1
147
-2.42
149.42
160.33
-13.33
Hasil peramalan 187.73
Februari
2
162
-1.51
163.51
162.38
-0.38
189.78
Maret
3
147
0.30
146.70
165.33
-18.33
192.73
April
4
141
-3.11
144.11
163.07
-22.07
190.46
Mei
5
203
16.02
186.98
183.33
19.67
210.73
Juni
6
184
7.36
176.64
175.82
8.18
203.22
Juli
7
151
-14.76
165.76
154.84
-3.83
182.23
Agustus
8
176
-1.89
177.89
168.85
7.15
196.25
180.42
169.46
8.54
196.86
Bulan
September
9
178
-2.42
Oktober
10
181
-1.51
182.51
171.51
9.49
198.91
November
11
185
0.30
184.70
174.46
10.54
201.86
Desember
12
186
-3.11
189.11
172.20
13.80
199.60
Januari
13
182
16.02
165.98
192.47
-10.47
Februari
14
187
7.36
179.64
184.95
2.05
Maret
15
179
-14.76
193.76
163.97
15.03
April
16
184
-1.89
185.89
177.98
6.02
Mei
17
182
-2.42
184.42
178.59
3.41
181.51
180.64
-0.64
Juni
18
180
-1.51
Juli
19
181
0.30
180.70
183.60
-2.60
Agustus
20
175
-3.11
178.11
181.33
-6.33
September
21
186
16.02
169.98
201.60
-15.60
Oktober
22
188
7.36
180.64
194.08
-6.08
November
23
169
-14.76
183.76
173.10
-4.10
Desember
24
187
-1.89
188.89
187.12
-0.12
Jumlah
300
4221
5. Menghitung kesalahan setiap metode peramalan Ukuran nilai kesalahan yang digunakan pada penelitian ini adalah MSE (Mean Squared Error). Secara matematis dirumuskan sebagai berikut: n
MSE =
∑ (X t =1
t
− Ft )
2
n
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.28. Perhitungan MSE Metode Kuadratis untuk Spring bed Tipe Platinum Periode
t^2
Y
Y'
(Y-Y')
(Y-Y')^2
1
1
147
151.21
-4.21
17.71
2
4
162
155.42
6.58
43.32
3
9
147
159.35
-12.35
152.43
4
16
141
162.99
-21.99
483.67
5
25
203
166.36
36.64
1342.68
6
36
184
169.44
14.56
211.97
7
49
151
172.24
-21.24
451.24
8
64
176
174.76
1.24
1.53
9
81
178
177.00
1.00
1.00
10
100
181
178.96
2.04
4.17
11
121
185
180.63
4.37
19.06
12
144
186
182.03
3.97
15.77
13
169
182
183.14
-1.14
1.30
14
196
187
183.97
3.03
9.17
15
225
179
184.52
-5.52
30.49
16
256
184
184.79
-0.79
0.62
17
289
182
184.78
-2.78
7.71
18
324
180
184.48
-4.48
20.08
19
361
181
183.90
-2.90
8.44
20
400
175
183.05
-8.05
64.75
21
441
186
181.91
4.09
16.75
22
484
188
180.49
7.51
56.46
23
529
169
178.78
-9.78
95.71
24
576
187
176.80
10.20
104.06
Jumlah
3160.10
MSE
131.67
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.29. Perhitungan MSE Metode Dekomposisi untuk Spring bed Tipe Platinum Periode
t^2
Y
Y'
(Y-Y')
(Y-Y')^2
1
1
147
160.33
-13.33
177.66
2
4
162
162.38
-0.38
0.14
3
9
147
165.33
-18.33
336.01
4
16
141
163.07
-22.07
486.91
5
25
203
183.33
19.67
386.81
6
36
184
175.82
8.18
66.95
7
49
151
154.84
-3.83
14.70
8
64
176
168.85
7.15
51.11
9
81
178
169.46
8.54
72.91
10
100
181
171.51
9.49
90.07
11
121
185
174.46
10.54
111.02
12
144
186
172.20
13.80
190.48
13
169
182
192.47
-10.47
109.52
14
196
187
184.95
2.05
4.20
15
225
179
163.97
15.03
225.98
16
256
184
177.98
6.02
36.19
17
289
182
178.59
3.41
11.60
18
324
180
180.64
-0.64
0.41
19
361
181
183.60
-2.60
6.74
20
400
175
181.33
-6.33
40.09
21
441
186
201.60
-15.60
243.30
22
484
188
194.08
-6.08
37.01
23
529
169
173.10
-4.10
16.81
24
576
187
187.12
-0.12
0.01
Jumlah
2716.63
MSE
113.19
6. Memilih Metode dengan Kesalahan Terkecil Pemilihan metode peramalan dilakukan dengan memilih nilai MSE terkecil. Maka metode peramalan yang dipilih untuk spring bed tipe platinum adalah metode dekomposisi. Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
7. Verifikasi Peramalan Dilakukan untuk mendapatkan hasil peramalan yang benar-benar mencerminkan data masa lalu. Pada penelitian ini alat yang digunakan adalah moving range chart. Sebagai contoh untuk spring bed tipe platinum, perhitungan proses verifikasi dapat dilihat pada Tabel 5.30.
Tabel 5.30. Perhitungan Verifikasi untuk Spring bed Tipe Platinum Periode
Y
Y'
(Y-Y')
MR
1
147
160.33
-13.33
2
162
162.38
-0.38
12.95
3
147
165.33
-18.33
17.95
4
141
163.07
-22.07
3.74
5
203
183.33
19.67
41.73
6
184
175.82
8.18
11.49
7
151
154.84
-3.83
12.02
8
176
168.85
7.15
10.98
9
178
169.46
8.54
1.39
10
181
171.51
9.49
0.95
11
185
174.46
10.54
1.05
12
186
172.20
13.80
3.26
13
182
192.47
-10.47
24.27
14
187
184.95
2.05
12.51
15
179
163.97
15.03
12.98
16
184
177.98
6.02
9.02
17
182
178.59
3.41
2.61
18
180
180.64
-0.64
4.05
19
181
183.60
-2.60
1.95
20
175
181.33
-6.33
3.74
21
186
201.60
-15.60
9.27
22
188
194.08
-6.08
9.51
23
169
173.10
-4.10
1.98
24
187
187.12 Jumlah
-0.12
3.98 213.389
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
24
MR =
∑ MR t =1
n −1
t
=
213.389 = 9.28 23
BKA = 2,66 × MR = 2,66 × 9.28 = 24.68 BKB = −2,66 × MR = −2,66 × 9.28 = −24.68
1 / 3 BKA = 1 / 3 × 24.68 = 8.23 2 / 3 BKA = 2 / 3 × 24.68 = 16.45 1 / 3 BKB = 1 / 3 × −24.68 = −8.23 2 / 3 BKB = 2 / 3 × −24.68 = −16.45
Gambar 5.3. Moving Range Chart untuk Spring bed Platinum Dari Gambar 5.3. dapat dilihat bahwa tidak ada data diluar batas control sehingga dapat disimpulkan bahwa hasil peramalan dinilai baik dan metode yang digunakan representatif. Perhitungan peramalan untuk tipe golden, silver dan bigline dapat dilihat pada Lampiran 5.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Dari hasil perhitungan seluruh tipe spring bed, maka metode-metode yang dipilih untuk tiap tipe adalah: Tipe Platinum = menggunakan metode dekomposisi Tipe Golden = menggunakan metode siklis Tipe Silver
= menggunakan metode dekomposisi
Tipe Bigline
= menggunakan metode dekomposisi
Pada Tabel 5.31 dapat dilihat hasil peramalan tiap tipe spring bed untuk tahun 2009. Tabel 5.31. Hasil Peramalan Spring bed tipe Platinum, Golden, Silver dan Bigline Bulan
Platinum
Golden
Silver
Bigline
Januari
188
65
488
66
Februari
190
62
449
66
Maret
193
59
480
86
April
190
57
471
74
Mei
211
56
452
85
Juni
203
55
448
71
Juli
182
55
487
71
Agustus
196
56
470
68
September
197
57
473
69
Oktober
199
59
489
90
November
202
62
499
77
Desember
200
64
459
89
5.2.4.2. Formulasi Fungsi Kendala Ketiga Dari hasil peramalan permintaan, telah diketahui berapa jumlah permintaan terhadap spring bed yang akan diproduksi tiap bulannya selama tahun 2009. Dalam penelitian ini, diasumsikan bahwa jumlah produk yang akan diproduksi bernilai lebih kecil atau sama dengan hasil dari jumlah produk yang Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
diramalkan pada tahun 2009. Secara matematis formulasi fungsi kendala untuk jumlah permintaan dapat dituliskan: X ji ≤ R ji
dimana : X = jumlah produksi optimal (variabel keputusan jenis spring bed ke-j) R = jumlah permintaan (target produksi)
i = bulan, i = 1,2, 3,…, m j = jenis spring bed, j = 1,2,...,n Dari Tabel 5.30 dapat diketahui hasil peramalan yang menjadi target produksi. Formulasi fungsi kendala untuk target produksi pada bulan Mei 2009 misalnya adalah sebagai berikut:
≤
1. Platinum : X 15 ≤ Y15
=
X1
2. Golden
: X 25 ≤ Y25
=
X2 ≤ 56
3. Silver
: X 35 ≤ Y35
=
X3 ≤ 452
4. Bigline
: X 45 ≤ Y45
=
X4 ≤ 85
211
5.2.5. Penentuan dan Formulasi Fungsi Kendala Keempat Fungsi kendala keempat merupakan fungsi kendala jumlah produksi minimum yang memenuhi batasan BEP (break even point) dalam unit produksi. Dalam penelitian ini, diasumsikan bahwa jumlah produksi harus lebih besar atau sama dengan jumlah produksi minimum yang diterapkan perusahaan. Secara matematis formulasi fungsi kendala untuk jumlah produksi minimum dapat dituliskan:
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
X ji ≥ V ji dimana: X = variabel keputusan untuk jenis spring bed ke-i V = jumlah produksi minimum perusahaan i
= bulan, i = 1,2,…,m
j
= jenis spring bed, j = 1,2,...,n Dari Tabel 5.11 dapat diketahui jumlah produksi minimum untuk tiap tipe
spring bed. Formulasi fungsi kendala untuk jumlah produksi minimum pada bulan Mei 2009 misalnya adalah sebagai berikut: 1. Platinum : X 15 ≥ V15
=
X1 ≥ 169
2. Golden
: X 25 ≥ V25
=
X2 ≥ 45
3. Silver
: X 35 ≥ V35
=
X3 ≥ 362
4. Bigline
: X 45 ≥ V45
=
X4 ≥ 68
5.2.6. Penentuan Model Perencanaan Produksi Pada Tabel 5.32 dapat dilihat rekapitulasi penentuan fungsi tujuan dan fungsi kendala yang dinyatakan dalam model linear programming untuk periode bulan Mei, Juni dan Juli.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.32. Rekapitulasi Fungsi Tujuan dan Fungsi Kendala Bulan Mei, Juni dan Juli Bulan Mei
Fungsi Tujuan
Max Z = 235000X1 + 135000 X2 + 118000 X3 + 95000 X4
Kendala
Jam kerja tenaga kerja : 830.9 X1+822.5 X2+822.4 X3 ≤ 540000 1575.1 X4 ≤ 540000 1082.2 X1+1083.1 X2+1082.3 X3+1082.7 X4 ≤ 1080000 221.4 X1+204.8 X2+205 X3+197.4 X4
≤ 540000
586.3 X1+585.6 X2+586.8 X3+570.4 X4
≤ 1080000
409.9 X1+409.3 X2+409.3 X3+410.1 X4
≤ 540000
1121 X1+1109.9 X2+1110 X3+1110.9 X4
≤ 1080000
929.1 X1+928.9 X2+930.2 X3+928.4 X4
≤ 1620000
762.1 X1+761.8 X2+761.7 X3+761.5 X4
≤ 540000
284.3 X1+284.7 X2+284.7 X3+284.9 X4
≤ 540000
Ketersediaan bahan baku 510 X1 + 450 X2 + 430 X3 + 430 X4 6 X1 + 4.8 X2 + 2.8 X3 + 2.8 X4 9 X1 + 5 X2 + 4 X3 + 3 X4
≤
≤
≤ 330000 3001
3889
Target produksi berdasarkan peramalan
X 15 ≤ Y15 = X1
≤ 211
X 25 ≤ Y25 = X2 ≤ 56 X 35 ≤ Y35 = X3 ≤ 452 X 45 ≤ Y45 = X4 ≤ 85 Jumlah produksi minimum
X 15 ≥ V15 = X1 ≥ 169 X 25 ≥ V25 = X2 ≥ 45 X 35 ≥ V35 = X3 ≥ 362 X 45 ≥ V45 = X4 ≥ 68
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.32. Rekapitulasi Fungsi Tujuan dan Fungsi ... (Lanjutan) Bulan Juni
Fungsi Tujuan
Max Z = 235000X1 + 135000 X2 + 118000 X3 + 95000 X4
Kendala
Jam kerja tenaga kerja : 830.9 X1+822.5 X2+822.4 X3 ≤ 594000 1575.1 X4 ≤ 594000 1082.2 X1+1083.1 X2+1082.3 X3+1082.7 X4 ≤ 1188000 221.4 X1+204.8 X2+205 X3+197.4 X4
≤ 594000
586.3 X1+585.6 X2+586.8 X3+570.4 X4
≤ 1188000
409.9 X1+409.3 X2+409.3 X3+410.1 X4
≤ 594000
1121 X1+1109.9 X2+1110 X3+1110.9 X4
≤ 1188000
929.1 X1+928.9 X2+930.2 X3+928.4 X4
≤ 1782000
762.1 X1+761.8 X2+761.7 X3+761.5 X4
≤ 594000
284.3 X1+284.7 X2+284.7 X3+284.9 X4
≤ 594000
Ketersediaan bahan baku 510 X1 + 450 X2 + 430 X3 + 430 X4 6 X1 + 4.8 X2 + 2.8 X3 + 2.8 X4 9 X1 + 5 X2 + 4 X3 + 3 X4
≤
≤
≤ 330000 3001
3889
Target produksi berdasarkan peramalan
X 15 ≤ Y15 = X1
≤ 203
X 25 ≤ Y25 = X2 ≤ 55 X 35 ≤ Y35 = X3 ≤ 448 X 45 ≤ Y45 = X4 ≤ 71 Jumlah produksi minimum
X 15 ≥ V15 = X1 ≥ 163 X 25 ≥ V25 = X2 ≥ 44 X 35 ≥ V35 = X3 ≥ 358 X 45 ≥ V45 = X4 ≥ 57
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.32. Rekapitulasi Fungsi Tujuan dan Fungsi ... (Lanjutan) Bulan Juli
Fungsi Tujuan
Max Z = 235000X1 + 135000 X2 + 118000 X3 + 95000 X4
Kendala
Jam kerja tenaga kerja : 830.9 X1+822.5 X2+822.4 X3 ≤ 594000 1575.1 X4 ≤ 594000 1082.2 X1+1083.1 X2+1082.3 X3+1082.7 X4 ≤ 1188000 221.4 X1+204.8 X2+205 X3+197.4 X4
≤ 594000
586.3 X1+585.6 X2+586.8 X3+570.4 X4
≤ 1188000
409.9 X1+409.3 X2+409.3 X3+410.1 X4
≤ 594000
1121 X1+1109.9 X2+1110 X3+1110.9 X4
≤ 1188000
929.1 X1+928.9 X2+930.2 X3+928.4 X4
≤ 1782000
762.1 X1+761.8 X2+761.7 X3+761.5 X4
≤ 594000
284.3 X1+284.7 X2+284.7 X3+284.9 X4
≤ 594000
Ketersediaan bahan baku 510 X1 + 450 X2 + 430 X3 + 430 X4 6 X1 + 4.8 X2 + 2.8 X3 + 2.8 X4 9 X1 + 5 X2 + 4 X3 + 3 X4
≤
≤
≤ 330000 3001
3889
Target produksi berdasarkan peramalan
X 15 ≤ Y15 = X1
≤ 182
X 25 ≤ Y25 = X2 ≤ 55 X 35 ≤ Y35 = X3 ≤ 487 X 45 ≤ Y45 = X4 ≤ 71 Jumlah produksi minimum
X 15 ≥ V15 = X1 ≥ 146 X 25 ≥ V25 = X2 ≥ 44 X 35 ≥ V35 = X3 ≥ 390 X 45 ≥ V45 = X4 ≥ 57
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5.2.7. Penyelesaian Model Linear Programming dengan Metode Simpleks Adapun langkah penyelesaian model linear programming untuk periode Mei 2009 dengan metode simpleks adalah : 1. Membentuk model linear programming, seperti tercantum pada Tabel 5.32. 2. Mengubah model linear programming ke dalam bentuk standar yaitu dengan menambahkan variabel slack pada kendala berupa pembatas ≤),( dan menambahkan variabel surplus pada kendala berupa syarat (≥). Fungsi Tujuan : Max Z = 235000X1 + 135000 X2 + 118000 X3 + 95000 X4 dengan kendala
:
830.9 X1+822.5 X2+822.4 X3
+ X5
= 540000
1575.1 X4
+ X6
= 540000
1082.2 X1+1083.1 X2+1082.3 X3+1082.7 X4
+ X7
= 1080000
221.4 X1+204.8 X2+205 X3+197.4 X4
+ X8
= 540000
586.3 X1+585.6 X2+586.8 X3+570.4 X4
+ X9
= 1080000
409.9 X1+409.3 X2+409.3 X3+410.1 X4
+ X10
= 540000
1121 X1+1109.9 X2+1110 X3+1110.9 X4
+ X11
= 1080000
929.1 X1+928.9 X2+930.2 X3+928.4 X4
+ X12
= 1620000
762.1 X1+761.8 X2+761.7 X3+761.5 X4
+ X13
= 540000
284.3 X1+284.7 X2+284.7 X3+284.9 X4
+ X14
= 540000
510 X1 + 450 X2 + 430 X3 + 430 X4
+ X15
= 330000
6 X1 + 4.8 X2 + 2.8 X3 + 2.8 X4
+ X16
= 3001
9 X1 + 5 X2 + 4 X3 + 3 X4
+ X17
= 3889
X1
+ X18
= 211
X2
+ X19
= 56
X3
+ X20
= 452
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
X4
+ X21
= 85
X1
- X22
= 169
X2
- X23
= 45
X3
- X24
= 362
X4
- X25
= 68
3. Mencari solusi layak dasar awal. Pada persamaan diatas tidak terdapat solusi layak dasar awal karena model diatas belum dalam bentuk kanonikal (setiap kendala memiliki harus memiliki variabel basis). Oleh karena itu, bentuk standar diusahakan menjadi bentuk kanonikal dengan menggunakan metode big M. Metode big M menambahkan variabel artificial, dimana M adalah bilangan negatif yang sangat besar, sehingga tidak akan mungkin diproduksi pada fungsi objektif. Maka model linear programming berubah menjadi : Fungsi Tujuan : Max Z = 235000X1+135000X2+118000 X3+ 95000X4 + MX26+ MX27 + MX28 + MX29
dengan kendala
:
830.9 X1+822.5 X2+822.4 X3
+ X5
= 540000
1575.1 X4
+ X6
= 540000
1082.2 X1+1083.1 X2+1082.3 X3+1082.7 X4
+ X7
= 1080000
221.4 X1+204.8 X2+205 X3+197.4 X4
+ X8
= 540000
586.3 X1+585.6 X2+586.8 X3+570.4 X4
+ X9
= 1080000
409.9 X1+409.3 X2+409.3 X3+410.1 X4
+ X10
= 540000
1121 X1+1109.9 X2+1110 X3+1110.9 X4
+ X11
= 1080000
929.1 X1+928.9 X2+930.2 X3+928.4 X4
+ X12
= 1620000
762.1 X1+761.8 X2+761.7 X3+761.5 X4
+ X13
= 540000
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
284.3 X1+284.7 X2+284.7 X3+284.9 X4
+ X14
= 540000
510 X1 + 450 X2 + 430 X3 + 430 X4
+ X15
= 330000
6 X1 + 4.8 X2 + 2.8 X3 + 2.8 X4
+ X16
= 3001
9 X1 + 5 X2 + 4 X3 + 3 X4
+ X17
= 3889
X1
+ X18
= 211
X2
+ X19
= 56
X3
+ X20
= 452
X4
+ X21
= 85
X1
- X22 + M X26
= 169
X2
- X23 + M X27
= 45
X3
- X24 + M X28
= 362
X4
- X25+ M X29
= 68
4. Membentuk tabel simpleks awal, dapat dilihat pada Tabel 5.33. Beberapa istilah yang digunakan dalam tabel yaitu: a. Variabel basis yaitu variabel non negatif yang hanya ada pada satu persamaan, tidak ada pada persamaan lain dengan koefisien 1. Pada Tabel 5.32 yang termasuk variabel basis adalah X5 sampai X21 dan X26 sampai X29. Sedangkan variabel non basis merupakan variabel keputusan yaitu X1, X2, X3 dan X4. b. Cb merupakan koefisien dari variabel basis pada fungsi tujuan, sedangkan Cj merupakan koefisien dari variabel non basis pada fungsi tujuan. c. Konstanta atau right hand side merupakan nilai sisi kanan dari setiap persamaan.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.33. Simpleks Awal Cj
235000
135000
118000
95000
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
M
M
M
M
Basis
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
X18
X19
X20
X21
X22
X23
X24
X25
X26
X27
X28
X29
0
X5
830.9
822.5
822.4
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
540000
0
X6
0
0
0
1575.1
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
540000
0
X7
1082.2
1083.1
1082.3
1082.7
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1080000
0
X8
221.4
204.8
205
197.4
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
540000
0
X9
586.3
585.6
586.8
570.4
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1080000
0
X10
409.9
409.3
409.3
410.1
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
540000
0
X11
1121
1109.9
1110
1110.9
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1080000
0
X12
929.1
928.9
930.2
928.4
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1620000
0
X13
762.1
761.8
761.7
761.5
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
540000
0
X14
284.3
284.7
284.7
284.9
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
540000
0
X15
510
450
430
430
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
330000
0
X16
6
4.8
2.8
2.8
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
3001
0
X17
9
5
4
3
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
3889
0
X18
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
211
0
X19
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
56
0
X20
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
452
Cb
Konstanta
0
X21
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
85
M
X26
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
0
0
169
M
X27
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
0
45
M
X28
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
362
M
X29
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
68
235000-M
135000-M
118000-M
95000-M
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
M
M
M
M
0
0
0
0
Crow
Nilai Z = Cb x konstanta = (M(169)+ M(45)+ M(362)+M(68)) = 644 M Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
d. Z merupakan nilai laba yang diinginkan. Nilai Z dapat diperoleh dengan mengalikan nilai Cb dengan konstanta, yaitu: Z = Cb x Konstanta
540000 540000 1080000 540000 1080000 540000 1080000 1620000 540000 540000 Z = (0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 M M M M ) 330000 = 644 M 3001 3889 211 56 452 85 169 45 362 68 e. Nilai Crow diperoleh dari hasil pengurangan nilai Cj terhadap hasil perkalian
Cb dengan Pj yaitu nilai pada tiap kolom dan baris. Secara matematis: Crow = Cj - Cb Pj Untuk kolom pertama pada Tabel 5.33, misalnya:
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
830.9 0 1082.2 221.4 586.3 409.9 1121 929.1 762.1 284.3 Crow = 235000 − 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 M M M M 510 = 235000 − M 6 9 1 0 0 0 1 0 0 0
5. Pemeriksaan optimalitas, yaitu melihat apakah solusi sudah optimal atau tidak. Pada kasus maksimisasi solusi dikatakan sudah optimal yaitu bila semua Crow dari variabel non basis adalah negatif atau nol. Pada tabel simpleks awal nilai Crow dari variabel non basis masih ada yang berharga positif, jadi solusi belum optimal. 6. Langkah selanjutnya adalah melakukan perbaikan yaitu dengan mengganti salah satu variabel non basis dengan variabel basis. Variabel non basis yang dipilih untuk menjadi variabel basis disebut entering variabel. Entering variabel yang dipilih adalah variabel non basis yang memiliki Crow paling Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
positif. Kemudian dipilih variabel basis yang akan keluar menjadi variabel non basis yang disebut leaving variabel. Leaving variabel yang dipilih adalah dengan menggunakan rasio minimum yaitu perbandingan antara konstanta sisi kanan dengan elemen variabel. Kolom entering variabel disebut kolom pivot sedangkan baris leaving variabel disebut baris pivot. Elemen perpotongan kolom dan baris pivot disebut elemen pivot. Pada tabel simpleks awal, X1 memiliki Crow paling positif sehingga X1 disebut entering variabel. Kolom pivot, kolom X1. Rasio minimum pada Tabel 5.33 untuk iterasi 1 adalah : Baris 1
: 540000
/ 830.9
= 649.90
Baris 2
: 540000
/ 0
= 0
Baris 3
: 1080000 / 1082.2 = 997.97
Baris 4
: 540000
/ 221.4
= 2439.02
Baris 5
: 1080000 / 586.3
= 1842.06
Baris 6
: 540000
= 1317.39
Baris 7
: 1080000 / 1121
= 963.43
Baris 8
: 1620000 / 929.1
= 1743.62
Baris 9
: 540000
/ 762.1
= 708.57
Baris 10
: 540000
/ 284.3
= 1899.40
Baris 11
: 330000
/ 510
= 647.06
Baris 12
: 3001
/ 6
= 500.17
Baris 13
: 3889
/ 9
= 432.11
Baris 14
: 211
/ 1
= 211
/ 409.9
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Baris 15
: 56
/ 0
= 0
Baris 16
: 452
/ 0
= 0
Baris 17
: 85
/ 0
= 0
Baris 18
: 169
/ 1
= 169
Baris 19
: 45
/ 0
= 0
Baris 20
: 362
/ 0
= 0
Baris 21
: 68
/ 0
= 0
Nilai paling minimum yaitu 169, dengan variabel basis X18. Sehingga, X18 menjadi leaving variabel. Baris pivot, baris X18. Elemen pivot bernilai 1 yaitu perpotongan baris pivot dan kolom pivot ( baris 18 dan kolom 1).
7. Dilanjutkan dengan mencari sistem kanonikal yaitu sistem dimana nilai elemen pivot bernilai 1 dan semua elemen lain di kolom pivot bernilai 0. Dari hasil perhitungan, elemen pivot sudah bernilai 1. Untuk menjadikan elemen lain di kolom pivot bernilai 0 maka dilakukan perhitungan yaitu pada baris kedelapan belas, misalnya (menjadikan harga 830.9 pada kolom dan baris 1 bernilai 0) adalah dengan mengalikan baris pivot dengan –830.9 lalu menambahkannya dengan semua elemen yang ada dibaris pertama. Contoh untuk baris pertama : 1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
0
0
-830.9
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
830.9
0
0
0
-830.9
0
0
0
830.9
822.5
822.4
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
822.5
822.4
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
830.9
0
0
0
830.9
0
0
0
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
x -830.9
+
Operasi diatas dilakukan hingga semua elemen di kolom pivot bernilai 0. Hasil dari pengolahan tabel simpleks awal menjadi tabel simpleks iterasi I dapat dilihat pada Tabel 5.34. Dari tabel simpleks iterasi I dapat dilihat kembali bahwa ternyata nilai Crow masih ada yang bernilai positif yang menandakan bahwa solusi belum optimal. Maka dilakukan kembali perbaikan sampai nilai Crow berharga negatif atau nol. Langkah-langkah perbaikan untuk mencapai optimalitas dapat dilihat pada Tabel 5.34 sampai Tabel 5.40.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.34. Simpleks Iterasi 1 Cj
235000
135000
118000
95000
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
M
M
M
M
Basis
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
X18
X19
X20
X21
X22
X23
X24
X25
X26
X27
X28
X29
0
X5
0
822.5
822.4
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
830.9
0
0
0
830.9
0
0
0
399577.9
0
X6
0
0
0
1575.1
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
540000
0
X7
0
1083.1
1082.3
1082.7
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1082.2
0
0
0
1082.2
0
0
0
897108.2
0
X8
0
204.8
205
197.4
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
221.4
0
0
0
221.4
0
0
0
502583.4
0
X9
0
585.6
586.8
570.4
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
586.3
0
0
0
586.3
0
0
0
980915.3
0
X10
0
409.3
409.3
410.1
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
409.9
0
0
0
409.9
0
0
0
470726.9
0
X11
0
1109.9
1110
1110.9
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
1121
0
0
0
1121
0
0
0
890551
0
X12
0
928.9
930.2
928.4
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
929.1
0
0
0
929.1
0
0
0
1462982.1
0
X13
0
761.8
761.7
761.5
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
762.1
0
0
0
762.1
0
0
0
411205.1
0
X14
0
284.7
284.7
284.9
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
284.3
0
0
0
284.3
0
0
0
491953.3
0
X15
0
450
430
430
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
510
0
0
0
510
0
0
0
243810
0
X16
0
4.8
2.8
2.8
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
6
0
0
0
6
0
0
0
1987
0
X17
0
5
4
3
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
9
0
0
0
9
0
0
0
2368
0
X18
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
42
0
X19
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
56
0
X20
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
452
0
X21
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
85
235000
X1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
0
0
169
M
X27
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
0
45
M
X28
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
362
M
X29
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
68
95000-M
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
235000
M
M
M
0
0
0
0
Cb
Konstanta
Crow
0
135000-M 118000-M
Nilai Z = Cb x konstanta = (235000)(169)+ M(45)+ M(362)+M(68)) = 39715000 + 475 M Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.35. Simpleks Iterasi 2 Cj
235000
135000
118000
95000
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
M
M
M
M
Basis
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
X18
X19
X20
X21
X22
X23
X24
X25
X26
X27
X28
X29
0
X5
0
0
822.4
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
830.9
822.5
0
0
830.9
-822.5
0
0
362565.4
0
X6
0
0
0
1575.1
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
540000
0
X7
0
0
1082.3
1082.7
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1082.2
1083.1
0
0
1082.2
-1083
0
0
848368.7
0
X8
0
0
205
197.4
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
221.4
204.8
0
0
221.4
-204.8
0
0
493367.4
0
X9
0
0
586.8
570.4
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
586.3
585.6
0
0
586.3
-585.6
0
0
954563.3
0
X10
0
0
409.3
410.1
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
409.9
409.3
0
0
409.9
-409.3
0
0
452308.4
0
X11
0
0
1110
1110.9
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
1121
1109.9
0
0
1121
-1110
0
0
840605.5
0
X12
0
0
930.2
928.4
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
929.1
928.9
0
0
929.1
-928.9
0
0
1421181.6
0
X13
0
0
761.7
761.5
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
762.1
761.8
0
0
762.1
-761.8
0
0
376924.1
0
X14
0
0
284.7
284.9
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
284.3
284.7
0
0
284.3
-284.7
0
0
479141.8
0
X15
0
0
430
430
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
510
450
0
0
510
-450
0
0
223560
0
X16
0
0
2.8
2.8
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
6
4.8
0
0
6
-4.8
0
0
1771
0
X17
0
0
4
3
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
9
5
0
0
9
-5
0
0
2143
0
X18
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
42
0
X19
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
-1
0
0
11
0
X20
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
452
0
X21
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
85
235000
X1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
0
0
169
135000
X27
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
0
45
M
X28
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
362
M
X29
68
Cb
Konstanta
Crow
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
0
118000-M
95000-M
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
235000
135000
M
M
0
0
0
0
Nilai Z = Cb x konstanta Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
= (235000)(169)+ (135000)(45)+ M(362)+M(68)) = 45790000 + 430 M
Tabel 5.36. Simpleks Iterasi 3 Cj
235000
135000
118000
95000
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
M
M
M
M
Basis
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
X18
X19
X20
X21
X22
X23
X24
X25
X26
X27
X28
X29
0
X5
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
830.9
822.5
822.4
0
830.9
0
X6
0
0
0
1575.1
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
X7
0
0
0
1082.7
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1082.2
1083.1
1082.3
0
0
X8
0
0
0
197.4
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
221.4
204.8
205
0
0
X9
0
0
0
570.4
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
586.3
585.6
586.8
0
X10
0
0
0
410.1
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
409.9
409.3
409.3
0
X11
0
0
0
1110.9
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
1121
1109.9
1110
0
0
X12
0
0
0
928.4
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
929.1
928.9
930.2
0
0
X13
0
0
0
761.5
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
762.1
761.8
761.7
0
0
X14
0
0
0
284.9
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
284.3
284.7
284.7
0
0
X15
0
0
0
430
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
510
450
430
0
510
-450
-430
0
X16
0
0
0
2.8
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
6
4.8
2.8
0
6
-4.8
0
X17
0
0
0
3
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
9
5
4
0
9
-5
0
X18
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
1
0
0
X19
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
-1
0
X20
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
0
X21
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
Cb
Konstanta -822.5 -822.4
0
64856.6
0
0
0
540000
1082.2
-1083
-1082
0
456576.1
221.4
-204.8
-205
0
419157.4
0
586.3
-585.6 -586.8
0
742141.7
0
409.9
-409.3 -409.3
0
304141.8
1121
-1110
-1110
0
438785.5
929.1
-928.9 -930.2
0
1084449.2
762.1
-761.8 -761.7
0
101188.7
284.3
-284.7 -284.7
0
376080.4
0
67900
-2.8
0
757.4
-4
0
695
0
0
42
0
0
11
-1
0
90
0
0
85
235000
X1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
0
0
169
135000
X27
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
0
45
118000
X28
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
362
M
X29
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
68
0
0
0
95000-M
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
235000
135000
118000
M
0
0
0
0
Crow
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Nilai Z = Cb x konstanta = (235000)(169)+ (135000)(45)+ (118000)(362)+M(68)) = 88506000 + 68 M
Tabel 5.37. Simpleks Iterasi 4 Cj
235000
135000
118000
95000
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
M
M
M
M
Basis
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
X18
X19
X20
X21
X22
X23
X24
X25
X26
X27
X28
X29
0
X5
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
830.9
822.5
822.4
0
830.9
-822.5
-822.4
0
64856.6
0
X6
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1575.1
0
0
0
-1575.1
432893.2
0
X7
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1082.2
1083.1
1082.2
-1083.1
-1082.3
-1082.7
382952.5
0
X8
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
221.4
204.8
205
197.4
221.4
-204.8
-205
-197.4
405734.2
0
X9
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
586.3
585.6
586.8
570.4
586.3
-585.6
-586.8
-570.4
703354.5
0
X10
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
409.9
409.3
409.3
410.1
409.9
-409.3
-409.3
-410.1
276255
0
X11
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
1121
1109.9
1110
1110.9
1121
-1109.9
-1110
-1110.9
363244.3
0
X12
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
929.1
928.9
930.2
928.4
929.1
-928.9
-930.2
-928.4
1021318
0
X13
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
762.1
761.8
761.7
761.5
762.1
-761.8
-761.7
-761.5
49406.7
0
X14
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
284.3
284.7
284.7
284.9
284.3
-284.7
-284.7
-284.9
356707.2
0
X15
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
510
450
430
430
510
-450
-430
-430
38660
0
X16
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
6
4.8
2.8
2.8
6
-4.8
-2.8
-2.8
567
0
X17
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
9
5
4
3
9
-5
-4
-3
491
0
X18
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
42
0
X19
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
-1
0
0
11
0
X20
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
-1
0
90
0
X21
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
-1
17
235000
X1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
0
0
169
135000
X27
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
0
45
118000
X28
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
362
95000
X29
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
68
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
235000
135000
Cb
Konstanta
Crow
1082.3 1082.7
118000 95000 M-235000 M-135000 M-118000
M-95000
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Nilai Z = Cb x konstanta = (235000)(169)+ (135000)(45)+ (118000)(362)+(95000)(68)) = 94966000
Tabel 5.38. Simpleks Iterasi 5 Cj
235000
135000
118000
95000
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
M
M
M
M
Basis
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
X18
X19
X20
X21
X22
X23
X24
X25
X26
X27
X28
X29
0
X5
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
-830.9
0
0
0
0
822.5
822.4
0
0
-822.5
-822.4
0
29958.8
0
X6
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1575.1
0
0
0
-1575.1
432893.2
0
X7
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
-1082.2
0
0
0
0
1083.1
1082.3 1082.7
0
-1083.1
-1082.3
-1082.7
337500.1
0
X8
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
-221.4
0
0
0
0
204.8
205
197.4
0
-204.8
-205
-197.4
396435.4
0
X9
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
-586.3
0
0
0
0
585.6
586.8
570.4
0
-585.6
-586.8
-570.4
678729.9
0
X10
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
-409.9
0
0
0
0
409.3
409.3
410.1
0
-409.3
-409.3
-410.1
259039.2
0
X11
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
-1121
0
0
0
0
1109.9
1110
1110.9
0
-1109.9
-1110
-1110.9
316162.3
0
X12
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
-929.1
0
0
0
0
928.9
930.2
928.4
0
-928.9
-930.2
-928.4
982295.8
0
X13
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
-762.1
0
0
0
0
761.8
761.7
761.5
0
-761.8
-761.7
-761.5
17398.5
0
X14
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
-284.3
0
0
0
0
284.7
284.7
284.9
0
-284.7
-284.7
-284.9
344766.6
0
X15
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
-510
0
0
0
0
450
430
430
0
-450
-430
-430
17240
0
X16
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
-6
0
0
0
0
4.8
2.8
2.8
0
-4.8
-2.8
-2.8
315
0
X17
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
-9
0
0
0
0
5
4
3
0
-5
-4
-3
113
0
X22
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
42
0
X19
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
-1
0
0
11
0
X20
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
-1
0
90
Cb
Konstanta
0
X21
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
-1
17
235000
X1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
2
0
0
0
211
135000
X2
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
0
45
118000
X3
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
362
95000
X4
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
68
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-235000
0
0
0
0
135000
Crow
0
118000 95000 M-470000 M-135000 M-118000
M-95000
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Nilai Z = Cb x konstanta = (235000)(211)+ (135000)(45)+ (118000)(362)+(95000)(68)) = 104836000
Tabel 5.39. Simpleks Iterasi 6
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Cj
235000
135000
118000
95000
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
M
M
M
M
Basis
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
X18
X19
X20
X21
X22
X23
X24
X25
X26
X27
X28
X29
0
X5
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
-830.9
-822.5
0
0
0
0
822.4
0
0
0
-822.4
0
20911.3
0
X6
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1575.1
0
0
0
-1575.1
432893.2
0
X7
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
-1082.2
-1083.1
0
0
0
0
1082.3
1082.7
0
0
-1082.3
-1082.7
325586
0
X8
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
-221.4
-204.8
0
0
0
0
205
197.4
0
0
-205
-197.4
394182.6
0
X9
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
-586.3
-585.6
0
0
0
0
586.8
570.4
0
0
-586.8
-570.4
672288.3
0
X10
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
-409.9
-409.3
0
0
0
0
409.3
410.1
0
0
-409.3
-410.1
254536.9
0
X11
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
-1121
-1109.9
0
0
0
0
1110
1110.9
0
0
-1110
-1110.9
303953.4
0
X12
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
-929.1
-928.9
0
0
0
0
930.2
928.4
0
0
-930.2
-928.4
972077.9
0
X13
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
-762.1
-761.8
0
0
0
0
761.7
761.5
0
0
-761.7
-761.5
9018.7
0
X14
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
-284.3
-284.7
0
0
0
0
284.7
284.9
0
0
-284.7
-284.9
341634.9
0
X15
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
-510
-450
0
0
0
0
430
430
0
0
-430
-430
12290
0
X16
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
-6
-4.8
0
0
0
0
2.8
2.8
0
0
-2.8
-2.8
262.2
0
X17
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
-9
-5
0
0
0
0
4
3
0
0
-4
-3
58
0
X22
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
42
0
X19
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
-1
0
0
11
0
X20
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
-1
0
90
0
X21
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
-1
17
235000
X1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
2
0
0
0
211
135000
X2
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
56
118000
X3
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
362
95000
X4
-1
0
68
Cb
Konstanta
Crow
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-235000
-135000
0
0
0
0
118000
95000 M-470000
0
0
1
M
M-118000
M-95000
Nilai Z = Cb x konstanta = (235000)(211)+ (135000)(56)+ (118000)(362)+(95000)(68)) = 106321000
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.40. Simpleks Iterasi 7 Cj
235000
135000
118000
95000
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
M
M
M
M
Basis
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
X18
X19
X20
X21
X22
X23
X24
X25
X26
X27
X28
X29
0
X5
0
0
0
0
1
0
0
0
0
0
0
0
-1.080
0
0
0
0
-8.068
0.008
0
0
0
0
0
-822.18
0
0
0
822.18
11173.90
0
X6
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1575.1
0
0
0
-1575.10
432893.20
0
X7
0
0
0
0
0
0
1
0
0
0
0
0
-1.421
0
0
0
0
0.668
-0.658
0
0
0
0
0
0.684
0
0
0
-0.68
312771.32
0
X8
0
0
0
0
0
0
0
1
0
0
0
0
-0.269
0
0
0
0
-16.292
0.227
0
0
0
0
0
-7.55
0
0
0
7.55
391755.35
0
X9
0
0
0
0
0
0
0
0
1
0
0
0
-0.770
0
0
0
0
0.808
1.277
0
0
0
0
0
-16.25
0
0
0
16.25
665340.46
0
X10
0
0
0
0
0
0
0
0
0
1
0
0
-0.537
0
0
0
0
-0.385
0.054
0
0
0
0
0
0.907
0
0
0
-0.91
249690.70
0
X11
0
0
0
0
0
0
0
0
0
0
1
0
-1.457
0
0
0
0
-10.417
0.246
0
0
0
0
0
1.191
0
0
0
-1.19
290810.75
0
X12
0
0
0
0
0
0
0
0
0
0
0
1
-1.221
0
0
0
0
1.588
1.422
0
0
0
0
0
-1.56
0
0
0
1.56
961064.12
0
X13
0
0
0
0
0
0
0
0
0
0
0
0
0.001
0
0
0
0
-1.001
-1.000
0
0
0
0
1
0.9997
0
0
-1
-1.00
11.84
0
X14
0
0
0
0
0
0
0
0
0
0
0
0
-0.374
1
0
0
0
0.550
0.037
0
0
0
0
0
0.2748
0
0
0
-0.27
338263.99
0
X15
0
0
0
0
0
0
0
0
0
0
0
0
-0.565
0
1
0
0
-79.774
-19.944
0
0
0
0
0
0.1129
0
0
0
-0.11
7198.70
0
X16
0
0
0
0
0
0
0
0
0
0
0
0
-0.004
0
0
1
0
-3.199
-2.000
0
0
0
0
0
0.0007
0
0
0
0.00
229.05
0
X17
0
0
0
0
0
0
0
0
0
0
0
0
-0.005
0
0
0
1
-4.998
-0.999
0
0
0
0
0
-0.9989
0
0
0
1.00
10.64
0
X22
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1.000
0
0
0
1
0
0
0.0000
1
0
0
0
42
0
X19
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1.000
0
0
0
1
0
0.0000
0
-1
0
0
11
0
X20
0
0
0
0
0
0
0
0
0
0
0
0
-0.001
0
0
0
0
1.001
1.000
1
0
0
0
0
-0.9997
0
0
0
0.9997
78.160
Cb
Konstanta
0
X21
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1.0000
0
0
0
-1
17
235000
X1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1.000
0
0
0
0
0
0
0.0000
2
0
0
0
211
135000
X2
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1.000
0
0
0
0
0
0.0000
0
0
0
0
56
118000
X3
0
0
1
0
0
0
0
0
0
0
0
0
0.001
0
0
0
0
-1.001
-1.000
0
0
0
0
0
0.9997
0
0
0
-0.9997
373.8402
95000
X4
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1.0000
0
0
0
1
68
0
0
0
0
0
0
0
0
0
0
0
0
-154.9
0
0
0
0
-116938.03
-16984.51
0
0
0
0
0
-22969
M-470000
M
M
M-22969.02
Crow
Nilai Z = Cb x konstanta = (235000)(211)+ (135000)(56)+ (118000)(373)+(95000)(68)) = 107718146
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Dari Tabel 5.40 diperoleh jumlah produksi optimal untuk bulan Mei 2009 dari perhitungan model linear programming adalah: a. Platinum / X1 = 211 unit b. Golden / X2 = 56 unit c. Silver / X3 = 373.8402 unit d. Bigline / X4 = 68 unit Untuk perhitungan pada bulan Juni dan Juli dapat dilakukan dengan cara yang sama yaitu dengan menggunakan bantuan software LINDO. Hasil rekapitulasi penentuan jumlah produksi dengan perhitungan model linear programming pada bulan Mei, Juni dan Juli dapat dilihat pada Tabel 5.41. Tabel 5.41. Rekapitulasi Penentuan Jumlah Produksi dengan Model Linear Programming Platinum
Golden
Silver
Bigline
(unit) / X1
(unit) / X2
(unit) / X3
(unit) / X4
Mei
211
56
373.8402
68
Rp. 107.718.146
Juni
197.475
44
430.180
57
Rp. 108.522.865
Juli
182
55
437.023
57
Rp. 107.178.714
Bulan
Laba
Variabel keputusan pada penelitian ini adalah jumlah produksi optimal, sehingga nilai yang diperoleh harus dalam bentuk bilangan bulat (integer). Dari Tabel 5.41 dapat dillihat bahwa variabel keputusan belum dalam bentuk bilangan bulat (integer). Oleh karena itu, untuk menemukan solusi bilangan bulat (integer) yang optimal, dilanjutkan dengan integer programming.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
5.2.8. Penyelesaian Model Integer Programming dengan Metode Branch and Bound Adapun langkah penyelesaian model integer programming untuk periode Mei 2009 dengan metode branch and bound adalah : 1. Optimisasi fungsi tujuan terhadap susunan kendala menggunakan model linear programming dengan metode simpleks. Langkah ini telah dilakukan pada sub bab 5.2.7. 2. Meneliti solusi optimal. Jika variabel keputusan integer (bilangan bulat) maka solusi optimal ditemukan, namun jika variabel keputusan bukan integer maka dilanjutkan ke langkah 3. Dari hasil perhitungan metode simpleks diketahui bahwa nilai X3 = 373.8402 unit. Nilai ini bukan integer sehingga perhitungan dilanjutkan ke langkah 3. 3. Maka model awal untuk bulan Mei dapat dilihat pada Tabel 5.42. Tabel 5.42. Rekapitulasi Fungsi Tujuan dan Fungsi Kendala Bulan Mei Bulan Mei
Fungsi Tujuan
Max Z = 235000X1 + 135000 X2 + 118000 X3 + 95000 X4
Kendala
Jam kerja tenaga kerja : 830.9 X1+822.5 X2+822.4 X3 ≤ 540000 1575.1 X4 ≤ 540000 1082.2 X1+1083.1 X2+1082.3 X3+1082.7 X4 ≤ 1080000 221.4 X1+204.8 X2+205 X3+197.4 X4
≤ 540000
586.3 X1+585.6 X2+586.8 X3+570.4 X4
≤ 1080000
409.9 X1+409.3 X2+409.3 X3+410.1 X4
≤ 540000
1121 X1+1109.9 X2+1110 X3+1110.9 X4
≤ 1080000
929.1 X1+928.9 X2+930.2 X3+928.4 X4
≤ 1620000
762.1 X1+761.8 X2+761.7 X3+761.5 X4
≤ 540000
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 5.42. Rekapitulasi Fungsi Tujuan ... (Lanjutan) Bulan Mei
Fungsi Kendala
284.3 X1+284.7 X2+284.7 X3+284.9 X4
≤ 540000
Ketersediaan bahan baku 510 X1 + 450 X2 + 430 X3 + 430 X4 6 X1 + 4.8 X2 + 2.8 X3 + 2.8 X4 9 X1 + 5 X2 + 4 X3 + 3 X4
≤
≤
≤ 330000 3001
3889
Target produksi berdasarkan peramalan
X 15 ≤ Y15 = X1
≤ 211
X 25 ≤ Y25 = X2 ≤ 56 X 35 ≤ Y35 = X3 ≤ 452 X 45 ≤ Y45 = X4 ≤ 85 Jumlah produksi minimum
X 15 ≥ V15 = X1 ≥ 169 X 25 ≥ V25 = X2 ≥ 45 X 35 ≥ V35 = X3 ≥ 362 X 45 ≥ V45 = X4 ≥ 68 X3 ≥ 374 X3 ≤ 373 X1, X2, X3, X4 = integer
Solusi optimum kontinu dijadikan batas atas awal. Kemudian dibentuk batas bawah dari nilai X3, dengan menambah kendala yang bersifat mutually exclusive yakni : X3 ≥ 374 dan X3 ≤ 373. Model ini kemudian diselesaikan dengan metode simpleks sehingga diperoleh variabel keputusan yang baru. Jika variabel keputusan bernilai integer maka solusi optimal ditemukan. Jika variabel keputusan belum integer perhitungan dilanjutkan ke langkah 4
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
4. Dilakukan iterasi dengan mencabangkan setiap solusi optimal kontinu. Solusi optimal kontinu dijadikan batas bawah baru dengan penambahan kendala seperti pada langkah 3. Iterasi terus dilakukan sampai diperoleh variabel keputusan integer. Sebagai contoh, pada Gambar 5.4 dapat dilihat tahapan branch
and
bound
untuk
bulan
Mei
2009.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
1 LP 0 X=(211, 56, 373.8402, 68) Z=107718146 x3≤373
2
3
LP 1 X=(211, 56, 373, 68.84) Z=107698800
LP 2 X=(211, 55.84, 374, 68) Z=107715400
x4≥69
x4≤68
LP 3 X=(211, 56, 373.8402, 68) Z=107718146
8 LP 7 X=(211, 56, 372, 69.84) Z=107675800
x2≥56
x2≤55
5
6
7
LP 4 X=(211,56, 372.84, 69) Z=107695120
LP 5 X=(211, 55, 374.84, 68) Z=107701120
LP 6 X=(211, 56, 373.8402, 68) Z=107718146
4
x3≤372
x3≥374
x3≥373
9 LP 8 X=(211, 56, 373.8402, 68) Z=107718146
x3≥375
x3≤374
11
10 LP 9 X=(211, 56, 373.8402, 68) Z=107718146
LP 10 X=(211, 54.84, 375, 68) Z=107698400 x2≤54
12 LP 11 X=(211, 54, 375.84, 68) Z=107684120
x2≥55
13 LP 12 X=(211, 56, 373.8402, 68) Z=107718146
Gambar 5.4. Perhitungan Branch and Bound
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
12
8
x4≤69
30 LP 31 X=(211, 56, 373.8402, 68) Z=107718146
x3≥376
x3≤375
x4≥70
14
31 LP 32 X=(211, 56, 373.8402, 68) Z=107718146
15
LP 13 X=(211, 56, 373.8402, 68) Z=107718146
LP 14 X=(211, 53.84, 376, 68) Z=107681400 x2≤53
17
16 LP 15 X=(211, 53, 376.84, 68) Z=107667120 x3≤376
16 LP 17 X=(211, 56, 373.84, 68) Z=107718120
x2≥54
LP 16 X=(211, 56, 373.8402, 68) Z=107718146
x3≥377
17 LP 18 X=(211, 52.8402, 377, 68) Z=107664400
Gambar 5.4. Perhitungan … (Lanjutan)
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
16
17
LP 17 X=(211, 56, 373.84, 68) Z=107718120 x3≤373
x4≤68
x4≥69
22 LP 23 X=(211, 56, 373.84, 68) Z=107718146 x3≤372
26 LP 27 X=(211, 52, 372, 69.84) Z=107135800
LP 24 X=(211, 56, 372.84, 69) Z=107695120
27 LP 28 X=(211, 56, 373.84, 68) Z=107718146
20
19
LP 21 X=(211, 52, 377.84, 68) Z=107650120
LP 20 X=(211, 55.8402, 373, 68) Z=107715400 x2≤52
LP 25 X=(211, 52, 377.84, 68) Z=107650120 x3≤377
21 LP 22 X=(211, 56, 373.8402, 68) Z=107718146
25 LP 26 X=(211, 56, 373.84, 68) Z=107718146 x3≥378
28 LP 29 X=(211, 56, 373.84, 68) Z=107718146
x2≥53
x2≥53
24
23
x3≥373
x2≤52
x3≥374
18 LP 19 X=(211, 56, 373, 68.84) Z=107698800
LP 18 X=(211, 52.8402, 377, 68) Z=107664400
29 LP 30 X=(211, 51.84, 378, 68) Z=107647400
Gambar 5.4. Perhitungan … (Lanjutan)
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Dari perhitungan branch and bound diperoleh jumlah produksi optimal untuk bulan Mei 2009 adalah: a. Platinum / X1 = 211 unit b. Golden / X2 = 56 unit c. Silver / X3 = 373 unit d. Bigline / X4 = 68 unit Untuk perhitungan pada bulan Juni dan Juli dapat dilakukan dengan cara yang sama yaitu dengan menggunakan bantuan software LINDO. Hasil rekapitulasi penentuan jumlah produksi dengan perhitungan model integer programming pada bulan Mei, Juni dan Juli dapat dilihat pada Tabel 5.42. Tabel 5.42. Rekapitulasi Penentuan Jumlah Produksi dengan Model Integer Programming Platinum
Golden
Silver
Bigline
(unit) / X1
(unit) / X2
(unit) / X3
(unit) / X4
Mei
211
56
373
68
Rp. 107.619.000
Juni
200
44
417
67
Rp. 108.511.000
Juli
182
55
437
57
Rp. 107.176.000
Bulan
Laba
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
BAB VI ANALISIS DAN EVALUASI
6.1. Analisis 6.1.1. Analisis Perencanaan Produksi Perusahaan Saat Ini. Saat ini perencanaan produksi PT Cahaya Kawi Ultra Polyintraco untuk menentukan jumlah spring bed yang akan diproduksi dilakukan berdasarkan perkiraan pola permintaan masa lalu dengan menggunakan peramalan kuantitatif. Seperti yang diketahui, bahwa hasil interpretasi peramalan tidak akan terlalu jauh berbeda dengan pola data permintaan tahun sebelumnya. Namun pada kenyataannya terjadi penyimpangan yang cukup jauh dari tahun 2007 ke tahun 2008. Perkiraan yang dilakukan belum mempertimbangkan keterbatasan perusahaan dalam hal tenaga kerja, mesin, bahan baku dan modal secara matematis. Sementara seperti diketahui, proses produksi dapat dilakukan jika tersedia tenaga kerja, mesin, bahan baku dan modal yang cukup. Jika salah satu dari elemen ini tidak terpenuhi maka proses produksi akan mengalami gangguan bahkan dapat mengakibatkan proses produksi harus dihentikan. Hal ini dapat terjadi di PT Cahaya Kawi Ultra Polyintraco, karena acuan produksi hanya berdasarkan perkiraan permintaan. Secara umum proses produksi telah berjalan cukup baik, namun perusahaan mengharapkan adanya metode perencanaan produksi yang lebih baik yang dapat mengalokasikan sumber daya terbatas dengan efisien.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
6.1.2. Analisis Perencanaan Produksi dengan Integer Programming Model integer programming digunakan untuk memperoleh solusi dalam bentuk bilangan bulat (integer). Model ini terdiri dari 3 parameter, yakni : 1. Variabel Keputusan, yaitu jumlah produksi untuk tiap spring bed. 2. Fungsi Tujuan, yaitu laba yang diinginkan dari hasil jumlah produksi. 3. Fungsi Kendala yaitu batasan ketersediaan jam kerja orang, ketersediaan bahan baku, target produksi dan jumlah produksi minimum. Sebagai contoh, nilai dari variabel keputusan, fungsi tujuan dan fungsi kendala untuk bulan Mei 2009 adalah: 1. Platinum / X1 = 211 unit Golden / X2
= 56 unit
Silver / X3
= 373 unit
Bigline / X4
= 68 unit
2. Laba yang dihasilkan = 235000X1 + 135000 X2 + 118000 X3 + 95000 X4 = 235000 (211) + 135000 (56)+ 118000 (373)+ 95000 (68) = Rp. 107.619.000 3. Jam kerja tenaga kerja yang terpakai -
Perakitan Per bulat mesin RAM 830.9 (211) +822.5 (56) +822.4 (373) = 528135 detik
-
Perakitan Per bulat mesin RAM manual 1575.1 (68) = 107107 detik
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
-
Perakitan Kawat lis 1082.2 (211) +1083.1 (56) +1082.3(373) +1082.7 (68) = 766319 detik
-
Penjahitan Kain Quilting 221.4 (211) +204.8 (56) +205 (373) +197.4 (68) = 148072 detik
-
Pemotongan 586.3 (211) +585.6 (56) +586.8 (373) +570.4 (68) = 414167 detik
-
Penjahitan kain quilting dengan kain blacu dan label 409.9 (211) +409.3 (56) +409.3 (373) +410.1 (68) = 289965 detik
-
Penjahitan lis kain quilting 1121 (211) +1109.9 (56) +1110 (373) +1110.9 (68) = 788257 detik
-
Perekatan dengan per 929.1 (211) +928.9 (56) +930.2 (373) +928.4 (68) = 658154 detik
-
Penjahitan lis 762.1 (211) +761.8 (56) +761.7 (373) +761.5 (68) = 539360 detik
-
Pembungkusan 284.3 (211) +284.7(56) +284.7 (373) +284.9(68) = 201497 detik
4. Bahan baku yang terpakai -
Per bulat
-
Kain quilting : 6 (211) + 4.8 (56) + 2.8 (373) + 2.8 (68) = 2769.6 cm
-
Busa
: 510 (211) + 450 (56) + 430 (373) + 430 (68) = 322440 unit
: 9 (211) + 5 (56) + 4 (373) + 3 (68) = 3875 cm
Pada Tabel 6.1. dapat dilihat hasil rekapitulasi dari setiap nilai variabel keputusan, fungsi tujuan dan fungsi kendala untuk bulan Mei, Juni dan Juli 2009.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 6.1. Rekapitulasi Hasil Perhitungan dengan Integer Programming Fungsi
Mei
Juni
Juli
Variabel Keputusan 1.
Platinum (unit)
211
200
182
2.
Golden (unit)
56
44
55
3.
Silver (unit)
373
417
437
4.
Bigline (unit)
68
67
57
Rp. 107.619.000
Rp. 108.511.000
Rp. 107.176.000
Fungsi Tujuan Jam tenaga kerja terpakai -
Perakitan Per bulat mesin RAM (detik)
528135
545311
555850
-
Perakitan Per bulat mesin RAM manual (detik)
107107
105532
89781
-
Perakitan Kawat lis (detik)
766319
787956
791210
-
Penjahitan Kain Quilting (detik)
148072
152002
152396
-
Pemotongan (detik)
414167
425939
427859
-
Penjahitan kain quilting dengan kain blacu dan label (detik)
289965
298144
299353
-
Penjahitan lis kain quilting (detik)
788257
810336
813458
-
Perekatan dengan per (detik)
658154
676788
679602
-
Penjahitan lis (detik)
539360
554589
556870
201497
207195
208054
322440
329920
329990
- Pembungkusan (detik) Bahan baku terpakai -
Per bulat (unit)
-
Kain quilting (cm)
2770
2766
2739
-
Busa (cm)
3875
3889
3832
Dari Tabel 6.1 dapat dilihat penggunaan sumber daya oleh perusahaan sesuai perencanaan produksi pada bulan Mei, Juni dan Juli 2009. Pada Tabel 6.2. dapat dilihat ketersediaan sumber daya perusahaan tiap bulannya dan selisih antara penggunaan dengan ketersediaan sumber daya di perusahaan.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 6.2. Perbandingan Ketersediaan Sumber Daya di Perusahaan dengan Pemakaian Sumber Daya Berdasarkan Integer Programming Sumber daya terpakai Jam tenaga kerja (detik)
Terpakai
Ketersediaan sumber daya
Selisih
Mei
Juni
Juli
Mei
Juni
Juli
Mei
Juni
Juli
528135
545311
555850
540000
594000
594000
11865
48689
38150
- Perakitan Per bulat RAM manual
107107
105532
89781
540000
594000
594000
432893
488468
504219
- Perakitan Kawat lis
766319
787956
791210
1080000
1188000
1188000
313681
400044
396790
- Penjahitan Kain Quilting
148072
152002
152396
540000
594000
594000
391928
441998
441604
- Pemotongan
414167
425939
427859
1080000
1188000
1188000
665833
762061
760141
- Penjahitan kain quilting dengan kain blacu dan label
289965
298144
299353
540000
594000
594000
250035
295856
294647
- Penjahitan lis kain quilting
788257
810336
813458
1080000
1188000
1188000
291743
377664
374542
- Perekatan dengan per
658154
676788
679602
1620000
1782000
1782000
961846
1105212
1102398
- Penjahitan lis
539360
554589
556870
540000
594000
594000
640
39411
37130
- Pembungkusan
201497
207195
208054
1080000
1188000
1188000
878503
980805
979946
322440
329920
329990
330000
330000
330000
7560
80
10
- Kain quilting (cm)
2770
2766
2739
3001
3001
3001
231
235
262
- Busa (cm)
3875
3889
3832
3889
3889
3889
14
0
57
- Perakitan Per bulat mesin RAM
Bahan baku - Per bulat (unit)
Dari Tabel 6.2 dapat disimpulkan perusahaan dapat berproduksi tanpa adanya gangguan kekurangan sumber daya karena sumber daya yang terpakai masih dalam batas ketersediaan sumber daya di perusahaan. Misalnya pada bulan Mei 2009, tenaga kerja perakitan per bulat mesin RAM yang terpakai 528135 detik atau 98 %. Selain itu, dapat juga dilihat bahwa terdapat sumber daya perusahaan berlebih tidak seimbang antara sumber daya yang ada. Misalnya pada bulan Mei 2009, untuk tenaga kerja perakitan ber bulat RAM manual yang terpakai 107107 detik atau 20 %. Sedangkan untuk penjahitan lis terpakai 539360 detik atau 99,9 %.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
6.1.3. Analisis Sensitivitas Perencanaan Produksi Analisis sensitivitas merupakan kajian tentang sensitivitas solusi optimal yang diakibatkan oleh perubahan yang terjadi pada parameter-parameter model, yakni nilai variabel keputusan pada fungsi tujuan, nilai ruas kanan dan koefisien pada fungsi kendala. Dalam hal ini, ingin diketahui seberapa besar perubahan pada parameter model yang diijinkan untuk tetap mempertahankan solusi optimal. Pada Tabel 6.2 dapat dilihat kelebihan kapasitas produksi baik kapasitas tenaga kerja maupun ketersediaan bahan. Nilai positif pada selisih kapasitas menandakan terjadi kelebihan kapasitas, sedangkan nilai nol menandakan kapasitas terbatas yakni kapasitas tersedia telah terpakai seluruhnya. Melalui analisis sensitivitas ini dapat dicari sejauh mana nilai kapasitas dapat dinaikkan atau diturunkan dengan tetap mempertahankan solusi optimal. Misalnya untuk bulan Mei 2009, dari hasil uji program aplikasi LINDO dapat dilihat maksimum penambahan dan pengurangan kapasitas yang diijinkan. Allowable increase berarti maksimum penambahan yang diijinkan, misalnya untuk perakitan per bulat mesin RAM
(row 2)
penambahan tidak terhingga. Sedangkan allowable
decrease berarti maksimum pengurangan yang diijinkan, misalnya untuk perakitan per bulat mesin RAM (row 2) pengurangan diijinkan sebesar 11174 detik. Rekapitulasi penambahan dan pengurangan kapasitas yang diijinkan dapat dilihat pada Tabel 6.3.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 6.3. Perubahan Maksimum Kapasitas Kapasitas Perusahaan
ROW
CURRENT
ALLOWABLE RHS
Perakitan Per bulat mesin RAM (detik) Perakitan Per bulat mesin RAM manual (detik)
2
INCREASE
ALLOWABLE DECREASE
540000.000000
INFINITY
11173.898438
3
540000.000000
INFINITY
432893.187500
Perakitan Kawat lis (detik)
4
1080000.000000
INFINITY
312771.312500
Penjahitan Kain Quilting (detik)
5
540000.000000
INFINITY
391755.343750
Pemotongan (detik) Penjahitan kain quilting dengan kain blacu dan label (detik)
6
1080000.000000
INFINITY
665340.437500
7
540000.000000
INFINITY
249690.703125
Penjahitan lis kain quilting (detik)
8
1080000.000000
INFINITY
290810.750000
Perekatan dengan per (detik)
9
1620000.000000
INFINITY
961064.125000
Penjahitan lis (detik)
10
540000.000000
2025.950073
9018.700195
Pembungkusan (detik)
11
540000.000000
INFINITY
338264.000000
Per bulat (unit)
12
330000.000000
INFINITY
7198.703125
Kain quilting (cm)
13
3001.000000
INFINITY
229.047363
Busa (cm)
14
3889.000000
INFINITY
10.639097
Target produksi X1 (unit)
15
211.000000
2.128714
42.000000
Target produksi X2 (unit)
16
56.000000
10.644687
11.000000
Target produksi X3 (unit)
17
452.000000
INFINITY
78.159775
Target produksi X4 (unit)
18
85.000000
INFINITY
17.000000
Dengan adanya informasi pengurangan kapasitas yang diijinkan pada analisis sensitivitas ini,
maka perusahaan dapat
mengurangi kelebihan
kapasitasnya sampai pada batas yang ditetapkan. Dengan adanya pengurangan kapasitas tersedia ini maka biaya produksi dapat dikurangi sehingga laba dapat dimaksimumkan.
6.2.
Evaluasi Perencanaan produksi untuk menentukan jumlah spring bed yang harus
diproduksi pada PT Cahaya Kawi Ultra Polyintraco selama ini dilakukan dengan perkiraan berdasarkan pola permintaan masa lalu. Hal ini kurang akurat Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
mengingat perusahaan memiliki keterbatasan dalam ketersediaan waktu tenaga kerja, mesin, bahan baku dan modal. Oleh karena itu diperlukan pengalokasian sumber daya terbatas dengan tepat. Dalam hal ini, dapat diselesaikan dengan integer programming. Integer programming memaksimumkan laba dengan memperhatikan
susunan
kendala
yakni
sumber
daya
terbatas.
Integer
programming menghasilkan variabel keputusan dalam hal ini jumlah produksi optimal spring bed dalam bentuk bilangan bulat, karena jumlah spring bed yang diproduksi tidak mungkin dalam bentuk pecahan. Hasil dari perencanaan produksi dengan menggunakan perhitungan integer programming menunjukkan bahwa tercapai jumlah produksi optimal yang memanfaatkan sumber daya terbatas dengan efisien. Dengan adanya hasil perhitungan dari model integer programming diharapkan perusahaan memiliki perbandingan yang baik dalam menentukan perencanaan produksi sehingga permintaan konsumen terhadap produk spring bed dapat terpenuhi dengan keterbatasan sumber daya yang ada di PT Cahaya Kawi Ultra Polyintraco.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
BAB VII KESIMPULAN DAN SARAN
7.1.
Kesimpulan Dari uraian pada bab-bab sebelumnya, maka dapat ditarik kesimpulan :
1. PT Cahaya Kawi Ultra Polyintraco adalah perusahaan yang bergerak di bidang pembuatan spring bed yang terdiri dari 4 jenis, yakni platinum, golden, silver dan bigline. Perusahaan ini berproduksi dengan sistem make to stock. 2. Integer Programming dapat dilakukan untuk perencanaan produksi dengan hasil berbentuk bilangan bulat (integer). Pendekatan ini cukup baik karena memperhatikan keterbatasan sumber daya perusahaan. 3. Tujuan dari perencanaan produksi dengan integer programming adalah untuk memaksimumkan laba dengan fungsi tujuan : Max Z = 235000X1 + 135000 X2 + 118000 X3 + 95000 X4 4. Kendala yang diperhitungkan dalam penelitian ini adalah kapasitas tenaga kerja, ketersediaan bahan baku dan target produksi sesuai hasil peramalan. Disamping itu, diperhitungkan juga jumlah produksi minimum yang ditetapkan perusahaan. 5. Hasil akhir dari integer programming adalah jumlah produksi optimal spring bed yang dapat memaksimumkan laba perusahaan dengan tetap memperhatikan kendala yang ada. Rancana produksi optimal untuk tiap tipe adalah : Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel 7.1. Rekapitulasi Penentuan Jumlah Produksi dengan Model Integer Programming Platinum
Golden
Silver
Bigline
(unit) / X1
(unit) / X2
(unit) / X3
(unit) / X4
Mei
211
56
373
68
Rp. 107.619.000
Juni
200
44
417
67
Rp. 108.511.000
Juli
182
55
437
57
Rp. 107.176.000
Bulan
Laba
6. Untuk menghasilkan jumlah produksi sesuai dengan Tabel 7.1 maka sumber daya (kendala) yang terpakai dapat dilihat pada Tabel 7.2. Tabel 7.2. Rekapitulasi Jumlah Sumber Daya (Kendala) Terpakai Sumber daya terpakai Jam tenaga kerja (detik)
Terpakai Mei
Juni
Juli
-
Perakitan Per bulat mesin RAM
528135
545311
555850
-
Perakitan Per bulat RAM manual
107107
105532
89781
-
Perakitan Kawat lis
766319
787956
791210
-
Penjahitan Kain Quilting
148072
152002
152396
-
Pemotongan Penjahitan kain quilting dengan kain blacu dan label
414167
425939
427859
289965
298144
299353
-
Penjahitan lis kain quilting
788257
810336
813458
-
Perekatan dengan per
658154
676788
679602
-
Penjahitan lis
539360
554589
556870
-
Pembungkusan
201497
207195
208054
322440
329920
329990
Bahan baku -
Per bulat (unit)
-
Kain quilting (cm)
2770
2766
2739
-
Busa (cm)
3875
3889
3832
7. Berdasarkan hasil optimisasi dengan integer programming dapat diketahui bahwa pembatas yang paling berpengaruh pada solusi optimal adalah bahan baku. Hal ini disebabkan bahan baku yang tersedia di perusahaan terbatas. Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
7.2. Saran Saran yang dapat diberikan berdasarkan hasil penelitian ini kepada pihak perusahaan adalah : 1. Perusahaan dapat menerapkan integer programming untuk merencanakan produksi perusahaan. Untuk mempermudah perhitungan dapat digunakan perangkat lunak komputer (software). Saat ini, banyak tersedia software yang dapat menyelesaikan integer programming antara lain LINDO, QS, dan POM-QM. 2. Agar produksi berjalan lancar perusahaan perlu mengawasi jalannya proses produksi dengan lebih baik dan teliti. 3. Perusahaan dapat mempertimbangkan untuk meningkatkan kapasitas normalnya dengan alternatif menambah kapasitas gudang untuk bahan baku. 4. Perusahaan dapat mengurangi biaya produksi dengan mengefisienkan penggunaan jam kerja tenaga kerja atau dengan menyeimbangkan beban kerja tiap tenaga kerja di setiap stasiun kerja yang ada.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
DAFTAR PUSTAKA
Barnes, Motion and Time Study. 7th edition, John Wiley &sons. 1980. USA. Fien Zulfikarijah. Operation Research. Cetakan Pertama. Bayumedia Publishing. 2004. Ginting, Rosnani. Sistem Produksi. Surabaya. Penerbit Graha Ilmu. 2007 Johannes, Supranto. Riset Operasi Untuk Pengambilan Keputusan. Penerbit Universitas Indonesia. 1988 Makridakis, dan Victor E. Mc.Gee. Metode dan Aplikasi Peramalan. 1988. Moh. Nazir, Ph. D. Metode Penelitian. Penerbit Ghalia Indonesia : Jakarta. 2003 Nasution, Arman Hakim. Perencanaan dan Pengendalian Produksi. Edisi Pertama, Cetakan Kedua. Penerbit Guna Widya : Surabaya. 2003. Nazlina, Dini Wahyuni. Diktat Kuliah Sistem Produksi. Jurusan Teknik Industri Universitas Sumatera Utara. Medan. Pangestu, Subagyo. Dasar-dasar Operations Research. BPFE-Yogyakarta. 2000 Render, Barry. Prinsip-prinsip Manajemen Operasi. Penerbit Salemba Empat. 2001 Saiful Azhari. Perencanaan Produksi Jangka Pendek dengan Menggunakan Petrinet pada PT. Cahaya Kawi. Departemen Teknik Industri Fakultas Teknik. Universitas Sumatera Utara. 2008. Tidak dipublikasikan. Sitompul, Darwin. Riset Operasi I. Fakultas Teknik Universitas Sumatera Utara. 1997. Siswanto. Operation Research. Jilid I. Penerbit Erlangga : Jakarta. 2007. Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Sri Mulyono, Riset Operasi. Jakarta. 2004 Sritomo, Wignjosoebroto. Pengantar Teknik dan Manajemen Pabrik. Edisi Pertama. Penerbit Guna Widya : Surabaya. 2003. Sutalaksana. Teknik Tata Cara Kerja. Penerbit Institut Teknologi Bandung. 1979. Taha, Hamdy. Operations Research An Introduction. Prentice Hall. 2007 Yanto. Analisis, Perancangan Sistem Kerja dan Ergonomi. Jakarta. Unika Atmajaya. 2007
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
LAMPIRAN I Uraian Tugas dan Tanggung Jawab Pada bagian ini diuraikan secara terperinci semua tugas dan tanggung jawab setiap personil dalam struktur organisasi sehingga setiap orang betul-betul mengerti apa yang harus dilakukan dan seberapa jauh lingkup wewenangnya dan tumpang tindih dari kewajiban dan tanggung jawab dapat dihindarkan. Uraian tugas dan tanggung jawab pada masing-masing bagian PT. Cahaya Kawi Ultra Polyintraco dapat diuraikan sebagai berikut: 1. Direktur -
Pemimpin tertinggi yang melaksanakan kebijakan dan sasaran-sasaran perusahaan melalui tahapan-tahapan tertentu dan bertanggungjawab atas seluruh kegiatan operasional perusahaan serta kelangsungan kegiatan perusahaan.
-
Menyetujui dan menandatangani surat-surat penting yang berkenaan dengan perusahaan.
2. Kepala Divisi Produksi -
Melakukan pengawasan dan bertanggung jawab atas seluruh kegiatan produksi dan kualitas produk yang dihasilkan.
-
Melaksanakan rencana kerja operasional pabrik agar berjalan lancar dan memenuhi target.
-
Melakukan pembinaan sumber daya manusia di lingkungan pabrik.
3. Kepala Divisi Pemasaran -
Mengupayakan peningkatan jumlah penjualan melalui strategi pemasaran.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
-
Bertanggung jawab atas pemasaran produk yang dihasilkan.
4. Kepala Divisi Finance and Accounting -
Bertanggung jawab atas penyimpanan uang dan surat-surat berharga
-
Bertanggung jawab atas semua aktivitas keuangan perusahaan
-
Bertanggung jawab dan menandatangani semua surat yang berhubungan dengan pembelian barang atau bahan guna operasional perusahaan.
5. Kepala Divisi Pembelian -
Melakukan pemilihan dan evaluasi atas supplier.
-
Mengeluarkan Purchasing Order (PO) dan mengawasi efektivitas dan efisiensi pembelian.
6. Kepala Divisi Human Resources Development dan General Affair -
Bertanggung jawab atas seluruh kegiatan administrasi perusahaan.
-
Bertanggung jawab atas kegiatan yang berhubungan dengan sumber daya manusia dalam perusahaan.
7. Supervisor Produksi -
Bertanggung jawab pada kepala divisi produksi.
-
Bertanggung jawab atas seluruh proses pembuatan spring bed dan jumlah produk yang diproduksi.
-
Bertanggung jawab atas pengendalian kualitas spring bed yang diproduksi.
8. Supervisor Maintenance -
Bertanggung jawab atas seluruh kelancaran operasional mesin-mesin yang dioperasikan dan melakukan pemeliharaan pada mesin dan peralatan
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
9. Supervisor Financial -
Bertanggung jawab kepada Kepala Divisi Finance and Accounting dalam melaporkan kegiatan keuangan perusahaan.
-
Melaporkan serta membuat pembukuan atas pembayaran pajak dan keuangan perusahaan.
10. Supervisor Accounting -
Bertanggung jawab langsung kepada Kepala Divisi Finance and Accounting sehubungan dengan setiap pembayaran pajak.
-
Melaporkan dan membuat pembukuan atas setiap kegiatan pembelian.
11. Supervisor Pembelian -
Bertanggung jawab langsung kepada Kepala Divisi Pembelian mengenai kegiatan pembelian.
-
Melaporkan serta membuat pembukuan atas setiap kegiatan pembelian.
12. Supervisor Keamanan -
Bertanggung jawab menjaga keamanan perusahaan.
-
Melaporkan serta membuat pembukuan atas kegiatan keamanan.
13. Supervisor Distribusi -
Bertanggung jawab atas setiap kegiatan distribusi.
-
Melaporkan serta membuat pembukuan atas kegiatan distribusi.
14. Supervisor Gudang -
Bertanggung jawab langsung kepada Kepala Divisi Pemasaran mengenai kegiatan gudang.
-
Melaporkan serta membuat pembukuan atas kegiatan gudang.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
15. Supervisor Transportasi -
Bertanggung jawab atas setiap kegiatan transportasi.
16. Supervisor Penjualan -
Bertanggung jawab atas setiap kegiatan penjualan.
-
Melaporkan serta membuat pembukuan atas kegiatan penjualan
18. Karyawan -
Karyawan bekerja sesuai dengan pembagian kerja yang telah ditetapkan perusahaan.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
LAMPIRAN II PETA PROSES OPERASI Nama Obyek Nomor Peta Dipetakan oleh Tanggal dipetakan
Plastik mika
I-4
O-21
Kain polos, busa dan spoonboon
Kain polos, busa dan spoonboon
Kain blacu
Pengukuran dengan meteran
O-14
Jahit quilting tabung
Pemotongan dengan pisau
O-15
Pemotongan dengan rooling cutter
O-16
Penjahitan lis kain quilting tabung
I-3
O-10
: Matras Spring Bed :2 : Wenni junida : 19 Februari 2009
Busa
Per bulat
Harpadd
Pengukuran dengan meteran
O-8 I-4
Jahit quilting matras
I-2
Pengukuran dengan meteran
I-1
Pengukuran dengan meteran
O-1 I-1
Perakitan perbulat dengan kawat ulir menggunakan mesin RAM
Pemotongan dengan gunting
O-9
Pemotongan dengan rooling cutter
O-6
Pemotongan dengan rooling cutter
O-9
Pemotongan dengan rooling cutter
O-2
Perakitan kawat lis dengan menggunakan gun CL-73
O-11
Penjahitan dengan mesin jahit
O-3
Perakitan per pinggir dengan menggunakan gun CL-73
O-12
Penjahitan label dengan mesin jahit
O-5
Perekatan dengan menggunakan gun HR-22
O-7
Perekatan dengan menggunakan lateks
O-13
Perekatan dengan menggunakan lateks
O-17
Perekatan dengan menggunakan lateks
O-18
Penjahitan lis penyatuan kain quilting tabung dan matras
O-19
Pemasangan kancing
O-21
Pembungkusan
Penyimpanan
SIMBOL KETERANGAN JUMLAH
OPERASI
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010. INSPEKSI TOTAL
21
4
25
PETA PROSES OPERASI Nama Obyek Nomor Peta Dipetakan oleh Tanggal dipetakan Plastik mika
Kayu
I-6
O-11
Pengukuran dengan meteran
Non woven
I-5
Pemotongan kayu O-9 penegak sandaran dengan gergaji tangan
Pengukuran dengan meteran
Pemotongan dengan pisau
: : : :
Sandaran spring bed 1 Wenni junida 19 Februari 2009
Kain oscar
I-4
O-7
Pengukuran dengan meteran
Pemotongan dengan gunting
Busa
I-3
Pengukuran dengan meteran
O-4
Pemotongan sesuai pola O-3 dengan gunting
I-2
Tripleks
Pengukuran dengan meteran
Pemotongan dengan pisau
I-1
Pengukuran dengan meteran
O-1
Pemotongan dengan gergaji
O-2
Pengeboran dengan mesin bor
O-5
Perekatan busa dan kain dengan lateks dan gun etona 3001 J
O-6
Pemasangan logo dengan benang dan jarum
O-8
Pemasangan non woven dengan gun etona 3001 J
O-10
Pembungkusan dengan menggunakan selotip
O-12
Perakitan penegak sandaran
Penyimpanan
SIMBOL KETERANGAN JUMLAH
OPERASI
INSPEKSI Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
TOTAL
12
6
18
PETA PROSES OPERASI Nama Obyek Nomor Peta Dipetakan oleh Tanggal dipetakan
Plastik mika
I-4
O-21
Kain polos, busa dan spoonboon
Kain blacu
Non woven
Pengukuran dengan meteran
O-18
Pengukuran dengan meteran
I-3
Pemotongan dengan pisau
O-19
Pemotongan dengan gunting
O-15
: Divan spring bed :3 : Wenni junida : 19 Februari 2009
Busa
Pengukuran dengan meteran
O-13 I-4
Jahit quilting
Pemotongan dengan gunting
O-14
Pemotongan dengan rooling cutter
O-16
Penjahitan dengan mesin jahit
Kayu
Harpadd
I-2
O-11
Per bulat
Pengukuran dengan meteran
I-1
Pengukuran dengan meteran
O-4
Pemotongan kayu dengan gergaji
O-1 I-1
Perakitan perbulat dengan kawat ulir menggunakan mesin RAM
Pemotongan dengan rooling cutter
O-9
Pemotongan dengan rooling cutter
O-5
Pembuatan rangka kayu
O-2
Perakitan kawat lis dengan menggunakan gun CL-73
O-6
Perekatan goni bagor Dengan menggunakan gun 3001 J
O-3
Perakitan per pinggir dengan menggunakan gun CL-73
O-7
Perakitan dengan menggunakan gun CL-73
O-8
Perekatan goni bagor dengan menggunakan gun 3001 J
O-10
Perekatan dengan menggunakan lateks
O-12
Perekatan dengan menggunakan lateks
O-17
Perekatan dengan menggunakan lateks
O-20
Pemasangan non woven
O-22
Pembungkusan
Penyimpanan
SIMBOL KETERANGAN JUMLAH
OPERASI
22
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010. INSPEKSI
TOTAL
4
26
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
LAMPIRAN III Pengukuran Waktu Sebelum dilakukan pengukuran waktu, maka terlebih dahulu dipilih operator yang memiliki kemampuan kerja normal. Pada stasiun kerja yang memiliki lebih dari satu operator yang mengerjakan pekerjaan yang sama, perlu dilakukan pengamatan untuk memilih operator yang berkemampuan normal dan dapat bekerja sama. Adapun stasiun kerja yang memiliki lebih dari satu operator yang mengerjakan pekerjaan yang sama pada pembuatan spring bed di PT. Cahaya Kawi UltraPolyintraco adalah : 1. Stasiun Kerja Perakitan kawat lis
: 2 operator
2. Stasiun Kerja Pemotongan
: 2 operator
3. Stasiun Kerja Perekatan dengan per : 3 operator
1. Stasiun Kerja Perakitan kawat lis Dilakukan 5 kali pengamatan, masing-masing 35 menit untuk mengetahui berapa unit yang dihasilkan oleh operator. Hasil pengamatan dapat dilihat pada Tabel di bawah ini. Hasil kerja Operator (unit) Pengamatan ke 1
2
1
2,2
2
4,2/2 =2,1
2
2,2
1,9
4,1/2=2.05
3
2,2
2
4,2/2 =2,1
4
2,2
2,1
4,3/2 =2,15
5
2,2
2
4,2/2 =2,1
11/5 = 2,2
10/5 = 2
Kedua operator bekerja dengan normal, maka dapat dipilih salah satu dengan acak Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
2. Stasiun Kerja Pemotongan Dilakukan 5 kali pengamatan, masing-masing 35 menit untuk mengetahui berapa unit yang dihasilkan oleh operator. Hasil pengamatan dapat dilihat pada Tabel di bawah ini. Hasil kerja Operator (unit) Pengamatan ke 1
2
1
4
4
8/2 =4
2
4
4
8/2 =4
3
4
4
8/2 =4
4
4
4
8/2 =4
5
4
4
8/2 =4
20/5=4
20/5=4
Kedua operator bekerja dengan normal, maka dapat dipilih salah satu dengan acak
2. Stasiun Kerja Perekatan dengan per Dilakukan 5 kali pengamatan, masing-masing 35 menit untuk mengetahui berapa unit yang dihasilkan oleh operator. Hasil pengamatan dapat dilihat pada Tabel di bawah ini. Hasil kerja Operator (unit) Pengamatan ke 1
2
3
1
2,6
2,6
2,6
7,8/3 =2,6
2
2,6
2,4
2,6
7,6/3 =2,5
3
2,6
2,6
2,5
7,7/3 =2,6
4
2,6
2,2
2,2
7/3 =2,3
5
2,6
2,3
2,3
7,2/2 =2,4
13/5=2,6
12,1/5=2,42
12,2/5=2,44
Operator ketiga bekerja dengan normal, maka dapat dipilih operator 3. Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
LAMPIRAN IV Uji Keseragaman Data Spring bed Tipe Golden Pengamatan 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 Jumlah rata-rata simp baku
Waktu (detik) K6 K7 61.4 194.3 56.2 195.8 60.8 189.1 60.3 195.2 62.9 193.1 57.1 189.5 63.4 195 61.3 196 62.3 191.7 57.4 191 60.1 192.5 58.4 191.5 57.2 192.4 62.5 192.2 58.7 191.8 63.2 194.6 60.6 193.6 61.3 195.1 56.8 189.2 60.7 196.8 62.6 190.2 60.7 192.1 62.3 194 59.4 190.5 58.5 189.3 60.2 191.4 56.4 191.1 61.5 194.4 59 191.5 56.2 189 1799.4 5773.9
K1 708.5 707.7 703.1 705.1 703.5 709.8 708.3 703.3 708.7 709.5 702.3 702.5 705.5 707.3 702.6 709.2 704.5 705.7 709.9 708.3 702.1 703.7 705.9 707.2 702.2 707.8 703.3 705.8 709.4 706.9 21179.6
K2 941.3 942.7 946 940.6 936.3 941.7 940.1 939.8 945.2 939.6 938.1 945.5 939.9 941.6 936.8 943.3 943.5 938.7 943.9 943.4 939.8 937 945.5 945.4 944.7 945.7 943.3 939.5 940.8 945.5 28255.2
K3 184.4 180.5 181.7 178.1 180.9 181.3 183.2 184.1 178.2 183.9 183.2 180.9 182.4 180.6 179.8 184.5 181.1 184.7 182.7 181.5 179.7 182.6 180.2 179.8 184.2 182.6 185.4 181.3 185.3 182 5460.8
K4 92.5 92.8 94.5 98.5 89.2 90.4 95 94.8 89.8 94.8 95.8 90.1 98 89.4 91.4 99.4 99 92.7 99.7 97.8 93 96.9 92.7 97.4 91.3 92.6 94.3 93.5 90.8 90.6 2818.7
K5 180.3 181.1 187.1 181.2 180.5 181.8 186.3 187 186.1 181.9 178.2 179.5 182.5 184.1 182.5 184.4 178.6 187.3 186.8 183.6 183.7 186.8 181.4 185.7 182.4 178.2 185.4 187.7 183.3 185.3 5500.7
706.0
941.8
182.0
94.0
183.4
60.0
2.6
2.9
2.0
3.2
2.9
2.2
K8 345.4 338.9 340 348.2 345.2 349.6 347.9 348 354.6 342.2 344.3 344.1 351.2 344.2 350.4 352.7 347.9 347.9 347.6 345.3 348.1 341.2 347 345.7 346.9 353.1 347.9 339 350.4 350.8 10405.5
K9 935.5 931.3 929.1 932 931 931 932.4 936 929.3 930.6 934.1 930 935.7 936.2 930.8 934 936.1 930.9 933 933.5 932.3 934 933.6 932.8 930.4 936.6 933.6 931.1 929.3 936.1 27982.3
K10 801.3 811.3 808.7 802.3 801.2 798.6 800 795.9 811.5 808.6 799.7 810.2 797.2 797.3 799.9 804.5 801.4 798.1 809.4 797.9 806.9 803.2 808.9 810.1 812.8 800.8 809.8 810.6 809.4 799.4 24126.9
K11 642.4 644 642.7 642.9 644.4 639.5 639.3 639.3 645 644.1 644 640.6 644.5 642.9 640.4 640.9 640.4 643.7 641.5 642.3 643.8 643.9 645.9 643.8 643.1 646.1 640 642.3 647 646.8 19287.5
K12 252.3 256.5 255.7 253.8 251.9 251.7 252.3 255.5 254.7 251.6 256.5 252.8 254 255.5 253.5 251.3 256.7 249.7 249.6 254.8 252.1 256.6 249.1 249.8 252.5 252.2 251.4 255.7 252.7 251.2 7593.7
192.5
346.9
932.7
804.2
642.9
253.1
2.3
4.0
2.3
5.4
2.2
2.3
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
BKA
711.3
947.7
186.0
100.4
189.2
64.5
197.0
354.9
937.4
815.0
647.3
257.7
BKB
700.7
936.0
178.0
87.5
177.5
55.5
187.9
338.8
928.1
793.5
638.5
248.6
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Keterangan
Uji Keseragaman Data Spring bed Tipe Silver Pengamatan 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
K1 705.3 702.8 703 709.1 708.3 709.3 704.8 703.4 704.4 704.5 703.5 706 706.8 707.4 706.2 703.1 707.9 706.5 705 709.8 703.5 706.6 706.7 709.4 707.6 704 704.1 702.7 704.9 709.9
K2 939.2 939.7 944.9 942.3 942 938.5 945.9 938.9 937.6 942.1 943.1 942.2 937.3 943.4 936.2 942.9 940.4 937.7 941.1 945.7 941.1 943.7 945.9 942.1 942 937.4 943.7 940 936.4 940.6
K3 182.1 179.9 183.1 184.9 182.8 183.7 184.6 180.9 184.7 184.5 185.5 185.1 178.9 183.8 185.7 181.3 179.8 182.9 182.5 185.5 181.1 178.8 181.2 182.2 178.5 178.9 179.8 178.8 183.4 179.8
K4 91.3 95.3 91.5 92.2 94.1 95.5 92.4 93.5 87.2 88.5 97.8 93.2 94.8 97.1 92 98.7 89.3 99.6 94.7 89.1 97.9 98.1 90.8 93.2 94.8 92.5 87.4 90.8 99.4 96.3
K5 181.6 180 182 187.9 187.3 179.8 183.1 184.7 183.5 186.2 185 181.8 180.3 181.6 181.8 180 186.9 187 183.3 184.7 178.4 183 182 186.1 187.9 181.2 184.4 182 186.5 185.9
Waktu (detik) K6 K7 62.2 192.6 58.9 192.8 61.5 196.5 59.4 195.7 57.2 195.7 62.4 196.9 58.8 190.7 56.9 194.5 57.3 195 58.1 196.4 63.9 195.5 57.4 193.5 61 194.6 61.6 193.2 62.9 196.6 56.9 192.4 59.7 190.1 58.6 193.6 63.9 193.3 62.9 194.9 56.1 196.4 58.9 192.1 61.8 191.8 62.8 196.4 63.6 192.7 62.3 192.6 62 195 62.4 191.6 56.1 190.5 57.1 191.4
K8 343.6 352.8 342.8 341.2 353.9 350.9 347.6 344.4 347.6 352.8 351.9 348.1 346.1 340.2 350.3 343.2 347.1 342.7 350.7 339.5 350.9 344.5 347.9 345.4 348.9 347.8 351 343.8 338.8 352
K9 933.2 929.9 930.9 935.7 932.6 930.3 930 933.3 936.5 931.8 935.1 934.1 931.4 936.1 931.8 930.5 932.3 929.1 933.9 934.5 932.4 930 933 933.9 936.3 929.4 932.5 935 935.7 934.2
K10 803.2 803 805.2 812.5 796.6 811.8 808.7 807.3 808.3 802.7 807.4 795.8 797.4 798.3 803 809.1 809.4 802.8 812.2 803.2 806.5 812.6 801.2 811.2 802 812.1 799.8 808.8 803.4 807.4
K11 640.2 644.2 646.2 642.2 645 643.6 642.8 645.6 642 645.6 639.3 643.8 643.3 645.1 639.5 643.9 639.7 644 640.1 642.4 645.2 639.4 643.2 639.8 646.3 640 641.2 646.4 642.7 642.1
K12 251.5 252.5 254.5 251.1 256.1 254.9 249.3 256.2 250.7 254.7 252.3 255.7 249.4 250.2 250.8 251.1 254.2 250.4 251.5 250.4 256.8 253.7 253.2 255.4 256.7 255.6 255.5 249 256.1 253.5
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
21176.5
28234
5464.7
2809
5505.9
1804.6
5815
10408.4
27985.4
24162.9
19284.8
7593
705.9
941.1
182.2
93.6
183.5
60.2
193.8
346.9
932.8
805.4
642.8
253.1
2.3
2.8
2.4
3.5
2.7
2.6
2.0
4.3
2.2
5.0
2.3
2.5
BKA
710.4
946.8
186.9
100.7
188.9
65.3
197.9
355.5
937.3
815.4
647.4
258.1
BKB
701.3
935.5
177.4
86.6
178.1
55.0
189.8
338.4
928.4
795.4
638.2
248.1
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
K4 92.8 94.1 93.8 92.6 98.6 95.1 95.1 88.9 94.6 94.7 89.4 98.1 89.9 97.9 87.3 88.4 94.7 91 98.4 98.1 93.7 87.1 93.3 92.8 87.5 92.9
K5 172.4 173.6 165.8 170.6 170.2 168.4 174.2 166.5 173 170.4 171.1 166.5 167.4 168 172.5 172.7 167.4 166.1 173.3 171.5 167.6 166.2 165.9 171.7 173.8 168.2
Waktu (detik) K6 K7 61.8 194.5 56.7 190.2 58.6 189.2 58.5 189.5 62.1 195 56.8 189.5 58.9 191.6 60.3 192.5 56.7 191.3 61.2 196.6 63.7 194.1 63 196.4 63.2 190 58.3 194.1 63.1 196.5 61.9 191 63.7 189.8 56.9 189.6 57.3 191.9 58 194.7 57.5 192.1 63.6 195.9 62.1 196.1 57.2 193.4 63.1 191.6 60.9 189.8
K8 348.1 348.7 345.7 349 345.5 346 346 345 351.4 348.9 349.7 347.5 344.2 342.1 353.5 353.3 341.5 346.4 346.4 347.2 350.1 345.9 345.2 347.6 342.7 351.1
K9 930 929.8 936.6 933.8 935.6 936.8 932.4 929.5 934.5 934.7 930.3 936.4 930.8 936.7 934.4 933.2 933.9 933 931.6 934.8 933.6 935.7 931.8 934 935.6 934
K10 810.6 799.3 805.3 811.3 800.9 811.5 807.9 801 797.1 810.6 800.8 812.7 799.9 798.4 811.5 812.6 809.3 799.1 811.6 806.8 808.5 795.1 795.5 796.7 795.6 808.4
K11 643.2 644.4 639.8 645.5 645.8 640.3 643 645.5 643.1 642.2 643.1 644.2 643.1 645.2 640 640.7 639.2 641.6 644 641 642.1 640.7 643.3 641.9 640.1 643.2
K12 251.6 256.5 249.3 254.3 255.7 250 253.4 256.3 256.4 251.4 254.3 256.9 256.9 252.7 252.4 253.9 254 251.2 250 250.2 256.6 249.5 251.8 252.9 252.8 255.2
Jumlah rata-rata simp baku
Keterangan
Uji Keseragaman Data Spring bed Tipe Bigline Pengamatan 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
K1 1351.2 1353.2 1352.9 1353.2 1355.2 1353.5 1351.8 1350.7 1348.6 1353.8 1351 1354.3 1351.1 1352.9 1348.8 1354.3 1348.2 1354.1 1353.8 1354.8 1352.3 1354.7 1351.9 1349.4 1348.3 1351.4
K2 943.3 938.9 936.5 941.5 943.7 942.5 945.3 938.3 938.1 943.3 937.7 944.2 942.2 942.1 943.8 937.7 938.2 942.7 944.1 938.4 945.3 942.9 944.9 944.1 937.5 943.2
K3 176.4 178.4 174.2 177.1 173.3 177.3 176.4 172.1 173.5 175.7 178.4 173.9 177.7 172.3 174.2 176.9 172.7 174.7 176.9 174 176.2 173.5 175.6 178.3 177.7 178.5
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
27 28 29 30 Jumlah
1350.8 1348.7 1353.8 1351.2 40559.9
941.2 942.2 943.3 939 28246.1
172.2 176 173.1 178.9 5266.1
95.9 89.7 92.7 95.6 2794.7
170.9 167.8 174.1 172.4 5100.2
58.2 62.7 60.4 63.3 1809.7
190.5 192.5 196.8 195.3 5782
350.2 350.9 345.4 349.6 10425
932.9 933.9 935.1 930 28005.4
800.5 797 799.6 798.9 24114
642.6 645.2 642.9 641.4 19278.3
256.7 250.1 251.1 250.5 7594.6
rata-rata
1352.0
941.5
175.5
93.2
170.0
60.3
192.7
347.5
933.5
803.8
642.6
253.2
2.1
2.7
2.2
3.4
2.9
2.6
2.6
3.1
2.2
6.2
1.9
2.5
BKA
1356.2
947.0
179.9
100.0
175.7
65.5
197.9
353.6
937.9
816.1
646.3
258.2
BKB
1347.7
936.1
171.2
86.3
164.3
55.2
187.6
341.4
929.1
791.5
638.9
248.1
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
Seragam
simp baku
Keterangan
LAMPIRAN V ALLOWANCE TABEL BERDASARKAN LITERATUR
Faktor A. Tenaga yang Dikeluarkan
Contoh Pekerjaan Ekivalen Beban
1. Dapat diabaikan 2. Sangat ringan 3. Ringan 4. Sedang 5. Berat 6. Sangat berat 7. Luar biasa berat B. Sikap kerja
Bekerja di meja, duduk Bekerja di meja, berdiri Menyekop, ringan Mencangkul Mengayun Palu yang Berat Memanggul beban Memanggul karung berat
Tampa beban 0,00-2,25 kg 9,00-18,00 19,00-27,00 27,00-50,00 diatas 50 kg
1. Duduk 2. Berdiri diatas dua kaki
Bekerja duduk, ringan Badan tegak, ditumpu dua kaki
Pria
Kelonggaran (%) Wanita
0,0-6,0 6,0-7,5 12,0-19,0 9,0-30,0 30,00-50,00
0,0-6,0 6,0-7,5 7,5-16,0
0,00-1,0 1,0-2,5
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
3. Berdiri diatas satu kaki 4. Berbaring 5. Membungkuk C. Gerakan Kerja 1. Normal 2. Agak terbatas 3. Sulit 4. Pada anggota-anggota Badan terbatas 5. Seluruh anggota badan Terbatas
Satu kaki mengerjakan alat kontrol Pada bagian sisi, belakang atau depan beban Badan dibungkukkan ditumpu pada kedua kaki
Ayunan bebas dari palu Ayunan terbatas dari palu Membawa beban berat dengan satu tangan
0 0-5 0-5
Bekerja dengan tangan diatas kepala
5-10
Bekerja dilorong pertambangan yang sempit
10-15
Faktor
Kelonggaran (%)
E. Keadaan Temperatur tempat kerja **) 1. Beku 2. Rendah 3. Sedang 4. Normal 5. Tinggi 6. Sangat tinggi F. Keadaan Atmosfer***) 1. Baik 2. Cukup 3. Kurang Baik
2,5-4,0 2,5- 4,0 4,0-10
Temperatur Dibawah 0 0-13 13-22 22-28 28-38 Diatas-38
Kelemahan Normal
Berlebihan
Diatas 10 10-0 5-0 0-5 5-40 Diatas 40
Ruang yang berventilasi yang baik, udara segar Ventilasi kurang baik, ada bau-bauan (tidak berbahaya) Ada debu-debu beracun, atau tidak beracun
Diatas 12 12-5 8-0 0-8 8-100 Diatas 100
0 0-5
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
tetapi banyak
5-10
G. Keadaan Lingkungan yang baik 1. Bersih, sehat, carah dengan kebisingan rendah 2. Siklus kerja yang berulang-ulang antara 5-10 detik 3. Siklus kerja berulang-ulang antara 0-5 detik 4. Sangat Bising 5. jika faktor-faktor yang berpengaruh dapat menurunkan kwalitas 6. Terasi adanya getaran lantai 7. Keadaan-keadaan yang diluar biasa
0 0-2 1-3 0-5 0-5 5-10 5-15
*) Kontras antara warna hendaknya diperhatikan **) Tegantung juga pada keadaan ventilasi ***) Dipengaruhi juga oleh ketingga;an tempat kerja dari permukaan laut dan keadaan iklim Catatan pelengkap : kelonggaran untuk kebutuhan pribadi bagi : Pria = 0 {2,5 %} Wanita = 2-5,0 %
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
LAMPIRAN VI Peramalan Berikut adalah diagram pencar untuk tipe Golden, Silver dan Bigline Diagram Pencar Penjualan Spring bed Golden tahun 2007-2008 80
Total penjualan (unit)
75 70 65 60 55 50 45 2
4
6
8
10
12
14
16
18
20
22
24
Periode
Diagram Pencar Data Penjualan Silver tahun 2007-2008 490
Total Penjualan (unit)
480 470 460 450 440 430 420 2
4
6
8
10
12 14 Periode
16
18
20
22
24
Diagram Pencar Data Penjualan Spring bed Bigline tahun 2007-2008
Total Penjualan (unit)
90
80
70
60
50 2
4
6
8
10
12 14 Periode
16
18
20
22
24
Dengan menggunakan software Minitab 14, maka dapat dihitung metode peramalan yang menghasilkan kesalahan terkecil. Untuk itu, dilakukan perhitungan dengan metode terpilih berdasarkan kesalahan terkecil Peramalan Golden Metode Siklis Persamaan : Y = a + b sin
2πt 2πt + c cos n n
Tabel Perhitungan Parameter Peramalan Siklis untuk Spring bed Tipe Golden (sin 2πt/n ) x
Bulan
t
Y
2πt/n
Januari
1
68
15
Februari
2
64
Maret
3
April
sin 2πt/n
cos 2πt/n
Y.sin 2πt/n
Y.cos 2πt/n
0.26
0.97
17.60
65.68
30
0.50
0.87
32.00
60
45
0.71
0.71
4
58
60
0.87
Mei
5
55
75
Juni
6
46
Juli
7
Agustus September
(cos 2πt/n)
sin^2 2πt/n
cos^2 2πt/n
0.25
0.07
0.93
55.43
0.43
0.25
0.75
42.43
42.43
0.50
0.50
0.50
0.50
50.23
29.00
0.43
0.75
0.25
0.97
0.26
53.13
14.24
0.25
0.93
0.07
90
1.00
0.00
46.00
0.00
0.00
1.00
0.00
56
105
0.97
-0.26
54.09
-14.49
-0.25
0.93
0.07
8
51
120
0.87
-0.50
44.17
-25.50
-0.43
0.75
0.25
9
62
135
0.71
-0.71
43.84
-43.84
-0.50
0.50
0.50
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Oktober
10
63
150
0.50
-0.87
31.50
-54.56
-0.43
0.25
0.75
November
11
57
165
0.26
-0.97
14.75
-55.06
-0.25
0.07
0.93
Desember
12
59
180
0.00
-1.00
0.00
-59.00
0.00
0.00
1.00
Januari
13
71
195
-0.26
-0.97
-18.38
-68.58
0.25
0.07
0.93
Februari
14
79
210
-0.50
-0.87
-39.50
-68.42
0.43
0.25
0.75
Maret
15
77
225
-0.71
-0.71
-54.45
-54.45
0.50
0.50
0.50
April
16
73
240
-0.87
-0.50
-63.22
-36.50
0.43
0.75
0.25
Mei
17
72
255
-0.97
-0.26
-69.55
-18.63
0.25
0.93
0.07
Juni
18
74
270
-1.00
0.00
-74.00
0.00
0.00
1.00
0.00
Juli
19
74
285
-0.97
0.26
-71.48
19.15
-0.25
0.93
0.07
Agustus
20
77
300
-0.87
0.50
-66.68
38.50
-0.43
0.75
0.25
September
21
74
315
-0.71
0.71
-52.33
52.33
-0.50
0.50
0.50
Oktober
22
72
330
-0.50
0.87
-36.00
62.35
-0.43
0.25
0.75
November
23
65
345
-0.26
0.97
-16.82
62.79
-0.25
0.07
0.93
Desember
24
76
360
0.00
1.00
0.00
76.00
0.00
0.00
1.00
Jumlah
300
1583
4500
0
0
-132.67
18.86
0
12.00
12.00
Hasil perhitungan parameter peramalan dengan metode siklis untuk spring bed tipe golden dapat dilihat pada Tabel 5.30. 24 24 2πt i 2πt i = + + sin Y na b c cos ∑ ∑ ∑ i n n i =1 i =1 i =1 24
dimana :
1583 = 24a + b(0) + c(0) maka a = 1583 24 = 65.96 24
∑ Yi sin i =1
24 24 24 2πt i 2πt i 2πt i 2πt i 2τt cos i = a ∑ sin + b∑ sin 2 + c ∑ sin n n n n n i =1 i =1 i =1
- 132.668 = a (0) + b(12) + c(0) 24
∑ Y cos i =1
i
maka b = - 132.668 12 = -11.06
24 24 24 2πt i 2πt i 2πt i 2πt i 2τt cos i = a ∑ cos + c ∑ cos 2 + b∑ sin n n n n n i =1 i =1 i =1
18.857 = a (0) + b(0) + c(12)
maka c = 18.857 12 = 1.57
Maka persamaan peramalan : Y ' = 65.96 − 11.06 sin
2πt 2πt + 1.57 cos n n
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Tabel Perhitungan SEE Metode Siklis untuk Spring bed Tipe Golden Periode
Y
Y'
(Y-Y')
1
68
64.61
3.39
2
64
61.79
3
60
4
(Y-Y')^2
Periode
Y
Y'
(Y-Y')
(Y-Y')^2
11.46
13
71
67.30
3.70
13.68
2.21
4.88
14
79
70.13
8.87
78.76
59.25
0.75
0.56
15
77
72.66
4.34
18.79
58
57.17
0.83
0.69
16
73
74.75
-1.75
3.05
5
55
55.69
-0.69
0.47
17
72
76.23
-4.23
17.90
6
46
54.90
-8.90
79.26
18
74
77.01
-3.01
9.08
7
56
54.87
1.13
1.27
19
74
77.04
-3.04
9.27
8
51
55.60
-4.60
21.14
20
77
76.32
0.68
0.46
9
62
57.03
4.97
24.70
21
74
74.89
-0.89
0.79
10
63
59.07
3.93
15.45
22
72
72.85
-0.85
0.72
11
57
61.58
-4.58
20.97
23
65
70.34
-5.34
28.49
12
59
64.39
-5.39
29.02
24
76
67.53
8.47
71.75
Kesalahan peramalan : n
MSE =
∑ (X t =1
t
− Ft )
2
n
=
462.60 = 19.27 24
7. Verifikasi Peramalan Tabel Perhitungan Verifikasi untuk Spring bed Tipe Golden Periode
Y
Y'
(Y-Y')
MR
1
68
64.61
3.39
2
64
61.79
2.21
1.18
3
60
59.25
0.75
1.46
4
58
57.17
0.83
0.08
5
55
55.69
-0.69
1.52
6
46
54.90
-8.90
8.22
7
56
54.87
1.13
10.03
8
51
55.60
-4.60
5.73
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
9
62
57.03
4.97
9.57
10
63
59.07
3.93
1.04
11
57
61.58
-4.58
8.51
12
59
64.39
-5.39
0.81
13
71
67.30
3.70
9.09
14
79
70.13
8.87
5.18
15
77
72.66
4.34
4.54
16
73
74.75
-1.75
6.08
17
72
76.23
-4.23
2.48
18
74
77.01
-3.01
1.22
19
74
77.04
-3.04
0.03
20
77
76.32
0.68
3.73
21
74
74.89
-0.89
1.57
22
72
72.85
-0.85
0.04
23
65
70.34
-5.34
4.49
24
76
67.53
8.47
13.81
Jumlah
100.38
24
MR =
∑ MR t =1
n −1
t
=
100.38 = 4.36 23
BKA = 2,66 × MR = 2,66 × 4.36 = 11.61 BKB = −2,66 × MR = −2,66 × 4.36 = −11.61
1 / 3 BKA = 1 / 3 × 11.61 = 3.87 2 / 3 BKA = 2 / 3 × 11.61 = 7.74 1 / 3 BKB = 1 / 3 × −11.61 = −3.87
2 / 3 BKB = 2 / 3 × −11.61 = -7.74
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Gambar Moving Range Chart untuk Spring bed Golden Dari Gambar diatas dapat dilihat bahwa tidak ada data diluar batas control sehingga dapat disimpulkan bahwa hasil peramalan dinilai baik dan metode yang digunakan representatif.
Peramalan Silver Untuk mengefisienkan waktu, maka untuk peramalan tipe silver dan bigline dilakukan dengan memanfaatkan software Minitab 14. Adapun hasil dari perhitungan dengan menggunakan software Minitab 14 adalah : Metode Dekomposisi : Tipe Model Multiplikatif Pada Gambar di bawah ini dapat dilihat grafik Peramalan Silver dan Bigline.
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Time Series Decomposition Plot for Silver Multiplicative Model
500
Variable Actual Fits Trend Forecasts
490 480
Accuracy Measures MAPE 1.6578 MAD 7.4952 MSD 83.9985
Silver
470 460 450 440 430 420 4
8
12
16
20 Index
24
28
32
36
Gambar Grafik Peramalan Silver Tabel Perhitungan Peramalan Silver dengan Metode Dekomposisi
1
Y 434
TREN3 441.888
DETR3 0.98215
SEAS3 1.03141
DESE3 420.782
FITS3 455.769
RESI3 -21.7685
FORE3 488.315
Februari
2
437
442.900
0.98668
0.99343
439.890
439.990
-2.9900
449.109
Maret
3
456
443.912
1.02723
0.99652
457.591
442.368
13.6320
479.776
April
4
461
444.924
1.03613
1.02894
448.032
457.802
3.1982
471.406
Mei
5
464
445.936
1.04051
1.04750
442.960
467.116
-3.1165
452.220
Juni
6
425
446.947
0.95089
0.96131
442.106
429.654
-4.6545
447.553
Juli
7
456
447.959
1.01795
1.02473
444.994
459.038
-3.0384
487.078
Agustus
8
443
448.971
0.98670
1.00468
440.935
451.074
-8.0740
470.147
September
9
442
449.983
0.98226
0.96172
459.594
432.757
9.2429
472.619
Oktober
10
429
450.995
0.95123
0.94975
451.698
428.332
0.6677
489.037
November
11
468
452.007
1.03538
1.03141
453.747
466.205
1.7949
498.914
Desember
12
453
453.019
0.99996
0.99343
455.996
450.042
2.9578
458.836
Januari
13
457
454.030
1.00654
0.99652
458.595
452.452
4.5485
Februari
14
473
455.042
1.03946
1.02894
459.694
468.213
4.7866
Maret
15
482
456.054
1.05689
1.04750
460.144
477.716
4.2842
April
16
448
457.066
0.98016
0.96131
466.031
439.382
8.6183
Mei
17
478
458.078
1.04349
1.02473
466.463
469.407
8.5927
Juni
18
473
459.090
1.03030
1.00468
470.795
461.240
11.7599
Juli
19
434
460.102
0.94327
0.96172
451.275
442.488
-8.4884
Agustus
20
446
461.114
0.96722
0.94975
469.597
437.943
8.0575
September
21
484
462.125
1.04733
1.03141
469.260
476.642
7.3584
Oktober
22
454
463.137
0.98027
0.99343
457.003
460.094
-6.0944
November
23
442
464.149
0.95228
0.99652
443.542
462.535
-20.5350
Desember
24
467
465.161
1.00395
1.02894
453.863
478.625
-11.6249
Bulan
t
Januari
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Jumlah
300
Peramalan Bigline Metode Dekomposisi : Tipe Model Multiplikatif Time Series Decomposition Plot for Bigline Multiplicative Model
Variable A ctual Fits Trend Forecasts
90
Bigline
80
A ccuracy Measures MA PE 10.5791 MA D 6.7738 MSD 65.5911
70
60
50 4
8
12
16
20 Index
24
28
32
36
Gambar Grafik Peramalan Bigline Tabel Perhitungan Peramalan Bigline dengan Metode Dekomposisi Bulan
t
Januari
1
Februari
Y
TREN3
DETR3
SEAS3
DESE3
FITS3
RESI3
FORE3
73
62.9581
1.15950
1.14245
63.8976
71.9267
1.0733
65.6171
2
60
63.3790
0.94669
0.94591
63.4313
59.9506
0.0494
66.2554
Maret
3
67
63.8000
1.05016
0.94456
70.9323
60.2630
6.7370
86.3369
April
4
73
64.2209
1.13670
0.89812
81.2810
57.6780
15.3220
74.2526
Mei
5
61
64.6419
0.94366
0.90166
67.6530
58.2850
2.7150
85.3919
Juni
6
80
65.0628
1.22958
1.16825
68.4783
76.0099
3.9901
71.0992
Juli
7
65
65.4837
0.99261
0.99905
65.0620
65.4213
-0.4213
71.3959
Agustus
8
64
65.9047
0.97110
1.14245
56.0198
75.2930
-11.2930
68.2635
September
9
56
66.3256
0.84432
0.94591
59.2026
62.7377
-6.7377
68.9122
Oktober
10
53
66.7465
0.79405
0.94456
56.1107
63.0463
-10.0463
89.7792
November
11
48
67.1675
0.71463
0.89812
53.4450
60.3244
-12.3244
77.1963
Desember
12
47
67.5884
0.69539
0.90166
52.1261
60.9418
-13.9418
88.7583
Januari
13
75
68.0094
1.10279
1.16825
64.1984
79.4522
-4.4522
Februari
14
66
68.4303
0.96449
0.99905
66.0630
68.3651
-2.3651
Maret
15
87
68.8512
1.26359
1.14245
76.1519
78.6593
8.3407
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
April
16
70
69.2722
1.01051
0.94591
74.0032
65.5249
4.4751
Mei
17
73
69.6931
1.04745
0.94456
77.2845
65.8295
7.1705
Juni
18
68
70.1141
0.96985
0.89812
75.7138
62.9708
5.0292
Juli
19
73
70.5350
1.03495
0.90166
80.9618
63.5986
9.4014
Agustus
20
77
70.9559
1.08518
1.16825
65.9103
82.8945
-5.8945
September
21
78
71.3769
1.09279
0.99905
78.0744
71.3088
6.6912
Oktober
22
66
71.7978
0.91925
1.14245
57.7704
82.0256
-16.0256
November
23
72
72.2187
0.99697
0.94591
76.1176
68.3121
3.6879
Desember
24
73
72.6397
1.00496
0.94456
77.2845
68.6127
4.3873
Jumlah
300
Dari hasil peramalan tiap tipe spring bed diatas maka diperoleh jumlah permintaan untuk tahun 2009. Rekapitulasi hasil peramalan dapat dilihat pada Tabel dibawah ini.
Tabel Hasil Peramalan Spring bed tipe Golden, Silver dan Bigline Bulan
Golden
Silver
Bigline
Januari
65
488
66
Februari
62
449
66
Maret
59
480
86
April
57
471
74
Mei
56
452
85
Juni
55
448
71
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Juli
55
487
71
Agustus
56
470
68
September
57
473
69
Oktober
59
489
90
November
62
499
77
Desember
64
459
89
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
LAMPIRAN VII Linier Programming Mei 2009 max 235000X1+135000X2+118000X3+95000X4 st 830.9X1+822.5X2+822.4X3<=540000 1575.1X4<=540000 1082.2X1+1083.1X2+1082.3X3+1082.7X4<=1080000 221.4X1+204.8X2+205X3+197.4X4<=540000 586.3X1+585.6X2+586.8X3+570.4X4<=1080000 409.9X1+409.3X2+409.3X3+410.1X4<=540000 1121X1+1109.9X2+1110X3+1110.9X4<=1080000 929.1X1+928.9X2+930.2X3+928.4X4<=1620000 762.1X1+761.8X2+761.7X3+761.5X4<=540000 284.3X1+284.7X2+284.7X3+284.9X4<=540000 510X1+450X2+430X3+430X4<=330000 6X1 + 4.8X2 + 2.8X3 + 2.8X4<=3001 9X1 + 5X2 + 4X3 + 3X4<=3889 X1<=211 X2<=56 X3<=452 X4<=85 X1>=169 X2>=45 X3>=362 X4>=68 X1>=0 X2>=0 X3>=0 X4>=0 LP OPTIMUM FOUND AT STEP 6 OBJECTIVE FUNCTION VALUE 1) VARIABLE X1 X2 X3 X4 ROW 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23)
0.1077181E+09 VALUE 211.000000 56.000000 373.840240 68.000000 SLACK OR SURPLUS 11173.898438 432893.187500 312771.312500 391755.343750 665340.437500 249690.703125 290810.750000 961064.125000 0.000000 338264.000000 7198.703125 229.047363 10.639097 0.000000 0.000000 78.159775 17.000000 42.000000 11.000000 11.840226 0.000000 211.000000
REDUCED COST 0.000000 0.000000 0.000000 0.000000 DUAL PRICES 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 154.916641 0.000000 0.000000 0.000000 0.000000 116938.031250 16984.507812 0.000000 0.000000 0.000000 0.000000 0.000000 -22969.017578 0.000000
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
24) 56.000000 25) 373.840240 26) 68.000000 NO. ITERATIONS= 6
0.000000 0.000000 0.000000
Juni 2009 max 235000X1+135000X2+118000X3+95000X4 st 830.9 X1+822.5 X2+822.4 X3<=594000 1575.1 X4<=594000 1082.2 X1+1083.1 X2+1082.3 X3+1082.7 X4<=1188000 221.4 X1+204.8 X2+205 X3+197.4 X4<=594000 586.3 X1+585.6 X2+586.8 X3+570.4 X4<=1188000 409.9 X1+409.3 X2+409.3 X3+410.1 X4<=594000 1121 X1+1109.9 X2+1110 X3+1110.9 X4<=1188000 929.1 X1+928.9 X2+930.2 X3+928.4 X4<=1782000 762.1 X1+761.8 X2+761.7 X3+761.5 X4<=594000 284.3 X1+284.7 X2+284.7 X3+284.9 X4<=594000 510X1+450X2+430X3+430X4<=330000 6X1 + 4.8X2 + 2.8X3 + 2.8X4<=3001 9X1 + 5X2 + 4X3 + 3X4<=3889 X1<=203 X2<=55 X3<=448 X4<=71 X1>=163 X2>=44 X3>=358 X4>=57 X1>=0 X2>=0 X3>=0 X4>=0 LP OPTIMUM FOUND AT STEP
10
OBJECTIVE FUNCTION VALUE 1) VARIABLE X1 X2 X3 X4 ROW 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23)
0.1085230E+09 VALUE 197.475403 44.000000 430.180328 57.000000 SLACK OR SURPLUS 39947.378906 504219.312500 399337.656250 441828.968750 761511.125000 295597.125000 376973.000000 1104581.500000 38910.933594 386619.312500 0.000000 240.842621 0.000000 5.524590 11.000000 17.819672 14.000000 34.475410 0.000000 72.180328 0.000000 197.475403
REDUCED COST 0.000000 0.000000 0.000000 0.000000 DUAL PRICES 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 66.666664 0.000000 22333.333984 0.000000 0.000000 0.000000 0.000000 0.000000 -6666.666504 0.000000 -666.666687 0.000000
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
24) 25) 26)
44.000000 430.180328 57.000000
NO. ITERATIONS=
0.000000 0.000000 0.000000
10
Juli 2009 max 235000X1+135000X2+118000X3+95000X4 st 830.9 X1+822.5 X2+822.4 X3<=594000 1575.1 X4<=594000 1082.2 X1+1083.1 X2+1082.3 X3+1082.7 X4<=1188000 221.4 X1+204.8 X2+205 X3+197.4 X4<=594000 586.3 X1+585.6 X2+586.8 X3+570.4 X4<=1188000 409.9 X1+409.3 X2+409.3 X3+410.1 X4<=594000 1121 X1+1109.9 X2+1110 X3+1110.9 X4<=1188000 929.1 X1+928.9 X2+930.2 X3+928.4 X4<=1782000 762.1 X1+761.8 X2+761.7 X3+761.5 X4<=594000 284.3 X1+284.7 X2+284.7 X3+284.9 X4<=594000 510X1+450X2+430X3+430X4<=330000 6X1 + 4.8X2 + 2.8X3 + 2.8X4<=3001 9X1 + 5X2 + 4X3 + 3X4<=3889 X1<=182 X2<=55 X3<=487 X4<=71 X1>=146 X2>=44 X3>=390 X4>=57 X1>=0 X2>=0 X3>=0 X4>=0 LP OPTIMUM FOUND AT STEP
2
OBJECTIVE FUNCTION VALUE 1) VARIABLE X1 X2 X3 X4 ROW 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23)
0.1071787E+09 VALUE 182.000000 55.000000 437.023254 57.000000 SLACK OR SURPLUS 38130.773438 504219.312500 396764.937500 441599.625000 760127.375000 294637.375000 374516.375000 1102376.500000 37112.687500 385939.093750 0.000000 261.734894 56.906979 0.000000 0.000000 49.976746 14.000000 36.000000 11.000000 47.023254 0.000000 182.000000
REDUCED COST 0.000000 0.000000 0.000000 0.000000 DUAL PRICES 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 274.418610 0.000000 0.000000 95046.507812 11511.627930 0.000000 0.000000 0.000000 0.000000 0.000000 -23000.000000 0.000000
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
24) 25) 26) NO. ITERATIONS=
55.000000 437.023254 57.000000
0.000000 0.000000 0.000000
2
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
LAMPIRAN VIII Integer Programming Mei 2009 max 235000X1+135000X2+118000X3+95000X4 st 830.9X1+822.5X2+822.4X3<=540000 1575.1X4<=540000 1082.2X1+1083.1X2+1082.3X3+1082.7X4<=1080000 221.4X1+204.8X2+205X3+197.4X4<=540000 586.3X1+585.6X2+586.8X3+570.4X4<=1080000 409.9X1+409.3X2+409.3X3+410.1X4<=540000 1121X1+1109.9X2+1110X3+1110.9X4<=1080000 929.1X1+928.9X2+930.2X3+928.4X4<=1620000 762.1X1+761.8X2+761.7X3+761.5X4<=540000 284.3X1+284.7X2+284.7X3+284.9X4<=540000 510X1+450X2+430X3+430X4<=330000 6X1 + 4.8X2 + 2.8X3 + 2.8X4<=3001 9X1 + 5X2 + 4X3 + 3X4<=3889 X1<=211 X2<=56 X3<=452 X4<=85 X1>=169 X2>=45 X3>=362 X4>=68 X1>=0 X2>=0 X3>=0 X4>=0 End Gin 4
LP OPTIMUM FOUND AT STEP
6
OBJECTIVE FUNCTION VALUE 1) VARIABLE X1 X2 X3 X4
ROW 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21)
0.1077181E+09 VALUE 211.000000 56.000000 373.840240 68.000000
SLACK OR SURPLUS 11173.898438 432893.187500 312771.312500 391755.343750 665340.437500 249690.703125 290810.750000 961064.125000 0.000000 338264.000000 7198.703125 229.047363 10.639097 0.000000 0.000000 78.159775 17.000000 42.000000 11.000000 11.840226
REDUCED COST 0.000000 0.000000 0.000000 0.000000
DUAL PRICES 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 154.916641 0.000000 0.000000 0.000000 0.000000 116938.031250 16984.507812 0.000000 0.000000 0.000000 0.000000 0.000000
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
22) 23) 24) 25) 26)
0.000000 211.000000 56.000000 373.840240 68.000000
NO. ITERATIONS=
-22969.017578 0.000000 0.000000 0.000000 0.000000
6
RANGES IN WHICH THE BASIS IS UNCHANGED:
VARIABLE X1 X2 X3 X4
ROW 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
CURRENT COEF 235000.000000 135000.000000 118000.000000 95000.000000
OBJ COEFFICIENT RANGES ALLOWABLE ALLOWABLE INCREASE DECREASE INFINITY 116938.031250 INFINITY 16984.507812 16982.279297 22975.050781 22969.017578 INFINITY
CURRENT RHS 540000.000000 540000.000000 1080000.000000 540000.000000 1080000.000000 540000.000000 1080000.000000 1620000.000000 540000.000000 540000.000000 330000.000000 3001.000000 3889.000000 211.000000 56.000000 452.000000 85.000000 169.000000 45.000000 362.000000 68.000000 0.000000 0.000000 0.000000 0.000000
RIGHTHAND SIDE RANGES ALLOWABLE ALLOWABLE INCREASE DECREASE INFINITY 11173.898438 INFINITY 432893.187500 INFINITY 312771.312500 INFINITY 391755.343750 INFINITY 665340.437500 INFINITY 249690.703125 INFINITY 290810.750000 INFINITY 961064.125000 2025.950073 9018.700195 INFINITY 338264.000000 INFINITY 7198.703125 INFINITY 229.047363 INFINITY 10.639097 2.128714 42.000000 10.644687 11.000000 INFINITY 78.159775 INFINITY 17.000000 42.000000 INFINITY 11.000000 INFINITY 11.840226 INFINITY 11.843336 10.650283 211.000000 INFINITY 56.000000 INFINITY 373.840240 INFINITY 68.000000 INFINITY
LP OPTIMUM FOUND AT STEP 6 OBJECTIVE VALUE = 107718144. SET SET SET SET SET SET
X3 X2 X1 X2 X3 X4
TO TO TO TO TO TO
>= >= <= <= <= <=
375 55 210 55 375 68
AT AT AT AT AT AT
1, 2, 3, 4, 5, 6,
BND= BND= BND= BND= BND= BND=
0.1077E+09 0.1077E+09 0.1076E+09 0.1076E+09 0.1076E+09 0.1075E+09
TWIN= 0.1077E+09 TWIN= 0.1077E+09 TWIN=-0.1000E+31 TWIN= 0.1076E+09 TWIN= 0.1076E+09 TWIN= 0.1075E+09
NEW INTEGER SOLUTION OF 107485000. AT BRANCH 6 PIVOT BOUND ON OPTIMUM: 0.1077018E+09 FLIP X4 TO >= 69 AT 6 WITH BND= 0.10754269E+09 SET X4 TO <= 69 AT 7, BND= 0.1075E+09 TWIN=-0.1000E+31 SET X1 TO <= 209 AT 8, BND= 0.1073E+09 TWIN=-0.1000E+31 DELETE X1 AT LEVEL 8 DELETE X4 AT LEVEL 7 DELETE X4 AT LEVEL 6 FLIP X3 TO >= 376 AT 5 WITH BND= 0.10756562E+09 SET X3 TO <= 376 AT 6, BND= 0.1076E+09 TWIN=-0.1000E+31 SET X1 TO <= 209 AT 7, BND= 0.1074E+09 TWIN=-0.1000E+31
20 22 29 32 35 38 38
38 40
40 44
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
DELETE DELETE DELETE FLIP SET SET SET DELETE DELETE DELETE DELETE DELETE FLIP SET SET
X1 AT LEVEL X3 AT LEVEL X3 AT LEVEL X2 TO >= X2 TO <= 56 X3 TO <= 375 X1 TO <= 209 X1 AT LEVEL X3 AT LEVEL X2 AT LEVEL X2 AT LEVEL X1 AT LEVEL X2 TO <= X3 TO <= 375 X4 TO <= 68
7 6 5 56 AT 5, 6, 7, 7 6 5 4 3 54 AT AT 3, AT 4, AT AT AT
4 WITH BND= 0.10758259E+09 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1075E+09 TWIN=-0.1000E+31
44 44 48
2 WITH BND= 0.10768418E+09 BND= 0.1077E+09 TWIN= 0.1077E+09 BND= 0.1076E+09 TWIN= 0.1077E+09
50 55
NEW INTEGER SOLUTION OF 107585000. AT BRANCH 11 PIVOT BOUND ON OPTIMUM: 0.1077018E+09 FLIP X4 TO >= 69 AT 4 WITH BND= 0.10765850E+09 SET X2 TO >= 54 AT 5, BND= 0.1076E+09 TWIN= 0.1076E+09 SET X4 TO <= 69 AT 6, BND= 0.1076E+09 TWIN=-0.1000E+31 SET X1 TO <= 210 AT 7, BND= 0.1074E+09 TWIN=-0.1000E+31 DELETE X1 AT LEVEL 7 DELETE X4 AT LEVEL 6 FLIP X2 TO <= 53 AT 5 WITH BND= 0.10762490E+09 SET X2 TO >= 53 AT 6, BND= 0.1076E+09 TWIN=-0.1000E+31 SET X4 TO >= 70 AT 7, BND= 0.1076E+09 TWIN= 0.1075E+09 SET X4 TO <= 70 AT 8, BND= 0.1076E+09 TWIN=-0.1000E+31 SET X1 TO <= 210 AT 9, BND= 0.1074E+09 TWIN=-0.1000E+31 DELETE X1 AT LEVEL 9 DELETE X4 AT LEVEL 8 DELETE X4 AT LEVEL 7 DELETE X2 AT LEVEL 6 DELETE X2 AT LEVEL 5 DELETE X4 AT LEVEL 4 FLIP X3 TO >= 376 AT 3 WITH BND= 0.10768146E+09 SET X2 TO >= 54 AT 4, BND= 0.1077E+09 TWIN= 0.1077E+09 SET X3 TO <= 376 AT 5, BND= 0.1077E+09 TWIN=-0.1000E+31 SET X1 TO <= 210 AT 6, BND= 0.1075E+09 TWIN=-0.1000E+31 DELETE X1 AT LEVEL 6 DELETE X3 AT LEVEL 5 FLIP X2 TO <= 53 AT 4 WITH BND= 0.10766719E+09 SET X3 TO <= 376 AT 5, BND= 0.1076E+09 TWIN= 0.1077E+09 SET X4 TO >= 69 AT 6, BND= 0.1076E+09 TWIN= 0.1076E+09 SET X2 TO >= 53 AT 7, BND= 0.1076E+09 TWIN= 0.1076E+09 SET X4 TO <= 69 AT 8, BND= 0.1076E+09 TWIN=-0.1000E+31 SET X1 TO <= 210 AT 9, BND= 0.1074E+09 TWIN=-0.1000E+31 DELETE X1 AT LEVEL 9 DELETE X4 AT LEVEL 8 FLIP X2 TO <= 52 AT 7 WITH BND= 0.10760792E+09 SET X2 TO >= 52 AT 8, BND= 0.1076E+09 TWIN=-0.1000E+31 SET X4 TO <= 69 AT 9, BND= 0.1075E+09 TWIN= 0.1076E+09 DELETE X4 AT LEVEL 9 DELETE X2 AT LEVEL 8 DELETE X2 AT LEVEL 7 DELETE X4 AT LEVEL 6 FLIP X3 TO >= 377 AT 5 WITH BND= 0.10766449E+09 SET X2 TO >= 53 AT 6, BND= 0.1076E+09 TWIN= 0.1077E+09 SET X3 TO <= 377 AT 7, BND= 0.1076E+09 TWIN=-0.1000E+31 SET X1 TO <= 210 AT 8, BND= 0.1075E+09 TWIN=-0.1000E+31 DELETE X1 AT LEVEL 8 DELETE X3 AT LEVEL 7 FLIP X2 TO <= 52 AT 6 WITH BND= 0.10765021E+09 SET X3 TO <= 377 AT 7, BND= 0.1076E+09 TWIN= 0.1076E+09 SET X4 TO >= 69 AT 8, BND= 0.1076E+09 TWIN= 0.1076E+09 SET X4 TO <= 69 AT 9, BND= 0.1076E+09 TWIN=-0.1000E+31 SET X2 TO >= 52 AT 10, BND= 0.1076E+09 TWIN= 0.1075E+09 SET X1 TO <= 210 AT 11, BND= 0.1076E+09 TWIN=-0.1000E+31 DELETE X1 AT LEVEL 11 DELETE X2 AT LEVEL 10
55
57 57 59
59 61 61 63
65 65 69
71 75 77 77 79
79 81
83 83 87
89 92 92 94 94
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
DELETE DELETE FLIP SET SET SET DELETE DELETE FLIP SET SET SET SET SET DELETE DELETE DELETE DELETE FLIP SET SET SET SET DELETE DELETE DELETE FLIP SET SET SET DELETE DELETE FLIP SET SET SET DELETE DELETE FLIP SET SET DELETE DELETE DELETE DELETE DELETE DELETE DELETE DELETE DELETE DELETE DELETE DELETE DELETE FLIP SET SET SET SET SET SET SET DELETE DELETE DELETE DELETE FLIP SET
X4 AT LEVEL X4 AT LEVEL X3 TO >= X2 TO >= 52 X3 TO <= 378 X1 TO <= 210 X1 AT LEVEL X3 AT LEVEL X2 TO <= X3 TO <= 378 X2 TO >= 51 X4 TO >= 69 X4 TO <= 69 X1 TO <= 210 X1 AT LEVEL X4 AT LEVEL X4 AT LEVEL X2 AT LEVEL X3 TO >= X2 TO >= 51 X1 TO <= 210 X1 TO >= 210 X3 TO <= 379 X3 AT LEVEL X1 AT LEVEL X1 AT LEVEL X2 TO <= X3 TO <= 379 X2 TO >= 50 X4 TO >= 69 X4 AT LEVEL X2 AT LEVEL X3 TO >= X2 TO >= 50 X3 TO <= 380 X1 TO <= 210 X1 AT LEVEL X3 AT LEVEL X2 TO <= X2 TO >= 49 X3 TO <= 380 X3 AT LEVEL X2 AT LEVEL X2 AT LEVEL X3 AT LEVEL X2 AT LEVEL X3 AT LEVEL X2 AT LEVEL X3 AT LEVEL X2 AT LEVEL X3 AT LEVEL X2 AT LEVEL X3 AT LEVEL X2 AT LEVEL X3 TO <= X2 TO >= 56 X4 TO >= 69 X3 TO >= 373 X2 TO <= 56 X3 TO <= 373 X4 TO <= 69 X1 TO <= 210 X1 AT LEVEL X4 AT LEVEL X3 AT LEVEL X2 AT LEVEL X3 TO <= X4 TO <= 69
NEW INTEGER SOLUTION OF
9 8 378 AT AT 8, AT 9, AT 10, 10 9 51 AT AT 9, AT 10, AT 11, AT 12, AT 13, 13 12 11 10 379 AT AT 10, AT 11, AT 12, AT 13, 13 12 11 50 AT AT 11, AT 12, AT 13, 13 12 380 AT AT 12, AT 13, AT 14, 14 13 49 AT AT 13, AT 14, 14 13 12 11 10 9 8 7 6 5 4 3 2 374 AT AT 2, AT 3, AT 4, AT 5, AT 6, AT 7, AT 8, 8 7 6 5 372 AT AT 5,
7 WITH BND= 0.10764750E+09 BND= 0.1076E+09 TWIN= 0.1076E+09 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1075E+09 TWIN=-0.1000E+31
98 98 102
8 WITH BND= 0.10763322E+09 BND= 0.1076E+09 TWIN= 0.1076E+09 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1076E+09 TWIN= 0.1075E+09 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1074E+09 TWIN=-0.1000E+31
104 104 106 106 108
9 WITH BND= 0.10763052E+09 BND= 0.1076E+09 TWIN= 0.1076E+09 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1075E+09 TWIN=-0.1000E+31 BND= 0.1075E+09 TWIN=-0.1000E+31
110 110 113 115
10 WITH BND= 0.10761624E+09 BND= 0.1076E+09 TWIN= 0.1076E+09 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1076E+09 TWIN= 0.1075E+09
117 117 120
11 WITH BND= 0.10761354E+09 BND= 0.1076E+09 TWIN= 0.1076E+09 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1075E+09 TWIN=-0.1000E+31
122 122 126
12 WITH BND= 0.10759926E+09 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1076E+09 TWIN= 0.1076E+09
126 128
1 WITH BND= 0.10770183E+09 BND= 0.1077E+09 TWIN= 0.1077E+09 BND= 0.1077E+09 TWIN= 0.1076E+09 BND= 0.1077E+09 TWIN= 0.1077E+09 BND= 0.1077E+09 TWIN=-0.1000E+31 BND= 0.1077E+09 TWIN=-0.1000E+31 BND= 0.1077E+09 TWIN=-0.1000E+31 BND= 0.1075E+09 TWIN=-0.1000E+31
135 140 143 143 143 143 145
4 WITH BND= 0.10767586E+09 BND= 0.1076E+09 TWIN= 0.1077E+09
147
107596000.
AT BRANCH
44 PIVOT
147
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
BOUND ON OPTIMUM: 0.1076819E+09 FLIP X4 TO >= 70 AT SET X3 TO >= 372 AT 6, SET X2 TO <= 56 AT 7, SET X4 TO <= 70 AT 8, SET X1 TO <= 210 AT 9, DELETE X1 AT LEVEL 9 DELETE X4 AT LEVEL 8 DELETE X2 AT LEVEL 7 FLIP X3 TO <= 371 AT SET X4 TO >= 71 AT 7, SET X3 TO >= 371 AT 8, SET X2 TO <= 56 AT 9, SET X4 TO <= 71 AT 10, SET X1 TO <= 210 AT 11, DELETE X1 AT LEVEL 11 DELETE X4 AT LEVEL 10 DELETE X2 AT LEVEL 9 FLIP X3 TO <= 370 AT SET X4 TO >= 72 AT 9, SET X3 TO >= 370 AT 10, SET X1 TO <= 210 AT 11, SET X1 TO >= 210 AT 12, SET X4 TO <= 72 AT 13, DELETE X4 AT LEVEL 13 DELETE X1 AT LEVEL 12 DELETE X1 AT LEVEL 11 FLIP X3 TO <= 369 AT SET X3 TO >= 369 AT 11, SET X4 TO <= 72 AT 12, DELETE X4 AT LEVEL 12 DELETE X3 AT LEVEL 11 DELETE X3 AT LEVEL 10 DELETE X4 AT LEVEL 9 DELETE X3 AT LEVEL 8 DELETE X4 AT LEVEL 7 DELETE X3 AT LEVEL 6 DELETE X4 AT LEVEL 5 DELETE X3 AT LEVEL 4 FLIP X4 TO <= 68 AT SET X2 TO <= 56 AT 4, SET X4 TO >= 68 AT 5, SET X1 TO >= 211 AT 6,
5 WITH BND= 0.10767221E+09 BND= 0.1077E+09 TWIN= 0.1077E+09 BND= 0.1077E+09 TWIN=-0.1000E+31 BND= 0.1077E+09 TWIN=-0.1000E+31 BND= 0.1075E+09 TWIN=-0.1000E+31
151 151 151 153
6 WITH BND= 0.10765289E+09 BND= 0.1076E+09 TWIN= 0.1076E+09 BND= 0.1076E+09 TWIN= 0.1076E+09 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1074E+09 TWIN=-0.1000E+31
155 159 159 159 161
8 WITH BND= 0.10762992E+09 BND= 0.1076E+09 TWIN= 0.1076E+09 BND= 0.1076E+09 TWIN= 0.1076E+09 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1075E+09 TWIN=-0.1000E+31 BND= 0.1074E+09 TWIN=-0.1000E+31
163 167 167 171 174
10 WITH BND= 0.10760694E+09 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1075E+09 TWIN= 0.1076E+09
174 178
3 WITH BND= 0.10761950E+09 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1076E+09 TWIN=-0.1000E+31 BND= 0.1076E+09 TWIN= 0.1075E+09
178 178 181
NEW INTEGER SOLUTION OF 107619000. AT BRANCH 54 PIVOT BOUND ON OPTIMUM: 0.1076819E+09 DELETE X1 AT LEVEL 6 DELETE X4 AT LEVEL 5 DELETE X2 AT LEVEL 4 DELETE X4 AT LEVEL 3 FLIP X2 TO <= 55 AT 2 WITH BND= 0.10768186E+09 SET X4 TO >= 69 AT 3, BND= 0.1077E+09 TWIN= 0.1076E+09 SET X3 TO >= 374 AT 4, BND= 0.1077E+09 TWIN= 0.1077E+09 SET X2 TO >= 55 AT 5, BND= 0.1077E+09 TWIN= 0.1076E+09 SET X4 TO <= 69 AT 6, BND= 0.1077E+09 TWIN=-0.1000E+31 SET X1 TO <= 210 AT 7, BND= 0.1075E+09 TWIN=-0.1000E+31 DELETE X1 AT LEVEL 7 DELETE X4 AT LEVEL 6 FLIP X2 TO <= 54 AT 5 WITH BND= 0.10764189E+09 SET X2 TO >= 54 AT 6, BND= 0.1076E+09 TWIN=-0.1000E+31 SET X4 TO <= 69 AT 7, BND= 0.1076E+09 TWIN= 0.1076E+09 DELETE X4 AT LEVEL 7 DELETE X2 AT LEVEL 6 DELETE X2 AT LEVEL 5 FLIP X3 TO <= 373 AT 4 WITH BND= 0.10765888E+09 SET X2 TO >= 55 AT 5, BND= 0.1077E+09 TWIN=-0.1000E+31 SET X4 TO >= 70 AT 6, BND= 0.1077E+09 TWIN= 0.1076E+09 SET X3 TO >= 373 AT 7, BND= 0.1076E+09 TWIN= 0.1076E+09 SET X4 TO <= 70 AT 8, BND= 0.1076E+09 TWIN=-0.1000E+31 SET X1 TO <= 210 AT 9, BND= 0.1074E+09 TWIN=-0.1000E+31
181
185 188 191 191 193
193 195
195 197 200 200 202
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
DELETE X1 AT LEVEL 9 DELETE X4 AT LEVEL 8 FLIP X3 TO <= 372 AT 7 WITH BND= 0.10763590E+09 SET X3 TO >= 372 AT 8, BND= 0.1076E+09 TWIN=-0.1000E+31 SET X4 TO <= 70 AT 9, BND= 0.1076E+09 TWIN= 0.1076E+09 DELETE X4 AT LEVEL 9 DELETE X3 AT LEVEL 8 DELETE X3 AT LEVEL 7 DELETE X4 AT LEVEL 6 DELETE X2 AT LEVEL 5 DELETE X3 AT LEVEL 4 DELETE X4 AT LEVEL 3 DELETE X2 AT LEVEL 2 DELETE X3 AT LEVEL 1 ENUMERATION COMPLETE. BRANCHES= 63 PIVOTS= 204
202 204
LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) VARIABLE X1 X2 X3 X4
ROW 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23) 24) 25)
0.1076190E+09 VALUE 211.000000 56.000000 373.000000 68.000000
REDUCED COST -235000.000000 -135000.000000 -118000.000000 -95000.000000
SLACK OR SURPLUS 11864.885742 432893.187500 313680.687500 391927.593750 665833.500000 250034.609375 291743.406250 961845.687500 640.001282 338503.187500 7560.000000 231.400009 14.000000 0.000000 0.000000 79.000000 17.000000 42.000000 11.000000 11.000000 0.000000 211.000000 56.000000 373.000000
NO. ITERATIONS= 205 BRANCHES= 63 DETERM.=
1.000E
DUAL PRICES 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
0
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
Juni 2009 max 235000X1+135000X2+118000X3+95000X4 st 830.9 X1+822.5 X2+822.4 X3<=594000 1575.1 X4<=594000 1082.2 X1+1083.1 X2+1082.3 X3+1082.7 X4<=1188000 221.4 X1+204.8 X2+205 X3+197.4 X4<=594000 586.3 X1+585.6 X2+586.8 X3+570.4 X4<=1188000 409.9 X1+409.3 X2+409.3 X3+410.1 X4<=594000 1121 X1+1109.9 X2+1110 X3+1110.9 X4<=1188000 929.1 X1+928.9 X2+930.2 X3+928.4 X4<=1782000 762.1 X1+761.8 X2+761.7 X3+761.5 X4<=594000 284.3 X1+284.7 X2+284.7 X3+284.9 X4<=594000 510X1+450X2+430X3+430X4<=330000 6X1 + 4.8X2 + 2.8X3 + 2.8X4<=3001 9X1 + 5X2 + 4X3 + 3X4<=3889 X1<=203 X2<=55 X3<=448 X4<=71 X1>=163 X2>=44 X3>=358 X4>=57 X1>=0 X2>=0 X3>=0 X4>=0 End Gin 4
LP OPTIMUM FOUND AT STEP
7
OBJECTIVE FUNCTION VALUE 1) VARIABLE X1 X2 X3 X4
ROW 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20)
0.1085230E+09 VALUE 197.475403 44.000000 430.180328 57.000000
SLACK OR SURPLUS 39947.378906 504219.312500 399337.656250 441828.968750 761511.125000 295597.125000 376973.000000 1104581.500000 38910.933594 386619.312500 0.000000 240.842621 0.000000 5.524590 11.000000 17.819672 14.000000 34.475410 0.000000
REDUCED COST 0.000000 0.000000 0.000000 0.000000
DUAL PRICES 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 66.666664 0.000000 22333.333984 0.000000 0.000000 0.000000 0.000000 0.000000 -6666.666504
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
21) 22) 23) 24) 25) 26)
72.180328 0.000000 197.475403 44.000000 430.180328 57.000000
NO. ITERATIONS=
0.000000 -666.666687 0.000000 0.000000 0.000000 0.000000
7
RANGES IN WHICH THE BASIS IS UNCHANGED:
VARIABLE X1 X2 X3 X4
ROW 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
CURRENT COEF 235000.000000 135000.000000 118000.000000 95000.000000
OBJ COEFFICIENT RANGES ALLOWABLE ALLOWABLE INCREASE DECREASE 2837.209473 34857.140625 6666.666504 INFINITY 80137.257812 521.367554 666.666687 INFINITY
CURRENT RHS 594000.000000 594000.000000 1188000.000000 594000.000000 1188000.000000 594000.000000 1188000.000000 1782000.000000 594000.000000 594000.000000 330000.000000 3001.000000 3889.000000 203.000000 55.000000 448.000000 71.000000 163.000000 44.000000 358.000000 57.000000 0.000000 0.000000 0.000000 0.000000
RIGHTHAND SIDE RANGES ALLOWABLE ALLOWABLE INCREASE DECREASE INFINITY 39947.378906 INFINITY 504219.312500 INFINITY 399337.656250 INFINITY 441828.968750 INFINITY 761511.125000 INFINITY 295597.125000 INFINITY 376973.000000 INFINITY 1104581.500000 INFINITY 38910.933594 INFINITY 386619.312500 3623.333252 2527.499756 INFINITY 240.842621 23.511627 63.941177 INFINITY 5.524590 INFINITY 11.000000 INFINITY 17.819672 INFINITY 14.000000 34.475410 INFINITY 11.000000 21.740000 72.180328 INFINITY 14.000000 13.935897 197.475403 INFINITY 44.000000 INFINITY 430.180328 INFINITY 57.000000 INFINITY
LP OPTIMUM FOUND AT STEP 0 OBJECTIVE VALUE = 108523000. SET SET SET SET
X1 X3 X4 X3
TO TO TO TO
>= >= <= >=
198 428 58 429
AT AT AT AT
1, 2, 3, 4,
BND= BND= BND= BND=
0.1085E+09 0.1085E+09 0.1085E+09 0.1085E+09
TWIN= 0.1085E+09 TWIN= 0.1085E+09 TWIN=-0.1000E+31 TWIN= 0.1085E+09
NEW INTEGER SOLUTION OF 108507000. AT BRANCH 4 PIVOT BOUND ON OPTIMUM: 0.1085213E+09 FLIP X3 TO <= 428 AT 4 WITH BND= 0.10851100E+09 SET X1 TO <= 198 AT 5, BND= 0.1085E+09 TWIN=-0.1000E+31 SET X4 TO >= 58 AT 6, BND= 0.1085E+09 TWIN=-0.1000E+31 SET X2 TO <= 44 AT 7, BND= 0.1085E+09 TWIN=-0.1000E+31 DELETE X2 AT LEVEL 7 DELETE X4 AT LEVEL 6 DELETE X1 AT LEVEL 5 DELETE X3 AT LEVEL 4 DELETE X4 AT LEVEL 3 FLIP X3 TO <= 427 AT 2 WITH BND= 0.10852134E+09
19 27 30 34 34
34 34 36
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
SET SET SET SET SET DELETE DELETE DELETE FLIP SET SET SET SET DELETE DELETE FLIP SET SET DELETE DELETE DELETE DELETE DELETE FLIP SET SET SET
X1 X4 X3 X4 X2
TO <= 198 TO <= 59 TO >= 427 TO >= 59 TO <= 44 X2 AT LEVEL X4 AT LEVEL X3 AT LEVEL X4 TO >= X4 TO <= 60 X3 TO >= 426 X3 TO <= 426 X2 TO <= 44 X2 AT LEVEL X3 AT LEVEL X3 TO <= X3 TO >= 425 X2 TO <= 45 X2 AT LEVEL X3 AT LEVEL X3 AT LEVEL X4 AT LEVEL X4 AT LEVEL X1 TO >= X4 TO <= 63 X1 TO <= 199 X3 TO >= 423
AT AT AT AT AT
3, 4, 5, 6, 7,
BND= BND= BND= BND= BND=
0.1085E+09 0.1085E+09 0.1085E+09 0.1085E+09 0.1085E+09
TWIN= 0.1085E+09 TWIN= 0.1085E+09 TWIN=-0.1000E+31 TWIN=-0.1000E+31 TWIN=-0.1000E+31
39 45 45 45 47
4 WITH BND= 0.10851471E+09 BND= 0.1085E+09 TWIN=-0.1000E+31 BND= 0.1085E+09 TWIN= 0.1085E+09 BND= 0.1085E+09 TWIN=-0.1000E+31 BND= 0.1084E+09 TWIN=-0.1000E+31
47 49 49 51
6 WITH BND= 0.10850900E+09 BND= 0.1085E+09 TWIN=-0.1000E+31 BND= 0.1085E+09 TWIN=-0.1000E+31
51 52
3 WITH BND= 0.10851867E+09 BND= 0.1085E+09 TWIN= 0.1085E+09 BND= 0.1085E+09 TWIN=-0.1000E+31 BND= 0.1085E+09 TWIN= 0.1085E+09
59 59 62
7 6 5 60 AT 5, 6, 7, 8, 8 7 425 AT AT 7, AT 8, 8 7 6 5 4 199 AT AT 4, AT 5, AT 6, AT AT AT AT
NEW INTEGER SOLUTION OF 108509000. AT BRANCH 13 PIVOT BOUND ON OPTIMUM: 0.1085183E+09 FLIP X3 TO <= 422 AT 6 WITH BND= 0.10851300E+09 SET X3 TO >= 422 AT 7, BND= 0.1085E+09 TWIN=-0.1000E+31 SET X4 TO >= 63 AT 8, BND= 0.1085E+09 TWIN=-0.1000E+31 SET X2 TO <= 44 AT 9, BND= 0.1085E+09 TWIN=-0.1000E+31 DELETE X2 AT LEVEL 9 DELETE X4 AT LEVEL 8 DELETE X3 AT LEVEL 7 DELETE X3 AT LEVEL 6 DELETE X1 AT LEVEL 5 FLIP X4 TO >= 64 AT 4 WITH BND= 0.10851834E+09 SET X1 TO <= 199 AT 5, BND= 0.1085E+09 TWIN= 0.1085E+09 SET X4 TO <= 64 AT 6, BND= 0.1085E+09 TWIN=-0.1000E+31 SET X2 TO >= 45 AT 7, BND= 0.1085E+09 TWIN= 0.1085E+09 DELETE X2 AT LEVEL 7 DELETE X4 AT LEVEL 6 FLIP X1 TO >= 200 AT 5 WITH BND= 0.10851584E+09 SET X3 TO >= 417 AT 6, BND= 0.1085E+09 TWIN= 0.1085E+09
62
NEW INTEGER SOLUTION OF 108511000. AT BRANCH 17 PIVOT BOUND ON OPTIMUM: 0.1085156E+09 FLIP X3 TO <= 416 AT 6 WITH BND= 0.10851561E+09 SET X1 TO <= 200 AT 7, BND= 0.1085E+09 TWIN= 0.1085E+09 SET X3 TO >= 416 AT 8, BND= 0.1085E+09 TWIN=-0.1000E+31 SET X2 TO <= 44 AT 9, BND= 0.1085E+09 TWIN= 0.1085E+09 DELETE X2 AT LEVEL 9 DELETE X3 AT LEVEL 8 DELETE X1 AT LEVEL 7 DELETE X3 AT LEVEL 6 DELETE X1 AT LEVEL 5 DELETE X4 AT LEVEL 4 DELETE X1 AT LEVEL 3 DELETE X3 AT LEVEL 2 DELETE X1 AT LEVEL 1 ENUMERATION COMPLETE. BRANCHES= 19 PIVOTS= 79
71
62 62 64
67 67 69
71
75 75 79
LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
1) VARIABLE X1 X2 X3 X4
ROW 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)
0.1085110E+09 VALUE 200.000000 44.000000 417.000000 67.000000
REDUCED COST -235000.000000 -135000.000000 -118000.000000 -95000.000000
SLACK OR SURPLUS 48689.183594 488468.312500 400043.593750 441998.000000 762061.187500 295856.000000 377664.093750 1105212.250000 39411.398438 386805.000000 80.000000 234.600021 0.000000 3.000000 11.000000 31.000000 4.000000 37.000000 0.000000 59.000000 10.000000 200.000000 44.000000 417.000000 67.000000
NO. ITERATIONS= 81 BRANCHES= 19 DETERM.=
1.000E
DUAL PRICES 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
0
Juli 2009 max 235000X1+135000X2+118000X3+95000X4 st 830.9 X1+822.5 X2+822.4 X3<=594000 1575.1 X4<=594000 1082.2 X1+1083.1 X2+1082.3 X3+1082.7 X4<=1188000 221.4 X1+204.8 X2+205 X3+197.4 X4<=594000 586.3 X1+585.6 X2+586.8 X3+570.4 X4<=1188000 409.9 X1+409.3 X2+409.3 X3+410.1 X4<=594000 1121 X1+1109.9 X2+1110 X3+1110.9 X4<=1188000 929.1 X1+928.9 X2+930.2 X3+928.4 X4<=1782000 762.1 X1+761.8 X2+761.7 X3+761.5 X4<=594000 284.3 X1+284.7 X2+284.7 X3+284.9 X4<=594000 510X1+450X2+430X3+430X4<=330000 6X1 + 4.8X2 + 2.8X3 + 2.8X4<=3001 9X1 + 5X2 + 4X3 + 3X4<=3889 X1<=182 X2<=55 X3<=487 X4<=71 X1>=146 X2>=44 X3>=390 X4>=57 X1>=0 X2>=0 X3>=0 X4>=0 End Gin 4
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
LP OPTIMUM FOUND AT STEP
3
OBJECTIVE FUNCTION VALUE 1)
0.1071787E+09
VARIABLE X1 X2 X3 X4
ROW 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)
VALUE 182.000000 55.000000 437.023254 57.000000
REDUCED COST 0.000000 0.000000 0.000000 0.000000
SLACK OR SURPLUS 38130.773438 504219.312500 396764.937500 441599.625000 760127.375000 294637.375000 374516.375000 1102376.500000 37112.687500 385939.093750 0.000000 261.734894 56.906979 0.000000 0.000000 49.976746 14.000000 36.000000 11.000000 47.023254 0.000000 182.000000 55.000000 437.023254 57.000000
NO. ITERATIONS=
DUAL PRICES 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 274.418610 0.000000 0.000000 95046.507812 11511.627930 0.000000 0.000000 0.000000 0.000000 0.000000 -23000.000000 0.000000 0.000000 0.000000 0.000000
3
RANGES IN WHICH THE BASIS IS UNCHANGED:
VARIABLE X1 X2 X3 X4
ROW 2 3 4 5 6 7 8 9 10 11 12 13 14
CURRENT COEF 235000.000000 135000.000000 118000.000000 95000.000000
OBJ COEFFICIENT RANGES ALLOWABLE ALLOWABLE INCREASE DECREASE INFINITY 95046.507812 INFINITY 11511.627930 11000.000000 23000.000000 23000.000000 INFINITY
CURRENT RHS 594000.000000 594000.000000 1188000.000000 594000.000000 1188000.000000 594000.000000 1188000.000000 1782000.000000 594000.000000 594000.000000 330000.000000 3001.000000 3889.000000
RIGHTHAND SIDE RANGES ALLOWABLE ALLOWABLE INCREASE DECREASE INFINITY 38130.773438 INFINITY 504219.312500 INFINITY 396764.937500 INFINITY 441599.625000 INFINITY 760127.375000 INFINITY 294637.375000 INFINITY 374516.375000 INFINITY 1102376.500000 INFINITY 37112.687500 INFINITY 385939.093750 6117.500000 20220.000000 INFINITY 261.734894 INFINITY 56.906979
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.
15 16 17 18 19 20 21 22 23 24 25 26
182.000000 55.000000 487.000000 71.000000 146.000000 44.000000 390.000000 57.000000 0.000000 0.000000 0.000000 0.000000
13.371585 44.933331 INFINITY INFINITY 36.000000 11.000000 47.023254 14.000000 182.000000 55.000000 437.023254 57.000000
36.000000 11.000000 49.976746 14.000000 INFINITY INFINITY INFINITY 46.365238 INFINITY INFINITY INFINITY INFINITY
LP OPTIMUM FOUND AT STEP 0 OBJECTIVE VALUE = 107178744.
NEW INTEGER SOLUTION OF 107176000. AT BRANCH BOUND ON OPTIMUM: 0.1071760E+09 ENUMERATION COMPLETE. BRANCHES= 0 PIVOTS= 5
0 PIVOT
5
LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) VARIABLE X1 X2 X3 X4
ROW 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)
0.1071760E+09 VALUE 182.000000 55.000000 437.000000 57.000000
REDUCED COST -235000.000000 -135000.000000 -118000.000000 -95000.000000
SLACK OR SURPLUS 38149.886719 504219.312500 396790.093750 441604.406250 760141.000000 294646.906250 374542.187500 1102398.125000 37130.398438 385945.687500 10.000000 261.800018 57.000000 0.000000 0.000000 50.000000 14.000000 36.000000 11.000000 47.000000 0.000000 182.000000 55.000000 437.000000 57.000000
NO. ITERATIONS= 6 BRANCHES= 0 DETERM.=
1.000E
DUAL PRICES 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
0
Wenni Junida : Penentuan Jumlah Produksi Optimal Untuk Memaksimumkan Laba Dengan Menggunakan Metode Integer Programming Di PT. Cahaya Kawi Ultra Polyintraco, 2010.