PENGEMBANGAN MODEL INTERVAL FUZZY LINIEAR PROGRAMMING (IFLP) UNTUK OPTIMASI PENGELOLAAN PENCEMARAN AIR KALI SURABAYA DI JAWA TIMUR Udisubakti Ciptomulyono (*) Adity Maharani (**) (*) Staf Pengajar Jurusan Teknik Industri . Laboratorium Sustainable Manufacturing ITS Kampus ITS Sukolilo Surabaya 60111. E-mail:
[email protected] (**) Alumni S2-Teknik Industri-ITS. E-mail :
[email protected] ABSTRAK Penelitian ini menggagas suatu pendekatan Model Interval Fuzzy Linear Programming(IFLP) untuk mengatasi permasalahan pencemaran air di Kali Surabaya yang sudah menjadi masalah serius semenjak tahun 1975. Strategi pengelolaan yang diusulkan dalam pengembangan model ini adalah mengoptimasikan beban pencemaraan organik yang akan diproses melalui Instalasi Pengolah Limbah (IPAL) yang direncanakan, sehingga bisa memenuhi suatu standart kualitas air (stream standard) yang ditetapkan regulator. Persamaan “Streeter Phelps” yang dimodifikasi diterapkan sebagai model dasar estimasi parameter system ekologis sungai. Karena ekosistem sungai memiliki daya “self purification” berupa proses reoksigenasi-deoksigenasi terhadap masuknya beban cemaran organic, maka model yang diajukan harus mengintegrasikan factor ini kedalam model optimalisasinya. Artinya perlu dicari model optimasi yang mengakomodasikan efisisensi reduksi pencemaran melalui pengolahan limbah dari “point sources” dengan beaya yang paling murah (least cost minimization) dengan masih memanfaatkan daya dukung ekosistem yang ada. Mempertimbangkan bahwa parameter model ekosistem sungai merupakan sebuah system yang memiliki parameter kondisi yang berbeda disaat musim hujan dan kemarau serta memiliki sifat data pengukuran yang ‘imprecise”, maka model optimasi yang diusulkan berupa model Interval Fuzzy Linear Programming (IFLP). Model IFLP yang dirumuskan diselesaikan dengan pendekatan solusi interaktif dua tahap yang dikembangkan oleh Huang et.al (1993) Hasil solusi model diharapkan memberikan informasi penting (decisive information) : interval beaya optimal untuk pengolahan serta seberapa besar alokasi beban limbah yang harus diturunkan untuk memenuhi standart kualitas air yang diterapkan. Kata kunci : Interval Fuzzy Linear Programming, Metoda Optimasi, Manajemen Kualitas Sungai, Streeter Phelps, Kali Surabaya. 1. PENDAHULUAN Permasalahan pencemaran air di Kali Surabaya menjadi persolan yang serius dan kritis. Untuk itu manajemen kualitas air Kali Surabaya perlu dicarikan langkah optimalisasi terutama disaat Pemerintah akanmenerapkan regulasi mengenai ambang baku mutu kualitas air tersebut. Untuk mengelola kualitas lingkungan untuk mencapai baku mutu kualitas air dipersyaratkan, beban pencemaran perlu diturunkan melalui pembangunan instalasi pengolahan limbah (IPAL) masing-masing unit industri terkait. Pembangunan ini memerlukan beaya pengendalian pencemaran yang mahal untuk mencapai tingkat kualitas air sesuai dengan standard yang telah ditetapkan. Sehingga untuk menekan beaya pengolahan ini perlu dicarikan solusi optimalnya mengingat “self assimilation of natural purification” dari ekosistem masih bisa dimanfaatkan. Lokasi badan air yang berbeda juga menyebabkan pengaruh beban limbah terhadap penurunan kualitas air juga bervariasi tergantung dari karakteristik ekologis dan kemampuan daya pulih (self purification) suatu perairan. Penelitian optimasi manajemen kualitas Kali Surabaya dengan memanfaatkan persamaan “Streeter Phelps” sebagai representasi “natural purification” telah dilakukan oleh Ciptomulyono (1985, 1998) dengan mengembangkan model programa goal linier, serta pendekatan fuzzy goal programming (Ciptomulyono, 2007). Namun model optimasi yang dikembangkan tidak mempertimbangkan adanya ketidakpastian (uncertainty) yang ada dalam perilaku sistem sungai maupun beban buangan pencemaran dari industri. Sementara beberapa ketidakpastian karakteristik ekologis serta buangan limbah pada realita operasionalnya mengandung sifat ketidakpastian yang bisa dinyatakan dalam fungsi interval (Qin et.all, 2007). Untuk model pencemaran organik, Ciptomulyono (1996), Qin et al (2007), Lee et al (2005), Cardwell (1996) mengembangkan model manajemen kualitas dengan parameter DO (Dissolved Oxygen) dan BOD (Biological Oxygen Demand) dipergunakan untuk pemodelan yang bersifat statis. Mempertimbangkan bahwa parameter lingkungan pada sistem sungai merupakan karakteristik yang dinamik dan tidak pasti maka ketidakpastian dalam manajemen kualitas air dapat didasarkan pada 267
fuzzy sets theory (Ciptomulyono, 2007; Qin et al, 2007; Karmakar dan Mujumdar, 2006). Lee and Chang (2005) mengembangkan Interactive Fuzzy Optimization sebagai pendekatan interaktif yang memasukkan model ketidakpastian secara eksplisit untuk mengidentifikasi alternatif manajemen kualitas air. Mempertimbangkan ketidakpastian dalam sistem Kali Surabaya berupa suatu nilai interval parameter dimusim hujan dan kemarau, demikian juga variabel keputusannya maka pengembangan model yang digunakan pada penelitian ini adalah dengan menerapakan pendekatan Interval Fuzzy Linier Programming dengan mengadopsi pendekatan yang dikembangkan Huang et al (1993) dalam Qin et al (2007). 2. METODE PENELITIAN 2.1 Penentuan Komponen Model (Variabel Keputusan, Kendala serta Parameter Model). Model strategi pengelolaan dilakukan dengan mengacu model dasar yang dikembangkan oleh Ciptomulyono dengan variabel keputusan yang akan dioptimasikan adalah beban pencemar dari masing-masing industri sumber pencemaran yang kemudian diolah pada alternatif sitem pengolahan limbah masing-masing industri. Untuk tujuan itu direncanakan dipergunakan Instalasi Pengolah Limbah Individual dan Instalasi Pengolah Limbah Kolektif pada tiap segmen. Setiap sistem pengolahan limbah menurunkan beban pencemar organik (BOD) dengan tingkat efisiensi reduksi beban limbah ηp untuk IPAL tingkat I, ηs untuk efisiensi IPAL tingkat II, dan ηc untuk efisiensi IPAL kolektif. Alternatif pengolahan limbah dari sumber pencemar akan menjadi variabel keputusan manajemen pengelolaan dan didefinisikan sebagai : : didefinisikan sebagai jumlah alokasi beban pencemar dari industri j yang dalam titik amatan (dalam segmen) ke i dengan alternatif sistem pengalokasian pada sistem treatmen k (kg/hari)
Xijk
Untuk : i = indeks untuk titik amatan (segmen) pada sungai, i = 1, 2,.., m j = indeks industri yang ada dalam segmen i, j = 1, 2,.., n . Xi1 Xi1 Ind 1 S E G M E N i
Xi1 Xi1
IPAL I ηp . Xi12
Xi1 Xi1
IPAL II ηs . Xi15
Xi1 Xi1 IPAL K ηc . Xij6, ηc . Xij3
Xij Ind J
IPAL I ηp . Xij2
Xij Xij
Xij Xij Xij
IPAL II ηs . Xij5
Xi1
S U N G
Xij Xij
Gambar 1 Alternatif Alokasi Beban Pencemar Pada Setiap Sistem Pengolahan Limbah 2.2. Menstrukturkan Pemodelan Dalam Model Interval Fuzzy Linier Programming 2.2.1 Model Linier Programming (IFLP) Berdasarkan perumusan kendala yang diformulasikan untuk model otimasi pengelolaan kualitas sungai yang dikembangkan oleh (Ciptomulyono, 1996), maka model optimasi dalm bentuk linear programming dapat dituliskan dalam model matematika sebagai berikut: Minimize
Tot C = ∑∑ ∑ ϕijk xijk + ∑∑ ∑ θ i xijk i
j k∈S3
i
(1)
j k∈S 2
268
Subject to 1. Kualitas air
∑ ∑x
bi (i − n )
j∈I i−n k∈S1
ai (i − n )
( i − n ) jk
+bi (i −1)
∑ ∑x
j∈I i −n k∈S1
+ai (i −1)
( i − n ) jk
∑ ∑x
j∈I i −1 k∈S1
( i −1) jk
∑ ∑x
j∈I i−1 k∈S1
( i −1) jk
+... + bii ∑ ∑ xijk ≤ std BODi j∈I i k∈S1
+... + aii ∑ ∑ xijk ≤ Csi − std DOi
(2)
j∈I i k∈S1
2. Subsistem Pengolahan Limbah
∑ x = BOD (1 − η )x − x ijk
j i
k
ij 2
p
ij 4
− xij 5 − xij 6 = 0
(3)
(1 − η s )xij 5 − xij 7 − xij 8 = 0 (1 − ηc )xij 3 + (1 − ηc )xij 6 − xij 9 = 0 3. Standard Air Limbah
∑x
k∈S1
ijk
≤ ρqij
(4)
4. Non negatif
xijk , bij , aij ≥ 0
(5)
Dimana Persamaan (1) menyatakan fungsi tujuan, yaitu untuk meminimumkan biaya pengolahan air limbah sebagai fungsi dari alokasi beban pencemar. Persamaan (2) menyatakan bahwa alokasi beban pencemar organik yang dibuang ke sungai tidak boleh menyebabkan kualitas air lebih buruk dari baku mutu BOD dan DO yang ditetapkan regulator. Persamaan (3) menyatakan neraca kesetimbangan aliran beban pencemaran industri yang masuk dan direduksi pada setiap pada alternatif pengelolaan air limbah (IPAL I, IPAL II, dan IPALK) setelah direduksi sebesar η % dari beban pencemar input. Persamaan (4) menyatakan bahwa jumlah alokasi beban pencemar yang dibuangb ke sungai harus memenuhi standard buangan limbah (effluent standart). Koefisien transfer aij dan bij menurut model yang dikembangkan oleh Ciptomulyono (1985) dari Persamaan “Streeter Phelps” dapat dirumuskan sebagai :
⎧ ⎧ ⎪ ∂ L i ( BOD ) ⎪⎪ ∂ DO i ( BOD ) untuk ∀ i ≥ j dan bij = ⎨ ∂ BOD a ij = ⎨ ∂ BOD j j ⎪ ⎪ ⎪⎩ 0 untuk ∀ i < j ⎩0 ∧
untuk ∀ i ≥ j
(6)
untuk ∀ i < j
Besarnya perubahan kelarutan oksigen (aij) dan kelarutan BOD (bij) pada segmen i akibat penambahan BOD di j dapat diperkirakan dengan menggunakan persamaan (6). Untuk fungsi kelarutan DO dan BOD dalam badan air akibat masuknya beban pencemar tersebut pada ekosistem perairan yang diamamati dapat diwujudkan dalam persamaan berikut dibawah Dˆ i =
ki 1
d i i ( e − k1 α v − i ki −ki 2 1
i di i di e − k 2 α v i ) Lˆ i + ( e − k 2 α v i ) Dˆ i - 1
β BOD i di Lˆ i = L i e − k1α vi and L i = Lˆ i -1 + Ri
Li
i
: kelarutan BOD pada bagian hulu segmen i mula – mula setelah ada
(7)
(8) beban pencemar
masuk, belum teroksidasi (mg/l) ∧
Li Di
: kelarutan BOD pada bagian hilir segmen i mula – mula setelah beban pencemar dari segmen i masuk (mg/l), nilai ini merupakan kelarutan BOD mula – mula pada bagian hulu segmen sungai berikutnya (i + 1) : defisit oksigen pada bagian hulu segmen i mula – mula setelah ada beban pencemar (mg/l)
∧
Di
: defisit oksigen pada bagian hilir segmen i mula – mula setelah beban pencemar dari segmen i masuk (mg/l), nilai ini merupakan defisit oksigen mula – mula pada bagian hulu segmen sungai berikutnya (i + 1) 269
BODi : BOD yang dibuang pada setiap bagian hulu segmen i dianggap sebagai titik agresi dari seluruh beban yang ada di sungai itu (kg/hari) : panjang segmen sungai ke i (m)
di vi ti
: kecepatan arus segmen ke i (m/s) : waktu alir sungai segmen ke i (hari)
k1i k 2i
: koefisien deoksigenasi di segmen ke i (l/hr) : koefisien reoksigenasi di segmen ke i (l/hr) : faktor konversi yang merubah satuan – satuan faktor pangkat k1, k2, di, dan vi sehingga tidak berdimensi. : debit arus sungai pada segmen i (m3/hari)
α
Ri
2. Model Interval Linier programming (ILP) Adanya ketidakpastian beban buangan limbah cair sebagai laju produksi dari masing-masing industri pencemar serta parameter ekologis yang terkait maka untuk kendala kualitas air pada (3) dapat dinyatakan dalam bentuk interval. Mempertimbang kan yang dicari solusi optimalnya hanya minimalisasi pencapaian ambang baku sungai maka model dapat dinyatakan dalam bentuk model Interval Linier Programming seperti berikut dibawah ± ± Tot C = ∑∑ ∑ ϕijk xijk + ∑∑ ∑ θ i xijk
Minimize
i
Subject to 1. Kualitas air
bi±(i − n ) ai±( i − n )
∑ ∑x ∑ ∑x
± ( i − n ) jk
j∈I i − n k∈S1
+bi±(i −1)
± ( i − n ) jk
+ai±(i −1)
j∈I i − n k∈S1
j k∈S 3
∑ ∑x ∑ ∑x
± ( i −1) jk
j∈I i −1 k∈S1
± ( i −1) jk
j∈I i −1 k∈S1
(9)
j k∈S 2
i
∑∑x +... + a ∑ ∑ x
+... + bii±
± ii
± ijk
j∈I i k∈S1
± ijk
≤ std BODi ≤ Csi± − std DOi
(10)
j∈I i k∈S1
2. Subsistem Pengolahan Limbah
∑ x = BOD (1 −η )x − x ± ijk
± ij
k
p
± ij 2
± ij 4
− xij±5 − xij±6 = 0
(1 − η s )xij±5 − xij±7 − xij±8 = 0 (1 − ηc )xij±3 + (1 − ηc )xij±6 − xij±9 = 0
(11)
3. Standard Air Limbah
∑x
k∈S1
± ijk
≤ (ρq )ij
±
(12)
4. Non negatif ± xijk , bij± , aij± , ρ ij± ≥ 0
Dengan
(13)
η p , η s , η c , dan q
parameter beaya pengolahan dan standart limbah yang bernilai konstan.
2.3. Menetapkan Model Interval Fuzzy Linier programming (IFLP) Fleksibilitas pada constraint dan fuzzyness pada objektif sistem diwujudkan dalam fuzzy set dan dinotasikan sebagai fuzzy constraint dan fuzzy goal, diekspresikan sebagai membership grade (λ) untuk menyatakan derajat kepuasan untuk constraint dan tujuan. Fuzzy constraint untuk nilai standard kualitas (stream standard) BOD dan DO sedangkan fuzzy goal untuk total cost. Berdasarkan Huang et al, 1993 dalam Qin et al, 2007 model ILP (Persamaan 3.16) dapat dinyatakan sebagai model IFLP berikut. Maximize λ (14) Subject to 1. Total biaya
∑∑ ∑ ϕ i
j k∈S 3
ijk
± ± + + − xijk + ∑∑ ∑ θ i xijk ≤ TCopt 1 − λ (TCopt1 − TCopt1 ) i
(15)
j k∈S 2
270
2. Kualitas air
± + + − bi±(i−n) ∑ ∑x(±i−n) jk +bi±(i−1) ∑ ∑x(±i−1) jk +...+ bii± ∑∑xijk ≤ SBopti − λ(SBopt1 −SBopt1 ) j∈Ii−n k∈S1
± i (i−n)
j∈Ii−1 k∈S1
∑ ∑x
a
± (i−n) jk
j∈Ii−n k∈S1
± i (i −1)
+a
j∈Ii k∈S1
∑ ∑x
j∈Ii−1 k∈S1
± (i−1) jk
± ii
+...+ a
∑∑x j∈Ii k∈S1
± ijk
(
(16)
)
+ + − ≤ Csi± − SDopt1 − λ(SDopt1 −SDopt1 )
Subsistem Pengolahan Limbah
∑ x = BOD (1 −η )x − x ± ijk
± ij
k
p
± ij 2
± ij 4
− xij±5 − xij±6 = 0
(17)
(1 − η s )xij±5 − xij±7 − xij±8 = 0 (1 − ηc )xij±3 + (1 − ηc )xij±6 − xij±9 = 0 4. Standard Air Limbah
∑x
k∈S1
± ijk
≤ (ρq )ij
±
(18)
5. Non negatif ± xijk , bij± , aij± , ρ ij± ≥ 0
(19)
6. Fungsi anggota 0≤λ≤1 Dengan η p , η s , η c , dan q bernilai konstan
(20)
2.4. Menyelesaikan Solusi Interaktif Dua Tahap Tahap 1, menyatakan nilai batas bawah yang diinginkan, sehingga berdasarkan Huang et al (1993) dalam Qin et al (2007) sub model satu dapat dinyatakan dalam model matematika berikut Maximize λ (21) Subject to 1. Total biaya
∑∑ ∑ ϕ j k∈S 3
i
ijk
− − + + − xijk + ∑∑ ∑ θ i xijk ≤ TCopt 1 − λ (TC opt1 − TC opt1 )
2. Kualitas air
bi−( i − n ) ai−(i − n )
∑ ∑x
j∈I i −n k ∈S1
∑
− ( i − n ) jk
+bi−( i −1)
∑ x(−i −n ) jk +ai−(i −1)
j∈I i − n k ∈S1
(22)
j k∈S 2
i
∑ ∑x
j∈I i −1 k ∈S1
∑
− ( i −1) jk
− + + − +... + bii− ∑ ∑ xijk ≤ SB opti − λ (SB opt1 − SB opt1 ) j∈I i k ∈S1
(
+ + − − λ (SD opt1 − SD opt1 ) ∑ x(−i −1) jk +... + aii− ∑ ∑ xijk± ≤ Csi− − SD opt1
j∈I i −1 k ∈S1
)
(23)
j∈I i k ∈S1
3. Subsistem Pengolahan Limbah
∑ x = BOD (1 −η )x − x − ijk
− ij
k
p
− ij 2
− ij 4
− xij−5 − xij−6 = 0
(1 − η s )x − x − x = 0 (1 − ηc )xij−3 + (1 − ηc )xij−6 − xij−9 = 0 − ij 5
− ij 7
− ij 8
(24)
4. Standard Air Limbah
∑x
k∈S1
− ijk
≤ (ρq )ij
−
(25)
5. Non negatif − xijk , bij− , aij− , ρ ij− ≥ 0
6. Fungsi anggota 0≤λ≤1
(26) (27)
Tahap 2, menyatakan nilai batas atas yang diinginkan, sehingga berdasarkan Huang et al (1993) dalam Qin et al (2007) Sub model dua dapat dinyatakan persamaan berikut Maximize λ (28) 271
Subject to 1. Total biaya
∑∑ ∑ ϕ j k∈S 3
i
2. Kualitas air
bi+(i−n) + i ( i −n )
a
∑ ∑x
+ (i −n) jk
j∈I i−n k∈S1
∑ ∑x
+ (i −n) jk
j∈I i−n k∈S1
ijk
+ + + + − xijk + ∑∑ ∑ θ i xijk ≤ TCopt 1 − λ (TC opt1 − TC opt1 )
(29)
j k∈S 2
i
+ + + − +bi+(i −1) ∑ ∑ x(+i−1) jk +...+ bii+ ∑∑ xijk ≤ SBopti − λ(SBopt1 − SBopt1 ) j∈Ii−1 k∈S1
j∈I i k∈S1
∑ ∑x
+ i (i −1)
+a
j∈Ii−1 k∈S1
+ (i −1) jk
+ ii
+... + a
∑∑ x j∈Ii k∈S1
+ ijk
(
+ + − ≤ Csi+ − SDopt1 − λ(SDopt1 − SDopt1 )
(30)
)
3. Subsistem Pengolahan Limbah
∑ x = BOD (1 − η )x − x + ijk
+ ij
k
p
+ ij 2
+ ij 4
− xij+5 − xij+6 = 0
(31)
(1 − η s )xij+5 − xij+7 − xij+8 = 0 (1 − ηc )xij+3 + (1 − ηc )xij+6 − xij+9 = 0 4. Standard Air Limbah
∑x
k∈S1
+ ijk
≤ (ρq )ij
+
(32)
5. Non negatif + xijk , bij+ , aij+ , ρ ij+ ≥ 0
(33)
6. Fungsi anggota 0≤λ≤1
(34) − ijk
Setelah didapatkan nilai x tahap dua maka nilai f Liniear
[
Programming.
]
± ijk
+ ijk
dari perhitungan tahap satu dan nilai x
dari dihitung dengan menggunakan Hasil
perhitungan
dinyatakan
dari perhitungan
fungsi objektif (9) dari persamaan dalam
[
]
− + x ±jopt = xijk , xijk , opt opt
dan
± f jopt = f ijk− op t , f ijk+ op t .
3. HASIL DAN PEMBAHASAN Kali Surabaya merupakan salah satu cabang dari Kali Brantas yang terpisah di Mojokerto menjadi dua cabang, yaitu Kali Porong dan Kali Surabaya. Kali Surabaya mengalir sepanjang kurang lebih 42 km dari kota Mojokerto ke timur laut melalui Kabupaten Sidoarjo, Kabupaten Gresik dan Kota Surabaya. PDAM Surabaya memanfaatkan air Kali Surabaya ini sebagai “water intake” bagi produksi air bersihnya. Pada penelitian ini lokasi penelitian terletak di sepanjang Kali Surabaya tanpa anak – anak sungainya dimulai dari Desa Cangu sampai Dam Jagir. Terdapat 9 stasiun pengamatan, yaitu Jembatan Cangu, Perning, Jrebeng, Cangkir Tambangan, Bambe Tambangan, Karangpilang, Jembatan Sepanjang, Bendungan Gunungsari, Ngagel/ Jagir. Menurut laporan Jasa Tirta (anonim, 2000) dalam Purwatiningsih (2005) terdapat 28 industri di sepanjang Kali Surabaya dan 26 industri di sepanjang Kali Tengah. Industri yang membuang limbahnya ke Kali Surabaya. Berdasarkan laporan tahunan tahun 2007 Perusahaan Jasa Tirta, ada 10 industri di sepanjang Kali Surabaya yang berpotensial mengeluarkan limbah pencemar seperti diperlihatkan pada gambar 2 berikut:
272
Gambar 2 Lokasi titik Pengamatan dan Industri Sumber Pencemar Tabel I . Interval Beban Pencemar Organik Kali Surabaya No Industri
Konsentrasi Limbah BOD * (mg/l) [4,8 - 21,3] [338,1 - 454,4] [167,1 - 224,9]
Debit Limbah (m3/hari)** 22592,69 96,67 416,83 17046,83
Beban pencemar organik (kg-BOD/hari) 11 [108,44 - 480,09] 12 [32,68 - 43,92] 21 [69,65 - 93,75] 31 [1206,92 [70,8 - 71,4] 1216,29] 41 [41,4 - 45,6] 17916,67 [741,75 - 816,10] 51 [458,4 - 970,9] 56,4 [25,85 - 54,76] 52 [764,65 - 1192,1] 108,98 [83,33 - 129,91] 53 [2540,5 -3906,4] 11,58 [29,42 - 45,24] 54 [1135,8 - 1300,9] 46,5 [52,81 - 60,49] 61 [798,3 - 1635,9] 101,08 [80,69 - 165,36] Sumber *PJT tahun 2007 **Prasetyo (2006)
Beban total pencemaran (kg/hari) [141,12 - 524,02] [69,65 - 93,75] [1206,92 1216,29] [741,75 - 816,10] [191,42 - 290,40]
[80,69 - 165,36]
Penyelesaian dengan menggunakan program Matlab didapatkan solusi optimal alokasi beban pencemar untuk setiap sumber pencemar organik dari setiap sumber pencemar (industri ) diperlihatkan pada tabel berikut dibawah.
273
Tabel 2. Solusi Alokasi Beban Pencemar Untuk Interval Fuzzy Linear Programming Interval Alokasi Beban Pencemar Optimal (Solusi Model IFLP) Kg BOD/Hari (**) Kod e
Aloka si Dibua ng
Aloka si Treat ment
Aloka si Treat ment
Alok asi Dibu ang
Lang sung
IPALI
IPALK
Lan gsun g
11
108,4 – 480
0– 0,1
0
0– 1,4
0
0
0– 1,3
0
0– 1,3
12
0– 0.4
32,7 44
0– 0,5
11,4 – 16,9
0
10,5 – 13,8
0– 0,2
0– 1,1
2,1 – 4,1
21
0– 0,6
69,7 93
0– 0,7
9,2 – 20,2
0– 0,1
37,5 – 43,3
0– 0,2
0– 1,1
7,5 – 10, 1
31
1165, 6– 1216, 3
2,2 – 41,3
0– 0,1
2,5 – 27,7
0– 0,2
0– 0,1
0– 1,3
0– 0,1
0– 1,3
41
741,8 – 814,7
0– 1,3
0– 0,1
0 -2
0– 0,1
0– 0,1
0– 1,3
0
0– 1,3
51
0– 0,6
25,9 – 54,5
0– 0,6
0,3 – 1,9
0
17,1 – 35,8
0– 0,1
0– 1,2
3,4 – 8,6
52
0
81 – 128,8
1,3 – 2,3
4,9 – 5,7
0– 0,2
49,4 – 81,8
0
0– 1,3
10, 3– 17, 9
53
0– 0,1
29,4 45,9
0– 0,1
0– 0,1
0,9 – 14,5
5,2 31
0
1,5 – 3,6
1– 7,5
54
0– 0,4
52,8 – 60
0– 0,9
0– 4,4
0,1 – 2,8
32,6 – 37,1
0– 0,1
0,7 – 1,2
6,5 – 8,9
61
0– 0,1
74,3 165
0,3 – 6,4
0 - 3,6
0– 6,3
46,1 – 105,5
0
0– 2,9
10, 5– 22, 4
Nomor
Aloka si Treat ment IPALK
Aloka si Dibua ng Langs ung
Alok asi Trea tme n IPA LI -II
Alok asi
Alo kasi Dub uan g
Trea tme nt
Lan gsu ng
IPA L-K
(**) : Hasil Model IFLP diselesaikan dengan Program Komputer Soft-Ware MatLab Alokasi optimal beban pencermaran yang dihasilkans oleh model IFLP diatas merupakan suatu interval alokasi minimal untuk mencapai kualitas parameter air permukaan sedikitnya mengandung DO 6 mg/ltd an kandungan BOD sebesar-besarnya 12 mg/lt. Untuk itu secara agregat, beaya total pengolahan air limbah yang dikeluarkan untuk keseluruhan IPAL yang direncanakan adalah antara : Rp 1,92 juta sampai Rp 5,23 juta rupiah/kg BOD. Beberapa industri (nomor 11, 31, 41) bisa membuang beban pencemaran langsung ke perairan beberapa industri lain harus mengolah limbah dari IPAL-I dan IPAl-II. Hampir semua industri harus mengolah beban limbahnya di IPAL-K (instalasi 274
pengolah limbah kolektif). Mempertimbangkan skala ekonomis pembangunan IPAL, alokasi beban lebih besar dari 1 Kg-BOD/hari, beberapa industri tidak perlu membangun sendiri unit pengolah limbahnya. Analisis sensitivitas yang diterapkan dalam model untuk beban pencemaran dan keketatan standard kualitas memberikan perubahan yang significant baik terhadap pencapaian beaya pengolahan optimal atau pencapaian λ (membership function) dari fungsi fuzzy. 4. KESIMPULN Beberapa kesimpulan dari penelitian dapat dirumuskan sebagai berikut: •
• •
• •
Model IFLP yang dikembangkan memberikan hasil solusi optimal untuk suatu kondisi keputusan manajemen kualitas air yang memiliki sifat fungsi interval, dalam kondisi pencemaran Kali Surabaya kondisi ini bisa mencerminkan kondisi parameter lingkungan di musim hujan atau panas. Sehingga solusi variabel keputusan yang dihasilkan bisa merepresentasikan kondisi ketidak pastian ini. Pemodelan yang dilakukan karena mendekati kondisi sistem riel, maka solusi optimal yang dihasilkan memberikan nilai yang “sebenarnya”. Dari 10 Industri yang dimodelkan 7 industri sebagai sumber pencemaran harus mengurangi beban Pembangunan IPAL yang dibutuhkan untuk mengurangi beban pencemar agar memenuhi kualitas air yaitu semua industri (kecuali industri kode 11) harus membangun IPAL I, IPAL II harus dibangun oleh industri dengan kode 53, 54, 61, sedangkan untuk IPAL komunal harus dibangun pada setiap segmen (kecuali segmen empat). Pada Industri kode 11, 31, 41 harus diberikan pengawasan dengan ketat karena mengalokasi buangan beban pencemarnya langsung ke sungai cukup besar. Rata-rata total ongkos optimal pengolahan limbah industri di sepanjang Kali Surabaya untuk bisa mencapai ambang baku mutu air Golongan A diperlukan beaya Rp.1.95 Juta sampai Rp.5, 23 juta per Kg BOD/per hari
DAFTAR PUSTAKA Ciptomulyono, U., 1985, Model Programa Goal Linier Untuk Optimasi Pengelelolaan Lingkungan : Kasus Pengendalian Pencemaran S. Surabaya Jawa Timur Dari Limbah Industri, Teknik Industri ITB, Bandung. Ciptomulyono, U., (1996), Model Multiobjectif Goal Programming Untuk Optimasi Manajemen Kualitas Lingkungan : Penerapannya Pada Pengelolaan Pencemaran Sungai Surabaya, IPTEK ITS, 12 – 27 Ciptomulyono, U. (1998). "An Integrated Model Using Analytic Hierarchy Process (AHP) and Goal Programming Approach For Waste Management" (Presented, in "The Third International Conference on Multi-Objective Programming and Goal Programming: Theory and Application, Université Laval, Québec, May 31, 1998, Quebec City, Canada). Ciptomulyono, U. (2007). “A development model of fuzzy goal programming for regional river water quality management”, Jurnal Purifikasi –Jurnal Teknologi dan Manajemen Lingkungan, Vol.8, No.2, p. 169-174. Harrison, K W., (2007), Test Application Of Bayesian Programming: Adaptive Water Quality Management Under Uncertainty, Advances in Water Resources, Vol 30, 606–622 Karmakar, S dan Mujumdar, P.P., (2006), An inexact optimization approach for river water-quality management, Journal of Environmental Management, Vol 81, 233–248 Kerachian, R dan Karamouz, M., (2007), A Stochastic Conflict Resolution Model For Water Quality Management In Reservoir–River Systems, Advances in Water Resources, Vol 30, hal 866–882 Lee. C.S.and Chang S.P. (2005). Interactive Fuzzy Optimization For an Economic and Environmental Balance In River System. Advances in Water Resources, Vol.39, 221-231. Lee, C.S. and We, C.G (1996). River Assimilative Capacity Analysis Via Fuzzy Linear Programming. Fuzzy Sets and Systems, vol.79, 191-201 Prasetyo, A E., (2006), Pendekatan Fuzzy Goal Programming Untuk Alokasi Beban Pencemaran Limbah Industri Pada Perairan Sungai Surabaya, Teknik Industri – ITS, Surabaya Qin, X.S; Huang, G H; Zeng, GM, dan Chakma, A., (2007), An Interval-Parameter Fuzzy Nonlinear Optimization Modelfor Stream Water Quality Management Under Uncertainty, European Journal of Operational Research, Vol 180, 1331–1357
275
ANALISIS STRATEGI SUPPLY CHAIN MANAGEMENT PADA PROSES MANUFACTURE Studi kasus proses produksi castor dan panel di PT. Mega Andalan Kalasan. Yogyakarta Sidarto Jurusan Teknik Industri, Fakultas Teknologi Industri Institut Sains & Teknologi AKPRIND Jl. Kalisahak 28 Komplek Balapan, Yogyakarta 55222 ABSTRACT By global business appearance, industrial practitioners start conciousness that to provide cheap product, with quality, and on schedule require role all sedes, i.e. supplier, company/factory, company of transportation, and final consumer. Awareneness of the mentioned will create supply chain management concept. Proposed research is case study in PT. Mega Andalan Kalasan, which the was production process of using system of make to order where company will produce if there is order of his customer. Considering order per month have fluctuation, hence used strategy where as isn’t it employees if there is order many. To overcome the problem of overtime expense which often happened, hence needing the existence of strategy to lessen or eliminate the expense of overtime. There is three strategy which used in data analysis, first is isn’t it request moment labour many and transfer request moment labours a few, second strategy is executed production by kontinyu, excess of kept for supply early new and next month isn’t it moment labour of deman still less, third strategy use postponement to shift decoupling point go downstream so that production system shift from system of make to order to position of assembly to order. Result of data analysis indicate that first strategy yield the expense of overtime equal to Rp. 13.644.000,- while second strategy isn’t it the expense of overtime equal to Rp. 12.504.000,- but have to account expense keep equal to Rp. 762.202,- so that supply cost equal to Rp. 13.212.202,- ad for 2,76 % from first strategy. While third strategy yield the expense of overtime equal to Rp. 5.136.000,- and expense of keeping equal to Rp. 3.412.788,- so that the amount of supply expenses equal to Rp. 8.548.788,- or there is degradation equal to 37,34 % from first strategy. To smooth down machine capacities, machine office hours to isn’t it as according to requirement, for the machine of type 80-T equal to 6,39 %, type machine 125-T equal to 4,17 %, type machine 150-T equal to 10,49 %, type machine 350-T equal to 29,19 %, and type machine 530-T equal to 38,01 %, and labours amount counted 10 people. From result analysis data, company better use strategy of postponement, and machine hour alloction and as according to requirement and also employ labour counted 10 people one shif although remain to release the expense of overtime. Keyword : Supply Chain Management, Postponment, Decuopling Point A. PENDAHULUAN 1. Latar Belakang Seiring dengan munculnya perusahaan-perusahaan baru dalam dunia bisnis global, persaingan di dunia industri semakin meningkat. Suatu sistem produksi yang efektif dan efisien merupakan keharusan yang perlu dimiliki oleh para pelaku bisnis. Kompetisi tersebut menuntut perusahaan untuk menyediakan produk yang murah, berkualitas, tepat waktu, dan bervariasi. Untuk memenuhi tuntutan tersebut membutuhkan peran serta dari semua pihak mulai dari supplier yang memasok bahan baku, perusahaan/pabrik yang mengolah bahan baku menjadi produk atau komponen, perusahaan transportasi yang mengangkut bahan baku dari supplier dan mengantar barang jadi kepada customer akhir, serta costomer yang akan memakai produk tersebut. Kesadaran akan pentingnya peran serta dari semua pihak inilah kemudian terncipta konsep supply chain management. Mengelola supply chain sebenarnya tidaklah mudah karena akan melibatkan banyak pihak di dalam maupun diluar perusahaan ditambah lagi dengan berbagai ketidakpastian yang terjadi di sepanjang supply chain itu sendiri, serta semakin tingginya persaingan di pasar. Untuk menaggulangi beberapa ketidakpastian tersebut, maka perlu adanya suatu strategi dalam supply chain management sehingga efisiensi perusahaan dapat tercapai. 276
Penelitian mengenai supply chain management akhir-akhir ini sangat banyak dilakukan karena secara nyata supply chain management merupakan pertimbangan misi dan strategi untuk mencapai keunggulan kompetitif. Zabidi.Y.,(2001) dalam tulisan utamanya mengenai Supply Chain Management, teknik terbaru dalam mengelola aliran material/produk dan informasi dalam memenangkan persaingan mengemukakan bahwa perusahaan haruslah bertanggung jawab terhadap seluruh rangkaian proses mulai dari perencanaan produk, peramalan kebutuhan, pengadaan material, produksi, pengendalian persediaan, penyimpanan, distribusi ke distributor center, wholesaler, pedagang kecil, retailer, pelayanan pada pelanggan, proses pembayaran, dan sampai pada konsumen akhir. Djohar.S.,dkk (2003) melakukan penelitian dengan judul Building a Competitive Advantage on CPO Through Supply Chain Management : A Case Study in PT. Eka Dura Indonesia, Astra Agro Lestari, Riau. Penelitian ini bertujuan untuk memetakkan permasalahan supply chain CPO (crude palm oil) yang selama ini dilalui PT. EDI khususnya berkaitan dengan keunggulan nilai dan produktivitas. Penelitian ini juga bertujuan untuk membangun model simulasi SCM sebagai strategic tool dalam mengembangkan strategi mencapai keunggulan kompetitif. Studi ini membatasi ruang lingkupnya dengan berfokus pada SCM mulai dari kebun, kontraktor angkutan, pabrik, tangki timbun CPO, dan konsumen industri. Penelitian yang diusulkan merupakan studi kasus mengenai Analisis Strategi Supply Chain Management Pada Proses Manufacture khususnya proses produksi panel dan castor di PT. Mega Andalan Kalasan Yogyakarta. PT. Mega Andalan Kalasan Yogyakarta merupakan perusahaan manufacture yang memproduksi perlengkapan rumah sakit, dalam kegiatan produksinya berdasarkan make to order, (MTO). Pada saat ini proses bisnisnya sudah menerapkan process organization, sehingga membuat supply chain dalam perusahaan menjadi lebih mudah, namun dalam kenyataanya tetap sering timbul ketidakpastian pada proses fabrikasi. Bertitik tolak dari permasalahan yang ada dalam proses fabrikasi/pembuatan komponen panel dan castor di PT. Mega Andalan Kalasan tersebut diatas, maka dalam makalah ini mengambil judul mengenai Analisis Strategi Supply Chain Management Pada Proses Manufacture.
2. Tujuan Penelitian a. Penentuan Strategi Supply Chain Management pada proses produksi castor dan panel pada subbagian produksi plastik di PT. Mega Andalan Kalasan untuk mengurangi biaya lembur b. Menentukan alokasi kapasitas mesin produksi yang digunakan untuk memproduksi komponen panel dan castor. 3. Manfaat Penelitian a. Menentukan strategi supply chain manajemen dalam menangani masalah biaya tenaga kerja untuk mengoptimalkan biaya produksi. b. Menentukan alokasi kapasitas mesin produksi, sehingga kebutuhan produksi dapat terpenuhi. c. Memberikan masukan kepada perusahaan mengenai kegiatan proses manufaktur. 4. Batasan dan Asumsi a. Penelitian difokuskan pada departemen produksi komponen plastic b. Produk yang diamati adalah komponen dari plastic ( castor dan panel ) sebagai komponen Supramak Bed. c. Data yang digunakan adalah data penjualan selama tahun 2007. d. Selama penelitian berlangsung, proses produksi berjalan dalam keadaan stabil. 5. Metodologi Penelitian Penelitian dilakukan di PT. Mega Andalan Kalasan Yogyakarta, yang memproduksi peralatan rumah sakit. Obyek penelitian adalah proses produksi castor dan panel yang merupakan komponen dari supramak bed. Adapun tahapan penelitian yang dilakukan adalah sebagai berikut : Pertama melakukan identifikasi permasalahan yang ada di PT. Mega Andalan Kalasan dengan melihat proses bisnis yang dilakukan oleh perusahaan. Secara singkat gambaran umum proses bisnis yang dilakukan perusahaan adalah sebagai berikut :
277
Gambaran Umum Proses Produksi Castor dan Panel
Customer PPIC
Bagian Marketing
PPIC Bag. Perakitan
Gudang
Supplier
Kedua menentukan permasalahan yang ada di PT. Mega Andalan Kalasan Yogyakarta, yaitu bagaimana mengurangi atau menghilangkan biaya lembur dan mengalokasikan jam kerja mesin sesuai dengan kebutuhan produksi sesuai dengan peramalan permintaan dengan tujuan mengoptimalkan biaya produksi. Ketiga menentukan beberapa strategi yang akan digunakan dalam analisa. Keempat memberikan kesimpulan dan saran. 6. Tinjauan Pustaka Penelitian-penelitian dan tulisan-tulisan mengenai supply chain management akhir-akhir ini sangat banyak dilakukan karena secara nyata supply chain management merupakan pertimbangan misi dan strategi untuk mencapai keunggulan kompetitif. (Zabidi, 2001) dalam tulisan utamanya mengenai Supply Chain Management, teknik terbaru dalam mengelola aliran material/produk dan informasi dalam memenangkan persaingan, mengemukakan bahwa perusahaan haruslah bertanggung jawab terhadap seluruh rangkaian proses mulai dari perencanaan produk, peramalan kebutuhan, pengadaan material, produksi, pengendalian persediaan, penyimpanan, distribusi ke distributor center, wholesaler, pedagang kecil, retailer, pelayanan pada pelanggan, proses pembayaran, dan sampai pada konsumen akhir. Untuk mengatur aliran material / produk, informasi dari seluruh aktifitas perusahaan diperlukan suatu konsep yang disebut dengan supply chain management. ( Watanabe, 2001) dalam tulisannya mengenai Supply Chain Management konsep dan teknologi, mengemukakan bahwa Supply Chain Managemen adalah konsep atau mekanisme untuk meningkatkan produktivitas total perusahaan dalam rantai supply melalui optimalisasi waktu, lokasi dan aliran kuantitas bahan. ( Djohar, dkk., 2003) melakukan penelitian dengan judul Building a Competitive Advantage on CPO Through Supply Chain Management : A Case Study in PT. Eka Dura Indonesia, Astra Agro Lestari, Riau. Penelitian ini bertujuan untuk memetakkan permasalahan supply chain CPO (crude palm oil) yang selama ini dilalui PT. EDI khususnya berkaitan dengan keunggulan nilai dan produktivitas. Penelitian ini juga bertujuan untuk membangun model simulasi SCM sebagai strategic tool dalam mengembangkan strategi mencapai keunggulan kompetitif. Studi ini membatasi ruang lingkupnya dengan berfokus pada SCM mulai dari kebun, kontraktor angkutan, pabrik, tangki timbun CPO, dan konsumen industri. ( Wardani, 2004 ), melakukan penelitian yang berjudul Economic Manufacturing Quantity gabungan antara pemasok dengan produsen untuk produk yang dijual dengan garansi, penelitian ini mengemukakan bahwa dengan manajemen rantai pasok ( supply chain management ) kerja-sama antara pemasok dan produsen dirancang agar menguntungkan kedua belah pihak sehingga ukuran produksi dari pemasok dan ukuran pemesan dari produsen harus memperhatikan kepentingan bersama atau meminimalkan total ongkos gabungan secara utuh. ( Arvitrida, 2008 ) melakukan penelitian mengenai Simulasi Koordinasi Supply Chain Pisang : Studi kasus Pisang Mas dari Lumajang yang bertujuan untuk membuat dokumentasi konfigurasi supply chain pisang. Adapun skenario alternatif yang diusulkan secara garis besar adalah penundaan jadwal panen disisi hulu dan koordinasi disisi hilir untuk mengintegrasikan ukuran order. 278
Supply Chain merupakan suatu rangkaian atau jaringan dari perusahaan-perusahaan yang bekerja bersama-sama untuk membuat dan menyalurkan produk atau jasa kepada konsumen akhir. Pada dasarnya dalam sebuah supply chain terdapat tiga aliran, yaitu : aliran material, aliran informasi, dan aliran uang/pembayaran. Struktur supply chain secara sederhana dapat dilihat dalam gambar berikut :
HULU SUPPLIER
HILIR PABRI K
DISTRI BUTOR
WHOLE SALER
RETAILER
CUSTO MER
Aliran fisik/material Aliran pembayaran Aliran informasi Gambar 1. Struktur supply chain dan tiga aliran yang dikelola Sedangkan Supply Chain Managemen adalah manajemen terhadap aliran antar dan diantara tahapan supply chain untuk memaksimalkan profitabilitas keseluruhan supply chain itu sendiri. (Punjawan, 2005). Keunggulan kompetitif dari supply chain management adalah bagaimana ia mampu me-manage aliran barang atau produk dalam suatu rantai pasok, dengan kata lain model supply chain management mengaplikasikan bagaimana suatu jaringan kegiatan produksi dan distribusi dari satu bagian/devisi sehingga menghasilkan produk sesuai dengan tuntutan konsumen. 1). Strategi Sapply Chain Dalam konteks saplly chain, strategi bisa berupa pendirian pabrik baru, penambahan kapasitas produksi, penentuan proses manufaktur, pemilihan sistem produksi, pengalihan tanggung jawap persediaan ke supplier, dll. Strategi saplly chain dimulai dari supplier sampai dengan konsumen akhir, dan dalam penyusunan strategi operasi kebutuhan pasar maupun ketersediaan sumber daya harus sama-sama dipakai sebagai acuhan. Tujuan utama dalam strategi supply chain adalah memenangkan persaingan pasar, dan untuk bisa memenangkan persaingan ini supply chain harus bisa menyediakan harga yang murah, dan untuk menyediakan produk yang murah ini perusahaan harus dapat menentukan harga pokok produk yang rendah, dimana salah satunya adalah menekan biaya tenaga kerja yang optimal. Ada beberapa strategi yang dapat dilakukan dalam menentukan biaya tenaga kerja, diantaranya adalah : a. Memproduksi kalau ada pesanan dan kalau pesanan banyak akan melemburkan karyawannya, dan kalau pesanan sedikit akan mengalihkan atau memberhentikan karyawan. b. Memproduksi sebanyak-banyaknya saat pesanan sedikit, dan menyimpan produk tersebut untuk persediaan pada periode berikutnya ( produksi secara kontinyu ) konsekwensinya adalah akan menanggung biaya simpan. c. Merubah sistem produksi dengan pendekatan postponment dengan menggeser decoupling point ke hilir atau ke hulu. Merubah posisi decoupling point akan menciptakan produk-produk dengan variasi yang fundamental, mengurangi ketergantungan terhadap ramalan permintaan, mengurangi persediaan setengah jadi/komponen, dan mengurangi resiko keusangan. Penggeseran decoupling point ke sisi hilir akan memperbanyak proses-proses standar dalam supply chain dan membatasi proses spesifik, atau dengan kata lain memproduksi dengan dasar ramalan permintaan untuk mengurangi waktu tunggu pelanggan. 2). Decoupling Point dalam Supply Chain Decoupling point merupakan suatu keputusan sampai dimana aktivitas produksi bisa dilakukan tanpa menunggu permintaan definitif dari pelanggan dan merupakan keputusan yang sangat penting bagi supply chain, karena akan berpengaruh terhadap kemampuan untuk menciptakan efisiensi fisik
279
atau kecepatan merispon pasar atau titik temu sampai dimana suatu kegiatan bisa dilakukan atas dasar ramalan dan darimana kegiatan harus ditunda sampai dengan adanya permintaan yang pasti.
3). Postponement. Pada suatu supply chain, posisi decoupling point bisa diubah maju atau mundur tergantung pada arah strategi yang diinginkan. Kegiatan menggeser decoupling point dari sisi hulu ke sisi hilir maupun sebaliknya dari sisi hilir ke sisi hulu disebut dengan postponement B. PENGUMPULAN DATA Tabel : I. Part List Komponen Castor Untuk Satu Set Supramak Bed No. Part 44
Nama Part Cover Bearing Castor New
Jumlah (unit) 4
Material Nylon
Cycle Time 17 dt
Bahan / Unit 3,25 grm
52
Pedal
2
Nylon
32 dt
13 gram
53
Pin
8
ABS
5 dt
0,26 gram
59
Wheel In 5 “
4
Nylon
65 dt
214,5 gram
61
Wheel Out 5 “
4
TPU
60 dt
162,5 gram
42
Cover
8
PP
20 dt
13 gram
Sumber : data perusahaan Adapun gambaran tentang produk castor dapat dilihat dalam gambar berikut :
CASTOR
Cover Bearing Castor New
Pedal
Pin Wheel In 5”
Cover
Wheel Out 5”
Gambar 2. Komponen Castor
280
Tabel : II. Part List Komponen Panel Untuk Satu Set Supramak Bed No. Part 63
Nama Part
Jumlah (unit) 2
Material ABS
Cycle Time 350 T
Bahan / unit 494 gram
Bumfer Kanan
64
Bumfer Kiri
2
ABS
350 T
494 gram
65
Center Panel Front
2
ABS
530 T
1391 gram
66
Center Panel Side
2
ABS
530 T
1430 gram
67
Cover Baut Panel A
16
Nylon
150 T
1,21 gram
68
Cover Baut Panel P
16
Nylon
150 T
2,21 gram
69
Cover Bumfer
4
PP
150 T
21,66 gram
70
Pengunci Head & Foot Kanan
2
Nylon
80 T
13 gram
71
Pengunci Head & Foot Kiri
2
Nylon
80 T
13 gram
72
Side Panel Front Kanan
2
ABS
530 T
442 gram
73
Side Panel Front Kiri
2
ABS
530 T
442 gam
74
Side Panel Side Kanan
2
ABS
530 T
409,5 gram
75
Side Panel Side Kiri
2
ABS
530 T
409,5 gram
Sumber : data perusahaan Sedangkan gambaran tentang komponen panel dapat dilihat dalam gambar berikut :
PANEL Komponen panel
Cover Baut Panel A Cover Panel Side
Cover Baut Panel P
Side Panel Side Kiri
Side Panel Side kanan Cover Bumfer
Pengunci Head & Foot Kiri
Pengunci Head & Foot Kanan
Cover Panel Front Side Panel Front Kanan
Side Panel Front kiri
Bumfer Kanan
Bumfer Kiri
Gambar : 3. Komponen Panel
Tabel : III. Data Penjualan Tahun 2007 dan Data Penjualan Berdasarkan Kebijakan Perusahaan Serta 281
Data Penjualan Berdasarkan Ramalan Tahun 2008. Bulan Januari
Penjualan Tahun 2007 ( data aktual ) 100 set
Penjualan Tahun 2008 ( 130 % dari 2007 ) 130 set
Penjualan Tahun 2008 berdasarkan Ramalan 98 set
Februari
25 set
32 set
98 set
Maret
58 set
75 set
98 set
April
117 set
152 set
98 set
Mei
48 set
62 set
98 set
Juni
33 set
43 set
98 set
Juli
67 set
87 set
98 set
186 set
240 set
98 set
September
73 set
95 set
98 set
Oktober
56 set
72 set
98 set
Nopember
246 set
320 set
98 set
Desember
132 set
171 set
98 set
1141 set
1479 set
1176 set
Agustus
Total
Sumber : pengolahan data
Data Penjualan
Jumlah
400 300
Th. 2007
200
Th. 2008
100
Ramalan
0 Jan Feb Mar Apr
Mei Jun
Jul
Agt Sep Okt Nop Des
Bulan
C. HASIL PENELITIAN Perhitungan biaya produksi castor dan panel untuk satu set Supramak Bed : a. Biaya Bahan Baku : panel Rp. 49.135,castor Rp. 220.845,----------------269.980,b. Biaya Tenaga Kerja
: Operator Mesin 80-T Operator Mesin 125-T Operator Mesin 150-T Operator Mesin 350-T Operator Mesin 530-T
Rp. 800.,Rp. 520,Rp. 1.360,Rp. 3.720,Rp. 4.800,-----------------
Rp.
Rp.
11.200,-
282
c. Biaya lain
: Mesin Jenis 80-T Mesin Jenis 125-T Mesin Jenis 150-T Mesin Jenis 350-T Mesin Jenis 530-T
Rp. 1.876,80 Rp. 1.545,60 Rp. 4.316,64 Rp. 25.392,00 Rp. 82.800,00 ------------------
Rp.
115,931,---------------Total Biaya Produksi untuk satu set Supramak Bed 397.111,-
Rp.
Biaya modal / biaya simpan per bulan : 1,5 % x Rp. 397.111,5.956,Biaya lembur per jam = Rp. 6.000,-
Rp.
Dengan menggunakan strategi yang pertama, yaitu memproduksi sesuai dengan permintaan dan akan melemburkan karyawan apabila ada pesanan banyak dan mengalihkan karyawan saat permintaan sedikit, maka tambahan biaya produksi khususnya tenaga kerja lembur sebesar Rp. 13.644.000,- dengan rincian untuk mesin jenis 80-T sebesar Rp. 816.000,- mesin jenis 125-T sebesar Rp. 348.000,- mesin jenis 150-T sebesar Rp. 1.824.000,- mesin jenis 350-T sebesar Rp. 4.140.000,dan mesin jenis 530-T sebesar Rp. 6.516.000,-. Dengan menggunakan strstegi yang kedua, yaitu berproduksi secara kontinyu dalam arti pada saat pesanan sedikit akan memproduksi sebanyak-banyaknya dan menyimpan untuk periode berikutnya, tambahan biaya produksi sebesar Rp. 13.212.202,- dengan rincian : Tabel : IV. Perhitungan Biaya Lembur dan Biaya Simpan Jenis Mesin Biaya Lembur 80-T Rp. 468.000,125-T Rp. 60.000,150-T Rp. 1.872.000,350-T Rp. 3.780.000,530-T Rp. 6.324.000,Jumlah Rp. 12.504.000,Sumber : pengolahan data
Biaya Simpan Rp. 81.890,Rp. 392.276,Rp. 12.036,Rp. 206.745,Rp. 69.255,Rp. 762.202,-
Jumlah Rp. 549.890,Rp. 398.276,Rp. 1.884.036,Rp. 3.986.745,Rp. 6.393.255,Rp. 13.212.202,-
Dengan menggunakan strategi yang ketiga, yaitu dengan pendekatan postponment dengan menggeser posisi decoupling point ke hilir sehingga produksi setiap bulan menurut peramalan sebesar 98 set supramak bed, sehingga jumlah persediaan/produk yang harus disimpan selama tahun 2008 sebanyak 573 set, dan jumlah produk yang perlu adanya lembur sebanyak 303 set. Jadi biaya simpan dengan adanya strategi III sebanyak 573 set x Rp. 5.956,- = Rp. 3.412.788,- sedangkan biaya lembur selama tahun 2008 sebesar Rp. 5.136.000,- dengan rincian sebagai berikut : untuk mesin 80-T sebesar Rp. 372.000,- mesin 125-T sebesar Rp. 240.000,- mesin jenis 150-T sebesar Rp. 612.000,- mesin 350-T sebesar Rp. 1.704.000,- dan mesin jenis 530-T sebesar Rp. 2.208.000,Perbandingan antara strategi I, strategi II dan strategi III dapat dilihat dalam tabel berikut : Tabel V : Perbandingan Biaya Lembur dan Biaya Simpan Menurut Strategi I, II, dan III Strategi I
Biaya Lembur Rp. 13.644.000,-
Biaya Simpan -
Total Rp. 13.644.000,-
II
Rp. 12.504.000,-
Rp.
762.202,-
Rp. 13.266.202,-
III
Rp. 5.136.000,-
Rp. 3.412.788,-
Rp. 8.548.788,-
Sumber : pengolahan data Alokasi kapasitas mesin untuk menyamakan kebutuhan produksi berdasarkan ramalan jumlah 283
produksi Supramak Bed, dapat dilihat dalam tabel berikut : Tabel VI : Alokasi Jam Kerja Mesin Untuk Produksi 98 Set Supramak Bed. Jenis Mesin 80-T 125-T 150-T 350-T 530-T
Waktu Produksi
368 detik 240 detik 604 detik 1680 detik 2188 detik Sumber : pengolahan data
Jumlah Waktu Produksi 36064 detik 23520 detik 59192 detik 164640 detik 214424 detik
Kapasitas Maksimum 564000 detik 564000 detik 564000 detik 564000 detik 564000 detik
Alokasi Jam Mesin 6,39 % 4,17 % 10,49 % 29,19 % 38,01 %
C. KESIMPULAN DAN SARAN 1. Kesimpulan Dari hasil analisa data, dapat disimpulkan bahwa : a. Biaya lembur dengan strategi I sebesar Rp. 13.644.000,b. Biaya lembur dan biaya simpan dengan strategi II sebesar Rp.13.266.202,- atau ada penurunan sebesar 2,76 % dari strategi I c. Biaya lembur dan biaya simpan dengan strategi III sebesar 8.548.788,- atau ada penurunan sebesar 37,34 % dari strategi I d. Alokasi mesin Jenis 80-T sebesar 6,39 % e. Alokasi mesin jenis 125-T sebesar 4,17 % f. Alokasi mesin jenis 150-T sebesar 10,49 % g. Alokasi mesin jenis 350-T sebesar 29,19 % h. Alokasi mesin jenis 530-T sebesar 38,01 % 2. Saran a. Berdasarkan hasil analisa data, perusahaan sebaiknya merubah system produksi dari MTO menjadi system produksi ATO dan juga melakukan strategi Postponment dengan menggeser DP ke sisi hilir. b. Perusahaan harus mengalokasikan jam kerja mesin sesuai dengan kapasitas produksi sesuai dengan ramalan penjualan. D. DAFTAR PUSTAKA Djohar. S., Tanjung.H., Cahyadi. ER., 2003, Building a Competitive Advantage on CPO Through Supply Chain Managemen, A Case Stady in PT. Eka Dura Indonesia, Astra Agro Lestari, Jurnal Manajemen & Agribisnis, Vol.1 April 2003. Daryanto.A.,2007, Peningkatan Nilai Tambah Industri Perunggasan Melalui Supply Chain Management, Jurnal Manajemen & Agribisnis 2007 Hanam.R,1996, Computer Integrated Manufacturing: from consepts to relisation, Addison-Wesley, England. Makridakis,S.,Wheelright, SC., dan McGEE, VC., 1993, Metode dan Aplikasi Peramalan , edisi kedua, Erlangga, Jakarta. Nasution.A.H.,1999, Perencanaan dan Pengendalian Produksi, Candimas Metropole, Jakarta. Ridhani. MR.,2008, Tugas Supply Chain Management, April 2008 Punjawan.IN.,2005, Supply Chain Management, Guna Widya, Surabaya. Render B., dan Heizer J., 2001, Prinsip-Prinsip Manajemen Operasi, Salemba Empat, Pearson Education Asia Pte.Ltd., Jakarta. Sheikh. K.,2002, Manufacturng Resource Planning ( MRP II ), with introduction to ERP, SCM, and CRM, McGrow-Hill. Tanjung HSB.,2007, Unggul Bersaing Melalui Supply Chain Management, hendriyusuf Brothers.com Watanabe.R.,2001, Supply Chain Management Konsep dan Teknologi, Jurnal Usahawan No. 02 Th XXX Pebruari, Bandung. Zabidi.Y.,2001, Supply Chain Managemen : Teknik Terbaru dalam Mengelola Aliran Material/produk dan Informasi dalam memenangkan Persaingan, Jurnal Usahawan No.02 Th XXX Februari 2001, Bandung. 284
LAMPIRAN
Gambar 4. Supramak Bed
285
