Fungsi objektif - I MPLEMENTASI PROSES - PERANCANGAN DAN IMPLEMENTASI

BAB IV PERANCANGAN DAN IMPLEMENTASI

4.4 I MPLEMENTASI PROSES

4.4.4 Fungsi objektif

Pada bagian ini akan dibentuk matrix yang akan menampung koefisien dari semua variabel keputusan yang akan dioptimasi yang selanjutnya akan digunakan fungsi mipSolve untuk memperoleh nilai yang paling optimal dari permasalahan mixed-integer linier programming ini.

Model matematis untuk fungsi objektif adalah :

)

Nilai dari koefisien fungsi objektif tersebut nantinya akan disimpan kedalam matrix c, dimana letak kolom pada tiap variabel keputusan yang ada didalam fungsi objektif tersebut harus sama dengan batasan, tetapi harus dijadikan dalam satu baris saja. Alur programnya seperti pada Gambar 4.21 :

Gambar 4.21 Kode progam fungsi tujuan

47

Nilai pada fungsi tujuan ini dibuat matrix sebanyak 1 baris dan jumlah kolom sebanyak jml seperti pada baris 282. Fungsi tujuan ini berbentuk MAX maka karena Matlab secara default fungsi tujuan membaca MIN maka kira harus merubah fungsi tujuan tersebut dari plus ke minus. Kolom 283-285 letak kolom variabel y sedangkan, 287-296 untuk letak kolom variable vqst, dan letak kolom 297-304 untuk variable stqt dan rqs.

Sebelumnya untuk menggabungkan semua batasan kedalam satu matrix A maka di dalam Matlab digunakan fungsi cat, termasuk matrix untuk batas atas (b_u) dan matrix untuk batas bawah (b_l), seperti pada Gambar 4.22 :

Gambar 4.22 Fungsi cat

Pada matrix A digunakan nilai cat adalah 1 karena memang ingin menggabungkan beberapa baris menjadi satu matrix besar sedangkan pada matrix b_u dan matrix b_l digunakan nilai cat 2 karena ingin menggabungkan kolom. Pada pemanggilan fungsi mipSolve ada beberapa parameter yang wajib harus ada diantaranya : x_l = batas bawah yang harus diberikan kepada nilai x, parameter ini bisa saja tidak ditentukan, karena Tomlab (Holmstrom, 2007) secara otomatis akan memberi asumsi dengan nilai 0.

x_u = batas atas yang harus diberikan kepada nilai x, parameter ini bisa saja tidak ditentukan, karena Tomlab (Holmstrom, 2007) secara otomatis akan memberi asumsi dengan nilai inf.

IntVars = parameter yang digunakan untuk menentukan suatu nilai variabel keputusan bernilai integer atau binary. Biasanya IntVars ini berbentuk matrix dengan sebanyak 1 kolom dengan baris sebanyak kolom matrix A.

Kode program untuk intVars seperti pada Gambar 4.23 :

Gambar 4.23 IntVars

Intvars diatas menunjukkan bahwa xt, pqt, stqt, rqt, vqst, y ditentukan sebagai integer dengan nilai minimal 0, sedangkan at, bt, eqt ditentukan sebagai binary variabel dengan nilai antara 0 dan 1.

Setelah semua parameter ditentukan maka fungsi mipSolve dipanggil untuk mulai mengoptimasi model pengaturan jam kerja.

Kode program untuk pemanggilan fungsi mipsolve seperti pada Gambar 4.24 :

Gambar 4.24 Fungsi mipSolve

Apabila iterasi pada model ingin dibatasi maka harus dilakukan fungsi dari MaxIter seperti pada Gambar 4.25 :

Gambar 4.25 Maksimal Iterasi

Setelah pemanggilan fungsi dari mipSolve maka harus ditampilkan beberapa output parameter seperti :

x = untuk menampung hasil nilai dari tiap-tiap variabel keputusan fval = output paramater untuk menampilkan hasil nilai dari fungsi tujuan seperti pada Gambar 4.26 :

Gambar 4.26 Output parameter

49 BAB V

UJI COBA DAN EVALUASI

Pada bab ini dijelaskan mengenai skenario dan hasil uji coba perangkat lunak dan kemudian dilakukan evaluasi terhadap hasil uji coba tersebut. Hasil uji coba yang ditampilkan hanya fungsi objektif optimal yang berhasil dicapai, sementara untuk rincian setiap variabel keputusan akan ditampilkan pada lampiran B hasil uji coba.

Uji coba dilakukan dengan menggunakan rancangan algoritma dan data permasalahan model pengaturan jam kerja yang telah dijelaskan pada bab 4.

5.1 Lingkungan uji coba

Pada bagian ini akan dijelaskan mengenai lingkungan pengujian aplikasi yang telah dibuat, yang meliputi perangkat lunak dan perangkat keras yang digunakan. Spesifikasi perangkat lunak dan perangkat keras yang digunakan dalam pembuatan aplikasi untuk pengaturan jam kerja tahunan ini ditunjukkan pada tabel 5.1.

Tabel 5.1 Lingkungan pengujian aplikasi Perangkat

keras

Prosesor : Intel(R) Pentium(R) M Processor 1.59 Ghz

Memory : 1.50 Gb of Ram Perangkat

lunak

Sistem operasi: Windows XP Home Edition ver. 2002 SP 2 Perangkat lunak : Matlab 6.5

5.2 Uji kebenaran

Sebelum melakukan uji coba terhadap semua tipe permintaan yang ada maka dilakukan uji kebenaran. Uji

kebenaran ini untuk mengecek hasil variabel keputusan yang didapat terhadap model MILP, apakah nilai yang didapat sudah memenuhi semua batasan yang ada atau tidak, uji kebenaran ini menggunakan hasil dari pola permintaan nonseasonal dengan jam kerja fleksibel [38 44] dan total jam kerja tahunan adalah 1840.

Tabel lengkap tentang data uji kebenaran ini bisa dilihat pada Lampiran B.10 dan Lampiran B.11.

5.2.1 Batasan 1

Pada persamaan 5.1 hasil dari nilai jam kerja minggu (xt ) selama 1 periode planning horizon tidak termasuk minggu libur dihitung dengan total jam kerja selama satu tahun dimana hasil total dari xt adalah 1840 kemudian hasilnya ditambah dengan nilai jam lembur y dimana hasilnya adalah 0 harus sesuai dengan total jam kerja tahunan H yaitu 1840.

5.2.2 Batasan 2

Pada persamaan 5.2 nilai v_qst seperti terlihat pada lampiran B.11 variable t dari v_qst selalu mengikuti nilai s dengan nilai maksimal s dibatasi sampai td yaitu 2 misal : untuk minggu 1 maka dihitung nilai vqst adalah v111+v112+v113 yang berarti permintaan produk 1 pada minggu 1 dilayani pada minggu 1 sampai permintaan minggu 1 dilayani pada minggu ke 3, dst.

Terlihat bahwa nilai vqst pada minggu tersebut adalah 321+0+0 kemudian ditambah nilai dari rqt perminggu harus sama dengan permintaan pada minggu itu seperti pada lampiran B.10 dan B.11.

51

Berbeda dengan vqst sebelumnya, pada persamaan 5.3 nilai vqst nilai s mengikuti nilai dari t (kecuali minggu libur 9, 10, 30, 31, 32, 33). Misal t = 3 maka untuk nilai t tersebut adalah v113+v123+v133 khusus untuk batasan ini stqt-1 pada minggu (t) pertama adalah data dengan nilai 30. Sedangkan stqt dan pqt adalah nilai untuk minggu ini. Nilai seperti terlihat pada lampiran B.10 dan B.11.

Batasan pada persamaan 5.4 ini hampir sama dengan batasan pada persamaan 5.3 hanya saja yang dihitung adalah pada minggu-minggu libur. Pada persamaan 5.5 produksi yang dilambangkan dengan p_qt dibagi dengan produktivitas perminggu

ρ

^qt

ρ

^qt

adalah data dengan nilai 10 dan ditambah dengan rata-rata proses produksi tp_q yaitu 0. Harus kurang dari sama dengan x_t. Jika dilihat semua produksi paling tinggi tidak pernah melebihi dari jam kerja perminggu.

5.2.6 Batasan 6

Apabila nilai eqt adalah 1 seperti terlihat pada persamaan 5.6 maka nilai produksi (pqt) pada skenario ini tidak boleh lebih dari sama dengan perhitungan produktivitas perminggu

ρ

^qt

(10), jam kerja batas atas (44) dan rata-rata proses produksi TPq (0).

Nilai pqt tidak boleh melebihi nilai 440, seperti pada kolom pqt

lampiran B.10. Pada persamaan 5.7 pengelompokkan jam kerja perminggu dalam hal ini menghitung minggu kuat, maka nilai tidak boleh lebih dari jam kerja batas atas, dalam skenario ini tidak boleh lebih dari nilai 44 jam.

5.2.8 Batasan 8

Pada persamaan 5.8, kita menghitung total nilai dari at

selama 1 tahun planning horizon, tidak boleh lebih dari atau sama dengan dari nilai at yaitu 15. Hampir sama dengan persamaan 5.8, tetapi disini dihitung jam kerja perminggu pada minggu lemah. Nilai jam kerja

53

perminggu xt disini yang perlu diperhatikan adalah nilai dari bt

apabila nilainya adalah 0 maka batasan 10 tidak berlaku dan jam kerja perminggu harus menjadi kurang dari sama dengan batas atas, dalam kasus ini kurang dari 44 jam.

5.2.10 Batasan 10

∑

∈

≥

S t

t B

b (5.10) Pada persamaan 5.10 ini untuk menghitung minggu lemah dari tiap jam kerja perminggu minggu lemah harus lebih besar atau sama dengan nilai 10, pada scenario ini batasan ini tidak berlaku karena minggu kerja (xt) pada jam kerja perminggu harus ada yang kurang dari sama dengan 30 jam.

5.2.11 Batasan 11

≤

(5.11) Persamaan 5.11 ini untuk menghitung lembur yang didapat selama satu tahun planning horizon. Jika dilihat nilai dari y pada lampiran B.10 pekerja tidak ada yang bekerja lembur lebih dari sama dengan nilai my yaitu 80 jam.

5.2.12 Batasan 12

t x

≤

∀t∈S (5.12) Pada persamaan 5.12 ini, jika dilihat nilai x_t seperti terlihat pada lampiran B.10, maka tidak ada pekerja yang bekerja kurang dari sama dengan batas bawah yang telah ditetapkan yaitu 38 jam.

5.2.13 Batasan 13

t hm

≤

∀t∈S (5.13) Pada persamaan 5.13, jika dilihat nilai xt pada lampiran B.10 maka tidak ada pekerja yang bekerja kurang dari sama dengan batas atas yang telah ditetapkan yaitu 44 jam.

5.3 Skenario 1

Pada skenario 1 ini akan digunakan tipe permintaan nonseasonal merubah penentuan pada batas atas (hMt) dan batas bawah jam kerja (hmt) dan merubah penentuan total jam kerja (H). Asumsi pengerjaan dilakukan pada bulan pertama dan minggu pertama.

Pola kebutuhan permintaan yang nonseasonal seperti pada Gambar 5.1 :

permintaan nonseasonal

290 300 310 320 330 340 350 360

1 5 9 13 17 21 25 29 33 37 41 45 49 minggu

permintaan

permintaan nonseasonal

Gambar 5.1 Permintaan nonseasonal

Uji coba dilakukan untuk mencari nilai pendapatan yang paling besar, dan jumlah produksi yang harus dilakukan setiap

55

minggu. Penentuan batas atas dan bawah yang fleksibel seharusnya memberikan nilai yang lebih besar daripada yang tidak fleksibel.

Hasil setelah uji coba :

1. Penentuan jam kerja batas atas dan bawah = [40, 40]

Penentuan total jam kerja = 1840 Pendapatan yang didapat = 153135

Waktu komputasi = 14.951000

2. Penentuan jam kerja batas atas dan bawah = [40,42]

Penentuan total jam kerja = 1840 Pendapatan yang didapat = 159120

Waktu komputasi = 390.341283

3. Penentuan jam kerja batas atas dan bawah = [39,42]

Penentuan total jam kerja = 1840 Pendapatan yang didapat = 161280

Waktu komputasi = 117.549027

4. Penentuan jam kerja batas atas dan bawah = [38, 44]

Penentuan total jam kerja = 1840 Pendapatan yang didapat = 165480

Waktu komputasi = 237.271000

5. Penentuan jam kerja batas atas dan bawah = [38, 38]

Penentuan total jam kerja = 1748 Pendapatan yang didapat = 140070

Waktu komputasi = 9.303000

6. Penentuan jam kerja batas atas dan bawah = [35, 35]

Penentuan total jam kerja = 1610 Pendapatan yang didapat = 116670

Waktu komputasi = 6.329000

Dari hasil pengaturan jam kerja diatas diperoleh pola kebutuhan produksi, inventory, dan lost demand. Seperti pada Gambar 5.2 sampai 5.7 :

nonseasonal [40 40]

0 50 100 150 200 250 300 350 400 450

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152 minggu

jumlah produk

inventory produksi lost demand permintaan

Gambar 5.2 Nonseasonal H=1840 jam kerja batas atas dan bawah [40 40]

Pada Gambar 5.2 dengan jam kerja yang tidak fleksibel [40 40] produksi yang dihasilkan tidak melebihi dari jumlah 400 dimana produksi tinggi pada minggu-minggu sebelum minggu libur yaitu pada minggu ke 6-8 dan 27-29 dan setelah minggu libur 11-17 dan 34-40. Karena jam kerja yang tidak fleksibel hal ini berpengaruh pada jumlah inventory yang besar dibandingkan dengan jam kerja yang fleksibel, hal ini dikarenakan perusahaan tidak dapat memproduksi lebih banyak karena terbentur jam kerja yang tidak fleksibel.

57

nonseasonal [40 42]

0 50 100 150 200 250 300 350 400 450

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152 minggu

jumlah produk

inventory produksi lost demand permintaan

Gambar 5.3 Nonseasonal H=1840 jam kerja batas atas dan bawah [40 42]

Pada Gambar 5.3 inventory semakin kecil hal ini dikarenakan jam kerja fleksibel sehingga perusahaan dapat memproduksi dengan lebih banyak lagi, produksi juga dilakukan lebih tinggi pada minggu-minggu awal dan akhir sebelum minggu libur, meskipun hanya 2 minggu sebelum minggu libur dilakukan produksi lebih tinggi tetapi inventory juga kecil, hal ini dilakukan pada minggu tersebut barang yang diproduksi lebih tinggi dari jam kerja yang tidak fleksibel demikian juga dengan jam kerja setelahnya, sedangkan adanya lost demand tinggi pada minggu ke 30-31 hal ini disebabkan karena produksi tinggi hanya untuk memenuhi permintaan sebelumnya, sehingga ketika ada permintaan pada minggu libur maka lost demand tinggi.

permintaan nonseasonal [39,42]

0 50 100 150 200 250 300 350 400 450

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152 minggu

jumlahproduk inventory

produksi lost demand permintaan

Gambar 5.4 Nonseasonal H=1840 jam kerja batas atas dan bawah [39 42]

Pada Gambar 5.4 diatas dengan jam kerja fleksibel [39 42] dibandingkan dengan sebelumnya yaitu jam kerja [40 42]

pada Gambar 5.3 secara rata-rata hampir sama tetapi karena jam kerja ini lebih fleksibel menyebabkan inventory pada minggu-minggu awal lebih rendah hal ini seperti terlihat pada minggu ke 6-9 dibandingkan dengan periode yang sama. Pada minggu ke 30-31 terjadinya lost demand yang tinggi memang disebabkan perusahaan tidak mampu untuk memenuhi permintaan sampai 2 minggu ke depan. Adanya rata-rata produksi yang tinggi hanya terjadi pada saat sebelum dan sesudah minggu–minggu libur, produksi pada minggu-minggu awal sebelum libur digunakan untuk menciptakan inventory sebagai cadangan permintaan apabila dalam minggu libur terjadi permintaan, sedangkan produksi tinggi setelah minggu-minggu libur digunakan untuk memenuhi permintaan pada minggu sebelumnya.

59

nonseasonal [38,44]

0 50 100 150 200 250 300 350 400 450 500

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152 minggu

jumlah produk inventory

produksi lost demand permintaan

Gambar 5.5 Nonseasonal H=1840 jam kerja batas atas dan bawah [38 44]

Pada Gambar 5.5 dengan jam kerja [38 44] dibandingkan keduanya jam kerja ini lebih fleksibel, perusahaan dapat menetapkan produksi dengan lebih tinggi. Seperti pada minggu sebelum minggu libur yaitu pada minggu ke 8 dan 29 jumlah barang yang diproduksi sangat tinggi, hal ini menyebabkan inventory menjadi turun karena perusahaan hampir dapat

memenuhi permintaan yang ada pada saat itu. Adanya lost demand pada minggu ke 30-31 menyebabkan produksi

minggu ke 34-39 menjadi sangat tinggi, hal ini dilakukan supaya tidak terjadi lost demand lagi.

nonseasonal [38 38]

0 50 100 150 200 250 300 350 400

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152 minggu

jumlah produk

inventory produksi lost demand permintaan

Gambar 5.6 Nonseasonal H=1748 jam kerja batas atas dan bawah [38 38]

Pada Gambar 5.6 hampir sama seperti pada Gambar 5.2 jam kerja yang ditetapkan tidak fleksibel, tetapi perbedaannya pada jam kerja ini rata-ratanya lebih kecil dari sebelumnya dimana selama satu tahun planning horizon hanya 38 jam, meskipun produksi tidak tinggi dan jumlah inventory tidak terlalu banyak dibandingkan jam kerja yang tidak fleksibel sebelumnya, lost demand yang didapat malah semakin banyak, oleh karena itu pada minggu-minggu setelah minggu libur, produksi tinggu dilakukan sebanyak 8 minggu, hal ini untuk mengurangi lost demand agar tidak terlalu berlebih.

61

nonseasonal [35 35]

0 50 100 150 200 250 300 350 400

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152 minggu

jumlah produk

inventory produksi lost demand permintaan

Gambar 5.7 Nonseasonal H=1610 jam kerja batas atas dan bawah [35 35]

Pada Gambar 5.7 dibandingkan jam kerja sebelum-sebelumnya produksi menjadi semakin kecil karena rata-rata jam kerja pertahun hanya 35 jam. Perusahaan hampir tidak dapat memenuhi permintaan pasar yang tinggi, sehingga terlalu banyak lost demand dan setelah minggu libur meskipun produksi tinggi sampai 8 minggu tetapi tidak mampu untuk memenuhi permintaan sehingga terjadi lost demand yang tinggi.

Waktu perhitungan untuk tiap penentuan jam kerja seperti pada Gambar 5.8 :

Waktu Komputasi pola permintaan nonseasonal

0 50 100 150 200 250 300 350 400 450

[35 35] [38 38] [40 40] [40 42] [39 42] [38 44]

jam kerja batas atas dan bawah

detik Waktu Komputasi pola

permintaan nonseasonal

Gambar 5.8 Waktu komputasi nonseasonal

Pada Gambar 5.8 menunjukkan waktu perhitungan yang dilakukan Tomlab (Holmstrom, 2007) untuk mengoptimasi model pengaturan jam kerja pada pola permintaan yang nonseasonal, dapat dilihat bahwa rata-rata jam kerja yang fleksibel menujukkan perhitungan yang lebih lama dibandingkan jam kerja yang tidak fleksibel, sedangkan jam kerja [40 40] dimana rata-rata jam kerja pertahun adalah 40 jam memerlukan waktu perhitungan yang lebih lama dari pada jam kerja [38 38] dan [35 35]. Meskipun jam kerja fleksibel rata-rata lebih lama dalam perhitungan tetapi apabila dibandingkan antara jam kerja fleksibel [40 42], [39 42], dan [38 44] maka jam kerja [40 42] mempunyai waktu perhitungan yang lebih lama yang mencapai angka hampir 400 detik disusul dengan jam kerja [38 44] yang mencapai sekitar 230 detik dan [39 42] yang hanya mencapai 120 detik. Perbedaan dalam waktu komputasi ini selain disebabkan karena perhitungan iterasi juga karena sumber daya lain seperti misalnya komputer yang digunakan.

63

Pendapatan perusahaan berdasarkan fleksibilitas penentuan jam kerja seperti pada Gambar 5.9 :

Pendapatan pola permintaan nonseasonal

0 20000 40000 60000 80000 100000 120000 140000 160000 180000

[35 35] [38 38] [40 40] [40 42] [39 42] [38 44]

jam kerja batas atas dan bawah

$ Pendapatan pola

permintaan nonseasonal

Gambar 5.9 Pendapatan pada tipe permintaan nonseasonal Pada Gambar 5.9 menunjukkan pendapatan pada semua jam kerja yang telah diuji coba pada pola permintaan yang nonseasonal. Dapat dilihat bahwa pendapatan akan semakin tinggi apabila jam kerja semakin fleksibel, hal ini dapat dilihat pada jam kerja [38 44] yang menghasilkan pendapatan paling tinggi dibandingkan yang lainnya.

5.3.1 Analisis skenario 1

Dari beberapa kali ujicoba pada skenario 1 dapat ditarik beberapa kesimpulan sebagai berikut :

1. Pendapatan yang diterima oleh perusahaan dengan menerapkan pemakaian jam kerja yang lebih fleksibel telah memberikan pendapatan yang lebih besar seperti yang terlihat pada Gambar 5.5.

2. Adanya lost demand yang tinggi pada minggu ke 30 dan 31 diakibatkan karena perusahaan tidak dapat memenuhi permintaan sampai 2 minggu selanjutnya, hal ini disebabkan minggu libur, dimana ada permintaan tetapi

tidak ada produksi. Bahkan seperti terlihat pada Gambar 5.7 banyak terjadi lost demand karena inventory sebelum minggu libur kecil dan produksi setelah minggu libur juga kecil sehingga perusahaan tidak mampu melayaninya.

3. Meskipun begitu dengan penetapan jam kerja yang tergolong fleksibel membutuhkan waktu komputasi yang lebih lama daripada jam kerja yang tidak fleksibel.

4. Hampir semua produksi tinggi terjadi sebelum dan sesudah minggu libur, hal ini dilakukan untuk menjaga stok persediaan barang selama minggu libur.

5.4 Skenario 2

Pola kebutuhan permintaan yang seasonal 1 peak seperti pada Gambar 5.10 :

permintaan seasonal dengan 1 peak

0 50 100 150 200 250 300 350 400

1 5 9 13 17 21 25 29 33 37 41 45 49 minggu

permintaan permintaan seasonal

dengan 1 peak

Gambar 5.10 Permintaan seasonal 1 peak

65

Uji coba dilakukan untuk mencari nilai pendapatan yang paling besar, dan jumlah produksi yang harus dilakukan setiap minggu. Penentuan batas atas dan bawah yang fleksibel seharusnya memberikan nilai yang lebih besar daripada yang tidak fleksibel.

Hasil setelah uji coba :

1. Penentuan jam kerja batas atas dan bawah = [40, 40]

Penentuan total jam kerja = 1840 Pendapatan yang didapat = 119790

Waktu komputasi = 206.497000

2. Penentuan jam kerja batas atas dan bawah = [40, 42]

Penentuan total jam kerja = 1840 Pendapatan yang didapat = 123990

Waktu komputasi = 860.216931

3. Penentuan jam kerja batas atas dan bawah = [39, 42]

Penentuan total jam kerja = 1840 Pendapatan yang didapat = 125260

Waktu komputasi = 820.9605

4. Penentuan jam kerja batas atas dan bawah = [38, 44]

Penentuan total jam kerja = 1840 Pendapatan yang didapat = 128910

Waktu komputasi = 1842.529000

5. Penentuan jam kerja batas atas dan bawah = [38, 38]

Penentuan total jam kerja = 1748 Pendapatan yang didapat = 111990

Waktu komputasi = 236.490000

6. Penentuan jam kerja batas atas dan bawah = [35, 35]

Penentuan total jam kerja = 1610 Pendapatan yang didapat = 97260

Waktu komputasi = 142.024000

Dari hasil pengaturan jam kerja diatas diperoleh pola kebutuhan produksi, inventory dan lost demand. Seperti pada Gambar 5.11 dan 5.16 :

seasonal 1 peak [40 40]

0 50 100 150 200 250 300 350 400 450

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152 minggu

jumlah produk

inventory produksi lost demand permintaan

Gambar 5.11 Seasonal 1 peak dengan H=1840 jam kerja batas atas dan bawah [40 40]

Pada Gambar 5.11 pada pola permintaan seasonal 1 peak produksi tinggi hanya terjadi pada saat sebelum dan sesudah minggu libur 9 dan 10, produksi yang tinggi pada 3 minggu sebelum minggu libur yaitu pada minggu 6-8 menyebabkan terjadinya jumlah inventory yang sangat banyak. Produksi tinggi pada minggu 11-18 untuk menghindari jumlah lost demand yang berlebih pada minggu ke 10. Sedangkan tingginya lost demand pada minggu ke 30 dan 31 disebabkan karena permintaan selama 2 minggu berturut-turut sampai pada minggu ke 32 dan 33 tidak dapat dipenuhi, sedangkan pada minggu ke 34 dan 35 produksi tinggi dikarenakan karena untuk memenuhi permintaan pada minggu ke 32 dan 33 dimana minggu tersebut adalah minggu libur.

67

seasonal 1 peak [40 42]

0 50 100 150 200 250 300 350 400 450

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152 minggu

jam kerja

inventory produksi lost demand permintaan

Gambar 5.12 Seasonal 1 peak dengan H=1840 jam kerja batas atas dan bawah [40 42]

Pada Gambar 5.12 hampir sama seperti pada Gambar 5.11 hanya saja pada minggu ke 7-8 dan 11-16 produksi tinggi karena jam kerja fleksibel dan untuk memenuhi permintaan pada minggu ke 10 agar tidak terjadi lost demand. Sedangkan pada minggu ke 34-35 produksi sangat tinggi karena untuk memenuhi permintaan pada minggu libur sebelumnya, hal ini dilakukan untuk menghindari lebih banyaknya lost demand. Selain dari minggu-minggu sebelum dan sesudah minggu-minggu libur, hampir semua produksi bisa mengikuti permintaan. Sedangkan tidak adanya inventory pada antara minggu ke 26-29 disebabkan karena produksi selalu mengikuti permintaan sehingga tidak adanya permintaan yang berlebih.

permintaan seasonal 1 peak [39,42]

0 50 100 150 200 250 300 350 400 450

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152 minggu

jumlah produk

inventory produksi lost demand permintaan

Gambar 5.13 Seasonal 1 peak dengan H=1840 jam kerja batas atas dan bawah [39 42]

Pada Gambar 5.13, dibandingkan dengan jam kerja sebelumnya yaitu jam kerja [40 42] mengalami sedikit perbedaan terutama pada bagian inventory pada minggu ke 5-9 hal ini memang disebabkan karena penggunaan jam kerja yang sedikit lebih fleksibel dibandingkan sebelumnya. Dilihat dari jumlah angka inventory pada jam kerja [40 42] sudah mencapai angka 350an sedangkan inventory pada jam kerja [39 42] hampir mencapai angka 350 atau kira-kira masih sekitar 330an. Hal ini menunjukkan bahwa perbedaan fleksibilitas jam kerja meskipun sedikit bisa membawa pengaruh pada hasil hasil perhitungan.

69

seasonal 1 peak [38 44]

0 50 100 150 200 250 300 350 400 450 500

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152 minggu

jumlah produk inventory

produksi lost demand permintaan

Gambar 5.14 Seasonal 1 peak dengan H=1840 jam kerja batas atas dan bawah [38 44]

Pada Gambar 5.14 jam kerja yang ditetapkan lebih fleksibel sehingga produksi bisa menjadi lebih tinggi terutama pada bagian sebelum dan sesudah minggu libur, hal ini bisa dilihat pada inventory yang kecil pada minggu ke 6-9 disebabkan karena perusahaan berusaha untuk memenuhi permintaan dengan menerapkan produksi yang tinggi pada minggu ke 7 dan 8, jam kerja yang lebih fleksibel juga menyebabkan terjadinya lebih banyak produksi terutama pada minggu-minggu 11-16. Sama seperti sebelumnya produksi tinggi hanya terjadi pada minggu-minggu awal dan akhir minggu-minggu libur kecuali pada minggu-minggu libur 30-34 dimana produksi tinggi hanya terjadi pada saat setelah minggu libur produksi tinggi. Meskipun ditetapkan jam kerja yang lebih fleksibel yaitu [38 44] tetapi masih belum dapat meredam lost demand yang tinggi pada minggu ke 30 dan 31.

seasonal 1 peak [38 38]

0 50 100 150 200 250 300 350 400

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152 minggu

jumlah produk inventory

produksi lost demand permintaan

Gambar 5.15 Seasonal 1 peak dengan H=1748 jam kerja batas atas dan bawah [38 38]

Pada Gambar 5.15 jam kerja ditetapkan sama dengan rata-rata pertahun 38 jam, tidak seperti Gambar 5.11, lost demand pada minggu 10 lebih tinggi hal ini dikarenakan produksi tidak

Dalam dokumen DALAM JARINGAN RANTAI PASOK (Halaman 74-0)