PENERAPAN MODEL LINEAR PROGRAMMING UNTUK
MENGOPTIMALKAN JUMLAH PRODUKSI SEDOTAN SEHINGGA MEMPEROLEH
KEUNTUNGAN MAKSIMAL PADA PT UNIPLASTIKA NATHALINDO
Rico Lisarib, Harjanto Prabowo, Gunawarman Hartono
Universitas Bina Nusantara, Jl. KH. Syahdan No. 9, Palmerah, Jakarta Barat 1 , harprabowo@binus.edu, gunhartono@yahoo.com
Abstrak
PT Uniplastika Nathalindo merupakan perusahaan yang memproduksi sedotan serta stik untuk permen lolipop. Perusahaan ini belum dapat berproduksi secara optimal, karena terdapat kendala- kendala dalam hal kapasitas produksi, sumber daya dan fluktuasi permintaan dari produk yang menjadi fokus utama mereka. Tujuan dari penelitian ini adalah untuk menghitung waktu siklus setiap mesin dalam berproduksi menggunakan analisis work measurement, kemudian menentukan permintaan periode selanjutnya menggunakan metode forecasting yang tepat, dan menentukan kombinasi produksi serta tingkat persediaan yang optimal menggunakan model linear programming.
Pemodelan ini dapat digunakan oleh perusahaan sebagai usulan solusi untuk berproduksi secara optimal, dengan berbagai keterbatasan sumber daya. (RL)
Kata Kunci: Pemrograman Linier, Optimasi, Maksimasi keuntungan
Abstract
PT Uniplastika Nathalindo is a company that produces straws and sticks for lollipop. This company has not been able to produce optimally, because there are some constraints in terms of production capacity, the resources and demand fluctuations of products that become their main focus. The purpose of this study are to calculate the cycle time of each machine in production using work measurement analysis, then determine the demand for the next period using appropriate forecasting method, and determine the combination of production and optimal inventory levels using a linear programming model. This modeling can be used by company as a proposed solution to produce optimally, with various resources limitations. (RL)
Keywords: Linear Programming, Optimation, Maximizing Profits
Pendahuluan
PT Uniplastika Nathalindo merupakan salah satu pemasok sedotan bagi produk-produk
minuman serta pemasok candy stick untuk permen bertangkai. Banyak perusahaan yang bekerja sama
secara business to business untuk memperoleh pasokan sedotan. Sinar Sosro, Danone, Unican, Orang
Tua, Monysaga Prima, Oasis, Calpico serta beberapa perusahaan besar lainnya merupakan konsumen
besar dari PT Uniplastika Nathalindo. Namun dalam perkembangannya hanya ada 3 perusahaan yang
secara rutin memesan sedotan dari PT Uniplastika Nathalindo, akan tetapi memiliki masalah dalam hal fluktuasi permintaan yang tidak menentu, namun secara rutin masih melakukan pemesanan produk sedotan dari PT Uniplastika Nathalindo. Perusahaan-perusahaan besar itu antara lain Orang Tua, Sinar Sosro dan Danone yang memiliki pesanan sedotan berturut sedotan tipe U polos, sedotan tipe U berulir dan sedotan lurus bening.
Dalam membuat perencanaan produksi untuk memperoleh keuntungan yang maksimal, terkadang perusahaan ini memiliki kendala yang terkait dengan ketersediaan sumber daya berupa bahan baku, tenaga kerja, kapasitas mesin hingga fluktuasi permintaan dari pelanggannya. Adanya fluktuasi permintaan menyebabkan perusahaan terkadang berproduksi dalam jumlah yang berlebih dan terkadang berproduksi dalam jumlah yang tidak mencukupi, sehingga perlu dibuat suatu model untuk menentukan tingkat persediaan optimal berdasarkan produksi optimal setiap batch untuk setiap produk yang ada.
Mengacu pada uraian latar belakang di atas, dilakukan penelitian mengenai penerapan model linear programming untuk mengoptimalkan jumlah produksi sedotan sehingga memperoleh keuntungan maksimal pada PT Uniplastika Nathalindo. Penelitian ini diawali dengan fokus pada jumlah permintaan yang berfluktuasi setiap bulannya untuk setiap produk, yang mana diketahui berdasarkan hasil wawancara bersama Ibu Suparni selaku manajer bidang operasional dari perusahaan. Kemudian penelitian dilanjutkan dengan observasi yang dilakukan di pabrik dan ditemukan permasalahan dalam keterbatasan sumber daya untuk berproduksi seperti yang diungkapkan oleh Bapak Tri selaku kepala bidang produksi di pabrik.
Untuk memecahkan permasalahan yang dihadapi oleh perusahaan dalam hal optimasi, penggunaan metode linear programming dipilih dengan didahului pengukuran waktu kerja untuk setiap elemen pekerjaan. Kemudian dilanjutkan dengan peramalan yang dilakukan untuk mengetahui jumlah permintaan yang akan datang.
Formulasi Masalah
1. Berapa waktu yang dibutuhkan untuk dapat memproduksi 1 unit masing-masing sedotan U shape polos, U shape berulir dan lurus bening?
2. Apa metode peramalan yang tepat untuk dapat memperoleh permintaan yang akurat dari masing- masing sedotan U shape polos, U shape berulir dan lurus bening dan berapa jumlahnya?
3. Bagaimana kombinasi produksi serta tingkat persediaan yang optimal, agar PT Uniplastika Nathalindo dapat memperoleh keuntungan maksimal dan berapa keuntungannya, serta strategi negosiasi dengan pelanggan untuk bersaing dengan kompetitornya?
Tujuan
1. Untuk mengetahui waktu yang dibutuhkan untuk dapat memproduksi 1 unit masing-masing sedotan U shape polos, U shape berulir dan lurus bening.
2. Untuk mengetahui metode peramalan yang tepat untuk dapat memperoleh permintaan yang akurat dari masing-masing sedotan U shape polos, U shape berulir dan lurus bening dan jumlah permintaannya.
3. Untuk mengetahui kombinasi produksi serta tingkat persediaan yang optimal, agar PT Uniplastika Nathalindo dapat memperoleh keuntungan maksimal dan mengetahui besar keuntungannya, serta strategi negosiasi dengan pelanggan untuk bersaing dengan kompetitornya.
Landasan Teori
Riset Operasi
Riset operasi merupakan suatu pendekatan ilmiah terhadap pengambilan keputusan yang meliputi kegiatan operasi dalam organisasi. Riset operasi berhubungan erat dengan pengambilan keputusan untuk mencapai hasil yang optimal. (Hillier dan Lieberman, 2005:4-5)
Forecasting
Heizer & Render (2011:136) mendefinisikan peramalan (forecasting) sebagai seni dan ilmu
memprediksi peristiwa-peristiwa masa depan. Peramalan memerlukan pengambilan data historis dan
memproyeksikannya ke masa depan dalam model matematis. Esensi dari peramalan yaitu perkiraan
mengenai peristiwa yang mungkin terjadi di masa yang akan datang dengan melihat pada pola-pola di waktu lalu sebagai dasar pertimbangannya.
Work Measurement
Sritomo (2003) mengungkapkan, “suatu pekerjaan akan dikatakan diselesaikan secara efisien apabila waktu penyelesaiannya berlangsung paling singkat.” Oleh karena itu, untuk menghitung waktu baku penyelesaian pekerjaan untuk memilih alternatif metode kerja yang terbaik, maka perlu diterapkan prinsip-prinsip dan teknik-teknik pengukuran kerja. Pengukuran kerja dibagi menjadi dua yaitu pengukuran kerja langsung dan pengukuran kerja tidak langsung.
Linear Programming
Dimyati & Dimyati (2006:17) mengutarakan linear programming sebagai pemodelan matematis untuk menjelaskan sebuah persoalan. Sifat linear di sini berarti bahwa seluruh fungsi matematis dalam model ini merupakan fungsi yang linier, sedangkan kata programming memiliki arti perencanaan. Oleh karena itu linear programming diartikan sebagai perencanaan aktivitas untuk memperoleh hasil yang optimum, baik untuk solusi yang maksimum maupun solusi yang minimum.
Metode
Penelitian ini bertujuan untuk mengetahui waktu yang dibutuhkan untuk dapat memproduksi 1 unit untuk masing-masing jenis sedotan. Kemudian untuk mengetahui metode peramalan yang tepat untuk dapat meminimalisir fluktuasi permintaan dan menentukan jumlah permintaannya. Penelitian ini juga untuk mengetahui kombinasi produksi serta tingkat persediaan yang optimal, agar PT Uniplastika Nathalindo dapat memperoleh keuntungan maksimal dan mengetahui besar keuntungannya. Metode analisis yang digunakan, didasarkan pada tujuan penelitian yang terdapat pada tabel di bawah ini.
Tabel 1. Metode Analisis
Tujuan Penelitian Metode Analisis
T-1 Work Measurement
T-2 Forecasting
T-3 Linear Programming
Hasil dan Pembahasan
Work Measurement
Berikut ini merupakan hasil perhitungan waktu baku untuk masing-masing mesin dari setiap jenis sedotan.
Tabel 2. Waktu Baku per Unit Sedotan U Shape Polos Mesin Waktu Baku penelitian
Mixer 379.53 detik / 102 kg Extruder 12,128.65 detik / 102 kg
Flexible 189 detik / 500 pcs Packing 164.71 detik / 500 pcs Sumber: Pengolahan Data (2014)
Waktu baku mesin mixer (per unit sedotan) = = 0.00167 detik.
Waktu baku mesin extruder (per unit sedotan) = = 0.05351 detik.
Waktu baku mesin flexible (per unit sedotan) = = 0.378 detik.
Waktu baku mesin packing (per unit sedotan) = = 0.32942 detik.
Waktu baku produksi sedotan U shape polos (per unit sedotan) = 0.00167 detik + 0.05351 detik +
0.378 detik + 0.32942 detik = 0.7626 detik.
Tabel 3. Waktu Baku per Unit Sedotan U Shape Berulir Mesin Waktu Baku penelitian
Mixer 382.18 detik / 102 kg Extruder 11,916.04 detik / 102 kg
Flexible 189.49 detik / 500 pcs Packing 164.60 detik / 500 pcs Sumber: Pengolahan Data (2014)
Waktu baku mesin mixer (per unit sedotan) = = 0.00168 detik.
Waktu baku mesin extruder (per unit sedotan) = = 0.05257 detik.
Waktu baku mesin flexible (per unit sedotan) = = 0.37898 detik.
Waktu baku mesin packing (per unit sedotan) = = 0.3292 detik.
Waktu baku produksi sedotan U shape berulir (per unit sedotan) = 0.00168 detik + 0.05257 detik + 0.37898 detik + 0.3292 detik = 0.7624 detik.
Tabel 4. Waktu Baku per unit Sedotan Lurus Bening Mesin Waktu Baku penelitian
Mixer 380.70 detik / 108 kg Extruder 12,434.86 detik / 108 kg Multipacking 252.50 detik / 100 pack Sumber: Pengolahan Data (2014)
Waktu baku mesin mixer (per unit sedotan) = = 0.00095 detik Waktu baku mesin extruder (per unit sedotan) = = 0.03109 detik.
Mesin multipacking = 252.50 detik/pack (1pack = 27pcs) Waktu baku (per unit sedotan) = = 0.09352 detik.
Waktu baku produksi sedotan lurus bening (per unit sedotan) = 0.00095 detik + 0.03109 detik + 0.09352 detik = 0.1256 detik.
Forecasting
Berikut ini merupakan hasil peramalan untuk setiap jenis sedotan, serta pemilihan metode peramalan yang terbaik.
Tabel 5. Perbandingan Hasil Peramalan Permintaan Sedotan U Shape Polos
No. Metode Peramalan Hasil
Peramalan
MAD MSE
1. Multiplicative Decomposition (Centered Moving Average)
5,514,950 466,051.7 309,639,500,000 2. Multiplicative Decomposition
(Average of All Data)
5,179,884 470,315.5 310,797,900,000 3. Additive Decomposition (Centered
Moving Average)
5,522,086 470,362.6 317,702,600,000 4. Additive Decomposition (Average of
All Data)
5,204,103 464,145.5 307,470,800,000
Sumber: Pengolahan Data (2014)
Hasil peramalan yang digunakan untuk sedotan U shape polos yaitu Additive Decomposition (Average of All Data) dengan hasil peramalan permintaan sebesar 5,204,103 unit, karena memiliki MAD terkecil.
Tabel 6. Perbandingan Hasil Peramalan Permintaan Sedotan U Shape Berulir
No. Metode Peramalan Hasil
Peramalan
MAD MSE
1. Multiplicative Decomposition (Centered Moving Average)
6,094,082 1,376,993 2,680,718,000,000 2. Multiplicative Decomposition
(Average of All Data)
5,393,922 1,274,890 2,566,584,000,000 3. Additive Decomposition (Centered
Moving Average)
6,154,375 1,365,312 2,689,108,000,000 4. Additive Decomposition (Average of
All Data)
5,405,939 1,274,817 2,556,350,000,000 Sumber: Pengolahan Data (2014)
Hasil peramalan yang digunakan untuk sedotan U shape berulir yaitu Additive Decomposition (Average of All Data) dengan hasil peramalan permintaan sebesar 5,405,939 unit, karena memiliki MAD terkecil.
Tabel 7. Perbandingan Hasil Peramalan Permintaan Sedotan Lurus Bening
No. Metode Peramalan Hasil
Peramalan
MAD MSE
1. Multiplicative Decomposition (Centered Moving Average)
40,465,580 9,537,819 6,174,300,000,000 2. Multiplicative Decomposition
(Average of All Data)
38,766,740 8,731,649 8,734,700,000,000 3. Additive Decomposition (Centered
Moving Average)
39,514,190 9,655,085 7,477,400,000,000 4. Additive Decomposition (Average
of All Data)
37,909,100 8,801,476 9,472,000,000,000 Sumber: Pengolahan Data (2014)
Hasil peramalan yang digunakan untuk sedotan lurus bening yaitu Multiplicative Decomposition (Average of All Data) dengan hasil peramalan permintaan sebesar 38,776,740 unit, karena memiliki MAD terkecil.
Linear Programming
Dalam pemodelan linear programming terdapat tahapan-tahapan dimulai dari menentukan variable keputusan, kemudian menentukan fungsi tujuan dan fungsi kendalanya.
1. Variabel Keputusan
Variabel keputusan terbagi menjadi dua bagian besar yaitu variabel keputusan untuk produksi dan variabel keputusan untuk inventory. Tabel-tabel di bawah ini menunjukkan variabel keputusan untuk produksi dan variabel keputusan untuk inventory.
Tabel 8. Variabel Keputusan Produksi
Batch (j)
Sedotan (i)
Tipe U Polos (1) Tipe U Berulir (2) Sedotan Bening Lurus (3)
Batch 1
S
11S
21S
31Batch 2
S
12S
22S
32Batch 3
S
13S
23S
33Batch 4
S
14S
24S
34Keterangan:
S
11= Produksi Sedotan Tipe U Polos batch 1 S
12= Produksi Sedotan Tipe U Polos batch 2 S
13= Produksi Sedotan Tipe U Polos batch 3 S
14= Produksi Sedotan Tipe U Polos batch 4 S
21= Produksi Sedotan Tipe U Berulir batch 1 S
22= Produksi Sedotan Tipe U Berulir batch 2 S
23= Produksi Sedotan Tipe U Berulir batch 3 S
24= Produksi Sedotan Tipe U Berulir batch 4 S
31= Produksi Sedotan Bening Lurus batch 1 S
32= Produksi Sedotan Bening Lurus batch 2 S
33= Produksi Sedotan Bening Lurus batch 3 S
34= Produksi Sedotan Bening Lurus batch 4
Tabel 9. Variabel Keputusan Inventory
Batch (j)
Sedotan (i)
Tipe U Polos (1) Tipe U Berulir (2) Sedotan Bening Lurus (3)
Inventory Awal
I
10I
20I
30Batch 1
I
11I
21I
31Batch 2
I
12I
22I
32Batch 3
I
13I
23I
33Batch 4
I
14I
24I
34Keterangan:
I
10= Inventory Awal Sedotan Tipe U Polos I
11= Inventory Sedotan Tipe U Polos batch 1 I
12= Inventory Sedotan Tipe U Polos batch 2 I
13= Inventory Sedotan Tipe U Polos batch 3 I
14= Inventory Sedotan Tipe U Polos batch 4 I
20= Inventory Awal Sedotan Tipe U Berulir I
21= Inventory Sedotan Tipe U Berulir batch 1 I
22= Inventory Sedotan Tipe U Berulir batch 2 I
23= Inventory Sedotan Tipe U Berulir batch 3 I
24= Inventory Sedotan Tipe U Berulir batch 4 I
30= Inventory Awal Sedotan Bening Lurus I
31= Inventory Sedotan Bening Lurus batch 1 I
32= Inventory Sedotan Bening Lurus batch 2 I
33= Inventory Sedotan Bening Lurus batch 3 I
34= Inventory Sedotan Bening Lurus batch 4 2. Fungsi Tujuan
Fungsi Tujuan dari pemodelan ini adalah untuk mengetahui jumlah profit yang dapat diperoleh perusahaan.
Tabel 1. Tabel Harga Jual Sedotan Tipe Sedotan Harga Jual U Shape Polos Rp 20.5 / sedotan U Shape Berulir Rp 25.21 / sedotan Lurus Bening Rp 7.83 / sedotan Sumber: PT Uniplastika Nathalindo (2014)
Tabel 2. Variable Cost
Bahan Baku
Harga Bahan Baku (per sedotan) Sedotan U
Shape Polos
Sedotan U
Shape BerulirSedotan Lurus
Bening
Polypropylene Rp 7.76 Rp 7.76 Rp 4.40
Pigmen Warna Putih Rp 0.29 - -
Pigmen Warna Merah - Rp 0.29 -
TA 66 - - Rp 0.12
Plastik U Shape Packing Rp 3.7 Rp 3.7 -
Plastik Multipacking - - Rp 0.33
Variabel Cost
Rp 11.75 Rp 11.75 Rp 4.85
Sumber: PT Uniplastika Nathalindo (2014)
Inventory Cost (IC) diasumsikan oleh perusahaan sebesar 2% dari variable cost, sehingga diperoleh hasil sebagai berikut.
Tabel 3. Inventory Cost
Tipe Sedotan
Variabel cost Persentase IC Inventory CostU Shape Polos Rp 11.75 2% Rp 0.235
U Shape Berulir Rp 11.75 2% Rp 0.235
Lurus Bening Rp 4.85 2% Rp 0.097
Sumber: PT Uniplastika Nathalindo (2014) Maximisasi Z = ∑ Revenue - ∑ Cost
= - (∑VC + ∑IC)
= – ( + (
= 20.5 S
1+ 25.21 S
2+ 7.83 S
3- 11.75 S
1– 11.75 S
2– 4.85 S
3– 0.235 I
1– 0.235 I
2– 0.097 I
3= 8.75 S
1+ 13.46 S
2+ 2.98 S
3– 0.235 I
1– 0.235 I
2– 0.097 I
33. Fungsi Kendala
Kendala yang dimiliki oleh perusahaan dalam hal peramalan permintaan yang berkaitan dengan tingkat persediaan, jumlah bahan baku, jumlah jam kerja mesin dan waktu kerja untuk produksi setiap jenis sedotan yang ada.
1. Permintaan dan Persediaan
Demand sedotan tipe U shape polos = 5,204,103 unit / bulan Demand sedotan tipe U shape berulir = 5,405,939 unit / bulan Demand sedotan tipe lurus bening = 38,766,740 unit / bulan
Demand per batch (dibagi dalam 4 batch pengiriman):
Demand per batch sedotan tipe U shape polos (d
1) = = 1,301,026 unit / bulan.
Demand per batch sedotan tipe U shape berulir (d
2) = = 1,351,485 unit / bulan.
Demand per batch sedotan tipe lurus bening (d
3) = = 9,691,685 unit / bulan.
Inventory Awal + Produksi – Inventory Akhir = Demand per batch
•
Untuk sedotan tipe U shape polos:
I
10+ S
11– I
11= 1,301,026 I
11+ S
12– I
12= 1,301,026 I
12+ S
13– I
13= 1,301,026 I
13+ S
14– I
14= 1,301,026
•
Untuk sedotan tipe U shape berulir:
I
20+ S
21– I
21= 1,351,485 I
21+ S
22– I
22= 1,351,485 I
22+ S
23– I
23= 1,351,485 I
23+ S
24– I
24= 1,351,485
•
Untuk sedotan lurus bening:
I
30+ S
31– I
31= 9,691,685
I
31+ S
32– I
32= 9,691,685
I
32+ S
33– I
33= 9,691,685
I
33+ S
34– I
34= 9,691,685
2. Kebutuhan bahan baku
•
Polypropylene:
≤ Maks. Polypropylene (25 Ton = 25,000,000 gr)
0.4412 (S
11+ S
12+ S
13+ S
14) + 0.4412 (S
21+ S
22+ S
23+ S
24) + 0.25 (S
31+ S
32+ S
33+ S
34) ≤ 25,000,000
•
Pigmen Warna Putih:
≤ Maks. pigmen warna putih (0.5 Ton = 500,000 gr) 0.0088 (S
11+ S
12+ S
13+ S
14) ≤ 500,000
•
Pigmen Warna Merah:
≤ Maks. pigmen warna merah (0.5 Ton = 500,000 gr) 0.0088 (S
21+ S
22+ S
23+ S
24) ≤ 500,000
•
TA 66:
≤ Maks. TA 66 (2 Ton = 2,000,000 gr) 0.02 (S
31+ S
32+ S
33+ S
34) ≤ 2,000,000
3. Kapasitas produksi mesin Asumsi 1 bulan = 22 hari kerja.
Jumlah jam kerja mesin = 7.5 jam/shift x 2 shift/hari x 22 hari kerja = 330 jam kerja.
•
Mesin Mixer (3 mesin)
≤ Maks. jam kerja mesin mixer
Jumlah jam kerja mesin mixer = 3 x 330 jam = 990 jam = 3,564,000 detik
0.00167 (S
11+ S
12+ S
13+ S
14) + 0.00168 (S
21+ S
22+ S
23+ S
24) + 0.00095 (S
31+ S
32+ S
33+ S
34) ≤ 3,564,000
•
Mesin Extruder (3 mesin)
≤ Maks. jam kerja mesin extruder
Jumlah jam kerja mesin extruder = 3 x 330 jam = 990 jam = 3,564,000 detik 0.05351 (S
11+ S
12+ S
13+ S
14) + 0.05257 (S
21+ S
22+ S
23+ S
24) + 0.03109 (S
31+ S
32+ S
33+ S
34) ≤ 3,564,000
•
Mesin Flexible (2 mesin)
≤ Maks. jam kerja mesin flexible
Jumlah jam kerja mesin flexible = 2 x 330 jam = 660 jam = 2,376,000 detik 0.378 (S
11+ S
12+ S
13+ S
14) + 0.37898 (S
21+ S
22+ S
23+ S
24) ≤ 2,376,000
•
Mesin Packing U Shape (2 mesin)
≤ Maks. jam kerja mesin packing U shape
Jumlah jam kerja mesin packing U shape = 2 x 330 jam = 660 jam = 2,376,000 detik
0.32942 (S
11+ S
12+ S
13+ S
14) + 0.3292 (S
21+ S
22+ S
23+ S
24) ≤ 2,376,000
•
Mesin Multipacking (2 mesin)
≤ Maks. jam kerja mesin multipacking
Jumlah jam kerja mesin multipacking = 2 x 330 jam = 660 jam = 2,376,000 detik 0.09352 (S
31+ S
32+ S
33+ S
34) ≤ 2,376,000
4. Waktu kerja
Jumlah jam kerja = 7.5 jam/shift x 2 shift/hari x 22 hari kerja= 330 jam = 1.188.000 detik Keterbatasan waktu produksi:
≤ Maks. waktu produksi
0.7626 (S
11+ S
12+ S
13+ S
14) + 0.7624 (S
21+ S
22+ S
23+ S
24) + 0.1256 (S
31+ S
32+ S
33+ S
34)
≤ 1,188,000