20 BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Pengumpulan Data
Pengumpulan data pada CV. Indo RSVP memerlukan sejumlah informasi untuk membantu dalam penyelesaian permasalahan yang ada di perusahaan.
Pengumpulan data dimaksud dperoleh dari hasil observasi lapangan, dokumen perusahaan dan wawancara dengan pihak berwenang perusahaan.
4.1.1 Jenis Produk
CV. Indo RSVP merupakan perusahaan yang menghasilkan produk cairan rokok elektrik (vape) dimana produk dikemas dalam botol ukuran 60 ml dengan 3 macam varian rasa adalah sebagai berikut :
1. Juice Manggo 2. Juice Grape 3. Juice Watermelon 4.1.2 Data Permintaan
Data permintaan yang dipakai merupakan data permintaan selama 12 bulan (dengan satuan unit) yaitu data dari bulan Juli 2019 sampai dengan Juni 2020. Data ini merupakan data yang digunakan guna meramalkan permintaan 6 bulan yang akan datang. Data permintaan selama 12 bulan tersebut bisa dilihat pada Tabel 4.1
Tabel 4.1 Data permintaan Tiap jenis produk
Bulan Permintaan (dalam botol) Manggo Grape water Melon
Juli 2019 632 578 632
Agustus 646 596 646
September 624 587 635
Oktober 592 566 601
21 Lanjutan Tabel 4.1 Data permintaan Tiap jenis produk
Bulan Permintaan (dalam botol) Manggo Grape Manggo
November 582 554 590
Desember 563 562 562
Januari 2020 542 571 532
Februari 543 568 554
Maret 541 541 542
April 550 530 548
Mei 520 545 550
Juni 590 558 532
Sumber : CV. Indo RSVP
4.1.3 Biaya Tenaga Kerja
Adapun data biaya tenaga kerja ditetapkan oleh perusahaan yaitu sebesar Rp. 3500/ Jam (Sumber : CV. Indo RSVP)
4.1.4 Biaya Penyimpanan
Biaya penyimpanan untuk masing masing jenis produk perbotol adalah sebagai berikut Rp 100/botol/1bulan (Sumber : CV. Indo RSVP)
4.1.5 Kapasitas Produksi
CV. Indo RSVP dalam produksinya sudah memiliki ketetapan proses produksi maksimum perharinya. Yaitu untuk produk cairan rokok elektrtik juice mango, juice grape, juice watermelon ditetapkan sebanyak 30 botol perharinya.
(Sumber : CV. Indo RSVP)
4.1.6 Status Persediaan Akhir
Persedian akhir merupakan besarnya persediaan pada akhir periode yang akan digunakan untuk perencanaan di periode selajutnya. Besarnya persediaan produksi awal periode perencanaan pada Tabel 4.2
22 Tabel 4.2
Persediaan akhir bulan juni 2019
No Produk Junlah
1 Mango 50
2 Grape 55
3 water Melon 80
(Sumber : CV. Indo RSVP)
4.1.7 Kalender Kerja
Kalender kerja digunakan untuk mengetahui jumlah harikerja efektif setiap bulannya. Berikut kalender kerja selama 6 bulan pada perencanaan pada Tabel 4.3
Tabel 4.3 Data Kalender Kerja 6 Bulan Mendatang
No Bulan (Tahun 2020)
Jumlah
Hari Kerja Minggu Libur
1 Juli 31 26 4 1
2 Agustus 31 24 5 2
3 September 30 26 4 -
4 Oktober 31 26 4 1
5 November 30 25 5 -
6 Desember 31 26 4 1
4.2 Pengolahan Data 4.2.1 Peramalan Permintaan
Dari data permintaan diolah menggunakan program Minitab 16 untuk mengetahaui hasil peramalan periode yang akan datang. Langkah pertama adalah plotting data permintaan, setelah itu dapat dilihat pola datanya. Kemudian mentukan Metode peramalan terbaik ditentukan berdasarkan MAPE dari setiap metode, dalam hal ini nilai MAPE terkecil merupakan metode terbaik. Hasil perhitungan dengan bantuan software Minitab 16 adalah sebagai berikut
23
• Produk liquid vape Juice Manggo
Gambar 4.1 Grafik Permintaan Liquid Vape Juice Manggo
Berdasarkan gambar plotting permintaan produk liquid juice mango diatas hasil data tersebut menunjukan pola trend. Pola trend ini menunjukkan suatu series gerakan trend menurun, bila data berpola tren maka metode peramalan yang sesuai adalah metode trend linier , Single exponensial smoothing, dan double exponential smoothing
Tabel 4.4 Data MAPE Liquid Vape Juice Manggo
No Metode Peramalan MAPE MAD MSD
1 Single Exponensia; Smoothing 6.02 34.06 1327.7 2 Double Exponensial Smoothing 3.564 20.599 802.99
3 Trend Linier 3.387 19.523 606.42
Setelah data permintaan diolah menggunakan software minitab maka didapatkan hasil MAPE pada setap metode Single Exponensial Smoothing sebesar 6,02 metode Double Exponensial Smoothing sebesar 3,564 dan metode Trend Linier 3,387.
450 500 550 600 650 700
1 2 3 4 5 6 7 8 9 10 11 12
Permintaan (Botol)
Periode
24 Tabel 4.5
Data hasil peramalan Liquid Vape Juice Manggo
No SES DES TL
1 564 521 521
2 564 513 512
3 564 506 503
4 564 498 494
5 564 491 485
6 564 483 477
Pada saat bersamaan ketika menggunakan software minitab untuk melihat hasil MAPE maka data hasil peramalan juga terlampir saat menggunakan pada setiap metode yang diproses dan hasil peramalan dapat dilihat pada Table 4.5
• Produk Juice Grape
Gambar 4.2 Grafik Permintaan Liquid Vape Juice Grape
Berdasarkan gambar plotting permintaan produk liquid juice grape diatas hasil data tersebut menunjukan pola trend. Pola trend ini menunjukkan suatu series gerakan trend menurun bila data berpola tren, maka metode peramalan yang sesuai adalah metode trend linier , Single exponensial smoothing, dan double exponential smoothing
480500 520540 560580 600620
1 2 3 4 5 6 7 8 9 10 11 12
Permintaan (Boto)
Periode
25 Tabel 4.6 Data MAPE Liquid Vape Juice Manggo
No Metode Peramalan MAPE MAD MSD
1 Single Exponensia; Smoothing 2.476 13.735 303.02 2 Double Exponensial Smoothing 2.157 12.092 179.279
3 Trend Linier 1.874 10,519 139.324
Setelah data permintaan diolah menggunakan software minitab maka didapatkan hasil MAPE pada setap metode Single Exponensial Smoothing sebesar 2.476 metode Double Exponensial Smoothing sebesar 2.157dan metode Trend Linier 1.874.
Tabel 4.7
Data hasil peramalan Liquid Vape Juice Manggo
No SES DES TL
1 556 537 537
2 556 533 533
3 556 529 529
4 556 526 525
5 556 522 521
6 556 518 517
Pada saat bersamaan ketika menggunakan software minitab untuk melihat hasil MAPE maka data hasil peramalan juga terlampir saat menggunakan pada setiap metode yang diproses dan hasil peramalan dapat dilihat pada Table 4.7
26
• Produk Juice Water Melon
Gambar 4.3 Grafik Permintaan Liquid Vape Juice WaterMelon Berdasarkan gambar plotting permintaan produk liquid juice watermelon diatas hasil data tersebut menunjukan pola trend. Pola trend ini menunjukkan suatu series gerakan trend menurun bila data berpola tren, maka metode peramalan yang sesuai adalah metode trend linier, Single exponensial smoothing, dan double exponential smoothing
Tabel 4.8 Data MAPE Liquid Vape Juice WaterMelon
No Metode Peramalan MAPE MAD MSD
1 Single Exponensia; Smoothing 5.81 32.81 1305.29 2 Double Exponensial Smoothing 2.979 16.9 413.881
3 Trend Linier 2.458 13.968 308
Setelah data permintaan diolah menggunakan software minitab maka didapatkan hasil MAPE pada setap metode Single Exponensial Smoothing sebesar 5.81 metode Double Exponensial Smoothing sebesar 2.979 dan metode Trend Linier 2.458.
400 450 500 550 600 650 700
1 2 3 4 5 6 7 8 9 10 11 12
Permintaan (boto)
Periode
27 Tabel 4.9
Data hasil peramalan Liquid Vape Juice WaterMelon
No SES DES TL
1 559 510 509
2 559 500 499
3 559 490 488
4 559 480 478
5 559 470 467
6 559 461 457
Pada saat bersamaan ketika menggunakan software minitab untuk melihat hasil MAPE maka data hasil peramalan juga terlampir saat menggunakan pada setiap metode yang diproses dan hasil peramalan dapat dilihat pada Table 4.9
Dari Metode peramalan yang memiliki MAPE terkecil, Maka didapatkan peramalan permintaan untuk 6 periode mendatang Pada tabel 4.10
Tabel 4.10
Hasil Peramalan Permintaan Terpilih
No Periode Manggo Grape Water Melon
1 Juli 521 537 509
2 Agustus 512 533 499
3 September 503 529 488
4 Oktober 494 525 478
5 November 485 521 467
6 Desember 477 517 457
4.2.2 Perhitungan Safety Stock
Persedian pengaman atau safety stock berfungsi untuk melindungi kesalahan dalam mempredeksian peramalan permintaan. Akurasi ramalan yang
28 dibuat dengan metode tersebut sangat mempengaruhi besar kecilnya safety stock yang harus disediakan. Akurasi ramlan diukur dengan menggunakan nilai MAD ( Mean Absolute Deviation). Dengan menggunakan asumsi kesalahan peramalan distribusi normal, maka standart deviasi kesalahan ramalan nilainya sekitar 1,25 dari nilai MAD. Maka, Safety Stock bisa dihitung sebagai berikut:
SS= Z (1,25 x MAD)
Dimana: Z adalah keputusan dari perusahaan yang merupakan toleransi terjadinya kekurangan persediaaan yang besarnya 95%. Nilai Z yang berkolerasi dengan 95 adalah 1,645 atau sama dengan 2
• Safety stock untuk produk Juice Manggo SSManggo = Z (1,25 x MAD)
= 2 (1,25 x 19,523)
= 48,8 = 49 unit
• Safety stock Untuk produk Juice Grape SSGrape = Z(1,25 x MAD)
= 2 (1,25 x 10,519)
= 26,29 = 27 unit
• Safety stock untuk produk Juice WaterMelon SSwatermelon = Z(1,25 x MAD)
= 2 (1,25 x 13,968)
= 34,92 = 35 unit 4.2.3 Waktu Standart
Waktu standart dapat diperolah dari hasil perkalian antara jumlah lini produksi yang berproduksi pada saat itu dikalikan jam kerja dibagi kapasitas produksi unit/hari produk
Maka besarnya waktu standart dapat dihitung sebagai berikut : Ws = 1 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝐿𝐿 × 8 𝑗𝑗𝑗𝑗𝑗𝑗 𝐾𝐾𝐾𝐾𝑝𝑝𝑗𝑗𝑗𝑗
𝐾𝐾𝑗𝑗𝑝𝑝𝑗𝑗𝑝𝑝𝐿𝐿𝐾𝐾𝑗𝑗𝑝𝑝 𝑃𝑃𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝐿𝐿 𝐾𝐾𝐿𝐿𝑗𝑗𝑝𝑝 𝐾𝐾𝐿𝐿𝑗𝑗𝑝𝑝 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝
= 1 ×8
30 +30+30
= 8
90
= 0,088 jam
29 4.2.4 Kapasitas Produksi
Kapasitas produksi perbulan dapat dihitung berdasarkan jumlah hari kerja efektif disetiap periode perencanaan dikalikan dengan kapasitas produksi perhari.
Tabel 4.11
Data Kapasitas Produksi perbulan No Bulan Reguler
1 Juli 2340
2 Agustus 2160 3 September 2340 4 Oktober 2340 5 November 2250 6 Desember 2340
Keterangan : Kapasitas Produksi Reguler = (Kapasitas perhari produk Manggo + Juli 2020 Grape + Watermelon) x Hari kerja
pada bulan Juli 2020
= (30 + 30 + 30) x 26
= 2340
4.2.5 Jadwal IndukProduksi Awal Perusahaan
Tabel 4.12 Jadwal induk produksi awal (botol) Bulan
(2020)
Jumlah Produksi Reguler Peramalan Permintaan Manggo Grape Water Melon Manggo Grape Water Melon
Juli 2020 780 780 780 521 537 509
Agustus 720 720 720 512 533 499
September 780 780 780 503 529 488
Oktober 780 780 780 494 525 478
November 750 750 750 485 521 467
Desember 780 780 780 477 517 457
total 4884 4761 4785 2992 3162 2898
30 Keterangan :
• 829 = Jumlah Hari kerja bulan Juli x Kapasitas produksi Liquid vape Juice Manggo per hari
= 26 x 30 = 829
• 807 = Jumlah Hari kerja bulan Juli x Kapasitas produksi Liquid Vape Juice Grape per hari
= 26 x 30 = 807
• 815 = Jumlah Hari kerja bulan Juli x Kapasitas produksi Liquid Vape Juice Water Melon per hari
= 26 x 30 = 815
4.2.6 Pengembangan Model
Pengembangan Model merupakan konsep dari permasalahan dan definisi dalam bentuk kualitatif dan kuantitatif. Variable yang biasa digunakan dalam persoalan program linier adalah:
1. Variabel Keputusan 2. Variabel fungsi Tujuan 3. Variabel Pembatas
4.2.6.1 Variabel Keputusan
Variabel keputusan merupakan variable yang menguraikan secara lengkap permasalahan permasalahan yang ada sehingga keputusan yang akan dibuat dapat memenuhi kriteria fungsi tujuan.
Berikut adalah merupakan variable variable keputusan yang ada dalam perencanaan produksi
Xit = Jumlah produk i yang diproduksi pada bulan ke t secara regular Iit = Jumlah persediaan produk i pada akhir bulan ke t
i = Jenis produk (i = 1,2,3) t = Periode perencanaan
31 1. X11 = Jumlah produk 1 yang di produksi pada bulan ke-1
2. X12 = Jumlah produk 1 yang di produksi pada bulan ke-2 3. X13 = Jumlah produk 1 yang di produksi pada bulan ke-3 4. X14 = Jumlah produk 1 yang di produksi pada bulan ke-4 5. X15 = Jumlah produk 1 yang di produksi pada bulan ke-5 6. X16 = Jumlah produk 1 yang di produksi pada bulan ke-6 7. X21 = Jumlah produk 2 yang diproduksi pada bulan ke-1 8. X22 = Jumlah produk 2 yang diproduksi pada bulan ke-2 9. X23 = Jumlah produk 2 yang diproduksi pada bulan ke-3 10. X24 = Jumlah produk 2 yang diproduksi pada bulan ke-4 11. X25 = Jumlah produk 2 yang diproduksi pada bulan ke-5 12. X26 = Jumlah produk 2 yang diproduksi pada bulan ke-6 13. X31 = Jumlah produk 3 yang diproduksi pada bulan ke-1 14. X32 = Jumlah produk 3 yang diproduksi pada bulan ke-2 15. X33 = Jumlah produk 3 yang diproduksi pada bulan ke-3 16. X34 = Jumlah produk 3 yang diproduksi pada bulan ke-4 17. X35 = Jumlah produk 3 yang diproduksi pada bulan ke-5 18. X36 = Jumlah produk 3 yang diproduksi pada bulan ke-6 19. I11 = Jumlah persediaan produk 1 pada akhir bulan ke-1.
20. I12 = Jumlah persediaan produk 1 pada akhir bulan ke-2.
21. I13 = Jumlah persediaan produk 1 pada akhir bulan ke-3.
22. I14 = Jumlah persediaan produk 1 pada akhir bulan ke-4.
23. I15 = Jumlah persediaan produk 1 pada akhir bulan ke-5.
24. I16 = Jumlah persediaan produk 1 pada akhir bulan ke-6.
25. I21 = Jumlah persediaan produk 2 pada akhir bulan ke-1.
26. I22 = Jumlah persediaan produk 2 pada akhir bulan ke-2.
27. I23 = Jumlah persediaan produk 2 pada akhir bulan ke-3.
28. I24 = Jumlah persediaan produk 2 pada akhir bulan ke-4.
29. I25 = Jumlah persediaan produk 2 pada akhir bulan ke-5.
30. I26 = Jumlah persediaan produk 2 pada akhir bulan ke-6.
31. I31 = Jumlah persediaan produk 3 pada akhir bulan ke-1.
32 32. I32 = Jumlah persediaan produk 3 pada akhir bulan ke-2.
33. I33 = Jumlah persediaan produk 3 pada akhir bulan ke-3.
34. I34 = Jumlah persediaan produk 3 pada akhir bulan ke-4.
35. I35 = Jumlah persediaan produk 3 pada akhir bulan ke-5.
36. I36 = Jumlah persediaan produk 3 pada akhir bulan ke-6.
4.2.6.2 Fungsi tujuan
Berikut merupakan fungsi tujuan dari perencanaan ini yaitu meminimalkan atau mengurangi biaya produsi dan biaya penyimpanan yang merupakan jumlah dari biaya produksi regular dan persediaan
Minimal Z = 1848 X11 + 1848 X12 + 1848 X13 + 1848 X14 + 1848 X15 + 1848 X16 + 1848 X21 + 1848 X22 + 1848 X23 + 1848 X24 + 1848 X25 + 1848 X26 + 1848 X31 + 1848 X32 + 1848 X33 + 1848 X34 + 1848 X35 + 1848 X36 + 100 I11 + 100 I12 + 100 I13 + 100 I14 + 100 I15 + 100 I16 + 100 I21 + 100 I22 + 100 I23 + 100 I24 + 100 I25 + 100 I26 + 100 I31 + 100 I32 + 100 I33 + 100 I34 + 100 I35 + 100 I36
Keterangan :
• Z : Lambang atau notasi dari fungsi tujuan
• 1848 : Merupakan biaya produksi regular untuk tiap tiap produk.
Diperoleh dari biaya produksi regular sebesar 3500 dikalikan dengan waktu standart sebesar 0,088 Jam dikalikan jumlah tenaga kerja bagian produksi sebanyak 6 oang.
o 100 : Biaya penyimpanan untuk tiap tiap produk pada bulan ke 1 yang sebesar 100/ unit
4.2.6.3 Fungsi Pembatas
Fungsi batasan atau kendala merupakan bentuk penyajian secara matematis batasan kapasitas yang akan dialokasikan secara optimal berbagai kegiatan. Fungsi batasan dapat berubah keterbatasan sumberdaya atau pemodal.
33 o Batasan permintaan
Batasan permintaan memperlihatkan produksi regular dan persediaan yang diperlukan untuk memenuhi persyaratan permintaan perbulan
X11 + I10 - I11 = 471 Keterangan :
o X11 : Jumlah permintaan produk mango yang di produksi pada bulan ke1 reguler
o I10 : Jumlah persedian produk manggo pada akhir bulan juni 2020
o I11 : Jumlah persediaan produk mango pada akhir bulan ke 1 Untuk batasan permintaan pada periode selanjutnya secara lrngkap akan dijabarkan dibawah ini
o Batasan permintaan Liquid Manggo 1. X11 + I10 – I11 = 471
2. X12 + I11 – I12 = 512 3. X13 + I12 – I13 = 503 4. X14 + I13 – I14 = 494 5. X15 + I14 – I15 = 485 6. X16 + I15 – I16 = 477
o Batasan permintaan liquid Grape 7. X21 + I20 – I21 = 482
8. X22 + I21 – I22 = 533 9. X23 + I22 – I23 = 529 10. X24 + I23 – I24 = 525 11. X25 + I24 – I25 = 521 12. X26 + I25 – I26 = 517
o Batasan permintaan Liquid Watermelon 13. X31 + I30 – I31 = 429
14. X32 + I31 – I32 = 499
34 15. X33 + I32 – I33 = 488
16. X34 + I33 – I34 = 478 17. X35 + I34 – I35 = 467 18. X36 + I35 – I36 = 457 o Batasan Kapasitas Produksi
19. X11 + X21 + X31 = 2340 20. X12 + X22 + X32 = 2160 21. X13 + X23 + X33 = 2340 22. X14 + X24 + X34 = 2340 23. X15 + X25 + X35 = 2250 24. X16 + X26 + X36 = 2340
o Batasan Persediaan Liquid Vape Manggo Angka 49 adalah safety stock liquid manggo 25. I11 ≥ 49
26. I12 ≥ 49 27. I13 ≥ 49 28. I14 ≥ 49 29. I15 ≥ 49 30. I16 ≥ 49
o Batasan Persediaan Liquid vape Grape Angka 27 adalah safety stock liquid manggo 31. I21 ≥ 27
32. I22 ≥ 27 33. I23 ≥ 27 34. I24 ≥ 27 35. I25 ≥ 27 36. I26 ≥ 27
o Batasan Persediaan Liquid Water Melon
Angka 35 adalah safety stock liquid vape Water Melon 37. I31 ≥ 35
38. I32 ≥ 35
35 39. I33 ≥ 35
40. I34 ≥ 35 41. I35 ≥ 35 42. I36 ≥ 35
4.3 Running Dengan Software Quantitative System for Business (WinQSB) Setelah dilakukan pengembangan model atau formulasi, selanjutnya masuk keprogram WINQSB dengan tujuan memperoleh perencanaan agregat yang tepat.
Yang merupakan dasar dari pembuatan Jadwal Induk Produksi,
Berikut merupakan langkah langkah pengerjaan dari Software Quantitative for Business.
1. Aktifkan komputer dan buka program WINQSB 2. Pilih aplikasi Linier and Integer Programming 3. Pilih fil lalu klik New Problem
• Problem Title : Nama Perusahaan
• Number of Variabel : Banyak variable yang akan dimasukkan
• Number of Counstrain : Banyak batasan yang dimasukkan
• Objective Criterion : Fungsi Tujuan (Maksimum atau Minimum)
• Data Entry Format : Spreadsheet Matrix Form
• Default Variabel Type: Nonnegative continuous 4. Klik ok Untuk melajutkan
5. Lalu Masukkan data Variabel dan Batasan 6. Klik solve an Analyze
7. Klik solve the problem
8. Klik exit untuk keluar software
Berikut Hasil running dari pengerjaan dari software WINQSB bisa dilihat pada Tabe; 4.13
36 Tabel 4.13 Tampilan Solusion Dari Linier Programming
No Decision Variable
Solusion Value
Unit Cost or Profit
Total Contribution
Reduced Cost
Basis Status
Allowable Min
Allowable Max
1 X11 520 1848 960960 0 basic 1748 M
2 X12 512 1848 946176 0 basic 1748 1948
3 X13 503 1848 929544 0 basic 1748 1948
4 X14 494 1848 912912 0 basic 1748 1948
5 X15 485 1848 896280 0 basic 1748 1948
6 X16 477 1848 881496 0 basic -100 1948
7 X21 509 1848 940632 0 basic 1748 M
8 X22 533 1848 984984 0 basic 1748 1948
9 X23 529 1848 977592 0 basic 1748 1948
10 X24 525 1848 970200 0 basic 1748 1948
11 X25 521 1848 962808 0 basic 1748 1948
12 X26 517 1848 955416 0 basic -100 1948
13 X31 464 1848 857472 0 basic 1748 M
14 X32 499 1848 922152 0 basic 1748 1948
15 X33 488 1848 901824 0 basic 1748 1948
16 X34 478 1848 883344 0 basic 1748 1948
17 X35 467 1848 863016 0 basic 1748 1948
18 X36 457 1848 844536 0 basic -100 1948
19 I11 49 100 4900 0 basic 0 M
20 I12 49 100 4900 0 basic 0 M
21 I13 49 100 4900 0 basic 0 M
22 I14 49 100 4900 0 basic 0 M
23 I15 49 100 4900 0 basic 0 M
24 I16 49 100 4900 0 basic -1848 M
25 I21 27 100 2700 0 basic 0 M
26 I22 27 100 2700 0 basic 0 M
27 I23 27 100 2700 0 basic 0 M
28 I24 27 100 2700 0 basic 0 M
29 I25 27 100 2700 0 basic 0 M
30 I26 27 100 2700 0 basic -1848 M
31 I31 35 100 3500 0 basic 0 M
32 I32 35 100 3500 0 basic 0 M
33 I33 35 100 3500 0 basic 0 M
34 I34 35 100 3500 0 basic 0 M
35 I35 35 100 3500 0 basic 0 M
36 I36 35 100 3500 0 basic -1848 M
Objective Funtion [Min] = 16657940
37 Keterangan :
1. Decision Variabel : menunjukkan nama variable keputusan X11,X12,…dan I 36
2. Solusion menunjukan nilai optimal variable keputusan Kondisi optimal tercapai pada nilai A11 = 520
A12 = 512 Nilai minimum Z = 16657940
3. Unit Cost : menunjukkan besarnya koefisien fungsi tujuan 4. Total contribution : perhitungan biaya produksi
5. Reduced cost menunjukan besarnya kerugian akibat hilangnya kesempatan untuk memperoleh laba
X11,X12,…..dan I36 = 0
6. Allowable Minimal dan Allowable Max : Menunjukan batas bawah dan batas atas koefisian fungsi tujuan Range adalah 1748 ≤ C ≤ 1948