BAB 2
LANDASAN TEORI
2.1. Perencanaan Produksi
Perencanaan produksi merupakan penentuan arah awal dari tindakan yang harus
dilakukan di masa yang akan datang, apa yang harus dilakukan, berapa banyak
dan kapan harus melakukannya. Hasil perencanaan produksi adalah sebuah
rencana produksi. Tanpa adanya rencana produksi yang baik, maka tujuan tidak
akan dapat dicapai dengan efektif dan efisien.
Tujuan perusahaan pada umumnya adalah untuk memperoleh laba setinggi
mungkin. Jumlah produksi merupakan banyaknya hasil produksi yang seharusnya
diproduksikan oleh suatu perusahaan dalam satu periode (Gitosudarmo,1999).
Oleh karena itu maka jumlah produksi harus direncanakan agar perusahaan dapat
memperoleh laba maksimal. Di samping itu jumlah produksi perlu direncanakan
dan diperhitungkan dengan cermat karena tanpa perencanaan dapat berakibat
bahwa jumlah yang diproduksikan menjadi terlalu besar atau terlalu kecil.
Jumlah produksi yang terlalu besar berakibat biaya yang terlalu besar. Di
samping itu dengan adanya jumlah produksi yang berlebihan dapat berakibat
merosotnya harga jual.
Jumlah produksi yang terlalu kecil atau terlalu sedikit berakibat tidak
dapatnya perusahaan tersebut memenuhi permintaan pasar. Akibatnya para
pelanggan yang tidak terpenuhi permintaanya akhirnya pindah dan menjadi
pelanggan perusahaan lain yang merupakan saingan dari perusahaan tersebut. Hal
ini berarti hilangnya sebagian dari pasar potensial perusahaan. Di samping itu
terlalu kecilnya jumlah produk yang diproduksi dapat berakibat menanggung
harga pokok yang terlalu tinggi disebabkan karena biaya tetap hanya dipikul oleh
tinggi. Harga pokok yang tinggi berarti perusahaan terpaksa menentukan
harga jual yang tinggi pula. Hal ini dapat menyebabkan permintaan berkurang.
Keberhasilan perencanaan dan pengendalian manufacturing membutuhkan
perencanaan kapasitas yang efektif, agar mampu memenuhi jadwal produksi yang
diterapkan. Kekurangan kapasitas akan menyebabkan kegagagalan memenuhi
target produksi, keterlambatan pengiriman ke pelanggan, dan kehilangan
kepercayaan dalam sistem formal yang mengakibatkan reputasi dari perusahaan
akan menurun atau hilang sama sekali. Pada sisi lain kelebihan kapasitas akan
mengakibatkan tingkat utilisasi sumber-sumber daya yang rendah, biaya
meningkat, harga produk menjadi tidak kompetitif, kehilangan pangsa pasar,
penurunan keuntungan, dan lain-lain. Dengan demikian, kekurangan kapasitas
maupun kelebihan kapasitas akan memberikan ampak negatif bagi sistem
manufactur, sehingga perencanaan kapasitas yang efektif adalah menyediakan
kapasitas sesuai dengan kebutuhan pada waktu yang tepat.
Kegiatan perencanaan produksi dimulai dengan melakukan
peramalan-peramalan (forecast) untuk mengetahui terlebih dahulu apa dan berapa yang perlu diproduksi pada waktu yang akan datang. Peramalan produksi
bermaksud untuk memperkirakan permintaan akan barang-barang atau jasa-jasa
perusahaan. Tetapi hampir semua perusahaan tidak dapat menyesuaikan tingkat
produksi mereka dengan perubahan permintaan nyata. Oleh karena itu perusahaan
mengembangkan rencana-rencana rasional yang menunjukkan bagaimana mereka
akan memberikan tanggapan terhadap pasar. Ini merupakan tugas perencanaan
2.2. Peramalan
2.2.1. Pengertian dan Konsep Dasar Peramalan
Peramalan adalah sebuah prediksi mengenai apa yang akan terjadi di masa yang
akan datang. Badan meteorologi meramalkan keadaan cuaca, penyiar olah raga
meramalkan pemenang dari suatu pertandingan bola, dan manager suatu
perusahaan berusaha untuk meramalkan beberapa permintaan atas produk mereka
di masa yang akan datang. Pada kenyataannya, manager secara konstan mencoba
untuk maramalkan masa yang akan datang berdasarkan sejumlah faktor untuk
mengambil keputusan di masa sekarang yang akn menjamin suksesnya
perusahaan di masa yang akan datang. Kadang-kadang seorang manager akan
menggunakan penilaian, pendapat, atau pengalaman masa lalu untuk meramalkan
apa yang akan terjadi di masa yang akan datang. Walaupun demikian sejumlah
metode matematika juga tersedia untuk membantu manager dalam mengambil
keputusan.
Peramalan bisa dikatakan sebagai seni (art), karena disini kita akan
berhadapan dengan hal-hal yang begitu kompleks dan serba tidak pasti. Sebagai
suatu fungsi atau aktivitas manajemen, fungsi peramalan diharapkan akan mampu
memberikan ‖skenario masa depan‖ yang berisikan informasi-informasi yang
relevan untuk kondisi mendatang yang berkaitan dengan aspek-aspek pemasaran,
pendanaan, produksi, dan lain-lain yang memiliki signifikansi dalam proses
perencanaan produksi.
Kemampuan menduga berbagai perisitiwa kini tampaknya akan sama
lazimnya dengan kecermatan peramalan keadaan cuaca dalam beberapa dekade.
Kecendrungan untuk dapat meramalkan peristiwa secara lebih tepat, khususnya
dalam bidang ekonomi, akan terus menerus memberikan dasar yang lebih baik
bagi perencanaan. Terlepas dari adanya peningkatan ini, perlu dikemukakan dua
ulasan penting. Yang pertama adalah bahwa keberhasilan peramalan tidak selalu
bermanfaat secara langsung bagi para manager dan pihak lainnya. Lebih dari 100
tahun yang lalu, Jules Verne meramalkan dengan baik akan adanya kemajuan
pula dalam pertengahan abad ke-19, Charles Babbage tidak hanya meramalakn
kebutuhan akan komputer, melainkan juga mengusulkan desain komputer
tersebut. Sekalipun ramalan ini tepat, tetapi nilainya kecil dalam membantu
organisasi untuk menyadari kemungkinan tentang hal yang diramalkan atau untuk
mencapai sukses yang lebih besar.
Hal penting yang kedua adalah pembedaan antara peristiwa eksternal yang
di luar kendali (yang berasal dari ekonomi nasional, pemerintah, pelanggan, dan
pesaing) dan peristiwa internal yang dapat dikendalikan (seperti keputusan
perusahaan dalam hal pemasaran dan manufaktur. Keberhasilan suatu perusahaan
bergantung pada kedua jenis peristiwa tersebut. Peramalan mempunyai peranan
langsung pada jenis peristiwa pertama (eksternal), sedangkan pengambilan
keputusan berperanan pada jenis peristiwa yang kedua (internal). Perencanaan
merupakan mata rantai yang memadukan kedua hal tersebut.
Peramalan permintaan akan produk dan jasa diwaktu mendatang
dan bagian-bagiannya adalah sangat penting dalam perencanaan dan pengawasan
produksi. Peramalan yang baik adalah penting untuk efisiensi operasi-operasi
manufaktur yang menyangkut pemilihan proses, perencanaan kapasitas dan tata
letak fasilitas serta untuk berbagai keputusan yang bersifat terus menerus
Selanjutnya fungsi peramalan dapat digambarkan dalam sistem
input-output seperti yang ditunjukkan berikut ini:
Gambar 2.1. Sistem Input-output Proses Peramalan Kebutuhan
2.2.2. Sifat Hasil Peramalan
Dalam membuat peramalan atau menerapkan hasil suatu peramalan, maka ada
beberapa hal yang harus dipertimbangkan, yaitu:
1. Peramalan pasti mengandung kesalahan, artinya peramal hanya bisa
mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat
menghilangkan ketidakpastian tersebut.
2. Peramalan seharusnya memberikan informasi tentang berapa ukuran
kesalahan, artinya karena peramalan pasti mengandung kesalahan, maka
Hambatan: Pengambilan keputusan:
- Data - Pemilihan data
- Waktu - Pemilihan metoda
- Pengalaman - Dana/biaya
MASUKAN KELUARAN
1. Data Internal Estimasi tentang:
- Historis - Jangka panjang
KRITERIA PERFORMANS Rasio manfaat dan biaya (Ketelitian, Obyektivitas, (Benefits-Cost Ratio) kestbalian, waktu persiapan)
adalah penting bagi peramal untuk menginformasikan seberapa besar kesalahan
yang mungkin terjadi.
3. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka
panjang. Hal ini disebabkan karena pada peramalan jangka pendek, faktor-
faktor yang mempengaruhi permintaan relatif masih konstan, sedangkan
semakin panjang periode peramalan, maka semakin besar pula kemungkinan
terjadinya perubahan faktor-faktor yang mempengaruhi permintaan.
2.2.3. Metode Peramalan
Berdasarkan sifat ramalan, maka peramalan dapat dibedakan atas dua jenis, yaitu
peramalan kualitatif dan kuantitatif (Makridakis, dkk, 1992).
1. Peramalan kualitatif adalah peramalan yang didasarkan atas kualitatif pada
masa lalu.Hasil peramalan yang dibuat sangat bergantung pada orang yang
menyusunnya.Hal ini penting karena hasil peramalan tersebut ditentukan
berdasarkan pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya. Biasanya peramalan secara
kualitatif ini didasarkan atas hasil penyelidikan, seperti Delphi, S-curve, analogi dan penelitian bentuk atau morphological research atau didasarkan atas ciri-ciri normatif seperti decision matrices atau decision trees.
2. Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif
pada masa lalu.Hasil peramalan yang dibuat sangat tergantung pada metode
yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda
akan diperoleh hasil peramalan yang berbeda, adapun yang perlu diperhatikan
dari penggunaan metode tersebut, adalah baik tidaknya metode yang
dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara
hasil ramalan dengan kenyataan yang terjadi. Metode yang baik adalah metode
Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi
sebagai berikut:
1. Adanya informasi tentang keadaan yang lain.
2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data.
3. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang
akan datang.
Peramalan kuantitatif terbagi atas dua jenis yaitu metode time series (deret waktu) dan metode kausal (sebab akibat).
a. Metode Time Series
Metode time series adalah metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Metode ini
mengasumsikan beberapa pola atau kombinasi pola selalu berulang sepanjang
waktu, dan pola dasarnya dapat diidentifikasi semata-mata atas dasar data
historis dari serial itu. Dengan analisis deret waktu dapat ditunjukkan
bagaimana permintaan terhadap suatu produk tertentu bervariasi terhadap
waktu. Sifat dari perubahan permintaan dari tahun ke tahun dirumuskan untuk
meramalkan penjualan pada masa yang akan datang.
Ada empat pola data yang bisa didefinisikan dalam metode time series (deret waktu), antara lain:
1. Pola Horizontal (H)
Pola data ini terjadi apabila nilai data berfluktuasi di sekitar nilai rata-rata yang
konstan. Deret seperti itu adalah deret yang konstan terhadap nilai rata-ratanya.
Suatu produk yang penjualannya tidak meningkat atau menurun selama waktu
tertentu termasuk dalam pola data horizontal. Gambar 2.2. menunjukkan suatu
Gambar 2.2. Pola Data Horizontal
2. Pola Musiman (S)
Pola ini terjadi bilamana suatu deret dipengaruhi oleh faktor-faktor musiman
(misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu).
Penjualan dari produk minuman ringan, es krim, dan lain-lain menunjukkan jenis
pola ini. Untuk pola musiman kuartalan, datanya mungkin akan serupa dengan
gambar 2.3.
Gambar 2.3. Pola Data Musiman
3. Pola Siklis (C)
Terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang
seperti yang berhubungan dengan siklus bisnis. Penjualan seperti mobil, baja, dan
peralatan utama lainnya menunjukkan jenis pola ini seperti ditunjukkan pada
Gambar 2.4. Pola Data Siklis
4. Pola Trend (T)
Pola data ini terjadi bila data memiliki kecenderungan untuk naik atau turun terus
menerus dalam jangka panjang. Gambar 2.5. menunjukkan salah satu pola trend.
Gambar 2.5. Pola Data Trend
b. Metode Kausal
Metode ini mengasumsikan faktor yang diperkirakan menunjukkan adanya
hubungan sebab akibat dengan satu atau beberapa variabel bebas. Misalnya,
jumlah pendapatan berhubungan dengan faktor-faktor seperti jumlah
penjualan, harga jual, dan tingkat promosi. Kegunaan dari metode kausal
adalah untuk menemukan bentuk hubungan antara variabel tersebut dan
2.2.4. Metode Penghalusan (Smoothing) Data Time Series (Deret Waktu)
Metode smoothing digunakan untuk mengurangi ketidakteraturan musiman dari data yang lalu, dengan membuat rata-rata tertimbang dari sederetan data masa
lalu.Ketepatan peramalan dengan metode ini akan terdapat pada peramalan jangka
pendek, sedangkan untuk peramalan jangka panjang kurang akurat.
a. Metode Pemulusan Eksponensial Tunggal (Single Exponential Smoothing)
Metode pemulusan eksponensial tunggal (single exponential smoothing) menambahkan parameter dalam modelnya untuk mengurangi faktor
kerandoman. Nilai peramalan dapat dicari dengan menggunakan rumus sebagai
berikut:
(2.1)
di mana:
= data permintaan pada periode
= faktor/konstanta pemulusan
= peramalan untuk periode
Metode pemulusan eksponensial tunggal mengikutsertakan data dari
semua periode. Setiap data pengamatan mempunyai kontribusi dalam penentuan
nilai peramalan periode sesudahnya.Namun, dalam perhitungannya cukup
diwakili oleh data pengamatan dan hasil peramalan periode terakhir, karena nilai
peramalan periode sebelumnya sudah mengandung nilai-nilai pengamatan
sebelumnya.
Istilah eksponensial dalam metode ini berasal dari pembobotan (faktor
pemulusan) dari periode sebelumnya yang berbentuk eksponensial, sebagaimana
Terlihat bahwa koefisien dari waktu ke waktu membentuk hubungan
eksponensial. Misalnya, untuk maka koefisien dari
adalah
b. Metode Pemulusan Eksponensial Linier (Linear Exponential Smoothing/
Double Exponential Smoothing)
Metode pemulusan eksponensial tunggal hanya akan efektif apabila serial data
yang diamati memiliki pola horizontal (stasioner). Jika metode itu digunakan
untuk serial data yang memiliki unsur trend (kecenderungan) yang konsisten, nilai-nilai peramalannya akan selalu berada di belakang nilai aktualnya (terjadi
lagging yang terus-menerus). Metode yang tepat untuk melakukan peramalan
serial data yang meiliki unsur trend adalah metode pemulusan eksponensial linier.Salah satu metode yang digunakan adalah metode pemulusan eksponensial
linier dari Holt, yang menggunakan persamaan sebagai berikut:
(2.2)
Pemulusan eksponensial linier dari Holt menambahkan persamaan untuk memperoleh pemulusan trend dan menggabungkan trend dengan persamaan pemulusan standar sehingga menghasilkan persamaan . Metode dari Holt ini
menggunakan dua parameter, dan , yang masing-masing nilainya dapat dipilih
dari setiap angka antara 0 sampai dengan 1. Kedua parameter itu dapat
Proses inisialisasi untuk pemulusan eksponensial linier dari Holt memerlukan dua taksiran, yaitu untuk nilai dan . Nilai dapat disamakan
dengan nilai aktual (pengamatan) atau rata-rata dari beberapa nilai pengamatan
pada periode awal, sedangkan nilai menggunakan taksiran kemiringan dari
serial data tersebut atau menggunakan rata-rata kenaikan dari beberapa periode,
misalnya:
c. Metode Pemulusan Eksponensial Musiman (Winter’s Three Parameter
Trend and Seasonality Method)
Sebagaimana halnya dengan persamaan pemulusan eksponensial linier yang dapat
digunakan untuk meramalkan serial data yang memiliki pola trend, bentuk persamaan yang lebih tinggi dapat digunakan jika pola dasar serial datanya
musiman. Salah satu metode peramalan yang khusus untuk data yang berpola
musiman adalah metode pemulusan eksponensial linier dan musiman dari Winter. Metode ini didasarkan atas tiga persamaan, yaitu unsur stasioner, trend dan musiman, yang dirumuskan sebagai berikut:
(2.4)
di mana:
= nilai pemulusanstandar pada periode ke-
= nilai pemulusan trend pada periode ke- = jumlah periode dalam satu siklus musim
= faktor penyesuaian musiman (indeks musiman)
Sebagaimana dalam perhitungan pemulusan eksponensial tunggal, nilai
inisial dapat disamakan dengan nilai aktualnya atau berupa rata-rata dari
beberapa nilai pada musim yang sama, sedangkan nilai inisal dicari dengan
menggunakan rumussebagai berikut:
(Setiap suku ini merupakan taksiran trendselama satu musim lengkap, dan taksiran awal dari
ditetapkan sebagai rata-rata dari suku seperti itu).
2.2.5. Ukuran Akurasi Hasil Peramalan
Bila adalah data yang sebenarnya pada periode dan adalah hasil peramalan
pada periode yang sama maka penyimpangan yang terjadi dapat didefinisikan
sebagai berikut:
= –
sehingga bila terdapat periode pengamatan, maka akan terdapat sejumlah
penyimpangan. Beberapa rumus yang dapat digunakan untuk mengukur ketelitian
peramalan adalah sebagai berikut:
1. Mean Error (ME)
2. Mean Absolute Error(MAE)
3. Sum of Squared Errors (SSE)
4. Mean Squared Error (MSE)
5. Standard Deviation Errors(SDE)
6. Percentage Error(PE)
8. Mean Absolute Persentage Error(MAPE )
2.3. Program Linier
2.3.1. Pengertian Umum Program Linier
Program linier (Linier Programming yang disingkat LP) mingkin merupakan salah teknik OR yang digunakan paling luas dan diketahui dengan baik. LP
merupakan metode matematik dalam mengalokasikan sumber daya yang langka
untuk mencapai tujuan tunggal seperti memasksimumkan keuntungan dan
meminimumkan biaya. LP banyak diterapkan dalam membantu menyelesaikan
masalah ekonomi, industri, militer, sosial dan lain-lain. LP berkaitan dengan
penjelasan suatu dunia nyata sebagai suatu model matematik yang terdiri atas
sebuah fungsi tujuan linier dan sisitem kendala linier
Pokok pikiran utama dalam menggunakan program linier adalah
merumuskan masalah dengan jelasdengan menggunakan sejumlah informasi yang
tersedia. Sesudah masalah terumuskan dengan baik,maka langkah berikut ialah
menerjemahkan masalah ke dalam bentuk model matematika (P. Siagian, 1987).
Program linier menggunakan model matematis untuk menjelaskan persoalan yang dihadapinya. Sifat ―linier‖ memberi arti bahwa seluruh fungsi matematis dalam model merupakan fungsi yang linier, demikian kata ―program‖ merupakan sinonim untuk perencanaan. Dengan demikian program linier adalah
perencanaan aktivitas-aktivitas untuk memperoleh suatu hasil yang optimum,
yaitu suatu hasil yang mencapai tujuan terbaik di antara alternatif yang fisibel.
Formulasi model matematis dari persoalan pengalokasian sumber-sumber
pada permasalahan program linier adalah sebagai berikut:
Kendala:
. . . .
. . . .
. . . .
dan
Model program linier diaplikasikan untuk menyelesaikan berbagai
masalah diantaranya adalah sebagai berikut:
a. Masalah kombinasi produk, yaitu menentukan berapa jumlah dan jenis produk
yang harus dibuat agar diperoleh keuntungan maksimum atau biaya minimum
dengan memperhatikan sumber daya yang dimiliki.
b. Masalah perencanaan investasi, yaitu berapa banyak dana yang akan
ditanamkan dalam setiap alternatif investasi, agar memaksimumkan return in
investmen atau net present value dengan memperhatikan sumber daya yang
dimiliki.
c. Masalah perencanaan produksi dan persediaan, yaitu menentukan berapa
banyak produk yang akan diproduksi setiap periode, agar meminimumkan
biaya persediaan, sewa, lembur, dan biaya sub kontrak.
d. Masalah perencanaan promosi, yaitu berapa banyak dana yang akan
dikeluarkan untuk kegiatan promosi agar diperoleh efektivitas penggunaan
2.3.2. Persyaratan Penyelesaian
Parlin (1997) mengemukakan bahwa syarat-syarat yang harus dipenuhi dalam
merumuskan suatu problema keputusan ke dalam model matematik program linier
adalah sebagai berikut:
1. Memiliki kriteria tujuan.
2. Sumber daya yang tersedia sifatnya terbatas.
3. Semua variabel dalam model memiliki hubungan matematis yang bersifat
linier.
4. Koefisien model diketahui dengan pasti.
5. Bilangan yang digunakan dapat bernilai bulat atau pecahan.
6. Semua variabel keputusan harus bernilai nonnegatif.
Untuk membuat formulasi model program linier, terdapat tiga langkah utama
yang harus dilakukan, yaitu:
1. Tentukan variabel keputusan atau variabel yang ingin diketahui dan
gambarkan dalam simbol matematik.
2. Tentukan tujuan dan gambarkan dalam satu sel fungsi linier dari variabel
keputusan yang dapat berbentuk maksimum atau minimum.
3. Tentukan kendala dan gambarkan dalam bentuk persamaan linier atau
ketidaksamaan linier dari variabel keputusan.
2.4. Perencanaan Agregat dan Scheduling Induk
Kegiatan Perencanaan Produksi dimulai dengan melakukan peramalan-peramalan
(forecast) untuk mengetahui terlebih dahulu apa dan berapa yang perlu diproduksi
pada waktu yang akan datang. Peramalan produksi bermaksud untuk
memperkirakan permintan akan barang-barang atau jasa-jasa perusahaan. Tetapi
mereka dengan perubahaan permintaan nyata. Oleh karena itu, perusahaan
mengembangkan rencana-rencana rasional yang menunjukkan bagaimana mereka
akan memberikan tanggapan terhadap pasar. Ini merupakan tugas perencanaan
Agregat dan scheduling induk.
Perencanaan agregat bersangkutan dengan cara kapasitas organisasi
digunakan untuk memberikan tanggapan terhadap permintaan yang diperkirakan.
Perencanaan agregat adala proses perencanaan kuantitas dan pengaturan waktu
selama periode waktu tertentu (biasanya antara 3 bulan sampai 1 tahun) melalui
penyesuaian variabel-variabel tingkat produksi , karyawan, persediaan dan
variabel—ariabel yang dapat dikendalikan lainnya. Digunakan istilah ―agregat” adaalah karena ramalan-ramalan permintaan akan barang atau jasa individual
digabungkan menjadi unit-unit yang homogen. Perencanaan agregat
mencerminkan strategi perusahaan dalam hal pelayanan kepada pelanggan, tingkat
persediaan, tingkat produksi, jumlah karyawan, dan lain-lain (T.H. Handoko,
1984)
Perencanaan Agregat atau Penjadwalan Agregat adalah sebuah pendekatan
Makro untuk merancang jadwal produksi selama periode waktu tertentu (biasanya
3 sampai 18 bulan). Tujuan dari perencanaan agregat adalah untuk menentukan
jadwal produksi yang optimal yang meminimasi biaya produksi total dan
memenuhi ramalan permintaan dan kriteria manejemen yang lain. (Medya dan
Kwardiniya, 2012)
Perencanaan Agregat produksi merupakan kegiataan perencanaan
mengenai pegawai, bahan baku, mesin dan modal yang diperlukan untuk
memproduksi produk pada suatu periode tertentu di masa depan sesuai dengan
estimasi permintaan pasar, kegiatan ini dilakukan sebelum melaksanakan proses
produksi untuk menghindari adanya kelebihan produk yang dapat mengakibatkan
banyaknya produk yang menumpuk di gudang yang pada akhirnya dapat
mengakibatkan pemborosan dan kerugian. Perencanaan agregat produksi juga
seperti kebutuhan jumlah pegawai, kapasitas mesin, luas gudang dan faktor
peningkatan pada masing-masing biaya. (Jay Heizer, Barry Rander, 2001).
2.5. Metode Transportasi
Sebuah masalah transportasi melibatkan m sumber daya (sources), dimana pada masing-masingnya tersedia unit satuan produk homogen, dan n tempat (destinations), yang masing-masing membutuhkan unit produk ini. Bilangan-bilangan dan adalah bulat positif. Biaya untuk
mentransportasikan unit produk dari sumber ke- ke tujuan ke- diketahui untuk
tiap-tiap . Di sini dianggap bahwa total penawaran dan permintaan sama, yaitu:
Misalkan menyatakan jumlah unit (yang tidak diketahui) yang akan
dikirimkan dari sumber-i ke tempat tujuan j. Maka model matematik standar bagi persoalan ini adalah:
Dan semua bulat dan tak negatif.
Metode penyelesaian persoalan angkutan menggunakan suatu format tabel
yang memperlihatkan data persoalan dan keterangan-keterangan lain dari cara
penyelesaian persoalan, seperti terlihat pada tabel berikut. Tabel ini memuat
Tabel 2.1. Tabel untuk Persoalan Transportasi
Sumber: P. Siagian, 2006
2.5.1. Menentukan Jawaban Layak Pertama
Langkah pertama dalam menyelesaikan persoalan transportasi adalah menentukan
jawaban layak yang memenuhi semua kendala atau sistem transportasi yang
diperlukan. Dari jawaban layak dapat dicari jawaban layak optimal yaitu jawaban
yang meminimumkan ongkos transportasi. Ini dapat dilakukan dengan eberapa
cara diantaranya akan kita perkenalkan yaitu:
a. Metode Pojok Barat Laut (North West Corner Method)
Metode pojok barat laut diperkenalkan oleh Charnes dan Cooper, kemudian
1. Mulai dari pojok barat laut pada tabel persoalan transportasi (Tabel 2.1) yaitu
sel (1,1). Bandingkan persediaan di dengan kebutuhan di , yaitu
masing-masing dan Buat .
hingga, akhirnya, harganya telah dicapai pada tenggara dari tabel
b. Metode Batu Loncatan (Stepping Stone Method)
Misalnya kita mempunyai jawaban layak basis dari suatu persoalan angkutan
dengan m asal dan n tujuan. Ini berarti bahwa terdapat m+n-1 variabel basis
yang . Kita tidak mengetahui apakah jawaban ini sudah optimal atau tidak.
Untuk menentukan apakah suatu jawaban layak basis optimal atau tidak, kita
menggunakan metode yang disebut Metode Batu Loncatan atau Stepping Stone Method.
Cararanya ialah melalui tabel data transportasi seperti tabel 2.1 yang
memuat variabel basis dan . Kita menggunakan analisis marjinal
dengan menghitung untuk setiap sel yang tidak memuat variabel
basis sama seperti menghitung untuk setiap variabel nonbasis pada
tabel simpleks. Untuk sel kita menemukan satu lop yang memuat sel
sendiri dan sel-sel basis. Misalkan urutan sel dalam lop tersebut adalah:
Bila harga variabel basis adalah dan karena koefisien variabel basis
Untuk menghitung untuk setiap sel yang tidak memuat , kita
melakukan langkah seperti berikut:
1. Tentukan sel basis terdekat pada basis yang sama sedemikan rupa hingga sel
basis lainnya terletak pada kolom yang sama.
2. Buat gerakan mendatar kemudian gerakan tegak.
3. Ulangi gerakan ini dari satu sel basis kepada sel basis lainnya hingga satu
ganti positif-negatif dan hasilnya sama dengan
Proses ini dapat kita lakukan untuk semua sel yang bukan basis, apabila:
1. untuk persoalan minimisasi maka jawab layak basis sudah
optimal
2. untuk persoalan yang sama (minimisasi) maka berarti masih
bisa diturunkan (untuk persoalan maksimisasi berlaku syarat sebaliknya).
Sesudah dihitung untuk semua sel yang bukan basis, sekarang kita
sudah siap menentukan jawab basis yang baru, yaitu dengan langkah-langkah
seperti berikut ini:
1. Hitung atau tetapkan
Artinya, variabel masuk dalam basis dan
2. Tentukan
untuk menentukan variabel meninggalkan basis. Karena , berarti
, maka variabel yang meninggalkan basis adalah
3. Tentukan nilai variabel basis untuk jawab basis yang baru dengan cara:
a.
b. Bila koefisien , maka dimana terdapat pada
lop yang memuat (s,t).
c. Bila koefisien , maka:
dimana terdapat pada lop yang memuat (s,t).
d. Untuk tidak pada lop yang memuat (s,t), terdapat:
e. Bentuk tabel untuk jawab basis yang baru, yang memuat nilai variabel
basis dan kemudian dilingkari seperti semula.
f. Hitung untuk tiap sel dari tabel yang baru dan ulangi proses
seperti pada langkah a sampai dengan e. Kalau semua , maka
kita telah menemukan jawab optimal untuk persoalan angkutan yang
dimaksud.
Perlu dicatatat bahwa untuk menentukan jawab layak basis permulaan, lebih
baik digunakan metode pojok barat laut. (P. Siagian, 2006).
2.5.2.Kemerosotan (Degeneracy)
Tidak seperti dalam Program Linier (PL), dalam persoalan angkutan
kemerosotan mendapat perhatian penting karena jawaban meresot (degenerate
solution) mengakibatkan ketidakmampuan untuk mengatur pengembangan semua
sel yang bukan basis menjadi basis.Kemerosotan muncul jika jawaban layak basis
wal memuat kurang dari variabel basis . Keadaan ini terjadi
pada waktu menentukan jawaban basis awal atau pada waktu menentukan jawab
Kejadian pertama disebabkan karena persediaan dan kebutuhan sama-sama
habis pada penentuan jawaban awal pertama dan karena itu, kita terpaksa berhenti
untuk penentuan jawab berikutnya sesuai dengan langkah-langkah dalam metode
barat-laut. Kejadian kedua juga timbul karena hal yang sama yaitu karena
subbagian dari persediaan sama-sama habis dengan kebutuhan atau sebaliknya.
Kedua kejadian ini, kita gambarkan sekaligus dalam tabel berikut ini.
Tabel 2.2. Kemerosotan
Dengan demikian, kita berhenti dengan jumlah variabel basis yang lebih
kecil dari variabel . Dalam hal ini kita hanya menemukan 7
variabel . Oleh karena itu, kita tidak bisa membentuk pohon basis dari
(1,1) hingga (5,5). Untuk mengatasi hal ini, kita memperkenalkan bilangan
berharga nol tanpa membangun suatu algoritma khusus. Misalnya, kalau terdapat
variabel maka tambahkanlah sejumlah sel
berharga nol sehinggga terdapat sel basis. Untuk memilih sel yang
demikian tentukanlah sel bukan basis sedemikan rupa hingga akhirnya
Tetapi untuk menghilangkan timbulnya kemerosotan jawab layak basis, kita
membuat transformasi dengan memperkenalkan suatu bilangan sedemikian
hingga :
dimana tidak mempengaruhi jumlah persediaan atau kebutuhan
sesungguhnya. Jadi dalam praktek, dapat dihilangkan.
Dengan demikian kita memperoleh :
atau
Sekarang kita perlihatkan bagaimana cara ini kita perlakukan yang sekaligus akan
mengatasi munculnya kemerosostan dan dapat dibentuk satu pohon basis
meskipun variabel basis kurang dari , yaitu :
Tabel 2.3. Penambahan nilai
Asal Tujuan Persediaan
75
25
25
50
40
Kebutuhan 75 20 30 40 50+ 215
7
20- 5+
25-40- 10+
2.6. Matriks Transportasi Bowman
Hubungan perencaan produksi yang dalam penelitian ini merupakan
perencanaan produksi agregat dengan Matriks Transportasi Bowman adalah
bahwa metode transportasi dapat digunakan untuk mencari solusi dari
perencanaan produksi. Jadi dalam hal ini, agar metode transportasi dapat
digunakan, kita harus merumuskan permasalahan perencanaan agregat agar:
1. Kapasitas produksi (supply) dan tujuan diperlihatkan di dalam unit yang sama.
2. Total kapasitas untuk wilayah perencanaan sama dengan tujuan yang
diramalkan. Jika kondisi ini tidak terjadi, dapat dibuat kapasitas sumber tiruan
atau waktu luang pada kolom tujuan., dengan harga per unitnya adalah nol,
agar system seimbang.
3. Semua hubungan harga dibauat dalam bentuk linier. (Sultana et al. 2014).
Edward H. Bowman dari School of Industrial Management, Massashussets
Inssitute of Technology, Cambridge, Massachuessets, telah mengembangkan
sebuah model penjadwalan produksi dengan metode transportasi sebelum tanggal
11 agustus 1955.
Banyak perusahaan penghasil produk mempunyai pengalaman penjualan
yang berfluktuasi, khususnya atas dasar musiman. Fluktuasi di dalam penjualan
dapat dipenuhi dengan fluktuasi di dalam produksi atau fluktuasi di dalam
persediaan atau kombinasi dari kedua macam fluktuasi tersebut, agar biaya
produksi dan persediaan minimum.
Bowman telah menguji suatu kelas di M.I.T.’s School of Industrial
Management dengan memberi sebuah kasus jadwal produksi yang relatif
sederhana untuk diselesaikan dengan metode simpleks, dan kemudian dengan
menggunakan metode transportasi. Penyelesaian dengan metode simpleks
transportasi memerlukan waktu 15 hingga 30 menit. Matriks transportasi yang
telah dikembangkan oleh Bowman untuk menyelesaikan kasus penjadwalan
produksi dapat dilihat pada Tabel 2.5.1. Matriks jadwal produksi Bowman yang
ditampilkan pada Tabel 2.5.1 pada dasarnya tidak berbeda dengan matriks.
Namun, Bowman telah merancang bangun matriks ini agar sumber selalu lebih
besar atau sama dengan tujuan, sehingga tujuan tidak mungkin lebih besar dari
sumber. Itulah sebabnya berbagai kemungkinan yang dapat digunakan untuk
memenuhi permintaan penjualan diletakkan pada sumber, seperti persediaan I,
Tabel 2.4. Matriks Jadwal Produksi Bowman
Periode
Produksi
Sumber
Periode Penjualan (Tujuan)
Persediaan Waktu luang
Kapasitas
Total
(1) (2) (3) ... ...
Persediaan ... ... 0
Reguler (1) ... ... 0
Lembur (1) ... ... 0
Reguler (2) ... ... 0
Lembur (2) ... ... 0
Reguler (3) ... ... 0
Lembur (3) ... ... 0
... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ...
Reguler (n) ... ... 0
Lembur (n) ... ... 0
Keb. Total ... ... 0
Notasi:
= Persediaan pada akhir periode ke-i
= Jumlah maksimum unit yang dapat diproduksi selama periode waktu ke-i
pada waktu reguler
= Jumlah maksimum unit yang dapat diproduksi selama periode waktu ke-i
pada waktu lembur
= Jumlah produk jadi yang akan dijual (dikirim) selama periode waktu ke-i
= Biaya produksi per unit pada jam reguler (jam kerja biasa)
= Biaya produksi per unit pada jam lembur
= Biaya penyimpanan per unti per periode waktu
Berbagai kemungkinan sumber tersebut kemudian akan dipilih oleh model
atas dasar biaya terkecil untuk memenuhi seluruh permintaan penjualan agar biaya
total minimum. Karena kapasitas total sumber pada model yang dikembangkan
oleh Bowman ini selalu mampu memenuhi permintaan penjualan, secara
sistematis:
Dengan demikian, model matematik penjadwalan produksi Bowman adalah:
Kendala:
dimana,
parameter biaya sumber per unit, seperti biaya produksi rutin , biaya
2.7. Penggunanan Linear Programming dalam Masalah Transportasi
Masalah transportasi dapat juga dipecahkan dengan metode liniear programming. Sudah dibahas sebelumnya bahwa kebutuhan tidak selalu sama dengan kapasitas
yang tersedia. Seperti halnya dalam Model Matriks Transportasi Bowman.
Berikut ini akan disajikan perumusan masalah kalau kebutuhan sama, lebih besar
atau lebih kecil dari kapasitas yang tersedia. Setelah masalah dirumuskan, maka
dapat diselesaikan dengan langkah-langkah dalam metode linear programming, a. Kebutuhan sama dengan kapasitas
Fungsi tujuan:
Batasan-batasan:
Pada rumusan di atas semua kebutuhan dapat dipenuhi, semua kapasitas
sumber dialokasikan, dan nilai alokasi harus positif.
b. Kebutuhan lebih kecil dari kapasitas
Fungsi tujuan:
Pada rumusan di atas semua kebutuhan dapat dipenuhi, tetapi kapasitas
sumber tidak bisa dimanfaatkan sepenuhnya.
c. Kebutuhan lebih besar dari kapasitas
Fungsi tujuan:
Batasan-batasan:
Pada rumusan di atas tidak semua kebutuhan dapat dipenuhi kapasitas
sumber telah digunakan sepenuhnya. (Subgyo, 1984)
2.8. Biaya-biaya Persediaan
Untuk pengambilan keputusan penentuan besarnya jumlah persediaan besarnya
jumlah persediaan, biaya-biaya variabel berikut ini harus dipertimbangkan:
1. Biaya penyimpanan (Holding costs atau carrying costs) yaitu terdiri atas biaya-biaya yang bervariasi secara langsung dengan kuantitas persediaan.
Biaya penyimpanan per periode semakin besar apabila kuantitas bahan yang
dipesan semakin banyak atau rata-rata persedian semakin tinggi. Biaya-biaya
yang termasuk sebagai biaya penyimpanan adalah:
a. Biaya fasilitas-fasilitas penyimpanan (termasuk penerangan, pendingin
ruangan dan sebagainya).
b. Biaya modal (opportunity cost of capital) yaitu alternatif pendapatan atas dana yang diinvestasikan dalam persediaan.
d. Biaya penghitungan fisik.
e. Biaya asuransi persediaan.
f. Biaya pencurian, pengrusakan atau perampokan.
g. Biaya penanganan persediaan dan sebagainya
Biaya-biaya tersebut di atas adalah variabel apabila bervariasi dengan
tingkat persediaan . Apabila biaya fasilitas tidak penyimpanan (gudang) tidak
variabel, tetapi tetap, maka tidak dimasukkan dalam biaya penyimpanan per unit
Biaya penyimpanan persediaan biasanya berkisar antara 12 sampai 40 persen dari
biaya atau hrga barang. Untuk perusahaan-perusahaan manufacturing biasanya,
biaya penyimpanan rata-rata secara konsisten sekitar 25 persen.
2. Biaya pemesanan atau pembelian (ordering costs). Biaya-biaya ini meliputi: a. Pemrosesan pesanan dan biaya ekspedisi
b. Upah
h. Biaya utang lancar dan sebagainya
Pada umumnya, biaya perpesanan (di luar biaya bahan dan potongan
kuantitatis) tidak naik bila kuantitatis pesanan bertambah besar. Tetapi, apabila
semakin banyak komponen yang dipesan setiap kali pesan, jumlah pesanan per
periode turun, maka biaya pemesanan total akan turun. Ini berarti, biaya
pemesanan total per periode (tahunan) adalah sama dengan jumlah pesanan yang
dilakukan setiap periode dikalikan biaya yang harus dikeluarkan setiap kali pesan.
3. Biaya penyiapan (manufacturing) atau set-up cost. Hal ini terjadi apabila ahan-bahan tidak dibeli, tetapi diproduksi sendiri dalam pabrik perusahaan,
a. Biaya mesin-mesin menganggur
b. Biaya persiapan tenaga kerja langsung
c. Biaya penjadwalan
d. Biaya ekspedisi dan lainnya
Seperti halnya biaya pemesanan. Biaya penyiapan total per periode adalah
sama dengan biaya penyiapan dikalikan jumlah penyiapan per periode.
4. Biaya kehabisan atau kekurangan bahan (shortage costs), adalah biaya yang timbul apabila persediaan tidak mencukupi adanya permintaan baha.
Biaya-biaya yang termasuk kekurangan bahan adalah sebagai berikut:
a. Kehilangan penjualan
g. Tambahan pengeluaran kegiatan manejerial dan sebagainya
Biaya kekurangan bahan sulit diukur dalam praktek, terutama karena
kenyataannya biaya ini seringmerupakan opportunity costs, yang sulit diperkirakan secara obyektif (Rangkuti, 1995).
Salah satu model EOQ yang dapat menghitung biaya persediaan per unit
adalah dengan menggunakan persamaan EOQ model dengan adanya kapasitas
lebih. Jumlah seluruh biaya rata adalah :
Dimana:
Kapasitas/kemampuan produksiper tahun
Jumlah permintaan per tahun
Optimum order size
Catatan : jika biaya yang dihitung bukan biaya optimum, melainkan biaya
sebenarnya yang diterapkan oleh perusahaan.
2.9. Software LINDO
LINDO( Linear Ineraktive Discrete Optimizer ) adalah software yang dapat
digunakan untuk mencari penyelesaian dari masalah pemrograman linear. Dengan
menggunakan software ini memungkinkan perhitungan masalah pemrograman
linear dengan n variabel.
Prinsip kerja utama LINDO adalah memasukkan data, menyelesaikan,
serta menaksirkan kebenaran dan kelayakan data berdasarkan penyelesaiannya.
Menurut Linus Scharge (1991), Perhitungan yang digunakan pada LINDO pada
dasarnya menggunakan metode simpleks. Sedangkan untuk menyelesaikan
masalah pemrograman linear integer nol-satu software LINDO menggunakan
Metode Branch and Bound (metode Cabang dan Batas) menurut Mark Wiley
(2010).
Untuk menentukan nilai optimal dengan menggunakan LINDO diperlukan
beberapa tahapan yaitu:
1. Menentukan model matematika berdasarkan data real
2. Menentukan formulasi program untuk LINDO
3. Membaca hasil report yang dihasilkan oleh LINDO.
Perintah yang biasa digunakan untuk menjalankan program LINDO
adalah:
1. MAX, digunakan untuk memulai data dalam masalah maksimasi;
2. MIN, digunakan untuk memulai data dalam masalah minimasi;
3. END, digunakan untuk mengakhiri data;
5. LOOK, digunakan untuk mencetak bagian yang dipilih dari data yang
ada;
6. GIN, digunakan untuk variabel keputusan agar bernilai bulat;
7. INTE, digunakan untuk menentukan solusi dari masalah biner;
8. INT, sama dengan INTE;
9. SUB, digunakan untuk membatasi nilai maksimumnya;
10. SLB, digunakan untuk membatasi nilai minimumnya;
11. FREE, digunakan agar solusinya berupa bilangan real.
Kegunaan utama dari program LINDO adalah untuk mencari penyelesaian
dari masalah linier dengan cepat dengan memasukan data yang berupa rumusan
dalam bentuk linier. LINDO memberikan banyak manfaat dan kemudahan dalam
memecahkan masalah optimasi dan minimasi. Berikut ini cara memulai
menggunakan program LINDO adalah dengan membuka file LINDO kemudian
klik dua kali pada LINDOw32, tunggu sampai muncul dialog lalu klik OK,
LINDO sipa dioperasikan. Pada layar akan muncul untitled baru yang siap untuk
tempat mengetikkan formasi.
Model LINDO minimal memiliki tiga syarat:
1. memerlukan fungsi objektif;
2. variabel;
3. batasan (fungsi kendala).
Untuk syarat pertama fungsi objektif, bisa dikatakan tujuan. Tujuan disini
memiliki dua jenis tujuan yaitu maksimasi ( MAX ) dan minimasi (MIN ). Kata
pertama untuk mengawali pengetikan formula pada LINDO adalah MAX atau
MIN. Formula yang diketikan ke dalam untitled (papan editor pada LINDO)
setelah MAX atau MIN disebut fungsi tujuan. Secara umum dapat dituliskan
sebagai berikut.
Fungsi tujuan model matematika
Diketikkan ke dalam untitled menjadi
MIN C1X1+C2X2+. . . +CnXn
atau
MAX C1X1+C2X2+. . . +CnXn
Untuk syarat kedua adalah variabel. Variabel ini sangat penting, LINDO
tidak dapat dijalankan tanpa memasukkan variabel dalam formula.
Untuk syarat ketiga setelah fungsi objektif dan variabel selanjutnya adalah
batasan Dalam kenyataannya variabel tersebut pasti memiliki batasan, batasan itu
misalnya keterbatasan bahan, waktu, jumlah pekerja, biaya operasional. Setelah
fungsi objektif diketikkan selanjutnya diketikkan Subject to atau ST untuk mengawali pengetikan batasan dan pada baris berikutnya baru diketikkan batasan
untuk pengetikkan fungsi kendala ke dalam untitled adalah sebagai
berikut:
SUBJECT TO
a11X1+a12X2+. . .+C1nXn <= b1
a11X1+a22X2+. . .+C2nXn <= b2
am1X1+am2X2+. . .+CmnXn <= bm
X1>= 0
X2>= 0
Xn>= 0
END
Contoh :
Akan diselesaikan model pemrograman linear integer berikut dengan menggunakan software LINDO
Dengan fungsi kendala :
dalam formula diketikan dengan:
MAX 100X1 + 60X2 +70X3 + 15X4 + 15X5
SUBJECT TO
52X1 + 32X2 +35X3 + 15X4 + 7X5 <= 60
END
INTE X1
INTE X2
INTE X3
INTE X4
Keseluruhan formulasi yang dapat diketikkan ke dalam untitled LINDO
seperti pada gambar berikut.
Gambar 2.7. Formulasi pada LINDO
Setelah formula diketikkan siap dicari solusinya dengan memilih perintah
Solve atau mengklik tombol Solve pada toolbar . LINDO akan mengoreksi
kesalahan pada formula terlebih dahulu. Jika terjadi kesalahan dalam pengetikan
(tidak dapat dibaca oleh komputer) akan muncul kotak dialog dan kursor akan
menunjukkan pada baris yang salah.
Gambar 2.8. Menu Solve
Menu Solve digunakan untuk menampilkan hasil secara lengkap dengan beberapa pilihan berikut:
1. Solve-Solve, digunakan untuk menampilkan hasil optimasi dari data
pada papan editor dan secara lengkap. Pada tampilan hasil mencangkup nilai
Solution adalah pada Report Solution kadang-kadang jawabannya tidak optimal interasinya, sehingga pada Solve-Solve jawaban yang ditampilkan bernilai optimal. Report Solution tidak menampilkan nilai Dual Price serta ada pilihan apakah perlu ditampilkan nilai peubah keputusan yang nol.
2. Solve-Compile Model, digunakan untuk mengecek apakah struktur
penyusunan data pada papan editor data sudah benar. Jika penulisannya tidak
benar, maka akan ditampilkan pada baris ke-berapa kesalahan tersebut terdapat.
Jika tidak ada kesalahan, maka proses dapat dilanjutkan untuk mencari jawaban
yang optimal.
3. Solve Privot, digunakan untuk menampilkan nilai slack.
4. Solve Debug, digunakan untuk mempersempit permasalahan serta
mencari pada bagian mana yang mengakibatkan solusi tidak optimal, selanjutnya
ada pertanyaan untuk menentukan tingkat kesensitifitasan solusi.
Jika tidak terjadi kesalahan akan muncul status LINDO. Status ini berguna
untuk memonitor proses solusi.
Selanjutnya tekan close dan pada LINDO akan muncul tampilan baru yang
disebut report windows . Dalam report ini adalah 115 dengan dan
Gambar 2.10. Tampilan Report Solusi LINDO
Untuk tampilan pada report diatur sesuai dengan kebutuhan. Pengaturan
Gambar 2.11. Tampilan Perintah Report Program LINDO
Dalam menu report terdapat beberapa pilihan sebagai berikut:
1. Report Solution, digunakan untuk mendapatkan solusi optimal dari
permasalahan program linier yang tersaji pada papan editor data.
2. Report Range, digunakan untuk menayangkan hasil penyelesaian analisis
sensivitas. Pada analisis sensivitas yang ditayangkan mencakup aspek
Allowable Increase dan Allowable Decrease.
3. Report Parametrics, digunakan untuk mengubah dan menampilkan hasil
hanya pada baris kendala tertentu saja.
4. Report Statistics, digunakan untuk mendapatkan laporan kecil pada papan
editor report.
5. Report Peruse, digunakan untuk menampilkan sebagian dari model atau
jawaban.
6. Report Picture, digunakan untuk menampilkan (display) model dalam bentuk
7. Report Basis Picture, digunakan untuk menampilkan text format dari nilai basis, dan disajikan sesuai urutan baris dan kolom.
8. Report Table, digunakan untuk menampilkan tabel simpleks dari model yang
ada.
9. Report Formulation, digunakan untuk menampilkanmodel pada papan editor
data ke papan editor report .
10.Report Show Coloum, digunakan untuk menampilkan koefisien peubah.