Analisis Kepekaan Variabel Keputusan - Analisis dan Pembahasan

BAB IV PENGOLAHAN DATA DAN ANALISA HASIL

4.4 Analisis dan Pembahasan

4.4.4 Analisis Kepekaan Variabel Keputusan

Variabel jumlah gandum jenis n (𝑇 ) merupakan variabel yang paling besar dalam mempengaruhi nilai fungsi tujuan sebab variabel tersebut memiliki nilai koefisien (harga gandum) yang paling besar jika dibandingkan koefisien variabel

keputusan yang lain. Jumlah gandum jenis n yang dikonsumsi agar biaya produksi optimal dapat dilihat dalam Tabel 4.14.

Tabel 4.14 menunjukkan bahwa untuk mendapatkan hasil yang optimal, maka gandum jenis n=1 digiling di mesin penggiling m=1, gandum jenis n=2 digiling di mesin penggiling m=2, dan gandum jenis n=3 digiling di mesin penggiling m=3.

Apabila sebanyak 1 Ton/minggu gandum jenis n=1 digiling di mesin penggiling m=2, maka nilai fungsi tujuan akan meningkat sebesar Rp 2.000. Peningkatan sebesar Rp 2.000 tersebut sebenarnya adalah nilai selisih koefisien (biaya penggilingan) antara biaya menggiling gandum n=1 di mesin penggiling m=1 sebesar Rp 114.000 dengan biaya menggiling gandum n=1 di mesin penggiling m=2 sebesar Rp 116.000. Nilai 2.000 ini lah yang muncul sebagai nilai Reduced Cost variabel T112, T132, dan T142 pada hasil pengolahan dengan Lingo.

Intepretasi yang sama dapat digunakan untuk mengetahui tingkat kepekaan variabel keputusan yang lain.

Tabel 4.14 Analisis Kepekaan Variabel Keputusan 𝑇 dan 𝑇

Variabel Value Reduced

Cost Variabel Value Reduced Cost T1 6.514,25 - T212 4.815,00 - T2 8.168,00 - T222 2.707,37 - T3 14.497,74 - T242 645,63 - T111 2.675,00 - T213 - 22.750 T131 860,00 - T223 - 22.750 T141 2.979,25 - T243 - 22.750 T112 - 2.000 T321 - 16.250 T132 - 2.000 T341 - 16.250 T142 - 2.000 T351 - 16.250 T113 - 26.000 T322 - 1.250 T133 - 26.000 T342 - 1.250 T143 - 26.000 T352 - 1.250 T211 - 1.750 T323 3.722,63 - T221 - 1.750 T343 5.445,11 - T241 - 1.750 T353 5.330,00 -

35 Tabel 4.15 Analisis Kepekaan Variabel Keputusan 𝑋

Variabel Value Reduced Cost

Variabel Value Reduced Cost X1111 740,00 - X1112 - 20.000 X1211 - 20.000 X1212 150,00 - X1121 730,00 - X1122 - 20.000 X1221 - 20.000 X1222 1.000,00 - X1131 200,00 - X1132 - 20.000 X1231 - 20.000 X1232 100,00 - X1141 1.000,00 - X1142 - 20.000 X1241 - 20.000 X1242 800,00 - X1151 500,00 - X1152 - 20.000 X1251 - 20.000 X1252 700,00 - X2111 2.000,00 - X2112 - 20.000 X2211 - 20.000 X2212 100,00 - X2121 1.500,00 - X2122 - 20.000 X2221 - 20.000 X2222 1.000,00 - X2131 100,00 - X2132 - 20.000 X2231 - 20.000 X2232 150,00 - X2141 2.000,00 - X2142 - 20.000 X2241 - 20.000 X2242 200,00 - X2151 450,00 - X2152 - 20.000 X2251 - 20.000 X2252 500,00 - X3111 800,00 - X3112 - 20.000 X3211 - 20.000 X3212 100,00 - X3121 500,00 - X3122 - 20.000 X3221 - 20.000 X3222 200,00 - X3131 50,00 - X3132 - 20.000 X3231 - 20.000 X3232 50,00 - X3141 1.000,00 - X3142 - 20.000 X3241 - 20.000 X3242 500,00 - X3151 1.000,00 - X3152 - 20.000 X3251 - 20.000 X3252 400,00 - X4111 2.500,00 - X4112 - 20.000 X4211 - 20.000 X4212 50,00 - X4121 500,00 - X4122 - 20.000 X4221 - 20.000 X4222 400,00 - X4131 10,00 - X4132 - 20.000 X4231 - 20.000 X4232 50,00 - X4141 3.000,00 - X4142 - 20.000 X4241 - 20.000 X4242 50,00 - X4151 1.500,00 - X4152 - 20.000 X4251 - 20.000 X4252 50,00 - X5111 1.000,00 - X5112 - 20.000 X5211 - 20.000 X5212 50,00 - X5121 500,00 - X5122 - 20.000 X5221 - 20.000 X5222 100,00 - X5131 100,00 - X5132 - 20.000 X5231 - 20.000 X5232 50,00 - X5141 500,00 - X5142 - 20.000 X5241 - 20.000 X5242 20,00 - X5151 200,00 - X5152 - 20.000 X5251 - 20.000 X5252 30,00 -

4.5 Implikasi Manajerial

 Sebelum dilakukan optimasi, untuk memenuhi kebutuhan gandum perusahaan mendatangkan 2 kapal gandum dari Kanada, 2 kapal gandum dari Australia, dan 3 kapal gandum dari Ukraina. Sedangkan dengan metode optimasi, perusahaan dapat memenuhi kebutuhan dengan hanya mendatangkan 1 kapal gandum dari Kanada, 1 kapal gandum dari Australia, dan 2 kapal gandum dari Ukraina, dengan asumsi jumlah permintaan tepung terigu sama baik sebelum maupun sesudah optimasi.

 Berdasarkan hasil optimasi dalam penugasan mesin-mesin penggiling ada kecenderungan mesin penggiling m=1 lebih optimal untuk menggiling gandum n=1, mesin penggiling m=2 untuk menggiling gandum n=2, dan mesin penggiling m=3 untuk menggiling gandum n=3. Jika sebelum optimasi, penugasan mesin penggiling untuk suatu jenis gandum diabaikan

maka setelah optimasi, penugasan mesin penggiling dapat lebih dikhusukan untuk jenis gandum tertentu.

 Penugasan mesin pengepakan terhadap jenis kemasan memiliki kecenderungan dimana mesin pengepakan l=1 lebih optimal untuk menyiapkan kemasan j=1 sedangkan mesin pengepakan l=2 lebih optimal untuk menyiapkan kemasan j=2. Hal ini dapat menjadi gambaran untuk perusahaan dalam memperhitungkan penugasan mesin-mesin pengepak.

BAB V

KESIMPULAN DAN SARAN

Bab ini adalah bab penutup pada penilitian ini yang akan memaparkan kesimpulan dari penelitian yang dilakukan dan saran-saran yang diharapkan dapat menjadi pertimbangan untuk penelitian-penelitian selanjutnya.

5.1 Kesimpulan

Berdasarkan hasil pembahasan dan analisis yang telah dilakukan selama penelitian maka dapat diambil beberapa kesimpulan sebagai berikut:

1. Pemanfaatan linear programming untuk menentukan jumlah produk yang harus diproduksi untuk masing-masing depo tujuan mampu menghasilkan penyelesaian optimal yang memenuhi semua kendala.

2. Penyelesaian model mampu menentukan penugasan mesin-mesin dan pemilihan bahan baku sesuai dengan kuantitas dan kualitas yang diharapkan.

3. Hasil dari metode optimasi menunjukkan bahwa perusahaan memiliki potensi dapat menurunkan biaya sebesar 20,9%.

5.2 Saran

Beberapa hal yang perlu ditambahkan untuk dijadikan pertimbangan bagi penelitian berikutnya antara lain:

1. Perlu diberikan batasan minimal jam mesin agar alokasi penggunaan jam mesin lebih seimbang.

2. Harga impor komoditas gandum sering mengalami perubahan yang banyak dipengaruhi tarif untuk itu penerapan model optimasi ini memerlukan adanya penyesuaian.

Halaman Ini Sengaja Dikosongkan

DAFTAR PUSTAKA

Chopra, S. dan Meindl, P. (2001). Supply Chain Management: Strategy, Planning and Operation. Prentice Hall, Inc. Upper Saddle River, New Jersey.

Gass, S.I. (2003). Linear Programming: Methods and Applications. Courier Corporation. North Chelmsford, Massachusetts.

Hastuti, P. R., Yuliando, H., Aziz, I. W. F., (2015), Production Scheduling Using Mixed Integer Programming: Case of Bread Small and Medium Enterprise at Yogyakarta, Agriculture and Agricultural Science, Prodia 3, hal. 211-215.

Lieberman and Hillier. (2010). Introduction to Operations Research: Ninth Edition.

New York: McGraw-Hill Book Company.

Mulyono, M. F. (2012). Optimasi Perencanaan Cat di PT XYZ dengan Metode Mixed Integer Programming, Tesis MMT., ITS, Surabaya.

Rahmani, D., Ramezania, R., Fattahi, P., Heydari, M. (2013), A Robust Optimization Model for Multi-Product two stage Capacitated Production Planning Under Uncertainly, Applied Mathematical Modelling, Vol.37, hal. 8957-8971.

Taha, H. A. (2007). Operation Research: Eight Edition. New York: Pearson Education, Inc.

Taylor III, Bernard, W. (2010). Introduction to Management Science: Tenth Edition. Prentice-Hall, Inc.

Windarti, T. (2011), Optimasi Perencanaan Produksi Besi Beton pada Rolling Mill dengan Menggunakan Metode Integer Programming di PT. HJS, Tesis MMT., ITS, Surabaya.

Halaman Ini Sengaja Dikosongkan

LAMPIRAN

Lampiran 1. Fungsi Tujuan

!fungsi tujuan;

Min= 3300000*T1 + 3100000*T2 + 2900000*T3 + 114000*(T111+T121+T131+T141+T151) +

116000*(T112+T122+T132+T142+T152) + 140000*(T113+T123+T133+T143+T153) + 101500*(T211+T221+T231+T241+T251) + 99750*(T212+T222+T232+T242+T252) + 122500*(T213+T223+T233+T243+T253) + 87500*(T311+T321+T331+T341+T351) + 72500*(T312+T322+T332+T342+T352) + 71250*(T313+T323+T333+T343+T353) +

250000*(X1111+X1121+X1131+X1141+X1151+X2111+X2121+X2131+

X2141+X2151+X3111+X3121+X3131+X3141+X3151+X4111+X4121+X 4131+X4141+X4151+X5111+X5121+X5131+X5141+X5151)+

270000*(X1112+X1122+X1132+X1142+X1152+X2112+X2122+X2132+

X2142+X2152+X3112+X3122+X3132+X3142+X3152+X4112+X4122+X 4132+X4142+X4152+X5112+X5122+X5132+X5142+X5152)+

770000*(X1211+X1221+X1231+X1241+X1251+X2211+X2221+X2231+

X2241+X2251+X3211+X3221+X3231+X3241+X3251+X4211+X4221+X 4231+X4241+X4251+X5211+X5221+X5231+X5241+X5251)+

750000*(X1212+X1222+X1232+X1242+X1252+X2212+X2222+X2232+

X2242+X2252+X3212+X3222+X3232+X3242+X3252+X4212+X4222+X 4232+X4242+X4252+X5212+X5222+X5232+X5242+X5252);

Lampiran 2: Kendala Permintaan

!fungsi kendala permintaan;

X1111+X1112 >= 740;

X1121+X1122 >= 730;

X1131+X1132 >= 200;

X1141+X1142 >= 1000;

X1151+X1152 >= 500;

X1211+X1212 >= 150;

X1221+X1222 >= 1000;

X1231+X1232 >= 100;

X1241+X1242 >= 800;

X1251+X1252 >= 700;

X2111+X2112 >= 2000;

X2121+X2122 >= 1500;

X2131+X2132 >= 100;

X2141+X2142 >= 2000;

X2151+X2152 >= 450;

X2211+X2212 >= 100;

X2221+X2222 >= 1000;

X2231+X2232 >= 150;

X2241+X2242 >= 200;

X2251+X2252 >= 500;

X3111+X3112 >= 800;

X3121+X3122 >= 500;

X3131+X3132 >= 50;

X3141+X3142 >= 1000;

X3151+X3152 >= 1000;

X3211+X3212 >= 100;

X3221+X3222 >= 200;

X3231+X3232 >= 50;

X3241+X3242 >= 500;

X3251+X3252 >= 400;

X4111+X4112 >= 2500;

X4121+X4122 >= 500;

X4131+X4132 >= 10;

X4141+X4142 >= 3000;

X4151+X4152 >= 1500;

43 X4211+X4212 >= 50;

X4221+X4222 >= 400;

X4231+X4232 >= 50;

X4241+X4242 >= 50;

X4251+X4252 >= 50;

X5111+X5112 >= 1000;

X5121+X5122 >= 500;

X5131+X5132 >= 100;

X5141+X5142 >= 500;

X5151+X5152 >= 200;

X5211+X5212 >= 50;

X5221+X5222 >= 100;

X5231+X5232 >= 50;

X5241+X5242 >= 20;

X5251+X5252 >= 30;

Lampiran 3: Kendala Kapasitas Mesin Pengepakan

!fungsi kendala kapasitas mesin Packer 1;

3.08*(X1111+X1121+X1131+X1141+X1151+X2111+X2121+X2131+X21 41+X2151+X3111+X3121+X3131+X3141+X3151+X4111+X4121+X4131 +X4141+X4151+X5111+X5121+X5131+X5141+X5151)+

18.18*(X1211+X1221+X1231+X1241+X1251+X2211+X2221+X2231+X2 241+X2251+X3211+X3221+X3231+X3241+X3251+X4211+X4221+X423 1+X4241+X4251+X5211+X5221+X5231+X5241+X5251)+

60*(Y11+Y21) <= 252000;

!untuk memilih mesin;

!M adalah bilangan integer yang sangat besar;

!dalam kasus ini M bernilai 100000;

M=100000;

(X1111+X1121+X1131+X1141+X1151+X2111+X2121+X2131+X2141+X 2151+X3111+X3121+X3131+X3141+X3151+X4111+X4121+X4131+X41 41+X4151+X5111+X5121+X5131+X5141+X5151)-M*Y11 <= 0;

(X1211+X1221+X1231+X1241+X1251+X2211+X2221+X2231+X2241+X 2251+X3211+X3221+X3231+X3241+X3251+X4211+X4221+X4231+X42 41+X4251+X5211+X5221+X5231+X5241+X5251)-M*Y21 <= 0;

!Y11 dan Y21 bernilai biner;

@Bin(Y11); @Bin(Y21);

!fungsi kendala kapasitas mesin Packer 2;

3.08*(X1112+X1122+X1132+X1142+X1152+X2112+X2122+X2132+X21 42+X2152+X3112+X3122+X3132+X3142+X3152+X4112+X4122+X4132 +X4142+X4152+X5112+X5122+X5132+X5142+X5152)+

18.18*(X1212+X1222+X1232+X1242+X1252+X2212+X2222+X2232+X2 242+X2252+X3212+X3222+X3232+X3242+X3252+X4212+X4222+X423 2+X4242+X4252+X5212+X5222+X5232+X5242+X5252)+

60*(Y12+Y22) <= 151200;

!untuk memilih mesin;

!M adalah bilangan integer yang sangat besar;

!dalam kasus ini M bernilai 100000;

M=100000;

(X1112+X1122+X1132+X1142+X1152+X2112+X2122+X2132+X2142+X 2152+X3112+X3122+X3132+X3142+X3152+X4112+X4122+X4132+X41 42+X4152+X5112+X5122+X5132+X5142+X5152)-M*Y12 <= 0;

(X1212+X1222+X1232+X1242+X1252+X2212+X2222+X2232+X2242+X 2252+X3212+X3222+X3232+X3242+X3252+X4212+X4222+X4232+X42 42+X4252+X5212+X5222+X5232+X5242+X5252)-M*Y22 <= 0;

!Y12 dan Y22 bernilai biner;

@Bin(Y12); @Bin(Y22);

Lampiran 4: Kendala Kapasitas Mesin Penggiling

!fungsi kendala kapasitas mesin penggiling;

1.7*(T111+T131+T141)+1.5*(T211+T221+T241)+

1.4*(T321+T341+T351) <= 60480;

45 1.7*(T112+T132+T142)+1.5*(T212+T222+T242)+

1.4*(T322+T342+T352) <= 50400;

1.7*(T113+T133+T143)+1.5*(T213+T223+T243)+

1.4*(T323+T343+T353) <= 40320;

Lampiran 5: Kendala Kapasitas Penyimpanan Bahan Baku

!fungsi kendala kapasitas penyimpanan bahan baku;

T111+T131+T141+T112+T132+T142+T113+T133+T143 <= 40000;

T211+T221+T241+ T212+T222+T242+T213+T223+T243 <= 62000;

T321+T341+T351+T322+T342+T352+T323+T343+T353 <= 102000;

Lampiran 6: Kendala Jumlah Tepung dan Gandum

!fungsi kendala jumlah tepung dan gandum;

X1111+X1112+X1211+X1212+X2111+X2112+X2211+X2212+X3111+

X3112+X3211+X3212+X4111+X4112+X4211+X4212+X5111+X5112+

X5211+X5212=T11+T21;

X1121+X1122+X1221+X1222+X2121+X2122+X2221+X2222+X3121+

X3122+X3221+X3222+X4121+X4122+X4221+X4222+X5121+X5122+

X5221+X5222=T22+T32;

X1131+X1132+X1231+X1232+X2131+X2132+X2231+X2232+X3131+

X3132+X3231+X3232+X4131+X4132+X4231+X4232+X5131+X5132+

X5231+X5232=T13;

X1141+X1142+X1241+X1242+X2141+X2142+X2241+X2242+X3141+

X3142+X3241+X3242+X4141+X4142+X4241+X4242+X5141+X5142+

X5241+X5242=T14+T24+T34;

X1151+X1152+X1251+X1252+X2151+X2152+X2251+X2252+X3151+

X3152+X3251+X3252+X4151+X4152+X4251+X4252+X5151+X5152+

X5251+X5252=T35;

Lampiran 7: Kendala Kandungan Nutrisi

!fungsi kendala kandungan nutrisi;

T11+T13+T14 =T1;

T21+T22+T24=T2;

T32+T34+T35=T3;

!fungsi kendala moisture kualitas 1 (%);

!min;

0.9*T11 - 0.5*T21 >= 0;

!max;

0.7*T11 - 0.7*T21 <= 0;

!fungsi kendala protein kualitas 1(%);

!min;

1.67*T11 - 0.67*T21 >= 0;

!max;

0.67*T11 -1.67*T21<= 0;

!fungsi kendala ash kualitas 1 (%);

!min;

0.11*T11 + 0.01*T21 >= 0;

!max;

0.01*T11 - 0.09*T21<= 0;

!fungsi kendala moisture kualitas 2;

!min;

0.2*T22 + 0.6*T32 >= 0;

!max;

-0.3*T22 + 0.1*T32 <= 0;

!fungsi kendala protein kualitas 2;

!min;

1.33*T22 - 0.5 *T32 >= 0;

!max;

0.33*T22 - 1.5 *T32 <= 0;

!fungsi kendala ash kualitas 2;

!min;

0.11*T22 - 0.08*T32 >= 0;

!max;

0.01*T22 - 0.18*T32 <= 0;

!fungsi kendala moisture kualitas 3;

!min;

0.2*T13 >= 0;

!max;

-0.1*T13 <= 0;

!fungsi kendala protein kualitas 3;

!min;

0.67*T13 >= 0;

!max;

-0.33*T13 <= 0;

!fungsi kendala ash kualitas 3;

!min;

0.01*T13 >= 0;

!max;

0.03*T13 <= 0;

!fungsi kendala mositure kualitas 4;

!min;

0.9*T14 -0.5*T24 - 0.1*T34 >= 0;

!max;

0.7*T14 - 0.7*T24 - 0.3*T34 <= 0;

!fungsi kendala protein kualitas 4;

!min;

2.67*T14 + 0.33*T24 - 1.5*T34 >= 0;

!max;

1.67*T14 - 0.67*T24 - 2.5*T34 <= 0;

!fungsi kendala ash kualitas 4;

!min;

0.21*T14 + 0.11*T24 - 0.08*T34 >= 0;

!max;

0.11*T14 + 0.01*T24 - 0.18*T34 <= 0;

!fungsi kendala moisture kualitas 5;

!min;

0.1*T35 >= 0;

!max;

- 0.1*T35 <= 0;

!fungsi kendala protein kualitas 5;

!min;

0.5*T35 >= 0;

!max;

- 0.5*T35 <= 0;

!fungsi kendala ash kualitas 5;

!min;

0.06*T35 >= 0;

!max;

- 0.04*T35 <= 0;

!fungsi kendala kandungan nutrisi;

T111+T112+T113=T11;

T211+T212+T213=T21;

T221+T222+T223=T22;

T321+T322+T323=T32;

T131+T132+T133=T13;

T141+T142+T143=T14;

T241+T242+T243=T24;

T341+T342+T343=T34;

T351+T352+T353=T35;

49 Lampiran 8: Perencanaan Metode Perusahaan

Variabel

Biaya satuan (Rp/Ton)

(a)

Jumlah produksi ( Ton/Minggu)

(b)

Total biaya (Rp) (a) x (b)

T1 T2 T3 T111 T131 T141 T112 T132 T142 T113 T133 T143 T211 T221 T241 T212 T222 T242 T213 T223 T243 T321 T341 T351 T322 T342 T352 T323 T343 T353 X1111 X1121 X1131 3.300.000 9.500,00 31.350.000.000 3.100.000 12.000,00 37.200.000.000 2.900.000 18.000,00 52.200.000.000 114.000 1.000,00 114.000.000 114.000 360,00 41.040.000 114.000 800,00 91.200.000 116.000 1.000,00 116.000.000 116.000 - - 116.000 1.500,00 174.000.000 140.000 675,00 94.500.000 140.000 500,00 70.000.000 140.000 679,25 95.095.560 101.500 1.815,00 184.222.500 101.500 700,00 71.050.000 101.500 320,00 32.480.000 99.750 3.000,00 299.250.000 99.750 1.007,37 100.484.958 99.750 325,63 32.482.051 122.500 - - 122.500 1.000,00 122.500.000 122.500 - - 87.500 1.000,00 87.500.000 87.500 945,11 82.697.213 87.500 2.000,00 175.000.000 72.500 1.722,63 124.890.820 72.500 2.000,00 145.000.000 72.500 2.330,00 168.925.000 71.250 1.000,00 71.250.000 71.250 2.500,00 178.125.000 71.250 1.000,00 71.250.000 250.000 600,00 150.000.000 250.000 730,00 182.500.000 250.000 - -

Variabel

Biaya satuan (Rp/Ton)

(a)

Jumlah produksi ( Ton/Minggu)

(b)

Total biaya (Rp) (a) x (b) X1141 250.000 500,00 125.000.000 X1151 250.000 500,00 125.000.000 X2111 250.000 1.500,00 375.000.000 X2121 250.000 1.500,00 375.000.000

X2131 250.000 -

X2141 250.000 1.000,00 250.000.000 X2151 250.000 450,00 112.500.000 X3111 250.000 500,00 125.000.000 X3121 250.000 500,00 125.000.000

X3131 250.000 -

X3141 250.000 500,00 125.000.000 X3151 250.000 1.000,00 250.000.000 X4111 250.000 2.000,00 500.000.000 X4121 250.000 500,00 125.000.000

X4131 250.000 -

X4141 250.000 1.500,00 375.000.000 X4151 250.000 1.500,00 375.000.000 X5111 250.000 800,00 200.000.000 X5121 250.000 500,00 125.000.000

X5131 250.000 -

X5141 250.000 250,00 62.500.000 X5151 250.000 200,00 50.000.000 X1112 270.000 140,00 37.800.000 X1122 270.000 - - X1132 270.000 200,00 54.000.000 X1142 270.000 500,00 135.000.000 X1152 270.000 - - X2112 270.000 500,00 135.000.000 X2122 270.000 - - X2132 270.000 100,00 27.000.000 X2142 270.000 1.000,00 270.000.000 X2152 270.000 - - X3112 270.000 300,00 81.000.000

51 Variabel

Biaya satuan (Rp/Ton)

(a)

Jumlah produksi ( Ton/Minggu)

(b)

Total biaya (Rp) (a) x (b) X3122 270.000 - - X3132 270.000 50,00 13.500.000 X3142 270.000 500,00 135.000.000 X3152 270.000 - - X4112 270.000 500,00 135.000.000 X4122 270.000 - - X4132 270.000 10,00 2.700.000 X4142 270.000 1.500,00 405.000.000 X4152 270.000 - - X5112 270.000 200,00 54.000.000 X5122 270.000 - - X5132 270.000 100,00 27.000.000 X5142 270.000 250,00 67.500.000 X5152 270.000 - - X1211 770.000 - - X1221 770.000 - - X1231 770.000 - - X1241 770.000 300,00 231.000.000 X1251 770.000 - - X2211 770.000 - - X2221 770.000 - - X2231 770.000 - - X2241 770.000 - - X2251 770.000 - - X3211 770.000 - - X3221 770.000 - - X3231 770.000 - - X3241 770.000 - - X3251 770.000 - - X4211 770.000 - - X4221 770.000 - - X4231 770.000 - - X4241 770.000 - -

Variabel

Biaya satuan (Rp/Ton)

(a)

Jumlah produksi ( Ton/Minggu)

(b)

Total biaya (Rp) (a) x (b)

X4251 770.000 - - X5211 770.000 - - X5221 770.000 - - X5231 770.000 - - X5241 770.000 - - X5251 770.000 - - X1212 750.000 150,00 112.500.000 X1222 750.000 1.000,00 750.000.000 X1232 750.000 100,00 75.000.000 X1242 750.000 500,00 375.000.000 X1252 750.000 700,00 525.000.000 X2212 750.000 100,00 75.000.000 X2222 750.000 1.000,00 750.000.000 X2232 750.000 150,00 112.500.000 X2242 750.000 200,00 150.000.000 X2252 750.000 500,00 375.000.000 X3212 750.000 100,00 75.000.000 X3222 750.000 200,00 150.000.000 X3232 750.000 50,00 37.500.000 X3242 750.000 500,00 375.000.000 X3252 750.000 400,00 300.000.000 X4212 750.000 50,00 37.500.000 X4222 750.000 400,00 300.000.000 X4232 750.000 50,00 37.500.000 X4242 750.000 50,00 37.500.000 X4252 750.000 50,00 37.500.000 X5212 750.000 50,00 37.500.000 X5222 750.000 100,00 75.000.000 X5232 750.000 50,00 37.500.000 X5242 750.000 20,00 15.000.000 X5252 750.000 30,00 22.500.000 134.310.943.000

Total

53 Lampiran 9: Perencanaan Metode Optimasi

Variabel

Biaya satuan (Rp/Ton)

(a)

Jumlah produksi ( Ton/Minggu)

(b)

Total biaya (Rp) (a) x (b)

T1 3.300.000 6.514,25 21.497.038.200 T2 3.100.000 8.168,00 25.320.809.300 T3 2.900.000 14.497,74 42.043.446.000 T111 114.000 2.675,00 304.950.000 T131 114.000 860,00 98.040.000 T141 114.000 2.979,25 339.634.956 T112 116.000 - - T132 116.000 - - T142 116.000 - - T113 140.000 - - T133 140.000 - - T143 140.000 - - T211 101.500 - - T221 101.500 - - T241 101.500 - - T212 99.750 4.815,00 480.296.250 T222 99.750 2.707,37 270.059.958 T242 99.750 645,63 64.402.051 T213 122.500 - - T223 122.500 - - T243 122.500 - - T321 87.500 - - T341 87.500 - - T351 87.500 - - T322 72.500 - - T342 72.500 - - T352 72.500 - - T323 71.250 3.722,63 265.237.530 T343 71.250 5.445,11 387.964.159 T353 71.250 5.330,00 379.762.500 X1111 250.000 740,00 185.000.000 X1121 250.000 730,00 182.500.000 X1131 250.000 200,00 50.000.000

Variabel

Biaya satuan (Rp/Ton)

(a)

Jumlah produksi ( Ton/Minggu)

(b)

Total biaya (Rp) (a) x (b)

X1141 250.000 1.000,00 250.000.000 X1151 250.000 500,00 125.000.000 X2111 250.000 2.000,00 500.000.000 X2121 250.000 1.500,00 375.000.000 X2131 250.000 100,00 25.000.000 X2141 250.000 2.000,00 500.000.000 X2151 250.000 450,00 112.500.000 X3111 250.000 800,00 200.000.000 X3121 250.000 500,00 125.000.000 X3131 250.000 50,00 12.500.000 X3141 250.000 1.000,00 250.000.000 X3151 250.000 1.000,00 250.000.000 X4111 250.000 2.500,00 625.000.000 X4121 250.000 500,00 125.000.000 X4131 250.000 10,00 2.500.000 X4141 250.000 3.000,00 750.000.000 X4151 250.000 1.500,00 375.000.000 X5111 250.000 1.000,00 250.000.000 X5121 250.000 500,00 125.000.000 X5131 250.000 100,00 25.000.000 X5141 250.000 500,00 125.000.000 X5151 250.000 200,00 50.000.000 X1112 270.000 - - X1122 270.000 - - X1132 270.000 - - X1142 270.000 - - X1152 270.000 - - X2112 270.000 - - X2122 270.000 - - X2132 270.000 - - X2142 270.000 - - X2152 270.000 - - X3112 270.000 - -

55 Variabel

Biaya satuan (Rp/Ton)

(a)

Jumlah produksi ( Ton/Minggu)

(b)

Total biaya (Rp) (a) x (b)

X3122 270.000 - - X3132 270.000 - - X3142 270.000 - - X3152 270.000 - - X4112 270.000 - - X4122 270.000 - - X4132 270.000 - - X4142 270.000 - - X4152 270.000 - - X5112 270.000 - - X5122 270.000 - - X5132 270.000 - - X5142 270.000 - - X5152 270.000 - - X1211 770.000 - - X1221 770.000 - - X1231 770.000 - - X1241 770.000 - - X1251 770.000 - - X2211 770.000 - - X2221 770.000 - - X2231 770.000 - - X2241 770.000 - - X2251 770.000 - - X3211 770.000 - - X3221 770.000 - - X3231 770.000 - - X3241 770.000 - - X3251 770.000 - - X4211 770.000 - - X4221 770.000 - - X4231 770.000 - - X4241 770.000 - -

Dalam dokumen OPTIMASI PERENCANAAN PRODUKSI TEPUNG TERIGU DI PT Y DENGAN MODEL LINEAR PROGRAMMING (Halaman 51-55)