USULAN PERENCANAAN PRODUKSI PADA PRODUK SLAB BAJA DENGAN MENGGUNAKAN GOAL PROGRAMMING DI PT. XYZ

Vol.5 No.2 Juli 2017

USULAN PERENCANAAN PRODUKSI PADA PRODUK SLAB BAJA DENGAN MENGGUNAKAN GOAL PROGRAMMING DI PT. XYZ 1 2 3 Melinda Trianita , Lely Herlina , Bobby Kurniawan Jurusan Teknik Industri, Fakultas Teknik Untirta Jl. Jend.Sudirman Km.3 Cilegon, Banten 42435 1 2 3 [email protected] [email protected] [email protected]

ABSTRAK Goal Programming adalah salah satu model matematis yang dipandang sesuai digunakan untuk menyelesaikan masalah multi tujuan karena melalui variabel deviasinya, goal programming secara otomatis menangkap informasi tentang pencapaian relatif dari tujuan yang ada. PT. XYZ adalah perusahaan yang bergerak dibidang industri manufaktur dan menggunakan sistem make to order. Perusahaan ini memproduksi besi dan baja berkualitas salah satu produknya adalah slab baja. Slab baja yang diproduksi terdiri dari slab baja yang mengandung alloy dan tanpa alloy. Pada masing-masing slab tersebut terdapat grade yang menunjukan kandungan bahan pada setiap slabnya. Pada penelitian ini produk yang dibahas adalah slab baja tanpa alloy karena slab tersebut adalah slab yang merupakan mayoritas produk dipesan oleh konsumen. Penelitian difokuskan pada slab tanpa alloy dengan tiga grade yaitu slab grade low, garde medium dan grade high. Masalah yang dihadapi oleh perusahaan ini adalah slab yang diproduksi sendiri lebih mahal biaya produksinya dibanding slab import dari perusahaan lain karena perbandingannya berkisar sekitar 40% dari harga PT. XYZ. Hasil penelitian ini menunjukan bahwa semua fungsi tujuan tercapai. Keuntungan yang sesuai target, permintaan produksi terpenuhi, dan jumlah import berkurang. Kata Kunci : Perencanaan Produksi, Make To Order, Goal Programming, LINGO 11.

ABSTRACT Goal Programming is one that is deemed appropriate mathematical model used to solve the problem of multi purpose because through variable deviation, goal programming automatically capture information about the relative achievement of goals there. PT. XYZ is a company engaged in manufacturing and using the system make to order. The company manufactures quality iron and steel one product is a steel slab. Slab steel produced consists of a steel slab containing alloy and without alloy. In each of these there is a grade slab showing the ingredients on each slabnya. In this study, the products covered are without alloy steel slab as the slab is a slab which is the majority of products ordered by customers. The study focused on the slab without alloy with three grades of low grade slab, garde medium and high grade. Problems faced by the company is self-produced slab is more expensive to produce than the slab import from other companies for comparison ranged around 40% of the price of PT. XYZ. These results indicate that all functions are achievable goals. Gains on target, production demand is fulfilled, and the number of import is reduced. Keywords : Production Planning, Make To Order, Goal Programming, LINGO 11

142

Vol.5 No.2 Juli 2017 fungsi tujuan yng lebih dari satu maka tidak akan bisa diselesaikan hanya dengan pemrograman linear biasa

PENDAHULUAN Salah satu metode yang dapat digunakan dalam perencanaan produksi adalah metode goal programming yang merupakan metode linear programming. Goal Programming adalah salah satu model matematis yang dipandang sesuai digunakan untuk menyelesaikan masalah multi tujuan karena melalui variabel deviasinya, goal programming secara otomatis menangkap informasi tentang pencapaian relatif dari tujuan yang ada (Charles D dan Simson, 2002). Model Goal Programming yang sering disebut juga program linear tujuan ganda merupakan perluasan dari Program Linier. Perbedaannya hanya terletak pada kehadiran sepasang variabel deviasional yang muncul pada fungsi tujuan dan fungsi-fungsi kendala (Siswanto, 2007). Secara umum Goal Programming ini digunakan untuk menyelesaikan persoalan yang memiliki tujuan ganda (atau lebih dari satu tujuan yang mungkin terselesaikan dengan model Pemrograman Linier. Sistem make to order merupakan salah satu strategi yang dapat mengurangi masalah persediaan yang berlebih dan system tersebut mempunyai strategi persediaan tetapi hanya dalam bentuk desain produk dan beberapa bahan baku standar sesuai dengan produk yang dibuat sebelumnya. Aktivitas proses berdasarkan order konsumen kemudian perusahaan akan membuat produk dan menyerahkan kepada konsumen. Pada sistem ini resiko terhadap investasi persediaan kecil, operasional lebih fokus pada keinginan konsumennya. Perusahaan ini memproduksi besi dan baja berkualitas salah satu produknya adalah slab baja. Slab baja yang diproduksi terdiri dari slab baja yang mengandung alloy dan tanpa alloy. Pada masing-masing slab tersebut terdapat grade yang menunjukan kandungan bahan pada setiap slabnya, terdapat tiga grade pada slab tersebut diantaranya adalah slab grade low, medium dan high. Dalam perencanaan produksi terdapat kendala-kendala yang membatasi produksi suatu perusahaan, kendala tersebut dapat berupa kapasitas mesin, ketersediaan bahan baku, waktu kerja, dan proses produksi. Hal ini menyebabkan tingginya biaya produksi yang harus dikeluarkan oleh perusahaan. Oleh karena itu perlu dilakukan penelitian mengenai optimisasi dengan tujuan memaksimalka keuntungan, memnuhi permintaan, dan mengurangi jumlah import di PT. XYZ. Pada penelitian ini digunakan metode goal programming karena penelitian ini mempunyai fungsi kendala dan

METODE PENELITIAN Data yang digunakan dalam penelitian ini adalah pengamatan terhadap slab baja dengan 3 grade yaitu grade low, medium, dan high tanpa alloy. Pengolahan data dilakukan untuk menhetahui keuntungan pada perusahaan, permintaan demand produk dan banyaknya import yang diterima dengan meramalkan penjual periode sebelumnya kemudian dan menghitung dengan software LINGO 11.

HASIL dan PEMBAHASAN Data penjualan produksi slab baja SSP 1 tanpa alloy dengan tiga grade yaitu: grade low, grade medium, dan grade high. Data dibawah ini merupakan data hasil penjualan produksi pada tahun 2009 sampai dengan tahun 2013. Table 4.1 Data Penjualam Produk Slab Baja Tanpa Alloy Tahun

2009

2010

143

Periode

Bulan

SSP 1 Low

Medium

High

1

Januari

25,671

5,217

15,711

2

Februari

30,816

4,771

13,010

3

Maret

22,938

12,991

11,316

4

April

18,201

7,120

22,891

5

Mei

7,190

9,415

27,526

6

Juni

3,710

218

17,441

7

Juli

14,209

5,019

20,146

8

Agustus

9,738

219

22,990

9

September

28,635

2,611

10,729

10

Oktober

10,316

1,172

55,281

11

November

7,821

1,821

24,962

12

Desember

12,839

710

12,221

13

Januari

28,148

5,761

15,057

14

Februari

33,148

4,346

12,737

15

Maret

24,345

12,511

11,447

16

April

15,282

7,923

23,376

17

Mei

7,336

9,931

17,682

18

Juni

3,242

228

22,991

19

Juli

14,069

5,437

20,566

20

Agustus

9,949

227

23,129

21

September

28,187

2,913

11,460

22

Oktober

10,624

1,263

55,891

23

November

7,536

1,633

25,079

24

Desember

13,817

831

12,506

Vol.5 No.2 Juli 2017 Table 4.1 Data Penjualam Produk Slab Baja (Lanjutan)

2012

2013

Januari

4,976

1,977

31,129

26

Februari

15,214

4,400

15,965

a. Perhitungan Data In Sample Dan Out Sample Slab Baja Grade Low

27

Maret

19,366

3,189

16,199

Smoothing Plot for In Sample

28

April

10,790

3,543

18,848

Mei

21,348

10,832

18,717

30

Juni

12,305

2,363

28,500

31

Juli

6,993

818

13,931

32

Agustus

15,134

737

15,162

33

September

18,726

3,236

24,378

34

Oktober

11,095

3,410

19,532

35

November

27,065

6,364

12,024

36

Desember

9,631

452

20,421

Variable Actual Fits Smoothing Constants Alpha (lev el) 0.853125 Gamma (trend) 0.034517

30000

In Sample

29

Double Exponential Method

40000

Accuracy Measures MA PE 190 MA D 7850 MSD 85803194

20000

10000

0 1

37

Januari

224

226

4,130

38

Februari

3,918

3,279

17,533

39

Maret

6,382

533

11,614

40

April

428

584

5,583

41

Mei

1,209

687

5,134

42

Juni

3,221

3,968

22,584

43

Juli

7,194

1,618

18,739

44

Agustus

3,101

504

25,805

45

September

8,860

2,020

9,888

46

Oktober

4,423

1,005

25,291

47

November

8,321

4,621

16,439

48

Desember

22,480

2,210

17,573

49

Januari

3,324

3,360

10,883

35000

50

Februari

8,585

1,557

24,205

30000

51

Maret

14,506

12,239

11,719

25000

52

April

2,944

3,315

10,161

53

Mei

722

2,624

9,710

54

Juni

6,336

3,760

11,422

55

Juli

11,708

689

12,302

56

Agustus

30,185

1,799

3,028

57

September

18,916

2,775

844

58

Oktober

33,787

362

11,406

59

November

26,684

1,082

2,815

60

Desember

20,719

4,438

15,930

5

10

15

20

25 30 Index

35

40

45

Gambar 4.7 Perhitungan Data In Sample Slab Baja Grade Low

Berdasarkan hasil software minitab plot data in sample slab baja grade low metode Double Exponential Smoothing menggunakan nilai alpha dan beta dengan ARIMA menghasilkan nilai MAPE, MAD dan MSE sebesar 190, 7850, dan 85.803.194. Smoothing Plot for Out Sample Double Exponential Method

Out Sample

2011

25

Variable Actual Fits Smoothing Constants Alpha (lev el) 0.401594 Gamma (trend) 0.251275 Accuracy Measures MAPE 201 MAD 7503 MSD 82140346

20000 15000 10000 5000 0 1

2

3

4

5

6 7 Index

8

9

10 11

12

Gambar 4.8 Perhitungan Data Out Sample Slab Baja Grade Low

Berdasarkan hasil software minitab plot data out sample slab baja grade low metode Double Exponential Smoothing menggunakan nilai alpha dan beta dengan ARIMA menghasilkan nilai MAPE, MAD dan MSE sebesar 201, 7503, dan 82.140.346.

Model peramalan yang digunakan pada kasus ini adalah Double exponential smoothing karena data yang sudah dihasilkan berdasarkan plot data menggunakan time series dihasilkan pola data trend. Metode pemulusan eksponensial ini memerlukan nilai parameter alpha dan beta yang sesuai agar menghasilkan ramalan yang optimal dengan nilai kesalahan terkecil. Pada model permalan ini data dibagi menjadi dua bagian yaitu data out sample yang terdiri dari 48 periode dan data in sample yang terdiri dari 12 periode. Berikut ini merupakan hasil perhitungan data in sampel dan out sampel menggunakan software minitab untuk slab baja dengan grade low, medium, dan high.

b. Perhitungan Data In Sample Dan Out Sample Slab Baja Grade Medium

144

Vol.5 No.2 Juli 2017 Berdasarkan hasil software minitab plot data in sample slab baja grade high metode Double Exponential Smoothing menggunakan nilai alpha dan beta dengan ARIMA menghasilkan nilai MAPE, MAD dan MSE sebesar 54, 8650, dan 139.528.807.

Smoothing Plot for In Sample Double Exponential Method

14000

Variable Actual Fits

12000

Smoothing Constants Alpha (lev el) 0.683122 Gamma (trend) 0.027874

In Sample

10000

Accuracy Measures MAPE 339 MAD 2649 MSD 12853361

8000 6000 4000 2000

Smoothing Plot for Out Sample Double Exponential Method

0 1

5

10

15

20

25 30 Index

35

40

25000

45

Out Sample

Gambar 4.9 Perhitungan Data In Sample Slab Baja Grade Medium

Berdasarkan hasil software minitab plot data in sample slab baja grade medium metode Double Exponential Smoothing menggunakan nilai alpha dan beta dengan ARIMA menghasilkan nilai MAPE, MAD dan MSE sebesar 339, 2649, dan 12.853.361.

Out Sample

Accuracy Measures MA PE 108 MA D 5271 MSD 42706076

10000

2

3

4

5

6 7 Index

8

9

10 11

12

Gambar 4.12 Perhitungan Data Out Sample Slab Baja Grade High

Berdasarkan hasil software minitab plot data out sample slab baja grade high metode Double Exponential Smoothing menggunakan nilai alpha dan beta dengan ARIMA menghasilkan nilai MAPE, MAD dan MSE sebesar 108, 5271, dan 42.706.076.

Smoothing Constants Alpha (lev el) 0.250796 Gamma (trend) 0.325881 Accuracy Measures MA PE 110 MA D 2322 MSD 10680215

6000

15000

1

Variable Actual Fits

8000

Smoothing Constants Alpha (lev el) 0.314738 Gamma (trend) 0.292533

0

Double Exponential Method

10000

20000

5000

Smoothing Plot for Out Sample 12000

Variable Actual Fits

4000 2000

Tabel 4.4 Hasil Perhitungan Peramalan Slab Baja Periode Grade Grade Grade Low Medium High 61 23837.0 3359.31 11557.6 62 24400.9 3327.06 11480.6 63 24964.8 3294.81 11403.6 64 25528.7 3262.56 11326.6 65 26092.7 3230.32 11249.6 66 26656.6 3198.07 11172.6 67 27220.5 3165.82 11095.6 68 27784.4 3133.57 11018.6 69 28348.3 3101.32 10941.6 70 28912.2 3069.08 10864.6 71 29476.1 3036.83 10787.6 72 30040.0 3004.58 10710.6

0 1

2

3

4

5

6 7 Index

8

9

10 11

12

Gambar 4.10 Perhitungan Data Out Sample Slab Baja Grade Medium

Berdasarkan hasil software minitab plot data out sample slab baja grade medium metode Double Exponential Smoothing menggunakan nilai alpha dan beta dengan ARIMA menghasilkan nilai MAPE, MAD dan MSE sebesar 110, 2322, dan 10.680.215. c. Perhitungan Data In Sample Dan Out Sample Slab Baja Grade High Smoothing Plot for In Sample Double Exponential Method

60000 50000

Smoothing Constants Alpha (lev el) 0.551719 Gamma (trend) 0.065106

40000

In Sample

Penyelesaian menggunakan LINGO merupakan penyelesaian berdasarkan perhitungan dengan software pada goal programming yang menunjukan bahwa pada hasil ini terdapat fungsi tujuan yang tercapai semuanya, berdasarkan hasilnya fungsi tujuan tercapai diantaranya adalah: 1. Profit atau Keuntungan perusahaan sekurangkurangnya sesuai target yang telah ditentukan 2. Demand atau permintaan kepada customer harus tercapai

Variable Actual Fits

Accuracy Measures MAPE 54 MAD 8650 MSD 139528807

30000 20000 10000 0 1

5

10

15

20

25 30 Index

35

40

45

Gambar 4.11 Perhitungan Data In Sample Slab Baja Grade High

145

Vol.5 No.2 Juli 2017 3. Import paling banyak sesuai target yang telah ditentukan

dengan cara mengurangi permintaan import produk dengan perusahaan lain dan menambah jumlah produksi diperusahaan PT. XYZ dengan mengurangi biaya-biaya tambahan yang harus dikeluarkan perusahaan.

Tujuan dari model perencanaan yang dibuat adalah meminimumkan penyimpanganpenyimpangan yang terjadi pada pemenuhan jumlah permintaan. Fungsi tujuan dalam perencanaan produksi dirumuskan dalam persamaan model matematis berikut

DAFTAR PUSTAKA

Minimasi Zlow ∑𝑇𝑡=0 ∑𝐼𝑖=0 (𝑅𝑝. 2.550.000 𝑇𝑃𝑖𝑡 + 𝑅𝑝. 35 𝐹𝑃𝑖𝑡 + 𝑅𝑝. 170.000𝑇𝐶𝑖𝑡) Minimasi Zmedium ∑𝑇𝑡=0 ∑𝐼𝑖=0 (𝑅𝑝. 2.550.000 𝑇𝑃𝑖𝑡 + 𝑅𝑝. 4 𝐹𝑃𝑖𝑡 + 𝑅𝑝. 170.000𝑇𝐶𝑖𝑡) Minimasi Zmedium ∑𝑇𝑡=0 ∑𝐼𝑖=0 (𝑅𝑝. 2.550.000 𝑇𝑃𝑖𝑡 + 𝑅𝑝. 15 𝐹𝑃𝑖𝑡 + 𝑅𝑝. 170.000𝑇𝐶𝑖𝑡) Berdasarkan hasil perhitungan software LINGO maka dapat dilihat bahwa pada tiga fungsi tujuan tersebut semuanya tercapai. Pada tabel dibawah ini menunjukan bahwa semua fungsi tujuan dengan 3 goal programming tercapai : Tabel 4.5 Hasil Software Tujuan

Profit

Demand

Import

Jenis Produk (Slab) Low Medium High Low Medium High Low Medium High

Target (Rp dalam juta) 2550000 2550000 2550000 35 4 15 170000 170000 170000

Pencapaian (Rp dalam juta)

Keterangan

2550000 2550000 2550000 35 4 15 170000 170000 170000

Tercapai Tercapai Tercapai Tercapai Tercapai Tercapai Tercapai Tercapai Tercapai

KESIMPULAN Memaksimalkan keuntungan perusahaan di PT. XYZ yaitu dengan memproduksi slab baja grade low, medium, dan high berdasarkan permintaan yang sesuai dengan pemesanan customer. Proses produksi dilakukan seefisien mungkin agar dapat meraih keuntungan sesuai yang sudah ditargetkan oleh perusahaan serta permintaan produksi ini dapat dilakukan dengan mengetahui jumlah pesanan yang akan diminta oleh cutomer dan melakukan produksi sesuai yang dipesan. Dan Mengatasi jumlah import yaitu 146

Ajinigtyas Puppy 2013. Penerapan Metode Goal Programming Untuk Perencanaan Produksi Pada Produk Olahan Tebu (Studi Kasus: PG. XXX. Jawa Timur) Jurnal Matematika Vol 1 No.1 Anis, M, dkk. 2007. Optimisasi Perencanaan Produksi Dengan Metode Goal Programming, Jurnal Teknik Industri Vol. 5 No. 3 Bazaraa S. Mokhtar, Jarvis J. John, 1990. Linear Programming and Network Flows 2ed. New York: John Wiley Charles, D. Dan Simson, T. 2002. Goal Programming Application in Multidisciplinary Design Optimazation (http://www.dtic.mil/ndia2001sbac/sims on). Gaspersz Vincent. (2004). Production Planning and Inventory Control. Edisi empat. Gramedia Pustaka Utama. Jakarta. H. Kusuma. Manajemen Produksi: Perencanaan dan Pengendalian Produksi. Yogyakarta: ANDI (1999) Juanawati Marpaung. 2009. Perencanaan Produksi Yang Optimal Dengan Pendekatan Goal Programming Di PT. Gold Coin Indonesia. UNSU. Medan. K. Megasari. Goal Programming untuk Perencanaan Produksi Agregat dengan Kendala Sumber Daya. Skripsi. Surabaya, Indonesia: Institut Teknologi Sepuluh Nopember (2010) Mulyono, S., (2002), Riset Operasi, Fakultas Ekonomi Universitas Indonesia, Jakarta Novitasari., (2013), Pendekatan Metode Goal Programming dalam Optimasi Perencanaan Produksi (Studi kasus UD IMADUDDIN), Skripsi, Jurusan Matematika Universitas Brawijaya, Malang. Siliwongan, Thomy Louis. 2011. Optimasi Perencanaan Produksi

Vol.5 No.2 Juli 2017 Agregate dengan Multi Objektif, Preemtive Goal Programming. Hasil Penelitian. (http://digilib.its.ac.id/ITSMaster 3100011042852/15106) Sinha, B. dan Sen, N., (2011), Goal Programming Approach to Tea Industry of Barak Valley of Assam, Applied Mathematical Sciences, 5 (29), hal. 1409 – 1419. Siswanto. (2006). Operation Research. Jakarta : Erlangga. Taha, Hamdy A. 2007. Operation Reseacrh : An Introduction. New Jarsey : Person Educationh, Inc. Yamit, Zulian. 1991. Linear Programming. Yogyakarta: Bagian Penerbitan FE. Yusup, Maulana. 2009. Optimalisasi Produksi Kain Tenun Sutra Pada CV. Batu Gede di Kecamatan Taman Sari Kabupaten Bogor. Skripsi. Bogor, Indonesia: Institut Pertanian Bogor.

147