Penentuan tingkat kesulitan, perkiraan biaya, dan derajat kepentingan dapat dilihat pada Tabel 5.20.
Tabel 5.20. Penentuan Tingkat Kesulitan, Perkiraan Biaya, dan Derajat Kepentingan
Tingkat Kesulitan 3
1 3
3 3
5
Perkiraan Biaya 16,67
5,56 16,67
16,67 16,67
27,76
Derajat Kepentingan
20,33 10,07
11,77 23,83
23,42 10,58
Sumber: Hasil pengolahan data
Data-data yang telah didapatkan pada langkah-langkah sebelumnya digunakan untuk dibuat matriks HOQ. QFD dari produk spring bed dapat dilihat
pada Gambar 5.3.
5.2.4. Optimisasi QFD
Optimasi adalah suatu cara pengambilan keputusan sehingga didaptkan hasil penyelesaian yang optimal sesuai dengan tujuan dan kendala yang ada.
Rancangan produk baru diciptakan demi memenuhi kebutuhan konsumen sebesar- besarnya, akan tetapi biaya merupakan faktor yang penting untuk diperhitungkan
dalam membuat suatu rancangan produk baru sehingga kepuasan konsumen perlu dimaksimalkan dan biaya ditekan seminimal mungkin. Model fungsi berdasarkan
kedua kriteria di atas adalah sebagai berikut: Fungsi Tujuan 1: Memaksimalkan derajat kepentingan
Maximize Z
1
= 0,2033x
1
+0,1007x
2
+0,1177x
3
+0,2383x
4
+0,2342x
5
+0,1058x
6
Universitas Sumatera Utara
Warna Matras Coklat Warna Divan hitam
Bentuk sandaran minimalis Motif matras bunga
Kriteria busa padat Kriteria pegas kuat
Kemudahan perawatan matras Derajat Hubungan :
V = Hubungan poitif kuat =4
√ = Hubungan positif sedang =3
x = Hubungan negatif sedang =2
X = Hubungan negatif kuat =1
- = Tidak ada hubungan = 0
Tingkat Kesulitan Perkiraan Biaya
Derajat Kepentingan 3
1 3
3 3
5 16,67 5,55
27,77 20,33
Customer Requirement
T ec
hni cal
Re qui
re m
ent
Tingkat Kesulitan
1 = Mudah = 1 - 20
3 = Cukup Mudah = 21 - 40
5 = Sulit = 41 - 60
7 = Sangat Sulit = 61 - 80
9 = Mutlak Sulit = 81 - 100
Derajat Kepentingan
1 - 15 = Cukup Penting 16
– 30 = Penting 31
– 45 = Sangat Penting
Perkiraan Biaya
1 - 15 = Murah 16
– 30 = Mahal 31
– 45 = Sangat Mahal Kriteria kain dingin
0,7380
√ √
√
K ec
era ha
n w arna
m at
ra s
K ec
era ha
n w arna
di va
n
K eha
lus an pe
rm uka
an
m at
ra s
K et
eba la
n m at
ra s
U kura
n pe ga
s L
aj u pe
ndi ngi
na n
V V
Importance Weight
0,2500
0,1397 0,8000
0,1676 0,0944 0,7500
1,0000 0,2000
0,8000 0,2000
0,2244 0,0976
0,0661 0,6119
0,1667 0,8333
0,3873 0,2748
0,1982
2,783 2,007
2,007 2,007
4,454 3,505
4,454 3,505
V V
√ -
- -
- -
- -
-
0,000 0,000
0,000 0,000
0,000 0,000
0,000 0,000
0,000 0,000
0,000 0,000
0,000 0,000
0,000 0,000
0,000 0,000
0,000 0,000
0,000 0,000
0,000 0,000
0,000 0,000
0,000 0,000
16,67 16,6716,67 10,07 11,7723,83 23,42 10,58
Gambar 5.3. House of Quality
Sumber: Hasil pengolahan data
Universitas Sumatera Utara
Fungsi Tujuan 2: Meminimumkan perkiraan biaya Minimize Z
2
=0,1667x
1
+0,0556x
2
+0,1667x
3
+0,1667x
4
+0,1667x
5
+0,2776x
6
Kedua fungsi tujuan yang ingin dicapai membutuhkan suatu metode untuk mendapatkan hasil optimal sehingga digunakan metode goal programming untuk
mendapatkan hasil yang optimal.
5.2.4.1. Model Goal Programming
Langkah ini merupakan langkah terakhir guna mendapatkan usulan perbaikan karakteristik teknis yang paling optimal berdasarkan tingkat kesulitan,
perkiraan biaya, dan derajat kepentingan. QFD dioptimalkan dengan
menggunakan metode goal programming GP. Metode GP pada penelitian ini terdiri dari berapa fungsi tujuan dengan bobotnya masing-masing dan fungsi
pembatas untuk masing-masing tujuan. Bobot fungsi tujuan didapatkan dari pembobotan elemen prioritas yang
dapat dilihat pada Tabel 5.16. Fungsi pembatas didapatkan dari tingkat kesulitan, perkiraan biaya, dan derajat kepentingan yang berada pada HOQ. Bentuk goal
programming terdiri dari dua yaitu fungsi tujuan dan fungsi pembatas. Fungsi tujuan digunakan untuk meminimalkan jumlah terbobot penyimpangan yang tidak
diinginkan sehingga digunakan dua variabel yang menunjukkan penyimpangan dari target yang diinginkan yaitu d
1 +
,d
2 +
pertambahan perkiraan biaya, dan pengurangan derajat kepentingan yang memiliki tingkat prioritas yang
didapatkan dari kuesioner ANP ditunjukkan dengan W
1
, W
2
.
Universitas Sumatera Utara
Fungsi pembatas goal programming terdiri atas dua yaitu soft constraint dan hard constraint. Soft constraint adalah batasan yang target ingin dipenuhi
akan tetapi diizinkan untuk terjadi penyimpangankekurangan maupun kelebihan. Soft constraint ini diperoleh dari nilai tingkat kesulitan, perkiraan biaya, dan
derajat kepentingan yang berada pada HOQ. Hard constraint merupakan batasan yang tidak diperbolehkan untuk terjadi penyimpangan. Hard constraint goal
programming menunjukkan range dari variabel-variabel. Bentuk dasar fungsi tujuan goal programming:
Minimize : Z=
w
i
d
i +
+w
i
d
i -
m i=1
Subject to: a
j
x
j
+d
i −
− d
i +
untuk semua i
n j=1
x
j
, d
j -
, d
j +
≥ 0 untuk semua i dan j Nilai w
i
merupakan tingkat prioritas tujuan dimana komponen-komponen goal programming menjadi:
1. Variabel keputusan X
1
= kecerahan warna matras X
2
= kecerahan warna divan X
3
= kehalusan permukaan matras X
4
=ketebalan matras X
5
= ukuran pegas X
6
= laju pendinginan
Universitas Sumatera Utara
2. Variabel tujuan atau deviasi d
1 -
= variabel simpangan berlebihan apabila diperlukan lebih rendah dari target perkiraan biaya
d
1 +
= variabel simpangan berlebihan apabila diperlukan lebih tinggi dari target perkiraan biaya
d
2 -
= variabel simpangan berlebihan apabila diperlukan lebih rendah dari target derajat kepentingan
d
2 +
= variabel simpangan berlebihan apabila diperlukan lebih tinggi dari target derajat kepentingan
3. Fungsi pembatas Subject to:
a
j
x
j
+d
i −
− d
i +
untuk semua i
n j=1
Nilai a
1
dan a
2
merupakan bobot perkiraan biaya dan derajat kepentingan yang didapatkan dari QFD sehingga
0,1667x
1
+0,0556x
2
+0,1667x
3
+0,1667x
4
+0,1667x
5
+0,2776x
6
+ d
1 -
- d
1 +
= 0 0,2033x
1
+0,1007x
2
+0,1177x
3
+0,2383x
4
+0,2342x
5
+0,1058x
6
+ d
2 -
- d
2 +
= 1 0≤x
j
≤ 1
dimana j= 1,2,3,...6 d
i -
, d
i +
≥ 0, dimana i = 1,2 4. Fungsi objektif
Minimize : Z=
w
i
d
i +
+w
i
d
i -
m i=1
Dengan m= 2 dan
w
1
= bobot prioritas perkiraan biaya = 0,3333
w
2
= bobot prioritas derajat kepentingan = 0,6667
d
1 -
= pengurangan perkiraan biaya dari target
Universitas Sumatera Utara
d
2 +
= pertambahan derajat kepentingan dari target sehingga
Minimize : Z= 0,3333d
1 +
+ 0,6667 d
2 -
5.2.4.2. Penyelesaian Model Optimasi dengan Software LINGO
Model persamaan optimisasi QFD memiliki bentuk model goal programming. Fungsi goal programming dapat diselesaikan dengan menggunakan
software LINGO dengan input sebagai berikut: Min 0,3333d
1 +
+ 0,6667d
2 -
st 0,1667x
1
+0,0556x
2
+0,1667x
3
+0,1667x
4
+0,1667x
5
+0,2776x
6
+ d
1 -
- d
1 +
= 0 0,2033x
1
+0,1007x
2
+0,1177x
3
+0,2383x
4
+0,2342x
5
+0,1058x
6
+ d
2 -
- d
2 +
= 1 X
1
=1 X
1
= 0 X
2
=1 X
2
= 0 X
3
=1 X
3
= 0 X
4
=1 X
4
= 0 X
5
=1 X
5
= 0 X
6
=1
Universitas Sumatera Utara
X
6
= 0 d
1 -
= 0 d
1 +
= 0 d
2 -
=0 d
2 +
=0 end
Hasil optimal goal programming dapat dilihat pada Tabel 5.21. Variabel x1, x2, x3, x4, dan x5 kecerahan warna matras, kecerahan warna divan, kehalusan
permukaan matras, ketebalan matras, dan ukuran pegas dinyatakan layak untuk ditingkatkan berdasarkan hasil optimisasi. Nilai jumlah bobot penyimpangan
optimal yang didapatkan adalah 0,3113. Nilai ini didapat dengan mengalikan nilai variabel penyimpangan dengan bobot prioritas masing-masing variabel. Contoh
perhitungan nilai jumlah bobot penyimpangan adalah sebagai berikut: Nilai penyimpangan Optimal = 0,3333d
1 +
+ 0,6667d
2 -
= 0,33330,7224 + 0,66670,1058
= 0,3113 Hasil optimisasi dibandingkan dengan hasil pengolahan QFD tanpa
menggunakan metode goal programming untuk melihat seberapa besar penurunan penyimpangan setelah digunakan metode goal programming. Penurunan
penyimpangan dihitung dengan rumus yang dapat dilihat pada Tabel 5.21.
Universitas Sumatera Utara
Tabel 5.21. Optimisasi Goal Programming
Variable Value
d
1 +
0,7224 d
2 -
0,1058 x1
1,0000 x2
1,0000 x3
0,0000 x4
1,0000 x5
1,0000 x6
0,0000 d
1 -
0,0000 d
2 +
0,0000 Z
0,3113
Sumber: Hasil pengolahan data
Penurunan penyimpangan = 100 -
Nilai penyimpangan optimal Nilai penyimpangan QFD
Dimana Nilai penyimpangan optimal = 0,3113
Nilai penyimpangan QFD = 0,3333d
1 +
+ 0,6667d
2 -
= 0,33330,5001 + 0,66670,3242
= 0,3828 Sehingga
Penurunan penyimpangan = 100 -
0,3 113
0,3828
= 18,68 Penurunan penyimpangan sebesar 18,68 menunjukkan peningkatan pencapaian
tujuan perusahaan yaitu pencapaian kepuasan konsumen semaksimal mungkin dengan perkiraan biaya yang serendah mungkin.
Universitas Sumatera Utara
Universitas Sumatera Utara
BAB VI ANALISIS DAN PEMBAHASAN HASIL
6.1. Analisis Atribut Kebutuhan Konsumen
Konsumen mempunyai kebutuhan yang ingin dipenuhinya dengan mengorbankan biaya yang minimal. Kebutuhan konsumen dibagi dalam dua
dimensi yaitu kebutuhan ergonomis dan kebutuhan estetika.
1
Kebutuhan konsumen spring bed berdasarkan hasil kuesioner terbuka terdiri dari 8 atribut
yaitu warna matras coklat, warna divan hitam, bentuk sandaran minimalis, motif matras bunga, kriteria busa padat, kriteria pegas kuat, kriteria kain dingin, dan
kemudahan perawatan matras. PT. Ocean Centra Furnindo memproduksi spring bed sesuai dengan trend
yang ada di pasar. Cara ini memiliki kekurangan yaitu perusahaan akan terlambat memasuki pasar, dan pesaing mungkin telah menguasai pasar. Kuesioner terbuka
mengumpulkan suara konsumen untuk mengetahui keinginan konsumen sehingga dapat disesuaikan dengan produk untuk memenuhi keinginan konsumen lebih
dahulu dibandingkan dengan pesaing.
6.2. Analisis
Customer Importance CI dan Normalisasi CI
Data hasil kuesioner tertutup yang memiliki skala likertordinal diubah menjadi skala interval dengan menggunakan MSI Method of Successive Interval
1
Karl T. Ulrich dan Steven D. Eppinger, Product Design and Development Edisi 4. New York: McGraw-Hill, 2008, h: 190
Universitas Sumatera Utara