Optimisasi QFD Pengolahan Data

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