Perencanaan Produksi Crude Palm Oil (CPO) dengan Metode Goal Programming (Studi Kasus: PT. Samudera Sawit Nabati, Subulussalam)
BAB 2
LANDASAN TEORI
2.1
Perencanaan Produksi
2.1.1 Pengertian Perencanaan Produksi
Perencanaan produksi dapat diartikan sebagai proses penentuan sumber-sumber
yang diperlukan untuk melaksanakan operasi manufaktur dan mengalokasikannya
sehingga menghasilkan produk dalam jumlah dan kualitas yang diharapkan
dengan mengeluarkan biaya atau ongkos yang lebih rendah. Menurut Nasution
(1999), perencanaan produksi adalah suatu perencanaan taktis yang bertujuan
untuk memberikan keputusan yang optimum berdasarkan sumber daya yang
dimiliki oleh perusahaan dalam memenuhi permintaan produk yang akan
dihasilkan. Sementara menurut Ginting (2007), perencanaan produksi merupakan
pernyataan rencana produksi ke dalam bentuk agregat yang biasanya dijadikan
sebagai pegangan untuk merancang jadwal induk produksi.
2.1.2 Fungsi dan Tujuan Perencanaan Produksi
Menurut Ginting (2007), beberapa fungsi dari perencanaan produksi adalah:
7.
Menjamin rencana penjualan dan rencana produksi konsisten terhadap
rencana strategis perusahaan.
8.
Sebagai alat ukur performansi proses produksi.
9.
Menjamin kemampuan produksi konsisten terhadap rencana produksi.
10.
Memonitor hasil produksi aktual terhadap rencana produksi dan membuat
penyesuaian.
11.
Mengatur persediaan produk jadi untuk mencapai target produksi dan
rencana strategis.
12.
Mengarahkan penyusunan dan pelaksanaan jadwal induk produksi.
Universitas Sumatera Utara
10
Menurut Assauri (1998), tujuan dari perencanaan produksi antara lain:
6.
Mencapai tingkat keuntungan (profit) tertentu.
7.
Menguasai pasar sehingga output perusahaan tetap mempunyai pangsa pasar
(market share) tertentu.
8.
Mengusahakan agar perusahaan dapat bekerja pada tingkat efisiensi tertentu.
9.
Mengusahakan dan mempertahankan supaya pekerjaan dan kesempatan
kerja yang sudah ada tetap pada tingkatannya maupun berkembang.
10.
Menggunakan sebaik-baiknya fasilitas yang sudah ada pada perusahaan
yang bersangkutan.
2.2
Peramalan
2.2.1 Pengertian dan Konsep Peramalan
Peramalan diartikan sebagai bentuk pemikiran terhadap suatu besaran, misalnya
permintaan terhadap satu atau beberapa produk pada periode yang akan datang.
Peramalan dapat dikatakan sebagai perkiraan yang ilmiah (educated guess)
(Ginting, 2007).
Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah
permintaan terhadap suatu produk dan merupakan langkah awal dari proses
perencanaan dan pengendalian produksi. Tujuan peramalan dalam kegiatan
produksi adalah untuk meredam ketidakpastian, sehingga diperoleh suatu
perkiraan yang mendekati keadaan yang sebenarnya.
2.2.2 Klasifikasi Teknik Peramalan dan Metode Peramalan
Berdasarkan sifatnya, peramalan dibedakan atas dua (2) macam, yaitu peramalan
kualitatif dan peramalan kuantitatif.
1.
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan ditentukan berdasarkan pemikiran yang
bersifat intuisi, judgement atau pendapat, pengetahuan serta pengalaman
dari penyusunnya.
Universitas Sumatera Utara
11
2.
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan ditentukan oleh jenis metode yang
digunakan dalam peramalan. Metode yang paling baik adalah metode yang
memberikan nilai-nilai penyimpangan yang paling kecil.
2.2.3 Metode Peramalan Kuantitatif (Statistical Method)
Metode peramalan kuantitatif dibedakan menjadi dua (2) bagian, yakni metode
kausal dan metode time series.
1.
Metode kausal adalah metode yang mengasumsikan bahwa faktor yang
diperkirakan atau diramalkan menunjukkan hubungan sebab akibat dengan
satu atau beberapa variabel bebas atau independen.
2.
Metode time series adalah metode yang didasarkan atas penggunaan analisis
pola hubungan antara variabel yang akan diperkirakan dengan variabel
waktu yang merupakan deret waktu. Dengan kata lain, metode ini digunakan
untuk menganalisis serangkaian data yang merupakan fungsi dari waktu.
Terdapat empat (4) pola data yang mempengaruhi analisis ini, antara lain:
1. Pola siklis (cycle), yaitu nilai data memiliki dipengaruhi oleh pola
pergerakan aktivitas ekonomi.
2. Pola musiman (seasonal), yaitu nilai data dipengaruhi oleh musim.
3. Pola horizontal, yaitu nilai data berfluktuasi di sekitar nilai rata-rata.
4. Pola trend, yaitu nilai data memiliki kecenderungan untuk naik atau
turun terus-menerus.
2.2.4
Metode Proyeksi Kecenderungan dengan Regresi
Metode kecenderungan dengan regresi merupakan dasar garis kecenderungan
untuk suatu persamaan, sehingga dengan dasar persamaan tersebut dapat
diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang. Untuk
peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan
metode ini sangat baik.
Universitas Sumatera Utara
12
Bentuk fungsi dari metode proyeksi kecenderungan dengan regresi antara
lain sebagai berikut:
1.
Konstan
Fungsi peramalan dituliskan:
=1
=
, dengan:
= nilai ramalan
= jumlah periode
2.
Linier
Fungsi peramalan dituliskan:
=
+
, dengan:
−
=
=
=
−
2−
2
−
= nilai ramalan
= jumlah periode
3.
Kuadratis
Fungsi peramalan dituliskan:
=
+
=
�� −�
=
�−
=
�=
�=
�=
+
, dengan:
� − 2
�
−
−
2 2
2
−
4
−
2
2
=
=
2
2
−
−
−
2
3
2
= nilai ramalan
= jumlah periode
Universitas Sumatera Utara
13
4.
Eksponensial
Fungsi peramalan dituliskan:
=
, dengan:
ln −
=
ln
ln
2−
2
ln −
=
= nilai ramalan
= jumlah periode
5.
Siklis
Fungsi peramalan dituliskan:
=
+ sin
=
sin
cos
2.3
+
2�
2�
2�
+ cos
sin
2�
2�
+
2�
=
sin
=
cos
2�
, dengan:
cos
2�
2�
+
sin
+
cos
2�
2
+
sin
2�
2
+
sin
2�
cos
2�
cos
2�
Goal Programming
2.3.1 Konsep dan Bentuk Umum dari Goal Programming
Goal Programming merupakan pengembangan dari model pemrograman linear
yang mulai dipopulerkan oleh A. Charnes dan W.M. Cooper pada tahun 1961.
Model Goal Programming mampu menyelesaikan kasus-kasus pemrograman
linear yang memiliki lebih dari satu sasaran yang hendak dicapai, dengan
kehadiran sepasang variabel deviasional yang akan muncul di fungsi tujuan dan di
fungsi-fungsi kendala (Siswanto, 2006).
(Eiselt & Sandblom, 2007) Bentuk umum dari Goal Programming adalah:
Minimumkan:
=
Kendala:
=1
=1
+
=1
−
+
+
+
−
atau
−
=
=1
Universitas Sumatera Utara
14
dengan:
= 1, 2, … ,
= 1, 2, … ,
= 1, 2, … , �
+
−
= deviasi/ penyimpangan positif
= deviasi/ penyimpangan negatif
= koefisien fungsi kendala tujuan
= variabel keputusan
= tujuan atau target yang hendak dicapai
= koefisien fungsi kendala sistem
= sumber daya yang tersedia
+
,
−
,
0
2.3.2 Komponen Goal Programming
Model Goal Programming sedikitnya terdiri dari tiga (3) komponen, yakni fungsi
tujuan, kendala tujuan, dan kendala non-negatif.
1.
Fungsi Sasaran atau Tujuan
Ciri khas yang menandai model Goal Programming adalah kehadiran variabel
deviasional di dalam fungsi tujuan yang harus diminimumkan. Hal ini merupakan
konsekuensi logis dari tujuan kehadiran variabel deviasional di dalam fungsi
kendala sasaran. Masing-masing deviasi positif dan deviasi negatif harus
diminimumkan di dalam fungsi tujuan, sehingga fungsi tujuan dari model Goal
Programming adalah:
Minimumkan:
+
=1
dengan:
+
−
= 1, 2, … ,
+
−
+
= deviasi/ penyimpangan positif
= deviasi/ penyimpangan negatif
,
−
0
Universitas Sumatera Utara
15
2.
Kendala Sasaran atau Kendala Tujuan
Untuk mewujudkan sasaran pada interval nilai tertentu yang dibatasi oleh
dan
, maka hasil penyelesaian yang diharapkan adalah berada di antara interval
tersebut, sehingga bentuk persamaan kendala tujuan secara umum dituliskan:
=1
dengan:
= 1, 2, … ,
= 1, 2, … ,
= batas bawah interval
= batas atas interval
= koefisien fungsi kendala tujuan
= variabel keputusan
0
Kemungkinan
penyimpangan-penyimpangan
harus
diminimumkan,
sehingga dihadirkan deviasi positif guna membatasi penyimpangan di atas
deviasi negatif guna membatasi penyimpangan di bawah
dan
, maka dapat dituliskan
sebagai berikut:
−
−
+
=1
3.
−
+
+
=1
dan
, yang setara dengan:
=1
Kendala Non-Negatif
−
+
Variabel-variabel dalam model Goal Programming, yang terdiri atas variabel
keputusan dan variabel deviasi bernilai lebih besar atau sama dengan nol.
Pernyataan ketidaknegatifan dapat dituliskan:
,
+
,
−
0
2.3.3 Perumusan Masalah Goal Programming
Langkah-langkah perumusan masalah Goal Programming adalah sebagai berikut:
1.
Menentukan variabel keputusan.
Variabel keputusan merupakan dasar dalam pembuatan model. Semakin tepat
definisi variabel keputusan, semakin mudah pekerjaan permodelan yang lain.
Universitas Sumatera Utara
16
2.
Menentukan dan merumuskan fungsi kendala tujuan.
3.
Menentukan prioritas utama.
Pada langkah ini, dibuat urutan dari tujuan-tujuan yang hendak dicapai oleh
perusahaan, yang bergantung pada keinginan dari pengambil keputusan dan
keterbatasan sumber daya yang tersedia.
4.
Menentukan pembobotan.
5.
Menentukan fungsi tujuan.
Kunci dalam tahapan ini adalah memilih variabel deviasi yang benar serta
menambahkan prioritas dan pembobotan yang tepat jika diperlukan.
6.
Menyatakan persamaaan non-negatif.
Langkah ini merupakan bagian yang resmi dalam perumusan masalah Goal
Programming.
2.4
Linear Interactive Discrete Optimizer (LINDO)
LINDO adalah sebuah program yang dirancang untuk menyelesaikan kasus-kasus
pemrograman linear. Sebuah kasus harus diubah terlebih dahulu ke dalam sebuah
model matematis pemrograman linear dengan format tertentu agar dapat diolah
oleh program LINDO.
1.
Input LINDO
Program ini menghendaki input sebuah program matematika dengan struktur
tertentu. Contoh:
MIN DA1 + DB1 + DA2 + DB2 + DB3 + DB4
SUBJECT TO
-DA1 + DB1 + 5X1 + 6X2 = 60
-DA2 + DB2 + X1 + 2X2 = 16
DB3 + X1 = 10
DB4 + X2 = 6
END
Universitas Sumatera Utara
17
2.
Output LINDO
Output atau hasil olahan LINDO pada dasarnya dapat dipisahkan menjadi dua (2)
bagian, yakni:
a.
Optimal Solution atau Penyelesaian Optimal
Bagian ini memuat lima (5) macam informasi utama, yaitu:
1.
Nilai fungsi tujuan atau Objective Function Value.
2.
Nilai optimal variabel keputusan.
3.
Sensitivitas
4.
Slack variable atau surplus variable.
5.
Dual Price.
bila
= 0, di bawah kolom Reduced Cost.
Selain itu, bagian penyelesaian optimal juga memuat informasi tambahan,
yakni jumlah iterasi yang diperlukan untuk menemukan penyelesaian optimal.
b.
Analisis Sensitivitas (Sensitivity Analysis)
Bagian ini memuat informasi mengenai dua (2) macam analisis sensitivitas, yakni:
1.
Analisis sensitivitas koefisien fungsi tujuan ( )
2.
Analisis sensitivitas Nilai Ruas Kanan (RHS)
Universitas Sumatera Utara
LANDASAN TEORI
2.1
Perencanaan Produksi
2.1.1 Pengertian Perencanaan Produksi
Perencanaan produksi dapat diartikan sebagai proses penentuan sumber-sumber
yang diperlukan untuk melaksanakan operasi manufaktur dan mengalokasikannya
sehingga menghasilkan produk dalam jumlah dan kualitas yang diharapkan
dengan mengeluarkan biaya atau ongkos yang lebih rendah. Menurut Nasution
(1999), perencanaan produksi adalah suatu perencanaan taktis yang bertujuan
untuk memberikan keputusan yang optimum berdasarkan sumber daya yang
dimiliki oleh perusahaan dalam memenuhi permintaan produk yang akan
dihasilkan. Sementara menurut Ginting (2007), perencanaan produksi merupakan
pernyataan rencana produksi ke dalam bentuk agregat yang biasanya dijadikan
sebagai pegangan untuk merancang jadwal induk produksi.
2.1.2 Fungsi dan Tujuan Perencanaan Produksi
Menurut Ginting (2007), beberapa fungsi dari perencanaan produksi adalah:
7.
Menjamin rencana penjualan dan rencana produksi konsisten terhadap
rencana strategis perusahaan.
8.
Sebagai alat ukur performansi proses produksi.
9.
Menjamin kemampuan produksi konsisten terhadap rencana produksi.
10.
Memonitor hasil produksi aktual terhadap rencana produksi dan membuat
penyesuaian.
11.
Mengatur persediaan produk jadi untuk mencapai target produksi dan
rencana strategis.
12.
Mengarahkan penyusunan dan pelaksanaan jadwal induk produksi.
Universitas Sumatera Utara
10
Menurut Assauri (1998), tujuan dari perencanaan produksi antara lain:
6.
Mencapai tingkat keuntungan (profit) tertentu.
7.
Menguasai pasar sehingga output perusahaan tetap mempunyai pangsa pasar
(market share) tertentu.
8.
Mengusahakan agar perusahaan dapat bekerja pada tingkat efisiensi tertentu.
9.
Mengusahakan dan mempertahankan supaya pekerjaan dan kesempatan
kerja yang sudah ada tetap pada tingkatannya maupun berkembang.
10.
Menggunakan sebaik-baiknya fasilitas yang sudah ada pada perusahaan
yang bersangkutan.
2.2
Peramalan
2.2.1 Pengertian dan Konsep Peramalan
Peramalan diartikan sebagai bentuk pemikiran terhadap suatu besaran, misalnya
permintaan terhadap satu atau beberapa produk pada periode yang akan datang.
Peramalan dapat dikatakan sebagai perkiraan yang ilmiah (educated guess)
(Ginting, 2007).
Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah
permintaan terhadap suatu produk dan merupakan langkah awal dari proses
perencanaan dan pengendalian produksi. Tujuan peramalan dalam kegiatan
produksi adalah untuk meredam ketidakpastian, sehingga diperoleh suatu
perkiraan yang mendekati keadaan yang sebenarnya.
2.2.2 Klasifikasi Teknik Peramalan dan Metode Peramalan
Berdasarkan sifatnya, peramalan dibedakan atas dua (2) macam, yaitu peramalan
kualitatif dan peramalan kuantitatif.
1.
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan ditentukan berdasarkan pemikiran yang
bersifat intuisi, judgement atau pendapat, pengetahuan serta pengalaman
dari penyusunnya.
Universitas Sumatera Utara
11
2.
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan ditentukan oleh jenis metode yang
digunakan dalam peramalan. Metode yang paling baik adalah metode yang
memberikan nilai-nilai penyimpangan yang paling kecil.
2.2.3 Metode Peramalan Kuantitatif (Statistical Method)
Metode peramalan kuantitatif dibedakan menjadi dua (2) bagian, yakni metode
kausal dan metode time series.
1.
Metode kausal adalah metode yang mengasumsikan bahwa faktor yang
diperkirakan atau diramalkan menunjukkan hubungan sebab akibat dengan
satu atau beberapa variabel bebas atau independen.
2.
Metode time series adalah metode yang didasarkan atas penggunaan analisis
pola hubungan antara variabel yang akan diperkirakan dengan variabel
waktu yang merupakan deret waktu. Dengan kata lain, metode ini digunakan
untuk menganalisis serangkaian data yang merupakan fungsi dari waktu.
Terdapat empat (4) pola data yang mempengaruhi analisis ini, antara lain:
1. Pola siklis (cycle), yaitu nilai data memiliki dipengaruhi oleh pola
pergerakan aktivitas ekonomi.
2. Pola musiman (seasonal), yaitu nilai data dipengaruhi oleh musim.
3. Pola horizontal, yaitu nilai data berfluktuasi di sekitar nilai rata-rata.
4. Pola trend, yaitu nilai data memiliki kecenderungan untuk naik atau
turun terus-menerus.
2.2.4
Metode Proyeksi Kecenderungan dengan Regresi
Metode kecenderungan dengan regresi merupakan dasar garis kecenderungan
untuk suatu persamaan, sehingga dengan dasar persamaan tersebut dapat
diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang. Untuk
peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan
metode ini sangat baik.
Universitas Sumatera Utara
12
Bentuk fungsi dari metode proyeksi kecenderungan dengan regresi antara
lain sebagai berikut:
1.
Konstan
Fungsi peramalan dituliskan:
=1
=
, dengan:
= nilai ramalan
= jumlah periode
2.
Linier
Fungsi peramalan dituliskan:
=
+
, dengan:
−
=
=
=
−
2−
2
−
= nilai ramalan
= jumlah periode
3.
Kuadratis
Fungsi peramalan dituliskan:
=
+
=
�� −�
=
�−
=
�=
�=
�=
+
, dengan:
� − 2
�
−
−
2 2
2
−
4
−
2
2
=
=
2
2
−
−
−
2
3
2
= nilai ramalan
= jumlah periode
Universitas Sumatera Utara
13
4.
Eksponensial
Fungsi peramalan dituliskan:
=
, dengan:
ln −
=
ln
ln
2−
2
ln −
=
= nilai ramalan
= jumlah periode
5.
Siklis
Fungsi peramalan dituliskan:
=
+ sin
=
sin
cos
2.3
+
2�
2�
2�
+ cos
sin
2�
2�
+
2�
=
sin
=
cos
2�
, dengan:
cos
2�
2�
+
sin
+
cos
2�
2
+
sin
2�
2
+
sin
2�
cos
2�
cos
2�
Goal Programming
2.3.1 Konsep dan Bentuk Umum dari Goal Programming
Goal Programming merupakan pengembangan dari model pemrograman linear
yang mulai dipopulerkan oleh A. Charnes dan W.M. Cooper pada tahun 1961.
Model Goal Programming mampu menyelesaikan kasus-kasus pemrograman
linear yang memiliki lebih dari satu sasaran yang hendak dicapai, dengan
kehadiran sepasang variabel deviasional yang akan muncul di fungsi tujuan dan di
fungsi-fungsi kendala (Siswanto, 2006).
(Eiselt & Sandblom, 2007) Bentuk umum dari Goal Programming adalah:
Minimumkan:
=
Kendala:
=1
=1
+
=1
−
+
+
+
−
atau
−
=
=1
Universitas Sumatera Utara
14
dengan:
= 1, 2, … ,
= 1, 2, … ,
= 1, 2, … , �
+
−
= deviasi/ penyimpangan positif
= deviasi/ penyimpangan negatif
= koefisien fungsi kendala tujuan
= variabel keputusan
= tujuan atau target yang hendak dicapai
= koefisien fungsi kendala sistem
= sumber daya yang tersedia
+
,
−
,
0
2.3.2 Komponen Goal Programming
Model Goal Programming sedikitnya terdiri dari tiga (3) komponen, yakni fungsi
tujuan, kendala tujuan, dan kendala non-negatif.
1.
Fungsi Sasaran atau Tujuan
Ciri khas yang menandai model Goal Programming adalah kehadiran variabel
deviasional di dalam fungsi tujuan yang harus diminimumkan. Hal ini merupakan
konsekuensi logis dari tujuan kehadiran variabel deviasional di dalam fungsi
kendala sasaran. Masing-masing deviasi positif dan deviasi negatif harus
diminimumkan di dalam fungsi tujuan, sehingga fungsi tujuan dari model Goal
Programming adalah:
Minimumkan:
+
=1
dengan:
+
−
= 1, 2, … ,
+
−
+
= deviasi/ penyimpangan positif
= deviasi/ penyimpangan negatif
,
−
0
Universitas Sumatera Utara
15
2.
Kendala Sasaran atau Kendala Tujuan
Untuk mewujudkan sasaran pada interval nilai tertentu yang dibatasi oleh
dan
, maka hasil penyelesaian yang diharapkan adalah berada di antara interval
tersebut, sehingga bentuk persamaan kendala tujuan secara umum dituliskan:
=1
dengan:
= 1, 2, … ,
= 1, 2, … ,
= batas bawah interval
= batas atas interval
= koefisien fungsi kendala tujuan
= variabel keputusan
0
Kemungkinan
penyimpangan-penyimpangan
harus
diminimumkan,
sehingga dihadirkan deviasi positif guna membatasi penyimpangan di atas
deviasi negatif guna membatasi penyimpangan di bawah
dan
, maka dapat dituliskan
sebagai berikut:
−
−
+
=1
3.
−
+
+
=1
dan
, yang setara dengan:
=1
Kendala Non-Negatif
−
+
Variabel-variabel dalam model Goal Programming, yang terdiri atas variabel
keputusan dan variabel deviasi bernilai lebih besar atau sama dengan nol.
Pernyataan ketidaknegatifan dapat dituliskan:
,
+
,
−
0
2.3.3 Perumusan Masalah Goal Programming
Langkah-langkah perumusan masalah Goal Programming adalah sebagai berikut:
1.
Menentukan variabel keputusan.
Variabel keputusan merupakan dasar dalam pembuatan model. Semakin tepat
definisi variabel keputusan, semakin mudah pekerjaan permodelan yang lain.
Universitas Sumatera Utara
16
2.
Menentukan dan merumuskan fungsi kendala tujuan.
3.
Menentukan prioritas utama.
Pada langkah ini, dibuat urutan dari tujuan-tujuan yang hendak dicapai oleh
perusahaan, yang bergantung pada keinginan dari pengambil keputusan dan
keterbatasan sumber daya yang tersedia.
4.
Menentukan pembobotan.
5.
Menentukan fungsi tujuan.
Kunci dalam tahapan ini adalah memilih variabel deviasi yang benar serta
menambahkan prioritas dan pembobotan yang tepat jika diperlukan.
6.
Menyatakan persamaaan non-negatif.
Langkah ini merupakan bagian yang resmi dalam perumusan masalah Goal
Programming.
2.4
Linear Interactive Discrete Optimizer (LINDO)
LINDO adalah sebuah program yang dirancang untuk menyelesaikan kasus-kasus
pemrograman linear. Sebuah kasus harus diubah terlebih dahulu ke dalam sebuah
model matematis pemrograman linear dengan format tertentu agar dapat diolah
oleh program LINDO.
1.
Input LINDO
Program ini menghendaki input sebuah program matematika dengan struktur
tertentu. Contoh:
MIN DA1 + DB1 + DA2 + DB2 + DB3 + DB4
SUBJECT TO
-DA1 + DB1 + 5X1 + 6X2 = 60
-DA2 + DB2 + X1 + 2X2 = 16
DB3 + X1 = 10
DB4 + X2 = 6
END
Universitas Sumatera Utara
17
2.
Output LINDO
Output atau hasil olahan LINDO pada dasarnya dapat dipisahkan menjadi dua (2)
bagian, yakni:
a.
Optimal Solution atau Penyelesaian Optimal
Bagian ini memuat lima (5) macam informasi utama, yaitu:
1.
Nilai fungsi tujuan atau Objective Function Value.
2.
Nilai optimal variabel keputusan.
3.
Sensitivitas
4.
Slack variable atau surplus variable.
5.
Dual Price.
bila
= 0, di bawah kolom Reduced Cost.
Selain itu, bagian penyelesaian optimal juga memuat informasi tambahan,
yakni jumlah iterasi yang diperlukan untuk menemukan penyelesaian optimal.
b.
Analisis Sensitivitas (Sensitivity Analysis)
Bagian ini memuat informasi mengenai dua (2) macam analisis sensitivitas, yakni:
1.
Analisis sensitivitas koefisien fungsi tujuan ( )
2.
Analisis sensitivitas Nilai Ruas Kanan (RHS)
Universitas Sumatera Utara