Penentuan Nilai Toleransi Jumlah Permintaan Penentuan Nilai Toleransi Ketersediaan Jam Kerja

Perusahaan tidak mengharapkan adanya penurunan keuntungan, sehingga digunakan fungsi fuzzy linear naik. 1 T x 70 jt 119,392 jt Gambar 5.14. Fungsi Keanggotaan Fuzzy untuk Keuntungan Sehingga formulasinya adalah: Zx - Z- T ≥ 27.000X1 + 27.500X2 - 119.392.000 - 70.000.0000T ≥ 70.000.000 27.000X1 + 27.500X2 - 49.392.000T ≥ 70.000.000 27X1+ 27,5X2 - 49392T ≥ 70000 Z = Batas toleransi pendapatan maksimum = Batas toleransi pendapatan minimum

5.2.5.3.2. Penentuan Nilai Toleransi Jumlah Permintaan

Kenaikan dan penurunan jumlah permintaan yang terjadi dapat diambil dari selisih permintaan 2 tahun terakhir seperti yang dapat dilihat pada Tabel 5.43. Universitas Sumatera Utara Dari data diatas dapat dilihat bahwa terjadi penurunan dan kenaikan permintaan, sehingga digunakan fungsi fuzzy triangular yang menggambarkan kenaikan dan penurunan permintaan tersebut. Penurunan terbesar adalah sebanyak -6 maka nilai tersebut dijadikan sebagai nilai toleransi bawah. Kenaikan terbesar adalah 7, akan tetapi perusahaan masih memberikan kenaikan permintaan hingga 10 maka nilai tersebut dijadikan sebagai batas nilai toleransi atas. untuk mengantisipasi kemungkinan kenaikan dan penurunan permintaan terbesar yang terjadi. Maka untuk bulan Mei 2016, nilai toleransinya DS 108 HN adalah: Nilai toleransi bawah = hasil peramalan - 6 x hasil peramalan = 1.039 - 62 = 977 Nilai toleransi atas = hasil peramalan + 10 x hasil peramalan = 1.039+104 =1.143 Untuk produk DS 121 HN periode bulan Mei 2016, nilai toleransinya adalah: Nilai toleransi bawah = hasil peramalan - 6 x hasil peramalan = 1.596 - 96 = 1500 Nilai toleransi atas = hasil peramalan + 10 x hasil peramalan = 1.596+160 =1.756 Universitas Sumatera Utara 1 T x 977 1143 1.039 1 T x 1.500 1.756 1.596 a b Gambar 5.15. Fungsi Keanggotaan Fuzzy untuk Permintaan a DS 108 HN b DS 121 HN Sehingga formulasinya adalah Dx - D- T ≥ , dan Dx + – DT ≤ X1 - 62T ≥ 977 X1 + 104T ≤ 1143 X2 - 96T ≥ 1500 X2 + 160T ≤ 1756 Keterangan: D = Batas toleransi maksimum jumlah permintaan = Batas toleransi minimum jumlah permintaan

5.2.5.3.3. Penentuan Nilai Toleransi Ketersediaan Jam Kerja

Perusahaan menerapkan sistem penambahan jam kerja dengan batas maksimal overtime adalah 2 jamhari untuk tiap lini perakitan. Batasan jam kerja untuk lini perakitan produk DS 108 HN ditunjukkan pada Tabel 5.44. Universitas Sumatera Utara Tabel 5.44. Batasan Jam Kerja Untuk Perakitan Produk DS 108 HN Periode Jumlah Hari Kerja Hari Jam Kerja Reguler Menit Lembur Menit Jam Kerja Maksimum Mei 23 9660 2760 12420 Juni 25 10500 3000 13500 Juli 26 10920 3120 14040 Agustus 25 10500 3000 13500 September 25 10500 3000 13500 Oktober 26 10920 3120 14040 November 25 10500 3000 13500 Desember 26 10920 3120 14040 Januari 25 10500 3000 13500 Februari 25 10500 3000 13500 Maret 25 10500 3000 13500 April 25 10500 3000 13500 Dispenser tipe DS 121 HN memiliki dua lini perakitan, sehingga ketersediaan jam kerjanya dapat dilihat pada Tabel 5.45. Tabel 5.45. Batasan Jam Kerja Untuk Perakitan Produk DS 121 HN Bulan Jumlah Hari Kerja Hari Jam Kerja Reguler Menit Lembur Menit Jam Kerja Maksimum Mei 23 19320 5520 24840 Juni 25 21000 6000 27000 Juli 26 21840 6240 28080 Agustus 25 21000 6000 27000 September 25 21000 6000 27000 Oktober 26 21840 6240 28080 November 25 21000 6000 27000 Desember 26 21840 6240 28080 Januari 25 21000 6000 27000 Februari 25 21000 6000 27000 Maret 25 21000 6000 27000 April 25 21000 6000 27000 Maka nilai toleransi bawah untuk waktu perakitan produk DS 121 HN adalah jam kerja reguler dan nilai toleransi atas adalah jam kerja reguler ditambahkan dengan jam lembur. Perusahaan tidak mengharapkan adanya penambahan jam kerja lebih dari 2 jamhari dan ingin meminimalkan pemakaian jam kerja maka digunakan fungsi fuzzy linear turun. Universitas Sumatera Utara 9.660 12.420 T x 1 19.320 24.840 T x 1 a b Gambar 5.16. Fungsi Keanggotaan Fuzzy untuk Ketersediaan Jam Kerja a DS 108 HN b DS 121 HN Sehingga formulasinya adalah: Hx + – HT ≤ 7,43X1 + 2760T ≤ 12420 7,50X2 + 5520T ≤ 24840 Keterangan: H = Batas toleransi minimum ketersediaan jam kerja perakitan produk = Batas toleransi maksimum ketersediaan jam kerja perakitan produk 5.2.5.4.Penentuan Fungsi Kendala untuk Ketersediaan Jam Kerja Proses Molding Untuk ketersediaan jam kerja pada proses molding perusahaan telah menetapkan jam kerja yang dapat dilihat pada Tabel 5.2. Universitas Sumatera Utara Perusahaan tidak mengharapkan adanya penambahan jam kerja untuk proses molding, maka formulasinya adalah 1,63X1+1,36X2 ≤8280 1,30X1+0,83X2 ≤5520 0,64X1+0,64X2 ≤4140 0,84X1+0,84X2 ≤5520 0,74X1+0,76X2 ≤4830 0,60X1+0,60X2 ≤4140 0,57X1+0,44X2 ≤1380 0,56X1+0,59X2 ≤4140 0,48X1+0,43X2 ≤1380 0,80X1+0,80X2 ≤2760 Formulasi fungsi pencapaian untuk Mei 2016 – April 2017 metode Fuzzy Goal Programming dapat dilihat pada Tabel 5.46 Universitas Sumatera Utara Tabel 5.46. Formulasi Fuzzy Mei 2106-April 2017 Mei 2016 Max T Subject to 27X1+27.5X2-49392T ≥70000 X1-62T ≥977 X1+104T ≤1143 X2-96T ≥1500 X2+160T ≤1756 7.43X1+2760T ≤12420 7.50X2+5520T ≤24840 1.63X1+1.36X2 ≤8280 1.30X1+0.43X2 ≤5520 0.64X1+0.64X2 ≤4140 0.44X1+0.44X2 ≤5520 0.74X1+0.76X2 ≤4830 0.60X1+0.60X2 ≤4140 0.29X1+0.22X2 ≤1380 0.56X1+0.59X2 ≤4140 0.24X1+0.15X2 ≤1380 0.40X1+0.40X2 ≤2760 ≤ T ≤ 1 Juni 2016 Max T Subject to 27X1+27.5X2-49392T ≥70000 X1-77T ≥1210 X1+129T ≤1416 X2-134T ≥2100 X2+223T ≤2457 7.43X1+3000T ≤13500 7.50X2+6000T ≤27000 1.63X1+1.36X2 ≤9000 1.30X1+0.43X2 ≤6000 0.64X1+0.64X2 ≤4500 0.44X1+0.44X2 ≤6000 0.74X1+0.76X2 ≤5250 0.60X1+0.60X2 ≤4500 0.29X1+0.22X2 ≤1500 0.56X1+0.59X2 ≤4500 0.24X1+0.15X2 ≤1500 0.40X1+0.40X2 ≤3000 ≤ T ≤ 1 Universitas Sumatera Utara Tabel 5.46. Formulasi Fuzzy Mei 2106-April 2017 Lanjutan Juli 2016 Max T Subject to 27X1+27.5X2-49392T ≥70000 X1-84T ≥1316 X1+140T ≤1540 X2-201T ≥3141 X2+334T ≤3676 7.43X1+3120T ≤14040 7.50X2+6240T ≤28080 1.63X1+1.36X2 ≤9360 1.30X1+0.43X2 ≤6240 0.64X1+0.64X2 ≤4680 0.44X1+0.44X2 ≤6240 0.74X1+0.76X2 ≤5460 0.60X1+0.60X2 ≤4680 0.29X1+0.22X2 ≤1560 0.56X1+0.59X2 ≤4680 0.24X1+0.15X2 ≤1560 0.40X1+0.40X2 ≤3120 ≤ T ≤ 1 Agustus 2016 Max T Subject to 27X1+27.5X2-49392T ≥70000 X1-76T ≥1189 X1+127T ≤1392 X2-229T ≥3548 X2+381T ≤4194 7.43X1+3000T ≤13500 7.50X2+6000T ≤27000 1.63X1+1.36X2 ≤9000 1.30X1+0.43X2 ≤6000 0.64X1+0.64X2 ≤4500 0.44X1+0.44X2 ≤6000 0.74X1+0.76X2 ≤5250 0.60X1+0.60X2 ≤4500 0.29X1+0.22X2 ≤1500 0.56X1+0.59X2 ≤4500 0.24X1+0.15X2 ≤1500 0.40X1+0.40X2 ≤3000 ≤ T ≤ 1 Universitas Sumatera Utara Tabel 5.46. Formulasi Fuzzy Mei 2106-April 2017 Lanjutan September 2016 Max T Subject to 27X1+27.5X2-49392T ≥70000 X1-61T ≥957 X1+102T ≤1120 X2-191T ≥2984 X2+318T ≤3493 7.43X1+3000T ≤13500 7.50X2+6000T ≤27000 1.63X1+1.36X2 ≤9000 1.30X1+0.43X2 ≤6000 0.64X1+0.64X2 ≤4500 0.44X1+0.44X2 ≤6000 0.74X1+0.76X2 ≤5250 0.60X1+0.60X2 ≤4500 0.29X1+0.22X2 ≤1500 0.56X1+0.59X2 ≤4500 0.24X1+0.15X2 ≤1500 0.40X1+0.40X2 ≤3000 ≤ T ≤ 1 Oktober 2016 Max T Subject to 27X1+27.5X2-49392T ≥70000 X1-54T ≥850 X1+90T ≤994 X2-124T ≥1943 X2+207T ≤2274 7.43X1+3120T ≤14040 7.50X2+6240T ≤28080 1.63X1+1.36X2 ≤9360 1.30X1+0.43X2 ≤6240 0.64X1+0.64X2 ≤4680 0.44X1+0.44X2 ≤6240 0.74X1+0.76X2 ≤5460 0.60X1+0.60X2 ≤4680 0.29X1+0.22X2 ≤1560 0.56X1+0.59X2 ≤4680 0.24X1+0.15X2 ≤1560 0.40X1+0.40X2 ≤3120 ≤ T ≤ 1 Universitas Sumatera Utara Tabel 5.46. Formulasi Fuzzy Mei 2106-April 2017 Lanjutan November 2016 Max T Subject to 27X1+27.5X2-49392T ≥70000 X1-62T ≥977 X1+104T ≤1143 X2-96T ≥1500 X2+160T ≤1756 7.43X1+3000T ≤13500 7.50X2+6000T ≤27000 0.64X1+0.64X2 ≤4500 0.44X1+0.44X2 ≤6000 0.74X1+0.76X2 ≤5250 0.60X1+0.60X2 ≤4500 0.29X1+0.22X2 ≤1500 0.56X1+0.59X2 ≤4500 0.24X1+0.15X2 ≤1500 0.40X1+0.40X2 ≤3000 ≤ T ≤ 1 Desember 2016 Max T Subject to 27X1+27.5X2-49392T ≥70000 X1-77T ≥1210 X1+129T ≤1416 X2-134T ≥2100 X2+223T ≤2457 7.43X1+3120T ≤14040 7.50X2+6240T ≤28080 1.63X1+1.36X2 ≤9360 1.30X1+0.43X2 ≤6240 0.64X1+0.64X2 ≤4680 0.44X1+0.44X2 ≤6240 0.74X1+0.76X2 ≤5460 0.60X1+0.60X2 ≤4680 0.29X1+0.22X2 ≤1560 0.56X1+0.59X2 ≤4680 0.24X1+0.15X2 ≤1560 0.40X1+0.40X2 ≤3120 ≤ T ≤ 1 Universitas Sumatera Utara Tabel 5.46. Formulasi Fuzzy Mei 2106-April 2017 Lanjutan Januari 2017 Max T Subject to 27X1+27.5X2-49392T ≥70000 X1-84T ≥1316 X1+140T ≤1540 X2-201T ≥3141 X2+334T ≤3676 7.43X1+3000T ≤13500 7.50X2+6000T ≤27000 0.64X1+0.64X2 ≤4500 0.44X1+0.44X2 ≤6000 0.74X1+0.76X2 ≤5250 0.60X1+0.60X2 ≤4500 0.29X1+0.22X2 ≤1500 0.56X1+0.59X2 ≤4500 0.24X1+0.15X2 ≤1500 0.40X1+0.40X2 ≤3000 ≤ T ≤ 1 Februari 2017 Max T Subject to 27X1+27.5X2-49392T ≥70000 X1-76T ≥1189 X1+127T ≤1392 X2-229T ≥3548 X2+381T ≤4194 7.43X1+3000T13500 7.50X2+6000T ≤27000 1.63X1+1.36X2 ≤9000 1.30X1+0.43X2 ≤6000 0.64X1+0.64X2 ≤4500 0.44X1+0.44X2 ≤6000 0.74X1+0.76X2 ≤5250 0.60X1+0.60X2 ≤4500 0.29X1+0.22X2 ≤1500 0.56X1+0.59X2 ≤4500 0.24X1+0.15X2 ≤1500 0.40X1+0.40X2 ≤3000 ≤ T ≤ 1 Universitas Sumatera Utara Tabel 5.46. Formulasi Fuzzy Mei 2106-April 2017 Lanjutan Maret 2017 Max T Subject to 27X1+27.5X2-49392T ≥70000 X1-61T ≥957 X1+102T ≤1120 X2-191T ≥2984 X2+318T ≤3493 7.43X1+3000T ≤13500 7.50X2+6000T ≤27000 1.63X1+1.36X2 ≤9000 1.30X1+0.43X2 ≤6000 0.64X1+0.64X2 ≤4500 0.44X1+0.44X2 ≤6000 0.74X1+0.76X2 ≤5250 0.60X1+0.60X2 ≤4500 0.29X1+0.22X2 ≤1500 0.56X1+0.59X2 ≤4500 0.24X1+0.15X2 ≤1500 0.40X1+0.40X2 ≤3000 ≤ T ≤ 1 April 2017 Max T Subject to 27X1+27.5X2-49392T ≥70000 X1-54T ≥850 X1+90T ≤994 X2-124T ≥1943 X2+207T ≤2274 7.43X1+3000T ≤13500 7.50X2+6000T ≤27000 0.64X1+0.64X2 ≤4500 0.44X1+0.44X2 ≤6000 0.74X1+0.76X2 ≤5250 0.60X1+0.60X2 ≤4500 0.29X1+0.22X2 ≤1500 0.56X1+0.59X2 ≤4500 0.24X1+0.15X2 ≤1500 0.40X1+0.40X2 ≤3000 ≤ T ≤ 1 Fungsi pencapaian yang telah dirumuskan diatas dapat dihitung dengan menggunakan software LINDO 6.1. Linier Interactive Discrete Optimizer agar Universitas Sumatera Utara diperoleh jumlah produksi optimum untuk masing-masing tipe produk yaitu DS 108 HN dan DS 121 HN. Tahapan pengerjaannya adalah: 1. Input formulasi fungsi pencapaian yang telah dirumuskan ke dalam program, dapat dilihat pada Gambar 5.17. Gambar 5.17. Tampilan Input Fungsi Pencapaian 2. Setelah seluruh formulasi di input, pilih solve pada bar atau dengan one klik tanda merah bulat, dapat dilihat pada Gambar 5.18. Universitas Sumatera Utara Gambar 5.18. Tampilan Solve 3. Hasil akan muncul pada reports window yang menunjukkan hasil perhitungan, dapat dilihat pada Gambar 5.19. Gambar 5.19. Tampilan Hasil Perhitungan dengan LINDO 6.1. Software Universitas Sumatera Utara Berdasarkan hasil perhitungan dengan menggunakan software LINDO 6.1. maka dapat diperoleh jumlah produksi optimum dari proses produksi dispenser untuk bulan Mei 2016 diperoleh: T = 0,161678 Jumlah dispenser tipe DS 108 HN X1 = 1126 unit Jumlah dispenser tipe DS 121 HN X2 = 1730 unit Nilai reduced cost menggambarkan besarnya penambahan maksimisasi dan berapa pengurangan minimasi yang harus dilakukan terhadap koefisien fungsi tujuan agar variabel keputusan masuk ke dalam solusi optimal. Nilai slack jika kendala ≤ menunjukkan besarnya sumber daya yang tersisa atau tidak terpakai, sementara surplus jika kendala ≥ menunjukkan kelebihan penggunaan sumberdaya. Misalnya: 27X1+27.5X2-49392T ≥70000 27 1126 + 27,5 1730 ≥ 70000 70000 ≥ 70000 70000-70000=0 Maka tidak ada kelebihan penggunaan sumber daya atau sumber daya yang tidak terpakai X1-62T ≥977 1126 – 63 0,161678 ≥977 1078,227-977=101,2274 Maka terdapat kelebihan penggunaan sumber daya sebesar 101,2274 Universitas Sumatera Utara 7.43X1+2760T ≤12420 7,43 1730+27600,161678 ≤ 12420 8372,0745 ≤ 12420 12420- 8372,0745= 4047,9255 Maka terdapat sumber daya yang tidak terpakai sebesar 4047,9255 Rekapitulasi hasil perhitungan perencanaan produksi optimum dari dispenser dengan menggunakan software LINDO 6.1. ditunjukkan pada Tabel 5.47. Tabel 5.47. Rekapitulasi Hasil Perencanaan Produksi dengan Metode Goal Programming dan Fuzzy Goal Programming Periode Goal Programming Fuzzy Goal Programming DS 108 HN DS 121 HN DS 108 HN DS 121 HN Mei 2016 1039 1596 1126 1730 Juni 2016 1287 2234 1338 2322 Juli 2016 1469 3273 1365 3258 Agustus 2016 1413 3667 1193 3560 September 2016 1196 3000 995 3103 Oktober 2016 1141 2067 964 2204 November 2016 1400 1595 1126 1730 Desember 2016 1287 2234 1338 2322 Januari 2017 1413 3329 1355 3233 Februari 2017 1413 3667 1193 3560 Maret 2017 1196 3000 995 3103 April 2017 1036 2067 963 2204 Total 46.976 46.280 Sumber: Pengolahan Data Universitas Sumatera Utara

BAB VI ANALISIS PEMECAHAN MASALAH

6.1. Analisis Jumlah Produksi

Perhitungan optimasi perencanaan produksi menghasilkan jumlah produk optimal yang dapat dihasilkan dengan memenuhi fungsi tujuan dan fungsi kendala yang dimiliki perusahaan, dapat dilihat pada Tabel 6.1. Tabel 6.1. Hasil Perhitungan Jumlah Produk Optimum dengan Software LINDO Periode Jumlah Produk Optimum dengan FGP Unit DS 108 HN DS 121 HN Mei-16 1126 1730 Jun-16 1338 2322 Jul-16 1365 3258 Agu-16 1193 3560 Sep-16 995 3103 Okt-16 964 2204 Nov-16 1126 1730 Des-16 1338 2322 Jan-17 1355 3233 Feb-17 1193 3560 Mar-17 995 3103 Apr-17 963 2204 Total 13951 32329 46280 Sumber: Pengolahan Data Pada periode April 2106 terdapat sisa stok sebanyk 218 unit untuk produk tipe DS 218 HN dan 460 unit untuk produk tipe DS 121 HN. Sehingga jumlah produk yang diproduksi pada Mei 2016 adalah jumlah produk optimum dengan perencanaan FGP dikurangi sisa stok pada periode sebelumnya yaitu sebanyak 908 unit untuk DS 108 HN dan 1270 unit DS 121 HN. Universitas Sumatera Utara