PENERAPAN MODEL LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN JUMLAH PRODUKSI SEDOTAN SEHINGGA MEMPEROLEH KEUNTUNGAN MAKSIMAL PADA PT UNIPLASTIKA NATHALINDO
|
|
- Shinta Pranata
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENERAPAN MODEL LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN JUMLAH PRODUKSI SEDOTAN SEHINGGA MEMPEROLEH KEUNTUNGAN MAKSIMAL PADA PT UNIPLASTIKA NATHALINDO Rico Lisarib, Harjanto Prabowo, Gunawarman Hartono Universitas Bina Nusantara, Jl. KH. Syahdan No. 9, Palmerah, Jakarta Barat 1, Abstrak PT Uniplastika Nathalindo merupakan perusahaan yang memproduksi sedotan serta stik untuk permen lolipop. Perusahaan ini belum dapat berproduksi secara optimal, karena terdapat kendalakendala dalam hal kapasitas produksi, sumber daya dan fluktuasi permintaan dari produk yang menjadi fokus utama mereka. Tujuan dari penelitian ini adalah untuk menghitung waktu siklus setiap mesin dalam berproduksi menggunakan analisis work measurement, kemudian menentukan permintaan periode selanjutnya menggunakan metode forecasting yang tepat, dan menentukan kombinasi produksi serta tingkat persediaan yang optimal menggunakan model linear programming. Pemodelan ini dapat digunakan oleh perusahaan sebagai usulan solusi untuk berproduksi secara optimal, dengan berbagai keterbatasan sumber daya. (RL) Kata Kunci: Pemrograman Linier, Optimasi, Maksimasi keuntungan Abstract PT Uniplastika Nathalindo is a company that produces straws and sticks for lollipop. This company has not been able to produce optimally, because there are some constraints in terms of production capacity, the resources and demand fluctuations of products that become their main focus. The purpose of this study are to calculate the cycle time of each machine in production using work measurement analysis, then determine the demand for the next period using appropriate forecasting method, and determine the combination of production and optimal inventory levels using a linear programming model. This modeling can be used by company as a proposed solution to produce optimally, with various resources limitations. (RL) Keywords: Linear Programming, Optimation, Maximizing Profits Pendahuluan PT Uniplastika Nathalindo merupakan salah satu pemasok sedotan bagi produk-produk minuman serta pemasok candy stick untuk permen bertangkai. Banyak perusahaan yang bekerja sama secara business to business untuk memperoleh pasokan sedotan. Sinar Sosro, Danone, Unican, Orang Tua, Monysaga Prima, Oasis, Calpico serta beberapa perusahaan besar lainnya merupakan konsumen besar dari PT Uniplastika Nathalindo. Namun dalam perkembangannya hanya ada 3 perusahaan yang
2 secara rutin memesan sedotan dari PT Uniplastika Nathalindo, akan tetapi memiliki masalah dalam hal fluktuasi permintaan yang tidak menentu, namun secara rutin masih melakukan pemesanan produk sedotan dari PT Uniplastika Nathalindo. Perusahaan-perusahaan besar itu antara lain Orang Tua, Sinar Sosro dan Danone yang memiliki pesanan sedotan berturut sedotan tipe U polos, sedotan tipe U berulir dan sedotan lurus bening. Dalam membuat perencanaan produksi untuk memperoleh keuntungan yang maksimal, terkadang perusahaan ini memiliki kendala yang terkait dengan ketersediaan sumber daya berupa bahan baku, tenaga kerja, kapasitas mesin hingga fluktuasi permintaan dari pelanggannya. Adanya fluktuasi permintaan menyebabkan perusahaan terkadang berproduksi dalam jumlah yang berlebih dan terkadang berproduksi dalam jumlah yang tidak mencukupi, sehingga perlu dibuat suatu model untuk menentukan tingkat persediaan optimal berdasarkan produksi optimal setiap batch untuk setiap produk yang ada. Mengacu pada uraian latar belakang di atas, dilakukan penelitian mengenai penerapan model linear programming untuk mengoptimalkan jumlah produksi sedotan sehingga memperoleh keuntungan maksimal pada PT Uniplastika Nathalindo. Penelitian ini diawali dengan fokus pada jumlah permintaan yang berfluktuasi setiap bulannya untuk setiap produk, yang mana diketahui berdasarkan hasil wawancara bersama Ibu Suparni selaku manajer bidang operasional dari perusahaan. Kemudian penelitian dilanjutkan dengan observasi yang dilakukan di pabrik dan ditemukan permasalahan dalam keterbatasan sumber daya untuk berproduksi seperti yang diungkapkan oleh Bapak Tri selaku kepala bidang produksi di pabrik. Untuk memecahkan permasalahan yang dihadapi oleh perusahaan dalam hal optimasi, penggunaan metode linear programming dipilih dengan didahului pengukuran waktu kerja untuk setiap elemen pekerjaan. Kemudian dilanjutkan dengan peramalan yang dilakukan untuk mengetahui jumlah permintaan yang akan datang. Formulasi Masalah 1. Berapa waktu yang dibutuhkan untuk dapat memproduksi 1 unit masing-masing sedotan U shape polos, U shape berulir dan lurus bening? 2. Apa metode peramalan yang tepat untuk dapat memperoleh permintaan yang akurat dari masingmasing sedotan U shape polos, U shape berulir dan lurus bening dan berapa jumlahnya? 3. Bagaimana kombinasi produksi serta tingkat persediaan yang optimal, agar PT Uniplastika Nathalindo dapat memperoleh keuntungan maksimal dan berapa keuntungannya, serta strategi negosiasi dengan pelanggan untuk bersaing dengan kompetitornya? Tujuan 1. Untuk mengetahui waktu yang dibutuhkan untuk dapat memproduksi 1 unit masing-masing sedotan U shape polos, U shape berulir dan lurus bening. 2. Untuk mengetahui metode peramalan yang tepat untuk dapat memperoleh permintaan yang akurat dari masing-masing sedotan U shape polos, U shape berulir dan lurus bening dan jumlah permintaannya. 3. Untuk mengetahui kombinasi produksi serta tingkat persediaan yang optimal, agar PT Uniplastika Nathalindo dapat memperoleh keuntungan maksimal dan mengetahui besar keuntungannya, serta strategi negosiasi dengan pelanggan untuk bersaing dengan kompetitornya. Landasan Teori Riset Operasi Riset operasi merupakan suatu pendekatan ilmiah terhadap pengambilan keputusan yang meliputi kegiatan operasi dalam organisasi. Riset operasi berhubungan erat dengan pengambilan keputusan untuk mencapai hasil yang optimal. (Hillier dan Lieberman, 2005:4-5) Forecasting Heizer & Render (2011:136) mendefinisikan peramalan (forecasting) sebagai seni dan ilmu memprediksi peristiwa-peristiwa masa depan. Peramalan memerlukan pengambilan data historis dan memproyeksikannya ke masa depan dalam model matematis. Esensi dari peramalan yaitu perkiraan
3 mengenai peristiwa yang mungkin terjadi di masa yang akan datang dengan melihat pada pola-pola di waktu lalu sebagai dasar pertimbangannya. Work Measurement Sritomo (2003) mengungkapkan, suatu pekerjaan akan dikatakan diselesaikan secara efisien apabila waktu penyelesaiannya berlangsung paling singkat. Oleh karena itu, untuk menghitung waktu baku penyelesaian pekerjaan untuk memilih alternatif metode kerja yang terbaik, maka perlu diterapkan prinsip-prinsip dan teknik-teknik pengukuran kerja. Pengukuran kerja dibagi menjadi dua yaitu pengukuran kerja langsung dan pengukuran kerja tidak langsung. Linear Programming Dimyati & Dimyati (2006:17) mengutarakan linear programming sebagai pemodelan matematis untuk menjelaskan sebuah persoalan. Sifat linear di sini berarti bahwa seluruh fungsi matematis dalam model ini merupakan fungsi yang linier, sedangkan kata programming memiliki arti perencanaan. Oleh karena itu linear programming diartikan sebagai perencanaan aktivitas untuk memperoleh hasil yang optimum, baik untuk solusi yang maksimum maupun solusi yang minimum. Metode Penelitian ini bertujuan untuk mengetahui waktu yang dibutuhkan untuk dapat memproduksi 1 unit untuk masing-masing jenis sedotan. Kemudian untuk mengetahui metode peramalan yang tepat untuk dapat meminimalisir fluktuasi permintaan dan menentukan jumlah permintaannya. Penelitian ini juga untuk mengetahui kombinasi produksi serta tingkat persediaan yang optimal, agar PT Uniplastika Nathalindo dapat memperoleh keuntungan maksimal dan mengetahui besar keuntungannya. Metode analisis yang digunakan, didasarkan pada tujuan penelitian yang terdapat pada tabel di bawah ini. Hasil dan Pembahasan Tabel 1. Metode Analisis Tujuan Penelitian Metode Analisis T-1 Work Measurement T-2 Forecasting T-3 Linear Programming Work Measurement Berikut ini merupakan hasil perhitungan waktu baku untuk masing-masing mesin dari setiap jenis sedotan. Tabel 2. Waktu Baku per Unit Sedotan U Shape Polos Mesin Waktu Baku penelitian Mixer detik / 102 kg Extruder 12, detik / 102 kg Flexible 189 detik / 500 pcs Packing detik / 500 pcs Waktu baku mesin mixer (per unit sedotan) = Waktu baku mesin extruder (per unit sedotan) = Waktu baku mesin flexible (per unit sedotan) = = detik. = detik. = detik. Waktu baku mesin packing (per unit sedotan) = = detik. Waktu baku produksi sedotan U shape polos (per unit sedotan) = detik detik +
4 0.378 detik detik = detik. Tabel 3. Waktu Baku per Unit Sedotan U Shape Berulir Mesin Waktu Baku penelitian Mixer detik / 102 kg Extruder 11, detik / 102 kg Flexible detik / 500 pcs Packing detik / 500 pcs Waktu baku mesin mixer (per unit sedotan) = Waktu baku mesin extruder (per unit sedotan) = Waktu baku mesin flexible (per unit sedotan) = = detik. = detik. = detik. Waktu baku mesin packing (per unit sedotan) = = detik. Waktu baku produksi sedotan U shape berulir (per unit sedotan) = detik detik detik detik = detik. Tabel 4. Waktu Baku per unit Sedotan Lurus Bening Mesin Waktu Baku penelitian Mixer detik / 108 kg Extruder 12, detik / 108 kg Multipacking detik / 100 pack Waktu baku mesin mixer (per unit sedotan) = = detik Waktu baku mesin extruder (per unit sedotan) = Mesin multipacking = detik/pack (1pack = 27pcs) Waktu baku (per unit sedotan) = = detik. = detik. Waktu baku produksi sedotan lurus bening (per unit sedotan) = detik detik detik = detik. Forecasting Berikut ini merupakan hasil peramalan untuk setiap jenis sedotan, serta pemilihan metode peramalan yang terbaik. Tabel 5. Perbandingan Hasil Peramalan Permintaan Sedotan U Shape Polos No. Metode Peramalan Hasil Peramalan MAD MSE 1. Multiplicative Decomposition 5,514, , ,639,500,000 (Centered Moving Average) 2. Multiplicative Decomposition 5,179, , ,797,900,000 (Average of All Data) 3. Additive Decomposition (Centered 5,522, , ,702,600,000 Moving Average) 4. Additive Decomposition (Average of All Data) 5,204, , ,470,800,000
5 Hasil peramalan yang digunakan untuk sedotan U shape polos yaitu Additive Decomposition (Average of All Data) dengan hasil peramalan permintaan sebesar 5,204,103 unit, karena memiliki MAD terkecil. Tabel 6. Perbandingan Hasil Peramalan Permintaan Sedotan U Shape Berulir No. Metode Peramalan Hasil Peramalan MAD MSE 1. Multiplicative Decomposition 6,094,082 1,376,993 2,680,718,000,000 (Centered Moving Average) 2. Multiplicative Decomposition 5,393,922 1,274,890 2,566,584,000,000 (Average of All Data) 3. Additive Decomposition (Centered 6,154,375 1,365,312 2,689,108,000,000 Moving Average) 4. Additive Decomposition (Average of All Data) 5,405,939 1,274,817 2,556,350,000,000 Hasil peramalan yang digunakan untuk sedotan U shape berulir yaitu Additive Decomposition (Average of All Data) dengan hasil peramalan permintaan sebesar 5,405,939 unit, karena memiliki MAD terkecil. Tabel 7. Perbandingan Hasil Peramalan Permintaan Sedotan Lurus Bening No. Metode Peramalan Hasil Peramalan MAD MSE 1. Multiplicative Decomposition 40,465,580 9,537,819 6,174,300,000,000 (Centered Moving Average) 2. Multiplicative Decomposition 38,766,740 8,731,649 8,734,700,000,000 (Average of All Data) 3. Additive Decomposition (Centered 39,514,190 9,655,085 7,477,400,000,000 Moving Average) 4. Additive Decomposition (Average of All Data) 37,909,100 8,801,476 9,472,000,000,000 Hasil peramalan yang digunakan untuk sedotan lurus bening yaitu Multiplicative Decomposition (Average of All Data) dengan hasil peramalan permintaan sebesar 38,776,740 unit, karena memiliki MAD terkecil. Linear Programming Dalam pemodelan linear programming terdapat tahapan-tahapan dimulai dari menentukan variable keputusan, kemudian menentukan fungsi tujuan dan fungsi kendalanya. 1. Variabel Keputusan Variabel keputusan terbagi menjadi dua bagian besar yaitu variabel keputusan untuk produksi dan variabel keputusan untuk inventory. Tabel-tabel di bawah ini menunjukkan variabel keputusan untuk produksi dan variabel keputusan untuk inventory. Batch (j) Tabel 8. Variabel Keputusan Produksi Sedotan (i) Tipe U Polos (1) Tipe U Berulir (2) Sedotan Bening Lurus (3) Batch 1 S 11 S 21 S 31 Batch 2 S 12 S 22 S 32 Batch 3 S 13 S 23 S 33 Batch 4 S 14 S 24 S 34
6 Keterangan: S 11 = Produksi Sedotan Tipe U Polos batch 1 S 12 = Produksi Sedotan Tipe U Polos batch 2 S 13 = Produksi Sedotan Tipe U Polos batch 3 S 14 = Produksi Sedotan Tipe U Polos batch 4 S 21 = Produksi Sedotan Tipe U Berulir batch 1 S 22 = Produksi Sedotan Tipe U Berulir batch 2 S 23 = Produksi Sedotan Tipe U Berulir batch 3 S 24 = Produksi Sedotan Tipe U Berulir batch 4 S 31 = Produksi Sedotan Bening Lurus batch 1 S 32 = Produksi Sedotan Bening Lurus batch 2 S 33 = Produksi Sedotan Bening Lurus batch 3 S 34 = Produksi Sedotan Bening Lurus batch 4 Batch (j) Tabel 9. Variabel Keputusan Inventory Sedotan (i) Tipe U Polos (1) Tipe U Berulir (2) Sedotan Bening Lurus (3) Inventory Awal I 10 I 20 I 30 Batch 1 I 11 I 21 I 31 Batch 2 I 12 I 22 I 32 Batch 3 I 13 I 23 I 33 Batch 4 I 14 I 24 I 34 Keterangan: I 10 = Inventory Awal Sedotan Tipe U Polos I 11 = Inventory Sedotan Tipe U Polos batch 1 I 12 = Inventory Sedotan Tipe U Polos batch 2 I 13 = Inventory Sedotan Tipe U Polos batch 3 I 14 = Inventory Sedotan Tipe U Polos batch 4 I 20 = Inventory Awal Sedotan Tipe U Berulir I 21 = Inventory Sedotan Tipe U Berulir batch 1 I 22 = Inventory Sedotan Tipe U Berulir batch 2 I 23 = Inventory Sedotan Tipe U Berulir batch 3 I 24 = Inventory Sedotan Tipe U Berulir batch 4 I 30 = Inventory Awal Sedotan Bening Lurus I 31 = Inventory Sedotan Bening Lurus batch 1 I 32 = Inventory Sedotan Bening Lurus batch 2 I 33 = Inventory Sedotan Bening Lurus batch 3 I 34 = Inventory Sedotan Bening Lurus batch 4 2. Fungsi Tujuan Fungsi Tujuan dari pemodelan ini adalah untuk mengetahui jumlah profit yang dapat diperoleh perusahaan. Tabel 1. Tabel Harga Jual Sedotan Tipe Sedotan Harga Jual U Shape Polos Rp 20.5 / sedotan U Shape Berulir Rp / sedotan Lurus Bening Rp 7.83 / sedotan Sumber: PT Uniplastika Nathalindo (2014) Tabel 2. Variable Cost Bahan Baku Sedotan U Shape Polos Harga Bahan Baku (per sedotan) Sedotan U Shape Berulir Sedotan Lurus Bening
7 Polypropylene Rp 7.76 Rp 7.76 Rp 4.40 Pigmen Warna Putih Rp Pigmen Warna Merah - Rp TA Rp 0.12 Plastik U Shape Packing Rp 3.7 Rp Plastik Multipacking - - Rp 0.33 Variabel Cost Rp Rp Rp 4.85 Sumber: PT Uniplastika Nathalindo (2014) Inventory Cost (IC) diasumsikan oleh perusahaan sebesar 2% dari variable cost, sehingga diperoleh hasil sebagai berikut. Tabel 3. Inventory Cost Tipe Sedotan Variabel cost Persentase IC Inventory Cost U Shape Polos Rp % Rp U Shape Berulir Rp % Rp Lurus Bening Rp % Rp Sumber: PT Uniplastika Nathalindo (2014) Maximisasi Z = Revenue - Cost = - ( VC + IC) = ( + ( = 20.5 S S S S S S I I I 3 = 8.75 S S S I I I 3 3. Fungsi Kendala Kendala yang dimiliki oleh perusahaan dalam hal peramalan permintaan yang berkaitan dengan tingkat persediaan, jumlah bahan baku, jumlah jam kerja mesin dan waktu kerja untuk produksi setiap jenis sedotan yang ada. 1. Permintaan dan Persediaan Demand sedotan tipe U shape polos = 5,204,103 unit / bulan Demand sedotan tipe U shape berulir = 5,405,939 unit / bulan Demand sedotan tipe lurus bening = 38,766,740 unit / bulan Demand per batch (dibagi dalam 4 batch pengiriman): Demand per batch sedotan tipe U shape polos (d 1 ) = Demand per batch sedotan tipe U shape berulir (d 2 ) = = 1,301,026 unit / bulan. = 1,351,485 unit / bulan. Demand per batch sedotan tipe lurus bening (d 3 ) = Inventory Awal + Produksi Inventory Akhir = Demand per batch Untuk sedotan tipe U shape polos: I 10 + S 11 I 11 = 1,301,026 I 11 + S 12 I 12 = 1,301,026 I 12 + S 13 I 13 = 1,301,026 I 13 + S 14 I 14 = 1,301,026 Untuk sedotan tipe U shape berulir: I 20 + S 21 I 21 = 1,351,485 I 21 + S 22 I 22 = 1,351,485 I 22 + S 23 I 23 = 1,351,485 I 23 + S 24 I 24 = 1,351,485 Untuk sedotan lurus bening: I 30 + S 31 I 31 = 9,691,685 I 31 + S 32 I 32 = 9,691,685 I 32 + S 33 I 33 = 9,691,685 I 33 + S 34 I 34 = 9,691,685 = 9,691,685 unit / bulan.
8 2. Kebutuhan bahan baku Polypropylene: Maks. Polypropylene (25 Ton = 25,000,000 gr) (S 11 + S 12 + S 13 + S 14 ) (S 21 + S 22 + S 23 + S 24 ) (S 31 + S 32 + S 33 + S 34 ) 25,000,000 Pigmen Warna Putih: Maks. pigmen warna putih (0.5 Ton = 500,000 gr) (S 11 + S 12 + S 13 + S 14 ) 500,000 Pigmen Warna Merah: Maks. pigmen warna merah (0.5 Ton = 500,000 gr) (S 21 + S 22 + S 23 + S 24 ) 500,000 TA 66: Maks. TA 66 (2 Ton = 2,000,000 gr) 0.02 (S 31 + S 32 + S 33 + S 34 ) 2,000, Kapasitas produksi mesin Asumsi 1 bulan = 22 hari kerja. Jumlah jam kerja mesin = 7.5 jam/shift x 2 shift/hari x 22 hari kerja = 330 jam kerja. Mesin Mixer (3 mesin) Maks. jam kerja mesin mixer Jumlah jam kerja mesin mixer = 3 x 330 jam = 990 jam = 3,564,000 detik (S 11 + S 12 + S 13 + S 14 ) (S 21 + S 22 + S 23 + S 24 ) (S 31 + S 32 + S 33 + S 34 ) 3,564,000 Mesin Extruder (3 mesin) Maks. jam kerja mesin extruder Jumlah jam kerja mesin extruder = 3 x 330 jam = 990 jam = 3,564,000 detik (S 11 + S 12 + S 13 + S 14 ) (S 21 + S 22 + S 23 + S 24 ) (S 31 + S 32 + S 33 + S 34 ) 3,564,000 Mesin Flexible (2 mesin) Maks. jam kerja mesin flexible Jumlah jam kerja mesin flexible = 2 x 330 jam = 660 jam = 2,376,000 detik (S 11 + S 12 + S 13 + S 14 ) (S 21 + S 22 + S 23 + S 24 ) 2,376,000 Mesin Packing U Shape (2 mesin) Maks. jam kerja mesin packing U shape Jumlah jam kerja mesin packing U shape = 2 x 330 jam = 660 jam = 2,376,000 detik (S 11 + S 12 + S 13 + S 14 ) (S 21 + S 22 + S 23 + S 24 ) 2,376,000 Mesin Multipacking (2 mesin) Maks. jam kerja mesin multipacking Jumlah jam kerja mesin multipacking = 2 x 330 jam = 660 jam = 2,376,000 detik (S 31 + S 32 + S 33 + S 34 ) 2,376, Waktu kerja Jumlah jam kerja = 7.5 jam/shift x 2 shift/hari x 22 hari kerja= 330 jam = detik Keterbatasan waktu produksi: Maks. waktu produksi (S 11 + S 12 + S 13 + S 14 ) (S 21 + S 22 + S 23 + S 24 ) (S 31 + S 32 + S 33 + S 34 ) 1,188, Non-Negatif S ij, I ij 0, i = 1, 2, 3 ; j = 1, 2, 3, 4 Hasil Analisa
9 Jadi, untuk produksi sedotan pada periode Januari 2014, sebaiknya PT Uniplastika Nathalindo memproduksi sedotan U shape berulir pada batch pertama sebanyak 1,140,019 unit, sedotan lurus bening pada batch pertama sebanyak 9,691,685 unit, batch kedua sebanyak 9,691,685 unit, dan batch ketiga sebanyak 6,022,960 unit, sehingga akan memperoleh keuntungan maksimal sebesar Rp 91,055, Tabel 4. Profit Optimal Produk Jumlah Profit (per unit) Profit (per produk) Sedotan U shape 1,140,019 Rp Rp 15,344,655.7 berulir batch 1 Sedotan lurus bening 9,691,685 Rp 2.98 Rp 28,881,221.3 batch 1 Sedotan lurus bening 9,691,685 Rp 2.98 Rp 28,881,221.3 batch 2 Sedotan lurus bening 6,022,960 Rp 2.98 Rp 17,948,420.8 batch 3 Total Profit Rp 91,055,519.1 Gambar 1. Ranging Dalam output ranging, diperoleh bahwa sumber daya yang telah digunakan secara optimal adalah kapasitas mesin multipacking dan waktu kerja yang memiliki nilai slack sebesar 0, sedangkan sisanya yaitu polypropylene, pigmen warna putih, pigmen warna merah, TA 66, kapasitas mesin mixer, kapasitas mesin extruder, kapasitas mesin flexible, dan kapasitas mesin packing U belum digunakan secara optimal. Simpulan dan Saran Berdasarkan hasil penelitian yang dilakukan serta pembahasan pada bab sebelumnya, maka dapat ditarik beberapa kesimpulan yaitu:
10 1. Perhitungan waktu siklus berdasarkan hasil pengamatan langsung untuk masing-masing mesin dalam memproduksi 1 unit sedotan diperlukan untuk mengetahui lamanya waktu yang dibutuhkan dalam berproduksi. 2. Metode peramalan yang paling tepat digunakan untuk meramalkan jumlah penjualan tiap produk bagi PT Uniplastika Nathalindo yang memiliki nilai Mean Absolute Deviation (MAD) yang terkecil. Untuk produk sedotan U shape polos menggunakan metode Additive Decomposition (Average of All Data), untuk sedotan U shape berulir menggunakan metode Additive Decomposition (Average of All Data), dan untuk sedotan lurus bening menggunakan metode Multiplicative Decomposition (Average of All Data). 3. Kombinasi produk sedotan yang optimal yang harus diproduksi oleh PT Uniplastika Nathalindo pada periode Januari 2014 adalah sedotan U shape berulir pada batch pertama sebesar 1,140,019 unit, sedotan lurus bening pada batch pertama, kedua dan ketiga berturutturut sebesar 9,691,685 unit, 9,691,685 unit, dan 6,022,960 unit sehingga akan memperoleh keuntungan maksimal sebesar Rp 91,055, Berdasarkan penelitian, analisa serta kesimpulan yang diambil, maka beberapa saran yang dapat diberikan kepada PT Uniplastika Nathalindo antara lain: 1. Perusahaan perlu meningkatkan efisiensi penyediaan bahan baku dan tenaga kerja sehingga sumber daya yang ada, secara keseluruhan dapat dimanfaatkan secara optimal, sehingga perusahaan dapat memperoleh keuntungan maksimal. Untuk sumber daya, dapat diberikan pelatihan oleh pihak human resource, sehingga waktu produksi bisa lebih seragam dan cenderung lebih singkat. 2. Perusahaan hendaknya menggunakan metode Linear Programming untuk dapat memperoleh solusi atas perencanaan produksi, sehingga perusahaan dapat berproduksi secara optimal dan memiliki tingkat inventory yang minimal, sehingga dapat memperoleh keuntungan maksimal, baik jangka pendek maupun jangka panjang. 3. Alternatif pertama yang dapat digunakan oleh perusahaan yaitu dengan memproduksi sesuai dengan detail pada pembahasan. Selanjutnya ada alternatif kedua yaitu dengan melakukan negosiasi untuk meningkatkan harga jual sedotan U shape polos dengan perusahaan yang menjadi konsumennya yaitu Orang Tua grup, sehingga perusahaan masih dapat memiliki keuntungan yang maksimal dengan memproduksi sedotan tipe U shape polos. Referensi Abbas, B. S., Herman, R. T., & Shinta. Analisis Produksi Menggunakan Model Optimasi Linear Programming Pada PT MAST. Jurnal Piranti Warta Volume 11 / Nomor 03 / Agustus Aminudin, Prinsip-prinsip Riset Operasi. Jakarta: Erlangga. Anon. (2014). Retrieved August, 28, 2014, from Anon. (2014). Retrieved August, 28, 2014, from Anon. (2013). Pengertian, Definisi, dan Fungsi-Fungsi Manajemen. Retrieved December 9, 2013, from Andarningtyas, N. (2014, January 17). Retrieved March 25, 2014, from AntaraNews: Damayanti, I. S., Prastawa, H., & Bakhtiar, A. Optimalisasi Kombinasi Produk dengan Menggunakan Metode Program Linier pada CV. Citra Jepara Furniture. Retrieved January 22, 2014 from HYPERLINK " Dimyati, T.T. & Dimyati, A., Operations Research. Bandung: Sinar Baru Algensindo. Heizer, J., & Render, B. (2011). Operations Management (10th Edition ed.). New Jersey: Prentice Hall. Hillier, F. S., & Lieberman, G. J. (2005). Introduction to Operation Research. Boston: McGraw- Hill. Merlyana & Abbas, B. S. Sistem Informasi Untuk Optimalisasi Produksi dan Maksimisasi Keuntungan Menggunakan Metode Linear Programming. Jurnal Piranti Warta Volume 11 / Nomor 03 / Agustus 2008.
11 Mulyono, S. (2007). Riset Operasi. Fakultas Ekonomi Universitas Indonesia. Jakarta. Ramadhan, F. (2012). ghealz77. Retrived March 9, 2014 from Render, B., & Heizer, J. (2011). Operations Management (1st ed.). Jakarta: Salemba Empat. Render, B., Stair Jr., R. M., & Hanna, M. E. (2012). Quantitative Analysis for Management (11 th Edition). England: Pearson Education Limited. Rinawati, D. I., Puspitasari, D., & Muljadi, F. Penentuan Waktu Standar dan Jumlah Tenaga Kerja Optimal pada Produksi Batik Cap (Studi Kasus: IKM Batik Saud Effendy, Laweyan). Jurnal Teknik Industri Undip Volume VII / Nomor 3 / September Robbins, S. P., & Coulter, M. (2010). Manajemen (10 th ed., Vol. 1). Jakarta: Erlangga. Roush, W. B., Dozier, W. A., & Branton, S. L. (2006). Comparison of Gompertz and Neural Network. Poultry Science. Saputra, D. (2014, January 17). Berita: Pertumbuhan Industri Ringan Meningkat. Retrieved February 17, 2014, from antaranews.com: Sekaran, U. Alih bahasa oleh Kwan Men Yon. (2009). Metodologi Penelitian untuk Bisnis (Buku 1) Edisi 4. Jakarta: Salemba Empat. Sekaran, U. Alih bahasa oleh Kwan Men Yon. (2006). Metodologi Penelitian umtuk Bisnis( Buku 2) Edisi 4. Jakarta: Salemba Empat. Siswanto Operations Research. Jakarta: Erlangga. Stevenson, W.J., Operations Management (10th ed). New York: McGraw-Hill. Suratno, A. C. T. (2012). Penentuan Kombinasi Produk Menggunakan Model Linear Programming untuk Memaksimalkan Keuntungan (Studi Kasus di CV. Anugerah Sukses Mandiri, Godean, Yogyakarta), Retrieved January 22, 2014, from HYPERLINK " Taha, H.A., Operation Research : An Introduction (8 th ed). New Jersey: Prentice Hall. Taylor, Bernard W. Alih bahasa oleh Vita Silvia. (2008). Sains Manajemen (buku 2) Edisi 8. Jakarta: Salemba Empat. Wignjosoebroto, S. (2003). Ergonomi Studi Gerak dan Waktu. Surabaya: Guna Widya. Williamson, D. (2003). Retrieved April 5, 2014, from Time Series Analysis:
BAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Industri makanan dan minuman (food and beverage) merupakan salah satu industri yang sangat berkembang di setiap negara, termasuk Indonesia. Perumbuhan sektor Industri
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1. Desain Penelitian Penelitian ini memiliki sifat penelitian deskriptif karena memiliki tujuan untuk mendeskripsikan fenomena-fenomena yang terjadi di dalam perusahaan yang menjadi
Lebih terperinciANALISA PENERAPAN LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN JUMLAH PRODUKSI DALAM MEMPEROLEH KEUNTUNGAN MAKSIMAL CV. CIPTA UNGGUL PRATAMA
ANALISA PENERAPAN LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN JUMLAH PRODUKSI DALAM MEMPEROLEH KEUNTUNGAN MAKSIMAL CV. CIPTA UNGGUL PRATAMA Sugiarto Christian Binus University, DKI Jakarta, 021-53696969, huangchristian@yahoo.com
Lebih terperinciANALISIS PERENCANAAN OPTIMALISASI PRODUKSI UNTUK MENDAPATKAN KEUNTUNGAN MAKSIMAL PADA CV.LIZAMODA DENGAN METODE LINEAR PROGRAMMING
ANALISIS PERENCANAAN OPTIMALISASI PRODUKSI UNTUK MENDAPATKAN KEUNTUNGAN MAKSIMAL PADA CV.LIZAMODA DENGAN METODE LINEAR PROGRAMMING Yudhi Rhadiyan Bina Nusantara University, Indonesia Harry Indra (Dosen
Lebih terperinciMODEL OPTIMASI PENENTUAN KOMBINASI PRODUK MENGGUNAKAN METODE LINEAR PROGRAMMING PADA PERUSAHAAN BIDANG FASHION
MODEL OPTIMASI PENENTUAN KOMBINASI PRODUK MENGGUNAKAN METODE LINEAR PROGRAMMING PADA PERUSAHAAN BIDANG FASHION Marcella Marsetiani PT Astakarya Busanaprima Jln. Sawo Kav 25, Jakarta Selatan, DKI Jakarta
Lebih terperinciInti Sariani Jianta Djie. PT Anugerah Ajita Sukses Bersama Jln. Semanan Raya No.27, Daan Mogot Km.16, Kalideres, Jakarta Barat
ANALISIS PERAMALAN PENJUALAN DAN PENGGUNAAN METODE LINEAR PROGRAMMING DAN DECISION TREE GUNA MENGOPTIMALKAN KEUNTUNGAN PADA PT PRIMAJAYA PANTES GARMENT Inti Sariani Jianta Djie PT Anugerah Ajita Sukses
Lebih terperinciANALISIS PERAMALAN PENJUALAN UNTUK MENGOPTIMUMKAN PESANAN DAN PERSEDIAAN BARANG PADA CV. GARUDA LANGIT BERLIAN
ANALISIS PERAMALAN PENJUALAN UNTUK MENGOPTIMUMKAN PESANAN DAN PERSEDIAAN BARANG PADA CV. GARUDA LANGIT BERLIAN Aldi Firmansyah Universitas Bina Nusantara, Jl. KH. Syahdan No. 9, Palmerah, Jakarta Barat
Lebih terperinciMINIMASI BIAYA PRODUKSI TEGEL MENGGUNAKAN PENDEKATAN LINIER PROGRAMMING DI PERUSAHAAN TEGEL CV. PENATARAN BLITAR
B-4-1 MINIMASI BIAYA PRODUKSI TEGEL MENGGUNAKAN PENDEKATAN LINIER PROGRAMMING DI PERUSAHAAN TEGEL CV PENATARAN BLITAR * Carolina Endah Wahyuni, ** Moses L Singgih * carolina_endah@yahoocom, ** moses@mitranetid
Lebih terperinciInti Sariani Jianta Djie Jurusan Manajemen Fakultas Ekonomi dan Bisnis Universitas Bina Nusantara Jl. K.H Syahdan No 9 Kemanggisan - Jakarta Barat
ANALISIS PERAMALAN PENJUALAN DAN PENGGUNAAN METODE LINEAR PROGRAMMING DAN DECISION TREE GUNA MENGOPTIMALISASI KEUNTUNGAN PADA PT. PRIMAJAYA PANTES GARMENT Inti Sariani Jianta Djie Jurusan Manajemen Fakultas
Lebih terperinciPREDIKSI JUMLAH PENERIMAAN SISWA SMK SWASTA TAHUN AJARAN 2011/2012
PREDIKSI JUMLAH PENERIMAAN SISWA SMK SWASTA TAHUN AJARAN 2011/2012 Haryadi Sarjono Management Department, School of Business and Management, BINUS University Jln. K.H. Syahdan No. 9, Kemanggisan-Palmerah,
Lebih terperinciAbstract. Keyword: Forecasting, Overstock, Shortage, Aggregate Planning, Mixed Strategy, Abstrak
ANALISA PERMINTAAN UNTUK PERAMALAN DAN PERENCANAAN PRODUKSI YANG OPTIMAL (STUDI KASUS: PRODUK TEH BOTOL KOTAK 200 ML DAN 250 ML PADA KANTOR PABRIK PT. SINAR SOSRO CIBITUNG Sarry Arintika Restu Putri Jurusan
Lebih terperinciPERENCANAAN OPTIMALISASI PRODUKSI DENGAN METODE DE NOVO PROGRAMMING PADA PT. SULLY ABADI JAYA
PERENCANAAN OPTIMALISASI PRODUKSI DENGAN METODE DE NOVO PROGRAMMING PADA PT. SULLY ABADI JAYA Denmin, Haryadi Sarjono Universitas Bina Nusantara, Jl. KH. Syahdan No. 9, Palmerah, Jakarta Barat denmin.wang@ymail.com,
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH. Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi semakin sulit untuk diperkirakan. Selama ini, manajer PT. Focus
Lebih terperinciPENDAHULUAN Sumber daya merupakan salah satu faktor penting yang akan menentukan keberhasilan produksi. Semua sumber daya yang terlibat langsung dalam
OPTIMALISASI PRODUKSI INDUSTRI SAMBAL MENGGUNAKAN PEMROGRAMAN LINIER OPTIMALIZATION OF PRODUCTION INDUSTRIAL SAUCE USING LINEAR PROGRAMMING Denny Sindi Pratama (30408263) Jurusan Teknik Industri, Fakultas
Lebih terperinciPERENCANAAN PERSEDIAAN BARANG MENGGUNAKAN METODE FORECASTING DAN EOQ PADA PT. COSMO MAKMUR INDONESIA
Strategi Bisnis, Jurnal Management Strategic, Aug 2015 PERENCANAAN PERSEDIAAN BARANG MENGGUNAKAN METODE FORECASTING DAN EOQ PADA PT. COSMO MAKMUR INDONESIA Ardiz Sebastian ardiz.sebastian@gmail.com Mulyono,
Lebih terperinciOPTIMASI PERENCANAAN PRODUKSI CAT DI PT. XYZ DENGAN METODE MIXED INTEGER PROGRAMMING
OPTIMASI PERENCANAAN PRODUKSI CAT DI PT. XYZ DENGAN METODE MIXED INTEGER PROGRAMMING Michael Firman Mulyono dan Abdullah Shahab Program Studi MagisterManajemenTeknologi InstitutTeknologiSepuluh Nopember
Lebih terperinciEMA302 Manajemen Operasional
1 PERAMALAN (FORECASTING) EMA302 Manajemen Operasional Pengertian (1) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information that is available now. (Peramalan
Lebih terperinciANALISIS USULAN PERAMALAN DAN METODE LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN JUMLAH PRODUKSI DAN MEMAKSIMALKAN KEUNTUNGAN PADA PT. SUMBER PANGAN JAYA
ANALISIS USULAN PERAMALAN DAN METODE LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN JUMLAH PRODUKSI DAN MEMAKSIMALKAN KEUNTUNGAN PADA PT. SUMBER PANGAN JAYA Muhammad Rizaldy Kurniadi, Cecep Hidayat Manajemen,
Lebih terperinciANALISIS PERAMALAN PERMINTAAN DAN PERENCANAAN PEMESANAN PUPUK SERTA PENERAPAN SIMULASI MONTE CARLO PADA PT. INDONUSA AGROMULIA
ANALISIS PERAMALAN PERMINTAAN DAN PERENCANAAN PEMESANAN PUPUK SERTA PENERAPAN SIMULASI MONTE CARLO PADA PT. INDONUSA AGROMULIA ABSTRAK Vendy Santoso Jurusan Manajemen, Fakultas Ekonomi, Universitas Bina
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Manajemen Menurut Robbins dan Coulter (2009:7) manajemen adalah aktivitas kerja yang melibatkan koordinasi dan pengawasan terhadap pekerjaan orang lain, sehingga pekerjaan
Lebih terperinciMETODE SIMPLEKS DALAM PROGRAM LINIER
METODE SIMPLEKS DALAM PROGRAM LINIER Dian Wirdasari Abstrak Metode simpleks merupakan salah satu teknik penyelesaian dalam program linier yang digunakan sebagai teknik pengambilan keputusan dalam permasalahan
Lebih terperinciI. PENDAHULUAN CYBER-TECHN. VOL 7 NO 1 (2012) OPTIMALISASI PENJUALAN AIR MINERAL DENGAN MODEL LINEAR PROGRAMMING DI CV. TIRTA GROUP.
OPTIMALISASI PENJUALAN AIR MINERAL DENGAN MODEL LINEAR PROGRAMMING DI CV. TIRTA GROUP Deny Utomo *) ABSTRAKSI Penelitian ini bertujuan untuk menganalisa penjualan air mineral dengan model linear programing
Lebih terperinciBAB I PENDAHULUAN. Dalam hal ini, perusahaan sering dihadapkan pada masalah masalah yang
BAB I PENDAHULUAN 1.1. Latar Belakang Suatu perusahaan selalu berusaha untuk mendapatkan laba yang maksimal. Dalam hal ini, perusahaan sering dihadapkan pada masalah masalah yang kompleks dalam mengambil
Lebih terperinciAplikasi Fuzzy Linear Programming untuk Produksi Bola Lampu di PT XYZ
Aplikasi Fuzzy Linear Programming untuk Bola Lampu di PT XYZ Hendra Suantio 1, A. Jabbar M. Rambe 2, Ikhsan Siregar 3 Departemen Teknik Industri, Fakultas Teknik, Universitas Sumatera Utara Jl. Almamater
Lebih terperinciPENERAPAN MODEL TRANSPORTASI DAN DECISION TREE PADA DISTRIBUSI BARANG
PENERAPAN MODEL TRANSPORTASI DAN DECISION TREE PADA DISTRIBUSI BARANG Arlita Armanto; Haryadi Sarjono Management Department, School of Business Management, Binus University, Jl. K. H. Syahdan No. 9, Palmerah,
Lebih terperinciANALISIS PERAMALAN PENJUALAN DAN PENGENDALIAN PERSEDIAAN PADA PT. CENTRAL KARYA SENTOSA
ANALISIS PERAMALAN PENJUALAN DAN PENGENDALIAN PERSEDIAAN PADA PT. CENTRAL KARYA SENTOSA Christianto¹ dan Harry Indra² Universitas Bina Nusantara, Jl. K.H Syahdan No 9, Kemanggisan-Jakarta Barat, 021-5345830
Lebih terperinciMAKSIMALISASI PROFIT DALAM PERENCANAAN PRODUKSI
MAKSIMALISASI PROFIT DALAM PERENCANAAN PRODUKSI Tri Hernawati Staf Pengaar Kopertis Wilayah I Dpk Fakultas Teknik Universitas Islam Sumatera Utara Medan Abstrak Profit yang maksimal merupakan tuuan utama
Lebih terperinciOPTIMASI PERENCANAAN PRODUKSI DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING
OPTIMASI PERENCANAAN PRODUKSI DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING Vera Devani Jurusan Teknik Industri Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau ABSTRAK Metode
Lebih terperinciANALISIS MARKOV CHAIN TERHADAP PERSEDIAAN: STUDI KASUS PADA CV SINAR BAHAGIA GROUP
ANALISIS MARKOV CHAIN TERHADAP PERSEDIAAN: STUDI KASUS PADA CV SINAR BAHAGIA GROUP Haryadi Sarjono; Edwin; Himawan Sentosa; Frendy Bong Jurusan Manajemen, Fakultas Ekonomi dan Komunikasi, BINUS University
Lebih terperinciPENJADWALAN PRODUKSI UNTUK PROSES PRODUKSI BUKU PAD DENGAN INTEGER PROGRAMMING
PENJADWALAN PRODUKSI UNTUK PROSES PRODUKSI BUKU PAD DENGAN INTEGER PROGRAMMING William Goenardi* dan Abdullah Shahab** *PT. HM Sampoerna, Tbk. Jl. Rungkut Industri Raya 18, Surabaya e-mail: william_goenardi@yahoo.com
Lebih terperinciANALISIS STRATEGI TATA LETAK TERHADAP PRODUKTIVITAS OPERASIONAL PRODUKSI DAN INVENTORY CONTROL PADA PT.MEGATAMA PLASINDO
ANALISIS STRATEGI TATA LETAK TERHADAP PRODUKTIVITAS OPERASIONAL PRODUKSI DAN INVENTORY CONTROL PADA PT.MEGATAMA PLASINDO Dita Gisela Binus University, Jakarta, DKI Jakarta, Indonesia Abstrak PT. MEGATAMA
Lebih terperinciPengantar Teknik Industri TIN 4103
Pengantar Teknik Industri TIN 4103 Lecture 10 Outline: Penelitian Operasional References: Frederick Hillier and Gerald J. Lieberman. Introduction to Operations Research. 7th ed. The McGraw-Hill Companies,
Lebih terperinciPERAMALAN JUMLAH SISWA/I SEKOLAH MENENGAH ATAS SWASTA MENGGUNAKAN ENAM METODE FORECASTING
PERAMALAN JUMLAH SISWA/I SEKOLAH MENENGAH ATAS SWASTA MENGGUNAKAN ENAM METODE FORECASTING Lim Sanny 1, Haryadi Sarjono 1 1 Department of Management, Binus University Jln. KH. Syahdan No. 9, Kemanggisan,
Lebih terperinciPerencanaan Produksi dengan Mempertimbangkan Kapasitas Produksi pada CV. X
Perencanaan Produksi dengan Mempertimbangkan Kapasitas Produksi pada CV. X Daniel Kurniawan 1, Tanti Octavia 2 Abstract: Production planning, capacity determination and objective value on CV. X only refers
Lebih terperinciOPTIMASI PRODUKSI MEUBEL MENGGUNAKAN MODEL PEMROGRAMAN LINEAR
OPTIMASI PRODUKSI MEUBEL MENGGUNAKAN MODEL PEMROGRAMAN LINEAR Hendy Tannady Email : htannady@bundamulia.ac.id Penulis Hendy Tannady adalah dosen di Universitas Bunda Mulia dalam bidang Manajemen Operasional
Lebih terperinciDevie Oktarini 2)
Jurnal Desiminasi Teknologi, Volume 1, No. 2, Juli 2013 PERENCANAAN PRODUKSI DALAM USAHA PENCAPAIAN TARGET PRODUKSI DENGAN LINEAR PROGRAMMING 1) (Studi Kasus di Unit si Urea dan Amonia IB PT.Pusri Palembang)
Lebih terperinciANALISA PENGENDALIAN PERSEDIAAN BAHAN BAKU DAN MAKSIMALISASI KEUNTUNGAN PADA PT. REJEKI MAKMUR SEJAHTERA
1 ANALISA PENGENDALIAN PERSEDIAAN BAHAN BAKU DAN MAKSIMALISASI KEUNTUNGAN PADA PT. REJEKI MAKMUR SEJAHTERA ANTONIUS, HARRY INDRA Universitas Bina Nusantara, Jakarta ton_wijaya92@yahoo.com, Harryindrahandrito@yahoo.co.id
Lebih terperinciTeknik Riset Operasional Semester Genap Tahun Akademik 2015/2016 Teknik Informatiaka UIGM
Teknik Riset Operasional Semester Genap Tahun Akademik 2015/2016 Teknik Informatiaka UIGM Dosen: Didin Astriani Prassetyowati, M.Stat Silabus MATAKULIAH TI214 TEKNIK RISET OPERASI (2 SKS) TUJUAN Agar mahasiswa
Lebih terperinciProsiding Manajemen ISSN:
Prosiding Manajemen ISSN: 2460-8419 Analisis Peramalan Penjualan Produk Bandana Multifungsi dengan Menggunakan Metode Exponential Smoothing pada Perusahaan PT.Cemerlang Kencana Bandana Analysis of product
Lebih terperinciPERENCANAAN AGREGAT DENGAN METODE TRANSPORTASI PADA PT. X PASURUAN
Widya Teknika Vol.18 No.1; Maret 2010 ISSN 1411 0660 : 6-10 PERENCANAAN AGREGAT DENGAN METODE TRANSPORTASI PADA PT. X PASURUAN Abstrak Arie Restu Wardhani 1) PT. X merupakan perusahaan yang bergerak di
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan industri manufaktur akhir-akhir ini menunjukkan angka yang positif dimana kebutuhan orang akan produk-produk yang dihasilkan oleh industri manufaktur semakin
Lebih terperinciSimposium Nasional Teknologi Terapan (SNTT) ISSN : X
PERENCANAAN DAN PENJADWALAN PRODUKSI YANG OPTIMAL SEPEDA MOTOR VIAR KARYA 150 DENGAN PENDEKATAN PROGRAMASI DINAMIS DI PT TRIANGLE MOTORINDO SEMARANG 1 Enty Nur Hayati 2 Agus Setiawan 3 Moehamad Aman 1,2
Lebih terperinciOPTIMASI PERENCANAAN DAN PENGENDALIAN BAHAN BAKU DI PT. SIANTAR TOP TBK ABSTRAK
OPTIMASI PERENCANAAN DAN PENGENDALIAN BAHAN BAKU DI PT. SIANTAR TOP TBK Robby Hidayat, Moses L.Singih, Mahasiswa MMT ITS Manajemen Industri Email : Robbie_First@Yahoo.Com ABSTRAK PT. Siantar Top Tbk adalah
Lebih terperinciPERANCANGAN PROGRAM APLIKASI PERHITUNGAN MAKSIMUM LABA PADA PT. TIRTA ANUGRAH ABADI MENGGUNAKAN METODA PEMROGRAMAN LINIER
PERANCANGAN PROGRAM APLIKASI PERHITUNGAN MAKSIMUM LABA PADA PT TIRTA ANUGRAH ABADI MENGGUNAKAN METODA PEMROGRAMAN LINIER Welly Setiaji 1, Zahedi 2, Ngarap Imanuel Manik 3 1 Computer and Science Technology,
Lebih terperinciOptimalisasi Produksi Di Industri Garment Dengan Menggunakan Metode Simpleks
JURNAL INFORMATIKA, Vol.4 No.1 April 2017, pp. 12~20 ISSN: 2355-6579 E-ISSN: 2528-2247 12 Optimalisasi Produksi Di Industri Garment Dengan Menggunakan Metode Simpleks Rizal Rachman STMIK Nusa Mandiri Jakarta
Lebih terperinciABSTRAK. Kata Kunci: Proyeksi Permintaan, Optimasi, Integer Linear Programming.
ABSTRAK Saat ini terdapat banyak UMKM yang berkembang di Yogyakarta. Salah satunya adalah usaha Phia Deva yang memproduksi penganan phia dengan berbagai macam varian rasa. Phia Deva adalah industri kecil
Lebih terperinciANALISIS PENGENDALIAN PERSEDIAAN TERHADAP PRODUK OBAT, VITAMIN, DAN VAKSIN PADA PT. ROMINDO PRIMAVETCOM
ANALISIS PENGENDALIAN PERSEDIAAN TERHADAP PRODUK OBAT, VITAMIN, DAN VAKSIN PADA PT. ROMINDO PRIMAVETCOM Jonathan Nandana Pratama Binus University, Jakarta, Indonesia, jonathan_nandanapratama@yahoo.com
Lebih terperinciBAB I PENDAHULUAN. besar dan mampu membantu pemerintah dalam mengurangi tingkat pengangguran.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam menghadapi globalisasi dunia saat ini mendorong persaingan diantara para pelaku bisnis yang semakin ketat. Di Indonesia sebagai negara berkembang, pembangunan
Lebih terperinciBAB 1 PENDAHULUAN. Sumber: (2015) Gambar 1.1 Grafik Produksi Logam tahun
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Diera globalisasi sekarang ini banyak munculnya wirausaha-wirausaha baru di Indonesia, sehingga perusahaan-perusahaan baru semakin menjamur khususnya di Indonesia.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini diuraikan teori-teori yang digunakan untuk membahas permasalahan yang ada. Teori-teori yang digunakan adalah Riset Operasi, Konsep Dasar Perencanaan Kapasitas, dan Pemrograman
Lebih terperinciProsiding Manajemen ISSN:
Prosiding Manajemen ISSN: 2460-8383 Analisis Peramalan Penjualan Produk Tahu Putih Menggunakan Metode Adjusted Exponential Smoothing untuk Meminimumkan Kesalahan Peramalan pada Pabrik Tahu Tauhid Bandung
Lebih terperinciABSTRACT. Key words: production, aggregate planning, cost efficiency. vii. Universitas Kristen Maranatha
ABSTRACT P.T Senayan Sandang Makmur is a company engaged in the manufacturing industry. In the course of its operations, the company is always striving to achieve its objectives, namely to meet consumer
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG MASALAH
BAB I PENDAHULUAN 1.1 LATAR BELAKANG MASALAH Manajemen operasi merupakan suatu kegiatan yang berhubungan dengan penciptaan atau pembuatan barang, jasa, atau kombinasinya, melalui transformasi dari masukan
Lebih terperinciOptimasi Perencanaan Produksi dengan Pendekatan Model Goal Programming. (Studi Kasus CV. Cool Clean Malang)
Symbol Vol.1 No.1 / Juli 2014 33 Optimasi Perencanaan Produksi dengan Pendekatan Model Goal Programming (Studi Kasus CV. Cool Clean Malang) Ganis Setia Arta *1, Teguh Oktiarso 2, Suryawirawan Widiyanto
Lebih terperinciMAKSIMALISASI KEUNTUNGAN DENGAN PENDEKATAN METODE SIMPLEKS Kasus pada Pabrik Sosis SM
Jurnal Liquidity Vol., No., Januari-Juni 3, hlm. 59-65 MAKSIMALISASI KEUNTUNGAN DENGAN PENDEKATAN METODE SIMPLEKS Kasus pada Pabrik Sosis SM Yanti Budiasih STIE Ahmad Dahlan Jakarta Jl. Ciputat Raya No.
Lebih terperinciPENENTUAN SOLUSI OPTIMAL PERSEDIAAN PROBABILISTIK MENGGUNAKAN SIMULASI MONTE CARLO. Dian Ratu Pritama ABSTRACT
PENENTUAN SOLUSI OPTIMAL PERSEDIAAN PROBABILISTIK MENGGUNAKAN SIMULASI MONTE CARLO Dian Ratu Pritama Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciBAB III LANGKAH PEMECAHAN MASALAH
BAB III LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Koperasi Niaga Abadi Ridhotullah (KNAR) adalah badan usaha yang bergerak dalam bidang distributor makanan dan minuman ringan (snack). Koperasi
Lebih terperinciEMA302 - Manajemen Operasional Materi #3 Ganjil 2015/2016. EMA302 Manajemen Operasional
Materi #3 EMA302 Manajemen Operasional Pengertian (1/2) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information that is available now. (Peramalan adalah
Lebih terperinciOPTIMASI PEMASARAN PRODUK SUSU PADA PT. INDOMARCO ADI PRIMA PEKANBARU MENGGUNAKAN METODE SIMPLEKS ABSTRACT
Vol. 9. No., 0 OPTIMASI PEMASARAN PRODUK SUSU PADA PT. INDOMARCO ADI PRIMA PEKANBARU MENGGUNAKAN METODE SIMPLEKS Sri Basriati dan Putri Ayu Lestari, Jurusan Matematika Fakultas Sains dan Teknologi UIN
Lebih terperinciThe Use of a Dynamic Programming Approach in Inventory Control of Clove in the Production of Cigarette: A Case Study at PT. Gandum, Malang.
PENGENDALIAN PERSEDIAAN CENGKEH UNTUK PRODUKSI ROKOK DENGAN PENDEKATAN PROGRAM DINAMIS: SUATU STUDI KASUS DI PT.. GANDUM MALANG The Use of a Dynamic Programming Approach in Inventory Control of Clove in
Lebih terperinciPENJADWALAN PEMETIKAN PUCUK TEH UNTUK MEMAKSIMALKAN PRODUKSI DI PT. PERKEBUNAN NUSANTARA VIII, CIATER.
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2937 PENJADWALAN PEMETIKAN PUCUK TEH UNTUK MEMAKSIMALKAN PRODUKSI DI PT. PERKEBUNAN NUSANTARA VIII, CIATER. SCHEDULING OF TEA
Lebih terperinciPERANCANGAN SISTEM ALOKASI DAN PERENCANAAN PRODUKSI KEMAS BOTOL GELAS DENGAN MENGGUNAKAN METODE LINIER PROGRAMMING
PERANCANGAN SISTEM ALOKASI DAN PERENCANAAN PRODUKSI KEMAS BOTOL GELAS DENGAN MENGGUNAKAN METODE LINIER PROGRAMMING Basuki Hermanto Program Bidang Studi Magister Manaemen Teknologi Bidang Keahlian Manaemen
Lebih terperinciBAB 3 Metode Penelitian
BAB 3 Metode Penelitian 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis kebutuhan konsumen pada PT. Aneka Indofoil terkait dengan jumlah persediaan adalah sebagai berikut:
Lebih terperinciFORECASTING UNIT PENJUALAN MOTOR HONDA PADA PT. HONDA DUNIA MOTORINDO DI DAERAH CIPUTAT PERIODE JUNI 2013
FORECASTING UNIT PENJUALAN MOTOR HONDA PADA PT. HONDA DUNIA MOTORINDO DI DAERAH CIPUTAT PERIODE JUNI 2013 Yehezkiel Kitrie¹ dan Harry Indra² Universitas Bina Nusantara, Jl. K.H Syahdan No 9, Kemanggisan-Jakarta
Lebih terperinciBAB 3 METODE PENELITIAN. Dalam skripsi yang penulis lakukan ini menggunakan analisa forecasting dari
BAB 3 METODE PENELITIAN 3.1 Desain Penelitan Dalam skripsi yang penulis lakukan ini menggunakan analisa forecasting dari PT. Honda Dunia Motorindo. Setelah itu dengan analisa tersebut, penulis berusaha
Lebih terperinciSTUDI PENGGUNAAN PACKING PLANT PADA DISTRIBUSI SEMEN DI KALIMANTAN MENGGUNAKAN METODE TRANSSHIPMENT: STUDI KASUS PT. SEMEN GRESIK
STUDI PENGGUNAAN PACKING PLANT PADA DISTRIBUSI SEMEN DI KALIMANTAN MENGGUNAKAN METODE TRANSSHIPMENT: STUDI KASUS PT SEMEN GRESIK Ikhyandini GA dan Nadjadji Anwar Bidang Keahlian Manajemen Proyek Program
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1. Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis perencanaan agregat yang tepat pada PT. LG Electronics adalah sebagai berikut : 1. Peramalan
Lebih terperinciAnalisa Kebutuhan Tenaga Kerja Untuk Memenuhi Permintaan Konsumen di Perusahaan Pengolahan Makanan
Analisa Kebutuhan Tenaga Kerja Untuk Memenuhi Permintaan Konsumen di Perusahaan Pengolahan Makanan Agam Rakhmad Ramadhan 1, Ellysa Nursanti, Thomas Priyasmanu Program Studi Teknik Industri Jl. Raya Karanglo
Lebih terperinciOptimalisasi Produksi Di Industri Garment Dengan Menggunakan Metode Simpleks
INFORMATIKA, Vol.3 September 2016, pp. 12~20 ISSN: 2355-6579 E-ISSN: 2528-2247 12 Optimalisasi Produksi Di Industri Garment Dengan Menggunakan Metode Simpleks Rizal Rachman STMIK Nusa Mandiri Jakarta e-mail:
Lebih terperinciMENYELESAIKAN PERSOALAN TRANSPORTASI DENGAN KENDALA CAMPURAN
MENYELESAIKAN PERSOALAN TRANSPORTASI DENGAN KENDALA CAMPURAN J. K. Sari, A. Karma, M. D. H. Gamal junikartika.sari@ymail.com Mahasiswa Program Studi S Matematika Laboratorium Matematika Terapan Jurusan
Lebih terperinciANALYSIS OF THE AGGREGATE PLANNING TO MINIMIZE THE PRODUCTION COST AT PT.ANELA
ANALYSIS OF THE AGGREGATE PLANNING TO MINIMIZE THE PRODUCTION COST AT PT.ANELA Hasbi Nuradli 1501176076 Abstract The rapid growth of seafood industry has lead to fierce competition. PT. Anela is one of
Lebih terperinciAPLIKASI LINIER PROGRAMMING UNTUK PERENCANAAN PRODUKSI AGREGAT DI UKM ROKOK KRETEK
APLIKASI LINIER PROGRAMMING UNTUK PERENCANAAN PRODUKSI AGREGAT DI UKM ROKOK KRETEK Heri Awalul Ilhamsah Jurusan Teknik Industri Universitas Trunojoyo Madura Kampus Universitas Trunojoyo Madura Jl. Raya
Lebih terperinciOptimasi Produksi Dan Analisis Sensitivitas Menggunakan Algoritma Titik Interior (Studi Kasus: UP2K Melati, Prabumulih)
Jurnal Matematika Integratif ISSN 1412-6184 Volume 11 No 1, April 2015, pp 75-84 Optimasi Produksi Dan Analisis Sensitivitas Menggunakan Algoritma Titik Interior (Studi Kasus: UP2K Melati, Prabumulih)
Lebih terperinciOPTIMALISASI USAHA AGROINDUSTRI TAHU DI KOTA PEKANBARU
OPTIMALISASI USAHA AGROINDUSTRI TAHU DI KOTA PEKANBARU Akhmad Sarifudin, Djaimi Bakce, Evy Maharani Fakultas Pertanian Universitas Riau Hp: 085271968335; Email: akhmad_agb08@yahoo.com ABSTRACT The purpose
Lebih terperinciAPLIKASI BINARY INTEGER PROGRAMMING UNTUK PENINGKATAN EFISIENSI LINTASAN SEBAGAI FUNGSI OUTPUT PRODUKSI DI PT INDOJAYA PRIMA SEMESTA-PASURUAN
APLIKASI BINARY INTEGER PROGRAMMING UNTUK PENINGKATAN EFISIENSI LINTASAN SEBAGAI FUNGSI OUTPUT PRODUKSI DI PT INDOJAYA PRIMA SEMESTA-PASURUAN Husin 1) dan Abdullah Shahab 2) 1) Program Studi Magister Manajemen
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
12 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam proses produksi setiap perusahaan pasti dihadapkan pada persoalan mengoptimalkan lebih dari satu tujuan. Tujuan-tujuan dari persoalan produksi tersebut ada
Lebih terperinciMETODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
Lebih terperinciANALISA PERENCANAAN DAN PENGENDALIAN PERSEDIAAN ATK REGULAR PADA PT. PLN (PERSERO) UDIKLAT JAKARTA PERIODE
ANALISA PERENCANAAN DAN PENGENDALIAN PERSEDIAAN ATK REGULAR PADA PT. PLN (PERSERO) UDIKLAT JAKARTA PERIODE 2011-2012 Angeline Williany BINUS University Jl. Kebon Jeruk Raya, Kebon Jeruk, Jakarta Barat,
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
49 BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Standar Optimasi Dasar evaluasi untuk mengoptimalkan supply chain management pada Honda Tebet (PT. Setianita Megah Motor) dari proses bisnis perusahaan
Lebih terperinciPERAMALAN (FORECASTING) #2
PERAMALAN (FORECASTING) #2 Materi #4 EMA302 Manajemen Operasional Model Simple Linear Regression (1) 2 Model simple linear regression berusaha untuk menyesuaikan garis melalui berbagai data dari waktu
Lebih terperinciBAB II TINJAUAN PUSTAKA. bidang manufaktur, suatu peramalan (forecasting) sangat diperlukan untuk
BAB II TINJAUAN PUSTAKA 2.1. Peramalan 2.1.1 Pengertian Peramalan Di dalam melakukan suatu kegiatan dan analisis usaha atau produksi bidang manufaktur, suatu peramalan (forecasting) sangat diperlukan untuk
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH. Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada PT Dinamika Indonusa Prima terkait dengan jumlah permintaan akan
Lebih terperinciAnalisis Persediaan untuk Menentukan Profit dan Tingkat Pelayanan dengan Metode Simulasi
Analisis Persediaan untuk Menentukan Profit dan Tingkat Pelayanan dengan Metode Simulasi Inventory Analysis for Determining Profit and Service Level using Simulation Method Rudy Santosa Sudirga* Program
Lebih terperinciPERENCANAAN JADWAL INDUK PRODUKSI DENGAN MENGGUNAKAN LINIER PROGRAMMING PADA INDUSTRI MANUFAKTUR PT X
PERENCANAAN JADWAL INDUK PRODUKSI DENGAN MENGGUNAKAN LINIER PROGRAMMING PADA INDUSTRI MANUFAKTUR PT X Yusuf Eko Nurcahyo Politeknik 17 Agustus 1945 Surabaya Email : yusufekonurcahyo@gmail.com Abstrak Permintaan
Lebih terperinciBAB III LANGKAH PEMECAHAN MASALAH. Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi
BAB III LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada PT. Sebastian Citra Indonesia terkait dengan jumlah penjualan
Lebih terperinciANALISIS SISTEM DISTRIBUSI UNTUK MEMINIMALKAN BIAYA DENGAN MENGGUNAKAN METODE TRANSPORTASI
ANALISIS SISTEM DISTRIBUSI UNTUK MEMINIMALKAN BIAYA DENGAN MENGGUNAKAN METODE TRANSPORTASI Heri Wibowo 1, Hidayat 2, Almi Ratna Palupi 3 Program Studi Teknik Industri Universitas Malahayati Jl. Pramuka
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Manajemen 2.1.1 Pengertian Manajemen Manajemen berasal dari bahasa kata to manage yang artinya mengatur atau mengelola. Pengaturan dilakukan melalui proses dan diatur berdasarkan
Lebih terperinciABSTRACT. Keywords: Relevant Costs, Accept Or Reject Special Order. vii Universitas Kristen Maranatha
ABSTRACT Plastic company in Indonesia each year has increased demand for plastic orders from society, and therefore companies are required to comply. This study uses a descriptive analysis. To take the
Lebih terperinciPENERAPAN LEAST SQUARE METHOD UNTUK PERAMALAN PENJUALAN DI HIJABSTORY BANDUNG
PENERAPAN LEAST SQUARE METHOD UNTUK PERAMALAN PENJUALAN DI HIJABSTORY BANDUNG Wendi Wirasta, Muhamad Luthfi Ashari 2 Program Studi Teknik Informatika, STMIK & Ilmu Komputer LPKIA Jl. Soekarno Hatta 456,
Lebih terperinciOPTIMASI PENGADAAN BAHAN BAKU SEGAR DI PT. X DENGAN METODE LINEAR PROGRAMMING
OPTIMASI PENGADAAN BAHAN BAKU SEGAR DI PT. X DENGAN METODE LINEAR PROGRAMMING Fransiscus Xaverius Aucky Wibisono dan Abdullah Shahab Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Manajemen Menurut Robbins dan Coulter (2010:23), manajemen adalah hal yang di lakukan oleh para menejer. Manajemen melibatkan aktivitas-aktivitas koordinasi dan pengawasan terhadap
Lebih terperinciMetode Simpleks Dalam Optimalisasi Hasil Produksi
INFORMATICS FOR EDUCATORS AND PROFESSIONALS, Vol.1, No. 1, Desember 2016, 27 36 E-ISSN: 2548-3412 27 Metode Simpleks Dalam Optimalisasi Hasil Produksi Andi Saryoko 1.* 1 Teknik Informatika; Sekolah Tinggi
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN
BAB 5 HASIL DAN PEMBAHASAN 5.1 Ekstraksi Hasil Pengumpulan Data 5.1.1 Data Umum Produk Perusahaan menggunakan batch sebagai satuan dalam produksi, dimana 1 batch adalah sebesar : 1. Spon untuk ukuran 9
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Variabel Berikut merupakan variabel yang digunakan dalam pemecahan masalah pada penelitian ini yaitu sebagai berikut : Data historis penjualan yang akan digunakan untuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Kajian Pustaka 2.1.1 Manajemen Manajemen (pengelolaan) adalah hal yang dilakukan oleh para manajer. Penjelasan yang lebih baik adalah, manajemen melibatkan aktivitas-aktivitas
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data Pengumpulan data yang dilakukan dengan cara pengamatan dari dokumen perusahaan. Data yang di perlukan meliputi data penjualan produk Jamur Shiitake,
Lebih terperinciANALISIS LINIER PROGRAMMING UNTUK OPTIMALISASI KOMBINASI PRODUK
TechnoCOM, Vol 13, No, November 01: 3-37 ANALISIS LINIER PROGRAMMING UNTUK OPTIMALISASI KOMBINASI PRODUK Yuniarsi Rahayu 1, Bowo Nurhadiyono, Dwi Nurul Izzhati 3 1, Program Studi Teknik Informatika, Fakultas
Lebih terperinciUniversitas Bina Nusantara
Universitas Bina Nusantara Program Ganda Teknik Industri Sistem Informasi Skripsi Sarjana Program Ganda Semester Ganjil 2005/2006 Analisis dan Perancangan Sistem Informasi untuk Optimalisasi Produksi dan
Lebih terperinciBAB III PEMBAHASAN. = tujuan atau target yang ingin dicapai. = jumlah unit deviasi yang kekurangan ( - ) terhadap tujuan (b m )
BAB III PEMBAHASAN A. Penyelesaian Perencanaan Produksi dengan Model Goal Programming Dalam industri makanan khususnya kue dan bakery, perencanaan produksi merupakan hasil dari optimisasi sumber-sumber
Lebih terperinciPenentapan Perencanaan Produksi guna Menentukan Besaran Produksi yang Tepat pada PT Goodyear Indonesia Tbk
PENETAPAN PERENCANAAN PRODUKSI GUNA MENENTUKAN BESARAN PRODUKSI YANG TEPAT PADA PT GOODYEAR INDONESIA TBK Dewi Taurusyanti Dosen Tetap Fakultas Ekonomi Universitas Pakuan Wawan Hermawan Mahasiswa Fakultas
Lebih terperinci