PEMILIHAN PROSES PADA PERANCANGAN PROSES DRIED BACTERIAL CELL (DBC) DI PT AJINOMOTO INDONESIA DENGAN METODE GOAL PROGRAMMING

Transkripsi

1 Prosiding Seminar Nasional Manaemen Teknologi XI PEMILIHAN PROSES PADA PERANCANGAN PROSES DRIED BACTERIAL CELL (DBC) DI PT AJINOMOTO INDONESIA DENGAN METODE GOAL PROGRAMMING Eko Febrianto, Udisubakti Ciptomulyono Program Studi Magister Manaemen Teknologi, Bidang Keahlian Manaemen Industri, Institut Teknologi Sepuluh Nopember ABSTRAK Dunia industri semakin hari dituntut semakin effisien dalam menalankan bisnisnya. PT Ainomoto Indonesia, sebagai salah satu perusahaan PMA uga selalu menikngkatkan efisiensi dengan mengembangkan Co-Product yaitu Sel Tunggal (Dried Bacterial Cell) sebagai protein substitusi komponen makanan ternak. Sel Tunggal ini didapatkan dengan cara Pemanasan, Pemisahan, Pengeringan, dan yang terakhir Pengemasan. Tersedia berbagai pilihan teknologi proses yaitu : Pemanas : Steam Heater dan Gas Heater, sedangkan Pemisah : Super Decanter Centrifuge (SDC), Filter Press, dan J-Press, dan Pengering: Steam Pan Dryer dan High Speed Dryer. Total terdapat kombinasi alternatif pemilihan teknologi proses. Karena terdapat banyak fungsi tuuan dalam proses pemilihan alat tersebut (tuuan investasi minimal, biaya operasional dan perawatan yang minimal, memaksimalkan pemakaian tenaga kera, meminimalkan polusi, dan kemudahan ekspansi di masa depan) maka diusulkan metode Goal Programming untuk membantu mencari solusi optimal. Dari solusi optimal, didapatkan kombinasi peralatan proses: Steam Heater sebagai pemanas, Filter Press sebagai pemisah, dan Steam Pan Dryer sebagai pengering yang memenuhi fungsi tuuan investasi dan biaya operasional dan perawatan yang paling rendah, tingkat polusi yang relative rendah, pemakaian tenaga kera yang banyak, meski peluang ekspansi tidak terlalu baik. Namun dari sisi cash flow, didapatkan rangkaian Steam Heater-Filter Press-High Speed Dryer merupakan pilihan yang terbaik untuk angka waktu 5 tahun mendatang. Dan proyek yang terakhir ini uga merupakan pilihan yang baik dari sisi cash flow apabila teradi berbagai scenario pemakaian berbagai kapasitas terpakai, kenaikan biaya utilitas dan tenaga kera. Kata kunci: Goal Programming, Pemilihan Proses, Co-Product, Dried Bacterial Cell, PENDAHULUAN PT Ainomoto Indonesia, dengan prestasinya di tahun 28 yang telah mencapai target Zero Emision senantiasa berusaha untuk mengembangkan wilayah bisnisnya demi meningkatkan profit perusahaan. Strategi manaemen sampah atau limbah yang sekarang digulirkan adalah tidak hanya Zero Emision yang berupa pengolahan kembali sampah-limbah produksi dan aktifitas bisnis yang terkait, tapi uga meningkatkan nilai ualnya sehingga posisi tawar produk-produk samping tersebut hampir sama dengan produk utama, disini disebut sebagai Co-Product. Salah satu pengembangan Co-Product yang potensial adalah pengembangan Sel Tunggal (Singgle Cell) sebagai substitusi komponen makanan ternak. Nama dari proses pengembangan ini adalah Dried Bacterial Cell. Sel Tunggal ini didapatkan dengan cara

2 Prosiding Seminar Nasional Manaemen Teknologi XI mengisolasi sel yang terlarut dalam cairan fermentasi dan mengeringkannya serta menualnya dalam bentuk bubuk kering. Namun karena proses dan pemilihan teknologi tergolong masih baru bagi Grup Ainomoto, maka diperlukan pemilihan teknologi proses yang tepat dan sesuai dengan kebiakan investasi perusahaan. Melihat permasalahan diatas dapat diambil intisari bahwa problem utama adalah pemilihan teknologi dari berbagai macam alternatif teknologi untuk membuat produk Dried Bacterial Cell (DBC). Sehingga permasalahan diatas memiliki banyak fungsi obective, dan untuk menyelesaikannya dipakailah metode Goal Programming. Metode Goal Programming Metode Goal Programming yang ulas disini mampu untuk (Santhanam, 1989): (1) Mempertimbangkan multiple obective, meskipun saling bertolak belakang. (2) Mempertimbangkan fungsi tuuan yang tidak dapat diukur. (3) Dalam hal fungsi tuuan, dapat di tetapkan prioritas fungsi tuuan. (4) Mengukur dan mengintegrasikan keuntungan-keuntungan intangible. (5) Secara eksplisit dapat mempertimbangkan batasan-batasan sumber daya. (6) Memilih proyek yang optimal, memaksimalkan benefit tanpa melanggar batasan. Goal dalam metode Goal Programming Goal atau bisa disebut sebagai goal organisasi merupakan cerminan dari keinginan organisasi terhadap permasalahan yang ada. Goal organisasi ini meliputi dua kategori, yakni goal tangible (yang bisa dikuantifikasi) dan goal yang intangible (yang tidak bisa dikuantifikasi). a. Goal yang tangible Dalam menyatakan goal yang tangible, langkah pertama adalah menetukan potensi keuntungan / benefit dari semua proyek yang dikai. Langkah kedua adalah menelaskan tingkat pencapaian yang mungkin dicapai oleh organisasi. Misalkan diinginkan suatu organisasi memiliki goal untuk mengurangi biaya memproses informasi sebanyak $2,. Diasumsikan bahya kontribusi dari setiap proyek terhadap goal ini telah diukur sebagai c11, c21,... cn1. Goal ini dapat dituliskan secara matematis sebagai : c11 X1 + c21 X cn1 XN + d1 - + d1 + = 2, (1) Dalam kasus ini, tuuannya adalah meminimumkan deviasi dibawah $2,, dan uga deviasi negatif (d 1 - ) yang terdapat dalam fungsi obectif uga diminimumkan. Fungsi tuuan dari Goal Programming ini adalah meminimumkan semua deviasi yang ada didalamnya. Dimana dalam kasus ini, solusi akan dicari pada proyek-proyek yang nilai kontribusi totalnya memberikan saving minimal $2, sebagai biaya penanganan informasi. Jika organisasi menginginkan goal yang kedua adalah menurunkan am training yang diperlukan user dalam proyek-proyek. Jika c, sampai cn2 merupakan am training dari proyek 1 sampai N. Dan ika organisasi ingin untuk membatasi am training untuk semua proyek tidak lebih dari 6 am, maka goal dapat dituliskan : c X1 + c22 X cn2 XN + d2 - - d2 + = 6 (2) Deviasi positif yang diikutkan dalam fungsi obectif dan model akan memilih proyekproyek yang memerlukan umlah training minimum dan akan mencoba membatasi waktu training menadi 6 am. Karena prioritas dari obective ini adalah nomer 2, maka model akan menyelesaikan goal dengan prioritas pertama dulu baru goal kedua ini. A-34-2

3 Prosiding Seminar Nasional Manaemen Teknologi XI b. Intangible goals Sebagaiamana pada banyak keadian nyata dalam proyek-proyek, pastilah terdapat goal-goal organisasi yang tidak bisa diukur secara kuantitatif. Dalam kategori ini misalnya : proses pembelaaran organisasi, proses perbaikan dalam pengambilan keputusan yang lebih efektif, perencanaan yang lebih baik, dan lain-lain. Dalam hal ini akan diselesaikan dengan metode Goal Programming dengan cara di pen-skor-an dan pe-rangking-an dalam untuk mendapatkan nilai benefitnya. Secara umum formulasi dalam Goal Programming adalah sebagai berikut : METODE k Min : ( w n w p ) (3) 1 Dengan batasan-batasan : gi ( x) b i i = 1, 2, 3,. M (4) ^ f ( x) n p f = 1, 2, 3,.. k (5) n, p = 1, 2, 3, k (6) x I = 1, 2, 3, n (7) i Metodologi yang dipakai dalam penelitian ini seperti tampak pada gambar 1. dibawah ini : Tahap I Identifikasi Permasalahan Mulai Perumusan Masalah Penetapan Tuuan Penelitian Kaian Pustaka Identifikasi Metode Analisis Identifikasi Data Tahap II Pengumpulan Data Pengumpulan Data Data harga investasi awal Data biaya perawatan peralatan Data biaya operasional peralatan Data efek operasi peralatan terhadap lingkungan Data kemapuan dan fleksibilitas ekspansi dari alat Tahap III Pengolahan Data Pengolahan data Permodelan menggunakan Goal Programming Analisis model dengan memasukkan data Kesimpulan dan Saran Selesai Gambar 1. Metodologi penilitian A-34-3

4 Prosiding Seminar Nasional Manaemen Teknologi XI Permodelan dengan Goal Programming Secara matematis dapat dituliskan dalam bentuk formulasi Goal Programming sebagai berikut : Obective fuction : Mimimize : P d Pd (8) 1 Goals : (1) Kriteria financial a. Biaya investasi awal yang minimal 1 a X d d (9) b. Memaksimalkan Internal Rate of Return 1 b X d d b maks c. Meminimumkan Payback Period 1 ( Nilai _ maks _ pada _ parameter _ b ) (1) c X d d (11) (2) Kriteria maintenance dan biaya operasional a. Meminimumkan biaya maintenance dan sparepart 1 d X d d () b. Meminimumkan biaya operasional dalam angka panang 1 e X d d (13) (3) Kriteria sosial dalam hal ini adalah penyerapan tenaga kera a. Memaksimumkan penyerapan tenaga kera 1 f X d d f maks (4) Kriteria dampak terhadap lingkungan a. Meminimumkan dampak terhadap air 1 ( nilai _ maks _ pada _ parameter _ f ) (14) g X d d (15) b. Meminimumkan dampak terhadap polusi udara 1 h X d d (16) c. Meminimumkan kebisingan 1 i X d d (17) (5) Kriteria terhadap peluang kebutuhan ekspansi di masa mendatang a. Memaksimumkan peluang ekspasi 1 X d d i maks ( Nilai _ maks _ pada _ parameter _ ) (18) A-34-4

5 Prosiding Seminar Nasional Manaemen Teknologi XI Constraints : (1). Batasan biaya investasi awal. 1 k X K (19) (2). Batasan internal rate of return 1 l X L (2) (3). Batasan payback period untuk investasi pabrik baru 1 m X M (21) (4). Batasan pemilihan hanya satu alternatif proses dari alternatif proses 1 X 1 (22) Dengan nilai X1 ~ X : Integer, memiliki nilai atau 1. HASIL DAN DISKUSI Proses Produksi DBC Proses produksi DBC cukup sederhana. Pertama adalah pemanasan, selanutnya adalah Proses Pemisahan yang dilanutkan dengan Proses Pengeringan, dan terakhir adalah Proses Pengemasan sesuai dengan kebutuhan konsumen. Bahan baku diperoleh dari hasil fermentasi Asam Glutamat dengan menggunakan Bakteri Brevibacterium Lactofermentum. Cairan hasil fermentasi ini kemudian disebut sebagai Larutan Induk yang kaya akan kandungan protein baik dalam bentuk sel bakteri maupun terlarut. Gambar berikut adalah skema proses DBC dan alternatif proses pengolahan: Larutan Induk Larutan Induk Filtrat Pemanasan Pemisahan Pengeringan Pengemasan Pemanasan Pemisahan Super Decanter Centrifugal (SDC) Steam Heater Filter Press Gas Heater J-Press DBC Pengeringan Steam Pan Dryer High Speed Dryer DBC Gambar 2. Proses pembuatan DBC dan alternatif proses pengolahan A-34-5

6 Prosiding Seminar Nasional Manaemen Teknologi XI No. Proyek Investasi awal Tabel 1. Data yang dimasukkan ke dalam goal programming: Payback Mainten Operatio Jumlah Pencema Polusi IRR Period ance n cost tenaga ran air udara Proyek Proyek Proyek Proyek Proyek Proyek Proyek Proyek Proyek Proyek Proyek Proyek Goal Nilai parameter Kesimpulan nilai Nilai ketercapaian Obective function (minimum) Meminimalkan Biaya investasi awal d1p=275 Goal tercapai, nilai sudah paling minimum 2. Memaksimalkan Internal Rate of Return (IRR) d2n= Goal tercapai, nilai sudah paling maksimum 3. Meminimalkan Pay Back Period d3p=.64 Goal tercapai, nilai sudah paling minimum 4. Meminimalkan Biaya maintenance d4p=275 Goal tercapai, nilai sudah paling minimum 5. Meminimalkan Biaya operasional d5p=1444 Goal tidak tercapai, ada proect lain dengan nilai minimum 6. Memaksimalkan Jumlah tenaga kera d6n= Goal tercapai, nilai sudah paling maksimum 7. Meminimalkan pencemaran air d7p=4 Goal tidak tercapai, ada proect lain dengan nilai minimum 8. Meminimalkan polusi udara d8p=2 Goal tidak tercapai, ada proect lain dengan nilai minimum 9. Meminimalkan kebisingan d9p=69 Goal tercapai, nilai sudah paling minimum 1. Memaksimalkan Kemudahan dalam ekspansi d1n=1.99 Goal tidak tercapai, ada proect lain dengan nilai maksimum Constraint Hasil 1. Nilai maksimal investasi awal 5 uta. 275 Constraint terpenuhi 2. Nilai minimal Internal Rate of Return 8% 154% Constraint terpenuhi 3. Nilai maksimal Pay Back Period 2 tahun.64 Constraint terpenuhi Goal yang tercapai = 6 Goal yang tidak tercapai = 4 Constraint tercapai = 3 Constraint tidak tercapai = Proyek- Proyek-11 Proyek-1 Proyek-9 Proyek-8 Proyek-7 Proyek-6 Proyek-5 Proyek-4 Proyek-3 Proyek-2 Proyek-1 Ketercapaian goal pada masing-masing proyek Pencapaian Goal 6 Kebising an Kemuda han Hasil simulasi dan pembahasan Dari hasil simulasi dengan software LINDO didapatkan solusi optimal adalah pada Proect-3, dengan nilai obective function yang paling minimal: Goal yang terpenuhi sesuai dengan deskripsi goal adalah 6 buah, sedangkan goal yang tidak terpenuhi berumlah 4 buah. Untuk constraint, semua constraint dapat dipenuhi pada proect optimal proect-3. Tabel 2. Hasil running dengan LINDO: Gambar 3. Ketercapaian goal pada masing-masing proyek Evaluasi hasil optimasi metode Goal Programming vs Cash Flow (discounted) Selain melakukan running dengan metode Goal Programming, untuk problem pemilihan proyek ini uga dilakukan berdasarkan metode Cash Flow. Metode Cash Flow A-34-6

7 Prosiding Seminar Nasional Manaemen Teknologi XI adalah metode yang cukup sederhana, dimana perkiraan keuntungan perusahaan di masa mendatang di estimasikan pada tahun ke-. Gambar 4. Cash flow 5 tahun untuk 5 proect dengan cash flow tertinggi Cash flow (Juta Rupiah) Cash flow 5 tahun untuk 5 proect tertinggi No Proect Hasil output LINDO mampu memberikan hasil terbaik untuk memenuhi semua target goal yang ingin dicapai. Hasil optimal adalah pada proyek-3 yang merupakan kombinasi peralatan : Steam Heater, Filter Press, dan Steam Pan Dryer. Namun dalam hal cash flow, dapat dilihat bahwa proyek-4 (kombinasi Steam Heater, Filter Press, dan High Speed Dryer) merupakan pilihan terbaik. Yang memiliki tingkat cash flow yang paling tinggi. Hal ini dikarenakan di dalam proect no.4 memiliki biaya operasional dan maintenance termurah sehingga bisa memberikan keuntungan yang lebih baik daripada proect-proect yang lain. Sensitivitas terhadap kenaikan biaya utilitas dan tenaga kera Terhadap berbagai scenario kenaikan harga utilitas (steam, electric, dan gas) serta tenaga kera, tetap didapatkan proyek no.4 masih memberikan cash flow terbaik sebagaimana dilihat dalam gambar berikut: Gambar 5. Hasil analisa sensitivitas terhadap kenaikan harga Steam, electric, gas, dan tenaga kera. Cash flow tahun ke-5 (Juta Rupiah) Analisa sensitivitas untuk kenaikan harga Steam Steam Normal Naik 1% Naik 3% Naik 5% Naik 1% Proyek-4 Proyek-6 Proyek-1 Cash flow tahun ke-5 (Juta Rupiah) Analisa sensitivitas untuk kenaikan harga Electric Electric normal Naik 1% Naik 3% Naik 5% Naik 1% Proyek-4 Proyek-6 Proyek-1 Cash flow tahun ke-5 (Juta Rupiah) Analisa sensitivitas untuk kenaikan harga Gas Harga Gas Normal Naik 1% Naik 3% Naik 5% Naik 1% Proyek-4 Proyek-6 Proyek-1 Cash flow tahun ke-5 (Juta Rupiah) Analisa sensitivitas untuk kenaikan Gai karyaw an Gai Normal Naik 1% Naik 3% Naik 5% Naik 1% Proyek-4 Proyek-6 Proyek-1 Pengembangan untuk kapasitas 5 dan 15 ton / tahun Meruuk pada hasil optimal simulasi perhitungan untuk kapasitas 1 ton per tahun, dapat dilihat bahwa secara pemenuhan Goal, Proect-3 mampu untuk memenuhi secara optimal banyak 6 goal. Namun kalau dilihat dari perolehan cash flow selama 5 tahun mendatang, proect 4 lebih memberikan prospek cerah. A-34-7

8 Prosiding Seminar Nasional Manaemen Teknologi XI Tabel 4. Pilihan proyek berdasarkan kapasitas Kapasitas Jangka Rekomendasi pilihan proyek ( ton / tahun ) waktu 1. 1, ton / tahun - 2 Proyek-3 tahun (Steam Heater - Filter Press - Steam Pan Dryer) Investasi awal paling kecil, Ketercapaian goal maksimal 2. 5, ton / tahun 2-5 Proyek-4 tahun (Steam Heater - Filter Press - High Speed Dryer) Cash flow tahun ke-3 dst lebih baik Tangguh terhadap berbagai skenario pemakaian kapasitas, kenaikan harga utilitas dan tenaga kera , ton/tahun 5-1 Proyek-4 tahun (Steam Heater - Filter Press - High Speed Dryer) Cash flow tahun ke-3 dst lebih baik Tangguh terhadap berbagai skenario pemakaian kapasitas, kenaikan harga utilitas dan tenaga kera. KESIMPULAN Dari peluang kombinasi peralatan, dan dengan 1 tipe macam goal yang hendak dicapai, didapatkan bahwa kombinasi proses No.3, yakni: pemanas Steam Heater, proses pemisah Filter Press, dan proses pengering Steam Pan Drier merupakan pilihan yang paling optimum untuk yang memenuhi dengan tepat ke-6 goal. Kombinasi ini uga merupakan kombinasi dengan biaya investasi paling minimum, sehingga sangat menarik untuk direalisasikan terutama dalam angka pendek (kurang dari 2 tahun). Namun, hasil analisa sensitivitas terhadap berbagai penggunaan kapasitas dan berbagai kenaikan harga utilitas uga menunukkan bahwa kombinasi pada proyek-4 memberikan cash flow yang paling baik. Ini membuktikan ketangguhan kombinasi pada proyek-4 terhadap berbagai perubahan berbagai komponen biaya utilitas (harga steam, gas, listrik dan ongkos tenaga kera). DAFTAR PUSTAKA Ciptomulyono, Udisubakti (1997). " A Multiobective Programming Approach for Waste Management Strategy in a Developing Country. Industrial Engineering Department, Faculty of Industrial Technology, Institute Technology of Sepuluh November (ITS). Surabaya. Ciptomulyono, Udisubaksi (2). Pengembangan Model Optimasi Keputusan Multikriteria MCDM (Multi Criteria Decision Making) Untuk Evaluasi dan Pemilihan Proyek. Jurusan Teknik Industri, Fakultas Teknologi Industri, Institut Teknologi Sepuluh November (ITS). Surabaya. Ciptomulyono, Udisubakti (23). Model Multi Criteria Decision Making (MCDM) dan Teknometrik Untuk Pengukuran dan Manaemen Teknologi di Sektor Industri. Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember (ITS). Surabaya. Hannan, Edward L; (1985). An Assessment of Some Criticisms of Goal Programming. Computer & Operation Research Journal, Vol., No.6, pp A-34-8

9 Prosiding Seminar Nasional Manaemen Teknologi XI Kim, Gyu,C ; Emery, John; (2). An application of zero-one goal programming in proect selection and resource planning a case study from the Woodward Governor Company. Computer & Operations Research 27, Nasendi, B.D; Anwar, Affendi; (1985). Gramedia, Jakarta. Program Linier dan Variasinya. PT Santhanam, R; Muralidhar K; (1989). A Zero-One Goal Programming Approach for Information System Proect Selection OMEGA Int. J. of Mgmt Sci, Vol. 17, No.6. pp A-34-9