BAB 4 HASIL DAN PEMBAHASAN

Transkripsi

1 BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengumpulan Data Pengumpulan data yang dimulai sejak tanggal 31 Agustus 2004 hingga tanggal 3 November 2004 dilakukan secara cermat dan menyeluruh, baik langsung maupun tidak langsung, terhadap keseluruhan data dan informasi untuk mendapatkan variabel, batasan, serta tujuan yang dibutuhkan dalam pengolahan data, analisa data, evaluasi kinerja, maupun rencana implementasi model dynamic programming untuk masalah pemuatan barang di PT. Krista Jaya Indosol ini. Berdasarkan teknik pengumpulan data yang digunakan, maka hasil pengumpulan data yang diperoleh dapat dikelompokkan menjadi tiga. (Lihat sub bab 3.3) Keseluruhan hasil pengumpulan data tersebut dideskripsikan secara tertulis sebagai berikut : Hasil pengumpulan data berdasarkan teknik pengamatan dan pengukuran, yaitu : Data ukuran mobil box adalah 400 cm x 200 cm x 200 cm. Data kapasitas maksimum box adalah 3780 kg atau jika dikonversikan dalam satuan karung adalah 63 karung. Data ukuran karung packaging, yaitu : (Lihat gambar 3.2 dan 3.3) Sebelum dimuat = 130 cm x 95 cm. Setelah dimuat = 100 cm x 85 cm x 28 cm. 56

2 Data tumpukan karung packaging di dalam mobil box. (Lihat gambar 3.4 dan 3.5) Berdasarkan susunan karung packaging, data ini dibagi menjadi dua macam, yaitu : Susunan horizontal Susunan ini terdiri dari 4 baris dan 2 kolom, dimana karung packaging pada masing-masing baris dan kolom tersebut disusun secara horizontal dari bawah ke atas sebanyak 7 tumpukan. Susunan horizontal ini secara total dapat memuat 56 karung. Susunan vertikal Susunan ini terdiri dari 4 karung packaging di bagian dalam (di bagian depan mobil box) dan 3 karung packaging di bagian belakang mobil box yang disusun secara vertikal. Susunan vertikal ini secara total dapat memuat 7 karung. Hasil pengumpulan data dengan menggunakan teknik interview atau wawancara, antara lain : Hasil pengumpulan data yang diperoleh dari wawancara terstruktur ditunjukkan pada gambar 4.1, yaitu formulir pengumpulan data setelah diisi. Data-data tersebut adalah sebagai berikut : Data berat barang atau produk yang dimuat Data ini hanya terdiri dari 3 tipe produk yang intensitas maupun kapasitas pengiriman barangnya cukup besar, yaitu : M600 = 54 kg per karung, T139 = 60 kg per karung, serta T101 = 56 kg per karung. 57

3 Data profit margin produk yang dimuat Profit margin untuk produk M600 adalah 30,7% per karung; 22,9% per karung untuk produk T139; dan 37,5% per karung untuk produk T101. Informasi-informasi pendukung Infomasi-informasi pendukung yang dimaksud antara lain adalah informasi ukuran barang yang dimuat dan informasi kapasitas maksimum box. Dari ketiga tipe produk (M600, T139, T101) yang dimuat, seluruhnya ditentukan untuk ukuran yang sama, yaitu ukuran 41. Hal ini dimaksudkan agar data yang dikumpulkan adalah seragam. Sedangkan identik dengan hasil pengumpulan data yang diperoleh dengan menggunakan teknik pengamatan dan pengukuran, maka kapasitas maksimum box juga adalah 3780 kg. Disamping itu, tercantum pula rumusan masalah dan batasan yang akan digunakan sebagai acuan dalam pengolahan data terhadap sistem pemuatan barang yang menjadi objek kajian ini. Hasil pengumpulan data yang diperoleh dari wawancara tidak terstruktur adalah sebagai berikut : Informasi lead time pengiriman barang Informasi ini beragam, tergantung dari jarak perusahaan ke pelanggan. Namun secara umum, lead time pengiriman barang untuk wilayah Jabotabek adalah 1-3 jam, sedangkan lead time pengiriman barang untuk luar kota melalui jasa ekspedisi adalah 7-10 hari. 58

4 Informasi biaya pengiriman barang Biaya pengiriman barang yang dimaksud adalah biaya transportasi (shipment cost). Biaya transportasi untuk wilayah Jabotabek hanya mencakup biaya bahan bakar kendaraan (mobil box) saja. Sedangkan biaya transportasi untuk luar kota memerlukan biaya tambahan, yaitu biaya untuk jasa ekspedisi, dimana tiap kilogram barang yang akan dikirim dikenakan biaya sebesar Rp Σ Σ Σ Gambar 4.1 Formulir Pengumpulan Data (Setelah diisi) 59

5 Hasil pengumpulan data berdasarkan teknik dokumentasi, antara lain : Data yang terkait langsung dengan topik pembahasan, yaitu sistem pemuatan barang. Data tersebut diantaranya adalah data intensitas pengiriman barang dan data kapasitas pengiriman barang yang ditunjukkan oleh tabel 3.1 pada sub bab 3.2, yaitu tabel data pemuatan barang PT. Krista Jaya Indosol (periode Oktober 2004). Data dan informasi yang tidak terkait langsung dengan topik pembahasan, namun dibutuhkan dalam penyusunan skripsi ini. Data dan informasi tersebut diantaranya adalah data dan informasi tentang ilmu operations research, model dynamic programming, serta sistematika penulisan skripsi yang diperoleh dari perpustakaan maupun internet. 4.2 Pengolahan Data Secara garis besar, tahap pengolahan data mencakup tiga kegiatan yang mengacu pada pertanyaan-pertanyaan berikut, yaitu : Apa variabel dari masalah yang akan dipecahkan? Atau, apa yang diusahakan untuk ditentukan oleh model yang akan dibuat? Apa batasan yang mutlak dikenakan terhadap variabel yang telah dirumuskan sebelumnya itu? Apa tujuan yang harus dicapai untuk menentukan pemecahan terbaik (optimum) terhadap semua nilai yang layak dari variabel tersebut? 60

6 Ketiga kegiatan yang tercakup dalam tahap pengolahan data ini adalah sebagai berikut : 1. Kegiatan perumusan variabel, batasan, dan tujuan masalah Perumusan variabel, batasan, dan tujuan masalah dilakukan berdasarkan kondisi riil yang terjadi pada fokus masalah, yaitu sistem pemuatan barang di PT. Krista Jaya Indosol. Adapun hasil dari kegiatan perumusan variabel, batasan, dan tujuan masalah tersebut adalah sebagai berikut : Variabel-variabel yang berhasil ditentukan untuk model yang akan dibuat adalah sebagai berikut : (Bandingkan dengan sub bab 3.1 : Memilih pendekatan dan menentukan variabel) Variabel k i = variabel jumlah karung produk i. Variabel Y i = variabel status untuk jumlah karung atau berat produk pada tahap i. Variabel MP i k i = variabel fungsi perkalian antara profit margin dengan jumlah karung. Batasan yang dikenakan terhadap variabel-variabel di atas harus memenuhi batasan dari sistem yang akan dimodel tersebut. Batasan-batasan tersebut adalah sebagai berikut : (Lihat gambar 4.1) 54k1 + 60k2 + 56k atau 0,9k1 + k2 + 0,933k3 63 Batasan ini ditetapkan dalam dua satuan yang berbeda. Pertama, berdasarkan satuan berat masing-masing produk dalam satu karung yaitu 54 kg untuk produk M600, 60 kg untuk produk T139, dan 56 kg untuk produk T101, 61

7 serta 3780 kg untuk kapasitas maksimum box. Kedua, berdasarkan satuan karung masing-masing produk serta kapasitas maksimum box yang dibandingkan terhadap produk terberat, yaitu produk T139 (60 kg). ki 48 ki 63, dimana ki Є bilangan bulat Batasan ini ditetapkan berdasarkan asumsi bahwa ada kesepakatan bersama antara pelanggan dengan perusahaan tentang batas minimal kapasitas pengiriman barang yaitu 48 karung dengan konsekuensi lead time pengiriman barang yang akan semakin lama. Hal ini juga dimungkinkan karena daya dukung kapasitas maksimum box yang mampu memuat barang hingga batas maksimal 63 karung. Seluruh variabel, batasan, dan sumber daya yang ada dan terkait dengan sistem pemuatan barang di PT. Krista Jaya Indosol dipadukan untuk mencapai tujuan pemecahan akhir yang terbaik, yaitu sebagai berikut : maksimasi hasil kali antara profit margin dengan jumlah karung. Rumusan tujuan pemecahan akhir untuk mengatasi permasalahan sistem pemuatan barang tersebut disajikan dalam bentuk matematis sebagai berikut : (Lihat gambar 4.1) Maksimasi : 30,7k1 + 22,9k2 + 37,5k3 Keterangan : Konstanta 30,7; 22,9; dan 37,5 adalah besar profit margin untuk masingmasing produk yang dinyatakan dalam satuan %. Variabel k1, k2, dan k3 adalah variabel jumlah karung produk i. 62

8 2. Kegiatan perancangan model dynamic programming Model dynamic programming dibuat dalam bentuk tabel-tabel perhitungan matematik dengan menggunakan perangkat microsoft excel, karena operasi perhitungan matematik cenderung lebih mudah untuk dilakukan dengan perangkat ini. Model dynamic programming untuk sistem pemuatan barang ini dirancang secara sederhana, namun tetap mengacu pada prinsip kelengkapan agar mudah untuk dipahami dan digunakan oleh pihak-pihak yang membutuhkan. Lengkap dalam arti, model ini paling tidak harus mencakup informasi mengenai tiga unsur utama dynamic programming, yaitu : Tahap keputusan (stage) Model dynamic programming ini terdiri dari tiga tahap keputusan, yang ditentukan berdasarkan 3 tipe produk yang dimuat pada pembahasan pemuatan barang di PT. Krista Jaya Indosol ini. Tiga tahap keputusan pada model dynamic programming ini adalah sebagai berikut : Tahap keputusan 1 merupakan tahap keputusan untuk tipe produk T101, dengan fungsi transformasi 37,5k3. Tahap keputusan 2 merupakan tahap keputusan untuk tipe produk T139, dengan fungsi transformasi {22,9k2 + f3(y2 k2)}. Tahap keputusan 3 merupakan tahap keputusan untuk tipe produk M600, dengan fungsi transformasi {30,7k1 + f2(y1 0,9k1)}. Masing-masing tahap keputusan tersebut memiliki fungsi transformasi yang berbeda, karena : 63

9 Tipe produk yang dimuat pada setiap tahap keputusan berbeda, sehingga besar profit margin-nya tidak sama. Fungsi transisi yang terdapat di masing-masing fungsi transformasi pada Status (state) setiap tahap keputusan tidak sama. Fungsi transisi merupakan pemecahan optimal dari tahap keputusan sebelumnya. Status atau keadaan masing-masing tahap keputusan pada model dynamic programming ini dilambangkan dengan simbol Y i, sebagai berikut : Y 3 = jumlah karung yang dimuat pada tahap 3 Y 2 = jumlah karung yang dimuat pada tahap 2, 3 Y 1 = jumlah karung yang dimuat pada tahap 1, 2, 3 Status-status tersebut digunakan dalam fungsi transformasi pada setiap tahap keputusan untuk mendapatkan pemecahan optimal yang dilambangkan dengan simbol f i ( Yi), sebagai berikut : f 3 ( Y3) = profit margin optimal pada tahap 3 ; dengan Y 3 tertentu f 2 ( Y2) = profit margin optimal pada tahap 2 & 3 ; dengan Y 2 tertentu f 1( Y1) = profit margin optimal pada tahap 1, 2, & 3; dengan Y 1 tertentu Alternatif keputusan Variabel keputusan k i, yaitu variabel jumlah karung yang dimuat pada tahap keputusan ke-i, dengan i = 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, dan 63 merupakan alternatif keputusan dalam model dynamic programming ini. 64

10 Alternatif keputusan tersebut harus ditentukan agar keputusan pada tiap-tiap tahap keputusan optimum, sehingga keputusan akhir untuk keseluruhan masalah pemuatan barang ini juga optimum. Penentuan alternatif keputusan tersebut dilakukan melalui perhitungan matematik dengan menggunakan model dynamic programming untuk mendapatkan jawaban atas pertanyaan berikut, yaitu : Dari ke-16 alternatif jumlah karung yang tersedia dan dapat dimuat dalam setiap kali pemuatan barang tersebut, bagaimana komposisi tipe produk yang harus dimuat agar keuntungan yang diperoleh dapat optimal atau bahkan maksimal? 3. Kegiatan interpretasi data Data-data yang telah diperoleh dari hasil pengumpulan data diinterpretasikan ke dalam model dynamic programming yang berupa tabel-tabel perhitungan matematik yang telah dibuat. Interpretasi tersebut harus berfokus pada pencapaian tujuan masalah melalui penerjemahan data-data yang ada ke dalam variabel-variabel dan batasan-batasan yang telah dirumuskan. Tabel 4.1 hingga tabel 4.12 di bawah ini menunjukkan hasil pengolahan data untuk masalah pemuatan barang di PT. Krista Jaya Indosol. Hasil pengolahan data dengan model dynamic programming ini menggunakan persamaan rekursif mundur (backward recursive equation) dan ditampilkan dalam bentuk tabel dengan formulasi matematik tertentu, sesuai dengan keadaan masing-masing tahap. Tabel-tabel hasil pengolahan data tersebut adalah sebagai berikut : 65

11 4.3 Analisis Data Analisis data terhadap sistem pemuatan barang di PT. Krista Jaya Indosol difokuskan pada hasil kali antara profit margin dengan jumlah karung, dengan maksud untuk mengetahui besar keuntungan rata-rata setiap kali pemuatan barang yang dilakukan. Analisis tersebut dilakukan dengan cara membandingkan perolehan keuntungan dari sistem pemuatan barang yang baru, yang menggunakan pendekatan dynamic programming dengan sistem pemuatan barang yang lama, yang tidak menggunakan pendekatan dynamic programming. Baru kemudian, keputusan tentang perlu atau tidaknya penggunaan pendekatan dynamic programming untuk sistem pemuatan barang di perusahaan ini dapat ditentukan. Analisis perbandingan untuk kedua kondisi di atas dijelaskan sebagai berikut : 1. Analisis data sebelum penerapan model dynamic programming Analisis ini dilakukan dengan merujuk pada data-data yang terdapat di tabel 4.13, yaitu tabel profit margin sistem pemuatan barang (sebelum penerapan dynamic programming). Tabel 4.13, seperti yang ditunjukkan di bawah ini adalah tabel yang dikembangkan dari tabel 3.1, yaitu tabel data pemuatan barang PT. Krista Jaya Indosol (periode Oktober 2004), dalam hal penambahan kolom profit (%). Kolom profit (%) tersebut memiliki formulasi sebagai berikut : Profit (%) = MP1k1 + MP2k2 + MP3k3. Formulasi ini adalah deskripsi dari hasil kali antara profit margin dengan jumlah karung, yang merupakan fokus utama dari tahap analisis data, yang dinyatakan dalam satuan persen. 66

12 Tabel 4.13 Profit Margin Sistem Pemuatan Barang (Sebelum Penerapan Dynamic Programming) Profit Margin : Produk 1 (M600) = 30,7 % per karung Produk 2 (T139) = 22,9 % per karung Produk 3 (T101) = 37,5 % per karung Tanggal Pemuatan Ke- Produk (Karung) Total Profit (%) M600 T139 T101 (Karung) 01-Okt ,0 02-Okt ,5 04-Okt ,5 05-Okt ,9 06-Okt ,5 07-Okt ,0 08-Okt ,0 09-Okt ,5 11-Okt ,5 12-Okt ,0 13-Okt ,0 14-Okt ,0 15-Okt ,0 16-Okt ,6 18-Okt ,0 19-Okt ,5 20-Okt ,0 21-Okt ,5 22-Okt ,0 23-Okt ,0 25-Okt ,0 26-Okt ,0 27-Okt ,0 28-Okt ,0 29-Okt ,5 30-Okt ,5 Total ,0 67

13 2. Analisis data setelah penerapan model dynamic programming Analisis ini dilakukan dengan merujuk pada data-data dan hasil perhitungan yang terdapat di tabel 4.1 sampai tabel 4.12, yaitu tabel perhitungan dynamic programming untuk masalah pemuatan barang, yang terdapat di dalam sub bab 4.2. Secara garis besar, tabel-tabel perhitungan dynamic programming untuk masalah pemuatan barang tersebut dikelompokkan sebagai berikut, yaitu : Tabel 4.1, 4.2, dan 4.3 merupakan tabel-tabel utama. Tabel utama adalah tabel perhitungan dynamic programming untuk masalah pemuatan barang dimana jumlah karung yang dimuat berada di dalam batasan yang ditentukan, yaitu 48 karung sampai 63 karung. Tabel 4.1 adalah tabel utama untuk kondisi optimal dari tahap keputusan 3; tabel 4.2 adalah tabel utama untuk kondisi optimal dari tahap keputusan 2; dan tabel 4.3 adalah tabel utama untuk kondisi optimal dari tahap keputusan 1. Tabel-tabel tersebut disusun secara urut dari belakang ke depan berdasarkan perhitungan dynamic programming yang dilakukan dengan menggunakan persamaan rekursif mundur (backward recursive equation). Tabel 4.4, 4.5, 4.6, 4.7, 4.8, 4.9, 4.10, 4.11, dan 4.12 merupakan tabel-tabel pendukung. Tabel pendukung adalah tabel perhitungan dynamic programming untuk masalah pemuatan barang dimana jumlah karung yang dimuat berada di luar batasan yang ditentukan, yaitu kurang dari 48 karung. Tabel-tabel pendukung ini hanya berfungsi sebagai pelengkap saja. 68

14 Tabel 4.4 sampai tabel 4.6 adalah tabel-tabel pendukung untuk tahap keputusan 3; tabel 4.7 sampai tabel 4.9 adalah tabel-tabel pendukung untuk tahap keputusan 2; dan tabel 4.10 sampai tabel 4.12 adalah tabel-tabel pendukung untuk tahap keputusan 1. Tabel 4.14, yaitu tabel analisis sistem pemuatan barang, yang ditunjukkan di bawah ini merupakan rangkuman dari keseluruhan hasil analisis data yang dilakukan terhadap sistem pemuatan barang di PT. Krista Jaya Indosol, baik sebelum maupun setelah penerapan model dynamic programming. Tabel 4.14 Analisis Sistem Pemuatan Barang Kriteria dalam 1x Pemuatan Barang Kondisi Sist. Pemuatan Barang Profit Jmlh Total Krg Tipe Produk (Karung) (%) (Karung) M600 T139 T101 Sebelum Model DP 583,7 19 Random Random Random Setelah Model DP 1500, (Batas Bawah) Setelah Model DP 2036, (Batas Atas) Dari tabel 4.14 di atas, dapat dilihat bahwa analisis data tidak hanya dilakukan untuk kriteria profit saja, walaupun kriteria tersebut merupakan fokus dari tahap ini. Karena disamping itu, analisis data juga dilakukan terhadap dua kriteria lain yang terkait erat dengan kriteria profit, yaitu kriteria jumlah total karung dan kriteria tipe produk. 69

15 Penjabaran dan penjelasan dari keseluruhan hasil analisis data untuk masingmasing kriteria tersebut di atas adalah sebagai berikut, yaitu : Analisis berdasarkan kriteria profit dalam satu kali pemuatan barang Sebelum penerapan model dynamic programming Besar keuntungan rata-rata setiap kali pemuatan barang pada kondisi ini diperoleh dengan melakukan perhitungan yang didasarkan pada data-data yang terdapat di tabel Langkah-langkah perhitungan tersebut adalah sebagai berikut, yaitu : Hitung profit (%) untuk masing-masing pemuatan yang dilakukan dari pemuatan ke-1 sampai pemuatan ke-26. Perhitungan profit (%) untuk pemuatan ke-1 menghasilkan persentase keuntungan sebesar 307,0 %. Persentase tersebut diperoleh dari hasil kali antara profit margin produk M600 sebesar 30,7 % per karung dengan jumlah karung produk M600 tersebut yang dimuat pada pemuatan ke-1, yaitu sebanyak 10 karung. Sedangkan perhitungan untuk pemuatan ke-2 menghasilkan persentase keuntungan sebesar 421,5 %. Persentase tersebut diperoleh dari hasil kali antara profit margin produk M600 sebesar 30,7 % per karung dengan jumlah karung produk M600 tersebut yang dimuat pada pemuatan ke-2, yaitu sebanyak 10 karung. Kemudian ditambahkan dengan hasil kali antara profit margin produk T139 sebesar 22,9 % per karung dengan jumlah karung produk T139 tersebut yang juga dimuat pada 70

16 pemuatan ke-2, yaitu sebanyak 5 karung. Demikian seterusnya, perhitungan profit (%) ini dilakukan hingga pemuatan ke-26. Totalkan atau jumlahkan keseluruhan hasil perhitungan profit (%) untuk masing-masing pemuatan yang dilakukan dari pemuatan ke-1 sampai pemuatan ke-26. Total hasil perhitungan profit (%) secara keseluruhan untuk 26 kali pemuatan barang yang dilakukan adalah sebesar ,0 %. Persentase keuntungan total ini dapat dihitung dengan 2 cara berikut, yaitu : Cara pertama, jumlahkan profit (%) masing-masing pemuatan dari pemuatan ke-1 sampai pemuatan ke-26 secara langsung, seperti berikut : 307, , , ,5 Total Profit (%) = = ,0 %. 26 Cara kedua, jumlahkan terlebih dahulu masing-masing produk yang dimuat dari pemuatan ke-1 sampai pemuatan ke-26, seperti berikut : Untuk produk M600 = = 188 karung. Untuk produk T139 = = 111 karung. Untuk produk T101 = = 183 karung. Selanjutnya, kalikan total masing-masing produk yang telah dihitung tersebut dengan profit margin-nya, baru kemudian hasil perkalian tersebut dijumlahkan, seperti berikut : Total Profit (%) = {( ,7 % ) + ( ,9 % ) + ( ,5 % )} = ,0 %. Jadi berdasarkan perhitungan di atas, cara mana saja yang digunakan akan selalu menghasilkan total profit (%) yang sama besar. 71

17 Hitung besar keuntungan rata-rata untuk setiap pemuatan barang yang dilakukan. Perhitungan ini dilakukan dengan cara membagi total profit (%) dengan intensitas atau banyak pemuatan barang yang dilakukan pada ,0 periode tersebut, seperti berikut : = 583,7%. 26 Jadi besar keuntungan rata-rata setiap kali pemuatan barang yang dilakukan sebelum penerapan model dynamic programming adalah sebesar 583,7 %. Setelah penerapan model dynamic programming Besar keuntungan pemuatan barang pada kondisi ini jika dibandingkan dengan kondisi sebelum penerapan model dynamic programming, lebih mudah untuk ditentukan. Lebih mudah dalam arti, besarnya keuntungan pemuatan barang sudah ditunjukkan secara eksplisit di kolom pemecahan optimal, yaitu kolom fn(yn) yang terdapat pada tabel 4.3 (untuk batas atas) maupun tabel 4.12 (untuk batas bawah). Besar keuntungan pemuatan barang yang ditampilkan pada tabel 4.3 dan tabel 4.12 tersebut, merupakan persentase keuntungan yang baku dan tetap karena persentase tersebut ditentukan berdasarkan jumlah karung yang dimuat secara pasti untuk masing-masing alternatif keputusan, kecuali jika ada perubahan pada variabel, batasan, ataupun tujuan masalah. Lain halnya dengan besar keuntungan pemuatan barang untuk kondisi sebelum penerapan model 72

18 dynamic programming, dimana persentase keuntungannya merupakan persentase keuntungan rata-rata, yang tidak baku dan sangat mungkin untuk berubah sebagai akibat dari perubahan intensitas pemuatan barang yang dilakukan. Besar keuntungan pemuatan barang yang ditunjukkan secara eksplisit di kolom pemecahan optimal, yaitu kolom fn(yn) yang terdapat pada tabel 4.3 (untuk batas atas) dan tabel 4.12 (untuk batas bawah) dapat dideskripsikan secara tertulis sebagai berikut : Besar keuntungan pemuatan barang yang paling minimal untuk batas bawah, yaitu dengan jumlah total 48 karung yang dimuat, adalah 1500,8 % dengan komposisi 44 karung M600, 0 karung T139, dan 4 karung T101. (Bandingkan dengan tabel 4.12) Namun besar keuntungan tersebut dapat meningkat sesuai dengan altenatif keputusan yang dipilih, karena walaupun jumlah total karung yang dimuat tidak berubah tetapi komposisi tipe produknya mengalami perubahan. Contoh : Besar keuntungan akan meningkat menjadi 1507,6 %, jika pemuatan barang dilakukan dengan komposisi 43 karung M600, 0 karung T139, dan 5 karung T101. Peningkatan besar keuntungan tersebut dapat mencapai persentase yang paling ekstrim, yaitu 1800 %, jika pemuatan barang dilakukan dengan komposisi 0 karung M600, 0 karung T139, dan 48 karung T101. Sedangkan besar keuntungan pemuatan barang yang paling minimal untuk batas atas, yaitu dengan jumlah total 63 karung yang dimuat, adalah 73

19 2036,1 % dengan komposisi 48 karung M600, 0 karung T139, dan 15 karung T101. (Bandingkan dengan tabel 4.3) Sama halnya dengan penentuan besar keuntungan pemuatan barang untuk batas bawah, pada penentuan besar keuntungan pemuatan barang untuk batas atas inipun besarnya keuntungan dapat meningkat sesuai dengan altenatif keputusan yang dipilih, karena walaupun jumlah total karung yang dimuat tidak berubah tetapi komposisi tipe produknya mengalami perubahan. Contoh : Besar keuntungan akan meningkat menjadi 2042,9 %, jika pemuatan barang dilakukan dengan komposisi 47 karung M600, 0 karung T139, dan 16 karung T101. Peningkatan besar keuntungan tersebut juga dapat mencapai persentase yang paling ekstrim, yaitu 2362,5 %, jika pemuatan barang dilakukan dengan komposisi 0 karung M600, 0 karung T139, dan 63 karung T101. Hasil analisis terhadap kriteria profit dalam satu kali pemuatan barang di atas menunjukkan secara jelas bahwa : Besar keuntungan setiap kali pemuatan barang yang paling minimal untuk batas bawah pada kondisi setelah penerapan model dynamic programming adalah 2,57 kali lebih besar daripada besar keuntungan setiap kali pemuatan barang pada kondisi sebelum penerapan model dynamic programming. (Bandingkan dengan 1500,8 % : 583,7 %) Besar keuntungan setiap kali pemuatan barang yang paling minimal untuk batas atas pada kondisi setelah penerapan model dynamic programming adalah 74

20 3,49 kali lebih besar daripada besar keuntungan setiap kali pemuatan barang pada kondisi sebelum penerapan model dynamic programming. (Bandingkan dengan 2036,1 % : 583,7 %) Analisis berdasarkan kriteria jumlah total karung dalam satu kali pemuatan barang Sebelum penerapan model dynamic programming Jumlah total karung dalam satu kali pemuatan barang pada kondisi ini diperoleh dengan cara yang sama seperti perhitungan kapasitas pengiriman barang yang terdapat di sub bab 3.2. Perhitungan yang didasarkan pada data-data yang ada di tabel 3.1 tersebut adalah sebagai berikut, yaitu : karung 19 karung. Setelah penerapan model dynamic programming 482 karung = 18,54 26 kali Berbeda dengan kondisi sebelum penerapan model dynamic programming, penentuan jumlah total karung dalam satu kali pemuatan barang pada kondisi ini tidak perlu menggunakan perhitungan, tetapi ditentukan secara langsung berdasarkan batasan yang dikenakan terhadap variabel-variabel model dynamic programming yang dirancang. Batasan yang dimaksud tersebut adalah ki 48 ki 63, dimana ki Є bilangan bulat. Dari batasan ki 48 ki 63, dimana ki Є bilangan bulat ini, jumlah total karung dalam satu kali pemuatan barang dapat ditentukan secara langsung sebagai berikut : 75

21 Jumlah total karung dalam satu kali pemuatan barang untuk batas paling minimal yang dapat dimuat atau batas bawah pemuatan adalah sebanyak 48 karung. Jumlah total karung dalam satu kali pemuatan barang untuk batas paling maksimal yang dapat dimuat atau batas atas pemuatan adalah sebanyak 63 karung. Berdasarkan analisis terhadap kriteria jumlah total karung di atas, jika diasumsikan bahwa konstanta total karung yang dimuat untuk dikirim dalam satu bulan adalah 482 karung (lihat tabel 3.1), maka intensitas pengiriman barang dalam satu bulan dapat ditentukan. Intensitas pengiriman barang tersebut dapat ditentukan melalui perhitungan sebagai berikut, yaitu : Intensitas pengiriman barang dalam satu bulan untuk batas bawah pemuatan = 482 karung 48 karung = 10,04 kali 11kali. Intensitas pengiriman barang dalam satu bulan untuk batas atas pemuatan 482 karung = = 7,65 kali 8 kali. 63 karung Analisis berdasarkan kriteria tipe produk dalam satu kali pemuatan barang Sebelum penerapan model dynamic programming Tipe produk yang dimuat dalam satu kali pemuatan barang untuk kondisi sebelum penerapan model dynamic programming ini tidak dapat ditentukan secara pasti, karena kebutuhan pelanggan yang hendak direalisasikan melalui 76

22 pesanan yang satu dengan pesanan yang lain tidak sama dalam hal komposisi. Oleh karena itu, pada tabel 4.14 di atas digunakan istilah random atau acak untuk kriteria tipe produk. Masing-masing tipe produk yang dimuat tersebut ditunjukkan secara lengkap pada tabel 3.1, yaitu tabel data pemuatan barang PT. Krista Jaya Indosol (periode Oktober 2004), misal : pemuatan ke-1 terdiri dari 10 karung produk M600, 0 karung produk T139, dan 0 karung produk T101; pemuatan ke-2 terdiri dari 10 karung produk M600, 5 karung produk T139, dan 0 karung produk T101; dan seterusnya hingga pemuatan ke-26 yang sebagian besar tidak sama dalam hal komposisi produk yang dipesan. Setelah penerapan model dynamic programming Analisis untuk kriteria tipe produk dalam satu kali pemuatan barang ini telah dijelaskan secara lengkap bersamaan dengan analisis kriteria profit untuk kondisi setelah penerapan model dynamic programming di atas. Namun pada beberapa keadaan tertentu, khususnya untuk perhitungan optimal tahap keputusan 1 dengan k1 = 59, 60, 61, 62, dan 63 serta alternatif Y1 apa saja, komposisi tipe produk yang dimuat tidak dapat ditentukan berdasarkan fungsi transformasi MP1k1 + f2(y1 0,9k1). Karena jika perhitungan dilakukan dengan menggunakan fungsi transformasi tersebut maka jumlah total karung sebagai hasil akumulasi dari komposisi tipe produk yang dimuat tersebut akan melebihi batas atas pemuatan yang telah ditentukan (jumlah total karung > 63 77

23 karung). Contoh perhitungan dengan fungsi transformasi MP1k1 + f2(y1 0,9k1) untuk k1 = 59 dan alternatif Y1 = 59 adalah sebagai berikut : MP1k1 + f2(y1 0,9k1) MP1x59 + f2(59 0,9x59) 59MP1 + f2(5,9) 59MP1 + f2(5) * = 64 karung Ket : * = dibulatkan ke bawah Dari hasil perhitungan di atas, diketahui bahwa jumlah total karung yang dimuat adalah sebanyak 64 karung dengan komposisi 59 karung produk M600, 0 karung produk T139, dan 5 karung produk T101. Hasil ini tidak sesuai dengan batasan ki 48 ki 63, dimana ki Є bilangan bulat, karena melampaui batas paling maksimal jumlah total karung yang dapat dimuat (batas atas pemuatan). Oleh sebab itu, setiap hasil perhitungan yang kondisinya sama seperti kasus di atas harus mengikuti ketentuan sebagai berikut : Konstanta untuk variabel jumlah karung produk i (k i ) adalah tetap atau tidak berubah. Konstanta untuk hasil operasi matematik dari fungsi f2(y1 0,9k1) dikurangkan sedemikian sehingga total antara konstanta untuk variabel jumlah karung produk i (k i ) dengan konstanta untuk hasil operasi matematik dari fungsi f2(y1 0,9k1) ini adalah tepat 63 karung (batas atas pemuatan). 78

24 Berdasarkan ketentuan tersebut, maka komposisi tipe produk yang dimuat untuk contoh perhitungan di atas mengalami perubahan sehingga komposisinya menjadi 59 karung produk M600, 0 karung produk T139, dan 4 karung produk T101. Jadi dari ketiga analisis yang telah dijabarkan dan dijelaskan di atas, dapat disimpulkan bahwa profit yang diperoleh dari suatu kegiatan pemuatan barang selalu terkait secara langsung dengan jumlah total karung dan komposisi masing-masing tipe produk yang dimuat. 4.4 Evaluasi Kinerja Pada hakekatnya, evalusi kinerja untuk pemecahan masalah pemuatan barang di PT. Krista Jaya Indosol ini diarahkan untuk mendapatkan hasil pembandingan antara sistem yang lama dengan sistem yang baru. Hasil pembandingan tersebut penting, karena akan dijadikan acuan untuk memutuskan langkah perusahaan lebih lanjut. Secara teoritis, ada 2 alternatif keputusan yang mungkin diambil oleh perusahaan, yaitu : Jika rasio antara benefit dengan pengorbanan pada sistem baru lebih besar daripada sistem lama, usulkan penerapan dynamic programming untuk digunakan pada sistem pemuatan barang perusahaan. Jika rasio antara benefit dengan pengorbanan pada sistem baru lebih kecil daripada sistem lama, lakukan feed back terhadap tahap pengumpulan data, tahap 79

25 pengolahan data, serta tahap analisis data agar kesalahan yang tidak terdeteksi sebelumnya dapat ditemukan dan diperbaiki. Hasil pembandingan antara sistem pemuatan barang yang lama dengan sistem pemuatan barang yang baru, yang menjadi acuan untuk menentukan alternatif keputusan perusahaan tersebut dapat ditentukan dengan cara menjawab 2 pertanyaan berikut, yaitu : 1. Apakah sistem pemuatan barang yang baru tersebut lebih unggul daripada sistem pemuatan barang yang lama? Dengan melakukan pembandingan terhadap hasil penjabaran dan penjelasan dari tahap analisis data yang terdapat pada sub bab 4.3 di atas, maka pilihan terhadap sistem pemuatan barang yang lebih unggul dapat ditentukan. Pembandingan tersebut dilakukan berdasarkan kriteria-kriteria pemuatan barang berikut, antara lain : Berdasarkan kriteria profit, maka dapat diputuskan bahwa model dynamic programming menguntungkan untuk diterapkan pada sistem pemuatan barang yang ada di perusahaan. Hal ini ditunjukkan dengan adanya peningkatan profit, dari 583,7% menjadi 1500,8 % sampai 2036,1 % dalam satu kali pemuatan barang. Berdasarkan kriteria jumlah total karung, khususnya dari hasil perhitungan kapasitas pengiriman barang, maka dapat diputuskan bahwa model dynamic programming meningkatkan efektifitas sistem pemuatan barang yang ada di perusahaan. Hal ini ditunjukkan dengan adanya peningkatan kapasitas 80

26 pengiriman barang, dari 19 karung menjadi 48 karung sampai 63 karung dalam satu kali pemuatan barang. Berdasarkan kriteria jumlah total karung, khususnya dari hasil perhitungan intensitas pengiriman barang, maka dapat diputuskan bahwa model dynamic programming meningkatkan efisiensi sistem pemuatan barang yang ada di perusahaan. Hal ini ditunjukkan dengan adanya penurunan intensitas pengiriman barang, dari 26 kali pemuatan menjadi 8 kali sampai 11 kali pemuatan dalam satu bulan. Jadi, dari ketiga pembandingan kriteria pemuatan barang di atas dapat dinyatakan bahwa sistem pemuatan barang yang baru, yang menggunakan model dynamic programming ini lebih unggul daripada sistem pemuatan barang yang lama. Namun perlu diingat, bahwa keunggulan tersebut tidak lepas dari beberapa syarat yang harus dipenuhi oleh perusahaan. (Lihat syarat-syarat implementasi pada sub bab 4.5) 2. Apakah sistem pemuatan barang yang baru tersebut layak, sesuai, dan konsisten untuk diterapkan pada perusahaan? Dari segi kelayakan, dapat dikatakan bahwa sistem pemuatan barang yang menggunakan model dynamic programming ini layak untuk diterapkan oleh perusahaan. Kelayakan tersebut didukung oleh ketersediaan sumber daya perusahaan dalam hal tenaga kerja (man), bahan baku (material), mesin (machine), metode (method), modal (money), serta teknologi informasi (information technology). 81

27 Dari segi kesesuaian, dapat dikatakan bahwa sistem pemuatan barang yang menggunakan model dynamic programming ini sesuai dengan prinsip maksimasi profit, yaitu dalam hal optimalisasi keuntungan yang mampu meningkatkan keuntungan hingga 2,57 kali sampai 3,49 kali untuk setiap kali pemuatan barang. Disamping itu juga, sistem pemuatan barang yang baru ini sesuai dengan prinsip minimasi cost, yaitu dalam hal efisiensi intensitas pengiriman barang yang mampu menurunkan biaya transportasi (shipment cost) hingga lebih dari 50 % setiap bulannya. Dari segi konsistensi, dapat dikatakan bahwa sistem pemuatan barang yang menggunakan model dynamic programming ini konsisten, asalkan variabel, batasan, serta tujuan masalah yang digunakan tidak berubah. Istilah fleksibel mungkin lebih tepat digunakan untuk model dynamic programming, karena relatif lebih mudah bagi model dynamic programming untuk melakukan penyesuaian terhadap setiap perubahan variabel, batasan, maupun tujuan masalah yang dimodelkan. Jadi, dari penjelasan terhadap ketiga aspek evaluasi di atas dapat dinyatakan bahwa sistem pemuatan barang yang baru, yang menggunakan model dynamic programming ini layak, sesuai, dan konsisten untuk diterapkan. Dari keseluruhan paparan evaluasi kinerja di atas, maka dapat disimpulkan bahwa pemecahan masalah pemuatan barang akan tercapai apabila model dynamic programming diterapkan secara benar dan tepat pada sistem pemuatan barang perusahaan. 82

28 4.5 Rencana Implementasi Rencana implementasi, termasuk rencana implementasi sistem pemuatan barang berbasis dynamic programming di PT. Krista Jaya Indosol ini, selalu berhubungan erat dengan pengembangan. Konsep pengembangan (improvement) tersebut diarahkan untuk tujuan pemecahan masalah dengan pertimbangan pengelolaan sumber daya perusahaan, efisiensi sistem (proses), keterlibatan manajemen, keterlibatan karyawan, serta penciptaan budaya perusahaan yang mendukung, yang terkait dengan hal komunikasi, koordinasi, dan motivasi. Langkah-langkah implementasi model dynamic programming untuk sistem pemuatan barang tersebut adalah sebagai berikut : 1. Identifikasi kekuatan dan kelemahan sistem aktual Tabel 4.15 Kekuatan dan Kelemahan Sistem Aktual Kekuatan Sistem Aktual Cepat (Tenggang waktu singkat) Orientasi terhadap pesanan pelanggan baik Pemeriksaan lebih mudah Kelemahan Sistem Aktual Keuntungan tidak optimal Biaya transportasi cukup besar Tidak efektif Fungsi PPIC tidak optimal Fungsi Forecasting tidak optimal Berdasarkan tabel 4.15 ini, dapat dilihat bahwa kekuatan sistem pemuatan barang aktual ini bertumpu pada pengiriman barang yang dilakukan secara cepat oleh perusahaan untuk memenuhi pesanan pelanggan, berapapun banyaknya dan apapun komposisi produknya. Karena umumnya jumlah barang yang dimuat 83

29 untuk dikirim tersebut sedikit, maka pemeriksaan terhadap komposisi produk lebih mudah untuk dilakukan. Sebagai konsekuensi dari kekuatan-kekuatan tersebut, maka timbul beberapa kelemahan pada sistem aktual ini. Kelemahan utama dari sistem aktual ini adalah tidak optimalnya keuntungan serta cukup besarnya biaya transportasi untuk kegiatan pengiriman barang yang dilakukan. Kedua hal tersebut terjadi sebagai akibat dari ketidakefektifan sistem pemuatan barang yang dilakukan, baik dalam hal jumlah barang yang dimuat setiap kali pemuatan barang, yang rata-ratanya jauh dari kapasitas maksimum box (kurang dari 50 % kapasitas maksimum box) maupun dalam hal jumlah intensitas pengiriman barang yang cukup besar, yang dilakukan dalam satu bulan. Disamping kelemahankelemahan di atas, adapula kelemahan lain yang memang tidak terkait langsung dengan sistem pemuatan barang namun turut mempengaruhi sistem tersebut. Kelemahan tersebut adalah tidak optimalnya fungsi PPIC (Production Planning and Inventory Control) dan fungsi peramalan (forecasting) yang terdapat di perusahaan. Tidak optimal, karena sistem pemuatan barang aktual yang dilakukan oleh perusahaan ini hampir tidak pernah menggunakan informasi dari kedua fungsi tersebut, padahal informasi dari kedua fungsi ini penting bagi sistem pemuatan barang. Kelemahan-kelemahan sistem pemuatan barang aktual tersebutlah yang menjadi sasaran untuk dihilangkan atau paling tidak dikurangi oleh perusahaan, agar biaya yang tidak perlu dapat dikurangi atau bahkan dihilangkan. 84

30 2. Rekomendasikan kekuatan dan kelemahan sistem usulan Tabel 4.16 Kekuatan dan Kelemahan Sistem Usulan Kekuatan Sistem Usulan Optimalisasi keuntungan Pengurangan biaya transportasi Efektif Optimalisasi fungsi PPIC Optimalisasi fungsi Forecasting Kelemahan Sistem Usulan Relatif lama (Tenggang waktu panjang) Orientasi terhadap pesanan pelanggan relatif kurang Pemeriksaan relatif lebih sulit Model dynamic programming yang direkomendasikan untuk diterapkan pada sistem pemuatan barang yang ada di PT. Krista Jaya Indosol ini memiliki beberapa kekuatan yang secara nyata mampu mengatasi berbagai kelemahan yang timbul pada sistem aktual. Kekuatan utama dari sistem usulan berbasis dynamic programming tersebut, diantaranya adalah kemampuan untuk mengoptimalkan profit (keuntungan) pemuatan barang, mengurangi biaya transportasi (shipment cost), serta meningkatkan efektifitas proses maupun sistem pemuatan barang. Bahkan sistem ini secara tidak langsung mampu mendorong peningkatan kinerja dari fungsi PPIC (Production Planning and Inventory Control) dan fungsi peramalan (forecasting), guna menunjang kelancaran sistem pemuatan barang. Sistem usulan, sama halnya dengan sistem aktual, juga memiliki kelemahan sebagai konsekuensi dari kekuatan-kekuatan yang ada. Kelemahan tersebut diantaranya adalah tenggang waktu pengiriman barang yang relatif lebih lama, 85

31 sehingga muncul indikasi bahwa sistem ini kurang berorientasi terhadap pesanan pelanggan. Padahal tidak demikian kenyataannya, karena justru dengan sistem usulan inilah pelanggan akan mendapatkan beberapa keuntungan, diantaranya adalah pengurangan biaya pesan (ordering cost) serta secara tidak langsung akan memperbaiki sistem perencanaan pemesanan barang dan mengoptimalkan fungsi peramalan (forecasting). Kesulitan terbesar adalah ketika ketentuan tentang jumlah total karung ditetapkan minimal 48 karung (75 % dari kapasitas maksimum box) untuk dimuat setiap kali pemuatan barang. Oleh karena itu, perlu ada kesepakatan bersama antara pihak perusahaan dengan pelanggan dalam bentuk kontrak kerja tertulis, yang didalamnya berisi klausul tentang ketentuan pengiriman barang. Kelemahan lain dari sistem usulan ini berkaitan dengan pemeriksaan terhadap komposisi produk yang menjadi lebih sulit untuk dilakukan akibat lebih banyaknya jumlah barang yang dimuat. Hal ini dapat diatasi dengan melakukan pembenahan dan pengaturan terhadap sistem persediaan barang jadi yang terletak di bagian shipping area serta menugaskan satu orang tenaga kerja, yang mencatat berat barang yang akan dimuat pada saat kegiatan penimbangan, untuk melakukan pemeriksaan akhir terhadap komposisi produk yang akan dimuat tersebut. 3. Lakukan studi kelayakan Studi kelayakan dilakukan terhadap model dynamic programming yang telah direkomendasikan untuk diimplementasikan pada sistem pemuatan barang. Studi kelayakan ini bertujuan untuk menentukan layak atau tidaknya pilihan keputusan 86

32 tersebut bagi perusahaan, secara keseluruhan. Hal ini berarti bahwa model dynamic programming bukan hanya harus layak untuk sistem pemuatan barang saja, tetapi juga harus sesuai dengan aktivitas-aktivitas lain di perusahaan, baik yang ada di tingkat operasional maupun di tingkat organisasi. Studi kelayakan untuk implementasi model dynamic programming tersebut, minimal harus mencakup hal-hal berikut, yaitu : Internal sistem pemuatan barang Studi kelayakan terhadap internal sistem pemuatan barang berkaitan dengan aktivitas-aktivitas yang ada di tingkat sistem tersebut. Studi ini berusaha menjawab apakah model dynamic programming yang akan diimplementasikan tersebut cocok (compatible) untuk setiap aktivitas sistem pemuatan barang; baik untuk kegiatan packaging, kegiatan penimbangan, kegiatan pemindahan barang dari packaging area ke shipping area, maupun untuk kegiatan pemuatan barang itu sendiri. Faktor-faktor produksi Studi kelayakan terhadap faktor-faktor produksi berkaitan dengan aktivitas yang ada di tingkat operasional. Berdasarkan tingkat produksi yang dapat diperkirakan oleh perhitungan model dynamic programming agar pemuatan barang dapat optimal, maka ada beberapa faktor produksi yang harus dinilai kelayakannya, antara lain : Faktor bahan baku (material). Persediaan bahan baku harus mampu memenuhi tingkat produksi yang telah diperkirakan. 87

33 Faktor mesin (machine). Jumlah dan kemampuan mesin harus mampu memenuhi tingkat produksi yang telah diperkirakan. Faktor manusia (man). Tenaga kerja yang digunakan merupakan tenaga kerja yang terlatih dan trampil. Faktor metode (method). Metode pemindahan barang dan metode penyampaian informasi harus dilakukan secara tepat dan efektif. Anggaran Studi kelayakan terhadap anggaran berkaitan dengan aktivitas yang ada di tingkat organisasi, khususnya bagian keuangan (finance). Studi ini mencakup dua hal, yaitu : Tentukan besar biaya investasi dan biaya operasional untuk implementasi model dynamic programming ini. Lakukan analisis keuangan untuk dijadikan bahan pertimbangan bagi perusahaan dalam melakukan penyesuaian anggaran (budget). 4. Susun rencana implementasi Rencana implementasi merupakan rincian tentang segala sesuatu yang berkaitan dengan model dynamic programming yang akan diimplementasikan. Rencana implementasi tersebut umumnya ditampilkan dalam bentuk tabel kerja (template). Template rencana implementasi yang dibuat tersebut paling tidak harus berisi aktivitas, sasaran, penanggung jawab (person in charge), divisi terkait, jangka waktu, fasilitas yang digunakan, serta indikator sukses. (Lihat tabel 4.17) 88

34 Tabel 4.17 Template Rencana Implementasi Aktivitas Sasaran Person in charge Divisi (Penanggung jawab) Terkait Jangka Waktu Fasilitas Indikator yang digunakan Sukses 5. Buat mekanisme tinjau ulang Mekanisme tinjau ulang yang dibuat harus memiliki dua fungsi utama, yaitu : Fungsi kendali (control) Fungsi evaluasi Mekanisme tinjau ulang yang dibuat tersebut harus memenuhi syarat-syarat berikut, yaitu : Operasi terhadap sistem atau mekanisme tinjau ulang mudah untuk dilakukan. Tempatkan sumber daya manusia yang tepat. Gunakan peran teknologi informasi. Setiap hasil yang diperoleh harus dicatat dan didokumentasi. Mekanisme tinjau ulang harus dilakukan secara rutin. Sistem atau mekanisme tinjau ulang harus fleksibel, artinya bahwa sistem tersebut dapat dengan mudah dan cepat untuk direvisi jika terjadi perubahan. 89

35 Disamping harus mengikuti langkah-langkah di atas, ada beberapa syarat yang harus dipenuhi oleh rencana implementasi agar pemecahan masalah pemuatan barang dengan model dynamic programming ini dapat optimal. Syarat-syarat tersebut antara lain : Penggunaan model dynamic programming harus benar dan tepat, termasuk dalam hal ini adalah taat terhadap batasan-batasan yang telah ditentukan. Perlu ada kesepakatan bersama tentang ketentuan pengiriman barang, agar kapasitas muatan dapat dimaksimalkan. Perlu dukungan dari fungsi PPIC (Production Planning and Inventory Control) dan fungsi peramalan (forecasting). Perlu didukung secara total oleh kebijakan-kebijakan dari manajemen puncak. 90