OPTIMASI PROSES PRODUKSI UNTUK PRODUK MAKANAN research- ?· 16636 pea boxes and 13166 pilus boxes. From…

  • Published on
    02-Mar-2019

  • View
    212

  • Download
    0

Embed Size (px)

Transcript

Optimasi Proses Produksi...(Bahtiar S. Abbas; Wiwi Indriani) 45

OPTIMASI PROSES PRODUKSI UNTUK PRODUK MAKANAN DENGAN METODE INTEGER LINEAR PROGRAMMING (ILP)

PADA PT PSA

Bahtiar S. Abbas1; Wiwi Indriani2

1 Jurusan Teknik Industri, Fakultas Teknik, Universitas Bina Nusantara, Jln. K.H. Syahdan No. 9, Kemanggisan, Palmerah, Jakarta Barat 11480

bahtiars@binus.edu

ABSTRACT

PT PSA in its 16 months of operations do not have a structured production planning, beside that material planning and management is conducted based on intuition. Based on these conditions, this study aims to create a global production image to maximize profit, and material planning and management for the June 2008 period. The integer linear programming method is used due to the integer unit characteristics of the final product; thereby the optimization results should also be in in integer. The optimum results from the profit maximization problem is Rp 968,184,500.00 derived from production of 11058 balado crisps boxes, 19455 cheese crisps boxes, 16636 pea boxes and 13166 pilus boxes. From the profit maximization problem results, it is concluded that the resource capacity of PT PSA is enough to fulfill production plan for the June 2009 period.

Keywords: Optimization, Production, Profit, ILP

ABSTRAK

PT PSA selama 16 bulan beroperasi tidak memiliki perencanaan produksi yang terstruktur, selain itu perencanaan dan pengendalian bahan baku dilakukan hanya berdasarkan intuisi. Berdasarkan kondisi tersebut, maka penelitian ini ingin memberikan suatu gambaran produksi untuk memaksimalkan profit (keuntungan), serta perencanaan dan pengendalian bahan baku yang sebaiknya dilakukan pada periode Juni 2008. Metode integer linear programming (ILP) digunakan karena produk akhir memiliki satuan yang bulat (box) sehingga hasil dari optimasi juga harus berupa angka bulat. Keuntungan optimal dari permasalahan maksimasi keuntungan adalah sebesar Rp 968,184,500.00 dengan perincian 11058 box opak balado, 19455 box opak keju, 16636 box kacang polong dan 13166 box pilus. Dari hasil permasalahan maksimasi profit tersebut, dapat disimpulkan bahwa kapasitas sumber daya PT PSA masih mencukupi untuk memenuhi rencana produksi pada periode Juni 2008. Kata kunci: Optimasi, Produksi, Profit, ILP

46 INASEA, Vol. 11 No.1, April 2010: 45-57

PENDAHULUAN

PT PSA adalah perusahaan yang bergerak dibidang consumer goods, yaitu makanan ringan yang terdiri dari opak balado, opak keju, kacang polong dan pilus stick (sticky). PT PSA memiliki produksi dengan tipe make to stock. Sistem produksi dijalankan dengan memperhatikan tingkat demand dari pelanggan dengan tetap memproduksi sejumlah stock. Produksi dijalankan selama jam kerja tanpa melihat jumlah order atau permintaan dari customer. Jalannya proses produksi pada bagian bulking ini ditentukan, hanya berdasarkan perkiraan staff yang berwewenang yang didasari pada keadaan produksi atau ketersediaan suatu produk pada saat tertentu. Proses produksi ini adalah proses produksi untuk produk curahan (bulking) yang merupakan work in process untuk kemudian dilanjutkan pada proses packing.

Pada proses packing, proses produksi juga bersifat make to stock, namun produksi stock ini tidak berjalan terus-menerus tanpa batas. Jumlah produksi dilakukan dengan tetap memperhatikan tingkat permintaan dan kecenderungan fluktuasi pada tingkat permintaan, jadi produksi tidak akan berjalan terus-menerus jika PT PSA memiliki stock bahan baku dalam jumlah yang banyak di gudang warehouse. Namun sama seperti perencanaan proses produksi, safety stock pada bagian packing tersebut juga dilakukan dengan cara konvensional, yaitu dengan perkiraan (intuisi) berdasarkan jumlah stock yang ada untuk masing-masing tipe produk.

Selama observasi lapangan berlangsung, terlihat tidak adanya penjadwalan dan

perencanaan produksi yang sistematis, dimana jalannya produksi dilakukan dengan cara konvensional yaitu berdasarkan intuisi. Tidak jarang hal ini menyebabkan timbulnya kerugian bagi perusahaan karena produk-produk yang sudah diproduksi menjadi inventory yang menumpuk karena produk tersebut diminta oleh customer. Disamping itu, sering pula terjadi stockout (tidak adanya persediaan) untuk produk-produk tertentu. Inventory yang menumpuk serta permintaan customer yang tidak bisa dipenuhi, menyebabkan kerugian yang cukup besar bagi perusahaan. Tulisan ini adalah hasil penelitian untuk menjawab pertanyaan berapakah jumlah masing-masing produk yang harus diproduksi oleh PT PSA untuk menghasilkan profit yang optimal?

METODE

Langkah pertama yang dilakukan adalah melakukan pengujian kecukupan, keseragaman dan kenormalan dari data-data sampel yang diukur secara langsung, yaitu data waktu proses produksi. Terhadap data waktu proses produksi yang sudah memenuhi syarat kecukupan, keseragaman dan kenormalan data, data diolah lebih lanjut dengan menggunakan metode penyesuaian dan kelonggaran Westinghouse untuk memperoleh nilai waktu baku untuk setiap proses produksi.

Hasil waktu baku proses produksi kemudian diolah terhadap nilai profit tiap produk, data

kapasitas dan komposisi bahan baku (bill of material) serta data Kapasitas waktu produksi (jumlah mesin, tenaga kerja dan jam kerja) untuk dapat memformulasikan fungsi tujuan (objective function) dan fungsi pembatas (constraints).

Pengolahan data tahap selanjutnya adalah menyelesaikan formulasi fungsi tujuan (objective

function) dan fungsi pembatas (constraints) dari permasalahan optimasi profit tersebut dengan menggunakan metode Integer linear programming (ILP) untuk mendapatkan jumlah produksi pada bulan Juni 2008 yang menghasilkan profit optimal sesuai dengan batasan-batasan yang ada.

Optimasi Proses Produksi...(Bahtiar S. Abbas; Wiwi Indriani) 47

HASIL DAN PEMBAHASAN

Waktu Proses Produksi

Pengukuran waktu proses produksi dilakukan dengan menlalui beberapa uji baku dilakukan.Uji kecukupan data menggunakan tingkat kepercayaan sebesar 95% dengan tingkat ketelitian sebesar 5% menunjukkan bahwa jumlah sampel yang diamati sudah cukup. Uji keseragaman menunjukkan bahwa data yang diamati berasal dari satu populasi yang sama. Uji kenormalan dengan menggunakan bantuan software Minitab 14, dengan pengujian kenormalan Kolmogorov-Smirnov menunjukkan bahwa data mengikuti sebaran normal. Uji kecukupan data dilakukan pada setiap data pengamatan berkala dengan tujuan untuk menguji apakah data yang sudah dikumpulkan tersebut bisa menghasilkan karakteristik atau parameter yang mewakili populasi. Uji menunjukkan bahwa data pengamatan waktu proses sebanyak 30 adalah jumlah data minimal yang bisa mewakili populasi.

Perhitungan waktu baku dilakukan untuk mendapatkan waktu yang sudah disesuaikan

dengan human factor, seperti faktor penyesuaian dan kelonggaran. Faktor penyesuaian dan kelonggaran ini dilakukan berdasarkan kondisi nyata pada ruang kerja operator sebagai hasil observasi selama pengumpulan data dilakukan. Perhitungan faktor penyesuaian dilakukan berdasarkan metode Westinghouse, dimana nilai-nilai faktor penyesuaian yang diberlakukan disesuaikan dengan kondisi kerja pada masing-masing proses produksi. Selain faktor penyesuaian, untuk mendapatkan waktu baku juga harus ditambahkan dengan faktor kelonggaran. Faktor kelonggaran ini ditambahkan dengan pertimbangan bahwa pada saat bekerja, setiap manusia pasti membutuhkan kelonggaran bagi dirinya sendiri walaupun hanya sementara untuk melepas kelelahan. Berdasarkan faktor penyesuaian dan faktor kelonggaran tersebut, maka kemudian dihitung waktu baku untuk setiap waktu proses produksi. Waktu baku ini-lah yang kemudian akan digunakan sebagai koefisien pada fungsi pembatas untuk pembatas kapasitas proses produksi. Adapun salah satu contoh perhitungan waktu baku adalah sebagai berikut:

Waktu baku untuk proses ayak opak (n =30):

menit1.330767.92

30250.3...183.3150.3750.20

==

++++==

=

Ws

n

XWs

n

ii

( )( )

menit38.309.01menit1.3

1

=+=

+=

WnWn

pWsWn

menit170.5%5.34%100

%10038.3

%%100%100

=

=

=

Wb

Wb

lWnWb

Jumlah Alat, Mesin dan Tenaga Kerja

Dalam proses produksi digunakan beberapa jenis mesin yang bersifat semi automated

dimana mesin-mesin tersebut masih membutuhkan tenaga kerja manual untuk mengoperasikan ataupun men-setting cara kerja dari mesin-mesin tersebut. Selain menggunakan mesin, ada

48 INASEA, Vol. 11 No.1, April 2010: 45-57

beberapa perlatan yang digunakan yaitu alat pengayak dan tentunya alat pemasak bumbu. Ada juga proses produksi yang dilakukan secara manual tanpa menggunakan mesin ataupun alat, yaitu proses bulking dan boxing. Tabel 1 berikut adalah jenis-jenis mesin yang digunakan pada proses produksi beserta kuantitas serta jumlah tenaga kerja yang bertugas untuk mengoperasikannya.

Tabel 1 Jumlah Mesin, Alat dan Tenaga Kerja

Mesin Jumlah Mesin Jumlah

Alat Jumlah Tenaga

Kerja Pengayak Bumbu - 1 2 Msn. Ayak Opak 2 - 2 Msn. Crushing 2 - 1 Pemasak Manual - 2 2 Msn. Penggoreng I 6 - 9 Msn. Aduk Bumbu 10 - 8 Msn. Oven 2 - 4 Msn. Pemolen 4 - 3 Msn. Pengaduk Bhn 3 - 4 Msn. Mixer (Bhn+Bumbu) 1

- 1

Msn. Adonan 2 - 3 Msn. Penggoreng II 3 - 6 Manual Bulking - - 3 Msn. Packing 16 - 18 Manual Boxing - - 25

Bill of Material

Berikut ini adalah bill of materials (BOM) untuk masing-masing produk yang menjelaskan jenis-jenis bahan baku apa saja yang digunakan untuk memproduksi suatu produk akhir serta komposisi bahan baku yang digunakan untuk memproduksi masing-masing jenis produk per satuan box. Adapun data-data penggunaan bahan baku tersebut diperoleh dari pihak perusahaan berupa informasi secara tertulis (catatan perusahaan), yang kemudian dikonversikan kedalam bentuk standar bill of materials (BOM) secara teoritis, seperti pada Tabel 2.

Data komposisi penggunaan bahan baku pada catatan perusahaan digambarkan bervariasi

dalam bentuk satuan pengerjaan, yaitu 10 kg item dan 12 kg item. Namun dibawah ini seluruh data sudah dikonversikan dalam penggunaan bahan baku per satuan 1 kg end item dan 1 box end item, dimana 1 box end item = 1.8 Kg.

Tabel 2 Bill Of Materials (BOM) Opak Balado

NO. DESCRIPTIONS Qty/kg Qty/Box % Scrap BOM UOM

1 Opak 1.000 1.890 5% Kg 2 Bumbu balado 0.167 0.306 2% Kg 3 Bawang merah 0.075 0.135 - Kg 4 Bawang putih 0.050 0.090 - Kg 5 Garam 0.125 0.230 2% Kg 6 Fetsin 0.075 0.138 2% Kg 7 Gula 0.100 0.184 2% Kg 8 Solar 0.050 0.090 - Liter 9 Minyak goring 0.088 0.159 - Liter

Optimasi Proses Produksi...(Bahtiar S. Abbas; Wiwi Indriani) 49

10 Plastik H0 0.084 0.15 - Lembar 11 Kemasan Brand I - 0.08 - Gulung 12 Plastik - 10 - Lembar 13 Carton Box I - 1 - Lembar

Kapasitas Bahan Baku

Dalam permasalahan optimasi dengan tujuan memaksimalkan profit dari jumlah produk

yang harus diproduksi (terjual), maka selain dibutuhkan informasi mengenai bahan baku dan waktu proses produksi, dibutuhkan juga kapasitas yang membatasi penggunaan dari bahan baku dan proses produksi yang berlangsung. Penggunaan bahan baku tentunya dibatasi oleh banyaknya (jumlah) bahan baku yang dapat disediakan oleh pihak perusahaan (kapasitas bahan baku). Biasanya kapasitas bahan baku bergantung dengan kapasitas penyimpanan gudang serta kapasitas pemesanan bahan baku ataupun kemampuan perusahaan dalam melakukan pemesanan. Jalannya proses produksi dalam menyelesaikan suatu produk (end item) tentunya dibatasi oleh berapa banyak waktu yang tersedia untuk melakukan keseluruhan proses produksi. Kapasitas waktu produksi sangat dipengaruhi oleh jumlah mesin, jumlah tenaga kerja, dan juga jam kerja yang tersedia selama periode perencanaan. Tabel 3 dibawah ini berisikan keterangan mengenai kapasitas maksimum, yang merupakan kapasitas gudang storage, ataupun keterbatasan daya beli serta kebijakan perusahaan untuk masing-masing bahan baku yang digunakan.

Tabel 3 Kapasitas Gudang Bahan Baku (Storage)

Bahan Baku Kapasitas Gudang/Bulan Opak 60000 Kg Bumbu Balado 10000 Kg Garam 10000 Kg Fetsin 10000 Kg Gula 5000 Kg Solar 10000 Liter Minyak Goreng 15000 Liter Bumbu Keju 10000 Kg Kacang Polong 50000 Kg Tepung Tapioka 50000 Kg Bumbu Kaldu 10000 Kg Plastik H0 24000 Lembar Kemasan Brand @ Tipe Produk 2500 Gulung

Plastik Kemasan 650000 Lembar Carton Box @ Tipe Produk 30000 Lembar

Harga Jual dan Profit Produk

Berikut ini adalah harga jual dari produk-produk yang diproduksi oleh PT. PSA beserta profit yang dihasilkan dari penjualan masing-masing produk per box. Profit dari masing-masing produk diperoleh dari selesih antara harga jual produk dengan biaya produksi (variable cost dan fixed cost). Biaya produksi yang meliputi variable cost adalah sebagai contoh biaya pembelian bahan baku yang berubah-ubah sesuai dengan jumlah bahan baku yang dipesan. Sedangkan yang termasuk dalam fixed cost adalah biaya penyewaan bangunan, biaya asuransi dan lain-lain. Selain itu, biaya produksi juga sudah memperhitungkan adanya pengenaan pajak perusahaan. Harga yang

50 INASEA, Vol. 11 No.1, April 2010: 45-57

tertera pada Tabel 4 merupakan harga jual dalam satuan per box (kotak), dan sama seperti harga pembelian bahan baku, harga jual yang digunakan adalah harga standar, tanpa memperhitungkan adanya potongan harga apabila dipesan dalam jumlah yang banyak, ataupun adanya harga spesial bagi beberapa supplier tertentu.

Tabel 4 Harga Jual Produk Per Box dan Profit Per Box

Produk Harga Jual/Box Profit/Box

Opak Balado Rp 39,500.00 Rp 16,000.00 Opak Keju Rp 40,000.00 Rp 16,500.00 Kacang Polong Rp 39,000.00 Rp 16,000.00

Pilus Rp 39,500.00 Rp 15,500.00 Historis Demand

Data demand historis dikumpulkan mulai dari bulan April 2007 sampai dengan bulan Mei

2008 dan ditampilkan pada Tabel 5. Data demand historis pada PT. PSA sebenarnya tersedia dari bulan Maret 2007, namun tidak digunakan pada pembahasan ini karena akumulasi demand pada bulan tersebut tidak mewakili keseluruhan hari kerja pada satu bulan, dimana pabrik mulai diproduksi pada tanggal 14 Maret 2007.

Demand historis untuk produk opak balado, opak keju dan kacang polong sudah tersedia

dari bulan April 2007, sehingga data historis yang tersedia hanya selama 14 periode/bulan. Sedangkan untuk produk pilus sticky, baru mulai diproduksi pada bulan Agustus 2007, sehingga data historis yang tersedia hanya selama 10 periode/bulan.

Data historis yang diperoleh akan digunakan untuk meramalkan demand pada satu

periode/bulan...