TUGAS BESAR

TI2001 PENELITIAN OPERASIONAL I

LAPORAN
Diajukan untuk memenuhi salah satu tugas mata kuliah Penelitian Operasional 1

disusun oleh
Kefira A. Sutantio 13418001
Rizana Salsabila 13418006
Monica Nanda H. 13418010
Dinda Naurah T. 13418028
Vabila Magareta 13418039

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI
INSTITUT TEKNOLOGI BANDUNG
2020
 KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, karena atas limpahan rahmat Nya
penulis dapat menyelesaikan laporan ini untuk memenuhi tugas besar mata kulaih Penelitian
Operasional 1 di program studi Teknik Industri, Institut Teknologi Bandung.
Penulis menyadari bahwa tugas besar ini tidak dapat diselesaikan tanpa bantuan dari berbagai
pihak. Untuk itu, pada kesempatan ini penulis ingin mengucapkan terima kasih kepada beberapa pihak
yang telah membantu dalam penyelesaian tugas besar ini, pihak tersebut diantaranya:

1. Bapak Dr. Andi Cakravastia, S.T., M.T. dan Bapak Rully Tri Cahyono, S.T., M.T. selaku dosen
pengampu mata kuliah Penelitian Operasional 1 yang telah memberi pengarahan dan saran
mengenai tugas besar ini serta membimbing penulis dari awal sebelum mengenal ilmu
penelitian operasional.
2. Jannata Aliya selaku asisten LPOSI yang telah bersedia memberikan pengarahan pada
kesempatan asistensi setiap pengumpulan tugas secara bertahap.
3. Teman-teman seperjuangan di Penelitian Operasional 1 TI-01 yang senantiasa saling membantu
dalam keberjalanan penyelesaian tugas besar ini maupun selama masa pembelajaran dalam
satu semester.

Penulis menyadari bahwa tugas besar ini tidaklah sempurna. Namun, penulis berharap laporan
tugas besar ini dapat dimanfaatkan menjadi sumbangan pemikiran bagi pihak yang membutuhkan.
Sebab, terdapat banyak pembelajaran yang didapatkan selama tahap pengerjaan maupun penulisan
tugas besar ini. Dengan segala ketidaksempurnaan pada tugas besar ini, penulis membutuhkan dan akan
selalu menghargai kritik dan saran yang disampaikan langsung oleh pembaca.

Bandung, 14 Mei 2020

Penulis

1
 DAFTAR ISI

KATA PENGANTAR 1
DAFTAR ISI 2
DAFTAR TABEL 4
DAFTAR GAMBAR 5
DAFTAR LAMPIRAN 6
BAB I 7
1.1 Latar Belakang 7
1.2 Formulasi Masalah 7
1.3 Tujuan Penelitian 9
1.4 Batasan Masalah 9
1.5 Asumsi 9
BAB II 11
2.1 Flowchart 11
2.2 Fishbone Diagram (Ishikawa Diagram) 12
2.3 Integer Linear Programming 13
BAB III 14
3.1 Deskripsi Sistem 14
3.1.1 Rich Picture Diagram 14
3.1.2 Proses Produksi PT Sritex Tbk. 15
3.1.3 Market Share PT Sritex Tbk. 15
3.1.4 Keadaan Tenaga Medis Jawa Tengah 17
3.1.5 Produk 18
3.2 Influence Diagram 20
3.3 Komponen Model Matematis 22
3.4 Estimasi Nilai Parameter 23
BAB IV 27
4.1 Notasi Model Matematis 27
4.2 Model Referensi 27
4.3 Formulasi Model Matematis 29
BAB V 31
5.1 Verifikasi Model Matematis 31
5.1.1 Verifikasi Satuan Hitung 31
5.1.2 Verifikasi Program 31
5.2 Solusi Optimal Model 32
5.3 Validasi Model Matematis 34
2
 5.4 Analisis 36
5.4.1 Analisis Sensitivitas 36
5.4.2 Analisis Kelebihan dan Kekurangan Model 41
BAB VI 45
6.1 Kesimpulan 45
6.1.1 Kesimpulan Metodologi 45
6.1.2 Kesimpulan Penelitian 45
6.2 Saran 45
6.2.1 Saran untuk Penelitian 46
6.2.1 Saran untuk Mata Kuliah Operations Research I 46
DAFTAR PUSTAKA 47
LAMPIRAN 49

3
 DAFTAR TABEL

Tabel 1 Cuplikan data tenaga medis Jawa Tengah periode 2015-2018 18

Tabel 2 Deskripsi Komponen Model 22
Tabel 3 Tabel Jenis Data dan Sumber Data 23
Tabel 4 Estimasi Nilai Parameter 24
Tabel 5 Market Size Masker Medis dan Non-Medis 25
Tabel 6 Notasi Indeks 27
Tabel 7 Notasi Model Matematis 27
Tabel 8 Verifikasi Subprogram LINGO 18.0 32
Tabel 9 Perbandingan Penggunaan Sumber Daya pada 2 Kondisi 36
Tabel 10 Batas Perubahan Konstanta Ruas Kanan 40
Tabel 11 Pengaruh Perubahan Konstanta Ruas Kanan 40
Tabel 12 Rekomendasi 42
Tabel 13 Perbandingan Harga Jual Masker 42

4
 DAFTAR GAMBAR
Gambar 1 Fishbone diagram 8
Gambar 2 Flowchart pengerjaan 11
Gambar 3 Contoh fishbone diagram 12
Gambar 4 Rich Picture Diagram 14
Gambar 5 Lokasi Pabrik PT. Sritex 16
Gambar 6 Kinerja 18 Emiten Tekstil Semester I 2019 16
Gambar 7 Sebaran kasus COVID-19 di Jawa Tengah 17
Gambar 8 Jumlah penduduk di Indonesia 17
Gambar 9 Masker Kain (Non-Medis) Sritex 19
Gambar 10 Masker N95 (Medis) 19
Gambar 11 Grafik Kenaikan Harga Masker N95 20
Gambar 12 Influence Diagram Sistem 20
Gambar 13 Total Gross Sales Contribution Menurut Masing-Masing Segmen Produksi Sritex 26
Gambar 14 Percabangan dalam Branch and Bound 28
Gambar 15 Sintaks LINGO 32
Gambar 16 Solver Status LINGO 33
Gambar 17 Output Hasil Perhitungan Menggunakan LINGO 34
Gambar 18 Sintaks Kondisi Existing (Tidak Memproduksi Masker N95) 34
Gambar 19 Solver Status Kondisi Existing 35
Gambar 20 Output Hasil Perhitungan Kondisi Existing Menggunakan LINGO 35
Gambar 21 Generated Dual Model Menggunakan LINGO 36
Gambar 22 Sintaks Model Dual 37
Gambar 23 Output Hasil Perhitungan Model Dual 37
Gambar 24 Hasil Perhitungan Range Menggunakan LINGO 37
Gambar 25 Sintaks dengan Kondisi Kenaikan Harga Masker 38
Gambar 26 Output Hasil Perhitungan dengan Kondisi Kenaikan Harga Masker 38
Gambar 27 Sintaks dengan Kondisi Penurunan Harga Masker 39
Gambar 28 Output Hasil Perhitungan dengan Penurunan Harga Masker 39
Gambar 29 Sintaks dengan Kombinasi Perubahan Harga Masker 39
Gambar 30 Output Hasil Perhitungan dengan Kondisi Kombinasi Perubahan Harga 40

5
 DAFTAR LAMPIRAN
LAMPIRAN A : LEMBAR ASISTENSI 1 ................................................................................................................................. 49
LAMPIRAN B : LEMBAR ASISTENSI 2 ................................................................................................................................. 50
LAMPIRAN C : LEMBAR ASISTENSI 3.................................................................................................................................. 51
LAMPIRAN D : Data Karyawan PT. Sritex Tbk. 2018 .................................................................................................... 52
LAMPIRAN E : Produksi Setiap Segmen PT. Sritex Tbk. 2019 .................................................................................. 53

6
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Penyebaran novel Coronavirus atau COVID-19 yang semakin cepat di Indonesia menyebabkan
tingkat permintaan masker wajah semakin meningkat. Menurut Center of Disease Control and
Prevention (2020), penggunaan masker wajah merupakan salah satu cara yang direkomendasikan
untuk memperlambat penyebaran virus corona melalui droplets. Masker juga digunakan sebagai
alat pelindung diri bagi para tenaga medis agar tidak mudah tertular COVID-19. Selain itu,
masyarakat juga diwajibkan oleh pemerintah untuk mengenakan masker apabila hendak
beraktivitas di daerah yang telah menetapkan PSBB.
Meninjau kenaikan permintaan drastis tersebut, beberapa perusahaan yang bergerak di industri
tekstil dan garmen mengambil inisiatif untuk memproduksi masker kain dalam rangka membantu
penangkalan penyebarluasan COVID-19. Salah satu dari perusahaan tersebut adalah PT Sritex Tbk.,
sebuah perusahaan kain lokal bersifat terbuka asal Jawa Tengah yang berskala internasional.
Sritex memiliki kurang lebih sepuluh ribu operator dan kapasitas finishing kain hingga 240 juta
yard per tahun (dalam kondisi normal). Sritex memiliki beberapa segmen perusahaan, yaitu
pemintalan, penenunan, finishing kain, dan konveksi (pakaian). Segmen konveksi adalah segmen
yang memproduksi masker. Harga masker kain Sritex yang beredar di pasaran adalah Rp5.500.
Selain dari masker kain, Sritex juga berencana untuk memproduksi masker medis N95 untuk
memenuhi demand masker dari rumah sakit yang ada di Jawa Tengah.
Walaupun PT Sritex Tbk. bertujuan untuk meningkatkan produksi masker demi memenuhi
permintaan, perusahaan juga harus mempertimbangkan tingkat pendapatan agar produksi dapat
terus berjalan. Oleh karena itu, rencana produksi masker medis PT Sritex Tbk. akan dievaluasi
menggunakan model matematis dan dibandingkan dengan sistem produksi existing yang hanya
menghasilkan masker kain.

1.2 Formulasi Masalah

Hingga sekarang, kekurangan masker masih amat terasa di berbagai daerah di Indonesia. Sangat
jelas bahwa melonjaknya kebutuhan akan masker menyebabkan supply tidak dapat mencukupi
demand, terlihat dari masih banyaknya petugas medis maupun warga yang membutuhkan tidak
mendapatkan masker. Secara nasional, masalah kekurangan masker ini dipetakan dengan fishbone
diagram dengan faktor-faktor apa saja yang berkontribusi bagi kelangkaan masker sehingga supply
tidak dapat memenuhi demand.
Penyebab diklasifikasikan menjadi beberapa grup yaitu: Produsen, Perilaku Pasar, Method , dan
Perilaku Masyarakat.

7
 Gambar 1 Fishbone diagram

Produsen
Produsen dalam hal ini mencakup semua perusahaan produsen masker dan perusahaan
konveksi. Permasalahan yang datang dari klasifikasi ini adalah:
1. Produsen perlu menemukan cara untuk meningkatkan produksi masker baik medis
maupun non-medis supaya dapat memenuhi kecepatan permintaan yang ada.
2. Produsen tidak memproduksi masker sama sekali sehingga tidak berkontribusi dalam
meningkatkan supply masker Indonesia.
3. Produsen tidak dapat menentukan product mix yang tepat antara memproduksi masker dan
memproduksi jenis produk konveksi lainnya sehingga kesulitan memenuhi demand masker
atau memilih tidak memproduksi sama sekali.
4. Produsen tidak memperoleh keuntungan yang cukup sehingga berhenti beroperasi.
Perilaku Pasar
Pasar yang dimaksud adalah pasar jual-beli masker. Harga terus meningkat kian harinya, hingga
masker tidak lagi dapat dibeli untuk memenuhi demand.

Perilaku Masyarakat
Dijabarkan perilaku masyarakat yang mempengaruhi kondisi kekurangan masker di Indonesia.
Perilaku masyarakat berkaitan erat dengan harga masker di pasaran karena karakteristik pasar
bebas yang sensitif terhadap supply dan demand. Perilaku yang dimaksud mencakup:
1. Panic buying dari masyarakat yang paranoid. Konsumen perorangan memborong masker
dalam jumlah banyak dalam waktu yang singkat.
2. Penimbunan masker secara massal oleh oknum-oknum yang berencana mencari
keuntungan.
3. Penggunaan masker oleh orang-orang yang tidak tepat. Orang-orang dengan akses membeli
masker, seringkali dalam jumlah yang banyak, meskipun bukan golongan prioritas.
Seringkali juga masker ini disalahgunakan di situasi dan kondisi yang tidak tepat, wasting
masker yang seharusnya dapat digunakan untuk golongan prioritas.
4. Pemakaian masker di atas kewajaran. Melonjaknya korban, disertai dengan pengumuman
kebijakan PSBB yang mewajibkan penggunaan masker mengakibatkan demand terhadap
masker berlipat dari keadaan normal.

Method
Metode mencakup kebijakan yang mampu dilakukan pemerintah dalam upaya
mendistribusikan masker. Permasalahan yang datang dari klasifikasi ini diidentifikasi sebagai:

8
 1. Ekspor masker yang berlebih hingga stok masker dalam negeri tidak mencukupi.
2. Impor masker kurang strategis sehingga tidak membantu memenuhi demand dalam negeri.
3. Pendistribusian masker tidak merata akibat mekanisme yang tidak efisien ataupun karena
bottleneck akibat kondisi atau oknum tertentu.

Lingkup permasalahan akan berfokus pada tulang Produsen, dimana Sritex yang merupakan
salah satu produsen garmen dan tekstil terbesar di Indonesia dapat berperan. Dikarenakan Sritex
sudah memproduksi masker kain saat ini, root cause yang dinilai relevan bagi Sritex mencakup:
1. Tidak dapat memproduksi masker cukup cepat
2. Tidak dapat menemukan product mix yang tepat
3. Tidak dapat beroperasi
Sritex harus mencari cara untuk memproduksi masker cukup cepat memenuhi demand. Oleh
karena itu dengan optimalisasi sumber daya yang ada, Sritex perlu memperhitungkan berapa
banyak masker yang harus diproduksinya setiap hari. Dimana hal ini berhubungan dengan root
cause berikutnya, product mix seperti apa yang harus diproduksi? Sritex berencana untuk
memproduksi masker medis, meskipun saat ini Sritex sedang memproduksi masker kain. Kebijakan
ini berpotensi menguntungkan, namun juga berpotensi untuk merugikan, berkaitan dengan poin
selanjutnya.
Disisi lain pandemi juga diikuti dengan lesunya ekonomi. Perusahaan tekstil seperti Sritex
berpotensi untuk meraup jumlah sales yang tinggi dengan menjual masker, tetapi Sritex
memerlukan pertimbangan matang supaya perusahaan dapat terus beroperasi. Apapun kebijakan
yang akan dipilih, perusahaan harus mendapatkan profit sebesar-besarnya.
Root cause ini membawa PT. Sritex kepada pertanyaan utama:
1. Berapa banyak masker medis dan non medis yang harus diproduksi PT. Sritex untuk dapat
memenuhi demand dengan sumber daya yang ada?
2. Bagaimana product mix yang tepat untuk membawa keuntungan sebesar-besarnya bagi PT.
Sritex?

1.3 Tujuan Penelitian

Tujuan dari penelitian adalah:
1. Menentukan jumlah masker medis dan non medis yang harus diproduksi guna mendapatkan
pendapatan yang optimal.
2. Mengevaluasi rencana produksi masker medis jenis N95.

1.4 Batasan Masalah

Beberapa batasan permasalahan dari penelitian ini adalah sebagai berikut:
1. Ruang lingkup dari permasalahan adalah lingkup perusahaan Sritex dan masyarakat Jawa
Tengah.
2. Informasi yang didapatkan berasal dari laporan tahunan 2019 PT Sritex Tbk. dan Badan Pusat
Statistik.
3. Fungsi objektif merupakan pendapatan sehingga tidak memperhitungkan biaya.

1.5 Asumsi
Beberapa asumsi umum yang digunakan adalah:
1. Jumlah operator tetap dengan alokasi 25% dari total jumlah operator pada segmen konveksi
2. Jumlah operator yang memproduksi masker pada segmen konveksi adalah 60% dari jumlah
operator segmen konveksi.
3. Persediaan bahan baku untuk produksi masker dalam satu hari hanya berasal dari 50% dari
total luas bahan yang diproduksi oleh segmen finishing kain. Diasumsikan tidak ada suplai bahan
baku kain dari pemasok.

9
4. Luas kain hasil finishing kain sama untuk setiap hari kerja dan didapatkan dari total luas
finishing kain pada tahun 2019 dibagi jumlah hari kerja efektif dalam tahun 2019.
5. Penambahan operator pada perusahaan dari tahun 2018 ke 2019 tidak signifikan.
6. Bahan pembuatan masker selain kain tidak diperhitungkan dan dijadikan pembatas karena
jumlah bahan yang digunakan akan menyesuaikan dengan jumlah produk hasil perhitungan.

10
 BAB II
METODOLOGI

2.1 Flowchart
Berikut adalah alur dari pengerjaan tugas besar ini.

Gambar 2 Flowchart pengerjaan

Tugas besar dilaksanakan dengan memilih dan memahami sistem nyata yang akan ditinjau.
Proses ini dilakukan oleh seluruh anggota dengan media online untuk berkomunikasi. Kemudian
proses selanjutnya adalah ditentukannya rumusan masalah dari sistem yang dipilih. Setelah
ditentukan rumusan masalah dari sistem nyata, ditetapkan tujuan dari pelaksanaan tugas besar ini.
Proses selanjutnya adalah studi literatur yang dilakukan oleh anggota mengenai Integer Linear
Programming dan Metode Branch and Bound yang kemudian akan digunakan dalam tugas besar ini.
Kemudian dilakukanlah penjelasan dari sistem nyata yang akan diteliti. Setelah sistem nyata jelas,
dikumpulkan data-data berupa data sekunder yang diperlukan untuk pengerjaan tugas besar ini.
Selanjutnya ditentukan komponen model matematis yang akan digunakan dalam penyelesaian
masalah yang dipilih. Setelah itu, dilakukan pengestimasian dari nilai parameter. Selanjutnya,

11
 dilakukan pengujian statistik untuk data yang sudah didapatkan. Kemudian ditentukan notasi
model matematis Branch and Bound yang kemudian akan digunakan untuk mendapatkan solusi
optimal. Proses selanjutnya adalah menyusun formulasi dari model matematis Branch and Bound.
Setelah didapatkan model matematisnya, dilakukan verifikasi dari model untuk mengetahui bahwa
model matematis yang didapatkan sah dan memenuhi. Proses selanjutnya adalah proses
pengolahan data menggunakan model matematis yang telah didapatkan sebelumnya sehingga
dihasilkan solusi optimal dari permasalahan. Kemudian solusi yang telah didapatkan dianalisis
untuk mengetahui bagaimana hasil dapat mempengaruhi dan dipengaruhi. Proses terakhir dari
tugas besar ini adalah menyusun rekomendasi kebijakan yang sesuai berdasarkan solusi optimal
yang telah didapatkan sebelumya.

2.2 Fishbone Diagram (Ishikawa Diagram)

Menurut Firican (2019), fishbone diagram merupakan salah satu tool untuk mengidentifikasi
kemungkinan penyebab dari suatu masalah. Konsep dasarnya sendiri sudah dikenal sejak 1920an,
namun dipopulerkan sebagai fishbone diagram pada tahun 1960an oleh Kaoru Ishikawa, seorang
ahli manufaktur asal Jepang. Ishikawa sendiri merupakan pionir dari quality management process
di perusahaan Kawasaki. Diagram ini disebut sebagai fishbone diagram karena bentuknya yang
menyerupai tampak samping rangka tulang ikan.
Fishbone diagram merupakan salah satu tool yang umum digunakan untuk root cause analysis.
Diagram ini bermanfaat untuk mengidentifikasi faktor-faktor potensial yang mengakibatkan
terjadinya suatu overall effect.

Gambar 3 Contoh fishbone diagram

Sumber: (DanielPenfield, 2010)

Pada fishbone diagram yang dapat dilihat pada Gambar 3, permasalahan atau isu yang hendak
ditentukan akar masalahnya diletakkan di sebelah kanan sebagai ‘kepala ikan’. Tulang utama yang
berbentuk horisontal di tengah menunjukkan bahwa semua kategori yang akan dibahas mengarah
pada isu di sebelah kanan.
Selanjutnya ditentukan kategori-kategori utama, yang masing-masing mengarah ke tulang
utama. Root cause yang bersesuaian dengan kategori tertentu dimasukkan pada tulang kategori

12
 nya masing-masing. Jika root cause masih dapat diidentifikasi lagi, dapat ditambahkan sub root
cause yang mengarah pada root cause yang bersesuaian.

2.3 Integer Linear Programming

Taha (2017) menyatakan bahwa integer linear programming (ILP) pada umumnya
diaplikasikan dalam dua kategori, yaitu direct dan transformed. Pada kategori direct, pemilihan nilai
dalam bentuk fraksional dihindari pada model. Misalnya, pengambilan keputusan mengenai
masalah dijalankan atau tidaknya suatu proyek sehingga akan berupa variabel biner atau mencari
nilai optimal untuk pekerjaan yang dapat dikerjakan sebuah mesin sehingga yang digunakan adalah
variabel bilangan bulat. Pada kategori transformed, variabel pembantu digunakan untuk mengubah
kondisi yang sulit dikendalikan menjadi model yang dapat diselesaikan menggunakan algoritma
optimasi. Misalnya, dalam menentukan pembagian pekerjaan bagi dua mesin yang memiliki
kemampuan yang sama dalam menyelesaikan pekerjaan. Hubungan or-constraints yang berlaku
dalam contoh ini menjadikan masalah sulit dikendalikan untuk diselesaikan menggunakan
algoritma yang dapat menyelesaikan kasus dalam bentuk and-constraints saja. Sehingga, variabel
pembantu berguna untuk mengubah or-constraints menjadi and-constraints tanpa mengubah
kondisi model yang ada.
Ketika seluruh variabel dinyatakan dalam bentuk bilangan bulat, masalah dikenal sebagai pure
integer program. Jika model melibatkan kombinasi antara bilangan bulat dan bilangan kontinu,
model dikenal sebagai mixed integer program. Sedangkan, jika variabel harus dinyatakan dalam
bentuk biner (0 atau 1), program dikenal sebagai binary optimization problem dimana hal ini
merupakan kasus khusus dari pure integer program.
Dalam integer linear programming, dilakukan minimasi fungsi biaya linear atas vektor x yang
berdimensi n dengan pembatas persamaan atau pertidaksamaan linear ditambah dengan pembatas
yang menyatakan bahwa beberapa atau seluruh variabel yang ada harus berupa bilangan bulat.1
Apabila dalam model terdapat N nilai yang mungkin, maka bentuk perumusan ILP adalah
sebagai berikut :
𝑁

𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = ∑ 𝑑𝑖 𝑦𝑖
𝑖=1
𝑁

∑ 𝑦𝑖 = 1
𝑖=1
𝑦𝑖 = {0,1}
𝑖 = 1,2, … , 𝑁

Pada penelitian ini, digunakan algoritma branch and bound dalam menyelesaikan masalah
matematis. Branch and bound merupakan salah satu metode yang termasuk dalam pure integer
linear programming. Metode branch and bound dijelaskan dalam subbab 4.2 dalam laporan ini.

1 Neos Guide, “Integer Linear Programming” (https://neos-guide.org/content/integer-linear-programming,

diakses pada 29 April 2020, n.d.)
13
 BAB III
PENGEMBANGAN MODEL KONSEPTUAL & PENGUMPULAN DATA

3.1 Deskripsi Sistem

Berikut adalah penjelasan dari sistem yang diamati.
3.1.1 Rich Picture Diagram
Berikut adalah rich picture diagram yang menggambarkan sistem yang diamati.

Gambar 4 Rich Picture Diagram

Berdasarkan rich picture diagram pada Gambar 4, dapat dilihat bahwa lingkup sistem
pada permasalahan ini terdiri dari PT Sritex Tbk., penduduk umum, dan tenaga medis Jawa
Tengah. Pemilik perusahaan memiliki concern untuk membantu memenuhi permintaan
masker di pasar. Untuk melakukan hal tersebut, terdapat beberapa sumber daya yang

14
 dimiliki, yaitu; pekerja (operator) sejumlah 10.706 dalam kegiatan produksi dan kegiatan
produksi dari perusahaan dilakukan selama 6 jam per hari dimana hari kerja dilakukan 5 hari
per minggu. Kegiatan yang akan ditinjau adalah proses produksi masker kain non-medis dan
masker medis N95 untuk memenuhi permintaan dari masyarakat dan tenaga medis di Jawa
Tengah.

3.1.2 Proses Produksi PT Sritex Tbk.

PT Sritex merupakan salah satu produsen tekstil yang terintegrasi secara vertikal dan
terbesar di Asia Tenggara yang memiliki kantor pusat produksi di Sukoharjo, Jawa Tengah.
Berdasarkan data yang diambil pada 2018, Sritex memiliki 18.713 karyawan dengan
komposisi 10 orang di bagian manajemen, 14 orang sebagai manajer umum, 99 manajer, 712
supervisor, 7.172 operator senior, dan 10.706 operator. Sritex memiliki empat lini produksi,
yaitu pemintalan, penenunan, pewarnaan dan percetakan kain (finishing kain), serta
konveksi.
Segmen usaha pemintalan menghasilkan produk benang dengan berbagai bentuk dan
ketebalan. Hasil produksi berupa rayon, katun, dan polyester. Segmen usaha penenunan
menghasilkan greige atau kain mentah yang merupakan benang yang sudah ditenun.
Kemudian, segmen usaha finishing kain memproses lebih lanjut greige yang sudah dihasilkan.
Proses ini dapat berupa pemutihan, pewarnaan, dan pencetakan sehingga dapat digunakan
untuk keperluan produksi garmen. Sritex memproduksi kain jadi berdasarkan pesanan dari
pelanggan. Produksi kain memiliki dua kategori, yaitu untuk keperluan seragam dan pakaian
jadi ritel. Pada segmen usaha konveksi, dihasilkan produk akhir berupa seragam untuk
militer atau perusahaan dan pakaian jadi ritel. Pada segmen ini, mesin yang digunakan adalah
brother sewing machine HE 800 B.
Berdasarkan data pada tahun 2019, kapasitas produksi untuk masing-masing segmen
produksi adalah sebagai berikut :
1. Segmen pemintalan : 1.100.000 bal
2. Segmen penenunan : 170-200 juta meter
3. Segmen finishing : 240 juta yard square
4. Segmen konveksi : 30 juta potong
Selama masa pandemi COVID-19 ini, Sritex meningkatkan produksinya untuk memenuhi
permintaan masker non medis dan APD dari masyarakat dan tenaga medis. Kemudian,
pimpinan PT Sritex juga mengungkapkan bahwa sejauh ini ada rencana untuk memproduksi
masker medis kedepannya.

3.1.3 Market Share PT Sritex Tbk.

Secara domestik, PT Sritex Tbk. merupakan market leader di bidang tekstil dan garmen
dengan revenue pada bulan September 2019 sebesar 895 juta USD. Namun, PT Sritex Tbk
sebenarnya tidak memproduksi masker sebelum pandemi terjadi. Oleh karena itu market
share PT Sritex Tbk. didasarkan pada data yang ada sebelum produksi masker.
PT. Sritex Tbk. berpusat di Sukoharjo, Jawa Tengah dengan lokasi pabrik milik
perusahaan dan pabrik perusahaan yang sudah diakuisisi tersebar di Jawa Tengah. PT. Sritex
Tbk. strategis dalam hal logistik untuk memenuhi kebutuhan tekstil daerah Jawa Tengah
dengan cepat.

15
 Gambar 5 Lokasi Pabrik PT. Sritex
Sumber: (PT. Sri Rezeki Isman Tbk , 2019)

Berikut adalah informasi mengenai pangsa pasar PT Sritex Tbk.

Gambar 6 Kinerja 18 Emiten Tekstil Semester I 2019

Sumber: (Ayuningtyas, 2019)

16
 Pada Gambar 6 dapat disimpulkan bahwa jika dinilai dari total revenue 18 emiten tekstil
di paruh pertama tahun 2019, PT. Sritex Tbk. merupakan perusahaan yang paling unggul
dengan pendapatan 8.932 miliar. Proporsi revenue ini mencakup 32,5% dari total revenue
emiten tekstil di paruh pertama 2019. Dapat dikatakan bahwa market share PT. Sritex Tbk.
dalam memenuhi kebutuhan tekstil Indonesia adalah sebesar 32,5%.

3.1.4 Keadaan Tenaga Medis Jawa Tengah

Saat ini, Indonesia sedang dilanda dengan pandemi COVID-19. Dikarenakan hal tersebut,
kebutuhan atas layanan dan fasilitas kesehatan menjadi perhatian yang harus terpenuhi
dengan baik. PT Sritex Tbk. ikut membantu dalam melawan pandemi ini dengan ikut
memproduksi masker non medis dan medis. Berikut adalah keadaan Jawa Tengah dalam
menghadapi COVID-19.

Gambar 7 Sebaran kasus COVID-19 di Jawa Tengah

Sumber: (Pemerintah Provinsi Jawa Tengah, 2020)

Gambar 8 Jumlah penduduk di Indonesia

Sumber: (Kusnandar, 2020)

Berdasarkan data yang tersedia pada Gambar 7 dan Gambar 8 dapat dilihat bahwa
terdapat total 716 kasus positif COVID-19 di Jawa Tengah. Dapat dilihat juga angka penduduk
yang dinyatakan ODP mencapai 29.619 orang dan 1.363 orang. Angka ini merupakan angka

17
 yang relatif besar dibandingkan dengan jumlah penduduk Jawa Tengah. Terdapat angka
proyeksi jumlah penduduk yaitu 34,74 juta penduduk di Jawa Tengah. Dapat disimpulkan
angka penderita tersebut digunakan sebagai komponen dalam perhitungan demand dari
masker non medis yang perlu untuk dipenuhi.

Tabel 1 Cuplikan data tenaga medis Jawa Tengah periode 2015-2018

Sumber: (Badan Pusat Statistik Provinsi Jawa Tengah, 2018)

Berdasarkan data pada Tabel 1, didapatkan bahwa tenaga medis di Jawa Tengah adalah
65.303 pekerja pada tahun 2015, 72.123 pekerja pada tahun 2016, 95.368 pekerja pada
tahun 2017, dan 90.761 pekerja pada tahun 2018. Berdasarkan data tersebut, didapatkan
rata-rata persentase kenaikan tenaga medis sebesar 12,6% per tahun. Maka diperkirakan
bahwa tenaga medis yang akan tersedia di Jawa Tengah untuk menghadapi COVID-19 pada
tahun 2020 adalah 115.103 pekerja.

3.1.5 Produk
Produk yang ditinjau pada permasalahan terkait adalah masker kain (atau disebut juga
dengan masker non-medis) dan masker N95 (atau disebut juga dengan masker medis). PT
Sritex Tbk sudah memproduksi dan mengedarkan masker kain, namun masih berencana
untuk memproduksi masker N95 dalam rangka memenuhi kebutuhan pasar yang tinggi.
Masker kain adalah alat penutup hidung dan mulut berbahan dasar kain katun hasil tenun.
Secara umum, masker kain dibuat tanpa lapisan filter. Namun, beberapa perusahaan,
termasuk PT Sritex Tbk, melapisi masker kain dengan lapisan anti air dan anti mikrobial.
Meskipun beberapa sumber mengatakan bahwa performa masker kain tidak seefektif
masker medis dalam mencegah penyebaran COVID-19, namun demand masker kain tetap
meningkat. Hal ini disebabkan oleh kurangnya masker bedah dan masker medis N95 yang
beredar di pasaran sehingga masker kain pun dianggap sebagai suatu alternatif oleh
masyarakat. Masker kain kini dijual dipasaran dengan harga antara Rp5.000 hingga
Rp10.000.
Berikut adalah gambaran salah satu dari masker kain yang beredar di pasaran yang
diproduksi oleh PT Sritex Tbk.

18
 Gambar 9 Masker Kain (Non-Medis) Sritex
Sumber: (anjaniyeni, 2020)

Sementara itu, masker N95 adalah respirator penutup wajah yang berguna untuk
menyaring partikel kecil. Masker N95 harus memenuhi standar N95 yang dikeluarkan oleh
National Institute of Occupational Safety and Health (NIOSH), yang berarti masker harus
mampu menyaring setidaknya 95% partikel udara. Masker N95 dibuat dari beberapa lapisan
kain polipropilen yang tidak ditenun dan kain katun tipis di bagian luarnya.
Saat ini, masker N95 sangat dibutuhkan oleh para tenaga medis yang berhadapan
langsung dengan para penderita dan suspect virus Corona. Beberapa tenaga kerja medis
bahkan tertular COVID-19 dari pasien oleh karena kekurangan masker N95 di masing-masing
rumah sakit. Oleh karena itu, permintaan masker N95 juga melonjak tinggi di pasaran. Hal ini
ditunjukkan oleh kenaikan harga masker N95 yang drastis menjadi di antara Rp70.000
hingga Rp100.000 per pcs. Namun, suplai masker N95 tidak mudah untuk dinaikkan seperti
masker kain. Masker N95 membutuhkan bahan filter khusus yang hanya bisa diproduksi oleh
perusahaan besar dengan teknologi melt blowing.

Gambar 10 Masker N95 (Medis)

Sumber: (Margareth, 2020)

19
 Berikut adalah grafik kenaikan harga masker medis N95 di Indonesia pada periode
Januari 2020 hingga Maret 2020.

Gambar 11 Grafik Kenaikan Harga Masker N95

Sumber : (iPrice, 2020)

3.2 Influence Diagram

Influence diagram digunakan untuk mendeskripsikan rancangan model yang hendak
dikembangkan. Pada penelitian ini, influence diagram dirancang untuk merepresentasikan model
produksi masker medis dan non-medis oleh PT Sritex Tbk.
Berikut adalah influence diagram terkait input dan output dari sistem yang ditinjau.

Gambar 12 Influence Diagram Sistem

20
 Berdasarkan influence diagram pada Gambar 12, dapat diketahui input apa saja yang dapat
dikendalikan oleh PT Sritex Tbk, input yang tidak dapat dikendalikan oleh perusahaan, dan output.
Input yang dapat dikendalikan adalah sebagai berikut:
1. Demand masing-masing jenis masker
Demand tidak dapat dikontrol karena berada di luar sistem PT Sritex Tbk dan tergantung
pada kondisi serta kebutuhan masyarakat.
2. Harga masing-masing jenis masker
Harga masker berubah-ubah sesuai dengan keadaan pasar; berapa banyak permintaan
dari pasar dan berapa banyak produsen masker yang dapat memenuhi permintaan
tersebut. Oleh karena itu, PT Sritex Tbk tidak dapat menentukan harga jual masker di
pasar.
3. Jam kerja efektif per hari
PT Sritex Tbk harus mengikuti peraturan pemerintah yang tertulis pada UU no. 13 tahun
2003 mengenai jam kerja akumulatif pekerja yang tidak boleh melampaui 40 jam per
minggu. PT Sritex Tbk juga tidak dapat mengendalikan persentase keefektifan jam kerja
oleh karena kemungkinan terjadinya hal-hal tak terduga yang berkaitan dengan kesehatan
dan keselamatan kerja.
4. Luas bahan masing-masing jenis masker
Masker yang beredar di pasaran haruslah memenuhi standar ukuran tertentu. Hal ini
berarti PT Sritex Tbk harus memenuhi standar tersebut untuk dapat menjual produk dan
tidak dapat mengendalikan luas bahan yang digunakan untuk satu unit masker.
5. Waktu pengerjaan satu unit masing-masing jenis masker
Waktu pengerjaan satu unit masker bergantung pada luas bahan dan jenis mesin yang
digunakan. Pada dasarnya, PT Sritex Tbk dapat mengganti mesin yang digunakan sehingga
input ini tidak sepenuhnya tak terkendali. Namun, mengingat bahwa penggantian teknologi
yang digunakan harus disertai dengan pelatihan bagi operator dan serta adanya
kemungkinan terjadi kerugian akibat operator yang belum terbiasa mengoperasikan mesin
baru, maka input ini dianggap tidak layak untuk digolongkan sebagai input yang dapat
dikendalikan.
Sementara itu, input yang dapat dikendalikan adalah sebagai berikut:
1. Jumlah operator
Input ini dapat dikendalikan dengan merekrut operator baru untuk meningkatkan
output produksi.
2. Kapasitas finishing kain
Secara tidak langsung, peningkatan jumlah operator juga akan meningkatkan kapasitas
finishing kain. Oleh karena itu, input ini dapat dikendalikan oleh PT Sritex Tbk.
Jumlah masker kain dan jumlah masker N95 adalah variabel sistem. Sedangkan total
pendapatan adalah output dari sistem yang ingin ditinjau.

21
3.3 Komponen Model Matematis
Komponen-komponen dalam pengembangan model pemecahan masalah dalam tugas besar
penelitian akan dideskripsikan dalam tabel 2 di bawah ini.

Tabel 2 Deskripsi Komponen Model

Permasalahan ● Berapa banyak masker medis dan non medis

yang harus diproduksi PT. Sritex untuk dapat
memenuhi demand dengan sumber daya yang
ada?
● Bagaimana product mix yang tepat untuk
membawa keuntungan sebesar-besarnya bagi
PT. Sritex?
● Berapa keuntungan maksimum yang dapat
diperoleh PT. Sritex dengan
mengimplementasikan kebijakan yang dipilih?

Kriteria performansi Maksimasi total pendapatan yang terdiri dari:

1. Hasil penjualan masker medis N95
2. Hasil penjualan masker non medis (kain)

Variabel Keputusan ● Jumlah masker medis yang diproduksi

● Jumlah masker non medis yang diproduksi

Parameter ● Demand masker medis yang ingin dipenuhi per

hari
● Demand masker non medis (kain) yang ingin
dipenuhi per hari
● Waktu pengerjaan satu unit kain masker medis
● Waktu pengerjaan satu unit kain masker kain
● Jumlah operator tetap yang memproduksi
masker pada segmen konveksi
● Jumlah suplai bahan baku untuk memproduksi
masker dalam satu hari

Pembatas ● Jumlah tenaga medis Jawa Tengah

● Jumlah penduduk Jawa Tengah
● Kapasitas finishing kain/hari
● Jumlah labor-hour yang tersedia dalam satu hari

22
3.4 Estimasi Nilai Parameter
Data untuk penelitian akan dijadikan input bagi model matematis yang akan dikembangkan.
Dalam pelaksanaannya, pengumpulan data dilakukan secara tidak langsung dari instansi terkait.
Tabel 3 menyajikan penjelasan mengenai jenis data dan sumber data tersebut.

Tabel 3 Tabel Jenis Data dan Sumber Data

Jenis Data Sumber Data Keterangan

Data total tenaga kerja medis Website Badan Pusat Dokumen; berupa spreadsheet
di Jawa Tengah dari tahun Statistik Provinsi Jawa pertumbuhan tenaga kerja medis
2015-2019 Tengah dari berbagai tingkatan.

Data penduduk Jawa Tengah Website Badan Pusat Dokumen; berupa spreadsheet
Statistik Provinsi Jawa jumlah penduduk kota-kota di
Tengah Jawa Tengah dari tahun 2014
sampai 2018.

Data jumlah operator PT Laporan tahunan PT Sritex Dokumen; berupa data PDF berisi
Sritex Tbk tahun 2019 Tbk, dilansir dari website laporan tahunan 2019 dan laporan
Sritex keuangan 2019.

Data kapasitas produksi Laporan tahunan PT Sritex Dokumen; berupa data PDF berisi
segmen finishing kain PT Tbk, dilansir dari website laporan tahunan 2019 dan laporan
Sritex Tbk. Sritex keuangan 2019.

Data mesin jahit yang Laporan tahunan PT Sritex Dokumen; berupa data PDF berisi
digunakan oleh segmen Tbk, dilansir dari website laporan tahunan 2019 dan laporan
konveksi PT Sritex Tbk. Sritex keuangan 2019.

Data market share PT Sritex Website Datawrapper Laman; berupa spreadsheet

Tbk. revenue perusahaan tekstil tbk. di
Indonesia.

Data luas kain katun masker Website Center for Disease Laman; berupa artikel pembuatan
kain Control and Prevention. masker kain menggunakan kain
katun.

Data luas kain katun masker Website Deepas Laman; berupa galeri foto size
N95 chart masker N95

Berdasarkan data yang telah diperoleh, maka dilakukan estimasi untuk mendapatkan nilai
parameter yang dibutuhkan bagi model matematis. Tabel 4 menyajikan hasil perhitungan yang telah
dilakukan.

23
 Tabel 4 Estimasi Nilai Parameter

No Parameter Estimasi Nilai Parameter Hasil

1. Demand masker medis Top-down calculation Lihat Tabel 5

yang ingin dipenuhi per berdasarkan pangsa pasar atau
hari market share PT Sritex Tbk.

2. Demand masker kain Top-down calculation Lihat Tabel 5

yang ingin dipenuhi per berdasarkan pangsa pasar atau
hari market share PT Sritex Tbk.

3. Waktu pengerjaan satu Estimasi pengerjaan penjahitan 2 menit 45 detik atau

unit masker kain sisi-sisi kain seluas 25,4 cm x 0,04583 labor-hour
15,24 cm (0.0387 meter persegi)
menggunakan mesin jahit
Brother HE800B

4. Waktu pengerjaan satu Estimasi pengerjaan penjahitan 3 menit 8 detik atau 0,05222
unit masker N95 sisi-sisi kain seluas 30 cm x 15 cm labor-hour
(0,045 meter persegi)
menggunakan mesin jahit
Brother HE800B

5. Waktu kerja efektif satu Jam kerja dalam satu hari 6 jam
operator dalam satu dikurangi satu jam istirahat dan
hari satu jam allowance untuk
maintenance mesin dan
kelonggaran untuk kegiatan lain.

6. Kapasitas produksi Kapasitas produksi dalam satu 833.333 yard square atau
finishing kain dalam tahun dibagi dengan hari kerja 696.772 meter persegi.
satu hari efektif pada tahun 2019, yaitu
288 hari.

7. Operator yang tersedia 25% dari keseluruhan operator 1.606 operator

untuk mengerjakan (alokasi segmen konveksi) dikali
masker 60% (alokasi aktivitas pengerjaan
masker pada segmen konveksi ).

8. Labor-hour tersedia Jumlah operator tersedia untuk 9.636 labor-hour.

dalam satu hari untuk mengerjakan masker dikalikan
mengerjakan masker dengan waktu kerja efektif satu
operator dalam satu hari

Untuk mendapatkan nilai pada poin (1) dan (2) pada Tabel 4, dilakukan market sizing untuk PT
Sritex adalah secara top-down, dari estimasi market terbesar yang dapat dicapai dan dikurangi
sesuai dengan informasi yang tersedia. Market sizing untuk masker medis dan non medis juga akan
dibedakan karena peruntukannya berbeda.

24
 Tabel 5 Market Size Masker Medis dan Non-Medis

Market Size Masker Non Medis Masker Medis

Total masker untuk 34.550.000 pcs 6.219.000.000 pcs

penduduk Jawa Tengah
selama satu bulan

Total masker untuk 34.550.000 pcs 20.718.540 pcs

golongan target

Produksi sesuai market 11.228.750 pcs 6.733.526 pcs

share Sritex dalam
industri tekstil

Produksi sesuai sales 3.031.763 pcs 1.818.052 pcs

contribution proses
finishing pada proses
produksi Sritex

Demand masker yang 60.602 pcs 101.059 pcs

ingin dipenuhi oleh PT
Sritex Tbk dalam satu hari

Market sizing dari kedua masker tersedia pada Tabel 5. Pertama-tama untuk kedua jenis masker,
diasumsikan bahwa wilayah yang hendak dicukupi kebutuhannya adalah populasi Jawa Tengah,
dengan jumlah penduduknya di tahun 2019 sebesar 34.550.000 jiwa. Untuk masker non-medis,
diasumsikan setiap orang memerlukan satu buah saja, sementara untuk masker medis, maksimal
penggunaan masker adalah 4 jam. Diasumsikan ada 3 shift (shift pagi, siang, malam) rumah sakit
dan masing-masing shift penggunaan masker 2, penggunaan masker medis adalah 6 masker dalam
sehari. Sehingga diasumsikan jumlah masker non-medis dan medis untuk memenuhi semua orang
di Jawa Tengah dalam satu bulan adalah masing-masing: 34,55 juta dan 6,219 milyar pcs.
Namun kenyataannya, masker medis lebih diperuntukkan untuk tenaga medis saja sementara
untuk masyarakat umum yang tidak berprofesi di bidang kesehatan dianjurkan menggunakan
masker kain saja. Oleh karena itu untuk masker non medis yang diproduksi tetap sejumlah
masyarakat di Jawa Tengah. Untuk masker non medis, berdasarkan data BPS, jumlah tenaga medis
di pulau Jawa Tengah pada tahun 2019 adalah 115.103 orang: 0,033% dari total populasi penduduk
Jawa Tengah. Sehingga total masker untuk golongan target menjadi 0,00333 x 6.219.000.000 yaitu
20.718.540 pcs masker.
Sritex menguasai 32,5% dari penjualan industri tekstil di Indonesia. Jika dianggap semua
perusahaan tekstil tersebut hanya memproduksi masker, secara kapasitas produksi, Sritex dapat
memenuhi 32,5% dari total masker yang dibutuhkan golongan target non-medis dan medis masing-
masing sebesar: 11.228.750 pcs dan 6.733.526 pcs.

25
 Gambar 13 Total Gross Sales Contribution Menurut Masing-Masing Segmen Produksi Sritex
Sumber : (PT. Sri Rezeki Isman Tbk., 2019)

Sritex memiliki empat segmen produksi utama, dimana yang diasumsikan difokuskan untuk
pengerjaan masker adalah finishing. Menurut management presentation PT Sritex Tbk September
2019 seperti yang dijelaskan pada Gambar 13, finishing sendiri berkontribusi sebesar 27% untuk
gross sales PT. Sritex sampai dengan bulan September 2019. Sehingga diperoleh bahwa target
demand masker yang harus dipenuhi oleh PT Sritex Tbk. dalam satu bulan adalah 3.031.763 pcs
untuk masker non medis dan 1.818.052 pcs untuk masker medis. Maka didapatkan demand dalam
satu hari didapatkan dengan membagi nilai-nilai tersebut dengan 30 hari; 60.602 untuk masker non
medis dan 101.059 untuk masker medis.

26
 BAB IV
PENGEMBANGAN MODEL MATEMATIS

4.1 Notasi Model Matematis

Sebelum dijelaskan mengenai formulasi model matematis, akan dijabarkan mengenai notasi
indeks dan notasi komponen yang akan digunakan dalam model. Berikut adalah indeks yang
digunakan pada notasi model matematis.

Tabel 6 Notasi Indeks

Indeks Deskripsi
Jenis masker yang diproduksi
𝑗 Dengan j = 1 untuk masker kain dan j =2 untuk masker medis
N95

Kriteria performansi yang pada model ini adalah total pendapatan maksimum yang diperoleh
perusahaan saat memproduksi masker medis dan masker kain. Total pendapatan ini dipengaruhi
oleh dua faktor yaitu total penjualan masker medis dan total penjualan masker kain. Variabel
keputusan dalam hal ini merupakan variabel yang menentukan solusi yang akan diambil yang
mampu memaksimasi pendapatan perusahaan. Komponen lain dalam model ini adalah parameter
dan fungsi pembatas. Notasi dari setiap komponen model dijabarkan dalam Tabel 7 di bawah ini.

Tabel 7 Notasi Model Matematis

Notasi Deskripsi Satuan

Kriteria performasi. Total pendapatan bersih
𝑍 Rp / hari
penjualan masker
Variabel Keputusan. Jumlah masker jenis j yang
𝑥𝑗 unit
diproduksi
𝑐𝑗 Parameter. Harga jual masker jenis j Rp / unit
𝑑𝑗 Parameter. Waktu pembuatan masker jenis j jam
Parameter. Luas kain katun yang digunakan untuk
𝑏𝑗 meter persegi/unit
membuat satu unit masker jenis j
Parameter. Demand masker jenis j yang ingin
𝑒𝑗 unit/hari
dipenuhi dalam satu hari
Parameter. Labor-hour atau labor-hour yang
𝑚𝑗 labor-hour/ unit
digunakan untuk membuat satu unit masker jenis j
Fungsi Pembatas. Luas kain katun hasil finishing
𝑛 kain yang digunakan sebagai bahan baku masker meter persegi/hari
yang tersedia dalam satu hari
Fungsi Pembatas. Total labor-hour yang tersedia
𝑔 labor-hour/hari
untuk memproduksi masker dalam satu hari

4.2 Model Referensi

Metode Branch and Bound ini mula-mula dipakai dan dikembangkan oleh Land and Doig (1960)
untuk menyelesaikan program integer. Kemudian metode ini dimodifikasi oleh Dakin (1965) dan
telah dengan sukses menerapkannya di dalam kitab undang-undang hukum dagang banyak orang
dalam memecahkan persoalan program integer. Saat ini metode ini telah menjadi kode standar
komputer untuk program integer dan dalam penerapannya metode ini baik untuk masalah pure
programming maupun mixed programming (Angeline, 2014).

27
 Metode pendekatan Branch and Bound ini merupakan salah satu metode untuk menghasilkan
solusi optimal program linier yang menghasilkan variabel-variabel keputusan yang bulat. Sesuai
dengan namanya, metode ini membatasi solusi optimal yang akan menghasilkan bilangan pecahan
dengan cara membuat cabang atas dan bawah bagi masing-masing variabel keputusan yang
bernilai pecahan agar bernilai bulat sehingga setiap pembatasan akan menghasilkan cabang baru.

Gambar 14 Percabangan dalam Branch and Bound

Sumber: (Hartono, Putri, & Sugiyarto, 2014)

Prosedur dalam penyelesaian masalah dengan metode branch and bound adalah sebagai
berikut:
Asumsikan sebuah masalah program integer:
Maksimasi:
𝑧 = 𝑐𝑥
Dengan kendala:
𝑥 ∈ 𝑆0 𝑑𝑖𝑚𝑎𝑛𝑎 𝑆𝑂 = {𝑥|𝑎𝑥 = 𝑏, 𝑥 ≥ 0, 𝑑𝑎𝑛 𝑖𝑛𝑡𝑒𝑔𝑒𝑟}
Ide umum dari metode ini adalah pertama untuk menyelesaikan problema sebagai model
kontinu, yakni menyelesaikan program integer sebagai program linier.
Maksimasi:
𝑧 = 𝑐𝑥
Dengan kendala:

𝑥 ∈ 𝑆0 𝑑𝑖𝑚𝑎𝑛𝑎 𝑆𝑂 = {𝑥|𝐴𝑥 = 𝑏, 𝑥 ≥ 0}
Misalkan bahwa xr merupakan peubah yang berkendala integer yang mempunyai nilai optimum
kontoni 𝑥∗𝑟 yang pecahan. Hasil dari |𝑥𝑟∗ | < 𝑥𝑟 < |𝑥𝑟∗ | + 1 tidak memuat solusi integer yang layak.
Sebagai akibatnya nilai integer layak dari xr harus memenuhi salh satu dari dua kondisi berikut
yakni:
|𝑥𝑟∗ | ≤ 𝑥𝑟 𝑎𝑡𝑎𝑢 𝑥𝑟 ≥ ||𝑥𝑟∗ || + 1
Jika kedua kondisi ini diaplikasikan untuk model yang kontinu maka hasilnya merupakan dua
problema saling lepas (mutually exclusive) dengan himpunan kendala sebagai berikut:
(a) 𝑇1 = {𝑥|𝐴𝑥 = 𝑏, 𝑥𝑟 ≤ |𝑥𝑟∗ |, 𝑥 ≥ 0}
(b) 𝑇1 = {𝑥|𝐴𝑥 = 𝑏, 𝑥𝑟 ≤ |𝑥𝑟∗ | + 1, 𝑥 ≥ 0}
Dan jika kendala-kendala intergernya dimasukkan maka diperoleh himpunan sebagai berikut:
𝑆1 = {𝑥|𝐴𝑥 = 𝑏, 𝑥𝑟 ≤ |𝑥𝑟∗ |, 𝑥 ≥ 0, 𝑑𝑎𝑛 𝑖𝑛𝑡𝑒𝑔𝑒𝑟}
𝑆2 = {𝑥|𝐴𝑥 = 𝑏, 𝑥𝑟 ≤ |𝑥𝑟∗ | + 1, 𝑥 ≥ 0, 𝑑𝑎𝑛 𝑖𝑛𝑡𝑒𝑔𝑒𝑟}

28
 Bentuk ini sebenarnya merupakan pemisahan dari S0, yakni 𝑆1 ∪ 𝑆2 = 𝑆0, 𝑆1 ∩ 𝑆2 = ∅. Solusi
optimal x* dari problema yang diberikan, harus berada pada salah satu S1 atau S2 dan juga harus
merupakan solusi optimal dari salah satu subproblema berikut:
(a) Maksimumkan 𝑧 = 𝑐𝑥 kendala 𝑥 ∈ 𝑆1
(b) Maksimumkan 𝑧 = 𝑐𝑥 kendala 𝑥 ∈ 𝑆2

Subproblema-subproblema ini kemudian dapat lagi diselesaikan dengan mengulangi proses

yang sama dengan merelaksasi kendala integernya dan mencabangkan lagi kembali bila solusi
optima yang diperoleh mempunyai komponen yang bernilai pecahan atau tidak integer. Proses
percabangan ini akan membentuk pohon keputusan, dengan setiap node k dari pohon keputusan
tersebut berhubungan dengan sebuah subproblema.
Maksimasi:
𝑧 = 𝑐𝑥
Dengan kendala:
𝑥 ∈ 𝑆𝑘
Jika solusi optimal yang diperoleh layak (memenuhi) atau mempunyai komponen-komponen
bulat, maka solusi ini dicatat dan nilai objektifnya merupakan batas bawah nilai optimum. Maka
proses percabangan tidak perlu lagi dilakukan dan node yang demikian di-fathomed atau
dipangkas. Node yang belum fathomed atau dipangkas disimpan dalam master list. Pada beberapa
node, nilai optimal dari program linier merupakan batas atas untuk nilai optimum dari semua
turunannya. Jika batas atas tersebut lebih kecil dari batas bawah terbaik yang ada, maka
subproblema tidak dicabangkan lagi. Proses branch and bound akan diteruskan sampai setiap
subproblema berhenti ketika menghasilkan sebuah solusi integer atau batas atas lebih kecil dari
batas bawah yang ada.

4.3 Formulasi Model Matematis

Setelah notasi model matematis dan model referensi telah ditentukan, maka formulasi
model matematis pun dibangun. Formulasi model matematis yang akan digunakan untuk
perhitungan menggunakan software LINGO adalah sebagai berikut.
Fungsi tujuan:
2

𝑀𝐴𝐾𝑆𝐼𝑀𝐴𝑆𝐼 𝑍 = ∑ 𝑐𝑗 𝑥𝑗 𝑗 = 1,2
𝑗=1

Fungsi tujuan dari permasalahan adalah memaksimasi total pendapatan kotor yang diperoleh
oleh PT Sritex Tbk dari hasil penjualan masker kain dan masker medis N95 dengan asumsi seluruh
yang diproduksi habis terjual. Ketercapaian fungsi tujuan diukur dari kriteria performansi yang
dinyatakan dalam sebuah formula. Formula terkait mengandung penjumlahan dari hasil perkalian
antara harga jual dan jumlah unit masing-masing masker yang akan diproduksi.
Dengan pembatas-pembatas sebagai berikut:
a. Fungsi pembatas kapasitas luas kain katun yang tersedia

∑ bj xj ≤ n
j=1

Pembatas yang pertama membatasi total penggunaan bahan baku untuk produksi masker kain
dan masker medis N95 dalam satu hari agar tidak melebihi pasokan bahan baku yang berupa
kain katun hasil finishing dari segmen finishing kain dalam satu hari.

29
b. Fungsi pembatas kapasitas labor-hour yang tersedia untuk membuat masker dalam satu hari

∑ mj x j ≤ g
j=1

Pembatas yang kedua membatasi total penggunaan labor-hour untuk memproduksi masker kain
dan masker medis N95 dalam satu hari agar tidak melebihi labor-hour yang tersedia dalam satu
hari.

c. Pembatas demand masker jenis j yang hendak diproduksi dalam satu hari

xj ≥ 𝑒𝑗

Pembatas yang ketiga memberi batasan agar masing-masing masker yang diproduksi memenuhi
demand yang ingin dipenuhi dalam sehari.

Ketiga pembatas tersebut membatasi solusi dari permasalahan, ditambah dengan pembatas
terakhir agar solusi yang dihasilkan positif dan merupakan bilangan bulat sehingga produksi
masker terjadi dalam satuan unit.

𝑏1 𝑥1 + 𝑏2 𝑥2 ≤ 𝑛
𝑚1 𝑥1 + 𝑚2 𝑥2 ≤ 𝑔
𝑥𝑗 ≥ 𝑒𝑗
𝑥1 , 𝑥2 ≥ 0 𝑑𝑎𝑛 𝑏𝑖𝑙𝑎𝑛𝑔𝑎𝑛 𝑏𝑢𝑙𝑎𝑡

Apabila nilai dari parameter-parameter, yang didapat dari data maupun yang diestimasikan,
dimasukkan ke dalam model matematis, maka didapatkan formulasi seperti berikut.

𝑀𝐴𝐾𝑆𝐼𝑀𝐴𝑆𝐼 𝑍 = 5.500𝑥1 + 10.000𝑥2 𝑗 = 1,2

0,038𝑥1 + 0,045𝑥2 ≤ 696.772
0,04583𝑥1 + 0,05222𝑥2 ≤ 9.636
𝑥1 ≥ 101.059
𝑥2 ≥ 60.602
𝑥1 , 𝑥2 ≥ 0 𝑑𝑎𝑛 𝑏𝑖𝑙𝑎𝑛𝑔𝑎𝑛 𝑏𝑢𝑙𝑎𝑡

30
 BAB V
VERIFIKASI, SOLUSI MODEL, DAN ANALISA

5.1 Verifikasi Model Matematis

5.1.1 Verifikasi Satuan Hitung
Verifikasi dilakukan untuk memeriksa satuan hitung pada setiap ekspresi matematis dalam
model. Dilakukan pengecekan konsistensi antara ruas kanan dan ruas kiri dari sebuah
persamaan. Model dianggap terverifikasi jika ruas kanan dan ruas kiri semua ekspresi
matematika memiliki satuan yang sama. Penjabaran verifikasi satuan hitung dilakukan
berdasarkan Tabel 7 dan persamaan yang terdapat pada bab 4.3.

a. Fungsi Objektif
2

Z = ∑ cj xj
j=1

Rp Rp Unit
= ∗
Hari Unit Hari

b. Fungsi Pembatas Kapasitas Luas Kain Katun

∑ bj xj ≤ n
j=1

m2 Unit m2
∗ ≤
Unit Hari Hari

c. Fungsi Pembatas Kapasitas Labor-hour untuk Memproduksi Masker dalam Satu Hari

∑ mj x j ≤ g
j=1

𝑙𝑎𝑏𝑜𝑟 − ℎ𝑜𝑢𝑟 Unit 𝑙𝑎𝑏𝑜𝑟 − ℎ𝑜𝑢𝑟

∗ ≤
Unit Hari Hari

d. Pembatas Demand Masker Jenis j yang Hendak Diproduksi dalam Satu Hari

xj ≥ 𝑒𝑗

Unit Unit
≥
Hari Hari

5.1.2 Verifikasi Program

Verifikasi terhadap program komputer yang digunakan perlu dilakukan untuk
memeriksa tiap subprogram yang terdapat di dalam program tersebut. Seperti yang telah
dijelaskan pada subbab sebelumnya, pemecahan masalah dilakukan dengan bantuan
perangkat lunak LINGO 18.0. Dalam program ini, setiap subprogram adalah fungsi tujuan

31
 maupun fungsi pembatas di model matematis yang telah dikembangkan sebelumnya. Setiap
subprogram harus dapat dinyatakan telah lulus verifikasi yang diindikasikan dengan ada
atau tidaknya bug program saat dijalankan. Hasil verifikasi subprogram dengan
menggunakan sofware LINGO 18.0 dijabarkan pada tabel 8 di bawah ini:

Tabel 8 Verifikasi Subprogram LINGO 18.0

No Subprogram Status Pengujian

1. Fungsi Tujuan Tidak ada bug program
2. Pembatas Kapasitas Luas Kain Katun Tidak ada bug program
3. Pembatas Labor-hour Tidak ada bug program
4. Pembatas Demand Masker Tidak ada bug program

Dari Tabel 8 di atas, dapat disimpulkan bahwa tidak terdapat bug program pada semua
subprogram. Dengan demikian, model matematis pada program komputer yang dibangun
dapat dinyatakan telah lolos verifikasi program.

5.2 Solusi Optimal Model

Solusi optimal model akan dicari menggunakan perangkat lunak LINGO. Perangkat lunak
LINGO adalah sebuah alat bantu perhitungan komprehensif yang dirancang untuk membangun dan
menghasilkan solusi dari optimasi model linear, non-linear, kuadratik, quadratically constrained,
dan integer dengan lebih cepat dan mudah.
Langkah pertama dalam mengoperasikan perangkat lunak LINGO untuk menghasilkan
solusi model adalah memasukkan input formulasi model matematis ke panel script dalam sintaks
LINGO atau LINDO. Variabel keputusan yang dimasukkan secara default bernilai positif sehingga
tidak perlu dituliskan pembatas bilangan positif lagi. Namun, untuk mendefinisikan variabel yang
bersifat integer, perlu ditambahkan pembatas @GIN(Nama_Variabel_Keputusan_Integer) sesuai
dengan jumlah variabel keputusan integer yang ada.
Berikut adalah penulisan formulasi model matematis yang didapat dari subbab 4.3
Formulasi Model Matematiske dalam panel script LINGO.

Gambar 15 Sintaks LINGO

Setelah sintaks dituliskan dengan lengkap, solusi optimal model dapat ditampilkan dengan
mengklik menu ‘Solve’ pada tool bar. Apabila tidak terdapat kesalahan dalam penulisan sintaks dan
model memiliki solusi yang feasible, maka LINGO akan menampilkan dua panel. Panel pertama
adalah panel solver status yang menyediakan informasi mengenai proses perhitungan, seperti
jumlah iterasi, nilai fungsi objektif saat kondisi optimal, memori generator yang terpakai untuk
perhitungan, jumlah variabel, dan lain-lain. Sedangkan panel kedua, panel solution report,
menampilkan informasi mengenai nilai variabel keputusan, reduced cost, dual price, dan nilai dari
variabel slack untuk setiap pembatas pada kondisi optimal.

Berikut adalah tampilan panel solver status dari hasil perhitungan pada LINGO.

32
 Gambar 16 Solver Status LINGO

Berdasarkan tampilan panel solver status seperti pada Gambar 16, dapat dilihat bahwa
model diselesaikan dengan menggunakan algoritma branch and bound dengan jumlah iterasi sama
dengan nol (solusi optimal di dapatkan pada node pertama). Jumlah variabel keputusan dan jumlah
fungsi pembatas yang ditampilkan juga sudah sesuai dengan formulasi model matematis yang telah
dibangun. Dapat dilihat bahwa solusi yang dihasilkan bersifat optimal global.
Berikut adalah tampilan panel solution report dari hasil perhitungan pada LINGO.

33
 Gambar 17 Output Hasil Perhitungan Menggunakan LINGO

Berdasarkan tampilan panel solution report seperti pada Gambar 17, model tergolong ke
dalam jenis PILP (pure integer linear programming). Solusi optimal yang diperoleh adalah rencana
jumlah produksi masker kain non-medis dan masker medis N95 yang memaksimalkan pendapatan
PT Sritex Tbk. Masker kain dapat diproduksi sebanyak 101.059 unit dan masker medis N95 dapat
diproduksi sebanyak 95.834 unit. Komposisi jumlah produksi ini menghasilkan pendapatan
sebesar Rp7.743.374.000 per hari.

5.3 Validasi Model Matematis

Solusi optimal yang dihasilkan pada subbab 5.2 Solusi Optimal Modelmerupakan hasil
perhitungan untuk mengestimasikan berapa yang harus PT Sritex Tbk produksi apabila hendak
menindaklanjuti rencana produksi dua jenis masker. Rencana ini akan dibandingkan dengan
kondisi existing dimana perusahaan hanya memproduksi masker kain.
Perhitungan solusi optimal pada kondisi existing juga dilakukan dengan menggunakan
perangkat lunak LINGO. Berikut adalah sintaks formulasi model matematis kondisi existing pada
LINGO.

Gambar 18 Sintaks Kondisi Existing (Tidak Memproduksi Masker N95)

34
 Gambar 19 Solver Status Kondisi Existing

Gambar 20 Output Hasil Perhitungan Kondisi Existing Menggunakan LINGO

35
 Berdasarkan perhitungan seperti yang terdapat pada Gambar 19 dan Gambar 20 didapatkan
bahwa dalam kondisi memproduksi masker kain saja, perusahaan dapat memaksimalkan produksi
dengan memproduksi masker kain sebanyak 210.255 unit dengan menghasilkan pendapatan
sebesar Rp. 1.156.402.000 per hari.
Jika kedua kondisi dibandingkan. didapatkan kain dan labor-hour yang dipakai pada pembuatan
masker dari masing-masing kondisi sebagai berikut.

Tabel 9 Perbandingan Penggunaan Sumber Daya pada 2 Kondisi

Kain yang terpakai Labor-hour yang terpakai

Masker kain dan masker medis 8152,772 meter/hari 9635,985 jam/hari
Masker kain saja 7989,69 meter/hari 9635,987 jam/hari

Didapatkan bahwa penggunaan kain pada saat memproduksi masker kain dan masker N95 lebih
besar dibandingkan pada saat memproduksi masker kain saja. Penggunaan labor-hour pada saat
memproduksi masker kain dan masker N95 lebih kecil dibandingkan pada saat memproduksi
masker kain saja tetapi tidak signifikan. Namun dapat dilihat bahwa pendapatan yang dihasilkan
pada saat memproduksi kain masker dan medis lebih besar dibandingkan pada saat memproduksi
masker kain saja. Jika diasumsikan cost rate pada kedua kondisi tersebut sama, dapat dilihat bahwa
perusahaan dapat menghasilkan keuntungan lebih besar pada saat memproduksi masker kain dan
masker N95.

5.4 Analisis
5.4.1 Analisis Sensitivitas
Berdasarkan angka yang didapatkan pada kolom slack or surplus pada hasil perhitungan
menggunakan LINGO yang dapat dilihat pada Gambar 17, seluruh baris bernilai lebih dari
sama dengan nol, yang artinya tidak ada pembatas yang dilanggar dalam solusi ini.
Sementara, nilai positif menunjukkan sisa sumber daya yang tidak terpakai. Maka, dapat
diketahui bahwa tidak ada sumber daya yang benar-benar habis digunakan. Hanya saja,
pembatas ketiga, yaitu pembatas kapasitas labor-hour hampir habis digunakan. Oleh karena
itu, peningkatan ketersediaan kapasitas untuk pembatas ini dapat meningkatkan nilai
optimal. Dapat pula diketahui bahwa kapasitas luas kain katun tidak sepenuhnya terpakai
dan masker medis N95 yang diproduksi melebihi demand yang ada. Hal ini dapat diketahui
dari nilai yang tertera pada masing-masing baris. Nilai nol bagi pembatas demand masker
kain mengindikasikan bahwa jumlah masker kain yang diproduksi tepat pada nilai demand
yang ada dan pembatas ini merupakan satu-satunya binding constraint dalam permasalahan.
Untuk mengetahui prioritas dari penambahan ketersediaan sumber daya, dapat
dilakukan analisis menggunakan solusi dual model. Dalam hal ini, digunakan fitur Generate
lalu memilih dual model pada LINGO. Sehingga, didapatkan model dual sebagai berikut.

Gambar 21 Generated Dual Model Menggunakan LINGO

Model dual yang didapatkan diterapkan pada sintaks model dan akan di-run kembali
untuk mendapatkan solusi dual dari model. Berikut adalah sintaks dan hasil perhitungan
yang didapatkan.

36
 Gambar 22 Sintaks Model Dual

Gambar 23 Output Hasil Perhitungan Model Dual

Pada hasil perhitungan seperti pada Gambar 23, didapatkan bahwa variabel yang
memiliki nilai solusi dual tertinggi adalah variabel yang berkorespondensi dengan kapasitas
labor-hour. Oleh karena itu, peningkatan ketersediaan sumber daya ini perlu diprioritaskan
karena akan memberikan kontribusi yang tinggi terhadap nilai fungsi objektif model primal.
Akan dilakukan analisis terhadap perubahan nilai optimal yang didapat dengan cara
mengubah harga masker non-medis dan masker medis N95 berdasarkan range yang didapat
menggunakan LINGO. Berikut adalah hasil perhitungan.

Gambar 24 Hasil Perhitungan Range Menggunakan LINGO

Berdasarkan perhitungan seperti pada Gambar 24 didapatkan bahwa harga masker kain
dapat dinaikkan sebanyak Rp 3.276,331 per unit dan harga masker medis N95 dapat
dinaikkan hingga tak hingga. Apabila kedua nilai ini dimasukkan pada formulasi model, maka
solusi optimal tidak akan berubah. Hal ini dapat diketahui dengan cara melakukan running
kembali pada LINGO menggunakan koefisien fungsi tujuan baru. Pada formulasi, nilai tak

37
hingga diganti menggunakan nilai yang sangat besar. Berikut adalah sintaks dan hasil
perhitungan yang didapatkan.

Gambar 25 Sintaks dengan Kondisi Kenaikan Harga Masker

Gambar 26 Output Hasil Perhitungan dengan Kondisi Kenaikan Harga Masker

Sama halnya dengan pencarian solusi optimal pada kondisi normal, digunakan metode
branch and bound pada pencarian solusi optimal dengan kondisi kenaikan harga masker.
Didapatkan bahwa jumlah produksi masker non-medis dan masker medis N95 masih sama
seperti kondisi sebelumnya. Namun, nilai pendapatan akan lebih tinggi. Dari yang
sebelumnya bernilai Rp7.743.374.000, dengan formulasi ini akan didapatkan pendapatan
sebesar Rp959.226.900.000. Hal ini dimungkinkan karena harga masker medis N95
dinyatakan dengan angka positif yang sangat besar. Sehingga pada penerapannya, feasibilitas
dari kondisi ini perlu dikaji ulang.
Selanjutnya, dilakukan pencarian solusi optimal kembali dengan menurunkan harga
masker kain menjadi tak hingga, sehingga digunakan angka negatif yang sangat besar pada
sintaks program, sementara harga masker medis N95 diturunkan sebesar Rp3.733,144 dari
angka awal yaitu Rp75.000. Berikut adalah sintaks dan hasil perhitungan yang didapatkan
dengan LINGO.

38
 Gambar 27 Sintaks dengan Kondisi Penurunan Harga Masker

Gambar 28 Output Hasil Perhitungan dengan Penurunan Harga Masker

Berdasarkan hasil perhitungan seperti pada Gambar 28, didapatkan bahwa jumlah
produksi masker non-medis dan masker medis N95 pada harga ini juga tidak mengalami
perubahan. Namun, terdapat perubahan pada nilai pendapatan sebagai fungsi objektif
dimana pada perhitungan ini didapatkan nilai negatif yaitu sebesar Rp –1.003.760.000.000.
Solusi ini didapatkan karena harga negatif yang sangat besar dipilih sebagai koefisien fungsi
objektif dari masker kain. Sehingga, feasibilitas dari penerapan solusi ini perlu dikaji ulang.
Kemudian, dilakukan penerapan dari kombinasi range harga yang didapatkan. Sehingga,
harga masker kain dinaikkan menjadi Rp 8.776,331 dan harga masker medis N95 diturunkan
menjadi Rp71.266,856. Kombinasi dari perubahan harga ini dipilih karena tidak melibatkan
range tak hingga dari perubahan harga. Berikut adalah sintaks dan hasil perhitungan yang
didapatkan.

Gambar 29 Sintaks dengan Kombinasi Perubahan Harga Masker

39
 Gambar 30 Output Hasil Perhitungan dengan Kondisi Kombinasi Perubahan Harga

Metode branch and bound juga digunakan dalam pencarian solusi optimal pada kondisi
ini. Berdasarkan hasil perhitungan seperti pada gambar Gambar 30, kembali didapatkan
jumlah produksi masker kain dan masker medis N95 yang sama dengan hasil perhitungan
pada kondisi normal. Namun, didapatkan nilai fungsi objektif sebesar Rp7.716.715.000. Nilai
ini merupakan nilai yang lebih rendah daripada nilai yang didapatkan dari solusi optimal
pada kondisi normal, yaitu sebesar Rp7.743.374.000.
Selain melakukan perubahan terhadap harga masker untuk memeriksa perubahan
terhadap optimalitas, output perhitungan range pada Gambar 24 juga dapat digunakan untuk
menentukan perubahan konstanta ruas kanan. Perubahan ini akan mempengaruhi kelayakan
solusi. Selang perubahan konstanta ruas kanan tersebut dapat dirangkum dalam tabel
berikut ini.

Tabel 10 Batas Perubahan Konstanta Ruas Kanan

Batas Kenaikan Batas Penurunan

Konstanta Ruas
Pembatas Konstanta Ruas Konstanta Ruas
Kanan
Kanan Kanan
Kapasitas luas kain 696.772 Tak hingga 8.152,8
Kapasitas labor-hour 9.636 808.740,3 7.796,17
Demand masker kain 101.059 141.203,86 0
Demand masker 60.602 95.834,28 Tak hingga
medis N95

Untuk mengetahui pengaruh perubahan konstanta ruas kanan terhadap kelayakan

maupun nilai Z, dilakukan perhitungan kembali menggunakan LINGO dengan mengubah
salah satu konstanta ruas kanan saja. Perhitungan juga dilakukan dengan metoda branch and
bound. Hasil yang didapatkan dirangkum pada tabel berikut ini.

Tabel 11 Pengaruh Perubahan Konstanta Ruas Kanan

Konstanta Ruas
Pembatas Kelayakan Nilai Fungsi Objektif
Kanan
Kapasitas luas kain 10.000.000 Layak 7.743.374.000

40
 Konstanta Ruas
Pembatas Kelayakan Nilai Fungsi Objektif
Kanan
Kapasitas luas kain 8.152,8 Layak 7.743.374.000
Kapasitas labor-hour 808.740,3 Layak 1.155.442.000.000
Kapasitas labor-hour 7.796,17 Tidak Layak -
Demand masker kain 141.203,86 Tidak Layak -
Demand masker kain 0 Layak 13.839.520.000
Demand masker 95.834,28 Tidak Layak -
medis N95
Demand masker -10.000.000 Layak 7.743.374.000
medis N95

Sehingga, dapat diketahui bahwa perubahan konstanta ruas kanan pada suatu pembatas
akan berpengaruh terhadap kelayakan dan nilai fungsi objektif pada solusi optimal. Dari
Tabel 11, diketahui bahwa perubahan nilai konstanta ruas kanan bagi pembatas luas kain dan
penurunan konstanta ruas kanan bagi pembatas demand masker medis N95 tidak akan
berpengaruh terhadap kelayakan dan solusi optimal. Kemudian, kenaikan nilai konstanta
ruas kanan bagi pembatas kapasitas labor-hour dan penurunan konstanta ruas kanan bagi
pembatas demand masker kain juga tidak akan mengubah kelayakan, namun akan mengubah
solusi optimal yang didapat. Sementara itu, penurunan konstanta ruas kanan bagi pembatas
kapasitas labor-hour dan kenaikan konstanta ruas kanan bagi pembatas demand masker kain
dan demand masker medis N95 akan mengubah kelayakan solusi menjadi tidak layak.
5.4.2 Analisis Kelebihan dan Kekurangan Model
Pengembangan model yang dilakukan pada dasarnya bertujuan untuk menentukan
jumlah masker jenis medis dan non medis yang akan diproduksi PT. Sritex. Model yang
digunakan ini merupakan model pengembangan dari model branch and bound sederhana.
Meskipun model ini sudah sedemikian rupa disesuaikan dengan sistem, namun masih
terdapat perbedaan yang disebabkan oleh keterbatasan dari model sehingga kurang dapat
merepresentasikan sistem nyata. Kelebihan dan kekurangan model ini diharapkan dapat
menjadi bahan pertimbangan bagi rencana produksi PT. Sritex selanjutnya. Berikut
penjelasan mengenai kelebihan dan kekurangan dari model penentuan jumlah produksi
masker:

Kelebihan
1. Model yang dibangun merupakan fungsi tujuan yang memaksimasi pendapatan, dimana
pendapatan yang menjadi pertimbangan pada model ini adalah hasil penjualan masker
jenis medis dan hasil penjualan masker non medis (masker kain).
2. Model ini dapat memberikan rekomendasi keputusan rencana produksi berupa jumlah
produksi masker jenis medis dan non medis serta kombinasi produksi jenis masker yang
optimal.
3. Model bukan hanya memberikan rencana produksi yang lebih baik, namun juga dapat
memberikan rekomendasi penambahan sumber daya yang langka.
4. Waktu komputasi yang cepat

Kekurangan
1. Model yang dikembangkan hanya berlaku untuk satu periode perencanaan tertentu.
Tidak mempertimbangkan dampak perubahan di periode sebelum atau setelahnya.
2. Model hanya dapat menjawab rencana produksi yang akan dilakukan di Jawa Tengah
sehingga tidak dapat digunakan untuk penentuan rencana produksi yang mencakup
konsumen di luar provinsi Jawa Tengah.
41
 3. Model dikembangkan dengan menggunakan data yang ada sebelum perusahaan
memproduksi masker sehingga terdapat kemungkinan perbedaan data dengan kondisi
nyata.

5.5 Rekomendasi Kebijakan

Berdasarkan pengolahan data dan analisis yang dilakukan, direkomendasikan bagi PT. Sritex
Tbk. untuk memproduksi masker kain dan masker N95. Jumlah yang diproduksinya masing-masing
101.059 unit/hari dan 95.834 unit/hari. Dalam melaksanakan kebijakan ini, terdapat beberapa
rekomendasi bagi pihak manajerial beserta drawbacks nya.

Tabel 12 Rekomendasi

Rekomendasi Benefit Drawbacks

Pengurangan kapasitas kain Penambahan revenue segmen Tidak dapat memproduksi
dari segmen finishing yang finishing masker lebih banyak
diperuntukkan untuk
pembuatan masker.

Menaikkan harga jual masker Penambahan pendapatan Harga kurang bersaing

untuk meningkatkan
pendapatan

Penambahan produksi masker Penambahan pendapatan Effort menambah karyawan

medis dengan menambah dari segmen lain atau membuka
alokasi jumlah karyawan untuk lowongan pekerjaan baru.
memproduksi masker

1. Pengurangan kapasitas kain dari segmen finishing yang diperuntukkan untuk pembuatan
masker.

Berdasarkan solusi yang di-generate oleh LINGO, didapatkan bahwa luas masker yang tersisa
masih cukup signifkan. Wasted resources merupakan suatu hal yang sepatutnya dihindari,
mengingat sisa kain dapat dimanfaatkan dalam proses finishing. Analisis sensitivitas pada bab
5.3. menunjukkan bahwa pengurangan total luas kain dari segmen finishing yang digunakan
untuk membuat masker dapat dikurangi sebesar 688.619,2 meter persegi menjadi 8152,8 meter
persegi dan tetap mendatangkan pendapatan yang optimal.

2. Menaikkan harga jual masker untuk meningkatkan pendapatan

Harga jual masker untuk masker kain dan masker medis pada model adalah masing-masing Rp
5.500 / unit dan Rp 75.000 / unit. Berikut tersaji harga jual pada model, minimum pasar,
maksimum pasar, rata-rata pasar dan maksimum peningkatan berdasarkan analisis sensitivitas.

Tabel 13 Perbandingan Harga Jual Masker

Sumber: (CNN Indonesia, 2020, Telunjuk.com, 2020 dan Hasibuan, 2020)
Jenis Masker Model Minimum Maksimum Rata-rata Maksimum
Pasar Pasar Pasar Sensitivitas
Masker kain Rp 5.500/unit Rp 1.000 / unit Rp Rp Rp
20.000/unit 10.000/unit 8776,331/unit
Masker medis Rp 75.000/ Rp. 8.500 / Rp Rp Tak terhingga
unit unit 209.000/unit 175.000/unit

42
 Harga pada model sudah berada di bawah rata-rata pasar, namun untuk meningkatkan
pendapatan tanpa mengubah optimalitas, harga jual masker kain dapat ditingkatkan hingga Rp
8,776 / unit sementara untuk masker medis tidak terbatas. Penambahan harga dapat
meningkatkan pendapatan, namun perlu dipertimbangkan juga sentimen publik tentang harga
yang di pasang terhadap harga barang serupa di pasaran. Harga yang lebih kompetitif
berpotensi untuk meraup market share lebih tinggi.

3. Penambahan kapasitas produksi masker dengan penambahan karyawan untuk memproduksi

masker.

Resource jam kerja paling cepat habis, meskipun masih terdapat resource berlebih pada
pembatas luas kain dan demand masker medis. Pada analisis sensitivitas didapatkan bahwa
resource jam kerja dapat ditingkatkan sebesar 808.740,3 jam. Penambahan jumlah karyawan
atau penambahan durasi shift kerja dapat mengkompensasi hal ini. Dalam pengambilan
kebijakan mengenai shift, perlu dipertimbangkan hak-hak para pekerja atas jam kerja mereka.

Penambahan dapat dilakukan juga dengan realokasi karyawan dari satu segmen ke segmen
lainnya, namun berarti terdapat pengurangan karyawan pada segmen yang lain. Sebelum realokasi
dilakukan, perusahaan perlu mengkaji bagaimana kinerja segmen yang hendak diambil
karyawannya terhadap kinerja segmen produksi masker. Jika mentransfer karyawan dinilai dapat
mengurangi pendapatan secara total, dapat pula dilakukan recruitment karyawan baru untuk
memproduksi masker. Pembukaan lapangan kerja adalah berita yang positif pada masa sulit akibat
pandemi, di mana banyak orang mengalami PHK, namun di sisi lain proses perekrutan di tengah
PSBB akan membutuhkan effort yang lebih tinggi dibandingkan perekrutan pada kondisi normal.

Berdasarkan pemaparan beberapa solusi tersebut, disarankan bagi PT. Sritex Tbk. untuk
memproduksi masker kain dan masker medis N95 sebanyak 101.059 unit dan 95.834 unit dengan
pengurangan pembatas kapasitas kain yang digunakan untuk proses produksi masker menjadi
sebesar 8152,8 meter persegi. Bersamaan dengan kebijakan tersebut, terdapat beberapa
rekomendasi yang diberikan bagi PT. Sritex.Tbk untuk mendukung kebijakan tersebut.

1. Pengaturan ulang karyawan

PT. Sritex Tbk. tidak memproduksi masker sebelum dimulainya pandemi COVID-19. Maka
manajemen harus mempersiapkan pengaturan yang sesuai untuk menata ulang komposisi
karyawan. Perlu dibentuk tim khusus yang menangani dan mensupervisi produksi masker di PT.
Sritex Tbk supaya proses produksi dapat berlangsung dengan lancar.

2. Prospek memproduksi masker di masa depan

Adanya pandemi global tentu mengubah cara hidup masyarakat secara total. Kesadaran
masyarakat akan kebersihan dan kesehatan terus meningkat, yang berarti bahkan setelah
melewati masa pandemi demand untuk masker akan terus ada. Namun berbeda dengan saat
pandemik, pembatasan dan aturan yang berlaku akan lebih longgar dan kurva penderita Covid-
19 akan sudah lebih menurun. Sehingga, seiring berjalannya waktu, demand akan masker kain
dan masker medis akan berangsur-angsur turun.

43
 Manajemen dapat mengkaji prospek memproduksi masker dalam kurun waktu satu semester
– satu tahun ke depan dalam kuantitas seperti yang tertera pada penelitian ini. Sejatinya sebelum
Covid-19, PT. Sritex Tbk bukan pada memproduksi masker. Perlu dikaji ulang langkah-langkah
selanjutnya berdasarkan demand pasar dan dicocokkan dengan arah dan visi perusahaan. Dapat
ditinjau kembali skala proses produksi masker PT. Sritex Tbk. ketika demand masker sudah
menurun dan stabil. Apakah perlu di back-up dengan mesin terotomatisasi, atau justru skala
produksi dikecilkan.

44
 BAB VI
KESIMPULAN DAN SARAN

6.1 Kesimpulan
6.1.1 Kesimpulan Metodologi
Kesimpulan dari metodologi yang digunakan dalam penelitian adalah sebagai berikut:
1. Pengumpulan data dilakukan secara tidak langsung sehingga data bersifat sekunder. Data-
data diambil dari laman resmi PT Sritex Tbk, Badan Pusat Statistik, dan artikel lainnya di
internet.
2. Perumusan masalah dilakukan dengan menggunakan metoda fishbone diagram dengan
membagi penyebab masalah ke dalam beberapa kelompok, yaitu produsen, perilaku
pasar, perilaku masyarakat, dan method.
3. Setelah masalah dirumuskan, dilakukan deskripsi sistem yang ditinjau dengan bantuan
tools visual berupa rich picture diagram dan influence diagram. Komponen masalah pun
didefinisikan secara verbal.
4. Setelah komponen masalah didapatkan, nilai-nilai parameter pun diestimasikan oleh
karena sebagian besar data sekunder menyajikan informasi kuantitatif yang harus diolah
lagi untuk mendapatkan nilai parameter. Estimasi parameter demand masker dilakukan
dengan metoda top-down calculation menggunakan data pangsa pasar PT Sritex Tbk.
Estimasi parameter komposisi labor-hour per satu unit masing-masing jenis masker
dilakukan dengan mengumpulkan data mesin jahit yang digunakan oleh perusahaan dan
data luas kain untuk satu masker.
5. Model matematis dibangun dan bersifat pure integer linear programming sehingga
terdapat pembatas yang mengharuskan variabel keputusan bersifat integer.
6. Pencarian solusi optimal model dilakukan dengan menggunakan algoritma branch and
bound dengan bantuan perangkat lunak LINGO.

6.1.2 Kesimpulan Penelitian

Berdasarkan pengolahan data dan analisis yang telah dilakukan, dapat ditarik
kesimpulan sebagai berikut:
1. Apabila PT Sritex Tbk akan memproduksi masker medis N95 dan masker kain non-medis,
maka komposisi jumlah produksi yang memaksimumkan pendapatan adalah 101.059 unit
masker kain non-medis dan 95.834 unit masker medis N95. Pendapatan yang dihasilkan
adalah Rp7.743.374.000 per hari.
2. Rencana produksi PT Sritex Tbk untuk memproduksi dua jenis masker, yaitu masker kain
non-medis dan masker medis N95, dapat menghasilkan pendapatan yang lebih besar jika
dibandingkan dengan kondisi produksi existing di mana hanya masker kain yang
diproduksi. Hal ini dapat dilihat dari penggunaan sumber daya yang tidak jauh berbeda
(di luar penggunaan sumber daya untuk memproduksi atau mengimpor lapiran filter
masker N95). Maka, disarankan PT Sritex Tbk merealisasikan rencana produksi terkait.
PT Sritex juga disarankan untuk mengatur ulang komposisi pekerja pada tiap segmen dan
mencari tahu prospek memproduksi masker di masa mendatang pascapandemi.

6.2 Saran
Saran merupakan pendapat atau anjuran yang diberikan oleh seseorang sebagai bahan
pertimbangan. Pada penelitian ini, penulis memberikan saran untuk penelitian yang telah
dilakukan dan untuk keberlangsungan mata kuliah Operations Research I. Hal ini dilakukan agar

45
dapat mengingkatkan kualitas dari hasil penelitian lain di masa mendatang serta kualitas proses
belajar mengajar di kelas.
6.2.1 Saran untuk Penelitian
Saran untuk penelitian adalah sebagai berikut:
6. Disarankan agar penelitian dilakukan dengan mengumpulkan data primer apabila
kondisi memungkinkan sehingga dapat diperoleh data yang lebih valid.
7. Disarankan untuk mencari data mengenai machine-hour dan data waktu kerja mesin
efektif di luar waktu maintenance sehingga dapat ditambahkan pembatas baru yang
membuat model semakin menjelaskan kondisi sebenarnya.
8. Disarankan untuk menyatakan fungsi objektif dalam profit. Untuk melakukan hal ini,
perlu dilakukan perluasan lingkup penelitian dengan memasukkan elemen biaya
produksi berupa biaya overhead pabrik, gaji operator, dan biaya perawatan. Dengan
begitu, perbandingan rencana produksi mana yang lebih menguntungkan dapat lebih
komprehensif dan didukung oleh data-data yang lebih valid.

6.2.1 Saran untuk Mata Kuliah Operations Research I

Saran untuk mata kuliah Operations Research I adalah sebagai berikut:
1. Disarankan agar diadakan studi kasus perusahaan sebagai latihan dikelas sehingga
mahasiswa terbiasa untuk menentukan komponen model matematis dari permasalahan
real dan bukan hanya dari formulasi model matematis yang sudah diberi.
2. Untuk teknis kuliah online, sangat disarankan agar kelas dilaksanakan melalui
conference call dan terdapat video pre-recorded yang diunggah ke YouTube sehingga
materi dapat tersampaikan dengan lebih komprehensif.

46
 DAFTAR PUSTAKA

Angeline, et.al. (2014). PENERAPAN METODE BRANCH AND BOUND DALAM MENENTUKAN
JUMLAH PRODUKSI OPTIMUM PADA CV. XYZ. (2014). Saintia Matematika, Vol 2, No. 2, 137–
145. Diambil pada tanggal 28 April 2020 dari
https://media.neliti.com/media/publications/221479-none.pdf

anjaniyeni. (2020, April). MASKER KAIN 2 PLY PT SRITEX. Diambil pada tanggal 30 April 2020
dari carousell: https://id.carousell.com/p/masker-kain-2-ply-pt-sritex-1000499124/

Ayuningtyas, D. (2019, 6 Agustus). Digempur Prahara Duniatex, Simak Kinerja 18 Emiten

Tekstil! Diambil pada tanggal 28 April 2020, dari
https://www.cnbcindonesia.com/market/20190805180048-17-89974/digempur-prahara-
duniatex-simak-kinerja-18-emiten-tekstil

Badan Pusat Statistik Provinsi Jawa Tengah. (2018). Jumlah Tenaga Kesehatan Menurut
Kabupaten/Kota di Provinsi Jawa Tengah, 2015-2018. Diambil pada tanggal 29 April 2020 dari
https://jateng.bps.go.id/dynamictable/2019/02/20/409/jumlah-tenaga-kesehatan-menurut-
kabupaten-kota-di-provinsi-jawa-tengah-2015-2017.html

Cahyadi, R. K. (2020, 7 April). Tata Cara Mengatur Jadwal Shalat & Jadwal Kerja (Shift) Tenaga
Medis COVID-19. Diambil pada tanggal 28 April 2020, dari
https://www.gadjian.com/blog/2020/04/07/jadwal-shalat-kerja-shift-tenaga-medis-covid-
19/

Center of Disease Control and Prevention. (2020, 24 April). Coronavirus Disease 2019 (COVID-
19) : How to Protect Yourself & Others. Diambil pada tanggal 14 Mei 2020 dari
https://www.cdc.gov/coronavirus/2019-ncov/prevent-getting-sick/prevention.html

CNN Indonesia. (2020, 7 Mei). Harga Masker dan Hand Sanitizer di Toko Online Mulai Turun.
Diambil pada tanggal 12 Mei 2020 dari
https://www.cnnindonesia.com/teknologi/20200506184956-206-500848/harga-masker-
dan-hand-sanitizer-di-toko-online-mulai-turun

Databoks. (2019, 14 Mei). Berapa Jumlah Penduduk di Pulau Jawa pada 2019? Diambil pada
tanggal 28 April 2020, dari https://databoks.katadata.co.id/datapublish/2019/05/14/berapa-
jumlah-penduduk-di-pulau-jawa-2019

DanielPenfield. (2010, 5 Februari). Ishikawa Diagram. Diambil pada tanggal 28 April 2020 dari
https://en.wikipedia.org/wiki/Ishikawa_diagram#/media/File:Cause_and_effect_diagram_for_
defect_XXX.svg

Fenalosa, A. (2020, 5 Februari). Periksa Fakta Masker Mulut Virus Corona. Diambil pada tanggal
29 April 2020, dari https://iprice.co.id/trend/insights/masker-mulut-corona/

Firican, G. (2019, 4 Juli). How to use the fishbone diagram to determine data quality root causes.
Diambil pada tanggal 28 April 2020, dari http://www.lightsondata.com/how-to-fishbone-
diagram-data-quality-root-causes

Hartono, W., et.al. (2014). INTEGER PROGRAMMING DENGAN PENDEKATAN METODE

BRANCH AND BOUND UNTUK OPTIMASI SISA MATERIAL BESI (WASTE ) PADA PLAT LANTAI
(STUDI KASUS : PASAR ELPABES BANJARSARI SURAKARTA). Vol 2, No 2. Diambil pada tanggal
30 April dari https://jurnal.uns.ac.id/matriks/article/viewFile/37440/2467

47
Hasibuan, L. (2020, 1 Mei). Kabar Baik! Harga Masker & Hand Sanitizer Turun nih. Diambil pada
tanggal 12 Mei 2020 dari https://www.cnbcindonesia.com/lifestyle/20200501093719-33-
155672/kabar-baik-harga-masker-hand-sanitizer-turun-nih

iPrice. (2020, Maret 20). Grafik Harga Masker Medis dan Masker N95 Selama COVID-19 di
Indonesia. Diambil pada tanggal 30 April 2020 dari https://iprice.co.id/trend/insights/grafik-
harga-masker-medis-n95-covid-19/

Kusanandar, V. B. (2020, 2 Januari). Inilah Proyeksi Jumlah Penduduk Indonesia 2020. Diambil
pada tanggal 30 April 2020, dari
https://databoks.katadata.co.id/datapublish/2020/01/02/inilah-proyeksi-jumlah-penduduk-
indonesia-2020#

Margareth, R. (2020, 2 Maret). N95 dan Empat Jenis Masker Cegah Virus Corona. Diambil pada
tanggal 30 April 2020 dari https://www.tagar.id/n95-dan-empat-jenis-masker-cegah-virus-
corona

Neos Guide. (n.d.). Integer Linear Programming. Diambil pada tanggal 29 April 2020, dari
https://neos-guide.org/content/integer-linear-programming

Outlier AI. (2017, 26 Agustus). Sizing Up: Market Sizing for Your Business. Diambil pada tanggal
28 April 2020, dari https://towardsdatascience.com/sizing-up-market-sizing-for-your-
business-c569e45730ef

Pemerintah Provinsi Jawa Tengah. (2020). Website Resmi COVID-19 Pemerintah Provinsi Jawa
Tengah. Diambil pada tanggal 29 April 2020 dari https://corona.jatengprov.go.id/

PT. Sri Rezeki Isman Tbk. (2019). Annual Report 2018 [PDF file]. Diambil pada tanggal 28 April
2020 dari https://www.sritex.co.id/investors-update/

PT. Sri Rezeki Isman Tbk. (2019).Management Presentation 30 September 2019 [PDF file].
Diambil pada tanggal 28 April 2020 dari https://www.sritex.co.id/investors-update/

Pusparisa, Y. (2020, 8 April). Ketimpangan Jumlah Tenaga Medis RI dalam Penanganan Covid-
19. Diambil pada tanggal 28 April 2020 dari
https://databoks.katadata.co.id/datapublish/2020/04/08/timpangnya-tenaga-medis-
penanganan-covid-19

Pusparisa, Y. (2020, 8 April). Persebaran Tenaga Kesehatan Tangani Covid-19 di Jawa. Diambil
pada tanggal 29 April 2020, dari
https://databoks.katadata.co.id/datapublish/2020/04/08/persebaran-tenaga-kesehatan-
tangani-covid-19-di-jawa

Taha, Hamdy A. (2017). Operations Research An Introduction. London : Pearson

Telunjuk.com. (2020). Harga 3m Masker 8210 N95 Murah Terbaru. Diambil pada tanggal 12
Mei 2020 dari https://www.telunjuk.com/c/3m-masker-8210-n95-
e37377424570fae69c66a23effef355b

Website Deepas. (n.d). Diambil pada tanggal 30 April 2020, dari http://cahare.sh-original-
media.com/n95-mask-size-chart/

48
 LAMPIRAN

LAMPIRAN A : LEMBAR ASISTENSI 1

Kelompok : 5
Asisten : Jannata Aliya (13416068)
Anggota Kelompok
1. Kefira A. Sutantio (13418001)
2. Rizana Salsabila (13418006)
3. Monica Nanda H. (13418010)
4. Dinda Naurah T. (13418028)
5. Vabila Magareta (13418039)
Tanggal Asistensi: 27 April 2020
Catatan:
1. Pada flowchart metodologi, sertakan tools dan model referensi yang digunakan pada
setiap step.
2. Pada latar belakang diperjelas rencana PT. Sritex dalam produksi masker medis ke
depannya.
3. Gunakan tools pada latar belakang dan formulasi masalah untuk pencarian root cause.
4. Informasi yang diperoleh tidak perlu disajikan secara keseluruhan di laporan, hanya
perlu di-state saja dan selebihnya boleh dilampirkan.
5. Perhatikan cara penulisan nama tabel dan gambar, serta penulisan daftar pustaka.
6. Komponen model matematis dituliskan dalam bentuk narasi, dapat berupa tabel tapi
tidak mengandung notasi karena notasi akan dijelaskan pada bab berikutnya.
7. Bab 2 isinya adalah teori dari metode yang digunakan dan reference ke daftar pustaka.
8. Bab 3 berisi deskripsi sistem atau environment-nya bukan tentang masalahnya lagi,
misalnya tabel data-data produksi, grafik pertumbuhan demand, tentang PT. Sritex itu
sendiri yang dituliskan secara narasi/deskripsi.

49
 LAMPIRAN B : LEMBAR ASISTENSI 2

Kelompok : 5
Asisten : Jannata Aliya (13416068)
Anggota Kelompok
1. Kefira A. Sutantio (13418001)
2. Rizana Salsabila (13418006)
3. Monica Nanda H. (13418010)
4. Dinda Naurah T. (13418028)
5. Vabila Magareta (13418039)
Tanggal Asistensi: 5 Mei 2020
Catatan:
1. Bab 4 berisi notasi model matematis dalam bentuk tabel dan model referensi yang
digunakan.
2. Pada model referensi dimasukkan teori model yang digunakan yaitu teori model branch
and bound.
3. Notasi model matematis berisi notasi-notasi yang digunakan untuk melambangkan
setiap komponen model yang dikembangkan.
4. Formulasi model berisi model matematis yang dibuat dengan menggunakan notasi yang
telah didefenisikan sebelumnya.
5. Perhatikan penulisan equation, pastikan sudah benar dan rapi.

50
 LAMPIRAN C : LEMBAR ASISTENSI 3

Kelompok : 5
Asisten : Jannata Aliya (13416068)
Anggota Kelompok
1. Kefira A. Sutantio (13418001)
2. Rizana Salsabila (13418006)
3. Monica Nanda H. (13418010)
4. Dinda Naurah T. (13418028)
5. Vabila Magareta (13418039)
Tanggal Asistensi: 12 Mei 2020
Catatan:
a. Bab 5 berisi verifikasi model matematis, analisis sensitivitas, rekomendasi kebijakan
atau implikasi manejerial yang disarankan kepada perusahaan.
b. Analisis sensitivitas berisi angka-angka perhitungan yang dilakukan di LINGO saja dan
hanya perlu menyatakan binding atau non binding.
c. Ditambahkan subbab validasi model yang berisi perbandingan antara solusi optimal
yang diperoleh dan kondisi existing yaitu saat perusahaan tidak memproduksi masker
medis.
d. Pada rekomendasi kebijakan, ditarik kesimpulan dari analisis yang telah dilakukan dan
berikan saran berupa rekomendasi kebijakan yang dapat diterapkan perusahaan.
e. Kesimpulan terdiri dari dua bagian yaitu kesimpulan penelitian dan kesimpulan
metodologi.

51
LAMPIRAN D : Data Karyawan PT. Sritex Tbk. 2018

52
LAMPIRAN E : Produksi Setiap Segmen PT. Sritex Tbk. 2019

53