LAPORAN

PRAKTIKUM

KOMPUTER TERAPAN

OLEH

NAMA : NUR INDA APRPILIA

NIM : 561415001
PRODI : S1 TEKNIK INDUSTRI

UNIVERSITAS NEGERI GORONTALO

FAKULTAS TEKNIK

JURUSAN TEKNIK INDUSTRI

2020
 DAFTAR ISI

HALAMAN JUDUL...............................................................................................i

LEMBAR PENGESAHAN...................................................................................ii

SURAT PERNYATAAN......................................................................................iii

DAFTAR ISI.........................................................................................................iv

NOMEN KLATUR................................................................................................v

KATA PENGANTAR...........................................................................................vi

BAB 1 PENDAHULUAN

1.1 Latar Belakang.............................................................................................1

1.2 Tujuan..........................................................................................................3

1.3 Manfaat........................................................................................................3

BAB II ISI LAPORAN

Modul 1 Linear Programing............................................................................11

Modul 2 Assignment Method...........................................................................20

Modul 3 Transportation Method.....................................................................26

Modul 4 Forecasting........................................................................................35

Modul 5 Linear Programing dengan LINDOdan POM-QM Transportation

Method dengan LINDOdan POM-QM.............................................................57

Modul 6 Assignment Method dengan LINDOdan POM-QM...........................60

Modul 7 Transportation Method dengan LINDOdan POM-QM.....................65

Modul 8 Breakeven / CostVolume Analysis.....................................................79

Modul 9 Inventory............................................................................................86
BAB III PENUTUP

3.1 Kesimpulan..............................................................................................150

3.2 Saran........................................................................................................151

DAFTAR PUSTAKA
 NOMEN KLATUR

Lambang Aplikasi Perintah Fungsi

POM QM SOLVE Memecahkan

masalah soal
POM QM OPEN Membuka file

kerja yang telah

disimpan

POM QM NEW Membuat

lembar kerja baru

POM QM SAVE Menyimpan

lembar kerja

POM QM AUTOSIZE Mengubah

COLUMNS ukuran kolom

POM QM INSERT Memasukan

COLOMNS kolom baru

POM QM INSERT Memasukan

ROWS baris baru

POM QM HELP Bantuan

informasi tentang
 aplikasi

Lambang Aplikasi Perintah Fungsi

LINDO61 FILE Membuka file
yang telah
disimpan

LINDO61 EDIT Mengubah data

inputan
LINDO61 SOLVE Memecahkan
masalah soal
LINDO61 WINDOW Membuka
jendela solusi
REBA / RULA LOAD Memuat gambar
PICTURE analisis
REBA REBA Peninjauan
OVERVIEW gambar analisis
RULA RULA Peninjauan
OVERVIEW gambar analisis
REBA / RULA VIEW Melihat hasil
RESULTS analisis skor
REBA / RULA EXIT Keluar

KATA PENGANTAR

Alhamdulillah pujisyukur kami sampaikan atas segala rahmat dan hidayah

Allah SWT yang telah diberikan kepada penyusun, sehingga dapat menyelesaikan

laporan praktikum ini dengan baik, sholawat beserta salam semoga senantiasa
tercurah kepada nabi Muhammad SAW, dan semoga mendapat safaat-Nya kelak

dikemudian hari.

Penyusunan laporan praktikum ini tentunya taklepas dari berbagai pihak yang

membimbing dan mengarahkan kami dalam penyelesaian laporan praktikum ini,

untuk itu tak lupa kami ucapkan terima kasih kepada:

1. Bapak Abdul Rasyid, ST Selaku dosen pengampuh mata kuliah computer

terapan.

2. Asisten dosen yang telah membimbing selama dalam proses praktikum mata

kuliah computer terapan

Akhirnya saya hanya dapat mengucapkan Alhamdulillahirobilalamin atas

terselesainya laporan praktikum,semoga laporan praktikum ini bermanfaat, amin.

Gorontalo Mei 2020

Penyusun

BAB I
PENDAHULUAN
1.1 Latar Belakang
Komputasi terapan menggunakan aspek ilmu komputer untuk memecahkan

masalah dalam berbagai disiplin ilmu, termasuk politik, bisnis, pendidikan dan
lingkungan yang menggunakan berbagai teknik pemrograman, rekayasa perangkat

lunak, aplikasi grafis, jaringan dan kemampuan manajemen sistem operasi untuk

mengumpulkan, menganalisa, menyimpan dan mendistribusikan informasi yang akan

membantu menyelesaikan masalah bagi individu, kelompok dan perusahaan.

Software pendukung komputer terapan adalah POM-QM For Windows,

Lingo, Lindo, Reba dan Rula. Macam-macam software pendukung komputer terapan

antara lain :

1. Software POM-QM for Windows adalah sebuah software yang dirancang untuk

melakukan perhitungan yang diperlukan pihak manajemen untuk mengambil

keputusan di bidang produksi dan pemasaran. Software ini dirancang oleh

Howard J. Weiss tahun 1996 untuk membantu manager produksi khususnya

dalam menyusun peramalan dan anggaran untuk produksi bahan baku menjadi

produk jadi atau setengah jadi dalam proses pabrikasi.

2. LINGO adalah alat kompreshensif yang dirancang untuk membuat bangunan dan

pemecahan model pengoptimalan Linear, Nonlinier, Ekskavator, Nonorder,

Quadratic, Quadratic Constrained, Second Order Cone, Semi-Definite,

Stochastic, dan Integer lebih cepat, lebih mudah dan lebih efisien.

3. LINDO adalah sebuah paket program UnderWindows yang bisa digunakan untuk

mengolah kasus pemrograman linier, dilengkapi dengan berbagai perintah yang

memungkinkan pemakai menikmati kemudahan-kemudahan di dalam

memperoleh informasi maupun mengolah data atau memanipulasi data.

4. REBA(Rapid Entire Body Assessment) adalah sebuah metode dalam bidang

ergonomi yang digunakan secara cepat untuk menilai postur leher, punggung,

lengan, pergelangan tangan, dan kaki seorang pekerja. REBA lebih umum, dalam

penjumlahan salah satu sistem baru dalam analisis yang didalamnya termasuk

faktor-faktor dinamis dan statis bentuk pembebanan interaksi pembebanan

perorangan, dan konsep baru berhubungan dengan pertimbangan dengan sebutan

“The Gravity Attended” untuk mengutamakan posisi dari yang paling unggul.

5. RULA (Rapid Upper Limb Assessment) adalah sebuah metode untuk menilai

postur, gaya dan gerakan suatu aktivitas kerja yang berkaitan dengan

penggunaan anggota tubuh bagian atas (upper limb). Metode ini dikembangkan

untuk menyelidiki resiko kelainan yang akan dialami oleh seorang pekerja dalam

melakukan aktivitas kerja yang memanfaatkan anggota tubuh bagian atas (upper

limb).

1.2 Tujuan

Diharapkan setelah praktikum ini mahasiswa sebagai praktikan dapat :

1. Mengenal software pendukung komputer terapan dan tools yang

disediakannya

2. Mampu mengolah data dengan software pendukung

3. Mampu memecahkan masalah yang sering dihadapi sehari-hari dengan

bantuan software pendukung

1.3 Manfaat
Adapun manfaat dari praktikum ini yaitu :

1. Praktikan dapat mengoperasikan software pendukung seperti POM-QMfor

windows , LINDO , REBA , dan RULA.

2. Praktikan dapat menampilkan solusi masalah melalui software pendukung.

3. Praktikan mampu menampilkan solusi masalah melalui gambar visual / grafik

melalui tools software pendukung.

 BAB II

ISI MODUL

MODUL I

LINEAR PROGRAMING

1.1 Dasar Teori

 Linear Programing (LP) adalah salah satu metode untuk menyelesaikan
masalah optimasi. Masalah optimalisasi produksi menjadi salah satu masalah yang
paling populer diselesaikan dengan LP. Tujuan yang ingin dicapai biasanya
memaksimumkan keuntungan dan meminimasi biaya produksi.
Pemrograman linier merupakan metode matematik dalam mengalokasikan
sumber daya yang terbatas untuk mencapai suatu tujuan seperti memaksimumkan
keuntungan dan meminimumkan biaya. Program linier banyak diterapkan dalam
masalah ekonomi, industri, militer, sosial dan lain -lain. Program linier berkaitan
dengan penjelasan suatu kasus dalam dunia nyata seb agai suatu model matematik
yang terdiri dari sebuah fungsi tujuan linier dengan beberapa kendala linier.

1.1.1 Model Linear Programing

Ciri khas model linear programming ialah bahwa linear programming

tersebut didukung oleh macam-macam asumsi yang menjadikan sebagai tulang
punggung model tersebut. Asumsi tersebut antara lain ialah sebagai berikut :

 Propotionality
Pada Asumsi ini ialah bahwa naik turunnya nilai z dan juga penggunaan faktor-
faktor produksi yang tersedia akan dapat berubah secara sebanding atau sejajar
(proposional) pada perubahan tingkat kegiatan.

 Additivity
Pada Asumsi ini ialah bahwa nilai tujuan pada tiap kegiatan tidak saling
mempengaruhi satu sama lain, atau dalam linear programming tersebut
dianggap bahwa suatu kenaikan nilai tujuan yang diakibatkan oleh kenaikan
suatu kegiatan(proses) dapat ditumbuhkan dengan tidak harus mempengaruhi
nilai Z yang diperoleh dari kegiatan lain.

 Divisibility
Pada Asumsi ini menyatakan bahwa suatu keluaran (output) yang dihasilkan
 oleh suatu kegiatan(proses) dapat berupa suatu bilangan pecahan, demikian
juga dengan nilai Z yang dihasilkan.

 Deterministic (certainty)
Pada Asumsi ini menyatakan bahwa semua parameter yang terdapat didalam
model linear programming (aij, bj, cj ) tersebut dapat diperkirakan dengan pasti
walaupun jarang digunakan tepat.

1.1.2Fungsi Linear Programming

Dalam model linear programming dikenal 2 macam fungsi :

1. Fungsi Tujuan (objective Function)
Fungsi tujuan ialah fungsi yang menggambarkan suatu tujuan ataupun sasaran
ataujuga target didalam suatu permasalahan linear programming yang berkaitan
dengan suatu peraturan dengan secara optimal sumber daya (resource) untuk
memperoleh suatu keuntungan yang maksimal.

2. Fungsi Batasan (Constraint Function)
Fungsi ialah suatu bentuk penyajian dengan secara sistematis batasan-batasan suatu
kapasitas yang tersedia akan dapat dialokasikan secara optimal. Masalah linear
programming tersebut dapat dinyatakan ialah sebagai proses optimisasi suatu fungsi
tujuan didalam bentuk  Memaksimumkan ataupun meminimumkan.

1.2 Tugas Mandiri

PT. Tatikucant memproduksi 2 macam produk yang dikerjakan secara
manual. Setiap unit produk I memerlukan waktu 20 menit pada proses 2 dan 24
menit pada proses 3, sedangkan setiap unit produk II memerlukan waktu 15 menit
pada proses 1, 16 menit proses 2, dan 30 menit proses 3. Produk I memberikan
 keuntungan sebesar Rp.170/unit dan Rp.190/unit untuk produk II. Jam kerja per
hari yang tersedia untuk proses 1, 2, dan proses 3 masing-masing 1050 menit, 1600
menit, dan 2400 menit. Berapakah jumlah produk I dan II harus diproduksi agar
keuntungan maksimal ?

Penyelesaian :

Persoalan tersebut dapat ditabulasikan sebagai berikut:

Proses Produk I Produk II Kapasitas (menit)

1 - 15 1050

2 20 16 1600

3 24 30 2400

Keuntungan 170 190

2.2 Jawaban

1. Linear Programming Result

 Gambar 1. Hasil penyelesaian berdasarkan linear Programming Result

Analisis data gambar 1.

Pada liniear programing result, terlihat bahwa solusi untuk kasus ini adalaha produk
sebesar 44.44, dan Produk 2 sebesar 44.44 buah sehingga memperoleh keuntungan
maksimal sebesar Rp 16.000.
2. Ranging

Gambar 2. Hasil berdasarkan berdasarkan Ranging

Analisis data gambar 2.

Pada tabel ranging dapat terlihat bahwa  :

-  Value
 Keuntungan maksimal dapat dicapai ketika produksi produk 1= 44 buah dan
produk 2 = 44 buah.

-  Dual value

Keuntungan ganda hanya ada pada proses 2 dengan keuntungan = 3 dan pada
proses 3 dengan keuntungan = 5.

-  Lower bound dan Upper Bound adalah batas atas dan batas bawah.

3. Solution list

Gambar 3. Hasil penyelesaian berdasarkan Solution list

Analisis Data gambar 3.

Pada tabel solusion list terlihat bahwa :

-    Value

Produksi optimal untuk profit maksimal produk 1 = 44.4445 dan produk 2 =

44.4444. Menghasilkan keuntungan (Z sebesar 16.000 )

-      Status

Basic adalah variabel yang masuk ke dalam iterasi. Pada kasus diatas yang
menjadi  variabel basic yaitu produk 1, produk 2 dan slack 1.
4. Dual

Gambar 4. Hasil penyelesaian berdasarkan Dual

Analisis data gambar 4.

1. Pada original problem

Pada proses 1 dan produk menghasilkan 0, produk 2 menghasilkan 15.

Pada proses 2 dan produk 1 menghasilkan 20 produk 2 menghasilkan 16.

Pada proses 3 dan produk 1 menghasilkan 24, produk 2 menghasilkan 30.

2. Pada dual problem

Pada minimize proses 1 1050, Proses 2 1600 dan proses 3 2400

5. Iteration
 Gambar 5. Hasil penyelesaian berdasarkan Iteration

Analisis datagambar 5.

Pada tabel iterasi terlihat bahwa terjadi 4 kali iterasi. Hal tersebut berarti
untuk dapat mencapai kombinasi angka optimum diperlukan 4 kali langkah
komputasi.

Dengan kuantitas iterasi 1 = 0, kuantitas iterasi 2 = 13.300, kuantitas

iterasi 3 = 15.425 dan kuantitas iterasi 4 = 16.000

6. Graph
 Gambar 6. Hasil penyelesaian berdasarkan Graph

Analisis data gambar 6.

Pada graph terlihat bahwa :

1.  Corner point adalah kombinasi yang dapat dilakukan perusahaan profit maksimal
yaitu produk 1 = 80 dan produk 2 = 70 dengan constrains produk 1 adalah
44.4444 dan produk 2 adalah 44.44444 dengan nilai Z 16.000

2.  Isoprofit line adalah garis dimana tercapainya profit maksimal

3.  Daerah yang diarsir disebut feasible area yaitu batas yang mungkin
untuk pengalokasian sumberdaya produksi yang ada dengan waktu yang tersedia.

1.4 Kesimpulan
Dari hasil yang didapatkan disimpulkan bahwa hasil dari perhitungan diatas
terlihat bahwa solusi untuk kasus ini adalah jaket sebesar 0 buah dan celana sebesar
90 buah dan nilai Z nya yaitu 5400.000.Dalam kombinasi kedua jenis makanan
tersebut menghasilkan nilai dual sebesar 6000. Selain itu aplikasi POMQM dapat
menampilkan 5 tampilan yaitu linear programing, results, ranging, solution list,
iteration, dan graph.
MODUL II
 ASSIGNMENT METHOD

2.1 Dasar Teori

Assigment Method (metode/model penugasan) terjadi pada beberapa konteks

manajemen. Pada umumnya adalah masalah untuk menentukan penugasan yang
optimal (berbiaya tota minimal) dari sejumlah orang/agen atau obyek pada sejumlah
pekerjaan. Misalnya bagaiman menempatkan beberapa jenis pekerjaan pada
beberapa stasiun kerja bila tiap-tiap jenis pekerjaan pada masing-masing stasiun kerja
membutuhkan biaya yang berbeda-beda, atau misalnya bagaimana menempatkan
sejumlah orang untuk bekerja pada beberapa kota jika masing-masing orang
memerlukan tunjanagn hidup yang berbeda-beda pada kota yang berlainan. Batasan
yang paling penting adalah bahwa setiap setiap agen/orang hanya dapat menempati
satu jenis pekerjaan yang tersedia, artinya setiap agen/orang akan menempati satu
pekerjaan. Bisa jadi jumlah agen/orang kurang dari jumlah pekerjaan sehingga ada
pekerjaan yang tidak dikerjakan oleh siapapun (dikerjakan oleh ‘’agen bayangan’’/
dummy), atau jumlah agen/orang lebih dari jumlah pekerjaan, artinya aka nada
agen/orang yang mengerjakan ‘’pekerjaan bayangan’’/dummy alias mengaggur.

Assignment termasuk dalam model transportasi, yakni metode analisis

mengenai masalah pendistribusian sejumlah produk atau komoditas dari beberapa
sumber distribusi (supply) kepada beberapa daerah tujuan (demand) dengan
berpegang pada prinsip biaya distribusi minimal, ataupun juga untuk mencari
pendapatan maksimal dari strategi distribusi komoditi yang mempunyai keuntungan
tertentu. Salah satu metode yang digunakan untuk Assignment adalah Metode
Hungarian. Pada Metode Hungarian, jumlah sumber-sumber yang ditugaskan harus
sama persis dengan jumlah tugas yang akan diselesaikan. Setiap sumber harus
ditugaskan hanya untuk satu tugas. Jadi masalah penugasan akan mencakup sejumlah
sumber yang mempunyai n tugas, sehingga ada n! ( n faktorial ) kemungkinan.
 Tujuan dari model Assignment ini adalah untuk mendapatkan total biaya
minimum dalam pembebanan pekerjaan kepada mesin-mesin yang tersedia. Secara
matematis dapat dinyatakan sebagai berikut :

Pembebanan m pekerjaan atau pekerja (i = 1, 2, 3 … , m) kepada n mesin (j =

1, 2, 3, … , n) dengan biaya sebesar cij.

- Model Matematis Dari Assignment Problem

1. Masalah minimisasi
Bagaimana menugaskan karyawan untuk menyelesaikan pekerjaan agar total
biaya pekerjaan minimum. Langkah-langkah :

a. Menyusun tabel biaya

b. Melakukan pengurangan baris, dengan cara :
- Memilih biaya terkecil setiap baris.
c. Melakukan pengurangan kolom.
d. Membentuk penugasan optimum.
e. Melakukan revisi tabel.
2. Jumlah pekerjaan tidak sama dengan jumlah karyawan
Bila jumlah pekerjaan lebih besar dari jumlah karyawan, maka harus
ditambahkan karyawan semu (dummy worker).

3. Masalah maksimisasi
Dalam masalah maksimisasi, elemen-elemen matriks menunjukkan tingkat
keuntungan. Efektivitas pelaksaan tugas oleh karyawan diukur dengan jumlah
kontribusi keuntungan.

Langkah-langkah :

a. Seluruh elemen dalam setiap baris dikurangi dengan nilai maksimum dalam baris
yang sama. Prosedur ini menghasilkan Matriks Opportunity Loss. Matriks ini
sebenarnya bernilai negatif.
b. Meminimumkan Opportunity-loss dengan cara mengurangi seluruh elemen
dalam setiap kolom ( yang belum ada nolnya ) dengan elemen terkecil dari kolom
tesebut.
2.2 Tugas mandiri

Ada 5 (lima) orang pegawai suatu perusahaan yang masing-masing akan

ditempatkan menjadi kepala bagian pemasaran di suatu kota tertentu. Ada 5 (lima)
kota yang membutuhkan kepala bagian, dan masing-masing dari 5 orang yang
tersedia. Berdasarkan pertimbangan tertentu menghendaki penugasan jabatan yang
berbeda seandainya ditempatkan pada kota-kota tersebut.

Tabel menunjukan besarnya biaya penugasanpenugasan jabatan yang

dikehendaki oleh masing-masing orang pada tiap kota yang berbeda.

Orang 1 Orang 2 Orang 3 Orang 4 Orang 5

Kota 1 240 100 210 250 130
Kota 2 140 220 100 210 240
Kota 3 150 170 200 180 230
Kota 4 120 210 160 190 150
Kota 5 260 110 180 170 140

2.3 Hasil dan analisis

Table 1. Input data

1. Assignments result
 Table 2. Hasil dari penyelesaian berdasarkan Assignments result

Analisis :

Tabel di atas yakni output assignment. Pada tabel tersebut kita telah
mengetahui optimal solutionnya 640, dan kota 4 pada orang 1 assign 120, kota 5 pada
orang 2 assign 110, kota 2 pada orang 3 assign 100, kota 3 pada orang 4 assign 180,
kota 1 pada orang 5 assign 130 adalah posisi tugas masing-masing.

2. Marginal Cost

Table 3. Hasil penyelesaian berdasarkan Marginal Cost

Analisis:
 -Marginal cost merupakan tambahan atau penurunan biaya yang terjadi jika
penugasan yang diinginkan tidak sesui dengan tabel solution.

- Margin cost untuk penugasan orang 1 jika dipaksakan untuk dilakukan oleh kota 1
dan kota 5 maka akan mengurangi biaya sebesar 110 dan 120.

- Margin cost untuk penugasan orang 2 jika dipaksakan ditugaskan kepada kota 1,

kota 2, kota 3 dan kota 4 maka akan mengurangi biaya sebesar 0, 110, 50 dan 120.

- Margin cost untuk penugasan orang 3 jika dipaksakan ditugaskan kepada kota 1,

kota 3, kota 4 dan kota 5 maka akan mengurangi biaya sebesar 120, 90, 80 dan 80.

- Marginal cost untuk penugasan orang 4 jika dipaksakan untuk ditugaskan kepada

kota 1, kota 2dan kota 4 maka akan mengurangi biaya sebesar masing-masing 90, 40,
dan 40.

- Marginal cost untuk penugasan orang 5 jika dipaksakan untuk ditugaskan kepada

kota 2, kota 3 dan kota 4 maka akan mengurangi biaya sebesar masing-masing
100,80, dan 3.

3. Assignment List

Table 4. Hasil penyelesaian berdasarkan Assignment list

Analisis :
Assignment list, menunjukkan penempatan tiap-tiap orang beserta biayanya :

1. Orang 5 di tempatkan di kota 1 dengan biaya 130

2. Orang 3 di tempatkan di kota 2 dengan biaya 100

3. Orang 4 di tempatkan di kota 3 dengan biaya 180

4. Orang 1 di tempatkan di kota 4 dengan biaya 120

5. Orang 2 di tempatkan di kota 5 dengan biaya 110

Maka total cost = 640

2.4 Kesimpulan
Dari hasil analisis tersebut dapat disimpulkan bahwa dalam memecahkan
permasalahan menggunakan aplikasi POM-QM memiliki hasil (solusi) yaitu dengan
melakukan penempatan tempat terhadap orang 1 sampai orang 5. Dari analisis
bahwa Assignment list menunjukan biaya penempatan yaitu:
- Orang 5 di tempatkan di kota 1 dengan biaya 130
- Orang 3 di tempatkan di kota 2 dengan biaya 100
- Orang 4 di tempatkan di kota 3 dengan biaya 180
- Orang 1 di tempatkan di kota 4 dengan biaya 120
- Orang 2 di tempatkan di kota 5 dengan biaya 110.
Total biaya yang didapatkan sebesar 640.

MODUL III
 TRANSPORTATION METHOD

3.1 Dasar Teori

Metode Transportasi adalah suatu metode yang digunakan untuk mengatur
distribusi dari sumber – sumber yang menyediakan produk – produk yang sama di
tempat- tempat yang membutuhkan secara optimal. Alokasi produk ini harus diatur
sedemikian rupa karena terdapat perbedaan biaya transportasi (alokasi) dari suatu
sumber ke beberapa tujuan yang berbeda – beda dan dari beberapa sumber ke suatu
tujuan juga berbeda – beda.
Ada tiga macam metode dalam metode transportasi:
- Northwest Corner Method
- Minimum Cost Method
- Vogel’s Approximation Method
3.1.1  Northwest Corner Method
Metode Northwest Corner merupakan suatu cara untuk menentukan solusi
awal yang pengalokasiannya dimulai dari pojok barat laut (northwest corner).
Selanjutnya pengalokasian dilakukan pada kotak Xij+1 bila permintaan ke j telah
terpenuhi atau pada kotak Xi+1j bila penawaran ke telah terpenuhi.Kita ambil contoh
tabel di bawah :
 Pengalokasian pada metode northwest dimulai dari kotak paling kiri atas,
yaitu pengalokasian sebanyak mungkin tanpa melanggar batasan yang ada, yaitu
jumlah supply dan demandnya. Pada tabel di atas jumlah supply-nya adalah 70 dan
jumlah demand-nya adalah 125.Jadi untuk kotak ini dapat dialokasikan sejumlah 70
(terkecil antara supply dan demand). Selanjutnya kita lihat supply dari Inggris sudah
digunakan semua tetapi permintaan untuk produksi gandum belum dipenuhi semua,
sehingga pengalokasian berikutnya adalah pada kotak (2,1). Untuk kotak ini, jumlah
supplynya adalah 110 dan jumlah demandnya adalah 125-70=55.Jadi pada kotal ini
dapat dialokasikan sejumlah 55. Sekarang terlihat bahwa demand untuk produksi
gandum telah terpenuhi semua, tetapi supply yang disediakan oleh Perancis belum
semuanya digunakan, sehingga pengalokasian berikutnya adalah pada kotak (2,2).
Untuk kotak (2,2) ini besarnya demand adalah 60 dan besarnya supply adalah 110 –
55 = 55. Jadi pada kotak ini dapat dialokasikan sejumlah 55. Ini berarti supply dari
Perancis sudah digunakan semua, tetapi demand untuk produksi barley belum
semuanya terpenuhi, sehingga pengalokasian berikutnya adalah pada kotak (3,2).
Untuk kotak (3,2) disediakan supply sebesar 80 dan mempunyao demand sebesar 60-
55=5. Jadi pada kotak ini dapat dialokasikan sejumlah 5.Sekarang terlihat bahwa
produksi gandum dan barley sudah dipenuhi semua. Yang tersisa adalah supply dari
Spanyol dan demand untuk produksi oat, sehingga pengalokasian berikutnya adalah
pada kotak (3,3). Supply yang tersedia untuk kotak ini sebesar 80-5=75 dan demand
yang diminta sebesar 75, sehingga kita dapat alokasikan sebesar 75. Ini berarti semua
supply telah digunakan dan semua deman telah terpenuhi. Berikut merupakan tabel
hasil penentuan solusi awal :
3.1.2 Minimum Cost Method
Menurut Render dan Heizer (2005, p634), “Metode Minimum Cost adalah metode
yang membuat alokasi berdasarkan kepada biaya yang terendah. Metode ini
merupakan sebuah pendekatan yang sederhana, yang menggunakan langkah-langkah
berikut:
1) Identifikasi sel dengan biaya yang paling rendah. Pilih salah satu jika terdapat
biaya yang sama.
2) Alokasikan unit sebanyak mungkin untuk sel tersebut tanpa melebihi pasokan atau
permintaan. Kemudian coret kolom atau baris itu (atau keduanya) yang sudah
penuh terisi.
3) Dapatkan sel dengan biaya yang paling rendah dari sisa sel (yang belum dicoret).
4) Ulangi langkah ke 2 dan 3 sampai semua unit habis dialokasikan.
Menurut Siswanto (2006, p271), Metode Minimum Cost adalah sebuah metode
untuk menyusun tabel awal dengan cara pengalokasian distribusi barang dari sumber
ke tujuan mulai dari sel yang memiliki biaya distribusi kecil.
3.1.3 Vogel’s Approximation Method
Teknik pengerjaan pada metode ini berbeda dengan dua metode sebelumnya
yaitu metode transportasi Stepping Stone dan MODI dimana untuk mendapatkan
solusi yang optimal dilakukan berulang-ulang sampai kondisi optimal tersebut
terpenuhi.  Sedangkan pada metoda VAM ini, sekali kita menentukan alokasi pada
satu cell maka alokasi tersebut tidak berubah lagi.
Menurut Siswanto (2006, p279), langkah-langkah metode VAM dapat
diringkas sebagai berikut:
1) Buatlah matrik yang menunjukkan kebutuhan masing-masing sumber dan biaya
tranportasi per unit.
2) Carilah selisih antara dua biaya terkecil di masing-masing kolom baris.
3) Pilih selisih paling besar di antara selisih-selisih yang telah di hitung pada langkah
pertama.
 4) Sesuaikan penawaran dan permintaan untuk menunjukan alokasi yang sudah
dilakukan, hilangkan semua baris dan kolom di mana penawaran dan permintaan
telah habis.
5) jika semua penawaran dan permintaan belum di penuhi, kembali ke langkah satu,
jika semua penawaran dan permintaan solusi awal terperoleh.
Tujuan dari jalur ini adalah untuk mempertahankan kendala penawaran dari
permintaan sambil dilakukan alokasi ulang barang ke suatu kotak kosong, semua
variable non basis (kotak kosong) dievaluasi dengan cara yang sama untuk
menentukan apakah mereka akan menurunkan biaya dan arena itu jadi calon entering
variable, jika semua kotak kosong memiliki perubahan biaya positif, berarti solusi
telah optimum
Kelebihan :
1. metode yang lebih mudah dan lebih cepat untuk mengatur alokasi (dalam hal ini
adalah biaya transportasi) dari beberapa sumber ke daerah tujuan
2. hasil analisa dari metode ini sudah sangat optimal dibanding dengan metode –
metode lainnya
Kelemahan :
1. proses iterasi lebih rumit
pada metode VAM (Vogel’sApproximation Method) adalah setelah semua produk
telah dialokasikan, harus menguji sel bukan basis-nya apakah sudah memiliki nilai =
0. Hal tersebut dilakukan untuk menjamin bahwa total biaya benar- benar minimum.
3.2 TugasMandiri

Soal tentang biaya tranportasi

Sumber Tujuan Tujuan (pemasaran) Kapasit

as
(supply
)
Ambon Cirebon Makassar Pontianak Sukabumi
Sumber Jakarta 6 8 4 9 7 80
Bekasi 18 24 15 21 16 102
(pabrik)
Tanggerang 19 16 9 14 24 72
Medan 11 21 18 17 12 67

Bandung 9 14 13 8 15 41

Permintaan 80 102 72 67 41
(demand)

Tentukan total biaya transportasi.!

3.2.1 Hasil danAnalisis

1. Tranportation Shipment
 Gambar 1. Hasil penyelesaian berdasarkan transportation Shipments

1.1 Analisis Datagambar 1.

a. Pabrik 1harusmengsupplysebanyak56 kepemasaran 1
b. Pabrik 2 harusmengsupplysebanyak 41 kepemasaran2 dan 41
kepemasaran 3.
c. Pabrik 3harusmengsupplysebanyak 46 kepemasaran 1 dan 31
kepemasaran 2
2. Marginal Cost

Gambar 2. Hasil penyelesaian berdasarkan marginal cost

3.1 Analisis Data gambar 2.

Marginal cost merupakan tambahan biaya yang terjadi apabila kita

mengalokasikan tidak sesuai dengan tabel solution. Berdasarkan tampilan di
atas, bahwa kita akan mengeluarkan bahan biaya sebesar 3 apabila kita
memaksakan mengalokasikan dari pabrik 1 kepemasaran 2 (karena pada tabel
solution, pabrik 1 sama sekali tidak mengalokasikan kepemasaran 2 dan 3,
tapi hanya kepemasaran 1 Demikian seterusnya akan terjadi tambahan biaya
sebesar marginal costnya, apabila kita mengalokasikan tidak sesuai dengan
tabel solusi.

3. Final Solution Table

Gambar 3. Hasil penyelesian berdasarkan final solution table

3.1 Analisis Data gambar 3.

Final solution table menunjukan besarnya alokasi dari pabrik asal
(sumber) ketujuan pemasaran (destination)dan nilai marginal costnya,
dimana pada tampilan, besarnya lokasi ditunjukan oleh angka yang tidak
berada dalam kurung (warna biru) sedangkan marginal costnya ditunjukan
oleh angka yang berada dalam kurung (warna ungu)

4. Iteration
 Gambar 4. Hasil penyelesaian berdasarkan iteration

4.1 Analisis Data gambar 4.

Iterasi merupakan tahapan( perhitungan, sepertiperhitungan manual)
yang dilalui sehingga memperoleh solusi optimal. Berdasarkan tampilan di
atas pada permasalahan ini terdapat 3 iterasi untuk mencapai solusi optimal.

5. Shipments with cost

Gambar 5. Hasil penyelesaian berdasarkan shipments with cost

5.1 Analisis datagambar 5.

Shipments with cost menujukan besarnya lokasi dan biaya yang
diperlukan untuk pengalokasikan tersebut. Berdasarkan tampilan di atas, biaya
pengalokasikan dari pabrik 1 kepemasaran 1 adalah 448 (kapasitas
pengirimanX biaya pengiriman ) = 56 x 448 = 25.088. Demikian
seterusnya untuk mengalokasikan yang lain.
 6. Shipping list

Gambar 6. Hasil penyelesaian berdasarkan shipping list

6.1 Analisis Datagambar 6.

Shipping list menunjukan rincian pengalokasian, biaya per unit dan
biaya total tiap pengalokasia. Berdasarkan tampilan output di atas diketahui
bahwa dari pabrik 1 kepemasaran 1 dikirim sebesar 56 dengan biaya 448
sehingga biaya total untuk pengiriman tersebut adalah sebesar 25.088.
Demikian seterusnya untuk mengalokasikan dari sumber ketujuan yang lain,
jumlah yang dikirim, biaya perunit dan biaya total tiap pengalokasian tersebut
sesuai dengan yang tercantum pada shipping list.

MODUL IV
FORECASTING
4.1 Dasar Teori
 Peramalan (forecasting) merupakan proses untuk memperkirakan kejadian pada
masa yang akan datang. Peramalan juga merupakan seni dan ilmu memprediksi
peristiwa-peristiwa didepan. Peramalan memerlukan data historis dan
memproyeksikannya ke masa depan dengan beberapa bentuk model matematis.
Peramalan biasanya dikelompokkan dengan horizon waktu masa depan yang
mendasarinya dengan kategori sebagai berikut.

1. Peramalan jangka pendek (< 3 bulan)

2. Peramalan jangka menengah (3 bulan – 3 tahun)
3. Peramalan jangka panjang (> 3 tahun)

Metode secara umum dibagi 2 yaitu :

a) Kualitatif : metode delphi, jugment para ahli / opini eksekutif, survey

pasar konsumen
b) Kuantitatif : moving avarage, exponential smothing, trend projection,
linier regresion.

4.2 Tugas Mandiri

Data penjualan motor oleh PT Yamaha Motor Indonesia tahun 2017

Bulan Penjualan (unit) Bulan Penjualan (unit)

Januari 94 Agustus 124
Februari 94 September 124
Maret 98 Oktober 129
April 101 November 110
Mei 122 Desember 125
Juni 105
Juli 121
Berdasarkan data diatas, tentukanlah :
a. Ramalan penjualan pada januaritahun 2018 dengan metode Moving Average
b. Ramalan penjualan pada januari tahun 2018 dengan metode Weighted Moving
Average
c. Ramalan penjualan pada januaritahun 2018 dengan metode Exponential Smooting
d. Ramalan penjualan pada januaritahun 2018 dengan metode Exponential Smooting
with trend
e. Ramalan penjualan padajanuaritahun2018 dengan metode Trend Analysis
f. Ramalan penjualan pada januaritahun 2018 dengan metode Linear Regression

7.3 Jawaban

4.3.1 Moving Average

Diperoleh dengan merata- rata permintaan berdasarkan beberapa data masa lalu
yang terbaru. Tujuan dari penggunaan teknik ini adalah untuk mengurangi atau
menghilangkan variasi acak permintaan dalam hubungannya dengan waktu. Tujuan
ini dicapai dengan merata – merata beberapa nilai data secara bersama – sama dan
menggunakan nilai rata – rata tersebut sebagai ramalan permintaan untuk periode
yang akan datang.

1. Forcasting Results

2. Details and Error Analysis

3. Error as a Function of N
4. Control (Tracking Signal)

5. Graphic
4.3.2 Weighted Moving Average
Menurut Harinaldi pada aplikasi metode rata-rata bergerak tertimbang
(Weighted Moving Average), terlebih dahulu manajemen atau analisis data
menetapkan bobot dari data yang ada. Penetapan bobot dimaksud bersifat
subjektif,tergantung pada pengalaman dan opini analisis data.

1. Forecasting Results

2. Details and Error Analysis

3. Control (Tracking Signal)

4. Graphic
4.3.3 Exponential Smoothing
Exponential Smoothingjuga dikenal sebagai simple exponential smoothing
yang digunakan pada peramalan jangka pendek, biasanya hanya 1 bulan ke depan.
Model mengasumsikan bahwa data berfluktuasi di sekitar nilai mean yang tetap,
tanpa trend atau pola pertumbuhan konsisten.

1. Forecasting Results

2. Details and Error Analysis

3. Error as A Function of N
4. Detail Error Analaisis

5. Graphic
4.3.4 Exponential Smhooting with Trend
Exponential smoothing with trend requires two smoothing constants. A

smoothing constant, beta, for the trend is added to the model.

1. Forecasting Results

2. Details and Error Analysis

3. Control (Tracking Signal)

4. Graphic
4.3.5 Trend Analysis
Analisis trends merupakan suatu metode analisis statistika yang ditujukan untuk
melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk
melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi
(data) yang cukup banyak dan diamati dalam periode waktu yang relatif cukup
panjang, sehingga hasil analisis tersebut dapat mengetahui sampai berapa besar
fluktuasi yang terjadi dan faktor-faktor apa saja yang memengaruhi terhadap
perubahan tersebut.

1. Forecasting Results

2. Details and Error Analysis

3. Control (Tracking Signal)

4. Graphic
4.3.6 Linear Regression
Data linear regresi menggunakan data causal. Pada hasil perhitungan analisis,
linear regresi akan menampilkan datathe sales of umbrellas as a function of the
number of inches of rain” pada data berikut ini.

1. Forecasting Results

2. Details and Error Analysis

3. Control (Tracking Signal)

4. Graphic
4.3.7 Multiplicative Decompotion (seasonal)
1. Forecasting Results

2. Details and Error Analysis

 3. Control (Tracking Signal)
4. Graphic

4.3.8Addtive Decomposition (seasonal)

1. Forecasting Results
2. Details and Error Analysis

3. Control (Tracking Signal)

4. Graphic

4.4 Kesimpulan
 Forecasting result : menampilkan hasil akhir forecasting dengan ukuran dan
nilai tertentu, missal untuk demand periode berikutnya, atau koefisien
korelasi, dan lain sebagainya.
 Details and Error Analysis :menampilkan total rata-rata, nilai forecast, beta,
macam eror (bias, MAD, dan MSE)
 Graph : menampilkan grafik hasil forecasting sesuai metode yang dipilih.
Tabel 2. Rangkuman MAD, MSE, MAPE, Standart Error dan Forcast next period
 Forcast
Hasil MAD MSE MAPE Standart next period
Error
Moving
Avarage 9.36 148.27 0.8 13.46 125

Weighted 7.9 107.46 .07 11.59 115

Moving
Average

Exponential 8.7 114.54 .07 11.83 121.32

Smoothing

Exponential 7.64 117.8 .07 12 121.41

Smoothing
With trend
Trend
Analysis 6.61 59.47 .06 8.45 131.32

Linear
Regression 6.61 59.47 .06 8.45 131.32

Multiplicative
Decompotion 6.36 59.67 .06 9.46 132.21
(seasonal)
Addtive
Decompositio 6.4 59.03 .06 9.41 131.97
n (seasonal)

Berdasarkantabel diatas bahwa metode peramalan yang lebih akurat untuk

digunakan adalah metode peramalan trend analysis dan linear regressionkarena
memiliki tingkat standart error yang lebih kecil dibandingkan metode peramalan
lainnya, dengan metodetrend analysis dan linear regressionmemiliki hasil nilai
forecast next period sebesar 131.32 atau 132.
 MODUL V

LINEAR PROGRAMING METHOD DENGAN LINDO DAN POM

4.1 Dasarteori
Linear Programming (LP) adalah salah satu metode untuk menyesuaikan
masalah optimasi. Masalah optimalisasi produksi menjadi salah satu masalah yang
paling popular diselesaikan dengan LP. Dalam suatu penetapan jumlah dan juga jenis
produksinya yang harus dihasilkan oleh suatu perusahaan untuk periode tertentu
dapat menggunakan suatu metode linier programming. Dengan metode linier
programming tersebut perusahaan dapat menentukan kombinasi produk yang akan
dihasilkan oleh suatu perusahaan dengan kapasitas produksi yang
dipunyai perusahaan. Linear Programing Menurut Para Ahli yaitu:
 Menurut T. Hani Handoko (1999, p379)
 Linear Programing ialah suatu metode analitik paling terkenal dan yang
merupakan suatu bagian pada kelompok teknik-teknik yang disebut dengan
programisasi matematik.
 Menurut Sofjan Assauri (1999, p9)
pengertian linear Programing ialah suatu teknik perencanaan yang dengan
menggunakan model matematika dengan tujuan untuk menemukan kombinasi-
kombinasi produk yang terbaik didalam menyusun suatua lokasisum berdaya yang
terbatas guna untuk mencapai tujuan yang digunakan dengan secara optimal.
 MenurutZainal Mustafa, EQ danjuga Ali Parkhan (2000, p43)
Linear Programing ialah suatu cara yang lazim digunakan dalam pemecahan
suatu masalah pengalokasian sumber-sumber yang terbatas dengan secara optimal.
 MenurutZulianYamit (1996, p14)
Linear programming ialah metode ataupun teknik matematis yang digunakan
untuk dapat membantu manajer dalam pengambilan keputusan. Ciri khusus dalam
penggunaan metode matemati sini ialah berusaha untuk mendapatkanmaksimisasi
atau juga minimisasi.
4.1.1 Lindo
Lindo adalah sebuah paket program under windows yang bias digunakan
untuk mengelola kasus pemrograman linear, dilengkapi dengan berbagai perintah
yang memungkinkan pemakai menikmati kemudahan-kemudahan dalam memperoleh
informasi maupun mengelola data atau menetukan nilai optimal dengan
menggunakan beberapa tahapan yaitu:
 Menentukan model matematika berdasarkan data real
 Menetukan informasi program untuk lindo
 Membacahasil report yang dihasilkan oleh lindo.

4.2 TugasMandiri
PT. Tatikucant memproduksi 2 macam produk yang dikerjakan secara manual.
Setiap unit produk I memerlukan waktu 20 menit pada proses 2 dan 24 menit pada
 proses 3, sedangkan setiap unit produk II memerlukan waktu 15 menit pada proses
1, 16 menit proses 2, dan 30 menit proses 3. Produk I memberikan keuntungan
sebesar Rp.170/unit dan Rp.190/unit untuk produk II. Jam kerja per hari yang
tersedia untuk proses 1, 2, dan proses 3 masing-masing 1050 menit, 1600 menit,
dan 2400 menit. Berapakah jumlah produk I dan II harus diproduksi agar
keuntungan maksimal ?

Penyelesaian

Persoalan tersebut dapat ditabulasikan sebagai berikut:

Proses Produk I Produk II Kapasitas (menit)

1 - 15 1050

2 20 16 1600

3 24 30 2400

Keuntungan 170 190

4.3 Hasil Perhitungan Menggunakan Aplikasi Lindo

Gambar 4.3.1 Input data

 Dari tampilan hasil formulasi permasalahan optimasi di atas didapatkan hasil
sebagai berikut :

Gambar 4.3.2Hasil reports window

Dari hasil diatas dapat dilihat bahwa laba atau keuntungan total maksimum
16000.00.
 MODUL VI

ASSIGNMENT DENGAN LINDO DAN POM-QM

6.1 Tugas Mandiri
Ada 5 (lima) orang pegawai suatu perusahaan yang masing-masing akan
ditempatkan menjadi kepala bagian pemasaran di suatu kota tertentu. Ada 5 (lima)
kota yang membutuhkan kepala bagian, dan masing-masing dari 5 orang yang
tersedia. Berdasarkan pertimbangan tertentu menghendaki penugasan jabatan yang
berbeda seandainya ditempatkan pada kota-kota tersebut.

Tabel menunjukan besarnya biaya penugasan penugasan jabatan yang

dikehendaki oleh masing-masing orang pada tiap kota yang berbeda.

Orang 1 Orang 2 Orang 3 Orang 4 Orang 5

Kota 1 240 100 210 250 130
Kota 2 140 220 100 210 240
Kota 3 150 170 200 180 230
 Kota 4 120 210 160 190 150
Kota 5 260 110 180 170 140

6.2 Hasil Perhitungan Menggunakan Aplikasi Lindo

Gambar 6.2.1 Input data pada aplikasi Lindo

Setelah program Lindo dijalankan, maka akan diperoleh hasil pada reports
window sebagai berikut:
- Hasil Reports Window
 Gambar 6.2.2 Reports window

Analisis :
Dari gambar reports windows diatas, maka dapat diperoleh hasil analisisnya
sebagai berikut :
- Objective function valuenya yaitu 640.000
- Nilai dari variabel ke value
a. Dari variabel XA5= 1 nilai valuenya sebesar 130 didapatkan dari penugasan orang
5 kekota 1
b. Dari variabel XB3=1 nilai valuenya sebesar 100 didapatkan dari penugasan orang
3 kekota 2
c. Dari variabel XC4=1 nilai valuenya sebesar 180 didapatkan dari penugasan orang 4
kekota 3
d. Dari variabel XD1=1 nilai valuenya sebesar 120 didapatkan dari penugasan orang
1 kekota 4
e. Dari variabel XE2=1 nilai valuenya sebesar 110 didapatkan dari penugasan orang 2
kekota 5.

6.3 Hasil Perhitungan Menggunakan Aplikasi POM-QM

Table 1. Input data

1. Assignments result

Table 2. Hasil dari penyelesaian berdasarkan Assignments result

2. Marginal Cost
 Table 3. Hasil penyelesaian berdasarkan Marginal Cost

4. Assignment List

Table 4. Hasil penyelesaian berdasarkan Assignment list

6.4 Kesimpulan
Dari hasil analisis tersebut dapat disimpulkan bahwa dalam memecahkan
permasalahan yang sama menggunakan aplikasi Lindo dan POM-QM memiliki hasil
(solusi) yang sama yaitu dengan melakukan penempatan penugasan terhadap orang 1
sampai orang 5. Orang 5 di tempatkan di kota 1 dengan biaya $130,orang 3 di
tempatkan di kota 2 dengan biaya $100, orang 4 di tempatkan di kota 3 dengan biaya
$180, orang 1 di tempatkan di kota 4 dengan biaya $120, orang 2 di tempatkan di
kota 5 dengan biaya $110.Dan Total kemampuan yang didapatkan sebesar $640.
 Perbedaan dari kedua aplikasi tersebut adalah aplikasi lindo hanya
menampilkan hasil Report windows sedangkan POM-QM menampilkan 3 tampilan
yaitu Assigntment Result, Marginal Cost, dan Assigtment List. Selain itu, program
POM-QM lebih mudah dioperasikan dibandingkan program LINDO, pada aplikasi
LINDO diharuskan mampu mengasumsikan setiap persoalan menjadi sebuah fungsi
tujuan model matematika, ketika salah mengansumsikannya, maka program LINDO
akan mengalami error dan tidak akan dilakukan result.

MODUL VII

TRANSPORTATION METHOD DENGAN LINDO DAN POM

7.1 Tugas Mandiri

Tabel 1. Soal tentang biaya tranportasi

Tujuan Tujuan Pemasaran Kapasitas

(supply)
Sumber Ambon Cirebon Makassar Pontianak Sukabumi

Jakarta 6 8 4 9 7 80

Bekasi 18 24 15 21 16 102

Tanggerang 19 16 9 14 24 72

Medan 11 21 18 17 12 67

Bandung 9 14 13 8 15 41

Permintaan 80 102 72 67 41

Tentukan total biaya transportasi.!

7.2 Hasil Perhitungan Menggunakan Aplikasi Lindo

Gambar 7.1 Input data

Dari tampilan hasil formulasi permasalahan optimasi di atas didapatkan hasil

sebagai berikut :
Gambar 7.2 Hasil reports window

Analisis :
 Dari gambar reports windows diatas, maka dapat diperoleh hasil analisisnya
sebagai berikut :
- Objective function valuenya yaitu 4247.000
- Nilai dari variabel ke value
a. Dari variabel XA2=80, pengiriman sebanyak 80 dari bekasi kekota Cirebon
b. Dari variabel XB1=13, pengiriman sebanyak 13 dari bekasi kekota ambon
c. Dari variabel XB3=48, pengiriman sebanyak 48 dari bekasi kekota Makassar
d. Dari variabel XB5=41, pengiriman sebanyak 41 dari bekasi kekota sukabumi
e. Dari variabel XC2=22, pengiriman sebanyak 22 dari tagerang kekota Cirebon
f. Dari variabel XC3=24, pengiriman sebanyak 24 dari tangerang kekota makasar
g. Dari variabel XC4=26, pengiriman sebanyak 26 dari tagerang kekota pntianak
h. Dari variabel XD1=67, pengiriman sebanyak 67 dari medan kekota ambon
i. Dari variabel XE4=41, pengiriman sebanyak 41 dari bandung kekota Pontianak

- Reduce Cost (penambahan barang) pada variabel (kota)

a. XA1=2 ditambahkan dari jakarta kekota ambon
b. XA3=3 ditambahkan dari jakarta kekota makassar
c. XA4=3 ditambahkan dari jakarta kekota pontianak
d. XA5=5 ditambahkan dari jakarta kekota sukabumi
e. XB2=2 ditambahkan dari tanggerang kekota sukabumi
f. XB4=1 ditambahkan darimedan kekota cirebon
g. XC1=7 ditambahkan dari tanggerang kekota ambon
h. XC5=14 ditambahkan dari tanggerang kekota sukabumi
i. XD2=6 ditambahkan dari medan kekota ambon
j. XD3=10 ditambahkan dari medan kekota makassar
k. XD4=4 ditambahkan dari agen medan kekota pontianak
l. XD5=3 ditambahkan dari medankekota ambon
m. XE1=3 ditambahkan dari bandung kekota ambon
n. XE2=4 ditambahkan dari bandung kekota cirebon
o. XE3=10 ditambahkan dari bandung kekota makassar
p. XE5=11 ditambahkan dari bandung kekota sukabumi

7.3 Hasil Perhitungan

Table 1. Input data

Ada 5 output (tampilan) yang dihasilkan dari penyelesaian soal, dapat dipilih untuk
ditampilkan dari menu Windowsyaitu :

Northwest Corner Method

1. Transportasi result
 Table 2. Hasil penyelesaian berdasarkan transportation result

2. Marginal Cost

.
Table 3. Hasil penyelesaian berdasarkan marginal cost
3. Final Solution Table

Table 4. Final solution table

4. Iterations
 Table 5. Iteration

5. Shipments with cost

Tabl
e 6. Shipments With Costs
6. Shipping list

Table 7. Shipping list

Minimum Cost Method

- Transportation result

Table 8. Transportasi result

 - Marginal Cost

Table 9. Marginal cost

- Final Solution Table

 - Iteration

Table 11.Iteration
- Shipments With Costs

Ta
ble 12. Shipments With Costs
- Shipping List
 Table 13. Shipping list

Vogel’s Approximation Method

- Transportation result

Table 14. Transportation result

- Marginal Costs

Table 15. marginal costs

- Final Solution Table

Tabel 16. Final solution table

- Iterations

Table 17. Iterations

-
 - Shipments With Costs

Tabel 18. Shipments with costs

- Shipping List

Table 18. Shipping list

7. 4 Kesimpulan

Dari hasil analisis tersebut dapat disimpulkan bahwa dalam memecahkan

permasalahan yang sama menggunakan aplikasi Lindo dan POM-QM memiliki hasil
(solusi) yang sama yaitu dengan melakukan pengiriman sebanyak 9jalur transportasi
dengan biaya transportasi masing-masing sebesar $ 4247. Perbedaan dari kedua
aplikasi tersebut adalah aplikasi lindo hanya menampilkan hasil Report windows
sedangkan POM-QM menampilkan 3 metode yaitu Northwest Corner Method,
Minimum cost method, dan Vogel's Approximation Method dengan 6 tampilan yaitu
Transportation Result, Marginal Cost, Final Solution Table, iterasions, Shipments
With Costs dan Shipping List.

Selain itu, program POM-QM lebih mudah dioperasikan dibandingkan

program LINDO, pada aplikasi LINDO kita diharuskan mampu mengasumsikan
setiap persoalan menjadi sebuah fungsi tujuan model matematika, ketika kita salah
mengansumsikannya, maka program LINDO akan mengalami error dan tidak akan
dilakukan result.
 MODUL VIII

BREAKEVEN POINT

8.1 Dasar Teori

8.1.1 Analisis Titik Impas (Break Event Point/BEP)

Analisis biaya-volume-laba seringkali diartikan sebagai analisis titik impas. Hal
ini sangat disayangkan karena analisis titik impas hanyalah satu elemen dalam
analisis biaya-volume-laba, walaupun merupakan elemen yang penting.
Menurut Bustami (2006: 208) Analisis Break Even Point adalah :
“Suatucaraatauteknik yang digunakan oleh seorang manajer perusahaan untuk
mengetahui pada volume (jumlah) penjualan dan volume produksi berapakah suatu
perusahaan yang bersangkutan tidak menderita kerugian dan tidak pula memperoleh
laba”.
Secara ringkas dikatakan oleh Blocher; Chen; Cokins; Lin (2009: 392) bahwa
“Titik impas adalah titik ketika pendapatan sama dengan biaya total dan laba sama
dengan nol”. Disisi lain Bustami (2006: 208-209) mengemukakan bahwa: “analisis
biaya, volume, dan laba maupun titik impas akan memberikan hasil yang memadai
apabila asumsi berikut terpenuhi:

1. Perilaku penerimaan dan pengeluaran dilukiskan dengan akurat dan bersifat linier
sepanjang jangkauan (rentang) yang relevan.
2. Biaya dapat dipisah menjadi biaya tetap dan biaya variabel.
3. Efisiensi dan produktivitas tidak akan berabah.
4. Harga jual tidak akan mengalami perubahan.
5. Biaya-biaya tidak berubah.
6. Bauran penjualan tetap konstan.
 7. Tidak ada perbedaan yang signifikan (nyata) antara persediaan awal dan
persediaan akhir”.
Hubungan biaya-volume-laba dapat digambarkan secara grafik dengan
menyiapkan grafik biaya-volume-laba. Grafik biaya-volume-laba menekankan
hubungan biaya-volume-laba pada berbagai tingkat aktivitas. Pada grafik biaya-
volume-laba (CVP), volume per unit digambarkan dalam sumbu horizontal dan nilai
uang dalam sumbu vertikal.
8.2 Tugas Mandiri
PT Maju Mundur memiliki 2 opsi dalam penjualan dua macam kue pia dengan
biaya yang berbeda yakni sebagai berikut :
 Menjual kuepia tipe A seharga Rp.25.000 per unit. Diketahui bahwa biaya
pembuatan untuk membuat sebuah tempat jualan adalah sebesarRp.800.000
dengan komisi kepada sales sebesar Rp.350.000. Dengan demikian maka fixed
costnya sebesar Rp.700.000 Adapun variabel costnya terdiri dari kue pia rasa
jagung Rp.7.000, Rasa Coklat Rp.5.000, dan Rasa Kacang Coklat Rp.10.000
 Menjual kuepia tipe Bseharga Rp.25.000 per unit. Diketahui bahwa biaya
pembuatan untuk membuat sebuah tempat jualan adalah sebesarRp.700.000
dengan komisi kepada sales sebesar Rp.300.000 .Adapun variabel costnya terdiri
dari rasa jagung Rp.9.000, rasa coklat Rp.7000, dan ras kacang coklat Rp11. 000
Hitunglah :
1. Analysis Cost Volueme Analysispada produk tersebut.
2. Tentukan berapa jumlah barang yang harus dijual oleh perusahaan agar mendapat
titik impas dengan analisis Breakeven Analysis (cost vs Revenue).
3. Tentukan Multiproduct Break Even Analysis dengan menambahkan 1 produk
perbandingan.
8.3 Jawaban
8.3.1 Cost Volueme Analysis

Dari tabel diatas diketahui bahwa total fixed cost dari kedua tipe kue pia adalah
Rp. 1200000 dan Rp. 100000 dengan variabel cost sebesar Rp. 22.000 dan
Rp.27.000. Adapun unitnya yang akan dijual untuk mendapat titik impas yaitu
sebanyak 20 unit dengan memilih option 1 (Tipe A).
 2. Graph

Tampilan Graph, menunjukan secara grafik, hasil perhitungan Cost volume

Analysis. Tampilan ini hanya akan muncul jika soal yang diselesaikan 2 dimensi (bisa
digambarkan dengan grafik dengan sumbu x dan y)
8.3.2 Standard Breakeven
1. Breakeven Solution
 Dari tabel diatas diketahui bahwa total cost dari kue pia tipe Abreakevent points
pada cost type 140 units danpada costyaitu 3.780.000 dollasrs

2. Graph

Tampilan Graph, menunjukan secara grafik, hasil perhitungan Cost volume

Analysis. Tampilan ini hanya akan muncul jika soal yang diselesaikan 2 dimensi (bisa
digambarkan dengan grafik dengan sumbu x dan y)

8.3.3 Multiproduct
- Multiple Options
 Gambar 11.7 Input Data

Gambar 11.8 Breakeneven/Cost-Volume Analysis Results

Gambar 11.9 Grafik

Analisis:
BerdasarkanhasilpadatabelBreakeneven/Cost-Volume Analysis Results
dimananilaibreakeven points computer 1 vs computer 500.000 units, 44.000dollars.
Computer 1 vs computer 3300.000units, 30.000dollars. Dan computer 2 vs computer
3 100.000 units, 20.000 dollars.

8.3 Kesimpulan

- Berdasarkangrafikdenganmetodecost volume analisisdidapatkanhasilpada volume

40ataucost 2.080.000.
- Berdasarkangrafikdenganmetodestandartbreakevendidapatkanhasilpada volume
140ataucostyaitu 3.780.000.
- Total volume daribreakeven points computer 1 vs computer 500.000 units, 44.000
dollars. Computer 1 vs computer 3 300.000units, 30.000 dollars. Dan computer
2 vs computer 3 100.000 units, 20.000 dollars.
 MODUL IX

INVENTORY

9.1 Dasar Teori

Persediaan (inventory) memiliki arti penting bagi perusahaan karena merupakan

salah satu asset yang nilainya besar, secara umum hamper mencakup 40% dari total
modal yang diinvestasikan. Persediaan memiliki beberapa fungsi yang dapat
menambah fleksibilitas dari operasi perusahaan, yaitu untuk:
 Memberikan stok barang agar dapat mengantisipasi permintaan yang akan timbul
dari konsumen

 Menyesuaikan produksi dengan distribusi Menurunkan biaya produk, yaitu dari

discount atas pembelian jumlah besar

 Melakukan hedging terhadap inflasi dan perubahan harga

 Menghindari kekurangan stok karena berbagai hal, missal cuaca, kesalahan

pengiriman, dsb.

 Menjaga agar operasi dapat berlangsung dengan baik

Terdapat 4 jenis persediaan; persediaan bahan mentah, persediaan barang dalam
proses (Work-in-process-WIP), persediaan MRO (perlengkapan
pemeliharaan/perbaikan/operasi), dan persediaan barang jadi. Model Persediaan
berkaitan erat dengan jenis permintaan, yaitu permintaan dependen dan independen,
sehingga metode yang digunakan juga berbeda.
 Model persediaan untuk permintaan independen antara lain: Economic Order
Quantity (EOQ), Production Order Quantity (POQ), Quantity Discount, dsb.

 Model persediaan untuk permintaan dependen; Material Requirement Planning

(MRP).
Dalam POM for Windows, model persediaan untuk permintaan independent
termasuk kedalam modul inventory, sedangkan MRP dipisahkan dalam modul
tersendiri.

9.1.1   MetodeEkonomi Order Quantity (EOQ)

Analisis EOQ adalah analisis yang digunakan untuk menentukan volume atau
jumlah pembelian yang paling ekonomis setiap kali pembelian (Gito sudarmo
2002:101). Menurut Nasution (2008), Ecoonomic Order Quantity merupakan system
pengendalian persediaan yang menggunakan matematika dan statistic sebagai alat
bantu utama dalam memecahkan masalah kuantitatif. Metode ini bertujuan untuk
menentukan mengoptimalkan ukuran pemesanan ekonomis (EOQ), titik pemesanan
kembali (ROP) dan jumlah cadangan pengaman (safety stock).
Pada pendekatan EOQ, tingkat ekonomis dicapai pada keseimbangan antara
biaya pemesanan dan biaya penyimpanan. Jika ukuran lot besar biaya pemesanan
akan turun tetapi biaya penyimpanan naik. Sebaliknya ,jika ukuran lot kecil maka
biaya pemesanan akan naik tetapi biaya penyimpanan turun. Model EOQ
menyarankan untuk memlihara lot pesanan yang menyeimbangkan biaya pemesanan
dan biaya penyimpanan
9.1.2 Metode POQ (Production Order Quantity)
POQ menentukan jumlah periode permintaan. POQ menggunakan logika yang
sama dengan EOQ, tetapi POQ mengubah jumlah pemesanan menjadi jumlah periode
pemesanan. Hasilnya adalah interval pemesanan tetap dengan bilangan bulat
(integer). Untuk menentukan jumlah pemesanan sistem POQ cukup dengan
memproyeksikan jumlah kebutuhan setiap periode.
8.1.3 Quant Discount
Untuk mendapatkan, memikat, dan mengikat pelanggan, perusahaan termasuk
perusahaan suppliermelakukan berbagai kiat. Salah satu diantaranya yang paling
umum adalah pemberian potongan harga pada jumlah pembelian yang relatif besar.
Keuntungan bagi penjual adalah penjualan dalam jumlah yang banyak akan
mengurangi biaya produksi tiap unitnya. Keuntungan bagi pembeli bila membeli
dalam jumlah yang besar adalah turunnya harga beli per-unit, biaya perpindahan dan
pengiriman yang lebih rendah, penurunan biaya pemesanan, dan kemungkinan
kekurangan persediaan sangat kecil. Akan tetapi, disisi lain pembelian dalam jumlah
besar mengakibatkan kerugian di mana biaya investasi (modal) yang tertanam pada
persediaan terlalu besar, biaya penyimpanan dalam gudang membengkak, dan
kesempatan barang yang disimpan menjadi rusak dan susut sangat besar karena
penyimpanan yang terlalu lama.
Secara umum ada dua jenis potongan harga karena kuantitas barang pesanan
yang ditawarkan oleh penyalur, yakni potongan harga all-units(absolute quantity
discount) dan potongan incremental. Dengan adanya potongan all-units, pembelian
dalam jumlah yang besar mengakibatkan adanya suatu harga tiap satuan yang lebih
rendah untuk keseluruhan paket pemesanan. Pada potongan incrementalmenerapkan
atau memberlakukan harga per satuan yang lebih rendah hanya untuk membeli unit di
atas suatu kuantitas tertentu saja sesuai yang diterapkan perusahaan secara berjenjang.
Oleh karena itu, all-unitsmengakibatkan harga per satuan akan sama per tiap-tiap
item di dalam paket pemesanan, sedangkan potongan harga incrementa dapat
mengakibatkan berbagai harga per satuan bagi satu item tertentu di dalam paket
pemesanan yang sama.
9.2 Tugas Mandiri
Sebuahperusahaan PT. Aminmemilikistok20.000 kgbuahkemiri,biaya per tahun
200.000 Kg kemiridengandemand constant. Biaya per unit $25,pemesanan $150 per
pemesanandanbiayapenyimpananpersediaan$1 per unit. Serta
diasumsikanjumlahharikerjadalamsatutahunadalah300 haridan waktu kerja selama 8
hari.
Pertanyaan :

a. Berapakah biayaoptimal order kuantity (Q*) ?

b. Berapakahmaximum inventory level (imax) ?

c. Berapakah nilaiaverage inventory ?

d. berapakahnilaiorders per period (year) ?

e. berapakahnilai total inventory (holding + setup) cost?

d. Berapakahnilai total cost (including units)?

9.3 Jawaban

9.3.1Economic Order Quantity (EOQ)

1. Inventory Solution
2. Cost Curve

Dari hasil analisis EOQ pada Inventory SolutiondanCost Curvemenunjukan

bahwaDaily Demand Ratesebanyak Rp.666,67 dengan nilai optimal order quantity
sama dengan Maximal inventory level yaitu sebanyak 7.745,97 kg kemiri. Nilai total
pesanan orders per periode yakni 25.82. Adapun Reorder Point sebanyak 5333,33
unitdannilai total inventory 7745,97.

9.3.2. Production Order Quantity (POQ)

1. POQ Solutions

2. Cost Curve

Dari hasil analisis POQ pada Inventory SolutiondanCost Curvemenunjukan

bahwaDaily Demand Rate sebanyak Rp.66,67 dengan nilai optimal order quantity
berbeda dengan nilai Maximal inventory level yaitu sebanyak 7758,91 kg dan
7733,05kemiri. Nilai total pesanan (orders per periode) yakni 25.78dannilai rata-rata
penyimpanan yakni 3866,52kgdengan biaya penyimpanan sebesar Rp.7733,05.serta
total persediaan 7733,5, Adapun total cost including units.2504163.0 unit.

9.4 Kesimpulan
Berdasarkanhasilpembahasan data diatasdapatditarikkesimpulansebagaiberikut:
Dari hasil analisis EOQ pada Inventory SolutiondanCost Curvemenunjukan
bahwahasilReorder Point sebanyak 5333,33 unitsedangkanpadaanalisisPOQnilaitotal
cost including units sebanyak 5007733.

BAB III

PENUTUP

3.1 Kesimpulan

Dari hasil praktikum, kami dapat menyimpulkan bahwa kami telah melakukan 8

percobaan dari 14 modul berbeda, yaitu Linear Programing, Transportation Method,

Assignment Method, Linear Programing dengan LINDO dan POM-QM,

Transportation Method dengan LINDOdan POM-QM, Assignment Method dengan

LINDOdan POM-QM, Forecasting, Inventory, Project Manajement, Quality Control

Waiting Lines,Breakeven / Cost Volume Analysis.Praktikum kali ini dilakukan oleh

per individu.

Dari 8 modul, setiap praktikan wajib melakukan 8 percobaan yang ada. Hasil

praktikum itu sendiri rata-rata samasetiap praktikan. Hal ini disebabkan disetiap
langkah percobaan dijelaskan cara dan metode yang sama dalam mendapatkan hasil

praktikum dari dosen pengampu mata kuliah Komputer Terapan.

Dalam pelaksanaan setiap langkah percobaan sedikit sulit, karena setiap

langkah percobaan itu tidak tertera dengan jelas pada modul praktikum. Adapun tugas

mandiri disetiap modul ditentukan sendiri oleh praktikan dan soal dari praktikan tidak

boleh sama satu sama lain. Hal ini memakan waktu yang cukup lama untuk

menyelesaikan laporan disetiap modul. Namun, dengan adanya tugas mandiri pula

kami dapat pembelajaran yang lebih.

3.2 Saran

Adapun saran yang dapat kami kemukakan secara tertulis setelah melakukan

praktikum adalah diantaranya :

1. Untuk masalah yang mencangkup tata tertib laboratorium sudahlah sangat

baik, hanya saja perlu adanya penegasan yang lebih dari asisten kepada

praktikan.

2. Untuk masalah asisten, perlu adanya penambahan jumlah asisten sehingga

mampu mengontrol semua praktikan yang sedang melakukan praktikum

secara maksimal.

3. Dalam melaksanakan praktikum, praktikan hendaknya serius dalam

melaksanakannya sehingga tidak terjadi hal-hal yang diinginkan. Fungsikan

laboratorium semaksimal mungkin.

 4. Ruangan praktikum yaitu Lab. Komputasi dan Simulasi tidak memiliki

pendingin ruangan yang baik, sehingga membuat ruangan terasa hangat.

DAFTAR PUSTAKA

Santoso, Ribut (2016. “Laporan Praktikum Komputer Terapan”. JurusanTeknik

Industri, Universitas Negeri Gorontalo.
Winarsih, Neneng dkk. (2013). “Penerapan Software POM-QM dalam Pengadaan
Material Proyek dengan Teknik PBB”.Jurusan Teknik Sipil, Fakultas Teknik Sipil
dan Perencanaan, Universitas Gunadarma.