52233004

OPTIMISASI
Model Pengambilan Keputusan

Kelompok Keahlian Operasional Riset

Program Studi Teknik Industri

Fakultas Teknologi Industri
Universitas Islam Indonesia
Deskripsi Mata Kuliah
□ CPL :
Menguasai konsep & mengaplikasikan matematika,
statistika, sains, prinsip rekayasa, dasar ilmu
manajemen & ekonomi

□ CPMK :
A1 : Mahasiswa mampu membuat model matematis
dari permasalahan optimisasi
A2 : Mahasiswa mampu menyelesaikan model
matematis dengan metode grafis dan simplek
A3 : Mahasiswa dapat melakukan analisis sensitifitas
penyelesaian model matematis
Deskripsi Mata Kuliah
A4 : Mahasiswa dapat menyelesaian persoalan
menggunakan metode transportasi
A5 : Mahasiswa dapat menyelesaian persoalan
menggunakan metode penugasan

□ Penilaian :
o UTS : 35%
o UAS : 35%
o Tugas : 30%
METODE PEMBELAJARAN
1. MODEL PENGAMBILAN KEPUTUSAN

MATERI
o Analisis Pengambilan Keputusan
o Pemecahan Masalah dan Pengambilan Keputusan
o Pengembangan Model
o Tahap-tahap Studi dalam OR
o Linear Programming (LP)
o Aplikasi LP
Analisis Pengambilan Keputusan
o Analisis kualitatif : mendasarkan pada penilaian
subyektif suatu masalah, terutama didasarkan atas
pertimbangan dan pengalaman manajemen , intuisi
manajer atas suatu masalah.
o Analisis kuantitatif : mendasarkan pada penilaian
obyektif suatu masalah, terutama didasarkan atas fakta
atau data kuantitatif dan mengembangkan persamaan
matematis yang menjelaskan tujuan, kendala, dan
hubungan lainnya yang terdapat pada masalah tersebut.
(Anderson et al., 2011).
Manajemen Sains (management science)/ Riset Operasi :
pendekatan pengambilan keputusan yang mendasarkan
pada metode-metode ilmiah dengan menggunakan
banyak analisis kuantitatif. Riset Operasi berusaha
menetapkan arah tindakan optimum dari suatu masalah
pengambilan keputusan pada kondisi sumber daya yang
terbatas. (Taha, 2010).
o Berawal dari kebutuhan militer Inggris yang sukses
menentukan penggunaan sumber daya kemiliteran yang
terbatas seperti radar dan bomber dengan cara yang
paling efektif.
o Suksesnya penerapan OR ini menarik minat dunia
industri, karena pada dasarnya masalah yang timbul
didunia industri sama dengan masalah didunia militer
meskipun konteknya berbeda. (Hillier & Lieberman,
2014; Mulyono, 2007).
Pemecahan Masalah & Pengambilan Keputusan
o Pemecahan masalah : proses pengidentifikasian
perbedaan antara kondisi aktual dan yang diinginkan
serta tindakan untuk mengatasi perbedaan tersebut.
• Langkah-langkah pemecahan masalah : (Anderson et
al., 2011)
1. Mengidentifikasi dan Seseorang telah lulus kuliah , saat
mendefinisikan masalah ini ybs masih menganggur dan
menginginkan pekerjaan/ karir yang
memuaskan → ada perbedaan
2. Menentukan alternatif
antara kondisi aktual dan yang
pemecahan masalah
diinginkan (langkah 1)
3. Menentukan kriteria untuk Ada empat tawaran pekerjaan dari
mengevaluasi alternatif perusahaan A, B, C atau D (langkah
2). Untuk mengevaluasi alternatif
tsb. bisa menggunakan kriteria
4. Mengevaluasi tunggal (misal gaji awal), atau multi
alternatif kriteria (misal gaji awal, potensi
peningkatan karier dan lokasi
perusahaan) (langkah 3).
5. Memilih alternatif

6. Menerapkan
alternatif yang dipilih

7. Mengevaluasi hasil
Dengan evaluasi yang cermat
(langkah 4) dapat diambil suatu
keputusan tertentu (langkah 5)
untuk selanjutnya keputusan
tersebut direalisasikan (langkah 6)
dan perlu dilakukan evaluasi,
apakah keputusan yang telah
diambil mampu menghasilkan
sesuatu seperti yang diharapkan
(langkah 7)
Pengembangan Model
o Model : abstraksi atau penyederhanaan realitas sistem
yang kompleks dimana hanya komponen-komponen
yang relevan atau faktor-faktor yang dominan dari
permasalahan saja yang akan dianalisis, diikutsertakan
o Model menunjukkan hubungan-hubungan (langsung
maupun tidak langsung) dari aksi atas reaksi dalam
pengertian sebab akibat (Anderson et al., 2011; Taha,
2010; Mulyono, 2007).
o Agar masalah dapat didefinisikan secara memadai
diperlukan pengembangan model yang dapat
digunakan untuk merepresentasikan masalah tersebut
Jenis model (Anderson et al., 2011; Taha, 2010; Mulyono,
2007), yaitu :
o Iconic (physical) model: penggambaran fisik suatu
sistem, baik dalam bentuk yang ideal maupun dalam
skala yang berbeda. Contoh: truk mainan merupakan
replika fisik dari obyek sebenarnya.
o Analogue model: menggunakan sifat sesuatu untuk
menggambarkan yang lainnya. Contoh: speedometer,
posisi jarum pada permukaan indikator kecepatan
menunjukkan kecepatan mobil.
o Mathematical (Symbolic) model: menggunakan tulisan,
angka dan simbol lain untuk menggambarkan variabel-
variabel dan hubungan antar variabel
 Mathematical model
✓ Model deterministic : model yang dibentuk dalam
situasi penuh kepastian → perlu analisis sensitifitas,
guna menguji kepekaan nilai solusi terhadap
perubahan suatu parameter.
✓ Model probabilistik : model yang dibentuk dalam
situasi ketidakpastian → menghasilkan penyajian
sistem nyata yang lebih realistis, tetapi lebih sulit
analisisnya
o Simulation model: model yang meniru tingkah laku
sistem dengan mempelajari interaksi komponen-
komponennya, lazim digunakan untuk memecahkan
sistem kompleks
o Heuristic model : model pencarian solusi yang
didasarkan pada intuisi atau aturan empiris untuk
mendapatkan solusi yang lebih baik dari solusi yang
telah dicapai sebelumnya.
Tahap-tahap Studi dalam OR. (Taha, 2010)
Sesuaikan dengan tujuan,
1. Merumuskan/
identifikasi adanya alternatif, kenali
mendefinisikan masalah
adanya pembatasan & persyaratan

Menentukan model/kombinasi
2. Pembentukan model model yang paling cocok untuk
mewakili sistem.

Menghasilkan pemecahan optimum

3. Mencari penyelesaian
atau pendekatan terhadap pemecahan
masalah
optimum

Untuk memastikan bahwa model dapat

4. Validasi atau pengujian
memberikan prediksi hasil yang dapat
model dipercaya
 .
.
.
.
Perlu penerjemahan hasil pengujian
5. Implementasi hasil model kedalam bentuk instruksi-
pemecahan model instruksi yang sifatnya operasional
praktis (bukan teoritis/filosofis)
Linear Programming (LP)
o Linear : fungsi matematis dalam model bila
digambarkan pada grafik akan berbentuk garis lurus.
o Programming : sinonim dari perencanaan.
o LP mencakup perencanaan aktivitas-aktivitas untuk
memperoleh suatu hasil yang optimum, yang
mencerminkan tercapainya sasaran berdasarkan model
matematis di antara alternatif yang mungkin dengan
menggunakan fungsi linear (Mustafa & Parkhan, 2000;
Taha, 2010; Subagyo, Asri, & Handoko, 2011).
o LP lazim digunakan dalam pemecahan masalah
pengalokasian sumber-sumber yang terbatas secara
optimal
o Contoh: bagian produksi suatu perusahaan yang
dihadapkan pada masalah penentuan tingkat produksi
berbagai jenis produk dengan memperhatikan batasan-
batasan faktor produksi seperti mesin, tenaga kerja,
bahan baku, modal dan sebagainya untuk memperoleh
keuntungan maksimal atau biaya minimal.
Fungsi-fungsi dalam LP
o Fungsi tujuan (objective function): fungsi yang
menggambarkan tujuan/sasaran yang berkaitan dengan
pengaturan secara optimal sumberdaya-sumberdaya
untuk memperoleh keuntungan (manfaat) maksimal
atau biaya (pengorbanan) minimal.
o Fungsi batasan (constraint function): merupakan bentuk
penyajian secara matematis batasan-batasan kapasitas
yang tersedia yang akan dialokasikan secara optimal ke
berbagai kegiatan.
Tahap-tahap formulasi model matematis
variabel yang dipilih untuk dikendalikan
1. Menentukan variabel
dalam pembuatan keputusan → nyatakan
keputusan
dalam simbol matematis (misal X1, X2, , Xn )

fungsi yang akan dioptimalkan

2. Membentuk fungsi
(dimaksimalkan atau diminimalkan), misal
tujuan
Z = f (X1, X2, …, Xn),

fungsi yang mencerminkan keterbatasan

3 Membentuk fungsi
sumberdaya masalah tersebut. Misal gi (X1,
batasan
X2, …, Xn) ≤ bi
Bentuk umum tabel LP
Xj = banyaknya kegiatan j (j=1, 2, …, n), yang berarti ada n
variabel keputusan
Z = nilai fungsi tujuan
Cj = sumbangan per unit kegiatan j. Pada masalah maksimasi Cj
menunjukkan manfaat (keuntungan atau penerimaan)
perunit. Pada kasus minimasi Cj menunjukkan
pengorbanan (biaya) per unit.
bi = jumlah sumberdaya ke-i (i=1, 2, …, m) yang tersedia untuk
dialokasikan ke setiap unit kegiatan, berarti ada m jenis
sumberdaya.
aij = jumlah sumberdaya i yang diperlukan untuk menghasilkan
setiap unit output kegiatan j.
Bentuk umum model LP
Asumsi dalam LP
1. Proportionality : naik turunnya nilai Z dan penggunaan
sumberdaya atau fasilitas, akan berubah secara
proporsional dengan tingkat kegiatan

Contoh :
o Fungsi tujuan : Maks/Min Z = C1 X1 + C2 X2 + … + Cn Xn
artinya setiap penambahan/pengurangan 1 unit Xj akan menaikkan/
menurunkan nilai Z sebesar Cj, (j = 1,2, … n)
o Fungsi batasan: a11 X1 + a12 X2 + … + a1n Xn ≤ bi
artinya setiap penambahan/pengurangan 1 unit Xj akan
menaikkan/menurunkan penggunaan sumberdaya j sebesar aij, (i =
1,2, ... m dan j = 1,2, … n)
Asumsi dalam LP (lanj…)
2. Additivity: nilai fungsi tujuan setiap kegiatan tidak
saling mempengaruhi atau tidak ada korelasi antara satu
kegiatan dengan kegiatan yang lain

Contoh :
Z = 10 X1 + 15 X2, untuk X1 = 12 dan X2 = 10, Z = 10 (12) + 15 (10) = 270
Jika X1 bertambah/berkurang, penambahan/pengurangan tersebut dapat
langsung ditambahkan/dikurangkan pada nilai Z tanpa mempengaruhi bagian Z
yang diperoleh dari X2. Demikian juga untuk penambahan/pengurangan X2
mempunyai sifat yang sama.
Asumsi dalam LP (lanj…)
3. Disibility: nilai output yang dihasilkan oleh setiap
kegiatan dapat berupa bilangan pecahan (variabel
keputusan bersifat kontinyu).

Contoh :
X1 = 6,25 ; X1 = 10,30
Asumsi dalam LP (lanj…)
4. Deterministic: nilai semua parameter (aij, bi dan Cj)
dapat diperkirakan dengan pasti. Dalam kenyataannya
parameter model jarang dapat diperkirakan dengan pasti,
untuk menguji kepekaan nilai solusi terhadap perubahan
suatu parameter diperlukan analisis sensitifitas

Secara detail, analisis sensitifitas akan dibahas pada bab tersendiri

Bagaimana membentuk fungsi Linear pada model ?
Fungsi Tujuan : Maks/Min

o Harga Pokok Penjualan Full Costing

Variable Costing ?
(→ Bab Analisis biaya : penentuan fungsi tujuan)

Fungsi Batasan : ≤ = ≥
o Batasan Pasar Peramalan
( → Bab Analisis pasar : penentuan fungsi batasan )
o Batasan sumber (selain pasar)
Aplikasi LP
LP dapat diaplikasikan antara lain untuk berbagai persoalan berikut :
o Masalah kombinasi produk : menentukan banyaknya masing-
masing produk yang harus dibuat agar diperoleh keuntungan
maksimal atau biaya minimal
o Masalah perencanaan promosi : menentukan banyaknya masing-
masing media promosi yang harus digunakan dengan efektif agar
diperoleh manfaat (keuntungan) maksimal atau biaya minimal
o Masalah perencanaan regional : menentukan kebutuhan lahan
untuk berbagai jenis tanaman diberbagai daerah agar diperoleh
manfaat (keuntungan) maksimal
o Masalah kebijaksanaan pinjaman bank : menentukan besarnya
dana yang dibutuhkan pada masing-masing jenis pinjaman agar
diperoleh keuntungan maksimal
Aplikasi LP (lanj …….).
o Masalah sisa pemotongan : menentukan kombinasi ukuran
pemotongan besi yang harus dilakukan untuk memenuhi
kebutuhan ukuran besi dengan sisa pemotongan yang tidak
terpakai seminimal mungkin
o Masalah penjadwalan bus : menentukan jumlah minimal bus yang
dibutuhkan setiap waktu agar dapat memenuhi kebutuhan akan
bus dengan biaya minimum
o Masalah perencanaan produksi/persediaan : menentukan jadwal
produksi dan persediaan agar dapat memenuhi permintaan produk
dengan biaya minimum.
o Masalah penentuan jumlah hari operasi : menentukan jumlah hari
operasi diberbagai lokasi agar diperoleh manfaat maksimal
Aplikasi LP (lanj …….).
o Masalah distribusi/transportasi : menentukan jadwal distribusi
produk dari pabrik ke daerah pemasaran agar diperoleh
keuntungan maksimal atau biaya minimal
o Masalah pencampuran makanan : menentukan kombinasi
kebutuhan pakan yang memenuhi syarat nutrisi tertentu dengan
biaya minimal
o Masalah pengendalian polusi udara : menentukan kombinasi
berbagai metode pengurangan polusi yang efektif dengan biaya
minimal
o Masalah rencana investasi : menentukan besarnya dana yang
harus dialokasikan pada masing-masing proyek investasi agar
diperoleh keuntungan maksimal
Identifikasi kebutuhan data pada LP
Berikut contoh masalah penentuan kombinasi produk di
industri manufaktur.
a) Data yang berkaitan dengan penyusun fungsi tujuan,
antara lain meliputi :
o Jenis produk
o Harga jual tiap jenis produk
o Biaya-biaya yang terlibat, yang terdiri dari :
✓biaya bahan baku langsung
✓biaya tenaga kerja langsung
 ✓ biaya overhead pabrik
✓ beban administrasi dan umum serta beban penjualan
dan lain-lain
b) Data penyusun fungsi batasan, antara lain meliputi :
o Proses produksi, waktu proses setiap produk pada
setiap mesin, peralatan dan tenaga kerja
o Jumlah mesin, peralatan dan tenaga kerja pada tiap
departemen/pekerjaan
o Prosentasi cacat pada setiap proses
o Hari kerja dan jam kerja
o Struktur produk, ketersediaan bahan baku
o Permintaan pasar dan lain-lain

Output yang dihasilkan dari model tersebut meliputi :

o Kombinasi produk yang seharusnya dibuat, dan
keuntungannya.
o Status dan kebutuhan masing-masing sumberdaya pada
kondisi optimal.
o Interval keuntungan/unit produk yang menunjukkan
keputusan optimal semula tidak berubah.
o Interval kapasitas sumberdaya yang menunjukkan
sumberdaya yang semula ketat tetap ketat
(menunjukkan tabel optimal tetap optimal dan layak).
o Prioritas penambahan/pengurangan kapasitas
sumberdaya.
o Kebijakan-kebijakan lain berkaitan dengan tujuan dan
kendala yang ada.
Kesimpulan
o Dikenal 2 macam analisis didalam pengambilan keputusan,
yaitu analisis kualitatif dan analisis kuantitatif.
o Riset Operasi (Operation Research/ OR) merupakan
pendekatan pengambilan keputusan yang menggunakan
banyak analisis kuantitatif yang ditujukan untuk menetapkan
arah tindakan optimum dari suatu masalah pengambilan
keputusan pada kondisi sumberdaya yang terbatas
o Masalah muncul karena adanya perbedaan antara kondisi
aktual dan yang diinginkan
o Agar masalah dapat didefinisikan secara memadai diperlukan
pengembangan model untuk merepresentasikan masalah
tersebut
o Dikenal berbagai macam model yaitu : Iconic (physical)
model, Analogue model, Mathematical (Symbolic)
model, Simulation model dan Heuristic model.
o Mathematical model terbagi menjadi model
deterministic dan model probabilistik
o Linear programming (LP) merupakan salah satu model
matematik deterministic.
o Empat asumsi bisa digunakannya LP yaitu
proportionality, additivity, disability dan deterministic
Tugas
o Pilih 3 artikel yang menggambarkan aplikasi LP sebagai
Buat ringkasan mengenai aplikasi tersebut berikut
manfaat (baik manfaat finansial maupun non finansial)
yang diperoleh.
o Identifikasi data yang dibutuhkan untuk membuat
model LP di suatu industri, sebutkan bagaimana cara
memperoleh data tersebut berikut dari bagian
(departemen) mana data tersebut diperoleh.
Referensi
Anderson, D. R., Sweeney, D. J., Williams, T. A., Camm, J. D., & Martin, R.
K. (2011). An introduction to management science: quantitative approach to
decision making. Ohio: South-Western Cengage Learning.
Hillier, F. S., & Lieberman, G. J. (2014). Introduction to operations research,
10th edition. New York: Mc Graw Hill.
Mulyono, S. (2007). Operations Research. Jakarta: LP FE-UI.
Mustafa, Z., & Parkhan, A. (2000). Belajar cepat linear programming dengan
QS (Quantitative Systems). Yogyakarta: Ekonesia.
Subagyo, P., Asri, M., & Handoko, T. H. (2011). Dasar-dasar operations
research Edisi 2. Yogyakarta: BPFE.
Taha, H. A. (2010). Operations research: an introduction 9th edition. Prentice
Hall.
52233004
OPTIMISASI
Analisis Biaya : Penentuan Fungsi Tujuan

Kelompok Keahlian Operasional Riset

Program Studi Teknik Industri

Fakultas Teknologi Industri
Universitas Islam Indonesia
2. ANALISIS BIAYA : PENENTUAN FUNGSI TUJUAN

MATERI
o Definisi Biaya
o Harga Pokok Produksi dan Laporan Laba Rugi
✓ Pendekatan Full Costing
✓ Pendekatan Variable Costing
o Model Fungsi Tujuan Pada LP
Catatan : materi detail tentang analisis biaya bisa dilihat pada mk
AEB. Bahasan pada mk Optimisasi difokuskan pada penentuan fungsi
tujuan pada LP
 Definisi Biaya
o Biaya : pengorbanan yang dilakukan agar memperoleh
barang atau jasa. Pengorbanan dapat diukur dengan
uang tunai yang dibelanjakan, aktiva tetap yang
ditransfer, jasa yang diberikan dan sebagainya (Noreen,
Brewer, & Garrison, 2017).
o Biaya : harga perolehan yang dikorbankan atau
digunakan dalam rangka memperoleh penghasilan atau
revenue yang akan dipakai sebagai pengurang
penghasilan (Supriyono, 2000).
o Biaya : pengorbanan sumber ekonomis yang diukur
dalam satuan uang, yang telah terjadi, sedang terjadi
atau yang kemungkinan akan terjadi untuk tujuan
tertentu (Mulyadi, 2014).

o Biaya dapat dikelompokkan kedalam berbagai cara yang

berbeda antara lain berdasarkan hubungannya dengan
produk, volume produksi, sifat penggunaan dan periode
akuntansi (Giatman, 2006; Matz & Usry, 1984).
Biaya dalam hubungannya dengan volume produksi
1) Biaya tetap : biaya yang besar kecilnya tidak
dipengaruhi oleh tingkat kegiatan atau volume
produksi. Biaya tetap dapat dibebankan pada
departemen-departemen berdasarkan keputusan
manajemen atau menurut metode alokasi biaya.
Umumnya anggung jawab pengendalian lebih banyak
dipikul oleh manajemen ekskutif dibanding oleh
supervisor operasi.
o Biaya variabel adalah biaya yang secara proporsional
dipengaruhi oleh tingkat kegiatan. Biaya variabel dapat
dibebankan kepada departemen operasi dengan cukup
mudah dan tepat serta dapat dikendalikan oleh seorang
kepala departemen tertentu.
o Biaya semivariabel adalah biaya yang memiliki
komponen tetap dan komponen variabel.
Grafik Perilaku Biaya
Gambar hubungan korelatif
biaya semi variabel
Grafik Hubungan Fungsional Biaya Tetap Dan Biaya Variabel
Metode pemisahan biaya semivariabel
a) Metode tinggi-rendah (high-low method)
b) Metode pengepasan grafis (graphical fitting method)
c) Metode regresi (regression method).
Contoh : volume produksi dan biaya semivariabel (1)
a) high-low method
Metode ini mendasarkan pada volume produksi tertinggi dan terendah
pada suatu periode tertentu

Komponen biaya variabel/unit = 1.500/240 = 6,25

Komponen biaya tetap = biaya semivariabel – komponen biaya
variabel total
Berdasarkan volume produksi tertinggi = 4.200 – 6,25 (620) = 325
Berdasarkan volume produksi terendah = 2.700 – 6,25 (380) = 325
Ŷ=a+bX
Y = biaya semivariabel
a = komponen biaya tetap
b = komponen biaya variabel/unit
X = volume produksi
Ŷ = prediksi biaya semi variabel
Ŷ = 325 + 6,25 X

b) graphical fitting method

Metoda ini mengandalkan kemampuan visual, jarang
digunakan karena tidak praktis dan tidak objektif. Ketelitian
bergantung pada kemampuan dan pengalaman seseorang.
Contoh : volume produksi dan biaya semivariabel (2)
Pemisahan biaya semivariabel : graphical fitting method
c) regression method
Metode ini mirip dengan graphical fitting method, tetapi
dengan mencari angka terkecil penjumlahan kuadrat
penyimpangan (galat) dari garis estimasi.

Ŷ=a+bX
Nilai a dan b contoh 1 dapat ditentukan sebagai berikut :
∑ X = 6.245 ; ∑ Y = 43.125 ; ∑ XY =22.794.375 ; ∑ X2 = 3.312.675

a = (43.125 × 3.312.675 – 6.245 × 22.794.375)/(12 ×

3.312.675 – 6.2452) = 675,780
b = (12 × 22.794.375 ‒ 6.245 × 43.125)/(12 × 3.312.675 ‒
6.2452) = 5,607

Ŷ = 675,780 + 5,607 X
Struktur Biaya
Harga Pokok Produksi dan Laporan Laba Rugi
Berdasarkan struktur biaya produk, penentuan harga pokok
produksi dan laporan laba rugi adalah sbb :
o Pendekatan full costing
Atau absortion/conventional costing : harga pokok produksi,
didasarkan pada seluruh biaya produksi baik yang bersifat
tetap maupun variabel .
o Pendekatan variable costing
Atau direct costing : harga pokok produksi, didasarkan hanya
pada biaya produksi yang bersifat variabel .
Harga Pokok Produksi
Harga Pokok Produksi
 Model Fungsi Tujuan Pada LP
o Salah satu asumsi bisa digunakannya model LP adalah
proporsional, oleh karena itu maka penentuan Harga
Pokok Produksi pada LP menggunakan metode variabel
costing. Demikian juga dalam penentuan Harga Pokok
Penjualan, beban penjualan dan administrasi yang
bersifat variabel, baik yang berasal dari biaya variabel
murni maupun biaya variabel yang dihasilkan dari
pemisahan biaya semi variabel yang dimasukkan pada
model LP.
Contoh : CV Bagus Sejati merupakan sebuah perusahaan mainan
dengan bahan baku utama kayu jati yang berkedudukan di Jepara.
Hasil produksi berupa mainan dengan kode M007 dan A212. Daerah
pemasaran produk terbatas di pulau Jawa. Harga jual produk M007 Rp
7.000,-/unit dan produk A212 Rp 14.000,-/unit. Berdasarkan
penjualan tahun-tahun sebelumnya, diprediksikan bahwa volume
penjualan produk pada tahun 2018 terdiri dari 26.145 unit produk
M007 dan 34.205 unit produk A212. Berdasarkan pengamatan dan
analisis pada proses produksi dapat diketahui bahwa biaya tenaga
kerja langsung untuk produk M007 adalah Rp 2.000,-/unit dan untuk
produk A212 adalah Rp 4.500,-/unit. Biaya bahan baku langsung
untuk produk M007 adalah Rp 1.500/unit dan untuk produk A212
adalah Rp 3.000,-/unit. Biaya overhead yang bersifat semi variabel
ditunjukkan oleh tabel berikut.
Beban administrasi dan umum serta beban penjualan/ tahun
pada tahun 2017 sebesar Rp 13.800.000,- dengan Rp 1.800.000,-
diantaranya bersifat tetap. Diasumsikan harga jual/unit produk,
biaya variabel/unit produk dan biaya tetap/tahun pada tahun
2018 besarnya sama dengan tahun 2017
Fungsi tujuan persoalan di atas dapat ditentukan sebagai
berikut :
oMemisahkan biaya overhead semivariabel menjadi biaya tetap
dan biaya variabel
∑ X = 60.350 ; ∑ Y = 48.203.500 ; ∑ XY =242.900.692.500 ; ∑ X2 =
304.674.250
a = 1.955.000 ; b = 410
Jadi biaya overhead pabrik tetap/bulan Rp. 1.955.000,-
dan rata-rata biaya overhead variabel = Rp. 410,-/unit.
Jika diasumsikan beban biaya variabel/unit masing-masing
produk didasarkan pada harga jual dengan perbandingan
1 : 2 maka:
 Biaya overhead variabel/unit untuk:
produk M007 = (410 × 60.350)/(26.145 + 2 × 34.205)
= 261,68
produk A212 = 2 × 261,683 = 523,36
Sehingga:
Ŷ = 1.955.000 + 261,68 X1 + 523,36 X2
o Menentukan biaya adm & umum serta beban penjualan
Tetap/bulan : Rp. 1.800.000,-/12 = Rp. 150.000,-.
Variabel/unit : M007 = (12.000.000)/(26.145 + 2 × 34.205)
= Rp. 126,91,-.
A212 = 2 × 126,91 = Rp. 253,82,-.
o Menentukan biaya variabel/unit produk dan biaya tetap/ bulan
Biaya variabel/unit M007 = 2.000 + 1.500 + 261,68 + 126,91
= Rp. 3.888,59,-
A212 = 4.500 + 3.000 + 523,36 + 253,82
= Rp. 8.277,18,-
Biaya tetap/bulan = 1.955.000 + 150.000 = Rp. 2.105.000,-

o Menentukan Fungsi Tujuan Linear Programming

Maks Z = (7.000 – 3.888,59) X1 + (14.000 – 8.777,18) X2
= 3.111,41 X1 + 5.222,82 X2
Kesimpulan
o Dalam hubungannya dengan volume produksi, biaya
terbagi menjadi biaya tetap, biaya variable dan biaya
semi variable
o Untuk keperluan analisis, biaya semivariabel dipisahkan
menjadi biaya tetap dan biaya variable.
o Berkaitan dengan asumsi proporsional pada LP,
penentuan harga pokok produksi dan harga pokok
penjualan didasarkan pada pendekatan variable costing
Tugas
o Gambarkan dan jelaskan hubungan antara biaya tetap/unit
dengan volume produksi, serta jelaskan dan gambarkan jenis
biaya yang digunakan dalam LP apabila fungsi tujuannya :
Maksimasi.
o Identifikasi data di suatu industri dan buat fungsi tujuan
persoalan tersebut dengan langkah-langkah berikut:
– Identifikasi biaya pada suatu produk
– Klasifikasikan biaya suatu produk, pisahkan biaya
semivariabel menjadi biaya tetap dan variabel
menggunakan metode regresi.
– Buat fungsi tujuan
Referensi

Giatman. (2006). Ekonomi teknik. Jakarta: Rajagrafindo.

Matz, A., & Usry, M. F. (1984). Cost accounting: planning and control.
Minessota: South-western Publishing.
Mulyadi. (2014). Akutansi biaya. Yogyakarta: UPP STIM YKPN.
Noreen, E., Brewer, P., & Garrison, R. (2017). Managerial accounting for
managers. New York: McGraw-Hill.
Supriyono, R. (2000). Akutansi biaya: pengumpulan biaya dan penentuan
harga pokok. Yogyakarta: BPFE.
52233004
OPTIMISASI
Analisis Pasar : Penentuan Fungsi Batasan

Kelompok Keahlian Operasional Riset

Program Studi Teknik Industri

Fakultas Teknologi Industri
Universitas Islam Indonesia
3. ANALISIS PASAR : PENENTUAN FUNGSI BATASAN

MATERI
o Analisis Pasar
o Peramalan
o Jenis Peramalan
o Akurasi Peramalan
o Analisis korelasi
o Penentuan Fungsi Batasan Pasar dan Sumber Daya
Analisis Pasar
o Kondisi pada waktu yang akan datang sulit
diperkirakan secara pasti, untuk mengurangi
ketidakpastian dalam penentuan pasar
potensial maupun sales potensial dalam
lingkungan yang semakin komplek dan
dinamis diperlukan peramalan.

TOTAL PASAR

Pangsa
Pasar A
Pangsa Pasar
B o Dengan peramalan yang baik
diharapkan produk-produk dapat
dibuat sesuai dengan kebutuhan
Permintaan
Pasar Potensial
Perusahaan B saja
pasar.
(keseluruhan)
Peramalan
o Berkaitan dengan peramalan ada dua dimensi waktu yang
tercakup, yaitu dimensi waktu yang lalu dengan data tersedia
dan dimensi waktu yang akan datang dengan data tak
tersedia (Aritonang, 2009).
o Dua hal pokok yang harus diperhatikan dalam proses
peramalan agar hasilnya bermanfaat (Makridakis,
Wheelwright, & Hyndman, 2008):
a) Pengumpulan data berupa informasi yang relevan
sehingga dapat menghasilkan peramalan yang akurat.
b) Pemilihan teknik peramalan yang tepat dengan
memanfaatkan informasi data yang diperoleh semaksimal
mungkin.
o Agar metode peramalan yang didipilih menghasilkan prediksi
yang akurat, diperlukan langkah-langkah berikut (Heizer &
Render, 2014):
✓ Tentukan tujuan peramalan
✓ Tentukan item/unsur yang akan diramalkan
✓ Tentukan horizon waktu peramalan
✓ Kumpulkan data yang dibutuhkan dan lakukan analisis
data
✓ Tentukan metode-metode yang sesuai berdasarkan plot
data (untuk peramalan kuantitatif)
✓ Lakukan validasi dan kontrol hasil peramalan
✓ Tetapkan metode terpilih/terbaik
Jenis Peramalan
o Peramalan dapat diklasifikasikan antara lain berdasarkan
pendekatan yang digunakan, yang terdiri dari (Heizer &
Render, 2014) :

✓ Peramalan kuantitatif,
menggunakan berbagai model
matematis atau metode statistik
dari data historis dan atau
variabel-variabel kausal untuk
meramalkan.
✓ Peramalan kualitatif, menggunakan intuisi, emosi,
pengalaman pribadi dan berdasarkan pendapat
(judment) dari pengambil keputusan
1. Peramalan Kuantitatif
Peramalan kuantitatif dapat diterapkan bila terdapat tiga
kondisi berikut (Makridakis, Wheelwright, & Hyndman, 2008):
o Tersedia informasi tentang kondisi masa lalu
(data historis).
o Informasi tersebut dapat dikuantitatifkan dalam
bentuk data numerik
o Dapat diasumsikan bahwa pola data masa lalu
akan berlanjut di masa yang akan datang
Peramalan kuantitatif terdiri dari (Makridakis, Wheelwright, &
Hyndman, 2008; Heizer & Render, 2014) : metode runtut waktu
(time series) dan metode sebab akibat (causal model)
a. Pendekatan runtut waktu (time series)
o Pendekatan ini mendasarkan diri pada kecenderungan
data masa lalu dan akan memberikan hasil yang akurat
jika keadaan dimasa yang akan datang tidak banyak
berbeda dengan keadaan masa lalu
o Untuk memilih metode terbaik adalah dengan
mempertimbangkan jenis pola data. Pola data dapat
digambarkan sebagai berikut (Makridakis,
Wheelwright, & Hyndman, 2008; Heizer & Render,
2014):
Pola Data
a) Metode runtut waktu (time series) :
1. Simple Average (SA)
2. Moving Average (MA)
3. Weighted Moving Average (WMA)
4. Moving Average with Linear Trend (MAT)
5. Single Exponential Smoothing (SES)
6. Single Exponential Smoothing with Trend (SEST)
7. Double Exponential Smoothing (DES)
8. Double Exponential Smoothing with Trend (DEST)
9. Adaptive Exponential Smoothing (AES)
10. Linear Regression with Time (LR)
11. Holt-Winters Additive Algorithm (HWA)
12. Holt-Winters Multiplicative Algorithm (HWM)
o Simple Average (SA)
Metode Simple Average (rata-rata sederhana)
mendasarkan pada rata-rata seluruh data masa lalu
untuk mendapatkan hasil peramalan masa yang akan
datang.
Ft+1 = ( Xt + X t-1 + … + X1 )/t

Ft = hasil peramalan pada periode ke t

Xt = data pengamatan periode ke t

Yogyakarta, Maret 2019

o Peramalan menggunakan metode SA
Grafik data aktual dan hasil peramalan menggunakan metode SA
o Moving Average MA
Metode Moving Average (rata-rata bergerak)
mendasarkan pada rata-rata dari sejumlah (n) data
terbaru untuk meramalkan kondisi dimasa yang akan
datang.

Ft+1 = ( Xt + X t-1 + … + X t-N+1)/N

Untuk t ≥ N
Ft = hasil peramalan pada periode ke t
N = jumlah deret waktu yang digunakan
Xt = data pengamatan periode ke t

Yogyakarta, Maret 2019

o Peramalan menggunakan metode MA
Grafik data aktual dan hasil peramalan menggunakan metode MA
o Weighted Moving Average (WMA)
Metode WMA mendasarkan pada pengaruh yang tidak
selalu sama terhadap kondisi pada periode yang akan
datang. Untuk itu setiap periode diberi bobot sesuai
pengaruhnya terhadap kondisi yang akan datang.

Ft+1 = W t Xt + W t-1X t-1 + … + W t-N+1 X t-N+1

Untuk t ≥ N
Wt = persentase bobot yang diberikan untuk periode t
Wt + Wt-1 + … + W t-N+1 = 100 % = 1

Yogyakarta, Maret 2019

o Peramalan menggunakan metode WMA
Grafik data aktual dan hasil peramalan menggunakan metode WMA
o Single Exponential Smoothing (SES)
Metode SES umumnya digunakan untuk meramalkan
hal-hal yang fluktuasinya terjadi secara random. SES
merupakan metode peramalan rata-rata bergerak
dimana data diberi bobot dengan sebuah fungsi
eksponensial.
Ft+1 = Ft + α ( X t – Ft )
Ft = hasil peramalan pada periode ke t
Xt = data pengamatan periode ke t
α = konstanta smoothing

Yogyakarta, Maret 2019

o Peramalan menggunakan metode SES
Grafik data aktual dan hasil peramalan menggunakan metode SES
o Linear Regression with Time (LR)
Metode Linear Regression with Time (LR) digunakan
untuk mengamati pengaruh waktu sebagai variabel
bebas (independent variabel ) terhadap variabel tidak
bebas (dependent variabel ).

Ŷ =a+b X

Ŷ = variabel tidak bebas (yang diramalkan)

X = variabel bebas (waktu)
a = nilai Y bila X = 0
b = perubahan rata-rata Y terhadap perubahan X.
n = banyaknya periode waktu

Yogyakarta, Maret 2019

o Nilai ∑X, ∑Y, ∑XY, ∑X2

a = (16.084 × 385 ‒ 55 × 95.039)/(10 × 385 ‒ 552) = 1.169,933

b = (10 × 95.039 ‒ 55 × 16.084)/(10 × 385 ‒ 552) = 79,721
o Peramalan menggunakan metode LR
Grafik data aktual dan hasil peramalan menggunakan metode LR
b) Metode sebab akibat (causal model) :
Model ini ditujukan untuk meramalkan keadaan dimasa
datang dengan menentukan dan mengukur hubungan sebab
akibat antara satu atau beberapa variabel bebas
(independent variable) dengan satu variabel bergantung
(dependent variable).

o Metode Regresi Linier Sederhana

Metode ini digunakan untuk mengamati pengaruh lebih
dari satu variabel bebas (independent variabel ) terhadap
satu variabel tidak bebas (dependent variabel ).
Ŷ = variabel tidak bebas (yang diramalkan)
X = variabel bebas (waktu)
a = nilai Y bila X = 0
b = perubahan rata-rata Y terhadap perubahan X
n = banyaknya periode waktu
Diketahui besarnya biaya promosi dan volume penjualan
12 bulan terakhir sebagai berikut :
Biaya promosi dan volume penjualan
o Nilai ∑X, ∑Y, ∑XY, ∑X2

a = (143.307 × 162.190 ‒ 1.392 × 16.688.164)/(12 × 162.190

‒ 1.3922) = 1500,6
b = (12 × 16.688.164 ‒ 1.392 × 143.307)/(12 × × 162.190 ‒
1.3922) = 90,0
Ŷ = 1500,6 + 90,0 X
o Metode Regresi Linier Berganda
Metode ini digunakan untuk mengamati pengaruh lebih
dari satu variabel bebas (independent variabel ) terhadap
satu variabel tidak bebas (dependent variabel ).

Ŷ = variabel tidak bebas (yang diramalkan)

X1, X2 , X3 ,..., Xn = variabel bebas
b1, b2, b3, . . . , bn = koefisien regresi
a = nilai Ŷ bila X = 0
n = jumlah data
Nilai a, b1, b2, …, bn , dicari dengan persamaan berikut :
Biaya promosi, harga dan volume penjualan

Nilai ∑X1, ∑X2, ∑Y, ∑X12, ∑X22, ∑X1Y, ∑X2Y, ∑X1X2

 Ŷ = 774,90 + 18,31 X1 – 1.18 X2

2. Peramalan Kualitatif
Peramalan kualitatif umumnya digunakan pada kondisi
data historis kuantitatif tidak tersedia, atau karena pola
data unik sehingga tidak terwakili oleh pola data pada
peramalan kuantitatif. Peramalan kualitatif bersifat
subjektif, dipengaruhi oleh intuisi, emosi, pendidikan,
pengalaman dan sistem nilai seseorang. Oleh karena itu
peramalan yang dihasilkan oleh seseorang bisa berbeda
dengan peramalan yang dihasilkan oleh orang lain.
Akurasi Peramalan
o Prediksi yang dihasilkan oleh berbagai metode
peramalan ditujukan untuk mengurangi ketidakpastian
suatu kondisi yang akan terjadi dimasa mendatang,
yang berarti bahwa hasil peramalan umumnya masih
mengandung kesalahan (error). Kesalahan peramalan
(forecast error) dapat dirumuskan sebagai :
et = forecast error pada periode ke-t
Xt = nilai data aktual permintaan pada periode ke-t
Ft = nilai hasil peramalan pada periode ke-t

Akurasi peramalan bisa didasarkan pada besarnya nilai

Cumulative Forecast Error (CFE), Mean Absolute Deviation
(MAD), Mean Squared Error (MSE), dan Mean Absolute
Percentage Error (MAPE).
T =jumlah periode peramalan
Nilai CFE, MAD, MSE dan MAPE
Analisis Korelasi
o Untuk mengukur derajat hubungan antara dua atau
lebih variabel digunakan analisis korelasi. Besar kecilnya
derajat hubungan ditunjukkan oleh koefisien korelasi (r).
Nilai koefisien korelasi r terletak diantara –1 dan +1.
Semakin mendekati nilai +1 atau -1, semakin kuat
hubungan suatu variabel dengan variabel yang lain, dan
nilai r = 0 menunjukkan tidak adanya hubungan antara
satu variabel dengan variabel yang lain
r = (12×16.688.164‒1.392×143.307)/((12×162.190‒1.3922)
(12×1.717.211.653‒143.3072))0,5
= 0,99999433 ≈1

Hubungan biaya promosi dengan volume penjualan

Penentuan Fungsi Batasan Pasar dan Sumber
Daya
o Fungsi batasan (constraint function): merupakan bentuk
penyajian secara matematis batasan-batasan kapasitas
yang tersedia yang akan dialokasikan secara optimal ke
berbagai kegiatan.
o Contoh: bagian produksi suatu perusahaan yang
dihadapkan pada masalah penentuan tingkat produksi
berbagai jenis produk dengan memperhatikan batasan
pasar dan faktor produksi seperti mesin, tenaga kerja,
bahan baku, modal dan sebagainya untuk memperoleh
keuntungan maksimal atau biaya minimal.
o Data penyusun fungsi batasan, antara lain meliputi :
permintaan pasar, bill of material, proses produksi, waktu
proses setiap produk pada setiap mesin, peralatan dan
tenaga kerja, jumlah mesin, peralatan dan tenaga kerja
pada tiap departemen/pekerjaan, prosentasi cacat pada
setiap proses, hari kerja dan jam kerja dll
Berikut contoh bagian studi kasus berkaitan dengan cara
menyusun batasan pasar, bahan baku dan kapasitas mesin.
CV Bagus Sejati merupakan sebuah perusahaan furniture
dengan bahan baku utama kayu jati ,yang berkedudukan di
Jepara. Hasil produksi terdiri dari tiga macam produk yang
dikerjakan melalui proses permesinan dan manual.
Hasil produksi CV Bagus Sejati meliputi produk furniture
dengan kode berikut : M007, K008 dan A212. Volume
penjualan 10 bulan terakhir ditunjukkan oleh tabel berikut :
Bulan M007 K008 A212 Jumlah
1 1.250 1.400 1.346 3.996
2 1.275 1.456 1.387 4.118
3 1.300 1.438 1.524 4.262
4 1.263 1.657 1.567 4.487
5 1.288 1.876 1.735 4.899
6 1.314 1.756 1.698 4.768
7 1.275 1.765 1.716 4.756
8 1.300 1.825 1.920 5.045
9 1.327 1.878 1.965 5.170
10 1.288 2.010 2.098 5.396
Rata-rata jam kerja efektif 200 jam/bulan. kebutuhan bahan
baku per unit produk ditunjukkan oleh tabel berikut :
Kebutuhan bahan baku tersebut sudah
mempertimbangkan kemungkinan terjadinya cacat
produk pada semua proses. Secara umum semua bahan
baku kecuali kayu jati cukup mudah untuk
memperolehnya. Sedangkan kayu jati ukuran 2 m3 dan
ukuran > 2 m3 setiap bulan rata-rata perusahaan hanya
mampu menyediakan masing-masing 300 m3 dan 700
m3 . Produk yang dihasilkan CV Bagus Sejati, diproses
melalui mesin dan pengerjaan manual. Proses
permesinan ditunjukkan gambar berikut :
a) Proses produksi pembuatan M007

b) Proses produksi pembuatan K008

c) Proses produksi pembuatan A212

Jumlah mesin yang digunakan adalah sebagai
berikut (dalam unit) : Band saw (14), Rip saw (4),
Planner (2), Spindle moulder (11), Mesin bubut (6),
Laminating (6), Cross cut (12), Thicknesser (8),
Shapper (6). Kapasitas kiln dryer 1.100 m3
kayu/bulan
Menyusun Fungsi Batasan
a) Menyusun fungsi batasan pasar
Batasan pasar dapat ditentukan dengan memilih
metode yang cocok (mampu menghasilkan ramalan
yang sama atau mendekati data riil). Misal untuk
data volume penjualan produk M007, dapat
ditentukan sebagai berikut :
Moving Average (MA) Method

Yogyakarta, Pebruari 2019

Weighted Moving Average (WMA) Method

Yogyakarta, Pebruari 2019

o Apakah 2 metode peramalan di atas layak
digunakan ?, apa ukurannya.
o Dari dua metode di atas, berdasarkan nilai errornya
metode Moving Average (MA) lebih kecil, apakah
hal ini mengindikasikan metode MA layak
digunakan ?
Grafik Peramalan : Moving Average (MA)

Yogyakarta, Pebruari 2019

BAGAIMANA MEMILIH METODE PERAMALAN ?

Yogyakarta, Maret 2019

GRAFIK HASIL RAMALAN : METODE HWA

Yogyakarta, Pebruari 2019

 METODE PERAMALAN : NILAI MAD

Berdasarkan grafik dan nilai MAD maka dapat

disimpulkan bahwa metode HWA layak digunakan
Yogyakarta, Pebruari 2019
HASIL RAMALAN TERBAIK : METODE HWA

Yogyakarta, Pebruari 2019

Berdasarkan hasil ramalan dengan metode HWA
fungsi batasan pasar produk 1 (M007) dapat
dimodelkan sebagai : X1 ≤ 1.313
dengan X1 = banyaknya produk M007 yang dibuat
b) Menyusun fungsi batasan bahan baku
berdasarkan data kebutuhan bahan baku per unit
produk dan kemampuan perusahaan menyediakan
bahan baku, fungsi batasan bahan baku kayu jati
dapat dimodelkan sebagai berikut :
0,1 X1 + 0,075 X2 ≤ 300
0,3 X3 ≤ 700
b) Menyusun fungsi batasan kapasitas mesin
berdasarkan data proses produksi, jam kerja dan jumlah
mesin, fungsi batasan kapasitas mesin dapat dimodelkan
sebagai berikut :
mesin bandsaw : 30 X1 + 30 X2 + 30 X3 ≤ 168.000
mesin ripsaw : 10 X1 + 15 X3 ≤ 48.000
mesin planner : 15 X1 ≤ 24.000
mesin spindle moulder : 20 X1 + 20 X2 + 30 X3 ≤ 132.000
b) mesin bubut : 30 X1 + 15 X3 ≤ 72.000
mesin laminating : 10 X1 + 10 X2 + 15 X3 ≤ 72.000
mesin crosscut : 45 X2 + 25 X3 ≤ 144.000
mesin thicsener : 20 X2 + 25 X3 ≤ 96.000
mesin spindle moulder : 30 X2 ≤ 72.000
Kesimpulan
o Kondisi pada waktu yang akan datang sulit diperkirakan
secara pasti, untuk mengurangi ketidakpastian
diperlukan peramalan.
o Dengan peramalan yang baik diharapkan produk-produk
dapat dibuat sesuai dengan kebutuhan pasar.
o Fungsi batasan pasar dapat ditentukan berdasarkan
metode peramalan yang mampu mewakili kondisi
sebenarnya
Tugas
1) Sebuah perusahaan memproduksi tiga macam produk,
yaitu produk A, B dan C. Volume penjualan produk
pada 10 tahun terakhir ditunjukkan oleh tabel berikut :
 Tentukan MAPE metode terbaik dan buat fungsi batasan
pasar untuk produk A, B dan C tahun 2016 berdasarkan
metode terbaik.
2) Identifikasi data penyusun fungsi batasan, yang antara
lain meliputi : permintaan pasar, bill of material, proses
produksi, waktu proses setiap produk pada setiap
mesin, peralatan dan tenaga kerja, jumlah mesin,
peralatan dan tenaga kerja pada tiap departemen/
pekerjaan, hari kerja dan jam kerja dll. Susun fungsi
batasan berdasarkan data tersebut.
Referensi

Aritonang, L. (2009). Peramalan bisnis. Jakarta: Ghalia Indonesia.

Heizer, J., & Render, B. (2014). Operations management. Texas: Pearson.
Makridakis, S., Wheelwright, S. C., & Hyndman, R. J. (2008). Forecasting
methods and applications. India: Wiley India Pvt. Limited.