deCartesiaN
ISSN:2302-4224
deCartesia
J o u r n a l h o m e p a g e: https://ejournal.unsrat.ac.id/index.php/decartesian
1. LATAR BELAKANG
Beberapa penelitian telah dilakukan
Perkembangan ilmu pengetahuan senantiasa
mengalami kemajuan dari waktu ke waktu seiring sebelumnya, antara lain, model fuzzy goal
dengan kebutuhan manusia yang senantiasa terus programming yang diselesaikan dengan linear
bertambah, baik dari kebutuhan kualitas, programming [2]. Kemudian aplikasi fuzzy goal
kenyamanan dan lain sebagainya. Kebutuhan- programming (Studi Kasus: UD. Sinar Sakti Manado)
kebutuhan yang beraneka ragam tersebut menjadi [3].
permasalahan yang terjadi secara nyata di saat ini. Dalam penelitian yang dilakukan ini, akan di
Dalam kehidupan sehari-hari, pengambilan bahas mengenai optimasi perencanaan produksi
keputusan atas suatu masalah tidak bisa dengan menggunakan model fuzzy linear programming pada
jawaban sederhana yaitu “Ya” atau “Tidak”. Sebagai CV. Meubel Karya Nyata Gorontalo.
contoh, untuk menyatakan seseorang berbadan
“tinggi” atau “pendek” adalah bersifat relatif bagi 2. TEORI FUZZY
orang satu dengan yang lainnya. Demikian juga untuk 2.1. Logika Fuzzy
untuk menentukan rasa “manis” atau “pahit”. Pada tahun 1965, Prof. Lofti A. Zadeh dari
Menurut Kumala (2014), program linear California University USA memberikan sumbangan
adalah suatu cara untuk menentukan nilai optimum yang berharga dalam pengembangan teori himpunan
(maksismum atau minimum) dari suatu fungsi linear fuzzy (samar). Dalam kamus Oxford, istilah fuzzy
dibawah kendala-kendala tertentu yang dinyatakan didefinisikan sebagai blurred (kabur atau remang-
dalam bentuk persamaan atau pertidaksamaan linear. remang), indistinct (tidak jelas), imprecisely defined
Dimana setiap parameter data dalam program linear (didefinisikan secara tidak presisi), confused
yang terdiri dari koefisien-koefisien fungsi tujuan, (membingungkan), vague (tidak jelas). Penggunaan
konstanta-konstanta sebelah kanan dan koefisien istilah “sistem fuzzy” tidak dimaksudkan untuk
teknis, diketahui secara pasti. Sementara fakta yang mengacu pada sebuah sistem yang tidak
muncul adalah hal-hal yang berhubungan dengan jelas/kabur/remang-remang definisinya, cara
ilmu pengetahuan tidak selalu bersifat tegas dalam kerjanya, atau deskripsinya. Sebaliknya, yang
kehidupan sehari-hari [1]. Sehingga munculah suatu dimaksud dengan sistem fuzzy adalah sebuah sistem
metode yang dapat digunakan untuk pemecahan yang dibangun dengan definisi, cara kerja, dan
masalah yang bersifat samar untuk perencanaan deskripsi yang jelas berdasar pada teori fuzzy logic.
produksi, yaitu fuzzy linear Programming. Logika fuzzy adalah suatu cara yang tepat untuk
Optimasi Perencanaan Produksi Pada CV. Meubel Karya Nyata Gorontalo Menggunakan Model Program Linear Fuzzy
Jurnal Matematika dan Aplikasi deCartesiaN, Vol.7, No.2 (September 2018): 78 – 83
7
Mohamad Iqbal Pulukadang, Yohanes A.R. Langi, Altien J. Rindengan
Jurnal Matematika dan Aplikasi deCartesiaN, Vol.7, No.2 (September 2018): 78 –
−𝑐
𝐵= ); dan produk Lemari, kursi dan Tempat tidur akan
𝐴
(−𝑑 menjadi variabel 𝑥1, 𝑥2 dan 𝑥3 yang akan di
𝑑=( ) maksimumkan sebagai fungsi tujuan. Sementara
𝑍
Tiap-tiap baris/batasan (1,2,3,...,m) akan bahan baku, jam kerja dan jumlah pekerja akan
direpresentasikan dengan sebuah himpunan fuzzy, menjadi fungsi kendala.
dengan fungsi keanggotaan pada himpunan ke-i 3. Penambahan Nilai Toleransi Pada Model
adalah 𝜇𝑖[𝐵𝑖𝑥]. Fungsi keanggotaan model keputusan Penambahan nilai toleransi pada model
himpunan fuzzy dapat dinyatakan sebagai : dimaksudkan sebagai batasan fuzzy.
𝜇𝐷 [𝑥 ] = 𝑚𝑖𝑛{𝜇𝑖 [𝐵𝑖 𝑥 ]} 4. Penyelesain Model Linear Programming
𝑖 Model yang telah di buat akan diselesaikan
Tentu saja diharapkan kita akan menggunakan software POM-QM for Windows
mendapatkan solusi terbaik, yaitu suatu solusi dengan 3.
nilai keanggotaan yang paling besar, dengan demikian 5. Batasan Fuzzy
solusi sebenarnya adalah: Merupakan nilai yang di dapatkan dari
𝑚𝑎𝑥 𝜇𝐷 [𝐵𝑥 ] = 𝑚𝑎𝑥 𝑚𝑖𝑛 {𝜇𝑖 [𝐵𝑖 𝑥 ]} penyelsaian model linear programming.
𝑥≥0 𝑥≥0 𝑖
Dari sini terlihat bahwa 𝜇𝑖[𝐵𝑖𝑥] = 0 jika batasan ke-i 6. Model Fuzzy Linear Programming
benar-benar dilanggar. Sebaliknya, 𝜇𝑖[𝐵𝑖𝑥] = 1 jika Model fuzzy linear programming dibentuk
batasan ke-i benar-benar dipatuhi. Nilai 𝜇𝑖[𝐵𝑖𝑥] akan berdasarkan fungsi kendala yang ada dan
naik secara monoton pada selang [0,1], yaitu: ditambahkan dengan niali batasan fuzzy
7. Penyelesaian Model Fuzzy Linear Programming
1; 𝑗𝑖𝑘𝑎 𝐵𝑖𝑥 ≤ 𝑑𝑖 Penyelesaian Fuzzy Linear Programming
𝐵𝑖𝑥 − dilakukan dengan menggunakan software POM-
𝜇𝑖[𝐵𝑖𝑥] = 1 − ; 𝑗𝑖𝑘𝑎 𝑑𝑖 < 𝐵𝑖𝑥 ≤ 𝑑𝑖 + 𝑝𝑖 QM for Windows 3.
𝑑𝑖
𝑝𝑖
{ 0; 𝐽𝑖𝑘𝑎 𝐵𝑖𝑥 > 𝑑𝑖 + 𝑝𝑖
4. HASIL DAN PEMBAHASAN
Dengan 𝑝𝑖 adalah toleransi interval yang
diperbolehkan untuk melakukan pelanggaran baik 4.1. Pengumpulan Data
pada fungsi obyektif maupun batasan. Data pada penelitian ini, di ambil
Untuk mencari nilai 𝜆 − 𝑐𝑢𝑡 dapat dihitung sebagai dari CV. Meubel Karya Nyata. Data yang ambil adalah
𝜆 = 1 − 𝑡, dengan: bahan baku produksi di bulan Maret 2018.
𝑑𝑖 + 𝑝𝑖 = ruas kanan batas ke − Berdasarkan data yang telah di dapatkan, maka di
𝑖 Nilai 𝑡 merupakan skala yang di gunakan untuk bentuk tabel produksi sebagai berikut :
menentukan jumlah penambahhan terbesar dari
setiap batasan yang di ijinkan. Sedangkan 𝜆 Tabel 1. Data bahan baku produksi
merupakan nilai yang digunakan untuk Bahan Baku
Produk Kapasitas
Lemari Kursi Tempat Tidur Maksimum Toleransi
mengimplementasikan setiap batasan. Papan (𝑚 )
2
9,6 7,2 12 480 60
Dengan demikian diperoleh bentuk linear Cat (𝐿) 3 2 2 100 50
programming baru sebagai berikut: Tiner (𝐿) 2 2 2 90 30
Amplas (𝑚) 1 1 1 50 30
Maksimumkan : 𝜆 Lem (𝐾𝑔) 1 1 1 50 30
Kendala : 𝜆𝑝𝑖 + 𝐵𝑖𝑥 ≤ 𝑑𝑖 + 𝑝𝑖 ; i = 0,1,2, … , m Waktu
Proses I 12 9 12 720 0
x≥0 Waktu
Proses II 9 6 8 720 0
Harga/unit 2.000.000 1.600.000 1.550.000
3. METODOLOGI PENELITIAN
3.1. Waktu dan Tempat Penelitian Jam proses I meliputi pemotongan papan hingga
perakitan dan jam proses II meliputi pengamplasan
Penelitian ini dilaksanakan selama bulan
pengecetan dan pengeringan. Dengan jumlah
Januari 2018 sampai bulan Maret 2018, mulai dari
produksi minimum kursi sebanyak 2 unit, kursi
penyusunan proposal, pegambilan data serta
sebanyak 2 unit dan tempat tidur sebanyak 1 unit.
pengolahan data. Pengambilan data dilakukan di CV.
Meubel Karya Nyata Gorontalo dan pengolahan data
dilakukan di Laboratorium Komputer Dasar, Fakultas 4.2. Formulasi Model
Matematika dan Ilmu Pengetahuan Alam, Universitas Variabel keputusan
Sam Ratulangi Manado. Variabel keputusan merupakan variabel yang akan
3.2. Analisis Data dicari nilai tingkat kegiatan berdasarkan sumber
daya yang ada. Berdasarkan data diatas, maka
Analisis data pada penelitian ini variabel keputusan untuk permasalahannya
menggunakan Fuzzy Linear Programing. adalah sebagai berikut :
Langkah-langkah analisis data Fuzzy Linear 𝑥1 = Jumlah lemari yang di produksi
Programing, yaitu: 𝑥2 = Jumlah kursi yang di produksi
1. Pengambilan Data 𝑥3 = Jumlah tempat tidur yang di produksi
Data yang akan digunakan pada penelitian Fungsi Kendala
ini merupakan data pada bulan agustus 218 yang Fungsi kendala adalah bentuk fungsi
akan di ambil di CV. Meubel Larya Nyata. pertidaksamaan ataupun persamaan yang
2. Membuat Model Linear Programming menyatakan jumlah dari tingkat kegiatan yang
Membuat model berdasarkan data yang telah dibatasi oleh banyaknya sumber daya yang
diambil yaitu menentukan fungsi tujuan dan
fungsi kendala. Pada pembuatan model ini, jenis
8
Optimasi Perencanaan Produksi Pada CV. Meubel Karya Nyata Gorontalo Menggunakan Model Program Linear Fuzzy
Jurnal Matematika dan Aplikasi deCartesiaN, Vol.7, No.2 (September 2018): 78 – 83
Agar ruas kanan formulasi diatas tidak Apabila menggunakan fuzzy linear
mempunyai nilai negatif, maka formulasi bentuk programming (𝜆 = 0,5), pendapatan maksimum
linear programming di atas di ubah menjadi : akan diperoleh jika Lemari diproduksi sebanyak 20
Maksimumkan :𝜆 unit, Kursi diproduksi sebanyak 31 unit dan Tempat
Dengan Batasan : tidur diproduksi sebanyak 1 unit, keuntungan yang
−32000000𝜆 + 2000000𝑥1 + 1600000𝑥2 diproleh (Z) sebesar Rp. 91.950.000 (Rp. 16.000.000
+ 1550000𝑥3 ≥ 75950000 lebih banyak dibanding dengan linear programming
60𝜆 + 9,6𝑥1 + 7,2𝑥2 + 12𝑥3 ≤ 540 biasa). Dengan catatan bahwa pada kondisi ini,
50𝜆 + 3𝑥1 + 2𝑥2 + 2𝑥3 ≤ 150 dibutuhkan papan sebesar 430,8 m2, cat sebanyak 125
30𝜆 + 2𝑥1 + 2𝑥2 + 2𝑥3 ≤ 120 L, tiner sebanyak 105 L, amplas sebanyak 52,5 m, lem
30𝜆 + 𝑥1 + 𝑥2 + 𝑥3 ≤ 80 sebesar 52,5 Kg, jam proses I selama 535,5 jam, dan
30𝜆 + 𝑥1 + 𝑥2 + 𝑥3 ≤ 80 jam proses II selama 377 jam. Hasil ini mengharuskan
12𝑥1 + 9𝑥2 + 12𝑥3 ≤ 720 penambahan cat sebanyak 25 L dari 100 L yang
9𝑥1 + 6𝑥2 + 8𝑥3 ≤ 720 disediakan, tiner sebanyak 15 L dari 90 L yang bisa
𝑥1 ≥ 2 disediakan, amplas sebanyak 2,5 Kg dari 50 Kg yang
𝑥2 ≥ 2 bisa disediakan, dan lem sebesar 2,5 m dari 50 m
𝑥3 ≥ 1 yang bisa disediakan.
𝜆, 𝑥1, 𝑥2, 𝑥3 ≥ 0 Sementara untuk nilai 𝜆 = 0,5
Kemudian formulasi ini di selesaikan menngunakan mengandung makna bahwa 𝜆 − 𝑐𝑢𝑡 untuk setiap
metode simpleks yang di hitung menggunakan himpunan yang digunakan untuk
software POM QM for Windows 3. mengimplementasikan setiap batasan sebesar 0,5.
Setelah dilakukan perhitungan, memberikan solusi : Dengan kata lain, skala terbear 𝑡 = 1 − 0,5 = 0,5
𝜆 = 0,5 digunakan untuk menentukan besarnya penambahan
𝑥1 = 20 terbesar dari setiap batasan yang di ijinkan. Pada
𝑥2 =31,5 batasan-1, penambahan papan di ijinkan hingga 60
m2, pada kenyataannya penambahan yang
𝑥3 = 1
dibutuhkan maksimal hanya sebesar 0,5 × 60 m2 =
𝑍 = 91950000
30 m2. Pada batasan-2, cat di ijinkan hingga 30 L,
Dari solusi di atas, masih terdapat bahan baku yang
namun kenyataannya penambahan yang dibutuhkan
tersisa dari proses produksi, yaitu:
hanya sebesar 25 L, untuk tiner hanya membutuhkan
penambahan sebanyak 15 L, amplas membutuhkan
Tabel 4. Sisa bahan baku pada Fuzzy
penambahan sebanyak 15 Kg dan lem hanya
Bahan Baku Terpakai Sisa
Papan 430,8 109,2 membutuhkan penambahan sebesar 15 m.
Cat 125 25
Tiner 105 15 5. KESIMPULAN
Amplas 52,5 27,5 Model fuzzy linear programming mempunyai
Lem 52,5 27,5 hasi dengan solusi optimall 𝑥1 = 20, 𝑥2 =
Waktu proses I 535,5 184,5 31,5, dan 𝑥3 = 1 dengan keuntungan Rp.
Waktu Proses II 377 343 91.950.000.
Referensi
4.5. Pembahasan
[1] Haryati, E. 2011. Proses Untuk Menyelesaikan
Berdasarkan hasil analisis di atas, solusi Masalah Full Fuzzy Linear
model program linear fuzzy dan model program Programming[skripsi]. Fakultas Matematika
linear biasa, dapat di lihat pada tabel berikut : dan Ilmu Pengetahuan Alam Universitas
Tabel 5. Solusi Non-Fuzzy dan Fuzzy Negeri Yogyakarta. Yogyakarta.
[2] Rindengan, A.J., P.T. Supriyo, dan A. Kustiyo.
Variabel Solusi Non-Fuzzy Solusi Fuzzy
2013. Model Fuzzy Goal Programming Yang
𝑥1 10 20 Diselesaikan Dengan Linear Programming
𝑥2 34 31,5 Pada Perencanaan Produksi. Jurnal de
𝑥3 1 1
Cartesian. 2(2) : 26-32.
𝑍 75950000 91950000
[3] Tampinongkol, F.F., A.J. Rindengan, dan L.A.
Bahan Baku Nilai Batasan Latumakulita. 2015. Aplikasi Fuzzy Goal
Programming (Studi Kasus : UD. Sinar Sakti
Manado). Jurnal de Cartesian. 4(2) : 129-137.
8
Optimasi Perencanaan Produksi Pada CV. Meubel Karya Nyata Gorontalo Menggunakan Model Program Linear Fuzzy
Jurnal Matematika dan Aplikasi deCartesiaN, Vol.7, No.2 (September 2018): 78 – 83