USULAN SKRPISI

ANALISA OPTIMASI PERENCANAAN PRODUKSI PAKAN

TERNAK PADA DIVISI PAKTER DI KOPERASI PETERNAK
GARUT SELATAN (KPGS)

Diajukan Untuk Memenuhi Persyaratan Akademik dalam Mengikuti Sidang Ujian

Proposal

Oleh :
M Faisal Gusman
(1803062)

JURUSAN TEKNIK INDUSTRI

INSTITUT TEKNOLOGI GARUT
2022
 i

HALAMAN PENGESAHAN

i
 ii

DAFTAR ISI

ii
 iii

DAFTAR TABEL

iii
 iv

DAFTAR GAMBAR

iv
 I. BAB I
PENDAHULUAN
1.1. Latar Belakang
Kemajuan kegiatan area produksi membuat setiap perusahaan menginginkan
proses produksi yang efisien dan optimal dengan biaya yang minimal namun
permintaan pasar tetap dapat terpenuhi.(Komsiyah et al., 2018).Kegiatan produksi
merupakan bidang kajian yang terus berkembang selaras perkembangan
teknologi,sehingga dapat dikatakan bahwa produksi mempunyai hubungan timbal
balik dengan teknologi (Kabosu & kartiko, 2020). Pemahaman yang ada pada area
produksi memberi dampak tuntutan untuk proses produksi dengan biaya lebih rendah,
meningkatkan kualitas dan produktifitas serta menciptakan produk baru.Salah satu
hal yang penting dalam memahami produksi adalah dengan memperhatikan proses
bisnisnya karena keduanya selalu berkaitan juga dengan semua aliran yang ada dalam
perusahaan salah satu aspek penting dalam perusahaan yaitu adanya proses
perencanaan produksi, yang merupakan acuan dasar untuk mencapai tujuan dari
masing-masing perusahaan sebelum melakukan serangkaian proses manufaktur.
Perencanaan produksi ialah suatu kegiatan yang berkenaan dengan penentuan
apa yang harus diproduksi, berapa banyak diproduksi, kapan diproduksi dan apa
sumber daya yang dibutuhkan.Tujuan perencanaan produksi agregat adalah untuk
memaksimalkan keuntungan atau meminimalkan.biaya dan diformulasikan ke fungsi
tujuan tunggal dalam program linier.Berbeda dengan pemrograman linier yang secara
langsung mengoptimalkan tujuan, Dalam Goal Programming ini digunakan untuk
mengelola serangkaian tujuan yang saling bertentangan dengan meminimalkan
penyimpangan antara nilai target dan hasil yang direalisasikan (Leung & Ng, 2007)
dalam (Achmad Alfian, 2019).
Hal ini menyebabkan para pelaku bisnis ini sering di hadapkan dengan
bagaimana volume produksi di lakukan karena produksi yang besar juga sejalan

1
 2

dengan kebutuhan biaya produksi yang meningkat. Pemenuhan permintaan juga harus
diikuti dengan pemanfaatan ketersediaan sumber daya yang ada secara optimal.
Kondisi sumber daya yang dimaksud adalah seperti: tenaga kerja, bahan baku, mesin,
dan peralatan lainnya yang dibutuhkan untuk proses produksi.(Azhari et al., 2020)
Koperasi Peternak Garut Selatan (KPGS) adalah sebuah koperasi yang terletak
di kecamatan cikajang Kab.Garut yang bergerak di bidang peternakan sapi perah di
koperasi ini juga terdapat sebuah industri manufaktur dalam memproduksi pakan
ternak untuk sapi perah.Divisi pakan ternak ini memiliki produk premium dan reguler
yang menggunakan sistem produksi make to order dan make to stok. Dimana make to
order digunakan untuk pesanan yang berasal dari konsumen tetap atau dari anggota
kelompok koperasi karena proses produksi berjalan hanya ketika ada pesanan dari
anggota kelompok koperasi.Sedangkan untuk make to stok di gunakan untuk
memenuhi kebutuhan anggota luar kelompok karena di daerah tersebut memang
cukup banyak para peternak sapi perah baik yang termasuk dari anggota kelompok
peternak koperasi tersebut atau dari luar anggota.
Produk pakan ternak yang di produksi ini memiliki dua jenis pakan yaitu pakan
premium dan reguler keduanya memiliki bahan baku yang sama hanya saja pada sisi
kuantitas bahan yang menjadi perbedaan dan hal tersebut berdampak pada harga
penjualannya yang berbeda.Pada gambar 1.1 menunjukan grafik penjualan pakan
ternak jenis premium dan reguler.
 3

Penjualan Pakan Ternak Th 2021-2022/April

200
180
160
140
120
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13

Reguler Premium (TONASE)

Gambar 1.1 Grafik Penjualan Pakan ternak jenis premium dan reguler
Gambar di atas menunjukan perbedaan kuantitas permintaan yang akan
berpengaruh pada peningkatan biaya produksi ataupun keuntungan dari penjualan.
Dalam memenuhi kebutuhan pakan ternak sapi divisi pakan ternak KPGS ini secara
kenyataannya masih banyak aspek yang tidak terpenuhi dalam mengoptimasi
perencanaan produksi.Dari hasil survey lapangan menurut ketua divisi Pada saat ini,
perusahaan tidak memiliki nilai yang pasti dari serangkaian tujuan yang ada, seperti
batasan jumlah item yang diproduksi, jumlah persediaan maksimal/minimal yang
diperbolehkan, batasan ketersediaan jam kerja dan keuntungan yang maksimal
dengan kendala target produksi minimal yang harus dicapai.Ketua divisi pakan ternak
menyatakan proses produksi hanya berpacu pada para pelanggan tetap atau anggota
kelompok tetap yang bisa di kategorikan sebagai konsumen tetap namun pesanan juga
ada yang dari peternak sapi perah di luar keanggotaan yang membutuhkan pakan
ternak sapi. Pada tabel 1.1 menunjukan permintaan dari beberapa sumber dan
realisasi dari permintaan tersebut.
 4

Tabel 1.1 Data Realisasi aktual pemenuhan pesanan

Jenis
Reguler Tidak
Premium Total Realisasi Terealisas Keterangan
(TONASE) (TONASE) i

1 174,10 88,10 262,20 256,60 5,60 TidakTercapai

2 168,80 84,40 253,20 250,60 2,60 TidakTercapai
3 154,50 64,50 219,00 219,00 0 Tercapai
4 153,20 67,20 220,40 219,90 0,50 TidakTercapai
5 152,10 69,50 221,60 220,70 0,90 TidakTercapai
6 162,70 75,40 238,10 233,20 4,90 TidakTercapai
7 163,60 75,90 239,50 238,20 1,30 TidakTercapai
8 158,10 72,10 230,20 230,20 0 Tercapai
9 169,00 73,30 242,30 240,30 2,00 TidakTercapai
10 155,10 75,10 230,20 228,20 2,00 TidakTercapai
11 159,60 91,80 251,40 248,80 2,60 TidakTercapai
12 163,60 94,70 258,30 252,90 5,40 TidakTercapai

Berdasarkan data pada tabel di atas terdapat permasalahan perusahaan dalam

memenuhi permintaan. Hal ini menyebabkan divisi pakan ternak KPGS ini sering di
hadapkan dengan bagaimana volume produksi di lakukan karena produksi yang besar
juga sejalan dengan kebutuhan biaya produksi yang meningkat. Dalam penyusunan
perencaaan produksi, hal yang perlu dipertimbangkan adalah adanya optimasi
perencanaan produksi sehingga tingkat biaya yang paling rendah untuk melaksanakan
proses produksi tercapai akan meningkatkan nilai keuntungan.
Menurut penelitian (Vera Devani, 2017) menggunakan metode goal
programming menghasilkan jumlah optimum untuk produksi variasi dari dua produk
yaitu produk Crumb Rubber SIR 10 dan Crumb Rubber SIR 20 dari ketersediaan jam
kerja harus bisa mencapai target keuntungan minimum dari sumber daya yang
tersedia.Selanjutnya juga penyelesaian permasalahan optimasi produksi ini juga di
selesaikan dengan pengggunaan metode simpleks dengan pendekatan linear
programming seperti yang ada pada penelitian oleh (Yulianto, 2019). Pada penelitian
 5

(Revina Rentani, dkk 2017) optimasi produksi dengan metode goal programming ini
di lakukan dengan penggunaan aplikasi bantuan software WINQSB. Penggunaan
metode goal pragramming ini juga dapat di gunakan dalam permasalahan pemilihan
supplier bahan baku seperti yang ada pada penelitian (Asep Ridwan, Ahmad Aji
Abadi, 2020).Pada penelitian yang di lakukan oleh (Dwi Rizkiyani, 2018)
penggunaan metode goal programming ini di gunakan untuk permasalahan harga jual
suatu produk perumahan dari permasalahan pengeluaran biaya yang di keluarkan
untuk pembuatan perumahan tersebut.
Berdasarkan pada kasus yang ada pada penelitian ini dan di bantu oleh berbagai
pernyataan yang ada pada penelitian yang berkaitan maka peneliti berkehendak
tertarik untuk mengkaji lebih lanjut tentang permasalahan optimasi produksi dari
Penyelesaian masalah pada perencanaan produksi pada divisi pakan ternak dengan
harapan penelitian ini bisa menjadi rekomendasi perbaikan untuk tetap menjaga
keunggulan bersaing, perusahaan juga perlu melakukan efisiensi dari sisi biaya dan
sumber daya perusahaan. Penelitian ini menggunakan pendekatan kuantitatif
mengacu pada pengumpulan dan pengolahan data berupa angka-angka sebagai alat
untuk menganalisis informasi tentang apa yang ingin diketahui (Darmalaksana,
2020). menggunakan data berupa angka-angka sebagai alat untuk menganalisis
informasi tentang apa yang ingin diketahui (Darmalaksana, 2020). Pengalokasian
sumber daya perusahaan yang ada perlu dioptimalkan.Untuk melakukan optimasi
perencanaan produksi, perusahaan harus memiliki nilai yang pasti terhadap
serangkaian goal yang akan dicapai.
Dalam perencanaan produksi ini mempunyai beberapa tujuan yang ingin di
capai yaitu memaksimalkan target keuntungan dan meminimalkan biaya produksi
yang terdiri dari kendala jam kerja,biaya tenaga kerja dan biaya bahan baku. Menurut
(Debora, 2018) biaya produksi terdiri dari biaya tenaga kerja,bahan baku dan
overhead yang menunjang kelangsungan proses produksi,
Agar perusahaan memiliki nilai yang pasti terhadap beberapa tujuan yang
ingin dicapai atau Multiobjektive.Permasalahan yang ada pada area produksi divisi
 6

pakan ternak memiliki beberapa tujuan diantaranya memaksimalkan keuntungan dan

meminimalkan biaya produksi yang terdiri dari biaya tenaga kerja dan bahan baku,
overhead dan memaksimalkan pemakaian jam kerja. maka metode yang dapat
menyelesaikan kasus untuk beberapa fungsi tujuan yaitu metode goal programming,
Oleh karena itu penulis melakukan penelitian ini dengan judul “Analisa Optimasi
Perencanaan Produksi Pakan Ternak Pada Divisi Pakan Ternak Koperasi Peternak
Garut Selatan (KPGS).
1.2. Rumusan Masalah
Berdasarkan latar belakang masalah sebelumnya permasalahan dalam optimasi
perencanaan produksi dapat di rumuskan menjadi rumusan sebagai berikut :
1. Bagaimana proses produksi pakan ternak ini?
2. Apakah perencanaan produksi sudah optimum?
1.3. Tujuan Penelitian
Sebagaimana fokus penelitian pada perumusan masalah sebelumnya tujuan
penelitian ini yaitu mengoptimalkan perencanaan produksi pada divisi pakan ternak
dengan sumber daya yang tersedia dan perencanaan produksi yang ada pada divisi
pakan ternak KPGS,dapat di kategorikan menjadi beberapa tujuan dalam perencanaan
produksi di antaranya :
1. Teridentifikasinya proses produksi pakan ternak
2. Mengetahui apakah perencanaan produksi sudah ada pada nilai optimum
1.4. Asumsi Batasan Penelitian
Asumsi batasan pada Penelitian ini yaitu :
1. Objek yang diteliti dalam penelitian ini adalah produksi Pakan ternak sapi
perah yang di klasifikasikan dua jenis, antara lain: Pakan ternak Reguler dan
Premium.
2. Data yang diambil adalah data pada area produksi dan data permintaan yang
diperoleh dari Divisi Pakan Ternak KPGS.
 7

3. Data yang dikumpulkan dalam penelitian ini meliputi data penjualan, data
biaya produksi,data jam kerja,bahan baku yang yang di butuhkan dalam
proses produksi dan harga jual setiap jenis produk.
4. Penelitian dilakukan untuk perencanaan produksi enam periode yang akan
datang menggunakan metode goal programming dengan asumsi data data
perusahaan yang di gunakan tidak berubah.
5. Pada variabel biaya, di asumsikan biaya biaya yang di keluarkan adalah jenis
biaya yang terdapat pada area produksi tidak mencakup biaya transportasi,
atau biaya di luar area produksi.
6. Kondisi lingkungan di asumsikan statis untuk perhitungan peramalan
permintaan di masa akan datang.
1.5. Manfaat Penelitian
Adapun beberapa manfaat yang diharapkan dari penelitian ini diantaranya
adalah :
1. Penulis
Untuk menambah wawasan dan pengetahuan mengenai optimasi perencanaan
produksi menggunakan metode goal programming serta studi banding antara
pengetahuan secara teori dan kenyataan lapangan.
2. Perusahaan/Koperasi
Dapat merencanakan dan mengoptimasi perencanaan produksi sesuai dengan
data permintaan pada enam periode ke depan.
3. Akademik
Sebagai tambahan referensi bagi mahasiswa dan sebagai bahan untuk
melakukan penelitian ini lebih lanjut di masa yang akan datang.
1.6. Sistematika Penulisan
Penulisan laporan tugas akhir ini disususn dengan sistematika penulisan yang
berisi masing-masing menjelaskan isi dari bab tersebut.
 8

BAB I PENDAHULUAN
Pada bab ini berisi uraian mengenai latar belakang masalah yang
mendasari penelitian skripsi, perumusan masalah, batasan masalah,
tujuan penelitian, dan sistematika penulisan.
BAB II LANDASAN TEORI
Pada bab ini berisi teori-teori dan rumus-rumus yang berkaitan dengan
masalah yang terjadi pada penelitian tugas akhir, sehingga mampu
mendukung untuk mengolah data tersebut.
BAB III METODOLOGI PENELITIAN
Bab ini berisi metode penelitian, penelitian pendahuluan, pengumpulan
dan pengolahan data, serta analisa dan pembahasan.
BAB IV USULAN DAN PENGOLAHAN DATA
Pada bab ini berisi data-data yang sudah dikumpulkan kemudian data-
data tersebut diolah sesuai metode yang digunakan, sehingga bisa
digunakan untuk pemecahan masalah pada penelitian tersebut dan
memuat hasil penelitian dan pembahasan secara terpadu. Hasil
penelitian bisa disajikan dalam bentuk grafik, tabel, gambar, dan
lainnya. Pembahasan hasil yang diperoleh berupa penjelasan teoritis.
BAB V PENUTUP
Setelah dilakukan proses analisa dan pembahasan, maka pada bab ini
akan diuraikan kesimpulan akhir mengenai jawaban dari tujuan
penelitian. Selain itu, terdapat saran terhadap perusahaan dan pada
proses penelitian untuk dijadikan tindakan lebih lanjut di penelitian
masa yang akan datang.
 II. BAB II
LANDASAN TEORI
2.1 Teknik Industri
Teknik industri (dalam bahasa Inggris, industrial engineering) dapat di
definisikan sebagai suatu teknik yang mencakup bidang desain, perbaikan, dan
pemasangan dari sistem integral yang terdiri dari manusia, bahan-bahan, informasi,
peralatan dan energi. Hal ini digambarkan sebagai pengetahuan dan keterampilan
yang spesifik pada matematika, fisika, komputer dan ilmu-ilmu sosial bersama
dengan prinsip dan metode dari analisis keteknikan dan desain untuk mengkhususkan,
memprediksi, dan mengevaluasi hasil yang akan dicapai dari suatu sistem (IISE,
2021).
Teknik industri memiliki bidang kajian yang meliputi 14 elemen Body of
Knowledge – IISEBoK yaitu :
1. Work Design & Measurement
2. Operation Research & Analysis
3. Engineering Economic & Analysis
4. Facilities Engineering & Energy Management
5. Quality & Realibility Engineering
6. Ergonomics & Human Factor
7. Operation Engineering & Management
8. Supply Chain Management
9. Engineering Management
10. Safety
11. Information Engineering
12. Design & Manufacturing Engineering
13. Product Design & Developement
14. System Design & Engineering

1
 2

2.2 Keterkaitan Topik Penelitian dengan Disiplin Teknik Industri

Teknik Industri adalah disiplin ilmu yang mampu mengoptimalkan dan
memberikan suatu keputusan berupa solusi dari permasalahan sumber daya yang
terbatas dari suatu sistem integral yang terdiri dari manusia, material/bahan,
informasi, peralatan, dan energy. Dasar keilmuan teknik industri multidisiplin, karena
teknik industri tidak hanya bertumpu pada ilmu matematika dan fisika, tetapi juga
ilmu sosial dan manajemen.
Penelitian yang di kaji ini yaitu mengenai optimasi perencanaan produksi terdiri
dari permasalahan jumlah produksi yang harus di optimumkan dan beberapa tujuan
lain seperti yang sudah di paparkan sebelumnya pada rumusan dan tujuan penelitian
mengutip dari (Suinata, 2017) Jumlah produksi yang terlalu kecil atau terlalu sedikit
berakibat tidak dapatnya perusahaan tersebut memenuhi permintaan pasar .Akibatnya
para pelanggan yang tidak terpenuhi permintaanya akhirnya pindah dan menjadi
pelanggan perusahaan lain yang merupakan saingan dari perusahaan tersebut.
Hal hal yang di angkat pada penelitian ini memiliki keterkaitan dan relevansi
dengan keilmuan teknik industri di mana dalam perencanaan produksi di dalamnya
terdapat fokus kajian sistem yang terintegrasi dan juga dalam perencanaan produksi
ini juga tidak hanya bertumpu pada nilai nilai dari suatu keputusan yang di selesaikan
oleh metode goal programming akan tetapi apabila solusinya tidak terpenuhi maka
hal ini di selesaikan dengan ilmu sosial dan manajemen yang juga merupakan bagian
dari disiplin keilmuan teknik industri seperti dalam (Dabukke, 2018). Metode Goal
programming merupakan suatu metode flexible yang dapat digunakan untuk
pengambilan keputusan terhadap masalah yang kompleks tidak seperti pada program
linear yang hanya bisa untuk menyelesaikan masalah meminimumkan atau
memaksimalkan sehingga solusi yang diperoleh akan lebih optimal dalam bidang
manajemen
 3

2.3 Perencanaan Produksi

Perencanaan produksi merupakan perencanaan tentang produk apa dan berapa
yang akan di produksi oleh perusahaan yang bersangkutan dalam satu periode yang
akan datang. Perencanaan produksi merupakan bagian dari perencanaan operasional
di dalam perusahaan. Dalam penyusunan perencanaan produksi, hal yang perlu
dipertimbangkan adalah adanya optimasi produksi sehingga akan dapat dicapai
tingkat biaya yang paling rendah untuk pelaksanaan proses produksi tersebut (Anis,
2017).
Perencanaan produksi merupakan aktifitas untuk menetapkan produk yang akan
diproduksi untuk periode selanjutnya.Tujuan perencanaan produksi adalah menyusun
suatu rencana produksi untuk memenuhi permintaan pada waktu yang tepat dengan
menggunakan sumber-sumber atau alternatif-alternatif yang tersedia dengan biaya
yang paling minimum keseluruhan produk (Teguh Baroto,2002) dalam (Dabukke,
2018). Oleh karena itu maka jumlah produksi harus direncanakan agar perusahaan
dapat memperoleh laba maksimal. Di samping itu jumlah produksi perlu
direncanakan dan diperhitungkan dengan cermat karena tanpa perencanaan dapat
berakibat bahwa jumlah yang diproduksikan menjadi terlalu besar atau terlalu kecil.
Jumlah produksi yang tidak seimbang dengan permintaan pasar mengakibatkan
terjadi penyimpangan. Jika jumlah produksi terlalu besar maka biaya produksi juga
semakin besar dan keuntungan akan kecil atau bahkan mendapatkan kerugian. Jumlah
produksi yang terlalu kecil atau terlalu sedikit berakibat tidak dapatnya perusahaan
tersebut memenuhi permintaan pasar.
Jumlah produksi yang terlalu kecil atau terlalu sedikit berakibat tidak dapatnya
perusahaan tersebut memenuhi permintaan pasar.Akibatnya para pelanggan yang
tidak terpenuhi permintaanya akhirnya pindah dan menjadi pelanggan perusahaan lain
yang merupakan saingan dari perusahaan tersebut (Suinata, 2017).
 4

2.4 Peramalan
2.4.1 Pengertian dan Konsep Peramalan
Peramalan adalah proses untuk memperkirakan beberapa kebutuhan di masa

datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu, dan

lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang atau jasa.

Penggunaan model matematik dalam peramalan besarnya potensi permintaan

dalam (Andini & Auristandi, 2018)

Berdasarkan sifatnya, peramalan dapat dibedakan menjadi dua yaitu :

1. Peramalan kualitatif adalah peramalan yang didasarkan atas kualitatif pada
masa lalu. Hasil peramalan yang dibuat sangat bergantung pada pihak yang
menyusunnya. Hal ini dikarenakan hasil peramalan tersebut adalah
berdasarkan pemikiran yang bersifat pendapat, pengalaman, atau pun
pengetahuan si penyusunnya.
2. Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode
yang dipergunakan dalam peramalan tersebut. Peramalan kuantitatif hanya
dapat digunakan apabila terdapat tiga kondisi sebagai berikut:
a. Adanya informasi tentang keadaan yang lain.
b. Informasi tersebut dapat dikuantifikasikan dalam bentuk data.
c. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada
masa yang akan datang.
A. Data Berkala (Time Series)
Pada dasarnya, perubahan nilai pada data berkala terbagi atas 4 komponen yang akan
membentuk suatu pola, yaitu:
1. Kecenderungan (trend)
 5

Trend menggambarkan pola data deret waktu dalam jangka waktu panjang. Pola yang
terbentuk biasanya mendatar atau tidak ada perbedaan nilai dari waktu ke waktu , atau
menaik atau menurun pada pola data tidak terjadi.
2. Musim (Seasonality)
Musim menggambarkan data deret waktu dalam jangka pendek secara teratur
misalnya pada kuartal tahun tertentu, bulanan atau mingguan. Pola data yang terbentuk
kurang lebih berpola yang sama dalam setiap kurun waktu pengamatan dan terjadi secara
teratur. Pola data musiman biasanya dipengaruhi oleh faktor yang terjadi secara
musiman.
3. Siklus (Cyclical)
Siklus menggambarkan pola data deret waktu yang sama terjadi dan berulang untuk
periode lebih dari satu tahun. Pola data siklus biasanya terjadi pada data yang
dipengaruhi oleh faktor ekonomi dalam waktu yang panjang.
4. Horizontal
Pola data horizontal terjadi jika data berfluktuasi di sekitar rata-ratanya yang artinya
tidak ada peningkatan atau penurunan selama kurun waktu tertentu. Pola data ini juga
sering disebut dengan stasioner.
2.4.2 Metode Peramalan
Untuk meramalkan jumlah produk pada masa mendatang maka metode yang
dapat digunakan adalah metode peramalan pemulusan (smoothing) eksponensial.
Metode pemulusan eksponensial merupakan metode peramalan yang mengambil nilai
rata-rata (smoothing) nilai masa lalu dari suatu data runtun waktu dengan cara
menurunkan nilainya. Metode smoothing terbagi atas 3 jenis berdasarkan pola
datanya, antara lain:
1. Pemulusan Eksponential Tunggal ( Single Exponential Smoothing)
Model ini berasumsi bahwa tidak ada trend menaik atau menurun yang ada hanyalah
perubahan sekitar F t yang mendatar atau tetap. Pada model ini terdapat penambahan
parameter α yang berfungsi untuk mengurangi faktor kerandoman. Bentuk umumnya
dapat dituliskan sebagai berikut:
 6

F t+ 1=α X t + ( 1−α ) Ft (2.1)

Keterangan :
α =smoothing constant atau konstanta pemulusan ; 0<α < 1 (2.2)
X t =data pada periode t (2.3)
F t=Peramalan untuk periode t (2.4)
t=Data pada periode t (2.5)
2. Pemulusan Eksponensial Ganda (Double Exponensial Smoothing)
Metode pemulusan eksponensial tunggal hanya akan efektif apabila data yang
diamati bersifat stasioner atau tidak mengalami perkembangan. Metode pemulusan
eksponensial ganda akan lebih mampu untuk menyesaikan peramalan data yang
memiliki perubahan garis lurus ataupun bersifat trend. Salah satu metode yang dapat
digunakan adalah metode pemulusan eksponensial ganda dari Holt. Ramalan dari
pemulusan eksponensial ganda dari Holt didapat dengan menggunakan dua konstanta
pemulusan yaitu α dan γ (dengan nilai antara 0 dan 1).
3. Pemulusan Eksponensial Musiman (Winter’s Exponential Smoothing)
Metode Penghalusan Eksponensial Musiman merupakan metode peramalan
yang dapat digunakan jika pola datanya bersifat musiman. Jika datanya menunjukkan
data stationer maka metode rata-rata bergerak dan eksponensial tunggal adalah tepat.
Jika datanya menunjukkan sutatu trend linier maka metode eksponensial ganda
adalah tepat. Tetapi jika datanya adalah musiman maka metode yang sesuai adalah
metode eksponensial musiman. Metode ini didasarkan atas tiga persamaan yaitu
unsur stasioner, trend, dan musiman
2.4.3 Ukuran Akurasi Hasil Peramalan
Dalam peramalan suatu n pengamatan/ data maka mungkin saja terjadi
sejumlah n penyimpangan, maka rumus yang dapat digunakan untuk mengukur
ketelitian peramalan adalah Mean Absolute Percentage Error (MAPE). Mean
Absolute Percentage Error (MAPE) merupakan metode yang dapat digunakan untuk
mengukur tingkat akurasi . MAPE merupakan ukuran ketetapan relatif berdasarkan
 7

nilai absolut yang digunakan untuk mengetahui persentasi penyimpangan hasil

peramalan dengan data aktual.
n
X t−F t
MAPE=∑ ×100 (2.6)
t =1 n
Keterangan:
n = jumlah data/pengamatan
Kriteria nilai MAPE:
<10% = sangat baik
10%-20% = baik
20%-50% = cukup baik
>50 % = buruk.
2.5 Programa Linear
2.5.1 Pengertian dan Konsep dasar Programa Linear
Programa Linear ataupun linear programming merupakan teknik memodelkan
permasalahan sehari-hari ke dalam model matematika yang bersifat analitis dengan
tujuan memperoleh solusi terbaik ataupun optimal.
Pada hakikatnya, Program linear merupakan suatu teknik perencanaan yang
bersifat analitis yang analisis-analisisnya memakai model matematika, dengan tujuan
menemukan beberapa kombinasi alternatif pemecahan masalah; kemudian dipilih
mana yang terbaik di antaranya dalam rangka menyusun dana yang terbatas guna
mencapai tujuan dan sasaran yang optimal.
Pokok pikiran utama dalam menggunakan program linear adalah merumuskan
masalah dengan jelas dengan menggunakan sejumlah informasi yang tersedia.
Sesudah masalah terumuskan dengan baik, maka langkah berikut ialah
menerjemahkan masalah ke dalam bentuk model matematika sehingga keputusan
optimal dapat diambil (P. Siagian, 2016) dalam (Dabukke, 2018).
 8

Programa linear memiliki ciri-ciri yang menjadi penentu apakah masalah

tersebut dapat diselesaikan dengan program linear ( P.Siagian, 2016) dalam
(Dabukke, 2018) yaitu :
a. Semua variabel penyusunnya bersifat tak negatif
b. Fungsi objektif dapat dinyatakan sebagai fungsi linier variabel-
variabelnya
c. Kendala dapat dinyatakan sebagai suatu system persamaan linier
2.5.2 Persyaratan Penyelesaian
Dalam penyelesaian Programa linear, perumusan masalah ke dalam model
programa linear menjadi kunci keberhasilan untuk mendapatkan solusi yang optimal.
Dalam penyusunan dan perumusannya maka harus memenuhi 5 syarat antara lain :
a. Tujuan
Tujuan dari permasalahan yang harus dipecahkan harus jelas dan disebut
dengan fungsi tujuan. Fungsi tujuan dapat berupa dampak positif, manfaat, dan
keuntungan yang ingin dimaksimumkan atau dampak negatif, kerugian, dan resiko
yang ingin diminimumkan.
b. Alternatif perbandingan
Objek ataupun alternatif yang diperbandingkan harus ada, misalnya kombinasi
biaya terendah dengan waktu tersingkat.
c. Sumber daya
Sumber daya yang dianasisis harus dalam keadaan terbatas. Keterbatasan ini
disebut dengan kendala.
d. Perumusan kuantitatif
Fungsi tujuan dan kendala harus dirumuskan secara kuantitatif ke dalam model
matematika.
e. Keterkaitan penuh
Setiap variabel harus saling memiliki keterkaitan antara yang satu dengan yang lain.
 9

2.5.3 Metode Simpleks

Metode simpleks pertama kali dikembangkan oleh George Dantzig pada tahun
1947 dan telah diperbaiki oleh beberapa ahli lain. Metode simpleks adalah metode
alternative yang dapat digunakan untuk menyelesaikan permasalahan program linear
yang mengandung tiga atau lebih variabel keputusan karena metode grafik tidak dapat
digunakan lagi.
Pada metode simpleks terdapat suatu ciri khas yaitu adanya penambahan suatu
variabel yang disebut dengan variable slack . Tujuan dari penambahan ini adalah
untuk menjadi penampung sumber daya yang tersisa atau yang tidak digunakan
sehingga suatu pertidaksamaan dapat diubah menjadi suatu persamaan.
2.6 Goal Programming
2.6.1 Pengertian dan Konsep Dasar Goal Programming
Goal Programming merupakan pengembangan dari programa linear. Goal
Programming pertama kali diperkenalkan oleh Charnes dan Cooper pada tahun 1961.
Ijiri dan Jaaskelainen kemudian melanjutkannya sehingga metode goal programming
dapat digunakan secara operasional.
Perbedaaan programa linear dan goal programming adalah pada penggunaan
fungsi tujuan. Pada programa linear fungsi tujuan hanya ada satu yaitu
memaksimumkan atau meminimumkan, sedangkan pada goal programming tujuan
yang ingin dicapai tidak hanya satu tetapi dapat multiobjektive. Pada goal
programming tujuannya dinyatakan dalam suatu bentuk kendala (goal constraint),
dan juga terdapat suatu variabel yang tidak terdapat pada program linear yaitu
variabel deviasi ataupun variabel simpangan dalam kendala tersebut. Kegunaan
variabel deviasi ini adalah untuk mengetahui jarak penyimpangan yang terjadi dalam
fungsi tujuan. Sehingga tujuan dari goal programming adalah untuk memimumkan
jarak penyimpangan yang terjadi, maka masalah dalam goal programming adalah
masalah minimasi.
 10

Penyimpangan dari setiap tujuan yang diminimumkan pada goal programming

menjadikan metode ini dapat menangani aneka ragam tujuan dengan dimensi atau
satu ukuran yang berbeda. Menurut (Mulyono, 2004) dalam (Dabukke, 2018) Jika
program linear berusaha mengidentifikasi solusi optimum dari suatu himpunan layak,
maka goal programming mencari titik yang paling memenuhi untuk menyelesaikan
persoalan dengan beberapa tujuan.
Konsep dasar dari Goal Programming adalah apakah tujuan dapat dicapai atau
tidak, suatu tujuan akan dinyatakan dalam pengoptimalan yang memberikan suatu
hasil yang sedekat mungkin dengan tujuan yang ingin dicapai. Sehingga tujuan dari
goal programming adalah untuk meminimumkan deviasi dari setiap sasaran tujuan
yang ingin dicapai (Orumie dan Ebong, 2014) dalam (Dabukke, 2018).
Menurut Fauziyah (2017), “Goal Programming merupakan perluasan dari
model Linear programming. Sehingga seluruh asumsi, notasi, formulasi model
matematis, prosedur perumusan model dan Penyelesaiannya tidak berbeda. Metode
goal programming juga efektif bila digunakan untuk menentukan kombinasi produk
yang optimal dan sekaligus mencapai sasaran-sasaran yang diinginkan perusahaan”.
Menurut (Nassendi dan Anwar ,1985) dalam (Cipta, 2020) Bentuk umum dari
goal programming dapat di tuliskan sebagai berikut :
Minimumkan :
m
Z=∑ ¿ ¿ (2.7)
i=1

Kendala :
n

∑ aij x ij−d i+¿+d

−¿
=¿¿
i
¿ (2.8)
j=1

Untuk i=1 ,2. . , m(Tujuan)

n

∑ g kj x j ≤ atau ≥ ck (2.9)
j=1

Keterangan:
 11

𝑑i+, 𝑑i−= jumlah unit deviasi yang kekurangan (-) atau kelebihan (+)
terhadap tujuan
𝑎ij = koefisien fungsi kendala tujuan yaitu berhubungan dengan
tujuan peubah pengambilan keputusan Xj
𝑏i = tujuan atau target yang ingin dicapai
𝑔𝑘j = koefisien fungsi kendala biasa
𝐶𝑘 = jumlah sumber daya k yang tersedia
Untuk setiap tujuan, target yang ingin dicapai dinyatakan dalam 𝑏i,
yang harus dipenuhi. Sehingga penyimpangan 𝑑 = (𝑑i+ + 𝑑i−) yang telah
dinyatakan dalam 𝑏i akan diminimumkan dengan menggunakan fungsi
tujuan (𝑍).
2.6.2 Goal Programming dengan Tabek Simpleks
Untuk mempermudah penyelesaian model goal programming digunakan suatu
tabel yang disebut dengan tabel simpleks karena mekanisme perhitungan yang
dilakukan akan sangat panjang sehingga perhitungan tersebut dapat dibuat lebih
sederhana dan teratur. Langkah-langkah penyelesaian tabel simpleks pada goal
programming sama dengan pada program linear.
Tabel 2.1 Tabel Simpleks pada Goal Programming
𝑐j 0 0 … 0 𝑃𝑘W𝑘 𝑃𝑘W𝑘 … 𝑃𝑘W𝑘 𝑃𝑘W𝑘 𝑏i
𝑐𝐵 𝑉𝐵 X1 X12 … X𝑛 𝑑1
−
𝑑1
+ … 𝑑1
−
𝑑1
+

𝑃𝑘W𝑘 − 𝑎11 𝑎12 … 𝑎1𝑛 1 -1 … 0 0 𝑏1

𝑑1
−
𝑃𝑘W𝑘 𝑑2 𝑎21 𝑎22 … 𝑎2𝑛 0 0 … 0 0 𝑏2
𝑃𝑘W𝑘. 𝑑3
−
𝑎31 𝑎32 … 𝑎3𝑛 0 0 … 0 0 𝑏3
. . . . … . . . … . . .
. . . … . . . … . . .
𝑃𝑘W𝑘
. . . … . . . … . . .
𝑑i
−
𝑎i1 𝑎i2 … 𝑎i𝑛 0 0 … 1 -1 𝑏i
𝑍j
 12

𝑐j
− 𝑍j

2.6.3 Istilah dalam Goal Programming

Pada goal programming terdapat beberapa istilah yang sering digunakan dalam
penyelesaiannya antara lain:
1. Variabel keputusan
Variabel keputusan ataupun yang sering disebut dengan decision variables
adalah seperangkat variable yang tidak diketahui ( pada goal programming
dilambangkan dengan di mana 1, 2,…, n) dan akan dicari nilainya.
2. Right Hand Side Value (RHS)
Right Hand Side Value (RHS) ataupun nilai ruas kanan merupakan nilai-nilai
yang menunjukkan ketersediaan sumber daya dan dilambangkan dengan .
Nilai RHS ini akan ditentukan apakah kekurangan atau kelebihan
penggunaannya.
3. Fungsi Tujuan
Tujuan ataupun goal adalah keinginan untuk meminimumkan nilai deviasi
yang terjadi dari suatu nilai RHS pada suatu kendala tujuan tertentu.
4. Kendala Tujuan
Kendala Tujuan ( Goal Constraint) yaitu suatu tujuan yang diekspresikan.
Berikut Jenis jenis kendala tujuan dalam goal programming :
Tabel 2.2 Jenis kendala tujuan dalam goal programming

Kendala tujuan Variabel Kemungkina Pengguna

simpangan n an Nilai
dalam simpangan RHS yang
fungsi diinginkan
tujuan
−
𝑎ij𝑥j + 𝑑i = 𝑏i 𝑑i
− Negatif =𝑏i
+
𝑎ij𝑥j + 𝑑i = 𝑏i 𝑑i
+ Positif =𝑏i
 13

− +
𝑎ij𝑥j + 𝑑i −𝑑i = 𝑏i 𝑑i
− Negative 𝑏iatau lebih
dan positif
− + Negative dan
𝑎ij𝑥j + 𝑑i −𝑑i = 𝑏i 𝑑i
+ 𝑏iatau kurang
Positif
− + Negative dan
𝑎ij𝑥j + 𝑑i −𝑑i = 𝑏i 𝑑i−dan 𝑑i+ = 𝑏i
Positif
+
𝑎ij𝑥j − 𝑑i = 𝑏i 𝑑i+ Tidak ada =𝑏i
(artfisial)

5. Variabel deviasi
Variabel deviasi adalah variabel yang menunjukkan adanya kemungkinan
penyimpangan yang terjadi dari suatu RHS kendala tujuan
2.7 State Of The Art
Dalam penelitian ini juga mengacu pada beberapa referensi penelitian yang
sebelumnya pernah dilakukan, konsepnya sejalan dan berkaitan dengan penelitian
sekarang. Kemudian penulis dapat mengetahui sampai mana penelitian yang pernah
dilakukan sebelumnya berhubungan dengan optimasi perencanaan produksi.
 14

Nama Peneliti Tujuan Penelitian Perbedaan

Judul penelitian Metode Hasil Penelitian
(Thn)

OPTIMASI PERENCANAAN Pada penelitian ini peneliti Goal Berdasarkan hasil dari pengolahan data Pada penelitian ini form
(Devani, 2017) PRODUKSI DENGAN mencoba mencari nilai optimal dari Programming untuk peramalan bulan Januari sampai kendala yang di guna
MENGGUNAKAN METODE beberapa fungsi tujuan yaitu dengan Desember, bahwa Nilai deviasi kecepatanproduksi,keters
GOAL PROGRAMMING jumlah produksi Crumb Rubber negatif (DN) bernilai nol berarti fungsi kerja dan ketersediaan
SIR 10 Crumb dan Rubber SIR 20 kendala dapat terpenuhi. Dengan demikian sementara fungsi ken
dan juga mengoptimumkan jumlah produksi dan keuntungan dapat penelitian penulis terdiri
pemakaian jam kerja dan bahan mengoptimalkan perencanaan produksi. produk yang harus d
baku Sedangkan deviasi positif (DP) bernilai untuk memaksimalkan
nol berarti fungsi kendala dapat terpenuhi. dan meminimumkan bia
Dengan demikian ketersediaan jam kerja yang terdiri dari bia
dan bahan baku dapat diminumumkan. kerja,biaya bahan baku
Hasil perencanan produksi bulan Januari metode menggunaka
adalah: programming
Produksi Crumb Rubber SIR 10 = Objek Penelitian berbeda
1.027.267 kg
Produksi Crumb Rubber SIR 20 =
988.726,80 kg
Pemakaian jam kerja = 843.210 jam
Pemakaian bahan baku Crumb Rubber
SIR 10 = 1.021.486 kg
Pemakaian bahan baku Crumb Rubber
SIR 20 = 1.004.142,90 kg
Keuntungan = Rp 5.059.254.600

ianto, (2019) OPTIMASI PRODUK PERAKIT Pada tujuan penelitian ini peneliti Linear Berdasarkan hasil dari penelitian pada CV Pada penelitian in
HELM DENGAN mencoba memaksimalkan Programming Hanesda Assembling Helmet memiliki produksi mengggunaka
MENGGUNAKAN LINEAR keuntungan produksi karena beberapa varian jenis helm bogo yang linear programming d
PROGRAMMING UNTUK tujuannya hanya ingin diproduksi. Adapun variasi jenis 𝑋1 untuk tujuan pada formulasi
MEMAKSIMALKAN memaksimum keuntungan variasi jenis A, 𝑋2 untuk variasi jenis B, target keuntungan saja
KEUNTUNGAN PRODUKSI produksi dari beberapa jenis 𝑋3 untuk variasi jenis C dan 𝑋4 untuk keputusan untuk
DI CV. HANESDA produk dengan beberapa fungsi variasi jenis D. Menentukan optimasi permasalahannya hanya
ASSEMBLING HELMET kendala maka penggunaan metode menggunakan linear programming dengan tujuan sementara
yang di gunakan adalah Linear metode simpleks. Untuk mengetahui menggunakan meto
Programming constraint menggunakan analisis programming yang
sensitivitas. beberapa fungsi tujuan
Hasil optimasi diperoleh keuntungan variabel keputusannya
sebesar Rp 15.255.720 dengan satu.menggunakan meto
keuntungan maksimal sebesar Rp programming
25.322.920. Analisis sesitivitas dengan
constrains untuk range nilai pada
constraint A yaitu 17437.5 ≤ CA ≤ ∞,
constraint B yaitu - ∞ ≤ CB ≤ 23833.33,
constraint C yaitu - ∞ ≤ CC ≤ 19066.67,
constraint D yaitu - ∞ ≤ CD ≤ 23833.33
dengan semua titik solusi optimal
 15

Nama Peneliti Tujuan Penelitian Perbedaan

Judul penelitian Metode Hasil Penelitian
(Thn)

𝑋1,=2.78,𝑋2=0,𝑋3=0,𝑋4=0 tidak
berubah

fina Et al, 2019) Optimasi Perencanaan Produksi Goal Hasil optimasi perencanaan produksi pada Dalam kasus penelitian
Kerupuk Bawang Fajar Programming produk Kerupuk Bawang Fajar dengan penelitian mempunya
Menggunakan Metode Goal menggunakan metode goal programming ketersediaan bahan b
Programming Dari solusi yang diberikan oleh software menambah variabel p
WINQSB, maka dapat disimpulkan bahwa kendala bahan baku
untuk mendapatkan hasil yang optimal, sehingga jumlah prod
pabrik Kerupuk Bawang Fajar harus dapat mencapai batas
memproduksi dalam kasus peneliti
𝑥1 : 792 (jumlah produksi kerupuk bahan baku di asums
bawang rasa original) tersedia karena di tempa
𝑥2 : 130 (jumlah produksi kerupuk memang perusahaan
bawang rasa pedas) banyak alternatif supp
𝑥3 : 151 (jumlah produksi kerupuk baku yang di butuhkan
bawang rasa wortel) batasi dengan batas
𝑥4 : 130 (jumlah produksi kerupuk produksi setiap
bawang rasa kentang) nya.Pendekatan
𝑥5 : 90 (jumlah produksi kerupuk bawang menggunakan goal progr
rasa ubi ungu)

dwan & Abadi, OPTIMASI PEMILIHAN Penelitian ini bertujuan untuk Goal PT. ABC merupakan salah satu Metode peramalan berbe
0) SUPPLIER BAHAN BAKU BATU Programming
mengoptimasikan pemilihan perusahaan penyedia listrik yang
BARA DENGAN METODE
GOAL PROGRAMMING supplier-supplier batubara dalam mengoperasikan mesin pembangkit listrik
pemesanan batubara sehingga menggunakan tenaga uap dengan batubara
terpenuhinya kebutuhan batubara sebagai bahan baku yang terdiri dari tujuh
di Bulan Januari 2020 secara unit dengan berkapasitas 3400 MegaWatt.
optimal tujuannya yaitu Dalam memenuhi kebutuhan bahan
menentukan jumlah batubara yang bakunya yakni batubara, PT. ABC perlu
dipesan terhadap supplier yang ada memilih tempat atau supplier penyedia
dengan meminimasi biaya, waktu, batubara tersebut agar kebutuhan bahan
dan memaksimasi nilai kalor yang baku dapat terpenuhi dengan optimal..
dihasilkan Metode yang digunakan yaitu metode
Goal Programming dengan langkah awal
membuat model simulasi yaitu
menentukan fungsi tujuan, batasan atau
constrain., setelah dibuat model
simulasinya kemudian dilakukan
penyelesaian menggunakan software
LINGO 18.0. Hasil yang diperoleh yaitu
pemesanan batubara yang optimal pada
supplier PT.1 sebesar 550.000 MT; PT.2
sebesar 90.000 MT; PT.3 sebesar 80.000
MT; PT.4 sebesar 80.000MT; PT.5
sebesar 200.000; dan PT.8 sebesar
 16

Nama Peneliti Tujuan Penelitian Perbedaan

Judul penelitian Metode Hasil Penelitian
(Thn)

100.000 MT. Minimasi biaya yang

dihasilkan sebesar 56071.900 USD; nilai
kalor sebesar 488,182 Kkal/MT; minimasi
waktu bongkar sebesar 1824,833 jam;
minimasi waktu pengiriman yang
diperlukan sebesar 152 jam; dan total
biaya sewa yang dibutuhkan yaitu sebesar
72705 USD.

hmawati, 2018) Optimalisasi Harga Penjualan Tujuan Penelitian ini adalah untuk Goal Dengan menggunakan program solver Penelitian ini memi
Perumahan dengan Metode Goal menentukan nilai optimum untuk Programming yang ada pada Microsoft Excel, diperoleh penelitian penjualan
Programming (Studi Kasus: Golden penjualan beberapa tipe rumah solusi optimal untuk harga penjualan yang berarti penelitia
Gindi Residence Kota Bima Nusa yang di pasarkan dan tujuan ke dua minimum masing-masing tipe rumah yang gunakan tidak terus men
Tenggara Barat) yaitu mengoptimalkan target dipasarkan Tipe 36/150 (X1) Rp. produk yang di produ
keuntungan yang di harapkan dari 56.371.445,76,Tipe 45/150 (X2) Rp. bukan barang yang sama
biaya produksi juga dapat 77.261.225,66, dan target penjualan perum
terpenuhi dan yang terakhir adalah Tipe 52/150 (X3) Rp. 84.221.445,56 terpenuhi sementara
target risiko yang di harapkan dari Prioritas kedua yaitu target keuntungan mengangkat topik peneli
harga jual rmah awal yang diharapkan minimum sebesar 40% pada area produksi, de
dari biaya produksi juga dapat terpenuhi, pakan ternak yang akan
bahkan terjadi over target yaitu sebesar terus menerus
Rp. 202.953.624,8 sehingga total berkesinambungan kare
keuntungan yang dapat diperoleh pihak yang di produksi sam
pengembang sebesar Rp. 871.953.624,8. kedua penelitian ini
Hal ini, dapat terlihat dari nilai 3 DB perbedaan pada jangk
= 0. Prioritas ketiga yaitu target risiko penelitian yang terus men
yang diharapkan minimum sebesar 10%
dari harga jual awal rumah dapat
terpenuhi dimana nilai 2 DB = 0, bahkan
terjadi over target sebesar Rp.
16.161.593,79 sehingga besarnya risiko
yang harus ditanggung oleh pihak
pengembang jika memasarkan semua tipe
rumah dengan harga minimum adalah
sebesar Rp. 217.988.406,2.

Nama Peneliti Tujuan Penelitian Perbedaan

Judul penelitian Metode Hasil Penelitian
(Thn)

PENGEMBANGAN Pada penelitian ini peneliti Goal Programming Berdasarkan analisis data untuk mencapai Pada penelitian
(Purnama & Sajiyo, MODEL FUZZY GOAL mencoba Tujuan yang ingin tujuan perencanaan produksi yang formulasi fungsi k
2020)
PROGRAMMING dicapai adalah memaksimalkan optimal, dengan pembatasan kemampuan yang di gunakan
UNTUK pendapatan dengan sumber daya UKM furniture, maka kecepatan
MENGOPTIMALKAN memiminimalkan biaya tenaga persediaan kayu yang harus disiapkan produksi,ketersediaa
PRODUKSI PADA UKM kerja, biaya bahan baku dan setiap bulan sebesar 25,3 m3. Sedangkan kerja dan keter
 17

Nama Peneliti Tujuan Penelitian Perbedaan

Judul penelitian Metode Hasil Penelitian
(Thn)

FURNITURE waktu produksi. hasil nilai fuzzy 0,98 mempunyai arti bahan baku sem
peluang keuntungan optimal akan dicapai fungsi kendala nya
sebesar Rp. 90.620.000, merupakan kendala memaksi
keuntungan yang diterima oleh UKM keuntungan dari pe
furniture. produk dan memini
biaya produksi aga
melebihi Batasan
produksi.
Objek Penelitian ber

(Widyaningsih & Optimasi perencanaan penelitian ini bertujuan untuk Goal Hasil penelitian menunjukkan, kedua Pada penelitian ini
Andayani, 2018))
produksi bahan bakar melakukan optimasi perencanaan Programming penyelesaian metode goal pro- gramming tujuan yang ingin d
minyak dengan fungsi produksi BBM menggunakan baik dengan kendala biasa maupun dengan hanya satu fungsi
kendala fuzzy metode goal programming agar kendala fuzzy memberikan keluaran yaitu memaksi
menggunakan metode goal perusahaan dapat memperoleh jumlah BBM dan jumlah pendapatan yang pendapatan
programming pendapatan yang maksimal sama, yaitu produk premium (??1) memperhatikan
dengan memperhatikan faktor- sebanyak 1016 kl, bio solar (??2) seba- faktor yang ada
faktor dan kendala yang ada. nyak 1200 kl, pertamax (??3) sebanyak melakukan pend
596 kl, dan pertalite (??4) sebanyak 1632 fungsi kendala
kl dengan pendapatan sebesar sedangkan pada pe
Rp33.022.000.000,00. Kata penulis tidak mengg
pendekatan fuzzy
tanpa pendekatan
juga bisa di selesaik

(Dabukke, 2018) OPTIMASI Berdasarkan rumusan masalah Goal Programming Penyusunan perencanaan produksi yang Pada penelitian
PERENCANAAN yang telah diuraikan sebelumnya dilakukan adalah dengan mempunyai beberap
PRODUKSI DENGAN maka yang mempertimbangkan tiga kendala tujuan, produk namun tid
METODE GOAL menjadi tujuan dari penelitian ini yaitu volume penjualan supaya dapat lampirkan system p
PROGRAMMING adalah menentukan optimasi memenuhi permintaan pasar setiap yang di g
( STUDI KASUS: UD perencanaan produksi pada UD bulannya, biaya produksi yang tidak sedangkan pe
BERKAT DOA) Berkat Doa dengan menggunakan melebihi batasan target yaitu sebesar Rp. penulis objek pe
metode goal programming untuk 930.048.141 untuk periode setahun, dan memiliki dua jenis
periode Januari hingga Desember juga target keuntungan tercapai yaitu produksi make to sto
2019 sebesar Rp. 559.693.776,- untuk periode make to order jadi
setahun maka diperoleh bahwa pada keputusan ankhir m
ketiga tujuan tersebut mendapatkan nilai pertimbangan
deviasi nol terhadap target yang ingin melakukan pen
dicapai, artinya ketiga tujuan adalah produksi
tercapai

(Sugianto, 2020) OPTIMASI KAPASITAS Tujuan melaksanakan penelitian Goal Programming Dengan metode yang digunakan maka Pada penelitian ini
PRODUKSI UKM
ini adalah untuk mengembangkan diperoleh kapasitas produksi untuk kue yang ingin di capai
DENGAN METODE
GOAL PROFRAMMING model goal programming ke semprit akar kelapa, kue semprit, kue kapasitas produksi
situasi produksi UKM. kacang dan kue nastar masing-masing beberapa jenis
adalah sebesar 12,76kg, 16,93kg, 3,37kg sedangkan pada pe
dan 25,7kg. Nilai penulis selain
 18

Nama Peneliti Tujuan Penelitian Perbedaan

Judul penelitian Metode Hasil Penelitian
(Thn)

mencapai jumlah p
optimum
memaksimalkan
keuntungan dari pe
dan meminimalkan
produksi agar
melebihi
sebelumnya dari
produksi dan nilai
dari target keun
yang ingin dicapai

(Muhammad et al., Perhitungaan Metode Goal Pada penelitian ini memiliki Goal Programming hasil penelitian menunjukkan bahwa
2020)
Programming Untuk beberapa tujuan diantarnya produk Keripik Singkong Original dan
Optimasi Perencanaan memaksimalkan jumlah produksi, Keripik singkong Pedas setelah dilakukan
Produk Keripik Singkong memakimalkan pendapatan dan solusi optimal Goal programmiang
Pada PT. Cassava Chips meminimumkan pemakaian diperoleh nilai optimal pendapatan sebesar
bahan baku atau biaya produksi. Rp.32.285.000 , sedangkan nilai minimasi
Untuk itu dalam memenuhi biaya produksi PT. Cassava Chips sebesar
tujuan-tujuan tersebut diperlukan Rp. 16.153.5000 dengan jumlah produksi
suatu metode yang dapat Keripik Original sebanyak 782 Pack dan
memberikan solusi optimal untuk Keripik Pedas sebanyak 958 Pack selama
dari tujuan-tujuan tersebut. 6.305 menit produksi.

(Nurhasanah, 2017) Perencanaan Pengendalian Adapun tujuan dari penelitian ini Metode Aggregate Hasil yang diperoleh dari peramalan Pada penelitian
Produksi Air Minum Dalam adalah untuk merencanakan dan Planning dengan bantuan Sofware Quantity System, menggunakan
Kemasan Menggunakan mengendalikan produksi Air metode terpilih yaitu pada metode Simple Aggregate P
Metode Aggregate Planning Minum Dalam Kemasan Average dengan jumlah MAD terkecil dengan memband
(AMDK) untuk memenuhi sebesar 594,92. Biaya total produksi dua metode di da
permintaan yang akan datang dengan menggunakan Metode yaitu perencanaan h
dengan total biaya yang minimal. Perencanaan Heuristik adalah sebesar dan optimasi diman
Rp.91.943.017 sedangkan Metode yang di peroleh
Perencanaan Optimasi adalah sebesar Rp. biaya produksi palin
241.549.840, sehingga metode yang sedangkan pada pe
terpilih dalam perencanaan produksi penulis hasil yang i
adalah dengan Metode Perencanaan capai selain dari
Heuristik. yang harus di mini
juga keuntungan
harus di maksimalk
juga pada kendala
tersedia

(Handayani & Dewi, Perencanaan Bahan Baku Tujuan penelitian ini adalah Metode Linear Hasil penelitian ini di dapatkan Solusi Pada penelitian ini
2017)
Dan Hasil Produksi untuk merancang dan Simpleks optimal X1 = 0 X2 = 2,3 , X3 = 3,8, X4 = yang ingin di capai
Menggunakan Metode membangun sistem pengaturan 2,6423, X5 = 1,25 dan Z = Rp. 24438302, satu yaitu memaksi
Linier Programming pemakaian bahan baku produksi artinya untuk mendapatkan keuntungan keuntungan dengan
 19

Nama Peneliti Tujuan Penelitian Perbedaan

Judul penelitian Metode Hasil Penelitian
(Thn)

Simplek dan perencanaan hasil produksi maksimum sebesar Rp. 24438302, maka yang ada sedangka
berjenis besi menggunakan perusahaan sebaiknya menghasilkan penelitian penulis m
metode linear simpleks produk 1 sebesar 0 unit, produk 2 sebesar tiga tujuan yang in
0,06 unit, produk 3 sebesar 3,8 unit, capai dan tujuan ini
produk 4 sebesar 2,6423 unit dan produk 5 ke dalam kendala
sebesar 1,25 unit. (goal constrain) yan
deviasi yang tid
harapkan harus bern
 31

Tabel 2.2 Ceklist State Of The Art

No Penulis Metode Keterangan
Goal Linear Aggregat
Programming Programming Planning
1 (Devani, 2017)  Penelitian ini membahas tentang optimasi perencanaan
produksi. Optimasi dilakukan dengan menggunakan metode
goal programming pada produk Kerupuk Bawang Fajar di
Indarung Padang. Masalah yang terjadi pada usaha ini adalah
kurang optimalnya pelaksanaan produksi kerupuk bawang.
Proses produksi tidak melalui perencanaan yang matang.
Sehingga sering terjadi kelebihan bahan baku.
2 Yulianto,  Penelitian ini mencoba untuk memaksimalkan keuntungan
(2019) produksi karena tujuannya hanya ingin memaksimum
keuntungan produksi dari beberapa jenis produk dengan
beberapa fungsi kendala maka penggunaan metode yang di
gunakan adalah Linear Programming
3 (Ridwan &  Penelitian ini untuk mengoptimasikan pemilihan supplier-
Abadi, 2020) supplier batubara dalam pemesanan batubara sehingga
terpenuhinya kebutuhan batubara secara optimal
4 (Rahmawati,  Penelitian ini membahas tentang menentukan nilai optimum
2018) untuk penjualan beberapa tipe rumah yang di pasarkan dan
tujuan ke dua yaitu mengoptimalkan target keuntungan yang di
harapkan dari biaya produksi juga dapat terpenuhi dan yang
 32

terakhir adalah target risiko yang di harapkan dari harga jual

rmah awal
5 (Purnama &  Pada penelitian ini peneliti mempunyai Tujuan yang ingin
Sajiyo, 2020) dicapai adalah memaksimalkan pendapatan dengan
memiminimalkan biaya tenaga kerja, biaya bahan baku dan
waktu produksi menggunakan metode goal programming
dengan pendekatan fuzzy.
6 (Achmad  Penelitian ini dilakukan di UKM “X” dengan tujuan untuk
Alfian, 2019) mendapatkan jumlah produksi optimal agar didapatkan
keuntungan maksimal. Karena UKM “X” masih berbentuk
usaha kecil menengah, maka belum melakukan perhitungan
untuk perencanaan produksi yang baik agar dicapai solusi untuk
mendapatkan keuntungan yang maksimal.
7 (Widyaningsih  penelitian ini melakukan optimasi perencanaan produksi BBM
& Andayani, menggunakan metode goal programming agar perusahaan dapat
2018)) memperoleh pendapatan yang maksimal dengan memperhatikan
faktor-faktor dan kendala yang ada.
8 (Nurhasanah,  penelitian ini merencanakan dan mengendalikan produksi Air
2018) Minum Dalam Kemasan, untuk memenuhi permintaan yang
akan datang dengan total biaya yang minima. Pendekatan yang
dilakukan untuk menentukan permintaan periode berikutnya
pada CV. Saqua Pasee dilakukan dengan peramalan metode
Time Series, dan perencanaan pengendalian produksi dengan
 33

Metode Perencanaan Heuristik dan Optimasi.

9 (Muhammad Pada peneliitian ini membahas tentang bagaimana
dkk., 2020) memaksimalkan jumlah produksi, memakimalkan pendapatan
dan meminimumkan pemakaian bahan baku atau biaya
produksi. Untuk itu dalam memenuhi tujuan-tujuan tersebut
diperlukan suatu metode yang dapat memberikan solusi optimal
untuk dari tujuan-tujuan tersebut.
10 (Nuryana,  Pada penelitian ini membahas tentang memaksimalkan
2019) keuntungan menentukan jumlah produksi yang optimal dari
masing-masing produksi agar mendapatkan keuntungan yang
maksimal. Metode penelitian yang digunakan adalah metode
Linear Programming. Menggunakan aplikasi LINDO.
11 (Kabosu &  Penelitian ini bertujuan untuk mengaplikasikan model goal
kartiko, 2020) programming dalam membuat perencanaan produksi yang dapat
memaksimalkan sumber daya yang ada diperusahaan sehingga
memperoleh keuntungan yang maksimal. Goal Programming
adalah metode yang bisa menyelesaikan masalah penentuan
jumlah produksi yang optimal. Metode ini merupakan
pengembangan dari linear programming. Metode ini digunakan
untuk mengoptimalkan sumber daya yang terbatas dengan
berbagai sasaran (multi objective) yang ingin dicapai
perusahaan UD. Latanza. Hasil optimal dilakukan dengan
software Lingo.
 34

12 (Andini &  Pada penelitian ini mencoba meramalkan permintaan produk

Auristandi, alat tulis kantor sebagai acuan perusahaan dalam perencanaan
2016) produksi dengan metode peramalan Double Exponential
Smoothing
13 (Gusman,   Pada penelitian penulis menggunakan beberapa tahapan
2022) penggunaan metode yang pertama dalam meramalkan
permintaan pada periode yang akan datang dan data hasil pada
peramalan tersebut di gunakan untuk batasan-batasan pada
perhitungan goal programming.
pada penelitian penulis jenis biaya produksi yang di pakai ada
tiga jenis yaitu biaya tenaga kerja, biaya bahan baku dan biaya
overhead salah satunya penggunaan jam kerja.
Penggunaan metode goal programming ini masih lebih sedikit
di gunakan di area produksi di bandingkan dengan penggunaan
di luar area produksi seperti penentuan harga penjualan
produk,pemilihan supplier bahan baku dan sebagainya.
 III. BAB III
METODOLOGI PENELITIAN
3.1. Tahapan Penelitian
Berikut merupakan tahapan – tahapan penelitan yang akan dilaksanakan,
gambar 3.1 di sajikan tahapan dari penelitian ini.

Gambar 3.1 Tahapan penelitian

 2

3.2. Pendekatan Penelitian

Pendekatan penelitian ini pendekatan yang di gunakan adalah pendekatan
kuantitatif guna memperluas dan memperkuat hasil dan kesimpulan. Pendekatan
Penelitian kuantitatif adalah proses pengetahuan yang menggunakan data berupa
angka-angka sebagai alat untuk menganalisis informasi tentang apa yang ingin
diketahui (Darmalaksana, 2020). Metode penelitian kuantitatif akan memberikan
kesimpulan dan hasil yang luas dari pengumpulan dan pengolahan data sehingga akan
di peroleh data yang lebih komprehensif, valid, reliable, dan objektif.
Dalam penelitian ini data atau informasi mengenai perencanaan produksi yang
di peroleh dari survey lapangan dan wawancara dengan pihak perusahaan dan data ini
di olah peneliti untuk di olah dengan langkah langkah perhitungan pada Metode
Goal Programming dan dianalisis mengenai hubungan antar variabel, melakukan
generalisasi fenomena masalah yang di teliti. penelitian ini memiliki dua jenis data
yang di gunakan yaitu data primer dan data sekunder: berikut adalah penjelasan dari
data primer dan data sekunder.
3.3. Studi Pendahuluan
Studi pendahuluan yang dilakukan peneliti yaitu di mulai dari melakukan studi
pustaka mengenai literatur yang topik penelitiannya memiliki relevansi dan juga
melakukan studi lapangan dengan cara observasi langsung ke lapangan dimana
peneliti melakukan identifikasi masalah yang ada di perusahaan dan wawancara
dengan bagian divisi pakan ternak KPGS dan para pelaku/ karyawan yang terlibat
dalam proses produksi dan meneliti kasus yang terjadi pada perusahaan untuk
dianalisa dan dipecahkan dengan metode yang cocok.
3.4. Identifikasi dan Perumusan Masalah
Identifikasi masalah ini di lakukan dari melakukan pengamatan mengenai
kenyataan yang terjadi di lapangan mengenai fenomena yan terjadi kemudian di
analisis fenomenan permasalahan yang terjadi yaitu optimasi perencanaan produksi di
tempat penelitian dari pengidentifikasian masalah ini selanjutnya kembangkan
mengenai hal hal yang berkaitan dengan optimalisasi perencanaan produksi di
antaranya memaksimalkan keuntungan dan meminimalkan biaya produksi yang
 3

terdiri dari biaya tenaga kerja,bahan baku, dan overhead serta memaksimalkan
pemakaian jam kerja.
3.5. Tujuan Penelitian
Tujuan penelitian ini yaitu menjawab permasalahan yang ada yang telah
dirumuskan pada Bab sebelumnya. Dimana tujuan penelitian ini berupa mengetahui
solusi optimal dari permasalahan optimasi perencanaan produksi dari jumlah yang
harus di produksi batasan biaya produksi, target keuntungan yang di harapkan dan
pemakaian jam kerja yang harus di optimalkan yang ada pada divisi pakan ternak
KPGS.
3.6. Teknik Pengumpulan Data
Pada pengumpulan data ini digunakan langkah-langkah pendekatan untuk
mendapatkan data yang relevan dengan persoalan yang diteliti. Pengumpulan data ini
diakukan dengan cara interview kepada bagian divisi pakan ternak KPGS dan
observasi langsung.
3.6.1 Data Primer
Data primer adalah data yang di peroleh secara langsung dari hasil wawancara
dan observasi dari pihak perusahaan.
Adapun data-data yang dikumpulkan dari perusahaan diantaranya yaitu :
1. Harga jual produk di jual dalam bentuk 50 kg/karung.
Tabel 3.1 Harga jual produk
Jenis Harga/Karung
No Harga/KG
Pakan (50Kg)
Rp Rp
1 Reguler
2,850.00 142,500.00
Rp Rp
2 Premium
4,200.00 210,000.00
2. Bahan baku yang di gunakan dan harga dari setiap bahan baku setiap jenis
produk, pada tabel di bawah ini merupakan rekapitulasi penggunaan dan harga
bahan baku :
 4

Tabel 3.1 Data Rekapitulasi bahan baku

Quantity Harga Bahan Jenis Produk
Item Reguler (2000
Reguler Premium Per Kg
KG) Premium
Wheat Pollard 100 200 Rp 4,700.00 Rp 470,000.00 Rp 940,000.00
Bungkil 190 190 Rp 3,000.00 Rp 570,000.00 Rp 570,000.00
Lagator F1 1 1 Rp 30,000.00 Rp 30,000.00 Rp 30,000.00
Mineral Super 20 20 Rp 6,000.00 Rp 120,000.00 Rp 120,000.00
Dedak 569 269 Rp 2,500.00 Rp 1,422,500.00 Rp 672,500.00
Bungkil Kopra 150 250 Rp 3,300.00 Rp 495,000.00 Rp 825,000.00
Kulit Kacang 350 250 Rp 900.00 Rp 315,000.00 Rp 225,000.00
Meneer Pollard 150 200 Rp 4,700.00 Rp 705,000.00 Rp 940,000.00
Ampas Kecap 400 350 Rp 1,200.00 Rp 480,000.00 Rp 420,000.00
CGF 40 40 Rp 5,000.00 Rp 200,000.00 Rp 200,000.00
Maxcare 5 5 Rp 6,000.00 Rp 30,000.00 Rp 30,000.00
Molases 25 25 Rp 5,500.00 Rp 137,500.00 Rp 137,500.00
CGF 2 0 200 Rp 9,000.00 Rp - Rp 1,800,000.00
Total 2000 2000 Rp 81,800.00 Rp 4,975,000.00 Rp 6,910,000.00

3. Data Jam kerja dan Tenaga Kerja

Pada divisi pakan ternak ini memiliki total 5 tenaga kerja dan jam kerja 5 jam dan 1
jam istirahat dan hari kerja 6 hari untuk 1 minggu
3.6.2 Data Sekunder
Data sekunder adalah data yang sudah di kumpulkan dan kemudian di hasilkan oleh
orang lain. Dalam penelitian ini data sekunder yang di gunakan adalah persamaan
persamaan yang terdapat pada metode peramalan, dan goal programming.
3.7. Teknik Pengolahan Data
Setelah pengumpulan data dilakukan selanjutnya pengolahan data dengan
menggunakan analisis statistik. Tahapan-tahapan yang dilakukan dalam pengolahan
data adalah :
3.7.1 Peramalan Permintaan untuk Enam Periode ke depan terhadap Jumlah
Permintaan.
Berikut adalah langkah langkah teknik pengolahan data peramalan permintaan :
1. Mendefenisikan tujuan peramalan
2. Membuat scatter diagram data permintaan
3. Memilih beberapa metode peramalan
 5

4. Perhitungan fungsi parameter peramalan

5. Memilih metode dengan kesalahan terkecil
6. Verifikasi Peramalan
3.7.2 Formulasi Model Matematis Goal Programming
Berikut ini adalah formulasi untuk model matematis dari studi kasus perencanaan
produksi pakan ternak di KPGS.
1. Variabel Keputusan
Variabel keputusan adalah variabel yang ingin dioptimalkan outputnya dengan
memenuhi beberapa kriteria kendala Variabel keputusan dalam penelitian di divisi
pakan ternak KPGS ini adalah jumlah masing-masing yang jenis produk yang akan
diproduksi, yaitu: Variabel keputusan X j dengan j=1,2, ( jenis-jenis pakan ternak) .
Variabel keputusan pada kasus perencanaan produksi divisi pakan ternak ini adalah
sebagai berikut :
X 1 =Produk pakan ternak jenis Reguler
X 2 =Produk pakan ternak jenis Premium
2. Fungsi Kendala Tujuan
Fungsi kendala yang terdapat pada studi kasus divisi pakan ternak ini adalah sebagai
berikut :
a. Fungsi kendala memaksimalkan keuntungan
Untuk memperoleh keuntungan yang maksimal sehingga target keuntungan
yang di bawah target ataupun nilai deviasi negatif akan diminimumkan. Pada
persamaan di bawah ini dirumuskan bentuk fungsi kendala memaksimalkan
keuntungan :
−¿=bi ¿

a ij x j +aij x j−di+¿+d i ¿
(3.1)
Keterangan
a jk =Keuntungan produk jenis j pada periode i
+¿=pencapaian target yangmelebihi dari target ¿
di
yang ditetapkan pada persamaan ke−i
−¿=Ketidaktercapaian target dari target ¿
di
 6

yang ditetapkan pada persamaan ke−i

bi=nilai RHS (target yang ingin dicapai)
Maka fungsi tujuan dari model fungsi kendala ini :
−¿¿
Min Z=di
b. Fungsi kendala meminimalkan biaya produksi
Tujuannya adalah untuk meminimumkan biaya yang digunakan selama produksi yang
terdiri dari biaya tenaga kerja,biaya bahan baku dan overhead maka yang
diminimumkan adalah nilai deviasi positif ataupun yang berlebih. Berikut adalah
persamaan model matematik fungsi kendala meminimalkan biaya produksi :
−¿=bi ¿

a ij x j +aij x j−di+¿+d i ¿
(3.2)
Keterangan
a ij=Biaya produksi produk jenis j pada periode i
+¿=pencapaian target yangmelebihi dari target ¿
di
yang ditetapkan pada persamaan ke−i
−¿=Ketidaktercapaian target dari target ¿
di
yang ditetapkan pada persamaan ke−i
bi=nilai RHS (target yang ingin dicapai)
Maka fungsi tujuan dari model fungsi kendala ini :
+¿ ¿
Min Z=di
Persamaan model matematis untuk kendala yang ada pada biaya produksi yang
terdiri dari biaya tenaga kerja, biaya bahan baku, dan yaitu sebagai berikut :
 Kendala biaya tenaga kerja
−¿=bi ¿

a ij x j +aij x j−di+¿+d i ¿

 Kendala biaya bahan baku

m m

∑ bi x i +∑ ❑❑−d i+¿+ d
−¿=bTij¿
i ¿

i=1 i=1

Keterangan :
b=biaya bahan baku setiap jenis produk
x=variabel keputusan untuk jenis produk−i
 7

bT =Batasan biaya bahan baku

i= jenis produk
j= jenis bahan bakul=1 ,2 , .. ,m ¿ ¿
+¿=penyimpangan di bawahbatasan biayabahan baku jenis i ¿
di
+¿=penyimpangan di atas batasan biayabahan baku jenis i ¿
di
Maka fungsi tujuan dari model fungsi kendala ini :
+¿ ¿
Min Z=di
 Kendala biaya overhead pabrik
−¿=bi ¿

a ij x j +aij x j−di+¿+d i ¿

Maka fungsi tujuan dari model fungsi kendala ini :

+¿ ¿
Min Z=di
c. Fungsi memaksimalkan jam kerja
−¿=bi ¿

a ij x j +aij x j−di+¿+d i ¿
(3.3)
Keterangan
a jk =Jam kerja yang di butuhkan produk jenis j pada periode i
+¿=pencapaian target yangmelebihi dari target ¿
di
yang ditetapkan pada persamaan ke−i
−¿=Ketidaktercapaian target dari target ¿
di
yang ditetapkan pada persamaan ke−i
bi=nilai RHS (target yang ingin dicapai)
Maka fungsi tujuan dari model fungsi kendala ini :
+ ¿¿
−¿−d i ¿
Min Z=di
3. Fungsi Tujuan Model
Berdasarkan fungsi kendala sebelumnya maka fungsi tujuan model goal
programming yang sesuai dengan permasalahan di atas adalah dengan menggunakan
preemptive goal programming yaitu dengan menggunakan persamaan (2.7). Maka
fungsi tujuan yang dapat diterapkan pada optimasi perencanaan Divisi pakan ternak
adalah sebagai berikut:
 8

m
Z=∑ ¿ ¿
i=1

Untuk i=1 ,2. . , m(Tujuan)

3.7.3 Penyelesaian Model Matematis Goal Programming dengan Metode
Simpleks
Penyelesaian model matematis Goal Programming untuk algoritma
penyelesaiannya sebagai berikut :
a. Formulasikan dan standarisasikan modelnya
b. Bentuk tabel simpleks awal sesuai dengan informasi model
c. Tentukan kolom kunci di antara kolom-kolom variable yang ada, yaitu
kolom yang mengandung nilai ( c j−Z j )paling positif untuk kasus
maksimasi dan atau mengandung nilai ( c j−Z j ) paling negative untuk kasus
minimasi.
d. Tentukan baris kunci di anatara baris-baris variable yang ada, yaitu baris
yang memiliki rasio kuantitas dengan nilai positif terkecil.
bi
a. Rasio kuantitaske−i=
unsur kolom kunci yang bernilai positif
e. Bentuk tabel berikutnya dengan memasukkan variabel pendatang ke kolom
variable dasar dan mengeluarkan variable perantau atau yang
meninggalkan dasar dari kolom tersebut serta melakukan transformasi
baris-baris variable, dengan cara:
b. Baris baru selain baris kunci= baris lama – ( rasio kunci x baris kunci lama)
baris kunci lama
Baris kuncibaru=
angka kunci
unsur kolom kunci
Dimana: Rasio kunci=
angka kunci
f. Lakukan uji optimalitas. Dengan ketentuan jikas semua koefisien pada
baris ( c j−Z j )sudah tidak ada lagi yang bernilai positif (untuk maksimasi)
atau sudah tidak ada lagi yang bernilai negatif (untuk minimasi), berarti
 9

tabel sudah optimal. Jika ketentuan di atas belum terpenuhi ulangi kembali
langkah 3 sampai langkah 6 hingga ketentuan terpenuhi.
3.7.4 Penyelesaian Model Matematis Goal Programming dengan Aplikasi
Lindo
Setelah melakukan perhitungan manual dengan tabel iterasi simpleks
selanjutnya penyelesaian menggunakan bantuan aplikasi yang menunjang untuk
kasus permasalahan-permasalahan riset operasi seperti program linear, dan pada
kasus goal programming juga dapat di gunakan karena secara model matematik
sama.
3.8. Analisis dan Pembahasan
Hasil dari pengumpulan dan pengolahan data selanjutnya dianalisis dan dibahas
tentangmengenai varibel variabel keputusan yang tidak memenuhi pada nilai fungsi
kendala atau varibel deviasi positi dan negatif bergantung pada formulasi di bagian
fungsi kendala yang di harapkan, apakah nilai tersebut mengalami kelebihan atau
kekurangan pada variabel deviasi, dimana jika sudah diketahui maka selanjutnya
melakukan proses perbaikan jika keputusannya pada variabel deviasi positif maka
nilai pada fungsi kendala itu mengalami kelebihan contoh jika pada fungsi kendala
biaya produksi maka biaya produksi untuk periode tersebut melebihi nilai maksimum
yang ada dan sebaliknya jika pada deviasi negatif nilai pada fungsi kendala itu
mengalami kekurangan contoh jika pada fungsi kendala target keuntungan maka
target keuntungan yang harus di capai untuk periode tersebut tidak mencapai nilai
minimum. (Debora, 2018).
3.9. Kesimpulan dan Saran
Kesimpulan diperoleh berdasarkan hasil analisis dan pembahasan, dimana
kesimpulan merupakan jawaban dari tujuan penelitian yang sudah ditetapkan.
Adapun saran diperoleh dari hasil perbaikan yang diteliti untuk divisi pakan terak
KPGS dan penelitian selanjutnya.
3.10. Jadwal Penelitian
Jadwal penelitian ini di laksanakan dalam tahapan tahapan berikut :
 10

Tabel 3.1 Jadwal Tahapan Penelitian

Tahun 2021
No Kegiatan
April Mei Juni Juli Agustus
Tahap
Persiapan
Penelitian
Observasi dan
studi literatur
Pengajuan judul
1
dan topik
penelitian
Penyusunan
Proposal dan
Pengumpulan
Data Penelitian
Pelaksanaan
2 Sidang Ujian
Proposal
Pengolahan
Data Penelitian
Penyusunan
Laporan
3
Penelitian
Sidang Skripsi
 IV. DAFTAR PUSTAKA
Andini, T. D., & Auristandi, P. (2018). Peramalan Jumlah Stok Alat Tulis Kantor Di
UD Achmad Jaya Menggunakan Metode Double Exponential Smoothing.
Jurnal Ilmiah Teknologi Dan Informasi Asia.
Azhari, D. Y., Adriantantri, E., & Sujianto. (2020). Optimasi Perencanaan Produksi
Menggunakan Linear Programming dan Perencanaan Bahan Baku di CV. Widi
Kauza, Malang. Jurnal Valtech (Jurnal Mahasiswa Teknkin Industri), 3(2),
200–204.
Cipta, H. (2020). Penerapan Metode Goal Programming Dalam Optimasi
Perencanaan Produksi. http://repository.uinsu.ac.id/9677/1/LAPORAN
PENELITIAN HENDRA CIPTA 2020.pdf
Dabukke, R. (2018). Optimasi Perencanaan Produksi Dengan Metode Goal
Programming (Studi Kasus: UD Berkat Doa). Perencanaan Produksi, 1(2), 44–
48.
Devani, V. (2017). Optimasi Perencanaan Produksi Dengan Menggunakan Metode
Goal Programming. Jurnal Sains Dan Teknologi Industri, 11(1), 84–91.
http://ejournal.uin-suska.ac.id/index.php/sitekin/article/view/560
Handayani, M., & Dewi, E. K. (2017). Perencanaan Bahan Baku Dan Hasil Produksi
Menggunakan Metode Linier Programming Simplek. Business Management
Journal, 12(2). https://doi.org/10.30813/bmj.v12i2.430
Leung, S. C. H., & Ng, W. lung. (2007). A goal programming model for production
planning of perishable products with postponement. Computers and Industrial
Engineering, 53(3), 531–541. https://doi.org/10.1016/j.cie.2007.05.010
Muhammad, D., Faisal, N., P, H. B. P., & Sunarya, S. (2020). Perhitungaan Metode
Goal Programming Untuk Optimasi Perencanaan Produk Keripik Singkong
Pada PT . Cassava Chips. Bulletin of Applied Industrial Engineering Theory,
2(1), 16–20.
Nuryana, I. (2019). Optimasi Jumlah Produksi pada UMKM RAINA KERSEN
dengan Metode Linear Programming. Jurnal Media Teknologi, 6(1), 67–90.
 2

https://jurnal.unigal.ac.id/index.php/mediateknologi/article/download/
2651/2219
Oleh, D. (n.d.). No Title.
Purnama, J., & Sajiyo, S. (2020). Pengembangan Model Fuzzy Goal Programming
Untuk Mengoptimalkan Produksi Pada Ukm Furniture. Jurnal Simantec, 9(1),
6–14. https://doi.org/10.21107/simantec.v9i1.8998
Rahmawati, L. I. (2018). Optimalisasi Harga Penjualan Perumahan dengan Metode
Goal Programming ( Studi Kasus : Golden Gindi Residence Kota Bima Nusa
Tenggara Barat ). Jurnal Matematika Vol. 3 No. 2, Desember 2013, 3(2), 86–
101.
Ridwan, A., & Abadi, A. A. (2020). OPTIMASI PEMILIHAN SUPPLIER BAHAN
BAKU BATUBARA DENGAN METODE GOAL PROGRAMMING (Studi
Kasus di PT. ABC). Journal Industrial Servicess, 6(1), 20.
https://doi.org/10.36055/jiss.v6i1.9469
Sugianto, W. (2020). Optimasi Kapasitas Produksi Ukm Dengan Goal Programming.
Jurnal Rekayasa Sistem Industri, 5(2), 146–154.
https://doi.org/10.33884/jrsi.v5i2.1911
Widyaningsih, W., & Andayani, S. (2018). Optimasi perencanaan produksi bahan
bakar minyak dengan fungsi kendala fuzzy menggunakan metode goal
programming Optimization planning of fuel oil production with fuzzy
constraint using goal programming method. 13(1), 21–32.