IV-1

BAB IV PEMBAHASAN DAN ANALISIS

4.1.

Studi Kasus Modul Linear Programming Blast Company memproduksi frame meja dan frame dinding dengan

menggunakan bebagai macam bahan. Frame meja dan frame dinding tersebut didistribusikan kepada masyarakat-masyarakat secara langsung. Kebutuhan akan berbagai macam bahan dalam pembuatan frame meja dan frame dinding di ringkas dalam tabel berikut.
Tabel 4.1 Data dari Blast Company (dalam ribuan per unit)

Bahan Mentah Plastik Besi Kaca

Frame Dinding 30 20 20

Frame Meja 30 10 20

Kapasitas (piece) 90 40 80

Harga untuk 1 buah frame dinding adalah 15000 rupiah sedangkan untuk 1 buah frame meja adalah 5000 rupiah. Berapa banyak frame meja dan frame dinding yang harus dihasilkan setiap hari untuk memaksimalkan pendapatan pabrik tersebut dengan menggunakan metode grafik dan metode simpleks.

4.1.1. Perhitungan Manual Modul Linear Programming Berikut ini adalah perhitungan manual untuk studi kasus di atas. Dilakukan perhitungan dengan metode grafik dan metode simpleks. IV-1

IV-2

1. Metode Grafik Berikut ini adalah penyelesaian menggunakan metode grafik: 1. Mencari titik potong dari masing-masing garis. Nilai Maksimum: Z = 15000 X1 + 5000 X2 Kendala: 30X1 + 30X2 < 90 …(1) Jika X1 = 0 dimasukkan ke dalam persamaan (1) maka X2 = 3 Jika X2 = 0 dimasukkan ke dalam persamaan (1) maka X1 = 0 Jadi titik koordinatnya adalah (0,3) dan (3,0) 20X1 + 10X2 < 40 …(2) Jika X1 = 0 dimasukkan ke dalam persamaan (2) maka X2 = 4 Jika X2 = 0 dimasukkan ke dalam persamaan (2) maka X1 = 2 Jadi titik koordinatnya adalah (0,4) dan (2,0) 20X1 + 20X2 < 80 …(3) Jika X1 = 0 dimasukkan ke dalam persamaan (3) maka X2 = 4 Jika X2 = 0 dimasukkan ke dalam persamaan (3) maka X1 = 4 Jadi titik koordinatnya adalah (0,4) dan (4,0) Non negative constraint : X1 > 0, X2 > 0

IV-3

2. Membuat grafik berdasarkan titik potong dari masing-masing garis.
y

4 3 2 1 x
Titik potong antara dua garis

1
20X1+10X2=40 30X1+30X2=90

2

3

4

20X1+20X2=80

Gambar 4.1 Grafik 1

3. Mencari nilai X1, X2 dan nilai maksimumnya. Perpotongan terdapat diantara garis 30X1 + 30X2 = 90 dan 20X1 + 10X2 = 40. Jadi nilai X1 dan X2 dicari melalui kedua garis tersebut yaitu dengan cara eliminasi dan substitusi sebagai berikut: Eliminasi garis 30X1 + 30X2 = 90 20X1 + 10X2 = 40 x1 30X1 + 30X2 = 90 x3 60X1 + 30X2 = 120 -30X1 = -30 X1 = 1 Subtitusi X2 ke salah satu garis 20X1 + 10X2 = 40 20(1) + 10X2 = 40 20 + 10X2 = 40 10X2 = 20 X2 = 2

3 = 15000 Titik B (1.0) Z = 15000. Nilai di atas terlebih dahulu diubah kedalam bentuk standar sebagai berikut: .2 + 5000. 20X1 + 10X2 < 40 3. X2 > 0 Langkah-langkah perhitungan adalah sebagai berikut: 1.0 + 5000.000.2) Z = 15000. Metode Simpleks Berikut ini adalah perhitungan menggunakan metode simpleks dengan bentuk formulasi seperti dibawah ini: Nilai maksimum: Z = 15000X1 + 5000X2 Kendala: 1.IV-4 Jadi nilai Z optimum dari titik OABC Z = 15000 X1 + 5000 X2 Titik A (0. 30X1 + 30X2 < 90 2.000. 2. 20X1 + 20X2 < 80 Non negative constraint : X1 > 0.2 = 25000 Titik C (2.1 + 5000.3) Z = 15000.00.0 = 30000 Blast Company memproduksi frame dinding sebanyak 2000 buah tanpa harus memproduksi frame meja untuk mendapatkan keuntungan maksimum. Pendapatan maksimal yang bisa didapatkan oleh Blast Company sebesar Rp 30.

2 Tabel Simpleks Iterasi I Variabel Dasar Z S1 S2 S3 Z 1 0 0 0 X1 -15000 30 20 20 X2 -5000 30 10 20 S1 0 1 0 0 S2 0 0 1 0 S3 0 0 0 1 NK 0 90 40 80 Indeks 3 2 4 3. Z=0/10=0 X1=20/20=1 X2=10/20=0. X2 > 0 2. Membuat nilai baru untuk semua baris kecuali baris pivot dan ganti leaving variable dengan entering variable. Kemudian nilai tersebut dimasukkan dan di proses ke dalam tabel seperti berikut ini: Tabel 4. Nilai baru = nilai lama – (nilai kolom pivot x nilai baru pivot) S2=1/20=0.5 S1=0/10=0 4.IV-5 Nilai Maksimum: Z – 15000X1 – 5000X2 + 0 (S1 + S2 + S3) = 0 Kendala: 30X1 + 30X2 + S1 = 90 20X1 + 10X2 + S2 = 40 20X1 + 20X2 + S3 = 80 Non negative constraint: X1 > 0.05 S3=0/20=0 NK=40/20=2 . Mengubah semua nilai pada baris pivot dengan membaginya dengan nilai pivot.

5 10 S1 0 1 0 0 S2 750 -1.3 Tabel Simpleks Iterasi II Variabel Dasar Z S1 X1 S3 Z 1 0 0 0 X1 0 0 1 0 X2 2500 15 0.05 -1.000.5 0 0 0 90 2 30 -15000 -5000 0 1 0 0. .IV-6 Variabel Z Z lama : 1 (-15000) X1 baru : 0 Z baru : 1 Variabel S1 S1lama : 0 (30) X1 baru : 0 S1 baru : 0 Variabel S3 S3 lama : 0 (40) X1 baru : 0 S3 baru : 0 20 1 0 20 0.5 15 1 0 1 0 0.05 -1 S3 0 0 0 1 NK 30000 30 2 40 Berdasarkan tabel simpleks iterasi II maka Blast Company harus memproduksi frame dinding sebanyak 2000 buah tanpa harus memproduksi frame meja untuk mendapatkan keuntungan maksimum.00. Pendapatan maksimal yang bisa didapatkan oleh Blast Company sebesar Rp 30.05 750 0 0 0 0 2 30000 - Tabel 4.000.5 0.5 2500 0 0 0 0.5 10 0 0 0 0 0.05 -1 1 0 1 80 2 40 30 1 0 30 0.

IV-7 4.2 Perhitungan Software Modul Linear Programming Buka program WinQSB kemudian klik Linear and Integer Programming.1. Masukkan judul masalah yaitu keuntungan maksimum frame dengan jumlah variabel 2 dan jumlah kendala sebanyak 3 macam. Klik OK. Data entry format pilih option spreadsheet matrix form dan default variable type nonnegative continous.2 Problem Specification Linear Programming Kemudian muncul tampilan seperti gambar Variable Input. Gambar 4. Gambar 4. Setelah terbuka akan muncul tampilan Problem Specification. Kriteria objektif yang dipilih adalah maximization karena ingin dicari nilai maksimal dari penjualan frame yang ada. Masukkan variabel dan constraint sesuai dengan data yang ingin dimasukkan.3 Solve and analyze Graphic Method Linear Programming .

Selanjutnya klik graphic method seperti di gambar dan akan muncul kolom select variable seperti gambar di bawah dan klik OK. Daerah visible terlihat pada output untuk grafik. Gambar 4.5 Graphic Output . Gambar 4.4 Select Variables for Graphic Method Berikut ini merupakan output untuk grafik.IV-8 Kemudian klik solve and analyze.

Maka akan muncul notifikasi bahwa masalahnya telah diselesaikan dan solusi optimal telah didapatkan. Gambar 4. Klik simplex iteration lalu klik next iterasion lagi maka akan muncul pemberitahuan bahwa metode simpleks yang dilakukan telah selesai. Gambar 4.IV-9 Klik Solve and Analyze kemudian klik Solve and Display Steps.6 Iterasi 1 Linear Programming Kemudian klik simplex iteration lalu klik next iterasion maka mucul iterasi kedua. Maka akan muncul iterasi pertama.7 Iterasi 2 Linear Programming Klik solve and analyze kemudian klik solve the problem.8 Summary Output Linear Programming . Gambar 4. Kemudian akan muncul output perhitungan simpleksnya.

1. Gambar 4.00. nilai ini di dapatkan dari perkalian solution value dengan unit cost or profit dan untuk frame dinding didapatkan nilai total Rp 30.000. Unit cost or profit menunjukkan harga untuk 1 produk. Blast Company ingin mengetahui banyaknya frame yang harus di produksi setiap hari untuk memaksimalkan pendapatan maka dilakukan perhitungan manual dan software dengan 2 metode yaitu metode grafik dan simpleks.00. Total contribution adalah jumlah keuntungan maksimal yang diperoleh. Harga frame dinding (X1) adalah Rp 15. Solution value menunjukkan jumlah produk yang harus dibuat untuk mendapatkan keuntungan yang maksimal.00 sedangkan harga frame meja (X2) adalah Rp 5. Produksi frame dinding sekecil-kecilnya mendapat keuntungan .000. besi dan kaca.IV-10 4. Allowable min adalah keuntungan sekecil-kecilnya yang bisa didapatkan dan allowable max adalah keuntungan maksimal yang bisa didapatkan dan tidak bisa melebihi angka yang tertera.000. Jumlah produk yang harus di produksi untuk produk frame dinding sebanyak 2000 buah sedangkan frame meja tidak di produksi guna untuk mendapatkan hasil yang optimal.000. Reduced cost adalah kerugian produk.3 Analisis Modul Linear Programming Berdasarkan studi kasus tentang Blast Company terdapat 3 kendala terhadap bahan mentah pembuatan frame baik untuk frame meja maupun frame dinding yaitu plastik. Jika frame dinding dijual maka tidak ada kerugian sedangkan jika frame meja yang dijual maka perusahaan akan mengalami kerugian sebesar Rp 2.00 sedangkan untuk frame meja didapatkan nilai 0 karena pada solution value nilainya 0.8 Summary Output Linear Programming merupakan output yang diperoleh. Nilai decision variable yang menunjukkan produk yang di produksi yaitu frame dinding (X1) dan frame meja (X2).500.000.

000.000 dan untuk kaca sebesar 40.000.000 sedangkan kelebihan untuk kaca 80. Sedangkan produksi frame meja keuntungannya bisa seminimal mungkin sedangkan keuntungan maksimalnya sebesar Rp 7. 2 dan 4.500.000.00. Slack or surplus adalah nilai yang didapat dari pengurangan right hand side dengan left hand side. Shadow price adalah kisaran harga yang didapat dari jumlah produk yang ada. Perhitungan manual dan perhitungan software baik menggunakan metode grafik maupun simpleks didapatkan hasil yang sama yaitu banyak . Perhitungan software terdapat constraint yang berarti kendala yang terdapat pada setiap produk.000. Besi dan kaca tidak mempunyai batasan kenaikan (tak terhingga) sedangkan plastik hanya bisa sebesar 60. Left hand side (LHS) didapat dari pengkalian solution value dengan masing-masing constraint. Right hand side adalah nilai dari jumlah kapasitas produk. Perhitungan software dan manual simpleks dilakukan 2 kali iterasi lalu didapatkan ratio pada masing-masing kendala yang ada yaitu 3.00 dan bisa mendapatkan keuntungan sebanyak mungkin.000.000. bila ditambah 1 produk maka mendapat keuntungan sebesar nilai yang tertera pada shadow price.000.000 dan untuk kaca adalah 80. Left hand side pada besi didapatkan hasil 60. Kelebihan untuk besi sebesar 30. Allowable min right hand side adalah batas minimum jika dilakukan pengurangan pada besi yaitu sebesar 60.IV-11 sebesar Rp 10.000 dan untuk kaca adalah 40. untuk plastik didapatkan hasil 40.000 dan allowable max right hand side adalah jumlah kapasitas maksimum. Constraint pertama yaitu besi didaptkan nilai 90.000 sedangkan untuk plastik adalah 40. Berdasarkan perhitungan manual maupun software didapatkan perpotongan garis pada grafik sama yaitu antara garis 20X1 + 10X2 = 40 dan 30X1 + 30X2 = 90.000.

000.00. 4.4 Data Biaya Transportasi Ke Dari Gudang 1 Gudang 2 Gudang 3 Gudang 4 Demand Jakarta 20 25 22 48 115 Bandung 25 23 18 44 110 Yogyakarta 35 17 33 30 115 Makassar 50 45 42 23 160 Supply (karung) 130 110 115 145 500 Data di atas akan dialokasikan menggunakan empat buah metode yaitu North West Corner. gudang kedua di daerah Magelang. serta biaya yang diperlukan untuk masing-masing tujuan.000. Yogyakarta dan Makassar. Least Cost. permintaan dari masingmasing kota. . Vogel’s Approximation Method (VAM) dan Russell’s Approximation Method (RAM).2. Terdapat empat gudang penyimpanan yaitu gudang pertama di daerah Bekasi. gudang ketiga di daerah Bogor dan gudang keempat di daerah Bali.IV-12 frame dinding yang dihasilkan sebanyak 2000 buah dengan pendapatan maksimal sebesar Rp 30. dapat dilihat pada tabel 4.4 berikut ini (Biaya dalam ribuan rupiah): Tabel 4. Studi Kasus Modul Transportasi Sebuah perusahaan yang bernama Indonesian Rice Company yang menghasilkan beras dan ingin mendistribusikan beras tersebut keempat kota di Indonesia yaitu Jakarta. Perhitungan dilakukan secara manual dan menggunakan software WinQSB. Barang yang tersedia. Bandung.

Kemudian untuk memenuhi demand Yogyakarta. Sehingga Jakarta sudah terpenuhi semua demandnya. kotak (2. Untuk memenuhi demand tersebut. North West Corner (NWC) Penyelesaian dengan menggunakan metode North West Corner.2) dialokasikan sebanyak nilai yang tersisa yaitu 15.3) dialokasikan sebesar 15.3) dialokasikan sebesar 100. 1.2. kotak (3. Setelah itu nilai yang tersisa untuk memenuhi demand untuk kota Makassar adalah sebesar 145 yang dialokasikan pada kotak (4. Jadi supply gudang 1 telah terpenuhi. Lalu untuk memenuhi supply gudang 3 pada kotak (3.IV-13 4. Maka demand untuk kota Bandung telah terpenuhi. Kotak tersebut dialokasikan sebesar 115 yang diambil dari nilai terkecil antara demand dan supply.4). Berikutnya untuk memenuhi supply gudang 1 kotak (1. kotak (2.2) dialokasikan sebesar 95. Berikutnya untuk memenuhi supply gudang 2. Vogel’s Approximation Method (VAM) dan Russell’s Approximation Method (RAM) yang dilakukan secara manual. Dilakukan dengan menggunakan empat buah metode yaitu North West Corner (NWC). maka didapatkan hasil sebagai berikut: . Setelah semua demand dan supply terpenuhi dan telah dilakukan pengalokasian. kotak yang pertama dialokasikan adalah kotak paling kiri atas yaitu kotak (1. Selanjutnya adalah memenuhi demand untuk Bandung.1).1 Perhitungan Manual Modul Transportasi Berikut ini adalah pemecahan masalah transportasi.4) sebesar 15. Least Cost.

00 2.4) dan dilakukan pengalokasian sebesar 145 dari supply sehingga supply dari gudang 4 telah terpenuhi.3) sebesar 110 dari besar supply sehingga supply dari gudang 2 telah terpenuhi.4) dan dialokasikan . Angka terkecil selanjutnya adalah 33 yang terletak pada kotak (3. Angka terkecil selanjutnya adalah 23 yang terletak di kotak (4.IV-14 Tabel 4.3) sebesar 5 sehingga demand untuk Yogyakarta telah terpenuhi. pengalokasian sebesar 115 dari demand sehingga demand untuk Jakarta sudah terpenuhi.000. Yang terakhir adalah angka 50 yang terletak pada kotak (1. Setelah itu.380.5 Metode North West Corner (NWC) Ke Dari Gudang 1 5115 Jakarta Bandung Yogyakarta Makassar Supply 20 25 22 20 15 25 23 18 20 - 35 20 - 50 20 130 Gudang 2 - 95 15 0 17 20 - 0 45 42 20 110 Gudang 3 - - 100 0 33 20 15 115 Gudang 4 - 0 48 20 110 0 44 20 - 0 30 20 145 160 0 23 20 145 500 Demand 0 115 0 115 0 0 Jadi biaya transportasinya adalah sebagai berikut: (115*20) + (15*25) + (95*23) + (15*17) + (100*33) + (15*42) + (145*23) = Rp12.2) sebesar 110 dari demand sehingga demand untuk Bandung telah terpenuhi. Kemudian angka terkecil berikutnya adalah 18 yang terletak pada kotak (3. Least Cost Pengalokasian menggunakan metode least cost dimulai dari harga terendah yaitu 17 yang terletak pada kotak (2.1). angka terkecil selanjutnya adalah 20 yang terletak di kotak (1.

000.400.00 3. . Tabel 4. Kemudian pilih hasil perhitungan yang terbesar hasilnya dan dilakukan pengalokasian pada kotak variabel dengan biaya terendah pada baris atau kolom tersebut. Vogel’s Approximation Method (VAM) Berikut ini adalah perhitungan menggunakan metode Vogel’s Approximation Method (VAM) yang penyelesaiannya dilakukan dengan cara menghitung selisih antara kotak variabel dengan biaya terendah dengan kotak variabel dengan biaya terendah berikutnya.6 Metode Least Cost Ke Dari Gudang 1 5115 Gudang 2 Gudang 3 Gudang 4 Demand Jakarta Bandung Yogyakarta Makassar Supply 20 25 22 20 - 25 23 - 35 20 15 50 20 130 - 0 17 110 20 - 0 45 42 20 110 110 18 20 5 0 33 20 - 115 0 48 20 110 0 44 20 - 0 30 20 145 160 0 23 20 145 500 0 115 0 115 0 0 Jadi biaya transportasinya adalah sebagai berikut: (115*20)+(110*18)+(110*17)+(5*33)+(15*50)+(145*23)=Rp 10.IV-15 sebesar 15 sehingga demand untuk empat kota dan supply dari empat gudang telah terpenuhi.

000.00 .360.IV-16 Tabel 4.7 Metode Vogel’s Approximation Method (VAM) Ke Dari Gudang 1 Jakarta Bandung Yogyakarta Makassar Supply 20 5115 10 25 5 35 20 50 20 130 5 5 5 5 5 5 0 17 20 - 0 45 110 6 6 - Gudang 2 25 - 23 110 0 33 20 - Gudang 3 22 20 18 20 42 20 115 4 4 4 4 - - Gudang 4 0 48 20 100 0 44 20 - 0 30 20 15 0 23 20 145 7 - - - - - Demand 0 115 - 0 110 115 0 145 0 160 500 2 2 2 2 20 20 5 5 7 7 25 25 13 16 2 2 35 - 19 3 8 - Jadi biaya transportasinya adalah sebagai berikut: (115*20) + (10*25) + (5*35) + (110*17) + (100*18) + (15*42) + (145*23) = Rp 10.

Alokasi 1 A1 = 20 – 50 – 48 = -78 A2 = 25 – 45 – 48 = -68 A3 = 22 – 42 – 48 = -68 A4 = 48 – 48 – 48 = -48 B1 = 25 – 50 – 44 = -69 B2 = 23 – 45 – 44 = -66 B3 = 18 – 42 – 44 = -68 B4 = 44 – 48 – 44 = -48 C1 = 35 – 50 – 35 = -50 C2 = 17 – 45 – 35 = -63 C3 = 33 – 42 – 35 = -44 C4 = 30 – 48 – 35 = -53 D1 = 50 – 50 – 50 = -50 D2 = 45 – 45 – 50 = -50 D3 = 42 – 42 – 50 = -50 D4 = 23 – 48 – 50 = -75 Alokasi 2 B1 = 25 – 50 – 44 = -69 B2 = 23 – 45 – 44 = -66 B3 = 18 – 42 – 44 = -68 B4 = 44 – 44 – 44 = . Cara menghitungnya ialah harga dikurang dengan baris terbesar dikurang dengan kolom terbesar.44 C1 = 35 – 50 – 35 = -50 C2 = 17 – 45 – 35 = -63 C3 = 33 – 42 – 35 = -44 C4 = 30 – 44 – 35 = -49 D1 = 50 – 50 – 50 = -50 D2 = 45 – 45 – 50 = -50 D3 = 42 – 42 – 50 = -50 D4 = 23 – 44 – 50 = -71 Alokasi 3 B1 = 25 – 50 – 25 = -50 B2 = 23 – 45 – 25 = -47 B3 = 18 – 42 – 25 = -49 C1 = 35 – 50 – 35 = -50 C2 = 17 – 45 – 35 = -63 D1 = 50 – 50 – 50 = -50 D2 = 45 – 50 – 45 = -50 D3 = 42 – 50 – 42 = -50 . Russell’s Approximation Method (RAM) Pertama-tama lakukan perhitungan untuk semua kotak.IV-17 4. Setelah itu cari nilai minus terbesar lalu langsung dilakukan pengalokasian di kotak tersebut. Berikut adalah perhitungannya.

data entry format spreadsheet matrix form.385. kemudian pilih option transportation problem pada problem type.IV-18 Alokasi 4 B1 = 25 – 50 – 44 = -69 B3 = 18 – 42 – 44 = -68 C1 = 35 – 50 – 35 = -50 C3 = 33 – 42 – 35 = -44 D1 = 50 – 50 – 50 = -50 D3 = 42 – 42 – 50 = -50 Alokasi 5 B3 = 18 – 42 – 18 = -42 C3 = 33 – 42 – 33 = -42 D3 = 42 – 42 – 42 = -42 Tabel 4.00 4.000. Judul masalahnya . objective criterion pilih minimization.8 Metode Russell’s Approximation Method (RAM) Ke Dari Gudang 1 5115 Gudang 2 Gudang 3 Gudang 4 Demand Jakarta Bandung Yogyakarta Makassar Supply 20 15 25 - 35 20 50 20 25 - 23 110 0 17 20 0 45 42 130 22 20 18 95 20 0 33 20 - 110 0 48 20 0 44 20 5 0 30 20 15 20 0 23 20 115 110 115 0 0 115 0 145 160 0 145 500 Jadi biaya transportasinya adalah sebagai berikut: (115*20) + (15*25) + (95*18) + (110*17) + (5*33) + (15*42) + (145*23) = Rp 10.2.2 Perhitungan Software Modul Transportasi Buka program WinQSB kemudian klik network modeling.

IV-19 transportation.11 Transportation Simplex NWC . Gambar 4.9 NET Problem Specification Transportation Masukkan semua data yang ingin di proses.10 Data entry Klik solve and analyze – select intial solution method. Klik option Northwest Corner Method (NWC) kemudian klik OK. Ganti nama variabel dengan cara klik edit . Gambar 4.node names. number of sources 4 karena sumbernya 4 tempat dan number of destinations 4 karena tujuannya ada 4 kota tujuan. Gambar 4. Klik OK.

IV-20 Klik solve and analyze .13 Alokasi 2 NWC Klik iteration – next iteration maka akan muncul alokasi 3. Gambar 4. Kemudian didapatkan objective value sebesar 10385. Dapat diketahui bahwa objective value sebesar 12380. .12 Alokasi 1 NWC Klik iteration – next iteration maka akan muncul alokasi 2.Solve and display steps-tableau maka akan muncul alokasi 1. Kemudian didapatkan objective value sebesar 10360. Gambar 4. Ini adalah hasil yang sudah final.

Solve and display steps-network maka akan muncul hasil transportasi dari masing-masing source. Didapatkan data shipment. total cost dan reduced cost. . unit cost. Jaringan ini masih bisa dioptimalkan lagi. Gambar 4.14 Alokasi 3 NWC Klik iteration – next iteration maka akan muncul tabel kesimpulan dari semua proses yang telah dilakukan.15 NWC Tableau Summary Klik solve and analyze .IV-21 Gambar 4.

16 NWC Network 1 Transportation Klik iteration – next iteration.18 NWC Network 3 Transportation . Didapatkan jaringan yang optimal. Terdapat perubahan jaringan.IV-22 Gambar 4.17 NWC Network 2 Transportation Klik lagi iteration – next iteration. Gambar 4. Gambar 4.

21 Alokasi 1 MM . Gambar 4.20 Transportation Simplex MM Klik solve and analyze .Solve and display steps-tableau maka akan mucul alokasi 1. Klik option Matrix Minimum (MM) kemudian klik OK.19 NWC Network Summary Klik solve and analyze – select intial solution method. Gambar 4.IV-23 Klik iteration – next iteration. Gambar 4. Maka akan muncul semua data yang telah diolah. Dapat diketahui bahwa objective value sebesar 10400.

IV-24

Klik iteration – next iteration maka akan muncul alokasi 2. Kemudian didapatkan objective value sebesar 10370.

Gambar 4.22 Alokasi 2 MM

Klik iteration – next iteration maka akan muncul alokasi 3 atau alokasi final. Kemudian didapatkan objective value sebesar 10360.

Gambar 4.23 Alokasi 3 (Final) MM

IV-25

Klik iteration – next iteration. Maka akan muncul semua data yang telah diolah.

Gambar 4.24 Least Cost Tableau Summary

Klik solve and analyze - Solve and display steps-network maka akan mucul hasil transportasi dari masing-masing source. Jaringan ini masih dapat dioptimalkan.

Gambar 4.25 Least Cost Network 1 Transportation

Klik iteration – next iteration. Terdapat perubahan jaringan.

Gambar 4.26 Least Cost Network 2 Transportation

IV-26

Klik lagi iteration – next iteration. Didapatkan jaringan yang optimal.

Gambar 4.27 Least Cost Network 3 Transportation

Klik iteration – next iteration. Maka akan muncul semua data yang telah diolah.

Gambar 4.28 Least Cost Network Summary

Klik solve and analyze – select intial solution method. Klik option Vogel’s Approximation Method (VAM) kemudian klik OK.

Gambar 4.29 Transportation Simplex VAM

32 VAM Network 1 Transportation . Maka akan muncul semua data yang telah diolah. Gambar 4.Solve and display steps-network maka akan muncul hasil transportasi dari masing-masing source. Gambar 4. Gambar 4.31 VAM Tableau Summary Klik solve and analyze .IV-27 Klik solve and analyze . Dapat diketahui bahwa objective value sebesar 10360.Solve and display steps-tableau maka akan muncul alokasi final.30 Alokasi 1 (Final) VAM Klik iteration – next iteration.

34 Transportation Simplex RAM Klik solve and analyze . Gambar 4. Gambar 4. Maka akan muncul semua data yang telah diolah.IV-28 Klik iteration – next iteration. Dapat diketahui bahwa objective value sebesar 10385.33 VAM Network Summary Klik solve and analyze – select intial solution method.Solve and display steps-tableau maka akan mucul alokasi 1. Klik option Russell’s Approximation Method (RAM) kemudian klik OK.35 Alokasi 1 RAM . Gambar 4.

36 Alokasi 2 (Final) RAM Klik iteration – next iteration.38 RAM Network 1 Transportation .IV-29 Klik iteration – next iteration maka akan muncul alokasi 2 atau alokasi final.Solve and display steps-network maka akan mucul hasil transportasi dari masing-masing source. Gambar 4. Gambar 4.37 RAM Tableau Summary Klik solve and analyze . Maka akan muncul semua data yang telah diolah. Kemudian didapatkan objective value sebesar 10360. Gambar 4.

2. Maka akan muncul semua data yang telah diolah. Bandung. Magelang. Bogor dan Bali. Gambar 4.39 RAM Network 2 (Final) Transportation Klik iteration – next iteration. Didapatkan jaringan transportasi yang optimal.40 RAM Network Summary 4.IV-30 Klik iteration – next iteration. Indonesian Rice Company mempunyai gudang di daerah Bekasi.3 Analisis Modul Transportasi Indonesian Rice Company ingin mendistribusikan beras yang mereka hasilkan ke kota Jakarta. Oleh karena itu dilakukan perhitungan manual dan software dengan metode North . Yogyakarta dan Makassar. Perusahaan ini ingin meminimumkan biaya transportasi yang ada. Gambar 4.

total keseluruhan biaya sebesar 10360. Dilihat dalam perhitungan software bahwa dari gudang 1 ke Jakarta terdapat pengiriman barang sebesar 115 dengan biaya per unit sebesar 20 jadi total biaya sebesar 2300.000. Gudang 2 ke Yogyakarta sebesar 110 dengan biaya per unit 17 jadi total biaya sebesar 1870. dari ke empat metode tersebut biaya yang paling minimum adalah metode Vogel’s Approximation Method.00. Dari gudang 1 ke Bandung terdapat pengiriman barang sebesar 10 unit dengan biaya per unit sebesar 25 jadi total biaya sebesar 250.00.360.360. Jadi.00. Berdasarkan perhitungan manual dan software didapatkan hasil optimal yang sama.IV-31 West Corner (NWC).000.000.000. Gudang 3 ke Bandung sebanyak 100 unit dengan biaya per unit 18 jadi total biaya sebesar 1800.00.380.000. Gudang 1 ke Yogyakarta terdapat pengiriman barang sebesar 5 dengan biaya per unit 35 jadi total biayanya sebesar 175.00.400. Sedangkan dengan metode Least Cost baik manual maupun software hasil alokasi 1 sebesar Rp 10. Vogel’s Approximation Method (VAM) dan Russell’s Approximation Method (RAM). Jadi. Gudang 3 ke Makassar sebanyak 15 unit dan biaya per unit sebesar 42 sehingga biaya total sebesar 630. Metode Russell’s Approximation Method (RAM) didapatkan nilai alokasi 1 baik dengan manual maupun software sebesar Rp 10. . Least Cost. Metode North West Corner (NWC) pada alokasi pertama baik dengan menggunakan software maupun manual didapatkan hasil yang sama yaitu Rp 12. Metode Vogel’s Approximation Method (VAM) didapatkan hasil alokasi 1 baik dengan manual maupun software sebesar Rp 10. Gudang 4 ke Makassar sebanyak 145 unit dengan biaya per unit 23 dan total biaya menjadi 3335.385. karena dalam ribuan maka menjadi Rp 10.

IV-32 4. Studi Kasus Modul Line Balancing Cool Fan Company yang bergerak dalam industri perakitan kipas angin harus memproduksi 600 unit kipas angin dalam sehari. Banyaknya work station c.9 Data dari Cool Fan Company No 1 Operasi Merakit dinamo ke rangka menggunakan baut Operasi Pendahulu - Waktu Operasi (detik) 20 2 Merakit rangka baling-baling ke 1 2 - 15 10 25 3 4 Merakit kunci baling-baling Merakit casing belakang dengan mur dan ring 5 6 7 8 9 10 Merakit tombol speed Merakit tombol timer Merakit louver Merakit kabel Merakit casing depan Merakit tutup casing 4 5. Berikut ini adalah data produksi milik Cool Fan Company.3. Waktu siklus b. Precendence diagram . Perusahaan tersebut memiliki jam kerja selama 7 jam sehari.3 6 7 8 9 10 10 10 30 10 15 Tentukanlah: a. Tabel 4.

Nilai ini didapatkan dari pembagian antara waktu produksi dengan jumlah produksi. Banyaknya Stasiun Kerja (Work Station) Stasiun kerja terdiri dari beberapa proses. analytic dan simulasi. Berikut adalah perhitungan manualnya. Berikut adalah perhitungan untuk mencari banyaknya stasiun kerja. b. Perhitungan Manual Modul Line Balancing Metode-metode pada line balancing terdiri dari metode heuristic. Metode heuristic terbagi menjadi empat macam yaitu Largest Candidate. CT = Waktu Pr oduksi 7 = x3600 = 42 detik 600 Jumlah Pr oduksi Hasil perhitungan di atas merupakan nilai dari waktu siklus. a. .3. perhitungan yang dilakukan dengan menggunakan metode ini adlah sebagai berikut. Metode Killbridge Metode Killbridge adalah salah satu metode penyelesaian masalah line Metode ini termasuk metode heuristic. Al Arcu’s. Waktu Siklus (Cycle Time) Waktu siklus adalah jarak waktu antara proses pertama ke proses berikutnya dalam pembuatan suatu produk. Nilai waktu siklus dengan menggunakan metode Killbridge adalah 42 detik.IV-33 4. Killbridge and Wester dan Ranked Positional Weight (RPW) tapi kali ini hanya dilakukan perhitungan dengan menggunakan metode Killbridge and Wester dan Ranked Positional Weight (RPW).1. 1. Langkah-langkah balancing.

Terdapat 5 work station dengan menggunakan metode Killbridge.7 10+10+10=30 42 4 8. operasi 3 dan 4 bekerja dalam stasiun kerja 2. Precedence Diagram Precedence diagram adalah diagram pendahulu yang menunjukkan urutan proses pengerjaan suatu produk yaitu kipas angin.10 Pengelompokan Work Station Cycle Time WS Operasi Total Waktu 1 1.2 20+15=35 42 2 3. Jumlah work station untuk metode Killbridge adalah 4 stasiun kerja. 20 1 15 2 10 3 25 4 10 5 10 6 10 7 30 8 10 9 15 10 Gambar 4.4 10+25=35 42 3 5.9 30+10=40 42 5 10 15 42 Berikut adalah diagram yang telah dikelompokkan dengan menggunakan metode Killbridge. Operasi . Tabel 4. Operasi 1 dan 2 bekerja dalam stasiun kerja 1.6.69 ≈ 4 42 Waktusiklu s Hasil perhitungan di atas menunjukkan banyaknya stasiun kerja. c. Pengelompokan Work Station Setelah diketahui diagram pendahulu dan waktu siklus maka dilakukan pengelompokan stasiun kerja.41 Precedence Diagram Metode Killbrige d. Terdapat waktu pengerjaan per proses.IV-34 WS = WaktuOpera si 155 = = 3.

7 8. Stasiun kerja 5 hanya terdapat stasiun kerja 10. Sehingga stasiun ini sudah bisa dikatakan efisien karena hanya menganggur sebanyak 16. 1 WS 1 2 3 WS 2 WS 5 4 5 WS 3 6 7 WS 4 8 9 10 Gambar 4. Tabel 4.9 10 Total Waktu 20+15=35 10+25=35 10+10+10=30 30+10=40 15 Cycle Time 42 42 42 42 42 %effisiensi WS 83.6 dan 7 bekerja dalam stasiun kerja 3.67%.11 Efisiensi Work Station WS 1 2 3 4 5 Operasi 1. Persen efisiensi stasiun kerja didapatkan dari pembagian waktu operasi dengan waktu siklus dikalikan dengan 100%.24 35. Efisiensi Work Station Efisiensi stasiun kerja adalah waktu efektif kerja pada setiap work station. f.42 Pembagian Work Station Metode Killbrige e.4 5.33% WaktuSiklus 42 Work station 1 memiliki nilai persen efisiensi stasiun kerja sebesar 83.2 3.6.IV-35 5. Setelah mendapatkan nilai efisiensi lintasan maka bisa didapatkan . Efisiensi Lintasan Efisiensi lintasan adalah waktu efektif kerja pada lintasan kerja.71 %effisiensi WS 1 = WaktuOpera si 35 100% = 100% = 83.43 95.33 71. operasi 8 dan 9 bekerja dalam stasiun kerja 4.33%.33 83.

74%.IV-36 persen menganggurnya dengan melakukan pengurangan antara 100 persen dengan persen efisiensi lintasan. 20 1 15 2 10 3 25 4 10 5 10 6 10 7 30 8 10 9 15 10 Gambar 4. Sehingga stasiun ini sudah bisa dikatakan efisien karena hanya menganggur sebanyak 7.26%. % Effisien Lintasan = = Waktu Pr osesPerUni t 100% CT WS 155 100% = 92.43 Predence Diagram Metode RPW. Terdapat waktu pengerjaan per proses.74% Nilai persen efisiensi lintasan sebesar 92. 2. Metode RPW (Ranked Position Weight) Metode RPW (Ranked Position Weight) adalah salah satu metode untuk menyelesaikan masalah line balancing. Predence Diagram Precedence diagram adalah diagram pendahulu yang menunjukkan urutan proses pengerjaan suatu produk yaitu kipas angin. Berikut adalah langkah-langkah perhitungan dengan metode RPW (Ranked Position Weight). Berikut ini merupakan gambar 4.26% 42 x 4 % Idle Lintasan= 7. 1.43 Predence Diagram Metode RPW .

IV-37 2.12 Matrik Metode RPW Operasi Pendahulu 1 2 3 4 5 6 7 8 9 10 1 0 0 0 0 0 0 0 0 0 0 2 1 0 0 0 0 0 0 0 0 0 3 1 1 0 0 0 0 0 0 0 0 Operasi Lanjutan 4 5 6 7 8 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 1 1 1 1 1 1 1 0 0 0 9 1 1 1 1 1 1 1 1 0 0 10 1 1 1 1 1 1 1 1 1 0 Total 120 100 85 110 85 75 65 55 25 15 Pembobotan a. 10+10+10+30+10+15 = 85 d. 30+10+15=55 i. 25+10+10+10+30+10+15=110 e. 10+15=25 j. 15+10+10+10+30+10+15 = 100 c. Matrik Bobot Posisi Matrik bobot posisi terdiri dari operasi pendahulu dan operasi lanjutan. 10+10+10+30+10+15=85 f. Berikut adalah tabel yang telah dibuat. 10+30+10+15=65 h. 10+10+30+10+15=75 g. Tabel 4. 15 . 20+15+10+10+10+30+10+15=120 b.

3 6 7 8 9 Operasi 1 4 2 3 5 6 7 8 9 10 Bobot Posisi 120 110 100 85 85 75 65 55 25 15 Operasi Pendahulu 1 4 2 5.IV-38 3. Berikut adalah tabel before dan after.3 6 7 8 9 4.16 ≈ 6 30 Waktusiklu s . Berikut adalah perhitungan untuk mencari banyaknya stasiun kerja. WS = WaktuOpera si 155 = = 5.13 Before Tabel 4. Waktu Siklus Waktu siklus adalah jarak waktu antara proses pertama ke proses berikutnya dalam pembuatan suatu produk. Nilai ini didapatkan dari waktu terbesar pada proses yang ada. Waktu siklus pada studi kasus ini adalah 30 detik. 5.14 After Operasi 1 2 3 4 5 6 7 8 9 10 Bobot Posisi 120 100 85 110 85 75 65 55 25 15 Operasi Pendahulu 1 2 4 5. Banyaknya Stasiun Kerja Stasiun kerja terdiri dari beberapa proses. Tabel Before dan After Tabel before dan after adalah tabel yang menunjukkan susunan operasi sebelum dilakukan perhitungan dan sesudah dilakukan perhitungan. Tabel 4.

5 3.IV-39 Hasil perhitungan di atas menunjukkan banyaknya stasiun kerja.6.10 Total Waktu dalam Stasiun Kerja 20 25 15+10=25 10+10+10=30 30 10+15=25 Cycle Time 30 30 30 30 30 30 Berikut adalah diagram yang telah dikelompokkan dengan menggunakan metode Killbridge.44 Pembagian Work Station Metode RPW . operasi 4 bekerja dalam stasiun kerja 2. WS 1 1 2 3 WS 4 WS 3 WS 5 4 WS 2 5 6 7 WS 6 8 9 10 Gambar 4.6 dan 7 bekerja dalam stasiun kerja 4. Pengelompokan Masing-Masing Kelompok Kerja Setelah diketahui diagram pendahulu dan waktu siklus maka dilakukan pengelompokan stasiun kerja. Operasi 2 dan 5 bekerja dalam stasiun kerja 3.15 Pengelompokan Kelompok Kerja WS 1 2 3 4 5 6 Operasi 1 4 2. Operasi 1 bekerja dalam stasiun kerja 1. operasi 3. Terdapat 6 work station dengan menggunakan metode Ranked Positional Weight (RPW). Tabel 4. Jumlah work station untuk metode RPW (Ranked Position Weight) adalah 4 stasiun kerja. Operasi 8 bekerja dalam stasiun kerja 5 dan operasi 9 dan 10 bekerja dalam stasiun kerja 6. 6.7 8 9.

% Efisiensi Lintasan = = % Idle = 13.5 3.6. Tabel 4.10 Total Waktu dalam Stasiun Kerja 20 25 25 30 30 25 Cycle Time 30 30 30 30 30 30 %Efisiensi Work Station 66.11%. Setelah mendapatkan nilai efisiensi lintasan maka bisa didapatkan persen menganggurnya dengan melakukan pengurangan antara 100 persen dengan persen efisiensi lintasan.16 Efisiensi Work Station WS 1 2 3 4 5 6 Operasi 1 4 2. Waktu Pr osesPerUni t 100% CT WS 155 100% = 86.89%.89 % Nilai persen efisiensi lintasan sebesar 86.33 83. Persen efisiensi stasiun kerja didapatkan dari pembagian waktu operasi dengan waktu siklus dikalikan dengan 100 persen. Sehingga stasiun ini sudah bisa dikatakan efisien karena hanya menganggur sebanyak 13.67 83. Efisiensi Lintasan Efisiensi lintasan adlah waktu efektif kerja pada lintasan kerja.7 8 9.11 % 30 x6 .33 100 100 83. Efisiensi Work Station Efisiensi stasiun kerja adalah waktu efektif kerja pada setiap work station.IV-40 7.33 8.

primary heuristic yang digunakan Ranked Positional Weight Method dengan tie breaker random (acak). Klik problem type Line Balancing. Klik OK. Masukkan semua data yang ingin diolah. Klik file – New Problem. Gambar 4.IV-41 4. masukkan judul masalahnya dan masukkan banyaknya operasi yaitu 10 dengan hitungan waktu dalam detik.3.46 Task Information Klik Solve and Analyze – Solve The Problem.2 Perhitungan Software Modul Line Balancing Buka WinQSB kemudian klik Facility Location and Layout.45 Problem Specification Maka akan muncul line balancing task information. . Gambar 4. Maka akan muncul Line Balancing Solution dengan metode pemecahan dengan Heuristic Procedure. Klik OK. Maka akan mucul Problem Specification.

tugasnya. .47 Line Balancing Solution Setelah di klik OK maka langsung muncul line balancing solution.Show Line Summary.IV-42 Gambar 4. Maka akan muncul kesimpulan dari line yang di olah. waktu tugasnya. Di sini bisa dilihat banyaknya stasiun kerja.48 Hasil Line Balancing Solution Klik Results . banyaknya operator. nama tugasnya. Gambar 4. waktu yang tidak digunakan dan persen menganggur.

50 Line Balancing in Graph 4.3 Analisis Modul Line Balancing Cool Fan Company ingin menyeimbangkan beban kerja di setiap work station karena masing-masing work station harus seimbang. Kemudian dibuat diagram pendahulu dan dilakukan pengelompokan stasiun kerja yang ternyata terdiri dari 5 stasiun kerja karena kalau menggunakan rumus tidak melihat dari susunan . Perhitungan manual dengan metode Killbridge didapatkan waktu siklus sebesar 42 detik dengan banyaknya stasiun kerja menggunakan rumus yang ada terdiri dari 4 stasiun kerja.3. Maka akan mucul pembagian stasiun kerja dalam lintasan. Gambar 4.IV-43 Gambar 4.49 Line Balancing Summary Klik Results – Show Line Layout in Graph. Oleh karena itu dilakukan perhitungan dengan menggunakan dua buah metode yaitu metode Ranked Positional Weight (RPW) dan Killbridge.

Stasiun 4 dan 5 yang sangat efektif karena tidak menganggur sedikit pun.IV-44 operasi dan waktunya. Waktu siklus didaptkan dari waktu terbesar pada waktu pengerjaan produk yaitu sebesar 30 detik. Stasiun kerja yang paling sedikit waktu menganggurnya adalah stasiun kerja 4. Persen efisiensi stasiun kerja berbeda-beda pada setiap stasiun kerja. Berdasarkan perhitungan software dengan menggunakan metode Ranked Positional Weight (RPW) maka diketahui jumlah stasiun lintasan sebanyak 6 buah stasiun. Waktu yang tidak digunakan sebesar 10 detik kemudian di dapatkan persen menganggur sebesar 33. Setelah itu dicari banyaknya stasiun kerja dan dilakukan pengelompokan masing-masing kelompok kerja yang terdiri dari 6 stasiun kerja. Begitu pula pembacaan untuk operasi-operasi selanjutnya.33%. Persen efisiensi lintasan dengan metode ini adalah 86. Persen efisiensi lintasan sebesar 92.26% yang berarti lintasan ini sangat efisien dan sangat sedikit menganggur. Tabel kesimpulan bisa dilihat waktu siklusnya sebesar 30 detik dengan banyaknya work station 6 buah dan banyaknya operator yang dibutuhkan . Task name adalah nama operasi yang ingin di olah dan task time adalah waktu pengerjaan per operasi. Dibutuhkan satu orang operator pada masingmasing work station. Operasi pertama terletak di stasiun pertama dengan banyaknya operator sebanyak 1 orang dan nama operasi merakit dinamo ke rangka dengan waktu pengerjaan selama 20 detik. Time unassigned adalah waktu yang tidak dipergunakan dan % idleness adalah persen waktu menganggur. Perhitungan manual dengan metode Ranked Positional Weight (RPW) pertama-tama membuat diagram pendahulu kemudian dilanjutkan dengan pembuatan matriks bobot posisi dan setelah itu membuat tabel sebelum dan sesudah.11% berarti lintasa ini cukup memanfaatkan waktu yang ada.

89%.74%. Studi kasus yang pertama adalah tentang riset dan pengembangan produk Coke untuk metode CPM dan sudi kasus yang kedua adalah adalah pembuatan produk mesin pemotong kuku otomatis untuk metode PERT. Line balancing in graph menunjukkan banyaknya pembagian stasiun kerja. banyaknya persen waktu menganggur sebanyak 13. Stasiun empat terdapat tugas ke tiga. banyaknya stasiun kerja sebanyak 6 buah dengan pembagian tugas yang sama dalam masing-masing work station dan persentase menganggur sebanyak 13.IV-45 sebanyak 6 orang. Studi Kasus Modul CPM dan PERT Terdapat 2 macam studi kasus pada modul kali ini. Antara perhitungan manual dan software menggunakan metode Ranked Positional Weight (RPW) didapatkan hasil yang sama yaitu waktu siklus sebesar 30 detik. Karena dihasilkan persen efisiensi lintasan sebesar 92. 4. Banyaknya waktu yang tersedia dalam detik adalah 180 detik dan total waktu pengerjaan selama 155 detik dan waktu menganggur selama 25 detik. Terdapat 6 stasiun kerja. enam dan tujuh. .26% dan persen menganggur sebesar 7. pada stasiun tiga terdapat tugas ke dua dan lima.89%. Sedangkan pada stasiun lima terdapat tugas ke delapan dan pada stasiun ke enam terdapat tugas sembilan dan sepuluh. pada stasiun pertama terdapat tugas yang pertama. pada stasiun kedua terdapat tugas keempat. Berarti terdapat kesamaan perhitungan antara perhitungan manual dan perhitungan software. Jadi.4.

Berikut ini adalah langkah-langkah yang mereka lakukan. Merancang riset coke green tea . Berikut adalah keterangan dari aktivitas yang telah dilakukan. A.17 Data dari Olive Company Aktivitas A B C D E F G H I J K Aktivitas Pendahulu A C B C D E. Menentukan tujuan dan kontribusi E.F.4. F. Menjual ide tersebut bahwa ide tersebut menarik dan perlu di uji D. Mengumpulkan hasl kuesioner Mengumpulkan teori dan hasil riset sebelumnya G.G H I J Waktu (hari) 14 7 4 4 3 5 7 8 5 2 3 Olive Company ingin mengetahui network dan lintasan kritis dengan menggunakan metode CPM. Mengidentifikasi keinginan konsumen C.IV-46 4.1. Mengidentifikasi pembuatan coke green tea B. Tabel 4. Kali ini mereka ingin membuat Green Tea Flavoured Coke karena berdasarkan penelitian yang sebelumnya telah dilakukan diketahui bahwa teh hijau bisa mencegah dari beberapa jenis kanker. Studi Kasus CPM Olive Company telah mengadakan riset dan pengembangan terhadap produk mereka yaitu Coke.

kritis Waktu (hari) Normal (Tn) Dipercepat (Tc) 14 12 7 5 4 3 4 3 3 2 5 4 7 5 8 6 5 4 2 1 3 2 Biaya ($) Normal (Cn) Dipercepat (Cc) 240 215 Slope Biaya (Rp) 110 50 45 70 80 250 300 70 30 50 130 60 60 90 100 280 340 80 40 70 12. kritis J. kritis D.18 All Data CPM Aktivitas A.7 3 7 26 E.4 4 18 18 F. Mengusulkan perbaikan 4. Menunjukkan keterbatasan K.3 6 29 29 H. Tabel 4.IV-47 H.1 Perhitungan Manual CPM Penyelesaian menggunakan cara manual untuk studi kasus diatas dengan menggunakan metode Critical Path Method.2 9 44 44 K. Menganalisis dan menguji hipotesis yang telah dibuat I.8 7 37 37 I.3 10 47 47 Gambar 4.4 5 22 22 G. kritis K. kritis B C.5 8 42 42 J.5 10 10 15 20 20 15 20 10 10 20 .14 2 14 14 C.51 Network CPM Normal Time Manual Menentukan lintasan kritis adalah dengan memilih perhitungan waktu maju dan mundur yang sama.5 D. kritis I. kritis H. kritis E F G. yaitu A – C – D – G – H – I – J – K. Membuat ringkasan. didapatkan network sebagai berikut dimana waktu yang digunakan adalah waktu normal: 1 0 0 B.7 A.1.4. mendiskusikan hasil pengujiannya dan menyimpulkan hasilnya J.

B dipercepat 2 hari Keg. Masukkan judul masalahnya.2 Perhitungan Software CPM Pertama-tama buka software WinQSB PERT-CPM. H dipercepat 2 hari Keg. Yang dipercepat Tanpa percepatan Keg.2 10 36 36 Gambar 4. K dipercepat 1 hari Keg. Setelah itu.3 4 15 15 F. F dipercepat 1 hari 47 45 44 43 41 39 38 37 36 34 33 32 1270 1295 1305 1320 1350 1390 1400 1410 1430 1450 1470 1490 1 0 0 B.2 6 23 23 H.12 2 12 12 C. waktu normal dan dipercepat. E dipercepat 1 hari Keg. data entry format dalam spreadsheet dan data yang di .19 Analisis Biaya Percepatan Keg. D dipercepat 1 hari Keg.1. C dipercepat 1 hari Keg.6 7 29 29 I. Klik file – new problem.1 9 34 34 K.5 3 5 21 E.4 D.4. Tipe masalahnya dalam Deterministic CPM. I dipercepat 1 hari Keg. dibuat tabel kegiatan percepatan untuk mengetahui waktu pengerjaan proyek dan jumlah biaya yang disarankan. A dipercepat 2 hari Keg.5 A. banyaknya aktivitas yang dilakukan yaitu 11 aktivitas dan waktunya dalam hitungan hari.IV-48 Berdasarkan tabel analisa biaya percepatan maka bisa diketahui aktivitas yang merupakan jalur kritis. J dipercepat 1 hari Keg. Tabel 4.4 8 33 33 J. G dipercepat 2 hari Keg.52 Network CPM Crash Time Manual 4.3 5 18 18 G. biaya normal dan biaya dipercepat serta slope biaya.

Lalu ketik nama yang diinginkan.54 All Data CPM Klik solve and analyze – solve critical path using normal time. biaya normal dan biaya percepatan. Gambar 4. waktu normal.IV-49 masukkan adalah waktu normal. waktu percepatan. Klik OK. Maka akan muncul data yang telah di olah. waktu percepatan. Jika nama aktivitasnya ingin di ganti sesuai dengan studi kasus klik saja kolom activity name. . biaya normal dan biaya percepatan. Gambar 4.53 Problem Specification CPM Masukkan aktivitas pendahulu.

.57 Critical Path CPM Klik Results – Perform crashing analysis. Klik OK.56 Graphic Activity Analysis Normal CPM Klik Results – Show critical path.55 Activity Critically Analysis Normal CPM Klik Results . Maka ditunjukkan jalur kritis berikut waktu penyelesaiannya.IV-50 Gambar 4. Masukkan desired completion time sesuai dengan kolom project completion time yang menunjukkan 36 hari waktu penyelesaian proyek. Maka diperlihatkan semua aktivitas dan jalur kritisnya. Gambar 4. Gambar 4.Graphic Activity Analysis.

Gambar 4.solve critical path using crash time.58 Crashing Analysis Input CPM Maka akan muncul tabel crashing analysis.IV-51 Gambar 4. biaya normal dan biaya yang disarankan.60 Activity Critically Analysis Crash Time CPM . biaya yang ditambahkan. Maka akan muncul tabel Activity Critically Analysis dengan waktu percepatan.59 Crashing Analysis CPM Setelah itu klik solve and analyze . Diketahui waktu yang disarankan. Gambar 4.

Maka ditunjukkan jalur kritis berikut waktu penyelesaiannya. dan Latest Finish (LF).3 Analisis CPM Olive Company mengadakan riset terhadap produk mereka yaitu coke.IV-52 Klik Results – Graphic Activity Analysis. Gambar 4.61 Graphic Activity Analysis Crash Time CPM Klik Results – Show critical path.4. Earliest Finish (EF). Gambar 4.62 Critical Path Crash Time CPM 4. Latest Start (LS). Oleh karena itu. Perusahaan ini ingin mengetahui lintasan yang paling optimal untuk riset tersebut dari awal hingga akhir. Berdasarkan perhitungan software yang telah dilakukan dengan menggunakan program winQSB maka diketahui Earliest Start (ES). Maka diperlihatkan semua aktivitas dan jalur kritisnya. dilakukan perhitungan dengan menggunakan Critical Path Method (CPM) untuk mengetahui network dan lintasan kritisnya. Waktu penyelesaian selama 47 hari dengan baya . Nilai slack didapatkan dari pengurangan LS dengan ES.1.

Biaya normal sebesar $1270 dengan waktu penyelesaian selama 47 hari. . Table crashing analysis menunjukkan lintasan kritis yang sama dengan menunjukkan waktu normal. biaya normal dan biaya yang disarankan. biaya penambahan. Berdasarkan perhitungan manual dan software maka didapatkan lintasan kritis yang sama yaitu A-C-D-G-H-I-J-K karena lintasan ini merupakan lintasan yang terbaik untuk riset yang dilakukan dari operasi awal hingga akhir.IV-53 proyek sebesar $1270.2 Studi Kasus PERT Putra’s Company ingin membuat suatu produk yang sekarang ini masih belum beredar di Indonesia. Terdapat perbedaan biaya karena untuk mempercepat waktu pengerjaan suatu proyek harus diadakan penambahan pekerja yang membutuhkan tambahan biaya.4. biaya pada lintasan kritis sebesar $1010 dengan banyaknya lintasan kritis sebanyak 1 buah. Biaya percepatan proyek percepatan sebesar $1430 dengan waktu penyelesaian selama 36 hari. Berikut ini adalah aktivitas dalam pembuatan produk pemotong kuku otomatis. Produk yang ingin dibuat adalah mesin pemotong kuku. ini dihasilkan dari waktu normal. Mesin pemotong kuku otomatis ini dapat menjaga kebersihan kuku dan mempermudah masyarakat untuk memotong kuku. waktu percepatan. 4. waktu yang disarankan.

Merencanakan pembuatan mesin pemotong kuku B.H I J K Waktu (minggu) 10 10 8 4 2 4 1 2 2 2 1 2 Putra’s Company ingin mengetahui network dan lintasan kritis dengan menggunakan metode PERT. Pasang mesin pada rangka dan stel I. Finishing bagian rangka H.20 Data dari Putra’s Company Aktivitas A B C D E F G H I J K L Aktivitas Pendahulu A C B E F D G. Mengusulkan perbaikan . Menunjukkan keterbatasan L. Memesan material untuk rangka Membuat rangka mesin G. Menyesuaikan mesin E. F. Merencanakan pembuatan rangka C. Menguji coba Mendiskusikan hasil pengujian dan menyimpulkan K. A. Berikut adalah keterangan dari aktivitas yang telah dilakukan. Membuat mesin D. J.IV-54 Tabel 4.

3333 0.33333 10.1667 0.33333 8.25 0.833333 4.5 2.2.111111 0.333333 Standar Deviasi (Sd) 1.5 0. pertama kali yang harus dilakukan adalah menentukan Te dan V karena network didapatkan bukan menggunakan waktu normal seperti pada CPM.444444 0. Sd dan V yang didapatkan untuk masing-masing aktivitas: Tabel 4.666667 1.166667 3.3333 1 1.25 0.IV-55 4.361111 0.5 2.777778 1 1.6667 1.4.027778 0.666667 2.3333 0.1 Perhitungan Manual PERT Penyelesaian menggunakan metode Program Evaluation and Review Techniques (PERT).H I J K Waktu Optimistik ( to ) 7 8 5 2 1 4 1 2 1 1 1 1 Waktu Realistik ( tm ) 10 10 8 4 2 4 1 2 2 2 1 2 Waktu Pesimistik (tp) 15 14 12 5 2 6 5 4 6 7 4 5 Waktu yang diharapkan (te) 10. Berikut ini adalah nilai Te.333333 1.694444 1 0.333333 2.833333 1.8333 1 0.444444 V Aktivitas A B C D E F G H I J K L Setelah nilai Te ditentukan maka network dibuat berdasarkan nilai tersebut dan berikut ini adalah bentuk network PERT: . melainkan menggunakan Te.111111 0.21 Data PERT Aktivitas Pendahulu A C B E F D G.6667 0.5 0.1667 0.

83 E.8329.2.33 22.10.84 6 12.17 J.67 I.33 B.2.83 K. Klik file – new problem.33 2 C.2.1718.34 12 33.6733.33 F.33 L.5 18.5 D.5 3 10.5 11 31.67 Gambar 4.17 27.33 7 16. 4.8.2 Perhitungan Software PERT Pertama-tama buka software WinQSB PERT-CPM. yaitu A – C – D – H – I – J – K – L. Klik OK.3331.5 23 G. Tipe masalahnya dalam Probabalitas PERT.1.1.4.17 4 18.3316. Gambar 4.4.2. Masukkan judul masalahnya.83 5 22.67 F.62 Network PERT Kemudian untuk menentukan lintasan kritis adalah dengan memilih perhitungan waktu maju dan mundur yang sama dan yang terpanjang.5 9 27.3.1.33 10.3310.67 8 24.66 10 29. banyaknya aktivitas yang dilakukan yaitu 12 aktivitas dan waktunya dalam hitungan minggu.63 Problem Specification PERT .67 24.IV-56 1 0 0 A:10.

Pada aktivitas pendahulu jangan menggunakan titik tapi gunakanlah koma. aktivitas pendahulu.65 Activity Critically Analysis PERT Klik results . Gambar 4. Maka akan muncul data yang telah di olah. Gambar 4.64 All PERT data Klik solve and analyze – solve critical path. waktu optimis.graphic activity analysis. Gambar 4. waktu realistik dan waktu pesimis.IV-57 Masukkan nama aktivitas. Maka diperlihatkan semua aktivitas dan jalur kritisnya.66 Graphic Activity Analysis PERT .

Oleh karena itu. Waktu penyelesaian proyek mesin pemotong kuku otomatis dengan menggunakan perhitungan manual dan software menunjukkan angka yang sama yaitu 33.15 minggu.67 minggu dengan lintasan kritis sebanyak 1 buah. Berdasarkan hasil perhitungan manual dan software maka didapatkan lintasan kritis yang sama yaitu A-C-D-H-I-J-K-L.67 Critical Path PERT 4. Didapatkan nilai standar deviasi atau besarnya penyimpangan yang terjadi pada masing-masing aktivitas adalah sama.43.67 minggu boleh terdapat penyimpangan menjadi 115. . Berdasarkan perhitungan software maka diketahui jumlah standar deviasi atau jumlah penyimpangan keseluruhan sebesar 2.3 Analisis PERT Putra’s Company ingin membuat mesin pemotong kuku otomatis yang masih belum beredar di Indonesia.2.IV-58 Gambar 4. Baik menggunakan perhitungan software maupun manual digunakan waktu yang diharapkan karena dibandingkan dengan waktu optimistik. selama 33. dilakukan perhitungan dengan metode PERT untuk mengetahui lintasan kritis dan network dari langkah-langkah pengerjaan yang ada. waktu realistik dan waktu pesimistik hanya waktu yang diharapkan yang bisa dipercaya walaupun bukan waktu yang pasti. Jadi.48 minggu ataupun menjadi 48.4.

20 5.30 5.IV-59 4.30 5.20 5.20 5.20 5.10 .10 5.50 5.20 5.20 5.40 5.30 5.10 5.30 5.40 5. Studi Kasus Modul Quality Control PT.40 5.20 5.20 5.50 5.50 5.20 5.20 5.30 5.40 5.30 5. Makin Jaya bergerak dalam bidang produksi mesin ketik ingin melakukan pengendalian kualitas terhadap berat mesin ketik yang dihasilkan.10 5.30 5.30 5.20 5.20 5.30 5.50 5.10 5.20 5.50 Mengukur Berat Mesin Ketik (kg) X2 X3 X4 5.20 5.40 5.50 5.20 5.20 5.40 5. Industri tersebut menetapkan batas berat mesin ketik untuk kualitas yang baik adalah dari 5 kg + 0.20 5.50 kg dengan menggunakan batas kendali 3 sigma.40 5.30 5.20 5.22 Data Berat Mesin Ketik dari PT.30 5.50 5.30 5.50 5.30 5.20 5.40 5.20 5. Makin Jaya Observasi Hari 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 X1 5.50 5.50 5.30 5.40 5.5.20 5.50 5.40 5.30 5.20 5.10 5.10 5.20 5.40 5. Tabel 4.30 5.50 5.50 5.30 5.50 5.20 5.50 5.20 5.20 5. Hitunglah data batas kendali atas dan batas kendali bawah dari produksi mesin ketik tersebut dengan menggunakan peta X dan peta R untuk melakukan perbaikan kualitas.40 5.20 5.50 5.30 5.30 5.10 5.30 5.20 5.20 5.50 5.30 5.30 5.30 5.40 5.40 5.50 5.50 5.50 5.40 5.50 5.30 5.30 5.50 5.20 5.20 5.20 5.30 5.40 5.40 5.50 X5 5.20 5.40 5.40 5.30 5.20 5.40 5.10 5.40 5.20 5.

40 5.30 5.50 5.20 5.20 5.40 5.20 5.40 5.30 0.30 0.40 5.10 5.10 5.1 X1 5.40 .34 5.10 5.20 5.50 X 5.5.30 5.30 5.50 5.20 5.50 5.40 5.30 0.30 5.20 5.20 5.40 5.10 5.10 5.28 5.20 5.20 5.20 5.40 5.20 5.34 5.20 5.30 5.30 5.20 0.20 5.23 Perhitungan Manual Quality Control Observasi Hari 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Mengukur Berat Mesin Ketik (kg) X1 X2 X3 X4 X5 5.22 Data Berat Mesin Ketik dari PT.30 0.36 R 0.50 5.30 5.40 Mengukur Berat Mesin Ketik (kg) X2 X3 X4 5.40 5.20 5.30 Perhitungan Manual Modul Quality Control Berikut ini adalah perhitungan manual untuk studi kasus di atas.30 5.10 5.40 5.36 5.20 5.20 5.50 5.40 5.40 5.30 5.50 5.32 5.50 5.28 5.26 5.40 5.20 5.20 5.20 5.30 0.30 0.20 5.40 5.20 5.30 5. Tabel 4.20 5.50 5.30 5.20 5.30 5.50 5.50 5.30 5.28 5.20 5.50 5.50 5.20 5. Makin Jaya (Lanjutan) Observasi Hari 24 25 26 27 28 29 30 4.20 5.50 5.36 5.10 5.40 5.50 5.40 5.28 5.22 5.50 5.40 0.20 5.40 5.32 5.20 5.30 5.22 5.30 5.50 5.20 5.20 5.20 5.34 5.30 5.20 5.20 5.20 5.30 0.20 0.20 5.40 5.30 5.10 5.30 5.40 5.30 5.40 5.50 5.10 5.20 5.30 5.20 5.50 5.50 5.30 5.10 5.40 5.32 5.20 5.30 5. Tabel perhitungan tersebut dirangkum dalam tabel 4.IV-60 Tabel 4.30 0.30 5.30 0.40 X5 5.30 0.40 5.30 5.10 5.30 5.50 5.50 5.10 5.40 5.20 0.23 Perhitungan Manual Quality Control berikut ini.40 0.40 5.30 0.50 5.50 5.20 5.20 0.30 5.

40 5.36 5. 0.40 5.40 0.40 5.50 5.40 0.30 0.30 5.3067 = 0.40 5.3093 + 0.10 5.50 5.38 5.20 0.∑R = 5.IV-61 Tabel 4.40 0.34 5.30 5.30 5.3093 – 0.30 5.30 5.3067 = 5.114 .40 5.20 5.34 5.50 5.10 5.28 5.50 5.26 5.20 5. ∑R = 2.6484 BKBR = D3 .20 5.30 5.3093 + 0.23 Perhitungan Manual Quality Control (Lanjutan) Observasi Hari 19 20 21 22 23 24 25 26 27 28 29 30 Jumlah ∑X = 5.30 5.1769 = 5.50 5. ∑R = 5.10 5.20 5. 0.20 5.3067 = 5.28 5.28 5.40 0.40 5.1324 BKAR = D4 .28 R 0.26 5.30 5.50 5.40 5. ∑R = 0 .20 5.20 5.30 5.1769 = 5.32 5.30 5.20 5.3093 ∑R = 0.40 5.50 5.20 5.50 5.50 5. 0.50 5.20 5.40 5.577 .4862 BKBX = ∑X – A2 .30 0.40 5.30 5.3067 Mengukur Berat Mesin Ketik (kg) X1 X2 X3 X4 X5 5.20 BKAX = ∑X + A2 .30 9.3067 =0 .20 5.30 0.10 5.40 5.40 0.20 5.40 5.20 5.20 5.10 5.40 5.20 5.20 5.30 X 5.30 5.30 0.3093 – 0.20 0.577 .30 159. 0.30 5.10 5.50 5.10 5.

1324 dan garis tengah sebesar 5. Berdasarkan grafik dapat dilihat bahwa semua data yang dimasukkan terdapat di antara BKA dan BKB sehingga kualitas pada PT.69 Grafik Peta R .4862.3093. batas kontrol bawah sebesar 0 dan garis tengah sebesar 0.68 Grafik Peta X Grafik peta R menunjukkan batas kontrol atas sebesar 0.3067. BKA CL BKB Gambar 4. Makin Jaya sudah baik. Berdasarkan grafik peta R dapat dilihat bahwa semua data yang dimasukkan terdapat di antara BKA dan BKB dan cukup banyak yang berada di garis tengah.IV-62 Grafik peta X menunjukkan batas kontrol atas yaitu sebesar 5. batas kontrol bawah sebesar 5.6484. Sehingga kualitas pada PT. BKA CL BKB Gambar 4. Makin Jaya sudah baik.

Masukan judul masalah yaitu berat mesin ketik dengan 1 jenis karakteristik. Klik OK. banyaknya karakteristik 30 dan banyaknya observasi 5. pada karakteristik kualitas pilih data variabel dan pada data entry format pilih subgroup horizontally.70 Problem Specification QCC Kemudian muncul tampilan seperti gambar data input.IV-63 4. Gambar 4.5.2 Perhitungan Software Modul Quality Control Buka program WinQSB kemudian pilih QCC atau Quality Control setelah terbuka akan muncul tampilan problem specification. Gambar 4. Masukkan data observasi yang ingin diproses.71 Software Data Berat Mesin Ketik .

Gambar 4. varians. . Gambar 4.IV-64 Kemudian klik Gallery lalu pilih X-bar (Mean) Chart dan akan muncul gambar seperti dibawah ini. standar deviasi. Maka akan muncul dapat diketahui nilai rata-rata. nilai maksimum dan minimum. Terdapat nilai rata-rata dan standar deviasi berikut BKA dan BKB.73 Software Peta R Klik Analysis dan pilih Sample Summary.72 Software Peta X Kemudian kembali dengan memilih gambar pintu. Lalu klik lagi Gallery dan pilih R (Range) Chart maka akan muncul gambar seperti dibawah ini. nilai tengah dari range. nilai tengah. jarak.

IV-65 Gambar 4. Dilakukan perhitungan dengan menggunakan peta X dan peta R karena data yang di proses adalah data variabel. Berdasarkan perhitungan software terdapat dua grafik yaitu grafik peta X dan peta R. Makin Jaya ingin melakukan perbaikan kualitas terhadap mesin ketik yang mereka produksi.3093. Grafik peta R menunjukkan nilai BKA sebesar 0. S dan R. nilai rata-rata sebesar 5.3 Analisis Modul Quality Control PT. Dapat dilihat bahwa semua data baik menggunakan peta X maupun . Nilai rata-rata sebesar 0.6484 dan BKB sebesar 0.1324.3067 dan nilai standar deviasi sebesar 0.5.0590.74 Perhitungan Software 4.1139. nilai tengah sebesar 5. New tools terdapat 4 macam peta yaitu peta X. Peta X diketahui BKA sebesar 5. Terdapat 2 macam tool pada quality control yang digunakan yaitu seven old tools dan new tools.4862 dan BKB sebesar 5. C.3093 dan standar deviasi sebesar 0.

5 dan nilai minimum sebesar 5. Makin Jaya sudah baik.3067.3093 dan jumlah rata-rata R sebesar 0.IV-66 peta R masuk ke dalam BKA dan BKB berarti kualitas mesin tik yang dihasilkan oleh PT. Tabel kesimpulan menunjukkan banyaknya sample yaitu 5 buah dengan nilai rata-rata sebesar 5.3167.4862. Berdasarkan perhitungan manual dan software diperoleh jumlah ratarata X sebesar 5.1324 dan batas kendali atas untuk peta R sebesar 0.0180. . untuk batas kendali atas pada peta X sebesar 5. itu berarti kualitas pada PT.29 dan nilai tengah dari range sebesar 5. nilai standar deviasi sebesar 0.6484 dan batas kendali bawah peta R sebesar 0.1310. nilai tengah sebesar 5. Nilai varians adalah 0. nilai maksimum sebesar 5. Dapat dilihat pada grafik peta X dan peta R bahwa semua titik tidak melewati batas yang ada baik batas atas maupun batas bawah.3067. batas kendali bawah peta X sebesar 5. Makin Jaya baik.3093.1. jarak antara minimum dan maksimum adalah 0.