Aplikasi Linear Programming (LP) dalam Konsep the Theory of Constraints (TOC) (Vincent Gaspersz)

APLIKASI LINEAR PROGRAMMING (LP) DALAM KONSEP THE THEORY OF CONSTRAINTS (TOC)
Vincent Gaspersz
Abstract The theory of constraints (TOC), initiated by Dr. Eliyahu Goldratt, is a management philosophy based on the principle of achieving continuous improvement by focusing on the system constraint. A system constraint will limit the performance of system, thus all efforts should be focused at maximizing the performance of the constraint. Linear programming can be used as a technique in the TOC process of continuous improvement.

1. Konsep Dasar TOC The theory of constraints (TOC) yang diperkenalkan oleh Dr. Eliyahu Goldratt, merupakan suatu filosofi manajemen yang berdasarkan prinsip-prinsip pencapaian peningkatan terus-menerus (continuous improvement) melalui memfokuskan perhatian pada kendala sistem (system constraint). Suatu kendala sistem membatasi performansi dari sistem itu, sehingga semua upaya seyogianya ditujukan untuk memaksimumkan performansi dari kendala ini. Setiap sistem produksi membutuhkan beberapa titik kendali (control points) atau titiktitik kunci (key points) untuk mengendalikan aliran dari produk yang melewati sistem itu. Jika sistem produksi itu mengandung kendala (constraint), maka pada kendala itu merupakan tempat terbaik untuk dikendalikan. Titik kendali ( control point) ini disebut sebagai drum. Suatu kendala didefinisikan sebagai suatu sumber daya yang tidak memiliki kapasitas untuk memenuhi permintaan, oleh karena itu salah satu alasan untuk menggunakan kendala sebagai titik kendali (control point) adalah untuk meyakinkan agar operasi sebelumnya tidak memproduksi lebih atau menghasilkan inventori WIP (work-in-process inventory ) yang tidak tertangani. Jika tidak terdapat kendala, maka tempat terbaik berikut untuk menetapkan drum adalah CCR (capacity-constrained resource). Suatu CCR didefinisikan sebagai operasi yang mendekati kapasitas tetapi, pada tingkat rata-rata, memiliki kapabilitas yang cukup memadai sepanjang itu tidak dijadualkan secara salah (misalnya: dengan terlalu banyak setups , produksi dengan ukuran lot terlalu besar, dll, sehingga menyulitkan operasi sesudahnya). Jika kendala maupun CCR tidak ada dalam sistem, maka titik kendali dapat ditempatkan di mana saja dalam sistem itu. Terdapat dua hal yang harus dilakukan terhadap kendala, yaitu: (1) menjaga atau menyiapkan suatu buffer inventory di depan tempat kendala itu, dan (2) mengkomunikasikan kepada operasi paling awal untuk membatasi produksi sesuai jumlah kemampuan dari kendala itu. Proses komunikasi ini disebut sebagai rope . Dengan demikian dalam konsep TOC dikenal istilah drum-buffer-rope , yang merupakan teknik umum yang digunakan untuk mengelola sumber-sumber daya guna memaksimumkan performansi dari sistem. Drum adalah tingkat produksi yang ditetapkan oleh kendala sistem, buffer menetapkan proteksi terhadap ketidakpastian sehingga sistem dapat memaksimumkan performansi, dan rope adalah suatu proses komunikasi dari kendala ke operasi awal (gating operation ) untuk memeriksa atau membatasi material yang diberikan ke dalam sistem. Konsep drum-buffer-rope ini dapat dijelaskan secara lebih mudah melalui Gambar 1.
153

Jurnal Teknologi Industri Vol. V No. 3 Juli 2001 : 153 - 162

Bottleneck (drum)

Pasar

Inventory (buffer) Communication (rope) Keterangan: produk x mengalir dari pusat kerja A sampai E. Pusat kerja C merupakan kendala, karena memiliki kapasitas paling rendah.

Gambar 1. Aliran Linear dari Produk X dengan Sebuah Kendala (Bottleneck ) Dari Gambar 1 dapat dijelaskan sebagai berikut: a. Terdapat sebuah kendala pada pusat kerja C dalam sistem yang membatasi performansi dari sistem itu. Oleh karena itu harus ditetapkan titik kendali ( control point) pada C dan titik kendali ini disebut drum. b. Menyediakan suatu buffer di depan pusat kerja C sebagai inventori pengaman. Karena pusat kerja C merupakan kendala (bottleneck ), maka output dari C akan menentukan performansi sistem. c. Mengkomunikasikan ke pusat kerja A tentang kendala yang ada pada C, sehingga A hanya memberikan input sesuai dengan kemampuan C. Proses komunikasi ini disebut rope, yang dapat berbentuk formal seperti jadual atau informal seperti diskusi harian. Guna kepentingan peningkatan terus-menerus (continuous improvement), TOC pada umumnya menggunakan lima langkah berikut (Melnyk and Denzler, 1996): a. Mengidentifikasi kendala atau keterbatasan sistem. Hal ini analogi dengan mengidentifikasi titik terlemah dalam rantai operasi, di mana titik itu membatasi kemampuan sistem. b. Memutuskan bagaimana cara mengungkapkan kendala sistem itu, melalui memaksimumkan performansi sistem berdasarkan kendala yang telah diidentifikasi dalam langkah 1. c. Menangguhkan hal-hal lain yang bukan kendala dari pertimbangan pembuatan keputusan. Alasannya, segala sesuatu yang hilang pada kendala sistem akan menghilangkan keuntungan, sedangkan kehilangan pada sumber daya yang bukan kendala tidak memberikan pengaruh karena sumber-sumber daya itu masih cukup tersedia. d. Memprioritaskan solusi masalah pada kendala sistem, dalam hal apabila performansi sistem tidak memuaskan. e. Kembali ke langkah 1 untuk peningkatan terus-menerus, jika langkah-langkah sebelumnya memunculkan kendala-kendala baru dalam sistem itu.

154

Aplikasi Linear Programming (LP) dalam Konsep the Theory of Constraints (TOC) (Vincent Gaspersz)

2. Konsep Linear Programming Linear Programming (LP) merupakan teknik riset operasional (operation research technique ) yang telah dipergunakan secara luas dalam berbagai jenis masalah manajemen. Banyak keputusan manajemen produksi dan inventori mencoba membuat agar penggunaan sumber-sumber daya manufakturing menjadi lebih efektif dan efisien. Sumber-sumber daya manufakturing seperti: mesin, tenaga kerja, modal, waktu, dan bahan baku digunakan dalam kombinasi tertentu yang paling optimum untuk menghasilkan produk (barang dan/atau jasa). Dengan demikian linear programming dipergunakan untuk membantu manajer-manajer PPIC guna merencanakan dan membuat keputusan tentang pengalokasian sumber-sumber daya yang optimum. Beberapa contoh penggunaan linear programming dalam bidang produksi dan inventori yang telah menunjukkan hasil memuaskan adalah: a. Menentukan kombinasi (diversifikasi) produk yang terbaik dalam menggunakan kapasitas mesin, tenaga kerja, dan modal yang tersedia agar memaksimumkan keuntungan perusahaan (masalah maksimisasi keuntungan). b. Menentukan pencampuran bahan baku dalam pabrik farmasi atau pengolahan makanan untuk menghasilkan produk obat atau makanan yang meminimumkan biaya produksi (masalah minimisasi biaya produksi). c. Menentukan sistem distribusi yang akan meminimumkan ongkos total transportasi dari beberapa gudang ke beberapa lokasi pasar (masalah minimisasi biaya transportasi). d. Mengembangkan jadual produksi yang akan memenuhi permintaan produk mendatang pada tingkat biaya produksi dan inventori yang minimum (minimisasi biaya produksi dan inventori). Semua masalah linear programming pada dasarnya memiliki lima karakteristik utama berikut (Anderson, et. al., 1997): a. Masalah linear programming berkaitan dengan upaya memaksimumkan (pada umumnya keuntungan) atau meminimumkan (pada umumnya biaya). Upaya optimasi (maksimum atau minimum) ini disebut sebagai fungsi tujuan (objective function) dari linear programming. Fungsi tujuan ini terdiri dari variabel-variabel keputusan (decision variables). b. Terdapat kendala-kendala atau keterbatasan, yang membatasi pencapaian tujuan yang dirumuskan dalam linear programming. Kendala-kendala ini dirumuskan dalam fungsi-fungsi kendala (constraints functions ), terdiri dari variabel-variabel keputusan yang menggunakan sumber-sumber daya yang terbatas itu. Dengan demikian yang akan diselesaikan dalam linear programming adalah mencapai fungsi tujuan (maksimum keuntungan atau minimum biaya) dengan memperhatikan fungsi-fungsi kendala (keterbatasan atau kendala) sumber-sumber daya yang ada. c. Memiliki sifat linearitas. Sifat linearitas ini berlaku untuk semua fungsi tujuan dan fungsi-fungsi kendala. Sebagai misal, apabila satu unit produk A dapat menghasilkan keuntungan, katakanlah, $30, maka apabila kita memproduksi dua unit produk A akan memberikan keuntungan $60 (2 x $30), produksi tiga unit produk A akan memberikan keuntungan $90 (3 x $30), dan seterusnya. Demikian pula untuk penggunaan sumbersumber daya. Misalkan untuk sumber daya tenaga kerja, katakanlah untuk memproduksi satu unit produk A membutuhkan 2 jam kerja, maka untuk menghasilkan dua unit produk A akan membutuhkan 4 jam kerja (2 unit produk x 2 jam kerja per unit produk), dan seterusnya. d. Memiliki sifat homogenitas. Sifat homogenitas ini berkaitan dengan kehomogenan sumber-sumber daya yang digunakan dalam proses produksi, misalnya semua produk A dihasilkan oleh mesin-mesin yang identik, tenaga kerja yang berketerampilan sama, dan lain-lain.

155

Jurnal Teknologi Industri Vol. V No. 3 Juli 2001 : 153 - 162

e. Memiliki sifat divisibility . Sifat divisibility diperlukan, karena linear programming mengasumsikan bahwa nilai dari variabel-variabel keputusan maupun penggunaan sumber-sumber daya dapat dibagi ke dalam pecahan-pecahan. Jika pembagian ini tidak mungkin dilakukan terhadap variabel keputusan, misalnya dalam industri mobil, furniture, dan lain-lain, karena nilai kuantitas produksi diukur dalam bilangan bulat, maka modifikasi terhadap linear programming harus dilakukan. Bentuk modifikasi dari linear programming ini disebut sebagai integer programming. Secara matematik, model umum dari linear programming yang terdiri dari sekumpulan variabel keputusan X1 , X2 , , Xn , dapat dirumuskan sebagai berikut: Maksimum (atau Minimum) Z = C1 X1 + C2 X2 + + Cn Xn dengan kendala: A11 X1 + A12 X2 + .. + A1n Xn B1 A21 X1 + A22 X2 + .. + A2n Xn B2 . . Am1 X1 + Am2 X2 + .. + Amn Xn Bm di mana Cn , Amn , dan Bm adalah konstanta. Catatan : tergantung pada permasalahan, fungsi-fungsi kendala dapat bertanda sama dengan ( = ), lebih kecil atau sama dengan ( ), lebih besar atau sama dengan ( ), atau kombinasi di antaranya (sebagian fungsi kendala bertanda dan sebagian lainnya bertanda ). Solusi terhadap model linear programming di atas dapat menggunakan paket software komputer, misalnya Microsoft Excel dengan program yang disebut SOLVER. 3. Aplikasi Linear Programming 3.1. Aplikasi Linear Programming dalam Diversifikasi Produk Supersport Footballs, Inc. harus menentukan kombinasi terbaik dari produk bola modelmodel All-Pro (x1 ), College (x2 ), and High School (x3 ) agar memaksimumkan keuntungan. Kendala-kendala yang dihadapi adalah keterbatasan kapasitas (waktu tersedia dalam menit) dari tiga departemen: (1) pemotongan dan pencelupan (cutting and dyeing ), (2) penjahitan (sewing), dan (3) inspeksi dan pengepakan (inspection and packaging), juga pembatasan bahwa produksi model All-Pro (x1 ) harus minimum 1000 unit sesuai dengan pesanan yang telah diterima. Setiap unit produk bola model All-Pro (x1 ), College (x2 ), and High School (x3) yang diproduksi, berturut-turut memberikan keuntungan sebesar $3, $5, dan $4. Kebutuhan sumber daya untuk produksi bola dan kapasitas yang tersedia dari ketiga departemen ditunjukkan dalam Tabel 1. Tabel 1. Kebutuhan Sumber Daya Per Unit Produk Bola dan Kapasitas (waktu dalam menit) dari Tiga Departemen (Pusat Kerja)
Sumber Daya (Pusat Kerja) Potong dan Celup Penjahitan Inspeksi & Pengepakan All-Pro (x1 ) 12 15 3 College (x2 ) 10 15 4 High School (x3 ) 8 12 2 Kapasitas Tersedia (Menit) 18000 18000 9000

156

Aplikasi Linear Programming (LP) dalam Konsep the Theory of Constraints (TOC) (Vincent Gaspersz)

Masalah linear programming dari perusahaan Supersport dapat dirumuskan sebagai berikut: Maksimum Keuntungan Z = 3x1 + 5x2 + 4x3 dengan kendala: 12x1 + 10x2 + 8x3 15x1 + 15x2 + 12x3 3x1 + 4x2 + 2x3 1x1 x1 , x2 , x3 18.000 (waktu potong dan celup) 18.000 (waktu jahit) 9.000 (waktu inspeksi & pengepakan) 1.000 (kuantitas pesanan yang diterima) 0

Solusi terhadap masalah linear programming di atas dapat menggunakan program Solver dalam Microsoft Excel, mengikuti langkah-langkah berikut: Langkah 1. Masukkan informasi berikut ke dalam spreadsheet Microsoft Excel:
A 1 2 3 4 5 6 7 8 Nilai Keputusan Keuntungan: Kendala: Potong dan Celup Jahit Inspeksi dan Pengepakan Kuantitas model All-Pro (X1) B X1 1 3 X1 12 15 3 1 C X2 1 4 X2 10 15 4 0 D X2 1 5 X2 8 12 2 0 E F G

12*) Kebutuhan 30*) 42*) 9*) 1*)

Notasi <= <= <= >=

Kapasitas 18000 18000 9000 1000

Catatan: a. Nilai keputusan awal untuk X1 , X2 , dan X3 ditentukan secara sembarang, dalam contoh ini dipilih: X1 = 1, X2 = 1, dan X3 =1. Nilai-nilai optimum akan dicari oleh komputer. b. Sel E3 merupakan formula: E3 =+B2*B3+C2*C3+D2*D3 . Ketikkan formula ini ke dalam sel E3. Hasil angka 12 adalah jumlah hasil kali dari: (1 x 3) + (1 x 5) + (1 x 4). c. Sel E5 sampai E8 juga merupakan formula. Angka-angka yang muncul merupakan jumlah hasil kali dari formula itu. Ketikkan formula-formula berikut ke dalam sel E5 sampai E8: E5 =+B2*B5+C2*C5+D2*D5 E6 =+B2*B6+C2*C6+D2*D6 E7 =+B2*B7+C2*C7+D2*D7 E8 =+B2*B8+C2*C8+D2*D8 Langkah 2. Pilih Tools, Solver Langkah 3. Isi Solver Parameters, sebagai berikut: Set Target Cell: $E$3 (Definisikan Sel E3 yang mengandung formula target keuntungan) Equal To: max By Changing Cells: $B$2:$D$2 (Definisikan sel B2 sampai D2 yang nilai-nilai optimum dari variabel keputusan itu akan diisi atau diganti oleh komputer) Subject to the Constraints: Diisi dengan jalan memilih Add, sebagai berikut:
157

Jurnal Teknologi Industri Vol. V No. 3 Juli 2001 : 153 - 162

Add Constraint Cell Reference: $B$2:$D$2 $E$5:$E$7 $E$8

Constraint: >= 0 <= $G$5:$G$7 >= $G$8

(Add) (Add) (OK)

Langkah 4. Pilih Solve Selanjutnya komputer akan memunculkan Solver Results. Beberapa pilihan berikut dapat dilakukan: Restore Original Values (Nilai awal dari variabel keputusan disimpan) Reports: Pilih Answer (Apabila perlu pembaca juga dapat memilih Sensitivity, Limits) Hasil solusi masalah linear programming di atas oleh Solver Microsoft Excel ditunjukkan sebagai berikut:
Microsoft Excel 8.0 Answer Report Worksheet: [LP1.xls]Sheet1 Report Created: 16/08/2000 11:04:35 Target Cell (Max) Cell Name $E$3 Keuntungan: Adjustable Cells Cell Original Value Final Value 12 4000

Name

Original Value 1 1 1

Final Value 1000 198,4799194 1,900100866

$B$2 Nilai Keputusan: X1 $C$2 Nilai Keputusan: X2 $D$2 Nilai Keputusan: X3 Constraints Cell $E$5 $E$6 $E$7 $E$8 $B$2 $C$2 $D$2 Name Potong dan Celup Jahit Inspeksi dan Pengepakan Kuantitas model All-Pro (X1) Nilai Keputusan: X1 Nilai Keputusan: X2 Nilai Keputusan: X3

Cell Value Formula 14000 $E$5<=$G$5 18000 $E$6<=$G$6 3797,719879 $E$7<=$G$7 1000 $E$8>=$G$8 1000 $B$2>=0 198,4799194 $C$2>=0 1,900100866 $D$2>=0

Status Not Binding Binding Not Binding Binding Not Binding Not Binding Not Binding

Slack 3999,999999 0 5202,280121 0 1000 198,4799194 1,900100866

Keterangan: a. Final value dari keuntungan adalah 4000, berarti perusahaan akan memperoleh keuntungan sebesar $4000 apabila melaksanakan keputusan X 1 = 1000 unit, X 2 = 198,4799194 unit, dan X 3 = 1,900100866 unit. Catatan: Z = 3X1 + 5X2 + 4X3 = 3(1000) + 5(198,4799194) + 4(1,900100866) = 4000. b. Nilai slack dapat diinterpretasikan sebagai berikut. Misalkan untuk waktu potong dan celup sebesar 3999,9999 berarti apabila kita melaksanakan keputusan di atas, maka waktu potong dan celup yang masih tersisa adalah 4000 menit. Nilai ini diperoleh dari: kebutuhan sumber daya waktu potong dan celup = 12X1 + 10X2 + 8X3 =

158

Aplikasi Linear Programming (LP) dalam Konsep the Theory of Constraints (TOC) (Vincent Gaspersz)

12(1000) + 10(198,4799194) + 8(1,900100866) = 14000 menit. Kapasitas waktu potong dan celup yang tersedia adalah 18000 menit, sehingga tersisa: 18000 14000 = 4000 menit. Nilai slack nol berarti semua sumber daya yang tersedia terpakai habis. c. Mengingat bahwa unit produksi bola harus dalam bilangan bulat dan tidak mungkin merencanakan produksi bola model high school (X3 ) hanya dua unit, maka manajer PPIC dapat memutuskan untuk merencanakan produksi bola model All-Pro (X1 ) = 1000 unit dan College (X2 ) = 200 unit. Untuk rencana produksi ini, perusahaan akan memperoleh keuntungan: Z = 3X1 + 5X2 + 4X3 = 3(1000) + 5(200) + 4(0) = 4000. Rencana produksi X1 = 1000 unit dan X 2 = 200 unit akan menyisakan sumber daya waktu potong dan celup sebanyak 4000 menit dari kapasitas waktu 18000 menit dan juga menyisakan sumber daya waktu inspeksi dan pengepakan sebanyak 5200 menit dari kapasitas 9000 menit. Sedangkan kapasitas sumber daya waktu penjahitan sebanyak 18000 menit akan terpakai habis. Berdasarkan solusi linear programming, kita mengetahui bahwa yang menjadi kendala utama adalah sumber daya waktu penjahitan. Dengan demikian titik kendali ( control point) dapat ditempatkan pada pusat kerja penjahitan. 3.2. Aplikasi Linear Programming dalam Perencanaan Produksi dan Inventori Misalkan data kapasitas produksi, permintaan, ongkos produksi, dan ongkos penyimpanan dalam inventori dari suatu industri benang selama 4 kuartal mendatang adalah sebagai berikut: Kuartal 1 2 3 4 Kapasitas Produksi (Square Yards) 600 300 500 400 Permintaan (Square Yards) 400 500 400 400 Ongkos Produksi ($/Sq. Yards) 2 5 3 3 Ongkos Inventori ($/Sq.Yards) 0.25 0.25 0.25 0.25

Untuk memudahkan pemodelan linear programming, kita akan menggunakan gambar berikut: Kapasitas Node Produksi Ongkos Produksi Node Permintaan

600

5
0.25

400

300

6
0.25

500

500

7
0.25

400

400

400

159

Jurnal Teknologi Industri Vol. V No. 3 Juli 2001 : 153 - 162

Selanjutnya kita mendefinisikan variabel-variabel keputusan berikut: X15 = unit produksi pada kuartal 1 untuk memenuhi permintaan kuartal 1 X26 = unit produksi pada kuartal 2 guna memenuhi permintaan kuartal 2 X37 = unit produksi pada kuartal 3 guna memenuhi permintaan kuartal 3 X48 = unit produksi pada kuartal 4 guna memenuhi permintaan kuartal 4 X56 = unit inventori yang tersimpan selama kuartal 1 X67 = unit inventori yang tersimpan selama kuartal 2 X78 = unit inventori yang tersimpan selama kuartal 3 Selanjutnya kita akan mengembangkan fungsi tujuan (objective function ) yang meminimumkan ongkos produksi dan inventori, sebagai berikut: Minimum Biaya Produksi dan Inventori: C = 2X15 + 5X26 + 3X37 + 3X48 + 0.25X56 + 0.25X67 + 0.25X78 Selanjutnya kita mengembangkan empat kendala kapasitas produksi, sebagai berikut: X15 600 ; X26 300; X37 500; dan X48 400 Selanjutnya kita mengembangkan empat kendala permintaan mengikuti aturan berikut: Permintaan = inventori awal + produksi inventori akhir Keempat kendala permintaan itu adalah sebagai berikut: X15 X56 X67 X78 X56 + X26 X67 + X37 X78 + X48 400 (permintaan kuartal 1) 500 (permintaan kuartal 2) 400 (permintaan kuartal 3) 400 (permintaan kuartal 4)

Model lengkap linear programming di atas adalah sebagai berikut: Minimum Biaya Produksi dan Inventori: C = 2X15 + 5X26 + 3X37 + 3X48 + 0.25X56 + 0.25X67 + 0.25X78 dengan kendala: X15 X26 X37 X48 X15 X26 X37 X48 600 300 500 400 X56 400 + X56 X67 500 + X67 X78 400 + X78 400 Semua variabel keputusan 0 (kapasitas kuartal 1) (kapasitas kuartal 2) (kapasitas kuartal 3) (kapasitas kuartal 4) (permintaan kuartal 1) (permintaan kuartal 2) (permintaan kuartal 3) (permintaan kuartal 4)

Selanjutnya masalah linear programming di atas diselesaikan menggunakan Solver Microsoft Excel, dan ringkasan hasilnya ditunjukkan dalam Tabel berikut.

160

Aplikasi Linear Programming (LP) dalam Konsep the Theory of Constraints (TOC) (Vincent Gaspersz)

Nilai Fungsi Tujuan = 5150.00

Variable X15 X26 X37 X48 X56 X67 X78 Value 600 300 400 400 200 0 0

Dengan demikian manajer PPIC dapat merencanakan produksi pada kuartal 1, 2, 3, dan 4, berturut-turut sebanyak: 600, 300, 400, dan 400 unit. Untuk itu akan terdapat inventori yang tersimpan selama kuartal 1 sebanyak 200 unit. Ongkos total produksi dan inventori akan menjadi minimum, yaitu: $5150.

161

Jurnal Teknologi Industri Vol. V No. 3 Juli 2001 : 153 - 162

Daftar Pustaka Anderson, D. R., Dennis J. Sweeney, and Thomas A. Williams, 1997, An Introduction to Management Science-Quantitative Approaches to Decision Making., 8th edition, West Publishing Company, St. Paul, Minnesota. Chase, R. B., Nicholas J. Aquilano, and F. Robert Jacobs, 1998, Production and Operations Management-Manufacturing and Services., 8th edition., McGraw-Hill, Boston. Gaspersz, Vincent, 2000, Production Planning and Inventory Control-Berdasarkan Pendekatan Sistem Terintegrasi MRP dan JIT Menuju Manufakturing 21. Edisi ke-2. Gramedia, Jakarta. Lapin, L. L., 1994, Quantitative Methods for Business Decisions-With Cases. 6th edition., Duxbury Press, Belmont. Melnyk, Steven A. and David R. Denzler, 1996, Operations Management-A Value-Driven Approach. Irwin, Chicago.

162