STRATEGI MENGOPTIMALKAN PERENCANAAN PRODUKSI DAN DISTRIBUSI

DENGAN METODE INTERGER LINIER PROGRAMMING BRANCH AND BOUND

DI PERUSAHAAN MANUFAKTURING USAHA MAJU
DI KOTA JOGJAKARTA

Eka Suswaini
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Maritim Raja Ali Haji
Batam Tanjung pinang Kepulauan Riau
E-mail: suswanindah@yahoo.com

ABSTRAK
This research combines the production and distribution planning in a company which has
multiple numbers of plant, item, retailer, and period. The purpose is to maximize the revenue
objective function of all product items which has been planned optimally by applying the
Branch and Bound linear integer programming method. The data is processed by using Excel
Solver. There are some solver processing steps to search for the optimal Branch so that the
optimal Bound, which is the optimal production planning and distribution, can be gained.
Based on the determination of parameter and constraints, it results that the optimal
production planning and distribution on the first, second, and third week is influenced by the
initial decision applied into the solver. As a conclusion, the maximum profit as the objective
function in integrating the three product items of A1, A2 and A3 is yielded. The maximum
profit on October is as much as Rp. 263.750.452, while on November is as much as Rp.
315.977.361, and Rp. 264.444.877 on December.

Keywords: Branch and Bound, Integer Linear Programming, Solver, Production

Planning and Distribution

1. PENDAHULUAN
Banyak perusahaan dalam menjalankan strategi bisnisnya yang mencoba mengoptimalkan
produksi dan distribusi dengan sistem yang terpisah. Permasalahan ketidaksinkronan
informasi antara departemen produksi dengan distribusi sangat berdampak pada total biaya
yang di keluarkan perusahaan yang akan mengakibatkan menurunnya keuntungan.
Beberapa penelitian yang telah dilakukan pada perusahaan yang menerapkan konsep SCM
dengan mengembangkan sistem produksi multi-plan dan beberapa item produk yang
dihasilkan dengan penggabungan dua fungsi produksi dan transportasi yang melibatkan
keseimbangan ukuran lot (Fumero dan Vercellis, 1999). Sedangkan Marthin et.al., (1996)
membuktikan bahwa secara ekonomi integrasi perencanan produksi dan distribusi
memberikan keuntungan yang besar. Di lain penelitian Chandra dan Fisher (1994)
mengkombinasikan permasalahan lot-sizing dan rute pengiriman, yang keduanya melebihi
multi-period horizon di dalam single-plant, multi-item, multi-retailer logistic. Sukoyo et.al.,
(2000) meneliti permasalahan perencanaan produksi untuk multi-plant yaitu dengan
menentukan alokasi demand pada setiap plant dan pendistribusian kembali produk akhir dari
plant ke pusat distribusi, dengan pendekatan produk mixed dapat dimodelkan ke dalam MILP
(Mixed interger linear programming) yang digunakan untuk menentukan produk mixed..
Salah satu upaya untuk memperbaiki kinerja rantai pasok adalah dengan melakukan
perencanaan produksi dan distribusi dengan seefisien mungkin untuk memaksimalkan total
keuntungan dalam multi-plant, muti-retailer, multi-item, multi-period logistik. Permasalahan
perencanaan produksi pada jenis multi-factories, selain menentukan lot yang ekonomis juga
pengaturan waktu produksi untuk meminimasi biaya produksi. Pada proses distribusi produk

1
dari produsen ke retailer membutuhkan informasi dalam cakupan rantai pasok, perusahaan
harus merancang jaringan distribusi yang tepat yang harus mempertimbangkan tradeoff antara
aspek biaya, aspek fleksibilitas, dan aspek kecepatan respon terhadap pelanggan.
Penelitian ini untuk menggabungkan antara perencanaan produksi dan distribusi pada
perusahaan manufaktur UD Usaha Maju yang memproduksi multi-produk berdasarkan lot-
size dan rute pengiriman lokal dalam memenuhi kebutuhan dari outlet-outlet yang dimiliki
perusahaan. Untuk mengoptimalkan produksi dan distribusi produk untuk mencapai
keuntungan yang optimal. Dikarenakan dalam perusahaan UD Usaha Maju masih
menjalankan sistem perencanaan produksi dan distribusi secara sederhana dan berdiri sendiri-
sendiri dan tidak terintegrasi. Oleh karenanya perlu disusun pemodelan matematik dalam
perencanaan produksi dan distribusi dengan model interger linier programming branch and
bound yang mempunyai fungsi tujuan dan batasan masalah.
Penelitian ini membahas bagaimana cara menyelesaikan perencanaan produksi dan distribusi
yang optimal pada jaringan SCM dan bagaimana cara memaksimalkan keuntungan pada
permasalahan perencanaan produksi dan distribusi. Pembatasan masalah hanya melakukan
penelitian di departemen produksi yang memiliki multi-plant, multi-item, multi-period,
logistic, warehouse, retailer outlet. dibatasi dengan 3 plant, 3 item dalam waktu 3 bulan
produksi, yaitu di Plant I1, Plant I2, Plant I3, dengan produk A1, A2, dan A3. Jalur distribusi
dari produksi ke distributor dan retailer outlet dalam periode mingguan dalam tiap bulan
selama 3 bulan. Penelitian ini bertujuan untuk memberikan penyelesaian perencanaan
produksi dan distribusi untuk memaksimalkan pendapatan. Mengoptimalkan perencanaan
produksi dan distribusi pada multi-plant, multi item, multi retailer, multi-period logistik untuk
mencapai keuntungan pendapatan yang optimal.

2. Tinjauan Pustaka
2.1 Rantai Pasok
Rantai pasok adalah suatu sistem tempat organisasi menyalurkan barang produksi dan jasanya
kepada para pelanggannya. Rantai ini merupakan jaringan atau jejaring dari berbagia
organisasi yang saling berhubungan yang mempunyai tujuan yang sama yaitu sebaik mungkin
menyelenggarakan pengadaan atau penyaluran barang produksi.
Manajemen supply chain dapat didefinisikan sebagai berikut:
Supply chain management is a set of approaches utilized to efficiently integrate supliers,
manufacturers, warehouses, and stores, so that merchandaise is produced and distributed at
the right quantities, to the right locations, at the right time, in order to minimize systemwide
costs while satisfying service level requirement. (David Simchi Levi et al.,2000). Melihat
definisi tersebut, dapat dikatakan bahwa rantai pasok adalah logistick network. Dalam
hubungan ini, ada beberapa pemain utama yang merupakan perusahaan-perusahaan yang
mempunyai kepentingan yang sama, yaitu suppliers, manufacturer, distribution, retail outlets,
dan customers.

2.2 Distribusi
Masalah yang dihadapi perusahaan dalam sistem pendistribusian terbagi menjadi dua bagian,
yaitu: kearah hulu atau yang berkaitan langsung dengan manufaktur dan kearah hilir yang
berkaitan langsung dengan retailer dan end user. Pada arah hilir terdapat permasalahan
dimana permintaan produk yang susah untuk diprediksikan dan tidak stabil, serta jumlah
permintaan yang sering kali tidak mencerminkan kebutuhan konsumen saat ini. Sedangkan
arah hulu, permintaan penyediaan barang yang tidak selalu dapat dipenuhi sesuai waktu yang

2
dibutuhkan. Proses rantai distribusi secara umum dapat dijelaskan dalam gambar dibawah ini,
yaitu :

Supplier Manufacture Distributor Retailer End User

r

Gambar 1 Proses Rantai Distribusi Secara Umum

2.3 MODEL FORMULASI (Seocheon, Ri; et. Al., 2003)

2.3.1 Model Integrasi Perencanaan Produksi dan Distribusi

Fungsi objektif (1) menyatakan total keuntungan bersih melibihi periode waktu yang dihitung
dari mengurangi total biaya dari total pendapatan, total pendapatan yaitu total pendapatan
penjualan secara sederhana dari ritail outlet. total biaya terdiri dari biaya produksi, inventory,
stockout, dan distribusi. Persamaan (2) menunjukan batas kapasitas produksi pada sebuah
pabrik. Persamaan (3) digunakan untuk kekuatan sepasang variabel set-up. Parameter M
adalah angka positif yang cukup besar. Persamaan (4) keseimbangan inventory pada tiap
periode di pabrik. Persamaan (5) permintaan inti bisnis untuk tiap item pada ritel outlet
disetiap periode harus dipenuhi yaitu dengan dibawa langsung dari gudang dan dikirim dari
pabrik ke setiap periode. Persamaan (6) ketepatan actual permintaan untuk tiap item pada
ritail outlet disetiap periode permintaanya tidak boleh melebihi ramalan permintaanya.
Persamaan (5) dan (6) menentukan tingkat inventory dari item pada retail outlet. Jika
pemesanan kembali diijinkan, F jkt 1 a rjkt 2 i qijkt 1 a rjkt 1 akan ditambahkan pada sisi
yang benar dari persamaan (5) dan (6). Persamaan (7) menunjukan batas kapasitas gudang
pada ritail outlet. Persamaan (8) menentukan jumlah kendaraan yang diminta untuk
pengiriman. Persamaan (9) menunjukan awal dari tingkat inventory pada keduanya, yaitu
pabrik dan retail outlets. Persamaan (10) batas kekuatan tidak negative, bilangan bulat dan
sepasang bilangan asli pada variabel keputusan.
Kuantitas produksi yang optimal x ikt dan kuantitas pengiriman yang optimal q ijkt diperoleh
dengan memecahkan model. Pada dasarnya model yang digunakan untuk kapasitas produksi
pada sampai batas penambahan pendapatan, tetapi ini dapat mengurangi kuantitas produksi
dan memperbolehkan stock out pada retail outlet ketika biaya unit kecil dari setiap item
melibihi pendapatan yang kecil. Sebagai contoh, set-up atau biaya kendaraan mungkin lebih
tinggi dibandingkan dengan lot size yang kecil atau muatan truck, hasilnya biaya yang tinggi
untuk tiap item. jadi, total kuantitas produksi pada pabrik melebihi perencanaan pada masa
yang akan datang tidak selalu sama dengan total peramalan permintaan pada retail outlet
melebihi perencanaan pada masa yang akan datang.

2.4 METODE BRANCH AND BOUND

Algoritma Branch and Bound adalah metode algoritma umum untuk mencari solusi optimal
dari berbagai permasalahan optimasi, terutama untuk optimasi diskrit dan kombinatorial.
Sebagaimana pada algoritma runut-balik, algoritma Branch and Bound juga merupakan
metode pencarian di dalam ruang solusi secara sistematis. Ruang solusi diorganisasikan ke
dalam pohon ruang status. Yang membedakan keduanya adalah bila pada algoritma runut-
balik, ruang solusi dibangun secara dinamis berdasarkan skema DFS (Depth First Search),
maka pada algoritma Branch and Bound ruang solusi dibangun dengan skema BFS (Breadth
First Search).

3
Algoritma Branch and Bound banyak digunakan untuk memecahkan berbagai macam
permasalahan antara lain : persoalan Knapsack 0/1, TravellingSalesman Problem (TSP), The
N-Queens Problem (Persoalan N-Ratu), Graph Colouring (Pewarnaan Graf), Sirkuit
Hamilton, Integer Programming,Nonlinear Programming, Quadratic Assignment Problem
(QAP), Maximum Satisfiability Problem (MAX-SAT), dan lain sebagainya.

2.4.1. Perhitungan dalam Metode Branch and Bound

Program komputer praktis yang didasari oleh teknik Branch and Bound berbeda dengan
perhitungan bidang potong secara manual terutama dlam perincian pemilihan variabel
percabangan di sebuah node dan urutan dimana bagian masalah tersebut diteliti. Peraturan ini
didasari heuristik yang dikembangkan melalui eksperimentasi.
Satu kerugian dasar dari algoritma B&B yang diberikan diatas adalah bahwa metode ini
mengharuskan pemecahan program linier yang lengkap disetiap node. Dalam masalah yang
besar, hal ini dapat sangat memakan waktu , terutama ketika satu-satunya informasi yang
diperlukan di node tersebut adalah nilai tujuan optimumnya. Hal ini diperjelas dengan
menyadari bahwa sekali sebuah batas yang baik diperoleh, banyak node dapat
disingkirkan dengan diketahui nilai tujuan optimum mereka.
Hal diatas mengarah pada pengembanagan sebuah prosedur dimana kita tidak perlu
memecahkan semua bagian masalah dari pohon percabangan tersebut. Gagasannya adalah
mengestimasi sebuat batas atas (asumsikan masalah maksimasi) dari nilai tujuan optimum
disetiap node. Jika batas atas ini lebih kecil dari pada nilai tujuan yang berkaitan dengan
pemecahan integer terbaik yang tersedia, node tersebut disingkirkan. Keuntungan utamanya
adalah bahwa batas atas tersebut dapat di estimasi dengan cepat dengan perhitungan minimal.
Gagasan umum ini mengerstimasi penalti (yaitu, penurunan nilai tujuan) yang dihasilkan dari
pemberlakuan kondisi yang diharapkan.
Walaupun metode branch and bound memiliki kekurangan, dapat dikatakan bahwa sampai
sekarang, ini adalah metode yang paling efektif dalam memecahkan program-program
interger dengan ukuran praktis. Pada kenyataannya, semua program komersial yang tersedia
didasari oleh metode brand and bound. Tetapi, ini tidak berarti bahwa setiap program interger
dapat dipecahkan dengan metode branch and bound. ini hanya berarti bahwa ketika pilihannya
adalah metode pemotongan dan metode branch and bound, metode terakhir ini umumnya
terbukti lebih baik

2.6 SOLVER
Salah satu penggunaan komputer sebagai alat bantu dalam proses pengambilan keputusan
adalah penggunaan berbagai jenis Spreadsheet Solvers. Solver adalah sebuah spreadsheet
optimizer dan goal-seeking yang merupakan program add-in dalam software Microsoft Excel
(Frontline Systems).
Dalam solver terdapat beberapa tahap (Hesse, 1997), yaitu:
1. Goal Seeking, pada tahap ini solver berfungsi untuk mendapatkan suatu nilai dalam target
cell yang hams sama dengan suatu nilai tertentu. Aplikasinya berupa penyelesaian
terhadap permasalahan dalam break-even analysis atau internal rate of return atau
persamaan simultan.
2. Unconstrained Optimization, pada tahap ini solver berfungsi untuk mendapatkan suatu
nilai dalam satu target cell untuk dimaksimalkan atau diminimalkan. Aplikasinya berupa
penyelesaian terhadap permasalahan dalam inventory problem.

4
3. Constrained Optimization, pada tahap ini solver memperbolehkan penetapan beberapa
constraint bersama-sama dengan satu target cell untuk dioptimumkan nilainya.
Menurut Hesse (1997) terdapat dua metode dalam solver untuk mendapatkan solusi, yaitu:
1. Gradient Search, metode ini bekerja dengan cara menelusuri nilai yang lebih besar atau
lebih kecil disekitar nilai awal berdasarkan atas batasan yang telah ditentukan, jika semua
arah perubahan nilai sudah tidak dapat memperbaiki pencapaian objective function maka
prosedur perhitungan akan dihentikan. Ahli matematik menyebutkan hasil dari metode ini
dengan istilah local optimum, suatu titik yang mempunyai nilai lebih optimum
dibandingkan titik lain disekitarnya. Hanya metode ini yang dapat dipergunakan pada
permasalahan non-linear.
2. Simplex Algorithm, metode ini merupakan suatu prosedur perhitungan yang sangat cepat
untuk permasalahan linear dengan menggunakan algoritma matematika
yang memungkinkan solver untuk mencari solusi optimum hanya dengan melihat beberapa
kemungkinan. Metode ini hanya dapat dipergunakan untuk permasalahan dengan linear
constraints dan linear objective function.

Gambar 2 Menu Input Solver Parameter dan Solver Option Dalam Microsoft Excel

Berikut ini penjelasan masing opsi yang ada di solve excel:

1. Max Time, batas waktu untuk mendapatkan solusi optimum (default 100 seconds),
2. Iterations, batas pengulangan perhitungan untuk mendapatkan solusi (default 100
iterations),
3. Precision, mengatur tingkat presisi solusi (0,0001 lebih tinggi dan 0,01),
4. Tolerance, opsi ini hanya digunakan dalam integer programming yang menyatakan
persentase nilai solusi optimum pada target cell seberapa besar menyimpang dari integer
constraint (default 5% dari nilai optimum).
5. Asume Linear Model, jika bagian ini dipilih dapat mempercepat proses mendapatkan
solusi, hanya jika semua hubungan dalam model adalah linear dan yang hendak dicari
solusinya adalah permasalahan optimasi linear,
6. Asume Non-Negative, jika bagian ini dipilih solver menggunakan asumsi batas bawah
nilai sel yang boleh dirubah adalah 0 (selain sel yang belum ditentukan batas bawah dalam
constraint),
7. Show Iteration Results, jika bagian ini dipilih setiap proses pengulangan akan dihentikan
oleh solver untuk memberikan kesempatan melihat hasil sementara,

5
8. Use Automatic Scatting, digunakan jika terdapat perbedaan yang besar antara input dan
output,
9. Estimate Tangent, metode estimasi awal menggunakan linear extrapolation dan suatu
tangent vector,
10. Estimate Quadratic, metode estimasi awal menggunakan quadratic extrapolation, yang
dapat meningkatkan kualitas hasil pada permasalahan non-linear.
11. Derivatives Forward, digunakan jika perubahan nilai constraint relatif lebih lambat.
12. Derivatives Central, digunakan jika perubahan nilai constraint relatif lebih cepat,
terutama disekitar batas (limit)
13. Search Newton, mengunakan metode quasi-Newton yang membutuhkan memory lebih
besar namun jumlah pengulangan (iterasi) lebih sedikit.
14. Search Conjugate, mengunakan metode yang membutuhkan memory lebih sedikit namun
jumlah pengulangan (iterasi) lebih besar, digunakan untuk permasalahan yang besar dan
ketersediaan memory yang terbatas.
15. Load Model, menampilkan referensi model yang pernah disimpan,
16. Save Model, menyimpan referensi model, dilakukan jika ingin menyimpan lebih dari
satu model dalam suatu worksheet.

2.7 INTERGER PROGRAMMING

Interger programming (IP) adalah bentuk lain dari program linier (LP) di mana asumsi
divisibilitasnya melemah atau hilang sama sekali. Bentuk ini muncul karena dalam
kenyataannya tidak semua variabel keputusan dapat berupa bilangan pecahan. Misalnya, jika
veribel keputusan yang dihadapi berkaitan dengan jumlah mesin yang diperlukan pada suatu
horizontal perencanaan, maka jawaban 10/3 mesin sangat tidak realistis dalam konteks
keputusan yang nyata. Dalam hal ini harus ditentukan, apakah akan menggunakan 3 atau 4
mesin.

3. KASUS DAN PENGEMBANGAN MODEL

Model Integrasi Perencanaan Produksi dan Distribusi

Model mixed-integer (Seocheon, Ri; et. Al., 2003) dikembangkan untuk memecahkan
masalah integrasi perencanaan produksi dan distribusi, model yang ada berdasarkan notasi
yang digunakan, diasumsikan ukuran kemasan kotaknya sama untuk seluruh item.
indikasi
i = pabrik, i {1,., I}
j= retail outlet, j {1,., J}
k= item produk, k {1,...., K}
t = periode waktu, t {1,...., T}
parameter
c ik = biaya proses unit untuk item k di pabrik i ( c k i cik / I )
s ik = biaya set-up untuk item k di pabrik i
o ik = waktu proses unit untuk item k pabrik i
u ik = waktu set-up untuk tiap item k di pabrik i
h ikp = biaya penyimpanan untuk item k di pabrik i ( hk i hikp / I )

6
L i = ketersediaan kapasitas produksi di plant i dalam waktu yang diberikan dalam setiap
periode t.
d ijk = unit biaya transportasi untuk k dari pabrik i untuk ritail outlet
g = biaya tetap per kendaraan
B = kapasitas kendaraan yang tersedia
E jkt = permintaan pusat bisnis untuk k di ritail outlet j perode i
F ijk = ramalan permintaan untuk k di ritail outlet j perode i
P jk = harga penjualan item k di ritail outlet j ( p k j pik / j )
h pjk = biaya penyimpanan per periode di ritail outlet j untuk item k
W rj = kapasitas gudang di ritail j
v jk = biaya unit stock out di item k di ritail outlet ( p k j )
variabel
x ikt = jumlah item k diproduksi di pabrik i periode t
q ijkt = jumlah item k dikirim dari pabrik i untuk retail outlet j di periode t
1 jika pabrik i harus di set up untuk item k di periode t
y ikt =
0sebaliknya
a pjkt = inventory level untuk item k di pabrik i periode t (A ktp i aiktp )
a rjkt = inventory level untuk item k di retail outlet j di periode t
z ijt = jumlah kendaraan yang diminta dari pabrik i untuk ritel outlet j di periode t
Integrasi masalah perencanaan produksi dan distribusi karena itu dapat diformulasikan
sebagai berikut.
Max

j k
p jk a rjkt qtjkt a rjkt cik x jkt sik y jkt hikp aiktp
t i i k t i k t i k t

h jkj a rjkt vik f jkt a rjkt 1 qijkt a rjkt g z ijt d ijk qijkt
j k t i k t t i j t i j k t

(1)
Untuk subjek

oik xikt u ik y ikt Li,t.
k k (2)

xikt Myikt i, k , t , (3)

a p
ikt a p
ikt 1 xikt qijkt i, k , t , (4)
j

1 q ijkt a jkt E jkt i, k , t ,

r r
aikt (5)
a r
ikt 1 qijkt a r
jkt F jkt i, k , t , (6)
i

a k
r
jkt W jr i,t , (7)

7
 qijkt
z ijt i, t (8)
k B
aikp 0 0, a rjk 0 0 i, j , k (9)
xikt 0, qijkt 0, aiktp 0, a rjkt 0, y ikt (0,1), z ijt semuanya integer j , k , t , (10)

3.1 Metode Branch and Bound dengan Solver

Model matematika menjadi perhitungan yang tidak mempunyai penyelesaian ketika sejumlah
pabrik, retail outlet, produk item, dan periode yang besar. Oleh karena itu, dapat
dikembangkan solusi heuristic yang efisien, sebagian berdasarkan ide Chandra dan Fisher,
(1994) yaitu dengan perbaikan prosedur local, yang diuji untuk sebagian merubah muatan
pada periode yang lebih singkat yang bertujuan untuk memenuhi muatan truck sebanyak
mungkin.
Algoritma Branch and Bound adalah metode algoritma umum untuk mencari solusi optimal
dari berbagai permasalahan optimasi, terutama untuk optimasi diskrit dan kombinatorial.
Sebagaimana pada algoritma runut-balik, algoritma Branch and Bound juga merupakan
metode pencarian di dalam ruang solusi secara sistematis. Ruang solusi diorganisasikan ke
dalam branch yang dihitung dengan hitungan matematis dengan bantuan sofware komputer
excel solver untuk mendapatkan bound atau simpul keputusan yang diharapkan. Dengan
batasan dan tujuan yang diharapkan dalam perencanaan produksi dan distribusi.
3.2 Perhitungan Perencanaan Produksi dan Distribusi pada Periode Oktober,
November, Desember 2008 untuk 3 Item Produk
Dengan menggunakan rumus persamaan (1) pada model Bab III dihitung perencanaan
produksi pada masing-masing plant dengan tujuan masing-masing retail pada periode
mingguan, dengan memperhatikan batasan atau subject pada pesamaan (2 sampai 10). Untuk
memudahkan dalam perhitungan dan perencanaan produksi dan distribusi maka menggunakan
Excel Solver sebagai softwarenya seperti terlihat pada Gambar 4.1

Gambar 4 Solver Parameter

Solver parameter digunakan untuk memudahkan dalam penyelesaian atau perhitungan model
matematis dalam perencanaan produksi dan distribusi pada kasus ini, yaitu dengan set target
cell atau memaksimalkan pendapatan, dan by changing cells adalah perencanaan produksi dan
distribusi yaitu dari ke 3 plant dengan tujuan 6 retail dengan subject to the constraints atau
batasan sebagai berikut:
Sub kontrak = interger;
Sub kontrak >= 0;
Perencanaan tiap tiap retail = interger;
Perencanaan tiap tiap retail >= 0;

8
Total perencanan tiap minggu pada tiap plant kesemua retailer <= 600;
Peramalan permintaan = pemenuhan permintaan.
Optimalisasi didapatkan dari perhitungan dengan interger linier programing dengan metode
Branch and Bound menggunakan sofware Excel Solver.
Dari hasil analisa terhadap perencanaan produksi dan distribusi dari peramalam permintaan
pada periode bulan oktober 2008, didapatkan hasil pada tabel peramalan permintaan yang
diperoleh dengan target memaksimalkan total pendapatan pada item produk A1,A2, A3 untuk
tujuan optimalisasi perencanaan produksi pada tiap plant ke masing-masing retailer.
Batasan atau constraints pada total perencanaan tiap minggu pada tiap plant kesemua retail
<= 600 dikarenakan kapasitas produksi per bulan sebesar 7200 unit untuk tiap plant, dibagi
dengan 4 minggu perencanaan didapatkan hasil sebesar 1800 unit kemudian dibagi dengan 3
macam produk didapatkan 600 unit, jadi batas maksimal pengiriman dari tiap plant ke retail
harus lebih kurang dari kapasitas maksimal pengiriman per minggu sebesar 600 unit.
Sehingga didapatkan hasil perhitungan optimalisasi perencanaan produksi dan distribusi pada
tabel 4.32.
Dapat dilihat bahwa idapatkan hasil bahwa pada Plant I1, I2, I3 dengan tujuan ke retail J1, J2,
J3, J4, J5, dan J6 yaitu pada :
Plant I1 dengan tujuan J1 dengan Produk A1 pada minggu 1 tidak mengirimkan produk,
dengan tujuan J2 mengirimkan 42, dengan tujuan J3 mengirimkan 181, dengan tujuan J4
mengirimkan 110, dengan tujuan J5 mengirimkan 136, dengan tujuan J6 mengirimkan 130
produk. Dan demikian selanjutnya pada tiap masing-masing Plant dengan tujuan masing-
masing retail dan dengan ke tiga macam produk dapat dilihat pada tabel 4.32
Kemudian setelah dilakukan optimalisasi perencanaan produksi dan distribusi maka dilakukan
perhitungan kondisi yang ada di masing-masing retail seperti yang ada pada tabel 4.33.

9
 Tabel 1 Optimalisasi Perencanaan Produksi dan Distribusi pada bulan Oktober 2008

4. PEMBAHASAN
Dari hasil pengoptimalan perencanaan produksi dan distribusi yang sudah dilakukan maka pada
setiap retail dapat dipenuhi kebutuhan atau fulfilment terhadap permintaan pasar. Hal ini
membuat perusahaan dapat melakukan strategi bisnisnya dalam menjalankan perencanaan
produksi dan distribusi berdasarkan pada permintaan pasar sehingga hal ini dapat menghindari
kerugian akibat produksi dan pengiriman produk ke retail karena hal ini akan berpengaruh
terhadap biaya transportasi atau biaya distribusi ke retail dan biaya simpan dan sub kontrak di
retail. Sehingga dengan adanya strategi yang menggabungkan atau mengintegrasikan
perencanaan produksi dan distribusi pada ke tiga plant dan tiga produk yang dihasilkan dalam
setiap plant ke retail outlet perusahaan maka akan meningkatkan pendapatan perusahaan, seperti
yang dihitung dalam objective function atau fungsi memaksimalkan pendapatan.
Strategi dalam perhitungan fungsi nilai tujuan atau objective function untuk mengetahui jumlah
pendapatan dari penjualan dari semua plant terhadap ke tiga produk dengan 6 retail.
KESIMPULAN
Dari pembahasan terhadap hasil penelitian, maka dapat diambil kesimpulan sebagai berikut:
1. Perencanaan Produksi dan distribusi dapat diterapkan secara optimal dengan
mengintegrasikan perencanaan produksi dan pendistribusian ke 3 item produk A1, A2 dan A3
dengan tujuan ke 6 retail dalam periode mingguan bahwa optimal pada minggu pertama,
kedua dan ketiga untuk periode Bulan Oktober, November, dan Desember 2008 yang
 dipengaruhi oleh keputusan awal dalam perhitungan dengan model Interger Linier
Programming dengan Branch and Bound dengan Excel Solver dan dengan parameter dan
batasan yang ada.
2. Dari perencanaan produski dan distribusi yang optimal pada semua item produk, retail, dan
period waktu yang ditentukan selama 1 bulan dalam periode penjadwalan mingguan dan
dengan parameter yang digunakan dalam perhitungan biaya-biaya pada integrasi ke 3 item
produk didapatkan total keuntungan atau total revenue maksimal dari fungsi tujuan pada
bulan Oktober 2008 sebesar Rp. 263.750.452 dan pada bulan November 2008 sebesar Rp.
315.977.361, dan bulan Desember 2008 sebesar Rp. 264.444.877
REKOMENDASI
1. Untuk penyempurnaan penelitian, masih diperlukan penelitian lanjutan dengan menggunakan
data-data yang lebih lengkap terkait dengan biaya sumber daya manusia dan biaya
management dan operasional untuk mengetahui total pendapatan besih perusahaan.
2. Berdasarkan perhitungan analisis yang dilakukan, distribusi yang terpenuhi optimal pada
minggu 1, 2 dan ke 3, sedangkan pada minggu 4 memiliki kecenderungan pendistribusian
kurang optimal, sehingga perlu dilakukan penyeimbangan distribusi dengan menggunakan
metode Lot Sizing Balancing.
3. Disebabkan optimasi menggunakan metode Branch and Bound dipengaruhi oleh solusi awal
yang menghasilkan keluaran yang tidak seimbang atau bervariasi, maka perlu dilakukan
dengan optimasi yang lain seperti Algoritma Genetic, Simulated Annealing atau dengan
metode Tabu Search.
4. Sangat diharapkan agar hasil penelitian ini dapat diaplikasikan pada suatu perusahaan yang
ingin menggabungkan antara perencanaan produksi dan distribusi.

7. PUSTAKA
Chandra, P. and Fisher, M.L., (1994). Coordination of production and distribution planning.
European Journal Operation Reserach., 72, 503-517.
Fumero, F. and Vercellis, C., (1999). Synchronized development of production, inventory, and
distribution schedules. Transportation Science, 33, 330-340.
Martin, C.H., Dent, D.C and Eckhart, J.C., (1993). Integrated production, distribution,
inventory planning at Libbey-Owens-Ford. Interface, 23, 68-78.
Pujawan, I. N, (2005). Supply Chain Management. Surabaya: Penerbit Guna Widya.
Rudy Setiawan, (2005). optimasi perhitungan kinerja bundaran menggunakan microsoft excel
solver. jurnal teknik sipil.
Seocheon-Ri, Kiheung-Eup., Yongin-Si., Kyunggi-Do., (2005). An integrated approach for
production and distribution planning in supply chain management. Kyung Hee
University, South Korea.
Shieny Aprilia, (2003).aplikasi algoritma branch and bound untuk menyelesaikan integer
programming.jurnal teknik informatika.
Siagian, P., (1986). Penelitian Oprasional. Jakarta: Penerbit Universitas Indonesia.
Sukoyo, S.Matsuoka., M. Muraki., (2000). Introducing product-mixed approach for
production planning of multi-site batch plants. Tokyo Institute of Technology,
Jepang.
Taha, Hamdy A., Riset Operasional. Jakarta: Penerbit Binarupa Aksara.

11
 Wakhid Ahmad, J., (2006). model persediaan terintegrasi pada system supply chain yang
melibatkan pemasok, pemanufaktur dan pembeli. Jurnal ilmiah teknik industri, vol. 5,
no. 2, 82-88
Zeplin Jiwa Husada, T., (2005). perancangan penjualan dan perencanaan produksi yang
terintegrasi dengan menerapkan teknologi enterprise resources planning. Jurnal
teknik industri, vol. 7, no. 2, 138-144.

12