APLIKASI METODE TREND MUSIMAN UNTUK MENYELESAIKAN MASALAH OPTIMASI PADA PABRIK ROTI MABRUR SRAGEN
| Main Author: | Dony Ananta, Nurwoko Mulyawan |
|---|---|
| Format: | Thesis NonPeerReviewed Book Bachelors |
| Bahasa: | ind |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.unugha.ac.id/107/1/2937.pdf http://repository.unugha.ac.id/107/ |
| ctrlnum |
107 |
|---|---|
| fullrecord |
<?xml version="1.0"?>
<dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.unugha.ac.id/107/</relation><title>APLIKASI METODE TREND MUSIMAN UNTUK MENYELESAIKAN 
MASALAH OPTIMASI PADA PABRIK ROTI MABRUR SRAGEN</title><creator>Dony Ananta, Nurwoko Mulyawan</creator><subject>AI Indexes (General)</subject><subject>AS Academies and learned societies (General)</subject><description>Lindo membantu penyelesaian optimasi, namun Lindo punya kelemahan yaitu 
dalam perhitungan Lindo, hanya memaksimalkan persediaan, sehingga diperoleh sisa dari
persediaan seminimal mungkin tanpa memperhatikan kwalitas penjualan. Forcasting
(peramalan) sangat penting dalam pengambilan keputusan. Model trend musiman termasuk
dalam model ramalan data berkala ( time series ). Metode ini mudah digunakan dalam
peramalan barang yang akan datang. Dari deskripsi diatas penulis ingin menulis skripsi
tentang Lindo dan metode trend musiman. Adapun permasalahan yang diangkat penulis
antara lain : bagaimana bentuk model ramalan masing-masing roti agar bisa memprediksi
jumlah roti yang terjual pada masa yang akan datang ?, bagaimana menentukan model
matematika dari suatu masalah optimasi pada roti ?, bagaimana formula penyelesaian model
matematika tersebut dengan Lindo ?.

Sebagai landasan teori digunakan program linier, Lindo, dan metode trend musiman. 
Metode yang digunakan dalam pengambilan data untuk pembuatan skripsi ini adalah, 
wawancara, observasi, dan melihat pembukuan, mengenai penyelesaian masalah, dilakukan 
tahapan-tahapan analisis : dibuat ramalan jumlah roti yang terjual bulan-bulan sebelumnya
menggunakan metode trend musiman, model matematika untuk masalah optimasi roti, hasil
ramalan roti sebagai fungsi kendala, dioperasikan dengan Lindo. Sebagai akhir dari penelitian
ini dilakukan penarikan simpulan berdasarkan penelitian dan hasil kajian teori yang telah
dilakukan.

Dari data penjualan masing-masing roti mulai tahun 2003 sampai bulan Maret 2006 
yang tertera dalam dalam lampiran diperoleh model ramalan berikut.
a. Model ramalan roti Bolu untuk satu bulan 
^
y
.2(
7,218
,55
051
t
=
+
x 
(Mt Roti Bolu))/3. 
b. Model ramalan untuk roti Gulung untuk satu bulan
t
^
y
.1(
7,863
,63
501
=
+
x (Mt Roti Gulung))/3. 
c. Model ramalan untuk roti Mandarin untuk satu bulan
t
^
y
.1(
3,837
,61
436
=
+
x (Mt Roti Mandarin))/3. 
d. Model ramalan roti Tiga Rasa untuk satu bulan
t
^
y
.2(
5,597
,31
191
=
+
x (Mt Roti Tiga Rasa))/3. 
Dari resep masing- masing roti, stok bahan perbulan pada lampiran dan model ramalan 
masing-masing roti diperoleh model ramalan sebagai berikut.
Fungsi Tujuan

Z MAX = 3.300A + 3.600B + 2.200C + 2.800D; 
Fungsi Kendala
0,25A + 0,6B + 0,4C + 0,25D ≤ 1.500;
0,1875A + 0,3B + 0,3C + 0,1875D ≤ 1.000;
0,04A + 0,05B +0,05C + 0,04D ≤ 250;
0,125A + 0,2B + 0,2C + 0,125D ≤ 700; 
0,0625A + 0,1B + 0,1 C + 0,0625D ≤ 400; 
0,1A + 0,03D ≤ 200;
0,05A + 0,05B + 0,05C + 0,05D ≤ 250; 

0,1B ≤ 100;
0,1C ≤ 100;
0,03D ≤ 50;
0,005D ≤ 50;
A ≤ (2.218,7 + 55,051tA x ( MtA))/3;
B 
≤ (1.863,7 + 63,501tB x ( MtB ))/3; 
C 
≤ (1.837,3 + 61,436tC x ( MtC ))/3; 
D 
≤ (2.597,5 + 31,191tD x ( MtD ))/3. 
Setelah model matematika diketahui, maka formula untuk penyelesaian model
matematika tersebut dengan Lindo adalah sebagai berikut.

MAX 3300A + 3600B + 2200C + 2800D 
SUBJECT TO

0.25A + 0.6B + 0.4C + 0.25D <= 1500 

0.1875A + 0.3B + 0.3C + 0.1875D <=1000 

0.04A + 0.05B +0.05C + 0.04D <= 250 

0.125A + 0.2B + 0.2C + 0.125D <= 700 

0.0625A + 0.1B + 0.1 C + 0.0625D <= 400 

0.1A + 0.03D <= 200 

0.05A + 0.05B + 0.05C + 0.05D <= 250 
0.1B <=100

0.1C <= 100 

0.03D <= 50 

0.005D <= 50 

A <= (2218,7 + 55.051tA*( MtA ))/3 

B <= (1863,7 + 63.501tB*( MtB ))/3 

C <= (1837,3 + 61.436tC*( MtC ))/3 

D <= (2597,5 + 31.191tD*( MtD ))/3 
END
GIN A
GIN B
GIN 
C 
GIN D.
Saran yang diperoleh dari masalah ini adalah.
1. Untuk memproduksi banyak barang dari bahan baku yang hampir sama,
pabrik harus mengetahui prediksi penjualan yang akan datang agar tidak ada
barang yang tidak terjual sehingga keuntungannya bisa optimal.
2. Apabila terjadi gejolak ekonomi, misalkan kenaikan bahan baku, harga
menyesuaikan tanpa mengurangi mutu produk, dengan mengurangi mutu,
dimungkinkan terjadi penurunan penjualan.</description><date>2017-10-16</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>ind</language><rights>cc_by_nc_sa_4</rights><identifier>http://repository.unugha.ac.id/107/1/2937.pdf</identifier><identifier> Dony Ananta, Nurwoko Mulyawan (2017) APLIKASI METODE TREND MUSIMAN UNTUK MENYELESAIKAN MASALAH OPTIMASI PADA PABRIK ROTI MABRUR SRAGEN. Other thesis, UNES. </identifier><recordID>107</recordID></dc>
|
| language |
ind |
| format |
Thesis:Thesis Thesis PeerReview:NonPeerReviewed PeerReview Book:Book Book Thesis:Bachelors |
| author |
Dony Ananta, Nurwoko Mulyawan |
| title |
APLIKASI METODE TREND MUSIMAN UNTUK MENYELESAIKAN
MASALAH OPTIMASI PADA PABRIK ROTI MABRUR SRAGEN |
| publishDate |
2017 |
| topic |
AI Indexes (General) AS Academies and learned societies (General) |
| url |
http://repository.unugha.ac.id/107/1/2937.pdf http://repository.unugha.ac.id/107/ |
| contents |
Lindo membantu penyelesaian optimasi, namun Lindo punya kelemahan yaitu
dalam perhitungan Lindo, hanya memaksimalkan persediaan, sehingga diperoleh sisa dari
persediaan seminimal mungkin tanpa memperhatikan kwalitas penjualan. Forcasting
(peramalan) sangat penting dalam pengambilan keputusan. Model trend musiman termasuk
dalam model ramalan data berkala ( time series ). Metode ini mudah digunakan dalam
peramalan barang yang akan datang. Dari deskripsi diatas penulis ingin menulis skripsi
tentang Lindo dan metode trend musiman. Adapun permasalahan yang diangkat penulis
antara lain : bagaimana bentuk model ramalan masing-masing roti agar bisa memprediksi
jumlah roti yang terjual pada masa yang akan datang ?, bagaimana menentukan model
matematika dari suatu masalah optimasi pada roti ?, bagaimana formula penyelesaian model
matematika tersebut dengan Lindo ?.
Sebagai landasan teori digunakan program linier, Lindo, dan metode trend musiman.
Metode yang digunakan dalam pengambilan data untuk pembuatan skripsi ini adalah,
wawancara, observasi, dan melihat pembukuan, mengenai penyelesaian masalah, dilakukan
tahapan-tahapan analisis : dibuat ramalan jumlah roti yang terjual bulan-bulan sebelumnya
menggunakan metode trend musiman, model matematika untuk masalah optimasi roti, hasil
ramalan roti sebagai fungsi kendala, dioperasikan dengan Lindo. Sebagai akhir dari penelitian
ini dilakukan penarikan simpulan berdasarkan penelitian dan hasil kajian teori yang telah
dilakukan.
Dari data penjualan masing-masing roti mulai tahun 2003 sampai bulan Maret 2006
yang tertera dalam dalam lampiran diperoleh model ramalan berikut.
a. Model ramalan roti Bolu untuk satu bulan
^
y
.2(
7,218
,55
051
t
=
+
x
(Mt Roti Bolu))/3.
b. Model ramalan untuk roti Gulung untuk satu bulan
t
^
y
.1(
7,863
,63
501
=
+
x (Mt Roti Gulung))/3.
c. Model ramalan untuk roti Mandarin untuk satu bulan
t
^
y
.1(
3,837
,61
436
=
+
x (Mt Roti Mandarin))/3.
d. Model ramalan roti Tiga Rasa untuk satu bulan
t
^
y
.2(
5,597
,31
191
=
+
x (Mt Roti Tiga Rasa))/3.
Dari resep masing- masing roti, stok bahan perbulan pada lampiran dan model ramalan
masing-masing roti diperoleh model ramalan sebagai berikut.
Fungsi Tujuan
Z MAX = 3.300A + 3.600B + 2.200C + 2.800D;
Fungsi Kendala
0,25A + 0,6B + 0,4C + 0,25D ≤ 1.500;
0,1875A + 0,3B + 0,3C + 0,1875D ≤ 1.000;
0,04A + 0,05B +0,05C + 0,04D ≤ 250;
0,125A + 0,2B + 0,2C + 0,125D ≤ 700;
0,0625A + 0,1B + 0,1 C + 0,0625D ≤ 400;
0,1A + 0,03D ≤ 200;
0,05A + 0,05B + 0,05C + 0,05D ≤ 250;
0,1B ≤ 100;
0,1C ≤ 100;
0,03D ≤ 50;
0,005D ≤ 50;
A ≤ (2.218,7 + 55,051tA x ( MtA))/3;
B
≤ (1.863,7 + 63,501tB x ( MtB ))/3;
C
≤ (1.837,3 + 61,436tC x ( MtC ))/3;
D
≤ (2.597,5 + 31,191tD x ( MtD ))/3.
Setelah model matematika diketahui, maka formula untuk penyelesaian model
matematika tersebut dengan Lindo adalah sebagai berikut.
MAX 3300A + 3600B + 2200C + 2800D
SUBJECT TO
0.25A + 0.6B + 0.4C + 0.25D <= 1500
0.1875A + 0.3B + 0.3C + 0.1875D <=1000
0.04A + 0.05B +0.05C + 0.04D <= 250
0.125A + 0.2B + 0.2C + 0.125D <= 700
0.0625A + 0.1B + 0.1 C + 0.0625D <= 400
0.1A + 0.03D <= 200
0.05A + 0.05B + 0.05C + 0.05D <= 250
0.1B <=100
0.1C <= 100
0.03D <= 50
0.005D <= 50
A <= (2218,7 + 55.051tA*( MtA ))/3
B <= (1863,7 + 63.501tB*( MtB ))/3
C <= (1837,3 + 61.436tC*( MtC ))/3
D <= (2597,5 + 31.191tD*( MtD ))/3
END
GIN A
GIN B
GIN
C
GIN D.
Saran yang diperoleh dari masalah ini adalah.
1. Untuk memproduksi banyak barang dari bahan baku yang hampir sama,
pabrik harus mengetahui prediksi penjualan yang akan datang agar tidak ada
barang yang tidak terjual sehingga keuntungannya bisa optimal.
2. Apabila terjadi gejolak ekonomi, misalkan kenaikan bahan baku, harga
menyesuaikan tanpa mengurangi mutu produk, dengan mengurangi mutu,
dimungkinkan terjadi penurunan penjualan. |
| id |
IOS16540.107 |
| institution |
Universitas Nahdlatul Ulama Al Ghazali (UNUGHA) Cilacap |
| institution_id |
1657 |
| institution_type |
library:university library |
| library |
Repository UNUGHA |
| library_id |
1395 |
| collection |
Repository UNUGHA |
| repository_id |
16540 |
| city |
Cilacap |
| province |
JAWA TENGAH |
| repoId |
IOS16540 |
| first_indexed |
2022-01-28T08:07:13Z |
| last_indexed |
2022-03-02T21:07:30Z |
| recordtype |
dc |
| merged_child_boolean |
1 |
| _version_ |
1746293586637357056 |
| score |
17.538404 |