DESAIN KEMASAN KARUNG YANG OPTIMALUNTUK PENGEMAS BAHAN CURAH

DESAIN KEMASAN KARUNG YANG OPTIMALUNTUK PENGEMAS BAHAN CURAH

Lusi Zafriana

Fakultas Teknik Industri Universitas Kartini (UNKAR) Surabaya

ABSTRAK

Banyak material dalam jumlah besar seperti semen, garam, dan berbagai produk konsumsi primer menggunakan pengemasan tas plastik dari polypropylene. Karena ukuran pengemasan sangat bergantung pada kerapian jenis material, maka diperlukan optimalisasi desain dari ukuran ukuran tas plastik berdasarkan jenis material (kerapatan jumlah besar) dan bobot kerapian produk. Aplikasi algoritma matematik sederhana, di mana ukuran volume karung akan dirubah menjadi bobot jumlah material, maka optimisasi dari panjang dan lebar karung akan sesuai dengan berat jenis material yang diisikan ke dalam pengemasan dapat ditentukan. Menggunakan metode trial error, nilai l (lebar) dan p (panjang) tas plastik, maka dapat diperkirakan tas plastic dapat menampung material seberat m kilogram

 PENDAHULUAN

Bahan-bahan curah di sekitar kita, seperti beras, garam hingga bahan-bahan seperti semen, dan lain-lain biasa dikemas dalam wadah karung plastik. Karung plastik ini biasanya dibuat dari bahan  polipropilen, yaitu sejenis polimer yang tersusun atas monomer-monomer propilen. Karung dari bahan ini bisa dibuat dalam bentuk karung film ataupun karung woven (anyaman).

Ukuran karung woven yang sesuai akan sangat tergantung pada jenis bahan curah yang akan diisikan ke dalamnya. Untuk berat yang sama (misalnya25 kg), bahan curah dengan bulk density 0,5 g/cc misalnya akan memerlukan ukuran karung yang lebih besar dibandingkan untuk bahan curah dengan bulk density 0,8 g/cc. Pada umumnya yang terjadi di dunia praktek, komunikasi antara konsumen dan produsen terkait dimensi karung ini tidak begitu jelas, yaitu hanya berdasarkan pengalaman. Sebagai contoh ukuran karung untuk kemasan beras 15 kg ialah 42 × 68 cm. Untuk bahan lain di mana ukuran yang sesuai belum diketahui, pihak produsen biasanya akan mencoba-coba berbagai ukuran terlebih dahulu sebelum bisa menetapkan ukuran yang sesuai. Hal ini tentu saja tidak praktis.

Pada penelitian ini akan diungkap suatu cara untuk menghitung dimensi karung yang optimal disesuaikan dengan jenis bahan yang akan diisikan. Dalam hal ini bulk density dari bahan akan menjadi penentu dimensi tersebut. Dengan rumusan yang diperoleh maka penetapan ukuran karung untuk kemasan bahan curah tertentu, di mana selama ini belum diketahui ukuran karungnya, bisa dilakukan secara mudah dan cepat.

METODE

Dalam mendesain kemasan karung yangoptimal, maka dibutuhkan rumus perhitungan dimensi karung. Yang menyebabkan penentuan dimensi karung menjadi sulit ialah karena karung hanya punya dua ukuran, yaitu lebar dan panjang saja. Tidak ada parameter tebal karung, sehingga volume karung tidak bisa dihitung dengan rumus volume biasa.

Dengan mengabaikan volume di luar bentukan balok (di bawah/atas tekukan), maka volume karung

V bisa dihitung secara sederhana sbb:

V = tebal × panjang × lebar = x(p–x)(l–x) ........ (1)

Jika rasio lebar terhadap tebal karung setelah diisi bahan ialah R (jadi R=l/x)

Didapatkan rumus volum karung:

Didapatkan rumus volum karung:

V	=	l2(R–1)(R p–l)	............................................(2)
		R3

HASIL DAN PEMBAHASAN

Setelah V dan R dihitung, masih dibutuhkan bulk density bahan yang akan dikemas. Produsen karung perlu mengidentifikasi berapa kg berat satu liter bahan tersebut, sehingga: Bulk density, Bd = berat (kg) dari 1 liter bahan. Bulk density dalam kasus ini bisa dianalogkan dengan volume alat transpor material handling sebagaimana logika perhitungan Vosniakos (1989).

Dengan rumus yang diperoleh, dicoba-coba nilai l dan p sedemikian sehingga karung akan mampu memuat bahan seberat m kg. Sebagai contoh, bila diinginkan mendisain karung untuk mengemas beras kering 20 kg dengan Bd ≈ 0,8 kg/liter, maka menggunakan Algoritma pada Gambar 4, diperoleh hasil perhitungan seperti terlihat pada Gambar 5, di mana karung dengan lebar 43 cm dan panjang 75 cm cukup untuk mengemas beras 20 kg.

SIMPULAN

Dimensi karung (lebar dan panjang) yang sesuai sebagai pengemas suatu bahan dengan berat tertentu bisa ditentukan dengan perhitungan matematis dengan menghitung nilai volume bahan (p × l) yang akan dikemas dan disesuaikan dengan bulk density dari bahan yang dikemas untuk menentukan berat optimal yang bisa dimuat karung tersebut. Dengan perhitungan volume (p × l) yang dikonversikan pada ukuran berat maksimal yang bisa ditampung karung, maka desain kemasan karung yang dibuat akan mampu mengakomodasi volume maksimal tanpa merusak karung akibat beban berlebih.

DAFTAR PUSTAKA

Stewart, J. 2000. Kalkulus Universitas, Balai Pustaka, Jakarta.

Taha, H.A. 1996. Operations Research: An Introduction, sixth Edition, Prentice Hall, New York.

Tri Polyta Indonesia, Tbk. 2008. Buku Saku Plastik, Klaten.

Vosniakos CC, Davies BJ. 1989. On the path layout and operation of an AGV system serving an FMS. The International Journal of Advanced Manufacturing Technology; 4: 24–362.

Y. Pochet and L.A. Wolsey. 1993. Lot sizing with constant batches: Formulation and valid inequalities, Mathematics of Operations Research 18, 767–785.

http://ejournal.umm.ac.id/index.php/industri/article/viewFile/570/590

PENGOLAHAN SAMPAH KOTA TERSELEKSI MENJADI REFUSED DERIVED FUEL SEBAGAI BAHAN BAKAR PADAT ALTERNATIF

PENGOLAHAN SAMPAH KOTA TERSELEKSI MENJADI REFUSED DERIVED FUEL SEBAGAI BAHAN BAKAR PADAT ALTERNATIF

 DwiAriesHimawanto,1 R. DhimasDhewanggaP,3 Indarto,2 HarwinSaptoadi,2 danTriAgungRohmat2

 ABSTRAK

Limbah Padat Kota (LMK) memiliki potensi besar sebagai bahan baku terbarukan untuk menghasilkan energi modern melalui termokimia yang disebut pyrolyis, dan proses densifikasi untuk membentuk. Refused Derived Fuels (RDF), yaitu LMK briket char. Pada artikel ini, analisis termogravimetri dilakukan untuk menganalisis karakteristik pembakaran briket dari briket LMK dan briket LMK char. Sampel dalam penelitian ini adalah 70% berat komponen organik LMK -30% berat LMK komponen non organik. Sampel 20 gram ditempatkan dalam tungku yang temperaturnya meningkat 10° C/min dan sampai suhu sampel mencapai 400° C dan ditahan selama 30 menit sebelum sampel didinginkan hingga mencapai suhu kamar. 100 ml/menit nitrogen diperlihatkan dari bagian bawah tungku sebagai gas yang terbuang. Char yang sudah terbentuk dipadatkan dan kemudian ditandai dalam keseimbangan makro produksi, diadopsi dari Swithenbank et al. Sampel 3 gram ditempatkan dalam tungku yang temperaturnya meningkat dengan laju pemanasan yang dipilih sampai massa sampel hampir konstan. Penelitian menunjukkan bahwa efek pirolisis memberikan peningkatan nilai sampel pemanasan dan memberikan suhu pengapian lebih rendah dari char briket pembakaran

 PENDAHULUAN

Sampah merupakan bahan yang terbuang dari hasil aktivitas manusia maupun proses alam yang tidak memiliki nilai ekonomi lagi, bahkan dapat menimbulkan dampak yang negatif. Selama ini sampah kota menjadi salah satu masalah lingkungan yang memerlukan penanganan yang sangat serius. Masalah yang sering muncul dalam penanganan sampah kota yang terus bertambah jumlahnya adalah biaya operasional yang tinggi dan semakin sulitnya ruang yang pantas untuk pembuangan, sehingga dalam penanganan sampah kota sering menimbulkan dampak yang buruk terhadap lingkungan. Pada umumnya, sampah dapat dibagi menjadi dua golongan yaitu sampah organik dan anorganik. Selama ini penanganan sampah kota di negara-negara berkembang seperti Indonesia hanya menimbun dan membakar langsung sampah di udara terbuka pada TPA (tempat pembuangan akhir). Hal ini juga tidak bisa mengurangi 100% sampah dan akan menimbulkan permasalahan yaitu produksi yang dihasilkan zat-zat polutan yang dapat mencemari lingkungan yaitu gas-gas hasil pembakaran seperti CO2, NOx, SO2, dan lain-lain.

Estimasi jumlah timbunan sampah di Indonesia pada tahun 2008 diperkirakan mencapai 38,5 juta ton/tahun dengan komposisi terbesar adalah sampah organik (58%), sampah plastik (14%), sampah kertas (9%) dan sampah kayu (4%). (Kementerian Negara Lingkungan Hidup, 2008). Teknologi untuk menangani sampah sebenarnya telah banyak dikembangkan terutama oleh negara-negara maju yaitu di antaranya teknologi sanitary landfill, incineration, gasification, dan anaerobic digestion. Salah satu cara pengolahan sampah yang dipandang cukup prospektif dilakukan adalah mengolah sampah kota menjadi RDF (Refused Derived Fuel), yaitu mengolah sampah kota menjadi char/arang melalui proses pirolisis dan kemudian memadatkannya sehingga menjadi briket char

Pengolahan sampah kota menjadi RDF dalam bentuk briket char telah diteliti oleh beberapa peneliti, dan tampak bahwa karakteristik pirolisis sampah kota dan pembakaran RDF sangat tergantung pada jenis sampel yang diteliti. Oleh karena itu, maka dalam artikel ini akan disajikan hasil penelitian mengenai pengolahan sampah kota. terseleksi menjadi RDF, dengan menggunakan sampel dari beberapa jenis sampah yang banyak dijumpai di Indonesia dan belum terolah secara maksimal.

METODE

Bahan Penelitian

Bahan dalam penelitian ini adalah sampah kota yang terdiri atas 70 % (berat) sampah organik (yang terdiri dari sampah daun pisang dan sampah bambu) dan 30% (berat) sampah non organik (yang meliputi sampah kemasan dan sampah styrofoam). Pemilihan komposisi sampel penelitian didasarkan pada estimasi komposisi timbulan sampah yang ada saat ini.

Peralatan Penelitian

Peralatan yang digunakan dalam penelitian ini terdiri atas peralatan uji pirolisis yang sekaligus dapat berfungsi sebagai peralatan uji pembakaran. Peralatan uji pirolisis bertipe packed bed pyrolizer, yang diadaptasi dari penelitian Swithenbank et al. (2005), yang terdiri atas tungku pemanas yang dilengkapi dengan thermocontroller dengan pembacaan temperatur sampai dengan 1000° C dan reaktor untuk proses pirolisis dengan berdiameter 96 mm tinggi 500 mm. Reaktor pirolisis tersebut dialiri gas nitrogen dari bawah reaktor. Gas nitrogen berasal dari tabung yang dilengkapi dengan pressure gauge dan rotameter guna mengatur laju aliran nitrogen. Sedangkan pada bagian atas tabung reaktor terdapat saluran untuk mengalirkan gas hasil pirolisis ke sistem pendingin. Untuk mengukur pengurangan massa sampel yang terjadi selama proses pirolisis, maka pada bagian tutup reaktor diberikan lubang berdiameter 5mm untuk peletakan kawat yang menghubungkan sampel dengan timbangan digital. Untuk melakukan uji pembakaran, maka aliran gas nitrogen diganti menjadi aliran udara dari blower.

Cara Pengambilan Data

Langkah pertama dalam penelitian ini adalah pengumpulan dan penyiapan bahan baku. Bahan baku yang dikumpulkan adalah sampah kota yang terdiri atas sampah kemasan, sampah yang berbahan baku biomass (daun pisang dan bambu), dan sampah Styrofoam Sampel kemudian dikeringkan sehingga memiliki kadar air maksimal 10%. Dan dihaluskan hingga lolos ukuran 20 mesh. Setelah bahan baku terkumpul maka bahan baku yang berupa sampah organik dan sampah plastik tersebut diuji secara proximate dan uji nilai kalor, pengujian meliputi nilai kalor (heating value) sesuai standar ASTM 2015, kadar air dengan standar pengujian ASTM D-3173, kadar abu sesuai dengan standar pengujian ASTM D-3174, kandungan volatile matter dengan standard ASTM D-3175 dan kadar fixed carbon sesuai dengan standar pengujian ASTM D-3172.

Uji karateristik pembakaran briket char sampah kota menggunakan metode thermogravimetri ,untuk mengetahui karakteristik bahan bakar yang diuji (meliputi temperatur pembakaran di mana massa briket mulai berkurang (volatile matter initiationtemperatur (ITVM)), temperatur ruang bakar di mana laju pengurangan massa meningkat selama proses awal pembakaran (fixed carbon initiation temperature (ITFC)), temperatur ruang bakar yang menghasilkan laju penurunan massa briket terbesar (peak temperature (PT)) dan temperatur ruang bakar di mana massa briket konstan pada akhir tahap pembakaran (burning temperature (BT)) , metode ini dilakukan dengan cara menaikkan temperatur ruang bakar dari temperatur kamar secara bertahap dengan besar kenaikan konstan tiap waktu (direncanakan kenaikan temperatur 20° C/menit) sampai sampel bahan bakar terbakar habis.

HASIL DAN PEMBAHASAN

Hasil Uji Proksimat Bahan Baku

Dari hasil uji proksimat, tampak bahwa komponen non organik memiliki nilai kalor yang tinggi, namun disisi lain, disadari melakukan pembakaran secara langsung terhadap komponen-komponen tersebut akan membawa dampak buruk bagi lingkungan

Penentuan Energy Recovery Proses Pirolisis

Menentukan, komposisi dan teknologi slow pyrolisis yang tepat guna menghasilkan char yang optimum maka perlu mempertimbangkan banyak hal, disebabkan proses slow pyrolisis dapat menghasilkan char dengan nilai kalor yang relatif tinggi namun pengurangan massa akibat proses pirolisis juga cukup besar, sehingga perlu optimasi di antara keduanya, dan juga perlu dipertimbangkan pula pasokan energi yang diperlukan untuk menghasilkan char tersebut. Oleh karena itu dalam menentukan teknologi proses yang tepat digunakan satu besaran yaitu energy yield, yaitu banyaknya energi yang dapat diselamatkan (energy recovery) selama proses pirolisis (Swithenbank (2005), dengan rumusan perbandingan antara nilai kalor char yang dihasilkan dan nilai kalor bahan baku dikalikan dengan massa char yang tersisa setelah proses pirolisis. Hasil penelitian, didapatkan bahwa massa char yang tersisa setelah proses pirolisis adalah sebesar 29,49%, sementara nilai kalor char yang dihasilkan sebesar 5.527,846 kal/gram dan nilai kalor briket sampah kota adalah sebesar 5460,68 sehingga energy yield proses pirolisis yang diteliti adalah sebesar 29,13%.

Karakteristik Pembakaran Briket Char

Karakteristik pembakaran briket char hasil pirolisis campuran dengan komposisi organik-anorganik 70–30 ditampilakan pada gambar 4. Dari gambar tersebut, tampak bahwa pembagian zona pengeringan dan devolatilisasi tidak begitu jelas terlihat, hal inilah yang membedakan dengan pembakaran briket tanpa perlakuan pirolisis. Dari gambar tersebut, tampak bahwa ITVM terjadi pada temperatur 197,5˚ C , ITFC pada temperatur 298,8˚C, sementara PT terjadi pada temperatur 429,5˚ C.Data yang didapatkan, terlihat bahwa proses pembakaran briket char terjadi pada ITVM dan ITFC yang lebih rendah bila dibandingkan dengan briket tanpa pirolisis, hal ini menunjukkan bahwa briket char lebih mudah dibakar bila dibandingkan dengan briket tanpa perlakukan pirolisis. Hal lain yang menarik untuk dicermati adalah briket char memiliki PT yang terjadi pada temperatur yang lebih tinggi dibandingkan dengan briket tanpa perlakuan pirolisis, hal ini menunjukkan bahwa briket char memiliki kecepatan pengurangan massa yang lebih rendah daripada briket tanpa pirolisis.

SIMPULAN

Hasil pengambilan dan pengolahan data dapat disimpulkan bahwa proses pirolisis terhadap sampel sampah kota dengan komposisi 70% organik – 30% non organik akan menghasilkan massa char yang tersisa setelah proses pirolisis sebesar 29,49%, dengan nilai kalor char yang dihasilkan sebesar 5.527,846 kal/gram, sehingga energy yield proses pirolisis yang diteliti adalah sebesar 29,13%. Sementara itu, proses pembakaran briket char sampel yang diteliti terjadi pada ITVM dan ITFC yang lebih rendah daripada briket non pirolisis, namun penurunan massa maksimum terjadi pada temperatur yang lebih besar, sehingga dapat disimpulkan briket char yang diteliti lebih mudah terbakar namun lebih awet dalam pembakaran.

DAFTAR PUSTAKA

Borman, G.L., Ragland, K.W. 1998. Combustion Engineering, International Editions. WCB/McGraw-Hill, Singapore.

Cheng, Z., Chen, H., Zhang, Y., Hack, P., Pan, W.P., 2007. An Application of Thermal Analysis to Household Waste. Journal of ASTM International Vol, 4 No. 1., Paper ID: JAI100523.

Di Blasi, C. 2008. Modeling Chemical and Physical Processes of Wood and Biomass Pyrolisis. Progress in Energy and Combustion Science 34, pp. 47–99.

Grammelis, P., Basinas, P., Malliopoulou, A., Sakellaropoulos, G. 2009. Pyrolisis Kinetics and Combustion Characteristics of Waste Recovered Fuels. Fuel 88, pp. 195–205.

Ojolo, S.J., Bamgboye, A.I. 2005. Thermochemical conversion of Municipal Solid Waste to Produce Fuel and Reduce Waste. The CIGR Ejournal, Vol. VII, Manuscript EE 05 006.

Phan, A.N., Ryu, C., Sharifi, V.N., Swithenbank, J. 2008. Characterisation of Slow Pyrolisis Products from Segregated Wastes for Energy Production. J.Anal.Appl.Pyrolisis 81, pp. 65–71.

Yang, Y.B., Phan, A.N., Ryu, C., Sharifi, V.N., Swithenbank, J. 2007. Mathematical Modelling of Slow Pyrolisis of Segregated Solid Wastes in a Packed-Bed Pyrolyser. Fuel 86, 169–180.

Swithenbank, J., Sharifi, V.N., Ryu, C. 2005. Waste Pyrolisis and Generation of Storable Fuel, SUWIC Department of Chemical and Process Engineering. The University of Sheffield.

Turn, Stephen R. 1996. An Introduction to Combustion.McGraw-Hill.

Yang, Y.B., Phan, A.N., Ryu, C.,Sharifi, V.,Swithenbank, J. 2007. Mathematical Modelling of Slow Pyrolisis of Segregated Solid Waste in A Packed-Bed Pyroliser, Fuel 86, pp. 169–180.

http://ejournal.umm.ac.id/index.php/industri/article/view/576/1922

ALOKASI PASOKAN BERDASARKAN PRODUK UNGGULAN UNTUK RANTAI PASOK SAYURAN SEGAR

ALOKASI PASOKAN BERDASARKAN PRODUK UNGGULAN

UNTUK RANTAI PASOK SAYURAN SEGAR

Rika Ampuh Hadiguna

Jurusan Teknik Industri, Fakultas Teknik ,Universitas Andalas Padang

Marimin

Departemen Teknologi Industri Pertanian, Fakultas Teknologi Pertanian

Institut Pertanian Bogor

ABSTRAK

Penerapan kecerdasan buatan dengan logika fuzzy bisa menjadi salah satu cara untuk mengatasi situasi rantai pasok dalam lingkungan ketidakpastian. Perhatian yang lebih luas untuk pembahasan rantai pasok menggunakan teknik fuzzy masih sangat dibutuhkan. Studi ini bertujuan menerapkan logika fuzzy dalam penentuan alokasi pasokan untuk produk unggulan pada rantai pasok agroindustri sayuran. Model yang terdiri dari tiga sub model. Sub model pertama adalah penentuan jenis sayuran yang diunggulkan menggunakan kombinasi teknik pareto dan metode perbandingan eksponensial (MPE). Sub model kedua adalah sistem pakar untuk menentukan kebutuhan pasokan menggunakan logika fuzzy. Sub model ketiga

adalah optimasi alokasi pasokan menggunakan programa linear obyektif majemuk fuzzy. Model yang dibangun kemudian diterapkan pada sebuah perusahaan agroindustri sayuran dengan produk unggulan terpilih adalah paprika merah. Analisis terhadap prilaku model juga dilakukan untuk skenario pesimis dan optimis.

PENDAHULUAN

Perkembangan studi rantai pasok sangat pesat perkembangannya. Beragam model telah

dikembangkan. Pada umumnya model berdasarkan programa matematis dengan berbagai teknik

diantaranya Vidal & Goetschalkx (2001) menggunakan programa non linear, Shervais & Shannon

(2000) dan Gigler et al. (2002) menggunakan programa dinamis, LeBlanc et al. (2004) menggunakan programa linear, Wouda et al. (2001), Gunnarsson et al. (2004), Bredström et al.

(2004) dan Contesse et al. (2005) menggunakan programa intejer campuran, Bogataj et al. (2005)

menggunakan teknik diferensial. Penerapan kecerdasan buatan menjadi salah satu cara untuk

mengatasi rantai pasok dalam lingkungan ketidakpastian. Salah satu metode yang cukup dikenal

adalah logika fuzzy. Menururt Petrovic et al. (1999) penerapan logika fuzzy dalam manajemen

rantai pasok cukup beralasan karena memiliki kemampuan komputasi yang diperlukan untuk

menghadapi situasi yang tidak tegas sebagai akibat efek bullwhip. Menurut Lee et al. (1997) ada

empat penyebab mayor efek bullwhip yaitu prakiraan permintaan, batching pemesanan, fluktuasi

harga serta kemampuan pasokan.

Penerapan logika fuzzy dalam rantai pasok telah dibahas oleh Petrovic et al. (1999), Carlsson

dan Fuller (2000), Panda & Kar (2005), Rotshtein & Rakityanskaya (2006) dan Getharamani et al.

(2006) mengembangkan model persediaan dalam kerangka manajemen rantai pasok. Perhatian

yang lebih luas untuk pembahasan rantai pasok menggunakan teknik fuzzy masih sangat

dibutuhkan. Pada rantai pasok sayuran, penentuan jumlah dan alokasi pasokan dari berbagai

sumber menjadi masalah karena situasi yang sebenarnya tidak tegas pada jumlah tertentu dan tidak

dapat digambarkan secara persis.

Studi ini bertujuan menerapkan logika fuzzy dalam pada rantai pasok agroindustri sayuran

dengan memilih jenis produk yang diunggulkan, menerapkan sistem inferensi fuzzy untuk

menentukan jumlah pasokan dengan mempertimbangkan permintaan dan persediaan dan

membangun model programa linear fuzzy obyektif majemuk untuk menentukan kombinasi

pasokan optimal dari setiap pemasok yang dipertimbangkan. Studi dilakukan pada sebuah

perusahaan agroindustri hortikultura dengan salah satu produknya adalah sayuran. Alternatif

pemasok didasarkan kebijakan kemitraan yang telah dilakukan oleh perusahaan selama ini. Rantai

pasok yang dibahas dalam studi ini adalah pemasok dan pemrosesan. Pendistribusian kesetiap

pelanggan secara rinci tidak bahas dalam studi ini.

METODE PENELITIAN

Formulasi Model

Dalam studi ini perencanaan pasokan dilakukan untuk satu jenis sayuran yang berkontribusi

paling besar terhadap penjualan. Berdasarkan hal ini maka dibangun beberapa sub model sebagai

tahapan untuk mendapatkan jumlah alokasi pasokan untuk setiap pemasok. Tahapan

pembangunan model alokasi pasokan terdiri dari pemilihan produk unggulan, perencanaan

kebutuhan pasokan dan alokasi pasokan kepada setiap pemasok

Model Alokasi Pasokan

Sub model ketiga adalah model untuk menentukan jumlah alokasi pasokan dari setiap

pemasok. Model yang digunakan adalah programa linear obyektif majemuk. Fungsi obyektif yang

digunakan adalah biaya pembelian, kualitas dan pengiriman. Formulasi model dan prosedur

penyelesaian merujuk pada Kagnicioglu (2006).

HASIL DAN PEMBAHASAN

Pemilihan Produk Unggulan

Langkah awal yang perlu dilakukan adalah menentukan jenis sayuran yang diunggulkan.

Tahap ini menerapkan sub model pemilihan produk unggulan yang menggunakan teknik pareto

dan metode perbandingan eksponensial. Jumlah jenis sayuran yang dianalisis sebanyak 54 jenis.

Ragam sayuran yang mampu diproduksi oleh perusahaan sangat banyak. Namun, tidak seluruh

jenis sayuran mampu diproduksi sendiri. Keterbatasan inilah yang mendorong perusahaan untuk

membangun kerjasama dalam bentuk mitra tani dan mitra beli. Kondisi ini sangat dimungkin

karena perusahaan berada di wilayah pertanian sayuran. Hasil perhitungan persentase kontribusi

penjualan setiap produk selanjutnya dikumulatifkan untuk mendapatkan kontribusi keseluruhan.

Untuk mendapatkan jenis sayuran yang diunggulkan maka diperlukan plotting grafik pareto.

Gambar 3 adalah grafik pareto pengelompokan jenis sayuran. Berdasarkan analisis pareto ini

dapat diklasifikasikan jenis-jenis sayuran menjadi tiga kelompok yaitu kelompok A, kelompok B

dan kelompok C. Pengelompokkan ini didasarkan pada prinsip pareto dimana pengelompokan A

untuk rentang sampai dengan 80%, kelompok B adalah 80-90% dan kelompok C adalah 90-100%

(Smith 1989).

                                                                             

Penentuan Kebutuhan Pasokan

Dasar pemikiran formulasi keputusan yang patut dipertimbangkan adalah meminimumkan

persediaan dan mengatasi resiko produk yang tidak sesuai spesifikasi. Disebabkan sumber dari

berbagai pemasok tentunya perlu dilakukan pensortiran untuk mengurangi resiko sayuran yang

rusak dibeli oleh perusahaan.

Alokasi Pasokan

Pengalokasian dilakukan menggunakan programa linear obyektif majemuk. Obyektif yang

digunakan dalam model ini adalah minimisasi biaya pasokan, minimisasi jumlah sayuran yang

rusak dan maksimisasi ketepatan jadwal pasokan. Data yang dibutuhkan untuk total biaya pasokan

adalah biaya per ton dari setiap pemasok. Rata-rata persentase kerusakan sayuran yang dipasok

adalah data yang dibutuhkan untuk obyektif kualitas. Rata-rata persentase ketepatan jadwal

pasokan adalah data untuk obyektif jadwal pasokan.

Kesimpulan

Model yang dibangun dapat membantu pengambil keputusan dalam penentuan kebutuhan

pasokan dan pengalokasiannya kepada setiap pemasok. Penerapan logika fuzzy sangat membantu

mempermudah permodelan tanpa mengurangi tingkat kompleksitas dari sistem rantai pasok

sayuran. Hasil penerapan sub model 1 memilih jenis paprika merah sebagai sayur unggulan.

Apabila diperhatikan ternyata jenis paprika secara umum memiliki nilai bobot yang tinggi. Pada

tingkat permintaan normal dengan nilai crisp 5.7 ton dengan status persediaan sedikit dengan nilai

crisp 0.05 ton dibutuhkan pasokan sejumlah 6 ton. Pengalokasian kesetiap pemasok diperoleh

masing-masing: internal (x1) sebesar 3000 kg, mitra beli (x2) sebesar 2345.3 kg, mitra tani (x3)

sebesar 654.7 kg dan nila keanggotaan λ sebesar 0.609. Analisis terhadap prilaku model juga

dilakukan untuk skenario pesimis dan optimis

http://puslit2.petra.ac.id/ejournal/index.php/ind/article/view/16709/16701