Optimasi Keuntungan Produksi menggunakan Fuzzy Goal Programming

Abstract

Perencanaan produksi merupakan aspek penting dalam operasional perusahaan yang memiliki berbagai tujuan yang ingin dicapai. Dalam proses ini, sering kali terdapat ketidakpastian yang bersifat fuzzy pada informasi yang berkaitan dengan tujuan tersebut. Penelitian ini bertujuan memodelkan permasalahan perencanaan produksi dengan lebih dari satu fungsi tujuan melalui pendekatan fuzzy goal programming (FGP). Ketidakpastian dalam fungsi tujuan diatasi dengan menggunakan fungsi keanggotaan fuzzy. Model FGP dirumuskan dengan pendekatan max-min Bellman-Zadeh dan diimplementasikan pada perencanaan produksi usaha roti rumahan menggunakan bantuan perangkat lunak Lingo 11.0. Fungsi tujuan yang dioptimalkan meliputi memaksimumkan keuntungan dan meminimumkan waktu produksi. Hasil implementasi menunjukkan bahwa tingkat produksi roti yang optimal dapat memaksimumkan keuntungan dan meminimumkan waktu produksi. Penelitian ini memberikan kontribusi signifikan dalam pengembangan model perencanaan produksi yang lebih adaptif terhadap ketidakpastian.

Production planning is an important aspect of a company's operations that has various objectives to achieve. In this process, there is often fuzzy uncertainty regarding the information related to these objectives. This study aims to model the production planning problem with more than one objective function through a fuzzy goal programming (FGP) approach. The uncertainty in the objective functions is addressed using fuzzy membership functions. The FGP model is formulated using the max-min Bellman-Zadeh approach and implemented in the production planning of a home-based bakery using Lingo 11.0 software. The optimized objective functions include maximizing profit and minimizing production time. The implementation results show that the optimal bread production level can maximize profit and minimize production time. This research makes a significant contribution to the development of a production planning model that is more adaptive to uncertainty.