Anggota Kelompok/Manajemen Pemasaran KS1 2015:

1. Anggriani Yulianto (1561037)

2. Kusadahlina Yudhiharti Puntari (1561038)
3. Lady Azhura Kayoobi (1561154)

Studi Kasus Nomor 18/Bab II/Halaman 67

18. Weemow Lawn Service ingin mulai melakukan pembuangan salju pada musim dingin
ketika tidak ada halaman rumput yang harus dipelihara. Jeff dan Julie Weems, yang
memiliki layanan tersebut, berusaha untuk menentukan berapa banyak perlengkapan
yang harus mereka beli, berdasarkan pada beragam jenis pekerjaan yang mereka miliki.
Mereka berencana untuk bekerja sendiri dan mempekerjakan beberapa mahasiswa
perguruan tinggi local secara per pekerjaan. Berdasarkan pada data cuaca di masa lalu,
mereka memperkirakan akan terdapat enam hujan salju pada musim dingin mendatang.
Hampir seluruh pelanggan ingin salju mereka dibuang tidak lebih dari 2 hari setelah salju
berhenti turun. Dengan bekerja 10jam per hari (hingga malam hari), Jeff dan Julie dapat
membuang salju dari sebuah jalur mobil normal dalam waktu sekitar 1jam dan
dibutuhkan 4jam untuk membuang salju dari sebuah lapangan parkir bisnis dan trotoar.
Biaya variabel (terutama untuk tenaga kerja dan bahan bakar) per pekerjaan adalah $12
untuk jalur mobil dan $47 untuk lapangan parkir. Dengan menggunakan basis pelanggan
layanan halaman rumput mereka sebagai pedoman, mereka yakin akan mendapatkan
permintaan tidak lebih dari 40 pemilik rumah dan 25 perusahaan. Mereka berencana
membebankan harga $35 untuk sebuah jalur mobil rumahan dan $120 untuk sebuah
lapangan parkir perusahaan, yang sedikit lebih murah dibandingkan tarif yang ada.
Mereka ingin mengetahui berapa banyak pekerjaan dari setiap jenis yang akan
memaksimalkan laba mereka.

a. Rumuskan sebuah model pemrograman linear untuk permasalah ini.

b. Pecahkan model ini secara grafis.
Penyelesaian:
1. Identifikasi variabel keputusan
X1=jalur mobil yang akan dibersihkan dari salju
X2=lapangan parkir yang akan dibersihkan dari salju

2. Identifikasi data
a. Jam kerja 10jam per hari tidak lebih dari 2hari pembersihan salju (10jam kerja x
2hari kerja = 20jam kerja per dua hari) dengan masing-masing jam kerja untuk
jalur mobil 1jam dan lapangan parkir 4jam:
Constraint1: X1 + 4X2 ≤ 20
b. Menggunakan layanan halaman rumput sebagai pedoman, untuk mendapatkan
permintaan tidak lebih dari 40 pemilik rumah dan 25 perusahaan:
Constraint2: X2 ≤ 40
Constraint3: X3 ≤ 25
c. Kendala logical restrictions:
Constraint4-5: X1, X2 ≥ 0
d. Biaya variabel yang dibutuhkan sekitar $12 untuk jalur mobil yang dibebankan
harga sekitar $35 ($35 - $12 = $23) menghasilkan keuntungan sebanyak $23 dan
biaya variabel $47 untuk lapangan parkir yang dibebankan harga sekitar $120
($120 - $47 = $73) menghasilkan keuntungan sebanyak $73.

3. Identifikasi fungsi tujuan

Tujuan yang harus dicapai adalah bagaimana mengkombinasikan jumlah X1 dan X2
yang harus dibersihkan dari salju, sehingga total profit margin menjadi maksimal.
Dalam bahasa matematik dapat digambarkan, sebagai berikut:
Max Z = 23X1 + 73X2 (per 10jam kerja)

4. Identifikasi kendala
Di bawah ini adalah tabel identifikasi kendala dari Jeff dan Julie Lawn Service:
Pekerjaan
Kondisi
Jalur mobil (X1) Lapangan parkir (X2)
Jam kerja 1jam 4jam
Biaya variabel $12 $47
Biaya yang dibebankan (charge) $35 $120
Keuntungan $23 $73
 Berdasarkan data di atas dapat disusun fungsi pembatasnya, berikut ini:
X1 + 4X2 ≤ 20
X1 ≤ 40
X2 ≤ 25
X1, X2 ≥ 0
5. Hasil input menggunakan Linear Programming
Max Z = 23X1 + 73X2
X1 + 4X2 ≤ 20 ... I
X1 ≤ 40 ... II
X2 ≤ 25 ... III
X1, X2 ≥ 0 ... IV dan V

Linear Programming Results dan Ranging

 Kolom Value menunjukkan bahwa, nilai optimal untuk X1 = 20 dan X2 = 0. Kolom
Reduced Cost menunjukkan penurunan profit (Z) yang disebabkan setiap peningkatan 1 unit
variabel yang bersangkutan. Contoh untuk X1 reduced cost = 0,000, artinya tidak mungkin
adanya penurunan profit, jika X1 ditingkatkan 1unit. Dapat dikatakan, bahwa reduced cost
tidak memiliki arti relevan untuk variabel yang menjadi basic sebab pasti = 0.

Nilai Dual Value untuk variabel-variabel nonbasic (Constraint1, Constraint2 dan

Constraint3) dapat dilihat pada kolom dual value pada tabel Ranging untuk Constraint1= 0,23,
Constraint2=0, Constraint3=0, Constraint4=0, dan Constraint5=-19. Untuk Constraint1
misalnya, setiap peningkatan Constraint1 (artinya, peningkatan jam kerja untuk pembersihan
salju pada jalur mobil dan lapangan parkir) dapat menambah profit sebesar 0,23 (dalam $1).
Untuk Constraint2, Constraint3, Constraint4 tidak berpengaruh signifikan terhadap
peningkatan profit (dalam $1). Untuk Constraint5=0, mengindikasikan bahwa setiap
peningkatan Constraint5 akan menambah profit sebesar -0,19 (dalam $1).

Nilai Slack/Surplus dari Constraint1 adalah nol menunjukkan tidak adanya slack
(kapasitas jam kerja lawning yang tidak digunakan), tetapi Constraint2 dan Constraint3
masing-masing memiliki nilai 20 dan 25 mengindikasikan adanya slack, dimana jumlah
tersebut merupakan tempat-tempat (rumah dan perusahaan) akan dilakukan lawning yang
tidak terpenuhi. Sedangkan, Constraint4 terjadi surplus sejumlah 20, yaitu terdapat kelebihan
batasan produksi jasa, dan Constraint5 tidak terjadi surplus (jumlah kelebihan angka yang
diinginkan). Dalam kasus ini, Constraint1, Constraint2 dan Constraint3 semuanya bernotasi ≤
kemungkinan yang terjadi adalah slack karena surplus hanya muncul saat constraint
bernotasi ≥ seperti pada Constraint4-5.

Lower bound adalah batas terendah dari koefisien variabel yang boleh berubah atau
tetap untuk menjaga tingkat optimalitas. Upper bound adalah sebaliknya, yaitu batas tertinggi
dari koefisien variabel diperbolehkan berubah atau tetap untuk menjaga tingkat optimalitas.

a) Jika keuntungan X1 (jalur mobil) diturunkan menjadi 18,25 (per $1) dan ditingkatkan
menjadi tidak terhingga (per $1), maka tingkat optimalitas tidak berubah. Tetapi, jika
keuntungan X1 (jalur mobil) diturunkan lebih kecil daripada 18,25 (per $1) dan
ditingkatkan lebih besar daripada nilai tidak terhingga (per $1), maka tingkat
optimalitas berubah.
b) Jika keuntungan X2 (lapangan parkir perusahaan dan trotoar) diturunkan menjadi nilai
negatif tidak terhingga (-∞) (per $1) dan ditingkatkan menjadi 92 (per $1), maka
 tingkat optimalitas tidak berubah. Tetapi, jika keuntungan X2 (lapangan parkir
perusahaan dan trotoar) diturunkan lebih kecil daripada nilai negatif tidak terhingga (-
∞) (per $1) dan ditingkatkan lebih besar daripada 92 (per $1), maka tingkat
optimalitas berubah.

Demikian pula analoginya dengan RHS (Right Hand Side) yang berkaitan dengan
batasan kapasitas pada constraint. Untuk Constraint1 (kapasitas jam kerja), range perubahan
yang dapat menjaga optimalitas hasil, yakni 0 ≤ X ≤ 40, koefisien Constraint2: 20 ≤ X ≤ ∞;
atau dengan kata lain:

a) Jika nilai Constraint1 (pembersihan salju pada jalur mobil dan lapangan parkir)
diturunkan menjadi nol (per jam kerja) dan ditingkatkan menjadi 40 (per jam kerja),
maka tingkat optimalitas tidak berubah, tetapi nilai Constraint1 diturunkan lebih kecil
daripada nilai nol dan ditingkatkan lebih besar daripada nilai 40 (per jam kerja),
maka tingkat optimalitas berubah.

b) Jika Constraint2 sebagai fungsi batasan rumah yang akan dibersihkan dari salju (X1)
diturunkan menjadi 20 (rumah) dan ditingkatkan menjadi tidak terhingga (parkiran
rumah), maka tingkat optimalitas tidak berubah, tetapi jika nilai Constraint2 (salju
pada parkiran rumah) diturunkan lebih kecil daripada nilai 20 dan ditingkatkan lebih
besar daripada nilai tidak terhingga (parkiran rumah), maka tingkat optimalitas
berubah.

c) Jika Constraint3 sebagai fungsi batasan perusahaan yang akan dibersihkan dari salju
(X2) diturunkan menjadi nilai nol (parkiran perusahaan) dan ditingkatkan menjadi
tidak terhingga (parkiran perusahaan), maka tingkat optimalitas tidak berubah, tetapi
jika nilai Constraint3 (salju pada parkiran perusahaan) diturunkan lebih kecil daripada
nilai nol dan ditingkatkan lebih besar daripada nilai tidak terhingga (parkiran
perusahaan), maka tingkat optimalitas berubah.
Solution List

Dalam tabel Solution List dapat dilihat, bahwa variabel yang berstatus basic adalah
X1, X2, Slack 2, Slack 3 dan Surplus 4, sedangkan nonbasic terdiri dari Slack 1 dan Surplus 5.
Maka, dapat disimpulkan bahwa servis lawning yang optimal untuk mendapatkan profit
maksimal disarankan jumlah variabel X1 (jalur mobil) adalah 20 jalur mobil dan variabel X2
(lapangan parkir perusahaan) adalah nol, sehingga Jeff dan Julie Lawn Service dapat
menghasilkan profit sejumlah $460 (Optimal Value Z).

Iterations
Dalam tabel iterations maka dapat disimpulkan bahwa dibutuhkan 7 tabel simplex untuk
memperoleh nilai yang optimal dalam kasus ini.
Graph

Dalam hasil grafik menunjukkan, bahwa isoprofit line sebagai garis tercapainya profit
maksimal tepat di titik kurva X1 dengan nilai profit sejumlah 20rumah.