BAB 1

PENDAHULUAN

A. Pengantar Manajemen Operasi

a. Definisi Manajemen
Pengertian manajemen menurut T. Hani Handoko (2003:3) adalah proses perencanaan,
pengorganisasian, pengarahan dan pengawasan usaha-usaha para anggota organisasi dan
penggunaan sumber daya – sumber daya organisasi lainnya agar mencapai tujuan organisasi
yang telah ditetapkan.
Pengertian manajemen menurut Melayu S.P Hasibuan (2006:2) adalah ilmu dan seni
mengatur proses pemanfaatan sumber daya manusia dan sumber-sumber lainnya secara
efektif dan efisien untuk mencapai suatu tujuan tertentu.
Pengertian Manajemen Menurut Kosasih dan Soewedo (2009:1) adalah pengarahan
menggerakkan sekelompok orang dan fasilitas dalam usaha untuk mencapai tujuan tertentu.
Kesimpulan yang dapat kita ambil dari beberapa pendapat tersebut bahwa manajemen
ialah suatu ilmu yang mempelajari tentang proses perencanaan, pengorganisasian,
pengarahan, serta pengawasan sumber daya baik itu sumber daya manusia maupun sumber
daya yang lainnya agar mencapai tujuan yang sudah ditentukan.
b. Definisi Manajemen Operasi
Menurut T. Hani Handoko (1999), manajemen produksi dan operasi merupakan
usaha-usaha pengelolaan secara optimal penggunaan sumber daya-sumber daya (faktor
produksi) – tenaga kerja, mesin, peralatan, bahan mentah dan sebagainya - dalam proses
transformasi bahan mentah dan tenaga kerja menjadi berbagai produk atau jasa.
Dalam wikipedia, Manajemen operasi adalah area bisnis yang berfokus pada proses
produksi barang dan jasa, serta memastikan operasi bisnis berlangsung secara efektif dan
efesien. Seorang manajer operasi bertanggung jawab mengelola proses
pengubahan input (dalam bentuk material, tenaga kerja, dan energi) menjadi output (dalam
bentuk barang dan jasa).
Apa yang bisa dilakukan manajer operasi dan orientasi manajer operasi? Melakukan
fungsi-fungsi proses manajemen, yaitu seperti : perencanaan, pengorganisasian, pembentukan
staf, kepemimpinan dan pengendalian. Orientasi manajer operasi ialah mengarahkan
 keluaran/output dalam jumlah, kualitas, harga, waktu dan tempat tertentu sesuai dengan
permintaan konsumen.
Tanggung jawab manajer operasi yaitu menghasilkan barang dan jasa, mengambil
keputusan yang berkaitan dengan fungsi operasi dan sistem transformasi, dan mengkaji
pengambilan keputusan dari suatu fungsi operasi.
Zulian Yamit (2003) menyatakan bahwa peranan manajer operasi adalah sebagai berikut:
1. Menentukan dan mengatur letak gudang persediaan dan mesin yang efisien agar tidak menyita
waktu dalam pergerakan.
2. Melakukan pemeliharaan agar menjamin keandalan dan kontinuitas operasi.
3. Mengurangi bagian produk yang rusak atau memperbaiki proses produksi untuk
menghasilkan produk yang berkualitas dengan biaya yang rendah.
4. Menentukan komponen yang akan dibuat atau dibeli dari suplier.
5. Menentukan atau memperbaiki skedul kerja.
6. Mengevaluasi biaya tenaga kerja jika ada penambahan jam kerja.
7. Memperbaiki sistem informasi produk dengan para suplier.
8. Memperbaiki manajemen persediaan.
9. Memperbaiki produktivitas.
10. Mengurangi jika memungkinkan menghapuskan pemborosan.
11. Memperpendek waktu persiapan untuk mengurangi waktu proses, dan sebagainya.
B. Penerapan Teknik Linier Programming (LP) untuk berbagai persoalan business
Pemrograman linier atau PL adalah suatu teknik matematis yang dirancang untuk
membantu para manajer operasi dalam merencanakan dan membuat keputusan yang diperlukan
untuk mengalokasikan sumber daya.
Semua persoalan PL mempunyai empat sifat umum:
a. Persoalan PL bertujuan memaksimalkan atau meminimalkan kuantitas (pada umumnya
berupa keuntungan atau biaya). Sifat umum ini disebut fungsi tujuan (objective function) dari
suatu persoalan PL. Pada umumnya, tujuan utama suatu perusahaan adalah memaksimalkan
keuntungan pada jangka panjang. Dalam kasus sistem distribusi suatu perusahaan angkutan
atau penerbangan, tujuan pada umumnya berupa meminimalkan biaya.
b. Adanya batasan (constraints) atau kendala yang membatasi tingkat sampai di mana sasaran
dapat dicapai. Sebagai contoh, keputusan untuk memproduksi banyaknya unit dari setiap
 produk pada suatu lini produk perusahaan dibatasi oleh tenaga kerja dan permesinan yang
tersedia. Oleh karena itu, untuk memaksimalkan atau meminimalkan suatu kuantitas (fungsi
tujuan) bergantung pada sumber daya yang jumlahnya terbatas (batasan).
c. Harus ada beberapa alternatif tindakan yang dapat diambil. Sebagai contoh, jika suatu
perusahaan menghasilkan tiga produk yang berbeda, manajemen dapat menggunakan PL
untuk memutuskan bagaimana cara mengalokasikan sumber dayanya yang terbatas (tenaga
kerja, permesinan, dan seterusnya). Jika tidak ada alternatif yang dapat diambil, maka PL
tidak diperlukan.
d. Tujuan dan batasan dalam permasalahan pemrograman linier harus dinyatakan dalam
pertidaksamaan atau persamaan linier.
Ada dua metode penyelesaian masalah yang digunakan dalam program linier, yaitu
metode grafis (untuk 2 variabel) dan metode simpleks (untuk 2 variabel atau lebih)
 BAB 2
METODE GRAFIK
1. Persoalan Bauran Produk (Product Mix) dengan pendekatan Metode Grafik
Metode grafik merupakan bagian dari programasi linier yang dapat dijadikan sebagai
suatu alat (tool) guna membantu mencari solusi masalah programasi linier. Metode grafik
dapat digunakan untuk mencari solusi optimal terhadap masalah bauran produk (product mix
problem) yang terdiri dari dua jenis produk saja, misalnya produk A dan Produk B.
Contoh Kasus
1) Shader Electronics Company menghasilkan dua produk: (1) Shader x-pod, sebuah pemutar
musik portabel dan (2) Shader BlueBerry, sebuah ponsel berwarna dengan sambungan
Internet. Proses produksi untuk setiap produk serupa, yaitu keduanya memerlukan waktu
tertentu untuk pengerjaan elektroniknya dan waktu tertentu untuk pengerjaan perakitannya.
Setiap x-pod membutuhkan waktu selama 4 jam untuk pengerjaan elektronik dan 2 jam
untuk perakitan. Setiap BlueBerry memerlukan waktu selama 3 jam untuk pengerjaan
elektronik dan 1 jam untuk perakitan. Sepanjang periode produksi sekarang, tersedia waktu
selama 240 jam waktu pengerjaan elektronik dan 100 jam waktu perakitan. Setiap x-pod
menghasilkan keuntungan $7; dan setiap BlueBerry yang diproduksi menghasilkan
keuntungan $5. Permasalahan yang dihadapi Shader adalah menentukan kombinasi terbaik
antara jumlah x-pod dan BlueBerry yang dibuat untuk mencapai keuntungan maksimal.
Situasi bauran produk ini dapat dirumuskan sebagai masalah pemrograman linier.
Penyelesaian:
1. Pemecahan masalah dimulai dengan merangkum informasi yang diperlukanuntuk
merumuskan dan memecahkan masalah ini (lihat Tabel B.1). Lebih lanjut,
a. Langkah Pertama Menentukan Fungsi Tujuan
1) X1 = jumlah x-pod yang akan diproduksi
2) X2 = jumlah BlueBerry yang akan diproduksi
3) fungsi tujuan PL dapat dibuat dalam kaitannya dengan X1 dan X2:
Memaksimalkan keuntungan = $7X1 + $5X2
b. Langkah kedua adalah membuat hubungan matematis untuk menentukan kedua
batasan dalam masalah ini
1) Batasan pertama: Waktu elektronik yang diperlukan ≤ Waktu elektronik yang
tersedia.
4X1 + 3X2 ≤ 240 (waktu pengerjaan elektronik)
2) Batasan kedua: Waktu perakitan yang diperlukan ≤ Waktu perakitan yang
tersedia.
2X1 + 1X2 ≤ 100 (waktu pengerjaan perakitan)
Perhitungan Manual
a. Memaksimalkan keuntungan = $7X1 + $5X2
Dengan batasan:
1) 4X1 + 3X2 ≤ 240 (batasan waktu pengerjaan elektronik)
2) 2X1 + 1X2 ≤ 100 (batasan waktu pengerjaan perakitan)
3) X1 ≥ 0 (jumlah x-pod yang diproduksi lebih besar atau sama dengan 0)
4) X2 ≥ 0 (jumlah BlueBerry yang diproduksi lebih besar atau sama dengan 0)
b. Langkah pertama yang dilakukan dalam memetakan batasan dari masalah ini adalah
mengubah pertidaksamaan batasan ini menjadi persamaan.
 a. Batasan A: 4X1 + 3X2 = 240
b. Batasan B: 2X1 + 1X2 = 100
c. Untuk dapat memetakan garis pada Figur B.1, hal yang harus dilakukan adalah
mencari titik-titik di mana garis 4X1 + 3X3 = 240 akan berpotongan dengan sumbu
X1 dan X2.
a) Batasan A
 Mis X1 = 0 (tempat di mana garis menyentuh sumbu X2),
4X1 + 3X2 = 240
3X2 = 240
X2 = 80
 Mis X2 = 0 (tempat di mana garis menyentuh sumbu X2),
4X1 + 3X2 = 240
4X1 = 240
X1 = 60
 Sehingga Batasan A : (dimulai dari titik (X1 = 0, X2 = 80) hingga (X1 = 60, X2
= 0)
b) Batasan B
 Mis X1 = 0 (tempat di mana garis menyentuh sumbu X2),
2X1 + 1X2 = 100
1X2 = 100
X2 = 100
 Mis X2 = 0 (tempat di mana garis menyentuh sumbu X2),
2X1 + 1X2 = 100
2X1 = 100
X1 = 50
 Sehingga Batasan A : (dimulai dari titik (X1 = 0, X2 = 100) hingga (X2 = 60,
X1 = 50)
c. Figur B.3 menggambarkan kedua batasan secara bersamaan:
1) Daerah yang diarsir merupakan bagian yang memenuhi kedua batasan.
2) Daerah gelap pada Figur B.3 disebut daerah solusi yang layak, atau secara singkat
daerah yang layak (feasible region).
3) Daerah ini harus memenuhi semua kondisi yang ditetapkan oleh batasan program.
4) Setiap titik dalam daerah tersebut menjadi solusi yang layak bagi persoalan
Shader Electronics Company.
 5) Setiap titik di luar daerah gelap tersebut mewakili solusi yang tidak layak. Mis:
Perusahaan dapat memproduksi 30 x-pod dan 20 BlueBerry (X1 = 30, X2 = 20),
tetapi akan melanggar batasan jika perusahaan memproduksi 70 x-pod dan 40
BlueBerry
d. Metode Solusi Titik Pojok

(Pada Figur B.7) bahwa daerah yang layak untuk Shader Electronics Company
adalah suatu poligon dengan empat titik pojok atau titik ekstrem. Titik-titik ini diberi
label 1, 2, 3, dan 4. Untuk mencari nilai-nilai (X1, X2) yang menghasilkan
keuntungan yang maksimal, harus dicari terlebih dahulu koordinat setiap titik pojok,
kemudian menentukan dan membandingkan keuntungan pada titik-titik tersebut.
a. Titik 1 : (X1 = 0, X2 = 0) Keuntungan $7(0) + $5(0) = $0
b. Titik 2 : (X1 = 0, X2 = 80) Keuntungan $7(0) + $5(80) = $400
c. Titik 4 : (X1 = 50, X2 = 0) Keuntungan $7(50) + $5(0) = $350
d. Titik 3 untuk sementara dilewatkan karena untuk mencari koordinatnya secara
tepat, kita harus terlebih dahulu menyelesaikan perpotongan antara kedua garis
batasannya.
e. Seperti pada aljabar, metode persamaan simultan dapat diterapkan pada kedua
persamaan batasan:
 4X1 + 3X2 = 240 (waktu pengerjaan elektronik)

 2X1 + 1X2 = 100 (waktu perakitan)

 f. Untuk memecahkan persamaan ini secara simultan, persamaan kedua dikalikan
dengan 2:
2(2X1 + 1X2 = 100) = 4X1 + 2X2 = 200

g. Kemudian dikurangkan pada persamaan yang pertama:

4X1 + 3X2 = 240

4X1 + 2X2 = 200

1X2 = 40

h. Dengan melakukan ini, satu variabel, yaitu X1, dapat dieliminasi untuk
mendapatkan nilai X2. Sekarang, X2 dapat diganti menjadi 40 pada persamaan
asal dan mencari nilai X1. Kita gunakan persamaan yang pertama. Ketika X2 = 40,
maka:
4X1 + 3(40) = 240

4X1 + 120 = 240

4X1 = 240 – 120

4X1 = 120

X1 = 120/4 = 30

i. Jadi, titik 3 memiliki koordinat (X1 = 30, X2 = 40). Dengan demikian, keuntungan
dapat dihitung untuk melengkapi analisis:
Titik 3: (X1 = 30, X2 = 40)

Keuntungan = $7(30) + $5(40) = $410.

j. Karena titik 3 menghasilkan keuntungan yang paling tinggi dari semua titik pojok
yang ada, bauran produk X1 = 30 x-pod dan X2 = 40 BlueBerry menjadi solusi
optimal
k. Pada permasalahan di Shader Electronics. Solusi ini akan menghasilkan
keuntungan senilai $410 pada setiap periode produksi
2. Metode Grafis dengan menggunakan aplikasi POM
Langkah-langkah:
1) Pilih menu Module, kemudian pilih Linier Programming
2) Pilih menu File kemudian pilih New

a) Klik pada bagian <untitled>jika ingin memberi judul sesuai yang diinginkan, atau
biarkan saja jika tidak ingin memberi judul (langsung pada langkah 4).

b) Isi jumlah batasan pada number of constraint dengan cara mengetik langsungpada
angka yang ada atau dengan mengeklik/menggerakkan tanda panah (pada contoh,
jumlah batasan adalah 2).
c) Isi jumlah variabel pada number of variable dengan cara mengetik langsung
padaangka yang ada atau dengan mengeklik/menggerakkan tanda panah (pada
contoh,jumlah batasan adalah 2).

d) Pada objective dipilih sesuai fungsi tujuan, dalam permasalahan ini

fungsitujuannya adalah memaksimalkan, berarti kita pilih maximize (klik
padamaximize)

e) Tekan OK, hingga muncul tampilan sebagai berikut.

f) Isi tabel pada tampilan tersebut sesuai bentuk matematis permasalahan. Variabel
X1, X2 dan constraint 1-2 bisa diubah sesuai nama variabel dan batasan dengan
cara mengetik seperti biasa, sehingga hasilnya adalah sebagai berikut:
g) Klik tanda panah untuk mengganti tanda batasan menjadi <=, = atau >= .
h) Pilih/klik solve, untuk menampilkan hasil analisis:

i) Out put hasil analisis:

j) Berdasarkan output analisis, diketahui bahwa untuk memaksimalkan keuntungan,

maka perusahaan harus memproduksi x-pod(X1) sebanyak 30unit (nilai
optimalnya = 30) dan BlueBerry(X2) sebanyak 40 unit(nilai optimalnya = 40).
Kombinasi produksi tersebut akan memberikan keuntungan sebesar $410, yang
 diperoleh dari sepatu x-pod(X1) sebesar $210 (30 * $7) dan dari
BlueBerry(X2)sebesar $200 (40*$5).
k) Untuk memunculkan tabel ranging, daftar solusi iterasi dan grafik hasil analisis
maka klik pilihan yang dimaksud, atau klik window pada menu kemudian
pilihpilihan yang dimaksud hingga muncul tampilan dari masing – masing pilihan.

a) Table Ranging

Pada Tabel Ranging terlihat nilai reduced cost untuk masing–masing

variabel (x-pod(X1) dan BlueBerry(X2)) adalah 0 (tidak memiliki reduced
cost), artinya nilai biaya yang dikurangkan adalah nol di mana hal ini
menunjukkan bahwa penggunaan kedua variabel tersebut sudah optimal.
1) Original Value, Dual Value dan Slack
Pada Tabel Ranging terlihat nilai original value untuk masing–masing
batasan (Elektronik dan Perakitan) adalah sebesar 240 dan 100. Dari
penggunaan input tersebut yang sudah optimal (full capasity) adalah
penggunaan depatement/bagian Elektronik dan Perakitan yang ditandai
dengan nilai slack/sisa-nya yang mencapai nol. Ketika nilai slack sama
dengan nol maka setiap penambahan input (Departemen) sebesar 1 unit
(jam) akan meningkatkan keuntungan sebesar nilai dual pricenya yaitu 1.5
untuk departemen elektronik dan 0.5 untuk Departemen Perakitan.
2) Lower Bound dan Upper Bound
Nilai Lower Bound dan Upper Bound digunakan untuk melakukan
analisis sensitivitas.Analisis sensitivitas merupakan analisis yang bertujuan
untuk memberikan jawaban atas seberapa jauh perubahan dibenarkan tanpa
merubah solusi optimum atau tanpa menghitung solusi optimum baru dari
awal yang dinyatakan dengan nilai batas atas dan batas bawah (Lower
Bound dan Upper Bound).
Batas atas dan batas bawah koefisien fungsi tujuan untuk variabel (x-
pod(X1) adalah6.67 sampai 10, sedangkan untuk variabel BlueBerry(X2)
yaitu 3.5 sampai 5.25. Berdasarkan nilai tersebut, berarti nilai koefisien bisa
diubah sesuai dengan batas atas dan batas bawah yang dianjurkan karena
pada rentang nilai koefisien, fungsi tujuan ini tidak akan merubah nilai
optimalnya.
Batas atas dan batas bawah koefisien fungsi tujuan untuk batasan
Departemen Elektronik adalah 200 sampai 300, dan untuk Departemen
Perakitan adalah 80 sampai 120. Berdasarkan nilai tersebut, berarti nilai
koefisien bisa diubah sesuai dengan batas atas dan batas bawah yang
dianjurkan karena pada rentang nilai koefisien, fungsi tujuan ini tidak
akanmerubah nilai keuntungan yang diperoleh.
b) Solution List

Berdasarkan tampilan di atas terlihat solusi optimum hasil analisis, di mana x-

pod(X1) adalah sebesar 30 unit sedangkan untuk BlueBerry adalah sebesar 40
unit, hingga diperoleh nilai optimal (keuntungan) sebesar $410.
c) Iterations

Iterasi merupakan tahapan (perhitungan, seperti perhitungan manual) yang

dilalui hingga diperoleh solusi optimal.Berdasarkan tampilan di atas, pada
permasalahan ini hanya terdapat 3 iterasi untuk mencapai solusi optimal.
 d) Grafik

2) Pemilik perusahaan kayu CV. Ultra Jaya Abadi yang memiliki kayu dan tenaga kerja akan
membuat kursi dan meja. Tersedia kayu jati sebanyak 400 board feet dan tenaga kerja 450
orang/jam. Untuk membuat kursi diperlukan 5 board feet dan 10 orang/jam serta
menghasilkan keuntungan Rp45 ribu. Selanjutnya 1 meja memerlukan 20 board feet dan
15 orang/jam serta menghasilkan keuntungan Rp80 ribu. Berapa banyak menja dan kursi
harus diproduksi agar jumlah keuntungan yang dicapai maksimum dengan memperhatikan
pembatasan bahwa kayu tidak boleh melebihi 400 board feet dan tenaga tidak melebihi 450
orang/jam.
Max Z = 45X1+80X2
Subj. to:
5X1 + 20X2 ≤ 400
10X1 + 15X2 ≤ 450
x1 ≥ 0, x2 ≥ 0
Langkah-langkah:
1) Pilih menu Module, kemudian pilih Linier Programming
2) Pilih menu File kemudian pilih New

3) Klik pada bagian <untitled>jika ingin memberi judul sesuai yang diinginkan, atau
biarkan saja jika tidak ingin memberi judul (langsung pada langkah 4).

4) Isi jumlah batasan pada number of constraint dengan cara mengetik langsung pada
angka yang ada atau dengan mengeklik/menggerakkan tanda panah (pada contoh,
jumlah batasan adalah 2).
5) Isi jumlah variabel pada number of variable dengan cara mengetik langsung pada angka
yang ada atau dengan mengeklik/menggerakkan tanda panah (pada contoh, jumlah
batasan adalah 2).

6) Pada objective dipilih sesuai fungsi tujuan, dalam permasalahan ini fungsi tujuannya
adalah memaksimalkan, berarti kita pilih maximize (klik pada maximize)

7) Tekan OK, hingga muncul tampilan sebagai berikut.

8) Isi tabel pada tampilan tersebut sesuai bentuk matematis permasalahan. Variabel X1, X2
dan constraint 1-2 bisa diubah sesuai nama variabel dan batasan dengan cara mengetik
seperti biasa, sehingga hasilnya adalah sebagai berikut:
9) Pilih/klik solve, untuk menampilkan hasil analisis:
 10) Out put hasil analisis:

11) Berdasarkan output analisis, diketahui bahwa untuk memaksimalkan keuntungan,

maka perusahaan harus memproduksi Kursi (X1) sebanyak 24unit (nilai optimalnya =
24) dan Meja (X2) sebanyak 14 unit(nilai optimalnya = 14). Kombinasi produksi
tersebut akan memberikan keuntungan sebesar Rp.2.200, yang diperoleh dari Kursi
(X1) sebesar Rp.1.080 (24 * Rp.45) dan dari Meja (X2) sebesar Rp.1.120 (14*Rp.80).
12) Untuk memunculkan tabel ranging, daftar solusi iterasi dan grafik hasil analisis maka
klik pilihan yang dimaksud, atau klik window pada menu kemudian pilih pilihan yang
dimaksud hingga muncul tampilan dari masing – masing pilihan.
a) Table Ranging

Pada Tabel Ranging terlihat nilai reduced cost untuk masing–masing variabel
(x-pod(X1) dan BlueBerry(X2)) adalah 0 (tidak memiliki reduced cost), artinya nilai
biaya yang dikurangkan adalah nol di mana hal ini menunjukkan bahwa penggunaan
kedua variabel tersebut sudah optimal.
1) Original Value, Dual Value dan Slack
Pada Tabel Ranging terlihat nilai original value untuk masing–masing batasan
(Kayu Jati dan Tenaga Kerja) adalah sebesar 400 dan 450. Dari penggunaan input
tersebut yang sudah optimal (full capasity) adalah penggunaan depatement/bagian
Elektronik dan Perakitan yang ditandai dengan nilai slack/sisa-nya yang mencapai
nol. Ketika nilai slack sama dengan nol maka setiap penambahan input
(Departemen) sebesar 1 unit (jam) akan meningkatkan keuntungan sebesar nilai
dual pricenya yaitu Rp.1 untuk kayu jati dan Rp.4 untuk Tenaga Kerja.
2) Lower Bound dan Upper Bound
Nilai Lower Bound dan Upper Bound digunakan untuk melakukan analisis
sensitivitas.Analisis sensitivitas merupakan analisis yang bertujuan untuk
memberikan jawaban atas seberapa jauh perubahan dibenarkan tanpa merubah
solusi optimum atau tanpa menghitung solusi optimum baru dari awal yang
dinyatakan dengan nilai batas atas dan batas bawah (Lower Bound dan Upper
Bound).
Batas atas dan batas bawah koefisien fungsi tujuan untuk Kursi (X1)
adalah20 sampai 53.33, sedangkan untuk Meja (X2) yaitu 67.5 sampai 180.
Berdasarkan nilai tersebut, berarti nilai koefisien bisa diubah sesuai dengan batas
 atas dan batas bawah yang dianjurkan karena pada rentang nilai koefisien, fungsi
tujuan ini tidak akan merubah nilai optimalnya.
Batas atas dan batas bawah koefisien fungsi tujuan untuk batasan Kayu
Jatiadalah 225 sampai 600, dan untuk Tenaga Kerja adalah 300 sampai 800.
Berdasarkan nilai tersebut, berarti nilai koefisien bisa diubah sesuai dengan batas
atas dan batas bawah yang dianjurkan karena pada rentang nilai koefisien, fungsi
tujuan ini tidak akanmerubah nilai keuntungan yang diperoleh.
b) Solution List

Berdasarkan tampilan di atas terlihat solusi optimum hasil analisis, di Kursi (X1)
adalah sebesar 24 unit sedangkan untuk Meja adalah sebesar 14 unit, hingga
diperoleh nilai optimal (keuntungan) sebesar Rp.2.200.
c) Iterations
 Iterasi merupakan tahapan (perhitungan, seperti perhitungan manual) yang dilalui
hingga diperoleh solusi optimal.Berdasarkan tampilan di atas, pada permasalahan ini
hanya terdapat 3 iterasi untuk mencapai solusi optimal.
d) Grafik

Berdasarkan grafik hasil analisis, bisa dilihat kemungkinan kombinasi produksi

untuk Kursi (X1) dan Meja (X2) yaitu pada daerah yang diblock dan kombinasi yang
optimal adalah pada 24 dan 14.
e) Apabila kita ingin memperbaiki data atau kembali pada tampilan ketikamemasukkan
data, maka klik edit data.
3. Latihan Kasus Metode Grafis
1. Suatu perusahaan memproduksi dua jenis produk yaitu P1 dan P2. Untuk menghasilkan satu
unit P1 membutuhkan dua sumberdaya (SD), masing-masing SD1 sebanyak 4 meter dan SD2
sebanyak 4 meter. Sedangkan untuk menghasilkan satu unit P2 membutuhkan SD1 sebanyak
2 meter dan SD2 sebanyak 6 meter. Karena adanya keterbatasan waktu dan modal yang
dimiliki perusahaan, SD1 hanya mampu disediakan tidak lebih dari 40 jam per minggu, dan
SD2 sebanyak 60 meter per minggu. Berdasarkan hasil penelitian diketahui bahwa, P1 hanya
dapat diserap pasar tidak lebih dari 10 unit dan P2 diserap tidak lebih dari 9 unit per minggu.
Keuntungan per unit untuk P1 sebesar Rp1jt dan P2 sebesar Rp1,25 jt. Permasalahan yang
dihadapi adalah, berapa unit P1 dan P2 harus diproduksi agar diperoleh keuntungan maksimal
bagi perusahaan.
2. Cari x1, x2
Fungsi Tujuan:
Max Z = 15x1 + 10x2
Subj. to:
2x1 + 3x2 ≤ 8
x1 + 2x2 ≤ 5
x1 ≥ 0, x2 ≥ 0

3. Cari x1, x2
Fungsi Tujuan:
Max Z = 250x1 + 100x2
Subj. to:
10x1 + 5x2 ≤ 3000
5x1 + 10x2 ≤ 2200
x1 ≥ 0, x2 ≥ 0
 BAB 3
METODE SIMPLEKS
Metode penyelesaian program linier dengan metode simpleks pertamakali dikemukakan
oleh George Dantzig pada tahun 1947.Metode ini menjadi terkenal ketika diketemukan alat
hitung elektronik dan menjadi poluler ketika munculnya komputer. Proses perhitungan metode
ini dengan melakukan iterasi berulang-ulang sampai tercapai hasil optimal dan proses
perhitungan ini menjadi mudah dengan komputer. Selanjutnya berbagai alat dan metode
dikembangkan untuk menyelesaikan masalah program linear bahkan sampai pada masalah riset
operasi hingga tahun 1950 an seperti pemrograman dinamik, teori antrian, dan persediaan.
Program Linier merupakan metode matematik dalam mengalokasikan sumber daya yang
langka untuk mencapai tujuan tunggal seperti memaksimumkan keuntungan atau
meminimumkan biaya. LP (Linier Programming) banyak diterapkan dalam membantu
menyelesaikan masalah ekonomi, indutri, militer, social dan lain-lain.
Karakteristik persoalan dalam program linier adalah sebagai berikut:
a. Ada tujuan yang ingin dicapai
b. Tersedia beberapa alternatif untuk mencapai tujuan
c. Sumberdaya dalam keadaan terbatas
d. Dapat dirumuskan dalam bentuk matematika (persamaan/ketidaksamaan)
Contoh pernyataan ketidaksamaan:
Untuk menghasilkan sejumlah meja dan kursi secara optimal, total biaya yang dikeluarkan
tidak boleh lebih dari dana yang tersedia.
. Beberapa ketentuan yang perlu diperhatikan dalam penyelesaian metode simpleks:
1. Nilai kanan fungsi tujuan harus nol (0)
2. Nilai kanan fungsi kendala harus positif. Apabila negatif, nilai tersebut harus dikali
dengan - 1
3. Fungsi kendala dengan tanda “≤” harus diubah ke bentuk “=” dengan menambahkan
variabel slack/surplus. Variabel slack/surplus disebut juga variabel dasar. Penambahan
slack variabel menyatakan kapasitas yang tidak digunakan atau tersisa pada sumber daya
tersebut. Hal ini karena ada kemungkinan kapasitas yang tersedia tidak semua digunakan
dalam proses produksi.
4. Fungsi kendala dengan tanda “≥” diubah ke bentuk “≤”dengan cara mengkalikan dengan
 -1, lalu diubah ke bentuk persamaan (=) dengan ditambah variabel slack. Kemudian
karena nilai kanan-nya negatif, dikalikan lagi dengan -1 dan ditambah artificial variabel
(M). Artificialvariabel ini secara fisik tidak mempunyai arti, dan hanya digunakan untuk
kepentinganperhitungan saja. Atau Jika kendala bertanda “≥”,diubah ke bentuk
persamaan (=), maka kurangkan ruas kiri dgn variabel surplus dan tambahkan juga ruas
kiri dgn artificial variabel (M).
4. Fungsi kendala dengan tanda “=” harus ditambah artificial variabel (M)
Metode simplex merupakan prosedur aljabar yang bersifat iteratif, yang bergerak
selangkah demi selangkah, dimulai dari suatu titik ekstrem pada daerah fisibel ( ruang solusi)
menuju ke titik ekstrem optimum.

1. Formulasi Model Program Linier

Masalah keputusan yang sering dihadapi analis adalah mengalokasikan secara
optimum keterbatasan/kelangkaan sumber daya.Sumber daya dapat berupa uang, tenaga kerja,
bahan mentah, kapasitas mesin, waktu, ruang atau teknologi.Tugas analis adalah mencapai
hasil terbaik yang mungkin dengan keterbatasan sumber daya itu.Hasil yang dinginkan
mungkin ditunjukkan sebagai maksimasi dari beberapa ukuran profit, penjualan dan
kesejahteraan, atau minimisasi pada biaya, waktu dan jarak.Masalah optimasi ini dapat
diselesaikan dengan program linier.
Langkah-langkah dalam perumusan model program linier adalah sebagai berikut:
1. Definisikan Variabel Keputusan (Decision Variable)
a. Variabel yang nilainya akan dicari
2. Rumuskan Fungsi Tujuan:
a. Maksimisasi atau Minimisasi
b. Tentukan koefisien dari variabel keputusan
3. Rumuskan Fungsi Kendala Sumberdaya:
a. Tentukan kebutuhan sumberdaya untuk masing-masing peubah keputusan.
b. Tentukan jumlah ketersediaan sumberdaya sbg pembatas.
4. Tetapkan kendala non-negatif
a. Setiap keputusan (kuantitatif) yang diambil tidak boleh mempunyai nilai negatif.
2. Contoh Persoalan: (Perusahaan Meubel)
Suatu perusahaan menghasilkan dua produk, meja dan kursi yang diproses melalui dua bagian
 fungsi: perakitan dan pemolesan. Pada bagian perakitan tersedia 60 jam kerja, sedangkan
pada bagian pemolesan hanya 48 jam kerja. Untuk menghasilkan 1 meja diperlukan 4 jam
kerja perakitan dan 2 jam kerja pemolesan, sedangkan untuk menghasilkan 1 kursi diperlukan
2 jam kerja perakitan dan 4 jam kerja pemolesan. Laba untuk setiap meja dan kursi yang
dihasilkan masing-masing Rp. 80.000 dan Rp. 60.000,- Berapa jumlah meja dan kursi yang
optimal dihasilkan?
Penyelesaian:
Definisi variabel keputusan:
Keputusan yang akan diambil adalah berapakah jumlah meja dan kursi yg akan dihasilkan. Jika
meja disimbolkan dengan M dan kursi dengan K, maka definisi variabel keputusan:
M = jumlah meja yang akan dihasilkan (dalam satuan
unit) K = jumlah kursi yang akan dihasilkan (dalam
satuan unit)
Perumusan persoalan dalam bentuk tabel:

Waktu yang dibutuhkan

PROSES per unit Total Jam
Meja Kursi Tersedia

Perakitan 4 2 60
Pemolesan 2 4 48
Laba/unit 80000 60000

Perumusan fungsi tujuan:

Laba untuk setiap meja dan kursi yg dihasilkan masing-masing Rp.80.000 dan Rp.
60.000.Tujuan perusahaan adalah untuk memaksimumkan laba dari sejumlah meja dan kursi
yang dihasilkan. Dengan demikian, fungsi tujuan dapat ditulis:
Fungsi Maks.:
Laba = 8 M + 6 K (dalam satuan Rp.10. 000) Perumusan fungsi kendala:
Dengan kendala:
1) 4M + 2K ≤ 60
2) 2M + 4K ≤ 48
Kendala non-negatif:
Meja dan kursi yang dihasilkan tidak memiliki nilai negatif. M ≥ 0 ;K ≥ 0
3. Ketentuan Penggunaan Tabel Simpleks
Ketentuan penggunaan tabel simpleks yaitu sebagai berikut:
a. Fungsi – fungsi batasan menggunakan notasi ≤
b. Fungsi Batasan harus diubah dari ≤ ke bentuk “=“ dengan menambahkan slack variable
(variabel surplus) yang dimulai dari Xn+1, Xn+2…. Xn+m
c. Proses pengulangan dihentikan apabila koefisien–koefisien dari fungsi tujuan sudah tidak
ada yang negatif.
Bentuk tabel simpleks adalah sebagai berikut:
Tabel 1. Bentuk Tabel Simpleks

Slack Variabel Nilai Kanan

Variabel Dasar (NK)
(VD) Z X1 X2 … Xn Xn+1 Xn+2 … Xn+m

Z 1 -C11 -C22 …. -Cn 0 0 0 0

Xn+1 0
Xn+2 0 a11 a12 an 1 0 0 b1
.
.
.
Xn+m 0 am1 am2 amn 0 0 1 bm

Dimana :
m = Banyaknya fungsi Batasan (kendala) n = Banyaknya variable Ouput
b1 = Batasan sumber 1 b2 = Batasan sumber 2 bm = batasan sumber m

4. Metode Simpleks Maksimisasi

Untuk implementasi metode simpleks maksimisasi, kasus yang diambil adalah contoh
pada perusahaan meubel diatas.Tahapan-tahapannya dijelaskan pada bagian berikut.
1. Menentukan fungsi tujuan dan fungsi-fungsi kendala
Misalkan X1 = Meja dan X2 = Kursi, Fungsi Tujuan : Z = 8X1 + 6X2
Fungsi-fungsi Kendala:
1) 4 X1 + 2 X2≤ 60
2) 2 X1 + 4 X2≤ 48
2. Mengubah fungsi tujuan dan fungsi kendala ke bentuk standar
Bentuk Standar Simpleks:
Z - 8X1 - 6X2 = 0
4 X1 + 2 X2 + X3 = 60
2 X1 + 4 X2 + X4 = 48
Dengan X3 dan X4 adalah variabel slack.
3. Membuat tabel simpleks awal
a. Menentukan Kolom Kunci dan Baris Kunci sebagai dasar iterasi.
b. Kolom kunci ditentukan oleh nilai Z
1) Pilih nilai Z negatif dengan angka terbesar
2) Jika nilai negatif terbesar (untuk tujuan maksimisasi) atau positif terbesar (untuk
tujuan minimisasi) lebih dari satu, pilih salah satu secara sembarang.
c. Baris Kunci ditentukan berdasarkan nilai indeks terkecil.
Nilai Kanan (NK)
Cara menentukan indeks =
Kolom Kunci (KK)
d. Menentukan nilai elemen cell yaitu nilai perpotongan antara kolom kunci dengan baris
kunci.
Langkah-langkah di atas disajikan pada tabel simpleks berikut ini.
Tabel 1. Tabel Simpleks Awal

4
 4. Melakukan Iterasi
Dengan menentukan baris kunci baru dan baris-baris lainnya termasuk Z.
a. Membuat baris kunci baru
Baris Kunci Lama
Baris Kunci Baru =
Elemen Cell
4 2 1 0 60
Baris Kunci Baru (X1) =
4

X1 = 1 ½ ¼ 0 15
b. Membuat baris Z baru
Baris Z Baru = Baris Z Lama – (Nilai Kolom Kunci Baris yang Sesuai * Baris Kunci
Baru)
Baris Z Baru = ( -8 -6 0 0 0 ) – (-8)*( 1 ½ ¼ 0 15 )
= 0 -2 2 0 120
c. Membuat baris variabel baru
Baris X4 Baru = Baris X4 Lama – (Nilai Kolom Kunci Baris yang Sesuai * Baris Kunci
Baru)
Baris X4 Baru = ( 2 4 0 1 48 ) – (2)*( 1 ½ ¼ 0 15 )
= 0 3 -1/2 1 18

Baris kunci baru (X1), baris Z baru, baris X4 baru, nilai-nilainya disajikan pada tabel
simpleks berikut.Tabel simpleks ini adalah tabel simpleks hasil iterasi pertama.
Tabel 3. Tabel Simpleks Hasil Iterasi-1

Variabel Dasar Slack Variabel Nilai Kanan

Indeks
(VD) Z X1 X2 X3 X4 (NK)
Z 1 0 -2 2 0 120 -60
X1 0 1 ½ ¼ 0 15 7,5 Baris
X4 0 0 3 -½ 1 18 6 Kunci
(BK)
Kolom
Elemen
Kunci
Cell
(KK)
5. Lakukan Iterasi Kembali sampai tidak ada nilai baris Z yang negatif

a. Membuat baris kunci baru

0 3-½ 1 18
Baris Kunci Baru (X2) =
3

X2 = 0 1 -1/6 1/3 6
b. Membuat baris Z baru

Baris Z Baru = ( 0 -2 2 0 120 ) – (-2)*( 0 1 -1/6 1/3 6)

= 0 0 5/3 2/3 132
c. Membuat baris variabel baru
Baris X1 Baru = ( 1 ½ ¼ 0 15 ) – ( ½ )*( 0 1 -1/6 1/3 6)
= 1 0 1/3 -1/6 12
Baris kunci baru (X2), baris Z baru, baris X1 baru, nilai-nilainya disajikan pada
tabel simpleks berikut. Tabel simpleks ini adalah tabel simpleks hasil iterasi kedua.
Tabel 4. Tabel Simpleks Hasil Iterasi-2

Variabel Dasar Slack Variabel Nilai Kanan

(VD) Z X1 X2 X3 X4 (NK)
Z 1 0 0 5/3 2/3 132
X1 0 1 0 1/3 -1/6 12
X2 0 0 1 -1/6 1/3 6

6. Hasil
Karena nilai-nilai pada baris Z sudah tidak ada yang negatif, berarti iterasi selesai,
dan solusi yang diperoleh adalah: X1 = Meja = 12, X2 = Kursi = 6 dan Nilai fungsi tujuan
Z (laba) = 132 (dalam puluhan ribu rupiah). Artinya, untuk memperoleh keuntungan yang
maksimum sebesar Rp.1.320.000, maka perusahaan sebaiknya memproduksi meja
sebanyak 12 unit dan kursi sebanyak 6 unit. Dari tabel tersebut juga diketahui nilai X3dan
X4 tidak ada (X3 dan X4 = 0), artinya seluruh waktu kerja (Perakitan dan Pemolesan) sudah
habis digunakan, tidak ada waktu yang tersisa.
 7. Tugas
Selesaikan kasus simpleks maksimisasi perhitungan manual diatas dengan menggunakan
aplikasi POM
5. Penyimpangan – Penyimpangan Bentuk Standar
 Fungsi batasan dengan tanda sama dengan (=) maka harus memasukkan / menambahkan
variabel-variabel surplus dan artifisial ke dalam fungsi tujuan, dimana koefisien untuk
var. surplus = 0 dan koefisien var. artifiasial = M dimana (M adalah konstanta yang
nilainya sangat besar sekali, tapi berhingga, misalnya ribuan, puluhan ribu,dst). Ada dua
metode yang dapat dilakukan untuk menolkan variabel semu yaitu:
 Metode M besar (Big M)
 Metode dua fase (dua tahapan
Contoh Metode M besar (Big M):
1. Fungsi kendala:
a. 4X1 + 2X2 ≤ 60 menjadi 4X1 + 2X2 + X3 = 60
b. 2X1 + 4X2 = 48 menjadi 2X1 + 4X2 + X4 = 48
2. Fungsi tujuan:
Z = 8X1 + 6X2menjadi Z – 8X1 – 6X2 + MX4 = 0
Nilai setiap variabel dasar (X4) harus sebesar 0, sehingga fungsi tujuan harus dikurangi
dengannilai M yang dikalikan dengan fungsi batasan yang bersangkutan (b). Diperoleh
nilai baris Z sebagai berikut:
( -8 -6 0 M 0)
M(2 4 0 1 48 ) –
(-8-2M) (-6-4M) 0 0 -48M
Bentuk tabel simpleks awal adalah sebagai berikut:

Tabel 1. Tabel Simpleks Awal Untuk Penyipangan Bentuk Standar

Variabel
Slack Variabel Nilai
Dasar
Z X1 X2 Indeks
VD Kanan
X3 X4
(NK)
Z 1 -8-2M -6-4M 0 0 -48M
X3 0 4 2 1 0 60 15
X4 0 2 4 0 1 48 24
 Membuat baris kunci baru

4 2 1 0 60
Baris Kunci baru (X1) =
4
= 1 ½ ¼ 0 15
 Membuat baris Z baru

Baris Z Baru = (-8-2M -6-4M 0 0 -48M) – (-8-2M)*(1 ½ ¼ 0 15)

(-8-2M -6-4M 0 0 -48M)
(-8-2M -4-M -2-1/2M 0 -120-30M)
=
0 -2-3M 2+½M 0 120-18M
 Membuat baris variabel baru

Baris X4 Baru =(2 4 0 1 48 ) – ( 2 )*( 1 ½ ¼ 0 15 )

(2 4 0 1 48 )
(2 1 ½ 0 30 )
=
0 3 -1/2 1 18

Baris kunci baru (X1), baris Z baru, baris X4 baru, nilai-nilainya disajikan pada tabel
simpleksberikut.Tabel simpleks ini adalah tabel simpleks hasil iterasi pertama.

Tabel 2. Tabel Simpleks Iterasi -1 Untuk Penyipangan Bentuk Standar

Variabel
Slack Variabel Nilai
Dasar
Z X1 X2 Indeks
VD Kanan
X3 X4
(NK)
Z 1 0 -2-3M 2+1/2M 0 120-18M
X1 0 1 ½ ¼ 0 15 7,5
X4 0 0 3 -1/2 1 18 6

 Membuat baris kunci baru

0 3 -½ 1 18
Baris Kunci baru (X2) =
3
= 0 1 -1/6 1/3 6
  Membuat baris Z baru

Baris Z Baru = (0 -2-3M 2+½M 0 120-18M) – (-2-3M)*(0 1 -1/6 1/3 6)

(0 -2-3M 2+½M 0 120-18M)
(0 -2-3M 1/3+½M -2/3-M -12-18M)
=
0 0 5/3 2/3+M 132
 Membuat baris variabel baru

Baris X1 Baru =(1 ½ ¼ 0 15 ) – ( 1/2 )*( 0 1 -1/6 1/3 6)

(1 ½ ¼ 0 15 )
( 0 ½ -1/12 1/6 3)
=
1 0 1/3 -1/6 12

Tabel 3. Tabel Simpleks Iterasi-2 Untuk Penyipangan Bentuk Standar

Variabel
Slack Variabel Nilai
Dasar
Z X1 X2 Indeks
VD Kanan
X3 X4
(NK)
Z 1 0 0 5/3 2/3+M 132
X1 0 1 0 1/3 -1/6 12
X2 0 0 1 -1/6 1/3 6

Karena nilai-nilai pada baris Z sudah tidak ada yang negatif, berarti iterasi
selesai, dan solusi yang diperoleh adalah: X1 = Meja = 12, X2 = Kursi = 6 dan Nilai
fungsi tujuan Z (laba) = 132 (dalam puluhan ribu rupiah). Artinya, untuk memperoleh
keuntungan yang maksimum sebesar Rp.1.320.000, maka perusahaan sebaiknya
memproduksi meja sebanyak 12 unit dan kursi sebanyak 6 unit. Dari tabel tersebut
juga diketahui nilai X3dan X4 tidak ada (X3 dan X4 = 0), artinya seluruh waktu kerja
(Perakitan dan Pemolesan) sudah habis digunakan, tidak ada waktu yang tersisa.

 Fungsi Tujuan : Minimisasi yang mengandung kendala berbentuk (=) dan (≥).
Soal minimisasi harus diubah menjadi maksimisasi dengan cara mengganti tanda
positif dengan negatif pada fungsi tujuan. Jika kendala bertanda “≥”, diubah ke bentuk
persamaan (=), maka kurangkan ruas kiri dgn variabel surplus dan tambahkan juga ruas
 kiri dgn artificial variabel (M)
Contoh kasus minmum fungsi yang mengandung kendala berbentuk (=) dan (≥) yaitu:
Minimumkan Z = 3X1 + 5X2
Fungsi batasan:
1) 2X1 = 8
2) 3X2 ≤ 15
3) 6X1 + 5X2 ≥ 30
Penyelesaian:
Fungsi batasan:
1) 2X1 + X3 = 8
2) 3X2 + X4 = 15
3) 6X1 + 5X2 -X5 + X6 = 30
Fungsi tujuan menjadi:
maksimumkan (-Z) = -3X1 – 5X2 –MX3 – MX6
diubah menjadi fungsi implisit => -Z + 3X1 + 5X2 + MX3 + MX6 = 0
Nilai – nilai variabel dasar (X3 dan X6 ) harus = 0,maka:
{3 5 M 0 0 M 0}
-M { 2 0 1 0 0 0 8}
-M { 6 5 0 0 -1 1 30 }
+
(3-8M) (5-5M) 0 0 M 0 -38M
Tugas: Selesaikan perhitungan (iterasi) kedalam tabel simpleks dari kasus diatas.
6. Kasus Khusus didalam Metode Simpleks
Ada beberapa kasus yang terjadi didalam metode simpleks yaitu sebagai berikut:
 Infeasibility
 Solusi Unbounded
 Redundancy
 Alternate optimal solutions
Infeasibility adalah suatu kondisi dimana tidak ada area layak yang memenuhi semua
kendala secara simultan. Sebagai contoh Apabila Misalnya kasus Krisna Furniture ditambah
kendala dari bagian pemasaran yang memberi syarat bahwa penjualan Meja minimal 60 buah
dan penjualan Kursi minimal 60 buah, maka akibatnya tidak ada area layak (feasible region).
Kondisi seperti ini disebut infeasibility.

Gambar Grafik Infeasibility

Unboundedness adalah suatu kondisi dimana area layak tidak terbatas.Kasus

ini biasanya muncul pada fungsi tujuan maksimisasi. Misalkan saja Krisna Furniture
lebih dahulu menentukan kendala dari pemasaran dan belum menentukan kendala dari
segi operasi untuk assembling dan finishing.maka objective function menjadi tidak
berhingga.
 Gambar Grafik Unboundedness

Redundancy.Constraintyang tidak mempengaruhifeasible

regiondisebutredundantconctraint.Misalkan pada kasus Krisna Furniture, bagian
marketing mengatakan bahwa tidakbisa menjual lebih dari 50 buah kursi, maka pernyataan
ini disebut redundant.Karena kenyataannya, bagian produksi maksimal hanya bisa
memproduksi 40 kursi.
Gambar Grafik Redundancy
 Alternatif Optima adalah situasi dimana terdapat lebih dari satu solusi optimal.Hal
iniakan terjadi apabila garis profit sejajar dengan salah satu kendala. Misalkan kita rubah
profitmargin untuk Meja dan Kursi pada kasus Krisna Furniture menjadi 8 dan 6. Garis
profit ini jikakita gambarkan akan sejajar dengan kendala I karena kemiringannya sama.
Solusi optimalnya terletak sepanjang garis AB. Jadi solusi optimalnya bisa terletak pada
alternatif I X1 = 0 dan X2 = 80 atau X1 = 30 dan X2 = 40 atau kombinasi lain sepanjang
garis AB.
 Gambar Alternatif Optima

7. Contoh Kasus Metode Simpleks dengan Aplikasi POM:

1. Sebuah Perusahaan sepatu Merk Trendy membuat 2 macam sepatu. Sepatu pertama merek
Trendy-Queen, dengan sol karet, dan merek Trendy-Princes dengan sol kulit. Dalam
pembuatan sepatu tersebut diperlukan 3 macam mesin. Mesin 1 digunakan membuat sol
karet, mesin 2 untuk membuat sol kulit, dan mesin 3 membuat bagian atas sepatu dan
melakukan assembling bagian atas dengan sol. Setiap lusin sepatu merk Trendy-Queen
mula-mula dikerjakan di mesin 1 selama 2 jam, kemudian tanpa melalui mesin 2 terus
dikerjakan di mesin 3 selama 6 jam. Sedang untuk sepatu merek Trendy-Princes tidak
diproses di mesin 1, tetapi pertama kali dikerjakan di mesin 2 selama 3 jam kemudian di
mesin 3 selama 5 jam. Jam kerja maksimum setiap hari mesin 1 adalah 8 jam, mesin 2
adalah 15 jam, dan mesin 3 adalah 30 jam. Sumbangan terhadap laba setiap lusin sepatu
merek Trendy-Queen = Rp 30.000,00 sedang merek Trendy-Princes = Rp 50.000,00.
Masalahnya adalah menentukan berapa lusin sebaiknya sepatu merek Trendy-Queen dan
merek Trendy-Princes yang dibuat agar bisa memaksimumkan laba. Berdasarkan
permasalahan di atas maka bisa disusun bentuk matematisnya sebagai berikut :
Maksimumkan Z = 3X1 + 5X2
Batasan (constrain)
(1) 2X1 ≤ 8
(2) 3X2≤ 15
(3) 6X1 + 5X2 ≤ 30
Di mana X1 = Sepatu Merk Trendy-Queen
X2 = Sepatu Merk Trendy-Princes
Langkah-langkah :
1. Pilih menu File, kemudian pilih New
2. Secara otomatis kita diarahkan pada menu Module, kemudian pilih program Linier
Programing hingga muncul tampilan sebagai berikut :

3. Klik pada bagian <untitled>jika ingin memberi judul sesuai yang diinginkan,atau biarkan saja
jika tidak ingin memberi judul (langsung pada langkah 4).

4. Isi jumlah batasan pada number of constraint dengan cara mengetik langsungpada angka yang
ada atau dengan mengeklik/menggerakkan tanda panah (padacontoh, jumlah batasan adalah
3).
5. Isi jumlah variabel pada number of variable dengan cara mengetik langsung padaangka yang
ada atau dengan mengeklik/menggerakkan tanda panah (pada contoh,jumlah batasan adalah
2).

6. Pada objective dipilih sesuai fungsi tujuan, dalam permasalahan ini fungsitujuannya adalah
memaksimalkan, berarti kita pilih maximize (klik padamaximize)

7. Tekan OK, hingga muncul tampilan sebagai berikut.

8. Isi tabel pada tampilan tersebut sesuai bentuk matematis permasalahan. Variabel X1, X2 dan
constraint 1-3 bisa diubah sesuai nama variabel dan batasan dengan cara mengetik seperti
biasa, sehingga hasilnya adalah sebagai berikut:
9. Klik tanda panah untuk mengganti tanda batasan menjadi <=, = atau >= .

10. Pilih/klik solve, untuk menampilkan hasil analisis hingga muncul tampilan(output) sebagai
berikut:
11. Berdasarkan output analisis, diketahui bahwa untuk memaksimalkan keuntungan, maka
perusahaan harus memproduksi sepatu Merk Trendy-Queen sebanyak 0.83 lusin (nilai
optimalnya = 0.83) dan sepatu Merk Trendy-Princes sebanyak 5 lusin (nilai optimalnya = 5).
Kombinasi produksi tersebut akan memberikan keuntungan sebesar Rp 275.000,- yang
diperoleh dari sepatu Trendy-Queen sebesar Rp 25.000 (0.83 * Rp 30.000) dan dari sepatu
Trendy-Princes sebesar Rp 250.000 (5*50.000).
12. Untuk memunculkan tabel ranging, daftar solusi iterasi dan grafik hasil analisismaka klik
pilihan yang dimaksud, atau klik window pada menu kemudian pilihpilihan yang dimaksud
hingga muncul tampilan dari masing – masing pilihan.

a. Table Ranging
1) Reduced
Pada Tabel Ranging terlihat nilai reduced cost untuk masing–masing variabel (sepatu
Trendy-Queen dan Trendy-Princes) adalah 0 (tidak memiliki reduced cost), artinya
nilai biaya yang dikurangkan adalah nol di mana hal ini menunjukkan bahwa
penggunaan kedua variabel tersebut sudah optimal.
2) Original Value, Dual Value dan Slack
Pada Tabel Ranging terlihat nilai original value untuk masing–masing batasan (mesin
1, mesin 2 dan mesin 3 adalah sebesar 8, 15, 30. Dari penggunaan input tersebut yang
sudah optimal (full capasity) adalah penggunaan mesin 2 dan mesin 3 yang ditandai
dengan nilai slack/sisa-nya yang mencapai nol. Ketika nilai slack sama dengan nol
maka setiap penambahan input (mesin) sebesar 1 unit (jam) akan meningkatkan
keuntungan sebesar nilai dual pricenya yaitu 8.33 untuk mesin 2 dan 5 untuk mesin 3.
Penggunaan mesin 1masih belum optimal (idle capasity) karena dari kapasitas
maksimum sebesar 8 jam, masih ada sisa sebesar 6.33 jam, dalam hal ini yang
digunakan hanya sebesar 1.67
3) Lower Bound dan Upper Bound
Nilai Lower Bound dan Upper Bound digunakan untuk melakukan analisis
sensitivitas.Analisis sensitivitas merupakan analisis yang bertujuan untuk memberikan
jawaban atas seberapa jauh perubahan dibenarkan tanpa merubah solusi optimum atau
tanpa menghitung solusi optimum baru dari awal yang dinyatakan dengan nilai batas
atas dan batas bawah (Lower Bound dan Upper Bound).
 Batas atas dan batas bawah koefisien fungsi tujuan untuk variabel Sepatu Trendy-
Queen adalah 0 sampai 6, sedangkan untuk variabel Sepatu Trendy-Princes yaitu 2.5
sampai tak terhingga. Berdasarkan nilai tersebut, berarti nilai koefisien bisa diubah
sesuai dengan batas atas dan batas bawah yang dianjurkan karena pada rentang nilai
koefisien, fungsi tujuan ini tidak akan merubah nilai optimalnya.
Batas atas dan batas bawah koefisien fungsi tujuan untuk batasan mesin 1 adalah 1.67
sampai tak terhingga, untuk mesin 2 adalah 3.6 sampai 18 dan untuk mesin 3 adalah
25 sampai 49. Berdasarkan nilai tersebut, berarti nilai koefisien bisa diubah sesuai
dengan batas atas dan batas bawah yang dianjurkan karena pada rentang nilai
koefisien, fungsi tujuan ini tidak akanmerubah nilai keuntungan yang diperoleh.
b. Solution List

Berdasarkan tampilan di atas terlihat solusi optimum hasil analisis, di mana Sepatu
Trendy-Queen adalah sebesar 0.833 unit sedangkan untuk Sepatu Trendy-Princes adalah
sebesar 5 unit, hingga diperoleh nilai optimal (keuntungan) sebesar 27.5 satuan (Rp
275.000).
 c. Iterasi

Berdasarkan tampilan Iterations, terlihat bahwa ada tiga iterasi/tahapan untuk

memperoleh solusi optimum.Iterasi merupakan tahapan (perhitungan, seperti perhitungan
manual) yang dilalui hingga diperoleh solusi optimal.Berdasarkan tampilan di atas, pada
permasalahan ini hanya terdapat 3 iterasi untuk mencapai solusi optimal.
13. Apabila kita ingin memperbaiki data atau kembali pada tampilan ketikamemasukkan data,
maka klik edit data.
Tugas
Selesaikan kasus simpleks maksimisasi diatas dengan perhitungan biasa atau manual.

8. Latihan Kasus Metode Simpleks

Kasus 1
Suatu perusahaan menghasilkan tiga jenis produk yaitu produk A (Pa), produk B (Pb), dan
Produk C (Pc). Untuk menghasilkan satu unit produk A tersebut membutuhkan proses melalui
tiga mesin yaitu mesin X (Mx) selama 5 jam mesin, mesin Y (My) selama 1 jam mesin, dan
mesin Z (Mz) selama 2 jam mesin. Untuk menghasilkan satu unit produk B membutuhkan Mx
selama 2 jam, My selama 3 jam, dan Mz selama 1 jam. Sedangkan untuk menghasilkan satu
unit produk C membutuhkan Mx selama 1 jam, My selama, My selama 2 jam, dan Mz selama
4 jam. Informasi yang diperoleh dari perusahaan menunjukkan bahwa, jam mesin yang
tersedia tidak lebih dari atau sama dengan 8 jam perhari untuk Mx, 10 jam perhari untuk My,
dan 9 jam perhari untuk Mz dengan mengasumsikan bahwa terdapat 25 hari kerja per bulan.
Berdasarkan hasil perhitungan yang dilakukan oleh pihak manajemen perusahaan, diketahui
keuntungan per unit untuk Pa sebesar Rp,70 ribu, Pb, sebesar Rp,80 ribu, dan Pc sebesar
Rp,60 ribu. Permasalahan yang dihadapi oleh perusahaan adalah berapa unit Pa, Pb, dan Pc
tersebut harus diproduksi perbulan agar diperoleh keuntungan maksimal bagi perusahaan?
Kasus 2
Seorang pensiunan (purnawirawan) ABRI yang sudah berhasil mengumpulkan dana ingin ikut
menyukseskan pembangunan nasional dengan jalan menanamkan modalnya dalam berbagai
kegiatan sektor ekonomi antara lain: (1) Membeli saham melalui PT. Dana Reksa, (2)
memasukkan ke deposito, (3) Membuka lahan usaha peternakan, (4) membuka biro jasa
perjalanan, dan (5) ikut aktif dalam real estate.
Tentu saja dia menginginkan agar uangnya berkembang dan hasil investasinya (returns on
investmen) mencapai optimum atau maksimum.
Dalam mengambil keputusan yang berhubungan dengan penanaman uang nya, berbagai
alternatif kegiatan ekonomi dia pergunakan data berikut:
Jenis Kegiatan % Hasil Lamanya Risiko yang Timbul
(Dalam Tahun)
(1) 6 15 1
(2) 13 3 3
(3) 10 5 2
(4) 20 6 5
(5) 25 10 1

Bagaimana dia harus mengalokasikan dana yang dimilikinya agar jumlah hasil yang diperoleh
maksimum. Dia memutuskan bahwa rata-rata risiko tidak lebih dari 4, penanaman uang tidak
lebih dari 15 tahun.Paling tidak dia harus menanamkan uangnya direal estate sebesar 25%.
Kalau X1, X2, X3, X4, X5 menunjukkan persentase penggunaan dana berbagai kegiatan
ekonomi tersebut, maka tentukanlah nilai X1, X2, X3, X4, X5?
Kasus 3
Untuk kebutuhan program diet ada dua jenis makanan yang akan dibeli oleh seorang ibu
rumah tangga, masing-masing sebanyak X1 dan X2 unit (satuan misalnya ons). Ada 3 jenis
zat yang dikandung oleh setiap jenis makanan yaitu tiamin, fosfor, dan zat besi. Agar badan
sehat tiamin mimimal 1 mg, fosfor paling sedikit 7,5 mg, dan zat besi tidak boleh kurang dari
10 mg. harga dipasaran 1 unit jenis barang 1 dan 2 masing-masing sebesar Rp2 ribu dan Rp
1,7 ribu. Banyak zat yang dikandung oleh masing-masing jenis makanan seperti terlihat dalam
tel berikut:
Zat yang dikandung Jenis Barang 1 (mg/ons) Jenis Barang 2 (mg/ons)
Tiamin 0,15 0,10
Fosfor 0,75 1,70
Zat Besi 1,30 1,10

Berapakah jumlah jenis makanan yang harus di beli oleh ibu rumah tangga tersebut agar tidak
melebihi jumlah kebutuhan program diet nya?