MODUL 1

“LINEAR PROGRAMMING”

PRAKTIKUM RISET OPERASI

LABORATORIUM OPTIMASI DAN PEMODELAN LOGISTIK

PROGRAM STUDI MANAJEMEN LOGISTIK

SEKOLAH TINGGI MANAJEMEN LOGISTIK INDONESIA

2021
A. Tujuan Praktikum
Adapun tujuan yang akan dicapai pada praktikum ini adalah sebagai berikut:
1. Praktikan dapat memahami linear programming sebagai alat pengambilan keputusan.
2. Praktikan dapat memahami bagaimana memformulasikan permasalahan yang
terdapat dalam dunia nyata logistik dan rantai pasok, dimana solusinya tersebut
memiliki nilai pecahan (linear).

B. Landasan Teori
1. QM for Windows
Software POM/QM for Windows adalah sebuah software yang dirancang
untuk melakukan perhitungan yang diperlukan pihak manajemen untuk
mengambil keputusan di bidang produksi dan pemasaran. Software ini dirancang
oleh Howard J. Weiss tahun 1996 untuk membantu menejer produksi khususnya
dalam menyusun prakiraan dan anggaran untuk produksi bahan baku menjadi
produk jadi atau setengah jadi dalam proses pabrikasi. Terdapat tiga perangkat
lunak sejenis yang mereka terbitkan yakni DS for Windows, POM for Windows
dan QM for Windows. Perangkat-perangkat lunak ini user friendly dalam
penggunaannya untuk membantu proses perhitungan secara teknis pengambilan
keputusan secara kuantitatif. POM for Windows ialah paket yang diperuntukkan
untuk manajemen operasi; QM for Windows ialah paket yang diperuntukkan
untuk metode kuantitatif untuk bisnis dan DS for Windows berisi gabungan dari
kedua paket sebelumnya.
Software ini dibekali beberapa modul: Assignment, Breakeven/Cost-
Volume Analysis, Decision Analysis, Forecasting, Game Theory, Goal
Programming, Integer Programming, Inventory, Linear Programming, Markov
Analysis, Material Requirements Planning, Mixed Integer Programming,
Networks, Project Management (PERT/CPM), Quality Control, Simulation,
Statistics, Transportation, Waiting Lines. Yang patut diketahui, software ini
dirancang hanya untuk membantu perhitungannya saja.
2. Excel Solver
Solver merupakan salah satu fasiltas tambahan (Add-ins) yang terdapat
pada program Microsoft Excel. Solver disediakan oleh MS. Excel berfungsi
sebagai tools untuk mencari nilai optimal pada suatu formula pada sel lembar
kerja Excel (sel target). Nilai yang diharapkan dapat berupa nilai paling
maksimum, nilai paling minimum atau nilai tertentu yang diharapkan. Microsoft
Excel Solver mengkombinasikan fungsi dari suatu Graphical User Interface
(GUI), suatu algebraic modeling language seperti GAMS atau AMPL, dan
optimizers untuk linier, nonlinear, dan integer program. Masing-masing fungsi ini
terintegrasi ke dalam spreadsheet program. Pada dasarnya Solver terdiri dari 3
(tiga) bagian, yakni:
a. Sel Target ( Target Cell )
Merupakan bagian solver sebagai tempat dimana hasil akhir
pemrosesan/eksekusi suatu formula ditempatkan. Dalam excel, fungsi
tujuan berada dalam satu cell saja. Dimana di dalam cell ini terdapat
formula excel dari cell lainnnya. Selain itu, kita harus menentukan tujuan
kita itu apa. Apa mau mencari fungsi minimum (meminimumkan Target
Cell), fungsi maksimum (memaksimumkan Target Cell), atau membuat
fungsi sama dengan nilai tertentu (Value of).
b. Sel Pengatur ( Adjusted Cell )
Solver mengatur perubahan nilai pada sel yang spesifik, untuk
memproduksi hasil perlu spesifikasi dari formula pada sel target. Sel
pengatur ini harus mempunyai kaitan dengan sel target dalam suatu
lembar kerja excel.
c. Sel Pembatas (Constrained Cell)
Constraint digunakan untuk membatasi nilai solver yang dapat
digunakan pada suatu model tertentu dan constraint mengacu pada sel lain
yang memperngaruhi formula pada sel target.
 Solver dapat diaplikasikan dalam berbagai bidang antara lain:
1) Corporate Finance, meliputi working capital management, capital
budgeting, inventory management, cash management, capacity
planning, etc.
2) Investment, meliputi Portofolio optimization-Markowitz Model, Stock
Portofolio Management, Portofolio Optimization-Sharpe Model
(CAPM), Bond Portofolio Management, Bond Portofolio Exact
Matching, etc.
3) Production, meliputi product mix, machine allocation, blending,
process selection, cutting stock, etc.
4) Distribution, meliputi transportation model, multi-level and multi-
commodity transportation model, partial loading, facility location,
production/transportation model, etc.
5) Purchasing, meliputi contract awards, inventory stocking/reordering,
media planning, purchasing/transportation model, etc.
6) Human Resources, meliputi crew scheduling, office assignment,
employee scheduling, workforce composition, workforce movement, etc.

3. Linear Progamming

Model matematis perumusan masalah umum pengalokasian sumber daya untuk

berbagai kegiatan, disebut sebagai model Linear Programming (L.P). Model linear
programming ini merupakan bentuk dan susunan dari dalam menyajikan masalah-
masalah yang akan dipecahkan dengan teknik linear programming. Dalam model
linear programming dikenal dua macam fungsi yaitu fungsi tujuan (objective
function) dan fungsi-fungsi batasan (constraint functions). Fungsi tujuan adalah
fungsi yang menggambarkan tujuan atau sasaran di dalam permasalahan linear
programming yang berkaitan dengan pengaturan secara optimal sumber daya untuk
memperoleh keuntungan maksimal dan biaya minimal. Pada umumnya nilai yang
akan dioptimalkan dinyatakan sebagai Z. Sedangkan fungsi batasan merupakan
bentuk penyajian secara matematis batasan-batasan kapasitas yang tersedia yang
akan dialokasikan secara optimal ke berbagai kegiatan.
Ada tiga langkah utama dalam merumuskan model pemrograman linier yaitu :
a. Tentukan variabel yang ingin diketahui atau variabel keputusan dan
gambarkan dalam simbol-simbol aljabar.
b. Tentukan semua keterbatasan atau kendala dan gambarakan dalam bentuk
persamaan linier atau ketidaksamaan dari variabel keputusan tadi.
c. Tentukan tujuan atau kriteria dan gambarkan sebagai suatu fungsi linier dari
variabel keputusan yang akan berbentuk maksimasi atau minimasi.
Pada kasus linear programming, ada beberapa metode yang bisa dilakukan untuk
melakukan penyelesaian masalah diantaranya yaitu:
1. Metode Grafik
Metode grafik untuk menyelesaikan masalah permasalahan dengan syarat
hanya memiliki dua variabel. Grafik dapat digambarkan dengan menggunakan
cara mensubtitusikan nilai 0 untuk setiap variabel dan setiap pembatas. Hal ini
akan menentukan titik-titik yang menghubungkan pada absis x1 dan absis x2
dalam satu fungsi garis, sehingga dari kedua pembatas diperoleh dua fungsi
garis. Setelah diketahui dua garis maka tentukan ruang solusi dengan cara
mengarsisr semua yang terpenuhi pada pembatas dan pembatas non negatif
disesuaikan dengan orentasi tujuan apakah maksimasi atau minimasi.
Contoh Soal:
PT. Dimensi adalah sebuah perusahaan produsen meja dan kursi yang harus
diproses melalui perakitan dan pemolesan. Fungsi proses perakitan memiliki 60
jam kerja dan fungsi proses pemolesan memiliki 48 jam kerja. Untuk
menghasilkan 1 meja dibutuhkan masing – masing 4 jam dan 2 jam untuk
perakitan dan pemolesan, sedangkan 1 kursi membutuhkan masing – masing 2
jam dan 4 jam untuk perakitan dan pemolesan. Laba untuk tiap meja Rp.
120.000 dan tiap kursi Rp. 90.000. Tentukan kombinasi terbaik dari meja dan
kursi yang harus diproduksi agar menghasilkan laba yang maksimal!
Penyelesaian:

Waktu yang Total jam

dibutuhkan (jam) tersedia
(jam)
Meja Kursi
Perakitan 4 2 60
Pemolesan 2 4 48
Laba/Unit Rp. 120.000 Rp. 90.000

➢ Langkah pertama yaitu memformulasikan persoalan menjadi

formulasi matematis
Permisalan:
Jumlah meja yang akan dibuat =x
Jumlah kursi yang akan dibuat =y
Fungsi Tujuan:
Maksimasi Z = Rp. 120.000 x + Rp. 90.000 y
Fungsi Pembatas:
Fungsi batasan proses perakitan : 4x + 2y ≤ 60
Fungsi batasan proses pemolesan : 2x + 4y ≤ 48
Fungsi Non Negatif:
x, y ≥ 0
➢ Langkah kedua yaitu mensubtitusikan nilai 0 pada tiap fungsi
pembatas
Fungsi batasan proses perakitan : 4x + 2y ≤ 60
Jika x = 0 → 4(0) + 2y = 60 Jika y = 0 → 4x + 2(0) = 60
0 + 2y = 60 4x + 0 = 60
2y = 60 4x = 60
y = 30 x = 15
Fungsi batasan proses perakitan memotong sumbu x pada titik (15 , 0)
dan memotong sumbu y pada titik (0 , 30).
 Fungsi batasan proses pemolesan : 2x + 4y ≤ 48
Jika x = 0 → 2(0) + 4y = 48 Jika y = 0 → 2x + 4(0) = 48
0 + 4y = 48 2x + 0 = 48
4y = 48 2x = 48
y = 12 x = 24
Fungsi batasan proses perakitan memotong sumbu x pada titik (24 , 0)
dan memotong sumbu y pada titik (0 , 12).
➢ Langkah ketiga yaitu menentukan daerah penyelesaian
denganmembuat grafik dari titik – titik yang telah didapat

➢ Menentukan solusi optimal menggunakan titik sudut dari daerah

penyelesaian
Karena titik D belum diketahui koordinatnya, maka dapat dicari
dengan menggunkan metode eliminasi dan substitusi
4x + 2y = 60 ....(x2) → 8x + 4y = 120
2x + 4y = 48 ....(x1) → 2x + 4y = 48
6x = 72
x = 12 → 2(12) + 4y = 48
24 + 4y = 48
4y = 24
y=6
Jadi titik koordinat D adalah (12 , 6)
 Dari grafik yang telah dibuat, terdapat 4 titik yang membatasi daerah
penyelesaian, yaitu titik A (0 , 0), titik E (0 , 12), titik C (15, 0), dan
titik D (12 , 6). Untuk dapat menentukan solusi optimal, maka
substitusikan titik-titik tersebut ke dalam fungsi tujuan, sehingga
didapat sebagai berikut.
Laba pada titik A (0 , 0) → Z = Rp. 120.000 (0) + Rp. 90.000 (0)
= Rp. 0
Laba pada titik E (0 , 12) → Z = Rp. 120.000 (0) + Rp. 90.000 (12)
= Rp. 1.080.000
Laba pada titik C (15 , 0) → Z = Rp. 120.000 (15) + Rp. 90.000 (0)
= Rp. 1.800.000
Laba pada titik D (12 , 6) → Z = Rp. 120.000 (12) + Rp. 90.000 (6)
= Rp. 1.980.000

Karena keuntungan tertinggi jatuh pada titik D, maka sebaiknya PT.

Dimensi memproduksi meja sebanyak 12 unit dan kursi sebanyak 6
unit, dan PT. Dimensi memperoleh laba maksimal sebesar Rp.
1.980.000.

2. Metode Simpleks
Tahun 1947, Metode Simpleks diperkenalkan oleh George B. Dantzig
sebagai suatu algoritma yang digunakan untuk pemecahan berbagai masalah
linier programming (LP). Pemecahan masalah dengan menggunakan metode
ini sangat menguntungkan bagi pengguna karena tidak hanya fungsi tujuan
dan nilai optimum dari variable dapat kita ketahui tapi kita juga dapat
memberikan interpretasi ekonomi dan melakukan analisis sensitivitas yang
didasarkan pada proses iterasi. Ada 3 ciri utama dari suatu bentuk baku
pemrograman linier untuk algoritma simpleks:
a. Semua kendala harus berada dalam bentuk persamaan dengan nilai kanan
tidak negatif
b. Semua variabel yang terlibat tidak dapat bernilai negatif
c. Dapat berupa maksimisasi dan minimumisasi
Komponen dalam simpleks :
1. Variabel keputusan (Decision Variabel)
2. Fungsi tujuan (Objective Function)
3. Kendala (Constrain).
Perbedaan Metode Grafik dengan Metode Simpleks yaitu Metode Grafik
untuk menyelesaikan permasalahan dengan syarat hanya memiliki dua
variabel. Sedangkan untuk yang lebih dari dua bisa menggunakan Metode
Simpleks, yaitu suatu cara yang lazim dipakai untuk menentukan kombinasi
optimal dari tiga variabel atau lebih. Pada masa sekarang masalah-masalah
linear programming yang melibatkan banyak variabel-variabel keputusan
dapat dengan cepat dipecahkan dengan bantuan komputer.
Bila variabel keputusan yang dikandung tidak terlalu banyak, masalah
tersebut dapat diselesaikan dengan suatu algoritma yang biasanya sering
disebut metode tabel simpleks. Disebut demikian karena kombinasi variabel
keputusan yang optimal dicari dengan menggunakan tabel-tabel. Metode
simpleks pula ada yang bisa dilakukan dengan simpleks biasa, Big-M,
maupun teori Dualitas dan Sensitivitas. Namun, pada praktikum ini
ditekankan pada metode simpleks biasa.
Contoh Soal:
PT Elfrianda kramik memproduksi tiga jenis kramik untuk dijadikan
souvenir, yaitu mug keramik, piring keramik, dan vas bunga keramik.
Keuntungan yang diharapkan dari masingmasing keramik adalah Rp
2.800.000, Rp 2.000.000, dan Rp 2.400.000. Untuk memproduksi mug
keramik dibutuhkan 80 pcs keramik, 40 liter pewarna, dan waktu pencetakan
selama 40 menit. Untuk piring keramik dibutuhkan 60 pcs keramik, 35 liter
pewarna, dan waktu pencetakan selama 25 menit. Sedangkan untuk vas bunga
keramik dibutuhkan 70 pcs keramik, 60 liter pewarna, dan waktu pencetakan
selama 90 menit. PT Elfrianda mempunyai kapasitas maksimum untuk
keramik adalah 2.800 pcs, pewarna 1.600 liter, dan waktu pencetakan selama
2.400 menit. Tentukanlah keuntungan yang diperoleh perusahaan!
Penyelesaian:
Kapasitas
Sumber daya yang
Produk tiga jenis keramik maksimun sumber
dibutuhkan
daya yang dimiliki
Mug Keramik Piring Keramik Vas Bunga Keramik
Keramik (pcs) 80 60 70 2800
Pewarna (liter) 40 35 60 1600
Waktu Pencetakan (menit) 40 25 90 2400
Keuntungan Rp. 2.800.000 Rp. 2.000.000 Rp. 2.400.000

➢ Langkah pertama yaitu memformulasikan persoalan menjadi

formulasi matematis
Permisalan:
Jumlah mug keramik yang akan diproduksi = x1
Jumlah piring keramik yang akan diproduksi = x2
Jumlah vas bunga keramik yang akan diproduksi = x3
Fungsi Tujuan:
Maksimasi Z = Rp. 2.800.000x1 + Rp. 2.000.000x2 + Rp. 2.400.000x3
Fungsi Pembatas:
Fungsi batasan keramik : 80x1 + 60x2 + 70x3 ≤ 2800
Fungsi batasan pewarna : 40x1 + 35x2 + 60x3 ≤ 1600
Fungsi batasan waktu pencetakan: 40x1 + 25x2 + 90x3 ≤ 2400
Fungsi Non Negatif:
x1, x2, x3 ≥ 0
➢ Langkah kedua yaitu menormalisasi fungsi
Ubahlah fungsi tujuan menjadi bentuk baku dengan cara menggeser
semua CnXn ke kiri. Sedangkan untuk fungsi pembatas, ada beberapa
hal yang harus diperhatikan dalam membentuk bentuk baku, yaitu :
a. Fungsi pembatas dengan pertidaksamaan ≤ dalam bentuk
umum, dirubah menjadi persamaan (=) dengan menambahkan
satu variabel slack
b. Fungsi pembatas dengan pertidaksamaan ≥ dalam bentuk
umum, dirubah menjadi persamaan (=) dengan menambahkan
satu variabel surplus
c. Fungsi pembatas dengan persamaan dalam bentuk umum,
ditambahkan satu artificial variable (variabel buatan)
 Sehingga bentuk bakunya menjadi:
Fungsi Tujuan:
Maksimasi Z - Rp.2.800.000x1 - Rp.2.000.000x2 - Rp.2.400.000x3 = 0
Fungsi Pembatas:
Fungsi batasan keramik : 80x1 + 60x2 + 70x3 + S1 = 2800
Fungsi batasan pewarna : 40x1 + 35x2 + 60x3 + S2 = 1600
Fungsi batasan waktu pencetakan: 40x1 + 25x2 + 90x3 + S3 = 2400
Fungsi Non Negatif:
x1, x2, x3 ≥ 0
➢ Langkah ketiga yaitu menyusun bentuk baku dari fungsi yang telah
diperoleh ke dalam tabulasi metode simpleks
X1 X2 X3 S1 S2 S3 Solusi
Z -2.800.000 -2.000.000 -2.400.000 0 0 0 0
S1 80 60 70 1 0 0 2800
S2 40 35 60 0 1 0 1600
S3 40 25 90 0 0 1 2400

➢ Langkah keempat yaitu menentukan kolom kunci

Penentuan kolom kunci dilihat dari koefisien fungsi tujuan (nilai di
sebelah kanan baris z) dan tergantung dari bentuk tujuan. Jika tujuan
maksimasi, maka kolom kunci adalah kolom dengan nilai koefisien
paling kecil. Sedangkan jika tujuan minimasi, maka kolom kunci
adalah kolom dengan nilai koefisien terbesar. Kolom kunci tersebut
nantinya berfungsi sebagai variabel masuk.
Pada kasus ini, tujuan dari persoalan adalah maksimasi, maka kolom
kunci yang dipilih adalah yang mempunyai nilai koefisien paling
kecil. (Kolom dengan warna kuning)
X1 X2 X3 S1 S2 S3 Solusi
Z -2.800.000 -2.000.000 -2.400.000 0 0 0 0
S1 80 60 70 1 0 0 2800
S2 40 35 60 0 1 0 1600
S3 40 25 90 0 0 1 2400

➢ Langkah kelima yaitu menentukan baris kunci

Baris kunci ditentukan setelah membagi nilai solusi dengan nilai
kolom kunci yang bersesuaian. Jika pada kolom kunci terdapat nilai
negatif atau nilai nol (0), maka tidak perlu diperhatikan. Baris kunci
 adalah baris dengan rasio pembagian terkecil. Baris kunci ini nantinya
berfungsi sebagi variabel keluar.
Baris kunci yang dipilih ditandai dengan warna hijau.
X1 X2 X3 S1 S2 S3 Solusi Rasio
Z -2.800.000 -2.000.000 -2.400.000 0 0 0 0
S1 80 60 70 1 0 0 2800 35
S2 40 35 60 0 1 0 1600 40
S3 40 25 90 0 0 1 2400 60

➢ Langkah keenam yaitu menentukan elemen kunci

Elemen kunci merupakan nilai yang terletak pada perpotongan kolom
kunci dan baris kunci. (Sel dengan warna merah)
X1 X2 X3 S1 S2 S3 Solusi Rasio
Z -2.800.000 -2.000.000 -2.400.000 0 0 0 0
S1 80 60 70 1 0 0 2800 35
S2 40 35 60 0 1 0 1600 40
S3 40 25 90 0 0 1 2400 60

➢ Langkah ketujuh yaitu membuat tabel simpleks baru

Tabel simpleks baru dibentuk dengan langkah menghitung nilai baris
kunci baru. Baris kunci baru adalah baris kunci lama dibagi dengan
elemen kunci. Baris baru lainnya dihitung dengan rumus = baris lama
– [(nilai kolom kunci lama) x (nilai baris kunci baru)].
Iterasi 1
X1 X2 X3 S1 S2 S3 Solusi Rasio
Z 0 100.000 50.000 35.000 0 0 98.000.000
X1 1 0,75 0,875 0,0125 0 0 35
S2 0 5 25 -0,5 1 0 200
S3 0 -5 55 -0,5 0 1 1000

Karena nilai di baris Z sudah tidak ada lagi nilai negatif (-) jadi tidak
perlu diiterasi lagi. Bila masih terdapat nilai negatif pada baris Z,
maka langkah selanjutnya ulangi langkah mulai langkah keempat,
menentukan Kolom Kunci, Baris Kunci, Elemen Kunci.

Jadi keuntungan yang akan diperoleh PT. Elfrianda keramik adalah

Rp 98.000.000 dengan memproduksi 35 mug keramik tanpa
memproduksi piring kramik dan vas bunga keramik.
C. Latihan Praktikum
CV. Karya Tani merupakan badan usaha yang bergerak pada industri opak dan pakan
ternak berbahan dasar ketela pohon. Badan usaha tersebut memproduksi 3 jenis produk
yaitu opak persegi, pakan ternak, dan opak bulat. Keuntungan yang didapatkan dari
masing – masing produk berturut – turut adalah Rp. 6.850, Rp. 1.000, dan Rp. 4.700.
dengan kendala batasan sumber daya yang dimiliki dapat dilihat pada tabel berikut.
Tentukanlah keuntungan maksimal yang dapat diperoleh CV. Karya Tani!
Kapasitas
Sumber daya yang maksimun
Tiga jenis produk
dibutuhkan sumber daya
yang dimiliki
Opak Persegi Pakan Ternak Opak Bulat
Bahan A (gram) 3 3,333333333 3 91500
Bahan B (gram) 3,75 0 6 67500
Bahan C (gram) 0,9 0 2 17600
Bahan D (gram) 0,45 0 0,45 7425
Bahan E (gram) 0 0 1 2500
Penyelesaian 1: Menggunakan Excel Solver Metode Simpleks Biasa

Langkah pengerjaan dengan menggunakan Excel Solver:

1. Bukalah program Microsoft Excel
2. Pada praktikum ini, menggunakan tools yang ada pada Excel yaitu Excel Solver,
sehingga perlu menambahkan tools ini dengan cara:
a. Klik menu File → More Options → Options
b. Kemudian akan muncul kotak dialog Excel Options dan pilih AddIns. Lalu
pada kotak dialog Add-Ins klik pilihan Solver Add-Ins untuk menambahkan
tools tersebut pada menu Data lembar kerja Excel, kemudian klik Ok.
 c. Sehingga nanti akan muncul tampilan baru pada menu Data seperti gambar
berikut.

3. Masukkan data yang telah didapat kedalam tabel seperti beikut.

Keterangan:
a. Cell B7 hingga D7 merupakan nilai yang ada pada fungsi tujuan
b. Cell B8 hingga D12 (B8:D12) merupakan nilai yang diinputkan dari
pembatas yang diberikan pada kasus.
c. Cell F8 hingga F12 merupakan batasan atau kapasitas maksimum dari
pembatas-pemabatas yang diberikan.
d. Cell Coloumn pada E7 hingga E12 dan Cell Row B13 hingga D13 yang diberi
warna biru nantinya akan menampilkan hasil dari solver yang akan dilakukan.
4. Inputkan rumus pada kolom E7 seperti berikut :
=SUMPRODUCT(B7:D7;$B$13:$D$13) , lalu enter dan kemudian aktifkan cell nya
lalu letakkan kursor pada pojok kanan bawah sehingga terlihat tanda (+) lalu drag
hingga Cell E12.
Dimana, fungsi Sumproduct ini ialah untuk mengalikan komponen-komponen terkait
dalam array (sekumpulan variabel yang memiliki tipe data yang sama dan dinyatakan
dengan nama yang sama) yang diberikan dan mengembalikan jumlah dari setiap hasil
perkalian tersebut. Biasanya fungsi ini pada aktivitas sehari-hari dapat digunakan
untuk menjumlahkan atau menghitung suatu data dengan kriteria tertentu. Sedangkan
untuk cell baris B13 hingga D13 untuk menampilkan hasil dari solver nanti berapa
 nilai untuk variabel X1 hingga X3.
5. Setelah data dan rumus sudah diinputkan, maka langkah berikutnya yaitu
menampilkan hasil penyelesaian dari kasus tersebut dengan cara seebagai berikut.
a. Klik menu Data lalu pilih Solver seperti pada gambar beikut.

b. Maka nanti akan muncul kotak dialog Solver Parameters.

c. Isikan kotak dialog tersebut seperti tampak pada gambar berikut.

Keterangan:
1) Set Objective merupakan Cell E7 yaitu kolom nilai solusi dari fungsi
tujuan yang nanti menampilkan hasil paling optimum.
2) To ini merupakan tujuan dari kasus yang diberikan, dapat dipilih Max
untuk kasus dengan tujuan Maksimasi, dan Min untuk kasus dengan
tujuan Minimasi. Sehingga, untuk latihan ini sesuai kasus maka pilih
 Max karena kasus ini bertujuan untuk maksimasi.
3) Subject to the Constraints ini berfungsi untuk menginputkan nilai-nilai
dari pembatas-pembatas yang terdapat pada kasus. Dengan cara
mengklik tombol “Add” lalu kemudian akan muncul kotak dialog
sebagai berikut.

Input nilai semua pembatas, dimana nilai yang ada pada kolom E8
nantinya lebih kecil sama dengan dari nilai yang ada pada kolom F8
dimana merupakan batas maksimum dari sumber daya yang dimiliki.
Setelah itu klik OK.
4) Pilih Select a Solving Method dengan menggunakan Simplex LP
d. Klik Solve, dan ketika muncul kotak dialog Solver Results langsung klik OK
saja.
6. Maka pada cell yang diberi warna biru akan muncul angka – angka hasil
perhitungan dari solver seperti tampak pada gambar berikut.

7. Lakukan analisis dari hasil yang muncul.

Jadi keuntungan maksimal yang dapat diperoleh CV. Karya Tani adalah Rp
125.625.000 dengan memproduksi 16.500 prosuk opak persegi, 12.600 produk
pakan ternak, dan tidak memproduksi produk opak bulat.
Penyelesaian 2: Menggunakan QM for Windows

Langkah pengerjaan dengan menggunakan QM for Windows:

1. Bukalah program QM for Windows 4
2. Pilih modul yang akan digunakan. Pada praktikum menggunakan Modul Linear
Programming.

3. Klik New lalu akan muncul kotak dialog Create data set for Linear Programming
seperti berikut.
4. Lalu isikan seperti gambar berikut. Lalu klik OK.

Dimana Number of Constraints merupakan jumlah pembatas yang ada pada kasus,
yakni ada 5 pembatas. Sedangkan Number of Variabels ialah jumlah variabel
keputusan, dimana pada kasus jelas bahwa terdapat 3 variabel keputusan.
Kemudian Objective nya pilih Maximize karena kasus yang ada merupakan kasus
maksimasi.
5. Setelah itu akan tampil kotak dialog untuk kita menginputkan angka-angka mulai
dari fungsi tujuan hingga pembatas yang terdapat pada kasus ke software. Dapat
dilihat tampak seperti gambar berikut.
6. Setelah data selesai diinputkan, selanjutnya klik Solve, maka akan muncul kotak
dialog seperti tampak pada gambar berikut.

7. Lakukan analisis dari hasil yang didapat

Jadi keuntungan maksimal yang dapat diperoleh CV. Karya Tani adalah Rp
125.625.000 dengan memproduksi 16.500 prosuk opak persegi, 12.600 produk
pakan ternak, dan tidak memproduksi produk opak bulat.