Branch and Bound QM

IMPLEMENTASI METODE BRANCH AND BOUND DALAM
MENGOPTIMALKAN JUMLAH PRODUK GUNA

MEMAKSIMALKAN KEUNTUNGAN
(Studi Kasus: CV. Ridho Mandiri)
SKRIPSI
APRIANDY HASIAN PASARIBU

140803061
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2018

SKRIPSI
Ditulis Sebagai Syarat untuk Mencapai Gelar Sarjana Sains di Fakultas Matematika
dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.
APRIANDY HASIAN PASARIBU

140803061
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
MEDAN
2018

PERNYATAAN ORISINALITAS

SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, April 2018
Apriandy Hasian Pasaribu

140803061

PENGESAHAN SKRIPSI
Judul : Implementasi Metode Branch and Bound

Dalam Mengoptimalkan Jumlah Produk Guna
Memaksimalkan Keuntungan (Studi Kasus:
CV. Ridho Mandiri)
Kategori : Skripsi
Nama : Apriandy Hasian Pasaribu
Nomor Induk Mahasiswa : 140803061
Program Studi : Sarjana (S1) Matematika
Departemen : Matematika
Fakultas : Matematika dan Ilmu Pengetahuan Alam
Universitas Sumatera Utara
Disetujui di
Medan, April 2018
Ketua Program Studi

Departemen Matematika FMIPA USU Pembimbing
Dr. Suyanto, M.Kom Dra. Laurentina Pangaribuan, M.Si

NIP. 19590813 198601 1 002 NIP. 19540828 198103 1 004
i
ABSTRAK
Kelancaran proses produksi sangat ditentukan oleh perencanaan produksi

yang baik. Perencanaan produksi berhubungan dengan penentuan volume produksi,
ketetapan waktu penyelesaian dan pemanfaatan bahan baku yang tersedia.. CV.
Ridho Mandiri merupakan perusahaan yang bergerak dalam bidang tekstil. Bahan
baku yang digunakan ada tujuh belas jenis yaitu full cotton, pewarna, resleting,
kancing paku, kancing rivet, Mr. kertas, Stn.kt.belakang, Stn.kt.depan, Stn.cara cuci,
Stn.nomor celana, kulit pinggang, Kt.belakang, Kt.depan, sticker, pembungkus, saten
pinggang , merk. Penelitian bertujuan untuk untuk mengoptimalkan bahan baku
pembuatan celana jeans di CV. Ridho Mandiri.. Program linier adalah suatu teknik
penyelesaian optimal atas suatu problema keputusan dengan cara menentukan
terlebih dahulu fungsi tujuan dan fungsi kendala yang ada ke dalam model
matematik persamaan linier. Metode Branch and Bound adalah metode umum untuk
mencari solusi optimal dari berbagai permasalahan optimasi, Prinsip kerja metode
Branch and Bound adalah mencabangkan variabel keputusan yang tidak memiliki
penyelesain bulat, percabangan dilakukan terus hingga diperoleh penyelesaian bulat
sehingga semua variabel keputusannya bernilai bulat. Tujuan dari penelitian ini
adalah untuk memperlihatkan bahwa metode Branch and Bound pada linear
programming merupakan salah satu alternatif yang dapat digunakan untuk
mengoptimalkan bahan baku pembuatan celana jeans di CV. Ridho Mandiri. Dari
hasil analisis menggunakan metode Branch and Bound, jumlah celana yang optimal
diproduksi yaitu 155 lusin celana pendek ukuran kecil, 165 lusin celana pendek
ukuran big size, 138 lusin celana penek ukuran super jumbo, 178 lusin celana
panjang ukuran kecil, 85 lusin celana panjang ukuran big size dan 237 lusin celana
panjang ukuran super jumbo dengan keuntungan sebesar Rp. 903.567.400 dan
Dengan menggunakan metode Branch and Bound, keuntungan naik sebesar 4,3 %
atau Rp. 37.335.715 dari keuntungan perusahaan.
Kata Kunci: branch and bound, program linier
ii
IMPLEMENTATION OF BRANCH AND BOUND METHOD
IN OPTIMIZING AMOUNT OF PRODUCTS TO USE
MAXIMIZE THE PROFITS
(Case Study: CV Ridho Mandiri)
ABSTRACT
The smoothness of the production process is largely determined by good

production planning. Production planning is related to the determination of
production volume, timing of completion and utilization of available raw materials.
CV. Ridho Mandiri is a company engaged in the field of textiles. The raw materials
used there are seventeen types namely full cotton, dye, zipper, nail button, button
rivet, Mr. paper, Backstage, Front Line, Wash wash, Stn. trouser number, waist skin,
Kt.belakang, Kt.depan, sticker, wrapping, satin belt, brand. The research aims to
optimize the raw material of making jeans in CV. Ridho Mandiri Linear program is a
technique of optimal settlement of a decision problem by first determining the
purpose function and function of the existing constraints into the mathematical model
of linear equations. The Branch and Bound method is a common method for finding
the optimal solution of various optimization problems. The working principle of the
Branch and Bound method is to decompose decision variables that do not have a
round resolving, branching is done until the round completion is reached so that all
decision variables are round. The purpose of this research is to show that Branch
and Bound method on linear programming is one alternative that can be used to
optimize the raw material of jeans pants in CV. Ridho Mandiri. From the results of
the analysis using the Branch and Bound method, the optimal number of trousers
produced is 155 dozen small shorts, 165 dozen shorts big size size, 138 dozen super
jumbo shorts, 178 dozen small pants, 85 dozen size trousers big size and 237 dozen
super jumbo size trousers with a profit of Rp. 903.567.400 and By using the method
of Branch and Bound, profits rose by 4,3% or Rp.37.335.715 of company profits.
Keywords: linear programming, branch and bound
iii
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas berkat dan
karunia-Nya penulis dapat menyelesaikan skripsi ini dengan judul
“IMPLEMENTASI METODE BRANCH AND BOUND DALAM
MENGOPTIMALKAN JUMLAH PRODUK GUNA MEMAKSIMALKAN
KEUNTUNGAN (Studi Kasus: PT. CV. Ridho Mandiri)” dengan baik dan tepat
waktu.
Penulis mengucapkan terima kasih kepada semua pihak yang telah membantu
dan membimbing penulis dalam penyusunan skripsi ini. Ucapan terima kasih penulis
sampaikan kepada:
1. Ibu Dra. Laurentina Pangaribuan, MS selaku dosen pembimbing penulis atas
segala waktu dan arahan yang diberikan selama penyusunan skripsi ini.
2. Bapak Prof. Dr. Tulus M.Si dan Bapak Drs. Gim Tarigan M.Si selaku dosen
pembanding atas segala saran dan masukan yang diberikan selama
penyelesaian skripsi ini.
3. Bapak Dr. Suyanto, M.Kom dan Drs. Rosman Siregar, M.Si selaku Ketua dan
Sekretaris Departemen Matematika FMIPA USU.
4. Bapak Dr. Kerista Sebayang, MS selaku Dekan FMIPA USU serta semua
Wakil Dekan FMIPA USU.
5. Semua Dosen Departemen Matematika FMIPA USU dan pegawai di FMIPA
USU.
6. Ibunda T. Hutapea atas segala dukungan moral maupun materil dan doa yang
telah diberikan selama ini terkhusus pada penyelesaian skripsi ini serta semua
abang dan keluarga penulis.
7. Teman-teman jurusan Matematika khususnya stambuk 2014 yang selalu
mendukung penulis, adik-adik stambuk 2015, satambuk 2016, stambuk 2017
serta Abang dan Kakak Alumni.
Penulis menyadari bahwa masih banyak kekurangan dalam penulisan skripsi ini.
Oleh karena itu, penulis menerima saran dan kritik yang positif dan membangun dari
pembaca untuk penyempurnaan skripsi ini.
Medan, Maret 2018

Penulis
Apriandy Hasian Pasaribu
iv
DAFTAR ISI
Halaman
PENGESAHAN i
ABSTRAK ii
ABSTRACK iii
PENGHARGAAN iv
DAFTAR ISI v
DAFTAR TABEL vii
DAFTAR GAMBAR viii
BAB 1 PENDAHULUAN
1.1 Latar Belakang 1
1.2 Perumusan Masalah 3
1.3 Batasan Masalah 4
1.4 Tujuan Penelitian 4
1.5 Manfaat Penelitian 4
1.6 Tinjauan Pustaka 5
1.7 Lokasi Penelitian 6
1.8 Metodologi Penelitian 6
BAB 2 LANDASAN TEORI

2.1 Program Linear 8
2.1.1 Model Program Linear 10
2.1.2 Terminologi Umum dan Asumsi-Asumsi Dasar 11
Program Linier
2.2 Metode Grafik 12
2.3 Metode Simpleks 16
2.4 Program Integer 24
2.5 Metode Branch and Bound (Pencabangan dan 25
Pembatasan)
2.5.1 Langkah-Langkah Metode Branch and Bound 26
2.5.2 Syarat Pencabangan (Fathoming) Berhenti 27
2.5.3 Syarat Kondisi Optimal 27
2.6 Software QM 29
BAB 3 METODOLOGI PENELITIAN

3.1 Merumuskan Masalah 17
3.2 Studi Literatur dan Studi Kasus 21
3.3 Pengamatan dan Pengumpulan Data 24
3.3.1 Proses Produksi 32
3.3.2 Jenis-Jenis Celana 33
3.3.3 Bahan Baku dan Waktu Produksi Celana 33
3.3.4 Harga Jual, Biaya Produksi dan Keuntungan 35
Penjualan Celana
3.4 Pengolahan Data 35
3.4.1 Memodelkan Permasalahan Menjadi fungsi 36
Tujuan dan Fungsi Kendala di dalam Model
v
Matematika
3.4.2 Menghitung nilai variabel keputusan dengan 38
menggunakan metode simpleks pada linear
programming
3.4.3 Menghitung nilai variabel keputusan 43
menggunakan Software QM
3.4.4 Mencari nilai optimal dengan metode Branch and 46
Bound
3.5 Penarikan kesimpulan 47
BAB 4 HASIL DAN PEMBAHASAN

4.1 Perumusan Data ke dalam Model Matematika 48
4.2 Pengolahan Data 49
4.3 Analisis Metode Branch and Bound 50
BAB 5 KESIMPULAN DAN SARAN

5.1 Kesimpulan 59
5.2 Saran 59
DAFTAR PUSTAKA 60
LAMPIRAN 61
vi
DAFTAR TABEL
Nomor Judul Halaman
2.1 Contoh soal Metode Grafik 13

2.2 Bentuk Tabel Simpleks 18
2.3 Tabel Simpleks yang Pertama 20
2.4 Tabel Simpleks : Pemilihan kolom kunci pada tabel 20
pertama
2.5 Tabel Simpleks : Cara mengubah nilai baris kunci 21
2.6 Tabel Simpleks : Melanjjutkan Perbaikan 23
2.7 Tabel Simpleks : Hasil Akhir Perbaikan 24
3.1 Jenis Celana Jeans 33
3.2 Data Bahan Baku 33
3.3 Data Persediaan Bahan Baku 34
3.4 Data Biaya Produksi, Harga Jual dan Keuntungan 35
Penjualan
3.5 Simbol Variabel Keputusan 36
3.6 Tabel Simpleks pertama 39
3.7 Tabel baru metode simpleks 42
3.8 Tabel Akhir Metode Simpleks 42
3.9 Iterasi I Metode Simpleks dengan Software QM 43
3.10 Iterasi II Metode Simpleks dengan Software QM 43
3.11 Iterasi III Metode Simpleks dengan Software QM 43
3.12 Iterasi IV Metode Simpleks dengan Software QM 44
3.13 Iterasi V Metode Simpleks dengan Software QM 44
3.14 Iterasi VI Metode Simpleks dengan Software QM 45
3.15 Iterasi VII Metode Simpleks dengan Software QM 45
4.1 Solusi dari Hasil Iterasi dengan Software QM 48
4.2 Hasil Akhir Metode Branch and Bound 35
vii
DAFTAR GAMBAR
Nomor Judul Halaman
2.1 Grafik Batasan Pertama 14

2.2 Grafik Contoh Soal 15
2.3 Grafik Fungsi Tujuan 15
2.4 Langkah-langkah Metode Branch and Bound 29
2.5 Diagram Metode Branch and Bound 30
4.1 Diagram Branch and bound pada titik 57
viii
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Seiring dengan perkembangan zaman membuat persaingan di dunia industri

semakin meningkat. Industri modern semakin banyak yang bermunculan,
diantara banyaknya industri yang bermunculan, cukup banyak industri yang
menghasilkan produk-produk yang sejenis. Untuk memenuhi tuntutan konsumen
akan kebutuhan produk tersebut, maka setiap industri tentu akan terus berusaha
untuk selalu berinovasi dalam mengembangkan produk mereka sesuai dengan
permintaan dari para konsumen. Suatu perusahaan dituntut untuk memiliki
keunggulan kompetitif agar dapat bertahan di tingkat nasional maupun internasional.
Dengan strategi perencanaan produksi perusahaan yang tepat menjadikan
perusahaan yang maju serta memiliki keuntungan maksimal.
Aspek produksi merupakan salah satu aspek paling penting dalam suatu
perusahaan. Besar kecilnya keuntungan yang diterima oleh suatu perusahaan
tergantung pada seberapa besar suatu produk mampu dihasilkan oleh perusahaan
yang bersangkutan. Peningkatan produksi dan melaksanakan kegiatan produksi yang
efisien penting dilakukan oleh setiap perusahaan dengan memiliki perencanaan
produksi. Perencanaan produksi berhubungan dengan penentuan volume produksi,
ketetapan waktu penyelesaian dan pemanfaatan sumber daya yang tersedia.
Perencanaan produksi merupakan perencanaan tentang produk apa saja dan berapa
jumlah yang akan diproduksi oleh perusahaan dalam waktu satu periode yang akan
datang. Perencanaan produksi bertujuan untuk optimasi produksi sehingga dapat
memaksimalkan keuntungan.
CV. Ridho Mandiri adalah sebuah perusahaan nasional yang bergerak di
industri tekstil. CV. Ridho Mandiri telah berproduksi sejak Agustus 1990, CV. Ridho
Mandiri memproduksi dua produk celana jeans(panjang dan pendek) dengan
berbagai macam warna dan ukuran, Perusahaan ini menggunakan bahan utama yaitu
full catoon, stretch, polyester, aksesoris serta memiliki pewarnaan dengan 12 warna..

2
Dengan berbekal pengalaman selama 27 tahun, CV. Ridho Mandiri memahami dan
mengerti hal–hal terbaik untuk membuat celana dengan kualitas yang unggul.
Produk-produk ini di pasarkan ke beberapa provinsi yang ada di Indonesia. CV.
Ridho Mandiri memproduksi satu merk yaitu LOOK OUT. Perusahaan perlu
membuat perencanaan produksi yang optimal untuk dapat bersaing di pasar nasional
maupun internasional. Setiap pelaku usaha atau pelaku ekonomi pasti melakukan apa
yang disebut dengan prinsip ekonomi, yaitu dengan usaha atau modal yang sedikit
mampu menghasilkan keuntungan yang banyak, sehingga muncul masalah
optimisasi. Masalah optimisasi tersebut meliputi meminimumkan biaya atau
memaksimumkan keuntungan dengan kapasitas sumber daya yang ada agar mampu
mendapatkan hasil yang optimal. Optimalisasi merupakan proses mencari solusi
optimal dari sebuah permasalahan dengan menggunakan model matematis dan
pemecahannya dapat menggunakan program linier.
Program linier pertama kali diperkenalkan oleh George Dantzig (1947) yang
pada awalnya banyak dipakai pada bidang perencanaan militer, khususnya dalam
perang dunia II oleh angkatan bersenjata Amerika Serikat dan Inggris. Metode
pengerjaan program linier umumnya menggunakan metode grafik dan metode
simpleks. Program linier adalah suatu teknik penyelesaian optimal atas suatu
problema keputusan dengan cara menentukan terlebih dahulu fungsi tujuan dan
fungsi kendala yang ada ke dalam model matematik persamaan linier dan dengan
tujuan menemukan beberapa kombinasi alternatif pemecahan optimum.
Program bilangan bulat atau program integer adalah sebuah program linier
dengan persyaratan tambahan bahwa semua variabelnya merupakan bilangan-
bilangan bulat. Dalam hal ini, metode penyelesaian masalah yang digunakan adalah
metode Cabang dan Batas (Branch and Bound).
Berdasarkan penelitian sebelumnya di perusahaan furniture PT. Putra Jepara
memiliki hasil perhitungan matematis dari model atau permasalahan yang telah
diberikan, dengan menggunakan metode simpleks diperoleh hasil 2 unit lemari
pakaian, 45.5 set meja makan, dan 3 unit lemari jam, serta 1 set kursi tamu yang
memberikan nilai 𝑍 sebesar Rp. 107.496.000,-. Berdasarkan hasil penelitian tersebut
untuk mecapai hasil yang optimal sebagaimana yang di tujukan dengan harus
memproduksi 45.5 set meja makan, namun bahwa hasil tersebut tidak rasional, dalam

3
kasus ini 45,5 set meja harus diselesaikan dengan 45 atau 46 (bukan 45.5). dalam hal
ini digunakan metode branch and bound. Dari hasil perhitungan dengan metode
branch and bound diperoleh 2 unit lemari pakaian, 46 set meja makan, 2 unit lemari
jam dan 1 set kursi tamu yang memberikan nilai 𝑍 sebesar Rp. 107.087.000,- dan
semua variabel keputusannya bernilai bulat dan memiliki keuntungan yang
maksimal. Permasalahan seperti ini biasanya menuntut solusi yang optimum agar
dapat diperoleh keuntungan yang sebesar-besarnya. Salah satu model untuk
mempresentasikan suatu permasalahan adalah Program Linear. Salah satu dari
program linear yaitu integer programming. Integer Programming adalah sebuah
model matematis yang memungkinkan hasil penyelesaian kasus pada pemrograman
linear yang berupa bilangan bulat. Metode untuk menyelesaikan persoalan integer
programming adalah metode Branch and bound dan metodei ini ialah metode yang
paling efisien dari semua metode di integer programming. Dengan metode ini akan
dibuat percabangan dan perpotongan yang akan menghasilkan pemecahan optimum
dari masalah program linear untuk bergerak ke arah pemecahan integer atau mixed
integer yang diinginkan.
Metode branch and bound adalah salah satu metode untuk menghasilkan
penyelesaian optimal program linear yang menghasilkan variabel-variabel keputusan
bilangan bulat. Prinsip kerja metode branch and bound adalah mencabangkan
variabel keputusan yang tidak memiliki penyelesain bulat, percabangan dilakukan
terus hingga diperoleh penyelesaian bulat sehingga semua variabel keputusannya
bernilai bulat dan menghasilkan keuntungan maksimal bagi perusahaan.
Berdasarkan persoalan tersebut peneliti ingin meneliti tentang
“Implementasi Metode Branch and Bound Dalam Mengoptimalkan Jumlah
Produk Guna Memaksimalkan Keuntungan (Studi Kasus : CV. Ridho
Mandiri)”.
1.2 Perumusan Masalah
Permasalahan yang akan dibahas dalam penelitian ini adalah cara untuk
mengoptimalkan bahan baku yang tidak digunakan dengan menggunakan metode
branch and bound sehingga perusahaan dapat memperoleh keuntungan yang
maksimal.

4
1.3 Batasan Masalah
Agar penelitian yang dilakukan dapat menghasilkan penelitian yang fokus dan
akurat, maka diberikan batasan masalah sebagai berikut:
1. Dipilih 6 produk celana yaitu : celana jeans panjang ukuran kecil, celana jeans
panjang ukuran big size, celana jeans panjang ukuran super jumbo, celana
jeans pendek ukuran kecil, celana jeans pendek ukuran big size, celana jeans
pendek ukuran super jumbo.
2. Dalam menyelesaikan produksi, harga bahan baku dianggap konstan.
3. Kondisi perusahaan dianggap dalam keadaan normal (kebijakan perusahaan
tidak berubah selama jangka waktu pemecahan masalah).
1.4 Tujuan Penelitian
Tujuan utama dari penelitian ini adalah untuk memperlihatkan bahwa metode
Branch and Bound pada linear programming merupakan salah satu alternatif yang
dapat digunakan untuk mengoptimalkan bahan baku pembuatan celana jeans di CV.
Ridho Mandiri.
1.5 Manfaat Penelitian
Manfaat dari penelitian ini adalah sebagai berikut:

1) Bagi Perusahaan
Penelitian ini dapat dijadikan sebagai salah satu bahan acuan untuk
meningkatkan keuntungan dari produksi tekstil di CV. Ridho Mandiri.
2) Bagi Peneliti
Peneliti mendapatkan pengalaman dalam mengaplikasikan ilmu pengetahuan
yang diperoleh tentang mengoptimalkan jumlah produksi.
3) Bagi Universitas
Menambah kepustakaan universitas yang sudah ada, khususnya mengenai
pengoptimalan produksi dengan menggunakan linear programming.

5
1.6 Tinjauan Pustaka
Program linier adalah suatu teknik penyelesaian optimal atas suatu problem
keputusan dengan cara menentukan terlebih dahulu fungsi tujuan (memaksimumkan
atau meminimumkan) dan kendala-kendala yang ada ke dalam model matematik
persamaan linier. Program linier sering digunakan dalam menyelesaikan problem
alokasi sumber daya (Parlin Sitorus, 1997). Pemrograman linier menggunakan model
matematika untuk menggambarkan suatu masalah. Sifat linier di sini berarti semua
fungsi matematika harus berupa fungsi linier. Kata pemrograman di sini berarti
melainkan perencanaan. Pemrograman linier meliputi perencanaan aktivitas untuk
mendapatkan hasil maksimal, yaitu sebuah hasil yang mencapai tujuan terbaik
(menurut model matematika) di antara semua kemungkinan alternatif yang ada.
Model merupakan suatu penyederhanaan dari permasalahan yang kompleks
menjadi lebih sederhana. Ada beberapa klasifikasi model dalam riset operasi, yaitu
model ikonik, model analog, model matematik, model simulasi dan model heuristic
(Faigiziduhu Bu’lölö, 2016).
Metode analisis yang paling bagus untuk menyelesaikan persoalan alokasi
sumber ialah metode program linier. Pokok pikiran yang utama dalam menggunakan
program linier ialah merumuskan masalah dengan jelas dengan menggunakan
sejumlah informasi yang tersedia. Sesudah masalah terumuskan dengan baik, maka
langkah berikut ialah menerjemahkan masalah ini ke dalam bentuk model
matematika, yang mempunyai cara pemecahan yang lebih mudah dan rapi guna
menemukan jawaban terhadap masalah yang dihadapi.
Metode simpleks dikembangkan oleh George Dantzig dalam tahun 1947. Dan
telah terbukti sebagai metode yang sangat efisien yang dipakai secara rutin untuk
menyelesaikan masalah-masalah besar dengan komputer masa kini (Frederick
S.Hillier 1994). Metode simpleks berbeda dengan metode grafik karena hanya dapat
menyelesaikan kasus dengan variabel keputusan sama dengan 2 sedangkan metode
simpleks dapat digunakan untuk memecahkan kasus dengan banyak variabel
keputusan.
Adapun proses penyusunan model matematik untuk fungsi tujuan dan
kendala pada metode simpleks sama dengan proses pada metode grafik. Namun,

6
proses perhitungan pada metode simpleks dilakukan secara rutin (berulang) dengan
menggunakan pola yang sistematik hingga penyelesaian terbaik dicapai. Proses
perhitungan yang rutin ini menunjukkan nilai fungsi tujuan akan sama atau lebih
besar dari penyelseaian pada iterasi sebelumnya. Hal ini memberi jaminan bahwa
proses ini bergerak kearah penyelesaian optimal.
Metode Branch and Bound pertama kali diperkenalkan oleh A.H Land dan
A.G. Doig dan dikembangkan lebih lanjut oleh peneliti-peneliti lain. Teknik ini dapat
diterapkan baik untuk masalah pure maupun mixed integer programming (Sri
Mulyono, 2017). Metode branch and bound adalah salah satu metode untuk
menghasilkan penyelesaian optimal program linear yang menghasilkan variabel-
variabel keputusan bilangan bulat. Sesuai dengan namanya metode ini membatasi
penyelesaian optimum yang akan menghasilkan bilangan pecahan dengan cara
membuat cabang atas atau bawah bagi masing-masing variabel keputusan yang
bernilai pecahan agar bernilai bulat sehingga setiap pembatasan akan menghasilkan
cabang baru (Widi Hartono, 2014). Pencabangan (branching) berarti memecah soal
menjadi 2 soal baru (masing-masing ditambah dengan kendala baru) dan
menyelesaikan keduanya (Jong Jek Siang, 2014).
1.7 Lokasi Penelitian
Penelitian dilakukan di CV. Ridho Mandiri , yang beralamat di Jalan Bromo Gang
Sederhana No. 14 Medan.
1.8 Metodologi Penelitian
Penelitian disusun dengan langkah-langkah sebagai berikut:

1. Studi Pendahuluan
Mengumpulkan dan mempelajari berbagai informasi berupa buku-buku ataupun
jurnal-jurnal, maupun makalah yang berkaitan dengan penelitian.
2. Pengumpulan Data
Data yang diperoleh dari perusahaan adalah jumlah produksi, data bahan baku,
data biaya produksi, waktu penyelesain produksi, jumlah tenaga kerja dan data
harga penjualan setiap jenis celana jeans.

7
3. Pengolahan Data
Tahapan yang dilakukan dalam pengolahan data adalah sebagai berikut:
1. Formulasi Fungsi
a. Perumusan Fungsi Tujuan

Dalam penelitian ini yang dijadikan sebagai fungsi tujuannya adalah
maksimasi keuntungan penjualan celana jeans pendek (ukuran kecil, big
size, super jumbo) , celana jeans panjang (ukuran kecil, big size, super
jumbo). Koefisien dari variabel keputusannya ialah keuntungan dari
penjualan masing-masing jenis produk celana jeans.
b. Perumusan Fungsi Kendala
Fungsi kendala dirumuskan berdasarkan persediaan bahan baku ( full
cotton, pewarna, resleting, kancing paku, kancing rivet, Mr. kertas,
Stn.kt.belakang, Stn.kt.depan, Stn.cara cuci, Stn.nomor celana, kulit
pinggang, pantasi Kt.belakang, pantasi Kt.depan, sticker, pembungkus,
saten pinggang , merk).
2. Penyelesaian Model
a. Menghitung nilai variabel keputusan dengan menggunakan Software QM.
b. Mencari nilai optimal dengan menggunakan metode Branch and Bound.
3. Membuat Kesimpulan
Membuat kesimpulan dari hasil perhitungan dan saran yang dapat menjadi masukan
bagi pihak perusahaan.

BAB 2
LANDASAN TEORI
2.1 Program Linier

Program linier merupakan model matematik untuk mendapatkan alternatif
penggunaan terbaik atas sumber-sumber organisasi. Kata sifat linier digunakan untuk
menunjukkan fungsi-fungsi matematik yang digunakan dalam bentuk linier dalam
arti hubungan langsung dan persis proporsional. Program menyatakan penggunaan
teknik matematik tertentu. Jadi pengertian program linier adalah suatu teknik
perencanaan yang bersifat analitis yang analisisnya menggunakan model matematis,
dengan tujuan menemukan beberapa kombinasi alternatif pemecahan optimum
terhadap persoalan (Aminudin, 2005).
Program linier adalah suatu teknik penyelesaian optimal atas suatu problema
keputusan dengan cara menentukan terlebih dahulu fungsi tujuan (memaksimalkan
atau meminimalkan) dan kendala-kendala yang ada ke dalam model matematik
persamaan linier. Program linier sering digunakan dalam penyelesaian problema-
problema alokasi sumber daya, seperti dalam bidang manufacturing, pemasaran,
keuangan, personalia, administrasi, dan lain sebagainya (Sitorus, 1997).
Siagian (1987) mengemukakan bahwa pokok pikiran yang paling utama
dalam menggunakan program linier adalah merumuskan masalah dengan jelas
menggunakan sejumlah informasi yang tersedia. Kemudian menerjemahkan masalah
tersebut ke dalam model matematis, yang cara pemecahan masalahnya lebih mudah
dan terstruktur agar didapatkan solusinya.
Suatu masalah dikatakan sebagai masalah program linier apabila :
1. Tujuan (objective) yang akan dicapai harus dapat dinyatakan dalam bentuk
fungsi linier yang disebut sebagai fungsi tujuan (objective function).
2. Harus ada alternatif pemecahan. Pemecahan yang membuat fungsi tujuan
optimum (laba yang maksimum, biaya yang minimum, dan sebagainya) yang
harus dipilih.
3. Sumber-sumber tersedia dalam jumlah yang terbatas (bahan mentah terbatas,
modal terbatas, ruangan untuk menyimpan barang terbatas, dan sebagainya).

9
Pembatasan-pembatasan harus dinyatakan di dalam ketidaksamaan yang

linier (linear inequality).
Pokok pikiran yang utama dalam menggunakan program linier adalah
merumuskan masalah dengan jelas dengan menggunakan sejumlah informasi yang
tersedia. Sesudah masalah dirumuskan dengan baik, maka langkah berikutnya adalah
menerjemahkan masalah ini ke dalam bentuk model matematika, yang mempunyai
cara pemecahan yang lebih mudah dan terstruktur guna menemukan solusi terhadap
masalah yang dihadapi.
Menurut Mulyono (2004), setelah masalah diidentifikasikan, tujuan
ditetapkan, langkah selanjutnya adalah formulasi model matematik yang meliputi:
1. Tentukan variabel yang tidak diketahui (variabel keputusan) dan nyatakan
dalam simbol matematik.
2. Membentuk fungsi tujuan yang ditunjukkan sebagai suatu hubungan linier
(bukan perkalian) dari variabel keputusan.
3. Menentukan semua kendala masalah tersebut dan mengekspresikan dalam
persamaan atau pertidaksamaan yang juga merupakan hubungan linier dari
variabel keputusan yang mencerminkan keterbatasan sumber daya masalah
tersebut.
2.1.1 Model Program Linier
Model persamaan umum dalam program linier dapat dirumuskan sebagai berikut
(Aminudin, 2005):
Maksimalkan atau minimumkan :
𝑍 ∑
Dengan kendala :
Untuk

10
Atau dapat ditulis secara lengkap sebagai berikut :

Maksimalkan atau minimumkan :
𝑍
Dengan kendala :
. . . . . . .
. . . . . . .
. . . . . . .
untuk
Keterangan :
𝑍 = Fungsi tujuan yang harus dicari nilai optimalnya (maksimal atau
minimal)
= tingkat kegiatan ke- j
= Kenaikan nilai Z terjadi apabila ada pertambahan tingkat kegiatan
dengan satu satuan unit atau sumbangan setiap satuan keluaran kegiatan
Z terhadap j
= Banyaknya sumber i yang diperlukan untuk menghasilkan setiap unit
keluaran kegiatan j
= Kapasitas sumber i yang tersedia untuk dialokasikan ke setiap unit
kegiatan
= macam kegiatan yang menggunakan sumber atau fasilitas yang tersedia
= macam batasan sumber atau fasilitas yang tersedia
2.1.2 Terminologi Umum dan Asumsi-Asumsi Dasar Program Linier
Terminologi umum untuk model program linier dapat dirangkum sebagai berikut:
1. Fungsi yang akan dicari nilai optimalnya (Z) disebut sebagai fungsi tujuan
(objective function).
2. Fungsi-fungsi batasan dapat dikelompokkan menjadi dua macam, yaitu :
a. Fungsi batasan fungsional, yaitu fungsi-fungsi batasn sebanyak m.
b. Fungsi batasan non-negatif (non-negative constrains) yaitu variabel
.
3. Variabel-variabel disebut sebagai variabel keputusan (decision variables).

11
4. Parameter model yaitu masukan konstan , , dan .

Agar penggunaan model program linier di atas memuaskan tanpa terbentur
pada berbagai hal, makan diperlukan asumsi-asumsi dasar program linier sebagai
berikut :
1. Proportionality, asumsi ini berarti naik turunnya nilai Z dan penggunaan
sumber atau fasilitas yang tersedia akan berubah secara sebanding dengan
perubahan tingkat kegiatan.
Misal :
a. 𝑍
Setiap pertambahan 1 unit akan menaikkan Z sebesar Setiap
pertambahan 1 unit akan menaikkan Z sebesar , dan seterusnya.
b.
Setiap pertambahan 1 unit akan menaikkan penggunaan sumber daya
atau fasilitas ke 1 sebesar Dengan kata lain, setiap ada kenaikan
kapasitas riil tidak perlu ada biaya persiapan.
2. Additivity, berarti nilai tujuan tiap kegiatan tidak saling mempengaruhi, atau
dalam program linier dianggap bahwa kenaikan suatu kegiatan dapat
ditambahkan tanpa mempengaruhi bagian nilai Z yang diperoleh dari
kegiatan lain.
Misal : 𝑍
Di mana ;
Sehingga Z = 120 + 140 = 260
Andaikan bertambah 1 unit, maka sesuai dengan asumsi pertama, nilai Z
menjadi 260 + 4 = 264. Jadi, nilai 4 karena kenaikan dapat langsung
ditambahkan pada nilai Z mula-mula tanpa mengurangi bagian Z yang
diperoleh dari kegiatan ke 2 ( . Dengan kata lain, tidak ada korelasi antara
dan .
3. Divisibility, berarti keluaran yang dihasilkan oleh setiap kegiatan dapat
berupa bilangan pecahan.
Misal : 𝑍

12
4. Deterministic (certainty), berarti bahwa semua parameter ( , , dan )

yang terdapat pada program linier dapat diperkirakan dengan pasti, meskipun
dalam kenyataannya tidak sama persis.
Umumnya masalah program linier dapat diselesaikan dengan menggunakan 2
metode, yaitu metode grafik dan metode simpleks.
2.2. Metode Grafik
Masalah program linier dapat diilustrasikan dan dipecahkan secara grafik jika
ia hanya memiliki dua variabel keputusan. Meski masalah-masalah dengan dua
variabel jarang terjadi dalam dunia nyata, penafsiran geometris dari metode grafis ini
sangat bermanfaat. Untuk mencari penyelesaian optimal, dilakukan dengan cara
mencari titik penyelesaian optimal yang terdapat di dalam daerah kelayakan.
Langkah-langkah penggunaan metode grafik dapat ditunjukkan secara ringkas.
sebagai berikut :
1. Menentukan fungsi tujuan dan memformulasikannya dalam bentuk

matematis.
2. Mengidentifikasi batasan-batasan yang berlaku dan memformulasikannya
dalam bentuk matematis.
3. Menggambarkan masing-masing garis fungsi batasan dalam satu sistem salip
sumbu.
4. Mencari titik yang paling menguntungkan (optimal) dihubungkan dengan
fungsi tujuan.
Diberikan suatu permasalahan yang akan diselesaikan dengan mwtode grafik

sebagi berikut:
Contoh 2.1
Perusahaan sepatu SENTOSA membuat 2 macam sepatu. Macam pertama merek I 1,

dengan sol dari karet, dan macam kedua merek I2 dengan sol dari kulit. Untuk
membuat sepatu-sepatu itu perusahaan memiliki 3 macam mesin. Mesin 1 khusus
membuat sol dari karet, mesin 2 khusus membuat sol dari kulit, dan mesin 3
membuat bagian atas sepatu dan melakukan assembling bagian atas dengan sol.

13
Setiap lusin sepatu merk I1 mula-mula dikerjakan di mesin 1 selama 2 jam, kemudian
tanpa melalui mesin 2 terus dikerjakan di mesin 3 selama 6 jam. Sedangkan untuk
sepatu merek I2 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
untuk mesin 1 = 8 jam, mesin 2 = 15 jam, dan mesin 3 = 30 jam.
Sumbangan terhadap laba untuk setiap lusin sepatu merek I1 = Rp. 30.000
sedangkan merek I2 = Rp. 50.000. Masalahnya adalah menentukan berapa lusin
sebaiknya sepatu merek I1 dan merek I2 yang dibuat agar bisa memaksimumkan laba.
Data di atas dapat disusun kedalam tabel sebagai berikut :
Tabel 2.1 Contoh Soal Metode Grafik
Merek Kapasitas
I1 I2
Mesin Maksimum
1 2 0 8
2 0 3 15
3 6 5 30
Sumbangan
terhadap laba 3 5
(Rp.10.000)
Untuk melakukan formulasi masalah di atas, maka pertama-tama tentukan simbol-

simbol yang akan dipakai :
X1 = jumlah sepatu merk I1 yang akan di buat setiap hari
X2 = jumlah sepatu merk I2 yang akan di buat setiap hari
Z = jumlah keuntungan seluruh sepatu merk I1 dan merk I2 yang akan diperoleh.
Masalah tersebut dapat dipecahkan dengan metode grafik dalam LP dengan

langkah-langkah dan persyaratan-persyaratan penggunaannya seperti di atas. Secara
grafis akan digambarkan sumbu mendatar X1 untuk produk 1 dan sumbu vertikal X2
untuk produk 2, jumlah n = 2, yaitu produk 1 (sepatu merek I1) dan produk 2 (sepatu
merek I2). Tujuan kita adalah akan memaksimumkan keuntungan yang akan
diperoleh. keuntungan tiap lusin sepatu merek I1 = Rp. 30.000, sedangkan merek I2
= Rp. 50.000.

14
Oleh karena itu dapat kita formulasikan fungsi tujuannya (dalam puluhan ribu
rupiah) sebagai berikut:
Maksimumkan : Z = 3X1 + 5X2
Dengan Kendala :
1) 2X1 ≤8
2) 3X2 ≤ 15
3) 6X1 + 5X2 ≤ 30
Keterangan :
Batasan 1 adalah batasan mesin 1 yang berarti 2 jam x jumlah sepatu merek I 1 yang
dibuat (2X1) tidak dapat lebih dari 8 jam.
Batasan 2 berarti 3 jam x jumlah sepatu merek I2 yang dibuat (3X2) tidak dapat lebih
dari 15 jam.
Batasan 3 berarti bahwa 6 jam x nilai X1 + 5 jam x nilai X2 tidak dapat lebih dari 30
jam.
Selain itu perlu pula diperhatikan batasan-batasan “non-negatif”, yaitu X1 ≥ 0
dan X2 ≥ 0. Artinya kombinasi X1 dan X2 nanti hanya akan terletak pada kuadran
pertama, yaitu kuadran yang memuat nilai-nilai positif bagi X1 dan X2.
Gambar 2.1 Grafik Batasan Pertama

Bagian yang diarsir pada gambar diatas merupakan bagian yang memenuhi
batasan-batasan : X1 ≥ 0 ,X2 ≥ 0 dan 2X1 ≤ 8. Dengan cara yang sama fungsi batasan
yang kedua (3X2 ≤ 15) dan batasan ketiga (6X1 + 5X2 ≤ 30) dapat digambar untuk
mencari titik perpotongan garis 6X1 + 5X2 ≤ 30 dengan sumber X1 dan X2. Secara
lengkap dapat dilihat di bawah ini :

15
Gambar 2.2 Grafik Contoh Soal

Bagian yang diarsir (disebut daerah feasible) pada gambar di atas
menunjukkan bagian yang memenuhi “persyaratan” yang ditetapkan oleh ketiga
fungsi-fungsi batasan , atau merupakan daerah kemungkinan-kemungkinan
kombinasi (X1, X2) yang memenuhi batasan-batasan. Langkah terakhir pendekatan
ini adalah mencari suatu titik (kombinasi X 1 dan X2) yang terletak pada daerah
feasible yang dapat memaksimumkan nilai Z. Hal ini dapat dilakukan dengan 2 cara:
dengan menggambarkan fungsi tujuan (disebut sebagai cara trial and error) dan
dengan membandingkan nilai Z pada tiap-tiap alternatif.
a. Dengan menggambarkan fungsi tujuan.
Misal digambarkan Z = 10 = 3X1 + 5X2 (garis P pada gambar di bawah).
Untuk mengetahui apakah ada nilai (X1, X2) di dalam daerah feasible yang akan
mendapatkan Z=10.
Gambar 2.3 Grafik Fungsi Tujuan

Ternyata dengan menggambarkan 3X1 + 5X2 = 10 tampak bahwa terdapat
lebih dari satu titik pada garis tersebut yang terletak di dalam daerah feasible.
Sehingga garis Z = 3X1 + 5X2 perlu digeser ke kanan agar lebih menjauhi titik
origin atau agar Z lebih besar.

16
Umpama garis tersebut digeser menjadi 3X1 + 5X2 = 20 (garis q). Tampak
bahwa masih terdapat lebih dari satu titik pada garis tersebut yang terletak di
dalam daerah feasible. Artinya belum ditemukan satu titik (X 1 , X2) yang
menghasilkan Z tertinggi. Garis Z = 3X 1 + 5X2 digeser lebih jauh ke kanan,
sampai akhirnya ditemukan garis 3X1 + 5X2 = 27 1/2 , yang menyinggung
daerah feasible di titik C (5/6 , 5). Berarti kombinasi optimal adalah : X 1 = 5/6
dan X2 = 5, dengan Z maksimal sebesar 27 1/2 .
b. Dengan membandingkan nilai Z pada tiap-tiap alternatif

Apabila cara diatas terasa rumit, dapat dilakukan cara lain yang lebih
sederhana yakni dengan membandingkan berbagai alternatif kombinasi X 1 dan X2.
Atau dengan kata lain dengan membandingkan nilai Z yang diperoleh pada
berbagai titik kombinasi X1 dan X2 di daerah feasible. Tentu saja nilai Z makin
tinggi bila makin jauh dari titik origin (O). Sehingga sebaiknya yang
membandingkan adalah titik-titik yang ada di sudut-sudut daerah feasible.
Titik O : Pada titik ini nilai X1 = 0 , X2 = 0. Tentu saja Z = 0.
Titik A : Pada titik ini, nilai X1 = 4, X2 = 0. Sehingga Z = 3(4) + 0 = 12
Titik B : Pada titik ini nilai X1 = 4. Substitusikan nilai ini pada persamaan batasan
(3), maka 6(4) + 5X2 = 30. Jadi nilai X2 = (30-24)/5 = 6/5. Nilai Z = 3(4)
+ 5(6/5) = 18.
Titik C : Pada titik ini nilai X2 = 5. Substitusikan nilai ini pada persamaan batasan
(3), menjadi 6X1 + 5(5) = 30. Jadi nilai X1 = (30 – 25)/6 = 5/6. Nilai Z =
3(5/6) + 5(5) = 27 ½.
Titik D : Pada titik ini nilai X2 = 5 dan nilai X1 = 0. Nilai Z = 3(0) + 5(5) = 25.
Diantara kelima alternatif tersebut di atas yang mempunyai nilai Z terbesar
adalah alternatif C, sebesar 27 1/2. Jadi titik inilah yang paling optimal.
Keputusannya sepatu merek I1 dibuat 5/6 lusin dan sepatu merek I2 dibuat 5 lusin
setiap hari, dengan laba setiap hari sebesar Rp. 275.000.

17
2.3 Metode simpleks
Metode ini dapat digunakan untuk jumlah variabel keputusannya 2 atau lebih dan
jumlah kendalanya 2 atau lebih. Metode simpleks adalah suatu prosedur ulang yang
bergerak dari satu jawab layak basis ke jawab berikutnya sedemikian rupa hingga
harga fungsi tujuan terus menaik (dalam persoalan maksimasi) dan akan
berkelanjutan sampai dicapai jawab optimal (kalau ada) yang memberi harga
maksimum.
Cara yang paling sederhana unrtuk menyelesaikan permasalahan program
linier adalah dengan pendekatan grafikal. Namun cara tersebut hanya bisa diterapkan
untuk program linier dengan dua variabel keputusan. Pada kenyataannya sebagian
besar permasalahan program linier mempunyai lebih dari dua variabel keputusan.
Hal ini tentu sulit untuk menerapkan pendekatan grafikal untuk memperoleh
penyelesaian dari permasalahan tersebut.
Oleh karena itu, pada tahun 1947 George Dantzig mengajukan suatu metode
yang tepat untuk menyelesaikan permasalahan program linier yang disebut metode
simpleks. Metode simpleks merupakan prosedur aljabar yang bersifat iteratif yang
bergerak selangkah demi selangkah, dimulai dari titik ekstrim pada daerah feasible
(ruang sousi) menuju titik ekstrim yang optimum.
Berikut langkah-langkah dalam menyelesaikan permasalahan program linier
dengan metode simpleks (Handayani, 2014):
1. Konversikan formulasi persoalan ke dalam bentuk standar.
Agar persamaan garis batasan memenuhi persyaratan penyelesaian daerah
kelayakan (feasible) maka semua pertidaksamaan diubah menjadi persamaan
dengan cara menambahkan variabel slack, surplus dan variabel buatan
(artifisial variabel) pada tiap batasan (constraint) serta member harga nol pada
setiap koefisien tujuannya. Batasan dapat dimodifikasi sebagai berikut:
a. Untuk batasan bernotasi (≤) diubah ke dalam bentuk persamaan dengan
menambahkan variabel slack.
b. Untuk batasan bernotasi (≥) atau (=) diselesaikan dengan menambahkan
variabel surplus dan variabel buatan. Dengan penambahan variabel buatan
ini akan merusak sistem batasan, hal ini dapat diatasi dengan membuat suatu
bilangan penalty M (M bilangan positif yang sangan besar) sebagai harga

18
dari variabel buatan tersebut dalam fungsi tujuan. Untuk kasus maksimasi
maka dibuat –M sebagai harga dari variabel buatan dan untuk kasus
minimasi dibuat +M sebagai harga dari variabel buatan. Cara pendekatan ini
dikenal dengan metode M besar (Big M method).
2. Susun persamaan-persamaan ke dalam tabel simpleks
Tabel 2.2 Bentuk Tabel Simpleks
3. Pilih kolom kunci, yaitu kolom yang memiliki nilai (𝑍 - ) yang paling positif
untuk kasus maksimasi atau yang memiliki nilai (𝑍 - ) yang paling negatif
untuk kasus minimasi.
4. Pilih baris kunci yang memiliki nilai indeks terkecil. Nilai indeks adalah
perbandingan nilai kanan dengan kolom kunci.
5. Tentukan nilai elemen cell, yaitu nilai perpotongan antara kolom kunci dan
baris kunci.
6. Lakukan iterasi dengan menentukan baris kunci baru, baris Z baru, dan baris
variabel-variabel slack baru.
a. Baris kunci baru ditentukan dengan membagi baris kunci lama dengan
elemen cell.
b. Baris Z baru dan baris-baris lainnya ditentukan dengan cara:
Baris lama – (nilai kolom kunci baris yang sesuai × baris kunci baru)
c. Letakkan nilai-nilai baris yang baru diperoleh ke dalam tabel.
7. Lakukan uji optimalisasi. Jika semua koefisien pada baris (𝑍 - ) sudah tidak
ada lagi yang bernilai positif (untuk kasus maksimasi) atau sudah tidak ada
lagi yang bernilai negatif (untuk kasus minimasi) berarti sudah optimal. Jika
kriteria belum terpenuhi, diulangi dari langkah 3.

19
Metode simpleks didasarkan pada langkah seperti berikut :

a. Dimulai pada suatu titik pojok yang layak, biasanya titik asal ( yang disebut
sebagai solusi awal).
b. Bergerak dari satu titik pojok layak ke titik pojok layak lain yang berdekatan.
Pergerakan ini akan menghasilkan nilai fungsi tujuan yang lebih baik
(meningkat untuk masalah maksimasi dan menurun untuk masalah minimasi).
Jika solusi yang lebih baik telah diperoleh, prosedur simpleks dengan
sendirinya akan menghilangkan semua solusi-solusi lain yang kurang baik.
c. Proses ini diulang-ulang sampai suatu solusi yang lebih baik tak dapat
ditemukan. Proses simpleks kemudian berhenti dan solusi optimum diperoleh.
Diberikan suatu permasalahan yang akan diselesaikan dengan metode
simpleks sebagai berikut:
Contoh 2.2
Maksimumkan Z = 3X1 + 5X2
Batasan (constraint)
(1) 2X1 8
(2) 3X2  15
(3) 6X1 + 5X2  30
Langkah 1 : Mengubah fungsi tujuan dan batasan-batasan

Mengubah fungsi tujuan dan batasan-batasan
Fungsi tujuan
Z = 3X1 + 5X2 diubah menjadi Z - 3X1 - 5X2 = 0.
Fungsi batasan (diubah menjadi kesamaan & di + slack variabel)
(1) 2X1  8 menjadi 2X1 + X3 = 8
(2) 3X2  15 menjadi 3X2 + X4 = 15
(3) 6X1 + 5X2  30 menjadi 6X1 + 5X2 + X5 = 30
Langkah 2: Menyusun persamaan-persamaan di dalam tabel

NK adalah nilai kanan persamaan, yaitu nilai di belakang tanda sama dengan
( = ). Untuk batasan 1 sebesar 8, batasan 2 sebesar 15, dan batasan 3 sebesar 30.

20
Variabel dasar adalah variabel yang nilainya sama dengan sisi kanan dari
persamaan. Pada persamaan 2X1 + X3 = 8, kalau belum ada kegiatan apa-apa, berarti
nilai X1 = 0, dan semua kapasitas masih menganggur, maka pengangguran ada 8
satuan, atau nilai X3 = 8. Pada tabel tersebut nilai variabel dasar (X 3, X4, X5) pada
fungsi tujuan pada tabel permulaan ini harus 0, dan nilainya pada batasan-batasan
bertanda positif.
Tabel 2.3 Tabel simpleks yang pertama
Variabel X1 X2 X3 X4 X5
Z NK
Dasar
Z 1 -3 -5 0 0 0 0
X3 0 2 0 1 0 0 8
X4 0 0 3 0 1 0 15
X5 0 6 5 0 0 1 30
Langkah 3: Memilih kolom kunci

Kolom kunci adalah kolom yang merupakan dasar untuk mengubah tabel
simplek. Pilihlah kolom yang mempunyai nilai pada garis fungsi tujuan yang bernilai
negatif dengan angka terbesar. Dalam hal ini kolom X2 dengan nilai pada baris
persamaan tujuan –5. Berilah tanda segi empat pada kolom X2, seperti tabel berikut :
Tabel 2.4 Tabel simpleks: pemilihan kolom kunci pada tabel pertama
Variabel X1 X2 X3 X4 X5 Keterangan
Z NK
Dasar (Indeks)
Z 1 -3 -5 0 0 0 0
X3 0 2 0 1 0 0 8
X4 0 0 3 0 1 0 15
X5 0 6 5 0 0 1 30
Jika suatu tabel sudah tidak memiliki nilai negatif pada baris fungsi tujuan,
berarti tabel itu tidak bisa dioptimalkan lagi (sudah optimal).

21
Langkah 4: Memilih baris kunci

Baris kunci adalah baris yang merupakan dasar untuk mengubah tabel
simplek, dengan cara mencari indeks tiap-tiap baris dengan membagi nilai-nilai pada
kolom NK dengan nilai yang sebaris pada kolom kunci.
Indeks = (Nilai Kolom NK) / (Nilai kolom kunci)
Untuk baris batasan 1 besarnya indeks = 8/0 = , baris batasan 2 = 15/3 = 5,
dan baris batasan 3 = 30/5 = 6. Pilih baris yang mempunyai indeks positif dengan
angka terkecil. Dalam hal ini batasan ke-2 yang terpilih sebagai baris kunci. Beri
tanda segi empat pada baris kunci. Nilai yang masuk dalam kolom kunci dan juga
masuk dalam baris kunci disebut angka kunci.
Langkah 5: Mengubah nilai-nilai baris kunci

Nilai baris kunci diubah dengan cara membaginya dengan angka kunci,
seperti tabel 3. bagian bawah (0/3 = 0; 3/3 = 1; 0/3 = 0; 1/3 = 1/3; 0/3 = 0; 15/3 = 5).
Gantilah variabel dasar pada baris itu dengan variabel yang terdapat di bagian atas
kolom kunci ( ).
Tabel 2.5 Simpleks: Cara mengubah nilai baris kunci
Z NK
Dasar (Indeks)
Z 1 -3 -5 0 0 0 0
X3 0 2 0 1 0 0 8 8/0 = ∞
X4 0 0 3 0 1 0 15 15/3 = 5
X5 0 6 5 0 0 1 30 30/5 = 6
Z
X3
X2 0 0 1 0 ⁄ 0 5
X5

22
Langkah 6: Mengubah nilai-nilai selain pada baris kunci

Rumus :
Baris baru = baris lama – (koefisien pada kolom kunci) x nilai baru baris kunci
Baris pertama (Z)
[-3 -5 0 0 0, 0]
(-5) [0 1 0 1/3 0, 5] (-)
Nilai baru = [-3 0 0 5/3 0, 25]
Baris ke-2 (batasan 1)
[2 0 1 0 0, 8]
(0) [0 1 0 1/3 0, 5] (-)
Nilai baru = [2 0 1 0 0, 8]
[6 5 0 0 1, 30 ]
(5) [0 1 0 1/3 0, 5 ] (-)
Nilai baru = [6 0 0 -5/3 1, 5 ]
Langkah 7: Melanjutkan perbaikan
Ulangilah langkah-langkah perbaikan mulai langkah 3 sampai langkah ke-6

untuk memperbaiki tabel-tabel yang telah diubah/diperbaiki nilainya. Perubahan baru
berhenti setelah pada baris pertama (fungsi tujuan) tidak ada yang bernilai negatif.

23
Tabel 2.6 Tabel Simpleks : Melanjutkan Perbaikan
Z NK
Dasar (Indeks)
Z 1 -3 0 0 5/3 0 25
X3 0 2 0 1 0 0 8 = 8/2 = 4
X4 0 0 1 0 1/3 0 5
X5 = 5/6
0 6 0 0 -5/3 1 5 (minimum)
Z 1
X3 0
X2 0
X1 0 6/6 0 0 -5/18 1/6 5/6
Baris ke-1
[-3 0 0 5/3 0, 25 ]
(-3) [1 0 0 -5/18 1/6, 5/6] (-)
1
Nilai baru = [0 0 0 5/6 ½, 27 /2]
[2 0 1 0 0, 8]
(2) [1 0 0 -5/18 1/6, 5/6] (-)

1
Nilai baru = 0 0 1 5/9 -1/3, 6 /3]
Baris ke-3 tidak berubah karena nilai pada kolom kunci = 0
[0 1 0 1/3 0, 5]
(0) [1 0 0 -5/18 1/6, 5/6] (-)
Nilai baru = 0 1 0 1/3 0, 5]

24
Tabel 2.7 Hasil Akhir Perbaikan
Variabel X1 X2 X3 X4 X5
Z NK
Dasar
1
Z 1 0 0 0 5/6 ½ 27 /2
1
X3 0 0 0 1 5/9 -1/3 6 /3
X2 0 0 1 0 1/3 0 5
X1 0 1 0 0 -5/18 1/6 5/6
Baris pertama (Z) tidak ada lagi yang bernilai negatif. Sehingga tabel tidak dapat
dioptimalkan lagi dan tabel tersebut merupakan hasil optimal.
Dari tabel final didapat :
X1 = 5/6, X2 = 5 dengan Zmaksimum = 271/2
2.4 Program Integer
Menurut Sitorus (1997), program linier bilangan bulat atau disebut juga sebagai
program integer merupakan suatu model program linier yang khusus digunakan
untuk menyesuaikan suatu masalah program linier dimana nilai variabel-variabel
keputusan dalam menyelesaikan optimal harus merupakan bilangan integer (bulat).
Karakteristik model matematika program linier integer adalah sama dengan model
linier biasa, kecuali dalam program linier integer harus ada memuat suatu
persyaratan bahwa variabel keputusan tertentu harus bilangan integer. Apabila
dalam Program Linier integer mensyaratkan bahwa :
1. Semua keputusan harus merupakan bilangan integer disebut All integer linear
programming (AILP).
2. Hanya sebagian keputusan yang merupakan bilangan integer disebut Mixed
integer linear programing (MILP).
3. Jika variabel keputusan harus bernilai 0 dan 1 disebut Zero one integer linear
programming (ZOILP).

25
Ada banyak kasus dalam masalah program integer yang membatasi variabel
model bernilai nol atau satu. Dalam kasus demikian, pengambil keputusan hanya
memiliki dua pilihan yaitu menerima atau menolak suatu usulan kegiatan.
Penerimaan atau penolakan yang sifatnya parsial (sebagian) tidak diperbolehkan.
Jika variabel keputusan bernilai satu, kegiatan diterima. Dan jika variabel berilai nol,
kegiatan ditolak. (Mulyono, 2004).
Bentuk umum program integer dapat dirumuskan sebagai berikut :
Maksimumkan atau minimumkan :
𝑍 ∑
Dengan kendala :
∑ (
Untuk
Keterangan:
𝑍 = Fungsi tujuan yang harus dicari nilai optimalnya (maksimal atau minimal)
= tingkat kegiatan ke- j
Kenaikan nilai Z terjadi apabila ada pertambahan tingkat kegiatan
dengan satu satuan unit atau sumbangan setiap
= satuan keluaran kegiatan Z terhadap j
Banyaknya sumber i yang diperlukan untuk menghasilkan setiap unit
= keluaran kegiatan j
= Kapasitas sumber i yang tersedia untuk dialokasikan ke setiap unit kegiatan
= macam kegiatan yang menggunakan sumber atau fasilitas yang tersedia
= macam batasan sumber atau fasilitas yang tersedia
2.5 Metode Branch and Bound (Pencabangan dan Pembatasan)
Metode Branch and Bound pertama kali diperkenalkan oleh Land dan Doig (1960).
Ide dasarnya adalah untuk membagi daerah solusi fisibel menjadi daerah solusi
fisibel yang lebih kecil. Ini merupakan prosedur sederhana yang menetapkan batasan
yang lebih tinggi dan rendah menjadi solusi saat menyelesaikan sub masalah secara

26
sistematis. Kemudian metode ini dimodifikasi oleh Dakin (1965) dan dengan sukses
menerapkannya di dalam kitab undang-undang hukum dagang banyak orang dalam
memecahkan persoalan program integer.
Dengan menggunakan metode Branch and Bound, Widi Hartono (2014)
dapat menganalisis permasalahan optimasi sisa material besi pada plat lantai. Dimana
perbandingan jumlah besi tulangan yang berdiameter 12 cm dan 10 cm terjadi
penghematan sebesar 1,5449% dan 4,0399%.
Metode Branch and Bound merupakan salah satu metode untuk menghasilkan
penyelesaian optimal program linear yang menghasilkan variabel – variabel
keputusan bilangan bulat. Sesuai dengan namanya, metode ini membatasi
penyelesaian optimum yang akan menghasilkan bilangan pecahan dengan cara
membuat cabang atas atau bawah bagi masing-masing variabel keputusan yang
bernilai pecahan agar bernilai bulat sehingga setiap pembatasan akan menghasilkan
cabang baru (Hartono, 2014). Metode ini sering digunakan untuk menyelesaikan
suatu masalah program integer karena hasil yang diperoleh dalam penyelesaian
optimal lebih teliti dan lebih baik dari kedua metode lainnya. Kelemahan pokok
metode ini adalah prosedur untuk mencapai hasil optimal sangat panjang.
Prinsip dasar metode ini adalah memecah daerah fisibel layak suatu masalah
program linier dengan membuat submasalah. Ada dua konsep dasar dalam metode
branch and bound:
a. Branching adalah proses membagi-bagi permasalahan menjadi subproblem-
subproblem yang mungkin mengarah ke solusi.
b. Bounding adalah suatu proses untuk mencari/menghitung batas atas dan
batas bawah untuk solusi optimal pada subproblem yang mengarah ke
solusi.
2.5.1. Langkah-Langkah Metode Branch and Bound

Berikut ini adalah langkah-langkah penyelesaian suatu masalah maksimisasi
dengan metode branch and bound :
1. Selesaikan masalah program linier dengan metode simpleks selesaikan
masalah tanpa pembatasan bilangan integer.

27
2. Teliti solusi optimalnya, jika variabel keputusan yang diharapkan adalah

bilangan integer, solusi optimum integer telah tercapai. Jika satu atau lebih
variabel keputusan yang diharapkan ternyata bukan bilangan integer,
lanjutkan ke langkah 3.
3. Jadikan solusi pada penyelesaian langkah 1 menjadi batas atas dan untuk
batas bawahnya merupakan solusi yang variabel keputusannya telah
diintegerkan (rounded – down).
4. Pilih variabel yang mempunyai nilai pecahan terbesar (artinya bilangan
desimal terbesar dari masing-masing vaariabel untuk dijadikan pencabangan
ke dalam sub-sub masalah. Tujuannya adalah untuk menghilangkan solusi
yang tidak memenuhi persyaratan integer dalam masalah itu. Pencabangan itu
dilakukan secara mutually exclusive untuk memenuhi persyaratan integer
dengan jaminan tidak ada solusi fisibel (layak) yang diikutsertakan. Hasilnya
adalah sebuah sub masalah dengan batasan ≤ atau batasan ≥
5. Untuk setiap sub-masalah, nilai optimum fungsi tujuan ditetapkan sebagai
batas atas. Solusi optimum yang diintegerkan menjadi batas bawah (solusi
yang sebelumnya tidak integer kemudian diintegerkan). Sub-sub masalah
yang memiliki batas atas kurang dari batas bawah yang ada, tidak
diikutsertakan pada analisa selanjutnya. Suatu solusi integer fisibel (layak)
adalah sama baik atau lebih baik dari batas atas untuk setiap sub masalah
yang dicari. Jika solusi yang demikian terjadi, suatu sub masalah dengan
batas atas terbaik dipilih untuk dicabangkan. Kembali ke langkah 4.
2.5.2 Syarat Pencabangan (Fathoming) Berhenti

Pencabangan atau pencarian solusi pada suatu sub masalah dihentikan jika:
1. Infeasible atau tidak mempunyai daerah layak.
2. Semua variabel keputusan yang harus bernilai integer sudah bernilai integer
3. Pada masalah memaksimalkan, penghentian pencabangan pada suatu sub
masalah dilakukan jika batas atas dari sub masalah tersebut tidak lebih besar
atau sama dengan batas bawah.

28
4. Pada masalah meminimumkan penghentian pencabangan pada suatu sub

masalah dilakukan jika batas bawah tidak lebih lebih kecil atau sama dengan
batas atas.
2.5.3. Syarat Kondisi Optimal

Kondisi optimal pada Branch and bound antara lain :
1. Jika tidak ada lagi sub masalah yang perlu dicabangkan lagi maka solusi
optimal sudah diperoleh.
2. Pada masalah memaksimalkan solusi optimal merupakan solusi submasalah
yang saat ini menjadi batas bawah (lower bound)
3. Pada masalah meminimumkan solusi optimal merupakan solusi submasalah
yang saat ini menjadi batas atas (upper bound).

29
Langkah-langkah pengerjaan metode Branch and Bound adalah sebagai berikut:
Masalah Linear Programming

diselesaikan dengan metode simpleks
tanpa pembatasan bilangan bulat
Teliti solusi optimumnya Variabel basis yang

diharapkan bilangan
bulat
Salah satu variabel basis Solusi bilangan bulat

yang diharapkan tidak bulat tercapai
Nilai solusi pecah yang layak

dicabangkan (branch) ke dalam
sub-sub masalah
Pencabangan dilakukan
dengan kendala baru yang
saling berhubungan
Cari solusi optimumnya dengan

simpleks menggunakan pembatas
bilangan bulat
Gambar 2.4 Langkah-Langkah Metode Branch and Bound

30
.
Solusi awal
Gambar 2.5 Diagram Metode Branch and Bound
Walaupun metode Branch and Bound memiliki kekurangan, dapat dikatakan

bahwa sampai sekarang, ini adalah metode yang paling efektif dalam memecahkan
program-program integer dengan ukuran praktis. Pada kenyataannya, semua program
komersial yang tersedia didasari oleh metode Branch and Bound. Tetapi, ini tidak
berarti bahwa setiap program integer dapat dipecahkan dengan metode Branch and
Bound. Ini hanya berarti bahwa ketika pilihannya adalah metode pemotongan
(cutting plane) dan metode Branch and Bound, metode terakhir ini umumnya
terbukti lebih baik (Taha, 1996).
2.6 Software QM
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 hanya untuk
membantu perhitungannya saja jadi kita harus dapat menginterpretasikan masalah
dan teori programasi linier. 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.

31
Software QM berguna untuk membantu pengambilan keputusan seperti

misalnya menentukan kombinasi produksi yang sesuai agar memperoleh keuntungan
sebesar-besarnya, menentukan order pembelian barang agar biaya perawatan menjadi
seminimal mungkin, menentukan penugasan karyawan terhadap suatu pekerjaan agar
dicapai hasil yang maksimal, dan lain sebagainya. Program ini menyediakan
beberapa modul berbeda, yaitu: Aggregate Planning, Assembly Line Balancing,
Assignment, Break Even/Cost-Volume Analysis, Capital Investment, Decission
Analysis, Forecasting, Game Theory, Goal Programming, Integer And Mixed Integer
Programming, Inventory, Job Shop Sceduling, Layout, Learning Curve, Linear
Programming, Location, Lot Sizing, Markov Analysis, Material Requirements
Planning, Networks, Productivity, Project Management (PERT/CPM), Quality
Control, Reliability, Simulation, Statistics, Transportation, Waiting Lines, Work
Measurement.
Langkah – langkah pengoperasiannya software QM adalah sebagai berikut:

1. Buka aplikasi software QM.
2. Buka module lalu pilih module linier programming.
3. Selanjutnya, klik file lalu pilih new maka akan tampil kotak create data set
for linier programming.
4. Siapkan formula masalahnya.
Tentukan jumlah constraints (kendala).
Tentukan jumlah variabel.
5. Masukkan masalah tersebut ke dalam tabel.
- Fungsi tujuan (maximize) diisikan dengan data pada fungsi tujuan kasus
 linier programming tersebut.
- Constraint dan Variabel diisikan dengan data pada fungsi kendala kasus
 linier programming tersebut.
- Untuk tanda <= akan muncul secara otomatis berdasarkan pilihan
 objective kasus linier programming tersebut.
- RHS diisikan data penyediaan atau kapasitas pada kasus linier
 programming tersebut.
6. Lakukan pengecekan pada masalah bila terjadi kesalahan input.

32
7. Lakukan perhitungan dan lihat hasilnya dengan menekan tombol SOLVE.

8. Tampilkan hasil-hasil perhitungan.
9. Simpan formulasi masalah atau datanya.
10. Untuk melihat gambar grafik, klik Window lalu klik Graph.
11. Untuk melihat hasil Simpleks, Klik Window lalu Klik Iterations.
Secara garis besar layar software QM terdiri atas:

1. Title Bar, terdiri dari The control Main Box, program name dan button untuk
 layar yaitu Minimize, Maximize, dan close.
2. Menu Bar, terdiri dari File, Edit, View, Modul, Tables, Tools, Windows, dan
 Help.
3. Tool Bar atau Button Bar, terdiri dari Command Bar, contohnya print screen
dan solve, Instruction Panel, Extra Data Area, Data Table, Annotation Area,
Status Panel.

BAB 3
METODE PENELITIAN
3.1 Merumuskan Masalah
Merumuskan masalah diperlukan agar permasalahan yang dikaji dalam

penelitian jelas, sehingga mempermudah pemecahan masalah. Berdasarkan ide
yang diperoleh, dirumuskan masalah untuk menganalisis metode branch and
bound dalam mengoptimalkan jumlah produk celana jeans di CV. Ridho Mandiri
yang bertempat di jalan Bromo Gang Sederhana No.14 Medan.
3.2 Studi Literatur dan Studi Kasus
Studi kasus adalah mempelajari teori-teori yang berkaitan dengan program

linier, program integer dan branch and bound. Kemudian menerapkannya pada
data hasil penelitian. Studi kasus dilakukan penulis dengan pencatatan dan
wawancara pada CV. Ridho Mandiri
3.3 Pengamatan dan Pengumpulan Data
Dalam melakukan penelitian ini hasil pengamatan yang penulis peroleh

adalah proses produksi dan bahan-bahan yang digunakan untuk meproduksi
celana, antara lain sebagai berikut:
3.3.1 Proses Produksi
Proses produksi adalah cara, metode maupun teknik bagaimana kegiatan

menciptakan/meningkatkan kegunaan suatu barang menjadi barang jadi atau siap
pakai. Kelancaran suatu proses produksi adalah suatu hal yang sangat diharapkan
dalam setiap perusahaan. Kelancaran tersebut bergantung pada sistem produksi
yang ada dalam perusahaan tersebut maka pengendalian proses produksi
menentukan baik atau buruknya sistem produksi dalam suatu perusahaan dan
dapat memperngaruhi pelaksanaan produksi dalam perusahaan.

34
3.3.2 Jenis-Jenis Celana
Jenis celana yang diteliti dalam tulisan ini adalah berdasarkan ukuran.
Adapun terdapat 6 jenis celana pada perusahaan tersebut, antara lain:
Tabel 3.1 Jenis Celana Jeans
No. Jenis Celana Definisi
1. Celana Pendek Ukuran Kecil Nomor 27 – 32
2. Celana Pendek Big SIze Nomor 33 - 38
3. Celana Pendek Ukuran Super Jumbo Nomor 39 - 44
4. Celana Panjang Ukuran Kecil Nomor 27 – 32
5. Celana Panjang Ukuran Big SIze Nomor 33 - 38
6. Celana Panjang Ukuran Super Jumbo Nomor 39 - 44
3.3.3 Bahan Baku dan Waktu Produksi Celana
Bahan-bahan baku yang digunakan dalam pembuatan celana adalah

bahan utama dan bahan tambahan. Adapun nama-nama bahan utama dan
bahan tambahan yang digunakan adalah:
Tabel 3.2 Data Bahan Baku
Jenis celana yang diproduksi (lusin)
Celana Celana Celana
Jenis Bahan Celana Celana Celana
No Pendek panjang Panjang
Baku Celana pendek pendek panjang
Super Big Super
kecil Big Size kecil
Jumbo Size Jumbo
1 Full catoon 9 10,8 12 15 16,2 21,6
2 Pewarna 18 21 25 35 40 45
3 Resleting 12 12 12 12 12 12
4 Kancing Rivet 12 12 12 12 12 12
5 Kancing Paku - - - 72 72 72
6 Merek Kertas 12 12 12 12 12 12
7 Stn. kt.Blk 12 12 12 12 12 12
8 Stn. kt. Dpn 12 12 12 12 12 12

35
9 Stn. Cara cuci 12 12 12 12 12 12

10 Stn. No celana 12 12 12 12 12 12
11 Kulit Pinggang 12 12 12 12 12 12
12 Pembungkus 12 12 12 12 12 12
13 Sticker 12 12 - 12 12 -
14 Saten Pinggang - 12 12 - 12 12
15 Merk 12 12 12 - - -
16 Pantasi kt. Blk 12 - - 12 - -
17 Pantasi kt. Dpn 12 - - 12 - -
Keterangan :
Stn. kt.Blk = Saten Kantong Belakang
Stn. Cara cuci = Saten Cara Cuci
Stn. kt. Dpn = Saten Kantong Depan
Stn.No celana = Saten Nomor Celana
Pantasi kt. Blk = Pantasi Kantong Belakang
Pantasi kt. Dpn = Pantasi Kantong Depan
Tabel 3.3 Data Persediaan Bahan Baku
Jenis Bahan Baku Persediaan Bahan Baku

No.
Celana Produksi
1 Full catoon 14.000 m

2 Pewarna 30.000 gr
3 Resleting 12.000
4 Kancing Rivet 12.000
5 Kancing Paku 36.000
6 Merek Kertas 12.000
7 Stn. kt.Blk 12.000
8 Stn. kt. Dpn 12.000
9 Stn. Cara cuci 12.000
10 Stn. No celana 12.000
11 Kulit Pinggang 12.000
12 Pembungkus 12.000

36
13 Sticker 7.000
14 Saten Pinggang 7.500
15 Merk 5.500
16 Pantasi kt. Blk 4.000
17 Pantasi kt. Dpn 4.000
3.3.4 Harga Jual, Biaya Produksi dan Keuntungan Penjualan Celana
Tabel 3.4 Data Biaya Produksi, Harga Jual dan Keuntungan

Penjualan
Biaya produksi Keuntungan

Jenis celana dalam sekali Harga jual penjualan dalam
produksi (lusin) sekali produksi
Celana Pendek
Rp 848.133 Rp 1. 680.000 Rp 831.867
Kecil
Celana Pendek Big
Rp 899.613 Rp 1.920.000 Rp 1.020.387
Size
Celana Pendek
Rp 1.064.658 Rp 2.040.000 Rp 975.342
Super Jumbo
Celana Panjang
Rp 999.927 Rp 1.800.000 Rp 800.073
Kecil
Celana Panjang
Rp 1.034.748 Rp 2.040.000 Rp 1.005.252
Big Size
Celana Panjang
Rp 1.131.276 Rp 2.160.000 Rp 1.028.724
Super Jumbo
3.4 Pengolahan Data
Analisis data pada penelitian ini dilakukan dengan cara yaitu antara lain :
1. Memodelkan permasalahan menjadi fungsi tujuan dan fungsi kendala di

dalam model matematika.
2. Menghitung nilai variabel keputusan dengan menggunakan metode
simpleks pada linear programming.

37
3. Menghitung nilai variabel keputusan dengan menggunakan Software QM.

4. Mencari nilai optimal dengan metode Branch and Bound.
3.4.1 Memodelkan Permasalahan Menjadi fungsi Tujuan dan Fungsi Kendala
di dalam Model Matematika
Tabel 3.5 Simbol Variabel Keputusan
Celana Pendek Ukuran Kecil

Celana Pendek Big SIze
Celana Pendek Ukuran Super Jumbo
Celana Panjang Ukuran Kecil
Celana Panjang Ukuran Big SIze
Celana Panjang Ukuran Super Jumbo
Berdasarkan data diatas maka fungsi tujuan adalah sebagai berikut:
Maksimalkan : 𝑍
Dengan kendala :

38
12
12
0
Maka, permasalahan di atas dapat disederhanakan sebagai berikut :

Persamaan 1 :
Maksimalkan : 𝑍
Persamaan 2 :
Dengan kendala :
12
0
Di mana :
= Celana Pendek Kecil
= Celana Pendek Big Size
= Celana Pendek Super Jumbo
= Celana Panjang Kecil
= Celana Panjang Big Size
= Celana Panjang Super Jumbo
3.4.2 Menghitung nilai variabel keputusan dengan menggunakan metode

simpleks pada linear programming
a. Analisi permasalahan linier yang terdapat pada CV. Ridho Mandiri.
b. Permasalahan diformulasikan ke dalam mdel program linier

39
𝑍 ∑ ∑
c. Tentukan fungsi tujuan dan fungsi kendala

Bentuk Matematis:
Fungsi tujuan:
Maksimalkan : 𝑍
Fungsi kendala :
12
d. Selesaikan permasalahan dengan Metode Simpleks dan Metode Branch and

Bound
Langkah-langkah metode Simpleks:
1. Mengubah fungsi tujuan dan kendala
Fungsi tujuan : 𝑍
=0
Fungsi kendala:
12

40
( sampai merupakan variabel slack. Variabel slack adalah variabel

tambahan yang mewakili persediaan bahan baku yang tidak digunakan).
2. Menyusun persamaan-persamaan ke dalam tabel

Tabel 3.6 Tabel Simpleks Pertama
Variabel
Z NK
Dasar
Z 1 -831867 -1020387 -975342 -800073 -1005252 -1028724 0 0 0 0 0 0 0 0 0
0 9 10,8 12 15 16,2 21,6 1 0 0 0 0 0 0 0 14000
0 18 21 25 35 40 45 0 1 0 0 0 0 0 0 30000
0 12 12 12 12 12 12 0 0 1 0 0 0 0 0 12000
0 0 0 0 72 72 72 0 0 0 1 0 0 0 0 36000
0 12 12 0 12 12 0 0 0 0 0 1 0 0 0 7000
0 0 12 12 0 12 12 0 0 0 0 0 1 0 0 7500
0 12 12 12 0 0 0 0 0 0 0 0 0 1 0 5500
0 12 0 0 12 0 0 0 0 0 0 0 0 0 1 4000
3. Menentukan kolom kunci

Kolom kunci adalah kolom yang merupakan dasar untuk mengubah tabel
simpleks. Pilih kolom yang fungsi tujuannya bernilai negatif dengan angka
terbesar.
Dalam hal ini, terpilih kolom dengan nilai -1028724.
4. Memilih baris kunci

Baris kunci adalah baris yang merupakan dasar untuk mengubah tabel
simpleks. Pilih baris dengan cara mencari indeks tiap-tiap baris dengan
membagi nilai-nilai pada kolom NK dengan nilai kolom kunci.

41
5. Mengubah nilai-nilai baris kunci

Seluruh nilai baris kunci diubah dengan cara membagi seluruh nilai-nilai
baris kunci dengan angka kunci. Angka kunci diperoleh dari angka yang
diapit oleh kolom kunci dan baris kunci.
Baris kunci
(72) [0 0 0 72 72 72 0 0 0 1 0 0 0 0 36000] (÷)
N
꞊ [0 0 0 1 1 1 0 0 0 0,0139 0 0 0 0 500]
B
6. Mengubah seluruh nilai-nilai selain pada baris kunci

Baris baru = baris lama – (koefisien kolom kunci X baris kunci baru)
Contoh:
Baris :
Baris lama:
Koefisien kolom kunci x baris kunci baru:
x
ITERASI 1
Nilai Baru (NB) :
Baris
9 10,8 12 15 16,2 21,6 1 0 0 0 0 0 0 0 14000
(21,6) [0 0 0 1 1 1 0 0 0 0,0139 0 0 0 0 500 (─)
N
꞊ [9 10,8 12 -6,6 -5,4 0 1 0 0 -0,30024 0 0 0 0 3200
B
Baris
18 21 25 35 40 45 0 1 0 0 0 0 0 0 30000
(45) [0 0 0 1 1 1 0 0 0 0,0139 0 0 0 0 500 (─)
N
꞊ [18 21 25 -10 -5 0 0 1 0 -0,6255 0 0 0 0 7500
B

42
Baris
12 12 12 12 12 12 0 0 1 0 0 0 0 0 12000
(12) [0 0 0 1 1 1 0 0 0 0,0139 0 0 0 0 500 (─)
N
꞊ [12 12 12 0 0 0 0 0 1 -0,1668 0 0 0 0 6000
B
Baris
12 12 0 12 12 0 0 0 0 0 1 0 0 0 7000
(0) [0 0 0 1 1 1 0 0 0 0,0139 0 0 0 0 500] (─)
N
꞊ [12 12 0 12 12 0 0 0 0 0 1 0 0 0 7000]
B
Baris
0 12 12 0 12 12 0 0 0 0 0 1 0 0 7500
(12) [0 0 0 1 1 1 0 0 0 0,0139 0 0 0 0 500] (─)
N
꞊ [0 12 12 -12 0 0 0 0 0 -0,1668 0 1 0 0 1500]
B
Baris
12 12 12 0 0 0 0 0 0 0 0 0 1 0 5500
(0) [0 0 0 1 1 1 0 0 0 0,0139 0 0 0 0 500] (─)
N
꞊ [12 12 12 0 0 0 0 0 0 0 0 0 1 0 5500]
B
Baris
12 0 0 12 0 0 0 0 0 0 0 0 0 1 4000
(0) [0 0 0 1 1 1 0 0 0 0,0139 0 0 0 0 500] (─)
N
꞊ [12 0 0 12 0 0 0 0 0 0 0 0 0 1 4000]
B
Baris Z
- - -
8318 10203 975 -800073 -1005252 -1028724 0 0 0 0 0 0 0 0 0
67 87 342
(102872
[0 0 0 1 1 1 0 0 0 0,0139 0 0 0 0 500] (─)
4)
[- - -
N
꞊ 8318 10203 975 228651 252123 0 0 0 0 14299,2636 0 0 0 1 51436200]
B 67 87 342

43
Tabel 3.7 Tabel baru metode simpleks

Variabel
Z NK
Dasar
Z 1 -831867 -1020387 -975342 -800073 -1005252 -1028724 0 0 0 0 0 0 0 0 0
0 9 10,8 12 -6,6 -5,4 0 1 0 0 -0,30024 0 0 0 0 3200
0 18 21 25 -10 -5 0 0 1 0 -0,6255 0 0 0 0 7500
0 12 12 12 0 0 0 0 0 1 -0,1668 0 0 0 0 6000
0 0 0 0 1 1 1 0 0 0 0,0139 0 0 0 0 500
0 12 12 0 12 12 0 0 0 0 0 1 0 0 0 7000
0 0 12 12 -12 0 0 0 0 0 -0,1668 0 1 0 0 1500
0 12 12 12 0 0 0 0 0 0 0 0 0 1 0 5500
0 12 0 0 12 0 0 0 0 0 0 0 0 0 1 4000
Karena masih terdapat nilai negatif pada baris fungsi tujuan yang
bernilai negatif maka iterasi masih dilanjutkan dengan perbaikan. Iterasi akan
berhenti ketika semua nilai pada baris fungsi tujuan tidak ada yang bernilai
negatif. Sehingga didapat hasil akhir iterasi sebagai berikut :
Tabel 3.8 Tabel Akhir Metode Simpleks

Iteration 7 VD X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 NK
831867 X1 152.7778 1 0 0 0 0 0 -0.1111 0.4667 0 -0.2278 0.1444 -0.1833 -0.6778 0
975342 X3 138.8889 0 0 1 0 0 0 -0.2222 -0.0667 0 0.1 -0.1278 0.05 0.3944 0
0 X9 500 0 0 0 0 0 0 0 0 1 -0.1667 0 0 -1 0
1028724 X6 236.1111 0 0 0 0 0 1 0.2222 0.0667 0 -0.0861 0.0444 -0.05 -0.3111 0
1005252 X5 83.3334 0 0 0 0 1 0 -0.3333 0.4 0 -0.1417 0.1 -0.05 -0.45 0
1020387 X2 166.6666 0 1 0 0 0 0 0.3333 -0.4 0 0.1278 -0.0167 0.1333 0.3667 0
800073 X4 180.5555 0 0 0 1 0 0 0.1111 -0.4667 0 0.2417 -0.1444 0.1 0.7611 0
0 X14 0 0 0 0 0 0 0 0 0 0 -0.1667 0 1 -1 1
zj 903,741,248 831867 1020387 975342 800073 1005252 1028724 13375 12342 0 791.88 9205.25 10618.25 31572.76 0
cj-zj 0 0 0 0 0 0 -13,375.0014 -12,341.9966 0 -791.8766 -9,205.2488 -10,618.2504 -31,572.7552 0

44
3.4.3 Menghitung nilai variabel keputusan menggunakan Software QM

Tabel 3.9 Iterasi I Metode Simpleks Dengan Software QM
Keterangan : Dipilih yang mempunyai nilai pada garis fungsi tujuan yang
bernilai negatif dengan angka terbesar untuk mengubah tabel
simplek.
Tabel 3.10 Iterasi II Metode Simpleks Dengan Software QM
Keterangan : Pada iterasi II dapat dilihat bahwa masuk ke dalam Basic

Variables dan slack 4 keluar dari Basic Variables dan
dilanjutkan dengan memilih kolom sebagai kolom kunci.
Tabel 3.11 Iterasi III Metode Simpleks Dengan Software QM

45
Keterangan : Pada iterasi III dapat dilihat bahwa masuk ke dalam Basic
Tabel 3.12 Iterasi IV Metode Simpleks Dengan Software QM
Keterangan : Pada iterasi IV dapat dilihat bahwa masuk ke dalam Basic

Tabel 3.13 Iterasi V Metode Simpleks Dengan Software QM
Keterangan : Pada iterasi V dapat dilihat bahwa masuk ke dalam Basic


46
Tabel 3.14 Iterasi VI Metode Simpleks Dengan Software QM
Keterangan : Pada iterasi VI dapat dilihat bahwa masuk ke dalam Basic

Tabel 3.15 Iterasi VII Metode Simpleks Dengan Software QM
Keterangan : Pada iterasi VII dapat dilihat bahwa masuk ke dalam Basic
Variables dan slack 7 keluar dari Basic Variables dan nilai
semua variable keputusan didapatkan.
Dari hasil iterasi dengan menggunakan software QM, diperolehlah hasil yang
optimal yaitu = 152,78 , = 166,67 , = 138,89 , = 180,56 , = 83,33 dan
= 236,11 dengan Z = 903741200.
3.4.4 Mencari nilai optimal dengan metode Branch and Bound

Langkah pertama yang dilakukan adalah menentukan batas atas (BA) dan
batas bawah (BB). Hasil yang diperoleh sebelumnya yaitu ,

47
, , dengan
keuntungan sebesar Rp.903.741.200 belum menjadi solusi yang valid karena , ,
, , dan bukan bilangan integer. Namun nilai keuntungannya
Rp.903.741.200 yang menjadi batas atas (BA). Dengan metode pembulatan ke
bawah, diperoleh : , ,
dengan keuntungan Rp.900.653.142. Nilai keuntungan dengan pembulatan ke
bawah dijadikan sebagai batas bawah (BB).
Setelah batas atas dan batas bawah ditentukan, maka selanjutnya memilih
variabel keputusan untuk melakukan pencabangan (branching), Variabel keputusan
memiliki nilai pecahan terbesar. Pecahan terbesar berada pada yaitu sebesar
138,89 , maka dicabangkan menjadi sub-masalah 1 dan sub-masalah 2 dengan
tambahan kendala untuk sub-masalah 1 yaitu dan untuk sub-masalah 2
yaitu . Telah diperoleh nilai variabel keputusan dari sub-masalah 1 dan 2
masih ada yang bernilai pecahan maka pencabangan (branch) terus dilanjutkan.
Proses Pencabangan ini tetap dilanjutkan sampai semua nilai variabel keputusan
bernilai bulat dan fisibel. Proses pencabangan dapat dilihat sebagai berikut :
Solusi awal
Gambar 3.1 Diagram Metode Branch and Bound

3.5 Penarikan kesimpulan
Langkah terakhir dalam metode penelitian ini adalah penarikan kesimpulan

yang diperoleh dari hasil pengolahan data.

BAB 4
HASIL DAN PEMBAHASAN
4.1 Perumusan Data ke dalam Model Matematika

Data tentang modal awal produksi, harga penjualan setiap jenis celana, bahan baku
produksi celana dan banyak bahan baku yang tersedia untuk memproduksi setiap
jenis roti diformulasikan ke dalam model matematika, sehingga dapat diketahui
berapa banyak jumlah celana yang harus diproduksi. Penulis membentuk
permasalahan tersebut ke dalam model matematik adalah dengan tujuan untuk
memaksimumkan jumlah produksi celana.
Produksi barang di CV. Ridho Mandiri dilaksanakan pada hari Senin hingga
Sabtu. Dalam penelitian ini yang menjadi kendala adalah jam kerja karyawan bagian
produksi. Rata-rata jumlah hari kerja yang efektif bagian produksi pada perusahaan
ini dalam sekali produksi adalah 40 hari kerja. Untuk 1 hari jam kerja adalah 8 jam,
sehingga dalam sekali produksi membutuhkan waktu 320 jam.
Berdasarkan data yang diperoleh maka dapat diformulasikan sebagai berikut:

Persamaan 1 :
Maksimalkan : 𝑍
Persamaan 2 :
Dengan kendala :
12
0

49
Di mana :
= Celana Pendek Kecil
= Celana Pendek Big Size
= Celana Pendek Super Jumbo
= Celana Panjang Kecil
= Celana Panjang Big Size
= Celana Panjang Super Jumbo
4.2 Pengolahan Data

Model matematika yang telah dibuat kemudian akan diolah dengan Software QM
menggunakan program linier. Diperoleh hasil olahan data yang optimal sebagai
berikut:
Tabel 4.1 Solusi dari Hasil Iterasi
Dari hasil iterasi dengan menggunakan software QM, diperolehlah hasil yang optimal
yaitu :
= 152,78
= 166,67
= 138,89
= 180,56
= 83,33
= 236,11
Sehingga celana jeans yang harus diproduksi dalam sekali produksi
sebanyak 152,78 lusin celana pendek ukuran kecil, 166,67 lusin celana pendek big
size, 138,89 lusin celana pendek ukuran super jumbo, 180,56 lusin celana panjang

50
ukuran kecil, 83,33 lusin celana panjang big size dan 236,11 lusin. Namun masalah
ini belum valid karena solusi yang dibutuhkan adalah solusi berupa bilangan integer.
Selanjutnya akan digunakan metode Branch and Bound agar solusi yang dihasilkan
berupa bilangan integer.
4.3 Analisis Metode Branch and Bound
Langkah pertama yang dilakukan adalah menentukan batas atas (BA) dan batas
bawah (BB). Hasil yang diperoleh sebelumnya yaitu , ,
, dengan keuntungan sebesar
Rp.903.741.200 belum menjadi solusi yang valid karena , , , , dan
bukan bilangan integer. Namun nilai keuntungannya Rp.903.741.200 yang menjadi
batas atas (BA). Dengan metode pembulatan ke bawah, diperoleh :
, , dengan keuntungan
Rp.900.653.142. Nilai keuntungan dengan pembulatan ke bawah dijadikan sebagai
batas bawah (BB).
Setelah batas atas dan batas bawah ditentukan, maka selanjutnya memilih
variabel keputusan untuk melakukan pencabangan (branching). Variabel keputusan
memiliki nilai pecahan terbesar. Pecahan terbesar berada pada yaitu sebesar
138,89 , maka dicabangkan menjadi sub-masalah 1 dan sub-masalah 2 dengan
tambahan kendala untuk sub-masalah 1 yaitu dan untuk sub-masalah 2
yaitu .
Sehingga diperoleh :
Iterasi 1 :
1. Sub-Masalah 1
Persamaan 3.1
Maksimalkan : 𝑍

51
Persamaan 3.2
Dengan kendala :
12
Kendala Baru
0
2. Sub-Masalah 2
Persamaan 3.1
Maksimalkan : 𝑍
Persamaan 3.2
Dengan kendala :
12
Kendala Baru
0

52
Dengan menggunakan metode simpleks, diperoleh :

Solusi sub-masalah 1 : = 152,8 = 166,5 , = 139, = 180,5 , = 83,5 ,
= 236, Z = Rp. 903.734.600
Solusi sub-masalah 2 : = 154,8 , = 165,53 , = 138 , = 178,41 ,
= 84,59 , = 236,88 Z = Rp. 903.734.200
Selanjutnya adalah meneliti nilai solusi (Z) dari masing-masing sub-masalah
apakah kurang dari nilai batas bawah dan lebih dari nilai batas atas. Jika nilai solusi
yang diperoleh lebih besar dari batas atas, maka solusi tersebut tidak layak karena
jika disubstitusikan ke dalam salah satu kendala, akan diperoleh kendala melebihi
persediaan yang ada. Sedangkan jika nilai solusi yang diperoleh lebih kecil dari batas
bawah, maka solusi tersebut tidak optimal.
Karena nilai solusi dari sub-masalah 1 dan sub-masalah 2 tidak lebih besar
dari nilai batas atas dan tidak lebih kecil dari nilai batas bawah, serta nilai variabel
keputusan sub-masalah 1 dan 2 masih ada yang tidak integer, maka sub-masalah 1
dan 2 dapat dicabangkan menjadi sub-masalah selanjutnya. Sub-masalah 1
dicabangkan menjadi sub-masalah 3 dan 4, sedangkan sub-masalah 2 dicabangkan
menjadi sub-masalah 5 dan 6.
Iterasi 2
Sub-masalah 1 memiliki batas atas (BA) dan batas bawah (BB) yaitu :
BA = Rp. 903.734.600 dengan = 152,8 = 166,5 , = 139, = 180,5 ,
= 83,5 , = 236
BB = Rp. 901.628.484 dengan = 152 = 166 , = 139, = 180 , = 83 ,
= 236
Karena pecahan terbesar terletak pada yaitu sebesar 152,8 maka tambahan
kendala untuk sub-masalah 3 adalah dan untuk sub-masalah 4.
Sehingga diperoleh :
1. Sub-masalah 3
Maksimalkan : Persamaan 3.1
Dengan kendala : Persamaan 3.2 + Kendala + kendala

53
2. Sub-masalah 4

Solusi sub-masalah 3 : = 153 = 166,33 , = 139, = 180,33 , = 83,68 ,
= 236, Z = Rp. 903.730.500
Solusi sub-masalah 4 : = 152 , = 167,33 , = 139 , = 181,33 ,
= 82,67 , = 236 , Z = Rp. 903.720.700
Iterasi 3
BA = Rp. 903.734.200 dengan = 154,8 = 165,53 , = 138, = 178,41 ,
= 84,59 , = 236,88
BB = Rp. 900.701.595 dengan = 154 = 165 , = 138, = 178,41 , = 84
= 236
Karena pecahan terbesar terletak pada yaitu sebesar 236,88 maka
tambahan kendala untuk sub-masalah 5 adalah dan untuk sub-
masalah 6. Sehingga diperoleh :
1. Sub-masalah 5
Dengan kendala : Persamaan 3.2 + Kendala + Kendala
2. Sub-masalah 6
Dengan kendala : Persamaan 3.2 + Kendala + Kendala

Solusi sub-masalah 5 : = 155,13 = 165,35 , = 137,86, = 178,06 ,
= 84,8 , = 237, Z = Rp. 903.733.100
Solusi sub-masalah 6 : = 172,33 , = 148 , = 138 , = 160 , = 103 ,
= 236 , Z = Rp. 903.304.400

54
Iterasi 4
BA = Rp. 903.730.500 dengan = 153 = 166,33 , = 139, = 180,33 ,
= 83,68 , = 236,
BB = Rp. 900.701.595 dengan = 153 = 166 , = 139, = 180 , = 83,
= 236
Sub-masalah 3 dicabangkan menjadi sub-masalah 7 dan sub masalah 8.
Karena pecahan terbesar pada solusi sub-masalah 3 terletak pada yaitu sebesar
83,68 maka tambahan kendala untuk sub-masalah 7 adalah dan
untuk sub-masalah 8.
1. Sub-Masalah 7
Dengan kendala : Persamaan 3.2 + Kendala + kendala +

kendala
2. Sub-Masalah 8
Dengan kendala : Persamaan 3.2 + Kendala + kendala +
kendala
Dengan menggunakan metode simpleks pada Software QM, diperoleh :

Solusi sub-masalah 7 : = 153,31 = 166,02 , = 139, = 180, = 84 ,
= 235,98 , Z = Rp. 903.722.900
Solusi sub-masalah 8 : = 153 , = 166,33 , = 139 , = 180,33 , = 83 ,
= 236,53 , Z = Rp. 903.610.100
Iterasi 5
BA = Rp. 903.720.700 dengan = 152 = 167,33 , = 139, = 181,33 ,
= 82,67 , = 236,
BB = Rp. 902.443.692 dengan = 152 = 167 , = 139, = 181 , = 82,
= 236

55

1. Sub-masalah 9

+ kendala
2. Sub-masalah 10

+ kendala
Solusi sub-masalah 9 : = 152 = 167 , = 139,33 , = 181,33 , = 83 ,
= 235,67, Z = Rp. 903.697.900
Solusi sub-masalah 10 : = 151,22 , = 168 , = 139,11 , = 182,11 ,
= 82 , = 235,89 , Z = Rp. 903.700.100
Iterasi 6
BA = Rp. 903.733.100 dengan = 155,13 = 165,35 , = 137,86 ,
= 178,06 , = 84,8 , = 237,
BB = Rp. 901.586.844 dengan = 155 = 165 , = 137, = 178 , = 84 ,
= 237

56
1. Sub-masalah 11
Dengan kendala : Persamaan 3.2 + Kendala + Kendala +

kendala
2. Sub-masalah 12

kendala
Solusi sub-masalah 11 : = 155,08 = 165,25 , = 138, = 178,1 ,
= 84,75 , = 237, Z = Rp. 903.714.900
Solusi sub-masalah 12 : = 157,08 , = 164,25, = 137 , = 176 ,
= 86,01 , = 237,74 , Z = Rp. 903.726.300
Iterasi 7
BA = Rp. 903.304.400 dengan = 172,33 = 148 , = 138 , = 160 ,
= 103 , = 236
BB = Rp. 903.027.096 dengan = 172 = 148 , = 138, = 160 , = 103 ,
= 236
1. Sub-masalah 13

Kendala
2. Sub-masalah 14

57

Kendala
Solusi sub-masalah 13 : = 173 = 147,37 , = 137,97 , = 159,3 ,
= 103,67 , = 236, Z = Rp. 903.289.700
Solusi sub-masalah 14 : = 172 , = 148,33 , = 138 , = 160,33 ,
= 102,67 , = 236 , Z = Rp. 903.298.800
Dapat dilihat bahwa solusi dari sub-masalah 11,12,13 dan 14 fisibel (artinya
nilai solusi optimalnya berada diantara batas bawah dan batas atas) maka
percabangan dapat dilanjutkan. Jadi, karena masih ada masalah yang dapat
dicabangkan lagi maka iterasi dilanjutkan sampai solusi dari semua sub-masalah
sudah memiliki variabel keputusan bilangan integer..
Solusi awal
Gambar 4.1 Diagram Branch and bound pada titik

58
Tabel 4.2 Hasil akhir metode Branch and Bound dengan Software QM
Dari hasil perhitungan dengan metode Branch and Bound maka diambil
dengan nilai optimal terbesar yakni Z= Rp. 903.567.400 dengan masing-masing
jumlah celana yang optimal diproduksi yaitu 155 lusin celana pendek ukuran kecil,
165 lusin celana pendek ukuran big size, 138 lusin celana pendek ukuran super
jumbo, 178 lusin celana panjang ukuran kecil, 85 lusin celana panjang ukuran big
size dan 237 lusin celana panjang ukuran super jumbo.
Maka diperoleh jumlah untuk masing-masing jenis celana :

1. Celana pendek ukuran kecil 155 lusin x 12 potong celana = 1860 potong
2. Celana pendek big size 165 lusin x 12 potong celana = 1980 potong
3. Celana pendek ukuran super jumbo 138 lusin x 12 potong celana = 1656
potong
4. Celana panjang ukuran kecil 178 lusin x 12 potong celana = 2136 potong
5. Celana panjang big size 85 lusin x 12 potong celana = 1020 potong
6. Celana panjang ukuran super jumbo 237 lusin x 12 potong celana = 2844
potong
Dengan keuntungan sebesar Rp. 903.567.400. Jadi jumlah celana yang bisa
diproduksi dari bahan baku yang tersedia ialah 11.496 potong celana.

BAB 5
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Dari uraian dan perhitungan analisa, maka dapat disimpulkan :
1. Dari hasil analisis menggunakan metode Branch and Bound, jumlah celana yang
optimal diproduksi yaitu 155 lusin celana pendek ukuran kecil, 165 lusin celana
pendek ukuran big size, 138 lusin celana penek ukuran super jumbo, 178 lusin
celana panjang ukuran kecil, 85 lusin celana panjang ukuran big size dan 237
lusin celana panjang ukuran super jumbo dengan keuntungan sebesar Rp.
903.567.400.
2. Dengan menggunakan metode Branch and Bound, keuntungan naik sebesar 4,3
% atau Rp. 37.335. 715 dari keuntungan perusahaan.
4.2 Saran
Dari penelitian ini penulis menyarankan sebagai berikut:
1. Hasil dari penelitian ini dapat menjadi bahan pertimbangan dan informasi
tambahan bagi perusahaan dalam menetapkan rencana produksi agar keuntungan
yang diperoleh lebih meningkat.
2. Disarankan untuk memilih percabangan dari nilai optimal yang lebih mendekati
batas atas karena nilai optimal yang mendekati batas atas lebih memungkinkan
untuk mendapatkan variabel keputusan yang integer dengan solusi optimal.

DAFTAR PUSTAKA
Aminudin. 2005. Prinsip-Prinsip Riset Operasi. Erlangga. Jakarta.
Aritonang, Desi Ratna Sari. 2013. Analisis Metode Branch and Bound Dalam
Mengoptimalkan Jumlah Produksi Roti (Studi Kasus : PT. Ramah Jaya
Bakery). [Skripsi]. Medan : Universitas Sumatera Utara.
Bu’lölö, Faigiziduhu. 2016. Operasi Riset Program Linear. Medan: USU Press.
Hartono, Widi. 2014. Implementasi Algoritma Branch and Bound pada 0-1 knapsack
Problem untuk mengoptimalkan muatan barang. Jurnal Matematika.
Semarang.
Lieberman, Gerald J., and Hillier, Frederick S.,1973. Operations Research, edisi ke-
2, Holden Day, Inc. San Fransisco
Mulyono, Sri. 2017. Riset Operasi Edisi 2. Jakarta : Mitra Wacana Media.
Sarkar, Avijit. 2010. Branch and Cut Algorithms for Combinatorial Optimization
Problems. University at Buffalo (SUNY). New York
Sauddin, Adnan., Sumarni, Kiki. 2015. Integer Programming Dengan Pendekatan

Metode Branch And Cut Guna Mengoptimalkan Jumlah Produk Dengan
Keuntungan Maksimal (Studi Kasus : PT. Putra Jepara). Makassar : UINAM
Siagian, P. 1987. Penelitian Operasional Universitas Indonesia. Jakarta: UI-Press.
Siang, Jong Jek. 2014. Riset Operasi dalam pendekatan Algoritmis, edisi ke-2.
Yogyakarta : CV. ANDI OFFSET.
Sitorus, Parlin. 1997. Program Linier. Jakarta : Universitas Trisakti.


Branch and Bound QM

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Branch and Bound QM

Diunggah oleh

Hak Cipta:

Format Tersedia

IMPLEMENTASI METODE BRANCH AND BOUND DALAM

MENGOPTIMALKAN JUMLAH PRODUK GUNA

APRIANDY HASIAN PASARIBU

UNIVERSITAS SUMATERA UTARA

APRIANDY HASIAN PASARIBU

UNIVERSITAS SUMATERA UTARA

IMPLEMENTASI METODE BRANCH AND BOUND DALAM

Medan, April 2018

Apriandy Hasian Pasaribu

UNIVERSITAS SUMATERA UTARA

Judul : Implementasi Metode Branch and Bound

Ketua Program Studi

Dr. Suyanto, M.Kom Dra. Laurentina Pangaribuan, M.Si

Kelancaran proses produksi sangat ditentukan oleh perencanaan produksi

Kata Kunci: branch and bound, program linier

The smoothness of the production process is largely determined by good

Keywords: linear programming, branch and bound

Medan, Maret 2018

Apriandy Hasian Pasaribu

BAB 2 LANDASAN TEORI

BAB 3 METODOLOGI PENELITIAN

BAB 4 HASIL DAN PEMBAHASAN

BAB 5 KESIMPULAN DAN SARAN

Nomor Judul Halaman

2.1 Contoh soal Metode Grafik 13

Nomor Judul Halaman

2.1 Grafik Batasan Pertama 14

1.1 Latar Belakang

Seiring dengan perkembangan zaman membuat persaingan di dunia industri

UNIVERSITAS SUMATERA UTARA

UNIVERSITAS SUMATERA UTARA

1.2 Perumusan Masalah

UNIVERSITAS SUMATERA UTARA

1.3 Batasan Masalah

1.4 Tujuan Penelitian

1.5 Manfaat Penelitian

Manfaat dari penelitian ini adalah sebagai berikut:

UNIVERSITAS SUMATERA UTARA

1.6 Tinjauan Pustaka

UNIVERSITAS SUMATERA UTARA

1.7 Lokasi Penelitian

1.8 Metodologi Penelitian

Penelitian disusun dengan langkah-langkah sebagai berikut:

UNIVERSITAS SUMATERA UTARA

a. Perumusan Fungsi Tujuan

UNIVERSITAS SUMATERA UTARA

2.1 Program Linier

UNIVERSITAS SUMATERA UTARA

Pembatasan-pembatasan harus dinyatakan di dalam ketidaksamaan yang

UNIVERSITAS SUMATERA UTARA

Atau dapat ditulis secara lengkap sebagai berikut :

2.1.2 Terminologi Umum dan Asumsi-Asumsi Dasar Program Linier

UNIVERSITAS SUMATERA UTARA

4. Parameter model yaitu masukan konstan , , dan .

UNIVERSITAS SUMATERA UTARA

4. Deterministic (certainty), berarti bahwa semua parameter ( , , dan )

2.2. Metode Grafik

1. Menentukan fungsi tujuan dan memformulasikannya dalam bentuk

Diberikan suatu permasalahan yang akan diselesaikan dengan mwtode grafik

Perusahaan sepatu SENTOSA membuat 2 macam sepatu. Macam pertama merek I 1,

UNIVERSITAS SUMATERA UTARA

Untuk melakukan formulasi masalah di atas, maka pertama-tama tentukan simbol-

Masalah tersebut dapat dipecahkan dengan metode grafik dalam LP dengan

UNIVERSITAS SUMATERA UTARA