TUGAS BESAR I

PENGAMBILAN KEPUTUSAN MANAJERIAL

STUDI KASUS :

OPTIMALISASI PRODUKSI KEMPLANG (HOME INDUSTRI)

MENGGUNAKAN LINEAR PROGRAMMING.

Oleh:

Rizki Budiawan

NIM : 43119010146

Dosen Pengampu :

Intan Apriadi, Dr. MM

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS MERCU BUANA

2022

1
 KATA PENGANTAR

Puji syukur penulis ucapkan kehadirat Allah

SubhanahuwaTa'ala yang telah memberikan rahmat dan karunia-Nya,
sehingga penulis dapat menyelesaikan Makalah ini dengan judul
“STUDI KASUS : OPTIMALISASI PRODUKSI KEMPLANG (HOME
INDUSTRI) MENGGUNAKAN LINEAR PROGRAMMING”

Kami menyadari bahwa dalam penulisan makalah ini tidak

terlepas dari bantuan berbagai pihak yang tulus memberikan doa,
saran dan kritik sehingga makalah ini dapat terselesaikan dengan
baik.

Kami menyadari sepenuhnya bahwa makalah ini masih jauh

dari sempurna dikarenakan terbatasnya pengalaman dan
pengetahuan yang kami miliki. Oleh karena itu penulis sangat
mengharapkan kritik dan saran dari pembaca demi kesempurnaan
penulisan makalah ini. Semoga makalah ini bermanfaat bagi kita
semua baik untuk masa kini maupun untuk masa yang akan datang.

Jakarta, 5 Oktober 2022

Rizki Budiawan

i
 DAFTAR ISI

KATA PENGANTAR.......................................................................................................i
DAFTAR ISI.....................................................................................................................ii
BAB I.............................................................................................................................1
PENDAHULUAN...........................................................................................................1
1.1. Latar Belakang.............................................................................................1
1.2. Tujuan Penelitian........................................................................................6
1.3. Ruang Lingkup Penelitian..........................................................................7
BAB II...........................................................................................................................8
TINJAUAN PUSTAKA...................................................................................................8
2.1. Linear Programming...................................................................................8
2.2. Model Program Linear..............................................................................15
2.3. Metode Simpleks.......................................................................................17
2.4. Produk Home Industri: Kerupuk Kemplang Panggang.........................22
BAB III........................................................................................................................25
METODOLOGI PENELITIAN......................................................................................25
3.1. Tempat dan Waktu.................................................................................25
3.2. Metode Penelitian..................................................................................25
3.3.1 Pelaksanaan Penelitian.....................................................................25
3.4.1. Perencanaan...................................................................................25
3.4.2. Pelaksanaan....................................................................................25
3.4.3. Penyelesaian...................................................................................25
3.4. Analisis Data..............................................................................................25
BAB IV........................................................................................................................28
PEMBAHASAN............................................................................................................28
4.1 Optimalisasi Produksi Home Industri Kerupuk Kemplang......................28
4.1.1 Penentuan fungsi tujuan.............................................................................29
Maksimumkan ( Z ) : 150.000X1 + 185.000X2........................................................31
4.1.2 Menetukan fungsi batasan.........................................................................31
a. Pendekatan melalui metode simpleks dengan langkah-langkah :.............31

ii
 4.2 Optimalisasi Produksi Kerupuk Kemplang Penerapan Pada Home
pengrajin kemplang panggang Jalan pipareja kemuning palembang............35
4.2.1 Penetapan Fungsi dan Tujuan................................................................35
4.1.2 Menentukan Fungsi Batasan..................................................................36
4.1.3 Perhitungan Linear Programming........................................................36
4.3 Optimalisasi Produksi Penerapan Pada Home Industri CV Ira Sidarsah..............40
4.4 Optimalisasi Produksi Kerupuk Kemplang Penerapan Pada Home
Industri Agus Jaya Makmur.................................................................................44
BAB V..........................................................................................................................48
PENUTUP...................................................................................................................48
5.1 Kesimpulan.....................................................................................................48
DAFTAR PUSTAKA....................................................................................................50

iii
 BAB I

PENDAHULUAN

1.1. Latar Belakang

Produksi merupakan salah satu kegiatan yang dilakukan oleh

perusahaan untuk menciptakan suatu barang/jasa untuk di konsumsi, tujuan
dari produksi adalah merencanakan dan menghasilkan output produksi yang
sesuai dengan permintaan (Anugrahwaty & Azmi, 2017). Permintaan
terhadap suatu barang/jasa dapat mengalami peningkatan maupun
penurunan, terjadinya ketidakstabilan permintaan pasar menyebabkan
perusahaan harus memiliki perencanaan produksi (Murni et al., 2016).
Perencanaan merupakan bagian penting dalam kegiatan produksi
dengan perencanaan yang tepat perusahaan dapat menentukan jumlah
produksi produk (Hilman, 2016). Produksi adalah kegiatan mengolah bahan
mentah menjadi bahan jadi serta menciptakan nilai tambah terhadap suatu
produk dengan tujuan memenuhi kebutuhan konsumen (Ganzer et al., 2017).
Perencanaan produksi merupakan rangkaian aktivitas untuk mengevaluasi
produksi dimasa lalu dan sekarang serta mengantisipasi produksi dimasa
mendatang untuk menentukan strategi produksi untuk memenuhi
permintaan konsumen (Eunike, 2018:22). Perencanaan produksi tersebut
menentukan apa, kapan dan berapa banyak produk yang harus diproduksi
untuk memenuhi permintaan pelanggan dan memberikan keuntungan bagi
perusahaan (Yucesan, 2017).
Perancanaan produksi merupakan sebuah kegiatan mengevaluasi
data serta mengantisipasi perubahan dalam menentukan strategi produksi
yang tepat untuk mewujudkan sasaran dalam memenuhi permintaan pasar
secara efektif dan efisien, aktivitas ini berupa merencanakan jumlah produk
yang diproduksi, material yang digunakan dalam membuat produk, kapan
produk harus selesai. Menurut Putri & Nurcaya (2020) perencanaan
produksi adalah perencanaan dan pengorganisasian sebelumnya mengenai
orang-orang, bahan-bahan, mesin-mesin dan peralatan lain serta modal yang
diperlukan untuk memproduksi barang-barang pada suatu periode tertentu
di masa depan sesuai dengan perkiraan yang diramalkan (Rizkya et al.,
2019). Perencanaan produksi juga dapat didefinisikan sebagai proses untuk
memproduksi barang-barang pada suatu periode tertentu sesuai dengan
yang diramalkan atau dijadwalkan melalui pengorganisasian sumber daya
seperti tenaga kerja, bahan baku, mesin dan peralatan lainnnya, dengan
demikian perencanaan produksi merupakan pegangan untuk merancang
jadwal induk produksi (Supardi, 2020) Perusahaan yang melakukan
perencanaan produksi harus mampu memperhitungkan kemampuan dan
keterbatasan sumber daya yang dimiliki serta memperhatikan faktor – faktor
yang mempengaruhi perencanaan produksi seperti data penjualan pada
periode tahun sebelumnya, biaya produksi, pemakaian bahan, jam kerja,
waktu penyelesaian produk, hal tersebut yang akan dipertimbangkan
perusahaan untuk menyelesaikan permasalah keterbatasan sumber daya
untuk mencapai jumlah kombinasi produksi optimal (Sinaga, 2016).
UMKM sangat berperan strategis bagi perekonomian di Indonesia
(Basriati, 2019), sebab UMKM memiliki potensi yang cukup besar untuk
dikembangkan(Aini, 2021) dari hari ke hari jumlah UMKM semakin
meningkat begitupun dengan persaingannya yang mengalami kemajuan
begitu pesat, bertambahnya jumlah UMKM setiap tahunnya menjadi sebuah
isu global yang hangat diperbincangkan, Erfianti (2019). Semakin pesat dan
sulitnya perkembangan dan persaingan dunia bisnis di masa sekarang
mendorong para pebisnis untuk berpikir lebih kritis karena permasalahan
yang ditimbulkan, sehingga setiap pengusaha harus mengembangkan dan
meningkatkan kinerja supaya mencapai efektifitas dan efisiensi. Maka setiap
pengusaha juga perlu mencari kesempatan dan peluang untuk bersaing di
dunia bisnis yang semakin maju ini.
Palembang memiliki banyak kuliner khas yang unik dan sangat
beraneka ragam. Bukan hanya pempek yang jadi kuliner terkenal di

2
Palembang, namun ada juga kemplang. Tak sedikit permintaan kemplang
datang dari masyarakat di Pulau Jawa hingga Batam. Makanan ini biasanya
diburu oleh warga Palembang untuk dijadikan sebagai lauk untuk makan dan
bisa dimakan sebagai kudapan. Jenis kemplang sendiri ada beraneka ragam,
salah satu jenis kemplang yang cukup diminati masyarakat yaitu kemplang
panggang. Meski diklaim makanan khas Kota Palembang, namun nyatanya
makanan ini dibuat di Kecamatan Pemulutan, Kabupaten Ogan Ilir dan
Kecamatan Pedamaran, Kabupaten Ogan Komering Ilir. Dari manapun
asalnya, kemplangpanggang sangat familiar di lidah masyarakat Palembang.
Bahkan terkenal hingga tingkat nasional. Seperti di kampung kemplang, di
jalan Pipa Reja Kelurahan Pipa Reja, Kecamatan Kemuning Palembang,
Sumatera Selatan. Pada kawasan ini banyak pondokan yang menjual
kemplang panggang khas Palembang. Bahkan, para pembeli bisa melihat
proses pemanggangan kemplang mentah menjadi matang Makanan yang
berbahan ikan sungai inipun tidak hanya diminati turis lokal, namun juga
disukai banyak turis mancanegara yang bertandang ke Palembang. Bahan
baku utama pembuatan kemplang panggangadalah daging ikan sungai yang
telah digiling dan beberapa bahan tambahan seperti tepung tapioka,air,
garam dan gula.
Umumnya pembuat kemplang panggang adalah ibu rumah tangga
atau tenaga kerja perempuan, produsen kemplang panggang mayoritas
adalah masyarakat asli Palembang. Diperlukan teknik khusus dalam
memproduksi kemplang panggang, sehingga tidak semua orang dapat
berhasil memproduksi kemplang panggang. Walaupun pembuatan kemplang
panggang dapat dilakukan hanya menggunakan peralatan dapur sederhana
sehingga investasi yang diperlukan untuk memproduksi kemplang panggang
tidak memerlukan biaya yang tinggi.
Permintaan pasar terhadap kemplang panggang sangat bervariasi
seiring dengan banyaknya jenis kemplang yang disebabkan oleh banyaknya
industri kemplang panggang berskala rumah tangga di Palembang, sehingga

3
daya saing menjadi sangat tinggi. Pada studi kasus home industri kampung
kemplang panggang kemuning Palembang sendiri memiliki dua jenis
kemplang panggang yang diproduksi yaitu kemplang tunu dan kemplang
lidah badak. Kedua jenis kemplang ini memiliki bahan baku pembuatan yang
sama, hanya berbeda pada bentuk bundarnya saja.
Pada studi kasus home industri kampung kemplang panggang di
Jalan Pipareja Kemuning Palembang, optimasi perencanaan produksi pada
kemplang panggang masih kurang optimal, dikarenakan banyaknya
keterbatasan-keterbatasan seperti modal, pemasaran produk, dan waktu.
Oleh karena itu, diperlukan formula yang tepat untuk mengatasi masalah
tersebut dengan metode linear programming sehingga adanya keseimbangan
antara faktor-faktor produksi yang ada tentunya dengan manajemen dan
memberikan pengetahuan kepada masyarakat tentang perencanaan produksi
yang tepat. Melalui optimasi dan perencanaan produksi diharapkan kegiatan
industri kemplang panggang mencapai sasaran yang diinginkan, dengan hasil
yang optimal dimana tidak terjadi kekurangan atau kelebihan produksi
akibat pengaruh internal maupun eksternal seperti modal, stabilitas harga,
stabilitas politik dan ekonomi atau lain sebagainya.
Optimasi produksi kemplang panggang dapat dilakukan dengan
linear programming metode simpleks untuk mengetahui jumlah produk yang
paling optimal dan memaksimalkan keuntungan penjual. Pemecahan masalah
melalui linear programming metode simpleks, diperlukan data yang sesuai
sebagai fungsi tujuan dan fungsi batasan. Jumlah keuntungan yang diperoleh
ditetapkan sebagai fungsi tujuan, sedangkan jumlah bahan baku ditetapkan
sebagai fungsi batasan.
Linear programming merupakan suatu teknik dari riset operasi
untuk memecahkan persoalan optimasi dengan menggunakan persamaan
dan pertidaksamaan linear untuk mencari pemecahan yang optimum dengan
memperhatikan pembatasan – pembatasan yang ada (Salim & Santoso,
2018). Suatu persoalan dikategorikan sebagai persoalan program linier

4
apabila, tujuan (memaksimalkan atau meminimumkan) yang akan dicapai
dinyatakan dalam bentuk persamaan fungsi linier; terdapat alternatif
pemecahan persoalan program linier, dan pembatasan-pembatasan dari
sumber yang tersedia dinyatakan dalam bentuk pertidaksamaan linier.
Linear programming memiliki dua fungsi tujuan yaitu maksimasi laba dan
juga minimasi total cost (Aprilyanti, 2019).
Linear Programming merupakan suatu metode untuk
memaksimumkan atau meminimumkan permasalahan optimasi dan terbatas
pada masalah yang dapat diubah menjadi fungsi linear, dimana
permasalahan dalam linear programming adalah untuk menentukan
besarnya masing-masing nilai variabel sehingga hasil dari fungsi tujuan yang
linear menjadi optimal dengan memperhatikan fungsi kendala atau
kendalakendala yang digunakan (Oladejo et al., 2019). Menurut Lauinger et
al. (2016) “program linier adalah suatu cara untuk menyelesaikan persoalan
pengalokasian sumber-sumber yang terbatas diantara beberapa aktivitas
yang bersaing, dengan cara yang terbaik, yang mungkin dilakukan. Program
linier menggunakan model matematis untuk menjelaskan persoalan yang
dihadapinya.”
Dalam “membangun model dari formulasi suatu persoalan
digunakan karakteristik-karakteristik yang biasa digunakan dalam persoalan
program linier, yaitu Variabel Keputusan, Fungsi Tujuan, Pembatas dan
Pembatas Tanda (Oladejo et al., 2019). Variabel keputusan adalah variabel
yang menguraikan secara lengkap keputusan-keputusan yang akan dibuat.
Fungsi tujuan merupakan suatu hubungan linier dari variabel keputusan
yang berupa fungsi maksimum atau minimum yang mana tingkat pencapaian
tujuan ini dibatasi oleh kendala yang mencerminkan keterbatasan dari
kemampuan kapasitas waktu produksi yang dimiliki. Pembatas merupakan
kendala yang dihadapi sehingga kita tidak bisa menentukan harga-harga
variabel keputusan secara seimbang. Koefisien dari variabel keputusan pada
pembatas disebut koefisien teknologis, sedangkan bilangan yang ada disisi

5
kanan setiap pembatas disebut ruas kanan pembatas. Pembatas tanda adalah
pembatas yang menjelaskan apakah variabel keputusannya diasumsikan
hanya berharga non negatif atau variabel keputusan tersebut boleh berharga
positif, boleh juga negatif (tidak terbatas dalam tanda) (Qiu et al., 2019)”.
Beberapa penelitian yang mengaplikasikan linear programming
untuk meminimasi total cost adalah penelitian Parlesak et al. (2016), Kimutai
et al. (2019), Jain et al. (2020), Romanova (2019), Mohd Baki & Cheng (2020),
Khan & Faisal (2021), Chandrawat et al. (2017), Du et al. (2018), Ehmke et al.
(2018) dan Lauinger et al., (2016). Penelitian lainya menggunakan laba
sebagai fungsi tujuan, yaitu penelitian Sadeghian & Ardehali (2016), Indah &
Sari (2019), Wang et al. (2018), Akpan & Iwok (2016), Krisnadewi &
Setiawan (2018) dan Sudhana (2017). Penelitian Sudjaja & Santoso (2018)
dan Ogbeide & Ejechi (2018) menyimpulkan bahwa “model matematis dari
metode optimasi secara umum dapat diaplikasikan dalam bidang teknik
maupun masalah ekonomis. Salah satu dari contoh penerapan linear
programming terdapat pada penelitian Supriyo (2019) mengenai
penjadwalan kedatang dan keberangkatan kereta api. Linear programming
tidak hanya dapat diaplikasikan pada kombinasi produksi saja, tetapi juga
dapat diaplikasikan dalam bidang lain yang ada di perusahaan. Penelitian
lainya dari Nazari et al. (2016) dan Baidya et al. (2016) meneliti tentang cara
pengalokasian software agar bekerja dengan optimal. Pengaplikasian model
matematis linear programming memberikan manfaat terhadap perusahaan
untuk alternative keputusan pengalokasian sumber daya yang dimiliki oleh
pihak perusahaan agar mampu mencapai suatu tujuan baik itu
memaksimalkan keuntungan atau meminimumkan biaya.”

1.2. Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah merumuskan mpdel

optimasi pengalokasian bahan baku dan pemasaran guna meningkatkan
keuntungan yang maksimal.

6
1.3. Ruang Lingkup Penelitian

Permintaan pasar terhadap kemplang panggang sangat bervariasi

seiring dengan banyaknya jenis kemplang yang disebabkan oleh banyaknya
industri kemplang panggang berskala rumah tangga di Palembang, sehingga
daya saing menjadi sangat tinggi. Pada studi kasus home industri kampung
kemplang panggang kemuning Palembang sendiri memiliki dua jenis
kemplang panggang yang diproduksi yaitu kemplang tunu dan kemplang
lidah badak. Kedua jenis kemplang ini memiliki bahan baku pembuatan yang
sama, hanya berbeda pada bentuk bundarnya saja. Pada studi kasus home
industri kampung kemplang panggang di Jalan Pipareja Kemuning
Palembang, optimasi perencanaan produksi pada kemplang panggang masih
kurang optimal, dikarenakan banyaknya keterbatasan-keterbatasan seperti
modal, pemasaran produk, dan waktu. Oleh karena itu, diperlukan formula
yang tepat untuk mengatasi masalah tersebut dengan metode linear
programming sehingga adanya keseimbangan antara faktorfaktor produksi
yang ada tentunya dengan manajemen dan memberikan pengetahuan
kepada masyarakat tentang perencanaan produksi yang tepat. Melalui
optimasi dan perencanaan produksi diharapkan kegiatan industri kemplang
panggang mencapai sasaran yang diinginkan, dengan hasil yang optimal
dimana tidak terjadi kekurangan atau kelebihan produksi akibat pengaruh
internal maupun eksternal seperti modal, stabilitas harga, stabilitas politik
dan ekonomi atau lain sebagainya. Optimasi produksi kemplang panggang
dapat dilakukan dengan linear programming metode simpleks untuk
mengetahui jumlah produk yang paling optimal dan memaksimalkan
keuntungan penjual.

7
 BAB II

TINJAUAN PUSTAKA

2.1. Linear Programming

Linear programming merupakan metode riset operasional yang

paling ampuh dan banyak digunakan secara luas dalam pembuatan
keputusan pada bidang bisnis. Walaupun pada awal tahun 1823
matematikawan prancis Jean Baptiste Fourier sempat menyangsikan
kemampuan atau potensi dari linear programming, tetapi George Dantzig
tetap mengembangkan programasi linear pada tahun 1947. Ketertarikan
pada penerapan programasi linear ini sebenarnya dipelopori oleh
matematikawan Rusia L.V. Kantorovich pada sekitar tahun 1939, namun awal
perkembangan metode ini sendiri baru mulai selama perang dunia II ketika
angkatan udara Amerika Serikat mulai mengenal potensi programasi linear
sebagai alat untuk memecahkan suatu masalah.
T.C Koopmans merupakan orang yang berjasa dalam membawa
model programasi linear, khususnya model transportasi, sehingga menjadi
perhatian para ekonom. Penerapan programasi linear dalam bidang ekonomi
pertama kali dilakukan oleh ekonom George Stigler pada awal tahun 1940-an
melalui percobaannya dalam menentukan jumlah kandungan vitamin dan
mineral yang paling minimum dalam makanan sehari-hari yang harus
dipenuhi dan yang dapat dihasilkan dengan biaya yang paling murah. Jejak
trigler dalam menerapkan programasi linear ini kemudian diikuti oleh para
ahli gizi dan ilmuan dibidang manajemen dalam pembuatan menu untuk
rumah sakit, penjara, maupun sekolah
Menurut Taha (2003), Linear Programming merupakan metode
matematik dalam mengalokasikan sumber daya yang terbatas untuk
mencapai suatu tujuan seperti memaksimumkan keuntungan dan
meminimumkan biaya. Linear Programming banyak diterapkan dalam
8
masalah ekonomi, indsutri, militerm sosial dan lain-lain. Hasil yang
diinginkan mungkin ditunjukkan sebagai maksimasi dari beberapa profit,
penjualan dan kesejahteraan, atau minimisasi pada biaya, waktu dan jarak.
Masalah optimasi ini dapat diselesaikan dengan Linear Programming.

Ada empat asumsi dasar yang terkandung dalam programasi linear:

1. Divisibility
Asumsi ini menyatakan bahwa variabel dalam programasi linear tidak
harus berupa bilangan bulat (integr), asalkan dapat dibagi secara tak
terbatas (infinitely divisible). Misal, hasil perhitungan suatu kegiatan
terhadap variabel x1 adalah 123,567. Bila variabel x1 menunjukan luas
tanah dalam hektar atau berat suatu produk dalam kilogram, maka
mudah dibayangkan bahwa hasil tersebut masuk akal. Tetapi akan terasa
janggal bila variabel x1 tersebut menunjukan jumlah tenaga kerja atau
jumlah produk yang harus dihasilkan adalah sebesar 123,567 unit. Untuk
kasus yang demikian, nilai yang diperoleh dapat dibulatkan ke suatu
bilangan asalkan masih memenuhi kendala.
2. Non Negativity
Suatu masalah yang akan diselesaikan dengan programasi linear
harus diasumsikan bahwa setiap variabelnya bernilai lebih besar atau
sama dengan nol. Dengan kata lain tidak ada variabel yang bernilai
negatif. Syarat tidak negatif ini dinyatakan dalam fungsi kendala x ,
dimana x adalah variabelvariabel dalam model programasi linear.
Kendala tidak negatif ini membuat hasil yang diperoleh menjadi lebih
masuk akal. Bila dibayangkan bila hasil dari variabel x yang menunjukan
jumlah tenaga kerja atau jumlah produksi
3. Certainty
Asumsi kepastian menyatakan bahwa kasus programasi linear harus
berada dalam kondisi decision-making under certainty, artinya semua
parameter dari variabel keputusan diketahui sebelumnya. Misal, untuk
menentukan jumlah produksi yang dapat memaksimumkan keuntungan,
9
 harus diketahui dengan pasti beberapa harga per unit produk dipasar dan
berapa kapasitas produk yang dimiliki. Bila nilai-nilai ini tidak diketahui,
maka akan tidak mungkin untuk menyusun model programasi linear.
4. Linearity
Asumsi ini membatasi bahwa fungsi tujuan dan fungsi-fungsi kendala
harus bentuk linear.
Linear programming berkaitan dengan penjelasan suatu kasus
dalam dunia nyata sebagai suatu model matematik yang terdiri dari sebuah
fungsi tujuan linear dengan beberapa kendala linear. Programa Linier
merupakan bagian dari Matematika yang khusus diterapkan untuk
menyelesaikan persoalan yang berkaitan dengan penentuan :
a) Jumlah variabel-variabel input yang dipakai dalam suatu masalah.
b) Kombinasi variabel input yang harus disediakan atau kombinasi output
yang harus dihasilkan.
c) Jumlah output yang harus dihasilkan untuk mencapai tujuan (objective)
tertentu yakni untuk mencapai optimalisasi dari suatu masalah,
misalnya untuk mencapai profit maksimum atau biaya minimum.
Dalam membangun model dari persoalan linier programming
digunakan karakteristik-karakteristik sebagai berikut :
a) Variabel keputusan. ariabel keputusan adalah variabel yang
menguraikan secara lengkap keputusankeputusan yang akan dibuat.
Yang dimaksud disini adalah X1, X2 , X3 , X4, ………..., Xn
b) Fungsi tujuan Fungsi tujuan merupakan fungsi dari variabel
keputusan yang akan dimaksimumkan (untuk pendapatan atau
keuntungan) atau diminimumkan (untuk ongkos).
c) Pembatas-pembatas Merupakan kendala-kendala yang dihadapi
sehingga kita tidak bisa menentukan harga variabel keputusan secara
sembarang. Jadi maksudnya disini nilai dari variabel keputusan
tersebut dibatasi oleh pembatas (constraint).

10
d) Pembatas tanda Pembatas tanda adalah pembatas yang menjelaskan
apakah variabel keputusannya diasumsikan hanya berharga
nonnegatif atau variabel keputusan tersebut boleh berharga positif,
boleh juga negatif (tidak terbatas dalam tanda). Bentuk umum model
Linear programming adalah (Lewis, 2008) : Maksimumkan
(minimumkan)
Z = ∑ 𝑐𝑗𝑥𝑗 𝑛 𝑗= ........................................... (1)
Dengan syarat : aijxj(≤, =, ≥) bi, untuk semua i (i = 1,2,...,n) semua
xj ≥0 Keterangan :
Xj = banyaknya kegiatan j, dimana j = 1,2,....., n yang berarti
terdapat n variabel keputusan
Z = nilai fungsi tujuan
Cj = sumbangan per unit kegiatan j, untuk masalah maksimasi cj
menunjukkan atau penerimaan per unit, sementara dalam kasus
minimasi ia menunjukkan biaya per unit
bi = jumlah sumberdaya ke i (i = 1,2,....m), berarti terdapat m
jenis sumberdaya.
Xij = banyaknya sumber daya i yang dikonsumsi sumberdaya j.

Tabel 1. Bentuk umum linear programming

11
Berdasarkan tabel diatas bentuk umum dari model programa linier dapat
disusun sebagai berikut:
1. Fungsi tujuan : untuk mencapai Z = c1 x1 + c2 x2 + … + cn
xn ..................................... (2)
2. Himpunan constraint(pembatas-pembatas):
a11 x 1 + a 12 x 2 + … + a 1 n x n  b1............................................. (3)
a 21 x 1 + a 22 x 2 + … + a 2 n x n b2............................................... (4)
a m1 x 1 + a m2 x 2 + … + a m n x n  bm ............................................... (5)
x 1 , x 2 , …. , x n 0 ..................................................................... (6)
dimana :
c1 x1+ c2 x2+...+ cn xn : fungsi tujuan atau fungsi kriteria yang akan
dimaksimasi, dinyatakan dengan Z
c1 , c2 , … , cn : koefisien ongkos (yang diketahui)
x 1 , x 2 , …. , x n : variabel keputusan atau level aktivitas yang harus dicari
aij , i = 1, 2, … , m : pembatas ke i
j = 1, 2, … , n : koefisien teknologi bi : koefisien ruas kanan
x 1 , x 2 , …. , x n 0 : pembatas nonnegatip
3. Non-negatif variabel Misalnya 1 ≥ 0 2 ≥ 0 Masalahnya biasanya
dinyatakan dalam matriks bentuk, dan kemudian menjadi: max { │ ≤ ˄ ≥
0} Bentuk lain, seperti masalah minimisasi, masalah dengan kendala pada
bentuk-bentuk alternatif, serta masalah yang melibatkan negatif variabel
selalu dapat ditulis ulang menjadi masalah setara dalam bentuk standar.
Asumsi-asumsi yang dipergunakan dalam program linear adalah :
a. Linearity dan Addivity
Semua fungsi tujuan dan kendala harus linier. Dengan kata lain,
jika suatu kendala melibatkan dua variabel keputusan, dalam
diagrama dimensi dua akan berupa garis lurus. Begitu juga , suatu

12
 kendala yang melibatkan tiga variabel akan menghasilkan suatu
bidang datar dan kendala yang melibatkan n variabel akan
menghasilkan hyperplane (bentuk geometris yang rata) dalam
ruang berdimensi n. Additif dapat diartikan sebagai tak adanya
penyesuaian pada perhitungan variabel kriteria karena terjadinya
interaksi.addivity Asumsi berarti bahwa nilai tujuan setiap kegiatan
tidak saling mempengaruhi, atau dalam Linear Programming
dianggap bahwa kenaikan dari nilai tujuan (Z) yang disebabkan oleh
kenaikan suatu kegiatan dapat ditambahkan tanpa mempengaruhi
bagian nilai Z yang diperoleh dari kegiatan lain.
b. Divisibility
Asumsi ini berarti bahwa nilai solusi yang diperoleh xj, tidak
harus bilangan bulat. Ini berarti nilai xjdapat berupa nilai pecah.
Karena itu variabel keputusan merupakan variabel kontinyu,
sebagai lawan dari variabel diskrit atau bilangan bulat.
a21 x 1 + a 22 x 2 + … + a 2 n x n  b2 .......................... (4)

c. Deterministic
Semua parameter model (cj, aij, dan bi)diasumsikan diketahui
konstan. Linear programming secara tak langsung mengasumsikan
suatu masalah keputusan dalam suatu kerangka statis dimana
semua parameter diketahui dengan kepastian. Dalam kenyataanya,
parameter model jarang bersifat deterministik, karena
mencerminkan kondisi masa depan maupun sekarang, dan keadaan
masa depan jarang diketahui secara pasti.

Menurut Dimyati (2006), Teknik linear programming dapat digunakan dalam

2 cara , yaitu:

a. Meminimumkan biaya dalam rangka tetap mendapatkan total

penerimaan atau total keuntungan sebesar mungkin. Cara ini dikenal
dengan istilah program “minimasi atau meminimumkan (minimize)”.
13
 b. Memaksimalkan total penerimaan atau total keuntungan pada
kendala sumber daya yang terbatas. Cara ini disebut dengan istilah
program “memaksimumkan atau maksimisasi (maximize)”

Penerapan Model Linear Programming Dalam Bidang-Bidang Fungsional

1. Penerapan dalam transportasi dan masalah. Masalah transportasi

timbul karena transportasi produk yang bersifat homogen dari
berbagai sumber (supply) ke berbagai tempat penjualan (demand).
Alokasi produk dari daerah supply ke daerah demand ini dilakukan
dengan tujuan memaksimalkan laba dari penjualan produk atau
alternatifnya adalah meminimalkan biaya transportasi produk.
2. Penerapan dalam bidang keuangan Dalam analisis investasi, tujuan
yang hendak dicapai biasanya ialah expected returns. Untuk
memaksimalkannya sering dihadapkan dengan berbagai masalah,
seperti dana yang tersedia.
3. Penerapan dalam bidang produksi. Dengan bantuan pemecahan
melalui linear programming ini memungkinkan manajer perusahaan
untuk merancang jadwal produksi yang efisien. Manajer dapat
menentukan tingkat/level produksi yang memungkinkan perusahaan
dapat memenuhi permintaan pasar, subyek kepada keterbatasan dari
kapasitas produksi, kapasitas gudang, dan tenaga kerja.
4. enerapan dalam bidang pemasaran Diantaranya ialah masalah alokasi
dengan anggaran biaya advertensi, pemilihan media promosi, serta
manajemen retailer dan salesman.
5. Penerapan dalam bidang personalia. Diantaranya ialah untuk
merencanakan jumlah jam kerja pegawai, menentukan jumlah petugas
yang akan melaksanakan pekerjaan, dan masalah-masalah personalia
lainnya.
6. Penerapannya dalam bidang perencanaan fasilitas. Berkaitan dengan
masalah penentuan lokasi gudang, jumlah fasilitas, dan sistem logistik,
serta masalah transportasi dan penentuan lokasi pabrik.
14
2.2. Model Program Linear

Model Program Linear disebut juga dengan formulasi model. Model

program linear digunakan untuk menunjukkan proses model yang semua
masalah menyangkut usaha mencapai subjek tujuan dengan kumpulan
batasan-batasan misalnya batasan-batasan sumber daya. Model program
linear dari masalahmasalah ini memperlihatkan karakteristik-karakteristik
umum seperti :
a. Fungsi tujuan untuk dimaksimumkan dan diminimumkan
b. Kumpulan batasan-batasan
c. Variabel-variabel keputusan untuk mengukur tingkatan aktivitas
d. Semua hubungan batasan dan fungsitujuan adalah linear
Sebagian besar dari persoalan manajemen berkenaan dengan
penggunaan sumber daya secara efisien atau alokasi sumber daya – sumber
daya yang terbatas (tenaga kerja terampil, bahan mentah, modal) untuk
mencapai tujuan yang diinginkan (desired objective). Dalam keadaan sumber
daya yang terbatas harus dicapai suatu hasil yang optimum. Dengan
perkataan lain bagaimana caranya agar dengan masukan (input) yang serba
terbatas dapat dicapai hasil kerja yaitu keluaran (output) berupa produksi
barang atau jasa yang optimum (Supranto, 2001).
Dalam model Linier Program dikenal 2 macam fungsi., yaitu fungsi
tujuan (objective function) dan fungsi-fungsi batasan (constraint function).
Fungsi tujuan (objective function) adalah fungsi yang menggambarkan
tujuan/sasaran di dalam permasalahan Linier Program yang berkaitan
dengan pengaturan secara optimum sumber daya-sumber daya untuk
memperoleh keuntungan maksimal atau biaya minimal. Fungsi tujuan selalu
mempunyai salah satu target yaitu memaksimumkan atau meminimumkan
suatu nilai. Pada umumnya nilai yang akan dioptimalkan dinyatakan sebagai
Z. Fungsi kendala / batasan (constraint function) merupakan bentuk
penyajian secara matematis batasan-batasan kapasitas yang tersedia yang
15
akan dialokasikan secara optimal ke berbagai kegiatan. Fungsi batasan juga
merupakan hubungan linear dari variabel-variabel keputusan. Batasan-
batasan dapat berupa keterbatasan sumber daya atau pedoman. Adapun
syarat-syarat agar suatu persoalan dapat dipecahkan dengan metode Linier
Programming yaitu:
a. Fungsi objektif harus didefinisikan secara jelas dan dinyatakan sebagai
fungsi objektif yang linear. Misalnya jumlah hasil penjualan harus
maksimum, jumlah biaya transport harus minimum.
b. Harus ada alternatif pemecahan untuk dipilih salah satu yang terbaik.
c. Sumber-sumber dan aktivitas mempunyai sifat dapat ditambahkan
(additivity).
d. Fungsi objektif dan ketidaksamaan untuk menunjukkan adanya
pembatasan harus linear.
e. Variabel keputusan harus positif, tidak boleh negatif.
f. Sumber-sumber dan aktivitas mempunyai sifat dapat dibagi
(divisibility)
g. Sumber-sumber dan aktivitas mempunyai jumlah yang terbatas
(finiteness)
h. Aktivitas harus proporsional terhadap sumber-sumber. Hal ini berarti
ada hubungan yang linier antara aktivitas dengan sumber-sumber.
i. Model programming deterministik, artinya sumber dan aktivitas
diketahui secara pasti (single-valued expectations).
Selain terdapat hubungan linier, model program linier juga
mempunyai beberapa sifat lainnya. Terminologi linier tidak hanya berarti
bahwa fungsi dalam model model digambarkan sebagai garis lurus, tetapi
juga berarti bahwa hubungan memperlihatkan kemampuan yang sebanding.
Dengan kata lain, tingkat perubahan atau kecondongan fungsi adalah
konstan. Oleh karena itu, perubahan dari ukuran tertentu dalam nilai
variabel keputusan akan menghasilkan perubahan yang relatif sama dalam
nilai fungsi. Dalam program linier terminologi fungsi tujuan dan terminologi

16
batasan adalah tambahan. Sifat lain dari model linier program adalah nilai
pemecahan (dari variabel keputusan) tidak dapat dibatasi dalam nilai integer
(bulat).
Untuk membuat formulasi batasan dan fungsi tujuan dilakukan
lebih dari sekali, setelah pendefinisian variabel-variabel keputusan.
Pendekatan yang lebih bijaksana pertama adalah menentukan fungsi tujuan
(tanpa mempertimbangkan langsung batasan-batasan). Setelah itu
memperhatikan setiap batasan masalah yang berhubungan dengan batasan-
batasan model. Yang disarankan adalah pendekatan sistematis sehingga
langkah-langkah perumusan sains manajemen dapat dilakukan satu persatu

2.3. Metode Simpleks

Metode simpleks adalah suatu metode yang secara sistematis

dimulai dari suatu pemecahan dasar yang fisibel ke pemecahan yang
fisibel lainnya dan ini dilakukan berulang-ulang (dengan jumlah
ulangan yang terbatas) sehingga akhirnya tercapai suatu pemecahan
dasar yang optimum dan pada setiap langkah menghasilkan suatu
nilai dari fungsi tujuan yang selalu lebih besar, lebih kecil, atau sama
dari langkahlangkah sebelumnya. Apabila suatu masalah Linier
Program hanya mengandung 2 kegiatan atau variabel- variabel
keputusan saja, maka akan dapat diselesaikan dengan metode grafik.
Tetapi bila melibatkan lebih dari dua kegiatan maka metode grafik
tidak dapat digunakan lagi, sehingga diperlukan metode simpleks.
Metode simpleks merupakan suatu cara yang lazim digunakan untuk
menentukan kombinasi optimal dari tiga variabel atau lebih.

Pada tahun 1947 seorang ahli matematik dari Amerika

Serikat, George B. Dantzig menemukan suatu cara untuk memecahkan
persoalan linear programming tersebut dengan suatu metode yang
disebut “simplex method”. Metode simpleks merupakan salah satu

17
teknik penyelesaian dalam program linier yang digunakan sebagai
teknik pengambilan keputusan dalam permasalahan yang
berhubungan dengan pengalokasian sumberdaya secara optimal.
Metode simpleks digunakan untuk mencari nilai optimal dari program
linier yang melibatkan banyak constraint (pembatas) dan banyak
variabel (lebih dari dua variabel). Penemuan metode ini merupakan
lompatan besar dalam riset operasi dan digunakan sebagai prosedur
penyelesaian dari setiap program computer.(Nasution dkk, 2016)
Penyelesaian masalah optimalisasi dengan metode simpleks
didasarkan pada teknik eliminasi Gauss Jordan. Penentuan solusi
optimal dilakukan dengan memeriksa titik ekstrim satu persatu
dengan cara perhitungan iteratif. Sehingga penentuan solusi optimal
dengan simpleks dilakukan tahap demi tahap yang disebut dengan
iterasi. Iterasi ke-i hanya tergantung dari iterasi sebelumnya (i-1).

Dalam metode simpleks, model diubah kedalam bentuk suatu

tabel, kemudian dilakukan beberapa langkah matematis pada tabel
tersebut. Langkahlangkah matematis ini pada dasarnya merupakan
replikasi proses pemindahan pemindahan dari suatu titik ekstrim ke
titik ekstrim lainnya pada batas daerah solusi (solution boundary).
Tidak seperti metode grafik, dimana kita dapat dengan mudah
mencari titik terbaik di antara semua titik-titik solusi, metodesimpleks
bergerak dari satu solusi ke solusi yang lebih baik sampai solusi
yangterbaik didapat. Metode simpleks lebih efisien serta dilengkapi
dengan suatu uji kriteria yang bisa memberitahukan kapan hitungan
harus dihentikan dan kapan harus dilanjutkan sampai diperoleh suatu
optimal solution (maksimum profit, maksimum revenue, minimum
cost, dan lain sebagainya). Pada umumnya dipergunakan tabel-tabel
dari tabel pertama yang memberikan pemecahan dasar permulaan
yang fisibel (initial basic feasible solution) sampai pada pemecahan
terakhir yang memberikan optimal solution. Semua informasi yang

18
 diperlukan (test kriteria, nilai variabel-variabel, nilai fungsi tujuan)
akan terdapat pada setiap tabel, selain itu nilai fungsi tujuan dari
suatu tabel akan lebih besar/kecil atau sama dengan tabel
sebelumnya.

Pada umumnya suatu persoalan linier programming bisa

diklasifikasikan menjadi 3 kategori yaitu[4] : a. Tidak ada pemecahan
yang fisibel (there is no feasible solution) b. Ada pemecahan optimum
(maksimum/minimum). c. Fungsi objektif tidak ada batasnya
(unbounded) Pada masa sekarang masalah-masalah Linier
Programming yang melibatkan banyak variabel-variabel keputusan
dapat dengan cepat dengan bantuan komputer, tetapi bila variabel
keputusan yang dikandung tidak terlalu banyak, masalah tersebut
dapat diselesaikan dengan suatu logaritma yang biasanya sering
disebut metode simpleks tabel.

Langkah-langkah Metode Simpleks Tabel

Langkah 1.

Mengubah fungsi tujuan dan batasanbatasan fungsi tujuan diubah menjadi

fungsi implisit. Misalnya fungsi tujuan tersebut :

Z = + + … diubah menjadi Z = …….. = 0

Pada bentuk standar semua batasan mempunyai tanda ≤.

Langkah 2 : Menyusun persamaan-persamaan di dalam tabel. Setelah

formulasi diubah kemudian disusun kedalam tabel dengan simbol seperti
pada Tabel 2.1.

Tabel 2. Tabel Simpleks Dalam Bentuk Simbol

19
NK adalah nilai kanan persamaan, yaitu nilai dibelakang tanda sama dengan
(=).

Langkah 3 : Memilih kolom kunci

Langkah 4 : Memilih baris kunci

Baris kunci adalah baris yang merupakan dasar untuk mengubah tabel pada
langkah ke 3 (tiga). Untuk itu terlebih dahulu carilah indeks tiap-tiap baris
dengan cara membagi nilai-nilai pada kolom NK dengan nilai yang sebaris
pada kolom kunci.

Pilihlah baris yang mempunyai indeks positif dengan angka terkecil. Nilai
yang masuk dalam kolom kunci dan juga termasuk dalam baris kunci disebut
angka kunci.

Langkah 5 : Mengubah nilai-nilai baris kunci

Langkah 6 : Mengubah nilai-nilai selain pada baris kunci

Langkah 7 : Melanjutkan perbaikan atau perubahan

20
 Ada beberapa istilah yang sering digunakan dalam metode
simpleks, diantaranya yaitu:

1) Iterasi adalah tahapan perhitungan dimana nilai dalam perhitungan itu

tergantung dari nilai tabel sebelumnya.

2) Variabel non basis adalah variabel yang nilainya diatur menjadi nol pada
sembarang iterasi. Dalam terminologi umum, jumlah variabel non basis
selalu sama dengan derajat bebas dalam sistem persamaan.

3) Variabel basis merupakan variabel yang nilainya bukan nol pada

sembarang iterasi. Pada solusi awal, variabel basis merupakan variabel
slack (jika fungsi kendala merupakan pertidaksamaan ≤ ) atau variabel
buatan (jika fungsi kendala menggunakan pertidaksamaan ≥ atau =).
Secara umum, jumlah variabel basis selalu sama dengan jumlah fungsi
pembatas (tanpa fungsi non negatif).

4) Solusi atau nilai kanan merupakan nilai sumber daya pembatas yang
masih tersedia. Pada solusi awal, nilai kanan atau solusi sama dengan
jumlah sumber daya pembatas awal yang ada, karena aktivitas belum
dilaksanakan.

5) Variabel slack adalah variabel yang ditambahkan ke model matematik

kendala untuk mengkonversikan pertidaksamaan ≤ menjadi persamaan
(=). Penambahan variabel ini terjadi pada tahap inisialisasi. Pada solusi
awal, variabel slack akan berfungsi sebagai variabel basis.

6) Variabel surplus adalah variabel yang dikurangkan dari model matematik

kendala untuk mengkonversikan pertidaksamaan ≥ menjadi persamaan
(=). Penambahan ini terjadi pada tahap inisialisasi. Pada solusi awal,
variabel surplus tidak dapat berfungsi sebagai variabel basis.

7) Variabel buatan adalah variabel yang ditambahkan ke model matematik

kendala dengan bentuk ≥ atau = untuk difungsikan sebagai variabel basis
awal. Penambahan variabel ini terjadi pada tahap inisialisasi.Variabel ini
21
 harus bernilai 0 pada solusi optimal, karena kenyataannya variabel ini
tidak ada. Variabel hanya ada di atas kertas.

8) Kolom pivot (kolom kerja) adalah kolom yang memuat variabel masuk.
Koefisien pada kolom ini akn menjadi pembagi nilai kanan untuk
menentukan baris pivot (baris kerja).

9) Baris pivot (baris kerja) adalah salah satu baris dari antara variabel basis
yang memuat variabel keluar.

10) Elemen pivot (elemen kerja) adalah elemen yang terletak pada
perpotongan kolom dan baris pivot. Elemen pivot akan menjadi dasar
perhitungan untuk tabel simpleks berikutnya.

11) Variabel masuk adalah variabel yang terpilih untuk menjadi variabel
basis pada iterasi berikutnya. Variabel masuk dipilih satu dari antara
variabel non basis pada setiap iterasi. Variabel ini pada iterasi berikutnya
akan bernilai positif.

12) Variabel keluar adalah variabel yang keluar dari variabel basis pada
iterasi berikutnya dan digantikan oleh variabel masuk. Variabel keluar
dipilih satu dari antara variabel basis pada setiap iiterasi. Variabel ini
pada iterasi berikutnya akan bernilai nol.

2.4. Produk Home Industri: Kerupuk Kemplang Panggang

Kota Palembang di Sumatera Selatan memiliki banyak

camilan yang sering diburu masyarakat dan wisatawan. Salah satu
yang cukup populer adalah kemplang panggang. Kemplang sendiri
merupakan makanan ringan jenis kerupuk. Kemplang merupakan
makanan ringan yang tentu saja dikenal masyarakat luas, tetapi di
Palembang ada kampung yang sepanjang jalan menjajakan makanan
itu. Orang lebih sering menyebutnya kampung kemplang panggang,
karena di sepanjang jalan di lokasi itu terdapat pondok-pondok yang
menjual makanan ini. Para pedagang ini menjual kemplang sambil
22
 memanggangnya dan mengemas di tempat sehingga siap untuk dijual
ke masyarakat yang melintas di kawasan itu. Kemplang-kemplang
yang sudah dipanggang itu langsung dikemas dalam plastik dan
langsung dijual di tempat, sehingga tentu saja masih sangat garing.
Para pedagang itu memanggang kemplang bakar itu sambil
menjajakan dagangan mereka, karena memang lokasinya berada di
pinggir jalan raya. Namun, pemandangan ini hanya dapat dilihat di
kampung Kemplang yang berada di Jalan Pipareja Kecamatan
Kemuning Kota Palembang dan lokasinya juga tidak terlalu jauh dari
Pusat kota setempat. Para pedagang kemplang panggag ini adalah ibu-
ibu rumah tangga yang tinggal di kawasan tersebut.

Gambar 2.4 Kerupuk emplang .

Adapun bahan-bahan utama dalam pembuatan kemplang
panggang sebagai berikut :

1. Ikan Giling. Ikan yang digunakan adalah ikan berdaging putih seperti ikan
tenggiri,gabus, belida dan beledang. Ikan lain yang tidak putih dagingnya
juga dapat digunakan. Pengunaan ikan tidak berdaging putih
menghasilkan kerupuk yang berwarna cuklat atau keabu-abuan.

2. Tepung Tapioka. Tepung Tapioka yang digunakan adalah yang berwarna

putih mengkilat.Tapioka mutu rendah, yaitu tepung yang kurang atau

23
 tidak mengkilat, lembab atau berbau akan menghasilkan kerupuk yang
rendah mutunya.

3. Gula, Garam dan penyedap Pada dasarnya pemberian gula dan garam
dalam pembuatan kemplang berperan sebagai penambah cita rasa dan
menambah umur simpan kemplang tunu. Karena kemplang yang dibuat
tidak menggunakan pengawet maka digunakan gula dan garam sebagai
pengawet.(Subekti, 1998) Monosodium glutamat (MSG) atau penyedap
rasa dapat digunakan sebagai pengganti rempah-rempah tetapi jumlah
yang digunakan harus sesuai dengan peraturan pemakaian yang berlaku.

4. Air. Air untuk industri pangan memegang peranan penting karena dapat
mempengaruhi kualitas makanan yang diproduksi. Jenis air yang
digunakan berbeda-beda tergantung jenis bahan yang diolah. Air yang
digunakan harus memenuhi syaratsyarat tidak berwarna, tidak berbau,
jernih, dan tidak mempunyai rasa.

24
 BAB III

METODOLOGI PENELITIAN

3.1. Tempat dan Waktu

Penelitian ini telah dilaksanakan di Kampung Kemplang Panggang

Jalan Pipareja Kemuning Palembang. Penelitian ini dilaksanakan pada bulan
Oktober 2022 sampai Desember 2022.

3.2. Metode Penelitian

Metode yang digunakan dalam penelitian ini metode wawancara

dan observasi langsung di lapangan.

3.3.1 Pelaksanaan Penelitian

3.4.1. Perencanaan
Pada tahap ini peneliti melakukan kegiatan perencanaan yang
meliputi pengajuan judul, penyusunan pra penelitian, penyusunan proposal,
penyusunan instrument penelitian dan pengajuan izin penelitian.

3.4.2. Pelaksanaan
Pada tahap ini, peneliti melakukan kegiatan pengambilan data

3.4.3. Penyelesaian
Pada tahap ini, peneliti mulai melakukan pengolahan data dengan
menggunakan linear programming metode simpleks dan penyusunan
laporan penelitian

3.4. Analisis Data

Analisis data yang digunakan dalam penelitian ini terdiri dari:

25
1. Linear Programming merupakan suatu model umum yang dapat
digunakan dalam pemecahan masalah pengalokasian sumber-sumber
yang terbatas secara optimal. (Dermawan, 2009)

2. Metode simpleks adalah suatu prosedur matematis untuk mencari

solusi optimal dari suatu masalah pemrograman linear yang didasarkan
pada proses iterasi. (Dimyati, 2006).

Metode pengumpulan data dilakukan dengan cara:

a) Studi lapangan: yaitu suatu pengumpulan data dengan melakukan suatu

penelitian secara langsung pada perusahaan, adapun cara yang dilakukan
yaitu melalui pengamatan, wawancara dan dokumen perusahaan.
Sedangkan data yang diperlukan dalam penelitian ini adalah jenis produk
yang dibuat oleh pengrajin kemplang panggang di Kemuning Palembang,
harga penjualan, daftar permintaan produk tiap hari, dan keuntungan dari
setiap produk yang dibuat.

b) Studi pustaka: yaitu peneliti memperoleh referensi yang dibutuhkan

dengan cara membaca buku-buku, jurnal-jurnal, dan prosiding-prosiding
yang berkaitan dengan topik dan masalah yang dihadapi untuk
memecahkan masalah dalam penelitian ini. Sedangkan langkah-langkah
untuk membuat model pemrograman linier adalah sebagai berikut
(Mulyono, 2007) :

a) Menentukan variabel-variabel dari persoalan, misalnya x1, x2 dan

seterusnya;

b) Menentukan tujuan (maksimasi atau minimasi) yang harus dicapai untuk

menentukan pemecahan optimum dari semua nilai yang layak dari
variabel tersebut; = c

26
c) Menentukan batasan-batasan yang harus dikenakan untuk memenuhi
batasan sistem yang dimodelkan.

Langkah-langkah penyelesaian metode simpleks adalah sebagai berikut :

a. Mengubah fungsi tujuan dengan batasan, setelah semua fungsi tujuan

diubah maka fungsi tujuan diubah menjadi fungsi implisit. Lalu Menyusun
persamaan-persamaan ke dalam tabel simpleks.

b. Memilih kolom kunci Dengan memilih kolom yang mempunyai nilai pada
garis pungsi tujuan yang bernilai negatif dengan angka terbesar

c. Memilih baris kunci Pilih baris yang mempunyai limit rasio dengan angka
terkecil. Limit rasio = nilai kanan / nilai kolom kunci

d. Mengubah nilai baris kunci Nilai baris kunci diubah dengan cara membagi
dengan angka kunci, ganti variabel dasar pada baris kunci dengan variabel
yang terdapat dibagian atas kolom kunci.

e. Mengubah nilai-nilai selain pada baris kunci Untuk mengubahnya

menggunakan rumus Baris baru = baris lama – (koefisien per kolom kunci
* nilai baris kunci). f. Lanjutkan perbaikan atau perubahan ulangi langkah
a – e, sampai semua nilai pada fungsi tujuan berharga positif.

27
 BAB IV

PEMBAHASAN

Dalam memecahkan masalah dengan menggunakan Linear

Programming metode simpleks, diperlukan data yang sesuai sebagai
fungsi tujuan dan fungsi batasan.
Pada studi kasus di home industri Agus Jaya Makmur,
optimasi perencanaan produksi pada kerupuk kurang optimal,
dikarenakan banyaknya keterbatasan-keterbatasan seperti modal,
waktu, pemasaran produk dan tenaga kerja. Oleh karena itu,
diperlukan formula yang tepat untuk mengatasi masalah tersebut
dengan penerapan Linear Programming.
Penelitian ini bertujuan untuk merumuskan model optimasi
pengalokasian modal, waktu, pemasaran produk dan dalam rangka
mendapatkan keuntungan yang maksimal dan menentukan jumlah
produk yang diproduksi setiap jenisnya agar mendapatkan
keuntungan yang maksimal.
Tahapan penelitian meliputi studi pendahuluan mencangkup
studi pustaka, observasi lapang dan wawancara dari responden
kunci, menentukan fungsi tujuan dan fungsi kendala, pengolahan
data menggunakan metode simpleks. Optimasi produksi kerupuk
yang berbeda dapat dilakukan dengan Linear Programming metode
simpleks untuk mengetahui jumlah produk yang paling optimal
untuk diproduksi

4.1 Optimalisasi Produksi Home Industri Kerupuk Kemplang

Adapun bahan-bahan utama dalam pembuatan kemplang panggang

sebagai berikut :

1. keabu Ikan Giling.

28
 Ikan yang digunakan adalah ikan berdaging putih seperti ikan
tenggiri,gabus, belida dan beledang. Ikan lain yang tidak putih
dagingnya juga dapat digunakan. Pengunaan ikan tidak berdaging
putih menghasilkan kerupuk yang berwarna cuklat atau -abuan.

2. Tepung Tapioka.
Tepung Tapioka yang digunakan adalah yang berwarna putih
mengkilat.Tapioka mutu rendah, yaitu tepung yang kurang atau tidak
mengkilat, lembab atau berbau akan menghasilkan kerupuk yang
rendah mutunya.

3. Gula, Garam dan penyedap

Pada dasarnya pemberian gula dan garam dalam pembuatan
kemplang berperan sebagai penambah cita rasa dan menambah
umur simpan kemplang tunu. Karena kemplang yang dibuat tidak
menggunakan pengawet maka digunakan gula dan garam sebagai
pengawet. Monosodium glutamat (MSG) atau penyedap rasa dapat
digunakan sebagai pengganti rempah-rempah tetapi jumlah yang
digunakan harus sesuai dengan peraturan pemakaian yang berlaku.

4. Air
Air untuk industri pangan memegang peranan penting karena
dapat mempengaruhi kualitas makanan yang diproduksi. Jenis air
yang digunakan berbedabeda tergantung jenis bahan yang diolah. Air
yang digunakan harus memenuhi syaratsyarat tidak berwarna, tidak
berbau, jernih, dan tidak mempunyai rasa.
Jenis data yang diperoleh dalam penelitian ini adalah data
primer yang dilakukan dengan wawancara serta observasi langsung
kepada pengrajin dan penjual kemplang panggang di Kampung
Kemplang Panggang Jalan Pipareja Kemuning Palembang.

29
 4.1.1 Penentuan fungsi tujuan.

Penentuan nilai Z (tujuan) suatu permasalahan didapat dari

selisih antara pendapatan dengan biaya yang dikeluarkan. Kendala-
kendala dalam produksi kemplang panggang adalah bahan baku.
Berdasarkan hasil survey terhadap pengrajin produk kemplang
panggang di kampung kemplang panggan Jalan pipareja kemuning
palembang diperoleh data-data produksi sekali produksi seperti
ditunjukkan pada tabel dibawah ini :

Kebutuhan Bahan Baku Satu Kali Produksi Kemplang Panggang

No Uraian Kebutuhan produksi (kg) Stok
Kemplang tunu Kemplang tersedi
(kg) lidah a (kg)
badak (kg)
1 Ikan giling 5 3 10
2 Tepung 10 6 30
tapioka
3 Garam 0,4 0,2 2
4 Gula 0,2 0,1 2

Keuntungan produksi kemplang panggang

No Uraian (Rp x 1 kali produksi) Jumlah
Kemplang Kemplang
tunu lidah
badak
1 Pendapatan 450.000 360.00
0
2 Biaya 300.000 175.00
produksi 0
3 Keuntungan 150.000 185.00
30
 0

Variabel Keputusan :

X1 = Jumlah produksi kemplang tunu

X2 = Jumlah produksi kemplang lidah badak

Adapun keuntungan yang didapatkan untuk penjualan

Kemplang tunu (X1) adalah sebesar Rp.150.000 per sekali produksi,
dan kemplanglidah badak (X2) adalah sebesar Rp 185.000 per sekali
produksi. Oleh karena itu, dapat diformulasikan fungsi tujuan sebagai
berikut :
Maksimumkan ( Z ) : 150.000X1 + 185.000X2

4.1.2 Menetukan fungsi batasan

Data dalam fungsi batasan diambil dengan melihat banyaknya

bahan baku yang digunakan dalam tiap jenis produk kemplang dan
kapasitas bahan baku yang dimiliki dalam satu kali produksi.
Ikan Giling : 5 X1 + 3
X2 ≤ 10 Tepung Tapioka :
10X1 + 6 X2 ≤ 30 Garam :
0,4X1 + 0,2X2 ≤ 2
Gula : 0,2X1 + 0,1X2 ≤ 2

a. Pendekatan melalui metode simpleks dengan langkah-

langkah :
i. Merubah fungsi pembatas dari pertidaksamaan menjadi
persamaan dengan menambahkan slack variabel
5 X1 + 3 X2 + s1 ≤ 10
10X1 + 6 X2 + s2 ≤ 30
31
 0,4X1 + 0,2X2 + s3 ≤ 2
0,2X1 + 0,1X2 + s4 ≤ 2
ii. Memasukkan persamaan kedalam tabel.
Hasil perhitungan Awal Simpleks

Variabel Z X1 X2 S1 S2 S3 S4 S5 Nilai
Z 1 -150.000 -185.000 0 0 0 0 0 0
S1 0 5 3 1 0 0 0 0 10
S2 0 10 6 0 1 0 0 0 30
S3 0 0,4 0,2 0 0 1 0 0 2
S4 0 0,2 0,1 0 0 0 1 0 2

iii. Memilih kolom kunci,baris kunci dan menghitung indeks.

Untuk melihat kolom kunci ditentukan oleh nilai Z yang
paling kecil (negatif) maka kolom kunci terletak pada kolom X2.
Untuk melihat baris kunci ditentukan berdasarkan nilai
indeks yang terkecil yaitu terletak pada baris s1.
Untuk menentukan indeks = nilai( nilai kanan)/ kolom
kunci .
Variabel Z X1 X2 S1 S2 S3 S4 S5 Nilai Indek
s
Z 1 - - 0 0 0 0 0 0 0
150.000 185.000
S1 0 5 3 1 0 0 0 0 10 3,33
S2 0 10 6 0 1 0 0 0 30 5
S3 0 0,4 0,2 0 0 1 0 0 2 10
S4 0 0,2 0,1 0 0 0 1 2 20

iv. Melakukan iterasi

 Membuat baris kunci

32
 baru
Baris bariskuncilama
kunci baru =

elemencell
Elemen cell yaitu nilai perpotongan antara kolom kunci dan
baris kunci.
Baris 0 5 3 1 0 0 0 0 10
kunci baru =

333333333

Baris kunci baru (X2) = 0 1,67 1 0,3 0 0 0 0 3,33

 Membuat baris Z baru

Baris Z baru = baris Z lama – (nilai kolom kunci baris yang
sesuai x baris kunci baru )
Baris Z baru = ( 1 -150.0000 -185.0000 0 0 0 0 0 0 ) – (-
185.0000)( 0
1,67 1 0,3 0 0 0 0 3,3).
Baris Z baru = 1 158.950 0 61.050 0 0 0 616.050

 Membuat baris variabel baru

Baris S1 baru = baris S1 lama - (nilai kolom kunci baris yang
sesuai x baris kunci baru )
Baris S1 baru = ( 0 5 3 1 0 0 0 10) – ( 3)( 0 1,67 1 0,3 0 0 0
3,3)

Baris S1 baru = 0 -0,01 0 0,01 0 0 0 0,01

Baris S3 baru = ( 0 0,4 0,2 0 0 1 0 2) – (0,2) (0 1,67 1 0,3 0 0 0
3,3)
Baris S3 baru = 0 -0,10 1 -0,099 0 1 0 1,334
Baris s4 baru = ( 0 0,2 0,1 0 0 0 1 2) – ( 0,1) (0 1,67 1 0,3 0 0 0
3,3)

33
 Baris s4 baru = 0 0,033 1 0 0
0 1
2
Sehingga tebel iterasi- 1

Vb Z X1 X2 S1 S2 S3 S4 Nilai
Z 1 158.950 0 61.05 0 0 0 616.050
0
S1 0 -0,01 0 0,01 0 0 0 0,01
X2 0 1,67 1 0,3 0 0 0 3,33
S3 0 -0,10 1 -0,99 0 1 0 1,334
S4 0 0,033 1 0 0 0 1 2

Karena nilai-nilai pada baris z sudah tidak ada yang negatif,

berarti iterasi telah selesai maka fungsi telah optimal. sehingga
perhitungan dihentikan setelah nilai pada fungsi tujuan semua
bernilai positif. Dengan hasil penyelesaian nilai variabel X1= 0,01 dan
X2= 3,33.
Z = 150.000 X1 + 185.000 X2
= 150.000(0,01) + 185.000(3,33)

= 1500 + 616.050

= 617.550

Home industry kampung kemplang panggang di kemuning

Palembang harus meningkatkan produksi kemplang panggang jenis
kemplang lidah badak (X2) 3 kali lebih banyak dari produksi
sebelumnya sehingga terjadi peningkatan keuntungan dari
keuntungan awal sebesar Rp.335.000 mencapaikeuntungan maksimal

34
 (Zmaks) sebesar Rp. 617.550. Maka didapat selisih keuntungan dari
sebelum dan setelah dilakukan optimasi sebesar Rp. 282.550.

4.2 Optimalisasi Produksi Kerupuk Kemplang Penerapan Pada Home

pengrajin kemplang panggang Jalan pipareja kemuning palembang

Para pengrajin kemplang panggang memperoleh bahan baku

ikan dari supplier dan bahan baku kering seperti tepung tapioka,
garam, dan gula diperoleh dari toko disekitar lokasi.

4.2.1 Penetapan Fungsi dan Tujuan

Fungsi tujuan adalah fungsi yang menggambarkan
tujuan/sasaran didalam permasalahan linear programming yang
berkaitan dengan pengaturan sumber daya- sumber daya secara
optimal untuk memperoleh keuntunga maksimal. Penentuan nilai Z
(tujuan) suatu permasalahan didapat dari selisih antara pendapatan
dengan biaya yang dikeluarkan. Kendala-kendala dalam produksi
kemplang adalah bahan baku. Berdasarkan hasil survey terhadap
pengrajin produk kemplang panggang di kampung kemplang panggan
Jalan pipareja kemuning palembang diperoleh data-data produksi
sekali produksi seperti ditunjukkan pada tabel 2 dibawah :

Tabel 3. Kebutuhan Bahan Baku Satu Kali Produksi Kemplang jenis Tunu dan
Lidah Badak

No. Uraian Kebutuhan produksi (kg) Stok

Kemplan Kemplang tersedi
g tunu lidah a (kg)
badak

1 Ikan giling 5 3 10

2 Tepung 10 6 30
tapioka

35
 3 Garam 0,4 0,3 2

4 Gula 0,2 0,1 2

5 Penyedap 0,1 0,05 0,5

Tabel 4. Keuntungan produksi kemplang panggang

No. Uraian Jumlah

Kemplan Kemplang
g tunu lidah
badak

1 Pendapatan (Rp/1 450.0 360.

x produksi) 00 000
2 Biaya Produksi (Rp/1x 300.0 175.
produksi) 00 000
3 Keuntunga 150.0 185.
n (Rp) 00 000

Adapun keuntungan yang didapatkan untuk penjualan

Kemplang tunu (X1) adalah sebesar Rp.150.000 per sekali produksi,
dan kemplanglidah badak (X2 adalah sebesar Rp 185.000 per sekali
produksi. Oleh karena itu, dapat diformulasikan fungsi tujuan sebagai
berikut :
Maksimumkan (Z) = 150.000 X1 + 185.000 X2
........................ (7)

4.1.2 Menentukan Fungsi Batasan

Data dalam fungsi batasan diambil dengan melihat banyaknya
bahan baku yang digunakan dalam tiap jenis produk kemplang dan
kapasitas bahan baku yang dimiliki dalam satu kali produksi.

4.1.3 Perhitungan Linear Programming

Dari data survey sebelumnya digunakan linear programming
36
 variabel dengan metode simpleks sebagai berikut :
1. Variabel Keputusan

X1 = Jumlah produksi kemplang tunu

X2 = Jumlah produksi kemplang lidah badak
2. Fungsi Tujuan

Maksimumkan : Z = 150.000 X1 + 185.000 X2........................(8)

3. Fungsi Pembatas

Ikan Giling : 5 X1 + 3 X2 ≤ 10..................................................(9)

Tepung Tapioka : 10X1 + 6 X2 ≤ 30............................................(10)

Garam : 0,4X1 + 0,2X2 ≤ 2...............................................(11)

Gula : 0,2X1 + 0,1X2 ≤ 2...............................................(12)

Pendekatan melalui metode simpleks dengan langkah-langkah :

1. Merubah fungsi pembatas dari pertidaksamaan menjadi persamaan
dengan menambahkan slack variabel
5 X1 + 3 X2+ S1 ≤ 10..............................................................(13)

10X1 + 6 X2+ S2 ≤ 30..............................................................(14)

0,4X1 + 0,3X2+ S3 ≤ 2.................................................................(15)

0,4X1 + 0,2X2 + S4 ≤ 2.................................................................(16)

2. Memasukkan persamaan kedalam tabel

Tabel 5. Hasil perhitungan Awal Simpleks
Variabe X1 X2 S1 S S S S Nilai
l 2 3 4 5
Z - - 0 0 0 0 0 0
150.00 185.00
0 0
S1 5 3 1 0 0 0 0 10
37
 S2 10 6 0 1 0 0 0 30
S3 0,4 0,2 0 0 1 0 0 2
S4 0,2 0,1 0 0 0 1 0 2

3. Memilih kolom kunci dan menghitung indeks

Tabel 6. Penentuan kolom kunci dan baris kunci
Variabe Z X1 X2 S S2 S S S Nilai Indek
l 1 3 4 5 s
Z 1 - - 0 0 0 0 0 0 0
150.000 185.000
S1 0 5 3 1 0 0 0 0 10 3,33
S2 0 10 6 0 1 0 0 0 30 5
S3 0 0,4 0,2 0 0 1 0 0 2 10
S4 0 0,2 0,1 0 0 0 1 0 2 20
1. Mengubah nilai- nilai
Untuk baris kunci, nilai baru diperoleh dengan rumus berikut :
Nilai baru = Nilai Lama
Nilai Kunci

Baris S2 : 0/3 5/3 3/3 1/3 0/3 0/3 0/3

0/3
10/3
Baris X2 : 0 1,67 1 0,33 0 0 0 0
3,33

Berdasarkan atas peritungan diatas, kita dapatkan

transformasi untuk baris lainnya dengan rumus :
Nilai baru = Nilai Lama –(Koefisien pada kolom kunci
x Nilai baru baris kunci)

38
 Tabel 7. Nilai Transformasi Awal
Vb Z X1 X S1 S2 S S4 Nilai
2 3
Z 1 - 0 61.05 0 0 0 616.05
158.950 0 0
S1 0 -0,01 0 0,01 0 0 0 0,01
X2 0 1,67 1 0,33 0 0 0 3,33
S3 0 -0,10 1 - 0 1 0 1,334
0,099
S4 0 0,033 1 0 0 0 1 2
Pada perubahan nilai awal diperoleh nilai baris kunci yang
baru (barisX2) Karena masih terdapat nilai negatif pada baris
tujuan (-158.950), maka proses perhitungan nilai optimal belum
selesai. Untuk itu harus mencari kembali (iterasi) nilai transformasi
yang akan menghilangkan nilai negatif tersebut. Lakukan iterasi
dari awal pemilihan kolom kunci. Iterasi berhenti jika fungsi tujuan
tidak ada yang bernilai negatif.

Tabel 8. Hasil akhir Iterasi metode simpleks

Vb Z X1 X S1 S3 S4 Nilai
S2
2
Z 1 0 0 61.050 0 0 0 616.050
S1 0 0 1 0,01 0 0 0 0,01
X2 0 1,67 1 0,33 0 0 0 3,33
S3 0 -0,1 1 -0,099 0 1 0 1,334
S4 0 0,03 1 0 0 1 2
0
3

Karena pada fungsi tujuan semua elemen non negatif, maka

39
 fungsi telah optimal. sehingga perhitungan dihentikan setelah nilai
pada fungsi tujuan semua bernilai positif. Dengan hasil
penyelesaian nilai variabel X1= 0,01 dan X2= 3,33
Z = 150.000 X1 + 185.000 X2
= 150.000(0,01) + 185.000(3,33)
= 1500 + 616.050
= 617.550

4.3 Optimalisasi Produksi Penerapan Pada Home Industri CV Ira Sidarsah

Linear programming merupakan salah satu cara dalam

menyelesaikan masalah optimasi produksi. Salah satu masalah yang
dihadapi oleh CV Irah Sidarasa adalah menentukan jumlah produksi
yang optimum sehingga diperoleh keuntungan yang maksimum.
Masalah optimasi produksi CV Irah Sidarasa adalah menentukan
keuntungan maksimum dari dua jenis produk yang dihasilkan yaitu
kue panada dan bola-bola ragout. Kendala yang dihadapi berupa
keterbatasan sumber daya produksi yaitu bahan baku tepung terigu,
telur ayam dan tenaga kerja. Masalah ini dapat diselesaikan dengan
menerapkan linear programming. Dengan pemecahan masalah
menggunakan metode simplex secara manual.
Berdasarkan data dari CV Irah Sidarasa dapat dilakukan
pengelompokan atau identifikasi terhadap variabel keputusan yaitu :
Untuk menentukan formulasi diatas, digunakan symbol X1, X2,
dan Z dimana :

X1 = Jumlah kue panada bahan yang akan dibuat

setiap hari. X2 = Jumlah bola-bola ragout yang akan
dibuat setiap hari. Zmax = Jumlah keuntungan kue
panada dan bola-bola ragout.
Tujuan CV Irah Sidarasa adalah memperoleh keuntungan
40
sebesar-besarnya dari kendala keterbatasan sumberdaya yang
dimiliki. Maka formulasi model matematisnya adalah:

Memaksimumkan Z = 2000X1 + 1000X2

Keterbatasan sumber daya dapat dibuat formulasi batasan-

batasan sebagai berikut:

1. Terigu yang digunakan adalah 500 gram untuk kue panada

(X1), dan 300 gram untuk bola-bola ragout (X2) kapasitas yang
tersedia adalah 25 Kg.
2. Telur yang digunakan adalah 5 butir untuk kue panada (X1),
dan 4 butir untuk bola-bola ragout (X2) kapasitas yang
terseda adalah 5 peti.

Jenis Produk

Baha Kue Panada Bola-Bola Kapasit as

n Keju

Baku
Tepun 500 300 25
g
Terigu
Telur 5 4 5
Aya
m
Keun 2000 1000
tung
an

Dari data tabel dapat dibuat penyelesaian linear programming

persoalan maksimum, langkah-langkah penyelesaiannya adalah sebagi
41
berikut:

1. 500X1 + 300X2 ≤ 25
500X1 + 300X2 =25
2. 5X1 + 4X2 ≤ 5
5X1 + 4X2 = 5
Fungsi tujuan diubah menjadi fungsi implisit yaitu menggeser elemen
dari sebelah kanan ke sebelah kiri, sehingga fungsi tujuan ini
menjadi:

Z – 2000X1 –1000X2 = 0

Fungsi batasan diubah dengan memberikan variable slack yang

berguna untuk mengetahui batasan-batasan dalam kapasitas dengan
menambah variabel tambahan menjadi:

1. 500X1 + 300X2 ≤ 25 diubah menjadi 500X1 + 300X2

= 25
2. 5X1 + 4X2 ≤ 5 diubah menjadi 5X1 + 4X2 = 5

Persamaan-persamaan diatas disusun dalam tabel simplex. Setelah

formulasi diubah kemudian disusun ke dalam tabel literasi pertama
sebagai berikut :

variabe Z X1 X2 S2 nilai index

l kolo
dasar m
- -
Z 1 2000 100 0 0 0
0
X1 0 500 300 0 25 20

42
 X2 0 5 4 1 5 3

Baris kunci baru :

(500 300 1 0 25:500
1 1 1/500 0 20

Untuk Z:
-2000 -1000 0 0 0

( 0 1 1/500 0 20)x 2000(-)

0 1000 2000/500 0 40000

Untuk S2:

5 4 0 1 5
(0 1 1/500 0 20) x 5 (-)
0 5 -5/500 0 95

variabel Z X1 X2 S1 nilai
dasar kolo
m
Z 1 200 2000/50 40000
0 0
X1 0 1 1/500 20
X2 0 5 -67/500 95

Berdasarkan tabel baris Z tidak lagi ada yang bernilai negatif

sehingga solusi yang diperoleh optimal, artinya CV Irah Sidarasa ingin
memperoleh keuntungan yang maksimal maka hanya menambahkan
20 kue panada.
43
 Untuk memperoleh keuntungan optimal maka perusahaan
harus memproduksi sebanyak :

1. Penambahan kue panada (X1) sebanyak 20 buah kue. Selama

ini setiap hari CV Irah Sidarasa hanya memproduksi 50 buah jenis
kue. Bila perusahaan ingin mencapai keuntungan maksimal harus
menambah produksinya hingga 20 buah jenis kue.

2. Jika bola-bola ragout (X2) untuk tidak diproduksi kembali jika

perusahaan ingin mendapatkan keuntungan maksimal dengan
persediaan bahan baku tetap pada setiap harinya dan keuntungan
tetap setiap jenis kuenya.

3. Keuntungan maksimum akan dicapai sebesar : 2000(20) +

1000(0) = Rp 40.000 setiap harinya.

4.4 Optimalisasi Produksi Kerupuk Kemplang Penerapan Pada Home Industri

Agus Jaya Makmur

Keuntungan per kg untuk masing-masing kerupuk unyil, barabir,

dan udang/ikan. Penentuan nilai Z (tujuan) suatu permasalahan didapat
dari selisih antara pendapatan dengan biaya yang dikeluarkan.

Permintaan sering diartikan suatu keinginan untuk memenuhi

kebutuhan yang di ekspresikan melalui pembelian barang atau jasa. Bagi
produsen, permintaan adalah sesuatu yang harus dipenuhi melalui
penciptaan produk barang atau jasa sesuai dengan yang diinginkan, karena
dengan memenuhi permintaan akan diperoleh keuntungan sesuai dengan
yang diharapkan dan yang menjadi tujuan utamanya.
44
 Home industri Agus Jaya Makmur menghasilkan selisih produksi
kerupuk dan permintaan kerupuk.

Waktu produksi yang dibutuhkan oleh masing-masing produk

kerupuk berbeda-beda.

Home industri Agus Jaya Makmur ini mempekerjakan enam

tenaga kerja, diantaranya sebagai tenaga pencampuran bahan, tenaga
Penelitian ini mengenai optimalisasi produksi kerupuk
kemplang sebagai suatu studi kasus di Home Industri. Keuntungan per
kg untuk masing-masing jenis kerupuk kemplang yaitu kerupuk unyil,
barabir, dan udang/ikan. Penentuan nilai Z (tujuan) suatu
permasalahan didapat dari selisih antara pendapatan dengan biaya
yang dikeluarkan. Untuk menentukan formulasi dari fungsi tujuan,
sebelumnya dihitung laba per kg produksi kerupuk. Keuntungan
kerupuk unyil Rp 3.013,06; kerupuk barabir Rp 3.304,3 dan kerupuk
udang/ikan Rp 5.835,5. Pemasaran merupakan aspek yang cukup
penting dalam keberhasilan suatu usaha produksi kerupuk, karena
produk yang berkualitas tanpa ada pasar yang memadai, maka itu sia-
sia saja. Pemasaran ini tentunya harus mempertimbangkan faktor
jarak, biaya, dan ada tidaknya pembeli.

45
 Home industri Agus Jaya Makmur ini memproduksi tiga jenis
kerupuk yang berbeda, yaitu kerupuk unyil, kerupuk barabir dan
kerupuk udang/ikan. Masing-masing permintaan pasar untuk ketiga
jenis kerupuk berbedah-bedah jumlah permintaannya. Rata-rata
permintaan pasar untuk kerupuk unyil adalah 73 kg, permintaan
pasar untuk kerupuk barabir adalah 71 kg, dan permintaan pasar
untuk kerupuk udang/ikan adalah 74 kg.

Dari permintaan pasar yang setiap harinya cukup tinggi dari

masing-masing produk kerupuk sangat memenuhi permintaan para
konsumen yang ditopang dengan jam kerja yang sangat produktif
untuk menghasilkan produk yang berkualitas. Home industri Agus
Jaya Makmur rata-rata menghasilkan kerupuk unyil 86,13 kg/hari,
kerupuk barabir 85,26 kg/hari dan kerupuk udang/ ikan 89,82
kg/hari. Selisih dari jumlah produksi dengan permintaan pasar
menghasilkan sisa hasil produksi yang selanjutnya di jual kepada
pengepul. Sisa hasil produksi home industry Agus Jaya Makmur untuk
kerupuk unyil sebanyak 13,13kg/hari, kerupuk barabir 14,26 kg/hari
dan kerupuk udang/ikan 15,82 kg/hari.

Waktu produksi yang dibutuhkan oleh masing-masing produk

kerupuk berbeda-beda. Pada produk kerupuk unyil waktu produksi
yang dibutuhkan dari pencampuran bahan hingga penjemuran
dibutuhkan waktu sekitar 7 jam kerja setiap harinya, pada produk
kerupuk barabir waktu produksi yang dibutuhkan dari proses
pencampuran bahan hingga proses penjemuran dibutuhkan waktu
sekitar 7,5 jam kerja setiap harinya, dan pada produk kerupuk
udang/ikan waktu produksi yang dibutuhkan dari proses
pencampuran bahan hingga proses penjemuran dibutuhkan waktu
sekitar 8,5 jam kerja setiap harinya.

Dengan jam kerja/ harinya yang berbeda-beda dari

masingmasing jenis kerupuk dapat memenuhi permintaan pasar yang
46
cukup tinggi. Untuk jenis kerupuk unyil permintaan pasar 73 kg,
permintaan pasar kerupuk barabir 71 kg dan permintaan pasar jenis
kerupuk udang/ikan 74 kg. Home industri Agus Jaya Makmur ini
mempekerjakan enam tenaga kerja, diantaranya sebagai tenaga
pencampuran bahan, tenaga pengukusan, tenaga pendinginan, tenaga
pengepresan, tenaga penjemuran dan tenaga pengepakan. Pada
masing-masing produk kerupuk, penambahan tepung tapioka
berbeda-beda.

Untuk produk kerupuk unyil penambahan tepung tapioka

sebesar 30 kg, kerupuk barabir penambahan tepung tapioka sebesar
35 kg, dan kerupuk udang/ikan penambahan tepung tapioka sebesar
45 kg. Pemecahan Linear Programming dengan Metode Simpleks,
penggunaan alat analisis linear programming dengan metode
simpleks dapat diterapkan untuk memperoleh laba maksimal.
Perhitungan dengan metode simpleks setelah persoalan tersebut
diformulasikan.

Hasil dari perhitungan didapatkan formulasi linear komposisi

tepung tapioka per 1 kg kerupuk untuk masing-masing produk,
kerupuk unyil 0,63 kgtepung tapioka; kerupuk barabir 0,73 kg tepung
tapioka dan kerupuk udang/ikan 0,82 kg tepung tapioka dengan
sumber daya maksimal dari produksi kerupuk tiap hari sebesar 300
kg. Formulasi jam orang kerja (JOK) untuk kerupuk unyil 0,15 jam;
kerupuk barabir 0,157 jam dan kerupuk udang/ikan 0,16 jam untuk
setiap 1 kg masingmasing produksi kerupuk. Batasan minimal untuk
tiap produksi kerupuk unyil 73 kg per hari; kerupuk barabir 71 kg per
hari dan kerupuk udang/ikan sebesar 74 kg per hari. Setelah
dilakukan optimalisasi setiap produk kerupuk di dapat hasil produksi
kerupuk unyil 73 kg per hari; kerupuk barabir 71 kg per hari dan
kerupuk udang/ikan 161,89 kg per hari.

47
 Dengan faktor komposisi bahan tepung tapioka dan jam orang
kerja yang membatasi produksi dapat mengoptimalkan produksi
kerupuk udang/ikan sebesar 161,89 kg per hari dengan memproduksi
kerupuk unyil 73 kg per hari dan kerupuk barabir 71 kg per hari.
Dengan penerapan linear programming akan terjadi peningkatan
profit dari sebelum dan setelah dilakukan optimalisas. Jumlah
keuntungan keseluruhan dari masing-masing produk setelah
dilakukan optimasi sebesar Rp 1.399.267,78. Dan jumlah keuntungan
keseluruhan dari masing-masing produk sebelum dilakukan optimasi
sebesar Rp 886.385,68. Maka didapat selisih keuntungan dari sebelum
dan setelah dilakukan optimasi sebesar Rp 512.882,1.

48
 BAB V
PENUTUP
5.1 Kesimpulan

optimasi keuntungan produksi kemplang panggang

menggunakan linear programing melalui metode simpleks dapat
disimpulkan bahwa terjadi peningkatan keuntungan penjualan
sebesar Rp. 617.550 jika produksi pada kemplang panggang jenis
kemplang lidah badak ditingkatkan sebanyak 3 kali dari jumlah
produksi sebelumnya. Adapun selisih antara keuntungan sebelum dan
setelah optimasi sebesar Rp. 282.550.

Berdasarkan hasil analisa linear programming melalui metode

simpleks terhadap jumlah produksi kemplang panggang di kampung
kemplang panggang jalan Pipareja Kemuning Palembang diperoleh
formula keuntungan optimal Z = 150.000X1 + 185.000X2. Dari
perhitungan metode simpleks dapat disimpulkanbahwa terjadi
peningkatan keuntungan penjualan sebesar Rp. 617.550 jika produksi
pada kemplang panggang jenis kemplang lidah badak ditingkatkan
sebanyak 3 kali dari jumlah produksi sebelumnya. Adapun selisih
antara keuntungan sebelum dan setelah optimasi sebesar Rp. 282.550.

Kemudian berdasarkan analisis yang dilakukan pada home

industri Agus Jaya Makmur di desa Karang Mluwo Mangli kabupaten
Jember untuk menemukan kombinasi jumlah produk produksi dan
keuntungan yang maksimal, maka dapat dimunculkan beberapa
kesimpulan sebagai berikut : Menurut perhitungan simpleks, formula
keuntungan optimal adalah Z = 3.013,06 X1 + 3.304,3 X2 + 5.835,5 X3,
jenis kerupuk udang/ikan harus diproduksi sebanyak 161,89 kg
dengan memproduksi jenis kerupuk unyil 73 kg dan jenis kerupuk
barabir 71 kg. Dengan faktor komposisi bahan tepung tapioka dan jam
orang kerja yang membatasi produksi dapat mengoptimalkan
49
produksi kerupuk udang/ikan sebesar 161,89 kg per hari dengan
memproduksi kerupuk unyil 73 kg per hari dan kerupuk barabir 71 kg
per hari. Dengan penerapan linear programming akan terjadi
peningkatan profit dari sebelum dan setelah dilakukan optimalisas.
Jumlah keuntungan keseluruhan dari masing-masing produk setelah
dilakukan optimasi sebesar Rp 1.399.267,78. Dan jumlah keuntungan
keseluruhan dari masing-masing produk sebelum dilakukan optimasi
sebesar Rp 886.385,68. Maka didapat selisih keuntungan dari sebelum
dan setelah dilakukan optimasi sebesar Rp 512.882,1.

50
 DAFTAR PUSTAKA

Aprilyanti, S. (2019). Optimasi Keuntungan Produksi Pada Industri Kayu PT .

Indopal Harapan Murni Menggunakan Linear. Jurnal Penelitian Dan
Aplikasi Sistem & Teknik Industri (PASTI), 8(1), 1–8.

Anugrahwaty, R., & Azmi, F. (2017). Analisis Prediksi Perencanaan Produksi

dengan Fuzzy Logic Tsukamoto. Sinkron : Jurnal Dan Penelitian
Teknik Informatika, 1(2), 1.

Eunike, A. T. (2018). Perencanaan Produksi dan Pengendalian Persediaan.

Malang: UB Press.

Ganzer, P. P., Chais, C., & Olea, P. M. (2017). Product, process, marketing and
organizational innovation in industries of the flat knitting sector. RAI
Revista de Administraçã o e Inovaçã o, 14(4), 321–332.

Hilman, M. (2016). Optimasi Jumah Produksi Produk Furniture Pada PD .

Surya Mebel Di Kecamatan Cipaku Dengan Metode Linier
Programming. Jurnal Media Teknologi, 03(01), 85–97.

Jain, A. K., Saxena, H., Bhardwaj, R., Jagannadha Rao, G. V. V., & Siddharth
Nanda, C. (2020). Application of linear programming for profit
maximization of a Pharma Company. Journal of Critical Reviews,
7(12)

Kimutai, I., Maina, P., & Makokha, A. (2019). Energy Optimization Model
Using Linear Programming for Process Industry : A Case Study of
Textile Manufacturing Plant in Kenya. International Journal of Energy
Engineering, 9(2), 45–52.

Lauinger, D., Caliandro, P., Van herle, J., & Kuhn, D. . A. (2016). Linear
Programming Approach to The Optimization of Residential Energy

51
 Systems. Journal of Energy Storage, 7(1), 24–37.
https://doi.org/https://doi.org/10.1016/j.est.2016.04.009

Murni, M., Sihotang, T. H., & Marbun, V. N. (2016). Perancangan Sistem

Perencanaan Jumlah Produksi Roti Menggunakan Metode Fuzzy
Mamdani. Jurnal Mantik Penusa, Jurnal Manajemen Dan Informatika
Pelita Nusantara, 20(1), 48–54.

Mulyono, Sri. (2007). Riset Operasi, Edisi Revisi. Lembaga Penerbit Fakultas
Ekonomi Universitas Indonesia, Jakarta

Mohd Baki, S., & Cheng, J. K. (2020). A Linear Programming Model for Product
Mix Profit Maximization in A Small Medium Enterprise Company.
International Journal of Industrial Management, 6(1).

Taha, H. A. (2003). Riset Operasi. Jakarta: Binarupa Aksara.

Oladejo, N. K., Abolarinwa, A., Salawu, S. O., Lukman, A. F., & Bukari, H. I.
(2019). Optimization principle and its’ application in optimizing
landmark university bakery production using linear programming.
International Journal of Civil Engineering and Technology, 10(2),
183–190.

Parlesak, A., Tetens, I., Jensen, J. D., Smed, S., Blenkuš, M. G., Rayner, M.,
Darmon, N., & Robertson, A. (2016). Use of linear programming to
develop cost- minimized nutritionally adequate health promoting
food baskets. PloS ONE, 11(10), 1–19.
https://doi.org/10.1371/journal.pone.0163411

Putri, N. P. Y., & Nurcaya, I. N. (2020). Material Requirement Planning

Analysis of Body Massage Cream Products In CV. Denara Duta
Mandiri In Denpasar. American Journal of Humanities and Social
Sciences Research (AJHSSR), 4(5), 97–106.

52
Qiu, Y., Qiao, J., & Pardalos, P. M. (2019). Optimal production, replenishment,
delivery, routing and inventory management policies for products
with perishable inventory. Omega, Elsevier, 82(C), 193–204.

Romanova, A. A. (2019). Minimizing resource cost in project scheduling

problem with accumulative resources. Journal of Physics: Conference
Series, 1260(8), 1

Rizkya, I., Hidayati, J., Syahputri, K., Sari, R. M., Siregar, I., Siregar, K., &
Utaminingrum, J. (2019). Measurement of Supply Chain Performance
in Manufacturing. Journal of Physics: Conference Series, 1230(1), 1–
10.

R. Erfianti and M. N. Muhaijir, “Optimasi Produksi Hijab Menggunakan

Program Linear Multi Objective Fuzzy,” Jambura J. Math., vol. 2, no. 1,
pp. 22–29, 2019, doi: 10.34312/jjom.v2i1.2406

S. Basriati, E. Safitri, and R. Y. H. M, “Optimasi Hasil Produksi Model Fuzzy

Linear Programming (FLP) Menggunakan Metode Mehar (Studi
Kasus: Usaha Uni Risna Payakumbuh),” J. Sains Mat. dan Stat., vol. 5,
no. 2, pp. 90–99, 2019.

S. Aini, A. J. Fikri, and R. S. Sukandar, “Optimalisasi Keuntungan Produksi

Makanan Menggunakan Pemrograman Linier Melalui Metode
Simpleks,” J. Bayesian, vol. 1, NO.1, no. 1, pp. 1–16, 2021.

Salim, A., & Santoso, I. B. (2018). Optimasi Produksi Beton Ready Mix dengan
Metode Linear Programming. Jurnal Mitra Teknik Sipil, 1(1), 65–71.

Sinaga, P. R. (2016). Perancangan Optimasi Produksi Sarung Tangan

Menggunakan Linear Programing Pada PT . Smart Glove Indonesia.
Jurnal Informasi Dan Teknologi Ilmiah (INTI), 11(9), 44–50.

Supardi. (2020). The Effect Of Production Supervisory Competency Of Heavy

Equipment Operators Performance At The Mining Contractor Of Pt .

53
 Riung Mitra Lestari. American Journal of Humanities and Social
Sciences Research (AJHSSR), 164(2), 159–164.

Yucesan, M. (2017). Aggregated Production Planning in Sofa Production By

Preemptive Goal Programming Approach. Journal Of Business
Research Turk, 9(2), 184–196.

54