STUDI KASUS :
Oleh:
Rizki Budiawan
NIM : 43119010146
Dosen Pengampu :
2022
1
KATA PENGANTAR
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
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.”
6
1.3. Ruang Lingkup Penelitian
7
BAB II
TINJAUAN PUSTAKA
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.
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.
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
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).
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.
Langkah 1.
19
NK adalah nilai kanan persamaan, yaitu nilai dibelakang tanda sama dengan
(=).
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.
20
Ada beberapa istilah yang sering digunakan dalam metode
simpleks, diantaranya yaitu:
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.
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.
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.
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.
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
3.4.1. 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
25
1. Linear Programming merupakan suatu model umum yang dapat
digunakan dalam pemecahan masalah pengalokasian sumber-sumber
yang terbatas secara optimal. (Dermawan, 2009)
26
c) Menentukan batasan-batasan yang harus dikenakan untuk memenuhi
batasan sistem yang dimodelkan.
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.
27
BAB IV
PEMBAHASAN
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.
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.
Variabel Keputusan :
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
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
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
= 1500 + 616.050
= 617.550
34
(Zmaks) sebesar Rp. 617.550. Maka didapat selisih keuntungan dari
sebelum dan setelah dilakukan optimasi sebesar Rp. 282.550.
Tabel 3. Kebutuhan Bahan Baku Satu Kali Produksi Kemplang jenis Tunu dan
Lidah Badak
1 Ikan giling 5 3 10
2 Tepung 10 6 30
tapioka
35
3 Garam 0,4 0,3 2
Kemplan Kemplang
g tunu lidah
badak
3. Fungsi Pembatas
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.
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
Jenis Produk
Baku
Tepun 500 300 25
g
Terigu
Telur 5 4 5
Aya
m
Keun 2000 1000
tung
an
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
42
X2 0 5 4 1 5 3
Untuk Z:
-2000 -1000 0 0 0
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
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.
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
50
DAFTAR PUSTAKA
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.
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
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).
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
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.
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.
Salim, A., & Santoso, I. B. (2018). Optimasi Produksi Beton Ready Mix dengan
Metode Linear Programming. Jurnal Mitra Teknik Sipil, 1(1), 65–71.
53
Riung Mitra Lestari. American Journal of Humanities and Social
Sciences Research (AJHSSR), 164(2), 159–164.
54