0703202008
Dosen Pengampu
MEDAN
2022
BAB 1
PENDAHULUAN
Pada pelaksanaan perencanaan produksi pada sumber daya baik itu manusia,mesin,material harus
dimaknai sebagai sumber daya yang terbatas,tidak jarang organisasi tidak memperhitungkan dan
mempertimbangkan keterbatasan sumber daya yang mereka miliki ketika sebuah organisasi
merancangkan perencanaan produksi.Namun dengan melakukan optimalisai sumber daya bukan tidak
mungkin untuk mencapai keuntungan yang maksimal.(Aminuddin,2005)
Dalam Pembangunan Ekonomi,Sektor industry merupakan salah satu sektor yang berperan sangat
penting.Sektor industri memegang peran kunci sebagai mesin pembangunan karena sektor industri
memiliki beberapa keunggulan dibandingkan sektor lain yaitu kapitalisasi modal yang tertanam sangat
besar,kemampuan menyerap tenaga kerja yang besar,juga kemampuan menciptakan nilai tambah(value
added creation) dari setiap input atau bahan dasar yang diolah.(Anwar,2007)
Dikalangan yang modern ini banyak usaha usaha rumah tangga yang kita temui atau yang sering
disebut dengan Home industri erdasarkan undang undang Nomor 9 Tahun 1995,Home industri atau usaha
rumah tangga ini adalah aktivitas perekonomian masyarakat yang memiliki kekayaan bersih paling
banyak sejumlah Rp.200.000.000,kekayaan tersebut tidak termasuk bangunan dan tanah yang menjadi
tempat usaha. Selain itu home industri juga diartikan sebagai Usaha kecil menengah atau industri rumah
tangga yang notabenenya dikelola oleh keluarga serta melibatkan orang terdekat.Hal ini dapat dilakukan
dengan mengkombinasikan faktor faktor produksi atau sumber daya yang dilmiliki secara bersama
dengan tepat (Abidatul A,2015)
Masalah yang berkaitan pada hal ini adalah jumlah optimum produksi untuk proses
memaksimalkan keuntungan pada CV.Irfan perabot merupakan suatu proses untuk mencari suatu
keuntungan yang optimal dalam produksi.Diketahui bahwa tingkat pada keuntungan,produksi yang
didapatkan oleh perusahaan tersebut mempunyai hubungan yang linear.Sehingga pemecahan masalah ini
dapat menggunakan Model pemrograman linear
Pada Pemecahan masalah program linear harus bisa mengetahui terlebih dahulu mengenai kendala
apa saja yang ada pada masalah program linear dalam bentuk pemodelan matematika.Model matematika
dapatkan dikatakan bagus apabila dalam model tersebut hanya terdapat bagian bagian yang diperlukan
saja.Contohnya seperti Cv,Irfan Perabot terdapat beberapa kendala dalam memproduksi 3 jenis yaitu
Lemari Pakaian,Tempat Tidur,Meja Kasir.Berdasarkan hasil wawancara yang dilakukan pada CV,Irfan
Perabot dalam memproduksi meubel tentunya banyak terdapat jenis bhan baku yang yang digunakan
dalam ukuran yang besar.Namun pada saat produksi dalam waktu 1 bulan bahan baku tersebut belum
maksimal dalam memanfaatkannya.Artinya ketika penggunaan bahan baku tersebut belum maksimal
maka kentungan belum maksimal didapatkan.
Dengan Model Pemrograman Linear diharapkan dapat membantu Industri CV Irfan Perabot dalam
menyelesaikan masalah optimasi produksi untuk setiap jenis produksi meubelnya sehingga mencapai
keuntungan yang maksimal.
Dari Permasalahan diatas Peneliti tertarik untuk mengadakan penelitian dengan judul
“OPTIMASI PERENCANAAN PRODUKSI MEUBEL MENGGUNAKAN MODEL
PEMROGRAMAN LINEAR”.(studi kasus CV.IRFAN PERABOT yang terletak didaerah Lima
Puluh)
BAB II
TINJAUAN PUSTAKA
2.1 Optimasi
Optimisasi adalah suatu pendekatan normatif untuk mengidentifikasikan penyelesaian terbaik
dalam pengambilan keputusan dari suatu permasalahan. Penyelesaian permasalahan dalam optimisasi
ditujukan untuk memperoleh titik maksimal atau titik minimal dari fungsi yang dioptimalkan. Seperti
permasalahan suatu perusahaan dalam menentukan jumlah produksi agar keuntungan maksimal dan biaya
minimal dapat diperoleh (Haida, 2021).
2.2 Produksi
Produksi merupakan proses penciptaan barang dan jasa. Barang dan jasa yang diproduksi adalah untuk
memenuhi kebutuhan manusia. Kegiatan produksi membutuhkan faktor-faktor produksi seperti sumber
daya alam, tenaga kerja, modal dan teknologi. Pada hakikatnya produksi merupakan pencipta atau
penambah manfaat atau bentuk, dan tempat atas faktor-faktor produksi sehingga lebih bermanfaat bagi
kebutuhan manusia. Pengertian produksi secara luas adalah usaha atau kegiatan yang dilakukan yang
dapat menimbulkan kegunaan dari suatu barang dan jasa untuk memenuhi kebutuhan orang banyak
(Heizer dan Render, 2005:25).
Menurut Soekartawi (1992), optimasi merupakan pencapaian suatu keadaan yang terbaik, yaitu
pencapaian solusi masalah yang diarahkan pada batas maksimum dan minimum. Persoalan optimasi
meliputi optimasi tanpa kendala dan optimasi dengan kendala. Dalam optimasi tanpa kendala, faktor-
faktor yang menjadi kendala terhadap fungsi tujuan diabaikan sehingga dalam menentukan nilai
maksimum ataupun minimum tidak ada batasan untuk berbagai pilihan peubah yang tersedia. Pada
optimasi dengan kendala, fakto- faktor yang menjadi kendala pada fungsi tujuan diperhatikan dan ikut
dalam menentukan nilai maksimum ataupun minimum (Nicholson, 1995)
Pemrograman linear (PL) ialah salah satu teknik dari riset operasi untuk memecahkan persoalan
optimasi (maksimum atau minimum) dengan menggunakan persamaan dan pertidaksamaan linear dalam
rangka untuk mencari pemecahan yang optimal dengan memperhatikan pembatasan-pembatasan yang
ada (Johannes Supranto, 1991 : 43). Fungsi linear yang hendak dicari nilai optimum berbentuk sebuah
persamaan yang disebut fungsi tujuan. Fungsi linear yang harus terpenuhi dalam optimisasi fungsi tujuan,
dapat berbentuk persamaan maupun pertidaksamaan yang disebut fungsi kendala (Dumairy, 2012 : 344).
Sebuah fungsi adalah suatu aturan padanan yang menghubungkan setiap obyek dalam satu himpunan,
yang disebut daerah asal, dengan sebuah nilai tunggal dari suatu himpunan kedua. Himpunan nilai yang
diperoleh secara demikian disebut daerah hasil fungsi (Varberg & Purcell, 2011 : 57). Siswanto (2007 :
26) menyebutkan definisi pemrograman linear yaitu sebagai metode metematis yang berbentuk linear
untuk menentukan suatu penyelesaian optimal dengan cara memaksimumkan atau meminimumkan
fungsi tujuan terhadap suatu susunan kendala. Secara keseluruhan, berdasarkan definisi maka tujuan
pemrograman linear adalah memecahkan persoalan memaksimumkan atau meminimumkan untuk
mendapatkan penyelesaian yang optimal.
Pemrograman Linier merupakan suatu model matematis untuk menggambarkan masalah yang
dihadapi. Kata Linier berarti semua fungsi matematis model ini harus merupakan fungsi-fungsi linier,
sedangkan pemrograman adalah persamaan kata dari perencanaan. Dengan demikian pemrograman linier
bertujuan untuk membuat rencana kegiatan agar memperoleh hasil yang optimal yang ditentukan dengan
cara paling baik diantara semua alternatif yang memungkinkan (Wijaya, 2013:9).
Masalah keputusan yang sering dihadapi adalah alokasi optimum sumber daya yang langka.
Sumber daya dapat berupa uang, tenaga kerja, bahan mentah, kapasitas mesin, waktu, ruangan atau
teknologi. Tugas yang dilakukan adalah mencapai hasil terbaik yang mungkin dengan keterbatasan
sumber daya itu. Hasil 15 yang diinginkan mungkin ditunjukkan sebagai memaksimumkan dari beberapa
ukuran seperti profit, penjualan dan kesejahteraan, atau meminimalkan seperti pada biaya, waktu dan
jarak. Setelah masalah didefinisikan, tujuan ditetapkan, langkah selanjutnya adalah formulasi model
matematika yang meliputi tiga tahap berikut (Mulyono, 2004:7).
1. Menetapkan variabel yang tidak diketahui (variabel keputusan) dan menyatakan dalam simbol
matematika.
2. Menyusun fungsi tujuan yang ditunjukkan sebagai suatu hubungan linier (bukan perkalian) dari
variabel keputusan.
3. Menentukan semua kendala masalah tersebut dan mengekspresikan dalam persamaan atau
pertidaksamaan yang juga merupakan hubungan linier dari variabel keputusan yang mencerminkan
keterbatasan sumber daya masalah tersebut. Pemrograman Linier digunakan untuk menentukan nilai
optimum dari fungsi tujuan linier pada kondisi pembatasan-pembatasan yang berkaitan dengan sumber
daya. Pemrograman Linier digunakan untuk membantu membuat keputusan untuk memilih suatu
alternatif yang paling tepat dan solusi yang paling baik (the best solution) (Ruminta, 2009:10).
Persoalan Pemrograman Linier adalah persoalan optimasi, ada beberapa tahapan dalam
memformulasikan persoalan pemrogram linier, yaitu (Ruminta, 2009:13):
1. Memahami permasalahan secara keseluruhan apakah persoalan tersebut adalah persoalan maksimum
atau minimum.
Terdapat tiga unsur utama yang membangun suatu program linear yaitu (Siswanto, 2007 : 26):
1. Variabel keputusan Variabel keputusan adalah variabel yang mempengaruhi nilai tujuan yang hendak
dicapai. Pada proses pembentukan suatu model, menentukan variabel keputusan merupakan langkah
pertama sebelum menentukan fungsi tujuan dan fungsi kendala.
2. Fungsi tujuan Fungsi tujuan pada model pemrograman linear haruslah berbentuk linear. Selanjutnya,
fungsi tujuan tersebut dimaksimalkan atau diminimalkan terhadap fungsi-fungsi kendala yang ada.
3. Fungsi kendala Fungsi kendala adalah suatu kendala yang dapat dikatakan sebagai suatu pembatas
terhadap variabel-variabel keputusan yang dibuat. Fungsi kendala untuk model pemrograman linear juga
harus berupa fungsi linear.
4. Fungsi non-negative Fungsi yang menyatakan bahwa setiap variabel yang terdapat di dalam model
pemrograman linear tidak boleh negatif.
Asumsi-asumsi dasar pemrograman linear diuraikan agar penggunaan teknik pemrograman linear
ini dapat memuaskan untuk berbagai masalah. Asumsi-asumsi dalam pemrograman linear akan dijelaskan
secara implisit pada 10 bentuk umum model pemrograman linear. Adapun asumsi-asumsi dasar
pemrograman linear sebagai berikut (Pangestu Subagyo, 1995:14-15):
a. Proportionality (kesebandingan) Asumsi ini mempunyai arti bahwa naik turunnya nilai fungsi tujuan
dan penggunaan sumber atau fasilitas yang tersedia akan berubah secara sebanding (proportional) dengan
perubahan tingkat kegiatan.
b. Additivity (penambahan) Asumsi ini mempunyai arti bahwa nilai fungsi tujuan tiap kegiatan tidak
saling mempengaruhi, atau dalam pemrograman linear dianggap bahwa kenaikan dari nilai tujuan yang
diakibatkan oleh kenaikan suatu kegiatan dapat ditambahkan tanpa mempengaruhi bagian nilai tujuan
yang diperoleh dari kegiatan lain.
c. Divisibility (dapat dibagi) Asumsi ini menyatakan bahwa keluaran (output) yang dihasilkan oleh setiap
kegiatan dapat berupa bilangan pecahan. Demikian pula dengan nilai tujuan yang dihasilkan.
d. Deterministic (kepastian) Asumsi ini menyatakan bahwa semua parameter yang terdapat dalam model
pemrograman linear.
simpleks adalah suatu metode yang secara sistematis dimulai dari suatu pemecahan dasar ke
pemecahan dasar yang layak lainnya dilakukan berulang- ulang (dengan jumlah ulangan
yang terbatas) sehingga akhirnya tercapai suatu pemecahan dasar yang optimal. Setiap
langkah menghasilkan suatu nilai danfungsi tujuan yang selalu lebih besar (lebih kecil) atau
sama dari langkah-langkah sebelumnya (Johannes Supranto, 1991 : 73). Metode simpleks
lebih efisien serta dilengkapi dengan suatu test kriteria yang dapat memberitahukan kapan
hitungan harus dihentikan dan kapan harus dilanjutkan sampai diperoleh suatu penyelesaian
yang optimal. Pada umumnya dipergunakan tabel-tabel, dari tabel pertama yang
memberikan pemecahan dasar permulaan yang fisibel sampai pada pemecahan terakhir yang
menggunakan metode simpleks terjadi melalui algoritma, yaitu suatu urutan kerja secara
teratur dan berulang sehingga tercapai hasil optimal yang dikehendaki. Metode ini paling
efisien karena proses penyelesaian dapat digunakan program komputer yang sudah tentu
akan menghabiskan waktu singkat bila dibandingkan secara manual. Dalam masalah
pemrograman linear dengan kendala terlebih dahulu diubah menjadi bentuk kanonik.
Bentuk kanonik adalah bentuk sistem persamaan linear dan memuat variabel basis (variabel
a. Variabel slack¸ yaitu variabel yang dibutuhkan pada fungsi kendala yangmemuat
Contoh:
3𝑥 + 5𝑦 ≤ 15 diubah menjadi 3𝑥 + 5𝑦 + 𝑠1 = 15
b. Variabel surplus, yaitu variabel yang ditambahkan pada fungsi kendala yangmemuat
Contoh:
c. Variabel artificial, yaitu variabel yang ditambahkan pada fungsi kendala yangbelum
Contoh:
3𝑥 + 5𝑦 − 𝑡1 + 𝑞1 = 15
Misal masalah pemrograman linear (2.1) dan (2.2) diubah ke bentuk kanonik, dengan
menambahkan variabel slack di setiap kendala. Variabel slack atau sering disebut perubah
pengetat pada fungsi tujuan memaksimumkan merupakan variabel yang berperan untuk
membuat ruas yang semula longgar menjadi ketat, sehingga sama nilai dengan ruas yang
lainnya (B. Susanta, 1994 :69). Bentuk umum formulasi tersebut disajikan pada
Memaksimumkan:
Kendala:
𝑎11𝑥1 + 𝑎12𝑥2 + ⋯ + 𝑎1j𝑥j + 𝑠1 = 𝑏1
Setelah bentuk umum tersebut diubah menjadi seperti (2.3) kemudian disusun kedalam
tabel. Diperoleh bentuk umum tabel simpleks seperti pada Tabel 2.2
𝑐j 𝑐1 𝑐2 ⋯ 𝑐𝑛 0 0 ⋯ 0
𝑐i̅ 𝑥̅i/𝑥j 𝑥1 𝑥2 ⋯ 𝑥𝑛 𝑠1 𝑠2 ⋯ 𝑠𝑚 𝑏i 𝑟i
𝑏i hanya untuk 𝑎ij > 0 dan 𝑠1, 𝑠2, ⋯ , 𝑠𝑚 adalah variabel slack yang
𝑟 = i
𝑎ij
menunjukkan kapasitas sumber daya yang tidak dipergunakan (B. Susanta, 1994 : 74).
Kasus dimana semua fungsi kendalanya berupa pertidaksamaan satu jenis disebut sebagai
kasus minimum atau maksimum baku (B.Susanta, 1994 : 70).
Pada kasus memaksimumkan, tabel simpleks dinyatakan telah mencapai optimal
jika 𝑧j − 𝑐j ≥ 0 untuk semua nilai j. Jika tabel belum optimal maka dilakukan
memiliki 𝑧j − 𝑐j < 0 yang paling kecil sehingga 𝑥j terpilih untuk masuk menjadi basis
baru. Kolom yang terpilih dinamakan kolom kunci. Variabel yang terpilih keluar dari basis
adalah variabel dengan nilai 𝑟i terkecil sehingga 𝑥iterpilih untuk keluar dari basis. Baris 𝑥i
disebut baris kunci dan unsur pada baris kunci yang juga pada kolom kunci disebut unsur
kunci (B. Susanta, 1994 : 77-78). Pada kasus meminimumkan, tabel simpleks dinyatakan
telah mencapai optimal jika 𝑧j − 𝑐j ≤ 0 untuk semua nilai j. Jika masih ada nilai 𝑧j −
𝑐j yangpositif maka dilakukan perbaikan tabel (iterasi). Memilih 𝑥j yang masuk menjadi
basis baru dengan 𝑧j − 𝑐j > 0 yang paling besar sehingga 𝑥j terpilih untuk masuk menjadi
basis. Variabel yang terpilih keluar dari basis adalah variabe dengan nilai 𝑟i terkecil
sehingga 𝑥i terpilih untuk keluar dari basis (B. Susanta, 1994 : 94-95).
gram Linear.
Metode grafik dapat digunakan untuk pemecahan masalah pemrograman linier yang hanya
memiliki dua atau tiga variabel. Grafik disusun dari persamaan yang telah diformulasikan
sedemikian sehingga akan didapatkan titik-titik sebagai solusi, yang merupakan hasil dari
perpotongan garis. Apabila dalam suatu pemrograman linear terdapat lebih dari 2 variabel, yaitu
misalnya tiga variabel dan , maka metode grafik ini tidak dapat digunakan. Berikut ini adalah
langkah-langkah pemecahan dengan metode grafik :
1) Gambarkan garis-garis kendala pada sumbu koordinat. Anggap kendalanya sebagai suatu
persamaan.
2) Tentukan daerah dalam bidang koordinat yang memenuhi semua kendala (daerah feasible),
kemudian tentukan semua titik daerah feasible tersebut.
3) Membuat grafik untuk kendala-kendala yang ada dalam suatu bagian. Untuk membuat
fungsi grafik fungsi kendala yang berbentuk pertidaksamaan (≤ dan ≥) diubah terlebih dahulu
kedalam bentuk persamaan (=). 509 4) Menentukan area kelayakan solusi pada grafik tersebut.
Area layak dapat dilihat dari pertidaksamaan pada kendala. Apabila kendala dalam bentuk ≤,
maka daerah arsiran/layak terjadi pada bagian kiri/bawah/kiri bawah, tetapi apabila bentuk
pertidaksamaan ≥, maka pengasrsiran dilakukan ke kanan/atas/kanan atas. Apabila bentuk
persamaan (=), maka daerah layak terjadi pada garis tersebut (berimpit).
5) Hitung nilai fungsi tujuan untuk semua titik sudut daerah layak. Untuk keputusannya, plih
koordinat titik yang memberikan nilai terbesar untuk fungsi tujuan maksimasi, dan nilai fungsi
terkecil untuk tujuan minimasi.
Metode Simpleks merupakan salah satu teknik penyelesaian dalam pemrograman linier
yang digunakan sebagai teknik pengambilan keputusan dalam permasalahan yang berhubungan
dengan pengalokasian sumberdaya secara optimal yang meliputi banyak pertidaksamaan dan
banyak variabel. Beberapa studi telah dilakukan dengan menggunakan pendekatan metode
Simpleks. Penelitian Wulandari (2012) misalnya melakukan kajian di UD Pabrik Tahu
Sukajaya Klender, Jakarta Timur. Kelebihan dari metode ini adalah mampu menghitung dua
atau lebih variabel keputusan apabila dibandingkan dengan metode grafik yang hanya mampu
mengaplikasikan dua variabel keputusan. Beberapa istilah yang digunakan dalam metode
simpleks adalah sebagai berikut:
a) Iterasi, seperti yang disebutkan sebelumnya adalah tahapan perhitungan dimana nilai dalam
perhitungan itu tergantung dari nilai tabel sebelumnya.
b) Variabel non basis, adalah variabel yang nilainya diatur menjadi nol pada sembarang iterasi.
c) Variabel basis, merupakan variabel yang nilainya bukan nol pada sembarang iterasi. Pada
solusi awal, variabel basis merupakan variabel slack (jika fungsi kendala menggunakan
pertidaksamaan atau =). Secara umum, jumlah variabel batas selalu sama dengan jumlah fungsi
pembatas.
d) Solusi atau Nilai Kanan (NK), merupakan nilai sumber daya pembatas yang masih 511
tersedia. Pada solusi awal, nilai kanan atau solusi sama dengan jumlah sumber daya pembatas
awal yang ada.
e) Variabel Slack, adalah variabel yang ditambahkan ke model matematik kendala untuk
mengkonversikan pertidaksamaan < menjadi persamaan (=). f) Variabel Surplus, adalah
variabel yang dikurangkan dari model matematik kendala untuk mengkonversikan
pertidaksamaan > menjadi persamaan (=).
g) Variabel Buatan, adalah variabel yang ditambahkan ke model matematik kendala dengan
bentuk > atau = untuk difungsikan sebagai variabel basis awal. h) Kolom Kerja, adalah kolom
yang memuat variabel masuk. Koefisien pada kolom ini akan menjadi pembagi nilai kanan
untuk menentukan baris kerja.
i) Baris Pivot (Baris Kerja), adalah salah satu baris dari antara variabel baris yang memuat
variabel keluar.
j) Elemen Kerja, adalah elemen yang terletak pada perpotongan kolom dan baris pivot. Elemen
pivot akan menjadi dasar perhitungan untuk tabel simpleks berikutnya.
k) 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. l) Variabel Keluar, variabel yang
keluar dari variabel basis pada iterasi berikutnya dan digantikan dengan variabel masuk.
Variabel keluar dipilih satu dari antara variabel basis pada setiap iterasi dan bernilai 0.
Industri Mebel atau Furniture adalah sebuah Industri yang mengolah bahan baku atau
bahan setengah jadi dari kayu, rotan, dan bahan baku lainnya. Sehingga menjadi produk mebel
atau furniture yang mempunyai nilai plus dan menjadi lebih tinggi manfaatnya dari sebelumnya.
Di mana sebuah industri mebel atau furniture dituntut untuk mampu bersaing dengan industri
mebel lainnya, baik dengan industri lokal maupun internasional. Yang pernah diterbitkan berita
oleh Solopos sebagai berikut, yang diungkapkan oleh Asmido Komda Klaten priode 2016-
2021. “Industri mebel Klaten khawatir dalam rangka menghadapi Masyarakat Ekonomi Asean
(MEA), di tengah keterbatasan modal dan inovasi, pengusaha mebel tingkat lokal dituntut
mampu bersaing dengan adanya produk mebel dari negara negara ASEAN”. Dalam hal ini,
industri mebel atau furniture dituntut mampu bersaing baik lokal maupun internasional dari segi
harga dan kualitas. Akan tetapi Industri harus siap bersaing dengan industri lokal terlebih dulu
sebelum mencakup internasional.
Hasil perhitungan optimasi biaya dalam produksi dengan kendala jam kerja reguler, jam
kerja mesin, permintaan, dan persediaan menunjukkan Rp 657.740.000.000,-.
dalam rentang antara Rp 0,- sampai batas tak terhingga. Namun pertimbangan-
pertimbangan faktor lain tetap dibutuhkan dalam penentuan batas maksimum penetapan
optimasi biaya produksi. Begitu seterusnya terhadap variabel-variabel X102 sampai dengan
X112. dalam rentang antara Rp 0,- sampai batas tak terhingga. Namun pertimbangan-
pertimbangan faktor lain tetap dibutuhkan dalam penentuan batas maksimum penetapan
optimasi biaya produksi. Begitu seterusnya terhadap variabel-variabel X102 sampai dengan
X112.
1. Penggunaan jam kerja reguler masih belum optimal, karena jam kerja reguler mempunyai
dual value sebesar 0 (nol), artinya jam kerja reguler bukan merupakan sumber daya
pembatas karena ketersediaannya berlebihan sebesar nilai slack atau surplus-nya. Hal ini
dapat dilihat pada jam kerja reguler pada bulan januari (JKR1) mempunyai nilai slack atau
surplus sebesar 7444,805 yang artinya pada solusi optimal, jam kerja reguler berlebihan
atau tidak terpakai sebesar 7444,805 jam. Lower bound pada constraint jam kerja reguler
pada bulan januari (JKR1) sebesar –infinity yangartinya nilai dual yang dihasilkan tidak
akan berubah selama ketersediaan jam tenaga kerja langsung dinaikkan di atas -infinity jam
dan bukan diturunkan di bawahnya. Upper bound bernilai 123252,8 mempunyai arti artinya
nilai dual yang dihasilkan tidakakan berubah jika ketersediaan jam kerja reguler diturunkan
ataupun ditingkatkan selama dalam rentang antara minus tak terhingga sampai 123252,8
jam.
2. Penggunaan jam kerja mesin masih belum optimal, karena jam kerja mesin mempunyai dual
value sebesar 0 (nol), artinya jam kerja bukan merupakan sumber daya pembatas karena
ketersediaannya berlebihan sebesar nilai slack atau surplus-nya. Hal ini dapat dilihat pada
jam kerja pada bulan januari (JKM1) dengan kapasitas maksimum 2112 mempunyai
dual value sebesar 0 (nol), artinya jam kerja pada bulan januari (JKM1) bukan merupakan
sumber daya pembatas, karena ketersediaannya berlebihan sebesar nilai slack atau surplus-
nya. Jam kerja mesin pada bulan januari(JKM1) mempunyai nilai slack atau surplus sebesar
1249,44 yang artinya pada solusi optimal, jam kerja mesin kelebihan atau tidak terpakai
sebesar 1249,44 jam. Lower bound pada constraint jam kerja mesin pada bulan April
(JKM1) sebesar –infinity (minus tak terhingga) yang artinya nilai dual yang dihasilkan
tidak akan berubah selama ketersediaan jam kerja reguler dinaikkan di atas minus tak
terhingga. Upper bound bernilai 3361,44 artinya nilai dual yang dihasilkan tidak akan
berubah jika ketersediaan jam tenaga kerja langsung diturunkan ataupun ditingkatkan
selama dalam rentang antara minus tak terhingga sampai 3361,44 jam.
3. Batasan minimal permintaan produk meubel pada bulan januari (Permintaan X101) sampai
dengan Maret (Permintaan X112) mempunyai dual value sebesar Rp -6.363.700,- yang
artinya produk freezer memberikan kontribusi terhadap biaya produksi optimal yang
diperoleh perusahaan. Nilai slack atau surplus mempunyai nilai 0 (nol), inimenunjukkan
bahwa batasan minimal permintaan produk freezer merupakan pembatas dalam
memperoleh optimasi biaya produksi. Hal ini dapat dilihat dari lower bound pada constraint
batasan minimal permintaan produk meubel bulan januari (Permintaan X101) bernilai
2313,875, sedangkan nilai upper bound sebesar Infinity, artinya nilai dualyang dihasilkan
tidak akan berubah apabila batasan minimal diturunkan atau ditingkatkan selama dalam
rentang 2313,875 unit sampai tak terhingga.
4. Batasan minimal permintaan produk meubel pada bulan januari (Permintaan X201) sampai
dengan desember (Permintaan X212) mempunyai dual value sebesar Rp - 5.352.900,- yang
artinya produk showcase memberikan kontribusi terhadap biaya produksi optimal yang
diperoleh perusahaan. Nilai slack atau surplus mempunyai nilai
0 (nol), ini menunjukkan bahwa batasan minimal permintaan produk showcase merupakan
pembatas dalam memperoleh optimasi biaya produksi. Hal ini dapat dilihat dari lower
bound pada constraint batasan minimal permintaan produk meubel bulan januari
(Permintaan X201) bernilai 732,813, sedangkan nilai upper bound sebesar Infinity,artinya
nilai dual yang dihasilkan tidak akan berubah apabila batasan minimal diturunkan atau
ditingkatkan selama dalam rentang 732,813 unit sampai tak terhingga.
5. Batasan minimal persediaan produk meubel pada bulan januari (Persediaan X101) sampai
dengan desember (Persediaan X112) mempunyai dual value sebesar Rp 0,- yang artinya
produk meubel tidak memberikan kontribusi terhadap biaya produksi optimal yang
diperoleh perusahaan. Nilai slack atau surplus mempunyai 3768, yang artinya pada solusi
optimal, persediaan produk meubel berlebihan atau tidak terpakai sebesar3768 unit. Hal
ini dapat dilihat dari lower bound pada constraint batasan minimal persediaan produk
freezer bulan April (Pers X101) bernilai -infinity, sedangkan nilai upper bound sebesar 3966,
artinya nilai dual yang dihasilkan tidak akan berubahapabila batasan minimal diturunkan
atau ditingkatkan selama dalam rentang –infiity sampai 3966 unit.
6. Batasan minimal persediaan produk meubel pada bulan januari (Persediaan X201) sampai
dengan desember (Persediaan X212) mempunyai dual value sebesar Rp 0,- yang artinya
produk showcase tidak memberikan kontribusi terhadap minimasi biaya produksi optimal
yang diperoleh perusahaan. Nilai slack atau surplus mempunyai nilai 3050, yang artinya
pada solusi optimal, persediaan produk showcase berlebihan atau tidak terpakai sebesar
3050 unit. Hal ini dapat dilihat dari lower bound pada constraint batasan minimal
permintaan produk meubel bulan januari (Permintaan X201) bernilai732,813, sedangkan
nilai upper bound sebesar Infinity, artinya nilai dual yang dihasilkan tidak akan berubah
apabila batasan minimal diturunkan atau ditingkatkan selama dalam rentang 732,813 unit
sampai tak terhingga.
Nilai Lower Bound dan Upper Bound digunakan untuk melakukan analisis sensitivitas.
Analisis sensitivitas merupakan analisis yang bertujuan untuk memberikan jawaban atas
seberapa jauh perubahan dibenarkan tanpa merubah solusi optimum atau tanpa
menghitung solusi optimum baru dari awal yang dinyatakandengan nilai batas atas dan
batas bawah (Lower Bound dan Upper Bound).
a. Batas atas dan batas bawah koefisien fungsi tujuan untuk semua variabel dapat dilihat pada
tabel 8, mulai dari X101 sampai dengan X201 memiliki batas atas dan batas bawah mulai 0
sampai tak berhingga. Artinya nilai koefisien bisa diubah sesuai dengan batas atas dan batas
bawah yang dianjurkan pada rentang nilai koefisien, fungsi tujuan ini tidan akan merubah nilai
optimalnya selama dalam rentang 0 unit sampai tak terhingga.
b. Batas atas dan batas bawah koefisien fungsi tujuan untuk batasan JKR1 sampai dengan
JKR12 memiliki batas atas dan batas bawah mulai -infinity sampai 123252,8. Artinya nilai
koefisien bisa diubah sesuai dengan batas atas dan batas bawah yang dianjurkan pada rentang
nilai koefisien, fungsi tujuan ini tidak akan merubah nilai optimalnya selama dalam rentang -
infinity unit sampai 123252,8 jam.
c. Batas atas dan batas bawah koefisien fungsi tujuan untuk batasan JKM1 sampai dengan
JKM12 memiliki batas atas dan batas bawah mulai -infinity sampai 3361,44. Artinya nilai
koefisien bisa diubah sesuai dengan batas atas dan batas bawah yang dianjurkan pada
rentang nilai koefisien, fungsi tujuan ini tidak akan merubah nilai optimalnya selama dalam
rentang -infinity unit sampai 3361,44 jam.
d. Batas atas dan batas bawah koefisien fungsi tujuan untuk batasan Permintaan X101 sampai
dengan Permintaan X112 memiliki batas atas dan batas bawah mulai 2313 sampai infinity.
Artinya nilai koefisien bisa diubah sesuai dengan batas atas dan batas bawah yang
dianjurkan pada rentang nilai koefisien, fungsi tujuan ini tidak akan merubah nilai
optimalnya selama dalam rentang 2313,875 unit sampai infinity.
e. Batas atas dan batas bawah koefisien fungsi tujuan untuk batasan Persediaan X201 sampai
dengan persediaan X212 memiliki batas atas dan batas bawah mulai –infinity sampai 3966.
Artinya nilai koefisien bisa diubah sesuai dengan batas atas dan batas bawah yang
dianjurkan pada rentang nilai koefisien, fungsi tujuan ini tidak akan merubah nilai
optimalnya selama dalam rentang –infinity sampai 3966 unit.
BAB V
KESIMPULAN
1. Hasil analisis terhadap permintaan meubel premium dan meubel biasa dengan menentukan
jumlah produksi selama 1 tahun mendatang. Hasil peramalan menunjukkan bahwa jumlah
permintaan produk meubel premium dan meubel biasa periode januari 2022 sampai
desember 2022 adalah adalah 5.527 unit meubel premium dan 57.221 unit meubel biasa.
2. Perencanaan optimasi produksi pada penelitian ini adalah perencanaan yang
meminimumkan penyimpangan dari sasaran-sasaran yang ingin dicapai oleh perusahaan
dalam melakukan proses produksi, yang dihasilkan jumlah produksi optimal dengan biaya
produksi minimum yang dapat meningkatkan profitabilitas perusahaan. Kendala-kendala
yang menjadi parameter dalam penelitian ini yaitu jam kerja reguler, jam kerja mesin,
permintaan, dan persediaan produk, yang berpengaruh terhadap minimalisasi biaya
produksi. Hasil perencanaan optimasi produksi berdasarkan peramalan permintaan
menunjukkan bahwa total produksi optimal perusahaan selama januari 2022 sampai
desember 2022 adalah 5.527 unit meuebel premium dan meubel biasa dan 57.221 unit
meubel biasa dengan kendala jam kerja reguler 2.005.400 jam, jam kerja mesin 39.024 jam,
dan persediaan 5% dari jumlah produksi yang ditetapkan berdasarkan permintaan. Jumlah
produksi tersebut merupakan jumlah produksi optimal dari hasil perencanaan optimasi
produksi, dengan hasil optimasi biaya produksi Rp 657.740.000.000,-
DAFTAR PUSTAKA
Akram dkk. 2016. Optimalisasi Produksi Roti Dengan Menggunakan Metode Branch And Bound
(Studi Kasus Pada Pabrik Roti Syariah Bakery, Jl. Maleo, Lrg.VIII No. 68 Palu). Jurnal
Ilmiah Matematika dan Terapan. ISSN 2450-766X. Vol 13. No. 2 Desember 2016: 98 -
107. (https://bestjournal.untad.ac.id/index.php/JIMT/article/download/7209/579 9)
diakses pada 17 Maret 2020 pukul 19:24
Anoraga, Pandji. 2008. Manajemen Bisnis. Rineka Citra. Jakarta Astawan, M. 2004. Tetap Sehat
Dengan Makanan Produk Olahan. Tiga Serangkai. Solo Assauri, Sofyan. 2008.
Manajemen Produksi dan Operasi. Lembaga Penerbit Fakultas Ekonomi Universitas
Indonesia. Jakarta
Fardiana Elvia. 2012. Maksimalisasi Keuntungan pada Toko Kue Martabak Doni dengan Metode
Simpleks. UG Jurnal Vol. 6 No. 9 Tahun 2012. Hal. 11-14
(https://ejournal.gunadarma.ac.id/index.php/index/search/titles?searchPage =35) diakses
pada 20 November 2020 pukul 22.04
Hanafi, Mahmud M. 2010. Manajemen Keuangan. Cetakan ke lima. BPFE. Yogyakarta Harahap,
Sofyan Syafri. 2009. Teori Kritis Laporan Keungan. Bumi Aksara. Jakarta
Herjanto, Eddy. 2008. Manajemen Operasi. Grasindo. Jakarta Heizer, J dan B Render. 2005.
Operations Management. Edisi Ke-7. Salemba Empat. Jakarta
Kakiay, Thomas. J. 2008. Pemrograman Linier Metode dan Problema. Andi Offset. Yogyakarta
Karim, Siska dan Zainal Abidin. 2019. Optimalisasi Usahatani Sayuran Cabai, Tomat pada
Musim Gadu dengan Pendekatan Linear Programming di Desa Maoutong Kecamatan
Tilongkabila Bone Bolango. Jurnal Agribis Vol. 1 No.1: 9-11. Maret 2019.
(http://ejournals.umma.ac.id/index.php/agribis/article/view/315/221) diakses pada 15
November 2020 pukul 09:00 Maulina, Rizki. D dan Nor. SA Laili Evi 2018 Optimalisasi
Hasil Produksi Pabrik Bakso Duro Menggunakan Metode Simplex. LoroNG Volume 7.
Nomor 1: 10-14. November 2018. (http://urj.uin)