METODE KUANTITATIF BISNIS

PROGRAM LINEAR MENGGUNAKAN METODE GRAFIK

MAKALAH

ZULKIFLI NIM:
105021101022
MM 1B

PROGRAM PASCASARJANA PROGRAM

STUDI MAGISTER MANAJEMEN
UNIVERSITAS MUHAMMADIYAH MAKASSAR
MAKASSAR
2022
 ABSTRAK

Zulkifli, 2022. Metode Kuantitatif Bisnis Program Linear Menggunakan Metode

Grafik. Makalah Metode Kuantitatif Bisnis, Magister Manajemen, Program
Pascasarjana, Universitas Muhammadiyah Makassar. Mata Kuliah diajarkan oleh
Prof. Dr. Akhmad, S.E.,M.Si
Pemrograman linier merupakan suatu persoalan untuk menentukan besarnya
masing-masing nilai variabel sehingga nilai fungsi tujuan atau objektif yang linier
menjadi optimum, yaitu memaksimalkan atau meminimumkan, dengan
memperhatikan kendala. Persoalan pemrograman linier dapat ditemukan pada
berbagai bidang dan dapat digunakan untuk membantu pembuatan keputusan untuk
memilih suatu alternative yang paling tepat dan pemecahan yang paling baik serta
efektif dan efisien.
Program linear dengan metode grafik hanya dapat digunakan untuk
menyelesaikan permasalahan dengan 2 variabel keputusan. Dalam penyelesaian
permasalahan diawali dengan formulasi permasalahan, kemudian menggambarkan
fungsi kendala serta menentukan area layak. Baru kemudian menentukan solusi
optimal yang dapat menggunakan 2 pendekatan, yaitu dengan pendekatan garis
profit (isoprofit line) atau titik sudutuntuk pemecahan masalah pemrograman linear
yang memiliki dua variabel.

i
 DAFTAR ISI
SAMPUL

ABSTRAK ............................................................................................................ i
DAFTAR ISI ........................................................................................................ ii
I. PENDAHULUAN ..............................................................................................1
A. Latar Belakang ........................................................................................... 1
B. Tujuan Penelitian......................................................................................... 3
II. TINJAUAN PUSTAKA ...................................................................................4
A. Program Linear............................................................................................ 4
B. Model Pemrograman Linier Menggunakan Metode Grafik........................ 5
III. METODE PENELITIAN ..............................................................................7
IV. HASIL DAN PEMBAHASAN .......................................................................8
A. Penyelesaian Linear Programming ............................................................. 8
B. Asumsi-Asumsi Dasar Linear Programming ........................................... 11
IV. KESIMPULAN DAN SARAN .......................................................................8
A. Kesimpulan ................................................................................................. 8
B. Saran ......................................................................................................... 11
DAFTAR PUSTAKA

ii
 I. PENDAHULUAN
A. Latar Belakang

Operasi riset (operation research) merupakan penerapan beberapa

metode ilmiah yang membantu memecahkan persoalan rumit yang muncul
dalam kehidupan sehari-hari kemudian di inteprestasikan dalam permodelan
matematika guna mendapatkan informasi solusi yang optimal. Operational
research juga banyak digunakan untuk mengambil keputusan yang logis serta
dapat dijelaskan secara kuantitatif. Pendekatan khusus ini bertujuan
membentuk suatu metode ilmiah dari sistem menggabungkan ukuran-ukuran
faktor-faktor seperti kesempatan dan risiko, untuk meramalkan dan
membandingkan hasil-hasil dari beberapa keputusan, strategi atau
pengawasan. Karena keputusan dalam riset operasi dapat berkaitan dengan
biaya relevan, dimana semua biaya yang terkaitan dengan keputusan itu harus
dimasukkan, kualitas baik dipengaruhi oleh desain produk atau cara produk
dibuat, kehandalan dalam suplai barang dan jasa, kemampuan operasi untuk
membuat perubahan dalam desain produk atau kapasitas produksi untuk
menyesuaikan diri terhadap perubahan yang terjadi.
Progam linier secara umum adalah salah satu teknik menyelesaikan riset
operasi, dalam hal ini adalah khusus menyelesaikan masalah-masalah optimasi
(memaksimalkan atau memininumkan) tetapi hanya terbatas pada masalah-
masalah yang dapat diubah menjadi fungsi linear. Secara khusus, persoalan
program linear merupakan suatu persoalan untuk menentukan besarnya masing-
masing nilai variabel sehingga nilai fungsi tujuan atau objektif yang linear
menjadi optimum (memaksimalkan atau meminimumkan) dengan
memperhatikan adanya kendala yang ada, yaitu kendala yang harus dinyatakan
dalam bentuk ketidaksamaan yang linear. Banyak sekali keputusan utama
dihadapi oleh seorang manajer perusahaan untuk mencapai tujuan perusahaan
dengan batasan situasi lingkungan operasi. Pembatasan tersebut meliputi
sumber daya misalnya waktu, tenaga kerja, energi, bahan baku, atau uang.
Secara umum, tujuan umum perusahaan yang paling sering terjadi adalah
sedapat mungkin memaksimalkan laba. Tujuan dari unit organisasi lain yang

1
 2

merupakan bagian dari suatu organisasi biasanya meminimalkan biaya. Saat

manajer berusaha untuk menyelesaikan masalah dengan mencari tujuan yang
dibatasi oleh batasan tertentu, teknik sains manajemen berupa program linear
sering digunakan untuk permasalahan ini.
Linear programming adalah suatu teknis matematika yang dirancang
untuk membantu manajer dalam merencanakan dan membuat keputusan dalam
mengalokasikan sumber daya yang terbatas untuk mencapai tujuan perusahaan.
Tujuan perusahaan pada umumnya adalah memaksimalisasi keuntungan,
namun karena terbatasnya sumber daya, maka dapat juga perusahaan
meminimalkan biaya.
Linear Programming memiliki empat ciri khusus yang melekat, yaitu :
1. Penyelesaian masalah mengarah pada pencapaian tujuan maksimisasi atau
minimisasi.
2. Kendala yang ada membatasi tingkat pencapaian tujuan.
3. Ada beberapa alternatif penyelesaian.
4. Hubungan matematis bersifat linear.
Secara teknis, ada lima syarat tambahan dari permasalahan linear
programming yang harus diperhatikan yang merupakan asumsi dasar, yaitu:
1. Certainty (kepastian). Maksudnya adalah fungsi tujuan dan fungsi kendala
sudah diketahui dengan pasti dan tidak berubah selama periode analisa.
2. Proportionality (proporsionalitas). Yaitu adanya proporsionalitas dalam
fungsi tujuan dan fungsi kendala.
3. Additivity (penambahan). Artinya aktivitas total sama dengan penjumlahan
aktivitas individu.
4. Divisibility (bisa dibagi-bagi). Maksudnya solusi tidak harus merupakan
bilangan integer (bilangan bulat), tetapi bisa juga berupa pecahan.
5. Non-negative variable (variabel tidak negatif). Artinya bahwa semua nilai
jawaban atau variabel tidak negatif.
Dalam menyelesaikan permasalahan dengan menggunakan Linear
Programming, ada dua pendekatan yang bisa digunakan, yaitu metode grafik.
 3

Metode grafik hanya bisa digunakan untuk menyelesaikan permasalahan

dimana variabel keputusan sama dengan dua.
B. Tujuan Penulisan
Berdasarkan latar belakang penulisan tersebut diatas, adapun tujuan
penulisan makalah ini sebagai berikut.
1. Memahami tentang Program linear.
2. Mengerti formulasi permasalahan Program Linear.
3. Mengerti dan memahami model Pemrograman linier dengan Metode
grafik.
4. Memahami contoh soal dan pembahasan menggunakan metode grafik.
 II. TINJAUAN PUSTAKA
A. Program Linear

Linear Programming adalah metode optimasi untuk menemukan nilai

optimum dari fungsi tujuan linier pada kondisi pembatasan-pembatasan
(constraints) tertentu (Saryoko, 2016). Pembatasan-pembatasan tersebut
biasanya keterbatasan yang berkaitan dengan sumber daya seperti:
1. Bahan mentah
2. Uang
3. Waktu
4. Tenaga kerja dll.
Persoalan pemrograman linier dapat ditemukan pada berbagai bidang dan
dapat digunakan untuk membantu pembuatan keputusan untuk memilih suatu
alternative yang paling tepat dan pemecahan yang paling baik serta efektif dan
efisien ( The best solution) ( Akbar, 2022).
Aplikasi pemrograman linier (linear programming) digunakan untuk
keperluan (Sanny, Haryadi, & Andrie, 2011):
1. Relokasi sumber daya,
2. Produksi campuran,
3. Penjadwalan,
4. Keputusan investasi,
5. Perencanaan produksi,
6. Masalah transportasi,
7. logistik, dll.
Ada tiga elemen penting dalam pemrograman linier ( Ngusman, 2018)
yaitu:
1. Variabel keputusan (decision variables): X1, X2,…., Xn adalah variabel
yang nilainilainya dipilih untuk dibuat keputusan.
2. Fungsi tujuan (objective function): Z = f (X1, X2,…., Xn) adalah fungsi
yang akan dioptimasi (dimaksimumkan atau diminimumkan).
3. Pembatasan (constraints): ci ((X1, X2,…., Xn) < bi adalah
pembatasanpembatasan yang harus dipenuhi.

4
 5

B. Model Pemrograman Linier Menggunakan Metode Grafik

Pada metode grafik, besarnya penyelesaian optimal dapat ditemukan pada
titik ekstrim dalam daerah layak. Titik ekstrim adalah titik potong dari minimal
dua garis kendala, sedangkan daerah layak adalah daerah pada grafik yang
memuat titik-titik dan memenuhi semua kendala permasalahan (kumpulan dari
semua penyelesaian layak). Penyelesaian layak adalah suatu solusi untuk semua
kendala dipenuhi, sehingga titik ekstrim akan menunjukkan titik-titik yang dapat
menghasilkan nilai fungsi tujuan yang paling besar (untuk kasus maksimal),
seperti menghitung laba, atau pendapatan dan nilai fungsi yang paling kecil
(pada kasus minimal) seperti menghitung biaya atau waktu. Rangkuti 2013:29
mengemukakan bahwa penyelesaian masalah pemprograman linear dengan
menggunakan metode grafik pada umumnya mengikuti langkah-langkah
sebagai berikut:
1. Merumuskan masalah asli menjadi model matematika yang sesuai dengan
syarat-syarat yang diperlukan dalam program linear yaitu mempunyai
fungsi tujuan atau sasaran dan fungsi kendala. Dalam hal ini kita perlu
menganalisis variabel keputusan, bentuk fungsi objektif, dan
kendalakendala yang membatasinya.
2. Kendala-kendala yang ada digambar hingga dapat diperoleh daerah
penyelesaian atau daerah fesibel yang titik-titik sudutnya diketahui dengan
jelas.
3. Nilai fungsi tujuan dihitung disetiap titik sudut daerah penyelesaian
4. Pilih nilai yang sesuai dengan fungsi tujuan (jika maksimal berarti nilai
yang terbesar dan begitu sebaliknya). Dalam metode grafik
penggunaannya terbatas pada variabel keputusan yang hanya memiliki dua
peubah, selain dari itu dia tidak bisa.
Program linear dengan metode grafik hanya dapat digunakan untuk
menyelesaikan permasalahan dengan 2 variabel keputusan. Dalam
penyelesaian permasalahan diawali dengan formulasi permasalahan, kemudian
menggambarkan fungsi kendala serta menentukan area layak. Baru kemudian
menentukan solusi optimal yang dapat menggunakan 2 pendekatan, yaitu
 6

dengan pendekatan garis profit (isoprofit line) atau titik sudut. Zenis dkk (2015)
dalam jurnal ejurnal unisba mengatakan bahwa Secara umum, fungsi pada
model ini ada dua macam, yaitu fungsi tujuan dan fungsi pembatas
/kendala.
1. Fungsi tujuan adalah fungsi yang menggambarkan tujuan/sasaran di dalam
program linear yang dimaksudkan untuk menentukan nilai optimum dari
fungsi tersebut yaitu nilai maksimal untuk masalah keuntungan dan nilai
minimal untuk masalah biaya.
2. Fungsi pembatas merupakan bentuk penyajian secara matematika yang
diperlukan berkenaan dengan adanya keterbatasan sumber daya yang
tersedia, misalnya jumlah bahan baku yang terbatas, luas wilayah, waktu
kerja, jumlah tenaga kerja, luas gudang persediaan.
 III. METODE PENELITIAN

Variabel dalam penelitian ini adalah, yaitu metode grafik sebagai variabel
yang mempengaruhi dan produksi sebagai variabel yang dipengaruhi. Teknik
pengumpulan data yang digunakan adalah observasi dan wawancara baik sebelum
dianalisis maupun setelah dianalisis.
Teori yang digunakan untuk menunjang penulisan artikel ini diperoleh
melalui studi literatur baik dari buku, artikel yang pernah ditulis oleh peneliti lain,
dan artikel dalam jurnal yang melakukan pembahasan sama atau serupa. Pada
bagian penyelesaian suatu kasus, pencarian solusi menggunakan cara manual.

7
 IV. HASIL DAN PEMBAHASAN

A. Penyelesain Linear Programming

Model matematis perumusan masalah umum pengalokasian sumber daya
untuk berbagai kegiatan disebut sebagai model linear programming (LP).
Model LP ini merupakan bentuk dan susunan dalam menyajikan masalah-
masalah yang akan dipecahkan dengan teknik LP. Dalam model LP dikenal 2
(dua) macam “fungsi”, yaitu fungsi tujuan (objective function) dan fungsi-
fungsi batasan (constraint functions). Fungsi tujuan adalah fungsi yang
menggambarkan tujuan/sasaran di dalam permasalahan LP yang berkaitan
dengan pengaturan secara optimal sumber daya-sumber daya, untuk
memperoleh keuntungan maksimal atau biaya minimal. Pada umumnya nilai
yang akan dioptimalkan dinyatakan sebagai Z. Sedangkan fungsi batasan
merupakan bentuk penyajian secara matematis batasan-batasan kapasitas yang
tersedia yang akan dialokasikan secara optimal ke berbagai kegiatan (Subagyo
et al, 2010).
Agar memudahkan pembahasan model LP ini, digunakan simbol-simbol
sebagai berikut:
m = macam batasan-batasan sumber atau fasilitas yang tersedia.
n = macam kegiatan-kegiatan yang menggunakan sumber atau fasilita
tersebut.
i = nomor setiap macam sumber atau fasilitas yang tersedia (i = 1, 2, . . ., m).
j = nomor setiap macam kegiatan yang menggunakan sumber atau fasilitas
yang tersedia (j =1, 2, . . ., n).
Xj = tingkat kegiatan ke-j (j = 1, 2, . . ., n).
aij = banyaknya sumber i yang diperlukan untuk menghasilkan setiap unit
keluaran (output) kegiatan j (i = 1, 2, . . ., m, dan j = 1, 2, . . ., n).
bi = banyaknya sumber (fasilitas) I yang tersedia untuk dialokasikan ke setiap
unit kegiatan (i = 1, 2, . . ., n).
Z = nilai yang dioptimalkan (maksimum atau minimum).

8
 9

Cj = kenaikan nilai Z apabila ada pertambahan tingkat kegiatan (Xj) dengan

satu satuan (unit); atau merupakan sumbangan setiap satuan keluaran
kegiatan j terhadap nilai Z.
Keseluruhan simbol-simbol di atas selanjutnya disusun ke dalam bentuk
table standar LP berikut.
Tabel 4.1.
Data untuk model linear programming
Kegiatan/ Pemakaian sumber per unit kegiatan (keluaran) Kapasitas
Sumber 1 2 3 ... N Sumber
1 a11 a12 a13 ... a1n b1
2 a21 a22 a23 ... a2n b2
3 a31 a32 a33 ... a3n b3
. . . . . .
. . . . . .
. . . . . .
M a m1 a m2 a m3 ... a mn bm
∆Z
pertambahan C1 C2 C3 ... Cn
tiap unit
Tingkat
kegiatan X1 X2 X3 ... Xn
Berdasarkan Tabel 4.1 kemudian dapat disusun suatu model matematis yang
digunakan untuk mengemukakan suatu permasalahan LP sebagai berikut
Fungsi tujuan:
Maksimumkan Z = C1X1 + C2X2 + C3X3 + . . . + CnXn
Batasan-batasan:
1) a11X1 + a12X2 + a13X3 + . . . + a1nXn ≤ b1
2) a21X1 + a22X2 + a23X3 + . . . + a2nXn ≤ b2
.
.
.
m) am1X1 + am2X2 + am3X3 + . . . + amnXn ≤ bm
dan
X1 ≥ 0, X2 ≥ 0, . . ., Xn ≥ 0
Seperti telah diuraikan di muka, fungsi tujuan dalam LP mencerminkan
atau menggambarkan tujuan yang ingin dicapai dalam pemecahan suatu
masalah LP. Batasan pertama mempunyai arti bahwa jumlah barang/jasa 1
 10

yang dihasilkan oleh kegitan 1 dikalikan dengan kebutuhan akan sumber

1/satuan (berarti total alokasi 1 untuk kegiatan 1) ditambah dengan hasil
kegiatan 2 dikalikan dengan kebutuhan tiap satuan keluaran 2 terhadap sumber
1 (dan seterusnya sampai dengan kegiatan ke-n) tidak akan melebihi jumlah
(kapasitas) tersedianya sumber 1 (yang dinyatakan dengan b1). Hal ini berlaku
pula untuk batasan-batasan lainnya sampai ke-m.
Bentuk atau model LP di atas merupakan bentuk standar bagi masalah-
masalah LP yang akan dipakai selanjutnya. Dengan kata lain bila setiap
masalah dapat diformulasikan secara matematis mengikuti model di atas, maka
masalah tersebut dapat dipecahkan dengan teknik LP.
Terminologi umum untuk model LP yang diuraikan di atas dapat
diringkas sebagai berikut:
1) Fungsi yang akan dimaksimumkan: C1X1 + C2X2 + C3X3 + . . . + CnXn
disebut fungsi tujuan (objective function).
2) Fungsi-fungsi batasan dapat dikelompokkan menjadi dua macam, yaitu:
a. Fungsi batasan fungsional, yaitu fungsi-fungsi batasan sebanyak m
(yaitu ai1X1 + ai2X2 + ai3X3 + . . . + aimXn).
b. Fungsi batasan non-negatif (non-negatif-constraints) yaitu fungsi-
fungsi batasan yang dinyatakan dengan Xi ≥ 0.
3) Variabel-variabel Xj disebut sebagai decision variables.
4) aij, bi, dan Cj, yaitu masukan-masukan (input) konstan; disebut sebagai
parameter model
Tentu saja, dalam praktik tidak semua masalah LP dapat persis mengikuti
model di atas.
Masalah-masah tersebut antara lain adalah:
1) Masalah minimisasi, di mana seseorang dituntut untuk menentukan
kombinasi (output) yang dapat meminimumkan pengorbanan (misal:
biaya). Dalam hal ini, fungsi tujuan dinyatakan sebagai berikut:
Meminimumkan Z = C1X1 + C2X2 + C3X3 + . . . + CnXn
2) Masalah dengan fungsi batasan fungsional yang memiliki tanda
matematis ≥; sehingga apabila dirumuskan terlihat sebagai berikut:
 11

ai1X1 + ai2X2 + ai3X3 + . . . + ainXn ≥ bi

3) Masalah dengan fungsi batasan fungsional yang memiliki tanda
matematis =; sehingga bila dirumuskan sebagai berikut:
ai1X1 + ai2X2 + ai3X3 + . . . + ainXn = bi
4) Masalah tertentu, dimana fungsi batasan non-negatif tidak diperlukan;
atau dengan kata lain Xj tidak terbatas.
B. Asumsi-Asumsi Dasar Linear Programming
Seharusnya semua asumsi-asumsi (anggapan-anggapan) dasar LP telah
tersirat pada model yang telah dibahas di atas. Tetapi ada baiknya untuk
menguraikan asumsi-asumsi dasar tersebut agar penggunaan teknik LP ini
dapat memuaskan tanpa terbentur pada berbagai hal. Asumsi-asumsi dasar LP
dapat diperinci sebagai berikut (Christian, 2013):
1. Proportionality
Asumsi ini berarti bahwa naik turunnya nilai Z dan penggunaan sumber
atau fasilitas yang tersedia akan berubah secara sebanding (proportional)
dengan perubahan tingkat kegiatan.
Misal:
a) Z = C1X1 + C2X2 + C3X3 + . . . + CnXn
Setiap pertambahan 1 unit X1 akan menaikkan nilai Z dengan C1. Setiap
pertambahan 1 unit X2 akan menaikkan nilai Z dengan C2, dan
seterusnya.
b) a11X1 + a12X2 + a13X3 + . . . + a1nXn ≤ b1
Setiap pertambahan 1 unit X1 akan menaikkan penggunaan
sumber/fasilitas 1 dengan a11. Setiap pertambahan 1 unit X2 akan
menaikkan penggunaan sumber/fasilitas 1 dengan a12, dan seterusnya.
Dengan kata lain, setiap ada kenaikan kapasitas riil tidak perlu ada biaya
persiapan (set up cost)
2. Additivity
Asumsi ini berarti bahwa nilai tujuan tiap kegiatan tidak saling
mempengaruhi, atau dalam LP dianggap bahwa kenaikan dari nilai tujuan
 12

(Z) yang diakibatkan oleh kenaikan suatu kegiatan dapat ditambahkan tanpa
mempengaruhi bagian nilai Z yang diperoleh dari kegiatan lain.
Misal:
Z = 3X1 + 5X2
dimana X1 = 10; X2 = 2; sehingga Z = 30 + 10 = 40
Andaikatan X1 bertambah 1 unit, maka sesuai dengan asumsi pertama
nilai Z menjadi 40+3=43. Jadi, nilai 3 karena kenaikan X1 dapat langsung
ditambahkan pada nilai Z mula-mula tanpa mengurangi bagian Z yang
diperoleh dari kegiatan 2 X2). Dengan kata lain, tidak ada korelasi antara X1
dan X2.
3. Divisibility
Asumsi ini menyatakan bahwa keluaran (output) yang dihasilkan oleh
setiap kegiatan dapat berupa bilangan pecahan. Demikian pula dengan nilai
Z yang dihasilkan. Missal: X1 = 6,5; Z = 1.000,75.
4. Deterministic (Certainty)
Asumsi ini menyatakan bahwa semua parameter yang terdapat dalam
model LP (aij, bi, Cj) dapat diperkirakan dengan pasti, meskipun jarang
dengan tepat.
 V. KESIMPULAN DAN SARAN

A. Kesimpulan
Penyelesaian LP menggunakan metode grafik diberikan dengan mencari
suatu titik (kombinasi X1 dan X2) yang terletak pada daerah feasible yang dapat
memaksimumkan nilai Z. Hal ini dapat dilakukan dengan 2 cara, yaitu
menggambarkan fungsi tujuan (disebut sebagai cara trail and error) dan dengan
membandingkan nilai Z pada tiap-tiap alternatif. Sedangkan penyelesaian LP
menggunakan metode simpleks diberikan ketika baris pertama (Z) pada tabel
tidak ada lagi yang bernilai negatif, semuanya positif. Berarti tabel itu tidak
dapat dioptimalkan lagi, sehingga hasil dari tabel tersebut sudah merupakan
hasil optimal.
B. Saran
Saran untuk penelitian berikutnya bahwa terkait dengan masalah
pembahasan penelitian ini perlu dikembangkan terutama tentang metode
simpleks pada kondisi dengan penambahan masalah yang lebih kompleks.

13
 DAFTAR PUSTAKA

Akhmad, N.A. Achsani, M. Tambunan, and S.A. Mulyo 2016. Impact of Fiscal Policy on
the Agricultural Development in anEmerging Economy: Case Study from the
SouthSulawesi, Indonesia. International Research Journal of Finance and
EconomicsIssue 96 (2012), Pages: 101-112
Akhmad. 2018. 20Manajemen Operasi: Teori dan Aplikasi dalam Dunia Bisnis. Azkiya
Publishing. Bogor.
Akhmad. 2014. Ekonomi Mikro: Teoti dan Aplikasi di Dunia Usaha. Andi Offet.
Yogyakarta.
Akhmad, Amir . 2020. Menanggulangi Kemiskinan Di Daerah Upaya Penanggulangan
Kemiskinan Pemerintah Kabupaten Dan Kota Di Sulawesi Selatan. Azkiya
Publishing. Bogor

Akhmad. 2012. Dampak Kebijakan Fiskal Terhadap Perekonomian Kabupaten Dan Kota
Di Provinsi Sulawesi Selatan. Disertasi Doktor. Sekolah Pascasarjana, Institut
Pertanian Bogor, Bogor.

Budiasih, Y. (2013). Maksimalisasi keuntungan dengan pendekatan metode simpleks

kasus pada pabrik sosis sm. Liquidity, 2(1), 59-65.
Chandra, T. (2015). Penerapan algoritma simpleks dalam aplikasi penyelesaian masalah
program linier. Jurnal Times, 4(1), 18-21.
Christian, S. (2013). Penerapan linear programming untuk mengoptimalkan jumlah
produksi dalam memperoleh keuntungan maksimal pada cv cipta unggul pratama.
The Winners, 14(1), 55-60.
Firmansyah, F., Panjaitan, D. J., Salayan, M., & Silalahi, A. D. (2018).
Pengoptimalan keuntungan badan usaha karya tani di deli serdang dengan metode
simpleks. JISTech (Journal of Islamic Science and Technology), 3(1), 18-28
Sandler, T., & Hartley, K. (1995). The economics of defense. Cambridge University Press.
Saryoko, A. (2016). Metode simpleks dalam optimalisasi hasil produksi.
Informatics for Educators and Professionals, 1(1), 27-36.
Subagyo, P., Marwan A., & Handoko, T. H. (2010). Dasar-dasar operations
research. Yogyakarta: BPFE.
Supriyatno, M. (2014) Tentang ilmu pertahanan. Jakarta: Yayasan Pustaka Obor
Indonesia.
Vanderbei, R. J. (2007). Linear programming: foundations and extensions: 3rd
edition. Alphen aan den Rijn, Netherlands: Kluwer Academic Publishers
Yusgiantoro, P. (2014). Ekonomi pertahanan: Teori dan praktik. Jakarta: PT.
Gramedia Pustaka Utama.