MAKALAH OPTIMALISASI PRODUKSI ROTI DENGAN METODE

LINEAR PROGRAMMING

Disusun untuk memenuhi tugas 1 mata kuliah Metode Kuantitatif

Dosen Pengampu:

Dr. Eliana Wulandari, SP., MM

Disusun Oleh Kelompok 2

Anas Fitri Febriana 150120230005

Annisa Nurul Kazhimah 150120230010

PROGRAM STUDI AGRIBISNIS

FAKULTAS PERTANIAN

UNIVERSITAS PADJADJARAN
2023
 KATA PENGANTAR
Puji dan syukur kehadirat Allah SWT atas kemudahan yang telah diberikan
kepada penyusun sehingga penyusun dapat menyelesaikan tugas ini dengan baik dan
lancar. Terima kasih pula atas rahmat-Nya sehingga penyusun dapat menyusun tugas
makalah ini dengan judul “Optimalisasi Produksi Roti Dengan Metode Linear
Programming”.
Kemudian, penyusun ucapkan terima kasih kepada Ibu Dr. Eliana Wulandari,
SP., MM. yang telah membimbing dan mengarahkan penyusun dalam mencapai
pembelajaran pada Mata Kuliah Metode Kuantitatif.
Penyusun menerima kritik dan saran dari berbagai pihak agar pengalaman dan
pengetahuan yang penyusun miliki dapat bermanfaat bagi semua orang. Mohon maaf
apabila masih ada kekurangan dan terima kasih.

Jatinangor, Oktober 2023

Kelompok 2

2
 DAFTAR ISI

KATA PENGANTAR
DAFTAR ISI
BAB I
PENDAHULUAN
1.1 Latar Belakang
1.2 Rumusan Masalah
1.3 Tujuan Makalah
BAB II
PEMBAHASAN
2.1 Tinjauan Pustaka
2.1.1 Definisi Linear Programming
2.1.2 Asumsi Dasar Linear Programming
2.1.3 Bentuk Umum Model Linear Programming
2.1.4 Metode Simpleks
2.1.5 Metode Simpleks Baku
2.1.6 Langkah-langkah Metode Simpleks Tabel
2.2 Studi Kasus
BAB III
PENUTUP
3.1 Kesimpulan
3.2 Saran
DAFTAR PUSTAKA

3
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Dalam industri makanan dan pengolahan makanan, seperti bisnis roti dan
bakery, optimasi produksi sangat penting untuk mengelola sumber daya dengan
efisien, meningkatkan produktivitas, dan meminimalkan biaya produksi.
Peningkatan dalam optimasi produksi dapat berdampak positif pada profitabilitas
perusahaan dan memberikan manfaat dalam menghadapi persaingan pasar yang
semakin ketat.
Dalam konteks ini, metode linear programming (program linier) telah terbukti
menjadi alat yang sangat berguna dalam membantu perusahaan roti mengoptimalkan
produksi mereka. Linear programming adalah pendekatan matematis yang
digunakan untuk mengidentifikasi solusi optimal dalam situasi di mana terdapat
keterbatasan sumber daya yang harus diperhitungkan. Dalam kasus produksi roti,
faktor-faktor seperti jumlah bahan baku yang tersedia, kapasitas oven, tenaga kerja,
dan permintaan pelanggan dapat menjadi pertimbangan utama.
Studi kasus tentang optimalisasi produksi roti menggunakan metode linear
programming dapat memberikan wawasan tentang bagaimana perusahaan roti dapat
meningkatkan efisiensi operasional mereka. Dengan mempertimbangkan berbagai
variabel, seperti jenis roti yang diproduksi, jumlah produksi, dan ketersediaan bahan
baku, perusahaan dapat merencanakan produksi mereka dengan cara yang
menguntungkan baik dari segi ekonomi maupun kualitas produk.
Dalam makalah ini, kami akan menjelaskan prinsip-prinsip dasar dari metode
linear programming dan mengilustrasikan penggunaannya dalam konteks
optimalisasi produksi roti. Melalui studi kasus ini, diharapkan dapat ditemukan
solusi yang optimal untuk meningkatkan efisiensi dan profitabilitas dalam bisnis
roti.

1.2 Rumusan Masalah

Rumusan masalah dari makalah ini adalah sebagai berikut:

4
 1. Bagaimana metode linear programming dapat diterapkan dalam optimalisasi
produksi pada industri roti dan bakery?
2. Bagaimana hasil dari penerapan metode linear programming dalam studi kasus
optimalisasi produksi roti dapat meningkatkan efisiensi operasional dan
profitabilitas perusahaan roti?

1.3 Tujuan Makalah

Makalah ini bertujuan untuk mencapai dua tujuan utama:

1. Menjelaskan secara mendalam tentang penggunaan metode linear programming

dalam optimalisasi produksi pada industri roti dan bakery. Tujuan ini mencakup
pemahaman terperinci tentang prinsip dasar linear programming dan bagaimana
metode ini dapat diaplikasikan dalam konteks industri roti.

2. Mengilustrasikan bagaimana penerapan metode linear programming dalam studi

kasus optimalisasi produksi roti dapat meningkatkan efisiensi operasional dan
profitabilitas perusahaan roti. Dengan menghadirkan studi kasus yang konkret,
tujuan ini akan memberikan wawasan nyata tentang manfaat metode linear
programming dalam meningkatkan kinerja dan keuntungan perusahaan roti.

5
 BAB II
PEMBAHASAN

2.1 Tinjauan Pustaka

2.1.1 Definisi Linear Programming

Secara harfiah, linear programming atau pemrograman linear adalah metode
optimasi untuk menentukan nilai optimum dari fungsi tujuan linier pada kondisi
pembatasan-pembatasan (constraints) tertentu (Lumbantoruan, 2020).
Pemrograman linear adalah suatu teknik atau metode matematis dari riset operasi
yang didesain untuk membantu para manajer operasi dalam memecahkan
persoalan optimasi (maksimum atau minimum) dengan menggunakan persamaan
dan pertidaksamaan linear dalam rangka untuk mencari pemecahan yang optimal
dengan memperhatikan batasan yang ada (Supranto, 1988).
Menurut Lumbantoruan, persoalan program linear merupakan suatu
persoalan untuk menentukan besarnya masing-masing nilai variabel, sehingga
nilai fungsi tujuan atau objektif yang linier menjadi optimum (memaksimalkan
atau meminimumkan) dengan memperhatikan adanya kendala yang ada, yaitu
kendala yang harus dinyatakan dalam bentuk ketidaksamaan yang linier. Banyak
sekali keputusan utama yang dihadapi oleh seorang manajer perusahaan untuk
mencapai tujuan perusahaan dengan batasan situasi lingkungan operasi yang
meliputi sumber daya, misalnya waktu, tenaga kerja, energi, bahan baku, atau
uang. Secara umum, tujuan umum perusahaan yang sering terjadi adalah sedapat
mungkin untuk memaksimalkan laba dan meminimalkan biaya.
Menurut Siswanto, program linear memiliki tiga unsur utama, yaitu:
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

6
 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. Secara matematis ditulis sebagai
x1, x2, …, xj ≥ 0.

2.1.2 Asumsi Dasar Linear Programming

Asumsi dasar dari pemrograman linear adalah kondisi yang harus dipenuhi
agar metode program linear dapat diterapkan. Adapun asumsi-asumsi dasar
pemrograman linear menurut Subagyo sebagai berikut:
1. Proportionality (kesebandingan)
Asumsi proportionality merupakan naik turunnya nilai fungsi tujuan dan
penggunaan sumber atau fasilitas yang tersedia akan berubah secara sebanding
(proportional) dengan perubahan tingkat kegiatan.
2. Additivity (penambahan)
Asumsi additivity berarti bahwa dalam pemrograman linear nilai fungsi
tujuan tiap kegiatan tidak saling mempengaruhi. Dengan kata lain, kenaikan dari
nilai tujuan yang diakibatkan oleh kenaikan suatu kegiatan dapat ditambahkan
tanpa mempengaruhi bagian nilai tujuan yang diperoleh dari kegiatan lain.
3. Divisibility (dapat dibagi)
Asumsi divisibility menyatakan bahwa keluaran (output) yang dihasilkan
oleh setiap kegiatan dapat berupa bilangan pecahan. Demikian pula dengan nilai
tujuan yang dihasilkan.
4. Deterministic (kepastian)
Asumsi deterministic menyatakan bahwa semua parameter yang terdapat
dalam model pemrograman linear dapat diperkirakan dengan pasti.

7
2.1.3 Bentuk Umum Model Linear Programming
Rumusan umum bentuk baku suatu program linear dapat dinyatakan sebagai
berikut. Carilah nilai x1, x2…., xn yang dapat menghasilkan berbagai kombinasi
optimum.
Fungsi tujuan:
(maksimum atau minimum) Z = c 1 x 1 +c 2 x 2 +…+ c n x n

Pembatas:

Syarat variabel xj ≥ 0 untuk j = 1,2, …, n

Dimana:
x1, x2, …, xn = variabel keputusan
f = fungsi tujuan
c1, c2, …, cn = koefisien dari variabel keputusan pada fungsi tujuan
ai1, ai2, …, ain = koefisien variabel keputusan pada kendala ke-i
bi = konstanta (bagian kanan) dari kendala ke-i

Penyelesaian program linear juga dapat menggunakan notasi sigma,

sehingga:

Untuk I = 1,2, …, m dan xj ≥ 0

Dimana:
cj = Koefisien harga variabel pengambilan keputusan dalam fungsi tujuan, atau
parameter yang dijadikan kriteria optimasi.

8
 xj =Variabel pengambilan keputusan yang harus dicari atau bariabel aktivitas
(keluaran atau output).
aij = Konstanta variabel aktivitas ke-j dalam pembatasan (kendala) ke-i.
bi = Sumber daya yang terbatas atau konstanta (nilai sebelah kanan) dari pembatas
ke-I, yang membatasi aktivitas berkaitan dengan usaha mengoptimalkan fungsi
tujuan; b1 juga disebut sebagai masukan (input).
Z = Nilai skalar yang berkaitan dengan kriteria pengambilan keputusan fungsi
tujuan.

Secara keseluruhan, model matematis yang digunakan untuk menyelesaikan

suatu permasalahan pemrograman linear dapat disusun ke dalam bentuk umum
tabel model pemrograman linear sebagai berikut:

Dimana:

Dalam pemrograman linear terdapat tiga hal besar yang menjadi perhatian:

9
 1. Formulasi masalah, yaitu mengubah masalah sehari-hari ke dalam bentuk
matematika yang melibatkan:
a. Mendefinisikan variabel keputusan
b. Mendefinisikan fungsi tujuan
c. Mendefinisikan fungsi-fungsi kendala
2. Memecahkan masalah secara matematis, yaitu menentukan nilai variabel
keputusan yang mengoptimumkan fungsi tujuan. Beberapa metode yang
dapat digunakan di antaranya:
a. Metode Grafik (untuk masalah pemrograman linear dengan 2 variabel
keputusan)
b. Metode Simpleks (untuk masalah pemrograman linear dengan 2
variabel keputusan)
c. Metode Revisi Simpleks
d. Metode Dual Simpleks
e. Metode untuk masalah khusus seperti transportasi, penugasan,
transhipment, dll.
3. Menganalisa hasil perhitungan matematis untuk menjawab permasalahan
dalam dunia nyata (analysis post optimality)

2.1.4 Metode Simpleks

Dalam pemrograman linier, terdapat beberapa metode untuk pemecahan
masalahnya, seperti metode grafik dan metode simpleks. Biasanya untuk kasus
yang sederhana dan memiliki dua variabel, bisa menggunakan metode grafik.
Sementara untuk kasus yang cukup rumit dan memiliki kompleksitas yang tinggi
dengan banyak variabel, maka menggunakan metode simpleks. Metode simpleks
sendiri dikembangkan pertama kali oleh George B. Dantzig pada tahun 1947.
Metode ini merupakan metode yang paling luas dipakai dalam pemrograman
linier, dan telah diperbaiki oleh beberapa ahli lain. Penggunaannya saat ini pun
sudah bisa dengan bantuan komputer.
Metode penyelesaian dari metode simpleks melalui perhitungan ulang
(iteration), dimana langkah-langkah perhitungan yang sama diulang-ulang
sebelum solusi optimal diperoleh. Penentuan solusi yang optimal akan didasarkan

10
 pada teknik eliminasi Gauss Jordan, dengan memeriksa titik ekstrim satu per satu
melalui perhitungan iteratif. Dengan begitu, penentuan solusi optimal yang
dilakukan secara bertahap ini disebut dengan iterasi. Iterasi ke-i hanya tergantung
dari iterasi sebelumnya (i1).
Beberapa istilah yang sering digunakan dalam metode simpleks, antara lain:
1. Iterasi : adalah tahapan perhitungan dimana nilai dalam
perhitungan itu tergantung dari nilai tabel sebelumnya.
2. Variabel non basis : variabel yang nilainya diatur menjadi nol pada
sembarang iterasi. Umumnya, jumlah variabel non basis selalu sama dengan
derajat bebas dalam sistem persamaan.
3. Variabel basis : 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 : 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 : variabel yang ditambahkan ke model matematik
kendala untuk mengkonversikan pertidaksamaan ≤ menjadi persamaan (=)
pada tahap inisialisasi. Variabel slack ini berfungsi sebagai variabel basis
pada solusi awal.
6. Variabel surplus : variabel yang dikurangkan dari model matematik
kendala untuk mengkonversikan pertidaksamaan ≥ menjadi persamaan (=)
pada tahap inisialisasi. Variabel surplus tidak dapat berfungsi sebagai
variabel basis pada solusi awal.
7. Variabel buatan : variabel yang ditambahkan ke model matematik
kendala dengan bentuk ≥ atau = untuk difungsikan sebagai variabel basis
awal pada tahap inisialisasi. Variabel ini harus bernilai 0 pada solusi optimal,
karena kenyataannya variabel ini tidak ada. Variabel hanya ada di atas
kertas.

11
 8. Kolom pivot (kolom kerja): kolom yang memuat variabel masuk. Koefisien
pada kolom ini menjadi pembagi nilai kanan untuk menentukan baris pivot
(baris kerja).
9. Baris pivot (baris kerja) : salah satu baris dari antara variabel basis yang
memuat variabel keluar.
10. Elemen pivot (elemen kerja): elemen yang terletak pada perpotongan kolom
dan baris pivot. Elemen pivot akan menjadi dasar perhitungan untuk tabel
simpleks berikutnya.
11. Variabel masuk : 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 : variabel yang keluar dari variabel basis pada
iterasi berikutnya dan digantikan oleh variabel masuk. Variabel keluar
dipilih satu dari antara variabel basis pada setiap iterasi. Variabel ini pada
iterasi berikutnya akan bernilai nol.

2.1.5 Metode Simpleks Baku

Syarat untuk dapat menggunakan metode simpleks adalah model program
linier (Canonical form) harus diubah dulu ke dalam suatu bentuk umum yang
dinamakan ”bentuk baku” (standard form). Berikut adalah ciri-ciri atau sifat dari
bentuk baku model program linier:
1. Semua fungsi kendala/ pembatas berupa persamaan dengan sisi kanan non-
negatif.
2. Semua variabel keputusan non-negatif.
3. Fungsi tujuan dapat memaksimumkan maupun meminimumkan.

Yang harus diperhatikan dalam membuat bentuk baku adalah sebagai

berikut:
1. Fungsi kendala dengan pertidaksamaan ≤ dalam bentuk umum, diubah
menjadi persamaan (=) dengan menambahkan satu variabel slack.

12
 2. Fungsi kendala dengan pertidaksamaan ≥ dalam bentuk umum, diubah
menjadi persamaan (=) dengan menambahkan satu variabel slack.
3. Fungsi kendala dengan persamaan dalam bentuk umum, ditambahkan satu
artifical variable (variabel buatan).

Beberapa hal yang perlu diperhatikan dalam melakukan transformasi ke

bentuk standar di antaranya adalah:
1. Fungsi Pembatas
Suatu fungsi pembatas yang mempunyai tanda < diubah menjadi suatu
bentuk persamaan (bentuk standar) dengan cara menambahkan suatu variabel baru
yang dinamakan slack variable yang banyaknya tergantung pada fungsi pembatas.
2. Fungsi Tujuan
Dengan adanya slack variable pada fungsi pembatas, maka fungsi tujuan
juga harus disesuaikan dengan memasukkan unsur slack variable ini. Karena
slack variable tidak mempunyai kontribusi apa-apa terhadap fungsi tujuan, maka
konstanta untuk slack variable tersebut dituliskan nol.
Berikut adalah bentuk standar dari metode simpleks:

2.1.6 Langkah-langkah Metode Simpleks Tabel

1. Langkah 1 : Mengubah fungsi tujuan dan batasan-batasan fungsi tujuan
menjadi fungsi implisit. Misalnya fungsi tujuan tersebut adalah:

Pada bentuk standar semua batasan mempunyai tanda ≤.

13
 Langkah 2 : Menyusun persamaan-persamaan di dalam tabel seperti pada
tabel berikut. NK adalah nilai kanan persamaan, yaitu nilai dibelakang tanda
sama dengan (=).

2. Langkah 3 : Memilih kolom kunci, yaitu kolom yang mempunyai koefisien

fungsi tujuan yang bernilai negatif terbesar.
3. Langkah 4 : Memilih baris kunci, yaitu nilai indeks yang terkecil (positif).
Nilai yang masuk dalam kolom kunci dan juga termasuk dalam baris kunci
disebut angka kunci. Untuk itu terlebih dahulu carilah indeks tiap-tiap baris
dengan cara membagi nilai-nilai pada kolom NK dengan nilai yang sebaris
pada kolom kunci.

4. Langkah 5 : Mengubah nilai-nilai baris kunci

5. Langkah 6 : Mengubah nilai-nilai selain pada baris kunci
6. Langkah 7 : Melanjutkan perbaikan atau perubahan

2.2 Studi Kasus

Sebagai contoh dari penggunaan linear programming, berikut adalah review

jurnal yang berjudul "OPTIMALISASI PRODUKSI ROTI DENGAN METODE
LINEAR PROGRAMMING (Studi Kasus: CV. ROTI Ca)".

1. Pendahuluan
Dalam pendahuluannya, penelitian ini menekankan bahwa optimalisasi
keuntungan adalah salah satu tujuan utama setiap perusahaan, dan metode linear

14
 programming dapat memberikan solusi optimal dalam proses pengambilan
keputusan dengan memanfaatkan berbagai variabel. Beberapa definisi dari ahli
mengenai linear programming disajikan, yang pada dasarnya menunjukkan bahwa
ini adalah metode matematika yang digunakan untuk membagi sumber daya yang
terbatas untuk mencapai tujuan tertentu seperti memaksimalkan laba.

2. Metode Penelitian
Dalam bagian metode penelitian, peneliti menggunakan pendekatan observasi
langsung dan wawancara untuk mengumpulkan data. Observasi dilakukan terhadap
proses produksi dan pemasaran roti di CV. Roti Ca selama satu bulan, sedangkan
wawancara dilakukan dengan pihak administrasi dan produksi perusahaan untuk
mendapatkan wawasan mendalam tentang operasional dan kebutuhan mereka.

3. Hasil dan Pembahasan

1) Penggunaan Bahan Baku
Berikut adalah bahan baku yang digunakan untuk produksi Roti Ca per
bulan:

Data tersebut kemudian diidentifikasi variabel keputusannya dan

diformulasikan ke dalam bentuk fungsi tujuan dan fungsi kendala sebagai
berikut:

a. Variabel Keputusan
Variabel keputusan menunjukkan jumlah roti ca isi coklat, roti ca isi kacang ijo,
roti ca gepeng coklat, dan roti ca gepeng kacang ijo yang akan diproduksi setiap
hari.
X1 = Jumlah roti isi coklat yang diproduksi/bulan
X2 = Jumlah roti isi kacang ijo yang diproduksi/bulan

15
 X3 = Jumlah roti gepeng coklat yang diproduksi/bulan
X4 = Jumlah roti gepeng kacang ijo yang diproduksi/bulan
b. Fungsi Tujuan
Fungsi tujuan didapatkan dari keuntungan setiap produksi roti, maka:
Maksimumkan:
Z = 800X1+ 800X2 + 800X3 + 800X4 + 0S1 + 0S2 + 0S3 + 0S4
c. Fungsi Kendala
Fungsi kendala didapatkan dari suatu keterbatasan tertentu seperti persediaan
bahan baku, dengan batasan-batasan:
28X1+6,66X2+25X3+4,16X4+S1 ≤ 50.000.000
3,75X1+0,86X2+2,85X3+0,61X4+S2 ≤ 56.000.000
5,62X1+0,13X2+1,14X3+0,08X4+S3 ≤ 57.500.000
0,57X1+3,06X2+0,57X3+2,38X4+S4 ≤ 53.500.000
0,07X1+0,2X2+0,42X3+0,16X4+S5 ≤ 5390.000
6,25X1+2,14X3+S6 ≤ 510.400.000
0,43X2+0,30X4+S7 ≤ 5380.000
0,92X1+0,1X2+0,57X3+0,05X4+S8 ≤ 51.400.000
X1+X2+X3+X4+S1+S2+S3+S4+S5+S6+S7+S8≥0

2) Optimalisasi Produk Menggunakan QM For Windows

Untuk mengoptimalisasi produk pada masing-masing bahan yang diperlukan
untuk membuat Roti Ca, peneliti menggunakan bantuan perangkat lunak QM for
Windows, sehingga didapatkan hasil berupa tabel awal simpleks sebagai berikut:

3) Penyelesaian Metode Simpleks Dengan Menggunakan QM For Windows

Untuk menemukan solusi optimal, maka peneliti melakukan perhitungan
model simpleks dengan beberapa tahapan sebagai berikut:

16
 ● Iterasi 1

● Iterasi 2

Pada iterasi 2 dapat dilihat bahwa X1 masuk kedalam basic variables dan slack
3 keluar dari basic variables.
● Iterasi 3

Pada iterasi 3 dapat dilihat bahwa X4 masuk kedalam basic variables dan slack
4 keluar dari basic variables.
● Iterasi 4

17
 Pada iterasi 4 dapat dilihat bahwa X3 masuk kedalam basic variables dan slack
2 keluar dari basic variables.
● Iterasi 5

Pada iterasi 5 dapat dilihat bahwa tahapan perhitungan telah diberhentikan

karna variabel sudah masuk kedalam basic variables dan solusi optimum z
telah tercapai.

Dari hasil iterasi dengan menggunakan software QM, diperolehlah hasil yang
optimal, yaitu:
X1 = 1.185.679
X2= 0
X3 = 306.913
X4 = 1.113.119
Artinya, Ca roti isi coklat yang harus diproduksi dalam sehari adalah sebanyak
1.185.679 pcs, Ca roti isi kacang ijo sebanyak 0 pcs, Ca roti gepeng coklat
sebanyak 306.913 pcs, dan Ca roti gepeng kacang ijo sebanyak 1.113.119 pcs.

18
 4) Hasil Perbandingan Penjualan
Berdasarkan hasil perhitungan dari perangkat lunak QM for Windows, maka
didapatkan perbandingan hasil penjualan perusahaan sebagai berikut:

Hasil perbandingan yang didapatkan dari perhitungan QM For Windows

lebih besar yaitu sebanyak 2.605.711 pcs per bulan jika dibandingkan dengan
hasil penjualan perusahaan yaitu sebanyak 2.080.000 pcs per bulan.

5) Analisa dan Pembahasan

Dalam analisis dan pembahasan studi kasus mengenai optimalisasi produksi
roti di CV. Roti Ca, ditemukan bahwa perusahaan memproduksi roti isi coklat
sebanyak 1.040.000 pcs, roti isi kacang ijo sebanyak 390.000 pcs, roti gepeng
coklat sebanyak 182.000 pcs, dan roti gepeng kacang ijo sebanyak 468.000 pcs
per bulan. Hasil optimal dari penggunaan metode linear programming dengan
bantuan perangkat lunak QM for Windows adalah jumlah produksi total
sebanyak 2.605.711 pcs dan penjualan optimal mencapai Rp. 2.084.568.000.
Meskipun metode ini memberikan hasil optimal, terdapat masalah yang timbul
terkait takaran bahan baku yang tidak seimbang, khususnya pada varian roti isi
kacang ijo yang memunculkan solusi optimal 0. Selanjutnya, hasil analisis
menunjukkan bahwa produksi varian roti isi coklat adalah yang paling
berpengaruh dalam optimalisasi produksi, diikuti oleh varian roti gepeng kacang
ijo dan roti gepeng coklat. Beberapa bahan baku memiliki sisa yang signifikan,
dan disarankan agar perusahaan menyediakan bahan baku sesuai dengan
kebutuhan produksi. Dalam kesimpulannya, metode linear programming telah
membantu CV. Roti Ca untuk mencapai hasil produksi yang optimal, meskipun
ditemukan beberapa masalah yang perlu diatasi.

4. Simpulan

19
 Hasil penelitian menyimpulkan bahwa penggunaan metode linear programming
dengan bantuan perangkat lunak QM for Windows telah membantu CV. Roti Ca
dalam mencapai produksi roti yang optimal. Dengan menggunakan metode ini, CV.
Roti Ca dapat memproduksi kombinasi roti Ca isi coklat, roti Ca gepeng coklat, dan
roti Ca gepeng kacang ijo dalam jumlah yang optimal, yaitu sekitar 2.605.711 pcs,
dan hasil penjualan optimal yang diperoleh mencapai sekitar Rp. 2.084.568.000.
Dalam kesimpulannya, metode linear programming telah memberikan hasil yang
lebih baik untuk perusahaan.

20
 BAB III
PENUTUP

3.1 Kesimpulan

Linear programming adalah metode matematis untuk mencari kombinasi yang

paling optimal dari pemanfaatan sumber-sumber daya yang tersedia yang terbatas. LP
dapat digunakan untuk memaksimalkan laba atau meminimumkan biaya. Linear
programming memiliki 4 asumsi dasar, yaitu proportionality, additivity, divisibility, dan
deterministic. Untuk penyelesaian masalah dengan linear programming, dapat
menggunakan metode grafik untuk masalah dengan dua variabel dan metode simpleks
untuk masalah dengan lebih dari dua variabel. Model linear programming harus diubah
dahulu ke bentuk bakunya untuk dapat menggunakan metode simpleks.

3.2 Saran

Untuk meningkatkan pemahaman tentang linear programming, disarankan

untuk mempelajari metode-metode penyelesaian lainnya, seperti metode grafik dan
metode dual simpleks. Selain itu, juga disarankan untuk mempelajari aplikasi linear
programming dalam berbagai bidang.

21
 DAFTAR PUSTAKA

Aini, N., Khikmawati, E., Wardana, M. W. (2022). Optimalisasi Produksi Roti dengan
Metode Linear Programming (Studi Kasus: CV. Roti Ca). Jurnal Rekayasa
Industri(JRI), 4 (1), 37 - 43. https://doi.org/10.37631/jri.v4i1.453.
Lumbantoruan, J. H. (2020). Buku Materi Pembelajaran Pemrograman Linear.
Program Studi Pendidikan Matematika, Fakultas Keguruan dan Ilmu Pendidikan,
Universitas Kristen Indonesia. Diakses melalui
http://repository.uki.ac.id/1813/1/BUKU%20MATERI
%20PEMBELAJARAN.pdf.
Siswanto. (2007). Operations Research Jilid 1. Jakarta: Erlangga.
Subagyo, P., Asri, M., Handoko, T. H. (1992). Dasar-dasar Operations Research.
Yogyakarta: BPFE.
Zulyadaini. (2017). Program Linier. Yogyakarta: Tangga Ilmu.

22