PENERAPAN PROGRAM LINIER TERHADAP LABA MAKSIMUM PENJUALAN

BIBIT JAMUR TIRAM DAN JAMUR TIRAM DI DESA WONOLOPO

ABSTRAKSI

Program linear adalah salah satu cabang ilmu Matematika yang dapat diterapkan dalam kehidupan
sehari-hari karena memiliki banyak kegunaan. Program linear dapat membantu dalam menyelesaikan
masalah sehari-hari, mulai dari yang dasar hingga kompleks. Seperti hal nya dalam berdagang, para
pedagang masih menjual produk sesuai dengan rata-rata pesanan konsumen tiap hari. Padahal,
penggunaan modal dan bahan dasar yang tepat sasaran akan membuat usaha mereka menjadi lebih
berkembang. Artikel ini bertujuan untuk mengaplikasikan penggunaan program linear dalam
menentukan perolehan keuntungan maksimal yang bisa didapat para pedagang bibit jamur tiram dan
jamur tiram. Dalam hal ini para pedagang menggunakan program linear melalui cara penyelesaian
metode grafik sebagai salah satu alternatif solusi dalam menentukan perolehan keuntungan maksimal
yang bisa didapat.
Kata kunci: program linier, keuntungan maksimal, jamur tiram.

BAB I PENDAHULUAN

1.1 Latar Belakang

Indonesia memiliki beragam sumber daya alam. Selain itu, Indonesia juga memiliki

jumlah penduduk yang banyak. Letaknya yang berada di garis khatulistiwa menjadikan

wilayah Indonesia memiliki kelebihan dalam sektor agraris. Salah satu bahan baku yang

banyak diproduksi adalah sayuran. Sayuran merupakan sumber berbagai vitamin, mineral dan

serat pangan. Adanya hal tersebut mengakibatkan munculnya beragam ide usaha sayuran,

salah satunya berdagang bibit jamur tiram dan jamur tiram. Hal ini karena pangsa pasar jamur

tiram masih terbuka lebar. Jamur tiram telah dikenal masyarakat memiliki cita rasa dan nilai

gizi yang tinggi. Hal ini seperti yang dinyatakan oleh Patel dkk., (2012) bahwa spesies

Pleurotus telah digunakan oleh manusia karena nilai nutrisinya,dan mengandung bahanbahan

obat.

Kesinambungan budidaya jamur sangat ditentukan oleh ketersediaan bibit jamur.

Secara umum proses penyediaan bibit meliputi pembuatan biakan murni atau F0, bibit induk
(F1) dan bibit produksi (F2). Biakan murni (F0) adalah asal mula bibit diperoleh dari

pemilihan jamur yang baik. Jamur kemudian diisolasi sporanya dalam keadaan steril. Isolasi

ini dilakukan pada cawan petri berisi media Potato Dextrose Agar (PDA). Spora kemudian

berkecambah dan membentuk hifa, hifa semakin kompleks kemudian membentuk miselium

(Suparti & Karimawati 2017). Masalah yang sering dihadapi dari penggunaan media PDA ini

adalah harganya mahal karena pabrikan. Media PDA instant dibuat sudah dalam bentuk

sediaan siap pakai, namun harganya mahal, higroskopis, dan hanya dapat diperoleh pada

tempat tertentu. Untuk itu diperlukan bahan lain sebagai alternatif PDA. Berdasarkan

komposisinya PDA termasuk dalam media semi sintetik karena tersusun atas bahan alami

(kentang) dan bahan sintesis (dextrose dan agar). Kentang merupakan sumber karbon

(karbohidrat), vitamin dan energy. Dextrose sebagai sumber gula dan energy. Komponen agar

berperan untuk memadatkan medium PDA. Sebagai pengganti komponen PDA antara lain

kentang atau umbi talas. Umbi talas dan kentang merupakan jenis umbi-umbian yang

mempunyai kandungan karbohidrat yang cukup tinggi, sehingga mampu mencukupi

kebutuhan karbohidrat untuk pertumbuhan jamur (Suparti dkk. 2018). Umbi talas dan kentang

cukup murah harganya dan mudah didapat di lokasi mitra sehingga pembuatan media lebih

mudah dilakukan. Dextrose digantikan dengan gula pasir (Arifah, 2019).

Bibit induk (F1) adalah bibit turunan dari F0. Media yang digunakan biasanya berupa

biji-bijian. Media tumbuh dengan hasil terbaik untuk pembuatan bibit induk (F1) jamur tiram

putih adalah biji jagung (Utama dkk., 2013). Bibit F2 (bibit produksi) adalah bibit yang akan

ditanam pada baglog untuk tempat tumbuh jamur tiram konsumsi. Media bibit F2 mendekati

media baglog (media produksi) yang kaya akan unsur selulosa karena merupakan habitat asli

jamur tiram (Sutarman 2012). Umumnya terdiri dari serbuk kayu gergaji, dedak, tepung

jagung dan CaCO3 (Susilawati dkk., 2016). Bahan media bibit F2 berupa serbuk kayu

gergajian banyak terdapat di lokasi pengabdian.

 Namun, kebanyakan pedagang masih kebingungan dalam menentukan keuntungan

maksimal, berhubung persediaan bahan dasar produksi dan modalnya terbatas serta belum

tahu cara memaksimalkannya. Hal ini menimbulkan kesenjangan antara penerapan program

linear yang seharusnya dan apa yang terjadi di lapangan. Oleh sebab itu, peneliti mengangkat

peristiwa tersebut sebagai masalah penelitian. Masalah yang diidentifikasi adalah bagaimana

memanfaatkan program linear dalam menentukan laba maksimum penjualbibit jamur tiram

dan jamur tiram, dimana ilmu ini membahas masalah yang berkaitan dengan optimasi, yaitu

tujuan maksimal yang akan dicapai sesuai dengan tingkat pencapaian yang dibatasi oleh

ketersediaan bahan baku dan modal.

BAB II LANDASAN TEORI DAN KERANGKA BERPIKIR

2.1 Landasan Teori

2.1.1 Pengertian Program Linier

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.

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. Secara matematis ditulis sebagai χ1, χ2, ..., χ3

≥ 0.

1. Karakteristik Linear Programming

Sifat linearitas suatu kasus dapat ditentukan dengan menggunakan beberapa cara.

Secara statistik, dapat memeriksa kelinearan menggunakan grafik (diagram pencar)

ataupun menggunakan uji hipotesa. Secara teknis, linearitas ditunjukkan oleh adanya sifat

proporsionalitas, additivitas, divisibilitas dan kepastian fungsi tujuan dan pembatas.

 Sifat proporsional dipenuhi jika kontribusi setiap variabel pada fungsi tujuan atau

penggunaan sumber daya yang membatasi proporsional terhadap level nilai variabel. Jika

harga per unit produk misalnya adalah sama berapapun jumlah yang dibeli, maka sifat

proporsional dipenuhi. Atau dengan kata lain, jika pembelian dalam jumlah besar

mendapatkan diskon, maka sifat proporsional tidak dipenuhi. Jika penggunaan sumber

daya per unitnya tergantung dari jumlah yang diproduksi, maka sifat proporsionalitas tidak

dipenuhi.

Sifat additivitas mengasumsikan bahwa tidak ada bentuk perkalian silang diantara

berbagai aktivitas, sehingga tidak akan ditemukan bentuk perkalian silang pada model.

Sifat additivitas berlaku baik bagi fungsi tujuan maupun pembatas (kendala). Sifat

additivitas dipenuhi jika fungsi tujuan merupakan penambahan langsung kontribusi

masing-masing variabel keputusan. Untuk fungsi kendala, sifat additivitas dipenuhi jika

nilai kanan merupakan total penggunaaan masingmasing variabel keputusan. Jika dua

variabel keputusan misalnya merepresentasikan dua produk substitusi, dimana

peningkatan volume penjualan salah satu produk akan mengurangi volume penjualan

produk lainnya dalam pasar yang sama, maka sifat additivitas tidak terpenuhi. Sifat

divisibilitas berarti unit aktivitas dapat dibagi ke dalam sembarang level fraksional,

sehingga nilai variabel keputusan non integer dimungkinkan.

Sifat kepastian menunjukkan bahwa semua parameter model berupa konstanta.

Artinya koefisien fungsi tujuan maupun fungsi pembatas merupakan suatu nilai pasti,

bukan merupakan nilai dengan peluang tertentu. Keempat asumsi (sifat) ini dalam dunia

nyata tidak selalu dapat dipenuhi. Untuk meyakinkan dipenuhinya keempat asumsi ini,

dalam pemrograman linier diperlukan analisis sensitivitas terhadap solusi optimal yang

diperoleh.

2. Formulasi Permasalahan
 Urutan pertama dalam penyelesaian adalah mempelajari sistem relevan dan

mengembangkan pernyataan permasalahan yang dipertimbangakan dengan jelas.

Penggambaran sistem dalam pernyataan ini termasuk pernyataan tujuan, sumber daya

yang membatasi, alternatif keputusan yang mungkin (kegiatan atau aktivitas), batasan

waktu pengambilan keputusan, hubungan antara bagian yang dipelajari dan bagian lain

dalam perusahaan, dan lain-lain. Penetapan tujuan yang tepat merupakan aspek yang

sangat penting dalam formulasi masalah. Untuk membentuk tujuan optimalisasi,

diperlukan identifikasi anggota manajemen yang benar-benar akan melakukan

pengambilan keputusan dan mendiskusikan pemikiran mereka tentang tujuan yang ingin

dicapai.

3. Pembentukan Model Matematik

Tahap berikutnya yang harus dilakukan setelah memahami permasalahan optimasi

adalah membuat model yang sesuai untuk analisis. Pendekatan konvensional riset

operasional untuk pemodelan adalah membangun model matematik yang menggambarkan

inti permasalahan. Kasus dari bentuk cerita diterjemahkan ke model matematik. Model

matematik merupakan representasi kuantitatif tujuan dan sumber daya yang membatasi

sebagai fungsi variabel keputusan. Model matematika permasalahan optimal terdiri dari

dua bagian.

Bagian pertama memodelkan tujuan optimasi. Model matematik tujuan selalu

menggunakan bentuk persamaan. Bentuk persamaan digunakan karena kita ingin

mendapatkan solusi optimum pada satu titik. Fungsi tujuan yang akan dioptimalkan hanya

satu. Bukan berarti bahwa permasalahan optimasi hanya dihadapkan pada satu tujuan.

Tujuan dari suatu usaha bisa lebih dari satu. Tetapi pada bagian ini kita hanya akan tertarik

dengan permasalahan optimal dengan satu tujuan.

 Bagian kedua merupakan model matematik yang merepresentasikan sumber daya

yang membatasi. Fungsi pembatas bisa berbentuk persamaan (=) atau pertidaksamaan (≤

atau ≥). Fungsi pembatas disebut juga sebagai konstrain. Konstanta (baik sebagai koefisien

maupun nilai kanan) dalam fungsi pembatas maupun pada tujuan dikatakan sebagai

parameter model. Model matematika mempunyai beberapa keuntungan dibandingakan

pendeskripsian permasalahan secara verbal. Salah satu keuntungan yang paling jelas

adalah model matematik menggambarkan permasalahan secara lebih ringkas. Hal ini

cenderung membuat struktur keseluruhan permasalahan lebih mudah dipahami, dan

membantu mengungkapkan relasi sebab akibat penting. Model matematik juga

memfasilitasi yang berhubungan dengan permasalahan dan keseluruhannya dan

mempertimbangkan semua keterhubungannya secara simultan. Terakhir, model matematik

membentuk jembatan ke penggunaan teknik matematik dan komputer kemampuan tinggi

untuk menganalisis permasalahan.

Di sisi lain, model matematik mempunyai kelemahan. Tidak semua karakteristik

sistem dapat dengan mudah dimodelkan menggunakan fungsi matematik. Meskipun dapat

dimodelkan dengan fungsi matematik, kadang-kadang penyelesaiannya sulit diperoleh

karena kompleksitas fungsi dan teknik yang dibutuhkan.

Bentuk Umum Linear Programming adalah sebagai berikut :

Fungsi tujuan:

Maksimumkan atau minimumkan

Z = c1x1 + c2x2 + ... + cnxn

Sumber daya yang membatasi:

α11x1 + α12x2 + ... + α1nxn = /≤/≥b1

α21x1 + α22x2 + ... + α2nxn = /≤/≥b2

----
 αm1x1 + αm2x2 + ... + αmnxn = /≤/≥bm

x1, x2, ... ,xn ≥ 0

Simbol x1, x2, ... ,xn (xi) menunjukkan variabel keputusan. Jumlah variabel

keputusan (xi) oleh karenanya tergantung dari jumlah kegiatan atau aktivitas yang

dilakukan untuk mencapai tujuan. Simbol c1, c2, ...,cn merupakan kontribusi masing-masing

variabel keputusan terhadap tujuan, disebut juga koefisien fungsi tujuan pada model

matematiknya. Simbol α11, α22, ..., αmn merupakan penggunaan per unit variabel keputusan

akan sumber daya yang membatasi, atau disebut juga sebagai koefisien fungsi kendala

pada model matematiknya.

Simbol b1, b2, ..., bm menunjukkan jumlah masing-masing sumber daya yang ada.

Jumlah fungsi kendala akan tergantung dari banyaknya sumber daya yang terbatas.

Pertidaksamaan terakhir (x1, x2, ... ,xn ≥ 0) menunjukkan batasan non negatif.

Membuat model matematik dari suatu permasalahan bukan hanya menuntut kemampuan

matematik tapi juga menuntut seni permodelan. Menggunakan seni akan membuat

permodelan lebih mudah dan menarik.

Kasus pemrograman linier sangat beragam. Dalam setiap kasus, hal yang penting

adalah memahami setiap kasus dan memahami konsep permodelannya. Meskipun fungsi

tujuan misalnya hanya mempunyai kemungkinan bentuk maksimisasi atau minimisasi,

keputusan untuk memilih salah satunya bukan pekerjaan mudah. Tujuan pada suatu kasus

bisa menjadi batasan pada kasus yang lain. Harus hati-hati dalam menentukan tujuan,

koefisien fungsi tujuan, batasan dan koefisien pada fungsi pembatas.

4. Model Program Linier

Model Program Linear disebut juga dengan formulasi model. Model program

linear digunakan untuk menunjukkan proses model yang semua masalah menyangkut

usaha mencapai subjek tujuan dengan kumpulan batasan-batasan misalnya batasan-

batasan sumber daya. Model program linear dari masalahmasalah ini memperlihatkan

karakteristik-karakteristik umum seperti:

a. Fungsi tujuan untuk dimaksimumkan dan diminimumkan

b. Kumpulan batasan-batasan

c. Variabel-variabel keputusan untuk mengukur tingkatan aktivitas

d. Semua hubungan batasan dan fungsitujuan adalah linear

Sebagian besar dari persoalan manajemen berkenaan dengan penggunaan sumber

daya secara efisien atau alokasi sumber daya – sumber daya yang terbatas (tenaga kerja

terampil, bahan mentah, modal) untuk mencapai tujuan yang diinginkan (desired

objective). Dalam keadaan sumber daya yang terbatas harus dicapai suatu hasil yang

optimum. Dengan perkataan lain bagaimana caranya agar dengan masukan (input) yang

serba terbatas dapat dicapai hasil kerja yaitu keluaran (output) berupa produksi barang atau

jasa yang optimum (Supranto, 2001).

Dalam model Linier Program dikenal 2 macam fungsi., yaitu fungsi tujuan

(objective function) dan fungsi-fungsi batasan (constraint function). Fungsi tujuan

(objective function) adalah fungsi yang menggambarkan tujuan/sasaran di dalam

permasalahan Linier Program yang berkaitan dengan pengaturan secara optimum sumber

daya-sumber daya untuk memperoleh keuntungan maksimal atau biaya minimal. Fungsi

tujuan selalu mempunyai salah satu target yaitu memaksimumkan atau meminimumkan

suatu nilai. Pada umumnya nilai yang akan dioptimalkan dinyatakan sebagai Z. Fungsi

kendala / batasan (constraint function) merupakan bentuk penyajian secara matematis

batasan-batasan kapasitas yang tersedia yang akan dialokasikan secara optimal ke berbagai

kegiatan. Fungsi batasan juga merupakan hubungan linear dari variabel-variabel

keputusan. Batasan-batasan dapat berupa keterbatasan sumber daya atau pedoman.

Adapun syarat-syarat agar suatu persoalan dapat dipecahkan dengan metode Linier

Programming yaitu:

a. Fungsi objektif harus didefinisikan secara jelas dan dinyatakan sebagai fungsi objektif

yang linear. Misalnya jumlah hasil penjualan harus maksimum, jumlah biaya transport

harus minimum.

b. Harus ada alternatif pemecahan untuk dipilih salah satu yang terbaik.

c. Sumber-sumber dan aktivitas mempunyai sifat dapat ditambahkan (additivity).

d. Fungsi objektif dan ketidaksamaan untuk menunjukkan adanya pembatasan harus

linear.

e. Variabel keputusan harus positif, tidak boleh negatif.

f. Sumber-sumber dan aktivitas mempunyai sifat dapat dibagi (divisibility)

g. Sumber-sumber dan aktivitas mempunyai jumlah yang terbatas (finiteness)

h. Aktivitas harus proporsional terhadap sumber-sumber. Hal ini berarti ada hubungan

yang linier antara aktivitas dengan sumber-sumber.

i. Model programming deterministik, artinya sumber dan aktivitas diketahui secara pasti

(single-valued expectations).

Selain terdapat hubungan linier, model program linier juga mempunyai beberapa

sifat lainnya. Terminologi linier tidak hanya berarti bahwa fungsi dalam model model

digambarkan sebagai garis lurus, tetapi juga berarti bahwa hubungan memperlihatkan

kemampuan yang sebanding. Dengan kata lain, tingkat perubahan atau kecondongan

fungsi adalah konstan. Oleh karena itu, perubahan dari ukuran tertentu dalam nilai variabel

keputusan akan menghasilkan perubahan yang relatif sama dalam nilai fungsi. Dalam

program linier terminologi fungsi tujuan dan terminologi 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.

5. Metode-metode Program Linier

1. Metode Aljabar

Metode ini dikatakan sebagai metode aljabar dikarenakan pada penyelesaian metode ini

banyak menggunakan aturan-aturan aljabar, seperti subtitusi dan eliminasi. Bentuk

perhitungan formulasinya dengan cara menggabungkan dua variabel yang nilainya

dianggap nol sehingga diperoleh nilai z terbesar (Nufus & Nurdin, 2016, 12).

2. Metode Grafik

Metode grafik digunakan apabila variabel pada program linear berjumlah dua. Jika

jumlah variabel lebih dari dua maka metode grafik tidak efektif lagi. Bahkan jika jumlah

variabel sudah lebih dari tiga maka metode grafik tidak dapat digunakan (Syahputra,

2015, 1).

3. Metode Simpleks

Metode Simpleks adalah suatu langkah yang tepat dan mendasar untuk menyelesaikan

masalah pada program linear. Pada metode simpleks diketahui ada dua variabel

tambahan yaitu variabel slack dan juga variabel surplus (Syahputra, 2015, 37).

4. Metode Big-m

Metode big m dengan primal simpleks memiliki perbedaan pada bagian pembentukan

tabel awal. ketika fungsi kendala memiliki tanda pertidaksamaan ≥, transisi menjadi

bentuk baku dari bentuk umu memerlukan satu variabel surplus. Variabel surplus tidak
 mampu dipakai sebagai basis awal, karena koefisien variabel surplus bertanda negatif.

Sebagai variabel basis pada penyelesaian awal, harus ditambahkan satu variabel bantu.

Variabel bantu pada solusi optimal harus bernilai nol, karena variabel ini memang

seharusnya tidak ada (Rafflesia & Widodo, 2014, 23).

6. Penyelesaian Menggunakan Metode Grafik

Menurut buku (Zulyadaini, 2017, 32) ada beberapa Langkah yang harus dilakukan untuk

menyelesaikan permasalahan program linear menggunakan metode grafik yaitu: •

Menjadikan masalah sebagai model matematika yang cocok dengan syaratsyarat yang

dibutuhkan dalam program linear, yaitu mempunyai fungsi tujuan, fungsi kendala, syarat

ikatan non-negatif. • Semua parameter tersebut digambar hingga mendapatkan daerah

penyelesaian (Daerah yang Memenuhi Kendala (DMK)).

Gambar 2.1 Daerah yang Memenuhi Kendala

• Hitung fungsi tujuan pada setiap titik sudut daerah penyelesaian (DMK).

• Pilihlah nilai yang sesuai dengan fungsi tujuan jika memilih memaksimumkan

maka pilih yang nilainya paling besar dan juga sebaliknya.

2.2 Kerangka Berpikir

 Menurut Sugiyono (2017) mengemukakan bahwa kerangka berfikir merupakan model

konseptual tentang bagaimana teori berhubungan dengan berbagai faktor yang telah

didefenisikan sebagai masalah yang penting. Berdasarkan latar belakang masalah, rumusan

masalah dan tujuan penelitian di atas, kerangka konseptual dapat di lihat pada gambar 2.2

sebagai berikut :

Gambar 2.2 Kerangka Berpikir

BAB IV PEMBAHASAN

4.1 Pengumpulan Data

Berdasarkan hasil wawancara dengan penjual bibit jamur tiram dan jamur tiram,

peneliti mendapatkan beberapa informasi sebagai berikut:

Bibit Jamur Tiram

• Harga Beli Rp 20.000/kg

• Harga Jual Rp 40.000/kg

• Untung Rp 20.000/kg

Jamur Tiram

• Harga Beli Rp 5.000/kg

• Harga Jual Rp 15.000/kg

• Untung Rp 10.000/kg

Modal Usaha Rp 450.000

1 hari : 30 kg

4.2 Analisis Laba Maksimum

Melalui metode grafik, maka langkah analisis data adalah sebagai berikut:

1. Model Matematika dari permasalahan tersebut.

χ + y ≤ 30 20.000 χ + 5000 y ≤ 450.000

X=0 y = 30 (0,30) X=0 y = 90 (0,90)

y=0 x = 30 (30,0) y=0 x = 22,5 (22,5; 0)

2. Gambar Grafik dari Penyelesaian

Gambar 4.1 Daerah Hasil Penyelesaian

Berdasarkan pada gambar diatas terdapat empat titik pojok. Empat titik pojok tersebut

adalah titik (0,0), (22,5;0), (20,10), (0,30).

3. Tentukan fungsi objektif dari keuntungan yang diharapkan.

Fungsi objektifnya adalah f(x,y) = 20.000 x + 10.000 y

4. Hitung keuntungan terbesar yang diharapkan dan buat kesimpulan atau interpretasinya.

Hasil perhitungan keuntungan ditunjukkan pada Tabel 1.

Titik Pojok Fungsi Objektif

(0,0) f(x,y) = 20.000 x + 10.000 y = 20.000 (0) + 10.000 (0) = 0

(22,5;0) f(x,y) = 20.000 x + 10.000 y = 20.000 (22,5) + 10.000 (0) = 450.000

 (20,10) f(x,y) = 20.000 x + 10.000 y = 20.000 (20) + 10.000 (10) = 400.000 +

100.000 = 500.000

(0,30) f(x,y) = 20.000 x + 10.000 y = 20.000 (00) + 10.000 (30) = 300.000

Pada Tabel 1, keuntungan terbesar yang bisa diperoleh sebesar Rp500.000 jika mengambil

titik pojok (20,10) yang mana nilai fungsi objektifnya adalah f(x,y) = 20.000 x + 10.000 y

= 20.000 (20) + 10.000 (10) = 400.000 + 100.000 = 500.000.

Jadi, melalui program linear dapat menentukan keuntungan maksimal dari dua jenis

produk yang dijual yaitu dengan cara menjual bibit jamur tiram sebanyak 20 bibit agar

didapatkan keuntungan terbesar sebesar Rp400.000,00 dan 10 jamur tiram agar

mendapatkan keuntungan sebesar Rp100.000. Maka dari itu, laba yang total yang

ddidapatkan yaitu sebesar Rp500.000.

BAB V PENUTUP

5.1 Simpulan

Melalui program linear dapat menentukan keuntungan maksimal dari dua jenis produk

yang dijual yaitu dengan cara menjual bibit jamur tiram sebanyak 20 bibit agar didapatkan

keuntungan terbesar sebesar Rp400.000,00 dan 10 jamur tiram agar mendapatkan keuntungan

sebesar Rp100.000. Maka dari itu, laba yang total yang ddidapatkan yaitu sebesar Rp500.000.

5.2 Saran

Sebagai saran bagi peneliti yang tertarik dalam pengembangan penelitian untuk

menambah fungsi restriksi yang nyata sehingga kuantitas produksi dapat meningkat dan laba

penjualan lebih optimal. Selain itu, dapat digunakan analisis sensitivitas yang mendukung

inovasi sebagai kontribusi terhadap pedagang dan pengembangan pengetahuan. Dalam hal ini,

perlu diperhatikan bahwa analisis sensitivitas lebih menguntungkan dibandingkan analisis

program linear standar karena kondisi pasar yang berubah dengan cepat.
DAFTAR PUSTAKA

T. Asmara, M. Rahmawati, M. Aprilla, E. Harahap, dan D. Darmawan, “Strategi Pembelajaran

Pemrograman Linier Menggunakan Metode Grafik dan Simpleks”, Jurnal Teknologi

Pembelajaran vol.3, no.1, pp. 506-514, 2018.

T. Sriwidadi dan E. Agustina, “Analisis Optimalisasi Produksi Dengan Linear Programming

Melalui Metode Simpleks,” Binus Business Review, vol. 4, no. 2, 2013.

[8] M. Basuki, I. Pratiwi, dan S. Aprilyanti, “Optimasi Keuntungan Produksi Kemplang

Panggang Menggunakan Linear Programing Melalui Metode Simpleks,” Seminar dan

Konferensi Nasional IDEC, 2018.

G. Nitiasya dan E. Harahap, “Optimasi Laba Produksi Olahan Singkong Menggunakan

Program Linier,” Jurnal Matematika, vol. 20, no. 2, hlm. 61-68, 2021.

A. I. Refhiansyah, “Optimasi Keuntungan Pembuatan Sepatu PDH Cibaduyut Menggunakan

Program Linier,” Jurnal Matematika, vol. 19, no. 2, hlm. 7–12, 2020.

Suparti, Pertiwi, A.P., & S.Yasir. (2018). Pertumbuhan bibit jamur tiram F0 pada berbagai

media umbi. Prosiding Seminar Nasional Pendidikan Biologi (ISBN: 978-602-61265-

2-8), Juni, 840-844.

Susilawati, I.O., Imaningsih, W., & Mulyanto, A. (2016). Formulasi media produksi bibit F2

jamur tiram putih. Bio-site. 3(1), 12 – 18.

Sutarman. (2012). Keragaman dan produksi jamur tiram putih (Pleurotus ostreatus) pada media

serbuk gergaji dan ampas tebu bersuplemen dedak dan tepung jagung. Jurnal Penelitian

Pertanian Terapan, 12(3),163-168.

Tari, E. (2016). Analisis kelayakan usaha budidaya jamur tiram (Pleurotus ostreatus) di kota

Bengkulu. AGRITEPA. 3(1), 85-94.

Utama, P., Suhendar, D., & Romalia, L.H. (2013). Penggunaan berbagai macam media tumbuh

dalam pembuatan bibit induk jamur tiram putih (Pleurotus ostreatus). Jurnal

Agroekoteknologi, 5(1), 45–53.