Upload
others
View
5
Download
0
Embed Size (px)
Citation preview
APLIKASI PROGRAM LINIER DENGAN METODE
DUALITAS DAN ANALISIS SENSITIVITAS UNTUK
MENGOPTIMALKAN HASIL PRODUKSI PADA PABRIK
RAMAH JAYA BAKERY
SKRIPSI
SITI AISAH
090803020
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2013
Universitas Sumatera Utara
APLIKASI PROGRAM LINIER DENGAN METODE
DUALITAS DAN ANALISIS SENSITIVITAS UNTUK
MENGOPTIMALKAN HASIL PRODUKSI PADA PABRIK
RAMAH JAYA BAKERY
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai untuk
gelar Sarjana Sains
SITI AISAH
090803020
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2013
Universitas Sumatera Utara
PERSETUJUAN
Judul : APLIKASI PROGRAM LINIER DENGAN
METODE DUALITAS DAN ANALISIS
SENSITIVITAS UNTUK MENGOPTIMALKAN
HASIL PRODUKSI PADA PABRIK RAMAH
JAYA BAKERY
Kategori : SKRIPSI
Nama : SITI AISAH
Nomor Induk Mahasiswa : 090803020
Program Studi : SARJANA (S1) MATEMATIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA
UTARA
Diluluskan di
Medan, September 2013
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Syahril Efendi, S.Si, M.I.T . Drs. Rosman Siregar, M.Si.
NIP. 196711101996021001 NIP. 196101071986111001
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU
Ketua.
Prof. Drs. Tulus, Vordipl.Math, M.Si, Ph.D.
NIP. 196209011988031002
Universitas Sumatera Utara
PERNYATAAN
APLIKASI PROGRAM LINIER DENGAN METODE DUALITAS DAN
ANALISIS SENSITIVITAS UNTUK MENGOPTIMALKAN HASIL
PRODUKSI
PADA PABRIK RAMAH JAYA BAKERY
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, September 2013
Siti Aisah
090803020
Universitas Sumatera Utara
PENGHARGAAN
.
Assalamu’alaikum Wr. Wb.
Puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Pemurah dan
Penyayang, dengan limpah rahmat dan karunia-Nya sehingga penulis dapat
menyelesaikan penyusunan skripsi ini.
Penulis menyadari bahwa baik isi maupun cara penulisan dan penyusunan
skripsi yang berjudul Aplikasi Program Linier dengan Metode Dualitas dan
Analisis Sensitivitas untuk Mengoptimalkan Hasil Produksi pada Pabrik
Ramah Jaya Bakery. Oleh karena itu dengan segala kerendahan hati penulis
sangat mengharapkan kritik dan saran yang membangun dari pembaca.
Dalam kesempatan ini, penulis ingin mengucapkan terima kasih kepada
semua pihak yang telah membantu dan membimbing penulis dalam penyusunan
skripsi ini, ucapan terima kasih penulis sampaikan kepada :
1. Bapak Drs. Rosman Siregar, M.Si selaku dosen pembimbing I dan Bapak
Syahril Efendi, S.Si, M.IT selaku dosen pembimbing II yang telah banyak
memberikan dukungan moral, motivasi, waktu dan ilmu pengetahuan bagi
penulis dalam menyelesaikan skripsi ini.
2. Bapak Prof. Drs. Tulus, Vordipl.Math., M.Si., Ph.D dan Ibu Dra.
Mardiningsih, M.Si selaku ketua dan sekretaris Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera
Utara.
3. Bapak Dr. Sutarman, M.Sc selaku Dekan Fakultas Matematika dan Ilmu
Pengetahuan Alam Universitas Sumatera Utara.
4. Ibu Asima Manurung, S.Si, M.Si dan Bapak Drs. Marihat Situmorang,
M.Kom selaku dosen penguji saya yang memberikan masukan untuk
menyempurnakan skripsi ini.
5. Semua Dosen di Departemen Matematika FMIPA USU beserta staf
pegawai di FMIPA USU.
6. Staf seluruh pegawai pabrik Rahma Jaya Bakery yang telah banyak
membantu dan meluangkan waktu untuk berdiskusi mengenai data yang
penulis butuhkan.
7. Kepada kedua orang tua tercinta penulis, abah Syamsul, dan ibunda
Rusdiana serta saudara-saudara penulis Sarifah Aini, Muhammad Yusuf,
Zulkifli, Sarimah Yunun, Muhammad Rafly dan teman dekat penulis yang
Universitas Sumatera Utara
selama ini telah memberikan dorongan, semangat, motivasi, kasih sayang
dan do’a yang diberikan kepada saya.
8. Serta para sahabat-sahabat Defita Sari, Juliarti Hardika S.Si, Mardhatillah,
Desi Ratna Sari, Sari C. Kembaren, Siti Rayani Simatupang, Wiwit
Widyawati, Ida Yanti Hasibuan, Yuan Annisa, Lintang Gilang Pratama,
Rahmadhani Siagian, Effendi, Syukri Jundi, Yudhana Jumaindra, Bayu
Syahputra dan seluruh teman-teman Jurusan Matematika khususnya
stambuk 2009 yang telah banyak memberikan masukan dan do’a nya
penulis ucapkan terima kasih.
Akhir kata, penulis tidak dapat melakukan banyak hal atas kebaikan, bantuan dan
do’a yang selama ini diberikan sampai saat ini. Semoga segala yang telah
diberikan kepada penulis mendapatkan balasan yang lebih lagi dari Tuhan Yang
Maha Esa dan semoga tulisan yang dibuat berguna bagi pembaca semua.
Medan, September 2013
Penulis,
Siti Aisah
Universitas Sumatera Utara
APLIKASI PROGRAM LINIER DENGAN METODE DUALITAS DAN
ANALISIS SENSITIVITAS UNTUK MENGOPTIMALKAN HASIL
PRODUKSI PADA PABRIK RAMAH JAYA BAKERY
ABSTRAK
Hasil pengamatan yang dilakukan pada pabrik Roti Ramah Jaya Bakery
ditemukannya permasalahan yaitu pabrik belum mampu mengoptimalkan jumlah
produksi untuk mendapatkan keuntungan yang maksimal. Oleh karena itu, dalam
tulisan ini akan membahas bagaimana menganalisis hasil produksi yang optimal
guna mendapatkan keuntungan yang maksimal. Analisis jumlah produksi yang
digunakan adalah program linier dengan metode dualitas dan melakukan analisis
sensitivitas terhadap hasil yang optimal. Kegunaan analisis sensitivitas ini adalah
seberapa besar parameter nilai optimal yang diperoleh. Perhitungan jumlah
produksi optimal yang didapat rata-rata adalah roti rasa kelapa 3150 buah, roti
rasa cokelat 9900 buah dan roti rasa melon 1350 buah.
Kata kunci : produksi, program linier, dualitas, analisis sensitivitas.
Universitas Sumatera Utara
APLIKASI PROGRAM LINIER DENGAN METODE DUALITAS DAN
ANALISIS SENSITIVITAS UNTUK MENGOPTIMALKAN HASIL
PRODUKSI PADA PABRIK RAMAH JAYA BAKERY
ABSTRACT
The results of observation made at the Friendly Jaya Bakery discovery issues that
have not been able to optimize plant production quantities to gain maximum
profit. Therefore, in this paper will discuss how to analyze the results so that the
optimal production gains also maximal. Analysis of the amount of production that
is used is a linear program with a duality method and perform sensitivity analysis
on the optimal result. Usefulness of sensitivity analysis in this paper is how the
optimal values of the parameters obtained. Calculation of the optimal amount of
bread production obtained average is 3150 coconut, 9900 chocolate flavor and
1350 melon flavor.
Keywords : production, linear programming, duality, sensitivity analysis.
Universitas Sumatera Utara
DAFTAR ISI
Halaman
Persetujuan i
Pernyataan ii
Penghargaan iii
Abstrak v
Abstract vi
Daftar Isi vii
Daftar Tabel ix
Bab 1. Pendahuluan
1.1.Latar Belakang 1
1.2.Perumusan Masalah 2
1.3.Batasan Masalah 2
1.4.Tujuan Penelitian 3
1.5.Kontribusi Penelitian 3
1.6.Tinjauan Pustaka 3
1.7.Metodologi Penelitian 6
Bab 2. Landasan Teori
2.1. Pemodelan pada Riset Operasi 7
2.2. Program Linier 7
2.2.1. Sifat Dasar Program Linier 8
2.2.2. Karakteristik-karakteristik dalam Program Linier 8
2.3. Metode Simpleks 9
2.4. Teori Dualitas 10
2.5. Metode Dual Simpleks 14
2.6. Analisis Sensitivitas 19
Bab 3. Metode Penelitian
3.1. Pengumpulan Data 30
3.1.1. Jenis Rasa Roti 30
3.1.2. Bahan-bahan Utama 31
3.1.3. Uraian Proses Produksi 31
3.1.4. Data Biaya Produksi 33
3.1.5. Data Keuntungan Produksi 34
3.2. Pengolahan Data 35
Bab 4. Hasil dan Pembahasan
4.1. Variabel Keputusan 36
4.2. Perumusan Fungsi Tujuan 36
4.3. Perumusan Fungsi Kendala 36
4.4. Pengolahan Data 37 4.4.1. Memodelkan Permasalahan 37
4.4.2. Mengubah Bentuk Program Linier 38
Ke Model Bentuk Dual
4.4.3. Mencari Solusi Optimal dengan Tabel Simpleks 39
4.4.4. Analisis Sensitivitas 51
Universitas Sumatera Utara
4.4.4.1. Menganalisis Perubahan pada Koefisien 51
Fungsi Tujuan
4.4.4.2. Menganalisis Perubahan pada Nilai 59
Kuantitas Batasan
Bab 5. Kesimpulan dan Saran
5.1. Kesimpulan 65
5.2. Saran 65
Daftar Pustaka 66
Universitas Sumatera Utara
DAFTAR TABEL
Nomor Tabel Judul Halaman
2.1. Koefisien Z pada Nilai Optimal 11
2.2. Hubungan Primal-Dual 13
2.3. Contoh Studi Kasus 15
2.4. Primal Optimal 16
2.5. Dual Optimal 18
2.6. Hasil Optimal dengan 1601C 23
2.7. Hasil Optimal dengan 2002C 24
2.8. Simpleks Awal 26
2.9. Simpleks Akhir 26
3.1. Jenis Rasa Roti 30
3.2. Nama-nama Bahan Utama 31
3.3. Uraian Waktu Proses Produksi 33
3.4. Biaya Bahan Produksi Per Adonan 33
3.5. Keuntungan Roti Per Adonan 34
4.1. Iterasi 0 (masalah primal) 39
4.2. Iterasi 1 (masalah primal) 40
4.3. Iterasi 2 (masalah primal) 41
4.4. Iterasi 3 (masalah primal) 42
4.5. Iterasi 4 (masalah primal) 43
4.6. Optimal Dual 46
4.7. Hasil Optimal dengan 2800001C 53
4.8. Hasil Optimal dengan 2190002C 55
4.9. Hasil Optimal dengan 2525003C 57
4.10. Simpleks Awal Analisis Sensitivitas 60
4.11. Simpleks Akhir Analisis Sensitivitas 61
Universitas Sumatera Utara
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Dewasa ini perkembangan dunia industri semakin maju, hal itu terbukti dengan
banyaknya industri-industri baru yang mengelola berbagai macam produk. Salah
satunya adalah industri dalam bidang makan. Dalam hal ini membuat kebutuhan
akan faktor-faktor produksi menjadi bertambah banyak.
Banyaknya faktor produksi tersebut membuat sautu pabrik harus membuat
keputusan yang tepat mengenai cara mengalokasikan sumber daya agar produksi
roti tetap berjalan untuk menghasilkan produksi yang optimal sesuai permintaan
pasar dan mencapai tujuan tertentu. Sumber daya produksi yang dimaksud antara
lain, bahan baku, tenaga kerja, mesin, dan lain-lain. Dimana setiap sumber daya
produksi memiliki kapasitas yang terbatas dan membutuhkan biaya. .
Pabrik Ramah Jaya merupakan sebuah pabrik yang bergerak dalam bidang
industri makanan, yaitu roti. Berdasarkan informasi yang diperoleh dari pihak
pabrik, mereka tidak tahu seberapa besar jumlah produksi untuk mendapatkan
laba maksimal. Hal itu disebabkan antara lain ketidakpastian permintaan pasar.
Terkadang permintaan yang tidak seimbang dengan ketersedian sumber daya yang
ada pada pabrik tersebut menyebabkan laba yang diperoleh pabrik tidak menentu
dan sering tidak sesuai dengan yang diharapkan. Permasalahan yang biasa
dihadapi dalam pabrik adalah ketidakmampuan pabrik dalam menentukan jumlah
produksi yang optimal. Hal ini menyebabkan pabrik mengalami kekurangan dan
kelebihan produksi yang menyebabkan pabrik tidak dapat mencapai laba
maksimal. Maka dari itu diperlukan perencanan jumlah produksi guna
mendapatkan keuntungan yang maksimal dan biaya yang minimum.
Universitas Sumatera Utara
Salah satu analisis metode yang digunakan untuk menyelesaikan persoalan
alokasi sumber adalah metode program linier. Program Linier merupakan metode
atau teknik matematika yang digunakan untuk masalah membantu manager dalam
pengambilan keputusan. Dalam mencari solusi optimalnya, masalah program
linier akan diselesaikan dengan cara metode dualitas dengan terlebih dahulu
memformulasikan masalah program linier ke dalam metode dualitas.
Setelah ditemukan penyelesaian yang optimal dari suatu masalah program
linier dari cara tersebut, maka langkah selanjutnya adalah melakukan perhitungan
dengan menggunakan analisis sensitivitas guna untuk mengetahui seberapa besar
perkiraan parameter-parameter yang dapat diubah dan dampak apa yang terjadi
pada solusi model tersebut sehingga mendapatkan hasil yang optimal. Maka dari
itu penulis memilih judul “Aplikasi Program Linier dengan Metode Dualitas
dan Analisis Sensitivitas untuk Mengoptimalkan Hasil Produksi Pada Pabrik
Ramah Jaya Bakery ”.
1.2 Perumusan Masalah
Perumusan masalah dalam tulisan ini adalah bagaimana cara mengoptimalkan
jumlah produksi guna mendapatkan keuntungan maksimal dengan biaya terbatas
dengan menerapkan program linier yang penyelesaiannya menggunakan metode
dualitas yaitu primal dan dual serta melakukan analisis sensitivitas terhadap nilai
optimal yang diperoleh.
1.3 Batasan Masalah
Permasalahan yang ada dapat diselesaikan dengan baik dan pembahasan menjadi
lebih terarah, maka akan dilakukan beberapa pembatasan masalah sebagai berikut:
1. Analisis yang dilakukan dalam menentukan jumlah produksi berdasarkan
pada harga pokok produksi, bahan baku dan waktu produksi.
Universitas Sumatera Utara
2. Dalam menyelesaikan produksi, harga/biaya bahan baku dianggap
konstan, tidak dipengaruhi oleh waktu dan faktor-faktor lain.
3. Penyelesaian dilakukan dengan metode dualitas dan melakukan analisis
sensitivitas terhadap nilai optimal yang telah diperoleh.
4. Pengolahan data menggunakan bantuan software QM Windows 2.0.
1.4 Tujuan Penelitian
Penelitian ini bertujuan untuk menentukan kebijakan optimal dalam masalah
memproduksi roti pada Pabrik Ramah Jaya Bakery dengan tujuan
memaksimalkan keuntungan.
1.5 Kontribusi Penelitian
Sesuai dengan tujuan penelitian di atas maka kontribusi dari penelitian ini adalah
mendapatkan keuntungan maksimal yang dapat diperoleh berdasarkan hasil
produksi yang optimal dan bagi perusahaan itu sendiri sebagai gambaran serta
petunjuk untuk proses pengambilan keputusan dalam masalah pemasaran jumlah
produksi dalam memperoleh keuntungan yang maksimal.
1.6 Tinjauan Pustaka
Sebagai sumber pendukung teori dalam penulisan ini, penulis mengambil
beberapa pustaka yang memberikan kontribusi dalam penyelesaian penulisan ini.
P. Siagian (2006) mengemukakan bahwa tiap problem program linier, disebut
problem primal, mempunyai masalah sehubungan secara tunggal yang dinamakan
masalah dual. Kedua masalah ini berhubungan sangat erat sekali dimana masalah
yang satu dibentuk dari masalah yang lain, sehingga :
Universitas Sumatera Utara
a. Keduanya menggunakan koefisien (data) yang sama meskipun dengan urutan
yang berbeda.
b. Keduanya mempersoalkan sumber-sumber yang sama.
c. Jawab optimal dari yang satu menghasilkan jawab optimal bagi yang lain.
Karena itu, bila masalah primal berbentuk maksimum maka masalah dualnya
berbentuk minimum, demikian sebaliknya.
Secara umum dapat ditulis :
I. Primal : Max. n
j
jj xCf1
Dengan batasan n
j
ijij bxa1
, mi ,...,2,1
,0jx nj ,...,2,1
II. Dual : Min. m
i
ii ybg1
Dengan batasan n
i
jiij Cya1
, nj ,...,2,1
0iy , mi ,...,2,1
Keterangan :
jC : Laba per satuan aktivitas j .
jx : Banyaknya produk j .
ib : jumlah sumber i yang tersedia ( mi ,...,2,1 )
iy : Nama variabel baru.
Universitas Sumatera Utara
Parlin Sitorus (1997) mengemukakan bahwa hubungan antara program
linier primal dan dual (dalam proses konversi model promal ke dalam model
dualitas) dapat dilihat pada tabel dibawah ini:
No Item
Model
Primal dual
1 Fungsi tujuan Memaksimalkan
Meminimalkan
Meminimalkan
Memaksimalkan
2 Jumlah variabel Jumlah variabel
keputusan ( ix )
Jumlah kendala model
3 Jumlah kendala Jumlah kendala model
Jumlah variabel
keputusan ( ix )
4 Koefisien fungsi
tujuan
Nilai kontribusi fungsi
tujuan
Nilai sisi kanan kendala
5 Sumber daya tersedia Nilai sisi kanan kendala
Nilai kontribusi fungsi
tujuan
6 Koefisien matriks Koefisien teknologi
Koefisien teknologi
yang diubah
7 Tanda ketidaksamaan dan
Pangestu Subagyo (2005) mengemukakan bahwa salah satu penemuan yang
terpenting dalam perkembangan program linier sebagai alat analisa adalah konsep
dualitas dengan berbaagai manfaat yang ditimbulkannya. Penemuan ini
menyatakan bahwa setiap masalah program linier lain yang merupakan dualnya.
Hubungan antara masalah yang asli (primal) dengan dual inilah yang dapat
dipetik manfaatnya dalam berbagai hal.
Universitas Sumatera Utara
1.7 Metodologi Penelitian
Dalam hal ini penulis mengadakan penelitian langsung ke Pabrik Roti adapun
metode penelitian yang dilakukan adalah :
1. Mendefinisikan dan menguraikan masalah produksi perusahaan
dengan jelas.
2. Dipilih 3 jenis rasa roti pada pabrik, yaitu rasa kelapa, rasa cokelat dan
rasa melon.
3. Pengumpulan data
Pengumpulan data yang diperoleh secara langsung dari pabrik. Adapun
data yang diperoleh adalah : Biaya Produksi, bahan baku, waktu
produksi dan keuntungan.
4. Analisis dan pengolahan data yang diperoleh diformulasikan ke dalam
bentuk program linier dan diselesaikan dengan metode dualitasa dan
melakukan analisis sensitivitas dengan bantuan software QM windows
2.0
Universitas Sumatera Utara
BAB 2
LANDASAN TEORI
2.1. Pemodelan Pada Riset Operasi
Hamdy A. Taha (2003) menuliskan bahwa dalam pemodelan riset operasi
melibatkan 3 hal yaitu variabel keputusan, fungsi tujuan, dan kendala-kendala
atau batasan-batasan. Secara umum dituliskan dalam bentuk berikut :
Maksimalkan atau minimalkan fungsi tujuan
Dengan kendala
Batasan-batasan
Pada format diatas tidak terlihat variabel keputusan, tapi sebenarnya batasan-
batasan dan fungsi tujuan itu terbentuk dari kumpulan variabel keputusan.
2.2. Program Linier
Program linier merupakan model matematik untuk mendapatkan alternatif
penggunaan terbaik atas mengalokasikan sumber daya yang terbatas untuk
mencapai suatu tujuan seperti memaksimumkan keuntungan dan meminimumkan
biaya produksi. Program linier berkaitan dengan penjelesan suatu kasus dalam
dunia nyata sebagai suatu model matematik yang terdiri dari sebuah fungsi tujuan
linier dengan beberapa kendala.
Program linier menggunakan model matematik untuk menjelaskan
persoalan yang dihadapinya. Program merupakan sinonim untuk perencanaan
sedangkan sifat linier memberi arti bahwa seluruh fungsi matematik dalam model
ini merupakan fungsi yang linier. Dengan demikian program linier adalah
perencanaan aktivitas untuk memperoleh suatu hasil yang optimum, yaitu suatu
hasil yang mencapai tujuan terbaik diantara seluruh alternatif yang fisibel.
Universitas Sumatera Utara
Suatu penyampaian masalah program linier perlu dibentuk formulasi
secara matematik dari masalah yang sedang dihadapi dengan memenuhi syarat
sebagai berikut :
1. Adanya variabel keputusan yang dinyatakan dalam simbol matematik dan
variabel keputusan ini tidak negatif.
2. Adanya fungsi tujuan dari variabel keputusan yang menggambarkan kriteria
pilihan terbaik. Fungsi ini harus dibuat dalam suatu sel fungsi linier yang dapat
berupa maksimum atau minimum.
3. Adanya kendala sumber daya yang dibuat dalam satu set fungsi linier.
2.2.1. Sifat Dasar Program Linier
Program linier merupakan kategori yang sangat penting dari seluruh program
matematika. Hal ini jelas bahwa teori program linier mempengaruhi proses
pengambilan keputusan.
Suatu persoalan dikatakan sebagai persoalan program linier apabila
memenuhi kriteria berikut :
a. Tujuan yang dicapai harus dapat dinyatakan dalam bentuk fungsi linier
dan fungsi ini disebut fungsi tujuan.
b. Harus mempunyai alternatif pemecahan, yaitu alternatif pemecahan yang
memuat harga fungsi tujuan menjadi optimal (maksimum atau minimum).
c. Sumber-sumber yang tersedia harus terbatas jumlahnya dan kendala-
kendala harus dinyatakan dengan ketidaksamaan linier.
2.2.2. Karakteristik-karakteristik Dalam Program Linier
Dalam membangun model dari formulasi di atas akan digunakan karakteristik-
karakteristik yang biasa digunakan dalam persoalan program linier yaitu :
Universitas Sumatera Utara
1. Variabel Keputusan
Variabel keputusan adalah variabel yang menguraikan secara lengkap
keputusan-keputusan yang akan dibuat.
2. Fungsi Tujuan
Fungsi tujuan merupakan fungsi dari variabel keputusan yang akan
dimaksimumkan (untuk pendapatan atau keuntungan) atau diminimumkan
(untuk ongkos). Fungsi ini merupakan bentuk hubungan antara variabel
keputusan.
3. Pembatas
Pembatas merupakan kendala yang dihadapi sehingga kita tidak bisa
menentukan harga-harga variabel keputusan secara sembarang.
2.3. Metode Simpleks
Salah satu teknik penentuan solusi optimal yang digunakan dalam program linier
adalah metode simpleks. Penentuan solusi optimal menggunakan metode
simpleks didasarkan pada teknik eleminasi Gauss Jordan. Penentuan solusi
optimal dilakukan dengan memeriksa titik ekstrim satu per satu dengan cara
perhitungan iteratif. Sehingga penentuan solusi optimal dengan simpleks
dilakukan tahap demi tahap yang disebut dengan iterasi. Iterasi ke-i hanya
tergantung dari iterasi sebelumnya (i-1).
Program linier yang melibatkan lebih dari 2 atau banyak variabel sulit
diselesaikan dengan metode grafik. Dalam keadaan ini kebutuhan metode yang
lebih umum menjadi nyata. Metode umum itu dikenal dengan nama Metode
Simpleks yang dirancang untuk menyelesaikan masalah Program Linier, baik
yang melibatkan dua atau lebih dari 2 variabel.
Universitas Sumatera Utara
Perhatikan model Program Linier:
Fungsi tujuan : Maksimumkan atau minimumkan
Fungsi pembatas :
. . . .
. . . .
dan
Jika didefinisikan:
nnmnmm
n
n
b
b
b
B
x
x
x
X
aaa
aaa
aaa
A
.
.;
.
.;
...
....
....
...
...
2
1
2
1
21
22221
11211
maka pembatas dari model tersebut dapat dituliskan ke dalam bentuk sistem
persamaan AX = B.
2.4. Teori Dualitas
Konsep dualitas merupakan perkembangan teori program linier. Hal ini sangat
diperlukan sebagai dasar interpretasi ekonomis suatu persoalan program linier.
Universitas Sumatera Utara
Rumus persoalan program linier terdiri dari primal dan dual. Pemecahan
persoalan primal sekaligus juga bisa membantu menghitung pemecahan dual yang
dikehendaki dan sebaliknya.
Ketentuan untuk menuliskan bentuk dual dari suatu program linier adalah :
a. Koefisien fungsi tujuan primal menjadi konstanta ruas kanan bagi dual.
b. Koefisien ruas kanan pada primal menjadi koefisien fungsi tujuan bagi dual.
c. Kasus maksimum pada primal menjadi kasus minimum pada dual atau
sebaliknya.
d. Setiap kolom pada primal berkorespondensi dengan baris pada dual setiap
baris pada primal berkorespondensi kolom pada dual.
e. Dual dari dual adalah primal.
Asumsi dasar yang digunakan adalah masalah primal program linier
dinyatakan dalam bentuk standar, yakni :
Maksimalkan n
j
jj xCZ1
Batasan-batasan : n
j
ijij bxa1
, untuk mi ,..,2,1
,0jx untuk nj ,...,2,1
Pemecahan persoalan primal terlihat pada koefisien baris Z pada iterasi tabel
optimal. Hal ini dapat dilihat pada Tabel 2.1.
Tabel 2.1. Koefisien Z pada nilai optimal
Variabel Z 1x 2x …
nx 1s 2s …
ms q
Z 1 11 ZC
22 ZC … jj ZC 1y
2y … iy 0y
Kondisi optimal adalah apabila semua koefisien pada baris terakhir ( jj ZC )
tidak ada yang bernilai positif, yakni :
Universitas Sumatera Utara
;0jj ZC untuk nj ,...,2,1
;0iy untuk mi ,...,2,1
Dengan menggantikan jZ , nilai-nilai iy dapat dicari
Minimalkan m
i
ii yby1
0 ,
Dengan kendala m
i
jiij Cya1
, untuk nj ,...,2,1
,0iy untuk mi ,...,2,1
Bentuk di atas tersebut kemudian dikenal sebagai dual daripada masalah primal.
Sebagai konsekuensi nilai Z optimal (maksimum) pada masalah primal adalah
0y minimum pada masalah dual. Sehingga sekali lagi masalah dual ditulis
sebagai berikut :
Fungsi tujuan : Minimalkan m
i
ii yby1
0 ,
Batasan-batasan :
m
i
jiij Cya1
, untuk nj ,...,2,1
,0iy untuk mi ,...,2,1
Universitas Sumatera Utara
Berikut ini adalah tabel yang menyatakan hubungan antara primal dan dual untuk
mempermudah melihat hubungan diantaranya.
Tabel 2.2
Hubugnan Primal-Dual
Masalah Primal
Koefisien dari Ruas
Kanan
1x 2x
nx
Mas
alah
Du
al
Ko
efis
ien
dar
i
1y 11a
21a . . . na1 1b
Ko
efis
ien
Fu
ngs
i Tu
juan
(Me
mak
sim
um
kan
)
2y 21a
22a . . . na2 2b
. .
. .
. .
my 1ma 2ma . . . m na nb
Ru
mu
s
Kan
an VI VI VI
1C 2C
nC
Koefisien Fungsi Tujuan
(Memaksimumkan)
Tabel 2.2 menunjukkan hubungan simetris antara primal dan dual, di mana
bagian vertikal/tegak merupakan bentuk primal, sedangkan bagian mendatar
merupakan bentuk dualnya. Bila disimpulkan hubungan tersebut adalah sebagai
berikut :
1. Parameter untuk batasan persoalan primal (dual) merupakan koefisien bagi
persoalan dual (primal).
2. Koefisien fungsi tujuan/obyektif persoalan primal (dual) adalah sisi kanan
dari persoalan dual (primal) atas.
Bentuk dual mempunyai interpretasi penting yang dapat membantu manager
menjawab pertanyaan tentang alternatif tindakan dan nilai relatifnya. Tiap
Universitas Sumatera Utara
persoalan maksimasi dalam program linier mempunyai bentuk kembarnya,
demikian atau pula persoalan minimasi mempunyai bentuk kembar atau dualnya.
2.5. Metode Dual Simpleks
Apabila pada suatu iterasi kita mendapat persoalan program linier yang sudah
optimum (berdasarkan kondisi optimalitas), tetapi belum fisibel (ada pembatas
nonnegatif yang tidak terpenuhi), maka persoalan tersebut harus diselesaikan
dengan menggunakan metode dual simpleks. Syarat digunakannya metode ini
adalah bahwa seluruh pembatas harus merupakan ketidaksamaan yang bertanda
(≤), sedangkan fungsi tujuan bisa berupa maksimasi atau minimasi.
Pada dasarnya metode dual simpleks ini menggunakan tabel yang sama
seperti metode simpleks pada primal, tetapi leaving dan entering variable-nya
ditentukan sebagai berikut :
1. Leaving variable (kondisi fisibilitas).
Yang menjadi leaving variable pada dual simpleks adalah variabel basis yang
memiliki harga negatif terbesar. Jika semua variabel basis telah berharga
positif atau nol, berarti keadaan fisibel telah tercapai.
2. Entering variable (kondisi optimalitas).
a. Tentukan perbandingan (ratio) antara koefisien persamaan z dengan
koefisien persamaan leaving variable. Abaikan penyebut yang positif atau
nol. Jika semua penyebut berharga positif atau nol, berarti persoalan yang
bersangkutan tidak memiliki solusi fisibel.
b. Untuk persoalan minimasi, entering variable adalah variabel dengan rasio
terkecil, sedangkan persoalan maksimasi, entering variable adalah variabel
dengan rasio absolut terkecil.
Universitas Sumatera Utara
Contoh mengubah masalah primal ke bentuk dual:
Contoh berikut ini akan memperlihatkan bagaimana bentuk dual dari suatu model
dikembangkan dan apa arti dual tersebut. Hickory Furniture Company
memproduksi meja dan kursi yang dihitung atas dasar harian. Tiap meja yang
diproduksi menghasilkan keuntungan sebesar $160; sedangkan tiap kursi
menghasilkan keuntungan sebesar $200. Produksi meja dan kursi ini tergantung
pada tersedianya sumber-sumber yang terbatas tenaga kerja, kayu dan tempat
penyimpanan. Kebutuhan sumber-sumber untuk memproduksi meja dan kursi
serta jumlah total sumber yang tersedia adalah sebagai berikut :
Tabel 2.3 Contoh Studi Kasus
Kebutuhan
Sumber Meja Kursi Jumlah yang
tersedia/hari
Tenaga Kerja 2 jam 4 jam 40 jam
Kayu 18 pon 18 pon 216 pon
Tempat
penyimpanan
24 m2
12 m2
240 m2
Perusahaan ingin mengetahui berapa banyak meja dan kursi yang harus
diproduksi untuk memaksimalkan keuntungan. Model untuk masalah ini
diformulasikan sebagai berikut :
Primal Dual
Maksimumkan : Minimumkan :
21 200160 xxZ 3210 24021640 yyyy
Batasan-batasan : batasan-batasan :
4042 21 xx 16024182 321 yyy
2161818 21 xx 20012184 321 yyy
2401224 21 xx
Universitas Sumatera Utara
dan 0,0 21 xx dan 0,0,0 321 yyy
Tabel simpleks optimal dari masalah primal ini adalah:
Tabel 2.4 Primal Optimal
jC
160 200 0 0 0
Variabel
Dasar
Kuantitas 1x
2x 1s
2s 3s
200 2x 8 0 1
2
1 -
18
1
0
160 1x 4 1 0
-2
1
9
1
0
0 3s
48 0 0 6 -2 1
jZ
2.240 160 200 20
3
20
0
jj CZ 0 0 -20
-3
20
0
Hasil tersebut juga dapat dicari dengan bantuan software QM windows 2.0, maka
hasilnya dapat dilihat sebagai berikut :
Dengan menginterpretasi solusi primal, didapatkan nilai
41x meja
82x kursi
483s m2 tempat penyimpanan
240.2$Z Keuntungan
Universitas Sumatera Utara
Tabel optimal ini juga memuat informasi tentang dual. Pada baris jj ZC tabel
2.4, nilai negatif -20 dan -3
20 di bawah kolom
1s dan 2s mengindikasikan bahwa
jika suatu satu unit 1s atau
2s dimasukkan ke dalam solusi, laba akan menurun
sebesar $20 atau $6,67, secara berurutan.
Nilai baris jj ZC yang negatif sebesar $20 dan $6,67 secara berurutan
merupakan nilai marginal (marginal value) dari tenaga kerja (1s ) dan kayu (
2s ).
Nilai-nilai ini sering dianggap sebagai harga bayangan (shadow prices), karena
sebagai cerminan harga maksimum yang bersedia dibayar oleh siapapun untuk
mendapatkan satu unit tambahan sumber-sumber.
Selanjutnya adalah dalam bentuk dual dari model di bawah ini:
Minimal : 3210 24021640 yyyy
Batasan-batasan :
16024182 321 yyy
20012184 321 yyy
0,, 321 yyy
Bertitik tolak dari pembahasan sebelumnya mengenai nilai dari sumber-sumber
model, sekarang dapat didefinisikan variabel-veriabel keputusan dual 1y , 2y dan
3y untuk mewakili nilai marginal sumber-sumber tersebut.
1y = nilai marginal 1 jam tenaga kerja = $20
2y = nilai marginal 1 pon = $6,67
3y = nilai marginal 1 m2 tempat penyimpanan =$0
Tabel simpleks optimal dari masalah dual ini adalah
Universitas Sumatera Utara
Tabel 2.5 Dual Optimal
jC
40 216 240 0 0
Variabel
Dasar Kuantitas 1y
2y 3y 1s
2s
216 2y 6,67 0 1 2
9
1
18
1
40 1y 20 1 0 -6
2
1
2
1
jZ
2.240 40 216 192 -4 -8
jj CZ 0 0 -48 -4 -8
Sekarang beralih pada batasan-batasan dual. Batasan dual yang pertama adalah :
Laba per jam : 16024182 321 yyy
Batasan ini mengartikan bahwa nilai ketiga sumber (tenaga kerja, kayu dan tempat
penyimpanan) yang digunakan dalam memproduksi sebuah meja setidaknya harus
sebesar laba yang diperoleh dari meja. Substitusikan nilai variabel-variabel dual
ke dalam batasan di atas akan menghasilkan :
12y =nilai tenaga kerja yang digunakan untuk memproduksi sebuah meja
2($20)=$40
218y =nilai kayu yang digunakan untuk memproduksi sebuah meja
18($6,67)=$120
324y = nilai tempat penyimpanan yang digunakan untuk memproduksi sebuah
meja 24($0)=0
Dengan menjumlahkan nilai-nilai di atas menghasilkan
321 24182 yyy 160$ laba per meja
)0($24)67,6($18)20($2 160$
0$120$40$ 160$
$160 160$
Universitas Sumatera Utara
Dengan kata lain $160 yaitu nilai sumber-sumber yang digunakan untuk
memproduksi sebuah meja, sedikitnya adalah sebesar atau sama dengan $160
yaitu laba dari sebuah meja. Kemudian menganalisis batasan dual kepada dengan
cara yang sama.
321 12184 yyy 200$
4($20)+18($6,67)+12($0) 200$
$80+$120+$0 200$
$200 200$
Nilai $200, nilai sumber-sumber yang digunakan untuk memproduksi sebuah
kursi, setidaknya adalah sebesar atau sama dengan $200 laba dari sebuah kursi.
Sekarang tinggal fungsi tujuan dalam dual yang masih belum dijelaskan.
Fungsi tujuan tersebut adalah meminimumkan
3210 24021640 yyyy
)0($240)67,6($216)20($400y
= $800+$1.440+$0
= $2.240, nilai sumber-sumber
2.6. Analisis Sensitivitas
Analisis sensitivitas (analisis pasca optimal) merupakan studi tentang perubahan
penyelesaian optimal dan nilai penyelesaian optimal programasi linier sebagai
akibat dari perubahan koefisien suatu variabel keputusan. Seperti pembahasan
pada program linier dengan metode grafik, dalam metode dualitas perlu juga
dilakukan analisis sensitivitas karena walaupun secara konseptual memiliki makna
yang sama, akan tetapi terdapat perbedaan metode yang digunakan.
Universitas Sumatera Utara
Adapun penggunaan analisis ini adalah untuk mendinamisasikan
penyelesaian dengan program linier yang bersifat statis menjadi mampu
mengkomodasi perubahan-perubahan yang terjadi dalam dunia nyata. Dalam hai
ini perkiraan penyelesaian optimal dapat dinyatakan dalam suatu range yang
disebut range optimalitas. Analisis sensitivitas dapat juga digunakan untuk
melihat perubahan pada nilai penyelesaian optimal akibat dari perubahan nilai
pada sisi kanan fungsi kendala.
Pada dasarnya perubahan-perubahan yang mungkin terjadi setelah
dicapainya penyelesaian optimal terdiri dari beberapa macam, yakni :
a. Keterbatasan kapasitas sumber. Dengan kata lain, nilai-kanan fungsi-fungsi
batasan.
b. Koefisien-koefisien fungsi tujuan.
c. Koefisien-koefisien teknis fungsi-fungsi batasan, yaitu koefisien-koefisien
yang menunjukkan berapa bagian kapasitas sumber yang di konsumsi oleh
satu satuan kegiatan.
d. Penambahan variabel-variabel baru.
e. Penambahan batasan baru.
Melakukan analisis sensitivitas ini merupakan salah satu tugas sebagai
kelanjutan dari penerapan metode dualitas yang didapat. Salah satu asumsi dalam
program linier adalah bahwa semua parameter model ( iij ba , , dan jc ) merupakan
konstanta yang telah diketahui. Nilai-nilai parameter dalam model sering hanya
merupakan faktor penduga yang didasarkan pada suatu prediksi mengenai
keadaan untuk masa yang akan datang. Data yang diperoleh untuk
mengembangkan parameter-parameter dalam model hanya mencerminkan aturan-
aturan umum. Oleh karena itu sangat penting dilakukannya analisis sensitivitas
terhadap parameter-parameter yang ada dan kemungkinan pemberian nilai
parameter yang berbeda.
Dengan menggunakan analisis sensitivitas dapat diketahui perubahan-
perubahan yang akan terjadi dan dengan membuat analisis sensitivitas
Universitas Sumatera Utara
kemungkinan akan menemukan solusi optimal yang baru. Apabila hal ini terjadi,
merupakan suatu keuntungan yang dapat dipetik oleh perusahaan.
Dalam menilai sejauh mana penyelesaian optimal semula adalah sensitif
terhadap berbagai parameter model, maka digunakan pendekatan yang umum
dipakai adalah melakukan pengecekan setiap parameter satu persatu dengan
mengubah nilainya dari parameter semula ke kemumgkinan-kemungkinan nilai
yang lain dalam rentang nilai yang layak. Setelah menentukan parameter sensitif,
kemudian meneliti beberapa kombinasi dari perubahan simultan parameter-
parameter tersebut. Setiap terjadi perubahan parameter, maka prosedur yang
diuraikan dan dijelaskan akan diterapkan.
Adapun langkah-langkah dalam melakukan analisis sensitivitas terdapat
langkah-langkah yang harus dilakukan sebagai berikut :
1. Merevisi model. Membuat perubahan-perubahan yang diinginkan dalam
model yang akan diperiksa kemudian.
2. Merevisi tabel akhir. Dasar dalam melakukan perubahan adalah tabel
simpleks akhir/tabel optimal.
3. Mengonversi bentuk sesuai dengan eliminasi Gauss. Melakukan konversi
tabel dalam bentuk yang sesuai untuk menentukan dan menilai
penyelesaian dasar sekarang dengan menerapkan eliminasi Gauss.
4. Melakukan uji kelayakan. Setelah melakukan konversi, maka dilakukan
kelayakan dengan maksud untuk mengetahui apakah variabel dasar yang
berupa nilai kanan masih positif.
5. Melakukan uji optimal. Apabila penyelesaiannya sudah layak masih perlu
dilakukan pengujian optimal untuk mengetahui apakah hasil perhitungan
merupakan hasil yang optimal. Untuk melakukan uji optimalisasi tidak
harus sekali karena apabila sekali masih belum optimal, maka dilakukan
pengujian lagi.
Universitas Sumatera Utara
Sebagai contoh kasus sebelumnya
1. Menganalisis Perubahan pada Koefisien Fungsi Tujuan
Tabel terakhir (optimal) untuk tabel 2.4 Primal Optimal sebagai berikut :
jC
160 200 0 0 0
Variabel
Dasar Kuantitas 1x
2x 1s
2s 3s
200 2x 8 0 1
2
1 -
18
1
0
160 1x 4 1 0
-2
1
9
1
0
0 3s
48 0 0 6 -2 1
jZ
2.240 160 200 20
3
20
0
jj CZ 0 0 -20
-3
20
0
Pertama, tentukan suatu perubahan pada batas fungsi tujuan ( 1C ). Hal
ini mengubah nilai 1C dari 1C =160 menjadi 1C = 160+ , seperti yang
ditunjukkan pada tabel 2.6. Perhatikan bahwa pada saat 1C diubah menjadi 160+
, nilai yang baru tersebut dimasukkan baik pada baris jC teratas maupun pada
sisi kiri kolom jC . Hal ini dilakukan mengingat 1x adalah variabel dasar. Karena
160+ berada pada sisi kolom, ini berarti 160+ menjadi panggali pada saat
nilai-nilai baris jZ yang baru dan basis jj CZ selanjutnya dihitung.
Universitas Sumatera Utara
Tabel 2.6 Hasil optimal dengan 1C = 160+
jC
160+ 200 0 0 0
Variabel
Dasar Kuantitas 1x
2x 1s
2s 3s
200 2x 8 0 1
2
1 -
18
1
0
160+ 1x 4 1 0
-2
1
9
1
0
0 3s
48 0 0 6 -2 1
jZ
2.240+4 160+
200
220
93
20
0
jj CZ 0 0
220
93
20
0
Solusi yang ditunjukkan pada tabel 2.6 akan tetap optimal selama nilai-nilai baris
jj ZC tetap negatif. Jadi supaya solusi tetap optimal
02
20 dan 093
20
Nilai harus diselesaikan dengan menggunakan kedua pertidaksamaan di atas yaitu
02
20 dan 093
20
202
3
20
9
<40 60
Jadi, <40 dan 60 . Sekarang diambil kembali persamaan 1C = 160+ ;
dengan demikiann 1601C . Subsitusikan jumlah 1601C untuk dalam
pertidaksamaan-pertidaksamaan tersebut,
< 40 dan > -60
1601C < 40 1601C > -60
1C < 200 1C > 100
Universitas Sumatera Utara
Dengan demikian, range nilai 1C yang tetap mempertahankan solusi
optimal meskipun nilai fungsi tujuan mungkin berubah.
200100 1C
Berikutnya, tentukan perubahan pada 2C sehingga 2C = 200+ . Dampak
perubahan ini dalam tabel simpleks ditunjukkan pada tabel 2.7
Tabel 2.7 Hasil Optimal dengan 2C = 200+
jC
160 200 0 0 0
Variabel
Dasar Kuantitas 1x
2x 1s
2s 3s
200
2x 8 0 1
2
1 -
18
1
0
a160 1x 4 1 0
-2
1
9
1
0
0 3s
48 0 0 6 -2 1
jZ
2.240+8 160 200
220
183
20
0
jj CZ 0 0 2
20 183
20
0
Seperti yang telah dijelaskan sebelumnya, solusi yang ditunjukkan pada tabel 2.7
akan tetap optimal selama nilai-nilai baris jj ZC tetap negatif atau nol. Jadi
supaya solusi tetap optimal maka harus dibuat :
220 Dan
183
20
Penyelesaian perrtidaksamaan di atas untuk menghasilkan
2
20 < 0 dan 183
20 < 0
2
< 20 18
<3
20
> -40 < 120
Universitas Sumatera Utara
Jadi 40 dan 120 , karena 2002C , maka 2002C .
Penstubtitusian nilai ini untuk pada pertidaksamaan di atas menghasilkan :
> -40 dan < 120
2002C > -40 2002C < 120
2C > 160 2C < 320
Dengan demikian, range nilai 2C yang tetap mempertahankan solusi optimal
adalah :
200100 1C
320160 2C
2. Menganalisis Perubahan Pada Nilai Kuantitas Batasan
Memaksimumkan 21 200160 xxZ
Batasan-batasan
4042 21 xx
2161818 21 xx
2401224 21 xx dan 0,0 21 xx
Nilai kuantitas 40, 216, dan 240 akan diawali oleh notasi iq . Jadi 1q = 40,
2q = 216 dan 3q = 240. Seperti dalam kasus nilai jC , range 1q dapat ditentukan
secara langsung dari tabel simpleks optimal. Sebagasi contoh misalkan terdapat
suatu kenaikan sebesar D pada jumlah jam tenaga kerja. Batasan-batasan model
akan menjadi
14042 21 xx
Universitas Sumatera Utara
02161818 21 xx
02401224 21 xx
Maka terdapat tabel simpleks awal yaitu
Tabel 2.8 Simpleks awal
jC
160 200 0 0 0
Variabel
Dasar Kuantitas 1x
2x 1s
2s 3s
0 3x 140 2 4 1
0 0
0 4x 0216 18 18 0 1
0
0 3s
0240 24 12 0 0 1
jZ
0 0 0 0
0
0
jj CZ 160 200 0
0
0
Duplikasi ini akan terus di bawa pada tabel-tabel selanjutnya, sehingga nilai
kolom 1s juga akan menduplikasikan perubahan D pada kolom kuantitas tabel
akhir tabel 2.9.
Tabel 2.9 Simpleks akhir
jC
160 200 0 0 0
Variabel
Dasar Kuantitas 1x
2x 3x 4x 5x
200 2x
28
0 1
2
1
18
1
0
160 1x
24
1 0 -
2
1
9
1
0
0 5x
648 0 0 6 -2 1
jj CZ
0 0 -20 -
3
20
0
Maka diperoleh :
02
8 ; 16
Universitas Sumatera Utara
02
4 ; 8
0648 ; 8
untuk range 401q , maka 401q . Nilai ini disubstitusikan ke
dalam pertidaksamaan- pertidaksamaan di atas sebagai berikut.
16 8 8
401q 16 401q 8 401q 8
1q 24 1q 48 1q 32
Kesimpulan dari pertidaksamaan ini menghasilkan :
483224 1q
Nilai sebesar 24 dapat dihilangkan mengingat q1 harus lebih dari 32, sehingga
4832 1q
Selama q1 berkisar pada range ini, variabel-variabel solusi dasar akan tetap positif
dan fisiebel.
untuk range 2162q , maka 2162q , disini akan menggunakan
nilai-nilai pada kolom 2s untuk membentuk pertidaksamaan- pertidaksamaan D.
018
8 ; 144
09
4 ; 36
0248 ; 24
Universitas Sumatera Utara
Karena 2162q , maka akan mempunyai 2162q , pensubsitusian nilai
ke dalam pertidaksamaan- pertidaksamaan di atas menghasilkan suatu range nilai
yang memungkinkan untuk nilai 2q ;
144 36 24
2162q 144 2162q 36 2162q 24
2q 360 2q 180 2q 240
yaitu
360240180 2q
Nilai sebesar 360 dapat dihilangkan mengingat karena q2 tidak dapat melebihi
240. Jadi, range bagi variabel-variabel solusi dasar yang tetap fisibel adalah
240180 2q
Analisis sensitivitas untuk nilai kuantitas batasan dapat digunakan dalam
hubungannya dengan solusi dual untuk pengambilan keputusan sumber-sumber.
Sebelumnya solusi dual dari contoh yaitu :
1y = $20, nilai marginal 1 jam tenaga kerja
2y = $6,67, nilai marginal 1 pon
3y = $0, nilai marginal 1 m2 tempat penyimpanan
Berdasarkan range 4832 1q , manager dapat menambah sampai dengan 8 jam
tenaga kerja (48 jam) sebelum basis solusi menjadi tidak fisibel. Jika manager
memutuskan untuk membeli 8 jam tambahan, maka nilai-nilai solusi dapat dicari
dengan cara mengamati nilai-nilai kuantitas pada tabel 2.9 :
282x
Universitas Sumatera Utara
241x
6485x
Karena
8 ,
122
882x
02
841x
96)8(6485x
Laba total akan meningkat sebesar $20 untuk setiap ekstrim jam tenaga kerja.
Universitas Sumatera Utara
BAB 3
METODE PENELITIAN
3.1 Pengumpulan Data
Adapun data yang diambil adalah nama jenis roti, data kebutuhan bahan
baku dan bahan tambahan, data waktu produksi, data biaya produksi dan data
keuntungan. Data-data tersebut diperoleh dari pencatatan yang telah dilakukan
pabrik maupun melalui wawancara langsung dengan pihak yang bersangkutan.
Data umum produk berupa jumlah produksi yang dihasilkan dari per adonan.
Data kebutuhan bahan merupakan data komposisi bahan baku yang
diperlukan dalam proses produksi dan data kapasitas bahan baku merupakan
jumlah rata-rata bahan baku yang dipesan pabrik dalam 1hari. Data itu tidak
hanya didapatkan dari hasil pencatatan yang telah dilakukan oleh pabrik, namun
juga dari hasil pengamatan langsung di lapangan.
3.1.1. Jenis Rasa Roti
Roti yang diteliti dalam tulisan ini adalah berdasarkan jenis roti yang dinamakan
berdasarkan pasaran. Adapun nama-nama roti yang dimaksud terlihat pada tabel
berikut :
Tabel 3.1 Jenis Rasa Roti
No Jenis Rasa Roti
1. Kelapa
2. Cokelat
Universitas Sumatera Utara
3. Melon
Sumber : Pabrik Rahma Jaya Bakery
3.1.2 Bahan-bahan Utama
Bahan-bahan baku yang digunakann dalam pembuatan roti adalah bahan baku dan
bahan penambahan. Adapun nama-nama bahan baku dan bahan penambahan yang
digunakan adalah
Tabel 3.2 Nama-Nama Bahan Utama
No
Jenis Bahan
Berat (kg)
Persedian
Bahan Produksi
Kelapa Cokelat Melon
1. Tepung Terigu 10,5 10,1 10,25 330
2. Mentega 1,5 1 1,35 37
3. Instan (pelembut) 0,1 0,1 0,1 4
4. Gula 2,75 2 2 70
5. Morifan
(pengembang)
0,13 0,13 0,13 4,5
6. Garam 0,15 0,15 0,15 6
Sumber : Pabrik Rahma Jaya Bakery
Dari tabel 3.2 didapat ukuran/berat roti untuk setiap per adonan atau 450 buah
roti.
3.1.3 Uraian Proses Produksi Roti
Proses produksi adalah teknik untuk membuat atau menjadikan barang dan jasa
bertambah nilainya dengan menggunakan sumber-sumber yang ada. Secara garis
besar proses produksi pembuatan roti yang dilakukan pada pabrik Rahma Jaya
Bakery adalah sebagai berikut :
Universitas Sumatera Utara
1. Pengadonan
yaitu proses melakukan pencampuran seluruh bahan baku menjadi satu
bagian/adonan dalam satu wadah yang menggunakan bantuan alat mesin.
2. Penghalusan
yaitu suatu proses kelanjutan dari proses pengadonan, dimana hasil adonan
yang telah menjadi satu bagian akan dihaluskan menggunakan mesin press
yang gunanya untuk memudahkan proses pembentukkan.
3. Pembentukkan
yaitu proses pembentukkan roti, dimana roti akan dibentuk menjadi 6
nama jenis roti yaitu kelapa, cokelat panjang, cokelat sangggul, kelapa
mocca, melon dan keong. Setiap jenis roti memiliki bahan baku yang sama
hanya yang membedakan roti satu dengan roti yang lain adalah proses
akhir pembentukkan. Proses akhir pembentukkan yang dimaksud adalah
adanya penambahan bahan yang dilakukan untuk masing-masing roti.
Misalnya untuk roti kelapa ada penambahan bahan kelapa dan sari pandan
di dalam akhir pembentukkan, cokelat panjang dan cokelat sanggul
penambahan bahannya sama yaitu cokelat yang membedakan hanya
bentuknya saja, kelapa moccca penambahan bahan kelapa, pandan dan
mocca, melon penambahan bahannya tepung gula dan mentega., dan yang
terakhir keong bahan penambahannya adalah mentega, gula dan tepung.
4. Penguapan
Penguapan adalah proses dimana roti yang telah selesai dibentuk/dicetak
dimasukkan kedalam mesin penguap guna untuk pengembangan roti itu
sendiri.
5. Pembakaran/ pengopenan
Yaitu proses pemasakan roti menjadi roti siap untuk dimakan yang
dilakukan dimesin pembakar.
6. Pendinginan
Proses ini dilakukan sebelum pembungkusan, guna agar roti bisa tahan
lama.
7. Pembungkusan
Universitas Sumatera Utara
Proses ini merupakan proses tahap akhir, dimana roti yang sudah
didinginkan akan dibungkus secara manual menggunakan tenaga manusia.
Uraian proses produksi roti dapat diberikan pada tabel dibawah ini :
Tabel 3.3 Uraian Waktu Proses Produksi Roti
No Proses Waktu yang diperlukan (menit)/adonan
Kelapa Cokelat Melon
1. Pengadonan 5 5 5
2. Penghalusan 5 5 5
3. Pembentukkan 10 13,5 10,5
4. Penguapan 240 240 240
5. Pembakaran/Pengopenan 10 10 10
6. Pendinginan 120 120 120
7. Pembungkusan 37,5 37,5 37,5
Sumber : Pabrik Rahma Jaya Bakery
Dari tabel 3.3 didapat waktu yang digunakan untuk setiap per adonan atau 450
buah roti.
3.1.4 Data Biaya Produksi
Perhitungan biaya bahan produksi adalah pembelian bahan baku dan pembelian
bahan tambahan. Kedua biaya bahan baku tersebut dianggap satu kebutuhan
bahan baku dan pembelian dilakukan secara bersamaan. Adapun biaya bahan
baku tiap roti terlihat pada tabel berikut
Tabel 3.4 Biaya Bahan Produksi Per Adonan
No Nama Roti Biaya Bahan Produksi
1. Kelapa Rp. 66.500,00
Universitas Sumatera Utara
2. Cokelat Rp. 73.000,00
3. Melon Rp. 40.000,00
Sumber : Pabrik Rahma Jaya Bakery
Dari tabel 3.4 didapat biaya bahan produksi roti untuk setiap per adonan atau 450
buah roti.
3.1.5 Data Keuntungan Produksi
Adapun keuntungan yang diperoleh tiap per adonan roti atau 450 buah roti terlihat
pada tabel berikut :
Keterangan
Keuntungan = hasil produksi per adonan x harga jual - biaya produksi.
Contoh : Kelapa : 450@ Rp. 770 – Rp. 66.500
: Rp. 346.500 – Rp. . 66.500
: Rp. 280.000,00
Cokelat : 450@Rp. 650 - Rp. 73.000
: Rp. 292.500 – Rp. 73.000
: Rp. 219.500
Melon : 450@Rp. 650 - Rp. 40.000
: Rp. 292.500 – Rp. 40.000
: Rp. 252.500
Tabel 3.5 Keuntungan Roti Per Adonan
No Nama Roti Keuntungan
1. Kelapa Rp. 280.000,00
2. Cokelat Rp. 219.500,00
Universitas Sumatera Utara
3. Melon Rp. 252.500,00
Sumber : Pabrik Rahma Jaya Bakery
Dari tabel 3.5 didapat keuntungan produksi roti untuk setiap per adonan atau 450
buah roti
3.2. Pengolahan Data
Analisis data yang digunakan dalam penelitian ini adalah sebagai berikut :
1. Memodelkan permasalahan yaitu fungsi tujuan dan batas-batas kendala ke
dalam bentuk program linier
2. Mengubah bentuk program linier ke dalam bentuk model dualitas.
3. Mencari solusi optimal dengan menggunakan tabel simpleks dan bantuan
software QM Windows 2.0
4. Melakukan analisis sensitivitas terhadap hasil optimal yang diperoleh.
Dalam analisis sensitivitas ada 2 hal yang dapat dilakukan yaitu pertama
melakukan analisis sensitivitas terhadap fungsi tujuan dan analisis
sensitivitas terhadap kuantitas batasan.
Universitas Sumatera Utara
BAB 4
HASIL DAN PEMBAHASAN
4.1 Variabel Keputusan
Dari keseluruhan data yang diperoleh, akan diformulasikan ke dalam model
program linier yang kemudian akan diselesaikan dengan metode dualitas dan
melakukan analisis sensitivitas terhadap hasil optimal yang diperoleh. Adapun
variabel keputusan yang diharapkan dalam penulisan ini adalah :
1x = Jumlah Rasa Kelapa
2x = Jumlah Rasa Cokelat
3x = Jumlah Rasa Melon
4.2. Perumusan Fungsi Tujuan
Fungsi tujuan yang akan dimaksimalkan adalah laba. Koefisien variabel dari
variabel keputusan yaitu keuntungan yang diperoleh dari tiap adonan produk,
sehingga fungsi tujuannya adalah
Maksimum 321 25250021950028000 xxxZ
4.3 Perumusan Fungsi Kendala
Universitas Sumatera Utara
Fungsi kendala terdiri dari biaya produksi dan bahan-bahan utama dalam
pembuatan produksi.
1. Model Biaya Produksi :
5000000400007300066500 321 xxx
2. Model Bahan Utama
Tepung Terigu 33025,101,105,10 321 xxx ,
Mentega 3735,15,1 321 xxx
Gula 702275,2 321 xxx
Garam 615.015.015.0 321 xxx
Morifan 5,413.013.013.0 321 xxx
Instan Plus 41,01,01,0 321 xxx
4.4. Pengolahan Data
4.4.1. Memodelkan Permasalahan
Merumuskan masalah ke dalam bentuk program linier yang diformulasikan
sebagai berikut :
Fungsi Tujuan: Maksimumkan : 321 252500219500280000 xxxZ
Batasan-batasan :
5000000400007300066500 321 xxx
33025,101,105,10 321 xxx ,
3735,15,1 321 xxx
Universitas Sumatera Utara
702275,2 321 xxx
615.015.015.0 321 xxx
5,413.013.013.0 321 xxx
41,01,01,0 321 xxx
4.4.2. Mengubah Bentuk Program Linier ke Model Bentuk Dualitas
I. Bentuk Primal (Program Linier)
Fungsi Tujuan: Maksimumkan : 321 252500219500280000 xxxZ
Batasan-batasan :
5000000400007300066500 321 xxx
33025,101,105,10 321 xxx ,
3735,15,1 321 xxx
702275,2 321 xxx
615.015.015.0 321 xxx
5,413.013.013.0 321 xxx
41,01,01,0 321 xxx
II. Bentuk Dual
Fungsi Tujuan :
Minimumkan
76543210 45,467037330000.5000 yyyyyyyy
Batasan-batasan :
2800001.013,015,075,25,15,1066500 7654321 yyyyyyy
2195001,013,015,021,1073000 7654321 yyyyyyy
2525001,013,015,0235,125,1040000 7654321 yyyyyyy
Universitas Sumatera Utara
dimana
)7,...,1(,0 iyi
4.4.3. Mencari Solusi Optimal dengan Tabel Simpleks
Mencari solusi optimal untuk masalah primal yang langkah-langkah
penyelesaiannya sebagai berikut :
Tabel 4.1 Iterasi 0 (masalah primal)
Basis/C
280000 219500 252500 0 0 0 0 0 0 0
B
1x 2x 3x
4x 5x 6x 7x 8x 9x 10x
4x 0 66500 73000 40000 1 0 0 0 0 0 0 5000000
5x 0 10,5 10,1 10,25 0 1 0 0 0 0 0 330
6x 0 1,5 1 1,35 0 0 1 0 0 0 0 37
7x 0 2,75 2 2 0 0 0 1 0 0 0 70
8x 0 0,15 0,15 0,15 0 0 0 0 1 0 0 6
9x 0 0,13 0,13 0,13 0 0 0 0 0 1 0 4,5
10x 0 0,1 0,1 0,1 0 0 0 0 0 0 1 4
jj CZ -280000 -219500 -252500 0 0 0 0 0 0 0 0
Keterangan :
1. Pada baris 280000jj CZ paling minimum, maka 1x masuk dalam
basis.
2. 667,241.0
4,
13.0
5.4,
15.0
6,
75.2
70,
5.1
37,
5.10
330,
66500
5000000min (berarti 6x
keluar dari basis).
3. Baris pivot adalah baris 1x dikalikan 3
2.
4. Baris 4x yang baru : baris 4x - 28645 baris 1x
Universitas Sumatera Utara
5. Baris 5x yang baru : baris 5x - 10,5 baris 1x
6. Baris 7x yang baru : baris 7x - 2,75 baris 1x
7. Baris 8x yang baru : baris 8x - 0,15 baris 1x
8. Baris 9x yang baru : baris 9x - 0,13 baris 1x
9. Baris 10x yang baru : baris 10x
- 0,1 baris 1x
Tabel 4.2 Iterasi 1 (masalah primal)
Basis/C
280000 219500 252500 0 0 0 0 0 0 0
B
1x 2x 3x
4x 5x
6x 7x
8x
9x 10x
4x 0 0 28667 -19850 1 0 -44333 0 0 0 0 3359667
5x 0 0 3,1 0,8 0 1 -7 0 0 0 0 71
1x 280000 1 0,667 0,9 0 0 0,667 0 0 0 0 24,667
7x 0 0 0,1667 -0,475 0 0 -1,8333 1 0 0 0 2,1667
8x 0 0 0.05 0,015 0 0 -0,1 0 1 0 0 2,3
9x 0 0 0,0433 0,013 0 0 -0,0867 0 0 1 0 1,2933
10x 0 0 0,0333 0,01 0 0 -0,0667 0 0 0 1 1,5333
jj CZ 0 -32833 -500 0 0 186667 0 0 0 0
Keterangan :
1. Pada baris 32740jj CZ paling minimum, maka 2x masuk dalam
basis.
2. 25,13033.0
533,1,
043.0
3,1,
05.0
3,2,
166,0
2,2,
667,0
667,24,
1,3
2,77,
28645
3359645min (berarti
7x keluar dari basis).
3. Baris pivot adalah baris 2x dibagi 0,166.
4. Baris 4x yang baru : baris 4x - 28645baris 2x
5. Baris 5x yang baru : baris 5x - 3,1baris 2x
6. Baris 1x yang baru : baris 1x - 0,067baris 2x
Universitas Sumatera Utara
7. Baris 8x yang baru : baris 8x - 0,05 baris 2x
8. Baris 9x yang baru : baris 9x - 0,043 baris 2x
9. Baris 10x yang baru : baris 10x - 0,033baris 2x
Tabel 4.3 Iterasi 2 (masalah primal)
Basis/C
280000 219500 252500 0 0 0 0 0 0 0
B 1x 2x 3x 4x 5x 6x 7x 8x
9x
10x
4x 0 0 0 61850 1 0 271000 -172000 0 0 0 2987000
5x 0 0 0 9,635 0 1 27,1 -18,6 0 0 0 30,7
1x 280000 1 0 2,8 0 0 8 -4 0 0 0 16
2x 219500 0 1 -2,85 0 0 -11 6 0 0 0 13
8x 0 0 0 0,1575 0 0 0,45 -0,3 1 0 0 1,65
9x 0 0 0 0,1365 0 0 0,39 -0,26 0 1 0 0,73
10x 0 0 0 0,105 0 0 0,3 -0,2 0 0 1 1,1
jj CZ 0 0 -94075 0 0 -174500 197000 0 0 0
Keterangan :
1. Pada baris 94075jj CZ paling minimum, maka 6x masuk dalam
basis.
2. 1,13.0
1,1,
39.0
73,0,
45.0
65,1,
11
13,
8
16,
1,27
7,30,
271000
2987000min (berarti 5x keluar
dari basis).
3. Baris pivot adalah baris 6x dibagi 27,1
4. Baris 4x yang baru : baris 4x - 271000baris 6x
5. Baris 1x yang baru : baris 1x - 8baris 6x
Universitas Sumatera Utara
6. Baris 2x yang baru : baris 2x + 11baris 6x
7. Baris 8x yang baru : baris 8x - 0,45baris 6x
8. Baris 9x yang baru : baris 9x - 0,39baris 6x
9. Baris 10x yang baru : baris 10x - 0,3baris 6x
Tabel 4.4 Iterasi 3 (masalah primal)
Basis/C
280000 219500 252500 0 0 0 0 0 0 0
B
1x 2x 3x
4x
5x 6x 7x 8x
9x 10x
4x 0 0 0 -34500 1 -10000 0 14000 0 0 0 2680000
6x 0 0 0 0,3555 0 0,037 1 -0,6863 0 0 1,1328
1x 280000 1 0 -0,0443 0 -0,3 0 1,5 0 0 0 7
2x 219500 0 1 1,07 0 0,406 0 -1,55 0 0 0 25,46
8x 0 0 0 -0,0025 0 -0,0166 0 0,0089 1 0 0 1,1402
9x 0 0 0 -0,0022 0 -0,0144 0 0,0077 0 1 0 0,2882
10x 0 0 0 -0,0017 0 -0,0111 0 0.006 0 0 1 0,7601
jj CZ 0 0 -32034 0 6440 0 77232 0 0 0
Keterangan :
1. Pada baris 32034jj CZ paling minimum, maka 3x masuk dalam
basis.
2. 1,30017,0
7601,0,
0022,0
2882,0,
0025,0
1402,1,
07,1
46,25,
0443,0
7,
3555,0
1328,1,
34500
2680000min
(berarti 6x keluar dari basis).
3. Baris pivot adalah baris 3x dibagi 0,3555
4. Baris 4x yang baru : baris 4x + 34500baris 3x
Universitas Sumatera Utara
5. Baris 1x yang baru : baris 1x + 0,0443baris 3x
6. Baris 2x yang baru : baris 2x - 1,07baris 3x
7. Baris 8x yang baru : baris 8x + 0,0025baris 3x
8. Baris 9x yang baru : baris 9x + 0,0022baris 3x
9. Baris 10x yang baru : baris 10x + 0,0017baris 3x
Tabel 4.5 Iterasi 4 (masalah primal)
Basis/C
280000 219500 252500 0 0 0 0 0 0 0
B 1x 2x 3x 4x
5x 6x 7x 8x
9x
10x
4x 0 0 0 0 1 -6419 97037 -52600 0 0 0 2789927
3x 252500 0 0 1 0 0,1038 2,8127 -1,930 0 0 0 3,1863
1x 280000 1 0 0 0 -0,290 0,1245 1,405 0 0 0 7,0784
2x 219500 0 1 0 0 0,2958 -2,9839 0,4982 0 0 0 22,081
8x 0 0 0 0 0 -0,016 0,007 0,004 1 0 0 1,1482
9x 0 0 0 0 0 -0,014 0,0061 0,0035 0 1 0 0,2951
10x 0 0 0 0 0 -0,010 0,0047 0,0027 0 0 1 0,7654
jj CZ 0 0 0 0 9765 90101 15392 0 0 0 7.633.250
Karena baris , maka permasalahan telah optimal. Diperoleh
71x adonan (kelapa) @ 450 = 3150 buah roti
222x adonan (cokelat) @ 450 = 9900 buah roti
dan 33x adonan (melon) @ 450 = 1350 buah roti
dengan 250.633.7RpZ Keuntungan
Dengan bantuan menggunakan software QM Windows 2.0
Universitas Sumatera Utara
Iterasi 1
Iterasi 2
Iterasi 3
Iterasi 4
Universitas Sumatera Utara
Iterasi 5
Dan tabel optimalnya
Selanjutnya adalah dalam bentuk dual dari model di bawah ini :
Minimum : 76543210 45,467037330000.000.5 yyyyyyyy
Fungsi Kendala
000.2801.013,015,075,25,15,10500.66 7654321 yyyyyyy
500.2191,013,015,021,10000.73 7654321 yyyyyyy
500.2521,013,015,0235,125,10000.40 7654321 yyyyyyy
Dimana
)7,...,1(,0 iyi
Bertitik tolak dari pembahasan sebelumnya mengenai nilai dari sumber-
sumber model, sekarang dapat didefinisikan variabel-veriabel keputusan dual 1y ,
2y , 3y , 4y , 5y , 6y dan 7y untuk mewakili nilai marginal sumber-sumber
tersebut.
Universitas Sumatera Utara
1y = nilai marginal 1 adonan biaya produksi = Rp. 0
2y = nilai marginal 1kg tepung terigu = Rp. 9.765
3y = nilai marginal 1kg mentega = Rp. 90.101
4y = nilai marginal 1kg gula = Rp. 15.392
5y = nilai marginal 1kg garam = Rp. 0
6y = nilai marginal 1kg morifan = Rp. 0
7y = nilai marginal 1kg instan plus = Rp. 0
Universitas Sumatera Utara
TABEL 4.6 Optimal Dual
Basis/C 5000000 330 37 70 6 4.5 4 0 0 0 0 0 0
B
1y 2y 3y 4y 5y 6y 7y 8y 9y 10y
11y 12y 13y
4y 70 52600 0 0 1 -0,004 -0,0035 -0,0027 1,4 -1,4 0,5 -0,5 -1,9 1,9 15392
2y 330 6419 1 0 0 0,0163 0,0142 0,0109 -0,3 0,3 0,3 -0,3 0,1 -0,1 9764
3y 37 -97037 0 1 0 -0,007 -0,0061 -0,0047 0,12 -0,12 -3 3 2,8 -2,8 90101
jj CZ 2789927 0 0 0 1,15 0,3 0,7654 -7,0784 7,0784 -22 22 -3 3 7.633.250
Universitas Sumatera Utara
Mencari nilai optimal dual dengan bantuan software QM Windows 2.0
Iterasi 1
Iterasi 2
Iterasi 3
Iterasi 4
Universitas Sumatera Utara
Iterasi 5
Iterasi 6
Iterasi 7
Iterasi 8
Universitas Sumatera Utara
Iterasi 9
Tabel simpleks optimal dari permasalahan dual adalah :
Sekarang beralih pada batasan-batasan dual. Batasan dual yang pertama adalah :
1. Laba per adonan Kelapa
7654321 1.013,015,075,25,15,10500.66 yyyyyyy 000.280
)0(1.0)0(13,0)0(15,0)392.15(75,2)101.90(5,1)765.9(5,10)0(500.66
000.280
000423285,151.1355,532.1020
000.280
Rp. 000.280 000.280
2. Laba per adonan Cokelat
7564321 1,013,015,021,10000.73 yyyyyyy 500.219
)0(1,0)0(13,0)0(15,0)392.15(2101.90)765.9(1,10)0(000.73
500.219
Universitas Sumatera Utara
000784.30101.905,626.980 500.219
Rp. 500.219 500.219
3. Laba per adonan Melon
7564321 1,013,015,0235,125,10000.40 yyyyyyy 500.252
)0(1,0)0(13,0)0(15,0)392.15(2)101.90(35,1)765.9(25,10)0(000.40
500.252
000784.3035,636.12125,091.1000
500.252
Rp. 500.252 500.252
Sekarang tinggal fungsi tujuan dalam dual, dimana fungsi tujuan tersebut adalah
meminimumkan 76543210 45,467037330000.000.5 yyyyyyyy
000)392.15(70)101.90(37)765.9(33000y
250.633.70 Rpy
Universitas Sumatera Utara
4.4.4. Analisis Sensitivitas.
4.4.4.1. Menganalisis Perubahan pada Koefisien Fungsi Tujuan
Tabel terakhir untuk tabel 4.5 Optimal Primal
Basis/C
280000 219500 252500 0 0 0 0 0 0 0
B 1x 2x 3x
4x
5x 6x 7x 8x
9x
10x
4x 0 0 0 0 1 -6419 97037 -
52600
0 0 0 2789927
3x 252500 0 0 1 0 0,1038 2,8127 -1,930 0 0 0 3,1863
1x 280000 1 0 0 0 -0,290 0,1245 1,405 0 0 0 7,0784
2x 219500 0 1 0 0 0,2958 -2,9839 0,4982 0 0 0 22,081
8x 0 0 0 0 0 -0,016 0,007 0,004 1 0 0 1,1482
9x 0 0 0 0 0 -0,014 0,0061 0,0035 0 1 0 0,2951
10x 0 0 0 0 0 -0,010 0,0047 0,0027 0 0 1 0,7654
jj ZC 0 0 0 0 9765 90101 15392 0 0 0 7.633.250
Universitas Sumatera Utara
Dengan menginterpretasi solusi optimal, didapatkan nilai
71x adonan (kelapa) @ 450 = 3150 buah roti
222x adonan (cokelat) @ 450 = 9900 buah roti
dan 33x adonan (melon) @ 450 = 1350 buah roti
dengan 250.633.7.RpZ Keuntungan
Pertama, tentukan suatu perubahan pada batas fungsi tujuan ( 1C ). Hal
ini mengubah nilai 1C dari 1C =280000 menjadi 1C = 280000+ , seperti yang
ditunjukkan pada tabel 4.7. Perhatikan bahwa pada saat 1C diubah menjadi
280000+ , nilai yang baru tersebut dimasukkan baik pada baris jC teratas
maupun pada sisi kiri kolom jC . Hal ini dilakukan mengingat 1x adalah variabel
dasar. Karena 280000+ berada pada sisi kolom, ini berarti 280000+ menjadi
panggali pada saat nilai-nilai baris jZ yang baru dan basis jj ZC selanjutnya
dihitung.
Universitas Sumatera Utara
Tabel 4.7 Hasil Optimal dengan 1C = 280000+
Basis/C
280000+ 21950
0
252500 0 0 0 0 0 0 0
B 1x 2x 3x 4x
5x 6x 7x 8x
9x 10x
4x 0 0 0 0 1 -6419 97037 -52600 0 0 0 2789927
3x 252500 0 0 1 0 0,1038 2,8127 -1,930 0 0 0 3,1863
1x 280000+ 1 0 0 0 -0,290 0,1245 1,405 0 0 0 7,0784
2x 219500 0 1 0 0 0,2958 -2,9839 0,4982 0 0 0 22,081
8x 0 0 0 0 0 -0,016 0,007 0,004 1 0 0 1,1482
9x 0 0 0 0 0 -0,014 0,0061 0,0035 0 1 0 0,2951
10x
0 0 0 0 0 -0,010 0,0047 0,0027 0 0 1 0,7654
jj CZ 0 0 0 0 9765-0,29
90101+0,12
45
15392+1,405
0 0 0
Universitas Sumatera Utara
Jadi supaya solusi tetap optimal
9765-0,29 <0; 90101+0,1245 <0 dan 15392+1,405 <0
Nilai harus diselesaikan dengan menggunakan kedua pertidaksamaan di atas yaitu
9765-0,29 < 0; 90101+0,1245 < 0; 15392+1,405 < 0
< 33672 < -723703 < -10955
Jadi, <33672, < -723703 dan < -10955. Sekarang diambil kembali
persamaan 1C = 280000+ ; dengan demikiann 2800001C . Subsitusikan
jumlah 2800001C untuk dalam pertidaksamaan-pertidaksamaan tersebut,
< 33672; < -723703 < -10955
2800001C < 33672; 2800001C < -723703 2800001C <-10955
1C < 313672; 1C < -443703 1C < 269046
Dengan demikian, range nilai 1C yang tetap mempertahankan solusi optimal
meskipun nilai fungsi tujuan mungkin berubah.
313672269046 1C
Berikutnya, tentukan perubahan pada 2C sehingga 2C = 219500+ . Dampak
perubahan ini dalam tabel simpleks ditunjukkan pada tabel 4.8
Universitas Sumatera Utara
Tabel 4.8 Hasil Optimal dengan 2C = 219.500+
Basis/C
280000 219500+ 252500 0 0 0 0 0 0 0
B 1x 2x 3x 4x 5x 6x 7x 8x 9x 10x
4x 0 0 0 0 1 -6419 97037 -52600 0 0 0 2789927
3x 252500 0 0 1 0 0,1038 2,8127 -1,930 0 0 0 3,1863
1x 280000 1 0 0 0 -0,290 0,1245 1,405 0 0 0 7,0784
2x 219500+ 0 1 0 0 0,2958 -2,9839 0,4982 0 0 0 22,081
8x 0 0 0 0 0 -0,016 0,007 0,004 1 0 0 1,1482
9x 0 0 0 0 0 -0,014 0,0061 0,0035 0 1 0 0,2951
10x 0 0 0 0 0 -0,010 0,0047 0,0027 0 0 1 0,7654
jj CZ 0 0 0 0 9765+0
,2958
90101-
2,9839
15392
+0,498
2
0 0 0
Universitas Sumatera Utara
Dari tabel diperoleh pertidaksamaan sebagai berikut :
9765+0,2958 < 0; < -33012
90101-2,9839 < 0; < 30196
15392+0,4982 < 0; < -30895
Karena 2C = 219500+ , maka = 2C -219500. substitusikan nilai ini untuk
pada pertidaksamaan di atas menghasilkan :
< -33012 < 30196 <30895
2C -219500 < -33012 2C -219500 < 30196; 2C -219500 < -30895
2C < 186488 2C < 249696; 2C < 188605
Dengan demikian, range nilai 2C yang tetap mempertahankan solusi optimal
meskipun nilai fungsi tujuan mungkin berubah.
249696186488 2C
Selanjutnya, tentukan perubahan pada 3C sehingga 3C = 252.500+ . Dampak
perubahan ini dalam tabel simpleks ditunjukkan pada tabel 4.9
Universitas Sumatera Utara
Tabel 4.9 Hasil Optimal dengan 3C = 252.500+
Basis/C
280000 219500 252.500+ 0 0 0 0 0 0 0
B 1x 2x 3x
4x
5x 6x 7x 8x
9x
10x
4x 0 0 0 0 1 -6419 97037 -52600 0 0 0 2789927
3x 252.500+
0 0 1 0 0,1038 2,8127 -1,930 0 0 0 3,1863
1x 280000 1 0 0 0 -0,290 0,1245 1,405 0 0 0 7,0784
2x 219500 0 1 0 0 0,2958 -2,9839 0,4982 0 0 0 22,081
8x 0 0 0 0 0 -0,016 0,007 0,004 1 0 0 1,1482
9x 0 0 0 0 0 -0,014 0,0061 0,0035 0 1 0 0,2951
10x 0 0 0 0 0 -0,010 0,0047 0,0027 0 0 1 0,7654
jj CZ 0 0 0 0 9765+
0,1038
90101+2,8
127
15392-
1,930
0 0 0
Universitas Sumatera Utara
Dari tabel diperoleh pertidaksamaan sebagai berikut :
9765+0,1038 < 0; < -94075
90101+2,8127 < 0; < -32034
15392-1,930 < 0; < 7975
Karena 3C = 252.500+ , maka = 3C -252.500. substitusikan nilai ini untuk
pada pertidaksamaan di atas menghasilkan :
< -94075 < -32034 < 7975
3C -252.500 < -94075 3C -252.500 < -32034 3C -252.500 < 7975
3C < 188425 3C < 220466 3C <
260475
Dengan demikian, range nilai 3C yang tetap mempertahankan solusi optimal
meskipun nilai fungsi tujuan mungkin berubah.
313672269046 1C
249696186488 2C
260475188425 3C
Universitas Sumatera Utara
4.4.4.2. Menganalisis Perubahan Pada Nilai Kuantitas Batasan
Memaksimumkan :
321 500.252500.21900.280 xxxZ
Batasan-batasan :
000.000.5000.40000.73500.66 321 xxx
33025,101,105,10 321 xxx ,
3735,15,1 321 xxx
702275,2 321 xxx
615.015.015.0 321 xxx
5,413.013.013.0 321 xxx
41,01,01,0 321 xxx
0,0,0 321 xxx
Sebagai contoh misalkan terdapat suatu kenaikan sebesar D pada jumlah jam
tenaga kerja. Batasan-batasan model akan menjadi
1000.000.5000.40000.73500.66 321 xxx
033025,101,105,10 321 xxx ,
03735,15,1 321 xxx
0702275,2 321 xxx
0615.015.015.0 321 xxx
05,413.013.013.0 321 xxx
041,01,01,0 321 xxx
Universitas Sumatera Utara
4.10 Simpleks Awal Analisis Sensitivitas
Basis/C
280000 219500 252500 0 0 0 0 0 0 0
B
1x 2x 3x 4x 5x 6x 7x 8x 9x 10x
4x 0 66500 73000 40000 1 0 0 0 0 0 0 5000000+1
5x 0 10,5 10,1 10,25 0 1 0 0 0 0 0 330+0
6x 0 1,5 1 1,35 0 0 1 0 0 0 0 37+0
7x 0 2,75 2 2 0 0 0 1 0 0 0 70+0
8x 0 0,15 0,15 0,15 0 0 0 0 1 0 0 6+0
9x 0 0,13 0,13 0,13 0 0 0 0 0 1 0 4,5+0
10x 0 0,1 0,1 0,1 0 0 0 0 0 0 1 4+0
jj CZ -280000 -219500 -252500 0 0 0 0 0 0 0
Untuk mencari solusi optimal dari tabel di atas adalah dengan melakukan penyelesaian optimal seperti mencari solusi optimal pada masalah
dual, sehingga diperoleh tabel akhir solusi optimal pada tabel di bawah ini :
Universitas Sumatera Utara
4.11 Simpleks Akhir Optimal Analisis Sensitivitas
Basis/C
280000 219500 252500 0 0 0 0 0 0 0
B 1x 2x 3x 4x
5x 6x 7x 8x
9x
10x
4x 0 0 0 0 1 -6419 97037 -52600 0 0 0 2789927
3x 252500 0 0 1 0 0,1038 2,8127 -1,930 0 0 0 3,1863+0,1038
1x 280000 1 0 0 0 -0,290 0,1245 1,405 0 0 0 7,0784-0,290
2x 219500 0 1 0 0 0,2958 -2,9839 0,4982 0 0 0 22,081+0,2985
8x 0 0 0 0 0 -0,016 0,007 0,004 1 0 0 1,1482
9x 0 0 0 0 0 -0,014 0,0061 0,0035 0 1 0 0,2951
10x 0 0 0 0 0 -0,010 0,0047 0,0027 0 0 1 0,7654
jj CZ 0 0 0 0 9765 90101 15392 0 0 0 7.633.250+9765
Universitas Sumatera Utara
Maka diperoleh :
010308,01863,3
0290,00784,7
02985,0081,22
Diselesaikan untuk :
10308,01863,3 0
31
290,00784,7 0
24
2985,0081,22 0
74
Karena 13302q , maka 3302q . Nilai ini disubstitusikan ke dalam
pertidaksamaan-pertidaksamaan di atas sebagai berikut :
31 24 74
3302q 31 3302q 24 3302q 74
2q 299 2q 354 2q 256
Kesimpulan dari pertidaksamaan ini, menghasilkan
354299256 2q
Nilai sebesar 256 dapat dihilangkan mengingat 2q harus lebih besar dari 299, jadi
354299 2q
Selanjutnya unutk menentukan range 3q ( 373q ), akan menggunakan
nilai-nilai pada kolom 6x untuk membentuk pertidaksamaan seperti di bawah ini :
08127,21863,3
01245,00784,7
09839,2081,22
Universitas Sumatera Utara
Diselesaikan untuk :
8127,21863,3 0
1
1245,00784,7 0
57
9839,2081,22 0
7
Karena 373q , maka 373q . Nilai ini disubstitusikan ke dalam
pertidaksamaan-pertidaksamaan di atas sebagai berikut :
1 57 7
373q 31 373q 57 373q 7
3q 6 3q 20 3q 42
Maka pertidaksamaannya menjadi :
426 3q
Dan terakhir yaitu 704q , maka 704q , akan menggunakan nilai-nilai
pada kolom 7x untuk membentuk pertidaksamaan seperti di bawah ini :
0930,11863,3
0405,10784,7
04982,0081,22
Diselesaikan untuk :
903,11863,3 0
2
405,10784,7 0
5
4982,0081,22 0
44
Universitas Sumatera Utara
Karena 704q , maka 704q . Nilai ini disubstitusikan ke dalam
pertidaksamaan-pertidaksamaan di atas sebagai berikut :
2 5 44
704q 2 704q 5 704q 44
4q 72 4q 65 4q 26
Maka pertidaksamaannya menjadi :
726526 4q
Nilai sebesar 26 dapat dihilangkan mengingat 4q harus lebih besar dari 65, jadi
7265 4q
Dan range untuk secara keseluruhan diperoleh :
354299 2q
426 3q
7265 4q
Universitas Sumatera Utara
BAB 5
KESIMPULAN DAN SARAN
4.1. Kesimpulan
Berdasarkan hasil olahan diatas dapat diambil beberapa kesimpulan sebagai
berikut:
1. Bahan baku dan modal merupakan faktor yang mempengaruhi untuk
mendapatkan keuntungan yang optimum.
2. Dengan menggunakan Program Linier dengan metode dualitas dapat
membantu pabrik dalam menghasilkan jumlah produksi yang optimal
dengan keuntungan sebesar Rp. 7.633.250 yang dimana pabrik biasanya
menghasilkan keuntungan rata-rata sebesar Rp. 7.208.000. Dapat
dikatakan pabrik mengalami keuntungan sebesar 0,94 %.
3. Dari hasil analisis diperoleh jumlah produksi yang optimal bagi pabrik,
yaitu kelapa 7 adonan, cokelat 22 adonan dan melon 3 adonan.
4.2. Saran
1. Diharapkan pabrik dapat menerapkan sistem pengendalian jumlah produksi
yang optimal sehingga segala sumber daya dapat digunakan seoptimal
mungkin untuk mendapatkan laba yang lebih maksimal pula.
2. Pada tugas akhir ini, terdapat tujuh kendala yang dihadapi pabrik, yaitu modal
dan bahan baku, dimana dari bahan baku terdapat enam kendala yaitu
penggunaan tepung terigu, mentega, gula, garam, morifan dan instan plus.
Untuk penelitian selanjutnya dapat dikembangkan dengan menggunakan lebih
dari tujuh jenis kendala.
Universitas Sumatera Utara
DAFTAR PUSTAKA
Abbas, Bachtiar Saleh., Robert Tang Herman., Shinta. 2008. Analisis Produksi
Menggunakan Model Optimasi Liner Programming Pada PT MAST.
Jurnal Piranti Warta Vol. 11 No.3, Agustus 2008 : hal 469 – 482.
Abbas, Bachtiar Saleh., Suparto Darudiato., Fransisca. 2008. Sistem Informasi
Optimalisasi Produksi Untuk Memaksimalkan Laba. Jurnal Piranti Warta
Vol. 11 No.2, April 2008 : hal 310 – 332.
Agustin. Hendra. 2004. Riset Operasi (Konsep-konsep Dasar). Asdi Mahasatya.
Jakarta.
Aminuddin. 2005. Prinsip-prinsip Risest Operasi. Erlangga : Jakarta.
Merlyana., Bahtiar Saleh Abbas. 2008. Sistem Informasi Untuk Optimalisasi
Produksi Dan Maksimasi Keuntungan Menggunakan Metode Linier
Programming. Jurnal Piranti Warta Vol. 11 No.13, Agustus 2008 : hal
370 – 387..
Mulyono, S. 2007. Riset Operasi. Edisi Revisi. Fakultas Ekonomi Universitas
Indonesia. Jakarta.
Siagian, P. 1987. Penelitian Operasional. Jakarta : UI Press.
Sitorus, Parlin. 1997. Program Linier. Universitas Trisakti. Jakarta.
Subagyo, P, Asri M, Handoko H. T. 1983. Dasar-dasar Operation Research, Edisi
2.
Yogyakarta.
Taylo, W. Bernard III. 2001. Sains Manajemen. Edisi 2. Salemba Empat. Jakarta.
Zulfikarijah, Fien. 2004. Operation Research. Bayumedia Publishing. Malang.
Indonesia.
Universitas Sumatera Utara