MENENTUKAN JUMLAH PRODUKSI BATIK DENGAN MEMAKSIMALKAN

KEUNTUNGAN MENGGUNAKAN METODE LINEAR PROGRAMMING PADA

BATIK HANA

Indrayanti, S.T, M.Kom

1
Program Studi Manajemen Informatika,STMIK Widya Pratama
Jl. Patriot 25 Pekalongan 12345
Telp (0285)427816
email : indrayanti610@yahoo.com

ABSTRAK
Linear programming dapat digunakan untuk memakasimalkan keuntungan dengan pengalokasian sumber-
sumber yang terbatas. Pada batik hana akan melakukan pemaksimalan keuntungan dengan kendala yang
dihadapi adalah bahan baku kain, bahan baku malam, bahan baku obat, serta dalam memproses. Tujuan dari
semua perusahaan adalah pencapaian keuntungan yang maksimal dengan meminimumkan biaya produksi. agar
perusahaan tersebut dapat bersaing dalam dunia bisnis maka harus melakukan perencanaan dan tersedianya
produk untuk memnuhi pasar.Linear programming yang digunakan menggunakan metode simplek dengan
membandingkan 2 produk yaitu hem dan daster.
Kata Kunci: keterbatasan kendala, memaksimalkan keuntungan, linear programming

1. PENDAHULUAN
1.1 Latar Belakang
Salah satu tujuan dari perusahaan adalah mencari keuntungan atau laba yang semaksimal mungkin, untuk
dapat mencapai tujuan tersebut perusahaan harus dapat mengikuti perkembangan dunia perindustrian baik
dalam bidang teknologi informasi maupun dalam bidang manajemen(Rina Fianti, 2009). Pada saat ini hampir
semua perusahaan yang bergerak dibidang industri dihadapkan pada suatu masalah yaitu adanya tingkat
persaingan yang semakin kompetitif. Aspek strategis perusahaan agar dapat bersaing dalam dunia bisnis
adalah perencanaan dan tersedianya produk barang untuk memenuhi tuntutan pasar (rosnani Ginting,2007).
Permasalahan penentuan jumlah produksi dari beberapa produk disuatu perusahaan sering dihadapi oleh
manajer produksi. Penentuan jumlah produksi untuk memaksimalkan keuntungan perusahaan dengan melihat
keterbatasan sumberdaya perusahaan (kusrini, 2006).

Optimasi digunakan untuk proses pencarian solusi terbaik, tidak selalu keuntungan paling tinggi yang bisa
dicapai jika tujuan pengoptimalan adalah memaksimumkan keuntungan, atau tidak selalu biaya paling kecil
yang bisa ditekan jika tujuan pengoptimalan adalah meminimumkan biaya produksi. (Gunawan, Yudhi
Christian, Mahono Arya Tandy Hermawan,2009), Penggunaan model linear programming untuk
menyelesaikan masalah optimasi perusahaan yang cukup kompleks, jika perhitungan dilakukan secara
manual, tentu akan dirasa sulit dan memakan waktu yang lama. Linear programming merupakan suatu
model umum yang dapat digunakan dalam pemecahan masalah pengalokasian sumber-sumber yang terbatas
secara optimal (Pangestu Subagyo,1984). metode linear programming digunakan untuk menentukan jumlah
produksi batik, dengan variabel yang digunakan adalah : bahan baku kain, bahan baku malam, bahan baku
obat, proses pengerjaan 1 dan proses pengerjaan 2.

1.2 Rumusan Masalah

bagaimana memaksimalkan keuntungan dengan kendala : bahan baku kain, malam, obat dan lama proses
pengerjaan 1, lama proses pengerjaan 2 dengan menggunakan linear programming

1.3 Landasan Teori

Linear programming merupakan suatu model umum yang dapat digunakan dalam pemecahan masalah
pengalokasian sumber daya yang terbatas secara optimal
Linear programming merupakan masalah pemrograman yang harus memenuhi tiga kondisi berikut:
1. Variabel-variabel keputusan yang terlibat harus positif
2. Kriteria-kriteria untuk memilih nilai terbaik dari variabel keputusan dapat diekspresikan sebagai fungsi
linier. Fungsi kriteria ini bisa disebut fungsi objektif

[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012] 1

 3. Aturan-aturan operasi yang mengarahkan proses-proses dapat diekspresikan sebagai suatu set persamaan
atau pertidaksamaan linier. Set tersebut dinamakan fungsi pembatas.
Pembuatan model
Untuk menyelesaikan suatu maslah dapat digunakan model linear Programming adapun langkah-langkah
pemodelannya adalah sebagai berikut:
1. Menentukan variable-variabel dari persoalan misalnya x1, x2 dan seterusnya.
2. Menentukan batasan-batasn yang harus dikenakan untuk memenuhi batasan system yang dimodelkan.
A X { atau = atau } B , X 0, i = 1,2,3, , m
Keterangan:
m = macam batasan sumber atau fasilitas yang tersedia
n = macam kegiatan yang menggunakan sumber atau fasilitas yang tersedia
j = nomor setiap macam kegiatan yang menggunakan sumber atau fasilitas yang tersedia
Xi = kegiatan ke j (variable keputusan)
Aij = Banyaknya sumber I yang diperlukan untuk menghasilkan setiap unit keluaran kegitan j

3. Menentukan tujuan (maksimasi atau minimasi) yang harus dicapai untuk menentukan pemecahan
optimum dari semua nilai yang layak dari variable tersebut.
= + + +
Keterangan :

Z = nilai yang dioptimalkan

Cn = sumbangan setiap satuan keluaran kegiatan n terhadap nilai Z

Xn = Kegiatan ke n (variable keputusan)

Metode simpleks mempunyai prosedur yang bersifat iterasi dan bergerak selangkah demi selangkah. Ada
beberapa keuntungan yang harus diperhatikan dalam menyelesaikan persoalan optimasi menggunakan
metode simpleks yaitu:

1. Nilai kanan (NK) / Right hand slide (RHS) fungsi tujuan harus nol(0).
2. Nilai kanan (NK)/ Right Hand Slides (RHS) fungsi kendala harus positif apabila negative, nilai tersebut
harus dikalikan -1.
3. Fungsi kendala dengan harus diubah ke bentuk = dengan menambahkan variable slack (surplus).
Variable slack (surplus) disebut juga variable dasar.
4. Fungsi kendala dengan tanda = harus ditambah artificial variable (M).
5. Fungsi kendala dengan tanda diubah ke bentuk dengan cara mengalikan dengan -1, lalu diubah
ke bentuk persamaan dengan ditambahkan variable slack. Kemudian karena Nilai Kanan (NK) / Right
Hand Slides (RHS) negative, dikalikan lagi dengan -1 dan ditambahkan artificial variable (M).

Langkah-langkah metode simpleks tabel :

1. Mengubah fungsi tujuan dan batasan-batasan
Fungsi tujuan diubah menjadi fungsi implisit , artinya semua CjXij kita geser ke kiri.
2. Menyusun persamaan-persamaan di dalam tabel
Setelah formulasi diubah kemudian disusun ke dalam tabel, dalam bentuk simbol seperti tampak
pada table.
Tabel 1. Simplex
Variable Z X1 X2. Xn Xn +1 Xn+2 Xn +m NK
dasar
Z 1 -C1 -C2. -Cn 0 0..0 0
Xn +1 0 a11 a12.. a1n 1 0..0 b1
Xn+2 0 a21 a22.. a2n 0 1.0 b2
Xn+m 0 am1 am2.. amn 0 0..1 bm
3. Memilih kolom kunci

2 [Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]

 Kolom kunci merupakan dasar untuk mengubah tabel. Pilih kolom yang mempunyai nilai pada garis
fungsi tujuan yang bernilai negatif dengan angka terbesar.
4. Memilih baris kunci
Baris kunci merupakan dasar untuk mengubah tabel. Untuk itu terlebih dahulu carilah indeks tiap-tiap baris
dengan cara membagi nilai-nilai pada kolom NK dengan nilai yang sebaris pada kolom kunci.
indeks=
pilih baris yang mempunyai indek positif dengan angka terkecil
5. Mengubah nilai-nilai baris kunci
Nilai baris kunci diubah dengan cara membaginya dengan angka kunci.
6. Mengubah nilai-nilai selain pada baris kunci
Nilai-nilai baris yang lain, selain pada baris kunci dapat diubah dengan rumus sebagai berikut:
Baris baru= baris lama (koefisien pada kolom kunci ) x nilai baru baris kunci
7. Melanjutkan perbaikan-perbaikan atau perubahan-perubahan
Ulangi langkah-langkah perbaikan mulai langkah 3 sampai langkah ke 6 untuk memperbaiki tabel-tabel
yang telah diubah / diperbaiki nilainya. Perubahan baru berhenti setelah pada baris pertama (fungsi
tujuan) tidak ada yang bernilai negatif

2. HASIL DAN PEMBAHASAN

2.1 Perhitungan Linear Programming
Batik Hana akan memproduksi 2 jenis dengan 5 kendala: Bahan baku berupa kain, bahan baku malam, bahan
baku obat dan proses 1 serta proses 2 dapat dilihat pada table seperti berikut:
Tabel 2. Produksi Batik
Stok yang
Keterangan Daster Hem dimiliki

bahan baku kain 10 8 1200

bahan baku malam 6 10 900

bahan baku obat 12 9 1250

Lama proses 1
(pembatikan) 4 3 420

Lama proses 2 (setelah

pembatikan) 2 4 504

keuntungan 5000 6000

Dari table diatas digunakan linier programming variabel-variabel dalam model tersebut adalah sebagai berikut:
1. Variabel keputusan
Masalah ini berisi dua variable keputusan yang menunjukkan jumlah produk daster dan produk hem
X1 = jumlah produk daster yang diproduksi
X2= jumlah produk hem yang diproduksi
2. Fungsi Tujuan
Tujuan dari perusahaan adalah memaksimalkan keuntungan.
Maksimum Z= 5000 X1 + 6000 X2
Dengan
Z= total laba
5.000 X1 = laba untuk produk daster
6.000 X2 = laba untuk produk hem
3. Batasan model
Dalam masalah ini sumber daya yang digunakan dalam produksi yaitu, bahan baku kain, bahan baku
malam, bahan baku obat, lama pengerjaan untuk tahap 1 (persiapan pembatikan) lama pengerjaan untuk
tahap 2 (proses pembatikan).
a. Batasan bahan baku kain
Untuk produk daster diperlukan kain sebesar 10 yard
Untuk produk hem diperlukan kain sebesar 8 yard
Akan tetapi jumlah yang tersedia kain sebesar 1200 yard
[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012] 3
 Batasan untuk kain menjadi
10 x1 +8 x2 1200
b. Batasan bahan baku malam
Untuk produk daster diperlukan malam sebesar 6 kg

Untuk produk hem diperlukan malam sebesar 10 kg

Akan tetapi jumlah yang tersedia malam sebesar 900 kg

Batasan untuk malam menjadi

6 x1 +10 x2 900

c. Batasan bahan baku obat

Untuk produk daster diperlukan obat sebesar 12 gr

Untuk produk hem diperlukan obatsebesar 9 gr

Akan tetapi jumlah yang tersedia obat sebesar 1250 gr

Batasan untuk malam menjadi

12 x1 +9x2 1250

d. Batasan lama pengerjaan untuk tahap 1 (persiapan pembatikan)

Untuk produk daster diperlukan lama proses sebesar 4 jam

Untuk produk hem diperlukan lama sebesar 3 jam

Akan tetapi jumlah jumlah jam yang tersedia sebesar 420 jam

Batasan untuk malam menjadi

4 x1 +3x2 420

e. Batasan lama pengerjaan untuk tahap 2 (proses pembatikan)

Untuk produk daster diperlukan lama proses sebesar 2 jam

Untuk produk hem diperlukan lama proses sebesar 4 jam

Akan tetapi jumlah jumlah jam yang tersedia sebesar 504 jam

Batasan untuk malam menjadi

2 x1 +4x2 504

4. Pemecahan Model
Dari persamaan-persamaan diatas dapat dibuat seperti table berikut ini
Tabel 3. Pemecah model
variabel z x1 x2 s1 s2 s3 s4 s5 nilai

Z 1 -5000 -6000 0 0 0 0 0 0

s1 0 10 8 1 0 0 0 0 1200

s2 0 6 10 0 1 0 0 0 900

s3 0 12 9 0 0 1 0 0 1250

s4 0 4 3 0 0 0 1 420

4 [Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]

 s5 0 2 4 0 0 0 0 1 504

a. Memilih kolom kunci

Kolom kunci merupakan dasar untuk mengubah tabel diatas. Kolom yang dipilih adalah kolom pada
baris fungsi tujuan yang bernilai negatif dengan angka terbesar. Jika tidak ada nilai negatif pada baris
fungsi tujuan, maka solusi optimal sudah diperoleh:
Tabel 4. Memilih kolom kunci
variabel z x1 x2 s1 s2 s3 s4 s5 nilai

Z 1 -5000 -6000 0 0 0 0 0 0

s1 0 10 8 1 0 0 0 0 1200

s2 0 6 10 0 1 0 0 0 900

s3 0 12 9 0 0 1 0 0 1250

s4 0 4 3 0 0 0 1 0 420

s5 0 2 4 0 0 0 0 1 504

b. Perhitungan indeks
Indeks diperoleh dari nilai kolom nilai kanan dibagi dengan nilai kolom kunci.

Tabel 5. Perhitungan indeks

variabel z x1 x2 s1 s2 s3 s4 s5 nilai indeks

Z 1 -5000 -6000 0 0 0 0 0 0 0

s1 0 10 8 1 0 0 0 0 1200 150

s2 0 6 10 0 1 0 0 0 900 90

s3 0 12 9 0 0 1 0 0 1250 138.8889

s4 0 4 3 0 0 0 1 0 420 140

s5 0 2 4 0 0 0 0 1 504 126

c. Memilih baris kunci

Baris kunci yang dipilih adalah baris yang memiliki indeks positif dengan angka terkecil. Hasil
pemilihan baris kunci ditunjukkan oleh table 7.

Tabel 6. Memilih baris kunci

variabel Z x1 x2 s1 s2 s3 s4 s5 nilai indeks

Z 1 -5000 -6000 0 0 0 0 0 0 0

s1 0 10 8 1 0 0 0 0 1200 150

s2 0 6 10 0 1 0 0 0 900 90

s3 0 12 9 0 0 1 0 0 1250 138.8889

s4 0 4 3 0 0 0 1 420 140

[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012] 5

 s5 0 2 4 0 0 0 0 1 504 126

Dari pemilihan kolom kunci dari baris kunci diperoleh nilai kunci. Nilai kunci adalah perpotongan dari
kolom kunci dan baris kunci, yaitu
1) Mengubah nilai-nilai
Untuk baris kunci, nilai baru diperoleh dengan rumus berikut:
Nilai baru = nilai lama / nilai kunci
Dengan demikian menjadi:

Tabel 7. Mengubah nilai-nilai

x1 x2 s1 s2 s3 s4 s5 Nilai

0.6 1 0 0.1 0 0 0 90

Sedangkan untuk baris yang bukan baris kunci, nilai baru diperoleh dengan rumus:
Nilai baru = nilai lama- (koefisien pada kolom kunci x nilai baru baris kunci)

Tabel 8. Nilai baru untuk z

-5000 -6000 0 0 0 0 0 0

-6000 0.6 1 0 0.1 0 0 0 90

-1400 0 0 600 0 0 0 540000

Tabel 9. Nilai baru untuk s1

10 8 1 0 0 0 0 1200

8 0.6 1 0 0.1 0 0 0 90

5.2 0 1 -0.8 0 0 0 480

Tabel 10. Nilai baru untuk s3

12 9 0 0 1 0 0 1250

9 0.6 1 0 0.1 0 0 0 90

6.6 0 0 -0.9 1 0 0 440

Tabel 11. Nilai baru untuk s4

4 3 0 0 0 1 420

3 0.6 1 0 0.1 0 0 0 90

2.2 0 0 -0.3 0 1 0 150

Tabel 12. Nilai baru untuk s5

2 4 0 0 0 0 1 504

4 0.6 1 0 0.1 0 0 0 90

-0.4 0 0 -0.4 0 0 1 144

Secara lengkap, table baru bisa dilihat dalam

6 [Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]

 Tabel 13. Tabel baru
variabel z x1 x2 s1 s2 s3 s4 s5 nilai

Z 1 -1400 0 0 600 0 0 0 540000

s1 0 5.2 0 1 -0.8 0 0 0 480

x2 0 0.6 1 0 0.1 0 0 0 90

s3 0 6.6 0 0 -0.9 1 0 0 440

s4 0 2.2 0 0 -0.3 0 1 0 150

s5 0 -0.4 0 0 -0.4 0 0 1 144

2) Melanjutkan perubahan
Ulangi langkah dari awal pemilihan kolom kunci. Perubahan berhenti jika fungsi tujuan tidak ada yang
berinilai negatif.

Dari perihutungan diatas dapat disimpulkan bahwa

Tabel 14. Hasil Perhitungan
x1 = 50

x2 = 66.667

Z = 633,333.33

3. Kesimpulan
Linier programming dapat memberikan rekomendasi dalam menentukan jumlah produksi batik agar
memaksimalkan keuntungan, dan dapat bermanfaat dalam merekomendasikan jumlah yang akan diproduksi,
dengan melihat sumber daya yang dimiliki seperti bahan baku dan tenaga kerja.
akan tetapi pemilik batik hana menginkan lebih terkomputerisasi maka akan mempermudah dalam
menentukan keputusan.

4. Daftar Pustaka
Gunawan, Yudhi Christian, Mahono Arya Tandy Hermawan, 2009."Decision Support System Tool untuk
penyelesaian Permasalahan Linier Berbasis Simplex dan Revised Simplex," in Seminar Nasional
Teknologi Informatika, Yogyakarta,
Kusrini, 2006."Aplikasi untuk Menyelesaikan Program Linier dengan Menggunakan Metode Simplek," in
Seminar Nasional Teknologi Informasi, Yogyakarta,.
Pangestu Subagyo, Marwan Asri, and T.Hani Handoko, 1984. Dasar-Dasar Operations Research. BPFE,
Yogyakarta:
Rina Fiati, 2009."Sistem Pendukung Keputusan Peramalan Penjualan Barang," Universitas Gajah Mada,
Yogyakarta, Master Theses
Rosnani Ginting, 2007,Sistem Produksi. Graha Ilmu,.Yogyakarta

[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012] 7