MENENTUKAN JUMLAH PRODUKSI BATIK DENGAN MEMAKSIMALKAN KEUNTUNGAN MENGGUNAKAN METODE LINEAR PROGRAMMING PADA BATIK HANA

(1)

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

1 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 : [email protected]

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

(2)

2

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 dasar Z X1 X2…. Xn Xn +1 Xn+2… Xn +m NK 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)

3

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

Keterangan Daster Hem

Stok yang 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

(4)

4

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

(5)

5

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

(6)

6

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

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

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

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

(7)

7

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