Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 16 ISSN (Printed) : 2579-7271

Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau ISSN (Online) : 2579-5406
Pekanbaru, 23 Oktober 2024

Optimasi Keuntungan Produk Aluminium Menggunakan

Metode Two Phase Simplex dan Sensitivity Analysis
Vera Devani*1, Frity Zinta2, Ikhwan Hadi3
1,2,3 Teknik
Industri, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau
Jl. HR. Soebrantas No. 155 Simpang Baru, Panam, Pekanbaru, 28293
Email: 1veradevani@[Link], 212250222441@[Link], [Link]@[Link]

Abstrak
Usaha Mikro Kecil dan Menengah (UMKM) ini memproduksi produk berupa dandang berbahan
aluminium, termasuk dandang bakso, dandang nasi, dandang mie ayam, dandang bandrek, panggangan,
gembor, kubah masjid, dan produk lainnya. Penelitian ini menggunakan metode Linier Programming, Two
Phase Simplex dan Sensitivity Analysis untuk mengelola sumber daya dalam proses produksi. Tujuannya
adalah untuk menentukan sumber daya yang ada dan nilai sensitivitas atas solusi maksimal yang didapat.
Hasil penelitian menunjukkan bahwa keuntungan optimal UMKM ini per bulan adalah Rp 16.825.030
dengan memproduksi produk dandang mie ayam sebanyak 2,86 unit, kubah masjid sebanyak 36,79 unit
dan target produksi sebanyak 151,19 ≈ 152 unit. Sumber daya yang dibutuhkan meliputi 150,02 ≈ 151
lembar aluminium dan waktu produksi dengan waktu pengukuran 2.236 menit, pemotongan 4.437,66 ≈
4.438 menit, pengeboran 1.112,28 ≈1.113 menit, dan rolling 2.589,5 ≈ 2.590 menit. Analisis Sensitivitas
(Sensitivity Analysis) dilakukan pada perubahan kolom variabel nonbasis produk panggangan dengan
keuntungan Rp 31.965, sementara analisis lainnya tidak diperlukan karena sudah optimal.

Kata kunci: Linier Programming, Sensitivity Analysis, Two Phase Simplex.

Abstract
This MSME (Micro, Small and Medium Enterprises) produces products in the form of aluminum
cormorant, including meatball cormorant, rice cormorant, chicken noodle cormorant, bandrek cormorant,
grills, gembor, mosque domes, and other products. This research uses Linear Programming, Two Phase
Simplex and Sensitivity Analysis methods to manage resources in the production process. The aim is to
determine existing resources and the sensitivity value of the maximum solution obtained. The research
results show that the optimal profit per month for this MSME is IDR 16,825,030 by producing 2.86 units of
chicken noodle steamer products, 36.79 units of domes and a production target of 151,19 ≈ 152 units. The
resourcses required include 150,02 ≈ 151 aluminum sheets and production time with measuring time of
2,236 minutes, cutting 4.437,66 ≈ 4.438 minutes, drilling 1.112,28 ≈ 1.113 minutes, and rolling 2.589,5 ≈
2.590 minutes. Sensitivity Analysis was conducted on the changes in the non-base variable column of the
baked goods product, resulting in a profit of Rp 31,965, while no other analysis was necessary as it was
already optimal.

Keywords: Linier Programming, Sensitivity Analysis, Two Phase Simplex.

1. Pendahuluan
Usaha Mikro Kecil dan Menengah (UMKM) adalah kegiatan ekonomi rakyat dengan
skala kecil yang mencukupi kriteria kekayaan yang bersih atau penjualan tahunan serta
kepemilikan sesuai dengan peraturan undang-undang [1]. UMKM mengacu pada kegiatan
usaha yang dibentuk oleh masyarakat, baik berupa usaha perorangan atau badan usaha.
Penelitian yang dilakukan bertujuan untuk mengidentifikasi keuntungan terbesar dalam
proses produksi lemon cina dan daun jeruk purut. Pada penyelesaian masalah tersebut
diterapkan Metode Simpleks untuk proses penganalisaan penurunan biaya produksi dalam
jangka waktu 5 bulan dengan 2 variabel dan 3 pembatas. Keuntungan harian dapat diperoleh
sebesar Rp 41.000, jadi total keuntungan dalam jangka waktu 5 bulan adalah Rp 6.150.000 [2].
Penelitian yang dilakukan bertujuan untuk mengembangkan model matematis guna
mengoptimalkan produksi makaroni Iko, menggunakan Linear Programming untuk
memaksimalkan keuntungan, serta menganalisis sensitivitas hasil optimalisasi produksi dengan
bantuan POM-QM yang terdapat 6 variabel dan 7 pembatas didalamnya. Dari hasil analisis
Metode Simpleks jumlah produksi optimal meningkat menjadi 3.149 buah makaroni, didapatkan
keuntungan sebanyak Rp 10.571.300. Hasil riset menunjukkan adanya variabel pengetat
(slack/surplus) yang tidak nol, menunjukkan bahwa bahan baku yang tersedia tidak mencukupi
untuk memproduksi semua varian rasa makaroni. Untuk mengatasi hal ini, disarankan untuk
meningkatkan jumlah produksi makaroni pada produksi berikutnya [3].
Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 16 ISSN (Printed) : 2579-7271
Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau ISSN (Online) : 2579-5406
Pekanbaru, 23 Oktober 2024

Penelitian yang dilakukan dengan tujuan untuk membantu industri konfeksi t-shirt
mengoptimalkan produksi guna memperoleh keuntungan maksimal dengan biaya minimal
tanpa mengorbankan kualitas, menggunakan Linier Programming. Dengan 2 variabel dan 5
pembatas, didapatkan hasil produksi optimal yaitu 44 pcs t-shirt desain A dan 33 pcs t-shirt
desain B, menghasilkan keuntungan Rp 6.055.556. Penelitian ini masih dapat dikembangkan
lebih lanjut, disarankan untuk menggunakan aplikasi lain sebagai perbandingan dan melakukan
analisis optimasi keuntungan dengan peningkatan produksi serta penambahan pembatas [4].
Penelitian yang dilakukan bertujuan untuk membantu UMKM Risoles Bu Siti
menghitung keuntungan maksimum dengan efektif dan efisien. Pada penelitian yang dilakukan,
terdapat 2 variabel dan 6 pembatas, keuntungan maksimum yang diperoleh dalam satu hari
adalah Rp 140.625, dengan memproduksi 31,25 buah risoles mayo daging asap sapi (x1) dan
18,75 buah risoles mayo daging ayam (x2) menggunakan Metode Simpleks dengan perhitungan
POM-QM [5].
Penelitian yang dilakukan dengan tujuan untuk mengidentifikasi keuntungan maksimal
Martabak Wong Tegal (WB) dalam proses produksi dua macam krep lipat tebal dengan
menerapkan Metode Simpleks dan bantuan software POM-QM. Dengan 2 variabel dan 3
pembatas, diperoleh keuntungan maksimal per hari mencapai Rp 750.000 per produksinya [6].
Penelitian yang sekarang dilakukan berfokus pada sebuah UMKM yang memproduksi
berbagai jenis dandang berbahan aluminium, seperti dandang bakso, dandang nasi, dandang
mie ayam, dandang bandrek, panggangan, gembor, kubah masjid, dan produk lainnya dengan
beberapa waktu proses berupa waktu pengukuran, waktu pemotongan, waktu pengeboran,
waktu rolling dan finishing serta kebutuhan aluminium dan target produksinya. Pada penelitian
ini terdapat 7 variabel dan 7 pembatas, UMKM ini menghadapi masalah permintaan rendah
untuk beberapa produk aluminium. Maka, penting bagi UMKM untuk mengidentifikasi produk
yang bisa memaksimalkan keuntungan serta mengoptimalkan penggunaan sumber daya dan
strategi produksinya. Untuk mencapai hal ini, UMKM dapat menerapkan Metode Linear
Programming dengan pendekatan Two Phase Simplex dan Sensitivity Analysis guna
memaksimalkan keuntungan bulanan.
Linier Programming adalah metode analisis perencanaan dan teknik riset operasi yang
menggunakan model matematika. Metode ini bertujuan menemukan berbagai alternatif solusi
masalah dan memilih yang terbaik untuk merancang strategi alokasi sumber daya dan dana
terbatas agar tujuan tercapai secara optimal [7]. Riset Operasi membantu pengambil keputusan
menyelesaikan masalah operasional perusahaan secara optimal dan kuantitatif, termasuk
menentukan jumlah produksi optimum dan keuntungan maksimum melalui aplikasi Linear
Programming. Adapun bentuk umum Linier Programming adalah [9]:
Maksimumkan:
𝑧 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 (1)
Berdasarkan Pembatas:
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 ≤ 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 ≤ 𝑏2
.
.
.
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 ≤ 𝑏𝑚
𝑥1 , 𝑥2 , … , 𝑥𝑛 ≥0 (2)
Umumnya terdapat istilah untuk model Linier Programming ini, yaitu:
a. Fungsi yang akan dimaksimumkan berbentuk 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 , dikenal dengan
fungsi tujuan.
b. Pembatas atau batasan.
c. Sebanyak m buah pada batasan pertama disebut sebagai batasan fungsional atau
pembatas teknologis.
d. Pembatas xj ≥ 0 dikenal dengan batasan nonnegatif.
e. Variabel xj yaitu variabel keputusan.
f. Batasan-batasan pada aij, bi dan cj merupakan variabel-variabel model.
Metode Simpleks adalah teknik yang digunakan untuk mencari solusi penyelesaian
permasalahan Linier Programming, metode ini biasanya terdiri dari dua atau lebih variabel
keputusan [10]. Pendekatan ini mencari kombinasi optimal dengan cara perulangan iterasi
untuk tabel simpleks hingga menemukan nilai optimal pada permasalahan optimasi, seperti
Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 16 ISSN (Printed) : 2579-7271
Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau ISSN (Online) : 2579-5406
Pekanbaru, 23 Oktober 2024

memaksimumkan keuntungan atau meminimumkan biaya. Metode ini bergantung pada

perhitungan yang terstruktur untuk menemukan solusi yang optimal dalam konteks yang
diberikan.
Metode Two Phase Simplex (Metode Simpleks Dua Fase) adalah pendekatan yang
digunakan dalam menyelesaikan model Linier Programming yang mengandung batasan tanda
≥. Ini merupakan alternatif bagi Metode Big M disaat penyelesaian awal yang layak tidak
tersedia. Tahapan-tahapan dari Metode Two Phase Simplex adalah [11]:
1. Phase 1
a. Merubah model Linier Programming menjadi bentuk standar
b. Membentuk tabel dasar untuk Metode Simpleks
c. Memilih entering variabel nilai terbesar positif dalam baris fungsi tujuan
d. Memilih leaving variabel nilai terkecil positif dari nilai rasio.
e. Mengkalkulasikan koefisien variabel pada baris baru dengan menerapkan metode
eliminasi Gauss-Jordan
f. Membentuk tabel hasil
g. Solusi dikategorikan fisibel jika nilai fungsi tujuan phase 1 berupa nilai nol dan
meneruskan perjalanan phase 2 dengan mengesampingkan variabel artificial.
2. Phase 2 meliputi serangkaian iterasi untuk menemukan nilai optimal dari fungsi tujuan awal.
Pemilihan variabel yang masuk dalam kategori maksimasi dilakukan dengan memilih
koefisien pada baris fungsi tujuan paling negatif. Fungsi tujuan awal, Z tetap digunakan
dalam phase 2, dan jika tidak ada koefisien negatif pada Z dalam kasus maksimasi, solusi
dianggap optimal.
Analisis sensitivitas bertujuan untuk mengevaluasi bagaimana perubahan parameter
produksi dapat mempengaruhi kinerja sistem produksi dan keuntungannya. Hal ini sering
digunakan untuk menguji konsistensi dan ketahanan suatu pilihan.
2. Metode Penelitian
Penelitian ini memerlukan data mengenai produk yang diproduksi, waktu proses tiap
tahapan produksi, ketersediaan bahan baku utama serta target dari produksi dalam jangka
waktu sebulan. Tahapan pengolahan data dipenelitian ini yaitu:
1. Menetapkan variabel:
x1 = dandang bakso
x2 = dandang nasi
x3 = dandang mie ayam
x4 = dandang bandrek
x5 = panggangan
x6 = kubah mesjid
2. Menetapkan fungsi tujuan metode teknik dua fase
Ft Maksimasi :
𝑧 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + 𝑐3 𝑥3 + 𝑐4 𝑥4 + 𝑐5 𝑥5 + 𝑐6 𝑥6
3. Menetapkan fungsi pembatas
Pembatasnya yakni waktu pengukuran, waktu pemotongan, waktu pengeboran, waktu
rolling, ketersediaan aluminium dan target prodksi
4. Menetapkan model matematis phase 1 untuk fungsi dari tujuan minimasi
5. Menetapkan model matematis phase 2 untuk fungsi dari tujuan maksimasi
6. Menetapkan penyelesaian optimal Linier Programming Teknik Dua Fase (Two Phase
Simplex) dengan software POM-QM Version 5
7. Tahapan Analisis Sensitivas (Sensitivity Analysis)
a. Melakukan analisa perubahan koefisien fungsi tujuan pada variabel nonbasis
b. Melakukan analisa perubahan koefisien fungsi tujuan pada variabel basis
c. Melakukan analisa perubahan pada ruas kanan pembatas
d. Melakukan analisa perubahan kolom variabel nonbasis
e. Melakukan analisa penambahan suatu variabel atau aktivitas baru yaitu menambah
produk gembor
f. Melakukan analisa penambahan suatu pembatas baru yaitu berupa proses finishing
3. Hasil dan Analisa
Adapun model matematis dari produk aluminium adalah:
Ft Maksimasi:
Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 16 ISSN (Printed) : 2579-7271
Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau ISSN (Online) : 2579-5406
Pekanbaru, 23 Oktober 2024

z = 85.000x1 + 92.000x2 + 95.000x3 +90.000x4 +25.000x5 + 450.000x6

Pembatas:
10x1 + 10x2 + 10x3 + 10x4 + 5x5 + 60x6 ≤ 14.040
8x1 + 8x2 + 8x3 + 8x4 + 5x5 + 120x6 ≤ 14.040
6x1 + 7x2 + 3x3 + 3x4 + 2x5 + 30x6 ≤ 14.040
5x1 + 5x2 + 5x3 + 5x4 + 70x6 ≤ 14.040
1
x1 + x2 + x3 + x4 + x5 + 4x6 = 150
2
40x1 + 40x2 + 40x3 + 10x4 + 20x5 + x6 = 151
x1, x2, x3, x4, x5, x6 ≥0
Bentuk Kanonik:
z = 85.000x1 + 92.000x2 + 95.000x3 +90.000x4 +25.000x5 + 450.000x6 + 0S1 + 0S2 +
0S3 + 0S4 - MR5 - MR6
Pembatas:
10x1 + 10x2 + 10x3 + 10x4 + 5x5 + 60x6 + S1 = 14.040
8x1 + 8x2 + 8x3 + 8x4 + 5x5 + 120x6 + S2 = 14.040
6x1 + 7x2 + 3x3 + 3x4 + 2x5 + 30x6 + S3 = 14.040
5x1 + 5x2 + 5x3 + 5x4 + 70x6 + S4 = 14.040
1
x1 + x2 + x3 + x4 + x5 + 4x6 + R5 = 150
2
40x1 + 40x2 + 40x3 + 10x4 + 20x5 + x6 + R6 = 151
x1, x2, x3, x4, x5, x6, S1, S2, S3, S4, R5, R6 ≥0
Pada persamaan tersebut diperoleh:
1
R5 = 150 - x1 – x2 – x3 – x4 – x5 – 4x6
2
R6 = 151 – 40x1 – 40x2 – 40x3 – 10x4 – 20x5 – x6
Fase 1 (phase 1)
Ft Minimasi: r = R5 + R6
41
r + 41x1 + 41x2 + 41x3 + 11x4 + x5 + 5x6 = 301
2
Pembatas:
10x1 + 10x2 + 10x3 + 10x4 + 5x5 + 60x6 + S1 = 14.040
8x1 + 8x2 + 8x3 + 8x4 + 5x5 + 120x6 + S2 = 14.040
6x1 + 7x2 + 3x3 + 3x4 + 2x5 + 30x6 + S3 = 14.040
5x1 + 5x2 + 5x3 + 5x4 + 70x6 + S4 = 14.040
1
x1 + x2 + x3 + x4 + x5 + 4x6 + R5 = 150
2
40x1 + 40x2 + 40x3 + 10x4 + 20x5 + x6 + R6 = 151
x1, x2, x3, x4, x5, x6, S1, S2, S3, S4, R5, R6 ≥0
Gambar 1 menunjukkan iterasi optimum fase 1 (phase 1)

Gambar 1. Iterasi Optimum Fase 1 (Phase 1)

Dari gambar 1, dapat diambil kesimpulan jika basis dibaris cj-zj sudah terdapat nilai 0
atau -1, langkah selanjutnya adalah melanjutkan ke fase 2 (phase 2).
Fase 2 (phase 2)
Dari tabel optimal pada fase 1(Phase 1) diatas didapat persamaan-pesamaan sebagai berikut :
200 2.020.180
x4 +S1 =
53 159
880 1.814.368
− x4 + x5 + S2 =
53 159
219 708.602
− x4 – x5 + S3 =
53 53
500 5 1.988.360
− x4 - x5 +S4 =
53 2 159
Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 16 ISSN (Printed) : 2579-7271
Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau ISSN (Online) : 2579-5406
Pekanbaru, 23 Oktober 2024

10 5.849
x4 +x6 =
53 159
13 1 454
x1 + x2 + x3 + x4 + x5 =
53 2 159
Ft Maksimasi:
z = 85.000x1 + 92.000x2 + 95.000x3 + 90.000x4 + 25.000x5 + 450.000x6
514 13 1
z = 85.000( – x2 – x3 – x4 − x5 ) + 92.000x2 + 95.000x3 + 90.000x4 +25.000x5 +
159 53 2
5.849 10
450.000 ( − x4)
159 53
20000
z = 10.036.101 + 7.000x2 + 10.000x3 – 55.000x4 - x5
3
15.747.717
z – 7.000x2 + 10.000x3 - x4 - −17.500x5 = 16.796.478
1.000
Gambar 2 menunjukkan iterasi optimum fase 2 (phase 2)

Gambar 2. Iterasi Optimum Fase 2 (Phase 2)

Gambar 3 menunjukkan output solution QM Version 5:

Gambar 3. Output Solution

Dengan menggunakan software POM-QM Version 5, diperoleh keuntungan optimal
dalam satu bulan yang didapatkan oleh UMKM ini adalah Rp 16.825.030 dengan memproduksi
produk dandang mie ayam sebanyak 2,86 unit dan kubah mesjid sebanyak 36,79 unit.
Kebutuhan sumber daya yang dibutuhkan yaitu aluminium 150,02 ≈ 151 lembar, pekerja
sebanyak 6 orang, proses produksi yaitu waktu pengukuran 2.236 menit, waktu pemotongan
4.437,66 ≈ 4.438 menit, waktu pengeboran 1.112,28 ≈ 1.113 menit, waktu rolling 2.589,5 ≈
2.590 menit dengan target produksi 151,19 ≈ 152 unit.
3.1. Analisis Sensitivitas
Ft Maksimasi:
z = 85.000x1 + 92.000x2 + 95.000x3 + 90.000x4 + 25.000x5 + 450.000x6
BV = {S1, S2, S3, S4, x6, x3} ; NBV = {x1, x2, x4, x5, R5, R6}
𝑆1 𝑋1
𝑆2 𝑋2
𝑆 𝑋
xBV= 3 ; xNBV= 4
𝑆4 𝑋5
𝑋6 𝑅5
[𝑋3 ] [𝑅6 ]
1 0 0 0 −15,03 0,12
0 1 0 0 −30,13 0,55
0 0 1 0 −7,52 0,11
CBVB = [0 0 0 0 450.000 95.000]
-1
0 0 0 1 −17,57 0,31
0 0 0 0 0,25 −0,006
[0 0 0 0 −0,006 0,02 ]
Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 16 ISSN (Printed) : 2579-7271
Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau ISSN (Online) : 2579-5406
Pekanbaru, 23 Oktober 2024

= [0 0 0 0 111.930 −800]
3.1.1 Perubahan Koefisien Fungsi Tujuan pada Variabel Nonbasis
1. Variabel nonbasis x1 (dandang bakso). Koefisien fungsi tujuan x1 yaitu c1 = 85.000
perubahan c1 dari 85.000 menjadi (85.000 + Δ).
10
8
6
ĉ1 = [0 0 0 0 111.930 −800] − (85.000 + ∆) = = −5.070 −∆
5
1
[40]
Keuntungan akan tetap optimal jika didapatkan nilai harga keuntungan sebesar Rp 79.930.
2. Variabel nonbasis x2 (dandang nasi). Koefisien fungsi tujuan x2 yaitu c2 = 92.000 perubahan
c2 dari 92.000 menjadi (92.000 + Δ).
10
8
7
ĉ2 = [0 0 0 0 111.930 −800] − (92.000 + ∆) = −12.070 −∆
5
1
[40]

Keuntungan akan tetap optimal jika didapatkan nilai harga keuntungan sebesar Rp 79.930.
3. Variabel nonbasis x4 (dandang bandrek). Koefisien fungsi tujuan x4 yaitu c4 = 90.000
perubahan c4 dari 90.000 menjadi (90.000 + Δ).
10
8
3
ĉ4 = [0 0 0 0 111.930 −800] − (90.000 + ∆) = 13.930 −∆
5
1
[10]
Keuntungan akan tetap optimal jika didapatkan nilai harga keuntungan sebesar Rp 103.930.
4. Variabel nonbasis x5 (panggangan). Koefisien fungsi tujuan x5 yaitu c5 = 90.000 perubahan
c5 dari 25.000 menjadi (25.000 + Δ).
5
5
2
ĉ5 = [0 0 0 0 111.930 −800] 0 − (25.000 + ∆) = 14.965 −∆
1
2
[20]
Keuntungan akan tetap optimal jika didapatkan nilai harga keuntungan sebesar Rp 39.965.
3.1.2 Perubahan Koefisien Fungsi Tujuan pada Variabel Basis
1. Perubahan c3 (dandang mie ayam)
Keuntungan dandang mie ayam (c3) diubah dari 95.000 menjadi (95.000 + ∆). Jadi CBV yang
baru adalah [0 0 0 0 450.000 95.000 +∆ ], maka diperoleh:
1 0 0 0 −15,03 0,12
0 1 0 0 −30,13 0,55
0 0 1 0 −7,52 0,11
CBVB =[0 0 0 0 450.000 95.000 + ∆]
-1
0 0 0 1 −17,57 0,31
0 0 0 0 0,25 −0,006
[0 0 0 0 −0,006 0,02 ]
= [0 0 0 0 111.930 − 0,006∆ −800 + 0,02∆]
Koefisien basis 0 menjadi:
a. c1= CBVB-1 a1-c1= -5.070 + 0,794∆
b. c2= CBVB-1 a2-c2 = −12.070 + 0,794∆
c. c4= CBVB-1 a4-c4= 13.930 + 0,194∆
d. c5= CBVB-1 a5-c5= 14.965+ 0,394 ∆
e. cR5= CBVB-1 aR5-cR5= 27.988,3
f. cR6= CBVB-1 aR6-cR6= −686,58
Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 16 ISSN (Printed) : 2579-7271
Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau ISSN (Online) : 2579-5406
Pekanbaru, 23 Oktober 2024

Maka kenaikan keuntungan yang akan tetap optimal di peroleh sebesar Rp 110.201,51.
2. Perubahan c6 (kubah mesjid)
Keuntungan kubah mesjid (c6) diubah dari 450.000 menjadi (450.000 + ∆). Jadi CBV yang
baru adalah [0 0 0 0 450.000+∆ 95.000] maka diperoleh:
1 0 0 0 −15,03 0,12
0 1 0 0 −30,13 0,55
0 0 1 0 −7,52 0,11
CBVB-1=[0 0 0 0 450.000 + ∆ 95.000]
0 0 0 1 −17,57 0,31
0 0 0 0 0,25 −0,006
[0 0 0 0 −0,006 0,02 ]

= [0 0 0 0 111.930 + 0,25∆ −800 − 0,006∆]

Koefisien basis 0 menjadi:
a. c1= CBVB-1 a1-c1= 5.070 + 0,01∆
b. c2= CBVB-1 a2-c2 = −12.070 + 0,01∆
c. c4= CBVB-1 a4-c4= 13.930 + 0,19∆
d. c5= CBVB-1 a5-c5= 14.965+ 0,005 ∆
e. cR5= CBVB-1 aR5-cR5= 27.988,3 + 0,06∆
f. cR6= CBVB-1 aR6-cR6= −686,58
Maka kenaikan keuntungan yang akan tetap optimal diperoleh sebesar Rp 1.657.000.
3.1.3 Perubahan pada Ruas Kanan Pembatas
1. Waktu pengeboran
UMKM ini membutuhkan pengurangan pada waktu pengeboran dalam proses produksinya,
karena proses pengeboran sudah menggunakan mesin bor, yang mana pekerja bisa gerak
lebih cepat untuk meminimalisirkan waktu yang ada dan untuk mencapai target. b3 yaitu
(waktu pengeboran) dari 14040 menjadi (14040−∆), maka perhitungan ruas kanan menjadi:
1 0 0 0 −15,03 0,12 14.040 11.803,62
0 1 0 0 −30,13 0,55 14.040 9.603,55
0 0 1 0 −7,52 0,11 14.040 − ∆ 12.928,61 −∆
B-1b = =
0 0 0 1 −17,57 0,31 14.040 11.451,31
0 0 0 0 0,25 −0,006 150 36,59
[0 0 0 0 −0,006 0,02 ] [ 151 ] [ 2,12 ]
Solusi basis akan tetap optimal jika ∆ ≤ 12.928,61. Pengurangan waktu tidak perlu dilakukan
karena waktu yang di peroleh menjadi 1.111,39 menit dari 14.040 menit per bulannya. Yang
mana produksi produk akan berkurang menjadi lebih sedikit.
2. Ketersediaan bahan baku aluminium
UMKM ini membutuhkan penambahan pada ketersediaan bahan baku guna untuk
meningkatkan target produksi karena juga tenaga kerja sangat mencukupi. b5 yaitu (bahan
baku) dari 150 menjadi (150+∆), maka perhitungan ruas kanan menjadi:
1 0 0 0 −15,03 0,12 14.040 11.803,62 − 2.254,5∆
0 1 0 0 −30,13 0,55 14.040 9.603,55 − 4.519,5∆
-1 0 0 1 0 −7,52 0,11 14.040 12.928,61 − 1.128∆
B b= =
0 0 0 1 −17,57 0,31 14.040 11.451,31 − 2.635,5∆
0 0 0 0 0,25 −0,006 150 + ∆ 36,59 + 37,5∆
[0 0 0 0 −0,006 0,02 ] [ 151 ] [ 2,12 − 0,9∆ ]
Solusi basis akan optimal, jika − 0,97 ≤ ∆ ≤ 2,12. Didapatkan pengurangan bahan baku -
0,97 lembar dan penambahan bahan baku 2,12 lembar, maka solusi basis akan tetap
optimal pada ketersediaan bahan baku aluminium saat ini jika 149,03 ≤ ∆ ≤ 152,12 lembar.
3. Target produksi
UMKM ini membutuhkan penambahan pada target produksi, karena dengan bertambahnya
target produksi maka keuntungan juga akan meningkat. b6 yaitu (target produksi) dari 151
menjadi (151+∆), maka perhitungan ruas kanan menjadi:
Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 16 ISSN (Printed) : 2579-7271
Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau ISSN (Online) : 2579-5406
Pekanbaru, 23 Oktober 2024

1 0 0 0 −15,03 0,12 14.040 11.803,62 + 18,12∆

0 1 0 0 −30,13 0,55 14.040 9.603,55 + 83,05∆
-1 0 0 1 0 −7,52 0,11 14.040 12.928,61 + 16,61∆
B b= =
0 0 0 1 −17,57 0,31 14.040 11.451,31 + 46,81∆
0 0 0 0 0,25 −0,006 150 36,59 − 0,9∆
[0 0 0 0 −0,006 0,02 ] [151 + ∆] [ 2,12 + 3,02∆ ]
Solusi basis akan optimal, jika − 0,7 ≤ ∆ ≤ 40,66. Didapatkan pengurangan target produksi
− 0,7 unit dan penambahan target produksi 40,66 unit, maka solusi basis akan tetap optimal
pada target produksi saat ini jika 150,3 ≤ ∆ ≤ 191,66 unit.
3.1.4 Perubahan Kolom Variabel Nonbasis
1. Perubahan kolom pada x1 (dandang bakso)
Pada kolom x1 (dandang bakso) waktu pengeboran diubah, yang awalnya 6 menit menjadi 4
menit.
10 10
8 8
6 4
a1 = diubah menjadi a1 =
5 5
1 1
[40] [40]
Tidak perlu dilakukannya perubahan. Karena ĉ1 (dandang bakso) ≤ 0, solusi basis saat ini
tidak lagi optimal.
2. Perubahan kolom pada x2 (dandang nasi)
Pada kolom x2 (dandang nasi) waktu pengeboran diubah, yang awalnya 7 menit menjadi 5
menit.
10 10
8 8
7 5
a2 = diubah menjadi a2 =
5 5
1 1
[40] [40]
Tidak perlu dilakukannya perubahan. Karena ĉ2 (dandang nasi) ≤ 0, solusi basis saat ini
tidak lagi optimal.
3. Perubahan kolom pada x4 (dandang bandrek)
Pada kolom x4 (dandang bandrek) waktu pengeboran diubah, yang awalnya 3 menit menjadi
2 menit.
10 10
8 8
3 2
a4 = diubah menjadi a4 =
5 5
1 1
[40] [40]
Tidak perlu dilakukannya perubahan. Karena ĉ4 (dandang bandrek) ≤ 0, solusi basis saat ini
tidak lagi.
4. Perubahan kolom pada x5 (panggangan)
Pada kolom x5 (panggangan) target produksi diubah, yang awalnya 20 unit menjadi 30 unit
5 5
5 5
2 2
a5 = diubah menjadi a5 =
0 0
0,5 0,5
[ 20 ] [ 30 ]
Diperoleh, ĉ5 = CBVB-1 a5-c5= 6.965. Karena ĉ5 (panggangan) ≥ 0, solusi basis saat ini tetap
optimal. Jadi solusi basis optimal pada keuntungan panggangan ini menjadi Rp 31.965.

3.1.5 Penambahan Suatu Variabel atau Aktivitas Baru

Variabel atau aktivitas baru yang ditambahkan yaitu produk yang ke-7, berupa gembor.
Harga keuntungan dari produk ini yaitu Rp 10.000,00.
Ft Maksimasi:
Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 16 ISSN (Printed) : 2579-7271
Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau ISSN (Online) : 2579-5406
Pekanbaru, 23 Oktober 2024

z = 85.000x1 + 92.000x2 + 95.000x3 + 90.000x4 + 25.000x5 + 450.000x6 + 10.000x7

Pembatas:
10x1 + 10x2+ 10x3 + 10x4 + 5x5+ 60x6 + 8x7 ≤ 14.040
8x1 + 8x2+ 8x3 + 8x4 + 5x5+ 120x6 + 8x7 ≤ 14.040
6x1 + 7x2+ 3x3 + 3x4 + 2x5+ 30x6 + 3x7 ≤ 14.040
5x1 + 5x2+ 5x3 + 5x4 + 70x6 + 4x7 ≤ 14.040
1 1
x1 + x2+ x3 + x4 + x5+ 4x6 + x7 = 154
2 2
40x1 + 40x2+ 40x3 + 10x4 + 20x5+ x6 + 10x7 = 161
x1, x2, x3, x4, x5, x6 ≥0
8
8
3
ĉ7= [0 0 0 0 111.930 −800] 4 − 10.000 = 37.965
1
2
[10]
Karena ĉ7 (gembor) ≥ 0, solusi basis saat ini tetap optimal, jadi tidak perlu membuat
produk ke-7 karena akan menimbulkan biaya Rp 37.965,00 tanpa keuntungan.
3.1.6 Penambahan Suatu Pembatas Baru
Pembatas baru yang ditambahkan yaitu proses finishing.
1. Proses finishing pada produk dandang bakso : 7 menit
2. Proses finishing pada produk dandang nasi : 7 menit
3. Proses finishing pada produk dandang mie ayam : 7 menit
4. Proses finishing pada produk dandang bandrek : 7 menit
5. Proses finishing pada produk panggangan : 5 menit
6. Proses finishing pada produk kubah mesjid : 30 menit
Ft Maksimasi:
z = 85.000x1 + 92.000x2 + 95.000x3 + 90.000x4 + 25.000x5 + 450.000x6
Pembatas:
10x1 + 10x2+ 10x3 + 10x4 + 5x5+ 60x6 ≤ 14.040
8x1 + 8x2+ 8x3 + 8x4 + 5x5+ 120x6 ≤ 14.040
6x1 + 7x2+ 3x3 + 3x4 + 2x5+ 30x6 ≤ 14.040
5x1 + 5x2+ 5x3 + 5x4 + 70x6 ≤ 14.040
1
x1 + x2+ x3 + x4 + x5+ 4x6 = 150
2
40x1 + 40x2+ 40x3 + 10x4 + 20x5+ x6 = 151
7x1 + 7x2+ 7x3 + 7x4 + 5x5+ 30x6 ≤ 14.040
x1, x2, x3, x4, x5, x6 ≥0
Gambar 4 menunjukkan solution list pembatas baru

Gambar 4. Solution List Pembatas Baru

Dapat disimpulkan bahwa pembatas baru tidak perlu ditambahkan karena tidak
mempengaruhi solusi optimal.
4. Kesimpulan
Diperoleh keuntungan optimal adalah sebesar Rp 16.825.030 dengan memproduksi
produk dandang mie ayam sebanyak 2,86 unit dan kubah sebanyak 36,79 unit. Adapun
Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 16 ISSN (Printed) : 2579-7271
Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau ISSN (Online) : 2579-5406
Pekanbaru, 23 Oktober 2024

kebutuhan sumber daya yang tersedia yaitu dengan waktu pengukuran selama 2.236 menit,
waktu pemotongan 4.437,66 ≈ 4.438 menit, waktu pengeboran 1.112,28 ≈ 1.113 menit, waktu
rolling 2.589,5 ≈ 2.590 menit, ketersediaan bahan baku 150,02 ≈ 151 lembar dan target
produksi 151,19 ≈ 152 unit.
Analisis Sensitivitas (Sensitivity Analysis) perubahan koefisien fungsi tujuan untuk
variabel nonbasis diperoleh hasil tetap optimal jika dandang bakso Rp 79.930, dandang nasi Rp
79.930, dandang bandrek Rp 103.930 dan panggangan Rp 39.965. Dan perubahan koefisien
fungsi tujuan untuk variabel basis diperoleh hasil tetap optimal jika didapatkan keuntungan
optimal sebesar Rp 110.201,51 untuk dandang mie ayam dan Rp 1.657.000 untuk kubah
masjid. Perubahan pada ruas kanan pembatas dilakukan pada pengurangan bahan baku yang
berkisar antara 149 lembar sampai 153 lembar dan pengurangan target produksi berkisar
antara 151 unit sampai 192 unit, sedangkan pengurangan pada waktu pengeboran tidak perlu
dilakukan. Perubahan kolom variabel non basis akan tetap optimal jika dilakukan pada produk
panggangan yaitu dengan keuntungan Rp 31.965, sedangkan untuk dandang bakso, dandang
nasi dan dandang bandrek tidak perlu dilakukan.
Penambahan suatu variabel atau aktivitas baru yaitu pada produk ke-7 berupa gembor,
tidak perlu untuk dibuat. Penambahan suatu pembatas baru yaitu dengan menambahkan
proses finishing juga tidak mempengaruhi solusi optimal, jadi tidak perlu dilakukan.
5. Saran
Untuk penelitian selanjutnya, disarankan agar peneliti mempertimbangkan untuk
menambahkan metode yang lebih kompleks, seperti metode Branch and Bound atau Cutting
Plane. Sehingga solusi yang dihasilkan berupa bilangan bulat atau integer.
Referensi
[1] Sundari, N., Febriyanti, P. S., Angelica, Lukmana, L., Apriyanti, B., Cristin, F. Z., et al.
(2022). Optimalisasi Keuntungan Ayam Geprek Menggunakan Pemrograman Linear
Metode Simpleks. Jurnal Pustaka Aktiva, 1-6.
[2] Lina, T. N., Rumetna, M. S., Dimara, A., Sianturi, C., Metalmety, C. F., Lengkong, K., Et Al.
(2020). Penerapan Metode Simpleks dalam Optimalisasi Keuntungan Hasil Produksi
Lemon Cina dan Daun Jeruk Purut. Jurnal Elektro Lucea, 93-101.
[3] Adtria, K. V., Kamid, & Rarasati, N. (2021). Analisis Sensitivitas dalam Optimaslisasi
Produksi Makaroni Iko Menggunakan Linear Programming. Jurnal Matematika dan
Pendidikan Matematika, 174-182.
[4] Hani, N., & Harahap, E. (2021). Optimasi Produksi T-Shirt Menggunakan Metode
Simpleks. Jurnal Matematika, 27-32.
[5] Rifa’i, M., Saputra, R., Ardyanti, N. D., Hartono, T. P., & Susanto, R. (2021). Penerapan
Linear Programing Metode Simpleks dan POM-QM dalam Analisis Keuntungan Maksimal
pada UMKM Risoles Bu Siti di Pasar Ledoksari Surakarta. Seminar Nasional & Call For
Paper, 679-690.
[6] Tamiza, Kustiawati, D., Fathinah, S. N., & Sulistiono, A. N. (2023). Penerapan Linear
Programming Metode Simpleks Berbantuan POM-QM Dalam Optimalisasi Keuntungan
Produksi MARTABAK. Jurnal Ilmiah Multi Disiplin Indonesia, 496-501.
[7] Riniwati, H., & Harahab, N. (2018). Optimasi Bidang Perikanan: Pendekatan Linier
Programming, Transportasi dan Goal Programming. Malang: Universitas Muhammadiyah
Malang.
[8] Aningke, T., Hartama, D., Andani, S. R., Solikhun, & Hardinata, J. T. (2020). Linear
Programming Metode Simpleks Dalam Optimasi Keuntungan Produksi Makanan Ringan.
Prosiding Seminar Nasiona; Riset Dan Information Science (SENARIS), 365-375.
[9] Dimyati, T. T., & Dimyati, A. (2010). Operasional Research Model-Model Pengambilan
Keputusan. Bandung: Sinar Baru Algesindo.
[10] Nurmayanti, L., & Sudrajat, A. (2021). Implementasi Linear Programming Metode Simpleks
pada Home Industry. Jurnal Manajemen, 431-438.
[11] Safitri , E., Basriati, S., Soleh, M., & Yuhandi. (2021). Penyelesaian Program Linier
Menggunakan Metode Simpleks Dua Fase Dan Metode Quick Simpleks Dua Fase. Jurnal
Matematika, Sains, Dan Pembelajarannya, 57-71.
[12] Alfaris, L., Gustian, D., Setyorini, R., Romli, I., Putri, A. Y., Herjuna, S. A., Et Al. (2022).
Riset Oprasi. Bandung: Indie Press.