Ekliptika : Jurnal Inovasi Teknologi Berkelanjutan Vol. 4 No. 2 Januari 2024 | Hal. 81–88 doi: https://doi.org/10.55757/ekliptika.v4i2/161 [] Optimalisasi Produksi Aksesori Sepeda Motor di CV Boudy Motor Menggunakan Metode Simpleks Program Linear dengan Software POM-QM Mustaqim¹, Mukhammad Ubaidillah² ¹,² Program Studi Teknik Industri, Institut Teknologi dan Sains Nahdlatul Ulama Pasuruan Email: mustaqim.engineer@itsnupasuruan.ac.id ; mukhammad.ubaidillah7@gmail.com Received: 30 Agustus 2023; Revised: 12 Januari 2024; Accepted: 28 Januari 2024 +---------------------------------------------------------------------------------------------------+ | Abstrak | | | | CV Boudy Motor memproduksi aksesori sepeda motor dengan keterbatasan bahan baku, waktu mesin, dan | | tenaga kerja. Penelitian ini bertujuan menentukan kombinasi produksi footstep dan penggaris | | variasi yang memaksimalkan laba menggunakan program linear metode simpleks dengan bantuan POM-QM. | | Data primer diperoleh melalui observasi dan wawancara. Model menggunakan kontribusi laba Rp3.000 | | per unit footstep dan Rp1.500 per unit penggaris variasi, kapasitas aluminium 40 kg, waktu mesin | | 28.800 detik, serta waktu tenaga kerja 86.400 detik. Dalam skenario harian dengan batas | | permintaan 1.000 unit footstep dan 20.000 unit penggaris variasi, solusi optimal adalah 1.000 | | unit footstep dan 2.600 unit penggaris variasi. Nilai fungsi tujuan mencapai Rp6.900.000 per hari | | atau Rp179.400.000 untuk 26 hari produksi dengan kondisi model tetap. Perhitungan ulang | | menunjukkan penggunaan bahan baku sebesar 32 kg dan pemanfaatan seluruh waktu mesin. Hasil | | merupakan optimum model dengan asumsi batas permintaan berlaku pada periode harian dan seluruh | | produk terjual. | | | | Kata kunci: metode simpleks; optimalisasi produksi; POM-QM; program linear | | | | Abstract | | | | CV Boudy Motor manufactures motorcycle accessories under raw material, machine time, and labor | | constraints. This study determines the production mix of footrests and decorative rulers that | | maximizes profit using the simplex method of linear programming with POM-QM. Primary data were | | obtained through observation and interviews. The model uses profit contributions of IDR3,000 per | | footrest and IDR1,500 per decorative ruler, 40 kg of aluminum, 28,800 seconds of machine time, | | and 86,400 seconds of labor time. Under a daily scenario with demand limits of 1,000 footrest | | units and 20,000 decorative ruler units, the optimal solution is 1,000 footrests and 2,600 | | decorative rulers. The objective value is IDR6,900,000 per day, equivalent to IDR179,400,000 over | | 26 production days with fixed model conditions. Recalculation shows that 32 kg of aluminum is | | used and all available machine time is consumed. These results represent a model optimum assuming | | that the demand limits apply to the daily planning period and all products are sold. | | | | Keywords: linear programming; POM-QM; production optimization; simplex method | +===================================================================================================+ +---------------------------------------------------------------------------------------------------+ [1] Mustaqim and M. Ubaidillah, “Optimalisasi Produksi Aksesori Sepeda Motor di CV Boudy Motor Menggunakan Metode Simpleks Program Linear dengan Software POM-QM,” Ekliptika: Jurnal Inovasi Teknologi Berkelanjutan, vol. 4, no. 2, pp. 81–88, 2024, doi: 10.55757/ekliptika.v4i2.161. PENDAHULUAN Perkembangan teknologi meningkatkan tuntutan terhadap kualitas dan efisiensi proses industri. Selain ketersediaan bahan baku dan mesin, kesiapan tenaga kerja menjadi bagian penting dalam pengelolaan kegiatan produksi. Pembahasan kegiatan industri dan pengalaman kerja lapangan tercakup dalam laporan Hendrawan [1]. Pendidikan tinggi, termasuk Program Studi Teknik Industri, berperan menyiapkan tenaga profesional yang mampu memahami kebutuhan operasional perusahaan. Manufaktur melibatkan perubahan bahan baku menjadi produk melalui proses dan operasi yang direncanakan [2]. Untuk memperoleh hasil yang efisien, perusahaan perlu menentukan jumlah produksi dengan memperhatikan kapasitas sumber daya dan kontribusi laba. Alfian, Hastarina, dan Wahyudi menggunakan metode simpleks serta POM-QM untuk merencanakan produksi mebel [3]. Pendekatan program linear juga diterapkan pada produksi komponen plastik dengan kendala bahan baku, waktu mesin, tenaga kerja, dan permintaan [4], serta penentuan bauran produk pada usaha kecil dan menengah [5]. Penerapan simpleks untuk optimasi produksi telah dilaporkan pada usaha kue [6], sate taichan [7], produk olahan lele [8], dan industri rumahan roti [9]. Kajian pada produksi T-shirt [10], industri keripik [11], dan produksi tahu [12] menunjukkan penggunaan model program linear pada beragam jenis produk dan keterbatasan kapasitas. Perbedaan jenis usaha membuat koefisien laba, konsumsi sumber daya, serta batas permintaan perlu ditentukan dari data masing-masing kasus. POM-QM digunakan sebagai alat bantu penyelesaian pada penelitian penjualan noken kulit kayu [13] dan roti abon gulung [14]. Kajian optimasi usaha berskala kecil pada masa pandemi juga membahas penentuan alokasi sumber daya melalui simpleks [15]. Literatur tersebut mendukung penggunaan metode sebagai alat bantu keputusan; nilai hasil pada usaha lain tidak digunakan sebagai data CV Boudy Motor. CV Boudy Motor merupakan usaha manufaktur aksesori sepeda motor. Keterbatasan aluminium, jam kerja mesin, dan tenaga kerja menuntut pengaturan kombinasi produk footstep dan penggaris variasi. Penelitian ini bertujuan menentukan kombinasi produksi dan nilai laba maksimum melalui program linear metode simpleks dengan bantuan POM-QM, menggunakan parameter operasional yang dilaporkan dalam artikel sumber. METODE Lokasi dan Pengumpulan Data Penelitian dilaksanakan di CV Boudy Motor, kawasan Mayangan, Kecamatan Panggungrejo, Kota Pasuruan, Jawa Timur, dekat Pelabuhan Pasuruan. Data primer diperoleh melalui observasi dan wawancara untuk mengidentifikasi permintaan produk, ketersediaan bahan baku, penggunaan mesin, serta waktu tenaga kerja. Data diolah dengan QM for Windows versi 5.2 sebagaimana disebutkan pada bagian hasil artikel sumber. Variabel Keputusan dan Fungsi Tujuan Variabel keputusan x₁ menyatakan jumlah footstep dan x₂ menyatakan jumlah penggaris variasi yang diproduksi. Keduanya dinyatakan dalam unit per periode perencanaan. Fungsi tujuan memaksimalkan kontribusi laba produk sebagaimana Persamaan (1). Maksimumkan Z = c₁x₁ + c₂x₂ (1) Koefisien c₁ dan c₂ adalah kontribusi laba per unit, masing-masing Rp3.000 untuk footstep dan Rp1.500 untuk penggaris variasi. Angka 1.000 dan 20.000 merupakan batas permintaan, bukan koefisien laba. Formulasi numerik yang digunakan adalah: Maksimumkan Z = 3.000x₁ + 1.500x₂ (2) Fungsi Kendala dan Asumsi Model Kendala sumber daya dinyatakan secara umum sebagai aᵢ₁x₁ + aᵢ₂x₂ ≤ bᵢ, dengan aᵢⱼ menunjukkan penggunaan sumber daya i oleh setiap unit produk j dan bᵢ menunjukkan kapasitasnya. Kendala meliputi bahan baku, waktu mesin, waktu tenaga kerja, dan dua batas permintaan. Teknik simpleks digunakan untuk menyelesaikan model program linear [16]. 6x₁ + 10x₂ ≤ 40.000 (3) 8x₁ + 8x₂ ≤ 28.800 (4) 3x₁ + 8x₂ ≤ 86.400 (5) x₁ ≤ 1.000 (6) x₂ ≤ 20.000 (7) x₁ ≥ 0; x₂ ≥ 0 (8) Persamaan (3) menggunakan gram, Persamaan (4) menggunakan detik waktu mesin, dan Persamaan (5) menggunakan detik-orang tenaga kerja. Kapasitas bahan baku 40 kg disetarakan dengan 40.000 gram. Lima kendala fungsional pada Persamaan (3)–(7) dilengkapi pembatasan nonnegatif pada Persamaan (8). Koefisien penggunaan bahan baku 6 dan 10 ditafsirkan dalam gram per unit agar konsisten dengan persamaan model. Periode model ditetapkan sebagai skenario satu hari karena kapasitas mesin dan tenaga kerja dinyatakan untuk delapan jam kerja. Batas permintaan 1.000 dan 20.000 unit diterapkan pada skenario harian tersebut. Penetapan ini merupakan asumsi pemodelan, karena sumber juga membahas rata-rata permintaan bulanan tanpa menyertakan deret permintaan 12 bulan. Kontribusi laba, kapasitas, serta waktu proses diasumsikan tetap, hubungan model linear, dan seluruh produk hasil rencana terjual. Model diselesaikan sebagai program linear kontinu. Solusi yang dilaporkan menghasilkan jumlah unit bulat sehingga tidak memerlukan pembulatan. Apabila perubahan parameter menghasilkan solusi pecahan untuk produk yang harus utuh, pendekatan integer linear programming seperti pada studi Hanifa dan Dwijanto [17] dapat digunakan. Perhitungan ulang editorial memeriksa kelayakan solusi, nilai fungsi tujuan, sisa sumber daya, dan konsistensi nilai dual tanpa mengubah data observasi. HASIL DAN PEMBAHASAN Keterbatasan Bahan Baku CV Boudy Motor menggunakan aluminium untuk memproduksi footstep dan penggaris variasi. Artikel sumber menyebut kesulitan memperoleh aluminium pada masa pandemi serta harga bahan yang tinggi. Bahan tersedia digunakan untuk memenuhi pesanan konsumen. Tabel 1 menyajikan koefisien bahan baku dari persamaan model dan kapasitas yang dilaporkan. Efisiensi pemakaian bahan juga menjadi tema dalam laporan penerapan produksi bersih Danika [18]. Tabel 1. Koefisien Bahan Baku dan Kapasitas Aluminium ---------------------------------------------------------------------------------------------------- Produk Aluminium (g/unit) Kapasitas Tersedia (kg) ---------------------------- ----------------------------------- ----------------------------------- Footstep 6 40 Penggaris variasi 10 40 ---------------------------------------------------------------------------------------------------- Kapasitas 40 kg adalah persediaan bersama bagi kedua produk, sehingga tidak dijumlahkan menjadi 80 kg. Kepala satuan bahan baku diselaraskan dengan fungsi kendala 6x₁ + 10x₂ ≤ 40.000 gram. Keterbatasan Waktu Mesin Jam operasional mesin bubut dan pond dibatasi delapan jam per hari, setara dengan 28.800 detik. Model mengalokasikan delapan detik waktu mesin per unit pada kedua produk. Waktu mesin per unit dalam sumber dijelaskan sebagai waktu satu siklus dibagi kapasitas cetakan. Tabel 2 mempertahankan kapasitas operasional yang digunakan dalam model. Kajian efektivitas mesin bubut dalam penerapan total productive maintenance memperlihatkan pentingnya mempertimbangkan kinerja mesin dalam pengelolaan produksi [19]. Tabel 2. Kapasitas Waktu Mesin per Hari ---------------------------------------------------------------------------------------------------- Mesin Jam Operasional (jam/hari) Total Waktu (detik/hari) ---------------------------- ----------------------------------- ----------------------------------- Bubut dan pond 8 28.800 ---------------------------------------------------------------------------------------------------- Konversi kapasitas: 8 × 60 × 60 = 28.800 detik per hari. Keterbatasan Waktu Tenaga Kerja Tiga pekerja masing-masing memiliki delapan jam kerja aktif per hari. Kapasitas agregat menjadi 86.400 detik-orang per hari, sebagaimana Tabel 3. Koefisien waktu tenaga kerja dalam model adalah tiga detik-orang per footstep dan delapan detik-orang per penggaris variasi. Pengaturan pekerjaan juga perlu memperhatikan kondisi operator; postur operator mesin pond merupakan objek kajian Mukhtar dan Koesdijati [20]. Tabel 3. Kapasitas Waktu Tenaga Kerja per Hari ---------------------------------------------------------------------------------------------------- Jumlah Pekerja (orang) Jam Kerja per Orang (jam/hari) Total Waktu (detik-orang/hari) ---------------------------- ----------------------------------- ----------------------------------- 3 8 86.400 ---------------------------------------------------------------------------------------------------- Konversi kapasitas: 3 × 8 × 60 × 60 = 86.400 detik-orang per hari. Batas Permintaan Tabel 4 menunjukkan batas permintaan yang dimasukkan pada model. Artikel sumber menjelaskan pengolahan permintaan dari data 12 bulan dan penggunaan 26 hari aktif. Secara aritmetika, rata-rata bulanan diperoleh dengan membagi total permintaan 12 bulan dengan 12, kemudian rata-rata harian diperoleh dengan membagi rata-rata bulanan dengan 26. Karena data rinci tersebut tidak tersedia, angka Tabel 4 dipertahankan sebagai batas permintaan skenario harian yang digunakan untuk mereproduksi hasil model. Tabel 4. Batas Permintaan pada Skenario Harian --------------------------------------------------------------------------------------------------- Produk Batas Permintaan (unit/periode) -------------------------------------------- ------------------------------------------------------ Footstep 1.000 Penggaris variasi 20.000 --------------------------------------------------------------------------------------------------- Formulasi dan Hasil Optimalisasi Kontribusi laba footstep adalah Rp3.000 per unit, sedangkan kontribusi laba penggaris variasi adalah Rp1.500 per unit. Matriks fungsi tujuan dan lima fungsi kendala disajikan pada Tabel 5. Kolom batas bahan baku ditulis 40.000 gram sesuai kapasitas 40 kg dan persamaan model; angka 4.000 pada tabel sumber tidak konsisten dengan kedua informasi tersebut. Tabel 5. Data Fungsi Tujuan dan Fungsi Kendala ------------------------------------------------------------------------------------------------------ Komponen x₁ x₂ Relasi Batas Satuan ---------------------------- -------- -------- ----------- ------------------- ----------------------- Maksimum Z 3.000 1.500 — — Rp/unit Bahan baku 6 10 ≤ 40.000 gram Waktu mesin 8 8 ≤ 28.800 detik Waktu tenaga kerja 3 8 ≤ 86.400 detik-orang Permintaan footstep 1 0 ≤ 1.000 unit Permintaan penggaris 0 1 ≤ 20.000 unit ------------------------------------------------------------------------------------------------------ POM-QM pada artikel sumber menghasilkan x₁ = 1.000 dan x₂ = 2.600. Penyelesaian ulang model dengan kapasitas bahan baku 40.000 gram memperoleh solusi dan nilai dual yang sama. Tabel 6 menyajikan hasil yang telah diselaraskan dengan model tersebut. Nilai dual menunjukkan perubahan marginal fungsi tujuan akibat perubahan satu unit ruas kanan, selama basis optimal masih berlaku. Tabel 6. Hasil Model Simpleks dan Verifikasi Nilai Dual ----------------------------------------------------------------------------------------------------- Komponen x₁ x₂ Batas atau Z Nilai Dual ---------------------------- ---------- ---------- ------------------------- ------------------------ Fungsi tujuan 3.000 1.500 — — Bahan baku 6 10 40.000 0 Waktu mesin 8 8 28.800 187,5 Waktu tenaga kerja 3 8 86.400 0 Permintaan footstep 1 0 1.000 1.500 Permintaan penggaris 0 1 20.000 0 Solusi optimal 1.000 2.600 6.900.000 — ----------------------------------------------------------------------------------------------------- Satuan nilai dual mengikuti ruas kanan: rupiah per gram bahan baku, rupiah per detik waktu mesin, rupiah per detik-orang tenaga kerja, atau rupiah per unit batas permintaan. Nilai Z pada baris solusi dinyatakan dalam rupiah per periode. Pemeriksaan Kelayakan dan Laba Pada solusi optimal, konsumsi aluminium adalah 6(1.000) + 10(2.600) = 32.000 gram atau 32 kg, sehingga tersisa 8 kg. Penggunaan mesin adalah 8(1.000) + 8(2.600) = 28.800 detik, sama dengan kapasitas yang tersedia. Penggunaan tenaga kerja adalah 3(1.000) + 8(2.600) = 23.800 detik-orang, sehingga tersisa 62.600 detik-orang. Produksi footstep memenuhi batas 1.000 unit, sementara penggaris variasi masih berada 17.400 unit di bawah batas 20.000 unit. Dengan demikian, seluruh kendala model dipenuhi. Waktu mesin dan batas permintaan footstep menjadi kendala aktif. Perhitungan nilai fungsi tujuan memberikan: Z = 3.000(1.000) + 1.500(2.600) = 6.900.000 (9) Optimalitas juga dapat diperiksa secara aljabar. Kendala mesin memberikan x₁ + x₂ ≤ 3.600 dan batas permintaan memberikan x₁ ≤ 1.000. Oleh karena itu, Z = 1.500(x₁ + x₂) + 1.500x₁ ≤ 1.500(3.600) + 1.500(1.000) = Rp6.900.000. Solusi (1.000, 2.600) layak dan mencapai batas atas tersebut, sehingga merupakan optimum global model. Dengan 26 hari produksi dan parameter tetap, proyeksi nilai fungsi tujuan bulanan dihitung sebagai: Z₂₆ = 26 × Rp6.900.000 = Rp179.400.000 (10) Angka bulanan Rp179.000.000 pada abstrak dan penutup sumber dikoreksi menjadi Rp179.400.000 berdasarkan perkalian langsung. Nilai tersebut merupakan proyeksi kontribusi laba menurut koefisien model, dengan asumsi seluruh hasil produksi terjual. Model tidak menyajikan rincian biaya tetap, sehingga hasilnya tidak dinyatakan sebagai laba bersih akuntansi yang telah terealisasi. Implikasi dan Batas Penerapan Dalam skenario ini, tambahan bahan baku atau waktu tenaga kerja saja tidak langsung menaikkan nilai tujuan karena keduanya masih memiliki sisa kapasitas dan nilai dual nol. Waktu mesin memiliki nilai dual Rp187,5 per detik, sedangkan batas permintaan footstep memiliki nilai dual Rp1.500 per unit. Nilai marginal tersebut berlaku secara lokal dan tidak dapat diekstrapolasi tanpa memeriksa perubahan basis serta kendala lain. Hasil tidak membuktikan peningkatan laba dibanding kondisi aktual karena artikel tidak menyediakan data laba atau kombinasi produksi awal sebagai pembanding. Batas waktu merupakan kapasitas agregat model; artikel tidak memisahkan kapasitas tiap mesin atau urutan pekerjaan. Selain itu, apabila angka permintaan 1.000 dan 20.000 sebenarnya merupakan batas bulanan, hasil harian serta perkalian 26 hari tidak dapat diterapkan langsung. Penyeragaman periode perlu dilakukan sebelum penggunaan operasional. Asumsi periode yang digunakan dalam naskah ini dinyatakan secara terbuka agar solusi tetap dapat diperiksa dan direproduksi. KESIMPULAN Program linear metode simpleks pada skenario harian CV Boudy Motor menghasilkan kombinasi optimal 1.000 unit footstep dan 2.600 unit penggaris variasi. Dengan kontribusi laba Rp3.000 dan Rp1.500 per unit, nilai fungsi tujuan maksimum adalah Rp6.900.000 per hari. Proyeksi untuk 26 hari produksi dengan kondisi tetap adalah Rp179.400.000. Solusi memenuhi kapasitas bahan baku 40 kg, waktu mesin 28.800 detik, waktu tenaga kerja 86.400 detik-orang, serta dua batas permintaan yang diterapkan pada periode model. Kesimpulan berlaku untuk asumsi model dan tidak menyatakan laba aktual yang telah direalisasikan. UCAPAN TERIMA KASIH Penulis menyampaikan terima kasih kepada pihak CV Boudy Motor yang telah memberikan informasi mengenai proses produksi, kebutuhan bahan baku, serta kapasitas mesin dan tenaga kerja. Informasi yang diperoleh melalui observasi dan wawancara menjadi dasar penyusunan model program linear untuk menentukan kombinasi produksi aksesori sepeda motor. +---------------------------------------------------------------------------------------------------+ | Pernyataan Kontribusi Penulis (CRediT Statement) | | | | Penulis: Mustaqim dan Mukhammad Ubaidillah. Rincian peran individual tidak dinyatakan dalam | | artikel sumber. | | | | Pernyataan Ketersediaan Data | | | | Parameter model dan hasil perhitungan disajikan dalam naskah. Rekaman observasi dan wawancara | | tidak disertakan dalam artikel sumber. | | | | Persetujuan Etik | | | | Artikel sumber tidak mencantumkan persetujuan komite etik atau nomor protokol penelitian. | +===================================================================================================+ +---------------------------------------------------------------------------------------------------+ DAFTAR PUSTAKA [1] C. T. Hendrawan, “Laporan kerja praktek di PT Mancananjaya Cemerlang,” laporan kerja praktek, hlm. 1–29, 2019. [2] E. Supriyanto, “Manufaktur dalam dunia teknik industri,” INDEPT: Jurnal Industri Elektro dan Penerbangan, vol. 3, no. 3, hlm. 1–4, 2013. [Daring]. Tersedia: https://jurnal.unnur.ac.id/index.php/indept/article/download/118/91. [3] A. Alfian, M. Hastarina, dan B. Wahyudi, “Perencanaan produksi dengan metode simpleks untuk memaksimalkan keuntungan (studi kasus UKM Mebel Urang Tobo),” Integrasi: Jurnal Ilmiah Teknik Industri, vol. 1, no. 1, hlm. 1–8, 2016, doi: 10.32502/js.v1i1.2963. [4] T. Sriwidadi dan E. Agustina, “Analisis optimalisasi produksi dengan linear programming melalui metode simpleks,” Binus Business Review, vol. 4, no. 2, hlm. 725–741, 2013, doi: 10.21512/bbr.v4i2.1386. [5] S. Mohd Baki dan J. K. Cheng, “A linear programming model for product mix profit maximization in a small medium enterprise company,” International Journal of Industrial Management, vol. 9, hlm. 64–73, 2021, doi: 10.15282/ijim.9.0.2021.5956. [6] A. Saryoko, “Metode simpleks dalam optimalisasi hasil produksi,” Informatics for Educators and Professionals, vol. 1, no. 1, hlm. 27–36, 2016. [Daring]. Tersedia: https://ejournal-binainsani.ac.id/index.php/ITBI/en/article/view/140. [7] A. R. Anti dan A. Sudrajat, “Optimasi keuntungan menggunakan linear programming metode simpleks,” Jurnal Manajemen, vol. 13, no. 2, hlm. 188–194, 2021. [Daring]. Tersedia: https://journal.feb.unmul.ac.id/index.php/JURNALMANAJEMEN/article/download/9124/pdf/19579. [8] M. Romadhon, D. Oktarini, dan F. Suryani, “Optimalisasi produksi olahan lele menggunakan metode simpleks di CV. Rule Athallah,” Integrasi: Jurnal Ilmiah Teknik Industri, vol. 6, no. 1, hlm. 10–16, 2021, doi: 10.32502/js.v6i1.3790. [9] L. Nurmayanti dan A. Sudrajat, “Implementasi linear programming metode simpleks pada home industry,” Jurnal Manajemen, vol. 13, no. 3, hlm. 431–438, 2021. [Daring]. Tersedia: https://journal.feb.unmul.ac.id/index.php/JURNALMANAJEMEN/article/download/10085/1551. [10] N. Hani dan E. Harahap, “Optimasi produksi T-shirt menggunakan metode simpleks,” Matematika: Jurnal Teori dan Terapan Matematika, vol. 20, no. 2, 2021. [Daring]. Tersedia: https://journals.unisba.ac.id/index.php/matematika/article/download/1081/524. [11] L. Susanto, “Memaksimalkan keuntungan harian pada industri rumahan Nanda Jaya dengan penerapan metode simpleks,” BAREKENG: Jurnal Ilmu Matematika dan Terapan, vol. 14, no. 4, hlm. 535–542, 2020, doi: 10.30598/barekengvol14iss4pp535-542. [12] V. Susanti, “Optimalisasi produksi tahu menggunakan program linear metode simpleks,” MATHunesa: Jurnal Ilmiah Matematika, vol. 9, no. 2, hlm. 399–406, 2021, doi: 10.26740/mathunesa.v9n2.p399-406. [13] M. S. Rumetna dkk., “Optimalisasi penjualan noken kulit kayu menggunakan metode simpleks dan software POM-QM,” Computer Based Information System Journal, vol. 8, no. 2, hlm. 37–45, 2020, doi: 10.33884/cbis.v8i2.1954. [14] M. S. Rumetna, T. N. Lina, S. D. Cahya, B. M. Liwe, dan M. Kosriyah, “Menghitung keuntungan maksimal dari penjualan roti abon gulung dengan menggunakan metode simpleks dan software POM-QM,” Jurnal Jendela Ilmu, vol. 1, no. 1, 2020, doi: 10.34124/ji.v1i1.49. [15] M. S. Rumetna dkk., “Optimasi sumber daya pada usaha berskala kecil di tengah masa pandemi menggunakan metode simpleks,” PETIR, vol. 15, no. 1, hlm. 38–47, 2022, doi: 10.33322/petir.v15i1.1362. [16] Z. Nasution, H. Sunandar, I. Lubis, dan L. T. Sianturi, “Penerapan metode simpleks untuk menganalisa persamaan linier dalam menghitung keuntungan maksimum,” JURIKOM: Jurnal Riset Komputer, vol. 3, no. 4, hlm. 42–48, 2016. [Daring]. Tersedia: https://ejurnal.stmik-budidarma.ac.id/index.php/jurikom/article/view/338. [17] D. S. Hanifa dan Dwijanto, “Optimasi keuntungan produksi olahan salak pondoh di Desa Wisata Pulesari dengan metode integer linear programming,” Unnes Journal of Mathematics, vol. 11, no. 1, 2022, doi: 10.15294/ujm.v11i1.51837. [18] W. Danika, “Pengoptimalan penerapan produksi bersih di PT. Mulia Bersaudara,” laporan kerja praktek, Sekolah Tinggi Teknologi Pelita Bangsa, Bekasi, 2019. [19] W. A. Fahrudin, “Analisis keefektifitasan mesin bubut konvensional sebagai usulan perbaikan dalam penerapan total productive maintenance di PT. Xintai Indonesia,” JITMI: Jurnal Ilmiah Teknik dan Manajemen Industri, vol. 1, no. 2, hlm. 180–188, 2018. [Daring]. Tersedia: https://openjournal.unpam.ac.id/index.php/JITM/article/view/3132/2437. [20] M. N. A. Mukhtar dan T. Koesdijati, “Analisis postur kerja pada operator mesin pond dengan menggunakan metode RULA,” dalam Prosiding Seminar Nasional Hasil Riset dan Pengabdian (SNHRP-1), hlm. 939–946, 2018. NOMENKLATUR x₁ = jumlah produk footstep (unit/periode). x₂ = jumlah produk penggaris variasi (unit/periode). Z = nilai fungsi tujuan atau kontribusi laba (Rp/periode). Z₂₆ = proyeksi kontribusi laba untuk 26 hari produksi (Rp). cⱼ = kontribusi laba per unit produk j (Rp/unit). aᵢⱼ = koefisien penggunaan sumber daya i untuk satu unit produk j. bᵢ = kapasitas sumber daya i atau batas permintaan sesuai satuannya. i = indeks kendala; j = indeks produk. RHS = right-hand side atau ruas kanan fungsi kendala. Nilai dual = perubahan marginal Z per satu unit perubahan ruas kanan, selama basis optimal tetap.