Analisis Primal Analisis Dual Analisis Sensitivitas

28

4.3 Metode Pengumpulan Data

Pengumpulan data dilaksanakan pada bulan April-Mei 2009. Metode pengumpulan data primer yaitu melakukan wawancara dengan pimpinan perusahaan dan karyawan PPBT, pedagang telur puyuh, peternak mitra PPBT, dan pihak terkait lainnya. Selain itu, pengumpulan data dilakukan dengan pengamatan dan keterlibatan langsung pada semua proses produksi di perusahaan. Data sekunder dikumpulkan dengan cara studi literatur dari berbagai sumber yang terkait dengan penelitian.

4.4 Metode Pengolahan Data

Pengolahan data dilakukan secara kuantitatif dan kualitatif. Data kualitatif mengenai gambaran dan kondisi umum perusahaan dijabarkan secara deskriptif. Pengolahan data kuantitatif dilakukan dengan mengelompokkan data yang diperoleh secara manual berdasarkan aktivitas-aktivitas untuk kemudian diproses menggunakan program Microsoft Excel. Hasilnya digunakan untuk menyusun fungsi tujuan dan fungsi kendala. Pengolahan data berikutnya adalah menggunakan software LINDO Linear Interactive and Discrete Optimizer. Pengolahan LINDO akan menghasilkan kombinasi output optimal yang akan menghasilkan keuntungan maksimal. Analisis data yang akan dilakukan dari hasil olahan LINDO meliputi analisis primal, analisis status sumberdaya dual, analisis sensitivitas, dan analisis post optimal.

4.4.1 Analisis Primal

Menurut Mulyono 1991, optimalisasi dengan Linear Programming terdiri dari dua bentuk. Bentuk pertama dinamakan primal, sedangkan bentuk kedua dinamakan dual. Analisis primal bertujuan untuk mengetahui kombinasi produk terbaik yang dapat memaksimumkan keuntungan dengan sumberdaya yang terbatas. Analisis primal akan memberikan informasi mengenai aktivitas mana yang tidak termasuk dalam skema optimal atau memiliki nilai reduced cost. Hasilnya akan dibandingkan dengan kombinasi produk aktual yang dihasilkan perusahaan untuk mengetahui apakah perusahaan telah berproduksi optimal atau belum. 29

4.4.2 Analisis Dual

Masalah dual adalah sebuah masalah LP yang diturunkan secara matematis dari satu model LP primal. Masalah dual dan primal sangat berkaitan erat sedemikian rupa sehingga pemecahan optimal dari salah satu masalah akan secara otomatis menghasilkan pemecahan optimum untuk masalah lainnya Taha 1996. Analisis dual dilakukan untuk mengetahui sumberdaya yang membatasi nilai fungsi tujuan dan sumberdaya yang berlebih. Penilaian terhadap sumberdaya ini dilihat dari nilai slack atau surplus dan nilai dualnya. Nilai dual atau harga bayangan shadow price menunjukkan perubahan yang akan terjadi pada fungsi tujuan apabila sumberdaya berubah sebesar satu satuan. Jika nilai slack atau surplus lebih dari nol dan nilai dual sama dengan nol maka sumber daya tersebut berlebih. Sumberdaya berlebih termasuk dalam kendala tidak aktif yaitu kendala yang tidak habis terpakai dalam proses produksi serta tidak mempengaruhi fungsi tujuan jika terjadi penambahan sebesar satu satuan ketersediaan sumberdaya. Sumberdaya dengan nilai dual lebih besar dari nol menunjukkan bahwa sumberdaya bersifat langka dan termasuk dalam jenis kendala yang membatasi nilai fungsi tujuan.

4.4.3 Analisis Sensitivitas

Analisis sensitivitas dilakukan setelah solusi optimal tercapai untuk mengetahui sejauh mana perubahan pada tingkat keuntungan dan ketersediaan sumber daya tidak akan mengubah solusi optimal. Menurut Taha 1996, tujuan analisis ini adalah memperoleh informasi mengenai pemecahan nilai optimum yang baru dan memungkinkan sesuai dengan parameter perhitungan tambahan yang minimal. Perubahan tersebut meliputi perubahan pada koefisien fungsi tujuan dan ketersediaan sumber daya. Pengaruh perubahan dilihat dari selang kepekaan minimum allowable decrease dan kepekaan maksimum allowable increase. Semakin sempit selang menunjukkan pengaruh yang kuat dalam perubahan tingkat keuntungan. Batas minimum merupakan batas penurunan nilai parameter yang diijinkan agar tidak mengubah kondisi optimal. Sedangkan batas maksimum menunjukkan batas kenaikan nilai parameter yang diijinkan agar kondisi optimal tidak berubah. 30

4.4.4 Analisis Post Optimal