Analisis Metode Grafik dalam Menentukan Nilai Maksimum dan Minimum Fungsi Tujuan Linear Programming
Keywords:
Graphical Method Linear Programming; Maximum and Minimum Values; Optimal Solution AnalysisAbstract
Penelitian ini bertujuan menganalisis peran Metode Grafik dalam Linear Programming dalam menentukan nilai maksimum dan minimum fungsi tujuan serta hubungannya dengan analisis solusi optimal melalui kajian literatur. Linear Programming dipahami sebagai teknik optimasi untuk memaksimumkan atau meminimumkan fungsi tujuan linear di bawah sejumlah kendala linear, sedangkan metode grafik menjadi pendekatan paling sederhana dan intuitif untuk kasus dua variabel karena dapat memvisualisasikan daerah layak dan titik sudut yang memuat solusi optimal. Penelitian ini menggunakan Systematic Literature Review (SLR) berbasis kerangka PRISMA, dengan data artikel terindeks Scopus kuartil Q1–Q4 periode 2020–2025 yang diperoleh melalui bantuan aplikasi Watase UAKE. Dari 232 publikasi awal yang relevan dengan kata kunci Graphical Method Linear Programming, Maximum and Minimum Values, dan Optimal Solution Analysis, proses seleksi menghasilkan 5 artikel utama untuk dianalisis. Hasil kajian menunjukkan bahwa berbagai studi memanfaatkan pemodelan matematis, teori sampling, metode keputusan multikriteria, analisis simetri, dan eksperimen untuk mengkaji nilai ekstrem dan solusi optimal. Secara keseluruhan, temuan ini menegaskan bahwa konsep nilai maksimum–minimum dan metode grafik merupakan fondasi penting bagi pengembangan model optimasi yang lebih kompleks dan peningkatan kualitas pengambilan keputusan.
References
Akolbire, H. (2025). Research Article A Novel Estimator for Finite Population Mean in the Presence of Minimum and Maximum Values. 2025. https://doi.org/10.1155/cmm4/5592413
Al-marzouki, S., Chesneau, C., Akhtar, S., Nasir, J. A., Hussain, S., Jamal, F., & Elgarhy, M. (2021). Estimation of finite population mean under PPS in presence of maximum and minimum values. 6(March), 5397–5409.
Bram. (2025). Section 2 . 1 – Solving Linear Programming Problems Solving Linear Programming Problems – The Graphical Method. 1–19.
Males, M. R., Fernandes, J. F. T., Dingley, A. F., Garcia-ramos, A., Perez-castilla, A., Tufano, J. J., & Twist, C. (2021). behavioral sciences Prediction of One Repetition Maximum Using Reference Minimum Velocity Threshold Values in Young and.
Octaria, D., Ilma, R., & Putri, I. (2023). Ksystematic literature review : How students learn linear programming with realistic mathematics education ? 6(1), 2014–2019.
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. Bmj, 372. https://doi.org/10.1136/bmj.n71
Parr, R. (2025). Linear Programming Overview Digression : Linear Programs Real-World Applications Linear programs : example. 1–8.
Saheli. (2024). Linear Programming and the Simplex Method.
Sandhiya, J., Mythili, N., & Saranya, E. (2023). A Study On Linear Programming Problems In Real Life Applications. 11(5), 913–921.
Setiyowati, A. (2025). Determinasi Kepemimpinan Adaptif: Manajemen Risiko, Transformasi Digital dan Adaptif Perusahaan. Jurnal Pendidikan Siber Nusantara, 3(1), 37–49. https://doi.org/10.38035/jpsn.v3i1.342
Yan, X., Liu, J., Yang, J., & Xin, X. (2023). Lie symmetry analysis , optimal system and exact solutions for. Journal of Mathematical Analysis and Applications, 518(1), 126671. https://doi.org/10.1016/j.jmaa.2022.126671
Yang, W. (2022). Materials selection method using improved TOPSIS without rank reversal based on linear max-min normalization with absolute maximum and minimum values. Materials Research Express, 9(6), 65503. https://doi.org/10.1088/2053-1591/ac2d6b
