PERAN MODEL MATEMATIKA DALAM MENINGKATKAN KEUNTUNGAN DAN KERUGIAN USAHA

Abstrak

Penelitian ini bertujuan mengkaji secara sistematis peran model matematika dalam menganalisis, meningkatkan keuntungan, dan meminimalkan kerugian usaha melalui pendekatan studi literatur. Kajian dilakukan terhadap 27 sumber primer yang diterbitkan dalam sepuluh tahun terakhir, mencakup jurnal nasional dan internasional bereputasi. Hasil kajian menunjukkan bahwa terdapat tujuh kelompok utama model matematika yang digunakan dalam konteks keuntungan dan kerugian usaha, yaitu: program linier (simpleks dan integer), analisis biaya-volume-laba (CVP), turunan fungsi (diferensial), integral, model stokastik dan fuzzy, serta pemodelan keuangan berbasis data historis. Setiap model memiliki kelebihan, keterbatasan, dan konteks penerapan yang berbeda-beda. Program linier paling banyak diterapkan pada UMKM karena kemudahan implementasinya, sementara model stokastik dan keuangan lebih sesuai untuk kondisi ketidakpastian dan prediksi jangka panjang. Artikel ini juga menyajikan analisis perbandingan antar model dan kritik terhadap kelemahan metodologis masing-masing, serta argumen bahwa tidak ada satu model pun yang bersifat universal—pilihan model harus disesuaikan dengan skala usaha, ketersediaan data, dan kapasitas analitis pelaku usaha.

This study aims to systematically review the role of mathematical models in analyzing, improving business profit, and minimizing losses through a literature review approach. The review was conducted on 27 primary sources published within the last ten years, encompassing reputable national and international journals. The results indicate that there are seven main groups of mathematical models used in the context of business profit and loss: linear programming (simplex and integer), cost-volume-profit (CVP) analysis, differential calculus, integral calculus, stochastic and fuzzy models, and historical data-based financial modeling. Each model has distinct advantages, limitations, and application contexts. Linear programming is most widely applied in MSMEs due to ease of implementation, while stochastic and financial models are more suited for uncertainty conditions and long-term predictions. This article also presents a comparative analysis between models and critiques methodological weaknesses of each, arguing that no single model is universally applicable—the choice of model must be adjusted to the business scale, data availability, and analytical capacity of the business owner