Resume Linear Programming

Oleh : Aldry Triansya (1206225952) , Boma Wibowo (1206224962) ,Teuku Ghaisa Aufa
(1106070496)
Linear Programming
Linear programming adalah suatu teknis matematika yang dirancang untuk membantu
manager dalam merencanakan dan membuat keputusan dalam mengalokasikan sumber daya
yang terbatas untuk mencapai tujuan perusahaan. Tujuan perusahaan pada umumnya adalah
memaksimalkan keuntungan dan meminimalisasikan modal.
Linear Programming memiliki empat ciri khusus yang melekat, yaitu :
1. penyelesaian masalah mengarah pada pencapaian tujuan maksimalisasi atau meminilisasi
2. Kendala yang ada membatasi tingkat pencapaian tujuan
3. Ada beberapa alternatif penyelesaian
4. Hubungan matematis bersifat linear
Secara teknis, ada lima syarat tambahan dari permasalahan linear programming yang harus
diperhatikan yang merupakan asumsi dasar, yaitu:
1. certainty (kepastian). Maksudnya adalah fungsi tujuan dan fungsi kendala sudah diketahui
dengan pasti dan tidak berubah selama periode analisa.
2. proportionality (proporsionalitas). Yaitu adanya proporsionalitas dalam fungsi tujuan dan
fimgsi kendala.
3. additivity (penambahan). Artinya aktivitas total sama dengan penjumlahan aktivitas
individu.
4. divisibility Coisa dibagi-bagi). Maksudnya solusi tidak harus merupakan bilangan integer
(bilangan bulat), tetapi bisa juga berupa pecahan.
5. non-negative variable (variabel tidak negatif). Artinya bahwa semua nilai jawaban atau
variabel tidak negatif.
Dalam menyelesaikan permasalahan dengan menggunakan Linear Programming, ada dua
pendekatan yang bisa digunakan, yaitu metode grafik dan metode simpleks. Metode grafik
hanya bisa digunakan lantuk menyelesaikan permasalahan dimana variabel keputusan sama
dengan dua. Sedangkan metode simpleks bisa digu-nakan untuk menyelesaikan permasalahan
dimana variabel keputusan dua atau lebih.
Dalam Bab I ini, akan dibahas Linear Programming dengan metode grafik untuk fungsi
tujuan baik maksimum maupun minimum. Fungsi tujuan maksimum akan diuraikan pada
topik I sedang fungsi tujuan minimum akan diuraikan pada topik II.

Dengan mempelajari modul ini dengan baik dan benar, diharapkan Anda dapat memahami
pennasalahan Linear Programming dengan metode grafik.
Setelah mempelajari medul ini diharapkan anda dapat:
1. Mengenal linear programming sebagai alat pengambilan keputusan
2. Merumuskan permasalahan operasi ke dalam bentuk linear programming
3. Menyelesaikar. permasalahan linear programming dengan grafik/ matematik
4. Memahami
dan redundancy.

permasalahan

infeasibility,

unboundedness,

alternative

optima,

Linear programming Menurut Literatur

Linear Programming atau Pemrograman Linier disingkat PL merupakan metode
matematik dalam mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan
seperti memaksimumkan keuntungan dan meminimumkan biaya. PL banyak diterapkan
dalam masalah ekonomi, industri, militer, social dan lain-lain. PL berkaitan dengan
penjelasan suatu kasus dalam dunia nyata sebagai suatu model matematik yang terdiri dari
sebuah fungsi tujuan linier dengan beberapa kendala linier (Siringoringo, 2005).
Menurut Media Anugerah Ayu (1996), linear programming atau pemrograman linier
berasal dari kata pemrograman dan linear. Pemograman artinya perencanaan, dan linear
berarti bahwa fungsi-fungsi yang digunakan merupakan fungsi linier. Jadi secara
umum linear programming adalah suatu teknik perencanaan yang bersifat analitis yang
analisisnya memakai model matematika, dengan tujuan menemukan beberapa kombinasi
alternatif pemecahan masalah, yang kemudian dipilih yang terbaik yang diantaranya dalam
rangka menyusun langkah-langkah kebijaksanaan lebih lanjut tentang alokasi sumber daya
dan dana yang terbatas guna mencapai tujuan dan sasaran yang diinginkan secara optimal.
Sedangkan menurut Wikipedia (2009), Linear Programming merupakan suatu model
umum yang dapat digunakan dalam pengalokasian sumber-sumber yang terbatas secara
optimal. Masalah tersebut timbul apabila seseorang diharuskan untuk memilih atau
menentukan tingkat setiap kegiatan yang akan dilakukan, dimana masing-masing kegiatan
membutuhkan sumber yang sama sedangkan jumlahnya terbatas.
Karakteristik yang biasa digunakan dalam persoalan linear programming adalah
sebagai berikut(Siringoringo, 2005):
1. Sifat linearitas suatu kasus dapat ditentukan dengan menggunakan beberapa cara. Secara
statistik, kita dapat memeriksa kelinearan menggunakan grafik (diagram pencar) ataupun

menggunakan uji hipotesa. Secara teknis, linearitas ditunjukkan oleh adanya sifat
proporsionalitas, additivitas, divisibilitas dan kepastian fungsi tujuan dan pembatas.
2. Sifat proporsional dipenuhi jika kontribusi setiap variabel pada fungsi tujuan atau penggunaan
sumber daya yang membatasi proporsional terhadap level nilai variabel. Jika harga per unit
produk misalnya adalah sama berapapun jumlah yang dibeli, maka sifat proporsional
dipenuhi. Atau dengan kata lain, jika pembelian dalam jumlah besar mendapatkan diskon,
maka sifat proporsional tidak dipenuhi. Jika penggunaan sumber daya per unitnya tergantung
dari jumlah yang diproduksi, maka sifat proporsionalitas tidak dipenuhi.
3. Sifat additivitas mengasumsikan bahwa tidak ada bentuk perkalian silang diantara berbagai
aktivitas, sehingga tidak akan ditemukan bentuk perkalian silang pada model. Sifat additivitas
berlaku baik bagi fungsi tujuan maupun pembatas (kendala). Sifat additivitas dipenuhi jika
fungsi tujuan merupakan penambahan langsung kontribusi masing-masing variabel
keputusan. Untuk fungsi kendala, sifat additivitas dipenuhi jika nilai kanan merupakan total
penggunaaan masing-masing variabel keputusan. Jika dua variabel keputusan misalnya
merepresentasikan dua produk substitusi, dimana peningkatan volumepenjualan salah satu
produk akan mengurangi volume penjualan produk lainnya dalam pasar yang sama, maka
sifat additivitas tidak terpenuhi.
4. Sifat divisibilitas berarti unit aktivitas dapat dibagi ke dalam sembarang level fraksional,
sehingga nilai variabel keputusan non integer dimungkinkan.
5. Sifat kepastian menunjukkan bahwa semua parameter model berupa konstanta. Artinya
koefisien fungsi tujuan maupun fungsi pembatas merupakan suatu nilai pasti, bukan
merupakan nilai dengan peluang tertentu.
Keempat asumsi (sifat) karakteristik ini dalam dunia nyata tidak selalu dapat dipenuhi. Untuk
meyakinkan dipenuhinya keempat asumsi ini, dalam linear programming diperlukan analisis
sensitivitas terhadap solusi optimal yang diperoleh.
Penyelesaian dengan Metode Grafik
Metode grafik adalah penyelesaian linear programming yang penyelesaiannya
disajikan dalam bentuk grafik yang sebelumnya dilakukan perhitungan-perhitungan untuk
mencari titik-titik temu pada masing-masing sumbu. Tujuan dari metode grafik ini adalah
untuk memberi dasar-dasar dari konsep yang digunakan teknik simpleks. Prosedur umumnya
adalah untuk mengubah suatu situasi deksriptif kedalam bentuk masalah linear
programming dengan menentukan variabel, konstanta, fungsi objektif, dan kendalanya
sehingga masalah tersebut dapat disajikan dalam bentuk grafik dan diinterpretasikan
solusinya (Dimyati, 1994).
Metode grafik hanya bisa digunakan untuk menyelesaikan permasalahan dimana
hanya terdapat dua variabel keputusan. Untuk menyelesaikan permasalahan tersebut, langkah
pertama yang harus dilakukan adalah memformulasikan permasalahan yang ada ke dalam
bentuk linear programming (Dimyati, 1994).

Langkah-langkah dalam formulasi permasalahan adalah (Dimyati, 1994):

1. Pahamilah secara menyeluruh permasalahan manajerial yang dihadapi.
2. Identifikasikan tujuan dan kendalanya.
3. Definisikan variabel keputusannya.
4. Gunakan variabel keputusan untuk merumuskan fungsi tujuan dan fungsi kendala
secara matematis.
Berikut adalah tahapan-tahapan dalam penggunaan metode grafik (Dimyati, 1994):
1. Identifikasi variabel keputusan.
2. Identifikasi fungsi objektif.
3.Identifikasi kendala-kendala.
4. Menggambarkan bentuk grafik dari semua kendala.
5. Identifikasi daerah solusi yang layak pada grafik.
6. Menggambarkan bentuk grafik dari fugsi objektif dan menentukan titik yang memberikan
nilai objektif optimal pada daerah solusi yang layak.
7.Mengartikan solusi yang diperoleh.
Penyelesaian dengan Metode Simpleks
Salah satu teknik penentuan solusi optimal yang digunakan dalam linear
programming adalah metode simpleks. Penentuan solusi optimal menggunakan metode
simpleks didasarkan pada teknik eleminasi Gauss Jordan. Penentuan solusi optimal dilakukan
dengan memeriksa titik ekstrim satu per satu dengan cara perhitungan iteratif. Sehingga
penentuan solusi optimal dengan simpleks dilakukan tahap demi tahap yang disebut dengan
iterasi. Iterasi ke-i hanya tergantung dari iterasi sebelumnya (i-1) (Siringoringo, 2005).
Ada beberapa istilah yang sangat sering digunakan dalam metode simpleks,
diantaranya (Siringoringo, 2005):
1. Iterasi adalah tahapan perhitungan dimana nilai dalam perhitungan itu tergantung dari nilai
tabel sebelumnya.
2. Variabel non basis adalah variabel yang nilainya diatur menjadi nol pada sembarang iterasi.
Dalam terminologi umum, jumlah variabel non basis selalu sama dengan derajat bebas dalam
sistem persamaan.
3. Variabel basis merupakan variabel yang nilainya bukan nol pada sembarang iterasi. Pada solusi
awal, variabel basis merupakan variabel slack (jika fungsi kendala merupakan
pertidaksamaan ) atau variabel buatan (jika fungsi kendala menggunakan pertidaksamaan
atau =). Secara umum, jumlah variabel basis selalu sama dengan jumlah fungsi pembatas
(tanpa fungsi non negatif).
4. Solusi atau nilai kanan merupakan nilai sumber daya pembatas yang masih tersedia. Pada
solusi awal, nilai kanan atau solusi sama dengan jumlah sumber daya pembatas awal yang
ada, karena aktivitas belum dilaksanakan.

5. Variabel slack adalah variabel yang ditambahkan ke model matematik kendala untuk
mengkonversikan pertidaksamaan () menjadi persamaan (=). Penambahan variabel ini
terjadi pada tahap inisialisasi. Pada solusi awal, variabel slack akan berfungsi sebagai
variabel basis.
6. Variabel surplus adalah variabel yang dikurangkan dari model matematik kendala untuk
mengkonversikan pertidaksamaan menjadi persamaan (=). Penambahan ini terjadi pada
tahap inisialisasi. Pada solusi awal, variabel surplus tidak dapat berfungsi sebagai variabel
basis.
7. Variabel buatan adalah variabel yang ditambahkan ke model matematik kendala dengan bentuk
() atau (=) untuk difungsikan sebagai variabel basis awal. Penambahan variabel ini terjadi
pada tahap inisialisasi. Variabel ini harus bernilai 0 pada solusi optimal, karena kenyataannya
variabel ini tidak ada. Variabel hanya ada di atas kertas.
8. Kolom pivot (kolom kerja) adalah kolom yang memuat variabel masuk. Koefisien pada kolom
ini akn menjadi pembagi nilai kanan untuk menentukan baris pivot (baris kerja).
9. Baris pivot (baris kerja) adalah salah satu baris dari antara variabel basis yang memuat variabel
keluar.
10. Elemen pivot (elemen kerja) adalah elemen yang terletak pada perpotongan kolom dan baris
pivot. Elemen pivot akan menjadi dasar perhitungan untuk tabel simpleks berikutnya.
11. Variabel masuk adalah variabel yang terpilih untuk menjadi variabel basis pada iterasi
berikutnya. Variabel masuk dipilih satu dari antara variabel non basis pada setiap iterasi.
Variabel ini pada iterasi berikutnya akan bernilai positif.
12. Variabel keluar adalah variabel yang keluar dari variabel basis pada iterasi berikutnya dan
digantikan oleh variabel masuk. Variabel keluar dipilih satu dari antara variabel basis pada
setiap iiterasi. Variabel ini pada iterasi berikutnya akan bernilai nol.
Sebelum melakukan perhitungan iteratif untuk menentukan solusi optimal, pertama
sekali bentuk umumlinear programming dirubah ke dalam bentuk baku terlebih dahulu.
Bentuk baku dalam metode simpleks tidak hanya mengubah persamaan kendala ke dalam
bentuk sama dengan, tetapi setiap fungsi kendala harus diwakili oleh satu variabel basis awal.
Variabel basis awal menunjukkan status sumber daya pada kondisi sebelum ada aktivitas
yang dilakukan. Dengan kata lain, variabel keputusan semuanya masih bernilai nol. Dengan
demikian, meskipun fungsi kendala pada bentuk umum linear programming sudah dalam
bentuk persamaan, fungsi kendala tersebut masih harus tetap berubah (Siringoringo, 2005).
Rangkuman
LP dengan metode grafik hanya dapat digunakan untuk menyelesaikan permasalahan dengan
2 variabel keputusan. Dalam penyelesaian pennasalahan diawali dengan formulasi
permasalahan, kemudian menggambarkan fungsi kendala serta menentukan area layak. Baru
kemudian menentukan solusi optimal yang dapat menggunakan 2 pendekatan, yaitu dengan
pendekatan garis profit (isoprofit line) atau titik sudut (corner point).

Analisis sensitivitas
Analisis sensitivitas merupakan analisis yang dilakukan
untuk mengetahui akibat dari perubahan parameterparameter produksi terhadap perubahan kinerja sistem
produksi dalam menghasilkan keuntungan.
Dengan melakukan analisis sensitivitas maka akibat yang mungkin
terjadi dari perubahan-perubahan tersebut dapat diketahui dan
diantisipasi sebelumnya.
Contoh:
- Perubahan biaya produksi dapat mempengaruhi tingkat kelayakan
Alasan dilakukannya analisis sensitivitas adalah untuk mengantisipasi
adanya perubahan-perubahan berikut:
1. Adanya cost overrun, yaitu kenaikan biaya-biaya, seperti biaya
konstruksi, biaya bahan-baku, produksi, dsb.
2. Penurunan produktivitas
3. Mundurnya jadwal pelaksanaan proyek
Setelah melakukan analisis dapat diketahui seberapa jauh dampak
perubahan tersebut terhadap kelayakan proyek: pada tingkat mana
proyek masih layak dilaksanakan.
Analisis sensitivitas dilakukan dengan menghitung IRR, NPV, B/C
ratio, danpayback period pada beberapa skenario perubahan yang
mungkin terjadi.
Mudah dilakukan dalam software spreadsheet.

Contoh Soal

seorang pedagang sepeda ingin membeli 25 sepeda untuk persediaan. Ia ingin membeli
sepeda gunung dengan harga Rp 1.500.000,00 per buah dan sepeda balap dengan harga Rp
2.000.000,00 per buah. Ia berencana tidak akan mengeluarkan uang lebih dari Rp

42.000.000,00. Jika keuntungan sebuah sepeda gunung Rp 500.000,00 dan sebuah sepeda
balap Rp 600.000,00, maka keuntungan maksimum yang diterima pedagang adalah
Pembahasan Tanpa membuat tabel, kita dapat memodelkan kendala-kendala dari
permasalahan tersebut sebagai berikut.
x + y 25,
1.500.000x + 2.000.000y 42.000.000,
x 0, y 0,
x dan y bilangan cacah.
Dengan fungsi objektifnya adalah f(x, y) = 500.000x + 600.000y. Sehingga apabila
digambarkan, daerah selesaiannya akan nampak seperti berikut.

Selanjutnya kita tentukan titik potong grafik persamaan 1.500.000x + 2.000.000y =

42.000.000 dan x + y = 25.

Sehingga,

Diperoleh,

Selanjutnya kita lakukan uji titik pojok ke dalam fungsi objektifnya.

Jadi, keuntungan maksimum yang diterima pedagang adalah Rp 13.400.000,00.