2

Pemprograman Linear

Pengaturcaraan linear merupakan pendekatan penyelesaian maslah yang telah dibentuk untuk
membantu pengurus-pengurus membuat keputusan. Disamping menerangkan definasi
matematik yang normal bagi pemprograman linear, mari kita mulakan perbincangan kita dengan
mempersembahkan beberapa masalah biasa di mana pemprograman linear telah digunakan:
1. Pengilang mahu membangunkan penjadualan pengeluaran dan polisi inventori yang
boleh memenuhi keperluan permintaan jualan bagi tempoh masa hadapan. Secara
idealnya penjadualan dan polisi tersebut membolehkan syarikat memenuhi permintaan
dan dalam masa yang sama meminimumkan jumlah kos pengeluaran dan inventori.
2. Penganalisis kewangan mesti memilih portfolio pelaburan dari beberapa pilihan
pelaburan stok dan bon. Penganalisis mahu membentuk portfolio yang dapat
memaksimumkan pulangan ke atas pelaburan.
3. Pengurus pemasaran mahu menentukan bagaimana membahagikan peruntukan
pengiklanan yang telah ditetapkan dengan baik dia antara alternatif media pengiklanan
seperti radio, television, suratkhabar, dan majalah. Pengurus mahu menentukan
campuran media yang memaksimumkan keberkesanan pengiklanan.
4. Syarikat yang mempunyai gudang dibeberapa lokasi disekitar Amerika Syarikat. Diberi
satu set permintaan pengguna bagi keluarannya syarikat mahu menentukan gudang
manakah yang sepatutnya menghantar berapa banyak keluaran kepada pelanggan
yang mana supaya jumlah kos pengangkutan adalah minimum.
Walaupun begitu ini merupakan beberapa penggunaan yang mungkin di mana
pemprograman linear telah digunakan dengan jayanya, contoh yang diberikan telah
menunjukkan keadaan yang luas bagi jenis masalah yang boleh diselesaikan dengan
menggunakan pemprograman linear. Walaupun penggunaan yang berbagai, penyiasatan yang
teliti menunjukkan satu kegunaan asas di mana semua masalah ini adalah biasa. Oleh itu, bagi
setiap masalah yang diberikan kita terlibat dengan memaksimumkan dan meminimumkan
beberapa kuantiti. Di dalam contoh 1, kita dihendaki meminimumkan kos; di dalam contoh 2 kita
dihendaki memaksimumkan pulangan ke atas pelaboran; di dalam contoh 3 kita dihendaki
memaksimumkan jumlah keberkesanan pengiklanan; dan di dalam contoh 4 kita dihendaki
meminimumkan jumlah kos pengangkutan. Di dalam terminologi pemprograman linear,
memaksimumkan dan meminimumkan kuantiti adalah dirujukkan sebagai objektif kepada
masalah. Oleh itu objektif bagi semua masalah pemprograman linear adalah memaksimumkan
atau meminimumkan beberapa kuantiti.
Kegunaan biasa yang kedua kepada masalah pemprograman linear ialah terdapat
batasan atau kekangan yang menghadkan darjah untuk objektif dicapai. Di dalam contoh 1,
pengilang terbatas oleh kekangan keperluan permintaan keluaran untuk dipenuhi dan dengan
kekangan yang menunjukkan kapasiti pengeluaran yang terhad. Masalah penganalisis portfolio
kewangan pula dibataskan dengan jumlah dana pelaburan yang ada dan jumlah maksimum

BAB DUA

yang boleh dilaburkan di dalam setiap stok atau bon. Pengurus pemasaran di dalam membuat
keputusan pemilihan media adalah dibataskan oleh belanjawan pengiklanan yang telah
ditetapkan dan berbagai media yang tersedia. Di dalam masalah pengangkutan meminimumkan
kos penjadualan penghantaran dibataskan oleh penawaran keluaran yang ada pada setiap
gudang. Semua kekangan-kekangan ini adalah gambaran secara am bagi setiap masalah
pemprograman linear.
2.1

Masalah Pemaksimuman yang Mudah.

Sekarang mari kita pertimbangkan masalah yang sedang dianalisis oleh pengurus Par Inc.,
pengilang kecil dan pembekal peralatan golf. Par telah diyakinkan oleh pengedar di mana
terdapat pasaran yang sedia ada bagi kedua-dua beg golf yang berharga sederhana dan tinggi.
Kenyataannya, pembekal terlalu yakin kepada pasaran sekiranya Par boleh membuat beg
tersebut pada harga yang boleh bersaing, pebekal bersetuju untuk membeli semua apa yang
Par boleh keluarkan dalam tempoh tiga bulan yang akan datang.
Selepas membuat penyiasatan bagi setiap langkah yang terlibat di dalam membuat bag
golf, Par telah mengenalpasti setiap beg golf yang dikeluarkan adalah perlu melalui operasi
berikut:
1.
2.
3.
4.

Memotong dan mewarna bahan mentah.

Menjahit.
Kemasan (seperti memasukkan pemegang payung, pengagehan kelab dan lain-lain).
Pemereksaan dan pembungkusan.

Pengarah pengilangan telah menganalisis setiap operasi dan membuat kesimpulan di

mana sekiranya syarikat mengeluarkan beg harga sederhana, model standard, setiap beg yang
dikeluarkan memerlukan 7/10 jam di dalam jabatan pemotongan dan mewarna, 1/2 jam di
dalam jabatan jahitan, 1 jam di dalam jabatan kemasan dan jam di dalam jabatan pemeriksaan
dan pembungkusan. Model deluxe yang lebih mahal pula memerlukan 1 jam masa pemotongan
dan mewarna, 5/6 jam masa jahitan, 2/3 jam masa kemasan dan 1/4 jam masa pemereksaan
dan pembungkusan. Semua maklumat pengeluaran adalah diringkaskan di dalam Jadual 2.1.
JADUAL 2.1 :
Operasi Pengeluaran dan Keperluan Pengeluaran Sebuah Beg

Keluaran
Beg standard
Beg Deluxe

Pemotongan
dan Mewarna
7/10
1

MASA PENGELUARAN (jam)

Menjahit
Kemasan

5/6

1
2/3

Pemerkisaan
dan
Pembungkusan
1/10
1/4

Jabatan perakaunan telah menganalisis angka pengeluaran ini, mengenakan semua kos
berubah yang sesuai, dan mendapati harga setiap beg menghasilkan sumbangan keuntungan

PEMPROGRAMAN LINEAR

dan overhead sebanyak $10 bagi setiap beg standard dan $9 bagi setiap bag deluxe yang
dikeluarkan.
Disamping itu, selepas mengkaji unjuran beban kerja jabatan, pengarah perkilangan
menganggarkan hanya 630 jam masa pemotongan dan mewarna, 600 jam masa menjahit, 708
jam masa kemasan dan 135 jam masa pemeriksaan dan pembungkusan yang ada untuk
pengeluaran beg golf dalam masa tiga bulan berikutnya. Masalah Par ialah untuk menentukan
berapa banyak beg standard dan berapa banyak beg deluxe yang patut dikeluarkan untuk
memaksimumkan keuntungan. Sekiranya anda ditugaskan membuat penjadualan pengeluaran
untuk Par Inc., apakah keputusan yang anda buat? Ia itu, berapa banyak beg standard dan
berapa banyak beg deluxe yang patut anda keluarkan untuk tiga bulan akan datang? Tuliskan
keputusan anda dibawah. Kemudian anda boleh semak dan lihat bagaimana baiknya yang telah
anda buat.
Bilangan
Beg Standard

2.2

Bilangan
Beg Deluxe

Jumlah Keuntungan

Fungsi Objektif

Seperti yang telah ditunjukkan terdahulu, setiap masalah pemprograman linear

mempunyai objektif yang khusus. Bagi masalah Par objektifnya adalah untuk memaksimumkan
keuntungan. Kita boleh tuliskan objektif ini di dalam bentuk yang lebih khusus dengan
pengenalan beberapa tetanda yang mudah. Biarkan
x1 = bilangan beg standard yang Par Inc., keluarkan.
x2 = bilangan beg deluxe yang Par Inc., keluarkan.
Keuntungan Par datangnya dari dua sumber: (1) keuntungan yang dibuat dengan
mengeluarkan x1 beg standard dan (2) keuntungan yang dibuat dengan mengeluarkan x2 beg
deluxe. Olek kerana Par memperolehi $10 untuk setiap beg standard yang dikeluarkan, syarikat
akan memperolehi $10x1, jika x1 beg standard dikeluarkan. Begitu juga, oleh kerana Par
memperolehi $9 untuk setiap keluaran bag deluxe, syarikat akan memperolehi $9x 2 jika x2 bag
deluxe dikeluarkan. Menandakan jumlah keuntungan sebagai z, kita dapati
Jumlah keuntungan = Z = $10x1 + $9x2
Dari sekarang dan seterusnya kita akan mengandaikan semua keuntungan adalah
diukur di dalam ringgit dan jumlah keuntungan akan ditulis tanpa tanda ringgit. Oleh itu
Jumlah keuntungan = Z = 10x1 + 9x2

(2.1)

Penyelesaian untuk masalah Par adalah keputusan yang akan memaksimumkan jumlah
keuntungan. Oleh itu, Par Inc., mesti menentukan nilai-nilai bagi angkubah x 1 dan x2 yang akan
menghasilkan nilai z tertinggi yang mungkin. Di dalam terminologi pemprograman linear kita

BAB DUA

rujukkan x1 dan x2 sebagai angkubah keputusan. Oleh kerana, objektif - memaksimumkan

jumlah keuntungan - adalah fungsi kepada angkubah keputusan ini, kita rujukkan kepada 10x 2
+ 9x2, sebagai fungsi objektif. Oleh itu di dalam terminologi pemprograman linear kita katakan
matlamat atau objektif Par adalah untuk memaksimumkan nilai fungsi objektif. Menggunakan
max sebagai ringkasan untuk maksimum, objektif boleh ditulis sebagai:
max z = max 10x1 + 9x2

(2.2)

Katakan Par memutuskan untuk membuat 400 beg standard dan 200 beg deluxe.
Mengikut persamaan (2.2) keuntungan yang berkaitan adalah
z = 10(400) + 9(200)
= 4000 + 1800
= 5800
Apa kata kalau Par memutuskan kombinasi keluaran yang berbeza, katakan
mengeluarkan 800 bag standard dan tiada beg deluxe yang dikeluarkan? Dalam kes ini
keuntungan Par akan menjadi
z = 10(800) + 9(0)
= 8000
Nyatalah kombinasi keluaran yang kemudian ini adalah lebih baik bagi Par, Inc. dalam
hal objektif yang dinyatakan untuk memaksimumkan keuntungan. Walau bagaimana pun,
adalah tidak mungkin bagi Par, Inc. untuk mengeluarkan 800 beg standard dan tiada beg
deluxe. Mari kita lihat pada jumlah masa yang diperlukan untuk setiap empat operasi sekiranya
kita mengambilkira kombinasi pengeluaran ini. Menggunakan data di dalam Jadual 2.1, kita
dapati pengeluaran bagi 800 beg standard memerlukan 560 jam masa pemotongan dan
mewarna, 400 jam masa menjahit, 800 jam masa kemasan dan 80 jam masa pemereksaan dan
pebungkusan. Bolehkah Par, Inc. mengeluarkan 800 beg standard? Jawapannya tidak, oleh
kerana satu jabatan - jabatan kemasan - tidak mempunyai bilangan masa yang mencukupi.
Disebabkan oleh kekangan bilangan masa yang ada, Par, Inc tidak berkebolehan untuk
mempertimbangkan 800 beg standard dan tiada beg deluxe sebagai alternatif pengeluaran
yang boleh diterima. Kenyataannya, Par, Inc. boleh menimbangkan hanya alternatif
pengeluaran yang mempunyai keperluan jumlah masa yang kurang atau sama dengan jumlah
maksima jam yang ada bagi setiap empat operasi tersebut.
Di dalam masalah Par, Inc. mana-mana kombinasi tertentu pengeluaran bagi beg
standard dan beg deluxe adalah dirujukkan sebagai penyelesaian kepada masalah. Walau
bagaimana pun, hanya penyelesaian yang dapat memenuhi semua kekangan sahaja yang
dirujukkan sebagai penyelesaian bolehlaksana. Kombinasi tertentu keluaran boleh laksana
atau penyelesaian boleh laksana yang menghasilkan keuntungan yang terbesar dirujukkan
sebagai kombinasi keluaran yang optimum atau sama dengan penyelesaian optimum. Pada
titik ini, walau bagaimanapun, kita tidak ada idea, apakah penyelesaian optimum akan berlaku
disebabkan kita tidak membentuk tatacara bagi mengenalpasti penyelesaian boleh laksana.
Tatacara untuk menentukan penyelesaian boleh laksana memerlukan kita pertamanya
mengenalpasti kekangan bagi masalah.

PEMPROGRAMAN LINEAR

2.3

Kekangan

Setiap bag standard dan deluxe yang dikeluarkan melalui empat operasi pengilangan. Oleh itu
jumlah masa pengeluaran yang ada adalah terhad bagi setiap operasi, kita boleh jangkakan
terdapat empat batasan atau kekangan yang menghadkan jumlah bilangan beg golf yang boleh
Par keluarkan. Oleh itu, langkah berikutnya di dalam pendekatan pemprograman linear adalah
menentukan dengan jelas semua kekangan yang berkaitan dengan masalah tersebut.
Daripada maklumat pengeluaran (lihat Jadual 2.1) kita tahu setiap bag standard yang
Par keluarkan akan menggunakan 7/10 jam masa pemotongan dan mewarna. Oleh itu, jumlah
bilangan jam masa pemotongan dan mewarna yang digunakan bagi mengeluarkan x1 bag
standard adalah 7/10x1. Dengan lain perkataan, setiap beg deluxe yang dikeluarkan oleh Par
menggunakan 1 jam masa pemotongan dan mewarna; oleh itu x1 beg deluxe adalah
menggunakan 1x2 jam masa pemotongan dan mewarna. Jumlah masa pemotongan dan
mewarna yang diperlukan unuk mengeluarkan x1 beg standard dan x2 beg deluxe diberikan
sebagai
Jumlah masa pemotongan dan mewarna = 7/10x1 + 1x2
Oleh kerana pengarah pengilangan telah menyatakan Par hanya mempunyai sebanyakbanyaknya 630 jam masa pemotongan dan mewarna, ia mengikat kombinasi pengeluaran yang
dipilih untuk memenuhi keperluan
7/10 x1+ 1x2 630

(2.3)

di mana simbol bermakna lebih kecil daripada atau sama dengan. Perhubungan (2.3)
dirujukkan sebagai ketaksamaan dan ditandakan sebagai kenyataan jumlah masa yang
digunakan untuk operasi pemotongan dan mewarna bagi mengeluarkan x 1 bag standard dan x2
bag deluxe mestilah lebih kecil daripada atau sama dengan jumlah maksimum masa
pemotongan dan mewarna yang ada pada Par, Inc. Ketaksamaan (2.3) kemudiannya mewakili
kekangan pemotongan dan mewarna bagi Par Inc.
Dari Jadual 2.1 kita juga dapat melihat bagi setiap bag standard yang dikeluarkan
memerlukan 1/2 jam masa menjahit dan setiap beg deluxe yang dikeluarkan memerlukan 5/6
jam masa menjahit. Oleh kerana terdapat 600 jam masa menjahit yang ada, berikutnya
1/2 x1 + 5/10 x2 600

(2.4)

Ketaksamaan (2.4) adalah perwakilan matametik bagi kekangan menjahit. Anda

tentukan sendiri bagi kekangan kapasiti kemasan adalah
1x1 + 2/3 x2 708

(2.5)

dan kekangan untuk kapasiti pemeriksaan dan pembungkusan adalah

1/10x1 + 1/4x2 135

(2.6)

Kita sekarang telah mengenalpasti perhubungan matametik bagi kekangan-kekangan

yang berkaitan dengan empat operasi pengeluaran. Adakah terdapat lain-lain kekangan yang

BAB DUA

telah kita lupakan? Bolehkah Par mengeluarkan bilangan negatif bagi bag standard dan beg
deluxe? Nyatalah, jawapannya tidak. Oleh itu di dalam usaha untuk menghalang keputusan
angkubah x1 dan x2 daripada menpunyai nilai negatif dua kekangan
x1 0

dan

x2 0

(2.7)

mesti ditambah. Tanda bermakna lebih besar daripada atau sama dengan. Kekangan ini
menentukan penyelesaian bagi masalah kita akan megandungi nilai bukan negatif bagi
angkubah keputusan dan dirujukkan sebagai kekangan bukan negatif. Kekangan bukan
negatif adalah gambaran am bagi semua masalah pemprograman linear dan akan ditulis di
dalam bentuk ringkasnya seperti berikut:
x1, x2 0
2.4

Pernyataan Matematik bagi Masalah Par Inc.

Pernyataan matematik atau formulasi matametik bagi masalah Par, Inc. sekarang telah
dilengkapkan. Kita telah berjaya di dalam memindahkan objektif dan kekangan bagi masalah
sebenar kepada set perhubungan matematik yang dinyatakan sebagai model matematik. Model
matematik yang sempurna bagi Par, Inc. adalah seperti berikut.
max 10 x1 + 9 x2
tertakluk kepada (t.k.)
7/10x1 + 1 x2 630
1/2x1 + 5/6 x2 600
1x1 + 2/3 x2 708
1/10x1 + 1/4 x2 135
x1, x2 0

Pemotongan dan mewarna

Menjahit
Kemasan
Pemeriksaan dan pembungkusan

Tugas kita sekarang ialah untuk mencari campuran keluaran (iaitu, kombinasi x 1 dan x2)
yang dapat memenuhi semua kekangan dan, pada masa yang sama, menghasilkan nilai fungsi
objektif yang lebih besar atau sana dengan nilai yang diberi melalui lain-lain penyelesaian boleh
laksana. Bila ini telah dilakukan, kita telah memenuhi penyelesaian optimum kepada bagi
masalah.
Model matamatik di atas bagi masalah Par, Inc. adalah pemprograman linear. Masalah
tersebut mempunyai objektif dan kekangan yang telah kita nyatakan awalnya adalah bahagian
yang biasa bagi semua pemprograman linear. Tetapi apakah gambaran khusus bagi model
matematik tersebut yang membuatkannya sebagai pemprograman linear? Gambaran khusus
yang menjadikan ia pemprograman ialah fungsi objektif dan semua fungsi kekangan (bahagian
sebelah kiri bagi kekangan ketaksamaan) adalah fungsi linear angkubah keputusan.
Secara matametik, fungsi di mana setiap angkubah kelihatan di dalam bentuk yang
berasingan dan kuasa satu dipanggil fungsi linear. Fungsi objektif (10x1 + 9x2) adalah linear
oleh kerana setiap angkubah keputusan terjadi di dalam bentuk yang berasingan dan
mempunyai eksponen 1. Sekiranya fungsi objektif kelihatan sebagai (10x12 + x2) ia tidak lagi
dikenali fungsi linear dan kita tidak lagi mempunyai pemprograman linear. Jumlah masa

PEMPROGRAMAN LINEAR

pengeluaran yang diperlukan di dalam jabatan pemotongan dan mewarna ( 7/10x1 + 1x2) juga
merupakan fungsi linear bagi angkubah keputusan untuk sebab yang sama. Begitu juga, fungsi
bagi bahagian sebelah kiri semua ketaksamaan kekangan (fungsi kekangan) adalah fungsi
linear. Oleh itu formulasi matametik bagi masalah Par adalah dirujukkan
sebagai
pemprograman linear.
2.5

Pendekatan Penyelesaian Secara Geraf

Cara yang mudah untuk menyelesaikan masalah pemprograman linear yang mempunyai hanya
dua angkubah keputusan adalah tatacara penyelesaian secara geraf. Walaupun kaedah geraf
adalah merumitkan di dalam penyelesaian masalah tiga angkubah, dan tidak boleh digunakan
untuk masalah yang besar, keuntungan disebalik mempelajari cara ini amat bernilai sebagai
bantuan untuk memahami beberapa konsep yang lebih tinggi yang akan dibincangkan
kemudiannya di dalam buku ini. Disamping itu, kaedah geraf memberikan asas 'intuitive' untuk
kaedah penyelesaian yang lebih praktikal seperti cara simplek, yang akan dibincangkan di
dalam Bab 3.
Sekarang mari kita mulakan tatacara penyelesaian geraf dengan membentuk geraf yang
boleh digunakan untuk menerangkan penyelesaian yang mungkin (nilai x 1 dan x2) bagi masalah
Par, Inc. Geraf (Rajah 2.1) mempunyai nilai x 1 bagi paksi mendatar dan nilai x2 bagi paksi
menegak. Mana-mana titik di atas geraf boleh dikenalpasti dengan nilai-nilai x 1 dan x2, yang
menunjukkan kedudukan titik disepanjang paksi x1 dan x2. Oleh itu setiap titik (x1,x2) berpadanan
dengan penyelesaian yang mungkin, setiap titik di atas geraf adalah dipanggil sebagai titik
penyelesaian. Titik penyelesaian di mana x1 = 0 dan x2 = 0 dirujukkan sebagai titik origin.

Rajah 2.1
Graf Titik Penyelesaian untuk Dua Pembolehubah Masalah Par, Inc.

BAB DUA

Langkah berikutnya, ialah untuk menunjukkan di mana kombinasi x1 dan x2 yang

mungkin, iaitu, titik penyelesaian, berpadanan dengan penyelesaian boleh laksana bagi
pemprograman linear. Oleh itu mana-mana x1 dan x2 mestilah bukan negatif, kita hanya
mempertimbangkan titik di mana x1 0 dan x2 0. Ini ditunjukkan di dalam Rajah 2.2 melalui
anak panah yang menunjukkan arah bagi kombinasi keluaran yang akan memenuhi kekangan
bukan negatif. Di dalam semua geraf akan datang kita akan andaikan perhubungan bukan
negatif akan diikuti dan hanya melukis bahagian geraf yang berkaitan dengan nilai x1 dan x2
yang bukan negatif sahaja.
Terdahulunya kita telah melihat ketaksamaan kekangan pemotongan dan sebagai
bentuk
7/10x1 + 1x2 630

Rajah 2.2
Kekangan Bukan Negatif
Untuk menunjukkan semua titik penyelesaian yamg dapat memenuhi perhubungan ini,
kita mulakan dengan melakarkan garisan yang berpadanan dengan persamaan
7/10x1 + 1x2 = 630
Geraf bagi persamaan ini ditemui dengan mengenalpasti dua titik yang terletak di atas
garisan dan kemudiannya dilukiskan garisan melalui titik-titik tersebut. Dengan menetapkan x 1=
0 dan selesaikan x2, kita lihat titik tersebut (x1 = 0, x2 = 630) memenuhi persamaan tersebut.

PEMPROGRAMAN LINEAR

Untuk mencari titik kedua yang dapat memenuhi persamaan ini, kita tetapkan x 2 = 0 dan
selesaikan untuk x1. Dengan melakukan sedemikian, kita dapati 7/10 x 1+ 1(0) = 630 atau x 1 =
900. Oleh itu, titik kedua dapat memenuhi persamaan adalah (x 1 = 900, x2 = 0). Diberi dua titik
ini kita sekarang boleh melukis geraf di mana garisan mewakili persamaan
7/10x1 + 1x2 = 630
Garisan ini, di mana dipanggil garisan kekangan pemotongan dan mewarna, ia
ditunjukkan di dalam Rajah 2.3. Untuk tujuan pengenalan kita tandakan garisan ini sebagai
"P&W" untuk menunjukkan ia mewakili kekangan pemotongan dan mewarna.
Mengingat kembali kekangan ketaksamaan bagi pemotongan dan mewarna yang
diwakili oleh
7/10x1 + 1x2 630
Bolehkan anda mengenalpasti semua titik penyelesaian yang dapat memenuhi
kekangan ini? Baiklah, oleh kerana kita telah mempunyai garisan di mana 7/10x 1 + 1x2 = 630,
kita tahu mana-mana titik di atas garisan ini akan memenuhi kekangan ini. Tetapi manakah titik
penyelesaian yang memenuhi 7/10x1 + 1x2 630? Pertimbangkan dua titik penyelesaian (x 1 =
200, x2 = 200) dan (x1 = 600, x2 = 500). Anda boleh lihat daripada Rajah 2.3 di mana titik
penyelesaian yang pertama adalah dibawah garisan kekangan dan titik yang kedua diatas
garisan kekangan. Manakah diantara penyelesaian ini memenuhi kekangan pemotongan dan
mewarna? Untuk titik (x1 = 200, x2 = 200) kita lihat
7/10x1 + 1x2 = 7/10 (200) + 1 (200) = 340
Oleh kerana 340 jam kurang daripada 630 jam yang ada, maka x 1= 200, x2= 200
kombinasi keluaran, atau titik penyelesaian, yang memenuhi kekangan. Bagi x 1= 600, x2 = 500
kita dapati
7/10x1 + 1x2 = 7/10 (600) + 1 (500) = 920
Oleh kerana 920 jam adalah lebih besar daripada 630 jam yang ada, titik penyelesaian
x1 = 600, x2 = 500 tidak memenuhi keperluan kekangan dan ia tidak boleh diterima sebagai
alternatif pengeluaran.

BAB DUA

10

Rajah 2.3
Garisan Kekangan Pemotongan dan Mewarna
Adakah anda telah bersedia untuk menentukan titik penyelesaian yang memenuhi
kekangan pemotongan dan mewarna? Anda sepatutnya memenuhi di mana-mana titik dibawah
garisan kekangan pemotongan dan mewarna akan memenuhi kekangan. Anda mungkin mahu
membuktikan untuk anda sendiri dengan memilih titik penyelesaian tambahan di atas atau
dibawah garisan kekangan dan semak untuk melihat sekiranya penyelesaian dapat memenuhi
kekangan. Anda akan melihat untuk kekangan hanya titik penyelesaian di atas atau dibawah
garisan sahaja yang memenuhi kekangan. Didalam Rajah 2.4 kita tunjukkan semua titik dengan
melorekkan kawasan geraf berkaitan kepada titik penyelesaian yang memenuhi kekangan
pemotongan dan mewarna.
Kemudian mari kita mengenalpasti titik penyelesaian yang dapat memenuhi kekangan
menjahit
1/2x1 + 5/6x2 600
Kita mulakan dengan melukis garisan kekangan yang diwakili oleh persamaan
1/2x1 + 5/6x2 600

PEMPROGRAMAN LINEAR

11

Rajah 2.4
Kawasan Bolehlaksana Kekangan Pemotongan dan Mewarna
Seperti sebelumnya, membuat garisan pada geraf adalah mudah dengan mencari dua
titik di atas garisan dan kemudian menghubungkannya. Oleh itu, pertamanya kita tetapkan x 1
sama dengan sifar dan selesaikan untuk mendapatkan x2, yang menghasilkan titik (x1 = 0, x2 =
720). Kemudian kita tetapkan x2 sama dengan sifar dan selesaikan untuk x1, yang memberikan
titik kedua (x1 = 1200, x2 = 0). Di dalam Rajah 2.5, kita telah melukis garisan yang telah
mewakili kekangan menjahit. Untuk tujuan pengenalan kita tandakan garisan ini sebagai M.
Menggunakan pendekatan yang sama dengan kekangan pemotongan dan mewarna, kita sedar
hanya titik di atas atau dibawah garisan asalnya yang memenuhi kekangan masa menjahit. Di
dalam Rajah 2.5 kawasan yang berlorek mewakili semua kemungkinan kombinasi pengeluaran
atau titik penyelesaian boleh laksana bagi operasi menjahit
Dengan cara yang sama, kita boleh menentukan semua kombinasi pengeluaran boleh
laksana bagi setiap kekangan yang tinggal. Hasilnya ditunjukkan di dalam Rajah 2.6 dan 2.7.
Untuk latihan, cuba lakarkan kawasan penyelesaian boleh laksana untuk kekangan penyudah
(P) dan kekangan pemeriksaan dan bungkusan (P&B) dan lihat jika keputusan anda sama
dengan yang ditunjukkan di dalam Rajah 2.6 dan 2.7.
Kita sekarang telah mempunyai empat geraf yang berasingan yang menunjukkan titik
penyelesaian boleh laksana bagi setiap empat kekangan. Di dalam masalah pemprograman
linear, kita perlu untuk mengenalpasti titik penyelesaian yang dapat memenuhi semua
kekangan secara serentak. Untuk mencari titik penyelesaian ini, kita boleh melukis empat
kekangan di atas satu geraf dan perhatikan kawasan yang mengandungi titik di mana dapat
memenuhi semua kekangan.

BAB DUA

12

Geraf di dalam Rajah 2.4 hingga 2.7 boleh digabungkan di dalam membentuk satu geraf
dengan semua empat kekangan. Geraf pencantuman empat kekangan ini ditunjukkan di dalam
Rajan 2.8. Kawasan yang berwarna di dalam rajah ini meliputi semua titik penyelesaian yang
dapat memenuhi semua kekangan. Oleh kerana penyelesaian dapat memenuhi semua
kekangan adalah dikenali sebagai penyelesaian bolehlaksana, kawasan berwarna adalah
dipanggil kawasan penyelesaian bolehlaksana, atau ringkasnya kawasan bolehlaksana.
Mana-mana titik di atas sempadan bagi kawasan boleh laksana atau diantara kawasan
bolehlaksana adalah titik penyelesaian bolehlaksana. Anda mungkin mahu menyemak titik di
luar kawasan boleh laksana untuk membuktikan kepada anda di mana titik penyelesaian
melanggari satu atau lebih kekangan dan tidak boleh-laksana atau tidak boleh terima.

Rajah 2.5
Kawasan Bolehlaksana Kekangan Menjahit
Sekarang kita telah mengenalpasti kawasan boleh laksana, kita bersedia untuk
menerima penyelesaian secara geraf dan mencari penyelesaian optima untuk masalah Par, Inc.
Ingat semula pengeluaran optima bagi masalah pemprograman linear adalah penyelesaian
boleh laksana yang memberikan nilai yang paling berkemungkinan bagi fungsi objektif. Kita pilih
secara arbitiari titik penyelesaian boleh laksana (x1,x2) dan kirakan keuntungan berkaitan 10x1+
9x2. Walau bagaimanapun, kesulitan pendekatan ini adalah terlalu banyak penyelesaian boleh
laksana (sebenarnya bilangan tak terhingga), dan ia adalah tidak mungkin untuk menilaikan
semua penyelesaian boleh laksana. Oleh itu, tatacara 'trail and error' tidak menjamin
penyelesaian optima boleh diperolehi. Apa yang kita lakukan adalah cara yang paling baik untuk
menentukan penyelesaian boleh laksana yang mana tujuannya memaksimumkan keuntungan
Par, Inc.

PEMPROGRAMAN LINEAR

Rajah 2.6
Kawasan Bolehlaksana Kekangan Kemasan

Rajah 2.7
Kawasan Bolehlaksana Kekangan Pemeriksaan dan Pembungkusan

13

BAB DUA

14

Rajah 2.8
Graf Gabungan Kekangan Menunjukkan Kawasan
Penyelesaian Bolehlaksana Masalah Par, Inc.
Mari kita mulakan langkah pengoptimuman tatacara penyelesaian secara geraf dengan
melukiskan kawasan penyelesaian boleh laksana pada geraf yang berasingan. Ini ditunjukkan
di dalam Rajah 2.9.

PEMPROGRAMAN LINEAR

15

Rajah 2.9
Kawasan Bolehlaksana bagi Masalah Par, Inc.
Daripada memilih penyelesaian bolehlaksana secara abritrari dan mengira keuntungan
yang berkaitan, biarkan kita memilih keuntungan secara abritrari, dan mengenalpasti semua titik
penyelesaian bolehlaksana (x1,x2) yang menghasilkan keuntungan yang dipilih. Sebagai
contohnya, apakah titik penyelesaian bolehlaksana yang memberikan keuntungan sebanyak
$1800? Oleh itu, kita perlu mencari nilai x 1 dan x2 di dalam kawasan bolehlaksana yang
mempunyai fungsi objektif
10x1 + 9x2 = 1800
Pernyataan di atas hanyalah persamaan bagi garisan. Oleh itu semua titik-titik
penyelesaian bolehlaksana (x1,x2) menghasilkan keuntungan $1800 mestinya di atas garisan
ini. Kita telah pelajari dahulunya di dalam bahagian ini bagaimana melakarkan geraf garisan
kekangan. Tatacara bagi membuat geraf bagi keuntungan atau garisan fungsi objektif adalah
sama. Biarkan x1 = 0, kita lihat x2 mestilah 200; oleh itu titik penyelesaian (x1 = 0, x2 = 200)
adalah di atas garisan. Begitu juga, dengan membiarkan x2 = 0, kita dapati titik penyelesaian (x1
= 180, x2 = 0) juga di atas garisan. Dengan melukis garisan melalui dua titik ini, kita dapat
mengenalpasti semua penyelesaian yang mempunyai keuntungan sebanyak $1800. Geraf bagi
garisan keuntungan ini ditunjukkan di dalam Rajah 2.10. Daripada geraf ini adalah boleh lihat
terdapat bilangan yang tidak terhingga bagi kombinasi keluaran yang memberikan keuntungan
sebanyak $1800.

BAB DUA

16

Rajah 2.10
Garisan Keuntungan $1800 bagi Masalah Par, Inc.
Oleh kerana objektifnya untuk mencari satu titik penyelesaian bolehlaksana yang dapat
memberikan keuntungan yang tinggi, maka kita teruskan dengan memilih nilai keuntungan yang
lebih tinggi dan cari titik penyelesaian yang menghasilkan keuntungan yang dinyatakan.
Sebagai contoh, apakah titik penyelesaian yang memberikan keuntungan $3600?. Apakah titik
penyelesaian yang memberikan keuntungan $5400?. Untuk menjawab soalan ini kita mestilah
mencari nilai x1 dan x2 yang terdapat di atas garis dan berikut:10x1 + 9x2 = 3600
dan
10x1 + 9x2 = 5400
Menggunakan tatacara sebagaimana sebelumnya untuk melakarkan geraf keuntungan
dan garisan kekangan, kita akan lukiskan $3600 dan $5400 garisan keuntungan di atas geraf di
dalam Rajah 2.11. Oleh kerana, tidak semua titik penyelesaian di atas garisan keuntungan
$5400 terletak di dalam kawasan bolehlaksana, sekurang-kurangnya beberapa titik di atas
garisan, dan mungkin di dalam kawasan kombinasi pengeluaran bolehlaksana memberikan
keuntungan $5400.
Bolehkah kita mencari penyelesaian bolehlaksana yang menghasilkan keuntungan yang
tertinggi? Lihat pada Rajah 2.11 dan lihat apakah pemerhatian am yang boleh anda buat
berkenaan dengan garisan keuntungan. Anda semestinya boleh mengenalpasti peraturan
berikut (1) garisan keuntungan adalah selari antara satu sama lain, dan (2) garisan keuntungan

PEMPROGRAMAN LINEAR

17

yang lebih tinggi adalah bergerak lebih jauh daripada titik origin. Ini juga boleh dilihat secara
algebra. Biarkan z mewakili jumlah keuntungan. Fungsi objektif adalah
z = 10x1 + 9x2
Menyelesaikan untuk x2 di dalam bentuk x1 dan z, kita dapati
9x2 = - 10x1 + z
x2 = -10/9x1 + 1/9 z

(2.8)

Persamaan (2.8) adalah bentuk cerun-persilangan bagi persamaan linear x1 dan x2.
Pengkali bagi x1; -10/9, adalah kecerunan bagi garisan, dan pernyataan 1/9z adalah
persilangan x2 [oleh itu, nilai x2 di mana geraf bagi persamaan (2.8) bersilang pada paksi x 2].
Menggantikan nilai keuntungan bagi z = 1800; z = 3600, dan z = 5400 ke dalam persamaan
(2.8) menghasilkan cerun-persilangan berikut bagi garisan keuntungan yang di tunjukkan di
dalam Rajah 2.11.

Rajah 2.11
Garisan Keuntungan Terpilih Bagi Masalah par, Inc.

Untuk keuntungan

z = 1800
x2 = -10/9x1 + 200

Untuk keuntungan

Z = 3600

BAB DUA

18

x2 = -10/9x1 + 400
Untuk keuntungan

Z = 5400
X2 = -10/9x1 + 600

Oleh kerana kecerunan ( -10/9) adalah sama bagi setiap keuntungan, garisan
keuntungan adalah selari. Seterusnya, kita lihat persilangan x 2 adalah meningkat dengan nilai
keuntungan yang besar. Garisan keuntungan yang tertinggi ini semangkin jauh daripada origin.
Disebabkan oleh garisan keuntungan adalah selari dan garisan keuntungan yang
tertinggi lebih jauh daripada origin, kita boleh mendapatkan titik penyelesaian yang
menghasilkan peningkatan nilai tertinggi yang bertambah untuk fungsi objektif melalui
pergerakan keuntungan berterusan jauh daripada origin secara selari dengan garisan
keuntungan yang lain. Walau bagaimanapun, pada sesetengah titik kita akan temui dengan
pergerakan yang lebih jauh akan meletakan garisan keuntungan di luar kawasan boleh laksana.
Oleh kerana titik diluar kawasan bolehlaksana tidak diterima, titik di dalam kawasan penerimaan
di mana berada di atas garisan keuntungan yang tertinggi adalah penyelesaian optimum bagi
pemprogramam linear kita.
Anda sekarang sepatutnya berkebolehan untuk mengenalpasti titik penyelesaian
optimum bagi masalah Par, Inc. Menggunakan pembaris atau sekeping kertas dan gerakkan
garisan keuntungan sejauh mungkin yang boleh. Apakah titik terakhir di dalam kawasan boleh
laksana yang boleh anda capai? Titik ini adalah titik optimum, ditunjukkan secara geraf di dalam
Rajah 2.12.

Rajah 2.12
Penyelesaian Optimum Bagi Masalah Par, Inc.

PEMPROGRAMAN LINEAR

19

Nilai optimum bagi angkubah keputusan adalah nilai x1 dan x2 pada penyelesaian
optimum. Bergantung kepada kerumitan masalah dan ketepatan geraf, anda mungkin atau tidak
mungkin dapat menentukan nilai x1 dan x2 yang tepat. Merujuk kepada geraf di dalam Rajah
2.12, kesimpulan terbaik yang boleh kita buat ialah kombinasi pengeluaran yang optimum
mengandungi lebih kurang 550 beg standard (x1) dan lebih kurang 250 beg deluxe ( x2). Walau
bagaimanapun, pemerhatian yang teliti daripada Rajah 2.8 dan 2.12 menunjukkan titik
penyelesaian yang optimum adalah dipersilangan garisan kekangan pemotongan dan mewarna
dan garisan kekangan penyudah. Oleh itu, titik persilangan yang optimum terletak di atas
kedua-dua kekangan pemotongan dan mewarna.
7/10x1 + 1 x2 = 630

(2.9)

dan garisan kemasan:

1x1 + 2/3x2 = 708

(2.10)

Oleh itu nilai bagi keputusan x1 dan x2 mestilah memenuhi serentak kedua-dua
persamaan (2.9) dan (2.10). Menggunakan persamaan (2.9) dan menyelesaikan untuk x1
memberikan
7/10 x1 = 630 - 1x2
atau
x1 = 900 - 7/10x2
Menggantikan pernyataan untuk x1 ke dalam persamaan (2.10) dan menyelesaikan
untuk x2 memberikan
1(900 - 7/10 x2 ) + 2/3x2
900 - 7/10 x2 + 2/3x2
900 - 30/21x2 - 14/21x2
-16/21 x2
x2

= 708
= 708
= 708
= - 192
=
= 252

Menggunakan x2 = 252 di dalam persamaan (2.11) dan menyelesaikan untuk x1

memberikan
x1 = 900 - 10/7 (252)
= 900 - 360 = 540
Oleh itu lokasi yang tepat bagi titik penyelesaian yang optimum adalah x 1 = 540 dan x2 =
252. Oleh itu kuantiti pengeluaran yang optimum bagi Par, Inc. adalah 540 buah bag standard
dan 252 buah beg deluxe yang menghasilkan keuntungan 10(540) + 9(252) = $7668.
Di dalam mana-mana penyelesaian masalah pemprograman linear secara geraf bagi
angkubah dua keputusan nilai yang tepat bagi angkubah keputusan pada penyelesaian
optimum pertamanya boleh ditentukan melalui penggunaan tatacara geraf untuk mengenalpasti

BAB DUA

20

titik ekstrim yang optimum dan kemudiannya menyelesaikan dua persamaan serentak berkaitan
dengan titik ini.
Ringkasan Tatacara Penyelesaian Secara Geraf Bagi Masalah Pemaksimuman
Seperti yang telah anda lihat, tatacara penyelesaian secara geraf merupakan satu kaedah di
dalam menyelesaian masalah pemprograman linear yang mempunyai dua-angkubah
sebagaimana masalah Par, Inc. Langkah-langkah bagi tatacara penyelesaian secara geraf bagi
masalah pemaksimuman digariskan seperti dibawah.
1. Sediakan geraf bagi titik-titik penyelesaian bolehlaksana bagi setiap kekangan.
2. Tentukan kawasan bolehlaksana dengan mengenalpasti titik penyelesaian yang dapat
memenuhi semua kekangan serentak.
3. Lukiskan garisan keuntungan yang menunjukan semua nilai angkubah x1 dan x2 yang
menghasilkan nilai tertentu bagi fungsi objektif.
4. Gerakkan secara selari garisan keuntungan ke arah yang lebih tinggi (biasanya lebih
jauh daripada origin) sehingga pergerakan selanjutnya akan menyebabkan garisan
keuntungan keluar daripada kawasan boleh laksana.
5. Titik bolehlaksana terletak di atas garisan keuntungan yang tertinggi merupakan
penyelesaian yang optimum.
Angkubah Slak
Sebagai tambahan kepada penyelesaian optimum dan keuntungan terjangka, pihak
pengurusan Par, Inc. juga mahu maklumat berkenaan keperluan masa pengeluaran bagi setiap
operasi pengeluaran. Kita boleh menentukanm maklumat ini dengan menukarkan nilai optimum
x1 dan x2 ke dalam kekangan pemprograman linear kita. Bagi masalah Par, Inc. Keperluan
masa pengeluaran adalah seperti berikut:
7/10 (540) + 1 (252) = 630 jam bagi masa pemotongan dan mewarna
1/2 (540) + 5/6 (252) = 480 jam bagi masa menjahit
1 (540) + 2/3 (252) = 708 jam bagi masa kemasan
1/10 (540) + 1/4 (252) = 117 jam bagi masa pemeriksaan dan pembungkusan
Penyelesaian yang lengkap memberitahu pengurusan bahawa pengeluaran 540 buah
beg standard dan 252 buah beg deluxe memerluakan semua masa pemotongan dan mewarna
yang ada (630 jam) dan semua masa kemasan yang ada (708 jam), sementara 120 jam masa
menjahit (600 - 480) dan 18 jam masa pemeriksaan dan pembungkusan (135 - 117) masih
terluang. 120 jam masa menjahit yang tidak digunakan dan 18 jam masa pemeriksaan dan
pembungkusan yang tidak digunakan adalah dirujukkan sebagai slak bagi dua jabatan tersebut.
Di dalam terminologi pemprograman linear, mana-mana yang tidak digunakan atau kapasiti
yang terbiar bagi kekangan adalah dirujukkan sebagai slak berkaitan dengan kekangan.
Biasanya angkubah akan ditambah kepada formulasi masalah pemprograman
linearmewakili slak, atau kapasiti terbiar. Angkubah tersebutdipanggil angkubah slak, dan oleh
kerana itukapasiti yang tidak digunakan tidak memberikan sumbangan kepada keuntungan ia
mempunyai koefisien sifar di dalam fungsi objektif. Secara amnya, angkubah slak boleh
diterangkan melalui perbezaan diantara bahagian sebelah kiri dengan bahagian sebelah kanan

PEMPROGRAMAN LINEAR

21

bagi kekangan . Selepas ditambah angkubah slak kepada pernyataan matematik masalah Par,
Inc., model matematik boleh ditunjukkan seperti berikut:
max
t.k.

10x1 + 9x2 + 0s1 + 0s2 + 0s3 + 0s4

7/10x1 + 1x2 + 1s1
= 630
1/2x1 + 5/6x2
+ 1s2
= 600
1x1 + 2/3x2
+ 1s3
= 708
1/10x1 + 1/4x2
+ 1s4 = 135
x1,x2,s1,s2,s3,s4 0

Apabila pemprograman linear ditulis di dalam bentuk semua kekangan dinyatakan

sebagai persamaan, ia dikatakan ditulis di dalam bentuk standard.
Pada penyelesaian optimum, x1 = 540 dan x2 = 252, nilai bagi angkubah slak adalah
seperti berikut:
Kekangan
Pemotongan dan mewarna
Menjahit
Kemasan
Pemeriksaan dan pembungkusan

Nilai Angkubah Slak

s1 = 0
s2 = 120
s3 = 0
s4 = 18

Bolehkah kita gunakan analisis secara geraf untuk memberikan sedikit maklumat ini?
Jawabnya boleh. Dengan mencari titik penyelesaian optimum di atas Rajah 2.8, kita boleh
melihat sekatan kekangan pemotongan dan mewarna dan kekangan menjahit, atau terikat,
kawasan bolehlaksana terletak pada titik ini. Oleh itu penyelesaian ini memerlukan penggunaan
semua masa yang ada bagi dua operasi ini. Dengan lain perkataan, geraf menunjukkan kepada
kita jabatan pemotongan dan mewarna dan kemasan mempunyai slak sifar. Dengan lain
perkataan, oleh kerana kekangan bagi menjahit dan pemeriksaan dan pembungkusan tidak
terikat dengan kawasan bolehlaksana pada penyelesaian optimum, kita boleh jangkakan masa
yang tidak digunakan atau slak bagi dua operasi ini.
Sebagai komen terakhir bagi analisis secara geraf masalah Par, Inc. kita mengingatkan
anda kembali kepada kekangan kapasiti menjahit seperti ditunjukkan di dalam Rajah 2.8.
Perhatikan, terutamanya, kekangan ini tidak memberi kesan keatas kawasan bolehlaksana.
Iaitu, kawasan bolehlaksana adalah sama samada kekangan menjahit terlibat atau tidak. Ini
memberitahu kita bahawa masa menjahit adalah mencukupi untuk menyesuaikan mana-mana
paras pengeluaran yang boleh dicapai oleh tiga jabatan lain. Oleh kerana kekangan menjahit
tidak memberikan kesan ke atas kawasan bolehlaksana dan tidak memberi kesan ke atas
penyelesaian optimum, ia di panggil kekangan lebih-pada. Kekangan lebih-pada boleh
digugurkan daripada masalah tanpa memberi kesan keatas penyelesaian optimum.
2.6

Titik Ekstrim dan Penyelesaian Optimum

Katakan keuntungan bagi bag standard Par dikurangkan dari $10 kepada $5 sebeg sementara
keuntungan bagi beg deluxe dan semua kekangan tidak berubah. Model pemprograman linear

BAB DUA

22

yang lengkap bagi masalah baru ini adalah sama dengan model di dalam Bahagian 2.4 kecuali
fungi objektifnya bertukar menjadi:
max z = 5x1 + 5x2
Bagaimanakah perubahan di dalam fungsi objektif memberi kesan ke atas penyelesaian
optimum terhadap masalah Par, Inc. kita?. Rajah 2.13 menunjukkan secara geraf penyelesaian
bagi masalah Par, Inc. dengan pembaharuan fungsi objektif. Perhatikan, oleh kerana kekangankekangan tidak berubah, kawasan bolehlaksana juga tidak berubah. Walau bagaimanapun,
garisan keuntungan akan berubah mengikut fungsi objektif yang baru.
Dengan menggerakkan garisan keuntungan selari jauh daripada origin, kita dapati
penyelesaian optimum ditunjukkan di dalam Rajah 2.13. Nilai bagi angkubah-angkubah
keputusan pada titik ini adalah x1 = 300 dan x2 = 420. Dengan mengurangkan keuntungan bagi
bag standard akan menyebabkan perubahan di dalam penyelesaian optimum. Kenyataannya,
seperti yang anda jangkakan, kita mengurangkan pengeluaran bag standard yang memberikan
keuntungan yang rendah dan meningkatkan pengeluaran bagi beg deluxe yang mempunyai
keuntungan yang tinggi.
Apakah yang anda lakukan terhadap lokasi penyelesaian optimum di dalam dua
masalah pemprograman linear yang telah kita selesaikan setakat ini? Lihat dengan teliti pada
penyelesaian secara geraf di dalam Rajah 2.12 dan 2.13. Perhatian penting yang mesti anda
buat ialah penyelesaian optimum mesti pada satu daripada titik ekstrim atau sudut kawasan
bolehlaksana. Di dalam teminalogi pemprograman linear sudut ini dikenali sebagai titik ekstrim
bagi kawasan bolehlaksana. Oleh itu, masalah Par, Inc. mempunyai lima sudut atau lima titik
ekstrim kawasan bolehlaksana (Lihat Rajah 2.14). Kita sekarang boleh menyatakan
pemerhatian kita berkenaan lokasi penyelesaian bolehlaksana sebagai berikut 1:

t 1 Kita akan melihat di Bahagian 2.8 dimana terdapat 3 keadaan khas (ketakbole laksanaan dan ketakterbatasan)
didalam pemprograman linear yang tidak terdapat penyelesaian optimum. Oleh itu pernyataan diatas tidak boleh
digunakan bagi keadaan ini.

PEMPROGRAMAN LINEAR

23

Rajah 2.13
Penyelesaian Optimum Bagi Masalah par, Inc.
Dengan Fungsi Objektif 5x1 + 9x2

Penyelesaian optimum bagi LP boleh ditemui pada titik ekstrim kawasan bolehlaksana
sesuatu masalah

BAB DUA

24

Rajah 2.14
Lima Titik Ekstrim Penyelesaian Bolehlaksana
Bagi Masalah Par, Inc.
Pernyataan ini bermakna sekiranya anda mencari penyelesaian optimum bagi masalah
pemprograman linear, anda tidak perlu menilai semua titik penyelesaian boehlaksana.
Kenyataannya, anda hanya perlu menimbangkan penyelesaian bolehlaksana yang terjadi pada
titik ekstrim kawasan bolehlaksana. Oleh itu di dalam masalah Par, Inc. daripada mengira dan
membandingkan keuntungan bagi semua penyelesaian bolehlaksana, kita boleh mencari
penyelesaian optimum dengan menilai penyelesaian lima titik ekstrim dan memilih salah satu
daripadanya yang memberikan keuntungan yang tertinggi. Sebenarnya tatacara penyelesaian
secara geraf tidak lebih daripada jalan yang mudah untuk menentukan titik ekstrim yang
optimum bagi masalah dua-angkubah. linear selalunya terbentuk pada titik ekstrim, pilih
beberapa fungsi objektif yang berbeza bagi masalah Par, Inc. dan lakarkan geraf untuk mencari
penyelesaian optimum bagi setiap keadaan. Anda akan dapat melihat sekiranyanya anda
menggerakkan garisan keuntungan jauh daripada origin, titik penyelesaian bolehlaksana yang
terakhir - penyelesaian optimum - selalunya salah satu daripada titik ekstrim ini.
Berbilang Penyelesaian Optimum
Apakah akan terjadi sekiranya garisan keuntungan yang tertinggi terletak di atas satu daripada
garisan kekangan yang menjadi sempadan kepada kawasan bolehlaksana? Keadaan ini
ditunjukkan bagi fungsi objektif 6.3x1 + 9x2 di dalam Rajah 2.15. Adakah penyelesaian optimum

PEMPROGRAMAN LINEAR

25

masih terbentuk pada titik ekstrim (1), titik ekstrim (2), dan dimana-mana titik di atas garisan
segmen yang menyambungkan dua titik-titik ini. Ini merupakan kes khas bagi berbilang
penyelesaian optimum atau berbilang optimum. Seperti yang dapat anda lihat, apabila berbilang
optimum berlaku maka terjadilah bilangan infiniti penyelesaian optimum terbentuk di atas
segmen garisan yang menyambungkan dua titik ekstrim. Masalah pemprograman linear
mempunyai berbilang optimum merupakan keadaan yang baik bagi pengurus yang cuba untuk
melaksanakan penyelesaian. Ini bermakna terdapat banyak kombinasi angkubah-angkubah
yang optimum dan pengurus boleh memilih penyelesaian tertentu yang lebih bersesuaian.

Rajah 2.15
Masalah Par, Inc. dengan Fungsi Objektoif
6.3x1 + 9x2 (Penyelesaian Berbilang Optimum)
2.7

Masalah Peminimuman Mudah

Masalah Par, Ins. Melibattkan pemaksimuman, banyak masalah pemprograman linear lebih
natural diformulasi sebagai masalah peminimuman. Sebagai contoh, pertimbangkan kes
sebuah kilang yang mempunyai kontrak untuk menjual beberapa unit keluaran kepada
beberapa pembeli. Pengilang tidak menghirukan berapa banyak yang hendak dikeluarkan;
masalahnya ialah meminimumkan jumlah kos pengeluaran tertakluk kepada kekangan untuk
memenuhi permintaan. Sebagai ilustrasi bagaimanakah masalah peminimuman boleh dibentuk,
mari kita timbangkan masalah yang dihadapi oleh Photo Chemical, Inc.

BAB DUA

26

Photo Chemical mengeluarkan dua jenis cecair mencuci gambar. Kedua-dua keluaran
tersebut melibatkan kos Photo Chemical $1 setiap gelen untuk dikeluarkan. Berdasarkan
kepada analisis paras inventori semasa dan pesanan bagi bulan hadapan, pengurusan Photo
Chemical telah mengenalpasti sekurang-kurangnya 30 gelen bagi keluaran 1 dan sekurangkurangnya 20 gelen bagi keluaran 2 mesti dikeluarkan dalam masa dua minggu berikutnya.
Pengurusan juga menyatakan inventori yang ada sekarang merupakan bahan mentah yang
mudah rosak diperlukan di dalam pengeluaran kedua-dua cecair dan mesti digunakan di dalam
masa dua minggu. Inventori semasa bagi bahan mentah mudah rosak ialah 80 paun. Oleh
kerana lebih banyak bahan mentah ini boleh dipesan sekiranya perlu, mana-mana inventori
semasa jika tidak digunakan dalam masa dua minggu akan musnah. Oleh itu keperluan
pengurusan sekurang-kurangnya 80 paun akan digunakan dalam masa 2 minggu akan datang.
Selanjutnya, diketahui keluaran 1 memerlukan 1 paun bahan mentah mudah rosak setiap gelen
dan keluaran 2 memerlukan 2 paun bahan mentah segelen. Oleh kerana objektif Photo
Chemical ialah untuk mengekalkan kos pengeluaran pada paras yang paling minimum,
pengurusan firma sekarang melihat perancangan kos pengeluaran yang minimum
menggunakan 80 paun bahan mentah mudah rosak tersebut dan menghasilkan sekurangkurangnya 30 gelen keluaran 1 dan sekurang-kurangnya 20 gelen keluaran 2. Apakah
penyelesaian kos yang minimum?.
Untuk menjawab soalan ini, mari kita cuba untuk menulis masalah tersebut sebagai
masalah pemprograman linear. Mengikut tatacara sebagaimana dilakukan di dalam masalah
Par Inc., pertamanya kita menentukan angkubah-angkubah keputusan dan fungsi objektif bagi
masalah.
Biarkan
x1 = bilangan gelen keluaran 1 dikeluarkan
x2 = bilangan gelen keluaran 2 dikeluarkan
Oleh kerana kos pengeluaran bagi Photo Chemical Inc. adalah $1 bagi setiap gelen
keluaran 1 dan $1 bagi setiap gelen keluaran 2 yang dikeluarkan, fungsi objektif yang mewakili
jumlah kos ialah
1x1 + 1 x2
menggunakan tetanda z sebagai nilai fungsi objektif, objektif kos yang minimum boleh ditulis
sebagai
min z = 1 x1 + 1 x2
Kemudian timbangkan kekangan yang dikenakan ke atas masalah Photo Chemical Inc.
Bagi kekangan bahan mentah mudah rosak, keluaran 1 menggunakan 1 paun bahan mentah
dan keluaran 2 menggunakan 2 paun bahan mentah. Jumlah bilangan paun bahan mentah
yang diperlukan untuk menghasilkan x1 unit keluaran 1 dan x2 unit keluaran x2 ialah
1 x1 + 2 x 2
Oleh kerana kekangan yang digunakan sekurang-kurangnya 80 paun bahan mentah
mudah rosak, kekangan bahan mentah menjadi

PEMPROGRAMAN LINEAR

27

1 x1 + 2 x2 80
Dengan kekangan mengeluarkan sekurang-kurannya 30 gelen keluaran 1 (x1 30) dan
sekurang-kurangnya 20 gelen keluaran 2 (x2 20) dan kekangan bukan negatif (x1,x2 0), kita
mempunyai formulasi pemprograman linear yang berikut bagi masalah Photo Chemical
min
t.k.

1 x1 + 1 x 2
1 x1 + 2 x2 80
1 x1
30
1 x2 20
x1,x2 0

Bahan mentah
Keluaran 1
Keluaran 2

Oleh kerana model pemprograman linear hanya mempunyai dua angkubah keputusan,
penyelesaian secara geraf boleh digunakan untuk mencari kuantiti pengeluaran yang optimum.
Kaedah geraf bagi masalah ini, adalah sama sebagaimana masalah Par, Inc., memerlukan kita
membuat geraf bagi semua kekangan dalam usaha untuk mencari titik penyelesaian
bolehlaksana. Perhatikan di sini, masalah Photo Chemical mempunyai kekangan lebih besar
daripada atau sama dengan akan menyebabkan titik bolehlaksana dibahagian atas garisangarisan kekangan . Garisan kekangan dan kawasan boleh laksana ditunjukkan di dalam Rajah
2.16.
Dalam usaha untuk menentukan nilai kos yang minimum (1x1 + 1x2), pertamanya kita
melukis garisan kos yang berpadanan dengan nilai z = 1x 1 + 1x2. Sebagai contoh, kita cuba
mulakan dengan melukis garisan 1x1 + 1x2 = 80. Rajah 2.17 menunjukkan geraf bagi garisan
tersebut. Dengan jelas, terdapat banyak titik-titik di dalam kawasan bolehlaksana yang
menghasilkan nilai kos ini (sebagai contoh x1 = x2 = 40).

BAB DUA

28

Rajah 2.16

Set Penyelesaian
Bolehlaksana
Rajah 2.17
Bagi Masalah Photo Chemical, Inc.
Penyelesaian Grafik
Bagi Masalah Photo Chemical, Inc.

Untuk mencari nilai bagi x1 dan x2 yang memberikan kos yang minimum, kita gerakkan
garisan kos ke arah yang lebih rendah kekiri sehingga, kita gerakkan lagi, ia akan keluar
daripada kawasan bolehlaksana. Perhatikan disini, garisan 1x1 + 1x2 = 55 bersilang di kawasan
bolehlaksana pada titik (x1= 30, x2 =25). Oleh itu penyelesaian optimum bagi masalah ini ialah x1
= 30 dan x2 =25 dengan nilai fungsi objektif adalah 55. Juga di dalam Rajah 2.17 kita boleh
melihat kekangan bahan mentah dan kekangan minimum x1 adalah terikat dan seperti juga
masalah pemaksimuman masalah Par, penyelesaian optimum terbentuk pada titik ekstrim bagi
kawasan boleh laksana.

PEMPROGRAMAN LINEAR

29

Ringkasan Tatacara penyelesaian secara Geraf Bagi Masalah Peminimuman

Langkah-langkah di dalam tatacara penyelesaian secara geraf bagi masalah peminimuman
digariskan seperti dibawah:
1.
2.
3.
4.
5.

Sediakan geraf bagi titik penyelesaian bolehlaksana bagi setiap kekangan.

Kenalpasti kawasan penyelesaian bolehlaksana dengan mengenalpasti titik
penyelesaian yang memenuhi semua kekangan serentak.
Lukiskan garisan kos yang menunjukkan semua nilai angkubah x1 dan x2 yang
memberikan nilai tertentu fungsi objektif.
Gerakan secara selari garisan kos ke arah kos yang rendah (biasanya kearah origin)
sehingga pergerakan selanjutnya akan membuatkan garisan kos keluar sepenuhnya
daripada kawasan bolehlaksana.
Titik ekstrim bolehlaksana menyentuh sehabis rendah yang mungkin garisan kos
merupakan penyelesaian yang optimum.

Angkubah Lebihan
Analisis yang lengkap penyelesaian optimum bagi masalah Photo Chemical menunjukkan
jumlah 1x1 + 1x2 = 1(30) + 2(25) = 80 paun bahan mentah digunakan sepenuhnya di dalam
proses pengeluaran. Sementara itu, keluaran 1 adalah di paras penerimaan minimum
pengeluaran 30 unit, sementara pengeluaran keluaran 2 adalah melebehi 5 unit daripada paras
minimum 20 unit. Pengeluaran lebihan bagi keluaran 2 dikenali sebagai lebihan. Di dalam
teminologi pemprograman linear, mana-mana lebihan kuantiti berpadanan dengan kekangan
adalah dirujukkan kepada lebihan bagi kekangan yang berkenaan.
Ingat kembali dengan kekangan angkubah slak ditambah kepada formulasi untuk
menerangkan perbezaan diantara bahagian sebelah kiri dan sebelah kanan kekangan. Bagi
kekangan angkubah lebihan boleh ditolak daripada bahagian sebelah kiri untuk menjadikan
kekangan dalam bentuk persamaan. Seperti juga angkubah slak, angkubah lebihan akan
memberikan pengkali sifar dalam fungsi objektif kerana ia tidak memberi kesan kepada nilainya.
Selepas memasukkan angkubah lebihan, model matematik bagi masalah Photo Chemical boleh
ditulis sebagai:
min 1 x1 + 1 x2 + 0 s1 + 0 s2 + 0 s3
t.k.
1 x 1 + 2 x2 - 1 s 1
= 80
1 x1
- 1 s2
= 30
1 x2
- 1 s3 = 20
x1,x2,s1,s2,s3 0
Semua kekangan-kekangan sekarang di dalam bentuk persamaan. Oleh itu, ia
merupakan bentuk standard dalam mewakili masalah Photo Chemical. Pada penyelesaian
optimum (x1 = 30 dan x2 = 25) nilai bagi angkubah lebihan adalah seperti berikut:
Kekangan
Bahan mentah

Nilai Angkubah lebihan

s1 = 0

BAB DUA

30

Keluaran 1
Keluaran 2

s2 = 0
s3 = 5

Rujuk kepada Rajah 2.16 dan 2.17 dan perhatikan bagaimana penyelesaian secara
geraf menunjukkan kekangan bahan mentah dan kekangan keluaran 1 adalah terikat pada
penyelesaian optimum. Lebihan 5 unit adalah berkaitan dengan kekangan keluaran 2 yang tidak
terikat.
Perhatikan di dalam masalah pemaksimuman Par, Inc. semua kekangan adalah dalam
bentuk dan di dalam masalah Photo Chemical, Inc. pula kekangan adalah dalam bentuk
Walaupun corak kekangan ini mungkin terjadi di dalam masalah pemprograman linear yang
lain, kami mengingati anda, jangan menjangka masalah pemaksimumam hanya mempunyai
masalah kekangan dan masalah peminimuman hanya mempynyai kekangan . Sebenarnya,
masalah pemprograman linear samada pemaksimuman atau peminimumam mungkin
sesetengahnyan mempunyai kekangan , sesetengahnya kekangan , dan sesetengahnya
mempunyai kekangan persamaan (=). Kekangan persamaan bermakna penyelesaian optimum
mesti memenuhi keadaan kekangan setepatnya sebagaimana ditentukan oleh garisan
kekangan.
Sebagai contoh pemprograman linear dengan tiga bentuk kekangan yang mungkin
diberikan sebagaimana dibawah (masalah 20 pada akhir bab akan menyoal anda untuk
menyelesaikan masalah ini menggunakan geraf).
min
t.k.

2 x1 + 2 x 2
1 x1 + 3 x2 12
3 x1 + 1 x2 13
1 x1 - 1 x 2 = 3
x1 ,x2 0

Bentuk standard di dalam menyelesaikan masalah ini ialah

min
t.k.

2 x1 + 2 x 2 + 0 s 1 + 0 s 2
1 x1 + 3 x 2 + 1 s 1
= 12
3 x1 + 1 x 2
- 1 s2 = 13
1 x1 - 1 x 2
= 3
x1, x2, s1, s2 0

Formulasi ini memerlukan angkubah slak bagi kekangan dan angkubah lebihan bagi
kekangan . Walau bagaimanapun, angkubah slak atau lebihan tidak diperlukan bagi kekangan
ke tiga, kerana ia telah sedia di dalam bentuk persamaan.
Kaedah penyelesaian secara geraf merupakan jalan mudah untuk mencari penyelesaian
titik ekstrim yang optimum bagi masalah pemprograman linear dua angkubah. Apabila
menyelesaikan masalah pemprograman linear secara geraf adalah tidak penting untuk menulis
masalah dalam bentuk standard. Walau bagaimanapun, kita mesti berkebolehan untuk mengira
nilai angkubah slak dan lebihan dan memahami maksudnya. Di dalam Bab 3 kita akan
perkenalkan tatacara penyelesaian secara aljabar, kaedah simplek, di mana boleh digunakan

PEMPROGRAMAN LINEAR

31

untuk mencari penyelesaian titik ekstrim yang optimum bagi masalah pemprograman linear
yang mempunyai beberapa ribu angkubah keputusan. Langkah matematik bagi kaedah simplek
melibatkan penyelesaian serentak persamaan yang mewakili kekangan bagi pemprograman
linear. Oleh itu dalam menyediakan pemprograman linear untuk penyelesaian kaedah simplek
kita mesti mempunyai satu persamaan linear bagi setiap kekangan di dalam masalah; oleh itu
masalah tersebut mestilah di dalam bentuk standard.
Sebagai peringatan terakhir, penting untuk dinyatakan bahawa bentuk standard masalah
pemprograman linear adalah bersamaan dengan formulasi masalah yang asal. Iaitu,
penyelesaian optimum terhadap sebarang masalah pemprograman linear adalah sama
sebagaimana penyelesaian optimum terhadap bentuk standard bagi masalah. Bentuk standard
tidak akan mengubah masalah asas, ianya hanya mengubah bagaimana kita menulis kekangan
bagi masalah.
2.8

Ketidakboleh laksanaan dan Ketidakberbatasan

Di dalam bahagian ini kita bincangkan dua keadaan khas yang boleh terjadi apabila kita
menyelesaikan masalah pengatrucaraan linear.
Ketidakboleh laksanaan
Ketidakboleh laksanaan terjadi apabila tiada penyelesaian kepada masalah pemprograman
linear yang dapat memenuhi semua kekangan, termasuk keadaan bukan negatif x1, x2 0.
Secara geraf, ketidakboleh laksanaan bermaksud kawasan bolehlaksana tidak terbentuk; oleh
itu, tidak terdapat titik yang dapat memenuhi semua kekangan dan keadaan bukan negatif
serentak. Untuk menggambarkan keadaan ini, mari kita lihat kembali masalah yang dihadapi
oleh Par Inc.
Katakan pehak pengurusan telah menetapkan sekurang-kurangnya 500 buah beg
standard dan 360 buah beg deluxe mesti dikeluarkan. Geraf bagi kawasan penyelesaian kita
sekarang perlu dibentuk berdasarkan kepada keperluan ini (Lihat Rajah 2.18). Kawasan
berlorek dibahagian bawah kiri graf menunjukkan titik-titik yang dapat memenuhi kekangan
jabatan ke atas masa yang ada. Kawasan berwarna bahagian atas kanan menunjukkan titik
yang memenuhi keperluan minimum pengeluaran 500 bag standard dan 360 buah beg deluxe.
Tetapi tidak terdapat satu titik yang dapat memenuhi kedua-dua set kekangan tersebut. Oleh itu
kita lihat sekiranya pehak pengurusan mengkehendaki keperluan pengeluaran yang minimum,
maka tidak terdapat penyelesaian boleh laksana bagi model pemprograman linear.

BAB DUA

32

Rajah 2.18
Kawasan Tidak Bolehlaksana Bagi Masalah par, Inc. dengan Keperluan
Pengeluaran 500 Bag Standard dan 360 Beg Deluxe
Bagaimana kita mentafsirkan ketidak bolehlaksanaan di dalam bentuk masalah
sekarang? Pertamanya kita perlu memberitahu pengurusan pada paras sumber-sumber yang
ada (seperti masa pemotongan dan mewarna, masa menjahit, masa Kemasan dan masa
pemereksaan dan pembungkusan) adalah tidak mungkin untuk membuat 500 buah beg
standard dan 360 buah beg deluxe. Selanjutnya, kita boleh memberitahu pengurusan
setepatnya berapa banyakkah setiap sumber mesti ditambah di dalam usaha untuk
mengeluarkan 500 beg standard dan 360 buah beg deluxe. Jumlah sumber minimum yang
berikut mestilah ada:
Operasi
Pemotongan dan mewarna
Menjahit
Kemasan
Pemeriksaan dan
pembungkusan

Keperluan minimum
(Jam)
7/10(500) + 1(360) = 710
1/2(500) + 5/6(360) = 550
1 (500) + 2/3(360) = 740
1/10(500) + 1/4(360) = 140

Sumber yang ada

(Jam)
630
600
708
135

Oleh itu kita memerlukan tambahan 80 jam lagi masa pemotongan dan mewarna, 32
jam lagi masa Kemasan, 5 jam lagi masa pemeriksaan dan pembungkusan di dalam usaha
untuk memenuhi keperluan pengeluaran pehak pengurusan.

PEMPROGRAMAN LINEAR

33

Sekiranya, selepas melihat laporan kita, pihak pengurusan masih mahu mengeluarkan
500 beg standard dam 360 beg deluxe, ia bagaimana pun mesti memberikan tambahan
sumber. Ini bermakna terpaksa mengupah buroh tambahan untuk berkerja dijabatan
pemotongan dan mewarna, memindahkan buroh daripada mana-mana bahagian kilang sebagai
pekerja sementara di dalam jabatan Kemasan, ataupun mengambil buroh jahitan untuk
menolong di dalam pemeriksaan dan pembungkusan. Sebagaimana yang dapat anda lihat,
terdapat banyak kemungkinan untuk bertindak ke atas aksi pengurusan, untuk mengatasi
masalah tidak ada penyelesaian boleh laksana. Perkara yang penting untuk kita pertimbangkan
ialah analisis pemprograman linear boleh menolong kita untuk menentukan samada
perancangan pengurusan boleh dilaksanakan atau tidak. Dengan menganalisis masalah
menggunakan pemprograman linear, kita boleh menentukan keadaan ketidak bolehlaksanaan
dan memerlukan tindakan pembetulan.
Ketidakterbatasan
Penyelesaian masalah pemprograman linear adalah ketidakterbatasan jika nilai bagi
penyelesaian boleh dibuat terlalu banyak tanpa melanggar mana-mana kekangan. Keadaan ini
dikenali sebagai 'utopia pengurusan'. Sekiranya keadaan ini terjadi di dalam masalah
memaksimumkan keuntungan, adalah benar bagi pengurus mencapai keuntungan yang tidak
terhad.
Di dalam model pemprograman linear bagi masalah dunia sebenar, berlakunya
penyelesaian ketidakterbatasan bermakna masalah tersebut tidak dirumuskan dengan
sempurna. Sebagai contohnya, kita tahu bahawa tidak mungkin untuk meningkatkan
keuntungan yang tidak terhingga. Oleh itu kita mesti membuat kesimpulan sekiranya keputusan
dalam masalah memaksimumkan keuntungan adalah penyelesaian ketidakterbatasan, model
matematik nyatalah tidak tepat dibentuk dalam masalah dunia sebenar. Biasanya apa yang
terjadi ialah kekangan dikeluarkan daripada formulasi masalah.
Secara geraf, sekiranya masalah pemprograman linear terdapat penyelesaian
ketakterbatasan, kawasan bolehlaksana bertambah sehingga infiniti dalam arah yang sama.
Sebagai ilustrasi, perhatikan contoh numerik mudah ini:max
t.k.

2 x1 + 1 x 2
2
1 x2 5
x1,x2 0
1 x1

Dalam Rajah 2.19 kita telah lakarkan kawasan bolehlaksana berkaitan dengan masalah
ini. Perhatikan kita hanya boleh menunjukkan sebahagian daripada kawasan bolehlaksana,
sementara kawasan bolehlaksana berkembang selanjutnya dalam arah menurut paksi x1.
Melihat kepada garisan keuntungan dalam Rajah 2.18, kita lihat penyelesaian bagi masalah ini
boleh dibuat seberapa besar yang kita kehendaki. Oleh itu, walau apa pun penyelesaian yang
kita ambil, sentiasa terdapat beberapa penyelesaian bolehlaksana dengan nilai yang lebih
besar. Oleh itu kita katakan penyelesaian kepada pemprograman linear ini ialah
ketidakterbatasan.

BAB DUA

34

Rajah 2.19
Contoh Masalah Ketakterbatasan