Programming & Metode Grafik

A. Linier programming
Program linier (linier programming di singkat LP) adalah:metode atau teknik
matematik yang digunakan untuk membantu manajer dalam pengembalian
keputusan.Secara

umum dapat

dikatakan

bahwa

masalah

dengan

linier

programming adalah pengalokasian sumber daya yang terbatas seperti ,tenaga

karja,bahan baku, jam, kerja mesin ,dan modal dengan cara sebaik mungkin
sehingga diperoleh maksimasi yang dapat berupa maksimum keuntungan biaya
atau minimasi yang dapat berupa minimum biaya.
Suatu penyampaian masalah linier programming perlu dibentuk formulasi
secara matematik dari masalah yang sedang dihadapi dengan memenuhi syarat
sebagai berikut;
1.

Adanya variabel keputusan yang dinyatakan dalam simbul matematik dan

variabel keputusan ini tidak negatif.

2.

Adanya fungsi tujuan dari variabel keputusan yang menggambarkan kriteria

pilihan terbaik.fungsi ini harus dibuat dalam suatu sel fungsi linier yang dapat
berupa maksimum atau minimum.

3. Adanya kendala sumber daya yang dibuat dalam satu set fungsi linier.
Aspek Aspek linier programming
1. Aplikasi Model Linier Programming

Linier programming I

Model Linier programming dapat diaplikasikan untuk menyelesaikan berbagai

masalah diantaranya yaitu;
a. Masalah product mix atau kombinasi produksi,yaitu; menentukan berapa
jumlah dan jenis produk yang harus dibuat agar diperoleh keuntungan
maksimum atau biaya minimum dangan memperhatikan sumber daya yang
dimiliki.
b. Masalah perencanaan investasi, yaitu; berapa banyak dana yang akan
ditanamkan dalam setiap alternative investasi,agar memaksimumkan return
on investment atau net present value dengan memperhatikan kemampuan
dana tersedia dan ketentuan setiap alternatif investasi.
c. Masalah perencanaan produksi dan persediaan, yaitu; menentukan berapa
banyak produk yang akan diproduksi setiap periode,agar meminimumkan
biaya persediaan ,sewa,lembur dan biaya subkontrak.
d. Masalah perencanaan advertensi / promosi, yaitu; berapa banyak dana yang
akan dikeluarkan untuk kegiatan promosi,agar diperoleh efektivitas
penggunaan media promosi.
e. Masalah diet, yaitu; berapa banyak setiap sumber makanan digunakan untuk
membuat produk makanan baru.
f. Masalah pencampuran,yaitu;berapa banyak jumlah setiap bahan yang akan
digunakan untuk membuat bahan baru.
g. Masalah distribusi / transportasi , yaitu; jumlah produk yang akan
dialokasikan ke setiap lokasi pemasaran.
2. Asumsi Model linier programming

Linier programming I

Terdapat empat asumsi dasar dalam penyelesaian masalah dengan model

linier programming,yaitu;
a. Liniaritas :fungsi tujuan (objective function) dan kendala (constraint
equations)dapat dibuat satu set fungsi linier.
b. Divisibility : nilai variabel keputusan dapat berbentuk pecahan atau bilangan
bulat(integer)
c. Nonnegativity :nilai variabel keputusan tidak boleh negatif atau sama dengan
nol.
d. Certainty : semua keterbatasan maupun koefisien variabel setiap kendala dan
fungsi tujuan dapat ditentukan secara pasti.
Keempat asumsi diatas harus dipenuhi apabila ingin menyelesaikan masalah
model linier programming.jika masalah tidak dapat memeuhi asumsi tersebut,
persoalan tersebut dapat diselesaikan dengan program matematik yang lain
seperti; integer programming, goal programming, nonlinier programming, dan
dynamic programming.
3. Formulasi Model linier programming
Untuk membuat Fomulasi model linier programming atau sering juga disebut
model matematik linier programming,terdapat tiga langkah utama yang harus
dilakukan , yaitu;
1. Tentukan variabel keputusan atau variabel yang ingin diketahui dan
gambarkan dalam simbul matematik.
2. Tentukan tujuan dan gambarkan dalam satu sel fungsi linier dari variabel
keputusan yang dapat berbentuk maksimum atau minimum.

Linier programming I

3. Tentukan kendala dan gambar dalam bentuk persamaan linier atau

ketidaksamaan linier dari variabel keputusan.
Di dalam model linier programming dikenal dua macam fungsi yaitu fungsi
tujuan (objective function) dan fungsi batasan (Constraint function). Fungsi tujuan
adalah

fungsi

yang

menggambarkan

tujuan

atau

permasalahan linier programming yang berkaitan

sasaran didalam

dengan

pengaturan

secara optimal sumber daya agar dip eroleh keuntungan maksimal atau biaya
yang minimal. Pada umumnya nilai yang akan dioptimalkan dinyatakan sebagai
Z
Dalam

pembahasan

model

linier

programming

digunakan

simbol-

simbol sebagai berikut :

m : macam batasan-batasan sumber atau fasilitas yang tersedia
n : macam kegiatan yang menggunakan sumber atau fasilitas tersebut
i : nomor setiap macam sumber atau fasilitas yang tesedia(i : 1,2,3,.,m)
j : nomor setiap macam kegiatan yang menggunakan sumber ataufasilitas yang
tersedia (j : 1,2,3,,n)
x j : tingkat kegiatan ke j (j : 1,2,3,,n)
a ij : banyak sumber diperlukan untuk menghasilkan setiap unit keluaran atau
output kegiatan j (i : 1,2,3,,m dan j : 1,2,3,,n)
bi : banyak sumber ( fasilitas ) i yang tersedia untuk dialokasikan ke setiap unit
kegiatan (i : 1,2,3,,n)
Z : nilai yang dioptimalkan ( maksimum atau minimum)

Linier programming I

Cj : kenaikan nilai Z apabila ada pertambahan tingkat kegiatan dengan satu

satuan atau merupakan sumbangan setiap satuan keluaran kegiatan j terhadap
nilai Z

Tabel data untuk model linier programming

Kegiatan

Pemakaian sumber per unit

(keluaran)

Sumber

......

Kapasitas produksi
n

a11 a12 a13 ..... a1n

b1

a21 a22 a23 ..... a2n

b2

a31 a22 a23 ..... a3n

b3

.....

......

......

amn

bm

.....
m
Z : pertambahan
tiap unit
Tingkat kegiatan

.....

..... .....

am1 am2 am3 ....

C1

C2

C3

....

Cn

X1

X2

X3

..... Xn

Atas dasar pengertian diatas maka dapat dirumuskan model matematis

Linier programming I

sebagai berikut :
Fungsi tujuan :
Maksimasi Z = C1X1 + 2X2 + C3X3 + . + CnXn ...............( 1 )
Minimasi Z = C1X1 + C2X2 + C3X3 + . + CnXn.............( 2 )
Batasan-batasan :
a. a11x1 + a12x2 + a13x3 + . + a1mXn < b1

...............( 3 )

b. a21x1 + a22x2 + a23x3 + . + a2mXn < b2

................( 4 )

c. am1x1 + am2x2 + am3x3 + .+ amnXn < bm ................ ( 5 )

x1 > 0, x2 > 0
Metode penyelesaian dengan linier programming antara lain adalah :
B. Metode Grafis
Metode ini menunjukkan konsep dasar dari pengembangan teknik
umum bagi pemrograman linier. Metode ini dapat digunakan apabila
persoalan program linier yang akan diselesaikan hanya memiliki dua
variabel yang digambarkan dalam koordinat X-Y, sedangkan pembatasanya
berupa persamaan linier.
Langkah langkah pengunaan metode Grafik dapat ditunjukkan secara
ringkas sebagai berikut:
1. Menentukan fungsi tujuan dan memformulasikannya dalam bentuk
matematik.
2. Mengidentifikasi

batasan-batasan

yang

berlaku

dan

mamformulasikannya dalam bentuk matematik.

3. Menggambarkan masing-masing garis fungsi batasan dalam satu

Linier programming I

sistem salib sumbu.

4. Mencari titik yang paling menguntungkan (optimal) dihubungkan
dengan fungsi tujuan.
Sebelum mempraktekkan setiap langkah diatas sebaiknya terlebih
dahulu diuraikan masalah yang biasanya paling kritis, yaitu menggambarkan
garis-garis dari fungsi-fungsi batasan.Fungsi-fungsi batasan ini dinyatakan
dalam tiga tanda,yaitu:

kurang dari atau sama dengan

lebih besar dari atau sama dengan
sama dengan

Sebagai contoh sederhana:

a. Grafik dari 5X + 2X 10
Y

5X + 2X 10

Linier programming I

b. Grafik dari 5X + 2X 10
Y

5X + 2X 10

c. Grafik dari 5X + 2X = 10

Linier programming I

5X + 2X =10

soal 1. Metode Grafik:

Untuk penyelesaian linier programming dengan 2 variabel keputusan
Misal ;
Max Z

=8X1 + 6X2

Fungsi pembatas : (1) 4X1 + 2X2 60

(2) 2X1 + 2X2 48
X1, X2

Cari nilai X1 dan X2

Langkah :
a. Pembuatan grafik:
1. Merubah bentuk pertidaksamaan kedalam bentuk persamaan.

Linier programming I

4X1 + 2X2 60

4X1 + 2X2 =60..(1)

2X1 + 2X2 48

2X1 + 2X2 = 48.(2)

2. Setiap persamaan tentukan titik potong pada sumbu X1 dan X2

Persamaan.I
Misal; X1 = 0
4.0

+ 2X2 = 60
2X2 = 60

X2 = 30 (0 , 30 )

Misal; X2 = 0
4 X1 + 2.0 = 60
4X1 = 60

X1 = 15 (15,0 )

Persamaan.II
Misal; X1 = 0
2.0 + 2X2 = 48
2X2 = 48

X2 = 24 (0 , 24 )

Misal; X2 = 0
2X1 + 2.0 = 48
2X1 = 48

X1 = 24 (24 , 0)

3. Dari hasil langkah 1.2 maka buat grafiknya

4.
X2
30
24

A.(0,24)

Linier programming I

B.(6,18)

C. (15,0)

0
5

15

24

X1
II

I
Titik B adalah perpotongan dari I dan II
(I)

4X1 + 2 X2 = 60

( II ) 2X1 + 2X2 = 48
2X2 = 12
X1 = 6
4X1 + 2X2 = 60
4.6 + 2X2 = 60
2X2 = 60 - 24
X2 = 18(6 , 18)
2. Uji Optimalisasi
Hasil dari grafik untuk tiap perpotongan ,pada daerah fisibel untuk dipilih yang paling
optimum yang memenuhi Fungsi tujuan

Linier programming I

Max Z = 8X1 + 6X2

Jika A. (0 , 24)
X1 = 0 ; X2 = 24
Z

= 8.0 + 6.24 = 144

Jika B. (6 , 18)
X1 = 6 ; X2 = 18
Z

= 8.8 + 6.18 = 156

Jika C. (15 , 0)
X1 = 15 ; X2 = 0
Z

= 8.15 + 6.0 = 120

KESIMPULAN:
Untuk memaksimumkan laba perusahaan harus memproduksi X1 sebanyak 6 unit dan
X2 sebanyak 18 unit.

Contoh soal 2. Formulasi Masalah

Sebuah perusahaan mebel bermaksud membuat dua jenis produk, yatu: lemari pakaian
dan tempat tidur.Keuntungan setiap lemari pakaian adalah sebesar Rp. 6.000,00 Sedangkan
bila membuat tempat tidur keuntungannya adalah sebesar Rp.5.000,00 sebuah.

Linier programming I

Pembuatan kedua produk tersebut harus melalui 2 unit kerja, yaitu unit kerja 1 dan unit
kerja 2. Jam kerja tersedia pada unit kerja 1 adalah 40 jam / minggu.sedangkan pada unit
kerja 2 adalah 50 jam / minggu.
Setiap lemari pakaian membuat waktu 2 jam pada unit kerja dan 1 jam pada unit kerja
2.sedangkan setiap tempat tidur memperlukan waktu 1.25 jam pada unit kerja dan 1 jam pada
unit kerja 2.
Formulasi dari soal diatas:
1. Identifikasi persoalan
sumber
Unit kerja 1
Unit kerja 2
Keuntungan per unit

produk

Kapasitas yang dapat

lemari

Tempat tidur

2jam
1 jam
Rp.6.000,00

1.25 jam
1 jam
Rp.5.000,00

2. Menentukan variabel keputusan

X1= Jumlah lembari pakaian yang diproduksi / dibuat tiap minggu.
X2= jumplah tempat tidur yang diproduksi / dibuat tempat tidur
3. Menentukan fungsi tujuan
Max Z = C1X1 + C2X2
= 6000X1 + 5000X2
4. Menentukan fungsi pembatas
2X1 + 1,25 40 jam / minggu

Linier programming I

digunakan
40 jam / minggu
50 jam / minggu

X1 + X2 50 jam / minggu
X1,X2 0

Linier programming I

Linier programming I

Linier programming I

Linier programming I

Linier programming I

Linier programming I