BAB I

PENDAHULUAN
A. Latar Belakang

Linear Programing merupakan metode matematik dalam mengalokasikan

sumber daya yang terbatas untuk mencapai suatu tujuan seperti memaksimumkan
keuntungan dan meminimumkan biaya. Linear Programing banyak diterapkan dalam
masalah ekonomi, industri, militer, sosial dan lain-lain. Konsep dasar Linear
Programing telah ada pada jenjang pendidikan dasar, yang dimulai pengenalan
lambang bilangan yang direpresentasikan melalui gambar benda di sekitar siswa,
kemudian penjumlahan, pengurangan, perkalian serta membandingkan banyaknya
benda.

Di

Sekolah

Menengah Pertama

(SMP)

konsep

diperluas

melalui

pembelajaran materi Sistem Persamaan Linier Satu Variabel (SPLSV), kemudian

ditingkatkan melalui materi Sistem Persamaan Linier Dua Variabel (SPLDV), di
Sekolah Menengah Atas (SMA) telah diperkenalkan sistem pertidaksamaan linier
dan materi khusus Linear Programing yang menyajikan persoalan sehari-hari,
kemudian

menerjemahkan

permasalahan

ke

dalam

model

matematika,

menyelesaikan sistem pertidaksamaan yang merupakan kendala atau pembatas,

mencari penyelesaian optimum, menjawab permasalahan. Metode yang digunakan
adalah metode grafik dengan menggunakan uji titiksudut dan garis selidik. Pada
tingkat universitas, terdapat mata kuliah khusus Linear Programing yang membahas
metode penyelesaian Linear Programing yang tujuannya mencari keuntungan
maksimum dan mengeluarkan biaya minimum. Metode yang diberikan pada
universitas adalah metode grafik, metode simpleks, metode analisis dual, metode
transportasi.
Dengan melihat pengalaman dan kenyataan tersebut, tampak menarik apabila
dikaji secara khusus mengenai materi yang berkaitan dengan Linear Programing.
Pada kesempatan ini penulis akan membahas pada materi yang berkaitan dengan
Linear Programing di satuan pendidikan SMA/MA dan materi-materi yang terkait

pada Linear Programing pada satuan pendidikan SD/MI, SMP/MTs, dan Perguruan
Tinggi.
BAB II
PEMBAHASAN

A. LINEAR PROGRAMING
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, sosial 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.
a. Formulasi Permasalahan
Urutan pertama dalam penyelesaian adalah mempelajari sistem relevan dan
mengembangkan pernyataan permasalahan yang dipertimbangakan dengan jelas.
Penggambaran sistem dalam pernyataan ini termasuk pernyataan tujuan, sumber
daya yang membatasi, alternatif keputusan yang mungkin (kegiatan atau aktivitas),
batasan waktu pengambilan keputusan, hubungan antara bagian yang dipelajari dan
bagian lain dalam perusahaan, dan lain-lain.
Penetapan tujuan yang tepat merupakan aspek yang sangat penting dalam
formulasi masalah. Untuk membentuk tujuan optimalisasi, diperlukan identifikasi
anggota manajemen yang benar-benar akan melakukan pengambilan keputusan
dan mendiskusikan pemikiran mereka tentang tujuan yang ingin dicapai.
b. Pembentukan model matematik

Tahap berikutnya yang harus dilakukan setelah memahami permasalahan

optimasi adalah membuat model yang sesuai untuk analisis. Pendekatan
konvensional riset operasional untuk pemodelan adalah membangun model
matematik yang menggambarkan inti permasalahan. Kasus dari bentuk cerita
diterjemahkan ke model matematik. Model matematik merupakan representasi
kuantitatif tujuan dan sumber daya yang membatasi sebagai fungsi variabel
keputusan. Model matematika permasalahan optimal terdiri dari dua bagian. Bagian
pertama memodelkan tujuan optimasi. Model matematik tujuan selalu menggunakan
bentuk persamaan. Bentuk persamaan digunakan karena kita ingin mendapatkan
solusi optimum pada satu titik. Fungsi tujuan yang akan dioptimalkan hanya satu.
Bukan berarti bahwa permasalahan optimasi hanya dihadapkan pada satu tujuan.
Tujuan dari suatu usaha bisa lebih dari satu. Tetapi pada bagian ini kita hanya akan
tertarik dengan permasalahan optimal dengan satu tujuan.
Bagian kedua merupakan model matematik yang merepresentasikan sumber
daya yang membatasi. Fungsi pembatas bisa berbentuk persamaan (=) atau
pertidaksamaan ( atau ). Fungsi pembatas disebut juga sebagai konstrain.
Konstanta (baik sebagai koefisien maupun nilai kanan) dalam fungsi pembatas
maupun pada tujuan dikatakan sebagai parameter model. Model matematika
mempunyai beberapa keuntungan dibandingakan pendeskripsian permasalahan
secara verbal. Salah satu keuntungan yang paling jelas adala model matematik
menggambarkan permasalahan secara lebih ringkas. Hal ini cenderung membuat
struktur keseluruhan permasalahan lebih mudah dipahami, dan membantu
mengungkapkan relasi sebab akibat penting. Model matematik juga memfasilitasi
yang

berhubungan

dengan

permasalahan

dan

keseluruhannya

dan

mempertimbangkan semua keterhubungannya secara simultan. Terakhir, model

matematik membentuk jembatan ke penggunaan teknik matematik dan komputer
kemampuan tinggi untuk menganalisis permasalahan.
Di sisi lain, model matematik mempunyai kelemahan. Tidak semua
karakteristik sistem dapat dengan mudah dimodelkan menggunakan fungsi
matematik. Meskipun dapat dimodelkan dengan fungsi matematik, kadang-kadang

penyelesaiannya sulit diperoleh karena kompleksitas fungsi dan teknik yang

dibutuhkan.
Bentuk umum pemrograman linier adalah sebagai berikut :
Fungsi tujuan :
Maksimumkan atau minimumkan z = c1x1 + c2x2 + ... + cnxn
Sumber daya yang membatasi :
a11x1 + a12x2 + ... + a1nxn = / / b1
a21x1 + a22x2 + + a2nxn = / / b2

am1x1 + am2x2 + + amnxn = / / bm

x1, x2, , xn 0
Simbol x1, x2, ..., xn (xi) menunjukkan variabel keputusan. Jumlah variabel
keputusan (xi) oleh karenanya tergantung dari jumlah kegiatan atau aktivitas yang
dilakukan untuk mencapai tujuan. Simbol c1,c2,...,cn merupakan kontribusi masingmasing variabel keputusan terhadap tujuan, disebut juga koefisien fungsi tujuan
pada model matematiknya.Simbol a11, ...,a1n,...,amn merupakan penggunaan per unit
variabel keputusan akan sumber daya yang membatasi, atau disebut juga sebagai
koefisien fungsi kendala pada model matematiknya. Simbol b1,b2,...,bmmenunjukkan
jumlah masing-masing sumber daya yang ada. Jumlah fungsi kendala akan
tergantung dari banyaknya sumber daya yang terbatas.
Pertidaksamaan terakhir (x1, x2, , xn 0) menunjukkan batasan non negatif.
Membuat model matematik dari suatu permasalahan bukan hanya menuntut
kemampuan matematik tapi juga menuntut seni permodelan. Menggunakan seni
akan membuat permodelan lebih mudah dan menarik.

Kasus pemrograman linier sangat beragam. Dalam setiap kasus, hal yang
penting adalah memahami setiap kasus dan memahami konsep permodelannya.
Meskipun

fungsi

tujuan

misalnya

hanya

mempunyai

kemungkinan

bentuk

maksimisasi atau minimisasi, keputusan untuk memilih salah satunya bukan

pekerjaan mudah. Tujuan pada suatu kasus bisa menjadi batasan pada kasus yang
lain. Harus hati-hati dalam menentukan tujuan, koefisien fungsi tujuan, batasan dan
koefisien pada fungsi pembatas.

B. METODE SIMPLEKS
Pada bagian terdahulu masalah Linear Programing dengan dua peubah
keputusan masih dapat diselesaikan dengan metode grafik. Akan tetapi pada
kenyataannya masalah Linear Programing yang dihadapi kebanyakan lebih dari dua
peubah keputusan dengan berbagai macam batasan, sehngga dipandang tidak
efisien bila menggunakan metode grafik untuk mencari penyelesaian optimumnya.
Menghadapi masalah Linear Programing yang memiliki peubah keputusan lebih dari
dua,

metode

simpleks

yang

lebih

efisien.

Metode

simpleks

merupakan

pengembangan metode aljabar yang hanya menguji sebagaian dari jumlah

penyelesaian yang layak dalam bantuan tabel. Penggunaan dalam bentuk tabel ini
membuat metode simpleks lebih siap untuk digunakan dengan bantuan komputer.

a. Bentuk-Bentuk Masalah Linear Programing

Kendala utama masalah Linear Programing dapat berbentuk atau = , I = 1,2,3,4,
m (ada m banyaknya kendala, k peubah keputusan) kendala yang berbentuk
pertidaksamaan dapat diubah menjadi persamaan beberapa cara sebagai berikut

(i) Bentuk kendala xj bi. dapat diubah dengan menyisipkan peubah tambahan
st pada ruas kiri sedimikian hingga + st= bt dengan st 0. Dalam hal ini, st = 0, bila =
bi dan sj > 0 bila <>i
(ii) <>i, dapat diubah dengan menyisipkan peubah tambahan c1 pada ruas kanan
sedemikian sehingga = + ti atau i, dengan bi 0
Sesuai dengan fungsinya, s1 disebut peubah kekurangan (slack variabel) dan
t1 disebut peubah kelebihan (surplusvariabel).
Berdasarkan perubahan di atas, himpunan kendala utama akan berubah menjadi
susunan persamaan linear.
= bi, i = 1, , m
ialah dengan memberi lambang peubah-peubah kekurangan atau kelebihan dengan
xj dimulai dari j = k + 1 samapi j = n. supaya penyelesaian susunan ini menjadi layak
masih harus dipenuhi kendala tidak negative
Xj 0, j = 1, , n
Pada umumnya susunan persamaan linear (1) di atas termasuk jenis yang
mempunyai peyelesaian tidak terhingga banyaknya. Di antara peyelesaian (1) dicari
yang juga memenuhi kendala tidak negative (2), dan inipun pada umumnya masih
tidak terhingga banyaknya. Kemudian, diantara penyelesaian layak yang tidak
terhingga banyaknya ini, kita mencari yang mengoptimumkan fungsi tujuan, utnuk
memperoleh penyelesaian yang optimum
Untuk menyesuaikan dengan bentuyk kendala yang baru, fungsi tujuan yang semula
berbentuk
Z = dilengkapi menjadi
Z = dengan ck+1 = ck+2 = ck+3 = cn = 0

Oleh karena itu, masalah Linear Programing dapat digambarkan dalam berbagai
bentuk seperti maksimasi atau minimasi dan dengan kendala dapat pula berbentuk
lebih kecil atau sama dengan, sama dengan, atau lebih besar atau sama dengan (,
=, ), maka diperlukan suatu bentuk baku yang dapat memenuhi prosedur
penyelesaian yang optimum. Bentuk baku yang sudah umum digunakan untuk
meyelesaikan model Linear Programing dapat dikemukakan sebagai berikut
1. bentuk baku
bentuk baku dari masalah Linear Programing dengan m kendala dan n peubah,
merupakan bentuk umum Linear Programing. Keutamaan dari bentuk baku ini
adalah: (a) fungsi tujuan berbentuk maksimum atau minimum, (b) semua
kendala utama digambarkan dalam bentuk persamaan, (c) semua peubah
keputusan tidak negative, dan (d) nilai ruas kanan setiap kendala tidak negative .
dalam bentuk baku maslah Linear Programing dapat digambarkan bentuk soal
sebagai berikut
mencari xj, j = 1, , n
yang memenuhi = bi I = 1, , m
atau memaksimumkan atau meminimumkan
Z=
Apabila fungsi tujuan diamaksimumkan maka soal disebut berpola maksimum ,
dan bila fungsi tujuan diminimumkan maka soal disebut berpola minimum.
2. bentuk kanonik
bentuk kanonik mempunyai karakteristik sebagai berikut: (a) fungsi tujuan
berbentuk maksimasi atau minimasi, (b) semua kendala utama berbentuk lebih
kecil atau sama dengan () untuk fungsi tujuan maksimum atau semua kendala
utama berbentuk lebih besar atau sama dengan () untuk fungsi tujuan

minimum, (c)semua peubah keputusan tidak negative. Dalam bentuk kanonik

masalah Linear Programing dapat digambarkan bentuk soal sebagai berikut :
mencari xj, j = 1,2 n
yang memenuhi , I = 1, , m
x1 0
untuk maksimumkan Z =
hubungan dalam semua kendala utama berbentuk disebut berbentuk kanonik
maksimum
mencari xj, j = 1,2 n
yang memenuhi , i = 1, , m
x1 0
untuk maksimumkan Z =
hubungan dalam semua kendala utama berbentuk disebut berbentuk kanonik
minimum
Contoh
Tulis bentuk baku dari soal yang berbunyi :
Mencari x,y yang memenuhi
5x + 4y 200
3x + 6y = 180
8x + 5y 160

x, y 0 kendala tidak negative

untuk meminimumkan Z = 4x + 5y

penyelesaian :
sisipkan peubah s pada kendala pertama dan peubah t pada kendala ketiga
sehingga soal menjadi:
mencari x, y, s, t yang memenuhi
5x + 4y + s = 200
3x + 6y = 180
8x + 5y - t = 160
x, y, s, t 0 kendala tidak negative
untuk meminimumkan Z = 4x + 5y + 0s + 0t
soal ini sudah berbentuk baku dengan x,y peubah asli, s peubah kekurangan dan t
peubah kelebihan

b. Tahapan-Tahapan Penyelesaian Metode Simpleks

1. Tahap pra analisis
i. mengenali masalah PL yang diajukan :
beberapa keterangan yang perlu diajukan pada tahap ini, yaitu apakah fungsi tujuan

meminimumkan atau memaksimumkan?

Terdapat berapa banyak peubah asli?

Terdapat berapa banyakkendala utama?

ii. Konversi semua kendala kedalam bentuk baku (system persamaan)

Masukkan peubah kekurangan (slack) atau,

Masukkan peubah kelebihan (surplus) atau,

Masukkan peubah semu (artifisial)

2. Tahap analisis
i Tentukan pemecahan layak dasar (basis) awal
ii Sajikan data masalah PL ke dalam tabel simpleks awal
iii Tentuka kolom peubah yang akan masuk dalam dasar, kolom ini disebut kolom
kunci.

Apabila

masalah

PL

berpola

maksimum

keuntungan,

maka

penentuan kolom kunci ini ditandai oleh nilai pada baris zj cj yang memepunyai
nilai

negative

terbesar

(zj

cj 0). Dan

apabila

berpola

minimum biaya,

maka kolom kunciditandai oleh nilai pada baris zj cj yang mempunyai nilai positif
terbesar (zj cj > 0)
iv Tentukan peubah yang akan keluar dasar (disebut baris kunci) dengan Ri yang
terkecil.

Cari unsur baru yang terdapat pada baris kunci dengan cara membagi semua
unsur yang terdapat pada baris kunci dengan unsur kunci. Unsur kunci adalah
unsur yang terdapat pada persilangan pada baris kunci dengan kolom kunci.

vi Mencari unsur baru pada baris yang laindengan aturan unsur pada baris baru =
unsur pada baris lama dikurangi dengan hasil kali unsur pada kolom kunci
dengan unsur baru baris kunci.
vii

Apabila penyelesaian optimum belum trcapai pada tabel yang bersangkutan,

maka ulangi kembali langkah (iii) sampai dengan ditemukannya penyelsaian
optimum. Penyelesaian optimum tercapai bila z j cj 0 untuk semua j pada pola
minimum.

Untuk mengoperasikan data-data soal dan menerapkan tahapan-tahapan di atas

disusun tabel yang kemudian disebut tabel simpleks sebagai berikut
Tabel simpleks
Maks/Min Ci
CB
CB1

XB
XB1

X1
a11

X2
a12

.
.

xn
a1n

bn
b1

R1
R1

CB2

XB2

a21

a22

a2n

b2

R2

CBM

XBM

am1

am2

amn

bm

Rm

Zj
Zj - Cj

Z1
Z1 c1

Z2
Z2 c2

.
.

Zmn
Zn - Cn

Keterangan tabel :
CJ : koefisien ongkos dari fungsi tujuan dan koefisien peubah kekurangan/ kelebihan/
semu
CB : Koefisien ongkos untuk peubah dasar XB

XB : Peubah yang menjadi dasar dalam tabel yang ditinjau

Xj : Peubah-peubah lengkap (asli/kekurangan/kelebihan/semu)
aij : koefisien teknis
bi : suku tetap (tidak negatif) atau nilai ruas kanan setiap kendala
zj : (hasil kali dari CB dengan kolom aij )
z : (hasil kali dari CB dengan bi
zj - cj : selisih zj dengan cj
Apabila tabel bersangkutan belum optimal dan Xb terpilih sebagai dasar baru maka
dibuat kolom Ri yang diperoleh dengan Ri = , hanya untuk aek > 0.
c. Pemecahan awal yang layak
Penyelesaian masalh Linear Programing dengan metode simpleks, menghendaki
adanya pemecahan awal yang layak pada awal perhitungan.tanpa adanya
pemecahan awal yang layak (dasar awal yang layak), maka tabel simpleks tidak
dapat dibentuk. Hal demikian tentu saja tidak dapat ditemui pad setiap permasalahn
Linear Programing. Untuk dapat menyelesaikan permasalahn Linear Programing
sehingga didapat pemecahan awal yang layak. Pendekatan dasar yangdapat
ditempuh adalah dengan penambahan peubah semu (artificial variabel).
Contoh
Tentukan x1 dan x2 tidak negative dan maksimumkan X = 4x1+5x2 yang memenuhi
5x1 + 4x2 200
3x1 + 6x2 = 180
8x1 + 5x2 160
X1, x2 0
Soal diatas diuba ke bentuk baku dengan menyisipkan peubah kekurangan ke
dalam kendala ke-1 dan peubah kelebihan ke dalam kendala ke-3, sedang kendala
ke-2 tidak memerlukan karena sudah berbentuk persamaan, jadi aoal sekarang
adalah

Tentukan x1, x2, x3, x4 tidak negative dan

Maksimumkan Z = 4x1 + 5x2 + 0x3 + 0x4
5x1+ 4x2 + x3 = 200
3x1 + 6x2 = 180
8x1 + 5x2 - x4 = 160 dan

x1, x2, x3, x4 0

sekarang dipeiksa apakah semua kendala utama tersebut memliki peubah
dasar yang layak?

Kendala ke-1 : memiliki peubah dasar yang layak yaitu x 3

Kendala ke-2 : belum memiliki peubah dasar

Kendala ke-3 : memiliki peubah dasar tapi tidak layak, karena memuat
nilai negative untuk -x4

Oleh karena itu, tabel awal simpleks belum dapat dibuat. Untuk mendapatkan
pemecahan awal yang layak, maka kendala ke-2 dan ke-3 perlu ditambahkan
peubah semu yang bertindak sebagi peubah dasar yang layak.
Sebagai akibat, timbul syarat perlu supaya soal asli mempunyai penyelesaian
optimum ialah bahwa dalam tabel optimum peubah semu harus bernilai nol.
Denagn demikian diharapkan bahwa peubah semu segera keluar dari dasar karena
koefisien ongkosnya negative besar, sehingga soal menjadi:
Tentukan x1, x2, x3, x4 tidak negative dan

Maksimumkan Z = 4x1 + 5x2 + 0x3 + 0x4 Mx5 Mx6

5x1+ 4x2 + x3 = 200
3x1 + 6x2 -x5 = 180
8x1 + 5x2 - x4 -x6 = 160 dan
x1, x2, x3, x4 , x5, x6 0
sekarang soal sudah siap untuk dimasukan ke dalam tabel simpleks awal

C. ANALISIS PRIMAL - DUAL

Setiap persoalan Linear Programing selalu mempunyai dua macam analisis,
yaitu : analisis primal dan analisis dual yang biasanya disebut analisis primal-dual.
Model Umum Persoalan Primal - Dual
Bentuk Primal:
Maksimumkan :
syarat ikatan : bi untuk i= 1, 2, 3, ...,m.
dan Xj 0, j = 1, 2, ... , n
Kalau akan dinyatakan menjadi Bentuk Dual :
Minimumkan : F =
syarat ikatan : Cj , untuk j= 1, 2, 3, ...,n.
Yi 0, I = 1,2, m
Dimana: Zopt = adalah samadengan Fopt =
Aturan umum dalam perumusan persoalan Linear Programing menyangkut Bentuk
Primal dan Dual adalah :

Bentuk Primal

Bentuk Dual

Meminimumkan
Memaksimumkan fungsi tujuan

fungsi

tujuan,

dan

sebaliknya.
Nilai Sebelah Kanan (NSK) fungsi

Koefisien fungsi tujuan (Cj )

kendala

NSK fungsi kendala primal-primal

(bi )

Koefisien fungsi tujuan

Koefisien peubah ke-j

Koefisien kendala ke-j

Koefisien kendala ke-i

Koefisien peubah ke-i

Kendala ke-j dengan tandaketidaksama
an lebih

Peubah ke-j yang positif ( 0)

besar daripada atau sama dengan ().
Kendala ke-j yang bertanda sama
Peubah ke-j tandanya tidak dibatasi

dengan

Kendala ke-i yang bertanda sama

dengan
Kendala

Peubah ke-i tandanya tidak dibatasi

ke-i

yang

ketidaksamaan ()

bertanda
Peubah ke-i yang positif ()

D. METODE TRANSPORTASI
Metode Transportasi merupakan suatu metode yang digunakan untuk
mengatur distribusi dari sumber-sumber yang menyediakan produk yang sama ke
tempat-tempat yang membutuhkan secara optimal dengan biaya yang termurah .
Alokasi produk ini harus diatur sedemikian rupa karena terdapat perbedaan biayabiaya alokasi dari satu sumber atau beberapa sumber ke tempat tujuan yang
berbeda.

Tabel awal dapat dibuat dengan dua metode, yaitu:

1. Metode North West Corner (NWC) => dari pojok kiri atas ke pojok kanan
bawah
Kelemahan : tidak memperhitungkan besarnya biaya sehingga kurang efisien.
2. Metode biaya terkecil => mencari dan memenuhi yang biayanya terkecil dulu.
Lebih efisien dibanding metode NWC.
Setelah tabel awal dibuat, tabel dapat dioptimalkan lagi dengan metode:
1. Stepping Stone (batu loncatan)
2. Modified Distribution Method (MODI)
Selain metode-metode di atas masih ada satu metode yang lebih sederhana
penggunaannya yaitu metode Vogels Approximation Method (VAM).

BAB III
PENUTUP
A. KESIMPULAN
Berdasarkan kajian materi di atas, maka dapat ditarik kesimpulan bahwa konsep
dasar materi Linear Programing telah diperkenalkan pada jenjang pendidikan dasar
yaitu

di

SD/MI

yang

dimulai

dari

pengenalan

lambang

bilangan

yang

direpresentasikan melalui gambar yang ada di sekeliling siswa, melaukan

penjumlahan, pengurangan, perkalian dan pembagian serta membandingkan
banyaknya benda. Di jenjang pendidikan menengah yaitu SMP/MTs telah
diperkenalkan persamaan linier satu variabel dan persamaan linier dua variabel
serta system persamaan linier dua variabel. Pada tingkat SMA/MA terdapat materi
khusus di kelas XII yaitu Linear Programing yang membahas menerjemahkan
permasalahan ke dalam model matematika, menyelesaikan system pertidaksamaan
yang merupakan kendala atau pembatas, mencari penyelesaian optimum,
menjawab permasalahan. Metode yang digunakan adalah metode grafik dengan
menggunakan uji titik sudut dan garis selidik. Pada tingkat universitas, terdapat mata
kuliah khusus Linear Programing yang membahas metode penyelesaian Linear
Programing yang tujuannya mencari keuntungan maksimum dan mengeluarkan
biaya minimum. Metode yang diberikan pada universitas adalah metode grafik,
metode simpleks, metode analisis dual, metode transportasi.

DAFTAR PUSTAKA

Tiro Arif, Bernard. 2004. Pengenalan Manajemen Sains. Andira Publisher. Makassar
Wahyuni Tri dan Nuharini Dewi. 2008. Matematika Konsep dan Aplikasinya.
Departemen Pendidikan Nasional. Usaha Makmur. Surakarta.
https://id.wikipedia.org/wiki/Pemrograman_linier (di akses 10 november 2015)
lagaknya.blogspot.com/2010/09/linear-programming.html ( di akses 10 november
2015)

http://kuliah-manajemen.blogspot.co.id/2009/12/linear-programming-metodegrafik.html (di akses 10 november 2015)