Anda di halaman 1dari 54

Pemprograman Linear

Penggunaan LP

1. Penjadualan pengeluaran dan polisi inventori untuk memenuhi keperluan


permintaan jualan bagi tempoh masa hadapan bertujuan membolehkan
syarikat memenuhi permintaan dan dalam masa yang sama meminimumkan
jumlah kos pengeluaran dan inventori.
2. Pemilihan portfolio pelaburan dari beberapa pilihan pelaburan stok dan bon
bertujuan untuk membentuk portfolio yang dapat memaksimumkan
pulangan ke atas pelaburan.
3. 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. Masalah pengangangkutan untuk mengagihkan barangan dari beberapa
gudang ke beberapa lokasi permintaan supaya jumlah kos pengangkutan
dapat diminimumkan dan permintaan dapat dipenuhi.
Kandungan LP
1. 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.
2. Peraturan kedua kepada masalah pemprograman linear ialah terdapat
batasan atau kekangan yang menghadkan darjah untuk objektif
dicapai.
Ccntoh:
a. Pengilang terbatas oleh kekangan keperluan permintaan keluaran untuk
dipenuhi dan kekangan yang menunjukkan kapasiti pengeluaran yang terhad.
b. Masalah portfolio kewangan pula dibataskan dengan jumlah dana pelaburan
yang ada dan jumlah maksimum yang boleh dilaburkan di dalam setiap stok
atau bon.
c. Masalah membuat pemilihan media adalah dibataskan oleh belanjawan
pengiklanan yang telah ditetapkan dan berbagai media yang tersedia.
d. Masalah pengangkutan untuk meminimumkan kos penjadualan penghantaran
dibataskan oleh penawaran keluaran yang ada pada setiap gudang.
Masalah Pemaksimuman yang Mudah
Contoh

M A S A P E N G E L U A R A N (ja m )
K e lu a ra n P e m o to n ga M n e n ja h it K e m a saPn e rik sa d aHn a rga
d a n M e w a rn a B u n gk u s (R M )
B e g sta n d a rd 7 /1 0 1 /2 1 1 /1 0 1 0 .0 0
B e g D e lu x e 1 5 /6 2 /3 1 /4 9 .0 0
B u ru h y a n g a d a (ja m 6) 3 0 600 708 135
Fungsi Objektif
Biarkan

x1 = bilangan beg standard yang dikeluarkan.


x2 = bilangan beg deluxe yang dikeluarkan.
Di dalam terminologi pemprograman linear kita rujukkan x1
dan x2 sebagai angkubah keputusan. Oleh itu fungsi objektif
boleh ditulis sebagai:

Jumlah keuntungan = Z = 10x1 + 9x2

max z = max 10x1 + 9x2


Penyelesaian Kepada Masalah

Mana-mana kombinasi tertentu pengeluaran bagi beg standard


dan beg deluxe adalah dirujukkan sebagai penyelesaian kepada
masalah.

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.
Kekangan
Setiap bag standard dan deluxe yang dikeluarkan melalui
empat operasi pengilangan. Oleh itu jumlah masa pengeluaran
yang ada adalah terhad bagi setiap operasi, maka kita
mempunyai empat batasan atau kekangan yang menghadkan
jumlah bilangan beg golf yang boleh dikeluarkan.

1. Pemotongan dan mewarna


2. Menjahit
3. Kemasan
4. Pemeriksaan dan pembungkusan
Kekangan 1: Pemotongan dan mewarna

Setiap bag standard (x1 ) menggunakan 7/10 jam,


Jumlah jam yang digunakan = 7/10x1

Setiap beg deluxe (x2 ) menggunakan 1 jam,


Jumlah jam yang digunakan = 1x2

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 syarikat hanya mempunyai 630 jam masa
pemotongan dan mewarna, ia mengikat kombinasi
pengeluaran yang dipilih untuk memenuhi keperluan:

7/10 x1+ 1x2 ≤ 630

simbol ≤ bermakna lebih kecil dari atau sama dengan dan


perhubungan ini dirujukkan sebagai ketaksamaan dan
ditandakan sebagai kenyataan jumlah masa yang digunakan
untuk operasi pemotongan dan mewarna untuk mengeluarkan
x1 bag standard dan x2 bag deluxe mestilah lebih kecil dari
atau sama dengan jumlah maksimum masa pemotongan dan
mewarna yang ada pada syarikat. Ketaksamaan ini adalah
mewakili fungsi kekangan pemotongan dan mewarna bagi
bagi syarikat.
Kekangan 2: Menjahit

1/2 x1 + 5/10 x2 ≤ 600

Kekangan 3: Kemasan

1x1 + 2/3 x2 ≤ 708

Kekangan 4: Pemeriksaan dan Pembungkusan

1/10x1 + 1/4x2 ≤ 135


Kekangan 5: Kekangan bukan negatif

Untuk menghalang angkubah keputusan x1 dan x2 daripada


menpunyai nilai negatif dua kekangan berikut perlu ditambah:

x1 ≥ 0 dan x2 ≥ 0

Tanda ≥ bermakna lebih besar dari atau sama dengan dan


menentukan penyelesaian bagi masalah mempunyai nilai bukan
negatif bagi angkubah keputusan dan dirujukkan sebagai
kekangan bukan negatif. Ia adalah gambaran am bagi semua
masalah pemprograman linear dan akan ditulis di dalam bentuk
ringkasnya seperti berikut:

x1, x2 ≥ 0
Pernyataan Matematik
Model matematik yang sempurna adalah seperti berikut:

max 10 x1 + 9 x2 Fungsi objektif


tertakluk kepada (t.k.)
7/10x1 + 1 x2 ≤ 630 Pemotongan dan mewarna
1/2x1 + 5/6 x2 ≤ 600 Menjahit
1x1 + 2/3 x2 ≤ 708 Kemasan
1/10x1 + 1/4 x2 ≤ 135 Periksa dan bungkus
x1, x2 ≥ 0 Bukan negatif
Pendekatan Penyelesaian
Secara Geraf
• Cara yang mudah untuk menyelesaikan masalah
pemprograman linear yang mempunyai hanya dua angkubah
keputusan adalah tatacara penyelesaian secara geraf.

• Kaedah geraf adalah merumitkan di dalam penyelesaian


masalah yang mempunyai tiga angkubah atau lebih.
Titik penyelesaian dengan
x1 = 200 dan x2=800

Bilangan beg seluxe (x2)


1000

Sukuan I 800  (200,800) Sukuan II


600 Titik penyelesaian dengan
x1 = 400 dan x2=300
400
 (400,300)
200

-400 -200 200 400 600 800 1000 1200


-200
Bilangan beg standard (x1)

Sukuan IV -400 Sukuan III

Graf Titik Penyelesaian untuk Dua Pembolehubah


Kekangan Bukan Negatif
1400

1200
Bilangan beg seluxe (x2)

Kawasan Penyelesaian
1000 Bukan Negatif
800

600

400

200

0 200 400 600 800 1000 1200 1400

Bilangan beg standard (x1)


Ketaksamaan kekangan pemotongan dinyatakan sebagai:

7/10x1 + 1x2 ≤ 630

Kita mulakan dengan melakarkan garisan yang


berpadanan dengan persamaan:

7/10x1 + 1x2 = 630

Garisan ini, di mana dipanggil garisan kekangan pemotongan


dan mewarna

Jika x1 = 0  x2 = 630
Jika x2 = 0  x1 = 900
1200 Kekangan Pemotongan dan Mewarna

1000
Bilangan beg seluxe (x2)

800

 (0,630)
600
 (600,500)
7/ 1
400 0x
1 +1
x2 =
630

200  (200,200)

0 0,0)
(9

0 200 400 600 800 1000 1200 1400

Bilangan beg standard (x1)


Kekangan Pemotongan & Mewarna, dan
1200 Menjahit

1000
Bilangan beg seluxe (x2)

800
MJ

P&
600 W
 (600,500)

400  (400,400)

7/1 1/2
200  (200,200) 0 x1 + x
1 +5
1x /6x
2 = 2 =6
630 00

0 200 400 600 800 1000 1200 1400

Bilangan beg standard (x1)


Kekangan Pemotongan & Mewarna,
1200 Menjahit, dan Kemasan
K
1000 M
Bilangan beg seluxe (x2)

800
1x 1
MJ
+
2/
3
x2
P&
600 =
W
70
8  (600,500)

400  (400,400)

7/1 1/2
200  (200,200) 0
x1 + x
1 +5
1x /6x
2 = 2 =6
(700,100)  630 00

0 200 400 600 800 1000 1200 1400

Bilangan beg standard (x1)


Semua Kekangan
1200

K
1000 M
Bilangan beg seluxe (x2)

800
1x 1
MJ
+
2/
3
x2
P&
600 =
W
70
8
P&
B 1/2
x1 +
5/6
x2 =
400 600

7/1
200 0 x1 +
1x 1/10x
2 = + 1/ 4
630 1
x2 = 1
35

0 200 400 600 800 1000 1200 1400

Bilangan beg standard (x1)


Kawasan Boleh Laksana
600
Bilangan beg seluxe (x2)


400


200


0 200 400 600
Bilangan beg standard (x1)
Mencari Titik Optimum
600 10
x
+ 10
1
9x x
 1 +
9x
Bilangan beg seluxe (x2)

2 =
72 2 =
00 76
68


400 10
x
1 +
10 9x
x 2 =
1 + 54
9x 00
2 =
36
0 0  (540,252)
200
10
x
1 +
9x
2 =
18
00

200 400 600


0

Bilangan beg standard (x1)


Ringkasan Tatacara Penyelesaian Secara
Geraf Bagi Masalah Pemaksimuman

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
Keperluan masa pengeluaran adalah seperti berikut:

7/10 (540) + 1 (252) = 630 jam - pemotongan dan mewarn


1/2 (540) + 5/6 (252) = 480 jam - menjahit
1 (540) + 2/3 (252) = 708 jam - kemasan
1/10 (540) + 1/4 (252) = 117 jam - periksa dan bungkus

Di dalam terminologi pemprograman linear, mana-mana yang


tidak digunakan atau kapasiti yang terbiar bagi kekangan ≤
adalah dirujukkan sebagai slak berkaitan dengan kekangan.
Bentuk Piawai
Max 10x1 + 9x2 + 0s1 + 0s2 + 0s3 + 0s4
t.k.

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
Kekangan Nilai Angkubah
Slak
Pemotongan dan mewarna s1 = 0
Menjahit s2 = 120
Kemasan s3 = 0
Pemeriksaan dan pembungkusan s4 = 18
Titik Ekstrim dan
Penyelesaian Optimum

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
Penyelesaian Optimum Dengan
600 5x
Fungsi Objektif 5x1 + 9x2
1 + 9
x2 =
 520
0
Bilangan beg seluxe (x2)

)
(300,420 10
 x
400 1 +
9x
2 =
76
68


(540,252)

200

200 400 600


0

Bilangan beg standard (x1)


Titik Ekstrim Penyelesaian Bolehlaksana
600


Bilangan beg seluxe (x2)


400

 
200

 

200 400 600


0

Bilangan beg standard (x1)


Berbilang Penyelesaian
Optimum
Terjadi sekiranya garisan keuntungan yang tertinggi terletak
di atas satu daripada garisan kekangan yang menjadi
sempadan kepada kawasan bolehlaksana.

Contoh:

fungsi objektif: max 6.3x1 + 9x2


Penyelesaian Berbilang Optimum
600

 6.3x
Bilangan beg seluxe (x2)

1 +9
x2 =
520
0

 
400 (300,420
)

(540,252)
 
200

 

200 400 600


0

Bilangan beg standard (x1)


Masalah Peminimuman
Mudah
Contoh
Sebuah syarikat mengeluarkan dua jenis cecair mencuci gambar. Kedua-dua keluaran
tersebut melibatkan kos $1 setiap gelen untuk dikeluarkan.
Paras inventori semasa dan pesanan bagi bulan hadapan telah mengenalpasti sekurang-
kurangnya 30 gelen bagi keluaran 1 dan sekurang-kurangnya 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 dan 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.
Keluaran 1 memerlukan 1 paun bahan mentah mudah rosak setiap gelen dan keluaran 2
memerlukan 2 paun bahan mentah segelen.
Objektif syarikat ialah untuk mengekalkan kos pengeluaran pada paras yang paling
minimum dan memenuhi permintaan pelanggan.
Apakah penyelesaian kos yang minimum?.
Model Matematik
Biarkan :
x1 = bilangan gelen keluaran 1 dikeluarkan
x2 = bilangan gelen keluaran 2 dikeluarkan

Fungsi Objektif:

Kos pengeluaran: $1 bagi setiap gelen keluaran 1 (x1), dan


$1 bagi setiap gelen keluaran 2 (x2)

Oleh itu, 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

Fungsi Kekangan:

Kekangan bahan mentah mudah rosak:


Keluaran 1 (x1) menggunakan 1 paun bahan mentah
Keluaran 2 (x2 )menggunakan 2 paun bahan mentah.
Jumlah bahan mentah yang diperlukan untuk menghasilkan x1
unit keluaran 1 dan x2 unit keluaran x2 ialah

1 x1 + 2 x2
Oleh kerana kekangan yang digunakan sekurang-kurangnya 80
paun bahan mentah mudah rosak, kekangan bahan mentah
menjadi

1 x1 + 2 x2 ≥ 80

Kekangan permintaan:

Mengeluar sekurang-kurangnya 30 gelen keluaran 1

x1 ≥ 30

dan sekurang-kurangnya 20 gelen keluaran 2

x2 ≥ 20
Model Lengkap

min 1 x1 + 1 x2 Fungsi objektif


t.k.
1 x1 + 2 x2 ≥ 80 Bahan mentah
1 x1 ≥ 30 Keluaran 1
1 x2 ≥ 20 Keluaran 2
x1,x2 ≥ 0 Bukan negatif
60

Kawasan boleh laksana


Keluaran 2 (gelen)

40

1x
1 +2
x2 ≥
80
20

0 10 20 30 40 50 60 70 80

Keluaran 1 (gelen)
60

x1 ≥ 30
Keluaran 2 (gelen)

Kawasan boleh laksana


40

x2 ≥ 20
20
1x
1 +2
x2 ≥
80

0 10 20 30 40 50 60 70 80

Keluaran 1 (gelen)
60
Keluaran 2 (gelen)

Kawasan boleh laksana


40

(30,25)
x2 ≥ 20
20 
x
x 1 +
x 1 + x
1 + x 2 =7
x 2 =5 0
2 = 5
40

0 10 20 30 40 50 60 70 80

Keluaran 1 (gelen)
Ringkasan Tatacara penyelesaian secara Geraf
Bagi Masalah Peminimuman

1. Sediakan geraf bagi titik penyelesaian bolehlaksana bagi setiap


kekangan.
2. Kenalpasti kawasan penyelesaian bolehlaksana dengan
mengenalpasti titik penyelesaian yang memenuhi semua kekangan
serentak.
3. Lukiskan garisan kos yang menunjukkan semua nilai angkubah x1
dan x2 yang memberikan nilai tertentu fungsi objektif.
4. 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.
5. Titik ekstrim bolehlaksana menyentuh sehabis rendah yang
mungkin garisan kos merupakan penyelesaian yang optimum.
Angkubah Lebihan
Keperluan input dan permintaan:

1 (30) + 2 (25) = 80 Bahan mentah


1 (30) = 30 Keluaran 1
1 (25) = 25 Keluaran 2

Di dalam teminologi pemprograman linear, mana-mana


lebihan kuantiti berpadanan dengan kekangan ≥ adalah
dirujukkan kepada lebihan bagi kekangan yang berkenaan.
Bentuk Piawai
min 1 x1 + 1 x2 - 0s1 - 0s2 - 0s3

t.k.
1 x1 + 2 x2 - 1s1 = 80

1 x1 - 1s2 = 30
- 1s3
1 x2 = 20
x1,x2,s1,s2,s3 ≥ 0
Nilai Angkubah Lebihan

Kekangan Nilai Angkubah


lebihan
Bahan mentah s1 = 0
Keluaran 1 s2 = 0
Keluaran 2 s3 = 5
Masalah dalam
Pemprograman Linear
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.
Contoh
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
1x11 + 1/4 x2 ≤≥ 135
1/10x 500
x2 ≥ 360
x1, x2 ≥ 0
Kawasan Tidak Bolehlaksana

800 Tiada titik yang memenuhi


kekangan keperluan minimum

Minimum x1
Bilangan beg seluxe (x2)

600

Tiada titik yang memenuhi 


400 Minimum x2
kekangan jabatan


200


0 200 400 600

Bilangan beg standard (x1)


Ketidakterbatasan
Terjadi 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.

max 2 x1 + 1 x2
t.k.
1 x1 ≥ 2
1 x2 ≥ 5
x1,x2 ≥ 0
Jumpa lagi
minggu hadapan
60

40

20

0
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80
0
200
400
600
800
1000
1200

0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
850
900
950
1000
1050
1100
1150
1200
1250
1300
1350
1200

1000
Bilangan beg seluxe (x2)

800

600

400

200

0 200 400 600 800 1000 1200 1400

Bilangan beg standard (x1)