Model optimasi telah digunakan selama berabad-abad. Pada masa sekarang ini,
optimasi menjadi sangat esensial untuk tujuan bisnis yang semakin kompleks dan
rumit. Para insinyur pun menjadi semakin ambisius dalam mengembangkan hal ini.
Dalam banyak hal, keputusan dapat saja dibuat tanpa mempertimbangkan tujuan
dari model tersebut.
Untuk model yang kompleks, dengan berbagai kerumitan yang ada, keputusan
bisnis akan sangat berpengaruh. Dalam beberapa dasawarsa ini, telah
dikembangkan hardware dan software komputer, yang berhasil melakukan
optimasi secara praktis dalam bisnis dan ilmu pengetahuan.
Sekarang ini, pemecahan masalah dengan ribuan atau bahkan jutaan variabel
menjadi mungkin untuk diselesaikan.
Secara sederhana, dapat diambil contoh bagian produksi suatu perusahaan yang
dihadapkan pada masalah penentuan tingkat produksi masingmasing jenis produk
dengan memperhatikan batasan faktor-faktor produksi: mesin, tenaga kerja, bahan
mentah, dan sebagainya untuk memperoleh tingkat keuntungan maksimal atau
biaya yang minimal.
Program linier merupakan salah satu aplikasi solusi permasalahan Lebih
lanjut formulasi model tersebut mengijinkan perpindahan masalah umum menjadi
sebuah kerangka kerja matematika. Persoalan pengalokasian ini akan muncul
manakala seseorang harus memilih tingkat aktivitas-aktivitas tertentu yang
bersaing dalam hal penggunaan sumber daya langka yang dibutuhkan untuk
melaksanakan aktivitas-aktivitas tersebut.
Satu hal yang menjadi ciri situasi diatas ialah adanya keharusan untuk
mengalokasikan sumber.
Asumsinya adalah, setiap ada kenaikan kapasitas riil tidak perlu ada biaya
persiapan (set up cost).
o Additivity
Asumsi ini berarti bahwa nilai tujuan tiap kegiatan tidak saling mempengaruhi,
atau dalam Linear Programming dianggap bahwa kenaikan dari nilai tujuan (Z)
yang diakibatkan oleh kenaikan suatu kegiatan dapat ditambahkan tanpa
mempengaruhi bagian nilai Z yang diperoleh dari kegiatan lain.
Z = 3X1 + 5X2 di mana X1 = 10; X2 = 2;
Sehingga Z = 30 + 10 = 40
Jika X1 bertambah 1 unit, maka sesuai dengan asumsi, maka nilai Z menjadi 40 +
3 = 43. Jadi, nilai 3 karena kenaikan X1 dapat langsung ditambahkan pada nilai Z
mula-mula tanpa mengurangi bagian Z yang diperoleh dari kegiatan 2 (X2).
Dengan kata lain, tidak ada korelasi antara X1 dan X2.
Jika X1 bertambah 1 unit, maka sesuai dengan asumsi, maka nilai Z menjadi
40 + 3 = 43. Jadi, nilai 3 karena kenaikan X1 dapat langsung ditambahkan pada
nilai Z mula-mula tanpa mengurangi bagian Z yang diperoleh dari kegiatan 2 (X2).
Dengan kata lain, tidak ada korelasi antara X1 dan X2.
o Divisibility
Asumsi ini menyatakan bahwa keluaran yang dihasilkan oleh setiap kegiatan dapat
berupa bilangan pecahan. Demikian pula dengan nilai Z yang dihasilkan.
o Deterministic (certainty)
Asumsi ini menyatakan bahwa semua parameter yang terdapat dalam model Linear
Programming (aij, bi, cj) dapat diperkirakan dengan pasti, meskipun jarang dengan
tepat.
(Tjutju Tarliah Dimyati-Ahmad Dimyati, Operations Research, Hal 2-5)
Programa linier dari kata Linear Programming, adalah suatu cara untuk
menyelesaikan persoalan pengalokasian sumber – sumber yang terbatas di antara
beberapa aktivitas yang bersaing, dengan cara yang terbaik yang mungkin dapat
dilakukan. Programa linier ini menggunakan model matematis untuk menjelaskan
persoalan yang dihadapi.
Sifat “ linier “ memberi arti bahwa seluruh fungsi matematis dalam model
ini merupakan fungsi yang linier, sedangkan “ programa “ merupakan sinonim
untuk perencanaan aktivitas – aktivitas untuk memperoleh suatu hasil yang
optimum, yaitu hasil yang mencapai tujuan terbaik diantara seluruh alternatif yang
fisibel.
Ide dasarnya adalah membagi persoalan menjadi beberapa bagian yang lebih
kecil sehingga memudahkan penyelesaiannya. Berbeda dengan programa linier ,
pada persoalan programa dinamis tidak ada formulasi matematis yang standard.
1. Solusi Grafis
Cara grafis dapat kita pergunakan apabila persoalan programa linier yang
akan diselesaikan itu hanya mempunyai 2 variabel.
2. Metode Simpleks
2. Infeasible
Solusi infeasible terjadi bila tidak terdapat ruang solusi atau tidak ada daerah yang
memenuhi seluruh pembatas. Dalam hal ini daerah feasiblenya kosong sehingga
dengan sendirinya tidak ada solusi optimum.
3. Unbounded
Kasus ini terjadi apabila ruang solusi tidak terbatas sehingga nilai fungsi tujuan
dapat meningkat/menurun secara tidak terbatas. Pada umumnya, kasus ini terjadi
karena kesalahan dalam memformulasikan persoalan