Anda di halaman 1dari 28

TUGAS MANAJEMEN TAMBANG

LINEAR PROGRAMMING

Disusun Oleh:
Fariz Adly Nefansa (073001400038)

TEKNIK PERTAMBANGAN
FAKULTAS TEKNOLOGI KEBUMIAN DAN ENERGI
UNIVERSITAS TRISAKTI
2016

DAFTAR ISI

DAFTAR ISI2
BAB I : TUJUAN LINEAR PROGRAMMING.......3
BAB II : LANDASAN TEORI....4
BAB III : TAHAPAN PENGGUNAAN LINEAR PROGRAMMING........9
BAB IV : PENYELESAIAN SOAL..17
BAB V : MODEL MATEMATIKA..19
BAB VI : HASIL PERHITUNGAN..21
BAB VII : PEMBAHASAN..24
BAB VIII : KESIMPULAN DAN SARAN......26
DAFTAR PUSTAKA....27

BAB I
TUJUAN LINEAR PROGRAMMING
2

Tujuan Linear Programing ialah mencari pemecahan persoalan-persoalan


yang timbul didalam perusahaan, yakni mencari keadaan yang optimal dengan cara
memperhitungkan batasan yang ada yang menggunakan

metode grafis atau

simplex untuk menyelidiki keuntungan maksimum atau biaya minimum dengan


memperhatikan

kendala

produksi

dan

sumber

pertimbangkan.

BAB II
LANDASAN TEORI
3

terbatas

yang

harus

di

Menurut Sitorus, Parlin (1997), Program Linier merupakan suatu teknik penyelesaian
optimal atas suatu problema keputusan dengan cara menentukan terlebih dahulu suatu fungsi
tujuan (memaksimalkan atau meminimalkan) dan kendala-kendala yang ada ke dalam model
matematik persamaan linear. Program Linear berkaitan dengan penjelasan suatu kasus dalam
dunia nyata sebagai suatu model matematik yang terdiri dari sebuah fungsi tujuan linier dengan
beberapa kendala linier yang dapat diselesaikan untuk mencapai suatu nilai optimum. Nilai
optimum itu bisa meupakan nilai maksimum ataupun nilai minimum.
Metode ini paling banyak digunakan dalam bisnis dan ekonomi, namun juga dapat
dimanfaatkan dalam sejumlah perhitungan ilmu teknik. Misalnya, dalam ekonomi, fungsi tujuan
dapat berkaitan dengan pengaturan secara optimal sumber-sumber daya untuk memperoleh
keuntungan maksimal atau biaya minimal, sedangkan fungsi batasan menggambarkan batasanbatasan kapasitas yang tersedia yang dialokasikan secara optimal ke berbagai kegiatan. Industri
yang memanfaatkan pemrograman linear di antaranya ialah industri transportasi, energi,
telekomunikasi, dan manufaktur. Pemrograman linear juga terbukti berguna dalam membuat
model berbagai jenis masalah dalam perencanaan, perancangan rute, penjadwalan, pemberian
tugas, dan desain.

KARAKTERISTIK LINEAR PROGRAMMING


1.

Sifat linearitas suatu kasus dapat ditentukan dengan menggunakan beberapa cara. Secara
statistik, kita dapat memeriksa kelinearan menggunakan grafik (diagram pencar) ataupun
menggunakan uji hipotesa. Secara teknis, linearitas ditunjukkan oleh adanya sifat

2.

proporsionalitas, additivitas, divisibilitas dan kepastian fungsi tujuan dan pembatas.


Sifat proporsional dipenuhi jika kontribusi setiap variabel pada fungsi tujuan atau penggunaan
sumber daya yang membatasi proporsional terhadap level nilai variabel. Jika harga per unit
produk misalnya adalah sama berapapun jumlah yang dibeli, maka sifat proporsional
dipenuhi. Atau dengan kata lain, jika pembelian dalam jumlah besar mendapatkan diskon,

maka sifat proporsional tidak dipenuhi. Jika penggunaan sumber daya per unitnya
3.

tergantung dari jumlah yang diproduksi, maka sifat proporsionalitas tidak dipenuhi.
Sifat additivitas mengasumsikan bahwa tidak ada bentuk perkalian silang diantara berbagai
aktivitas, sehingga tidak akan ditemukan bentuk perkalian silang pada model. Sifat
additivitas berlaku baik bagi fungsi tujuan maupun pembatas (kendala). Sifat additivitas
dipenuhi jika fungsi tujuan merupakan penambahan langsung kontribusi masing-masing
variabel keputusan. Untuk fungsi kendala, sifat additivitas dipenuhi jika nilai kanan
merupakan total penggunaaan masing-masing variabel keputusan. Jika dua variabel
keputusan misalnya merepresentasikan dua produk substitusi, dimana peningkatan volume
penjualan salah satu produk akan mengurangi volume penjualan produk lainnya dalam pasar

4.

yang sama, maka sifat additivitas tidak terpenuhi.


Sifat divisibilitas berarti unit aktivitas dapat dibagi ke dalam sembarang level fraksional,

5.

sehingga nilai variabel keputusan non integer dimungkinkan.


Sifat kepastian menunjukkan bahwa semua parameter model berupa konstanta. Artinya koefisien
fungsi tujuan maupun fungsi pembatas merupakan suatu nilai pasti, bukan merupakan nilai
dengan peluang tertentu.

Kelima asumsi (sifat) karakteristik ini dalam dunia nyata tidak selalu dapat dipenuhi.
Untuk meyakinkan dipenuhinya keempat asumsi ini, dalam linear programming diperlukan
analisis sensitivitas terhadap solusi optimal yang diperoleh.
Ada beberapa syarat yang harus dipenuhi dalam merumuskan suatu problema keputusan ke
dalam suatu model matematika program linearn yakni sebagai berikut:
1. Memiliki kriteria tujuan.
2. Sumber daya yang tersedia sifatnya terbatas.
3. Semua variabel dalam model memiliki hubungan matematis bersifat linear.
4. Koefisien model diketahui dengan pasti.
5. Bilangan yang digunakan dapat bernilai bulat atau pecahan.
6. Semua variabel harus bernilai nonnegatif.
5

METODE GRAFIK
Metode grafik adalah penyelesaian linear programming yang penyelesaiannya disajikan
dalam bentuk grafik yang sebelumnya dilakukan perhitungan-perhitungan untuk mencari titiktitik temu pada masing-masing sumbu. Tujuan dari metode grafik ini adalah untuk memberi
dasar-dasar dari konsep yang digunakan teknik simpleks. Prosedur umumnya adalah untuk
mengubah suatu situasi deksriptif kedalam bentuk masalah linear programming dengan
menentukan variabel, konstanta, fungsi objektif, dan kendalanya sehingga masalah tersebut dapat
disajikan dalam bentuk grafik dan diinterpretasikan solusinya (Dimyati, 1994).
Metode grafik hanya bisa digunakan untuk menyelesaikan permasalahan dimana hanya
terdapat dua variabel keputusan. Untuk menyelesaikan permasalahan tersebut, langkah pertama
yang harus dilakukan adalah memformulasikan permasalahan yang ada ke dalam bentuk linear
programming (Dimyati, 1994).

Langkah-langkah dalam formulasi permasalahan adalah (Dimyati, 1994):


1.
2.
3.
4.

Pahamilah secara menyeluruh permasalahan manajerial yang dihadapi.


Identifikasikan tujuan dan kendalanya.
Definisikan variabel keputusannya.
Gunakan variabel keputusan untuk merumuskan fungsi tujuan dan fungsi kendala secara
matematis.

Berikut adalah tahapan-tahapan dalam penggunaan metode grafik (Dimyati, 1994):


1.
2.
1.
3.
4.
5.

Identifikasi variabel keputusan.


Identifikasi fungsi objektif.
3.Identifikasi kendala-kendala.
Menggambarkan bentuk grafik dari semua kendala.
Identifikasi daerah solusi yang layak pada grafik.
Menggambarkan bentuk grafik dari fugsi objektif dan menentukan titik yang memberikan

nilai objektif optimal pada daerah solusi yang layak.


6. Mengartikan solusi yang diperoleh.

METODE SIMPLEKS
Salah satu teknik penentuan solusi optimal yang digunakan dalam linear programming
adalah metode simpleks. Penentuan solusi optimal menggunakan metode simpleks didasarkan
pada teknik eleminasi Gauss-Jordan. Penentuan solusi optimal dilakukan dengan memeriksa titik
ekstrim satu per satu dengan cara perhitungan iteratif. Sehingga penentuan solusi optimal dengan
simpleks dilakukan tahap demi tahap yang disebut dengan iterasi. Iterasi ke-i hanya tergantung
dari iterasi sebelumnya (i-1) (Siringoringo, 2005).

Ada beberapa istilah yang sangat sering digunakan dalam metode simpleks, diantaranya
(Siringoringo, 2005):
1. Iterasi adalah tahapan perhitungan dimana nilai dalam perhitungan itu tergantung dari nilai
tabel sebelumnya.
2. Variabel non basis adalah variabel yang nilainya diatur menjadi nol pada sembarang iterasi.
Dalam terminologi umum, jumlah variabel non basis selalu sama dengan derajat bebas
dalam sistem persamaan.
3. Variabel basis merupakan variabel yang nilainya bukan nol pada sembarang iterasi. Pada
solusi awal, variabel basis merupakan variabel slack (jika fungsi kendala merupakan
pertidaksamaan ) atau variabel buatan (jika fungsi kendala menggunakan pertidaksamaan
atau =). Secara umum, jumlah variabel basis selalu sama dengan jumlah fungsi pembatas
(tanpa fungsi non negatif).
4. Solusi atau nilai kanan merupakan nilai sumber daya pembatas yang masih tersedia. Pada
solusi awal, nilai kanan atau solusi sama dengan jumlah sumber daya pembatas awal yang
ada, karena aktivitas belum dilaksanakan.
5. Variabel slack adalah variabel yang ditambahkan ke model matematik kendala untuk
mengkonversikan pertidaksamaan () menjadi persamaan (=). Penambahan variabel ini
terjadi pada tahap inisialisasi. Pada solusi awal, variabel slack akan berfungsi sebagai
variabel basis.
6. Variabel surplus adalah variabel yang dikurangkan dari model matematik kendala untuk
mengkonversikan pertidaksamaan menjadi persamaan (=). Penambahan ini terjadi pada
7

tahap inisialisasi. Pada solusi awal, variabel surplus tidak dapat berfungsi sebagai variabel
basis.
7. Variabel buatan adalah variabel yang ditambahkan ke model matematik kendala dengan
bentuk () atau (=) untuk difungsikan sebagai variabel basis awal. Penambahan variabel ini
terjadi pada tahap inisialisasi. Variabel ini harus bernilai 0 pada solusi optimal, karena
kenyataannya variabel ini tidak ada. Variabel hanya ada di atas kertas.
8. Kolom pivot (kolom kerja) adalah kolom yang memuat variabel masuk. Koefisien pada
kolom ini akn menjadi pembagi nilai kanan untuk menentukan baris pivot (baris kerja).
9. Baris pivot (baris kerja) adalah salah satu baris dari antara variabel basis yang memuat
variabel keluar.
10. Elemen pivot (elemen kerja) adalah elemen yang terletak pada perpotongan kolom dan baris
pivot. Elemen pivot akan menjadi dasar perhitungan untuk tabel simpleks berikutnya.
11. Variabel masuk adalah variabel yang terpilih untuk menjadi variabel basis pada iterasi
berikutnya. Variabel masuk dipilih satu dari antara variabel non basis pada setiap iterasi.
Variabel ini pada iterasi berikutnya akan bernilai positif.
12. Variabel keluar adalah variabel yang keluar dari variabel basis pada iterasi berikutnya dan
digantikan oleh variabel masuk. Variabel keluar dipilih satu dari antara variabel basis pada
setiap iiterasi. Variabel ini pada iterasi berikutnya akan bernilai nol.

Sebelum melakukan perhitungan iteratif untuk menentukan solusi optimal, pertama sekali
bentuk umum linear programming dirubah ke dalam bentuk baku terlebih dahulu. Bentuk baku
dalam metode simpleks tidak hanya mengubah persamaan kendala ke dalam bentuk sama
dengan, tetapi setiap fungsi kendala harus diwakili oleh satu variabel basis awal. Variabel basis
awal menunjukkan status sumber daya pada kondisi sebelum ada aktivitas yang dilakukan.
Dengan kata lain, variabel keputusan semuanya masih bernilai nol. Dengan demikian, meskipun
fungsi kendala pada bentuk umum linear programming sudah dalam bentuk persamaan, fungsi
kendala tersebut masih harus tetap berubah (Siringoringo, 2005).

Kasus program 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
8

pada kasus yang lain. Harus hati-hati dalam menentukan tujuan, koefisien fungsi tujuan, batasan
dan koefisien pada fungsi pembatas agar dapat menyelesaikan program linear secara tepat.

BAB III
TAHAPAN PENGGUNAAN LINEAR PROGRAMMING

1. Tampilan awal software program linear.

2. Masukkan data yang harus diisi. Pada kolom objective criterion pilih minimization
untuk mendapat cost yang minimal.

3. Tampillan tabel LP yang masih kosong

10

4. Mengisi baris minimize dengan menggunakan data biaya angkut (dalam cent/ton) yang
tertera pada soal.

5. Mengisi baris C1 C5 dengan angka 1 karena kemungkinan pit menuju masing-masing


washing plant minimal satu kali.

11

6. Mengisi baris C6 C8 dengan angka 1 karena kemungkinan washing plant menerima


dari masing masing pit minimal satu kali.

7. Mengisi baris C9 dengan angka 1 dari kolom X1 sampai X15 karena hanya terdapat satu
target produksi yang ingin dicapai.

12

8. Mengisi baris upper bound dengan kapasitas washing plant yang tertera pada soal.

9. Ubah tanda lebih dari sama dengan () menjadi kurang dari sama dengan () pada kolom
direction serta pada baris C9 tanda diubah menjadi sama dengan (=).

13

10. Isi kolom R.H.S. dengan kapasitas masing-masing pit (C1 C5), kapasitas masingmasing washing plant (C6 C8), dan target produksi (C9).

11. Pilih Solve and Analyze.

14

12. Hasil didapatkan.

Keterangan:

15

Untuk menentukan profit maksimum, pada kolom objective criterion pilih maximization.

16

BAB IV
PENYELESAIAN SOAL

1. Suatu tambang batubara merencanakan target produksi 2.100.000 ton/tahun. Kemampuan


produksi masing-masing pit per tahun adalah sebagai berikut:
Pit
A
B
C
D
E
TOTAL

Produksi (ton/tahun)
300.000
600.000
700.000
400.000
200.000
2.200.000

Mutu batubara dianggap merata untuk semua pit. Batubara dari pit perlu dicuci di washing plant
dengan kapasitas sebagai berikut:
Washing Plant
A
B
C
TOTAL

Kapasitas (ton/tahun)
600.000
800.000
900.000
2.300.000

Biaya angkut (dalam cent/ton) dari pit ke washing plant adalah sebagai berikut:

Pit A
Pit B
Pit C
Pit D
Pit E

Washing Plant A
1
4
8
5
3

Washing Plant B
5
9
7
5
2

17

Washing Plant C
3
4
8
9
1

Tentukan distribusi angkutan tambang yang optimal dari 5 pit ke 3 washing plant!

2. Dengan menggunakan data dari soal nomor 1, tentukan distribusi angkutan tambang dari 5
pit 3 washing plant untuk memaksimalkan profit! (Biaya jual ke washing plant dalam $/ton)

18

BAB V
MODEL MATEMATIKA

1. Fungsi Tujuan
5

Minimal

Z = Cij . Xij
i=1 j=1

Z =X 11 +5 X 12 +3 X 13 +4 X 21+ 9 X 22+ 4 X 23+8 X 31+7 X 32+8 X 33+5 X 41+5 X 42+9 X 43+ 3 X 51+2 X 52 + X 53

Kendala
Pit
X 11 + X 12+ X 13 300.000
X 21 + X 22 + X 23 600.000
X 31 + X 32 + X 33 700.000
X 41 + X 42+ X 43 400.000
X 51 + X 52 + X 53 200.000

Washing plant
X 11 + X 21+ X 31+ X 41+ X 51

600.000

X 12 + X 22 + X 32 + X 42 + X 52 800.000
X 13 + X 23 + X 33 + X 42+ X 53 900.000

2. Fungsi Tujuan

19

Maksimal

Z = Cij . Xij
i=1 j=1

Z =1 X 11 +5 X 12+ 3 X 13+ 4 X 21+9 X 22+ 4 X 23 +8 X 31 +7 X 32 +8 X 33 +5 X 41 +5 X 42 +9 X 43 +3 X 51 +2 X 52 + X 53

Kendala
Pit
X 11 + X 12+ X 13 300.000
X 21 + X 22 + X 23 600.000
X 31 + X 32 + X 33 700.000
X 41 + X 42+ X 43 400.000
X 51 + X 52 + X 53 200.000

Washing plant
X 11 + X 21+ X 31+ X 41+ X 51

600.000

X 12 + X 22 + X 32 + X 42 + X 52 800.000
X 13 + X 23 + X 33 + X 42+ X 53 900.000

20

BAB VI
HASIL PERHITUNGAN

1.

21

Pit A
Pit B
Pit C
Pit D
Pit E
TOTAL

WP A
300.000
300.000
600.000

WP B
600.000
100.000
700.000

WP C
600.000
200.000
800.000

TOTAL
300.000
600.000
600.000
400.000
200.000
2.100.000

Cost ( Z)=X 11 +5 X 12 +3 X 13 +4 X 21+ 9 X 22+ 4 X 23 + 8 X 31+7 X 32+8 X 33+5 X 41+5 X 42+ 9 X 43 + 3 X 51+2 X 52 +1 X 53

Z =( 1 x 300.000 )+ (5 x 0 ) + ( 3 x 0 )+ ( 4 x 0 ) + ( 9 x 0 )+ ( 4 x 600.000 )+ ( 8 x 0 ) + ( 7 x 600.000 )+ ( 8 x 0 ) + ( 5 x 300.000 ) + ( 5 x 10

Z =9.100 .000 cent=$ 91.000

22

2.

Pit A
Pit B
Pit C
Pit D
Pit E
TOTAL

WP A
0
0
500.000
0
100.000
600.000

WP B
200.000
600.000
0
0
0
800.000

WP C
100.000
0
200.000
400.000
0
700.000

TOTAL
300.000
600.000
700.000
400.000
100.000
2.100.000

Profit(Z )=X 11 +5 X 12+3 X 13 + 4 X 21 +9 X 22 +4 X 23+ 8 X 31+ 7 X 32 + 8 X 33+5 X 41+5 X 42+ 9 X 43 +3 X 51+ 2 X 52+ X 53

Z =( 1 x 0 ) + ( 5 x 200.000 ) + ( 3 x 100.000 ) + ( 4 x 0 )+ ( 9 x 600.000 ) + ( 4 x 0 ) + ( 8 x 500.000 )+ ( 7 x 0 ) + ( 8 x 200.000 )+ (5 x 0 )


23

Z =$ 16.200 .000

BAB VIII
PEMBAHASAN

Suatu tambang batubara memiliki target produksi sejumlah 2.100.000 ton/tahun. Total
produksi pit A, B, C, D, dan E adalah 2.200.000 ton/tahun, dan total kapasitas washing plant
adalah 2.300.000 ton/tahun. Jumlah produksi kelima pit sudah melampaui target produksi yang
sudah ditentukan. Sehingga untuk memenuhi target terdapat pit dan washing plant yang tidak
perlu 100% berproduksi agar tercapainya cost minimum dan profit maksimum. Pengambilan
keputusan mengenai pit dan washing plant mana yang tidak bekerja secara penuh agar tercapai
cost minimum dan profit maksimum dapat menggunakan linear programming. Linear
programming adalah salah satu pendekatan matematika yang paling sering digunakan dan
diterapkan dalam keputusan-keputusan manajerial sehingga didapatkan model yang dapat
dipergunakan untuk membantu pengambilan keputusan dalam menentukan alokasi yang optimal
24

dari sumber daya perusahaan ke berbagai alternatif. Penggunaan model linear programming
dalam hal ini adalah mengalokasikan sumber daya tersebut sedemikian rupa sehingga laba akan
maksimum atau alternatif biaya adalah minimum.
Dibantu dengan linear programming, untuk menentukan cost minimum pada objective
criterion dipilih Minimization dan untuk menentukan profit maksimum dapat dipilih
Maximization. keputusan yang dapat praktikan ambil untuk mencapai biaya angkut minimum
dari pit menuju washing plant adalah pit A, B, D, dan E memproduksi batubara sesuai dengan
kapasitas produksi pit masing-masing, tetapi pit C hanya perlu memproduksi 600.000 ton/tahun
dari total 700.000 ton/tahun untuk mencapai efisiensi atau sebesar 85.71% dari total kapasitas
produksi. Sama halnya dengan washing plant. Washing plant A menerima batubara untuk diolah
sebesar kapasitas masing-masing washing plant, sedangkan washing plant B dan C hanya
menerima masing-masing 700.000 ton/tahun dan 800.000 ton/tahun dari total kapasitas
pengolahan masing-masing 800.000 ton/tahun dan 900.000 ton/tahun untuk mencapai efisiensi
atau sebesar 87.5% untuk pit B dan 88.89% untuk pit C dari total kapasitas pengolahan.
Keputusan tersebut menghasilkan biaya angkut minimum sebesar 9.100.000 cent atau $91.000.
Pengambilan keputusan untuk mencapai profit maksimum berdasarkan harga jual dari pit
ke washing plant adalah pit A, B, D, dan C memproduksi batubara sesuai dengan kapasitas
produksi pit masing-masing, tetapi pit E hanya perlu memproduksi 100.000 ton/tahun dari total
200.000 ton/tahun untuk mencapai efisiensi atau sebesar 50% dari total kapasitas produksi. Sama
halnya dengan washing plant. Washing plant A dan B menerima batubara untuk diolah sebesar
kapasitas masing-masing washing plant, sedangkan washing plant C hanya menerima 700.000
ton/tahun dari total kapasitas pengolahan 900.000 ton/tahun untuk mencapai efisiensi atau
sebesar 77% dari total kapasitas pengolahan. Keputusan tersebut menghasilkan profit maksimum
yaitu sebesar $16.200.000. Pemrogramman linear terbukti mampu menyelesaikan permasalahan
khususnya di bidang pertambangan untuk mencapai biaya angkuat minimum dan profit
maksimum sehingga produksi dapat sesuai target dan masing-masing pit dapat ditambang secara
efisien serta kerja dari washing plant juga efisien.

25

BAB VIII
KESIMPULAN DAN SARAN

Kesimpulan yang dapat ditarik dari perhitungan cost dan profit dengan menggunakan
linear programming adalah sebagai berikut:

Untuk meminimalkan biaya angkut:


1. Washing plant B dan C hanya menerima batubara sebanyak 700.000 ton/tahun dan
800.000 tin/tahun dari kapasitas sebesar 800.000 ton/tahun dan 900.000 ton/tahun
Sedangkan washing plant A menerima batubara sesuai dengan kapasitasnya.
2. Untuk memenuhi target produksi, pit C hanya perlu memproduksi batubara sebanyak
600.000 ton/tahun dari kapasitas sebesar 700.000 ton/tahun. Sedangkan pit A, B, D, dan E

memproduksi batubara sebesar kapasitas masing-masing pit.


Untuk memaksimalkan profit:
1. Washing plant C hanya menerima batubara sebanyak 700.000 ton/tahun dari kapasitas
sebesar 900.000 ton/tahun. Sedangkan washing plant A dan B menerima batubara
sebanyak kapasitas masing-masing washing plant.
26

2. Untuk memenuhi target produksi, pit E hanya perlu memproduksi batubara sebanyak
100.000 ton/tahun dari kapasitas sebesar 200.000 ton/tahun. Sedangkan pit A, B, C, dan
D memproduksi batubara sebesar kapasitas masing-masing pit.

Saran yang dapat diberikan adalah sebagai berikut:


1. Dikarenakan adanya batasan pada produksi menyebabkan penggunaan alat tidak 100%
digunakan , sehingga ada perbedaan umur antar alat Washing Plant.
2. Sebaiknya dilakukan pengangkutan dengan nilai yang kecil atau tidak optimal dari pit
namun memberikan profit yang maksimal.
3. Adanya batasan pada produksi menyebabkan pit tidak memproduksi 100% dari kapasitas
pit tersebut untuk mencapai efisiensi dan target produksi.

27

DAFTAR PUSTAKA

http://repository.usu.ac.id/bitstream/123456789/37182/2/Chapter%20II.pdf (diakses tanggal 24


November 2016 pukul 20.30)
Samosir, Yulin Octavia. Linear Programming. 20 November 2016.
http://ysamosir.blogspot.co.id/2010/12/linear-programing.html

28