Anda di halaman 1dari 15

BAB I

PENDAHULUAN

1.1 LATAR BELAKANG


1.1.1 Linear Programming (Metode Simpleks)

Sebuah perusahaan pada dasarnya memerlukan perencanaan strategi yang dapat


mengoptimalkan hasil yang ingin dicapai, baik itu berupa keuntungan yang
maksimal maupun biaya yang minimal. Setiap perusahaan memiliki keterbatasan
sumber daya, baik keterbatasan dalam jumlah bahan baku, mesin dan peralatan,
ruang, tenaga kerja, maupun model. Adanya keterbatasan ini, setiap perusahaan
melakukan beberapa cara untuk melakukan optimasi dengan hasil yang dicapai,
salah satunya dengan linear programming metode simpleks.

Metode simpleks digunakan untuk menyelesaikan masalah optimasi yang


melibatkan tiga variabel atau lebih yang tidak dapat diselesaikan oleh metode
grafis. Metode simpleks digunakan untuk menyelesaikan permasalahan yang
memiliki lebih dari dua variabel dengan menggunakan alat bantuan yaitu tabel.
Metode simpleks dapat menyelesaikan permasalahan maksimasi untuk mencari
keuntungan maksimal dan minimasi untuk mencari biaya yang minimal.

Modul kali ini akan membahas mengenai Linear Programming yang mana nantinya
praktikan mencoba memecahkan kasus yang sama seperti modul sebelumnya
dengan menggunakan metode simpleks. Metode simpleks mampu memecahkan
permasalahan pada suatu perusahaan dengan batasan-batasan yang dapat dikatakan
banyak. Adanya metode simpleks diharapkan dapat membantu suatu perusahaan
untuk mencapai tujuannya, baik itu berupa keuntungan yang maksimum ataupun
biaya operasional yang minimum namun mampu memberikan keuntungan yang
sebesar-besarnya.

1
UNIVERSITAS
PRAKTIKUM MODEL OPTIMASI
WIDYATAMA

1.2 TUJUAN PRAKTIKUM


1.2.1 Linear Programming (Metode Simpleks)

Tujuan dari Modul Linear Programming (Metode Simpleks) adalah sebagai


berikut:
1. Memahami bagaimana merumuskan atau memformulasikan permasalahan
yang terdapat dalam dunia nyata.
2. Menyelesaikan permasalahan maksimasi dan minimasi dengan
menggunakan metode simpleks.
3. Menarik kesimpulan yang tepat berdasarkan hasil optimasi (maksimasi dan
minimasi) yang didapat.

2
BAB II

LANDASAN TEORI

2.1 LINEAR PROGRAMMING (METODE SIMPLEKS)

2.1.1 Definisi Linear Programming

Pemrograman linear (linear programming) merupakan suatu teknik pengambilan


keputusan untuk memecahkan masalah mengalokasikan berbagai sumber daya
yang terbatas diantara berbagai kepentingan seoptimal mungkin. Teknik ini
memformulasikan masalah ke dalam dua fungsi utama, yaitu fungsi tujuan dan
fungsi kendala. Fungsi tujuan menunjukkan model matematika dari tujuan
permasalahan, sedangkan fungsi kendala berisikan persamaan matematika atas
berbagai kendala yang ada dalam mencapai tujuan permasalahan. Teknik ini telah
diterapkan secara luas pada berbagai persoalan dalam perusahaan, misalnya untuki
menyelesaikan masalah yang berkaitan dengan penugasan karyawan, penggunaan
mesin, distribusi dan pengangkutan, penentuan kapasitas produk, ataupun dalam
penentuan portofolio investasi (Nachrowi, 2005:65).

Linear Programming adalah suatu cara untuk menyelesaikan persoalan


pengalokasian sumber-sumber yang terbatas diantara beberapa aktivitas yang
bersaing, dengan cara yang terbaik yang mungkin dilakukan. Program linier ini
menggunakan model matematis untuk menjelaskan persoalan yang dihadapinya.
Sifat linier disini member arti bahwa seluruh fungsi matematis dalam model ini
merupakan fungsi yang linier (tidak ada yang memiliki sifat kuadratik), sedangkan
kata programa merupakan sinonim untuk perencanaan. Program linier adalah
perencanaan aktivitas-aktivitas untuk memperoleh suatu hasil yang optimum, yaitu
suatu hasil yang mencapai tujuan terbaik di antara alternative yang fisibel
(Tampubolon, 2004:257).

2.1.2 Definisi dan Tahap Metode Simpleks

Metode simpleks merupakan salah satu teknik penyelesaian dalam program linier
yang digunakan sebagai teknik pengambilan keputusan dalam permasalahan yang
berhubungan dengan pengalokasian sumberdaya secara optimal. Metode simpleks

3
UNIVERSITAS
PRAKTIKUM MODEL OPTIMASI
WIDYATAMA

digunakan untuk mencari nilai optimal dari program linier yang melibatkan banyak
constraint (pembatas) dan banyak variabel (lebih dari dua variabel). Penemuan
metode ini merupakan lompatan besar dalam riset operasi dan digunakan sebagai
prosedur penyelesaian dari setiap program komputer.

Salah satu teknik penentuan solusi optimal yang digunakan dalam pemrograman
linier 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. Tahap paling awal yang diperhatikan dalam metode simpleks ini
adalah tiga tahap yang dilakukan pada linear programming yaitu:

1. Masalah harus dapat diidentifikasi sebagai sesuatu yang dapat diselesaikan


dengan linear programming.
2. Masalah yang tidak terstruktur harus dapat dirumuskan dalam model
matematika, sehingga menjadi terstruktur.
3. Model harus diselesaikan dengan teknik matematika yang dibuat

Tahap selanjutnya merupakan tahap teknis yang secara umum ada dalam linear
programming. Tahap tersebut akan dijelaskan sebagai berikut:

1. Menentukan variabel keputusan, dimana maksud dari variabel keputusan ini


merupakan simbol matematika yang menggambarkan tingkatan aktivitas
perusahaan. Tahap ini sebenarnya untuk mempermudah dalam menggunakan
metode matematik, dengan memutuskan memakai simbol matematik untuk
hal yang ingin dihitung.

2. Membuat fungsi tujuan, yang dimaksudkan dari fungsi tujuan ini adalah
hubungan matematika linier yang menjelaskan tujuan perusahaan dalam
terminologi variabel keputusan. Setelah ditentukan variabel keputusan,
kemudian digunakan dalam membuat fungsi (persamaan matematika) dari
tujuan yang ingin dicapai perusahaan.

4
UNIVERSITAS
PRAKTIKUM MODEL OPTIMASI
WIDYATAMA

3. Membuat batasan (kendala) model, maksud dari fungsi batasan adalah


hubungan linier dari variabel keputusan yang menunjukkan keterbatasan
perusahaan dalam lingungan operasi perusahaan.

2.1.3 Bentuk Baku Model Matematis

Sebelum melakukan perhitungan iterative untuk menentukan solusi optimal,


langkah pertama adalah mengubah bentuk umum linear programming ke dalam
bentuk baku simpleks terlebih dahulu. Bentuk baku dalam metode simpleks tidak
hanya mengubah persamaan kendala ke dalam bentuk sama dengan, tapi setiap
fungsi kendala harus diwakili oleh satu variabel basis awal. Variabel basis awal
menunjukkan kondisi sebelum ada aktivitas yang dilakukan dan variabel keputusan
masih bernilai 0.
Ada beberapa hal yang harus diperhatikan dalam membuat bentuk baku atau
standar, yaitu:
1. Fungsi kendala dengan pertidaksamaan dalam bentuk umum, dirubah menjadi
persamaan (=) dengan menambahkan satu variable slack.
2. Fungsi kendala dengan pertidaksamaan dalam bentuk umum, dirubah menjadi
persamaan (=) dengan mengurangkan satu variable surplus.
3. Fungsi kendala dengan persamaan (=) dalam bentuk umum, ditambahkan satu
variable buatan (artificial variable).

2.1.4 Langkah Penyelesaian Metode Simpleks

Penyelesaian masalah linear programming dilakukan melalui perhitungan iterasi


dengan menggunakan tabel. Tabel awal yang dibuat berdasarkan model baku
matematika yang ada dinamakan Tabel Awal Simpleks selanjutnya dilakukan
perhitungan iterasi. Tahap-tahap yang ada yaitu:
1. Membuat bentuk baku model matematik.
2. Membuat tabel awal simpleks berdasarkan bentuk baku yang sudah ada.
3. Memeriksa kelayakan tabel awal dengan melihat nilai kanan. Bila ada yang
bernilai negatif maka tidak layak diselesaikan.

5
UNIVERSITAS
PRAKTIKUM MODEL OPTIMASI
WIDYATAMA

Cara menentukan kolom pivot adalah sebagai berikut:


a. Bila fungsi tujuannya maksimisasi maka pilih kolom dengan nilai negatif
terbesar.
b. Bila fungsi tujuannya minimalisasi maka pilih kolom dengan nilai positif
terkecil.
c. Bila nilai-nilai tersebut jumlahnya lebih dari satu, pilih sembarang.

Bila kolom pivot ditarik ke atas maka akan ditemukan variabel keluar.
1. Menentukan baris pivot dengan melihat hasil bagi nilai solusi dengan nilai
kolom pivot yang bersesuaian. Pilih yang mempunyai nilai bagi terkecil.
Bila baris pivot ditarik ke kiri maka akan diperoleh variabel keluar.
2. Menentukan elemen pivot dengan mencari perpotongan kolom pivot dan
baris pivot.
3. Lakukan perhitungan-perhitungan untuk membuat iterasi selanjutnya.
4. memeriksa keoptimalan dengan melihat nilai koefisien fungsi tujuan di
mana:
a. Bila maksimisasi maka nilai solusi sudah positif atau nol.
b. Bila minimisasi maka nilai solusi sudah negatif atau nol.

6
BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 PENGUMPULAN DATA


4.1.1 Linear Programming (Metode Simpleks)
4.1.2.1 Kasus 1

Terdapat model pemrograman linear yang dirumuskan sebagai berikut:

Minimasi = 21 + 32

Dengan pembatas-pembatas:

1 2 1
1 + 2 4
1
2 0

Tentukan solusi optimal dengan metode simpleks dan nilai fungsi tujuan yang
berasosiasi dengan solusi optimal.

4.1.2.2 Kasus 2

Sebuah perusahaan sepatu merencanakan untuk memproduksi dua jenis produk,


yaitu produk PANS dan KONPERS. Kedua produk menggunakan suatu jenis
bahan. Kebutuhan bahan per satuan produk PANS dan KONPERS masing-masing
adalah 2 meter dan 3 meter. Ketersediaan bahan per hari adalah 24 meter. Kuantitas
bahan yang digunakan untuk memproduksi kedua produk tidak boleh melebihi
ketersediaan yang ada. Pihak manajemen menetapkan batasan bahwa perbedaan
antara kuantitas produk KONPERS dengan produk PANS tidak boleh lebih dari 1
satuan. Selanjutnya, terdapat pembatas bahwa kuantitas penjualan produk
KONPERS tidak lebih dari 3 satuan. Keuntungan per satuan untuk produk PANS
dan KONPERS masing-masing adalah Rp 30.000 dan Rp 50.000. Manajemen
perusahaan ingin menentukan kuantitas produk A dan B yang harus diproduksi
selama satu minggu kedepan agar diperoleh keuntungan total per minggu yang
maksimum. Terdapat asumsi bahwa kuantitas produk yang dijual sama dengan
kuantitas produk yang diproduksi.

7
UNIVERSITAS
PRAKTIKUM MODEL OPTIMASI
WIDYATAMA

4.2 PENGOLAHAN DATA


4.2.1 Linear Programming (Metode Simpleks)

4.2.1.1 Penyelesaian Kasus 1


A. Fungsi Tujuan
Minimasi:
= 21 + 32
B. Fungsi Kendala

Constraint: 1) 1 2 1
2) 1 + 2 4
3) 1 0
4) 2 0
C. Mengubah Fungsi Tujuan dan Fungsi Kendala
Fungsi Tujuan:
= 21 + 32 21 32 = 0
Fungsi Kendala:
1 2 1 1 2 + 1 = 1

1 + 2 4 1 + 2 + 2 = 4

D. Interasi 0

Tabel 4. 1 Iterasi Ke-0


Basis Z RK Rasio
Z 1 -2 -3 0 0 0 -
0 1 -1 1 0 1 1
0 1 1 0 1 4 4
(Sumber: Pengolahan Data)
Keterangan:
Warna Hijau = Entering Variable
Warna Biru = Leaving Variable
Warna Merah = Pivot Element

Contoh perhitungan:
(2 0) (2 1) (2 1)
1 =1 3 = 5 0 =2
1 1 1

8
UNIVERSITAS
PRAKTIKUM MODEL OPTIMASI
WIDYATAMA

E. Iterasi 1

Tabel 4. 2 Iterasi Ke-1


Basis Z RK Rasio
Z 1 0 -5 2 0 2 -
0 1 -1 1 0 1 -1
0 0 2 -1 1 3 1,5
(Sumber: Pengolahan Data)
Keterangan:
Warna Hijau = Entering Variable
Warna Biru = Leaving Variable
Warna Merah = Pivot Element

Contoh perhitungan:
(5 0) (5 0) (5 1)
1 =1 0 =0 2 = 0,5
2 2 2
F. Iterasi 2

Tabel 4. 3 Iterasi Ke-2


Basis Z RK
Z 1 0 0 -0,5 2,5 9,5
0 1 0 0,5 0,5 2,5
0 0 2 -0,5 0,5 1,5
(Sumber: Pengolahan Data)
1 = 2,5
2 = 1,5
= 21 + 32
= 2(2,5) + 3(1,5)
= 5 + 4,5 = 9,5
Solusi optimal dari model pemrograman linear diatas yaitu 1 = 2,5 dan 2 = 1,5
dengan nilai = 9,5 untuk mendapatkan fungsi tujuan minimasi.

9
UNIVERSITAS
PRAKTIKUM MODEL OPTIMASI
WIDYATAMA

4.2.1.2 Penyelesaian Kasus 2


A. Fungsi Tujuan
Maksimasi
= 301 + 502

B. Fungsi Kendala
Constraint:
21 + 32 24

2 1 1

Diasumsikan 1 0

2 6

C. Mengubah Fungsi Tujuan dan Fungsi Kendala


Fungsi Tujuan:
= 301 + 502 301 502 = 0

Fungsi Kendala:
21 + 32 24 21 + 32 + 1 = 24

2 1 1 1 + 2 + 2 = 1

D. Interasi 0

Tabel 4. 4 Iterasi Ke-0


Basis Z RK Rasio
Z 1 -30 -50 0 0 0 -
0 2 3 1 0 24 8
0 -1 1 0 1 1 1
(Sumber: Pengolahan Data)

Keterangan:
Warna Hijau = Entering Variable
Warna Biru = Leaving Variable
Warna Merah = Pivot Element

Contoh perhitungan:

(50 0) (50 1) (50 0)


1 =1 30 = 80 0 =0
1 1 1

10
UNIVERSITAS
PRAKTIKUM MODEL OPTIMASI
WIDYATAMA

E. Iterasi 1

Tabel 4. 5 Iterasi Ke-1


Basis Z RK Rasio
Z 1 -80 0 0 50 50 -
0 5 0 1 -3 21 4,2
0 -1 1 0 1 1 -1
(Sumber: Pengolahan Data)

Keterangan:
Warna Hijau = Entering Variable
Warna Biru = Leaving Variable
Warna Merah = Pivot Element

Contoh perhitungan:

(80 0) (80 1) (80 3)


1 =1 0 = 16 50 =2
5 5 5
F. Iterasi 2

Tabel 4. 6 Iterasi Ke-2


Basis Z RK
Z 1 0 0 16 2 386
0 1 0 0,2 -0,6 4,2
0 0 1 0,2 0,4 5,2
(Sumber: Pengolahan Data)

1 = 4,2 4 5 hari kerja


= 20 unit (PANS)
2 = 5,2 5 5 hari kerja
= 25 unit (KONPERS)

= 30.0311 + 50.0312
= 30.031(20) + 50.031(25)
= 600.620 + 1.250.775
= 1.851.395

Solusi optimal dari model pemrograman linear diatas yaitu 1 = 20 unit PANS (5
hari kerja) dan 2 = 25 unit KONPERS (5 hari kerja) dengan nilai =
1.851.395 untuk mendapatkan fungsi tujuan maksimasi.

11
BAB V

ANALISIS

2.1 LINEAR PROGRAMMING (METODE SIMPLEKS)

Metode simpleks adalah metode yang dapat digunakan untuk menyelesaikan


persoalan manajerial yang telah diformulasikan terlebih dahulu ke dalam
persamaan matematika program linear yang mempunyai variable keputusan mulai
dari lebih besar atau sama dengan dua sampai multivariable. Metode grafik hanya
dapat digunalan apabila jumlah variable keputusan maksimal 2 buah. Dapat
disimpulkan bahwa suatu persoalan linear programing yang diselesaikan dengan
metode grafik juga dapat diselesaikan dengan metode simpleks, sebaliknya suatu
persoalan yang hanya bisa diselesaikan dengan metode simpleks tidak dapat
diselesaikan dengan metode grafik.

Modul 2 mengenai Linear Programming (Metode Simpleks) kali ini memecahkan


permasalahan yang serupa dengan Modul 1 Linear Programming (Metode Grafis),
akan tetapi terdapat perbedaan metode yang digunakan. Metode pada Modul 2 ini
menggunakan metode simpleks. Kasus 1 memiliki persoalan optimasi minimasi
dengan persamaan = 21 + 32 yang harus diselesaikan permasalahannya
melalui metode simpleks.

Tabel 5. 1 Iterasi Ke-2 Kasus 1


Basis Z RK
Z 1 0 0 -0,5 2,5 9,5
0 1 0 0,5 0,5 2,5
0 0 2 -0,5 0,5 1,5
(Sumber: Pengolahan Data)

Berdasarkan Tabel 5.1 iterasi ke-2 pada kasus 1 terlihat bahwa solusi optimal
(minimasi) yaitu dengan nilai 1 = 2,5 dan 2 = 1,5 yang menghasilkan nilai
sebesar 9,5. Solusi optimal pada metode simpleks serupa dengan metode yang
digunakan pada Modul 1 yaitu metode grafis, hal tersebut menunjukkan bahwa
proses penyelesaian pada permasalahan kasus 1 dapat dikatakan berhasil.

12
UNIVERSITAS
PRAKTIKUM MODEL OPTIMASI
WIDYATAMA

Perbedaan kedua metode tersebut salah satunya terlihat dari penambahan variabel
slack pada pertidaksamaan fungsi pembatas sehingga mengubah pertidaksamaan
tersebut menjadi persamaan. Kasus 2 memiliki persoalan optimasi maksimasi
dengan persamaan = 301 + 502 yang harus diselesaikan
permasalahannya melalui metode simpleks.

Tabel 5. 2 Iterasi Ke-2 Kasus 1


Basis Z RK
Z 1 0 0 16 2 386
0 1 0 0,2 -0,6 4,2
0 0 1 0,2 0,4 5,2
(Sumber: Pengolahan Data)

Berdasarkan Tabel 5.2 kasus 2 diatas menunjukkan bahwa solusi optimal berada
pada iterasi ke-2. Solusi optimal maksimasi pada kasus 2 menghasilkan nilai 1 =
20 unit PANS (5 hari kerja) dan 2 = 25 unit KONPERS (5 hari kerja) dengan
keuntungan maksimum sebesar Rp 1.851.395. Solusi optimal pada metode
simpleks memiliki hasil yang serupa seperti metode grafis pada Modul 1, hal
tersebut menunjukkan bahwa proses penyelesaian pada kasus 2 ini dapat dikatakan
berhasil. Perbedaan kedua metode tersebut salah satunya terlihat dari penambahan
variabel slack pada pertidaksamaan fungsi pembatas sehingga mengubah
pertidaksamaan tersebut menjadi persamaan. Penggunaan metode simpleks dan
metode grafis sangat berguna bagi perusahaan untuk memecahkan permasalahan-
permasalahan yang ada untuk menghasilkan keuntungan yang maksimum dengan
biaya yang seminimum mungkin.

13
BAB VI

KESIMPULAN DAN SARAN

6.1 KESIMPULAN
6.1.1 Linear Programming (Metode Simpleks)

Berdasarkan praktikum yang telah dilakukan, maka dapat ditarik kesimpulan


bahwa:
1. Solusi optimal minimasi pada kasus 1 yaitu terletak pada iterasi ke-2.
2. Solusi terbaik (optimal) minimasi dari kasus 1 yaitu dengan nilai 1 = 2,5
dan 2 = 1,5 yang menghasilkan nilai Z sebesar 9,5.
3. Solusi optimal maksimasi pada kasus 2 yaitu terletak pada iterasi ke-2.
4. Solusi terbaik (optimal) minimasi dari kasus 2 yaitu dengan 1 = 20 unit
PANS (5 hari kerja) dan 2 = 25 unit KONPERS (5 hari kerja) dengan
keuntungan total perminggu yang maksimum sebesar Rp 1.851.395.
5. Solusi optimal yang dihasilkan pada metode simpleks serupa dengan solusi
optimal pada metode grafis.
6. Perbedaan penggunaan metode simpleks dan metode grafis salah satunya
terletak dari penambahan variabel slack pada pertidaksamaan fungsi
pembatas sehingga mengubah pertidaksamaan tersebut menjadi persamaan.

6.2 SARAN
6.2.1 Linear Programming (Metode Simpleks)

Penyusunan laporan akhir praktikum Modul 2 tentang Linear Programming


(Metode Simpleks) memang terdapat banyak kelebihan dan kekurangan, adapun
yang ingin disampaikan oleh praktikan adalah:

1. Praktikan diharapkan memahami terlebih dahulu materi yang digunakan


pada Modul 2 ini.
2. Saat pengolahan data berlangsung, diharapkan praktikan lebih teliti agar
menghindari kesalahan pada iterasi-iterasi selanjutnya.
3. Penggunaan software seperti Microsoft Excel dianjurkan untuk
mempermudah perhitungan.

14
DAFTAR PUSTAKA

Wirdasari, Dian. Metode Simpleks dalam Program Linier. 1 Januari 2009.


https://www.academia.edu/11561691/METODE_SIMPLEKS_DALAM_PROGR
AM_LINIER

Setiawan, Anwar. Metode Simpleks. 26 Maret 2012.


https://anwarsetiawan.wordpress.com/2012/03/26/pengertian-metode-simpleks/

15