Aplikasi Program Linear

Dalam Mengoptimalkan Profit Dan Meminimumkan Biaya

Rizqy Mustaqim1

P
rogram linear adalah salah satu metode matematika untuk menyelesaikan suatu
masalah optimasi. Beberapa masalah aplikasi linier programming adalah product mix
problem, diet problem, blending problem, advertaising promotion planning,
investment planning, production inventory planning, optimal cargo shipment. Pada
dasarnya, metode-metode yang dikembangkan untuk memecahkan model program
linier ditujukan untuk mencari solusi dari beberapa alternatif solusi yang dibentuk oleh
persamaan-persamaan pembatas sehingga diperoleh nilai fungsi tujuan yang optimum.

Menurut Siringoringo (2005), linear programming merupakan metode matematik dalam

mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan seperti
memaksimumkan keuntungan dan meminimumkan biaya. Linear programming banyak
diterapkan dalam masalah ekonomi, industri, militer, sosial dan lain-lain. Linear programming
berkaitan dengan penjelasan suatu kasus dalam dunia nyata sebagai suatu model matematik yang
terdiri dari sebuah fungsi tujuan linier dengan beberapa kendala linier.

Tujuan dari penggunaan linear programming ialah untuk menyusun suatu model yang
dapat dipergunakan untuk menemukan solusi yang tepat untuk masalah yang didapatkan
sehingga dapat mengambil kesimpulan dan kebijakan yang tepat melalui hasil yang maksimum
dengan memperhatikan kendala produksi dan sumber yang terbatas dengan menggunakan suatu
proses matematika metode grafis atau simplex. Linear programming bermanfaat untuk masalah
keputusan yang sering dihadapi adalah alokasi optimum sumberdaya yang langka, dapat berupa
uang, bahan mentah, kapasitas mesin, mutu waktu, ruangan dan teknologi. Hasil yang diinginkan
ditunjukkan dengan cara maximum sebagai maksimasi profit, penjualan dan kesejahteraan atau
minimasi biaya, waktu dan jarak.

Model matematika yang sering digunakam untuk mengoptimalkan pola optimal

transportasi batubara ke washing plan adalah menggunakan model linier programming.

1
Mahasiswa teknik pertambangan UIN Jakarta 2014
Teori Matematika Simplex
Metode simplex merupakan prosedur aljabar yang bersifat iteratif, yang bergerak
selangkah,dimulai dari suatu titik ekstrim pada daerah fisibel menuju ke titik ekstrim yang
optimum. Metode simplex terdiri dari 3 fungsi yaitu :

1. Fungsi Tujuan
Merubah bentuk fungsi implisit menjadi persamaan bentuk eksplisit dengan
menambahkan atau mengurangi slack variable, surplus variable, dan atau variabel
buatan yang bernilai nol. Fungsi ini ada 2 macam yaitu memaksimumkan dan
meminimumkan.
Karena slack variable tidak mempunyai kontribusi apa-apa terhadap fungsi tujuan,
maka konstanta untuk slack variable tersebut dituliskan nol.
Z = C1X1 + C2X2 + . . . . . + CnXn
2. Fungsi Pembatas
a11X11 + a12X12 +. . . .+ a1nXn b1
a21X21 + a22X22 +. . . .+ a2nXn b2
. .. . .. ..
am1Xm1 + am2Xm2 +. . . .+ amnXn bm
Bentuk fungsinya dibagi menjadi 3, yaitu , , dan =. Konversi fungsi
bertanda menjadi bentuk standar dilakukan dengan menambahkan slack
variable agar pada fungsi tersebut diperoleh solusi fisibel awal sama dengan titik
origin.

3. Fungsi Variabel
Semua variable keputusan non negative atau merupakan variable yang nilainya
bukan nol pada sembarang iterasi.

Bentuk Baku Metode Simpleks

 Bentuk baku dalam metode simpleks mengubah persamaan kendala ke
dalam bentuk sama dengan dan setiap fungsi kendala harus diwakili oleh satu
variabel basis awal. Variabel basis awal menunjukkan status sumber daya pada
kondisi sebelum ada aktivitas yang dilakukan, semuanya masih bernilai nol.
Dengan demikian, meskipun fungsi kendala pada bentuk umum pemrograman
linier sudah dalam bentuk persamaan, fungsi kendala tersebut masih harus tetap
berubah.
Ada beberapa hal yang harus diperhatikan dalam membuat bentuk baku, yaitu:
1. Fungsi kendala dalam bentuk umum, dirubah menjadi persamaan (=)
dengan menambahkan satu variabel slack.

2. Fungsi kendala dalam bentuk umum, dirubah menjadi persamaan (=)

dengan mengurangkan satu variabel surplus.

3. Fungsi kendala dengan persamaan dalam bentuk umum, ditambahkan satu

artificial variabel (variabel buatan).

Formulasi Program Linear

Bentuk standar dari permasalahan program linier adalah:
Penulisan dalam bentuk skalar untuk kasus maksimasi
Maksimumkan :
(1,2,, )==11+22++
Dengan kendala :
111+122++1=1
211+222++2=2

11+22++=
1,2,,0
Atau dapat juga ditulis dengan menggunakan lambang penjumlahan yaitu:
Maksimumkan :
 ( 1,2,, ) =

0,
i = 1,2, ... , m
J = 1,2, ... , n

Di mana , dan diketahui konstan.

Keterangan:
i : parameter yang dijadikan kriteria optimisasi, atau koefisien peubah pengambilan
keputusan dalam fungsi tujuan. Untuk kasus maksimasi menunjukkan
keuntungan atau penerimaan per unit, sementara dalam kasus minimasi
menunjukkan biaya per unit.
i : perubah pengambilan keputusan atau kegiatan (yang ingin dicari; yang tidak
diketahui). Karena =1,2,, berarti dalam hal ini terdapat variabel keputusan.
: koefisien teknologi peubah pengambilan keputusan dalam kendala ke- .
: Nilai skalar kritearia pengambilan keputusan nilai fungsi tujuan.

Simulasi Program Linear Untuk Memaksimalkan Profit

Untuk melakukan simulasi digunakan data dari DR. Supriyadi2 sebagai berikut :

Suatu perusahaan memiliki target produksi batubara 2.100.000 ton/tahun, kemampuan produksi
masing-masing pit :

o Pit A sebesar 300.000 ton

o Pit B sebesar 600.000 ton
o Pit C sebesar 700.000 ton
o Pit D sebesar 400.000 ton
o Pit E sebesar 200.000 ton
Dari semua site penambangan akan dikirim ke 3 Pasar yakni :

o Pasar A sebesar 600.000

o Pasar B sebesar 800.000
o Pasar C sebesar 900.000
Fungsi Tujuan (Z) =

2
Dosen Manajemen Tambang UIN
 = 1X11 + 4 X12 + 3 X13 + 2 X21 + 4 X22 + 7 X23 + 6 X31+ 5 X32+ 4 X33
+ 3 X41+ 4 X42 + 5 X43+ 1 X51+ 8 X52 + 1 X53

Jumlah material maksimum dari setiap pit:

X11 + X12 + X13 300000
X21 + X22 + X23 600000
X31 + X32 + X33 700000
X41 + X42 + X43 400000
X51 + X52 + X53 200000

Kapasitas maksimum dari Pasar:

X11 + X21 + X31 + X41 + X51 600000
X12 + X22 + X32 + X42 + X52 800000
X13 + X23 + X33 + X43 + X53 900000

Target produksi per tahun:

X11 + X12 + X13 + X21 + X22 + X23 + X31 + X32 + X33 + X41 + X42 + X43 + X51 + X52 +
X53 = 2100000 ton/tahun
Dengan biaya angkut sebagai berikut :

x/y Pasar A Pasar B Pasar C

Pit A 4 3 2
Pit B 1 4 3
Pit C 2 1 7
Pit D 6 5 5
Pit E 6 7 1

Sehingga ditentukan Variabelnya :

x/y Pasar A Pasar B Pasar C

Pit A (X1) (X2) (X3)
Pit B (X4) (X5) (X6)
Pit C (X7) (X8) (X9)
Pit D (X10) (X11) (X12)
Pit E (X13) (X14) (X15)
Selanjutnya menggunakan Software LiPS dengan cara sebagai berikut :

i. Download Program di link : https://sourceforge.net/projects/lipside/

ii. Membuka Program dan pilih file > New > pilih table mode

iii. Lalu akan muncul model parameter, kemudian diisi :

a. Number of variable diisi dengan : jumlah pit x jumlah Pasar

b. Number of constrain diisi dengan : jumlah pit + jumlah Pasar + target
 c. Number of objektiv di biarkan
d. Pilih maximization > klik ok
iv. Isi baris 1-5 berdasarkan table variable yang telah dibuat, apabila ada angka (kegiatan)
maka diisi 1.

v. Isi baris 6-8 berdasarkan table variable yang telah dibuat, apabila ada angka (kegiatan)
maka diisi 1.

vi. Baris 9 diisi 1 apabila pada kolom 9 kebawah (8 s/d 1) terdapat kegiatan (ada angka 1)
vii. Baris upper bound diisi dengan batas Pasar secara berulang

viii. Baris objektiv diisi dengan data biaya angkut dengan letak berdasarkan table variable
yang telah dibuat

ix. Kolom RHS diisi batas / target masing-masing data, dimulai dari pit A-E, Pasar A-C dan
target.
 x. Pada table sebelah kiri target di rubah tandanya menjadi =
xi. Lalu pilih solve

xii. Akan muncul hasil, lihat table Result Variable, kemudian Plot hasil tadi ke table biaya
angkut
Analisa dan Kesimpulan

Dari hasil perhitungan menggunakan aplikasi linear programming, didapati hasil sebagai
berikut :
Sehingga dapat dibuat pola/skema distribusi tambang yang optimal digambarkan sebagai berikut
:

x/y Pasar A Pasar B Pasar C

Pit A (200.000) - -
Pit B - (600.000) -
Pit C - - (700.000)
Pit D (400.000) - -
Pit E - (200.000) -
Total 600.000 800.000 700.000
 Pit A Pit B Pit C Pit D Pit E

Pasar A Pasar B Pasar C

Dari hasil yang diperoleh dapat ditarik beberapa kesimpulan sebagai berikut :
1. Pit A mendistribusikan 200.000 ton ke Pasar A
2. Pit B mendistribusikan 600.000 ton ke Pasar B
3. Pit C mendistribusikan 700.000 ton ke Pasar C
4. Pit D mendistribusikan 300.000 ton ke Pasar A
5. Pit E mendistribusikan 200.000 ton ke Pasar B
6. Pit A, Pit B, Pit C, dan Pit E mengirimkan hasil tambangnya 100 %
7. Pit yang tidak bekerja 100 % adalah pit D, yaitu sebesar 300.000 ton per tahun dari
kemampuan produksi 400.000 per tahun
8. Dalam mencapai target produksi sebesar 2.100.000 ton per tahun, Pit D tidak perlu
mencapai kemampuan produksi maksimal
9. Kemampuan pasar menerima produk untuk mencapai profit maksimal dan kemampuan
produksi serta pendistribusian digambarkan dengan skema sebagai diatas. Hal ini
dipengaruhi oleh banyak faktor terutama jarak.