OLEH :
OLEH KELOMPOK 8 :
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena atas rahmat dan
karunia-Nya, kami diberikan kesempatan dan kesehatan untuk menyelesaikan makalah ini tepat
pada waktunya.
Makalah ini disusun dengan tujuan utama menyelesaikan tugas mata kuliah Riset
Operasi. Kami mengucapkan terima kasih kepada pihak-pihak yang telah banyak membantu
penulis dalam menyelesaikan makalah ini.
Kami menyadari sepenuhnya bahwa pengalaman dan ilmu yang dimiliki masih terbatas
dan terdapat banyak kekurangan sehingga penulisan makalah ini masih jauh dari sempurna.
Namun kami tetap bersyukur karena dengan bimbingan dan bantuan semua pihak, makalah ini
dapat diselesaikan. Kami mengharapkan adanya kritik dan saran yang membangun guna
mencapai hasil yang lebih baik. Semoga makalah ini dapat berguna dan bermanfaat bagi yang
pembaca.
Penulis
Rumusan Masalah
1. Apa itu Linear Programming?
2. Apa itu Goal Programming?
Pembahasan
Linear Programming
Sebelum membahas goal programming terlebih dahulu akan dibahas mengenai linear
programming, karena dasar dari goal programming adalah linear programming. Linear
programming adalah suatu model umum yang dapat digunakan dalam pemecahan
masalah pengalokasian sumber-sumber yang terbatas secara optimal.
Masalah tersebut timbul apabila seseorang diharuskan untuk memilih atau menentukan
tingkat setiap kegiatan yang akan dilakukannya, dimana masing-masing kegiatan
membutuhkan sumber yang sama sedangkanjumlalmya terbatas.
Suatu persoalan disebut persoalan linear programming apabila memenuhi hal-hal berikut :
1. Tujuan (objective) yang akan dicapai harus dapat dinyatakan dalam bentuk fungsi
linier. Fungsi ini disebut fungsi tujuan (objective function).
2. Harus ada alternative I pilihan pemecahan. Pemecahan yang membuat nilai fungsi
tujuan optimum (laba yang maksimum, biaya yang minimum, dll) yang hams
dipilih.
3. Sumber-sumber tersedia dalam jumlah yang terbatas (bahan mentah terbatas, modal
terbatas, ruangan untuk menyimpan barang terbatas, dll). Pembatsan- pembatasan harus
dinyatakan di dalam ketidaksamaan yang liniear (linear inequality).
Linear programming lebih banyak digunakan untuk menentukan alokasi dari
keterbatasan atau kelangkaan sumber daya yang ada. Beberapa masalah alokasi yang
dapat diatasi dengan menggunakan linear programming adalah :
1. Masalah di dalam mengalokasikan jumlah sumber daya yang ada untuk ke sejumlah
tempat I tujuan. Masalah ini terjadi karena adanya kendala didalam kapasitas sumber
daya yang ada dan persyaratan dari tempat yang dituju. Contohnya adalah alokasi dari
jumlah batubara yang akan di sebarkan ke sejumlah pembangkit listrik.
2. Masalah di dalam pencampuran beberapa komponen. Berapa banyak tiap
komponen yang harus digunakan untuk memproduksi minyak, makanan hewan,
pupuk, cat, dan lain-lain ? kendala seperti ini terjadi karena setiap industri
memiliki karakteristik produk yang berbeda-beda.
3. Masalah di dalam jumlah produk dan tipe produk yang akan di produksi.
Berapa banyak proporsi dari jumlah produk yang dihasilkan oleh bagian
produksi untuk setiap produknya ?
4. Membuat atau membeli. Barang mana yang harus di beli dan yang harus di
produksi sendiri ?
5. Masalah perencanaan anggaran keuangan. Disini termasuk juga masalah
didalam berapa banyak pengeluaran tetap dan berapa banyak jumlah orang
yang harus bekerja untuk perusahaan dan bagaimana hal tersebut juga dapat
baik untuk keuangan perusahaan. Masalah disini adalah memaksimalkan
keuntungan dengan kendala liquiditas dan solvabilitas.
Bentuk umum model linear programming adalah :
Maksimumkan (minimumkan) z = LJ=i cjxj
dengan syarat: aijXj(::;;, =,:?.)hi, untuk semua i(i=1,2,3, ...,m) semua
X .>-0
Keterangan :
xj : banyaknya sumber daya j, dimana j = 1,2,3,...,n yang berarti
terdapat n variabel keputusan
Z fungsi tujuan
Cj sumbangan per unit sumber dayaj; untuk masalah maksimasi
Z, Cj menunjukkan penerimaan per unit, sedangkan unutk kasus minimasi
Z, Cj menunjukkan biaya per unit
bi jumlah sumber daya ke i (i = 1,2,3,...,m), berarti terdapat m jenis
sumber daya
aij banyaknya sumber daya i yang dikonsumsi sumber dayaj
Sebuah model linear programming dapat kita formulasikan dengan tiga langkah
yaitu :
1. Menentukan variabel yang tak diketahui (variabel keputusan) dan
menyatakan dalam simbol matematik
2. Membentuk fungsi tujuan yang ditunjukkan sebagai suatu hubungan linier
(bukan perkalian) dari variabel keputusan
3. Menentukan semua kendala masalah tersebut dan mengekspresikan dalam
persamaan dan pertidaksamaan yang juga merupakan hubungan linier dari variabel
keputusan yang mencerminkan keterbatasan sumberdaya masalah itu
Tersedia 240 jam kerja dan bahan mentah sebanyak 400 Kg. Masalahnya adalah
menentukan jumlah masing-masing produk agar keuntungan maksimum. Rumusan
model linear programming-nya adalah :
A. Variabel Keputusan
Tiga variabel dalam masalah ini adalah produk A, B, dan C yang harus
dihasilkan. Jumlah ini dapat dilambangkan sebagai :
X1 = jumlah produk A
Xz = jumlah produk B
x3 = jumlah produk c
B. Fungsi Tujuan
Tujuan masalah kombinasi produk adalah memaksimumkan keuntungan total.
Jelas bahwa keuntungan adalah jumlah keuntungan yang diperoleh dari masing
- masing produk. Keuntungan dari produk A adalah perkalian antara jumlah
produk A dengan keuntungan per unit (Rp. 3,-). Keuntungan produk B dan C
ditentukan dengan cara yang serupa. Sehingga keuntungan total Z, dapat ditulis
sebagai berikut :
Z = 3X1 + SX2 + 2X3
C. Sistem Kendala
Dalam masalah ini kendalanya adalah jumlah buruh dan bahan mentah
yang terbatas. Masing - masing produk membutuhkan baik buruh maupun
bahan mentah. Produk A, buruh yang dibutuhkan untuk menghasilkan tiap
unit adalah 5 jam, sehingga buruh yang dibutuhkan untukproduk A adalah 5
X 1 jam. Dengan cara yang serupa produk B membutuhkan
2 X2 jam buruh, dan produk C butuh 4 X 3 jam,sementara jumlah jam buruh
Dengan syarat
SX1 + 2Xz + 4X3 :::; 240
X1, X2 , X 3 2': 0
aij.xij + DBi = bi
j=l
di mana, i = 1,2,...,m
j= 1,2,...,n
sehingga DB akan selalu mempunym koefisien +1 pada seitap kendala sasaran.
2. Variabel deviasional untuk menampung deviasi yang berada di atas sasaran.
Dengan kata lain, variabel deviasional ini berfungsi untuk menampung deviasi
positif. Notasi DA digunakan untuk menandai jenis variabel deviasional
ini. Karena variabel deviasional DA berfungsi untuk
menampung deviasi positif, maka
aij.xij = bi + DAi
j=l
atau
aijxij- DAi = bi
j=l
di mana i = 1,2,...,m
j = 1,2,...,n
aif.Xij < b;
j=l
a;j.xif = b; + DA;
j=l
aif.xif > b;
j=l
Sasaran yang telah ditetapkan (bJ akan tercapai bila variabel deviasional DA;
dan DB; bernilai no!. Oleh karena itu, DA; dan DB; harus diminimumkan di dalam
fungsi tujuan, sehingga fungsi tujuan metode goal programming adalah :
Min DB; + A;
i=l
ST
dan
Minimum Z=3di+
+3di"+2d2"+d3+
d.k
250.000 [5] XI X2
terdapat lebih daripada satu elemen yang menghasilkan rasio (nilai banding)
terkecil yang sama, maka pilihlah salah satunya. Jika tidak ada elemen dalam
kolom ke1ja ini yang positif, maka programnya tidak memiliki pemecahan.
3. Gunakan operasi - operasi baris elementer untuk mengubah elemen pivot
menjadi 1 dan kemudian reduksikan semua elemen lainnya dalam kolom kerja ini
menjadi 0
4. Gantikan peubah x dalam baris pivot dan kolom pertama dengan peubah x dalam baris
pertama dan kolom pivot. Ko1om pe1tama yang baru ini adalah himpunan peubah-
5. Ulangi langkah 1 sampai dengan 4 hingga tidak terdapat lagi elemen negatif dalam
6. Pemecahan optimal diperoleh dengan menetapkan untuk tiap - tiap peubah dalam
kolom pertama nilai dalam baris dan kolom terakhir yang bersangkutan. Semua peubah
yang lainnya ditetapkan berniali nol. Nilai optimal dari fungsi objektif, yakni x*, adalah
bilangan yang terdapat dalam baris terakhir dan kolom terakhir untuk program
maksimasi, sedangkan negatif dari bilangan ini adalah untuk program minimasi.
Kesimpulan
Dengan syarat
SX1 + 2Xz + 4X3 :::; 240
X1, X2 , X 3 2': 0
Goal programming adalah suatu metode yang dikembangkan dari Linear programming,
dimana pada linear programming masalah yang dapat diselesaikan hanya memiliki satu
tujuan /goal. Namun pada kenyataannya dikehidupan sehari-hari masalah yang dihadapi
tidaklah hanya satu namun bisa lebih dari satu dan memiliki banyak goal. Oleh karena itu
metode goal programming ini dapat digunakan untuk masalah-masalah yang memiliki
banyak goal.
Bentuk umum fungsi tujuan model goal programming dengan prioritas sasaran
adalah:
m
Min Pi(DAi +DB)
i=1