TUGAS RISET OPERASI

MEMAHAMI MASALAH DENGAN LINEAR GOALS

PROGRAMMING

OLEH :

OLEH KELOMPOK 8 :

I PUTU GEDE PURNAMA INDRA JAYA (12)

I PUTU PRADNYANA PUTRA (22)
I KOMANG HENDRA SUSANTA (29)
I KOMANG SUDARPA GALUNG (30)
I WAYAN DEDI SUANTARA (36)

UNIVERSITAS MAHASARASWATI DENPASAR

FAKULTAS EKONOMI MANAJEMEN

TAHUN AJARAN 2017 / 2018

 Kata Pengantar

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.

Denpasar, 9 Mei 2017

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

Contoh : Masalah Kombinasi Produk

Sebuah perusahaan ingin menentukan berapa banyak masing-masing dari
tiga produk yang berbeda yang akan dihasilkan dengan tersedianya sumber daya
yang terbatas agar diperoleh keuntungan maksimum. Kebutuhan buruh dan bahan
mentah dan sumbangan keuntungan masing-masing produk adalah sebagai berikut :
Contoh soal kebutuhan buruh dan bahan mentah

Produk Kebutuhan Sumber Daya Keuntungan

Buruh Gam/unit) Bahan (Kg/unit) (Rp/Unit)
A 5 4 3
B 2 6 5
C 4 3 2

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

yang tersedia adalah 240 jam. Sehingga dapat ditulis :

SX1 + 2X 2 + 4X3 :::;

240

Kendala bahan mentah dirumuskan denga cara yang sama, yaitu

untuk produk A butuh bahan mentah sebanyak 4 Kg per unit, produk B
membutuhkan 6 Kg per unit, dan produk C membutuhkan 3 Kg per unit.
Karena yang tersedia adalah sebanyak 400 Kg bahan mentah, maka dapat
ditulis : 4X1 + 6X 2 + 3X3 :::; 400

Kita juga membatasi masing - masing variabel hanya pada nilai

positif, karena tidak mungkin untuk menghasilkan jumlah produk negatif.
Kendala - kendala ini dikenal dengan non negativity constrains dan secara
matematis dapat ditulis :
X1 ;:::; O,X2 ;:::; O,X3 ;:::; 0 atauXvX 2 ,X 3 ;:::; 0
 Pe1ianyaan yang timbul adalah mengapa kendala dituliskan dengan tanda
pertidaksamaan ( :::; ) bukannya persamaan ( = ). Persamaan secara tidak langsung
mengatakan bahwa seluruh kapasitas sumber daya digunakan, sementara dalam
pertidaksamaan memperbolehkan penggunaan kapasitas secara penuh maupun
penggunaan sebagian kapasitas. Dalam beberapa kasus suatu solusi dengan mengizinkan
adanya kapasitas sumber daya yang tak terpakai akan memberikan solusi yang lebih
baik, yang berarti keuntungan lebih besar, dari pada penggunaan seluruh sumber daya.
Jadi pertidaksamaan menunjukkan keluwesan.
Dari masalah diatas, formulasi linear programming secara lengkap dapat ditulis :

Maksimumkan Z = 3X1 + SX2 + 2X 3

Dengan syarat
SX1 + 2Xz + 4X3 :::; 240

4X1 + 6X2 + 3X 3 :::; 400

X1, X2 , X 3 2': 0

Pengertian Goal Programming

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. Hasil dari metode ini adalah solusi yang efisien (efficient
solution) karena hasil yang diperoleh bisa jadi tidalc optimal terhadap semua masalah
yang ada.
Metoda goal programming sendiri dikembangkan oleh A. Chames dan W.M.
Cooper. Karena metode goal programming merupakan perluasan dari model
pemrograman linear, maka seluruh asumsi, notasi, formulasi model matematis, prosedur
perumusan model dan penyelesaiannya tidaklah jauh berbeda. Perbedaan hanya terletak
pada kehadiran sepasang variabel deviasional yang akan muncul di fungsi tujuan dan di
fungsi-fungsi kendala.
Variabel deviasional berfungsi untuk menampung penyimpangan atau deviasi
yang akan terjadi pada nilai ruas kiri suatu persamaan kendala terhadap nilai ruas
kanannya. Agar deviasi itu minimum, artinya nilai ruas kiri suatu persamaan kendala
sebisa mungkin mendekati nilai ruas kanannya maka variabel deviasional itu harus
diminimumkan di dalam fungsi tujuan.
Pada goal programming kendala-kendala merupakan sarana untuk mewujudkan
sasaran yang hendak dicapai. Sasaran-sasaran, dalam hal ini, dinyatakan sebagai nilai
konstan pada ruas kanan kendala. Sebagai contoh, sasaran laba, anggaran yang tersedia,
resiko investasi, dan lain-lain. Mewujudkan suatu sasaran, dengan demikian, berarti
mengusahakan agar nilai ruas kiri suatu persamaan kendala sama dengan nilai ruas
kanannya. Itulah sebabnya kendala-kendala di dalam motode goal programming selalu
berupa persamaan dan dinamakan kendala sasaran. Di samping itu, keberadaan sebuah
kendala sasaran selalu ditandai oleh kehadiran variabel deviasional sehingga setap
kendala sasaran pasti memiliki variabel deviasional.

Pemodelan Goal programming

Konsep dari goal programming adalah adanya variabel deviasional. Variabel
deviasional sendiri dapat dibedakan menjadi dua yaitu :
1. Variabel deviasional untuk menampung deviasi yang berada di bawah sasaran
yang dikehendaki. Sasaran itu tercermin pada nilai ruas kanan suatu kendala sasaran.
Dengan kata lain, variabel deviasional ini berfungsi untuk menampung deviasi negatif.
Notasi DB digunakan untuk menandai jenis variabel deviasional ini. Karena
variabel deviasional DB berfungsi untuk menampung deviasi negatif, maka
aijXij = bi- DBi
j=l
atau

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

sehingga DA akan selalu mempunyai koefisien -1 pada setiap kendala sasaran.

Secara matematis, bentuk umum kendala sasaran itu adalah:

aif.Xif- DA; +DB;= b;

j=l

Dalam hal ini ada tiga kemungkinan yang akan terjadi

1. DA; =DB;= 0, sehingga menjadi:
aif.Xij = b;
j=l
atau dikatakan bahwa sasaran tercapai.

2. DB; > 0 dan DA; = 0, sehingga menjadi:

aif.xij = b;- DB;

j=l
 atau dikatakan bahwa hasil di bawah sasaran karena

aif.Xij < b;
j=l

3. DB;= 0 dan DA; > 0 sehingga

a;j.xif = b; + DA;
j=l

atau dikatakan bahwa hasil di atas sasaran karena

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

Min LDB; + DA;

i=l

ST

dan

Xi, DB;, dan DA; ;::: 0, untuk i = 1,2, ... ,

m
Di dalam praktek organisasi, manajemen sering menghendaki suatu sasaran memperoleh
prioritas untuk dicapai lebih dahulu disbanding prioritas-prioritas yang lain. Keinginan ini
dapat dituangkan ke dalam model Goal Programming dengan cara mengatur urutan
peminimuman variable deviasional.
Pemilihan variable deviasional yang hams diminimumkan pertama kali adalah
persoalan arbitrasi dan bukan berdasarkan pedoman atau formulasi matematis tertentu.
Inilah salah satu keunikan model Goal Programming. Di dalam penyelesaian goal
programming, kita hanya perlu memberi suatu notasi kepada setiap variable deviasional di
dalam fungsi tujuan agar dengan berpedoman notasi tersebut bias mengurutkan
peminimuman variable deviasional sehingga sasaran-sasaran bisa dicapai sesuai
dengan prioritas yang telah ditetapkan. Notasi yang digunakan untuk menandai
prioritas sasaran tersebut adalah:
P; (I= 1, 2, ..., m)

di mana P; bukan merupakan parameter atau variable melainkan hanya sebuah

notasi untuk menandai urutan prioritas sasaran yang hendak dicapai.
Dengan demikian, bentuk umum fungsi tujuan model goal programming
dengan prioritas sasaran adalah:
m
Min Pi(DAi +DB)
i=1

Contoh: Pemodelan masalah ke dalam goal programming

PT. Comot sedang merencanakan program advertensi untuk satu tahun
mendatang guna memproduksikan produk barunya. Terdapat tiga media yang sedang
dipertimbangkan. Biaya setiap media advertensi dan jangkauannya dapat dilihat
pada tabel berikut ini:
Tabel Contoh soal biaya tiap media advertensi
-
nenis media Biaya per media Jangkauan media< 25 tahun 25 tahun keatas
1 Rp 15.000,00 700 orang 400 orang
2 Rp 11.000,00 400 orang 250 orang
3 Rp 18.000,00 600 orang 1.000 orang
Informasi lain adalah sebagai berikut:
1. Anggaran biaya advertensi Rp.300.000,00
2. Goal] untuk menjangkau 25.000 orang per minggu
3. Goal2 minimum target yang dicapai 20.00 orang perminggu untuk dibawah umur
25 tahun
4. Goal 3 minimum jumlah dana untuk media 2 dan 3 tidak boleh melebihi
Rp.250.000,00
5. Perusahaan menyatakan bahwa untuk Goal] tiga kali lebih penting dari goal 3 dan 2
kali lebih penting dari goal 2

Formulasikan masalah diatas ke dalam bentuk Goal Programming!

Penyelesaian

Minimum Z=3di+
+3di"+2d2"+d3+

d.k

[J] 15.000 XI + 11.000 X2 + 18.000 X3 <

300.000 [2] 1.100 XI + 650 X2 + 1.600 X3- di + + di-

25.000 [3] 700 XI + 400 X2 + 600 X3- d/ + d 2- =

20.000 [4] 11.000 X2 + 18.000 Xr d3+ + d3- =

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-

peubah dasar yang baru

5. Ulangi langkah 1 sampai dengan 4 hingga tidak terdapat lagi elemen negatif dalam

baris terakhir, dengan tidak memasukkan kolom terakhir

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

Dari pembahasan di atas dapat diambil beberapa kesimpulan, yaitu:

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.
Dari masalah diatas, formulasi linear programming secara lengkap dapat ditulis :

Maksimumkan Z = 3X1 + SX2 + 2X 3

Dengan syarat
SX1 + 2Xz + 4X3 :::; 240

4X1 + 6X2 + 3X 3 :::; 400

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