LAPORAN MANAJEMEN TAMBANG

LINEAR PROGRAMMING

DISUSUN OLEH

Muhammad Ravi F
073001500111

TEKNIK PERTAMBANGAN
FAKULTAS TEKNOLOGI KEBUMIAN DAN ENERGI UNIVERSITAS
TRISAKTI
2018
 BAB I
PROBLEM ( PERMASALAHAN)

Suatu tambang batubara merencanakan target produksi 2.100.000 ton per tahun.
Kemampuan produksi masing masing pit per tahun adalah sebagai berikut :

Pit A = 300.000 ton

Pit B = 600.000 ton

Pit C = 700.000 ton

Pit D = 400.000 ton

Pit E = 200.000 ton

TOTAL = 2.200.000 ton

Mutu batubara dianggap merata untuk semua pit. Selanjutnya, batubara dari pit perlu dicuci
pada Washing Plant dengan kapasitas per tahun sebagai berikut :

Washing Plant A (WA) : 600.000 ton

Washing Plant B (WB) : 800.000 ton

Washing Plant C (WC) : 900.000 ton

TOTAL : 2.300.000 ton

Biaya Angkutan (dalam $ Cent per ton) dari pit ke Washing Plant sebagaimana terlampir
sesuai dengan no urut absent masing-masing. (No. Urut 36)
WPA WPB WPC

PIT A 8 6 7

PIT B 5 7 8

PIT C 8 8 6

PIT D 7 8 5

PIT E 3 4 6

Tentukan pola distribusi / angkutan tambang yang optimal dari 5 pit tersebut ke ketiga
Washing Plant !
 BAB II

TEORI DASAR

2.1 Definisi Linear Programming

Secara umum Linear Programming adalah suatu metode untuk memecahkan persoalan
optimasi dari suatu nilai maksimum atau nilai minimum dengan menggunakan persamaan
dan ketidaksamaan linear dengan memperhatikan pembatasan-pembatasan yang ada.
Sedangkan 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.
Beberapa masalah lain dari 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.

2.2 Manfaat Linier Programming

Linier 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.

2.3 Pembentukan Model Linier programming

Sebelum memecahkan persoalan program linier, maka harus dimulai dengan gambaran
verbal dari lingkungan persoalan, identifikasi tujuan atau yang hendak dicapai,
sumber-sumber yang tersedia, kebutuhan yang harus dipenuhi dan semua data relevan
yang mengukur semua aspek lingkungan. Proses mengubah kata-kata dan data angka
ke dalam ekspresi matematik guna menangkap hubungan relevan tujuan dan
batasannya disebut sebagai modeling atau pembuatan dan menghasilkan gambaran
matematik persoalan yang disebut model.

Menurut Herjanto (2008), dalam pemrograman linear (LP), dikenal 2 fungsi dalam
penyelesaian masalah yang hendak dianalisa, antara lain :
1) Fungsi tujuan merupakan suatu persamaan fungsi linear dari variable tujuan,
misalkan pendapatan, keutungan, atau biaya. Dalam fungsi tujuan harus
dijelaskan apakah akan memaksimalkan atau meminimalkan fungsi variabel.
Variable seperti keuntungan, produksi, dan penjualan, bertujuan untuk
dimaksimalkan, sedangkan variable seperti biaya dan risiko bertujuan untuk
diminimalkan.
2) Fungsi batasan menggambarkan batasan yang dihadapi dalam mencapai tujuan.
Fungsi batasan biasanya terdiri dari beberapa persamaan yang masing-masing
berkorelasi dengan sumberdaya tertentu.
Menurut Herjanto (2009), dalam pembuatan model pemrograman linear harus
diusahakan untuk memenuhi kriteria sebagai berikut:
1) Tujuan yang akan dicapai dinyatakan dalam bentuk fungsi linear, disebut fungsi
tujuan.
2) Sumber-sumber tersedia dalam jumlah terbatas, dan pembatasan harus
dinyatakan dalam bentuk ketidaksamaan yang linear.
3) Harus ada alternative pemecahan yaitu solusi/pemecahan yang memenuhi semua
batasan/kendala.
Linear programming dapat dilakukan dengan menggunakan beberapa macam metode
sesuai dengan tingkat persoalannya (Siringoringo, 2005). Metode-metode tersebut
sama-sama dapat memecahkan persoalan yang mengandung beberapa permasalahan.
Berikut ini metode yang dapat dilakukan dalam memecahkan persoalan linear
programming.
1. Metode grafik yaitu metode yang digunakan untuk memecahkan
persoalan yang mengandung dua permasalahan.
2. Metode aljabar yaitu mempunyai bentuk perhitungan formulasi standard
dengan mengkombinasi dua variabel yang nilainya dianggap nol hingga
diperoleh nilai z terbesar.
 3. Metode simpleks dapat digunakan untuk memecahkan persoalan yang
mengandung tiga atau lebih permasalahan dan didasarkan pada proses
perhitungan ulang supaya mendapat hasil yang optimal.
4. Metode big-m biasanya dipakai untuk memecahkan persoalan yang
memiliki pembatas “=” atau “>”.

Selanjutnya pemrograman linier (LP) menggunakan metode matematis untuk

menggambarkan masalah yang hendak dianalisa. Pada dasarnya, model pemrograman
linier dinyatakan dalam bentuk fungsi tujuan dan fungsi batasan (kendala, constrain).
Fungsi tujuan merupakan suatu perencanaan fungsi linier dari variabel tujuan,
misalkan pendapatan, keuntungan, atau biaya. Dalam fungsi tujuan juga harus
dijelaskan apakah tujuannya memaksimalkan atau meminimalkan variabel. Variabel
seperti keuntungan, produksi, dan penjualan, bertujuan untuk dimaksimalkan;
sedangkan variabel seperti biaya dan resiko bertujuan untuk diminimalkan. Fungsi
batasan menggambarkan batasan yang dihadapi dalam mencapai tujuan. Fungsi
batasan biasanya terdiri dari beberapa persamaan yang masing-masing berkolerasi
dengan sumber daya yang berkaitan (Herjanto, 2009:47).
 BAB III
SOLUSI

Langkah Penggunaan Software LiPS

1. Buka LiPS
2. Klik File - New - Table Model
a. Isi jumlah variabel pada Number of variable (15)
b. Isi jumlah variabel pembatas pada Number of Contrains (9)
c. Pilih tujuan akhir pada Optimization direction (Minimization)

3. Masukkan Data Variabel sesuai yang sudah diketahui

4.Untuk melakukan atau mengetahui perhitungan pilih menu LiPS

5. Kemudian klik Solve Model

6.Kemudian akan Muncul hasil

Gambar 3.3
Hasil Analisa Linear Programming
(Results Variables)
 Gambar 3.4
Hasil Analisa Linear Programming
(Results Constraints)
3. 1 Model Matematika

WPA WPB WPC

PIT A X11 X12 X13
PIT B X21 X22 X23
PIT C X31 X32 X33
PIT D X41 X42 X43
PIT E X51 X52 X53

➢ Fungsi Tujuan (Z) = ∑51 𝑝𝑖𝑡 ∑31 𝐶𝑖𝑗. 𝑋𝑖𝑗

= 8X11 + 6 X12 + 7 X13 + 5 X21 + 7 X22 + 8 X23 + 8 X31+ 8 X32+ 6 X33

+ 7 X41+ 8 X42 + 5 X43+ 3 X51+ 4 X52 + 6 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 washing plant:

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
3.2 Pola Distribusi Tambang yang Optimal

WA WB WC ∑ Pit

PIT A 0 300000 0 300000

PIT B 600000 0 0 600000

PIT C 0 100000 500000 600000

PIT D 0 0 400000 400000

PIT E 0 200000 0 200000

3.3 Kesimpulan
Dari hasil yang diperoleh dapat ditarik beberapa kesimpulan sebagai berikut :
1. Pit A mendistribusikan 300.000 ton ke WPB
2. Pit B mendistribusikan 600.000 ton ke WPA
3. Pit C mendistribusikan 100.000 ton ke WPB dan 500.000 ton ke WPC
4. Pit D mendistribusikan 400.000 ton ke WPC
5. Pit E mendistribusikan 200.000 ton ke WPB
6. Pit A, Pit B, Pit D, dan Pit E bekerja 100 %
7. Pit yang tidak bekerja 100 % adalah pit C, yaitu sebesar 600.000 ton per tahun dari
kemampuan produksi 700.000 per tahun

3.4 Saran
Dalam menggunakan software LiPS disarankan agar teliti dalam melakukan input data
sehingga tidak terjadi kesalahan dalam hasil analisa.
 DAFTAR PUSTAKA

https://www.academia.edu/19509784/LAPORAN_MANAJEMEN_Linear_pr
ogramming_MODEL_2 (Diakses pada 10 Mei 2018)

eprints.uny.ac.id/28357/2/BAB%20II.pdf (Diakses pada 10 Mei 2018)

https://boomershusni.wordpress.com/2013/12/03/program-linier/ (Diakses pada

10 Mei 2018)