BAB I

PENDAHULUAN

Latar Belakang

Progam linier secara umum merupakan salah satu teknik

menyelesaikan riset operasi, dalam hal ini adalah khusus menyelesaikan masalah-
masalah optimasi (memaksimalkan atau memininumkan) tetapi hanya terbatas
pada masalah-masalah yang dapat diubah menjadi fungsi linear. Secara khusus,
persoalan program linear merupakan suatu persoalan untuk menentukan besarnya
masing-masing nilai variabel sehingga nilai fungsi tujuan atau objektif yang linear
menjadi optimum (memaksimalkan atau meminimumkan) dengan memperhatikan
adanya kendala yang ada, yaitu kendala yang harus dinyatakan dalam bentuk
ketidaksamaan yang linear. Banyak sekali keputusan utama dihadapi oleh seorang
manajer perusahaan untuk mencapai tujuan perusahaan dengan batasan situasi
lingkungan operasi. Pembatasan tersebut meliputi sumberdaya misalnya waktu,
tenaga kerja, energi, bahan baku, atau uang. Secara umum, tujuan umum
perusahaan yang paling sering terjadi adalah sedapat mungkin memaksimalkan
laba. Tujuan dari unit organisasi lain yang merupakan bagian dari suatu organisasi
biasanya meminimalkan biaya. Saat manajer berusaha untuk menyelesaikan
masalah dengan mencari tujuan yang dibatasi oleh batasan tertentu, teknik sains
manajemen berupa program linear sering digunakan untuk permasalahan ini.

Tujuan Penulisan

1. Dapat menggambarkan grafik sistem pertidaksamaan linier dua variabel

2. Dapat menyelesaikan masalah pemrograman linier
3. Dapat menggambarkan grafik solusi dari masalah program linear

1|Page
 BAB II
PEMBAHASAN
Program Linear : Pendekatan Geometrik
Bagaimana seharusnya mesin pesawat dikirim? Curtis-Roe Aviation
Industries memproduksi mesin jet di dua lokasi yang berbeda. Mesin ini akan
dikirim ke dua pabrik perakitan utama perusahaan tersebut. Pada Contoh 3,
halaman 178, kami akan menunjukkan berapa banyak mesin yang harus
diproduksi dan dikirim dari masing-masing pabrik ke setiap pabrik perakitan
untuk meminimalkan biaya pengiriman.
Banyak masalah praktis yang melibatkan memaksimalkan atau
meminimalkan fungsi pada batasan-batasan tertentu. Misalnya, kita mungkin
ingin memaksimalkan fungsi keuntungan dengan batasan tertentu pada jumlah
bahan dan tenaga kerja yang tersedia. Masalah minimalisasi atau minimisasi yang
dapat diformulasikan dalam bentuk fungsi objektif linier dan kendala dalam
bentuk pertidaksamaan linier disebut masalah pemrograman linier. Dalam bab ini
kita melihat masalah pemrograman linier yang melibatkan dua variabel. Masalah
ini dapat disesuaikan dengan analisis geometrik, dan metode solusi yang
diperkenalkan di sini akan memberi banyak penerangan pada sifat dasar masalah
pemrograman linier.

3.1 Grafik Sistem Pertidaksamaan Linear Dua Variabel

Grafik pertidaksamaan linear
Pada bab 1, kita lihat bahwa persamaan linear dua variabel 𝑥 dan 𝑦
𝑎𝑥 + 𝑏𝑦 + 𝑐 = 0 dimana 𝑎, 𝑏 𝑘𝑒𝑑𝑢𝑎𝑛𝑦𝑎 𝑡𝑖𝑑𝑎𝑘 𝑠𝑎𝑚𝑎 𝑑𝑒𝑛𝑔𝑎𝑛 𝑛𝑜𝑙
yang memiliki solusi himpunanyang bisa ditunjukkan secara nyata sebagai titik
pada garis lurus di bidang xy. Kita sekarang menunjukkan bahwa juga ada
representasi grafis sederhana untuk pertidaksamaan linier dua variabel:
𝑎𝑥 + 𝑏𝑦 + 𝑐 < 0 𝑎𝑥 + 𝑏𝑦 + 𝑐 ≤ 0
𝑎𝑥 + 𝑏𝑦 + 𝑐 > 0 𝑎𝑥 + 𝑏𝑦 + 𝑐 ≥ 0
Sebelum beralih ke prosedur umum untuk grafik pertidaksamaan, mari
pertimbangkan contoh spesifiknya. Misalkan kita ingin grafiknya
2𝑥 + 3𝑦 < 6 (1)

2|Page
Pertama, kita menggambar persamaan 2𝑥 + 3𝑦 = 6, yang diperoleh dengan
mengganti pertidaksamaan " < " dengan persamaan " = " (Gambar 1)

GAMBAR 1
Garis lurus yang membagi 𝑏𝑖𝑑𝑎𝑛𝑔 𝑥𝑦
menjadi dua bidang setengah.
Perhatikan bahwa garis ini membagi bidang xy menjadi dua bidang setengah:
setengah bidang bagian atas dan setengah bidang yang lebih rendah. Mari kita
tunjukkan bahwa bidang setengah bagian atas adalah grafik pertidaksamaan linier
2𝑥 + 3𝑦 > 6 (2)
dimana setengah bidang yang lebih rendah adalah grafik pertidaksamaan
linear
2𝑥 + 3𝑦 < 6 (3)
Untuk melihat ini, mari kita tulis persamaan (2) dan (3) pada bentuk yang
ekuivalen
2 (4)
𝑦 > − 𝑥+2
3
dan
2 (5)
𝑦 < − 𝑥+2
3
Persamaan garis itu sendiri adalah
2 (6)
𝑦=− 𝑥+2
3

Sekarang pilih sebarang titik 𝑃(𝑥, 𝑦) yang terletak di atas garis 𝐿. Misalkan Q
adalah titik yang terletak pada 𝐿 dan secara langsung di bawah 𝑃 (lihat Gambar
1). Karena 𝑄 terletak pada 𝐿, koordinatnya memnuhi persamaan (6). Dengan kata
2
lain, 𝑄 memiliki representasi 𝑄 (𝑥, − 3 𝑥 + 2). Membandingkan 𝑃 dan

3|Page
𝑄 terhadap 𝑘𝑜𝑜𝑟𝑑𝑖𝑛𝑎𝑡 𝑦dan ingat bahwa 𝑃 terketak di atas 𝑄, sehingga
𝑘𝑜𝑜𝑟𝑑𝑖𝑛𝑎𝑡 𝑦 harus lebih besar dari 𝑄, kita punya
2
𝑦 >− 𝑥+2
3
Tapi pertidaksamana ini hanya Pertidaksamaan (4) atau, sama, Pertidaksamaan
(2). Demikian pula, kita dapat melihat bahwa sebarang titik di bawah 𝐿 memnuhi
Pertidaksamaan (5) dan oleh karena itu (3).
Analisis ini menunjukkan bahwa setangah bidang bagian bawah memberikan
solusi untuk masalah kita (Gambar 2). (Garis putus-putus menunjukkan titik-tik
pada 𝐿 tidak termasuk himpunan solusi.) Amati bahwa dua setengah bidang yang
dimaksud saling terpisah dengan yang lain; bahwa mereka tidak memiliki titik
yang sama. Karena itu, ada alternatif dan metode yang lebih mudah untuk
menentukan solusi dari permasalahan tersebut.

GAMBAR 2
Himpunan titik-titik yang
terletak pada garis dan pada
bagian atas setengah bidang
memenuhi pertidaksamaan
yang diberikan.

Untuk menentukan setengah bidang yang diperlukan, mari kita tentukan salah satu
titik pada salah satu dari setengah bidang. Sederhananya, pilih titik asalnya (0,0),
yang terletak di bawah setengah bidang. Substitusikan 𝑥 = 0 dan 𝑦 = 0
(koordinat titik ini) pada Pertidaksamaan (1) yang diberikan, kita peroleh
2(0) + 3(0) < 6
Atau 0 < 6, benar. Ini memberitahu kita bahwa setengah bidasng yang diminta
adalah salah satu yang berisi titik uji, di bagianbawah setengah bidang.
Selanjutnya, mari kita lihat apa yang terjadi jika kita memilih titik (2,3), yang
terletak pada setengah bidang bagian atas. Substitusikan 𝑥 = 2 dan 𝑦 = 3 pada
pertidaksamaan yang diberikan, kita peroleh
2(2) + 3(3) < 6

4|Page
 Atau 13 < 6, salah. Ini memberitahu kita bahwa setengah bidang bagian atas
bukan merupakan setengah bidang yang diminta, seperti yang diharapkan.
Perhatikan juga, bahwa tidak ada titik 𝑃(𝑥, 𝑦) yang terletak pada solusi masalah
kita, diberi pertidaksamaan tepat<.
Diskusi ini menyarankan langkah-langkah berikut untuk membuat grafik
pertidaksamaan linear dua variabel.

Langkah-langkah untuk menggambar grafik pertidaksamaan linear

1. Gambarlah grafik persamaan yang diperoleh untuk pertidaksamaan yang
diberikan dengan mengganti tanda pertidaksamaan dengan tanda samadengan.
Gunakan garis putus-putus atau garis titik-titik jika masalahnya malibatkan
pertidaksamaan tepat, < atau >. Jika tidak, gunakan garis padat untuk
menunjukkan bahwa garis itu sendiri merupakan bagian dari solusi
2. Pilih titik uji yang terletak di salah satu setengah bidang yang ditentukan oleh
sketsa garis pada langkah 1 dan substitusikan nilai 𝑥 dan 𝑦 ke pertidaksamaan
yang diberikan. Gunakan titik asal kapanpun dimungkinkan.
3. Jika pertidaksamaan terpenuhi, grafik pertidaksamaan mencakup setengah
bidang yang berisi titik uji. Jika tidak, solusinya termasuk setengah bidang
tidak termasuk titik uji.

CONTOH 1 Tentukan himpunan solusi untuk pertidaksamaan 2𝑥 + 3𝑦 ≥ 6.

Solusi Gantilah pertidaksamaan ≥ dengan persamaan =, kita peroleh

persamaan 2𝑥 + 3𝑦 = 6, yang grafknya grafik lurus yang ditunjukkan
Gambar 3. Alih-alih garis putus-putus seperti sebelumnya, kita
menggunkana garis padat untuk menunjukkan semua titik pada garis
yang jyga merupakan solusi untuk masalah ini. Pilih titik asal sebagai
titik uji, kita peroleh 2(0) + 3(0) ≥ 6, atau 0 ≥ 6, tidak mungkin.
Jadi kita simpulkan bahwa himpunan solusi terdiri dari setengah
bidang yang tidak memuat titik asal, termasuk (kasus ini) diberikan
garis 2𝑥 + 3𝑦 = 6.

5|Page
GAMBAR 3
Himpunan titik-
titik yang terletak
pada garis dan di
bagian atas
setengah bidang
yang memenuhi
pertidaksamaan
yang diberikan.

CONTOH 2 Gambar grafik 𝑥 ≤ −1.

Solusi Grafik 𝑥 = −1 pada garis vertikal yang ditunjukkan Gambar 4. Pilih

titik asal (0,0) sebagai titik uji, kita peroleh 0 ≤ −1, salah. Oleh
karena itu, solusi yang diperlukan adalah setengah bidang bagian kiri,
yang tidak memuat titik asal.

GAMBAR 4
Himpunan titik-
titik yang terletak
pada garis 𝑥 = −1
dan bagian kiri
setengah bidang
yang memenuhi
pertidaksamaan
yang diberikan.

CONTOH 3 Gambar grafik 𝑥 − 2𝑦 > 0.

1
Solusi Pertama, kita gambar grafik persamaan 𝑥 − 2𝑦 = 0 atau 𝑦 = 2 𝑥

6|Page
 (Gambar 5). Karena titik asalnya terletak pada garis, kita boleh tidak
menggunakan titik uji. (Kenapa?) mari kita pilih (1,2) sebagai titik
uji. Substitusikan 𝑥 = 1 dan 𝑦 = 2 pada pertidaksamaan yang
diberikan, kita peroleh 1 − 2(2) > 0, atau −3 > 0, salah. Oleh
karena itu, solusi yang diminta pada setengah bidang tidak memuat
titik uji, setengah bidang bagian bawah.

GAMBAR 5
Himpunan titik-
titik pada bagian
bawah setengah
bidang yang
memenuhi 𝑥−
2𝑦 > 0.

Grafik Sistem Pertidaksamaan Linear

Dengan himpunan solusi Sistem Pertidaksamaan dua variabel 𝑥 dan 𝑦.maksud
kita himpunan semua titik-titik (𝑥, 𝑦) yang memenuhi setiap sistem
pertidaksamaan. Solusi grafis dari sistem semacam itu dapat diperoleh melalui
grafik himpunan solusi untuk setiap pertidaksamaan itu sendiri dan kemudian
menentukan daerahyang sama dari masing-masing himpunan solusi.

CONTOH 4 Tentukan himpunan solusi untuk sistem

4𝑥 + 3𝑦 ≥ 12
𝑥−𝑦 ≤0

Solusi Seperti contoh sebelumnya, kamu seharusnya tidak kesulitan

menemukan setengah bidang yang ditentukan oleh masing-masing
pertidaksamaan linier yang dibuat oleh sistem. Bidang setengah ini
ditunjukkan pada Gambar 6. Perpotongan dari dua setengah bidang
adalah daerah yang diarsir. Satu titik pada daerah ini adalah anggota

7|Page
 darisolusi yang ditetapkan untuk sistem yang diberikan. Titik P,
perpotongan dua garis lurus yang ditentukan oleh persamaan,
ditemukan dengan memecahkan persamaan simultan
4𝑥 + 3𝑦 = 12
𝑥−𝑦 =0

GAMBAR 6
Himpunan titik-
titik pada daerah
yang diarsir yang
memenuhi sistem
4𝑥 + 3𝑦 ≥ 12
𝑥−𝑦 ≤0

CONTOH 5 Sketsakan himpunan solusi untuk sistem

𝑥≥0
𝑦≥0
𝑥+𝑦−6≤0
2𝑥 + 𝑦 − 8 ≤ 0

Solusi Pertidaksamaan pertama dalam sistem mendefinisikan setengah

bidang kanan – semua titik mengarah ke kanan sumbu y ditambah
semua titik yang berada pada sumbu y itu sendiri. Pertidaksamaan
kedua dalam sistem mendefinisikan setengah bidang bagian atas,
termasuk sumbu x. Setengah bidang yang didefinisikan oleh
pertidaksamaan ketiga dan keempat ditunjukkan pada panah di
Gambar 7. Dengan demikian, daerah yang diperlukan – perpotongan
keempat setengah bidang yang didefinisikan oleh pertidaksamaan
empat dalam sistem pertidaksamaan linear yang diberikan - adalah
daerah yang diarsir. Titik P ditemukan dengan memecahkan
persamaan simultan𝑥 + 𝑦 − 6 = 0 dan 2𝑥 + 𝑦 − 8 = 0

8|Page
GAMBAR 7
Himpunan titik-
titik pada daerah
yang diarsir,
termasuk
𝑠𝑢𝑚𝑏𝑢 𝑥 dan 𝑦,
yang memenuhi
pertidaksamaan
yang diberikan.

Himpunan solusi yang diperoleh pada Contoh 5 merupakan contoh himpunan

terbatas. Ini menunjukkan bahwa himpunan dapat dikelilingi oleh lingkaran.
Contohnya, jika kamu menggambar lingkaran dengan jari-jari 10 denganpusat
pada titik asal, kamu akan melihat bahwa himpunan sepenuhnya terletak dalam
lingkaran. Dengan kata lain, himpunan solusi pada Contoh 4 tidak dapat
dikelilingi lingkaran dan dikatakan takterbatas.

Himpunan Solusi Terbatas dan Tak Terbatas

Himpunan solusi sistem pertidaksamaan linear dikatakan terbatas jika
solusinya dapat dikelilingi lingkaran. Sebaliknya disebut tak terbatas.

9|Page
CONTOH 6 Tunjukkan himpunan solusi untuk sistem pertidaksamaan linear
berikut :
2𝑥 + 𝑦 ≥ 50
𝑥 + 2𝑦 ≥ 40
𝑥≥0
𝑦≥0

Solusi Himpunan solusi yang diperoleh adalah daerah tak terbatas yang
ditunjukkan pada Gambar 8.

GAMBAR 8
Himpunan solusinya
daerah yang tak terbatas

3.2 Masalah Pemrograman Linear

Dalam berbagai permasalahan bisnis dan ekonomi kita diminta untuk
mengoptimalkan (memaksimalkan atau meminimalkan) suatu fungsi pada sistem
persamaan atau pertidaksamaan. Fungsi yang harus dioptimalkan disebut fungsi
objektif. Fungsi keuntungan dan fungsi biaya adalahcontoh fungsi objektif. Sistem
persamaan atau pertidaksaam dimana fungsi objektif menggambarkan kendala
(misalnya, keterbatasan sumber daya seperti bahan dan tenaga kerja) pada solusi
terhadap masalah. Permasalahan alam ini disebut masalah pemrograman
matematis. Secara khusus, masalah di mana kedua fungsi objektif dan batasannya

10 | P a g e
 dinyatakan sebagai persamaan linier atau pertidaksamaan disebut masalah
pemrograman linier.

Masalah Pemrograman Linear

Permasalahan program linear terdiri dari fungsi objektif linear yang
memaksimalkan atau meminimalkan subjek untuk memastikan kendala
dalam bentuk persamaan atau pertidaksamaan linear.

 Masalah Maksimalisasi
Sebagai contoh masalah pemrograman linier dimana fungsi objektif adalah untuk
dimaksimalkan, mari kita mempertimbangkan versi sederhana dari masalah
produksi yang melibatkan dua variabel berikut.

CONTOH TERAPAN 1 Masalah Produksi

Ace Novelty ingin menghasilkan dua jenis souvenir: tipe A dan tipe B.
Setiap souvenir jenis A akan menghasilkan keuntungan sebesar $ 1, dan
setiap jenis suvenir B akan menghasilkan keuntungan sebesar $ 1,20. Untuk
pembuatan souvenir tipe-A memerlukan 2 menit pada mesin I dan 1 menit
pada mesin II. Souvenir tipe B memerlukan 1 menit pada mesin I dan 3
menit pada mesin II. Tersedia 3 jam pada mesin I dan 5 jam tersedia pada
mesin II. Berapa banyak souvenir dari setiap tipe yang harus Ace buat untuk
memaksimalkan keuntungannya?

Solusi
Sebagai langkah awal menuju rumusan matematis dari masalah ini, kami
menabulasikan informasi yang diberikan (lihat Tabel 1).
Jenis A Jenis B Waktu yang diperlukan
Mesin I 2 menit 1 menit 180 menit
Mesin II 1 menit 3 menit 300 menit
Keuntungan/barang $1 $1,20

Misalkan x adalah jumlah souvenir tipe-A dan y souvenir tipe-B yang akan

11 | P a g e
 dibuat. Kemudian, total keuntungan P (dalam dolar) diberikan oleh
𝑃 = 𝑥 + 1,2𝑦
merupakan fungsi objektif yang harus dimaksimalkan.

 Masalah Minimalisasi
Dalam masalah pemrograman linier berikut, fungsi objektif untuk
diminimalkan.

CONTOH TERAPAN 2 Masalah Nutrisi

Ahli gizi menyarankan seseorang yang menderita kekurangan zat besi dan
vitamin B untuk mengambil setidaknya 2400 miligram (mg) besi, 2100 mg
vitamin B1 (Tiamin) dan 1500 mg vitamin B2 (riboflavin) selama periode
waktu tertentu. Dua pil vitamin cocok, merek dan merek B. Setiap pil
merek-A biaya 6 sen dan berisi 40 mg zat besi, 10 mg vitamin B1, dan 5 mg
vitamin B2. Setiap merek-B pil biaya 8 sen dan berisi 10 mg besi dan 15 mg
masing-masing dari vitamin B1 dan B2 (Tabel 2). Apa kombinasi pil harus
pembelian individu untuk memenuhi persyaratan minimum zat besi dan
vitamin dengan biaya terendah?
Merek A Merek B Persyaratan Minimum
Zat besi 40 mg 10 mg 2400 mg
Vitamin B1 10 mg 15 mg 2100 mg
Vitamin B2 5 mg 15 mg 1500 mg
Biaya/Pil 6¢ 8¢

Solusi
Misalkan 𝑥 adalah jumlah pil merek-A dan y jumlah pil merek B yang
dibeli. Biaya C (dalam sen) yang diberikan
𝐶 = 6𝑥 + 8𝑦
dan merupakan fungsi objektif yang harus diminimalkan.
Jumlah zat besi yang terkandung dalam pil merek-A x dan pil merek

12 | P a g e
 B diberikan oleh 40x? 10y mg, dan ini harus lebih besar dari atau sama
dengan 2400 mg. Ini berarti pertidaksamaannya
40𝑥 + 10𝑦 ≥ 2400
Pertimbangan-pertimbangan serupa yang melibatkan persyaratan minimum
vitamin B1 dan B2 menyebabkan pertidaksamaan berturut-turut.
10𝑥 + 15𝑦 ≥ 2100
5𝑥 + 15𝑦 ≥ 1500
Dengan demikian, masalahnya di sini adalah untuk meminimalkan
𝐶 = 6𝑥 + 8𝑦 terhadap
40𝑥 + 10𝑦 ≥ 2400
10𝑥 + 15𝑦 ≥ 2100
5𝑥 + 15𝑦 ≥ 1500
𝑦 ≥ 0, 𝑥 ≥ 0
Solusi untuk masalah ini akan diselesaikan pada Contoh 2, Bagian 3.3.

CONTOH TERAPAN 3 Masalah Transportasi

Industri Curtis-Roe Aviation memiliki dua pabrik, I dan II, yang
memproduksi mesin jet Zephyr yang digunakan pada pesawat komersial
ringan. Kapasitas produksi maksimum kedua pabrik tersebut masing-masing
100 unit dan 110 unit per bulan. Mesin dikirim ke dua pabrik perakitan
utama Curtis-Roe, A dan B. Biaya pengiriman (dalam dolar) per mesin dari
pabrik I dan II ke pabrik perakitan utama A dan B adalah sebagai berikut:
Dari Untuk Perakitan A Pabrik B
Pabrik I 100 60
Pabrik II 120 70
Pada bulan tertentu, pabrik perakitan A membutuhkan 80 mesin sedangkan
pabrik perakitan B membutuhkan 70 mesin Temukan berapa banyak mesin
yang harus dikirim dari masing-masing pabrik untuk setiap pabrik perakitan
utama jika biaya pengiriman harus dijaga seminimal mungkin.

Solusi
Misalkan 𝑥 menunjukkan jumlah mesin yang dikirim dari pabrik I ke pabrik

13 | P a g e
 perakitan A, dan misalkan y menunjukkan jumlah mesin yang dikirim dari
pabrik I ke pabrik perakitan B. Karena syarat pabrik perakitan A dan B
masing-masing 80 dan 70 mesin, jumlah mesin yang dikirim dari pabrik II
ke perakitan A dan B adalah (80 − 𝑥) dan (70 − 𝑦), secara khusus. Angka-
angka ini mungkin ditampilkan dalam skema. Dengan bantuan skematik dan
jadwal biaya pengiriman, kami menemukan bahwa total biaya pengiriman
yang dikeluarkan oleh CurtisRoe diberikan oleh
𝐶 = 100𝑥 + 60𝑦 + 120(80 − 𝑥) + 70(70 − 𝑦)
= 14,500 − 20𝑥 − 10𝑦
Selanjutnya, kendala produksi pada perakitan I dan II menyebabkan
pertidaksamaan
𝑥 + 𝑦 ≤ 100
(80 − 𝑥) + (70 − 𝑦) ≤ 110
pertidaksamaan terakhir disederhanakan menjadi
𝑥 + 𝑦 ≥ 40
Selain itu, persyaratan dari dua pabrik perakitan utama menyebabkan
pertidaksamaan
𝑥≥0 𝑦≥0 (80 − 𝑥) ≥ 0 (70 − 𝑦) ≥ 0

Dua yang terakhir bisa ditulis sebagai 𝑥 ≤ 80 dan 𝑦 ≤ 70.

Meringkas, kita memiliki masalah pemrograman linier berikut ini:
Minimalkan tujuan (biaya) fungsi 𝐶 = 14,500 − 20𝑥 − 10𝑦 sesuai dengan
kendala
𝑥 + 𝑦 ≥ 40
𝑥 + 𝑦 ≤ 100
𝑥 ≤ 80
𝑦 ≤ 70
Dimana 𝑥 ≥ 0dan 𝑦 ≥ 0.
Kamu akan diminta menyelesaikan solusi dari maslaha ini pada Contoh
43.Bagian 3.3.

CONTOH TERAPAN 4 Masalah Gudang

14 | P a g e
 Acrosonic memproduksi sistem loudspeaker model F di dua lokasi terpisah,
pabrik I dan pabrik II. Output pada pabrik I paling banyak 400 per bulan,
sedangkan output di pabrik II paling banyak 600 per bulan. Sistem
loudspeaker ini dikirim ke tiga gudang yang berfungsi sebagai pusat
distribusi untuk perusahaan. Untuk gudang yang memenuhi pesanan
mereka, persyaratan minimum gudang gudang A, B, danC masing-masing
200, 300, dan 400. Biaya pengiriman dari pabrik I kegudang A, B, dan C
masing-masing adalah $20, $8, dan $10 per sistem loudspeaker, dan biaya
pengiriman dari pabrik II ke masing-masing gudang ini adalah $12, $22,dan
$18, secara berturut-turut. Apa jadinya jadwal pengiriman jika Acrosonic
menghendakiuntuk memenuhi kebutuhan pusat distribusi dan pada saat
yang sama mempertahankanbiaya pengiriman seminimal mungkin?

Solusi
Biaya pengiriman masing-masing (dalam dolar) per sistem loudspeaker
mungkin ditabulasikan seperti pada Tabel 3. Misalkan 𝑥1 menunjukkan
jumlah sistem loudspeaker yang dikirim dari pabrik I ke gudang A,
𝑥2 banyaknya barang yang dikirim dari pabrik I ke gudang B, dan seterusnya
mengarah ke Tabel 4.
Tabel 3
Gudang
Pabrik A B C
I 20 8 10
II 12 22 18

Table 4
Gudang
Pabrik A B C Maks. Prod.
I 𝑥1 𝑥2 𝑥3 400
II 𝑥4 𝑥5 𝑥6 600
200 300 400

15 | P a g e
 Dari Tabel 3 dan 4 kita melihat bahwa biaya pengiriman sistem pengeras
suara𝑥1 dari pabrik I ke gudang A adalah $20𝑥1 , biaya pengiriman sistem
loudspeaker 𝑥2 dari pabrik I ke gudang B adalah $8𝑥2 , dan seterusnya.
Dengan demikian, total biaya pengiriman bulanan yang dikeluarkan oleh
Acrosonic diberikan oleh
𝐶 = 20𝑥1 + 8𝑥2 + 10𝑥3 + 12𝑥4 + 22𝑥5 + 18𝑥6
Selanjutnya, kendala produksi pada pabrik I dan II menyebabkan
pertidaksamaan
𝑥1 + 𝑥2 + 𝑥3 ≤ 400
𝑥4 + 𝑥5 + 𝑥6 ≤ 600
(lihat Tabel 4). Juga, persyaratan minimum masing-masing dari ketiga
gudang tersebut menyebabkan tiga pertidaksamaan
𝑥1 + 𝑥4 ≥ 200
𝑥2 + 𝑥5 ≥ 300
𝑥3 + 𝑥6 ≥ 400
Meringkas, kita memiliki masalah pemrograman linier berikut ini:
Meminimalkan 𝐶 = 20𝑥1 + 8𝑥2 + 10𝑥3 + 12𝑥4 + 22𝑥5 + 18𝑥6
terhadap
𝑥1 + 𝑥2 + 𝑥3 ≤ 400
𝑥4 + 𝑥5 + 𝑥6 ≤ 600
𝑥1 + 𝑥4 ≥ 200
𝑥2 + 𝑥5 ≥ 300
𝑥3 + 𝑥6 ≥ 400
𝑥1 ≥ 0, 𝑥2 ≥ 0, … , 𝑥6 ≥ 0
Solusi untuk permasalahan ini akan diselesaikan pada Bagian 4.2, Contoh 5.

Jumlah waktu mesin yang saya gunakan diberikan oleh2𝑥 + 𝑦 menit

dan tidak boleh melebihi 180 menit. Jadi, kita memiliki pertidaksamaan
2𝑥 + 𝑦 ≤ 180
Demikian pula, jumlah total waktu yang digunakan mesin II adalah 𝑥 +
3𝑦menit, yang tidak bisa melebihi 300 menit, sehingga pertidaksamaannya

16 | P a g e
 𝑥 + 3𝑦 ≤ 300
Akhirnya, tidak ada 𝑥 atau 𝑦 yang bisa negatif, jadi
𝑦≥0
𝑥≥0
Untuk meringkas masalah yang dihadapi adalah memaksimalkan salah satu
fungsi objektif 𝑃 = 𝑥 + 1,2𝑦 berdasarkan sistem pertidaksamaan
2𝑥 + 𝑦 ≤ 180
𝑥 + 3𝑦 ≤ 300
𝑦≥0
𝑥≥0
Solusi untuk masalah ini akan diselesaikan pada Contoh 1, Bagian 3.3.

3.3 Grafik Solusi dari Masalah Program Linear

 Metode Grafik
Masalah program linear pada dua variabel mempunyai interpretasi geometri yang
relatif simpel. Contohnya, sistem dari assosiasi yang tidak luas dengan dua
dimensi masalah program linear, kecuali tidak konsisten, defiisi bagian planar
yang memiliki batas tetap dari segmen garis lurus dan/ atau garis tegak. Yang
masalah demikian diterima untuk menganalisis grafik.
Mengingat kembali berikut ini masalah program linear dua dimensi:
Maksimize : P  3x  2 y
persoalan : 2 x  3 y  12
2x  y  8
x  0, y  0
Sistem linear tidak sama (7) definisi planar bagian S menunjukkan pada Gambar9.

Gambar 9

Setiap titik pada

himpunan S yang akan
menjadi sesuatu untuk
solusi optimal

17 | P a g e
 Setiap titik pada S merupakan sesuatu yang akan menjadi solusi dari
masalah pada tangan dan menunjukkan untuk masalah yang dapat mudah
diselesaikan. Himpunan S itu sendiri menunjukkan himpunan yang dapat
mudah diselesaikan. Tujuan kami untuk menemukan, dari diantara semua titik
pada himpunan S. Titik(s) mengoptimalkan objek fungsi P. Sehingga solusi
tersebut dusebut sebgai solusi optimal dan merupakan solusi dari masalah
program linear di bawah pertimbangan.
Catatan pendahuluan, setiap titik P(x, y) pada S merupakan sesuatu yang akan
menjadi solusi optimal pada permasalahan yang ada. Contohnya, titik (1,3) terlihat
mudah untuk kebohongan pada S dan oleh karena itu dijalankan. Nilai dari fungsi
objektif P pada titik (1,3) diberikan P= 3(1) + 2(3) = 9. Sekarang dapat
diperhatkan nilai dari P cocok untuk setiap titik pada S, ketika titik(s) pada S
yang diberikan nilai yang besar untuk P akan merupakan mencari himpunan
solusi. Sayangnya sebagian masalah bilangan dari sesuatu yang akan menjadi
salah satu untuk mencari atau, pada masalah ini tidak terbatas. Demikian, metodi
ini baiknya berat dan buruknya tidak berguna.
Jalan perkiraan untuk sekitar pertanyaan, sebaliknhya dari bertanya untuk nilai
dari fungsi objektif P pada titik yang mungkin, Diperkiakan akan memberikan
nilai untuk fungsi objektif P dan pertanyaan apapun mengenai titik yang
mungkin yng akan memberikan suat solusi untuk nilai dari P. Pada akhirnya,
andaikan diberikan nilai 6 untuk P . Ketika fungsi objerktif P menjadi 3x + 2y =
6, merupakan persamaan linear pada x dan y, dan di gambarkan pada garis lurus
L1pada bidang. Pada Gambar 10 akan digambarkan grafik untuk garis lurus yang
menunjukkan kemungkinan dari himpunan S.

18 | P a g e
 Gambar 10

Sekumpulan dari garis

paralel yang memotong
himpunan himpunan S

Setiap titik ini jelas pada segmen garis lurus yang diberikan dengan titik potong
dari garis lurus L1dan memungkinkan himpunan S yang berkorespondensi untuk
memberikan nilai, 6, dari P. Untuk alasan ini pada garis L1 dikatakan garis
isoprofit. Misalkanproses pengulangan, ini merupakan waktunya untuk
menugaskan nilai dari 10 untuk P. Menghasilkan sebuah persamaan 3x+2y=10
dan garis L2 (lihat gambar 10). Dianjurkan kemungkinan titik yang yang
berkorespondensi untuk nilai besar dari P. Terlihat bahwa garis L2paralel untuk
3
garis L1karena keduanya memiliki sisi miring sama dengan − 2yang mana terlihar

mudah dengan membuang persamaan korespondensi pada penangkapan dari

kemiringan.
Pada umumnya, dengan memberikan nilai yang sulit untuk fungsi yangg objektif,
didapatkan sekumpulan dari garis-garis paralel, setiap kemiringan sama dengan
−3
. Selanjutnya , garis yang cocok untuk nilai yang besar dari P berada sangat
2

jauh dari titik asal yang satu dengan nilai kecil dari P. Implikasi selesai. Untuk
nilai solusi optimal pada masalah yang ada, ditemukan garis lurus, sekumpulan ini
dari garis lurus. Hal ini jauh dari titik asal dan masih memotong himpunan S.
Dibutuhkan garis satu yang pas pada. P (3,2) (lihat gambar 10), solusi dari
masalah yang diberikan dengan x=3, y=2, menghasilkan nilai maksimal dari
P=3(3)+2(2)=13.

19 | P a g e
Selusi optimal untuk masalah ini dapat di temukan pada vertex dari himpunan S
tidak accident. Pada faktanya hasilnya mengikuti teorema dasar pada program
linear, yang di tetapkan tanpa pembuktian.

TEOREMA 1
Program linear
Jika program linear memiliki solusi maka hanya terdapat pada vertex
atau sudut titik, dari himpunan S yang dihubungkan dengan masalah.
Selanjutnya , dengan fungsi objektif P mengoptimalkan pada vertex
adjecent dari S maka hal ini mengoktimalkan pada setiap titik di
segmen garis yang bergabung dengan vertex, pada contoh banyak
solusi yang tidak terbatas pada masalah.

Teorema 1 menceritakan bahwa untuk mencari penyelesaian masalah program

linear mungkin memberi batasan untuk memeriksa himpunan vertex dari
himpunan S yang berhubungan dengan masalah. Ketika himpunan S terbatas pada
sedikit vertex teorema bersugesti bahwa solusi program linear mungkin ditemukan
dengan memeriksa nilai dari nilai vertex fungsi objektif P.

Meskipun teorema 1 melepaskan beberapa temuan sifat-sifat dasar dari solusi

masalah program linear, hal ini tidak menceritakan ketika masalah program linear
memiliki solusi. Mengikuti teorema yang ditetapkan beberapa kondisi ini
menjamin ketika program masalah linear memiliki solusi.

20 | P a g e
 TEOREMA 2
Eksistensi dari solusi
Andaikan diberikan masalah program linear dengan himpunan S dan
fungsi objektif P=ax+by.
a. Jika S terbatas, maka kedua nilai P maksimum dan minimum
pada S.
b. Jika S tidak terbatas dan ke dua a dan b tidak negatif, maka nilai
P minimum pada S dengan syarat bahwa batas definisi S dengan
memasukkan ketidak samaan x≥0 dan y≥0.
c. Jika S himpunan kosong maka masalah program linear tidak
memilki solusi; nilai P keduanya tidak maksimum dan tidak
minimum.

Metode korner, prosedur simpel untuk menyelesaikan masalah dasar program

linear pada teorema 1, sebagai berikut.

METODE KORNER
1. Gambar himpunannya.
2. Temukan koordinat untuk semua titik sudut (vertex) dari
himpunan.
3. Evaluasi fungsi objektif pada setiap titik sudut.
4. Temuka vertex untuk membuat sebuah fungsi objektif
maksimum ( minimum). Jika hanya terdapat satu vertex maka
vertex merupakan solusi khusus dari masalah. Jika fungsi
objektif maximes (minimes) memiliki dua titik sudut yang
adjcent dari S, banyak solusi optimal yang tidak terbatas yang
diberikan dengan titik pada penetapan segment garis denga dua
vertex.

Contoh Terapan 1 Pendapatan maksimal

Posisi untuk melengkapi solusi untuk masalah produksi diberikan pada Contoh 1,
section 3.2. Mengingat kembali rumus matematika menuju maslah program linear
sebagai berikut:

21 | P a g e
 Maksimize : P  x  1.2 y
Persoalan : 2 x  y  180
x  3 y  300
x  0, y  0

Solusi himpunan S dari masalah yang ditunjukkan pada Gambar 11

Gambar 11

Titik sudut yang

menghasilkan
pendapatan
maksimum
adalah C (48,84)

Vertex dari himpunan A (0,0), B(90,0), C(48,84), dan D(0,100). Nilai dari P pada
vertex dapat di tampilkan pada tabel berikut

Vertex P = x + 1,2y
A (0,0) 0
B (90,0) 90
C (48,84) 148,8
D (0,100) 120

Pada tabel di atas dapat dilihat bahwa maksimum dari P = x + 1,2y terdapat pada
vertex (48,84) dan memiliki nilai 148,8. Mengingat kembali simbol x, y, dan P
yang digambarkan. Disimpulkan bahwa Sesuatu yang baru akan mendapat
keuntungan maxsimes ( dari gambar $148,80) dengan produksi 48 sovernir type A
dan 84 souvernir tipe B.

22 | P a g e
CONTOH TERAPAN 2 Masalah Nutrisi

Melengkapi solusi dari masalah nutrisi pada contoh 2 bagian 3.2

Solusi

Minimize : C  6 x  8 y
Persoalan : 40 x  10 y  2400
10 x  15 y  2100
5 x  15 y  1500
x  0, y  0

Definisi himpunan S dengan sistem dari batasan yang ditunjukkan pada gambar
12

Gambar 12

Titik sudut yang

menghasilkan harga
minimum

Vertex dari himpunan S adalah A(0,240), B(30,120), C(120,60), dan D(300,0).

Nilai dari fungsi objektif C pada vertex diberikan pada tabel berikut:

Vertex C=6x+8y
A(0,240) 1920
B(30,120) 1140
C(120,60) 1200
D(300,0) 1800

23 | P a g e
Dari tabel, dapat dilihat minimum dari fungsi objektif C = 6x + 8y terdapat pada
vertex B(30,120) dan memiliki nilai 1140. Jadi, Invidunya harus membeli 30 pil
jenisA dan 120 pil jenis B untuk meminimalkan harga dari $11.40

CONTOH 3 Masalah program linear dengan Solusi Banyak

Temukan maksimum dan minimum dari P = 2x + 3y subjek untuk sistem

pertidaksamaan linear berikut

2 x  3 y  30
yx5
x y 5
x  10
x  0, y  0

Solusi Himunan S ditunjukkan pada gambar 13. Vertex dari himpunan S adalah
10
A(5,0), B(10,0), C(10, 3 ), D(3,8), dan E(0,5). Nilai dari fungsi objektif P pada

vertex diberikan pada tabel berikut:

Vertex P = 2x + 3y
A(5,0) 10
B(10,0) 20
10 30
C(10, 3 )

D(3,8) 30
E(0,5) 15
Dari tabel di atas, dapat dilihat maksimum dari fungsi objektif P=2x+3y terdapat
10
pada vertex C(10, 3 ) dan D(3,8). Hal ini merupakan setiap titik pada segment
10
garis mengikuti C(10, 3 ) dan D(3,8) maksimizes P. Diberikan nilai 30 pada setiap

titik. Dari tabel, juga terselesaikan bahwa P minimizes pada titik (5,0), dimana
nialinya adalah 10.

24 | P a g e
 Gambar 13

Setiap titik dusta

pada garis segmen
berhubungan C dan
D maksimum P

Bagian ini di tutup dengan dua situasi pada program linear yang tidak memiliki
solusi.

Contoh 4 Maslah Program Linear Tak Terbatas dengan Tak memiliki Solusi

Pecahkan masalah program linear berikut :

Maksimize : P  x  2 y
Persoalan :  2 x  y  4
x  3y  3
x  0. y  0

Solusi Himpunan S untuk masalah ini ditunjukkan pada gambar 14. Ketika
himpunan S tidak terbatas ( keduanyan x dan y dapat bergantung pada nilai
positif yang besar). Dapat dilihat bahwa dapat mengginakan P yang besar
menolong dengan membuat x dan y yang besar juga. Masalah ini todak memiliki
solusi. Masalah ini dikatakan sebgaia tak terbatas.

Gambar 14

Masalah
maksimilasi yang
tidak mempunyai
solusi karena
himpunan S tidak
terbatas.

25 | P a g e
CONTOH 5 Masalah Program Linear yang Tidak Dapat dikerjakan dengan
Mudah

Pecahkan masalah program linear berikut:

Maksimize : P  x  2 y
Persoalan : x  2 y  4
2 x  3 y  12
x  0, y  0

Solusi Separuh bidang mendeskribsikan dengan batasan (ketidaksamaan) yang

tidak memiliki titik pada biasanya (Gambar 15). Karena itu tidak ada titik dan
msalah yang memiliki soluai. Pada situasi ini, dapat dikatakan masalah yang
tidak dapat dikerjakan dengan mudah atau tidak konsisten (situasi ini tidak
mungkin untuk dapat menyikapi masalah yang baik yang timbul dari aplikasi
praktis dari program linear)

Gambar 15

Masalah yang tidak

konsisten karena tidak ada
titik memenuhi semua yang
diberikan pada
pertidaksamaan

3.4 Analisi Sensitivitas (Optional)

Kami menyelidiki bagaimana perubahan parameter masalah pemrograman linier

mempengaruhi solusi optimalnya. Tipe dari analisis ini biasa disebut analisis
sensitivitas. Pada bagian selajutnya, kita membatasi permasalahan dua variable,
yang disesuaikan dengan analisis grafik.

𝑚𝑎𝑘𝑠𝑖𝑚𝑎𝑙 𝑃 = 𝑥 + 1.2𝑦

𝑠𝑢𝑏𝑦𝑒𝑘 2𝑥 + 𝑦 ≤ 180 𝑓𝑢𝑛𝑔𝑠𝑖 𝑜𝑏𝑦𝑒𝑘𝑡𝑖𝑓

𝑥 + 3𝑦 ≤ 300 𝑐𝑜𝑛𝑠𝑡𝑟𝑎𝑖𝑛𝑡 1

26 | P a g e
 𝑥 ≥ 0, 𝑦 ≤ 0 𝑐𝑜𝑛𝑠𝑡𝑟𝑎𝑖𝑛𝑡 2

Dimana x menunjukkan souvenir tipe A dan y menunjukkan souvenir tipe B yang

di buat. Solusi optimal pada masalah ini adalah 𝑥 = 48, 𝑦 = 84 (atau perhatikan
titik C, dan 𝑃 = 148.8.

Pertanyaan yang berhubungan dengan masalah produksi

1. Bagaimana perubahan koefisien dari fungsi obyektif yang berkibat pada

solusi optimal?
2. Bagaimana perubahan konstanta pada sisi sebelah kanan constraint
berakibat padap solusi optimal?

Mengubah koefisien dari fungsi objective.

Pertimbangkan permasalan produksi dari, fungsi objektivitas 𝑃 = 𝑥 + 1.2 𝑦.

Koefisien 𝑥 adalah 1, menunjukkan bahwa kontribusi keuntungan untuk setiap
souvenir tipe-A adalah $1.00. koefisien dari 𝑦 adalah 1.2, menunjukkan bahwa
kontribusi keuntungan dari souvenir tipe-B adalah $1.20. sekarang perhatikan
kontribusi keuntungan setiap souvenir tipe-B pasti sisa $1.20 per souvenir. Bisa
berapa banyak kontribusi keuntungan setipa souvenir tipe-A berbeda tanpa
mempengaruhi arus solusi optimal?

Untuk menjawab pertanyaan, perhatikan kontribusi keuntungan setiap souvenir

tipe-A adalah $𝑐 sedemikian sehingga

27 | P a g e
 𝑃 = 𝑐𝑥 + 1.2𝑦

Kita perlu menentukan nilai range dari 𝑐 sehingga solusi optimal tetap.

Kita mulai dengan menulis kembali persamaan 8 untuk garis keuntungan di rumus
perpotongan kemiringan.

𝑐 𝑃
𝑦= +
1.2 1.2
𝑐
Kemiringan dari garis keuntungan adalah − . jika kemiringan garis keuntungan
1.2

melebihi garis yang terkait dengan garis pembatas 2, maka solusi optimal tetap
1
tidak terpengaruh. (kamu mungkin membenarkan − 3 adalah kemiringan dari garis

terkait dengan pembatas 2, dengan menulis 𝑥 + 3𝑦 = 300 di rumus perpotongan

kemiringan.) dengan kata lain, kita harus mempunyai

𝑐 1
− ≤−
1.2 3
𝑐 1
≥ , kalikan setiap sisi dengan -1 membalikkan tanda pertidaksamaan
1.2 3

1.2
𝑐≥ =4
3

Analisis serupa menunjukkan bahwa jika kemiringan dari garis keuntungan lebih
rendah dari garis terkait dengan pembatas 1, maka solusi optimal bergeser dari
titik C ke titik B. karena kemiringan dari garis terkait dengan pembatas 1 adalah -
2, kita lihat bahwa titik C akan tetap optimal asalakan kemiringan dari gari
keuntungan lebih besar atau sama dengan -2, yakni, jika

𝑐
− ≥ −2
1.2
𝑐
≤2
1.2

𝑐 ≤ 2.4

Demikian, kita tunjukkan bahwa jika 4 ≤ 𝑐 ≤ 2.4, maka solusi optimal diperoleh
sebelumnya tetap tidak berpengaruh.

28 | P a g e
Hasil ini menunjukkan bahwa jika kontribusi keuntungan setiap souvenir tipe-A
terletak antara $40 𝑑𝑎𝑛 $2.40, Maka Ace Novelty masih haris membuat 48
souvenit tipe-A dan 84 souvenir tipe-B. tentu saja keuntungan perusahaan akan
berubah dengan berubahnya nilai dari 𝑐, itu adalah produk campuran yang tetap
sama. Sebagai contoh, jika kontribusi keuntungan dari souvenir tipe A adalah
$1.50, maka keuntungan dari perusahaan akan menjadi
$172.80(𝑙𝑖ℎ𝑎𝑡 𝑒𝑥𝑒𝑟𝑐𝑖𝑠𝑒1). kebetulan, analisis kita menunjukkan bahwa
parameter 𝑐 bukan parameter sensitive.

Dengan kontribusi keuntungan souvenir tipe A memiliki konstanta $1.00per

souvenir, kontribusi keuntungan souvenir tipe B bisa berubah antara
$. 50 𝑑𝑎𝑛 $3.00 tanpa mempengaruhi produk campuran untuk solusi optimal
(lihat exercise1).

Contoh1 aplikasi analisis fungsi keuntungan. Kane Manufacturing memiliki divisi

yang menghasilkan dua model alat memarut, model A dan model B. untuk setiap
produk parut model A membutuhkan 3 pon cor besi dan 6 menit kerja. Untuk
setiap produk parut tipe B membutuhkan 4 pon cor besi dan 3 menit kerja.
Keuntungan setiap parut model A adalah $2.00, dan keuntungan setiap parut
model B adalah $1.50. didapatkan untuk produksi parut setiap hari adalah 1000
pon cor besi dan 20 jam kerja. Karena kelebihan persediaan parut model A,
menajemen telah memutuskan untuk membatasi produksi parut model A tidak
lebih dari 180 parut perhari.

a. Gunakan metode corners untuk menentukan jumlah parut dari setiap

model yang Kane harus produksi dalam pesanan untuk keuntungan maksimal.
b. Tentukan nilai range bahwa kontribusi keuntungan partu model A bisa
diasumsikan tanpa mengubah solusi optimal.
c. Tentukan nilai range bahwa kontribusi keuntungan parut model B bisa
diasumsikan tanpa mengubah solusi optimal.

Solusi:

29 | P a g e
a. Misal 𝑥 menunjukkan nomer parut model A dan 𝑦 nomer parut model B
yang diproduksi. Kemudian verifikasi bahwa kita mengarah pada masalah
pemrograman linier berikut ini:
𝑚𝑎𝑥𝑖𝑚𝑖𝑧𝑒 𝑃 = 2𝑥 + 1.5𝑦
𝑠𝑢𝑏𝑗𝑒𝑐𝑡 𝑡𝑜 3𝑥 + 4𝑦 ≤ 1000 𝑐𝑜𝑛𝑠𝑡𝑟𝑎𝑖𝑛𝑡 1
6𝑥 + 3𝑦 ≤ 12000 𝑐𝑜𝑛𝑠𝑡𝑟𝑎𝑖𝑛𝑡 2
𝑥 ≤ 180 𝑐𝑜𝑛𝑠𝑡𝑟𝑎𝑖𝑛𝑡 3
𝑥 ≥ 0, 𝑦 ≥ 0
Grafik yang mungkin:

Dari tabel nilai berikut ini:

Kita lihat bahwa maksimal dari 𝑃 = 2𝑥 + 1.5𝑦 berada pada titik D(120, 160)
dengan nilai 480. Oleh karena itu, Kane mencapai keuntungan maksimal $480

30 | P a g e
perhari dengan memproduksi 120 parut model A dan 160 parut model B setiap
hari.
b. Misal 𝑐 (dalam dolar) menunjukkan kontribusi keuntungan parut model A.
maka 𝑃 = 𝑐𝑥 + 1.5𝑦 atau, solusi dari y
𝑐 𝑝 2 2
𝑦=− 𝑥+ = (− 𝑐) 𝑥 + 𝑃
1.5 1.5 3 3
Kita bisa melihat grafik bahwa kemiringan dari garis keuntungan lebih besar dari
kemiringan garis asosiasi dengan pembatas 1, maka solusi optimal akan bergeser
dari titik D ke titik E. oelh karena itu solusi optimal tetap tidak terpengaruh,
kemiringan gari keuntungan harus kurang dari atau sama dengan dengan garis
asosiasi dengan pembatas 1. Tapi kemiringan garis asosiasi dengan pembatas 1
3
adalah − 4, kamu bisa melihat dengan kembali menulis persamaan 3𝑥 + 4𝑦 =
3
1000 dengan perpotongan kemiringan rumus 𝑦 = − 4 𝑥 + 250.
2𝑐
Karena kemiringan garis keuntungan adalah − 3 , ita memiliki
2𝑐 3
− ≤−
3 4
2𝑐 3
≥
3 4
3 3 9
𝑐 ≥ ( ) ( ) = = 1.125
4 2 8

Kita bisa melihat grafik bahwa kemiringan dari garis keuntungan kurang dari
kemiringan garis asosiasi dengan pembatas 2, maka solusi optimal akan bergeser
dari titik D ke titik C. karena kemiringan garis dengan pembatas 2 adalah −2 (
dengan menulia kembali persamaan 6𝑥 + 3𝑦 =
1200 𝑑𝑒𝑛𝑔𝑎𝑛 𝑝𝑒𝑟𝑝𝑜𝑡𝑜𝑛𝑔𝑎𝑛 𝑘𝑒𝑚𝑖𝑟𝑖𝑔𝑎𝑛 𝑦 = −2𝑥 + 400), kita lihat bahwa
solusi optimal tetap pada titik D asalkan kemiringan garis keuntungan lenih besar
atau sama dengan −2; sehingga
2𝑐
− ≥ −2
3
2𝑐
≤2
3
3
𝑐 ≤ (2) ( ) = 3
2

31 | P a g e
Kita simpulkan bahwa kontribusi keuntungan perut model A bisa diasumsikan
nilai antara $1.125 𝑑𝑎𝑛 $3.00 tanpa mengubah solusi optimal.
c. Misal 𝑐 (dalam dolar) menunjukkan kontribusi keuntungan parut model B.
maka
𝑃 = 2𝑥 + 𝑐𝑦
Atau, solusi dari y
2 𝑃
𝑦=− 𝑥+
𝑐 𝑐
Analisis ini serupa dengan bagian (b) dengan mengenai pertidaksamaan 1
menunjukkan bahwa solusi optimal akan tetap pada dasarnya bahwa
2 3
− ≤−
𝑐 4
2 3
≥
𝑐 4
4 8 2
𝑐 ≤ 2( ) = = 2
3 3 3
Kemudian menunjukkan analisis dengan mengenai pertidaksamaan 2
menunjukkan solusi optimal akan tetap pada dasarnya bahwa
2
− ≥ −2
𝑐
2
≤2
𝑐
𝑐≥1
Oleh karena itu kontribusi keuntungan parut model B bisa diasumsikan nilai
antara $1.00 𝑑𝑎𝑛 $2.67 tanpa mngubah solusi optimal.

Perubahan konstanta pada sisi sebelah kanan dari pembatas pertidaksamaan

Mari kembali ke masalah awal di bagian ini

𝑚𝑎𝑘𝑠𝑖𝑚𝑎𝑙 𝑃 = 𝑥 + 1.2𝑦

𝑠𝑢𝑏𝑦𝑒𝑘 2𝑥 + 𝑦 ≤ 180 𝑐𝑜𝑛𝑠𝑡𝑟𝑎𝑖𝑛𝑡 1

𝑥 + 3𝑦 ≤ 300 𝑐𝑜𝑛𝑠𝑡𝑟𝑎𝑖𝑛𝑡 2

𝑥 ≥ 0, 𝑦 ≤ 0

32 | P a g e
Sekarang misalkan wakti yng didapat pada mesin 1 berubah dari 180 menit ke
(180 + ℎ) menit, dimana ℎ adalah bilangan real. Maka pembatas pada mesin 1
adalah berubah ke

2𝑥 + 𝑦 ≤ 180 + ℎ

Amati bahwa garis dengan persamaan 2𝑥 + 𝑦 = 180 + ℎ adalah parallel dengan

garis 2𝑥 + 𝑦 = 180 asosiasi dengan pembatas 1 yang asli.

Kita bisa lihat grafik berikut bahwa hasil dari menambahkan konstanta deng ℎ
pada sisi sebelah kanan dari pembatas 1 adalah menggeser solusi optimal dari titik
C ke solusi optimal yang baru menjadi titikC’. Untuk menentukan koordinat dari
C’. kita bisa mengamati bahwa C’ titik perpotongan antara garis dengan
persamaan

2𝑥 + 𝑦 = 180 + ℎ 𝑑𝑎𝑛 𝑥 + 3𝑦 = 300

Oleh karena itu, koordinat titik ditemukan dengan menyelesaikan system

persamaan linier

2𝑥 + 𝑦 = 180 + ℎ

𝑥 + 3𝑦 = 300

Solusinya adalah

33 | P a g e
 3 1
𝑥 = (180 + ℎ) 𝑑𝑎𝑛 𝑦 = (420 − ℎ)
8 5

Nonegatif x implikasi dengan

3
(80 + ℎ) ≥ 0
5

80 + ℎ ≥ 0

ℎ ≥ −80

selanjutnya, nonnegative y implikasi dengan

1
(420 − ℎ) ≥ 0
5

420 − ℎ ≥ 0

ℎ ≤ 420

oleh karena itu, ℎ harus memenuhi pertidaksamaan −80 ≤ ℎ ≤ 420. Perhitungan

kita menunjukkan bahwa solusi mengartikan akan membutuhkan waktu yang
didapat untuk mesin 1 harus berkisar antara (180 − 80)𝑑𝑎𝑛 (180 + 420)𝑚𝑒𝑛𝑖𝑡,
yakni antara 100 dan 600 menit. Pada kondisi ini. Ace Novelty seharusnya
3 1
memproduksi 5 (80 + ℎ) souvenir tipe A dan 5 (420 − ℎ) souvenir tipe B.

contoh, jika Ace Novelty mengatur peningkatan persediaan waktu pada mesin 1
3
denga 10 menit, maka seharusnya produksi 5 (80 + 10), 𝑎𝑡𝑎𝑢 54, souvenir tipe A
1
dan 5 (420 − 10), 𝑎𝑡𝑎𝑢 410 souvenir tipe B: penghasilan keuntungan adalah

𝑃 = 𝑥 + 1.2𝑦 = 54 + (1.2)(82) = 152.4

Atau $152.40.

Harga bayangan.

34 | P a g e
Kita hanya melihat bahwa jika Ace Novelty dapat meninggkatkan ketersediaan
waktu maksimal pada mesin I dengan 10 menit, maka keuntungan akan
meninggkat dari nilai optimal awal $148.80 ke $152.40. dalam kasus ini,
mendapatkan kelebihan waktu pada mesin I terbukti bermanfaat untuk
perusahaan. Lebih umum, untuk mempelajari manfaat ekonomi yang bisa berasal
dari peningkatan sumber dayanya, sebuah perusahaan melihat harga bayangan
yang terkait dengan sumber daya masing-masing. Lebih spesifik kita bisa
mendefinisikan harga bayangan untuk 𝑖th sumber (terkait dengan 𝑖th kendala
masalah pemrogramman linier) menjadi jumlah dimana nilai fungsi objektif
ditingkatkan, meningkat dalam masalah maksimalisasi dan penurunan dalam
masalah maksimalisasi, jika sisi sebelah kanan dari 𝑖th pembatas meninggkat
dengan 1 unit.

Pada contoh Ace Novelty dibahas sebelumnya, kita menunjukkan bahwa jika sisi
sebelah kanan pada pembatas 1 meningkat dengan ℎ unit maka solusi optimal
diberikan dengan (10).

3 1
𝑥= (80 + ℎ) 𝑑𝑎𝑛 𝑦 = (420 − ℎ)
5 5

Keuntungan adalah

𝑃 = 𝑥 + 1.2𝑦

6
=𝑥+ 𝑦
5

3 6 1
= (80 + ℎ) + ( ) ( ) (420 − ℎ)
8 5 5

3
= (1240 + 3ℎ)
25

Dengan mensubstitusi ℎ = 1, kita mendapat

3
𝑃= (1240 + 3)
25

= 149.16

35 | P a g e
Karena keuntungan optimal untuk masalah awal $148.80, kita lihat bahwa harga
bayangan untuk sumber pertama adalah 149.16 − 148.80 atau $. 36. untuk
meringkas. Keuntungan Ace Novelty meningkat pada skala $.36 per 1 menit
meningkat pada ketersediaan waktu mesin 1.

Contoh 2 aplikasi harga bayangan. Perhatikan masalah dibawah ini

𝑚𝑎𝑥𝑖𝑚𝑖𝑧𝑒 𝑃 = 2𝑥 + 1.5𝑦

𝑠𝑢𝑏𝑦𝑒𝑘 3𝑥 + 4𝑦 ≤ 1000 𝑐𝑜𝑛𝑠𝑡𝑟𝑎𝑖𝑛𝑡 1

6𝑥 + 3𝑦 ≤ 1200 𝑐𝑜𝑛𝑠𝑡𝑟𝑎𝑖𝑛𝑡 2

𝑥 ≤ 180 𝑐𝑜𝑛𝑠𝑡𝑟𝑎𝑖𝑛𝑡 3

𝑥 ≥ 0, 𝑦 ≥ 0

a. Tentukan nilai range dari sumber 1 (konstanta pada sisi sebelah kanan dari
constraint 1) bisa diasumsikan.
b. Tentukan harga bayangan untuk resource 1.

Solusi

a. Sisi sebelah kanan dari constraint 1 dirubah menjadi 1000 + ℎ, dimana

ℎadalah bilangan real. Maka solusi optimal baru menjadi titik D’.

36 | P a g e
Kalikan persamaan pertama dengan −2 dan kemudian tambahkan hasil persamaan
dengan persamaan kedua kemudian diperoleh

−5𝑦 = −800 − 2ℎ

2
𝑦= (400 + ℎ)
5

Substitusi nilai y kedalam persamaan kedua didapat system

6
6𝑥 + (400 + ℎ) = 1200
5

1
𝑥 + (400 + ℎ) = 200
5

1
𝑥 = (600 − ℎ)
5

Nonnegative dari y implikasi bahwa ℎ ≥ −400, dan nonnegative dari x implikasi

dengan ℎ ≤ 600. Tapi constraint 3 menunjukkan bahwa x juga memenuhi

1
𝑥= (600 − ℎ) ≤ 180
5

600 − ℎ ≤ 900

−ℎ ≤ 300

ℎ ≥ −300

karena itu, ℎ harus memenuhi −300 ≤ ℎ ≤ 600. Ini memberi tahu kita bahwa
jumlah dari resource 1 harus terletak antara 1000 − 300, 𝑎𝑡𝑎𝑢 700, dan 1000 +
600, 𝑎𝑡𝑎𝑢 1600, ini adalah antara 700 dan 1600 pon.

b. Jika mensubstitusikan ℎ = 1 pada bagian (a), maka kita peroleh

1 599
𝑥= (600 − 1) =
5 5
2 802
𝑦 = (500 + 1) =
5 5
Karena itu, keuntungan direalisasikan pada level dari produksi adalah
3 599 3 803 2401
𝑃 = 2𝑥 + 𝑦 = 2 ( )+ ( )= = 480.2
2 5 2 5 5

37 | P a g e
Karena keuntungan optimal awal adalah $480 (lihat contoh 1),kita lihat bahwa
harga bayangan untuk resource 1 adalah $. 20

Jika kamu memeriksa grafik, kamu akan melihat bahwa peningkatan resource 3 (
konstanta pada sisi sebelah kanan dari constraint 3) tidak berakibat pada solusi
optimal D(120, 160) dari masalah. Dengan kata lain, peningkatan pada asosiasi
sumber daya dengan constraint 3 tidak memiliki keuntungan ekonomi untuk Kane
Manufacturing. Harga bayangan untuk resource ini adalah nol. Ada kelebihan
pada resource. Karenanya kita mengatakan bahwa constraint 𝑥 ≤ 180 tidak
temasuk dalam solusi optimal D(120, 160).

Dengan kata lain, constraint 1 dan 2, yang memegang persamaan pada solusi
optimal D(120, 160), dikatakan termasuk constraint. Fungsi objektif tidak bisa
meningkat tanpa peningkatan resource. Mereka memiliki harga bayangan yang
positif.

Pentingnya analisis sensitivitas.

Kami menyimpulkan bagian ini dengan menunjukkan pentingnya analisis

sensitivitas dalam menyelesaikan permasalahan di dunia nyata. Nilai parameter
pada masalah ini mungkin berubah. Untuk contoh, manajemen dari Ace Novelty
mungkin ingin peningkatan harga dari souvenir tipe A karena peningkatan
permintaan untuk produk, atau mungkin mereka ingin melihat bagaimana
perubahan waktu yang didapat pada mesin 1 berakibat (optimal) keuntungan dari
perusahaan.

Ketika parameter masalah programman linier berubah, itu benar bahwa hanya
membutuhkan satu solusi masalah untuk memperoleh solusi baru pada masalah.
Tapi karena permasalahan programman linier di dunia nyata melibatkan seribu
parameter, jumlah yang terlibat dalam mencari solusi baru sangat mahal. Kerugian
lain pada penggunaan Pendekatan ini adalah bahwa seringkali dibutuhkan banyak
percobaan dengan nilai parameter yang berbeda untuk melihat pengaruhnya
terhadap solusi optimal dari masalah. Karena itu, Pendekatan yang lebih analitis
seperti yang dibahas sebelumnya sangat diharapkan.

38 | P a g e
Kembali kepembahasan dariAce Novelty, analisis kita pada perubahan dalam
koefisien dari fungsi obyek (keuntungan) menyarankan bahwa jika manajemen
memutuskan menaikkan harga souvenir tipe A. itu bisa Hal itu bisa dilakukan
dengan jaminan bahwa solusi optimal bertahan asalkan harga baru menyisakan
kontribusinya terhadap keuntungan souvenir tipe A antara $.40 dan $2.40. tidak
perlu menyelesaikan masalah pemrograman linier untuk setiap harga baru yang
dipertimbangkan. Juga, analisis kita merubah parameter pada sisi sebelah kanan
pada constraint yang disarankan, untuk contoh, banyak solusi permasalahan
terletak pada persediaan waktu untuk mesin jenis I dengan range antara 1000 dan
600 menit. Selanjutnya, analisis menunjukkan perhitungan peningkatan atau
penurunan pada keuntungan optimal ketika resource disesuaikan dengan
menggunakan asosiasi harga banyangan dengan constraint. Tidak perlu
menyelesaikan permasalahan program linear setiap perubahan waktu pada
resource yang tersedia sebagai antisipasi.

39 | P a g e
 BAB III

PENUTUP

Kesimpulan

Banyak masalah praktis yang melibatkan memaksimalkan atau

meminimalkan fungsi pada batasan-batasan tertentu. Misalnya, kita mungkin
ingin memaksimalkan fungsi keuntungan dengan batasan tertentu pada jumlah
bahan dan tenaga kerja yang tersedia dalam bentuk pertidaksamaan linier disebut
masalah pemrograman linier. Permasalahan program linear terdiri dari fungsi
objektif linear yang memaksimalkan atau meminimalkan subjek untuk
memastikan kendala dalam bentuk persamaan atau pertidaksamaan linear. Banyak
sekali maslah yang dapat diselesaikan dengan menggunakan program linier
seperti: memaksimaalkan keuntungan produsen dll dengan menggunakan berbagai
cara dan teorema yang telah disebutkan di dalam makalah ini.

40 | P a g e
 DAFTAR PUSTAKA

TAN, S. T. 2008. College Mathematics for the Managerial, Life, and Social
Sciences Seventh Edition, USA: Thomson Higher Education.

41 | P a g e