LAPORAN SIMULASI LINEAR

PROGRAMMING DENGAN
SOFTWARE LIPS

Disusun oleh:
Ricardo Febrianto (073.16.051)

Program Studi Teknik Pertambangan

Fakultas Teknologi Kebumian & Energi
Universitas Trisakti
2018
 BAB I

PENDAHULUAN
1.1 Tujuan Linear Programming

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 atau minimum dengan memperhatikan variabel-variabel tertentu dan sumber yang
terbatas dengan menggunakan suatu proses matematika metode grafis atau simplex. Software
melakukan penyelesaian juga dengan menggunakan pendekatan matematis dalam
menyelesaikan problem yang diberikan.
 BAB II

LANDASAN TEORI
2.1 Definisi Linear Programming

Secara umum Linear Programming ialah salah satu teknik dari Riset Operasi untuk
memecahkan persoalan optimasi menjadi maksimum atau minimum dengan menggunakan
persamaan dan ketidaksamaan linear dalam rangka untuk mencari pemecahan yang optimum
dengan memperhatikan pembatasan-pembatasan yang ada dalam persoalan. Dalam keadaan
sumber yang terbatas harus dicapai suatu hasil yang optimum dengan perkataan lain
bagaimana caranya agar dengan masukan input yang terbatas dapat menghasilkan keluaran
output berupa produksi barang atau jasa yang optimum. Salah satu metoda analisis dalam
teknik operasional riset untuk menyelesaikan persoalan pengalokasian sumber-sumber
terbatas adalah menggunakan metoda program linear. Linear programming akan memberikan
hasil pemecahan persoalan, sebagai alternatif pengambilan tindakan, akan tetapi hanya ada
satu yang optimum yaitu untuk me-maksimum atau me-minimum suatu hasil atau produk.
Memilih keputusan berarti memilh alternatif, tapi yang terpenting adalah pengambilan
alternatif terbaik (the best alternative), Johannes Suprapto (1987).

Menurut Hari Purnomo (2004), Pokok pikiran utama dalam menggunakan program
linier adalah merumuskan masalah dengan menggunakan sejumlah informasi yang tersedia,
kemudian menerjemahkan masalah tersebut dalam bentuk model matematika. Sifat linear
mempunyai arti bahwa seluruh fungsi dalam model ini merupakan fungsi yang linear.
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.

Pada akhirnya, metode-metode yang dikembangkan untuk memecahkan model

program linier ditujukan untuk mencari solusi-solusi yang dibentuk oleh persamaan-
persamaan pembatas sehingga diperoleh nilai fungsi tujuan yang optimum. Kemudian
Metode simplex adalah metode yang dapat digunakan untuk menyelesaikan persoalan
manajerial yang telah diformulasikan terlebih dahulu ke dalam persamaan matematika
program linear yang mempunyai variable keputusan mulai dari lebih besar atau sama dengan
2 (dua) sampai multivariable. Sedangkan metode grafik hanya dapat digunakan apabila
jumlah variable keputusan maksimal 2 (dua) buah. Sehingga dapat disimpulkan bahwa suatu
persoalan linear programing yang diselesaikan dengan metode grafik juga dapat diselesaikan
dengan metode simpleks.

2.2 Manfaat Linear 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 Pembuatan Model Linear 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.

2.4 Bentuk Baku Model Linear Programming

Kemudian, dalam linear Programming bentukan baku dari sebuah program tersebut
adalah sebagai berikut:

1. Variabel Keputusan
merupakan simbol matematika yang menggambarkan tingkatan aktivitas perusahaan.
Tahap ini sebenarnya untuk mempermudah dalam menggunakan metode matematik,
dengan memutuskan memakai simbol matematik untuk hal yang ingin dihitung.
Variabel tidak harus berbentuk non-negative ( ≥ 0 )
2. Variabel Batasan
hubungan linier dari variabel keputusan yang menunjukkan keterbatasan perusahaan
dalam lingungan operasi perusahaan.
3. Variabel Fungsi Tujuan
hubungan matematika linier yang menjelaskan tujuan perusahaan dalam terminologi
variabel keputusan. Setelah ditentukan variabel keputusan, kemudian digunakan
dalam membuat fungsi (persamaan matematika) dari tujuan yang ingin dicapai
perusahaan.

Kemudian ada beberapa hal yang harus diperhatikan dalam membuat bentuk baku,
yaitu, sebagai berikut:
- Fungsi kendala “≤” dalam bentuk umum, dirubah menjadi persamaan (=) dengan
menambahkan satu variabel slack.
 - Fungsi kendala “≥” dalam bentuk umum, dirubah menjadi persamaan (=) dengan
mengurangkan satu variabel surplus.
- Fungsi kendala dengan persamaan dalam bentuk umum, ditambahkan satu artificial
variabel (variabel buatan).

2.5 Cara Penggunaan Software Linear Programming LiPS (versi 1.11.1)

Tahapan cara penggunaan dan pembuatan model dalam Software LiPS adalah sebagai
berikut:

1. Buka Program Linear Program Solver 1.11.1, LiPs.exe, pilih File  New  Table
Model,

2. Pada bagian model parameter, masukkan kolom Variabel sebanyak 15, Kolom
Constraint sebanyak 9, dan Kolom Objective sebanyak 1, dan Ubah Optimalization
Directionnya menjadi Minimalization,
3. Karena data yang digunakan untuk biaya angkut ke masing-masing washing plant
adalah data ke-3 maka Variabel (X) diisi dengan X1=2, X2=2, X3=3, X4=7, X5=5,
X6=8, X7=4, X8=6, X9=1, X10=6, X11=1, X12=5, X13=3, X14=4, danX=7,

4. Untuk kolom RHS (Right hand Side) masukkan Row 1-5 yakni produksi dari Pit A-E,
yakni dengan Angka 300000, 600000, 700000, 400000, dan 200000, sedangkan untuk
Row 6-8 yakni kapasitas Washing Plant 1-3 dengan angka yakni 600000, 800000,
dan 900000, untuk Row 1-8 menggunakan simbol <= yang menandakan lebih kecil
dari, untuk row 9 diisi dengan target produksi yakni 2,1 juta dan rownya
menggunakan simbol “=”,
5. Pada Row 1 untuk X1-3 masukkan angka 1 secara berurutan, Row 2 untuk X4-6, Row
3 untuk X7-9, Row 4 untuk X10-12, dan Row 5 untuk X13-15, row 1-5 untuk
menunjukkan bahwa itu adalah Pit A-E.

6. Untuk Row 6 hanya X1, X4, X7, X10, dan X13 yang diberi angka 1, Row 7 hanya
X2, X5, X8, X11, dan X14 diberi angka 1, dan Row 8 hanya X3, X6, X9, X12, dan
X15 diberi angka 1, dan Row 9 Diberi angka 1 semua setiap variabel. Dan upper
bound untuk Variabel X1, X4, X7, X10, dan X13 diberi angka 600000 yang
menunjukkan Kapasitas Washing Plant A sebesar 600000, untuk Variabel X2, X5,
X8, X11, dan X14 diberi Angka 800000 yang menunjukkan kapasitas Washing Plant
B sebesar 800000, dan untuk Variabel X3, X6, X9, X12, dan X15 diberi Angka
900000 untuk menunjukkan Kapasitas Washing Plant C sebesar 900000, Type nya
diubah menjadi CONT atau continuous.
7. Pilih LiPs  Solve Model

8. Hasilnya adalah sebagai berikut:

 BAB III

SOAL
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 nomor urut masing-masing. Tentukan pola distribusi/angkutan
tambang yang optimal dari 5 pit tersebut ke ketiga Washing Plant!
Tabel 16.
Biaya Angkut Ke Tiap-tiap Washing Plant.
WA WB WC
PIT A 2 8 1
PIT B 2 4 5
PIT C 3 6 3
PIT D 7 1 4
PIT E 5 6 7

Terdapat 5 pit yang beroperasi dengan 3 Washing Plants dalam waktu yang
bersamaan. Sehingga persoalan diatas melibatkan 15 variabel dan biaya pengangkutan dalam
satuan sen/ton diberikan pada paragraf pertama & kedua.
 BAB IV

MODEL MATEMATIS
Setelah didapatkan hasil dari software kita harus melakukan pengecekan ulang
dengan model persamaan-persamaan matematis yang didapatkan yaitu sebagai
berikut:

a) Jumlah maksimal material dari tiap-tiap Pit

PIT. A, WP. A + PIT A, WP. B + PIT.A, WP. C ≤ 300.000 ton
PIT. B, WP. A + PIT B, WP. B + PIT.B, WP. C ≤ 600.000 ton
PIT. C, WP. A + PIT C, WP. B + PIT.C, WP. C ≤ 700.000 ton
PIT. D, WP. A + PIT D, WP. B + PIT.D, WP. C ≤ 400.000 ton
PIT. E, WP. A + PIT E, WP. B + PIT.E, WP. C ≤ 200.000 ton

b) Kapasitas maksimum Washing Plants

AWA + BWA + CWA + DWA + EWA ≤ 600.000 ton
AWB + BWB + CWB + DWB + EWB ≤ 800.000 ton
AWC + BWC + CWC + DWC + EWC ≤ 900.000 ton

c) Jumlah produksi yang dibutuhkan per tahun

AWA + BWA + CWA + DWA + EWA + AWB + BWB + CWB + DWB + EWB +
AWC + BWC + CWC + DWC + EWC = 2.100.000 ton per tahun.
 BAB V

HASIL
5.1 Hasil Input Data

Penampakan Linear Programming Solver (LiPS) setelah dilakukan input data dan
belum dilakukan Solve Model, untuk mendapatkan hasil yang optimum atau untuk
mendapatkan penyelesaian masalah.

5.2 Hasil Analisa Data dengan Software LiPS

Penampakan Linear Programming Solver (LiPS) setelah dilakukan input data dan
sudah dilakukan Solve Model, yaitu sebagai berikut:
 Tabel 5.2.1
Distribusi Batubara dari Pit menuju Washing Plant

Washing Plant 1 Washing Plant 2 Washing Plant 3 Total Pit

PIT A 300.000 0 0 300.000

PIT B 100.000 400.000 0 500.000
PIT C 0 0 700.000 700.000
PIT D 0 400.000 0 400.000
PIT E 200.000 0 0 200.000
Total WP 600.000 800.000 700.000 2.100.000

Pada hasil running linear programming dapat dilihat bahwa :

1. Dari PIT A mengirimkan batubara ke :
WP 1 : 300.000 TON
WP 2 : 0 TON
WP 3 : 0 TON
2. Dari PIT B mengirimkan batubara ke :
WP 1 : 100.000 TON
WP 2 : 400.000 TON
WP 3 : 0 TON
3. Dari PIT C mengirimkan batubara ke :
WP 1 : 0 TON
WP 2 : 0 TON
WP 3 : 700.000 TON
4. Dari PIT D mengirimkan batubara ke :
WP 1 : 0 TON
WP 2 : 400.000 TON
WP 3 : 0 TON

5. Dari PIT E mengirimkan batubara ke :

WP 1 : 200.000 TON
WP 2 : 0 TON
WP 3 : 0 TON

Kinerja Pit A hingga E

1. PIT A :
Kapasitas PIT A adalah 300.000 ton melakukan produksi sebanyak 300.000 ton,
sehingga batas kapasitas pit A tercapai
2. PIT B :
Kapasitas PIT B adalah 600.000 ton melakukan produksi hanya sebanyak 500.000
ton, sehingga batas kapasitas PIT B tidak tercapai.
3. PIT C :
Kapasitas PIT C adalah 700.000 ton melakukan produksi sebanyak 600.000 ton,
sehingga terdapat sisa kapasitas produksi 100.000 pada PIT C.
4. PIT D :
Kapasitas PIT D adalah 400.000 ton melakukan produksi sebanyak 400.000 ton,
sehingga kapasitas produksi PIT D tercapai.
5. PIT E :
Kapasitas PIT E adalah 200.000 ton melakukan produksi sebanyak 200.000 ton,
sehingga kapasitas produksi PIT E tercapai.

Kinerja Washing Plant 1 hingga 3

1. WP A :
Kapasitas WP 1 adalah 600.000 ton. WP A menerima produksi dari ke 5 PIT
sebesar 600.000 ton, sehingga kapasitas produksi WP A terpenuhi.
2. WP B :
Kapasitas WP 2 adalah 800.000 ton. WP B menerima produksi dari ke 5 PIT
sebesar 800.000 ton, sehingga kapasitas produksi WP B terpenuhi.
3. WP C :
Kapasitas WP 3 adalah 900.000 ton. WP 3 menerima produksi dari ke 5 pit
sebesar hanya 700.000 ton, sehingga terdapat sisa kapasitas produksi sebesar
200.000 ton.
 BAB VI

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Dalam laporan penggunaan Software Linear Programmng LiPs ini kami mendapatkan
kesimpulan bahwa, sebagai berikut:

1. Semua Pit telah beroperasi dan berproduksi secara maksimal tetapi hanya Pit B,
tersisa 100.000 ton
2. Semua Washing Plant telah beroperasi maksimal tetapi pada Washing Plant C tersisa
200.000 ton produksi
3. Setelah dilakukan perhitungan menggunakan Linier Programming didapat harga
pengeluaran paling optimal di minimum yang memenuhi kondisi yang tertera pada
soal adalah sebesar $6.300.000

6.2 Saran

Dalam laporan penggunaan Software Linear Programmng LiPs ini kami memiliki
saran untuk memperbaiki diri bahwa, sebagai berikut:

1. Dalam input data batasan diharapkan mahasiswa lebih teliti dan hati-hati agar tidak
terjadi eror saat solver model dijalankan.
2. Ada baiknya materi dari Linier Programming ini dapat diperdalam lagi agar terdapat
memiliki pemahaman tentang fungsi dari linier program yang baik dan maksimal bagi
para mahasiswa.
3. Sebaiknya mata kuliah manajemen tambanh juga semakin berkembang kearah
modernisasi yang diikuti dengan pengenalan software-software lain dan terbaru yang
berkaitan dengan mata kuliah bersangkutan.