Nama : Ahmad Habibi Tutugo

Kelas : VI R H
NIM : 165502558
Dosen Pengampu : Kabul Trifiyanto

RESUME PROGRAM LINIER

1. PENGANTAR
Program linier atau liniear programming atau sering disingkat dengan "LP" merupakan salah satu
teknik OR yang digunakan paling luas dan diketahui dengan baik yang di mana merupakan metode
matematika dalam mengalokasikan sumber daya yang langka untuk mencapai tujuan tunggal
semisal memaksimalkan keuntungan dan meminimalkan biaya yang dikeluarkan. Linear
programming berkaitan dengan penjelasan suatu dunia nyata sebagai suatu model matematika
yang terdiri atas sebuah fungsi tujuan linear dan sistem kendala linear. Linear programming itu
juga banyak di terapkan dalam membantu menyelesaikan masalah sosial, ekonomi, industri, dan
lain-lain.
Seorang ploner linear programming yang disegani banyak orang yaitu George B.Dantzig berhasil
menemukan metode mencari solusi masalah LP dengan banyak variabel keputusan, di mana dia
bekerja pada penelitian teknik matematika untuk memecahkan masalah logistik militer. Ketika ia
dipekerjakan oleh Angkatan Udara Amerika Serikat selama perang dunia ke-2. Penelitiannya
didukung oleh ahli-ahli lain seperti: Von Neumann, L.Hurwicz dan T.C.koopman. nama asli dari
teknik penelitian ini adalah program saling ketergantungan kegiatan-kegiatan dalam suatu struktur
linear yang kemudian disingkatkan menjadi linear programming.
Paper pertama yang berisi metode solusi yang sekarang dikenal sebagai metode simpleks
publikasikan oleh Dantzig tahun 1947. Pada tahap awal penerapan penerapan linear programming
banyak dijumpai pada masalah-masalah militer seperti logistik, transportasi dan perbekalan.
Kemudian program linear segera diterapkan dalam bidang pemerintah dan bisnis hasilnya linear
programming diakui sebagai pendekatan penyelesaian masalah yang sangat penting untuk
menganalisa keputusan dalam bidang bisnis. Disamping itu analisis input output dari wassaly
Leontief Memberikan suatu tes untuk menelpon linear programming pada analisis ekonomi antar
industri akhir-akhir ini aplikasinya telah meningkat dengan perkembangan yang cepat yang
diakibatkan dengan munculnya dukungan komputer elektronik.

2. FORMULASI MODEL LP
Masalah keputusan yang sering dihadapi Analisis adalah alokasi optimum sederhana yang langka
yang di mana sumber daya itu dapat berupa uang, bahan mentah, tenaga kerja, teknologi, dan
sebagainya. Tugas Analisis adalah mencapai hasil terbaik yang mungkin dan keterbatasan sumber
daya yang ada. Hasil yang diinginkan mungkin ditunjukkan sebagai maksimisasi yang berupa
seperti profit, penjualan dan sebagainya. Dan minimisasi biaya, jarak dan waktu.
Setelah masalah diidentifikasikan serta tujuan ditetapkan, maka langkah selanjutnya yaitu formasi
model matematika yang meliputi tiga tahap yaitu sebagai berikut:

a. Tentukan variabel yang tidak diketahui seperti variabel keputusan dan Nyatakan dalam simbol
matematika.
b. Membentuk fungsi tujuan yang ditunjukkan sebagai suatu hubungan linear yang di mana bukan
perkalian dari variabel keputusan.
c. Menentukan semua kendala masalah tersebut dan mengekspresikan dalam persamaan atau
pertidaksamaan yang merupakan hubungan linear dari variabel keputusan yang mencerminkan
keterbatasan sumber daya masalah itu.
Yang perlu diingat di dalam pembentukan model bukan bersifat ilmiah murni tetapi lebih bersifat
seni dan akan menjadi dimengerti terutama karena praktiknya. Oleh karena itu pada review yang
saya buat ini akan disajikan dua contoh yang menunjukkan langkah-langkah formulasi model
linear programming.
Contoh 1: masalah kombinasi produk.
Sebuah perusahaan Rama Gombong menghasilkan 3 jenis produk yaitu sepatu , tas dan dompet.
Jumlah waktu kerja buruh yang tersedia adalah 240 jam kerja dan bahan mentah 400 kg dan harga
masing-masing produk adalah seperti yang terjadi pada tabel di bawah ini:

Kebutuhan Sumber Daya

Harga
Jenis Produk Buruh Bahan (Rp/unit)
(Jam/unit) (Kg/unit)
Produk 1 (sepatu) 6 8 5
Produk 2 (tas) 4 10 7
Produk 3 (dompet) 8 6 4
Masalah yang dihadapi perusahaan adalah menetukan jumlah masing masing produk yang harus
dihasilkan agar keuntungan maksimum, selanjutnya masalah tersebut dirumuskan dalam model
LP.
a) Menentukan Variabel (variabel keputusan)
Dalam masalah ini variable ada tiga yaitu,
Variabel 1 adalahJumlahProduk 1 dilambangkan dengan X1
Variabel 2 adalahJumlah Produk 2 dilambangkan dengan X 2
Variabel 3 adalah Jumlah Produk3 dilambangkan dengan X3

b) Fungsi Tujuan
Tujuan dari dari masalah kombinasi produk tersebut adalah untuk memaksimumkan penerimaan
total.
- Penerimaan total produk 1 (X1) adalah perkalian antara jumlah produk 1 dengan harga per
unit produk 1 (Rp 5)
- Penerimaan total produk 2 (X2) adalah perkalian antara jumlah produk 2 dengan harga per
unit produk 1 (Rp 7)
- Penerimaan total produk 3 (X3)adalah perkalian antara jumlah produk 1 dengan harga per unit
produk 3 (Rp 4)

Penerimaan Total (Z) dapat dituliskan Zmax = 5X1 + 7X2 + 4X3 .

c) Sistem Kendala
Dalam hal ini kendala yang dihadapi adalah jumlah buruh dan bahan mentah yang terbatas.
1) Kendala Buruh dengan jam kerja yang tersedia adalah 240 jam
- Produk 1 (X1) Jam kerja buruh untuk tiap unit adalah 6 jam ditulis 6X 1 jam.
- Produk 1 (X2) Jam kerja buruh untuk tiap unit adalah 4 jam ditulis 4X 2 jam.
- Produk 1 (X3) Jam kerja buruh untuk tiap unit adalah 8 jam ditulis 8X 3jam.

Fungsi kendala (1)untuk Jumlah Buruh adalah :6X1 + 4X2 + 8X3 ≤ 240

2) Kendala Bahan Mentah

- Produk 1 (X1) bahan mentah untuk tiap unit adalah 8 kg ditulis 8X1 kg.
- Produk 1 (X2) bahan mentah untuk tiap unit adalah 10 kg ditulis 10X2 kg.
- Produk 1 (X3) bahan mentah untuk tiap unit adalah 6 jam ditulis 6X 3 kg.

Fungsi kendala (2) untuk Jumlah Buruh adalah :8X1 + 10X2 + 6X3 ≤ 400

Ada batasan bahwa masing-masing variable hanya pada nilai positif karena tentunya tidak
masuk akal jika menghasilkan produk dengan jumlah negative. Kendala-kendala ini dinamai
dengan non-negativity constraints, secara matematika ditulis dengan :
X1 ≥ 0, X2 ≥ 0, X3 ≥ 0

Masalah Linear Programing diatas secara lengkap secara matematis dapat dirumuskan sebagai
berikut:
Maksimum, Z = 5X1 + 7X2 + 4X3 .
Kendala 6X1 + 4X2 + 8X3 ≤ 240
8X1 + 10X2 + 6X3 ≤ 400
X1 , X2 , X3 ≥ 0

- Contoh Formulasi Model 2 Masalah Transportasi

Bulog ingin mengangkut beras dari dua daerah surplus ke tiga daerah yang kekurangan pangan.
Pasokan dari daerah surplus dan permintaan dari daerah kekurangan serta ongkos angkut per unit
pada masing-masing jalur transportasi disajikan melalui data berikut:
Daerah Tujuan
DKI Kaltim NTT Pasokan

8 5 6 120
Jatim
Daerah asal 10 12 80
Sulsel 15

Permintaan 70 60 200
100
230

Permasalahan yang dihadapi bulog adalah menentukan pola pengiriman (distribusi) sedemikian
rupa sehingga biaya transportasi total dapat diminimumkan. Agar masalah ini dapat dirumuskan
dalam model LP diperlukan dua asumsi:
1) Hanya ada satu jenis beras sehingga kekurangan dapat diambil dari mana saja dan kelebihan
dapat diirim kemana saja.
2) Onkos angkut perunit adalah tetap atau tidak dipengaruhi oleh jumlah yang diangkut.

a. Variabel Keputusan
Yang harus dirumuskan disini adalah volume beras yang diangkut dari setiap daerah surplus ke
daerah kekurangan, Misalnya :

Xij adalahVolume beras dari sumber i ketujuan j

Dimana : i = 1 adalah Jatim dan i= 2 adalah Sulsel
j = 1 adalah DKI, j = 2 Kaltim, j = 3 NTT ,Berarti terdapat 6 variabel.

b. Fungsi Tujuan
Tujuan Bulog adalah menekan biaya transportasi total, maka fungsi tujuan dapat dituliskan
 Z = 8X11 + 5X12 + 6X13 + 15X21 + 10X22 + 12X23

C. Fungsi Kendala
Kendalanya adalah jumlah permintaan lebih besar dari pasokan, berarti seluruh pasokan akan
habis, sehingga kendala pasokan bertanda =, tidak semua pasokan akan terpenuhi sehingga
kendala permintaan bertanda ≤ , maka model LP maslah tersebut menjadi:

Minimumkan Z = 8X11 + 5X12 + 6X13 + 15X21 + 10X22 + 12X23

Dengan syarat X11 + X12 +X13 = 120
X21 + X22 + X23 = 80
X12+ X21 ≤ 100
X11 + X22 ≤ 70
X11 + X12 ≤ 60
Ciri khas masalah transportasi adalah pada kendala yang mangatakan bahwa semua koefisien
nilainya sama dengan satu.

3. BENTUK UMUM LP
Di dalam 2 contoh yang dipaparkan di atas, Dapat dijelaskan bahwa terlihat adanya suatu pola
yang khas untuk merumuskan secara umum suatu masalah linear programming. Di dalam 2 contoh
masalah tersebut di tentukan variabel keputusan, fungsi tujuan, dan sistem kendala yang bersama-
sama membentuk suatu model matematika dari dunia nyata. Dan membentuk sebuah bentuk umum
model linear programing.
Dengan syarat: aqxj (<,=,>)bi, untuk semua i(i=1,2,... m) semua xj > 0 dengan keterangan :
Xj = Banyaknya kegiatan j
z = nilai fungsi tujuan
cj = sumbangan per unit kegiatan j, untuk masalah maksimisasi cj menunjukan keuntungan atau
peneriman per unit, sementara dalam kasus minimasisasi ia menunjukan biaya per unit
bi = jumlah sumberdaya i
aij = banyaknya sumber daya i yang dikonsumsi j.

Agar diperhatikan bahwa "harga" suatu kegiatan tidak dapat hanya dinilai berdasarkan koefisien
fungsi tujuan cj, konsumsi sumber daya dari kegiatan yang bersangkutan juga merupakan hal
penting. Hal ini dikarenakan cj akan semua kegiatan dalam model Setiap kegiatan tergantung pada
koefisien fungsi tujuan maupun konsumsinya terhadap sumber daya a ij. Ini membuktikan bahwa
suatu kegiatan Dengan keuntungan per unit yang tinggi mungkin tidak dijalankan karena
penggunanya akan sumber daya langka yang berlebihan.

4. Asumsi Model Linear Programming

Di dalam model linear programming terdapat konsumsi implisit tertentu yang harus dipenuhi agar
definisinya sebagai suatu masalah linear programming menjadi absah. Asumi itu menuntut
bahwa hubungan fungsional dalam masalah itu adalah linear dan aditif, dapat dibagi,
deterministik.
 a. Liniearity dan Additivity
Jalan utama dari linear programing yaitu bahwa tujuan dan semua kendala harus linier. Jika
suatu kendala melibatkan dua variabel keputusan dalam diagram dimensi 2 ia akan berupa suatu
garis lurus. Begitu juga Suatu kendala yang melibatkan tiga variabel akan menghasilkan suatu
bidang datar dan kendara yang melibatkan n variabel yang akan menghasilkan hyperplane
( bentuk geometris yang rata) dalam ruang berdimensi n.
Kata linier secara tidak langsung mengatakan bahwa hubungannya proposional yang bermaksud
bahwa tingkat perubahan atau kemiringan hubungan fungsional itu adalah konstan dan karena itu
perubahan nilai variabel akan mengakibatkan perubahan relatif nilai fungsi dalam jumlah yang
sama.
LP mengisyaratkan bahwa jumlah variabel kriteria dalam jumlah penggunaan sumberdaya harus
bersifat aditif. Semisal keuntungan total Z yang merupakan variabel kriteria sama dengan jumlah
Keuntungan yang diperoleh dari masing-masing kegiatan. Juga seluruh sumber daya yang
digunakan untuk semua kegiatan harus sama dengan jumlah sumber daya yang digunakan untuk
masing-masing kegiatan.
Aditif dapat diartikan sebagai tidak adanya penyesuaian pada perhitungan variabel kriteria karena
terjadi interaksi. Misalnya dalam sebuah masalah kombinasi produk disebutkan bahwa
keuntungan per unit produk 1 adalah Rp 3,-. Produk 2 sebesar Rp 5,-, produk 3 sebesar Rp 2,-
jika masing-masing produk dijual secara terpisah, maka bisa saja jika ketiga produk dijual secara
serentak pada daerah yang sama maka akan menyebabkan penurunan keuntungan sehingga perlu
memasukkan penyesuaian interaksi ke dalam variabel kriteria.
b. Divisibilty
Asumsi ini berarti bahwa nilai solusi yang diperoleh, xji tidak diharuskan berupa bilangan bulat
yang di mana menunjukkan bahwa nilai dapat terjadi pada nilai pecah mana pun. Oleh karena itu
variabel keputusan merupakan variabel kontinu yaitu sebagai lawan dari variabel diskrit atau
bilangan bulat.

c. Deterministic
Dalam linier programming semua parameter model diasumsikan diketahui konstan. Linear
programming secara tak langsung mengasumsikan bahwa suatu masalah keputusan dalam suatu
kerangka statis dimana semua parameter diketahui dengan kepastian. Walaupun dalam kenyataan
parameter model sekarang bersifat deterministik, dan keadaan masa depan masih dalam
ketidakpastian.
Ada beberapa metode untuk mengatasi ketidakpastian parameter dalam model linear
programming. Analisis sensitivitas adalah suatu teknik yang dikembangkan untuk menguji nilai
solusi dan untuk mengetahui kepekaan terhadap perubahan-perubahan parameter.
5. PENYELESAIAN GRAFIK MODEL LINEAR PROGRAMMING

Bahasa pemrograman dapat diilustrasikan dan dipecahkan secara grafik Jika ia hanya memiliki dua
variabel keputusan. Dapat di kita simpulkan bahwa yang menjadi dasar untuk membentuk metode
pemecahan atau solusi yang umum yaitu melalui algoritma simpleks. Misalnya suatu perusahaan
menghasilkan dua jensi produk, yaitu produk 1 dan produk 2. Setiap produk membutuhkan sumber
daya sesuai dengan table di bawah ini :

Sumber Daya Yang

Sumber daya Produk 1 Produk 2 Tersedia
Bahan mentah 1 2 10
Buruh 6 6 36
Keuntungan/unit 4 5
Ada kendala lain dimana permintaan produk 1 di pasaran tidak akan melebihi 4 unit.
Langkah penyelesaian meliputi:
1) Pembuatan model Linear Programming (LP), sehingga dari data di table dapat dituliskan
model LP sebagai berikut :
Misalkan X1 adalah Produk 1, X2 adalah produk 2, maka
Fungsi tujuan : Z = 4X1 + 5X2
Batasan : X1 + 2X2 ≤ 10
6X1 + 6X2 ≤ 36
X1 ≤4
X1 ≥ 0; X2 ≥ 0.
2) mengubah model LP yang ada pada langkah (1) dari bentuk kendala pertidaksamaan ke dalam
bentuk persamaan linear, sehingga diperoleh:
Fungsi tujuan : Z = 4X1 + 5X2
Dengan Batasan sebagai berikut :
a) X1 + 2X2 ≤ 10 menjadi X1 + 2X2 = 10
Untuk X1 = 0 maka X2 = 5 sehingga diperoleh titik koordinat (0,5)
Untuk X2 = 0 maka X1 = 10 sehingga diperoleh titik koordinat (10,0)

b) 6X1 + 6X2 ≤ 36 menjadi 6X1 + 6X2 = 36

Untuk X1 = 0 maka X2 = 6 sehingga diperoleh titik koordinat (0,6)
Untuk X2 = 0 maka X1 = 6 sehingga diperoleh titik koordinat (6,0)

c) X1 ≤ 4 menjadi X1 = 4

3) menggambarkan grafik penyelesain model LP sesuai dengan batasan yang sudah diketahui
titik koordinatnya, sehingga di peroleh:

Daerah bersamaan yang ditunjukkan oleh area ABCDE merupakan solusi layak atau ruang solusi.
Pada titk A, B disebut sebagai titik sudut yang membatasi daerah optimum (layak), atau disebut
sebagai titik ekstrimnya. Titik ini diperoleh melalui perpotongan antara sumbu X 1 dan X2. Titik
esktrim ini penting untuk diperhatikan sebab dari sekian titik ekstrim akan menghasilkan
penyelesaian yang optimal sesuai dengan permasalahan yang akan dipecahkan.
Pada metode grafik, untuk bisa menentukan salah satu titik ekstrim yang optimal, maka harus
disesuaikan dengan fungsi tujuan yang ada. Berdasarkan ruang solusi, maka hrus ditentukan nilai
titik (X1,X2) sehingga menunjukkan nilai paling baik terhadap fungsi tujuannya. Untuk itulah,
fungsi tujuan harus digambarkan.
 Misalkan kita tentukan nilai untuk fungsi tujuan (Z) secara acak, sehingga diperoleh, jika
Z1 = 10 = 4X1 + 5X2 diperoleh titik koordinat (0,2) untuk X1=0 dan (2.5, 0) untuk X2=0
Z2 = 20 = 4X1 + 5X2 diperoleh titik koordinat (0,4) untuk X1=0 dan (5, 0) untuk X2=0
Z3 = 25 = 4X1 + 5X2 diperoleh titik koordinat (0,5) untuk X1=0 dan (6.25, 0) untuk X2=0
Z4 = 40 = 4X1 + 5X2 diperoleh titik koordinat (0,8) untuk X1=0 dan (10, 0) untuk X2=0
Dan seterusnya.

Selanjutnya kita dapat menggambarkan grafik untuk fungsi tujuan diatas, sehingga diperoleh
grafik sepeti di bawah ini

Hasil grafik menunjukkan bahwa Z4 > Z3 > Z2 > Z1, sehingga Z bukan nilai yang terbaik, karena
fungsi tujuan dapat terjadi pada nilai yang lebih besar. Akan tetapi Z 4, tidak bisa dikatakan
optimal karena garisi ini tidak mengandung titik (X1,X2) yang memenuhi batasan yang ada.

Pada kasus ini, Z3 = 25 memiliki titik B (2,4) yang berada dalam ruang solusi dan lebih besar dari
semua nilai Z lain yang memenuhi. Sehingga dapat dikatakan bawah nilai Z maksimum terjadi
pada titik B.

a. Masalah tak layak

Dalam beberapa kasus suatu masalah linear programming mungkin tidak memiliki solusi yang
layak dengan kata lain pada titik-titik yang secara serentak memenuhi semua kendala dalam
masalah tersebut. Suatu contoh masalah yang terlahir dirumuskan pada model berikut yang
ditunjukkan pada grafik dibawah ini.

Maksimumkan Z= 5X1 + 3X2

Dengan syarat: 4X1 + 2 X2 < 8
X1 >3
X2 >7
X1 X2 > 0

X2

8 X1 > 3
 6

4 4X1 + 2X2 < 8

0 2 4 6 8 10 X1

Karena ketika kendala tidak tumpang tindih maka di sini tidak ada ruang solusi yang layak
sehingga fungsi tujuan tidak melewati suatu titik yang memenuhi ketiga Kendala.
b. Masalah tak terbatas
Dalam beberapa masa lalu bangsa Indonesia yang layak dibentuk oleh kendala-kendala yang
tidak dibatasi dalam suatu batas yang tertutup. Dalam hal ini, fungsi tujuan dapat meningkat tak
terbatas tanpa pernah mencapai batas maksimalnya karena dia tak pernah mencapai batas
kendala. Berikut contoh jenis masalah yang disajikan grafik sebagai berikut.
Maksimumkan Z = 4X1 + 2X2
Dengan syarat: -X1 + 2 X2 < 6
-X1 + X2 < 6
X1 X2 > 0

X2

10 -X 1 + X2 < 2

6 -X + 2X 2 < 6

0 -6 -4 -2 0 2 4 6 8

Karena masalah ini menghasilkan nilai fungsi Tujuan yang dapat meningkatkan tanpa batas itu
maka berarti jelas masalah ini tidak realistik. Masalah maksimisasi yang realistik memiliki
keterbatasan sumber daya yang mengakibatkan nilai fungsi tujuan besar tak terhingga adalah tak
mungkin. Jadi dapat disimpulkan bahwa masalah maksimisasi tidak terbatas akan terjadi hanya
jika terjadi kesalahan dalam perumusan model linear programming atau jika suatu kendala telah
dihilangkan karena kurang cermat. Yang perlu diingat lagi dalam masalah minimisasi jika semua
variabel dibatasi pada nilai-nilai non negatif maka solusinya akan terjadi pada titik asal.