PROPOSAL PENELITIAN

IMPLEMENTASI GOAL PROGRAMMING UNTUK MENGOPTIMALKAN

PENDAPATAN DARI USAHA PRODUKSI AIR MINUM DALAM
KEMASAN PADA PT. AGUAMOR TIMORINDO BAUMATA
KUPANG

Oleh:

Yonatan Tertulianus Belipati

1201031016

PROGRAM STUDI PENDIDIKAN MATEMATIKA

JURUSAN PENDIDIKAN MIPA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS NUSA CENDANA
KUPANG
2015
 BAB I
PENDAHULUAN

A. Latar Belakang

Kemajuan ilmu pengetahuan dan teknologi telah membawa pemrograman linier

menjadi suatu alat yang sangat berperan penting dalam dunia usaha. Pemrograman linier

(PL) memiliki pengertian sebagai suatu model umum yang dapat digunakan dalam

pemecahan masalah pengalokasian sumber-sumber yang terbatas secara optimal

(Subagyo, 1983 : 9), dimana penerapan program linier ini pada umumnya meliputi

permasalahan pengalokasian sumber daya yang terbatas ditengah aktifitas-aktifitas yang

saling bersaing melalui jalan/cara yang terbaik (optimal).

Suatu organisasi bisnis atau industri yang bergerak dalam bidang produksi dan

penjulan barang misalnya dalam kegiatan usahanya selalu merencanakan kegiatan yang

pada dasarnya ingin menghasilkan profit atau keuntungan yang besar namun

menggunakan biaya produksi dan penggunanaan bahan baku yang seminim mungkin.

Berhadapan dengan keinginan seperti ini, analisis program linier sangat mampu

memberikan jaminan solusi yang terbaik dengan dengan teknik pemodelan masalah

terlebih dahulu kemudian diselesiakan dengan salah satu teknik penyelesaian yang ada

dan hasilnya dianalisis untuk diterapkan.

Dalam kenyataannya, sebuah perusahaan atau pelaku usaha tidak selalu berhadapan

dengan masalah-masakah yang dapat dipecahkan secara sederhana menggunakan model

program linier. Ketika terdapat beberapa sasaran atau target yang ingin dicapai maka

semua target tersebut menjadi tujuan yang hendak dicapai. Permasalahan seperti itu

sedikit berbeda dengan masalah PL yang selalu ditemukan.

PT. Aguamor Timorindo Baumata merupakan salah satu perusahaan yang

memproduksi dan melakukan penjualan air minum dalam kemasan yang bersih dan

sehat. Sebagai perusahaan yang bergerak dalam bidang produksi dan penjualan air
minum dalam kemasan, PT. Aguamor Timorindo Baumata berusaha untuk tetap menjaga

kualitas dengan menghasilkan hasil produksi yang bermutu, sehingga tetap mendapat

kepercayaan dari konsumen.

Untuk perusahaan PT. Aguamor Timorindo Baumata yang bergerak dibidang

produksi dan penjualan air minum dalam kemasan, ada berbagai faktor yang mendukung

keberadaaan dan kehidupan perusahaan tersebut misalnya ketersediaan bahan baku,

biaya-biaya operasional, tenaga kerja, dan harga jual hasil produksi. Namun, seiring

dengan perkembangan ekonomi sekarang ini maka harga bahan baku juga ikut

meningkat yang menyebabkan upah tenaga kerja pun ikut meningkat sedangkan

perusahaan tidak dapat menaikkan harga jual hasil produksi begitu saja. Hal ini tentunya

berdampak pada keuntungan yang diperoleh perusahaan. Dengan keuntungan yang tidak

maksimal, PT. Aguamor Timorindo Baumata harus bisa mempertahankan kualitas air

minum dalam kemasan hasil produksinya dan juga kualitas pelayanan bagi konsumen

serta untuk mempertahankam luas daerah pasar dari perusahaan pesaing dimana ada

perusahaan-perusahaan lain yang bergerak di bidang produksi air minum dalam

kemasan. Perusahaan selama ini hanya menghitung keuntungan dari hasil penjualan air

minum dalam kemasan yang ada tanpa memperhatikan bagaimana mengoptimalkan

keuntungan dan meminimalisasi biaya serta fktor-faktor pendukung lainnya.

Secara teknis, analisis Goal Proggramming dapat membantu menyelesaikan persoalan

yang ada. Model Goal Proggramming mampu menyelesaikan kasus-kasus PL yang

memiliki lebih dari satu sasaran yang hendak dicapai. Goal Proggramming

merepresentasikan sebuah analisis yang cukup lengkap sebagai pertimbangan yang lebih

baik dalam pengambil keputusan daripada Program Linier. Hal ini dikarenakan setiap

sumber daya dan persediaannya dikontrol penggunaannya agar tetap tersedia dan

tentunya tidak ada waktu tunggu yang mengganggu kelancaran proses produksi. Analisis
ini mampu memberikan pertimbangan yang terbaik untuk semua komponen namun tidak

selalu optimal profitnya. Aplikasi Goal Proggramming sudah banyak ditemukan dalam

berbagai bidang, misalnya industri, pemasaran, pertanian, peternakan, kehutanan, dan

bidang-bidang lainnya.

Karena merupakan pengembangan atau perluasan dari Program Linier maka seluruh

asumsi, notasi, formulasi model matematis, prosedur perumusan model, dan

penyelesaiannya tidak jauh berbeda dengan PL (Siswanto, 2007: 431). Selain itu, dalam

Goal Proggramming juga terdapat dualitas, analisa sensitifitas, dan parametriknya.

Beberapa penelitian sebelumnya yang berkaitan dengan analisa sensitifitas dan

dualitas serta Program Linier dan Goal Proggramming adalah “Kajian Masalah Linear

Programming Tujuan Multidimensi dengan Metode Grafik dan Simpleks” oleh

Damianus Samo yang dalam penelitian ini menampilkan dan menganalisis penyelesaian

grafik dan prosedur perhitungan metode simpleks untuk menyelesaikan masalah Goal

Programming, “Aplikasi Goal Programming dengan Tujuan Mulitidimensi dalam

rangka Optimalisasi Ternak Ayam Broiler pada Perusahaan PT. Mitra Sinar Jaya

Kupang” oleh Yantonius Coo Sawu yang dalam penelitian ini menerapkan konsep Goal

Programming untuk mengoptimalkan faktor-faktor penunjang pada perusahaan PT.

Mitra Sinar Jaya Kupang, “Kajian Dualitas, Analisa Sensitifitas, dan Parametrik dari

Masalah Goal Progrmming” oleh Talisadika Maifa yang mengkaji secara lengkap

mengenai konsep dualitas, analisa sensitifitas, dan parametrik dari Goal Programming

disertai pembahasan contoh yang relevan, dan “Implementasi Dualitas, Analisa

Sensitifitas, dan Parametrik Goal Programming untuk Mengoptimalkan Pendapatan

pada Usaha Perumahan PT. Lopo Indah Permai Kupang” oleh Metti Enok yang dalam

penelitian ini menerapkan Goal Programming untuk mengoptimalkan faktor-faktor

penunjang pada perusahaan PT. Lopo Indah Permai Kupang.

 Berpedoman pada penelitian sebelumnya, maka penulis tertarik untuk menerapkan

konsep Goal Programming secara manual maupun dengan program komputer LINDO

dengan judul “Implementasi Goal Programming Untuk Mengoptimalkan

Pendapatan Dari Usaha Produksi Air Minum Dalam Kemasan Pada PT. Aguamor

Timorindo Baumata Kupang”.

B. Perumusan Masalah

Berdasarkan uraian pada latar belakang di atas, maka rumusan masalahnya adalah:

1. Bagaimana model dualitas dari produksi air minum dalam kemasan pada PT.

Aguamor Timorindo Baumata dan solusi optimalnya?

2. Bagaimanakah analisis sensitifitas dan parametrik untuk perubahan-perubahan yang

mungkin terjadi terhadap solusi optimal yang telah diperoleh sebelum terjadi

perubahan?

C. Tujuan Penelitian

Sebagaimana yang disebutkan dalam latar belakang dan rumusan masalah maka

tujuan yang ingin dicapai adalah menggunakan konsep Goal Programming untuk

mengopimalkan hasil produksi air minum dalam kemasan pada PT. Aguamor Timorindo

Baumata .

D. Manfaat Penelitian

1. Bagi PT. Aguamor Timorindo Baumata sebagai alat analisis dan perhitungan dalam

rangka pengambilan keputusan yang tepat.

2. Dapat memotifasi mahasiswa untuk mengaplikasikan Goal Programming pada bidang

lain.
 3. Mengembangkan kemampuan penulis dalam mengaplikasikan ilmu pengetahuan yang

dimiliki terhadap situasi kehidupan nyata.

E. Definisi Operasional

1. Goal Programming merupakan pengembangan dari Program Linier yang mana model

ini mampu menyelesaikan kasus-kasus pemrograman linier yang memiliki lebih dari

satu sasaran yang akan dicapai.

2. Dualitas adalah sebuah konsep dalam pemrograman linier yang menjelaskan secara

matematis bahwa sebuah kasus PL terdiri dari masalah primal dan dual dan konsep ini

berguna untuk menginterpretasikan angka-angka yang terdapat pada tabel optimal dari

masalah primal.

3. Analisa sensitifitas adalah suatu analisis yang menjelaskan sejauh mana parameter-

parameter model pemrograman linier, yaitu koefisien fungsi tujuan dan nilai ruas

kanan kendala boleh berubah tanpa harus mempengaruhi penyelesaian optimal.

4. Analisa parametrik adalah suatu cara atau model untuk mencari dan menguraikan

suatu perubahan dalam pemrograman linier dalam rangka mendapatkan solusi optimal

dengan uraian permulaan yang bervariasi secara terus-menerus di dalam model

parametrik.

5. Metode simpleks adalah suatu metode yang memerlukan perhitungan berulang-ulang

atau sering disebut prosedur iteratif.

 BAB III
METODOLOGI PENELITIAN

A. Jenis Penelitian

Penelitian ini adalah penelitian matematika yang termasuk dalam kategori

pengembangan metode matematika terapan, yang dikombinasikan dengan aplikasi secara

langsung yang dilaksanakan untuk memperluas dan memperdalam pengetahuan secara

teoritis.

B. Lokasi Penelitian

Penelitian ini berkaitan dengan pengambilan data yang dilaksanakan di perusahaan

PT. Aguamor Timorindo Baumata.

C. Prosedur Penelitian

Adapun prosedur dalam penelitian ini mencakup beberapa tahapan yang dimulai

dengan penetapan tujuan yang ingin dicapai pada perusahaan dengan prioritas tujuannya

masing-masing. Penetapan ini dilakukan sebagai langkah awal pengembangan model

Goal Programming. Setelah penetapan tujuan dan prioritasnya, dilakukan pemisalan

variabel berdasarkan data yang diberikan kemudian dikembangkan model

matematikanya berdasarkan model dari Goal Programming. Model Goal Programming

yang terbentuk kemudian diselesaikan dengan metode simpleks dan program komputer

LINDO untuk mendapatkan penyelesaian yang akurat untuk masalah yang ada. Setelah

mendapatkan penyelesaian optimal maka langkah selanjutnya adalah menerapkan konsep

dualitas, analisa sensitifitas, dan arametriknya guna mengoptimalkan pendapatan pada

PT. Aguamor Timorindo Baumata.

D. Variabel-variabel Data

Variabel-variabel data yang digunakan dalam data penelitian ini terdiri dari:

1. Variabel keputusan

Variabel keputusan adalah variabel yang belum diketahui. Variabelnya terdiri dari:

 Banyaknya waktu kerja optimal yang dibutuhkan untuk satu kali produksi.

 Biaya minimun yang diperlukan untuk satu kali produksi

 Keuntungan maksimun yang diperoleh perusahaan.

 Jumlah tenaga kerja minimum yang dibutuhkan perusahaan.

2. Variabel fungsi tujuan

Fungsi tujuan adalah untuk memaksimumkan pendapatan dan meminimumkan biaya

dan faktor pendukung lainnya. Variabelnya terdiri dari:

 Waktu kerja yang dimaksimumkan.

 Biaya yang dimaksimumkan.

 Keuntungan yang dimaksimumkan.

 Jumlah tenaga kerja yang dimaksimumkan.

3. Variabel sistem kendala

Sistem kendala adalah keterbatasan sumber daya yang tersedia. Variabelnya terdiri

dari:

No Variabel
1 Banyaknya tipe kemasan air minum
yang diproduksi
2 Banyaknya waktu kerja yang
dibutuhkan untuk menyelesaikan setiap
tahap pembuatan air minum pada setiap
tipe kemasan
3 Jumlah keuntungan yang diperoleh
untuk setiap tipe kemasan
4 Tenaga kerja
Indikator
 Jumlah tipe kemasan air minum yang
diproduksi
 Jumlah tahapan yang dibutuhkan
untuk membuat satu tipe kemasan
 Jumlah waktu yang dibutuhkan untuk
menyelesaikan setiap tahapan.
 Biaya belanja bahan baku
 Upah tenaga kerja
 Harga jual olahan per unit
 Jumlah tenaga kerja yang diperlukan
untuk memproduksi air minum.
 Pembagian jumlah tenaga kerja untuk
setiap tahap pembuatan air minum.
E. Jenis dan Sumber Data

 Jenis Data

Jenis data dalam penelitian ini adalah data kuantitatif. Data kuantitatif adalah data

yang diperoleh dalam bentuk angka mencakup jumlah tipe air minum dalam kemasan

yang diproduksi, jumlah tahapan yang dibutuhkan untuk membuat satu tipe air minum

dalam kemasan, jumlah waktu yang dibutuhkan untuk menyelesaikan setiap tahapan,

biaya belanja bahan baku, upah tenaga kerja, harga jual air minum dalam kemasan per

unit, jumlah tenaga kerja yang dibutuhkan untuk memproduksi air minum, dan jumlah

tenaga kerja untuk setiap tahapan produksi.

 Sumber Data

Sumber data dalam penelitian ini merupakan sumber data primer. Data pimer adalah

data yang diperoleh langsung dari obyek penelitian, dalam hal ini pada kantor PT.

Aguamor Timorindo Baumata.

F. Teknik Pengumpulan Data

Untuk mengumpulkan data yang diperlukan dalam penelitian ini, menggunakan

teknik pengumpulan data melalui wawancara dimana peneliti mengumpulkan data dari

pihak PT. Aguamor Timorindo Baumata berkaitan dengan jumlah tipe air minum dalam

kemasan, waktu yang dibutuhkan untuk menyelesaikan produksi, keuntungan yang

diperoleh untuk setiap tipe air minum dalam kemasan dan jumlah tenaga kerja.

G. Teknik Analisis Data

Setelah data diperoleh, data akan dianalisa dengan langkah-langkah sebagai berikut:

 Merumuskan model dalam bentuk primal dan dual goal programming.

 Menyelesaikan model dengan metode simpleks dan program LINDO.

 Melakukan analisa sensitifitas untuk perubahan-perubahan yang mungkin terjadi

terhadap solusi optimal yang telah diperoleh sebelum terjadi perubahan yaitu

keuntungan maksimum dan waktu kerja minimum yang dapat diperoleh bagi PT.

Aguamor Timorindo Baumata. Dalam hal ini, dianalisa sampai sejauh mana

perubahan-perubahan yang diperbolehkan terhadap waktu kerja yang ada dan

pengaruhnya terhadap solusi optimal yang diperoleh PT. Aguamor Timorindo

Baumata.

 Melakukan analisa parametrik terhadap perubahan-perubahan yang mungkin terjadi.

Analisa ini bertujuan untuk mendapatkan keuntungan maksimum dan waktu kerja

minimum bagi PT. Aguamor Timorindo Baumata degan menggunakan uraian

permulaan yang bervariasi secara terus-menerus di dalam model parametrik. Dalam

hal ini, nilai parameter yang dihitung dibandingkan dengan jangkauan yang

diperbolehkan untuk setiap nilai ruas kanan fungsi kendala yang diperoleh dari hasil

yang ditampilkan LINDO.

 BAB II
TINJAUAN TEORITIS

A. Arti dan Kegunaan Goal Programming

Goal Programming (GP) merupakan suatu model perluasan dari model pemrograman

linier (PL), yang mana model ini mampu menyelesaikan kasus-kasus PL yang memiliki

lebih dari sati sasaran yang hendak dicapai (Siswanto, 2007: 341). Analisis dari Goal

Programming sendiri memiliki tujuan untuk meminimumkan jarak atau deviasi terhadap

tujuan, target, atau sasaran yang ditetapkan dengan usaha yang dapat ditempuh untuk

mencapai target atau tujuan tersebut secara memuaskan sesuai dengan syarat ikatan yang

ada.

B. Model dan Perumusan Goal Programming

Formulasi untuk Goal Programming pada dasarnya sama dengan formulasi untuk

program linier biasa, dimana asumsi-asumsi, notasi, formulasi model matematis,

prosedur perumusan model, dan penyelesaiannya tidak berbeda. Perbedaannya hanya

terletak pada kehadiran sepasang variabel diviasional yang akan muncul di fungsi tujuan

dan fungsi-funsi kendala. Sehingga, konsep dasar program linier akan selalu melandasi

pembahasan model Goal Programming.

Untuk persoalan dengan k tujuan

𝑧1 = ∑𝑛𝑗=1 𝑐𝑗1 𝑥𝑗 (tujuan 1)

𝑧2 = ∑𝑛𝑗=1 𝑐𝑗2 𝑥𝑗 (tujuan 2)

𝑧𝑘 = ∑𝑛𝑗=1 𝑐𝑗𝑘 𝑥𝑗 (tujuan k)

Beberapa tujuan ini sama-sama dimasukan sebagai fungsi tujuan menyeluruh sehingga

modelnya menjadi:

Maksimumkan Z = minimumkan (z1,z2,...,zk)

Maka penyelesaian optimal untuk (x1,x2,...xk) adalah membuat zk terkecil (k = 1, 2,...., k)

sebesar mungkin.

Fungsi tujuan ini tidak sesuai dengan format program linier sehingga diperlukan

variabel tambahan misalnya z yang mewakili nilai minimum diantara beberapa tujuan

z = minimum (z1,z2,...,zk)

dengan demikian formulasinya menjadi

Maksimumkan Z = z

Yang merupakan suatu fungsi tujuan program linier yang sah yakni dengan satu variabel

dan koefisien variabelnya +1.

Definisi z secara langsung dipadukan dalam suatu model program linier. Hal ini

berarti bahwa;

𝑧 ≤ ∑𝑛𝑗=1 𝑐𝑗1 𝑥𝑗

𝑧 ≤ ∑𝑛𝑗=1 𝑐𝑗2 𝑥𝑗

𝑧𝑘 ≤ ∑𝑛𝑗=1 𝑐𝑗𝑘 𝑥𝑗

Pertidaksamaan ini merupakan kendala-kendala program linier yang sah (semua variabel

diletakkan di ruas kiri agar dalam bentuk yang sesuai). Definisi ini juga menunjukkan

bahwa satu atau lebih dari kendala-kendala ini akan bertahan dalam kesamaan yang

kondisinya sudah terjamin dengan memaksimumkan Z = z.

Sehingga model yang ekuivalen adalah

 Memaksimumkan Z = z

Dengan kendala

∑𝑛𝑗=1 𝑐𝑗𝑘 𝑥𝑗 − 𝑧 ≥ 0 untuk k = 1, 2,..., k

𝑥𝑗 ≥ 0 untuk j = 1, 2,..., n

z tidak akan negatif, maka suatu kendala non negatif dapat dimasukkan ke dalam model

untuk variabel ini juga.

Jika zk tidak diukur menurut unit yang sama maka zk harus dikalikan dengan kendala-

kendala yang sesuai untuk mengkonversinya menjadi ukuran unit yang sama. Bilamana

tujuan-tujuan ini diminimumkan, fungsi tujuan menyeluruh untuk model ini

berubah menjadi:

Miminumkan Z = maksimumkan (z1,z2,...,zk)

Model ini menunjukkan bahwa penyelesaian Goal Programming mengikuti algoritma

penyelesaian minimum untuk setiap persoalan.

Tahap pertama dari Goal Programming adalah menetapkan peubah-peubah

pengambil keputusan kemudian spesifikasi yang dihadapi dianalisis menurut urutan

prioritasnya. Dalam Goal Programming terdapat peubah-peubah deviasional yaitu DAi

dan DBi. Dimana DAi adalah variabel deviasional untuk menampung deviasi yang

berada di atas sasaran dan DBi adalah variasi deviasional untuk menampung deviasi

yang berada di bawah sasaran. Model umum dari Goal Programming adalah sebagai

berikut:

Minimumkan 𝑍 = ∑𝑚
𝑖=1 𝐷𝐵𝑖 + 𝐷𝐴𝑖

Syarat ikatan

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 + 𝐷𝐵1 − 𝐷𝐴1 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 + 𝐷𝐵2 − 𝐷𝐴2 = 𝑏2

.
 .

𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 + 𝐷𝐵𝑚 − 𝐷𝐴𝑚 = 𝑏𝑚

Untuk i = 1, 2,..., m

j = 1, 2,..., n

Dan

𝑋𝑗 , 𝐷𝐴𝑖, 𝐷𝐵𝑖 ≥ 0

Dimana:

DAi dan DBi = Jumlah unit deviasi yang kekurangan (-) atau kelebihan (+) terhadap

tujuan bi.

aij = Koefisien teknologi fungsi kendala tujuan yaitu yang berhubungan

dengan tujuan peubah pengambilan keputusan (Xj).

Xj = Peubah pengambil keputusan atau kegiatan yang kini dinamakan

sebagai sub tujuan.

bi = Tujuan atau target yang ingin dicapai.

Model tersebut menyatakan tentang persoalan pengoptimuman yang dihadapi sebagai

suatu usaha untuk meminimumkan jumlah agregat dari semua deviasi positif dan negatif

yang individual dari tujuan yang ditetapkan. Jadi yang dinilai dan dianalisis dalam Goal

Programming bukanlah tingkat kegiatannya tetapi deviasi dari tujuan, sasaran, atau

target yang ditimbulkan oleh adanya nilai penyelesaian tersebut.

Perumusan Goal Programming pada dasarnya sama seperti perumusan persoalan

program linier biasa. Perbedaannya adalah dalam Goal Programming diberikan

timbangan atau bobot yang khusus pada tujuan-tujuan yang ingin dicapai dan pada

berbagai prioritas yang kita berikan dalam rangka mencapai tujuan-tujuan atau sasaran-

sasaran tersebut.
 C. Prosedur Simpleks Goal Programming

Tabel untuk mentode simpleks Goal Programming dengan prioritas

cB VdB B x1 x2 ... xj DB1 DA1 DB2 DA2 ... DBn DAn

P1 B1 y10 y11 y12 ... y1n y1n+1 y1n+2 y1n+3 y1n+4 ... y1n+m y1n+(m+1)
P2 B2 y20 y21 y22 ... y2n y2n+1 y2n+2 y2n+3 y2n+4 ... y2n+m y2n+(m+1)
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
Pn Bn yn0 yn1 yn2 ... ynm ynm+1 ynm+2 ynm+3 ynm+4 ... ynm+m ynm+(m+n)
yn0
yn1 yn2 ynm ynm+1 ynm+m ynm+(m+n)
Pn × ... ... ... ... ...
×Pn ×Pn × Pn ×Pn ×Pn ×Pn
Pn
ynm ynm+1
yn0× yn1× yn2× ynm+m ynm+(m+n)
Pn-1 ... × ×Pn- ... ... ... ...
Pn-1 Pn-1 Pn-1 ×Pn-1 ×Pn-1
Zj-Cj Pn-1 1
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
yn0 yn1 yn2 ynm ynm+1 ynm+m ynm+(m+n)
P1 ... ... ... ... ...
×P1 ×P1 ×P1 ×P1 ×P1 ×P1 ×P1

Keterangan:

1. Kolom pertama dalam tabel memberikan nilai cB yaitu harga dari vektor-vektor

dalam basis atau yang memiliki identitas matriks.

2. Kolom kedua memberikan vektor-vektor yang ada dalam basis (sebanyak n).

3. Pada kolom ketiga b menyatakan nilai sebelah kanan pada fungsi kendala yang

menyatakan pemecahan awal yang feasibel.

4. Kolom-kolom lainnya yang menyatakan nilai-nilai yij menyatakan koefisien

teknologi fungsi kendala (xj) dan juga vektor-vektor buatan (kalau ada).

5. Baris pertama dari tabel memberikan harga yang sama dengan vektor-vektor yang

bersangkutan, misalnya Cj untuk vektor xj.

6. Baris Zj-Cj menunjukkan proses perhitungan menurut urutan prioritas.

 Pemecahan dengan metode simpleks untuk Goal Programming dengan faktor

prioritas akan dimulai berdasarkan urutan prioritasnya mulai dari prioritas utama

(tertinggi) sampai prioritas terakhir. Hal ini dapat dilihat atau dijelaskan pada baris Zj-Cj

yang memberikan nilai Pn, Pn-1, sampai P1.

Karena persoalan Goal Programming merupakan algoritma minimalisasi maka yang

pertama kita lihat adalah baris Zj-Cj yang lebih besar dari nol berdasarkan prioritasnya

sebagai kolom kunci. Baris kunci atau vektor yang keluar dari tabel yang dipilih

𝑥𝐵𝑟 𝑥
berdasarkan = min 𝑖 {𝑦𝐵𝑖 , 𝑦𝑖𝑘 > 0}. Nilai Zj pada baris terakhir adalah harga
𝑦𝑟𝑘 𝑖𝑘

perkalian b dan cB pada baris yang sama.

Untuk setiap tabel baru akan ditentukan nilai kuncinya berdasarkan perpotongan

kolom kunci dan baris kunci nilai-nilai pada tabel baru tersebut diperoleh dengan

menggunakan ring Arround The Rosy Method:

𝑦
𝑦𝑖𝑗 = 𝑦𝑖𝑗 − 𝑦𝑖𝑘 𝑦 𝑟𝑗
𝑟𝑘

Penentuan solusi yang feasibel berdasarkan pada tiap prioritas dimana setelah

prioritas pertama nilai Zj-Cj tidak ada lagi yang positif, dilakukan perhitungan untuk

prioritas kedua dan seterusnya dengan menggunakan perhitungan yang sudah dijelaskan

sebelumnya sampai pada prioritas terakhir dimana semua nilai Zj-Cj tidak ada lagi yang

positif.

Beberapa hal yang dapat ditemukan dalam pembentukan matriks dalam tabel yaitu:

a. Untuk setiap fungsi tujuan dengan bobotnya ditulis sebagai nilai Cj sesuai

prioritasnya.

b. Jika terdapat prioritas yang sama untuk dua tujuan maka nilai Zj merupakan hasil

perkalian b dan cB pada baris yang sama dan dijumlahkan dengan perkalian b dan cB

pada prioritas yang sama.

D. Solusi Goal Programming

Penyelesaian masalah Goal Programming sesuai dengan metode simpleks memiliki

dua kemungkinan solusi yakni solusi tunggal dan solusi banyak. Dengan karakteristik

sebagai berikut:

1. Pemecahan tunggal diperoleh ketika setiap nilai pada baris Zj-Cj ≤ 0

2. Banyak penyelesaian diperoleh ketika nilai Zj-Cj ≥ 0 dikeluarkan dari tabel maka akan

diperoleh alternatif penyelesaian ini yang tetap optimal. Penyelesaian ini

memungkinkan untuk masalah dengan tujuan tunggal.

E. Konsep Dualitas Goal Programming

Persoalan program linier terdiri dari primal dan dual, dimana pemecahan persoalan

primal sekaligus menghitung pemecahan masalah dualnya.

Adapun hubungan antara primal-dual adalah sebagai berikut:

Bentuk hubungan di atas adalah:

1. Bila fungsi tujuan primal diminimumkan maka fungsi tujuan dual dimaksimalkan.
2. Koefisien-koefisien fungsi tujuan primal menjadi nilai ruas kanan kendala-kendala

dual.

3. Nilai ruas kanan kendala primal menjadi koefisien-koefisien fungsi tujuan dual.

4. Tanda kendala pertidaksamaan ≥ pada primal menjadi tanda ketidaknegatifan ≥

variabel dual.

5. Tanda ketidaknegatifan ≥ variabel primal menjadi tanda kendala ≤ kendala-kendala

dual.

Selanjutnya, dalam kasus-kasus tertentu sering dijumpai tanda kendala “=”, oleh

karena itu:

1. Tanda kendala persamaan “=” pada model primal menjadikan variabel keputusan

pada model dualnya tidak dibatasi (bisa bernilai positif dan negatif)

2. Untuk kendala dengan variabel keputusan (xi) yang tidak memiliki batas dapat

diekspresikan dengan menggunakan substitusi xi = xi1 + xi2 dengan xi1, xi2 ≥ 0.

Ketika menyelesaikan suatu masalah primal maka dengan sendirinya penyelesaian

untuk masalah dualnyapun telah didapatkan. Hal-hal tersebut adalah sebagai berikut:

1. Nilai maksimum fungsi tujuan primal sama dengan nilai minimum fungsi tujuan dual.

2. Nilai optimal variabel keputusan primal sama dengan nilai dual price dual.

3. Nilai dual price primal sam dengan nilai optimal variabel keputusan dual.

Lebih jelasnya, perhatikan tabel berikut.

Tabel Simpleks Akhir Primal

Vdb b x1 x2 ... xn s1 s2 ... sn

Zj - Cj Z Z1–C1 Z2–C2 ... Zn–Cn y1 y2 ... yn

Selanjutnya akan diubah masalah program linier biasa yang telah ada, seperti yang

dibahas di atas menjadi masalah Goal Programming untuk didapatkan bentuk primal-

dualnya. Adapun langkah-langkahnya adaalah sebagai berikut:

1. Menjadikan fungsi tujuan dan semua fungsi kendala yang ada pada program linier

biasa menjadi kendala-kendala pada masalah GP.

2. Fungsi tujuan dari Goal Programming adalah minimum, yaitu meminimumkan

variabel-variabel deviasional yang ada.

Primal Goal Programming

Minimumkan 𝑍 = ∑𝑛𝑖=1 𝐷𝐵𝑖 + 𝐷𝐴𝑖

Syarat ikatan

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 + 𝐷𝐵1 − 𝐷𝐴1 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 + 𝐷𝐵2 − 𝐷𝐴2 = 𝑏2

𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 + 𝐷𝐵𝑚 − 𝐷𝐴𝑚 = 𝑏𝑚

Untuk i = 1, 2,..., m

j = 1, 2,..., n

Dan

𝑋𝑗 , 𝐷𝐴𝑖, 𝐷𝐵𝑖 ≥ 0

Untuk memudahkan dalam membuat bentuk dual dalam Goal Programming maka

semua variabel deviasional yang ada dinyatakan dalam variabel x. Jelasnya sebagai

berikut:

1. Apabila dalam masalah primal Goal Programming yang ada memiliki variabel x

sebanyak 2 yaitu x1 dan x2 maka untuk variabel deviasional DA1, DB1, DA2, DB2,...,

DAk, DBk menjadi x3, x4, x5, x6,..., xk.

2. Pada dasarnya langkah ini tidak berbeda ketika langsung dikerjakan dengan

menggunakan variabel deviasional yang ada secara langsung untuk mencari bentuk
 dualnya karena hal ini hanya untuk memudahkan dalam mengekspresikan fungsi

tujuan bentuk primal dalam rumus matematika yang berlaku.

Sehingga

Primal Goal Programming

Min 𝑍 = ∑𝑚
𝑖=1 𝑐𝑖 𝑥𝑖

Syarat ikatan

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2

𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚

Dimana 𝑥1 , 𝑥2 , … , 𝑥𝑗 ≥ 0

Untuk i = 1, 2,..., m

j = 1, 2,..., n

Dual Goal Programming

Max 𝑏1 𝑦1 + 𝑏2 𝑦2 + ⋯ + 𝑏𝑛 𝑦𝑛

Syarat ikatan

𝑎11 𝑦1 + 𝑎12 𝑦2 + ⋯ + 𝑎1𝑛 𝑦𝑛 ≤ 𝑐1

𝑎21 𝑦1 + 𝑎22 𝑦2 + ⋯ + 𝑎2𝑛 𝑦𝑛 ≤ 𝑐2

𝑎𝑚1 𝑦1 + 𝑎𝑚2 𝑦2 + ⋯ + 𝑎𝑚𝑛 𝑦𝑛 ≤ 𝑐𝑚

Dengan yn tidak tentu maka yn = yn1 - yn2 dan yn1, yn2 ≥ 0

 Seperti pada masalah program linier yaitu ketika menyelesaikan suatu masalah primal

Goal Programming maka dengan sendirinya penyelesaian untuk masalah dualnya

didapatkan. Perhatikan tabel berikut:

Tabel Simpleks Akhir Dual

Vdb b y1 y2 ... yn s1 s2 ... sn

Zj - Cj Z Z1–C1 Z2–C2 ... Zn–Cn x1 x2 ... xn

F. Analisis Sensitivitas dan Paeametrik Goal Programming

Analisis sensitifitas pada Goal Programming digunakan untuk memeriksa solusi

optimal yang telah dihasilkan apabila nilai parameternya diganti dengan nilai lain yang

masih memungkinkan. Ada beberapa parameter yang jika diubah nilainya tidaklah

mengakibatkan perubahan solusi optimalnya namun ada pula parameter yang jika diubah

nilainya akan menghasilkan solusi optimal baru. Oleh karena itu maka salah satu tujuan

dari analisis sensitifitas adalah mengidentifikasi parameter sensitif, sedangkan untuk

a\parameter yang bukan parameter sensitif, analisa sensitifitas berguna untuk

menunjukkan jangkauan nilai dari parameter yang mengakibatkan solusi optimal tidak

berubah. Informasi-informasi tersebut adalah:

a. Nilai variabel keputusan optimal

b. Nilai fungsi tujuan

c. Nilai Slack/surplus variabel

d. Nilai dual

Khusus untuk Goal Programming analisa sensitifitas hanya dapat dilakukan terhadap

nilai ruas kanan kendala sasarannya. Hal ini disebabkan bahwa dalam fungsi tujuannya

koefisien-koefisien variabel deviasionalnya selalu 1 dan kalaupun koefisiennya bukanlah

1 itu hanya berlaku untuk Goal Programming dengan prioritas dan hanya memiliki arti

sebagai urutan prioritasnya.

 Analisa sensitivitas Goal Programming terhadap perubahan parameter nilai ruas

kanan pada fungsi kendala sasaran akan ditunjukkan dengan permasalahan Goal

Programming 2 variabel yang akan diselesaikan dengan metode grafik maupun metode

simpleks. Sekaligus untuk melihat hubungan keduanya.

𝑍 = 𝑀𝐼𝑁 𝐷𝐴1 + 𝐷𝐵1 + 𝐷𝐴2 + 𝐷𝐵2 + 𝐷𝐴3 + 𝐷𝐵3

ST

I 𝑎𝑥1 + 𝑏𝑥2 + 𝐷𝐵1 − 𝐷𝐴1 =e

II 𝑐𝑥1 + 𝐷𝐵2 − 𝐷𝐴2 =f

III 𝑑𝑥2 + 𝐷𝐵3 − 𝐷𝐴3 =g

Penyelesaian:

Grafik 2.1

Penyelesaian optimlanya adalah sasaran pertama dan kedua terpenuhi dengan solusi

optimal x1 = f dan x2 = (e – m) sedangkan sasaran ketiganya tidak terpenuhi sebesar m.

Jika terjadi perubahan pada ruas kanan misalkan pada sasaran kedua menjadi f – 2 maka

akan terjadi juga perubahan yang dapat dilihat pada grafik berikut:
 Grafik 2.2

Ketika ruas kanan pada sasaran kedua berubah menjadi f – k maka solusi optimalnya

masih tetap sama yaitu sasaran pertama dan kedua terpenuhi dengan x1 = (f – k) dan x2 =

(e – m + n) sedangkan sasaran ketiganya tidak tercapai dan besar ketidaktercapaiannya

menjadi lebih kecil (m – n) dibanding solusi awal sebelum perubahan. Dan nilai Z, serta

variabel-variabel keputusannya adalah optimal karena masih terletak di daerah layak.

Perubahan-perubahan inipun dapat dikerjakan secara simpleks. Dapat dilihat dalam

tabel berikut.

Tabel Simpleks Akhir dari Grafik 2.1

cB VdB B x1 x2 DA1 DB1 DA2 DB2 DA3 DB3 s1 s2 s3

0 x1 f 1 0 ... ... ... ... 0 ... ... ... ...
0 x2 e 0 1 ... ... ... ... 0 ... ... ... ...
1 DB3 m 0 0 ... ... ... ... 1
Zj - Cj Z m ... ... ... ... ... ... ... ... n ... ...

Tabel Simpleks Akhir dari Grafik 2.2

cB VdB B x1 x2 DA1 DB1 DA2 DB2 DA3 DB3 s1 s2 s3

0 x1 f–k 1 0 ... ... ... ... 0 ... ... ... ...
0 x2 e–m+n 0 1 ... ... ... ... 0 ... ... ... ...
1 DB3 m-n 0 0 ... ... ... ... 1
Zj - Cj Z m-n ... ... ... ... ... ... ... ... n ... ...

Dari tabel simpleks dapat dilihat bahwa nilai dualnya mempengaruhi nilai Z dan

variabel keputusannyapun berubah. Dan karena masih dalam daerah layak maka nilai

dualnya tidak berubah tetap sebesar n. Sehingga perubahan-perubahan ruas kanan yang
terjadi dalam Goal Programming dapat juga diselesaikan secara simpleks, metode ini

membantu dalam perhitungan yang memiliki variabel lebih dari 2.

Hal-hal yang perlu diperhatikan adalah:

 Perubahan nilai Z adalah jika ruas kanan kendala sasaran bertambah 1 maka nilai Z

akan bertambah sebesar nilai dualnya dan juga sebaliknya jika berkurang 1 maka nilai

Z akan berkurang sebanyak nilai dual dari kendala sasaran tersebut.

 Nilai ruas kanan dari kendala sasaran ini hanya akan bisa dinaikkan atau diturunkan

sesuai dengan jangkauannya. Hal ini dapat dilihat dari informasi yang diperoleh dari

tabel simpleks akhir antara lain.

VdB s1 B Ratio Tentukan nilai

x1 s f–k (f – k)/s rasio negatif
terbesar dan
x2 v e–m+n (e – m + n)/v rasio positif
DB3 t m-n (m-n)/t terkecil.

Pendekatan ratio ini nantinya menunjukkan bahwa ratio negatif terbesar itulah

banyaknya penambahan yang diperbolehkan untuk kendala sasaran I saat ini. Sebaliknya

ratio yang positif terkecil menunjukkan besarnya ruas kanan kendala sasaran I boleh

diturunkan.

Perubahan-perubahan yang dibahas di atas dengan analisa sensitifitas hanya berbicara

tentang perubahan satu parameter yang terjadi dalam satu masalah Goal Programming.

Jika terjadi perubahan-perubahan satu atau lebih parameter secara berkelanjutan pada

beberapa interval maka digunakan pendekatan lain yang biasa disebut dengan analisa

parametrik pemrogramaman linier khususnya dalam masalah Goal Programming.

Perubahan sistematis pada parameter-parameter Bi antara lain sebagai berikut:

Kendala sasaran dari Goal Programming

∑𝑛𝑗=1 𝑎𝑖𝑗 ∙ 𝑋𝑖𝑗 − 𝐷𝐴𝑖 + 𝐷𝐵𝑖 = 𝑏𝑖

Diganti dengan

∑𝑛𝑗=1 𝑎𝑖𝑗 ∙ 𝑋𝑖𝑗 − 𝐷𝐴𝑖 + 𝐷𝐵𝑖 = 𝑏𝑖 + 𝑎𝑖 𝜃

 Perubahan sistematis pada parameter-parameter Bi dalam Goal Programming dapat

dicari dengan langkah sebagai berikut:

 Menghitung nilai variabel keputusan yang baru dengan:

𝑥 ⨂ = 𝐵 −1 ∙ 𝑏

 Menghitung nilai maksimum dan minimum fungsi tujuan.

 Menentukan nilai parameter θ.

 Membandingkan dengan jangkauan yang diperoleh untuk setiap nilai ruas kanan

fungsi kendala yang bisa diperoleh dari hasil yang ditampilkan program LINDO.

G. Program LINDO

LINDO/PC adalah versi populer dari paket LINDO yang dikembangkan oleh Linus E.

Scharge dari Universitas Chicago (1994). LINDO/PC memungkinkan pemakai

berinteraksi dengan komputer dalam arti sekali program dimasukkan dalam komputer,

pemakai tinggal memberikan perintah GO dan LINDO akan menyelesaikan program

linier tersebut. Solusi optiimum dan semua informasi yang berkaitan dengan masalah

tersebut ditampilkan pada monitor komputer. Langkah pertama yang harus dilakukan

sebelum menggunakan LINDO adalah masalah nyata diformulasikan kedalam

matematika sesuai dengan metode penyelesaian yang akan digunakan. Kemudian baris

pertama dimasukkan (input) fungsi tujuannya dan baris selanjutnya di bawah perintah

SUBJECT TO dimasukkan (input) syarat ikatannya atau fungsi kendala dan diakhiri

dengan END dan GO.

LINDO sendiri memiliki hasil olahan (output) antara lain:

1. Optimal Solution yang terdiri dari:

a. Objective Function Value (Nilai Fungsi Tujuan)

Merupakan hasil optimal.

 b. Value

Merupakan nilai optimal variabel keputusan.

c. Reduced Cost yang adalah sensitifitas koefisien fungsi tujuan cj jika xj = 0

Merupakan informasi yang menjelaskan seberapa besar kenaikkan laba (fungi

maksimum) atau penurunan biaya (fugsi minimum) agar variabel keputusan yang

bernilai nol pada hasil optimum menjadi bernilai positif.

d. Slack Variabel (Surplus Variabel)

Merupakan nilai dari variabel slack/surplus.

e. Dual Price (Harga Bayangan)

Merupakan pertambahan nilai optimal sebesar harga bayangan apabila pada baris

tersebut nilai ruas kanannya ditambah 1.

2. Sensitivity Analysis yang terdiri dari:

a. Obj Coefficient Ranges (Analisa Sensetivitas Koefisien Fungsi Tujuan)

Merupakan rentang koefisien fungsi tujuan tanpa perubahan hasil optimal variabel

keputusan.

b. Righthand Side Ranges (Analisa Sensitivitas Nilai Ruas Kanan)

Merupakan rentang nilai ruas kanan tanpa perubahan hasil optimal variabel

keputusan.

Nilai fungsi tujuan pada prioritas pertama dimasukkan kembali ke dalam perhitungan

prioritas kedua dan seterusnya untuk dipertimbangkan kembali sampai pada prioritas

terakhir. Untuk menu bantuan menjalankan LINDO, pada input ketik COM dan akan

diperoleh 11 menu bantuan dengan nama dan perintah masing-masing.

Output dari program ini dapat dikelompokkan dalam dua bagian yaitu pertama adalah

informasi dasar mengenai solusi optimal. Setelah mencetak nilai dari slack dan surplus

serta dual price, LINDO/PC akan menanyakan apakah perlu menampilkan analisa
sensitivitas? Jika respon yang diberikan adalah Y atau YES maka informasi hasil analisis

mengenai koefisien fungsi tujuan (Objective function coefficient) dan nilai sisi kanan

(right-hand sides of the constrains) akan ditampilkan LINDO.