MAKALAH MANAJEMEN OPERASI

Operational Decision-Making Tools: Linear Programming

Dosen Pembimbing :
Dr.Sabihaini, SE.,M.Si
Drs. Agung Satmoko, ME

Disusun Oleh:
Kelompok 5

1. Hayu Putri Utami (141170149)

2. Kevin Desgy Rahmawati (141170157)
3. Ayu Anisa (141170201)
4. Amalia Prasetyo (141170231)
5. Indah Puspo Rini (141170235)

EM-A
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” YOGYAKARTA
TAHUN AJARAN 2018/2019

Jl. SWK 104 (Lingkar Utara), Condongcatur, Depok, Sleman, Yogyakarta 55283
 KATA PENGANTAR

Puji syukur selalu kami panjatkan kehadirat Allah swt atas kasih dan sayangnya
memberikan pengetahuan, kemampuan dan kesempatan kepada penyusun sehingga
mampu menyelesaikan penyusunan makalah ini ditulis sebagai tugas mata kuliah
Manajemen Operasi.
Penyusun menyadari dalam penulisan makalah ini masih ada kemungkinan
kekurangan-kekurangan karena keterbatasan kemampuan penyusunan, untuk itu,
masukkan yang bersifat membangun akan sangat membantu penyusun untuk semakin
membenahi kekurangannya.
Ucapan terima kasih tidak lupa kami tuturkan kepada dosen pembimbing mata
kuliah Manajemen Operasi ini, kami ucapkan terima kasih, semoga makalah ini dapat
berguna, sebagai karya dari kami dan untuk semua.

Sleman, November 2019

Penyusun

i
 DAFTAR ISI

KATA PENGANTAR ............................................................................................................................ i

DAFTAR ISI.......................................................................................................................................... ii
BAB I PENDAHULUAN ...................................................................................................................... 1
A. Latar Belakang .......................................................................................................................... 1
B. Rumusan Masalah .................................................................................................................... 1
C. Tujuan Masalah ........................................................................................................................ 2
BAB II PEMBAHASAN ....................................................................................................................... 3
A. Formulasi Model ....................................................................................................................... 3
B. Metode Solusi Grafis................................................................................................................. 5
C. Solusi Model Pemrograman Linear ...................................................................................... 11
1. Metode Simplex ................................................................................................................... 11
2. Variable Slack dan Surplus................................................................................................ 12
D. Memecah Masalah Pemrograman Linear Dengan Excel .................................................... 14
E. Analisa Sensitivitas ................................................................................................................. 16
F. Peringkat Sensitivitas ............................................................................................................. 17
BAB III PENUTUP ............................................................................................................................. 21
A. Kesimpulan .............................................................................................................................. 21

ii
 BAB I
PENDAHULUAN

A. Latar Belakang
Salah satu teknik kuantitatif yang digunakan dalam Bab 14 untuk perencanaan
operasi dan Bab 17 untuk penjadwalan adalah pemrograman linier. Pemrograman linier
adalah salah satu alat kuantitatif yang paling banyak digunakan dan kuat dalam
manajemen operasi. Itu dapat diterapkan untuk berbagai masalah operasional yang
berbeda. Beberapa tipe model yang lebih populer dan aplikasi OM spesifiknya dijelaskan
pada Tabel S14.1 Pemrograman linier adalah teknik pemodelan matematis yang
digunakan untuk menentukan tingkat kegiatan operasi untuk mencapai tujuan, dengan
tunduk pada batasan yang disebut kendala. Banyak keputusan yang dihadapi oleh manajer
operasi dipusatkan di sekitar cara terbaik untuk mencapai tujuan perusahaan yang tunduk
pada kendala lingkungan operasi. Kendala-kendala ini dapat berupa sumber daya yang
terbatas, seperti waktu, tenaga, energi, bahan, atau uang, atau dapat berupa pedoman yang
membatasi, seperti resep untuk membuat sereal, spesifikasi teknik, atau campuran untuk
bensin. Tujuan paling sering dari perusahaan bisnis adalah untuk memaksimalkan laba-
sedangkan tujuan unit operasional individu dalam perusahaan (seperti departemen
produksi atau pengepakan) sering kali untuk meminimalkan biaya. Masalah
pemrograman linier yang umum adalah menentukan jumlah unit yang akan diproduksi
untuk memaksimalkan laba tergantung pada kendala sumber daya seperti tenaga kerja
dan bahan. Semua komponen situasi keputusan ini - keputusan, tujuan, dan kendala-
dinyatakan sebagai hubungan linear matematis yang bersama-sama membentuk model.

B. Rumusan Masalah
1. Bagaimana penerapan dari formulasi model?
2. Bagaimana menerapkan metode solusi grafis?
3. Bagaimana Solusi Model Pemrograman Linear?
4. Bagaimana Memecah Masalah Pemrograman Linear Dengan Excel?

1
 5. Bagaimana menjelaskan Analisis Sensitivitas?

C. Tujuan Masalah
1. Untuk Mengetahui Penerapan Dari Formulasi Model
2. Untuk Mengetahui Metode Solusi Grafis
3. Untuk Mengetahui Solusi Model Pemrograman Linear
4. Untuk Mengetahui Masalah Pemrograman Linear Dengan Excel
5. Untuk Mengetahui Metode Solusi Grafis

2
 BAB II
PEMBAHASAN

A. Formulasi Model
Model pemrograman linier terdiri dari variabel keputusan, fungsi objektif, dan
batasan model. Variabel keputusan adalah simbol matematika yang mewakili tingkat
aktivitas suatu operasi. Misalnya, perusahaan manufaktur listrik ingin memproduksi
radio, pemanggang roti, dan jam. Jumlah setiap item yang diproduksi diwakili oleh
simbol, x1, x2, dan x3. Jadi, x1 = jumlah radio, x2 = jumlah pemanggang roti, dan x3 =
jumlah jam. Nilai akhir x1, x2, dan x3, sebagaimana ditentukan oleh perusahaan,
merupakan keputusan (mis., x1 = 10 radio adalah keputusan oleh perusahaan untuk
menghasilkan 10 radio).
Fungsi objektif adalah hubungan matematis linier yang menggambarkan tujuan
operasi dalam hal variabel keputusan. Fungsi objektif selalu memaksimalkan atau
meminimalkan beberapa nilai (mis., Memaksimalkan keuntungan atau meminimalkan
biaya produksi radio). Misalnya, jika laba dari radio adalah $6, laba dari pemanggang roti
adalah $4, dan laba dari jam adalah $2, maka total laba, Z, adalah Z = $6x1 + 4x2 + 2x3 .
Batasan model juga hubungan linier dari variabel keputusan; mereka mewakili
batasan yang ditempatkan pada situasi keputusan oleh lingkungan operasi. Pembatasan
dapat berupa sumber daya terbatas atau pedoman terbatas. Misalnya, jika diperlukan 2
jam kerja untuk menghasilkan radio, 1 jam untuk menghasilkan pemanggang, dan 1,5 jam
untuk menghasilkan jam, dan hanya 40 jam kerja tersedia, kendala mencerminkan ini
adalah 2x1 + 1x 2 + 1.5x3 ≤ 40. Struktur umum dari model pemrograman linier adalah
sebagai berikut:.

3
 The Highlands Craft Store adalah operasi kerajinan kecil yang mempekerjakan
pengrajin lokal untuk menghasilkan mangkuk tanah liat dan mug berdasarkan desain dan
warna dari tahun 1700-an dan 1800-an. Dua sumber daya utama yang digunakan oleh
perusahaan adalah tanah liat tembikar khusus dan tenaga kerja terampil. Dengan sumber
daya yang terbatas ini, perusahaan ingin tahu berapa banyak mangkuk dan cangkir yang
diproduksi setiap hari untuk memaksimalkan keuntungan.
Kedua produk memiliki persyaratan sumber daya berikut untuk produksi dan harga
jual per item yang diproduksi (yaitu, parameter model):

Persyaratan Sumber Daya

Product
Pekerja (jam/unit) Tanah Liat (pound/unit) Pendapatan($/unit)
Bowl 1 4 40
Mug 2 3 50

Ada 40 jam kerja dan 120 pon tanah liat tersedia setiap hari. Merumuskan masalah
ini sebagai model pemrograman linier.

Solusi
Keputusan Manajemen adalah berapa banyak mangkuk dan gelas untuk diproduksi
yang diwakili oleh variabel keputusan berikut.

𝒙𝟏 = 𝒋𝒖𝒎𝒍𝒂𝒉 𝒃𝒐𝒘𝒍 𝒖𝒏𝒕𝒖𝒌 𝒅𝒊𝒑𝒓𝒐𝒅𝒖𝒌𝒔𝒊

𝒙𝟐 = 𝒋𝒖𝒎𝒍𝒂𝒉 𝒎𝒖𝒈 𝒖𝒏𝒕𝒖𝒌 𝒅𝒊𝒑𝒓𝒐𝒅𝒖𝒌𝒔𝒊

Tujuan perusahaan adalah untuk memaksimalkan total pendapatan yang dihitung

sebagai jumlah dari laba individual yang diperoleh dari setiap mangkuk dan cangkir:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒆 𝒁 = $𝟒𝟎𝒙𝟏 + 𝟓𝟎𝒙𝟐

Model tersebut berisi kendala untuk tenaga kerja dan tanah liat, yaitu:

𝒙𝟏 + 𝟐𝒙𝟐 … 𝟒𝟎 𝒋𝒂𝒎 𝒌𝒆𝒓𝒋𝒂.

𝟒𝒙𝟏 + 𝟑𝒙𝟐 … 𝟏𝟐𝟎 𝒑𝒐𝒖𝒏𝒅 𝒕𝒂𝒏𝒂𝒉 𝒍𝒊𝒂𝒕.

4
 Kurang dari atau sama dengan ketimpangan (≤) digunakan sebagai ganti kesetaraan
(=) karena 40 jam kerja adalah maksimum yang dapat digunakan, bukan jumlah yang
harus digunakan. Namun, kendala dapat berupa persamaan (=), lebih besar dari atau sama
dengan ketidaksetaraan (≥), atau kurang dari atau sama dengan ketidaksetaraan (≤).
Model pemrograman linier lengkap untuk masalah ini sekarang dapat diringkas sebagai
berikut:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒆 𝒁 = $𝟒𝟎𝒙𝟏 + 𝟓𝟎𝒙𝟐

𝒔𝒖𝒃𝒋𝒆𝒄𝒕 𝒕𝒐
𝒙𝟏 + 𝟐𝒙𝟐 ≤ 𝟒𝟎
𝟒𝒙𝟏 + 𝟑𝒙𝟐 ≤ 𝟏𝟐𝟎
𝒙𝟏 , 𝒙 𝟐 ≥ 𝟎

Solusi dari model ini akan menghasilkan nilai numerik untuk x 1 dan x2 yang
memaksimalkan laba total, Z, tanpa melanggar kendala. Solusi yang mencapai tujuan ini
adalah x1 = 24 mangkuk dan x2 = 8 gelas, dengan pendapatan yang sesuai sebesar $ 1360.
Kami akan membahas bagaimana kami menentukan nilai-nilai ini selanjutnya.

B. Metode Solusi Grafis

Model pemrograman linier pada bagian sebelumnya memiliki karakteristik yang
sama untuk semua model pemrograman linier. Hubungan matematika adalah aditif;
parameter model diasumsikan diketahui dengan pasti; nilai variabel kontinu (tidak
terbatas pada bilangan bulat); dan hubungannya linear. Karena linearitas, model dengan
dua variabel keputusan (sesuai dengan dua dimensi) dapat diselesaikan secara grafis.
Meskipun solusi grafis rumit, ini berguna karena memberikan gambaran bagaimana solusi
berasal.
Langkah-langkah dasar dalam metode solusi grafis adalah memplot batasan model
pada set koordinat dalam sebuah pesawat dan mengidentifikasi area pada grafik yang
memenuhi semua kendala secara bersamaan. Titik pada batas ruang ini yang
memaksimalkan (atau meminimalkan) fungsi objektif adalah solusinya. Contoh berikut
menggambarkan langkah-langkah ini.

Tentukan solusi untuk Highlands Craft Store dalam Contoh S14.1:

5
 𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒆 𝒁 = $𝟒𝟎𝒙𝟏 + 𝟓𝟎𝒙𝟐
𝒔𝒖𝒃𝒋𝒆𝒄𝒕 𝒕𝒐
𝒙𝟏 + 𝟐𝒙𝟐 ≤ 𝟒𝟎
𝟒𝒙𝟏 + 𝟑𝒙𝟐 ≤ 𝟏𝟐𝟎
𝒙𝟏 , 𝒙 𝟐 ≥ 𝟎

Solusi:
Grafik batasan model diperlihatkan dalam gambar berikut dari ruang solusi yang layak.
Grafik dihasilkan dalam kuadran positif karena kedua variabel keputusan harus positif
atau nol; itu adalah x1,x2 ≥ 0 :

Langkah pertama adalah memplot kendala pada grafik. Ini dilakukan dengan
memperlakukan kedua kendala sebagai persamaan (atau garis lurus) dan memplot setiap
garis pada grafik. Cara sederhana untuk memplot sebuah garis adalah menentukan di
mana garis tersebut memotong sumbu horizontal dan vertikal dan menggambar garis lurus
yang menghubungkan titik-titik. Area yang diarsir dalam gambar sebelumnya adalah area
yang umum untuk kedua kendala model. Oleh karena itu, ini adalah satu-satunya area
pada grafik yang berisi titik (mis., Nilai untuk x1 dan x2) yang akan memenuhi kedua
kendala secara bersamaan. Area ini adalah ruang solusi yang layak, karena itu adalah

6
satu-satunya area yang berisi nilai untuk variabel yang layak, atau tidak melanggar
kendala. Langkah kedua dalam metode solusi grafis adalah menemukan titik di area solusi
layak yang mewakili total pendapatan terbesar. Kami akan memplot garis fungsi tujuan
untuk tingkat pendapatan yang dipilih secara sewenang-wenang. Misalnya, jika
pendapatan, Z, adalah $800, fungsi objektifnya adalah

$𝟖𝟎𝟎 = 𝟒𝟎𝒙𝟏 + 𝟓𝟎𝒙𝟐

Memplot garis ini sama seperti kita memplot hasil garis kendala pada grafik yang
menunjukkan penentuan titik optimal pada gambar berikut. Setiap titik pada baris ini
berada dalam area solusi yang layak dan akan menghasilkan pendapatan sebesar $ 800
(mis., Setiap kombinasi x1 dan x2 pada baris ini akan memberikan nilai Z $800). Ketika
nilai Z meningkat, garis fungsi tujuan bergerak keluar melalui ruang solusi yang layak
menjauh dari titik asal hingga mencapai titik layak terakhir pada batas ruang solusi dan
kemudian meninggalkan ruang solusi.

Titik penyelesaian selalu pada batas ini, karena batas berisi titik-titik terjauh dari
titik asal (yaitu, titik-titik yang bersesuaian dengan keuntungan terbesar). Selain itu, titik
solusi tidak hanya berada pada batas area solusi yang layak, tetapi juga akan berada di
salah satu sudut batas tempat dua garis kendala berpotongan. Sudut-sudut ini (berlabel A,
B, dan C pada gambar berikut) adalah tonjolan yang disebut titik ekstrim. Telah
dibuktikan secara matematis bahwa solusi optimal dalam model pemrograman linier akan
selalu terjadi pada titik ekstrem. Oleh karena itu, dalam contoh masalah kita, titik solusi

7
yang mungkin terbatas pada tiga titik ekstrem A, B, dan C. Titik solusi optimal, atau "satu
yang terbaik," adalah B, karena fungsi objektif menyentuhnya terakhir sebelum
meninggalkan area solusi yang layak.

Karena titik B dibentuk oleh persimpangan dua garis kendala, kedua garis ini sama pada
titik B. Dengan demikian, nilai x1 dan x2 pada persimpangan tersebut dapat ditemukan
dengan menyelesaikan dua persamaan secara bersamaan:

𝒙𝟏 + 𝟐𝒙𝟐 = 𝟒𝟎
𝟒𝒙𝟏 + 𝟑𝒙𝟐 = 𝟏𝟐𝟎
𝟒𝒙𝟏 + 𝟖𝒙𝟐 = 𝟏𝟔𝟎
−𝟒𝒙𝟏 − 𝟑𝒙𝟐 = − 𝟏𝟐𝟎
𝟓𝒙𝟐 = 𝟒𝟎
𝒙𝟐 =𝟖

Jadi,
𝒙𝟏 + 𝟐(𝟖) = 𝟒𝟎
𝒙𝟏 = 𝟐𝟒

Solusi optimal pada titik B dalam gambar sebelumnya adalah x1 = 24 mangkuk dan x2 =
8 gelas. Mengganti nilai-nilai ini ke dalam fungsi objektif memberikan pendapatan
maksimum,

8
 𝒁 = $(𝟐𝟒) + $𝟓𝟎(𝟖)
𝒁 = $𝟏𝟑𝟔𝟎

Mengingat bahwa solusi optimal akan berada di salah satu titik sudut ekstrem A, B,
atau C, Anda dapat menemukan solusi dengan menguji masing-masing dari tiga poin
untuk melihat mana yang menghasilkan pendapatan terbesar daripada dengan membuat
grafik fungsi tujuan dan melihat titik mana yang terakhir disentuh saat bergerak keluar
dari area solusi yang layak. Gambar berikut menunjukkan nilai solusi untuk ketiga titik
A, B, dan C dan jumlah pendapatan, Z, di setiap titik:

Fungsi obyektif menentukan titik ekstrim mana yang optimal, karena fungsi
obyektif menunjuk pendapatan yang akan bertambah dari setiap kombinasi nilai x1 dan
x2 pada titik ekstrem. Jika fungsi objektif memiliki koefisien yang berbeda (mis., Nilai
laba x1 dan x2 berbeda), salah satu titik ekstrem selain B mungkin telah optimal.
Asumsikan sejenak bahwa pendapatan untuk mangkuk adalah $70 bukannya $40 dan
pendapatan untuk cangkir adalah $20, bukan $50. Nilai-nilai ini menghasilkan fungsi
objektif baru, Z = $70x1 + 20x2. Jika kendala model untuk tenaga kerja atau tanah liat
tidak berubah, area solusi yang layak tetap sama, seperti yang ditunjukkan pada gambar
berikut. Namun, lokasi fungsi objektif dalam gambar ini berbeda dari fungsi objektif asli
pada gambar sebelumnya karena koefisien laba baru memberikan fungsi objektif linier
kemiringan baru. Titik C menjadi optimal, dengan Z = $2.100. Ini menunjukkan salah
satu fungsi berguna pemrograman linier — dan analisis model secara umum — disebut
analisis sensitivitas: pengujian perubahan parameter model yang mencerminkan
lingkungan operasi yang berbeda untuk menganalisis dampak pada solusi.

9
 Toko Perangkat Keras dan Makanan Petani sedang menyiapkan campuran pupuk
untuk petani yang sedang mempersiapkan ladang untuk menanam tanaman. Toko akan
menggunakan dua merek pupuk, Gro-Plus dan Crop-Fast, untuk membuat campuran yang
tepat bagi petani. Setiap merek menghasilkan sejumlah nitrogen dan fosfat tertentu,
sebagai berikut:

Lapangan petani membutuhkan setidaknya 16 pon nitrogen dan 24 pon fosfat.

GroPlus biaya $ 6 per kantong, dan Tanaman-Cepat biaya $ 3. Toko ingin tahu berapa
banyak tas masing-masing merek yang dibeli untuk meminimalkan total biaya
pemupukan.
Merumuskan model pemrograman linier untuk masalah ini, dan menyelesaikannya
menggunakan metode grafis.

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒆 𝒁 = $𝟔𝒙𝟏 + 𝟑𝒙𝟐

𝒔𝒖𝒃𝒋𝒆𝒄𝒕 𝒕𝒐
𝟐𝒙𝟏 + 𝟒𝒙𝟐 ≥ 𝟏𝟔 𝒑𝒐𝒖𝒏𝒅 𝒏𝒊𝒕𝒓𝒐𝒈𝒆𝒏

10
 𝟒𝒙𝟏 + 𝟑𝒙𝟐 ≥ 𝟐𝟒 𝒑𝒐𝒖𝒏𝒅 𝒇𝒐𝒔𝒇𝒂𝒕
𝒙𝟏 , 𝒙 𝟐 ≥ 𝟎

Solusi grafis masalah ditunjukkan pada gambar berikut. Perhatikan bahwa solusi
optimal, titik A, terjadi pada titik ekstrim terakhir yang disentuh fungsi obyektif ketika
bergerak ke arah asal (titik 0,0).

C. Solusi Model Pemrograman Linear

1. Metode Simplex
Menentukan solusi untuk model pemrograman linier secara grafis dapat
memberikan wawasan tentang bagaimana solusi berasal, tetapi umumnya tidak
efektif atau efisien. Pendekatan matematika tradisional untuk memecahkan
masalah pemrograman linier adalah prosedur matematika yang disebut metode
simpleks. Dalam metode simpleks, model dimasukkan ke dalam bentuk tabel, dan
kemudian sejumlah langkah matematika dilakukan di tabel. Langkah-langkah
matematika ini sama dengan bergerak dari satu titik ekstrim pada batas solusi ke
yang lain. Namun, tidak seperti metode grafis, di mana kami hanya mencari
melalui semua titik solusi untuk menemukan yang terbaik, metode simpleks

11
 bergerak dari satu solusi yang lebih baik ke yang lain sampai yang terbaik
ditemukan.
Metode simpleks untuk memecahkan masalah pemrograman linier
didasarkan, setidaknya sebagian, pada solusi persamaan simultan dan aljabar
matriks. Dalam suplemen ini pada pemrograman linier, kami tidak akan
memberikan presentasi terperinci tentang metode simpleks. Ini adalah pendekatan
yang rumit secara matematis yang sangat memakan waktu bahkan untuk masalah
yang sangat kecil dari dua atau tiga variabel dan beberapa kendala. Ini mencakup
sejumlah langkah matematika dan membutuhkan banyak perhitungan aritmatika,
yang sering menghasilkan kesalahan aritmatika sederhana ketika dilakukan
dengan tangan. Sebagai gantinya, kami akan menunjukkan bagaimana masalah
pemrograman linier diselesaikan di komputer. Bergantung pada perangkat lunak
yang digunakan, solusi komputer untuk masalah pemrograman linier mungkin
dalam bentuk yang sama dengan solusi simpleks. Karena itu, kami akan meninjau
prosedur untuk menyiapkan model pemrograman linier dalam format simpleks
untuk solusi.

2. Variable Slack dan Surplus

Solusi untuk masalah pemrograman linier terjadi pada titik ekstrem di mana
garis persamaan kendala berpotongan satu sama lain atau dengan sumbu. Dengan
demikian, kendala model semua harus dalam bentuk persamaan (=) daripada
ketidaksetaraan (≥ atau ≤). Prosedur untuk mengubah batasan ketimpangan ke
dalam persamaan adalah dengan menambahkan variabel baru, yang disebut
variabel slack, ke setiap kendala. Untuk Beaver Creek Pottery Company,
penambahan variabel slack unik (si) ke setiap ketidaksetaraan kendala
menghasilkan persamaan berikut:

𝒙𝟏 + 𝟐𝒙𝟐 + 𝒔𝟏 = 𝟒𝟎 𝒋𝒂𝒎 𝒌𝒆𝒓𝒋𝒂.

𝟒𝒙𝟏 + 𝟑𝒙𝟐 + 𝒔𝟐 = 𝟏𝟐𝟎 𝒑𝒐𝒖𝒏𝒅 𝒕𝒂𝒏𝒂𝒉 𝒍𝒊𝒂𝒕.

12
 Variabel slack, s1 dan s2, akan mengambil nilai apa pun yang diperlukan
untuk membuat sisi kiri persamaan sama dengan sisi kanan. Jika variabel slack
memiliki nilai dalam solusi, mereka biasanya mewakili sumber daya yang tidak
digunakan. Karena sumber daya yang tidak digunakan tidak akan berkontribusi
apa pun terhadap total pendapatan, sumber daya tersebut memiliki koefisien nol
dalam fungsi tujuan:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒆 𝒁 = $𝟒𝟎𝒙𝟏 + 𝟓𝟎𝒙𝟐 + 𝟎𝒔𝟏 + 𝟎𝒔𝟐

Grafik pada Gambar S14.1 menunjukkan semua titik solusi dalam contoh
Beaver Creek Pottery Company kami dengan nilai-nilai untuk variabel keputusan
dan slack.
Contoh tersebut adalah masalah maksimalisasi dengan ≤ semua kendala.
Masalah minimisasi dengan ≥ kendala memerlukan penyesuaian yang berbeda.
Dengan batasan ≥, alih-alih menambahkan variabel slack, kami mengurangi
variabel surplus. Sementara variabel slack ditambahkan dan mencerminkan
sumber daya yang tidak digunakan, variabel surplus dikurangi dan mencerminkan
kelebihan di atas tingkat kebutuhan sumber daya minimum. Seperti halnya
variabel slack, variabel surplus diwakili secara simbolis oleh si dan harus tidak
negatif. Misalnya, pertimbangkan kendala berikut dari masalah campuran pupuk
kami dalam Contoh S14.3:

𝟐𝒙𝟏 + 𝟒𝒙𝟐 ≥ 𝟏𝟔

Mengurangi variabel surplus menghasilkan:

𝟐𝒙𝟏 + 𝟒𝒙𝟐 − 𝒔𝟏 = 𝟏𝟔

Grafik pada Gambar S14.2 menunjukkan semua titik solusi dengan nilai
untuk variabel keputusan dan surplus untuk masalah minimisasi dalam Contoh
S14.3.

13
D. Memecah Masalah Pemrograman Linear Dengan Excel
Pada bagian ini kami akan menunjukkan cara menggunakan Excel untuk
menyelesaikan model Highlands Craft Store dari Contoh S14.1. Tampilan S14.1
menunjukkan layar Excel spreadsheet untuk Contoh S14.1 untuk Highlands Craft Store.
Nilai untuk mangkuk, mug, dan laba maksimum terkandung dalam sel B10, B11, dan
B12. Mereka saat ini kosong karena masalahnya belum terpecahkan. Fungsi objektif
untuk laba yang tertanam dalam sel B12 ditunjukkan pada bilah rumus di bagian atas

14
layar. Rumus serupa untuk kendala untuk tenaga kerja dan tanah liat tertanam dalam sel
F6 dan F7.
Untuk mengatasi masalah ini, pertama-tama kalahkan jendela "Tools" dari bilah
alat di bagian atas layar dan kemudian pilih "Solver" dari daftar item menu. (Jika Solver
tidak ditampilkan pada menu Alat, itu dapat diaktifkan dengan mengklik "Add-in" pada
menu Tools dan kemudian "Solver." Jika Solver tidak tersedia dari menu Add-in, itu harus
diinstal pada menu Add-in langsung dari Office atau perangkat lunak Excel.) Awalnya
semua jendela pada layar kosong, dan kita harus memasukkan sel fungsi tujuan, sel-sel
yang mewakili variabel keputusan, dan sel-sel yang membentuk kendala model.
Saat memasukkan parameter solver seperti yang ditunjukkan pada Tampilan S14.2,
pertama-tama akan memasukkan "sel target" yang berisi fungsi tujuan, yaitu B12 sebagai
contoh. (Excel secara otomatis memasukkan tanda "$" di sebelah alamat sel; Anda tidak
boleh mengetikkannya.) Selanjutnya kami menunjukkan bahwa kami ingin
memaksimalkan sel target dengan mengklik "Max." Kami mencapai tujuan kami "Dengan
Mengubah Sel" B10 dan B11, yang mewakili variabel keputusan model kami.
Penunjukan "B10: B11" berarti semua sel antara B10 dan B11 inklusif. Kami selanjutnya
memasukkan batasan model kami dengan mengklik "Tambah," yang akan mengakses
jendela untuk menambahkan kendala.

15
 Setelah semua kendala ditambahkan, ada satu langkah lagi yang diperlukan
sebelum melanjutkan untuk menyelesaikan masalah. Pilih “Pilihan” dari layar “Solver
Parameters” dan kemudian ketika “Options” muncul, klik “Assume Linear Models”,
kemudian “OK”. Anda juga dapat mengklik “Assume Non –negatif” ntuk menetapkan
kondisi non-negatif untuk variabel keputusan. Ini akan memungkinkan Anda untuk
menghilangkan kendala, B10: B11 > = 0. Setelah model lengkap dimasukkan, klik
"Solve" di sudut kanan atas layar "Parameter Parameter". Pertama, layar akan muncul
berjudul "Hasil Solver," yang akan memberi Anda kesempatan untuk memilih beberapa
laporan yang berbeda dan kemudian dengan mengklik "OK" layar solusi yang
ditunjukkan pada Gambar S14.3 akan muncul.

Jika ada kelonggaran yang tersisa untuk tenaga kerja atau tanah liat, itu akan muncul di
kolom G pada spreadsheet kami di bawah judul "Sisa." Dalam hal ini tidak ada sumber
daya kendur yang tersisa. Kami juga dapat membuat beberapa laporan yang merangkum
hasil model. Ketika Anda mengklik "OK" dari layar "Solver", layar perantara akan
muncul sebelum spreadsheet asli dengan hasil solusi. Layar ini berjudul "Hasil Solver"
dan memberikan Anda kesempatan untuk memilih beberapa laporan, termasuk laporan
"Jawab". Laporan ini memberikan ringkasan hasil solusi.

E. Analisa Sensitivitas
Solusi Excel juga menyediakan informasi tambahan yang berguna yang disebut
"laporan sensitivitas" seperti yang ditunjukkan dalam Tampilan S14.4. Perhatikan nilai
16 dan 6 di bawah kolom berlabel "Harga Bayangan" untuk baris yang berlabel
"Penggunaan tenaga kerja" dan "Penggunaan tanah liat." Nilai-nilai ini adalah nilai
marginal (juga disebut sebagai

16
 Bayangkan harga dan nilai ganda) tenaga kerja dan tanah liat dalam masalah kita. Nilai
marjinal adalah jumlah yang bersedia dibayarkan perusahaan untuk satu unit sumber daya
tambahan. Misalnya, nilai marjinal 16 untuk kendala tenaga kerja berarti bahwa jika satu
jam tambahan tenaga kerja dapat diperoleh oleh perusahaan, itu akan meningkatkan laba
sebesar $ 6. Demikian juga, jika satu pon tanah liat tambahan bisa diperoleh, itu akan
meningkatkan laba sebesar $ 6. Enam belas dolar dan $ 16 adalah nilai-nilai marginal dari
tenaga kerja dan tanah liat, masing-masing, untuk perusahaan. Nilai marjinal bukanlah
harga jual asli sumber daya; itu adalah berapa banyak perusahaan harus membayar untuk
mendapatkan lebih banyak sumber daya. Toko itu seharusnya tidak mau membayar lebih
dari $ 16 untuk satu jam kerja karena jika mendapat satu jam lagi, laba akan meningkat
hanya $ 16. Nilai marjinal bermanfaat bagi perusahaan dalam menentukan harga sumber
daya dan membuat keputusan tentang pengamanan sumber daya tambahan.

F. Peringkat Sensitivitas
Nilai marjinal, atau ganda tidak berlaku untuk pasokan tenaga kerja dan tanah liat
yang tidak terbatas. Ketika toko meningkatkan (atau mengurangi) jumlah tenaga kerja
atau tanah liat yang dimilikinya, kendala berubah, yang pada akhirnya akan mengubah
solusi ke titik baru. Dengan demikian, nilai ganda hanya baik dalam rentang nilai yang
konsisten. Rentang ini diberikan di bawah kolom yang berlabel "Peningkatan yang
Diizinkan" dan "Penurunan yang Diizinkan" dalam Tampilan S14.4.
Misalnya, jumlah tenaga kerja asli yang tersedia adalah 40 jam. Nilai ganda $ 16
untuk satu jam kerja berlaku jika tenaga kerja yang tersedia adalah antara 30 dan 80 jam.
Jika ada lebih dari 80 jam kerja, maka titik solusi baru terjadi dan nilai ganda $ 16 tidak
17
lagi valid. Masalahnya harus dipecahkan lagi untuk melihat apa solusi baru dan nilai
ganda baru.
Ini dapat diamati secara grafis pada Gambar S14.3. Jika jam kerja ditingkatkan dari
40 hingga 80 jam, garis kendala bergerak keluar dan naik. Ruang solusi baru adalah OA
C, dan campuran variabel solusi baru terjadi pada A, seperti yang ditunjukkan pada
Gambar S14.3a. Pada titik optimal asli, B, baik x1 dan x2 ada dalam solusi; namun, pada
titik optimal baru, A, hanya x2 yang diproduksi (mis., x1 = 0, x2 = 40, s1= 0, s2 = 0).
Dengan demikian, batas atas rentang sensitivitas untuk kendala tenaga kerja adalah
80 jam. Pada nilai ini campuran larutan berubah sehingga mangkuk tidak lagi diproduksi.
Lebih lanjut, saat tenaga kerja meningkat melewati 80 jam, s1 meningkat (mis., Jam
kendur dibuat). Demikian pula, jika jam kerja dikurangi menjadi 30 jam, garis kendala
bergerak turun dan masuk. Ruang solusi layak baru adalah OA C, seperti yang
ditunjukkan pada Gambar S14.3b. Titik optimal baru adalah di C, di mana tidak ada mug
(x2) yang diproduksi. Solusi baru adalah x1 = 30, x2 = 0, s1 = 0, s2 = 0, dan Z = $ 1200.
Sekali lagi, campuran variabel diubah. Ringkasnya, rentang sensitivitas untuk nilai
kuantitas kendala untuk jam kerja adalah antara 30 dan 80 jam seperti yang ditunjukkan
dalam lembar kerja Excel di Tampilan S14.4. Rentang nilai yang serupa ada untuk
kendala tanah liat. Nilai solusi baik untuk turun hingga 60 lb dan hingga 160 lb seperti
yang ditunjukkan dalam Tampilan S14.4.
Ada juga rentang sensitivitas untuk koefisien fungsi tujuan: "$ 40" untuk mangkuk
dan "$ 50" untuk mug. Titik solusi optimal akan tetap sama jika laba untuk mangkuk tetap
dalam $ 25 dan $ 66,67, atau jika laba untuk mug tetap antara $ 30 dan $ 80, seperti yang
ditunjukkan dalam lembar bentang Excel di Tampilan S14.4. Ini juga dapat diamati secara
grafis pada Gambar S14.4.

18
 Jika laba untuk mangkuk meningkat dari $ 40 ke $ 66,67, garis fungsi tujuan
berputar ke lokasi baru di mana ia sejajar dengan garis kendala untuk tanah liat seperti
yang ditunjukkan pada Gambar S14.4a. (Di lokasi baru ini, garis fungsi tujuan dan garis
kendala untuk tanah liat memiliki kemiringan yang sama). Kedua titik B dan C sekarang
optimal. Jika laba untuk mangkuk meningkat lebih besar dari $ 66,67, maka hanya titik
C yang akan optimal dan kami akan memiliki campuran solusi baru. Demikian pula, jika
laba untuk mangkuk berkurang menjadi $ 25 seperti yang ditunjukkan pada Gambar
S14.4b, titik A dan B keduanya optimal. Jika laba untuk mangkuk berkurang menjadi
kurang dari $ 25, hanya titik A yang akan optimal dan ada solusi baru. Dengan demikian,
kisaran untuk laba untuk mangkuk adalah antara $ 25 dan $ 66,67 seperti yang
ditunjukkan dalam lembar kerja Excel di Tampilan S14.4. Selama rentang ini, campuran
solusi saat ini akan tetap optimal, dan nilai-nilai marginal valid.
Rentang sensitivitas ini untuk nilai-nilai kendala dan nilai-nilai fungsi obyektif
memberi para manajer sarana yang nyaman untuk menganalisis penggunaan sumber daya.
Nilai marjinal dari sumber daya memungkinkan manajer mengetahui nilai sumber daya
mereka saat mereka membuat keputusan, dan rentang sensitivitas menunjukkan rentang
di mana nilai-nilai marjinal itu valid. Saat menggunakan perangkat lunak seperti Excel,
seringkali mudah mengubah nilai yang berbeda dalam model pemrograman linier dan
melihat apa yang terjadi. Dalam kedua kasus, ini menunjukkan fitur yang sangat berguna
dari pemrograman linier; itu tidak hanya memberi Anda solusi atau keputusan yang

19
mungkin, tetapi juga memungkinkan Anda untuk "bereksperimen" dengan model untuk
menguji berbagai skenario operasional.

20
 BAB III
PENUTUP

A. Kesimpulan
Pemrograman linier adalah salah satu dari beberapa teknik kuantitatif terkait yang
umumnya diklasifikasikan sebagai model pemrograman matematika. Teknik kuantitatif
lain yang termasuk dalam kategori umum ini meliputi pemrograman integer,
pemrograman nonlinier, dan pemrograman tujuan atau multiobjek. Teknik pemodelan ini
mampu mengatasi berbagai masalah pengambilan keputusan operasional yang kompleks,
dan mereka digunakan secara luas untuk melakukannya oleh bisnis dan perusahaan di
seluruh dunia. Paket perangkat lunak komputer tersedia untuk menyelesaikan sebagian
besar jenis model ini, yang sangat mendorong penggunaannya.

21
22
23