RESUME MATA KULIAH RISET OPERASI

CHAPTER 2 PEMOGRAMAN LINIER: FORMULASI DAN PEMECAHAN GRAFIK

Disusun oleh :
Kelompok 1
Inas Nurfadia Futri F0217053
Irfan Hadi Yuda F0217055
Kelvin Tandra Wicaksana F0217059
Lubna Taj Nabilla Nugroho F0217063

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS SEBELAS MARET
SURAKARTA
2019
 BAB 2 PEMOGRAMAN LINIER: FORMULASI DAN PEMECAHAN GRAFIK
Pemograman linier (linear programming/LP) merupakan salah satu alat riset operasi yang
paling efektif. Hal ini dibuktikan dengan kemudahan pemecahan masalah diberbagai situasi
kehidupan nyata dibidang-bidang seperti: militer, industri, pertanian, transportasi, ekonomi,
kesehatan dan bahkan ilmu social dan perilaku. Terlebih dengan semakin majunya teknologi
computer yang menunjang penyelesaian dengan menggunakan LP.
LP dipandang penting karena sebagai dasar dalam pengembangan teknik-teknik Riset Operasi
(Operation Research ─ OR) lainnya termasuk pemograman integer, stokhastik, arus jaringan
dan kuadratik.
Program linier adalah alat yang “deterministik”, yang berarti bahwa semua parameter model
diasumsikan diketahui dengan pasti. Padahal, dalam kehidupan nyata jarang seseorang
menghadapi masalah dimana terdapat kepastian yang sesungguhnya. Teknik LP melengkapi
kekurangan tersebut dengan memberikan analisi pasca-optimum dan analisis parametrik
sistematis untuk memungkinkan pengambilan keputusan yang bersangkutan untuk meguji
sensitivitas pemecahan optimum yang “statis” terhadap perubahan yang diskrit atau kontinyu
dalam berbagai parameter dari model tersebut. Pada intinya, teknik tambahan ini memberikan
dimensi dinamis pada sifat pemecahan LP yang optimum.
2.1 MODEL DUA VARIABEL DAN PEMECAHAN VARIABELNYA
Merupakan sebuah model LP sederhana dengan dua variable keputusan dan memperlihatkan
bagaimana model ini dapat dipecahkan secara grafis. Walaupun pemecahan grafik dua
dimensi hamper-hampir tidak berguna dalam situasi kehidupan nyata (yang umumnya
meliputi ratusan atau bahkan ribuan variabel dan batasan), prosedur ini menawarkan prosedur
yang luar biasa untuk memahami bagaimana proses optimisasi LP bekerja. Pemecahan ini
dapat memungkinkan digunakan sebagai dasar untuk memperkenalkan konsep analisis
sensitivitas dengan cara yang logis dan mudah dipahami.
Contoh 2.1-1 (Reddy Mikks Company)
Reddy Mikks Company memiliki sebuah pabrik kecil yang menghasilkan cat, baik untuk
interior maupun eksterior untuk didistribusikan kepada grosir. Dua bahan mentah, A dan B,
dipergunakan untuk membuat cat tersebut. Ketersediaan A adalah maksimum 6 ton untuk
satu hari, dan B adalah 8 ton untuk satu hari. Kebutuhan harian akan bahan mentah per ton
cat interior dan eksterior diringkaskan dalam tabel berikut ini.

Ton Bahan Mentah per Ketersediaan

  Ton Cat Maksimum
  Eksterior Interior (ton)
Bahan Mentah A 1 2 6
Bahan Mentah B 2 1 8

Sebuah survey pasar telah menetapkan bahwa permintaan harian akan cat interior tidak akan
lebih dari 1 ton lebih tinggi dibandingkan permintaan akan cat eksterior. Survey tersebut jika
memperlihatkan bahwa permintaan maksimum akan cat interior adalah terbatas pada 2 ton
per hari. Harga grosir per ton adalah $3000 untuk cat eksterior dan $2000 untuk cat interior.
Berapa banyak cat interior dan eksterior yang harus dihasilkan perusahaan tersebut setiap hari
untuk memaksimumkan pendapatan kotor?
Pengembangan Model Sistematis
Pengembangan model sistematis dapat dimulai dengan menjawab ketiga pertanyaan berikut
ini:
1. apa yang diusahakan untuk ditentukan oleh model tersebut? Dengan kata lain, apa variabel
(yang tidak diketahui) dari masalah tersebut?
2. apa batasan yang harus dikenakan atas variabel untuk memenuhi batasan sistem dimodel
tersebut?
3. apa tujuan (sasaran) yang harus dicapai untuk menentukan pemecahan optimum (terbaik)
dari semua nilai yang layak dari variabel tersebut?

Cara yang efektif untuk menjawab pertanyaan-pertanyaan tersebut adalah memberikan

ringkasan verbal untuk masalah yang bersangkutan. Dalam contoh Reddy Mikks, situasinya
dijabarkan sebagai berikut: perusahaan berusaha mementukan jumlah (dalam ton) cat interior
dan eksterior yang harus diproduksi untuk memaksimumkan (manaikkan sebanyak mungkin
sebagaimana layak) pendapatan bruto total (dalam ribuan dollar) sambil memenuhi batasan
permintaan dan penggunaan bahan mentah.

Kesulitan dasar dari model matematis adalah pertama-tama mengidentifikasi variabel dan lalu
mengungkapkan tujuan dan batasan sebagai fungsi matematis dari variabel-variabel tersebut.
Jadi untuk masalah Reddy Mikks, kita memiliki yang berikut ini:

1. Variabel. Karena kita ingin menentukan jumlah cat interior dan eksterior yang harus
diproduksi, variabel-variabel dari model ini dapat didefinisikann sebagai.

x E = jumlah cat eksterior yang diproduksi setiap hari

x I = jumlah cat interior yang diproduksi setiap hari

2. Fungsi Tujuan. Karena setiap ton cat eksterior dijual dengan harga $3000, pendapatan
kotor dari penjualan x E ton adalah 3 x E ribu dollar. Demikian pula, pendapatan kotor dari
x I ton cat interior adalah 2 x I ribu dollar. Berdasarkan asumsi bahwa penjualan cat
interior dan eksterior adalah indenpeden., pendapatan bruto total menjadi penjualan dari
kedua penjualan tersebut. Jika kita menyatakan z=3 x E + 2 x I . Sasarannya adalah
menentukan nilai x E dan nilai x I (yang layak) yang akan memaksimumkan kriteria ini.
3. Batasan. Masalah Reddy Mikks menggunakan batasan atas penggunaan bahan mentah
dan atas permintaan. Batasan penggunaan dapat di ekspresikan secara verbal sebagai

( penggunaan bahan mentah olehkedua cat )≤ ¿

 maksimum ¿

Ini mengarah pada batasan berikut (lihat data untuk masalah ini):
x E + 2 x I ≤ 6 (bahan mentah A)
2 x E + x I ≤ 8 (bahan mentah B)

Batasan permintaan diekspresikan secara verbal sebagai

( jumlah kelebihan cat interior dibandingkancat eksterior ) ≤ 1ton per hari

( permintaanakan cat interior ) ≤ 2ton per hari

Secara matematis kedua batasan tersebut diekspresikan secara berturut-turut sebagai

x E −x E ≤ 1(kelebihan cat interior dibandingkan eksterior)

x E ≤ 2( permintaan maksimum akan cat interior)

Batasan implisit (atau “yang harus dimengerti”) adalah bahwa jumlah yang diproduksi
untuk setiap cat tidak dapat negative (kurang dari nol). Untuk menghindari memperoleh
pemecahan seperti itu, kita mengenakan batasan non negativitas, yang secara normal
ditulis sebagai

x I ≥ 0 (cat interior)

x E ≥ 0 (cat eksterior)

Nilai-nilai variabel x E dan x I dikatakan merupakan pemecahan yang layak jika

memenuhi semua batasan dari model ini, termasuk batasan non negativitas.

Model matematis yang lengkap untuk masalah Reddy Mikks sekarang dapat diringkas
sebagai berikut:

Tentukan jumlah ton cat interior dan eksterior, x I dan x E yang harus diproduksi maksimum

z=3 x E + 2 x I (fungsi tujuan)

dengan batasan

xE+ 2 xI ≤ 6

2 xE + xI ≤ 8

−x E + x I ≤ 1 (batasan)

≤2
x E ≤ 0 , x I ≤0

Apa yang membuat model ini merupakan sebuah linier? Secara teknis, ini merupakan
program linier, karena semua fungsinya (batasan dan tujuan) adalah linier. Linieritas
menyiratkan bahwa baik sifat profesionalitas maupun aditivitas dipenuhi.

1. Proporsionalitas mengharuskan bahwa kontribusi setiap variabel (yaitu, x I dan x E )

dalam fungsi tujuan atau penggunaan sumber daya harus proposional secar langsung
dengan tingkat (nilai) variabel tersebut. Misalnya, jika Reddy Mikks Company
memberikan pemotongan harga dengan menjual satu ton cat eksterior dengan harga
$2500 ketika penjualan melebihi 2 ton, setiap ton tidak lagi menghasilkan pendapatan
sebesar $3000. Melainkan, setiap ton akan menghasilkan $3000 per ton untuk x E > 2
ton. Situasi ini tidak memenuhi kondisi proporsionalitas lengsung dengan x E .
2. Aditivitas mengharuskan bahwa fungsi tujuan adalah jumlah langsung dari kontribusi
individual dari variabel-variabel yang berbeda. Dengan cara yang sama, sisi kiri dari
setiap batasan harus merupakan jumlah penggunaan individual dar setiap variabel dari
sumber daya yang bersamaan. Misalnay, dalam kasus dua produk yang bersaing,
dimana dalam kenaikan dua tingkat penjualan satu produk memiliki pengaruh yang
merugikan terhadap penjualan produk lainnya, kedua produk tersebut tidak memenuhi
sifat aditivitas.

2.1.1 PEMECAHAN GRAFIK DARI MODEL LP

Masih dalam mempertimbangkan pemecahan model LP Reddy Mikks. Model
tersebut dapat dipecahkan secara grafik karena hanya memiliki dua variabel.
Untuk model-model dengan tiga variabel atau lebih, model grafik tidak praktis.
Bagaimanapun juga, kita akan dapat menarik kesimpulan umum dari metode
grafik yang akan berfungsi sebagai dasar untuk pengembangan metode
pemecahan umum dalam bahasan selanjutnya.

Langkah pertama dalam metode grafik adalah menggambar ruang pemecahan

yang memenuhi semua batasan secara kebersamaan. Gambar 2.1 menunjukkan
ruang pemecahan yang dipersyaratkan. Batasan nonnegativitas x E ≤ 0 dan x I ≤0
memebatasi semua nilai-nilai yang layak pada kudran pertama (yang didefinisikan
sebagai bidang di atas dan di sumbu x E dan di sebelah kanan dan di sumbu x I ).
Bidang yang ditutup oleh batasan-batasan lainnya ditentukan pertama-tama
dengan mengganti (≤) dengan (¿) untuk setiap batasan, sehingga menghasilkan
persamaan garis lurus. Setiap garis lurus lalu digambar di bidang ( x ¿ ¿ E , x I )¿, dan
dibidang dimana setiap batasan berlaku ketika pertidaksamaan tersebut
diberlakukan ditunjukkan dengan arah panah dari garis lurus yang bersangkutan.
Satu cara yang mudah untuk arah panah tersebut adalah dengan menggunakan
titik asal (0, 0) sebagai titik rujukan. Jika (0, 0) memenuhi pertidaksamaan
tersebut, arah yang layak akan mencakup titik asal tersebut; jika tidak, panah itu
akan mengarah ke sisi yang sebaliknya, misalnya, (0, 0) memenuhi
pertidaksamaan −x E + x I ≤ 1 , yang berarti bahwa pertidaksamaan tersebut adalah
layak di (separuh) bidang yang mencakup titiak asal tersebut. Jika sebuah batasan
secara kebetulan berpotongan dengan titik asal, titik rujukan yang tidak berada di
garis lurus yang tidak bersangkutan harus dipilih. Dengan menerapkan prosedur
ini untuk contoh, kita memperoleh ruang pemecahan ABCDEF yang
memperlihatkan dalam gambar 2.1.

Untuk menemukan pemecahan yang optimum (maksimum) kita menggerakka

garis pendapatan “ke atas” sampai ke titik dimana setiap kenaikan lebih lanjut
dalma pendapatan akan menghasilkan pendapatan yang tidak layak. Gambar 2-2
memeperlihatkan bahwa pemecahan yang optimum terjadi di titik C. karena titik
C adalah titik potong antara garis 1 dan 2 (lihat gambar 2-1), nilai-nilai x E dan x I
ditentukan dengan memecahkan dua persamaan berikut ini secara bersamaan:
x E + 2 x I =6
2 x E + x I =8
Setiap titik yang berada di dalam atau di garis pembatas ruang yang layak
ABCDEF memenuhi semua batasan dan karena itu mewakili sebuah titik yang
layak. Walaupun terdapat sejumlah tak terhingga titik layak dalam ruang
pemecahan, pemecahan ruang yang optimum dapat ditentukan dengan
mengamati arah kemana fungsi tujuan z=3 x E + 2 x I meningkat. Gambar 2-2
mengilustrasikan hasil ini. Garis sejajar yang mewakili fungsi tujuan digambar
dengan memberikan nilai (sembarang) yang semakin meningkat untuk
z=3 x E + 2 x I untuk mementukan baik kemiringan maupun ke arah mana
pendapatan total (fungsi tujuan) meningkat. Dalam gambar 2-2 kita menggunakan
z=6 dan z=9.

Kedua persamaan tersebut menghasilkan x E =31 /3 dan x I ¿ 11/ 3. Jadi pemecahan

tersebut menyatakan bahwa produksi harian haruslah 31 /3 ton cat eksterior dan 11/ 3
ton cat interior. Penghasilan yang berkaitan dengannya adalah:
z=3( 3¿¿ 1/3)+2 1 1 =122 /3 ¿ ribu dollar
( )3

Keluaran model Reddy Mikks dengan menggunakan perangkat lunak TORA

diberikan dalam gambar 2-3. Keluaran tersebut memberikan ringkasan pemecahan
¿ ¿, dan z=12,6667 ¿ keluaran ini juga memberikan kontribusi setiap variabel
individual kepada fungsi tujuan. Bagian kedua dari keluaran dalam gambar 2-3
mendaftarkan batasan dan jenisnya bersamaan dengan nilai slack dan surplus yang
berkaitan. Sebuah variabel slack berkaitan dengan batasan (≤) dan mewakili
jumlah kelebihan sisi kanan dari batasan tersebut dibandingkan sisi kiri. Sebuah
variabel surplus diidentifikasikan dengan batasan (≥) dan mewakili kelebihan sisi
kiri dibandingkan sisi kanan. Untuk batasan sejenis ( ≤ ) , sisi kanan umumnya
mewakili batas ketersediaan sumber daya, sementara sisi kiri mewakili
penggunaan sumber daya yang terbatas ini oleh berbagai kegiatan yang berbeda
(variabel) dari model tersebut. Dalam kaitan ini, variabel slack mewakili jumlah
sumber daya yang tidak dipergunakan. Batasan sejenis (≥) umumnya menetapkan
persayaratan spesifikasi minimum ini. Dalam model Reddy Mikks, dua batasan
pertama mewakili ketersediaan bahan mentah A dan B. kedua batasan tersebut
memperlihatkan variabel slack sebesar nol, yang berarti bahwa keduanya
sepenuhnya dipergunakan. Batasan permintaan 3 dan 4 memiliki nilai slack
 positif, yang berarti bahwa batasan tersebut adalah lebih tinggi daripada yang
diperlukan oleh pemecahan yang optimum.
Gambar 2-3 mencakup dua kolom tambahan, “reduced cost” (pengurangan
biaya) dan “dual price” (harga dual). Kepentingan informasi ini akan diterangkan
dalam bagian selanjutnya setekah perkenalan topik analisis sensitivitas.
2.1.2 ANALISIS SENSITIVITAS : PEMBAHASAN DASAR

 Analisis sensitivitas merupakan analisis yang dilakukan untuk mengetahui akibat dari
perubahan parameter-parameter produksi terhadap perubahan kinerja sistem produksi
dalam menghasilkan keuntungan.
 Dengan melakukan analisis sensitivitas maka akibat yang mungkin terjadi dari
perubahan-perubahan tersebut dapat diketahui dan diantisipasi sebelumnya.

Alasan dilakukannya analisis sensitivitas adalah untuk mengantisipasi adanya perubahan-

perubahan berikut:

1. Adanya cost overrun, yaitu kenaikan biaya-biaya, seperti biaya konstruksi, biaya
bahan-baku, produksi, dsb.
2. Penurunan produktivitas
3. Mundurnya jadwal pelaksanaan proyek

Analisis sensitivitas dilakukan dengan menghitung IRR, NPV, B/C ratio, dan payback period
pada beberapa skenario perubahan yang mungkin terjadi. Sensitivitas juga mengalami
beberapa masalah yaitu,

1. Berapa besar perubahan yang diijinkan dalam koefisien fungsi tujuan ?

Perubahan dalam keofisien fungsi tujuan hanya akan mempengaruhi kemiringan garis
lurus.
2. Berapa nilai satu unit sumber daya ?
Masalah ini berkaitan dengan studi sensitivitas dari pemecahan optimum terhadap
perubahan dalam batasan sisi kanan. Jika batasan tersebut mewakili sebuah sumber
daya yang terbatas masalah ini menjadi studi tentang pengaruh perubahan
ketersediaan sumber daya.
Perubahan yang bersesuaian dalam nilai tujuan optimum akan terjadi dengan laju konstan
selama pemecahan optimum ditentukan berdasarkan titik potong (1) dan (2). Penelitian pada
Gambar 2-6 akan meperlihatakna bahwa persyaratan seperti ini dipenuhi selama pengesahaan
tersebut dibatasi pada kisaran yang diwakili oleh segmen garis KB. Jika bahan mentah A
dinaikan melewati jumlah yang berkitan dengan titik K. batasan tersebut akan berlebihan
dank arena itu tidak akan berpengaruh terhadap ruang. Jika jumlah bahan mentah A di
turunkan lebih rendah dari pada nilai yang berkaitan dengan titik B. pemecahan optimum
tidak akan di tentukan berdasarkan titik potong garis (1) dan (2). Kondisi ini akan merusak
hubungan linear antara nilai tujuan optimum dan perubahan dalam jumlah bahan mentah A.

Untuk mempertimbangkan bahan mentah B, Gambar 2-7 memperlihatkan bahwa titik batas
yang akan mempertahankan asumsi linearitas antara jumlah bahan mentah B dan nilai
optimal Z diketahui dengan D dan J. kisaran yang bersesuaikan untuk bahan mentah B dan Z
ditentukan dengan cara serupa dengan yang dipergunakan untuk bahan mentah A. cara ini
menghasilkan kisaran [6,12] untuk bahan mentah tersebut dan [10,18] untuk Z. lalu batasan
yang berkaitan dengan bahan mentah A dan B memiliki nilai Slack nol (0) karena garis lurus
keduanya melewati titik pemecahan optimum saaat ini di C.
Harga bayangan (shadow price) adalah harga pada pasar persaingan sempurna yang
mewakili biaya imbangan sosial yang sesungguhnya.
2.2 FORMULASI LP
Contoh 2.2-1 (Kebijakan Pinjaman Bank)
Bank sedang dalam proses merumuskan sebuah kebijakan pinjaman yang melibatkan jumal
total uang $12 juta. Bank tersebut wajib memberikan pinjaman kepada nasabah. Tabel diatas
memberikan jenis pinjaman dan suku bunga yang dikenakan bank tersebut dan probabilitas
pinjaman macet berdasarkan pengalaman masa lalu.
Persaingan dengan lembaga lain mengharuskan bank untuk mengalokasikan setidaknya 40%
dari dana total untuk pinjaman pertanian dan komersial. Selain itu untuk membantu industri
perumahan, pinjaman setidaknya sama dengan 50% dari pinjaman pribadi, mobil, dan
perumahan. Bank tersebut juga memiliki kebijakan tertulis yang menyatakan bahwa rasio
keseluruhan untuk pinjaman macet atas semua pinjaman tidak boleh lebih besar dari 0.04.
Tujuan dari Thriftem Bank adalah memaksimalkan pengembalian bersihnya yang terdiri dari
selisih antara pendapatan dari bunga dan dana yang terhilang akibat pinjaman macet. Karena
pinjaman macet tidak dapat diperoleh kembali, baik pinjaman pokok maupun bunganya,
dungsi tujuan dapat ditulis sebagai berikut:
Memaksimumkan z = 0.14(0.9x1) + 0.13(0.93x1) + 0.12(0.97x3) + 0.125(0.95x4) +
0.1(0.98x5) – 0.1x1 – 0.07x2 – 0.03x3 – 0.05x4 – 0.02x5
Fungsi ini dapat disederhanakan menjadi =
Memaksimumkan z = 0.026x1 + 0.0509x2 + 0.0864x3 + 0.06875x4 + 0.078x5
Masalah ini memiliki lima batasan:
1. Dana total
x1 + x2 + x3 + x4 + x5 ≤ 12
2. Pinjaman pertanian dan komersial
x4 + x5 ≥ 4.8
3. Pinjaman perumahan
X3 x 0.5(X1 + X2 + X3)
4. Batas pinjaman macet
0.06x1 + 0.03x2 – 0.01x3 + 0.01x4 – 0.02x5 ≤ 0
5. Non Negativitas
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0, x5 ≥ 0
Kesimpulan
1. Pinjaman perumahan dan komersial direkomendasikan
2. Pinjangan personal merupakan pinjaman yang paling tidak menarik
3. Pengembalian tahunan atas investasi sebesar 8.64%

Contoh 2.2-2 (Penggunaan dan Pengembangan Tanah)

Perusahaan harus memutuskan jumlah unit yang harus dibangun untuk setiap tipe rumah
bersamaan dengan jumlah tempat rekreasi yang memenuhi ketentuan wilayah tersebut.
Fungsi Tujuan:
Memaksimumkan z = 10.000x1 + 12.000x2 + 15.000x3
Batasan dalam masalah ini mencakupi :
1. Batasan atas penggunaan tanah
 2x1 + 3x2 + 4x3 + 1x4
2. Rumah untuk satu keluarga

𝑋1/(𝑋1+𝑋2+𝑋3) ≥ 0,5

3. Tempat Rekreasi
200X4 – X1 – 2X2 – 3X3 ≥ 0
4. Modal
1000x1 + 1200X2 + 1400X3 + 800X4 ≥ 100.000
5. Konsumsi Air
400X1 + 600X2 + 840X3 + 450X4 ≤ 200.000
6. Non Negativitas
X1 ≥ 0, X2 ≥ 0, X3 ≥ 0, X4 ≥ 0

2.3 FORMULASI LP TAMBAHAN

Contoh:
Progress City sedang mempelajari kelayakan memperkenalkan sistem bis transit yang akan
mengatasi polusi dengan mengurangi perjalanan dalam kota. Studi awal berusaha untuk
menentukan jumlah minimum bis yang dapat menangani kebutuhan transportasi. Setelah
mengumpulkan informasi yang diperlukan, para teknisi kota tersebut melihat bahwa jumlah
minimum bis yang diperlukan untuk memenuhi permintaan itu berfluktuasi dengan waktu
dalam sehari. Setelah mempelajari data tersebut lebih lanjut, menjadi jelas bahwa jumlah bis
yang diperlukan dapat diasumsikan konstan selama interval waktu masing-masing dibuat
menjadi 4 jam.

Representasi Matematis
Kebutuhan model ini adalah menentukan jumlah bis yang dioperasikan selama shift yang
berbeda yang akan memenuhi permintaan minimum sambil meminimumkan jumlah total bis
harian yang beroperasi.
Contoh 1:

Representasi Matematis
Kita berusaha menentukan kombinasi susunan pisau yang akan memenuhi pesanan yang
diperlukan dengan bidang kerugian pemotongan yang terkecil.

Contoh 2:
Representasi Matematis
Yang diperlukan adalah menentukan jumlah unit dari setiap produk yang memaksimumkan
laba bersih dengan ketentuan bahwa jam mesin maksimum yang diijinkan hanya dapat
dilewati atas jam lembur.
Dengan tidak adanya pilihan lembur, batasan model dituliskan sebagai:
X1/5 + X2/6 ≤ 8 (mesin 1)
X1/4 + X2/8 ≤ 8 (mesin 2)