Program linier merupakan salah satu teknik menyelesaikan riset operasi, dalam hal ini

adalah khusus menyelesaikan masalah-masalah optimasi (memaksimalkan atau memininumkan)

tetapi hanya terbatas pada masalah-masalah yang dapat diubah menjadi fungsi linear.

Secara khusus, persoalan program linear merupakan suatu persoalan untuk menentukan
besarnya masing-masing nilai variabel sehingga nilai fungsi tujuan atau objektif yang linear
menjadi optimum (memaksimalkan atau meminimumkan) dengan memperhatikan adanya
kendala yang ada, yaitu kendala yang harus dinyatakan dalam bentuk ketidaksamaan yang linear.

Banyak sekali keputusan utama dihadapi oleh seorang manajer perusahaan untuk
mencapai tujuan perusahaan dengan batasan situasi lingkungan operasi. Pembatasan tersebut
meliputi sumberdaya misalnya waktu, tenaga kerja, energi, bahan baku, atau uang. Secara umum,
tujuan umum perusahaan yang paling sering terjadi adalah sedapat mungkin memaksimalkan
laba.

Tujuan dari unit organisasi lain yang merupakan bagian dari suatu organisasi biasanya
meminimalkan biaya. Saat manajer berusaha untuk menyelesaikan masalah dengan mencari
tujuan yang dibatasi oleh batasan tertentu, teknik sains manajemen berupa program linear sering
digunakan untuk permasalahan ini.
 Dalam suatu perusahaan maupun organisasi memiliki keterbatasan atas sumber dayanya,
baik keterbatasan dalam mesin dan peralatan, ruang tenaga kerja, jumlah bahan baku, jam kerja,
maupun modal. Dengan keterbatasan ini, perusahaan perlu merencanakan strategi yang dapat
mengoptimalkan hasil yang ingin dicapai, baik itu berupa keuntungan maksimal atau biaya
minimal. Berbagai cara lain telah ditemukan untuk tujuan itu, salah satu diantaranya
pemrograman linear (Eddy, 2008).

Pemrograman ini merupakan sebuah metode  matematik dalam mengalokasikan sumber

daya yang terbatas untuk mencapai suatu tujuan seperti yang utama ialah untuk
memaksimumkan keuntungan dan meminimumkan biaya. Pemrograman linear meliputi
perencanaan aktivitas untuk mendapatkan hasil optimal, yaitu sebuah hasil yang mencapai tujuan
terbaik (menurut model matematika) diantara semua kemungkinan alternatif yang ada.

Model Linier Programming

Di bawah terdapat tabel yang menggambarkan bentuk umum dari beberapa komponen
yang menggambarkan program linier secara universal. Kunci penting disini adalah sumber daya
dan aktivitas. Di mana m merupakan jumlah jenis sumber daya dan n jumlah aktivitas yang
dipertimbangkan. Beberapa sumber daya umumnya adalah uang dan tipe khusus seperti mesin,
peralatan, kendaraan dan pekerja. Beberapa contoh aktivitas adalah investasi proyek tertentu,
pengiklanan di media tertentu, dan pengiriman barang dari sumber tertentu ke suatu tujuan.

Tipe penerapan pemrograman linier yang paling umum mengacu pada pengalokasian
sumber daya untuk aktivitas. Jumlah sumbver daya yang tersedia adalah terbatas, sehingga
pengalokasian sumber daya untuk aktivitas harus dilakukan secara hati hati. Penentuan alokasi
ini meliputi memilih tingkat aktivitas yang mencapai nilai terbaik dari ukuran keseluruhan
performasi.

Persoalan Umum
Sumber daya = m
Aktivitas = n
Tingkat aktivitas = j, xj
Terdapat beberapa simbol umum untuk digunakan menunjukkan komponen model
pemrograman linier:
 Z = nilai dari semua standar performasi

x j = tingkat aktivitas j untuk (j = 1, 2, …, n)

c j= penambahan terhadap Z yang diakibatkan oleh peningkatan tiap unut di tingkat

aktivitas j

b j= jumlah sumber daya i yang tersedia untuk aktivitas ( untuk i = 1, 2, …, m)

a ij= jumlah sumber daya i yang dipakai oleh tiap unit aktivitas j

Suatu model akan membuat permasalahan menjadi suatu bentuk pengambilan keputusan
mengenai tingkat aktivitas sehingga x 1, x 2, …, x n disebut variabel keputusan. Seperti yang telah
ditulis ditabel 2, nilai c j, b j, dan a ij (untuk i = 1, 2, …, m dan j = 1, 2, …, n) adalah input konstan
untuk suatu model. Serta c j, b j, dan a ij juga disebut parameter suatu model.

Bentuk Standar Model

Langkah selanjutnya menentukan model matematika untuk pengalokasian sumber daya

ke aktivitas ini. Secara khusus, model ini untuk memilih nilai x 1, x 2, …, x n untuk:

Memaksimalkan Z =c 1 x 1+c 2 x 2+…+c n x n

Sesuai dengan batasan:

a 1 x 1+a 12 x12+ …+a 1n xₙ ≤b ₁

a 2 x 1+a 22 x22 + …+a 2n xₙ ≤b ₂

Hingga: a m 1 x 1+a m 2 x 22+…+a mn xₙ ≤ bₘ

Dan x 1 ≥ 0, x 2 ≥ 0, … x n ≥ 0 ,
 Suatu fungsi yang dimaksimalkan, c 1 x 1+c 2 x 2+…+c n x n disebut fungsi tujuan. Pada
umumnya, batasan batasan disebut kendala.

Bentuk lainnya

 Meminimalkan fungsi tujuan

Minimalisasi Z = a 1 x 1+c 2 x 2+…+c n x n

 Beberapa kendala pertidaksamaan dengan tanda lebih besar dari atau sama dengan
a i1 x1 +a i2 x 2+ …+a ¿ xₙ ≤ b ₁ untuk beberapa nilai i

 Beberapa kendala fungsional dengan bentuk persamaan:

a i1 x1 +a i2 x 2+ …+a ¿ xₙ ≤ b ₁ untuk beberapa nilai i

 Menghilangkan kendala nonnegativitas untuk beberapa variabel keputusan: x j tidak

dibatasi untuk beberapa nilai j.

1. Fungsi tujuan (objective function);

Merupakan suatu fungsi dari variabel keputusan yang akan dimaksimumkan atau
diminimumkan berdasarkan yang dikehendaki.

Contoh:

max atau min Z = c1x1 + c2x2 + c3x3 + ... + cnxn.

2. Fungsi Kendala atau Batasan (constraints);

Merupakan suatu kendala atau batasan yang dirumuskan ke dalam suatu pertidaksamaan
matematik. Kendala dalam hal ini merupakan suatu hal yang membatasi tujuan yang dihasilkan
seperti keterbatasan biaya, material, waktu, tenaga dan lain-lain.

Contoh: Batasan-batasan:

a11x1 + a12x2 + a13x3 + ··· + a1nxn ≤ b1

a21x1 + a22x2 + a23x3 + ··· + a2nxn ≤ b2

 ···

···

am1x1 + am2x2 + am3x3 + ··· + amnxn ≤ bm

x1 ≥ 0, x2 ≥ 0,...,xn ≥ 0

Notasi x1, x2,...,xn (xi) menunjukkan variabel keputusan. Jumlah variabel keputusan (xi)
oleh karenanya tergantung dari jumlah kegiatan atau aktivitas yang dilakukan untuk mencapai
tujuan.c1, c2, . . . , cn merupakan kontribusi masing-masing variabel keputusan terhadap tujuan,
disebut juga koefisien fungsi tujuan pada model matematiknya. an,...,a1n,...,amn merupakan
penggunaan per unit variabel keputusan akan sumberdaya yang membatasi atau disebut juga
sebagai koefisien fungsi kendala pada model matematiknya.

b1, b2,...,bn menunjukkan jumlah masing-masing sumberdaya yang ada. Jumlah fungsi
kendala akan tergantung dari banyaknya sumberdaya yang terbatas. Pertidaksamaan yang
terakhir (x1, x2,...,xn ≥ 0) menunjukkan batasan nonnegatif.

Pada masalah penyelesaian optimalnya merupakan bilangan real yang bisa berupa
bilangan pecahan. Pembulatan ke integer terdekat bisa menyebabkan nilai optimalnya
menyimpang dari nilai yang diharapkan. Padahal permasalahan di kehidupan nyata sering kali
memerlukan penyelesaian dengan variabel keputusan berupa integer.

Dengan model penyelesaian berupa variabel integer diharapkan dapat memberikan

penyelesaian yang optimal. Model Linear Programming (LP) menyajikan bentuk matematik dari
objektif dan pembatasnya berupa fungsi linear.

Sebuah Contoh Model Pemaksimuman

Beaver Creek Pottery Company adalah sebuah operasi kerajinan tangan kecil yang
dijalankan oleh dewan adat istiadat Suku Asli Amerika. Perusahaan tersebut memperkerjakan
ahli-ahli kerajinan tangan untuk memproduksi mankuk dan mug tanah liat. Kedua sumber daya
utama yang digunakan adalah tanah liat tembikar khusus dan tenaga kerja terampil. Dengan
sumber daya yang terbatas ini perusahaan ingin mengetahui berapa banyak mangkuk dan mug
yang arus diproduksi setiap hari untuk memaksimalkan laba. Biasanya ini disebut jenis masalah
bauran produk.
 Terdapat 40 jam kerja dan 120 tanah liat yang tersedia setiap hari untuk produksi akan
merumuskan permasalahan ini sebagai model pemrograman linier dengan mendefinisikan setiap
komponen dari model secara terpisah dan kemudian menggabungkannya dalam satu model.

Langkah-langkah Perumusan Model program linear

1. Didefinisikan variabel keputusan

2. Definisikan fungi tujuan
3. Definisikan kendala-kendala

Variabel keputusan

Keputusan yang dihadapi manajemen dalam permasalahan ini adalah berapa banyak
mangkuk dan mug yang harus diproduksi. Kedua variabel keputusan tersebut mewakilih jumlah
yang harus diproduksi setiap hari dapat diwakili dengan simbolis:

x 1 = jumlah mangkuk yang harus diproduksi

x 2 = jumlah mug yang harus diproduksi

Fungsi Tujuan

Tujuan perusahaan adalah untuk memaksimalkan laba total. Dengan menempatkan istilah
memaksimalkan di depan fungsi laba, kita menggambarkan tujuan perusahaan—untuk
memaksimalkan laba:

Memaksimalkan Z=$40 x 1 + 50 x 2

Keterangan: Z = laba total per hari

$40 x 1= laba dari mangkuk

$50 x 2= laba dari mug

Kendala Model

Tenaga kerja total yang digunakan untuk masing-masing produk:

1 x1 + 2 x2
Namun, jumlah tenaga kerja yang diwakili oleh 1 x1 + 2 x2 terbatas pada 40 jam per hari. Jadi
kendala tenaga kerja adalaha: 1 x1 + 2 x2 ≤40jam

Pertidaksamaan “kurang dari atau sama dengan” (≤) akan lebih digunakan daripada
persamaan (=) karena 40 jam kerja tersebut adalah batasan maksimum yang dapat digunakan,
bukan jumlah yang harus digunakan.

4 x1 + 3 x 2 ≤ 120 jam

Kendala terakhir adalah bahwa jumlah mangkuk dan mug yang diproduksi haruslah
berjumlah nol atau bernilai positif karena tidak mungkin untuk memproduksi barang bernilai
negatif. Kendala ini disebut sebagai kendala non-negativitas.

x 1 ≥ 0 , x 2≥0

Model pemograman linier lengkap untuk permasalahan ini sekarang depat dirangku sebagai
berikut.

Memaksimalkan Z=$40 x 1 + 50 x 2

Kendala 1 x1 + 2 x2 ≤ 40

4 x1 + 3 x 2 ≤ 120

x1 , x2 ≥ 0

1(5) + 2(10) ≤ 40

25 ≤ 40

Dan

4(5) + 3(10) ≤ 120

50 ≤ 120

Z=$40(10) + 50(20)

= 400 + 1000

= 1.400
Meskipun ini jelas merupakan solusi yang lebih baik dalam hal laba, solusi infisibel (yaitu tidak
dimungkinkan) karena melanggar kendala sumber daya tenaga kerja.

1(10) + 2(20) ≤40

50≤40

Solusi Grafis dari Model Pemograman Linear

Sebuah pendekatan solusi yang umum diunakan adalah dengan memecahkan secara
aljabar sekumpulan hubungan matematis yang membetuk model tersebut entah secara manual
atau dengan menggunakan program komputer, dan menentukan nilai dari variabel keputusan
tersebut. Namun karena hubungannya bersifat linier, beberapa model dan solusi dapat
diilustrasikan secara grafis.

Metode grafis terbatas pada model dengan hanya dua variabel keputusan, yang dapat
diwakili pada grafis dua dimensi. Model dengan tiga variabel keputusan dapat digrafikkan dalam
tiga dimensi, tetapi proses tersebut cukup merepotkan, dan model dengan empat atau lebih
variabel keputusan tidak dapat digrafikkan sama sekali.

Solusi Grafis dari Model Maksimalisasi

Model pemrograman linier dirumuskan sebagai:

Maksimalkan Z=$40 x 1 + 50 x 2

Kendala x 1 + 2 x2 ≤ 40 jam kerja

4 x 1+3 x 2 ≤ 120 pon tanah liat

x 1 , x 2≥0

Keterangan x 1 = jumlah mangkuk yang diproduksi

x 2 = jumlah mug yang diproduksi

Langkah-langkah Solusi Grafis

 1. Gambarkan kendala model sebagai persamaan pada grafik; kemudian, dengan
mempertimbangkan pertidaksamaan kendala, tandai ruang solusi fisibel
2. Gambarkan fungsi tujuan; kemudian, pindahkan garis ini dari pangkal ke luar untuk
lokasi titik solusi optimal
3. Selesesaikan persamaan secara bersama-sama pada pada titik solusi untuk menemukan
nilai solusi optimal

Atau

1. Gambarkan kendala model sebagai persamaan pada grafik; kemudian, dengan

mempertimbangkan pertidaksamaan kendala, tandai ruang solusi fisibel
2. Selesaikan secara bersama-sama di masing-masing titik sudut untuk menemukan nilai
solusi di masing-masing titik
3. Substitusikan nilai-nilai ini ke dalam fungsi tujuan untuk menemukan rangkaian nilai
yang menghasilkan Z maksimum

Sebuah Contoh Model Minimalisasi

Seorang petani berencana untuk bercocok tanam di musim semi, sehingga ia perlu
memupuk suatu ladang. Terdapat dua pilihan merk pupuk, Supergro dan Cropquick. Masing
masing merk menghasilkan jumlah nitrogen dan fosfat tertentu tiap kantung.

Ladang petani tersebut membutuhkan sedikitnya 16 pon nitrogen dan sedikitnya 24pon
fosfat. Supergro berharga $6 per kantung dan Cropquick berharga $3. Sang petani ingin
mengetahui berapa banyak kantung dari masing masing merk untuk dibeli agar dapat
meninimalkan biaya total untuk pupuk.

Variabel Keputusan

x 1= kantung Supergro

x 2= kantong CropQuick
Fungsi Tujuan

Meminimalkan Z = $6 x 1+3 x 2 ¿
¿

Yang mana: $6 x 1 = biaya kantung Supergro

$3 x 2 ¿= biaya kantung Cropquick

¿

Kendala Model

Kendala nitrogen:

2 x 1+4 x 2 ≥ 16 pon

Yang mana: 2 x 1 = kontribusi nitrogen (pon) per kantung Supergro

4 x 2 = kontribusi nitrogen (pon) per kantung Cropquick

Kendala fosfat dikontruksi seperti kendala untuk nitrogen:

4 x 1+3 x 2 ≥ 24 pon

Jika petani mengatakan kendala untuk fosfat adalah tepat, maka:

4 x 1+3 x 2=24 pon

Kendala nonnegativitas:

x 1, x 2 ≥ 0

Perumusan lengkapnya adalah

Meminimalkan Z = $6 x 1+3 x 2 ¿
¿

Kendala: 2 x 1+4 x 2 ≥ 16 pon nitrogen

4 x 1+3 x 2 ≥ 24 pon fosfat

x 1, x 2 ≥ 0
Solusi Grafis Model Minimalisasi

Contoh pupuk akan digunakan untuk mendemontrasikan solusi grafis dari model
minimalisasi.

Setelah itu menentukan lokasi titik optimal. Pada kasus ini titik titik sudut mewakili
ekstremitas pada perbatasan dari ruang solusi fisibel yang terdekat dengan ppangkal. Gambar
dibawah menandakan tiga titik sudut A. B dan C dan garis fungsi tujuannya.

Langkah terakhir dalam pendekatan solusi grafis adalah mencari nilai x 1 dan x 2 di titik A,
karena titik A berada pada sumbu x 1 , x 2=0;jadi,

4(0)+3 x 2=24

x 2=8
Dengan solusi optimalnya adalah x 1=0, x 2=8, biaya minimumnya Z adalah:

Z = $6 x 1+3 x 2 ¿
¿

Z = 6(0)+3(8)

Ini berarti bahwa petani seharusnya tidak membeli Supergro, tetapi membeli delapan kantung
Cropquick, dengan biaya total sebesar $24.

Variabel Surplus

Meminimalkan Z = $6 x 1+3 x 2 ¿
¿

Kendala: 2 x 1+4 x 2 ≥ 16 pon nitrogen

4 x 1+3 x 2 ≥ 24 pon fosfat

x 1, x 2 ≥ 0

Keterangan

x 1 = kantung pupuk Supergro

x 2 = kantung pupuk Cropquick

Z = biaya petani total $ untuk membeli pupuk

Alih alih menambahkan variabel peubah seperti yang kita lakukan dengan kendala ≥, kita
mengurangkan variabel surplus. Jika variabel peubah ditambahkan dan mencerminkan sumber
daya yang tak digunakan, variabel surplus dikurangkan dan mencerminkan kelebihan diatas
tingkat persyaratan sumber daya minimum. Seperti halnya variabel peubah, variabel surplus
diwakili secara simbolis dengan s1dan haruslah non negatif.

Untuk kendala nitrogrn, prngurangan dengan variabel surplus memberikan:

2 x 1+4 x 2−s1=16

Variabel surplus s1mengubah kendala nitrogen menjadi sebuah persamaan.

Sebagai contoh solusi hipotesis:

 x 1=0

x 2 = 10

Dengan mensubstitusikan nilai-nilai ini ke dalam persamaan sebelumnya akan menghasilkan:

2(0)+4(10)- s1 = 16

- s1 = 16 – 40

s1 = 24 pon nitrogen

Dengan cara yang sama kendala untuk fosfat diubah menjadi persamaan dengan
mengurangkan sebuah variabel surplus s2

4 x 1+3 x 2−s1=24

Dengan demikian, format standart dari model merograman linier ini dirangkum sebagai berikut:

Meminimalkan Z = $6 x 1+3 x 2 ¿+0 s1+0 s2

¿

Kendala: 2 x 1+4 x 2−s1=16

4 x 1+3 x 2−s2=24

x 1, x 2 , s1 , s 2 ≥0
Karakteristik Linier Programming

Sifat linearitas suatu kasus dapat ditentukan dengan menggunakan beberapa cara. Secara
statistik, kita dapat memeriksa kelinearan menggunakan grafik (diagram pencar) ataupun
menggunakan uji hipotesa. Secara teknis, linearitas ditunjukkan oleh adanya sifat
proporsionalitas, additivitas, divisibilitas dan kepastian fungsi tujuan dan pembatas.

Sifat proporsional dipenuhi jika kontribusi setiap variabel pada fungsi tujuan atau
penggunaan sumber daya yang membatasi proporsional terhadap level nilai variabel. Jika harga
per unit produk misalnya adalah sama berapapun jumlah yang dibeli, maka sifat proporsional
dipenuhi. Atau dengan kata lain, jika pembelian dalam jumlah besar mendapatkan diskon, maka
sifat proporsional tidak dipenuhi. Jika penggunaan sumber daya per unitnya tergantung dari
jumlah yang diproduksi, maka sifat proporsionalitas tidak dipenuhi.

Sifat additivitas mengasumsikan bahwa tidak ada bentuk perkalian silang diantara
berbagai aktivitas, sehingga tidak akan ditemukan bentuk perkalian silang pada model. Sifat
additivitas berlaku baik bagi fungsi tujuan maupun pembatas (kendala). Sifat additivitas dipenuhi
jika fungsi tujuan merupakan penambahan langsung kontribusi masing-masing variabel
keputusan. Untuk fungsi kendala, sifat additivitas dipenuhi jika nilai kanan merupakan total
penggunaaan masing-masing variabel keputusan. Jika dua variabel keputusan misalnya
merepresentasikan dua produk substitusi, dimana peningkatan volume penjualan salah satu
produk akan mengurangi volume penjualan produk lainnya dalam pasar yang sama, maka sifat
additivitas tidak terpenuhi.

Sifat divisibilitas berarti unit aktivitas dapat dibagi ke dalam sembarang level fraksional,
sehingga nilai variabel keputusan non integer dimungkinkan.

Sifat kepastian menunjukkan bahwa semua parameter model berupa konstanta. Artinya
koefisien fungsi tujuan maupun fungsi pembatas merupakan suatu nilai pasti, bukan merupakan
nilai dengan peluang tertentu.
Keempat asumsi (sifat) ini dalam dunia nyata tidak selalu dapat dipenuhi. Untuk meyakinkan
dipenuhinya keempat asumsi ini, dalam pemrograman linier diperlukan analisis sensitivitas
terhadap solusi optimal yang diperoleh.

Aplikasi Linier Programming

Untuk keperluan menyelesaikan program linear sudah tersedia program khusus salah satu
aplikasi yang dapat digunakan adalah software Lindo (Linear Interactive Discreat Optimizer).
Software ini dapat menyelesaikan permasalahan program linear dengan mudah, cepat dan akurat
bahkan mampu menyelesaikan masalah program linear sampai 100 constraints (fungsi kendala).

 Salah satu yang utama dari software Lindo adalah memasukan rumus berdasarkan
penyelesaiannya. Rumus yang dimaksud disini dalam bentuk matematika. Jika menggunakan
program linear secara manual atau dengan menggunakan metode simpleks akan lebih sulit dan
memakan waktu lebih lama karena membutuhkan ketelitian dan ketekunan yang tinggi. Untuk
itu sangatlah tepat jika masalah dalam program linear dengan berbagai kejadian masalah
optimasi ataupun segala permasalahan optimasi dalam dunia nyata di cari penyelesaiannya
dengan Lindo. 
 DAFTAR PUSTAKA
1. Aplikasi Linier Programming:

Lieberman. H, Operational Research, Penerbit Andi,Yogyakarta 2008

2. Model Linear Programming:

http://repository.usu.ac.id/bitstream/handle/123456789/65469/Chapter%20III-V.pdf?
sequence=2&isAllowed=y

3. Karakteristik Linear Programming:

Siringoringo, Hotniar. Seri Teknik Riset Operasional. Pemrograman Linear. Penerbit Graha
Ilmu. Yogyakarta. 2005.
4. Taylor III, Bernard W. Sains Manajemen. Pemograman Linear.Penerbit Salemba Empat.New
Jersey. 2019.