MAKALAH
Diajukan Untuk Memenuhi Salah Satu Tugas Mata Kuliah
Disusun Oleh:
Kelompok 9
Winny Karina Anjani 170610110004
Fitriyanti 170610110006
Likma Exmar R A 170610110008
Lusi M T 170610110056
Zikra Alviva 170610110102
UNIVERSITAS PADJADJARAN
FAKULTAS ILMU SOSIAL DAN ILMU POLITIK
ILMU ADMINISTRASI BISNIS
2014
KATA PENGANTAR
Puji dan syukur kami panjatkan ke hadirat Allah SWT, karena atas rahmat
dan karunia-Nya, kami dapat menyelesaikan makalah yang berjudul
“PEMOGRAMAN GARIS LURUS (LINEAR PROGRAMMING)” ini tepat
pada waktunya. Penulisan makalah ini bertujuan untuk memenuhi salah satu tugas
yang diberikan oleh dosen kami, Bpk Zaenal Muttaqin dengan mata kuliah Teori
pengambilan Keputusan.
Makalah ini ditulis dari hasil penyusunan data-data sekunder yang kami
peroleh dari beberapa buku panduan yang berkaitan dengan Teori Pengambilan
Keputusan dengan Metode Garis Lurus, serta infomasi dari internet maupun
media massa lainnya yang berhubungan dengan Pasar Keuangan Internasional
sebagai bimbingan serta arahan dalam penulisan makalah ini.
Kami harap, dengan membaca makalah ini dapat memberikan manfaat
bagi kita semua, serta dapat menambah wawasan kita mengenai Pasar keuangan
Internasional itu seperti apa, khususnya bagi kami. Memang makalah ini masih
jauh dari sempurna, maka kami mengharapkan kritik dan saran yang konstruktif
dari pembaca demi kelancaran kami dalam pembuatan makalah di masa yang akan
datang.
Tim kelompok 9
i
DAFTAR ISI
KATA PENGANTAR...................................................................................................i
DAFTAR ISI..................................................................................................................ii
BAB I PENDAHULUAN..............................................................................................1
4.1 Kesimpulan.....................................................................................................24
4.2 Saran...............................................................................................................24
DAFTAR PUSTAKA....................................................................................................iii
ii
BAB I
PENDAHULUAN
1
keputusan-keputusan manajerial ke dalam keputusan manajemen keuangan,
keputusan manajemen operasi, keputusan manajemen pemasaran, keputusan
manajemen sumber daya manusia, keputusan manajemen penelitian dan
pengembangan, keputusan manajemen sistem informasi pada tingkat pengawasan
operasional, pengawasan manajemen, dan pada tingkat perencanaan strategis.
Oleh karena itu dibutuhkan suatu metode yang dapat menyelaraskan kombinasi
tersebut untuk mengambil keputusan manjemen yaitu dengan METODE GARIS
LURUS.
2
Adapun tujuan dari penulisan makalah ini adalah sebagai berikut, yaitu
untuk mengetahui:
1. Study Kepustakaan
2. Browsing Internet
3
BAB II
LANDASAN TEORI
4
2.1.2 Proses Pengambilan Keputusan
1. Pemahaman
2. Perancangan
3. Pemilihan
Memilih arah tindakan tertentu dari semua arah tindakan yang ada. Pilihan
ditentukan dan dilaksanakan.
1. Pemahaman
Proses penyelidikan mengandung pemeriksaan data baik dengan cara yang telah
ditentukan maupun dengan cara khusus. Sistem Informasi Manajemen harus
memberikan kedua cara tersebut. Sistem informasi harus meneliti semua data dan
menganjukan permintaan untuk diuji mengenai situasi yang jelas menurut
perhatian. Baik sistem informasi manajemen maupun organisasi harus
menyediakan saluran komunikasi untuk masalah yang diketahui dengan jelas agar
5
disampaikan kepada organisasi tingkat atas sehingga masalah tersebut dapat
ditangani.
2. Perancangan
3. Pemilihan
6
2.1.3 Teknik Teknik Pengambilan Keputusan
Tradisional Modern
7
Liniear Programming adalah suatu cara untuk menyelesaikan
persoalan pengalokasian sumber-sumber terbatas diantara beberapa aktivitas yang
bersaing, dengan cara yang terbaik yang mungkin dilakukan. Program liniear ini
menggunakan model matematis untuk menjelaskan persoalan yang dihadapinya.
Sifat “liniear” disini memberi arti bahwa seluruh fungsi matematis dalam model
ini merupakan fungsi yang linier (tidak ada yang memiliki sifat kuadratik),
sedangkan kata ‘programa” merupakan sinonim untuk perencanaan. Dengan
demikian program liniear adalah perencanaan aktivitas-aktivitas untuk
memperoleh suatu hasil yang optimum, yaitu suatu hasil yang mencapai tujuan
terbaik di antara alternative yang fisibel (Tampubolon, 2004:257).
Selain itu linear programing merupakan suatu model umum yang dapat
digunakan dalam pemecahan masalah pengalokasian sumber-sumber yang
terbatas secara optimal.Biasanya teknik ini memformulasikan masalah ke dalam
dua fungsi utama, yaitu fungsi tujuan dan fungsi kendala. Fungsi tujuan
menunjukkan model matematika dari tujuan permasalahan, sedangkan fungsi
kendala berisikan persamaan matematika atas berbagai kendala yang ada dalam
mencapai tujuan permasalahan. Masalah tersebut timbul apabila seseorang
diharuskan untuk memilih atau menentukan tingkat setiap kegiatan yang akan
dilakukannya, dimana masing-masing kegiatan membutuhkan sumber yang sama
sedangkan jumlahnya terbatas Yaitu salah satu teknik pengambilan keputusan
untuk menyelesaikan masalah optimasi (maksimasi atau minimasi) dengan
menggunakan persamaan dan pertidaksamaan linear dalam rangka mencari
pemecahan yang optimal dengan memperhatikan pembatas-pembatas (constrains)
yang ada. Persoalan linear programming dapat diselesaikan dengan menggunakan
metode: a) grafik, b) aljabar; dan c) simpleks.
Teknik pengambilan keputusan dalam permasalahan yang berhubungan
dengan pengalokasian sumberdaya secara optimal suatu model umum yang dapat
digunakan dalam pemecahan masalah pengalokasian sumber-sumber yang
terbatas secara optimal. Masalah tersebut timbul apabila seseorang diharuskan
untuk memilih atau menentukan tingkat setiap kegiatan yang akan dilakukannya,
8
dimana masing-masing kegiatan membutuhkan sumber yang sama sedangkan
jumlahnya terbatas.
9
BAB III
PEMBAHASAN
10
Karakteristik yang biasa digunakan dalam persoalan linear
programming adalah sebagai berikut (Siringoringo, 2005):
a. 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.
b. 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. 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, sifat proporsionalitas tidak dipenuhi.
c. 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.
d. Sifat divisibilitas, berarti unit aktivitas dapat dibagi ke dalam
sembaranglevel fraksional, sehingga nilai variabel keputusan non integer
dimungkinkan.
e. 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.
11
3.2 Pembentukan Model Matematik
Tahap berikutnya yang harus dilakukan setelah memahami permasalahan
optimasi adalah membuat model yang sesuai untuk analisis. Pendekatan
konvensional riset operasional untuk pemodelan adalah membangun model
matematik yang menggambarkan inti permasalahan. Kasus dari bentuk cerita
diterjemahkan ke model matematik. Model matematik merupakan representasi
kuantitatif tujuan dan sumber daya yang membatasi sebagai fungsi variabel
keputusan. Model matematika permasalahan optimal terdiri dari dua bagian.
Bagian pertama memodelkan tujuan optimasi. Model matematik tujuan selalu
menggunakan bentuk persamaan. Bentuk persamaan digunakan karena kita ingin
mendapatkan solusi optimum pada satu titik. Fungsi tujuan yang akan
dioptimalkan hanya satu. Bukan berarti bahwa permasalahan optimasi hanya
dihadapkan pada satu tujuan. Tujuan dari suatu usaha bisa lebih dari satu. Tetapi
pada bagian ini kita hanya akan tertarik dengan permasalahan optimal dengan satu
tujuan.
Bagian kedua merupakan model matematik yang merepresentasikan
sumber daya yang membatasi. Fungsi pembatas bisa berbentuk persamaan (=)
atau pertidaksamaan (≤ atau ≥). Fungsi pembatas disebut juga sebagai konstrain.
Konstanta (baik sebagai koefisien maupun nilai kanan) dalam fungsi pembatas
maupun pada tujuan dikatakan sebagai parameter model. Model matematika
mempunyai beberapa keuntungan dibandingakan pendeskripsian permasalahan
secara verbal. Salah satu keuntungan yang paling jelas adala model matematik
menggambarkan permasalahan secara lebih ringkas. Hal ini cenderung membuat
struktur keseluruhan permasalahan lebih mudah dipahami, dan membantu
mengungkapkan relasi sebab akibat penting. Model matematik juga memfasilitasi
yang berhubungan dengan permasalahan dan keseluruhannya dan
mempertimbangkan semua keterhubungannya secara simultan. Terakhir, model
matematik membentuk jembatan ke penggunaan teknik matematik dan komputer
kemampuan tinggi untuk menganalisis permasalahan.
Model matematik mempunyai kelemahan. Tidak semua karakteristik
sistem dapat dengan mudah dimodelkan menggunakan fungsi matematik.
12
Meskipun dapat dimodelkan dengan fungsi matematik, kadang-kadang
penyelesaiannya sulit diperoleh karena kompleksitas fungsi dan teknik yang
dibutuhkan. Bentuk umum linear programmingadalah sebagai berikut:
Fungsi tujuan :
Maksimumkan atau minimumkan z = c1x1 + c2x2 + ... + cnxn
Sumber daya yang membatasi :
a11x1 + a12x2 + ... + a1nxn = /≤ / ≥ b1
a21x1 + a22x2 + … + a2nxn = /≤ / ≥ b2
…
am1x1 + am2x2 + … + amnxn = /≤ / ≥ bm
x1, x2, …, xn ≥ 0
Simbol x1, x2, ..., xn (xi) menunjukkan variabel keputusan. Jumlah variabel
keputusan (xi) oleh karenanya tergantung dari jumlah kegiatan atau aktivitas yang
dilakukan untuk mencapai tujuan. Simbol c1,c2,...,cnmerupakan kontribusi masing-
masing variabel keputusan terhadap tujuan, disebut juga koefisien fungsi tujuan
pada model matematiknya.Simbol a11, ...,a1n,...,amn merupakan penggunaan per unit
variabel keputusan akan sumber daya yang membatasi, atau disebut juga sebagai
koefisien fungsi kendala pada model matematiknya. Simbol
b1,b2,...,bmmenunjukkan jumlah masing-masing sumber daya yang ada. Jumlah
fungsi kendala akan tergantung dari banyaknya sumber daya yang terbatas.
Pertidaksamaan terakhir (x1, x2, …, xn ≥ 0) menunjukkan batasan non
negatif. Membuat model matematik dari suatu permasalahan bukan hanya
menuntut kemampuan matematik tapi juga menuntut seni permodelan.
Menggunakan seni akan membuat permodelan lebih mudah dan menarik.
Kasus linear programming sangat beragam. Dalam setiap kasus, hal yang
penting adalah memahami setiap kasus dan memahami konsep permodelannya.
Meskipun fungsi tujuan misalnya hanya mempunyai kemungkinan bentuk
maksimisasi atau minimisasi, keputusan untuk memilih salah satunya bukan
pekerjaan mudah. Tujuan pada suatu kasus bisa menjadi batasan pada kasus yang
lain. Harus hati-hati dalam menentukan tujuan, koefisien fungsi tujuan, batasan
dan koefisien pada fungsi pembatas.
13
Masalah keputusan yang biasa dihadapi para analis adalah alokasi
optimum sumber daya yang langka. Sumber daya dapat berupa modal, tenaga
kerja, bahan mentah, kapasitas mesin, waktu, ruangan atau
teknologi (Heizer, 2005).
14
3.4 Syarat Linear Programming
Menurut Ayu (1996), linear programming dilakukan dengan syarat yang
berlaku. Syarat tersebut ditentukan agar dalam penyelesaian persoalan dapat
ditempuh dengan linear programming, berikut syarat linear programming.
1. Tujuan harus jelas
2. Ada benda alternatif yang akan dibandingkan
3. Sumber daya terbatas
4. Bisa dirumuskan secara kuantitatif
5. Adanya keterkaitan peubah (kendala harus sama, bahan baku harus sama
atau keterkaitan)
15
3.5.1 Metode Aljabar
Metode Aljabar berarti dalam menyelesaikan permasalahan digunakan
perhitungan matematika untuk mendapatkan nilai yang diinginkan (nilai yang
memaksimumkan atau nilai yang meminimumkan). Biasanya model matematika
yang dipecahkan adalah model pertidaksamaan.
Cari : x1, x2
Pembatas : 2x1 + x2 ≥ 2
x1 + x2 ≥ 0
x1 ≥ 0, x2 ≥ 0
minimumkan
Pembatas : 2x1 + x2 - x3 = 3
x1 + x2 - x4 = 2
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0
Jawaban :
16
1. x1 = x2 = 0
3x1 + 5x2 – x3 = 3 -x3 = 3 x 3 = -3
5x1 + 2x2 – x4 = 2 -x4 = 2 x 4 = -2
Z1 tidak perlu dihitung karena pemecahan ini tidak fisibel, x3 dan x4 tidak
memenuhi syarat (negatif).
2. x1 = x3 = 0
2x1 + x2 – x3 x2 = 3
x1 + x2 – x4 x2 – x4 = 2
3(1) – x4 = 2 -x4 = 2 – 3 = -1
x4 = 1
Z2 = 5x1 + 3x2 + 0x3 + 0x4 = 9
3. x1 = x4 = 0
2x1 + x2 – x3 = 3 x2 – x3 = 5
x1 + x2 – x4 = 2 x2 = 2
x2 – x3 = 5
2 – x3 = 5 -x3 = 5 – 2 = 3
x3 = -3(tidak fisibel)
4. x2 = x3 = 0
2x1 + x2 – x3 = 3 2x1 = 3 x1 = 3/2
x1 + x2 – x4 = 2 x1 – x4 = 2
3/2 – x4 = 2 x4 = -1/2
5. x2 = x4 = 0
2x1 + x2 – x3 = 3 2x1-x3 = 3
x1 + x2 – x4 = 2 x1 = 2
2x1 – x3 = 3 x3 = 1
Z5 = 5x1 + 3x2 + 0x3 + 0x4 = 10
6. x3 = x4 = 0
2x1 + x2 – x3 = 3 2x1+x2 = 3
x1 + x2 – x4 = 2 x1+x2 = 2 –
x1 = 1
x2 = 1
17
Z6 = 5x1 + 3x2 + 0x3 + 0x4 = 8
18
2. Masalah yang tidak terstruktur harua dapat dirumuskan dalam model
matematika, sehingga menjadi terstruktur.
3. Model harus diselesaikan dengan teknik matematika yang dibuat
Tahap selanjutnya merupakan tahap teknis yang secara umum ada
dalam linear programming (Ayu, 1996). Tahap tersebut akan dijelaskan sebagai
berikut:
1. Menentukan variabel keputusan, dimana maksud dari variabel keputusan ini
merupakan simbol matematika yang menggambarkan tingkatan aktivitas
perusahaan. Tahap ini sebenarnya untuk mempermudah dalam menggunakan
metode matematik, dengan memutuskan memakai simbol matematik untuk
hal yang ingin dihitung.
2. Membuat fungsi tujuan, yang dimaksudkan dari fungsi tujuan ini adalah
hubungan matematika linier yang menjelaskan tujuan perusahaan dalam
terminologi variabel keputusan. Setelah ditentukan variabel keputusan,
kemudian digunakan dalam membuat fungsi (persamaan matematika) dari
tujuan yang ingin dicapai perusahaan.
3. Membuat batasan (kendala) model, maksud dari fungsi batasan adalah
hubungan linier dari variabel keputusan yang menunjukkan keterbatasan
perusahaan dalam lingungan operasi perusahaan.
19
X1 = jumlah radio yang diproduksi,
X2 = jumlah TV yang diproduksi, dan
X3 = jumlah VCD-Player yang dihasilkan.
Berdasarkan perubah (decision variables) yang sudah dipilih, semua constraints
dan objective function kemudian diekspresikan menggunakan perubah-perubah
tersebut.
Untuk objective function, selalu ditulis dalam
bentuk maximise atauminimise dari fungsi yang akan di maksimalkan atau
dimimalkan. Sebagai contoh, apabila keuntungan yang diperoleh dari penjualan
satu Radio Rp6000, satu TV Rp4000, dan satu VCD-Player Rp2000, maka
objective function untuk mencari keuntungan terbesar ditulis
Maximise 6000 X1 + 4000 X2 + 2000 X3 .
Perubah yang sama juga digunakan untuk penulisan constraints.
Constraints dapat berupa pernyataan keterbatasan sumber daya, bisa juga berupa
panduan. Sebagai illustrasi misalnya setiap Radio memerlukan waktu pengerjaan
2 jam sementara untuk TV hanya 1 jam, sedangkan untuk VCD-Player 1.5 jam.
Adapun sumber daya waktu yang tersedia hanya 40 jam kerja. Dengan demikian
constraint nya dituliskan dalam bentuk
2 X1 + 1 X2 + 1.5 X3 £ 40
Selain itu harus pula dipenuhi bahwa X1, X2, dan X3 harus merupakan
bilangan bulat (integer) karena produk Radio, TV dan VCD-Player tidak bisa
dalam bentuk angka pecahan (real). Ditulis dengan simbol: X1, X2, X3 bilangan
bulat
Dari illustrasi diatas, maka bentuk umum model LP sebagai berikut:
Maximise (or Minimise)
c1 x1 + c2 x2 + … + cn xn
Subject to:
a11 x1 + a12 x2 + … + a1n xn ( £ or = or ³) b1
a21 x1 + a22 x2 + … + a2n xn ( £ or = or ³) b2
20
an1 x1 + an2 x2 + … + ann xn ( £ or = or ³) bn
xi : decision variables,
bi : constraint levels,
ci : objective function coefficients,
aij : constraint coefficients.
21
Produk yang dicari harga optimalnya (decision variables) dituliskan dalam
simbol matematik terlebih dahulu
X : Jumlah baju lengan panjang yang akan diproduksi,
Y : Jumlah baju lengan pendek yang akan diproduksi.
Menuliskan objective function dengan cara memformulasikan yang akan
dimaksimalkan atau diminimalkan:
Keuntungan total yang diperoleh PT Sarjono sebesar
700 x baju lengan panjang + 500 x baju lengan pendek
Objective funtion : Maximise 700 X + 500 Y
Menuliskan constraints:
PT Sarjono mempunyai dua keterbatasan sumber daya:
Penjahitan: 4 X + 3 Y £ 240
Pemotongan: 2 X + 1 Y £ 100
Persyaratan lain : Hasil perhitungan harus positif dan angkanya bukan
pecahan:
X, Y ³ 0 dan X,Y integer (bilangan bulat)
Daerah feasible 4 X + 3 Y £ 240; 2 X + 1 Y £ 100; X, Y ³ 0
Mencari harga optimal objective function di dareah feasible
Salah satu cara termudah untuk mencari harga maksimal dari objective
function di daerah feasible adalah dengan melakukan analisis di titik-titik
sudut, yang diwakili pada titik A, B, C dan D.
Titik A (X=0, Y=0) : 700 .0 + 500 . 0 = 0
Titik B (X=50, Y=0) : 700 . 50 + 500 . 0 = 35000
Titik D (X=0, Y=80) : 700.0 + 500 . 80 = 40000
Untuk menentukan titik C diperoleh dengan cara menyelesaikan dua
persamaan simultan
4 X + 3 Y = 240 (i)
2 X + 1 Y = 100 (ii)
Terlebih dahulu kalikan persamaan (ii) dengan –2, menjadi
4 X + 3 Y = 240
-4 X -2 Y = -200
22
1 Y = 40
Dengan menggunakan Y =40 akan diperoleh X =30
Titik C (X=30, Y=40) : 700 . 30 + 500 . 40 = 41000
Dari perbandingan di keempat titik dapat disimpulkan bahwa harga
keuntungan terbesar akan diperoleh apabila diproduksi sebanyak 30 pakaian
lengan panjang dan 40 pakaian lengan pendek. Adapun keuntungan
maksimal yang diperoleh sebesar Rp 41000,-.
23
BAB IV
4.1 Kesimpulan
4.2 Saran
24
DAFTAR PUSTAKA
Sumber lain :
http://id.scribd.com/doc/209542482/Pengambilan-Keputusan-Berdasar-Atas-
Pemrograman-Garis-Lurus
http://meyka.blogdetik.com/2013/05/11/pengambilan-keputusan-dalam-
manajemen/
http://emmadiska.blogspot.com/2013/05/teori-pengambilan-keputusan.html
http://digilib.its.ac.id/public/ITS-Undergraduate-7230-3100100040-bab2.pdf
http://chanlarasati.blogspot.com/2012/03/linear-programming.html
http://vacheindustrialengineering.blogspot.com/2012/03/linear-programming.html
iii