Nama : Andinita Pravitasari

NIM : 201810160311193
Pemrograman Linier
Perumusan Model dan Solusi Grafis

Tujuan dari bisnis sering kali adalah untuk memaksimalkan laba atau untuk meminimalkan
biaya. Pemrograman linier adalah sebuah model yang terdiri atas hubungan-hubungan linier
yang mewakili keputusan sebuah perusahaan, dengan tujuan dan kendala sumber daya yang
ada

Perumusan Model
Komponen model termasuk variabel-variabel keputusan, sebuah fungsi tujuan, dan model
kendak rusak, yang terdiri atas variabel keputusan dan parameter.
 Variabel keputusan adalah simbol matematis yang mewakili tingkat aktivitas.
 Fungsi tujuan adalah sebuah hubungan linier yang mencerminkan tujuan dari suatu
operasi.
 Kendala model adalah sebuah hubungan linier yang mewakili batasan pada
pengambilan keputusan.
 Parameter adalah nilai numerik yang dimasukkan dalam fungsi tujuan dan batasan.
Sebuah Contoh Model Pemaksimuman
Sebuah model pemrograman linier terdiri atas variabel- variabel keputusan, sebuah fungsi
tujuan, dan kendala- kendala.

 Variabel Keputusan
Keputusan yang dihadapi manajemen dalam permasalahan ini adalah berapa banyak
mangkuk dan mug yang harus diproduksi.
x 1= jumlah mangkuk yang diproduksi
x 2= jumlah mug yang diproduksi

 Fungsi Tujuan
Tujuan perusahaan adalah untuk memaksimalkan laba total.
Memaksimalkan Z=$ 40 x1 +502
Keterangan :
Z=laba total per hari
$ 40 x1=laba dari mangkuk
$ 50x2=laba dari mug
 Kendala Model
Untuk setiap mangkuk yang diproduksi,dibutuhkan 1 jam kerja. Maka dari itu tenaga kerja
yang digunakan produksi mangkuk adalah 1 x1 jam . Dengan cara yang sama setiap mug
membutuhkan 2 jam kerja. Jadi tenaga kerja yang digunakan 2 x2 jam
1 x1 +2 x 2
Jumlah tenaga kerja yang diwakili oleh 1 x1 +2 x 2 terbatas pada 40 jam per hari, jadi kendala
tenaga kerja lengkapnya
1 x1 +2 x 2 ≤ 40 jam
Kendala untuk tanah liat yaitu. Setiap mangkuk membutuhkan 4 pon tanah liat. Jumlah tanah
liat yang digunakan setiap hari produksi mangkuk 4 x1pon. Setiap mangkuk membutuhkan 3
pon tanah liat. Jumlah tanah liat yang digunakan setiap hari produksi mangkuk 3 x 2pon
4 x1 +3 x 2 ≤ 120 pon
x 1 ≥ 0 , x2 ≥ 0
Memaksimalkan Z=$ 40 x1 +502
Kendala 1 x1 +2 x 2 ≤ 40
4 x1 +3 x 2 ≤ 120
x1 , x2 ≥ 0
Pertimbangkan x 1=5 mangkuk dan x 2=10 mug
1(5)+2(10)≤ 40
25 ≤ 40
Dan 4 (5)+3(10) ≤120
50 ≤120
Solusi fisibel adalah solusi yang tidak melanggar kendala manapun. x 1=10 mangkuk dan
x 2=20 mangkuk
Z=$ 40 ( 10 ) +50(20)
Z=400+1.000
Z=$ 1.400
Masalah infisibel yaitu masalah yang melanggar sedikitnya satu kendala.
1 ( 10 )+ 2(20)≤ 40

Solusi Grafis dari Model Pemrograman Linier

Setelah perumusan model matematis, tahapan berikutnya dalam aplikasi pemograman
linier terhadap permasalahan pengambilan keputusan adalah untuk menemukan solusi dari
model tersebut. Solusi grafis terbatas pada permasalahan pemograman linier dengan hanya
dua variabel keputusan.
Metode grafis memberikan gambaran mengenai cara solusi didapatkan untuk
permasalahan pemograman linier.

Solusi Grafis dari Model Maksimalisasi

Model bauran produk akan digunakan untuk mendemonstrasikan interpretasi grafis dari
sebuah permasalahan pemograman linier. Langkah pertama dalam menggambarkan grafik
dari model tersebut adalah untuk menggambarkan kendala pada grafik.

Memaksimalkan Z=$ 40 x1 +50 x 2

Kendala 1 x1 +2 x 2 ≤ 40
4 x1 +3 x 2 ≤ 120
x1 , x2 ≥ 0
1 x1 +2 x 2=40
( 0 ) +2 x 2=40

x 1+ 2 ( 0 )=40

x 1=40

Titik A berada di perpotongan x 1=10 dan x 2=10

10+2(10) ≤ 40
30 ≤ 40 jam

Titik B x 1=40 dan x 2=30

40+ 2(30)≤ 40
120 ≠ 40 jam

Buat x 1=0 dan x 2=?

4 ( 0 ) +3 x 2=120

x 2=40

Buat x 1=tetap dan x 2=0

4 x1 +3( 0)=120

x 1=30
Titik Solusi Optimal
Langkah kedua dalam metode solusi grafik adalah untuk mencari titik didalam ruang solusi
fisibel yang akan menghasilkan laba total terbesar.
$ 800=40 x1 +50 x 2

Figure 1garis fungsi tujuan alternatif untuk laba,Z, dari $800,$1.200, dan $1.600
Nilai Solusi
Langkah ketiga dalam pendekatan solusi grafis adalah mencari nilai x 1dan x 2 setelah
titik solusi optimal telah ditemukan. Kita dapat menentukan koordinat x 1dan x 2 dari titik B
pada gambar dibawah.
Titik solusi optimal adalah titik terakhir yang disentuh fungsi tujuan seiring fungsi
tersebut meninggalkan ruang solusi fisibel. Sedangkan titik esktrem adalah titik sudut
diperbatasan dari ruang solusi fisibel. Biasanya persamaan kendala dipecahkan secara
bersama-sama pada titik ekstrem optimal untuk menentukan nilai solusi variabel.
x 1+ 2 x 2=40

x 1=40−2 x2

Dan
 4 x1 +3 x 2=120

4 x1 =120−3 x 2

x 1=30−(3 x 2 /4)

40−2 x2 =30−(3 x2 / 4)

Dan menyelesaikan x 2 :
5 x 2 /4=10

x 2=8

Dengan mensubtitusi nilai x 2=8

x 1=40−2 x2

x 1=40−2(8)

¿ 24
Z=$ 40 x1 +50 x 2
Z=$ 40 ( 24 ) +50 (8)
¿ $ 1.360

Solusi optimal dengan Z=70 X 1 +20 X 2

Kemiringan (slope) dapat ditentukan dengan mengubah fungsi tujuan menjadi persamaan
umum untuk garis lurus y=a+bx
 Z=70 X 1 +20 X 2
20 X 2=Z−70 X 1
Z 2
X2= − X1
20 2

x 1=30
4 x1 +3 x 2=120
Dan
x 2=40−(4 x 1 /3)
x 2=40−4(30)/3
x 2=0
Analisis sensitivitas digunakan untuk menganalisis perubahan dalam parameter model.
Multiple optimal solutions dapat terjadi ketika fungsi tujuan paralel dengan garis kendala.
Variable Peubah
ariabel peubah ditambahkan pada sebuah batasan ≤untuk mengubahnya menjadi persamaan
(=).
x 1+ 2 x 2 ≤ 40 jam kerja
4 x1 +3 x 2 ≤ 120 pon tanah liat

x 1+ 2 x 2 +s 1=40 jam kerja

4 x1 +3 x 2+ s 2=120 pon tanah liat
Terdapat hasil hipotesis dari x 1=5 dan x 2=10
x 1+ 2 x 2 +s 1=40 jam kerja
5+2(10)+ s1=40 jam kerja
s1=15 jamtenaga kerja
Dan
4 x1 +3 x 2+ s 2=120 pon tanah liat
4 (5)+3(10)+ s2=120 pon tanah liat
s2=70 pon tanah liat

Dimana x 1=0 dan x 2=0

x 1+ 2 x 2 +s 1=40
0+2(0)+ s 1=40
s1=40

Z=$ 40 x1 +50 x 2
Memaksimalkan Z=$ 40 x1 +50 x 2+ 0 s 1+ 0 s 2
Kendala
x 1+ 2 x 2 +s 1=40
4 x1 +3 x 2+ s 2=120
x 1 , x 2 , s1 , s 2 ≥ 0
Contoh Model Minimalisasi

Permasalahan minimalisasi dirumuskan dengan cara yang sama seperti permasalahan

minimalisasi, kecuali untuk sedikit perbedaan minor. Sampel permasalahan berikut akan
mendemonstrasikan perumusan dari sebuah model minimalisasi.

Langkah-langkah perumusan LP dalam kasus yang dicontohkan ini :

1. Definiskan variabel keputusan : berapa banyak kantung Super-gro dan crop-quick
yang harus dibeli
2. Definisikan fungsi tujuan : minimasi biaya
3. Definisikan kendala-kendalanya : kebutuhan lading akan nitrogen dan fosfat.
 Solusi Grafis dari Model Maksimalisasi
Langkah-langkahnya sebagai berikut :
1. Pertama yaitu membuat grafik persamaan dari kedua kendala model
2. Setelah ruang solusi fisibelnya telah ditentukan, langkah kedua dalam pendekatan
solusi grafis adalah mencari lokasi titik optimal. Solusi optimal dari permasalahan
minimalisasi adalah di titik eksterm terdekat dengan pangkal.
3. Kemudian langkah terakhir dalam pendekatan solusi grafis adalah mencari nilai x 1
dan x 2 di titik A.
 Variabel Surplus
Variabel surplus dikurangkan dari sebuah kendala ≥ untuk mengubahnya
menjadi persamaan (=). Variabel surplus mewakili kelebihan diatas tingkat
persyaratan kendala.
 Permasalahan Pemograman Linier Jenis Tidak Beraturan
Terdapat beberapa jenis permasalahan pemrograman linier yang tidak normal.
Jenis-jenis khusus ini meliputi permasalahan dengan lebih dari satu solusi optimal,
permasalahan infisibel, dan permasalahan dengan solusi tidak terbatas.
Solusi optimal pengganti berada dititik akhir dari segmen garis kendala yang parallel
dengan fungsi tujuan
Solusi optimal multiple memberikan fleksibilitas yang lebih besar kepada pengambil
keputusan
 Permasalahan Infisible
Permasalahan infisible tidak memiliki area solusi yang fisibel setiap titik solusi yang
mungkin melanggar satu atau lebih kendala.
 Permasalahan Tidak Terbatas
Dalam permasalahan tidak terbatas fungsi tujuan dapat meningkat secara tidak
terbatas tanpa mencapai nilai maksimum.

Karakteristik Permasalahan Pemograman Linier

Komponen dari model pemrograman linier adalah sebuah fungsi tujuan, variable
keputusan dan kendala.
Karakteristik ketiga permasalahan pemrograman linier adalah bahwa terdapat
Batasan, membuat pencapaian tidak terbatas terhadap fungsi tujuan adalah tidak
mungkin.

Sifat-Sifat Model Pemograman Linier

Selain hanya mencakup hubungan linier, model pemrograman juga mempunyai
beberapa sifat implisit lainnya. Istilah linier tidak hanya berarti bahwa fungsi dalam
model tersebut digrafikan sebagai garis lurus, itu juga berarti bahwa hubungan yang
ada menampilkan proporsionalitas
 Proporsionalitas berarti kemiringan dari sebuah kendala atau garis fungsi tujuan
adalah konstan
 Program linier juga mengharuskan bahwa persyaratan fungsi tujuan dan persyaratan
kendala bersifat aditif,
 Variable keputusan dapat bernilai pecahan, jadi variable dikatakan continue atau
divisible ( nilai dan variable keputusan bersifat continue atau dividibel)
 Sifat terakhir dari pemrograman linier adalah bahwa nilai dari semua parameter model
diasumsikan konstan dan diketahui dengan kepastian