TUGAS APLIKASI TUTORIAL OPERATIONAL RESEARCH 1

OPTIMASI PENJADWALAN JUMLAH PERAWAT DENGAN

MENGGUNAKAN LINEAR PROGRAMMING
MENGGUNAKAN SOFTWARE LINGO

OLEH:
SITI RYZKIA FITRI

ASISTEN PENGAMPU:
REKI AZURA PRATAMA

LABORATORIUM PERENCANAAN DAN OPTIMASI SISTEM

INDUSTRI
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
2020
 DAFTAR ISI

DAFTAR ISI......................................................................................................i

DAFTAR TABEL............................................................................................. ii

DAFTAR GAMBAR.........................................................................................iii

BAB I PERMASALAHAN STUDI KASUS................................................... 1

BAB II LANDASAN TEORI........................................................................... 3

2.1 Metode Linear......................................................................................... 3

2.2 Software Lingo........................................................................................ 4
2.3 Analisis Sensitivitas................................................................................ 4

BAB III PERHITUNGAN DAN PENGOLAHAN DATA............................ 7

3.1 Pemodelan Program Linear.....................................................................7

3.2 Langkah-Langkah Pengolahan Data Menggunakan Lingo.....................8
3.3 Hasil Pengolahan Data............................................................................ 12

BAB IV ANALISIS........................................................................................... 14

4.1 Analisis Hasil Perhitungan..................................................................... 14

4.2 Analisis Sensitivitas................................................................................ 15
4.4.1 Perubahan RHS........................................................................... 15
4.4.2 Perubahan Fungsi Tujuan............................................................ 16
4.4.3 Perubahan Aktivitas.....................................................................17
4.4.4 Penambahan Aktivitas Baru........................................................ 18
4.4.5 Penambahan Pembatas Baru........................................................20

BAB V PENUTUP.............................................................................................23

5.1 Kesimpulan............................................................................................. 23
5.2 Saran........................................................................................................24

i
DAFTAR PUSTAKA

DAFTAR TABEL

Tabel 3.1 Hasil Pengolahan Data........................................................................13

ii
 DAFTAR GAMBAR

Gambar 3.1 Icon Software Lingo.......................................................................9

Gambar 3.2 Tampilan Awal Software Lingo.....................................................9
Gambar 3.3 Tampilan Worksheet Setelah Data Dimasukan..............................9
Gambar 3.4 Icon Solve......................................................................................10

iii
Gambar 3.5 Hasil Pengolahan Data..................................................................10

Gambar 3.6 Hasil Pengolahan Data (lanjutan).................................................10

Gambar 3.6 Tampilan Memilih Options Pada Solver.......................................11

Gambar 3.7 Tampilan Lingo Options...............................................................11

Gambar 3.8 Tampilan Memilih Range.............................................................12

Gambar 3.9 Hasil Analisis Sensitivitas............................................................12

Gambar 4.1 Hasil Analisis Sensitivitas RHS...................................................15

Gambar 4.2 Hasil Analisis Sensitivitas RHS (lanjutan)...................................16

Gambar 4.3 Hasil Perubahan Fungsi Tujuan....................................................17

Gambar 4.4 Hasil Sensitivitas Perubahan Aktivitas.........................................18

Gambar 4.5 Hasil Penambahan Aktivitas Baru................................................20

Gambar 4.6 Hasil Penambahan Kendala Baru..................................................22

iv
 BAB I

PERMASALAHAN STUDI KASUS

Permasalahan studi kasus yang akan di selesaikan pada kesempatan kali

ini adalah mengenai optimasi penjadwalan jumlah perawat di RS Muhammadiyah
Surakarta dengan menggunakan linear programming. IGD RS PKU
Muhammadiyah Surakarta mengalami kesusahan dalam mengatur kinerja perawat
dan banyak nya biaya pengeluaran rumah sakit untuk gaji para perawat, karena
perawat yang bekerja setiap harinya tidak sesuai dengan jumlah pasien yang ada
disetiap harinya. Hal ini mengakibatkan perawat tidak bekerja dengan optimal.
Hal ini terjadi karena IGD RS PKU Muhammadiyah Surakarta tidak memiliki
penjadwalan untuk mengoptimalkan kinerja perawat dan menekan biaya yang
dikeluarkan rumah sakit untuk gaji perawat.

Setiap rumah sakit memiliki beberapa fasilitas kesehatan seperti rawat

inap, rawat jalan, maupun IGD. Ketiga fasilitas tersebut dapat dikatakan sebagai
unit yang sibuk dan harus siaga 24 jam pada shift yang berbeda, terutama IGD.
Menurut Kemenkes RI tahun 2010, Instalasi Gawat Darurat (IGD) adalah instalasi
pelayanan rumah sakit yang memberikan pelayanan pertama selama 24 jam pada
pasien dengan ancaman kematian dan kecacatan secara terpadu dengan
melibatkan multidisiplin ilmu[5].

Sedangkan menurut Depkes RI tahun 2006, IGD rumah sakit memiliki

tugas menyelenggarakan pelayanan asuhan medis dan asuhan keperawatan
sementara serta pelayanan pembedahan darurat. Untuk itu penjadwalan ini
diperlukan agar tidak terjadi kelelahan secara fisik maupun psikologis pada
perawat sehingga dapat memberikan pelayanan yang optimal untuk pasien.
Apabila kebutuhan jumlah perawat yang ahli tidak tercukupi dalam menangani
pasien, dapat menyebabkan dampak negatif terhadap pasien bahkan sampai
kematian. Demikian pula sebaliknya, apabila jumlah perawat yang dimiliki
berlebih maka menyebabkan perawat menganggur sehingga kinerjanya kurang
optimal. Berdasarkan kondisi tersebut maka penelitian kali ini ingin memberikan
suatu gambaran penjadwalan untuk menentukan keputusan penjadwalan perawat
IGD seperti pemerataan shift, jam kerja perawat, permintaan libur, maupun jumlah
perawat yang dibutuhkan di setiap shift.

2
3
 BAB II

LANDASAN TEORI

Bab ini merupakan landasan teori yang menjelaskan tentang metode linear,
software Lingo, dan analisis sensitivitas yang menjadi pedoman bagi pembuatan
laporan.

2.1 Metode Linear

Sub-bab ini merupakan penjelasan dari metode linear. Metode linier

adalah suatu metode metematis yang berbentuk linear untuk menentukan suatu
penyelesaian optimal dengan cara memaksimumkan atau meminimumkan fungsi
tujuan terhadap suatu susunan kendala. Secara keseluruhan, berdasarkan definisi
maka tujuan pemrograman linear adalah memecahkan persoalan memaksimumkan
atau meminimumkan untuk mendapatkan penyelesaian yang optimal[2].

Model pemrograman linier memuat tiga unsur utama, yaitu[1]:

1. Variabel Keputusan
Variabel keputusan adalah variabel persoalan yang akan mempengaruhi
nilai tujuan yang hendak dicapai. Dalam proses pemodelan, penemuan variabel
keputusan tersebut harus dilakukan terlebih dahulu sebelum merumuskan fungsi
tujuan dan kendala-kendalanya. Contohnya:
X1 = Banyak Produk Pakan Ternak
X2 = Banyak Produk Opak Persegi
X3 = Banyak Produk Opak Bulat
2. Fungsi Tujuan

Fungsi Tujuan yaitu tujuan yang hendak dicapai yang harus diwujudkan
kedalam sebuah fungsi Matematika linear. Selanjutnya, fungsi ini
dimaksimumkan atau diminimumkan terhadap kendalakendala yang ada.
Contohnya:

Max Z = 300X1 +400X2 + 350X3

3. Kendala Fungsional
Kendala Fungsional yaitu manajemen menghadapi berbagai kendala untuk
mewujudkan tujuan-tujuannya. Contohnya:

Perawat bertugas shift pagi: X1 + X4 + X5 + X6 + X7 + X8 ≥ 5

Perawat bertugas shift siang: X1 + X2 + X3 + X6 + X7 + X8 ≥ 4

2.2 Software Lingo

Sub-bab ini merupakan penjelasan dari software Lingo. Lingo adalah suatu
software yang dapat mmenyelesaikan permasalahan optimasi yang berbentuk
persamaan linear maupun non-linear. Lingo memperingkas pekerjaan suatu
masalah linear maupun non-linear dengan memasukkan model kemudian
menyelesaikannya sampai diperoleh solusi optimum, dan menganalisis hasil
optimum tersebut. Pada penyelesaian masalah kali ini praktikan menggunakan
software Lingo dengan versi 18.0[4].

2.3 Analisis Sensitivitas

Sub-bab ini merupakan penjelasan dari analisis sensitivitas. Analisis

sensitivitas adalah analisis yang digunakan untuk mengetahui akibat atau
pengaruh
dari perubahan yang terjadi pada parameter-parameter model linear

4
programming terhadap solusi optimal yang telah dicapai. Jadi analisis ini
digunakan
untuk menganalisis perubahan-perubahan koefisien dalam model linear
programming serta akibat-akibat yang ditimbulkan. Analisis ini dilakukan setelah
kondisi optimal ditemukan. Manfaat dari analisis sensitivitas ini adalah
mengurangi dan menghindari perhitungan-perhitungan ulang karena tidak perlu
lagi menghitung dari awal[3].

Jenis jenis analisis sensitivitas:

1. Perubahan Koefisien Fungsi Tujuan

Perubahan koefisien fungsi tujuan merupakan perubahan yang terjadi

karena adanya penambahan atau pengurangan pada koefisien ongkos yang
merupakan konstribusi dari setiap satuan kegiatan terhadap tujuan. C berubah
menjadi C* = C + ∆C (B. Susanto, 1994: 304).

2. Penggantian Vektor RHS

Jika vektor RHS (b) diganti dengan b’, maka B-1b akan berubah menjadi B-
1
b’. Jika B-1b’ ≥ 0 maka solusi optimal, sedangkan jika B-1b’ < 0 maka artinya
lanjutkan dengan metode simpleks dual.

5
3. Penambahan Aktivitas Baru

Misalkan satu aktivitas baru Xn+1 dengan biaya Cn+1 dan kolom
penggunaan bahan baku an+1 dipertimbangkan untuk dproduksi. Cara untuk
menentukan apakah memproduksi Xn+1 akan menguntungkan adalah dengan cara
hitung Zn+1 – Cn+1. Jika Zn+1 – Cn+1 ≤ 0 maka solusi optimal ,sedangkan jika Zn+1 –
Cn+1 > 0 maka lanjutkan iterasinya.

4. Penambahan Pembatas Baru

Ketika ditambahkan pembatas baru, misalkan: am+1 X ≤ bm+1 maka solusi

basis untuk sistem yang baru adalah bm +1−am+1 −1 m+1 m+1 −1

B B b=(a N −aB B N ) X N . Jika

bm+1−am+1
−1 m+1 m+1 −1
B B b=(a N −aB B N ) X N ≥ 0 maka solusi sekarang masih optimal,

bm+1−am+1
−1 m+1 m+1 −1
sedangkan jika B B b=(a N −aB B N ) X N < 0 maka gunakan metode

simpleks dual untuk menghindari kondisi tidak layak (infeasible).

5. Perubahan Matriks Pembatas

Ketika terjadi perubahan pada kolom nonbasis maka aj diganti menjadi aj‘
sehingga kolom baru diperbarui menjadi B-1aj‘ dan (Zj – Cj)‘ = CBB-1aj‘ – Cj. Jika
(Zj – Cj)‘ ≤ 0 maka solusi lama masih optimal. Sedangkan jika (Zj – Cj)‘ > 0
maka iterasi dilanjutkan. Untuk perubahan pada kolom non-basis jika Yjj‘ ≠ 0
maka basis tidak berubah, dan lanjutkan iterasinya hingga basis berbentuk matriks
identitas. Jika hasilnya tidak layak (infeasible), maka lanjutkan dengan metode

6
simpleks dual. Sedangkan jika Yjj‘ = 0 maka vektor basisnya berubah, sehingga ita
perlu menbahkan variabel artifisial sebagai basis baru, dan menyelesaikannya
dengan metode dua fase atau Big-M.

7
8
 BAB III

PERHITUNGAN DAN PENGOLAHAN DATA

Bab ini merupakan penjabaran perhitungan dan pengolahan data yang

telah dilakukan dari permasalahan studi kasus.

1.
3.1 Pemodelan Programa Linear

Pada permasalahan ini didapat data sebagai berikut:

1. Variabel Keputusan

X1 = Jumlah perawat yang bekerja pada hari ke-n

X2 = Jumlah perawat yang bekerja pada hari ke-n
X3 = Jumlah perawat yang bekerja pada hari ke-n
X4 = Jumlah perawat yang bekerja pada hari ke-n
X5 = Jumlah perawat yang bekerja pada hari ke-n
X6 = Jumlah perawat yang bekerja pada hari ke-n
X7 = Jumlah perawat yang bekerja pada hari ke-n
X8 = Jumlah perawat yang bekerja pada hari ke-n

2. Fungsi Tujuan

Min Z = X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8

3. Fungsi Kendala
1. Perawat bertugas shift pagi: X1 + X4 + X5 + X6 + X7 + X8 ≥ 5
2. Perawat bertugas shift pagi: X1 + X2 + X5 + X6 + X7 + X8 ≥ 6
3. Perawat bertugas shift pagi: X1 + X2 + X3 + X6 + X7 + X8 ≥ 6
4. Perawat bertugas shift pagi: X1 + X2 + X3 + X4 + X7 + X8 ≥ 7
5. Perawat bertugas shift pagi: X1 + X2 + X3 + X4 + X5 + X6 ≥ 6
6. Perawat bertugas shift pagi: X1 + X2 + X3 + X4 + X5 + X6 ≥ 5
7. Perawat bertugas shift pagi: X2 + X3 + X4 + X5 + X6 + X7 ≥ 5
8. Perawat bertugas shift pagi: X3 + X4 + X5 + X6 + X7 + X8 ≥ 6
9. Perawat bertugas shift siang: X1 + X4 + X5 + X6 + X7 + X8 ≥ 4
10. Perawat bertugas shift siang: X1 + X2 + X5 + X6 + X7 + X8 ≥ 2
11. Perawat bertugas shift siang: X1 + X2 + X3 + X6 + X7 + X8 ≥ 4
12. Perawat bertugas shift siang: X1 + X2 + X3 + X4 + X7 + X8 ≥ 8
13. Perawat bertugas shift siang: X1 + X2 + X3 + X4 + X5 + X6 ≥ 6
14. Perawat bertugas shift siang: X1 + X2 + X3 + X4 + X5 + X6 ≥ 6
15. Perawat bertugas shift siang: X2 + X3 + X4 + X5 + X6 + X7 ≥ 8
16. Perawat bertugas shift siang: X3 + X4 + X5 + X6 + X7 + X8 ≥ 6
17. Perawat bertugas shift malam: X1 + X4 + X5 + X6 + X7 + X8 ≥ 12
18. Perawat bertugas shift malam: X1 + X2 + X5 + X6 + X7 + X8 ≥ 11
19. Perawat bertugas shift malam: X1 + X2 + X3 + X6 + X7 + X8 ≥ 6
20. Perawat bertugas shift malam: X1 + X2 + X3 + X4 + X7 + X8 ≥ 7
21. Perawat bertugas shift malam: X1 + X2 + X3 + X4 + X5 + X6 ≥ 6
22. Perawat bertugas shift malam: X1 + X2 + X3 + X4 + X5 + X6 ≥ 4
23. Perawat bertugas shift malam: X2 + X3 + X4 + X5 + X6 + X7 ≥ 4
24. Perawat bertugas shift malam: X3 + X4 + X5 + X6 + X7 + X8 ≥ 4
25. Xn ≥ 0, Xn: Integer

3.2 Langkah-Langkah Pengolahan Data Menggunakan Lingo

Langkah-langkah pengolahan data dalam menyelesaikan masalah ini

dengan menggunakan software Lingo adalah sebagai berikut:

8
1. Download software Lingo kemudian install. Buka software LINGO
dengan cara menekan icon software Lingo.

Gambar 3.1 Icon Software Lingo

2. Akan muncul tampilan awal pada software Lingo seperti pada gambar
berikut.

Gambar 3.2 Tampilan Awal Software Lingo

3. Input formulasi programan linear data pada worksheet tersebut.

9
 Gambar 3.3 Tampilan Worksheet Setelah Data Dimasukan
4. Kemudian tekan icon solve pada toolbar untuk melakukan pengolahan
data.

Gambar 3.4 Icon Solve

5. Akan muncul tampilan hasil pengolahan dari data seperti gambar berikut
ini.

Gambar 3.5 Hasil Pengolahan Data

10
 Gambar 3.6 Hasil Pengolahan Data (lanjutan)

6. Tekan solver pada menubar dan pilih options untuk melihat hasil analisis
sensitivitas.

Gambar 3.7 Tampilan Memilih Options Pada Solver.

7. Ganti setting-an general solver pada bagian dual compulations menjadi

price and range lalu tekan save kemudian OK.

11
 Gambar 3.8 Tampilan Lingo Options.

8. Selanjutnya tekan kembali solver dan pilih range.

Gambar 3.9 Tampilan Memilih Range

9. Maka akan keluar hasil analisis sensitivitas sebagai berikut ini.

12
 Gambar 3.10 Hasil Analisis Sensitivitas

3.3 Hasil Pengolahan Data

Setelah dilakukan pengolahan data menggunakan Software LINGO

didapatkan hasil sebagai berikut:

Tabel 3.1 Hasil Pengolahan Data

Variabel Nilai

X1 6

X2 0

X3 0

X4 6

X5 0

X6 0

X7 0

13
 X8 0

Z 12

Berdasarkan dari hasil pengolahan data menggunakan software Lingo

didapatan variabel X1 dan X4 dengan nilai 6, sedangkan variabel X2, X3, X5, X6, X7,
dan X8 adalah 0. Dan nilai untuk Z adalah 12 .

14
 BAB IV

ANALISIS

Bab ini berisikan tentang penjelasan analisis hasil perhitungan dan analisis
sensitivitas.

4.1 Analisis Hasil Perhitungan

Setelah melakukan pengolahan data dengan menggunakan software Lingo

didapatkan output berupa nilai reduced cost, nilai dual price, nilai optimal fungsi
tujuan, nilai variabel, dan juga nilai slack/surplus. Berdasarkan hasil pengolahan
data tersebut didapatkan nilai optimum minimasi jumlah perawat adalah 12
perawat, dengan nilai variabel X1 dan X4 adalah 6 perawat sedangkan variabel X2,
X3, X5, X6, X7, dan X8 adalah 0. Nilai reduced cost untuk masing-masing variabel
adalah 0 untuk X1, X4, X5, X6, X7, X8 dan 1 untuk X2 serta X3. Nilai reduced cost
yang bernilai 0 ini artinya sudah optimal dan tidak berpengaruh pada fungsi tujuan
jika nilai variabel X1, X4, X5, X6, X7, X8 berubah.

Pada nilai slack/surplus dapat kita lihat bahwa hampir keseluruhan dari
fungsi kendala memiliki nilai, seperti pada kejadian pertama memiliki nilai
slack/surplus sebanyak 12 perawat, yang artinya ada pada solusi optimal. Hanya
pada kejadian ke-3, ke-4, ke-9, dan ke-18 saja yang bernilai 0 dimana hasil tersebut
menunjukan bahwa jumlah perawat bersifat terbatas. Untuk nilai dual price
hampir seluruh fugsi kendala tidak memiliki nilai dual price hanya pada kejadian
pertama dan ke-18 yang bernilai negatif. Jika nilai dual price negatif pada sumber
daya terbatas maka setiap penambah sumber daya sebesar satu satuan akan
menurunkan nilai fungsi tujuan sebesar nilai dual price tersebut.
4.2 Analisis Sensitivitas

Pada subbab analisis sensitivitas ini akan dibahas penjelasan tentang

perubahan RHS, perubahan fungsi tujuan, perubahan aktivitas, penambahan
aktivitas baru, dan penambahan pembatas baru.

4.4.1 Perubahan RHS

Pada pengolahan data analisis sensitivitas, didapatkan penjelasana right

side ranges yang terdiri dari kolom current RHS, allowable increase, allowable
decrease. Current RHS mennunjukkan bahwa nilai dari setiap baris sudah
optimal. Allowable increase menjelaskan berapa kenaikan lagi nilai dari RHS
dinaikkan, agar solusi tetap optimal dengan memberikan batasannya. Jika nilai
allowable increase-nya nol, maka solusi tersebut telah optimal di nilai tersebut
dan sebaliknya jika ada nilai selain nol, maka masih bisa dinaikkan RHS tersebut
sampai batas yang diberikan. Jika nilai dari allowable increase infinity, maka
solusi RHS dapat dinaikkan lagi nilainya sampai batasan yang tak ditentukan atau
tak terhingga. Untuk penjelasan allowable decrease kebalikan dari inti penjelasan
allowable increase.

Gambar 4.1 Hasil Analisis Sensitivitas RHS

15
 Gambar 4.2 Hasil Analisis Sensitivitas RHS (lanjutan)

4.4.2 Perubahan Fungsi Tujuan

Fungsi tujuan awal:

Min Z = X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8

Fungsi tujuan akhir:

Min Z = 0X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8

16
 Dapat dilihat hasil dari perubahan fungsi tujuan sebagai berikut:

Gambar 4.3 Hasil Perubahan Fungsi Tujuan

Dilihat dari hasil perubahan fungsi tujuan tersebut ketika koefisien

variabel X1 diubah dari nilai 1 menjadi 0. Nilai dari variabel X1 tersebut tetap
sama yaitu 6. Tapi nilai dari fungsi tujuan tersebut berubah dari 12 menjadi 6.
Sehingga solusi sekarang tetap optimal.

17
4.4.3 Perubahan Aktivitas

Fungsi pembatas yang diubaha adalah fungsi pembatas pertama:

X1 + X4 + X5 + X6 + X7 + X8 ≥ 5

Fungsi pembatas setelahh diubah:

5X1 + X4 + X5 + X6 + X7 + X8 ≥ 5

Gambar 4.4 Hasil Sensitivitas Perubahan Aktivitas

Dapat dilihat pada hasil tersebut, ketika koefisien dari variabel X 1 diubah
solusi dari fungsi tujuan tetap sama yaitu 12. Akan tetapi, nilai dari variabel X 1,
X6, dan X7 berubah menjadi 0, 5, dan 1. Untuk nilai variabel X 4 tetap sama yaitu
6.

18
4.4.4 Penambahan Aktivitas Baru

Penambahan aktivitas baru (X9) dapat dilihat sebagai berikut:

Fungsi tujuan:

Min Z = X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 +X9

Fungsi Kendala:

Perawat bertugas shift pagi: X1 + X4 + X5 + X6 + X7 + X8 ≥ 5

Perawat bertugas shift pagi: X1 + X2 + X5 + X6 + X7 + X8 ≥ 6

Perawat bertugas shift pagi: X1 + X2 + X3 + X6 + X7 + X8 ≥ 6
Perawat bertugas shift pagi: X1 + X2 + X3 + X4 + X7 + X8 ≥ 7
Perawat bertugas shift pagi: X1 + X2 + X3 + X4 + X5 + X6 ≥ 6
Perawat bertugas shift pagi: X1 + X2 + X3 + X4 + X5 + X6 ≥ 5
Perawat bertugas shift pagi: X2 + X3 + X4 + X5 + X6 + X7 ≥ 5
Perawat bertugas shift pagi: X3 + X4 + X5 + X6 + X7 + X8 ≥ 6
Perawat bertugas shift siang: X1 + X4 + X5 + X6 + X7 + X8 ≥ 4
Perawat bertugas shift siang: X1 + X2 + X5 + X6 + X7 + X8 ≥ 2
Perawat bertugas shift siang: X1 + X2 + X3 + X6 + X7 + X8 ≥ 4
Perawat bertugas shift siang: X1 + X2 + X3 + X4 + X7 + X8 ≥ 8
Perawat bertugas shift siang: X1 + X2 + X3 + X4 + X5 + X6 ≥ 6
Perawat bertugas shift siang: X1 + X2 + X3 + X4 + X5 + X6 ≥ 6
Perawat bertugas shift siang: X2 + X3 + X4 + X5 + X6 + X7 ≥ 8

19
Perawat bertugas shift siang: X3 + X4 + X5 + X6 + X7 + X8 ≥ 6

Perawat bertugas shift malam: X1 + X4 + X5 + X6 + X7 + X8 ≥ 12

Perawat bertugas shift malam: X1 + X2 + X5 + X6 + X7 + X8 ≥ 11

Perawat bertugas shift malam: X1 + X2 + X3 + X6 + X7 + X8 ≥ 6

Perawat bertugas shift malam: X1 + X2 + X3 + X4 + X7 + X8 ≥ 7

Perawat bertugas shift malam: X1 + X2 + X3 + X4 + X5 + X6 ≥ 6

Perawat bertugas shift malam: X1 + X2 + X3 + X4 + X5 + X6 ≥ 4

Perawat bertugas shift malam: X2 + X3 + X4 + X5 + X6 + X7 ≥ 4

Perawat bertugas shift malam: X3 + X4 + X5 + X6 + X7 + X8 ≥ 4

Xn ≥ 0, Xn: Integer

20
 Berikut merupakan hasil dari penambahan aktivitas baru:

Gambar 4.5 Hasil Penambahan Aktivitas Baru

Hasil yang didapatkan setelah penambahan aktivitas baru tetap sama

dengan hasil solusi fungsi tujuan sebelumnya yaitu 12. Dengan demikian solusi
dari permasalahan ini setelah penambahan aktivitas baru tetap optimal.

4.4.5 Penambahan Pembatas Baru

Dapat dilakukan penambahan pembatas baru yang dapat dilihat pada

perumusan di bawah ini:

21
Fungsi Tujuan:

Min Z = X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8

Fungsi Kendala:

Perawat bertugas shift pagi: X1 + X4 + X5 + X6 + X7 + X8 ≥ 5

Perawat bertugas shift pagi: X1 + X2 + X5 + X6 + X7 + X8 ≥ 6
Perawat bertugas shift pagi: X1 + X2 + X3 + X6 + X7 + X8 ≥ 6
Perawat bertugas shift pagi: X1 + X2 + X3 + X4 + X7 + X8 ≥ 7
Perawat bertugas shift pagi: X1 + X2 + X3 + X4 + X5 + X6 ≥ 6
Perawat bertugas shift pagi: X1 + X2 + X3 + X4 + X5 + X6 ≥ 5
Perawat bertugas shift pagi: X2 + X3 + X4 + X5 + X6 + X7 ≥ 5
Perawat bertugas shift pagi: X3 + X4 + X5 + X6 + X7 + X8 ≥ 6
Perawat bertugas shift siang: X1 + X4 + X5 + X6 + X7 + X8 ≥ 4
Perawat bertugas shift siang: X1 + X2 + X5 + X6 + X7 + X8 ≥ 2
Perawat bertugas shift siang: X1 + X2 + X3 + X6 + X7 + X8 ≥ 4
Perawat bertugas shift siang: X1 + X2 + X3 + X4 + X7 + X8 ≥ 8
Perawat bertugas shift siang: X1 + X2 + X3 + X4 + X5 + X6 ≥ 6
Perawat bertugas shift siang: X1 + X2 + X3 + X4 + X5 + X6 ≥ 6
Perawat bertugas shift siang: X2 + X3 + X4 + X5 + X6 + X7 ≥ 8
Perawat bertugas shift siang: X3 + X4 + X5 + X6 + X7 + X8 ≥ 6
Perawat bertugas shift malam: X1 + X4 + X5 + X6 + X7 + X8 ≥ 12
Perawat bertugas shift malam: X1 + X2 + X5 + X6 + X7 + X8 ≥ 11
Perawat bertugas shift malam: X1 + X2 + X3 + X6 + X7 + X8 ≥ 6
Perawat bertugas shift malam: X1 + X2 + X3 + X4 + X7 + X8 ≥ 7
Perawat bertugas shift malam: X1 + X2 + X3 + X4 + X5 + X6 ≥ 6
Perawat bertugas shift malam: X1 + X2 + X3 + X4 + X5 + X6 ≥ 4
Perawat bertugas shift malam: X2 + X3 + X4 + X5 + X6 + X7 ≥ 4
Perawat bertugas shift malam: X3 + X4 + X5 + X6 + X7 + X8 ≥ 4

22
 Perawat bertugas shfit malam: X2 + X3 + X5 + X6 + X7 + X8 ≥ 5
Xn ≥ 0, Xn: Integer

Dapat dilihat hasil penambahan kendala baru sebagai berikut:

Gambar 4.6 Hasil Penambahan Kendala Baru

Dapat dilihat nilai dari solusi fungsi tujuan tersebut masih optimal dengan
nilai 12. Akan tetapi, terjadi perubahan nilai variabel X 4 dan X5 yaitu 1 dan 5.
Pada variabel X1 nilainya tetap sama yaitu 6. Dari hasil ini didapatkan solusi dari
permasalahan programa linear ini setelah ditambahkan pembatas baru masih
optimal.

23
24
 BAB V

PENUTUP

5.1 Kesimpulan

Dari hasil pengolahan data dapat ditarik kesimpulan bahwa:

1. Nilai dari masing-masing variabel adalah X1 = 6, X2 = 0, X3 = 0, X4 = 6, X5

= 0, X6 = 0, X7 = 0, dan X8 = 0. Nilai untuk Z = 12.
2. Nilai reduced cost untuk masing-masing variabel adalah 0 untuk X1, X4,
X5, X6, X7, X8 dan 1 untuk X2 serta X3. Nilai reduced cost yang bernilai 0
ini artinya sudah optimal dan tidak berpengaruh pada fungsi tujuan jika
nilai variabel X1, X4, X5, X6, X7, X8 berubah.
3. Pada nilai slack/surplus dapat kita lihat bahwa hampir keseluruhan dari
fungsi kendala memiliki nilai, seperti pada kejadian pertama memiliki nilai
slack/surplus sebanyak 12 perawat, yang artinya ada pada solusi optimal.
Hanya pada kejadian ke-3, ke-4, ke-9, dan ke-18 saja yang bernilai 0
dimana hasil tersebut menunjukan bahwa jumlah perawat bersifat terbatas.
4. Untuk nilai dual price hampir seluruh fugsi kendala tidak memiliki nilai
dual price hanya pada kejadian pertama dan ke-18 yang bernilai negatif.
Jika nilai dual price negatif pada sumber daya terbatas maka setiap
penambah sumber daya sebesar satu satuan akan menurunkan nilai fungsi
tujuan sebesar nilai dual price tersebut.
5. Ketika koefisien variabel X1 diubah dari 1 menjadi 0 maka nilai dari
variabel X1 tersebut tetap sama yaitu 6. Tapi nilai dari fungsi tujuan
tersebut berubah dari 12 menjadi 6. Sehingga solusi sekarang tetap
optimal.
6. Ketika koefisien dari variabel X1 diubah solusi dari fungsi tujuan tetap
sama yaitu 12. Akan tetapi, nilai dari variabel X 1, X6, dan X7 berubah
menjadi 0, 5, dan 1. Untuk nilai variabel X4 tetap sama yaitu 6.
7. Setelah melakukan penambahan aktivitas baru, hasil solusi fungsi tujuan
tetap sama dengan sebelumnya yaitu 12. Dengan demikian solusi dari
permasalahan ini setelah penambahan aktivitas baru tetap optimal.
8. Ketika dilakukan penambahan kendala baru terjadi perubahan nilai
variabel X4 dan X5 yaitu 1 dan 5. Pada variabel X 1 nilainya tetap sama
yaitu 6. Setelah ditambahkan pembatas baru hasilnya masih optimal.

5.2 Saran

Berdasarkan hasil pengolahan data menggunaan software Lingo, dapat

diberikan saran sebagai berikut.

1. Memahami permasalahan studi kasus dengan baik dan benar.

2. Teliti ketika meng-input dan mengolah data ketika menggunakan software
agar tidak terjadi kesalahan.
3. Dalam melakukan analisis, diharuskan agar memahami hasil output dari
software Lingo tersebut agar tidak terjadi kesalahan dalam menganalisis.

24
25
 DAFTAR PUSTAKA
[1] Asmara, Tiara dkk. 2018. Strategi Pembelajaran Pemrograman Linier
Menggunakan Metode Gragik dan Simpleks.
[2] Siswanto. 2007. Operation Research Jilid 1. Jakarta: Erlangga
[3] Subagyo, Pangestu dkk. 1992. Dasar-Dasar Operations Research.
Yogyakarta: BPFE
[4] Utami,Wahyu Sri. 2017. Inventory dan Transportasi pada Jaringan
Berkendala Menggunakan Simultaneous Optimization Method. Jurnal
MSA. Volume 5 No.1
[5] Widyaningsih, Mustika. 2018. Optimasi Penjadwalan Jumlah Perawat
dengan Menggunakan Linear Prgramming. Jurnal Bisnis dan Manajemen.
Volume 18 No. 2