OLEH:
SITI RYZKIA FITRI
ASISTEN PENGAMPU:
REKI AZURA PRATAMA
DAFTAR ISI......................................................................................................i
DAFTAR TABEL............................................................................................. ii
DAFTAR GAMBAR.........................................................................................iii
BAB IV ANALISIS........................................................................................... 14
BAB V PENUTUP.............................................................................................23
5.1 Kesimpulan............................................................................................. 23
5.2 Saran........................................................................................................24
i
DAFTAR PUSTAKA
DAFTAR TABEL
ii
DAFTAR GAMBAR
iii
Gambar 3.5 Hasil Pengolahan Data..................................................................10
iv
BAB I
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.
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:
3. Kendala Fungsional
Kendala Fungsional yaitu manajemen menghadapi berbagai kendala untuk
mewujudkan tujuan-tujuannya. Contohnya:
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].
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].
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.
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
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
1.
3.1 Pemodelan Programa Linear
1. Variabel Keputusan
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
8
1. Download software Lingo kemudian install. Buka software LINGO
dengan cara menekan icon software Lingo.
2. Akan muncul tampilan awal pada software Lingo seperti pada gambar
berikut.
9
Gambar 3.3 Tampilan Worksheet Setelah Data Dimasukan
4. Kemudian tekan icon solve pada toolbar untuk melakukan pengolahan
data.
5. Akan muncul tampilan hasil pengolahan dari data seperti gambar berikut
ini.
10
Gambar 3.6 Hasil Pengolahan Data (lanjutan)
6. Tekan solver pada menubar dan pilih options untuk melihat hasil analisis
sensitivitas.
11
Gambar 3.8 Tampilan Lingo Options.
12
Gambar 3.10 Hasil Analisis Sensitivitas
Variabel Nilai
X1 6
X2 0
X3 0
X4 6
X5 0
X6 0
X7 0
13
X8 0
Z 12
14
BAB IV
ANALISIS
Bab ini berisikan tentang penjelasan analisis hasil perhitungan dan analisis
sensitivitas.
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
15
Gambar 4.2 Hasil Analisis Sensitivitas RHS (lanjutan)
Min Z = X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8
Min Z = 0X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8
16
Dapat dilihat hasil dari perubahan fungsi tujuan sebagai berikut:
17
4.4.3 Perubahan Aktivitas
X1 + X4 + X5 + X6 + X7 + X8 ≥ 5
5X1 + X4 + X5 + X6 + X7 + X8 ≥ 5
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
Fungsi tujuan:
Min Z = X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 +X9
Fungsi Kendala:
19
Perawat bertugas shift siang: X3 + X4 + X5 + X6 + X7 + X8 ≥ 6
Xn ≥ 0, Xn: Integer
20
Berikut merupakan hasil dari penambahan aktivitas baru:
21
Fungsi Tujuan:
Min Z = X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8
Fungsi Kendala:
22
Perawat bertugas shfit malam: X2 + X3 + X5 + X6 + X7 + X8 ≥ 5
Xn ≥ 0, Xn: Integer
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
5.2 Saran
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