Model pemrograman linier (Linear Programming/LP) adalah kumpulan model optimisasi dengan fungsi

obyektif linier dan wilayah layak polyhedral. LP sangat berguna dalam implementasi kehidupan sehari-
hari karena banyak masasalah di dunia nyata dapat dijelaskan dengan menggunakan model LP terdapat
algortima yang efisien untuk untuk menyelesaikan program linier, salah satunya adalah metode simplex.

Model LP dapat digunakan untuk situasi dimana sejumlah sumber daya yang tersedia akan diolah atau
digabungkan untuk menghasilkan beberapa produk.

Untuk membuat model pemrograman linier terdapat langkah-langkah yang harus dilakukan:

1. Identifikasi masalah dan membuat asumsi

Pertama, kita harus mengetahui data-data yang terdapat dalam masalah sehingga kita bisa
membuat model Lp-nya dan membuat asumsi bila perlu untuk memudahkan perhitungan.
Misalnya pada masalah produksi kursi dan meja, data yang tersedia adalah kursi terbuat dari 1
potongan bahan besar dan 2 potongan bahan kecil sedangkan meja terbuat dari 2 potongan
bahan besar, bahan yang tersedia hanya sejumlah 6 potongan bahan besar dan 8 potongan
bahan kecil, harga jual meja adalah $1600 dan kursi adalah $1000.
Asumsi yang dapat dibuat dari masalah tersebut adalah semua barang terjual dan semua bahan
terpakai. Pertanyaan dari masalah ini adalah untuk mencari profit maksimal dengan produk
terbatas

2. Menentukan variabel
Variabel ditentukan dengan memisalkan hal yang dapat mempengaruhi hasil tujuan model LP
menjadi kata/huruf yang lebih singkat.
Misalnya model LP bertujuan untuk mencari profit maksimal dengan produk (meja dan kursi)
terbatas. Maka variabelnya adalah
X1 = Jumlah meja yang terjual
X2 = Jumlah kursi yang terjual
Z = Total pendapatan

3. Menentukan Batasan (constraints)

Constraints memiliki fungsi untuk membatasi nilai setuap data model LP yang kita buat agar
sesuai dengan keadaan nyata dan memastikan keakuratan data.
Misalnya kursi terbuat dari 1 potongan bahan besar dan 2 potongan bahan kecil sedangkan meja
terbuat dari 2 potongan bahan besar dan bahan yang tersedia hanya sejumlah 6 potongan
bahan besar dan 8 potongan maka batasannya adalah
2X1 + X2 ≤ 6
2X1 + 2X2 ≤ 8
Karena jumlah kursi dan meja tidak mungkin negative maka
X1, X2 ≥ 0

4. Menentukan rumus data yang ingin kita cari

 Misalnya kita ingin mencari total pendapatan (Z) dari meja dan kursi, Karena harga jual meja
adalah $1600 dan kursi adalah $1000, maka
Z = 1600X1 + 1000X2

5. Memecahkan masalah model LP menggunakan solver pada excel

(bisa juga secara manual dengan grafik tetapi kurang akurat)
Dengan memasukkan Batasan-batasan, variable yang dapat diubah, dan menulis rumus dengan
benar, kita bisa mendapatkan nilai yang ingin kita cari.
Misalnya keuntungan maksimal dari penjualan meja dan kursi bisa didapatkan menggunakan
solver dengan memasukkan constraints dan variabel.

6. Sensitivity analysis
Sensitivity analysis berfungsi untuk menyelidiki perubahan solution optimal jika data dari
masalah diubah.
Misalnya hal yang dapat berubah dari masalah penjualan meja dan kursi jika ada data yang
diubah adalah
 Peningkatan jumlah bahan besar yang tersedia
 Peningkatan jumlah bahan kecil yang tersedia
 Penurunan harga meja atau kursi

Dual Manufacturing Problem

Biasanya terjadi jika ada kompetitor bagi perusahaan kita. Misalnya perusahaan kita menjual kursi dan
meja dengan bahan baku yaitu bahan besar dan bahan kecil, lalu ada perusahaan lain yang menjual
barang berbeda dengan bahan baku yang sama dengan perusahaan kita maka perusahaan lain tersebut
dianggap competitor karena mengambil bahan baku yang seharusnya bisa kita beli semua.

Misalnya Billy ingin membeli bahan besar dan bahan kecil dari perusahaan kita yang dimana bahan
tersebut adalah bahan baku juga untuk menjual kursi dan meja. Untuk menentukan harga penjualan
bahan ke Billy maka kita harus membandingkan juga dengan harga jual kursi dan meja agar perusahaan
kita tidak rugi walaupun bahan baku berkurang.

Langkah yang dilakukan sama seperti Linear Programming sebelumnya, yaitu:

1. Identifikasi masalah dan membuat asumsi

2. Menentukan variable
3. Menentukan Batasan (constraints)
4. Menentukan apa yang ingin kita cari
5. Memecahkan masalah model LP menggunakan solver pada excel (bisa juga secara manual
dengan grafik tetapi kurang akurat)
6. Sensitivity analysis