“Teknik Pengambilan Keputusan Dengan Linear Programing”

Disusun Oleh :

Kelompok 10

Muhammad Marwan Hadi 021119219

Farid Akbar 021119239

Jidan Agus Putra 021119268

Dania Rifdah 021119042

Diaz Ayu Anggita 021119404

Asnita 021119387

Bogor, 2021

Manajemen – Fakultas Ekonomi dan Bisnis

Universitas Pakuan
 DAFTAR ISI

DAFTAR ISI .........................................................................................................................................2

KATA PENGANTAR .............................................................................................................................3
BAB I PENDAHULUAN.........................................................................................................................4
1.1 Latar Belakang..................................................................................................................................... 4
1.2 Rumusan Masalah ............................................................................................................................... 5
1.3 Tujuan dan Manfaat Penulisan ........................................................................................................... 5
BAB II PEMBAHASAN .........................................................................................................................6
2.1 Teknik – Teknik Dalam Pengambilan Keputusan .......................................................................... 6
2.2 Teknik Linear Programing ............................................................................................................. 6
2.3 Pembentukan Model Matematik ................................................................................................ 10
2.4 Asumsi dan Syarat Linear Programing ........................................................................................ 12
2.5 Metode – Metode Linear Programing ........................................................................................ 13
2.5.1 Metode Grafik ..................................................................................................................... 13
2.5.2 Metode Simpleks ................................................................................................................ 16
2.5.3 Dual Problem Dan Aplikasi Komputer ................................................................................. 29
BAB III PENUTUP .............................................................................................................................. 39
3.1 Kesimpulan ................................................................................................................................. 39
3.2 Penutup ...................................................................................................................................... 39
DAFTAR PUSTAKA ............................................................................................................................ 40
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Allah SWT yang telah memberikan rahamat serta
karunia-Nya sehingga kami berhasil menyelesaikan makalah yang berjudul “Teknik
Pengambilan Keputusan Dengan Linear Programming” dari makalah ini semoga dapat
memberikan informasi dan pengetahuan kepada kita semua.

Ucapan terima kasih tidak lupa kami sampaikan kepada Ibu Hj.Nina Agustina, S.E.,M.E.
selaku Dosen mata kuliah yang bersangkutan, dan semua pihak yang telah membantu sehingga
kami dapat menyelesaikan tugas makalah ini. Kami menyadari atas kekurangan kemampuan
kami dalam pembuatan makalah ini, sehingga akan menjadi suatu kehormatan besar bagi kami
apabila mendapatkan kritikan dan saran yang membangun agar makalah ini selanjut nya akan
lebih baik dan sempurna serta komprehensif.

Demikian akhir kata kami, semoga makalah ini bermanfaat bagi semua pihak dan
pembelajaran budaya khususnya dalam segi teoritis sehingga dapat membuka wawasan ilmu
budaya serta akan menghasilkan yang lebih baik di masa yang akan mendatang.
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Pengambilan Keputusan (Decisions Making, Beluitneming) merupakan suatu proses dan
berlangsung dalam suatu sistem, walaupun merupakan suatu keputusan atau desisi pribadi sekali
pun yang menyangkut suatu masalah pribadi pula.Hal tersebut perlu kita sadari agar kita dapat
berhasil di dalam daya upaya mengembangkan kemampuan kita untuk mengambil desisi
mengenai problema-problema yang menghendaki suatu keputusan dari kita. Semakin kita
mampu mengenali masalah-masalah yang akan selalu kita jumpai di dalam perjalanan menuju
kemajuan dalam hidup, dan semakin mampu kita mengatasi atau memecahkan masalah-masalah
tersebut.Maka akan cepatlah kesuksesan yang diharapkan dan diraih oleh diri pribadi.

Sistem dimana proses pengambilan desisi itu berlangsung terdiri atas berbagai unsur
(elements) atau bagian, dan masing-masing merupakan suatu faktor yang ikut menentukan segala
apa yang terjadi atau akan terjadi.Unsur yang utama dan mungkin yang terpenting di dalam
proses pengambilan keputusan adalah MASALAH atau PROBLEMA yang harus dihadapi dan
menghendaki adanya desisi dari kita.

Jadi, bagi seseorang yang ingin maju di dalam kehidupannya, baik kehidupan individu,
kekeluargaan, ataupun keorganisasian, mutlak diperlukan memiliki keemampuan untuk
“melihat” atau “mengenali” dan mengidentifikasi masalah.Terlalu banyak di antara kita yang
tidak memiliki masalah dalam arti yang sebenarnya, sehingga tidak mampu melihat masalah.
Bilamana mereka berbicara tentang “masalah”, maka yang dimaksud pada umumnya adalah
suatu“penderitaan”.
1.2 Rumusan Masalah
Rumusan masalah dalam penyusunan makalah ini antara lain sebagai berikut:
1. Apa itu teknik pengambilan keputusan ?
2. Bagaimana penggunaan teknik pengambilan keputusan dengan linear progaming
?
3. Apa asumsi dan syarat dari linear programing ?
4. Bagaimana penyelesaian linear programing dengan metode grafis, metode
Simpleks, menentukan Dual Problem serta aplikasi komputer ?

1.3 Tujuan dan Manfaat Penulisan

Tujuan dan manfaat dari penyususnan makalah ini antara lain, ialah :

1. Mahasiswa mampu memahami tentang penjelasan teknik pengambilan keputusan

2. Mahasiswa mampu memahami penggunaan teknik pengambilan keputusan
dengan linear progaming
3. Mahasiswa mampu memahami asumsi dan syarat dari linear programing
4. Mahasiswa mampu menganalisis penyelesaian linear programing dengan metode
grafis, metode Simplex, menentukan Dual Problem serta aplikasi komputer
 BAB II
PEMBAHASAN

2.1 Teknik – Teknik Dalam Pengambilan Keputusan

Dalam aplikasi teknik pengambilan keputusan dapat dikelompokkan dalam dua

pendekatan yaitu, Pendekatan Kuantitatif dan Pendekatan Kualitatif.Pendekatan Kuantitatif
adalah pendekatan yang didasari dengan analisis perhitungan matematis, Teknik atau metode
kuantitatif telah memberikan kontribusi secara ilmiah dalam pengambilan keputusan. Pendekatan
Kualitatif adalah pendekatan yang didasari oleh analisis social non matematis yang tidak sampai
melakukan perhitungan secara nominal, tetapi keputusan yang dibuat tetap mampu mendapatkan
kualitas mendekati ilmiah.

Secara umum teknik- teknik dalam pengambilan keputusan dalah sebagai berikut :

 Operation Research, yaitu menggunakan metode-metode scientific (yang meliputi teknik-

teknik matematis) dalam analisis dan pemecahan suautu maslah tertentu, penerapan
teknik ini adalah usaha inventarisasi.
 Linear Programming, yaitu dengan menggunakan rumus-rumus matematik yang disebut
juga vector analysis.
 Gaming War Game, yaitu dengan teori yang biasa nya digunakan untuk menentukan
strategi.
 Probability, aitu dengan teori kemungkinan yang dapat diterapkan pada kalkulasi
rasionalitas hal-hal yang tidak normal, mengenai sebuah keputusan yang
dipertimbangkan dan diperhitungkan.
 Rangking and statistical weighting, yaitu dengan cara: 1. Melokalisasi berbagai faktor
yang akan mempengaruhi keputusan terakhir, 2. menimbang faktor-faktor yang dapat
dibandingkan dan yang tercakup didalam setiap alternatif.

2.2 Teknik Linear Programing

 Pemrograman Linier (Linear programming) terdiri atas dua kata yang masing-masing
mengandung pengertian berikut.Linear: mempunyai arti bahwa fungsi matematik yang
digunakandalam model adalah fungsi linier.Programming: kata ini tidak ada hubungannya
dengan programkomputer, melainkan merupakan perencanaan (planning).Dengan demikian,
secara harfiah Linier Programming dapat dikatakan sebagai teknik perencanaan guna
pengambilan keputusan dengan menggunakan fungsi matematika yang berbentuk model linier.

Pemrograman Linier merupakan metode matematik dalam mengalokasikan sumber daya

yang terbatas untuk mencapai suatu tujuan seperti memaksimumkan keuntungan dan
meminimumkan biaya. PL banyak diterapkan dalam masalah ekonomi, industri, militer, sosial
dan lain-lain. PL berkaitan dengan penjelasan suatu kasus dalam dunia nyata sebagai suatu
model matematik yang terdiri dari sebuah fungsi tujuan linier dengan beberapa kendala linier.
Hal terpenting yang perlu kita lakukan adalah mencari tahu tujuan penyelesaian masalah dan apa
penyebab masalah tersebut.Dua macam fungsi Program Linear.

1. Fungsi tujuan mengarahkan analisa untuk mendeteksi tujuan perumusan masalah.

2. Fungsi kendala untuk mengetahui sumber daya yang tersedia dan permintaan atas
sumber daya tersebut.

Terdapat dua macam permasalahan dalam pemrograman linier, yaitu: permasalahan

maksimasi dan permasalahan minimasi. Permasalahan maksimasi adalah permasalahan dalam
pemrograman linier untuk mengupayakan hasil yang maksimal sumber daya yang ada. Hasil
maksimal dapat berupa keuntungan maksimum, hasil penjualan yang maksimum, dan lain-lain.
Sedangkan permasalahan minimasi adalah permasalahan dalam pemrograman linier untuk
meminimalisir hal dari sumber daya yang dimiliki. Hal-hal yang dapat diminimalisir antara lain:
sumber daya manusia, waktu pengerjaan, dan lain-lain (Mahendra Darmawiguna, 2013).

Setiap model pemrograman linier dinyatakan dalam bentuk fungsi tujuan dan fungsi
batasan (constraint). Fungsi tujuan merupakan suatu persamaan fungsi linear dari variabel tujuan,
misalnya pendapatan, keuntungan, atau biaya. Dalam fungsi tujuan, harus dijelaskan apakah
akan memaksimalkan atau meminimalkan fungsi variabel. Variabel, seperti keuntungan,
produksi, dan penjualan, ditujukan untuk dimaksimalkan. Sedangkan variabel biaya dan risiko
ditujukan untuk diminimalkan. Fungsi batasan menggambarkan batasan yang dihadapi dalam
mencapai tujuan, yaitu terdiri dari beberapa persamaan yang masing-masing berkorelasi dengan
sumber daya tertentu yang tersedia.Asumsi dasar pemrograman linier menurut Vanderbei (2007)
dijelaskan sebagai berikut:

1. Naik turunnya nilai dari fungsi tujuan (yang akan dimaksimalkan atau diminimalkan) dan
penggunaan sumber akan sebanding denganperubahan tingkat kegiatan.

2. Nilai tujuan pada setiap kegiatan tidak saling memengaruhi.

3. Hasil atau output pada setiap kegiatan dapat berupa pecahan. 4. Semua parameter dari model
dapat diperkirakan dengan pasti. Pemrograman

Pemrograman linier yang mengandung sifat linier dapat diuji dengan menggunakan
beberapa cara, antara lain dengan uji statistik, baik dengan memakai pendekatan grafik, maupun
analitik. Beberapa langkah penting yang perlu diperhatikan dalam penyelesaian pemrograman
linier, dimulai dengan memahami sistem dan melakukan konstruksi permasalahan yang
dihadapai secara tepat. Termasuk bagaimana membangun formulasi fungsi tujuan, fungsi
kendala karena keterbatasan sumber daya, berbagai pilihan keputusan yang akan diambil, kurun
waktu pengambilan keputusan, dan keterkaitan antar sumber daya yang dipelajari dengan yang
lain. Penetapan fungsi tujuan (objective function) dan fungsi kendala (subjective function) yang
tepat, merupak aspek yang sangat penting dalam memformulasikan fungsi matematik. Hal ini.
dilakukan setelah mengidentifikasi dan memahami permasalahan dari kondisi nyata, kemudian
melakukan transformasi ke dalam model optimisasi pemrograman linier.

Membuat model matematika dari suatu permasalahan dengan pemrograman linier,

menuntut kemampuan matematika dan seni permodelan. Membangun pemrograman linier dari
kasus praktik yang sangat beragam tidaklah mudah. Yang terpenting adalah memahami anatomi
permasalahan setiap kasus dan bagaimana kemudian dapat ditransformasikan ke dalam konsep
permodelannya. Meskipun dalam pemrograman linier ini fungsi tujuan berupa maksimalisasi
atau minimalisasi, keputusan untuk memilih salah satunya memerlukan justifikasi yang matang.
Fungsi tujuan pada suatu kasus bisa dikonversi menjadi fungsi kendala pada kasus yang lain.
Pada pemrograman linier ini, yang secara garis besar perlu dicermati dalam menentukan tujuan
adalah variabel keputusan dan sumber daya yang membasi (Susdarwono, 2020).
Model pemrograman linier memuat tiga unsur utama, yaitu:

1. Variabel Keputusan, yaitu variabel persoalan yang akan memengaruhi nilai tujuan yang
hendak dicapai. Dalam proses pemodelan, penemuan variabel keputusan tersebut harus
dilakukan terlebih dahulu sebelum merumuskan fungsi tujuan dan kendala-kendalanya.

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

3. Kendala Fungsional, yaitu manajemen menghadapi berbagai kendala untuk mewujudkan

tujuan-tujuannya.

Langkah pertama dalam model linear programming adalah formulasi masalah, yang
meliputi proses pengidentifikasi dan penentuan batasan serta fungsi tujuan. Langkah kedua
adalah memecahkan masalah yang dialami. Jika terdapat hanya dua variabel keputusan, maka
masalah tersebut dapat diselesaikan dengan menggunakan metode grafik. Semua
permasalahan linear programming juga dapat dipecahkan dengan metode simpleks apabila
terdapat tiga variabel keputusan atau lebih. Metode tersebut menghasilkan informasi yang
berharga seperti harga bayangan atau harga berganda dan menyediakan analisis sensitivitas
lengkap pada input lain dari permasalahan yang dipakai (Heizer, 2005).

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.

2.3 Pembentukan 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. 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.
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).

2.4 Asumsi dan Syarat Linear Programing

Model linear programming mengandung asumsi-asumsi tertentu yang harus dipenuhi
agar definisinya sebagai suatu masalah linear programming menjadi absah Membentuk suatu
model linear programming perlu diterapkan asumsi-asumsi sebagai berikut :
a. Liniearity
Fungsi obyektif dan kendala haruslah merupakan fungsi linier dan variabel keputusan.
Tingkat peubah atau kemiringan hubungan fungsional adalah konstan.
b. Divisibility
Solusi tidak harus bilangan bulat atau bilangan pecahan dengan demikian variabel keputusan
merupakan variabel kontinu sebagai lawan dari variabel diskrit atau bilangan bulat
c. Deterministik
Mencerminkan kondisi masa depan maupun sekarang dan keadaan masa depan sangat sulit
untuk diketahui.
d. Homogeneity
Memiliki arti yaitu sumber daya yang digunakan dalam proses harus sama
e. Non negativity
Nilai variabel keputusan harus > 0.
f. Semua konstanta Cj Aj Bj diasumsikan memiliki nilai yang pasti.

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)

2.5 Metode – Metode Linear Programing

Linear programming dapat dilakukan dengan menggunakan beberapa macam metode
sesuai dengan tingkat persoalannya(Siringoringo, 2005). Metode-metode tersebut sama-sama
dapat memecahkan persoalan yang mengandung beberapa permasalahan. Berikut ini metode
yang dapat dilakukan dalam memecahkan persoalan linear programming.

1. Metode aljabar yaitu mempunyai bentuk perhitungan formulasi standard

dengan mengkombinasi dua variabel yang nilainya dianggap nol hingga diperoleh nilai z
terbesar.
2. Metode grafik yaitu metode yang digunakan untuk memecahkan persoalan yang mengandung
dua permasalahan.
3. Metode simpleks dapat digunakan untuk memecahkan persoalan yang mengandung tiga atau
lebih permasalahan dan didasarkan pada proses perhitungan ulang supaya mendapat hasil
yang optimal.
4. Metode big-m biasanya dipakai untuk memecahkan persoalan yang memiliki pembatas “=”
atau “>”
Pengolahan data yang dibuat hanya menggunakan dua metode yaitu menggunakan
metode grafik dan simpleks. Berikut ini penjelasan untuk metode grafik dan metode simpleks.

2.5.1 Metode Grafik

Metode Grafik layak dipakai untuk memecahkan kasus dengan maksimum tiga peubah
keputusan, namun pemakaian yang lazim ialah untuk dua buah peubah keputusan. Pemecahan
dengan menggunakan metode grafik melalui program maksimasi dan program minimisasi, dalam
(Haming, 2017). Adapun langkah-langkah menggunakan metode grafik (variabel yang dianalisa
haya 2 jenis), yaitu:

1. Tentukan variabel terikat.

2. Tentukan fungsi obyektif: Z-aX₁ +aX₂

3. Tentukan fungsi kendala/batasan:

a. G₁X₁ + d₂X₂ S e, atau c₁X₁ +d₁X₂ S e₁

b. C₂X₂ + d₂X₂ S ez atau c₂X₂ + d₂X₂ Sez

c. CnX₁ + d₂X₂ S en atau cnX₁ + d₂X₂ ≤ en

4. Buatlah grafik Pada setiap pertidaksamaan tentukan X₂ jika X₁0 begitu juga sebaliknya.
Kemudian buatlah garis lurus sesuai dengan titik koordinatyang diperoleh. Dan arsirlah daerah
yang memenuhi kriteria fungsi kendala

5. Tentukan titik-titik pojok dari grafik dan substitusi ke dalam fungsi obyektif

6. Tentukan solusi optimum. Teknik <optimasi merupakan suatu teknik pengalokasian sumber
daya, baik bahan baku, waktu, tenaga kerja maupun uang, tergantung dari kondisi yang
diinginkan. Dengan menggunakan teknik ini, maka sumber daya terbatas yang dimiliki dapat
terproses dengan baik dan mendapatkan hasil yang maksimal.

Contoh Soal dan Penyelesaian Menggunakan Metode Grafik

Perusahaan Rohul Furniture akan membuat meja dan kursi eksklusif. Untuk pembuatan satu unit
meja diperlukan waktu selama 4 jam kerja. Untuk pembuatan satu unit kursi diperlukan waktu 3
jam kerja. Setelah selesai dibuat, meja dan kursi tersebut kemudian dicat. satu unit meja
memerlukan waktu pengecatan 2 jam, sedangkan satu unit kursi memerlukan waktu pengecatan
1 jam. Jumlah waktu yang tersedia untuk pembuatan meja dan kursi adalah 240 jam perminggu
sedangkan jumlah waktu untuk pengecatan adalah 100 jam perminggu. Setiap unit meja
memberikan keuntungan sebesar Rp. 700.000,- sedangkan satu unit kursi memberikan
keuntungan Rp. 500.000,-. Berapa banyak meja dan kursi yang sebaiknya diproduksi agar
keuntungan perusahaan maksimum?
Penyelesaian :

1. Menentukan Variable
X = Meja
Y = Kursi
2. Menentukan Fungsi Tujuan
Memaksimumkan keuntungan
Zmax = 700.000X + 500.000Y
3. Menentukan Fungsi Kendala
4X + 3Y ≤ 240
2X + Y ≤ 100
X,Y ≥ 0
4. Membuat Grafik
- 4X + 3Y = 240
Jika X= 0 maka Y = 80
(X,Y) = (0,80)
Jika Y=0 Maka X = 60
(X,Y) = (60,0)
- 2X + Y = 100
Jika X=0 maka Y= 100
(X,Y) = (0,100)
Jika Y=0 Maka X = 50
(X,Y) = ( 50,0)

100

B
80 Persamaan ke 2

60 C

40
Persamaan ke 1

20
X
A 20 40 D 60 80 100
A = (0,0)

B = (0,80)

D= ( 50,0)

Mencari titik C

4X + 3Y = 240 x1 4X + 3Y = 240

2X + Y = 100 x2 4X + 2Y = 200

Y = 40

Subtitusi Y kedalam persamaan 2X + Y = 100

2X + 40 = 100

2X = 100 – 40

X = 60 / 2

X = 30

Jadi diperoleh titik C yaitu (30,40)

Titik Uji

A = (0,0)

B = (0,80)

C= (30,40)

D= ( 50,0)

Subtitusi titik uji dengan fungsi tujuan Zmax = 700.000X + 500.000Y

- A = (0,0)
Zmax = 700.000(0) + 500.000(0)
=0

- B = (0,80)
Zmax = 700.000(0) + 500.000(80)
 - = 40.000.000

- C= (30,40)

Zmax = 700.000(30) + 500.000(40)

= 21.000.000 + 20.000.000
= 41.000.000

- D= ( 50,0)
Zmax = 700.000(50) + 500.000(0)
= 35.000.000

Jadi banyak meja dan kursi yang sebaiknya diproduksi agar keuntungan perusahaan maksimum
adalah 30 meja dan 40 kursi, dengan keuntungan maksimum yang dapat diperoleh yaitu
Rp.41.000.000

2.5.2 Metode Simpleks

Metode simpleks merupakan sebuah cara untuk menyelesaikan soal pemrograman linear
di mana pengulangan prosedur matematis itu dilakukan untuk menguji titik-titik sudut sehingga
ditemukan penyelesian optimal. Simpleks adalah sebuah prosedur matematis untuk menemukan
penyelesian optimal soal pemrograman linear dengan cara menguji titik-titik sudutnya (Siswanto,
2007). "Metode Simpleks adalah suatu metode yang secara sistematis dimulai dari suatu
penyelesaian dasar yang fisibel ke penyelesaian dasar fisibel lainnya, secara berulang-ulang
sehingga tercapai suatu penyelesaian dasar yang optimum "(Rosita, 2019: Siringoringo, 2005).
Beberapa istilah yang digunakan dalam metode simpleks, penjelasannya diantaranya sebagai
berikut:

a.Iterasi

Tahapan perhitungan di mana nilai dalam perhitungan itu tergantung dari nilai tabel sebelumnya.

b. Variabel non basis

Variabel yang nilainya diatur menjadi nol pada sembarang iterasi. Dalam terminology umum,
jumlah variabel non basis selalu sama dengan derajat bebas dalam sistem persamaan.
c. Variabel basis

Variabel yang nilainya bukan nol pada sembarang iterasi. Pada solusi awal. variabel basis
merupakan variabel slack (jika fungsi kendala menggunakan pertidaksamaan <) atau variabel
buatan (jika fungsi kendala menggunakan pertidaksamaan> atau =). Secara umum, jumlah
variabel batas selalu sama dengan jumlah fungsi pembatas (tanpa fungsi non negatif).

d. Solusi atau Nilai Kanan (NK)

Nilai sumber daya pembatas yang masih tersedia. Pada solusi awal, nilai kanan atau solusi sama
dengan jumlah sumber daya pembatas awal yang ada, karena aktivitas belum dilaksanakan

e. Variabel Slack

Variabel yang ditambahkan ke model matematik kendala untuk mengkonversikan

pertidaksamaan menjadi persamaan (=). Penambahan variabel ini terjadi pada tahap inisialisasi.
Pada solusi awal, variabel slack akan berfungsi sebagai variabel basis.

f. Variabel Surplus

Variabel yang dikurangkan dari model matematik kendala untuk mengkonversi pertidaksamaan>
menjadi persamaan (=). Penambahan variabel ini terjadi pada tahap inisialisasi. Pada solusi awal,
variabel surplus tidak dapat berfungsi sebagai variabel bebas.

g. Variabel Buatan

Variabel yang ditambahkan ke model matematik kendala dengan bentuk > atau =untuk
difungsikan sebagai variabel basis al. Penambahan variabel ini terjadi pada tahap inisialisasi.
Variabel ini harus bemilai 0 pada solusi optimal, karena kenyataannya variabel ini tidak ada.
Variabel ini hanya ada di atas kertas.

h. Kolom Pivot (Kolom Kerja)

Kolom yang memuat variabel masuk. Koefisien pada kolom ini akan menjadi pembagi nilai
kanan untuk menentukan baris pivot (baris kerja).

i. Baris Pivot (Baris Kerja)

Salah satu baris dari antara variabel baris yang memuat variabel keluar.

j. Elemen Pivot (Elemen Kerja) Elemen yang terletak pada perpotongan kolom dan baris pivot.
Elemen pivot akan menjadi dasar perhitungan untuk tabel Simpleks berikutnya.

k. Variabel Masuk

Variabel yang terpilih untuk menjadi variabel b pada iterasi berikutnya. Variabel masuk dipilih
satu dari antara variabel non basis pada setiap iterasi. Variabel ini pada iterasi berikutnya akan
bernilai positif.

l.Variabel Keluar

Variabel yang keluar dari variabel basis pada iterasi berikutnya dan digantikan dengan variabel
masuk. Variabel keluar dipilih satu dari antara variabel basis pada setiap iterasi dan bernilai nol.

Fungsi tujuan adalah:

Maksimumkan Z= a₁X₁ + a₂X₂+...+aX+0S1+0S2₂+...+ OS

Dengan kendala:

C₁X₁ +C12X₂+...+CmXn+ 1S+0S₂+...+0S₁=b₁

C21X1 +C22X2+...+CmnXn+0S₁+1S2+...+0Sn=b₂ C31X1+C32X2+...+ CmnXn+0S₁

+0S₂+...+1S₁=b3

C = Kontribusi unit dari fungsi tujuan, yaitu a untuk variabel keputusan dan o untuk variabel
slack S
Cj = Koefisien fungsi kendala

Zj = Kontribusi pada setiap proses iterasi

Tabel terdiri atas bagian-bagian penting sebagai berikut :

1. Kepala tabel, dibagi atas dua bagian. Bagian atas kepala tabel dipakai ebagai tempat
menuliskan kontribusi unit (C) fungsi tujuan (karena itu disebut juga objective row),
sedangkan bagian bawah kepala tabel dipakai sebagai tempat menuliskan semua nama
peubah keputusan X₁ dan perubah dummy S, (karena itu disebut juga variable row).
Kepala tabel ini dibagi atas beberapa kolom, yaitu: C, (untuk kontribusi unit fase iterasi).
kolom product mix (sesuai bauran setiap proses iterasi), kolom Q (nilai sisi kanan, bj
fungsi kendala), kolom peubah keputusan (disesuaikan dengan jumlah peubah menurut
fungsi tujuan), serta kolom peubah dummy S, (disesuaikan dengan jumlah baris kendala).
2. Badan tabel disebut juga problem rows, yaitu tempat menuliskan koefisien fungsi
kendala dan koefisien peubah dummy S, selanjutnya, juga tempat mencatat hasil proses
iterasi mulai tahapan pertama sampai tahap optimal.
2. Badan tabel disebut juga problem rows, yaitu tempat menuliskan koefisien fungsi kendala
dan koefisien peubah dummy S, selanjutnya, juga tempat mencatat hasil proses iterasi
mulai tahapan pertama sampai tahap optimal.
3. Kaki tabel, terbagi atas dua baris, yaitu baris Z, dan baris Z₁ - C₁. Baris Z; disebut juga
index row adalah baris tempat mencatat hasil perkalian vektor Cj dengan vektor kolom
yang ada dalam badan tabel. Baris Z C, adalah baris tempat mencatat hasil pengurangan
baris Z, dengan koefisien fungsi tujuan yang ada pada bagian atas kepala tabel dan baris
ini juga disebut identity row (baris identitas). Disebut demikian karena baris ini menjadi
landasan untuk menentukan berikut ini:
a. Kolom kunci (key column)
b. Tahap optimal analisis (dalam maksimisasi, jika semua tanda dari angka hasil kurang
Z, -C, sudah positif seluruhnya).

Beberpa persyaratan untuk diselesaikan dengan metode linear programing :

1.permasalahan bisa dirumuskan secara matemastis

2.tujuan akhir optimalisasi

3.batasan dinyatakan dengan pertidaksamaaan linier

Langkah – Langkah Metode Simpleks

Adapun langkah-langkah penyelesaian dengan metode simpleks adalah sebagai berikut menurut
(Haslan and Dkk, 2018) :

1. Ubah fungsi tujuan dan kendala ke dalam bentuk stanadar

2. Susun semua nilai kedalam tabel simpleks
3. Tentukan kolom kunci (variabel keputusan) yang masuk sebagai variabel basis (entering
variable). Kolom kunci adalah kolom yang mempunyai nilai pada baris Z (fungsi tujuan)
yang bernilai negatif (-). dengan angka terbesar
4. Tentukan baris kunci, untuk melakukan variabel yang akan keluar dari baris kunci
(leaving variable) Baris kunci adalah baris dengan nilai indeks positif terkecil, dengan
perhitungan indeks sebagai berikut:
- Indeks = (nilai kanan (NK))/(nilai setiap barisada kolom kunci)
5. Mengubah nilai-nilai pada baris kunci, dengan cara membaginya dengan angka kunci
Angka kunci merupakan nilai yang posisinya berada pada perpotongan antara kolom
kunci dengan bais kunci.

6. Membuat baris baru dengang mengubah nilai-nilai baris (selain baris kunci) sehingga
nilai-nilai kolom kunci 0, dengan mengikuti perhitungan sebagai berikut:
nilai baris baru = nilai baris lama - (KKAKxNBBK)

Di mana:

- KAKK = Koefisien Angka Kolom Kunci (nilai setiap baris kolom kunci)
- NBBK =Nilai Baris Kunci
7. Ulangi langkah di atas (langkah 3-6 atau disebut iterasi), sampai tidak terdapat nilai
negatif pada baris Z (baris fungsi tujuan).
 Contoh Soal dan Penyelesaian Menggunakan Metode Grafik

PT.Sukses Makmur yang merupakan perusahaan tembikar memproduksi 2 produk setiap hari
yaitu mangkuk dan cangkir.Masing masing produk memiliki kebutuhan tenaga kerja, bahan dan
laba yang berbeda.Dimana mangkuk memerlukan 1 tenaga kera, 3 tanah liat dan memiliki laba
sebesar Rp.4.000.Sedangkan cankir membutuhkan 2 tenaga kerja, 2 tanah liat dan memperoleh
laba sebesar Rp.5.000.PT.Sukses Makmur mempunyai 2 sumber daya yang terbatas jumlahnya
untuk memproduksi produk-produk tersebut ,yaitu tenaga kerja yang dapat berkerja selama 40
jam/hari dan tanah liat yang digunakan sebagai bahan baku yaitu 120kg/hari. Dengan
keterbatasan sumber daya, perusahaan ingin mengetahui berapa banyak mangkok dan cangkir
yang akan diproduksi setiap hari dalam jangka memaksimumkan laba.

Penyelesaian

1. Menentukan variable keputusan

Perusahaan tembuikar memproduksi 2 prodak setiap hahri ,yaitu :

-mangkok

-cangkir

Dengan keterbatasan sumber daya, perusahaan ingin mengetahui berapa banyak

mangkok dan cangkir yang akan harudiproduksi tiap hari dalam rangka
Memaksimumkan laba.

X1= jumlah mangkok yang akan diprodksi

X2=jumlah cangkir yang diproduksi

2. Menentukan fungsi tujuan

-produk mempunyai kebutuhan sumber daya untuk produksi serta laba per item
ditunjukan pada table:

Produk Tenaga kerja Tanah liat laba

Mangkok(x1) 1 3 4.000
Cangkir (x2) 2 2 5.000

Dengan keterbatasan sumber daya,perusahaan ingin mengetahui berapa banyak mangkok

dan cangkir yang akan diproduksi tiap hari dalam rangka Memaksimumkan Laba

Memaksimumkan :

Z=4.000x1 + 5.000x2x

Z= total laba setiap hari

4.000x1 = laba dari mangkuk

5.000x2 =laba dari cangkir

3. menentukan fungsi Batasan

Perusahaan mempunyai 2 sumber daya yang terbatas jumlahnya untuk memproduksi produk-
produk tersebutb yaitu:

Tenaga kerja (40 jam/hari)

Tanah liat (120kg/hari)

Produk memmpunyai kebutuhan sumber daya untuk memproduksi serta laba per item seperti
ditunjukan pada table :

Produk Tenaga Tanah liat laba

1 3 4.000
Mangkok(x1
Cangkir(x2) 2 2 5.000

- Batasan tenaga kerja

1x1 + 2x2 40

- Batasn tanah liat

 3x1 + 2x2 120

- Batasan non negative

X1,x2 ≥ 0

4. Memecahkan model

Dengan metode simplex

5.implementasi model :

1. mengubah fungsi tujuan dan Batasan

2. Menyusun persamaan – persamaan di dalam table

3. memilih kolom kunci

4. perihtungan indeks

5. memilih baris kunci dan nilai kunci

6. mengubah nilai-nilai

Berdasarkan 5.implementasi model dalam metode simpleks maka penyelesaian dilakukan

seperti berikut,

1. Mengubah fungsi tujuan dan Batasan

Fungsi tujuan Batasan – Batasan

Z= 4.000x1 + 5.000x2 1x1 + 2x2 ≤ 40

3x1 + 2x2 ≤120

Menjadi menjadi variabel pembantu

z-4.000x1 – 5.000x2 = 0 1x1 + 2x2 + x 3 = 40

3x1 + 2x2 + x 4 = 120

 2. Menyusun persaman – persamaan di dalam tabel

Variabel Z X1 X2 X3 X4 Nilai
Dasar kanan
Z 1 -4.000 -5.000 0 0 0

X3 0 1 2 1 0 40

X4 0 3 2 0 1 120

3. Memilih kolom kunci

- Kolom kunci : kolom yang merupakan dasar untuk mengubah tabel awal
- Kolom yang dipilih adalah kolom yang mempunyai nilai pada baris fungsi tujuan
yang bernilai negatif dengan angka terbesar .
- Jika tidak ada nilai negaatif pada baris fungsi tujuan maka, solisi optimal sudah diperoleh.
KOLOM KUNCI

Variabel Z X1 X2 X3 X4 Nilai
Dasar kanan

Z 1 - - 0 0 0
4.000 5.000

X3 0 1 2 1 0 40

X4 0 3 2 0 1 120
 4. Perhitungan indeks
- Indeks diperoleh dari kolom nilai kanan dibagi dengan kolom kunci

KOLOM KUNCI

Variabel Z X1 X2 X3 X4 Nilai Indeks

Dasar kanan
Z 1 - - 0 0 0
4.000 5.000
X3 0 1 2 1 0 40 20

X4 0 3 2 0 1 120 60

5. Memilih baris kunci dan nilai kunci

- Baris kunci dipilih baris yang yang mempunyai indeks positif dengan angka terkecil
- Nilai kunci merupakan perpotongan antara kolom kunci dengan baris kunci
KOLOM KUNCI

-
Variabel Z X1 X2 X3 X4 Nilai Indeks
Dasar kanan
Z 1 -4.000 -5.000 0 0 0

X3 0 1 2 1 0 40 20
2
X4 0 3 2 0 1 120 60

Baris kunci

Nilai Kunci
 6. Mengubah nilai – nilai

- Baris kunci

Nilai baru = nilai lama / nilai kunci

-nilai baru = nilai lama – ( koefisen kolom kunci x nilai baru baris kunci )

Variabel Z X1 X2 X3 X4 Nilai Indeks

Dasar kanan
Z 1 -4.000 -5.000 0 0 0

X3 0 1 2 1 0 40 20

X4 0 3 2 0 1 120 60

1: 2 = ⁄ Nilai baru

-4.000-(-5.000 x ⁄ )
= - 4.000 +( 2.500)=
1.500

Nilai baru -1

Variabel Z X1 X2 X3 X4 Nilai
dasar kanan
Z 1 -1500 0 2.500 0 10.000
X2 0 ⁄ 1 ⁄ 0 20

X4 0 2 0 -1 1 80
Ulangi Langkah berikut ini :

- memilih kolom kunci

- perhitungan indeks
 - memilih baris kunci dan nilai kunci
- mengubah nbilai nilai

Nilai baru -2

Variabel Z X1 X2 X3 X4 Nilai
dasar kanan
Z 1 0 3.000 4.000 0 160.000
X1 0 1 2 1 0 40
X4 0 0 -4 -3 1 0

- Solusi maksimalnya adalah X1= 40 , X4 = 0 dan Z = 160.000

- Jika ini didistribusikan ke persamaan
Z = 4000X1 + 5000X2
160000= 4000 * 40 + 5000*X2
X2= 0
- Ini berarti jumlah produksi mangkok (X1) per hari adalah 40
- Jumlah produksi cangkir (X2) per hari adalah 0
- Tingkat keuntungan (Z) yang akan diperoleh sebesar 160.000,-

INTERPRETASI

- Ini berarti jumlah produksi mangkok (X1) per hari adalah 40

- Jumlah produksi cangkir (X2) per hari adalah 0
- Tingkat keuntungan (z) yang akan diperoleh sebesar rp.160.000,-

Tenaga kerja yang dipakai adalah sebesar :

1X1 + 2X2 = ( 1*40)=(2*0)

= 40

- Karena sumber daya jam kerja yang dimilki adalah 40jam/hari, berarti semua sumber daya
jam kerja habis dipakai untuk memproduksi .
 - Tanah liat yang dibutuhkan untuk produksi sehari sebsar :
3X1 + 2X2 = (3*40) +(2*0)
= 120
- Karena sumber daya tanah liat yang tersedia di perusahaan sebesar 120kg/hari, berarti
semua sumber daya tanah liat dipakai untjuk produksi ..

2.5.3 Dual Problem Dan Aplikasi Komputer

Pada dasarnya setiap model program linier memiliki 2 bentuk, yaitu primal dan dual.
Bentuk primal adalah bentuk asli dari problem suatu problem linier.sedangkan dual merupakan
bentuk alternative dari bentuk primal. Fungsi dari bentuk dual adalah melihat nilai atau harga
dari sumber-sumber yang membatasi tercapainya laba keuntungan yang ingin dicapai. Pada
solusi optimal primal akan didapatkan solusi yang menunjukkan nilai dari setiap variable
keputusan, sedangkan pada dual akan didapatkan solusi berupa shadow price atau harga
bayangan. Shadow price atau harga bayangan adalah harga maksimum yang bersedia dibayar
untuk mendapatkan suatu unit tambahan sumber daya.

Terdapat beberapa ketentuan yang harus diperhatikandalam merubah suatu bentuk primal ke
dalam bentuk dual :

1. Koefisien fungsi tujuan primal menjadi konstanta ruas kanan dual

2. Konstnta ruas kanan primal menjadi koefisien fungsi tujuan dual
3. Semua kolom pimal akan menjadi kendala pada dual
4. Semua kendala primal menjadi variable keputusan dual
5. Koefisien kendala menjadi koefisien yang berkorespondensi dengan kendala dual.

Sedangkan karakteristik dasar dual dapat dilihat pada table dibawah ini :
Ketentuan dalam bentuk standar primal adalah semua konstanta ruas kanan kendala non negative
dan semua variabel keputusan non negative

Dalam sebuah pemodelan Pemrograman Linear, ter dapat dua konsep yang saling berlawanan.
Konsep yang pertama kita sebut Primal dan yang kedua Dual. Bentuk Dual adalah kebalikan dari
bentuk Primal. Hubungan Primal dan Dual sebagai berikut:

Karakteristik tersebut dapat pula dilakukan dengan melihat table primal dual untuk linier
programing seperti pada table berikut :

Setiap persoalan programa linier berasosiasi dengan persoalan programa linier lainnya
mempunyai beberapa sifat yang penting, misalnya untuk memperoleh solusi dari persoalan asli.
Persoalan yang asli disebut programa linier primal, sedangkan persoalan lain yang berasosiasi
dengan programa linier primal disebut programa linier dual.

Dualitas lebih banyak bermanfaat untuk melakukan pengujian pengecekan apakah nilai-nilai
yang dihasilkan dengan metode simplek telah benar dan hasilnya dapat digunakan untuk
mengambil keputusan.

Untuk memahami konsep dualitas, langkah pertama yang perlu dipahami adalah bahwa
sebenarnya dualitas adalah "kebalikan" masalah simplek, dan masalah simplek sendiri
selanjutnya sering disebut dengan masalah primal. Jadi Dual adalah "kebalikan" dari masalah
primal (simplek).

Contoh perubahan bentuk primal ke bentuk dual

Primal

Minimasi Z = 6X1 + 8X2

Kendala 3X1 + X2 ≥ 4

5X1 + 2X2 ≥ 7

X1 , X2 ≥ 0

Dual

Maksimasi Z = 4X1 + 7X2

Kendala 3W1 + 5W2 ≤ 6

5W1 + 2W2 ≤ 7

W1 ,W2 ≥ 0

Dari permasalahan primal - dual di atas dalam fungsi tujuan dan batasan dual tersebut :

1. Fungsi tujuannya dari maksimalisasi menjadi minimalisasi.

2. Nilai koefisien pada fungsi tujuan sebelumnya adalah nilai kanak (NK) dari fungsi batasan
Primal (simpleks) nya

3. Sebaliknya nilai kanan batasan sebelumnya adalah nilai koefisieen fungai tujuan pada kasus
Primal (simplek)

4. Nilai koefisien pada batasan Dual adalah adalah "pembacaan" vertikal dari nilai koefisien di
batasan.Primalnya.

5. Jumlah batasan akan menjadi jumlah variabel dalam fungsi tujuan dualnya.

Sedangkan untuk menyelesaikan bentuk primal maupun dual, prosedurnya sama dengan
prosedur penyelesaian metode simpleks biasa. Bentuk primal ataupun dual harus dirubah ke
dalam bentuk standar terlebih dahulu.

Bentuk dasar primal

Zmax = 10X1 + 24X2 + 8X3 + 0S1 + 0S2

2X1 + 4X2 + 2X3 + S1 ≤ 20

4X1 - 2X2 + 6X3 + S2 ≤ 16

X1 , X2 , X3 , S1 ,S2 ≥ 0

Bentuk standar dual

Wmin = 20Y1 + 16Y2

2Y1 + 4Y2 - S1 + R1 = 10

4Y1 + 2Y2 – S2 + R2 = 24

2Y1 + 6Y2 – S3 + R3 ≥ 1

Y1 , Y2 , S1, S2, S3, R1, R2, R3 ≥ 0

Iterasi perhitungan untuk menyelesaikan bentuk adalah sebagai berikut :

Dari tabel optimal Primal didapatkan X₂ = 5, S₂ = 26 dan Zmaks = 120. Sedangkan iterasi
perhitungan untuk menyelesaikan bentuk dual adakah sebagai berikut:
Dari tabel optimal dual didapatkan S3 = 4, S₁ = 5, y₁ = 6 dan W min = 120 Dari tabel optimal
primal dan tabel optimal dual ditarik suatu kesimpulan sebagai berikut:

1. Nilai maksimum Z pada bentuk primal adalah sama dengan nilai minimum W pada
bentuk dual

2. Pada kasus maksimasi nilai Zj – Cj pada iterasi awal berharga nol dan akan terus
meningkat sampai mencapai 120, sedangkan pada kasus minimasi nilai Wj – Cj pada
iterasi awal berharga 42M dan akan menurun sampai dengan 120.
3. Nilai optimum variable-variabel solusi awal pada primal sama dengan nilai optimal
variable dual yang ber korespodensi dengan persamaan pembatas pada primal.

a. Jika variable dual berkorespondensi dengan variable slack awal pada primal, maka
nilai optimal variable tersebut sama dengan koefisien variable slack pada persamaan
Z optimum. Misal S₁ pada primal berkorespondensi dengan YI pada dual. Koefisien
S₁ pada tabel optimal adalah 6 dan koefisien yı pada tabel optimal dual adalah 6
b. Jika variable dual berkorespondensi dengan variable artificial awal primal, maka nilai
optimum variable tersebut sama dengan koefisien variable artificial pada persamaan Z
optimum dengan menghilanhkan konstanta M.
Penyelesaian Program Linear Menggunakan Aplikasi Lindo

Untuk keperluan menyelesaikan program linear sudah tersedia program khusus salah satu
aplikasi yang dapat digunakan adalah software Lindo (Linear Interactive Discreat Optimizer).
Software ini dapat menyelesaikan permasalahan program linear dengan muda, cepat dan akurat
bahkan mampu menyelesaikan masalah program linear sampai 100 constraints (fungsi kendala).
Salah satu yang utama dari software Lindo adalah memasukan rumus berdasarkan
penyelesaiannya. Rumus. yang dimaksud disini dalam bentuk matematika.

Jika menggunakan program linear secara manual atau dengan menggunakan metode
simpleks, akan lebih sulit dan memakan waktu lebih lama karena membutuhkan ketelitian dan
ketekunan yang tinggi. Untuk itu sangatlah tepat jika masalah dalam program linear dengan
berbagai kejadian masalah optimasi ataupun segala permasalahan optimasi dalam dunia nyata
dicari penyelesaiannya dengan Lindo.

Contoh Sederharan Penyelesaian Program Linear menggunakan aplikasi Lindo

Soal

Sebuah adonan roti basah dibuat dengan 2 kg tepung dan 2kg gula. Sedangkan sebuah adonan
roti kering dibuat menggunakan 1kg tepung dan 3 kg gula. Ibu memiliki persediaan tepung
sebanyak 6 kg dan gula sebanyak 12 kg. Jika setiap satu adonan kue basah dapat memberikan
untung Rp75.000,00 dan setiap adonan kue kering dapat memberikan untung Rp60.000,00,
berapakah banyak kombinasi adonan roti yang dapat dibuat untuk mendapatkan keuntungan
maksimal?

Penyelesaian :

- Penentuan Variable

X = adonan roti basah

Y = adonan roti kering

- Fungsi tujuan :
Zmax = 75.000 X + 60.000 Y
- Fungsi Pembatas
Jumlah Tepung : 2x + y ≤ 6
Jumlah gula : 2x + 3y ≤ 12

X ≥ 0, Y ≥ 0

- Tulskan fungsi tujuan dan pembatas pada lay out, dengan tambahan elemen
sperti “subject to” dan “end”

- Lalu Klik “Solve” pada menu bar yang tersedia diatas

 - Pilih “No” dan “Close”

- Lalu akan muncul hasil pada layout seperti dibawah ini

Berdasarkan hasil perhitungan, diperoleh nilai masing masing variable jika menginginkan
Zmaksimum yaitu :

X = 1,5 dan Y = 3

Jadi,dapat disimpulkan bahwa kombinasi adonan roti yang dapat dibuat untuk mendapatkan
keuntungan maksimal atau Zmax adalah 1,5 adonan roti basah dan 3 adonan roti kering.
 BAB III
PENUTUP

3.1 Kesimpulan
Berdasarkan pembahasan dalam makalah ini maka dapat disimpulkan bahwa,
salah satu cara untuk memperoleh keputusan adalah dengan melakukan teknik
pengambilan keputuasan menggunakan metode Linear Programing.Metode Linear
Programing merupakan metode matematik dalam mengalokasikan sumber daya yang
terbatas untuk mencapai suatu tujuan seperti memaksimumkan keuntungan dan
meminimumkan biaya.Pengambilan keputusan dengan linear programing dapat
membantu manajer mengambil keputusan secara cepat dan tepat, karena metode linear
programing dapat menggunakan banyak variabel sehingga berbagai kemungkinan untuk
memperoleh pemanfaatan sumber daya yang optimal dapat dicapai.

3.2 Penutup
Demikianlah yang dapat kami sampaikan mengenai materi “Teknik Pengambilan
Keputusan Dengan Linear Programing” yang kami bahas dalam makalah ini, semoga
bermanfaat dan menambah ilmu pengetahuan bagi kita semua, kami mohon maaf atas
banyaknya kekurangan karena terbatasnya referensi yang kami peroleh. Sekiranya para
pembaca memberikan kritik dan saran yang membangun untuk kami semoga makalah ini
dapat bermanfaat, kami ucapkan terima kasih.
 DAFTAR PUSTAKA

Chaniago, A. (2017). Teknik Pengambilan Keputusan. Jakarta Pusat: Lentera Ilmu Cendikia.

Darsini. (2020). Penelitian Operasional. Jawa Tengah: Penerbit Lakeisha.

Djalal, N., & Usman, H. (2004). Teknik Pengambilan Keputusan. Jakarta: Grasindo.