LINEAR PROGRAMMING

1
OBJEKTIF :
1. Mahasiswa Dapat Mengetahui Konsep Dasar Riset Operasi Dan Definisi Riset
Operasi.
2. Mahasiswa Dapat Mengetahui Sejarah Perkembangan Riset Operasi.
3. Mahasiswa Dapat Mengetahui Mengenai Penerapan Riset Operasi
4. Mahasiswa Dapat Mengetahui Linear Programming (Formulasi Masalah Dan
Pemodelan)
5. Mahasiswa Dapat Mengetahui Dan Melakukan Pemecahan Persoalan Program
Linier Dengan Metode Grafik

1.1 Konsep Dasar Riset Operasi

Riset Operasional atau sering disingkat menjadi Riset Operasi saja, merupakan
terjemahan bahasa Inggris yaitu “Operation Research” memiliki berbagai macam arti
bagi orang yang berbeda kepentingan dan latar belakang disiplin ilmu. Ada yang
beranggapan bahwa Riset Operasi adalah sebuah teknik analisis kuantitatif, dilain pihak
ada yang menganggapnya sebagai “scientific method” (metode ilmiah), sebagai dasar
pengambilan keputusan. (Syaifudin, Dedy Takdir. 2011. Page 1)

A. Definisi Riset Operasi

Riset Operasi berkenaan dengan pengambilan keputusan optimal dalam
penyusunan model dari sistem-sistem baik deterministic maupun probabilistic
yang berasal dari kehidupan nyata. Aplikasi-aplikasi ini, yang terjadi dalam
pemerintah, bisnis, teknik, ekonomi, serta ilmu pengetahuan alam dan social
ditandai dengan kebutuhan untuk mengalokasikan sumberdaya-sumberdaya
yang terbatas yang berarti, Riset Operasi adalah metode untuk
memformulasikan dan merumuskan permasalahan sehari-hari baik mengenai
bisnis, ekonomi, sosial maupun bidang lainnya ke dalam pemodelan matematis
untuk mendapatkan solusi yang optimal. (Meflinda, Astuti dan Mahyarni. 2011.
Page : 4)

B. Riset Operasi menurut para ahli :

1. Morse dan Kimball
Riset operasi adalah suatu metode ilmiah yang memungkinkan para manajer
mengambil keputusan mengenai kegiatan yang ditangani secara kuantitatif.
2. Churchman, Arkoff dan Arnoff
Riset operasi merupakan aplikasi metode-metode, teknik-teknik dan
peralatan ilmiah dalam menghadapi masalah-masalah yang timbul dalam
operasi perusahaan dengan tujuan menemukan pemecahan yang optimal.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 1

TOPIK 1. LINEAR PROGGRAMING

3. Miller dan M.K.Star

Riset operasi adalah peralatan manajemen yang menyatukan ilmu
pengetahuan, matematika dan logika dalam rangka memecahkan masalah
yang dihadapi sehari-hari sehingga dapat dipecahkan secara optimal.
(Aminudin. 2005. Page : 4)

Simpulan dari definisi para pakar:

• Riset Operasi merupakan alat bantu bagi para decision maker (pengambil
keputusan) ketika menjumpai masalah-masalah dalam operasi perusahaan
untuk mengambil keputusan secara optimal dan bersifat kuantitatif.
• Optimal adalah berdasarkan prinsip maxsimin (memaximumkan revenue
yang minimal) dan minimax (meminimumkan cost yang maksimal).
(Syaifudin, Dedy Takdir. 2011. Page : 2)

1.2 Sejarah Perkembangan Riset Operasi

Pada mulanya Riset Operasi tidak terlepas dari perang dunia ke II, karena
terjadinya perang maka terjadi sebuah kebutuhan, bagaimana cara mengalokasikan
sumber sumber daya yang sangat terbatas kepada berbagai elemen operasi militer
dalam sebuah kegiatan secara efektif, Karena itulah pemimpin perang meminta saran
kepada ahli dalam bidang sains untuk melakukan pendekatan ilmiah untuk menghadapi
permasalahan dan melakukan upaya pemecahannya secara strategis.

Pada tahun 1939, G.A. Robert dan E.C. William mengembangkan pertama kali
sistem komunikasi untuk angkataan udara Inggris. Pada tahun 1940, riset operasi
digunakan oleh McClosky dan Trefthen dari Inggris. Mereka mendapat tugas untuk
menemukan suatu alat baru agar dapat mendeteksi kegiatan musuh. Mulai saat itu
ditemukan suatu alat yang dapat melakukan pendeteksian, yaitu radar.

Langkah selanjutnya mereka melakukan penelitian-penelitian lebih lanjut pada

bidang operasi militer. Setelah Amerika Serikat terlibat dalam perang dunia, pada tahun
1942-1943 dibentuk divisi riset analisis. Divisi ini mengevaluasi setiap kegiatan-kegiatan
operasi dari setiap angkatan. Setelah perang dunia, keberhasilan di bidang militer
menarik perhatian bagi dunia non-militer, khususnya para industriawan. Mereka
memperdalam teknik- teknik yang ada untuk kegiatan operasional perusahaannya.
Secara lebih khusus banyak permasalahan terselesaikan dengan menggunakan model
riset operasi, antara lain penggunaan linier programming untuk penyelesaian
permasalahan yang berkendala, penerapan teori antrian, teori persediaan, teori
permainan, program simulasi (simulation). (Wijaya, Andi. 2013. Page: 1-2)

1.3 Penerapan Riset Operasi

Sejalan dengan perkembangan dunia industri dan didukung dengan
kemajuan di bidang komputer, Riset Operasi semakin banyak diterapkan di berbagai

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 2

TOPIK 1. LINEAR PROGGRAMING

bidang untuk menangani masalah yang cukup kompleks. Berikut ini adalah contoh
penggunaan Riset Operasi dalam beberapa bidang (Aminudin. 2005. Page 5) :

1. Akuntansi dan Keuangan:

• Penentuan jumlah kelayakan kredit
• Alokasi modal investasi dari berbagai alternatif
• Peningkatan efektivitas akuntansi biaya
• Penugasan tim audit secara efektif

2. Pemasaran:
• Penentuan kombinasi produk terbaik berdasarkan permintaan pasar
• Alokasi iklan di berbagai media
• Penugasan tenaga penjual ke wilayah pemasaran secara efektif
• Penempatan lokasi gudang untuk meminimumkan biaya distribusi
• Evaluasi kekuatan pasar dari strategi pemasaran pesaing

3. Operasi Produksi:
• Penentuan bahan baku yang paling ekonomis untuk kebutuhan pelanggan
• Meminimumkan persediaan atau inventori
• Penyeimbangan jalur perakitan dengan berbagai jenis operasi
• Peningkatan kualitas operasi manufaktur Dan lain-lain.

Adapun teknik-teknik Riset Operasi yang paling banyak digunakan dalam ilmu
manajemen antara lain:
a. Linear Programming (Metode Grafik, Metode Simpleks dan penyimpangan
dari bentuk standar)
b. Metode Transportasi (Metode Stepping Stone, Metode Modified Distribution,
dan Vogel’s Approximation Method)
c. Decision Theory (Problem-problem Keputusan)
d. Net Work Planning (Critical Path Method, Metode Algoritma, Perpendekan
waktu proyek, Penaksiran jangka waktu dan biaya proyek)
e. Perencanaan Kebutuhan Bahan (Economic Order Quantity, Reorder Point,
Model Penyeimbangan Biaya Total, Buffer Stock).

Salah satu teknik analisis yang sering digunakan telah berkembang teknik-
teknik analisis dengan menggunakan paket program Quantitative Analysis for
Management. (QM program) versi 2.1 (Howard J. Weis, 1996 – 2002).

A. Model –Model Riset Operasi

1. Model Ikonik Merupakan tiruan fisik seperti bentuk aslinya dengan skala
yang lebih kecil. Contoh: maket gedung, model automotif, dan model
pesawat.
2. Model Analog Merupakan model fisik tetapi tidak memiliki bentuk yang
mirip dengan yang dimodelkan. Contoh: alat ukur termometer yang
menunjukkan model tinggi rendahnya temperatur.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 3

TOPIK 1. LINEAR PROGGRAMING

3. Model Simbolik Merupakan model yang menggunakan simbol-simbol (huruf,

angka, bentuk, gambar dan lain-lain) yang menyajikan karakteristik dan
properti dari suatu sistem. Contoh: jaringan kerja (network diagram),
diagram alir, flow chart, dan lain-lain.
4. Model Matematik Mencakup model-model yang mewakili situasi ril sebuah
sistem yang berupa fungsi matematik. Terdapat dua model matematik, yaitu
model deterministik (membahas untuk situasi yang pasti, misalnya 2+2=4)
dan probablistik (membahas untuk situasi yang tidak pasti, misalnya apakah
hari ini akan hujan?). (Aminudin. 2005. Page 5-6)

B. Langkah-Langkah Analisis
Dalam proses pemecahan masalah riset operasi berikut ini langkah-
langkah yang perlu dilakukan (Aminudin. 2005. Page 6-7):

1. Definisi Masalah
Pada langkah ini terdapat tiga unsur utama yang harus diidentifikasi:
a. Fungsi Tujuan: penetapan tujuan untuk membantu mengarahkan upaya
memenuhi tujuan yang akan dicapai.
b. Fungsi Batasan atau kendala: batasan-batasan yang mempengaruhi
persoalan terhadap tujuan yang akan dicapai.
c. Variabel keputusan: variabel-variabel yang mempengaruhi persoalan
dalam pengambilan keputusan.

2. Pengembangan Model
Mengumpulkan data untuk menaksir besaran parameter yang berpengaruh
terhadap persoalan yang dihadapi. Taksiran ini digunakan untuk membangun
dan mengevaluasi model matematis dari persoalannya.

3. Pemecahan Model
Dalam memformulasikan persoalan ini biasanya digunakan model analitis,
yaitu model matematis yang menghasilkan persamaan, sehingga dicapai
pemecahan yang optimum.

4. Pengujian Keabsahan
Model Menentukan apakah model yang dibangun telah menggambarkan
keadaan nyata secara akurat. Jika belum, perbaiki atau buat model yang
baru.

5. Implementasi Hasil Akhir

Menerjemahkan hasil studi atau perhitungan ke dalam bahasa sehari-hari
agar mudah dimengerti.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 4

TOPIK 1. LINEAR PROGGRAMING

1.4 LINEAR PROGRAMMING (FORMULASI MASALAH DAN PEMODELAN)

Menurut Frederick S. Hiller dan Gerald J. Lieberman, linier programming
merupakan suatu model matematis untuk menggambarkan masalah yang dihadapi.
Linier berarti bahwa semua fungsi matematis dalam model ini harus merupakan
fungsi-fungsi linier. Pemrograman merupakan sinonim untuk kata perencanaan.
Dengan demikian membuat rencana kegiatan-kegiatan untuk memperoleh hasil
yang optimal, ialah suatu hasil untuk mencapai tujuan yang ditentukan dengan cara
yang paling baik (sesuai dengan model matematis) di antara semua alternatif yang
mungkin. (Wijaya, Andi. 2013. Page 9)
Penggunaan linear programming dalam hal ini adalah mengalokasikan
sumber daya tersebut, sehingga laba akan maksimum atau alternatif biaya
minimum. Alokasi yang dibuat tergantung dari sumber daya yang tersedia dan
permintaan atas sumber daya tersebut. Sedangkan tujuan dari alokasi adalah
memaksimumkan laba atau meminimalkan biaya. Jadi linear programming adalah
sebuah metode matematis yang berkarakteristik linear untuk menemukan suatu
penyelesaian optimal dengan cara memaksimumkan atau meminimumkan fungsi
tujuan terhadap satu susunan kendala.
Maka, linear programming adalah sebuah metode matematis yang
berkarakteristik linear untuk menemukan suatu penyelesaian optimal dengan cara
memaksimumkan atau meminimumkan fungsi tujuan terhadap satu susunan
kendala. (Meflinda, Astuti dan Mahyarni. 2011. Page : 11)

A. BENTUK UMUM DAN BENTUK BAKU MODEL LINEAR PROGRAMMING

Pada setiap masalah, dapat ditentukan variabel keputusan, fungsi tujuan,
dan fungsi batasan, yang bersama-sama membentuk suatu model matematik
dari dunia nyata.
Model linear programming mempunyai tiga unsur utama, yaitu:
1. Variabel keputusan yaitu variabel persoalan yang akan mempengaruhi nilai
tujuan yang hendak dicapai. Didalam proses pemodelan, penemuan variabel
keputusan harus dilakukan terlebih dahulu sebelum merumuskan fungsi
tujuan dan fungsi batasan (kendala-kendalanya). Misalnya dengan
mengajukan pertanyaan: keputusan apa yang harus dibuat agar nilai fungsi
tujuan menjadi maksimum atau minimum.
2. Fungsi tujuan yaitu fungsi yang menggambarkan tujuan dalam permasalahan
linear programming yang berkaitan dengan pengaturan secara optimal
sumber daya - sumber daya, untuk memperoleh keuntungan maksimal atau
biaya minimum. (misalnya maksimasi untuk laba, penerimaan, produksi, dan
lain- lain atau minimasi untuk biaya) yang biasanya dinyatakan dalam notasi
Z. Oleh karena itu hanya ada dua kemungkinan fungsi tujuan, yaitu:
a. Maksimummkan Z = f (X1, X2, ...Xn)
b. Minimumkan Z = f (X1, X2, ...Xn)
3. Fungsi batasan (kendala) yaitu bentuk penyajian secara matematis batasan-
batasan kapasitas yang tersedia yang akan dialokasikan secara optimal ke
berbagai kegiatan. (Meflinda, Astuti dan Mahyarni. 2011. Page 11-12)

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 5

TOPIK 1. LINEAR PROGGRAMING

Adapun bentuk umum model program linier (Aminudin. 2005. Page : 11-12) :

Optimumkan:
𝑛

𝑍 = ∑ 𝐶𝑗𝑋𝑗
𝑗=1
Dengan batasan:

∑𝑛𝑗=1 𝑎𝑖𝑗 𝑋𝑗 ≥ ≤ 𝑏𝑖, untuk i = 1, 2, 3, ... , m

𝑋𝑗 ≥ 0, untuk j = 1,2,3, ... , m

Atau dapat ditulis secara lengkap sebagai berikut :

Z = C1X1 + C2X2 + ... + CnXn

Dengan batasan :

a11X1 + a12X2 + ... + a1nXn ≥ ≤ 𝑏1

a21X1 + a22X2 + ... + a2nXn ≥ ≤ 𝑏2
.
.
am1X1 + am2X2 + ... + amnXn ≥ ≤ 𝑏𝑚
X1, X2, X3, ... , Xn ≥ 0

Adapun bila dimasukan ke dalam bentuk tabel, sebagai berikut :

Tabel 1.1 Data Model Linier Programming

Kegiatan Pemakaian sumber per unit Kapasitas

Sumber 1 2 3 ............ n Sumber
1 a11 a12 a13 ............... a1n b1
2 a21 a22 a23 ...............a2n b2
. . . . ......... . .
. . . . ......... . .
m am1 am2 am3 ..............anm bm
C1 C2 C3................Cn

Banyak kegiatan X1 X2 X3 ............... Xn

Keterangan:
Z = fungsi tujuan yang dicari nilai optimalnya (maksimal, minimal)
Cj = kenaikan nilai Z apabila ada pertambahan tingkat kegiatan xj dengan

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 6

TOPIK 1. LINEAR PROGGRAMING

satu satuan unit

n = macam kegiatan yang menggunakan sumber atau fasilitas yang tersedia
m = macam batasan sumber atau fasilitas
Xj = tingkat kegiatan ke-j
aij = banyaknya sumber i yang diperlukan untuk menghasilkan setiap unit
keluaran kegiatan j
bi = kapasitas sumber i yang tersedia untuk dialokasikan ke setiap unit
kegiatan

Terminologi umum untuk model program linier di atas dapat dirangkum

sebagai berikut:
1. Fungsi yang akan dicari nilai optimalnya (Z) disebut fungsi tujuan (objective
function)
2. Fungsi-fungsi batasan dapat dikelompokkan menjadi dua macam, yaitu:
a. Fungsi batasan fungsional, yaitu fungsi-fungsi batasan sebanyak m.
b. Fungsi batasan non-negatif (non-negative constrains) yaitu variabel Xj
≥0
3. Variabel-variabel xj disebut sebagai variabel keputusan (decision variables).
4. Parameter model yaitu masukan konstan aij, bi, dan cj

Adapun tahapan dalam penyelesaian optimasi dari Linear programming

ini adalah sebagai berikut:
1. Menentukan Decision of variables
2. Membuat Objective function
3. Memformulasikan Constraints
4. Menggambarkan dalam bentuk grafik
5. Menentukan daerah kemungkinan "Feasible"
6. Menentukan solusi optimum.

B. ASUMSI-ASUMSI DASAR LINEAR PROGRAMMING

Menurut Frederick S. Hiller dan Gerald J. Lieberman, terdapat asumsi-
asumsi dasar Linear programming adalah sebagai berikut (Andi Wijaya. 2013.
Page 11-13):
1. Proposionalitas, naik atau turunnya nilai Z dan penggunaan sumber daya yang
tersedia akan berubah berbanding lurus dengan perubahan tingkat kegiatan
(X), sebagai contoh, misalnya tingkat keuntungan dari penjualan setiap produk
X, adalah sebesar $3,- dengan demikian apabila perusahaan menjual produk
tersebut sebesar 1 unit maka keuntungannya adalah sebesar $3,- begitu pula
apabila perusahaan menjual 2 unit maka keuntungannya menjadi $6,- dan
seterusnya. Suatu keadaan dikatakan tidak proposional apabila pada saat
perusahaan menjual 2 unit dengan mendapatkan keuntungan < atau > $6,-.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 7

TOPIK 1. LINEAR PROGGRAMING

Proposionalitas Proposionalitas dilanggar

X1 terpenuhi
Kasus 1 Kasus 2 Kasus 3
0 0 0 0 0
1 3 2 3 3
2 6 5 7 5
3 9 8 12 6

Kasus 1 akan terjadi jika ada biaya awal yang berkaitan dengan permulaan
produksi produk 1. Misalnya, mungkin ada biaya yang berkaitan dengan
pengadaan fasilitas-fasilitas produksi, mungkin juga ada biaya yang berkaitan
dengan mengatur distribusi produk baru. Kasus 2 dapat terjadi dikarenakan
terdapat hasil marjinal yang meningkat (∆Z) yang disebabkan karena menaikkan
X, sebesar 1 unit maka Z akan meningkat lebih tinggi dari proporsi yang ada.

∆Z = 34, jika X1 = 0 menjadi X1 = 1

∆Z = 44, jika X1 = 1 menjadi X1 = 2
∆Z = 54, jika X1 = 2 menjadi X1 = 3

Pelanggaran terhadap proposionalitas mungkin terjadi karena penghematan

yang kadang-kadang terjadi pada tingkat produksi yang lebih tinggi, ialah dengan
memakai mesin yang ber-volume tinggi sehingga lebih efisien, dan pengaruh
kurva pengalaman belajar (learning curve effect). Untuk kasus 3 terjadi hasil
marjinal yang menurun.

∆Z = 34, jika X1 = 0 menjadi X1 = 1

∆Z = 24, jika X1 = 1 menjadi X1 = 2
∆Z = 14, jika X1 = 2 menjadi X1 = 3

Proposionalitas tidak berlaku apabila besarnya nilai kegiatan adalah sama

dengan 0 (X = 0).

2. Aditivias, bahwa untuk setiap fungsi , nilai fungsi total dapat diperoleh dengan
menjumlahkan kontribusi – kontribusi individual dari masing – masing
kegiatan. Apabila fungsi tujuan Z =3X1 + 5X2, maka:

(X1 X2) Aditivitas Aditivitas dilanggar

dipenuhi Kasus 1 Kasus 2
(1,0) 3 3 3
(0,1) 5 5 5
(1,1) 8 9 7

Kasus 1 adalah mengenai fungsi tujuan Z =3X1 + 5X2 + X1 X2, sehingga Z = 3+5+1
= 9 untuk X1 = X2 = 1. Kasus ini akan timbul apabila kedua produk tersebut
adalah komplementer (pelengkap). Misalnya, mempromosikan produk dapat

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 8

TOPIK 1. LINEAR PROGGRAMING

dilakukan kampanye bersama untuk menghemat biaya promosi dan pada

akhirnya meningkatkan laba. Kasus 2 juga melanggar prinsip aditivitas karena
ada unsur tambahan dalam fungsi tujuan, Z =3X1 + 5X2 - X1 X2 sehingga Z = 7
untuk X1 = X2= 1. Misalnya, andaikan kedua produk tersebut memakai mesin
dan peralatan yang sama. Jika salah satu produk dihasilkan secara tersendiri,
maka mesin dan peralatan diperuntukkan bagi satu penggunaan saja. Akan
tetapi, memproduksi kedua produk memerlukan pemindahan proses produksi
secara bergantian, dengan menghabiskan banyak waktu dan biaya untuk
menghentikan sementara proses produksi dari satu produk dan menyiapkan
proses produksi produk yang lain.

3. Divisibilitas, kadang-kadang variabel-variabel keputusan yang oleh setiap

kegiatan tidak selalu menghasilkan angka fisik yang bulat (integer) akan tetapi
juga dapat berupa bilangan pecahan (non-integer).

4. Kepastian, semua parameter model nilai-nilai (dalam linier programming)

merupakan konstanta-konstanta yang diketahui. Dalam praktek, asumsi ini
jarang dipenuhi secara tepat. Model linier programming biasanya dirumuskan
untuk memilih tindakan di masa yang akan datang, sedangkan kondisi yang
akan datang itu sendiri membawa ketidakpastian.

Contoh:
Sebuah perusahaan ingin memproduksi dua macam produk, yaitu komputer
(A) dan radio (B). Berdasarkan pengalaman pada masing-masing departemen
bahwa untuk menghasilkan produk komputer departemen 1 membutuhkan 2
jam tenaga kerja, di departemen II membutuhkan 2 jam tenaga kerja, dan di
departemen III memerlukan 1 jam tenaga kerja. Sedangkan untuk
mengahasilkan produk radio departemen 1 membutuhkan 3 jam tenaga kerja,
departemen II membutuhkan 1 jam tenaga kerja, dan depertemen III
membutuhkan 4 jam tenaga kerja. Sumber daya perusahaan yang tersedia
untuk menghasilkan kedua jenis produk tersebut di masing- masing
departemen berturut-turut adalah maksimum 24 jam tenaga kerja untuk
departemen I, 16 jam tenaga kerja untuk departemen II, dan 27 jam tenaga
kerja untuk departemen III. Keuntungan (profit) setiap unit untuk komputer
dan radio masing-masing adalah Rp 8.000,- dan Rp 7.000,- Buatlah model linier
programming model matematis untuk kasus di atas.

Jawab:

Untuk menjawab kasus di atas terlebih dahulu dibuat tabel standar dalam
linier programming:

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 9

TOPIK 1. LINEAR PROGGRAMING

Departemen Produk Kapasitas

Komputer Radio
I 2 3 24
II 2 1 16
III 1 4 27
Profit/unit 8.000,- 7.000,-
Tingkat Kegiatan A B

Model Matematis:
Maksimumkan: Z = 8.000A + 7.000B

Kendala:
• 2A + 3B ≤ 24
• 2A + B ≤ 16
• A + 4B ≤ 27
• A, B ≥ 0

1.5 PEMECAHAN PERSOALAN PROGRAM LINIER DENGAN METODE GRAFIK

Metode grafik merupakan salah satu metode yang dapat digunakan untuk
memecahkan masalah linear programming. Metode ini menggunakan pendekatan
grafik dalam pengambilan keputusannya, dimana seluruh fungsi kendala dibuat
dalam satu bagian gambar kemudian diambil keputusan melalui grafik tersebut
untuk menentukan nilai variabel keputusan yang optimum. Metode ini terbatas
pada pemakaian untuk dua variabel keputusan, apabila memiliki lebih dari dua
variabel keputusan maka metode ini tidak dapat digunakan (menggunakan metode
simpleks). (Wijaya, Andi. 2013. Page :13)

A. Langkah-langkah Metode Grafik

Langkah-langkah pemecahan dengan metode grafik adalah sebagai berikut
(Meflinda, Astuti dan Mahyarni. 2011. Page 16-24):
Langkah 1 :
Memformulasikan fungsi tujuan dan fungsi kendala (batasan) dalam bentuk
matematis.

Langkah 2 :
Rubah ketiga fungsi batasan ketidaksamaan menjadi kesamaan ( = ). Selesaikan
masing-masing variabel dengan menetapkan salah satu variabel = 0.

Langkah 3 :
Gambarkan masing-masing fungsi batasan dalam suatu sistem sumbu. Grafik dari
ketidaksamaan ≤ mencakup semua titik – titik yang memenuhi fungsi batasan,
yaitu semua titik pada garis dan disebelah kiri bawah garis batas tersebut.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 10

TOPIK 1. LINEAR PROGGRAMING

Langkah 4 :
Tentukan daerah feasible untuk masing-masing variabel (diarsir), yaitu daerah
yang memuat semua titik-titik yang memenuhi ketiga batasan ditambah batasan
non negatif.

Langkah 5 :
Tentukan solusi optimal, yaitu suatu titik singgung nilai fungsi tujuan dengan
daerah feasible yang terjauh dari titik nol.

Langkah 6 :
Eliminasikan dan substitusikan, sehingga diperoleh nilai X1 dan X 2 dan nilai
tersebut disubstitusikan ke fungsi tujuan (Z).

Contoh Soal :
a. Persoalan Maksimasi
• Untuk memaksimumkan laba
• Fungsi batasan bertanda ≤
• Daerah feasible akan berada disebelah kiri bawah garis batas tersebut

Contoh:
Perusahaan sepatu IDEAL membuat 2 model sepatu. Model pertama merek A
dengan sol dari karet, dan model ke-dua merek B dengan sol dari kulit. Untuk
membuat sepatu-sepatu itu, perusahaan memiliki tiga macam mesin. Mesin 1
khusus membuat sol dari karet, mesin 2 khusus membuat sol dari kulit, dan mesin
3 membuat bagian atas sepatu dan melakukan assembling bagian atas dengan sol.
Setiap lusin sepatu merek A mula-mula dikerjakan mesin 1 selama 2 jam,
kemudian tanpa melalui mesin 2 terus dikerjakan di mesin 3 selama 6 jam.
Sedangkan untuk sepatu merek B tidak diproses di mesin 1, tetapi pertama kali
dikerjakan di mesin 2 selama 3 jam, kemudian di mesin 3 selama 5 jam. Jam kerja
maksimum setiap hari untuk untuk mesin 1 = 8 jam, mesin 2 = 15 jam, dan mesin
3 = 30 jam. Sumbangan terhadap laba untuk setiap lusin sepatu merek A = Rp
30.000, sedangkan untuk setiap lusin sepatu merek B = Rp 50.000. Berapa lusin
sebaiknya sepatu merek A dan merek B yang di buat agar bias memaksimumkan
laba.
Dari data di atas maka disusun ke dalam tabel berikut :

Merek Jenis Produksi Kapasitas

Mesin A B Sumber
1 2 0 8
2 0 3 15
3 6 5 30
Sumbangan terhadap
Laba (Rp. 10.000) 3 5

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 11

TOPIK 1. LINEAR PROGGRAMING

Langkah-langkah penyelesaian:
1) Memformulasikan fungsi tujuan dan fungsi kendala (batasan) dalam bentuk
matematis.
• Fungsi tujuan Maksimumkan Z = 3X1 + 5X2
• Dengan batasan (1) 2X1  8
• (kendala) (2) 3X2 15
(3) 6X1 + 5X2  30
Batasan non negatif: X1 , X2  0

Tiga (3) pertidaksamaan diatas disebut batasan tekhnis (technical constraints)

yang ditentukan oleh keadaan tekhnologi dan tersedianya input. Dan batasan
non negatif (non negative constraint) ditetapkan untuk menghindarkan nilai
negatif (yang tidak dapat diterima) dalam penyelesaian persoalan.

2) Rubah ketiga fungsi batasan ketidaksamaan menjadi kesamaan ( = ).

Selesaikan masing-masing variabel X1 dan X 2 dengan menetapkan salah satu
variabel = 0.
(1) 2X1 = 8 X1 = 4
(2) 3X2 = 15 X2 = 5
(3) 6X1 + 5X2 = 30
X1 = 0 5X2 = 30 X2 = 6
X2 = 0 6X1 = 30 X1 = 5 3)

3) Gambarkan masing-masing fungsi batasan dalam suatu sistem sumbu. Grafik

dari ketidaksamaan ≤ mencakup semua titik – titik yang memenuhi fungsi
batasan, yaitu semua titik pada garis dan di sebelah kiri bawah garis batas
tersebut.

4) Tentukan daerah feasible untuk X1 dan X 2 (diarsir), yaitu daerah yang memuat
semua titik-titik yang memenuhi ketiga batasan ditambah batasan non negatif.
Daerah feasible dari soal di atas adalah OABCD (daerah yang di arsir)
5) Tentukan solusi optimal, yaitu suatu titik singgung nilai fungsi tujuan dengan
daerah feasible yang terjauh dari titik nol. Solusi optimal untuk soal diatas

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 12

TOPIK 1. LINEAR PROGGRAMING

adalah pada titik C yaitu perpotongan antara garis DC dengan garis BC.
6) Eliminasikan dan substitusikan, sehingga diperoleh nilai X1 dan X 2 . Dan nilai
tersebut disubstitusikan ke fungsi tujuan (Z).

3X2 = 15 5 15X2 = 75
6X1 + 5X2 = 30 3 18X1 + 5X2 = 90

-18X1 = -15
X1 = 18/18 = 5/6

6X1 + 5X2 = 30
6(5/6) + 5X2 = 30
5 + 5X2 = 30 5X2 = 25 X2 = 5

Sehingga diperoleh harga X1 = 5/6 dan X2 = 5, kemudian substitusikan kedalam

fungsi tujuan:
Z = 3X1 + 5X2 = 3 (5/6) + 5 (5) = 2,5 + 25 = 27,5

Dengan demikian, solusi optimum dari soal diatas adalah perusahaan harus
membuat sepatu merek A sebanyak 5/6 lusin dan merek B sebanyak 5 lusin
setiap hari dengan keuntungan sebesar Rp 275.000 ( 27,5 x Rp 10.000).

Cara lain untuk menentukan solusi optimal adalah dengan membandingkan

nilai Z yang diperoleh pada berbagai titik X1 dan X2 di daerah fisibel. Nilai Z
makin besar bila makin jauh dari titik origin ( 0 ). Untuk itu yang dibandingkan
sebaiknya adalah titiktitik yang ada di sudut-sudut daerah feasible, yaitu titik
0, A, B, C, dan D.

Titik O Pada titik ini X1 = 0, X2 = 0, sehingga Z = 0

Titik A Pada titik ini X1 = 4 dan X2 = 0, sehingga Z = 12
Titik B Pada titik ini X1 = 4.
6(4) + 5X2 = 30; X2 = (30 – 24)/5 = 6/5.
Sehingga Z = 18
Titik C Pada titik ini X2 = 5
6X1+ 5(5) = 30; X1 = (30 – 25)/6 = 5/6
Sehingga Z = 27,5
Titik D Pada titik ini X1 = 5 dan X2 = 0, sehingga Z = 30
Di antara ke-lima alternatif di atas, nilai Z terbesar adalah pada titik C, yaitu
sebesar 27,5. Titik ini merupakan titik optimal, dengan X1 = 5/6 lusin dan X2 = 5
lusin, dengan keuntungan sebesar Rp 275.000.
Pengerjaan dengan menggunakan aplikasi QM for Windows sebagai berikut:
1. Aktifkan program QM.
2. Klik menu Module.
3. Pilih Linier Programming

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 13

TOPIK 1. LINEAR PROGGRAMING

4. Klik menu File, pilih New.

5. Isi kolom Title dengan CONTOH SOAL.

6. Isi kolom Number of Constraint dengan angka 3.
7. Isi kolom Number of Variables dengan angka 2.
8. Pada menu Objective, pilih Maximize.
9. Klik OK.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 14

TOPIK 1. LINEAR PROGGRAMING

10. Isi kolom sesuai dengan soal.

11. Setelah data diinput seperti pada tampilan, klik Solve untuk mendapatkan
hasil perhitungan.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 15

TOPIK 1. LINEAR PROGGRAMING

12. Untuk melihat hasil perhitungan dengan cara grafik, klik menu Solutions
dan pilih Graph.

b. Persoalan Minimasi
• Untuk meminimalkan biaya
• Fungsi batasan bertanda ≥
• Daerah feasible akan berada disebelah kanan atas garis batas tersebut

Contoh :
PT. Asia Automotif memproduksi 2 jenis mobil, yaitu mobil sedan dan truk. Untuk
dapat meraih konsumen berpenghasilan tinggi, perusahaan ini memutuskan
untuk melakukan promosi dalam 2 macam acara TV, yaitu pada acara hiburan
dan acara olahraga. Promosi pada acara hiburan akan disaksikan oleh 7 juta
pemirsa wanita dan 2 juta pemirsa laki-laki. Promosi pada acara olahraga akan

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 16

TOPIK 1. LINEAR PROGGRAMING

disaksikan oleh 2 juta pemirsa wanita dan 12 juta pemirsa laki-laki. Biaya promosi
pada acara hiburan adalah Rp 5 juta per menit, sedangkan pada acara olahraga
biayanya 10 juta per menit. Jika perusahaan menginginkan promosinya
disaksikan sedikitnya oleh 28 juta pemirsa wanita dan sedikitnya 24 juta pemirsa
laki-laki, bagaimanakah promosi itu sebaiknya?

Data di atas disusun kedalam tabel seperti terlihat pada tabel di bawah ini :

Promosi Jenis Promosi Jumlah

Pemirsa H (X1) O (X2) Pemirsa
Wanita 7 2 28
Laki-laki 2 12 24
Biaya Promosi
5 10 30
(Rp. Juta)

Langkah-langkah penyelesaian:
1) Memformulasikan fungsi tujuan dan fungsi kendala (batasan) dalam bentuk
matematis:
• Fungsi tujuan
Maksimumkan Z = 5X1 +10X2
• Dengan batasan (1) 7X1 + 2X2  28
(kendala) (2) 2X1 +12X2  24
Batasan non negatif: X1 , X2  0 2).

2) Rubah ketiga fungsi batasan ketidaksamaan menjadi kesamaan ( = ).

Selesaikan masing-masing variabel X1 dan X 2 dengan menetapkan salah satu
variabel = 0.
(1) 7X1 + 2X2 = 28
X1 = 0 2X2 = 28 X2 =14
X2 = 0 0 7X1 = 28 X1 = 4

3) Gambarkan masing-masing fungsi batasan dalam suatu sistem sumbu. Grafik

dari ketidaksamaan ≥ mencakup semua titik – titik yang memenuhi fungsi
batasan, yaitu semua titik pada garis dan disebelah kanan garis batas
tersebut.

4) Tentukan daerah feasible untuk X1 dan X 2 (diarsir), yaitu daerah yang

memuat semua titik-titik yang memenuhi ketiga batasan ditambah batasan
non negatif.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 17

TOPIK 1. LINEAR PROGGRAMING

5) Tentukan daerah feasible untuk X1 dan X 2 (diarsir), yaitu daerah yang

memuat semua titik-titik yang memenuhi ketiga batasan ditambah batasan
non negatif.
6) Tentukan solusi optimal, yaitu suatu titik singgung nilai fungsi tujuan dengan
daerah feasible yang terdekat dengan titik nol. Solusi optimal untuk soal di
atas adalah pada titik C yaitu perpotongan antara garis DC dengan garis BC.
7) Eliminasikan dan substitusikan, sehingga diperoleh nilai X1 dan X2. Dan nilai
tersebut disubstitusikan ke fungsi tujuan (Z).

X1 + 2X2 = 28 6 42X1 + 12X2 = 168

2X1 + 12X2 = 24 1 2X1 + 12X2 = 42

40X1 = 144
X1 = 3,6

7X1 + 2X2 = 28
7(3,6) + 2X2 = 28
25,2 + 2X2 = 28 2X2 = 2,8 X2 = 1,4

Sehingga diperoleh harga X1 = 3,6 dan X2 = 1,4, kemudian substitusikan

kedalam fungsi tujuan:

Z = 5X1 +10X2 = 5 (3,6) + 10 (1,4) = 18 + 14 = 32

Keputusannya adalah lama promosi dalam acara hiburan 3,6 menit sedangkan
dalam acara olahraga 1,4 menit dengan total biaya Rp 32 juta. Cara lain untuk
menentukan solusi optimal adalah dengan membandingkan nilai Z yang
diperoleh pada tiap-tiap alternatif.

Pengerjaan dengan menggunakan aplikasi QM for Windows sebagai berikut:

1. Aktifkan program QM.
2. Klik menu Module.
3. Pilih Linier Programming

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 18

TOPIK 1. LINEAR PROGGRAMING

4. Klik menu File, pilih New.

5. Isi kolom Title dengan CONTOH SOAL.

6. Isi kolom Number of Constraint dengan angka 2.
7. Isi kolom Number of Variables dengan angka 2.
8. Pada menu Objective, pilih Minimize.
9. Klik OK.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 19

TOPIK 1. LINEAR PROGGRAMING

10. Isi kolom sesuai dengan soal.

11. Setelah data diinput seperti pada tampilan, klik Solve untuk mendapatkan
hasil perhitungan.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 20

TOPIK 1. LINEAR PROGGRAMING

12. Untuk melihat hasil perhitungan dengan cara grafik, klik menu Solutions
dan pilih Graph.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 21

TOPIK 1. LINEAR PROGGRAMING

Sumber :
Aminudin. 2005. Prinsip-prinsip riset operasi. Penerbit Erlangga. Jakarta
Wijaya, Andy. 2013. Pengantar Riset Operasi Edisi 3. Mitra Wacana Media.
Jakarta.
Meflinda, Astuti dan Mahyarni. 2011. Operation Research (Riset Operasi). UNRI
PRES. Riau
Syaifuddin, Dedy Takdir. 2011. Riset Operasi (Aplikasi Quantitative Analysis for
Management). CV Citra. Malang.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1 22