MASALAH NONLINIER
SKRIPSI
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2018
SKRIPSI
Ditulis Sebagai Syarat untuk Mencapai Gelar Sarjana Sains di Fakultas Matematika
dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2018
Diluluskan di
Medan, Juli 2018
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
ii
Puji dan syukur penulis panjatkan kepada Allah Subhana wa Ta’ala atas berkat dan
karunia-Nya penulis dapat menyelesaikan skripsi ini dengan judul “ SEPARABLE
PROGRAMMING DALAM MENYELESAIKAN MASALAH NONLINIER”
dengan baik dan tepat waktu.
Penulis mengucapkan terima kasih kepada semua pihak yang telah membantu
dan membimbing penulis dalam penyusunan skripsi ini. Ucapan terima kasih penulis
sampaikan kepada:
1. Orang Tua Saya Ratna Sari dan M. Najib Dalimunthe atas segala dukungan
moral maupun material dan doa yang telah diberikan selama ini terkhusus
pada penyelesaian skripsi ini serta abang dan keluarga penulis.
2. Bapak Drs. Rosman Siregar, M.Si selaku dosen pembimbing penulis atas
segala waktu dan arahan yang diberikan selama penyusunan skripsi ini.
3. Bapak Prof. Dr. Tulus M.Si dan Ibuk Dr. Esther S. M. Nababan, M.Sc selaku
dosen pembanding atas segala saran dan masukan yang diberikan selama
penyelesaian skripsi ini.
4. Bapak Dr. Suyanto, M.Kom dan Drs. Rosman Siregar, M.Si selaku Ketua dan
Sekretaris Departemen Matematika FMIPA USU.
5. Bapak Dr. Kerista Sebayang, MS selaku Dekan FMIPA USU serta semua
Wakil Dekan FMIPA USU.
6. Semua Dosen Departemen Matematika FMIPA USU dan pegawai di FMIPA
USU.
7. Saudara kandung saya, Muttaqin Adli Dalimunthe, S.P, Ifroh Hanny
Dalimunthe, S.E, dan Fadhil Fadlul Rahman Dalimunthe. yang selama ini
mendukung kuliah saya sampai selesai.
8. Teman-teman jurusan Matematika khususnya stambuk 2014 yang selalu
mendukung penulis, adik-adik stambuk 2015, satambuk 2016, stambuk 2017
serta Abang dan Kakak Alumni.
Penulis menyadari bahwa masih banyak kekurangan dalam penulisan skripsi ini.
Oleh karena itu, penulis menerima saran dan kritik yang positif dan membangun dari
pembaca untuk penyempurnaan skripsi ini.
iii
ABSTRAK
Optimisasi merupakan hal yang penting dalam penyelesaian masalah pengambilan
pilihan yang terbaik dengan kriteria tertentu. Model masalah optimisasi dapat berupa
pemprograman linier atau pemprograman nonlinier. Permasalahan optimisasi dalam
kehidupan manusia seringkali diselesaikan dengan menggunakan pemprograman
nonlinier karena banyaknya permasalahan optimisasi yang tidak dapat dimodelkan
dalam bentuk pemprograman linier. Masalah optimisasi dapat diaplikasikan dalam
masalah nyata antara lain produksi barang. Penelitian ini bertujuan untuk membentuk
model nonlinier produksi optimal. Metode Separabel Programming merupakan satu
metode penyelesaian dalam pemrograman nonlinier dengan mentransformasikan
bentuk nonlinier menjadi bentuk linier yang hanya memuat satu variabel.
Selanjutnya, masalah Separable Programming diselesaikan dengan hampiran fungsi
linier sepotong-sepotong (piecewise linear function) menggunakan formulasi lamda.
Model permasalahan dengan separable programming menggunakan formulasi lamda
adalah memodelkan suatu masalah, mentranformasikan fungsi nonlinier menjadi
fungsi linier, membentuk masalah AP, membentuk masalah LAP, dan mencari
solusi. Model untuk masalah pemrograman nonlinier dalam penetapan jumlah
produksi optimal di Salis Konveksi untuk bulan Juli 2016 sampai bulan Desember
2016 dengan biaya seminimal mungkin diselesaikan menggunakan pendekatan
separable programming dengan formulasi lamda diperoleh solusi bahwa hasil yaitu
total minimal biaya prosuksi Rp 3.026.706,87 dengan produksi atasan dewasa
sebanyak 102 pcs, rok dewasa 98 pcs, dress anak sebanyak 180 pcs, dan atasan anak
sebanyak 40 pcs.
iv
ABSTRACT
Halaman
PERSETUJUAN I
PERNYATAAN Ii
PENGHARGAAN Iii
ABSTRAK Iv
ABSTRACT V
DAFTAR ISI Vi
DAFTAR TABEL Viii
DAFTAR GAMBAR Ix
BAB 1 PENDAHULUAN
1.1 Latar Belakang 1
1.2 Perumusan Masalah 4
1.3 Batasan Masalah 4
1.4 Tujuan Penelitian 4
1.5 Manfaat Penelitian 4
vi
vii
viii
ix
2.1 Optimisasi
Optimisasi berasal dari Bahasa inggris optimization yang memiliki arti
memaksimalkan atau meminimalkan sebuah fungsi yang diberikan untuk beberapa
macam kendala. Secara lebih sederhana dapat dijelaskan bahwa optimisasi adalah
suatu cabang dari ilmu matematika yang digunakan untuk memaksimumkan atau
meminimumkan fungsi tujuan dengan mempertimbangkan beberapa kendala yang
diberikan.
Konsep optimisasi mempunyai peranan penting dalam menyelesaikan suatu
masalah yang ada dalam kehidupan sehari-hari. Prosedur pemecahan masalah
optimisasi yang biasa digunakan yaitu memodelkan persoalannya kedalam sebuah
program matematis dan kemudian memecahkannya dengan menggunakan teknik-
teknik atau metode optimisasi seperti program linier, program nonlinier, program
tujuan ganda, dan metode-metode lainnya yang sudah berkembang saat ini.
Keterangan:
𝑚 = macam batasan-batasan sumber yang tersedia
𝑛 = macam kegiatan-kegiatan yang menggunakan sumber
𝑖 = nomor setiap macam sumber yang tersedia (𝑖 = 1,2, . . , 𝑚)
𝑗 = nomor setiap macam kegiatan yang menggunakan sumber yang tersedia
(𝑗 = 1,2, . . , 𝑛)
𝑥𝑗 = tingkat kegiatan ke 𝑗. (𝑗 = 1,2, … , 𝑛)
𝑎𝑖𝑗 = banyaknya sumber 𝑖 yang diperlukan untuk menghasilkan setiap unit keluaran
kegiatan 𝑗 (𝑖 = 1,2, … , 𝑚, 𝑑𝑎𝑛 𝑗 = 1,2, … , 𝑛)
𝑏𝑖 = banyaknya sumber yang tersedia untuk dialokasikan ke setiap unit kegiatan
(𝑖 = 1,2, … , 𝑛)
𝑍 = nilai yang dioptimalkan (maksimum atau minimum)
Ciri pertama dipenuhi oleh banyak masalah karena pada umumnya variabel
yang digunakan (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) menyatakan suatu kuantitas misalnya jumlah barang,
lama waktu, dan sebagainya yang hendak dioptimalkan. Jelas bahwa nilai kuantitas
tersebut tidak negatif. Akan tetapi bila diinginkan ada variabel yang boleh bernilai
negatif, model program linier tetap bisa diselesaikan dengan suatu transformasi.
Ciri kedua berarti bahwa setiap variabel memiliki koefisien konstan. Tidak
boleh ada variabel yang berpangkat selain 1, dan tidak boleh ada pergandaan
variabel. Ciri linier ini juga berlaku pada semua kendalanya. Dalam beberapa kasus
ditransformasikan ke bentuk linier. Apabila demikian, model program linier dapat
digunakan.
Pemrograman nonlinier merupakan salah satu teknik dari riset operasi untuk
memecahkan permasalahan optimisasi dengan menggunakan persamaan dan tidak
persamaan nonlinier untuk mencari hasil (output) yang persediaannya terbatas pada
nilai tertentu. Suatu permasalahan optimisasi disebut nonlinier jika fungsi tujuan dan
kendalanya mempunyai bentuk nonlinier pada salah satu atau keduanya. Tidak
semua permasalahan dalam kehidupan dapat diselesaikan dengan pemrograman
linier. Terdapat beberapa hal yang menyebabkan sifat ketidaksamaan.
Sifat ketidak linieran dapat juga muncul pada fungsi kendala 𝑔𝑖 (𝑥) dengan
cara yang sama. Sebagai contoh, apabila terdapat kendala anggaran dalam biaya
produksi total, maka fungsi biaya akan menjadi nonlinier jika biaya produksi
marginal berubah. Kendala 𝑔𝑖 (𝑥) akan berbentuk nonlinier apabila terdapat
penggunaan yang sebanding antara sumber daya dengan tingkat produksi dari
masing-masing produk.
Model pemrograman nonlinier meliputi pengoptimalan suatu kondisi berikut
(Nurcahyani R, 2014):
a. Fungsi tujuan nonlinier terhadap kendala linier.
b. Fungsi tujuan nonlinier terhadap kendala nonlinier.
c. Fungsi tujuan nonlinier tidak berkendala.
Pemrograman nonlinier mempunyai dua kondisi yaitu mempunyai kendala
dan tanpa kendala. Bentuk umum untuk fungsi nonlinier dengan kendala dituliskan
sebagai berikut:
𝑍 = 𝑓(𝑥)
Dengan kendala
𝑎≤𝑥≥𝑏
Di mana 𝑓(𝑥) adalah sebuah fungsi nonlinier dan pencarian nilai optimumnya
ditinjau pada selang [a,b] dengan 𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ).
Bentuk umum dari pemrograman nonlinier dengan kendala secara umum
dapat ditulis:
Maksimumkan/minimumkan
𝑍 = 𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 (2.1)
Dengan kendala
𝑔𝑖 (𝑥1 , 𝑥2 , … , 𝑥𝑛 )(≤, =, ≥)𝑏𝑖 , 𝑖 = 1,2, … , 𝑚 (2.2a)
𝑥1 ≥ 0, 𝑥2 ≥ 0, … , 𝑥𝑛 ≥ 0 (2.2b)
𝑓(𝑥) merupakan fungsi tujuan dan 𝑔𝑖 (𝑥) merupakan fungsi kendala dengan
𝑏𝑖 menunjukkan nilai syarat kendala tersebut. Dengan 𝑓(𝑥) dan 𝑔𝑖 (𝑥) merupakan
fungsi yang kontinu dan differensiable. 𝑓(𝑥) dan 𝑔𝑖 (𝑥) masing-masing adalah fungsi
dengan n-variabel. 𝑖 = 1,2, … , 𝑛 yang memenuhi kendala dan meminimalkan atau
memaksimalkan fungsi tujuan 𝑓(𝑥) dan 𝑔𝑖 (𝑥) nonlinier atau hanya 𝑓(𝑥) nonlinier.
Jika 𝑔1 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ≠ ∅, maka pemrograman nonlinier tersebut dinamakan
pemrograman nonlinier berkendala (constrained), dan jika 𝑔1 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = ∅,
maka pemrograman tersebut dinamakan pemrograman nonlinier tidak berkendala
(unconstrained). Batasan-batasan biasanya dinamakan kendala-kendala. Pada-m
kendala pertama dinamakan kendala-kendala fungsional, sedangkan batasan-batasan
𝑥1 , 𝑥2 , … , 𝑥𝑛 ≥ 0 dinamakan kendala-kendala tak-negatif.
Jika terjadi 𝑚 > 𝑛 makan masalah tidak dapat diselesaikan. Akan tetapi
untuk dapat menyelesaikannya maka 𝑚 ≤ 𝑛 (banyaknya kendala lebih sedikit atau
sama dengan banyaknya variabel). Daerah fisibel untuk pemrograman nonlinier
adalah himpunan dari nilai-nilai (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) yang memenuhi sejumlah m-kendala.
Sebuah nilai di dalam daerah fisibel adalah nilai fisibel, dan sebuah nilai di luar
fisibel adalah nilai tidak fisibel.
Dengan kendala
∑𝑛𝑗=1 𝑔𝑖𝑗 (𝑥𝑗 )(≤, =, ≥)𝑏𝑖 , 𝑖 = 1,2, … , 𝑚 (2.4)
𝑥𝑗 ≥ 0, (𝑗 = 1,2, … , 𝑛) (2.4b)
Fungsi pada persamaan (2.3) dan (2.4) dapat dijabarkan menjadi
𝑧 = 𝑓1 (𝑥1 ) + 𝑓2 (𝑥2 ) + ⋯ + 𝑓𝑛 (𝑥𝑛 ) (2.5)
𝑔11 (𝑥1 ) + 𝑔12 (𝑥2 ) + ⋯ + 𝑔1𝑛 (𝑥𝑛 )(≤, =, ≥)𝑏1 (2.6a)
𝑔21 (𝑥1 ) + 𝑔22 (𝑥2 ) + ⋯ + 𝑔2𝑛 (𝑥𝑛 )(≤, =, ≥)𝑏2 (2.6b)
⋮
𝑔𝑚1 (𝑥1 ) + 𝑔𝑚2 (𝑥2 ) + ⋯ + 𝑔𝑚𝑛 (𝑥𝑛 )(≤, =, ≥)𝑏𝑚 (2.6c)
Dan terdapat paling sedikit satu 𝜆𝑣 tidak nol atau paling banyak dua 𝜆𝑣 , 𝜆𝑣+1 tidak
nol berdampingan.
Memaksimumkan/Meminimumkan
Dengan kendala
∑𝑛𝑗=1 𝑔𝑖𝑗 (𝑥𝑗 )(≤, =, ≥)𝑏𝑖 , 𝑖 = 1,2, … , 𝑚 (2.9a)
𝑥𝑗 ≥ 0, (𝑗 = 1,2, … , 𝑛) (2.9b)
d. Membentuk masalah AP
Memaksimumkan/Meminimumkan
Dengan kendala
Perhatikan bahwa fungsi tujuan dan fungsi kendala pada masalah AP adalah
fungsi linier sepotong-sepotong.
Berdasarkan persamaan (2.8 – 2.10b), masalah AP dapat ditulis ulang
sebagai masalah LAP yang dituliskan sebagai berikut.
Memasksimumkan/Meminimumkan
𝑘𝑗
𝑍 = ∑𝑗∉𝐿 ∑𝑣=1 𝑓𝑗 (𝑥𝑣𝑗 )𝜆𝑣𝑗 (2.16)
Dengan kendala
∑𝑗∉𝐿 ∑𝑘𝑗
𝑣=1 𝑔𝑖𝑗 (𝑥𝑣𝑗 )𝜆𝑣𝑗 (≤, =, ≥)𝑏𝑖 , (𝑖 = 1,2, … , 𝑚) (2.17a)
∑𝑘𝑗
𝑣=1 𝜆𝑣𝑗 = 1 (2.17b)
2.5 WinQSB
Fungsi Nonlinear
Membentuk Masalah P
Membentuk Masalah AP
4.2.1 Data
Data yang digunakan dalam penelitian ini diperoleh dari jurnal Vol.7 No. 2 ,
selanjutnya akan diselesaikan dengan metode separable programming dengan
simpleks.
Salis konveksi merupakan salah satu konveksi yang berlokasi di Solo. Solo
adalah kota yang terkenal dengan pusat grosir dari berbagai macam pakaian.
Sehingga banyak pembeli berasal dari kota lain. Oleh sebab itu banyak penjual yang
menjual pakaiannya secara online, dan salis konveksi merupakan salah satu konveksi
yang bekerjasama dengan beberapa penjual online untuk memproduksi pakaian.
Salah satu nilai tambah dari Salis Konveksi adalah Salis Konveksi dapat
menerima bahan pakaian dari pelanggan untuk kemudian dibuat pakaian berdasarkan
pesanan, sehingga pelanggan hanya membayar biaya produksi saja. Biaya tersebut
relatif lebih murah dibandingkan dengan konveksi lain di Solo, namun karena lokasi
Salis Konveksi yang tidak terlalu strategis, menyebabkan Salis Konveksi menjadi
kurang banyak diminati oleh para pelanggan. Hal tersebut mengakibatkan jumlah
produksi tiap bulan di Salis Konveksi tidak selalu tetap. Jumlah biaya produksi yang
selalu berubah-ubah ini membuat model matematika yang akan diterapkan
merupakan jenis model nonlinier. Berikut data produksi dan data biaya produksi
pada Salis Koveksi.
Fungsi tujuan dibentuk dengan menjadikan jumlah produksi total tiap jenis
sebagai nilai 𝑥, dan biaya produksi setiap jenis produksi sebagai nilai 𝑓(𝑥). Fungsi
biaya yang dikeluarkan untuk memperoduksi setiap jenis pakaian diperoleh dengan
mencari regresi polynomial yang akan ditentukan dengan software Geogebra melalui
perintah fitpoly, sehingga didapatkan fungsi tujuan adalah
Meminimumkan :
Fungsi kendala dari permasalahan ini, jumlah produksi minimal untuk Atasan
Dewasa (𝑥1 ) adalah 102 pcs, Rok Dewasa (𝑥2 ) adalah sebanyak 98 pcs, dress Anak
(𝑥3 ) adalah sebanyak 180 pcs, dan Atasan Anak (𝑥2 ) adalah sebanyak 40 pcs. Dan
dari permasalahan tersebut dapat dibentuk sebagai berikut :
𝑥1 ≥ 102 (3.2a)
𝑥2 ≥ 98 (3.2b)
𝑥3 ≥ 180 (3.2c)
𝑥4 ≥ 40 (3.2d)
𝑥1 , 𝑥2 , 𝑥3 𝑥4 ≥ 0 (3.2e)
a. Membentuk Masalah P
Berdasarkan persamaan (3.1), maka diperoleh:
Nilai fungsi titik kisi dengan 4 titik kisi dapat dilihat pada lampiran 1.
c. Membentuk Masalah AP
Pembentukan masalah AP diperoleh dengan cara membentuk model linier
dari masalah P yang dilakukan dengan hampiran fungsi linier sepotong-sepotong
formulasi lambda. Berdasarkan persamaan (2.10), (2.11) dan (2.12) maka diperoleh
hampiran liniernya yaitu:
𝑓̂1 (𝑥1 ) = ∑4𝑣=1 𝜆𝑣1 𝑓1 (𝑥𝑣1 ) (3.7a)
𝑓̂2 (𝑥2 ) = ∑4𝑣=1 𝜆𝑣2 𝑓2 (𝑥𝑣2 ) (3.7b)
𝑓̂3 (𝑥3 ) = ∑4𝑣=1 𝜆𝑣3 𝑓3 (𝑥𝑣3 ) (3.7c)
𝑓̂4 (𝑥4 ) = ∑4𝑣=1 𝜆𝑣4 𝑓4 (𝑥𝑣4 ) (3.7d)
Dengan kendala
Meminimumkan
Dengan kendala
Berdasarkan persamaan (3.3), (3.4) dan (3.5) dalam menghitung nilai dari
𝑓𝑗 (𝑥𝑣𝑗 ), 𝑔𝑖𝑗 (𝑥𝑣𝑗 ) dan table nilai fungsi titik kisi pada lampiran 1, diperoleh hampiran
fungsi tujuan linier sebagai berikut:
∑𝑗∉𝐿 𝑔1𝑗 (𝜆𝑗 ) = ∑4𝑣=1 𝜆𝑣1 𝑔11 (𝑥𝑣1 ) + ∑4𝑣=1 𝜆𝑣2 𝑔12 (𝑥𝑣2 ) +
∑𝑗∉𝐿 𝑔1𝑗 (𝜆𝑗 ) = ∑4𝑣=1 𝜆𝑣1 𝑔21 (𝑥𝑣1 ) + ∑4𝑣=1 𝜆𝑣2 𝑔22 (𝑥𝑣2 ) +
∑𝑗∉𝐿 𝑔1𝑗 (𝜆𝑗 ) = ∑4𝑣=1 𝜆𝑣1 𝑔31 (𝑥𝑣1 ) + ∑4𝑣=1 𝜆𝑣2 𝑔32 (𝑥𝑣2 ) +
∑𝑗∉𝐿 𝑔1𝑗 (𝜆𝑗 ) = ∑4𝑣=1 𝜆𝑣1 𝑔41 (𝑥𝑣1 ) + ∑4𝑣=1 𝜆𝑣2 𝑔42 (𝑥𝑣2 ) +
∑𝑗∉𝐿 ∑4𝑣=1 𝑔̂1𝑗 (𝑥𝑣𝑗 )𝜆𝑣𝑗 = [𝜆11 𝑔11 (𝑥11 ) + ⋯ + 𝜆41 𝑔11 (𝑥41 )] +
∑𝑗∉𝐿 ∑4𝑣=1 𝑔̂1𝑗 (𝑥𝑣𝑗 )𝜆𝑣𝑗 = [𝜆11 𝑔21 (𝑥12 ) + ⋯ + 𝜆41 𝑔21 (𝑥41 )] +
∑𝑗∉𝐿 ∑4𝑣=1 𝑔̂1𝑗 (𝑥𝑣𝑗 )𝜆𝑣𝑗 = [𝜆13 𝑔31 (𝑥11 ) + ⋯ + 𝜆41 𝑔31 (𝑥43 )] +
∑𝑗∉𝐿 ∑4𝑣=1 𝑔̂1𝑗 (𝑥𝑣𝑗 )𝜆𝑣𝑗 = [𝜆11 𝑔41 (𝑥14 ) + ⋯ + 𝜆41 𝑔41 (𝑥41 )] +
Berdasarkan persamaan (3.19) dan tabel nilai fungsi titik kisi pada lampiran
1, substitusikan nilai 𝑔𝑖𝑗 (𝑥𝑣𝑗 ) sehingga diperoleh hampiran fungsi kendala linier
sebagai berikut:
𝑔𝑖𝑗 (𝑥𝑣𝑗 ) = [0𝜆11 + 0𝜆21 + 0𝜆31 + 0𝜆41 ] + [0𝜆12 + 0𝜆22 + 0𝜆32 + 0𝜆42 ] +
[0𝜆13 + 70𝜆23 + 140𝜆33 + 190𝜆43 ] + [0𝜆14 + 0𝜆24 + 0𝜆34 +
0𝜆44 ] ≥ 180 (3.20c)
𝑔𝑖𝑗 (𝑥𝑣𝑗 ) = [0𝜆11 + 0𝜆21 + 0𝜆31 + 0𝜆41 ] + [0𝜆12 + 0𝜆22 + 0𝜆32 + 0𝜆42 ] +
[0𝜆13 + 0𝜆23 + 0𝜆33 + 0𝜆43 ] + [0𝜆14 + 70𝜆24 + 140𝜆34 +
190𝜆44 ] ≥ 40 (3.20d)
Meminimumkan
Dengan kendala
[0𝜆11 + 0𝜆21 + 0𝜆31 + 0𝜆41 ] + [0𝜆12 + 0𝜆22 + 0𝜆32 + 0𝜆42 ] + [0𝜆13 + 0𝜆23 +
0𝜆33 + 0𝜆43 ] + [0𝜆14 + 70𝜆24 + 140𝜆34 + 190𝜆44 ] ≥ 40 (3.22d)
dan terdapat paling sedikit satu 𝜆𝑣𝑗 tidak nol atau paling banyak dua 𝜆𝑣𝑗 , 𝜆(𝑣+1)𝑗
tidak nol dan berdampingan.
Dari fungsi tujuan dan fungsi kendala linier yang diperoleh pada persamaan
(3.23) , maka dapat diketahui bahwa terdapat 16 variabel keputusan dengan 8 fungsi
kendala.
e. Mencari solusi
Pada skripsi ini menggunakan software WinQSB dalam menyelesaikan
masalah separable programming dan metode simpleks.
Variabel yang digunakan pada persamaan (3.23) sebanyak 16 variabel.
Masalah pemprograman linier pada persamaan (3.23) akan diselesaikan
menggunakan software WinQSB diperoleh sebagai berikut.
= 3.026.706,87
5.1 Kesimpulan
Berdasarkan pembahasan, maka dapat diperoleh kesimpulan sebaga berikut.
dimana variabel 𝑥1 adalah banyak produksi atasan dewasa dalam satu bulan,
𝑥2 adalah banyak produksi rok dewasa dalam satu bulan, 𝑥3 adalah banyak produksi
dress anak dalam satu bulan, 𝑥4 adalah banyak produksi atasan anak dalam satu
bulan.
Berdasarkan perhitungan pada pembahasan yang diselesaikan menggunakan
pendekatan separable programming dengan formulasi lambda diperoleh solusi
bahwa salis konveksi harus memproduksi produk (bahan jadi) sesuai pesanan, agar
tidak menimbulkan pertambahan biaya. Salis koneksi yang harus diproduksi adalah
sebesar Atasan Dewasa (𝑥1 ) adalah 102 pcs, Rok Dewasa (𝑥2 ) adalah sebanyak 98
pcs, dress Anak (𝑥3 ) adalah sebanyak 180 pcs, dan Atasan Anak (𝑥2 ) adalah
sebanyak 40 pcs, dengan biaya sebesar Rp 3.026.706,87
5.2 Saran
Penulisan skripsi ini hanya sebatas menyelesaikan pemrograman nonlinier
yang mempunyai fungsi tujuan nonlinier dan fungsi kendala linier pada penetapan
jumlah produksi optimal menggunakan pendekatan separable programming. Bagi
pembaca yang ingin mengembangkan lebih lanjut tentang separable programming
dapat membahasnya menggunakan metode yang berbeda dengan masalah
pemrograman nonlinier yang mempunyai fungsi tujuan nonlinier dan fungsi kendala
nonlinier.
𝑘 1 2 3 4
𝑥𝑣1 0 70 140 190
𝑓𝑣1 (𝑥1 )
0 585944.8 1175614 1599086
= 0.38x + 8344.04
𝑔𝑣11 (𝑥1 ) 0 70 140 190
𝑔𝑣21 (𝑥1 ) 0 0 0 0
𝑔𝑣31 (𝑥1 ) 0 0 0 0
𝑔𝑣41 (𝑥1 ) 0 0 0 0