PENYELESAIAN

METODE GRAFIK
Definisi (Winston, 2003):
Suatu fungsi , , ,⋯, dari , , ,⋯, merupakan fungsi
linear jika dan hanya jika untuk serangkaian konstan, , , ,⋯,

, , ,⋯, ⋯

Definisi (Winston, 2003):

Untuk setiap fungsi linear , , ,⋯, dan untuk sembarang bilangan b,
pertidaksamaan , , ,⋯, dan , , ,⋯,
merupakan pertidaksamaan linear.
Definisi:
Suatu masalah pemrograman linear (LP) merupakan
permasalahan optimasi dengan melakukan langkah berikut:
1. Kita berusaha memaksimalkan (atau meminimumkan) fungsi
linier dari variabel keputusan. Fungsi yang akan
dimaksimumkan atau diminimumkan dinamakan fungsi
tujuan.
2. Nilai-nilai dari peubah keputusan harus memenuhi semua
fungsi kendala. Fungsi kendala dapat berupa persamaan
linear atau pertidaksamaan linear.
3. Fungsi tanda (pembatas tanda) berhubungan dengan setiap
peubah. Untuk setiap peubah xi, fungsi tanda menetapkan
bahwa xi harus non negatif (xi ≥ 0) atau tidak terbatas dalam
tanda (urs).
Agar permasalahan pemrograman linier dapat menjadi
representasi yang tepat dari situasi kehidupan nyata, maka
kondisi peubah keputusan harus memenuhi asumsi-asumsi :
 Proporsionalitas
 Aditivitas
 Divisibilitas
 Certainty
ASUMSI PROPORTIONAL
Implikasi dari ketentuan bahwa fungsi tujuan dari suatu
permasalahan LP harus merupakan fungsi linear dari peubah
keputusannya adalah:
1. Kontribusi setiap peubah keputusan terhadap fungsi tujuan
adalah sebanding dengan nilai peubah keputusannya.
2. Kontribusi setiap peubah keputusan terhadap fungsi tujuan
bersifat tidak bergantung pada nilai dari peubah keputusan
yang lain.

Implikasi tersebut di atas dinamakan asumsi proportional dari

LP.
Implikasi ini menunjukkan bahwa nilai fungsi tujuan merupakan
jumlah kontribusi dari setiap peubah.
ASUMSI ADDITIVITY
Implikasi dari ketentuan bahwa setiap fungsi kendala dari suatu
permasalahan LP harus merupakan persamaan linear dan atau
pertidaksamaan linear adalah:
1. Kontribusi suatu peubah keputusan terhadap ruas kiri dari
setiap fungsi kendala sebanding dengan nilai peubah
keputusan itu.
2. Kontribusi suatu peubah keputusan terhadap ruas kiri dari
setiap fungsi kendala bersifat tidak bergantung pada nilai dari
peubah keputusan lainnya.
Implikasi tersebut di atas dinamakan asumsi penjumlahan
(additivity assumption) dari LP.
Implikasi ini menunjukkan bahwa ruas kiri dari setiap fungsi
kendala merupakan jumlah kontribusi dari setiap peubah.
ASUMSI DIVISIBILITY
Asumsi divisibility menetapkan bahwa setiap peubah keputusan
diperbolehkan untuk diasumsikan berupa nilai pecahan.
Suatu permasalahan pemrograman linear dimana sebagian atau seluruh
peubahnya harus bernilai bilangan bulat non negatif dinamakan
permasalahan pemrograman linear integer.
ASUMSI CERTAINTY
Asumsi Kepastian (Certainty Assumption) menyatakan bahwa setiap
parameter (koefisien fungsi tujuan, ruas kanan, dan koefisien teknologi)
diketahui dengan pasti
Dua konsep yang paling mendasar yang terkait dengan masalah pemrograman
linier adalah daerah feasible dan solusi optimal. Untuk mendefinisikan
konsep-konsep ini, kita akan menggunakan istilah titik yang berarti spesifikasi dari
nilai untuk setiap peubah keputusan.
Definisi (Winston, 2003)
Daerah feasible suatu LP adalah himpunan semua titik yang memenuhi
semua fungsi kendala dan pembatas tanda.

Definisi (Winston, 2003)

Untuk masalah maksimisasi, solusi optimal suatu LP adalah titik di daerah
feasible dengan nilai fungsi tujuan terbesar. Demikian pula, untuk masalah
minimisasi, solusi optimal suatu LP adalah titik di daerah feasible dengan nilai
fungsi tujuan terkecil.
Metode grafik merupakan salah satu jenis pendekatan yang dapat digunakan
dalam menentukan penyelesaian permasalahan pemrograman linier.
Metode grafik ini digunakan untuk menyelesaikan permasalahan pemrograman
linier dengan maksimum 2 variabel.
Giapetto’s Woodcarving, Inc., memproduksi dua jenis mainan kayu: tentara dan kereta
api. Sebuah mainan tentara dijual seharga $27, dan proses produksinya
menghabiskan biaya bahan baku sebesar $10 serta biaya operasional sebesar $14.
Sebuah mainan kereta api dijual seharga $21, dan proses produksinya menghabiskan
biaya bahan baku sebesar $9 serta biaya operasional sebesar $10. Pembuatan
mainan tentara dan mainan kereta api membutuhkan dua jenis keterampilan tenaga
kerja : carpentry (pertukangan) dan finishing. Sebuah mainan tentara membutuhkan
2 jam kerja finishing dan 1 jam kerja carpentry. Sebuah mainan kereta api
membutuhkan 1 jam kerja finishing dan 1 jam kerja carpentry. Setiap minggunya,
Giapetto’s Woodcarving, Inc., dapat memperoleh semua bahan baku yang dibutuhkan,
tetapi untuk jam kerja Giapetto’s Woodcarving, Inc., hanya menyediakan 100 jam
kerja finishing dan 80 jam kerja carpentry. Permintaan untuk mainan kereta api
tidak dibatasi, namun permintaan untuk mainan tentara dibatasi paling banyak 40
buah setiap minggu. Giapetto’s Woodcarving, Inc., ingin memaksimalkan keuntungan
mingguannya (biaya pendapatan). Formulasikan model matematika dari situasi
Giapetto’s Woodcarving, Inc., ini yang dapat digunakan untuk memaksimalkan
keuntungan mingguan perusahaan tersebut.
 Peubah Keputusan

Pada setiap model pemrograman linear, peubah keputusan harus benar-

benar menggambarkan keputusan yang harus dibuat (pada kasus ini, oleh
Giapetto’s Woodcarving, Inc.).
Giapetto’s Woodcarving, Inc. harus memutuskan berapa banyaknya mainan
tentara dan mainan kereta api yang harus diproduksi setiap minggunya.
x1 : banyaknya mainan tentara yang diproduksi setiap minggu
x2 : banyaknya mainan kereta api yang diproduksi setiap minggu
 Fungsi Tujuan

Pada masalah pemrograman linear, pengambil keputusan ingin

memaksimalkan (pendapatan/keuntungan) atau meminimalkan (biaya) suatu
fungsi dari variabel keputusan.
(pendapatan mingguan) – (biaya pembelian bahan baku) – (biaya variabel
lainnya)
(27 x1 + 21 x2) - (10 x1 + 9 x2) - (14 x1 + 10 x2)
↓
Maximize 3 x1 + 2 x2
 Fungsi Kendala (Constraints)
x1 , x2 semakin meningkat, maka nilai fungsi objektif akan semakin
besar. Hal ini berarti, pemilik perusahaan dapat memilih secara
sembarang nilai dari peubah keputusan yang akan dapat
meningkatkan keuntungan perusahaan.
Namun, ternyata nilai-nilai peubah keputusan pada permasalahan
Giapetto ini dibatasi oleh 3 fungsi kendala/fungsi pembatas
(constrains), yaitu:
1. Setiap minggu, tidak lebih dari 100 jam kerja yang dapat
dipergunakan untuk finishing
2. Setiap minggu, tidak lebih dari 80 jam kerja yang dapat
dipergunakan untuk carpentry
3. Karena permintaan terbatas, paling banyak 40 buah mainan
tentara harus diproduksi setiap minggu.
 Sehingga diperoleh constraints untuk model matematis untuk
permasalahan Giapetto’s Woodcarving, Inc. :
1. 2 x1 + 1 x2 ≤ 100
2. 1 x1 + 1 x2 ≤ 80
3. x1 ≤ 40
Bilangan di ruas kanan dari setiap kendala dinamakan ruas kanan
kendala (right-hand side (rhs)).
Seringkali rhs kendala merepresentasikan jumlah sumber daya yang
tersedia.
 Pembatas Tanda/Fungsi Tanda (Sign Restrictions)
Dapatkah peubah keputusan hanya diasumsikan bernilai non negatif,
ataukah peubah keputusan juga diperbolehkan untuk diasumsikan
bernilai positif dan negatif?
Apabila peubah keputusan xi hanya dapat diasumsikan bernilai non
negatif, maka perlu menambahkan fungsi tanda, xi ≥ 0, i = 1, 2.
 Apabila peubah keputusan xi dapat diasumsikan bernilai negatif, positif,
atau nol, maka dapat dikatakan bahwa then we say xi tidak dibatasi
dalam tanda (unrestricted in sign (urs)).

Model optimasi untuk permasalahan Giapetto adalah :

max z = 3 x1 + 2 x2
s.t : 2 x1 + 1 x2 ≤ 100 (kendala)
1 x1 + 1 x2 ≤ 80
x1 ≤ 40
xi ≥ 0, i = 1, 2 (pembatas tanda)
Sumber: Winston, L.Wayne. (2003).
Menentukan solusi optimal
 Untuk mencari solusi optimal, kita perlu membuat grafik garis
di mana semua titik memiliki nilai z yang sama. Pada masalah
memaksimukan, garis tersebut dinamakan garis isoprofit
(dalam masalah meminimumkan, garis tersebut dinamakan
garis isocost).
 Ini berarti bahwa setelah kita membuat satu garis isoprofit,
kita dapat menentukan semua baris isoprofit lain dengan cara
menarik garis sejajar dengan garis isoprofit yang telah dibuat
sebelumnya.
Dorian Auto memproduksi mobil mewah dan truk. Perusahaan berpendapat bahwa
pelanggan yang paling memungkinkan untuk produk ini adalah perempuan dan
laki-laki berpenghasilan tinggi. Untuk mencapai kelompok-kelompok ini, Dorian
Auto telah memulai mempromosikan produknya melalui iklan TV dan telah
memutuskan untuk membeli 1 menit spot komersial pada dua jenis program: acara
komedi dan acara sepak bola. Setiap komersial pada acara komedi dilihat oleh 7
juta perempuan berpenghasilan tinggi dan 2 juta laki-laki berpenghasilan tinggi.
Setiap komersial pada acara sepakbola dilihat oleh 2 juta perempuan
berpenghasilan tinggi dan 12 juta laki-laki berpenghasilan tinggi. Sebuah iklan
selama 1 menit pada acara komedi memerlukan biaya $ 50,000, dan dan sebuah
iklan selama 1 menit pada acara sepak bola memerlukan biaya $ 100.000. Dorian
menginginkan iklan tersebut akan dilihat setidaknya oleh 28 juta perempuan
berpenghasilan tinggi dan 24 juta laki-laki berpenghasilan tinggi. Gunakan
pemrograman linear untuk menentukan bagaimana Dorian Auto dapat memenuhi
persyaratan iklannya dengan biaya minimum.
Solusi
Dorian harus memutuskan berapa banyak iklan pada acara komedi
dan berapa banyak iklan pada acara sepak bola yang harus dibeli,
sehingga variabel keputusan adalah:
x1 : lama waktu iklan yang harus dibeli pada acara komedi
x2 : lama waktu iklan yang harus dibeli pada acara sepak bola
Selanjutnya Dorian ingin meminimalkan biaya total iklan (dalam
ribuan dolar).

Min 50 100
7 2 28
s.t
2 12 24
, 0
Sumber: Winston, L.Wayne. (2003).
Setelah solusi optimal untuk permasalahan pemrograman linier
diperoleh, solusi tersebut dapat dipergunakan untuk mengklasifikasikan
setiap kendala sebagai kendala yang mengikat (binding) atau kendala
yang tidak mengikat (nonbinding).
Definisi (Winston, 2003)
Fungsi kendala yang mengikat (binding constrain) terjadi apabila nilai
ruas kiri dan nilai ruas kanan fungsi kendala mempunyai nilai yang sama
ketika nilai-nilai optimal dari variabel keputusan disubstitusikan ke
dalam fungsi kendala tersebut.
Definisi (Winston, 2003)
Fungsi kendala tidak mengikat (nonbinding constrain) terjadi apabila
nilai ruas kiri dan nilai ruas kanan fungsi kendala mempunyai nilai yang
tidak sama ketika nilai-nilai optimal dari variabel keputusan
disubstitusikan ke dalam fungsi kendala tersebut.
Definisi (Winston, 2003)
Suatu himpunan titik S dikatakan suatu himpunan convex apabila
terdapat segmen garis yang menghubungkan setiap pasangan titik
dalam S serta seluruhnya terkandung dalam S.
Definition (Winston, 1994)
Untuk suatu himpunan convex S, titik P dalam S adalah titik ekstrem jika
setiap segmen garis yang terletak sepenuhnya di S dan berisi titik P
memiliki P sebagai titik akhir dari segmen garis.
Winston, L. Wayne. (2003). Introduction to Operation Research.
Applications and Algorithms 4th Edition. Duxbury Press.