LECTURE NOTES

MGMT6170
Business Quantitative Methods

Week 5

Linear Programming Models:

Graphical and Computer Methods

MGMT6170-Business Quantitative Methods-R0

 LEARNING OUTCOMES

1. Mampu menjelaskan konsep analisis bisnis kuantitatif.

2. Mampu menerapkan konsep matematika dengan benar dan konsep matematis dalam
menyelesaikan suatu masalah bisnis.
3. Mampu menganalisis metode matematika untuk memecahkan masalah bisnis ekonomi.

OUTLINE MATERI :

1. Introduction
2. Requirements of a Linear Programming
3. Formulating LP Problems
4. Graphical Solution to LP Problem
5. Solving LP Problem
6. Solving Minimization Problems
7. Sensitivity Analysis

MGMT6170-Business Quantitative Methods-R0

 ISI MATERI

A. INTRODUCTION
Banyak keputusan manajemen yang melibatkan upaya untuk memanfaatkan sumber daya
organisasi secara paling efektif. Sumber daya biasanya meliputi mesin, tenaga kerja, uang,
waktu, ruang gudang, dan bahan mentah. Sumber daya ini dapat digunakan untuk membuat
produk (seperti mesin, furnitur, makanan, atau pakaian) atau layanan (seperti jadwal untuk
maskapai penerbangan atau produksi, kebijakan periklanan, atau keputusan investasi). Linear
programming (LP) adalah teknik pemodelan matematika yang banyak digunakan yang
dirancang untuk membantu manajer dalam perencanaan dan pengambilan keputusan relatif
terhadap alokasi sumber daya.
LP dan kategori yang lebih umum dari teknik ini disebut pemrograman matematika, sangat
sedikit hubungannya dengan pemrograman komputer. Dalam dunia ilmu manajemen,
pemrograman mengacu pada pemodelan dan memecahkan masalah secara matematis.
Pemrograman komputer, tentu saja, memainkan peran penting dalam kemajuan dan
penggunaan LP. Masalah LP dalam kehidupan nyata terlalu rumit untuk dipecahkan dengan
tangan atau dengan kalkulator.

B. REQUIREMENTS OF A LINEAR PROGRAMMING

Semua masalah berusaha untuk memaksimalkan atau meminimalkan kuantitas, biasanya
keuntungan atau biaya. Property ini disebut sebagai fungsi obyektif dari masalah LP. Tujuan
utama dari produsen umumnya adalah untuk memaksimalkan keuntungan. Dalam kasus
sistem distribusi truk atau kereta api, tujuannya mungkin untuk meminimalkan biaya
pengiriman. Dalam hal apapun, tujuan ini harus dinyatakan secara jelas dan didefinisikan
secara matematis. Keuntungan dan biaya diukur dalam sen, dolar, atau jutaan dolar.
Properti kedua yang masalah LP miliki adalah adanya pembatasan, atau kendala, yang
membatasi sejauh mana kita dapat mengejar tujuan kita. Misalnya, keputusan tentang berapa
banyak unit dari setiap produk dalam lini produk perusahaan untuk diproduksi dibatasi oleh
personil dan mesin yang tersedia. Pemilihan kebijakan periklanan atau portofolio keuangan
dibatasi oleh jumlah uang yang tersedia untuk dibelanjakan atau diinvestasikan. Oleh karena

MGMT6170-Business Quantitative Methods-R0

 itu kita memaksimalkan atau meminimalkan kuantitas (fungsi obyektif) dengan sumber daya
terbatas (kendala).
Harus ada alternatif tindakan untuk dipilih. Sebagai contoh, jika sebuah perusahaan
menghasilkan tiga produk yang berbeda, manajemen dapat menggunakan LP untuk
memutuskan bagaimana mengalokasikan di antara mereka sumber daya produksi terbatas
(personil, mesin, dan sebagainya). Haruskah ia mencurahkan seluruh kapasitas manufaktur
untuk membuat hanya produk pertama, seharusnya menghasilkan jumlah yang sama dari
setiap produk, atau seharusnya mengalokasikan sumber daya dalam beberapa rasio lain? Jika
tidak ada alternatif untuk dipilih, maka tidak membutuhkan LP.
Tujuan dan kendala dalam masalah LP harus dinyatakan dalam istilah persamaan linear atau
ketidaksetaraan. Hubungan matematis linear hanya berarti bahwa semua istilah yang
digunakan dalam fungsi obyektif dan kendala adalah tingkat pertama (yaitu, tidak kuadrat,
atau kekuatan ketiga atau lebih tinggi, atau muncul lebih dari satu kali). Oleh karena itu,
persamaan 2A + 5B = 10 adalah fungsi linear yang dapat diterima, sedangkan persamaan 2A2
+ 5B3 + 3AB = 10 tidak linear karena variabel A dikuadratkan, variabel B adalah kubik, dan
dua variabel muncul lagi sebagai produk satu sama lain.
Kita berasumsi bahwa ada kondisi kepastian: yaitu, angka dalam tujuan dan batasan
diketahui dengan pasti dan tidak berubah selama periode yang sedang dipelajari. Kita
membuat asumsi divisibility bahwa solusi tidak perlu dalam bilangan bulat (integers).
Sebaliknya, mereka terbagi dan dapat mengambil nilai pecahan. Akhirnya, kita berasumsi
bahwa semua jawaban atau variabel tidak negatif. Nilai-nilai negatif dari kuantitas fisik tidak
mungkin; Anda tidak bisa menghasilkan jumlah kursi, kemeja, ponsel pintar, atau komputer
yang negatif.

C. FORMULATING LP PROBLEMS
Merumuskan program linier melibatkan pengembangan model matematika untuk mewakili
masalah manajerial. Jadi, untuk merumuskan program linier, perlu untuk sepenuhnya
memahami masalah manajerial yang dihadapi. Setelah ini dipahami, kita dapat mulai

MGMT6170-Business Quantitative Methods-R0

mengembangkan pernyataan matematis dari masalah. Langkah-langkah dalam merumuskan
program linier adalah sebagai berikut:
1. Memahami sepenuhnya masalah manajerial yang sedang dihadapi.
2. Identifikasi tujuan dan kendala.
3. Tentukan variabel keputusan.
4. Gunakan variabel keputusan untuk menulis ekspresi matematis untuk fungsi obyektif dan
kendala.
Salah satu aplikasi LP yang paling umum adalah masalah bauran produk (product mix
problem). Dua produk atau lebih biasanya diproduksi menggunakan sumber daya terbatas
seperti personel, mesin, bahan baku, dan sebagainya. Keuntungan yang ingin diupayakan
perusahaan didasarkan pada kontribusi laba per unit setiap produk. (Kontribusi laba adalah
harga jual per unit dikurangi biaya variabel per unit.) Perusahaan ingin menentukan berapa
banyak unit dari setiap produk yang harus dihasilkan sehingga dapat memaksimalkan laba
keseluruhan mengingat sumber dayanya yang terbatas. Masalah jenis ini dirumuskan dalam
contoh berikut.

 Tujuannya adalah memaksimalkan profit.

 Kendalanya adalah:
1. Jam waktu carpentry yang digunakan tidak boleh lebih dari 240 jam per minggu.
2. Jam waktu painting and varnishing yang digunakan tidak boleh lebih dari 100 jam per
minggu.
 Variabel keputusan yang mewakili keputusan aktual yang akan kita buat didefinisikan:
T = jumlah tabel yang akan diproduksi per minggu
C = jumlah kursi yang diproduksi per minggu

MGMT6170-Business Quantitative Methods-R0

  Sekarang kita dapat membuat fungsi objektif LP dalam hal T dan C. Fungsi obyektif
adalah Maksimalkan laba = $ 70T + $ 50C.
 Satu hubungan umum adalah jumlah sumber daya yang digunakan kurang dari atau sama
dengan (≤) jumlah sumber daya yang tersedia.
4T + 3C ≤ 240 (carpentry constraint)
2T + 1C ≤ 100 (painting and varnishing constraint)
 Untuk mendapatkan solusi yang berarti, nilai untuk T dan C tidak boleh berupa angka
negatif. Artinya, semua solusi potensial harus mewakili tabel nyata dan kursi nyata.
Secara matematis, ini berarti bahwa
T ≥ 0 (jumlah tabel yang diproduksi lebih besar dari atau sama dengan 0)
C ≥ 0 (jumlah kursi yang diproduksi lebih besar dari atau sama dengan 0)

D. GRAPHICAL SOLUTION TO LP PROBLEM

4T + 3C ≤ 240 (carpentry constraint)
2T + 1C ≤ 100 (painting and varnishing constraint)
T ≥ 0 (jumlah tabel yang diproduksi lebih besar dari atau sama dengan 0)
C ≥ 0 (jumlah kursi yang diproduksi lebih besar dari atau sama dengan 0)
Langkah pertama dalam menggunakan metode grafik untuk menyelesaikan permasalah LP
adalah memplot setiap kendala masalah pada grafik. Variabel T (tabel) diplot sebagai sumbu
horizontal grafik, dan variabel C (kursi) diplot sebagai sumbu vertikal. Notasi (T, C)
digunakan untuk mengidentifikasi titik-titik pada grafik. Kendala nonnegatif berarti bahwa
kita selalu bekerja di kuadran pertama dari grafik (lihat Gambar 7.1).

MGMT6170-Business Quantitative Methods-R0

Untuk merepresentasikan kendala pertama secara grafis, 4T + 3C ≤ 240, pertama-tama kita
harus membuat grafik porsi kesetaraan ini, yaitu 4T + 3C = 240. Cara termudah untuk
menggambarkan garis adalah menemukan dua titik yang memenuhi persamaan dan kemudian
menggambar garis lurus melaluinya.
4T + 3C = 240
4(0) + 3C = 240
C = 80
Dengan kata lain, jika semua waktu carpentry yang tersedia digunakan untuk memproduksi
kursi, 80 kursi bisa dibuat. Dengan demikian, persamaan kendala ini memotong sumbu
vertikal pada 80.
4T + 3C = 240
4T + 3(0) = 240
T = 60
Kendala carpentry diilustrasikan pada Gambar 7.2. Ini dibatasi oleh garis yang berjalan dari
titik (T = 0, C = 80) ke titik (T = 60, C = 0).

MGMT6170-Business Quantitative Methods-R0

Cara yang sama untuk mencari grafik persamaan painting and varnishing.
2T + 1C ≤ 100
2T + 1C = 100
2(0) + 1C = 100
C = 100
(0, 100)

2T + 1C = 100
2(T) + 1(0) = 100
T = 50
(50, 0)

MGMT6170-Business Quantitative Methods-R0

Corner Point Solution Method
Teori matematika di balik LP menyatakan bahwa solusi optimal untuk masalah apa pun
(yaitu, nilai T dan C yang menghasilkan laba maksimum) akan terletak pada titik sudut, atau
titik ekstrim, dari wilayah yang layak. Oleh karena itu, perlu untuk menemukan nilai-nilai
variabel hanya di setiap sudut; solusi optimal akan terletak pada satu (atau lebih) dari titik
sudut.

Dari gambar diatas, kita sudah menemukan 3 titik sudut, yaitu (0,0); (0,80); (50,0)
Untuk menemukan titik sudut yang keempat, maka pertama kita eliminasi C dengan cara:
4T + 3C = 240 │x1│ 4T + 3C = 240
2T + 1C = 100 │x3│ 6T + 3C = 300
2T = 60
T = 30
Kemudian kita eliminasi T dengan cara:
4T + 3C = 240 │x1│ 4T + 3C = 240
2T + 1C = 100 │x2│ 4T + 2C = 200
1C = 40
C = 40
Dengan demikian ditemukan titik (30, 40).
Kita gunakan 4 titik ini untuk Maksimalkan laba = $ 70T + $ 50C.

MGMT6170-Business Quantitative Methods-R0

 Dari tabel perhitungan diatas diketahui bahwa untuk memaksimalkan laba maka diproduksi
30 meja dan 40 kursi.

E. SOLVING LP PROBLEM
Mari kita mulai dengan menunjukkan QM untuk Windows pada masalah Perusahaan
Furniture Flair. Untuk menggunakan QM untuk Windows, pilih modul Linear Programming.
Kemudian tentukan jumlah kendala (selain batasan nonnegatif, karena diasumsikan bahwa
variabel harus non-negatif), jumlah variabel, dan apakah tujuan harus dimaksimalkan atau
diminimalkan. Untuk masalah Flair Furniture Company, ada dua kendala dan dua variabel.
Setelah angka-angka ini ditentukan, jendela input terbuka, seperti yang ditunjukkan dalam
Program 7.1A. Kemudian Anda dapat memasukkan koefisien untuk fungsi obyektif dan
kendala. Menempatkan kursor di atas X1 dan X2 dan mengetik nama baru, seperti T dan C,
akan mengubah nama variabel. Nama-nama kendala dapat juga dimodifikasi. Program 7.1B
menunjukkan layar QM untuk Windows setelah data dimasukkan dan sebelum masalah
terpecahkan. Ketika Anda mengklik tombol Solve, Anda mendapatkan output yang
ditunjukkan di Program 7.1C.
Setelah masalah terselesaikan, grafik dapat ditampilkan dengan memilih Window — Grafik
dari menu di QM untuk Windows. Program 7.1C menunjukkan output untuk solusi grafis.
Perhatikan bahwa selain grafik, titik-titik sudut dan masalah juga ditampilkan.

MGMT6170-Business Quantitative Methods-R0

F. SOLVING MINIMIZATION PROBLEMS
The Holiday Meal Turkey Ranch sedang mempertimbangkan untuk membeli dua merek
pakan kalkun yang berbeda dan memadukannya untuk menyediakan diet murah yang baik
untuk kalkunnya.

MGMT6170-Business Quantitative Methods-R0

X1 = jumlah pon umpan merek 1 yang dibeli
X2 = jumlah pon dari umpan merek 2 yang dibeli
Minimize cost (in cents) = 2X1 + 3X2
5X1 + 10X2 ≥ 90 ons (ingredient A constraint)
4 X1 + 3X2 ≥ 48 ons (ingredient B constraint)
0.5 X1 ≥ 1.5 ons (ingredient C constraint)
X1 ≥ 0 (nonnegativity constraint)
X2 ≥ 0 (nonnegativity constraint)

Cost = 2X1 + 3X2

Cost at point a = 2(3) + 3(12) = 42
Cost at point b = 2(8.4) + 3(4.8) = 31.2
Cost at point c = 2(18) + 3(0) = 36
Dengan demikian, solusi biaya minimum adalah dengan membeli 8,4 pon merek 1 pakan dan
4,8 pon pakan merek 2 per kalkun per bulan.

MGMT6170-Business Quantitative Methods-R0

G. SENSITIVITY ANALYSIS
Solusi optimal untuk masalah LP sejauh ini telah ditemukan di bawah apa yang disebut
asumsi deterministik. Ini berarti bahwa kita mengasumsikan kepastian lengkap dalam data
dan hubungan suatu masalah; yaitu, harga adalah tetap, sumber daya diketahui, dan waktu
yang dibutuhkan untuk menghasilkan unit adalah tepat. Tetapi di dunia nyata, kondisinya
dinamis dan berubah. Bagaimana kita bisa menangani perbedaan yang nyata ini?
Salah satu cara kita dapat melakukannya adalah dengan terus memperlakukan setiap masalah
LP tertentu sebagai situasi deterministik. Namun, ketika solusi yang optimal ditemukan,
perlu menyadari pentingnya melihat seberapa sensitif solusi itu untuk memodelkan asumsi
dan data. Analisis tersebut digunakan untuk menguji pengaruh perubahan dalam tiga bidang:
(1) tingkat kontribusi untuk setiap variabel, (2) koefisien teknologi (angka dalam persamaan
kendala), dan (3) sumber daya yang tersedia (jumlah tepat dalam setiap kendala). Tugas ini
adalah alternatif yang disebut analisis sensitivitas, analisis pasca optimasi, pemrograman
parametrik, atau analisis optimalitas.
Ada dua pendekatan untuk menentukan seberapa sensitif solusi optimal terhadap perubahan.
Yang pertama hanyalah pendekatan trial-and-error. Pendekatan ini biasanya melibatkan
menyelesaikan seluruh masalah, sebaiknya dilakukan dengan komputer, setiap kali satu input
data item atau parameter diubah. Diperlukan waktu lama untuk menguji serangkaian
kemungkinan perubahan dengan cara ini.
Pendekatan yang disukai adalah metode postoptimality analitik. Setelah masalah LP telah
dipecahkan, selanjutnya mencoba untuk menentukan berbagai perubahan dalam parameter
masalah yang tidak akan mempengaruhi solusi optimal atau mengubah variabel dalam solusi.
Ini dilakukan tanpa menyelesaikan seluruh masalah. Mari kita selidiki analisis sensitivitas
dengan mengembangkan masalah campuran produksi kecil. Tujuannya adalah untuk
mendemonstrasikan secara grafik dan melalui tabel sederhana bagaimana analisis sensitivitas
dapat digunakan untuk membuat konsep program linear lebih realistis dan berwawasan.

The High Note Sound Company memproduksi speaker dan penerima stereo berkualitas.
Masing-masing produk ini membutuhkan sejumlah keahlian artistik, di mana ada pasokan

MGMT6170-Business Quantitative Methods-R0

mingguan terbatas. Perusahaan merumuskan masalah LP berikut untuk menentukan
campuran produksi terbaik dari speaker (X1) dan penerima (X2):
Maximize profit = $50X1 + $120X2
subject to:
2X1 + 4X2 ≤ 80 (hours of electricians’ time available)
3X1 + 1X2 ≤ 60 (hours of audio technicians’ time available)
X1, X2 ≥ 0
Solusi untuk masalah ini diilustrasikan secara grafis pada Gambar 7.16. Mengingat informasi
ini dan asumsi deterministik, perusahaan harus menghasilkan hanya penerima stereo (20
unit), untuk keuntungan mingguan sebesar $ 2,400.

Changes in the Objective Function Coefficient

Sangat mudah untuk melihat pada Gambar 7.17 bahwa garis keuntungan High Note Sound
Company optimal pada titik a. Tetapi bagaimana jika terobosan teknis baru saja terjadi yang
meningkatkan laba per penerima stereo (X2) dari $ 120 menjadi $ 150? Apakah solusinya
masih optimal? Jawabannya pasti ya, karena dalam kasus ini kemiringan garis laba
menonjolkan profitabilitas pada titik a. Keuntungan baru adalah $3,000 = 0($50) + 20($
150). Di sisi lain, jika koefisien laba X2 terlalu tinggi dan seharusnya hanya $80, kemiringan

MGMT6170-Business Quantitative Methods-R0

garis laba akan berubah cukup untuk menyebabkan titik sudut baru (b) menjadi optimal. Di
sini, keuntungannya adalah $ 1,760 = 16($50) + 12($80).

MGMT6170-Business Quantitative Methods-R0

 SIMPULAN

Kita mempelajari teknik pemodelan matematika yang disebut linear programming (LP) yang
digunakan dalam mencapai solusi optimal untuk masalah yang memiliki serangkaian kendala
yang mengikat tujuan. Kita menggunakan metode sudut titik dan pendekatan isoprofit / isocost
untuk memecahkan masalah secara grafis dengan hanya dua variabel keputusan. Pendekatan
solusi grafis dari bab ini memberikan dasar konseptual untuk menangani masalah yang lebih
besar dan lebih kompleks. Untuk menyelesaikan masalah LP kehidupan nyata dengan berbagai
variabel dan kendala, kita memerlukan prosedur solusi seperti simpleks algoritma. Algoritma
simpleks adalah metode yang digunakan QM untuk Windows dan Excel untuk mengatasi
masalah LP.

Kita juga mempelajari konsep penting analisis sensitivitas. Kadang-kadang disebut sebagai
analisis postoptimality, analisis sensitivitas digunakan oleh manajemen untuk menjawab
serangkaian pertanyaan “bagaimana-jika” tentang parameter model LP. Ini juga menguji
seberapa sensitif solusi optimal adalah perubahan dalam koefisien keuntungan atau biaya,
koefisien teknologi, dan sumber daya. Kita menjelajahi analisis kepekaan grafis (yaitu, untuk
masalah dengan hanya dua variabel keputusan) dan dengan output komputer, untuk melihat
bagaimana melakukan sensitivitas secara aljabar melalui algoritma simpleks

MGMT6170-Business Quantitative Methods-R0

 DAFTAR PUSTAKA

1. Render, Barry; Stair, Ralph M.; Hanna, Michael E.; Hale, Trevor S. (2018). Quantitative
Analysis for Management. 13th. Pearson Education. Boston. ISBN 13: 978-1-292-21765-
9.

MGMT6170-Business Quantitative Methods-R0