PROGRAM LINIER

Oleh :
KELOMPOK 4
Nama : Adinda Putri Ramadhany (08011282126038)
Alyora Nasywa Sabrina (08011182126018)
Amandah Damayanti (08011282126068)
Anita Lumban Gaol (08011282126066)
Fadhilah Azzahra (08011282126032)
Idah Nur Anisa (08011382126116)
Muhammad Arya All fajri (08011282126062)
Nanda Pandya A (08011282126030)
Nurul Aisyah (08011182126014)
Silvia Nadia (08011382126112)
Fakultas / Jurusan : MIPA / Matematika
Dosen Pengajar : Eka Susanti, M.Sc

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SRIWIJAYA
 Program linear adalah salah satu model matematika yang digunakan
untuk menyelesaikan masalah optimisasi, yaitu memaksimumkan atau
meminimumkan fungsi tujuan yang bergantung pada sejumlah variabel input.

Asumsi Pemograman Linier
1. Linearitas
Asumsi ini menginginkan agar perbandingan antara input yang
satu dengan input lainnya, atau untuk suatu input dengan output
besarnya tetap dan terlepas (tidak tergantung) pada tingkat produksi.
Jika fungsi tujuan, cjxj, bersifat nonlinear, maka teknik program linier
ini tidak dapat dipakai.
2. Proporsionalitas
Asumsi ini menyatakan bahwa jika peubah pengambilan
keputusan, xj, berubah maka dampak perubahannya akan menyebar
dalam proporsi yang sama terhadap fungsi tujuan, cjxj, dan juga pada
kendalanya, aijxj. Misalnya, jika kita naikkan nilai xj dua kali, maka
secara proporsional (seimbang dan serasi) nilai-nilai aijxj-nya juga akan
menjadi dua kali lipat. Implikasi asumsi ini ialah bahwa dalam model
program linier yang bersangkutan tidak berlaku hukum kenaikan yang
semakin menurun.
3. Aditivitas
Asumsi ini menyatakan bahwa nilai parameter suatu kriteria
optimasi (koefisien peubah pengambilan keputusan dalam fungsi
tujuan) merupakan jumlah dari nilai individu-individu cj dalam model
program linier tersebut. Dampak total terhadap kendala ke-i
merupakan jumlah dampak individu terhadap peubah pengambilan
keputusan xj.
4. Divisibilitas
Asumsi ini menyatakan bahwa peubah-peubah pengambilan
keputusan xj, jika diperlukan dapat dibagi ke dalam pecahan-pecahan,
yaitu bahwa nilai-nilai xj tidak perlu integer (hanya 0 dan 1 atau
bilangan bulat), tapi boleh noninteger (missal ½; 0,58; 38,987, dan
sebagainya).
5. Deterministik
Asumsi ini menghendaki agar semua parameter dalam model
program linier (yaitu nilai-nilai cj, aij, dan bi) tetap dan diketahui atau
di tentukan secara pasti (Nasendi, 1985).
 Metode Grafik
Metode Grafik merupakan salah satu metode yang dapat digunakan untuk
memecahkan permasalahan linier programming. Metode ini menggunakan
pendekatan grafik dalam pengambilan keputusannya, dimana seluruh fungsi
kendala dibuat dalam satu bagian gambar kemudian diambil keputusan yang
optimum. Metode ini terbatas pada pemakaian untuk dua variabel keputusan,
apabila memiliki lebih dari dua variabel keputusan makan metode ini tidak
dapat digunakan.
Langkah-Langkah Metode Grafik
• Identifikasi Tujuan
• Identifikasi Kendala
• Formulasi ke dalam bentuk matematis
• Membuat grafik
• Menentukan daerah layak dan titik koordinat
• Memilih variable keputusan
 Contoh Soal
Sebuah toko roti mendapat pesanan untuk membuat donat, bomboloni dan
bagel, donat dibuat dengan 5kg tepung dan 2kg mentega tidak lebih dari atau
sama dengan 150 buah lalu bomboloni dibuat dengan 2kg tepung dan 3kg
mentega tidak lebih atau sama dengan 100 buah, terakhir bagel dibuat dengan 4
kg tepung dan 2kg mentega juga tidak lebih atau sama dengan 80 buah.
Misalkan, harga tepung (per kg) Rp. 12.000 dan harga menterga Rp. 8.000 (per
kg). Tentukan berapa modal maksimum yang digunakan!
Jawab
5x1 + 2x2 ≤ 150
2x1 + 3x2 ≤ 100
4x1 + 2x2 ≤ 80
x1,x2 ≥ 0
Misalkan x1 = 0
5x1 + 2x2 = 150 Misalkan x1 = 0
2x2 = 150 4x1 + 2x2 = 80
x2 = 75 (0,75) 2x2 = 80
Misalkan x2 = 0 x2 = 40 (0,40)
5x1 + 2x2 = 150 Misalkan x2 = 0
5x1 = 150 4x1 + 2x2 = 80
x1 = 30 (30,0) 4x1 = 80
Misalkan x1 = 0 x1 = 20 (20,0)
2x1 + 3x2 = 100
3x2 = 100
100
x 2 = 3 (0,33,3)

Misalkan x2 = 0
2x1 + 3x2 = 100
2x1 = 100
x1 = 50 (50,0)
 Menentukan daerah feasible
Uji titik untuk x1 = 0 x2 = 0
5x1 + 2x2 ≤ 150
5(0)+2(0) ≤ 150
0 ≤ 150 (benar)

2x1 + 3x2 ≤ 100

2(0)+3(0) ≤ 100
0 ≤ 100 (benar)

4x1 + 2x2 ≤ 80
4(0) +2(0) ≤ 80
0 ≤ 80 (benar)

Saat pernyataan yang didapat benar maka daerah feasible mengarah pada titik 0.

GRAFIK

5x1+2x2≤150

4x1+2x2≤80

2x1+3x2≤100
2x1 + 3x2 ≤ 100 2x1 + 3x2 = 100 ×2 4x1 + 6x2 = 200
4x1 + 2x2 = 80 ×1 4x1 + 2x2 = 80
4x1 + 2x2 ≤ 80
4x2 = 120
x2 = 30
2x1 + 3x2 = 100
2x1 + 90 = 100
2x1 = 10
x1 = 5

Nilai Maksimum
f(x1,x2) = 12000x1 + 8000x2
(x1,x2) = (0,33,3)
f(0,33,3) = 12000(0) + 8000(33,3)
= 266.400
f(20,0) = 12000(20) + 8000(0)
= 240.000
f(5,30) = 12000(5) + 8000(30)
= 60.000 + 240.000
= 300.000
Maka, modal maksimum yang diperlukan adalah 300.000 dengan berada di
titik (5,30)

Metode Simpleks
 Metode simpleks adalah suatu prosedur aljabar yang bersifat iteratif, yang
digunakan untuk menyelesaikan persoalan yang tersusun ke dalam persamaan
matematika program linear yang mempunyai variabel keputusan mulai lebih
besar atau sama dengan dua sampai multivariable

Istilah istilah dalam tabel simpleks

1. Variabel non basis
variabel yang nilainya diatur menjadi nol pada sembarang iterasi. Dalam
terminologi umum, jumlah variabel non basis selalu sama dengan derajat
bebas dalam sistem persamaan.
2. Variabel basis
variabel yang nilainya diatur menjadi nol pada sembarang iterasi. Dalam
terminologi umum, jumlah variabel non basis selalu sama dengan derajat
bebas dalam sistem persamaan.
3. Solusi atau nilai kanan (NK)
merupakan 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.
4. Variabel slack
merupakan 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.
5. Variabel surplus
adalah variabel yang dikurangkan dari model matematik kendala untuk
mengkonversikan pertidaksamaan ≥ menjadi persamaan (=). Penambahan
ini terjadi pada tahap inisialisasi. Pada solusi awal, variabel surplus tidak
dapat berfungsi sebagai variabel basis.
6. Variabel buatan
adalah variabel yang ditambahkan ke model matematik kendala dengan
bentuk ≥ atau = untuk difungsikan sebagai variabel basis awal.
Penambahan variabel ini terjadi pada tahap inisialisasi. Variabel ini harus
bernilai 0 pada solusi optimal, karena kenyataannya variabel ini tidak ada.
7. Kolom pivot (kolom kerja)
adalah kolom yang memuat variabel masuk. Koefisien pada kolom ini
akn menjadi pembagi nilai kanan untuk menentukan baris pivot (baris
kerja).
8. Baris pivot (baris kerja)
 adalah salah satu baris dari antara variabel basis yang memuat variabel
keluar.
9. Elemen pivot
adalah elemen yang terletak pada perpotongan kolon dan baris pivot.
Elemen pivot akan menjadi dasar perhitungan untuk table simpleks
berikutnya.
10.Variabel masuk
adalah variabel yang terpilih untuk menjadi variabel basis pada iterasi
berikutnya. Variabel masuk dipilih satu dari antara variabel non basis
pada setiap iterasi. Variabel ini pada iterasi berikutnya akan bernilai
positif.
11.Variabel keluar
adalah variabel yang terpilih untuk menjadi variabel basis pada iterasi
berikutnya. Variabel masuk dipilih satu dari antara variabel non basis
pada setiap iterasi. Variabel ini pada iterasi berikutnya akan bernilai
positif.
 Contoh Soal
Fungsi Tujuan : Z ¿ 30x1 + 40x2 = 0
Fungsi Kendala
 Benang Sutra = 3x1 + 4x2 ≤ 120
 Benang Wol = x2 ≤ 20
 Masa Kerja = 2x1 + 2x2 ≤ 40
1. Ubah ke dalam bentuk baku
Fungsi Tujuan : Z ¿ 30x1 + 40x2 = 0 → Z - 30x1 - 40x2 = 0
Fungsi Kendala
 Benang Sutra = 3x1 + 4x2 ≤ 120 → 3x1 + 4x2 + x3 = 120
 Benang Wol = x2 ≤ 20 → x2 + x4 = 20
 Masa Kerja = 2x1 + 2x2 ≤ 40 → 2x1 + 2x2 + x5 = 40
2. Letakkan kedalam tabel simpleks
3. Menentukan kolom kunci, baris kunci, elemen kunci
kk
Variabel Z X1 X2 X3 X4 X5 NK R
Z 1 -30 -40 0 0 0 0
X3 0 3 4 1 0 0 120 120
= 30
4
X4 0 0 1 0 1 0 20 20
= 20
1
X5 0 2 2 0 0 1 40 40
= 20
2
Elemen kunci
Z X1 X2 X3 X4 X5 NK
Z
X3 BB
X2 0 0 1 0 1 0 20
X5
0 0 1 0 1 0 20
1 1 1 1 1 1 1
4. Membuat baris baru
Rumus = BL – (Koef.KK x BB)
Z = -30 -40 0 0 0 0
-40 0 1 0 1 0 20
-30 0 0 40 0 800

X3 = 3 4 1 0 0 120
4 0 1 0 1 0 20
3 0 1 -4 0 40

X3 = 2 2 0 0 1 40
2 0 1 0 1 0 20
2 0 0 -2 1 0

5. Masukkan ke dalam tabel baru

6. Mengecek apakah sudah optimal atau belum, jika belum maka lakukan
iterasi selanjutnya
KK
Variabel Z X1 X2 X3 X4 X5 NK R
Z 1 -30 0 0 40 0 800
X3 0 3 0 1 -4 0 40 40 40
3 3
X2 0 0 1 0 1 0 20 20
0
∞
X5 0 2 0 0 -2 1 0 0 0
2
Elemen kunci

Z X1 X2 X3 X4 X5 NK
Z
X3
X2
X1 0 1 0 0 -1 1 0 BB
2
0 2 0 0 −2 1 0
2 2 2 2 2 2 2
Rumus = BL – (Koef.KK x BB)
Z = -30 0 0 40 0 800
1
-30 1 0 0 -1 2
0
0 0 0 10 15 800

X3 = 3 0 1 -4 0 40
1
3 1 0 0 -1 2
0
3
0 0 1 -1 -2 40

X2 = 0 1 0 1 0 20
1
0 1 0 0 -1 2
0
0 1 0 1 0 20

Tabel Baru Simpleks

Z X1 X2 X3 X4 X5 NK
Z 1 0 0 0 10 15 800
X3 0 0 0 1 -1 −3 40
2
X2 0 0 1 0 1 0 20
X1 0 1 0 0 -1 1 0
2

Karena nilai pada baris fungsi tujuan (Z) sudah optimum (semuanya bernilai
positif), sehingga didapatkan:

X1 = 0
X2 = 20
Z maksimum = 800