EKM 322 E2
“METODE SUBSTITUSI DAN METODE GRAFIK DALAM LINEAR
PROGRAMING”
Oleh:
KELOMPOK 3
Segala puja dan puji syukur kami haturkan kehadapan Tuhan Yang Maha Esa, karena
telah memberikan kami kemudahan sehingga kami dapat menyelesaikan paper ini dengan tepat
waktu. Tanpa pertolongan-Nya tentunya kami tidak akan sanggup untuk menyelesaikan paper
ini dengan baik. Kami mengucapkan syukur atas limpahan nikmat sehat-Nya, baik itu berupa
sehat fisik maupun akal pikiran sehingga kami mampu untuk meyelesaikan pembuatan paper
sebagai tugas dari mata kuliah Riset Operasi yang berjudul “Metode Substitusi dan Metode
Grafik Dalam Linear Programing”
Kami sangat berharap semoga paper ini bernilai baik dan menambah pengetahuan serta
wawasan bagi para pembaca. Kami tentu menyadari bahwa paper ini masih jauh dari kata
sempurna dan masih banyak terdapat kesalahan serta kekurangan didalamnya dikarenakan
terbatasnya pengetahuan yang kami miliki. Untuk itu, kami mengharapkan kritik dan saran
yang membangun demi kesempurnaan paper ini. Akhir kata kami berharap semoga isi dari
paper ini dapat memberikan pengetahuan lebih serta manfaat bagi para pembaca.
Kelompok 3
ii
DAFTAR ISI
iii
BAB I
PENDAHULUAN
Pemrograman linear berkaitan dengan penjelasan suatu kasus dalam dunia nyata sebagal
suatu model matematik yang terdiri dari sebuah fungsi nujuan linear dengan beberapa kendala
linear. Pemrograman linear meliputi perencanaan aktivitas untuk mendapatkan hasil optimal,
yaitu sebuah hasil yang mencapai tujuan terbaik (menurut model matematika) diantara semua
kemungkinan altematif yang ada. Ada banyak metode yang dapat digunakan untuk
menyelesaikan permasalahan program linear, seperti metode substitusi dan metode grafik, yang
cukup banyak digunakan. Oleh karena itu kita akan membahas lebih dalam tentang metode
substitusi dan grafik ini.
1.3 Tujuan
1.3.1 Untuk mengetahui metode substitusi dalam linear programming.
1.3.2 Untuk mengetahui metode grafik dalam linear programming.
1.3.3 Untuk mengetahui program solver dalam metode grafik linear programming.
1
BAB II
PEMBAHASAN
2
Contoh Metode Substitusi
Tentukan solusi dari persoalan pemrograman linear berikut:Cari x1 dan x2
S.r.s : Z = 8x1 + 6x2 (maksimum)
D.p : 4x1 + 2x2 ≤ 60
2x1 + 4x2 ≤ 48x1, x2 ≥ 0
Solusi :
Transformasi persoalan pemrograman linear ke dalam bentuk standar \
Cari x1, x2, s1 dan s2
S.r.s : Z = 8x1 + 6x2 + os1 + os2 (maksimum)
D.p : 4x1 + 2x2 + s1 = 60
2x1 + 4x2 + s2 = 48
x1, x2, s1, s2 ≥ 0
Mencari solusi feasible:
a) x1 = 0 dan x2 = 0
4x1 + 2x2 + s1 = 60 → s1 = 60
2x1 + 4x2 + s2 = 48 → s2 = 48 >> Z = 8x1 + 6x2 + os1 + os2 = 0
b) x1 = 0 dan s1 = 0
4x1 + 2x2 + s1 = 60 → 2x2 = 60 → x2 = 30
2x1 + 4x2 + s2 = 48 → 4x2 + s2 = 48 → s2 = -72
Karena s2 negatif, tidak feasible sehingga Z tidak dihitung.
c) x1 = 0 dan s1 = 0
4x1 + 2x2 + s1 = 60 → 2x2 + s1 = 60 → s1 = 36
2x1 + 4x2 + s2 = 48 → 4x2 + s2 = 48 → x2 = 12
>> Z = 8x1 + 6x2 + os1 + os2 = 0
>> Z = 8(0) + 6(12) + 0(36) + 0(0) = 72
d) x2 = 0 dan s1 = 0
4x1 + 2x2 + s1 = 60 → 4x1 = 60 → x1 = 15
2x1 + 4x2 + s2 = 48 → 2x1 + s2 = 48 → s2 = 18
>> Z = 8x1 + 6x2 + os1 + os2 = 0
>> Z = 8(15) + 6(0) + 0(0) + 0(18) = 120
e) x2 = 0 dan s2 =
4x1 + 2x2 + s1 = 60 → 4x1 + s1 = 60 → s1 = -36
2x1 + 4x2 + s2 = 48 → 2x1 = 48 → x1 = 24
Karena s1 negatif, tidak feasible sehingga Z tidak dihitung.
3
f) s1 = 0 dan s2 = 0
4x1 + 2x2 + s1 = 60 → 4x1 + 2x2 = 60 → x2 = 30 – 2x1 = 30 – 2(12) = 6
2x1 + 4x2 + s2 = 48 → 2x1 + 4x2 = 48 → 2x1 + 4(30 – 2x1) = 48
2x1 + 120 – 8x1 = 48 → -6x1 = -72 → x1 = 12
>> Z = 8x1 + 6x2 + os1 + os2 = 0
>> Z = 8(12) + 6(6) + 0(0) + 0(0) = 132
Jadi, solusi optimum terjadi pada x1 = 12 dan x2 = 6 dengan Z = 132.
Data tersebut dapat disusun ke dalam tabel seperti yang terlihat dibawah ini
Kapasitas
Mesin/Merk I1 I2
Maksimum
1 2 0 8
2 0 3 15
3 6 5 30
Sumbangan Terhadap
3 5
laba (Rp 10.000)
4
Untuk melakukan formulasi masalah di atas, maka pertama-tama tentukansimbol-
simbol yang akan dipakai:
Z = Jumlah sumbangan seluruh sepatu merk I1 dan merk I2 yang akan diperoleh
5
Sebelum mempraktekkan setiap langkah di atas sebaiknya terlebih dahulu diuraikan
masalah yang biasanya paling kritis, yaotu menggambarkan garis-garis dari fungsi-fungsi
batasan. Fungsi-fungsi batasan ini dinyatakan dalam tiga tanda, yaitu:
a. Grafik dari 4X + 3y ≤ 12
b. Grafik dari 4X + 3y ≥ 12
c. Grafik dari 4X + 3y = 12
6
Disini tidak akan dijelaskan bagaimana cara menggambarkan persamaan garis dalam
suatu grafik, karena hal ini tentunya telah banyak dibahas pada berbagai literatur matematika
dasar. Tetapi yang penting dipahami adalah bahwa bagian yang diarsir menunjukkan “daerah”
(space) yang memenuhi persyaratan fungsi-fungsi batasan tersebut di atas. Pada gambar contoh
c tidak ada bagian yang diarsir, karena yang memenuhi persyaratan hanya titik-titik sepanjang
garis saja.
Dengan contoh masalah perusahaan sepatu “IDEAL” di atas, pendekatan grafis akan
mudah dipahami. Secara grafis akan digambarkan sumbu mendatar X1 untuk produk 1 dan
sumbu vertikal X2 untuk produk 2, jumlah n = 2, yaitu produk 1 (sepatu merk I1) dan produk
2 (sepatu merk I2).
Tujuan kita adalah akan memaksimumkan laba yang akan diperoleh. Sumbangan tiap
lusin sepatu merk I1 = Rp 30.000, sedangkan merk I2 = Rp 50.000. Oleh karena itu dapat kita
formulasikan fungsi tujuannya (dalam puluhan ribuan rupiah) sebagai berikut:
Dengan adanya batasan kapasitas mesin 1, mesin 2, dan mesin 3 (maksimum 8 jam, 12
jam, dan 30 jam setiap hari), maka kita dapat membuat formulasi batasn-batasan itu, sebagai
berikut:
(1) 2X1 ≤8
(2) 3X2 ≤ 15
Batasan (1) adalah batasan mesin 1, yang berarti 2 jam kali jumlah sepatu merk I1, yang
dibuat (2X1) tidak dapat lebih dari 8 jam. Batasan (2) berarti 3 jam kali jumlah sepatu merk I2,
yang dibuat (3X2) tidak dapat lebih dari 15 jam. Sedangkan batasan (3) berarti bahwa 6 jam
kali nilai X1 ditambah 5 jam kali nilai X2 tidak dapat lebih dari 20 jam. Selain itu perlu pula
diperhatikan batasan-batasan “non-negatif”, yaitu X1 ≥ O dan X2 ≥ O. Artinya kombinasi X1
dan X2 nanti hanya akan terletak pada kuadran pertama, yaitu kuadran yang memuat nilai-nilai
positif bagi X1 dan X2.
7
Fungsi batasan pertama (2 X1 ≤ 8) akan digambarkan sebagai garis tegak lurus pada sumbu
X1 dititik 2X1 = 8 seperti tampak pada gambar berikut ini:
Bagian yang diarsir pada gambar di atas merupakan bagian yang memenuhi batasan-
batasan: X1 ≥ O, X2 ≥ O dan 2X1 ≤ 8. Dengan cara yang sama fungsi batasan kedua (3X2 ≤
15) dapat digambar. Fungsi batasan ketiga (6X1 + 5X2 ≤ 30) digambar terlebih dahulu mencari
titik-titik perpotongan garis 6X1 + 5X2 = 30 dengan sumber X1 dan X2. Akhirnya ketiga fungsi
batasan tersebut dapat digambar secara lengkap berikut ini:
Bagian yang diarsir disebut daerah feasible, pada gambar di atas menunjukkan bagian yang
memenuhi “persyaratan” yang ditetapkan oleh ketiga fungsi-fungsi batasan, atau merupakan
daerah kemungkinan-kemungkinan kombinasi (X1, X2) yang memenuhi batasan-batasan.
Langkah terakhir pendekatan ini adalah mencari suatu titik (kombinasi X1 dan X2) yang
terletak pada daerah feasible yang dapat memaksimumkan nilai Z. Hal ini dapat dilakukan
dengan 2 cara: dengan menggambarkan fungsi tujuan (disebut sebagai cara trial and error) dan
dengan membandingkan nilai Z pada tiap-tiap alternatif.
8
a) Dengan menggambarkan fungsi tujuan
Misal digambarkan Z = 10 = 3X1 + 5X2 (garis P pada gambar di bawah ini). Untuk
mengetahui apakah ada nilai (X1, X2) di dalam daerah feasible yang akan mendapatkan
Z = 10.
9
Ttitik O :
Pada titik ini nilai X1 = 0; X2 = 0. Tentu saja Z = 0
Titik A :
Pada titik ini, nilai X1 = 4; X2 = 0 Sehingga Z = 3(4) + 0 = 12.
Titik B :
Pada titik ini nilai X1 = 4. Substitusikan nilai ini pada persamaan batasan (3), maka 6(4)
+ 5X2 = 30. Jadi nilai X2 = (30-24)/5 = 6/5
Nilai Z = 3(4) + 5(5/6) = 18.
Titik C :
Pada titik ini nilai X2 = 5. Substitusikan nilai ini pada persamaan batasan (3), menjadi
6X1 + 5(5) = 30. Jadi nilai X1 = (30-25)/6 = 5/6
Titik D :
Pada titik ini nilai X2 = 5 dan nilai X1 = 0Nilai Z = 3(0) + 5(5) = 25
Diantara ke lima alternatif tersebut di atas yang mempunyai nilai Z terbesar adalah
alternatif C, sebesar 271⁄2. Jadi titik inilah yang paling optimal. Keputusannya sepatu
merk I1 dibuat 5/6 lusin dan sepatu merk I2 dibuat 5 lusin setiap hari, dengan laba
setiap hari sebesar Rp 275.000.
10
titik optimal garis Z harus digeser ke ke kiri. Namun, bila ditempuh cara
membandingkan nilai Z pada alternatif minimum maka alternatif yang
mempunyai nilai Z terendah adalah alternative yang optimal.
2) Fungsi Batasan Bertanda “lebih besar atau sama dengan” (>) :
Apabila fungsi batasan tidak bertanda < ; melainkan bertanda > maka
arah daerah feasible akan berada di sebelah kanan atas garis batas
tersebut. Umpama : Batasan ketiga pada permasalah di atas (6X1+ 5X2
< 30) dirubah tanda ketidaksamaannya sehingga menjadi 6X1+ 5X2 > 30
sedangkan batasan- batasan lain tetap, maka daerah feasible yang terjadi
seperti yang tampak pada gambar : yakni segitiga ABC
11
2.3 Program Solver Dalam Metode Grafik Linear Programming
Dalam linear programming, terdapat solutions yang bisa dilakukan yang mana merupakan
jawaban akhir dari suatu masalah, antara lain:
a) Feasible Solution
Feasible Solution merupakan penyelesaian yang tidak melanggar batasan-batasan yang
ada. Misalnya pada grafik di bawah ini:
b) No Feasible Solution
No Feasible Solution berarti tidak ada daerah feasible, yang mana apabila sifat atau letak
batasan-batasan sedemikian rupa sehingga tidak memungkinkan terdapatnya daerah
atau alternatif-alternatif yang feasible. Sebagai contoh, apabila batasan yang ketiga (6X1
+ 5X2 ≤ 30) pada gambar 5 (yang sudah dicontohkan di depan) diubah menjadi 3X1 +
12
5X2 ≥ 60, maka grafiknya seperti tampak pada gambar 10 dibawah ini:
Pada gambar 10 di atas, batasan 2X1 ≤ 8 menyatakan bahwa daerah feasible mulai garis X = 4
ke kiri, batasan 3X2 ≤ 15 menyatakan bahwa daerah feasible mulai garis X2 = 5 ke bawah, dan
batasan 3X1 + 5X2 ≥ 60 menyatakan bahwa daerah feasible mulai garis 3X1 + 5X2 = 60 ke
kanan atas. Akibatnya, tidak ada daerah yang tidak melanggar salah satu dari ketiga batasan
tersebut. Jadi, tidak ada daerah feasible-nya.
c) Optimal Solution
Optimal Solution adalah Feasible Solution yang mempunyai nilai tujuan (nilai Z
dalam fungsi tujuan) yang optimal atau terbaik (maksimum atau minimum). Misal pada
contoh berikut, dimana fungsi tujuan memaksimumkan Z = 3X 1 + 5X2, maka nilai X1,
X2, dan Z pada alternatif-alternatif atau titik-titik A, B, C, dan D pada Gambar 6 (yang
sudah dicontohkan di depan).
Hasilnya seperti terlihat pada tabel dibawah ini:
Multiple Optimal Solution berarti bahwa terdapat beberapa alternatif optimal dalam
suatu masalah. Misalnya, bila fungsi tujuan Z = 3X1 + 5X2 = 10 berikut (garis p pada
gambar 6) diubah menjadi maksimumkan nilai Z = 6X 1 + 5X2, maka fungsi tujuan ini
bila digambarkan akan sejajar dengan batasan ketiga (6X1 + 5X2 ≤ 30). Akibatnya,
gambar dari fungsi tujuan akan sejajar dengan batasan ketiga itu sehingga bila garis itu
digeser ke kanan atas, maka yang feasible dan paling optimal akan berhimpit dengan
batasan ketiga. Oleh sebab itu, titik B dan titik C serta titik-titik yang berada di
13
sepanjang garis itu semuanya mempunyai nilai Z sama dan optimal, dengan Z = 30.
e) Boundary Equation
Boundary Equation terjadi apabila suatu batasan dengan tanda “sama dengan”.Misal,
bila batasan pertama (2X1 ≤ 8), diubah tandanya menjadi “sama dengan” (2X1= 8)
maka daerah feasible terletak sepanjang garis X1 = 4 yang tidak melebihi batasankedua
dan ketiga.
14
Jadi, dalam gambar 8, daerah feasible terletak di sepanjang garis antara titik A dan B.
15
Corner Point Infeasible Solutions adalah titik yang terletak pada perpotongan dua
garis tetapi di luar daerah feasible. Pada gambar 9 adalah titik-titik E (5,0); F(0,6);
dan G(4,5).
h) No Optimal Solutions
No Optimal Solutions terjadi apabila suatu masalah tidak mempunyai jawaban
atau penyelesaian optimal. Hal ini disebabkan oleh faktor-faktor sebagai berikut:
- Tidak ada Feasible Solution
- Ada batasan yang tidak membatasi besar nilai Z. Faktor kedua ini
terjadi andaikatasuatu masalah adalah sebagai berikut:
Fungsi tujuan: Maksimumkan: Z = 3X1 + 5X2
Batasan-Batasan (1) 2X1 ≤ 8
(2) X1 ≤ 5
(3) X1 ≥ 0; X2 ≥ 0
Batasan-batasan diatas dapat digambarkan seperti gambar grafik dibawah ini:
Karena tidak ada batasan yang membatasi X2, maka nilai Z dapat ditambah (digeser ke
kanan) terus tanpa nilai maksimum.
Ketentuan-Ketentuan atau Sifat Linear Programming
Ketentuan-ketentuan berikut ini dipakai sebagai pedoman dalam analisa berikutnya.
Ketentuan 1:
a) Kalau hanya ada satu optimal solution, pasti berupa Corner Point Feasible Solution
b) Kalau Multiple Solutions maka terdapat lebih dari dua titik optimal yang terletak pada
garis yang menghubungkan dua corner solutions
16
Ketentuan 2:
Corner Point Feasible Solutions jumlahnya terbatas. Dalam contoh kita di depan
hanya ada lima titik, yaitu O, A, B, C, D.
Ketentuan 3:
Kalau suatu Corner Point Feasible Solution lebih baik dari dua Corner Point
FeasibleSolutions yang terdekat, maka titik itu merupakan titik optimal atau terbaik
di antara semua Corner Point Feasible Solutions. Dalam contoh kita nilai Z pada
titik C lebih besar dari nilai- nilai pada titik B dan titik D, maka titik C pasti
mempunyai nilai Z terbesar di antara titik-titikO, A, B, C, D. Selama tujuan dari
masalah itu memaksimumkan nilai Z, maka titik C merupakan titik optimal.
17
BAB III
PENUTUP
3.1 Kesimpulan
Dalam linear programming, terdapat solutions yang dapat dilakukan yang mana
merupakan jawaban akhir dari suatu masalah, antara lain: Feasible solution, no feasible
solution, optimal solution, multiple optimal solution, boundary equation, corner point
feasible solutions, corner point infeasible solutions, dan no optimal solutions.
18
DAFTAR PUSTAKA
Pangestu Subagyo, Marwan Asri dan T.Hani Handoko. 2000. Dasar-Dasar Operation
Research. Edisi 2. Yogyakarta; BPFE.
19