DAFTAR ISI

BAB II..................................................................................................................................2
METODE LINEAR PROGRAMMING..............................................................................2
2.1 Definisi Linier Programming...........................................................................2
2.2 Manfaat Penggunaan Linear Programming....................................................3
2.3 Metode yang digunakan.................................................................................4
2.4 Kegunaan Linear Programming.......................................................................4
2.5 Empat Ciri Khusus Yang Linear Programming Yang Melekat...........................5
2.6 Lima Syarat Tambahan Yang Ada Pada Permasalahan Linear Programming...5
2.7 Model Matematis dan Kendala dalam Linier Programming.........................................7
 BAB II
METODE LINEAR PROGRAMMING

2.1 Definisi Linier Programming

Linear Programming merupakan salah satu pendekatan matematik

yang paling sering diterapkan manajerial dalam pengambilan keputusan.

Tujuan dari penggunaan linear programming adalah untuk menyusun suatu

model yang dapat dipergunakan untuk membantu pengambilan keputusan

dalam menentukan alokasi yang optimal dari sumber daya perusahaan ke

berbagai alternatif.

Penggunaan linear programming dalam hal ini adalah mengalokasikan

sumber daya tersebut, sehingga laba akan maksimum atau alternatif biaya

minimum. Alokasi yang dibuat tergantung dari sumber daya yang tersedia dan

permintaan atas sumber daya tersebut. Sedangkan tujuan dari alokasi adalah

memaksimumkan laba atau meminimalkan biaya.

Jadi linear programming adalah sebuah metode matematis yang

berkarakteristik linear untuk menemukan suatu penyelesaian optimal dengan

cara memaksimumkan atau meminimumkan fungsi tujuan terhadap satu

susunan kendala.

Program ini memuat metode grafik, simpleks, eliminasi, subtitusi,

campuran dan dualitas yang digunakan pada proses alokasi. Program ini akan

menjawab persoalan bila:

a. Terdapat sejumlah kegiatan untuk dilaksanakan dan terdapat alternative

cara untuk melaksanakannya.

b. Sumber dan fasilitas tidak tersedia untuk melaksanakan tiap kegiatan

dengan cara yang paling efektif.

Persoalan ialah menggabungkan kegiatan dan sumber sedemikian rupa

hingga terdapat efektivitas keseluruhan secara maksimal.

Berikut ini adalah pendapat yang dikemukakan oleh beberapa ahli:

Morse dan Kimball (1951), mendefinisikan Riset Operasi sebagai

metode ilmiah yang memungkinkan para manajer mengambil keputusan

mengenai kegiatan yang mereka tangani dengan dasar kuantitatif. Yang di

muat dalam (Meflinda & Mahyarni, 2011).

Sedangkan Churchman, Arkoff dan Arnoff (1957) mengemukakan

pengertian riset operasi sebagai aplikasi metode-metode, teknik-teknik, dan

peralatan-peralatan ilmiah dalam menghadapi masalah-masalah yang timbul

didalam operasi perusahaan dengan tujuan ditemukannya pemecahan yang

optimum masalah-masalah tersebut. Yang di muat dalam (Meflinda &

Mahyarni, 2011).

Miller dan M.K. Star (1960) mengartikan Riset Operasi sebagai

peralatan manajemen yang menyatukan ilmu pengetahuan, matematika, dan

logika dalam kerangka pemecahan masalah- masalah yang dihadapi sehari-

hari, sehingga akhirnya permasalahan tersebut dapat dipecahkan secara

optimal. Yang di muat dalam (Meflinda & Mahyarni, 2011).

Dimuat dalam (Prasojo, Bayu Hari, 2018) Definisi Linear

programming adalah suatu teknis matematika yang dirancang guna membantu

manajer dalam merencanakan dan membuat keputusan dalam mengalokasikan

sumber daya yang terbatas guna mencapai tujuan perusahaan.

Dinyatakan oleh (Hutabarat, 2022) definisi Linear Programing ialah

suatu metode analitik paling terkenal dan yang merupakan suatu bagian pada

kelompok teknik-teknik yang disebut dengan programisasi matematik.

Menurut (Kurniawati, N., & HANDAYANI, 2019) pengertian linear

Programing ialah suatu teknik perencanaan yang dengan menggunakan model

matematika dengan tujuan untuk menemukan kombinasi-kombinasi produk

yang terbaik didalam menyusun suatu alokasi sumber daya yang terbatas guna

untuk mencapai tujuan yang digunakan dengan secara optimal.

Linear Programing ialah suatu cara yang lazim digunakan dalam

pemecahan suatu masalah pengalokasian sumber-sumber yang terbatas dengan

secara optimal. Yang dikutip dalam buku karya (Hutabarat, 2022)

Menurut Heizer dan Render (2006), pemrograman linier atau Linear

Programming (LP) merupakan suatu cara untuk menyelesaikan persoalan

pengalokasian sumber-sumber yang terbatas diantara beberapa aktivitas yang

bersaing, dengan berbagai cara yang terbaik yang mungkin dilakukan.dikutip

dalam(Peternakan & Rimba, 2022)

Adapun tujuan dari penggunaan linear programming yang dimuat

dalam (Prasojo, Bayu Hari, 2018) Dengan mempelajari Linear Programming,

diharapkan Anda dapat memahami permasalahan manajemen operasional dan

menemukan solusinya secara efektif dan efisien.

 Fungsi tujuan (constraint function) adalah rumusan fungsi yang

menjadi sasaranuntuk mencapai pemecahan optimum (maksimisasi atau

minimisasi), sedangkan fungsi batasan (constraints functoin) merupakan

rumusan dari sediaan sumberdaya yang membatasi proses optimasi. Program

linier merupakan model analisis yang diterapkan untuk mengalokasikan

sumberdaya yang terbatas pada penggunaan sumberdaya yang bersaing

dengan cara sedemikian rupa guna mendapatkan pemecahan yang optimal

menurut (Natalia dkk,2013) yang di muat dalam (Aprilyanti, 2019).

Dari definisi diatas dapat disimpulkan bahwa Riset Operasi berkenaan

dengan pengambilan keputusan optimal dalam penyusunan model dari sistem-

sistem baik deterministic maupun probabilistic yang berasal dari kehidupan

nyata. Aplikasi-aplikasi ini, yang terjadi dalam pemerintah, bisnis, teknik,

ekonomi, serta ilmu pengetahuan alam dan social ditandai dengan kebutuhan

untuk mengalokasikan sumberdaya-sumberdaya yang terbatas.

2.2 Model linear programming

Model linear programming merupakan bentuk dan susunan dalam menyajikan

masalah-masalah yang akan dipecahkan dengan teknik Linear Programming

(LP).

Model LP mempunyai tiga unsur utama, yaitu:

1. Variabel keputusan yaitu variabel persoalan yang akan mempengaruhi

nilai tujuan yang hendak dicapai. Didalam proses pemodelan, penemuan

variabel keputusan harus dilakukan terlebih dahulu sebelum merumuskan

fungsi tujuan dan fungsi batasan (kendala-kendalanya). Misalnya dengan

 mengajukan pertanyaan: keputusan apa yang harus dibuat agar nilai

fungsi tujuan menjadi maksimum atau minimum.

2. Fungsi tujuan yaitu fungsi yang menggambarkan tujuan dalam

permasalahan LP yang berkaitan dengan pengaturan secara optimal

sumber daya - sumber daya, untuk memperoleh keuntungan maksimal

atau biaya minimum. Dengan simbol Z. Oleh karena itu hanya ada dua

kemungkinan fungsi tujuan, yaitu

a. Maksimumkan Z = f (X1, X2, ...Xn)

b. Minimumkan Z = f (X1, X2, ...Xn)

3. Fungsi batasan (kendala) yaitu bentuk penyajian secara matematis

batasan-batasan kapasitas yang tersedia yang akan dialokasikan secara

optimal ke berbagai kegiatan.

Untuk memudahkan pembahasan model Linear Programming ini,

digunakan simbol-simbol sebagai berikut:

Xj = banyaknya kegiatan j ( j = 1, 2, ..., n). Variabel Xj ini disebut juga

dengan variabel keputusan (decision variables)

Z = nilai fungsi tujuan yang diopotimalkan (maksimum atau minimum)

Cj = kenaikan nilai Z apabila ada pertambanhan tingkat kegiatan (X j)

dengan satu satuan (unit) atau merupakan keuntungan per unit (masalah

maksimasi), biaya per unit (masalah minimasi) kegiatan j terhadap nilai Z.

aij = banyaknya sumber i yang di perlukan guna menghasilkan setiap unit

output kegiatan j (i = 1, 2, ..., m, dan j = 1,2, ..., n)

bi = banyaknya sumber (fasilitas) i yang tersedia untuk dialokasikan ke

setiap unit kegiatan (i = 1,2, ..., m)

Keseluruhan simbol-simbol diatas selanjutnya disusun ke dalam

bentuk tabel standar Linear Programming, seperti pada Tabel 2.1 di

bawah ini:

Tabel 2.1. Data Model linear programming

(Meflinda & Mahyarni, 2011)

Sumber Kegiatan Pemakaian sumber per unit Kapasitas

sumber
1 2 3............n

1 a11 a12 a13.........a1n b1

2 a21 a22 a23.........a2n b2

. . . . ......... . .

. . . . ......... . .

m am1 am2 am3 ........ anm bm

∆ Z per unit c1 c2 c3 ......... cn

Banyak kegiatan x1 x2 x3 ......... xn

Atas dasar Tabel 2.1 di atas, dapat disusun model standard Linear

Programming sebagai berikut:

Fungsi tujuan : Maksimumkan/minimumkan:

Z = ∑ C j.X = C1X1 + C2X2 + ... + CnXn

Dengan kendala atau batasan:

 Batasan pertama artinya: jumlah hasil (barang/jasa) 1 yang dihasilkan oleh

kegiatan 1 dikalikan dengan kebutuhan akan sumber 1 per satuan (berarti

total alokasi 1 untuk kegiatan 1) ditambah dengan hasil kegiatan 2

dikalikan dengan kebutuhan tiap satuan keluaran 2 terhadap sumber 1 (dan

seterusnya sampai dengan kegiatan ke-n) tidak akan melebihi atau sama

dengan atau tidak boleh kurang dari jumlah (kapasitas) tersedianya sumber

1 (yang dinyatakan dengan b1). Hal ini berlaku untuk batasan-batasan

lainnya sampai ke m.

 Fungsi-fungsi batasan dapat di kelompokkan menjadi 2 macam, yaitu:

1. Fungsi batasan fungsional, adalah fungsi-fungsi batasan sebanyak m

yaitu a11X1 + a12X2 + ... + a1nXn

2. Fungsi batasan non negatif (non negative constraints) yaitu fungsi-

fungsi batasan yang dinyatakan dengan Xi > 0

 Variabel Xj disebut sebagai variabel keputusan (decision variables)

  aij, bi, Cj, yaitu masukan-masukan input konstan, disebut sebagai parameter

model.

Manfaat Penggunaan Linear Programming.

Manfaat penggunaan linear programming akan terlihat jika Jumlah

permintaan harus sama dengan jumlah penawaran Persamaan linear atau

disebut juga sebagai persamaan garis adalah persamaan yang mengandung

peubah dengan pangkat tertinggi 1. Suatu persamaan linear minimal

mengandung salu peubah. Persamaan linear dengan satu peubah bisa

diselesaikan secara langsung dengan menggunakan konsep aljabar. Sedangkan

untuk persamaan linear dengan dua peuban atau iebih,. untuk mendapatkan

penyelesaannya memerlukan minimal persamaan sebanyak peubah pada

masing-masing persamaan. Dua persamaan linear atau lebih yang memiliki

penyelesaian yang sama disebut sebagai system persamaan linear. system

persamaan linear bisa diselesaikan dengan menggunakan metode grafik,

substitusi, eliminasi, campuran substitusi-eliminasi, dan dengan menggunakan

Matriks. Lincar Programming (Lp) adalah salah satu teknik Riset Operasional

untuk memecahkan persoalan optimalisaas (memaksimalkan dan

meminimalkan) dengan menggunakan persamaan dan pertidaksamaan linear

guna mencari pemecahan yang optimum dengan memperhatikan pembatas-

pembatas yang ada. Dengan demikian dalam keadaan sumber yang terbatas

harus dicapai suatu hasil yang optimum, dengan perkataan lain bagaimana

cara agar dengan masukan (input) yang serba terbatas dapat dicapai hasil kerja

keluaran (Ouput) berupa produk barang dan jasa yang optimum. LP akan

memberikan banyak sekali hasil pemecahan persoalan sebai alternatif

 pengambilan tindakan atau keputusan akan tetapi hanya ada satu yang

optimum.(Sari, 2018)

2.3 Metode yang digunakan

Berikut beberapa metode/pendekatan yang dapat digunakan untuk

menyelesaikan persoalan-persoalan Linear Programming (LP), yaitu

dengan metode grafis dan dengan metode simpleks. Bila persoalan LP

hanya mempunyai 2 (dua) variabel keputusan, maka dua metode tersebut

dapat dipergunakan. Bila variabel yang terlibat dalam penyelesaian LP

lebih dari dua, maka metode grafis tidak dapat dipergunakan lagi.

Metode yang lazim diterapkan untuk memecahkan persoalan LP yang

mempunyai variabel keputusan lebih dari dua adalah metode simpleks.

Melalui metode simpleks, kombinasi variabel keputusan optimal

diselesaikan dengan menggunakan pendekatan matematis.

Program Linear Sistem Persamaan Linear Dua Variabel Suatu program

linear dalam bentuk Sistem Persamaan Linear Dua Variabel dapat

diselesaikan dengan beberapa metode, yakni:

a. Metode Grafik
Metode grafik dapat digunakan untuk pemecahan masalah

pemrograman linier yang hanya memiliki dua atau tiga variabel. Grafik

disusun dari persamaan yang telah diformulasikan sedemikian sehingga

akan didapatkan titik-titik sebagai solusi, yang merupakan hasil dari

perpotongan garis. Apabila dalam suatu pemrograman linear terdapat lebih

dari 2 variabel, yaitu misalnya tiga variabel dan , maka metode grafik ini

tidak dapat digunakan. Berikut ini adalah langkah-langkah pemecahan

 dengan metode grafik :

1. Gambarkan garis-garis kendala pada sumbu koordinat. Anggap

kendalanya sebagai suatu persamaan.
2. Tentukan daerah dalam bidang koordinat yang memenuhi semua kendala
(daerah feasible), kemudian tentukan semua titik daerah feasible tersebut.
3. Membuat grafik untuk kendala-kendala yang ada dalam suatu bagian.
Untuk membuat fungsi grafik fungsi kendala yang berbentuk
pertidaksamaan (≤ dan ≥) diubah terlebih dahulu kedalam bentuk
persamaan (=).
4. Menentukan area kelayakan solusi pada grafik tersebut. Area layak dapat
dilihat dari pertidaksamaan pada kendala. Apabila kendala dalam bentuk
≤, maka daerah arsiran/layak terjadi pada bagian kiri/bawah/kiri bawah,
tetapi apabila bentuk pertidaksamaan ≥, maka pengasrsiran dilakukan ke
kanan/atas/kanan atas. Apabila bentuk persamaan (=), maka daerah layak
terjadi pada garis tersebut(berimpit).
5. Hitung nilai fungsi tujuan untuk semua titik sudut daerah layak. Untuk
keputusannya, plih koordinat titik yang memberikan nilai terbesar untuk
fungsi tujuan maksimasi, dan nilai fungsi terkecil untuk tujuanminimasi.

Sebagai illustrasi, misal suatu industri UKM memproduksi dua jenis

produk yang dikerjakan secara manual, yaitu produk A dan B. Setiap unit
produk A memerlukan waktu 20 menit pada proses II dan 24 menit pada
proses III, sedangan setiap unit produk B memerlukan waktu 15 menit pada
proses I, 16 menit pada proses II, dan 30 menit pada proses III. Produk A
memberikan laba sebesar 170/unit dan produk B memberikan laba sebesar
190/. Jam kerja per hari yang tersedia untuk proses I, II, dan III masing-
masing 1050 menit, 1600 menit, dan 2400 menit. Tentukan jumlah produksi A
dan B untuk memaksimumkan laba.
Selanjutnya akan diuraikan penyelesaian contoh kasus diatas dengan
menggunakan metode grafik. Terlebih dahulu tuliskan kembali informasi
dalam bentuk tabel.

Penyelesaian:
Strategi pembelajaran program linear menggunakan metode grafik(Asmara et
al., 2018)
proses Produk I Produk II
I - 15
II 20 16
III 24 30
Laba 170 190
 Selanjutnya maksimumkan Z = 170X1 + 190X2 dengan kendala:
150X2 < 1050
20X1 + 16X2 < 1600
24X1 + 30X2 < 2400
X1,X2 > 0
Sedemikian rupa sehingga persamaan yang diperoleh adalah :
 150X2 = 1050
X2 = 70
 20X1 + 16X2 = 1600
X1 = 0  X2 = 100 F(0,100)
X2 = 0  X2 = 80 D(80,0)
 24X1 + 30X2 = 2400
X1 = 0  X2 = 80E(0,80)
X2 = 0  X2 = 100H(100,0)

Selanjutnya solusi dinyatakan dalam grafik sebagai berikut :

Gambar 1. Solusi Pemrograman Linier Metode Grafik

Grafik yang ditunjukkan pada Gambar 1 disusun dengan menggunakan aplikasi

GeoGebra (Harahap, 2017). Software aplikasi GeoGebra dapat digunakan untuk
menggambarkan grafik berdasarkan pada persamaan atau pertidaksamaan yang
diketahui, atau berdasarkan pada titik-titik koordinat tertentu (Nur’aini, 2017).
Berdasarkan pada Gambar 1, daerah yang bersamaan memenuhi ketiga
kendala ditunjukan oleh area gambar diatas yang diarsir O-ABCD dan
dinamakan sebagai daerah feasible, karena memenuhi solusi dari semua
pembatas yang ada. Titik-titik koordinat dapat diketahui yaitu titik O(0;0), titik
D(80;0), titik A(0;70). Sedangkan titik B dan titik C dapat dicari dengan
menemukan perpotongan antara dua garis yang saling menyinggung, yaitu
dengan cara substitusi atau eliminasi.
Dengan demikian, koordinat dari titik B didapat dengan mensubstitusikan
kendala 150 X2 = 1050 dengan kendala 20X1 + 16X2 = 1600 dan diperoleh
(12,5;70). Titik C diperoleh dengan cara yang sama antara kendala 20X1 +
16X2 = 166 dengan kendala 24X1 + 30X2 = 2400 yaitu (400/9;400/9).
Selanjutnya dilakukan pengujian dari seluruh titik koordinat didaerah feasible
yang diperoleh ke persamaan tujuan. Maka akan diperoleh hasil terbesar untuk
masalah maksimasi dan hasil terkecil untuk masalah minimasi.

Titik A :
Z = 170(0) + 190(70) = 13.300
Titik D :
Z = 170(80) + 190(0) = 13.600
Titik B :
Z = 170(12,5) + 190(70) = 15.425
Titik C :
Z = 170(400/9) + 190(400/9) = 16.000
Dari pengujian daerah feasible, maka yang memberikan nilai optimum
adalah titik C. Jadi jumlah produksi 1 (X1) yang harus dibuat adalah 400/9 dan
jumlah produksi 2 (X2) yang harus dibuat adalah 400/9 agar produksi maksimal
dengan keuntungan optimum sebesar Rp.16.000.

b. Metode Eliminasi
Penyelesaian suatu program linear dengan cara elimimnasi dapat
dilakukan dengan menyelesaikan sistem persamaan linear dua variabel
menggunakan cara eliminasi dan menghilangkan suatu variabel dari
sistem persamaan linear dua variabel dengan menyamakan koefisien dari
sistem persamaan linear dua variabel yang ada.
c. Metode Subtitusi
Menurut Kamus Besar Bahasa Indonesia (KBBI), substitusi berarti
penggantian. Metode substitusi dilakukan dengan melakukan penggantian
variabel pada persamaan yang satu dengan persamaan lainnya. Metode ini
digunakan dengan syarat salah satu persamaan telah diselesaikan untuk
variabel tertentu (Fauzziyah, 2020).
Metode subtitusi merupakan suatu cara penyelesaian program linear
dengan mengganti salah satu variabel dalam sistem persamaan linear dua
variabel. Penyelesaian suatu program linear dengan metode subtitusi dapat
 dilakukan dengan langkah-langkah:
a. Ganti salah satu variabel dalam sistem persamaan linear dua variabel
menjadi persamaan dalam bentuk: 𝑥 = 𝑎𝑦 + 𝑏 atau 𝑦 = 𝑐𝑥 + 𝑑.
b. Subtitusikan persamaan tersebut ke dalam persamaan kedua.
c. Selesaikan persamaan kedua yang sudah disubstitusikan.
d. Subtitusikan nilai variabel yang sebelumnya sudah didapatkan ke
persamaan pertama.

d. Metode Campuran
Metode campuran adalah suatu metode untuk menyelesaikan sistem
persamaan linear dua variabel yang merupakan campuran dari metode
eliminasi dan metode subtitusi.

e. Metode simpleks
Metode Simpleks merupakan salah satu teknik penyelesaian dalam
pemrograman linier yang digunakan sebagai teknik pengambilan keputusan
dalam permasalahan yang berhubungan dengan pengalokasian sumberdaya
secara optimal yang meliputi banyak pertidaksamaan dan banyak variabel.
Beberapa studi telah dilakukan dengan menggunakan pendekatan metode
Simpleks. Penelitian Wulandari (2012) misalnya melakukan kajian di UD
Pabrik Tahu Sukajaya Klender, Jakarta Timur.
Kelebihan dari metode ini adalah mampu menghitung dua atau lebih
variabel keputusan apabila dibandingkan dengan metode grafik yang hanya
mampu mengaplikasikan dua variabel keputusan. Beberapa istilah yang
digunakan dalam metode simpleks adalah sebagai berikut:
a) Iterasi, seperti yang disebutkan sebelumnya adalah tahapan
perhitungan dimana nilai dalam perhitungan itu tergantung dari nilai
tabel sebelumnya.
b) Variabel non basis, adalah variabel yang nilainya diatur menjadi nol
pada sembarang literasi.
c) Variabel basis, merupakan variabel yang nilainya bukan nol pada
sembarang literasi. Pada solusi awal, variabel basis merupakan
variabel slack (jika fungsi kendala menggunakan pertidaksamaan <)
atau variabel buatan (jika fungsi kendala menggunakan persamaan >
atau =). Secara umum, jumlah variabel batas selalu sama dengan
jumlah fungsi pembatas.
d) 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.
e) Variabel Slack, adalah variabel yang ditambahkan ke model
matematik kendala untuk mengkonversikan pertidaksamaan <
menjadi persamaan (=).
 f) Variabel Surplus, adalah variabel yang dikurangkan dari model
matematik kendala untuk mengkonversikan pertidaksamaan >
menjadi persamaan (=).
g) Variabel Buatan, adalah variabel yang ditambahkan ke model
matematik kendala dengan bentuk > atau = untuk difungsikan
sebagai variabel basis awal.
h) Kolom Kerja, adalah kolom yang memuat variabel masuk. Koefisien
pada kolom ini akan menjadi pembagi nilai kanan untuk menentukan
baris kerja.
i) Baris Pivot (Baris Kerja), adalah salah satu baris dari antara variabel
baris yang memuat variabel keluar.
j) Elemen Kerja, adalah elemen yang terletak pada perpotongan kolom
dan baris pivot. Elemen pivot akan menjadi dasar perhitungan untuk
tabel simpleks
k) berikutnya.
l) 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.
m) Variabel Keluar, variabel yang keluar dari variabel basis pada iterasi
berikutnya dan digantikan dengan variabel masuk. Variabel keluar
dipilih satu dari antara variabel basis pada setiap iterasi dan bernilai
0.
Langkah-langkah pemecahan dengan metode Simpleks :
1) Mengubah fungsi tujuan dan batasan-batasan.
2) Menyusun persamaan-persamaan didalam tabel.
3) Memilih kolom kunci.
4) Memilih baris kunci.
5) Mengubah nilai-nilai baris kunci.
6) Mengubah nilai-nilai selain pada baris kunci.
7) Melanjutkan perbaikan.
Sebagai contoh kasus, misal suatu perusahaan akan membuat kain sutra dan
kain wol, yang terbuat dari benang sutra 3kg untuk pembuatan kain sutra dan
benang sutra 4kgdan benang wol 1kg untuk pembuatan kain wol. Masing-
masing membutuhkan masa kerja 2 jam untuk kain sutra dan kain wol. Benang
sutra kurang dari 1200kg, benang wol kurang dari 20kg dan masa kerja kurang
dari 40 jam. Berapakah yang harus diproduksi untuk mendapatkan laba
maksimal dengan Z = 30X1 + 40X2 ?
Solusi untuk kasus diatas adalah sebagai berikut. Langkah pertama, susun
informasi dalam bentuk tabel, selanjutnya tampilkan fungsi tujuan dan fungsi
kendala.
 Strategi pembelajaran program linear menggunakan metode
simpleks(Asmara et al., 2018)

Produk (kain) Benang sutra Benang wol Masa kerja Laba

(kg) (kg) (jam)
Sutra 3 - 2 30
Wol 4 1 2 40
120 20 40

Fungsi tujuan : Z = 30X1 + 40X2

Fungsi kendala :
- Benang sutra : 3X1 + 4X2 < 120
- Benang wol : X2 < 20
- Masa kerja : 2X1 + 2X2 < 40

Batasan non negatif : X1,X2,S1,S2,S3 > 0

1) Mengubah fungsi tujuan dan fungsi kendala

 Fungsi Tujuan :
Z = 30X1 + 40X2
Z - 30X1 – 40X2 = 0

 Fungsi kendala :
- Benang Sutra
3X1+ 4X2 < 120
3X1 +4X2 + S1 < 120

 Benang wol
X2 < 20
X2 + S2 < 20

 Masa kerja :
2X1 + 2X2 < 40
2X1 + 2X2 + S3 < 40
2) Menyusun persamaan ke dalam tabel
NB X1 X2 S1 S2 S3 S4 Ind
 Z -30 -40 0 0 0 0
S1 3 4 0 0 0 120
S2 0 1 0 1 0 20
S3 2 2 0 0 1 40

3) Menentukan kolom kunci

Kolom kunci adalah kolom yang mempunyai
nilai baris Z yang bernilai negatif dengan
angka terbesar.
NB X1 X2 S1 S2 S3 S4 Ind
Z -30 -40 0 0 0 0
S1 3 4 0 0 0 120
S2 0 1 0 1 0 20
S3 2 2 0 0 1 40

5) Menentukan nilai baris kunci baru

Baris kunci baru = baris kunci/angka kunci

sehingga tabel menjadi sebagai berikut:

NB X1 X2 S1 S2 S3 NK Ind
Z
S1
S2
X2 1 1 0 0 1/2 20

6) Mengubah nilai-nilai selain baris kunci

Baris baru = baris lama – (nilai kolom

kunci*nilai baris kunci baru)
7) Menentukan nilai baris baru
NB X1 X2 S1 S2 S3 NK Ind
Z 10 0 0 0 20 800
S1 -1 1 0 0 -2 40
S2 -1 0 0 1 -1/2 0
X2 1 1 0 0 1/2 20

Dari hasil diatas dapat disimpulkan bahwa karena nilai Z sudah positif, maka
diperoleh hasil: maka Zmax = 800. Apabila nilai Z masih negatif, maka harus
melakukan perbaikan sampai diperoleh nilai Z yang positif.
Penyelesaian metode simpleks dapat juga dilakukan dengan menggunakan
aplikasi komputer, salah satu aplikasi yang umum digunakan adalah QM for
Windows.

Gambar 2. Tampilan input data pada QM for Windows untuk selanjutnya

akan diproses penyelesaiannya menggunakan metode simpleks
 Gambar 3. Solusi akhir dengan penyelesaian menggunakan metode
simpleks
Berdasarkan pada Gambar 2 dan Gambar 3, dapat dilihat bahwa nilai
optimum yang dihasilkan untuk mendapatkan laba yang maksimal adalah 800
dengan memproduksi kain wol sebanyak 20 kg.

Fuzzy Linear Programming Menurut Kusumadewi dan Purnomo (2010),

penyelesaian dengan Fuzzy Linear Programming
(FLP), adalah pencarian suatu nilai Z yang merupakan fungsi obyektif
yang akan dioptimasikan sedemikian rupa sehingga tunduk pada batasan-
batasan yang dimodelkan dengan menggunakan himpunan fuzzy. Dalam
penjelasan selanjutnya hanya akan dibahas untuk persoalan maksimisasi. Model
matematika untuk persoalan maksimasi adalah sebagai berikut: Tentukan x
sedemikian hingga :
Ctx>z
Ax<b
X>0
Dengan tanda < merupakan bentuk fuzzy dari < yang menginterpretasikan
pada dasarnya kurang dari atau sama dengan.
Demikian pula, tanda < merupakan bentuk fuzzy dari ‘≥’ yang
menginterpretasikan pada dasarnya lebih dari atau sama dengan. Untuk kasus
minimasi pada Fuzzy Linear Programming.
2.4 Kegunaan Linear Programming

a. linear programming sebagai alat pengambilan keputusan

b. Penjadwalan merupakan proses pembuatan keputusan yang digunakan

secara rutin dalam industri manufaktur dan jasa [1]. Beberapa hal

yang perlu diperhatikan sebelum melakukan penjadwalan produksi

adalah jumlah dan jenis pekerjaan, perkiraan waktu penyelesaian

 suatu pekerjaan, batas waktu penyelesaian pekerjaan, dan situasi

pekerjaan yang dihadapi [2]. Situasi pekerjaan yang dihadapi pada

suatu perusahaan dengan perusahaan lainnya dapat berbeda.

Perbedaan tersebut meliputi jumlah mesin yang digunakan dan sistem

produksi yang berlangsung. Menurut Nasution and Prasetyawan [3]

terdapat tiga jenis dasar sistem produksi yaitu proyek, job shop, dan

flow shop. Yang di jelaskan dalam(Livia & Oktiarso, 2017).

3.Menurut (Sugiyono, 2019) linear programming membantu

perusahaan dengan cara mengombinasikan variasi produk yang ada

berdasarkan keterbatasan sumber daya yang dimiliki oleh perusahaan.

Dengan demikian perusahaan dapat melakukan produksi secara

optimal untuk memperoleh keuntungan maksimal.

Dimuat dalam (Meflinda & Mahyarni, 2011) Operation Research

sangat berguna dalam menghadapi masalah-masalah, bagaimana

mengarahkan dan mengkoordinasikan operasi-operasi atau kegiatan-

kegiatan dalam suatu organisasi dengan segala keterbatasannya

melalui prosedur “search for optimality”.

2.5 Empat Ciri Khusus Linear Programming Yang Melekat

1. Penyelesaian masalah mengarah pada pencapaian tujuan

maksimalisasi atau minimalisasi.

2. Kendala yang ada mempengaruhi tingkat pencapaian tujuan.

3 Mempunyai beberapa alternatif penyelesaian

4 Hubungan matematis yang bersifat linear

2.6 Lima Syarat Tambahan Yang Ada Pada Permasalahan

 Linear Programming.

Secara teknis, ada lima syarat tambahan yang harus

diperhatikan yang menjadi asumsi dasar, yaitu:

1. Certainty (kepastian). Maksudnya adalah fungsi tujuan dan fungsi

kendala yang sudah diketahui dengan pasti dan tidak akan berubah

selama periode analisa.

2. Proportionality (proporsionalitas). Maksudnya adalah adanya

proporsionalitas dalam fungsi tujuan dan fungsi kendala.

3. Additivity (penambahan). Artinya aktivitas total sama dengan

penjumlahan pada aktivitas individu.

4. Divisibility (bisa dibagi-bagi). Maksudnya adalah solusi tidak harus

merupakan bilangan integer (bilangan bulat), tetapi bisa juga berupa

pecahan.

5. Non-negative variable (variabel tidak negatif). maksudnya bahwa

semua nilai jawaban atau variabel tidak negatif.

Dalam upaya menyelesaikan permasalahan dengan

menggunakan Linear Programming, ada dua pendekatan yang bisa

digunakan, yaitu metode grafik dan metode simpleks. Metode grafik

hanya bisa digunakan untuk menyelesaikan 3 permasalahan dimana

variabel keputusan sama dengan dua. Sedangkan metode simpleks

bisa digunakan untuk menyelesaikan permasalahan dimana variabel

keputusan ada dua atau lebih.

Dalam halaman ini, akan dibahas Linear Programming dengan

metode grafik maupun simpleks pada fungsi tujuan baik yang

 maksimum ataupun minimum. Dengan mempelajari Linear

Programming, diharapkan Anda sekalian dapat memahami

permasalahan yang ada pada manajemen operasi dan menemukan

solusinya secara efektif dan efisien.

Disamping itu, setelah mempelajari buku ini diharapkan Anda

dapat:

1. Mengenal serta memahami linear programming sebagai

alat pengambilan keputusan

2. Merumuskan permasalahan-permasalahan operasional ke

dalam bentuk linear programming.

3. Menyelesaikan permasalahan-permasalahan linear

programming menggunakan grafik/ matematik

4. Dapat memahami permasalahan infasibility,

unboundedness, alternative optima, dan redundancy.

2.7 Karakteristik Program Linear

Berdasarkan penelitian yang dilakukan oleh Tjutju Tarliyah dan Ahmad
Dimyati, suatu program linear umumnya memiliki karakteristik sebagai berikut:
1. Sifat linearitas

Sifat linearitas dalam suatu program linear dapat ditentukan secara statistik,

dengan menggunakan grafik (diagram pencar) atau uji hipotesa dan ditentukan

secara teknis dengan adanya sifat proporsionalitas, additivitas, divisibilitas dan

kepastian fungsi tujuan dan pembatas.

2. Sifat proporsional

Sifat proporsional dapat dipenuhi jika terdapat kontribusi setiap variabel pada

fungsi tujuan atau penggunaan sumber daya yang membatasi proporsional

terhadap level nilai variabel.

3. Sifat addivitas

Sifat addivitas dalam program linear mengasumsikan bahwa tidak ada bentuk

perkalian silang dalam penyelesaian suatu program linear, sehingga tidak akan

ditemukan bentuk perkalian silang pada suatu program linear. Sifat additivitas

berlaku bagi fungsi tujuan maupun fungsi pembatas (kendala). Sifat additivitas

dipenuhi jika fungsi tujuan merupakan penambahan langsung kontribusi

masingmasing variabel keputusan. Sedangkan, dalam fungsi kendala, sifat

additivitas dipenuhi jika nilai kanan merupakan total penggunaaan masing-masing

variabel keputusan.

4. Sifat divisibilitas

Sifat divisibilitas dalam program linear berarti unit aktivitas dapat dibagi dalam

berbagai level fraksional, sehingga nilai variabel keputusan non integer dapat

dimungkinkan.

5. Sifat kepastian
Sifat kepastian menunjukkan bahwa semua parameter model berupa konstanta,

seperti dalam koefisien fungsi tujuan dan fungsi pembatas.

6. Ciri Masalah yang Dapat Diselesaikan Menggunakan Program Linear

Menurut Jong Jek Siang, masalah matematika yang dapat diselesaikan dengan

program linear mempunyai ciri-ciri, yakni:

1. Semua variabel penyusunnya bernilai positif.

2. Fungsi objektif dapat dinyatakan sebagai fungsi linear variabel-variabelnya.

3. Kendala dapat dinyatakan sebagai suatu sistem persamaan linear.

7. Asumsi Dasar Program Linear

Menurut Pangestu Subagyo, Tjutju Tarliyah, dan Ahmad Dimyati, untuk

membentuk suatu model program linear perlu diterapkan berbagai asumsi dasar,

yaitu:

1. Asumsi Kesebandingan (Proportionality)

Asumsi kesebandingan menyatakan bahwa naik turunnya fungsi tujuan akan

berubah secara sebanding (proportional) dengan perubahan tingkat kegiatan.

Sehingga, bedasarkan asumsi kesebandingan, kontribusi setiap variabel keputusan

terhadap fungsi tujuan adalah sebanding.

2. Asumsi Penambahan (Addivity)

Asumsi penambahan menyatakan bahwa kontribusi setiap variabel keputusan

terhadap fungsi tujuan bersifat tidak bergantung pada nilai dari variabel keputusan
lain atau nilai fungsi tujuan pada setiap kegiatan tidak bersifat saling

mempengaruhi.

3. Divisibility (Dapat Dibagi)

Asumsi divisibility menyatakan bahwa output atau hasil dari suatu proses dapat

berupa bilangan pecahan.

4. Deterministic (Kepastian)

Asumsi ini menyatakan bahwa semua konstanta (parameter) yang digunakan

dalam program liner diasumsikan mempunyai nilai yang dapat diperkirakan pasti.

8. Istilah dalam Program Linear

Menurut Siswanto dan Abdillah, suatu program linear disusun oleh berbagai unsur

utama, yakni:

1. Variabel Keputusan

Variabel keputusan adalah variabel yang akan mempengaruhi nilai tujuan yang

akan dicari. Variabel keputusan umumnya diberikan simbol 𝑢, 𝑣, 𝑤, …, dan jika

cukup banyak biasanya digunakan 𝑥1, 𝑥2, 𝑥3, . . . , 𝑦1, 𝑦2, 𝑦3, dan seterusnya.

2. Nilai Ruas Kanan

Nilai ruas kanan dalah nilai-nilai yang menunjukkan jumlah ketersediaan sumber

daya untuk dimanfaatkan sepenuhnya. Simbol yang digunakan biasanya

𝑏1 dengan 1 adalah banyaknya kendala.

3. Variabel Tambahan

Variabel tambahan adalah suatu variabel yang menyatakan penyimpangan positif

atau negatif dari nilai ruas kanan. Variabel tambahan dalam program linear yang

umumnya diberi simbol 𝑠1, 𝑠2, 𝑠3.

4. Koefisien Teknik

Koefisien teknik umumnya diberi simbol 𝑎ij. Koefisien teknik menyatakan setiap

unit penggunaan 𝑏j dari setiap variabel 𝑥j.

5. Fungsi Tujuan (fs tujuan)

Fungsi tujuan adalah pernyataan matematika linear yang menyatakan hubungan 𝑍

dengan jumlah dari perkalian semua koefisien fungsi tujuan. Fungsi tujuan

selanjutnya akan dioptimumkan terhadap berbagai fungsi kendala yang ada.

6. Nilai Tujuan (𝑍)

Nilai tujuan adalah nilai dari fungsi tujuan yang belum diketahui dan akan dicari

nilai optimumnya. 𝑍 dibuat sebesar mungkin untuk masalah minimum dan dibuat

sekecil mungkin untuk masalah maksimum.

7. Koefisien Fungsi Tujuan

Koefisien fungsi tujuan adalah nilai yang menyatakan kontribusi per unit kepada

𝑍 untuk setiap j𝑥 dan disimbolkan dengan j𝑐 .

8. Fungsi Kendala (fs kendala)

Fungsi kendala merupakan suatu pembatas terhadap berbagai variabel keputusan

yang telah dibuat.

9. Fungsi Nonnegatif

Fungsi nonnegatif menyatakan bahwa setiap variabel dalam program linear harus

bernilai positif.

2.8 Model Matematis dan Kendala dalam Linier Programming

Model matematis pemrograman linier mempunyai struktur baku

tertentu agar realitas dapat dijelaskan dengan baik oleh model. Struktur model

matematis teknik pada pemrograman linier diawali oleh fungsi matematika

yang mencerminkan tujuan model.

Hanya terdapat dua fungsi tujuan dalam LP yaitu:

Maksimumkan Z = f (X1, X2, ….., Xn)

Minimumkan Z = f (X1, X2, ….., Xn)

Notasi Z dipakai untuk menandai fungsi tujuan, dimana nilai Z

tergantung pada nilai X1, X2, ….., Xn yang memiliki fungsi sebagai variabel

bebas.

Kendala yang ada pada konsep adalah fungsi matematika Linier

Programming merupakan faktor yang mengendalikan nilai variabel

keputusan. Peranan kendala secara matematis terlihat pada tanda kendala.

Kendala berupa pembatas dimasukkan ke dalam fungsi matematika berupa

pertidaksamaan dengan tanda ≤.

 Kendala yang berupa syarat dimasukkan ke dalam fungsi matematika

yang berupa pertidaksamaan dengan tanda ≥. Kendala yang berupa keharusan

mengendalikan nilai pada ruas kiri agar nilainya sama dengan nilai pada ruas

kanan menggunakan persamaan tanda =

Kapasitas/nilai kendala ditaruh disebelah kanan tanda kendala

sehingga biasanya disebut sebagai nilai ruas kanan (Right Hand Side / RHS).

Pengalokasian dan Penggunaan model linear programming dalam hal

ini adalah dengan mengoptimalkan sumberdaya yang tersedia sedemikian

rupa sehingga akan maksimum atau alternatif minimum.

Ada empat kondisi utama yang diperlukan dalam penerapannya:

1. Harus adanya sumber daya yang terbatas

2. Ada suatu fungsi tujuan seperti memaksimalkan atau

meminimalkan

3. Harus ada linearitas

4. Harus ada keseragaman

Aprilyanti, S. (2019). OPTIMASI KEUNTUNGAN PRODUKSI PADA INDUSTRI
KAYU PT . INDOPAL HARAPAN MURNI MENGGUNAKAN LINEAR.
XIII(1), 1–8.
Asmara, T., Rahmawati, M., Aprilla, M., Harahap, E., & Darmawan, D. (2018).
Strategi Pembelajaran Pemrograman Linier Menggunakan Metode Grafik
Dan Simpleks. Teknologi Pembelajaran, 3(1), 506–514.
Hutabarat, J. (2022). Pengantar Teknik Industri. Media Nusa Creative (MNC
Publishing).
Livia, C. Y., & Oktiarso, T. (2017). Penjadwalan Untuk Memininimalkan Total
Tardiness Dengan Metode Integer Linear Programming. Jurnal Teknik
Industri, 18(2), 127–137. https://doi.org/10.22219/jtiumm.vol18.no2.127-137
Meflinda, A., & Mahyarni, M. (2011). Operations Research (Riset Operasi): Vol.
I (pp. 1–114). UR PRESS pekanbaru.
Peternakan, D. I., & Rimba, M. (2022). No Title.
Prasojo, Bayu Hari, R. E. F. (2018). Riset Dan Operasi. UMSIDA Press.
Sari, F. (2018). Metode dalam pengambilan keputusan. Deepublish.
Sugiyono. (2019). Metode penelitian Kuantitatif,Kualitatif dan R&D (2nd ed.).
Alfabeta Bandung.