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
berbagai alternatif.
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
susunan kendala.
campuran dan dualitas yang digunakan pada proses alokasi. Program ini akan
Mahyarni, 2011).
suatu metode analitik paling terkenal dan yang merupakan suatu bagian pada
yang terbaik didalam menyusun suatu alokasi sumber daya yang terbatas guna
ekonomi, serta ilmu pengetahuan alam dan social ditandai dengan kebutuhan
(LP).
atau biaya minimum. Dengan simbol Z. Oleh karena itu hanya ada dua
dengan satu satuan (unit) atau merupakan keuntungan per unit (masalah
bawah ini:
. . . . ......... . .
. . . . ......... . .
Atas dasar Tabel 2.1 di atas, dapat disusun model standard Linear
seterusnya sampai dengan kegiatan ke-n) tidak akan melebihi atau sama
dengan atau tidak boleh kurang dari jumlah (kapasitas) tersedianya sumber
lainnya sampai ke m.
model.
untuk persamaan linear dengan dua peuban atau iebih,. untuk mendapatkan
Matriks. Lincar Programming (Lp) adalah salah satu teknik Riset Operasional
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
optimum.(Sari, 2018)
lebih dari dua, maka metode grafis tidak dapat dipergunakan lagi.
a. Metode Grafik
Metode grafik dapat digunakan untuk pemecahan masalah
pemrograman linier yang hanya memiliki dua atau tiga variabel. Grafik
dari 2 variabel, yaitu misalnya tiga variabel dan , maka metode grafik ini
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 = 80E(0,80)
X2 = 0 X2 = 100H(100,0)
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)
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
NB X1 X2 S1 S2 S3 NK Ind
Z
S1
S2
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.
secara rutin dalam industri manufaktur dan jasa [1]. Beberapa hal
terdapat tiga jenis dasar sistem produksi yaitu proyek, job shop, dan
kendala yang sudah diketahui dengan pasti dan tidak akan berubah
pecahan.
dapat:
Sifat linearitas dalam suatu program linear dapat ditentukan secara statistik,
dengan menggunakan grafik (diagram pencar) atau uji hipotesa dan ditentukan
2. Sifat proporsional
Sifat proporsional dapat dipenuhi jika terdapat kontribusi setiap variabel pada
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
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,
Menurut Jong Jek Siang, masalah matematika yang dapat diselesaikan dengan
membentuk suatu model program linear perlu diterapkan berbagai asumsi dasar,
yaitu:
terhadap fungsi tujuan bersifat tidak bergantung pada nilai dari variabel keputusan
lain atau nilai fungsi tujuan pada setiap kegiatan tidak bersifat saling
mempengaruhi.
Asumsi divisibility menyatakan bahwa output atau hasil dari suatu proses dapat
4. Deterministic (Kepastian)
dalam program liner diasumsikan mempunyai nilai yang dapat diperkirakan pasti.
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
cukup banyak biasanya digunakan 𝑥1, 𝑥2, 𝑥3, . . . , 𝑦1, 𝑦2, 𝑦3, dan seterusnya.
Nilai ruas kanan dalah nilai-nilai yang menunjukkan jumlah ketersediaan sumber
atau negatif dari nilai ruas kanan. Variabel tambahan dalam program linear yang
4. Koefisien Teknik
Koefisien teknik umumnya diberi simbol 𝑎ij. Koefisien teknik menyatakan setiap
dengan jumlah dari perkalian semua koefisien fungsi tujuan. Fungsi tujuan
Nilai tujuan adalah nilai dari fungsi tujuan yang belum diketahui dan akan dicari
nilai optimumnya. 𝑍 dibuat sebesar mungkin untuk masalah minimum dan dibuat
Koefisien fungsi tujuan adalah nilai yang menyatakan kontribusi per unit kepada
9. Fungsi Nonnegatif
Fungsi nonnegatif menyatakan bahwa setiap variabel dalam program linear harus
bernilai positif.
tertentu agar realitas dapat dijelaskan dengan baik oleh model. Struktur model
tergantung pada nilai X1, X2, ….., Xn yang memiliki fungsi sebagai variabel
bebas.
mengendalikan nilai pada ruas kiri agar nilainya sama dengan nilai pada ruas
sehingga biasanya disebut sebagai nilai ruas kanan (Right Hand Side / RHS).
meminimalkan