DETERMINISTIC OPTIMIZATION

ISYE6198

SAILENDRA WIDJAYA – 2440042784

JURUSAN PRODUCT DESIGN ENGINEERING

PRODUCT DESIGN ENGINEERING DEPARTMENT
BINUS ASO SCHOOL OF ENGINEERING
TANGERANG
2022
 DAFTAR ISI

HALAMAN COVER...........................................................................i
DAFTAR ISI........................................................................................ii
BAB I PENDAHULUAN....................................................................1
A. Abstrak............................................................................1
B. Latar Belakang................................................................2
C. Rumusan Masalah...........................................................3
D. Tujuan Pembahasan........................................................4
BAB II PEMBAHASAN.....................................................................5
A. Teori Basis Linear Programming....................................5
B. Rumus Linear Programming...........................................6
C. Contoh Soal.....................................................................7
D. Analisis Soal...................................................................8
BAB III PENUTUP.............................................................................9
A. Kesimpulan.....................................................................9
DAFTAR PUSTAKA........................................................................10
 BAB I
PENDAHULUAN
A. ABSTRAK
Tujuan diadakannya penelitian linear programming ini adalah
untuk mengetahui kombinasi kombinasi dalam mengoptimalkan jumlah
akhir sehingga mampu memperoleh hasil yang maksimal

B. LATAR BELAKANG
Linear programming adalah teknik dalam matematika yang mampu
menentukan suatu pemecahan masalah yang ditujukan untuk baik
meminimumkan ataupun memaksimalkan suatu yang memiliki batas
batas tertentu. Hal ini dikenal juga dengan sebutan teknik optimalisasi.

Model program linear ini juga mampu untuk menemukan nilai dari
suatu variable keputusan yang berada dalam model program linier,
metode yang digunakan terbagi menjadi dua metode, yaitu Grafik dan
Simpleks.

C. RUMUSAN MASALAH
1. Apa itu Linear Programming?
2. Apa rumus Linear Programming Maksimal?
3. Bagaimana cara menentukan sebuah hasil maksimal dari suatu fungsi
objektif?

D. TUJUAN PEMBAHASAN
1. Mengetahui formula Linear Programming
2. Mengetahui rumus Linear Programming Maksimal
3. Mengetahui cara menentukan hasil maksimal suatu fungsi
 BAB II
PEMBAHASAN
A. Teori Basis Linear Programming
Linear Programming memiliki bentuk umum yang terdiri dari
Decision Variabel, Objective Function (Max, Min) dan Constraint. Proses
pemodelannya terdiri dari :

a. Formulation : -Mendefinisikan variable keputusan

-Mendefinisikan fungsi tujuan
-Mendefinisikan kendala

b. Solution : -Menentukan solusi optimal variable keputusan

-Dievaluasi oleh fungsi tujuan

c. Interpretation: - Interpretasi hasil

Sedangkan untuk asumsi asumsi pada masalah Linear

Programming adalah sebagai berikut :

a. Proposional : Naik turunnya fungsi tujuan dan penggunaan

sumber daya akan berubah secara proposional

b. Additivity : Nilai tujuan setiap kegiatan tidak saling

memengaruhi, kenaikan dari nilai tujuan yang diakibatkan oleh kenaikan
suatu kegiatan dapat ditambahkan tanpa mempengaruhi nilai tujuan yang
diperoleh dari kegiatan lain

c. Divisibility : Output yang dihasilkan oleh nilai variable

keputusan dan tujuan bisa berupa pecahan

d. Deterministic : Parameter model LP

Linear programming ini mampu menyelesaikan masalah masalah

yang terkait dengan :
-Diet Problem
 -Scheduling Problem
-Capital Budgeting
-Blending Problem
-Network = Route Transportation

B. RUMUS LINEAR PROGRAMMING

Rumus untuk linear programming adalah sebagai berikut :

C. CONTOH SOAL

Diketahui bahwa ada 6 kota yang akan dibantu pemerintah pada

masa pandemik ini, datanya adalah sebagai berikut :

LOKASI
Kota I II III IV V VI Rakyat SDM
Bandung 1 1 0 0 0 0 120 8
Jakarta 0 1 4 0 0 0 140 8
Medan 0 0 2 1 0 0 110 2
Tangeran 0 0 0 4 1 0 148 5
g
Jogja 0 0 0 0 5 1 130 3
Bali 0 4 1 0 0 0 164 7
 Diketahui bahwa Bandung akan memiliki pembantuan dana pada
lokasi I dan II, Jakarta pada lokasi I dan III, Medan pada lokasi III dan
IV, Tangerang pada lokasi IV dan V, Jogja pada lokasi V dan VI dan Bali
pada Lokasi II dan III. Bila diketahui banyaknya rakyat yang akan datang
pada lokasi tersebut, dan diketahui berapa banyak SDM berupa pengabdi
negara yang berada di lokasi masing masing, maka berapa kah nilai Z
nya?
Decision Variabel
X1 = Bandung
X2 = Jakarta
X3 = Medan
X4 = Tangerang
X5 = Jogja
X6 = Bali
Max Z = 8x1 + 8x2 + 2x3 + 5x4 + 3x5 + 7x6
Diketahui =
x1 + x2 <= 120
x2 + 4x3 <= 140
2x3 + x4 <= 110
4x4 + x5 <= 148
5x5 + x6 <= 130
4x2 + x3 <= 164
and x1,x2,x3,x4,x5,x6 >= 0

Maka penyelesaiannya adalah sebagai berikut :

Iteration-1 Cj 8 8 2 5 3 7 0 0 0 0 0 0

MinRatio
B CB NK x1 x2 x3 x4 x5 x6 S1 S2 S3 S4 S5 S6
XBx1

S1 0 120 (1) 1 0 0 0 0 1 0 0 0 0 0 120/1=120→

S2 0 140 0 1 4 0 0 0 0 1 0 0 0 0 ---

S3 0 110 0 0 2 1 0 0 0 0 1 0 0 0 ---

S4 0 148 0 0 0 4 1 0 0 0 0 1 0 0 ---

S5 0 130 0 0 0 0 5 1 0 0 0 0 1 0 ---

S6 0 164 0 4 1 0 0 0 0 0 0 0 0 1 ---
 Z=0 Zj 0 0 0 0 0 0 0 0 0 0 0 0

Zj-Cj -8↑ -8 -2 -5 -3 -7 0 0 0 0 0 0

Leaving Variable disini adalah S1 dengan angka kunci berupa 1

Lalu pada iterasi 2, akan menjadi

B1 (baru) = B1 (Lama)
B2 (baru) = B2 (Lama)
B3 (baru) = B3 (Lama)
B4 (baru) = B4 (Lama)
B5 (baru) = B5 (Lama)
B6 (baru) = B6 (Lama)

Iteration-2 Cj 8 8 2 5 3 7 0 0 0 0 0 0

MinRatio
B CB Nk x1 x2 x3 x4 x5 x6 S1 S2 S3 S4 S5 S6
XBx6

x1 8 120 1 1 0 0 0 0 1 0 0 0 0 0 ---

S2 0 140 0 1 4 0 0 0 0 1 0 0 0 0 ---

S3 0 110 0 0 2 1 0 0 0 0 1 0 0 0 ---

S4 0 148 0 0 0 4 1 0 0 0 0 1 0 0 ---

S5 0 130 0 0 0 0 5 (1) 0 0 0 0 1 0 130/1=130→

S6 0 164 0 4 1 0 0 0 0 0 0 0 0 1 ---

Z=960 Zj 8 8 0 0 0 0 8 0 0 0 0 0

Zj-Cj 0 0 -2 -5 -3 -7↑ 8 0 0 0 0 0

Leaving Variable disini adalah s5 dengan angka kunci berupa 1

Lalu pada iterasi 3, akan menjadi
 B1 (baru) = B1 (Lama)
B2 (baru) = B2 (Lama)
B3 (baru) = B3 (Lama)
B4 (baru) = B4 (Lama)
B5 (baru) = B5 (Lama)
B6 (baru) = B6 (Lama)

Iteration-3 Cj 8 8 2 5 3 7 0 0 0 0 0 0

MinRatio
B CB Nk x1 x2 x3 x4 x5 x6 S1 S2 S3 S4 S5 S6
XBx4

x1 8 120 1 1 0 0 0 0 1 0 0 0 0 0 ---

S2 0 140 0 1 4 0 0 0 0 1 0 0 0 0 ---

S3 0 110 0 0 2 1 0 0 0 0 1 0 0 0 1101=110

S4 0 148 0 0 0 (4) 1 0 0 0 0 1 0 0 1484=37→

x6 7 130 0 0 0 0 5 1 0 0 0 0 1 0 ---

S6 0 164 0 4 1 0 0 0 0 0 0 0 0 1 ---

Z=1870 Zj 8 8 0 0 35 7 8 0 0 0 7 0

Zj-Cj 0 0 -2 -5↑ 32 0 8 0 0 0 7 0

Leaving Variable disini adalah s4 dengan angka kunci berupa 4

Lalu pada iterasi 4, akan menjadi
 B1 (baru) = B1 (Lama)
B2 (baru) = B2 (Lama)
B3 (baru) = B3 (Lama) - B4 (baru)
B4 (baru) = B4 (Lama) / 4
B5 (baru) = B5 (Lama)
B6 (baru) = B6 (Lama)

Iteration-4 Cj 8 8 2 5 3 7 0 0 0 0 0 0

MinRatio
B CB NK x1 x2 x3 x4 x5 x6 S1 S2 S3 S4 S5 S6
XBx3

x1 8 120 1 1 0 0 0 0 1 0 0 0 0 0 ---

S2 0 140 0 1 (4) 0 0 0 0 1 0 0 0 0 1404=35→

S3 0 73 0 0 2 0 -0.25 0 0 0 1 -0.25 0 0 732=36.5

x4 5 37 0 0 0 1 0.25 0 0 0 0 0.25 0 0 ---

x6 7 130 0 0 0 0 5 1 0 0 0 0 1 0 ---

S6 0 164 0 4 1 0 0 0 0 0 0 0 0 1 1641=164

Z=2055 Zj 8 8 0 5 36.25 7 8 0 0 1.25 7 0

Zj-Cj 0 0 -2↑ 0 33.25 0 8 0 0 1.25 7 0

Leaving Variable disini adalah s2 dengan angka kunci berupa 4

Lalu pada iterasi 5, akan menjadi
B1 (baru) = B1 (Lama)
B2 (baru) = B2 (Lama) / 4
B3 (baru) = B3 (Lama) - 2 B2 (baru)
B4 (baru) = B4 (Lama)
B5 (baru) = B5 (Lama)
B6 (baru) = B6 (Lama) – 2 B2 (baru)
Iteration-5 Cj 8 8 2 5 3 7 0 0 0 0 0 0

B CB Nk x1 x2 x3 x4 x5 x6 S1 S2 S3 S4 S5 S6 MinRatio

x1 8 120 1 1 0 0 0 0 1 0 0 0 0 0

x3 2 35 0 0.25 1 0 0 0 0 0.25 0 0 0 0

S3 0 3 0 -0.5 0 0 -0.25 0 0 -0.5 1 -0.25 0 0

x4 5 37 0 0 0 1 0.25 0 0 0 0 0.25 0 0

x6 7 130 0 0 0 0 5 1 0 0 0 0 1 0

S6 0 129 0 3.75 0 0 0 0 0 -0.25 0 0 0 1

Z=2125 Zj 8 8.5 2 5 36.25 7 8 0.5 0 1.25 7 0

Zj-Cj 0 0.5 0 0 33.25 0 8 0.5 0 1.25 7 0

Dikarenakan hasil sudah optimal, maka diketahui maksimal Z

adalah 2125.

D. ANALISIS SOAL
Variabel basis Vb = (x1, x3, s3, x4, x6, s6)
Maka CB adalah = (8, 2, 0, 5, 7, 0)
Pada baris Z, koefisien variable basis (x1, x3, s3, x4, x6, s6)
pasti 0, maka koefisien non basis ada pada (x2, x5, s1, s2, s4, s5)

Range C1 (koefisien fungsi tujuan variable x1)

Perubahan C1 -> C2 asumsi nilai tetap

- Untuk x2
Pada table optimal -> y2^ = [ (1), (0,25), (-0,5), (0), (0) ,
(3,75) ]
C2 = 8
C2^ = Cb.y2^ -c2
= (c1 2 0 5 7 0) [ (1), (0,25), (-0,5), (0), (0) ,
(3,75) ] - 8
= (c1 + 0,5 + 0 + 0 + 0 + 0) – 8
 = c1 – 7,5 >= 0
= c1 >= 7,5
- Untuk x5
Pada table optimal -> y5^ = [ (0), (0), (-0,25), (0,25), (5),
(0) ]
C5 = 3
C5^ = Cb.y5^ -c5
= (c1, 2, 0, 5, 7, 0) [ (0), (0), (-0,25),
(0,25), (5), (0) ] - 3
= tidak terdefinisi

- Untuk s1
Pada table optimal -> y7^ = [ (1), (0), (0), (0), (0), (0) ]

C7 = 0
C7^ = Cb.y7^-c7
=(c1. 2, 0, 5, 7, 0) ([ (1), (0), (0), (0), (0), (0) ] –
0
= c1 >= 0
- Untuk s2
Pada table optimal -> y8^ = [ (0), (0), (0), (0), (0), (0) ]

C8 = 0
C8^ = Cb.y8^-c8
=(c1. 2, 0, 5, 7, 0) ([ (1), (0), (0), (0), (0), (0) ] –
0
= Tidak terdefinisi
- Untuk s4 dan s5
Tidak terdefinisi sebab c1 dikali 0 sama dengan 0

Maka hasil C1 adalah C1 >= 7,5 (tidak diketahui)

 BAB III
KESIMPULAN

Dapat disimpulkan bahwa Linear programming adalah metode yang sangat

efektif untuk mengatahui baik keputusan terbaik atau terburuk yang bisa dipilih
oleh seseorang, untuk rumusnya tersendiri, linear programming pun dapat di
cari dengan rumus
 REFERENSI

https://media.neliti.com/media/publications/27114-ID-penerapan-linear-
programming-untuk-mengoptimalkan-jumlah-produksi-dalam-
memperol.pdf