MAKALAH MANAJEMEN OPERASI LANJUTAN

ALAT PEGAMBILAN KEPUTUSAN

LINIER PROGRAMING

Dosen Pengampu :
Tri Wahyuningsih, SE, M.Si

Disusun oleh Kelompok 2 :

1. Avicena Puji S 141210071
2. Indah Puspita R 141210086
3. Nita Cahyani 141210089
4. Dwi Ismawanti 141210098
5. Amalia Marsa C 141210118
6. Titan Metayudha R 141210123

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
YOGYAKARTA
2023
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa berkat rahmat dan hidayah-Nya, sehingga
pada kesempatan ini penyusun dapat menyelesaikan tugas Makalah Manajemen Operasi
Lanjutan dengan materi Alat Pengambilan Keputusan : Linear Programing ini dengan baik
dan dapat selesai tepat pada waktunya.
Adapun tujuan dari pembuatan makalah ini adalah untuk memenuhi tugas mata kuliah
Manajemen Operasi Lanjutan untuk melatih mahasiswa dalam mengerjakan serta menerapkan
ilmu ini sebagai acuan atau pegangan.
Penyusun menyadari bahwa makalah ini masih banyak kekurangan dan kesalahan serta
masih jauh dari sempurna. Oleh karena itu, kritik dan saran yang bersifat membangun sangat
penyusun harapkan. Penyusun berharap makalah ini dapat bermanfaat dan berguna bagi
penyusun dan pembacanya, terutama teman-teman mahasiswa, agar kelak menjadi pribadi
yang cerdas dan pandai dalam mengaplikasikan materi mata kuliah ini dalam kehidupan sehari-
hari maupun dalam pekerjaannya.

Yogyakarta, 18 Februari 2023

Kelompok 2

ii
 DAFTAR ISI

KATA PENGANTAR ...............................................................................................................ii

DAFTAR ISI.............................................................................................................................iii
BAB I PENDAHULUAN .......................................................................................................... 1
A. Latar Belakang ................................................................................................................ 1
B. Rumusan Masalah ........................................................................................................... 1
C. Tujuan ............................................................................................................................. 1
BAB II PEMBAHASAN ........................................................................................................... 2
A. Formulasi Model ............................................................................................................. 2
B. Metode Solusi Grafis ...................................................................................................... 3
C. Solusi Model Program Linear ......................................................................................... 7
D. Memecahkan Masalah Pemrograman Linier dengan Excel ............................................ 8
E. Analisis Sensitivitas ...................................................................................................... 10
BAB III PENUTUP ................................................................................................................. 13
A. Kesimpulan ................................................................................................................... 13
B. Saran ............................................................................................................................. 13
DAFTAR PUSTAKA .............................................................................................................. 14

iii
 BAB I
PENDAHULUAN

A. Latar Belakang
Pemrograman linier adalah teknik pemodelan matematis yang digunakan untuk
menentukan tingkat aktivitas operasional untuk mencapai suatu tujuan, tunduk pada
batasan yang disebut kendala. Banyak keputusan yang dihadapi oleh seorang manajer
operasi berpusat pada cara terbaik untuk mencapai tujuan perusahaan yang tunduk pada
kendala lingkungan operasi. Batasan ini dapat berupa sumber daya yang terbatas,
seperti waktu, tenaga kerja, energi, bahan, atau uang, atau dapat berupa pedoman yang
membatasi, seperti resep untuk membuat sereal, spesifikasi teknik, atau campuran
untuk bensin. Tujuan yang paling sering dari perusahaan bisnis adalah untuk
memaksimalkan laba, sedangkan tujuan unit operasional individu dalam suatu
perusahaan (seperti departemen produksi atau pengemasan) seringkali adalah untuk
meminimalkan biaya.
Masalah pemrograman linier yang umum adalah menentukan jumlah unit yang
akan diproduksi untuk memaksimalkan keuntungan yang tunduk pada kendala sumber
daya seperti tenaga kerja dan bahan. Semua komponen situasi keputusan ini. keputusan,
tujuan, dan kendala dinyatakan sebagai hubungan linier matematis yang bersama-sama
membentuk model.
Pemrograman linier adalah salah satu dari beberapa teknik kuantitatif terkait
yang umumnya diklasifikasikan sebagai model pemrograman matematika. Teknik
kuantitatif lain yang termasuk dalam kategori umum ini termasuk pemrograman
bilangan bulat, pemrograman nonlinier, dan pemrograman sasaran atau multi objektif.
Ini teknik pemodelan mampu menangani berbagai macam masalah pengambilan
keputusan operasional yang kompleks, dan digunakan secara luas untuk melakukannya
oleh bisnis dan perusahaan di seluruh dunia. Paket perangkat lunak komputer tersedia
untuk menyelesaikan sebagian besar jenis model ini, yang sangat mempromosikan
penggunaannya.

B. Rumusan Masalah
1. Apa yang dimaksud dengan Formulasi model?
2. Bagaimana Penerapan Metode Solusi Grafis dalam linear programing?
3. Bagaimana penggunaan solusi model program linear?
4. Bagaimana Memecahkan Masalah Pemrograman Linier dengan Excel?
5. Bagaimana cara melakukan Analisis Sensitivitas?

C. Tujuan
1. Memenuhi tugas pada mata kuliah Manajemen Operasi Lanjutan.
2. Menjawab rumusan masalah yang kami tuliskan di atas.

1
 BAB II
PEMBAHASAN

A. Formulasi Model
Model pemrograman linier terdiri dari variabel keputusan, fungsi tujuan, dan
batasan model. Variabel keputusan adalah simbol matematika yang mewakili tingkat
aktivitas suatu operasi. Misalnya, sebuah perusahaan manufaktur listrik ingin
memproduksi radio, pemanggang roti, dan jam. Jumlah setiap barang yang akan
diproduksi dilambangkan dengan simbol, x1, x2, dan x3. Jadi, x1 jumlah radio, x2
jumlah pemanggang roti, dan x3 jumlah jam. Nilai akhir dari x1, x2, dan x3,
sebagaimana ditentukan oleh perusahaan, merupakan keputusan (misalnya, x1 10 radio
adalah keputusan perusahaan untuk memproduksi 10 radio)
Fungsi tujuan adalah hubungan matematis linier yang menggambarkan tujuan
suatu operasi dalam kaitannya dengan variabel keputusan. Fungsi tujuan selalu
memaksimalkan atau meminimalkan beberapa nilai (misalnya, memaksimalkan
keuntungan atau meminimalkan biaya produksi radio). Misalnya, jika keuntungan dari
radio adalah $6, keuntungan dari pemanggang roti adalah $4, dan keuntungan dari jam
adalah $2, maka total keuntungan, Z, adalah Z $6x1 4x2 2x3.
Kendala model juga merupakan hubungan linier dari variabel keputusan;
mereka mewakili batasan yang ditempatkan pada situasi keputusan oleh lingkungan
operasi. Pembatasan dapat berupa sumber daya yang terbatas atau pedoman yang
membatasi. Misalnya, jika diperlukan 2 jam tenaga kerja untuk memproduksi radio, 1
jam untuk memproduksi pemanggang roti, dan 1,5 jam untuk memproduksi jam, dan
hanya tersedia 40 jam tenaga kerja, kendala yang mencerminkan hal ini adalah 2x + 1x
+ 1,5x 1 2 3 Struktur umum linier model adalah program sebagai berikut: = 2 xi =
variabel keputusan bi = tingkat kendala cj = koefisien fungsi tujuan aij = koefisien
kendala . , Mangkuk 4 Ada 40 jam tenaga kerja dan 120 pon tanah liat tersedia setiap
hari. Rumuskan masalah ini sebagai model pemrograman linier dicerminkan sebagai
berikut :

2
B. Metode Solusi Grafis
Langkah dasar dalam metode solusi grafis adalah memplot batasan model pada
sekumpulan koordinat dalam bidang dan mengidentifikasi area pada grafik yang
memenuhi semua batasan secara simultan. Titik pada batas ruang ini yang
memaksimalkan (atau meminimalkan) fungsi tujuan adalah solusinya. Contoh berikut
mengilustrasikan langkah-langkah ini.
Tentukan solusi untuk Highlands Craft Store pada Contoh S14.1:

Solusi
Grafik kendala model ditunjukkan pada gambar ruang solusi layak berikut.
Grafik dihasilkan dalam kuadran positif karena kedua variabel keputusan harus positif
atau nol; yaitu x1, x2 ≥ 0

Langkah pertama adalah memplot kendala pada grafik. Ini dilakukan dengan
memperlakukan kedua kendala sebagai persamaan (atau garis lurus) dan memplot
setiap garis pada grafik. Cara sederhana untuk memplot garis adalah dengan
menentukan di mana ia memotong sumbu horizontal dan vertikal dan menggambar
garis lurus yang menghubungkan titik-titik tersebut. Area yang diarsir pada gambar
sebelumnya adalah area yang sama untuk kedua batasan model. Oleh karena itu, ini
adalah satu-satunya area pada grafik yang berisi titik (yaitu, nilai untuk x1 dan x2) yang
memenuhi kedua kendala secara bersamaan. Area ini merupakan ruang solusi yang
layak, karena merupakan satu-satunya area yang memuat nilai variabel yang layak, atau
tidak melanggar kendala.
Langkah kedua dalam metode solusi grafis adalah menempatkan titik di area
solusi layak yang merepresentasikan pendapatan total terbesar. Kami akan memplot
garis fungsi tujuan untuk tingkat pendapatan yang dipilih secara acak . Misalnya, jika
pendapatan, Z, adalah $800, maka fungsi tujuannya adalah

3
Memplot garis ini sama seperti kita memplot garis kendala menghasilkan grafik yang
menunjukkan determinasi titik optimal pada gambar berikut. Setiap titik pada garis ini
berada dalam area solusi yang layak dan akan menghasilkan pendapatan sebesar $800
(yakni, setiap kombinasi x1 dan x2 pada garis ini akan memberikan nilai Z sebesar
$800). Dengan bertambahnya nilai Z , garis fungsi tujuan bergerak keluar melalui ruang
solusi layak menjauhi titik asal hingga mencapai titik layak terakhir pada batas ruang
solusi dan kemudian meninggalkan ruang solusi.

Titik penyelesaian selalu berada pada batas ini, karena batas tersebut memuat
titik-titik terjauh dari titik asal (yaitu titik-titik yang bersesuaian dengan keuntungan
terbesar). Selain itu, titik solusi tidak hanya berada di batas area solusi yang layak, tetapi
akan berada di salah satu sudut batas di mana dua garis kendala berpotongan. Sudut-
sudut ini (label A, B, dan C pada gambar berikut) adalah tonjolan yang disebut titik
ekstrim. Telah dibuktikan secara matematis bahwa solusi optimal dalam model linear
programming akan selalu terjadi pada titik ekstrim. Oleh karena itu, dalam contoh soal
kita, titik solusi yang mungkin terbatas pada tiga titik ekstrem A, B, dan C. Titik solusi
optimal, atau “satu yang terbaik” adalah B, karena fungsi tujuan menyentuhnya paling
akhir sebelum meninggalkan titik daerah solusi yang layak.

Karena titik B dibentuk oleh perpotongan dua garis pembatas, kedua garis ini sama di
titik B. Jadi, nilai x1 dan x2 pada perpotongan tersebut dapat dicari dengan
menyelesaikan kedua persamaan secara bersamaan:

4
dengan demikian,

Solusi optimal pada titik B pada gambar sebelumnya adalah x1=24 mangkok dan x2=8
mug. Mengganti nilai-nilai ini ke dalam fungsi tujuan memberikan pendapatan
maksimum,

Mengingat bahwa solusi optimal akan berada di salah satu titik sudut ekstrim A, B, atau
C, Anda dapat menemukan solusi dengan menguji masing-masing dari tiga titik untuk
melihat mana yang menghasilkan pendapatan terbesar daripada dengan membuat grafik
fungsi tujuan dan melihat titik mana yang terakhir disentuhnya saat bergerak keluar dari
area solusi yang layak. Gambar berikut menunjukkan nilai solusi untuk ketiga titik A,
B, dan C dan jumlah pendapatan, Z, di setiap titik:

Fungsi tujuan menentukan titik ekstrim mana yang optimal, karena fungsi tujuan
menentukan pendapatan yang akan diperoleh dari setiap kombinasi nilai x1 dan x2 pada
titik ekstrim. Jika fungsi tujuan memiliki koefisien yang berbeda (yaitu, nilai
keuntungan x1 dan x2 yang berbeda ), salah satu titik ekstrem selain B mungkin
optimal.
Asumsikan sejenak pendapatan untuk mangkuk adalah $70 bukannya $40 dan
pendapatan untuk mug adalah $20 bukannya $50. Nilai ini menghasilkan fungsi tujuan
baru, Z $70x1 20x2. Jika kendala model untuk tenaga kerja atau tanah liat tidak diubah,
luas solusi layak tetap sama, seperti yang ditunjukkan pada gambar berikut. Namun,
lokasi fungsi tujuan pada gambar ini berbeda dari fungsi tujuan asli pada gambar
sebelumnya karena koefisien keuntungan yang baru memberikan kemiringan baru pada
fungsi tujuan linier. Titik C menjadi optimal, dengan Z = $2100. Ini menunjukkan salah
satu fungsi yang berguna dari pemrograman linier—dan analisis model secara umum—

5
yang disebut analisis sensitivitas: pengujian perubahan dalam parameter model yang
mencerminkan lingkungan operasi yang berbeda untuk menganalisis dampak pada
solusi.

Toko Perangkat Keras dan Pakan Petani sedang menyiapkan campuran pupuk untuk
seorang petani yang sedang menyiapkan ladang untuk bercocok tanam. Toko tersebut
akan menggunakan dua merek pupuk, GroPlus dan Crop-Fast, untuk membuat
campuran yang tepat bagi petani. Setiap merek menghasilkan nitrogen dan fosfat dalam
jumlah tertentu, sebagai berikut:

Ladang petani membutuhkan setidaknya 16 pon nitrogen dan 24 pon fosfat. Gro Plus
seharga $6 per kantong, dan Crop-Fast seharga $3. Toko tersebut ingin mengetahui
berapa kantong dari masing-masing merek yang harus dibeli untuk meminimalkan total
biaya pemupukan.
Formulasikan model pemrograman linier untuk masalah ini, dan selesaikan dengan
menggunakan metode grafis.
Solusi
Masalah ini dirumuskan sebagai berikut:

Solusi grafis dari masalah tersebut ditunjukkan pada gambar berikut. Perhatikan bahwa
solusi optimal, titik A, terjadi pada titik ekstrem terakhir yang disentuh fungsi tujuan
saat bergerak menuju titik asal (titik 0,0).

6
C. Solusi Model Program Linear
1. Metode Simpleks
Pendekatan matematika tradisional untuk memecahkan masalah
program linier adalah prosedur matematika yang disebut metode simpleks.
Pada metode simpleks, model dibuat dalam bentuk tabel, kemudian dilakukan
beberapa langkah matematis pada tabel tersebut. Langkah-langkah matematis
ini sama dengan berpindah dari satu titik ekstrim pada batas solusi ke titik
ekstrim lainnya. Metode simpleks berpindah dari satu solusi yang lebih baik ke
solusi lainnya hingga solusi terbaik ditemukan.
Namun, dalam suplemen tentang pemrograman linier ini, tidak akan
diberikan presentasi terperinci tentang metode simpleks. Karena ini adalah
pendekatan matematis yang rumit yang sangat memakan waktu bahkan untuk
masalah yang sangat kecil dari dua atau tiga variabel dan beberapa kendala. Ini
juga mencakup sejumlah langkah matematis dan membutuhkan banyak
perhitungan aritmatika, yang seringkali menghasilkan kesalahan aritmatika
sederhana bila dilakukan dengan tangan
2. Metode Slack dan Surplus
Solusi untuk masalah pemrograman linier terjadi pada titik ekstrem di
mana garis persamaan kendala berpotongan satu sama lain atau dengan sumbu.
Dengan demikian, kendala model semua harus dalam bentuk persamaan (=)
bukan pertidaksamaan (≤ atau ≥).
Prosedur untuk mengubah kendala pertidaksamaan menjadi persamaan
adalah dengan menambahkan variabel baru, yang disebut variabel slack, pada
setiap kendala. Contoh untuk Beaver Creek Pottery Company, penambahan
variabel slack unik (si) ke setiap pertidaksamaan kendala menghasilkan
persamaan berikut:

Variabel slack, s1 dan s2, akan mengambil nilai berapapun yang

diperlukan untuk membuat ruas kiri persamaan sama dengan ruas kanan. Jika
variabel slack memiliki nilai dalam solusi, mereka umumnya mewakili sumber

7
 daya yang tidak terpakai. Karena sumber daya yang tidak terpakai tidak
memberikan kontribusi apa pun terhadap pendapatan total, mereka memiliki
koefisien nol dalam fungsi tujuan:

Contoh grafik solusi di Perusahaan Tembikar Beaver Creek:

Contoh diatas adalah masalah maksimisasi dengan semua kendala ≤.

Masalah minimisasi dengan kendala ≥ membutuhkan penyesuaian yang
berbeda. Dengan kendala ≥, alih-alih menambahkan variabel slack, kami
mengurangi variabel surplus. Sedangkan variabel slack ditambahkan dan
mencerminkan sumber daya yang tidak terpakai, variabel surplus dikurangi dan
mencerminkan kelebihan di atas tingkat kebutuhan sumber daya minimum.
Seperti variable slack, variabel surplus direpresentasikan secara simbolis
dengan si dan harus non negatif. Misalnya, pertimbangkan kendala dari masalah
campuran pupuk sebagai berikut:

Contoh grafik dari masalah campuran pupuk

D. Memecahkan Masalah Pemrograman Linier dengan Excel

Tampilan S14.1 memperlihatkan layar spreadsheet Excel untuk Contoh S14.1
untuk Highlands Craft Store. Nilai untuk mangkuk, mug, dan laba maksimum terdapat
dalam sel B10, B11, dan B12. Fungsi tujuan untuk laba yang disematkan di sel B12

8
ditampilkan pada bilah rumus di bagian atas layar. Rumus serupa untuk kendala tenaga
kerja dan tanah liat tertanam di sel F6 dan F7.

S14.1
Untuk mengatasi masalah ini, pertama-tama klik jendela "Tools" dari alat di
bagian atas layar, lalu pilih "Solver" dari daftar item menu. (Jika Solver tidak
ditampilkan pada menu Tools, itu dapat diaktifkan dengan mengklik "Add-in" pada
menu Tools dan kemudian "Solver." Jika Solver tidak tersedia dari menu Add-in, itu
harus diinstal pada menu Add-in langsung dari perangkat lunak Office atau Excel.)
Jendela untuk “Solver Parameters” akan muncul seperti yang ditunjukkan pada
Tampilan S14.2. Awalnya semua jendela di layar ini kosong, dan kita harus
memasukkan sel fungsi tujuan, sel yang mewakili variabel keputusan, dan sel yang
membentuk batasan model.

S14.2
Saat memasukkan solver parameters seperti yang ditunjukkan pada Tampilan
S14.2, pertama-tama kita akan memasukkan "tar get cell" yang berisi fungsi tujuan kita,
yaitu B12 untuk contohnya. (Excel secara otomatis menyisipkan tanda "$" di sebelah
alamat sel; tidak boleh mengetik.) Selanjutnya untuk memaksimalkan sel target dengan
mengklik "Max." Dengan Mengubah Sel B10 dan B11, yang mewakili variabel
keputusan. Penunjukan "B10:B11" berarti semua sel antara B10 dan B11 inklusif.
Selanjutnya memasukkan kendala model kami dengan mengklik "Add” yang akan
mengakses jendela untuk menambahkan kendala.
Setelah semua kendala ditambahkan, ada satu langkah lagi yang diperlukan
sebelum melanjutkan untuk menyelesaikan masalah. Pilih "Options" dari layar "Solver
Parameters" dan kemudian ketika layar "Options" muncul, klik "Assume Linear
Models", lalu "OK". Setelah itu klik "Assume Non-negative”" untuk menetapkan

9
 kondisi non-negatif untuk variabel keputusan. Ini akan memungkinkan untuk
menghilangkan batasan, B10:B11 0. Setelah model lengkap dimasukkan, klik "Solve"
di sudut kanan atas layar "Solver Parameters". Pertama, sebuah layar akan muncul
berjudul “Solver Results,” yang akan memberi kesempatan untuk memilih beberapa
laporan yang berbeda dan kemudian dengan mengklik “OK” layar solusi yang
ditunjukkan pada gambar S14.3 akan muncul.

S14.3
Jika ada kelonggaran yang tersisa untuk tenaga kerja atau tanah liat, itu akan
muncul di kolom G pada spreadsheet di bawah judul "Left Over". Dalam hal ini tidak
ada slack resources yang tersisa.
Kemudian akan menghasilkan beberapa laporan yang merangkum hasil model.
Saat mengklik "OK" dari layar "Solver", layar perantara akan muncul sebelum
spreadsheet asli dengan hasil solusi. Layar ini diberi judul “Solver Results” dan
memberikan kesempatan untuk memilih beberapa laporan, termasuk laporan
“Jawaban”. Laporan ini memberikan ringkasan hasil solusi.

E. Analisis Sensitivitas

Perhatikan nilai 16 dan 6 di bawah kolom berlabel “Harga Bayangan” untuk baris
berlabel “Penggunaan Tenaga Kerja” dan “Penggunaan Tanah Liat”. Nilai-nilai ini
adalah nilai marjinal (juga disebut sebagai Bayangan harga dan nilai ganda) tenaga
kerja dan tanah liat dalam masalah kita. Nilai marjinal adalah jumlah yang bersedia
dibayar perusahaan untuk satu unit tambahan sumber daya. Misalnya, nilai marjinal 16

10
untuk batasan tenaga kerja berarti bahwa jika satu jam tambahan tenaga kerja dapat
diperoleh perusahaan, itu akan meningkatkan keuntungan sebesar $6. Demikian pula,
jika satu pon tanah liat tambahan dapat diperoleh, laba akan meningkat sebesar $6.
Enam belas dolar dan $16 masing-masing adalah nilai marjinal tenaga kerja dan tanah
liat bagi perusahaan. Nilai marjinal bukanlah harga jual asli dari sumber daya; itu adalah
berapa banyak perusahaan harus membayar untuk mendapatkan lebih banyak sumber
daya. Toko tersebut tidak boleh bersedia membayar lebih dari $16 untuk satu jam kerja
karena jika mendapat satu jam lagi, keuntungan hanya akan meningkat sebesar $16.
Nilai marjinal sangat membantu perusahaan dalam menentukan harga sumber daya dan
membuat keputusan tentang mengamankan sumber daya tambahan.

Rentang Sensitivitas
marjinal atau ganda tidak berlaku untuk persediaan tenaga kerja dan tanah liat yang
tidak terbatas. Saat simpanan bertambah (atau berkurang) jumlah tenaga kerja atau
tanah liat yang dimilikinya, kendala berubah, yang pada akhirnya akan mengubah solusi
ke titik baru. Dengan demikian, nilai ganda hanya baik dalam rentang nilai yang
konsisten. Kisaran ini diberikan di bawah kolom berlabel "Kenaikan yang Diijinkan"
dan "Penurunan Rendah yang Diijinkan" di Tampilan S14.4. Misalnya, jumlah asli
tenaga kerja yang tersedia adalah 40 jam. Nilai ganda $16 untuk satu jam tenaga kerja
berlaku jika tenaga kerja yang tersedia antara 30 dan 80 jam. Jika ada lebih dari 80 jam
kerja, maka titik solusi baru terjadi dan nilai ganda $16 tidak berlaku lagi. Masalahnya
harus dipecahkan lagi untuk melihat apa solusi baru itu dan nilai ganda yang baru.

Ini dapat diamati secara grafis pada Gambar S14.3. Jika jam tenaga kerja dinaikkan dari
40 menjadi 80 jam, garis kendala bergerak keluar dan naik. Ruang solusi baru adalah
OAC, dan campuran variabel solusi baru terjadi di A, seperti yang ditunjukkan pada
Gambar S14.3a. Pada titik optimal awal, B, baik x1 maupun x2 berada dalam solusi;
namun, pada titik optimal baru, A, hanya x2 yang dihasilkan.
Atas kisaran sensitivitas untuk batasan tenaga kerja adalah 80 jam. Pada nilai ini
campuran solusi berubah sedemikian rupa sehingga mangkuk tidak lagi diproduksi
Selanjutnya, saat tenaga kerja meningkat melewati 80 jam, s1 meningkat (yaitu, jam
kendur dibuat) Demikian pula, jika jam kerja dikurangi menjadi 30 jam, garis kendala
bergerak turun dan masuk Ruang solusi layak yang baru adalah OAC, seperti yang
ditunjukkan pada Gambar S14.3b. Titik optimal baru adalah di C, di mana tidak ada
mug (x2) yang dihasilkan. Solusi barunya adalah x1 = 30, x2 = 0, s1 = 0, s2 = 0, dan Z
= $1200 Sekali lagi, campuran variabel diubah.

11
Kisaran nilai serupa ada untuk kendala tanah liat. Nilai solusi baik untuk berat hingga
60 lb dan hingga 160 lb seperti yang ditunjukkan pada Tampilan S14.4. Ada juga
rentang sensitivitas untuk koefisien fungsi tujuan: "$40" untuk mangkuk dan "$50"
untuk mug. Titik solusi optimal akan tetap sama jika keuntungan untuk satu mangkuk
tetap berada di antara $25 dan $66,67, atau jika keuntungan untuk mug tetap antara $30
dan $80, seperti yang ditunjukkan pada spreadsheet Excel di Exhibit S14.4. Ini juga
dapat diamati secara grafis pada Gambar S14.4.
Jika laba untuk mangkuk meningkat dari $40 menjadi $66,67, garis fungsi tujuan
berotasi ke lokasi baru yang sejajar dengan garis kendala untuk lempung seperti yang
ditunjukkan pada Gambar S14.4a. (Di lokasi baru ini, garis fungsi tujuan dan garis
kendala untuk lempung memiliki kemiringan yang sama). Kedua titik B dan C
sekarang optimal. Jika keuntungan mangkuk dinaikkan lebih besar dari $66,67, maka
hanya titik C yang akan optimal dan kita akan memiliki campuran solusi baru.
Demikian pula, jika laba mangkuk diturunkan menjadi $25 seperti yang ditunjukkan
pada Gambar S14.4b, titik A dan B keduanya optimal. Jika keuntungan untuk mangkuk
dikurangi menjadi kurang dari $25, hanya titik A yang akan optimal dan ada solusi
baru. Dengan demikian, kisaran keuntungan untuk mangkuk adalah antara $25 dan
$66,67 seperti yang ditunjukkan pada spreadsheet Excel di Exhibit S14.4. Selama
rentang ini campuran solusi saat ini akan tetap optimal, dan nilai marjinal valid.
Kisaran sensitivitas untuk nilai kendala dan nilai fungsi tujuan ini memberi manajer
sarana yang nyaman untuk menganalisis penggunaan sumber daya. Nilai marjinal
sumber daya memungkinkan manajer mengetahui nilai sumber daya mereka saat
mereka membuat keputusan, dan rentang sensitivitas menunjukkan rentang di mana
nilai marjinal valid. Saat menggunakan perangkat lunak seperti Excel, seringkali
semudah mengubah nilai yang berbeda dalam model pemrograman linier dan melihat
apa yang terjadi. Bagaimanapun, ini menunjukkan fitur yang sangat berguna dari
pemrograman linier; itu tidak hanya memberi Anda kemungkinan solusi atau
keputusan, tetapi juga memungkinkan Anda untuk "bereksperimen" dengan model
untuk menguji skenario operasional yang berbeda.

12
 BAB III
PENUTUP

A. Kesimpulan
Pemrograman linier adalah salah satu dari beberapa teknik kuantitatif terkait
yang umumnya diklasifikasikan sebagai model pemrograman matematika. Teknik
kuantitatif lain yang termasuk dalam kategori umum ini termasuk pemrograman
bilangan bulat, pemrograman non linier, dan pemrograman sasaran atau multi objektif.
Teknik pemodelan ini mampu menangani berbagai macam masalah pengambilan
keputusan operasional yang kompleks, dan digunakan secara luas untuk melakukannya
oleh bisnis dan perusahaan di seluruh dunia. Paket perangkat lunak komputer tersedia
untuk menyelesaikan sebagian besar jenis model ini, yang sangat mempromosikan
penggunaannya.

B. Saran
Karena pemrograman linier umumnya diklasifikasikan sebagai model
pemrograman matematika, maka ketelitian yang baik diperlukan agar alat pengambil
keputusan ini dapat digunakan dengan baik.

13
 DAFTAR PUSTAKA

Russell, Roberta S. And Bernard W. Taylor III, (2011). Operations Management: Creating
Value along The Supply Chain, 7th ed, New York, Wiley: John Wiley & Sons, Inc.

14