BAB II Manajemen Sains
BAB II Manajemen Sains
harus didentifikasi sebagai masalah yang dapat dipecahkan dengan pemrograman linier Kedua,
modeltersebut harus dipecahkan dengan menggunakan teknik matematis yang telah ada.
fungsional dalam model matematisnya bersifat linier, dan teknik solusinya terdiri atas langkah-
langkah matematis yang telah ditentukan sebelumnya-yaitu sebuah program. Dalam bab ini,
kita akan membahas perumusan model matematis yang mewakili masalah dan kemudian
Perumusan Model
Sebuah model pemrograman linier terdiri atas komponen dan karakteristik umum
tertentu. Komponen model meliputi variabel-variabel keputusan, sebuah fungsi tujuan, dan
kendala-kendala model, yang terdiri atas variabel keputusan dan parameter. Variabel
keputusan (decision variables) adalah simbol matematis yang mewakili tingkat aktivitas oleh
perusahaan. Sebagai contoh, sebuah perusahaan manufaktur alat-alat listrik ingin memproduksi
x1, radio, x2 pemanggang roti, dan x3, jam. Sementara x1, x2, dan x3, merupakan simbol-simbol
yang mewakili radio adalah sebuah keputusan oleh perusahaan untuk memproduksi 100 radio).
Fungsi tujuan (objective function) adalah sebuah hubungan matematis linier yang
mendeskripsikan tujuan dari perusahaan terkait variabel keputusan. Fungsi tujuan selalu terdiri
atas tujuan untuk memaksimalkan atau meminimalkan suatu nilai (misalnya, memaksimalkan
Kendala model (model constraints) juga merupakan hubungan linier dari variabel
keputusan; kendala-kendala ini mewakili batasan yang diterapkan pada perusahaan oleh
lingkungan operasional.Batasan dapat hadir dalam bentuk sumber daya yang terbatas atau
pedoman yang membatasi. Sebagai contoh, hanya 40 jam kerja yang tersedia untuk
memproduksi radio selama produksi. Nilai numerik aktual dalam fungsi tujuan dan kendala,
Beaver Creek Pottery Company adalah sebuah operasi kerajinan tangan kecil yang
dijalankan oleh dewan adat istiadat Suku Asli Amerika. Perusahaan tersebut mempekerjakan
ahli-ahli kerajinan tangan yang terampil untuk memproduksi mangkuk dan mug tanah liat
dengan desain dan warna Suku Asli Amerika yang otentik. Kedua sumber daya utama yang
digunakan oleh perusahaan tersebut adalah tanah liat tembikar khusus dan tenaga kerja
terampil. Dengan sumber daya yang terbatas ini, perusahaan ingin mengetahui berapa banyak
mangkuk dan mug yang harus diproduksi setiap hari untuk memaksimalkan laba. Ini biasanya
disebut sebagai jenis masalah bauran produk. Skenario ini diilustrasikan dalam Gambar 2.1.
Kedua produk tersebut membutuhkan sumber daya untuk produksi dan laba perbarang
Mangkuk 1 4 40
Mug, 2 3 50
Terdapat 40 jam kerja dan 120 pon tanah liat yang tersedia setiap hari untuk produksi.
Kita akan merumuskan permasalahan ini sebagai model pemrograman linier dengan
mendefinisikan setiap komponen dari model secara terpisah dan kemudian menggabungkan
Variabel Keputusan
Keputusan yang dihadapi manajemen dalam permasalahan ini adalah berapa banyak
mangkuk dan mug yang harus diproduksi. Kedua variabel keputusan tersebut mewakili jumlah
mangkuk dan mug yang harus diproduksi setiap hari. Kuantitas yang harus diproduksi dapat
Fungsi Tujuan
Tujuan perusahaan adalah untuk memaksimalkan laba total. Laba perusahaan adalah
jumlah dari laba individual yang didapatkan dari masing-masing mangkuk dan mug. Laba yang
didapatkan dari mangkuk ditentukan dengan mengalikan laba unit dari setiap mangkuk, $40,
dengan jumlah mangkuk yang diproduksi, x1. Demikian juga, laba yang didapatkan dari mug
didapatkan dari laba unit sebuah mug, $50, dikalikan dengan jumlah mug yang diproduksi, x2.
Jadi, laba total, yang akan kita definisikan secara simbolis sebagai Z, dapat digambarkan secara
matematis sebagai $40x1 + $50x2. Dengan menempatkan istilah memaksimalkan di depan
keterangan
Kendala Model
Dalam permasalahan ini, dua sumber daya digunakan untuk produksi-tenaga kerja dan
tanah liat-yang jumlah keduanya terbatas. Produksi mangkuk dan mug membutuhkan, baik
tenaga kerja maupun tanah liat. Untuk setiap mangkaulk yang diproduksi, dibutuhkan 1 jam
kerja. Oleh untuk memprodusksi mug setiap hari adalah 2x2 jam. Tenaga kerja total yang
digunakan oleh perusahaan adalah jumlah dari jumlah tenaga kerja individual yang digunakan
1x2 + 2x2
Namun,jumlah tenaga kerja yang diwakili oleh 1x1 + 2x2 terbatas pada 40 jam per hari;
persamaan (=) karena 40 jam kerja tersebut adalah batasan maksimum yang dapat digunakan,
bukan jumlah yang harus digunakan. Kendala ini memungkinkan perusahaan untuk memiliki
menggunakan berapa pun jumlah yang diperlukan untuk memaksimalkan laba, hingga
mencapai dan mencakup 40 jam. Ini berarti bahwa dimungkinkan untuk mempunyai kapasitas
menganggur, atau berlebih (yaitu sebagian dari 40 jam tersebut mungkin tidak digunakan).
Kendala untuk tanah liat dirumuskan dengan cara yang sama dengan kendala tenaga
kerja. Karena setiap mangkuk membutuhkan 4 pon tanah liat,jumlah tanah liat yang digunakan
setiap hari untuk produksi mangkuk adalah 4x1 pon; dan karena setiap mug membutuhkan 3
pon tanah liat, jumlah tanah liat yang digunakan setiap hari untuk mug adalah 3x2. Karena
jumlah tanah liat yang tersedia untuk produksi setiap hari adalah 120 pon, kendala bahan
Kendala terakhir adalah bahwa jumlah mangkuk dan mug yang diproduksi haruslah
berjumlah nol atau bernilai positif karena tidak mungkin untuk memproduksi barang bernilai
negatif. Kendala ini disebut sebagai kendala non-negativitas (nonnegativity constraints) dan
X1 ≥ 0,x2 ≥0
Model pemrograman linier lengkap untuk permasalahan ini sekarang dapat dirangkum
sebagai berikut.
kendala
1x1 + 2x2 ≤ 40
4x1+3x2 ≤ 120
x1,x2 ≥ 0
Solusi dari model ini akan menghasilkan nilai numerik untuk x 1, dan x2 yang akan
mangkuk dan x2 = 10 mug. Pertama-tama, kita akan mensubstitusikan solusi hipotetis ini ke
dalam masing-masing kendala untuk memastikan bahwa solusi tersebut tidak membutuhkan
lebih banyak sumber daya dibandingkan yang diperlihatkan tersedia oleh kendala-kendalanya:
1(5) + 2(10) ≤ 40
25 ≤ 40
dan
50 ≤ 120
Karena tidak ada kendala yang dilanggar oleh solusi hipotetis ini, kita katakan bahwa
solusi ini ke dalam fungsi tujuan akan memberikan Z = 40(5) + 50(10) = $700. Namun, untuk
saat ini, kita tidak mempunyai cara lain untuk mengetahui apakah $700 merupakan laba
maksimum.
Z = $40(10) + 50(20)
=400 + 1.000
=$1.400
Meskipun ini jelas merupakan solusi yang lebih baik dalam hal laba, solusi ini infisibel
(yaitu tidak dimungkinkan) karena melanggar kendala sumber daya untuk tenaga kerja.
1(10) + 2(20) ≤ 40
50 ≤ 40
Solusi terhadap permasalahan ini harus memaksimalkan laba tanpa melanggar kendala-
kendalanya. Solusi yang mencapai tujuan ini adalah x 1 = 24 mangkuk dan x2 = 8 mug, dengan
laba sebesar $1.360. Penentuan solusi ini diperlihatkan dengan menggunakan pendekatan
linier terhadap permasalahan pengambilan keputusan adalah untuk menemukan solusi dari
model tersebut. Sebuah pendekatan solusi yang umum digunakan adalah dengan memecahkan
secara aljabar sekumpulan hubungan matematis yang membentuk model tersebut entah secara
manual atau dengan menggunakan program komputer, dan menentukan nilai dari variabel-
variabel keputusan tersebut. Namun, karena hubungannya bersifat linier, beberapa model dan
Metode grafis secara realistis terbatas pada model dengan hanya dua variabel
keputusan, yang dapat diwakili pada grafis dua dimensi. Model dengan tiga variabel keputusan
dapat digrafikkan dalam tiga dimensi, tetapi próses tersebut cukup merepotkan, dan model
dengan empat atau lebih variabel keputusan tidak dapat digrafikkan sama sekali.
Meskipun metode grafis bersifat terbatas sebagai sebuah pendekatan solusi, metode ini
sangat berguna pada titik ini dalam presentasi kita mengenai pemrograman linier karena
pemahaman yang lebih jelas mengenai cara pendekatan solusi komputer dan matematis
Model bauran produk akan digunakan untuk mendemonstrasikan interpretasi grafis dari
mendeskripsikan usaha Beaver Creek Pottery Company untuk memutuskan berapa banyak
mangkuk dan mug yang harus diproduksi setiap hari,dengan adanya jumlah tenaga kerja dan
tanah liat yang terbatas.Model pemrograman linier yang lengkap dirumuskan sebagai:
memaksimalkan Z = $40x1 + 50x2
kendala
x1 x2 ≥ 0
keterangan
Gambar 2.2 merupakan serangkaian koordinat untuk variabel keputusan x,dan x,yang
menjadi dasar untuk menggambarkan grafik dari model kita.Perhatikan bahwa hanya kuadran
positif yang digambar (yaitu, kuadran saat x1 dan x2 akan selalu positif) karena adanva kendala
Langkah pertama dalam menggambarkan grafik dari model tersebut adalah untuk
menggambarkan kendala pada grafik. Hal ini dilakukan dengan memperlakukan kedua kendala
sebagai persamaan (atau garis lurus) dan menggambarkan setiap garis pada grafik. Marilah kita
x1 + 2x2 = 40
Sebuah prosedur sederhana untuk menggambarkan garis ini adalah untuk menentukan
dua titik yang berada pada garis tersebut dan kemudian menarik sebuah garis lurus melalui
titik-titik tersebut. Satu titik dapat ditemukan dengan membuat x 1 = 0 dan mencari nilai untuk
x2.
(0) + 2x2 = 40
x2 = 20
Jadi, satu titik ada di koordinat x1 = 0 dan x2 = 20. Titik kedua dapat ditemukan dengan
x1+2(0) = 40
x1 = 40
Sekarang, kita mempunyai titik kedua, x1 = 40, x2 = 0. Garis pada grafik yang mewakili
persamaan
ini digambarkan dengan menghubungkan kedua titik tersebut, seperti yang tampak pada
Gambar 2.3. Namun, ini hanyalah grafik garis kendala dan tidak mencerminkan seluruh
kendala, yang juga meliputi nilai kurang dari atau sama dengan (≤) garis ini. Area yang
satu di dalam area kendala dan satu lagi diluar.Sebagai contoh,periksa titik A dalam Gambar
10 + 2(10) ≤ 40
30 ≤ 40 jam
Menunjukkan bahwa titik A memang berada di dalam area kendala, karena nilai untuk
x1 dan x2 menghasilkan kuantitas yang tidak melampaui kendala 40 jam. Kemudian, kita
40 + 2(30) ≤ 40
100 ≴ 40 jam
Titik B jelas berada di luar area kendala karena nilai untuk x1 dan x2 menghasilkan
Kita menggambarkan garis untuk kendala tanah liat dengan cara yang sama dengan
garis untuk kendala tenaga kerja-dengan menemukan dua titik pada garis kendala dan
menghubungkannya dengan sebuah garis lurus. Pertama, buat x1 = 0 dan cari nilai untuk x2 :
x2 = 40
x1 = 30
Operasi ini menghasilkan titik kedua, x1 =30,x2 =0. Dengan menggambarkan titik-titik
ini pada grafik dan menghubungkan keduanya dengan sebuah garis maka akan memberi garis
kendala dan area untuk tanah liat, seperti yang tampak pada Gambar 2.5.
Dengan menggabungkan kedua grafik individual untuk tenaga kerja dan tanah liat
(Gambar 2.4 dan 2.5) akan menghasilkan grafik kendala model,seperti yang tampak pada
Gambar 2.6.Area yang diarsir dalam Gambar 2.6 adalah area yang sama untuk kedua kendala
model.Oleh karena itu,hal ini adalah satu-satunya area pada grafik yang mengandung titik-titik
(yaitu nilai untuk x1 dan x2) yang akan memenuhi kedua kendala secara bersama-sama.Sebagai
contoh,titik R,S,dan T dalam Gambar 2.7. Titik R memenuhi kedua kendala; jadi, kita katakan
itu adalah titik solusi yang fisibel. Titik S memenuhi kendala tanah liat (4x, + 3x2 ≤ 120), tetapi
melampaui kendala tenaga kerja; jadi, titik tersebut infisibel. Titik T tidak memenuhi kedua
Area yang diarsir dalam Gambar 2.7 disebut sebagai ruang solusi fisibel karena semua
titik-titik di dalam area ini memenuhi kedua kendala. Beberapa titik di dalam ruang solusi
fisibel ini akan menghasilkan laba maksimum untuk Beaver Creek Pottery Company. Langkah
berikutnya dalam pendekatan solusi grafis adalah untuk mencari titik ini.
Langkah kedua dalam metode solusi grafik adalah untuk mencari titik di dalam ruang
solusi fisibel yang akan menghasilkan laba total terbesar. Untuk memulai analisis solusi, kita
pertama-tama menggambarkan garis fungsi tujuan untuk sebuah tingkat laba yang dipilih
secara sembarang. Sebagai contoh, jika kita katakan laba, Z, adalah $800, fungsi tujuannya
adalah:
Dengan menggambarkan garis ini dengan cara kita menggambarkan garis kendala akan
menghasilkan grafik yang tampak pada Gambar 2.8. Setiap titik pada garis ini berada dalam
ruang solusi fisibel dan akan menghasilkan laba sebesar $800 (yaitu setiap kombinasi dari x,
dan x, pada garis ini akan memberikan nilai Z sebesar $800). Namun, marilah kita melihat
apakah laba yang lebih besar lagi masih akan memberikan solusi yang fisibel. Sebagai contoh,
laba sebesar $1.200 dan $1.600, seperti yang tampak pada Gambar 2.9.
Sebagian dari garis fungsi tujuan untuk laba sebesar $1.200 berada di luar ruang solusi
fisibel, tetapi bagian dari garis tersebut masih berada di dalam area fisibel. Oleh karena itu,
garis laba ini mengindikasikan bahwa terdapat titik-titik solusi fisibel yang memberikan laba
lebih besar dari $800. Sekarang, marilah kita meningkatkan laba sekali lagi, menjadi $1.600.
Garis laba ini, yang juga tampak pada Gambar 2.9, sama sekali berada di luar ruang solusi
fisibel. Fakta bahwa tidak ada titik pada garis ini yang fisibel mengindikasikan bahwa laba
pada Gambar 2.9, pertanyaan akan nilai laba maksimum masih tetap ada. Kita dapat melihat
dari Gambar 2.9 bahwa laba meningkat seiring garis fungsi tujuan bergerak menjauhi dari
pangkal (yaitu titik x1 = 0, x2 = 0). Dengan karakteristik ini, laba maksimum akan tercapai pada
titik tempat garis fungsi tujuan terjauh dari pangkal dan masih menyentuh titik di dalam ruang
solusi fisibel. Titik ini diperlihatkan sebagai titik B dalam Gambar 2.10.
Untuk menemukan titik B, kita menempatkan sebuah penggaris paralel dengan garis
fungsi tujuan $800 = 40x1 + 50x2 dalam Gambar 2.10 dan menggerakkannya ke luar dari
pangkal sejauh mungkin tanpa kehilangan kontak dengan ruang solusi fisibel. Titik B disebut
Nilai Solusi
Langkah ketiga dalam pendekatan solusi grafis adalah mencari nilai x1 dan x2 setelah
titik solusi optimal telah ditemukan. Kita dapat menentukan koordinat x 1 dan x2 dari titik B
dalam Gambar 2.10 secara langsung dari grafik, seperti yang tampak pada Gambar 2.11.
Koordinat grafis yang menunjukkan titik B dalam Gambar 2.11 adalah x1 = 24 dan x2 = 8. Ini
adalah solusi optimal untuk variabel keputusan dalam permasalahan tersebut. Tetapi, kecuali
digambar grafik yang sangat akurat, kita sering sulit untuk menentukan solusi yang benar
secara langsung dari grafik. Pendekatan yang lebih pasti adalah dengan menentukan nilai solusi
secara matematis setelah titik optimal di grafik ditentukan. Pendekatan matematis untuk
menentukan solusi akan dideskripsikan pada bagian berikutnya. Namun; pertama-tama, kita
Dalam Gambar 2.10,seiring fungsi tujuan yang telah ditingkatkan, titik terakhir yang
disentuhnya dalam ruang solusi fisibel berada di perbatasan ruang solusi fisibel. Titik solusi
selalu berada pada perbatasan ini karena perbatasan mengandung titik terjauh dari pangkal
(yaitu titik yang menunjukkan laba terbesar). Karakteristik dari permasalahan pemrograman
linier ini sangat mengurangi jumlah kemungkinan titik solusi, dari semua titik di dalam área
solusi menjadi hanya titik-titik yang berada di perbatasan. Namun, jumlah kemungkinan titik
solusi dikurangi lebih jauh lagi oleh karakteristik lainnya dari permasalahan pemrograman
linier.
Titik solusi akan berada di perbatasan dari ruang solusi fisibel dan berada di salah satu
sudut perbatasan tempat kedua garis kendala berpotongan. (Sumbu grafis, seperti yang Anda
ingat, juga merupakan kendala karena x1 ≥ 0 dan x2 ≥ 0.) Sudut-sudut ini (titik A, B, dan C
dalam Gambar 2.11) merupakan tonjolan, atau ekstrem, dalam ruang solusi fisibel; ketiganya
disebut titik ekstrem (extreme points). Telah terbukti secara matematis bahwa solusi optimal
dalam sebuah model pemrograman linier akan selalu terjadi di titik ekstrem. Oleh karena itu,
dalam sampel permasalahan kita, kemungkinan titik-titik solusinya terbatas pada tiga titik
ekstrem, A, B, dan C. Titik ekstrem optimal adalah titik ekstrem yang terakhir disentuh oleh
fungsi tujuan seiring fungsi tersebut meninggalkan ruang solusi fisibel, seperti yang tampak
Dari grafik yang tampak pada Gambar 2.10, kita mengetahui bahwa titik solusi
optimalnya adalah B. Karena titik B dibentuk oleh perpotongan dari dua garis kendala, seperti
yang tampak pada Gambar 2.11, kedua garis tersebut sama pada titik B. Jadi, nilai x1 dan x2
pada perpotongan itu dapat ditemukan dengan memecahkan kedua persamaan secara bersama-
sama.
X1 + 2x2 =40
X1 = 40 - 2x2
dan
4x1 + 3x2 = 120
x1 = 30 -(3x2/4)
Sekarang, kita membuat x1 dalam persamaan pertama sama dengan x, dalam persamaan kedua.
40-2x2=30-(3x2/4)
5x2/4=10
x2=8
Dengan mensubstitusi nilai x2 = 8 ke dalam salah satu dari persamaan awal akan menghasilkan
nilai x1 :
x1 = 40 - 2x2
x1 = 40 - 2(8)
= 24