BAB II

PEMROGRAMAN LINEAR PERUMUSAN MODEL DAN SOLUSI GRAFIS

Terdapat tiga langkah untuk menerapkan teknik pemrograman linier.Pertama,masalah

harus didentifikasi sebagai masalah yang dapat dipecahkan dengan pemrograman linier Kedua,

masalah yang tidak terstruktur harus dirumuskan sebagai model matematis.Ketiga,

modeltersebut harus dipecahkan dengan menggunakan teknik matematis yang telah ada.

Teknik pemrograman linier mendapatkan namanya dari fakta bahwa hubungan-hubungan

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

memecahkan model ini dengan menggunakan grafik.

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

laba atau meminimalkan biaya untuk memproduksi radio).

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,

seperti 40 jam kerja yang tersedia, merupakan parameter (parameters).

Sebuah Contoh Model Pemaksimuman

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

yang diproduksi (yaitu parameter model sebagai berikut.

 Kebutuhan Sumber Daya

Produk Tenaga Kerja Tanah Liat Laba

(jam/unit) (pon/unit) ($/unit)

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

komponen-komponen tersebut ke dalam satu model tunggal. Langkah-langkah dalam proses

perumusan dirangkum sebagai berikut.

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

diwakili secara simbolis sebagai:

X1= jumlah mangkuk yang harus diproduksi

X2 = jumlah mug yang harus diproduksi

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

fungsi laba, kita menggambarkan tujuan perusahaan-untuk memaksimalkan laba:

memaksimalkan Z = $40x1 + 50x2

keterangan

Z= laba total per hari

$40x1 = laba dari mangkuk

$50x2 =laba dari mug

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

untuk masing – masing produk:

1x2 + 2x2

Namun,jumlah tenaga kerja yang diwakili oleh 1x1 + 2x2 terbatas pada 40 jam per hari;

jadi, kendala tenaga kerja lengkapnya adalah:

1x1 + 2x2 ≤ 40 jam

Pertidaksamaan "kurang dariatau sama dengan" (≤)akan lebih digunakan daripada

persamaan (=) karena 40 jam kerja tersebut adalah batasan maksimum yang dapat digunakan,

bukan jumlah yang harus digunakan. Kendala ini memungkinkan perusahaan untuk memiliki

fleksibilitas; perusahaan tidak dibatasi untuk menggunakan tepat 40 jam,tetapi dapat

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

bakunya dapat dirumuskan sebagai:

4x1 + 3x2 ≤ 120 pon

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

digambarkan secara matematis sebagai:

X1 ≥ 0,x2 ≥0

Model pemrograman linier lengkap untuk permasalahan ini sekarang dapat dirangkum

sebagai berikut.

memaksimalkan Z = $40x1 + 50x2

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

memaksimalkan laba total, Z. Sebagai salah satu kemungkinan solusi, pertimbangkan x 1 = 5

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

4(5) + 3(10) ≤ 120

50 ≤ 120

Karena tidak ada kendala yang dilanggar oleh solusi hipotetis ini, kita katakan bahwa

solusi tersebut fisibel (feasible) (yaitu dimungkinkan). Dengan mensubstitusikan nilai-nilai

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.

Sekarang, pertimbangkan sebuah solusi dari x1 = 10 mangkuk dan x2 = 20 mangkuk.

Solusi ini menghasilkan laba sebesar:

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

solusi grafis dalam bagian berikut.

Solusi Grafis dari Model Pemrograman Linier

Setelah perumusan model matematis, tahapan berikutnya dalam aplikasi pemrograman

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

solusi dapat diilustrasikan secara grafis.

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

memberikan gambaran mengenai cara solusi didapatkan. Grafik dapat memberikan

pemahaman yang lebih jelas mengenai cara pendekatan solusi komputer dan matematis

dipresentasikan dalam karya bab-bab berikutnya dan, dengan demikian, memberikan

pemahaman yang lebih baik mengenai solusi.

Solusi Grafis dari Model Maksimalisasi

Model bauran produk akan digunakan untuk mendemonstrasikan interpretasi grafis dari

sebuah permasalahan pemrograman linier. Ingat bahwa permasalahan tersebut

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 + 2x2 ≤ 40 jam kerja

4x1 + 3x2 ≤ 120 pon tanah liat

x1 x2 ≥ 0

keterangan

x1 = jumlah mangkuk yang diproduksi

x2 = jumlah mug yang diproduksi

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

non negativitas, x1 ≥ 0 dan x2 ≥ 0

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

melihat padla kendala tenaga kerja terlebih dahulu:

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

membuat x2 = 0 dan mencari nilai untuk x1 :

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

mewakili seluruh kendala tampak pada Gambar 2.4.

 Untuk menguji kebenaran area kendala, kita perlu memeriksa dua titik sembarang –

satu di dalam area kendala dan satu lagi diluar.Sebagai contoh,periksa titik A dalam Gambar

2.4,yang berada di perpotongan x1 = 10 dan x2 = 10.Dengan mengganti nilainilai ini menjadi

kendala tenaga kerja berikut:

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

memeriksa titik B di x1 = 40 dan x2 = 30:

40 + 2(30) ≤ 40

100 ≴ 40 jam
 Titik B jelas berada di luar area kendala karena nilai untuk x1 dan x2 menghasilkan

kuantitas (100) yang melampaui kendala 40 jam.

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 :

4(0) + 3x2 = 120

x2 = 40

Dengan melakukan operasi ini menghasilkan sebuah titik, x 1 = 0, x2 = 40. Kemudian,

kita membuat x2 = 0 dan kemudian mencari nilai untuk x,:

4x1 + 3(0) = 120

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

kendala; jadi titik tersebut juga infisibel.

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.

Titik Solusi Optimal

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:

$800 = 40x1 + 50x2

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

sebesar $1.600 tidak dimungkinkan.

 Karena laba sebesar $1.600 terlalu besar untuk kapasitas kendala, seperti yang tampak

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

sebagai solusi optimal (yaitu yang terbaik).

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

akan melihat beberapa karakteristik dari solusi tersebut.

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

pada Gambar 2.10.

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.

Pertama, kita mengubah kedua persamaan menjadi fungsi x,:

X1 + 2x2 =40

X1 = 40 - 2x2

dan
 4x1 + 3x2 = 120

4x1 = 120 - 3x2

x1 = 30 -(3x2/4)

Sekarang, kita membuat x1 dalam persamaan pertama sama dengan x, dalam persamaan kedua.

40-2x2=30-(3x2/4)

dan menyelesaikan nilai x2:

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