LAPORAN

PRAKTIKUM
TIN - 217
PRAKTIKUM PEMROGRAMAN KOMPUTER
CRYSTAL - 217 - I - 022/023

MODUL : I-PENGANTAR OPTIMASI &

PENELITIAN OPERASIONAL
DASAR

NAMA : JEREMIAH HEBERT SUTIKNO

NIM : 2021-0453-0012

ASISTEN : CYNTHIA CHABELLA

TANGGAL : 14 SEPTEMBER 2022

SHIFT :A
PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS KATOLIK INDONESIA ATMA JAYA
TANGERANG
SEMESTER GANJIL 2022/2023
 BAB I PENDAHULUAN
I.1. Latar Belakang
Optimasi memiliki arti dalam kamus besar bahasa Indonesia sebagai
pengoptimalan, yaitu proses, cara, pembuatan untuk menghasilkan yang paling baru,
dimana dapat diartikan bahwa optimasi memiliki tujuan untuk meminimalkan usaha
atau modal yang dibutuhkan, atau memaksimalkan keuntungan yang di dapat.
Optimasi memiliki hubungan dengan penelitian operasional dimana optimasi ini
memiliki tujuan untuk mencapai hasil yang ideal dalam suatu masalah namun masih
dalam batasan maksimum atau minimum yang sudah ditentukan. Optimasi ini memiliki
beberapa metode seperti Optimasi secara Pemrograman Linier, Optimasi secara
Stokastik, Optimasi secara Kalkulus Variasi, dan Optimasi secara Algoritma Genetika.
Pada praktikum kali ini metode yang akan digunakan adalah Optimasi secara
Pemrograman Linier.
Optimasi secara Pemrograman Linier adalah metode yang mencapai hasil
terbaik dengan cara membuat model matematika yang dasarnya adalah hubungan linier.
Metode Optimasi secara Pemrograman Linier dapat digunakan untuk memecahkan
persoalan-persoalan seperti alokasi bahan atau barang dalam produksi, campuran
masing-masing unit dipecahkan dan digabung untuk menghasilkan output,
pengalokasian unit/barang/pasokan dan lainnya pada beberapa tempat.
I.2. Landasan Teori
Program linier merupakan ilmu terapan yang bermanfaat dan memiliki
pengaplikasian yang luas. Program linier ini dapat diselesaikan dengan beberapa
metode yaitu metode grafik dan metode simpleks. Metode grafik akan efektif
digunakan bila hanya ada dua variabel misalkan variabel ada lebih dari dua maka
metode ini tidak lagi akan efektif sehingga tidak dapat digunakan untuk
mengoptimalkan suatu persoalan.
Bentuk umum sebuah program linear adalah m persamaan atau m
pertidaksamaan linier dengan r variabel, akan dicari nilai tidak negative dari variabel-
variabel yang memenuhi batasan dan mengoptimalkan fungsi linier variabel-variabel
tersebut. Dalam Bahasa matematik dapat ditulis:
Maksimumkan atau minimunkan fungsi linier: 𝑧 = 𝑐1 𝑥1 +. . . +𝑐𝑟 𝑥𝑟 …….(1)
Kendala: 𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 +. . . +𝑎𝑖𝑟 𝑥𝑟 {≤, =, ≥}𝑏𝑖 , …….(2)
𝑥𝑗 ≥ 0 …….(3)
 2
Laporan Praktikum Pemrograman Komputer. Modul I. Pengantar Optimasi & Penelitian
Operasional Dasar
Dimana i = 1,2,3,…,m; j = 1,2,3,…,r; m dan r adalah bilangan bulat; 𝑎𝑖𝑗 , 𝑏𝑗 , 𝑐𝑗
adalah konstanta yang diketahui. Dalam setiap batasan tanda ≤,=,≥ hanya dipakai satu,
tetapi pada setiap batasan tanda yang dipakai dapat berubah. Persamaan (1) disebut
fungsi tujuan atau fungsi objektif, persamaan (2) disebut kendala utama, sedangkan
persamaan (3) disebut kendala pembatas. (Abdillah, 2013)
Metode Grafik seperti yang sudah di singgung dalam program linier hanya dapat
melibatkan dua variabel agar mendapatkan penyelesaian yang efektif. Penyelesaian
dalam metode grafik ini dapat ditemukan dengan menentukan titik titik pada grafik
yang memenuhi batasan, dengan cara pertidaksamaan batasan dimisalkan dalam bentuk
persamaan lalu bentuk persamaan batasan diubah menjadi bentuk koordinat sehingga
dapat dilukis di dalam grafik, grafik ini dapat diarsir bagian yang memenuhi batasan
daerah yang terarsir merupakan penyelesaian yang layak. Untuk menentukan
penyelesaian yang layak dan paling optimal dapat kita lukis fungsi tujuan pada grafik
lalu menggeser garis fungsi tujuan ke atas sehingga kita akan menemukan satu titik
pada daerah yang diarsir, titik tersebut adalah penyelesaian layak yang paling optimal.
Metode Simpleks memperkenalkan beberapa variabel tambahan yaitu variabel
slack, variabel surplus,dan variabel artificial, variabel slack dan variabel surplus ini
memiliki fungsi mengkonversi pertidaksamaan menjadi persamaan. Pada fungsi
kendala dengan tanda ≤ kita harus menambahkan variabel slack yang menyatakan
kapasitas yang tidak diperlukan atau tersisa pada variabel tersebut. Pada fungsi kendala
dengan tanda ≥, artinya kita dapat menggunakan sumberdaya lebih dari yang
disediakan. Untuk menentukan banyaknya sumberdaya lebih yang akan digunakan kita
harus mengurangi batasan tersebut dengan variabel surplus dimana variabel ini sering
juga disebut dengan variabel slack yang negative. Variabel artificial ini tidak
mempunyai arti namun memiliki kepentingan hanya untuk perhitungan saja.
(Syahputra, 2015)
I.3. Tujuan
1. Praktikan dapat memahami tentang pemrograman linier dalam penelitian
operasional dasar.
2. Praktikan dapat memahami dan membedakan penggunaan metode grafis dan
metode simpleks pada pemrograman linier.
3. Praktikan dapat mengolah data-data yang berkaitan dengan optimasi dan
menyajikannya dalam bentuk perhitungan manual maupun menggunakan software.

Laboratorium Statistik Industri dan Pendukung Keputusan Program Studi Teknik Industri –
Fakultas Teknik Universitas Katolik Indonesia Atma Jaya
 3
Laporan Praktikum Pemrograman Komputer. Modul I. Pengantar Optimasi & Penelitian
Operasional Dasar
4. Praktikan dapat memahami perbedaan antara penyelesaian perhitungan secara
manual dan dengan menggunakan Excel Solver.
5. Praktikan dapat menerapkan serta memahami penerapan dari optimasi dalam
kehidupan sehari-hari

II. Pengumpulan Data

II.1. Metode Grafik
PT CRYSTAL memproduksi 2 jenis makanan, yaitu bolu dan roti. Bahan
utama dari kedua makanan tersebut adalah tepung dan gula. Komposisi
penggunaan untuk masing-masing produk dan maksimum persediaan per hari
seperti pada tabel berikut:
Tabel II.1. Metode Grafik 1
Maksimum Persediaan Per
Komposisi (Kg)
Bahan Hari (Kg)
Bolu Roti
Tepung 5 6 30
Gula 2 4 16
Harga Jual (Rp) 8,500 6,000
Dalam hasil pengamatan pasar bahwa permintaan/ hari 2 bolu tidak
pernah melebihi roti diatas 3 unit. Permintaan bolu untuk setiap harinya
maksimum 2 unit. Tentukan berapa banyak bolu dan roti yang harus diproduksi
agar memperoleh hasil yang optimal.
II.2. Metode Simpleks
PT CRYSTAL merupakan perusahaan yang memproduksi berbagai
macam jenis pupuk. Saat ini dikarenakan kondisi yang tidak stabil membuat
pengelolaan PT CRYSTAL menjadi terganggu, sehingga pihak manajemen akan
mengadakan perubahan konsep produksi beberapa jenis pupuk yang biasanya
menjadi pupuk andalan dari perusahaan ini.
Tabel II.2 Metode Simpleks 1
Jenis Produk Suplai
Jenis Bahan
Maksimum
Baku (kg) P1 P2 P3 P4 P5 P6 P7
(kg)/Hari
A 2 3 2 1 1 1 2 6000
B 1 1 2 2 1 2 1 7500
C 2 1 2 2 3 1 2 9000
D 1 1 2 3 2 4 2 12000
Harga
16 12 10 22 20 13 14
Jual/Unit

Laboratorium Statistik Industri dan Pendukung Keputusan Program Studi Teknik Industri –
Fakultas Teknik Universitas Katolik Indonesia Atma Jaya
 4
Laporan Praktikum Pemrograman Komputer. Modul I. Pengantar Optimasi & Penelitian
Operasional Dasar
Tentukan berapa banyak produk P1 sampai P7 yang harus diproduksi
setiap minggunya agar diperoleh keuntungan yang optimal. Apakah ada bahan
baku yang tersisa? Jika ada tentukan bahan baku tersebut dan berapa besar
sisanya.

III. Pengolahan Data

III.1. Manual
III.1.1. Metode Grafik
Permisalan:
𝑥1 = 𝐵𝑎𝑛𝑦𝑎𝑘 𝑝𝑟𝑜𝑑𝑢𝑘 𝑏𝑜𝑙𝑢
𝑥2 = 𝐵𝑎𝑛𝑦𝑎𝑘 𝑝𝑟𝑜𝑑𝑢𝑘 𝑟𝑜𝑡𝑖

Maksimum : 𝑍 = 8500𝑥1 + 6000𝑥2

Fungsi Batasan:
5𝑥1 + 6𝑥2 ≤ 30 …(1)
2𝑥1 + 4𝑥2 ≤ 16 …(2)
2𝑥1 − 𝑥2 ≤ 3 …(3)
𝑥1 ≤ 2 …(4)

Penyelesaian
Permisalan (1) di cari titik koordinatnya dengan cara memasukan
x1=0 lalu titik koordinat kedua dicari dengan cara memasukkan x2=0 dan
dilakukan berulang hingga ke permisalan (3)

(1)=0 + 6𝑥2 = 30−→ (0,5) 5𝑥1 + 0 = 30−→ (6,0)

(2)=0 + 4𝑥2 = 16−→ (0,4) 2𝑥1 + 0 = 16−→ (8,0)
3
(3)=0 − 3𝑥2 = 1 −→ (0, −3) 2𝑥1 − 0 = 3 −→ (2 , 0)

Laboratorium Statistik Industri dan Pendukung Keputusan Program Studi Teknik Industri –
Fakultas Teknik Universitas Katolik Indonesia Atma Jaya
 5
Laporan Praktikum Pemrograman Komputer. Modul I. Pengantar Optimasi & Penelitian
Operasional Dasar

Gambar III.1 Grafik Variabel Batasan

Uji titik yang berpotongan untuk mencari titik maksimalnya
(1.5,0)
𝑍 = (1.5)8500 + (0)6000 = 12750
(2,1)
𝑍 = (2)8500 + (1)6000 = 23000
(2,3)
𝑍 = (2)8500 + (3)6000 = 35000
(0,4)
𝑍 = (0)8500 + (4)6000 = 24000
Dari uji titik dapat dilihat bahwa titik (2,3) adalah titik yang
paling maksimum dimana keuntungan didapat sebanyak Rp35.000
dengan memproduksi bolu sebanyak 2 dan roti sebanyak 3.

III.1.2. Metode Simpleks

X1= Banyak P1 yang dibuat
X2= Banyak P2 yang dibuat
X3= Banyak P3 yang dibuat
X4= Banyak P4 yang dibuat
X5= Banyak P5 yang dibuat
X6= Banyak P6 yang dibuat
X7= Banyak P7 yang dibuat

Laboratorium Statistik Industri dan Pendukung Keputusan Program Studi Teknik Industri –
Fakultas Teknik Universitas Katolik Indonesia Atma Jaya
 6
Laporan Praktikum Pemrograman Komputer. Modul I. Pengantar Optimasi & Penelitian
Operasional Dasar
Maksimum:
Z-16X1-12X2-10X3-22X4-20X5-13X6-14X7+0S1+0S2+0S3+0S4
Fungsi Batasan:
(1) 2X1+3X2+2X3+1X4+1X5+1X6+2X7+1S1=6000
(2) 1X1+1X2+2X3+2X4+1X5+2X6+1X7+1S2=7500
(3) 2X1+1X2+2X3+2X4+3X5+1X6+2X7+1S3=9000
(4) 1X1+1X2+2X3+3X4+2X5+4X6+2X7+1S4=12000
(5) X1,X2,X3,X4,X5,X6,X7≥0 , S1,S2,S3,S4≥0
Tabel III.1 Tabel Simpleks Awal

Var Basis X1 X2 X3 X4 X5 X6 X7 S1 S2 S3 S4 Solusi

Ratio
Zj-cj -16 -12 -10 -22 -20 -13 -14 0 0 0 0 0
S1 2 3 2 1 1 1 2 1 0 0 0 6000 6000:1=6000
S2 1 1 2 2 1 2 1 0 1 0 0 7500 7500:2=3750
S3 2 1 2 2 3 1 2 0 0 1 0 9000 9000:2=4500
S4 1 1 2 3 2 4 2 0 0 0 1 12000 12000:3=4000
Iterasi 1
(*)(1/2)= 0.5 0.5 1 1 0.5 1 0.5 0 0.5 0 0 3750

Pers. Lama
Zj-cj= -16 -12 -10 -22 -20 -13 -14 0 0 0 0 0
-
(**)(-22) -11 -11 -22 -22 -11 -22 -11 0 11 0 0 -82500
Pers. Baru
Zj-cj= -5 -1 12 0 -9 9 -3 0 11 0 0 82500

Pers. Lama
S1= 2 3 2 1 1 1 2 1 0 0 0 6000
(**)(1) 0.5 0.5 1 1 0.5 1 0.5 0 0.5 0 0 3750
Pers. Baru -
S1= 1.5 2.5 1 0 0.5 0 1.5 1 0.5 0 0 2250

Pers. Lama
S3= 2 1 2 2 3 1 2 0 0 1 0 9000
(**)(2) 1 1 2 2 1 2 1 0 1 0 0 7500
Pers. Baru
S3= 1 0 0 0 2 -1 1 0 -1 1 0 1500

Pers. Lama
S4= 1 1 2 3 2 4 2 0 0 0 1 12000
(**)(3) 1.5 1.5 3 3 1.5 3 1.5 0 1.5 0 0 11250
Pers. Baru - - -
S4= 0.5 0.5 -1 0 0.5 1 0.5 0 1.5 0 1 750

Laboratorium Statistik Industri dan Pendukung Keputusan Program Studi Teknik Industri –
Fakultas Teknik Universitas Katolik Indonesia Atma Jaya
 7
Laporan Praktikum Pemrograman Komputer. Modul I. Pengantar Optimasi & Penelitian
Operasional Dasar

Tabel III.2 Tabel Simpleks Iterasi 1

Var Basis X1 X2 X3 X4 X5 X6 X7 S1 S2 S3 S4 Solusi
Ratio
Zj-cj -5 -1 12 0 -9 9 -3 0 11 0 0 82500
S1 1.5 2.5 1 0 0.5 0 1.5 1 -0.5 0 0 2250 2250:0.5=4500
X4 0.5 0.5 1 1 0.5 1 0.5 0 0.5 0 0 3750 3750:0.5=7500
S3 1 0 0 0 2 -1 1 0 -1 1 0 1500 1500:2=750
- -
S4 0.5 0.5 -1 0 0.5 1 0.5 0 -1.5 0 1 750 750:0.5=1500

Iterasi 2
(*)(1/2)= 0.5 0 0 0 1 -0.5 0.5 0 -0.5 0.5 0 750

Pers. Lama Zj-

cj= -5 -1 12 0 -9 9 -3 0 11 0 0 82500
(**)(-9) -4.5 0 0 0 -9 4.5 -4.5 0 4.5 -4.5 0 -6750
Pers. Baru Zj-cj= -0.5 -1 12 0 0 4.5 1.5 0 6.5 4.5 0 89250

Pers. Lama S1= 1.5 2.5 1 0 0.5 0 1.5 1 -0.5 0 0 2250

(**)(0.5) 0.25 0 0 0 0.5 -0.25 0.25 0 -0.25 0.25 0 375
Pers. Baru S1= 1.25 2.5 1 0 0 0.25 1.25 1 -0.25 -0.25 0 1875

Pers. Lama X4= 0.5 0.5 1 1 0.5 1 0.5 0 0.5 0 0 3750

(**)(0.5) 0.25 0 0 0 0.5 -0.25 0.25 0 -0.25 0.25 0 375
Pers. Baru X4= 0.25 0.5 1 1 0 1.25 0.25 0 0.75 -0.25 0 3375

Pers. Lama S4= -0.5 -0.5 -1 0 0.5 1 0.5 0 -1.5 0 1 750

(**)(0.5) 0.25 0 0 0 0.5 -0.25 0.25 0 -0.25 0.25 0 375
Pers. Baru S4= -0.75 -0.5 -1 0 0 1.25 0.25 0 -1.25 -0.25 1 375

Tabel III.3 Tabel Simpleks Iterasi 2

Var Basis X1 X2 X3 X4 X5 X6 X7 S1 S2 S3 S4 Solusi

Zj-cj -0.5 -1 12 0 0 4.5 1.5 0 6.5 4.5 0 89250 Ratio
S1 1.25 2.5 1 0 0 0.25 1.25 1 -0.25 -0.25 0 1875 1875:2.5=750
X4 0.25 0.5 1 1 0 1.25 0.25 0 0.75 -0.25 0 3375 3375:0.5=6750
X5 0.5 0 0 0 1 -0.5 0.5 0 -0.5 0.5 0 750 750:0=~
S4 -0.75 -0.5 -1 0 0 1.25 0.25 0 -1.25 -0.25 1 375 375:-0.5=-750
Iterasi 3
(*)(1/2.5)= 0.5 1 0.4 0 0 0.1 0.5 0.4 -0.1 -0.1 0 750

Pers. Lama Zj-

cj= -0.5 -1 12 0 0 4.5 1.5 0 6.5 4.5 0 89250
-
(**)(-1) -0.5 -1 -0.4 0 0 -0.1 -0.5 0.4 0.1 0.1 0 -750

Laboratorium Statistik Industri dan Pendukung Keputusan Program Studi Teknik Industri –
Fakultas Teknik Universitas Katolik Indonesia Atma Jaya
 8
Laporan Praktikum Pemrograman Komputer. Modul I. Pengantar Optimasi & Penelitian
Operasional Dasar
Pers. Baru Zj-
cj= 0 0 12.4 0 0 4.6 2 0.4 6.4 4.4 0 90000

Pers. Lama -
X4= 0.25 0.5 1 1 0 1.25 0.25 0 0.75 0.25 0 3375
-
(**)(0.5) 0.25 0.5 0.2 0 0 0.05 0.25 0.2 -0.05 0.05 0 375
-
Pers. Baru X4= 0 0 0.8 1 0 1.2 0 0.2 0.8 -0.2 0 3000

Pers. Lama
X5= 0.5 0 0 0 1 -0.5 0.5 0 -0.5 0.5 0 750
(**)(0) 0 0 0 0 0 0 0 0 0 0 0 0
Pers. Baru X5= 0.5 0 0 0 1 -0.5 0.5 0 -0.5 0.5 0 750

Pers. Lama -
S4= -0.75 -0.5 -1 0 0 1.25 0.25 0 -1.25 0.25 1 375
- -
(**)(-0.5) -0.25 -0.5 -0.2 0 0 0.05 -0.3 0.2 0.05 0.05 0 -375
Pers. Baru S4= -0.5 0 -0.8 0 0 1.3 0.5 0.2 -1.3 -0.3 1 750

Tabel III.4 Tabel Hasil Iterasi 3

Var Basis X1 X2 X3 X4 X5 X6 X7 S1 S2 S3 S4 Solusi Ratio

Zj-cj 0 0 12.4 0 0 4.6 2 0.4 6.4 4.4 0 90000
X2 0.5 1 0.4 0 0 0.1 0.5 0.4 -0.1 -0.1 0 750
X4 0 0 0.8 1 0 1.2 0 -0.2 0.8 -0.2 0 3000
X5 0.5 0 0 0 1 -0.5 0.5 0 -0.5 0.5 0 750
S4 -0.5 0 -0.8 0 0 1.3 0.5 0.2 -1.3 -0.3 1 750
Karena pada Tabel 3.4 tersebut Zj-cj sudah tidak memiliki nilai
negatif maka solusi dapat disebut solusi yang layak dan optimal. Dapat
kita simpulkan bahwa produksi yang optimal dapat dilakukan dengan
memproduksi produk X2 dan X5 sebanyak 750, produk X4 sebanyak
3000. Untuk bahan yang berlebih ada pada bahan D sebanyak 750 kg,
maka keuntungan yang akan di dapat sebanyak 90000$.

III.2. Software
III.2.1. Metode Grafik
Tabel III.5 Tabel Penyelesaian Metode Grafik Secara Excel

Laboratorium Statistik Industri dan Pendukung Keputusan Program Studi Teknik Industri –
Fakultas Teknik Universitas Katolik Indonesia Atma Jaya
 9
Laporan Praktikum Pemrograman Komputer. Modul I. Pengantar Optimasi & Penelitian
Operasional Dasar
Variabel X1 X2 Z
Harga Jual 8500 6000
Nilai Variabel 2 3 35000
5 6 28 ≤ 30
2 4 16 ≤ 16
Fungsi Batas
1 0 2 ≤ 2
2 -3 1 ≤ 1

III.2.2. Metode Simpleks

Tabel III.6 Tabel Penyelesaian Metode Simpleks Secara Excel
Variabel X1 X2 X3 X4 X5 X6 X7 Z
Harga Jual 16 12 10 22 20 13 14
Nilai
Variabel 0 750 0 3000 750 0 0 90000
2 3 2 1 1 1 2 6000 ≤ 6000
1 1 2 2 1 2 1 7500 ≤ 7500
Fungsi Batas
2 1 2 2 3 1 2 9000 ≤ 9000
1 1 2 3 2 4 2 11250 ≤ 12000

IV. Analisa
IV.1. Analisa Keseluruhan
Penelitian Operasional adalah bidang yang mengoptimalkan
permasalahan permasalahan yang ada menggunakan beberapa metode salah
satunya adalah Pengoptimalan secara Pemrograman Linier. Pengoptimalan
secara Pemrograman Linier ini dibagi menjadi dua metode yaitu metode grafik
dan metode simpleks dimana metode grafik hanya dapat digunakan untuk
mengoptimalkan maksimal 2 variabel sedangkan metode simpleks dapat
digunakan untuk mengoptimalkan variabel sebanyak banyaknya.
Pada kasus pertama dapat dilihat bahwa variabel yang ada hanyalah 2
sehingga disini dapat digunakan metode grafik. Kasus pertama ini adalah
permasalahan untuk mencari maksimum dari penjualan bolu dan roti yang
memiliki bahan tepung dan gula dengan persediaan perhari secara berurut
sebanyak 30kg dan 16kg. Pembuatan bolu membutuhkan tepung dan gula secara
berurutan sebanyak 5kg dan 2kg sedangkan pembuatan roti membutuhkan
tepung dan gula secara berurutan sebanyak 6kg dan 4 kg, dalam kasus ini
permintaan 2 bolu tidak pernah melebihi roti lebih dari 3 dan permintaan bolu
tidak pernah melebihi 2 hal ini yang akan menjadi variabel batasan. Penjualan 1

Laboratorium Statistik Industri dan Pendukung Keputusan Program Studi Teknik Industri –
Fakultas Teknik Universitas Katolik Indonesia Atma Jaya
 10
Laporan Praktikum Pemrograman Komputer. Modul I. Pengantar Optimasi & Penelitian
Operasional Dasar
buah bolu akan dijual dengan harga Rp8.500 dan 1 buah roti akan dijual dengan
harga Rp6.000 hal tersebut juga akan menjadi variabel batasan pada pengerjaan
metode grafik ini. Untuk menyelesaikannya dapat kita ubah variabel variabel
batasan tersebut kedalam bentuk pertidaksamaan lalu kita cari titik koordinat
setiap variabel batasan pada grafik dan melukis garis tersebut pada grafik. Garis
tersebut akan menjadi pembatas antara daerah yang dapat dipakai menjadi solusi
dan daerah yang tidak layak, untuk menentukan daerah yang layak atau tidak
layak dapat kita lihat dari uji titik pada pertidaksamaan. Solusi yang layak dan
optimal pada metode grafik ini dapat ditemukan dengan menggunakan cara
membuat garis z pada grafik dan menggesernya perlahan pada grafik selain itu
kita juga bisa menguji setiap titik yang berpotongan dengan memasukkannya
kepada z.
Pada kasus kedua variabel yang ada melebihi dari 2 sehingga kita dapat
menemukan solusi yang layak dengan metode simpleks. Kasus kedua ini
memiliki permasalahan dimana ada 7 jenis produk yang dibuat dengan 4 bahan
yang berbeda dengan komposisi yang berbeda beda pada setiap produk. Untuk
menyelesaikannya kita perlu membuat tabel simpleks, karena kasus ini adalah
kasus memaksimalkan kita perlu menambahkan slack variabel kedalam
tabelnya. Untuk menemukan solusi yang optimal dapat kita selesaikan dengan
melakukan iterasi, untuk melakukan iterasi kita perlu menentukan Entering
Variabel, Exit Variabel lalu membentuk tabel yang baru dengan metode Gauss
Jordan. Hasil pada tabel dapat disebut optimal bila Zj-cj sudah tidak ada lagi
yang bernilai negatif.

Untuk kedua kasus tersebut dapat diselesaikan menggunakan beberapa

software salah satu yang digunakan adalah Microsoft Excel dengan add in
Solver, Pertama tama kita perlu memindahkan permasalahan tersebut kedalam
tabel dimana ada variabel batasan, nilai variabel, variabel, dan Z lalu di
masukkan sum product pada bagian Z untuk array 1 diisi dengan harga jual tiap
variabel dan untuk array 2 diisi dengan nilai variabel. Sumproduct ini juga diisi
pada fungsi batasan agar batasan pada variabel saling berhubungan dan
menyesuaikan. Lalu gunakan solver masukan pada Z sebagai objective dan pada
changing variable cells diisi pada nilai variable, bagian subject to constraint
diisi dengan Fungsi batasan. Klik pada bagian maks karena kita akan mencari
Laboratorium Statistik Industri dan Pendukung Keputusan Program Studi Teknik Industri –
Fakultas Teknik Universitas Katolik Indonesia Atma Jaya
 11
Laporan Praktikum Pemrograman Komputer. Modul I. Pengantar Optimasi & Penelitian
Operasional Dasar
solusi maksimum yang optimal untuk solving method kita akan memilik simplex
LP dimana dengan memilih solving method ini kita akan menyelesaikan masalah
tersebut dengan cara pemrograman linier lalu di solve dan kita akan menemukan
hasil yang optimal.
IV.2. Pertanyaan
1. Jelaskan secara singkat sejarah Pemrograman Linier beserta hubungan nya
dengan optimasi!
Jawab:
Pemrograman Linier ditemukan dan dikembangkan oleh beberapa
matematikawan sebelum masa Perang Dunia ke-II, matematikawan ini
adalah Leonid V. Kartovich, George B.Dantzig, John von Neumann, Leonid
Khachiyan dan Naranda Karmarkar. Pada tahun 1939, Leonid
mengemukakan pemikirannya berdasarkan masalah yang dia alami di
pekerjaannya dan rencana penyelesaian masalah itu, hasil dari pemikirannya
sekarang dikenal sebagai Program Linier, pemikirannya ini dibuktikan
berhasil saat Leonid menghitung maksimum baja yang harus di pakai oleh
suatu pabrik agar biaya produksi pabrik tersebut efisien dan terbukti bahwa
biaya produksi pabrik tersebut diefisienkan secara signifikan.
2. Jelaskan metode-metode optimasi! (Ditambah dengan metode lain yang
tidak ada di modul)
Jawab:
• Optimasi secara Pemrograman Linier
Optimasi secara Pemrograman Linier adalah optimasi
yang menyajikan seluruh kebutuhannya dalam hubungan linear
dan memiliki model matematika.

• Optimasi secara Stokastik

Optimasi secara stokastik adalah metode yang
berhubungan dengan variabel-variabel random. Masalah
masalah stokastik akan memunculkan variabel-variabel random
pada perumusan masalah optimasi sendiri dan melibatkan
variabel-variabel random tersebut sebagai fungsi objektif
random atau batasan-batasan random.

Laboratorium Statistik Industri dan Pendukung Keputusan Program Studi Teknik Industri –
Fakultas Teknik Universitas Katolik Indonesia Atma Jaya
 12
Laporan Praktikum Pemrograman Komputer. Modul I. Pengantar Optimasi & Penelitian
Operasional Dasar
• Optimasi secara Kalkulus Variasi
Kalkulus variasi sendiri adalah bidang yang menganalisis
dan menangani masalah maksimasi dan minimasi dimana
himpunan himpunan fungsi dipetakan kembali ke bilangin ril
• Optimasi secara Algoritma Genetika
Algoritma genetika atau dikenal dengan metaheuristic
karena pencarian heuristiknya yang mirip seperti proses seleksi
alam, Algoritma genetic ini menghasilkan solusi-solusi untuk
masalah optimasi dengan teknik seperti penurunan, mutas,
seleksi dan persilangan.
• Optimasi secara Solusi Eksak
Solusi Eksak melakukan pendekatan dengan cara
mencoba setiap solusi yang ada hingga menemukan solusi yang
optimal
• Optimasi secara Heuristik
Metode Heuristik adalah metode yang dapat
menyelesaikan permasalahan optimasi yang lebih sulit namun
dapat mengoptimalkan kualitas dan waktu penyelesaian.

3. Sebutkan software-software apa saja yang dapat digunakan untuk

menyelsaikan masalah optimasi
Jawab:
TORA,Microsoft Excel, dan Lingo
4. Jelaskan apa yang anda ketahui tentang Teknik 2 Fase dalam metode
simpleks!
Jawab:
Teknik 2 Fase dalam metode simpleks digunakan ketika variabel basis
awal memiliki variabel buatan atau Artificial variabel. Tahap pertama pada
Teknik 2 Fase ini adalah mengoptimasikan variabel buatan dengan cara
menghilangkan variabel tersebut lalu pada tahap kedua proses optimasi
variabel keputusan. Pada tahap pertama solusi dapat disebut feasible bila
variabel buatan bernilai 0.
Laboratorium Statistik Industri dan Pendukung Keputusan Program Studi Teknik Industri –
Fakultas Teknik Universitas Katolik Indonesia Atma Jaya
 13
Laporan Praktikum Pemrograman Komputer. Modul I. Pengantar Optimasi & Penelitian
Operasional Dasar
5. Diketahui:
𝑀𝑎𝑘𝑠: 𝑍 = 9𝑥1 + 2𝑥2 + 5𝑥3
Batasan:
2𝑥1 + 3𝑥2 − 5𝑥3 ≤ 12
2𝑥1 − 𝑥2 + 3𝑥3 ≤ 3
3𝑥1 + 𝑥2 − 2𝑥3 ≤ 2
Selesaikan dengan menggunakan metode simpleks!
Jawab:
Tabel IV.1 Tabel Simpleks Awal
Var Basis X1 X2 X3 S1 S2 S3 Solusi
Ratio
Zj-cj -9 -2 -5 0 0 0 0
S1 2 3 -5 1 0 0 12 12:2=6
S2 2 -1 3 0 1 0 3 3:2=3/2
S3 3 1 -2 0 0 1 2 2:3=2/3
Iterasi 1
(*)(3) 1 1/3 - 2/3 0 0 1/3 2/3

Pers. Lama Zj-

cj -9 -2 -5 0 0 0 0
(9)(**) -9 -3 6 0 0 -3 -6
Pers.Baru Zj-
cj 0 1 -11 0 0 3 6

Pers. Lama S1 2 3 -5 1 0 0 12
(2)(**) 2 2/3 -1 1/3 0 0 2/3 1 1/3
Pers. Baru S1 0 2 1/3 -3 2/3 1 0 - 2/3 10 2/3

Pers. Lama S2 2 -1 3 0 1 0 3
(2)(**) 2 2/3 -1 1/3 0 0 2/3 1 1/3
Pers. Baru S2 0 -1 2/3 4 1/3 0 1 - 2/3 1 2/3
Tabel IV.2 Tabel Simpleks Iterasi 1
Var Basis X1 X2 X3 S1 S2 S3 Solusi
Ratio
Zj-cj 0 1 -11 0 0 3 6
S1 0 2 1/3 -3 2/3 1 0 - 2/3 10 2/3 10 2/3:-3 2/3=-32/11
S2 0 -1 2/3 4 1/3 0 1 - 2/3 1 2/3 1 2/3:4 1/3=5/13
X1 1 1/3 - 2/3 0 0 1/3 2/3 2/3:-2/3=-1

Iterasi 2
(*)(4 1/3) 0 - 5/13 1 0 3/13 - 2/13 5/13

Pers. Lama Zj-

cj 0 1 -11 0 0 3 6

Laboratorium Statistik Industri dan Pendukung Keputusan Program Studi Teknik Industri –
Fakultas Teknik Universitas Katolik Indonesia Atma Jaya
 14
Laporan Praktikum Pemrograman Komputer. Modul I. Pengantar Optimasi & Penelitian
Operasional Dasar
(-11)(**) 0 4 3/13 -11 0 -2 7/13 1 9/13 -4 3/13
Pers.Baru Zj-
cj 0 -3 3/13 0 0 2 7/13 1 4/13 10 3/13

Pers. Lama S1 0 2 1/3 -3 2/3 1 0 - 2/3 10 2/3

(-3 2/3)(**) 0 1 16/39 -3 2/3 0 - 11/13 22/39 -1 16/39
Pers. Baru S1 0 12/13 0 1 11/13 -1 3/13 12 1/13

Pers. Lama X1 1 1/3 - 2/3 0 0 1/3 2/3

(-2/3)(**) 0 10/39 - 2/3 0 - 2/13 4/39 - 10/39
Pers. Baru X1 1 1/13 0 0 2/13 3/13 12/13
Tabel IV.3 Tabel Simpleks Iterasi 2
Var
Basis X1 X2 X3 S1 S2 S3 Solusi Ratio
Zj-cj 0 -3 3/13 0 0 2 7/13 1 4/13 10 3/13
S1 0 12/13 0 1 11/13 -1 3/13 12 1/13 12 1/13:12/13=157/12
X3 0 - 5/13 1 0 3/13 - 2/13 5/13 5/13:-5/13=-1
X1 1 1/13 0 0 2/13 3/13 12/13 12/13:1/13=12

(*)(4 1/3) 13 1 0 0 2 3 12

Pers. Lama
Zj-cj 0 -3 3/13 0 0 2 7/13 1 4/13 10 3/13
(-3 3/13)(**) -42 -3 3/13 0 0 -6 6/13 -9 9/13 -38 10/13
Pers.Baru Zj-
cj 42 0 0 0 9 11 49

Pers. Lama
S1 0 12/13 0 1 11/13 -1 3/13 12 1/13
(12/13)(**) 12 12/13 0 0 1 11/13 2 10/13 11 1/13
Pers. Baru
S1 -12 0 0 1 -1 -4 1

Pers. Lama
X3 0 - 5/13 1 0 3/13 - 2/13 5/13
(-5/13)(**) -5 - 5/13 0 0 - 10/13 -1 2/13 -4 8/13
Pers. Baru
X3 5 0 1 0 1 1 5
Tabel IV.4 Tabel Simpleks Optimal
Var
Basis X1 X2 X3 S1 S2 S3 Solusi Ratio
Zj-cj 42 0 0 0 9 11 49
S1 -12 0 0 1 -1 -4 1
X3 5 0 1 0 1 1 5
X2 13 1 0 0 2 3 12
V. Kesimpulan
• Pengoptimalan dapat dilakukan dengan metode secara pemrograman linier.
Laboratorium Statistik Industri dan Pendukung Keputusan Program Studi Teknik Industri –
Fakultas Teknik Universitas Katolik Indonesia Atma Jaya
 15
Laporan Praktikum Pemrograman Komputer. Modul I. Pengantar Optimasi & Penelitian
Operasional Dasar
• Metode Grafik hanya dapat mengoptimalkan permasalahan dengan maksimal 2
variabel.
• Metode Simpleks dapat digunakan untuk mengoptimalkan permasalahan lebih dari 2
variabel.
• Microsoft Excel dapat digunakan untuk mengoptimalkan suatu permasalahan dengan
metode Pemrograman Linier.
• Permasalahan pertama dapat diselesaikan dengan optimal dengan cara memproduksi
bolu sebanyak 2 dan roti sebanyak 3
• Permasalahan kedua dapat diselesaikan dengan optimal dengan cara memproduksi
produk X2 dan X5 sebanyak 750 dan produk X4 sebanyak 3000.

VI. Daftar Pustaka

Abdillah. (2013). Program Linear. Makassar: DUA SATU PRESS.

Perwitasari, E. W. (2012). PENENTUAN RUTE PENGAMBILAN SAMPAH DI KOTA MERAUKE
DENGAN. Jurnal Ilmiah Mustek Anim Ha Vol.1 No. 2, 108-109.
Syahputra, E. (2015). Program Linear. Medan: Unimed Press.

Laboratorium Statistik Industri dan Pendukung Keputusan Program Studi Teknik Industri –
Fakultas Teknik Universitas Katolik Indonesia Atma Jaya