BAB II.

PEMROGRAMAN LINEAR

KARAKTERISTIK PEMROGRAMAN LINEAR

Sifat linearitas suatu kasus dapat ditentukan menggunakan beberapa

cara. Secara statistik, kita dapat memeriksa kelinearan menggunakan grafik
(diagram pencar) ataupun menggunakan uji hipotesa. Secara teknis, linearitas
ditunjukkan oleh adanya sifat proporsionalitas, additivitas, divisibilitas dan
kepastian fungsi tujuan dan pembatas.
Sifat proporsional merupakan asumsi aktivitas individual yang
dipertimbangkan secara bebas dari aktivitas lainnya. Sifat proporsional
dipenuhi jika kontribusi setiap variabel pada fungsi tujuan atau penggunaan
sumber daya yang membatasi proporsional terhadap level nilai variabel. Jika
harga per unit produk misalnya adalah sama berapapun jumlah yang dibeli,
maka sifat proporsional dipenuhi; atau dengan kata lain, jika pembelian
dalam jumlah besar mendapatkan diskon, maka sifat proporsional tidak
dipenuhi. Jika penggunaan sumber daya per unitnya tergantung dari jumlah
yang diproduksi, maka sifat proporsionalitas tidak dipenuhi.
Sifat additivitas mengasumsikan bahwa tidak ada bentuk perkalian
silang diantara berbagai aktivitas, sehingga tidak akan ditemukan bentuk
perkalian silang pada model. Sifat additivitas berlaku baik bagi fungsi tujuan
maupun pembatas. Sifat additivitas dipenuhi jika fungsi tujuan merupakan
penambahan langsung kontribusi masing-masing variabel keputusan; untuk
fungsi pembatas (kendala), sifat additivitas dipenuhi jika nilai kanan
merupakan total penggunaan masing-masing variabel keputusan. Jika dua
variabel keputusan misalnya merepresentasikan dua produk substitusi,
dimana peningkatan volume penjualan salah satu produk akan mengurangi
volume penjualan produk lainnya dalam pasar yang sama, maka sifat
additivitas tidak dipenuhi.

Pemrograman Linear 1
 Sifat divisibilitas berarti unit aktivitas dapat dibagi ke dalam sembarang
level fraksional, sehingga nilai variabel keputusan noninteger dimungkinkan.
Sifat kepastian menunjukkan bahwa semua parameter model berupa
konstanta. Artinya koefisien fungsi tujuan maupun fungsi pembatas
merupakan suatu nilai pasti, bukan merupakan nilai dengan peluang tertentu.
Keempat asumsi (sifat) ini dalam dunia nyata tidak selalu dapat
dipenuhi. Untuk meyakinkan dipenuhinya keempat asumsi ini, dalam
pemrograman linier diperlukan analisis sensitivitas terhadap solusi optimal
yang diperoleh.

FORMULASI PERMASALAHAN

• Penetapan tujuan yang tepat merupakan aspek yang sangat penting dalam
formulasi masalah.
• Sudah menjadi karakteristiknya, riset operasional berhubungan dengan
keseluruhan kekayaan organisasi bukan hanya dengan komponen tertentu.
• Studi riset operasional mencari penyelesaian (solusi) yang mengoptimalkan
keseluruhan organisasi bukan hanya penyelesaian suboptimal terbaik bagi
hanya satu atau beberapa komponen.
• Salah satu pendekatan yang mungkin untuk mengatasi permasalahan
suboptimal bagi organisasi pencari keuntungan adalah menggunakan
maksimisasi keuntungan jangka panjang sebagai satu-satunya tujuan.
• Jangka panjang mengindikasikan bahwa tujuan ini menyediakan
fleksibilitas dalam mempertimbangkan aktivitas yang tidak menerjemahkan
ke keuntungan secara langsung tetapi perlu dilakukan kadang-kadang
supaya berarti.

PEMBENTUKAN MODEL MATEMATIK

Pemrograman Linear 2
• Pendekatan konvensional riset operasional untuk pemodelan adalah
membangun model matematik yang menggambarkan inti permasalahan.
• Model matematika permasalahan optimasi terdiri dari dua bagian:
• Memodelkan tujuan optimasi. Model matematik tujuan selalu
menggunakan bentuk persamaan. Bentuk persamaan digunakan
karena kita ingin mendapatkan solusi optimum pada satu titik.
• Model matematik yang merepresentasikan sumber daya yang
membatasi.
o Fungsi pembatas bisa berbentuk persamaan (=) atau
pertidaksamaan (≤ atau ≥).
o Fungsi pembatas disebut juga sebagai konstrain.
o Konstanta (baik sebagai koefisien maupun nilai kanan) dalam
fungsi pembatas maupun pada tujuan dikatakan sebagai parameter
model.
o Model matematika mempunyai beberapa keuntungan dibandingkan
pendeskripsain permasalahan secara verbal. Di sisi lain, model
matematik mempunyai kelemahan. Tidak semua karakteristik
sistem dapat dengan mudah dimodelkan menggunakan fungsi
matematik. Meskipun dapat dimodelkan dengan fungsi matematik,
kadang-kadang penyelesaiannya susah diperoleh karena
kompleksitas fungsi dan teknik yang dibutuhkan.
• Alternatif keputusan merupakan variabel keputusan model matematika.
• Kompleksitas model matematik pada pemrograman linear ini ditentukan
oleh jumlah variabel keputusan.
• Semakin banyak kegiatan atau aktifitas atau alternatif keputusan,
semakin kompleks perhitungan yang akan dihadapi pada tahap
penyelesaian model.

Bentuk umum pemrograman linear adalah sebagai berikut:

Pemrograman Linear 3
 Fungsi Tujuan
Maksimumkan atau minimumkan z = c1x1+ c2x2 + …+ cnxn
Sumber daya yang membatasi (Kendala) :
a11x1 + a12x2 +…+ a1nxn = / ≤ / ≥ b1
a21x1 + a22x2 +…+ a2nxn = / ≤ / ≥ b2
:
am1x1 + am2x2 +…+ amnxn = / ≤ / ≥ bm
x1, x2, ..., xn ≥ 0
o x1, x2, ..., xn (xi): variabel keputusan.
o c1, c2, ..., cn merupakan kontribusi masing-masing variabel keputusan
terhadap tujuan, kita sebut juga dengan koefisien fungsi tujuan pada
model matematiknya.
o a11, ..., a1n, ..., amn merupakan penggunaan per unit variabel keputusan
akan sumber daya yang membatasi, atau kita sebut juga sebagai
koefisien fungsi kendala pada model matematiknya.
o b1, b2, ..., bm, menunjukkan jumlah masing-masing sumber daya yang
ada. Jumlah fungsi kendala akan tergantung dari banyaknya sumber
daya yang terbatas.
Pertidaksamaan terakhir (x1, x2, xn ≥ 0) menunjukkan batasan non
negatif.
Meskipun fungsi tujuan misalnya hanya mempunyai kemungkinan
bentuk maksimisasi atau minimisasi, keputusan untuk memilih salah satunya
bukan pekerjaan mudah. Tujuan pada suatu kasus bisa menjadi batasan
pada kasus yang lain. Kita harus hati-hati menentukan tujuan, koefisien
tujuan, batasan dan koefisien pada fungsi pembatas.

Contoh:
Seorang pengrajin menghasilkan satu tipe meja dan satu tipe kursi. Proses
yang dikerjakan hanya merakit meja dan kursi. Dibutuhkan waktu 2 jam
untuk merakit 1 unit meja dan 30 menit untuk merakit 1 unit kursi.

Pemrograman Linear 4
Perakitan dilakukan oleh 4 orang karyawan dengan waktu kerja 8 jam per
hari. Pelanggan pada umumnya membeli paling banyak 4 kursi untuk satu
meja; oleh karena itu pengrajin harus memproduksi kursi paling banyak
empat kali jumlah meja. Harga jual per unit meja adalah Rp. 1,2 juta dan per
unit kursi adalah Rp. 500 ribu rupiah.
Formulasikanlah kasus tersebut ke dalam model matematiknya!

Solusi:
¾ Hal pertama yang harus dilakukan adalah mengidentifikasi tujuan,
alternatif keputusan dan sumber daya yang membatasi. Berdasarkan
informasi yang diberikan pada soal, tujuan yang ingin dicapai adalah
memaksimumkan pendapatan. Alternatif keputusan adalah jumlah
meja dan kursi yang akan diproduksi. Sumber daya yang membatasi
adalah waktu kerja karyawan dan perbandingan jumlah kursi dan
meja yang harus diproduksi (pangsa pasar).
¾ Langkah berikutnya adalah memeriksa sifat proporsionalitas, additivitas,
divisibilitas dan kepastian. Informasi di atas tidak menunjukkan
adanya pemberian diskon, sehingga harga jual per meja maupun kursi
akan sama meskipun jumlah yang dibeli semakin banyak. Hal ini
mengisyaratkan bahwa total pendapatan yang diperoleh pengrajin
proporsional terhadap jumlah produk yang terjual. Penggunaan sumber
daya yang membatasi, dalam hal ini waktu kerja karyawan dan pangsa
pasar juga proporsional terhadap jumlah meja dan kursi yang
diproduksi. Dengan demikian dapat dinyatakan sifat proporsional
dipenuhi. Total pendapatan pengrajin merupakan jumlah pendapatan
dari keseluruhan meja dan kursi yang terjual. Penggunaan sumber
daya (waktu kerja karyawan dan pangsa pasar) merupakan
penjumlahan waktu yang digunakan untuk memproduksi meja dan
kursi. Maka dapat dinyatakan juga sifat additivitas dipenuhi. Sifat
divisibilitas dan sifat kepastian juga dipenuhi.

Pemrograman Linear 5
 ¾ Ada dua variabel keputusan dan dua sumber daya yang membatasi.
Fungsi tujuan merupakan maksimisasi, karena semakin besar
pendapatan akan semakin disukai oleh pengrajin. Fungsi kendala
pertama (batasan waktu) menggunakan pertidaksamaan ≤, karena
waktu yang tersedia dapat digunakan sepenuhnya atau tidak, tapi tidak
mungkin melebihi waktu yang ada. Fungsi kendala yang kedua bisa
menggunakan ≤ atau ≥ tergantung dari pendefinisian variabelnya. Kita
defenisikan :
x1 = jumlah meja yang akan diproduksi
x2 = jumlah kursi yang akan diproduksi
Model umum Pemrograman Linear (PL) kasus di atas oleh karenanya
adalah:

Fungsi Tujuan: Maksimumkan z = 1.2 x1 + 0.5 x2

Kendala: 2x1 + 0.5x2 ≤ 32
x1/ x2 ≥ ¼ atau 4x1 ≥ x2 atau 4x1 - x2 ≥ 0
x1, x2 ≥ 0

Pemrograman Linear 6