Kelompok 6 2.1 Model Umum Linear programming Pemecahan masalah linear programming melibatkan penggunaan model matematis di mana semua fungsi yang digunakan harus linear. Istilah linear dalam linear programming menunjukkan bahwa semua fungsi matematis dalam model tersebut haruslah linear. Programming di sini tidak bermakna computer programming, melainkan merujuk pada perencanaan kegiatan untuk mencapai hasil optimal. Linear programming bertujuan untuk mencapai hasil terbaik yang memenuhi sasaran tertentu, dengan menggunakan fungsi linear, di antara berbagai alternatif yang mungkin [6]. Pemecahan masalah program linear programming sebelum masuk pada pembuatan model, terdapat langkah-langkah yang harus dilakukan yaitu sebagai berikut [7]. 1. Formulasi Masalah Langkah pertama yang meliputi proses pengidentifikasi dan penentuan batasan serta fungsi tujuan. 2. Pemecahan Masalah yang Dialami Jika terdapat hanya dua variabel keputusan, maka masalah tersebut dapat diselesaikan dengan menggunakan metode grafik. Namun, semua permasalahan linear programming juga dapat dipecahkan dengan metode simpleks apabila terdapat tiga variabel keputusan atau lebih. 3. Membuat Model Sesuai Persoalan Linear Programming Model linear programming merupakan metode matematika yang digunakan untuk menyelesaikan masalah alokasi sumber daya secara optimal dengan memenuhi serangkaian batasan. Setiap model pemrograman linier dinyatakan dalam bentuk fungsi tujuan dan fungsi batasan (constraints) [6]. 1. Fungsi Tujuan (Objective Function) Fungsi tujuan menggambarkan tujuan dari permasalahan yang ingin dicapai dalam bentuk persamaan matematis, dimana tujuan tersebut untuk memaksimalkan keuntungan, pendapatan, atau manfaat, atau meminimalkan biaya, waktu, atau resiko. Fungsi tujuan ini dinyatakan sebagai suatu ekspresi linear yang berisi variabel-variabel keputusan yang
Jurusan Teknik Industri
Universitas Tanjungpura 1 harus dioptimalkan. Secara umum fungsi tujuan dapat dituliskan sebagai berikut [7]. Maksimumkan Z = C1 X1 + C2 X2 + C3 X3 + ⋯ + Cn Xn Minimumkan Z = C1 X1 + C2 X2 + C3 X3 + ⋯ + Cn Xn 2. Fungsi Batasan (Constraint Function) Fungsi batasan menggambarkan pembatasan atau keterbatasan dalam model yang harus dipenuhi. Batasan-batasan ini bisa berupa pembatasan sumber daya yang tersedia, kapasitas produksi, atau kriteria-kriteria lain yang harus dipenuhi. Fungsi batasan ini juga dinyatakan dalam bentuk persamaan atau ketidaksamaan linear, yang mengikat variabel-variabel keputusan dengan nilai tertentu yang harus dipatuhi. Fungsi batasan terbagi menjadi dua yaitu fungsional dan non-negatif dengan bentuk sebagai berikut [7]. Fungsi batasan fungsional [7] a 11 X1 + a12 X2 + a13 X3 + ⋯ + a1n X n ( ≤ , =, ≥ b1 ) a 21 X1 + a22 X2 + a 23 X3 + ⋯ + a1n X n ( ≤ , =, ≥ b2 ) ⋮ a m1 X n + a m2 X n + a m3 Xn + ⋯ + a mn Xn ( ≤ , =, ≥ bm ) Setiap kendala, tanda ( ≤, =, atau ≥ ) hanya digunakan satu saja. Namun, tanda kendala yang satu dengan yang lain dapat berbeda. Fungsi batasan non-negatif (non-negatif constrain) Xi ≥ 0 Berdasarkan fungsi tujuan dan fungsi Batasan tersebut maka akan disusun ke dalam table bentuk standar Linear Programming. Tabel 2.1 Bentuk Standar Linear Programming Pemakaian sumber per unit kegiatan (keluaran) Kapasitas Kegiatan/Sumber 1 2 3 ⋯ N Sumber 1 a 11 a 12 a 13 ⋯ a 1n b1 2 a 21 a 22 a 23 ⋯ a 2n b2 3 a 31 a 31 a 33 ⋯ a 3n b3 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ M a m1 a m2 a m3 ⋯ a mn bm ∆Z Pertambahan tiap C1 C2 C3 Cn unit
Jurusan Teknik Industri
Universitas Tanjungpura Tingkat kegiatan X1 X2 X3 ⋯ Xn (Sumber: Susdarwono, 2020) Simbol-simbol yang digunakan pada fungsi-fungsi tersebut memiliki arti sebagai berikut [6]. m = jumlah batasan atau sumber daya yang tersedia. n = jumlah kegiatan yang menggunakan sumber daya tersebut. i = nomor untuk setiap jenis batasan atau sumber daya yang tersedia, dengan ( i =1, 2, ⋯ , m ) j = nomor untuk setiap kegiatan yang menggunakan sumber daya, dengan ( j =1, 2, ⋯ , n ) X j = tingkat kegiatan ke-j dimana ( j =1, 2, ⋯ , n ) a ij = jumlah sumber daya jenis i yang dibutuhkan untuk menghasilkan satu unit keluaran (output) dari kegiatan j, dimana i =1, 2, …, m dan j = 1, 2, …, n. bi = jumlah sumber daya (fasilitas) jenis i yang tersedia untuk dialokasikan ke setiap unit kegiatan, dimana i =1, 2, …, m Z = nilai yang dioptimalkan (maksimum atau minimum). Ci = kontribusi atau kenaikan nilai Z ketika terjadi penambahan satu unit kegiatan X jatau sumbangan setiap unit keluaran kegiatan j terhadap nilai Z. Bentuk umum model linear programming untuk mencari nilai optimal baik maksimum maupun minimum dimodelkan sebagai berikut [11]. n Z= ∑ Cj Xj j =i
Syarat yang harus terpenuhi untuk penggunaan model tersebut yaitu
a ij x j ( ≤, =, ≥ ) bi , untuk semua i (i=1, 2,…, n) semua x j ≥ 0 Keterangan: Xj = banyaknya kegiatan j, dimana j = 1,2,....., n yang berarti terdapat n variabel keputusan Z = nilai fungsi tujuan Cj = sumbangan per unit kegiatan j, untuk masalah maksimasi cj menunjukkan atau penerimaan per unit, sementara dalam kasus minimasi ia menunjukkan biaya per unit Jurusan Teknik Industri Universitas Tanjungpura bi = jumlah sumberdaya ke i (i = 1,2,....m), berarti terdapat m jenis sumberdaya. Xij = banyaknya sumber daya i yang dikonsumsi sumberdaya j.
Jurusan Teknik Industri
Universitas Tanjungpura Praktikum Optimisasi Modul 1 Linear Prpgramming Kelompok 6 4.3 Analisa Perbandingan Perhitungan Software dan Manual Pengolahan data yang dilakukan untuk dua studi kasus yang telah diberikan dilakukan melalui dua cara yaitu secara manual dan menggunakan software POM-QM dimana persoalan diubah dalam bentuk model linear programming. Adapun yang menjadi pembeda utama dari perhitungan software dan manual terletak pada cara dan tahapan yang harus dilakukan dalam mencari solusi optimal untuk studi kasus yang ada. Perhitungan dengan menggunakan software dilakukan dengan beberapa tahapan secara berurutan yaitu, membuka software (POM-QM), melakukan pengaturan format yang diperlukan, memasukkan data dari studi kasus pertama dan kedua ke dalam tab linear programming, serta menjalankan perhitungan dengan mengklik tombol solve pada menu file untuk mendapatkan output hasil perhitungan studi kasus yang telah dilakukan. Adapun untuk perhitungan secara manual dilakukan dengan pembuatan soal dalam bentuk tabel, menentukan variabel keputusan, menentukan fungsi tujuan, fungsi batasan serta pembatas non- negative dilanjutkan dengan mencari titik potong, pembuatan grafik, perhitungan nilai Z dan terakhir menentukan keputusan berdasarkan solusi optimal yang didapat. Berdasarkan hasil dari perhitungan manual dan software terhadap dua studi kasus yang telah diberikan. Perhitungan baik secara manual maupun software diperoleh hasil yang sama untuk studi kasus pertama nilai maksimum Z merupakan upah yang diterima Alvaro sebesar Rp.235.111/buah dengan jumlah nilai X1 sebesar 5,11 yang merupakan kado jenis A dan X2 sebesar 0 merupakan kado jenis B. Sedangkan untuk studi kasus dua diperoleh nila Z merupakan biaya opeasional yang akan diminimumkan diperoleh sebesar Rp.22.080 dengan jumlah nilai X1 sebesar 1,38 dan X2 sebesar 0, dimana X1 merupakan produk A dan X2 merupakan produk B yang akan diproduksi. Sedangkan untuk hasil perhitungan software untuk studi kasus dua diperoleh nilai Z sebesar Rp.22.153,85 dengan nilai X1 dan X2 yang sama. Hasil perhitungan yang dilakukan dengan dua metode yaitu manual dan software menunjukan hasil yang sama. Adapun untuk hasil studi kasus dua
Jurusan Teknik Industri
Universitas Tanjungpura 5 yang diperoleh untuk nilai Z pada hasil manual dan software menunjukan sedikit perbedaan namun tidak terlalu signifikan. Perbedaan yang ditunjukan disebabkan oleh adanya pembulatan pada perhitungan manual untuk nilai X1 yaitu 1,38 merupakan bentuk pembulatan hasil batasan 3 titik sumbu X1, X2= 0 dimana nilai sebenarnya untuk X1 tersebut sebesar 1,3846153846. Perhitungan yang dilakukan menggunakan software tidak dilakukan pembulatan sehingga nilai Z yang diperoleh pada perhitungan software sebesar Rp.22.153,85 sedangkan untuk perhitungan manual sebesar Rp.22.080.
Jurusan Teknik Industri
Universitas Tanjungpura DAFTAR PUSTAKA [1] T. Sriwidadi and E. Agustina, “Analisis Optimalisasi Produksi dengan Linear programming Melalui Metode Simpleks,” Binus Bus. Rev., vol. 4, no. 2, pp. 725–741, 2013, doi: 10.21512/bbr.v4i2.1386. [2] Lumbantoruan, J. H. (2020). Buku Materi Pembelajaran Pemograman Linear. [3] L. Nurmayanti and A. Sudrajat, “Implementasi linear programming metode simpleks pada home industry,” J. Manaj., vol. 13, no. 3, pp. 431–438, 2021, [Online].Available:https://journal.feb.unmul.ac.id/index.php/JURNALMA NAJEMEN/article/view/10085 [4] B. S. Sembiring, “Regional Expenditure Allocation Optimal Point Simulation Using Data Development Programming in Achieving a Resilient Regional Economy in East Java,” East Java Econ. J., vol. 4, no. 2, pp. 264–289, 2020, doi: 10.53572/ejavec.v4i2.55. [5] A. Khoerun Nisa Analisis Pemanfaatan Program Linear Untuk Alokasi Bahan Baku Dalam Rangka Memaksimalisasi Keuntungan Ayu Khoerun Nisa and U. Perjuangan Tasikmalaya Barin Barlian, “Suci Putri Lestari,” Ris. Ilmu Manaj. Bisnis dan Akunt., vol. 1, no. 4, pp. 57–71, 2023, [Online]. Available: https://doi.org/10.61132/rimba.v1i4.281 [6] E. T. Susdarwono, “Pemrograman Linier Permasalahan Ekonomi Pertahanan: Metode Grafik Dan Metode Simpleks,” Teorema Teor. dan Ris. Mat., vol. 5, no. 1, p. 89, 2020, doi: 10.25157/teorema.v5i1.3246. [7] M. Hilman and N. Kusuma Ningrat, “Optimasi Jumlah Produksi Produk Makanan Ikm P. Madani Di Cikoneng Kabupaten Ciamis Dengan Metode Linier Programming,” J. Media Teknol., vol. 9, no. 1, pp. 59–69, 2022, doi: 10.25157/jmt.v9i1.2783. [8] S. Aji, F. Kusmaningrum, and M. Herni, “Optimisasi Keuntungan Menggunakan Linear programming di PT Pertamina Refinery Unit (RU) VI Balongan*,” J. Online Inst. Teknol. Nas. Maret, vol. 1, no. 3, pp. 2338– 5081, 2014. [9] D. Putri and N. Pangastuti, “Analisa Optimasi Penugasan Dengan Pom Qm Untuk Meningkatkan Produktivitas Pada Umkm Produksi Tas Wanita,” IMTechno J. Ind. Manag. Technol., vol. 4, no. 1, pp. 37–41, 2023, doi: 10.31294/imtechno.v4i1.1729. [11] Aprilyanti, S., Pratiwi, I., & Basuki, M. (2018, May). Optimasi keuntungan produksi kemplang panggang menggunakan linear programming melalui Metode Simpleks. In Seminar dan konferensi Nasional IDEC (pp. 7-8).
Materi Kuliah Penelitian Operasi BAB 2: Mengenal Linear Programming (LP) sebagai Salah Satu Metode Dasar dalam Penyelidikan Operasi dan Menyelesaikan LP-2 Variabel dengan Metode Grafis