PAPER

PROGRAMASI MATEMATIS
(Disusun Guna Memenuhi Tugas Mata Kuliah Manajemen Research)
Dosen Pembimbing : Dr. I Wayan Sudartha W, SE.,M.Sc

Disusun Oleh :

Mukhammad sayid abdulloh 41033402211174

Alya ghina rosyida
Emir ardi winata

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI
UNIVERSITAS ISLAM NUSANTARA
BANDUNG
2023
 KATA PENGANTAR

Puji syukur ke hadirat Allah SWT atas segala limpahan rahmat, nikmat serta
karunia-Nya yang tak ternilai sehingga kami dapat menyusun dan menyelesaikan
makalah ini dengan tepat waktu. Adapun tujuan penulisan dari makalah ini adalah
untuk memenuhi dan menuntaskan tugas dosen pada mata kuliah Manajemen research
dengan judul Programatis Matematis Tak lupa kami juga mengucapkan terima kasih
banyak kepada Bapak Dr. I Wayan Sudartha W, SE.,M.Sc. selaku dosen pengampu
mata kuliah yang telah memberikan tugas ini sehingga dapat menambah pengetahuan
serta wawasan kami.
kami menyadari, bahwa makalah yang kami tulis ini masih jauh dari kata
sempurna. Oleh karena itu, kritik dan saran yang membangun akan kami nantikan
demi kesempurnaan makalah ini. Semoga makalah ini dapat bermanfaat bagi para
pembaca.

Bandung, 9 Oktober 2023

Penyusun
DAFTAR ISI
 BAB II
LANDASAN TEORI
A. Pengertian linear programming
Linear programming merupakan suatu model umum yang dapat
digunakan dalam pemecahan masalah pengalokasian sumber-sumber yang
terbatas secara optimal. Masalah tersebut timbul apabila seseorang diharuskan
untuk memilih untuk menentukan tingkat setiap kegiatan yang akan berlangsung,
dimana masing-masing kegiatan membutuhkan sumber yang sama sedangkan
jumlahnya terbatas.
Dalam memecahkan masalah diatas linear programming menggunakan
model matematis. Sebutan “ linear “ berarti bahwa semua fungsi-fungsi
matematis yang disajikan dalam model ini haruslah fungsi-fungsi linear.kata
programming jangan dikacaukan dengan kata computer programming, seperti
yang sering didengar dalam pembicaraan sehari-hari. Jadi linear programming
mencakup perencanaan kegiatan-kegiatan untuk mencapai suatu hasil yang
optimal yaitu suatu hasil yang mencerminkan tercapai sasaran tertentu yang
paling baik.
 BAB II
PEMBAHASAN
A. Model linear programming
model matematis perumusan masalah umum pengalokasian sumber daya
untuk berbagai kegiatan, disebut sebagai model linear programming, Model Lpini
merupakan bentuk dan susunan dari dalam menyajikan masalah-masalah yang akan
dipecahkan dengan teknik LP. Dalam model LP dikenal dengan 2 macam fungsi yaitu
fungsi tujuan (objectiv function) dan fungsi-fungsi batasan (constraint functions).
fungsi tujuan adalah fungsi yang menggambarkan tujuan atau susunan didalam
permasalahn LP yang berkaitan dengan pengaturan secara optimal sumber daya-
sumber daya, untuk memperoleh keuntungan maksimal atau biaya minimal. Pada
umumnya nilai yang akan dioptimalkan dinyatakan sebagai Z.sedang fungsi batasan
merupakan bentuk penyajian secara matematis batasan-batasan kapasitas yang
tersedia akan dialokasikan secara optimal ke berbagai kegiatan.
Pembahasan model LP ini, menggunakan simbol-simbol sebagai berikut :
M = Macam batasan-batasan sumber asilitas yang tersedia
n = Macam kegiatan kegiatan yang menggunakan sumber atau fasilitas tersebut.
I = Nomor setiap sumber/fasilitas yang tersedia ( i=1,2.....,m).
J = Nomor setiap macam kegiatan yang menggunakan sumber atau fasilitas
tersedia ( j=1,2,3....n).
xJ = Tingkat kegiatan ke , J. ( J=1,2,....n).
Aij
Banyaknya sumber i yang diperlukan untuk menghasilkan setiap unit
keluaran (output) kegiatan J ( i=1,2,.....m,dan J=1,2......n).
Bi = Banyaknya sumber ( fasilitas ) i yang tersedia untuk dialokasikan ke setiap
unit kegiatan ( i=1,2.....n)
Z = Nilai yang dioptimalkan (maksimum/minimum)
Cj = Kenaikan nilai Z apabila ada pertambahan tingkat kegiatan ( Xj ) dengan
satu-satuan ( unit ) ; atau merupakan sumbangan setiap satuan keluaran
kegiatan J terhadap nilai Z

Keseluruhan simbol-simbol diatas selanjut nya disusun ke dalam bentuk tabel standar
LP seperti tampak pada tabel 2.1
 tabel 2.1
Atas dasar tabel diatas kemudian dapat disusun suatu model matematis yang
digunakan untuk mengemukakan suatu permasalahan LP sebagai berikut :
Fungsi tujuan :
Maksimumkan Z = C1 X1 + C2 X2 + C3 X3 + ... + CnXn
Batasan - batasan :

Seperti telah diuraikan di muka, fungsi tujuan dalam LP mencerminkan atau

menggambarkan tujuan yang ingin dicapai dalam pemecahan suatu masalah LP.
Batasan pertama mempunyai arti bahwa jumlah barang/jasa 1 yang dihasilkan oleh
kegiatan 1 dikalikan dengan kebutuhan akan sumber 1/satuan (berarti total alokasi 1
untuk kegiatan 1) ditambah dengan hasil kagiatan 2 dikalikan dengan kebutuhan tiap
satuan keluaran 2 terhadap sumber 1 (dan seterusnya sampai dengan kegiatan ke-n)
tidak akan melebihi jumlah (kapasitas) tersedianya sumber 1 ( yang dinyatakan
dengan b1). hal ini berlaku pula untuk batasan-batasan lainnya sampai ke-m.
Bentuk atau model LP di atas merupakan bentuk standar bagi masalah-
masalah LP yang akan dipakai selanjutnya. Dengan kata lain bila setiap masalah dapat
diformulasikan secara matematis mangikuti model di atas, maka masalah tersebut
dapat dipecahkan dengan teknik LP.
Terminologi umum untuk model LP yang diuraikan di atas dapat diringkas
sebagai berikut:
1) Fungsi yang akan dimaksimumkan: C1X1 + C2X2 +C3X3 + ... CnXn disebut
fungsi tujuan (objective function).
2) Fungsi-fungsi batasan dapat dikelompokkan menjadi dua macam, yaitu;
a. Fungsi batasan fungsional, yaitu fungsi-fungsi batasan sebanyak m (yaitu
ai1X1+ai2X2+ai3X3+ ... +aimXn).
b. Fungsi batasan non-negatif ( non negatif - constraints ) yaitu fingsi - fungsi
batasan yang dinyatakan dengan Xi ≥0.
3) Variabel-variabel Xj disebut sebagai decision variables
4) Aij, bi dan Cj, yaitu masukan-masukan (input) konstan; disebut sebagai
parameter model
Tentu saja, dalam prakter, tidak semua masalah LP dapat persis mengikuti model di
atas. Masalah-masalah tersebut antara lain adalah :
1) masalah minimisasi, dimana seseorang dituntut untuk menentukan kombinasi
( output ) yang dapat diminimumkan pengorbanan (misal:biaya).dalam hal
ini,fungsi tujuan dinyatakan sebagai berikut :
Meminimumkan Z= C1X1+C2X2+C3X3+....CnXn
2) Masalah dengan fungsi dan batasan fungsional yang memiliki tanda matematis ≥;
sehingga apabila dirumuskan terlihat sebagai berikut :
Ai1X1+Ai2X2+Ai3X3+....AinXn ≥ bi
3) Masalah dengan fungsi batasan fungsional yang memiliki tanda matematis = :
sehingga bila dirumuskan sebagai berikut :
Ai1X1+Ai2X2+Ai3X3+.....AinXn = bi
4) Masalah tertentu dimana fungsi batasan non negatif tidak diperlukan atau dengan
kata lain XJ tidak terbatas. Penyimpangan-penyimpangan dari bentuk standar ini
akan dibatas lebih terperinci dibelakang.
B. Asumsi-asumsi dasar linear programming

Seharusnya asumsi-asumsi ( anggapan-anggapan ) dasar LP telah tersirat pada

model yang telah dibahas diatas. Tetapi ada baiknya untuk menguraikan asumsi
asumsi dasar tersebut agar penggunaan teknik LP ini dapat mempuaskan tanpa
terbentuk berbagai hal. Asumsi-asumsi dasar LP dapat diperinci sebagai berikut :
1. Propertionality
Asumsi ini berarti bahwa naik turun nya nilai Z dan penggunaan sumber atau
fasilitas yang tersedia akan berubah secara sebanding ( propotional ) dengan
perubahan tingkat kegiatan.misalnya :
a)
Setiap petambahan 1 unit X1 akan menaikkan Z dengan C1 .
Setiap pertambahan 1 unit X2 akan menaikkan nilai Z dengan C2, dan
seterusnya.
b)

Setiap pertambahan 1 unit X1 akan menaikkan penggunaan sumber/ fasilitas 1

dengan a11. setiap pertambahan 1 unit X2 akan menaikkan penggunaan
sumber/fasilitas 1 dengan a12, dan seterusnya. Dengan kata lain, setiap ada
kenaikkan kapasitas riil tidak perlu ada biaya persiapan (set up cost).
2. Additivity
Asumsi ini berarti bahwa nilai tujuan tiap kegiatan tidak saling
mempengaruhi, atau dalam LP dianggap bahwa kenaikkan dari nillai tujuan (Z) yang
diakibatkan oleh kenaikkan suatu kegiatan dapat ditambahkan tanpa mempengaruhi
bagian nilai Z yang dipengaruhi dari kegiatan lain.
Misal:
Z=3X1+ 5X2
Dimana X1=10; X2 = 2;
Sehingga Z=30 +10 =40
Andaikata X1 bertambah 1 unit, maka sesuai dengan asumsi pertama, nilai Z menjadi
40 + 3 = 43.
Jadi, nilai 3 karena kenaikkan X1 dapat langsung ditambahkan pada nilai Z mula-
mula tanpa mengurangi bagian Z yang diperoleh dari kegiatan 2 (X2). Dengan kata
lain, tidak ada korelasi antara X1 dan X2.
3. Divisibility
Asumsi ini menyatakan bahwa keluaran (output) yang dihasilkan setiap
kegiatan dapat berupa bilangan pecahan demikina pula dengan nilai Z yang
dihasilkan.misal : X1=6,5;Z=1.000,75.
4. Deterministic ( certainty )
Asumsi ini menyatakan bahawa semua parameter yang terdapat dalam model
LP (Aij,Bi,Cj) dapat diperkirakan dengan pasti,meskipun jarang dengan tepat.
C. Mode grafik
Contoh masalah LP
Sebelum membicarakan langkah-langkah yang dipakai dalam mode
grafik,akan disajikan terlebeih dahulu sebuah contoh masalah LP yang sederhana
berikut ini :
Perusahaan sepatu’IDEAL’ membuat 2 macam sepatu.macam pertama I1,dengan sol
dari karet dan macam kedua merk I2 dengan sol dari kulit. Untuk membuat sepatu
perusahaan memiliki tiga macam mesin.mesin satu khusus membuat sol dari karet,
mesin dua membuat sol dari kulit, dan mesin tiga membuat bagian atas sepatu dan
melakukan assembling bagian atas dengan sol.setiap lusin sepatu merk I1 mula mula
dikerjakan di mesin 1 dengan selama 2 jam kemudian tanpa melalui mesin 2 terus
dikerjakan di mesin 3 selama 6 jam.sedangkan untuk merk I2 tidak d proses dimesin
satu,tetapi pertama kali dikerjakan dimesin 2 selama 3 jam kemudian di mesin 3
selama 5 jam. Jam kerja maksimum setiap hari untuk mesin 1 = 8 jam , mesin 2 = 15
jam , dan mesin 3 = 30 jam.sumbangan terhadap laba untuk setiap lusin sepatu merk
I1 = Rp 30.000,00 sedangkan merk I2 = Rp.50.000,00. masalahnya adalah
menentukan berapa lusin sebaiknya sepatu merk I1 dan I2 yang dibuat agar bisa
memaksimumkan laba.
 Data tsb dapat disusun kedalam tabel seperti dilihat pada tabel 2.2

tabel 2.2
Untuk melakukan formulasi masalah diatas, maka pertama-tama tentukan simbol
simbol yang akan dipakai :
X1 = Jumlah sepatu merk I1, yang akan dibuat setiap hari
X2 = Jumlah sepatu merk I2,yang akan dibuat setiap hari
Z = Jumlah sumbangan seluruh sepatu merk I1 Dan merk I2 yang akan diperoleh.
Masalah diatas dapat dipecah kan dengan metode grafik dalam LP dengan
langkah-langkah dan persyaratan-persyaratan dengn penggunaannya secara terperinci
dibawah ini.
D. Langkah-langkah dan persyaratan penggunaan metode grafik
Secara matematis telah digambarkan bentuk dan suasana model yang berlaku
dalam LP, Yang bila diteliti nampak meliputi ‘ kolom ‘ dan ‘ baris ‘ yang teratur.
Jumlah baris (menunjukan batasan-batasan ) ditentukan oleh banyaknya sumber yang
akan dialokasikan kesetiap jenis kegiatan.jumlah kolom ditentukan oleh jumlah atau
macam kegiatan yang memerlukan sumber sumber tsb.bila dikembalikan lagi pada
uraian dimuka, M menunjukan jumlah baris dan N menunjukan jumlah
kolom.sehingga tampak ‘dimensi’ suatu masalah LP yang dinyatakan M x N.
Metode grafik hanya dapat digunakan dalam pemecahan masalah LP yang
ber’’dimensi’’:2 x n atau m x,1 karena keterbatasan kemampuan suatu grafik dalam
menyampaikan sesuatu (sebenarnya grafik 3 dimensi dapat digambarkan,tetapi sangat
tidak praktis).hal ini merupakan persyaratan mutlak untuk dapat digunakannya
metode grafik;selain beberapa persyaratan dan asumsi-asumsi dasar di muka.
Langkah-langkah penggunaan metode grafik dapat ditunjukkan secara ringkas
sebagai berikut :
a. Menentukan fungsi tujuan dan memformulasikan na dalam bentuk matematis
b. Mengidentifikasi batasan-batasan yang berlaku dan memformulasikannya dalam
bentuk matematis.
c. Menggambarkan masing-masing garis fungsi batasan dalam sistem salib sumbu
d. Mencari titik yang paling menguntungkan (optimal) dihubungkan dengan fungsi
tujuan.
Sebelum mempraktekan setiap langkah diatas sebaiknya terlebih dahulu
diuraikan masalah yang biasanya paling kritis,yaitu menggambarkan garis-garis dari
fungsi-fungsi batasan.fungsi-fungsi batasan ini dinyatakan dalam 3 tanda yaitu :
≤ kurang dari atau sama dengan
≥ lebih besar dari atau sama dengan
= sama dengan
a. Grafik dari 4X+3Y≤12

Gambar 2.1. garis dari fungsi batasan dengan tanda ≤

b. Grafik dari 4x+3y≥12
c. Grafik dari 4x+3y=12

Gambar 2.3. garis dari fungsi batasan dengan tanda =

disini tidak akan dijelaskan bagaiman cara menggambarkan persamaan garis

dalam suatu grafik ,karena hal ini tentunya telah banyak dibahas pada berbagai
literatur matematika dasar.tetapi yang penting dipahami adalah bahwa bagian yang
diarsir menunjukan “daerah” space yang memenuhi persyaratan fungsi-fungsi batasan
tersebut di atas.pada gambar contoh c tidak ada bagian yang diarsir,karena yang
memenuhi persyaratan hanya titik-titik sepanjang garis aja
Dengan contoh masalah perushaan sepatu “IDEAL” diatas,pendekatan grafis
akan mudah difahami.secara grafis akan digambarkan sumbu mendatar X1 untuk
produk 1 dan sumbu vertikal X2 untuk produk 2,jumlah n = 2 yaitu produk 1 ( sepatu
merk I1) dan produk 2 (sepatu merk I2).
Tujuan kita dalah akan memaksimumkan laba yang akan diperoleh.sumbangan
tiap lusin sepatu merk I1 = Rp.30.000,00 sedang merk I2 = Rp.50.000,00. Oleh
karena itu dapat kita formulasikan fungsi tujuannya (dalam puluhan ribu rupiah)
sebagai berikut :
Maksimumkan Z=3x1+5x2
 dengan adnya batasan kapasitas mesin 1,mesin 2 dan mesin 3 (maksimum 8
jam, 12 jam dan 30 jam setiap haru) maka kita dapat membuat formulasi batasan-
batasan itu,sebagai berikut :
1) 2x1 ≤8
2) 3x2 ≤ 15
3) 6x1 + 5x2 ≤ 30
Batasan (1) adalah batasan mesin 1, yang berarti 2 jam kali jumlah sepatu merk
I1,yang dibuat (2x1) tidak dapat lebih dari 8 jam. Batasan (2) berarti 3 jam kali
jumlah sepatu merk I2 yang dibuat (2x2) tidak dapat lebih dari 15 jam. Sedang
batasan (3) berarti bahwa 6 jam kali nilai X1 ditambah 5 jam kali nilai X2 tidak dapat
lebih 20 jam.selain itu perlu pula diperhatikan batasan-batasan “non-negatif”,yaitu X1
≥ 0 dan X2 ≥ 0.artinya kombinasi X1 dan X2 nanti hanya akan terletak pada kuadran
pertama, yaitu kuadran yang memuat nilai-nilai positif bagi X1 dan X2.

Fungsi batasan pertama ( 2X1 ≤ 8 )akan digambarkan sebagai garis tegak lurus
pada sumbu X1 di titik 2X1 = 8 seperti tampak pada gambar berikut ini :

Bagian yang diarsir pada gambar diatas merupakan bagian yang memenuhi
batasan-batasan X1 ≥ 0, X2 ≥ 0 dan 2x1 ≤ 8 . dengan cara yang sama fungsi batasan
kedua (3X2 ≤ 15 ) dapat digambar. Fungsi batasan ketifa ( X1 + 5X2 ≤ 30 ) Digambar
dengan terlebih dahu;u mencari titil-titik perpotongan garis 6X1 + 5X2 = 30 dengan
sumber X1 dan X2. akhirnya ketiga fungsi batasan tersebut dapat digambar secara
lengkap berikut ini :
 Gambar 2.5.Grafik fungsi-fungsi batasan perusahaan sepatu “DEAL”

Bagian yang diarsir ( disebut daerah feasible ) pada gambar diatas menunjukan bagian
yang memenuhi “persyaratan” yang ditetapkan oleh ketiga fungsi-fungsi batasan, atau
merupkan daerah kemungkinan-kemungkinan kombinasi ( X1,X2) yang memenuhi
batasan-batasan.
Langkah terakhir pendekatan ini adalah mencari titik ( kombinasi X1 dan X2)
yang terletak pada daerah feasible yang dapat memaksimumkan nilai Z. hal ini dapat
dilakukan dengan 2 cara : dengan menggambarkan fungsi tujuan (disebut dengan cara
trial and error) dan dengan membandingkan nilai Z pada tiap-tiap alternatif.
a. Dengan menggambarkan fungsi tujuan
Misal digambarkan Z = 10 = 3X1 +5x2 ( garis P pada gambar di bawah
ini).untuk mengetahui apakah ada nilai (X1,X2) Di dalam daerah feasible yang akan
mendapatkan Z = 10.
Gambar 2.6 Grafik fungsi tujuan dan batasan-batasan perusahaan sepatu
“IDEAL”

Ternyata dengan menggambarkan 3X1 + 5X2 = 10 tampak bahwa terdapat lebih dari
1 titik pada garis tersebut yang terletak didalam daerah feasible. Sehingga garis Z =
3X1 + 5X2 Perlu digeser ke kanan agar lebih menjauhi titik origin atau agar Z lebih
besar.
Umpama garis tersebut digeser menjadi 3X1 + 5x2 = 20 (Garis q pada gambar
2.6). tampak bahwa masih terdapat lebih dari 1 titik pada garis tersebut yang terletak
di dalam daerah feasible.artinya belum ditemukan 1 titik ( X1,X2 ) yang
menghasilkan Z tertinggi. Garis Z =3X1 + 5X2 digeser lebih jauh ke kanan sampai
akhirnya ditemukan garis 3X1 + 5X2 = 27¹/2,yang menyinggung daerah feasible
dititik C ( 5/6,5 ). Berarti kombinasi optimal adalah : X ₁ = 5/6 Dan X ₂=5 dengan Z
maksimal sebesar 27¹/2
Jadi langkah terakhir mencari titik optimal dengan “trial and error” pada
prinsipnya dilakukan dengan menggambarkan “family” garis/fungsi tujuan sampai
ditemukan 1 titik pada garis tersebut yang menyinggung daerah feasible.
b. Dengan membandingkan nilai Z pada tiap-tiap alternatif
Apabila cara diatas rumit,dapat dilakukan dengan lebih sederhana yaitu
membandingkan berbagai alternatif kombinasi X₁ dan X₂ atau dengan kata lain
dengan membandingkan nilai Z yang diperoleh pada berbagai titik kombinasi X ₁ dan
X₂ di daerah feasible. Tentu saja nilai Z makin tinggi bila makin jauh dari titik origin
(O). sehingga sebaiknya yang dibandingkan adalah titik-titik yang ada di sudut-sudut
daerah feasible.
Titik 0 :
Pada titik ini,nilai X₁ = 4;X₂ = 0
Tentu saja Z = 0
Titik A :
pada titik ini,nilai X₁ = 4;X₂ = 0
Sehingga Z = 3(4) + 0 = 12
Titik B :
pada titik ini nilai X₁ = 4. subtitusikan nilai in pada persamaan batasan(3),menjadi
6(4) + 5X₂ =30.Jadi nilai X₂ =(30-24)/5 = 6/5
Nilai Z = 3(4) + 5(5/6) =18
Titik C :
Pada titik ini nilai X₂ = 5 subtitusikan nilai pada persamaan batasan (3) menjadi 6X ₁
+ 5(5) = 30. Jadi nilai X₁ = (30-25)/6 = 5/6.
Nilai Z=3(5/6)+5(5) = 27¹/2
Titik D:
Pada titik ini nilai X₂ = 5 dan Nilai X₁ = 0
Nilai Z = 3(0) + 5(5) = 25