PEMROGRAMAN LINEAR February 16, 2006

Kode MK : Tahun Akademik : 2008/2009

Nama Mata Kuliah : Teknik Riset Operasi Semester :5
Jurusan : Teknik Informatika Materi : Chapter 2
Dosen : Adnan Sauddin, S.Pd., M.Si

II. Pengantar Pemrograman Linear

Pemrograman linear adalan alat untuk pemecahan masalah optimasi. Metode
yang ditelah dikembangkan adalah yang dikenal dengan metode simpleks. Sejak
dikembangkan algoritma simpleks, LP telah digunakan untuk pemecahana
masalah optimasi dalam industri, seperti – perbankan, pendidikan, kehutanan,
perminyakan, perusahaan truk (ekspedisi).

2.1 Contoh Penyelesaian dengan Pemrograman linear

Pada bagian sebelumnya diberikan satu contoh yang berkaitan dengan Produksi
Mainan yang terbuat dari kayu oleh Giapetto. Bagaimanakah pemrograman linear
menyelesaikan masalah optimasi berkaitan dengan kasus tersebut? Berikut akan
diberikan apa dan bagaimana sebenarnya pemrograman linear tersebut.

Teladan 1: Usaha Ukiran Kayu Giapetto

Usaha Ukuran Kayu Giapetto, memproduksi dua jenis Mainan yang
terbuat dari kayu: Prajurit Mainan dan Kereta. Satu Prajurit
Mainan dijual dengan harga $27 dan proses produksi
membutuhkan $10 dari harga material. Setiap Prajurit mainan
yang dibuat meningkatkan variable buruh dan kelebihan biaya $14.
Untuk Setiap kereta mainan yang dibuat dijual dengan harga $21
dan membutuhkan $9 dari harga material. Untuk setiap pembuatan
Kereta Mainan meningkatkan variable buruh dan kelebihan biaya
$10. Pembuatan Tentara dan Kereta mainan dari kayu membutuh
dua jenis keahlian: Tukang kayu dan Finishing. Satu Prajurit
membutuh waktu pengerjaan finishing selama 2 jam dan 1 jam
untuk pengerjaan oleh tukang kayu. Untuk Kereta mainan
membutuhkan 1 jam untuk finishing dan2 jam untuk pengerjaan
oleh tukang kayu. Setiap minggu, Giapetto dapat memenuhi
seluruh kebutuhan material, akan tetapi hanya memiliki 100 jam
untuk pengerjaan finishing dan 80 jam untuk pengerjaan tukang
kayu. Permintaan untuk Kereta mainan dalam jumlah tak terbatas,
tapi hanya mencapai 40 unit tentara mainan tiap minggu. Giapetto
berkeinginan untuk memaksimumkan keuntungan perminggu
(keuntungan – biaya). Rumuskan model matematika dari
permasalah tersebut yang dapat digunakan untuk
memaksimumkan keuntungan.
Abu Abdirrahman 6
 PEMROGRAMAN LINEAR February 16, 2006

Solusi:
Dalam mengembangkan model dari kasus diatas, terlebih dahulu
kita harus mengetahui karakteristik dari masalah pemrograman
linear sebagaimana yang telah dituliskan pada bagian 1, yaitu:
Variabel Keputusan: Seluruh bagian dari proses pemecahan
masalah dengan menggunakan pemrograman linear, pertama
adalah mendefinisikan variable keputusan. Dalam model
pemrograman linear, variable keputusan secara lengkap harus
menjelaskan keputusan yang akan dibuat. Jelasnya, kasus di atas
harus diputuskan berapa banyak Tentara Mainan dan Kereta main
yang harus diproduksi tiap minggu. Dalam kasus ini,
x1 : Jumlah Tentara Mainan yang harus produksi tiap minggu
x2 : Jumlah Kereta Mainan yang harus diproduksi tiap minggu
Didefinisikan sebagai variable keputusan

Fungsi Tujuan: Dalam banyak permasalahan LP, pembuat

keputusan ingin memaksimumkan (pendapatan atau keuntungan)
atau meminimumkan (biaya) beberapa fungsi dari variable
keputusan. Fungsi yang akan dimaksimumkan atau diminimumkan
disebut fungsi tujuan.
Dari kasus ini, diketahui biaya tetap (seperti: biaya sewa dan
jaminan) tidak bergantung pada nilai x1 dan x2 . Selanjutnya kita
dapat berkonsentrasi pada proses memaksimumkan
(pendapatan mingguan) – (Biaya pembelian material) – (biaya
variable lain).
Pendapatan mingguan dan biaya dapat diekspresikan dalam
terminology variable keputusan x1 dan x2 . Merupakan tindakan
yang kurang bijaksana, jika sebuah perusahaan memproduksi
sesuati dimana dia tidak mampu menjualnya, dengan demikian kita
asumsikan bahwa seluruh mainan yang diproduksi dari kasus ini
akan terjual. Maka
pendapatan perminggu = Pendapatan permgg dari prajurit mainan
+ Pendapatan permgg dari kereta mainan
 dollar  prajurit   dollar   Kereta 
=  +  
 prajurit  minggu   kereta   minggu 
= 27 x1 + 21 x2

Juga,
Biaya Material Perminggu = 10 x1 + 9 x2

Abu Abdirrahman 7
 PEMROGRAMAN LINEAR February 16, 2006

Biaya lain-lain perminggu = 14 x1 + 10 x2

Selanjut, perusahaan Giapetto yang memaksimumkan
( 27 x1 + 21 x2 ) − (10x1 + 9x2 ) − (14x1 + 10x2 ) = 3x1 + 2 x2
Fungsi tujuan dari kasus ini adalah:
Maksimumkan z = 3 x1 + 2 x2 (0.1)
Kendala ketika x1 dan x2 meningkat, fungsi tujuan pun naik.
Artinya, Giapetto bebas memilih nilai untuk variable x1 dan x2
untuk meningkatkan keuntungan. Namun, perlu diperhatikan
bahwa, nilai x1 dan x2 dibatasi oleh tiga keadaan beirkut (selanjut
disebut batasan atau konstrain):
Batasan 1 Tiap minggu, tidak lebih dari 100 jam waktu yang
digunakan untuk pekerjaan finishing
Batasan 2 Tiap minggu, tidak lebih dari 80 jam waktu yang
digunakan untuk pekerjaan Tukang Kayu
Batasan 3 Karena permintaan terbatas, maka prajurit mainan
yang harus diproduksi hanya pada kisaran 40 Prajurit mainan tiap
minggu.

Jumlah material yang dapat diperoleh diasumsikan tidak terbatas,

dengan demikian tidak ada pembatasan pada masalah ini.

Langkah selanjutnya dalam merumuskan model matematika dari

contoh ini adalah menyatakan batasan 1 – 3 dalam terminology
variable keputusan x1 dan x2 .
Batasan 1 dalam termonologi x1 dan x2 :
Total Jam Finishing  Jam Finishing  Pembuatan Praj. Mainan 
=  
Minggu  Praj. mainan  Minggu 
 Jam Finishing   Pembuatan Kereta 
+  
 Kereta  Minggu 
= 2( x1 ) + 1 ( x2 )
= 2 x1 + x 2
Secara Lengkap, Rumusan batasan 1 adalah:
2 x1 + x1 ≤ 100 (0.2)
Batasan 2 dalam terminology x1 dan x2 :

Abu Abdirrahman 8
 PEMROGRAMAN LINEAR February 16, 2006

Total Jam Carpentry  Jam Carpentry  Pembuatan Praj. Mainan 

=  
Minggu  Praj. mainan  Minggu 
 Jam Carpentry   Pembuatan Kereta 
+  
 Kereta  Minggu 
= 1( x1 ) + 1 ( x2 )
= x1 + x 2
Secara lengkap, Batasan 2 adalah:
x1 + x2 ≤ 80 (0.3)

Terakhir, sebagaimana telah disebutkan pada kasus tersebut bahwa

jumlah yang dapat diproduksi pada setiap minggunya terbatas,
untuk Prajurit mainan terbatas pada 40, hal dapat dinyatakan
sebagai satu keterbatan (salah satu fungsi batasan), yaitu:

x1 ≤ 40 (0.4)

Kemudian, dari persamaan (0.2)-(0.4) dalam terminology variable

keputusan, dinyatakan sebagai batasan untuk masalah
pemrograman linear. Setiap nilai yangberkaitan dengan variable
keputusan disebut koefisien, contoh koefisien untuk x2 dalam
persamaan (0.3) adalah 1, hal ini mengindikasikan bahwa prajurit
mainan membutuhkan 1 jam pengerjaan oleh tukang kayu.
Bilangan yang terdapat pada bagian sebelah kanan dari masing-
masing batasan disebut sisi kanan (right-hand side or rhs).
Biasanya rhs batasan merepresentasikan jumlah sumber yang
dibutuhkan atau yang tersedia.
Tanda Keterbatasan, Untuk melengkapi rumusan dari masalah
pemrograman linear, pertanyaan yang harus dijawab yang
berkaitan dengan variable keputusan:
• Dapatkan variable keputusan dapat diasumsikan sebagai nilai
non-negatif?
• Apakah variable keputusan memungkinkan untuk diasumsikan
bahwa nilai positif dan negative?
Jika variable keputusan xi hanya dapat diasumsikan bernilai
nonnegative, maka kita tambahkan tanda batasan xi ≥ 0 .
Setelah seluruh bagian diselesaikan, mulai dari penentuan Fungsi
Tujuan, Variabel Keputusan, Batasan, Tanda batasan, seluruh
bagian tersebut dituliskan dalam bentuk system persamaan linear
sebagai berikut:
Abu Abdirrahman 9
 PEMROGRAMAN LINEAR February 16, 2006

max z = 3 x1 + 2 x2 (Fungsi Tujuan)

Fungsi Kendala:
2 x1 + x2 ≤ 100 (Batasan Finishing)
x2 + x2 ≤ 80 (Batasan Tukang Kayu)
x1 ≤ 40 (Batasan Permintaan ut. Praj. Mainan)
Batasan Non-negatif x1 , x2 ≤ 0 (Tanda Batasan)
Fungsi Kendala memiliki makna bahwa nilai dari variable keputusan x1
dan x2 harus memenuhi seluruh batasan dan tanda ketaksamaannya
(batasannya).
Sebelum diberikan definisi tentang masalah pemrograman linear, terlabih
dahulu akan didefinisikan konsep dari fungsi dan ketaksamaan linear.
Defenisi 1 : Suatu fungsi f ( x1 , x2 ,
, xn ) dari x1 , x2 ,
, xn merupakan fungsi
linear jika dan hanya jika untuk semua himpunan konstanta c1 , c2 ,

cn ,
f ( x1 , x2 ,
xn ) = c1 x1 + c2 x2 +
+ cn xn

Definisi 2 : Untuk sembarang fungsi f ( x1 , x2 ,
, xn ) dan sembarang bilangan b ,

ketaksamaan f ( x1 , x2 ,
, xn ) ≤ b dan f ( x1 , x2 ,
, xn ) ≥ b
merupakan ketaksamaan linear.
Definisi 3 : Masalah Pemrograman Linear merupakan suatu masalah proses
optimasi yang memenuhi:
1. Kita berusaha untuk memaksimumkan (atau meminimumkan)
variable keputusan. Fungsi yang akan dimaksimumkan atau
diminimumkan disebut fungsi tujuan.
2. Nilai dari variable keputusan harus memenuhi himpunan
batasan. Masing-masing batasan harus merupakan persamaan
linear atau ketaksamaan linear.
3. Tanda keterbatasan berkaitan dengan masing-masing variable
keputusan. Untuk sembarang variable xi , tanda keterbatasan
yang menjelaskan xi harus nonnegative ( xi ≥ 0).

Asumsi Proporsional dan Aditif

Fakta bahwa fungsi tujuan untuk suatu masalah pemrograman linear harus
merupakan sebuah fungsi linear dari variable keputusan, keadaan terputusan
berimplikasi pada:
1. Kontribusi fungsi tujuan dari masing-masing variable keputusan adalah
proporsional terhadap nilai dari variable keputusan. Contoh: kontribusi fungsi

Abu Abdirrahman 10
 PEMROGRAMAN LINEAR February 16, 2006

tujuan dari pembuatan empat Prajurit mainan (4 x 3 = $12) adalah secara

tepat empat kali kontribusi terhadap fungsi tujuan dari pembuatan satu
prajurit ($3).
2. Kontribusi fungsi tujuan untuk sembarang variable independen dari nilai
variable keputusan yang lain. Sebagai contoh, berapapun nilai dari x2 ,
pembuatan x1 akan selalu memberikan kontribusi terhadap fungsi tujuan
sebesar $3.
Secara analogi, bahwa tiap batasan dari pemrograman linear harus merupakan
ketaksamaan atau persamaan linear berimplikasi:
1. Kontribusi masing-masing variable terhadap sisi kiri dari masing-masing
batasan adalah proporsional terhadap nilai dari variable. Contoh, dibutuhk
tiga kali waktu penyelesaian (2 x 3 = 6 jam finishing) untuk membuat tiga
prajurit mainan.
2. Kontribusi variable terhadap sisi kanan dari masing-masing batasan adalah
bergantung dari nilai variable.
Implikasi pertama yang diberikan disebut asumsi proporsional. Implikasi
kedua dari yang pertama merupakan nilai fungsi tujuan adalah jumlah kontribusi
setiap variable secara sendiri-sendiri, dan akibat yang kedua dari daftar kontribusi
kedua bahwa sisi kanan dari masing-masing batasan merupakan jumlah
kontribusi dari masing-masing variable. Untuk alas an tersebut, implikasi yang
kedua disebut asumsi aditif .

Daerah Penyelesaian dan Solusi Optimum

Dua dari beberapa konsep dasar yang berkaitan dengan masalah pemrograman
linear adalah daerah penyelesaian dan solusi optimal. Kita gunakan terminology
titik untuk memahami spesifikasi nilai untuk masing-msing variable keputusan.
Definisi 4 : Daerah Penyelesaian (feasible Region) untuk suatu pemrograman
linear adalah himpunan semua titik-titik yang memenuhi semua
batasan dan tanda batasan dari pemgrograman linear.
Definisi 5 : Untuk masalah maksimasi, suatu solusi optimum pada suatu
pemrograman linear merupakan sautu titik dalam daerah
penyelesaian dengan nilai fungsi tujuan terbesar. Dengan cara yang
sama, untuk suatu masalah minimasi, suatu solute optimum
merupakan titik dalam daerah penyelesaian dengan nilai fungsi
tujuan terkecil.
2.2 Bentuk Umum Pemrograman Linear (PL)
Sebagaimana yang telah dijelaskan pada bagian 2.1, bahwa masalah
pemrograman linear memuat tiga hal, yaitu:
1) Fungsi tujuan
2) Fungsi kendala (keterbatasan sumber daya)

Abu Abdirrahman 11
 PEMROGRAMAN LINEAR February 16, 2006

3) Batasan Nonnegatif

Ketiga hal tersebut dapat dirumus secara matematis sebagai berikut:

Fungsi Tujuan, max/min z = c1 x1 + c2 x2 + c3 x3 +
+ cn xn

Fungsi Kendala, a11 x1 + a12 x2 + a13 x3 +
+ a1 n xn ≤ (=) ≥ b1
a21 x1 + a22 x2 + a23 x3 +
+ a2 n xn ≤ (=) ≥ b2
a31 x1 + a32 x2 + a33 x3 +
+ a3n xn ≤ (=) ≥ b3
(0.5)
    
am1 x1 + am 2 x2 + am 3 x3 +
+ amn xn ≤ (=) ≥ bm
Syarat nonnegatif xi ≥ 0, ∀i = 1,2,3,
, n
aij , ∀i = 1,2,3,
m; j = 1,2,3,
, n

2.3 Solusi Masalah Pemrograman Linear dengan Metode Grafik

Beberapa kasus dari masalah pemrograman linear hanya dapat diselesaikan
secara grafik terbatas pada system persamaan linear dengan dua variable.
Variable pada masalah pemrograman linear selalu disimbolkan dengan x1 dan
x2 (untuk masalah dua variable).
Sebelum dijelaskan bagaimana menyelesaikan masalah pemrograman linear
dengan metode ini, terlebih dahulu dijelaskan beberapa hal yang berkaitan
dengan hal tersebut, yaitu:
a. Arah tanda ketaksamaan/persamaan pada system persamaan linear
b. Menentukan daerah penyelesaian
c. Menentukan penyelesaian optimum
Berikut penjelasan berkaitan dengan ketiga hal diatas:

Arah Tanda ketaksamaan/persamaan

Andaikan kita ingin menggambarkan grafik dari himpunan titik yang memenuhi
persamaan berikut:
2 x1 + 3 x 2 ≤ 6 (0.6)

Himpunan titik yang memenuhi,

3 x 2 ≤ 6 − 2 x1
2
x 2 ≤ 2 − x1 (0.7)
3

Abu Abdirrahman 12
 PEMROGRAMAN LINEAR February 16, 2006

Karena pergerakannya ke bawah grafik x2 (lihat gambar 1), maka himpunan titik
yang memenuhi persamaan (0.6) dan (0.7) berada dibawah x2 = 2 − 23 x1 . Himpunan
titik-titik tersebut diindikasikan dengan bagian gambar yang berwarna merah
(dibawah garis). Jika persamaannya berbentuk 2 x1 − 3 x2 = 6 , maka himpunan
titik yang memenuhinya adalah tepat pada garis dari persamaan tersebut. Dan
jika bentuk tanda ketaksamaannya adalah ≥ (besar dari), 2 x1 + 3 x2 ≥ 6 , maka
himpunan titik yang memenuhi persamaan ini diindikasikan dengan daerah yang
berwarna biru (diatas garis persamaan).
Gambar 1. Grafik ketaksamaan Linear
Secara sederhana:
- Jika tanda ketaksamaannya adalah ≤ ,
maka himpunan titik yang memenuhi
persamaan yang dimaksud berada di
bawah garis
- Jika tanda ketaksamaannya adalah ≥ ,
maka himpunan titik yang memnuhi
persamaaan yang dimaksud berada di atas
- Jika tandanya =, maka himpunan titik yang
memenuhi tepat sepanjang garis dari
persamaan yang dimaksud

Menentukan Daerah Penyelesaian

Dengan menggunakan kasus giapeto, menentukan daerah penyelesaian suatu
system persamaan linear secara grafik dijelaskan sebagai berikut:
Diketahui:
2 x1 + x2 ≤ 100 (Batasan)
x1 + x2 ≤ 80
(0.8)
x1 ≥ 40 (Tanda Keterbatasan)
x2 ≥ 0

Catatan:
Untuk titik-titik ( x1 , x2 ) yang berada dalam daerah penyelesaian, ( x1 , x2 ) harus
memenuhi seluruh ketaksamaan (0.8).
Penyelesaian:
• Gambarkan 2 x1 + x2 ≤ 100 pada bidang kartesius

Untuk x1 =0, ⇒ x2 =100 (tempatkan kedua titik yang diperoleh pada
bidang kartesius

Abu Abdirrahman 13
 PEMROGRAMAN LINEAR February 16, 2006

Untuk x2 =0, ⇒ x1 =50 (tempat kedua titik yang diperoleh pada

bidang kartesius)

Tarik garis penghubung dari titik x2 =100 ke titik x1 =50
• Gambarkan x1 + x2 ≤ 80 pada bidang kartesius

Untuk x1 =0, ⇒ x2 =80 (tempatkan kedua titik yang diperoleh pada
bidang kartesius

Untuk x2 =0, ⇒ x1 =80 (tempat kedua titik yang diperoleh pada
bidang kartesius)

Tarik garis penghubung dari titik x2 =80 ke titik x1 =80
• Gambarkan x1 ≥ 40 pada bidang kartesius
• Lihat Gambar 2
Gambar 2. Grafik Masalah Giapetto

Abu Abdirrahman 14
 PEMROGRAMAN LINEAR February 16, 2006

Menentukan Solusi Optimal

Setelah menggambarkan daerah penyelesaian dari masalah giapetto, langkah
selanjutnya adalah menentukan titik-titik penyelesaian optimal dari kasus
tersebut, yaitu titik yang terdapat dalam daerah penyelesaian yang memberikan
nilai terbesar terhadap fungsi tujuan, z = 3 x1 + 2 x2 .
Untuk menentukan solusi optimum, yang harus kita lakukan adalah
mengambarkan sebuah garis yang disebut dengan isoprofit, , jika merupakan
permasalah maksimasi, dan garis isocost, jika merupakan permasalahan
minimasi.
Untuk kasus giapetto,
Diketahui
z = 3 x1 + 2 x 2
Ambil titik (20,0), maka z = 3(20) + 2(0) = 60.
Kemudian,
3 x1 + 2 x2 = 60
3
x2 = 30 − x1
2
Sebagaimana yang telah dipelajari dalam Kalkulus, turunan pertama dari
3 3
x2 = 30 − x1 adalah x2' = − merupakan koefisien kemiringan dari garis
2 2
3 x1 + 2 x2 = 60 . Dengan demikian, karena persamaan 3 x1 + 2 x2 = 60 memiliki
3
kemiringan yang sama, x2' = − , maka sekali kita menggambarkan satu garis iso
2
profit, kita dapat mendapatkan seluruh garis isoprofit dengan menggeser garis
isoprofit yang pertama secara parallel.
Solusi optimumnya dapat ditentukan berdasarkan titik terluar yang
bersinggungan dengan garis isoprofit yang telah digambarkan. Dari
gambar 2, titik terluar adalah titik G, G(20,60), sehingga solusi optimum dari
kasus ini adalah:
3 x1 + 2 2 =z
3(20) + 2(60) = 180
180.

2.4 Kasus yang diselesaikan

Dalam menentukan penyelesaian dari suatu system persamaan linear, ada tiga
jenis dari masalah LP yang sering kita jumpai:
1. Masalah LP dengan jumlah solusi optimal yang tak terbatas
2. Masalah LP dengan tanpa penyelesaian
3. Masalah LP dengan penyelesaian tak terbatas

Abu Abdirrahman 15
 PEMROGRAMAN LINEAR February 16, 2006

Berikut akan diberikan contoh yang berkaitan dengan hal tersebut, untuk
penentuan solusi optimum diberikan kepada mahasiswa sebagai tugas.

Kasus 1: (memiliki himpunan penyelesaian optimum yang banyak)

Suatu perusahaan otomotof memproduksi dua jenis kendaraan, mobil sedan dan
truck. Tiap komponen harus diproses dalam bengkel pengecatan dan bengkel
pemasangan body. Jika bengkel pengecatan hanya mengecat truck, maka dalam
sehari dapat menyelesaikan 40 truck. Jika bengket pengecatan hanya mengecat
mobil, maka dalam sehari dapat menyelesaikan 60 mobil sedan . Jika bengkel
pengerjaan body hanya membuat mobil sedan, maka dalam sehari dapat
menghasilkan 50 body mobil sedan. Jika bengkel pengerjaan body hanya
membuat truck, maka dalam sehari dapat menghasilkan 50 body truck. Tiap
truck yang dihasilkan memberikan keuntungan sebesar $300, dan tiap mobil
sedan yang dihasilkan memberikan keuntungan sebesar $200. Gunakan
Pemrograman linear untuk menentukan rencana produksi perhari yang akan
memaksimumkan keuntungan perusahaan.
Kasus 2: (Kasus tanpa penyelesaian)
Andaikan bahwa dealer dari pabrik ini membutuhkan jumlah produksi paling
sedikit 30 untuk truk dan 20 untuk mobil sedan. Tentukan solusi optimum untuk
pemrograman linear yang baru.
Kasus 3: (Penyelesaian tak terbatas)

Abu Abdirrahman 16
 PEMROGRAMAN LINEAR February 16, 2006

Contoh
Kelompok A Min z = x1 − x 2
Untuk soal nomor 1 – 4, tentukan yang Kendala x1 + x 2 ≤ 6
mana yang termasuk, solusi optimum
x1 − x 2 ≥ 0
tunggal, banyak, tak terbatas, tanpa solusi
optimum. x 2 − x1 ≥ 3
Maks z = x1 + x 2 x1 , x 2 ≥ 0
Kendala x1 + x 2 ≤ 4 8. Tentukan dua solusi optimum
1. masalah LP beriktu dengan
x1 − x 2 ≥ 5
menggunakan metode grafik
x1 , x 2 ≥ 0
min z = 3 x1 + 5 x 2
Maks z = 4 x1 + x 2 Kendala 3 x1 + 2 x2 ≤ 36
Kendala 8 x1 + 2 x2 ≤ 16 3 x1 + 5 x2 ≥ 45
2.
5 x1 − 2 x2 ≤ 12 x1 , x 2 ≥ 0
x1 , x 2 ≥ 0 Kelompok B
Maks z = − x1 + 3 x 2 9. Manager keuangan Boris Milkem
Kendala x1 − x 2 ≤ 4 telah menyetujui mata uang prancis
3. (frenc) dan mata uang amerika
x1 + 2 x 2 ≥ 4
(dollar). Pada jam 12 tengah malam,
x1 , x 2 ≥ 0
dia dapat membeli francs dengan 0.25
Maks z = 3 x1 + x 2 dollar per franc dan dollar dengan 3
Kendala 2 x1 + x 2 ≤ 6 francs per dollar. Misalkan x1
4.
x1 + 3 x 2 ≥ 9 merupakan jumlah dollar yang dibeli
x1 , x 2 ≥ 0 dan x2 merupakan jumlah francs
5. Benar atau salah: Untuk suatu LP yang yang dibeli. Andaikan bahwa kedua
penyelesaiannya akan tak terbatas, jenis transaksi membutuhkan tempat
daerah penyelesaian dari LP tersebut secara bersamaan, dan hanya terbatas
harus tak terbatas. pada jam 12.01. Boris harus
6. Benar atau salah: Setiap LP dengan mempunyai bilangan nonnegative
daerah penyelesaian tak terbatas dari francs dan dollars.
mempunyai solusi optimum tak terbatas. a. Rumuskan masalah LP dari Boris
7. Tentukan semua solusi optimum untuk memaksimumkan jumlah
masalah LP beriktu dengan dollars yang harus dimiliki
menggunakan metode grafik: setelah seluruh transaksi selesai
b. Tentukan solusi optimum dari LP
secara grafik dengan berikan
ulasan terhadap jawaban tersebut.

Abu Abdirrahman 17