-Modul -4

LINEAR PROGAMMING
METODE GRAFIK
-Agustinus Supriyanto,S.E,,M.Si., C.RM., C.CSR. CIAE.,
C.QMS

ID Tutor / 18004006
NIDN / 0216066601
No.Reg.FIT.444.06974 2019
Kode/Mata Kuliah : EKMA4413/RISET OPERASI

-Agustinus Supriyanto
 Diharapkan mampu Menentukan :

1. Membhuat formulasi masalah ke dalam persamaan-persamaan

menyusunnya menjadi liner progamming;
2. Memecahkan masalah secara sederhana dengan pendekatan grafik;
3. Menjelaskan dasar pemikiran yang digunakan dalam linear
programming;
4. Menafsirkan arti dari hasil pemcahan optimal berdasarkan metode
grafik sebagai dasar dalam mengampil keputusan.

-Agustinus Supriyanto
 KEGIATAN BELAJAR 1

Pemecahan Masalah yang Masih Berbentuk

Standar dengan Metode Grafik

1. Persamaan yang menyatakan tujuan yang akan dicapai

FORMULASI
MASALAH
2. Persamaan atau fungsi yang menunjukkan Batasan –
Batasan
Banyaknya yang diperoleh oleh setiap unit
I Nomor dari sumber daya aktivityas
J Nomor aktifitas Ukuran (unit) akitivita
M Banyaknya sumber Z Jumlah nilai yang mau dituju: memaksimumkan
N Banyaknya aktivitas untuk manfaat atau penerimaan dan
meminimumkan untuk biaya, pembayaran /
Kebutuhan setiap unit aktivitas j pengorbanan
akan sumber I
Banyaknya sumber I yang
tersedia
-Agustinus Supriyanto
Contoh :
PT Kembang menghasilkan 2 macam barang, setiap barang memerlukan bahan baku

Bahan Baku A = 2 kg Bahan Baku B = 2 kg

Produk A = 1 kg Produk B = 3 kg
Jumlah A = 6.000 KG Jumlah B sebanyak = 9.000 kg

Biaya variabel yang pertama Rp 300,- kedua Rp 400,- dapat dibuat dalam table seperti dibawah ini

Tabel 4.1
Kebutuhan Bahan Baku per Unit, Maksimum Tersedianya Bahan Baku dan Sumbangan
terhadap Lama
Kebutuhan Bahan Baku / Unit
Kapasitas
Produk Bahan Baku Produk 1 Produk 2 Maksimum

A 2 1 6.000
B 2 3 9.000
Sumbangan terhadap 3 4
laba (dlm rupiah)

-Agustinus Supriyanto
 Tabel 4.3
Kebutuhan Bahan Baku Per Unit, Maksimum Tersedianya Bahan Baku, serta Simbol -
Simbolnya

Kebutuhan Bahan Baku / Unit

Kapasitas
Produk Bahan Baku Produk 1 Produk 2 Maksimum

A 2 1 6.000
B 2 3 9.000
Sumbangan terhadap 3 4
laba (dlm rupiah)

-Agustinus Supriyanto
 Untuk membuat formulasi masalah :

1. Fungsi Tujuan
Nilai tujuan diberi symbol Z
Memaksimumkan nilai tujuan dengan persamaan :
Z = + + …………….. +

Seperti pada contoh soal diatas maka :

Memaksimumkan Z = +
 Untuk membuat formulasi masalah :
2. Batasan Fungsional
Aktivitas memerlukan a unit sumber i ditunjukkan dengan persamaan :
+ + …………….. + + <
( untuk I = 1,2,3, …..m ) atau lebih jelas seperti dibawah ini :
+ + …………….. + + <
+ + …………….. + + <
+ + …………….. + + <

+ + …………….. + + <
 3. Batasan Nonnegatif

Hasil Batasan aktivitas nonnegative ( dan ) mengharuskan tidak boleh negative, harus
positif atau paling kecil sebesar 0 hal ini dpat dinyatakan dengan
> 0; >0
Formulasi ini dimasukkan kedalam fungsi – fungsi :
Fungsi tujuan : Maksimum Z = +
Batasan – Batasan : (1) + < 6.000
(2) + < 9.000
(3) > 0 ; + > 0
Bentuk formulasi diatas disebut bentuk standar dari linier programming yaitu bentuk yang paling sederhana dan
langsung bisa dipecahkan.
 Tanda – tanda dari bentuk standar adalah :

a) Fungsi tujuan bersifat memaksimumkan;

b) Batasan fungsional bertanda < atau tidak boleh lebih dari nilai
maksimum tertentu;
c) Batasan nonnegative bertanda > 0 atqau nilai ukuran aktivitas
 B. PEMECAHAN MASALAH DENGAN METODE GRAFIK

salah satu metode dari linear programming adalah metode grafik . Metode ini sangat sederhana
dan digambarkan dengan 2 sumbu yaitu sumbu vertical dan sumbu horizontal. Langkah –
langkah untuk menyelesaikannya yaitu :

1. Persiapan : mewakili ukuran aktivitas pertama (sumbu vertical ), mjewakili tingkat aktivitas
ke – 2 () 𝑋 2

Gambar 4.1.
Sumbu dan Sumbu

𝑋1
0
 B. PEMECAHAN MASALAH …………………………………………
2. Menggambarkan Semua Batasan Fungsional
Bahan baku A dan bahan baku B berikut batasannya :
+ < 6.000
Berarti masing – masing kapasitas maksimum penggunaan seperti dibawah ini
+ = 6.000
3. Menggambarkan Batasan Nonnegatif
E
dan paling kecil 0 6.000 -
dengan symbol > 0 dan >0 + = 6.000
3.000 -
C

4.2 Batasan – batasan Fungsional dan

B + =9.000
Batasan Batasan Nonnegatif serta
Daerah Feasible
A D
0 3.000 4.500
 B. PEMECAHAN MASALAH …………………………………………

4. Mencari Titik Optimal

Titik optimal adalah titik yang paling baik bagi kita. Fungsi dan tujuan adalah
memaksimumkan nilai Z
Cara 1 : Menggambarkan fungsi tujuan untuk menemukan titik optimal

+ = 6.000 E
+3 = 9.000 - 6.000 -

2 = 3.000 + = 6.000
3.000 -
C
Jadi nilai = =
1.500 - B + =9.000
Mencari Titik Optimal dengan
Menggambarkan Fungsi Tujuan A D
0 2.000 4.500
3.000
 B. PEMECAHAN MASALAH …………………………………………

Cara 2 : Mencari titik optimal dengan menggambarkan Fungsi Tujuan

+ = 6.000
+3 = 9.000 -
2 = 3.000
Jadi nilai = =

Titik C = 12.000
 KEGIATAN BELAJAR 2

Penyimpangan – Penyimpangan dari Bentuk

Standar

1. Fungsi Batasan Bertanda Lebih Besar atau Sama Dengan (>)

Penyimpanan yang terjadi antara lain adanya > pada Batasan masalah, nilai yang
diperoleh tidak boleh lebih kecil dari suatu tingkat tertentu.

Fungsi Batasan Bertanda Lebih Besar

atau sama dengan (>)
+ = 6.000

0 -Agustinus Supriyanto
 KEGIATAN BELAJAR 2

Penyimpangan – Penyimpangan dari Bentuk

Standar

2. Fungsi Batasan Bertanda Sama Dengan (=)

Berarti daerah tersebut feasible menurut Batasan ini berada pada garis Batasan itu,
tidak boleh menyimpang (lebih atau kurang).

Fungsi Batasan Bertanda Sama Dengan (=)

+ = 9.000

0 -Agustinus Supriyanto
 KEGIATAN BELAJAR 2

Penyimpangan – Penyimpangan dari Bentuk

Standar
4.6. Pemecahan optimal apabila Batasan
3. Minimumkan Fungsi Tujuan pertama bertanda > natasan kedua bertanda
Meminimumkan nilai tertentu, misalnya =, dan fungsi tujuan meminimumkan bilai Z
biaya kerugian / pengorbanan lain sehingga
fungsi tujuannya berbentuk sbb: E
6.000 - + > 6.000
Minimumkan Z = + + … +
Fungsi tujuan : Minimum Z = +
Batasan – Batasan : (1) + > 6.000 3.000 - C
(2) + = 9.000
B + = 9.000
(3) > 0 ; + > 0
A
4.500 -
0 D
3.000 -
-Agustinus Supriyanto
 KEGIATAN BELAJAR 2

Penyimpangan – Penyimpangan dari Bentuk

Standar

4. Perubahan dalam Batasan Nonnegatif

Batasan nonnegative berubah menjadi Batasan negative, tetapi bisa bersifat lebih
kecil dari nilai tertentu (positif maupun negatif)

Batasan Nonnegatif untuk

Berubah Menjadi < -500
atau berubah menjadi <
2.000

- 500 0 2.000 -Agustinus Supriyanto

 KEGIATAN BELAJAR 2

A. BEBERAPA ISTILAH / HAL PENTING DALAM

LINEAR PROGRAMMING

1. Daerah Feasible
Merupakan daerah yang tidak melanggar Batasan – Batasan yang ada, seperti pada gambar 4.2.
yang sebagai daerah feasible adalah daerah OABC (yang diarsir). Gambar 4.6. yang disebut
daerah feasible adalah sepanjang garis BD. Diluar feasible disebut daerah tifdak feasible
2. Titik Sudut yang feasible
Titik sudut feasible adalah titik titik sudut yang bisa dicapai dalam hal ini adalah O, A,B dan C
pada gambar 4.2. diluar daerah feasible disebut titik – titik sudut yang tidak feasible yaitu titik D
dan E

-Agustinus Supriyanto
 E
1. Daerah Feasible 6.000 -
Daerah yang tidak melanggar + = 6.000
Batasan yg ada yaitu OABC 3.000 -
C
2. Titik Sudut yang Feasible
+ =9.000
Yaitu OABC B
A D
0 3.000 4.500
 KEGIATAN BELAJAR 2

A. BEBERAPA ………………………………………………….
4. Masalah yang Tidak Memiliki Daerah Feasible
Daerah yang tidak memiliki daerah FEASIBLE, hai ini terjadi kalau lertak dan sifat Batasan-
batasannya tidak memungkinkan terdapat daerah/ alternatif pemecahan yang feasible misalnya
seperti rumus dibawah ini :
Fungsi tujuan : Minimum Z = +
Batasan – Batasan : (1) + > 6.000
(2) + < 9.000
(3) + < 20,000
(4) > 0 ; > 0

-Agustinus Supriyanto
 KEGIATAN BELAJAR 2

A. BEBERAPA ………………………………………………….
4. Pemecahan / Hasil Optimal (Optimal
Solution)
Merupakan hasil pemecahan yang mempunyai nilai
tujuan (Z) terbaik. Bisa maksimum, bisa juga minimum
sesuai dengan fungsi dan tujuannya. Minimum nilai Z =
+ sehingga pemecahan optimal terletak pada titik B sebab
titik B memiliki nilai Z.
5. Masalah yg memiliki Penecahan Optimal
Lebih dari Satu Titik (Multiple Optimal
Solution)
Memiliki titik optimal lwbih dari satu, hal ini terjadi bila
gambar fungsi tujuan sejajar dengan salah satu fungsi
Batasan yang dilakui oleh garis fungsi tujuan yang kita
geser sejajar .

-Agustinus Supriyanto
 KEGIATAN BELAJAR 2

A. BEBERAPA ………………………………………………….
6. Masalah yang Tidak MKemiliki
Pemecahan Optimal
Suatu masalah kemungkinan tidak memiliki
pemecahan optimal. Hal ini bisa disebabkan
oleh 2 hal yaitu :
a) Masalah yang tidak memiliki daerah
feasible. Kalau tidak memiliki daerah
feasible tentu tidak mungkin bisa
diperoleh pemecahan optimal.
b) Salah satu akltivitas tidak terpengaruh
oleh Batasan yang ada. Tujuan bersifat
maksimum Z, nilai Z tidak bisa maksimum Gambar 4.10
karena kita selalu menambah tingkat Aktivitas kedua ( ) selalu bisa ditambah sehingga
aktiivitas tersebut , shgg nilai Z akan selalu nilai Z tidak bisa maksimum
ditambah.

-Agustinus Supriyanto
 KEGIATAN BELAJAR 2

A. BEBERAPA ………………………………………………….
7. Hubungan antara Titik – titik sudut Feasible
Bila titik sudut feasible memiliki nilai Z lebih besar drpd
dua titik sudut feasible yang terdekat, titik itu memiliki
nilai Z yang terbesar di antara semua titik sudut feasible
yang ada. Berikut ini adalah contoh masalah
formulasi seperti gambar 4.11
Fungsi tujuan : Minimum Z = +

Batasan – Batasan : (1) + > 6.000

(2) + < 9.000
(3) < 2.000
(4) < 2.800
(5) > 0 ; > 0

-Agustinus Supriyanto
 KEGIATAN BELAJAR 2

A. BEBERAPA ………………………………………………….
8. Analisis Sensitivitas
Tujuannya untuk menghitung akibat-akibat perubahan
kendala dan fungsi tujuan pada nilai tujuan (hasil)
persamaannya :
Fungsi tujuan : Minimum Z = +
Batasan – Batasan : (1) + > 6.000
(2) + < 9.000
(3) > 0 ; > 0

-Agustinus Supriyanto
 Terima Kasih
Semoga Bermanfaat