Linear Programming

MINGGU II
Linear Programming
 Tujuan dari bisnis umumnya adalah untuk
memaksimalkan keuntungan atau
meminimalkan cost (biaya)
 Linear Programming adalah model yang
berisi hubungan linear yang menggambarkan
keputusan perusahaan yang memberikan
tujuan dan batasan sumber daya.
Model Formulation
 Decision variable adalah simbol matematika
yang menggambarkan level aktivitas.
 Objective function adalah hubungan relasi
yang merefleksikan tujuan operasi
 Constraint adalah hubungan linear yang
menggambarkan batasan dalam pengambilan
keputusan
 Model Linear programming berisi decision
variable, objective function dan constraint.
Kebutuhan sumber daya 2 produk untuk produksi
dan profit per item yang diproduksi

Resource Requirements

Pekerja Clay Profit

Product (HR/UNIT) (LB/UNIT) ($/UNIT)

Mangkok 1 4 40

Mug 2 3 50
Objective Function
 Tujuan perusahaan untuk memaksimalkan
total profit.
 Keuntungan perusahaan adalah jumlah dari
keuntungan dari masing-masing mangkok
dan mug.
 Profit dari mangkok yang ditentukan oleh
perkalian keuntungan unit dengan $40 (x 1)
dan perkalian keuntungan unit mug dengan
$50 (x2)
Objective Function
 Jadi total profit Z, dapat diekspresikan
dengan model matematika sebagai $40x1 +
50x2
 Maximize Z = $40x1 + 50x2
 Dimana
 Z = Total Profit per hari
 $40x1 = keuntungan mangkok
 50x2 = keuntungan mug
Decision Variable
 X1 = jumlah mangkok yang diproduksi
 X2 = jumlah mug yang diproduksi
 Model Constraint
 Dalam masalah ini 2 sumber daya diigunakan yaitu labor
dan clay dimana keduanya dibatasi.
 Untuk masing-masing mangkok, dibutuhkan 1 jam
tenaga kerja (1x1 jam)
 Masing-masing mug dibutuhkan 2 jam kerja (2x2 jam).
Total tenaga yng dibutukan untuk perusahaan untuk
menghasilkan masing-masing produk =
 1x1 + 2x2
 Karena dibatasi hanya 40 jam/hari, maka persamaan
menjadi 1x1 + 2x2 ≤ 40 jam
 Untuk clay diformulasikan sama dengan labor, yaitu
 4x + 3x ≤ 120 lb (dibatasi 120 pound/hari)
1 2
Non negative constraint
 Membatasi decision variable bernilai 0 atau
positive, dimana x1≥0, x2≥0
 Model linear programming yang lengkap
menjadi sbb:
 Maximize Z = $40x1 + 50x2
 Subject to
 1x1 + 2x2 ≤ 40
 4x1 + 3x2 ≤ 120
 x1≥0, x2≥0
 Solusi untuk model ini akan menghasilkan nilai x1 dan x2
dengan maksimum profit Z.
 Satu solusi yang mungkin, beri nilai x1=5 mangkok dan
x2=10 mug.
 Substitusikan kedalam persamaan1x1 + 2x2 ≤ 40
1(5) + 2(10) ≤ 40
25 ≤ 40
 Dan 4x1 + 3x2 ≤ 120
4(5) + 3(10) ≤120
50 ≤ 120
 Bila dimasukkan kedalam
 Z = $40x1 + 50x2, , maka didapatkan
 Z= 40(5) + 50(10) = $700.
 Tetapi kita tidak tahu apakah $700 adalah maksimum
 Cobalah dengan nilai x1=10, x2=20, didapat Z=$1400,
tetapi infeasible solution karena 1(10) + 2(20) ≤ 40
Solusi dengan Grafik
 Maximize Z = $40x1 + 50x2
 Subject to
 1x1 + 2x2 ≤ 40
 4x1 + 3x2 ≤ 120
 x1≥0, x2≥0
 Dimana x1=jumlah mangkok yang diproduksi
x2=jumlah mug yang diproduksi
Solusi dengan grafik
 Pikirkan x1 + 2x2 = 40, bila x1=0, maka
x2=20
Bila x2=0, maka x1=40
 Jadi gambar persamaan diatas adalah
x1
Bila kita ambil x1=10 dan x2=10,
dihasilkan 30, dimana 30 ≤ 40
40 adalah benar
30
20 Maka x1 + 2x2 ≤ 40
10

10 20 30 40 x1
Dilakukan hal yang sama untuk persamaan 4x1 + 3x2 ≤ 120
Untuk X1 = 0, didapatkan 3x2=120, maka x2=40
Untuk X2 = 0, didapatkan 4x1=120, maka x1=30
Sehingga dapat digambarkan grafiknya adalah

x1
Bila kita ambil x1=10 dan x2=10,
dihasilkan 70, dimana 70 ≤ 120
40 adalah benar
30
20 Maka 4x1 + 3x2 ≤ 120
10

10 20 30 40 x1
Grafik Gabungan
x1
Karena x1=10 dan x2=10, memenuhi
ke-2 persamaan yaitu x1 + 2x2 ≤ 40 dan
40
T 4x1+3x2 ≤ 120, maka daerahnya yang
30 S memenuhi adalah seperti yang
20 ditunjukkan panah.
10 R

10 20 30 40 x1

Untuk mengetes daerah yang memenuhi, sebaiknya dites

harga untuk 3 daerah R, S, T
Batasan solusi yang mungkin
x1

4x1 + 3x2 ≤ 120

40
30 S T
20

10 R
x1 + 2x2 ≤ 40

10 20 30 40 x1
Garis fungsi obyektif $800
x1
Bila diinginkan menghasilkan
profit $800 dari penjualan 40
40 800=40x1+50x2 mangkok dan 50 mug
30 800=40x1+50x2
20

10

10 20 30 40 x1
Alternatif garis fungsi objective untuk
$800, $1200 dan $1600
x1

40 800=40x1+50x2
30
20 1200=40x1+50x2

10 1600=40x1+50x2

10 20 30 40 x1
Optimal Solution
x1
Optiomal solution adalah solusi
40 yang mungkin dan terbaik

30
20 Optimal Point

10

10 20 30 40 x1
Optimal Solution
 Optimal Solution adalah poin terakhir fungsi
objective yang menyentuh optimum area
solusi yang layak.
 Constraint equation diselesaikan secara
simultan pada extreme point yang optimal
untuk menentukan nilai-nilai solusi variabel.