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
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
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.