Linier Programming (2)

Metode Grafik
 Pengantar (1)
• Metode grafik merupakan prosedur penyelesaian
persoalan LP dengan menggunakan teknik
pendekatan grafis untuk mencari titik yang optimal
• Syarat suatu kasus dapat diselesaikan dengan
metode grafik :
 Variabel keputusan = 2
 Jumlah fungsi pembatas ≥ 1
 Jenis tanda pada fungsi pembatas bertanda ≤, ≥
dan =
6s-3 Linear Programming

LINEAR PROGRAMMING DENGAN METODE GRAFIK

Contoh
Perusahaan sepatu membuat 2 macam sepatu. Yang pertama merek I1, dgn
sol karet, dan merek I2 dgn sol kulit. Diperlukan 3 macam mesin. Mesin 1
membuat sol karet, mesin 2 membuat sol kulit, dan mesin 3 membuat
bagian atas sepatu dan melakukan assembling bagian atas dengan sol.
Setiap lusin sepatu merek I1 mula-mula dikerjakan di mesin 1 selama 2
jam, kemudian tanpa melalui mesin 2 terus dikerjakan di mesin 3 selama
6 jam. Sedang untuk sepatu merek I2 tidak diproses di mesin 1, tetapi
pertama kali dikerjakan di mesin 2 selama 3 jam kemudian di mesin 3
selama 5 jam. Jam kerja maksimum setiap hari mesin 1 adalah 8 jam,
mesin 2 adalah 15 jam, dan mesin 3 adalah 30 jam. Sumbangan terhadap
laba setiap lusin sepatu merek I1 = Rp 30.000,00 sedang merek I2 = Rp
50.000,00. Masalahnya adalah menentukan berapa lusin sebaiknya sepatu
merek I1 dan merek I2 yang dibuat agar bisa memaksimumkan laba.
6s-4 Linear Programming

Bentuk Tabel

Merek I1 I2 Kapasitas
Mesin (X1) (X2) Maksimum
1 2 0 8
2 0 3 15
3 6 5 30
Sumbangan laba 3 5
6s-5 Linear Programming

Bentuk Matematis

· Maksimumkan Z = 3X1 + 5X2

· Batasan (constrain)
(1) 2X1 8
(2) 3X2  15
(3) 6X1 + 5X2  30
6s-6 Linear Programming

Fungsi batasan pertama (2 X1  8)

X2

2X1 = 8
2X1  8 dan X1
 0, X2  0

0 4 X1

Gambar di atas merupakan bagian yang

memenuhi batasan-batasan:
X1  0, X2  0 dan 2X1  8
6s-7 Linear Programming
Fungsi batasan (2 X1  8); 3X2  15;
6X1 + 5X2  30; X1  0 dan X2  0

X2
6X1 + 5X2 = 30 2X1 = 8

6
D C
5 3X2 = 15

Daerah
feasible

A
0 4 5 X1
6s-8 Linear Programming
MENCARI KOMBINASI YANG OPTIMUM
2. Dengan membandingkan nilai Z pada tiap-tiap alternatif
Z = 3X1 + 5X2

X2
6X1 + 5X2 = 30 2X1 = 8
Titik C:
X2 = 5. Substitusikan batasan (3),
Titik D: maka 6X1 + 5(5) = 30.
Pada titik ini nilai 6 Jadi nilai X1 = (30 –25)/6 = 5/6.
Nilai Z = 3(5/6) + 5(5) = 27,5
X2 = 5; X1 = 0 D C
5 3X2 = 15
Nilai Z = 3(0) + 5(5) = 25

Titik A:
Titik B: Daerah Pada titik ini nilai
X1 = 4. Substitusikan batasan feasible
X1 = 4; X2 = 0
(3), maka 6(4) + 5X2 = 30. Nilai Z = 3(4) + 0 = 12
Jadi nilai X2 = (30 –24)/5 = 6/5. B
Nilai Z = 3(4) + 5(6/5) =18
A
0 4 5 X1
6s-9 Linear Programming

Fungsi batasan bertanda “lebih besar atau sama dengan (  )

Contoh :
Batasan ketiga (6X1 + 5X2 
30) diubah ketidaksamaannya
X2 menjadi 6X1 + 5X2  30
6X1 + 5X2 = 30 2X2 = 8

6
C B 3X2 = 15
5 Daerah
feasible

0 4 5 X1
6s-10 Linear Programming

Fungsi batasan bertanda “sama dengan” ( = )

X2
6X1 + 5X2 = 30 2X2 = 8

6
C B 3X2 = 15
4

2
A

0 4 5 X1