MAKALAH

MANAJEMEN OPERASIONAL
LINEAR PROGAMMING GRAFIK/SIMPLEX

Penyusun :
Nur Aiyni S. 1301035441

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS MULAWARMAN
SAMARINDA
2019
 KATA PENGANTAR

Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha
Panyayang, kami panjatkan puja dan puji syukur atas kehadirat-Nya, yang telah
melimpahkan rahmat, hidayah, dan inayah-Nya kepada kami sehingga dapat
menyelesaikan makalah LINEAR PROGAMMING GRAFIK DAN SIMPLEX.

Makalah ini berisikan tentang informasi yang berhubungan dengan LINEAR

PROGAMMING GRAFIK DAN SIMPLEX. Kami menyadari bahwa makalah ini
masih jauh dari sempurna, oleh karena itu kritik dan saran dari semua pihak yang
bersifat membangun selalu kami harapkan demi kesempurnaan makalah ini.

Akhir kata, kami sampaikan terima kasih. Semoga dengan adanya makalah ini
dapat menjadi penambah wawasan bagi kita semua. Amin.

Samarinda, Desember 2019

 BAB 1
PENDAHULUAN

A. Latar Belakang
Linear Programming adalah suatu metode analitik paling terkenal yang
merupakan suatu bagian kelompok teknik-teknik yang disebut programasi matematik.
dalam hal ini adalah khusus menyelesaikan masalah-masalah optimasi
(memaksimalkan atau memininumkan) tetapi hanya terbatas pada masalah-masalah
yang dapat diubah menjadi fungsi linear. Secara khusus, persoalan program linear
merupakan suatu persoalan untuk menentukan besarnya masing-masing nilai variabel
sehingga nilai fungsi tujuan atau objektif yang linear menjadi optimum
(memaksimalkan atau meminimumkan) dengan memperhatikan adanya kendala yang
ada, yaitu kendala yang harus dinyatakan dalam bentuk ketidaksamaan yang linear.
Banyak sekali keputusan utama dihadapi oleh seorang manajer perusahaan untuk
mencapai tujuan perusahaan dengan batasan situasi lingkungan operasi. Pembatasan
tersebut meliputi sumberdaya misalnya waktu, tenaga kerja, energi, bahan baku, atau
uang. Secara umum, tujuan umum perusahaan yang paling sering terjadi adalah
sedapat mungkin memaksimalkan laba. Tujuan dari unit organisasi lain yang
merupakan bagian dari suatu organisasi biasanya meminimalkan biaya. Saat manajer
berusaha untuk menyelesaikan masalah dengan mencari tujuan yang dibatasi oleh
batasan tertentu, teknik sains manajemen berupa program linear sering digunakan
untuk permasalahan ini.
Sebutan “linear” dalam linear programming berarti hubungan-hubungan
antara faktor-faktor adalah bersifat linear atau konstan, atau fungsi-fungsi matematik
yang disajikan dalam model haruslah fungsi-fungsi linear. Hubungan-hubungan
linear berarti bahwa bila suatu faktor berubah maka suatu faktor lain berubah dengan
jumlah yang konstan secara proporsional. Sebagai contoh, fungsi pengupahan jam
kerja para karyawan atas dasar satuan jam kerja dengan linear : semakin banyak jam
kerja, semakin besar upah total. Linearitas dapat juga berarti sebaliknya; semakin
bertambahnya sesuatu, semakin berkurangnya sesuatu yang lain.
Dalam menyelesaikan permasalahan dengan menggunakan Linear
Programming, ada 2 pendekatan yang bisa digunakan, yaitu :
1. Metode grafik, dan
2. Metode simpleks.
 BAB II
TINJAUN PUSTAKA

A. Metode Grafik
Metode grafik hanya bisa digunakan untuk menyelesaikan permasalahan dimana
variabel keputusan sama dengan dua (atau tiga variabel dengan grafik tiga dimensi).
Dua macam fungsi Program Linear:
 Fungsi tujuan : mengarahkan analisa untuk mendeteksi tujuan perumusan
masalah
 Fungsi kendala : untuk mengetahui sumber daya yang tersedia dan
permintaan atas sumber daya tersebut
Langkah – langkah penyelesaian dengan metode grafik:
1. Buatlah model matematika / kendala
2. Tentukan fungsi sasaran (Z).
3. Menyelesaikan fungsi pertidaksamaan :
4. Jadikan setiap kendala menjadi bentuk persamaan,
5. Buat grafik untuk setiap kendala dan kemudian tentukan daerah
penyelesaian atau HP,
6. Setelah grafik dibuat, kemudian tentukan himpunan penyelesaian (HP).
Setelah itu, kita menentukan titik – titik terluar yang terdapat didalam
grafik tersebut.
7. Setelah titik – titik terluar ditentukan, Uji titik – titik terluarnya untuk
menentukan nilai maksimumnya.
Metode grafik dapat digunakan untuk pemecahan masalah program linear yang yang
hanya memiliki 2 variabel.
Sesuai dengan namanya, pemecahan program linear ini dilakukan dengan membuat
grafik dari persamaan program linear yang telah diformulasikan, sehingga akan
didapatkan titik-titik dari perpotongan garis-garis dalam grafik tersebut untuk
mengetahui outputnya.
Hanya saja, jika dalam suatu program linear terdapat lebih dari 2 variabel, misalnya
X1, X2, dan X3. Maka metode grafik ini tidak dapat dipakai.
Oleh karena itu, diperlukan metode satu lagi yaitu metode simpleks yang efektif
digunakan untuk menyelesaikan program linear yang memiliki 3 variabel atau lebih.

Langkah-Langkah Pemecahan Dengan Metode Grafik

Langkah-langkah penyelesaian dengan metode grafik adalah sebagai berikut :
1. Gambarkan garis-garis kendala pada sumbu koordinat. Anggap kendalanya
sebagai suatu persamaan.
2. Tentukan daerah dalam bidang koordinat yang memenuhi semua kendala
(daerah feasible), kemudian tentukan semua titik daerah feasible tersebut.
3. Hitung nilai fungsi tujuan untuk semua titik sudut daerah layak. Untuk
keputusanya, pilih koordinat titik yang memberikan nilai terbesar untuk fungsi
tujuan maksimasi, dan nilai fungsi terkecil untuk tujuan minimasi.

Contoh Metode Grafik :

PT. Tatikucant memproduksi 2 macam produk yang dikerjakan secara manual.
Setiap unit produk I memerlukan waktu 20 menit pada proses 2 dan 24 menit pada
proses 3, sedangkan setiap unit produk II memerlukan waktu 15 menit pada proses 1,
16 menit proses 2, dan 30 menit proses 3. Produk I memberikan keuntungan sebesar
Rp.170/unit dan Rp.190/unit untuk produk II. Jam kerja per hari yang tersedia untuk
proses 1, 2, dan proses 3 masing-masing 1050 menit, 1600 menit, dan 2400 menit.
Berapakah jumlah produk I dan II harus diproduksi agar keuntungan maksimal ?
 Penyelesaian :
Persoalan tersebut dapat ditabulasikan sebagai berikut:

Proses Produk I Produk II Kapasitas (menit)

1 - 15 1050

2 20 16 1600

3 24 30 2400

Keuntungan 170 190

• Langkah 1 : Formulasikan
Untuk lebih jelas tentang cara mengformulasikan program linear dapat dibaca di :
Formulasi Program Linear

Sehingga dari hasil formulasi didapatkan persamaan berikut :

Maksimumkan : Z = 170 X1 + 190 X2

Dengan kendala :
15 X2 ≤ 1050
20 X1 + 16 X2 ≤ 1600
24 X1 + 30 X2 ≤ 2400
X1, X2 ≥ 0

• Langkah 2 : Buatlah grafiknya

Untuk menggambarkan grafiknya, cara paling mudah adalah dengan menemukan
nilai suatu variabel saat variabel lain bernilai nol.
Maksudnya, kita membuat 2 titik pada sumbu X (dimana nilai Y = 0) dan di sumbu Y
(dimana nilai X = 0) kemudian menghubungkan 2 titik tersebut dengan garis.
Sehingga didapatkan persamaan garis lurus suatu kendala. Jika terdapat 3 kendala,
maka otomatis akan terdapat 3 garis juga.
Jadi persamaan yang didapat adalah :
• 15 X2 = 1050
X2 = 70
• 20 X1 + 16 X2 = 1600
X1 = 0 ⇾ X2 = 100 → F(0,100)
X2 = 0 ⇾ X1 = 80 → D(80,0)
• 24 X1 + 30 X2 = 2400
X1 = 0 ⇾ X2 = 80 → E(0,80)
X2 = 0 ⇾ X1 = 100 → H(100,0)

Jadi jika dinyatakan dalam grafik adalah sebagai berikut :

Setelah didapatkan garis-garisnya, untuk mengetahui daerah mana yang diarsir dari
suatu persamaan dapat dilihat dari tanda persamaan, seperti :
• Tanda ≤ berarti bagian sebelah kiri dari persamaan garis yang diarsir.
• Tanda ≥ berarti bagian sebelah kanan dari persamaan garis yang diarsir.
• Tanda = berarti hanya pada bagian persamaan garis (hanya garis)
Daerah yang memenuhi persyaratan adalah daerah yang terarsir oleh semua kendala
yang ada.
Bedasarkan persamaan-persamaan kendala diatas, daerah yang bersamaan memenuhi
ketiga kendala ditunjukan oleh area gambar di atas yang di arsir yaitu O-ABCD.
Bagian yang diarsir dinamakan daerah feasible. Bagian O-ABCD dinamakan daerah
feasible karena memenuhi solusi dari semua pembatas yang ada.

• Langkah 3 : Tentukan outputnya

Untuk mencari titik yang paling menguntungkan dari dearah feasible tersebut adalah
titik yang terjauh dari sumbu O untuk masalah maksimasi. Sedangkan untuk kasus
minimasi adalah yang paling dekat dengan titik sumbu O.

Pada gambar diatas sebagian titik koordinat dapat diketahui yaitu titik O(0;0), titik
D(80;0), titik A(0;70). Sedangkan titik B dan titik C dapat dicari dengan mencari
perpotongan antara 2 garis yang saling menyinggung dengan cara subtitusi maupun
eliminasi.
Jadi koordinat dari titk B dapat didapat dengan mengsubtitusikan kendala (15 X2 =
1050) dengan kendala (20 X1 + 16 X2 = 1600) maka didapatkanlah koordinatnya
adalah (12,5 ; 70).
Sedangkan untuk titik C dapat didapatkan dengan cara yang sama antara kendala (20
X1 + 16 X2 = 1600) dengan kendala (24 X1 + 30 X2 = 2400) maka didapatkanlah
koordinatnya (400/9 ; 400/9).
Setelah itu lakukan pengujian dari semua koordinat di daerah feasible yang didapat ke
persamaan tujuan seperti contoh di atas adalah (Z = 170 X1 + 190 X2) dan carilah
hasil terbesar untuk masalah maksimasi dan hasil terkecil untuk masalah minimasi.
Karena dalam contoh diatas adalah kasus maksimasi, maka kita cari nilai Z terbesar
sebagai outputnya. Sehingga didapatkan :
Titik A :
Z = 170 (0) + 190 (70) = 13.300
Titik D :
Z = 170 (80) + 190 (0) = 13.600
Titik B :
Z = 170 (12,5) + 190 (70) = 15.425
Titik C :
Z = 170 (400/9) + 190 (400/9) = 16.000

Dari hasil pengujian daerah feasible, maka yang memberikan nilai optimum adalah
titik C. Jadi maksudnya jumlah produk 1 (X1) yang harus dibuat adalah 400/9 dan
jumlah produk 2 (X2) yang harus dibuat adalah 400/9 agar produksi maksimal
dengan nilai output sebesar 16.000

B. Bentuk Standar Model Program Linear

Seperti yang sudah diuarikan pada artikel sebelumnya pada program linear,
bahwa model program linear dapat memiliki pembatas-pembatas yang bertanda ≤, ≥,
dan =. Demukian juga variabel-variabelnya yang dapat berupa variabel non-negatif,
dapat pula berupa variabel-variabel yang tidak terbatas dalam tanda.
Dalam penyelesaian program linear dengan metode simpleks, bentuk dasar yang
digunakan haruslah bentuk standar. Formulasi bentuk standar memiliki sifat-sifat
sebagai berikut :
Fungsi tujuanya dapat berupa maksimasi atau minimasi.
Seluruh pembatas sudah dalam bentuk persamaan (tanda = ) dengan ruas kanan
persamaan yang non-negatif.
Seluruh variabelnya harus merupakan variabel non-negatif.

Untuk mengubah suatu bentuk formulasi yang belum standar ke dalam bentuk standar
dapat dilakukan dengan cara berikut:
1. Pembatas
Pembatas yang bertanda ≤ atau ≥ dapat dijadikan suatu persamaan (tanda = ) dengan
menambahkan suatu variabel slack (S) atau mengurangkan dengan suatu variabel
surplus (S)
Contoh 1: X1 + X2 ≤ 8
Kita tambahkan slack S1 pada ruas kiri persamaan tersebut sehingga diperoleh
persamaan: X1 + X2 + S1 = 8

Variabel slack menunjukkan banyaknya sumber daya yang tidak terpakai.

Contoh 2: X1 + 2 X2 ≥ 5
Karena bertanda ≥ maka harus dikurangi dengan variabel S2 pada ruas kiri persamaan
sehingga diperoleh persamaan: X1 + 2X2 -S2 = 5

Variabel surplus menunjukkan kelebihan pemakaian sumber daya.

Ruas kanan dari suatu persamaan dapat dijadikan bilangan non-negatif dengan
mengalikan kedua ruas dengan -1.
Contoh : X1 - 5 X2 = -7, secara matematis adalah sama dengan persamaan -X1 + 5
X2 = 7.

Arah ketidaksamaan dapat berubah apabila kedua ruas dikalikan -1.

Contoh : X1 - X2 ≤ -8, adalah sama dengan -X1 + X2 ≥ 8.
2. Variabel
Suatu variabel Xi yang tidak terbatas oleh tanda dapat dinyatakan sebagai dua
variabel non-negatif dengan menggunakan substitusi: Xi = Xi' - Xi" dimana Xi' dan
Xi" ≥ 0. Substitusi seperti ini harus dilakukan pada seluruh pembatas dan fungsi
tujuanya.

3. Fungsi tujuan
Maksimasi dari sebuah fungsi adalah sama dengan minimasi dari negatif fungsi yang
sama.
Contoh : Maksimumkan Z = X1 + 2 X2 secara matematis sama dengan :
Minimumkan (-Z) = -X1 - 2 X2.

C. METODE SIMPLEKS
Pada topik sebelumnya tentang metode grafik, sudah dijelaskan pemecahan
program linear yang digunakan untuk menyelesaikan masalah 2 variabel. Untuk
menyelesaikan masalah program linear berdimensi lebih besar dari 2 dikenal metode
yang lazim disebut metode simpleks.
Metode simpleks dikembangkan pertama kali oleh George dantzing pada
tahun 1947, sifat dari metode ini adalah iterative, dimana penyelesaian masalah
melaui tahapan perhitungan yang berulang-ulang sampai tercapai solusi optimum.
Untuk lebih jelasnya dapat dilihat dari contoh soal dibawah :
Contoh Metode Simpleks
Maksimumkan : Z = 15 X1 + 18 X2 + 12 X3
Kendala :
10 X1 + 12 X2 + 8 X3 ≤ 120
18 X1 + 15 X2 + 6 X3 ≤ 135
12 X1 + 16 X2 + 6 X3 ≤ 150
X1, X2, X3 ≥ 0
• Langkah 1 : Mengubah fungsi tujuan dan fungsi kendala
Fungsi tujuan diubah menjadi bentuk implisit dengan jalan menggeser fungsi
tujuan ke Z, yaitu Z = 15 X1 + 18 X2 + 12X3 dirubah menjadi Z - 15 X1 - 18 X2 -
12X3 = 0.

Sedangkan fungsi kendala (selain kendala non-negatif) dirubah menjadi bentuk

persamaan dengan menambahkan variabel slack, yaitu suatu variabel yang mewakili
tingkat pengangguran kapasitas yang merupakan batasan.

Fungsi kendala pada soal tersebut diatas berubah menjadi :

10 X1 + 12 X2 + 8 X3 + S1 = 120
18 X1 + 15 X2 + 6 X3 + S2 = 135
12 X1 + 16 X2 + 6 X3 + S3 = 150
X1, X2, X3, S1, S2, S3 ≥ 0

• Langkah 2 : Mentabulasikan persamaan-persamaan fungsi tujuan dan kendala

yang telah dirubah seperti pada langkah 1 diatas.
Basis Z X1 X2 X3 S1 S2 S3 Solusi
Z 1 -15 -18 -12 0 0 0 0
S1 0 10 12 8 1 0 0 120
S2 0 18 15 6 0 1 0 135
S3 0 12 16 6 0 0 1 150

Kolom basis menunjukan variabel yang sedang menjadi basis yaitu S1, S2, S3 yang
nilainya ditunjukkan oleh kolom solusi. Secara tidak langsung ini menunjukkan
bahwa variabel non-basis X1, X2, X3 (yang tidak masuk pada kolom basis) sama
dengan nol.
Hal ini bisa dimengerti, karena belum ada kegiatan/produksi X1, X2, X3 masing-
masing nilainya nol yang berarti juga kapasitas masih menganggur yang ditunjukkan
oleh nilai S1, S2, S3.

• Langkah 3 : Menentukan kolom pivot

Setelah kita mentabulasikan persamaan menjadi bentuk tabel simpleks, langkah
selanjutnya adalah memilih kolom pivot. Kolom pivot (entering variabel) dipilih dari
baris Z dengan angka negatif terbesar untuk masalah maksimasi. Jadi sesuai soal
diatas didapatkan bahwa kolom pivotnya adalah X2.

Sehingga jika digambarkan dalam tabel menjadi :

Basis Z X1 X2 X3 S1 S2 S3 Solusi
Z 1 -15 -18 -12 0 0 0 0
S1 0 10 12 8 1 0 0 120
S2 0 18 15 6 0 1 0 135
S3 0 12 16 6 0 0 1 150

Pada tabel diatas kolom X2 adalah kolom yang dipilih karena memiliki nilai -18
(nilai negatif terbesar).

• Langkah 4 : Menentukan baris pivot

Setelah kita mendapatkan kolom pivot, langkah selanjutnya adalah
menentukan baris pivot (leaving variabel). Untuk mengetahui baris mana yang pilih
dapat dilakukan dengan membagi solusi dengan kolom pivot pada setiap baris.
Setelah itu dipilihlah angka dengan rasio terkecil, namun jika terdapat angka
negatif dan tidak hingga kolom pivot maka tidak masuk dalam perhitungan rasio, jadi
jika terdapat angka negatif atau tak hingga maka diberi tanda strip pada kolom rasio.
Setelah mendapat rasio maka kita harus memindahkan variabel pada kolom pivot ke
baris pivot.
Sehingga bedasarkan soal diatas menjadi :
Basis Z X1 X2 X3 S1 S2 S3 Solusi Rasio
Z 1 -15 -18 -12 0 0 0 0 -
S1 0 10 12 8 1 0 0 120 10
X2 0 18 15 6 0 1 0 135 9
S3 0 12 16 6 0 0 1 150 9.375

• Langkah 5 : Menentukan persamaan pivot baru

Rumus untuk menentukan persamaan pivot baru adalah = baris pivot lama/elemen
pivot. Elemen pivot adalah perpotongan antara kolom dan baris pivot. Jadi setiap
baris pivot yang telah ditentukan dibagi dengan elemen pivot sehingga dihasilkan
persamaan pivot baru.

Sehingga dari bedasarkan soal diatas menjadi :

Basis Z X1 X2 X3 S1 S2 S3 Solusi
Z 1
S1 0
X2 0 18/15 1 6/15 0 1/15 0 9
S3 0

Bedasarkan tabel diatas semua baris pivot dibagi dengan elemen pivot yaitu 15.
Sehingga dihasilkan persamaan pivot yang baru.

• Langkah 6 : Menentukan persamaan baru selain persamaan pivot baru

Setelah mendapat persamaan pivot baru, langkah selanjutnya adalah mengisi
persamaan lainya yang masih kosong. Rumus untuk menentukan persamaan baru
selain persamaan pivot baru adalah sebagai berikut :
Persamaan baru = (persamaan lama) - (persmaan pivot baru x koefisien kolom pivot)
Jadi persamaan baru yang dicari dari persoalan diatas adalah persamaan baru untuk
basis Z, S1, dan S3. Sedangkan S2 sudah diganti oleh persamaan pivot baru X2.

Persamaan Z baru :
(-15) - (18/15 x -18) = 33/5
(-18) - (1 x -18) = 0
(-12) - (6/15 x -18) = -24/5
(0) - (0 x -18) = 0
(0) - (1/15 x -18) = 6/5
(0) - (0 x -18) = 0
(0) - (9 x -18) = 162

Persamaan S1 baru :
(10) - (18/15 x 12) = -22/5
(12) - (1 x 12) = 0
(8) - (6/15 x 12) = 16/5
(1) - (0 x 12) = 1
(0) - (1/15 x 12) = -4/5
(0) - (0 x 12) = 0
(120) - (9 x 12) = 12

Persamaan S3 baru :
(12) - (18/15 x 16) = -36/5
(16) - (1 x 16) = 0
(6) - (6/15 x 16) = -2/5
(0) - (0 x 16) = 0
(0) - (1/15 x 16) = -16/5
(1) - (0 x 16) = 1
(150) - (9 x 16) = 6

Persamaan pivot baru, Z baru, S1 baru, dan persamaan S3 baru yang sudah dicari
nilainya kemudian ditabulasikan dalam tabel simpleks baru sebagai berikut :
Basis Z X1 X2 X3 S1 S2 S3 Solusi
Z 1 33/5 0 -24/5 0 6/5 0 162
S1 0 -22/5 0 16/5 1 -4/5 0 12
X2 0 18/15 1 6/15 0 1/15 0 9
S3 0 -36/5 0 -2/5 0 -16/5 1 6

• Langkah 7 : Lanjutkan perbaikan-perbaikan

Periksa kembali tabel simpleks anda, apakah pada baris Z angkanya sudah positif
semua (≥ 0) untuk kasus maksimasi, jika sudah positif semua berarti solusi optimal
sudah didapatkan.
Terlihat pada langkah 6 diatas baris Z masih ada yang negatif yaitu kolom X3.
Maka perlu dilakukan perbaikan untuk mencapai nilai optimal.
Maka dari itu diperlukan perbaikan. Dalam perbaikan anda hanya perlu
mengulangi kembali dari langkah 3 dari tabel yang sudah anda hitung. Lakukan
secara terus menerus hingga baris Z bernilai positif semua.

Setelah dilakukan perbaikan, maka tabel optimal dari contoh diatas akan didapatkan
sebagai berikut :
Basis Z X1 X2 X3 S1 S2 S3 Solusi
Z 1 0 0 0 3/2 0 0 180
S1 0 -11/8 0 1 5/16 -1/4 0 15/4
X2 0 7/4 1 0 -1/8 1/6 0 15/2
S3 0 -31/4 0 0 1/8 -7/6 1 15/2
Bedasarkan tabel hasil perbaikan diatas dapat disimpulkan bahwa hasil iterasi ini
telah mencapai kondisi optimal, karena nilai pada baris fungsi tujuan Z sudah tidak
ada yang negatif.

Sehingga dari persoalan diatas untuk kasus maksimasi ini didapatkan nilai :
Z = 180,
X1 = 0 (tidak diproduksi),
X2 = 15/2,
X3 =15/4,
S3 = 15/2 (merupakan kapasitas yang menganggur dari batasan ke 3).

Pada soal berikut, sudah diketahui persamaan-persamaan yang ada. Tetapi,

perlu anda ketahui, bentuk soal program linear ada juga yang berbentuk soal cerita,
sehingga anda perlu melakukan formulasi terlebih dahulu untuk mendapatkan bentuk
persamaan seperti di atas.
Bagi anda yang malas untuk menggunakan metode simpleks, sekarang ini
sudah ada software yang dapat anda gunakan untuk menyelesaikan persamaan
simpleks dengan mudah.
Jadi kita hanya perlu menentukan fungsi tujuan dan kendala, setelah itu
masukkan fungsi-fungsi tersebut ke program untuk diproses, maka secara otomatis
anda dapat mengetahui langkah-langkah penyelesaian dan hasil dari solusi
optimalnya.

Nama salah satu dari software yang cukup terkenal untuk menyelesaikan masalah
simpleks adalah TORA. Selain untuk masalah simpleks, TORA juga bisa digunakan
untuk menyelesaikan program program lainya yang berkaitan dengan riset operasi
seperti transportasi, dan lain sebagainya.
D. Syarat Utama Persoalan Program Linear
Sebelum ke pemecahan persoalan linear, perlu diketahui syarat-syarat utama
persoalan linear yaitu :
Perusahaan harus mempunyai tujuan untuk dicapai. Tujuan perusahaan itu bisa
memaksimumkan laba (pendapatan) atau meminimumkan resiko (biaya,waktu).
Harus ada alternatif tindakan yang salah satu dasarnya akan mencapai tujuan.
Sebagai contoh, apakah perusahaan harus mengalokasikan kapasitas industrinya
untuk membuat produk A dan B dalam perbandingan misal 50:50?, 25:50?, 70:30?,
dan sebagainya.
Sumber harus meruapakan persediaan terbatas. Misal perusahaan mempunyai
jumlah jam mesin terbatas, sehingga jika harus membuat produk A dan B, maka
semakin banyak waktu yang digunakan untuk membuat produk A, akan semakin
sedikit B yang dapat dibuat.
Harus dapat menyatakan tujuan dan segenap keterbatasanya sebagai kesamaan
atau ketidaksamaan matematik.

Asumsi-Asumsi Dasar Program Linear :

1. Asumsi kesebandingan (proporsional)
Kontribusi setiap variabel keputusan terhadap fungsi tujuan adalah sebanding dengan
nilai variabel keputusan.
Contoh : kita memproduksi 10 unit produk jenis I dari contoh diatas, maka
kontribusinya terhadap fungsi tujuan adalah 10 kali konstribusi setiap unit jenis I
yaitu 10 x 2000 = Rp.20.000.

2. Asumsi additivity (penambahan)

Asumsi ini menyatakan bahwa nilai fungsi tujuan setiap kegiatan tidak saling
mempengaruhi atau dalam program linear dianggap bahwa kenaikan nilai fungsi
tujuan (Z) yang diakibatkan oleh kenaikan suatu kegiatan dapat ditambahkan tanpa
mempengaruhi nilai Z yang diperoleh dari kegiatan lain atau dapat dikatakan bahwa
tidak ada korelasi antara satu kegiatan dengan kegiatan lain.
Misal : Z = 8 X1 + 10 X2, untuk X1 = 6 dan X2 = 8 maka Z = 128.
Jika X1 bertambah atau berkurang, maka pertambahan atau pengurangan X1 dapat
langsung ditambahkan atau dikurangi pada nilai Z, tanpa mempengaruhi bagian Z
yang diperoleh dari X2.

3. Divisibility (pembagian)
Asumsi ini menyatakan bahwa output yang dihasilkan oleh setiap kegiatan dapat
berupa bilangan pecahan.

4. Asumsi deterministik (kepastian)

Asumsi ini menyatakan bahwa semua parameter yang terdapat dalam model program
linear dapat diperkirakan dengan pasti. Dalam kenyataanya parameter model jarang
bersifat deterministik, karena keadaan masa depan jarang diketahui dengan pasti.
Untuk mengetahui ketidakpastian parameter maka dikembangkan teknik analisis
sensitivitas, guna menguji nilai solusi bagaimana kepekaanya terhadap perubahan-
perubahan parameter.

Pengartian Dalam Program Linear

• Feasible Solution
Suatu solusi yang memenuhi seluruh pembatas yang ada pada persoalan
tersebut. Pada contoh diatas feasible solutionya adalah O-ABCD.

• Infeasible Solution
Suatu solusi dimana tidak ada titik-titik secara serentak memenuhi semua
kendala dalam masalah tersebut.
• Optimal Solution
Feasible solution yang memberikan nilai terbaik bagi fungsi tujuanya. Terbaik
diartikan nilai terbesar untuk tujuan maksimasi dan nilai terkecil untuk tujuan
minimasi. Pada contoh diatas titik C merupakan optimal solution.

• Multiple Optimal Solution

Ini terjadi jika fungsi tujuan terletak pada lebih dari satu titik optimal.
Multiple optimal solution akan memberikan keluwesan dalam memilih solusi
bagi pengambil keputusan.

• Boundary Equation
Ini terjadi apabila ada kendala dengan tanda "sama dengan", dan terjadi
daerah feasible yang terletak pada garis tersebut.

• No Optimal Solution
Terjadi jika suatu masalah tidak mempunyai penyelesaian optimal, disebabkan
oleh tidak ada feasible solution dan juga disebabkan oleh adanya batasan yang
tidak membatasi besar nilai Z.