PEMROGRAMAN LINEAR (LP)

 Metode yg digunakan untuk memecahkan masalah

dalam pengalokasian secara optimal sumber-sumber
daya yg jumlahnya terbatas pada beberapa aktivitas
yg bersaingan yang memerlukan sumber-sumber tsb.

 AKTIVITAS :
suatu kegiatan yg menghasilkan komoditi tertentu.
 SUMBER, misal :
bahan baku, tenaga kerja, ruang, dana, kapasitas
mesin, dsb.

 Masalah yang ada dirumuskan dengan jelas, dan

diterjemahkan dalam bentuk MODEL MATEMATIKA.
 PEMROGRAMAN LINEAR (LP)
 LINEAR:
semua fungsi matematis dalam model ini
harus linear.

 PEMROGRAMAN = perencanaan

 PEMROGRAMAN LINEAR :
perencanaan kegiatan untuk mencapai
hasil optimal, yaitu hasil terbaik diantara
alternatif-alternatif yg tersedia (menurut
model matematis) dalam mencapai tujuan
yang telah ditetapkan.
Metode LP dapat diaplikasikan untuk
menyelesaikan banyak permasalahan,
a.l. :

 Masalah product Mix

 Perencaanaan investasi
 Rencana produksi dan persediaan
 Perencanaan advertensi/promosi
 Masalah diet
 Masalah pencampuran
 Masalah distribusi/transportasi
STRUKTUR MODEL :
1. VARIABLE KEPUTUSAN
sesuatu yang tidak diketahui dan
ditentukan dari penyelesaian model.
2. FUNGSI OBYEKTIF
ukuran efektivitas dari sistem sebagai
fungsi matematis dari variabel-variabel
keputusannya.
3. KONSTRAIN (KENDALA)
batasan terhadap alternatif tindakan
yang tersedia.
DATA :

aij = jumlah sumber-i yg diperlukan untuk menghasilkan setiap unit aktivitas-j

cj = kenaikan nilai z karena adanya kenaikan per unit aktivitas-j.
bi = jumlah sumber-i yang tersedia
xj = tingkat aktivitas ke-j
BENTUK STANDAR MODEL
BENTUK LAIN :
ASUMSI :
1. PROPORSIONALITAS
Perubahan nilai z sebanding dengan perubahan
tingkat kegiatan (xj)
Perubahan penggunaan sumber daya sebanding
dengan perubahan tingkat kegiatan.
2. ADITIVITAS
Tidak ada interaksi antara kegiatan-kegiatan
yang dilakukan.
3. DIVISIBILITAS
Nilai solusi (xj) yg diperoleh tidak harus
bilangan bulat.
4. DETERMINISTIK (CERTAINTY)
Semua parameter model (cj , aij dan bi) nilainya
berupa konstanta yang diketahui.
ISTILAH UNTUK SOLUSI MODEL :
 FEASIBLE SOLUTION
Solusi yang memenuhi semua kendala.
 INFEASIBLE SOLUTION
Solusi yg melanggar 1 atau beberapa kendala.
 FEASIBLE REGION atau FEASIBLE AREA
Kumpulan dari semua solusi layak.
 OPTIMAL SOLUTION
Suatu solusi yang mempunyai nilai tujuan yang
paling dikehendaki
 CORNER-POINT FEASIBLE SOLUTION
Solusi yang terletak pada suatu sudut daerah
layak.
CONTOH 1 :
PT. Umsini memiliki sebuah pabrik yg akan
memproduksi dua jenis produk, yaitu astro atau cosmos.
Untuk mem-produksi kedua produk, diperlukan bahan
baku A, bahan baku B, dan jam tenaga kerja. Maks
penyediaan bahan baku A 60 kg per hari, bahan baku B 30
kg per hari dan tenaga kerja 40 jam per hari. Kebutuhan
per unit produk akan bahan baku dan tenaga kerja, dapat
dilihat pada tabel berikut. Kedua produk memberikan
keuntungan sebesar Rp 40 untuk astro, dan Rp. 30 untuk
cosmos. Untuk memaksimumkan keuntungan, berapa
jumlah unit setiap jenis produk yang akan diproduksi
dalam sehari ?
CONTOH 2 :
Pak Amir memiliki lahan pertanian yang akan
ditanami tembakau dan kacang kedelai seluas
maksimum 350 ha. Luas lahan untuk
tembakau tidak boleh melebihi 150 ha. Setiap
ha tembakau, membutuhkan 100 jam tenaga
kerja dan setiap ha kedelai membutuhkan 20
jam tenaga kerja. Kemampuan penyediaan
jam tenaga kerja sampai dengan musim panen
maksimum 16.000 jam. Setiap ha tembakau
menyumbangkan keuntungan Rp. 75.000, dan
kedelai menyumbangkan keuntungan Rp.
25.000,-. Buat model LP untuk permasalahan
Pak Amir ini.
CONTOH 3 :
Perusahaan Reddy Mikks punya sebuah pabrik kecil
yang menghasilkan 2 jenis cat untuk didistribusikan
kepada para grosir. Kedua jenis cat tersebut adalah cat
eksterior dan interior.
Dua bahan mentah, A dan B, digunakan untuk
membuat cat tsb. Ketersediaan bahan A maksimum 6
ton/hari, sedangkan bahan B 8 ton/hari. Kebutuhan
harian bahan mentah per ton cat eksterior dan
interior diringkas dalam tabel berikut :
Lanjutan CONTOH :
 Sebuah survey pasar telah menetapkan bahwa
permintaan harian cat interoir tidak akan lebih
dari 1 ton lebih tinggi dibandingkan dengan
permintaan cat eksterior. Sebuah survey juga
menunjukkan bahwa permintaan maksimum
akan cat interior terbatas pada 2 ton/hari.
 Harga grosir per ton adalah $ 3000 untuk cat
eksterior dan $ 2000 untuk cat interior. Berapa
banyak cat eksterior dan interior yang harus
dihasilkan per hari untuk memaksimumkan
pendapatan kotor ?
SOLUSI :
VARIABEL KEPUTUSAN :
 x1 = banyaknya cat eksterior yang diproduksi per
hari
 x2 = banyaknya cat interior yang diproduksi per
hari
CONTOH PEMENUHAN &
PELANGGARAN ASUMSI :
1. PROPORSIONALITAS
CONTOH PEMENUHAN &
PELANGGARAN ASUMSI (2)
2. ADITIVITAS
METODE GRAFIK :
Langkah-langkah :
1. Menggambar daerah pemecahan/
penyelesaian/solusi yang memenuhi
semua kendala/batasan/konstrain
secara bersamaan.

2. Menentukan penyelesaian optimum

dengan memilih titik di dalam daerah ini
yang dihubungkan dengan fungsi tujuan.
SOLUSI :
METODE SIMPLEKS :
Diperkenalkan pertama oleh G Dantzig
tahun 1947. Metode ini menerjemahkan
definisi geometris (dari titik ekstrim)
menjadi definisi aljabar. Titik ekstrim
(titik sudut) dari ruang (daerah)
penyelesaian (secara grafik)
diidentifikasi secara aljabar sebagai
penyelesaian basis (basic solutions) dari
sistem persamaan tersebut.
Bentuk LP Standart :
1. Semua batasan dalam bentuk persamaan
(dengan sisi kanan yang nonnegatif jika
model akan diselesaikan dengan
simpleks primal)
2. Semua variabel adalah nonnegatif
3. Fungsi tujuan dapat maks atau min
BENTUK LP STANDART :

Didefinisikan :
METODE SIMPLEKS :
 Kendala
fungsional ini dapat ditulis dengan
AX=b

 Sistempersamaan linier A X = b
(m persamaan & n variabel, n > m), punya :
Solusi basis, yakni solusi dimana
terdapat sejumlah m variabel bukan
nol (variabel basis)
 ada ( n – m ) variabel yang dinolkan
(variabel nonbasis)
PERSIAPAN METODE SIMPLEKS :
 Mengkonversi kendala pertidaksamaan fungsional
ke dalam kendala persamaan yang ekivalen.
kendala berjenis ≤  menambahkan variabel
slack ke sisi kiri kendala
kendala berjenis ≥  mengurangkan variabel
surplus ke sisi kiri kendala
CONTOH :
3x1 + 2x2 ≤ 18  3x1 + 2x2 + S = 18 , S ≥ 0
3x1 + 2x2 ≥ 18  3x1 + 2x2 - S = 18 , S ≥ 0

 Untuk metode simpleks primal & Big-M, sisi kanan

dari semua kendala harus nonnegatif.
METODE SIMPLEKS DIDASARKAN PADA
GAGASAN :
1. Dimulai pada suatu titik sudut yg layak
(biasanya titik asal)
2. Bergerak dari suatu titik sudut ke titik
sudut layak lain yang berdekatan,yang
menghasilkan nilai fungsi tujuan yang
lebih baik.
3. Proses tersebut diulang sampai solusi
yang lebih baik lagi tidak dapat ditemukan
 proses berhenti & solusi optimum
diperoleh.
STRUKTUR ALGORITMA

 Persiapan untuk
memulai iterasi

 Lakukan iterasi

 Aturan berhentinya
iterasi
SIMPLEKS PRIMAL :
 Digunakan jika dalam model LP semua
kendala fungsional bertanda ≤, dengan sisi
kanan (RHS) nonnegatif.

Langkah-langkah algoritma SIMPLEKS PRIMAL:

1. LANGKAH AWAL :
Berdasarkan bentuk baku, tentukan solusi awal
(initial BFS), tetapkan
variabel non basis = variabel asli = 0
variabel basis = variabel slack.
Langkah-langkah algoritma SIMPLEKS PRIMAL :
(lanjutan)
2. LANGKAH ITERASI :
a. Menentukan variabel basis masuk (EV =
Entering Basic Variable)
* Pilih variabel non basis yang punya koefisien
yg paling negatif (untuk maks) atau paling
positif (untuk min).
* Beri tanda persegi panjang pada lajur di
bawah koefisien ini (disebut kolom pivot)
b. Menentukan variabel basis keluar (LV =
Leaving Basic Variable)
* Pilih koefisien dalam kolom pivot yg positif.
* Bagi nilai RHS dengan koefisien pada kolom
pivot.
* Pilih variabel basis yang punya rasio terkecil
(disebut baris pivot).
Langkah-langkah algoritma SIMPLEKS PRIMAL :
(lanjutan)
c. Menentukan solusi baru :
* Ubah nilai pada baris pivot dengan :
baris pivot baru = baris pivot lama
angka pivot

* Ubah nilai-nilai selain pada baris pivot, dengan :

baris baru = baris lama – (koef. kolom
pivot x baris pivot
baru)
Langkah-langkah algoritma SIMPLEKS PRIMAL :
(lanjutan)

3. UJI OPTIMALITAS :
Kondisi optimalitas tercapai jika variabel
nonbasis punya koef nonnegatif (max) atau
non positif (min).
CONTOH REDDY MIKKS :
Max z – 3x1 – 2x2 = 0
Kendala :
x 1 + 2 x 2 + S1 =6
2 x1 + x 2 + S2 =8
- x1 + x 2 + S3 =1
x2 + S4 = 2
x1 ≥ 0, x2 ≥ 0, S1 ≥ 0, S2 ≥ 0, S3 ≥ 0, S4 ≥ 0
Tabel Simpleks
Basis Z X1 X2 S1 S2 S3 S4 RHS Rasio
Z 1 -3 -2 0 0 0 0 0
S1 0 1 2 1 0 0 0 6 6
S2 0 2 1 0 1 0 0 8 4
S3 0 -1 1 0 0 1 0 1 *
S4 0 0 1 0 0 0 1 2 *
Z 1 0 -½ 0 3/2 0 0 12
S1 0 0 3/2 1 -½ 0 0 2 4/3
X1 0 1 ½ 0 ½ 0 0 4 8
S3 0 0 3/2 0 ½ 1 0 5 10/3
S4 0 0 1 0 0 0 1 2 2
Tabel Simpleks (lanjutan)
Basis Z X1 X2 S1 S2 S3 S4 RHS
Z 1 0 0 1/3 4/3 0 0 38/3
X2 0 0 1 2/3 -1/3 0 0 4/3
X1 0 1 0 -1/3 2/3 0 0 10/3
S3 0 0 0 -1 1 1 0 3
S4 0 0 0 -2/3 1/3 0 1 2/3

Diperoleh solusi :
X1 = 10/3
X2 = 4/3
Dengan z = 38/3
SIMPLEKS BIG-M :
 Untuk memperoleh solusi model LP jika
tidak semua kendala bertanda ≤.
 Variabel artificial (buatan) diperlukan untuk
memainkan peranan sebagai variabel slack.
 Karena var buatan tidak punya makna fisik,
maka pd saat iterasi optimum, var tsb harus
bernilai nol.
Cara :
 dengan mengenakan pinalti pada variabel
buatan dalam fungsi tujuan.
Penyelesaian :
 kendala berjenis ≤  + variabel
slack ke sisi kiri kendala
kendala berjenis ≥  mengurangkan
variabel surplus ke sisi
kiri kendala