BAB I

PENDAHULUAN

A. Latar Belakang
Salah satu pendekatan yang dapat dilakukan untuk menyelesaikan masalah
manajemen sains adalah pemrograman linear. Pemrograman linear merupakan
kelompok teknik analisis kuantitatif yang mengandalkan model matematika atau model
simbolik sebagai wadahnya. Artinya, setiap masalah yang kita hadapi dalam suatu
sistem permasalahan tertentu perlu dirumuskan dulu dalam simbol-simbol matematika
tertentu, jika kita inginkan bantuan pemrograman linear sebagai alat analisisnya.
Metode grafik merupakan salah satu metode yang dapat digunakan untuk
menyelesaikan masalah pemrograman linear yang melibatkan dua peubah keputusan.
Kasus-kasus dengan dimensi tiga atau lebih dapat diselesaikan dengan algoritma
simpleks. Algoritma simpleks adalah prosedur matematik berulang untuk
menyelesaikan soal pemrograman linier dengan cara menguji titik-titik sudut Daerah
Yang Memenuhi Kendala (DMK) hingga ditemukan titik sudut ekstrem yaitu titik
sudut yang akan memaksimumkan atau meminimumkan fungsi tujuan. Namun, pada
beberapa kasus menghasilkan penyelesaian yang tidak normal sehingga memerlukan
pembahasan khusus.
Model pemrograman linier adalah model matematis sehingga seluruh dalil
matematika dan karakteristik fungsi matematika linier juga akan bekerja pada model.
Oleh karena itu, mungkin sekali pada penyelesaian kasus pemrograman linier
menghasilkan penyelesaian yang berbeda dengan harapan kita, atau penyelesaian itu
mengundang pertanyaan kritis karena menyimpang dari perilaku umum. Keadaan
khusus pada penyelesaian kasus pemrograman linier di atantaranya dikelompokkan
menjadi: degenerasi, penyelesaian optimal jamak, tidak ada penyelesaian nyata, nilai
tujuan yang tidak terbatas. Dengan adanya kasus khusus dalam penyelesaian kasus
pemrograman linier melatarbelakangi penulis untuk menyusun makalah berjudul
Pemrograman Linier: Kasus-kasus Khusus.

1
B. Tujuan Penulisan
Adapun tujuan penulisan makalah ini adalah untuk mengetahui bagaimana
menyelesaikan masalah pada kasus-kasus khusus pemrograman linear. Kasus-kasus khusus
yang akan dipelajari dalam makalah ini antara lain, Degenerasi, Multiple Optimal Solution,
No Feasible Solution, dan nilai tujuan yang tidak terbatas. Selain itu tujuannya adalah
mengetahui gejala-gejala yang ada jika terjadi kasus-kasus tersebut.

2
 BAB II
PEMBAHASAN

A. Degenerasi
Slack, surplus, dan artificial variable dalam model pemrograman linier berfungsi
untuk membentuk matrik identitas yang akan menandai eksistensi variabel basis, yaitu
variabel yang bernilai positif pada model matematis pemrograman linier sebelum
diselesaikan. Karakteristik ini akan membuat sejumlah variabel basis sama dengan
jumlah kendala di dalam penyelesaian kasus pemrograman linier dengan algoritma
simpleks. Karaktersitik ini yaitu jumlah variabel basis yang bernilai positif sama
dengan jumlah kendalanya, akan dilanggar manakala sebuah titik sudut dibentuk oleh
lebih dari dua kendala. Gejala ini akan membuat jumlah variabel positif atau variabel
basis lebih kecil dari jumlah kendalanya sehingga disebut sebagai peristiwa degenerasi
(degeneration). Artinya, terjadinya degenerasi yaitu akibat penyimpangan karakteristik
variabel basis.
Contoh:
Maks Z = 2X1 + X2
Kendala:
X1 + 2 X2 ≤ 5
X1 + X2 ≤ 4
X1 ≤3
X1 , X2 ≥0
Penyelesaian:
Z-2X1-X2 = 0
XI + 2X2 + X3 = 5
X1 + X2 + X4 = 4
X1 + X5 = 3

3
 Dengan menggunakan POM terlihat grafiknya sebagai berikut

Terlihat bahwa variabel titik sudut (3,1) dibentuk oleh 3 kendala sehingga terjadi
peristiwa degenerasi.

Dengan metode simpleks:

iterasi Var Dasar Z X1 X2 X3 X4 X5 RHS Rasio

0 Z 1 -2 -1 0 0 0 0

X3 0 1 2 1 0 0 5 5

X4 0 1 1 0 1 0 4 4

X5 0 1 0 0 0 1 3 3

iterasi Var Dasar Z X1 X2 X3 X4 X5 RHS Rasio

1 Z 1 0 -1 0 0 0 -6

X3 0 0 2 1 0 0 2 1

X4 0 0 1 0 1 0 1 1

X1 0 1 0 0 0 1 3 ~

4
iterasi Var Dasar Z X1 X2 X3 X4 X5 RHS Rasio

2 Z 1 0 0 0 0 0 -5

X3 0 0 0 1 0 0 0

X2 0 0 1 0 1 0 1

X1 0 1 0 0 0 1 3

Terlihat pula slack variabel (X3) sebagai variabel basis berniali nol.
Sehingga penyelesaian optimumnya X1 = 3 dan X2 = 1
Pengerjaan dengan POM
Pilih Linier Programing, lalu pilih New. Pilih Maks lalu masukkan Number of Contrains 5
dan Number of Variable 2.
Lalu isikan sebagai berikut.

Lalu Klik Solve maka akan muncul hasilnya seperti berikut

5
Pilih graph maka akan terlihat grafiknya seperti di bawah ini

Iterasinya:

6
 Terlihat slack variabel sebagai variabel basis bernilai nol.
Dan diperoleh penyelesaian optimumnya yaitu x1= 3 dan x2 = 1.
Ulasan kasus
Dapat disimpulkan bahwa peristiwa degenerasi ditandai oleh munculnya slack variable
basis yang bernilai nol. Peristiwa degenerasi pada kasus-kasus pemrograman linier
pada dasarnya bukan merupakan gejala yang menghendaki tindakan lebih lanjut.
Seluruh informasi yang dihasilkan baik oleh tabel simpleks maupun hasil olahan
program komputer adalah valid. Gejala ini secara sistematis menjelaskan adanya
pengecualian terhadap dalil-dalil umum di dalam kasus penyelesaian sebuah kasus
pemrograman linier. Dalam hal ini, pengecualian tersebut adalah kehadiran variabel
basis yang bernilai nol.
B. Penyelesaian Optimal Jamak (Multiple Optimal Solutions)
Penyelesaian Optimal Jamak atau Multiple Optimal Solutions adalah sebuah kasus
khusus dalam penyelesaian masalah pemrograman linear dimana titik sudut ekstrem
yang menghasilkan nilai fungsi tujuan ekstrem adalah lebih dari satu. Jadi, Multiple
Optimal Solutions adalah kasus khusus dimana terdapat beberapa alternatif
penyelesaian optimal dalam suatu masalah.
Multiple Optimal Solutions dapat terjadi karena slope atau angka arah fungsi tujuan
tepat sama dengan angka arah salah satu fungsi kendala yang membentuk titik sudut.

7
Sebagai akibatnya, garis kendala itu akan menjadi tempat kedudukan variabel-variabel
keputusan yang akan membuat nilai fungsi tujuan menjadi ekstrem. Sebagai contoh
perhatikan kasus berikut.
Max 2𝑋1 + 4𝑋2
Kendala 𝑋1 + 2𝑋2 ≤ 5
𝑋1 + 𝑋2 ≤ 4
𝑋1 , 𝑋2 ≥ 0
Penyelesaian
Z-2X1-4X2 = 0
XI + 2X2 + X3 = 5
X1 + X2 + X4 = 4
Kasus ini bila diselesaikan secara geometri, akan diperoleh gambar fungsi tujuan yang
sejajar dengan fungsi kendala I. Akibatnya garis AB akan menjadi tempat kedudukan
(𝑋1 , 𝑋2 ) yang menghasilkan 𝑍𝑚𝑎𝑘𝑠 = 10. Dengan kata lain, (𝑋1 , 𝑋2 ) yang akan
memaksimumkan 𝑍 harus memenuhi fungsi kendala I.
Dengan pengerjaan melalui POM.
Pilih Linier Programing, lalu pilih New. Pilih Maks lalu masukkan Number of
Contrains 2 dan Number of Variable 2.
Lalu isikan sebagai berikut.

Kemudian, klik solve, sehingga muncul seperti gambar dibawah ini.

Grafik dari penyelesaian tersebut seperti gambar di bawah ini,

8
 x1+x2=4

x1+2x2 =5

Jika diselesaikan dengan iterasi adalah sebagai berikut,

Tanpa melihat geometri tersebut, sebenarnya cukup mudah untuk melihat gejala ini.
Setelah kita mengetahui bahwa sebuah titik sudut dibentuk oleh paling sedikit dua buah
garis kendala maka gejala titik sudut ekstrem yang dibentuk oleh hanya satu garis
kendala harus segera mendapat perhatian khusus.
Selanjutnya, setelah kita mengetahui kendala ekstrem dalam penyelesaian kasus
pemrograman linear yang menghasilkan jawaban optimal jamak, maka sangat mudah
untuk menemukan kombinasi variabel keputusan lain yang akan menghasilkan nilai
fungsi tujuan sama. Dalam kasus ini, semua nilai (𝑋1 , 𝑋2 ) yang memenuhi fungsi
kendala ekstrem, yaitu kendala ke-I pasti menghasilkan nilai 𝑍𝑚𝑎𝑘𝑠 = 10.

9
C. Tidak Ada Penyelesaian Nyata
Suatu kasus program linear (PL) diharapkan untuk memberikan suatu jawab optimal
yang dapat membantu manajemen di dalam membuat keputusan atau memilih alternatif.
Namun kadang-kadang hasil yang diharapkan tidak menjadi kenyataan karena
penyelesaian kasus PL tidak memberi hasil yang nyata (tidak menghasilkan Daerah yang
Memenuhi Kendala/DMK). Kasus semacam ini disebut dengan Pseudo Optimal Solution
atau Infeasible Solutions. Kasus ini tidak akan terjadi bila semua kendala adalah jenis ≤
(dengan konstan sisi kanan positif), karena variabel slack selalu memberikan solusi layak.
Namun jika digunakan kendala jenis ≥, terpaksa digunakan artificial variable, yang tak
memberikan solusi layak pada model asli. Meski artificial variable dapat dipaksa menjadi
nol pada tabel optimum, namun ini hanya terjadi jika model itu memiliki ruang solusi
nyata. Jika tidak sekurang-kurangnya satu artificial variable akan menjadi positif pada
tabel optimum. Ini merupakan petunjuk bahwa masalah itu tidak layak.
Kesalahan yang mungkin terjadi pada kasus ini dikarenakan:
1. Penulisan atau pengetikan tanda kendala yang salah baik didalam proses
penulisan model matematis atau pada saat proses pemasukan data dalam proses
penyelesaian dengan program komputer. Misalnya, sebuah kendala seharusnya
bertanda “ ” ditulis “ ”.
2. Kesalahan dalam proses interpretasi pada saat merumuskan model matematis
sehingga misalnya kata “paling sedikit” ditangkap sebagai “tidak boleh lebih”,
hal ini tentu saja akan mempengaruhi perumusan model matematis kasus itu.
Ciri dari kasus ini dalam penyelesaian dengan Metode Grafik adalah tidak terdapat
Daerah yang Memenuhi Kendala (DMK), sedangkan dengan Metode Simpleks tabel
sudah optimal tetapi harga optimalnya masih memuat nilai M (nilainya tidak nyata) serta
sekurang-kurangnya satu artificial variable akan menjadi positif pada tabel optimum.
Contoh :
Memaksimumkan : 3X1 + 2X2,
Kendala :
2X1 + X2 2,
3X1 + 4X2 12,
X1, X2 0,
Penyelesaian kasus ini dengan program POM WIN adalah sebagai berikut:
1. Memasukkan nilai max dan kendala seperti berikut

10
2. Hasil program linear
Gambar dibawah ini menunjukkan bahwa penyelesaian nyata tidak ada (no
feasibel solution). Tidak ada proses perhitungan yang terjadi pada jendela ini.

3. Penyelesaian metode grafik

Dengan metode grafik terlihat secara jelas disini bahwa tidak adanya daerah
yang diarsir (tidak ada daerah yang memenuhi kendala/ DMK), hal ini
menunjukkan bahwa tidak adanya daerah yang membuat nilainya maksimum.
Dengan kata lain penyelesaian nyatanya tidak ada. Hal ini juga telah tertera pada
kolom sebelah kanan. Hasil grafik dapat dilihat pada gambar berikut

3X1 + 4X2 =
12
2X1 + X2
=2

11
4. Penyelesaian dengan metode iterasi
Pada tabel simpleks berikut ditunjukkan bahwa pada tabel optimum,
artificial variable adalah positif (=4). Ini menunjukkan suatu indikasi bahwa ruang
solusi adalah tidak nyata. Metode simpleks yang menghasilkan artificial variable
positif, pada intinya telah membalik arah pertidaksamaan 3X1 + 4X2 12 menjadi
3X1 + 4X2 12. Hasil ini menunjukkan apa yang disebut dengan pseudo optimal
solution/ no feasibel solution. Sedangkan hasil penghitungan dengan metode iterasi
dapat dilihat pada gambar di atas.

Max: Z = 3X1 + 2X2 + 0S1 + 0S2 –MA

Kendala
2X1 + X2 + S1 =2
3X1 +4X2 + S2 + A = 12
Hasil penyelesaian menggunakan iterasi adalah sebagai berikut
Iterasi I
Basis Z X1 X2 S2 S1 A RHS Ratio
Z 1 -3-3M -2-4M M 0 0 -12M
S1 0 2 1 0 1 0 2 2
A 0 3 4 -1 0 1 12 3

Iterasi II
Basis Z X1 X2 S2 S1 A RHS Ratio
Z 1 1+5M 0 M 2+4M 0 4-4M
X2 0 2 1 0 1 0 2
A 0 -5 0 -1 -4 1 4

12
 Sedangkan Hasil itersi yang menggunkan POM adalah sebagai berikut

D. Nilai Tujuan yang Tidak Terbatas

Pada umumnya, suatu DMK(Daerah yang Memenuhi Kendala) dari suatu kasus
Pemograman linear dibatasi atau dibentuk oleh suatu susunan tertentu garis-garis
kendala. Namum, kasus pemograman linear yang meminimumkan fungsi tujuan sering
mempunyai DMK yang tidak terbatas luasnya. Bila fungsi tujuan dimaksimumkan
terhadap DMK yang seperti itu, maka kondisi ekstrem tidak akan pernah ditemukan
atau nilai tujuan tidak terbatas. Dengan kata lain, DMK tidak terbatas maka nilai
tujuan juga akan tidak terbatas. Kasus ini muncul karena kekeliruan di dalam
penentuan program tujuan, penyusunan kendala yang kurang lengkap, dll. Suatu kasus
mempunyai nilai tujuan tak terbatas ketika susunan kendala membentuk sebuah DMK
terbuka yang memiliki luas tidak terbatas dan fungsi tujuan dimaksimumkan terhadap
DMK tersebut.
Contoh:
Max Z = 𝑋1 + 𝑋2
Kendala 2𝑋1 + 𝑋2 ≥ 5
𝑋1 + 2𝑋2 ≥ 4
𝑋2 ≤ 3
𝑋1 , 𝑋2 ≥ 0

13
Penyelesaian
Z-X1-X2 = 0
2XI + 1X2 + X3 = 5
X1 + 2X2 + X4 = 4
X2 + X5 = 3

Penyelesaian kasus ini menggunakan program POM adalah sebagai berikut

Pilih Module Linier Programing, lalu pilih New. Pilih Maks lalu masukkan Number of
Contrains 3 dan Number of Variable 2.
Lalu isikan sebagai berikut.

Setelah itu, pilih solve. Sehingga akan muncul gambar seperti di bawah ini.

Jadi kita dapat menyimpulkan bahwa penyelesaian dari kasus di atas adalah tak
terbatas (unbounded).
Untuk melihat grafik, pilih window, graph. Akan tampak grafik di bawah ini.

14
Jika dikerjakan dengan metode iterasi akan terlihat seperti berikut

Kasus penyelesaian tak terbatas ini terkadang terjadi karena disengaja, artinya seluruh
prosedur dan model penyelesaian sudah benar, ataupun tidak disengaja yang artinya

15
adanya kesalahan di dalam perumusan model matematis atau adanya kesalahan di dalam
penulisannya. Seperti halnya kasus di atas, pada kasus tersebut akan menghasilkan
penyelesaian optimal ketika fungsi tujuan diminimumkan dan bukan dimaksimumkan.
Juga kesalahan di dalam penandaan kendala akan membuat sebuah DMK menjadi terbatas
atau tidak.

16
 BAB III
PENUTUP

A. Kesimpulan
Adapun kesimpulan yang dapat penulis kemukakan adalah sebagai berikut:
Kasus-kasus nyata apabila dinyatakan ke dalam bilangan atau angka dan kemudian
diselesaikan dengan perhitungan matematika ternyata bisa menimbulkan kasus-kasus
khusus yang harus diketahui. Pada makalah ini dibahas empat kasus khusus yang mungkin
terjadi dalam penyelesaian kasus pemrograman linear.
Kasus degenerasi terjadi karena sebuah titik sudut dibentuk oleh lebih dari dua
garis kendala. Hal ini kemudian membuat perilaku variabel menyimpang. Variabel basis
seharusnya bernilai positif namun dalam kasus ini menjadi bernilai nol dan memiliki dual
price nol pula. Dalam kasus semacam ini seluruh informasi valid.
Kasus jawab optimal banyak (multiple optimal solution) terjadi bila salah satu garis
kendala memiliki slope tepat sama dengan slope fungsi tujuan. Sebagai akibatnya kita akan
menjumpai hanya satu kendala aktif yang membentuk titik ekstrem. Gejala ini secara
sederhana akan menjadi indikator kasus jawaban optimal jamak. Tetntu saja kasus ini akan
memungkinkan analis untuk memilih lebih banyak alternatif keputusan optimal.
Kasus nilai tujuan tidak nyata terjadi kalau susunan kendala tidak berhasil
membentuk sebuah DMK. Karena penyelesaian optimal hanya mungkin terjadi pada DMK
maka dalam kasus semacam ini penyelesaian nyata tidak akan diperoleh. Seluruh informasi
yang dihasilkan oleh penyelesaian baik menggunakan algoritma simpleks maupun program
komputer tidak lagi bisa dipercaya.
Kasus nilai fungsi tujun tidak terbatas terjadi bila susunan kendala membentuk
sebuah DMK terbuka yang memiliki luas tidak terbatas dan fungsi tujuan dimaksimumkan
terhadap DMK semacam itu. Tentu saja nilai fungsi tujuan itu akan menjadi terbatas bila
fungsi tujuan diminimumkan.

17