BAB II

LINIER PROGAMMING

A. Kompetensi Dasar
Mampu menjelaskan tentang pengambilan keputusan dengan menggunakan
metode Linier Programming.

B. Tujuan Pembelajaran
Setelah mempelajari bab ini, mahasiswa diharapkan mampu :
1. Mengidentifikasi permasalahan yang dihadapi oleh suatu organisasi yaang
dapat dilakukan dengan menggunakan metode Linier Programming.
2. Mampu membuat model linier programming yang sesuai dengan
permasalahan yang dihadapi.
3. Mampu membuat model linier programming dengan metode grafik
permasalahan yang dihadapi baik secara manual maupun dengan bantuan
software QM.
4. Mampu membuat model linier programming dengan metode simplek
permasalahan yang dihadapi baik secara manual maupun dengan bantuan
software QM.
5. Mampu membuat suatu kesimpulan dari hasil analisis.

C. Gambaran Materi
Bab ini akan menjelaskan tentang bagaimana teknik untuk mengidentifikasi
permasalahan serta membuat model linier programming yang dapat dilakukan
dengan menggunakan metode Grafik dan metode simplek serta menentukan
sensitivitas dari permasalahan yang dihadapi Selanjutnya penyelesaian juga
dilakukan dengan menggunakan software QM.

D. Pengertian Linier Programming

Merupakan model matematis yang digunakan untuk memecahkan masalah
pengalokasian sumber-sumber yang terbatas jumlahnya untuk berbagai tingkat
kegiatan yang menggunakan sumber-sumber tersebut secara optimal.

MKDPK 6
Dari pengertian di atas, dapat disimpulkan bahwa penyelesaian masalah dengar
Linier Programming :
1. Menggunakan Model – model matematis.
2. Seluruh fungsi matematis dalam model ini adalah fungsi linier.
Penyelesaian masalah dengan Linier Programming dapat dilakukan dengan
metode Metode Grafik dan Metode Simplex.

D.1. Model Linier Programming

Merupakan bentuk dan susunan penyajian masalah yang akan dipecahkan
dengan Linier Programming.
Dalam model Linier Programming terdapat dua macam fungsi yang harus disusun,
yaitu :
1. Fungsi Tujuan (Objective)
Memaksumumkan Laba atau Meminimumkan Biaya.
[Link]/ min = C1 X1 + C2 X2 + C3 X3 + ….. C1n Xn
2. Fungsi Batasan (Constraint).
Fungsi yang mengambarkan batasan–batasan yang dihadapi, misalnya batasan
dari kapasitas sumber–sumber yang akan dialokasikan untuk mencapai tujuan
perusahaan .
Fungsi batasan dalam Linier Programming ini ada dua macam, yaitu :
a. Fungsi Batasan Fungsional, yaitu fungsi yang menggambarkan jenis dan
besarnya sumberdaya yang dimiliki oleh perusahaan, dan menggambarkan
komposisi penggunaan sumberdaya oleh masing-masing jenis produk yang
dihasilkan.
1. a11X1 + a12X2 + a13X3 + ….. + a1nXn ≤ b1
2. a21X1 + a22X2 + a23X3 + ….. + a2nXn ≤ b2
3. a31X1 + a32X2 + a33X3 + ….. + a3nXn ≤ b3 dst
b. Fungsi batasan non negatif yaitu fungsi yang menggambarkan kudran dalam
matematika bahwa yang digunakan untuk menganalisis adalah kudran
positif saja untuk menentukan daerah yang fiseable..
X1, X2, X3, ……….. Xn ≥ 0

MKDPK 7
 Analisa dengan menggunakan Linier Programming dapat dilakukan dengan
2 metode tergantung jumlah variabel yang digunakan. Apabila jumlah variabel
keputusan/ kegiatan / jenis produk yang yang akan dianalisa hanya 2 macam maka
dapat diselesaikan dengan Linier Programming metode Grafik, tapi jika jumlah
variabel keputusan/ kegiatan / jumlah produk yang akan dianalisa 2 atau lebih, maka
harus menggunakan Linier Programming metode Simplek yang didalam
perhitungannya bisa menggunakan software QM

D.2. Metode Grafik

Metode ini digunakan untuk memecahkan masalah dengan Linier
Programming jika variabel keputusan sebanyak-banyaknya hanya 2 variabel.

Langkah-Langkah Penyelesaian dengan menggunakan Metode Grafik

1. Menyusun formula matematis dari permasalahan yang dihadapi.
2. Menggambar garis fungsi batasan pada sistem salib sumbu.
3. Membentuk Feasible Solution dengan memperhatikan batasan-batasan
fungsional dan batasan non negatif.
4. Menentukan titik optimal

Untuk memudahkan penjelasan, dibawah ini akan dibahas sau contoh permasalahan
Liner Programming sebagai berikut:
Perusahaan Citra Anggada memproduksi dan memasarkan 2 jenis produk, yaitu
produk X dan Y. Untuk memproduksi kedua produk tersebut dibutuhkan bahan
baku A dengan jumlah pemakaian 2 unit untuk produk X dan 4 unit untuk produk
Y. Selain itu, juga dibutuhkan bahan baku B dengan jumlah pemakaian 5 unit untuk
produk X dan 2 unit untuk produk Y. Kemampuan yang dimiliki perusahaan ini
dalam penyediaan bahan baku yang dibutuhkan tersebut setiap bulannya adalah 400
unit untuk bahan baku A dan 600 unit untuk bahan baku B. Waktu yang dibutuhkan
oleh tenaga kerja langsung untuk dapat menyelesaiakan 1 unit produk X adalah 50
menit, sedangkan untuk produk Y adalah 40 menit. Jam kerja yang tersedia di
perusahaan ini adalah sebanyak 10.000 menit per bulan (asumsi : 1 bulan = 25 hari
kerja).

MKDPK 8
Laba yang dapat diperoleh dari setiap penjualan 1 unit produk X adalah sebesar Rp.
5.000,-, sedang kan produk Y adalah sebesar Rp. 11.000,-.
Dari analisis yang telah dilakukan, diperkirakan perminyaan pasar terhadap produk
X tidak lebih dari 140 unit, sedangkan produk Y tidak lebih dari 70 unit.
Berdasarkan irformasi-informasi tersebut diatas, berapakah seharusnya produk X
dan Y diproduksi agar dicapai laba yang optimal ? (catatan : perusahaan
menggunakan kebijakan persediaan yang konstan).

Penyelesaian :
1. Menyusun formula matematis dari permasalahan yang dihadapi.
FT. Maks Z = 5.000 X + 11.000 Y
2. Menggambar garis fungsi batasan pada sistem salib sumbu.
Fungsi Batasan :
a. Untuk Bahan Baku A 2X + 4Y ≤ 400
b. Untuk Bahan Baku B 5X + 2Y ≤ 600
c. Untuk TK langsung 50X + 40 Y ≤ 10.000
d. Permintaan produk X X ≤ 140
e. Permintaan produk Y Y ≤ 70
Fungsi Batasan non negatif : X, Y ≥ 0
3. Membentuk Feasible Solution dengan memperhatikan batasan-batasan
fungsional dan batasan non negatif. (seperti gambar 2.1.)
4. Menentukan Titik Optimal
a. Cara Matematika
Titik Feasible I
merupakan titik potong persamaan e dengan sumbu Y, yaitu Y ≤ 70
dengan sumbu Y, karena tidak berpotongan dengan sumbu X maka nilai
titik feasible I sebesar Y = 70 dan X = 0, maka Nilai optimal Titik Feasible
I sebesar = 5.000 (0) + 11.000 (70) = Rp. 770.000,-

MKDPK 9
 Gambar 2.1 : Grafik dari persamaan PT Citra Anggada

Titik Feasible II
merupakan titik potong persamaan a dengan persamaan e, yaitu 2X + 4Y
≤ 400 dengan Y ≤ 70 , maka nilai titik feasible II sebesar X = 60 dan Y
= 70, maka Nilai optimal Titik Feasible I sebesar = 5.000 (60) + 11.000
(70) = Rp. 1.070.000,-
Titik Feasible III
merupakan titik potong persamaan a dengan persamaan b, yaitu 2X + 4Y
≤ 400 dengan 5X + 2Y ≤ 600 , maka nilai titik feasible III sebesar X =
100 dan Y = 50, maka Nilai optimal Titik Feasible I sebesar = 5.000 (100)
+ 11.000 (50) = Rp. 1.050.000,-
Titik Feasible IV
merupakan titik potong persamaan b dengan sumbu X, yaitu 5X + 2Y ≤
600 dengan sumbu X, maka nilai titik feasible IV sebesar X = 120 dan Y =
0, maka Nilai optimal Titik Feasible IV sebesar = 5.000 (120) + 11.000
(0) = Rp. 600.000,-

MKDPK 10
 Dari hasil perhitungan tersebut, titik feasible II memberikan hasil optimal
yaitu sebesar Rp. 1.070.000,- dengan membuat produk X=60 unit dan Y
sebesar 70 unit.

D.3. Metode Simplek

Metode ini dapat digunakan untuk memecahkan masalah dengan Linier
Programming jika variabel keputusannya lebih besar satu sama dengan 2 variabel.
Langkah-langkah metode Simplek
1. Memformulasikan masalah kedalam model matematis Linier Programming
dalam bentuk standar yang meliputi :Fungsi Tujuan, Fungsi batasan
Fungsional, dan Fungsi batasan non negatif.
2. Merubah fungsi batasan fungsional dari bentuk pertidaksamaan menjadi
bentuk persamaan dengan cara :
Jika bentuk awal bertanda ≤ ditambahkan Slack Variable (S).
Jika bentuk awal bertanda ≥ dikurangi dengan Surplus Variable (-S)
Jika bentuk awal bertanda = ditambahkan Artificial Vareable (A).
3. Merubah fungsi tujuan dengan cara menyesuaikannya dengan hasil
perubahan pada fungsi batasan fungsional.
• Slack variable nilainya =0
• Surplus variable nilainnya = 0
• Artificial variable nilainnya = Mjika fungsi tujuan bersifat
minimisasi atau –M jika fungsi tujuan bersifat maksimisasi.
4. Memasukkan semua angka-angka dan variable-variable hasil langkah ke 2
dan 3 ke dalam tabel dengan bentuk sebagai berikut :

MKDPK 11
 Tabel 2.1. Tabel Simplek
Variabel Cj
Dasar Tujuan Q
Vrbl

Zj
Cj- Zj

5. Memilih kolom kunci pada tabel

Kolom kunci adalah kolom dimana Cj – Zj mempunyai nilai positif
terbesar, apabila fungsi tujuan permasalahan bersifat maksimisasi. Apabila
fungsi tujuan bersifat minimisasi maka kolom kunci yang terpilih adalah
kolom yang mempunyai nilai Cj – Zj negatif angka terbesar.
6. Memilih baris kunci pada tabel
Baris kunci adalah baris yang mempunyai nilai hasil bagi positif
terkecil. Dengan cara : Membagi semua angka yang ada pada kolom ‘ Q ‘
dengan semua angka yang ada pada kolom kunci sesuai dengan barisnya
masing-masing.
7. Menghitung nilai baris kunci.(pada tabel berikutnya)
Semua angka yang ada pada baris kunci dibagi dengan semua angka yang
ada pada kolom kunci pada baris kunci tersebut, kecuali angka yang berada
pada kolom tujuan.
8. Menghitung nilai baru baris selain baris kunci.
Semua angka yang ada pada masing-masing baris tersebut dikurangi dengan
hasil perkalian antara angka yang berada pada kolom kunci masing-masing
baris dengan nilai baru baris kunci, kecuali angka yang berada pada kolom
tujuan.
9. Memasukkan hasil perhitungan langkah ke 7 dan 8 ke dalam tabel (tabel
baru), dengan catatan : Variabel dasar baris kunci diganti dengan Variabel

MKDPK 12
 kombinasi yang berada pada kolom kunci dan angka yang berada pada
kolom tujuan di ganti dengan angka ‘Cj’ yang berada pada kolom kunci.
10. Menganalisis apakah tabel baru tersebut sudah merupakan tabel yang
optimal atau belum ?
Apabila fungsi tujuan bersifat maksimisasi, maka tabel dikatakan optimal
apabila angka – angka yang berada pada baris Cj – Zj ≤ 0. Tetapi jika
bersifat minimisasi maka tabel dikatakan optimal apabila angka – angka
yang berada pada baris nilai Cj – Zj ≥ 0. Apabila tabel yang terbentuk
belum merupakan tabel yang optimal maka perlu diadakan perbaikan
terhadap tabel tersebut sampai diperoleh tabel yang optimal’dengan cara
mengulangi lagi langkah-langkah 5,6,7,8,9 dan 10.

D.4. Analisis Post Optimalitas/ Sensitivitas

Analisis Post Optimalitas adalah analisa untuk menentukan besarnya
perubahan-perubahan pada koefisien fungsi tujuan, nilai kanan fungsi batasan dan
koefisien pada fungsi batasan yang boleh terjadi agar tetap diperoleh penyelesaian
optimal. Analisis ini hanya dapat dilakukan setelah diperoleh penyelesaian optimal
pada masalah Linear Programming.
Perubahan pada koefisien fungsi tujuan dan nilai kanan pada fungsi batasan
bisa dilakukan karena tidak akan mempengaruhi jenis produk yang dihasilkan,
perubahan ini hanya akan mempengaruhi jumlah keuntungan atau biaya dan
kapasitas yang dihasilkan oleh perusahaan. Tetapi perubahan pada koefisien fungsi
batasan sulit dilakukan karena dengan adanya perubahan koefisien fungsi batasan
tersebut akan merubah jenis produk yang akan dihasilkan oleh perusahaan yang
berarti perusahaan melakukan inovasi terhadap produk yang dihasilkan.

Perubahan pada Fungsi tujuan:

Perubahan koefisien fungsi tujuan ini dapat terjadi pada :variabel dasar dan variabel
non dasar
Untuk memudahkan penjelasan , akan dibahas dengan menggunakan contoh
dibawah ini :
Fungsi tujuan : Maksimum Z = 6X1 + 8X2

MKDPK 13
Fungsi Batasan :
I. 5X1 + 10X2 ≤ 60
II. 4X1 +4X2 ≤ 40
Fungsi Batasan non negatif :
X1, X2 ≥ 0

Tabel optimal dari masalah Linier Programming di atas adalah sebagai berikut :
Tabel 2.2. Tabel Optimal Simplek
Variabel Cj 6 8 0 0
Dasar Tujuan Q vrbl X1 X2 X3 X4
X2 8 2 0 1 1/5 -1/4

X1 6 8 1 0 -1/5 1/2

Zj 64 6 8 2/5 1
Cj- Zj 0 0 -2/5 -1

1. Perubahan pada variabel non dasar

Apabila terjadi perubahan pada variabel non dasar, maka nilai Cj pada tabel
optimal ditambah dengan ∆ (delta).
Misal, terjadi perubahan pada S1 diasumsikan variabel yang lain tetap.
Hasil optimal setelah adanya perubahan S1 tersebut seperti ditunjukkan dalam
tabel di bawah ini.
Tabel 2.2. Tabel Simplek Sensitivitas
Variabel Cj 6 8 0 0
Dasar Tujuan Q vrbl X1 X2 X3 X4
X2 8 2 0 1 1/5 -1/4

X1 6 8 1 0 -1/5 1/2

Zj 64 6 8 2/5 1
Cj- Zj 0 0 ∆-2/5 -1

MKDPK 14
 Berdasarkan tabel di atas, maka untuk mencari besarnya jarak / rentang
perubahan nilai CS1 dapat dihitung dengan cara :
∆ - 2/5 ≤ 0 ∆ ≤ 2/5
Jadi, jarak nilai untuk S1 adalah sebesar - ∞ ≤ ∆ ≤ 2/5
Karena S1 adalah slack dari batasan 1, berarti bahwa untuk batasan 1 kapasitas
boleh ditambah sampai dengan tidak terhingga dan boleh dikurangi jumlahnya
hanya sebesar 2/5 unit agar tetap mendapatkan hasil yang optimal.
Cara tersebut dapat juga dilakukan dengan cara yang sama pada variabel non
dasar S2

2. Perubahan pada Variabel Dasar

Apabila terjadi perubahan pada variabel dasar, maka nilai Cj pada tabel optimal
ditambah dengan ∆ (delta).
Misal, terjadi perubahan pada X2, diasumsikan variabel lain tetap.
Tabel optimal setelah adanya perubahan X2 tersebut seperti ditunjukkan dalam
tabel di bawah ini.

Variabel Cj 6 8+∆ 0 0
Dasar Tujuan Q vrbl X1 X2 X3 X4

X2 8+∆ 2 0 1 1/5 -1/4

X1 6 8 1 0 -1/5 1/2

Zj 64 6 8+∆ 2/5+∆5 1-∆/4

Cj- Zj 0 0 -2/5-∆/5 -1+∆/4

Berdasarkan tabel di atas, maka untuk mencari besarnya jarak / rentang

perubahan nilai X2 dapat dihitung dengan menggunakan nilai yang terdapat
pada baris Cj – Zj kolom S1 dan S2, dengan perhitungan sebagai berikut:

MKDPK 15
 Perhitungan untuk S1. Perhitungan untuk S2.
2/5 - ∆/5 ≤ 0 -1 + ∆/4 ≤ 0
∆/5 ≤ 2/5 ∆/4 ≤ 1
∆/5 ≥ -2/5 ∆≤4
∆ ≥ -2
Jadi, jarak nilai CX2 adalah sebesar -2 ≤ ∆ ≤ 4. Ini berarti bahwa nilai objektif untuk
X2 dapat naikkan sampai dengan (8 + 4) = 12 atau boleh diturunkan sampai dengan
(8- 2) = 6. Dengan demikian, dapat disimpulkan bahwa apabila besarnya perubahan
yang terjadi pada CX2 masih berada pada jarak / rentang perubahan nilai tersebut
maka hasil optimal tetap akan dapat dicapai. Sebaliknya, apabila besarnya
perubahan pada CX2 diluar jarak / rentang perubahan nilai tersebut, maka hasil
optimal tidak akan tercapai.

Perubahan pada Nilai Kanan Funfsi Batasan

Apabila terjadi perubahan pada nilai kanan, maka analisis diarahkan untuk
mengetahui jarak / rentang perubahan nilai pada nilai kanan atau kapasitas pada
setiap fungsi batasan.
Jika perubahan nilai kanan pada fungsi batasan berada dalam rentang nilai yang
diperbolehkan, maka hasil optimal akan tetap dicapai. Besarnya jarak / rentang
perubahan nilai kanan yang tetap memberikan hasil yang optimal dapat dilakukan
dengan menggunakan rumus sebagai berikut :

Xb = [ B-1 ] b ≥ 0

Keterangan :
Xb = nilai kanan setelah perubahan
B-1 = nilai slack pada matriks optimal
b = nilai kanan sebelum perubahan

MKDPK 16
Dengan menggunakan contoh soal di atas, maka :
1/5 -1/4 60
B-1 = b=
-1/5 1/2 40

1/5 -1/4 60 2
Xb = =
-1/5 1/2 40 8

Jika terjadi perubahan pada batasan pertama, jarak / rentang perubahan nilai yang
boleh terjadi agar tetap diperoleh penyelesaian yang optimal adalah sebesar (b1 +
∆) begitu juga dengan batasan yang lainnya.
Dengan demikian, maka rentang perubahan nilai yang diperbolehkan untuk batasan
pertama adalah :

1/5 -1/4 60 + ∆
Xb = ≥0
-1/5 1/2 40

2 + ∆/5 ≥ 0 8 + ∆/5 ≥ 0
∆/5 ≥ -2 ∆/5 ≥ -8
∆/5 ≥ -10 ∆/5 ≤ 8
∆/5 ≤ 40
Berdasarkan hasil perhitungan di atas, maka jarak / rentang perubahan nilai untuk
batasan pertama adalah sebesar -10 ≤ ∆ ≤ 40.
Jadi nilai kanan untuk batasan pertama boleh turun sampai sebesar 50 dan boleh
naik sampai sebesar 100.

MKDPK 17
E. Penyelesaian Dengan Software QM
Setiappermasalahan yang berbentuk programlinierselalu didefinisikandalam
bentuk jumlah variabelyang digunakan danbanyaknya kendala. Biasanya ada
pembatasannon-negatif pada kendala. Teori dan kasus program linier yang telah
disampaikan di atas dapat dicari solusinya dengan cepat dan mudah, yaitu dengan
menggunakan Software QM.

E.1. Permasalahan dengan 2 Variabel

Solusi yang diberikan apabila kasus LP menggunakan 2 variabel adalah dalam
bentuk grafik dan tabel simplex. Contoh kasus point D.2. penyelesaiannya akan
dibahas menggunakan QM.

Fungsi Obyektif:
Maksimumkan : Z = 5000 X + 11000 Y

Kendala:
2X + 4Y ≤ 400
5X + 2Y ≤ 600
50X + 40Y ≤ 10000
X ≤ 140
Y ≤ 70

X1 ≥ 0 , X2 ≥ 0

Langkah-langkah untuk menyelesaikan aplikasi program linierpada QM adalah

sebagai berikut:
1. Aktifkan software QM
2. Pilih module “Linier Programming” seperti gambar berikut:

MKDPK 18
 Setelah dipilih modul Linier Programming, maka di dijendela QM akan muncul
info proses yang aktif adalah Linier Programming seperti gambar berikut:

3. Untuk membuat kasus baru, silahkan klik menu File  New, atau klik toolbar
New  akan muncul jendela proses LP. Isikan data berikut sesuai dengan
contoh kasus:
a. Title : judul dari kasus yang akan dicari solusinya
b. Number of Constraints : banyaknya kendala
c. Number of Variable : banyaknya variabel yang digunakan
d. Objective : tujuan dari kasus yang akan dicari solusinya
e. Row Names : mendefinisikan nama baris
f. Column Names : mendefinisikan nama kolom

MKDPK 19
 Setelah isian lengkap, silahkan klik tombol OK

4. Muncul isian data, isikan datanya sesuai model LP di atas

Fungsi Obyektif

Kendala

Catatan: Anda bisa mengganti label Constraint 1 s.d. 5 Constraint 5 dengan

kalimat lain sesuai kendala yang ada di kasus. Demikian juga dengan variable
X1 dan X2.

5. Setelah selesai diisikan datanya, silahkan klik toolbar “SOLVE” untuk

menampilkan solusi LP.

MKDPK 20
6. Muncul solusi terdiri atas 5 jendela, yaitu LP Result, Ranging, Solution List,
Iterations, dan Graph.

MKDPK 21
 Catatan:
a. Jendela LP Result: merupakan tampilan solusi dalam bentuk daftar (tabel)
b. Jendela Iterations: merupakan tampilan proses penyelesaian kasus LP
dengan metode Simplex
c. Jendela Graph: tampilan proses penyelesaian kasus LP dengan metode
Grafik

Dari tampilan 5 jendela solusi di atas, kesimpulan untuk kasus ini dapat dibaca
lebih mudah dengan memanfaatkan jendela “Solution List” adalah:

• X diproduksi 60 unit
• Ydiproduksi 70 unit
• Laba optimal diperoleh sebesar Rp. 1.070.000
• Dengan nilai sisa terhadap kendala bahan baku B sebesar 160 unit, jam kerja
sisa sebesar 4200 menit dan permintaan produk X sisa 80 unit. (Angka ini
dapat dibaca melalui “Slack”).

MKDPK 22
7. Simpan hasil pengolahan LP dengan cara klik toolbar “Save”

8. Tentukan folder penyimpakan, kemudian isikan nama file yang akan disimpan
dengan extention [*.lin], setelah itu klik tombol “Save”.
Catatan: khusus untuk graph, file yang disimpan dalam bentuk [*.BMP]

E.2. Permasalahan dengan Lebih dari 2Variabel

Untuk kasus dengan lebih dari 2 variabel, solusi yang diberikan hanya dalam bentuk
table Simplex dan tidak bisa dalam bentuk grafik. Perhatikan contoh di bawah ini.

Fungsi Obyektif:

Maksimumkan keuntungan = 8X1 + 4X2 + 12X3 - 10X4

Kendala:
X1 + 2X2 + X3 + 5X4 ≤ 150
X2 - 4X3 + 8X4 = 70
6X1 + 7X2 + 2X3 - X4 ≥ 120

X1, X2, X3, X4 ≥ 0

Pada kasus tersebut terdapat 4 variabel dengan tujuan memaksimumkan

keuntungan. Disamping itu terdapat 3 kendala dimana masing-masing kendala
memiliki operator matematik yang berbeda. Untuk menyelesaikan kasus tersebut,
seperti pada langkah penyelesaian sebelumnya, yaitu:
1. Aktifkan software QM, kemudian pilih module Linier Programming.

MKDPK 23
2. Buat kasus baru dengan klik toolbar New, kemudian isikan banyaknya kendala,
variabel dan tentukan fungsi obyektifnya.

3. Masukkan datanya

4. Klik toolbar “Solve”

MKDPK 24
 Catatan: perhatikan menu “Window”, tidak tersedia solusi dalam bentuk grafik
5. Berikan kesimpulan seperti pada contoh sebelumnya
6. Simpanlah hasil pekerjaan Anda.

E.3. Merubah Data

Pada saat Anda aktif pada jendela solusi, terkadang muncul data salah sehingga
perlu untuk dibenahi dengan cara klik toolbar “Edit”

Setelah anda klik toolbar tersebut, jendela editing data akan muncul dan Anda bisa
melakukan perubahan data dan membuat penyelesaian yang baru dengan meng-klik
toolbar “Solve”.

E.4. Membuka File yang Pernah Disimpan Sebelumnya

Setelah berlatih dengan banyak file, Anda bisa memanggil kembali file hasil
perkerjaan dengan cara klik toolbar “Open”

MKDPK 25
Atau bisa juga melalui menu “File” kemudian pilih “Open”.

LATIHAN SOAL
1. Cari x1, x2
s.r.s. : Z = 5x1 + 4x2 : minimum
d.p. : 6x1 + 3x2 ≥ 8
2x1 + 4x2 ≥12
2x1 + 8x2 ≥16
x1 ≥ 0 , x2 ≥ 0
Pecahkan dengan metode grafik

2. Cari x1, x2
s.r.s. : Z = 4x1 + 2x2 : maksimum
d.p. : 3x1 + 2x2 ≤ 8
-4x1 + 3x2 ≥ -7
7x1 + 2x2 ≤ 14
x1 ≥ 0 , x2 ≥ 0
Pecahkan dengan metode grafik

MKDPK 26
3. Masalah pengalokasian sumber daya yang sedang dihadapi suatu perusahaan
dapat diformulasikan sebagai berikut :
Fungsi Tujuan : Maksimum Z = 6 X 1 + 8 X 2
Fungsi Batasan :
Fungsi Batasan Fungsional :
I. 5X1 + 10X2 ≤ 60
II. 4X1 + 4X2 ≤ 40
x1 ≥ 0 , x2 ≥ 0
Carilah penyelesaian optimal dari masalah yang dihadapi perusahaan tersebut !

MKDPK 27
4. Masalah pengalokasian sumber daya yang sedang dihadapi suatu perusahaan
dapat diformulasikan sebagai berikut :
Fungsi Tujuan : Maksimum Z = 85X + 90Y
Fungsi Batasan :
Fungsi Batasan Fungsional :
I. 50X + 25Y = 1.000
II. 30X + 50Y ≥ 1.500
III. 40X + 60 Y ≤ 2.000
IV. 40X + 20Y ≤ 1.000
Fungsi batasan non negatif :
X,Y ≥ 0
Carilah penyelesaian optimal dari masalah yang dihadapi perusahaan tersebut !

5. Masalah pengalokasian sumber daya yang sedang dihadapi suatu perusahaan

dapat dapat diformulasikan sebagai berikut :
Fungsi Yujuan : Minimum Z = 5X1 + 4X2
Fungsi Batasan :
Fungsi batasan Fungsional
I. 6X1 + 3X2 ≥ 18
II. 2X1 + 4X2 ≥ 12
III. 2X1 + 8X2 ≥ 16
Fungsi batasan non negatif :
X1,X2 ≥ 0
Carilah penyelesaian optimal dari masalah yang dihadapi perusahaan tersebut.

6. Ada tiga mesin mesin, katakan M1, M2 dan M3. Berdasarkan Bahan mentah
yang tersedia seorang produsen akan memproduksi 2 macam barang yaitu
barang A dan B. Proses pembuatan barang harus melalui 3 tahapan, tahapan 1
melalui M1, tahapan 2 melalui M2 dan tahapan 3 melalui M3. Mesin-mesin
tersebut tidak bisa dipergunakan secara terus menerus. M1 hanya bisa
dipergunakan paling lama 48 jam, M2 60 jam dan M3 paling lama 36 jam. Satu

MKDPK 28
 unit produk / barang A memerlukan 2 jam M1, 4 jam M2, dan 0 jam M3. Produk
B diproses di M1 selama 4 jam, M2 selama 6 jam dan M3 selama 4 jam .Apabila
dijual 1 unit A laku Rp.6 ribu dan 1 unit B laku Rp. 4 ribu. Berapa besarnya A
dan B agar jumlah penerimaan hasil penjualan maksimum.

7. Pimpinan perusahan kayu, akan membuat kursi biasa, kursi eksekutif dan meja
eksekutif. Untuk itu diperlukan bahan mentah dalam satuan m3, waktu mesin
untuk memproses dalam jam dan tenaga kerja dalam jam. Bahan dan
kebutuhan sumber daya seperti tabel dibawah ini:
Produk Bahan Mentah Waktu Mesin Tenaga Kerja
Kursi biasa 10 m3 3jam 2jam
Kursi Eksekutif 12m3 5 jam 4jam
Meja Eksekutif 20 m3 6 jam 5jam
Bahan tersedia 300 m3 120 jam 90 jam

Apabila dijual satu kursi biasa laku Rp. 20 ribu, kursi eksekutif laku Rp. 35
ribu dan meja eksekutif laku Rp. 50 ribu. Kalau x1 = banyaknya kursi biasa, x2
= banyaknya kursi eksekutif, dan x3 = banyaknya meja eksekutif. Rumuskan
persoalan di atas menjadi persoalan LP dan tentukan hasil yang optimal.

8. Dari informasi optimal dari soal no 7 tersebut, tentukan :

a. Batas atas dan batas bawah dari setiap bahan baku. Dan variabel apa yang
tetap layak.
b. Tambahan untuk variabel non basis untuk harga yang dapat dinaikkan tanpa
mempengaruhi optimalisasi.
c. Batas atas dan batas bawah untu setiap harga basis pada kodisi optimal.

MKDPK 29
9. Pabrik ABC menghasilkan setiap minggunya 3 jenis produk yaitu X,Y dan Z.
Masing masing produk harus melalui beberapa atau semua proses dari 3 proses
yang ada yaitu proses A, B dan C. Informasi yang tersedia untuk suatu
keputussan dari rencana pproduksi campuran adalah sebagai berikut :
Proses Jenis produk (unit)
X Y Z
A - 50 40
B 40 50 20
C 50 25 -
Laba bersih 2 3 2,4

Tentukan rencana produksi optimalnya dan berapa keuntungan maksimal.

MKDPK 30
LEMBAR KERJA

MKDPK 31
LEMBAR KERJA

MKDPK 32
LEMBAR KERJA

MKDPK 33
LEMBAR KERJA

MKDPK 34