Pertemuan 9

RISET OPERASI

PENDAHULUAN

Kompetensi : Mampu menjelaskan konsep Riset Operasi

Indikator : Dapat menjelaskan konsep-konsep dalam Riset Operasi

PENGERTIAN

Operation Research atau Riset Operasi terdiri dari

dua kata, yaitu:

 Operation didefinisikan sebagai tindakan-tindakan

yang diterapkan pada beberapa masalah atau
hipotesa; Reserach adalah suatu proses yang
terorganisasi dalam mencari kebenaran akan
masalah atau hipotesa tadi.
 Pada dasarnya RO --- memiliki berbagai definisi dan
sulit untuk didefinisikan secara jelas karena batas-
batasnya tidak jelas.
Beberapa definisi dari Riset Operasi:
 
Definisi 1 : Riset Operasi adalah Penerapan metode-
metode ilmiah terhadap masalah-masalah rumit yang
muncul dalam pengarahan dan pengelolaan suatu sistem
besar manusia, mesin, bahan dan uang dalam industri,
bisnis, pemerintahan dan pertahanan.

Tujuan:
 Membentuk suatu model ilmiah dari sistem
 Menggabungkan ukuran-ukuran faktor-faktor seperti
kesempatan dan resiko
 Meramalkan dan membandingkan hasil dari beberapa
keputusan, strategi atau pengawasan
 Membantu pengambil keputusan menentukan
kebijaksanaan dan tindakannya secara ilmiah (OR Society
of Great Britain).
 Definisi 2 : Riset Operasi berkaitan dengan cara memutuskan secara
ilmiah bagaimana merancang dan menjalankan system manusia-mesin
dengan terbaik, biasanya membutuhkan alokasi sumberdaya yang langka
(OR Society of America).

 Definisi 3 : Riset operasi adalah seni memberikan jawaban buruk

terhadap masalah-masalah, yang jika tidak, memiliki jawaban yang lebih
buruk ([Link]).

 Definisi 4: Riset Operasi adalah pendekatan dalam pengambilan

keputusan yang ditandai dengan penggunaan pengetahuan ilmiah melalui
usaha kelompok antar disiplin yang bertujuan menentukan penggunaan
terbaik dari sumberdaya yang terbatas (Hamdi A. Taha, 1976).

 Definisi 5 : Riset Operasi dalam arti luas dapat diartikan sebagai

penerapan metode-metode, teknik-teknik dan alat-alat terhadap masalah-
masalah yang menyangkut operasi-operasi dari system-sistem,
sedemikian rupa sehingga memberikan penyelesaian optimal (Churchman,
Acknoff dan Arnoff, 1957).
Kata kunci dalam Riset Operasi :

 Permasalahan/hipotesa
 Sistem
 Model ilmiah
 Metode/teknik-teknik
 Keputusan
 Optimal
 
Contoh-contoh di lapangan:
 Penjadwalan dalam pemanenan dan reforestasi (penghutanan
kembali) pada tanaman sejenis untuk mendapatkan keputusan yang
terbaik dalam produksi maupun ekologi.

 Menentukan jenis pohon apa saja yang akan ditebang pada hutan
campuran dan kapan penebangan dilakukan untuk menoptimalkan
produksi kayu, pendapatan atau keragaman ekologi.

 Perencanaan dalam kegiatan produksi pada tegakan hutan dan

industri agar tujuan-tujuan berkenaan dengan pendapatan, tenaga
kerja dan kontrol terhadap polusi dapat bertemu.

 Merancang (design) jaringan jalan yang efektif dalam rangka

menyediakan akses bagi tempat rekreasi dan proyek produksi kayu.

 Peramalan terhadap demand, supply dan harga terhadap produk-

produk hutan.
 TAHAP-TAHAP DALAM RISET OPERASI

1. Merumuskan Masalah
 
3 Pertanyaan penting yang harus dijawab dalam rangka
mendefinisikan permasalahan secara tepat, yaitu :

» Variabel keputusan : unsur-unsur dalam persoalan yang dapat

dikendalikan oleh pengambil keputusan --- instrumen
» Tujuan (objective) – membantu memusatkan perhatian pada persoalan
dan pengaruhnya terhadap organisasi
» Kendala (constraint) – pembatas-pembatas terhadap alternatif
tindakan yang tersedia.
 
2. Pembentukan model
 Model merupakan ekspresi kuantitatif dari tujuan dan kendala-kendala
permasalahan dalam variabel keputusan.
 Penggunaan model tergantung pada sifat-sifat dan kerumitan system.
3. Mencari Penyelesaian Masalah
 
 Teknik dan metode solusi kuantitatif
 Solusi model : nilai-nilai variabel keputusan yang mengoptimalkan fungsi salah
satu fungsi tujuan dengan nilai fungsi tujuan lain yang dapat diterima.
 Informasi tambahan berkenaan dengan tingkah laku solusi yang disebabkan
karena perubahan parameter sistem --- Analisa Sensitivitas.

4. Validasi Model

 Asumsi-asumsi yang dipergunakan harus absah—model harus diperiksa agar

mencerminkan berjalannya sistem yang diwakili.
 Metode: uji validitas model (membandingkan performance model dengan data
masa lau yang tersedia)
 Model dikatakan valid apabila dengan kondisi input yang serupa, model dapat
menghasilkan kembali performance seperti masa lampau.
 
5. Penerapan Hasil Akhir

 Penerapan hasil model yang telah diuji – disertai penjelasan solusi yang hati-hati
dan hubungannya dengan realitas.
 Metode-metode/Pendekatan Umum
Mencari Solusi
3 metode umum mencari solusi terhadap model Riset Operasi, yaitu:

1. Metode/Pendekatan Analitik
 Perwujudan model dengan solusi grafik atau perhitungan matematik
 Jenis matemaik tergantung pada sifat-sifat model
2. Metode/Pendekatan Numerik
 Berhubungan dengan perulangan atau coba-coba dari prosedur-prosedur
kesalahan—melalui perhitungan numerik pada setiap tahap.
 Digunakan bila metode analitik gagal untuk mencari solusi.
 Urutan: solusi awal (initial solution)—seperangkat aturan—perbaikan optimum
(berulang-ulang)-sampai tidak terjadi lagi perbaikan atau biaya perhitungan
tidak dapat diterima lagi
3. Metode Monte-Carlo
 Menggunakan konsep probabilitas dan sampling.
 Suatu teknik simulasi dimana fungsi distribusi statistik dibuat melalui
seperangkat bilangan random.
 Sifat-Sifat Riset Operasi

Beberapa masalah Riset Operasi yang didefinisikan dengan

baik dan diterima umum dapat digolongkan sebagai berikut:
Masalah alokasi
Masalah persaingan
Masalah antri
Masalah jalur
Masalah persediaan
 
Alat untuk menyelesaikan masalah Riset Operasi – teknik
Riset Operasi
• Ciri-ciri Riset Operasi
 
Pendekatan kelompok antar disiplin untuk mencari hasil optimum
Penggunaan teknik penelitian ilmiah untuk mendapatkan solusi
optimum
Hanya memberikan jawaban yang jelek terhadap persoalan jika
tersedia jawaban yang lebih jelek. Ia tidak memberikan jawaban
sempurna terhadap masalah, tetapi memperbaiki kualitas solusi.

• Keilmiahan dan Seni Riset Operasi

 
Ilmiah: penyediaan teknik dan algoritma matematik untuk
menyelesaikan masalah.
Seni: keberhasilan dalam semua tahap sebelum dan sesudah
solusi model sepenuhnya tergantung pada kreatifitas dan
kemampuan personal pengambil keputusan.
 
• Keterbatasan Riset Operasi
 
 Perumusan masalah suatu program Riset
Operasi --- sulit
 Jika suatu organisasi mempunyai beberapa
tujuan yang bertentangan, maka akan
mengakibatkan terjadinya suboptimum, yaitu
kondisi yang tidak dapat menolong seluruh
organisasi mencapai yang terbaik secara
serentak.
 Suatu hubungan non linier yang dirubah
menjadi linier untuk disesuaikan dengan
program linier dapat mengganggu solusi yang
disarankan.
Pertemuan 9

LINEAR
PROGRAMING

Sitti Latifah

Kompetensi : Mampu menjelaskan konsep linear programmin

Indikator : Dapat menjelaskan konsep-konsep dalam linear

programing
 LINEAR PROGRAMING
 LP merupakan sebuah teknik optimasi yang sangat umum
dan dapat diterapkan pada berbagai macam
permasalahan.
 Pada dasarnya LP didesign dan dipergunakan terutama
untuk menyelesaikan permasalahan manajemen.
 LP ini merupakan alat praktis yang pertama kali
dipergunakan untuk menangani penyelesaian
permasalahan yang kompleks yang umum terjadi pada
industri, pertanian dan pemerintahan.
 LP adalah alat untuk mengelola proyek yang kompleks
melalui cara yang efisien dan tepat waktu, dengan budget
(anggaran) tertentu dan berbagai kendala lainnya
 LP dalam Bidang Kehutanan
 didefinisikan sebagai suatu metode pengalokasian sumberdaya
yang terbatas untuk menghitung aktivitas secara optimal.
 Definisi ini dapat menggabarkan dengan baik situasi yang selalu
dihadapi oleh manajer.
 Sumberdaya dimana mereka bekerja, lahan, masyarakat, pohon,
waktu atau uang selalu dalam keadaan [Link] jauh lagi,
kebanyakan dari aktivitas yang dilakukan manajer adalah
menghitung sumberdaya-sumberdaya tersebut.
 Contoh:
 seorang manajer ingin meningkatkan lahan yang dapat ditumbuhi
oleh Jabon, akan tetapi yang tersedia adalah untuk mahoni.
 Manajer lainnya ingin menambah pegawai untuk mempersiapkan
penjualan kayu, tetapi akibatnya lebih sedikit pegawai yang
tersedia untuk melakukan pekerjaan perbaikan tegakan. Dia
dapat menyewa orang, tetapi dana yang tersedia terlalu sedikit.
• Tidak perduli aksi apa yang mereka pilih,
manajer selalu menghadapi kendala yang
membatasi range dari pilihan mereka.

• LP didesign untuk membantu para manajer. LP

ini tidak hanya dapat memperlihatkan
kemampuan untuk memberikan alternatif-
alternatif yang mungkin terjadi tetapi dapat
membantu untuk memilihkan yang terbaik.

• LP membutuhkan tujuan manajemen dan juga

kendala dapat terdefinisikan secara matematis
yang tepat.
 LINEAR PROGRAMING

 LP merupakan alat bantu dalam proses

pembuatan suatu keputusan

 Linear : sifat dasar persamaan atau

ketidaksamaan di dalam model matematika
harus berpangkat satu (power of one)

 Sebuah model matematika (model building)

sudah diperoleh – maka 50% persoalan sudah
dapat diselesaikan
 MODEL MATEMATIKA (MODEL
BUILDING)
 Dalam pembuatan model matematika, tiga hal yang
harus dipahami :

1. FUNGSI TUJUAN (OBJECTIVE FUNCTION)

2. FUNGSI PEMBATAS (CONSTRAINT atau

SUBJECT TO)

3. VARIABEL KEPUTUSAN (DECISION

VARIABLE)
 FUNGSI TUJUAN
• Fungsi tujuan adalah sebuah fungsi matematika yang akan
dibentuk berdasarkan informasi yang ada pada sebuah
persoalan

• Bentuk fungsi tujuan : maksimasi (Max) dan Minimasi (Min)

• Tata cara :
1. Persoalan mencari nilai maksimum atau semakin besar
semakin disukai, maka bentuk persoalan yang dihadapi
mengarah kepada mencari laba (Profit) sebanyak
mungkin.
Fungsi tujuan : Max (laba) = .....+ ......+.....+ dst
 FUNGSI TUJUAN
2. Persoalan mencari nilai minimum atau semakin kecil semakin
disukai, maka bentuk persoalan yang dihadapi adalah
bagaimana menekan biaya produksi (Cost) atau bagaimana
menekan tingkat resiko (risk) serendah mungkin.

Fungsi tujuan : Min (cost) = .....+ ......+.....+ dst

3. Besarnya biaya atau laba selalu diukur dengan menggunakan

nilai uang. Oleh karena itu apabila ada informasi yang
menggunakan nilai uang, maka kemungkinan terbesar itulah
yang akan mengarahkan ke bentuk fungsi tujuan.

4. Setiap LP hanya memiliki satu bentuk fungsi tujuan.

 Bentuk umum dari dari bentuk standard adalah:
menemukan nilai dari n variabel X1, X2,….,Xn (berdasar
pada variabel keputusan atau kegiatan), seperti fungsi
tujuan Z dimaksimumkan.

 Fungsi Tujuan dari sebuah fungsi linier dari n variabel

keputusan:
Max Z = c1X1 + c2X2 + …+ cnXn

 Dimana c1,…,cn adalah parameter yang konstant. Setiap

parameter, cj, mengukur kontribusi dari variabel terkait,
Xj, terhadap fungsi tujuan. Sebagai contoh, jika X1 naik
(turun) satu unit, maka variabel lain tetap seimbang, Z
naik (turun) sebesar c1 unit.
 FUNGSI PEMBATAS

• Menuliskan persamaan atau ketidaksamaan dalam model

matematika sangat menentukan kebenaran dan keakuratan
hasil yang akan diperoleh. Kesalahan dalam mendeteksi
tanda pembatas, akan berakibat fatal kepada penyelesaian
hasil.

• Tanda Pembatas ada 3 macam :

1. Lebih kecil dati atau sama dengan.... Dengan simbol ≤
2. Lebih besar dari atau sama dengan ....Dengan simbol ≥
3. Sama dengan ..... Dengan simbol =
 FUNGSI PEMBATAS

• Bagaimana cara yang lebih mudah menentukan bentuk dari

sebuah pembatas ?
Bentuk ≤ : kalau informasi atau pernyataan yang ada berbunyi
seperti kata berikut :
 Tidak boleh melebihi dari/not more than
 Paling banyak digunakan/ up to/at most
 Maksimum pemakaian/maximum use
 Tersedia/available
Bentuk ≥ : kalau informasi yang ada berbunyi :
 Jangan sampai kurang dari/not less than
 Paling sedikit adalah / at least
 Minimum penggunaan/minimum use
 FUNGSI PEMBATAS

Bentuk = : kalau informasi atau pernyataan yang ada berbunyi seperti

kata berikut :
 Pemakaian bahan harus sebanyak/must be

Untuk membantu mempermudah pendeteksian fungsi pembatas, maka

dapat disajikan dalam bentuk tabel

Output
Jenis
Satuan Besaran Tanda X1 X2 ....Xn
pembatas

...... ....... ...... ....... ...... ....... .......

...... ....... ...... ....... ...... ....... .......
...... ....... ...... ....... ...... ....... .......
 Kendala dapat diekspresikan secara umum:
a11X1 + a12X2 + …+ a1nXn  b1
a21X1 + a22X2 + …+ a2nXn  b2
.
.
.
am1X1 + am2X2 + …+ amnXn  bm

Dimana b1, b2, …, bm adalah konstan. Konstanta tersebut sering

menunjukkan jumlah ketersediaan sumberdaya. Sebagai contoh, b 1 dapat
berupa lahan area yang dapat dimanfaatkan oleh manajer, b2 adalah jumlah
ketersediaan dana yang dapat dipakai. Sehingga, setiap aij adalah sebuah
konstanta yang mengukur berapa banyak sumberdaya i yang dipergunakan
per unit kegiatan j. Sebagai contoh, tetap mempertahankan interpretasi dari
b2 yang telah diberikan dan mengasumsikan bahwa X1 adalah luas area (ha)
yang ditanami pada tahun tertentu, a21 adalah biaya tanam satu hektar.
 Secara lebih umum, interpretasi ini berarti bahwa produk
aijXj adalah jumlah sumberdaya i yang dipergunakan pada
aktivitas j pada level Xj. Ditambakan pada semua produk
pada semua aktifitas merujuk pada ekspresi umum untuk
jumlah total dari sumberdaya i yang digunakan pada
semua n aktivitas:
Ri = ai1X1 + ai2X2 +…+ ainXn
Dalam LP Ri berarti pada aktivitas baris i, secara
simetri dengan aktivitas kolom, Xj.

Ditambahkan kendala non negativ untuk melengkapi

bentuk standard:
X1, X2, …, Xn  0
Model standard (baku) linear programming dapat
diekspresikan ke bentuk yang lebih kompak denagn
mempergunakan huruf kapital yunani sigma () untuk
melambangkan penjumlahan. Permasalahan LP secara
umum ditetapkan sebagai Xj (j=1,…,n) seperti pada:
n
Max Z = c
j 1
j Xj

n
Dimana :
a
j 1
ij X ij  bi

untuk i= 1,…,m
Xj  0 untuk j = 1,…,n
 Asumsi dalam LP
• PROPORSIONALITAS
aktivitas-aktivitas yang dilakukan berkontribusi langsung terhadap fungsi tujuan secara
proporsional pada level kegiatan tersebut. Ketika level aktivitas meningkat atau menurun,
perubahan dari fungsi tujuan karena perubahan unit pada aktivitas akan tetap.

• ADITIVITAS
kontribusi seluruh aktivitas terhadap fungsi tujuan merupakan penjumlahan dari setiap
aktivitas yang dianggap tidak tergantung (independent).

• DIVISIBILITAS
seluruh aktivitas berjalan secara kontinu dan dapat mengambil berapa saja nilai positif.
Hal ini berarti bahwa model LP tidak secara keseluruhan cocok dengan situasi dimana
variabel keputusan hanya bisa mempergunakan nilai interger.

• DETERMINISTIK
Dalam menghitung sebuah solusi tidak diperhitungkan bahwa seluruh koefisien dari
model merupakan perkiraan saja. Karena alasan tersebut, sangat bijaksana jika
menggunakan LP tidak menghasilkan hanya satu solusi, akan tetapi beberapa. Setiap
solusi berkaitan dengan asumsi yang berbeda dan rasional untuk setiap nilai parameter-
parameternya. Sensitivitas analisis memperlihatkan seberapa sensitiv sebuah solusi
 VARIABEL KEPUTUSAN

 Variabel keputusan adalah variabel yang akan

menentukan besar kecilnya nilai fungsi tujuan

Contoh kasus :
Untuk mencapai target laba yang lebih besar dari
sebelumnya, perusahaan furniture akan memasarkan
produk lemari dan meja belajar. Maka Lemari dan
Meja belajar disebut sebagai variabel keputusan.
Karena jumlah lemari dan meja belajar yang terjual
akan menentukan besar kecilnya perolehan laba.
 CONTOH KASUS 1
Menghadapi masa sekolah tahun ajaran baru, Perusahaan Ligna
merencakan memasarkan 2 produk terbaru berupa rak-rak buku dan meja
belajar. Keputusan ini dihasilkan setelah Rapat Komisaris mendapat
informasi perkiraan sementara jika produk ini dipasarkan akan mampu
memberikan kontribusi laba kepada perusahaan sebesar Rp. 600.000
untuk setiap rak-rak buku dan Rp 500.000 untuk setiap meja belajar.
Menurut rencana pembuatan kedua produk ini akan melalui tahap
pemotongan bahan baku berupa playwood dan tahap penyelesaian akhir
berupa melapisi dengan bahan anti rayap. Perhitungan manajer produksi
menyatakan bahwa setiap unit rak-rak buku menghabiskan waktu untuk
pemotongan selama 4 jam dan untuk melapisi bahan anti rayap selama 4
jam. Demikian juga untuk setiap unit meja belajar menghabiskan waktu
untuk pemotongan selama 3 jam dan untuk melapisi bahan anti rayap
selama 5 jam.
Persoalan yang dihadapi oleh perusahaan adalah
keterbatasan waktu operasional yang tersedia untuk
rencana tersebut dimana alokasi waktu operasional
pemotongan adalah 40 jam dan untuk melapisi bahan anti
rayap 30 jam. Bagaimana dan berapa unit masing-masing
produk tersebut harus diproduksi agar tujuan perusahaan
mencari keuntungan sebesar mungkin menjelang tahun
ajaran mendatang tercapai. Untuk mendapat jawaban dari
persoalan di atas maka perlu dilakukan langkah-langlah
penyelesaian sebagai berikut :
1. Identifikasi Decision Variable (Variabel Keputusan)
Salah satu caranya adalah melihat “output perusahaan. Pada
soal di atas diketahui 2(dua) macam output berupa dua buah
produk yaitu rak-rak buku dan meja belajar. Maka dalam
membuat model matematika kita misalkan :
Rak-rak buku = X1
Meja Belajar = X2
2. Soal di atas mengarah kepada mencari laba maksimum
Maka kita perlu mengetahui kontribusi laba dari setiap ouput
yang akan diproduksi yaitu :
Kontribusi laba per unit X1 = Rp. 600.000
Kontribusi laba per unit X2 = Rp. 500.000
3. Jenis pembatas atau contraint yang dihadapi adalah :
Ketersediaan waktu
Persediaan waktu untuk permotongan ≤ 40 jam
Persediaan waktu untuk anti rayap ≤ 30 jam
4. Keperluan waktu setiap unit X1 dan X2

Keperluan waktu untuk setiap unit output

Tahap Pekerjaan Rak-rak Buku (X1) Meja Belajar (X2)
Pemotongan 4 jam 3 jam
Pelapisan anti rayap 4 jam 5 jam

Sekarang kita sudah dapat memahami inti persoalan yaitu

bagaimana mengoptimalkan sumberdaya waktu yang terbatas untuk
mendapatkan laba yang maksimum.

Model Matematika :
I. Fungsi Tujuan Max (Z) = Rp. 600.000 (X1) + Rp. 500.000
(X2)
II. Fungsi batasan
 Bagaimana cara yang mudah membentuk fungsi batasan ?. Maka perhatikan form isian berikut
ini :

Pembatas Satuan Besaran Tanda OUTPUT

X1 X2
Pemotongan Jam 40 ≤ 4 jam 3 jam

Anti rayap Jam 30 ≤ 4 jam 5 jam

Kesimpulan bentuk Model adalah :

• Fungsi Tujuan : MAX [Z] : 600.000 X1 + 500.000 X2
• Fungsi Batasan :
Pemotongan 4 X1 + 3 X2 ≤ 40
Anti rayap 4 X1 + 5 X2 ≤ 30
• Non-Negativity X1,X2 ≥ 0
 CONTOH KASUS 2
Sebuah Pabrik perekat plywood merencanakan 2 (jenis)
produk yang akan diekspor dan untuk dijual di dalam
negeri. Untuk keperluan pembuatan kedua jenis produk
tersebut, perusahaan merencanakan mengoptimalkan
penggunaan 3 (jenis) bahan baku yang masing-masing
terbatas jumlahnya yaitu 20 ton untuk bahan baku A; 5 ton
untuk bahan baku B dan 21 ton untuk bahan baku C.
Ketiga bahan baku ini dicampur sat sama lain untuk
mendapatkan setiap ton produk perekat yang akan
dihasilkan. Hasil analisis manajer produksi ditetapkan
bahwa setiap ton produk untuk ekspor memerlukan 2/5 ton
bahan baku A; tidak memerlukan bahan baku B dan 3/5 ton
bahan baku C. Sedangkan untuk setiap ton produk untuk
dijual didalam negeri memerlukan ½ ton bahan baku A; 1/5
ton bahan baku B dan 3/10 bahan baku C.
Dalam proses-proses produksi biaya yang dikeluarkan untuk
setiap ton produk ekspor adalah Rp. 270.000,- dan untuk
konsumsi dalam negeri adalah Rp. 210.000,-. Seandainya
harga jual yang ditetapkan untuk produk ekspor Rp. 670.000
per ton dan Rp. 510.000,- untuk dalam negeri, berapa ton
masing-masing produk dapat dihasilkan, agar tujuan
mendapatkan laba semaksimal mungkin dapat tercapai?
Bagaimana Langkah- Langkah Penyelesaiannya ? Ikuti cara berikut
ini
1. Misalkan Produk untuk export = X1
Produk untuk dalam negeri = X2
2. Biaya Produksi per ton produk [X1] = Rp. 270.000
Biaya Produksi per ton produk [X2] = Rp. 210.000
Harga jual per ton produk [X1] = Rp. 670.000
Harga jual per ton produk [X2] = Rp. 510.000
Karena Harga jual > Biaya Produksi, maka masing-masing Produk
memberikan kontribusi laba.
Laba per ton [X1] = Harga jual [X1] – Biaya Produksi [X1]
= Rp. 400.000
Laba per ton [X2] = Rp. 300.000

Maka bentuk Fungsi Tujuan adalah Maksimisasi

MAX Z = 40 X1 + 30 X2 (dalam puluhan ribu)
3. Jenis pembatas yang dihadapi 3 macam bahan baku.
a. Jumlah bahan baku A terbatas [ ≤ ] 20 ton
b. Jumlah bahan baku B terbatas [ ≤ ] 5 ton
c. Jumlah bahan baku C terbatas [ ≤ ] 21 ton

4. Bahan Baku Produk X1 ProdukX2

Bahan A 2/5 ton 1/2 ton
Bahan B 0 ton 1/5 ton
Bahan C 3/5 ton 3/10 ton

Kesimpulan Model matematika Linear programming

Fungsi Tujuan : MAX [Z] = 40 X1 + 30 X2 (puluhan ribu)
Bahan Baku A: 2/5 X1 + ½ X2 ≤ 20
Bahan Baku B: 1/5 X2 ≤5
Bahan Baku C: 3/5X1 + 3/10 X2 ≤ 21
Non-Negativity X1,X2 ≥0
 METODE GRAFIK

• Penggunaan metode grafis untuk penyelesaian

persoalan yang telah diformulasikan kedalam linear
programming dilandasi oleh landasan teoritis
sebagai berikut :

1. Kemampuan mata untuk melihat bidang 2

dimensi lebih mudah dan terjamin dari 3 dimensi.
2. Untuk memenuhi syarat non-negativity bagi setiap
variabel, maka nilai yang positif untuk semua
variabel hanya terdapat pada bidang Quadrant 1.
 METODE GRAFIK
• Langkah menyelesaikan persoalan dengan metode grafik :

1. Buat model building atau Formulasi matematika LP.

2. Cari persamaan garis dari dari setiap batasan yang ada
3. Siapkan sumbu Horizontal untuk variabel yang pertama
dan sumbu vertikal untuk variabel kedua
4. Gambarkan masing-masing garis yang sdh diperoleh absis
dan ordinat pada langkah no. 2
5. Tentukan daerah kelayakan (Feasible Region). Untuk
pedoman, lihat bentuk tanda pembatas constraint. Untuk
tanda ≤ daerah yang memenuhi adalah dimulai dari garis
tersebut kearah sebelah kiri. Untuk tanda ≥ dimulai dari
garis tersebut kearah sebelah kanan. Sedangkan tanda
batasan = dipilih tepat pada garis tersebut.
6. Jika daerah kelayakan berbentuk sebuah bidang
(segitiga, atau segiempat atau trapesium), maka
tentukan titik pojok (extreme point) yaitu titik pada
pojok dari sebuah bidang yang dihasilkan. Namun
tidak selamanya daerah kelayakan tersebut
berbentuk sebuah bidang. Dengan kata lain, dapat
berbentuk sepotong garis atau sebuah titik.
7. Hitung koordinat masing-masing titik pojok.
8. Cari titik penyelesaian optimal (TPO)
9. Buat kesimpulan jawaban.
 Penyelesaian metode grafik

Fungsi Tujuan : MAX Z = 40 X1 + 30 X2

Fungsi batasan :
1. 2/5 X1 + ½ X2 ≤ 20
2. 1/5 X2 ≤ 5
3. 3/5 X1 + 3/10 X2 ≤ 21
X1, X2 ≥ 0
 Penyelesaian metode grafik
Pertama : MAX Z = cara koordinat persamaan garis setiap batasan

1. 2/5 X1 + ½ X2 = 20
Jika X2 = 0, maka 2/5 X1 +1/2 (0) = 20
2/5 X1 = 20
X1 = 5/2 x 20 = 50
Jika X1 = 0, maka ½ X2 = 20
X2 = 40

Didapat garis 1 dengan koordinat (50 ; 40)

2. 0 X1 + 1/5 X2 = 5
Karena X1 = 0, maka 1/5 X2 = 5
X2 = 25

Didapat garis 2 dengan koordinat (0 ; 25)

 Penyelesaian metode grafik

3. 3/5 X1 + 3/10 X2 = 21
Jika X2 = 0, maka 3/5 X1 = 21
X1 = 35
Jika X1 = 0, maka 3/10 X2 = 21
X2 = 70

Didapat garis 3 dengan koordinat (35 ; 70)

 Penyelesaian metode grafik
Kedua : Gambarkan
X2
70

3/5 X1 + 3/10 X2 = 21

40

A 0
B X1 + 1/5 X2 = 5
25 C

2/5 X1 + 1/2 X2 = 20

0 35 X2
Daerah kelayakan
 Penyelesaian metode grafik
Ketiga : Hitung koordinat masing2 titik pojok (extreme point)

Titik (0) atau original (0;0)

Titik (A) (0;25)
Titik (B) (? ; ?)
Titik (C) (? ; ?)
Titik (D) (35; 0)

Untuk mencari koordinat B dan C dapat dilakukan dengan cara

berikut :
Titik B dilalui oleh 2 garis persamaan :
Garis 1 : 2/5 X1 + ½ X2 = 20
Garis 2 : 1/5 X2 = 5
 Penyelesaian metode grafik
Dua buah persamaan dengan 2 buah variabel tentu dapat dicari
nilai X1 dan X2 dengan menggabungkan kedua persamaan
tersebut dan melalui proses eliminasi seperti dibawah ini :

2/5 X1 + ½ X2 = 20
1/5 X2 = 5 ............... X2 = 25

Subsitusikan nilai L = 25 kesalah satu satu persamaan diatas, maka

2/5 X1 + ½ (25) = 20
2/5 X1 = 20 – 12.5
X1 = 5/2 * 7.5
X1 = 18.75
Berarti titik B (18.75; 25 )
 Penyelesaian metode grafik
Titik C juga dilalui oleh dua buah garis dengan persamaan :

Garis 1 : 2/5 X1 + ½ X2 = 20
Garis 2 : 3/5 X1 + 3/10 X2 = 21

Dua buah persamaan dengan 2 buah variabel tentu dapat dicari nilai X1 dan X2
dengan menggabungkan kedua persamaan tersebut dan melalui proses eliminasi
seperti dibawah ini :

2/5 X1 + ½ X2 = 20 (kalikan 3)
3/5 X1 + 3/10 X2= 21 (kalikan 2)
6/5 X1 +3/2 X2 = 60
6/5 X1 + 6/10 X2 = 42 (dikurangkan)
0 X1 + 9/10 X2 = 18
X2 = 10/9 * 18
X2 = 20
 Penyelesaian metode grafik
Dengan nilai X2 = 20 ...................... Maka nilai X1
2/5 X1 + ½ X2 = 20
2/5 X1 + ½ (20) = 20
2/5 K = 10
K = 25
Maka koordinat titik C (25;20)
Keempat......Tentukan titik Penyelesaian Optimal [TPO]

Untuk mencari titik Optimal [TPO] maka salah satu caranya

adalah mencari Nilai fungsi Tujuan [Z] yang terbesar. Nilai Z ini
diperoleh dengan tujuan memasukkan angka koordinat setiap titik
pojok ke dalam persamaan Fungsi Tujuan .
Fungsi Tujuan..... Max [Z] = 40 X1 + 30 X2
Titik 0 [0;0] maka Nilai Z = [ 40 * 0] + [30 * 0] = 0
Titik A [0 ; 25] maka Nilai Z = [ 40 * 0] + [30 * 25] = 750
Titik B [ 18.75 ; 25] maka nilai Z= 1500
Titik C [25;20] maka Nilai Z = 1600
Titik D [35 ; 0] maka nilai Z= 400

Dari kesemua nilai Z maximum, maka nilai yang terbesar adalah

1600 yang diperoleh pada titik pojok C. Titik Pojok C disebut juga
Titik Penyelesaian Optimal.
Kesimpulan jawaban adalah, laba maksimal yang diperoleh
adalah sebesar 1600 dengan memproduksi produk X1 sebanyak
25 unit serta produk X2 sebanyak 20 unit.