presentasi program kerja calon rektor unimed priode 2007 - 2011 - presentasi program kerja calon rektor unimed

priode 2007 - 2011 - presentasi program

PEMROGRAMAN LINEAR SEBAGAI

TEKNIK PENGAMBILAN
KEPUTUSAN
Oleh:
Indra Maipita
 PENGANTAR
• Sebagian besar persoalan manajemen
berkenaan dengan:
– Penggunaan SD secara efisien;
– Alokasi resources yang terbatas, seperti : skill, land,
capital, bahan mentah, dll.
• Dalam keadaan resources yang terbatas harus
dicapai suatu hasil yang optimal, atau dengan
kata lain bagaimana caranya agar dengan input
yang terbatas dapat dicapai output yang
optimal.
• Pemrogrman linear banyak memberikan solusi
persoalan sebagai alternatif dalam mengambil
keputusan tetapi hanya ada satu yang “optimal”
(maximum or minimum).
Matematika Ekonomi, Masalah OPTIMASI: Pemrograman Linear (Indra Maipita, Fakultas Ekonomi Universitas Negeri Medan 2006)

• Misal: pimpinan suatu perusahaan bermaksud untuk

mencapai hasil penjualan yang maksimum (maximum
revenue). Diputuskan untuk memproduksi sebanyak
mungkin product. Jika barang tersebut semuanya laku
terjual maka maximum revenue akan tercapai. Tetapi
pimpinan perusahaan ternyata menghadapi beberapa
kendala atau batasan-batasan (constraints), misalnya:
– Jumlah yang diproduksi tidak habis diserap pasar;
– Persediaan bahan mentah tidak cukup;
– Tenaga kerja, mesin serta modal yang terbatas, dsb.
• Persoalan yang timbul selanjutnya: ”Bagaimana meng-
optimalkan tujuan dengan memperhatikan input yang
terbatas?
• Ini merupakan sasaran linear programming dimana
pemecahan harus mencapai optimal, maximum profit
atau minimum cost.
Matematika Ekonomi, Masalah OPTIMASI: Pemrograman Linear (Indra Maipita, Fakultas Ekonomi Universitas Negeri Medan 2006)

• Prosedur pemecahan persoalan optimasi dilakukan

dengan memodelkan persoalan yang ada dengan
sebuah program matematis, kemudian memecahkan
persoalannya dengaan menggunakan teknik-teknik
tertentu.
• Langkah-langkah untuk mengubah masalah lisan ke
dalam program matematis:
– Tentukan besaran yang akan dioptimasikan dan nyatakan ia
sebagai sebuah fungsii matematis. Penentuan ini dengan
sendirinya memerlukan pendefenisian variabel masukan.
– Identifikasikan semua persyaratan dan pembatasan yang
dituntut dan nyatakan mereka secara matematis. Persyaratan ini
merupakan kendala - kendala (constraint).
– Nyatakan juga setiap persyaratan yang terselubung (hidden
conditions). Persyaratan ini tidak dikemukakan secara eksplisit
dalam persoalannya tetapi menjadi jelas dalam keadaan fisik
yang dimodelkan. Umumnya ini mencakup persyaratan
taknegatif atau bulat pada variabel masukan.
Matematika Ekonomi, Masalah OPTIMASI: Pemrograman Linear (Indra Maipita, Fakultas Ekonomi Universitas Negeri Medan 2006)

• CONTOH :
• Seorang tukang perabot mempunyai 6 unit kayu
dengan waktu luang 28 jam. Ia akan membuat
tirai-tirai hiasan. Dua model telah terjual
sehingga ia ingin membatasi pekerjaannya pada
kedua model itu saja. Ia memperkirakan bahwa
model I memerlukan 2 unit kayu dan siap dalam
waktu 7 jam, sedangkan model II memerlukan 1
unit kayu dan waktu 8 jam. Harga dari kedua
model itu $120 dan $80. Buatlah model
matematikanya jika ia ingin memaksimumkan
pendapatan.
SOLUSI
Tujuan (objektif) adalah memaksimumkan
pendapatan (dalam dollar).

Andaikan Z adalah objective, maka:

Z = 120 kali jumlah tirai I + 80 kali
jumlah tirai II
Misal: x1 = jumlah tirai model I
x2 = jumlah tirai model II sehingga
fungsi objektif menjadi :
maksimumkan : Z = 120x1 + 80 x2
Tukang kayu dibatasi oleh jumlah kayu yang tersedia,
kendala kayu dapat ditulis :
2x1 + x2 ≤ 6
Juga dibatasi oleh jumlah waktu yant tersedia, kendala
waktu ditulis :
7x1 + 8x2 ≤ 28
Tirai tidak mungkin diproduksi dalam besaran yang
negatif, dan tidak ada tirai dijual dalam bentuk setengah
jadi, sehingga kendala yang tersembunyi adalah :
x1≥0 ; x2≥0 dan x1, x2 є bilangan bulat.
Secara lengkap program matematiknya menjadi :
Maksimumkan : Z = 120x1 + 80x2
Dengan kendala :
2x1 + x2 ≤ 6
7x1 + 8x2 ≤ 28
x1≥0 ; x2≥0
dan x1, x2 є bilangan bulat.
Contoh 2
† Suatu perusahaan plastik mempunyai persediaan
pembungkus transparan sebanyak 1200 kotak di
pabriknya yang satu dan 1000 kotak dipabrik yang
lain. Perusahaan ini menerima pesanan dari 3
pengecer yang berbeda, masing-masing sejumlah
1000, 700 dan 500 kotak. Biaya pengiriman unit
(dalam ribuan rupiah) dari kedua pabrik kepada
pengecer sebagai berikut :
Pengecer 1 pengecer 2 pengecer 3
Pabrik I 14 13 11
Pabrik II 13 13 12
† Tentukan suatu skedul pengiriman dengan biaya
minimum untuk memenuhi semua permintaan dengan
persediaan yang ada.
SOLUSI
† Dengan menuliskan xij (I = 1,2 ; j=1,2,3)
untuk jumlah kotak yang akan dikirim dari
pabrik I ke pengecer j, maka diperoleh
fungsi tujuan sebagai berikut :
Min. Z = 14x11 + 13x12 + 11x13 + 13x21 + 13x22 +12x23
Karena jumlah yang dikirim masing-masing
pabrik tidak dapat melebihi jumlah
persediaannya, maka :
x11 + x12 + x13 ≤ 1200 (pengiriman dari pab.I)
x21 + x22 + x23 ≤ 1000 (pengiriman dari pab.II)
† Jumlah total yang dikirim kepada pengecer
harus memenuhi permintaan mereka dan
tidak boleh kurang, sehingga :
x11 + x21 ≥ 1000 (ke pengecer 1)
x12 + x22 ≥ 700 (ke pengecer 2)
x13 + x23 ≥ 500 (ke pengecer 3)

† Karena persediaan totalnya (1200+1000)

sama dengan jumlah permintaan total
(1000+700+500) dan tidak ada barang
yang kurang dan tersisa, maka tiap-tiap
ketidak samaan kendala dapat dijadikan
suatu kesamaan.
† Program matematiknya menjadi :
Min : Z = 14x11 + 13x12 + 11x13 +
13x21 + 13x22 +12x23
† Dengan kendala :
x11 + x12 + x13 = 1200
x21 + x22 + x23 = 1000
x11 + x21 =1000
x12 + x22 = 700
x13 + x23 = 500
semua variables tak negative dan
bulat.
METODE GRAFIK UNTUK PEMECAHAN PR
OGRAM LINEAR
• Kemampuan metode grafik untuk memecahkan persoalan pr
ogram linier hanya terbatas untuk 2 variabel, karena jika lebi
h akan sangat sulit sekali bahkan tidak bisa menggambarkan
nya dalam bidang dua dimensi.

• Permasalahan :
• Sebuah perusahaan kayu membuat dua jenis produk, yaitu
meja dan kursi, yang harus diproses melalui perakitan dan p
emolesan. Perakitan memiliki 60 jam kerja, sedangkan pemol
esan 48 jam kerja, Untuk menghasilkan satu meja dibutuhka
n 4 jam kerja perakitan dan 2 jam pemolesan. Untuk kursi di
buthkan 2 jam perakitan dan 4 jam pemolesan. Laba tiap me
ja dan kursi masing-masing $8 dan $6. Berapa banyakkah m
eja dan kursi yang diproduksi agar laba maksimum?
 SOLUSI
Dapat diringkas dalam bentuk tabel:

waktu yang
dibutuhkan
Meja Kursi Total jam
Perakitan 4 2 60
pemolesan 2 4 48
laba per unit $8 $6
† Misalkan M = jumlah meja yang diproduksi
K = jumlah kursi yang diproduksi

† Maka model matematisnya dapat ditulis

sebagai berikut :
Max. : Z = 8M + 6K
† Dengan kendala :
4M + 2K ≤ 60
2M + 4K ≤ 48
semua variables tak negative dan bulat.
 K

(0,30)

4M+2K=60 Fisible region/

solution

D(0,12)

C(12,6)

2M+4K=48
M
A(0,0) B(15,0) (24,0)
† Kombinasi meja dan kursi yang
berada dalam ABCD disebut
pemecahan yang memungkinkan
(fesible solutions), dan bidang ABCD
itu sendiri disebut daerah yang
memungkinkan (feasible region).
† Kombinasi diluar ABCD tidak mungkin
terjadi karena tidak memenuhi
kendala yang ada.
† Koordinat titik D dapat dicari dengan
cara mengeliminasi kedua persamaan
garis kendala.
† Substitusikan ke-empat titik pada
fungsi tujuan Z (objective):
 Titik Z = 8M + 6K
A(0,0) 8(0) + 6(0) = 0
C(15,0) 8(15) + 6(0) = 120
D(12,6) 8(12) + 6(6) = 132
E(0,12) 8(0) + 6(12) = 72

† Berarti keuntungan yang maksimum akan

dicapai perusahaan tersebut jika
memproduksi 12 meja dan 6 kursi, dengan
total keuntungan $132.
PEMROGRAMAN LINER

METODE SIMPLEK
BENTUK STANDAR
z Metode untuk memecahkan program linear yang
melibatkan banyak variable dapat dilakukan dengan
metode simplek.
z Kendala linear memiliki bentuk :
∑aijXj ˜ bi ,
dimana ˜ adalah satu dari relasi ≤, ≥, atau = dan
konstanta bi selalu dianggap tak negatif. Jika kendala
bi negatif, dapat dikalikan dengan negatif sehingga
menjadi positif.
z Sebuah kendala linear berbentuk ∑aijXj ≤ bi, dapat
diubah menjadi suatu persamaan dengan menambah
sebuah variabel tak negatif baru pada ruas kiri.
Variabel ini sama dengan selisih antara ruas kanan
dan ruas kiri dan diberi nama variabel kurang (slack
variable).
 Contoh
4X1 + 5X2 + 3X3 + 8X4 ≤ 20000
z Andaikan ruas kiri dari ketaksamaan tsb.
Memodelkan jumlah jam untuk memasang
semua bodi mobil, sedangkan ruas kanan adalah
jumlah jam yang tersedia. Ketaksamaan tersebut
ditransformasi menjadi :
4X1 + 5X2 + 3X3 + 8X4 +X5 ≤ 20000
z Disini X5 merupakan jumlah jam pemasangan
yang tersedia pada pabrik, tetapi tidak
digunakan.
z Sebuah kendala linear yang berbentuk ∑aijXj
≥ bi, dapat diubah menjadi suatu persamaan
dengan mengurangkan sebuah variabel baru
tak negatif pada ruas kirinya. Variabel ini
sama dengan selisih antara ruas kanan dan
ruas kiri dan diberi nama variabel surplus
(surplus variable). Variabel ini menyatakan
kelebihan masukan ke dalam tingkat sistem
yang dimodelkan oleh kendala.
Contoh
4X1 + 5X2 + 3X3 + 8X4 ≥ 20000
z Andaikan ruas kiri merupakan gabungan
jumlah mobil yang diproduksi dalam setahun,
sedangkan ruas kanan jumlah minimum yang
dibutuhkan untuk memenuhi kontrak.
Ketaksamaan ini ditransformasi menjadi :
4X1 + 5X2 + 3X3 + 8X4 –X5 ≥ 20000
z Pada ruas kiri dari setiap persamaan yang
tidak mengandung variabel kurang, masih
perlu ditambahkan sebuah variabel baru yang
disebut variabel buatan (artificial variable).
Dengan demikian setiap persamaan kendala
akan memuat variabel kurang atau variabel
buatan.
z Pemecahan awal yang tak negatif diperoleh
dengan menetapkan setiap variabel kurang
dan variabel buatan sama dengan ruas kanan
dimana ia muncul dan menetapkan semua
variabel lainnya termasuk variabel surplus
sama dengan nol.
 Contoh
X1 + 2X2 ≤ 3
4X1 + 5X2 ≥ 6
7X1 + 8X2 = 15
z Setelah ditransformasikan menjadi :
X1 + 2X2 + X3 =3
4X1 + 5X2 - X4 + X5 =6
7X1 + 8X2 + X6 = 15
z Pemecahan tak negatif bagi system ini adalah :
X3 = 3, X5 = 6, X6 = 15, dan X1 = X2 = X4 = 0
Pemecahan Awal yang Layak
z Setelah semua kendala linier
ditransformasikan menjadi bentuk persamaan,
maka semua persmaan kendala akan
memiliki variabel kurang atau variabel buatan.
z Pemecahan awal yang layak bagi kendala ini
diperoleh dengan menetapkan setiap variabel
kurang dan variabel buatan sama dengan
ruas kanannya, sedangkan variabel lainnya
sama dengan nol.
 Contoh

Himpunan kendala :
x1 + 2 x2 ≤ 0
4 x1 + x2 ≥ 0
4 x1 + 6 x2 = 0
Tentukan p emecahan awal tak
negatif dari kendala tersebut !
BIAYA HUKUMAN (PENALTY COST)

z Penambahan variabel kurang dan surplus

tidak mengubah sifat kendala maupun tujuan,
oleh karena itu variabel tersebut dapat diikuti
sertakan dalam fungsi tujuan, tetapi dengan
koefisien sama dengan nol. Sedangkan
variabel buatan dapat mengubah sifat dari
kendala karena variabel buatan ini hanya
ditambahkan pada salah satu ruas
persamaan saja, maka sistem yang baru
ekuivalen dengan persamaan yang lama jika
dan hanya jika nilai variabel buatan tersebut
sama dengan nol.
BIAYA HUKUMAN (PENALTY COST)..(2)

z Untuk menjamin penetapan seperti itu, dalam

pemecahan optimal, variabel buatan
diturutkan dalam fungsi tujuan tetapi dengan
koefisien positif yang besar sekali untuk
program meminimumkan (minimisasi) dan
koefisien negatif yang besar sekali untuk
rogram maksimum. Koefisien-koefisien
tersebut dinyatakan dengan M atau –M,
menyatakan hukuman yang berat sekali yang
dikenakan dalam membuat suatu penetapan
satuan pada variabel buatan.
Soal
1. Rumuskan persoalan berkut dalam bentuk
standar :
Maksmumkan : Z = 5X1 + 2X2
Dengan kendala :
6X1 + X2 ≥ 6
4X1 + 3X2 ≥ 12
X1 + 2X2 ≥ 4 ; X1,X2 >0
2. Maksimumkan : Z = 25X1 + 30X2
Dengan kendala :
4X1 + 7X2 ≥ 1
8X1 + 5X2 ≤ 3
6X1 + 9X2 = -2 X1,X2 >0
METODE SIMPLEK

z Bentuk standar:

Optimasikan Z = CTX
Dengan kendala : AX = B
dan : X ≥ 0
Langkah Penyelesaian
1. Tentukan bilangan yang paling negatif dalam
baris terbawah dari table simplek, dengan
mengabaikan kolom terakhir. Namakan kolom
yang memuat bilangan tersebut dengan kolom
kerja (work column), Jika terdapat lebih dari satu
bilangan yang paling negatif, maka pilihlah salah
satunya.
2. Bentuklah rasio atau nilai perbandingan dengan
membagi setiap bilangan positif pada kolom kerja
dengan elemen pada baris yang sama dalam
kolom terakhir, dimana baris terakhirnya
diabaikan. Jika terdapat lebih dari satu elemen
yang mempunyai rasio terkecil, pilih salah
satunya. Namakan elemen pada kolom kerja yang
menghasilkan rasio terkecil tersebut dengan
elemen pasak (pivot element),. Jika tidak ada
elemen pada kolom kerja yang positif, maka
programnya tidak memiliki pemecahan.
3. Gunakan operasi baris elementer untuk
mengubah elemen pivot menjadi 1,
kemudian reduksikan semua elemen lainnya
dalam kolom kerja menjadi 0.
4. Gantikan variabel X dalam baris pivot pada
kolom pertama dengan variabel X dalam
baris pertama dan kolom pivot. Kolom
pertama yang baru ini adalah himpunan
variabel dasar yang baru.
5. Ulangi langkah 1 sampai 4 hingga tidak
terdapat lagi elemen negatif dalam baris
terakhir, dengan tidak memasukkan kolom
terakhir.
6. Pemecahan optimal diperoleh dengan
menetapkan untuk setiap variabel
dalam kolom pertama = nilai dalam
baris dan kolom terakhir pada baris
yang bersangkutan. Semua variabel
yang lainnya ditetakan bernilai nol.
Nilai optimal dari fungsi objektif adalah
bilangan yang terdapat dalam baris
terakhir dan kolom terakhir untuk
program maksimisasi, sedangkan
negaif dari bilangan ini untuk program
minimisasi
Modivikasi Program dgn Variabel Buatan

z Apabila variabel buatan merupakan

bagian dari pemecahan awal X0, maka
baris terakhir dari table simplek akan
mengandung biaya hukuman. Untuk
meminimumkan kesalahan pembulatan,
maka modifikasi berikut diikut sertakan
dalam metode simplek yang disebut
dengan metode dua fasa (two phase
method).
Langkah Perubahan Metode Dua Fasa

1. Baris terakhir yang mengandung M dari tabel

diuraikan menjadi dua baris, yang pertama
baris yang tidak mengandung M dan yang
kedua baris yang mengandung koefisien M.
z Contoh:
Misalkan baris terakhirnya adalah :
-2-M 0 3-4M M 12
di ubah menjadi dua baris yaitu :
-2 0 3 0 12
-1 0 -4 1 0
2. Langkah 1 dari metode simplek diterapkan
pada baris terakhir yang dibentuk dalam
perubahan 1 (kemudian diikuti oleh langkah
2,3 dan 4), hingga baris ini tidak
mengandung elemen negatif. Kemudian
langkah 1 diterapkan lagi pada elemen
dalam baris kedua dari bawah
3. Setiap saat sebuah variabel buatan bukan
merupakan suatu variabel dasar, ia dapat
dihilangkan dari kolom pertama sebagai
hasil dari langkah 4, maka ia dicoret dari
baris teratas tabel, demikian juga dengan
seluruh isi kolom di bawahnya.
4. Baris terakhir dapat dicoret dari
tabel jika semua elemennya nol.
5. Jika variabel buatan yang tak nol
terdapat dalam himpunan elemen
dasar yang terakhir, maka
programnya tidak memiliki
pemecahan.
Contoh

Max. : Z = X1 + 9X2 + X3
Kendala :
X1 + 2X2 + 3X3 ≤ 9
3X1 + 2X2 + 2X3 ≤ 15
semua var. tak negative
Penyelesaian
z Setelah diubah ke dalam bentuk standar,
selanjutnya dimasukkan ke dalam tabel
simplek seperti berikut :

X1 x2 x3 x4 x5
1 9 1 0 0
X4 0 1 2 3 1 0 9
X5 0 3 2 2 0 1 15
 X1 x2 x3 x4 x5

X4 1 2* 3 1 0 9
X5 3 2 2 0 1 15
-1 -9 -1 0 0 0

X1 x2 x3 x4 x5

X2 1/2 1 3/2 1/2 0 9/2

X5 2 0 -1 -1 1 6
7/2 0 25/2 9/2 0 81/2
z Dengan menerapkan langkah 1 hingga 4
pada table 2, diperoleh tabal 3. Karena baris
terakhir dari table 3 tidak memuat elemen
negatif, maka dari langkah 6 diperoleh
pemecahan optimalnya adalah :
z X2 = 9/2, X5 = 6, X1 = X3 = X4 = 0, dengan Z
= 81/2.
Soal
Min : Z = x1 + 2X2 + 3X3
Kendala :
3X1 + 4X3 ≤ 5
5X1 + X2 + 6X3 = 7
8X1 + 9X3 ≥ 2
Semua variabel tak negatif
terimakasih kepada seluruh anggota senat universitas UNIMED yang telah memberikan kesempatan kepada saya untuk menyampaikan strategic plannin