SlideShare a Scribd company logo
1 of 36
LOGO
DISKUSI :
MANAJEMEN SAINS
PROGRAM LINEAR
Manajemen Sains Riki Ruli A. Siregar
Contents
Diskusi
Contoh Kasus
Teknik & Formulasi
Fungsi & Manfaat
Tujuan
Program Linier
Model matematika digunakan untuk
menyelesaikan masalah optimisasi
Memaksimumkan dan meminimumkan
fungsi tujuan, yang bergantung pada
sejumlah variabel input
Hal terpenting yg harus dilakukan
adalah mencari tahu tujuan
penyelesaian masalah dan apa
penyebab masalah tersebut
Sains Management3
2 macam fungsi Program Linier
1. Fungsi Tujuan
• Mengarahkan analisa untuk
mendeteksi tujuan perumusan
masalah. (Z, R atau P)
2. Fungsi Kendala
• Untuk mengatasi sumber daya
yang tersedia, dan permintaan
atas sumber daya tsb
Sains Management4
Beberapa istilah yang terdapat pada
Model Program Linier
1. Suatu model PL akan membuat permasalahan
menjadi suatu bentuk pengambilan keputusan
mengenai tingkat aktivitas (x1, x2, x3, ……, xn)
disebut variabel keputusan.
2. Solusi feasible (layak) adalah solusi di mana semua
kendala yang ada terpenuhi, dan solusi disebut
infeasible (tak layak) jika paling sedikit ada satu
kendala yang tak terpenuhi.
3. Daerah feasible (layak) adalah kumpulan semua
solusi feasible.
4. Solusi optimal adalah solusi layak yang memiliki nilai
fungsi tujuan terbaik, terbesar jika masalahnya
maksimasi dan terkecil jika masalahnya minimasi.
Beberapa Asumsi Dasar Program Linier
1. Proportionality : naik turunnya nilai Z dan
penggunaan sumber atau fasilitas yang
tersedia akan berubah secara sebanding
(proportional) dengan perubahan tingkat
kegiatan
2. Additivity : nilai tujuan tiap kegiatan tidak
saling mempengaruhi, atau dalam LP
dianggap bahwa kenaikan dari nilai tujuan (Z)
yang diakibatkan oleh kenaikan suatu
kegiatan dapat ditambahkan tanpa
mempengaruhi bagian nilai Z yang diperoleh
dari kegiatan lain
Beberapa Asumsi Dasar PL
3. Divisibility : keluaran (output) yang
dihasilkan oleh setiap kegiatan dapat
berupa bilangan pecahan. Demikian
pula dengan nilai Z yang dihasilkan.
4. Deterministic (Certainty) : Asumsi ini
menyatakan bahwa semua parameter
yang terdapat dalam model LP (ai, bi
Cj) dapat diperkirakan dengan pasti,
meskipun jarang dengan tepat.
Model Program Linier
Fungsi Tujuan :
Max/min z = c1x1 + c2x2 + ... + cnxn
Berdasarkan kendala :
a11x1 + a12x2 + ... + a1nxn (≤, =, ≥) b1
a21x1 + a22x2 + ... + a2nxn (≤, =, ≥) b2
:
am1x1 + am2x2 + ... + amnxn (≤, =, ≥) bm
x1, x2 , ... xn ≥ 0
xj = variabel keputusan ke j
bi = kapasitas kendala ke i
cj = koefisien fungsi tujuan ke j
aij = koefisien kendala
Tujuan Perusahaan
1. Memaksimalkan laba
2. Meminimumkan biaya
Pembatasan-pembatasan :
oWaktu
oTenaga kerja
oEnergi
oBahan baku
oUang
Sains Management9
Langkah-langkah program linier
 Tahap 1
 Masalah harus dapat diidentifikasi sbg
sesuatu yg dapat diselesaikan oleh
program linier
 Tahap 2
 Masalah yang tidak terstruktur harus dapat
dirumuskan oleh model matematika
 Tahap 3
 Model harus dibuat menggunakan model
matematika yag telah dibuat
Sains Management10
Teknik Program Linier
Menggambarkan bahwa
hubungan fungsi linier dalam
model matematika adalah
LINIER
Teknik pemecahan masalah
terdiri dari langkah-langkah
matematika yang telah
ditetapkan (program) Sains Management11
Formulasi Model
1. Variabel Keputusan
2. Fungsi Tujuan
3. Batasan Model
Sains Management12
Formulasi Model
1.Variabel
Keputusan
Simbol matematika
yang
menggambarkan
tingkatan aktivitas
perusahaan
Contoh :
 x1 komputer,
 x2 radio
Sains Management13
2. Fungsi Tujuan Hubungan
matematika linier
yg menjelaskan
tujuan perusahaan
Contoh:
 memaksimalkan
laba
 meminimumkan
biaya
Sains Management14
Formulasi Model
3. Batasan Model • Hubungan linier dari
40 variabel-variabel
keputusan
• Contoh : hanya 40
jam tenaga kerja
tersedia untuk
membuat komputer
• Angka 40 jam dikenal
sebagai parameter
Sains Management15
Formulasi Model
Contoh kasus 1
Sains Management16
Jawaban contoh kasus
Sains Management17
Sains Management18
Jawaban contoh kasus
Program Linier : Metode Grafik
Contoh : Perusahaan sepatu membuat 2 macam sepatu. Yang
pertama merek I1, dgn sol karet, dan merek I2 dgn sol kulit.
Diperlukan 3 macam mesin. Mesin 1 membuat sol karet, mesin
2 membuat sol kulit, dan mesin 3 membuat bagian atas sepatu
dan melakukan assembling bagian atas dengan sol. Setiap lusin
sepatu merek I1 mula-mula dikerjakan di mesin 1 selama 2 jam,
kemudian tanpa melalui mesin 2 terus dikerjakan di mesin 3
selama 6 jam. Sedang untuk sepatu merek I2 tidak diproses di
mesin 1, tetapi pertama kali dikerjakan di mesin 2 selama 3 jam
kemudian di mesin 3 selama 5 jam. Jam kerja maksimum setiap
hari mesin 1 adalah 8 jam, mesin 2 adalah 15 jam, dan mesin 3
adalah 30 jam. Sumbangan terhadap laba setiap lusin sepatu
merek I1 = Rp 60.000,00 sedang merek I2 = Rp 50.000,00.
Masalahnya adalah menentukan berapa lusin sebaiknya sepatu
merek I1 dan merek I2 yang dibuat agar bisa memaksimumkan
laba.
Bentuk Tabel
Merek
Mesin
I1
(X1)
I2
(X2)
Kapasitas
Maksimum
1 2 0 8
2 0 3 15
3 6 5 30
Sumbangan laba 3 5
Model (Matematis) Program Linier
Variabel keputusan :
x1 = banyaknya sepatu merk I1 yang dibuat
x2 = banyaknya sepatu merk I2 yang dibuat
Maksimumkan Fungsi tujuan :
Z = 6X1 + 5X2
Berdasarkan Kendala (constrain)
(1) 2X1  8
(2) 3X2  15
(3) 6X1 + 5X2  30
(4) X1  0, X2  0
Fungsi kendala pertama (2 X1  8)
X2
X1
2X1 = 8
0 4
Gambar di atas merupakan bagian yang memenuhi
kendala : X1  0, X2  0 dan 2X1  8
Fungsi kendala (2 X1  8); 3X2  15;
6X1 + 5X2  30; X1  0 dan X2  0
B
C
2X1 = 8
4
6
5
6X1 + 5X2 = 30
D
A
Daerah
feasible
X2
X10
3X2 = 155
B
C
2X1 = 8
4
6
5
6X1 + 5X2 = 30
D
A
Daerah
feasible
X2
X10
3X2 = 155
10 = 3X1 + 5X2
4
3X1 + 5X2 = 20
MENCARI KOMBINASI YANG OPTIMUM
1. Dengan menggambarkan fungsi tujuan
MENCARI KOMBINASI YANG OPTIMUM
2. Dengan membandingkan nilai Z pada tiap-tiap alternatif
Z = 3X1 + 5X2
B
C
2X1 = 8
4
6
5
6X1 + 5X2 = 30
D
A
Daerah
feasible
X2
X10
3X2 = 155
Titik A:
Pada titik ini nilai
X1 = 4; X2 = 0
Nilai Z = 3(4) + 0 = 12
Titik B:
X1 = 4. Substitusikan batasan
(3), maka 6(4) + 5X2 = 30.
Jadi nilai X2 = (30 –24)/5 = 6/5.
Nilai Z = 3(4) + 5(6/5) =18
Titik C:
X2 = 5. Substitusikan batasan (3),
maka 6X1 + 5(5) = 30.
Jadi nilai X1 = (30 –25)/6 = 5/6.
Nilai Z = 3(5/6) + 5(5) = 27,5
Titik D:
Pada titik ini nilai
X2 = 5; X1 = 0
Nilai Z = 3(0) + 5(5) = 25
Fungsi kendala bertanda “  “
A
C B
2X2 = 8
4
6
5
6X1 + 5X2 = 30
5
3X2 = 15
Daerah
feasible
X2
0 X1
Contoh : Kendala ketiga (6X1 + 5X2  30) diubah tanda
ketaksamaannya menjadi 6X1 + 5X2  30
Fungsi kendala bertanda “= “
X2
X1
2X2 = 8
0 4
2
4
6
3X2 = 15
5
A
C
6X1 + 5X2 = 30
B
Contoh kasus 2
Sains Management28
Sains Management29
Contoh kasus 2
Sains Management30
Contoh kasus 2 (langkah-langkah)
Sains Management31
Contoh kasus 2
Sains Management32
Contoh kasus 2, (titik A,B)
Sains Management33
Contoh kasus 2, (titik C)
Sains Management34
Contoh kasus 2, (titik D)
Z = 40 . 7.5 + 30.15 = 300 + 450 = 750
Sains Management35
Contoh kasus 2, (titik E)
LOGO
See you…!!!

More Related Content

What's hot

Rancangan Acak Lengkap (RAL)
Rancangan Acak Lengkap (RAL)Rancangan Acak Lengkap (RAL)
Rancangan Acak Lengkap (RAL)Ade Setiawan
 
Mi+ +bab+3+metode+transportasi
Mi+ +bab+3+metode+transportasiMi+ +bab+3+metode+transportasi
Mi+ +bab+3+metode+transportasiHari Sumartono
 
Rancangan acak lengkap (RAL)
Rancangan acak lengkap (RAL)Rancangan acak lengkap (RAL)
Rancangan acak lengkap (RAL)Muhammad Eko
 
Risetoperasi 3-linear-programming-metode-simplex
Risetoperasi 3-linear-programming-metode-simplexRisetoperasi 3-linear-programming-metode-simplex
Risetoperasi 3-linear-programming-metode-simplexKoran Bekas
 
Tugas Mandiri Riset Operasi
Tugas Mandiri Riset OperasiTugas Mandiri Riset Operasi
Tugas Mandiri Riset OperasiPrincess Nisa
 
Modul 05 Pemodelan Konseptual
Modul 05 Pemodelan KonseptualModul 05 Pemodelan Konseptual
Modul 05 Pemodelan KonseptualArif Rahman
 
Rancangan percobaan
Rancangan percobaanRancangan percobaan
Rancangan percobaanaril anwar
 
Pertemuan 9 transformasi koordinat
Pertemuan 9   transformasi koordinatPertemuan 9   transformasi koordinat
Pertemuan 9 transformasi koordinatSenat Mahasiswa STIS
 
Program linear-dan-metode-simplex
Program linear-dan-metode-simplexProgram linear-dan-metode-simplex
Program linear-dan-metode-simplexAchmad Alphianto
 
Distribusi multinomial
Distribusi multinomialDistribusi multinomial
Distribusi multinomialMarwaElshi
 
Peubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinuPeubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinuAnderzend Awuy
 
Rancangan bujur sangkar latin
Rancangan bujur sangkar latinRancangan bujur sangkar latin
Rancangan bujur sangkar latinMuhammad Eko
 
Metode Dualitas (Primal-Dual)
Metode Dualitas (Primal-Dual)Metode Dualitas (Primal-Dual)
Metode Dualitas (Primal-Dual)hazhiyah
 

What's hot (20)

Lengkap modul
Lengkap modulLengkap modul
Lengkap modul
 
Rancangan Acak Lengkap (RAL)
Rancangan Acak Lengkap (RAL)Rancangan Acak Lengkap (RAL)
Rancangan Acak Lengkap (RAL)
 
Mi+ +bab+3+metode+transportasi
Mi+ +bab+3+metode+transportasiMi+ +bab+3+metode+transportasi
Mi+ +bab+3+metode+transportasi
 
Rancangan acak lengkap (RAL)
Rancangan acak lengkap (RAL)Rancangan acak lengkap (RAL)
Rancangan acak lengkap (RAL)
 
Risetoperasi 3-linear-programming-metode-simplex
Risetoperasi 3-linear-programming-metode-simplexRisetoperasi 3-linear-programming-metode-simplex
Risetoperasi 3-linear-programming-metode-simplex
 
Tugas Mandiri Riset Operasi
Tugas Mandiri Riset OperasiTugas Mandiri Riset Operasi
Tugas Mandiri Riset Operasi
 
RANCANGAN ACAK KELOMPOK
RANCANGAN ACAK KELOMPOKRANCANGAN ACAK KELOMPOK
RANCANGAN ACAK KELOMPOK
 
Modul 05 Pemodelan Konseptual
Modul 05 Pemodelan KonseptualModul 05 Pemodelan Konseptual
Modul 05 Pemodelan Konseptual
 
Rancangan percobaan
Rancangan percobaanRancangan percobaan
Rancangan percobaan
 
Maksimum dan minimum
Maksimum dan minimumMaksimum dan minimum
Maksimum dan minimum
 
Pertemuan 9 transformasi koordinat
Pertemuan 9   transformasi koordinatPertemuan 9   transformasi koordinat
Pertemuan 9 transformasi koordinat
 
Distribusi poisson
Distribusi poissonDistribusi poisson
Distribusi poisson
 
Program linear-dan-metode-simplex
Program linear-dan-metode-simplexProgram linear-dan-metode-simplex
Program linear-dan-metode-simplex
 
3. sortasi dan pengkelasan mutu
3. sortasi dan pengkelasan mutu3. sortasi dan pengkelasan mutu
3. sortasi dan pengkelasan mutu
 
Distribusi multinomial
Distribusi multinomialDistribusi multinomial
Distribusi multinomial
 
Model dan Simulasi
Model dan SimulasiModel dan Simulasi
Model dan Simulasi
 
Peubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinuPeubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinu
 
Rancangan bujur sangkar latin
Rancangan bujur sangkar latinRancangan bujur sangkar latin
Rancangan bujur sangkar latin
 
Integral Permukaan
Integral PermukaanIntegral Permukaan
Integral Permukaan
 
Metode Dualitas (Primal-Dual)
Metode Dualitas (Primal-Dual)Metode Dualitas (Primal-Dual)
Metode Dualitas (Primal-Dual)
 

Viewers also liked

GINGEMBRE BISCUITS
GINGEMBRE BISCUITSGINGEMBRE BISCUITS
GINGEMBRE BISCUITSamandaaabear
 
Polymerisation kapoors project
Polymerisation kapoors projectPolymerisation kapoors project
Polymerisation kapoors projectAkshit Kapoor
 
Perspectives in drug discovery
Perspectives in drug discoveryPerspectives in drug discovery
Perspectives in drug discovery9216317011
 
Domain names and ip addresses
Domain names and ip addressesDomain names and ip addresses
Domain names and ip addresseserinismadness
 
Polymerisation kapoors project
Polymerisation kapoors projectPolymerisation kapoors project
Polymerisation kapoors projectAkshit Kapoor
 
New year in russia
New year in russiaNew year in russia
New year in russiatsvykanna
 

Viewers also liked (9)

GINGEMBRE BISCUITS
GINGEMBRE BISCUITSGINGEMBRE BISCUITS
GINGEMBRE BISCUITS
 
Polymerisation kapoors project
Polymerisation kapoors projectPolymerisation kapoors project
Polymerisation kapoors project
 
TRINATH NAIK UPDATE RESUME
TRINATH NAIK UPDATE RESUMETRINATH NAIK UPDATE RESUME
TRINATH NAIK UPDATE RESUME
 
Perspectives in drug discovery
Perspectives in drug discoveryPerspectives in drug discovery
Perspectives in drug discovery
 
Domain names and ip addresses
Domain names and ip addressesDomain names and ip addresses
Domain names and ip addresses
 
SAP Resume
SAP ResumeSAP Resume
SAP Resume
 
Polymerisation kapoors project
Polymerisation kapoors projectPolymerisation kapoors project
Polymerisation kapoors project
 
New year in russia
New year in russiaNew year in russia
New year in russia
 
1 a
1 a1 a
1 a
 

Similar to Materi 2

Pemograman Linier
Pemograman LinierPemograman Linier
Pemograman Linierainineni
 
Program Linear _ Analisa Sensitivitas.pptx
Program Linear _ Analisa Sensitivitas.pptxProgram Linear _ Analisa Sensitivitas.pptx
Program Linear _ Analisa Sensitivitas.pptxSandiPawiro
 
Ekonomi manajerial linier programming metode grafik
Ekonomi manajerial linier programming metode grafikEkonomi manajerial linier programming metode grafik
Ekonomi manajerial linier programming metode grafikatphmateriku
 
Lecture 3-program-linier3
Lecture 3-program-linier3Lecture 3-program-linier3
Lecture 3-program-linier3Nanang Harianto
 
Risetoperasi 2-linear-programming-metode-grafik
Risetoperasi 2-linear-programming-metode-grafikRisetoperasi 2-linear-programming-metode-grafik
Risetoperasi 2-linear-programming-metode-grafikKoran Bekas
 
PEMROGRAMAN LINIER .pdf
PEMROGRAMAN LINIER .pdfPEMROGRAMAN LINIER .pdf
PEMROGRAMAN LINIER .pdfSTINNOVATION
 
Program_Linier_Rudi_Susanto-program linier.pdf
Program_Linier_Rudi_Susanto-program linier.pdfProgram_Linier_Rudi_Susanto-program linier.pdf
Program_Linier_Rudi_Susanto-program linier.pdfMuhammadNurJumadil
 
Pertemuan 3 Program Linier.pptx
Pertemuan 3 Program Linier.pptxPertemuan 3 Program Linier.pptx
Pertemuan 3 Program Linier.pptxSupriadiUppy
 
Tro1 metode grafik
Tro1 metode grafikTro1 metode grafik
Tro1 metode grafikrizki fauzi
 
Riset operasi
Riset operasiRiset operasi
Riset operasisuperjnr
 
Managerial_Economics_Teaching_Documents.pptx
Managerial_Economics_Teaching_Documents.pptxManagerial_Economics_Teaching_Documents.pptx
Managerial_Economics_Teaching_Documents.pptxAbhishekModak17
 
pengambilan keputusan dalam kondisi pasti.pdf
pengambilan keputusan dalam kondisi pasti.pdfpengambilan keputusan dalam kondisi pasti.pdf
pengambilan keputusan dalam kondisi pasti.pdfyuwanapr
 
ITP UNS SEMESTER 2 Integer programming
ITP UNS SEMESTER 2 Integer programmingITP UNS SEMESTER 2 Integer programming
ITP UNS SEMESTER 2 Integer programmingFransiska Puteri
 
Integerprogramming 130704084052-phpapp01
Integerprogramming 130704084052-phpapp01Integerprogramming 130704084052-phpapp01
Integerprogramming 130704084052-phpapp01Calvin Thesno
 
ITP UNS SEMESTER 2 Riset operasi (materi kuliah)
ITP UNS SEMESTER 2 Riset operasi (materi kuliah)ITP UNS SEMESTER 2 Riset operasi (materi kuliah)
ITP UNS SEMESTER 2 Riset operasi (materi kuliah)Fransiska Puteri
 

Similar to Materi 2 (20)

Pemograman Linier
Pemograman LinierPemograman Linier
Pemograman Linier
 
Program Linear _ Analisa Sensitivitas.pptx
Program Linear _ Analisa Sensitivitas.pptxProgram Linear _ Analisa Sensitivitas.pptx
Program Linear _ Analisa Sensitivitas.pptx
 
EKMA4413 - Riset Operasi - Modul 3
EKMA4413 - Riset Operasi - Modul 3EKMA4413 - Riset Operasi - Modul 3
EKMA4413 - Riset Operasi - Modul 3
 
Ekonomi manajerial linier programming metode grafik
Ekonomi manajerial linier programming metode grafikEkonomi manajerial linier programming metode grafik
Ekonomi manajerial linier programming metode grafik
 
Lecture 3-program-linier3
Lecture 3-program-linier3Lecture 3-program-linier3
Lecture 3-program-linier3
 
Risetoperasi 2-linear-programming-metode-grafik
Risetoperasi 2-linear-programming-metode-grafikRisetoperasi 2-linear-programming-metode-grafik
Risetoperasi 2-linear-programming-metode-grafik
 
Metode grafik.ppt
Metode grafik.pptMetode grafik.ppt
Metode grafik.ppt
 
PEMROGRAMAN LINIER .pdf
PEMROGRAMAN LINIER .pdfPEMROGRAMAN LINIER .pdf
PEMROGRAMAN LINIER .pdf
 
Program_Linier_Rudi_Susanto-program linier.pdf
Program_Linier_Rudi_Susanto-program linier.pdfProgram_Linier_Rudi_Susanto-program linier.pdf
Program_Linier_Rudi_Susanto-program linier.pdf
 
Pertemuan 3 Program Linier.pptx
Pertemuan 3 Program Linier.pptxPertemuan 3 Program Linier.pptx
Pertemuan 3 Program Linier.pptx
 
Tro 1,2,3
Tro 1,2,3Tro 1,2,3
Tro 1,2,3
 
TRO 03.pdf
TRO 03.pdfTRO 03.pdf
TRO 03.pdf
 
Tro1 metode grafik
Tro1 metode grafikTro1 metode grafik
Tro1 metode grafik
 
Riset operasi
Riset operasiRiset operasi
Riset operasi
 
Managerial_Economics_Teaching_Documents.pptx
Managerial_Economics_Teaching_Documents.pptxManagerial_Economics_Teaching_Documents.pptx
Managerial_Economics_Teaching_Documents.pptx
 
pengambilan keputusan dalam kondisi pasti.pdf
pengambilan keputusan dalam kondisi pasti.pdfpengambilan keputusan dalam kondisi pasti.pdf
pengambilan keputusan dalam kondisi pasti.pdf
 
ITP UNS SEMESTER 2 Integer programming
ITP UNS SEMESTER 2 Integer programmingITP UNS SEMESTER 2 Integer programming
ITP UNS SEMESTER 2 Integer programming
 
Integerprogramming 130704084052-phpapp01
Integerprogramming 130704084052-phpapp01Integerprogramming 130704084052-phpapp01
Integerprogramming 130704084052-phpapp01
 
ITP UNS SEMESTER 2 Riset operasi (materi kuliah)
ITP UNS SEMESTER 2 Riset operasi (materi kuliah)ITP UNS SEMESTER 2 Riset operasi (materi kuliah)
ITP UNS SEMESTER 2 Riset operasi (materi kuliah)
 
03 bab 2
03 bab 203 bab 2
03 bab 2
 

Materi 2

  • 2. Manajemen Sains Riki Ruli A. Siregar Contents Diskusi Contoh Kasus Teknik & Formulasi Fungsi & Manfaat Tujuan
  • 3. Program Linier Model matematika digunakan untuk menyelesaikan masalah optimisasi Memaksimumkan dan meminimumkan fungsi tujuan, yang bergantung pada sejumlah variabel input Hal terpenting yg harus dilakukan adalah mencari tahu tujuan penyelesaian masalah dan apa penyebab masalah tersebut Sains Management3
  • 4. 2 macam fungsi Program Linier 1. Fungsi Tujuan • Mengarahkan analisa untuk mendeteksi tujuan perumusan masalah. (Z, R atau P) 2. Fungsi Kendala • Untuk mengatasi sumber daya yang tersedia, dan permintaan atas sumber daya tsb Sains Management4
  • 5. Beberapa istilah yang terdapat pada Model Program Linier 1. Suatu model PL akan membuat permasalahan menjadi suatu bentuk pengambilan keputusan mengenai tingkat aktivitas (x1, x2, x3, ……, xn) disebut variabel keputusan. 2. Solusi feasible (layak) adalah solusi di mana semua kendala yang ada terpenuhi, dan solusi disebut infeasible (tak layak) jika paling sedikit ada satu kendala yang tak terpenuhi. 3. Daerah feasible (layak) adalah kumpulan semua solusi feasible. 4. Solusi optimal adalah solusi layak yang memiliki nilai fungsi tujuan terbaik, terbesar jika masalahnya maksimasi dan terkecil jika masalahnya minimasi.
  • 6. Beberapa Asumsi Dasar Program Linier 1. Proportionality : naik turunnya nilai Z dan penggunaan sumber atau fasilitas yang tersedia akan berubah secara sebanding (proportional) dengan perubahan tingkat kegiatan 2. Additivity : nilai tujuan tiap kegiatan tidak saling mempengaruhi, atau dalam LP dianggap bahwa kenaikan dari nilai tujuan (Z) yang diakibatkan oleh kenaikan suatu kegiatan dapat ditambahkan tanpa mempengaruhi bagian nilai Z yang diperoleh dari kegiatan lain
  • 7. Beberapa Asumsi Dasar PL 3. Divisibility : keluaran (output) yang dihasilkan oleh setiap kegiatan dapat berupa bilangan pecahan. Demikian pula dengan nilai Z yang dihasilkan. 4. Deterministic (Certainty) : Asumsi ini menyatakan bahwa semua parameter yang terdapat dalam model LP (ai, bi Cj) dapat diperkirakan dengan pasti, meskipun jarang dengan tepat.
  • 8. Model Program Linier Fungsi Tujuan : Max/min z = c1x1 + c2x2 + ... + cnxn Berdasarkan kendala : a11x1 + a12x2 + ... + a1nxn (≤, =, ≥) b1 a21x1 + a22x2 + ... + a2nxn (≤, =, ≥) b2 : am1x1 + am2x2 + ... + amnxn (≤, =, ≥) bm x1, x2 , ... xn ≥ 0 xj = variabel keputusan ke j bi = kapasitas kendala ke i cj = koefisien fungsi tujuan ke j aij = koefisien kendala
  • 9. Tujuan Perusahaan 1. Memaksimalkan laba 2. Meminimumkan biaya Pembatasan-pembatasan : oWaktu oTenaga kerja oEnergi oBahan baku oUang Sains Management9
  • 10. Langkah-langkah program linier  Tahap 1  Masalah harus dapat diidentifikasi sbg sesuatu yg dapat diselesaikan oleh program linier  Tahap 2  Masalah yang tidak terstruktur harus dapat dirumuskan oleh model matematika  Tahap 3  Model harus dibuat menggunakan model matematika yag telah dibuat Sains Management10
  • 11. Teknik Program Linier Menggambarkan bahwa hubungan fungsi linier dalam model matematika adalah LINIER Teknik pemecahan masalah terdiri dari langkah-langkah matematika yang telah ditetapkan (program) Sains Management11
  • 12. Formulasi Model 1. Variabel Keputusan 2. Fungsi Tujuan 3. Batasan Model Sains Management12
  • 13. Formulasi Model 1.Variabel Keputusan Simbol matematika yang menggambarkan tingkatan aktivitas perusahaan Contoh :  x1 komputer,  x2 radio Sains Management13
  • 14. 2. Fungsi Tujuan Hubungan matematika linier yg menjelaskan tujuan perusahaan Contoh:  memaksimalkan laba  meminimumkan biaya Sains Management14 Formulasi Model
  • 15. 3. Batasan Model • Hubungan linier dari 40 variabel-variabel keputusan • Contoh : hanya 40 jam tenaga kerja tersedia untuk membuat komputer • Angka 40 jam dikenal sebagai parameter Sains Management15 Formulasi Model
  • 16. Contoh kasus 1 Sains Management16
  • 19. Program Linier : Metode Grafik Contoh : Perusahaan sepatu membuat 2 macam sepatu. Yang pertama merek I1, dgn sol karet, dan merek I2 dgn sol kulit. Diperlukan 3 macam mesin. Mesin 1 membuat sol karet, mesin 2 membuat sol kulit, dan mesin 3 membuat bagian atas sepatu dan melakukan assembling bagian atas dengan sol. Setiap lusin sepatu merek I1 mula-mula dikerjakan di mesin 1 selama 2 jam, kemudian tanpa melalui mesin 2 terus dikerjakan di mesin 3 selama 6 jam. Sedang untuk sepatu merek I2 tidak diproses di mesin 1, tetapi pertama kali dikerjakan di mesin 2 selama 3 jam kemudian di mesin 3 selama 5 jam. Jam kerja maksimum setiap hari mesin 1 adalah 8 jam, mesin 2 adalah 15 jam, dan mesin 3 adalah 30 jam. Sumbangan terhadap laba setiap lusin sepatu merek I1 = Rp 60.000,00 sedang merek I2 = Rp 50.000,00. Masalahnya adalah menentukan berapa lusin sebaiknya sepatu merek I1 dan merek I2 yang dibuat agar bisa memaksimumkan laba.
  • 20. Bentuk Tabel Merek Mesin I1 (X1) I2 (X2) Kapasitas Maksimum 1 2 0 8 2 0 3 15 3 6 5 30 Sumbangan laba 3 5
  • 21. Model (Matematis) Program Linier Variabel keputusan : x1 = banyaknya sepatu merk I1 yang dibuat x2 = banyaknya sepatu merk I2 yang dibuat Maksimumkan Fungsi tujuan : Z = 6X1 + 5X2 Berdasarkan Kendala (constrain) (1) 2X1  8 (2) 3X2  15 (3) 6X1 + 5X2  30 (4) X1  0, X2  0
  • 22. Fungsi kendala pertama (2 X1  8) X2 X1 2X1 = 8 0 4 Gambar di atas merupakan bagian yang memenuhi kendala : X1  0, X2  0 dan 2X1  8
  • 23. Fungsi kendala (2 X1  8); 3X2  15; 6X1 + 5X2  30; X1  0 dan X2  0 B C 2X1 = 8 4 6 5 6X1 + 5X2 = 30 D A Daerah feasible X2 X10 3X2 = 155
  • 24. B C 2X1 = 8 4 6 5 6X1 + 5X2 = 30 D A Daerah feasible X2 X10 3X2 = 155 10 = 3X1 + 5X2 4 3X1 + 5X2 = 20 MENCARI KOMBINASI YANG OPTIMUM 1. Dengan menggambarkan fungsi tujuan
  • 25. MENCARI KOMBINASI YANG OPTIMUM 2. Dengan membandingkan nilai Z pada tiap-tiap alternatif Z = 3X1 + 5X2 B C 2X1 = 8 4 6 5 6X1 + 5X2 = 30 D A Daerah feasible X2 X10 3X2 = 155 Titik A: Pada titik ini nilai X1 = 4; X2 = 0 Nilai Z = 3(4) + 0 = 12 Titik B: X1 = 4. Substitusikan batasan (3), maka 6(4) + 5X2 = 30. Jadi nilai X2 = (30 –24)/5 = 6/5. Nilai Z = 3(4) + 5(6/5) =18 Titik C: X2 = 5. Substitusikan batasan (3), maka 6X1 + 5(5) = 30. Jadi nilai X1 = (30 –25)/6 = 5/6. Nilai Z = 3(5/6) + 5(5) = 27,5 Titik D: Pada titik ini nilai X2 = 5; X1 = 0 Nilai Z = 3(0) + 5(5) = 25
  • 26. Fungsi kendala bertanda “  “ A C B 2X2 = 8 4 6 5 6X1 + 5X2 = 30 5 3X2 = 15 Daerah feasible X2 0 X1 Contoh : Kendala ketiga (6X1 + 5X2  30) diubah tanda ketaksamaannya menjadi 6X1 + 5X2  30
  • 27. Fungsi kendala bertanda “= “ X2 X1 2X2 = 8 0 4 2 4 6 3X2 = 15 5 A C 6X1 + 5X2 = 30 B
  • 28. Contoh kasus 2 Sains Management28
  • 30. Sains Management30 Contoh kasus 2 (langkah-langkah)
  • 34. Sains Management34 Contoh kasus 2, (titik D) Z = 40 . 7.5 + 30.15 = 300 + 450 = 750