OPERATIONS RESEARCH

Operations Research adalah suatu ilmu yang mempelajari tentang bagaimana menentukan suatu tindakan terbaik dalam suatu keterbatasan sumber daya.

Sumber daya

: uang, tenaga kerja, waktu dls.

Tindakan terbaik : kondisi optimal

Pendekatan: dalam pengambilan keputusan dapat berbentuk : - Kuantitatif - Art (seni) : - persepsi - pengalaman - kepandaian

Dalam O. R. pengambilan keputusan dengan memodelkan persoalan. Model yang dipakai bersifat kuantitatif / matematik

Model : merupakan representasi dari sistem nyata/transformasi dari dunia nyata

Sistem nyata S (referensi) Asumsi Model

Model matematik dari 0. R. : variabel : sesuatu yang ingin dicari untuk dicapainya tujuan dalam keterbatasan (Xj) sumber daya

Fungsi Tujuan : memaksimalkan / meminimalkan Z = f {X1, X2, .......... Keterbatasan sumber . Kendala , Xn}

Kendala : gi = fi {X1, X2,.Xn}

i = 1; 2; ..

Xj > 0 j = 1; 2; ..n Model fungsi dari variabel keputusan

Fungsi :

- linier - non linier : kuadratik; eksponensial; dls.

Tahapan-tahapan penyelesaian model O. R. :

1) Mendefinisikan masalah : - tujuan - alternatif tindakan - kendala 2) Membentuk model 3) Mencari solusi masalah 4) Validasi model 5) Implementasi

MODEL PROGRAMA LINIER

Programa linier adalah teknik pemodelan secara matematik yang dirancang untuk mengoptimalkan pemakaian sumber yang terbatas. Semua fungsi pada model merupakan fungsi yang linier.

Pembuatan model Programa Linier :

Contoh : PT X memproduksi cat luar dan cat dalam yang antara lain memerlukan dua macam bahan baku Ml dan M2 dengan data sebagai berikut :

ton bahan baku per ton Cat luar Bahan baku M1 Bahan baku M2 Keuntungan /ton 6 1 $ 5000 Cat dalam 4 2 $ 4000

Ketersediaan per hari (ton) 24 6

Hasil survei pasar menunjukkan bahwa kebutuhan cat dalam tidak melebihi kebutuhan cat luar sebanyak 1 ton/hari, sedangkan kebutuhan cat dalam terbatas sampai 2 ton/hari.PT X ingin menentukan jumlah produksi yang optimum dari kedua jenis cat tersebut yang memberikan keuntungan total per hari terbesar.

Model Programa linier terdiri dari tiga elemen :

1. Variabel keputusan, yaitu apa yang ingin dicari oleh model. 2. Tujuan, yaitu apa yang ingin dioptimalkan 3. Kendala, yaitu apa yang harus dipenuhi

Langkah pertama adalah penentuan variabel keputusan, kemudian disusun kendala dan tujuan dari persoalan.

Untuk persoalan di atas ingin ditentukan jumlah produksi dari cat luar dan cat dalam yang memberikan keuntungan total terbesar.

Variabel : X1 = jumlah produksi cat luar per hari. X2 = jumlah produksi cat dalam per hari

Fungsi tujuan : Tujuan kita adalah memaksimalkan keuntungan total dari penjualan kedua jenis cat. f. t. maks. Z = 5X1 + 4X2 Kendala : - Tersedianya bahan baku : pemakaian bahan baku oleh kedua jenis cat - Bahan baku M1 : - Bahan baku M2 : < jumlah bahan baku maks. yang tersedia

6X1 + 4X2 < 24 X1 + 2X2 < 6

- Pembatasan permintaan : kelebihan jumlah cat dalam terhadap cat luar < 1 ton/hari X2 - X1 < 1 permintaan terhadap cat dalam < 2 ton/hari X2 < 2 - di samping kendala di atas tentu saja jumlah produksi kedua jenis cat tersebut tidak boleh negatif X1 > 0 X2 > 0 Dengan demikian model matematis dari persoalan di atas :

f. t. maks. Z = 5X1 + 4X2 d. k. 6X1 + 4X2 < 24 X1 + 2X2 < 6 - X 1 + X2 < 1 X2 < 2 X1 ; X2 > 0

Semua penyelesaian yang memenuhi kendala adalah penyelesaian yang layak/mungkin. Misalnya X1 = 3 ton, X2 = l ton, maka pemakaian bahan baku M1 adalah 22 ton yang masih memenuhi kendala yaitu < 24 ton. Nilai fungsi tujuan adalah Z $ 19.000, demikian juga untuk kendala-kendala lainnya. Tujuan kita adalah mencari penyelesaian yang layak dan optimal. Kita ingin mencari kombinasi nilai X1 dan X2 sedemikian rupa yang memenuhi kendala/batasan yang ada dan memberikan nilai Z yang terbesar.

Model P.L. di atas merupakan fungsi yang linier, di mana memenuhi hal berikut: 1. Proporsional. Kontribusi setiap variabel keputusan terhadap fungsi tujuan dan kendala adalah sebanding dengan nilai variabel keputusan. Jika PT X memberikan potongan harga jika pembelian barang melebihi suatu batas tertentu maka pendapatan/ keuntungan kita tidak linier, sehingga model harus dijadikan linier 2. Dapat ditambah. Kontribusi dari semua variabel pada fungsi tujuan dan kendala adalah jumlah langsung dari kontribusi dari setiap variabel. Sebagai contoh dua barang yang bersaing, di mana kenaikan tingkat penjualan dari satu produk memberikan pengaruh merugikan terhadap penjualan barang yang lain, tidak memuaskan sifat additivity

PENYELESAIAN PROGRAMA LINIER SECARA GRAFIS:

5) 1) 6X1 + 4X2 < 24 (1) X2 (3) 2) X1 + 2X2 < 6 3) -Xl + 4) 5) X1 6) (4) X2 < l X2 < 2 >0 X2 > 0

(2) (6) X1

Untuk menggambarkan bidang penyelesaian yang layak (yang memenuhi batasanbatasan) pertama kita jadikan kendala pertidak-samaan menjadi persamaan. persamaannya merupakan batas kendala, digambarkan seperti di atas. garis

Kita masukkan nilai koordinat titik A (0,0) ke dalam persamaan-persamaan tersebut. Daerah yang memenuhi syarat setiap kendala ditunjukkan oleh garis dan tanda panah. Sebagai contoh : Garis (1) adalah 6X1 + 4X2 = 24. Kita masukkan koordinat titik A (0,0) ke dalam persamaan (1), akan diperoleh 6.0 + 4.0 = 0 yang lebih kecil dari 24; dengan demikian titik-titik pada bidang dari garis (1) ke arah titik A (seperti yang ditunjukkan oleh anak panah) memberikan nilai yang lebih kecil dari 24.

Gabungan dari keenam kendala . tersebut memberikan bidang ABCDEFA yang merupakan bidang penyelesaian yang layak. Dengan demikian semua titik yang berada pada bidang tersebut memenuhi keenam kendala tersebut.

fungsi tujuan adalah Z

= 5X l + 4 X2

Pada saat garis Z melalui : titik (0,0) titik (1,0) Z=10 Z= 5 Z=0 Z=15 titik (2,0) titik (3,0) Z=0 Z=5 Z = 10 Z = 15

(0,0)

(1,0)

(2,0)

(3,0)

Terlihat bahwa jika kita geser garis Z tersebut ke arah kanan, nilai Z bertambah besar. Persoalan kita adalah mencari sebuah titik pada bidang ABCDEFA yang memberikan nilai Z terbesar. Dengan perkataan lain kita mencari kombinasi Xl dan X2 yang memberikan nilai Z terbesar yang masih berada pada bidang penyelesaian yang layak.

Secara grafis terlihat paling jauh garis Z dapat digeser sampai melalui titik C. Dengan demikian diperoleh titik optimum adalah titik C.

Koordinat titik C diperoleh dengan memotongkan garis (l) dan garis (2). Diperoleh : X1 = 3 X2 = 1.5 Z = 21

Jika kita masukkan koordinat titik sudut bidang penyelesaian yang layak tersebut secara berturut-turut ke dalam persamaan garis Z akan diperoleh nilai Z yang semakin besar kemudian menurun kembali setelah titik optimal tercapai. Hal tersebut akan kita gunakan sebagai algoritma penyelesaian secara aljabar/simpleks pada pembahasan bab berikutnya.

Penyelesaian persoalan Model Programa Linier meminimumkan Contoh : Peternakan X memerlukan paling sedikit 800 lb. makanan untuk ayam yang diternakkan setiap hari. Makanan tersebut terdiri dari campuran jagung dan kacang kedelai, dengan komposisi sbb.

Lb. Per lb. Bahan baku Bahan baku Jagung Kacang kedelai Protein 0,09 0,60 Serat 0,02 0,06

Harga ($/lb.) 0,30 0,90

Komposisi makanan tersebut paling sedikit mengandung 30 % protein dan paling banyak mengandung 5 % serat. Perusahaan tersebut ingin meminimalkan biaya total.

Penyelesaian :

Variabel : X l = jumlah jagung dalam makanan (lb.) X2 = jumlah kacang kedelai dalam makanan (lb.)

Fungsi tujuan : Meminimalkan biaya total Min. Z = 0,30X l + 0,90X2

Kendala : - Jumlah makanan : - Jumlah protein : - Jumlahserat : - Jumlah bahan baku : X1 + X2 > 800

0,09X1+0,60X2 > 0,3 (X1+X2) 0,02X1+0,06X2 < 0,05(X1+X2) Xj > 0 j = 1; 2

Penyelesaian model secara grafis Dengan demikian model adalah : Min. Z = 0,30X1+ 0,90X2 d. k. : X1 + X2 > 800 0,21X1 - 0,30X2 < 0 0,03X1 0,01X2 > 0 X1;X2 > 0 Seperti halnya pada penyelesaian pada persoalan memaksimalkan dibuat bidang penyelesaian yang layak, dengan menentukan daerah-2 penyelesaian yang memenuhi syarat. Diperoleh bidang penyelesaian yang diarsir.

X2

optimum (470.6,329.4) Z=437.64

X1

Jika pada persoalan memaksimalkan kita geser garis z ke arah kanan untuk memperoleh sebuah titik yang memberikan nilai z yang terbesar, maka pada persoalan meminimalkan kita geser garis z tersebut sejauh mungkin kea rah kiri sampai diperoleh sebuah titik yang memberikan nilai z yang terkecil. Pada persoalan ini diperoleh titik optimal di titik P. Titik P adalah titik perpotongan garis 1 dan garis 2 dengan koordinat (470,6; 329,4) dan diperoleh z = 437,64

Contoh-contoh aplikasi Programa Linier

Contoh 1 Sebuah perusahaan memproduksi tiga macam barang. Pembuatan barangbarang tersebut dilakukan melalui tiga proses produksi seperti pada gambar di bawah ini. Waktu pengerjaan setiap barang dapat dilihat pada setiap kotak.

B a h a n b a k u

1/unit

3/unit

1/unit

Barang 1

2/unit

4/unit

Barang 2

1/unit

2/unit

Barang 3

Operasi 1

Operasi 2

Operasi 3

Oleh karena mesin tersebut juga dipakai untuk pembuatan barang lain, maka waktu produksi yang tersedia dari setiap proses terbatas sebesar 430, 460, dan 420 menit untuk setiap prosesnya. Studi pasar memperlihatkan keuntungan setiap macam barang berturut-turut sebesar $ 3, $ 2, dan $ 5 per unit. Tentukan tingkat produksi yang optimal.

Penyelesesaian :

Model Programa Linier : Variabel Xj = jumlah produksi barang j; j = 1, 2,3 Fungsi tujuan Maks. Z = 3X1 + 2X2 + 5X3 Kendala : - Proses produksi l : 1X1 + 2X2 + 1X3 < 430 - Proses produksi 2 : 3X1 + 0X2 + 2X3 < 460 - Proses produksi 3 : 1X1 + 4X2 + 0X3 < 420 X1; X2; X3 > 0

10

Contoh 2 persoalan bis Perusahaan bis ingin meminimalkan jumlah bis yang beroperasi. Berdasarkan studi jumlah bis yang diperlukan beroperasi pada setiap waktu adalah seperti pada gambar berikut. Setiap bis dengan beberapa pertimbangan beroperasi 8 jam per hari. Pimpinan menetapkan akan memberangkatkan bis setiap 4 jam. Tentukan berapa banyak bis pada setiap jam pemberangkatan.

12 10 8 4 7 4

0.00

4.00 X1

8.00 X2

12.00 16.00 20.00 24.00 4.00 X3 X4 X5 X6 X1

8.00

Penyelesaian :

Variabel Xj = jumlah bis yang diberangkatkan pada setiap jam pemberangkatan j = 1, 2,.6 Fungsi tujuan Min. Z X1 + X2 + X3 + X4 X5 + X6 Kendala - Jam operasi 0.00 - 4.00 - Jam operasi 4.00 - 8.00 : X1 + : X1 + X2 X2 + X3 X3 + X4 X4 + X5 X6 > 4 >8 > 10 >7 > 12

- Jam operasi 8.-00 - 12.00 : - Jam operasi 12.00 - 16.00 : - Jam operasi 16.00 - 20.00 : - Jam operasi 20.00 - 24.00 :

X5 + X6 > 4 Xj > 0 j=1; 2; .6

11

Contoh 3 : Persoalan pabrik kertas Sebuah pabrik kertas memproduksi kertas dengan lebar 20'. Pesanan pelanggan di luar ukuran standar, permintaannya dipenuhi dengan memotong lebar kertas ukuran standar. Perusahaan memperoleh pesanan dengan jumlah rol seperti di bawah ini :

Pesanan 1 2 3

Lebar yang diminta () 5 7 9

Jumlah rol yang diminta (rol) 150 200 300

Tujuan perusahaan adalah memotong kertas dengan jumlah kertas yang terbuang sesedikit mungkin.

Penyelesaian : Untuk memperoleh lebar yang diminta, dapat dilakukan berbagai kombinasi pemotongan, di mana diperoleh lebar kertas terbuang berbeda di samping itu terdapat kelebihan rol yang tidak tersuplai/terpakai. Jadi persoalan kita adalah meminimalkan luas kertas yang tidak terpakai, baik yang lebarnya tidak memenuhi syarat maupun jumlah rol yang terlalu banyak.

Penyelesaian :

Setelah dianalisa terdapat enam cara pemotongan kertas seperti di bawah ini : Pemotongan jenis : Ukuran rol 5 7 9 Lebar sisa 1 0 1 1 4 2 2 1 0 3 3 2 0 1 1 4 4 0 0 0 5 1 2 0 1 6 0 0 2 2 Jumlah rol yang diminta 150 200 300

Variabel : Xj adalah jumlah rol yang dipotong menurut tipe pemotongan j. Xj > 0 j = 1;2;..6

12

Hasil/jumlah rol yang diperoleh dari setiap jenis pemotongan sbb. : - Ukuran 5': 0X1 + 2X2 + 2X3 + 4X4 + IX5 + 0X6 150 = Y1 - Ukuran 7': 1X1 + 1X2 + 0X3 + 0X4 + 2X5 + 0X6 200 = Y2 - Ukuran 9': 1Xl + 0X2 + lX3 + 0X4 + 0X5 + 2X6 300 = Y3 jumlah produksi jumlah jumlah permintaan rol sisa

Variabel : Yi = jumlah rol sisa ukuran i i = 1; 2; 3 Jika panjang kertas pada setiap rol L :

- Luas kertas yang tidak terpakai karena terlalu pendek : [4X1 +3X2 + X3 + 0X4 + X5 + 2X6]L - Luas kertas yang tidak terpakai karena terlalu banyak : [5Y1 + 7Y2 + 9Y3]L

Dengan demikian luas kertas total yang terbuang : [4X1 +3X2 + X3 + 0X4 + X5 + 2X6]L + [5YI + 7Y2 + 9Y3]L

Tujuan kita adalah meminimalkan luas kertas yang terbuang :

f t. min. Z = [4X1 +3X2 + X3 + X5 + 2X6]L + [5Y1 + 7Y2 + 9Y3]L

oleh karena L adalah konstanta

dapat dihilangkan

model menjadi :

fungsi tujuan : min. Z = 4X1+3X2 + X3 + X5 + 2X6 + 5Y1 + 7Y2 + 9Y3

dengan kendala : 0X1 + 2X2 + 2X3 + 4X4 + IX5 + 0X6 Y1 = 150 1X1 + 1X2 + 0X3 + 0X4 + 2X5 + 0X6 Y2 = 200 lXl + 0X2 + lX3 + 0X4 + 0X5 + 2X6 Y3 = 300 Xj > 0 Yi > 0 j = 1; 2; 6 i = 1; 2; 3

13

Contoh 4 : Persoalan penyeimbangan lini produksi Sebuah perusahaan membuat satu macam barang yang terdiri dari tiga buah komponen, yaitu 2 buah komponen 1, 1 buah komponen 2, dan 3 buah komponen 3. Semua komponen tersebut dapat dibuat pada dua departemen. Waktu pembuatan setiap komponen pada kedua departemen berbeda. Pada tabel berikut diberikan kecepatan produksi dan jumlah produksi yang dialokasikan per minggu pada kedua departemen tsb. Buatlah model Programa Linier yang memaksimalkan jumlah produksi yang dihasilkan.

Kapasitas Departemen yng. tersedia (jam/minggu) 1 2 200 160 8 6

Kecepatan produksi (unit/jam) Komponen 1 Komponen 2 Komponen 3

5 12

10 4

Penyelesaian : Variabel : Xij = jumlah jam produksi yang disediakan untuk membuat komponen i pada departemen j i = 1,2,3 j = 1,2

Jumlah komponen yang dihasilkan : komponen l : 8X11 + 6X12 komponen 2 : 5X21 + 12X22 komponen 3 : 10X31 + 4X32

Tujuan : memaksimalkan barang sebanyak mungkin dari semua komponen yang ada.

Satu barang jadi terdiri dari 2 buah komponen 1, 1 buah komponen 2 dan 3 buah komponen 3, sehingga jumlah barang jadi yang diperoleh sebanyak jumlah barang jadi yang dapat dibuat dari komponen yang jumlahnya terkecil.

Maks. Z = min. {1/2(8X11 + 6X12);(5X21 + 12X22);1/3(10X31 + 4X32)}

Fungsi di atas tidak linier, perlu dijadikan linier.

Jumlah barang yang diproduksi = Y = {1/2(8X11+6X12);(5X21+12X22);1/3(10X31+4X32)}

14

Dengan demikian fungsi tujuan menjadi : Maks. Z = Y Jumlah barang jadi yang dapat dibuat > dari setiap jenis komponen jumlah barang jadi. yang dibuat

1/2(8X11 + 6X12) > Y (5X21 + 12X22) > Y 1/3(10X31 + 4X32) > Y

Kendala : X11 + X21 + X31 < 200 jam yang tersedia pada dept. 1 X12 + X22 + X32 < 160 jam yang tersedia pada dept. 2 Dengan demikian model menjadi :

Maks. Z = Y d.k. X11 + X21 + X21 + X31 < 200 X22 + X32 < 160

8X11 + 6X12 2Y > 0 5X21 + 12X22 - Y >0

10X31 + 4X32 3Y > 0 Xij > 0 i = 1, 2, 3 j = 1, 2

Persoalan tersebut dapat diselesaikan dengan menjadikan jumlah komponen i yang dibuat pada departemen j sbb.

Variabel : Xij = jumlah komponen i yang dibuat pada departemen j

i = 1,2,3

j = 1,2

Jumlah komponen yang dihasilkan :

komponen l : X11 + X12 komponen 2 : X21 + X22 komponen 3 : X31 + X32

15

Tujuan : memaksimalkan barang sebanyak mungkin dari semua komponen yang ada.

Satu barang jadi terdiri dari 2 buah komponen 1, 1 buah komponen 2 dan 3 buah komponen 3, sehingga jumlah barang jadi yang diperoleh sebanyak jumlah barang jadi yang dapat dibuat dari komponen yang jumlahnya terkecil.

Maks. Z = min. {1/2(X11 + X12);(X21 + X22);1/3(X31 + X32)}

Fungsi di atas tidak linier, perlu dijadikan linier.

Jumlah barang yang diproduksi = Y = {1/2(X11+X12);(X21+X22);1/3(X31+X32)}

Dengan demikian fungsi tujuan menjadi : Maks. Z = Y Jumlah barang jadi yang dapat dibuat > dari setiap jenis komponen 1/2(X11 + X12) > Y (X21 + X22) > Y 1/3(X31 + X32) > Y jumlah barang jadi. yang dibuat

Kendala : 1/8X 11 + 1/5X21 + 1/10X31 < 200 jam yang tersedia pada dept. 1 1/6X12 + 1/12X22 + 1/4X32 < 160 jam yang tersedia pada dept. 2 Dengan demikian model menjadi :

Maks. Z = Y d.k. 1/8X11 + 1/5X21 + 1/10X31 < 200 1/6X21 + 1/12X22 + 1/4X32 < 160 X11 + X12 2Y > 0 X21 + X22 - Y >0

X31 + X32 3Y > 0 Xij; Y > 0 i = 1, 2, 3 j = 1, 2

16

Contoh 5 : Programa Tujuan Pada umumnya ruas kiri dan ruas kanan kendala mempunyai hubungan <; >; =, namun dapat menguntungkan dengan melanggar kendala yang ada, namun demikian dengan dilanggarnya kendala kita dikenakan penalti. Sebagai contoh kita dapat membeli bahan baku lebih besar dari dana yang tersedia, namun untuk itu kita dikenakan penalti yaitu harus membayar bunga bank atas pinjaman dan yang kita lakukan yang pada akhirnya mengurangi keuntungan yang akan diperoleh.

Persoalan Sebuah perusahaan memproduksi dua macam barang berturut-turut pada dua buah mesin yang berbeda. Waktu yang tersedia pada kedua mesin tersebut masing-masing 8 jam. Namun batas waktu tersebut dapat dilampaui dengan melakukan kerja lembur. Biaya lembur adalah $ 5/jam. Jam lembur yang diijinkan adalah 4 jam per hari. Kecepatan produksi kedua mesin dan keuntungan per unit dari kedua barang tsb. adalah seperti pada tabel berikut.

Mesin 1 2 Keuntungan/unit

Kec. Produksi (unit/jam) Barang 1 Barang 2 5 6 4 $6 8 $4

Model ini sama dengan contoh 1 kecuali di sini terdapat lembur, yang mengakibatkan adanya biaya tambahan / berkurangnya keuntungan.

Variabel : Xj = jumlahproduksi barang j j=1;2 Jika tidak ada lembur kendala dapat ditulis : 1/5X1 + 1/6X2 < 8 (mesin 1) 1/4X2 + 1/8X2 < 8 (mesin 2) Dengan adanya lembur kendala menjadi : 1/5X1 + 1/6X2 - Y1 = 8 1/4X1 + 1/7X2 - Y2 = 8 di mana Y1 dan Y2 adalah variabel yang merupakan jam lembur atau kelebihan jam produksi. Yl dan Y2 tersebut adalah variabel yang tak terbatas pada tanda. Jika Yi positif Jika Yi negatif Yi merupakan jam lembur Yi merupakan kelebihan jam produksi dan berarti tidak ada lembur.

17

Jam lembur maks.(0,Yi) Biaya lembur = jam lembur x biaya lembur/jam = 5 x maks.(0,Yi) Model: f.t. maks. Z = 6X1 + 4X2 5 {maks.(0,Yl) + maks(0,Y2)) keuntungan Dengan kendala: 1/5X1 + 1/6X2 - Yl 1/4Xl + 1/8X2 Y1 =8 Y2 = 8 <4 biaya lembur

Y2 < 4 X1; X2 > 0 dan Y1; Y2 tidak terbatas pada tanda Model tersebut fungsi tujuannya tidak linier perlu dijadikan linier. Wi = maks. (0,,Yi) Wi = maks(0,Yi) dapat ditulis menjadi Wi > Yi Wi > 0 Model menjadi :

f.t. maks. Z = 6X1 + 4X2 - 5WI - 5W2 d. k. 1/5X1 + 1/6X2 Y1 1/4Xl + 1/8X2 Y1 Y2 Y1 Y2 <4 W1 <0 Y2 =8 <4 =8

W2 < 0

X1; X2; W1; W2 > 0 dan Y1; Y2 tidak terbatas pada tanda

Persoalan tersebut juga dapat diselesaikan sbb. :

Variabel : Xj = jumlah produksi barang j j=1;2 Jika tidak ada lembur kendala dapat ditulis : 1/5X1 + 1/6X2 < 8 (mesin 1) 1/4X2 + 1/8X2 < 8 (mesin 2)

18

Dengan adanya lembur kendala menjadi : 1/5X1 + 1/6X2 + Y1- - Y1+ 1/4X1 + 1/7X2 +
+

=8 Y2 - Y2 = 8

di mana Y1- dan Y2- adalah variabel yang merupakan kelebihan jam produksi, dan Y1+ dan Y2+ adalah variabel yang merupakan jam lembur. Y1+; Y2+; Y1- ; Y2- > 0 Dengan demikian biaya lembur = 5 x (Y1+ + Y2+)

Model: f.t. maks. Z = 6X1 + 4X2 5 x (Y1+ + Y2+) keuntungan Dengan kendala: 1/5X1 + 1/6X2 + Y1- - Y1+ 1/4X1 + 1/7X2 + Y1
+ + + + +

biaya lembur

=8 Y2 - Y2 = 8 <4 Y2 < 4

X1; X2; Y1 ; Y2 ; Y1 ; Y2 > 0

19

Contoh 6. Kebijaksanaan pinjaman bank Bank X mempertimbangkan kebijaksanaan pinjaman dana 12 juta pada berbagai jenis pinjaman. Tabel berikut adalah data dari berbagai jenis pinjaman tsb.

Jenis pinjaman Tingkat suku Kemungkinan pinjaman tidak tertagih bunga Pribadi 0.140 0.10 Kendaraan Perumahan Pertanian Perdagangan 0.130 0.120 0.125 0.100 0.07 0.03 0.05 0.02

Pinjaman yang tak tertagih tidak menghasilkan bunga. Kompetisi dengan lembaga keuangan lain pada wilayah kerja bank tersebut menyebabkan bank X mengalokasikan paling sedikit 40 % dananya untuk pinjaman pertanian dan perdagangan. Untuk membantu industri perumahan, pinjaman untuk perumahan paling sedikit 50 % dari total pinjaman pribadi, kendaraan dan perumahan. Bank juga menetapkan rata-rata hutang tak tertagih tidak lebih dari 0,04. Buatlah model Programa Linier dari persoalan di atas.

Penyelesaian : Variabel : Xj = alokasi pinjaman untuk jenis pinjaman j j = 1, 2, ., 5

Fungsi tujuan : Memaksimalkan pendapatan total dari bunga bank yang diperoleh dikurang hutang yang tak tertagih.

f.t. maks. Z = 0.14(0.9X1)+ 0.13 (0.93X2) + 0.12(0.97X3) + 0.125(0.95X4) + 0.1(0.98X5) - 0.1X1 - 0.07X2 - 0.03X3 - 0.05X4 - 0.02X5

setelah disederhanakan diperoleh :

maks. Z = 0.026X l + 0.0509X2 + 0.0864X3 + 0.06875X4 + 0.078X5

20

Kendala

1) Dana total :

X1 + X2 + X3 + X4 + X5 = 12

2) Pinjaman pertanian dan perdagangan :

X4 + X5 > 0.4 x l2 X4 + X5 > 4.8

3) Pinjaman perumahan :

X3 > 0.5(X1 + X2 + X3) X1 + X2 X3 < 0

4)

Batasan pinjaman yang tak tertagih : 0.lX1 + 0.07X2 + 0.03X3 + 0.05X4 + 0.02X5 ----------------------------------------------------------- < 0.04 X1 + X2 + X3 + X4 + X5 0.06X1 + 0.03X2 - 0.01X3 + 0.01X4 - 0.02X5 > 0

5) Kendala non negatif :

Xj > 0 j = 1, 2 , , 5

Model menjadi :

Fungsi Tujuan : Z = 0.026X1 + 0.0509X2 + 0.0864X3 + 0.06875X4 + 0.078X5

Dengan Kendala : X1 + X2 + X3 + X4 + X4 + X1 + 0.6X1 + X2 0.03X2 X3 0.01X3 + X5 < 12 X5 > 4.8 <0 0.01X4 - 0.02X5 > 0

Xj > 0 j = 1, 2 , , 5

21

Contoh 7 : Perencanaan Produksi dan pengendalian Persediaan (Model Produksi Periode Tunggal) Dalam mempersiapkan produksi untuk periode yang akan datang, sebuah perusahaan yang memproduksi pakaian jenis 1, 2, 3, dan 4. semua produk diproduksi berturut-turut pada departemen 1, 2, 3, dan 4. Perusahaan telah menerima pesanan untuk keempat macam produk. Data waktu produksi, kapasitas produksi, jumlah pesanan, keuntungan per unit serta prnalti per unit dapat dilihat pada tabel. Buatlah model Programa Linier yang mengoptimalkan produksi. Waktu produksi per unit (jam) Produk 1 Produk 2 Produk 3 Produk 4 0,30 0,30 0,25 0,15 0,25 0,45 0,15 800 30 25 0,35 0,50 0,15 750 40 20 0,30 0,40 0,10 600 20 10 0,10 0,22 0,05 500 10 8 Kapasitas (jam) 1000 1000 1000 1000

Departemen 1 2 3 4 Permintaan (unit) Keuntungan ($/unit) Penalti ($/unit)

Penyelesaian : Variabel : xj = jumlah produk j yang dibuat, j = 1, 2, 3, 4 Perusahaan paling banyak memproduksi sebanyak permintaan : x1 < 800; x2 < 750; x3 < 600; x4 < 500

Pendapatan bersih = Total keuntungan total penalti

Terdapat variabel baru yaitu jumlah produk yang tidak tersuplai; sj = jumlah produk j yang tidak tersuplai, j = 1, 2, 3, 4 Dalam hal ini kendala permintaan di atas berubah menjadi : x1 + s1 = 800; x2 + s2 = 750; x3 + s3 = 600; x4 + s4 = 500 Fungsi tujuan : Maks. z = 30x1 + 40x2 + 20x3 + 10x4 15s1 20s2 10s3 8s4

22

Kendala produksi departemen : Departemen 1 : 0,30x1 + 0,30x2 + 0,25x3 + 0,15x4 < 1000 Departemen 1 : 0,25x1 + 0,35x2 + 0,30x3 + 0,10x4 < 1000 Departemen 1 : 0,45x1 + 0,50x2 + 0,40x3 + 0,22x4 < 1000 Departemen 1 : 0,15x1 + 0,15x2 + 0,10x3 + 0,05x4 < 1000 Dengan demikian model menjadi : f. t. maks. z = 30x1 + 40x2 + 20x3 + 10x4 15s1 20s2 10s3 8s4 0,30x1 + 0,30x2 + 0,25x3 + 0,15x4 < 1000 0,25x1 + 0,35x2 + 0,30x3 + 0,10x4 < 1000 0,45x1 + 0,50x2 + 0,40x3 + 0,22x4 < 1000 0,15x1 + 0,15x2 + 0,10x3 + 0,05x4 < 1000 x1 + s1 = 800 x2 + s2 = 750 x3 + s3 = 600 x4 + s4 = 500 xj; sj > 0 j = 1, 2, 3, 4

23

Contoh 8 : Model Produksi-Persediaan periode jamak Sebuah perusahaan mempunyai kontrak untuk mensuplai barang X untuk 6 bulan yang akan datang berturut-turut sebesar 100, 250, 190, 140, 220, dan 110 unit. Biaya produksi dari bulan ke bulan berbeda, tergantung pada biaya tenaga kerja, material dls. Biaya pada bulan-bulan tersebut diperkirakan sebesr $ 50, $ 45, $ 55, $ 48, $ 52, dan $ 50. Untuk memanfaatkan perbedaan tersebut perusahaan dapat memproduksi lebih pada saat biaya rendah untuk disimpan sebagai persediaan dan dipakai pada periode berikutnya pada saat biaya tinggi, namun timbul biaya persediaan sebesar $ 1 per unit per bulan. Buatlah model programa linier yang meminimalkan biaya total.

Penyelesaian : Variabel : Xj = jumlah produksi pada bulan j, Ij jumlah persediaan yang ada pada akhir bulan j Persediaan yang masuk pada awal bulan 1 = I0 = 0 Tujuan kita adalah meminimalkan biaya produksi dan biaya persediaan Biaya produksi total = 50x1 + 45x2 + 55x3 + 48x4 + 52x5 + 50x6 j = 1, 2, . . , 6

Biaya persediaan total = 1(I1 + I2 + I3 + I4 + I5 + I6) Jadi fungsi tujuan adalah : min. Z = 50x1 + 45x2 + 55x3 + 48x4 + 52x5 + 50x6 + 1(I1 + I2 + I3 + I4 + I5 + I6) Aliran dari produksi persediaan dan permintaan dapat digambarkan sbb.

Gambar : skema dari sistem produksi-persediaan

Dari gambar diperoleh keseimbangan antara produksi, persediaan dan permintaan : Persediaan awal + Jumlah produksi Jumlah permintaan = Persediaan akhir Persediaan awal + Jumlah produksi Persediaan akhir = Jumlah permintaan

24

Dengan demikian terdapat hubungan kendala : In-1+ xn In = Dn Dn = Jumlah permintaan pada bulan n Diperoleh : Bulan 1 : 2 3 4 5 6 x1 I1 = 100 I1 + x2 I2 = 250 I2 + x3 I3 = 190 I3 + x4 I4 = 140 I4 + x5 I5 = 20 I5 + x6 I6 = 110

Dengan demikian model menjadi :

min. Z = 50x1 + 45x2 + 55x3 + 48x4 + 52x5 + 50x6 + 8(I1 + I2 + I3 + I4 + I5 + I6) dengan kendala : x1 I1 = 100 I1 + x2 I2 = 250 I2 + x3 I3 = 190 I3 + x4 I4 = 140 I4 + x5 I5 = 20 I5 + x6 I6 = 110

25

Contoh 9 : Persoalan kilang minyak Sebuah perusahaan yang memproduksi bahan bakar mempunyai kilang di A yang kapasitas produksinya adalah 1.500.000 bbl. Minya mentah per hari. Produk akhir dari kilang tersebut adalah bensin jenis 1, 2 dan 3 yang masing-2 bensin biasa dengan angka oktan 87, bensin premium dengan angka oktan 89 dan bensin super dengan angka oktan 92. Kilang tersebut memproses minyak mentah dalam tiga tahap. Pertama pada unit distilasi yang menghasilkan bensin dengan angka oktan 82 pada tingkat 0,2 bbl. per bbl minyak mentah. Kedua pada unit pemecah yang menghasilkan bensin dengan angka oktan 98. dengan menggunkan sebagian bensin yang dihasilkan pada unit distilasi pada tingkat 0,5 bbl. Bensin angka oktan 98 untuk setiap bbl bensin angka oktan 82. Ketiga pada unit pencampur, dengan mencampur bensin dengan angka oktan 82 yang berasal dari unit distilasi dan bensin dengan angka oktan 98 yang berasal dari unit pemecah. Perusahaan memperkirakan keuntungan bensin biasa adalah $ 6,70 bensin premium adalah $ 7,20 dan bensin super adalah 8,10. kapasitas unit pemecah adalah 200.000 bbl bensin angka oktan 82 per hari. Batas permintaan bensin biasa adalah 50.000 bbl, bensin premium adalah 30.000 bbl, dan bensin super adalah 40.000 bbl per hari. Buatlah model Programa Linier yang memekasimalkan keuntungan total.

Penyelesaian : Variabel : xij = jumlah input tahap i yang di proses menjadi bensin j; j = 1, 2, 3 i = 1 adalah bensin yang keluar unit distilasi i = 2 adalah bensin yang keluar unit pemecah

dengan menggunakan definisi ini diperoleh :

Produksi per hari bensin biasa = x11 + x21 bbl per hari Produksi per hari bensin premium = x12 + x22 bbl per hari Produksi per hari bensin super = x13 + x23 bbl per hari Output unit pencampur

= produksi harian

dari bensin biasa

+ produksi harian

dari bensin premium

produksi harian dari bensin super

= (x11 + x21) + (x11 + x21) + (x13 + x23) bbl per hari

26

x11 + x12 + x13 5:1 Unit distilasi Angka Oktan 82 2:1 Unit pemecah X21 + x22 + x23 angka oktan 98

Unit pencampur

x11+x21 bensin biasa

angka oktan 87

x12+x22 bensin premium

angka oktan 89

x13+x23 bensin super

angka oktan 92

Jumlah hasil distilasi (AO=82) yang masuk ke unit pencampur Jumlah hasil pemecah (AO=98) yang masuk ke unit pencampur Jumlah hasil distilasi (AO=82) yang masuk ke unit pemecah Jumlah minyak mentah yang diproses pada kilang

= x11 + x12 + x13 bbl per hari

= x21 + x22 + x23 bbl per hari

= 2(x21 + x22 + x23 ) bbl per hari

= 5(x11 + x12 + x13) + 10(x21 + x22 + x23 ) bbl per hari

Tujuan dari model adalah memaksimalkan keuntungan total yang dihasilkan dari penjualan ketiga jenis bensin :

Fungsi Tujuan : maks. Z = 6,7(x11 + x21) + 7,2(x12 + x22) + 8,1(x13 + x23) Kendala dari persoalan ini adalah :

1. jumlah suplai tidak lebih dari 1.500.000 bbl per hari : 5(x11 + x12 + x13) + 10(x21 + x22 + x23 ) < 1.500.000 2. input unit pemecah tidak lebih dari 200.000 bbl per hari 2(x21 + x22 + x23 ) < 200.000 3. permintaan bensin biasa paling banyak 50.000 bbl per hari x11 + x21 < 50.000 4. permintaan bensin premium paling banyak 30.000 bbl per hari x12 + x22 < 30.000

27

5. permintaan bensin super paling banyak 40.000 bbl per hari x13 + x23 < 40.000 6. angka oktan bensin biasa paling sedikit adalah 87 angka oktan rata-rata : 82x11 + 98x21 > 87 x11 + x21 7. angka oktan bensin premium paling sedikit adalah 89 angka oktan rata-rata : 82x12 + 98x22 > 89 x12 + x22 8. angka oktan bensin super paling rendah adalah 92 angka oktan rata-rata : 82x13 + 98x23 > 92 x13 + x23 Dengan demikian model menjadi :

Fungsi Tujuan : maks. Z = 6,7(x11 + x21) + 7,2(x12 + x22) + 8,1(x13 + x23) 5(x11 + x12 + x13) + 10(x21 + x22 + x23 ) < 1.500.000 2(x21 + x22 + x23 ) < 200.000 x11 + x21 < 50.000 x12 + x22 < 30.000 x13 + x23 < 40.000 82x11 + 98x21 > 87(x11 + x21) 82x12 + 98x22 > 89(x12 + x22) 82x13 + 98x23 > 92x13 + x23) Xij > 0 i = 1, 2 J = 1, 2, 3

28

ANALISA KEPEKAAN SECARA GRAFIS Analisa kepekaan merupakan suatu analisa terhadap penyelesaian optimal yang telah diperoleh sebelumnya.

Pada pembahasan di sini analisa kepekaan secara grafis ini ditinjau dari :

1) perubahan koefisien fungsi tujuan 2) perubahan ruas kanan kendala

PERUBAHAN KOEFISIEN FUNGSI TUJUAN Berapa besar perubahan pada koefisien fungsi tujuan dapat terjadi tanpa mempengaruhi titik sudut optimal ?

C1 atau C2

C1 atau C2

Bentuk umum fungsi tujuan maks./min. Z = Cl X l + C2X2 Jika ditulis dalam bentuk y = aX + b Garis Z koefisien arahnya adalah C1

X2 = - C1/C2X l + Z/C2

/C2.

Garis Z dapat makin datar atau makin tegak.

Garis tersebut makin datar jika nilai C1 turun atau nilai C2 naik. Sebaliknya garis tersebut makin tegak jika C1 naik atau C2 turun nilainya. Agar titik optimal tetap pada titik optimal C (X1 = 3 dan X2 = 1 ) yang telah diperoleh sebelumnya, koefisien arah dari garis Z dapat berubah dalam batas-batas tertentu. Persoalannya adalah berapa besar perubahan nilai C1 dan C2 agar tetap optimal pada titik C. Garis Z dari persoalan pabrik cat dapat bergerak pada daerah Z sejajar dengan garis (l) dan (2). Koefisien arah garis (1) adalah -3/2 dan garis (2) adalah -1/2.

29

Dengan demikian nilai C1/C2 = 1/2 : 3/2 Berapa kisaran C1 jika C2 tetap = 4

atau C2/C1 = 2/3 : 2

C1 / 4 = 1/2 : 3/2

C1 = 2 : 6

Titik optimal tetap pada titik C pada keuntungan cat luar C1 berada sebesar antara $2.000 sampai dengan $ 6.000 dengan keuntungan cat dalam C2 tetap $ 4.000 Dengan cara yang sama diperoleh keuntungan cat luar C2 berada sebesar antara $ 3334 sampai dengan $10.000. dengan keuntungan cat luar Cl tetap $ 5.000 agar tetap optimal pada titik C

NILAI PER UNIT DARI SUMBER Pada kebanyakan model Programa Linier, kendala biasanya mewakili pemakaian sumber yang terbatas. Ruas kanan merupakan batas tersedianya sumber. Pada bagian ini dipelajari kepekaan dari penyelesaian optimal terhadap perubahan dari ketersediaan sumber. Nilai per unit dari sumber adalah tingkat perubahan dari nilai optimal dari fungsi tujuan sebagai perubahan dari tersedianya sumber. Dari persoalan pabrik cat kendala l dan 2 merupakan pembatasan pemakaian bahan baku M1 dan M2. Ingin ditentukan nilai per unit dari kedua sumber tersebut. Titik optimum dari persoalan pabrik cat adalah titik C. Titik C adalah perpotongan antara garis 1 dan garis 2. Jika ketersediaan M1 berubah, maka. titik optimum C akan bergerak sepanjang garis DG. Setiap perubahan M1 di luar garis tsb. tidak layak, karena titik optimal tidak lagi berada pada perpotongan antara garis 1 dan 2. (lihat gambar berikut). Dengan demikian titik D (2,2) dan titik G (6,0) merupakan daerah yang memenuhi syarat bagi pergerakan M1.

30

D M1=36 M1=20 G

Pada saat garis M1 melalui titik D diperoleh (dengan memasukkan koordinat titik D) nilai ruas kanan sebesar 20 dan melalui titik G nilai ruas kanan sebesar 36. Dengan demikian range nilai M1 20 < M1 < 36. Jika D1 adalah nilai perubahan bahan baku M1 , dengan M1 = 24 + D1 maka range nilai D1 : - 4 < D1 < 12. Dengan demikian agar menjamin titik C tersebut tetap merupakan perpotongan antara M1 dan M2 maka bahan baku M1 dapat turun paling banyak sebesar 4 ton dan dapat naik sebanyak 12 ton.

Nilai Z pada saat titik optimum berada pada titik D adalah 18 dan pada saat berada di titik G nilai Z = 30

NILAI PER UNIT DARI SUMBER ADALAH YI : Perubahan jumlah sumber i akan mempengaruhi nilai Z. Setiap unit perubahan nilai sumberi i memberikan perubahan nilai Z sebesar Yi, di mana :

Perubahan nilai Z dari titik D sampai titik G Yi = ---------------------------------------------------------Perubahan nilai M l dari titik D smpai titik G

Dengan demikian nilai Y1 =

30 18 = 3/4 36 20

31

Dengan cara yang sama diperoleh : Y2 =

(Uraikan !)

60 / 3 20 = 1/2 20 / 3 4 21 21 Y3 = = 0 1+ 3/ 2
Y4 =

21 21 = 0 2 3/ 2

32