LAPORAN RESMI

MODUL I
LINEAR DAN INTEGER PROGRAMMING

I. Pendahuluan
A. Latar Belakang
Optimasi adalah sarana untuk mengekpresikan model yang bertujuan untuk
memecahkan masalah dengan cara terbaik (Purba 2012). Model optimasi yang ada
digunakan untuk menyelesaikan berbagai permasalahan dalam pemerintahan,
bisnis, teknik ekonomi, ilmu-ilmu fisika dan sosial yang terkait dengan adanya
keterbatasan pengalokasian sumber daya (S.Hillier & Lieberman 1990). Salah satu
contoh pemanfaatan analisa optimasi dalam bisnis adalah melakukan penentuan
jumlah produksi paling optimal dengan persedian bahan baku yang terbatas.
Pengoptimalan dapat dilakukan dengan menggunakan Jadwal Produksi Induk
dalam model matematis (Marie et al. 2011).
Optimasi adalah suatu teknik analisis untuk menentukan keputusan optimal
(maksimal atau minimal) untuk mencapai tujuan tertentu dengan dibatasi berbagai
kendala. Teknik optimasi telah berkembang luas dan telah banyak digunakan dalam
sistem manajemen secara umum. Kajian penatagunaan lahan dengan teknik
optimasi telah banyak digunakan dalam hal produktivitas lahan dan pemanfaatan
sumberdaya, seperti memaksimalkan produksi; penentuan pola tanam optimal;
analisis target produksi dengan kendala fisik, biologi, ekonomi, dan lingkungan;
optimasi suplai air untuk lahan pertanian; dan sebagainya. Namun teknik optimasi
belum banyak digunakan untuk perencanaan sistem tata guna lahan (tata ruang)
kawasan daerah aliran sungai yang mengoptimalkan fungsi kawasan sebagai
kawasan lindung dan budidaya dari segi ekologis, ekonomis, dan sosial.
Intrilligator (1978) menjelaskan bahwa komponen utama model
berdasarkan kerangka umum permodelan optimasi (mathematical programming)
terdiri atas variabel keputusan (decision variables atau instruments); ruang pilihan
(opportunity sets) yang dirumuskan dengan beberapa fungsi pembatas nilai variabel
keputusan yang disebut fungsi kendala (constraint functions); dan fungsi tujuan
(objective function). Variabel keputusan dalam optimasi penggunaan lahan adalah

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI

MODUL 1 (LINEAR DAN INTEGER PROGAMMING)
SELASA 1 / MEJA 9
pola spasial penggunaan lahan yang mencakup tipe, luas, dan lokasi penggunaan
lahan. Variabel keputusan didasarkan pada pola penggunaan lahan aktual dengan
tipe penggunaan lahan yang ada atau dikembangkan lebih lanjut sesuai dengan
tujuan optimasi. Permasalahan yang dihadapi adalah mencari nilai variabel
keputusan dalam suatu ruang pilihan sehingga dapat memaksimumkan nilai fungsi
tujuan.
Sadeghi dan Jalili (2008) dalam kajian optimasi penggunaan lahan daerah
aliran sungai (Land Use Optimization in Watershed Scale) menentukan variabel
keputusan optimasi pola penggunaan lahan, yaitu tipe, lokasi, dan luasan
penggunaan lahan yang didasarkan pada pola da tipe penggunaan lahan aktual.
Fungsi tujuan disusun berdasarkan sasaran-sasaran optimasi untuk memaksimalkan
keuntungan dan meminimumkan erosi. Untuk tujuan ganda tersebut teknik optimasi
yang digunakan adalah multiobjectives goal programming.

B. Rumusan Masalah
Adapun perumusan masalah dari modul 1 (Linear dan Integer
Programming) ini adalah sebagai berikut :
”Bagaimana cara menyelesaikan persoalan linier programming and
interger progamming dengan menggunakan teknik Branch and Bound?”

C. Tujuan Praktikum
Adapun tujuan praktikum dari modul 1 adalah :
1. Diharapkan mahasiswa dapat mengenal Linear And Integer Programming
sebagai alat pengambilan keputusan.
2. Memahami bagaimana memformulasikan permasalahan yang terdapat
dalam dunia nyata, dimana nilai tersebut merupakan pecahan (Linear).
3. Memahami bagaimana memformulasikan permasalahan yang terdapat
dalam dunia nyata, dimana nilai tersebut memiliki nilai Integer (bulat).

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI

MODUL 1 (LINEAR DAN INTEGER PROGAMMING)
SELASA 1 / MEJA 9
D. Manfaat Praktikum
Adapun batasan masalah yang dgunakan dalam praktikum optimasi ini
adalah :
1. Mengetahui hasil formulasi dengan meggunkaan linear dan integer
programming.
2. Mengetahui hasil formulasi yang bisa gunakan dalam suatu perusahaan
sebagai keputusan yang tepat.
3. Dapat membantu meyelesaikan permasalahan yang berhubungan dengan
linear dan integer programming.
4. Dapat mengaplikasikan kegiatan praktikum tersebut kepada kegiatan sehari-
hari.
E. Batasan Masalah
Adapun batasan masalah yang dgunakan dalam praktikum optimasi ini
adalah :
1. Menguji apakah formulasi bisa mencapai kriteria tujuan yang telah dibuat.
2. Menggunakan WinQSB untuk mempermudah dalam memformulasikan.
3. Dalam formulasi terdapat nilai pecahan (linear) dan nilai bulat (integer).

II. TINJAUAN PUSTAKA

A. Linear Programming
Metode Pemrograman linier pertama kali ditemukan oleh
ahli statistika Amerika Serikat yang bernama Prof. George Dantzig (Father of the
Linear Programming).
Pemrograman Linier disingkat PL merupakan metode matematik dalam
mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan seperti
memaksimumkan keuntungan dan meminimumkan biaya. PL banyak diterapkan
dalam masalah ekonomi, industri, militer, sosial dan lain-lain. PL berkaitan dengan
penjelasan suatu kasus dalam dunia nyata sebagai suatu model matematik yang
terdiri dari sebuah fungsi tujuan linier dengan beberapa kendala linier.

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI

MODUL 1 (LINEAR DAN INTEGER PROGAMMING)
SELASA 1 / MEJA 9
 Lambang matematika dalam kalimat bahasa indonesia:
Tabel 1.1. Arti Lambang pada Linear Programming

Tahapan dalam penyelesaian optimasi dari Linear programming ini adalah

sebagai berikut :
1. Menentukan decision of variables
2. Membuat objective function
3. Memformulasikan constraints
4. Menggambarkan dalam bentuk grafik
5. Menentukan daerah kemungkinan/ "feasible"
6. Menentukan solusi optimum.
Dua jenis pendekatan yang sering digunakan dalam metode pemrograman
linier ini, yaitu:
 Metode grafik
1. Digunakan untuk menyelesaikan optimasi dengan maksimum 2 variabel.
2. Untuk variabel lebih dari 2, penyelesaiannya menggunakan metode kedua.

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI

MODUL 1 (LINEAR DAN INTEGER PROGAMMING)
SELASA 1 / MEJA 9
 Metode simpleks
1. Digunakan untuk proses dengan jumlah variabel lebih dari 2.
2. Tahapan dalam metode simpleks ini lebih kompleks dibandingkan dengan
metode grafik.
B. Integer Programming
Dalam masalah integer programming, jika model mengharapkan semua
variabel basis bernilai integer (bulat positif atau nol), dinamakan pure integer
programming. Jika model hanya mengharapkan variabel-variabel tertentu bernilai
integer, dinamakan mixed integer programming. Dan jika model hanya
mengharapkan nilai nol atau satu untuk variabelnya, dinamakan zero one integer
programming.
Tampaknya cukup untuk mendapatkan solusi bulat dari masalah LP, dengan
menggunakan metode simpleks biasa dan kemudian membulatkan nilai-nilai pecah
solusi optimum. Bukan tugas mudah untuk membulatkan nilai-nilai pecah variabel
basis yang menjamin tetap memenuhi semua kendala dan tidak menyimpang cukup
jauh dari solusi bulat yang tepat. Karena itu perlu prosedur yang sistematis untuk
mendapatkan solusi bulat optimum terhadap masalah itu.
Suatu pendekatan yang sederhana dan kadang-kadang praktis untuk
menyelesaikan integer programming adalah dengan membulatkan nilai variabel
keputusan yang diperoleh melalui LP. Pendekatan ini mudah dan praktis dalam hal
usaha, waktu dan biaya yang diperlukan untuk memperoleh suatu solusi. Bahkan,
pendekatan pembulatan dapat merupakan cara yang sangat efektif untuk masalah
integer programming yang besar dimana biaya-biaya hitungan sangat tinggi atau
untuk masalah nilai-nilai solusi variabel keputusan sangat besar. Contohnya,
pembulatan nilai solusi jumlah pensil yang harus diproduksi dari 14.250,2 menjadi
14.250,0 semestinya dapat diterima. Namun demikian sebab utama kegagalan
pendekatan ini adalah bahwa solusi yang diperoleh mungkin bukan solusi integer
optimum yang sesungguhnya. Dengan kata lain, solusi pembulatan dapat lebih jelek
dibanding solusi integer optimum yang sesungguhnya atau mungkin merupakan
solusi tak layak. Ini membawa konsekuensi besar jika jumlah produk-produk
seperti pesawat angkut komersial atau kapal perang yang harus diproduksi
dibulatkan ke bilangan bulat terdekat.

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI

MODUL 1 (LINEAR DAN INTEGER PROGAMMING)
SELASA 1 / MEJA 9
C. WinQSB
WinQSB adalah sistem interaktif untuk membantu pengambilan keputusan
yang berisi alat yang berguna untuk memecahkan berbagai jenis masalah dalam
bidang riset operasi. Sistem ini terdiri dari modul-modul yang berbeda, satu untuk
setiap model jenis atau masalah. WinQSB menggunakan mekanisme tampilan
candela seperti Windows, yaitu jendela, menu, toolbar, dll. Oleh karena itu
pengelolaan program serupa dengan yang lain menggunakan lingkungan Windows.
Dengan mengakses salah satu modul membuka jendela di mana kita harus
memilih antara menciptakan masalah baru (File> New Problem) atau membaca
satu sudah dibuat (File> Load Problem). File ekstensi untuk menempatkan model
program. secara default, oleh karena itu kita hanya perlu khawatir tentang nama,
yang tidak boleh melebihi 8 karakter. Semua modul program memiliki kesamaan
berikut menu drop down :
 File : Typical pilihan meliputi menu di Windows, yaitu untuk membuat dan
menyimpan file dengan masalah baru, membaca atau mencetak lain yang
ada.
 Edit : Termasuk masalah utilitas khas untuk mengedit, menyalin,
menempel, memotong dan membatalkan perubahan. Hal ini juga
memungkinkan Anda untuk mengubah nama-nama dari masalah, variabel,
dan kendala. Ini memfasilitasi penghapusan atau penambahan variabel dan
/ atau pembatasan, dan memungkinkan optimasi rasa.
 Format : Termasuk pilihan untuk mengubah tampilan jendela, warna, font,
alignment, sel lebar, dll.
 Solve and Analyze : Pilihan ini mencakup setidaknya dua perintah, satu
untuk memecahkan masalah dan lain untuk menyelesaikannya dengan
mengikuti langkah-langkah dari algoritma.
 Result : Termasuk pilihan untuk melihat solusi untuk masalah dan membuat
tepat daripada menganalisis itu.
 Utilities : Menu ini memungkinkan akses ke kalkulator, jam dan editor
grafis sederhana.
 Window : Memungkinkan Anda untuk menavigasi berbagai jendela yang
muncul saat mengoperasikan dengan program.

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI

MODUL 1 (LINEAR DAN INTEGER PROGAMMING)
SELASA 1 / MEJA 9
 WinQSB : Termasuk pilihan untuk mengakses modul program lain.
 Help : Mengakses bantuan online menggunakan program atau teknik yang
digunakan untuk memecahkan berbagai model. Memberikan informasi
mengenai masing-masing jendela di mana kita menemukan diri kita sendiri.
D. Komponen dan Bentuk Baku Linear dan Integer Progamming
Integer linear programming memiliki tiga komponen utama, yaitu
1. Fungsi Tujuan (Objective Function)
Fungsi tujuan adalah fungsi yang menggambarkan tujuan/sasaran
dari dalam permasalahan integer linear programming yang berkaitan
dengan pengaturan secara optimal sumber daya-sumber daya untuk
mencapai hasil yang optimal.
2. Fungsi Pembatas (Constraint Function)
Fungsi pembatas merupakan bentuk penyajian secara matematis
batasan-batasan kapasitas yang tersedia yang akan dialokasikan secara
optimal ke berbagai kegiatan.
3. Variabel Keputusan (Decision Variables)
Variabel keputusan merupakan aspek dalam model yang dapat
dikendalikan. Nilai variabel keputusan merupakan alternatif yang mungkin
dari fungsi linier.
Bentuk Baku Model Pemrograman Linier
Secara matematis, model umum dari integer linear programming yang
terdiri dari sekumpulan variabel keputusan X1, X2, …, Xn, dirumuskan sebagai
berikut :

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI

MODUL 1 (LINEAR DAN INTEGER PROGAMMING)
SELASA 1 / MEJA 9
Fungsi tujuan : Maksimasi (atau Minimasi)

III. Pengumpulan Data

A. Identifikasi Variabel
Identifikasi Variabel untuk laporan modul 1 (Linear dan Integer
Progamming) adalah :
1. Variabel Bebas
Variabel bebas adalah variabel yang nilainya mempengaruhi variabel terikat
yaitu kapastias maksimum bahan kain dan kanvas.
2. Variabel Terikat
Variabel terikat adalah variabel yang nilainya dipengaruhi variabel bebas
yaitu harga dan jumlah produksi tas ransel dan tas totebag.
B. Soal Laporan Resmi
Sebuah Pabrik Tas “Suka Ceria” memproduksi 2 jenis tas, yaitu tas ransel
dan tas totebag. Untuk membuat satu tas ransel dibutuhkan 16 lembar kanvas dan
14 lembar kain sedangkan membuat satu tas totebag dibutuhkan 8 lembar kanvas

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI

MODUL 1 (LINEAR DAN INTEGER PROGAMMING)
SELASA 1 / MEJA 9
dan 8 lembar kain. Harga jual setiap tas ransel yaitu Rp 5000 sedangkan untuk
setiap tas totebag yaitu Rp 7500. Kapasitas maksimum per hari untuk kanvas adalah
64 lembar dan untuk kain adalah 56 lembar. Berapa jumlah tas yang harus
diproduksi untuk masing-masing produksi diperoleh keuntungan maksimum?

Tabel 1.2. Tabel Produksi PT Suka Ceria

Produk
Jenis Produk
Kapasitas
Maksimum
Kebutuhan Tas Ransel Tas Totebag

Kanvas 16 8 64
Kain 14 8 56
7500
Harga Jual 5000
Permasalahan tersebut dimodelkan sebagai berikut :
Misalkan : X1 : Tas Ransel
X2 : Tas Totebag
Maks Z = 5000𝑥1 +7500𝑥2
16𝑥1 +8𝑥2 ≤ 64
14𝑥1 +8𝑥2 ≤ 56
𝑥1 , 𝑥2 ≥ 0

IV. Hasil dan Pembahasan

a. Input

Gambar 1.1 Input produk Tas Ransel dan Totebag

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI

MODUL 1 (LINEAR DAN INTEGER PROGAMMING)
SELASA 1 / MEJA 9
b. Output

Gambar 1.2 Output produk Tas Ransel dan Totebag

Analisa Output :
1. Decision Variable adalah keputusan produk (Tas Ransel dan Totebag).
2. Solution Value, dalam Output gambar tersebut hasilnya adalah x1
memberikan solusi produksi sebesar 0 untuk Sepatu Pria dan x2
memberikan solusi produksi sebesar 7 untuk Sepatu Wanita.
3. Unit Cost or profit = Biaya laba per unit
Dalam Output gambar tersebut hasilnya adalah biaya laba per unit pada
produk Sepatu Pria (X1) sebesar 5.000, sedangkan biaya laba per unit
pada produk Sepatu Wanita (X2) sebesar 7.500.

4. Total Contribution = diperoleh berdasarkan Solution Value x Unit Cost

or profit. Dalam Output gambar tersebut hasilnya adalah produk Tas
Ransel ; 0 x 5.000 = 0 dan produk Totebag ; 7 x 7.500 = 52.500 .
5. Reduced Cost = Biaya yang dikurangi, apabila biaya 0 maka tidak ada
harga yang dikurangi. Dalam Output gambar tersebut hasilnya adalah
pada produk Tas Ransel terjadi – 0.125 dan pada Totebag tidak terjadi
pengurangan harga.
6. Objective function atau maximize atau nilai optimal dari penyelesaian
masalah tersebut sebesar adalah 52.500 dengan banyak iterasi = 1 .
7. Pada Left Hand Side bagian kanvas sebesar 56 dengan Right Hand Side
sebesar 64 serta Slack or surplus sebesar 8. Dan pada Left Hand Side
bagian kain sebesar 56 dengan Right Hand Side sebesar 56 serta Slack or

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI

MODUL 1 (LINEAR DAN INTEGER PROGAMMING)
SELASA 1 / MEJA 9
 Surplus sebesar 0. Shadow Price (nilai tambahan) pada kulit buaya
sebesar 0 pada kulit badak sebesar 937,5.
 Iterasi Pertama

Gambar 1.3 Iterasi 1

Analisa :
Dalam Ouput gambar tersebut hasilnya adalah terdapat satu langkah iterasi
pemecahan masalah yaitu dengan memproduksi Tas Ransel sebesar 0 unit/hari dan
Totebag 7 unit/hari dengan laba atau keuntungan maksimum sebesar Rp
52.500/hari.

V. Kesimpulan Dan Saran

A. Kesimpulan
Dalam Ouput gambar tersebut hasilnya adalah terdapat satu langkah iterasi
pemecahan masalah yaitu dengan memproduksi Tas Ransel sebesar 0 unit/hari dan
Totebag 7 unit/hari dengan laba atau keuntungan maksimum sebesar Rp
52.500/hari.
B. Saran
Saran untuk modul ini adalah :
1. Diharapkan modul untuk disempurnakan kembali dari segi bahasa dan
penulisan.
2. Agar penyempurnaan modul selanjutnya lebih mendeskripsikan segala
aspek modul.
3. Diharapkan fasilitas untuk menunjang terlaksananya sistem praktikum yang
kondusif dan lancar.
4. Diharapkan kondisi yang kondusif dalam praktikum.

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI

MODUL 1 (LINEAR DAN INTEGER PROGAMMING)
SELASA 1 / MEJA 9
5. Diharapkan penjelasan materi praktikum diperjelas oleh pembimbing
praktikum.

DAFTAR PUSTAKA
Anonim. Pengertian Linier Programming. https://tesisdisertai.blogspot.com.
Diakses pada 4 Setember 2018 pukul 18.00
Anonim. Integer Programming. https://definisimu.blogspot.co.id. Diakses pada 4
September 2018 pukul 21.00
Darma, Yudi. Aplikasi WinQSB. https://darmayudi.blogspot.co.id. Diakses pada 19
April 2018 pukul 21.40
Siagian. 2015. Penelitian Operasional. Jaarta: Universitas Indonesia
Puryani. 2016. Penelitian Operasional. Yogyakarta: Graha Ilmu
Agustini, Dwi Hayu. 2015. Riset Operasional. Semarang: Reka Cipta

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI

MODUL 1 (LINEAR DAN INTEGER PROGAMMING)
SELASA 1 / MEJA 9