LAPORAN ASISTENSI PRAKTIKUM MODEL OPTIMASI MODUL II PROGRAM LINIER (METODE SIMPLEKS) Nama Instruktur : Muchammad Fauzi, S.T., M.Log. Nama Asisten : Lutfi Triwijayanti Roberto Lemomang Barlian Koyu Disusun Oleh : Kesawa Luthfian M (0518101029) M Farhan Algifari D (0518101037) LABORATORIUM PERENCANAAN DAN OPTIMASI SISTEM INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS WIDYATAMA BANDUNG 2020 BAB I PENDAHULUAN 1.1 LATAR BELAKANG Usaha Mikro Kecil dan Menengah sedang menjadi tren saat ini, banyak dari masyarakat memanfaat peluang kerja ini terutama bagi ibu rumah tangga yang mempunyai banyak waktu luang dan ingin membantu perekonomian keluarga. Selain karena waktu kerja yang tidak terikat secara formal keuntungan dari UMKM cukup menjanjikan sehingga mampu menarik masyarakat kecil untuk membuka usaha. Berbagai macam jenis UMKM yang mudah ditemui terutama di kota-kota besar terutama di Kota Bandung yang penduduknya padat. Metode simpleks digunakan untuk menghitung angka serta menyimpannya kedalam iteras-iterasi sekarang untuk kemudian mengambil keputusan pada iterasi berikutnya. Seperti kebanyakan metode program linier yang menghimpun ketidaksamaan dan banyak variable dalam metode ini juga dikenal beberapa istilah seperti, iteras, variabel, variabel basis, variabel slack, variabel surplus, kolom pivot, baris pivot, elemen pivot, variabel masul, dan variabel keluar. Metode ini digunakan untuk memecahkan permasalahan algoritma yang memiliki > 2 variabel atau lebih. Salah satu UMKM yang mudah ditemui salah satunya penjual lumpia basah, selain karena rasanya relative enak dan harganya juga terjangkau bagi masyarakat. Bahan yang digunakan untuk membuat lumpiah cukup mudah ditemui di pasar tradisional, Bahan dari lumpia basah terdiri dari kulit lumpia, tauge, bengkoang, telur, bumbu halus, gula jawa, siomay, batagor,dan tulang. UMKM yang praktikan teliti menjual produk lumpia basah 3 varian rasa dianaranya lumpia siomay, lumpia tulang, dan lumpia batagor. Metode yang digunakan praktikan adalah metode simpleks karena dari kasus yang praktikan temui ditemukan 3 variabel berbeda yang hanya bisa dipecahkan dalam metode simpleks. 1.2 TUJUAN 1. Praktikan dapat mengetahui nilai laba terbesar dan rincian produk yang harus dijual. 2. Praktikan dapat mengetahui produk mana yang memiliki keuntungan lebih banyak dan ongkos yang lebih sedikit. 3. Praktikan dapat mengetahui berapa unit jumlah produk yang dapat dibuat. BAB II LANDASAN TEORI 2.2 PEMROGRAMAN LINIER (METODE SIMPLEKS) 2.2.1 Definisi Pemrograman Linier Pemrograman Linier (PL) merupakan metode matematik dalam mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan seperti memaksimumkan keuntungan dan meminimumkan biaya. Pemrograman Linier banyak diterapkan dalam masalah ekonomi, industri, militer, social dan lain-lain. Pemrograman Linier berkaitan dengan penjelasan suatu kasus dalam dunia nyata sebagai suatu model matematik yang terdiri dari sebuah fungsi tujuan linier dengan beberapa kendala linier (Siringoringo, 2005). Pemrograman linier berasal dari kata pemrograman dan linear. Pemograman artinya perencanaan, dan linear berarti bahwa fungsi-fungsi yang digunakan merupakan fungsi linier. Jadi secara umum Pemrograman linier adalah suatu teknik perencanaan yang bersifat analitis yang analisisnya memakai model matematika, dengan tujuan menemukan beberapa kombinasi alternatif pemecahan masalah, yang kemudian dipilih yang terbaik yang diantaranya dalam rangka menyusun langkah-langkah kebijaksanaan lebih lanjut tentang alokasi sumber daya dan dana yang terbatas guna mencapai tujuan dan sasaran yang diinginkan secara optimal (Anugerah Ayu, 1996). Pemrograman linier merupakan suatu model umum yang dapat digunakan dalam pengalokasian sumber-sumber yang terbatas secara optimal. Masalah tersebut timbul apabila seseorang diharuskan untuk memilih atau menentukan tingkat setiap kegiatan yang akan dilakukan, dimana masing-masing kegiatan membutuhkan sumber yang sama sedangkan jumlahnya terbatas (Wikipedia, 2009). Karakteristik yang biasa digunakan dalam persoalan pemrograman linier adalah sebagai berikut (Siringoringo, 2005): a. Sifat linearitas suatu kasus dapat ditentukan dengan menggunakan beberapa cara. Secara statistik, kita dapat memeriksa kelinearan menggunakan grafik (diagram pencar) ataupun menggunakan uji hipotesa. Secara teknis, linearitas ditunjukkan oleh adanya sifat proporsionalitas, additivitas, divisibilitas dan kepastian fungsi tujuan dan pembatas. b. Sifat proporsional dipenuhi jika kontribusi setiap variabel pada fungsi tujuan atau penggunaan sumber daya yang membatasi proporsional terhadap level nilai variabel. Jika harga per unit produk misalnya adalah sama berapapun jumlah yang dibeli, maka sifat proporsional dipenuhi atau dengan kata lain, jika pembelian dalam jumlah besar mendapatkan diskon, maka sifat proporsional tidak dipenuhi, jika penggunaan sumber daya per unitnya tergantung dari jumlah yang diproduksi, maka sifat proporsionalitas tidak dipenuhi. c. Sifat additivitas mengasumsikan bahwa tidak ada bentuk perkalian silang diantara berbagai aktivitas, sehingga tidak akan ditemukan bentuk perkalian silang pada model. Sifat additivitas berlaku baik bagi fungsi tujuan maupun pembatas (kendala). Sifat additivitas dipenuhi jika fungsi tujuan merupakan penambahan langsung kontribusi masing-masing variabel keputusan, untuk fungsi kendala, sifat additivitas dipenuhi jika nilai kanan merupakan total penggunaaan masing-masing variabel keputusan, jika dua variabel keputusan misalnya merepresentasikan dua produk substitusi, dimana peningkatan volume penjualan salah satu produk akan mengurangi volume penjualan produk lainnya dalam pasar yang sama, maka sifat additivitas tidak terpenuhi. d. Sifat divisibilitas berarti unit aktivitas dapat dibagi ke dalam sembarang tingkat fraksional, sehingga nilai variabel keputusan non-integer dimungkinkan. e. Sifat kepastian menunjukkan bahwa semua parameter model berupa konstanta, artinya koefisien fungsi tujuan maupun fungsi pembatas merupakan suatu nilai pasti, bukan merupakan nilai dengan peluang tertentu. 2.2.2 Definisi Metode Simpleks Metode simpleks merupakan salah satu teknik penyelesaian dalam program linier yang digunakan sebagai teknik pengambilan keputusan dalam permasalahan yang berhubungan dengan pengalokasian sumberdaya secara optimal. Metode simpleks digunakan untuk mencari nilai optimal dari program linier yang melibatkan banyak constraint (pembatas) dan banyak variabel (lebih dari dua variabel). Penemuan metode ini merupakan lompatan besar dalam riset operasi dan digunakan sebagai prosedur penyelesaian dari setiap program komputer. Salah satu teknik penentuan solusi optimal yang digunakan dalam pemrograman linier adalah metode simpleks. Penentuan solusi optimal menggunakan metode simpleks didasarkan pada teknik eleminasi Gauss Jordan. Penentuan solusi optimal dilakukan dengan memeriksa titik ekstrim satu per satu dengan cara perhitungan iteratif, sehingga penentuan solusi optimal dengan simpleks dilakukan tahap demi tahap yang disebut dengan iterasi. Iterasi ke-i hanya tergantung dari iterasi sebelumnya (i-1). Terdapat beberapa istilah yang sangat sering digunakan dalam metode simpleks, diantaranya yaitu: a. Iterasi adalah tahapan perhitungan dimana nilai dalam perhitungan itu tergantung dari nilai tabel sebelumnya. b. Variabel non basis adalah variabel yang nilainya diatur menjadi nol pada sembarang iterasi. Secara terminologi umum, jumlah variabel non basis selalu sama dengan derajat bebas dalam sistem persamaan. c. Variabel basis merupakan variabel yang nilainya bukan nol pada sembarang iterasi. Variabel basis merupakan variabel slack pada kondisi awal (jika fungsi kendala merupakan pertidaksamaan ≤) atau variabel buatan (jika fungsi kendala menggunakan pertidaksamaan ≥ atau =). Secara umum, jumlah variabel basis selalu sama dengan jumlah fungsi pembatas (tanpa fungsi non negatif). d. Solusi atau nilai kanan merupakan nilai sumber daya pembatas yang masih tersedia. Nilai kanan atau solusi pada solusi awal sama dengan jumlah sumber daya pembatas awal yang ada, karena aktivitas belum dilaksanakan. e. Variabel slack adalah variabel yang ditambahkan ke model matematik kendala untuk mengkonversikan pertidaksamaan ≤ menjadi persamaan (=). Penambahan variabel ini terjadi pada tahap inisialisasi, pada solusi awal, variabel slack akan berfungsi sebagai variabel basis. f. Variabel surplus adalah variabel yang dikurangkan dari model matematik kendala untuk mengkonversikan pertidaksamaan ≥ menjadi persamaan (=). Penambahan ini terjadi pada tahap inisialisasi, pada solusi awal, variabel surplus tidak dapat berfungsi sebagai variabel basis. g. Variabel buatan adalah variabel yang ditambahkan ke model matematik kendala dengan bentuk ≥ atau = untuk difungsikan sebagai variabel basis awal. Penambahan variabel ini terjadi pada tahap inisialisasi. Variabel ini harus bernilai 0 pada solusi optimal, karena kenyataannya variabel ini tidak ada. Variabel hanya ada di atas kertas. h. Kolom pivot (kolom kerja) adalah kolom yang memuat variabel masuk. Koefisien pada kolom ini akan menjadi pembagi nilai kanan untuk menentukan baris pivot (baris kerja). i. Baris pivot (baris kerja) adalah salah satu baris dari antara variabel basis yang memuat variabel keluar. j. Elemen pivot (elemen kerja) adalah elemen yang terletak pada perpotongan kolom dan baris pivot. Elemen pivot akan menjadi dasar perhitungan untuk tabel simpleks berikutnya. k. Variabel masuk (entering variable) adalah variabel yang terpilih untuk menjadi variabel basis pada iterasi berikutnya. Variabel masuk dipilih satu dari antara variabel non basis pada setiap iterasi. Variabel ini pada iterasi berikutnya akan bernilai positif. l. Variabel keluar adalah variabel yang keluar dari variabel basis pada iterasi berikutnya dan digantikan oleh variabel masuk. Variabel keluar dipilih satu dari antara variabel basis pada setiap iiterasi. Variabel ini pada iterasi berikutnya akan bernilai nol. 2.2.3 Bentuk Baku Sebelum melakukan perhitungan iteratif untuk menentukan solusi optimal, pertama sekali bentuk umum pemrograman linier dirubah ke dalam bentuk baku terlebih dahulu. Bentuk baku dalam metode simpleks tidak hanya mengubah persamaan kendala ke dalam bentuk sama dengan, tetapi setiap fungsi kendala harus diwakili oleh satu variabel basis awal. Variabel basis awal menunjukkan status sumber daya pada kondisi sebelum ada aktivitas yang dilakukan. Dengan kata lain, variabel keputusan semuanya masih bernilai nol. Dengan demikian, meskipun fungsi kendala pada bentuk umum pemrograman linier sudah dalam bentuk persamaan, fungsi kendala tersebut masih harus tetap berubah. Berikut ini adalah beberapa hal yang harus diperhatikan dalam membuat bentuk baku: a. Fungsi kendala dengan pertidaksamaan ≤ dalam bentuk umum, dirubah menjadi persamaan (=) dengan menambahkan satu variabel slack. b. Fungsi kendala dengan pertidaksamaan ≥ dalam bentuk umum, dirubah menjadi persamaan (=) dengan mengurangkan satu variabel surplus. c. Fungsi kendala dengan persamaan dalam benttuk umum, ditambahkan satu artificial variable (variabel buatan). Tahap-tahap menggunakan metode simpleks: 1.Membuat bentuk LP standar dengan : a) Mengubah fungsi tujuan menjadi fungsi implisit b) Mengubah fungsi batasan menjadi persamaan dengan menambahnkan variabel slack c) Menambahkan variabel slack dalam fungsi tujuan 2. Dari bentuk standar menentukan solusi awal dengan menetapkan variabel non basic sebagai variabel bernilai 0. 3. Menyusun tabel simplek. 4. memilih variabel non basic yang harus dipertukarkan dengan variabel basic. a) Memilih kolom pivot Nilai (-) terbesar pada fungsi tujuan bila fungsi tujuan max b) Mencari indeks tiap baris dengan cara membagi nilai pada kolom solusi dengan kolom pivot —> tidak termasuk baris tujuan c) Baris pivot adalah nilai positif terkecil Pivot = perpotongan kolom pivot dan baris pivot d) Perhitungan baris pivot baru dengan cara membagi semua nilai pada baris pivot lama dengan nilai pivot e) Menghitung nilai baris-baris lainnya : Baris baru = baris lama – (koefisien pada kolom pivot) x nilai baru baris pivot. Nilai pada kolom pivot = 0 5. Susun tabel simplek baru. 6. Evaluasi, apakah tujuan masih ada nilai (-). 7. Jika ya, ulangi tahapan iterasi, jika tidak maka sudah dihasilkan nilai optimal.. BAB IV PENGUMPULAN DAN PENGOLAHAN DATA