16
Variabel keputusan adalah variabel yang secara lengkap menguraikan keputusan-keputusan yang akan dibuat.
2. Fungsi Tujuan
Fungsi tujuan merupakan suatu hubungan linier dari variabel keputusan yang berupa fungsi maksimum atau minimum.
3. Fungsi Kendala
Fungsi kendala merupakan batasan-batasan dalam penyelesaian program linier yang harus diperhatikan. Kendala diekspresikan dalam persamaan dan
pertidaksamaan yang juga merupakan hubungan linier dari variabel keputusan yang mencerminkan keterbatasan sumber daya dalam suatu masalah.
2.2.4 Asumsi dalam Program Linier
Dalam membangun model dari formulasi suatu persoalan akan digunakan karakteristik-karakteristik yang biasa digunakan dalam persoalan program linier,
yaitu Syahputra, 2012: 1.
Linieritas Linierity Fungsi tujuan objective function dan fungsi kendala constraint dibuat dalam
fungsi linier. Sifat linieritas suatu kasus dapat ditentukan dengan menggunakan beberapa cara, misalnya dengan menggunakan grafik.
2. Kesetaraan Propotionality
a. Kontribusi setiap variabel keputusan terhadap fungsi tujuan adalah
sebanding dengan nilai variabel keputusan. b.
Kontribusi suatu variabel keputusan terhadap ruas kiri dari setiap pembatas juga sebanding dengan nilai variabel keputusan itu.
3. Penambahan Addivity
Sifat penambahan mengasumsikan bahwa tidak terdapat bentuk perkalian silang pada model, baik bagi fungsi tujuan maupun fungsi kendala.
4. Pembagian Divisibility
Solusi dapat berupa bilangan bulat integer atau bilangan pecahan. 5.
Ketidaknegatifan Nonnegativity
Universitas Sumatera Utara
17
Nilai variabel keputusan harus lebih besar atau sama dengan nol. 6.
Kepastian Certainty Koefisien pada fungsi tujuan ataupun fungsi kendala merupakan suatu nilai
pasti, bukan merupakan suatu nilai dengan peluang tertentu. Asumsi-asumsi tersebut harus dipenuhi apabila ingin menyelesaikan
masalah model program linier. Jika asumsi-asumsi tersebut tidak dapat terpenuhi, persoalan dapat diselesaikan dengan program matematika lain
seperti integer programming nonlinier programming, goal programming dan dynamic programming.
Suatu masalah dapat mempunyai banyak algoritma penyelesaian. Algoritma yang digunakan tidak saja harus benar tetapi harus efisien. Efisiensi
suatu algoritma dari waktu eksekusi algoritma dan kebutuhan ruang memori. Algoritma yang efisien adalah algoritma yang meminimumkan kebutuhan waktu
dan ruang. Dengan menganalisis beberapa algoritma untuk suatu masalah, dapat diidentifikasi satu algoritma yang paling efisien. Besaran yang digunakan untuk
menjelaskan model pengukuran waktu dan ruang ini adalah kompleksitas algoritma.
Kompleksitas dari suatu algoritma merupakan ukuran seberapa banyak komputasi yang dibutuhkan algoritma tersebut untuk menyelesaikan masalah.
Secara informal, algoritma yang dapat menyelesaikan suatu permasalahan dalam waktu yang singkat memiliki kompleksitas yang rendah, sementara algoritma yang
membutuhkan waktu yang lama untuk menyelesaikan masalahnya mempunyai kompleksitas yang tinggi. Kompleksitas algoritma terdiri dari dua macam yaitu
kompleksitas waktu dan kompleksitas ruang. Beberapa metode yang dipakai untuk mengurangi tingkat kompleksitas adalah metode algoritma titik interior yang
dikembangkan oleh N. Karmarkar pada tahun 1984. Algoritma titik interior memiliki tingkat komplekitas yang sama dengan metode simpleks, maka masalah
program linier dapat diselesaikan dengan waktu yang lebih singkat.
Universitas Sumatera Utara
18
2.3 Metode Grafik