BAB III LINIER PROGRAMING Linier programming adalah suatu teknik optimasi untuk memecahkan persoalan dimana fungsi

obyektif maupun fungsi kendala dinyatakan sebagai fungsi linier dari variabel desain. Metode yang sangat populer untuk menyelasaikan persoalan linier programming adalah Metode Simpleks-. Karakteristik dari persoalan linier programing adalah: 1. Tipe Optimasi adalah minimisasi fungsi obyektif 2. Semua fungsi kendala mempunyai jenis Equality 3. Semua variabel desain adalah non negatif.

4.1

Model Linier Programing Dalam Linier Programing dikenal dua macam fungsi yaitu fungsi obyektif dan

fungsi kendala. Fungsi obyektif yang sering juga disebut dengan fungsi tujuan adalah fungsi yang menggambarkan tujuan atau sasaran didalam permasalahan LP yang berkaitan dengan pengaturan secara optimal untuk memperoleh keuntungan secara maksimal atau biaya secara minimal. Fungsi kendala merupakan batasan-batasan kapasitas yang tersedia atau kemampuan yang ada yang akan dialokasikan secara optimal ke dalam berbagai kegiatan. Persoalan LP dapat dinyatakan dalam bentuk standar seperti pada tabel berikut:

Tabel 3.1 Data untuk model linear programming Kegiatan Sumber

1 2 3 .. n

Pemakaian sumber per unit kegiatan (keluaran)

Kapasitas Sumber

1 2 3 . . . m Z pertambahan tiap unit Tingkat kegiatan

a11 a21 a31 . . . am1

a12 a22 a32 . . . am2

a13 . a1n a23 ... a2n a33 . a3n . . . . . .

b1 b2 b3 . . . bm

am3 .. amn

C1

C2

C3 Cn

X1

X2

X3 Xn

Dengan mengunakan Tabel diatas dapat disusun suatu model matematis yang digunakan untuk menyatakan permasalahan LP yaitu: Fungsi tujuan: Maksimumkan Z=C1X1 + C2X2 + C3X3 + . + CnXn Dengan Fungsi kendala 1). a11X1 + a12X2 +a13X3 + + a1nXn b1 2). a21X1 + a22X2 +a23X3 + + a2nXn b2 .

. m). am1X1 + am2X2 +am3X3 + + amnXn bm dan X1,X2, , Xn 0

4.2

Pemecahan Persoalan Linier Programing dengan Metode Grafik Persoalan linier programing dengan dua variabel dapat dipecahkan dengan menggunakan metode geometri atau metode grafik. Langkah-langkah penyelesaian dalam metode grafik adalah: 1. Menentukan fungsi tujuan dan memformulasikannya dalam bentuk persamaan matematis 2. Mengidentifikasi batasan-batasan yang berlaku dan memformulasikanya dalam bentuk matematis 3. Menggambarkan masing-masing garis fuungsi batasan dalam satu sistem sumbu x-y 4. Mencari titik yang paling menguntungkan (optimal) dihubungkan dengan fungsi tujuan.

Contoh. Sebuah perusahaan sepatu membuat 2 jenis sepatu. Jenis pertama dengan merek I1, dengan sol dari karet dan jenis yang kedua dengan merek I2, dengan sol dari kulit. Untuk membuat sepatu-sepatu itu perusahaan memiliki 3 macam mesin. Mesin 1 khusus membuat sol dari karet, mesin 2 khusus memuat sol dari kulit, dan mesin 3 membuat bagian atas sepatu dan melakukan assembling bagian atas dengan sol. Setiap lusin sepatu merek I1 mula-mula dikerjakan dimesin 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 pada mesin 2 selama 3 jam kemudian di mesin 3 selama 5 jam. Jam kerja maksimum setiap hari untuk mesin 1 adalah 8 jam, mesin 2 = 15 jam, dan mesin 3 = 30 jam. Sumbangan terhadap laba untuk setiap lusin sepatu merek I1

= Rp. 30.000,- dan untuk sepatu merek I2 sebesar Rp. 50.000,-. Berapa lusin sebaiknya diproduksi untuk masing-masing merek agar diperoleh laba yang maksimum. Solusi: Data tersebut diatas dapat disusun kedalam tabel diatas sebagai berikut: Tabel 3.2 Data dari perusahaaan sepatu ideal Merk I1 Mesin 1 2 3 Sumbangan terhadap laba (x Rp. 10.000,-) Untuk menentukan formulasi masalah pertama kali dilakukan adalah menentukan desain variabel yaitu: X1 = Jumlah sepatu merek I1 yang akan dibuat tiap hari X2 = Jumlah sepatu merek I2 yang akan dibuat tiap hari Z = Jumlah laba seluruh sepatu merek I1 dan merek I2 yang akan diperoleh. Kemudian ditentukan fungsi obyektif yaitu dengan melihat tujuan dari permasalahan. Dari soal tujuannya adalah mencari laba maksimum dimana diperoleh dari sepatu merek I1 = Rp. 30.000,- dan Merek I2 = Rp. 50.000,- sehingga dapat ditulis dalam bentuk matematis. Maksimumkan Z = 3X1 + 5X2 ( dalam puluhan ribu rupiah) Selanjutnya ditentukan fungsi kendalanya. Kendala muncul dengan adanya batasan kapasitas mesin 1, mesin 2 dan mesin 3 yaitu 8 jam, 12 jam dan 30 jam, sehingga dapat ditulis 3 5 2 0 6 0 3 5 I2 Kapasitas Maksimum 8 15 30

1. 2. 3.

2 X1 3X2 6X1 + 5X2

8 15 30

Setelah fungsi obyektif dan fungsi kendala sudah didapatkan langkah selanjutnya adalah melakukan penggambaran dalam bentuk grafik untuk masing-masing fungsi kendala.

2X1=8 5 (5/6,5) 3X2 = 15

Daerah feasible 4

(4,6/5) 6X +5X =30 1 2

Gambar 3.1. Grafik fungsi-fungsi batasan perusahaan sepatu IDEAL Dari grafik dapat diketahui perpotongan antara dua persamaan garis dan dapat diketahui daerah feasible. Selanjutnya mencari perpotongan titik yang akan memaksimumkan fungsi obyektif. Ada dua cara untuk mencari titik yang memaksimumkan fungsi obyektif yaitu dengan menggambarkan fungsi tujuan dan dengan membandingkannya untuk masing-masing titik yang terletak di daerah feasible. Untuk cara yang pertama, dibuat garis dengan menggunakan persamaan fungsi obyektif dengan memisalkan pada suatu harga (Z=10=3X1+5X2), kemudian garis ini digeser-geser sehingga didapatkan suatu titik didaerah feasible yang terletak paling akhir (untuk arah pergeseran ke kanan-atas)

2X1=8 5 (5/6,5) 3X2 = 15

Daerah feasible 4

(4,6/5) 6X +5X =30 1 2

Gambar 3.2. Grafik fungsi tujuan dan batasan-batasan perusahaan sepatu IDEAL Dari hasil perrgeseran garis didapatkan suatu titik yang terakhir yaitu titik (5/6,5). Dari hasil tersebut dapat diketahuai besarnya X1 = 5/6 dan X2 = 5 dengan besarnya Z=27,5. Cara kedua dengan membandingkan besarrnya Z untuk masing-masing titik, untuk mendapatkan nilai Z yang terbesar.

Tabel 3.3. Nilai Z pada alternative nilai X untuk memilih titik yang optimal Z = 3X1 + 5X2 X1 0 4 4 0 5/6 X2 0 0 6/5 5 5 Z 0 12 18 25 27.5

Di antara kelima alternatif tersebut yang paling besar adalah Z = 27,5 dengan X1=5/6 dan X2=5.

Dengan demikian untuk mendapatkan laba maksimum haruslah diproduksi untuk merek I1 sebesar 5/6 dosin dan merek I2 sebesar 5 dosin tiap hari, dengan laba sebesar Rp. 275.000,-.

4.3

Metode Simpleks Apabila suatu masalah dalam LP hanya mengandung 2 variabel saja, maka akan dapat diselesaikan dengan metode grafik. Tetapi bila melibatkan lebih dari dua variabel akan sulit diselesaikan dengan metode grafik, sehingga perlu suatu metode baru untuk menyelesaikan permasalahan tersebut. Metode baru ini disebut dengan Metode Simpleks yang lazim digunakan untuk menyelesaikan permasalahan dalam LP dengan 3 variabel atau lebih. Pada bagian ini akan dijelaskan mengenai langkah-langkah dalam menyelesaikan

permasalahan dengan menggunakan metode simpleks dengan meggunakan tabel.

Langkah 1: Mengubah fungsi obyektif dan fungsi kendala dalam bentuk standar. Fungsi tujuan diubah menjadi fungsi implisit, artinya semua CjXij digeser ke kiri. Sebagai contoh seperti pada cotoh di depan yaitu dengan fungsi obyektif: Z=3X1+5X2 di ubah menjadi Z 3X1- 5X2 = 0. Pada bentuk standar, semua batasan mempunyai tanda . Ketidaksamaan ini harus diubah dalam bentuk persamaan, caranya dengan menambah variable tambahan (slack variable). Variabel tambahan ini adalah Xn+1, Xn+2, , Xn+m. Karena tingkat variabel adalah X1 dan X2 maka variabel tambahan dimulai dari X3, X4 dan seterusnya. 1. 2X1 2. 3. 6X1 + 3X2 5X2 8 menjadi 2X1 15 menjadi 3X2 30 menjadi 6X1 + 5X2 + X3 = 8 + X4 = 15 + X5 = 30

Berdasarkan perubahan diatas dapat disusun formulasi yang dirubah tersebut menjadi: Maksimumkan Z 3X1 5X2 = 0 Dengan fungsi kendala 1. 2X1 2. 3X2 3. 6X1 + 5X2 + X3 + X4 = 8 = 15 + X5 = 30

Langkah 2 : Menyusun persamaan-persamaan di dalam tabel Setelah formulasi dibah kemudian disusun ke dalam tabel, dalam bentuk simbol (bentuk umum) seperti terlihat pada tabel berikut:

Tabel 3.4. Tabel Simpleks dalam bentuk simbol Variabel dasar Z Xn+1 Xn+2 . . . Xn+m Catat NK = nilai kanan persamaan, yaitu nilai dibelakang tanda = Variabel dasar = variabel yang nilainya sama dengan sisi kanan persamaan Untuk contoh soal diatas dapat dibuat dalam bentuk tabel sebagai berikut. Z 1 0 0 . . . 0 . . . am1 am2 . amn 0 0 1 X1 X2 . Xn Xn+1 Xn+2 Xn+m -C1 -C2 . Cn 0 0 . 0 1 . . 0 0 0 a11 a12 . a1n 1 a21 a22 . a2n 0 NK 0 b1 b2 . . . bm

Tabel 3.5. Data perusahaan sepatu ideal dalam tabel simpleks yang pertama Variabel dasar Z X3 X4 X5 Z 1 0 0 0 X1 -3 2 0 6 X2 -5 0 3 5 X3 0 1 0 0 X4 0 0 1 0 X5 0 0 0 1 NK 0 8 15 30

Setelah tabel tersusun seperti diatas kemudian diadakan perbahan-perubahan untuk mendapatkan titik optimal, yaitu dengan langkah-langkah sebagai berikut.

Langkah 3 : Memilih kolom kunci Kolom kunci adalah kolom yang merupakan dasar untuk mengubah tabel diatas. Cara untuk memilih kolom kunci yaitu dengan memilih kolom yang berada dibawah fungsi obyektif dengan nilai negatif yang paling besar. Dari tabel terlihat bahwa fungsi tujuan yang mempunyai nilai negatif terbesar adalah pada kolom X2 yaitu 5. Kemudian dibawah nilai tersebut diberi tanda kotak seperti pada tabel dibawah. (kalau suatu tabel sudah tidak memiliki nilai negatif pada fungsi tujuan, berarti tabel tersebut sudah tidak dapat dioptimalkan lagi)

Tabel 3.6. Pemilihan Kolom Kunci Pada Tabel Pertama Variabel dasar Z X3 X4 X5 Z 1 0 0 0 X1 -3 2 0 6 X2 -5 0 3 5 X3 0 1 0 0 X4 0 0 1 0 X5 0 0 0 1 NK 0 8 15 30

Langkah 4 : Memilih baris kunci Baris kunci adalah baris yang merupakan dasar untuk mengubah tabel tersebut, dan ditentukan dari nilai indeks dari tiap-tiap baris. Indeks adalah besarnya nilai NK dibagi nilai kolom kunci yang bersangkutan. Nilai kolom NK Indeks = Nilai kolom kunci

Tabel 3.7 Cara Mengubah nilai baris kunci Variabel dasar Z X3 X4 X5 Z 1 0 0 0 X1 -3 2 0 6 X2 -5 0 3 5 X3 0 1 0 0 X4 0 0 1 0 X5 0 0 0 1 NK 0 8 15 30 8/0 15/3=5 30/5=6 Indeks

Angka yang masuk dalam kolom kunci dan baris kunci di sebut angka kunci. Dari tabel di atas angka kuncinya adalah 3. Angka kunci ini akan dipakai sebagai pembagi untuk mendapatkan nilai baru dalam baris kunci.

Langkah 5 : Mengubah nilai-nilai baris kunci Nilai-nilai pada baris kunci diubah dengan membagi masing-masing nilai dengan angka kunci, yaitu 0/3=0, 3/3=1, 0/3=0, 1/3=1/3, 0/3=0, dan 15/3=5 kemudian nilai-nilai baru tersebut digunakan sebagai nilai-nilai baris yang baru seperti terlihat pada tabel dibawah.

Tabel 3.8 Tabel Pertama nilai lama dan tabel kedua nilai baru pada baris kunci Variabel dasar Z X3 X4 X5 Z X3 X2 X5 Z 1 0 0 0 1 0 0 0 0 1 0 1/3 0 5 X1 X2 -3 2 0 6 -5 0 3 5 X3 0 1 0 0 X4 0 0 1 0 X5 0 0 0 1 NK 0 8 15 30 8/0 15/3=5 30/5=6 Indeks

Langkah 6 : mengubah nilai-nilai selain pada baris kunci Nilai-nilai selain pada baris kunci dicari dengan mengunakan rumus sebagai berikut: Baris baru = baris lama-(koefisien pada kolom kunci) x nilai baris baru Baris pertama (fungsi obyektif) [-3 (-5) x [ 0 Nilai baru = [-3 -5 1 0 0 0 0 0 1/3 5/3 0, 0, 0, 0] 5] (-) 25]

Baris kedua (fungsi kendala 1) [2 (0) x [ 0 Nilai baru = [2 0 1 0 1 0 1 0 1/3 0 0, 0, 0, 8] 5] (-) 8]

Baris keempat (fungsi kendala 4) [6 (5) x [ 0 Nilai baru = [ 6 5 1 0 0 0 0 0 1/3 -5/3 1, 0, 1, 30] 5] (-) 5]

Dari hasil diatas kemudian dimasukkan tabel sehimgga didapat tabel sebagai berikut:

Tabel 3.9. Tabel pertama nilai lama dan tabel kedua nilai baru Variabel dasar Z X3 X4 X5 Z X3 X2 X5 Z 1 0 0 0 1 0 0 0 X1 -3 2 0 6 -3 2 0 6 X2 -5 0 3 5 0 0 1 0 X3 0 1 0 0 0 1 0 0 X4 0 0 1 0 5/3 0 1/3 -5/3 X5 0 0 0 1 0 0 0 1 NK 0 8 15 30 25 8 5 5 8/0 15/3=5 30/5=6 Indeks

Langkah 7: Melanjutkan perbaikan-perbaikan untuk masing-masing nilai Untuk melanjutkan perbaikan-perbaikan/perubahan-perubahan pada semua nilainilai yang lain dilakukan dengan mengulangi langkah 3 sampai dengan langkah 6. Perbaikan dikatakan selesai apabila pada baris pertama (fungsi obyektif) tidak ada yang bernilai negatif.

Tabel 3.10. Kolom dan baris dari tabel nilai pertama, hasil perbaikan kedua, dan nilai baru baris kunci hasil perbaikan kedua Variabel dasar Z X3 X4 X5 Z X3 X2 X5 Z X3 X2 X1 Z 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 -5/18 1/6 5/6 X1 -3 2 0 6 -3 2 0 6 X2 -5 0 3 5 0 0 1 0 X3 0 1 0 0 0 1 0 0 X4 0 0 1 0 5/3 0 1/3 -5/3 X5 0 0 0 1 0 0 0 1 NK 0 8 15 30 25 8 5 5 5/6=5/6 8/2=4 8/0 15/3=5 30/5=6 Indeks

Dengan menggunakan rumus yang sama dengan sebelumnya nilai baris-baris lain kecuali baris kunci adalah: Baris pertama [-3 (-3) x [ 1 Nilai baru Baris kedua [2 (2) x nilai baru [1 [0 0 0 0 1 0 1 0 5/9 0, -1/3 8 ] -5/18 1/6, 5/6 ] (-) 6 1/3] [0 0 0 0 0 0 0 5/3 5/6 0, , 25 ] 5/6 ] (-) 27,5] -5/18 1/6,

Sehingga hasil setelah semua baris nilainya diperbaharui adalah sebagai berikut:

Tabel 3.11. Hasil perubahan/perbaikan kedua Variabel dasar Z X3 X2 X1 Z 1 0 0 0 X1 0 0 0 1 X2 0 0 1 0 X3 0 1 0 0 X4 5/6 5/9 1/3 -5/18 X5 1/2 -1/3 0 1/6 NK 27,5 6 1/3 5 5/6

Dari hasil pada tabel diatas baris pertama sudah tidak ada nilai yang negatif, sehingga tabel tersebut sudah tidak bisa dioptimalkan lagi (sudah merupakan hasil yang optimal). Jadi nilai X1=I1=5/6 dosin, X2=I2=5 dosin dengan harga Z=Rp. 275.000,- per hari.

4.4

Ketentuan-ketentuan dalam metode Simpleks Pada persoalan seperti telah dibahas di sub-bab sebelumnya tidak terdapat kolom kunci dan baris kunci berganda atau dengan multiple solution. Jika terdapat kolom kunci ganda, baris kunci ganda dan multiple solution maka dapat kita bahas sebagai berikut:

1. Terdapat lebih dari satu kolom bernilai negatif dengan angka terbesar. Kalau pada baris fungsi tujuan terdapat lebih dari satu nilai negatif dengan angka terbesar, maka ada dua kolom yang bisa dipilih menjadi kolom kunci. (pemilihannya secara sembarang akan menghasilkan keputusan yang sama)

2. Terdapat dua baris atau lebih dengan indeks positif terkecil. Kalau ada dua baris atau lebih yang mempunyai indeks dengan nilai positif terkecil, maka ada dua atau lebih baris yang akan menjadi baris kunci. (pemilihannya secara sembarang akan menghasilkan keputusan yang sama)

3. Kenaikan nilai Z tidak terbatas Nilai Z (tujuan) suatu permasalahan dapat ditambah terus bila paling tidak ada satu kegiatan yang tidak ada batasannya. Sebagai contoh lihat pada Tabel berikut:

Tabel 3.12 Kenaikan nilai Z tidak terbatas karena aktivitas 2 tidak mempunyai batasan Variabel Dasar Z X3 X4 X5 Z 1 0 0 0 X1 -3 2 3 6 X2 -5 0 0 0 X3 0 1 0 0 X4 0 0 1 0 X5 0 0 0 1 NK 0 8 15 30

Dari tabel terlihat pada X2 tidak mempunyai batasan sehingga nilai Z pada fungsi tujuan dapat ditambah terus. Dalam persoalan linier programing bila terjadi semacam ini tidak perlu dilanjutkan cukup disebutkan bahwa kenaikan nilai Z tidak terbatas. (catat cek pada formulasi masalah mungkin ada yang salah) 4. Multiple Optimal Solution Dalam LP metode Simpleks untuk mengetahui apakah suartu masalah LP bersifat multiple solution atau tidak, dilihat baris fungsi tujuan pada tabel terakhir (tabel optimal). Apabila didalam baris itu terdapat paling tidak satu variabel dasar yang mempunyai nilai 0 maka masalah itu akan menghasilkan paling tidak 2 alternatif yang mempunyai nilai Z sama. Sebagai contoh misalnya apabila contoh didepan fungsi tujuan mula-mula Z=3X1 + 5X2 menjadi Z=6X1+5X2 maka hasilnya akan terlihat seperti pada tabel berikut:

Tabel 3.13. Multiple Solutions Variabel dasar Z X3 X4 X5 Z X1 X4 X5 Z X1 X4 X2 Z X1 X3 X2 Z 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 X1 -6 2 0 6 0 1 0 0 0 1 0 0 0 1 0 0 X2 -5 0 3 5 -5 0 3 5 0 0 0 1 0 0 0 1 X3 0 1 0 0 3 1/2 0 -3 0 9/5 -3/5 0 0 1 0 X4 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 X5 0 0 0 1 0 0 0 1 1 0 -3/5 1/5 0 1/6 -1/3 0 NK 5 8 15 30 24 4 15 6 30 4 57/5 6/5 30 5/6 19/3 5 Indeks

Dari tabel yang ke 3 pada baris fungsi tujuan nilai X3 adalah 0, berarti ini bersifat multiple solution. Bila dilanjutkan akan menghasilkan seperti pada tabel yang ke 4.

4.5

Penyimpangan-penyimpangan dari bentuk dasar (bentuk standar) Permasalahan yang dihadapi sering kali tidak tidak dapat diformulasikan ke bentuk standar. Untuk dapat diselesaikan dengan metode simpleks ada cara-cara tertentu yang harus dilakukan. 1. Fungsi kendala dalam bentuk persamaan Kalau suatu batasan memakai tanda kesamaan, maka cara mengatasinya dengan menambahkan variabel buatan (artificial variable). Misal kalau pada

contoh sebelumnya batasan ketiga menjadi 6X1 + 5X2 = 30, maka formulasinya menjadi: Maksimumkan Z 3X1 5X2 Batasan-batasan: 1. 2. 3. 2X1 3X2 6X1 + 5X2 +X3 = 8 + X4 = 15 = 30 =0

Untuk dapat diselesaikan dengan metode Simpleks harus ditambahkan satu variabel lagi pada batasan ke 3 yaitu dengan variabel buatan X5 sehingga persamaan menjadi: 6X1 +5X2 + X5 =30 Karena adanya variabel buatan X5 fungsi tujuan menjadi: Z 3X1 5X2 + MX5 = 0 Persamaan diatas kemudian dirubah agar dapat diselesaikan dengan metode simpleks dengan cara: [ M[ -3 6 -5 5 0 0 0 0 0 M, 1, 0 ] 30 ] (-)
,

maka fungsi tujuan harus disesuaikan dengan

menambahkan bilangan M dengan nilai sangat besar tetapi tidak tak terhingga, sehingga

[ (-3 -6M) (-5-5M) 0 Sehingga fungsi tujuan menjadi:

0, -30M ]

Z + (-3-6M)X1 + (-5 -5M)X2 = -30M Fungsi tujuan inilah yang kemudian akan digunakan dalam penyelesaian dengan menggunakan metode simpleks. 2. Minimisasi Fungsi tujuan pada LP yang bersifat minimisasi harus dirubah dalam bentuk maksimalisasi, contoh: Minimumkan Z = 3X1 + 5X2 diubah menjadi Maksimumkan (-Z) = -3X1 5X2

3. Funsi Kendala bertanda Bila suatu fungsi kendala bertanda , maka harus diubah menjadi dan akhirnya menjadi = agar dapat diselesaikan dengan metode simpleks. Misalkan: 6X1 + 5X2 30 dikalikan (-1) menjadi -6X1 5X2 -30 ditambah variable X5 -6X1 5X2 + X5 = -30 4. Bagian kanan persamaan bertanda negatif Bila bagian kanan bertanda negatif maka harus diubah menjadi positif dengan cara mengalikan dengan (-1) kemudian ditambah dengan artificial variable, contoh -6X1 5X2 + X5 = -30 dikalikan (-1) 6X1 + 5X2 X5 = 30 Karena slack variabel bertanda negatif maka harus ditambah dengan artificial variable menjadi: 6X1 + 5X2 X5 + X6 = 30 Sesuai dengan penjelasan yang terdahulu setiap penambahan artificial variabel harus ditambahkan nilai M pada fungsi tujuan. Kalau diperhatikan prosedur untuk memperoleh bentuk terakhir dari batasan yang bertanda dapat dipersingkat sebagai berikut: 6X1 + 5X2 6X1 + 5X2 X5 30 = 30

6X1 + 5X2 X5 + X6 = 30 Dalam hal ini X5 juga disebut dengan surplus variable karena mengurangi kelebihan dari bagian kiri persamaan di atas bagian kanan persamaan sehingga diperoleh tanda kesamaan.(=)

Contoh soal Fungsi tujuan: Minimumkan Z=3X1 + 5X2 Batasan-batasan: (1) 2X1 (2) 3X2 = 8 15

(3) 6X1 + 5X2 30 Penyelesaian: Fungsi Tujuan: Fungsi tujuan diubah menjadi maksimumkan (-Z) = -3X1 5X2 Batasan (1): Batasan (1) harus ditambah dengan satu variabel buatan (artificial variable) X3, sehingga menjadi sebagai berikut : 2X1 + X3 = 8 Konsekuensi dari penggunaan artificial variable ini adalah penambahan M pada fungsi tujuan dan mengubahnya,sebagai berikut: Fungsi tujuan : Maksimumkan (-Z ) = -3X1 5X2 (-Z) = -3X1 5X2 MX3 X3 akan menjadi variable dasar pada tabel permulaan , maka nilainya dalam fungsi tujuan harus diubah menjadi 0 ,yang akan dilakukan bersama sama dengan batasan (3). Batasan (2) diubah menjadi 3X2 + X4 = 15 Batasan (3): 6X1 + 5X2 6X1 + 5X2 X5 30 = 30

6X1 + 5X2 X5 + X6 = 30 Dengan memperhatikan perubahan fungsi tujuan karena batasan (1) , maka diubah menjadi:

Maksimumkan (-Z) = -3X1-5X2-MX3-MX6 Kalau diubah menjadi fungsi implisit: -Z + 3X1 + 5X2 + MX3 + MX6 = 0 Untuk mengubah agar nilai X3 dan X6 pada fungsi batasan menjadi 0, maka dilakukan pengurangan pengurangan sebagai berikut: 3 -M [ 2 -M [ 6 5 0 5 M 1 0 0 0 0 0 0 0 -1 M M, 0, 1, 0 8 ] baris X3 30 ] baris X6

[ (-8M+3) (-5M+5) 0

0, -38M

Berdasarkan perubahan-perubahan di atas maka dapat disusun dalam tabel permulaan , seperti yang terlihat pada bagian pertama dari tabel 3.13. Tabel 3.14. Tabel Permulaan sampai dengan tabel optimal
Variabel dasar Z X3 X4 X5 Z X1 X4 X6 Z X1 X4 X2 Z -1 0 0 0 -1 0 0 0 -1 0 0 0 X1 (-8M+3) 2 0 6 3 1 0 0 0 1 0 0 X2 (-5M+5) 0 3 5 (-5M+5) 0 3 5 0 0 1 1 X3 0 1 0 0 (-4M-3/2) 0 -3 (M+3/2) 9/5 -3/5 X4 0 0 1 0 0 0 1 0 0 0 1 0 X5 0 0 0 -1 M 0 0 -1 1 0 3/5 -1/5 X6 0 0 0 1 0 0 0 1 (M+1) 0 -3/5 1/5 NK -38M 8 15 30 (-6M-12) 4 15 6 -18 4 32/5 6/5

Berdasarkan

bagian terakhir dari Tabel 3.13 dapat disimpulkan bahwa untuk

meminimumkan nilai Z, X1 harus sebesar 4, X2 sebesar 6/5,dan nilai Z yang diperoleh sebesar 18 (karena -Z = -18). 5. Bila minimum nilai Xj boleh negative Pada bentuk standar , nilai Xj harus selalu positif (dengan batasan Xj 0). Tetapi kadang-kadang suatu masalah dapat menghasilkan formulasi linear programming yang mungkin nilai Xj negative.Andaikata batasan X1 0 dalam contoh pada bentuk standar didepan diubah menjadi X1 -10 (nilai X1 minimum sebesar -10 ), maka formulasinya menjadi sebagai berikut : Fungsi Tujuan: Maksimumkan Z = 3X1 + 5X2 Batasan batasan : (1) 2X1 (2) 8 3X2 15

(3) 6X1 + 5X2 30 (4) X1 -10, X2 0 Pemecahan dari bentuk standar mengharuskan nilai Xj 0 , padahal batasan ke-(4) menyebutkan bahwa nilai X1 -10. Oleh karena itu, harus disesuaikan dengan memakai variabel baru X1 yang besarnya = X1 + 10, sehingga nilai X1 = X1 10 . Kemudian bila setiap X1 pada persamaan diatas diganti dengan X1 10; hasilnya sebagai berikut: Maksimumkan Z = 3(X1 - 10) + 5X2 8 3X2 15 (2) 6(X1 - 10) + 5X2 30 (3) (X1 - 10) -10, X2 0

Batasan-batasan : (1) 2(X1 - 10)

Persamaan diatas diselesaikan sebagai berikut: Maksimumkan Z = 30 + 3X1+ 5X2 28 3X2 (2) 6X1 + 5X2 15 90

Batasan-batasan : (1) 2X1

(3) X1 -10, X2 0 6. Bila nilai Xj boleh positif atau negatif Kalau hasil linear programming memungkinkan nilai Xj positif maupun negatif dan tidak ada batas negatif tertentu (negatif berapa pun dimungkinkan) maka nilai Xj diubah menjadi Xj Xj dengan ketentuan sebagai berikut: X1 = mewakili nilai positif dari Xj Xj = mewakili nilai negatif dari Xj Mula-mula Maksimumkan Z = 3X1 + 5X2 Batasan-batasan: (1) 2X1 8 3X2 15 (2) 6X1 + 5X2 30 (3) X2 0 (hanya X2 saja) Dengan mengganti X1 menjadi X1-Xj maka akan menjadi: Maksimumkan Z=3(X1-X1) +5X2 Batasan-batasan (1) 2(X1-X1) (2) 8 3X2 15

(3) 6(X1-X1) + 5X2 30 (4) X1 0; X1 0; X2 0

Penyederhanaan menjadi bentuk yang dapat diselesaikan dengan linear programming menghasilkan Maksimumkan Z=3X1-3X1+5X2 Batasan-batasan (1) 2X1-2X1 (2) 8 3X2 15

(3) 6X1-6X1 + 5X2 30 (4) X1 0; X1 0; X2 0