Anda di halaman 1dari 23

KASUS KHUSUS PROGRAM LINEAR

(1). SOLUSI OPTIMUM GANDA


Jika fungsi tujuan sejajar dengan fungsi kendala, maka akan
terjadi nilai optimum yang sama pada lebih dari satu titik
solusi. Keadaan ini dinamakan Optimum Ganda atau
Optimum Alternatif.
Contoh:
1. Fungsi Tujuan :
Maksimumkan : Z = 2 X1 + 4 X2
2. Fungsi Kendala :
2.1. 2 X1 + 4 X2 5
2.2.
X1 + X2 4
X1 , X 2 0

Penyelesaian :
1. Metode Grafik
X2

X 1 + 2 X2 5

A
X1 + X2 4
B

X1

ZC

ZA dan ZB

a). Titik O(0,0) : ZA = 0


b). Titik A(0,5/2): ZA = 2(0) + 4(5/2) = 10
c). Titik B(3,1) : ZB = 2(3) + 4(1) = 10
d). Titik C(5,0) : ZC = 2(5) + 4(0) = 10
2. Metode Simpleks :
---------------------------------------------------------------------------------------------------------------Variabel
X1
X2
S1
S2
NK
Indeks
Dasar
----------------------------------------------------------------------------------------------------------------Z

-2

-4

S1

5/2

S2

3/2

-----------------------------------------------------------------------------------------------------------------

---------------------------------------------------------------------------------------------------------------Variabel
X1
X2
S1
S2
NK
Indeks
Dasar
----------------------------------------------------------------------------------------------------------------Z

10

X2

1/2

1/2

5/2

S2
1/2
0
-1/2
1
3/2
3
----------------------------------------------------------------------------------------------------------------Z

10

X2

X1
1
0
-1
2
3
-----------------------------------------------------------------------------------------------------------------

Alternatif Optimal : 1). X1 = 0; X2 = 5/2; Zmaks.= 10.


2). X1 = 3; X2 = 1; Zmaks.= 10

(2). SOLUSI TAK TERBATAS


Pada beberapa model PL, nilai variabel mungkin bertambah
tak terbatas tanpa menyimpang dari kendala, berarti bahwa
ruang solusi menjadi tak terbatas sekurang-kurangnya pada
satu arah. Akibatnya, nilai fungsi tujuan dapat bertambah
tanpa pernah mencapai batas fungsi kendala. Dalam keadaan ini dikatakan bahwa baik ruang solusi maupun nilai
tujuan optimum adalah tak terbatas.
Contoh :
1. Fungsi Tujuan : Maksimumkan : Z = 2X1 + X2
2. Fungsi Kendala :
2.1.
X1 - X2 10
2.2.
2X1
40
X1 , X2 0

Penyelesaian :
1. Metode Grafik :
X2

Ruang Solusi Tak Terbatas


X1-X2 10

X1 40

X1

(2). Metode Simpleks :


_______________________________________________________________________
Variabel

X1

X2

S1

S2

NK

Indeks

Dasar
-----------------------------------------------------------------------------------------------------------------

-2

-1

S2

-1

10

10

S2
2
0
0
1
40
20
-----------------------------------------------------------------------------------------------------------------

20

X1

-1

10

S1
1
1
-1
1
30
30
----------------------------------------------------------------------------------------------------------------Z
3
0
1
3
110
X1

30

X2
1
1
-1
1
30
-----------------------------------------------------------------------------------------------------------------

(3). DEGENERASI
Dalam penerapan feasibility condition, jika terdapat rasio
minimum kembar, maka pemilihan leaving variabel dilakukan secara sembarang. Jika ini terjadi, satu atau lebih
variabel dasar akan sama dengan nol pada iterasi berikutnya
Dalam kasus ini, solusi mengalami DEGENERASI.
Berdasarkan pengalaman, degenerasi muncul jika model
memiliki sekurang-kurangnya sebuah kendala yang berlebihan. Celakanya, tidak ada teknik untuk mengalokasikan
secara langsung dari fungsi kendala mana yang berlebih.

Contoh 1 :
1. Fungsi Tujuan :
Maksimumkan : Z = 3 X1 + 9 X2
2. Fungsi Kendala :
2.1. X1 + 4X2 8
2.2. X1 + 2X2 4
X1 ,X2 0
X
Penyelesaian :
(1). Metode Grafik
1

3 X 1 + 9 X2

X1 + 4X2 8

X1 + 2X2 4

X2

(2). Metode Simpleks :


____________________________________________________________________

Variabel
X1
X2
S1
S2
NK
Indeks
Dasar
------------------------------------------------------------------------------------------------Z
-3
-9
0
0
0
S1
1
4
1
0
8
4
S2
1
2
0
1
4
4
-------------------------------------------------------------------------------------------------Z
-3/4
0
9/4
0
18
X2
1/4
1
1/4
0
2
8
S2
1/2
0
-1/2
1
0
0
-------------------------------------------------------------------------------------------------Z
0
0
3/2
3/2
18
X2
0
1
1/2
-1/2
2
X2
1
0
-1
2
0
---------------------------------------------------------------------------------------------------

Degenerasi memiliki dua pengaruh :


(1). Peristiwa cycling, yaitu tidak terjadi perbaikan
nilai solusi meskipun iterasi terus terjadi.
(2). Dalam iterasi 1 dan 2, meskipun klasifikasi var.
dasar dan non dasar berbeda, akan menghasilkan
nilai fungsi tujuan yang sama.
Berdasarkan gagasan ini timbul kemungkinan untuk
menghentikan perhitungan pada iterasi 1 (ketika generasi pertama muncul), bahkan meskipun pada iterasi
itu belum optimum. Kita akan membantah gagasan ini
dengan melihat contoh berikut ini.

Contoh 2 :
(1). Fungsi Tujuan :
Maksimumkan : Z = 3 X1 + 2 X2
(2). Fungsi Kendala :
2.1. 4 X1 + 3 X2 12
2.2. 4 X1 + X2 8
2.3. 4 X1 - X2 8
X 1 , X2 0

Penyelesaian : (1). Metode Grafik


X2

4X1- X2 8
4X1+X2 8

4X1+3X2 12

Z=3X1+2X2

X1

(2). Metode Simpleks :


--------------------------------------------------------------------------------------------------------Var Dasar
X1
X2
S1
S2
S3
NK
Indeks
-------------------------------------------------------------------------------------------------------Z
-3
-2
0
0
0
0
S1
4
3
1
0
0
12
3
S2
4
1
0
1
0
8
2
S3
4
-1
0
0
1
8
2
--------------------------------------------------------------------------------------------------------Z
0
-5/4
0
3/4
0
6
S1
0
2
1
-1
0
4
2
X2
1
1/4
0
1/4
0
2
8
S3
0
-2
0
-1
1
0
--------------------------------------------------------------------------------------------------------Z
0
0
5/8
1/8
0
17/2
X2
0
1
1/2
-1/2
0
2
X2
1
0
-1/8
3/8
0
3/2
S3
0
-2
0
-1
1
0
---------------------------------------------------------------------------------------------------------

Pada contoh 2 ini, degenerasi muncul pada iterasi 1.


Perhatikan bahwa pada iterasi kedua, degenerasi tidak
terlihat dan nilai fungsi tujuan berubah dari 6 menjadi
17/2. Kesimpulan dari kedua contoh ini adalah bhw
iterasi simpleks harus diteruskan sampai iterasi terakhir
yang memenuhi optimality condition.
Disamping NK minimum kembar, dapat pula terjadi
koefisien pada persamaan Z yang kembar dalam aplikasi optimality condition. Dlm hal ini entering var.
dipilih secara sembarang di antara nilai kembar itu.
Tidak ada pilihan yg salah, meskipun pemilihan adalah
satu var dapat mengakibatkan iterasi yg lebih banyak.

PENAFSIRAN TABEL SIMPLEKS


Banyak masalah-maslah dlm praktek yg dirumuskan
sebagai PL menggunakan ratusan kendala dan ribuan
variabel keputusan. Menjadi tidak perlu menyelesaikan
masalah PL itu dengan perhitungan tangan, sebagai
gantinya digunakan komputer. Dalam penyelesaian
model PL, akan terasa bahwa banyak waktu yg diperlukan utk pembentukan model, pengumpulan data dan
menyiapkan input utk dicocokan dengan kode komputer. Jika ini telah dilakukan, komputer akan mengambil
alih dan memberikan solusi optimal.

Tabel simplek optimum bukan sekedar suatu daftar


variabel dan nilai optimumnya, tetapi ia dipenuhi dgn
informasi-informasi, termasuk nilai optimum variabelvariabel. Informasi yang dapat diperoleh dari Tabel
simpleks baik secara langsung maupun dgn tambahan
perhitungan sederhana adalah :
(1). Solusi Optimum.
(2). Keadaan Sumberdaya.
(3). Sumbangan per unit Sumberdaya.
(4). Kepekaan solusi optimum terhadap perubahan
tersedianya sumberdaya, koefisien fungsi tujuan,
dan konsumsi sumberdaya oleh setiap kegiatan.

(1). SOLUSI OPTIMUM


1. Fungsi Tujuan :
Maksimumkan Profit : Z = 3X1 + 2X2
2. Fungsi Kendala :
2.1. Tenaga Kerja : X1 + X2 15
2.2. Kayu
: 2X1 + X2 28
2.3. Paku
: X1 + 2X2 20
X1 , X2 0
dimana :
X1 , X2 adalah jumlah produksi kursi dan meja.

Tabel Simpleks Optimum :


--------------------------------------------------------------------------------------------------------Var Dasar
X1
X2
S1
S2
S3
NK
--------------------------------------------------------------------------------------------------------Z
0
0
1
1
0
43
X2
0
1
2
-1
0
2
X1
1
0
-1
1
0
13
S3
0
0
-3
1
1
3
--------------------------------------------------------------------------------------------------------

Var. Keputusan
X1
X2
Z

Nilai Optimum
13
2
43

Keputusan
Kursi = 13
Meja = 2
Profit = 43

(2). Keadaan Sumberdaya :


Kendala digolongkan dua, yaitu langka dan berlebihan, tergantung solusi optimal mengkonsumsi
seluruh ketersediaan (kapasitas) sumberdaya yang
bersangkutan. Berbicara sumberdaya secara tidak
langsung menyatakan bahwa ada suatu pembatas
maksimum ketersediaannya yang berarti bahwa
kendala harus berjenis, sehingga kendala jenis
bukan menunjukkan suatu pembatas sumberdaya,
tetapi mereka lebih menyatakan bahwa solusi hrs
memenuhi kebutuhan tertentu, seperti kepuasan
minimum dan permintaan minimum.

Keadaan sumberdaya (langka atau berlebihan) pada


setiap model PL dapat ditentukan secara langsung dari
Tabel Optimum dengan mengamati nilai variabel slack,
sebagai berikut :
Sumberdaya
Slack Var. Keadaan Sumberdaya
Tenaga Kerja
S1= 0
Langka
Kayu
S2= 0
Langka
Paku
S3= 1
Berlebih
Suatu slack var positif berarti sumberdaya tdk digunakan seluruhnya (berlebih), sedangan slack var = 0 menunjukkan seluruh jlh sumberdaya dikonsumsi oleh
kegiatan-kegiatan dalam model.

Dari hasil solusi optimum menunjukkan sumberdaya


ketiga (S3), yaitu paku berlebih, artinya penambahan
paku hanya membuat paku makin berlebihan tanpa
memperbaiki solusi optimum. Peningkatan jumlah
tenaga kerja dan kayu akan memperbaiki solusi optimum karena masih langka.
(3). Sumbangan per Unit Sumberdaya
Sumbangan sumberdaya per unit adalah tingkat perbaikan dalam nilai optimum sebagai akibat kenaikan
jumlah ketersediaan sumberdaya tersebut. Hal ini dpt
dilihat dari koefisien persamaan Z dibawah var dasar
awal (S1, S2, dan S3) seperti berikut ini.

-------------------------------------------------------------------------------------------------------Var Dasar
X1
X2
S1
S2
S3
NK
-------------------------------------------------------------------------------------------------------Z
0
0
1
1
0
43
--------------------------------------------------------------------------------------------------------

Koefisien sebesar 1, artinya jika sumberdaya ditambah


1 unit maka nilai fungsi tujuan bertambah 1. Koefisien
sebesar 0, artinya jika sumberdaya ditambah maka
nilai fungsi tujuan tidak akan berubah (karena sumberdaya yang digunakan berlebih). Nilai-nilai tersebut disebut dengan Shadow Price. Shadow Price adalah
sumbangan dari perubahan satu unit sumberdaya terhadap fungsi tujuan.