Anda di halaman 1dari 3

METODE DUAL SIMPLEX

Prosedur perhitungan yang dibicarakan sejauh ini bergerak dari solusi dasar
layak yang belum optimum ke solusi layak yang lain. Apakah proses tersebut
akhirnya akan mencapai suatu solusi layak optimum, adalah tergantung pada
kemampuan untuk mendapatkan suatu solusi dasar awal yang layak. Dalam
kaitan ini, artificial variabel kadang-kadang digunakan untuk menemukan solusi
awal layak. Jika formulasi LP mengandung sejumlah besar artificial variable,
maka membutuhkan banyak perhitungan untuk memperoleh solusi awal layak.
Karena itu, akan dijelaskan suatu prosedur perhitungan yang memberikan suatu
solusi layak optimum, meskipun solusi awalnya tidak layak. Prosedur itu
dinamakan dual simplex algorithm yang pertama kali disusun oleh Lemke.
Algoritma ini tidak banyak digunakan di antara program-program komputer yang
ada. Namun ia memainkan peranan penting dalam post optimality analysis.
Berikut ini disajikan contoh bagaimana metode itu bekerja :
Contoh :
Minimumkan
Dengan syarat

4X 1
3X 1
X1
X1
X1

+
+
+
+
;

2X 2
X2
X2
2X 2
X2

27
21
30

Langkah pertama adalah mengubah semua kendala menjadi pertidaksamaan


(agar tidak membutuhkan artificial variable) dan kemudian tambahkan variabel
slack. Sehingga diperoleh :

Minimumkan
Dengan syarat

4X 1
- 3X 1
- X1
- X1

+
-

2X 2
X2 + S1
X2
+ S2
2X 2
+ S3
X 1, X 2, S 1 , S 2 , S 3 ,

- 27
- 21
- 30
0

Jika bentuk baku di atas diekspresikan sebagai suatu tabel simplex awal,
maka akan terlihat bahwa variabel slack (S1 , S 2 , S 3 ) tidak memberikan solusi
awal layak. Karena ini merupakan masalah minimisasi sementara semua
koefisien pada persamaan Z adalah 0, maka solusi awal S 1=-27, S 2 =-21,
S3 =-30 adalah optimum tetapi tak layak. Masalah ini merupakan ciri khas dari
masalah yang dapat diselesaikan dengan metode dual simplex. Tabel solusi
awal optimum tapi tak layak adalah :

Tabel 1. Tabel Awal


Basis

X1

X2

S1

S2

S3

Solusi

Z
S1
S2
S3

-4
-3
-1
-1

-2
-1
-1
-2

0
1
0
0

0
0
1
0

0
0
0
1

0
- 27
- 21
- 30

Seperti dalam metode simplex, metode ini didasarkan pada optimality and
feasibility condition. Optimality condition menjamin bahwa solusi selalu tetap
optimum, sementara feasibility condition memaksa solusi dasar mencapai
ruang layak.
Feasibility Condition : leaving variable adalah variabel basis yang memiliki
nilai negatif terbesar (nilai kembar dipilih secara sembarang). Jika semua
variabel basis non negatif, proses berakhir dan solusi layak yang telah
optimum tercapai.
Optimality Condition : entering variable dipilih dari variabel non basis dengan
cara seperti berikut. Buat rasio antara koefisien persamaan Z dengan koefisien
persamaan yang berhubungan pada leaving variable. Abaikan rasio dengan
penyebut positif atau nol. Bagi masalah minimisasi, entering variable adalah
salah satu yang memiliki rasio terkecil, atau absolut rasio terkecil untuk
masalah maksimisasi (rasio kembar dipilih secara sembarang). Jika semua
penyebut adalah nol atau positif, berarti masalah itu tidak memiliki solusi
layak.
Setelah memilih entering and leaving variable, metode Gauss Jordan (operasi
baris) diterapkan seperti biasa untuk memperoleh solusi berikutnya. Leaving
variable pada Tabel 1 adalah S 3 (=-30), karena ia memiliki nilai negatif
terbesar. Untuk menentukan entering variable, rasionya diperoleh dengan cara
berikut :
Variabel

X1

X2

S1

S2

S3

Persamaan Z
Persamaan S 3

-4
-1

-2
-2

0
0

0
0

0
1

Rasio

Entering variable adalah X2 karena ia memiliki rasio terkecil yaitu 1. Dengan


menerapkan operasi baris seperti biasa diperoleh tabel berikut :

Tabel 2. Iterasi Pertama


Basis
Z

X1
-3

X2
0

S1
0

S2
0

S3
-1

Solusi
30

S1
S2
X2

- 2,5
- 1/2
1/2

0
0
1

1
0
0

0
1
0

-1/2
- 1/2
- 1/2

- 12
-6
15

Solusi baru masih optimum tetapi tak layak (S 1 =-12, S 2 =-6). Kemudian S 1
dipilih sebagai leaving variable dan X1 sebagai entering variable. Ini memberikan iterasi seperti berikut :
Tabel 3. Iterasi Kedua
Basis
Z

X1
0

X2
0

S1
- 1,2

S2
0

S3
- 0,4

X1
S2
X2

1
0
0

0
0
1

- 0,4
- 0,2
- 0,2

0
1
0

0,2
- 0,4
- 0,6

Solusi
44,4
4,8
- 3,6
12,6

Pada iterasi kedua belum diperoleh solusi layak (S 2 = - 3,6). Karena S 2 adalah satusatunya yang bernilai negatif, dengan sendirinya ia menjadi leaving variabel dan S3
sebagai entering variabel, ini memberikan iterasi seperti berikut :
Tabel 4. Iterasi Ketiga
Basis
Z

X1
0

X2
0

S1
-1

S2
-1

S3
0

Solusi
48

X1
S3
X2

1
0
0

0
0
1

- 1/2
1/2
1/2

1/2
- 2,5
- 1,5

0
1
0

3
9
18

Tabel Iterasi Ketiga merupakan tabel optimum dan layak dengan nilai fungsi tujuan
adalah 48.