http://rezakusuma.blog.

com/metode-simpleks/
Metode Simpleks
4.1

METODE SIMPLEKS

Metode grafik tidak dapat menyelesaikan persoalan linear program yang memilki variabel keputusan
yang cukup besar atau lebih dari dua, maka untuk menyelesaikannya digunakan Metode Simpleks.
Metode simpleks merupakan salah satu teknik penentuan solusi optimal yang digunakan dalam
pemograman linear. Penentuan solusi optimal didasarkan pada teknik eliminasi Gauss Jordan.
Penentuan solusi optimal dilakukan dengan memeriksa titik ekstrim (ingat solusi grafik) satu per satu
dengan cara perhitungan iteratif. Sehingga penentuan solusi optimal dengan simpleks dilakukan
dengan tahap demi tahap yang disebut iterasi.
4.2

PENGERTIAN ISTILAH DALAM METODE SIMPLEKS

Beberapa Istilah yang digunakan dalam metode simpleks menurut hotniar (2005: 56-57),
penjelasannya diantaranya sebagai berikut.
Iterasi, seperti yang disebutkan sebelumnya adalah tahapan perhitungan dimana nilai dalam
perhitungan itu tergantung dari nilai tabel sebelumnya.
Variabel non basis, adalah variabel yang nilainya diatur menjadi nol pada sembarang iterasi. Dalam
terminologi umum, jumlah variabel non basis selalu sama dengan derajat bebas dalam sistem
persamaan.
Variabel basis, merupakan variabel yang nilainya bukan nol pada sembarang iterasi. Pada solusi awal,
variabel basis merupakan variabel slack (jika fungsi kendala menggunakan pertidaksamaan <) atau
variabel buatan (jika fungsi kendala menggunakan pertidaksamaan > atau =). Secara umum, jumlah
variabel batas selalu sama dengan jumlah fungsi pembatas (tanpa fungsi non negatif)
Solusi atau Nilai Kanan (NK), merupakan nilai sumber daya pembatas yang masih tersedia. Pada
solusi awal, nilai kanan atau solusi sama dengan jumlah sumber daya pembatas awal yang ada, karena
aktivitas belum dilaksanakan.
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.
Variabel Surplus, adalah variabel yang dikurangkan dari model matematik kendala untuk
mengkonversikan pertidaksamaan > menjadi persamaan (=). Penambahan variabel ini terjadi pada
tahap inisialisasi. Pada solusi awal, variabel surplus tidak dapat berfungsi sebagai variabel bebas.
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 ini hanya ada di atas kertas.
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).
Baris Pivot (Baris Kerja), adalah salah satu baris dari antara variabel baris yang memuat variabel
keluar.
Elemen Pivot (Elemen Kerja), adalah elemen yang terletak pada perpotongan kolom dan baris pivot.
Elemen pivot akan menjadi dasar perhitungan untuk tabel simpleks berikutnya.

Variabel Masuk, 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.
Variabel Keluar, variabel yang keluar dari variabel basis pada iterasi berikutnya dan digantikan
dengan variabel masuk. Variabel keluar dipilih satu dari antara variabel basis pada setiap iterasi dan
bernilai 0.
4.3 Langkah Penyelesaian Metode Simpleks, Beberapa ketentuan yang perlu diperhatikan, menurut
Abdullah (2009:12) antara lain:
Nilai kanan (NK / RHS) fungsi tujuan harus nol (0).
Nilai kanan (RHS) fungsi kendala harus positif. Apabila negatif, nilai tersebut harus dikalikan 1.
Fungsi kendala dengan tanda harus diubah ke bentuk = dengan menambahkan variabel
slack/surplus. Variabel slack/surplus disebut juga variabel dasar.
Fungsi kendala dengan tanda diubah ke bentuk dengan cara mengalikan dengan 1, lalu
diubah ke bentuk persamaan dengan ditambahkan variabel slack. Kemudian karena RHS-nya negatif,
dikalikan lagi dengan 1 dan ditambah artificial variabel/variabel buatan (M).
Fungsi kendala dengan tanda = harus ditambah artificial variabel (M).
4.4

PEMBUATAN TABEL SIMPLEKS

Contoh 4.a, contoh kasus ini diambil dari Abdullah (2009:12):

Z = 3X1 + 5X2
Kendala:
1) 2X1 8
2) 3X2 15
3) 6X1 + 5X2 30
Langkah-langkah:
Mengubah fungsi tujuan dan fungsi kendala (lihat beberapa ketentuan yang harus diperhatikan)
Fungsi tujuan:

Maksimumkan Z = 3X1 + 5X2 Z 3X1 5X2 = 0

Fungsi kendala:

1) 2X1 8 => 2X1 + X3 = 8

2) 3X2 15 => 3X2 + X4 = 15

3) 6X1 + 5X2 30 => 6X1 + 5X2 + X5 = 30
(X3, X4 dan X5 adalah variabel slack)
Menyusun persamaan-persamaan ke dalam tabel:
Var.Dasar

X1

X2

X3

X4

X5

NK

-3

-5

Index

X3

X4

15

X5

30

Memilih KOLOM KUNCI

Kolom kunci adalah kolom yang mempunyai nilai pada baris Z yang bernilai negatif dengan angka
terbesar.
Var.Dasar

X1

X2

X3

X4

X5

NK

-3

-5

X3

X4

15

X5

30

Index

Memilih BARIS KUNCI

Baris kunci adalah baris yang mempunyai indeks terkecil
Var.Dasar

X1

X2

X3

X4

X5

NK

Index

-3

-5

X3

X4

15

X5

30

Angka Kunci (-5)

Mengubah nilai-nilai baris kunci => dengan cara membaginya dengan angka kunci
sehingga tabel menjadi seperti berikut:
Var.Dasar

X1

X2

X3

X4

X5

NK

Index

-3

-5

X3

X2

1/3

X5

30

Mengubah nilai-nilai selain baris kunci sehingga nilai-nilai kolom kunci (selain baris kunci)=0
Baris Baru = Baris Lama (Koefisien Angka Kolom Kunci Nilai Baris Baru Kunci)

Baris Z
Baris lama

[-3

NBBK

-5

-5

0]

1/3

5]

[0

Baris Baru

-3

5/3

25

[2

8]

Baris X3
Baris lama
NBBK

[0

Baris Baru

0
1

1/3

5]

Baris X5
Baris lama

[6

NBBK

[0

Baris Baru

0
0

1
1/3

-5/3

30 ]
0

5]

Masukkan nilai di atas ke dalam tabel, sehingga tabel menjadi seperti berikut:
Var.Dasar

X1

X2

X3

X4

X5

NK

Index

-3

5/3

25

X3

X2

1/3

X5

-5/3

Melanjutkan perbaikan-perbaikan (langkah 3-6) sampai baris Z tidak ada nilai negatif
Var.Dasar

X1

X2

X3

X4

X5

NK

Index

-3

5/3

25

X3

X2

1/3

X5

-5/3

5/6

Var.Dasar

X1

X2

X3

X4

X5

NK

Index

5/6

1/2

27

X3

5/9

-1/3

X2

1/3

Zmax
4

X1

-5/18

1/6

5/6

5/6

Diperoleh hasil: X1 = 5/6, X2 = 5, Zmax = 27

4.1

METODE SIMPLEKS

Metode grafik tidak dapat menyelesaikan persoalan linear program yang memilki variabel keputusan
yang cukup besar atau lebih dari dua, maka untuk menyelesaikannya digunakan Metode Simpleks.
Metode simpleks merupakan salah satu teknik penentuan solusi optimal yang digunakan dalam
pemograman linear. Penentuan solusi optimal didasarkan pada teknik eliminasi Gauss Jordan.
Penentuan solusi optimal dilakukan dengan memeriksa titik ekstrim (ingat solusi grafik) satu per satu
dengan cara perhitungan iteratif. Sehingga penentuan solusi optimal dengan simpleks dilakukan
dengan tahap demi tahap yang disebut iterasi.

4.2

PENGERTIAN ISTILAH DALAM METODE SIMPLEKS

Beberapa Istilah yang digunakan dalam metode simpleks menurut hotniar (2005: 56-57),
penjelasannya diantaranya sebagai berikut.
a. Iterasi, seperti yang disebutkan sebelumnya 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.
Dalam 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. Pada solusi
awal, variabel basis merupakan variabel slack (jika fungsi kendala menggunakan pertidaksamaan <)
atau variabel buatan (jika fungsi kendala menggunakan pertidaksamaan > atau =). Secara umum,
jumlah variabel batas selalu sama dengan jumlah fungsi pembatas (tanpa fungsi non negatif)
d. Solusi atau Nilai Kanan (NK), merupakan nilai sumber daya pembatas yang masih tersedia. Pada
solusi awal, nilai kanan atau solusi 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 variabel ini terjadi pada
tahap inisialisasi. Pada solusi awal, variabel surplus tidak dapat berfungsi sebagai variabel bebas.
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 ini 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 baris 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, 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, variabel yang keluar dari variabel basis pada iterasi berikutnya dan digantikan
dengan variabel masuk. Variabel keluar dipilih satu dari antara variabel basis pada setiap iterasi dan
bernilai 0.

4.3 Langkah Penyelesaian Metode Simpleks, Beberapa ketentuan yang perlu diperhatikan, menurut
Abdullah (2009:12) antara lain:

Nilai kanan (NK / RHS) fungsi tujuan harus nol (0).

Nilai kanan (RHS) fungsi kendala harus positif. Apabila negatif, nilai tersebut harus dikalikan 1.

Fungsi kendala dengan tanda harus diubah ke bentuk = dengan menambahkan variabel
slack/surplus. Variabel slack/surplus disebut juga variabel dasar.

Fungsi kendala dengan tanda diubah ke bentuk dengan cara mengalikan dengan 1, lalu
diubah ke bentuk persamaan dengan ditambahkan variabel slack. Kemudian karena RHS-nya negatif,
dikalikan lagi dengan 1 dan ditambahartificial variabel/variabel buatan (M).

4.4

Fungsi kendala dengan tanda = harus ditambah artificial variabel (M).

PEMBUATAN TABEL SIMPLEKS

Contoh 4.a, contoh kasus ini diambil dari Abdullah (2009:12):

Z = 3X1 + 5X2
Kendala:
1) 2X1 8
2) 3X2 15
3) 6X1 + 5X2 30
Langkah-langkah:
Mengubah fungsi tujuan dan fungsi kendala (lihat beberapa ketentuan yang harus diperhatikan)
Fungsi tujuan:

Maksimumkan Z = 3X1 + 5X2 Z 3X1 5X2 = 0

Fungsi kendala:

1) 2X1 8 => 2X1 + X3 = 8

2) 3X2 15 => 3X2 + X4 = 15

3) 6X1 + 5X2 30 => 6X1 + 5X2 + X5 = 30
(X3, X4 dan X5 adalah variabel slack)

Menyusun persamaan-persamaan ke dalam tabel:

Var.Dasar

X1

X2

X3

X4

X5

NK

-3

-5

X3

X4

15

X5

30

Index

Memilih KOLOM KUNCI

Kolom kunci adalah kolom yang mempunyai nilai pada baris Z yang bernilai negatif dengan angka
terbesar.
Var.Dasar

X1

X2

X3

X4

X5

NK

-3

-5

X3

X4

15

X5

30

Index

Memilih BARIS KUNCI

Baris kunci adalah baris yang mempunyai indeks terkecil
Var.Dasar

X1

X2

X3

X4

X5

NK

-3

-5

X3

X4

15

X5

30

Angka Kunci

Index

Koef. Angka Kolom Kunci

Mengubah nilai-nilai baris kunci => dengan cara membaginya dengan angka kunci
sehingga tabel menjadi seperti berikut:
Var.Dasar

X1

X2

X3

X4

X5

NK

-3

-5

Index

X3

X2

1/3

X5

30

Mengubah nilai-nilai selain baris kunci sehingga nilai-nilai kolom kunci (selain baris kunci)=0
Baris Baru = Baris Lama (Koefisien Angka Kolom Kunci Nilai Baris Baru Kunci)
Baris Z
Baris lama
NBBK

-5

[0

Baris Baru

[-3

-5

1/3

5]

0]

-3

5/3

25

[2

8]

Baris X3
Baris lama
NBBK

[0

Baris Baru

1/3

5]

[6

30 ]

Baris X5
Baris lama
NBBK

[0

Baris Baru

1/3
0

5]

-5/3

Masukkan nilai di atas ke dalam tabel, sehingga tabel menjadi seperti berikut:
Var.Dasar

X1

X2

X3

X4

X5

NK

Index

-3

5/3

25

X3

X2

1/3

X5

-5/3

Melanjutkan perbaikan-perbaikan (langkah 3-6) sampai baris Z tidak ada nilai negatif
Var.Dasar

X1

X2

X3

X4

X5

NK

Index

-3

5/3

25

X3

X2

1/3

X5

-5/3

5/6

Index

Var.Dasar

X1

X2

X3

X4

X5

NK

5/6

1/2

27

X3

5/9

-1/3

X2

1/3

X1

-5/18

1/6

5/6

Zmax
4

5/6

Diperoleh hasil: X1 = 5/6, X2 = 5, Zmax = 27

METODE SIMPLEKS
Posted on October 31, 2014 by gunawan

III. Metode Simpleks

Dikarenakan sulit menggambar grafik fungsi lebih dari dua variabel dan
menjadi tidak praktis.
Menggunakan perhitungan berulang (iteration) sampai solusi optimum
dicapai (bila ada).
Ditemukan pertama kali oleh George B. Dantzig 1947, tetapi sudah
disempurnakan!

III. 1. Bentuk Umum Model LP

Bentuk Umum/Baku untuk dapat diselesaikan melalui Simpleks!
1.

Semua fungsi kendala berupa persamaan dengan sisi kanan non

negatif.

1.

Semua variabel non negatif.

2.

Fungsi tujuan dapat maksimum atau minimum!

Cara mengubah ke bentuk Umum!

1.

Fungsi Kendala

1) Suatu kendala jenis < ( > ) dapat diubah menjadi

dengan menambahkan suatu variabel

suatu persamaan

slack ke (mengurangkan suatu

variabel surplus dari ) sisi kiri kendala.

Contoh:
a. Pada kendala X1 + X2 < 15 ditambahkan suatu slack S1 > 0 pada sisi kiri
untuk mendapatkan persamaan X1 + X2 + S1 = 15. Jika kendala
mununjukkan keterbatasan penggunaan suatu sumber daya, S1 akan
menunjukkan slack atau jumlah sumber daya yang tak digunakan.
b. Pada kendala 3X1 + 2X2 3X3 > 5 dikurangkan suatu variabel surplus S2
> 0 pada sisi kiri untuk memperoleh persamaan
3X1 + 2X2 3X3 S2 = 5
2) Sisi kanan suatu persamaan dapat selalu dibuat non negatif dengan cara
mengalikan kedua sisi dengan -1.
Contoh:
-5X1 + X2 = -25 adalah ekivalen secara matematik dengan 5X1 X2 = 25.
3) Jangan lupa bahwa arah pertidaksamaan harus dibalik jika kedua sisi
dikalikan dengan -1.
Contoh:
-5X1 + X2 < -25 dapat diganti dengan 5X1 X2 > 25.
b) Variabel

Variabel dikatakan unrestricted jika variabel tersebut bisa benilai negatif

maupun positif. Variabel seperti ini dapat diekspresikan dalam dua variabel
tak negatif dengan menggunakan ekspresi:
Xj = Xj X.
Dimana Xj : vaiabel unrestricted dimaksud, dengan Xj > 0 dan X > 0.
c) Fungsi Tujuan:
Model LP dapat berjenis Maksimasi ataupun Minimasi.
Maksimasi suatu fungsi ekuivalen dengan Minimasi

dari negatif fungsi yang

sama, dan sebaliknya!

Contoh: Maksimalkan Z = 50X1 + 80X2 + 60X3
ekivalen secara matematik dengan Minimumkan
(-Z) = -50X1 80X2 60X3.
Ekivalen disini berarti bahwa untuk seperangkat kendala yang sama, nilai
optimum

untuk

X1,

X2,

dan

X3

adalah

sama

pada

kedua

kasus.

Perbedaannya hanya pada nilai fungsi tujuan, meski besar angka sama,
tetapi tandanya berlawanan.
Contoh: Ubahlah model LP berikut ke dalam bentuk baku.
Maksimumkan Z = 9X1 + 18X2,
Dengan syarat : 6X1 + 3X2 < 18
2X1 + 2X2 < 16
X1 unrestricted
X2 > 0
Menjadi bentuk baku:

Maksimumkan Z = 9X1 9X + 18X2 + 0S1 + 0S2

Dengan syarat : 6X1 6X + 3X2 + S1
2X1 X + 2X2 + S2

= 18

= 16

X1 > 0, X > 0, X2 > 0, S1 > 0,

dan S2 > 0

III. 2. METODE SIMPLEKS DAN TABEL SIMPLEKS

Pada metode grafik solusi optimum selalu terletak pada titik pojok ruang
solusi. Metode Simpleks sebenarnya didasarkan pada gagasan ini dengan
langkah-langkah sebagai berikut:
1.

Dimulai pada suatu titik pojok yang layak, biasanya titik asal (disebut
solusi awal).

2.

Bergerak dari satu titik pojok layak ke titik pojok layak lain yang
berdekatan. Pergerakan ini akan menghasilkan nilai fungsi tujuan
yang lebih baik (meningkat untuk masalah maksimasi atau akan
semakin menurun untuk masalah minimasi). Jika solusi yang lebih baik
telah

diperoleh,

prosedur

simpleks

dengan

sendirinya

akan

menghilangkan semua solusi lain yang kurang baik.

3.

Proses ini diulang-ulang sampai suatu solusi yang lebih baik tak dapat
ditemukan.

Dalam proses penghitungan kita akan bekerja menggunakan tabel simpleks

agar lebih mudah dikerjakan. Artinya bentuk baku model LP diubah ke dalam
bentuk tabel.
Algoritma simpleks adalah sbb. :
a) Berdasarkan bentuk baku, tentukan solusi awal (initial basic feasible
solution) dengan menetapkan (n m) variable nonbasis sama dengan nol.
Dimana n adalah banyak variabel dan m adalah banyak fungsi/persamaan
kendala.

b) Pilih sebuah entering variabel di antara yang sedang menjadi variabel non
basis yang jika dinaikkan di atas nol dapat memperbaiki nilai fungsi tujuan.
Jika tak ada, berhenti, berarti solusi sudah optimal ika tidak lakukan langkah
c)
c) Pilih sebuah leaving variabel di antara yang sedang menjadi variabel basis
yang harus menjadi nonbasis (nilainya menjadi nol) ketika entering variabel
menjadi variabel basis.
d) Tentukan solusi yang baru dengan membuat entering
leaving variabel menjadi nonbasis.Kembali ke langkah b).
Contoh:
Maksimumkan Z = 3X1 + 2X2
Dengan syarat

X1 + X2 < 15

2X1 + X2 < 28
X1 + 2X2 < 20
X1 > 0 dan X2 > 0.
Ubah ke bentuk baku model LP menjadi:
{Persamaan Tujuan}
Z -3X1 2X2 0S1 0S2 0S3 = 0
X1 + X2 + S1
2X1 + X2
X1 + 2X2

= 15
+ S2

= 28
+ S3 = 20

variabel dan

Kita tetapkan X1 = 0 dan X2 = 0, maka diperoleh Z =0, S1 = 15, S2 = 28,

dan S3 = 20.

Optimality condition metode simpleks menyatakan bahwa dalam kasus

maksimalisasi, jika semua variabel non basis memiliki koefisien non negatif
dalam persamaan Z maka solusi telah optimum. Jika tidak variabel non basis
dengan koefisien negatif terbesar dipilih sebagai entering variabel.
Penerapan optimality condition pada tabel simpleks awal menyarankan
memilih X1 sebagai entering variabel. Kemudian leaving variabel harus salah
satu dari variabel basis.
Penentuan

leaving

variabel

dilakukan

dengan

menggunakan feasibility

condition yang menyatakan bahwa untuk masalah maksimasi maupun

minimasi, leaving variabel adalah variabel basis yang memiliki rasio terkecil
antara sisi kanan persamaan kendala dengan koefisien bersangkutan yang
positif pada entering variabel.
Rasio yang didefinisikan di atas dan leaving variabel dapat ditentukan
langsung dari tebel simpleks. Pertama, coret semua elemen nol atau negatif
pada persamaan kendala di bawah entering variabel. Kemudian, tidak
termasuk persamaan tujuan, buat rasio antara sisi kanan persamaan dengan
elemen yang tidak dicoret di bawah entering variabel. Leaving variabel
adalah variabel basis yang memiliki rasio terkecil. Kolom pada entering
variabel dinamakan entering column dan baris yang berhubungan dengan
leaving variabel dinamakan pivot equation. Elemen pada perpotongan
entering column dan pivot equation dinamakan pivot element. Dalam tabel
pivot element ditunjukkan dengan tanda kurung.

Selanjutnya, menentukan new basic solution menerapkan metode Gauss

Jordan, melalui dua jenis perhitungan.
Jenis 1 (persamaan pivot)
Elemen persamaan pivot table baru =

elemen persamaan pivot table

lama/elemen pivot.
1.

Jenis 2 (semua persamaan yang lain termasuk persamaan

2.

Z) Elemen Persamaan table baru = Elemen persamaan table lama

{ Elemen entering column x elemen persamaan pivot table baru}

Perhitungan jenis 1 membuat pivot element sama dengan 1 pada pivot

equation yang baru, sementara perhitungan jenis 2 membuat koefisien yang
lain pada entering column sama dengan nol, seperti pada tabel di bawah.
Basis X1
Z

X2

S1

S2

S3
0

-3

-2

1/2

1/2

Solusi
0

S1
X1

14

S3
Perhatikan bahwa kolom solusi menghasilkan nilai baru

X1 = 14, yang sama

dengan rasio minimum pada feasibility condition. Tabel solusi baru yang
diperbaiki dibuat dengan melakukan perhitungan jenis 2 sbb.
Basis X1 X2

S1

S2

S3

Solusi Rasio

Z
S1
X1
S3

0
0
1

-1/2

3/2

(1/2)

1/2

0 3/2

-1/2
1/2
-1/2

42
0

0
1

14

28

Solusi baru memberikan bahwa X = 14, X2 = 0 (titik B pada gambar).

Sekarang nilai Z naik dari 0 menjadi 42.
Berdasarkan tabel, optimally condition memilih X2 sebagai entering variabel
karena koefisien pada persamaan Z sebesar -1/2. Feasibility condition
menunjukkan bahwa S1 sebagai leaving variabel karena memiliki rasio
terkecil yaitu 2, sehingga memperbaiki nilai fungsi tujuan sebesar 2 x = 1.
Dengan menggunakan operasi Gauss Jordan diperoleh tabel baru, sbb.
Basis X1

X2

S1

S2

S3

X2

-1

X1

-1

S3

-3

43 Optimum
2
0

Solusi

13
3

Solusi baru memberikan X1 = 13 dan X2 = 2 (titik C pada gambar) dan nilai Z

naik dari 42 menjadi 43. Tabel di atas memberi solusi optimal karena tidak
ada lagi variabel nonbasis yang memiliki koefisien negatif pada persamaan Z.
Ini merupakan perhitungan metode simpleks lengkap.
Pada contoh di atas metode simpleks diterapkan pada masalah maksimasi.
Pada masalah minimasi, optimally condition berubah, di mana entering
variabel dipilih dari variabel yang memiliki koefisien positif terbesar pada
persamaan Z. Feasibility condition adalah sama untuk kedua masalah. Kedua
condition tersebut akan ditegaskan kembali seperti berikut.

Optimally Condition: entering variabel pada maksimasi (minimasi) adalah

variabel nonbasis dengan koefisien negatif (positif) terbesar pada persamaan
Z. Suatu koefisien kembar dipilih secara sembarang. Jika semua koefisien
nonbasis pada persamaan Z adalah nonnegatif (nonpositif), solusi optimum
telah dicapai.
Feasibility Condition: baik masalah maksimasi maupun minimasi, leaving
variable adalah variable basis yang memiliki rasion terkecil (dengan
penyebut positif). Suatu rasio kembar dipilih secara sembarang.
Contoh soal:
1) Maksimumkan fungsi tujuan
p = 4x + 6 y (untuk p dalam puluhan ribu)
terhadap konstrain 2x + y < 180
x + 2y < 160
x + y < 100
x>0 , y>0
2) Maksimumkan fungsi tujuan p = 3x + y terhadap konstrain
2x + y < 8
2x + 3y < 12
x>0 ,

y>0

3) Maksimumkan Z = 5x + 4y
Terhadap

x + y < 20

2x + y < 35
-3x + y

< 12

x, y > 0
Contoh:
Maksimumkan

Z = 40X1 + 30X2 + 50X3

Dengan syarat

6X1 + 4X2 +

6X1 + 7X2 +

X3 < 32000

3X3 < 16000

4X1 + 5X2 + 12X3 < 24000

X1 > 0, X2 > 0, dan X3 > 0.
Bentuk baku model LP menjadi:
Z 40X1 30X2 50X3 0S1 0S2 0S3 = 0.
6X1 + 4X2 + X3 + S1
6X1 + 7X2 + 3X3

= 32000
+ S2

4X1 + 5X2 + 12X3

= 16000
+ S3 = 24000

Basis X1 X2 X3 S1 S2 S3 Solusi Rasio

Z

-40 -30 -50

S1

S2

S3

1
3

16000 5,333

24000 2000

(12) 0

0
32000 32000

Tabel Iterasi Pertama

Basis X1 X2 X3

S1

S2

Z -70/3 -55/6 0

S1 17/3 14/12 0

S2 (5)

23/4 0

X3 1/3

5/12 1

S3 Solusi

Rasio

25/6 100000

0 -1/12 30000 5,294

1

-1/4 10000 2000

1/12

2000 6000

Tabel Iterasi Kedua (Optimum)

Basis X1

X2

X3

53/3

S1

0 -44/15 0

X1

X3

23/20 0
1/30

S1
0

S2
14/3

S3

Solusi

3 440000/3

1 -17/15 1/5 56000/3

0
0

1/5 -1/20 2000

-1/15

1/10 4000/3

Pada iterasi kedua telah tercapai solusi optimum dengan

X1 = 2000, X3 = 4000/3, dan Z = 1466,7.
Dan dari tabel terlihat bahwa S2 = 0 dan S3 = 0 artinya pengambilan
keputusan akan menggunakan seluruh persediaan sumber daya kedua dan
ketiga, tetapi masih memiliki sumber daya pertama sebanyak 1666,7 karena
tidak digunakan.