BAB I

PROGRAM LINEAR

Program Linier merupakan metode matematik

dalam mengalokasikan sumberdaya yang langka
untuk
mencapai
tujuan
tunggal
seperti
memaksimumkan keuntungan atau meminimumkan
biaya.
Program Linier banyak diterapkan dalam membantu
menyelesaikan masalah ekonomi, indutri, militer,
social dan lain-lain.
1.1 Metode Grafik
Setelah dapat membuat Model Matematika
(merumuskan) persoalan Program Linier, maka
untuk menentukan penyelesaian Persoalan Program
Linier dapat menggunakan 2 metode, yaitu:
Metode Grafik dan Metode Simpleks. 1. Metode
Grafik
Penyelesaian masalah program Linier dengan
menggunakan metode grafis pada
umumnya mengikuti langkah-langkah sebagai
berikut :
1. Merumuskan masalah asli menjadi model
matematika

yang

sesuai

dengan

syarat-

syarat yang diperlukan dalam model Program

Program linear

Linier, yaitu mempunyai fungsi tujuan, fungsi

kendala, syarat ikatan non-negatif.
2. Kendala-kendala yang ada digambar hingga
dapat diperoleh daerah penyelesaian (Daerah
yang

Memenuhi

Kendala

Kelayakan)/Daerah

(DMK)/Wilayah

Fisibelyang

titik-titik

sudutnya diketahui dengan jelas.

3. Nilai fungsi sasaran (fungsi tujuan) dihitung di
setiap titik sudut daerah penyelasaian (DMK).
4. Dipilih nilai yang sesuai dengan fungsi tujuan
(kalau memaksimumkan berarti yang nilainya
terbesar dan sebaliknya).
5. Jawaban soal asli sudah diperoleh.
Catatan :
Metode Grafik hanya dapat digunakan dalam
pemecahan masalah program linier yang ber
"dimensi"

atau

2,

karena

keterbatasan kemampuan suatu grafik dalam

"menyampaikan" sesuatu (sebenarnya grafik 3
dimensi dapat digambarkan, tetapi sangat tidak
praktis).

Program linear

Contoh Soal :
"PT.

Rakyat

Bersatu"

menghasilkan

macam

produk. Baik produk I maupun produk II setiap unit

laku Rp. 3000,-. Kedua produk tersebut dalam
proses pembuatannya perlu 3 mesin. Produk I perlu
2 jam mesin A, 2 jam mesin B, dan 4 jam mesin C.
Produk II perlu 1 jam mesin A, 3 jam mesin B, dan 3
jam mesin C. Tersedia 3 mesin A yang mampu
beroperasi 10 jam per mesin per hari, tersedia 6
mesin B yang mampu beroperasi 10 jam per mesin
per hari, dan tersedia 9 mesin C yang mampu
beroperasi 8 jam per mesin per hari. Berikan saran
kepada pimpinan "PT. Rakyat Bersatu" sehingga
dapat diperoleh hasil penjualan yang maksimum !
Dan berapa unit produk I dan produk II harus
diproduksi ?
Jawab :
*) Merumuskan permasalahan Program Linier ke
dalam model Matematika :
Misalkan : Akan diproduksi produk I sejumlah Xi unit
dan produk II akan diproduksi sejumlah X2 unit.
Maka Fungsi tujuannya adalah : Mamaksimumkan :
Z = 3000 Xi + 3000 X2
Ma

Mb

Mc

Harga jual per

unit

Program linear

Produk I

2 jam

2 jam

4 jam

Rp. 3000,-

Produk II

i jam

3 jam

3 jam

Rp. 3000,-

Jumlah Mesin

3 buah

6 buah

Lama Operasi

i0
jam/mesin

Total waktu
Operasi

30 jam

9
buah
i0
8
jam/mesin jam/mes
in
60 jam
72
jam

Memaksimumk
an

Keterangan :
Lama operasi adalah dalam jam/hari/mesin.
Total waktu operasi adalah sama dengan jumlah
mesin x lama operasi (dalam jam/hari/tipe mesin).
Syarat Ikatan (fungsi Kendala):
2Xi + X2 < 30. i)
2Xi + 3X2 < 60ii)
4Xi + 3X2 < 72iii)
dan Xi > 0; X2 > 0 (Syarat Non Negatif).
*) Menggambar fungsi-fungsi kendala sehingga
diperoleh

daerah

penyelesaian

Memenuhi

Kendala/Wilayah

potong-titik

potong

dari

(Daerah

yang

kelayakan).

Titik

ketidaksamaan

fungsi

kendalanya adalah :
a). Untuk persamaan 2Xi + X2 = 30
potong dengan sumbu-Xi jika X2 = 0 :

Program linear

(i),

titik

2Xi + 0 = 30 diperoleh Xi = i5 maka titik potong

dengan sumbu-Xi adalah (15,0).
Sedangkan titik potong dengan
sumbu-X2 jika Xi = 0 : 0 + X2 = 30
diperoleh X2 = 30 maka titik potong
dengan sumbu-X2 adalah (0,30).
b) .

Untuk persamaan 2Xi + 3X2

= 60 ....(ii), titik potong dengan

sumbu-Xi jika X2 = 0 : 2Xi + 0
= 60 diperoleh Xi = 30 maka
titik potong dengan sumbu-Xi
adalah (30,0).
Sedangkan titik potong dengan sumbu-X2 jika Xi
=0:
0 + 3X2 = 60 diperoleh X2 = 20 maka titik
potong dengan sumbu-X2 adalah (0,20).
c) .

Untuk persamaaan 4Xi + 3X2

= 72 ....(iii), titik potong dengan

sumbu-Xi jika X2 = 0 : 4Xi + 0 =
72 diperoleh Xi = i8 maka titik
potong dengan sumbu-Xi adalah
(18,0).
Sedangkan titik potong dengan sumbu-X2 jika Xi
=0:

Program linear

0 + 3X2 = 72 diperoleh X2 = 24 maka titik

potong dengan sumbu-X2 adalah (0,24).
Sehingga jika digambarkan pada Koordinat
Cartesius adalah :
Gambar Grafik Contoh Soal

Daerah Fisibel (Wilayah Kelayakan / Daerah yang

Memenuhi Kendala (DMK)) adalah daerah yang

Program linear

merupakan irisan dari daerah yang memenuhi

kendala :
1) . 2Xi + X2< 30,
2) . 2Xi + 3X2< 60 ,
3) . 4Xi + 3X2< 72,
4) .

Xi> 0;

5) . X2> 0
Jadi daerah yang memenuhi ke-5 daerah tersebut
terletak di dalam daerah yang dibatasi oleh titiktitik O(0,0), A(15,0), D(0,20), titik B yaitu titik
potong antara garis 2Xi + X2 = 30 dan garis 4Xi
+ 3X2 = 72 , dan titik C adalah titik potong
antara garis 2Xi + 3X2 = 60 dan garis 4Xi + 3X2
= 72. . Adapun cara menghitung titik B dan C
tersebut dengan menggunakan metode Eliminasi
dan Substitusi, sebagai berikut:
*) Titik B perpotongan antara garis 2Xi + X2 = 30
dan garis 4Xi + 3X2 = 72, dengan mengeliminasi
Xi, dapat dihitung :
4Xi + 2X2 = 60
4Xi + 3X2 = 72

i)
iii)

- X2 = - i2 ^ X2 = 12
Untuk X2 = i2
disubstitusikan ke

Program linear

persamaan 2Xi + X2 = 30
sehingga : 2Xi + i2 = 30 ^
X1 = 9 maka titik B adalah
(9,12)
*) Titik C perpotongan antara garis 2Xi + 3X2 =
60

dan

garis

4Xi

3X2

72,

dengan

mengeliminasi X2, dapat dihitung :

2Xi + 3X2 = 60. i)
4Xi + 3X2 = 72. iii)
- 2Xi = - i2 ^ X1 = 6
Untuk Xi = 6 disubstitusikan
ke persamaan 2Xi + 3X2 =
60 sehingga : i2 + 3X2 = 60
^ X2 = 16 maka titik C
adalah (6,16)
Daerah penyelesaian (Daerah yang Memenuhi
Kendala/Wilayah

Kelayakan)

adalah

daerah

OABCD yang titik-titik sudutnya adalah : 0(0,0),

A(15,0), B(9,12), C(6,16), dan D(0,20).
*) Penyelesaian dari soal diatas adalah menghitung
nilai fungsi sasaran (Z = 3000 Xi + 3000 Xs) di
setiap titik sudut-titik sudut Daerah yang
Memenuhi Kendala, sehingga:

Program linear

di titik O (0,0) Z (0,0) = 3000. (0) + 3000.(0) =

0, di titik A (15,0)> Z (15,0) = 3000.(15) + 3000.
(0) = 45.000,00 di titik B (9,12) Z (9,12) = 3000.
(9) + 3000.(12) = 63.000,00 di titik C (6,16)
Z(6,16) = 3000.(6) + 3000.(16) = 66.000,00 di titik
D (0,20) Z(0,20) = 3000.(0) + 3000.(20) =
60.000,00 *) Fungsi Tujuan adalah mencari nilai
maksimumnya sehingga nilai yang sesuai adalah
terletak pada titik C(6,16) yaitu dengan nilai fungsi
tujuannya Rp. 66.000,00

*) Sehingga agar diperoleh laba yang maksimum

maka

Pimpinan

"PT.

Rakyat

Bersatu"

harus

memproduksi Produk I sebanyak 6 unit dan

Produk II sebanyak 16 unit, sehingga mendapat
laba maksimum sebesar Rp.66.000,00.

1.2 Formulasi Model Program Linier

Masalah keputusan yang sering dihadapi analis
adalah alokasi optimum sumberdaya langka.
Sumberdaya dapat berupa uang, tenaga kerja,
bahan mentah, kapasitas mesin, waktu, ruang atau
teknologi. Tugas analis adalah mencapai hasil
terbaik yang mungkin dengan keterbatasan sumber
daya itu. Hasil yang dinginkan mungkin ditunjukkan

Program linear

sebagai maksimasi dari beberapa ukuran profit,

penjualan dan kesejahteraan, atau minimisasi pada
biaya, waktu dan jarak.

Setelah
masalah
di
identifikasikan,
tujuan
ditetapkan, langkah selanjutnya adalah formulasi
model matematika yang meliputi tiga tahap seperti
berikut :

Tentukan variable yang tidak diketahui

(Variabel keputusan) dan nyatakan dalam symbol
matematika.
Membentuk fungsi tujuan yang ditunjukkan
sebagai suatu hubungan linier (bukan perkalian)
dari variable keputusan.
Menentukan semua kendala masalah tersebut
dan mengekspresikan dalam persamaan atau
pertidaksamaan yang juga merupakan hubungan
linier
dari
variable
keputusan
yang
mencerminkan
keterbatasan
sumberdaya
masalah itu.

1.3 Masalah Maksimisasi

Maksimisasi dapat berupa memaksimalkan
keuntungan atau hasil.
Contoh:
PT LAQUNATEKSTIL memiliki sebuah pabrik
yang akan memproduksi 2 jenis produk,
yaitu kain sutera dan kain wol. Untuk

Program linear

10

memproduksi
kedua produk
diperlukan
bahan baku benang sutera, bahan baku
benang wol dan tenaga kerja. Maksimum
penyediaan benang sutera adalah 60 kg
per hari, benang wol 30 kg per hari dan
tenaga kerja 40 jam per hari. Kebutuhan setiap
unit produk
akan bahan baku dan
jam
tenaga kerja dapat dilihat dalam tabel berikut:

Jenis bahan
baku dan
tenaga kerja
Benang sutera
Benang wol
Tenaga kerja

Kg bahan baku & Jam

tenaga kerja
Kain sutera
Kain wol
2
3
2
2
1

Kedua jenis produk memberikan keuntungan

sebesar Rp 40 juta untuk kain sutera dan
Rp 30 juta untuk kain wol. Masalahnya
adalah bagaimana menentukan jumlah unit
setiap jenis produk yang akan diproduksi
setiap hari agar keuntungan yang diperoleh
bisa maksimal.
Langkah-langkah:
1) Tentukan variabel
X 1=kain sutera
X 2=kainwol

11

Program linear

Maksimum
penyediaa
60 kg
30 kg
40 jam

2) Fungsi tujuan
Zmax= 40X1 + 30X2
3) Fungsi kendala / batasan
1. 2X1 + 3X2 60 (benang sutera)
2.

2X2 30 (benang wol)

3. 2X1 + X2 40 (tenaga kerja)

4) Membuat grafik
1. 2X1 + 3 X2 = 60
X1=0, X2 =60/3 = 20
X2=0, X1= 60/2 = 30
2. 2X2 30
X2=15
3. 2X1 + X2 40
X1=0, X2 = 40
X2=0, X1= 40/2 = 20

Program linear

12

Cara mendapatkan solusi optimal adalah

dengan mencari nilai Z setiap titik ekstrim.
Titik A
X1=0, X2=0
masukkan nilai X1 dan X2 ke Z
Z = 40 . 0 + 30 . 0 = 0
Titik B
X1=20, X2=0
masukkan nilai X1 dan X2 ke Z
Z = 40 . 20 + 30 . 0
Z = 800
Titik C

13

Program linear

Mencari titik potong (1) dan (3)

2X1 + 3X2 = 60
2X1 + X2 = 40 2X2 =20
X2=10
Masukkan X2 ke kendala (1)
2X1 + 3X2 = 60
2X1 + 3 .10 = 60
2X1 + 30
2X1
X1

= 60
= 30
= 15

masukkan nilai X1 dan X2 ke Z

Z = 40X1 + 30X2
Z = 40 . 15 + 30 . 10
Z = 600 + 300 = 900 (optimal)
Titik D
2X2 = 30
X2 = 15
masukkan X2 ke kendala (1)
2X1 + 3 . 15 = 60

Program linear

14

2X1 + 45 = 60
2X1 = 15 X1 = 7,5
masukkan nilai X1 dan X2 ke Z
Z = 40 . 7,5 + 30 . 15
Z = 300 + 450
Z = 750
Titik E
X2 = 15
X1 = 0
masukkan nilai X1 dan X2 ke Z
Z = 40 . 0 + 30 .15
Z = 450
Kesimpulan :
untuk memperoleh keuntungan optimal,
maka X1 = 15 dan X2 = 10 dengan
keuntungan sebesar Rp 900 juta.

1.4 Masalah Minimisasi

Minimisasi dapat berupa meminimumkan
biaya produksi. Solusi optimal tercapai pada
saat garis
fungsi
tujuan menyinggung

15

Program linear

daerah
origin.

fasible yang

terdekat dengan titik

Contoh :
Perusahaan makanan ROYAL merencanakan
untuk membuat dua jenis
makanan yaitu
Royal Bee dan Royal Jelly. Kedua jenis
makanan tersebut mengandung vitamin dan
protein. Royal Bee paling sedikit diproduksi 2
unit dan Royal Jelly paling sedikit diproduksi
1 unit. Tabel berikut menunjukkan jumlah
vitamin dan protein dalam setiap jenis
makanan:

Jenis makanan

Vitamin
(unit)

Protein
(unit)

2
1
8

2
3
12

Royal Bee
Royal Jelly
minimum
kebutuhan

Biaya per
unit (ribu
rupiah)
100
80

Bagaimana menentukan kombinasi kedua

jenis makanan agar meminimumkan biaya
produksi.
Langkah langkah:
1. Tentukan variabel
X1 = Royal Bee

Program linear

16

X2 = Royal Jelly
2. Fungsi tujuan
Zmin = 100X1 + 80X2
3. Fungsi kendala
1. 2X1 + X2 8

(vitamin)

2. 2X1 + 3X2 12 (protein)

3. X1 2
4. X2 1
4. Membuat grafik
1) 2X1 + X2 = 8
X1 = 0, X2 = 8
X2 = 0, X1 = 4
2) 2X1 + 3X2 = 12
X1 = 0, X2 = 4
X2 = 0, X1 = 6
3) X1 = 2
4) X2 = 1

17

Program linear

Solusi
optimal
tercapai pada
titik
B
(terdekat
dengan
titik
origin),
yaitu
persilangan garis kendala (1) dan (2).
2X1 + X2 = 8
2X1 + 3X2 = 12 -2X2 = -4 X2 = 2
masukkan X2 ke kendala (1)
2X1 + X2 = 8
2X1 + 2 = 8
2 X1

=6

X1

=3

masukkan nilai X1 dan X2 ke Z

Z min = 100X1 + 80X2

Program linear

18

Z min = 100 . 3 + 80 . 2
Z min = 300 + 160
Z min = 460

Kesimpulan :
Untuk meminimumkan biaya produksi, maka
X1 = 3 dan X2 = 2 dengan biaya produksi 460
ribu rupiah.

SOAL LATIHAN
1. Maksimumkan Z = 4X + 5Y
Kendala :
1) 3X + 2Y 12
2) 3X + 4Y 18
X 0 , Y 0

Penyelesaian :
1. Langkah-langkah:
1) Fungsi tujuan
Zmax= 4X + 5Y
2) Fungsi kendala / batasan

19

Program linear

3X + 2Y 12

3X + 4Y 18

X1 0 , X2 0

3) Membuat grafik

3X + 2Y 12
X=0, Y =12/2 = 6

(0,6)

Y=0, X= 12/3 = 4

(4,0)

3X + 4Y 18
X=0, Y =18/4 = 19/2

(0,19/2)

Y=0, X= 18/3 = 6

(6,0)

6
5
4

Program linear

20

2
1
0

A
1

D
2

Cara mendapatkan solusi optimal adalah

dengan mencari nilai Z setiap titik ekstrim.
Titik A
X=0, Y=0

Z=4.0+5.0=0

Titik B
X=0, Y=4

Z = 4 . 0 + 5 . 4 = 20

Titik C
Mencari titik potong (1) dan (3)
3X + 2Y = 12
3X + 4Y = 18 -2Y = -6
Y=3
Masukkan Y ke kendala (1)
3X + 2Y = 12
3X + 2 .3 = 12
3X + 6

21

= 12

Program linear

3X

=6

=2

masukkan nilai X1 dan X2 ke Z

Zmax = 4X + 5Y
Zmax = 4 . 2 + 5 . 3
Zmax = 8 + 15
Zmax = 23

MAX

Titik D
X=4, Y=0

Z = 4 . 4 + 5 . 0 = 16

Kesimpulan :
X = 2 dan Y = 3 dengan nilai max = 23.

1.5 Pemecahan Dasar (Basis)

Contoh Soal
4 x +3 y +2 z 12

5 x+ 4 y +3 z 12
x, y ,z 0

Tentukan nilai maksimum

Program linear

T =2 x +3 y + z

22

Penyelesaian :
m = Jumlah variable
n = jumlah persamaan
Menambahkan setiap persamaan dengan
sebuah variable tambahan atau variable
slack

4 x +3 y +2 z+u=12

2 x + 4 y +3 z+ v=12
m

Cn =C 2
5

C2 =

5!
5 4 3 2 !
=
=10
2!3!
2 ! 3!

x=0, y=0, z=0, u=12, v=12

x=0, y=0, u=0, z=6, v=6

4 x +3 y +2 z+u=12

4.0+3.0+ 2 z +0=12
2 z =12

z=6

23

Program linear

2 x + 4 y +3 z+ v=12

2.0+4.0+3.6+v =12
18+v =12

v =6

x=0, y=0, v =0, z =4, u=4

2 x + 4 y +3 z+ v=12
2.0+4.0+ 3. z +0=12

3 z=12
z=4

4 x +3 y +2 z+u=12
4.0+3.0+ 2.4+u=12

8+u=12
u=4

Program linear

24

x=0, z=0, u=0, y=4, v=4

4 x +3 y +2 z+u=12
4.0+3 y +2.0+ 0=12

3 y=12
y=4

2 x + 4 y +3 z+ v=12
2.0+4.4 +3.0+ v=12

16+ v=12
v =4

x=0, z=0, v=0, y =3,u=3

2 x + 4 y +3 z+ v=12

2.0+4 y +3.0+0=12
4 y=12

y=3

25

Program linear

4 x +3 y +2 z+u=12

4.0+3.3+ 2.0+u=12
9+u=12

u=3

y=0, z=0, u=0, x=3, v=6

4 x +3 y +2 z+u=12
4 x +3.0+2.0+ 0=12

4 x =12
x=3

2 x + 4 y +3 z+ v=12
2.3+4.0+ 3.0+v =12

6+ v=12
v =6

Program linear

26

y=0, z=0, v =0, x =6,u=12

2 x + 4 y +3 z+ v=12
2 x + 4.0+3.0+0=12

2 x =12
x=6

4 x +3 y +2 z+u=12
4.6+ 3.0+2.0+u=12

24+u=12
u=12

u=0, v=0, x=0, y=12, z=12

3 y +2 z=12 3
4 y +3 z=12 2

9 y+ 6 z=36
8 y +6 z =24
y=12
Subtitusi y ke persamaan 1

27

Program linear

3 y+ 2 z=12

3.12+2 z=12
36+2 z=12

2 z =24
z=12

3
u=0, v=0, y=0, x= , z=3
2

4 x +2 z =12 1
2 x +3 z=12 2

4 x +2 z =12
4 y +6 z=24
4 z=12
z=3
Subtitusi x ke persamaan 1
4 x +2 z=12
4 x +2.3=12

4 x +6=12
4 x =6

Program linear

28

x=

3
2

6
12
u=0, v=0, z=0, x= , y=
5
5

4 x +3 y=12 1
2 x +4 y=12 2

4 x +3 y=12
4 y +8 y=24
5 y =12
12
y=
5
Subtitusi y ke persamaan 1
4 x +3 y=12

4 x +3

4 x+

36
=12
5

4 x=

x=

Var basis

29

( 125 )=12

24
5
6
5
Var non basis

ket

Program linear

T =2 x +3 y + z

u=12;v=12
z=6;v=-6
z=4;u=4
y=4;v=-4
y=3;u=3
x=3;v=6
x=6;u=-12
y=12;z=-12
3
x= 2 ;z=3

x=0 ; y=0 ; z=0

x=0 ; y=0 ; u=0
x=0 ; y=0 ; v=0
x=0 ; z=0 ; u=0
x=0 ; z=0 ; v=0
y=0 ; z=0 ; u=0
y=0 ; z=0 ; v=0
u=0 ; v=0 ; x=0
u=0 ; v=0 ; y=0

L
TL
L
TL
L
L
TL
TL
L

6
12
x= 5 ;y= 5

u=0 ; v=0 ; z=0

Program linear

30

0
4
9
6
6
48
5

(max)

BAB II
METODE SIMPLEKS

2.1 Pengantar

Salah satu teknik penentuan solusi optimal

yang digunakan dalam pemrograman linier
adalah metode simpleks.
Penentuan solusi
optimal
menggunakan
metode
simpleks
didasarkan pada teknik eleminasi Gauss Jordan.
Penentuan solusi optimal dilakukan dengan
memeriksa titik ekstrim satu per satu dengan
cara perhitungan iteratif. Sehingga penentuan
solusi optimal dengan simpleks dilakukan tahap
demi tahap yang disebut dengan iterasi. Iterasi
ke-i hanya tergantung dari iterasi sebelumnya (i1).
Ada beberapa istilah yang sangat sering
digunakan dalam metode simpleks, diantaranya :
1. Iterasi adalah tahapan perhitungan dimana
nilai dalam perhitungan itu tergantung dari
nilai tabel sebelumnya.

31

Program linear

2. 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.
3. Variabel basis merupakan variabel yang
nilainya bukan nol pada sembarang iterasi.
Pada solusi awal, variabel basis merupakan
variabel slack (jika fungsi kendala merupakan
pertidaksamaan ) atau variabel buatan (jika
fungsi
kendala
menggunakan
pertidaksamaan atau =). Secara umum,
jumlah variabel basis selalu sama dengan
jumlah fungsi pembatas (tanpa fungsi non
negatif).
4. Solusi atau nilai kanan 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.
5. 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.
6. Variabel surplus adalah variabel yang
dikurangkan dari model matematik kendala
untuk mengkonversikan pertidaksamaan
menjadi persamaan (=). Penambahan ini
terjadi pada tahap inisialisasi. Pada solusi

Program linear

32

awal, variabel surplus tidak dapat berfungsi

sebagai variabel basis.
7. 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 hanya ada di atas kertas.
8. Kolom kunci (kolom kerja) adalah kolom
yang memuat variabel masuk. Koefisien pada
kolom ini akn menjadi pembagi nilai kanan
untuk menentukan baris pivot (baris kerja).
9. Baris kunci (baris kerja) adalah salah satu
baris dari antara variabel basis yang memuat
variabel keluar.
10.
Unsur kunci (elemen kerja) adalah
elemen yang terletak pada perpotongan
kolom dan baris pivot. Elemen pivot akan
menjadi dasar perhitungan untuk tabel
simpleks berikutnya.
11.
Variabel pendatang 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.
12.
Variabel perantau adalah variabel
yang keluar dari variabel basis pada iterasi
berikutnya dan digantikan oleh variabel
masuk. Variabel keluar dipilih satu dari antara

33

Program linear

variabel basis pada setiap iterasi. Variabel ini

pada iterasi berikutnya akan bernilai nol.
2.2 BENTUK BAKU
Sebelum melakukan perhitungan iteratif
untuk menentukan solusi optimal, pertama sekali
bentuk umum pemrograman linier dirubah ke
dalam bentuk baku terlebih dahulu. Bentuk baku
dalam metode simpleks tidak hanya mengubah
persamaan kendala ke dalam bentuk sama
dengan, tetapi setiap fungsi kendala harus
diwakili oleh satu variabel basis awal. Variabel
basis awal menunjukkan status sumber daya
pada kondisi sebelum ada aktivitas yang
dilakukan. Dengan kata lain, variabel keputusan
semuanya masih bernilai nol. Dengan demikian,
meskipun fungsi kendala pada bentuk umum
pemrograman linier sudah dalam bentuk
persamaan, fungsi kendala tersebut masih harus
tetap berubah.
Ada beberapa hal yang harus diperhatikan dalam
membuat bentuk baku, yaitu :
1. Fungsi kendala dengan pertidaksamaan
dalam bentuk umum, dirubah menjadi
persamaan (=) dengan menambahkan satu
variabel slack.
2. Fungsi kendala dengan pertidaksamaan
dalam bentuk umum, dirubah menjadi
persamaan (=) dengan mengurangkan satu
variabel surplus.

Program linear

34

3. Fungsi kendala dengan persamaan dalam

bentuk umum, ditambahkan satu artificial
variabel (variabel buatan).
Perhatikan kasus A berikut :
Fungsi tujuan :
minimumkan z = 2 x1 + 5.5 x2
Kendala :
x1 + x2 = 90
0.001 x1 + 0.002 x2 0.9
0.09 x1 + 0.6 x2 27
0.02 x1 + 0.06 x2 4.5
x1, x2 0
Bentuk di atas adalah bentuk umum pemrograman
liniernya. Kedalam bentuk baku, model matematik
tersebut akan berubah menjadi :
Fungsi tujuan :
minimumkan z = 2 x1 + 5.5 x2
Kendala :
x1 + x2 + s1 = 90
0.001 x1 + 0.002 x2 + s2 = 0.9
0.09 x1 + 0.6 x2 s3 + s4 = 27
0.02 x1 + 0.06 x2 + s5 = 4.5

35

Program linear

x1, x2 , s1, s2, s3, s4, s5 0

Fungsi kendala pertama mendapatkan variable
buatan (s1), karena bentuk umumnya sudah
menggunakan bentuk persamaan. Fungsi kendala
kedua dan keempat mendapatkan variabel slack (s 2
dan s5) karena bentuk umumnya menggunakan
pertidaksamaan , sedangkan fungsi kendala ketiga
mendapatkan variabel surplus (s3) dan variabel
buatan (s4) karena bentuk umumnya menggunakan
pertidaksamaan .
Perhatikan pula kasus B berikut ini :
Maksimumkan z = 2x1 + 3x2
Kendala :
10 x1 + 5 x2 600
6 x1 + 20 x2 600
8 x1 + 15 x2 600
x1, x2 0
Bentuk di atas juga merupakan bentuk umum.
Perubahan
ke
dalam
bentuk
baku
hanya
membutuhkan variabel slack, karena semua fungsi
kendala menggunakan bentuk pertidaksamaan
dalam bentuk umumnya. Maka bentuk bakunya
adalah sebagai berikut :
Maksimumkan z = 2x1 + 3x2 + 0s1 + 0s2 + 0s3
Kendala :

Program linear

36

10 x1 + 5 x2 + s1 = 600
6 x1 + 20 x2 + s2 = 600
8 x1 + 15 x2 + s3 = 600
x1, x2 , s1 , s2 , s3 0
s1 , s2 , s3 merupakan variable slack.

2.3
Baris

Metode Simpleks dengan Operasi

Contoh Soal :
Maksimumkan z = 4000x1 + 3000x2
Kendala :
100 x1 + 200 x2 9000
400 x1 + 200 x2 12000
x1, x2 0
Penyelesaian :
x 3 , x 4=variabel slack
100 x1 + 200 x2 +x3= 9000
400 x1 + 200 x2 +x4= 12000
Z=4000x1+3000x2
Z 4000x1 3000x2=0

37

Program linear

| ]

k 1 100
200
1 0 9000 1

B
k 2 400
200
0 1 12000
400 2
z 4000 3000 0 0 0

[
[

100

200
1 0
9000 B 100 B
1
2
1
1
1
0

30
2
400
0 B 3+ 4000 B 2
4000 3000 0 0

150

1
0
2
0 1000 0
1

1
2
0 1000
1

| ]
| ]

1
4 6000 1
B
1
30
50 1
400 120000
10

1
150
0
0

1
1
600 40
B 2 B 1
2
1
30

400 120000 B +1000 B

3
1
10

[ |]
0 1
1 0
0 0

Jadi

1
150
1
300
100
15

1
600
40
1
30
300
160000
50
6

Z max =160000

Program linear

saat

x 1=10 ; x 2=40

38

2.4
Metode
variable dasar

simpleks

dengan

table

Dalam perhitungan iterative, kita akan

bekerja menggunakan tabel. Bentuk baku
yang sudah diperoleh, harus dibuat ke dalam
bentuk tabel.
Semua variabel yang bukan variabel basis
mempunyai solusi (nilai kanan) sama dengan
nol dan koefisien variabel basis pada baris
tujuan harus sama dengan 0. Oleh karena itu
kita harus membedakan pembentukan tabel
awal berdasarkan variabel basis awal.
Gunakan kasus B di atas, maka tabel awal
simpleksnya adalah :

VB
Z
S1
S2
S3

X1
-2
10
6
8

X2
-3
5
20
15

S1
0
1
0
0

LANGKAH-LANGKAH
CARA 1
Langkah-langkah
sebagai berikut :

S2
0
0
1
0

PENYELESAIAN

penyelesaian

adalah

1. Periksa apakah tabel layak atau tidak.

Kelayakan tabel simpleks dilihat dari solusi

39

Program linear

S3
0
0
0
1

Solu
0
60
60
60

(nilai kanan). Jika solusi ada yang bernilai

negatif, maka tabel tidak layak. Tabel yang
tidak layak tidak dapat diteruskan untuk
dioptimalkan.
2. Tentukan kolom pivot. Penentuan kolom
pivot dilihat dari koefisien fungsi tujuan
(nilai di sebelah kanan baris z) dan
tergantung dari bentuk tujuan. Jika tujuan
maksimisasi, maka kolom pivot
adalah
kolom dengan koefisien paling negatif. Jika
tujuan minimisasi , maka kolom pivot
adalah kolom dengan koefisien positif
terbesar. Jika kolom pivot ditandai dan
ditarik
ke
atas,
maka
kita
akan
mendapatkan variabel keluar. Jika nilai
paling negatif (untuk tujuan maksimisasi)
atau positif terbesar (untuk tujuan
minimisasi) lebih dari satu, pilih salah satu
secara sembarang.
3. Tentukan baris pivot. Baris pivot ditentukan
setelah membagi nilai solusi dengan nilai
kolom pivot yang bersesuaian (nilai yang
terletak dalam satu baris). Dalam hal ini,
nilai negatif dan 0 pada kolom pivot tidak
diperhatikan, artinya tidak ikut menjadi
pembagi. Baris pivot adalah baris dengan
rasio pembagian terkecil. Jika baris pivot
ditandai dan ditarik ke kiri, maka kita akan
mendapatkan variabl keluar. Jika rasio
pembagian terkecil lebih dari satu, pilih
salah sau secara sembarang.

Program linear

40

4. Tentukan elemen pivot. Elemen pivot

merupakan nilai yang terletak pada
perpotongan kolom dan baris pivot.
5. Bentuk tabel simpleks baru. Tabel simpleks
baru dibentuk dengan pertama sekali
menghitung nilai baris pivot baru. Baris
pivot baru adalah baris pivot lama dibagi
dengan elemen pivot. Baris baru lainnya
merupakan pengurangan nilai kolom pivot
baris yang bersangkutan dikali baris pivot
baru dalam satu kolom terhadap baris
lamanya yang terletak pada kolom
tersebut.
6. Periksa apakah tabel sudah optimal.
Keoptimalan tabel dilihat dari koefisien
fungsi tujuan (nilai pada baris z) dan
tergantung dari bentuk tujuan. Untuk
tujuan maksimisasi, tabel sudah optimal
jika semua nilai pada baris z sudah positif
atau 0. Pada tujuan minimisasi, tabel
sudah optimal jika semua nilai pada baris z
sudah negatif atau 0. Jika belum, kembali
ke langkah no. 2 , jika sudah optimal baca
solusi optimalnya.
Rumus yang digunakan:
yr
x rk

yr =
(untuk baris ke r yang terdapat
elemen pivot)

41

Program linear

yi = yi bi ar (untuk baris ke i yang tidak

terdapat elemen pivot)
Keterangan:
yr = elemen baris ke r pada tabel yang baru
yi = elemen baris ke i pada tabel yang baru
yr = elemen baris ke r pada tabel yang lama
yi = elemen baris ke i pada tabel yang lama
bi = elemen baris ke i pada tabel lama yang
se-kolom dengan elemen pivot
ar = elemen baris ke r pada tabel yang baru

LANGKAH-LANGKAH
CARA 2

PENYELESAIAN

1. Rumuskan dan standarisasi modelnya

Optimumkan :
zc 1 x 1c2 x 2c n x n=0
a11 x 1+ a12 x 2 ++ a1 n x n S1=b1
Terhadap
am 1 x 1+ am 2 x 2 ++ amn x n Sn =bn
2. Bentuk tabel pertama

Program linear

42

VD

x1

x2

xn

S1

S2

Sn

c1

c2

cn

S1

a11

a12

a1 n

S2

a21

a22

a2 n

S3

am 1

an 1

amn

3. Tentukan variabel pendatang yaitu kolom

kunci dari nilai Z yang paling negatif
4. Menentukan variabel perantau
baris kunci dari nilai rasio terkecil

yaitu

5. Memasukkan variabel pendatang ke kolom

VD
Transformasi baris kunci :
baris kunci baru=

baris kunci lama

unsur kunci

Tansformasi baris-baris lain :

baris kunci = baris lama (baris pada
kolom kunci x baris kunci baru)

43

Program linear

6. Pengujian optimalisasi

Jika semua baris dasar baris Z sudah

tidak ada lagi yang negatif => max

Jika semua baris dasar baris z sudah

tidak ada lagi yang positif => min

Berarti proses selesai

Selesaikan kasus berikut ini menggunakan

metode simpleks :
Maksimum z = 8 x1 + 9 x2 + 4x3
Kendala :
x1 + x2 + 2x3 2
2x1 + 3x2 + 4x3 3
7x1 + 6x2 + 2x3 8
x1,x2,x3 0
Penyelesaian :
Bentuk bakunya adalah :
Maksimum z = 8 x1 + 9 x2 + 4x3 + 0s1 + 0s2 +
0s3 atau
z - 8 x1 - 9 x2 - 4x3 + 0s1 + 0s2 + 0s3 = 0
Kendala :
x1 + x2 + 2x3 + s1 = 2

Program linear

44

2x1 + 3x2 + 4x3 + s2 = 3

7x1 + 6x2 + 2x3 + s3 = 8
x1,x2,x3 ,s1 , s2 , s3 0
Solusi / table awal simpleks :
VB
Z
S1
S2
S3

X1
-8
1
2
7

X2
-9
1
3
6

X3
-4
2
4
2

S1
0
1
0
0

S2
0
0
1
0

S3
0
0
0
1

NK
0
2
3
8

Rasio

Karena nilai negative terbesar

ada pada
kolom X2, maka kolom X2 adalah kolom pivot
dan X2 adalah variabel masuk. Rasio
pembagian nilai kanan dengan kolom pivot
terkecil adalah 1 bersesuaian dengan baris
s2, maka baris s2 adalah baris pivot dan s2
adalah varisbel keluar. Elemen pivot adalah 3.
VB
Z
S1
S2
S3

X1
-8
1
2
7

X2
-9
1
3
6

X3
-4
2
4
2

S1
0
1
0
0

S2
0
0
1
0

S3
0
0
0
1

NK
0
2
3
8

Iterasi 1
Nilai pertama yang kita miliki adalah nilai
baris pivot baru (baris x2). Semua nilai pada
baris s2 pada tabel solusi awal dibagi dengan
3 (elemen pivot).

45

Program linear

Rasio
2
1
8/6

VB
X1
X2
X3
S1
Z
S1
x2
2/3
1
4/3
0
S3
Perhitungan nilai barisnya :

S2

S3

NK

1/3

Baris z :
-8 -9

-4

1 4/3

1/3

1 (2/3 1

4/3

1/3

1)-

1/3

2/3

-1/3

4/3

1/3

-2

-9 ( 2/3
-2

Baris s1 :
1 1

Baris s3 :
7 6

6 ( 2/3 1
3 0

-6

1)-

Maka tabel iterasi 1 ditunjukkan tabel di

bawah. Selanjutnya kita periksa apakah
tabel sudah optimal atau belum. Karena

Program linear

46

Rasio

nilai baris z di bawah variabel x 1 masih

negatif, maka tabel belum optimal. Kolom
dan baris pivotnya ditandai pada tabel di
bawah ini :
B

X1

X2

X3

S1

S2

S3

NK

Rasio

Z
S1
X2
S3

-2
1/3
2/3
3

0
0
1
0

8
2/3
4/3
-6

0
1
0
0

3
-1/3
1/3
-2

0
0
0
1

9
1
1
2

3
3/2
2/3

NK
31/3
7/9
5/9
2/3

Rasio

Variabel masuk dengan demikian adalah X1

dan variabel
keluar adalah S3 . Hasil
perhitungan iterasi ke 2 adalah sebagai
berikut :

Iterasi 2 :
VB
Z
S1
X2
X1

X1
0
0
0
1

X2
0
0
1
0

X3
4
4/3
8/3
-2

S1
0
1
0
0

S2
5/3
-1/9
7/9
-2/3

S3
2/3
-1/9
-2/9
1/3

Tabel sudah optimal, sehingga perhitungan

iterasi dihentikan !
Perhitungan
dalam
simpleks
menuntut
ketelitian tinggi, khususnya jika angka yang
digunakan adalah pecahan. Pembulatan harus
diperhatikan dengan baik. Disarankan jangan
menggunakan bentuk bilangan desimal, akan

47

Program linear

lebih teliti jika menggunakan bilangan

pecahan. Pembulatan dapat menyebabkan
iterasi lebih panjang atau bahkan tidak selesai
karena ketidaktelitian dalam melakukan
pembulatan.
Perhitungan iteratif dalam simpleks pada
dasarnya merupakan pemeriksaan satu per
satu titik-titik ekstrim layak pada daerah
penyelesaian. Pemeriksaan dimulai dari
kondisi nol (dimana semua aktivitas/variabel
keputusan bernilai nol). Jika titik ekstrim
berjumlah n, kemungkinan terburuknya kita
akan melakukan perhitungan iteratif sebanyak
n kali.

MEMBACA TABEL OPTIMAL

Membaca tabel optimal adalah bagian

penting bagi pengambil keputusan. Ada
beberapa hal yang bisa dibaca dari table
optimal :
1. Solusi optimal variable keputusan
2. Status sumber daya
3. harga bayangan (dual/shadow prices).
Menggunakan table optimal :

Program linear

48

VB
Z
S1
X2
X1

X1
0
0
0
1

X2
0
0
1
0

X3
4
4/3
8/3
-2

S1
0
1
0
0

S2
5/3
-1/9
7/9
-2/3

S3
2/3
-1/9
-2/9
1/3

Solusi optimal X1 = 2/3, X2 = 5/9 , X3 = 0

dan Z = 31/3, artinya untuk mendapatkan
keuntungan maksimum sebesar $ 31/3 , maka
perusahaan sebaiknya menghasilkan produk 1
sebesar 2/3 unit dan produk 2 sebesar 5/9
unit.
Status sumber daya :
Sumber daya pertama dilihat dari keberadaan
variable basis awal dari setiap fungsi kendala
pada table optimal. Dalam kasus di atas,
untuk fungsi kendala pertama periksa
keberadaan S1 pada variable basis table
optimal. Periksa keberadaan S2 pada variable
basis table optimal untuk fungsi kendala
kedua. Periksa keberadaan S3 pada variable
basis table optimal untuk fungsi kendala
ketiga.
S1 = 7/9. Sumber daya ini disebut berlebih
(abundant)
S2 = S3 = 0. Kedua sumber daya ini disebut
habis terpakai (scarce).

Harga bayangan :

49

Program linear

NK
31/3
7/9
5/9
2/3

Harga bayangan dilihat dari koefisien variable

slack atau surplus pada baris fungsi tujuan.
Koefisien S1 pada baris fungsi tujuan table
optimal = 0, dengan demikian harga
bayangan sumber daya pertama adalah 0
Koefisien S2 pada baris fungsi tujuan table
optimal = 5/3, dengan demikian harga
bayangan sumber daya kedua adalah 5/3
Koefisien S3 pada baris fungsi tujuan table
optimal = 2/3, dengan demikian harga
bayangan sumber daya kedua adalah 2/3.
Selesaikan
kasus
berikut
menggunakan metode simpleks :
Z maks =3 x 1 +5 x 2
Kendala :
x 1+2 x 2 10
3 x1 + x 2 10
x1 , x2 0
Penyelesaian :
Z 3 x 15 x 2=0
x 1+2 x 2+ S 1=10

Program linear

50

ini

3 x1 + x 2 +S 2=10

Var pendatang

VD

x1

x2

S1

S2

Z
S1

1
0

-3
1

-5
2

0
1

0
0

0
10

S2

10 10

S1

S2

Var perantau

VD

x1

x2

Z
x2

1
0

-3
1
2

-5
1

0
1
2

0
0

0
5

S2

10

Transformasi baris Z :
1(5 ) ( 0 )=1
3(5)

( 12 )= 12

5(5) (1 )=0

51

Program linear

0(5 )

( 12 )= 52

0(5) ( 0 )=0

0(5) ( 5 ) =25

Transformasi

S2

0( 1 )( 0 )=0
3 (1 )

( 12 )= 52

1( 1 ) ( 1 )=0
0( 1 )

( 12 )= 12

1( 1 ) ( 0 )=1
1 0( 1 )( 5 ) =5
Var pendatang

VD

x1

x2

1
2

S1
5
2

S2

25

Var perantau

Program linear

52

x2

1
2

1
2

S2

1
2

VD

x1

x2

S1

S2

1
2

5
2

25

x2

1
2

1
2

x1

1
5

2
5

1
5 0
2

Transformasi baris Z :
1

(12 ) ( 0)=1

1 1
(
) (1 )=0
2
2
0(

1
) ( 0 ) =0
2

5 1 1 12

=
2
2
5
5

( )( )

53

Program linear

0(

1 2 1
) =
2 5 5

25(

()

1
) ( 2 )=26
2

Transformasi

x2

( 12 ) ( 0)=0

1 1

(1 ) =0
2 2

()

( 12 )( 0 )=1

1 1 1 3

=
2 2 5
5

( )( )

( 12 )( 25 )=15

(2 )=4
5
2

()

VD

x1

x2

S1

S2

12
5

1
5

26

x2

3
5

1 14
5

Program linear

54

x1

1
5

2
5

nilai Z max =26 saat x 1=2 dan x 2=14

2.5 Metode Simpleks 2 Fase 1

Langkah langkah :

Menambahkan
variabel
pada
pertidaksamaan yang telah diketahui, jika
pertidaksamaan tersebut telah memenuhi
( ) berarti
syarat
simpleks
yaitu
pertidaksamaan tersebut
ditambahkan
satu variabel slack, jika pertidaksamaan
tersebut tidak memenuhi syarat simpleks
() berarti persamaan dikurangi
yaitu

variabel surplus dan ditambah variabel

slack.
Z
Fungsi
ditambahkan variabel dari
persamaan yang tidak memenuhi syarat
tersebut dengan simbol M yang berarti
6

M =10

55

Persamaan tersebut dsusun fungsi

diletakkan paling atas, lalu dari fungsi

Program linear

yang

koefisiennya

adalah

maka

hasilnya harus nol

Setelah dikalikan dan ditambahkan dengan
fungsi Z , maka dicari nilai yang paling
kecil dari hasilnya
Lalu dicari kunci dari persamaan yang
diketahui dengan cara membagi hasil
dengan persamaan dengan angka yang
telah diberi tanda peda hasil yang paling
kecil tersebut.
Dari kunci tersebut dibuat menjadi 1 dan
angka yang berada satu kolom dengan
angka 1 tersebut dijadikan nol
Lakukan hal tersebut berulang-ulang
hingga tidak ada yang bernilai negatif pada
hasil yang berada paling bawah kecuali
nilai Z

Contoh soal :
1. Minimumkan :

Z =3 x +2 y

Kendala :
x+ y 6

2 x +5 y 10
Penyelesaian :
Misal :
a , c=variabel slack

Program linear

56

b=variabel surplus

x+ y+ a=6
2 x +5 yb+c=10

3 x+2 y + M c Z=0
Cj

M 1 0

CB

1 1

10

2 M +3 5 M +2 0

M 0

1 10 M

VB

Zj+Cj
Cj

M 1 0

VB

CB

2
5

1 1
5 5

2 M +3 5 M +2 0

M 0

1 10 M

Zj +Cj

B1B2

B 3(5 M +2) B2
Cj

57

Program linear

VB

CB

3
5

1
5

1
5

M 2
5

1
5

1
5

2
5

Zj +Cj

Karena

19
5
ZjCj

2 1
5

sudah tidak ada yang

negatif maka proses selesai

Z =4 saat x=0, y=2,a=4 dan b , c=0
2.6 Metode Simpleks 2 Fase 2
Langkah langkah :

Sistem pertidaksamaan 1 dan seterusnya

dibuat sama seperti simpleks dengan 1 fase
Nilai Z diminimumkan (dikalikan dengan

-)
Z

pindah ruas menjadi bernilai +

Selanjutnya sama seperti pada simpleks

Fase 1, namun pembedanya adalah yang
mempunyai nilai hanya variabel M dan Z .
variabel

yang

bernilai -1 dan

mengandung
Z =1

nilai

selebihnya bernilai nol

Cari nilai pada sistem pertidaksamaan yang

membentuk identitas dan pada posisi 1 di

Program linear

58

sebelah kiri (pengali) diletakkan nilai

X,

lalu

dan
x

setelah

dijumlahkan,

dikali

dikurangkan

nilai

diatasnya
Selanjutnya sama dengan simpleks 2 fase 1
hingga berakhir pada nilai baris terakhir
yang bernilai positif
Hilangkan kolom yang mengandung nilai
M
Z
pada
lalu
letakkan
nilai
keseluruhan

variabel

pada atas baris

Lalu seperti cara pada langkah 5 hingga

baris terakhir bernilai positif
Dan itulah nilai Z (jangan lupa nilai Z
adalah

Contoh Soal :
Z min =8 x +6 y
Kendala :
4 x +2 y 60

2 x + 4 y 48
Penyelesaian :
Misal
a , b=variabel slack

59

Program linear

c , d=variabel surplus

2 x + y a+c=30
x+ 2 y b+d =24

Z 8 x6 y=0

Cj

1 1 0

VB CB

HB

1 0

30

30

1 0

24

12

3 3 0

54

ZjCj

Cj

1 1 0

VB CB

HB

1 0

30

1
2

1
2

1 0
2

12

2 1 0

54

1 1 0

ZjCj

B 1B 2

Cj

Program linear

60

VB CB

HB

3
2

1 1 1
2
2

18

1
2

1
2

1 0
2

12

2 0

3
2

1 0
2

18

1 1 0

HB

12

ZjCj

2
B
3 1

Cj
VB CB

2
3

1 2 1
3 3 3

1
2

1
2

1 0
2

12

ZjCj

1
B 2 B 1
2

Cj
VB CB

61

1 1 0

HB

2
3

1 2 1
3 3 3

12

Program linear

1 1
3 4

1
3

1 0
4

ZjCj

Karena

ZjCj

sudah tidak ada yang

negatif maka proses selesai

Z =132 saat x=12, y=6, dan a , b , c , d=0

2.7 Metode M Charnes

Prosedur Pemecahan :

Merumuskan masalah PL dalam bentuk

baku dengan kendala / syarat berbentuk
persamaan,
dengan
apabila
tanda
()
pertidaksamaan
berarti
pertidaksamaan tersebut
ditambahkan
satu variabel slack, jika pertidaksamaan
tersebut tidak memenuhi syarat simpleks
() berarti persamaan dikurangi
yaitu

variabel surplus dan ditambah variabel

slack.
Pada fungsi tujuan, konstanta, variabel
surplus/
variabel
slack
adalah
nol,
sedangkan variabel tiruan diberi nilai M
jika memaksimumkan dan nilai
meminimumkan

Program linear

62

jika

Variabel tiruan sebagai variabel basis awal

yang akan segera meninggalkan basis
menjadi non basis
Ikuti aturan simpleks juntuk menentukan
nilai fungsi turunan, yaitu :
Jika memaksimumkan maka pemecahan
selesai/fungsi tujuan optimal pada saat
ZjCj
semua elemen pada baris

bernilai positif
Jika meminimumkan pengerjaan selesai
pada saat semua masukkan pada baris
ZjCj negatif

Contoh Soal :
Zmaks=4 x + y

Kendala :
3 x+ y 3
4 x +3 y 6

x+ 2 y 3
Penyelesaian :
Cara maksimum dengan mengalikan dengan min
Misal :

a , b , c=variabel slack

d=variabel surplus
3 x+ y + a=3

63

Program linear

4 x +3 yd+ b=6

x+ 2 y +c =3

Cj

VB CB

4 1 0

M 0

HB
3

M 4

1 6

4 3 0

ZjCj

Transformasi baris kunci

3110003
3333333
1

11
0 00 1
33

Transformasi Baris b
4( 4 ) ( 1 )=0
3 ( 4 )

( 13 )= 53

Program linear

64

R
1

3
2
3

0( 4 )

( 13 )= 43

1( 4 ) ( 0 )=1
0( 4 )( 0 )=0
( 1 ) (4) ( 0 )=1

6( 4 )( 1 )=2
Transformasi Baris c
1( 1 ) ( 1 )=0
2( 1 )

( 13 )= 53

0( 1 )

( 13 )= 13

0( 1 )( 0 )=0
1( 1 ) ( 0 )=1
0( 1 )( 0 )=0
3(1) ( 1 )=2

Cj
VB CB

65

4 1 0

M 0

HB

Program linear

4 1

1
3

1
3

M 0

5
3

4 1
3

1 2

5
3

1 0
3

6
5

4 1
3

4 0
3

ZjCj

5 4
3 3

Transformasi baris kunci

5
0 3
5 5
3 3

4
3 1 0 1 2
5 5 5 5 5
3 3 3 3 3

0 1

43
36
0
55
55

Transformasi Baris x
1

( 13 )( 0)=1

1 1
(1)=0
3 3

()

1 1 4 3
(
)=
3 3 5
5

()

Program linear

66

( 13 )( 35 )=15

( 13 ) ( 0)=0

1 3 1
0( )
=
3 5
5

( )

( 13 )( 65 )= 35

Transformasi Baris c

( 53 ) ( 0)=0

5 5
(1)=0
3 3

()

1 5 4

(
)=3
3
3 5

()

( 53 )( 35 )=1

( 53 )( 0)=1

5 3
0( )
=1
3 5

( )

67

Program linear

( 53 )( 65 )=2

Cj

4 1 0

M 0

HB

4 1

3
5

1 0
5

1
5

3
5

4 3
5 5

3 6
5 5

VB CB

8
5

7
5

18
5

ZjCj

Jadi, nilai
Zmin=(

Zmin=

Saat

Zmin=Zmaks

18
)
5

18
5

3
6
x= dan y=
5
5

2.8 Metode Simpleks 2 Fase

Program linear

68

Fase I berakhir dalam kondisi

Z =0

maka

simpulan untuk meneruskan ke fase II dengan

memperhatikan 3 kemungkinan, yaitu :
1.

Zmaks< 0

dimana satu atau lebih variabel

slack berada dalam basis pada tingkat nilai

yang positif. Masalah PL yang asli tidak
mempunyai penyelesaian layak (Fisisbel)
2. Zmaks=0
dengan kenyataan tidak ada
variabel slack terletak dalam basis ini berarti
telah diperoleh penyelesaian layak dasar
(fisibel basis) dari persoalan PL yang asli
3. Zmaks=0
dengan kenyataan satu/lebih
variabel slack terletak dalam basis tingkat
nol
(degenerasi)
kenyataan
ini
juga
menunjukkan
bahwa
telah
diperoleh
penyelesaian layak dasar (fisibel basis) dari
masalah PL
Persyaratan untuk memulai fase II :
Perhitungan fase II merupakan lanjutan fase I
apabila akhir Fase I menunjukkan kemungkinan
modivikasi sebagai berikut :

69

Koefisien harga fungsi tujuan adalah koefisien

harga fungsi tujuan yang asli, atau nilai
koefisien variabel pokok pada fase I yaitu nol
harus diganti dengan koefisien asli
Elemen pada baris ZjCj dihitung kembali

Program linear

Metode ini digunakan untuk menyelesaikan

persoalan PL yang memuat variabel buatan
Contoh =

Min Z=14 x 1 +18 x 2

Kendala
x 1+ x 2 25
5 x1 +6 x 2 140
x1 , x2 0
Penyelesaian :
Dengan menggunakan cara memaksimumkan
(dikali negative )
Missal :
x 3 , x 5=variabel slack
x 4=variabel surplus
Z =0 x1 +0 x 2+ (1 ) x 3+ 0 x 4 + (1 ) x 5
x 1+ x 2 + x 3=25
5 x1 +6 x 2x 4 + x 5=140
Fase I
Cj

VB CB

1 0

1 0

x1

x2

x3

x5

Program linear

x4

HB

70

x3

x5

1 1

140

165

ZjCj

6 7 0

25

Transformasi baris kunci :

5 6 0 1 1 140
666 6 6 6
5
1 1 70
10
6
6 6 3
Transformasi Baris
1( 1 )

x3

( 56 )= 16

1( 1 ) (1)=0
1( 1 ) (0)=1

0( 1 )

( 16 )= 16

0( 1 )

( 16 )= 16
( 703 )= 53

25(1)

71

Program linear

Cj

1 0

x2

x3

x4

x5

HB

VB CB x 1
x3

1 1
6

1
6

1
6

5
3

x2

1
6

1
6

70
3

1 0
6

1
6

7
6

5
3

ZjCj

5
6

Transformasi baris kunci :

1
1
6 0 1 6
1 1 1 1
6 6 6 6

1
6
1
6

5
3
1
6

1 06 1110

Transformasi Baris

x3

5 5

( 1 )=0
6 6

()

( 56 )(0)=1
( 56 ) ( 6) =5

Program linear

72

1 5

(1 ) =1
6
6

()

1 5
7

(1 )=
6 6
6

()

70 5
( ) ( 10 )=15
3
6

Cj

1 0

VB CB x 1

x2

x3

x4

x5

HB

x1

10

x2

5 1

7
6

15

ZjCj

Fase II
Cj

VB

CB

18

x1

x2

x4

HB

x1

14 1

10

x2

18 0

15

410

ZjCj

Jadi,

73

14

Zmin=Zmaks

Program linear

Zmin=(410 )
Zmin=410

Tahap 1 :
Bentuk dengan var buatan : R1 dan R2
Min r = R1 + R2
Kendala
3 X1 + X2

+ R1

4 X1 + 3 X2 - X3

= 3
- R2

= 6

X1 + 2 X2

+ X4

= 4

X1 , X2 , X3 , R1 , R2 , X4 0
Fungsi tujuan r = R1 + R2
= ( 3 3 X1 - X2

) + ( 6 - 4 X1 - 3

X2 + X3 )
= -7 X1 - 4 X2 + X3 + 9
Tabel Awal
VB
r
R1
R2
X4

X1
7
3
4
1

X2
4
1
3
2

X3
-1
0
-1
0

R1
0
1
0
0

R2
0
0
1
0

X4
0
0
0
1

NK
9
3
6
4

Tabel optimum : setelah 2 iterasi ( periksa ! )

VB
r

X1
0

X2
0

Program linear

X3
0

R1
-1

R2
-1

74

X4
0

NK
0

X1
X2
X4

1
0
0

0
1
0

/5
- /5
1

-1/5
3
/5
-1

/5
- /5
1

0
0
1

/5
/5
1

Karena minimum solusi r = 0, masalah ini

memiliki pemecahan (solusi) layak. Lanjutkan
ke tahap ( Fase ) kedua.
Tahap 2

Menyingkirkan variabel buatan ( R1 dan R2 )

Dari tabel optimum tahap 1 didapatkan :

1

X1 +
X2 -

/5X3

/5X3

X3 + X4

/5

/5

= 1

Masalah semula ditulis :

Min Z = 4 X1 + X2
Kendala
X2 -

X1 +

/5X3 =

/5X3

X3 + X4

/5

/5 ......... ( 1 )
......... ( 2 )

= 1

X1 , X2 , X3 , R1 , R2 , X4 0
Maka terdapat 3 persamaan dan 4 variabel
sehingga solusi dasar layak didapat dg
membuat
X3 = 0

(4 3) = 1 variabel dibuat nol

->

X1 =

/5 ; X2 =

X4 = 1

75

Fungsi tujuan Z = 4 X1 + X2

Program linear

/5 ;

= 4(

/5 +

= - 1/5 X3 +

/5 X3 ) + (6/5 +

18

/5X3 )

/5

Tabel Awal
Var msk
VB
Z
X1
X2
X4

X1
0
1
0
0

X2
0
0
1
0

X3
1
/5
1
/5
3
- /5
1

X4
0
0
0
1

NK
18
/5
3
/5
6
/5
1

VB
Z
X1
X2
X3

X1
0
1
0
0

X2
0
0
1
0

X3
0
0
0
1

X4
-1/5
-1/5
3
/5
1

NK
17
/5
2
/5
9
/5
1

Tabel optimum

SOAL LATIHAN
1. Selesaikan linear program berikut ini dengan
metode Simplex
Maksimumkan Z = 400X1 + 300X2
Fungsi kendala/ batasan:
4X1 + 6X2 1200
4X1 + 2X2 800
X1 250
X2 300
X1, X2 0
2. Selesaikan linear program berikut ini dengan
metode Simplex
Maksimumkan Z = 2X1 + 3X2 + X3

Program linear

76

Dengan fungsi kendala:

1) X1 + X2 + X3
2) 2X1 + 3X2
3)

25

X2 + 2X3 10

4) X1, X2, X3

3. Minimumkan Z = 3X1 + 2X2

Fungsi batasan :
1) X1 + 2X2 20
2) 3X1 + X2 20
3) X1 0 , X2 0
BAB III
DUAL DAN PRIMAL
Setiap masalah Program Linear yang bertujuan
mencari nilai maksimum selalu bertalian dengan
suatu

masalah

program

linear

dengan

tujuan

mencari nilai minimum, yang disebut dual masalah

yang pertama. Sebaliknya setiap masalah program
linear yang bertujuan mencari nilai minimum selalu
bertalian dengan suatu masalah program linear
yang bertujuan mencari nilai maksimum yang
disebut dual. Masalah pertama disebut primal
sedangkan

masalah

kedua

dengan

tujuan

berlawanan disebut dual.

77

Program linear

MAKS

DUAL

MIN

MIN

DUAL

MAKS

Dalam analisis Program Linear (PL) terdapat 2

bentuk, yaitu :
1. Bentuk primal : Bentuk asli dari persamaan
program linear
2. Bentuk dual : Bentuk duplikat atau rangkap
dari persamaan program linear

Jika penyelesaian persoalan Program Linear dengan

bentuk primal secara langsung juka dapat diketahui
hasil bentuk dualnya, sebaliknya jika penyelesaian
Program Linear dengan bentukdual, maka secara
langsung dapat diketahui bentuk primalnya.
Contoh Soal :
Tentukan dual dari masalah primal berikut ini :
Min Z=14 x 1 +18 x 2
Kendala

Program linear

78

x 1+ x 2 25
5 x1 +6 x 2 140
x1 , x2 0
Penyelesaian :
Karena meminimumkan maka semua kendala harus
bertanda ( )
x 1x 2 25
Matriks Primal

Matriks dual

1 1 25
1 5 14
transpose
5
6 140
1 6 18

14 18

25 140

Masalah dual :
Max H =25 a+140 b

Kendala
a+5 b 14
a+6 b 18

a,b0

79

Program linear