Anda di halaman 1dari 17

Aljabar simpleks

Saya mempunyai pabrik tepung tapioka, saya ingin mengoptimalkan sumber daya yang saya punyai, untuk memaksimumkan hasil penjualan / keuntungan. Kalau tersedia pasokan bahan baku per hari 16 ton jagung, dan jam tenaga kerja per hari adalah 30 jam, tentukan berapa harus dibuat tepung tapioka jenis super, atau jenis premum, dengan keuntungan masing masing per ton adalah 2 juta dan 3 juta rupiah. Kalau membuat tepung jenis super diperlukan bahan baku 1 ton dan jenis premium dibutuhkan 2 ton, dan dibutuhkan waktu masing masing 3 jam dan 2 jam tenaga kerja.

Setelah disselesaikan dengan metode grafis diperoleh sbb


Jawaban
1. Jenis produk Tapioka Super Tapioka Premium Ketersediaan sumber Bahan baku 1 2 16 Jam tenaga kerja 3 2 30 Keuntungan Per ton 2 3

a. Model matematikanya:
Mak Z = 2 S + 3 P 1 S + 2 3 S + 2 S , P ---- Fungsi tujuan P 16 --- Kendala 1 P 30 -- Kendala 2 0

b. Titik potong dengan sumbu sumbu ( S, P)


S + 2 P = 16 Bila S = 0, maka P = 8 P = 0, maka S = 16 3 S + 2 P = 30 Bila S = 0, maka P = 15 P = 0, maka S = 10

Perpotongan persamaan kendala 1 dan 2 B ( 7, 4.5)

15

3 S + 2 P = 30

P 8 C

B (7, 4.5)

S + 2 P = 16

Cek optimalitas
Titik kritis A B C S 10 7 0 P 0 4.5 8

10

16

Z= 2 s + 3 P 20 27.5 24

Ket Mak

Cek kendala
1 S + 2 P 16 --- Kendala 1 7 + 2x4.5 = 16 ( tidak dilanggar) 3 S + 2 P 30 -- Kendala 2 3x7 + 2x4.5 = 30 ( tidak dilanggar ) Jadi agar memperoleh keuntungan maksimum maka harus dibuat jenis super = 7 ton , dan jenis premium = 4.5 ton, total keuntungan 27.5 juta.

Bab 2 METODE SIMPLEKS


2.1 Pendahuluan
Permasalahan riset operasional / permasalahan optimisasi / linear programming, dalam dunia nyata sangat luas, besar dan kompleks. Penyelesaian dengan metode grafis sangat terbatas ( hanya dua variabel), sehingga perlu dikembangkan suatu metode lain yang bisa dipakai menyelesaikan permasalahan yang mempunyai variabel banyak. Dalam bahasan berikut akan disajikan suatu metode aljabar yang dapat memecahkan permasalahan linear yang komplek (variabel banyak) yang dikenal dengan Metode Simplek. Dalam metode grafik sebelumnya, penyelesaian permasalahan yang optimum selalu berkaitan dengan titik ekstrim ( perpotongan garis garis kendala), atau titik sudut pada ruang pemecahan (daerah penyelesaian). Gagasan ini mengilhami metode simplek. Pada intinya apa yang dilakukan metode simplek adalah menterjemahkan definisi geografis dari titik ekstrim menjadi definisi aljabar. Jadi dapat dikatakan bahwa metode simplek memecahkan permasalahan linear didasarkan atas solusi persamaan simultan. Solusi akan muncul pada setiap titik ekstrim yaitu perpotongan persamaan garis kendala, atau perpotongan dengan garis sumbu. Jadi dalam motode simplek semua batasan harus dalam bentuk persamaan (=), bukan dalam bentuk pertidaksamaan ( atau ) seperti dalam metode grafis.

2.2 Bentuk Standar


Dalam metode simplek suatu prosedur standar dibuat untuk mentransformasikan pertidaksamaan kendala ( atau ) menjadi bentuk persamaan (=). Tranformasi ini diperoleh dengan jalan menambahkan suatu variabel baru, yang dinamakan variabel pengurang ( slack variabel ) dan variabel penambah ( surplus variabel). Konversi ini akan menghasilkan

sejumlah persamaan yang mana jumlah variabel akan lebih besar dari jumlah persamaan. Artinya persamaan persamaan tersebut menghasilkan sejumlah titik yang pemecahan yang lebih banyak. Titik-titik ekstrim dalam metode grafis dapat diidentifikasikan secara aljabar sebagai pemecahan dasar ( basic solution). Dari teori aljabar linear, suatu pemecahan dasar diperoleh dengan menetapkan beberapa variabel yang sebanyak selisih antara jumlah total variabel dengan jumlah total persamaan memiliki nilai sama dengan nol. Dan selanjutnya memecahkan variabel sisanya. Apa yang dilakukan dalam metode simplek adalah mengidentifikasi suatu pemecahan dasar awal lalu bergerak secara sistematis ke pemecahan dasar lainnya yang memiliki potensi untuk memperbaiki nilai fungsi tujuan ( maksimum atau minimum). Dan pada akhirnya pemecahan dasar yang bersesuaian dengan nilai optimum akan teridentifikasi dan proses perhitungan berakhir. Pada dasarnya algoritma simplek merupakan prosedur perhitungan yang berulang (iteratif) dimana setiap pengulangan (iterasi) berkaitan dengan suatu pemecahan dasar. Pembahasan sebelumnya bahwa model linear dapat mempunyai kendala dalam bentuk persamaan dan pertidaksamaan (, , =). Pemecahan model linear dengan metode simplek mempunyai beberapa batasan : 1. Semua fungsi kendala adalah persamaan 2. Semua variabel adalah non-negatip 3. Fungsi tujuan dapat berupa maksimisasi atau minimisasi. misalnya:

X1 + 2 X2 16 menjadi X1 + 2 X2 + X3 = 16 X3 disebut variabel slack

3 X1 + 2 X2 30 menjadi 3 X1 + 2 X2 X3 = 30 X3 disebut variabel slurplus

Contoh 2.1 Model awal diubah menjadi bentuk standar simplek Bentuk awal Mak Z = 2 X1 + 3 X2 1 X1 + 2 X2 16 3 X1 + 2 X2 30 X1 , X2 0 Mak Z = 2 X1 + 3 X2 1 X1 + 2 X2 + X3 = 16 3 X1 + 2 X2 + X4 = 30 X1 , X2 , X3 , X4 0 X1, X2 = Veriabel keputusan X3, X4 = Slack variabel Bentuk standar Mak Z = 2 X1 + 3 X2 1 X1 + 2 X2 + X3 = 16 3 X1 + 2 X2 + X4 = 30 X1 , X2 , X3 , X4 0

Bila X1, X2 = 0 ----- Non Basic Variable (NBV) Maka: --- 1 X1 + 2 X2 + X3 = 16 X3 = 16 --- 3 X1 + 2 X2 + X4 = 30 X4 = 30 Dan Z = 2 X1 + 3 X2, Z = 0 Diinginkan nilai Z maksimum Mak Z = 2 X1 + 3 X2 Increase X1 ? Increase X2 ? ----------- Rate Improve in Z = 2 ----------- Rate Improve in Z = 3

---- Basic Variable (BV)

So Choose X2 To Increase.

Sekarang kita sebut X2 Entering Basic Variable pada iterasi 1 Masalahnya berapa besar X2 dinaikkan tanpa melanggar fungsi kendala. Dimulai dari X1 = 0, dan X2 Dinaikkan, maka: 1 X1 + 2 X2 + X3 = 16 --- X3 = 16 - 2 X2 3 X1 + 2 X2 + X4 = 30 --- X4 = 30 - 2 X2 Cek berapa besar X2 bisa dinaikkan (X3, X4 0 / tak boleh negatif): X3 = 16 -2 X2 X4 = 30 -2 X2 ----- 8 ----- 15 Supaya memenuhi kedua persamaan maka dipilih 8

Maka akan diperoleh : X3 = 0 ---------- X4 = 14

Lebih dulu mendekati 0 atau maka X3 disebut Leaving basic variable

Naiknya nilai X2 dari 0 menjadi 8 maka X2 berpindah dari Initial Basic Feasible Solution ke New Basic Feasible Solution Initial BFS X1 = 0, X2 = 0 X3 = 16, X4 = 30 New BFS X1 = 0 , X 3 = 0 X2 = 8, X4 = ?

Non Basic Variable Basic Variable

Maka Persamaan diatas ditulis kembali : (1) 1 X1 + 2 X2 + X3 = 16 (2) 3 X1 + 2 X2 + X4 = 30 X2 = 8 - 0.5 X1 - 0.5 X3 X4 = 30 3 X1 -2 ( 8 - 0.5 X1 - 0.5 X3 ) = 30 - 3 X1 - 16 + X1 + X3 = 14 -2 X1 + X3 Z = 2 X 1 + 3 X2 Z = 2 X1 + 3 (8 - 0.5 X1 - 0.5 X3 )

= 2 X1 + 24 1.5 X1 1.5 X3 Z = 24 + 0.5 X1 1.5 X3 Bila : X1 = 0, X2 = 8, X3 = 0, X4 = 14, maka Z = 24

-------- fokus pada X1

Berlanjut pada iterasi ke 2 Optimality tes untuk new basic feasible solution Z = 24 + 0.5 X1 1.5 X3 Kalau non basic variable masih bisa dinaikkan untuk menaikkan nilai Z maka belum optimal

Iterasi 2

Pilih X1 entering basic variable, dan berapa besar X1 dinaikkan agar kendala tidak dilanggar, dengan X3 = 0 maka: X2 = 8 - 0.5 X1 - 0.5 X3 X4 = 14 - 2 X1 + X3 X2 = 8 - 0.5 X1 X4= 14 - 2 X1 -------------- 16 -------------- 7 Supaya memenuhi kedua persamaan maka dipilih nilai X1 = 7

Sehingga: X2 = 8 - 0.5 X1 = 8 0.5 x 7 = 4.5 X4 = 14 - 2 X1 = 14 2 x 7 = 0

Lebih dahulu mendekati nol maka X4 disebut leaving basic variable

Naiknya X1 dari 0 menjadi X1 = 7, maka X1 mengganti X4 menjadi basic variable ( X4 disebut leaving Basik Variable) Initial BFS X1 = 0, X3 = 0 X2 = 8, X4 = 14 New BFS X3 = 0, X4 = 0 X2 = ?, X1 = 7

Non Basic Variable Basic Variable

Maka persamaan diatas ditulis kembali : (1) X2 = 8-0.5 X1-0.5 X3 (2) X4 = 14 -2 X1 + X3 Karena X4 leaving BV maka X1 diambil dari per (2) shg: X4 = 14 - 2 X1 + X3 X1 = 7 + 0.5 X3 - 0.5 X4 X2 = 8 - 0.5 X1 0.5 X3 = 8 0.5 X1 0.5 X3 = 8 0.5 (7 + 0.5 X3 - 0.5 X4) 0.5 X3 = 8 3.5 - 0.25 X3 + 0.25 X4 0.5 X3 X2 = 4.5 -0.75 X3 + 0.25 X4 Z = 24 + 0.5 (7 + 0.5 X3 - 0.5 X4) 1.5 X3 = 24 + 3.5 + 0.25 X3 0.25 X4 1.5 X3 = 27.5 + 1.75 X3 0.25 X4 Dalam persamaan tujuan non basic variabel bernilai nol maka sudah tak ada variabel yang bisa menaikkan nilai Z maka optimal Bila : X1 = 7, X2 = 4.5, X3 = 0, X4 = 0, maka Z = 27.5

Jadi Z mak = 27.5 dengan X1 = 7, X2 = 4.5

Rangkuman metode Aljabar simplek


Mengubah bentuk baku model LP ke dalam bentuk tabel akan memudahkan proses perhitungan simplex. Langkah-langkah perhitungan dalam algoritma simplex adalah :

1. Berdasarkan bentuk baku, tentukan solusi awal (initial basic feaseble solution) dengan menetapkan m n variabel non basis sama dengan nol. 2. Pilih sebuah entering variable diantara yang sedang menjadi variabel non basis, yang jika dinaikkan diatas nol, dapat memperbaiki nilai fungsi tujuan. Jika tidak ada, berhenti, berarti solusi sudah optimal. Jika tidak, melangkah ke langkah 3. 3. Pilih sebuah leaving variable diantara yang sedang menjadi variabel basis yang harus menjadi non basis (nilainya menjadi nol) ketika entering variable menjadi variabel basis. 4. Tentukan solusi yang baru dengan membuat entering variable dan leaving variable menjadi non basis. Kembali ke langkah 2.

Soal: 1. Selesaikan dengan metode simpleks (wyndor glass co) Max Z = 3 X1 + 5 X2 ST. X1 4 2 X2 12 3 X1 + 2 X2 18 X1 , X 2 0 2. Selesaikan dengan metode simpleks Max Z = 4 X1 + 5 X2 ST. X1 + 2 X2 40 4 X1 + 3 X2 120 X1 , X 2 0 3. Selesaikan dengan metode simpleks Max. Z = 5 X1 + 4 X 2 + 3 X3 Subject to 2 X1 + 3 X2 + X3 5 4 X1 + X2 + 2X3 11 3 X1 + 4X2 + 2X3 8 X1, X2, X3 0 4. Selesaikan dengan metode simpleks Max. Z = 2 X1 + 3 X 2 Subject to X1 - 2 X2 4 2 X1 + 2 X2 18 X2 10 X1, X2, 0

2.3 Metode Simplek Dalam Bentuk Tabel


Metode aljabar simplek cukup rumit bila variabel cukup banyak, dan kurang efisien dalam perhitungan. Untuk perhitungan yang lebih mudah dan efisien maka dilakukan suatu tahapan yang mana metode sebelumnya dibuatkan model tabel yang dikenal dengan tabel simplek ( tableau form). Tabel ini merupakan bentuk lain dari model standar simplek. Spreadsheet software, seperti Excel merupakan tool yang sangat populer untuk analisis dan menyelesaikan permasalahan linear programming yang sederhana. Fitur linear programming termasuk semua parameternya, sangat mudah dimasukkan dalam spreadshet. Disamping itu Excel memberikan fasilitas Solver yang sangat mudah untuk mengaplikasikan metode simplek untuk mencari solusi optimal suatu model. Sebelum mencoba solver akan dipelajari dulu metode simplek dalam bentuk tabel. Model pabrik tepung tapioka, digunakan kempali sebagai contoh

Bentuk standar
Mak Z = 2 X1 + 3 X2

Kendala:
1 X1 + 2 X2 + 1 X3 3 X1 + 2 X2 + 1 X4 X1, X2, X3, X4 0 =16 = 30

Nilai Pivot Tabel 1


X3 X4 Z

x1
1 3 2

x2
2 2 3

x3
1 0 0

X4
0 1 0

Rhs
16 30 0

Rasio
8 15

Pivot baris

Pivot kolom

Tabel 2
X3 X4 Z

x1
0.5 2 0.5

x2
1 0 0

x3
0.5 -1 -1.5

X4

Rhs
0 1 0 8 14 -24

Rasio
16 7

Pivot baris

Pivot kolom Tabel 3


X3 X4 Z

x1
0 1 0

x2
1 0 0

x3
0.75 -0.5 -1.25

x4
-0.25 0.5 -0.25

Rhs
4.5 7

Rasio

-27.5

Maka X1 = 7 X2 = 4.5

Nilai Z = 7.5

Lihat contoh lain Penyelesaian dengan solver.


Microsoft Excel 11.0 Answer Report Worksheet: [tepung.xls]Sheet2 Report Created: 7/4/2008 9:20:21 AM Target Cell (Max) Cell $C$4 Name Z Original Value 0 Final Value 27.5

Adjustable Cells Cell $C$7 $C$8 Name x1 x2 Original Value 0 0 Final Value 7 4.5

Constraints Cell Name $C$1 0 kon1 $C$1 1 kon2 $C$7 $C$8 x1 x2

Cell Value 16 30 7 4.5

Formula $C$10<=16 $C$11<=30 $C$7>=0 $C$8>=0

Status Binding Binding Not Binding Not Binding

Slack 0 0 7 4.5

2.4 Metode Simplek Dalam Bentuk Matrik


Metode simplek yang dijelaskan sebelumnya ( aljabar dan tabel), untuk selanjutnya disebut original simplex methods, yang merupakan prosedur aljabar. Prosedur ini akan cukup rumit bila variabelnya banyak. Dalam metode berikutnya akan disajikan suatu perbaikan metode simplek ( revise simplex method) yang secara eksplisit menggunakan manipulasi matrik. Jadi permasalahan / model matematik selalu dibuat dalam bentuk matrik. Dalam model standar linear programming dalam bentuk matrik sbb: Optimize Subject to a11x1 + a12x2 + a13x3 + . . . + a1nxn { , = , }b1 a21x1 + a22x2 + a23x3 + . . . + a2nxn { , = , }b2 a31x1 + a32x2 + a33x3 + . . . + a3nxn { , = , }b3 . . . am1x1 + am2x2 + am3x3 + . . . + amnxn { , = , }bm x1, x2, x3, . . . xn 0 Biasa ditulis lebih kompak lagi sbb: z = c1x1 +c2x2 + c3x3 + . . . . + cnxn

Optimize Subject to
a
j= 1 n

z =

c
j= 1

jxj

i jxj

{ , = , } b1 , i = 1, 2, 3, . . . , m xj 0 , j = 1, 2, 3, . . . , n

Dari ketiga jenis kendala { , = , } maka secara umum akan jauh lebih mudah menyelesaikan persamaan dari pada pertidaksamaan. Model pertidaksamaa di atas dapat dirubah mejadi persamaan dengan memasukkan beberapa variabel tambahan (slak dan surplus) kedalam formulasi / persamaan. Dan untuk lebih memudahkan perhitungan maka sisi kanan dibuat menjadi nonnegativitas ( yaitu bi 0), hal ini bisa dilakukan dengan mengalikan dengan (-1). Konversi kendala: Kendala pertidaksamaan ke r,
a
j= 1 n r jxj

br

Masukkan variabel baru sr 0 yang disebut slack variabel n

a
j =1

r jxj

+ sr = br

Atau
sr = br

a
j =1

r jxj

Berikutnya Kendala pertidaksamaan ke t,

a
j= 1

t j

xj bt

Masukkan variabel baru st 0 yang disebut surplus variabel

a
j =1

t j

x j = bt + st

a
j= 1

t jxj

st = bt

Atau
st =

a
j= 1

t jxj

bt

Fungsi tujuan menjadi: Optimize z =

j= 1

cjxj +

c
k= 1

k sk

Suku pertama dalam persamaan diatas sedangkan suku kedua Dalam beberapa Programming). Contoh 1.
c
k= 1 p k sk

c
j= 1

jxj

adalah fungsi tujuan asli

adalah pengaruh dari variabel slak dan surplus. nilai ck diasumsikan nol (Ignizio, Linear

literatur

Konversi linear programming ke bentuk standard Bila diberikan model sbb: Min Kendala z = 7x1 3x2 + 5x3 x1 + x2 + x3 9 3x1 + 2x2 + x3 12 x1, x2, x3 0

Bila asumsi biaya surplus adalah 0, dan biaya slak 1,5 perunit maka Bentuk standar Max Kendala z = -7x1 + 3x2 - 5x3 + 0s1 -1,5s2 x1 + x2 + x3 s1 = 9 3x1 + 2x2 + x3 + s2 = 12 x1, x2, x3, s1, s2 0 Perlu perhatikan bawha min z = mak z

Ada beberapa textbook menyeragamkan variabel keputusan ( xj) sehingga model standar diatas biasa ditulis sbb: Max Kendala z = -7x1 + 3x2 - 5x3 + 0x4 -1,5x5 x1 + x2 + x3 x4 = 9 3x1 + 2x2 + x3 + x5 = 12 x1, x2, x3, x4, x5 0 Sehingga model standar diatas dapat ditulis sbb Mak z =
c
j= 1 n jxj

Subject to
a
j= 1 n i jxj

= b1 , i = 1, 2, 3, . . . , m xj 0 , j = 1, 2, 3, . . . , n

Model diatas juga dapat ditulis dalam bentuk vektor dan matrik Mak z = cx Subject to Ax = b x0 dimana A = matrik m x n yang merupakan koefisien dari kendala C = adalah vektor baris C = [c1, c2, c3, ... , cn] X, b, dan 0 adalah vektor kolom

x1 b1 01 a 11 x b 0 2 2 2 a x3 , b = b3 , 0 = 03 dan A = 21 X = ... . . . a m1 xn bn 0 n

a 12 a 22 ... a m2

... a 1n ... a 2n = (a ,a ,a ,...,an) 1 2 3 ... ... ... a mn

Penyelesaian dengan matrik Bila bentuk standar sbb Mak z = cx Ax = b x0 Langkah I. Partisi matrik A menjadi : A = [B:N] .................................... (1)

Dengan B = m x m matrik nonsingular ( matrik basis) N = m x(n-m) matrik kolom non basic Maka sistem linear Ax = b dapat ditulis menjadi BxB + NxN = b dan disederhanakan menjadi: xB + B-1 NxN = B-1 b dan penyelesaiannya menjadi: xB = B-1 b - B-1 NxN Bila xN = 0 , maka:

Contoh 1. Nanti