Anda di halaman 1dari 14

KASUS KHUSUS DALAM METODE SIMPLEKS

Seperti pada penyelesaian pada metode grafik, pada metode simpleks juga dapat timbul kasus khusus yang mencakup: 1. Alternatif Penyelesaian 2. Penyelesaian tak terbatas 3. Soal tidak fisibel 4. Kemerosotan (Degenerasi) 5. Variabel penyusun tak bersyarat

1. Alternatif Penyelesaian
Ketika fungsi tujuan sejajar dengan satu batasan yang mengikat (yaitu, satu batasan yang dipenuhi dalam bentuk persamaan oleh pemecahan optimal), fungsi tujuan akan memiliki nilai optimal yang sama di lebih dari satu titik. Alternatif penyelesaian berarti adanya 2 penyelesaian atau lebih yang menghasilkan nilai optimal yang sama. Adanya alternative penyelesaian dalam metode simpleks dapat dilihat pada table optimalnya. Perhatikan elemen pada baris cj zj yang bernilai 0 pada table optimal. Nilai 0 pada baris cj zj selalu bersesuaian dengan variable bebas. Jika ck zk = 0 dalam table optimal, sedangkan variable pada kolom tersebut (= xk) bukanlah variable basis, maka hal ini menunjukkan adanya alternative penyelesaian. Alternatif penyelesaian didapat dengan memaksa variable xk menjadi basis (meskipun sebenarnya tabelnya sudah optimal).

Contoh: Selesaikan soal berikut ini dengan metode simpleks! Maksimumkan f(x1, x2)= 3x1 + x2 Kendala : x1 + 2x2 20 3x1 + x2 20 x1, x2 0 penyelesaian: Bentuk standar masalah tersebut adalah sebagai berikut:

Maksimumkan f(x1 x4) = 3x1 + x2 + 0x3 + 0x4 Kendala : x1 + 2x2 + x3 = 20 3x1 + x2 + x4 = 20 x1, x2,x3,x4 0 Cj (Cb)i 0 0
(Xb)i

3 Xj X1 1 3 0 3 0 1 3 0

1 X2 2 1 0 1 5/3 1/3 1 0

0 X3 1 0 0 0 1 0 0 0

0 X4 0 1 0 0 -1/3 1/3 1 -1 bi 20 20 0 40/3 20/3 20 20 20/3

X3 X4 Zj Cj Zj

0 3

X3 X1 Zj Cj-Zj

Bukan basis tapi bernilai nol

Tampak bahwa pada table optimalnya, c2 z2 = 0 meskipun x2 bukan variable basis. Ini menunjukkan adanya alternative penyelesaian yang bisa diperoleh dengan memaksa x2 untuk menjadi basis. Cj (Cb)i 0 3
(Xb)i

3
Xj

1 X2 5/3 1/3 1 0 1 0 1 0

0 X3 1 0 0 0 3/5 -1/5 0 0

0 X4 -1/3 1/3 1 -1 -1/5 2/5 1 -1 bi 40/3 20/3 20 8 4 20 8 20

X1 0 1 3 0 0 1 3 0

X3 X1 Zj Cj Zj

1 3

X2 X1 Zj Cj Zj

Tampak bahwa table sudah optimal dengan penyelesaian optimal x1 = 4 dan x2 = 8. Perhatikan bahwa pada Tabel diatas juga mengandung alternative penyelesaian karena x3 bukan merupakan variable basis, tapi c3 z3 = 0. Jika kemudian table direvisi lagi dengan

cara memaksakan x3 untuk menjadi basis, maka akan diperoleh kembali table optimal pada Tabel diatas.

2. Penyelesaian Tak Terbatas


Penyelesaian tak terbatas berarti f(x) bisa diperbesar (atau diperkecil) sampai titik tak berhingga. Setelah mendapatkan calon basis, langkah berikutnya adalah menguji apakah ada elemen aik (elemen dalam kotak vertical) yang > 0. Jika ada maka langkah berikutnya adalah menghitung nilai dan menentukan variable yang harus keluar dari basis. Akan tetapi apabila semua aik 0, maka berarti penyelesaiannya tak terbatas (bisa dikatakan juga bahwa soal tidak memiliki penyelesaian). Untuk lebih jelasnya perhatikan contoh berikut,

Contoh 1: Maksimumkan f(x1, x2) = 2x1 + 3x2 Kendala: x1 2x2 4 x1 + x2 3 x1, x2 0 Penyelesaian: Bentuk standar simpleks: Maksimumkan f(x1 x5) = 2x1 + 3x2 + 0x3 + 0x4 Mx5 Kendala x1 2x2 + x3 =4 x1+ x2 - x4 + x5 = 3 x1 x5 0

Cj (Cb)i 0 -M
(Xb)i

2
Xj

3 X2 -2 1 -M 3+M 0 1

0 X3 1 0 0 0 1 0

0 X4 0 -1 M -M -2 -1

-M X5 0 1 -M 0 2 1 bi 4 3 -3M 10 3 3

X1 1 1 -M 2+M 3 1

X3 X5 Zj Cj Zj

0 3

X3 X2

Zj Cj Zj

3 -1

3 0

0 0

-3 3

3 -3-M

Pada iterasi kedua, c4-z4 = 3 > 0. Karena satu-satunya yang masih bernilai positif, maka x4 menjadi calon basis. Akan tetapi a14 =-2 < 0 dan a24 = -1 <0 sehingga nilai dicari. Ini berarti bahwa soal memiliki penyelesaian tak terbatas tidak dapat

Contoh 2: Selesaikan dengan metode simpleks! Minimumkan z = -x1 -2x2 Kendala -x1+x2 2 -2x1+x2 1 x1, x2 0 Penyelesaian: Bentuk standar Minimumkan z = -x1-2x2+0x3+0x4 Kendala -x1+x2+x3 = 2 -2x1+x2+x4 = 1 x1 x4 0 Cj (Cb)i 0 0 X3 X4 Zj Cj-Zj 0 -2 X3 X2 Zj Cj-Zj -1 -2 X1 X2 Zj -1 X1 -1 -2 0 -1 1 -2 4 -5 1 0 -1 -2 X2 1 1 0 -2 0 1 -2 0 0 1 -2 0 X3 1 0 0 0 1 0 0 0 1 2 -5 0 X4 0 1 0 0 -1 1 -2 2 -1 -1 3 bi 2 1 0 1 1 -2 1 3 -7 1 2 1

Cj-Zj

-3

Pada iterasi kedua, c4 - z4 = -3 < 0. Karena satu-satunya yang masih bernilai negatif, maka x4 menjadi calon basis. Akan tetapi a14 = -1 < 0 dan a24 = -1 < 0 sehingga nilai dicari. Ini berarti bahwa soal memiliki penyelesaian tak terbatas tidak dapat

3. Soal Tidak Fisibel


Soal tak fisibel berarti soal tidak memiliki daerah fisibel (tidak memiliki titik yang memenuhi semua kendala) Dalam metode simpleks, variable semu berfungsi sebagai katalisator agar muncul matriks identitas sehingga proses simpleks dapat dilakukan. Pada iterasi pertama, variable semu akan dipakai sebagai variable basis. Untuk mempercepat keluarnya variable semu dari variable basis, maka pada fungsi sasarannya diberi koefisien M (untuk kasus meminimumkan) atau M (untuk kasus memaksimumkan). Akan tetapi ada kalanya variable semu tetap merupakan variable basis pada table optimalnya. Hal ini menunjukkan bahwa soalnya tidak fisibel. Pengecekan soal yang tidak fisibel dapat dilihat pada nilai Cj Zj. Setelah tidak ada CjZj > 0 (untuk kasus memaksimumkan) atau Cj-Zj<0 (untuk kasus meminimumkan), maka proses dilanjutkan dengan meneliti apakah ada variable semu yang masih bernilai positif. Jika tidak ada, maka penyelesaian optimal didapatkan. Akan tetapi, jika ada variable semu yang masih bernilai positif berarti soalnya tidak fisibel. Untuk lebih jelasnya perhatikan contoh berikut.

Contoh 1: Selesaikan dengan metode simpleks! Maksimumkan f(x1, x2)= 4x1 + 3x2 Kendala x1+x2 3 2x1-x2 3 x1 4 x1, x2 0

Penyelesaian: Maksimumkan f(x1 x6)= 4x1+3x2+0x3+0x4+0x5-Mx6 Kendala x1+x2+x3 2x1-x2 x1 x1 x6 0 +x4 x5 + x6 =3 =3 =4

Cj (Cb)i 0 0 -M
(Xb)i

4
Xj

3 X2 1 -1 0 0 3 3/2 -1/2

0 X3 1 0 0 0 0 1 0 0 0 0

0 X4 0 1 0 0 0 -1/2 -1/2

0 X5 0 0 -1 M -M 0 0 -1 M -M

-M X6 0 0 1 -M 0 0 0 1 -M 0 0 0 1 -M 0 1 2 2 11-2M bi 3 3 4 -4M 3/2 3/2 5/2 1 5 3 3/2 4

X1 1 2 1 -M 4+M 0 1 0 4 0 0 1 0 4 0

X3 X4 X6 Zj Cj Zj

0 4 -M

X3 X1 X6 Zj Cj Zj

3 4 -M

X2 X1 X6 Zj Cj Zj

1 0 0 3 0

2/3 1/3 -1/3

-1/3 1/3 -1/3

0 0 -1 M -M

Pada iterasi terakhir, semua CjZj 0. Ini menunjukkan bahwa table sudah optimal. Akan tetapi x6 yang merupakan variable semu masih tetap menjadi variable basis. Ini berarti bahwa soalnya tidak fisibel sehingga tidak memiliki penyelesaian optimal.

Contoh 2: Selesaikan dengan metode simpleks! Minimumkan z = 2y1+4y2 Kendala 2y1-3y2 2 -y1+y2 2

y1, y2 0 Penyelesaian: Bentuk Standar Minimumkan z = 2y1+4y2+0y3+0y4+My5+My6 Kendala 2y1 - 3y2 - y3 + My5 = 2 -y1+y2 - y4 + My6 = 3 y1 y6 0 Cj (Cb)i M M
Xi (Xb)i

2 Y1 2 -1 M 2-M -1 -1 -4-M 6+M 2 -1

4 Y2 -3 1 -2M 4-2M 0 1 4 0 -3 1

0 Y3 -1 0 -M M -1 0 -M M -1 0

0 Y4 0 -1 -M M -3 -1 -4-3M 4+3M 0 -1

M Y5 1 0 M 0 1 0 M 0 1 0

M Y6 0 1 M 0 3 1 4+3M -4-2M 0 1 bi 2 3 5M 11 3 12+11M 2 3 11/3 3 3

Y5 Y6 Zj Cj-Zj

M 4

Y5 Y2 Zj Cj-Zj

M M

Y5 Y6

Dapat dilihat bahwa pada iterasi pertama, variable y6 keluar dari variable basis kemudian pada iterasi ke-2 variabel y6 kembali menjadi variable basis, sedangkan y5 tetap menjadi variable basis. Karena kedua variable semu y5 dan y6 menjadi variable basis dan tidak dapat mencapai penyelesaian optimum, maka soal tidak fisibel.

4. Kemerosotan (Degenerasi)
Kasus degenerasi terjadi apabila satu atau lebih variable basis berharga nol sehingga iterasi yang dilakukan selanjutnya bisa menjadi suatu loop yang akan kembali pada bentuk sebelumnya. Kejadian ini disebut degenerasi cycling atau circling. Namun ada kalanya pada iterasi berikutnya degenerasi ini menghilang. Kasus seperti ini disebut degenerasi temporer.

Untuk lebih jelasnya perhatikan contoh berikut.

Contoh: Selesaikan masalah program linier berikut ini dengan metode simpleks! Maksimumkan f(x1, x2) = 5x1 + 3x2 Kendala 4x1 +2x2 12 4x1+ x2 10 x1 + x2 4 x1, x2 0 Penyelesaian: Bentuk standar Maksimumkan f(x1 x5) = 5x1+3x2+0x3+0x4+0x5 Kendala 4x1+2x2+x3 = 12 4x1+x2+x4 = 10 x1+x2+x5 =4 x1 x5 0 Cj (Cb)i 0 0 0
(Xb)i

5
Xj

3 X2 2 1 1 0 3 1 5/4 7/4

0 X3 1 0 0 0 0 1 0 0 0 0

0 X4 0 1 0 0 0 -1 -1/4 5/4 -5/4

0 X5 0 0 1 0 0 0 0 1 0 0 bi 12 10 4 0 2 5/2 3/2 25/2 2 10 2 3 5/2 4

X1 4 4 1 0 5 0 1 0 5 0

X3 X4 X5 Zj Cj-Zj

0 5 0

X3 X1 X5 Zj Cj-Zj

Pada iterasi ke-2 terdapat 2 buah nilai

minimum yang sama-sama bernilai 2. Untuk itu

dipilih salah satunya (x3 atau x5) secara sembarang.

Tabel I. Cj (Cb)i 0 5 0
(Xb)i

5
Xj

3 X2 1 5/4 7/4 1 0 0 3 0 1 0 0 3 0

0 X3 1 0 0 0 0 1 -1/4 -3/4 7/4 -7/4 -1/2 -3/2 1 -1

0 X4 -1 -1/4 5/4 -5/4 -1 -1/2 0 0 1 0 0

0 X5 0 0 1 0 0 0 0 1 0 0 2 -1 2 1 -1 bi 2 5/2 3/2 25/2 2 2 0 16 2 2 0 16 4 0 2 10 2

X1 0 1 0 5 0 0 1 0 5 0 0 1 0 5 0

X3 X1 X5 Zj Cj-Zj

3 5 0

X2 X1 X5 Zj Cj-Zj

3 5 0

X2 X1 X4 Zj Cj-Zj

Terlihat pada iterasi pertama nilai variable basis x5 = 0. Ini menunjukkan adanya degenerasi. Kemudian diiterasi berikutnya terdapat pula nilai variable basis yang bernilai 0 (ada degenerasi) kembali. Ini menunjukkan adanya degenerasi siklik.

Tabel II. Cj (Cb)i 0 5 0


(Xb)i

5
Xj

3 X2 1 5/4 7/4

0 X3 1 0 0 0 0

0 X4 -1 -1/4 5/4 -5/4

0 X5 0 0 1 0 0 bi 2 5/2 3/2 25/2 2 10 2

X1 0 1 0 5 0

X3 X1 X5 Zj Cj-Zj

0 5 3

X3 X1 X2 Zj Cj-Zj

0 1 0 5 0

0 0 1 3 0

1 0 0 0 0

-2/3 1/3 -1/3 2/3 -2/3

-4/3 -1/3 4/3 7/3 -7/3

0 2 2 16

Perhatikan bahwa table I merupakan kelanjutan iterasi jika x3 keluar dari basis, dan table II merupakan kelanjutan iterasi jika x5 keluar dari basis. Perhatikan bahwa meskipun jumlah iterasi hingga mencapai optimal pada Tabel I dan Tabel II tidak sama, namun keduanya menghasilkan penyelesaian optimal yang sama yaitu x1 = 2 dan x2 = 2

Contoh Degenerasi Temporer maks : z = 3x1 + 2x2 kendala : 4x1 + 3x2 12 4x1 + x2 8 4x1 - x2 8 x1, x2 0 Penyelesaian: Bentuk standarnya: z = 3x1+2x2+0x3+0x4+0x5 Kendala: 4x1+3x2+x3=12 4x1+x2+x4=8 4x1-x2+x5=8 x1x5 0 Cj (Cb)i 0 0 0
(Xb)i Xi

3 X1 4 4 4 0 3

2 X2 3 1 -1 0 2

0 X3 1 0 0 0 0

0 X4 0 1 0 0 0

0 X5 0 0 1 0 0 bi 12 8 8 0 3 2 2

X3 X4 X5 Zj Cj-Zj

0 3 0

X3 X1 X5 Zj Cj-Zj

0 1 0 3 0 0 1 0 3 0

2 -2 5/4 1 0 -4 2 0

1 0 0 0 0 -1/8 1 5/8 -5/8

-1 -1 -3/4 -1/2 3/8 -2 1/8 -1/8

0 0 1 0 0 0 0 1 0 0

4 2 0 6 2 3/2 4 17/2

2 8 -

2 3 0

X2 X1 X5 Zj Cj-Zj

Dapat dilihat pada iterasi pertama, ada variable basis yang bernilai 0 (x5). Ini menunjukkan adanya degenerasi. Namun pada iterasi berikutnya tidak terdapat nilai variable basis yang bernilai 0 (degenerasi menghilang). Inilah yang disebut degenerasi temporer.

5. Variabel Penyusun Tak Bersyarat


Dalam bentuk standar program linier diisyaratkan bahwa semua variable penyusun harus 0. Apabila ada variable penyusun yang bernilai bebas (boleh negative), maka sebelum masuk ke proses simpleks, masalah tersebut harus terlebih dahulu ditransformasi sehingga semua variable penyusun 0. Caranya adalah dengan menyatakan variable yang bernilai bebas tersebut sebagai selisih 2 variabel baru yang keduanya 0. Untuk lebih jelasnya, perhatikan contoh berikut.

Contoh 1: Maksimumkan f(x1, x2, x3) = 3x1+2x2+x3 Kendala 2x1+5x2+x3 12 6x1+8x2 22 x2, x3 0 Penyelesaian: Perhatikan bahwa yang diisyaratkan 0 hanyalah x2 dan x3 saja, sedangkan x1 bernilai sembarang. Untuk menjadikan ke bentuk standar program linier, maka x1 dinyatakan sebagai selisih 2 variabel baru x4 dan x5.

x1=x4-x5 Kemudian substitusikan ke model Maksimumkan f(x2, x3, x4, x5)= 3(x4-x5)+2x2+x3 Kendala 2(x4-x5)+5x2+x3 12 6(x4-x5)+8x2 22 x2, x3, x4, x5 0 Bentuk standarnya: Maksimumkan f(x2, x3, x4, x5)= 2x2+x3+3x4-3x5+0x6+0x7 Kendala 5x2+x3+2x4-2x5+x6 = 12 8x2+6x4-6x5+x7 = 22 x2x7 0 Cj (Cb)i 1 0 Xj (Xb)i X3 X7 Zj Cj - Z j 1 3 X3 X4 Zj Cj - Z j 2 X2 5 8 5 -3 14/6 8/6 38/6 -26/6 1 X3 1 0 1 0 1 0 1 0 3 X4 2 6 2 1 0 1 3 0 -3 X5 -2 -6 -2 -1 0 -1 -3 0 0 X6 1 0 1 0 1 0 1 -1 0 X7 0 1 0 0 -2/6 1/6 1/6 -1/6 bi 12 22 12 28/6 22/6 94/6 6 22/6

Penyelesaian optimal x2 = 0, x3 = 28/6 = 14/3, x4 = 22/6 = 11/3, x5 = x6 = x7 = 0. Jika dikembalikan ke soal aslinya, maka x1 = 11/3, x2 = 0 dan x3 = 14/3. Perhatikan di sini bahwa x1 yang bernilai sembarang tidak berarti harus bernilai negative. Akan tetapi juga tidak boleh diasumsikan 0 sehingga proses simpleks juga tidak dapat langsung digunakan.

Contoh 2: Selesaikan dengan metode simpleks! Minimumkan z = -2x1 + x2 Kendala x1+x2 4 x1 - x2 6

x1 0

Penyelesaian: Perhatikan bahwa yang diisyaratkan 0 hanyalah x1 saja, sedangkan x2 bernilai sembarang. Untuk menjadikan ke bentuk standar program linier, maka x2 dinyatakan sebagai selisih 2 variabel baru x5 dan x6 x2= x5 x6 Sehingga bentuk standarnya menjadi: Minimumkan Kendala z = -2x1 + x5 - x6 + 0x3 + 0x4

x1+ x5 - x6 + x3 = 4 x1 x5 + x6 + x4 = 6 x1, x3, x4, x5, x6 0 Cj -2


Xj

1 X5 1 -1 0 1 1 -2 -2 3 0 -1 1 0

-1 X6 -1 1 0 -1 -1 2 2 -3 0 1 -1 0

0 X3 1 0 0 0 1 -1 -2 2 -1/2 -1/2

0 X4 0 1 0 0 0 1 0 0 -3/2 3/2 bi 4 6 0 4 2 -8 5 1 -11 1 4 6

(Cb)i 0 0

(Xb)i

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

X3 X4 Zj Cj Zj

-2 0

X1 X4 Zj Cj-Zj

-2 -1

X1 X6 Zj Cj-Zj

Didapat solusi optimum x1 = 5, x6 = 1, x3 = x4 = x5 = 0. Jika dikembalikan ke soal aslinya maka akan didapat x1 = 5 dan x2 = -1 DAFTAR PUSTAKA

Dimyati, Tjutju T., Dimyati, Ahmad, Operation Research, Model-model Pengambilan Keputusan, Sinar Baru Algesindo, Bandung, 2003 Siswanto, Operations Research, Erlangga, Jakara, 2007