Metode Simpleks pertama sekali diperkenalkan oleh George B.Dantzig dari USA
(1950) melalui bukunya Linear Programming and Extension, menyebutkan bahwa ide
dari linear programming ini berasal dari ahli matematika Rusia bernama L.V
Kantorivich yang pada tahun 1939 menerbitkan sebuah karangan yang berjudul
Mathematical Methods in the Organization and Planning of Production. Dalam
karangannya tersebut telah dirumuskan persoalan linear programming untuk pertama
kalinya. Akan tetapi ide ini rupanya di Rusia tidak bisa berkembang. Malah ternyata
dunia barat yang memanfaatkan ide ini selanjutnya.
Secara umum dalam metode Simpleks, solusi berdasarkan teori matriks
Ax=b
x = A-1 b
Yang mana solusi pemrograman linier adalah harga x1,x2,xn yang memenuhi semua
fungsi kendala dan sekaligus mengoptimalkan fungsi tujuan. Demikian juga bahwa
jenis-jenis variabel solusi basis memenuhi
x = A-1 b (x 0)
Dan solusi non basis x = A-1 b , nilainya selalu nol.
4.1. Algoritma Metode Simpleks
Metode Simpleks merupakan prosedur aljabar yang bersifat iteratif yang bergerak
selangkah demi selangkah, dimulai dari suatu titik ekstrem pada daerah fisibel (ruang
solusi) menuju ke titik ekstrem yang optimum.
Metode simpleks akan sangat efektif digunakan untuk persoalan program linear dengan
lebih dari dua variabel keputusan, dalam hal ini bukan berarti metode simpleks tidak
dapat digunakan untuk menyelesaikan persoalan dengan dua variabel keputusan.
Sangat dibutuhkan pemahaman dan penguasaan yang utuh terhadap metode OBE
(Operasi Baris Elementer) untuk menyelesaikan suatu persoalan program linear. OBE
digunakan untuk mencari solusi dari serangkaian persamaan (n persamaan dengan m
variabel) dengan menggunakan konsep aljabar matriks (bukan dengan cara eliminasi
atau substitusi yang nantinya sangat berguna untuk metode simpleks).
Contoh :
Jika ada dua buah persamaan, masing-masing :
20x1 + 45 x2 = 10.750
30x1 + 25 x2 = 9.750
Sistem persamaan tersebut akan sama dengan sistem matriks berikut.
20
45
x1 = 10.750
30
25
x2 = 9.750
Langkah-langkah dalam menyelesaikan persoalan program linear dengan menggunakan
metode simpleks adalah :
1. Konversikan formulasi program linear ke bentuk standar, baik fungsi tujuan
maupun fungsi pembatasnya.
= 0
= 20
= 30
= 16
di mana :
x3 adalah variabel slack untuk fungsi pembatas 1
x4 adalah variabel slack untuk fungsi pembatas 2
x5 adalah variabel slack untuk fungsi pembatas 3
a1n
1
0 .. 0
b1
xn+2
0
a21
a22
a1n
0
1 .. 0
b1
. 0 . . . .. .. 0
0
..
. 0 .. . . .. .. 0
..
0
..
xn+m
0
am1
am2
.
amn
0
0
..
1
bm
Z
1
-C1
-C2
.
Cn
0
0
..
0
0
Sehingga kita dapatkan tabulasi awal untuk persoalan tersebut adalah sebagai berikut:
Tabel 4.2. Tabel awal simpleks
Basis
x1
x2
x3
x4
x5
Ruas Kanan
Rasio
x3
2,5
1
1
0
0
20
20
x4
3
3
0
1
0
30
10
x5
1
2
0
0
1
16
8
Zj Cj
-3
-4
0
0
0
0
Iterasi Pertama :
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
Baris ke -1
= (-1) x 0,5 + 2,5 = 2
= (-1) x 1 + 1= 0
= (-1) (0) + 1 = 1
= (-1) ( 0 ) + 0 = 0
= (-1) x 0,5 + 0 = 0,5
= (-1) x 8 + 20 = 12
Baris ke -2
= (-3) x 0,5 + 3 = 1,5
= (-3) x 1 + 3 = 0
= (-3) x 0 + 0 = 0
= (-3) x 0 + 1 = 1
= (-3) x 0,5 + 0 = -1,5
= (-3) x 8 + 30 = 6
Baris ke -4
= 4 x 0,5 + (-3) = -1
= 4 x 1 + (-4) = 0
= 4x0+0=0
= 4x0+0=0
= 4 x 0,5 + 0 = 2
= 4 x 8 + 0 = 32
Dengan demikian kita dapat mengisi tabel dengan angka-angka yang telah kita
hitung di atas ke dalam bentuk tabulasi untuk hasil iterasi pertama adalah seperti
terlihat pada Tabel 4.3 di bawah ini
x1
2
1,5
0,5
-1
x2
0
0
1
0
x3
1
0
0
0
x4
0
1
0
0
x5
-0,5
-1,5
0,5
2
Ruas Kanan
12
6
8
32
Rasio
6
4
16
Dari tabel hasil iterasi pertama terlihat bahwa nilai pada baris Zj Cj masih ada yang
bernilai negatif dan ini dapat dikatakan bahwa solusi masih belum optimal, berarti pula
harus dilakukan iterasi kedua. Untuk melakukan iterasi kedua ini, langkah-langkah
pengerjaannya sama dengan pada iterasi pertama, dimulai dengan menentukan variabel
masuk, variabel keluar dan seterusnya.
Elemen (2,1) : pivot
Semua nilai pada baris ke -2 dibagi 1,5
Baris ke 2
(2,1) = 1,5/1,5 = 1
(2,2) = 0/1,5 = 0
(2,3) = 0/1,5 = 0
(2,4) = 1/1,5 = 0,67
(2,5) = -1,5/1,5 = -1
(2,6) = 6/1,5 = 4
Baris ke-1
(1,1) = (-2) x 1 + 2 = 0
(1,2) = (-2) x 0 + 0 = 0
(1,3) = (-2) x 0 + 1 = 1
(1,4) = (-2) x 0,67 + 0 = 1,34
(1,5) = (-2) x (-1) + (-0,5) = 1,5
(1,6) = (-2) x 4 + 12 = 4
Baris ke-3
(3,1) = (-0,5) x 1 + 0,5 = 0
(3,2) = (-0,5) x 0 + 1 = 1
(3,3) = (-0,5) x 0 + 0 = 0
(3,4) = (-0,5) x 0,67 + 0 = 0,335
(3,5) = (-0,5) x (-1) + 0,5 = 1
(3,6) = (-0,5) x 4 + 8 = 6
Baris ke-4
(4,1) = 1 x 1 + (1) = 0
(4,2) = 1 x 0 + 0
(4,3) = 1 x 0 + 0 = 0
(4,4) = 1 x 0,67 + 0 = 0,67
(4,5) = 1 x (-1) + 2 = 1
(4,6) = 1 x 4 + 32 = 36
Dengan demikian kita dapat mengisi tabel dengan angka-angka yang telah kita hitung di
atas ke dalam bentuk tabulasi untuk hasil iterasi kedua adalah sebagai berikut :
Tabel 4.3. Setelah Dilakukan Iterasi II.
Basis
x1
x2
x3
x4
x5
Ruas Kanan
x3
0
0
1
-1,34
1,5
4
x1
1
0
0
0,67
-1
4
x2
0
1
0
0,335
1
6
Zj Cj
0
0
0
0,67
1
36
Pada baris Zj Cj nilai semua elemennya sudah tidak ada lagi yang negatif, berarti
solusi sudah optimal dan tidak perlu dilakukan iterasi lebih lanjut.
Kesimpulan :
x1 = 4, x2 = 6, dan Z = 36
Hasil tersebut sama dengan yang kita dapat dengan menggunakan metode grafik.
Contoh 2.
Fungsi memaksimalkan Z = 3x1 + 5x2
S/T 2x1
8
3 x2 15
6x1 + 5x2 30
x1,x2 0
Berdasarkan perubahan persamaan-persamaan di atas dapat disusun formulasi yang
dirubah menjadi :
Maksimumkan Z 3x1 5 x2
S/T 2x1
8
3 x2 15
6x1 + 5x2 30
x1,x2 0
Tabel 4.4. Tabel Simpleks yang pertama
Ruas
Variabel Basis
x1
x2
x3
x4
x5
Kanan
x3
2
0
1
0
0
8
x4
0
3
0
1
0
15
x5
6
5
0
0
1
30
Z j Cj
-3
-5
0
0
0
0
Pilihlah kolom yang mempunyai nilai pada garis fungsi tujuan yang bernilai negatif
dengan angka terbesar. Dalam hal ini kolom x2 dengan nilai pada baris persamaan
tujuan 5. Berilah tanda pada kolom x2, seperti Tabel 4.5 berikut ini.
Tabel 4.5. Pemilihan variabel masuk
Variabel Basis
x1
x2
x3
2
0
x4
0
3
x5
6
5
Z j Cj
-3
-5
x3
1
0
0
0
x4
0
1
0
0
x5
0
0
1
0
Ruas Kanan
8
15
30
0
Kalau suatu tabel sudah tidak memiliki nilai negatif pada fungsi tujuan, berarti tabel itu
tidak bisa dioptimalkan lagi (sudah optimal).
Variabel keluar adalah baris yang merupakan dasar untuk merubah tabel tersebut di atas.
Untuk itu terlebih dahulu carilah rasio tiap-tiap baris dengan cara membagi nila-nilai
pada kolom ruas kanan dengan nilai yang sebaris pada kolom kunci.
Untuk baris batasan 1 besarnya rasio = 8/0 = ; baris batasan 2 = 15/3 = 5 dan baris
batasan 3 = 30/5 = 6. Pilihlah baris yang mempunyai rasio positif dengan angka
terkecil. Dalam persoalan ini x3 adalah variabel yang akan keluar dan digantikan
dengan x2 sebagai variabel masuknya. Nilai pivot ada pada elemen (2,2) yaitu 3 seperti
dapat dilihat pada Tabel 4.6 di bawah ini.
Tabel 4.6. Tabel setelah ditentukan variabel masuk, variabel keluar, dan nilai pivotnya
Variabel
Ruas
x1
x2
x3
x4
x5
Rasio
Basis
Kanan
x3
2
0
1
0
0
8
x4
0
3
0
1
0
15
5
x5
6
5
0
0
1
30
6
Zj Cj
-3
-5
0
0
0
0
Nilai pada variabel masuk yang baru dirubah dengan cara membaginya dengan nilai
pivotnya, seperti terlihat pada tabel 3 bagian bawah (0/3 = 0; 3/3 = 1; 0/3 = 0; 1/3 = 1/3;
0/0 = 0, 15/3 = 5). Gantilah varibel basis pada baris itu dengan varibel yang terdapat di
bagian atas kolom kunci (x2), sehingga tabel barunya akan seperti :
Ruas
Kanan
8
?
30
Rasio
?
6
Zj Cj
-3
-5
Untuk mengisi nilai-nilai pada baris ke-2 (x2), ikuti langkah-langkah seperti berikut ini
x2
0
0
1
0
1/3
0
5
Untuk data di atas, nilai baru baris (Zj Cj) sebagai berikut :
Baris ke 2 (batasan 1):
[2
0
1
0
0,
8]
(0) [ 0
1
0
1/3
0,
5 ] (-)
nilai baru
= [2
0
1
0
0,
8]
Baris ke 4 (batasan 3):
[ 6
5
0
0
1,
30 ]
(5) [ 0
1
0
1/3
0,
5 ] (-)
nilai baru
= [6
0
0
-5/3
1,
5]
Nilai-nilai baru di atas dipakai untuk melengkapi isi Tabel 4.8 bagian bawah, sehingga
diperoleh tabel berikut ini.
Tabel 4.8. Hasil Iterasi I
Variabel
Ruas
x1
x2
x3
x4
x5
Basis
Kanan
x3
2
0
1
0
0
8
x2
0
1
0
1/3
0
5
x5
6
0
0
-5/3
1
5
Z j Cj
-3
5/3
25
Karena pada baris Zj Cj masih ada yang bernilai negative, maka solusi optimal belum
didapatkan, sehingga harus dilakukan lagi iterasi berikutnya. Perubahan (iterasi) baru
berhenti setelah pada baris Zj Cj (fungsi tujuan) tidak ada yang bernilai negatif.
Selanjutnya lakukan langkah yang sama seperti sebelumnya dengan mencari variabel
masuk, variabel keluar, dan nilai pivot, serta lakukan searangkaian OBE.
Variabel masuk yang baru (Tabel 4.8) adalah x1, karena nilai pada baris Zj Cj nya
merupakan negatif terbesar. Sedangkan variabel keluar harus dihitung terlebih dahulu
rasionya. Pada baris 1 rasio : 8/2 = 4. Baris 2, rasio = 5/0 = ~. Baris 3, rasio = 5/6 =
5/6. Dengan demikian variabel keluar adalah x5, dan nilai pivotnya adalah 6.
Semua nilai pada baris pivot
x3
0
x2
0
x1
0
1
0
0
-5/18
1/6
5/6
Zj-Cj
1
nilai baru
= [0
0
0
5/6
1/2,
55/2]
Baris ke 2 :
[2
0
1
0
0,
8 ]
(2) [ 1
0
0
-5/18 1/6,
5/6 ] (-)
nilai baru
=[0
0
1
5/9
-1/3,
19/3]
Baris ke 3 : tidak berubah, karena nilai pada kolom kunci = 0
Kalau hasil perubahan tersebut di atas kita masukkan ke dalam tabel baru, maka akan
seperti terlihat dalam tabel 4.9 di bawah.
Tabel 4.9. Hasil Iterasi II
Variabel
Basis
x3
x2
x1
Z j Cj
x1
x2
x3
x4
x5
0
0
1
0
0
1
0
0
1
0
0
0
5/9
1/3
-5/18
5/6
-1/3
0
1/6
1/2
Ruas
Kanan
19/3
5
5/6
55/2
Karena nilai pada baris Zj Cj pada tabel di atas tidak ada lagi yang bernilai negatif,
semuanya positif. Berarti tabel itu tidak dapat dioptimalkan lagi, sehingga hasil dari
tabel tersebut sudah merupakan solusi optimal dengan harga sebagai berikut :
x1 = 5/6 ; x2 = 5 dengan Z maksimum = 55/2.
Catatan :
Usahakan agar variabel buatan keluar dari basis. Bila tidak berhasil pada tabel
akhir, maka persoalan program linear tidak mempunyai solusi.
4.3. Metode Simpleks Dua Fasa
Metode simpleks dua fasa adalah salah satu metode yang digunakan untuk
menyelesaikan suatu permasalahan dalam program linear yang memiliki minimal satu
fungsi pembatas dengan tanda () atau tanda (=). Pada metode dua fasa ini aka nada dua
tahapan pengerjaan, yaitu tahap 1 adalah mencari nilai Zj = 0, dan tahap 2 untuk
mendapatkan solusi optimalnya.
Bila ditunjukkan secara grafik, maka daerah solusi fisibel adalah yang dibatasi oleh
garis baru yang mengurangi luas daerah semula. Solusi yang didapatkan sangat
mungkin tidak berubah dari solusi awalnya. Mari kita kita lihat contoh berikut.
Misalnya, sebuah perusahaan mebel biasa membuat meja dan kursi yang dijual dengan
harga Rp. 250.000,- dan Rp. 200.000,- per unit. Untuk membuat kedua produk tersebut,
diperlukan proses assembling dan finishing dengan rincian sebagai berikut :
Proses
assembling
finishing
Meja
20
30
Kursi
45
25
Kapasitas
10750
9750
dapat juga diselesaikan dengan menggunakan metode simpleks yang akan kita pelajari
pada bab ini.
Dalam pembicaraan mengenai metode simpleks, kita telah menggunakan variabel slack
sebagai solusi basis awal, sedemikian hingga masing-masing merupakan ruas kanan
yang berharga positif pada masing-masing persamaan.
Sekarang perhatikan untuk kasus dengan fungsi pembatas tidak lagi bertanda , tetapi
bertanda (=) atau (). Untuk persoalan dengan persamaan fungsi pembatas bertanda (=),
daerah fisibel-nya hanya berupa segmen garis sehingga kita tidak dapat memperoleh
solusi fisibel basis awal karena tidak ada variabel slack yang dapat digunakan sebagai
variabel basis awalnya.
Demikian juga persoalan yang dihadapi jika persamaan fungsi pembatas bertanda (),
kita tidak akan memiliki solusi fisibel basis awal karena ruas kanannya berharga
negatif. Sebagai contoh adalah persoalan di atas yang telah kita kerjakan dengan
metode grafik.
Fasa I : menghilangkan variabel artifikasi dari basis dan tabulasi simpleks baru yang
akan diikutkan pada fasa II.
Fasa II : Operasi simpleks untuk memperoleh jawaban optimal.
Bentuk standar dari persoalan di atas jika akan kita kerjakan dengan menggunakan
metode simpleks adalah:
Memaksimalkan :
Z = 250x1 + 200x2
-Mx6
Fungsi batasan
:
20x1 + 45x2 + x3
30x1 + 25x2
+ x4
=
x1
x5 + x6 =
Dimana variabel keputusan :
x3 = variable artificial untuk fungsi pembatas 1
x4 = variable artificial untuk fungsi pembatas 2
x5 = variable surplus untuk fungsi pembatas 3
x6 = variable artificial untuk fungsi pembatas 3 (ingat, pembatas ini mempunyai tanda
).
M adalah koefisien dari fungsi tujuan artificial yang bernilai besar (big M). Variabel
artificial pada akhirnya akan bernilai 0 (dari hasil akhir fasa I yang akan dikeluarkan
dari table simpleks).
Langkah-langkah pada fasa I :
1. Buatkan tabel simpleks
2. Selesaikan kolom artificial (kolom basis)
3. Siapkan baris Zj Cj dengan 2 komponen terpisah, tanpa M dan dengan M.
4. Selesaikan fasa I ini dengan melibatkan Zj Cj dengan M. Lakukan serangkaian
OBE sehingga variabel artificialnya keluar dari basis.
1.
Lanjutkan ke fasa II dengan memasukkan tabel akhir, tanpa kolom artificial dan
memasukkan Zj Cj yang tanpa M
x1
x3
x4
x6
20
30
1
-250
Zj Cj
-250 M
-250
Zj Cj
-1
x2
x3
x4
x5
x6
45
25
0
-200
-200
-200
0
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
-1
0
M
0
1
0
0
1
M
0
0
0
Ruas
Kanan
10750
9750
100
0
-100M
0
-100
Tabel 4.11. Tabel Awal yang Sudah Dipilah Ulang Pad Fasa I
Baris
x1
x2
x3
x4
x5
x6
x3
x4
x6
Z j Cj
20
30
1
-1
45
25
0
0
1
0
0
0
0
1
0
0
0
0
-1
1
0
0
1
0
Ruas
kanan
10750
9750
100
-100
Selanjutnya proses perhitungan sama dengan pengerjaan pada metode simpleks biasa.
Variabel masuk x1, variabel keluar x6, pivot adalah elemen (3,1), karena nilainya sudah
1, sehingga semua nilai pada baris pivot tidak perlu diubah.
Lakukan OBE pada baris 1, 2, dan 4 dengan mengacu pada baris 3.
rasio
537,5
325
100
x4
0
1
0
0
x5
20
30
-1
0
x6
-20
-30
1
1
Ruas kanan
8750
6750
100
0
Ruas kanan
8750
6750
100
0
25000
Nilai Zj Cj = -250 pada kolom 1 terlebih dahulu harus diganti karena merupakan basis
sedemikian dengan OBE yang merujuk pada baris 3 sehingga diperoleh nilai-nilai
seperti pada baris Zj Cj bagian bawahnya (baris 5).
(5,1) = (250) x (1) + (-250) = 0
(5,2) = (250) x (0) + (-200) = -200
(5,3) = (250) x (0) + (0) = 0
(5,4) = (250) x (0) + (0) = 0
(5,5) = (250) x (-1) + (0) = -250
(5,6) = (250) x (100) + (0) = 25000
Siapkan kembali untuk iterasi fasa II dengan hanya menampilkan matriks dengan Zj Cj
dibagian bawah dan tambahan kolom rasio sebagai berikut :
Tabel 4.13. Tabel Simpleks Awal Untuk Fasa II Dengan Rasio
Ruas
Basis
x1
x2
x3
x4
x5
Rasio
Kanan
x3
0
45
1
0
20
8750
437,5
x4
0
25
0
1
30
6750
225
x1
1
0
0
0
-1
100
Zj Cj
0
-200
0
0
-250
25000
Selanjutnya, lakukan iterasi :
Variabel keluar x5 (nilai Zj Cj terkecil)
Variabel Masuk x4 (nilai rasio ruas kanan & koefisien kolom x5 terkecil)
Pivot (2,5) bagi semua nilai pada baris 2 dengan 30
Lakukan OBE pada baris 1, 3, dan 4 dengan mengacu pada baris 2.
Sehingga didapat hasil iterasi I pada fasa II seperti tabel diatas.
x1
x2
x3
x4
x5
x3
x4
x1
Zj Cj
0
0
1
0
28,333
0,8333
0
8,333
1
0
0
0
-0,667
0,033
0,033
8,333
0
1
0
0
Ruas
Kanan
4250
225
350
81250
x8
0
0
0
Rasio
R.Kanan
39
62
3
x8
Zj -Cj
Zj -Cj
Zj -Cj
Zj -Cj
Basis
x3
x4
x7
x8
Zj -Cj
0
1
0
-15
-12
0
-15 M -12 M
0
-15
-12
0
-1
-1
0
Tabel 4.17.
x1
x2
x3
x4
3
8
1
0
10
4
0
1
1
0
0
0
0
1
0
0
-1
-1
0
0
Tabel 4.18.
Basis
x1
x3
0
x4
0
x1
1
x8
0
Zj -Cj
0
Tabel 4.19.
Basis
x1
x3
0
x4
0
x1
1
x2
0
Zj -Cj
0
0
0
-1
0
0
0
0
M
M
0
0
0
0
1
1
Awal Proses Iterasi
x5
x6
x7
0
0
0
0
0
0
-1
0
1
0
-1
0
1
1
0
0
M
0
0
0
x8
0
0
0
1
0
1
M
0
0
0
2
0
-5M
0
-5
R.Kanan
39
62
3
2
-5
Rasio
13
6,2
3
1
0
0
0
-1
0
1
2
2
-1
0
0
0
1
1
0
-2
Hasil Iterasi II (Variabel Masuk x2, variable keluar x8, Pivot= 1 )
x2
x3
x4
x5
x6
x7
x8
R.Kanan Rasio
0
1
0
3
8
-3
-8
14
4
0
1
10
0
-10
-4
24
0
0
0
-1
0
1
0
3
1
0
0
0
-1
0
1
2
0
0
0
0
0
1
1
0
x3
x4
x1
x2
Zj -Cj
Zj -Cj
Zj -Cj
0
0
1
0
-15
0
0
0
4
0
1
-12
-12
0
1
0
0
0
0
0
0
0
1
0
0
0
0
0
3
10
-1
0
0
-15
-15
8
4
0
-1
0
0
-12
14
24
3
2
0
45
69
Maka proses tabulasi dapat dilanjutkan dengan hanya menggunakan baris Zj Cj yang
terakhir (yang telah di lakukan operasi baris elementer / OBE), sehingga dihasilkan
tabel seperti di bawah ini.
Tabel 4.22. Proses Iterasi Fasa II (Ditulis Ulang dengan Zj Cj yang Sudah
Ditentukan Kolom Rasionya)
Basis
x1
x2
x3
x4
x5
x6 R.Kanan Rasio
x3
0
0
1
0
3
8
14
4,67
x4
0
4
0
1
10
4
24
2,4
x1
1
0
0
0
-1
0
3
-3
x2
0
1
0
0
0
-1
2
Zj -Cj
0
0
0
0
-15
-12
69
Jika kita lihat nilai pada baris Zj Cj masih ada yang bernilai negative maka perlu
dilakukan Iterasi. Maka perlu diketahui variable yang akan masuk, variabel yang akan
keluar dan pivot-nya. Dari tabel ini diketahui bahwa x5 akan menjadi masuk dan x4 akan
menjadi variabel yang keluar dengan pivot 10.
Tabel 4.23. Hasil Iterasi I Fasa II (x5 masuk, x4 keluar)
Basis
x1
x2
x3
x4
x5
x6
R.Kanan Rasio
x3
0
0
1
-0,3
0
6,8
0
x5
0
0
0
0,1
1
0,4
2,4
2,4
x1
1
0
0
0
0
0,4
5,4
3
x2
0
1
0
0
0
-1
2
Zj -Cj
0
0
0
0
0
-6
105
Karena belum didapatkan solusi optimalnya, maka perlu dilakukan iterasi selanjutnya.
Tabel. 4.24. Hasil Iterasi 2 Fasa II (x6 masuk, x3 keluar)
Basis
x1
x2
x3
x4
x5
x6 R.Kanan Rasio
x6
0
0
0,147 -0,044
0
1
1
x5
0
0
-0,059 0,118
1
0
2
16,949
x1
1
0
-0,059 0,018
0
0
5
277,77
x2
0
1
0,147 -0,044
0
0
3
Zj -Cj
0
0
0,882 -0,264
0
0
111
Masih terdapat nilai negatif pada baris Zj Cj, ini berarti solusi yang diberikan belum
optimal dan masih diperlukan iterasinya selanjutnya. Dari Tabel 4.24 di atas yang
menjadi variabel masuk adalah x4 menggantikan x5 sebagai variabel keluar dan pivot
adalah 0,118. Dengan melakukan perhitungan sama seperti yang dilakukan sebelumnya
akan di dapat tabel hasil iterasi ke-3 seperti di bawah ini.
Tabel 4.25.
Basis
x6
x4
x1
x2
Zj -Cj
x6
1
0
0
0
0
R.Kanan
1,746
16,949
4,695
3,746
115,475
Solusi optimal sudah didapat (nilai baris Zj Cj tidak ada lagi yang negatif). Dapat
disimpulkan bahwa :
x1 = 4,695
x2 = 3,746
Z = 115,475
Soal
1 Fungsi tujuan : Maksimumkan Z = 150 x1 + 120 x2
Fungsi batasan :
3 x1 + 8 x2 39
10 x1 + 4 x2 62
x1 2
2.
Fungsi tujuan : Minimumkan Z = 155 x1 + 125 x2
Fungsi batasan :
3 x1 + 8 x2 39
10 x1 + 4 x2 62
8 x1 + 10 x2 80
3.
Fungsi tujuan : Maksimumkan Z = 250 x1 + 200 x2
Fungsi batasan :
20 x1 + 45 x2 10.750
30 x1 + 25 x2 9750
x1 120
x2 80
4.
Fungsi tujuan : Maksimumkan Z = x1 + x2 + x3
Fungsi batasan :
2 x1 + x2 20
x1 + x3 10
x2 + 2 x3 30
x1, x2, x3 0
5.
Selesaikan model linear program berikut dengan menggunakan metode
simpleks.
Minimalkan Z = 8x1 + 2x2
Batasan
2x1 6x2 12
5x1 + 4x2 40
x1 + 2x2 12
x2 16
x1, x2 0
6.
Sebuah pabrik mobil memproduki 3 jenis mobil, masing-masing jenis sedan,
minibus, dan pick up. Harga jual ketiga jenis kendaraan ini adalah 400, 500, dan 300
(dalam jutaan Rupiah) per unitnya. Kebutuhan produksi untuk ketiga jenis mobil ini
dapat di lihat pada tabel berikut.
Keperluan
Sedan
Minibus
Pick up
Bahan baku
10
20
15
Tenaga kerja
20
15
30
Kebutuhan lainnya
10
30
40
Kapasitas yang tersedia untuk bahan baku = 15.000 (satuan), tenaga kerja = 20.000
(satuan), dan lainnya = 26.500 (satuan). Dengan menggunakan metode simpleks
tentukan solusi optimalnya!
7.
Sebuah perusahaan membuat 3 macam produk yang masing-masing harus
melalui 3 macam proses. Perusahaan tersebut dapat menjual seluruh produksinya, tetapi
kemampuan produksinya terbatas. Data yang berhubungan dengan perusahaan tersebut
dapat dilihat pada tabel di bawah ini. Tentukan kombinasi produk yang terbaik agar
perusahaan mendapatkan keuntungan yang maksimal!
Produk
A
B
C
Waktu Proses yang tersedia
Harga Jual
15
20
16