Metode Simplex

APLIKASI METODE SIMPLEX

I. Contoh Kasus MAKSIMISASI (dengan kendala semua bertanda )

Maksimumkan : Z = 10X + 15Y

Batasan : 3X + 3Y  36
5X + 2Y  50
2X + 6Y  60
X, Y  0
dimana : X = jumlah unit kursi
Y = jumlah unit meja

Langkah pertama mengubah pertidaksamaan menjadi persamaan yaitu dengan memasukkan

variabel slack (S) :

Maksimumkan : Z = 10X + 15Y + 0.S1 + 0.S2 + 0.S3

Batasan : 3X + 3Y + S1 = 36
5X + 2Y + S2 = 50
2X + 6Y + S3 = 60
X, Y, S1, S2, S3  0

Model di atas sudah dalam bentuk standard karena semua non-negatif, semua kendala sudah
dalam bentuk persamaan, dan ruas kanan adalah positif.

Solusi basic awal adalah : X = 0, Y = 0, S1 = 36, S2 = 50, S3 = 60

36 
  
Nilai fungsi objektif : Z   0,0,0 50   0

60 


3 
C 1  10  [0,0,0]   
Hitung Profit Relatif : 5   10

 2

3 
C 2  15  [0,0,0]  
6 

 2   15

 menjadi var. basic


(Profit Relatif dari var. basic tidak perlu dihitung karena nilainya adalah nol).

Profit Relatif terbesar adalah C2 , berarti Y akan dijadikan variabel basic

Susun dalam bentuk Tabel :

TABEL I.

Cj
CB Basis 10 15 0 0 0 Konstanta
Bambang S.Soedibjo : Riset Operasi 1
 Metode Simplex
X Y S1 S2 S3

0 S1 3 3 1 0 0 36
0 S2 5 2 0 1 0 50
0 S3 2 6 0 0 1 60
Ci 10 15 0 0 0 Z=0

Gunakan kaidah minimum untuk menentukan variabel yang akan dikeluarkan dari var. basic.

Nomor Baris Basic Limit Atas utk Y

1 S1 36/3 = 12
2 S2 50/2 = 25
3 S3 60/6 = 10  min.(keluar)

S3 menjadi variabel non-basic, Y jadi variabel basic.

Susun Tabel II dengan tahapan seperti sebelumnya :

1. Tuliskan pertama kali baris Y dimana nilainya diperoleh dari pembagian baris S3
(Tabel I) dengan bilangan 6, agar nilai dalam sistem kanoniknya menjadi satu.

2. Hitung nilai-nilai untuk S1 dan S2 :

Baris S1 Baris S2
3 – ( 3 x 1/3) = 2 5 – (2 x 1/3) = 13/3
3 – (3 x 1) = 0 2 – (2 x 1) = 0
1 – (3 x 0) = 1 0 – (2 x 1) = 0
0 – (3 x 0) = 0 1 – (2 x 0) = 1
0 – (3 x 1/6) = -1/2 0 – (2 x 1/6) = -1/3
36 – (3 x 10) = 6 50 – (2 x 10) = 30

3. Hitung Profit Relatif

2 
C 1  10  [0,0,15]   
13 / 3  10  (0  0  5)  5

1 / 3 


 1 / 2
C 5  0  [0,0,15]   
 1 / 3   0  (0  0  15 / 6)  5 / 2
1 / 6 
 

4. Hitung Fungsi Objektif baru :

6 
Z   0,0,15   
30  0  0  150  150
10 
 

TABEL II.

Cj
CB Basis 10 15 0 0 0 Konstanta
X Y S1 S2 S3
0 S1 2 0 1 0 -1/2 6
0 S2 13/3 0 0 1 -1/3 30
Bambang S.Soedibjo : Riset Operasi 2
 Metode Simplex
15 Y 1/3 1 0 0 1/6 10
Ci 5 0 0 0 -5/2 Z=150

Dengan cara yang sama diperoleh :

TABEL III.

Cj
CB Basis 10 15 0 0 0 Konstanta
X Y S1 S2 S3
10 X 1 0 1/2 0 -1/4 3
0 S2 0 0 -13/6 1 3/4 17
15 Y 0 1 -1/6 0 1/4 9
Ci 0 0 -5/2 0 -5/4 Z = 165

Karena nilai-nilai Profit Relatif tidak ada yang positif, solusi sudah optimal.
Jadi fungsi objektif mencapai optimal yaitu Z = 165 dengan X = 3 unit dan Y = 9 unit.

Ringkasan langkah-langkah perhitungan untuk masalah maksimisasi.

Langkah 1. Nyatakan masalah dalam bentuk standard.

Langkah 2. Mulai dengan solusi basic awal feasible dalam bentuk kanonik kemudian
buatlah tabel awal.
Langkah 3. Gunakan kaidah inner product untuk mendapatkan koefisien profit relatif.
(baris C i ).
Langkah 4. Jika semua koefisien C i negatif, maka solusi feasible yang baru sudah
optimal. Jika tidak maka pilih variabel non-basic yang memiliki nilai positif
terbesar untuk masuk ke dalam basis.
Langkah 5. Gunakan kaidah rasio minimum untuk menentukan variabel basic yang akan
keluar dari basis.
Langkah 6. Gunakan operasi pivot untuk mendapatkan tabel baru dan solusi basic yang
feasible.
Langkah 7. Hitung koefisien profit relatif dengan menggunakan kaidah inner product.
Kembali ke langkah 4.

Untuk problem minimisasi :

Ubah langkah 4 menjadi berikut :

Langkah 4. Jika semua koefisien C i adalah positif atau nol, maka solusi yang baru adalah
optimal. Jika tidak, pilihlah variabel non-basic dengan nilai negative terendah
dalam baris C i untuk masuk kedalam basis.

Catatan :
Untuk persoalan minimisasi istilah profit relatif diganti oleh biaya relatif.

Beberapa hal penting.

 Dalam sebuah tabel mungkin saja terdapat dua jawaban optimal yang sama. Per
definisi setiap solusi feasible yang nilainya sama dengan nilai Z yang optimal maka
solusi ini juga adalah solusi yang optimal.
 Dalam Tabel III (lihat contoh sebelumnya), solusi optimal yang dihasilkan adalah
solusi yang tunggal, karena semua variabel non-basic mempunyai nilai negatif.
Bambang S.Soedibjo : Riset Operasi 3
 Metode Simplex
Artinya bahwa setiap penambahan nilai pada variabel x2, x4 atau x5, secara langsung
akan mengurangi nilai fungsi objektif. Olehkarenanya adalah tidak mungkin untuk
mendapatkan solusi feasible optimal lainnya kecuali Z = 81/5.

Masalah yang muncul dalam perhitungan :

1. Adanya nilai C i yang sama. Untuk memecahkannya pilih salah satu yang mana saja,
meski pilihan yang salah dapat menyebabkan meningkatkan jumlah tabel simplex atau
iterasi. Tidak ada satu cara yang dapat dipakai untuk memprediksi yang mana yang
harus dipilih.
2. Adanya nilai rasio minimum yang sama. Akibatnya adalah semakin kompleksnya
masalah pemecahan yang dihadapi. Meski demikian, secara praktis masalah ini jarang
terjadi.
3. Solusi yang tidak terbatas akibat tidak dapat ditentukannya variabel basic mana yang
harus keluar. Hal ini terjadi ketika tidak ada satupun dari koefisien kendala dari
variabel non-basic (yang akan dipilih untuk masuk ke dalam basis) bernilai positif.

II. Contoh kasus MINIMISASI (semua kendala bertanda )

Vitamin A dan B terdapat dalam dua jenis makanan F1 dan F2. Satu unit makanan F1
berisikan 20 unit Vit. A dan 30 unit Vit. B. Satu unit makanan F2 berisikan 60 unit Vit.
A dan 40 unit Vit. B. Satu unit makanan F1 dan F2, masing-masing memerlukan biaya
$3 dan $4. Kebutuhan harian (satu orang) akan Vit. A adalah 80 unit dan Vit. B 100
unit. Anggaplah bahwa kelebihan mengkonsumsi dari kebutuhan harian minimum tidak
berbahaya bagi seseorang. Hitunglah campuran optimum dari F1 dan F2 dengan biaya
yang terendah sehingga memenuhi kebutuhan harian minimum seseorang akan Vit. A
dan B.

Nyatakan masalah di atas dalam bentuk standard pemograman linier :

Variabel keputusan : X = jumlah unit makanan F1

Y = jumlah unit makanan F2

Minimumkan : Z (total cost) = 3X + 4Y

Batasan : 20X + 60Y  80

30X + 40Y  100
X, Y  0

Karena batasan masih dalam bentuk pertidaksamaan, ubah batasan di atas dalam bentuk
persamaan dengan menambahkan variabel surplus S1 dan S2. (perhatikan, berbeda dengan
slack)

20X + 60Y – S1 = 80
30X + 40Y – S2 = 100

Jika kita set X = Y = 0, maka S 1 = -80 dan S2 = -100. Ini tidak mungkin. Disamping itu,
sistem persamaan kendala tidak dalam bentuk kanonik, sehingga solusi tidak dapat dilakukan
metode simpleks. Olehkarenya digunakan variabel artifisial A, sehingga diperoleh :

Bambang S.Soedibjo : Riset Operasi 4

 Metode Simplex
20X + 60Y – S1 + A1 = 80
30X + 40Y – S2 + A2 = 100

Variabel artifisial ini bisa dianggap sebagai pengganti F1 dan F2 dengan harga yang sangat
mahal, katakanlah M. (Oleh karena itu, metode ini dikenal pula sebagai metode Big-M).
Harga variabel artifisial ini memungkinkan kita untuk memulai solusi awal dengan
melibatkan suatu harga yang sangat mahal dan dijamin tidak akan muncul dalam solusi akhir
nanti. Variabel artifisial umumnya digunakan untuk batasan atau kendala dengan tanda lebih
besar atau sama dengan ()

Dengan demikian, formulasi persoalan pemograman linier di atas menjadi :

Minimumkan : Z (total cost) = 3X + 4Y +0. S1 + 0 S2 + M. A1 + M. A2

Batasan : 20X + 60Y – S1 + A1 = 80

30X + 40Y – S2 + A2 = 100
X, Y, S1, S2, A2, A2  0

TABEL AWAL

Cj
CB Basis 3 4 0 0 M M Konstanta
X Y S1 S2 A1 A2

M A1 20 60 -1 0 1 0 80
M A2 30 40 0 -1 0 1 100

Untuk tabel simpleks, dihitung dahulu :

80 
Fungsi Objektif : Z   M , M    180M
100

20
Biaya Relatif : C 1  3   M , M     3  (20M  30M )  3  50M
30

60
C 2  4   M , M     4  (60M  40M )  4  100M
40

Diperoleh solusi awal dalam Tabel I berikut :

TABEL I.

Cj
CB Basis 3 4 0 0 M M Konstanta
X Y S1 S2 A1 A2

M A1 20 60 -1 0 1 0 80
M A2 30 40 0 -1 0 1 100
C 3-50M 4-100M M M 0 0 Z =180M
Bambang S.Soedibjo : Riset Operasi 5
 Metode Simplex

Karena kolom C masih ada yang belum positif, maka solusi belum optimal. Teruskan
perhitungan tabel berikutnya.

Dari tabel I diperoleh biaya relatif terkecil adalah C 2 , sehingga Y masuk basis.

Kaidah minimum rasio :

Nomor Baris Basic Limit Atas utk Y

1 A1 80/60 = 4/3 (min.) keluar
2 A2 100/40 = 5/2

Lakukan operasi pivot atau kaidah yang telah diberikan sebelumnya serta perhitungan kolom
C dan fungsi objektif, sehingga diperoleh :

TABEL II.

Cj
CB Basis 3 4 0 0 M M Konstanta
X Y S1 S2 A1 A2
4 Y 1/3 1 -1/60 0 1/60 0 4/3
M A2 50/3 0 2/3 -1 -2/3 1 140/3
C 5/3-50/3M 0 1/15-2/3M M 5/3M-1/15 0 Z = 16/3-
(140/3)M

Karena baris C masih ada yang bernilai negatif, solusi belum optimal. Lanjutkan
perhitungan dengan cara yang sama untuk memperoleh Tabel selanjutnya.

TABEL III.

Cj
CB Basis 3 4 0 0 M M Konstanta
X Y S1 S2 A1 A2

4 Y 0 1 -3/100 1/50 3/100 -1/50 2/5

3 X 1 0 1/25 -3/50 -1/25 3/50 14/5
C 0 0 0 1/10 M M-(1/10) Z = 50

Tabel III memperlihatkan semua nilai C bernilai nol atau positif, berarti biaya tidak dapat
dikurangi lebih jauh lagi atau solusi sudah optimal.

Solusi optimal adalah membeli 14/5 unit makanan F1 dan 2/5 unit makanan F2 dengan biaya
minimum sebesar $50.

3. Contoh kasus MINIMISASI (kendala berjenis ,  dan )

Bambang S.Soedibjo : Riset Operasi 6

 Metode Simplex
Perusahaan kimia PD. Gobanggocir harus memproduksi suatu jenis campuran bagi
konsumennya sebanyak 10.000 kilogram. Campuran tersebut terdiri dari jenis Cx, Pb, dan N.
Harga jenis Cx adalah $8/kg, jenis Pb seharga $10/kg dan jenis N seharga $11/kg. Jumlah
jenis Cx yang digunakan tidak lebih dari 3.000 kg, dan paling sedikit 1.500 kg jenis Pb harus
digunakan. Sedangkan untuk jenis N digunakan paling sedikit 2.000 kg. Perusahaan ingin
meminimumkan biaya produksi, sehingga perlu diketahui berapa jumlah masing-masing
bahan yang harus digunakan perusahaan.

Formulasi matematis dari persoalan di atas adalah :

Min. C (total biaya) = 8X +10 Y + 11Z

Dengan batasan : X + Y + Z = 10.000

X  3.000
Y  1.500
Z  2.000
X,Y,Z  0

Dimana :
X = jumlah bahan jenis Cx (dalam kilogram)
Y = jumlah bahan jenis Pb (dalam kilogram)
Z = jumlahbahan jenis N (dalam kilogram)
Langkah selanjutnya adalah dengan mengubah pertidaksamaan menjadi persamaan.

Beberapa hal yang harus diperhatikan :

1. Untuk solusi awal, kita dapat men-set X, Y, dan Z sama dengan nol. Akan tetapi
daripada menggunakan variabel slack, lebih baik menggunakan variabel artifisial (A1)
yang dianggap sebagai suatu bahan jenis baru dengan harga yang sangat mahal (M).
2. Untuk kendala kedua kita harus menambahkan variabel slack S1 (karena bertanda ).
Variabel slack ini dianggap sebagai selisih (kalau ada) antara 3.000 kg dengan jumlah
bahan Cx yang sesungguhnya dipakai dalam campuran.
3. Untuk kendala ketiga dan keempat kita perlu menambahkan variabel surplus S 2 dan S3
yang memperlihatkan jumlah ekstra (kalau ada) dari kedua bahan Pb dan N untuk
campuran termurah. Jika dalam solusi awal X, Y, S 2 dan S3 di set nol, maka kita harus
memperkenalkan bahan baru katakanlah A2 dan A3, sebagai pengganti bahan Y dan Z
dalam solusi pertama. Bahan baru ini bisa dianggap sebagai bahan yang sangat mahal
harga per kilogramnya, katakanlah seharga M seperti yang pernah dibahas
sebelumnya. Harga yang sangat mahal, menjamin bahwa keduanya tidak akan muncul
dalam solusi akhir.

Dari catatan di atas maka, formulasi matematis dapat disajikan kembali sebagai :

Min. C = 8X + 10Y + 11Z + M.A1 + 0.S1 + 0.S2 + M.A2 + 0.S3 + M.A3

Dengan batasan :
X + Y + Z + A1 = 10.000
X + S1 = 3.000
Y – S2 + A2 = 1.500
Bambang S.Soedibjo : Riset Operasi 7
 Metode Simplex
Z – S3 + A3 = 2.000

X, Y, Z, S1, S2, S3, A1, A2, A3  0

Penyajian dalam tabel simpleks :

TABEL AWAL

Ci
CB Basis 8 10 11 M 0 0 M 0 M Q
X Y Z A1 S1 S2 A2 S3 A3
M A1 1 1 1 1 0 0 0 0 0 10.00
0
0 S1 1 0 0 0 1 0 0 0 0 3.000
M A2 0 1 0 0 0 -1 1 0 0 1.500
M A3 0 0 1 0 0 0 0 -1 1 2.000
C Z=

Untuk membuat Tabel Simplex I, kita perlu menghitung Z dan nilai-nilai Biaya Relatif untuk
diisikan pada tabel diatas. Contoh :

10.000
3.000 
Z  [ M ,0, M , M ]   10.000 M  0  3.000 M  1.500 M  2.000 M  16.500 M
1.500 
 
 2.000 

1 
1 
C 1  8  [ M ,0, M , M ]   8  ( M  0  0  0)  8  M
0 
 
0 

1 
 0
C 2  10  [ M ,0, M , M ]   10  ( M  0  M  0)  10  2 M
1 
 
 0

dan seterusnya, kemudian hasilnya masukkan ke dalam baris C pada tabel awal, sehingga
diperoleh tabel seperti berikut.

TABEL I

Ci
CB Basis 8 10 11 M 0 0 M 0 M Q
X Y Z A1 S1 S2 A2 S3 A3
M A1 1 1 1 1 0 0 0 0 0 10.000
0 S1 1 0 0 0 1 0 0 0 0 3.000
M A2 0 1 0 0 0 -1 1 0 0 1.500
M A3 0 0 1 0 0 0 0 -1 1 2.000
C 8-M 10- 11- 0 0 M 0 M 0 16500
2M 2M M

Dari Tabel I terlihat bahwa kolom Y berisikan nilai yang paling rendah, sehingga Y masuk
menjadi var.basic. Sedangkan variabel basic dari kolom CB yang harus keluar adalah dengan
menggunakan kaidah rasio minimum :
Bambang S.Soedibjo : Riset Operasi 8
 Metode Simplex

Nomor Baris Basic Limit Atas utk Y

1 A1 10.000/1 = 10.000
2 S1 3.000/0 = 
3 A2 1.500/1 = 1.500  keluar
4 A3 2.000/0 = 

Jadi yang harus keluar adalah A2 digantikan oleh Y, sehingga diperoleh Tabel II berikut :

TABEL II

Ci
CB Basis 8 10 11 M 0 0 M 0 M Q
X Y Z A1 S1 S2 A2 S3 A3
M A1 1 0 1 1 0 1 -1 0 0 8.500
0 S1 1 0 0 0 1 0 0 0 0 3.000
10 Y 0 1 0 0 0 -1 1 0 0 1.500
M A3 0 0 1 0 0 0 0 -1 1 2.000
C 8-M 0 11- 0 0 10-M 2M- M 0 10.500
2M 10 M
+15.00
0

Karena kolom C belum ada yang positif, maka lanjutkan proses seperti di atas,
sehingga diperoleh Tabel-tabel berikut ini, sampai kolom C berisikan nilai nol atau positif.

TABEL III

Ci
CB Basis 8 10 11 M 0 0 M 0 M Q
X Y Z A1 S1 S2 A2 S3 A3
M A1 1 0 1 1 0 1 -1 1 -1 6.500
0 S1 1 0 0 0 1 0 0 0 0 3.000
10 Y 0 1 0 0 0 -1 1 0 0 1.500
11 Z 0 0 1 0 0 0 0 -1 1 2.000
C 5-M 0 0 0 0 10-M 2M- 11-M 2M- 6500M
10 11 +
37000

TABEL IV

Ci
CB Basis 8 10 11 M 0 0 M 0 M Q
X Y Z A1 S1 S2 A2 S3 A3
M A1 0 0 0 1 -1 1 -1 1 -1 3.500
8 X 1 0 0 0 1 0 0 0 0 3.000
Bambang S.Soedibjo : Riset Operasi 9
 Metode Simplex
10 Y 0 1 0 0 0 -1 1 0 0 1.500
11 Z 0 0 1 0 0 0 0 -1 1 2.000
C 0 0 0 0 M-8 10-M 2M- 11-M 2M- 3500M
10 11 +
61000

TABEL V

Ci
CB Basis 8 10 11 M 0 0 M 0 M Q
X Y Z A1 S1 S2 A2 S3 A3
0 S2 0 0 0 1 -1 1 -1 1 -1 3.500
8 X 1 0 0 0 1 0 0 0 0 3.000
10 Y 0 1 0 1 -1 0 0 1 -1 5.000
11 Z 0 0 1 0 0 0 0 -1 1 2.000
C 0 0 0 M-10 2 0 M 1 M-1 61000

Dari Tabel V tampak bahwa semua nilai C sudah bernilai positif atau nol, oleh
karenanya solusi sudah optimal yaitu menggunakan bahan jenis Cx sebanyak 3.000 kg, Pb
sebanyak 5.000 kg dan jenis N sebanyak 200 kg dengan biaya sebesar $61.000.

4. Contoh kasus MAKSIMISASI (kendala berjenis ,  dan )

Maksimumkan : Z (total profit) = 5X + 6Y

Dengan kendala : X+Y=5

X2
Y4
X, Y  0

dimana, X = jumlah jenis P (kg) dalam kemasan

Y = jumlah jenis Q (kg) dalam kemasan

Fungsi objektif dan kendala diubah menjadi :

Maksimumkan : Z = 5X + 6Y – M.A1 + 0.S1 – M.A2 + 0.S2

Dengan kendala : X + Y + A1 = 5
X – S1 + A 2 = 2
Y + S2 = 4
X, Y, S1, S2, A1, A2  0

Selanjutnya dibuat Tabel I dengan cara perhitungan seperti yang telah dicontohkan
sebelumnya (dalam contoh ini, prosedurnya tidak diberikan secara rinci)

Bambang S.Soedibjo : Riset Operasi 10

 Metode Simplex

TABEL I

CB Basis 5 6 -M 0 -M 0 Q
X Y A1 S1 A2 S2
-M A1 1 1 1 0 0 0 5
-M A2 1 0 0 -1 1 0 2
0 S2 0 1 0 0 0 1 4
C 5+2 6+M 0 M 0 0 Z= -5M-
M 2M

Profit relatif maksimum terdapat pada kolom X, berarti X akan masuk ke dalam basis.
Sedangkan A2 memberikan kontribusi terkecil (2/1), jadi A2 keluar dari basis.

TABEL II

CB Basis 5 6 -M 0 -M 0 Q
X Y A1 S1 A2 S2
M A1 1 1 1 0 0 0 3
5 X 1 0 0 -1 1 0 2
0 S2 0 1 0 0 0 1 4
C 0 6+M 0 5+M -5- 0 Z= 3M-10
2M

Nilai optimum dalam Tabel II adalah Y dan menggantikan baris yang berisikan A2.

TABEL III

CB Basis 5 6 -M 0 -M 0 Q
X Y A1 S1 A2 S2
6 Y 1 1 1 0 0 0 3
5 X 1 0 0 -1 1 0 2
0 S2 0 1 0 0 0 1 1
C 0 0 -6-M -1 1-M 0 Z = 28

Tabel III memperlihatkan bahwa profit relatif sudah bernilai 0 atau negatif, berarti solusi
sudah optimal. Dengan demikian dapat disimpulkan bahwa solusi optimal dari persoalan di
atas adalah menggunakan bahan jenis P sebanyak 2 kg dan jenis Q sebanyak 3 kg dalam
setiap kemasan dengan profit maksimum sebesar 28.

Bambang S.Soedibjo : Riset Operasi 11

 Metode Simplex
DEGENERASI DALAM PEMOGRAMAN LINIER

Metode Simplex adalah suatu proses iteratif yaitu dari satu tabel ke tabel lainnya sampai
solusi optimal dicapai. Seperti pernah disampaikan sebelumnya bahwa dalam menentukan
baris atau kolom yang harus diganti, maka ada dua kemungkinan terjadi :

1. Untuk sebuah tabel simplex, satu atau dua entri dalam kolom Q (konstanta) mungkin
saja bernilai nol. Jika hal ini terjadi, maka proses melanjutkan dari tabel ini tidak dapat
dilakukan karena variabel yang akan diganti sudah bernilai nol.
2. Dalam menentukan baris mana yang harus diganti mungkin saja kita dihadapkan oleh
rasio minimum bernilai sama dari dua atau lebih variabel.

Dua keadaan di atas menimbulkan fenomena yang disebut sebagai degenerasi yang dapat
mengakibatkan persoalan pemograman linier tidak dapat diselesaikan. Meski kita dapat
memilih yang mana saja (memilih secara sembarang rasio minimum), akan tetapi bisa saja
kita melakukan pilihan yang salah. Dengan demikian kita harus mengulang kembali untuk
memilih variabel lainnya.
Dengan tersedianya berbagai perangkat lunak untuk persoalan pemogram linier ini,
maka masalah-masalah seperti ini sudah bukan hambatan lagi dalam menyelesaikan persoalan
tersebut.

TOPIK LAIN DALAM PEMOGRAMAN LINIER

Metode Simplex Revisi

Metode ini sebenarnya menggunakan dasar perhitungan yang sama dengan metode
simples biasa. Perbedaannya terletak pada penyajian tabel simplexnya. Pada setiap iterasi
tabel simplex tidak pernah dihitung. Informasi yang dibutuhkan untuk memindahkan satau
solusi basic yang feasibel ke yang lainnya langsung dihasilkan dari sistem persamaan awal.
Implikasi dari cara ini adalah berkurangnya pekerjaan perhitungan dan waktu yang digunakan
dalam menghitung simplex. Hampir semua perangkat lunak yang tersedia di pasaran saat ini
menggunakan metode simplex revisi ini. Salah satu program komputer yang cukup dikenal
dalam pemograman linier ini adalah LINDO (Linear, INteractive, and Discrete Optimizer)
yang dikeluarkan oleh LINDO System Inc. Contoh luaran dari program ini dapat dilihat
dalam lampiran bab ini.

Analisis Sensitivitas

Hampir semua model pemograman linier, koefisien fungsi objektif dan kendala
merupakan data input atau sebagai parameter dari model. Solusi optimal yang diperoleh
berdasarkan metode simplex didasarkan pada nilai-nilai ini. Dalam prakteknya, nilai-nilai ini
jarang diketahui secara absolut. Variasi dalam nilai-nilai ini mengubah persoalan
pemograman linier yang akan berakibat pada solusi yang telah diperoleh. Tujuan dari analisis
sensitivitas atau analisis postoptimality adalah untuk mengkaji bagaimana solusi optimal akan
berubah sesuai dengan perubahan nilai-nilai koefisien input. Tentunya dalam beberapa kasus,
solusi persoalan tidak perlu dilakukan berulang-ulang. Analisis sensitivitas akan memerlukan
variasi satu parameter input hanya sekali saja, sehingga kita dapat memetuskan apakah solusi
kita sudah cukup atau tidak.

Bambang S.Soedibjo : Riset Operasi 12

 Metode Simplex
Latihan

1. Ubahlah program linier berikut dalam bentuk standard :

Minimumkan : Z  3 x1  4 x 2  2 x3  5 x 4

Dengan batasan : 4 x1  2 x 2  2 x3  x 4  2
x1  x 2  3x 3  x 4  14
 2 x1  3 x 2  x3  2 x 4  2
x1 , x 2 , x3  0 ; x 4 tidak dibatasi oleh tanda

2. Seorang manajer dari sebuah perusahaan yang memasok perlengkapan perkantoran

bertanya kepada anda untuk mempersiapkan suatu skedul untuk memaksimumkan
produksi mereka. Perusahaan ini menjual beberapa jenis meja (tipe A, B, C dan D) ke
distribusi lokal dengan tingkat harga berikut. Demikian pula ongkos produksi untuk
setiap jenis adalah sebagai berikut :

Jenis meja Harga Jual ($) Ongkos Produksi ($)

A 28 21
B 35 30
C 52 39
D 72 54

Untuk skedul jangka pendek, tenaga kerja harus ditetapkan dalam jumlah yang tepat
dan produksi meja dilakukan dalam 2 langkah proses yaitu pemotongan dan tahap
akhir. Tenaga kerja tidak dapat dipindahkan antara kedua operasi. Proses pemotongan
dan tahap akhir masing-masing membutuhkan waktu 6.000 dan 4.000 jam. Jam kerja
buruh untuk setiap jenis meja adalah sebagai berikut :

Jenis meja Jam Jam penyelesaian

pemotongan akhir
A 4 1
B 9 1
C 7 3
D 10 40

Rumuskan persoalan pemograman linier di atas dan carilah solusinya.

3. Sumanto adalah petani yang memiliki 100 hektar lahan pertanian. Komoditas yang
ditanam adalah tomat, kol, dan wortel. Masing-masing tanaman ini bisa dijual dengan
harga untuk tomat Rp. 3000/kg, kol seharga 2000/kg dan wortel seharga Rp. 2500/kg.
Hasil rata-rata pertanian adalah 2.000 kg tomat, 3000 kg kol dan 1000 kg wortel.
Harga pupuk yang tersedia adalah Rp. 1000/kg. Sedangkan jumlah pupuk yang
dibutuhkan per hektar adalah 100 kg untuk tomat dan 50 kg untuk kol dan wortel.
Tenaga kerja yang dibutuhkan untuk menanam hingga memanen adalah 5 orang-hari-
kerja untuk tomat dan kol, sedangkan untuk wortel adalah 6 orang-hari-kerja. Total
400 orang-hari-kerja tersedia saat ini. Rumuskanlah persoalan pemograman linier
bagi petani tersebut untuk memaksimumkan total profitnya.

Bambang S.Soedibjo : Riset Operasi 13

 Metode Simplex
4. PT. Ogahrugi membuat empat produk melalui tiga tahapan proses. Kuantitas yang
diperlukan untuk produksi yang akan datang adalah :

Produk 1 : 2000 unit

Produk 2 : 3000 unit
Produk 3 : 3000 unit
Produk 4 : 6000 unit

Ada tiga line production dengan tingkat produksi sebagai berikut :

Production Produk Kapasitas Biaya/hari

line 1 2 3 4 maks. (hari)
1 150 100 500 400 20 600
2 200 100 760 400 20 500
3 160 80 800 600 18 400
Total 2000 3000 3000 6000

Rumuskan persoalan pemograman linier untuk meminimumkan biaya produksi dari

persoalan di atas dan cari solusinya.

5. Sebuah perusahaan cinderamata membuat dua jenis emblim A dan B. Perusahaan ini
memiliki tiga tahapan proses yaitu persiapan, pemotongan dan pengepakan. Setiap
proses ini haris dilalui dalam menghasilkan kedua produk tersebut. Rata-rata
pembuatan emblim adalah sebagai berikut :

Proses Jenis A Jenis B

(menit/buah) (menit/buah)
Persiapan 4 3
Pemotongan 8 2
Pengepakan 6 3

Keuntungan per unit untuk produk A adalah Rp. 2000 dan jenis B Rp. 3000. Jika
waktu yang tersedia adalah 1200 menit untuk setiap proses, tentukan skedul produksi
optimal. Gunakan metode simplex.

Bambang S.Soedibjo : Riset Operasi 14

 Metode Simplex

Contoh Luaran Program LINDO

MAX 20 X + 6 Y + 8 Z
SUBJECT TO
2) 8 X + 2 Y + 3 Z <= 200
3) 4 X + 3 Y <= 150
4) 2 X + Z <= 50
END

LP OPTIMUM FOUND AT STEP 3

OBJECTIVE FUNCTION VALUE

1) 566.6667

VARIABLE VALUE REDUCED COST

X 0.000000 2.222222
Y 50.000000 0.000000
Z 33.333332 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 2.666667
3) 0.000000 0.222222
4) 16.666666 0.000000

NO. ITERATIONS= 3

RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES

VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X 20.000000 2.222223 INFINITY
Y 6.000000 INFINITY 0.666667
Z 8.000000 1.000000 1.250000

RIGHTHAND SIDE RANGES

ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 200.000000 49.999996 99.999992
3 150.000000 150.000000 75.000000
4 50.000000 INFINITY 16.666666

Bambang S.Soedibjo : Riset Operasi 15