Batasan : 3X + 3Y 36
5X + 2Y 50
2X + 6Y 60
X, Y 0
dimana : X = jumlah unit kursi
Y = jumlah unit meja
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.
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).
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.
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.
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
1 / 2
C 5 0 [0,0,15]
1 / 3 0 (0 0 15 / 6) 5 / 2
1 / 6
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
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.
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.
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.
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.
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 :
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 ()
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
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
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.
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
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.
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.
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 :
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
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
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.
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)
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.
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.
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.
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
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 :
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.
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 :
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.
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
1) 566.6667
NO. ITERATIONS= 3