LP : METODE SIMPLEKS
Metode Simpleks :
1. Simpleks Primal
2. Simpleks Dual
->
X1 + X2 + S1 = 15 dengan S1 0
->
2 X1 + X2 - S2 = 15 dengan S2 0
diubah menjadi
5 X1 - X2 = 25
-5 X1 + X2 -25
5 X1 - X2 25
diubah menjadi
Variabel
Variabel unrestricted (tidak dibatasi) jika bernilai negatif / positif
Misal Xj adalah variabel unrestricted,
maka Xj = Xj - Xj
Xj , Xj 0
Hanya satu (Xj atau Xj) saja yang bernilai positif
Fungsi Tujuan
Maksimisasi fungsi = Minimisasi negatif fungsi itu.
Contoh :
Maks. Z = 5X1 + 2X2 + 3X3
Contoh Soal :
Ubah dalam bentuk Standar :
Min. Z = 2X1 + 3X2
Kendala :
X 1 + X2
= 10
-2 X1 + 3 X2 -5
7 X 1 - 4 X2 6
X1 (Unrestricted)
X2 0
Jawab :
Min. Z = 2 X1 - 2 X1 + 3 X2 + 0 S2 + 0 S3
Kendala :
X1 - X1 + X2
= 10
-2 X1 + 2 X1 + 3 X2 + S2 = -5 ->
7 X1 - 7 X1 - 4 X2 + S3 = 6
X1 , X1 , X2 , S2 , S3 0
2 X1 - 2 X1 - 3 X2 - S2 = 5
Solusi Dasar
Contoh :
2X1 +
X2 + 4X3 + X4 = 2
X1 + 2 X2 + 2X3 + X4 = 3
m=2
n= 4
n m = 2 -> Variabel non-basis
Sisa
X2 = 2
X1 + 2 X 2 = 3
Dengan eliminasi dihasilkan X1 = 1/3 dan X2 = 4/3
{hasil
non-negatif
layak}
Solusi dasar X1 = 1/3 , X2 = 4/3 , X3 = 0 , X4 = 0
X1 dan X2 adalah var. Basis
X3 dan X4 adalah var non-basis.
Variabel keluar adalah variabel basis yang keluar dari solusi basis pada iterasi
berikutnya.
1.
2.
masuk
dalam
maksimisasi
(minimisasi)
adalah
Kondisi
2.
3.
pilh variabel keluar dari variabel basis dengan menggunakan kondisi layak.
4.
Tentukan nilai variabel basis yang baru dengan membuat variabel masuk
tersebut sebagai variabel basis dan variabel keluar sebagai variabel non-basis.
5.
Kembali ke langkah 1.
Contoh :
Sebuah perusahaan meubel memproduksi meja dan kursi menggunakan
papan, kayu, dan waktu pengerjaan. Setiap meja membutuhkan 5 unit papan, 2 unit
kayu, dan 4 jam pengerjaan. Setiap kursi membutuhkan 2 unit papan, 3 unit kayu,
dan 2 jam pengerjaan. Perusahaan dapat keuntungan $12 untuk meja dan $8 untuk
kursi. Tersedia 150 unit papan, 100 unit Kayu, dan 80 jam pengerjaan. Berapa
banyak produk agar keuntungan maksimum?
Jawab :
- Variabel Keputusan
- Fungsi Tujuan
: Maks. Z = 12 X1 + 8 X2
- Kendala
Formulasi Model :
Maks. Z = 12 X1 + 8 X2
Kendala :
5 X1 + 2 X2 150
2 X 1 + 3 X2 100
4 X1 + 2 X2 80
X 1 , X2 0
Bentuk standard
Maks. Z = 12 X1 + 8 X2 + 0.S1 + 0.S2 + 0.S3
Kendala :
5 X1 + 2 X2 + S1 = 150
2 X 1 + 3 X2 + S2 = 100
4 X 1 + 2 X2 + S3 = 80
X1 , X 2 , S1 , S2 , S3 0
Tabel Simpleks
non basis
Basis
X1
X2
S1
S2
S3
Solusi
(Dasar)
Z
S1
S2
S3
1
0
0
0
-12
5
2
4
-8
2
3
2
0
1
0
0
0
0
1
0
0
0
0
1
0
150
100
80
Pers
Pers
Pers
Pers
Z
S1
S2
S3
Var msk
Basis
X1
X2
S1
S2
S3
Solusi
Rasio
(Dasar)
Z
S1
1
0
-12
5
-8
2
0
1
0
0
0
0
0
150
150/5 =
S2
100
30
100/2
S3
80
=50
80/4 =
20
elemen pivot
Maka :
S3
X1 = ( 0 4 2 0 0 1 80 ) / 4
= ( 0 1 0 0 20 )
S2 baru
= ( 0 2 3 0 1 0 100 ) - 2 ( 0 1 0 0 20 )
= ( 0 2 3 0 1 0 100 ) - ( 0 2 1 0 0 40 ) = ( 0 0 2
0 1 - 60 )
S1 baru
= ( 0 5 2 1 0 0 150 ) - 5 ( 0 1 0 0 20 )
= (0
150 ) - ( 0
/2
/4
100 ) = ( 0
- 1 0 -5/4 50 )
Z baru
= ( 1 -12 -8 0 0 0 0 ) - (-12) ( 0 1 0 0 20 )
= ( 1 -12 -8 0 0 0 0 ) - ( 0 -12 6 0 0 -3 -240 ) = ( 1 0
-2 0 0 3 240 )
Var msk
Basis
X1
X2
S1
S2
S3
Solusi
Rasio
(Dasar)
Z
S1
1
0
0
0
-2
-
0
1
0
0
3
-5/4
240
50
50/(-) =
S2
X1
0
0
0
1
0
0
1
0
60
20
-100
60/2 = 30
20/() = 40
elemen pivot
S2
X2 = ( 0 0 2 0 1 - 60 ) / 2
= ( 0 0 1 0 - 30 )
X1 baru
= ( 0 1 0 0 200 ) - ( 0 0 1 0 - 30 )
= (0
0 0 -
200 ) - ( 0
-1/8 15 ) = ( 0
/8 5 )
= ( 0 0 - 1 0 -5/4 50 ) - (- )( 0 0 1 0 - 30 )
S1 baru
= ( 0 0 - 1 0 - 5/4 50 ) - ( 0 0 - 0 -
/8 -15 ) = ( 0 0 0
1 -11/8 65 )
Z baru
= ( 1 0 -2 0 0 3 240 ) - (-2 )( 0 0 1 0
- 30 )
= ( 1 0 -2 0 0 3 240 ) - ( 0 0 -2 0 -1
0 0 1
-60 ) = ( 1 0
/2 300 )
Tabel Akhir
Basis
X1
X2
S1
S2
S3
(Dasar)
Z
S1
X2
X1
1
0
0
0
0
0
0
1
0
0
1
0
0
1
0
0
5
2
11
8
Kesimpulan : X1 = 5
Solusi
/
- /
-
3
/8
300
65
30
5
( banyak meja )
X2 = 30
( banyak kursi )
S1 = 65
Fungsi tujuan
Z = 12 X1 + 8 X2
= 12 ( 5 ) + 8 ( 30 )
= 60 + 240
Papan
300
5 X1 + 2 X2 150
5 ( 5 ) + 2 ( 30 ) = 25 + 60 = 85
150 - 85 =
65 ( sisa )
Kayu
2 X1 + 3 X2 100
2 ( 5 ) + 3 ( 30 ) = 10 + 90 = 100
Waktu
4 X1 + 2 X2 80
4 ( 5 ) + 2 ( 30 ) = 20 + 60 = 80
Kendala tidak
semuanya
1. TEKNIK M
Contoh:
Min Z = 4 X1 + X2
Kendala
3 X1 + X2 = 3
4 X1 + 3 X 2 6
X1 + 2 X2 4
X1 , X 2 0
Bentuk standar
Min Z = 4 X1 + X2
Kendala
3 X1 + X2
= 3
......... ( 1 )
4 X1 + 3 X 2 - X3 = 6
......... ( 2 )
X1 + 2 X2 + X4 = 4
X1 , X2 , X3 , X4 0
Karena ( 1 ) dan ( 2 ) tidak memiliki var slack , maka ditambahkan R1 dan R2
sebagai var bantuan
(1)
3 X1 + X 2
+ R1 = 3
(2)
4 X1 + 3 X2 - X3 - R2 = 6
CONTOH:
Min Z = 4 X1 + X2
Kendala
3 X1 + X2 = 3
4 X1 + 3 X 2 6
X1 + 2 X2 4
X1 , X 2 0
BENTUK STANDAR
Min Z = 4 X1 + X2 + 0.S1 + 0.S2 +MR1 + MR2
Kendala
3 X1 + X2
+ A1
= 3
4 X 1 + 3 X 2 - S1
+A2
= 6
X1 + 2 X2
+S2
= 4
X 1 , X 2 , S 1 , S 2 , A1 , A2 0
Subtitusikan R1 dan R2 ke fungsi tujuan :
R 1 = 3 - 3 X 1 - X2
R2 = 6 - 4 X1 - 3 X2 + X3
Maka :
Z = 4 X1 + X2 + M(3 - 3 X1 - X2) + M(6 - 4 X1 - 3 X2 + X3)
= ( 4 - 7M ) X1 + ( 1 4M ) X2 + M X3 + 9M
Persamaan Z dalam tabel :
Z + ( 7M - 4 ) X1 + ( 4M - 1 ) X2
M X3 = 9M
-> Z = 9M
Basi
X1
X2
X3
R1
R2
X4
Solusi
(awal) X1
s
Z
(7M
(4M
-M
9M
R1
R2
X4
Z
4)
3
4
1
0
1)
1
3
2
(1+5M)
0
-1
0
-M
1
0
0
(4-
0
1
0
0
0
0
1
0
3
6
4
4+2M
3/3 = 1
6/4
4/1
X1
/3
/3
7M)/3
1
/3
1/(1/3)=
R2
-1
-4/3
3
2/
0
0
1
0
0
0
(paling
+ ) R1
Keluar
( 1 ) X2
masuk
R2 keluar
( 2 ) X3
masuk
X4 keluar
(3)
X4
Z
X1
X2
X4
Z
/3
/3
0
0
1
0
0
0
/5
1
/5
-3/5
1
0
1
- /3
( /3-M)
3
/5
-4/5
1
7
/3-M
8
0
(- /5-M)
-1/5
3
/5
-1
-M
1
1
0
0
0
1
1
- /5
3
/3
3
/5
6
/5
1
17
/5
(5/3)=6/5
8
/5
18
3
1
(optimu
m)
X1
X2
X3
1
0
0
0
1
0
0
0
1
/5
- /5
1
-1/5
3
/5
1
0
0
-1
/5
/5
1
2. DUA FASE
Bertujuan untuk mengurangi kesalahan perhitungan dari pemberian nilai yg
besar untuk konstanta M pada metode TEKNIK M (penalty)
Contoh = Min Z = 4 X1 + X2
Kendala
3 X1 + X2 = 3
4 X1 + 3 X 2 6
X1 + 2 X2 4
X1 , X 2 0
Tahap 1 :
Bentuk dengan var buatan : R1 dan R2
Min r = R1 + R2
Kendala
3 X1 + X2
+ R1
4 X1 + 3 X 2 - X3
= 3
- R2
= 6
X1 + 2 X2
+ X4
= 4
X1 , X2 , X3 , R1 , R2 , X4 0
Fungsi tujuan r = R1 + R2
= ( 3 3 X 1 - X2
) + ( 6 - 4 X1 - 3 X2 + X3 )
= -7 X1 - 4 X2 + X3 + 9
Tabel Awal
Basi
X1
X2
X3
R1
R2
X4
Solusi
s
Z
R1
R2
X4
7
3
4
1
4
1
3
2
-1
0
-1
0
0
1
0
0
0
0
1
0
0
0
0
1
9
3
6
4
X4
Solusi
X1
X2
X3
R1
R2
s
r
X1
X2
X4
0
1
0
0
0
0
1
0
0
/5
-3/5
1
-1
/5
-4/5
1
-1
-1/5
3
/5
-1
0
0
0
1
0
/5
6
/5
1
3
X1 +
X2 -
/5X3
/5
= 6/5
/5X3
X3 + X 4
= 1
X1 +
X2 -
/5X3
/5X3
X 3 + X4
/5
......... ( 1 )
/5
......... ( 2 )
= 1
X1 , X2 , X3 , R1 , R2 , X4 0
Maka terdapat 3 persamaan dan 4 variabel sehingga solusi dasar layak
didapat dg membuat
X3 = 0
->
X1 = 3/5 ; X2 =
/5 ; X 4 = 1
Fungsi tujuan Z = 4 X1 + X2
= 4(
/5 +
= - 1 /5 X 3 +
/5 X3 ) + (6/5 +
18
/5
Tabel Awal
Var msk
Basis
Z
X1
X2
X4
X1
0
1
0
0
X2
0
0
1
0
X3
/5
1
/5
-3/5
1
1
X4
0
0
0
1
Solusi
18
/5
3
/5
6
/5
1
/5X3 )
Tabel optimum
Basis
Z
X1
X2
X3
X1
0
1
0
0
X2
0
0
1
0
X3
0
0
0
1
X4
-1/5
-1/5
3
/5
1
Solusi
17
/5
2
/5
9
/5
1
Contoh = Min Z = 3 X1 + 2 X2
3 X1 + X2 3
Kendala
4 X1 + 3 X 2 6
X1 + 2 X2 3
X1 , X 2 0
Menjadi
Min Z = 3 X1 + 2 X2
-3 X1 - X2
+ X3 = -3
-4 X1 - 3 X2 + X4 = -6
X1 + 2 X2 + X5 = 3
X1 , X2, X3, X4, X5 0
Solusi dasar awal
X3 = -3 , X4 = -6
X5 = 3
} tdk layak
non basis
Basis
Z
X3
X4
X5
X1
-3
-3
-4
1
X2
-2
-1
-3
1
X3
0
1
0
0
X4
0
0
1
0
X5
0
0
0
1
Solusi
0
-3
-6
3
Var keluar
-> X4
Var masuk
-> X2
Elemen Pivot
= -3
(basis)
(non basis)
/3
1 0
Iterasi 1
Basis
Z
X3
X4
X5
X1
-1/3
-5/3
4
/3
-1/3
0 -6 ) / -3
/3 0
2 )
non basis
X2
0
0
1
0
X3
0
1
0
0
X4
-2/3
-1/3
-1/3
1
/3
X5
0
0
0
1
Solusi
4
-1
2
1
-2
/-3 =
/3
Rasio
/5
Maka
(-1/3) / (-5/3)
->
X1
Var masuk
X3
Var keluar
= -5/3
Elemen pivot
- 1 /3
1
0 -3/5
-1 ) / (-5/3)
/5
/5 )
X1
0
1
0
0
X2
0
0
1
0
X3
-1/5
-3/5
4
/5
-1/5
Solusi : X1 = 3/5
X4
-3/5
1
/5
3
- /5
2
/5
X2 = 6/5
X5
0
0
0
1
Z=
Solusi
21
/5
3
/5
6
/5
6
/5
21
/5
DEGENERASI
Max Z = 3 X1 + 9 X2
Kendala
X1 + 4 X2 8
X1 + 2 X 2 4
X1 , X 2 0
Iterasi
(0)
X2 masuk
X3 keluar
(1)
X1 masuk
X4 keluar
(2)
optimum
Basis
Z
X3
X4
X1
-3
1
1
X2
-9
4
2
Z
X2
X4
-3/4
1
/4
1
/2
0
0
2
Z
X2
X1
0
0
1
0
1
0
X3
0
1
0
9
/4
/4
-1/2
1
/2
/2
-1
X4
0
0
1
Solusi
0
8
4
0
0
1
18
2
0
/2
-1/2
2
18
2
0
2.
OPTIMUM ALTERNATIF
Max Z = 2X1 + 4X2
X1 + 2 X2 5
Kendala
X2 4
X1 +
X1 , X 2 0
Iterasi
(0)
X2 masuk
Basis
Z
X3
X4
X1
-2
1
1
X2
-4
2
1
X3
0
1
0
X4
0
0
1
Solusi
0
5
4
Basis
Z
X3
X4
X1
0
1
/2
1
/2
X2
0
1
0
X3
2
1
/2
-1/2
X4
0
0
1
Solusi
10
5
/2
3
/2
Z
X2
X4
0
0
1
0
1
0
2
1
-1
0
-1
2
10
1
3
X3 keluar
(1)
X1 masuk
X4 keluar
(2)
optimum
alternatif
X2 = 5/2
Ada 2 solusi : X1 = 0 ;
Atau X1 =
3.
X2
Z=
1
=1
Kendala
2 X1
40
X 1 , X2 0
Basis
Z
X3
X4
X1
-2
1
2
X2
-1
-1
0
X3
0
1
0
X4
0
0
1
Solusi
0
10
40
Contoh :
Kandungan
Mineral
Vitamin
Harga per unit
Daging
2
3
3
Sayur
4
2
2.5
Kebutuhan Min
40
50
Z = 3 X1 + 2.5 X2
Kendala
2 X1 + 4 X2 40
3 X1 + 2 X2 50
X1 , X 2 0
Ada masalah yang berbeda yang berhubngan dengan masalah yang pertama
( bentuk primal ).
Misalkan ada sebuah dealer yg menjual mineral dan vitamin. Masalah bagi dealer
adalah menetapkan harga jual mineral dan vitamin per unit yang maksimum
demikian hingga menghasilkan harga daging dan sayur tidak melebihi harga
pasar.
-> Untuk membuat formulasi modelnya misalkan harga daging per unit Y 1 dan
sayur Y2, sehingga formulasi modelnya menjadi :
Max
W = 40 Y1 + 50 Y2
2 Y 1 + 3 Y2 3
Kendala
4 Y 1 + 2 Y2 2.5
Y1 , Y2 0
Bentuk ini dinamakan bentuk Dual , Y1 dan Y2 disebut variable dual
Bila masalah primal dibandingkan dg masalah dual ada beberapa hubungan:
1. Koef fungsi tujuan primal menjadi sisi kanan dual
Sisi kanan primal menjadi koef dungsi tujuan dual
2. Tanda pertidaksamaan kendala dibalik
3. Tujuan diubah dari min (max) dalam primal menjadi max (min) dalam dual
4. Kolom primal baris (kendala) dalam dual
kendala dual = variabel primal
5. Baris (kendala) primal kolom dual
Sehingga ada satu variabel dual kendala primal
6. Bentuk dual dari dual adalah primal
A.
Z = C1 X1 + C2 X2 + ... + Cn Xn
m Kendala
.
Am1 X1 + Am2 X2 + ... +Amn Xn Bm
X1 ,
Dual
: Min
X2 , ...
Xn 0
W = B1 Y1 + B2 Y2 + ... + Bm Ym
n Kendala
.
A1n Y1 + A2n Y2 + ... +Amn Ym Cn
Y1 ,
Ym 0
Y2 , ...
: Maksimumkan
Dengan syarat
Z = cX
:
Ax b
x 0
Dual
: Minimumkan
Dengan syarat
W = Yb
:
yA c
y 0
Dimana
A = matriks m x n
x = vektor kolom n x 1
b = vektor kolom m x 1
y = vektor baris 1 x m
c = vektor baris 1 x n
Aturan umum menuliskan bentuk dual dari LP yang simetrik :
a.
b.
Vektor baris koef fungsi tujuan primal diubah menjadi vektor kolom sisi
kanan dual
c.
Vektor kolom sisi kanan primal diubah menjadi vektor baris koef fungsi
tujuan dual
d.
e.
f.
Z = cX
dan
Min
W = Yb
Dengan syarat
Ax b
Dengan syarat
yA
c
x 0
0
Nilai fungsi tujuan masalah minimisasi (dual) untuk setiap solusi yg layak
selalu masalah maksimasi (primal)nya
Bukti :
Misal Xdan Y adalah vektor solusi yg layak untuk masalah primal dan dual.
Harus dibuktikan bahwa Yb cX
Karena X layak bagi primal dengan kendala
AX b
X 0
Kemudian jika pertidaksamaan kendala dikalikan dengan Y diperoleh
YAX Yb
.... (I)
.... (II)
d. Jika masalah primal adalah layak dan tak terbatas, maka masalah primal
adalah tak layak, atau
e. Jika masalah dual adalah layak dan primal tak layak maka dual adalah tak
terbatas.
Contoh
Primal
: Max
Z = X1 + 2 X2 + 3 X3 + 4 X4
Dengan syarat
X1 + 2 X2 + 2 X3 + 3 X4 20
X2 + 3 X3 + 2 X4 20
2 X1 +
X1 ,
X2 ,
X3 ,
X4 0
W = 20 Y1 + 20 Y2
Dengan syarat
2 Y2 1
Y1 +
2 Y1 +
Y2 2
2 Y1 +
3 Y2 3
3 Y1 +
2 Y2 4
Y1 ,
Y2 0
cX Yb
Berdasarkan hasil solusi layak primal, nilai minimum fungsi tujuan W tak
dapat lebih kecil dari 10. berdasarkan hasil solusi layak dual, nilai maksimum
fungsi tujuan primal Z tak dapat melebihi 40.
2. Teori 2 ( Optimality Criterion theorem )
Jika terdalap solusi layak X dan Y, pada bentuk primal dual simetrik
demikian hingga nilai-nilai fungsi tujuan yg berhubungan adalah sama, maka
solusi layak ini adalah solusi optimum terhadap masalah tersebut.
Contoh :
Berdasarkan contoh Teori 1. Misalkan
X1 = 0 , X2 = 0 , X3 = 4 , X4 = 4
adalah suatu solusi layak yang lain terhadap masalah primal, sementara Y 1 =
1.2 , Y2 = 0.2 adalah solusi layak bagi dual. Nilai Z = W = 28 solusi ini
optimum
3. Teori 3 ( Main Duality Theorem )
Jika baik masalah primal maupun dual adalah layak, maka keduanya memiliki
solusi demikian hingga nilai optimum fungsi tujuannya adalah sama.
4. Teori 4 ( Complentary slackness theorem )
Jika suatu variabel primal X j bernilai positif, maka kendala dual yang
a.
c.
Z = 4 X1 + 5 X2
3 X1 + 2 X2 20
4 X1 - 3 X2 10
X1 +
X2 =
X1 0 , X2 tak terbatas
Ubah kedalam bentuk simetri, dengan cara :
1. Kendala 2 dikalikan
2. Kendala 3 diganti dg X1 + X2 5 dan X1 + X2 5
3. Variabel tak terbatas X2 diganti dg selisih 2 variabel non negatif X 3 dan X4
Z = 4 X1 + 5 X3 - 5 X4
Dg syarat
3 X1 + 2 X 3 - 2 X 4
20
4 X 1 - 3 X3 + 3 X 4
-10
X1 +
- X1 -
X3 +
X4
X3 +
X4
-5
X3 ,
X4
X1 ,
Bentuk dualnya :
Min
Dg syarat
Z = 20 U1 - 10 U2 + 5 U3 - 5 U4
3 U 1 - 4 U2 + U 3 - U 4
2 U1 + 3 U2 + U3 - U4
-5
-2 U1 + 3 U2 - U3 + U4
U1 ,
U 2 , U3 , U 4
Bila bentuk dual dibandingkan dg bentuk primal yg belum disimetrikan maka tak
ada ciri ciri hubungan primal dual yg terpenuhi.
Kemudian misalkan Y1
U1 ,
Y2
-U2
Y3
U 3 + U4
dandua
W = 20 Y1 - 10 Y2 + 5 Y3
3 Y1 + 4 Y2 + Y3
2 Y1 - 3 Y2 + Y3 =
Y1 0 , Y2 0, Y3 tak terbatas
Bentuk ini memenuhi hubungan primal dual, kecuali arah pertidaksamaan
kendala dan tanda pembatas variabel.
Ciri ciri bentuk dual LP (simetris / tak simetris)
1. Elemen matriks kendala dual = transpose ol. Primal
2. Koef tujuan dual = sisi kanan primal
3. Sisi kanan dual = koef tujuan primal
4. Primal max dual min dan sebaliknya
Hubungan Primal - Dual
Primal
A elemen matriks
kendala
I. Maksimasi
b vektorKendala
sisi kanan
ke-i jenis
c koef fungsi tujuan
Kendala ke-i persamaan
Xj tak terbatas
Dual
Transpose elemen
matriks
Minimisasi
Koef fungsi
tujuan
Variabel dual y : 0
Vektor sisi kanan
Variabel Yi tak terbatas
Kendala ke-j persamaan
Variabel dual y : 0
Kendala ke-j
Kendala ke-j
Maksimasi
Variabel dual y : 0
Variabel dual y : 0
Kendala ke-j
Kendala ke-j
Contoh
1. Primal
: Max
Dg syarat
Z =
X1 + 4 X2 + 3 X3
2 X1 + 3 X 2 - 5 X 3 2
X2 + 6 X 3 1
3 X1 X1 +
X2 +
X3 =
X1 0 , X2 0, X3 tak terbatas
Dual : Min
W = 2 Y1 +
Dg syarat
Y2 + 4 Y 3
2 Y1 + 3 Y2 +
Y3 1
3 Y1 -
Y3 4
Y2 +
-5 Y1 + 6 Y2 +
Y3 = 3
Y1 0 , Y2 0, Y3 tak terbatas
2. Primal
: Min
Dg syarat
Z = 2 X1 + X2 - X3
X1 + X 2 - X 3 = 1
X 1 - X2 + X 3 2
X2 + X3 3
X1 0 , X2 0, X3 tak terbatas
Dual : Max
Dg syarat
W =
Y1 + 2 Y2 + 3 Y3
2
Y1 +
Y2
Y1 -
Y2 +
-Y1 +
Y2 +
Y3 1
Y3 = -1
Y1 tak terbatas , Y2 0 , Y3 0
Z = 5 X1 + 12 X2 + 4 X3
Dg syarat
X1 +
2 X1 X1 ,
X3 5
2 X2 +
X2 + 3 X 3 = 2
X3 0
X2 ,
X1
0
0
1
X2
0
1
0
X3
/5
1
- /5
7
/5
S1
/5
2
/5
1
/5
R1
-2/5 + M
-1/5
2
/5
29
Solusi
28 1/5
8
/5
9
/5
Ingat bahwa variabel basis awal adalah variabel slack S1 dan artificial variabel R1
Bentuk Dual
Min
W = 5 Y1 + 2 Y2
Y1 + 2 Y2 5
Dg syarat
2 Y1 -
Y2
Y1 + 3 Y2
12
Y1 0 , Y2 tak terbatas
Karena Y2 tak terbatas diganti Y2 Y dimana Y2 Y 0
Y1
0
0
0
1
Y2
0
0
-1
0
Y
0
0
1
0
S1
-9/5
-7/5
2
/5
1
- /5
S2
-2/5
1
/5
-1/5
-2/5
S3
0
1
0
0
R1
/5-M
7
/5
-2/5
1
/5
R2
/5-M
-1/5
1
/5
2
/5
R3
-M
-1
0
0
Solusi
28 1/5
3
/5
2
/5
29
/5
S1
29
/5
Y1
R1
-2/5+M
Y2
29
/5 ; Y 2 = - 2 /5
R1
/5-M
R2
/5-M
dual
Variabel primal yg berhubungan
X1
X2
R3
0-M
X3
Z = cX
Dengan syarat
dan
Max
Ax = b
W = Yb
Dengan syarat
yA
c
x 0
0
Maka solusi optimum primal dan dual diperoleh melalui penerapan reviscol
simplex method :
Z = W = CB B-1 b
Ket : CB
matriks A
CB B = vektor simpleks multiplier
Contoh :
Primal
: Max
Dg syarat
Z = 5 X1 + 12 X2 + 4 X3
X1 +
2 X2 +
2 X1 -
X1 ,
Dual
Min
Dg syarat
X2 ,
X3 5
X2 + 3 X 3 = 2
X3 0
W = 5 Y1 + 2 Y2
Y1 + 2 Y2 5
2 Y1 -
Y2
Y1 + 3 Y2
12
4
Y1 0 , Y2 tak terbatas
Melalui simpleks diperoleh X1 = 9/5 , X2 = 8/5 , Z = 28 1/5 karena X1 dan X2 var
basis optimum primal, maka :
Matriks basis optimumnya :
B = [ P1 P2 ] =
1
2
2 -1
/5
Terlihat bahwa Y1 =
/5
29
b1, b2,, bm
Z = 2 X1 + 3 X2 + X3
1
1
/3 X 1 +
/3 X 1 X1 ,
/3 X2 +
/3 X3 1 kendala buruh
X3 0
X2 ,
X1
-2
1
/3
1
/3
X2
-3
1
/3
4
/3
X3
-1
1
/3
7
/3
S1
0
1
0
S2
0
0
1
Solusi
0
1
3
(I)
X1
0
1
0
X2
0
0
1
X3
3
-1
2
S1
5
4
-1
S2
1
-1
1
Solusi
8
1
2
( II )
tabel optimum : X1 = 1 ; X2 = 2 ; Z = 8
Dengan melakukan analisi sensitivitas dapat diperoleh informasi yg berhubungan dg
rencana produksi alternatif disekitar solusi optimum.
A. Perubahan Koefisien Fungsu Tujuan
1.
C3 = [ 2
-1
, 3] 2
Opimum jika
C3 =
- C3 = 4 - C3
4 - C3 0 atau C3 4.
selama keuntungan per unit produk C kurang dari 4 adalah tidak ekonomis
menghasilkan barang C.
Misalkan keuntungan per unti barang C dinaikkan menjadi 6, maka C 3 = 4 -6 =
-2. Tabel II menjadi tidak optimum.
( III )
Basis
Z
X1
X3
X1
0
1
0
X2
0
0
1
X3
-2
1
(2)
S1
5
4
-1
S2
1
-1
1
Solusi
8
1
2
X3
0
0
1
S1
4
7
/2
-1/2
S2
2
-1/2
1
/2
Solusi
10
2
1
Basis
Z
X1
X3
X1
0
1
0
X2
1
1
/2
1
/2
Z = 10 ; X1 = 2 ; X3 = 1
2.
variabel basis yaitu C1 dan C2 tidakterpengaruh dan tetap bernilai nol. Namun,
koef persamaan Z variabel non basis akan berubah. Tetapi selama C j non
negatif, Tabel II masih optimum. Dapat ditunjujjan nilai C 3,
CS1, CS2 sebagai fungsi dari C1 :
C3 = [C1 , 3 ] -1
- 1 = 4 - C1
CS1 = [C1 , 3 ]
- 0 = 4 C1 - 3
4
-1
CS2 = [C1 , 3 ] -1
- 0 = 3 - C1
C3
0 selama C1
CS1 0 selama C1
5
3
/4
CS2 0 selama C1 3
Tabel II akan tetap optimum jika interval C 1 yg dipilih 3/4 sampai 3. Jika C1
berubah nilai optimum fungsi tujuan akan berubah. Misal C1 = 1, solusi
optimum adalah X1 = 1
, X2 = 2
, X3 = 0 tetapi Z = 1( 1 ) + 3( 2 ) +
1( 0 ) = 7
3.
4 X2 +
2X3 . Pengaruhnya
-1
2
CS1 = [ 1 , 4 ]
negatif
- 2 = 5
- 0 = 0
- 0 = 3
Cj
non
4
-1
CS2 = [ 1 , 4 ] -1
1
B.
2 menjadi
3
yg
/3
1
/3
/3
4
-1
-1
4
-1
-1
2
3
5
1
Vektor positif
Sehingga tabel II masih tetap optimum dan kombinasi barang optimal baru
adalah X1 = 5 , X2 = 1 , X3 = 0 , Z = 13. Solusi dan nilai optimum berubah
tetapi var basis tidak.
masih optimum jika hanya menghasilkan barang A dan B.
Misalkan tambahan 7 unit buruh dapat diperoleh dg kerja lembur yg biaya
tambahannya 4. Apakah menguntungkan menggunakan kerja lembur ? Pada
contoh ini tambahan keuntungan 13 8 = 5 ( > 4 ) berarti menguntungkan.
Kenaikan keuntungan ini dinamakan shadow price. Shadow price mencerminkan
perubahan neto nilai optimum karena pertambahan satu unit sumber daya,
selama perubahan sumber daya tdk mengubah variabel basis optimum. Agar
penggunaan shadow price berarti, harus dihitung interval pers. bahan sumber
daya sehingga var basis optimum tetap sama.
Contoh
Hitung berapa jauh ketersediaan buruh dapat diubah ?
Misal b1 tersedianya buruh dan b 0 vektor konstan sisi kanan yg baru pd tabel
awal, sehingga :
b0
=
b1
3
( non negatif )
4
-1
-1
Karena B-1 =
maka B-1. b0 =
4
-1
-1
4b1 3
-b1 +
3 0 atau b1
b1
3
/4
-b1 + 3 0 atau b1 3
3
Untuk semua
X1 = 4b1 -
X1 = -b1 + 3
X1 = 0
Z = 2 (4b1 -
3 ) + 3 (-b1 + 3) = 5b1 + 3
b*
=
4
3
4.4 3
-4
+
1
3
-1
S1
S2
Sisi
is
Z
X1
0
1
0
0
3
-
5
4
1
-1
13
X2
1
2
-1
-1
(V)
kanan
Meskipun
tabel V tdk layak untuk masalah primal, ia layak untuk masalah dual karena
semua koef persamaan Z non negatif. Solusi optimum baru dg metode dual
simplex :
( VI )
Bas
S2
Solusi
is
Z
18
X1
S2
1
0
4
-
3
7
-2
0
1
3
-1
9
1
Tabel VI
optimum
1
karena konstan sisi kanan positif.
/4
2 - 1 0
2
dan
/4
/4 b 1 3
2 b1 - 1
dan
3 b1
2 + 1
-2
dan
b2 - 3 - 2
4 b2
dan
b2
1 b2 4
Jadi nilai b2 yg memenuhi adalah 1 b2
2.
kegiatan yg ada
3.
unit
bahan
mentahdengan
keuntungan
menguntungkan ?
per
unit
3.
Apakah
1 kolom
Secara matematik ekivalen dg penambahan variabel X4 dan
pada tabel I.
Kombinasi produk optimum tabel II masih optimum selama koef persamaan Z
dr produk baru sebut saja C4 adalah non negatif. Dari revised simplex method
diperoleh Cj =
CB
B-1 Pj - CJ.
Ingat bahwa
4
-1
-1
B-1 = [ 2 ,
3]
CB
5
1
, sehingga C41=[ 5 , 1 ]
1
-3
mempelajari
pengaruhnya
terhadap
solusi
optimum
cukup
= 0 )
menyimpang dari kendala ini. Sehingga tabel II tidak lagi optimum. Untuk
mencari solusi optimum yg baru, tambahkan kendala baru seperti pada baris
ketiga tabel berikut ini. Dengan menggunakan S 3 sebagai variabel slack pada
kendala baru
( VII )
Bas
is
Z
X1
X2
S3
0
1
0
1
0
0
1
2
3
-1
2
1
S1
5
4
-1
0
S2
S3
Sisi kanan
1
-1
1
0
0
0
0
1
1
2
4
Karena X1 dan X2 merupakan variabel non basis, maka koefisien baris ketiga yg
berhubungan dengan X1 dan X2 harus sama dengan nol. Ini dapat dicapai dengan
perkalian baris pertama dengan -1 baris, kedua dengan -2 dan tambahkan
mereka pada baris ketiga. Tabel VIII menunjukkan tabel baru setelah operasi
baris. Ingat bahwa koefisien persamaan Z tidak terpengaruh oleh proses ini,
karena variabel basis yg baru S3 merupakan variabel slack.
(VIII)
Bas
is
Z
X1
X2
S3
0
1
0
1
0
0
1
2
3
-1
2
-2
S1
5
4
-1
-2
S2
1
-1
1
(-
S3
Sisi kanan
0
0
0
1
1
2
-1
1)
Karena tabel VIII optimum tetapi tdk layak (dual feasible) maka metode dual
simplex diaplikasikan untuk mencari solusi optimum baru. Variabel basis S 3
meninggalkan basis kasrena rasio absolut terkecil adalah pada S 2 [ min ( -3/2 , 5
(IX)
Bas
is
Z
X1
X2
S3
0
1
0
1
0
0
1
2
S1
S2
S3
Solusi
1
-1
1
-1
7
2
1
1
1
1
0
2
3
6
-3
2
0
0
0
1
> with(simplex):
> dual( 5*x+6*y, {x+y1-y2>=1000,x-y1+y2<=-1000, x<=300,-y<=-150},
w );
>
Warning, problem appears to be unbounded
>
>
>
> restart:
Use LPSolve to minimize a linear function of two variables subject to four linear constraints.
> with(Optimization):
LPSolve
(
20*wa+5*wb+8*wc+15*ha+20*hb+10*hc+25*pa+10*pb+19*pc,
{
wa+wb+wc=90,
ha+hb+hc=60,
pa+pb+pc=50,
wa+ha+pa=50,
wb+hb+pb=110,
wc+hc+pc=40,
wa>=0,wb>=0,wc>=0,ha>=0,hb>=0,hc>=0,pa>=0,pb>=0,pc>=0
});
> with(Optimization):
Use LPSolve to minimize a linear function of two variables subject to four linear constraints.
> LPSolve(5*x+6*y, {x+y=1000, x<=300,y>=150, x>=0, y>=0});
> restart:
with(Optimization):
LPSolve
(
12*wa+18*wb+20*wc+30*ha+10*hb+8*hc+20*pa+25*pb+12*pc,
{
wa+wb+wc=6,
ha+hb+hc=5,
pa+pb+pc=8,
wa+ha+pa=4,
wb+hb+pb=8,
wc+hc+pc=7,
wa>=0,wb>=0,wc>=0,ha>=0,hb>=0,hc>=0,pa>=0,pb>=0,pc>=0
});
>