Anda di halaman 1dari 54

1 Pemrograman Linear : Formulasi dan Solusi Grafis

1.1. Pengantar

Penelitian Operasional (Operational Research/OR) berhubungan dengan penentuan


solusi terbaik (optimum) bagi suatu masalah pengambilan keputusan dengan keterbatasan
sumber daya.

OR sering dikaitkan secara eksklusif dengan penggunaan teknik-teknik matematika untuk


memodelkan dan menganalisis masalah-masalah pengambilan keputusan. Di samping
teknik-teknik itu, masalah pengambilan keputusan juga mencakup faktor-faktor penting
lainnya yang tidak dapat diterjemahkan secara langsung ke dalam model-model
matematika. Faktor-faktor itu adalah adanya unsur manusia di dalam setiap pengambilan
keputusan. Pengaruh manusia ini sangatlah penting sehingga dapat membuat solusi yang
diperoleh dari model matematika menjadi tidak/sulit untuk dapat dipraktekkan.

Aspek matematika dalam OR hendaklah dipandang sebagai suatu tatanan yang lebih luas
dari proses pengambilan keputusan yang unsur-unsurnya tidak dapat direpresentasikan
seluruhnya oleh model matematika.

Sebagai suatu teknik penyelesaian masalah, OR haruslah dipandang sebagai suatu ilmu
dan seni. Aspek keilmuan ini terletak pada penyediaan teknik-teknik matematika dan
algoritma untuk menyelesaikan masalah pengambilan keputusan yang tepat. OR
merupakan suatu seni karena keberhasilan dalam semua tahap yang mendahului dan
mengikuti solusi dari suatu model matematika sebagian besar bergantung pada kreativitas
dan kemampuan personal dari para pengambil keputusan.

1.2. Elemen model keputusan

Model keputusan adalah suatu alat untuk menyarikan suatu masalah keputusan dengan
memperhatikan identifikasi dan evaluasi yang sistematik dari semua alternatif keputusan
dari masalah yang dihadapi.

Contoh 1: Seorang pengusaha yang tinggal di Surabaya (SBY) harus menghadiri suatu
pertemuan di Jakarta (JKT) selama 5 minggu (dari hari Senin sampai dengan Rabu).
Pengusaha tersebut terbang ke Jakarta pada hari Senin dan kembali ke Surabaya pada hari
Rabu dalam minggu yang sama. Harga tiket pesawat pergi pulang (p.p) untuk berangkat
ke Jakarta pada hari Senin dan kembali ke Surabaya pada hari Rabu pada minggu yang
sama 20% lebih mahal daripada harga tiket yang digunakan melewati akhir pekan. Harga
tiket satu jalan (Jakarta-Surabaya atau Surabaya-Jakarta) 75% dari harga tiket regular
(tanpa diskon) p.p. Harga tiket regular p.p Rp. 900.000. Bagaimana pengusaha tersebut
membeli tiket selama lima minggu periode pertemuan?

Masalah di atas dapat dipandang sebagai suatu masalah pengambilan keputusan yang
solusinya memerlukan jawaban atas pertanyaan-pertanyaan berikut:

1
1. Apakah alternatif-alternatif keputusan yang ada?
2. Dalam batasan-batasan apakah suatu keputusan diambil?
3. Apakah kriteria tujuan yang tepat untuk mengevaluasi alternatif-alternatif yang ada?

Alternatif keputusan yang ada untuk masalah di atas adalah:


1. Membeli tiket SBY-JKT-SBY pada hari Senin untuk setiap minggu.
2. Membeli 1 tiket (SBY-JKT) pada hari Senin pada minggu pertama, 4 tiket (JKT-
SBY-JKT) pada hari Rabu untuk 4 minggu pertama dan 1 tiket (JKT-SBY) pada hari
Rabu pada minggu kelima.
3. Membeli 1 tiket (SBY-JKT-SBY) untuk hari Senin minggu pertama dan hari Rabu
minggu kelima dan 4 tiket (JKT-SBY-JKT) pada setiap hari Rabu selama 4 minggu
pertama.

Ketiga alternatif di atas memenuhi kendala permasalahan : melakukan 5 kali perjalanan


p.p. yang berawal dari Surabaya pada hari Senin dan berakhir juga di Surabaya pada hari
Rabu. Ketiga alternatif juga merupakan solusi-solusi fisibel. Sejauh ini kita hanya
tertarik pada solusi-solusi yang fisibel.

Suatu solusi disebut fisibel jika memenuhi semua kendala yang ada. Solusi disebut
optimum jika solusi tersebut fisibel dan memberikan nilai fungsi objektif yang terbaik
(maksimum atau minimum).

Untuk menentukan solusi yang terbaik, diperlukan kriteria tertentu (kriteria objektif)
yang tepat yang dapat digunakan untuk membandingkan solusi-solusi fisibel yang ada.
Dalam kasus ini, kriteria objektif yang digunakan jelaslah minimasi total harga tiket.

Total biaya tiket untuk masing-masing alternatif adalah :


1. Total biaya = 5 x Rp. 900.000 = Rp. 4.500.000
2. Total biaya = (0.75 x Rp.900.000) + 4 x (0.8 x Rp.900.000) + 0.75 x Rp.900.000
= Rp. 4.230.000
3. Total biaya = 5 x (0.8 x Rp. 900.000) = Rp. 3.600.000

Berdasarkan hasil di atas, alternatif 3 memberikan total biaya tiket yang paling rendah,
sehingga memberikan apa yang disebut dengan solusi optimum. Suatu keputusan yang
hanya didasarkan pada dua alternatif yang pertama hanya akan menghasilkan apa yang
disebut dengan solusi suboptimal. Jadi perlu diketahui semua alternatif yang fisibel dari
masalah pengambilan keputusan jika ingin diperoleh solusi yang terbaik dari suatu
masalah pengambilan keputusan.

1. 3. Model dua variabel dan solusi grafisnya

Keberhasilan suatu teknik OR akhirnya diukur dari penyebaran penggunaan OR sebagai


suatu alat pengambil keputusan. Sejak diperkenalkan pada akhir tahun 1940-an,
pemrograman linear (Linear Programming /LP) telah terbukti sebagai suatu alat OR yang
paling efektif. Penggunaannya tersebar di seluruh kehidupan nyata seperti di bidang
militer, industri, pertanian, transportasi, ekonomi, sistem kesehatan, bahkan di bidang

2
ilmu-ilmu sosial. Ketersediaan program komputer yang sangat efisien untuk
menyelesaikan masalah LP yang sangat besar juga merupakan suatu faktor penting dalam
penyebarluasan penggunaan teknik ini.

Dalam bagian ini akan diperkenalkan model LP yang sederhana dengan dua variabel
keputusan dan akan ditunjukkan bagaimana model ini dapat diselesaikan secara grafis.

Contoh 2: Perusahaan cat Reddy Mikks (RM) memproduksi dan menjual dua jenis cat,
interior dan eksterior. Perusahaan RM menggunakan dua macam bahan baku, A dan B.
Ketersediaan maksimum bahan baku A adalah 6 ton/hari sedangkan untuk bahan baku B
adalah 8 ton/hari. Kebutuhan bahan A dan B untuk setiap ton cat interior dan eksterior
adalah sebagai berikut :

Bahan baku (dalam ton) Ketersediaan maksimum


untuk setiap ton cat (dalam ton)
Eksterior Interior
Bahan baku A 1 2 6
Bahan baku B 2 1 8

Survai pemasaran menunjukkan bahwa selisih permintaan cat interior dan cat eksterior
tidak lebih dari 1 ton. Permintaan maksimum cat interior adalah sebesar 2 ton/hari. Harga
jual/ton cat eksterior dan interior masing-masing sebesar US$ 3000 dan US$ 2000.

Berapakah harus diproduksi cat interior dan cat eksterior per hari agar diperoleh
pendapatan yang maksimum?

Ada tiga komponen dasar di dalam model LP atau model-model OR lainnya, yaitu:
1. Variabel keputusan yang ingin ditentukan oleh model.
2. Kendala-kendala yang harus dipenuhi oleh solusi dari model tersebut.
3. Tujuan yang ingin dioptimalkan (maksimasi atau minimasi).

Pada permasalahan pabrik cat RM di atas :

Variabel
XE : jumlah cat eksterior yang harus diproduksi per hari (dalam ton)
XI : jumlah cat interior yang harus diproduksi per hari (dalam ton)

Kendala
a. Kendala penggunaan bahan baku

Penggunaan bahan baku kedua jenis cat ketersediaan maksimum bahan baku

XE + 2XI 6 (bahan baku A)


2XE + XI 8 (bahan baku B)

3
b. Kendala permintaan cat

Selisih permintaan cat interior dan eksterior 1 ton/hari


- XE + XI 1

Permintaan cat interior 2 ton/hari


XI 2

c. Kendala kenonnegatifan

XI 0 (cat interior)
XE 0 (cat eksterior)

Fungsi Objektif
Diasumsikan bahwa penjulan cat eksterior dan interior adalah saling bebas (independen),
sehingga fungsi objektif untuk masalah ini adalah

Z = 3 XE + 2 X I

dimana Z menyatakan jumlah penghasilan total (dalam ribuan dollar). Tujuan kita adalah
menentukan nilai XE dan XI yang memaksimumkan nilai Z.

Model Matematika untuk permasalahan RM


Tentukanlah jumlah cat interior dan eksterior XE dan XI (dalam ton) yang harus
diproduksi setiap hari untuk

Memaksimumkan Z = 3 XE + 2 XI
dengan kendala :
XE + 2XI 6
2XE + XI 8
- XE + XI 1
XI 2
XE , XI 0

Model matematika di atas disebut linear karena semua fungsi yang terlibat (kendala dan
objektif) adalah linear. Kelinearan ini mengakibatkan model pemrograman linear (LP)
haruslah memenuhi tiga sifat dasar berikut:

Proporsionalitas Sifat proporsional menghendaki kontribusi setiap variabel (XE dan


XI) dalam fungsi objektif (penggunaan bahan baku) adalah proporsional terhadap
nilai variabel. Jika pabrik cat RM misalnya memberikan quantity discount dengan
menjual cat eksterior seharga US$ 2500/ton jika penjualan melebihi 2 ton, maka
tidaklah berlaku lagi bahwa setiap ton cat eksterior yang diproduksi akan memberikan
tambahan penghasilan sebesar US$3000.

4
Aditif Sifat aditif menghendaki bahwa fungsi objektif merupakan penjumlahan
langsung dari kontribusi masing-masing variabel yang berbeda, atau sisi kiri dari tiap-
tiap kendala haruslah merupakan penjumlahan dari penggunaan masing-masing
variabel. Di dalam kasus produk yang bersifat kompetitif dimana peningkatan
penjualan produk yang satu akan mempengaruhi penjualan produk yang lain, maka
sifat aditif ini tidak dipenuhi.
Kepastian Semua koefisien pada fungsi objektif dan kendala pada model LP adalah
deterministik. Hal ini berarti, koefisien-koefisien tersebut adalah suatu konstanta yang
nilainya diketahui (hal ini merupakan sesuatu yang langka dalam praktek karena
biasanya data direpresentasikan oleh distribusi-distribusi yang probabilistik). Jika
deviasi standar dari distribusi-distribusi ini cukup kecil maka hampiran untuk
koefisien-koefisien tersebut dapat diterima. Deviasi standar yang besar dapat
ditangani secara langsung melalui algoritma LP stokastik atau secara tidak langsung
dengan melakukan analisis sensitivitas pada solusi optimum.

1.4. Solusi grafis dari model LP

Permasalahan perusahaan RM di atas dapat diselesaikan secara grafis karena hanya


melibatkan dua variabel. Untuk model dengan tiga variabel atau lebih, penyelesaian
secara grafis menjadi tidak praktis.

XI
(5)
8
Kendala :

XE + 2XI 6 (1)
2XE + XI 8 (2)
- XE + XI 1 (3)
(2) (3) XI 2 (4)
XE 0 (5)
XI 0 (6)

3 G
K (4)
2
H E D
1 C
F
(6)
J
A B XE
0 4 6
(1)

5
Langkah pertama dalam penyelesaian secara grafis adalah membuat plot bagi ruang
solusi fisibel yang memenuhi semua kendala secara bersamaan. Pada permasalahan di
atas, solusi grafisnya diberikan pada gambar di atas.

Daerah yang harus dipenuhi untuk setiap kendala ditunjukkan oleh arah tanda panah
sehingga daerah yang memenuhi adalah daerah ABCDEF (daerah solusi). Setiap titik di
dalam daerah solusi merupakan titik-titik yang fisibel.

Langkah kedua adalah menentukan solusi optimum dari semua titik-titik fisibel di daerah
solusi. Walaupun terdapat tak hingga banyak titik-titik yang fisibel, solusi optimum
diperoleh dengan mengamati arah dimana fungsi objektif Z = 3 XE + 2 XI bertambah
nilainya.

XI

Solusi Optimum:

XE = 3 1/3 ton
XI = 1 1/3 ton
Z = 12 2/3 ribu dollar

E D
C
F

A B XE

Z=6 Z=9 Z=12 2/3

Titik C yang merupakan perpotongan kendala (1) dan (2) memberikan solusi optimum.
Karakteristik penting dari solusi LP yang optimum adalah bahwa solusi tersebut selalu
berkaitan dengan suatu titik sudut dari daerah solusi (pada perpotongan dua garis). Hal ini
juga berlaku jika fungsi objektif sejajar dengan suatu kendala. Misalnya jika fungsi
objektifnya Z = 2 XE + XI yang berarti sejajar dengan kendala (2) maka dapat dikatakan
bahwa solusi optimum berada di titik B dan C (sebenarnya semua titik pada ruas garis BC
merupakan solusi optimum alternatif, tetapi dapat dikatakan bahwa ruas garis BC
ditentukan oleh titik-titik sudut B dan C).

6
1.5. Analisis sensitivitas

Analisis sensitivitas merupakan suatu prosedur yang umumnya dilakukan setelah solusi
optimum diperoleh. Analisis ini dilakukan untuk melihat seberapa sensitif solusi yang
diperoleh terhadap tambahan-tambahan tertentu pada model yang lama. Analisis
sensitivitas memberikan sifat dinamis pada model sehingga memungkinkan kita untuk
memeriksa perubahan-perubahan pada solusi optimum yang dapat terjadi akibat adanya
perubahan-perubahan pada data model sebelumnya.

Masalah Sensitivitas 1
a. Berapa banyak sumber daya pada kendala dapat ditambah untuk memperbaiki nilai
optimum dari fungsi objektif Z ?
b. Berapa banyak sumber daya pada kendala dapat dikurangi tanpa mengubah nilai
optimum fungsi objektif yang telah diperoleh ?

Karena tingkat ketersediaan sumber daya umumnya ditentukan oleh sisi kanan kendala,
maka analisis sensitivitas 1 ini sering disebut sebagai analisis sensitivitas sisi kanan.
Sebelum melangkah lebih jauh, ada baiknya kita mengenal apa yang disebut dengan
kendala terikat (binding constraint) dan kendala tidak terikat (non-binding constraint).
Kendala yang terikat adalah kendala yang melalui titik optimum; kendala ini biasanya
berhubungan dengan sumber daya yang langka (scarce resource). Sedangkan kendala
yang tidak terikat adalah kendala yang tidak melalui titik optimum; biasanya kendala ini
berhubungan dengan sumber daya yang berlebih (abundant resource).

Analisis sensitivitas sisi kanan akan menentukan hal-hal berikut :


a. Berapa banyak sumber daya yang langka dapat ditambah sehingga dapat
memperbaiki solusi optimum?
b. Berapa banyak sumber daya yang berlebih dapat dikurangi tanpa mengubah solusi
optimum yang telah dicapai ?

Pada permasalahan perusahaan cat RM, kendala (1) dan (2) merupakan kendala yang
terbatas karena melewati titik optimum C. Jika persediaan bahan baku A bertambah, ruas
garis CD bergerak sejajar ke kanan sehingga membentuk segitiga CDK.

Pada saat titik K tercapai, kendala (2) dan (4) menjadi kendala yang terikat, sehingga
solusi optimum berpindah ke titik K dan ruang solusi menjadi ABKEF. Di titik K ini
kendala (1) menjadi hampir berlebih dan jika ketersediaan bahan baku A ditambahkan
lagi maka akan menjadi berlebih, sedangkan titik optimum tetaplah titik K. Jadi
penambahan ketersediaan bahan baku A sampai melebihi titik K adalah sia-sia. Jadi
bahan baku A boleh bertambah sampai batas bahan baku A tersebut menjadi hampir
berlebih, yaitu pada perpotongan garis kendala (2) dan (4).

2XE + XI = 8 (2)
XI = 2 (4)

7
XI

C (3 1/3, 1 1/3); Z = 12 1/3


K (3,2) ; Z = 13

(4)
(3) K
E D (1)
C
F Bahan A = 7 ton
(5) (2)
Bahan A = 6 ton
A B XE
(6)

Diperoleh nilai XE dan XI masing-masing 3 ton dan 2 ton. Jika nilai XE dan XI ini
disubstitusikan pada sisi kiri kendala (1), maka diperoleh ketersediaan maksimum bahan
baku A sebesar XE + 2XI = 7 ton.

Sekarang akan dilihat kasus penambahan ketersediaan bahan baku B. Jika persediaan
bahan baku B ditambah, maka ruas garis CB akan bergerak sejajar ke kanan sehingga
solusi optimum baru tercapai pada titik J yang merupakan perpotongan antara kendala (1)
dan (6). Jadi bahan baku B dapat ditambah sampai 12 ton dengan total penghasilan
sebesar 18 ribu dollar.

Sekarang akan ditentukan batas pengurangan sumber daya yang berlebih (kendala tidak
terikat) sehingga solusi optimum yang telah diperoleh tidak berubah. Kendala (4)
menyatakan batas maksimum permintaan cat interior. Garis ED dapat digeser turun
sampai melewati titik optimum C tanpa mengubah solusi optimum. Jadi batas maksimum
permintaan cat interior dapat dikurangi hingga XI = 1 1/3 ton tanpa mengubah solusi
optimum di titik C.

Kendala (3) menyatakan hubungan antara cat interior dan cat eksterior. Sisi kanan
kendala (3) dapat dikurangi sehingga garis EF bergeser sampai melalui titik C. Hal ini
menyebabkan sisi kanan kendala (3) menjadi :

-XE + XI = (-3 1/3) + (1 1/3) = -2 atau -XE + XI -2

8
Jadi solusi optimum di titik C tidak akan berubah jika selisih penjualan cat eksterior dan
cat interior adalah 2 ton atau lebih.

XI

C (3 1/3, 1 1/3); Z = 12 1/3


J (6,0); Z = 18

Bahan B = 8 ton
(4) Bahan B = 12 ton
(3) D

E D (1)
F
C
F
(5) (2)
A B XE
(6) J

Sumber daya Jenis Perubahan maksimum Perubahan maksimum


(dalam ton) pada pendapatan
1 Terbatas 7-6 = 1 13 - 12 2/3 = 1/3
2 Terbatas 12-8 = 4 18 - 12 2/3 = 5 1/3
3 Berlebih -2-1 = -3 12 2/3 - 12 2/3 = 0
4 Berlebih 1 1/3 - 2 = -2/3 12 2/3 - 12 2/3 = 0

Masalah Sensitivitas 2
Sumber daya manakah yang harus ditambah?

Misalkan yi adalah besar manfaat (nilai) untuk setiap tambahan 1 unit sumber daya
terbatas.
perubahan maksimum dalam nilai Z
yi
penambahan maksimum sumber daya i yang diperboleh kan

9
Sumber daya Jenis yi (ribu dollar/ton)
1 Terbatas y1 =(1/3)/1 = 1/3
2 Terbatas y2 =( 5 1/3)/4 = 4/3
3 Berlebih y3 = 0
4 Berlebih y4 = 0

Dari tabel di atas terlihat bahwa bahan baku B harus mendapat prioritas pertama untuk
ditingkatkan jumlahnya, baru kemudian bahan bahu A. Untuk sumber daya yang
berlebih, jumlahnya tidak perlu ditingkatkan karena tidak akan memberikan tambahan
manfaat.

Masalah Sensitivitas 3
Berapa banyak perubahan yang dijinkan pada koefisien fungsi objektif ?

Perubahan pada koefisien fungsi objektif hanya akan mengubah kemiringan dari garis
yang menyatakan fungsi objektif tersebut. Perubahan kemiringan ini akan mengubah titik
sudut ruang solusi yang akan menjadi solusi optimum. Jadi perubahan koefisien fungsi
objektif akan mengubah kendala-kendala yang terikat dan tak terikat, atau akan
mengubah status sumber daya.

Analisis sensitivitas yang akan dilakukan berupa :


a. Berapa banyak suatu koefisien fungsi objektif dapat diubah tanpa mengubah solusi
optimal ?
b. Berapa banyak sebuah koefisien fungsi objektif harus diubah untuk mengubah status
sumber daya tertentu ?

Pada permasalahan perusahaan cat RM, fungsi objektifnya adalah sebagai berikut :

Z = CEXE + CIXI

dengan CE : harga jual cat eksterior per ton


CI : harga jual cat interior per ton

Persamaan di atas dapat dituliskan sebagai berikut :

CE 1
XI XE Z
CI CI

Jika nilai CE bertambah atau CI berkurang, maka garis persamaan objektif di atas akan
berotasi di titik C searah dengan jarum jam. Sebaliknya jika nilai CE berkurang atau CI
bertambah, maka garis tadi akan berotasi di titik C berlawanan arah dengan jarum jam.

10
XI

Titik C tetap menjadi titik


optimum jika kemiringan garis
persamaan fungsi objektif Z
CE berkurang / CI bertambah berada di antara kemiringan garis
kendala (1) dan (2).

(4)
(3) D

E D (1)
F
C
F
(5) (2)
A B XE
(6) J
CE bertambah / CI berkurang

Jika kemiringan garis fungsi objektif Z sama dengan kemiringan garis kendala (1), maka
solusi optimumnya adalah semua titik pada ruas garis CD. Tetapi jika kemiringan garis
fungsi objektif Z sama dengan kemiringan garis kendala (2), maka solusi optimumnya
adalah semua titik pada ruas garis BC.

Jadi kemiringan garis fungsi objektif Z, yakni CE/CI haruslah terletak di antara
kemiringan garis kendala (1) yaitu 0.5 dan kemiringan garis kendala (2) yaitu 2. Sehingga
diperoleh

0.5 < CE/CI < 2

Untuk suatu nilai CI tertentu, misalnya 2 maka kita peroleh

0.5 < CE/2 < 2 atau 1 < CE < 4

Jadi untuk nilai CI =2, jika nilai CE terletak antara 1 dan 4, maka solusi optimum tetap
pada titik C. Jika CE < 1, maka titik optimum berpindah ke titik D dan jika CE > 4 maka
titik optimum berpindah ke titik B sehingga kendala (2) menjadi tidak terikat dan
sebaliknya kendala (4) menjadi terikat. Dengan perkataan lain, jika harga jual cat
eksterior mengalami penurunan sampai di bawah US$1000/ton, maka akan lebih
menguntungkan untuk memproduksi cat interior sampai batas maksimumnya yaitu 2 ton
(XI = 2 ton). Pada titik D ini nilai XE = 2 ton, sehingga diperoleh:

11
Penggunaan bahan baku A : XE + 2 XI = 6 ton
Penggunaan bahan baku B : 2XE + XI = 6 ton
Persediaan bahan baku A per hari : 6 ton
Persediaan bahan baku B per hari : 8 ton

Jadi dalam hal ini bahan baku A akan habis terpakai sedangkan bahan baku B akan
berlebih.

1.6. Soal-soal latihan

1. Suatu perusahaan memproduksi dua macam produk, A dan B. Volume penjualan


produk A paling sedikit 60% dari total penjualan kedua jenis produk tersebut. Kedua
produk menggunakan bahan baku yang sama yang ketersediaannya setiap hari
dibatasi sampai 100 kg. Produk A dan B menggunakan bahan baku masing-masing
sebesar 2 kg/unit dan 4 kg/unit. Harga jual per unit produk A dan B masing-masing
Rp. 20.000 dan Rp. 40.000. Tentukan alokasi bahan baku yang optimal untuk kedua
produk tersebut.

2. Suatu perusahaan memproduksi dua tipe topi koboi. Setiap topi tipe pertama
memerlukan waktu pengerjaan dua kali dibandingkan setiap topi tipe kedua. Jika
semua topi yang diproduksi adalah tipe kedua, perusahaan dapat memproduksi total
500 topi per hari. Pasar membatasi penjualan harian dari tipe pertama dan kedua
masing-masing 150 dan 200 topi. Jika keuntungan per topi tipe pertama dan kedua
masing-masing Rp. 8000 dan Rp. 5000, tentukan jumlah topi dari masing-masing tipe
yang harus diproduksi untuk memaksimumkan keuntungan.

3. Untuk keperluan survai pesawat telepon, suatu grup riset pemasaran perlu
menghubungi minimal 150 isteri-isteri, 120 suami-suami, 100 pria dewasa (belum
menikah) dan 110 wanita dewasa (belum menikah). Biaya telepon pada siang hari
sebesar Rp. 200/sekali telepon dan pada malam hari sebesar Rp. 500/sekali telepon.
Data-data lainnya diberikan pada tabel di bawah ini. Karena keterbatasan staf, paling
banyak setengah dari semua sambungan telepon yang dilakukan, dilaksanakan pada
malam hari. Formulasikan suatu LP yang meminimumkan biaya telepon untuk
keperluan survai di atas.

Status Responden Prosentase telepon pada Prosentase telepon pada


siang hari malam hari
Isteri 30 30
Suami 10 30
Pria dewasa 10 15
Wanita dewasa 10 20
Lain-lain 40 5

12
4. Tentukan ruang solusi secara grafis dari pertaksamaan berikut.

x1 x 2 4
4 x1 3x 2 12
x1 x 2 1
x1 x 2 6
x1 , x 2 0

Kendala manakah yang berlebih ? Kurangi kendala sampai jumlah minimum yang
akan mendefinisikan ruang solusi yang sama.

5. Suatu perusahaan akan mengiklankan produknya melalui radio dan TV dan memiliki
anggaran untuk iklan maksimum $10,000 per bulan. Biaya iklan per menit di radio dan
TV masing-masing sebesar $15 dan $300. Perusahaan tersebut ingin beriklan di radio
sedikitnya dua kali lebih banyak dibandingkan di TV. Perusahaan membatasi iklan di
radio tidak lebih dari 400 menit per bulan. Berdasarkan pengalaman, beriklan di TV
dua puluh lima kali lebih efektif dibandingkan beriklan di radio. Tentukan alokasi
optimum dari anggaran iklan untuk beriklan di radio dan TV.

6. Dua produk diproduksi dengan melewati tiga mesin secara berurutan. Waktu setiap
mesin yang di alokasikan untuk kedua produk itu dibatasi sampai 10 jam. Waktu
produksi dan keuntungan tiap unit dari setiap produk adalah sebagai berikut. Tentukan
solusi yang optimal untuk kedua produk tersebut.

Produk Menit/unit Keuntungan


Mesin 1 Mesin 2 Mesin 3
1 10 6 8 Rp.2.000
2 5 20 15 Rp.3.000

7. Sebuah bank mengalokasikan maksimum Rp. 20.000.000 untuk kredit mobil dan
perorangan. Bank mengenakan bunga 14% per tahun untuk kredit perorangan dan
12% per tahun untuk kredit mobil. Kedua jenis kredit tersebut akan dibayar kembali
setelah 1 tahun. Jumlah kredit mobil haruslah paling sedikit dua kali kredit
perorangan. Pengalaman menunjukkan bahwa piutang yang tidak dapat tertagih adalah
sebesar 1% dari semua kredit perorangan. Bagaimana bank tersebut mengalokasikan
dananya?

8. Kota A dan B masing-masing menghasilkan sampah sebesar 500 ton dan 400 ton per
hari. Sampah-sampah ini harus dibakar di tempat pembakaran sampah C dan D.
Masing-masing tempat pembakaran sampah dapat memproses sampah-sampah itu
sampai 500 ton per hari. Biaya untuk membakar sampah per ton di C dan D adalah
sebesar Rp. 40.000 dan Rp. 30.000. Untuk setiap ton sampah yang dibakar akan
dihasilkan 0.2 ton sisa pembakaran, yang harus dibuang di salah satu dari dua tempat
pembuangan yang tersedia. Setiap tempat pembuangan dapat menerima paling banyak
200 ton sisa pembakaran setiap harinya. Diperlukan sebesar Rp. 3.000/km untuk
mengangkut satu ton bahan (sampah atau sisa pembakaran). Jarak (dalam km) antar

13
lokasi diberikan oleh tabel di bawah ini. Formulasikan suatu LP yang dapat digunakan
untuk meminimumkan biaya total untuk sampah-sampah di kota A dan B.

Tempat pembakaran C Tempat pembakaran D


Kota A 30 5
Kota B 36 42
Tempat pembuangan 1 Tempat pembuangan 2
Tempat pembakaran C 5 8
Tempat pembakaran D 9 6

9. Seseorang ingin menginvestasikan sejumlah uang yang dapat memberikan hasil


tahunan sedikitnya Rp. 10.000.000. Ada dua macam saham yang tersedia untuk
investasi yaitu saham A dan saham B dengan rata-rata hasil tahunan masing-masing
10% dan 25%. Meskipun saham B memberikan hasil yang lebih besar, tetapi
resikonya juga besar. Untuk itu orang tersebut membatasi jumlah yang
diinvestasikan ke saham B tidak lebih dari 60% investasi keseluruhan. Tentukan
jumlah minimum yang harus diinvestasikan ke saham A dan saham B untuk
memenuhi tujuan investasi di atas.

10. Dalam suatu universitas, diperlukan pekerja honorer untuk membantu tugas-tugas
administrasi. Jumlah minimum pekerja honorer yang dibutuhkan berfluktuasi selama
jam kerja (08.00 17.00) dan diberikan pada tabel berikut:

Jam 8.00-10.00 10.01-11.00 11.01-13.00 13.01-17.00


Jumlah pekerja honorer 2 3 4 3

Setiap pekerja honorer dialokasikan untuk bekerja selama tiga jam berturut-turut
(kecuali yang mulai bekerja pk. 15.01 dan 16.01 masing-masing hanya bekerja
selama 2 jam dan 1 jam). Karena jadwal yang fleksibel, pekerja honorer dapat mulai
bekerja pada jam berapa saja, tetapi tidak ada yang mau untuk mulai bekerja pada
jam makan siang (12.00). Tentukan jumlah minimum pekerja honorer yang
diperlukan dan pada jam-jam berapa saja mereka harus mulai bekerja.

11. Seorang pejudi bermain suatu permainan yang mengharuskannya untuk membagi
uang taruhan di antara 4 pilihan. Permainan ini memiliki 3 keluaran dan tabel berikut
memberikan nilai keuntungan dan kerugian per dollar untuk setiap alternatif
keluaran.

Hasil per dollar untuk setiap pilihan


Keluaran 1 2 3 4
1 -3 4 -7 15
2 5 -3 9 4
3 3 9 10 -8

Pejudi tersebut memiliki $500 yang hanya dapat dimainkan satu kali. Keluaran dari
permainan ini tidak diketahui sebelumnya. Karena ketidakpastian ini, strategi yang

14
digunakan pejudi ini adalah memaksimumkan minimum hasil yang diperoleh dari
ketiga alternatif keluaran. Bagaiamana mengalokasikan $500 di antara keempat
pilihan tersebut ? (Petunjuk: Hasil bersih dari permainan ini dapat positif, nol atau
negatif).

12. Seseorang memiliki dua pilihan untuk menginvestasikan uangnya yaitu melalui
strategi A dan strategi B. Strategi A menjamin bahwa untuk setiap dollar yang
diinvestasikan akan memberikan hasil $0.7 satu tahun kemudian sedangkan strategi
B akan memberikan hasil sebesar $2 setelah dua tahun. Pada strategi A, investasi
dapat dilakukan setiap tahun sedangan pada strategi B investasi hanya dapat
dilakukan untuk jangka waktu kelipatan 2 tahun. Bagaimana orang tersebut
menginvestasikan sejumlah $100,000 untuk memaksimumkan hasil yang akan
diperoleh pada akhir tahun ketiga?

13. Empat buah produk diproses secara sekuensial pada tiga mesin. Data-data untuk
masalah ini diberikan dalam tabel berikut:

Waktu produksi (jam) per unit


Mesin Biaya/jam Produk Produk Produk Produk Kapasitas
($) 1 2 3 4 (jam)
1 10 2 3 4 2 500
2 5 3 2 1 2 380
3 4 7 3 2 1 450
Harga jual per 75 70 55 45
unit ($)

Formulasikan masalah di atas sebagai suatu model LP.

15
16
2 Metode Simpleks
Dalam bagian ini akan dibahas secara mendalam algoritma simpleks, suatu metode
aljabar yang dapat menyelesaikan persoalan LP. Solusi dari metode simpleks juga
memberikan interpretasi ekonomis dan hasil analisis sensitivitasnya serupa dengan hasil
yang telah diperoleh pada bab sebelumnya.

2.1. Ide dasar metode simpleks

Metode grafis yang telah dibahas sebelum ini menunjukkan bahwa umumnya solusi
optimum dari LP terletak pada titik-titik sudut atau titik-titik ekstrem dari ruang solusi.
Ide ini mendasari pengembangan dari metode simpleks. Secara umum, metode simpleks
akan menyatakan definisi titik ekstrem secara geometris ke dalam definisi secara aljabar.

Bagaimana metode simpleks mengidentifikasikan titik-titik ekstrem tersebut secara


aljabar? Sebagai langkah awal, metode simpleks mensyaratkan setiap kendala dituliskan
ke dalam bentuk standar, dimana semua kendala dinyatakan sebagai suatu persamaan
dengan melibatkan slack variable atau surplus variable. Konversi ini akan menghasilkan
suatu kumpulan persamaan dengan jumlah variabel melebihi jumlah persamaan. Ini
berarti bahwa persamaan-persamaan itu akan menghasilkan tak hingga banyak titik-titik
solusi. Titik-titik ini secara aljabar disebut sebagai solusi-solusi dasar (basic solutions).

Metode simpleks mula-mula mengidentifikasikan suatu solusi dasar awal untuk


kemudian berpindah secara sistematis ke solusi dasar yang lain yang berpotensi untuk
memperbaiki nilai fungsi objektif. Proses perhitungan akan berakhir ketika solusi dasar
yang berhubungan dengan titik optimum dapat diidentifikasi.

2.2. Pengembangan metode simpleks

Metode simpleks dimulai dengan konstruksi bentuk standar yang diperlukan untuk
merepresentasikan ruang solusi LP dari suatu sistem persamaan linear. Lebih lanjut akan
ditunjukkan bagaimana solusi dasar berikutnya akan ditentukan secara selektif agar solusi
optimum dapat dicapai dalam sejumlah hingga iterasi.

2.2.1. Bentuk LP standar

Bentuk LP standar memiliki karakteristik sebagai berikut :


a. Semua kendala adalah persamaan (dengan sisi kanan non-negatif jika model akan
diselesaikan dengan metode simpleks primal).
b. Semua variabelnya non-negatif.
c. Fungsi objektif dapat berupa maksimasi atau minimasi.

Karakteristik kedua (b) sangatlah penting untuk pengembangan metode simpleks (dual
atau primal).

17
2.2.2. Kendala

a. Pada kendala dengan tanda , ruas kanan dapat dianggap sebagai representasi batasan
ketersediaan sumber daya dan ruas kiri menyatakan penggunaan sumber daya yang
terbatas tersebut oleh aktivitas (variabel) dalam model. Selisih antara ruas kanan dan
ruas kiri pada kendala dengan tanda menyatakan jumlah jumber daya yang tidak
digunakan (unused/slack). Kendala dengan tanda memberikan batas bawah pada
aktivitas dari model LP sehingga selisih antara ruas kiri dan ruas kanan menyatakan
suatu surplus.

Kendala dengan tanda ( ) dapat diubah menjadi bentuk persamaan dengan


menambahkan slack variable (mengurangi dengan surplus variable) pada sisi kiri
kendala.

Contoh 1: X1 + 2X2 6

Jika ditambahkan slack variable S1 0 pada sisi kiri akan diperoleh

X1 + 2X2 + S1 = 6

Untuk kendala 3X1 + X2 - 4X3 7, sisi kiri dikurangi dengan surplus variable S2 0
sehingga diperoleh

3X1 + X2 - 4X3 - S2 = 7

b. Sisi kanan kendala selalu dapat dibuat menjadi nonnegatif dengan cara mengalikan
kedua sisi dengan -1, tetapi hal ini akan membuat tanda ketaksamaan < berubah
menjadi > atau sebaliknya.

Contoh 2 : 2X1 - X2 + 3X3 = 4 ekivalen dengan -2X1 + X2 - 3X3 = -4


X1 - X2 -1 ekivalen dengan -X1 + X2 1

2.2.3. Variabel

Variabel tak terbatas Yi dalam dinyatakan sebagai selisih dari dua variabel nonnegatif
dengan menggunakan substitusi :

Yi Yi' Yi'' , dengan Yi' , Yi'' 0

Substitusi ini haruslah dilakukan pada seluruh kendala dan juga pada fungsi objektif.

18
2.2.4. Fungsi objektif

Meskipun bentuk standar LP adalah maksimasi atau minimasi, seringkali akan lebih
berguna mengubah bentuk maksimasi menjadi minimasi atau sebaliknya. Maksimasi
suatu fungsi adalah sama dengan minimasi dari nilai negatif fungsi yang sama.

Contoh 3: Maksimasi fungsi Z = 8X1 + 2X2 + 4X3 secara matematis sama dengan
minimasi (-Z) = -8X1 - 2X2 - 4X3

Pengertian sama disini berarti bahwa untuk sekumpulan kendala yang sama, nilai
optimum X1, X2, X3 adalah sama untuk kedua kasus. Perbedaannya terletak pada nilai
fungsi objektif, yang walaupun sama secara numerik, akan muncul dengan tanda yang
berlawanan.

Contoh 4: Tuliskan masalah LP berikut ke dalam bentuk standar.

Minimumkan Z = 4X1 + 2X2


dengan kendala:
X1 + 2X2 = 8
-3X1 - 3X2 -6
6X1 - 2X2 7
X1 tak terbatas
X2 0

Perubahan-perubahan berikut haruslah dilakukan pada model di atas.


Tambahkan slack variable S1 0 pada sisi kiri kendala kedua.
Kalikan kedua ruas pada kendala kedua dengan -1.
Tambahkan slack variable S2 0 pada sisi kiri kendala ketiga.
Substitusikan pada setiap kendala dan fungsi objektif
X i X i' X i'' , dengan X i' , X i'' 0

Diperoleh bentuk standarnya sebagai berikut:

Minimumkan Z 4X1' 4 X 2'' 2 X 2


dengan kendala : X 1' X 1'' 2 X 2 8
3 X 1' 3 X 1'' 3 X 2 S1 6

6 X 1' 6 X 1'' 2 X 2 S2 7

X 1' , X 1'' , X 2 , S1 .S 2 0

2.3. Solusi dasar

Misalkan suatu model LP standar memiliki m persamaan dan n variabel tak diketahui.
Solusi dasar ditentukan dengan memberikan nilai nol kepada n-m variabel kemudian

19
menyelesaikan m persamaan dari m variabel yang tersisa dengan syarat solusinya ada dan
unik.

Perhatikan sistem persamaan berikut :

2X1 + X2 + 4X3 + X4 = 2
X1 + 2X2+ 2X3 + X4 = 3

Disini kita memiliki m = 2 dan n = 4. Suatu solusi dasar berkaitan dengan n - m = 4-2 = 2
variabel yang bernilai nol. Hal ini berarti bahwa sistem persamaan di atas dapat memiliki
n! 4!
C mn 6
m!(n m)! 2!2!

solusi dasar yang "mungkin". Dikatakan "mungkin" karena beberapa kombinasi tidak
dapat menghasilkan solusi dasar sama sekali. Sebagai contoh, kombinasi X2 = X4 = 0
akan memberikan :

2X1 + 4X3 = 2
X1 + 2X3 = 3

Kedua persamaan di atas tidaklah memiliki solusi. Jadi X1 dan X3 tidak dapat memben-
tuk suatu solusi dasar yang berkaitan dengan suatu titik ekstrem. Jika diambil X3 = X4 = 0
maka diperoleh persamaan berikut :

2X1 + X2 = 2
X1 + 2X2 = 3

Diperoleh X1 = 1/3 , X2 = 4/3 dan bersama dengan X3 = X4 = 0 merupakan solusi dasar


sehingga merupakan titik ekstrem dari ruang solusi LP.

Di dalam LP, n - m variabel yang diberi nilai nol disebut variabel bukan dasar (non basic
variable) sedang m variabel yang tersisa disebut variabel dasar (basic variable) [dengan
syarat terdapat solusi yang unik, yang disebut solusi dasar]. Solusi dasar haruslah
berkaitan dengan titik sudut dari ruang solusi. Suatu solusi dasar disebut fisibel jika
semua nilai variabelnya adalah non-negatif. Pada contoh di atas (X1 = 1/3 , X2 = 4/3, X3 =
0, X4 = 0) merupakan solusi dasar yang fisibel (basic feasible solution). Untuk kasus
solusi dasar yang tidak fisibel, ambillah variabel bukan dasar X1 = X2 = 0 pada contoh di
atas, sehingga diperoleh :

4X3 + X4 = 2
2X3 + X4 = 3

Solusi dasar (X1 = 0 , X2 = 0, X3 = -1/2, X4 = 4) tidaklah fisibel (infisibel) karena nilai X3


adalah negatif.

20
2.4. Metode simpleks primal

Metode simpleks primal diawali dengan suatu solusi dasar fisibel (titik ekstrem) untuk
kemudian beriterasi ke solusi dasar fisibel berikutnya sampai dicapai nilai optimum.
Sekarang akan dilihat penerapan proses ini pada permasalahan perusahaan cat RM.

Bentuk standar dari permasalahan perusahaan cat RM adalah sebagai berikut:

Maksimumkan Z = 3 XE + 2 XI + 0 S1 + 0 S2 + 0 S3 + 0 S4
dengan kendala :
XE + 2XI + S1 =6
2XE + XI + S2 =8
- XE + XI + S3 =1
XI + S4 = 2
XE , XI , S1 , S2 , S3 , S4 0

Model di atas memiliki 4 persamaan dan 6 variabel tidak diketahui. Umumnya formulasi
standar LP memiliki m persamaan dan n variabel tak diketahui dengan m < n. Dalam
menentukan titik sudut dan ruang solusi secara langsung dari bentuk standar, dapat
diamati bahwa secara geometri titik sudut diperoleh dari perpotongan bidang batas dari
ruang solusi.

XI

Titik A memiliki XE = XI = 0 dan mem-


berikan S1=6, S2=8, S3=1, S4=2.

Titik B memiliki S2 = XI = 0 dan mem-


berikan XE=4, S1=2, S3=5, S4=2.

(4)
(3) D

E D (1)
F
C
F
(5) (2)
A B XE
(6)

21
Perhatikan tabel di bawah ini :

Titik Sudut Variabel bukan dasar Variabel dasar


A XE , XI S1 , S2 , S3 , S4
B X I , S2 XE , S1 , S3 , S4

Pergerakan dari A ke B sebenarnya dapat diperoleh dengan menukar dua variabel yaitu
XE dan S2. XE yang semula di A merupakan variabel bukan dasar ditukar dengan S2 yang
merupakan variabel dasar sehingga di B, XE menjadi variabel dasar sedangkan S2
menjadi variabel bukan dasar.

Pertukaran dari variabel dasar dan variabel bukan dasar ini memberikan dua istilah baru
yaitu variabel yang masuk (entering variable) dan variabel yang keluar (leaving
variable). Variabel yang masuk adalah variabel yang sekarang merupakan variabel bukan
dasar yang akan masuk menjadi variabel dasar pada iterasi berikutnya. Variabel yang
keluar adalah variabel yang sekarang merupakan variabel dasar dan akan keluar dari
kumpulan variabel dasar menjadi variabel bukan dasar pada iterasi berikutnya.

Langkah-langkah dari metode simpleks adalah sebagai berikut:


1. Dengan menggunakan LP bentuk standar, tentukanlah solusi dasar fisibel awal
dengan memberikan nilai nol pada (n-m) variabel bukan dasar.
2. Tentukan variabel yang masuk dari kumpulan variabel bukan dasar yang sekarang
ada sehingga ketika nilainya ditingkatkan menjadi di atas nol akan memperbaiki nilai
fungsi objektif. Jika tidak ada, maka solusi dasar yang sekarang sudah optimal. Jika
ada, lanjutkan ke langkah 3.
3. Pilihlah variabel yang akan keluar di antara variabel-variabel dasar yang nilainya
harus dijadikan nol (menjadi variabel bukan dasar) ketika variabel yang masuk
menjadi variabel dasar.
4. Tentukanlah solusi dasar yang baru dengan membuat variabel yang masuk sebagai
variabel dasar dan variabel yang keluar sebagai variabel bukan dasar. Kembali ke
langkah 2.

Pada persoalan perusahaan cat RM :

Fungsi objektif Z - 3 XE - 2 XI = 0
dengan kendala:
XE + 2XI + S1 =6
2XE + XI + S2 =8
- XE + XI + S3 =1
XI + S4 = 2
XE , XI , S1 , S2 , S3 , S4 0

Solusi awal ditentukan dari persamaan kendala dengan memberikan nilai nol pada dua (6-
4) variabel sehingga solusi yang dihasilkan untuk keempat variabel lainnya unik dan
fisibel. Dengan mengambil XE = XI = 0 akan diperoleh S1=6, S2=8, S3=1, S4=2 (titik A).
Kita gunakan solusi ini sebagai solusi fisibel awal dengan nilai Z = 0. Sebagai hasilnya,

22
dengan mengubah fungsi objektif sehingga sisi kanannya sama dengan nol, terlihat
bahwa sisi kanan fungsi objektif dan kendala secara otomatis memberikan solusi awal
yang lengkap. Hal ini berlaku umum jika solusi awal terdiri dari slack variable
seluruhnya.

Perhatikan tabel berikut :

Dasar Z XE XI S1 S2 S3 S4 Solusi
Z 1 -3 -2 0 0 0 0 0Z
S1 0 1 2 1 0 0 0 6 persamaan S1
S2 0 2 1 0 1 0 0 8 persamaan S2
S3 0 -1 1 0 0 1 0 1 persamaan S3
S4 0 0 1 0 0 0 1 2 persamaan S4

Kolom dasar menyatakan variabel-variabel yang sekarang merupakan variabel dasar


yaitu S1 , S2 , S3 , S4 dengan nilai diberikan pada kolom solusi. Secara implisit hal ini
berarti bahwa variabel-variabel yang tidak ada pada kolom dasar yaitu XE dan XI
merupakan variabel bukan dasar, yang nilainya nol.

Bagaimana kita dapat mengetahui solusi ini optimum atau tidak ?


Dengan memeriksa persamaan (baris) Z terlihat bahwa variabel yang sekarang nilainya
nol, yaitu XE dan XI keduanya memiliki koefisien yang negatif, yang berarti memiliki
koefisien yang positif pada fungsi objektif semula. Karena permasalahan kita adalah
maksimasi Z, maka nilai Z ini dapat diperbesar dengan meningkatkan nilai XE dan XI di
atas nilai nol. Umumnya dipilih variabel dengan nilai koefisien paling negatif (pada baris
Z) untuk ditingkatkan nilainya karena cara ini akan lebih cepat memberikan solusi
optimum.

Dua kondisi yang perlu diperhatikan dalam metode simpleks ini adalah:
1. Kondisi optimal
Dalam kasus maksimasi, jika semua variabel bukan dasar memiliki koefisien tak
negatif dalam persamaan Z pada tabel simpleks maka solusi tersebut sudah optimum.
Jika tidak, variabel bukan dasar dengan koefisien paling negatif pada persamaan Z
akan menjadi entering variable. Pada tabel di atas XE menjadi entering variable dan
salah satu dari variabel bukan dasar S1 , S2 , S3 , S4 akan menjadi leaving variable
berdasarkan kondisi fisibel di bawah ini.
Pada masalah minimasi, entering variable adalah variabel bukan dasar dengan
koefisien paling positif pada baris Z.
2. Kondisi fisibel
Kondisi fisibel digunakan untuk menentukan variabel dasar mana yang akan menjadi
leaving variable (menjadi nol nilainya) ketika entering variable mencapai nilai
maksimumnya (ketika menjadi variabel dasar pada titik sudut berikutnya). Hal ini
berkaitan dengan rasio non negatif yang paling kecil dan berlaku untuk kasus
minimasi atau maksimasi.

23
Pada permasalahan perusahaan cat RM di atas, nilai XE maksimum yang fisibel adalah
perpotongan terpendek yang bernilai positif dengan sumbu XE. Secara aljabar hal ini
dapat diperoleh dari rasio non negatif dari sisi kanan persamaan kendala dengan
koefisien dari entering variable XE.

Jika koefisien XE adalah negatif maka kendala tersebut tidak memotong sumbu XE pada
arah yang positif seperti tampak pada gambar di bawah ini. Pada kendala (3), koefisien
XE adalah negatif sehingga perpotongannya dengan sumbu XE terjadi pada arah yang
negatif.

Jika koefisien XE = 0 seperti pada kendala (4) maka tidak ada perpotongan dengan sumbu
XE. Sebaliknya jika koefisien XE positif seperti pada kendala (1) dan (2) maka terjadi
perpotongan dengan sumbu XE dalam arah yang positif, masing-masing pada XE = 6/1= 6
(titik J) dan XE = 8/2 = 4 (titik B). Nilai XE haruslah bertambah dari 0 (titik A) menjadi 4
(titik B), yang merupakan perpotongan non negatif terpendek dengan sumbu XE.
Pertambahan yang melebihi 4 (XE > 4, di sebelah kanan titik B) adalah tidak fisibel
karena di luar daerah solusi ABCDEF.

Pada titik B ini nilai S2 akan menjadi nol sehingga S2 akan menjadi leaving variable
karena pada kendala (2) (kendala yang memberikan titik B) setelah dituliskan dalam
bentuk standar menjadi :

2XE + XI + S2 =8

Pada saat di titik A, nilai XE = XI = 0 sehingga diperoleh S2=8. Jika berpindah ke titik B
maka XI = 0, XE = 4 dan S2 = 0. Jadi S2 menjadi variabel bukan dasar dan menjadi
leaving variable.

Pengertian di atas akan diterapkan pada tabel simpleks. Pertama-tama ditentukan kolom
dari entering variable kemudian abaikan semua nilai nol atau negatif pada kolom
tersebut. Kemudian dihitung rasio sisi kanan persamaan (kolom solusi pada tabel
simpleks) dengan nilai pada kolom entering variable yang tidak diabaikan (yang positif).
Leaving variable adalah variabel yang nilai rasionya positif terkecil.

24
XI
(5)
8
Kendala :

XE + 2XI 6 (1)
2XE + XI 8 (2)
- XE + XI 1 (3)
(2) (3) XI 2 (4)
XE 0 (5)
XI 0 (6)

3 G
K (4)
2
H E D
1 C
F
(6)
J
A B XE
0 4 6
(1)

Dasar Z XE XI S1 S2 S3 S4 Solusi
Z 1 -3 -2 0 0 0 0 0 Rasio
S1 0 1 2 1 0 0 0 6 6/1=6
S2 0 2 1 0 1 0 0 8 8/2=4
S3 0 -1 1 0 0 1 0 1 -
S4 0 0 1 0 0 0 1 2 -

Nilai yang terletak pada perpotongan kolom XE dan baris S2 (angka 2) disebut sebagai
elemen pivot.

Setelah menentukan variabel yang masuk dan keluar menggunakan kondisi optimal dan
fisibel, iterasi berikutnya untuk mendapatkan solusi dasar yang baru dilakukan dengan
menggunakan metode Gauss-Jordan sebagai berikut :

1. Gantikan leaving variable pada kolom dasar dengan entering variable. Kemudian,
tentukan persamaan pivot yang baru dengan cara membagi persamaan pivot yang
sekarang dengan nilai elemen pivot.

25
Dasar Z XE XI S1 S2 S3 S4 Solusi
Z
S1
XE 0 1 1/2 0 1/2 0 0 4
S3
S4

2. Untuk semua persamaan yang lain termasuk Z, tentukanlah persamaan yang baru
dengan aturan sebagai berikut:
Persamaan baru = persamaan lama -(koefisien kolom pivot x pers. pivot baru)

Dengan demikian semua elemen pada kolom entering menjadi nol kecuali elemen yang
merupakan elemen pivot baru yang bernilai 1.

Untuk persamaan Z:
Persamaan Z yang lama : 1 -3 -2 0 0 0 0 0
-(-3) x Pers.pivot baru : 0 3 3/2 0 3/2 0 0 12
Persamaan Z yang baru : 1 0 -1/2 0 3/2 0 0 12

Untuk persamaan S1:


Persamaan S1 yang lama : 0 1 2 1 0 0 0 6
-(1) x Pers.pivot baru : 0 -1 -1/2 0 -1/2 0 0 -4
Persamaan S1 yang baru : 0 0 3/2 1 -1/2 0 0 2

Untuk persamaan S3:


Persamaan S3 yang lama : 0 -1 1 0 0 1 0 1
-(-1) x Pers.pivot baru : 0 1 1/2 0 1/2 0 0 4
Persamaan S3 yang baru : 0 0 3/2 0 1/2 1 0 5

Untuk persamaan S4: tetap karena nilai koefisien pada kolom enteringnya adalah nol.
Tabel yang baru menjadi:

Dasar Z XE XI S1 S2 S3 S4 Solusi
Z 1 0 -1/2 0 3/2 0 0 12 Rasio
S1 0 0 3/2 1 -1/2 0 0 2 4/3
XE 0 1 1/2 0 1/2 0 0 4 8
S3 0 0 3/2 0 1/2 1 0 5 10/3
S4 0 0 1 0 0 0 1 2 2

Tabel ini memberikan solusi yang baru yaitu XE = 4 dan XI = 0 (titik B) dan nilai Z
berubah dari 0 menjadi 12. Pemeriksaan lebih lanjut pada tabel di atas menunjukkan
bahwa XI akan menjadi entering variable sebab memiliki koefisien paling negatif pada
persamaan Z yaitu -1/2 (kondisi optimal). Kondisi fisibel memberikan S1 sebagai leaving
variable sebab rasionya paling kecil yaitu 4/3.

26
Tabel simpleks yang baru adalah sebagai berikut :

Dasar Z XE XI S1 S2 S3 S4 Solusi
Z 1 0 0 1/3 4/3 0 0 12 2/3
XI 0 0 1 2/3 -1/3 0 0 4/3
XE 0 1 0 -1/3 2/3 0 0 10/3
S3 0 0 0 -1 1 1 0 3
S4 0 0 0 -2/3 1/3 0 1 2/3

Solusi baru memberikan XE = 10/3 dan XI = 4/3 (titik C) dengan nilai fungsi objektif
bertambah dari 12 menjadi 12 2/3. Ini berasal dari peningkatan XI dari nol menjadi 4/3.

Tabel terakhir ini telah memberikan hasil optimal karena tidak ada lagi variabel bukan
dasar dengan nilai non negatif. Untuk kasus minimasi, solusi optimum tercapai jika pada
baris Z tidak ada lagi variabel bukan dasar yang bernilai non positif.

Solusi Awal Buatan (Artificial Starting Solution)

Pada permasalahan perusahaan cat RM digunakan slack variable sebagai solusi fisibel
awal karena semua kendala pada awalnya berupa pertaksamaan . Tetapi jika kendala
awalnya tidak lagi semuanya berupa pertaksamaan ( = dan/atau ) maka kita tidak
dapat lagi memiliki solusi fisibel dasar awal yang dapat langsung digunakan.

Contoh 5: Minimasi Z = 4X1 + X2


dengan kendala:
3X1 + X2 = 3
4X1 + 3X2 6
X1 + 2X2 4
X1 , X2 0

Bentuk standar permasalahan di atas adalah :

Minimasi Z = 4X1 + X2
dengan kendala:
3X1 + X2 =3
4X1 + 3X2 - X3 =6
X1 + 2X2 + X4 =4
X1 , X2 , X3 , X4 0

Terdapat 3 persamaan dengan 4 variabel yang berarti bahwa satu variabel akan menjadi
variabel bukan dasar dengan nilai nol. Pada kasus ini kita tidak yakin bahwa dengan
memberi nilai nol pada sebuah variabel maka nilai variabel yang lain pasti tidak negatif.
Jadi dalam hal ini tidak dapat secara langsung diperoleh solusi dasar fisibel awal. Untuk
menangani hal ini digunakan variabel buatan (artificial variable) dengan
menambahkannya pada sisi kiri setiap persamaan yang tidak langsung memberikan
variabel dasar awal. Variabel buatan ini memiliki peran yang sama dengan slack variable

27
dalam memberikan variabel dasar awal tetapi nilainya harus menjadi nol pada saat
optimum tercapai, karena variabel buatan ini tidak memiliki arti fisis.

Dua macam metode yang dapat digunakan untuk menyelesaikan kasus seperti ini adalah :
1. Metode M (penalti)
2. Metode dua fase

2.5. Metode M

Pada persoalan di atas, bentuk standarnya adalah :

Minimasi Z = 4X1 + X2
dengan kendala:
3X1 + X2 =3 (1)
4X1 + 3X2 - X3 =6 (2)
X1 + 2X2 + X4 =4 (3)
X1 , X2 , X3 , X4 0

Kendala (1) dan (2) tidak memiliki variabel yang berperan sebagai slack variable, jadi
perlu ditambahkan 2 variabel buatan R1 dan R2 pada kendala-kendala tersebut sehingga
diperoleh:

3X1 + X2 + R1 =3 (1)
4X1 + 3X2 - X3 + R2 =6 (2)

Nilai R1 dan R2 ini dapat dipaksa menjadi nol pada fungsi objektif dengan memberikan
penalti yang sangat besar pada koefisien di fungsi objektif, misalnya M sehingga
persoalannya menjadi :

Minimasi Z = 4X1 + X2 + MR1 +MR2


dengan kendala:
3X1 + X2 + R1 =3 (1)
4X1 + 3X2 - X3 + R2 =6 (2)
X1 + 2X2 + X4 = 4 (3)
X1 , X2 , X3 , R1 , R2 , X4 0

Sekarang terdapat 3 persamaan dengan 6 variabel. Dengan memilih X1= X2= X3=0 maka
diperoleh R1 =3, R2 =6, X4=4 yang merupakan solusi fisibel awal yang diperlukan.
Setelah itu bentuk fungsi objektif dan kendala diubah agar sisi kanan secara otomatis
memberikan solusi awal. Hal ini dilakukan dengan menuliskan fungsi objektif Z sebagai
fungsi dari variabel-variabel bukan dasar (X1, X2, X3) dengan mensubstitusikan variabel-
variabel dasar dengan padanannya dalam variabel-variabel bukan dasar.

R1 = 3 - 3X1 - X2
R2 = 6 - 4X1 - 3X2 + X3

28
Fungsi objektif menjadi :

Z = 4X1 + X2 + MR1 +MR2


= 4X1 + X2 + M(3 - 3X1 - X2) + M(6 - 4X1 - 3X2 + X3)
= (4-7M) X1 + (1-4M) X2 + MX3 + 9M
atau
Z - (4-7M) X1 - (1-4M) X2 - MX3 = 9M

Tabel simpleksnya adalah sebagai berikut :

Iterasi Dasar X1 X2 X3 R1 R2 X4 Solusi


0 Z -4+7M -1+4M -M 0 0 0 9M
X1 masuk R1 3 1 0 1 0 0 3
R1 keluar R2 4 3 -1 0 1 0 6
X4 1 2 0 0 0 1 4
1 Z 0 (1+5M)/3 -M (4-7M)/3 0 0 4+2M
X2 masuk X1 1 1/3 0 1/3 0 0 1
R2 keluar R2 0 5/3 -1 -4/3 1 0 2
X4 0 5/3 0 -1/3 0 1 3
2 Z 0 0 1/5 8/5-M -1/5-M 0 18/5
X3 masuk X1 1 0 1/5 3/5 -1/5 0 3/5
X4 keluar X2 0 1 -3/5 -4/5 3/5 0 6/5
X4 0 0 1 1 -1 1 1
3 Z 0 0 0 7/5-M -M -1/5 17/5
optimum X1 1 0 0 2/5 0 -1/5 2/5
X2 0 1 0 -1/5 0 3/5 9/5
X3 0 0 1 1 -1 1 1

2.6. Metode dua fase

Dengan metode M dapat terjadi kesalahan perhitungan akibat terlalu besarnya nilai M.
Jika M = 100.000, maka koefisien X1 dan X2 pada persamaan Z menjadi (-4+100.000)
dan (-1+100.000). Ini mengakibatkan -4 dan -1 menjadi terlalu kecil bila dibandingkan
dengan angka yang dihasilkan dari perkalian dengan M. Perhitungan dapat menjadi
kurang sensitif akibat kesalahan pembulatan (round-off error). Untuk itu digunakan
alternatif lain yaitu metode dua fase.

Fase pertama dari metode dua fase mengikuti langkah-langkah sebagai berikut :
1. Ubahlah permasalahan ke dalam bentuk standar, kemudian tambahkan variabel
buatan yang diperlukan untuk memperoleh solusi dasar awal.
2. Bentuklah fungsi objektif baru untuk meminimumkan jumlah dari variabel-variabel
buatan (untuk kasus maksimasi atau minimasi) di bawah kendala dari persoalan awal
yang sudah dimodifikasi dengan variabel-variabel buatan.
3. Jika nilai minimum fungsi objektif baru ini nol (nilai variabel buatan sama dengan
nol) maka permasalahan memiliki ruang solusi fisibel. Lanjutkan ke fase dua. Jika

29
nilai minimumnya positif, permasalahan tak memiliki solusi fisibel dan proses
berakhir.

Pada fase kedua, solusi dasar optimum yang diperoleh di fase pertama digunakan sebagai
solusi awal permasalahan semula.

Akan digunakan metode dua fase ini untuk menyelesaikan permasalahan di atas.

Fase pertama :
Minimasi r = R1 + R2
dengan kendala:
3X1 + X2 + R1 =3
4X1 + 3X2 - X3 + R2 =6
X1 + 2X2 + X4 = 4
X1 , X2 , X3 , R1 , R2 , X4 0

Nyatakan fungsi objektif r sebagai fungsi dari variabel bukan dasar X1, X2, X3 sebagai
berikut :
r = R1 + R2
= (3-3X1-X2) + (6-4X1-3X2 +X3)
= -7X1-4X2 +X3 + 9
atau r +7X1+4X2 -X3 = 9

Tabel simpleks awalnya adalah sebagai berikut :

Dasar X1 X2 X3 R1 R2 X4 Solusi
r 7 4 -1 0 0 0 9
R1 3 1 0 1 0 0 3
R2 4 3 -1 0 1 0 6
X4 1 2 0 0 0 1 4

Solusi optimum diperoleh dalam dua iterasi sebagai berikut :

Dasar X1 X2 X3 R1 R2 X4 Solusi
r 0 5/3 -1 -7/3 0 0 2
X1 1 1/3 0 1/3 0 0 1
R2 0 5/3 -1 -4/3 1 0 2
X4 0 5/3 0 -1/3 0 1 3

Dasar X1 X2 X3 R1 R2 X4 Solusi
r 0 0 0 -1 -1 0 0
X1 1 0 1/5 3/5 -1/5 0 3/5
X2 0 1 -3/5 -4/5 3/5 0 6/5
X4 0 0 1 1 -1 1 1

30
Karena minimum r =0, maka permasalahan awal memiliki solusi yang fisibel. Fase kedua
dapat dimulai dengan semua variabel buatan R1 dan R2 dikeluarkan dari perhitungan.

Fase kedua:

Persamaan yang diperoleh dari tabel optimum fase pertama adalah :

X1 + 1/5 X3 = 3/5
X2 - 3/5 X3 = 6/5
X3 + X4 = 1

Persamaan ini tepat sama dengan persamaan dalam bentuk standar dari permasalahan
semula (sebelum ditambahkan variabel buatan).

Bukti:
X1 + 1/5 X3 = 3/5 3X1 + 3/5 X3 = 9/5
X2 - 3/5 X3 = 6/5 X2 - 3/5 X3 = 6/5 +
3X1 + X2 = 3 (1)

X1 + 1/5 X3 = 3/5 4X1 + 4/5 X3 = 12/5


X2 - 3/5 X3 = 6/5 3X2 - 9/5 X3 = 18/5 +
4X1 + 3X2-X3 = 6 (2)

X1 + 1/5 X3 = 3/5 X1 + 1/5 X3 = 3/5


X2 - 3/5 X3 = 6/5 2X2 - 6/5 X3 = 12/5
X3 + X4 = 1 X3 + X4 = 1 +
X1 + 2X2+X4 = 4 (3)

Permasalahan LP di atas menjadi :

Minimasi Z = 4X1 + X2
dengan kendala:
X1 + 1/5 X3 = 3/5
X2 - 3/5 X3 = 6/5
X3 + X4 = 1
X1 , X2 , X3 , X4 0

Permasalahan di atas memiliki 3 persamaan dan 4 variabel. Dengan memilih satu variabel
bernilai nol (dipilih X3) maka diperoleh solusi dasar fisibel awal yaitu X1=3/5, X2=6/5
dan X4=1. Fungsi objektif hendaknya dituliskan sebagai fungsi dari variabel bukan
dasar (X3) agar langsung diperoleh nilai fungsi objektif.

Z = 4X1 + X2
= 4(3/5-1/5 X3) + (6/5+3/5 X3) = -1/5 X3 + 18/5
atau Z + 1/5X3 = 18/5.

31
Tabel simpleksnya :

Dasar X1 X2 X3 X4 Solusi
Z 0 0 1/5 0 18/5
X1 1 0 1/5 0 3/5
X2 0 1 -3/5 0 6/5
X4 0 0 1 1 1

Setelah satu kali iterasi diperoleh tabel optimum sebagai berikut :

Dasar X1 X2 X3 X4 Solusi
Z 0 0 0 -1/5 17/5
X1 1 0 0 -1/5 2/5
X2 0 1 0 3/5 9/5
X3 0 0 1 1 1

Solusi optimum yang diperoleh sama dengan solusi yang diperoleh dengan metode M,
termasuk juga dalam hal banyaknya iterasi.

Keunggulan metode dua fase adalah tereliminasinya konstanta M. Pada fase kedua,
variabel buatan dihilangkan hanya jika pada akhir fase pertama nilainya menjadi nol
(menjadi variabel bukan dasar). Mungkin saja terjadi variabel buatan tersebut tetap
menjadi variabel dasar tapi dengan nilai nol pada akhir fase pertama. Jika hal ini terjadi,
maka perhitungan pada fase kedua haruslah dijaga agar nilai variabel buatan ini tidak
pernah positif.

Metode M dan dua fase pada dasarnya hanya digunakan untuk mencari solusi fisibel
awal, karena solusi fisibel awal tidaklah dapat secara langsung diperoleh dengan
memberikan nilai nol kepada beberapa variabel bukan dasar. Pada kasus dimana solusi
fisibel awal dapat langsung diperoleh, tidaklah perlu digunakan variabel buatan.

Contoh 6: Minimumkan Z = X1 + X2 + X3 + X4
dengan kendala :
2X1 + X2 + X3 =7
4X1 +3X2 +X4 =8
X1 , X2 , X3 , X4 0

Pada contoh ini tak perlu ditambahkan variabel buatan karena solusi fisibel awalnya telah
jelas yaitu: X1 = X2 =0, X3 =7 dan X4 = 8. Langkah selanjutnya adalah menuliskan
fungsi objektif Z sebagai fungsi dari variabel bukan dasar X1, X2

Z = X1 + X2 + X3 + X4
= X1 + X2 + (7-2X1-X2) + (8-4X1-3X2)
= -5X1-3X2 + 15
atau Z + 5X1+ 3X2 = 15.

32
Tabel simpleks awalnya menjadi :

Dasar X1 X2 X3 X4 Solusi
Z 5 3 0 0 15
X3 2 1 1 0 7
X4 4 3 0 1 8

2.7. Kasus khusus pada metode simpleks

Pada bagian ini akan diperhatikan kasus khusus yang dapat timbul dalam aplikasi dari
metode simpleks yang meliputi degenerasi, optimum alternatif, solusi tak terbatas dan
tidak adanya solusi (solusi infisibel). Tujuan mempelajari kasus khusus ini adalah untuk
memberikan penjelasan teoretis dari kondisi di atas dan memberikan interpretasi praktis
dari kasus khusus ini dalam masalah nyata sehari-hari.

2.7.1. Degenerasi

Dalam menentukan variabel mana yang akan keluar dari variabel dasar (menjadi variabel
bukan dasar pada iterasi berikutnya) sangatlah mungkin lebih dari satu variabel dasar
memiliki ratio yang sama (sehingga memiliki peluang yang sama untuk menjadi leaving
variable). Jika hal ini terjadi, maka satu atau lebih variabel dasar itu akan bernilai nol
pada iterasi berikutnya. Dalam kasus ini kita katakan terjadi degenerasi pada solusi yang
baru. Kondisi degenerasi ini mengandung arti bahwa paling sedikit ada satu kendala
yang berlebih.

Contoh 7: Maksimumkan Z = 3X1 + 9X2


dengan kendala
X1 + 4X2 8
X1 + 2X2 4
X1 , X2 0

Bentuk standar untuk contoh di atas adalah :


Maksimumkan Z = 3X1 + 9X2 + 0X3 + 0X4
dengan kendala
X1 + 4X2 + X3 =8
X1 + 2X2 +X4 = 4
X1 , X2 , X3 , X4 0

Tabel simpleks awalnya adalah sebagai berikut :

Iterasi Dasar X1 X2 X3 X4 Solusi


0 Z -3 -9 0 0 0
X2 masuk X3 1 4 1 0 8
X3 keluar X4 1 2 0 1 4

33
X3 atau X4 dapat dipilih sebagai leaving variable karena memiliki rasio yang sama yaitu
2. Hal ini akan menyebabkan nilai salah satu variabel menjadi nol pada iterasi berikutnya.
Dalam hal ini solusi dikatakan mengalami degenerasi. Misalkan dipilih X3 sebagai
leaving variable, maka tabel simpleksnya menjadi :

Iterasi Dasar X1 X2 X3 X4 Solusi


1 Z -3/4 0 9/4 0 18
X1 masuk X2 1/4 1 1/4 0 2
X4 keluar X4 1/2 0 -1/2 1 0
2 Z 0 0 3/2 3/2 18
optimum X2 0 1 1/2 -1/2 2
X1 1 0 -1 2 0

Pada iterasi pertama, nilai X4= 0 sehingga terjadi degenerasi. Apa yang sebenarnya
terjadi ? Perhatikan gambar di bawah ini.

X2
Titik optimum X1= 0, X2= 2
diperoleh dari perpotongan
Z = 3X1 + 9X2 tiga buah garis, padahal dua
buah garis saja sudah cukup.
Jadi salah satu kendala
2
X1 + 4X2 = 8 berlebih.

X1

0 4 8

X1 + 2X2 = 4
Solusi degenerasi
optimal

Dari sudut pandang teoretis, degenerasi memiliki dua implikasi. Yang pertama
berhubungan dengan suatu gejala yang disebut cycling atau circling. Nilai fungsi objektif
pada iterasi pertama dan kedua tidaklah berubah yaitu Z = 18. Jadi metode simpleks
dapat melalui suatu iterasi yang sama dengan iterasi sebelumnya tanpa memperbaiki nilai
fungsi objektif. Walau ada metode untuk mengeliminasi cycling, metode ini memerlukan
waktu komputasi yang lama. Hal ini menyebabkan banyak program-program LP tidak
mempertimbangkan hal ini dan hanya menganggap bahwa cycling merupakan hal yang
langka dalam praktek.

Implikasi kedua berkaitan dengan iterasi pertama dan kedua pada contoh di atas yang
memberikan nilai optimum yang sama walaupun dengan komposisi variabel dasar dan

34
bukan dasar yang berbeda. Muncul pertanyaan apakah iterasi dapat dihentikan ketika
degenerasi pertama kali muncul walaupun hasil ini belum optimum? Jawabannya adalah
tidak, karena sebelum diperoleh solusi yang optimum dapat saja terjadi degenerasi
sementara.

2.7.2. Optimum alternatif

Jika fungsi objektif sejajar dengan kendala terikat, maka nilai fungsi objektif akan tetap
sama untuk lebih dari satu titik solusi, sehingga akan ada lebih dari satu alternatif untuk
titik optimum.

Contoh 8: Maksimumkan Z = 2X1 + 4X2


dengan kendala
X1 + 2X2 5 (1)
X1 + X2 4 (2)
X1 , X2 0

X2

Z = 2X1 + 4X2 Fungsi objektif sejajar dengan


kendala (1), sehingga setiap titik
pada ruas garis BC merupakan
solusi optimum dengan Z = 10
C
B

A D X1
(2) (1)

Tabel simpleks untuk permasalahan di atas adalah :

Iterasi Dasar X1 X2 X3 X4 Solusi


0 Z -2 -4 0 0 0
awal X3 1 2 1 0 5
X4 1 1 0 1 4
1 Z 0 0 2 0 10
optimum X2 1/2 1 1/2 0 5/2
X4 1/2 0 -1/2 1 3/2
2 Z 0 0 2 0 10
alternatif X2 0 1 1 -1 1
optimum X1 1 0 -1 2 3

35
Pada baris Z di iterasi pertama, variabel bukan dasar X1 bernilai nol. Ini berarti X1 dapat
masuk menjadi variabel dasar pada iterasi berikutnya tanpa mengubah nilai Z tetapi
mengubah variabel-variabel yang lain (lihat iterasi kedua). Metode simpleks memberikan
dua titik sudut solusi yaitu titik B dan C.

Solusi yang sama juga diberikan oleh setiap titik (X1*, X2*) pada ruas garis BC. Secara
matematis, setiap titik (X1*, X2*) pada ruas garis BC dapat ditentukan sebagai rata-rata
tertimbang non negatif (nonnegative weighted average) dari titik B dan C. Misalkan
sebarang bilangan dengan 0 1, maka setiap titik pada ruas garis BC memiliki
persamaan:

X1* = XB + (1-) XC = 0 + (1-) 3 = 3 - 3


X2* = YB + (1-) YC = (5/2) + (1-)1 = 1+ 3/2

Jika =0 maka diperoleh X1* =3 dan X2* =1 (titik C) sedangkan jika =1 maka diperoleh
X1* =0 dan X2* =5/2 (titik B). Jadi untuk 0 1, titik (X1*, X2*) terletak pada ruas garis
BC.

Pengetahuan mengenai optimum alternatif sangatlah penting bagi manajemen karena


memberikan kesempatan untuk memilih solusi yang sesuai dengan kondisi perusahaan
tanpa mengubah nilai fungsi objektif. Titik B pada contoh di atas menunjukkan bahwa
hanya diproduksi salah satu produk sedangkan titik C menunjukkan diproduksinya dua
produk. Jika kondisinya adalah produk campuran maka akan lebih menguntungkan jika
memproduksi dua jenis produk (titik C).

2.7.3. Solusi tak terbatas (Unbounded solution)

Dalam beberapa model LP, nilai dari suatu variabel dapat menjadi semakin besar tanpa
melanggar kendala yang ada, yang berarti bahwa ruang solusinya menjadi tak terbatas.
Nilai fungsi objektifnya dapat terus bertambah (kasus maksimasi) atau berkurang (kasus
minimasi). Dalam hal ini ruang solusi dan nilai fungsi objektifnya menjadi tak terbatas.

Kondisi ini mengacu kepada kemungkinan bahwa model tidak dikonstruksi dengan
benar. Ketidakteraturan ini kemungkinan besar terjadi karena satu atau lebih kendala
tidak dimasukkan ke dalam model dan parameter pada beberapa kendala tidak diestimasi
secara benar.

Contoh 9: Maksimumkan Z = 2X1 + X2


dengan kendala
X1 - X2 10
2X1 40
X1 , X2 0

36
Tabel simpleks awalnya adalah sebagai berikut:

Dasar X1 X2 X3 X4 Solusi
Z -2 -1 0 0 0
X3 1 -1 1 0 10
X4 2 0 0 1 40

Baik X1 maupun X2 dapat menjadi entering variable, tetapi karena X1 paling negatif,
maka X1 yang menjadi entering variable. Tetapi semua koefisien kendala di bawah
kolom X2 adalah negatif dan nol yang berarti X2 dapat ditingkatkan nilainya tanpa
melanggar kendala yang ada. Karena setiap kenaikan 1 unit X2 nilai Z akan bertambah 1
unit, maka kenaikan tak terbatas dari X2 juga akan menyebabkan nilai Z menjadi tak
terbatas.

Cara mengetahui terjadinya solusi yang tak terbatas pada tabel simpleks adalah sebagai
berikut: Jika pada iterasi tertentu semua koefisien kendala dari variabel bukan dasar
tertentu tak ada yang positif, maka ruang solusinya tak terbatas pada arah itu.

Sebagai contoh, pada kasus di atas semua koefisien kendala di bawah kolom X2 (variabel
bukan dasar) tidak ada yang positif, maka ruang solusinya tak terbatas dalam arah X2.
Jika koefisien fungsi objektif dari variabel tersebut juga negatif (pada kasus maksimasi)
atau positif (pada kasus minimasi) maka nilai fungsi objektifnya juga tak terbatas.

X2 Z = 2X1 + X2

Unbounded solution
X1 - X2 =10

X1

2.7.4. Solusi tidak fisibel (Infeasible solution)

Jika kendala-kendala tidak dapat dipenuhi secara bersamaan, maka model dikatakan tidak
memiliki solusi yang fisibel. Situasi ini tidak mungkin terjadi jika semua kendala
bertanda dan sisi kanan kendala tak negatif, karena slack variable selalu membe-
rikan solusi yang fisibel.

37
Untuk kendala jenis lain ( atau =) digunakan variabel buatan. Meskipun variabel buatan
ini dapat dipaksa nilainya agar menjadi nol pada saat optimum tercapai, tetapi hal ini
hanya mungkin tercapai jika model memiliki ruang solusi yang fisibel. Jika tidak, maka
sedikitnya ada satu variabel buatan yang bernilai positif pada saat optimum tercapai.
Terjadinya ruang solusi yang tidak fisibel menunjukkan kemungkinan bahwa model tidak
dirumuskan dengan benar.

Contoh 10: Maksimumkan Z = 3X1 + 2X2


dengan kendala
2X1 + X2 2
3X1 + 4X2 12
X1 , X2 0

Tabel simpleksnya adalah sebagai berikut :

Iterasi Dasar X1 X2 X4 X3 R Solusi


0 Z -3-3M -2-4M M 0 0 -12M
X3 2 1 0 1 0 2
R 3 4 -1 0 1 12
1 Z 1+5M 0 M 2+4M 0 4-4M
pseudo X2 2 1 0 1 0 2
optimum R -5 0 -1 -4 1 4

Pada solusi optimum (semua koefisien variabel bukan dasar positif), nilai variabel buatan
R =4. hal ini menunjukkan bahwa ruang solusinya tidaklah fisibel. Jika digunakan
metode dua fase, maka akan diperoleh nilai fungsi objektif dari fase pertama adalah 4
(bukan nol).

Solusi yang diperoleh disebut pseudo optimal karena dengan memperbolehkan R = 4, kita
sebenarnya telah mengganti pertidaksamaan 3X1 + 4X2 12 menjadi 3X1 + 4X2 12.
Mengapa?

Bentuk standar permasalahan di atas adalah :

Maksimumkan Z = 3X1 + 2X2


dengan kendala
2X1 + X2 + X3 =2
3X1 + 4X2 - X4 = 12
X1 , X2 , X3 , X4 0

Karena solusi fisibel awal tidak dapat diperoleh secara langsung. maka ditambahkan
variabel buatan R, sehingga menjadi :

2X1 + X2 + X3 =2
3X1 + 4X2 -X4 + R = 12

38
Dengan mengambil X1 = X2 = X4 = 0 akan diperoleh X3 = 2 dan R = 12. Lebih lanjut,
diperoleh
Z = 3X1 + 2X2 -MR
= 3X1 + 2X2 -M(12-3X1 -4X2 +X4)
= (3+3M)X1 + (2+4M) X2 - MX4 -12M
atau Z -(3+3M)X1 -(2+4M) X2 + MX4 = -12M

X2

Pseudo optimal solution

3X1 + 4X2 = 12

X1
0

Z = 3X1 + 2X2
2X1 + X2 = 2

Jika pada solusi optimum dengan X4 =0 diperoleh R positif (R=4), maka:

3X1 + 4X2 - X4 + R = 12
3X1 + 4X2 + R = 12

menjadi 3X1 + 4X2 12 karena nilai R yang positif.

Itulah sebabnya seolah-olah optimum tercapai karena semua koefisien variabel bukan
dasar sudah positif (untuk kasus maksimasi). Optimum yang demikian disebut sebagai
optimum semu (pseudo optimal).

2.8. Interpretasi tabel simpleks

Pada bagian ini diberikan intepretasi hasil perhitungan yang diperoleh dari tabel
simpleks. Informasi yang dapat diperoleh dari tabel simpleks meliputi

a. Solusi optimum
b. Status sumber daya
c. "Harga" per unit sumber daya

39
Informasi (a), (b) dan (c) dapat langsung dilihat pada tabel simpleks. Kembali ke
permasalahan perusahaan RM, bentuk standarnya adalah :

Maksimumkan Z = 3 XE + 2 XI (pendapatan)
dengan kendala :

XE + 2XI + S1 =6 (bahan baku A)


2XE + XI + S2 =8 (bahan baku B)
- XE + XI + S3 =1 (permintaan)
XI + S4 = 2 (permintaan)
XE , XI , S1 , S2 , S3 , S4 0

Tabel optimumnya adalah sebagai berikut :

Dasar Z XE XI S1 S2 S3 S4 Solusi
Z 1 0 0 1/3 4/3 0 0 12 2/3
XI 0 0 1 2/3 -1/3 0 0 4/3
XE 0 1 0 -1/3 2/3 0 0 10/3
S3 0 0 0 -1 1 1 0 3
S4 0 0 0 -2/3 1/3 0 1 2/3

2.8.1. Solusi optimum


Semua variabel yang tidak ada pada kolom dasar pastilah bernilai nol sedangkan variabel
yang ada pada kolom dasar ditunjukkan pada kolom solusi. Dari tabel optimum di atas
diperoleh :

Variabel keputusan Nilai optimum Keterangan


XE 3 1/3 produksi 3 1/3 ton cat eksterior
XI 1 1/3 produksi 1 1/3 ton cat interior
Z 12 2/3 pendapatan sebesar 12 2/3 ribu dollar

2.8.2. Status sumber daya


Status sumber daya (terbatas/berlebih) pada model LP dapat dilihat langsung pada tabel
optimum dari nilai-nilai slack variablenya. Dari tabel optimum di atas maka diperoleh:

Sumber daya Slack Status


Bahan A S1=0 terbatas
Bahan B S2=0 terbatas
Batas kelebihan cat interior terhadap cat eksterior S3=3 berlebih
Batas permintaan cat interior S4=2/3 berlebih

Nilai slack variable yang positif menyatakan sumber daya tersebut belum digunakan
seluruhnya, jadi merupakan sumber daya yang berlebih. Sedangkan nilai slack variable
yang sama dengan nol menyatakan bahwa seluruh sumber daya telah digunakan sehingga
merupakan sumber daya yang terbatas.

40
2.8.3. Harga per unit sumber daya
Harga per unit sumber daya diartikan sebagai tambahan nilai Z karena bertambahnya
ketersediaan sumber daya. "Harga" ini bukanlah harga sumber daya yang sesungguhnya
sehingga sering disebut sebagai harga dual (dual price).

Dari analisis grafis terdahulu, diperoleh harga sumber daya 1, 2, 3 dan 4 masing-masing
sebesar :
Y1=1/3 ribu dollar/ton tambahan bahan baku A
Y2=4/3 ribu dollar/ton tambahan bahan baku B
Y3=0
Y4=0

Informasi ini sebenarnya juga dapat dilihat dari tabel optimum, yaitu dari koefisien
variabel-variabel dasar awal (variabel-variabel yang pada tabel awal menjadi variabel
dasar) yaitu S1, S2, S3 dan S4.

Dasar Z XE XI S1 S2 S3 S4 Solusi
Z 1 0 0 1/3 4/3 0 0 12 2/3

Koefisien (1/3, 4/3, 0, 0) tepat sama dengan Y1 ,Y2 ,Y3 dan Y4 secara grafis.

Jika pada persamaan Z = 12 2/3 - (1/3 S1 + 4/3 S2 + 0S3 + 0S4) nilai S1 diubah nilainya
menjadi 1 ton misalnya, maka Z akan berkurang dengan 1/3 ribu dollar. Tetapi
penambahan S1 sebesar 1 ton berarti pengurangan bahan baku A sebesar 1 ton, seperti
pada persamaan kendala (1) :

XE + 2XI + S1 = 6 atau XE + 2XI = 6 - S1

2.9. Analisis sensitivitas

2.9.1. Perubahan pada ruas kanan kendala


Perubahan pada ruas kanan kendala berkaitan dengan ketersediaan sumber daya dan
harga dual. Tetapi, harga dual hanya menyatakan perubahan Z akibat perubahan sumber
daya dan sumber daya mana yang sebaiknya ditingkatkan. Harga dual ini tidaklah
menyebutkan berapa besar perubahan harus dilakukan sebelum kendala tersebut menjadi
berlebih.

Misalnya pada permasalahan perusahaan cat RM, sumber daya 1 yang menyangkut bahan
baku A diubah sebesar 1 sehingga ketersediaannya menjadi 6+1. Jika 1 > 0 maka
sumber daya akan meningkat, sebaliknya jika 1 < 0 maka sumber daya akan berkurang.
Bagaimana dengan tabel simpleksnya?

Sisi kanan kendala tidak pernah berperan sebagai elemen pivot, sehingga perubahan
sebesar 1 hanyalah akan mempengaruhi sisi kanan pada iterasi. Jika dilakukan iterasi
pada tabel simpleks awal hingga tabel simpleks yang optimum, maka akan didapat :

41
Elemen sisi kanan pada iterasi ke :
Persamaan 0 (awal) 1 2 (optimum)
Z 0 12 12 2/3 + 1/3 1
1 6+1 2+1 4/3 + 2/3 1
2 8 4 10/3 - 1/3 1
3 1 5 3 - 1 1
4 2 2 2/3 - 2/3 1

Perhatikan bahwa pada setiap iterasi, elemen sisi kanan yang baru terdiri dari konstanta
dan suku yang mengandung 1. Komponen yang berupa konstanta tepat sama dengan
nilainya sebelum 1 ditambahkan sedangkan suku yang mengandung 1 memiliki
koefisien yang ditunjukkan oleh kolom S1 pada tabel yang sama.

Sebagai contoh, pada saat optimum tercapai, komponen yang berupa konstanta adalah
(12 2/3, 4/3, 10/3, 3, 2/3) yang diambil dari sisi kanan tabel optimum sebelum
ditambahkan 1 dan (1/3, 2/3, -1/3, -1, -2/3) adalah koefisien-koefisien di bawah kolom
S1 pada tabel yang sama.

Dipilih kolom S1 karena 1 adalah perubahan pada kendala pertama. Jadi untuk
perubahan pada sisi kanan kendala akibat sumber daya 2, 3 dan 4, kita gunakan koefisien-
koefisien di bawah kolom S2 ,S3 ,S4. Ini berarti perubahan 1 hanya mengakibatkan
perubahan pada sisi kanan tabel sehingga perubahan tersebut hanya dapat mengubah
solusi fisibel persoalan. Jadi 1 tidak boleh berubah sedemikian rupa sehingga dapat
mengakibatkan munculnya variabel dasar yang negatif. Sehingga kita peroleh batasan-
batasan untuk 1 sebagai berikut :

XI = 4/3 + 2/3 1 0 (1)


XE = 10/3 - 1/3 1 0 (2)
S3 = 3 - 1 0 (3)
S4 = 2/3 - 2/3 1 0 (4)

Jika 1 > 0 maka kita peroleh :

1 10 dari (2)
1 3 dari (3)
1 1 dari (4)

jadi haruslah 1 1.

Jika 1 < 0 maka diperoleh 1 -2 (dari (1))

Jadi batasan untuk 1 adalah : -2 1 1.

42
Jika 1 berubah dalam batasan -2 1 1 maka solusi optimum yang telah diperoleh
tetaplah fisibel, namun tentu saja nilai-nilai variabelnya berubah tetapi kumpulan variabel
dasar dan bukan dasarnya akan tetap.

Misalkan pada permasalahan perusahaan cat RM terjadi perubahan secara simultan pada
ruas kanan kendala (1), (2), (3) dan (4) masing-masing sebesar 1, 2 , 3 dan 4 (positif
atau negatif). Maka permasalahannya sekarang dapat dituliskan sebagai:

Maks Z = 3 XE + 2 XI
dengan kendala :
XE + 2XI 6 + 1
2XE + XI 8 + 2
- XE + XI 1 + 3
XI 2 + 4
XE , XI 0

Tabel awal untuk permasalahan di atas adalah sebagai berikut (dengan S1, S2, S3, S4
masing-masing adalah slack variables):

Variabel Solusi
Dasar XE XI S1 S2 S3 S4 RHS 1 2 3 4
Z -3 -2 0 0 0 0 0 0 0 0 0
S1 1 2 1 0 0 0 6 1 0 0 0
S2 2 1 0 1 0 0 8 0 1 0 0
S3 -1 1 0 0 1 0 1 0 0 1 0
S4 0 1 0 0 0 1 2 0 0 0 1

Kolom di bawah 1, 2 , 3, 4 identik dengan kolom di bawah S1, S2, S3, S4 yang berarti
bahwa jika dilakukan iterasi pada model awal maka kolom-kolom pada dua kelompok ini
akan memberikan hasil yang identik pula. Sehingga tabel optimal untuk permasalahan di
atas diberikan oleh:

Variabel Solusi
Dasar XE XI S1 S2 S3 S4 RHS 1 2 3 4
Z 0 0 1/3 4/3 0 0 12 2/3 1/3 4/3 0 0
XI 0 1 2/3 -1/3 0 0 4/3 2/3 -1/3 0 0
XE 1 0 -1/3 2/3 0 0 10/3 -1/3 2/3 0 0
S3 0 0 -1 1 1 0 3 -1 1 1 0
S4 0 0 -2/3 1/3 0 1 2/3 -2/3 1/3 0 1

43
Tabel optimal yang baru memberikan solusi optimal sebagai berikut:

Z = 12 2/3 + 1/3 1 + 4/3 2


XI = 4/3 + 2/3 1 - 1/3 2
XE = 10/3 - 1/3 1 + 2/3 2
S3 = 3 - 1 + 2 + 3
S4 = 2/3 - 2/3 1 + 1/3 2 + 4

Nilai Z yang baru ternyata memuat harga dual untuk sumber daya 1, 2, 3 dan 4 yaitu
masing-masing 1/3, 4/3, 0 dan 0 seperti telah dibahas pada bagian sebelumnya.

Solusi yang sekarang akan tetap fisibel selama semua variabel bernilai non negatif yang
nantinya berkaitan dengan kondisi fisibilitas berikut:

XI = 4/3 + 2/3 1 - 1/3 2 0


XE = 10/3 - 1/3 1 + 2/3 2 0
S3 = 3 - 1 + 2 + 3 0
S4 = 2/3 - 2/3 1 + 1/3 2 + 4 0

Perubahan simultan 1, 2 , 3, 4 yang memenuhi pertidaksamaan di atas akan membuat


solusi tetap fisibel. Sebagai contoh, misalkan 1 = 1, 2 = -1, 3 = 1 dan 4 = 1, maka
diperoleh XI = 7/3, XE = 7/3, S3 = 2 dan S4 = 2/3 yang berarti solusi yang baru tetap
fisibel.

Jika 1 = 1, 2 = -1, 3 = 1 dan 4 = -1 maka diperoleh XI = 7/3, XE = 7/3, S3 = 2 dan S4


= -4/3 yang berarti solusi yang sekarang tidak lagi fisibel. Untuk kasus seperti ini
diperlukan tambahan perhitungan untuk memperoleh solusi yang baru dan akan dibahas
di bab selanjutnya.

Kondisi fisibilitas di atas dapat digunakan untuk menghitung interval fisibilitas untuk
perubahan masing-masing sumber daya satu per satu.

Kasus 1: Untuk menghitung interval fisibilitas untuk 1, maka 2 = 3 = 4 = 0 sehingga


diperoleh:
XI = 4/3 + 2/3 1 0 1 -2
XE = 10/3 - 1/3 1 0 1 10
S3 = 3 - 1 0 1 2
S4 = 2/3 - 2/3 1 0 1 1

Jadi -2 1 1 seperti telah diperoleh dari perhitungan sebelumnya.

Kasus 2: Untuk menghitung interval fisibilitas untuk 2, maka 1 = 3 = 4 = 0 sehingga


diperoleh:
XI = 4/3 - 1/3 2 0 2 4
XE = 10/3 + 2/3 2 0 2 -5

44
S3 = 3 + 2 0 2 -3
S4 = 2/3 + 1/3 2 0 2 -2

Jadi interval fisibilitas untuk 2 adalah -2 2 4.

Kasus 3: Untuk menghitung interval fisibilitas untuk 3, maka 1 = 2 = 4 = 0 sehingga


diperoleh:
S3 = 3 + 3 0 3 -3

Jadi interval fisibilitas untuk 3 adalah 3 -3.

Kasus 4: Untuk menghitung interval fisibilitas untuk 4, maka 1 = 2 = 3 = 0 sehingga


diperoleh:
S4 = 2/3 + 4 0 4 -2/3

Jadi interval fisibilitas untuk 4 adalah 4 -2/3.

Dual prices dan interval fisibilitas dari masing-masing sumber daya dirangkum dalam
tabel di bawah ini:

Jumlah sumber daya


Sumber daya Dual price Interval fisibilitas Minimum Sekarang Maksimum
1 1/3 -2 1 1 4 6 7
2 4/3 -2 2 4 6 8 12
3 0 -3 3 < -2 1
4 0 -2/3 4 < 4/3 2

Hal penting yang perlu diperhatikan adalah bahwa dual price masih tetap berlaku untuk
perubahan simultan yang menjamin solusi tetap fisibel, meskipun perubahan itu
melanggar interval fisibilitas untuk masing-masing sumber daya. Misalnya 1 = 2, 2 =
1, 3 = 2, 4 = 1 akan membuat solusi sekarang tetap fisibel walaupun 1 = 2 melanggar
interval fisibilitas -2 1 1.

XI = 4/3 + 2/3 (2) - 1/3 (1) = 7/3 (fisibel)


XE = 10/3 - 1/3 (2) + 2/3 (1) = 10/3 (fisibel)
S3 = 3 - (2) + (1) + (2) =4 (fisibel)
S4 = 2/3 - 2/3 (2) + 1/3 (1) + (1) = 2/3 (fisibel)

Dalam hal ini dual price masih berlaku dan dapat digunakan untuk menghitung nilai
fungsi objektif, yaitu Z = 12 2/3 + 1/3 (2) + 4/3 (1) + 0 (2) + 0 (1) = 14 2/3.

Berdasarkan hasil pembahasan mengenai dual price dan perubahan pada ruas kanan
kendala berkaitan dengan analisis sensitivitas mengenai fisibilitas, maka dapat
disimpulkan sebagai berikut:

45
1. Dual price akan tetap berlaku sepanjang perubahan i, i = 1,2,...,m pada ruas
kanan kendala memenuhi semua kondisi fisibilitas ketika perubahan dilakukan
secara simultan atau memenuhi interval fisibilitas untuk masing-masing sumber
daya ketika perubahan dilakukan satu per satu.
2. Untuk situasi lainnya dimana dual price tidak berlaku karena kondisi fisibilitas
tidak dipenuhi atau karena interval fisibilitas untuk masing-masing sumber daya
dilanggar, penyelesaiannya adalah mengulangi perhitungan dengan nilai baru i
atau melakukan analisis pasca optimal yang akan dibahas di bab selanjutnya.

Aturan fisibilitas 100%


Dalam pembahasan di atas, analisis sensitivitas perubahan pada ketersediaan sumber
daya mengasumsikan bahwa perubahan tersebut terjadi satu per satu (individual) dan
tidak secara bersamaan. Aturan fisibilitas 100% merupakan aturan sederhana yang
didasarkan atas perubahan pada 1, 2,..., m yang dapat digunakan untuk menguji
apakah perubahan secara simultan akan membuat solusi yang telah diperoleh sebelumnya
tetap fisibel. Misalkan, sisi kanan bi dari kendala ke-i berubah menjadi bi + i satu per
satu dengan pi i qi merupakan interval fisibilitas yang diperoleh dari pembahasan
sebelumnya. Menurut definisi, pi 0 (qi 0) karena hal ini merepresentasikan penurunan
(kenaikan) maksimum yang diperbolehkan dalam bi. Kemudian, definisikan:

i
p i negatif
ri i

i i positif
qi

Menurut definisi, 0 ri 1. Aturan fisibilitas 100% menyatakan bahwa jika diberikan


perubahan 1, 2,..., m maka syarat cukup (bukan syarat perlu) untuk solusi yang
sekarang agar tetap fisibel adalah r1 + r2 + ... + rm 1. Jika syarat ini tidak dipenuhi maka
solusi yang sekarang dapat tetap fisibel atau menjadi tidak fisibel. Aturan ini tidak
berlaku jika i berada di luar interval (pi, qi).

2.9.2. Perubahan pada koefisien fungsi objektif


Perubahan pada koefisien fungsi objektif berkaitan dengan keuntungan (maksimasi) atau
biaya marginal (minimasi). Dalam batasan tertentu, perubahan pada koefisien fungsi
objektif tidak akan mengubah solusi optimum dari variabel-variabel yang terkait
walaupun tentu saja nilai fungsi objektifnya akan berubah.

Persamaan fungsi objektif tidak pernah digunakan sebagai persamaan pivot sehingga
perubahan pada koefisien fungsi objektif hanya akan mempengaruhi persamaan fungsi
objektif pada tabel optimum. Hal ini berarti bahwa perubahan tersebut dapat
mengakibatkan solusi menjadi tidak optimum lagi. Pada bagian ini kita bertujuan mencari
batasan perubahan koefisien fungsi objektif sehingga solusi optimum tidak berubah.

Misalkan terjadi perubahan harga jual cat eksterior dari $ 3 (ribu) menjadi 3 + 1 (nilai 1
dapat positif atau negatif). Dengan perubahan ini, fungsi objektif akan menjadi :

46
Z = (3 + 1 )XE + 2 XI

Dari informasi ini diperoleh bentuk persamaan Z optimum sebagai berikut :

Dasar XE XI S1 S2 S3 S4 Solusi
Z 0 0 1/3 - 1/3 1 4/3 + 2/3 1 0 0 12 2/3 + 10/3 1

Nilai koefisien dari variabel dasar XE, XI, S3, S4 tetap nol. Hasil ini sama dengan
persamaan Z optimum sebelum terjadi perubahan 1 dengan modifikasi adanya elemen
1. Koefisien 1 diperoleh dari koefisien-koefisien pada persamaan XE dari tabel
optimum.

Dasar XE XI S1 S2 S3 S4 Solusi
XE 1 0 1/3 2/3 0 0 10/3

Dipilih persamaan XE, karena yang berubah dengan adanya 1 adalah harga XE.
Perubahan 1 tidak akan mempengaruhi solusi optimum asalkan semua koefisien variabel
bukan dasar pada persamaan Z tetap tak negatif (untuk kasus maksimasi). Sehingga
batasan untuk 1 adalah :

1/3 - 1/3 0 1 1
4/3 + 21/3 0 1 - 2

Diperoleh -2 1 1.

Jadi, koefisien XE pada fungsi objektif boleh berubah dari 3 + (-2) = 1 sampai dengan
3+(1) = 4 tanpa mengakibatkan berubahnya nilai solusi optimum XE = 3 1/3 ton dan XI =
1 1/3 ton. Nilai fungsi objektif Z tentunya berubah menjadi 12 2/3 + 10/3 1 dengan -2
1 1.

Dengan cara yang sama dapat dicari batas perubahan untuk harga jual cat interior.
Nantinya akan diperoleh harga jual cat interior boleh berubah sebesar 2 dengan -1/2
2 4 tanpa mengubah solusi optimum dengan Z = 12 2/3 + 4/3 2.

Misalkan sekarang terjadi perubahan secara simultan pada koefisien fungsi objektif
sebesar 1 dan 2 sehingga fungsi objektif yang baru menjadi:

Maksimumkan Z = (3 + 1)XE + (2 + 2)XI

Dengan perubahan secara simultan ini, baris Z pada tabel simpleks awal adalah:

Dasar XE XI S1 S2 S3 S4 Solusi
Z -3 - 1 -2 - 2 0 0 0 0 0

47
Tabel simpleks optimal sebelum adanya perubahan pada fungsi objektif sebesar 1 dan 2
adalah sebagai berikut:

1 2 0 0 0 0
Dasar XE XI S1 S2 S3 S4 Solusi
1 Z 0 0 1/3 4/3 0 0 12 2/3
2 XI 0 1 2/3 -1/3 0 0 4/3
1 XE 1 0 -1/3 2/3 0 0 10/3
0 S3 0 0 -1 1 1 0 3
0 S4 0 0 -2/3 1/3 0 1 2/3

Pada tabel di atas, perhatikan bahwa ada tambahan kolom di sebelah kiri kolom dasar dan
tambahan baris di atas variabel yang terlibat di dalam model. Tambahan nilai 1 dan 2
pada baris dan kolom ini berhubungan dengan variabel XE dan XI. Untuk slack variables,
nilai j = 0. Tabel optimal yang baru (setelah ada perubahan pada fungsi objektif sebesar
1 dan 2) adalah sama seperti tabel optimal sebelumnya hanya baris-Z saja yang
berubah. Artinya, perubahan ini hanya akan mempengaruhi keoptimalan.

Untuk menghitung baris-Z yang baru, kalikan setiap elemen pada kolom dengan elemen
yang berkaitan pada kolom paling kiri, tambahkan semuanya, dan kurangkan elemen
pada baris paling atas dari jumlah ini. Sebagai contoh, untuk XE diperoleh:

1
Kolom kiri XE Kolom kiri x kolom XE
1 0 0
2 0 0
1 1 1
0 0 0
0 0 0
Nilai baru XE di baris Z 1 - 1 = 0

Dengan cara yang sama, diperoleh tabel optimal yang baru, yaitu:

Dasar XE XI S1 S2 S3 S4 Solusi
Z 0 0 1/3 + 2/32 4/3 -1/32 + 0 0 12 2/3+4/32 +
1/31 2/31 10/31
XI 0 1 2/3 -1/3 0 0 4/3
XE 1 0 -1/3 2/3 0 0 10/3
S3 0 0 -1 1 1 0 3
S4 0 0 -2/3 1/3 0 1 2/3

Agar solusi yang sekarang tetap optimal, maka baris Z yang baru haruslah non negatif
untuk semua variabel bukan dasar. Sehingga untuk masalah di atas diperoleh kondisi
keoptimalan untuk variabel bukan dasar S1 dan S2.

48
1/3 + 2/32 1/31 0
4/3 - 1/32 + 2/31 0

Dua kondisi di atas haruslah dipenuhi agar solusi yang sekarang tetap optimal. Misalkan
fungsi objektif yang baru menjadi Maksimumkan Z = 4XE + 3XI yang berarti 1 = 4 3 =
1 dan 2 = 3 2 = 1, maka solusi yang sekarang tetap optimal karena:

1/3 + 2/3 (1) 1/3 (1) = 2/3 0


4/3 - 1/3 (1) + 2/3 (1) = 5/3 0

Jika salah satu dari dua kondisi keoptimalan ini dilanggar, maka solusi yang baru harus
ditentukan. Kondisi keoptimalan ini dapat digunakan untuk kasus khusus dimana
perubahan j terjadi tidak secara simultan melainkan satu per satu seperti telah dibahas
sebelumnya. Perhatikan dua kasus fungsi objektif di bawah ini.

1. Maksimumkan Z = (3 + 1)XE + 2XI.


2. Maksimumkan Z = 3XE + (2 + 2)XI.

Untuk kasus 1, 2 = 0 sehingga kondisi keoptimalan memberikan :

1/3 - 1/31 0 1 1
4/3 + 2/31 0 1 -2

Sehingga interval keoptimalan untuk 1 adalah -2 1 1.

Untuk kasus 2, 1 = 0 sehingga kondisi keoptimalan memberikan :

1/3 + 2/32 0 2 -1/2


4/3 - 1/32 0 2 4

Sehingga interval keoptimalan untuk 2 adalah -1/2 2 4.

Penting untuk diperhatikan bahwa perubahan 1 dan 2 dapat berada di interval


keoptimalannya masing-masing tanpa memenuhi kondisi keoptimalan secara simultan.
Misalkan 1 = -1 dan 2 = 3 maka kondisi keoptimalan secara simultan

1/3 + 2/3 (3) 1/3 (-1) = 8/3 0


4/3 - 1/3 (3) + 2/3 (-1) = -1/3 < 0

Kondisi keoptimalan secara simultan ada yang dilanggar. Hasil dari analisis perubahan
pada koefisien fungsi objektif yang berkaitan dengan kondisi keoptimalan dapat
dirangkum sebagai berikut:

1. Nilai-nilai optimal dari variabel akan tetap tidak berubah sepanjang perubahan j,
j = 1, 2, ..., n pada koefisien fungsi objektif memenuhi semua kondisi keoptimalan

49
ketika perubahan terjadi secara simultan atau berada di dalam interval
keoptimalan ketika perubahan terjadi satu per satu.
2. Untuk situasi lainnya dimana kondisi keoptimalan secara simultan dilanggar atau
interval keoptimalan secara individual tidak dipenuhi, penyelesaiannya adalah
dengan melakukan perhitungan dari awal dengan nilai j yang baru atau
melakukan analisis pasca optimal yang akan dibahas di bab selanjutnya.

Aturan optimalitas 100%


Aturan ini mirip dengan aturan fisibilitas 100% dan dikembangkan untuk mendeteksi
pengaruh dari perubahan secara simultan pada semua cj menjadi cj + j, j =1,2,...,n
terhadap keoptimalan dari solusi yang telah diperoleh. Misalkan uj j vj adalah
interval optimalitas yang diperoleh sebagai akibat mengubah setiap cj menjadi cj + j satu
per satu menggunakan prosedur di atas. Dalam hal ini uj 0 (vj 0) karena ini
merepresentasikan penurunan (kenaikan) maksimum yang diperbolehkan dalam cj yang
menjamin solusi tetap optimal. Untuk kasus dimana uj j vj, definisikan:

j
j negatif
u j
rj

j j positif
v j
Menurut definisi, 0 ri 1. Aturan optimalitas 100% menyatakan bahwa syarat cukup
(bukan syarat perlu) agar solusi yang sekarang agar tetap fisibel adalah r1 + r2 + ... + rn
1. Jika syarat ini tidak dipenuhi maka solusi yang sekarang dapat tetap fisibel atau
menjadi tidak fisibel. Aturan ini tidak berlaku jika j berada di luar interval (uj, vj).

2.10. Soal-soal latihan

1. Perhatikan masalah LP berikut:

Maksimumkan Z = X1
dengan kendala
5X1 + X2 = 4
6X1 + X3 = 8
3X1 + X4 = 3
X1, X2, X3 , X4 0

a. Selesaikan masalah di atas dengan inspeksi.


b. Ulangi (a) jika fungsi objektifnya adalah Minimumkan Z = X1.

2. Tunjukkan bahwa masalah LP berikut mengalami degenerasi sementara.

Maksimumkan Z = 3X1 + 2X2


dengan kendala
4X1 + 3X2 12
4X1 + X2 8

50
4X1 - X2 8
X1 , X2 0

Kemudian periksa hasil yang diperoleh dengan menyelesaikan masalah di atas


dengan pendekatan grafis.

3. Perhatikan masalah LP berikut.

Maksimumkan Z = 3X1 + X2
dengan kendala
X1 + 2X2 5
X1 + X2 - X3 2
7X1 + 3X2 - 5X3 20
X1 , X2 , X3 0

Tunjukkan bahwa solusi optimalnya mengalami degenerasi dan ada solusi alternatif
(semuanya terdiri dari variabel bukan dasar)

4. Di dalam masalah

Maksimumkan Z = 20X1 + 10X2 + X3


dengan kendala
3X1 - 3X2 + 5X3 50
X1 + X3 10
X1 - X2 + 4X3 20
X1 , X2 , X3 0

Dalam arah manakah ruang solusinya tak terbatas ? Tanpa perhitungan lebih lanjut,
apa yang dapat disimpulkan mengenai solusi optimal masalah di atas?

5. Perhatikan masalah LP berikut:

Maksimumkan Z = 2X1 + 4X2 + 4X3 - 3X4


dengan kendala
X1 + X2 + X3 =4
X1 + 4X2 + X4 = 8
X1 , X2 , X3 , X4 0

X3 dan X4 dapat berperan sebagai slack variables, tetapi mereka bukan slack
variables karena memiliki koefisien tak nol pada fungsi objektif. Selesaikanlah
masalah di atas dengan X3 dan X4 sebagai variabel dasar awal dan tanpa
menggunakan variabel buatan.

6. Perhatikan masalah LP berikut:

Maksimumkan Z = 3X1 + 2X2 + 3X3

51
dengan kendala
2X1 + X2 + X3 2
3X1 + 4X2 + 2X3 8
X1 , X2 , X3 0

a. Dengan menggunakan metode M, tunjukkanlah bahwa solusi optimal dapat


mencakup suatu variabel dasar buatan yang bernilai nol. Apakah masalah di atas
memiliki solusi optimum yang fisibel?
b. Tabel simpleks optimal pada akhir fase pertama adalah sebagai berikut:

Dasar X1 X2 X3 X4 X5 R Solusi
Z -5 0 -2 -1 -4 0 0
X2 2 1 1 0 1 0 2
R -5 0 -2 -1 -4 1 0

Jelaskan mengapa variabel bukan dasar X1, X3, X4 dan X5 tidak akan bernilai
positif di akhir fase kedua. Kemudian simpulkan bahwa kolom-kolomnya dapat
dihapus sebelum fase kedua dimulai. Dengan kata lain, dengan menghilangkan
variabel-variabel tersebut, persamaan kendala pada masalah di atas menjadi X2 =
2 yang berarti tidak perlu menjalankan fase kedua karena ruang solusinya
berkurang menjadi hanya satu titik.

7. Tuliskan fase pertama dari masalah berikut dan kemudian tunjukkan bahwa masalah
tersebut tidak memiliki solusi yang fisibel.

Maksimumkan Z = 2X1 + 5X2


dengan kendala
3X1 + 2X2 6
2X1 + X2 2
X1 , X2 0

8. Selesaikanlah permasalahan berikut dengan menggunakan solusi dasar awal (yang


fisibel)

Maksimumkan Z = 3X1 + X2 + 2X3


dengan kendala
12X1 + 3X2 + 6X3 + 3X4 = 9
8X1 + X2 - 4X3 + 2X5 = 10
3X1 - X6 = 0
X1 , X2 , X3 , X4 , X5 , X6 0

9. Gunakan metode dua fase untuk menentukan solusi optimum dari masalah LP berikut:

Maksimumkan Z = 5X1 - X2
dengan kendala

52
2X1 + X2 =6
X1 + X2 4
X1 + 2X2 5
X1 , X2 0

10. Perhatikan permasalahan berikut:

Maksimumkan Z = X1 + 5X2 + 3X3


dengan kendala
X1 + 2X2 + X3 = 3
2X1 - X2 = 4
X1 , X2 , X3 0

Misalkan R adalah variabel buatan di kendala kedua. Selesaikanlah permasalahan di


atas dengan menggunakan X3 dan R sebagai solusi dasar awal.

11. Perhatikan kumpulan kendala berikut ini :

X1 + 7X2 + 3X3 + 7X4 46


3X1 - X2 + X3 + 2X4 8
2X1 + 3X2 - X3 + X4 10

Selesaikan permasalahan berikut dengan metode simpleks dengan fungsi objektif


seperti di bawah ini:
a. Maksimumkan Z = 2X1 + X2 - 3X3 + 5X4
b. Maksimumkan Z = -2X1 + 6X2 + 3X3 - 2X4
c. Maksimumkan Z = 3X1 - X2 + 3X3 + 4X4
d. Minimumkan Z = 5X1 - 4X2 + 6X3 + 8X4
e. Minimumkan Z = 3X1 + 6X2 - 2X3 + 4X4

12. Perhatikan model alokasi LP berikut.

Maksimumkan Z = 3X1 + 2X2 + 5X3 (keuntungan)


dengan kendala
X1 + 2X2 + X3 430 (sumber daya 1)
3X1 + 2X3 460 (sumber daya 2)
X1 + 4X2 420 (sumber daya 3)
X1 , X2 , X3 0

Tabel optimumnya diberikan sebagai berikut.

Dasar X1 X2 X3 X4 X5 X6 Solusi
Z 4 0 0 1 2 0 1350
X2 -1/4 1 0 1/2 -1/4 0 100
X3 3/2 0 1 0 1/2 0 230
X6 2 0 0 -2 1 1 20

53
a. Dalam masing-masing kasus berikut, periksa apakah solusi yang diberikan tetap
fisibel. Jika tetap fisibel, hitunglah nilai X1 ,X2 , X3 dan Z.
(1) Sumber daya 1 bertambah menjadi 500
(2) Sumber daya 1 berkurang menjadi 400
(3) Sumber daya 2 berkurang menjadi 450
(4) Sumber daya 3 bertambah menjadi 440
(5) Sumber daya 3 berkurang menjadi 380

b. Dalam masing-masing kasus berikut, periksa apakah solusi yang diberikan tetap
optimum.
(1) Koefisien X1 pada fungsi objektif berkurang menjadi 2
(2) Koefisien X1 pada fungsi objektif bertambah menjadi 9
(3) Koefisien X2 pada fungsi objektif bertambah menjadi 5
(4) Koefisien X3 pada fungsi objektif berkurang menjadi 1

13. Perhatikan permasalahan pada soal no. 12 di atas.


a. Jika ketersediaan sumber daya 1, 2 dan 3 berubah masing-masing menjadi 438,
500 dan 410 tunjukkan bahwa aturan fisibilitas 100% gagal mendeteksi fisibilitas
dari solusi optimum yang telah diperoleh.
b. Jika ketersediaan sumber daya 1, 2 dan 3 berubah menjadi 460, 440 dan 380,
tunjukkan bahwa aturan fisibilitas 100% tidak dapat digunakan. Mengapa?
c. Tentukan apakah solusi optimum yang telah diperoleh akan berubah untuk
masing-masing fungsi objektif (maksimasi) di bawah ini.
(1) Z = 2X1 + X2 + 4X3
(2) Z = 3X1 + 6X2 + X3
(3) Z = 8X1 + 3X2 + 9X3

54

Anda mungkin juga menyukai