Anda di halaman 1dari 34
MAKALAH PROGRAM LINEAR “ METODE SIMPLEKS ” Disusun Oleh: Kelompok 4 (Empat) © Anggia Murni (4131230002) © Muhammad Adi Rianta (4131230007) © Muhammad Ridwan Mukti (4133230022) © Nila Aulia (4133230028) © Ria Rahmadita Surbakti (4131230008) © Romanus Relawan Waruwu (4132230017) * Rony Genevent (4133230032) © Vivi Milan Nababan (4132230018) UNIVERSITAS NEGERI MEDAN, FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM T.A 2015/2016 Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas berkat dan rahmat-Nya sehingga kami dapat menyusun makalah “Metode Simpleks”. Kami ucapkan terima kasih kepada dosen pengampu mata kuliah PROGRAM LINEAR yang telah menuntun kami untuk menyelesaikan makalah ini. Terakhir kami ucapkan terimakasih kepada teman — teman dan semua pihak yang telah membantu dalam diskusi untuk menyelesaikan makalah ini, Kami berharap makalah ini dapat membantu dalam menyelesaikan tugas ataupun pekerjaan yang, kita lakukan, Medan, Maret 2015 Kelompok 4 DAFTAR ISI KATA PENGANTAR.... 0 DAFTAR ISI 2 BAB I PENDAHULUAN.... 3 A. Latar Belakang 3 B. Rumusan Ma 4 ©. Tujuan, i BAB II PEMBAHASAN. sss 25 1. Masalah Maksimasi., 5 2. Kendala (Syarat) Bertanda cin thy 3, Masalah Minimumisasi 20 Masalah Primal dan Dual... 4 5. Degeneracy. B, AB LE PENUTUP .sestnsensesenne 1, Kesimputan 2 Saran, DAFTAR PUSTAKA ... oo BD 22 BABI PENDAHULUAN A. Latar Belakang Salah satu pendekatan yang dapat dilakukan untuk — menyelesaikan masalah manajemen sains adalah pemrograman linear. Pemrograman linear merupakan kelompok teknik analisis kuantitatif yang mengandalkan model matematika atau model simbolik sebagai wadahnya, Artinya, setiap masalah yang kita hadapi dalam suatu sistem permasalahan tertentu perlu dirumuskan dulu dalam simbol-simbol matematika tertentu, jika kita inginkan — bantuan pemrograman linear sebagai alat analisisnya. Metode grafik merupakan salah satu metode yang dapat digunakan untuk menyelesaikan masalah pemrograman linear yang melibatkan dua peubah keputusan, Membahas mengenai masalah meminimumkan fingsi kendala bertanda >, fiungsi kendala bertanda ~ tidak ada penyelesaian layak, tidak ada penyelesaian optimal, beberapa alternatif optimal, dan wilayah kelayakan yang tidak terikat dapat terjadi saat menyelesaikan masalah pemrograman linear dengan ‘menggunakan prosedur penyelesaian grafik. Kasus-kasus ini juga dapat terjadi saat menggunakan metode simpleks. Metode simplek untuk linier programming dikembangkan pertama kali oleh George Dantzing pada tahun 1947, kemudian digunakan juga pada penugasan di Angkatan Udara Amerika Serikat. Dia mendemonstrasikan bagaimana menggunakan fungsi tujuan (iso-profit) dalam upaya menemukan solosi diantara beberapa kemungkinan solosi sebuah persoalan — linier programming. Proses penyelesaiaanya dalam metode simplek, dilakukan secara berulang- ulang (iterative) sedemikian rupa dengan menggunakan pola tertentu (standart) sehingga solusi optimal tereapai. Ciri lain dari metode simplek adalah bahwa setiap solusi yang baru akan menghasilkan sebuah nilai fingsi tujuan yang lebih besar daripada solosi sebelumnya, B. Rumusan Masalah Adapun rumusan masalah yang akan dibahas dalam makalah ini adalah sebagai berikut: 1 Bagaimana cara mencari nilai_maks um dengan menggunakan metode simpleks? 2. Bagaimana cara menyelesaikan masalah/kendala (syarat) bertanda “—"? 3. Bagaimana cara mencari nilai minimum dengan menggunakan metode simpleks? 4, Bagaimana cara membedakan antara asalah primal dan dual dalam program linear? 5. Kapan pemrograman linear dikatakan mengalami degenerasi? C. Tujuan Adapun tujuan dari penulisan makalah ini antara lain ‘© Dapat menyelesaikan masalah maksimasi dalam program linear * Dapat menyelesaikan masalah / kendala (syarat) bertanda “=” pada program linear ‘© Dapat menyelesaikan masalah minimasi dalam program linear © Dapat men; etahui dan membedakan antara masalah primal dan dual dalam program linear ‘© Dapat menyelesaikan masalah degeneracy / kemerosotan dalam program linear BABII PEMBAHASAN, 1, Masalah Maksimasi Untuk menyelesaikan masalah maksimasi maka programasi linear harus lebih dahulu ditulis dalam bentuk standar. Dengan bentuk standar dimaksudkan adalah permasalahan programasi linear yang berwujud permasalahan maksimasi dengan batasan-batasan (kendala) yang bertanda kurang dari atau sama dengan ( <) yang menunjukkan keterbatasan sumber daya yang tersedia, Untuk bentuk- bentuk lain seperti masalah min maupun_penyimpangan-penyimpangan lain dalam batasan-batasan yang, berlaku akan dibicarakan tersenditi, Berikut merupakan langkah-langkah menggunakan metode simpleks yaitu : % Mengubah fimgsi tujuan dan batasan-batasan % Menyusun persamaan-persamaan di dalam table % Memilih kolom kunci % Memilih baris kunei % Merubab nilai-nilai pada baris kunci % Mengubal nilai-nifai selain pada baris kunci % Melanjutkan perbaikan/pengulangaviterasi Contoh 1: ‘Maksimumkan Z = 3x, + 5x Batasan (constrain) (1) 2x; <8 (2)3x, 515 GB) 6x, + 5x, < 30 Langkah 1: Mengubah fungsi tujuan dan batasan-batasan © Fungsi tujuan Z = 3x, + 5x, diubah menjadi Z— 3x, — 5x) = 0 © Fungsi batasan (diubah menjadi kesamaan & di + slack variabel) (1) 2x, $8 menjadi 2x, +x, =8 (2) 3x, < 15 menjadi 3x, + x4 = 15 (3) 6x; + Say < 30 menjadi 6x, + 5x2 + x5 = 30 Fungsi tujuan : Maksimumkan Z 3x, — 5x) = Fungsi batasan () 2x; +23 = (2) 3x, +x, = 15 (3) 6x, + 5x, +45 = 30 Langkah 2; Menyusun persamaan-persamaan di dalam tabel Beberapa istilah dalam Metode Simpleks yaitu : © NK adalah nilaé kanan persamaan, yaitu nilai di belakang tanda sama dengan (=). Untuk batasan 1 sebesar 8, batasan 2 sebesar 15, dan batasan 3 sebesar 30. © Variabel dasar adalah variabel yang nilainya sama dengan sisi kanan dari persamaan, Pada persamaan 2x, +2; = 8, kalau belum ada kegiatan apa- apa, berarti nilaix, = 0, dan semua kapasitas masih menganggur, maka pengangguran ada 8 satuan, atau nilai x; = 8, Pada tabel tersebut nilai variabel dasar (x, 4,25) pada fungsi tujuan pada tabel permulaan ini harus 0, dan nilainya pada batasan-batasan bertanda positif Z = 3x, + Sxp diubah menjadi Z — 3x, — 5x2 = 0. (1) 2x; <8 menjadi 2x, + x3 = 8 (2) 3x < 15 menjadi 3x, + x4 = 15 (3) 6x; + 5xz < 30 menjadi 6x, + 5xz +x = 30 Maka tabel simpleks yang pertama yaitu sebagai berikut : Langkah 3; Memilih kolom kunci Kolom kunci adalah kolom yang merupakan dasar untuk mengubah tabel simplek. Pilihlah kolom yang mempunyai nilai pada garis fungsi tujuan yang bernilai negatif dengan angka terbesar. Dalam bal ini kolom x, dengan nila pada baris persamaan tujuan 5. Berilah tanda segi empat pada kolom x», seperti tabel berikut Tabel simpleks: pemilihan kolom kunei pada tabel pertama Variabel Dasar Jika suatu tabel sudah tidak memiliki nilai negatif pada baris fungsi tujuan, berartitabel itu tidak bisa dioptimalkan lagi (sudah optimal), Langkah 4: Memilih baris kunci Baris kunci adalah baris yang merupakan dasar untuk mengubah tabel simplek, dengan cara meneari indeks tiap-tiap baris dengan membagi nilai-nilai pada kolom NK dengan nilai yang sebaris pada kolom kunci. (Nilai Kolom NK) Indeks = —Witai kolom kunci) a = ©, baris batasan 2 = + =5, Untuk baris batasan 1 besarnya indeks dan baris batasan 3 =~ = 6, Pilih baris yang mempunyai indeks positif dengan angka terkeci!. Dalam hal ini batasan ke-2 yang terpilih sebagai baris kunci. Beri tanda segi empat pada baris kunci, Nilai yang masuk dalam kolom kunci dan juga masuk dalam baris kunei disebut angka kunci. Langkah 5: Mengubah nilai-nilai baris kunci ilai baris kunci diubah dengan cara membaginya dengan angka kunei, seperti tabel dibawah ini, bagian bawah (2 = a8, 5). Gantilah variabel dasar pada baris itu dengan variabel yang terdapat di bagian atas kolom kunei (x2). Tabel simpleks: Cara mengubah nilai baris kunci Keterangan Variabel Dasar (indeks) Langkah 6: Mengubah nilai-nilai selain pada baris kunei Dengan menggunakan rumus berikut Baris baru = baris lama ~ (koefisien pada kolom kunci) x nilai baru baris kunci Baris pertama (Z) ) | [0 ws jo }s) | (-) Nilai baru | = [3 33 |0, | 25] Baris ke-2 (batasan 1) 2 0 0 | 8] @ | [0 ws jo |s] | (-) Nilai baru | = 2 0 0 | 8] Baris ke-4 (batasan 3) [6 0 1, | 30] 6) | [0 ws ]o, |S] |(-) Nilai baru | = [6 33 fi [5] Tabel pertama nilai lama dan tabel kedua nilai baru Xs 0 0 0 0 8 Xe 0 0 0 15 10 Xs 0 6 5 0 0 IL 30 Langkah 7; Melanjutkan perbaikan Ulangilah langkah-langkah perbaikan mulai langkah 3 sa mpai langkah ke-6 untuk memperbaiki tabel-tabel yang telah diubalv/diperbaiki nilainya. Perubahan baru berhenti setelah pada baris pertama (fungsi tujuan) tidak ada yang bernilai negatif Keterangan (Indeks) u Nilai baru Baris ke-1 t3 Jo Jo [53 Jo, Jos) c) [tu fo fo | -sis}i6, | 56) | (-) Nilai baru] = to fo Jo | 56 2h] Baris ke-2 (batasan 1) 12 |o 0 0, 8] 2 {tr fo 58 | 16, | 5/6) | (-) Nilai baru = 0 0 54a -1/3, 64] Baris ke-3 tidak berubah karena nilai pada kolom kunci ~ 0 [o jt 0 13 0, 5s] o fir fo 0 518 | 16, | 5/6) | (-) 2 Nilai baru = 0 o 13 0, 5] Tabel simpleks final hasil perubahan Variabel Dasar Zim |oum low | ou Xs NK Z 1 0 0 516 27h xy 0 0 I 59 V3 6s x 0 0 0 13° Jo a x 0 1 o |-sis |i | 56 Baris pertama (Z) tidak ada lagi yang bernilai negatif. Schingga tabel tidak dapat dioptimalkan lagi dan tabel tersebut merupakan hasil optimal Dari tabel final didapat =271 Zraksinum = 27% 13 2. Kendala (Syarat) Bertanda “ =” Kendala berbentuk sama dengan (=) juga tidak memiliki variabel basis. Olch Karena itu tambahkan satu variabel basis semu, agar table awal simpleks dapa dibentuk. Misalkan,2x, + 4x = 20 , dapat diubah menjadi 2x, + 4x) +Q = 20, dimana Qadalah variabel basis semu, Meskipun semua kendala telah memiliki variabel basis, tetapi penambahan variabel semu tersebut bukan penyelesaian yang fisibel bagi masalah astinya Variabel semu harus dikurangi nilainya hingga menjadi nol. Ada dua metode yang dapat dilakukan untuk mengnolkan variabel semu yaitu : 1. Metode M besar 2. Metode dua fase (dua tahapan) Metode M Besar Dalam metode ini, koefisien fimgsi tujuan untuk variabel semu diberi nila yang sangat besar yaitu negatif M atau —M untuk fimgsi tujuan maksimum dan positif M atau + M untuk fungsi tujuan minimum, Contoh 2 Masalah variabel semu Model LP yang telah diformulasikan berbentuk sebagai berikut : Maksimum Z = 50x, + 80x, dk Lx, < 40 2x = 20 3m + = 50 4x, m2 0 Model LP yang telah diformulasikan berbentuk sebagai berikut: Maksimum Z = 50x, + 80x, + 0S; — 05, — MQ, - MQ, dk 1.X, +S, + 0S, + 0, + 0Q, = 40 2.x, + 05, - 5; +Q, +00, = 20 3.x, + x) + 05, + 05, + 0Q, + Q, = 50 4x 2, Sy Sy Q Q 20 14 Tabel awal simpleks dapat dibuat seperti berikut ini: Tabel awal simpleks Metode M besar 3 800M G M CB | Vib. basis Indeks x 8 ss Q Q 0 {Ss 40 a) 10 0 0/400 =~ M |Q 20 o 1 oO - 1 ol21 = M | @ 50 14 0 0 0 1/20 Z-G, -70M | -M-50 -2M-80 0 =M 0/501 = 0 30 Nilai yang terdapat pada baris Z; — C, Tabel di atas diisi dengan menggunakan cara sebagai berikut: 40 Z=(0,-M, -M] fz} 0-0 am 50M = - 70M 0. 1 Z,=[0, -M, -M] [o s0-0--20--a1-20 1, Z: 0 (0, -M, -M] [} #904. 80--20 0 1 0 Z,~ (0, -M, -M] [z:}o-o-m+o-m 0 Dan seterusnya. Dengan mengikuti Jangkah-langkah ~metode simpleks _terdahulu, penyelesaian contoh ke-2 dapat dilihat berikut ini. Tabel iterasi 1 15 3 900 M - « |S M CB | Vib. basis Indeks x 2 81 Q Q 0 {Ss 40 1 O10 0 O 80 | x 20 o 104 1 0 M/Q 30 1 004 4 1 ZG |- -M-50. 0 0 -M-80 2M+80 30M+1.600 | 0 Tabel Iterasi 2 (Optimum) G{s0 80 0 0 M M CB | Vib. basis Indeks b yo 8 5 & G@ @ 0 |S 0 To 700 0 80 | 50 1 1 00 0 1 0 |e 30 1 0 0 1 a4 Z-G 4000 -|30 0 0 0 M M80 Solusi optimum dicapai apabila x, = Odanx) = 50, dengan nilai Z~ 4.000 Metode dua fase Dalam metode dua fase, penyelesaian dipisahkan menjadi dua tahapan, Setiap tahapan menggunakan_ tabel _simpleks menggunakan langkah-langkah metode simpleks. Fase 1 dan proses kerjanyatetap Tahapan pertama bertujuan untuk mngnolkar/menghilangkan variabel semu, dengan cara membuat fungsi tujyan semu. Fungsi tujuan semu memiliki jumlah variabel sama dengan jumlah variabel semuanya, Kemudian fungsi tujuan semu dimaksimumkan dengan table simpleks. Koefisien fimgsi tujuan untuk variabel semu diberi nilai minus satu atau (-1) jika fangsi tujuan maksimum dan 16 plus satu atau (+1) jika fangsi tujuan minimum, Fase satu berakhir apabila fungsi tujuan semu memiliki nilai nol. Proses dilanjutkan ke fase ke-dua Lihat kembali Contoh 2 di atas. Jumlah variabel semu ada dua yaitu Q; dan Qo, Oleh Karena itu fungsi tujuan semunya adalah maksimum Z= - Qu - Qe Fungsi tujuan semu ini kita maksimumkan , sehingga penyelesaian fase pertama nampak sebagai berikut. Tabel Awal o 0 0 0 1 4 CB | Vrb. basis | C, XM S82 QQ | Indeks b 01s) 40 rT 0 1 0 0 0 |400=~ Q 20 Oo 1 0 4 1 0 | 201 =20 Q 50 1 1 0 0 0 1 | s0/1=50 ZC -70 - 2 0 1 0 0 Tabel Iterasi 1 Fase Pertama CB | Vrb. basis | CG xX x2 S182 Qi Qe | Indeks b Si 40 rT 0 1 0 0 0 |400=~ % 20 O 1 0 A 1 0 | 20-1=-20 -1/Q 30 1 0 0 1 - 1 | 301=30 Z-G 30 |-1 0 0 + 2 0 Tabel Iterasi 2 Fase Pertama (Optimum) CB | Verb. basis “| Indeks Gix e s 2 @ @ 7 o ys 40 |r 0 1 0 0 0 0 |x sojt ot 0 O 1 1 0 |s 30/1 0 O 1 At Z-G 30/1 0 09 O Ld Pada table di atas (optimum) fingsi tujuan semu sudah di optimumkan, dan variabel semu Q; dan Q: sudah keluar dari basis. Proses dapat dilanjutkan ke fase ke-dua. Apabila variabel semu masih berada dalam basis dengan nilai positif, maka persoalan tersebut tidak layak, Mungkin kesalahan dalam proses perhitungan atau kesalahan dalam formulasi LP. Proses tahap kedua tidak perlu dilanjutkan, Fase 2 Tabel akhir fase pertama merupakan tabek awal fase kedua. Kemudian dioptimatkan dengan memasukkan fungsi ujuan aslinya. Karena pada fase pertama kita telah mengnolkan variabel semu, maka pada fase kedua variabel semu tidak perlu disertakan lagi dalam table (dihilangkan). Lihat table awal fase kedua berikut ini, Tabel awal fase kedua G | 50 80 o 0 CB | Vrb. basis Indeks 6 8 8 & 0 |S: 40 1 0 1 0 80 | x 50 1 1 o 0 0 | s 30 1 0 ojo. Z-G 4.000 3000 0 0 Setelah koefisien fungsi tujuan asli dimasukkan ke dakam table awal fase kedua, secara langsung table awal tersebut menunjukkan table optimum. Karena nilai yang terdapat pada baris Z)~ C; > 0. Solusi optimum adalah x; = 0 dan xz 50. 18 Membandingkan metode M_ besar dengan metode dua fase, dapat disimpulkan bahwa kedua metode sama-sama menggunakan variabel sem. Perbedaan terletak pada tahapan penyelesaian. disamping itu Metode M_besar perhitungannya lebih rumit. Hal ini yang perlu diperhatikan dalam penggunaan metode M besar dan dua fase adalah : 1. Variabel semu hanya ditambahkan untuk mendapatkan pemecahan awal yang fisibel, Jika kita menggunakan program komputer seperti QSB (Quantitative System for Business), maka penambahan variabel semu tidak perlu dilakukan, karena QSB sudah diprogram sedemikian rupa dalam menghadapi berbagai macam bentuk kendala, 2. Apabila variabel semu telah keliar dari dalam basis, maka pada abel berikutnya variabel semu tidak perlu muncul kembali 3. Pada tabel optimum semua variabel semu harus keluar dari dalam basis. Jika variabel semu masih terdapat dalam basis dengan nilai positif, maka persoalan tidak layak. 19 3. Masalah Minimumisasi Masalah minimi si sangat_mungkin ditemui di dalam formulasi LP (Linear Program). Bagaimana menyelesaikan masalah LP jika fungsi tujuannya berbentuk minimisasi? Misalkan fingsi tujuannya adalah : ZMin.= 40x, + 30x, ‘Untuk menangani masalah ini, ada dua metode yang dapat dilakukan, yaitu: Meode 1 Mengubah fungsi tujuan minimum menjadi maksimum, Caranya adalah mengalikan fungsi tujuan minimum dengan minus satu. Misalkan, fungsi tujuan ZMin.= 40x, + 25x,, diubah maksimum = menjadi: —Z* mak.= Z = 40x, + 25x Jika cara ini dilakukan , maka berlaku ketentuan sebagai berikut ini 1. Tabel simpleks berakhir (optimal) apabila nilai yang terdapat pada baris Z; ~G<0. 2. Pada table awal, nilai pada baris Z; ~ C; yang berkorespondensi dengan variabel keputusan bertanda positif: 3. Kolom kunei dipilih dari nilai positif terbesar. 4, Baris kunci tetap mengikuti aturan perbandingan minimum dan bukan negatif. Proses iterasi selanjutnya sama dengan cara terdahulu. Contoh 1, Masalah Minimisasi Produk Mix Sebuah masalah LP yang telah diformulasikan berbentuk sebagai berikut : Minimum Z = 40x, + 25x dk 3x, + 2x, < 150 8x, + 2x, < 200 x20 x > 0 Formulasi LP di atas dapat diubah menjadi bentuk standar dengan fungsi tujuan diubah menjadi bentuk maksimum. 20 Maksimum - Z*= Z = —40x, — 25x, + 0S, + 0S, dk 3x, + 2x, + S, + 0S, = 150 8x, + 2x, + 0S, + S, = 200 uh — x1,x2, $1,52 2 0 Dengan mengikuti langkah-langkahmetode masalah minimisasi produk mix adalah sebagai berikut, Tabel awal Simpleks Masalah Minimi Vib. [40-25 0 0, CB) basis | C) [Xx S| Indeks b Si 1590/3210 | 150% S 200 |8 2 0 200/8 = 25 Z-G |0 |40 2 0 0 Tabel Iterasi 1 ca | G[40 25 0 0 basis [Xr om os & 01S 7 [0 125 1-38 | 75/1,25=60 40 X; 25 |1 0,25 0 WB | 25/0,25= 100 Z-G |-100/0 15 0 +5 ‘abel Iterasi 2 (Optimum) ca | G]-40 25-0 ~~ Inde basis (bh [XM om [ks 25% 6 [0 1 O08 -03 -40 |X 10 |1 0 02 02 Z-C |-1900/0 0-12-05 Hasil tabel iterasi ke-2, menunjukkan bahwa solusi optimum adalah: simpleks, penyelesaian 21 x, = 10,danx, = 60. Minimun Z = -Z*= —40(10) - 25(60) = —(-1.900) = 1.900 Metode 2 Dalam metode ini, kita tidak melakukan perubahan bentuk fungsi tujuan, tetapi secara langsung, fungsi tujuan minimum dimasukkan dalam table (tetap seperti aslinya). Jika cara ini dilakukan, maka berlaku ketentuan sebagai berikut: 1. Tabel simpleks berakhir (optimal) apabila nilai yang terdapat pada baris Z; - Geo 2. Okh Karena fungsi tujuan berbentuk minimum, maka kolom kunei dipilih i nilai negatif terkecil yang terdapat pada baris Z, 3. Baris kunci tetap mengikuti aturan perbandingan minimum dan bukan negai 4, Proses iterasi selanjutnya sama dengan cara terdahulu Lihat kembali contoh 1 di atas. Bentuk standar masalah minimisasi produk mix adalah sebagai berikut: Minimum Z = 40x, + 25x, + 05, + 0S; dk 3x, + 2x) +S, + 0S; = 150 8x, + 2x, + 05, + S, = 200 uh xy Xz, SS. > 0 Jika bentuk standar tersebut diselesaikan menurut metode 2, hasilnya adalah sebagai berikut: Tabel awal Simpleks Masalah Minimisasi ; G [40-23 0 0 CB | Vib. basis Indeks by Xi mS 07S i0-/3)~—~C«2~SCSCtiSSSSOD=78 0 |S 200 «|8 «6-2 «0 1~_‘| 2002= 100 Z-G 0 40-25 0 0 22 Tabel Iterasi 1 Gj |40 -25 0 0 CB | Vib. basis Indeks b Xo Ss & X B 13 1 035 0{75/,5=50 S: 50 3 0-1 1/505 -10 Z-C 1875 |-52 0 125 0 Tabel Iterasi 2 (optimum) 40 -25 0 o CB Vib. basis | G Xo 8 | Indeks b 25 |X 60 0 1 Of 03 40 X 10 1 0 02 02 ZG 190 |0 0 12 05 Tabel optimum kedua metode tersebut menunjukkan hasil yang sama, yaitu x, = 1Ounitdan x) = 60 unit dengan total nilai Z = Rp 1.900,00. 23 4. Masalah Primal dan Dual Teori dualitas merupakan salah satu Konsep programa linier yang. penting, dan menarik ditinjau dari segi teori dan praktisnya, Ide dasar yang melatarbelakangi teori ini adalah bahwa setiap persoalan programa linier ‘mempunyai suatu programa linier lain yang saling berkaitan yang disebut “dual”, sedemikian schingga solusi pada persoalan semula (yang disebut “primal”) juga memberi solusi pada dualnya, Pendefinisian dual ini akan tergantung pada jenis pembatas, tanda-tanda variabel, dan bentuk optimasi dari persoalan primalnya. Akan tetapi, karena setiap persoalan programa linier harus dibuat dalam bentuk standar lebih dahulu sebelum modelnya dipecahkan , maka pendef in dibawah ini akan secara otomatis meliputi ketiga hal di atas, Bentuk umum masalah primal dual adalah sebagai berikut Primal : Maksimumkan © 2 = 61 x1 +02 X2 +... + Gn Xn Berdasarkan pembatas att Xt + ara Xe + n+ Btn Xn By 21 Xt + a2 X2 +... + Aan Xn < be Amn Xt + Oma Xo +... + Amn Xo = Dw HE HRs aay Ke 2 Dual: Minimumkan : w= by ys + bz Yo... + Bm Yn Berdasarkan pembatas ay Ya + 21 Ya to... * Bent Yn S Ct aia Yi + azz ya + .... + Ama Ym S02 Ain Ys + Aon Yo +... + Benn Yn S Cn Ya sY2o ees Ym 20 24 Kalau kita bandingkan kedua persoalan di atas, ternyata terdapat korespondensi antara primal dengan dual sebagai berikut : L. Koefisien fungsi tujuan primal menjadi konstanta ruas kanan bagi dual, sedangkan konstanta ruas kanan primal menjadi koefisien fungsi tujuan bagi dual 2. Untuk tiap pembatas primal ada satu variaebl dual, dan untuk setiap variabel primal ada satu pembatas dual 3. Tanda ketidaksamaan pada pembatas akan bergantung pada fungsi tujuannya, 4, Fungsi tujuan berubah bentuk (maksimasi menjadi minimasi dan sebaliknya). 5. Setiap kolom pada primal berkorespondensi dengan baris (pembatas) pada dual 6. Setiap baris (pembatas) pada primal berkorespondensi dengan kolom pada dual. 7. Dual dari dual adalah primal. Hubungan Primal Dual Nilaitujuan dalam suatu pasangan masalah primal dan dual harus memenuhi hubungan berikut ini : 1. Untuk setiap pasangan pemecahan primal dual yang layak nilai tujuan nilai tujuan dalam masalah maksima: dalam masalah min imasi 2. Dipemecahan optimum untuk kedua masalah nilai tujuan }=(" ai tujuan dalam masalah maksimasi dalam masalah win imasi 25 Untuk menjelaskan hubungan antara primal dan dual, perhatikan ilustrasi berikut ini Primal Minimumkan : z= 16x; + 30x2 + 36x3 Berdasarkan pembatas 2xi + 3x2 + 2xs > 60 2x1 + Sxe + 3x3 > 80 X12, %3 > 0 Soal ini kita selesaikan melalui penyelesaian dualnya, yakni Maksimumkan : w = 60y; + 80y2 Berdasarkan pembatas 2y1+2ye < 16 3y1 + Sy2 < 30 2y1+ ye < 36 VioY2eys 20 Karena soal ini hanya terdiri dari dua choice variabel sehingga dapat diselesaikan dengan metode grafis, namun soal ini kita selesaikan dengan metode simpleks, sebab dengan cara ini dari tabel akhir dapat kita baca jawaban untuk persoalan primalnya. Untuk ini bentuk constraint di atas diubah dulu-menjadi persamaan dengan memasukkan ack variable U1, (2, dan 13 (untuk primal problem ; slack/surplus variable kita pakai lambang S), yakni : 2y1 + 2ya +t = 16 Byi+5y2 th |= 30 2y1 + Bye +t = 36 Sedangkan fungsi objectivenya ditulis dalam bentuk W-60y;- 80y2 +01; +0 +0ts=0 Dengan demikian penyelesaian dari persoalan diatas adalah sebagai berikut : 26 Basis yi ye t t tb Solusi t 2 2 1 oO i) 16 te 3 5 ° 1 0 30 tb 2 3 0 0 1 36 w -60 2 ~~ 0 0 0 t a5 0 1 “25 0 4 Ye 35 1 ° 5 0 b 115 0 0 35 1 18 Ww 12 0 0 0 0 480 vi 4 ° 5/4 “2 0 5 Ye 0 1 3/4 112 0 3 b 0 0 “14 “112 1 7 w | oO 0 15 70 0 340 Karena pada tabek di atas tidak terdapat lagi entry negatif pada baris w, maka tabel ini merupakan tabel akhir dan fungsi objective telah mencapai nilai optimal, yakni: Wrox = 540 untuk y, = 5 unit, yy = 3 unit dan ¢ = 17 unit, yakni bahan yang tidak terpakai dari konstraint ketiga, sedangkan t; = t) = 0. Dari tabel ini dapat kita baca nilai x, , x» ,dam xs dari primal problem, yakni : 15 xy = entry dari kolom tz pada baris w, sehingga x, = 10 x, = entry dari kolo t, pada baris w, schingga x, x3 = entry dari kolom ty pada baris w, schingga x; = 0 Nilai shoice variable dari primal ini kalau kita masukkan pada fungsi objective dari primal harus cocok = 540, yakni : Z = 16x, + 30x, + 36x; 16 (5) + 30(10) + 36 (0) = 540 min = Wnas a Sifat-sifat primal dua penting untuk dipahami terutama pada saat kita (sift ini membicarakan masalah analisis sensitivitas. Dengan menggunakan s kita dapat menentukan nilai variabel-variabel tertentu dengan cara yang sangat cfisien. Ada empat sifat yang perlu diketahui, yaitu : Sifat 1: Menentukan koefisien fungsi tujuan variabel-variabel basis awal. Pada setiap iterasi solusi simpleks, baik primal maupun dual, koefisien fungsi ‘ujuan variabel-variabel basis awalnya dapat dicari dengan cara a, Mengalikan fungsi tujuan yang original dari variabel-variabel basis pada iterasi yang bersangkutan dengan matriks di bawah variabel basis awal pada iterasi yang bersangkutan, Koefisien ini biasa disebut simplex multiplier. [Roefisien fimgsi tujuan | [ matriks di bawah original dari vari—| | variabel basis simplex abel basis pada iterasi ‘awal pada iterasi multiplier Lang bersangki tan yang bersangku tan b, Kurangi nilai-nilai simplex multiplier ini dengan fiungsi tujuan yang original dari variabel-variabel basis awal. Sifat 2: Menentukan koefisien fungsi tujuan variabel-variabel nonbasis awal. Pada setiap iterasi dari persoalan primal, koefisien fungsi tujuamnya dapat itentukan dengan menyubstitusikan simplex multiplier pada variabel-variabel pembatas dari dual, kemudian meneari selisih antara ruas kiri dan ruas kanan dari pembatas dual tersebut. Sifat 3 : Menentukan nilai ruas kanan (solusi) dari variabel-variabel basis. Pada setiap iterasi, baik primal maupun dual, nilai ruas kanan (kolom solusi) variabel-variabel basis pada iterasi yang bersangkutan dapat ditentukan dengan cara sebagai berikut : 28 matrikas dibawah matriks kolom ‘matriks kolom variabel basis awal | | ruas kanan | ruas kanan pada iterasi yang | | original variabel basis bersangku tan Sifat 4 : Menentukan koefisien pembatas. Pada setiap iterasi, baik primal maupun dual, koefisien pembatas dari setiap variabel dapat ditentukan dengan cara sebagai berikut : ‘matriks di bawah ‘matriks kolom dari ‘matriks kolom dari variabel basis awal | | kolom koefisien __ | kolom koefisien pada iterasé yang pembatas yang © | pembatas pada iterast Bersangki tan original yang bersangky tan Contoh : Maksimumkan : Z = 4x, + 6x2 + 2x3 Berdasarkan pembatas: 4x, — 4a) <5 x, + 6x, <5 =x, $x $23 <5 XXX 0 ‘Salah satu iterasi dari persoalan di atas adalah sebagai berikut : Basis | % 8 82 8; | Solusi x i ™ qa 20 420~ @ x k n 1/20 4/20 oO h S ' P s 520 0 1 i z d é t a B ¢ t Tentukanlah harga-harga a, b,c, de, £8. i 4 kL mn, 0, pars, dant dengan menggunakan sifat-sifat primal dual, 29 5. Degeneracy Suatu pemrograman linear dikatakan mengalami degenerasi jika satu atau lebih peubah dasamya memiliki nilai nol. Untuk melihat bagaimana terjadinya degenerasi pemrograman linear, perhatikan perubahan nilai sisi sebelah kanan dari kendala waktu perakitan pada masalah PT. Maju Terus. Modifikasi linearnya diperlihatkan sebagai berikut: Maksimumkan Z = 50x; + 40x Dengan kendala 3x; + 5x2 S175 waktu perakitan x2 < 20 monitor portable 8x; + 5x2 £300 kapasitas gedung, xi,X2 2 O tak negatif Tabel 2.7. Tabel simpleks setelah iterasi pertama x » SS & & Dasar Cy B 50 4000 0 0 SO 0 258 1 0 “38 [12572 S 0 0 1 0 1 0 20 x sof. 580 0 | 75/2 7 3050 0 0 0 1875 ji 0 70/8 0 0 0 Entri dalam baris evaluasi bersih menunjukkan bahwa x> harus memasuki dasar itu, Maka kita hitung rasio yang tepat untuk —menentukan baris pivot, diperoleh: 5 je 1208/2 _ L 5, lda= 75/2 =20,5, 0/1=20, 6, /7,, == =60, 25/8 2/4n a= S75 maka terlihat hubungan antara baris pertama dan kedua. Ini merupakan indikasi bahwa kita akan memiliki suatu degenerasi penyelesaian layak dasar pada iterasi berikutnya, Tabel 2.8. Tabel simpleks setelah iterasi berikutnya 30 xi “S| SS Dasar Cp 50 400 0 0 x 40/0 1 8250 -3/25 | 20 S 0 0 0 8251 325 | 0 x 50 JL 0 525 0 528 | 25 ZG 50 4070250 130/25 | 2050 j-zi 0 0 -7025 0 -130/25 Bilamana kita memiliki hubungan dalam rasio minimum 5 ,/a,, akan selalu ada peubah dasar yang sama dengan nol dalam tabel berikutnya, Oleh arena itu, ita tidak merekam endosikan untuk memperkenalkan langkah- Jangkah khusus ke dalam metode simpleks guna menghapus kemungkinan terjadinya degenerasi, Jika sat melakukan jiterasi algoritma simpleks muncul suatu. hubungan untuk rasio minimum 5 ,/@,, maka kita hanya merekomendasikan untuk memilih baris atas sebagai baris pivot. 31 BAB III PENUTUP 1. Kesimpulan Dengan demikian dapat disimpulkan bahwa program linier programming digunakan sebagai alat bantu dalam —pengambilan keputusan untuk memaksimalkan ataupun meminimalkan hasil yang didapat 2. Saran Penulis menyadari tentang penyusunan makalah, tentu masih banyak kesalahan dan kekurangannya, karena terbatasnya pengetahuan dan kurangnya rujukan atau referensi yang ada hubungannya dengan judul makalah ini. Penutis banyak berharap para pembaca yang budiman sudi kiranya memberikan kritik dan saran yang membangun kepada penulis demi sempurnanya makalah ini dan penulisan makalah di kesempatan-kesempatan berikutnya. Semoga makalah ini berguna bagi penulis pada khususnya juga para pembaca yang budiman pada umumnya, 32 DAFTAR PUSTAKA Fitriani, Metode Simpleks. UPL : Bandung Hartanto, Eko. Metode Simpleks Dan BIG-M, Universitas Indones! akarta Tim Dosen. Modul Program Linear . Universitas Negeri Medan : Medan Widasari, Dian. Metode Simpleks Dalam Program Linear. STMIK Triguna Dharma : Medan hitp://lambang. files. wordpress.com/2010/03/03_metode-simplex.pdf http://mathematica. aurino.convwp-content/uploads/2008/1 0/simplex.pdf 33