MAKALAH PROGRAM LINIER

“METODE BIG M”

Oleh:

Asep Rosikin 0516104033

Sofyan Wahidjul 0516104034

Agus Irawan 0516104038

Hery Abdurouf 0516104041

Dosen :

Nova Indah Saragih, S.T., M.T.

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK

UNIVERSITAS WIDYATAMA

BANDUNG

2018
 KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah Subhanahuwataa’la karena dengan

Rahmat, Karunia, serta Taufik dan hidayah-Nya penulis dapat menyelesaikan
makalah tentang “Metode Big M”. Penulis berterima kasih kepada Ibu Nova
Indah Saragih, S.T., M.T. selaku dosen mata kuliah Optimasi Sistem yang
memberikan tugas ini.

Penulis sangat berharap makalah ini dapat berguna dalam menambah wawasan
serta pengetahuan kita mengenai penerapan metode ini. Penulis juga menyadari
bahwa di dalam makalah ini terdapat kekurangan dan jauh dari kata sempurna.
Oleh sebab itu , penulis berharap adanya kritik, saran dan usulan demi perbaikan
makalah yang telah penulis buat dimasa yang akan datang, mengingat tidak ada
sesuatu yang sempurna tanpa saran yang membangun.

Semoga makalah sederhana ini apat dipahami bagi siapapun yang membacanya.
Sekiranya makalah yang telah disusun ini dapat berguna bagi penulis sendiri
maupun orang yang membacanya. Sebelumnya penulis mohon maaf apabila
terdapat kesalahan kata-kata yang kurang berkenan, dan memohon kritik dan
saran yang membangun.

Bandung, April 2018

Tim Penyusun

i
 DAFTAR ISI

KATA PENGANTAR ............................................................................................. i

DAFTAR ISI ........................................................................................................... ii
BAB I PENDAHULUAN ....................................................................................... 1
1.1 Latar Belakang ......................................................................................... 1
1.2 Rumusan Masalah ......................................................................................... 2
1.3 Tujuan ....................................................................................................... 2
BAB 2 PEMBAHASAN ......................................................................................... 3
2.1 Metode Big M ............................................................................................... 3
2.2 Contoh perhitungan ....................................................................................... 6
2.3 Contoh Perhitungan 2 .................................................................................... 9
BAB 3 PENUTUP ................................................................................................ 11
3.1 Kesimpulan ................................................................................................. 11
3.2 Saran ............................................................................................................ 11

ii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Sejarah Perkembangan Linear Programming Ide linear programming pertama kali
dicetuskan oleh seorang ahli matematika asal Rusia bernama L.V. Kantorivich
dalam bukunya yang berjudul Mathematical Methods In The Organization And
Planning Of Production. Dengan buku ini, ia telah merumuskan pertama kalinya
persoalan Linear Programming. Namun, cara-cara pemecahan persoalan ini di
Rusia tidak berkembang dengan baik dan ternyata para ahli di negara Barat dan
AS yang menggunakan cara ini dimanfaatkan dengan baik.

Operasi riset (operation research) merupakan penerapan beberapa metode ilmiah

yang membantu memecahkan persoalan rumit yang muncul dalam kehidupan
sehari-hari kemudian di inteprestasikan dalam permodelan matematika guna
mendapatkan informasi solusi yang optimal. Operational research juga banyak
digunakan untuk mengambil keputusan yang logis serta dapat dijelaskan secara
kuantitatif. Pendekatan khusus ini bertujuan membentuk suatu metode ilmiah dari
sistem menggabungkan ukuran-ukuran faktor-faktor seperti kesempatan dan
risiko, untuk meramalkan dan membandingkan hasil-hasil dari beberapa
keputusan, strategi atau pengawasan. Karena keputusan dalam riset operasi dapat
berkaitan dengan biaya relevan, dimana semua biaya yang terkaitan dengan
keputusan itu harus dimasukkan, kualitas baik dipengaruhi oleh desain produk
atau cara produk dibuat, kehandalan dalam suplai barang dan jasa, kemampuan
operasi untuk membuat perubahan dalam desain produk atau kapasitas produksi
untuk menyesuaikan diri terhadap perubahan yang terjadi.

Metode Big M digunakan untuk menyelesaikan fungsi-fungsi dalam program linier

yang tidak berada dalam bentuk baku atau standar ( bentuk standar adalah
memaksimalkan Z sesuai dengan kendala fungsional dalam bentuk ≤ dan kendala
nonegativitas di semua variabel) dan salah satu contoh masalah dalam kendala
funsional adalah bila fungsi dalam bentuk-bentuk = atau ≥ atau bahkan ruas kanan
yang negatif.

1
1.2 Rumusan Masalah
1. Apa yang dimaksud dengan Program Linier Metode Big M?
2. Bagaimana Formulasi Metode Big M?
3. Bagaimana contoh soal dan pembahasan fungsi dari metode Big M?

1.3 Tujuan
1. Dapat memahami tentang Program Linier metode Big M.

2. Mengerti formulasi permasalahan Program Linier metode Big M.

2
 BAB 2
PEMBAHASAN

2.1 Metode Big M

Sering kita menemukan bahwa fungsi kendala tidak hanya dibentuk oleh
pertidaksamaan ≤ tapi juga oleh pertidakasamaan ≥ dan/atau persamaan (=).
Fungsi kendala dengan pertidaksamaan ≥ mempunyai surplus variable, tidak ada slack
variables. Surplus variable tidak bisa menjadi variabel basis awal. Dengan
demikian harus ditambahkan satu variabel baru yang dapat berfungsi sebagai variabel
basis awal. Variabel yang dapat berfungsi sebagai variabel basis awal hanya slack
variables dan artificial variables (variabel buatan).

1. Jika semua fungsi kendala menggunakan pertidaksamaan ≤ maka

variabel basis awal semuanya adalah slack variables. Penyelesaian
solusi optimal untuk kasus seperti ini dilakukan dengan cara yang sudah
diperkenalkan sebelumnya.
2. Jika fungsi kendala menggunakan pertidaksamaan ≥ dan/atau ≤ maka variabel
basis awal adalah slack variables dan/atau variabel buatan. Penyelesaian
solusi optimal untuk kasus seperti ini dilakukan dengan memilih antara
metode Big M, Dua Fase atau Dual Simpleks.
3. Jika fungsi kendala ada yang menggunakan persamaan maka variabel buatan
akan ditemukan pada variabel basis awal. Penyelesaian solusi
optimal untuk kasus seperti ini hanya dapat dilakukan dengan memilih antara
metode Big M atau Dua Fase. Kita akan bahas metode Big M dalam sub bab ini.
Perbedaan metode Big M dengan primal simpleks biasa (teknik penyelesaian yang
sudah dipelajari sebelumnya), terletak pada pembentukan tabel awal. Jika
fungsi kendala menggunakan bentuk pertidaksamaan ≥, perubahan dari bentuk
umum ke bentuk baku memerlukan satu variabel surplus. Variabel
surplus tidak dapat berfungsi sebagai variabel basis awal, karena koefisiennya
bertanda negatif. Sebagai variabel basis pada solusi awal, harus ditambahkan satu
variabel buatan.

3
 Variabel buatan pada solusi optimal harus bernilai 0, karena variabel ini memang
tidak ada. Teknik yang digunakan untuk memaksa variabel buatan bernilai 0 pada
solusi optimal adalah dengan cara berikut:
• Penambahan variabel buatan pada fungsi kendala yang tidak memiliki variabel
slack, menuntut penambahan variabel buatan pada fungsi tujuan.
• Jika fungsi tujuan adalah maksimisasi, maka variabel buatan pada fungsi tujuan
mempunyai koefisien +M; jika fungsi tujuan adalah minimisasi, maka variabel
buatan pada fungsi tujuan mempunyai koefisien -M.
• Karena koefisien variabel basis pada tabel simpleks harus bernilai
0, maka variabel buatan pada fungsi tujuan harus digantikan nilai dari
fungsi kendala yang memuat variabel buatan tersebut.

Teknik ini memberikan nilai koefisien yang sangat besar kepada variabel-variabel
artifisial dalam persamaan objective function. Nilai koefisien ini bertindak sebagai
penalty dan disebut Big-M. Nila ini perlu sangat besar agar algoritma simpleks berusaha
memprioritaskan menangani variabel artifisial ini terlebih dahulu. Setelah nilai artifisial
ini bernilai nol, maka suatu solusi feasible sudah tercapai dan variabel artifisial dapat
dibuang dari tabel simpleks.

Sebagai contoh apabila objective function yang asli sebagai berikut:

max2x1+9x2

maka persamaan tersebut diubah menjadi:

max2x1+9x2−MS3−MS4

Keuntungan dari metode ini adalah algoritma simplex dapat dilanjutkan sebagaimana
metode simpleks yang biasa. Akan tetapi, penggunaan angka yang sangat besar dapat
mengakibatkan iterasi simplex yang tidak stabil karena galat pembulatan.

4
Metode Simpleks biasa dapat menyelesaikan persoalan Pemrograman Linier Kanonik
yang mempunyai ciri – ciri :

- Semua variabel slack bertanda “+”

- Solusi basis awal sudah tersedia

Demikian juga pada soal Pemrograman Linier Non Kanonik solusi basis awal tidak
otomatis tersedia karena :

- Slack pada kendala ³ bertanda “-”

- Tidak ada slack pada kendala =
- Matriks Identitas tidak terbentuk, dan solusi basis awal tidak tersedia.

Untuk mengatasi masalah di atas, dibentuk variabel buatan (artificial) yang harus
memenuhi syarat – syarat sbb :

1. Variabel buatan ditambahkan pada kendala ³ dan =

2. Variabel buatan pada tabel awal sebagai basis
3. Variabel buatan pada tabel AKHIR harus NON BASIS
4. Perlu diberikan penalti “M” pada fungsi tujuan.

Dari uraian di atas bila disusun dalam langkah-langkah penyelesaian atau yang disebut
algoritma metode tersebut seperti yang terlihat di bawah ini. Algoritma Metode
Simpleks “M Besar” (M adalah bilangan positif yang sangat besar) yaitu:

Rubah model Pemrograman linier ke bentuk standar PL.

Tambahkan pada fungsi tujuan, variabel buatan dengan koefisien denda :

Bila soal maksimum ® – M

Bila soal minimum ® + M

( Jumlah variabel buatan sama dengan jumlah kendala yang bertanda ³ dan = )

5
Masukkan bentuk standar ke tabel awal variabel basis :

Variabel slack untuk kendala £

Variabel slack untuk kendala ³ dan =

Lakukan test optimalitas dan ratio seperti pada metode simpleks biasa.

Catatan :

Usahakan agar variabel buatan keluar dari basis. Bila tidak berhasil pada tabel
akhir, maka persoalan program linear tidak mempunyai solusi.

2.2 Contoh perhitungan

Perhatikan contoh di bawah ini. Bentuk Umum

Min. z = 4 x1 + x2

Terhadap: 3x1 + x2 = 3

4x1 + 3x2 ≥6
x1 + 2x2 ≤ 4
x1, x2 ≥ 0

Bentuk Baku:

Min. z = 4 x1 + x2

Terhadap: 3x1 + x2 = 3

4x1 + 3x2 - s1 = 6

x1 + 2x2 + s2 = 4
x1, x2, s1, s2 ≥ 0

Kendala 1 dan 2 tidak mempunyai slack variables, sehingga tidak ada variabel basis
awal. Untuk berfungsi sebagai variabel basis awal, pada kendala 1 dan 2
ditambahkan masing-masing satu variabel buatan (artificial variable). Maka bentuk
baku Big M-nya adalah:

6
Min. z = 4 x1 + x2 + MA1 + MA2

Terhadap: 3x1 + x2 + A1 = 3

4x1 + 3x2 - s1 + A2 = 6 x1 + 2x2 + s2 = 4

x1, x2, s1, s2 ≥ 0

1. Nilai A1 digantikan dari fungsi kendala pertama.

A1 = 3 - 3x1 - x2

MA1 berubah menjadi M(3 - 3x1 - x2) 3M-3Mx1-Mx2

2. Nilai A2 digantikan dari fungsi kendala ketiga.

A2 = 6 - 4x1 - 3x2 + s1

MA2 berubah menjadi M(6 - 4x1 - 3x2 + s1 )

6M- 4Mx1 - 3Mx2 + Ms1

3. Fungsi tujuan berubah menjadi

Min z = 4x1 + x2 + 3M-3Mx1-Mx2 +6M-4Mx1-3Mx2+Ms1

= (4 -7M)x1+(1 - 4M)x2 + Ms1 +9M

4. Tabel awal simpleks

VB X1 X2 S1 A1 A2 S2 Solusi
z -4 +7M -1 +4M -M 0 0 0 9M
A1 3 1 0 1 0 0 3
A2 4 3 -1 0 1 0 6
S2 1 2 0 0 0 1 4

7
 5. Perhitungan iterasinya sama dengan simpleks sebelumnya.
Iterasi 0 =

Iterasi-0
VB X1 X2 S1 A1 A2 S2 Solusi Rasio
z -4 +7M -1 +4M -M 0 0 0 9M -
A1 3 1 0 1 0 0 3 1
A2 4 3 -1 0 1 0 6 3/2
S2 1 2 0 0 0 1 4 2

Iterasi 1 =

Iterasi-1
VB X1 X2 S1 A1 A2 S2 Solusi Rasio
z 0 (1 +5M)/3 -M (4-7M)/3 0 0 4+2M -
X1 1 1/3 0 1/3 0 0 1 3
A2 0 5/3 -1 -4/3 1 0 2 6/5
S2 0 5/3 0 -1/3 0 1 3 9/5

Iterasi 2

VB X1 X2 S1 A1 A2 S2 Solusi Rasio
z 0 0 1/5 8/5 - M -1/5 – M 0 18/5 -
X1 1 0 1/5 3/5 -1/5 0 3/5 25/3
X2 0 1 -3/5 -4/5 3/5 0 6/5 -
S2 0 0 1 1 -1 1 1 1

8
Iteras 3 Optimal

VB X1 X2 S1 A1 A2 S2 Solusi
z 0 0 0 7/5-M -M -1/5 17/5
X1 1 0 0 2/5 0 -1/5 2/5
X2 0 1 0 -1/5 0 3/5 9/5
S1 0 0 1 1 -1 1 1
Solusi Optimum

X1 = 2/5 satuan

X2 = 9/5 satuan

Z = 17/5 satuan

2.3 Contoh Perhitungan 2

Contoh Soal Program Linier dengan Teknik M:

Perusahaan minuman Bevco memproduksi minuman tanpa alkohol

Super-Orange. Super-Orange dibuat dengan mengkombinasikan air soda rasa
jeruk dengan jus jeruk. Setiap air soda rasa jeruk mengandung 0.5 ons gula dan 1
mg vitamin C. Setiap ons jus jeruk mengandung 0.25 oms gula dan 3 mg vitamin C.
Biaya untuk memproduksi 1 ons air soda rasa jeruk adalah 2¢, sedangkan 1 ons jus
jeruk diproduksi dengan biaya 3¢. Bagian pemasaran perusahaan Bevco memutuskan
bahwa setiap botol Super-Orange ukuran 10-ons paling sedikit mengandung 30 mg
vitamin C dan paling banyak 4 ons gula. Dengan menggunakan program linier,
bagaimana Bevco dapat memenuhi kebutuhan bagian pemasaran dengan biaya produksi
minimum.

Solusi Masalah Menggunakan Metode Big M

Misalkan :

x1 = besarnya kandungan (ons) air soda rasa jeruk dalam botol

x2 = besarnya kandungan (ons) jus jeruk dalam botol

Solusi Masalah Menggunakan Metode Big M

Persoalan di atas mempunyai model PL sbb. :

min z = 2x1 + 3x2 , dengan Z adalah biaya produksi

9
Berdasarkan kendala :

0.5x1 + 0.25x2 ≤ 4 (gula)

x1 + 3x2 ≥ 20 (Vitamin C)

x1 + x2 = 10 (10 ons dalam 1 botol)

x1, x2  0

Bentuk standar PL masalah ini ditampilkan dalam slide berikut :

Solusi Masalah Menggunakan Metode Big M

Baris 1 : -z + 2x1 + 3x2 =0

Baris 2 : 0.5x1 + 0.25x2 + s1 =4

Baris 3 : x1 + 3x2 - s2 = 20

Baris 4 : x1 + x2 = 10

Dengan menggunakan teknik artificial variables, yakni dengan menambahkan variabel

artifisial a2 pada baris ketiga dan a3 pada baris keempat. Variabel a2 dan a3 ditulis
hitam, maka diperoleh :

Baris 1 : -z + 2x1 + 3x2 =0

Baris 2 : 0.5x1 + 0.25x2 + s1 = 4

Baris 3 : x1 + 3x2 - s2 + a2 = 20

Baris 4 : x1 + x2 + a3 = 10

Solusi Contoh Soal

Jika iterasi ini diteruskan akan diperoleh solusi :

x1 = x2 = 5, dan z = 25.

Artinya perusahaan itu akan memenuhi tuntutan bagian pemasaran dengan menentukan
kandungan air soda rasa jeruk (x1) dan kandungan jus jeruk (x2) dalam botol sebesar 5
ons agar biaya (z) memproduksi air soda rasa jeruk dan jus jeruk minimal sebesar 25¢.

Catatan : solusi ini diperoleh dengan menggunakan software POM for Windows

10
 BAB 3
PENUTUP

3.1 Kesimpulan
Dari pembahasan soal tersebut kita dapat simpulkan bahwa :

1. Metode BIG M digunakan untuk kasus pada model persamaan fungsi pebatas belum
memuat matrik identitas
2. Pada kasus tersebut perlu ditambahkan artificial variabel (variabel buatan)
R1,R2.R3.
3. Dalam fungsi Z, koefisien artificial variabel diisi dengan :
- M untuk kasus maksimasi
+ M untuk kasus minimasi
4. Dengan ketentuan adalah bilangan yang besar sekali

3.2 Saran
Penulis menyadari tentang penyusunan makalah ini tentu masih banyak kesalahan dan
kekurangannya, karena keterbatasan pengetahuan dan kurangnya rujukan atau referensi
yang ada hubungannya dengan materi ini. Penulis banyak berharap para pembaca dapat
memberikan saran yang membangun kepada penulis demi sempurnanya makalah ini dan
penulisan makalah dikesempatan-kesempatan berikutnya. Semoga makalah ini berguna
bagi penulis pada khususnya juga para pembacanya.

11