Pemrograman Linier (2)

Solusi model PL dengan metode simpleks

Ahmad Sabri

Universitas Gunadarma, Indonesia

1
Pemrograman Linier (2)

Bentuk umum model PL

Ingat kembali bentuk umum model PL maksimum

Maks Z = c1 x1 + c2 x2 + . . . + cn xn
Dengan kendala:
a11 x1 + a12 x2 + . . . + a1n xn ≤ b1
a21 x1 + a22 x2 + . . . + a2n xn ≤ b2
.. .. ..
. . .
am1 x1 + am2 x2 + . . . + amn xn ≤ bm
xi ≥ 0, i = 1, 2, . . . n

2
Pemrograman Linier (2)

Bentuk baku model PL maksimisasi

Maks Z = c1 x1 + c2 x2 + . . . + cn xn
Dengan kendala:
a11 x1 + a12 x2 + . . . + a1n xn +s1 = b1
a21 x1 + a22 x2 + . . . + a2n xn +s2 = b2
.. .. ..
. . .
am1 x1 + am2 x2 + . . . + amn xn +sm = bm
xi ≥ 0, i = 1, 2, . . . n
si ≥ 0, i = 1, 2, . . . m

• si disebut juga variabel slack

• Bentuk baku digunakan untuk menyelesaikan model PL dengan
metode simpleks
3
Pemrograman Linier (2)

Tinjau kembali model PL untuk problem Chocolatier Burie,

beserta solusi optimalnya yang diperoleh dengan metode grafis:
Maks Z = 55M + 89H
Dengan kendala:
4M + 18H ≤ 1296
12M + 6H ≤ 1824
M, H ≥ 0

4
Pemrograman Linier (2)

Daerah solusi dari model tersebut

5
Pemrograman Linier (2)

Alternatif solusi dan solusi optimal:

(M, H) Z = 55M + 89H

(0, 0) 0
(0, 72) 6408
(130.5, 43) 11004.5 (maksimum)
(152, 0) 8360

Diperoleh solusi optimal Z = 11004.5, dengan M = 130.5 dan

H = 43.

6
Pemrograman Linier (2)

Akan ditunjukkan penyelesaian model PL ini dengan metode

simpleks.

7
Pemrograman Linier (2)

Metode simpleks

Metode simpleks adalah prosedur aljabar untuk menyelesaikan

masalah PL. Tidak seperti pada metode grafis, metode simpleks
mengevaluasi beberapa alternatif solusi saja (tidak semua) untuk
menemukan solusi optimal.
Metode ini bersifat iteratif.

8
Pemrograman Linier (2)

Metode simpleks

Metode simpleks adalah prosedur aljabar untuk menyelesaikan

masalah PL. Tidak seperti pada metode grafis, metode simpleks
mengevaluasi beberapa alternatif solusi saja (tidak semua) untuk
menemukan solusi optimal.
Metode ini bersifat iteratif.

8
Pemrograman Linier (2)

Penyelesaian PL dengan metode simpleks

Berikut diberikan contoh penyelesaian model PL pada kasus

Chocolatier Burie.
Langkah pertama, buatlah bentuk baku dari model.

Maks Z = 55M + 89H

Dengan kendala:
4M + 18H+s1 = 1296
12M + 6H +s2 = 1824
M, H, s1 , s2 ≥ 0

9
Pemrograman Linier (2)

Iterasi ke-0: tabel simpleks awal

Itr. No. Basis Z M H s1 s2 Solusi Rasio

(0) Z 1 -55 -89 0 0 0
0 (1) s1 0 4 18 1 0 1296
(2) s2 0 12 6 0 1 1824

Solusi pada iterasi ke-0 (solusi dasar awal):

M = 0, H = 0, Z = 0

10
Pemrograman Linier (2)

Iterasi ke-0: menentukan kolom pivot

Itr. No. Basis Z M H s1 s2 Solusi Rasio

(0) Z 1 -55 -89 0 0 0
0 (1) s1 0 4 18 1 0 1296
(2) s2 0 12 6 0 1 1824

Pilih kolom pivot, yaitu kolom yang memiliki koefisien paling negatif
pada baris (0); dalam kasus ini adalah kolom H.

11
Pemrograman Linier (2)

Iterasi ke-0: menghitung rasio

Itr. No. Basis Z M H s1 s2 Solusi Rasio

(0) Z 1 -55 -89 0 0 0
1296
0 (1) s1 0 4 18 1 0 1296 18 = 72
1824
(2) s2 0 12 6 0 1 1824 6 = 304

Hitung rasio pada setiap baris (kecuali untuk baris Z), di mana:
rasio = (solusi) / (koefisien pada kolom pivot)

12
Pemrograman Linier (2)

Iterasi ke-0: menentukan baris pivot

Itr. No. Basis Z M H s1 s2 Solusi Rasio

(0) Z 1 -55 -89 0 0 0
1296
0 (1) s1 0 4 18 1 0 1296 18 = 72
1824
(2) s2 0 12 6 0 1 1824 6 = 304

Pilih baris pivot, yaitu baris yang memiliki rasio non-negatif terkecil;
dalam kasus ini adalah baris (1), yang diasosiasikan sebagai variabel s1 .
Elemen persekutuan antara kolom pivot dan baris pivot disebut elemen
pivot; dalam hal ini elemen pivot-nya adalah 18.
Pada langkah ini, H akan masuk menjadi basis, dan s1 akan keluar dari
basis.

13
Pemrograman Linier (2)

Iterasi ke-0: menentukan baris pivot

Itr. No. Basis Z M H s1 s2 Solusi Rasio

(0) Z 1 -55 -89 0 0 0
1296
0 (1) s1 0 4 18 1 0 1296 18 = 72
1824
(2) s2 0 12 6 0 1 1824 6 = 304

Pilih baris pivot, yaitu baris yang memiliki rasio non-negatif terkecil;
dalam kasus ini adalah baris (1), yang diasosiasikan sebagai variabel s1 .
Elemen persekutuan antara kolom pivot dan baris pivot disebut elemen
pivot; dalam hal ini elemen pivot-nya adalah 18.
Pada langkah ini, H akan masuk menjadi basis, dan s1 akan keluar dari
basis.

13
Pemrograman Linier (2)

Iterasi ke-0: menentukan baris pivot

Itr. No. Basis Z M H s1 s2 Solusi Rasio

(0) Z 1 -55 -89 0 0 0
1296
0 (1) s1 0 4 18 1 0 1296 18 = 72
1824
(2) s2 0 12 6 0 1 1824 6 = 304

Pilih baris pivot, yaitu baris yang memiliki rasio non-negatif terkecil;
dalam kasus ini adalah baris (1), yang diasosiasikan sebagai variabel s1 .
Elemen persekutuan antara kolom pivot dan baris pivot disebut elemen
pivot; dalam hal ini elemen pivot-nya adalah 18.
Pada langkah ini, H akan masuk menjadi basis, dan s1 akan keluar dari
basis.

13
Pemrograman Linier (2)

Update tabel

No. Basis Z M H s1 s2 Solusi Opr. Gauss-Jordan

4 1
(1) H 0 18 1 18 0 72 (1)lama ÷ 18

Operasi baris Gauss-Jordan

1 Operasi pada baris pivot
1 Pada kolom Basis, gantilah variabel keluar dengan variabel
masuk
2 Baris pivot baru = Baris pivot lama ÷ elemen pivot

2 Operasi pada baris lainnya:

Baris baru = (Baris lama) − (koefisien kolom pivot) × (Baris pivot
baru)

14
Pemrograman Linier (2)

Update tabel

No. Basis Z M H s1 s2 Solusi Opr. Gauss-Jordan

(0) Z 1 − 317
9 0 89
18 0 6408 (0)lama + 89 · (1)baru
4 1
(1) H 0 18 1 18 0 72 (1)lama ÷ 18

Operasi baris Gauss-Jordan

1 Operasi pada baris pivot
1 Pada kolom Basis, gantilah variabel keluar dengan variabel
masuk
2 Baris pivot baru = Baris pivot lama ÷ elemen pivot

2 Operasi pada baris lainnya:

Baris baru = (Baris lama) − (koefisien kolom pivot) × (Baris pivot
baru)

15
Pemrograman Linier (2)

Update tabel

No. Basis Z M H s1 s2 Solusi Opr. Gauss-Jordan

(0) Z 1 − 317
9 0 89
18 0 6408 (0)lama + 89 · (1)baru
4 1
(1) H 0 18 1 18 0 72 (1)lama ÷ 18
32
(2) s2 0 3 0 − 13 1 1392 (2)lama − 6 · (1)baru
Operasi baris Gauss-Jordan
1 Operasi pada baris pivot
1 Pada kolom Basis, gantilah variabel keluar dengan variabel
masuk
2 Baris pivot baru = Baris pivot lama ÷ elemen pivot

2 Operasi pada baris lainnya:

Baris baru = (Baris lama) − (koefisien kolom pivot) × (Baris pivot
baru)

16
Pemrograman Linier (2)

Iterasi ke-1

Itr. No. Basis Z M H s1 s2 Solusi Rasio

(0) Z 1 − 317
9 0 89
18 0 6408
4 1
1 (1) H 0 18 1 18 0 72
32
(2) s2 0 3 0 − 13 1 1392

Solusi pada iterasi ke-1:

M = 0, H = 72, Z = 6408

Pada tahapan ini, H sudah masuk menjadi basis, dan s1 ke luar dari
basis.
Perhatikan bahwa pada baris (0) masih terdapat koefisien dari variabel
non basis yang bernilai negatif, yang berarti nilai Z masih belum optimal;
oleh karena itu lakukan langkah serupa dengan yang sebelumnya.

17
Pemrograman Linier (2)

Iterasi ke-1: menentukan kolom pivot

Itr. No. Basis Z M H s1 s2 Solusi Rasio

−317 89
(0) Z 1 9 0 18 0 6408
4 1
1 (1) H 0 18 1 18 0 72
32 −1
(2) s2 0 3 0 3 1 1392

18
Pemrograman Linier (2)

Iterasi ke-1: menghitung rasio

Itr. No. Basis Z M H s1 s2 Solusi Rasio

−317 89
(0) Z 1 9 0 18 0 6408
4 1 72
1 (1) H 0 18 1 18 0 72 4/18 = 324
32 −1 1392
(2) s2 0 3 0 3 1 1392 32/3 = 130.5

19
Pemrograman Linier (2)

Iterasi ke-1: menentukan baris pivot

Itr. No. Basis Z M H s1 s2 Solusi Rasio

(0) Z 1 − 317
9 0 89
18 0 6408
4 1 72
1 (1) H 0 18 1 18 0 72 4/18 = 324
32 −1 1392
(2) s2 0 3 0 3 1 1392 32/3 = 130, 5

elemen pivot = 32
3

20
Pemrograman Linier (2)

Update tabel

No. Basis Z M H s1 s2 Solusi Opr. Gauss-Jordan

1 3 32
(2) M 0 1 0 − 32 − 32 130,5 (2)lama ÷ 3

21
Pemrograman Linier (2)

Update tabel

No. Basis Z M H s1 s2 Solusi Opr. Gauss-Jordan

123 317
(0) Z 1 0 0 32 96 11004,5 (0)lama + 317
9 · (2)baru

1 3 32
(2) M 0 1 0 − 32 − 32 130,5 (2)lama ÷ 3

22
Pemrograman Linier (2)

Update tabel

No. Basis Z M H s1 s2 Solusi Opr. Gauss-Jordan

123 317
(0) Z 1 0 0 32 96 11004,5 (0)lama + 317
9 · (2)baru
1 −1 4
(1) H 0 0 1 16 48 43 (1)lama − 18 · (2)baru
1 3
(2) M 0 1 0 − 32 − 32 130,5 (2)lama ÷ 32
3

23
Pemrograman Linier (2)

Iterasi ke-2: tabel simpleks optimal

Itr. No. Basis Z M H s1 s2 Solusi Rasio

123 317
(0) Z 1 0 0 32 96 11004,5
1 −1
2 (1) H 0 0 1 16 48 43
1 3
(2) M 0 1 0 − 32 − 32 130,5

Solusi pada iterasi ke-2:

M = 130, 5, H = 43, Z = 11004, 5

Pada tahapan ini, seluruh koefisien pada persamaan (0) tidak ada yang
negatif, menandakan bahwa solusi optimal telah tercapai.

24
Pemrograman Linier (2)

Tabel simpleks lengkap

Berikut ini adalah tabel simpleks untuk seluruh iterasi yang

dilakukan:
Itr. No. Basis Z M H s1 s2 Solusi Rasio
(0) Z 1 -55 -89 0 0 0
1296
0 (1) s1 0 4 18 1 0 1296 18 = 72
1824
(2) s2 0 12 6 0 1 1824 6 = 304
(0) Z 1 − 317
9 0 89
18 0 6408
4 1 72
1 (1) H 0 18 1 18 0 72 4/18 = 324
32 −1 1392
(2) s2 0 3 0 3 1 1392 32/3 = 130, 5
123 317
(0) Z 1 0 0 32 96 11004,5
1 −1
2 (1) H 0 0 1 16 48 43
1 3
(2) M 0 1 0 − 32 − 32 130,5

25
Pemrograman Linier (2)

Kondisi untuk variabel masuk dan variabel keluar

Kondisi optimalitas. Dalam masalah maksimisasi [minimisasi],

variabel masuk adalah variabel non-basis dengan koefisien paling
negatif [positif] pada baris (0). Optimal dicapai jika semua
koefisien dari variabel non-basis adalah non-negatif [non-positif].
Kondisi kelayakan. Untuk masalah maksimisasi ataupun
minimisasi, variabel keluar adalah variabel basis dengan rasio
non-negatif terkecil.

26
Pemrograman Linier (2)

Langkah-langkah metode simpleks

1 Buatlah tabel simpleks awal (didapatkan solusi dasar awal).

2 Tentukan variabel masuk berdasarkan kondisi optimalitas.
Berhenti jika tidak ada lagi variabel masuk; pada tahapan ini,
solusi optimal telah tercapai. Jika tidak, lanjutkan ke langkah
3.
3 Tentukan variabel keluar berdasarkan kondisi kelayakan.
4 Tentukan solusi dasar awal dengan menerapkan teknik
Gauss-Jordan. Lanjutkan ke langkah 2.

27
Pemrograman Linier (2)

Contoh (Model PL maksimal)

Redi Miks memproduksi cat interior dan eksterior dari dua bahan
mentah: M1 dan M2. Tabel berikut memberikan data dasar:
Kebutuhan bahan mentah untuk per ton dari Ketersediaan maksimum
Cat eksterior (ton) Cat interior (ton) harian (ton)
M1 6 4 24
M2 1 2 6
Keuntungan
5 4
per ton (juta)

Survey pemasaran menunjukkan bahwa permintaan harian untuk

cat interior maksimal 1 ton lebih banyak dari yang untuk eksterior.
Juga, permintaan harian maksimum untuk cat interior adalah 2
ton. Redi Miks ingin menentukan berapa ton cat interior dan
eksterior harus diproduksi untuk memaksimalkan keuntungan
harian. Buatlah model PL-nya dan tentukan solusi optimalnya
dengan menggunakan metode simpleks!
28
Pemrograman Linier (2)

Contoh
Gutchi Company memproduksi dompet, tas tangan, dan tas
punggung. Pembuatan ketiga produk itu membutuhkan bahan
mentah berupa kulit asli. Proses produksi juga membutuhkan dua
jenis tenaga kerja terampil untuk menjahit dan finishing. Tabel
berikut memberikan ketersediaan sumber daya, penggunaannya,
dan keuntungan per unit produk.
Kebutuhan sumber daya untuk per unit: Ketersediaan
Dompet Tas tangan Tas punggung harian
Kulit (ft2 ) 2 1 3 42
Menjahit (jam) 2 1 2 40
Finishing (jam) 1 0,5 1 45
Harga jual ($) 24 22 45
Formulasikan problem ini dengan model PL dan tentukan solusi
optimalnya dengan menggunakan metode simpleks.
29