SIMPLEX METHOD

Menentukan solution untuk model pemrograman linier secara grafis dapat memberikan
pengetahuan tentang bagaimana hal tersebut berasal, namun proses ini pada umunya dinilai kurang
efektif dan efisien. Pendekatan matematika tradisional untuk memecahkan masalah pemrograman
linier adalah prosedur matematika yang disebut metode simplex. Dalam metode simpleks, model
dimasukkan ke dalam bentuk tabel, dan kemudian sejumlah langkah matematika dilakukan. .
Langkah-langkah matematika ini sama dengan pergerakan dari satu titik ekstrim pada batas solution
tertentu, ke batas yang lain. Namun, tidak seperti metode grafis, di mana kami hanya mencari
melalui semua titik solusi untuk menemukan yang terbaik, metode simpleks bergerak dari satu solusi
yang lebih baik ke yang lain sampai yang terbaik ditemukan.

Metode simpleks untuk memecahkan masalah pemrograman linier didasarkan, setidaknya sebagian,
pada solusi persamaan simultan dan aljabar matriks. Dalam suplemen ini pada pemrograman linier,
kami tidak akan memberikan presentasi terperinci tentang metode simpleks. Ini adalah pendekatan
cumber-matematis yang sangat memakan waktu bahkan untuk masalah yang sangat kecil dari dua
atau tiga variabel dan beberapa kendala. Ini mencakup sejumlah langkah matematika dan
membutuhkan banyak perhitungan aritmatika, yang sering menghasilkan kesalahan aritmatika
sederhana ketika dilakukan dengan tangan. Sebagai gantinya, kami akan menunjukkan bagaimana
masalah pemrograman linier diselesaikan di komputer. Bergantung pada perangkat lunak yang
digunakan, solusi komputer untuk masalah pemrograman linier mungkin dalam bentuk yang sama
dengan solusi simpleks. Karena itu, kami akan meninjau prosedur untuk menyiapkan model
pemrograman linier dalam format simpleks untuk solusi.

VARIABEL SEDANG DAN SURPLUS

Ingatlah bahwa solusi untuk masalah pemrograman linier terjadi pada titik ekstrem di mana garis
persamaan kendala saling berpotongan atau dengan sumbu. Dengan demikian, batasan model
semua harus dalam bentuk persamaan (=) daripada ketidaksetaraan (< atau >).

Prosedur untuk mengubah batasan ketimpangan ke dalam persamaan adalah dengan menambahkan
variabel baru, yang disebut variabel slack , ke setiap kendala. Untuk Beaver Creek Pottery Company,
penambahan variabel slack (si) ke setiap ketidaksetaraan kendala menghasilkan tindak lanjut
persamaan:
x1 + 2x2 + s1 = 40 hours of labor

4x1 + 3x2 + s2 = 120 lb of clay

Variabel slack, s1 dan s2, akan mengambil nilai apa pun yang diperlukan untuk membuat sisi kiri
persamaan sama dengan sisi kanan. Jika variabel slack memiliki nilai tersendiri pada solution, mereka
biasanya mewakili sumber daya yang tidak digunakan. Karena sumber daya yang tidak digunakan
tidak akan memberikan kontribusi apa pun terhadap total pendapatan, mereka memiliki koefisien
nol dalam fungsi tujuan:

Maksimalkan Z = $ 40x 1 + 50x 2 + 0s1 + 0s2

Grafik pada Gambar S14.1 menunjukkan semua titik solusi dalam contoh Beaver Creek Pottery
Company kami dengan nilai-nilai untuk variabel keputusan dan slack.
Contoh ini adalah masalah maksimalisasi dengan semua kendala. Masalah minimisasi dengan

kendala membutuhkan penyesuaian yang berbeda. Dengan batasan, alih-alih menambahkan

variabel slack, kami mengurangi variabel surplus. Sementara variabel slack ditambahkan dan
mencerminkan sumber daya yang tidak digunakan, variabel surplus dikurangi dan mencerminkan
kelebihan di atas tingkat persyaratan sumber daya minimum. Seperti halnya variabel slack, variabel
surplus diwakili secara simbolis oleh si dan harus tidak negatif. Misalnya, pertimbangkan kendala
berikut dari masalah campuran pupuk kami dalam Contoh S14.3:

2x 1 + 4x 2 < 16

Mengurangi variabel surplus menghasilkan

2x 1 + 4x 2 - s1 = 16

Grafik pada Gambar S14.2 menunjukkan semua titik solusi dengan nilai untuk variabel keputusan
dan surplus untuk masalah minimisasi dalam Contoh S14.3.