PROGRAM LINIER

Program = perencanaan

Linier = semua fungsi matematis dalam model ini merupakan fungsi-fungsi linier

Program linier = rencana kegiatan-kegiatan untuk memperoleh hasil yang optimal ( dimana semua

fungsi yang berkaitan adalah linier )

Kecembungan

Definisi. Fungsi f(x) dikatakan cembung jika untuk setiap pasangan nilai x, misal x1 dan x2

f (  x2 + ( 1- ) x1 )   f ( x2 ) + ( 1 -  ) f ( x1 ) …………… (1)

untuk setiap nilai , 0    1.

fungsi cekung  tanda “  “ pada ( 1 ) diganti “  “

Geometris

f (x)
f (x2)

f (x1)

x1 x2

(x1, f (x1)) dan (x2, f (x2)) titik pada grafik f (x)

[x2 + ( 1-  ) x1, f (x2) + (1-  ) f ( x1 )] merupakan ruas garis yang menghubungkan dua titik di atas

jika 0    1

Fungsi f (x) cembung jika, untuk setiap pasangan titik pada grafik f (x), ruas garis yang

menghubungkan kedua titik berada di atas atau tepat pada grafik f (x)

d 2 f ( x)
Fungsi f (x) cembung jika  0 , untuk setiap x.
dx 2

1
Definisi. Ruas garis yang menghubungkan dua titik sembarang ( x1, x2, …, xn ) dan ( y1, y2, …, yn )

adalah himpunan titik-titik

( z1, z2, …, zn ) = [y1 + ( 1-  ) x1,  y2 + (1-  ) x2 , …,  yn + (1-  ) xn)] dengan 0    1

Definisi f ( x1, x2, …, xn ) adalah fungsi cembung jika, untuk setiap pasangan titik pada grafik f ( x1,

x2, …, xn ), ruas garis yang menghubungkan kedua titik tersebut berada di atas atau pada grafik f ( x1,

x2, …, xn ).

Definisi. Himpunan cembung adalah kumpulan titik-titik sehingga, untuk setiap pasangan dalam

himpunan, seluruh ruas garis yang menghubungkan kedua titik juga berada dalam himpunan.

Definisi. Titik ekstrim himpunan cembung adalah titik dalam himpunan yang tidak berada pada

sembarang ruas garis yang menghubungkan dua titik lain dalam himpunan.

Himpunan cembung dibentuk oleh kedua fungsi cembung dan fungsi cekung

x2

x1

Himpunan cembung Himpunan yang tidak cembung

x2 x2

x1 x1

2
Model Program Linier

Contoh Prototipe

Perusahaan kaca “ Bening “ merupakan produser kaca berkualitas tinggi. Perusahaan ini memiliki 3

pabrik. Kerangka aluminium dan barang-barang logam dibuat di Pabrik I. Pabrik II membuat kerangka

kayu. Pabrik III memproduksi kaca dan merakit produk akhir. Karena penghasilan terus menurun,

manajer memutuskan untuk mengubah produknya. Produk yang kurang diminati konsumen dihentikan

produksinya. Beberapa produk baru yang potensial diperbesar produksinya. Salah satu diantaranya,

pintu kaca setinggi 8 kaki dengan kerangka aluminium ( produk 1 ), yang lain jendela gantung ganda

yang besar ukurannya 4x6 kaki dengan kerangka kayu ( produk 2 ). Potensinya besar, namun dibatasi

dengan kapasitas masing-masing pabrik, datanya sebagai berikut

Kapasitas yang dipakai perunit Tingkat Produksi

Produk Kapasitas yang

Pabrik
1 2 tersedia
I 1 0 4
II 0 2 12
III 3 2 18
Laba perunit $3 $5

Manajer ingin mendapatkan laba seoptimal mungkin, dengan menentukan banyaknya produk itu dibuat.

Model matematikanya bagaimana ?

JAWAB

1. Mendefinisikan variable keputusan, yang dicari nilainya

x1 = banyak produk 1 dibuat

x2 = banyak produk 2 dibuat

2. Menentukan fungsi tujuan, tujuan operasi

Perolehan laba Z = 3 x1 + 5 x2  Maksimumkan Z

3. Menentukan kendala, batasan yang ada pada system

x1  4

3
 2x2  12 kendala fungsional

3x1 + 2x2  18

x1, x2  0 kendala tanda ( non negatif )

Jadi model matematikanya

Maksimumkan Z, Z = 3 x1 + 5 x2

Dengan syarat x1  4

2x2  12

3x1 + 2x2  18

penyelesaian masalah di atas dapat dipergunakan Metode Grafik ( untuk dua variable ), atau dengan

Metode Simplex

Terminologi Umum untuk Program Linier

Contoh Prototipe Masalah Umum

Kapasitas produksi Sumber daya

3 pabrik
M sumber daya

Produksi produk Kegiatan

2 produk
n kegiatan
tingkat produksi produk j ( xj )
Tingkat kegiatan j ( xj )

Laba ( Z ) Ukuran keseluruhan kinerja ( Z )

Data untuk Model Program Linier

Pemakaian sumber daya per unit kegiatan

Kegiatan Jumlah sumber daya

4
 yang tersedia
Sumber Daya 1 2 … N

1 a11 a12 … a1n b1

2 a21 a22 … a2n b2

. . . … . .

m am1 am2 … amn bm

Z / unit kegiatan c1 c2 … cn

Tingkat Kegiatan x1 x2 … xn

Perumusan model Program Linier

Rumusan model matematis untuk masalah umum ini mengenai alokasi sumber-sumber daya pada

kegiatan-kegiatan, khususnya mengenai pemilihan variabel-variabel keputusan (nilainya) x1, x2, …, xn ,

adalah

Memaksimumkan Z, Z = c1 x1 + c2 x2 + … + cn xn

dengan syarat a11 x1 + a12 x2 + … + a1n xn ≤ b1

a21 x1 + a22 x2 + … + a2n xn ≤ b2

am1 x1 + am2 x2 + … + amn xn ≤ bm

dan x1, x2, …, xn ≥ 0

Bentuk lain

1. meminimalkan fungsi tujuan

2. kendala fungsionalnya bertanda  atau =

3. kendala tak negatif hilang untuk beberapa variabel keputusan : xj tak dibatasi dalam tanda untuk

beberapa nilai j.

Istilah untuk solusi model :

Solusi (penyelesaian) = nilai tertentu dari n_pasang variabel kepusan (x1,x2,…,xn)

Solusi fisibel (penyelesaian yang layak) = solusi yang memenuhi semua kendala.

Daerah (himpunan)fisibel = himpunan dari semua solusi yang layak.

5
Solusi optimal = solusi fisibel yang memberikan nilai terbaik bagi fungsi tujuannya.

Titik fisibel = solusi fisibel

(aij,bi,cj dengan i = 1,2,…,m & j = 1,2, …,n---> parameter)konstanta input.

ASUMSI PROGRAM LINIER

Proporsional

Proporsional merupakan asumsi mengenai kegiatan individual yang dipertimbangkan secara independen

dari yang lainnya.

* Kasus hanya 1 diantara n kegiatan dilaksanakan,katakan kegiatan k,sehingga xj=o dengan j = 1,2,…,n

& j  k..

* Asumsinya 1) ukuran seluruh kinerja z = ckxk

2) pemakaian setiap sumber daya i = aikxk

* Kedua jumlah ini proporsional secara langsung dengan tingkat setiap kegiatan k yang dilaksanakan

secara tersendiri.

*xk  ckxk (fungsi tujuan pada contoh prototipe) dengan k = 1, c1 = 3 dan x1 dengan beberapa nilai

yang diperlihatkan pada tabel berikut

Laba dari produk 1

Proporsionalitas Proporsionalitas dilanggar
x1 dipenuhi Kasus 1 Kasus 2 Kasus 3
0 3x1 = 3.0 = 0 0 0 0
1 3 2 3 3
2 6 5 7 5
3 9 8 12 6

Untuk pemakaian sumber daya analog dengan laba di atas.

1. kasus 1, (ada biaya awal produksi,misal 1,disusutkan pada seluruh 23x1-1)

2. kasus 2, (penghematan karena produksi yang lebih banyak)

3. kasus 3, (biaya iklan yang baik)

Aditivitas

6
Asumsi aditivitas adalah bahwa untuk setiap fungsi,nilai total fungsi dapat diperoleh dengan

menjumlahkan kontribusi-kontribusi individual dari masing-masing kegiatan.

Dari contoh Prototipe,lihat tabel berikut:

Nilai Z
Aditivitas Aditivitas dilanggar
(x1 , x2) dipenuhi Kasus 1 Kasus 2
(1,0) 3 = 3.1 + 5.0 3 3
(0,1) 5 = 3.0 + 5.1 5 5
(1,1) 8 = 3.1 + 5.1 9 7

kasus 1, z = 3x1 +5x2 + x1x2

kasus 2, z = 3z1 + 5x2 – x1x2

Jumlah sumber daya yang digunakan

Aditivitas Aditivitas dilanggar
(x1, x2) dipenuhi Kasus 3 Kasus 4
(2,0) 3.2 + 2.0 = 6 ≤ 18 6 6
(0,3) 3.0 + 2.3 = 6 6 6
(2,3) 3.2 + 2.3 = 12 15 10,6

interaksi antara kegiatan-kegiatan 3x1 + 2x2  18 kendala yang melibatkan kedua (kegiatan)

kasus 3,3x1 + 2x2 + 0,5 x1x2  18

kasus 4,3x1 + 2x2 – 0,1x12x2  18

Divisibilitas

Asumsi divisibilitas adalah bahwa unit-unit kegiatan dapat dibagi ke dalam bagian sekecil-

kecilnya,sehingga nilai-nilai non integer bagi variabel-variabel keputusan adalah mungkin.

Dari contoh Prototipe, variabel-variabel keputusan mencerminkan tingkat-tingkat produksi,yang dapat

mempunyai nilai-nilai berupa pecahan.

Deterministik (kepastian)

Asumsi mengenai kepastian adalah bahwa semua parameter model nilai-nilai (aij,bi.cj) merupakan

konstanta yang diketahui.

Dari contoh Prototipe

7
 a11 = 1, a12 = 0, a21 = 3, a22 = 2

b1 = 4, b2 =12, b3 = 18

c1 = 3, c2 = 5

Contoh 1 :

Di daerah Sumatera (misalkan) ada tiga suku yang saling bekerja sama untuk mengelola masing-masing

lahan yang ada di daerah masing-masing. Masing-masing suku mempunyai lahan yang terbatas luasnya,

disamping itu air yang mereka gunakan juga terbatas. Ketiga suku ingin menanam 3 komoditi yang

menguntungkan yakni kedelai, kacang tanah dan gandum. Untuk menghindari penurunan harga karena

panen yang melimpah, mereka membatasi luas lahan untuk penanaman masing-masing tanaman.

Mereka sepakat akan menanam dengan proporsi yang sama dari tanah garapan yang tersedia. Mereka

mengetahui hasil-hasil bersih dari masing-masing tanaman per hektarnya. Tujuan ketiga suku adalah

mengoptimalkan hasil bersih dengan mengatur/menentukan luas lahan yang ditanami ketiga tanaman

pada masing-masing suku.

Datanya adalah sbb:

Suku Tanah yang dapat digarap Alokasi air

A 400 (ha) 600 (m3)
B 600 800
C 300 375

Tanaman Kouta Maksimum Penggunaan air Hasil bersih

Kedelai 600 (ha) 3 (m3 / ha) 400 ($ / ha)
Kacang tanah 500 2 300
Gandum 325 1 100
Bagaimana model matematisnya ?

Jawab :

1) Menentukan variable keputusan.

Jumlah-jumlah yang harus ditentukan (diputuskan) adalah luas lahan yang akan ditanami masing-

masing tanaman di masing-masing suku.Variabel-variabel keputusan xj (j = 1,2,…,9), mewakili

kesembilan jumlah. Seperti terlihat pada table berikut :

8
 Alokasi Suku
Tanaman A B C
Kedelai x1 x2 x3
Kacang Tanah x4 x5 x6
Gandum x7 x8 x9

2) Menentukan fungsi tujuan.

laba (pasti yang maksimum) ditentukan dari jenis tanamanya.

Maks Z, Z = 400 (x1 + x2 + x3) + 300 (x4 + x5 + x6) +100 (x7 + x8 + x9)

3) Menentukan kendala.

a) Lahan yang dipakai masing-masing suku

x1 + x4 + x7  400 (suku A)

x2 + x5 + x8  600 (suku B)

x3 + x6 + x9  300 (suku C)

b) Alokasi air masing-masing suku

3x1 + 2x4 + x7  600 (suku A)

3x2 +2x5 + x8  800 (suku B) memperhatikan penggunaan air masing-masing

3x3 +2x6 + x9  375 (suku C) tanaman.

c) Luas total masing-masing tanaman

x1 + x2 + x3  600 (kedelai)

x4 + x5 + x6  500 (kacang tanah)

x7 + x8 + x9  325 (gandum)

d) Proporsi yang sama dari lahan yang ditanami

x1  x 4  x7 x 2  x 5  x8
 ( suku A = suku B )
400 600

x 2  x 5  x8 x 3  x 6  x 9
 ( suku B = suku C )
600 300

x3  x 6  x9 x1  x 4  x7
 ( suku C = suku A )
300 600

9
 Kendala ini disederhanakan menjadi :

3 (x1 + x4 + x7 )- 2 (x2 + x5 + x8) = 0

x2 + x5 + x 8 - 2 (x3 + x6 + x9) = 0

4 (x3 + x6 +x9) - 3 (x1 + x4 + x7 ) = 0

d) Non negative (Tanda)

x1, x2, … , x9  0

Jadi modelnya adalah :

Maks Z, Z = 400 ( x1 + x2 + x3 ) + 300 (x4 + x5 + x6) + 100 (x7 + x8 + x9)

dengan syarat : x1 + x4 + x7  400

x2 + x5 + x8  600

x3 + x6 + x9  300

3 x1 +2x4 + x7  600

3 x2 + 2x5 + x8  800

3 x3 + 2x6 + x9  375

x1 + x2 + x3  600

x4 + x5 + x6  500

x7 + x8 + x9  325

3 ( x1 + x4 + x7 ) – 2 (x2 + x5 + x8 ) = 0

x2 + x5 + x8 – 2 (x3 + x6 + x9 ) = 0

10
 4 ( x3 + x6 + x9 ) – 3 (x1 + x4 + x7) = 0

x1, x2 ,…,x9  0

Model dua variabel dan solusi grafiknya

Contoh 2 :

P.T Edi Peni memiliki pabrik cat kecil, baik untuk interior maupun eksterior yang didistribusikan

kepada para grosir. Bahan mentah A & B dipergunakan untuk membuat cat tersebut. Ketersediaan A

maksimum 6 ton satu hari, B adalah 8 ton setiap hari. Kebutuhan harian akan bahan mentah per ton cat

interior dan eksterior diringkas dalam tabel berikut :

Ton bahan mentah per ton cat Ketersediaan

maksimum
Eksterior Interior

Bahan mentah A 1 2 6

11
 Bahan mentah B 2 1 8

Sebuah survey pasar telah menetapkan bahwa permintaan harian akan cat interior tidak akan lebih dari 1

ton lebih tinggi dibandingkan akan permintaan akan cat eksterior. Survey tersebut juga memperlihatkan

bahwa permintaan maksimum akan cat interior adalah terbatas pada 2 ton per hari. Harga grosir per ton

adalah $3000 untuk cat eksterior dan $2000 untuk cat interior. Berapa banyak cat interior dan eksterior

yang harus dihasilkan perusahaan tersebut setiap hari untuk memaksimumkan pendapatan kotor ?

Jawab :

Modelnya

x1 = jumlah ton cat eksterior yang diproduksi setiap hari

x2 = jumlah ton cat interior yang diproduksi setiap hari

Fungsi tujuan Z, Z = 3x1 + 2x2 (dalam ribuan $)

Kendala x1 + 2x2  6 (bahan mentah A)

2x1 + x2  8 (bahan mentah B)

x2  x1 + 1 -x1 + x2  1 (cat interior  cat eksterior +1)

x2  2 (cat interior)

x1, x2  0

Jadi persoalannya menentukan x1 & x2 yang memaksimumkan Z = 3x1 + 2x2 (1)

dengan syarat x1 + 2x2  6 (2)

2x1 + x2  8 (3)

-x1 + x2  1 (4)
12
 x2  2 (5)

x1, x2  0 (6)

Solusi dengan grafik

Menggambar daerah fisibel.

Dengan menggambarkan grafik kendala (2) , (3) , (4) dan (5) (persamaannya  ”  “

diganti “ = “ ). Jadi merupakan persamaan garis lurus ,digambar pada bidang (x1,x2 ),bidang yang

dibatasi garis tersebut ditandai dengan arah panah setiap garis,

x2

(4)

2 (5)
1

0 4 6 x1
(3) (2)

Menentukan solusi fisibel optimal.

Dengan membuat garis “selidik “ (hyperplane ), menggunakan fungsi tujuan Z dan memberi nilai Z

(nilai Z yang memudahkan penggambaran persamaan fungsi tujuan ). Kemudian tarik garis itu naik /

turun secara sejajar sampai diperoleh titik terluar dari daerah fisibel.

Z = 3 x1 + 2 x2 --- 3 . 2 --- Z = 6 ----- 3 x1 + 2 x2 = 6

13
 x2

(4)
Z=6 Z optimal

3
E D
2 C (5)
1F

0 A 4 B 6 x1
(3) (2)

Titik C akan memaksimumkan nilai Z. C = (x1, x2) = (10/3 , 4/3 ) -- Z = 12 2/3
Kesimpulannya, akan dibuat 10/3 ton cat eksterior dan 4/3 ton cat interior dengan pendapatan

maksimumnya $ 12 2/3 ribu.

Analisis Sensitivitas ~ Grafik

Analisis Sensitivitas  mempelajari pengaruh variasi dalam koefisien biaya / laba dan dalam jumlah

sumber daya yang tersedia terhadap solusi optimal.

1) Perubahan koefisien fungsi tujuan .

hanya merubah kemiringan garis fungsi tujuannya

menentukan range bagi setiap koefisien fungsi tujuan  titik optimal tidak berubah

Maksimumkan Z = 3x1 + 2x2 (1)

dengan syarat x1 + 2x2  6 (2)

2x1 + x2  8 (3)

-x1 + x2  1 (4)

x2  2 (5)

x1, x2  0 (6)
x2
Z = c1x1 + c2x2
8 Penurunan c1
atau kenaikan c2 14
(3)
Gambar  pengaruh kenaikan/penurunan nilai c1 dan c2  rotasi garis fungsi tujuan di titik optimal
Garis Z menyinggung ruas garis CB atau CD - ada titik optimal alternative

c1 c1
Z = CB = persamaan (3)  2 ½ ≤ ≤ 2, c2 ≠ 0
c2 c2

c1 c2
Z = CD = persamaan (2)   1/ 2 c2 = 0  ½ ≤ ≤ 2, c1 ≠ 0
c2 c1

c1
Perubahan c1 & c2 dengan dalam range [ ½,2 ]  C tetap titik optimal
c2

c1
c2 = 2  ½ ≤ ≤ 2  1 ≤ c1 ≤ 4
c2

c2 konstan  c1 bisa bernilai 1 s/d 4  C tetap titik optimal

c1 = 3  3/2 ≤ c2 ≤ 6

c1 konstan  c2 bisa bernilai 3/2 s/d 6  C tetap titik optimal

2) Perubahan nilai unit dari sumber daya

menentukan range sumber daya

nilai optimal  naik / turun dengan laju konstan

Pembatasan bahan mentah A

Jumlah bahan mentah A berubah  garis batasannya bergerak sejajar

x2

(3)
15
(4)
Perubahan nilai optimalnya konstan selama solusi optimalnya ditentukan dari titik potong batasan (2) &

(3)  asal perubahannya berkisar pada ruas garis KB

Bahan mentah A naik di atas K daerah fisibel tidak terpengaruh

Bahan mentah A turun di bawah B

Diperoleh range untuk bahan mentah A

Batas bawah di titik B  x1 = 4, x2 = 0  persamaan (2) x1 + 2x2 = 4

Batas atas di titik K   x1 = 3, x2 = 2  persamaan (2) x1 + 2x2 = 7

4 ≤ jumlah bahan mentah A ≤ 7

Proporsionalitas konstan antara jumlah A & nilai Z optimal

Di titik : B  Z = 3x1 + 2x2 = 3.4 + 2.0 = 12 & K  Z = 3x1 + 2x2 = 3.3 + 2.2 = 13

13  12 1
y1 =  ribu dollar / ton bahan A  y1 : nilai / unit bahan mentah A
74 3

A naik ( turun )  nilai Z naik ( turun ) dengan laju 1/3

Proporsionalitas valid untuk 4 ≤ jumlah bahan mentah A ≤ 7

Pembatasan bahan mentah B ( analog )

Perubahan harus berkisar pada garis DJ ( lihat gambar di halaman berikutnya )

Batas bawah di titik D  x1 = 2, x2 = 2  persamaan (3) 2x1 + x2 = 6

Batas atas di titik J   x1 = 6, x2 = 0  persamaan (3) 2x1 + x2 = 12

6 ≤ jumlah bahan mentah B ≤ 12

Proporsionalitas konstan antara jumlah B & nilai Z optimal

Di titik : D  Z = 3x1 + 2x2 = 3.2 + 2.2 = 10 & J  Z = 3x1 + 2x2 = 3.6 + 2.0 = 18

16
 18  10 4
Y2 =  ribu dollar / ton bahan B  y2 : nilai / unit bahan mentah B
12  6 3

B naik ( turun )  nilai Z naik ( turun ) dengan laju 4/3

Proporsionalitas valid untuk 6 ≤ jumlah bahan mentah B ≤ 12

Kendala (4) & (5) tidak melewati titik optimal C

Kendala (4)  naik tanpa batas

turun sampai C = (10/3,4/3) dengan persamaan (4) -x1 + x2 = -10/3 + 4/3 = -2

[-2 , ∞]  tidak mempengaruhi nilai optimal dari Z

x2

(3)
Bahan B = 8 ton
(4)
Bahan B = 12 ton
3
E D
2 (5)
C
1F
J
0 A 4 B 6 (2) x1

Z = 3x1 + 2x2

Kendala (5)  naik tanpa batas

turun sampai C = (10/3,4/3) dengan persamaan (5) x2 = 4/3

[4/3 , ∞]  tidak mempengaruhi nilai optimal dari Z

17
Metode Simpleks

Diperkenalkan pertama oleh G Dantzig tahun 1947. Metode ini menerjemahkan definisi geometris ( dari

titik ekstrim ) menjadi definisi aljabar. Titik ekstrim ( titik sudut ) dari ruang ( daerah ) penyelesaian (

secara grafik ) diidentifikasi secara aljabar sebagai penyelesaian basis ( basic solutions ) dari sistem

persamaan tersebut.

Bentuk umum Program Linier

Memaksimumkan Z, Z = c1 x1 + c2 x2 + … + cn xn

dengan syarat a11 x1 + a12 x2 + … + a1n xn = b1

a21 x1 + a22 x2 + … + a2n xn = b2

am1 x1 + am2 x2 + … + amn xn = bm

x1, x2, …, xn ≥ 0

Didefinisikan

 a11 a12 ... a1n   x1   b1 

a a22 
... a2 n   x  b 
A   21 , X   2 , b   2 
       
     
am1 am 2 ... amn   xn  bm 

Kendala fungsional di atas dapat ditulis dengan A X = b.

Sistem persamaan linier A X = b ( m persamaan & n variabel, n > m ), mempunyai :

Solusi basis, yakni solusi dimana terdapat sejumlah m variable bukan nol ( variabel basis )  ada ( n

– m ) variable yang dinolkan ( variable nonbasis )

Dari kendala fungsional dan tanda

Solusi basis fisibel yakni solusi basis yang semua variabelnya bernilai nonnegative

18
Kedua solusi basis fisibel disebut berdekatan jika semua kecuali satu dari variabel-variabel bukan

basisnya adalah sama ( juga untuk variabel-variabel basisnya )

 perpindahan dari solusi basis fisibel ke solusi basis fisibel yang berdekatan ( yang lebih baik ) 

menukar 1 variabel bukan basis menjadi basis dan sebaliknya bagi 1 variabel yang lain

Jumlah variabel bukan basis dalam solusi basis = jumlah derajat bebas dalam sistem persamaan

Jumlah variabel basis = jumlah kendala fungsional

Ciri-ciri solusi titik sudut yang layak

1.a. solusi optimal hanya satu  solusi itu adalah solusi titik sudut yang layak

b. Solusi optimal banyak  minimal 2 diantaranya merupakan solusi titik sudut fisibel yang

berdekatan

2. Jumlah solusi titik sudut yang layak adalah berhingga

3. Solusi titik sudut fisibel tak punya solusi titik sudut fisibel lain yang lebih baik ( diukur dari nilai Z-

nya )  solusinya optimal

Garis Besar Metode Simpleks

1. Langkah awal, dimulai pada suatu penyelesaian titik sudut yang layak

2. Langkah iterasi, berpindah ke penyelesaian titik sudut yang layak yang berdekatan dan lebih

baik ( ulangi proses sebanyak yangdiperlukan )

3. Uji optimalitas, penyelesaian titik sudut yang layak adalah optimal bilaman tidak ada

penyelesaian-penyelesaian titik sudut yang layak yang berdekatan dan lebih baik

Persiapan Metode Simpleks

1. Mengkonversi kendala-kendala pertidaksamaan fungsional ke dalam kendala-kendala persamaan

yang ekuivalen

3x1 + 2x2 ≤ 18  3x1 + 2x2 + S = 18 , S = variabel “slack” ≥ 0

3x1 + 2x2 ≥ 18  3x1 + 2x2 - S = 18 , S = variabel “surplus” ≥

2. Mengubah sisi kanan yang negative ( Metode Simpleks Primal )

3x1 - 2x2 ≥ -18  -3x1 + 2x2 ≤ 18

3. Mengubah kendala persamaan ( tidak mempunyai variable dari solusi basis fisibel awal )

19
 3x1 + 2x2 = 18  3x1 + 2x2 + D = 18 , D = variable “dummy” (buatan ) ≥ 0

3x1 + 2x2 - S = 18  3x1 + 2x2 – S + D = 18 ( variabel S bernilai negatif, S variable dari solusi

basis yang tidak fisibel )

Metode Simpleks dalam Bentuk Tabel

Bentuk table dari metode simpleks ini ekuivalen secara matematis dengan bemtuk aljabar. Tabel

simpleks hanya mencatat informasi yang penting, yakni

a) koefisien-koefisien dari variabel-variabel

b) konstanta-konstanta pada ruas kanan persamaan-persamaan

c) variabel-variabel dasar yang muncul dalam setiap persamaan

Variabel Nomor Koefisien dari Ruas Rasio

basis Persamaan
Z x1 ... xn S1 ... Si ... Dj kanan

Z 0 1 0

S1 1 0 1 0 0

. . . ... ... ... .

Sd d 0 0 0 0

. . . ... ... ... .

Dj 0 0 0 1

Persamaan (0)  fungsi tujuan

Z - c1 x1 - c2 x2 - … - cn xn + 0.S1 + ... + 0.Si + ... + M.Dj

diubah menjadi

Z - d1 x1 - d2 x2 - … - dn xn + 0.S1 + ... + 0.Si + ... + 0.Dj

S1 , ... , Si  variabel slack ( sebanyak i , termasuk variabel surplus)

D1, ... , Dj  variabel buatan ( sebanyak j )

M = bilangan besar M = big M

Sd+1, ... , Si  variabel surplus

Ilustrasi metode simpleks

Untuk mengilustrasikan prosedur metode simpleks dapat digunakan contoh prototipe berikut
20
Maksimumkan Z, Z = 3x1 + 5x2

Dengan syarat x1 ≤4

2x2 ≤ 12

3x1 + 2x2 ≤ 18

x1, x2 ≥ 0

1. Langkah awal, menentukan solusi basis fisibel awal

Memasukkan variabel slack

x1 + S1 ≤ 4

2x2 + S2 ≤ 12

3x1 + 2x2 + S3 ≤ 18

Z - 3x1 - 5x2 + 0.S1 + 0.S2 + 0.S3 = 0

Tabel simpleks awal

Variabel Nomor Koesien dari Ruas
basis persamaan Z x1 x2 S1 S2 S3 kanan
Z 0 1 -3 -5 0 0 0 0
S1 1 0 1 0 1 0 0 4
S2 2 0 0 2 0 1 0 12
S3 3 0 3 2 0 0 1 18

Sudah ada solusi basis fisibel. Sudah optimal ?

2. Uji Optimalitas, solusi basis fisibel adalah optimal  setiap koefisien dalam fungsi tujuan adalah

tidak negatif ( ≥ 0 )

Belum optimal  ada -3 dan -5  ke langkah iterasi  untuk memperoleh solusi basis fisibel yang

selanjutnya.

3. Langkah iterasi

a. menentukan variabel basis masuk  memilih variabel dengan koefisien negatif yang nilai

mutlaknya terbesar dalam persamaan fungsi tujuan

kolom di bawah koefisien tersebut  kolom pivot ( poros )

pada contoh dipilih -5, koefisien x2  x2 menjadi variabel basis baru ( masuk )

21
 b. menentukan variabel basis keluar 

1) memilih koefisien yang positif ( > 0 ) pada kolom pivot

2) membagi ruas kanan dengan masing-masing koefisien pada baris yang sama

3) menentukan persamaan yang memiliki rasio terkecil

4) memilih variabel basis untuk persamaan itu

baris persamaan, sebelah kakan kolom Z  baris pivot ( poros )

elemen pada irisan baris dan kolom pivot  pivot

Hasil-hasil bagian a dan b dapat dilihat pada tabel berikut

Variabel Nomor Koesien dari Ruas

Rasio
basis persamaan kanan
Z x1 x2 S1 S2 S3

Z 0 1 -3 -5 0 0 0 0

S1 1 0 1 0 1 0 0 4

S2 2 0 0 2 0 1 0 12 12/2

S3 3 0 3 2 0 0 1 18 18/2

x2 variabel basis baru ( variabel basis masuk ) menggantikan variabel S 2 ( variabel basis keluar ). Pivot

=2

c. menentukan solusi basis fisibel yang baru 

membuat tabel simpleks yang baru dengan eliminasi Gauss-Jordan 

1. pivot diubah sehingga nilainya menjadi 1

2. nilai koefisien yang lain pada kolom pivot diubah sehingga nilainya menjadi 0

Hasilnya dapat dilihat pada tabel berikut, sesuai dengan tabel sebelumnya

Variabel Nomor Koesien dari Ruas

Rasio
basis persamaan kanan
Z x1 x2 S1 S2 S3

Z 0 1 -3 0 0 5/2 0 30

S1 1 0 1 0 1 0 0 4 4/1

x2 2 0 0 1 0 ½ 0 6

22
 S3 3 0 3 0 0 -1 1 6 6/3

Solusi basis fisibel diperoleh, sudah optimal ?

3. Uji optimalitas ( analog sebelumnya )  belum optimal  ada -3  ke langkah iterasi

4. Langkah iterasi ( analog sebelumnya ), hasilnya dapat dilihat pada tabel berikut

Variabel Nomor Koesien dari Ruas

basis persamaan Z x1 x2 S1 S2 S3 kanan

Z 0 1 0 0 0 3/2 1 36

S1 1 0 0 0 1 1/3 -1/3 2

x2 2 0 0 1 0 ½ 0 6

x1 3 0 1 0 0 -1/3 1/3 2

Solusi basis fisibel diperoleh, optimal ?

5. Uji optimalitas ( analog ), sudah optimal

Solusi optimalnya ( x1, x2, S1, S2, S3 ) = ( 2, 6, 2, 0, 0 ), solusi optimal masalahnya adalah x1 = 2 dan

x2 = 6 dengan Z = 36

Analisis Sensitivitas

Hasil dari tabel simpleks meliputi :

a. Penyelesaian optimal

b. Status sumber daya

c. Harga dual dan pengurangan biaya

d. Sensitivitas penyelesaian optimal

Contoh 2
23
Maksimumkan Z = 3x1 + 2x2

dengan syarat x1 + 2x2  6

2x1 + x2  8

-x1 + x2  1

x2  2

x1, x2  0

Tabel simpleks iterasi demi iterasi

Iterasi Variabel Nomor Koefisien dari Ruas Rasio

basis Persamaan Z x1 x2 S1 S2 S3 S4 Kanan
0 Z 0 1 -3 -2 0 0 0 0 0
S1 1 0 1 2 1 0 0 0 6 6/1
S2 2 0 2 1 0 1 0 0 8 8/2
S3 3 0 -1 1 0 0 1 0 1
S4 4 0 0 1 0 0 0 1 2
1 Z 0 1 0 -1/2 0 3/2 0 0 12
S1 1 0 0 3/2 1 -1/2 0 0 2 4/3
x1 2 0 1 ½ 0 1/2 0 0 4 8
S3 3 0 0 3/2 0 1/2 1 0 5 10/3
S4 4 0 0 1 0 0 0 1 2 2

Iterasi Variabel Nomor Koefisien dari Ruas Rasio

basis Persamaan Kanan
Z x1 x2 S1 S2 S3 S4

2 Z 0 1 0 0 1/3 4/3 0 0 12 2/3

x2 1 0 0 1 2/3 -1/3 0 0 4/3

Optimal
x1 2 0 1 0 -1/3 2/3 0 0 10/3

S3 3 0 0 0 -1 1 1 0 3

S4 4 0 0 0 -2/3 1/3 0 1 2/3

Dari tabel optimal di atas dapat diperoleh beberapa hal berikut

24
1. Penyelesaian optimal

Variabel keputusan Nilai optimal Keputusan

x1 10/3 Produksi 3 1/3 ton cat eksterior

x2 4/3 Produksi 1 1/3 ton cat interior

Z 12 2/3 Laba : 12 2/3 ribu dollar

2. Status sumber daya

a. sumber daya melimpah  variabel slack positif

b. sumber daya langka  variabel slack = 0

Sumber daya Variabel Slack Status sumber daya

Bahan mentah A S1 = 0 Langka

Bahan mentah B S2 = 0 Langka

3. Harga Dual ( shadow price , nilai unit sebuah sumber daya )

Dari pembahasan sensitivitas dengan grafik didapatkan harga dual sumber daya 1 dan 2 sebagai

berikut :

y1 = 1/3 ribu dollar perton bahan A

y2 = 4/3 ribu dollar perton bahan B

Dari tabel simpleks optimal

Basis x1 x2 S1 S2 S3 S4 Penyelesaian

Z 0 0 1/3 4/3 0 0 12 2/3

Harga dual  koefisien tujuan optimal dari variabel basis awal

Z = 12 2/3 – ( 1/3 S1 + 4/3 S2 + 0 S3 + 0 S4 )

S1 diubah ( dari nol )  Z berubah  laju 1/3 ribu/ton

 perubahan bahan A ( sumber daya 1 ) yang sama x1 + 2x2 + S1  6

harga dual dari bahan A = 1/3

25
Untuk bahan B  analog  harga dual bahn B = 4/3

Perubahan maksimum dalam adanya sumber daya

Menentukan range ketersediaan sumber daya  dengan harga dual tetap konstan

1. Prosedurnya

Sumber daya 1  6 + D1

6 + D1 menggantikan pada tabel awalnya

Persamaan Elemen sisi kanan dalam iterasi

0 1 2 ( optimal )

Z 0 12 12 2/3 + 1/3 D1

1 6 + D1 2 + D1 4/3 + 2/3 D1

2 8 4 10/3 – 1/3 D1

3 1 5 3 – 1 D1

4 2 2 2/3 – 2/3 D1

D1  mempengaruhi sisi kanan

2. Dari tabelnya

( 12 2/3 , 4/3 , 10/3 , 3 , 2/3 )  sisi kanan tabel optimal sebelum titambah dengan D1

( 1/3 , 2/3 , -1/3 , -1 , -2/3 )  koefisien-koefisien pada kolom S1

Sumber daya 2  analog

Hanya mempengaruhi kelayakan

D1 tidak mampu  variabel basis negatif, sehingga  tabel optimal &  D1 harus

x1 = 4/3 + 2/3 D1 ≥ 0 (1)

x2 = 10/3 - 1/3 D1 ≥ 0 (2)

S3 = 3 - D1 ≥ 0 (3)

S4 = 2/3 - 2/3 D1 ≥ 0 (4)

Kasus 1 : D1 > 0

26
 (1) benar

(2)  D1 ≤ 10, (3)  D1 ≤ 3, (4)  D1 ≤ 1   D1 ≤ 1

Kasus 2 : D1 < 0

(2), (3), (4) benar -2 ≤ D1 ≤ 1

(1)  D1 ≥ -2   D1 ≥ -2

Jumlah maks dan min bahan A dengan harga dual y1 = 1/3 adalah 6 + 1 = 7 dan 6 - 2 = 4

Sumber daya 2  analog

Perubahan Maks dalam Laba / Biaya Marginal

Menentukan range laba / biaya marginal

 Koefisien fungsi tujuan berubah  titik optimal tetap

Perubahan koefisien fungsi tujuan  ubah – persamaan fungsi tujuan dalam tabel optimal

Kasus 1 : Variabel dasar

Ubah  semua koefisien nondasar di baris tujuan dari tabel optimal

Dari Contoh 2

Laba marginal 3 menjadi 3 + d1  Z = ( 3 + d1 ) x1 + 2 x2

3 diganti 3 + d1 pada tabel awal, tabel akhirnya menjadi

Basis x1 x2 S1 S2 S3 S4 Penyelesaian

Z 0 0 1/3 - 1/3 d1 4/3 + 2/3 d1 0 0 12 2/3 + 10/3 d1

x2 0 1 2/3 -1/3 0 0 4/3

x1 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

Pada solusi optimal  koefisien S1 & S2 di persamaan fungsi tujuan non negatif

1/3 - 1/3 d1 ≥ 0  d1 ≤ 1 -2 ≤ d1 ≤ 1

27
4/3 + 2/3 d1 ≥ 0  d1 ≥ -2

c1  3 – 2 ≤ c1 ≤ 3 + 1  1 ≤ c1 ≤ 4

Z berubah sesuai 12 2/3 + 10/3 d1 dengan -2 ≤ d1 ≤ 1

Analog pada laba marginal 2 menjadi 2 + d2

Kasus 2 : Variabel nondasar

Ubah  koefisien fungsi tujuan

Contoh 3

Kendala seperti pada Contoh 2, dengan fungsi tujuannya Maksimumkan Z = 5 x1 + 2 x2

Tabel optimalnya

Basis x1 x2 S1 S2 S3 S4 Penyelesaian
Z 0 1/2 0 5/2 0 0 20
S1 0 3/2 1 -1/2 0 0 2
x1 1 ½ 0 1/2 0 0 4
S3 0 3/2 0 1/2 1 0 5
S4 0 1 0 0 0 1 2
x2 nondasar  2 diubah jadi 2 + h2

 didapat range h2  penyelesaian optimal tetap

Koefisien fungsi tujuan  ½ menjadi ½ - h2  koefisien fungsi tujuan turun

½ - h2 ≥ 0  h2 ≤ ½  c2 ≤ ½ + 2  c2 ≤ 5/2

 h2 > ½  x2 menguntungkan ( Z naik )

 Koefisien tetap  x2 dibuat menjadi basis  Z turun

Pengurangan biaya  selisih bersih  biaya sumber daya  1 unit x2

 pendapatan perunitnya

Variabel nondasar  penggunaan sumber daya per unit turun layak

 pendapatan perunitnya naik ( harga dinaikkan )

28