PENDAHULUAN
1.1 Latar Belakang
Dalam matematika terdapat metode untuk mengalokasikan sumber daya yang
terbatas untuk mencapai suatu tujuan yang optimal. Metode ini adalah program linier.
Program linier merupakan suatu cara metematis yang digunakan untuk menyelesaikan
masalah yang berkaitan dengan penngalokasian sumber daya yang terbatas untuk
mencapai optimasi yaitu memaksimumkan atau meminimumkan fungsi tujuan yang
bergabung pada sejumlah variabel input. Program linier banyak diterapkan dalam
masalah ekonomi, industri, militer, sosial, dan lain-lain.
Karakteristik- karakteristik pada program linier adalah fungsi tujuan (untuk
memaksimumkan atau meminimumkan sesuatu), fungsi pembatas yang membatasi
tingkatan pencapaian tujuan, adanya beberapa alternatif tindakan yang bisa dipilih,
fungsi tujuan dan kendala dalam permasalahan diekspresikan dalam bentuk persamaan
atau pertidaksamaan linier.
Metode simpleks adalah suatu metode yang secara sistematis dari suatu
pemecahan dasar yang kemungkinan ke pemecahan dasar yang lainnya dan ini dilakukan
tahap demi tahap yang disebut dengan iterasi (dengan jumlah iterasi yang terbatas)
sehingga pada akhirnya akan tercapai suatu pemecahan dasar yang optimum dan setiap
langkah menghasilkan suatu nilai dari fungsi tujuan yang selalu lebih optimal atau sama
dari langkah- langkah sebelumnya.
1.2 Rumusan Masalah
1. Bagaimana menyelesaikan permasalahan program linier dengan menggunakan
metode simpleks?
2. Bagaimana menentukan kerangka dasar perhitungan nilai maksimum dari tabel
simpleks?
1.3 Tujuan
1. Mengetahui bagaimana cara menyelesaikan permasalahan program linier dengan
menggunakan metode simpleks.
2. Mengetahui bagaimana menentukan kerangka dasar perhitungan nilai maksimum dari
tabel simpleks.
1
BAB II
PEMBAHASAN
2.1 Identitas Buku
Buku I
Judul : Linear Programming and Network Flows Fourth Edition
Penulis : Mokhtar S. Bazaraa, John J. Jarvis, Hanif D. Sherali
Penerbit : John Wiley
Tahun Terbit : 2010
Kota Terbit : Canada
Buku II
Buku I
METODE SIMPLEX
Dalam bab ini kita mulai membahas metode simpleks Dantzig, yang
dikandung pada musim panas 1947 untuk memecahkan masalah pemrograman linier.
Itu aplikasi signifikan pertama dari metode yang terjadi setelah pada musim gugur
1947. J. Laderman menyelesaikan program linear perencanaan tujuan dengan
sembilan persamaan kendala dan 27 variabel tidak negatif di Biro Standar
Nasional.Menggunakan kalkulator Meja, masalah ini membutuhkan waktu 120 hari
kerja untuk diselesaikan dan lembar kerja direkatkan dengan susah payah dan
menyebar seperti "taplak meja.".
2
Saat ini, menggunakan fasilitas komputer zaman modern dan implementasi
canggih dari metode simpleks, program linier memiliki lebih dari puluhan ribu
kendala dan variabel siap dipecahkan. Meskipun beberapa varian Metode simpleks
telah berevolusi dan algoritma bersaing baru lainnya telah diusulkan (lihat Bab 8),
metode simpleks tetap menjadi alat yang populer dan populer untuk memecahkan
masalah pemrograman linier. Ini juga memberikan wawasan lebih lanjut struktur
wajah set polyhedral yang menentukan wilayah layak yang mendasarinya untuk
program linier.
Ketika solusi optimal linier masalah pemrograman ada, titik ekstrim optimal
juga ada. Ini Pengamatan selalu benar, seperti yang akan ditunjukkan segera.
Pertimbangkan masalah pemrograman linier berikut:
Minimize cx
Subject Ax = b
x > 0,
Misalkan X1, X2, ..., F(x) menjadi titik ekstrim dari set kendala, dan biarkan d1, d2,
...,d3, jadilah arah ekstrim dari set kendala. Ingat bahwa setiap titik x seperti itu bahwa
Ax = b dan x> 0 dapat direpresentasikan sebagai ;
x = Σ λj,.x j + Σ μjdj
Dimana
Σ λ} = 1
λj> 0, j= 1,....,k
μj > 0, j = 1,...,l.
3
Oleh karena itu, masalah pemrograman linier dapat secara konseptual
ditransformasikan menjadi masalah dalam variabel Oleh karena itu, masalah
pemrograman linier dapat secara konseptual ditransformasikan menjadi masalah
dalam variabel λ1, λ2, λ3,.... λkμ1, μ2, μ3,....... μk menghasil program linier
1 1 1 0
Perhatikan bahwa matriks kendala A = [𝑎1, 𝑎2, 𝑎3, 𝑎4]=[ ]
0 1 1 0
Dari definisi sebelumnya, solusi layak dasar sesuai dengan menemukan basis 2 X 2 B
dengan B-1 b negatif. Berikut ini adalah cara yang memungkinkan untuk
mengekstraksi B dari A.
4
Untuk meringkas, diberikan kelayakan, nilai optimal dari masalah linier terbatas jika
dan hanya jika cd,> 0 untuk semua arah ekstrim. Selanjutnya, jika ini kasus, maka kita
dapat menemukan titik meminimalkan dengan memilih solusi yang memiliki nilai
obyektif minimum di antara semua titik ekstrim. Ini menunjukkan bahwa jika suatu
solusi optimal ada, kita harus dapat menemukan titik ekstrim yang optimal larutan.
Tentu saja, jika ex minimum, nilai terjadi pada lebih dari satu indeks, maka setiap titik
ekstrem yang sesuai adalah titik optimal dan masing-masing cembung kombinasi
poin-poin ini merupakan solusi optimal (mengapa?). Bahkan, seluruh setalternatif
solusi optimal diberikan oleh himpunan kombinasi cembung titik-titik tersebut
ditambah kombinasi linear non-negatif dari arah ekstrim d, itu memuaskan cd, = 0
Beberapa fakta penting tentang linear berikut masalah pemrograman, dimana A
adalah m x n matriks dengan peringkat m.
Memperkecil cx
Kepada Subjek Ax = b
X => 0
5
Teorema 3.1
Pengumpulan titik ekstrem sesuai dengan koleksi basis yang tepat
solusi, dan keduanya tidak kosong asalkan wilayah yang layak tidak
kosong.
Teorema 3.2
Asumsikan bahwa wilayah yang layak adalah nonempty. Kemudian
solusi optimal yang terbatas ada jika dan hanya jika cd,> 0 fory = 1, ..., I,
di mana di, ..., d ^ adalah ekstrim arah wilayah yang layak. Jika tidak,
nilai solusi optimal adalah tak terbatas.
Teorema 3.3
Jika ada solusi optimal, maka titik ekstrim optimal (atau setara dengan
solusi layak dasar optimal).
Teorema 3.4
Untuk setiap titik ekstrem (solusi layak dasar) ada dasar yang sesuai
(tidak harus unik), dan, sebaliknya, untuk setiap basis ada titik ekstrim
(unik) yang sesuai. Apalagi jika titik ekstrem memiliki lebih dari
satudasar yang merepresentasikannya, maka ia merosot. Sebaliknya,
ekstrem yang merosot titik memiliki lebih dari satu basis yang
menyatakannya jika dan hanya jika sistem Ax = b itu sendiri tidak
menyiratkan bahwa merosotnya variabel dasar yang sesuai dengan dasar
terkait secara identik nol.
Contoh !
X1 + X2 <= 1
X2 <= 3
X1 + 2X2 <= 9
X1 + X2 >= 0
6
Perhatikan bahwa wilayah yang layak tepat wilayah Contoh, sejak pembatasan
ketiga xj + 2x2 < 9 sebagai "Redundan." Setelah menambahkan variabel slack x3, x4,
dan x5, kita dapatkan
Xb=
7
Buku II
METODE SIMPLEKS
Pada metode simpleks dikenal dua variabel tambahan yaitu variabel slack dan
variabel surplus. Umumnya orang lebih senang bekerja dengan persamaan-persamaan
dibandingkan bekerja dengan pertidaksamaan-pertidaksamaan. Untuk itu setiap
pertidaksamaan dalam (2) dikonversi menjadi persamaan-persamaan. Agar supaya hal
itu dapat dilakukan, diperlukan tambahan beberapa variabel yang disebut variabel slack
dan variabel surplus (keduanya dikenal juga dengan nama variabel pengetat).
Andaikan suatu kendala bertanda (misalkan kendala ke-h) yang dapat ditulis:
Kita ciptakan variabel baru 𝑥𝑟+𝑘 ≥ 0 dimana 𝑥𝑟+ℎ = ∑𝑟𝑗=1 𝑎𝑘𝑗 𝑥𝑗 − 𝑏𝑘 sedemikian
sehingga terdapat ∑𝑟𝑗=1 𝑎𝑘𝑗 𝑥𝑗 − 𝑥𝑟+𝑘 = 𝑏𝑘 ……….(7)
Berdasarkan teori di atas coba tuliskan bentuk siap simpleks (bentuk kanonik)
program linier berikut:
Dengan kendala: 𝑥1 + 𝑥2 − 𝑥3 ≤ 10
8
-𝑥1 + 3𝑥2 − 3𝑥3 ≥ 20
5𝑥1 − 𝑥2 + 2𝑥3 ≤ 5
𝑥1 , 𝑥2 , 𝑥3 ≥ 0
Contoh.
Minimumkan Z = -3x1 + x2 + x3
-4x1 + x2 + 2x3 ≥ 3
2x1 – x3 = -1
x1 , x2 , x3 ≥ 0
Persamaan pada kendala ke tiga harus dirubah agar memiliki nilai kanan positip dengan
cara dikalikan (-1), sehingga menjadi:
-2x1 + x3 = 1
Minimumkan Z = -3x1 + x2 + x3
-4x1 + x2 + 2x3 ≥ 3
-2x1 + x3 = 1
x1 , x2 , x3 ≥ 0
Bentuk baku diperoleh dengan menambahkan variabel slack pada kendala pertama,
mengurangkan variabel surplus pada kendala kedua. Sehingga diperoleh:
x1 – 2x2 + x3 + s1 = 11
-2x1 + x3 =1
9
Istilah variable slack dan variabel surplus adalah berbeda dimana slack ditambahkan
dan mencerminkan sumber daya yang tak terpakai, sementara surplus dikurangkan dan
menunjukkan suatu kelebihan atas keperluannya, tetapi diberikan notasi serupa, yaitu s.
Fungsi tujuan:
Minimumkan,
z = 2x1 + 5.5x2
Kendala:
x1 + x2 = 90
0.001x1 + 0.002x2 ≤ 0.9
0.09x1 + 0.6x2 ≥ 27
0.02x1 + 0.06x2 ≤ 4.5
x1, x2 ≥0
Buku III
METODE SIMPLEKS
Salah satu teknik penentuan solusi optimal yang digunakan dalam pemrograman linier
adalah metode simpleks. Penentuan solusi optimal menggunakan metode simpleks
didasarkan pada teknik eleminasi Gauss Jordan. Penentuan solusi optimal dilakukan
dengan memeriksa titik ekstrim satu per satu dengan cara perhitungan iteratif.
Variabel slack adalah variabel yang ditambahkan ke model matematika kendala
untuk mengkonversikan relasi ≤ menjadi relasi =. Penambahan variabel ini terjadi
pada tahap inisialisasi. Pada solusi awal, variabel slack akan berfungsi sebagai
variabel basis.
Variabel surplus adalah variabel yang dikurangkan dari model matematika kendala
untuk mengkonversikan relasi ≥ menjadi relasi =. Penambahan ini terjadi pada tahap
inisialisasi. Pada solusi awal, variabel surplus tidak dapat berfungsi sebagai variabel
basis.
Ada beberapa hal yang harus diperhatikan dalam membuat bentuk baku, yaitu:
1. Fungsi kendala dengan relasi ≤ dalam bentuk umum, dirubah menjadi persamaan
(=) dengan menambahkan satu variabel slack.
2. Fungsi kendala dengan relasi ≥ dalam bentuk umum, dirubah menjadi persamaan
(=) dengan mengurangkan satu variabel surplus.
3. Fungsi kendala dengan persamaan dalam benttuk umum, ditambahkan satu
artificial variabel (variabel buatan).
10
Perhatikan kasus A berikut:
Fungsi tujuan:
Minimumkan,
z = 2x1 + 5.5x2
Kendala:
x1 + x2 = 90
0.001x1 + 0.002x2 ≤ 0.9
0.09x1 + 0.6x2 ≥ 27
0.02x1 + 0.06x2 ≤ 4.5
x1, x2 ≥ 0
Bentuk di atas adalah bentuk umum pemrograman liniernya. Jika bentuk diatas, kita
ubah kedalam bentuk baku, model matematika-nya, akan berubah menjadi:
Fungsi tujuan:
Minimumkan,
z = 2x1 + 5.5x2
Kendala:
x1 + x2 + s1 = 90
0.001 x1 + 0.002 x2 + s2 = 0.9
0.09 x1 + 0.6 x2 – s3 + s4 = 27
0.02 x1 + 0.06 x2 + s5 = 4.5
x1, x2 , s1, s2, s3, s4, s5 ≥ 0
Fungsi kendala pertama mendapatkan variabel buatan (s1), karena bentuk umumnya
sudah menggunakan bentuk persamaan. Fungsi kendala kedua dan keempat
mendapatkan variabel slack (s2 dan s5) karena bentuk umumnya menggunakan relasi
≤, sedangkan fungsi kendala ketiga mendapatkan variabel surplus (s3) dan variabel
buatan (s4) karena bentuk umumnya menggunakan relasi ≥.
11
BAB III
PENUTUP
3.1 Kesimpulan
1. Langkah – langkah menyelesaikan permasalahan program linier dengan menggunakan
metode simpleks :
Menentukan model matematika untuk data – data yang terdapat pada
permasalahan program linier.
Menambahkan dan melakukan pengurangan dengan variabel slack, sehingga
model matematika dapat di ubah menjadi persamaan linier.
Membuat kerangka tabel simpleks, merencanakan program awal, menguji ke
optimalan yang sedang berlangsung.
Supaya tidak melanggar syarat yang telah ditetapkan, maka di tambahakan
variabel slack “tiruan” (A1, A2, A3)
Melakukan perbaikan – perbaikan terhadap program yang berlangsung sampai
di peroleh program optimal.
2. Langkah menentukan kerangka dasar perhitungan nilai maksimum dari tabel simpleks
Menentukan transpormasi baris kunci, yaitu membagi semua bilangan dalam
baris kunci dan bilangan kunci.
Melakukan transpormasi bukan baris kunci dengan rumus “ bilangan baris
baru “.
Program sudah optimal jika baris penilaian tidak memiliki bilangan nol atau
negatif.
3.2 Saran
Kepada pembaca makalah ini diharapkan ini mampu menggunakan metode simpleks
dan memahami variabel slack dan variabel surplus. Dengan adanya makalah ini dapat
membantu pembaca menambah wawasan dengan berbagai referensi mengenai
variabel slack dan variabel surplus di gabung dalam satu makalah.
12
DAFTAR PUSTAKA
13