JURUSAN MATEMATIKA
FAKUTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MEDAN
2019
Kata Pengantar
Puji syukur saya ucapkan kepada Tuhan Yang Maha Esa karena berkatnya kami dapat
menyelesaikan tugas Critical Book Report ini. Meskipun banyak hambatan yang kami alami
dalam proses pengerjaannya, tapi kami berhasil menyelesaikan Critical Book Report ini tepat
pada waktunya. . Karena itu kami berharap Critical Book Report ini dapat menjadi sesuatu yang
berguna bagi kita bersama. kami menyadari bahwa dalam menyusun Critical Book Report ini
masih jauh dari kesempurnaan, untuk itu kami sangat mengharapkan kritik dan saran yang
bersifat membangun guna sempurnanya Critical Book Report ini. Kami berharap semoga
Critical Book Report ini bisa bermanfaat bagi penulis khususnya dan bagi pembaca pada
umumnya.
Penyusun
BAB I
PENDAHULUAN
1.1 Latar Belakang
b) Buku II
Judul PROGRAM LINIER
Pengarang Meyta Dwi Kurniasih, M. Pd.
Penerbit Universitas Muhammadiyah Prof Dr Hamka
Tahun Terbit 2015
Kota Terbit Jakarta
ISBN -
c) Buku III
Judul
Pengarang
Penerbit
Tahun Terbit
Kota Terbit
ISBN
Iterasinta 1:
VB X1 X2 S1 A1 A2 S2 Solusi Rasio
z 0 (1+5M)/3 -M 0 0 0 0 -
A1 1 1/3 0 1/3 0 0 0 3
A2 0 5/3 -1 -4/3 1 0 0 6/5
S2 1 5/3 0 -1/3 0 1 1 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 -
A1 1 0 1/5 3/5 -1/5 0 3/5 25/3
A2 0 1 -3/5 -4/5 3/5 0 6/5 -
S2 1 1 1 1 -1 1 1 1
Iterasi 3 Optimal
VB X1 X2 S1 A1 A2 S2 Solusi
z 0 0 0 7/5-M -M -1/5 17/5
A1 1 0 0 2/5 0 -1/5 2/5
A2 0 1 0 -1/5 0 3/5 9/5
S2 0 0 1 1 -1 1 1
b. Metode Dua Fase
Metode dua fase digunakan jika variable basis awal terdiri dari variable buatan. Disebut sebagai
metode dua fase, karena proses optimasi dilakukan dalam dua tahap. Tahap pertama merupakan
proses optimasi variable buatan, sedangkan proses optimasi variable keputusan dilakukan pada
tahap kedua. Karena variable buatan sebenarnya tidak ada (hanya ada di atas kerja), maka tahap
pertama dilakukan untuk memaksa variable buatan bernilai 0.
Perhatikan kasus berikut:
Tahap 1 :
Fungsi Tujuan
Min A = A1 + A2
Dengan Kendala :
x1 + x2 + A1 = 90
0,001 x1+ 0,002 x2 + s1 = 0,9
0,09 x1+ 0,06 x2 - s1 + A2 = 0,9
0,09 x1+ 0,6 x2 - s1 + A2 = 27
0,02x1+ 0,06 x2 + s3 = 4,5
x1 , x2 , s1, s2 ,s3 ≥ 0
Karena A1 dan A2 berfungsi sebagai variable basis pada solusi awal, maka koefisiennya pada
fungsi tujuan harus sama dengan 0. Untuk mencapai itu, gantikan nilai A1 dari fungsi kendala
pertama (kendala yang memuat A1) dan nilai A2 dari fungsi kendala ketiga (kendala yang
memuat A2 ).
Dari kendala 1 diperoleh :
A1 = 90 – x1 – x2
Dari kendala 3 diperoleh:
A2 = 27 – 0,09x1 – 0,6x2 + s2
Maka fungsi tujuan tahap-1 menjadi:
Min A = ( 90 – x1 – x2 ) + (A2 = 27 – 0,09x1 – 0,6x2 + s2 )
= 117 – 1,09x1 – 1,6x2 + s2
VB X1 X2 S1 S2 S3 A1 A2 NK Rasio
A 1,09 1,6 0 -1 0 0 0 117 -
A1 1 1 0 0 0 1 0 90 90
S1 0,001 0,0002 1 0 0 0 0 0,9 450
A2 0,09 0,6 0 -1 0 0 1 27 45
S3 0,02 0,06 0 0 1 0 0 4,5 75
Interasi 1:
VB X1 X2 S1 S2 S3 A1 A2 NK Rasio
A 0,85 0 0 -11/3 0 0 -8/3 45 -
A1 0,85 0 0 10/6 0 1 -10/6 45 52,94
S1 0,0007 0 1 1/300 0 0 -1/300 0,81 1157,14
x2 0,15 1 0 -10/6 0 0 10/6 45 300
S3 0,011 0 0 0,1 1 0 -0,1 1,8 163,634
0
Iterasi 2 Optimal :
VB X1 X2 S1 S2 S3 A1 A2 NK
A 1 0 0 0 0 -1 -1,4625 0
A1 0 0 0 0 0 20/17 -17/12 52,94
S1 0 0 1 1 0 0,0008 0,0023 0,7729
A2 0 1 0 0 0 -3/17 1,7542 37,059
S3 0 0 0 0 1 0,0129 -0,0844 1,2176
Tahap 2:
Fungsi tujuan:
Min z = 2x1 + 5,5 x2
Dengan kendala:
Tabel optimal tahap pertama
Dari table optimal tahap 1 diperoleh:
x1 = 52,94 – 17/12 s2
x2 = 37,059 + 1,754 s2
Maka fungsi tujuan adalah :
Min z = 2 (52,94 – 17/12 s2 ) + 5,5 (37,059 + 1,754 s2 )
= -17/6s2 + 9,6481s2 + 309,7045
= 6,814767s2 + 309,7045
Solusi Awal Optimal:
VB X1 X2 S1 S2 S3 NK
A 1 0 0 -6,8147 0 309,7045
x1 0 0 0 17/12 0 52,94
S1 0 0 1 0,00234 0 0,7729
x2 0 1 0 -1,7542 0 37,059
S3 0 0 0 0,0935 1 1,2176
Keterangan:
Baris Zj- Cj baris pertama tidak mengandung unsure M sedangkan baris Zj-Cj baris kedua
mengandung unsure M. Variabel masuk ( variable pendatang ) = x, variable keluar ( variable
perantau ) = d
Tabel 2
Cj -3 -2 0 0 -M -M r
HB
VB CB x y a b c D 1
C -M 0 ½ -1 ½ 1 -1/2 ½ 3
X -3 1 ½ 0 -1/2 0 ½ 3/2
0 ½ 0 3/2 0 -3/2 -9/2
Zj- Cj
0 -1/2 1 -1/2 0 1-/2 -1/2
Tabel 3
Cj -3 -2 0 0 -M -M
Variable CB X Y a B C D HB
Basis
Y -2 0 1 -2 1 2 -1 1
X -3 1 0 1 -1 -1 1 1
Zj-Cj 0 0 1 1 -1 -1 -5
0 0 0 0 1 1 0
Daru Zj- Cj yang kedua sudah tidak ada yang negative maka iterasi selesai. Sehingga
dapat disimpulkan : x = 1, y = 1, a = 0, b = 0, c = 0, d = 0 dan z = 5
B. Metode Simpleks II
Langkah-langkah Metode Simpleks 2 Fase
1. Sistem pertidaksamaan 1 dan seterusnya dibuat sama seperti simoleks dengan 1 fase.
2. Nilai Z diminimumkan ( dikalikan dengan - )
3. Z dipindah menjadi bernilai +.
4. Selanjutnya sama seperti pada simpleks dengan 1 fase, namun pembedanya adalah yang
mempunyai nilai hanya variable M dan Z. Variabel yang mengandung nilai M bernilai = -
1 dan Z = 1 selebihnya bernilai 0.
5. Cari nilai pada system pertidaksamaan yang membentuk identitas dan posisi 1 di sebelah
kiri ( pengali ) diletakan nilai x, lalu stelah dua variable dikali dan dijumlahkan , dikurang
nilai x di atasnya.
6. Selanjutnya sama seperti pada simpleks 2 dengan 1 fase hingga berakhir pada nilai baris
terakhir yang bernilai positif.
7. Hilangkan kolom yang mengandung nilai M dan Z lalu letakan nilai keseluruhan Z pada
atas baris (nilai x)
8. Lalu seperti cara pada nomor 5 hingga baris terakhir bernilai positif.
9. Dan tulis nilai Z ( jangan lupa nilai Z adalah – Z ).
Contoh Soal:
Meminimumkan :
Z = 8x + 6y
Kendala :
4x + 2y ≥ 60,
2x + 4y ≥ 48,
x,y ≥ 0
Penyelesaian :
4x + 2y ≥ 60 ↔ 4x + 2y – x3 + x4 = 60
2x + 4y ≥ 48 ↔ 2x + 4y – x5 + x6 = 48
Cj 0 0 0 -1 0 -1
HB
VB CB X Y X3 X4 X5 X6
x4 -1 4 2 -1 1 0 0 60
y 0 1/2 1 0 0 -1/4 1/4 12
Zj - Cj -6 -6 1 0 1 0 -108
Tabel 2
Cj 0 0 0 -1 0 -1
HB R
VB CB X Y X3 X4 X5 X6
x4 -1 3 0 -1 1 1/2 -1/2 36 12
y 0 1/2 1 0 0 -1/4 1/4 12 24
Zj - Cj -3 0 1 0 -1/2 3/2 -36
Cj 0 0 0 -1 0 -1
HB
VB CB X Y X3 X4 X5 X6
x4 0 1 0 -1/3 1/3 1/6 1/6 12
y 0 1/2 1 1/6 -1/6 -1/3 1/6 6
Zj - Cj -3 0 0 1 0 1 6
Tabel Akhir Fase 1
Cj 0 0 0 -1 0 -1
HB
VB CB X Y X3 X4 X5 X6
x4 0 1 0 -1/3 1/3 1/6 1/6 12
y 0 0 1 1/6 -1/6 -1/3 1/6 6
Zj - Cj 0 0 0 1 0 1 0
Tabel Awal Fase 2
Cj 8 6
HB
VB CB X Y
x 0 1 0 12
y 0 0 1 6
Zj - Cj 0 0 132
Karena sudah tiba ada yang negative pada baris objelktif maka iterasi selesai. Dapat disimpulkan
: x = 12, y = 6, x3 = 0, x4 = 0, x5 = 0, x6 = 0 dan z = 132 (nilai minimum )
BAB III
PENUTUP
3.1 Kesimpulan
Metode Big-M adalah teknik memberikan nilai koefisien yang sangat besar kepada
variable-variabel artifiasil dalam persamaan objective function. Nilai koefisien ini bertindak
sebagai penalty. Salah satu carannya, dipaparkan oleh Charnes dengan menggunakan metode
simpleks agar variable slack menjadi nol, dengan menentukan nilai konstanta (-M ) jika
masalah yang dihadapi adalah memaksimumkan fungsi tujuan, dan menentukan nilai
konstanta (M) pada variable slack jika masalah yang dihadapi meminimumkan. Teknik yang
digunakan untuk memaksa variable buatan bernilai 0 pada solusi optimal adalah dengan cara
berikut:
Penambahan variable buatan pada fungsi kendala yang tidak memiliki variable slack,
menuntut penambahan variable pada fungsi tujuan.
Jika fungsi tujuan adalah maksimisasi, maka variable buatan pada fungsi tujuan
mempunyai koefisien- M.
Jika fungsi tujuan adalah meminimasi, maka variable buatan pada fungsi tujuan
mempunyai koefisien-M.
Karean koefisien variable basis pada table simpleks harus bernila 0, maka variable buatan
pada fungsi tujuan harus digantikan nilai dari fungsi kendala yang memuat variable
buatan tersebut.
Metode dua fase digunakan jika variable baisi awal terdiri dari variable buatan. Disebut
sebagai metode dua fase, karena proses optimasi dilakukan dalam dua tahap. Tahap pertama
merupakan proses optimasi variable buatan, sedangkan proses optimal variable keputusan
dilakukan pada tahap kedua. Karena variable buatan sebenarnya tidak ada (hanya ada di atas
kertas ), maka tahap pertama dilakukan untuk memaksa variable buatan bernilai 0.
Tahapan metode dua fase adalah sebagai berikut:
1. Ubah model PL ke dalam bentuk baku ( sebagaimana pada metode Big M ), dengan
fungsi objektifnya adalah meminimumkan sumasi dari variable artificial.
2. Gunakan solusi layak dari fase 1 sebagai solusi dasar awal model semua, dan lakukan
iterasi simpleks sampai diperoleh solusi optimal.
DAFTAR PUSTAKA
Kurniasih, Meyta D. 2015. PROGRAM LINIER. Jakarta : Universitas Muhammadiyah Prof Dr
Hamka
Rafflesia, Ulfasari dan Fanani Haryo Widodo. 2014. Pemrograman Linier. Bengkulu : Badan
Penerbit Fakultas Pertanian UNIB