Soal 2 (Minimalisasi)

Sebuah toko “TO MING SE” menyediakan dua merk pupuk, yaitu Standard dan Super.
Setiap jenis mengandung campuran bahan nitrogen dan fosfat dalam jumlah tertentu.

Kandungan Bahan Kimia

Jenis
Nitrogen (kg/sak) Fosfat (kg/sag)
Standar 2 4
Super 4 3

Seorang petani membutuhkan paling sedikit 16 kg nitrogen dan 24 kg fosfat untuk

lahan pertaniannya. Harga pupuk Standar dan Super masing-masing $3 dan $6. Petani
tersebut ingin mengetahui berapa sak masingmasing jenis pupuk harus dibeli agar total
harga pupuk mencapai minimum dan kebutuhan pupuk untuk lahannya terpenuhi.

Jawab :

1. Variabel

X1 = Standar

X2 = Super

2. Fungsi Tujuan

Zmin = 6X1 + 3X2

3. Fungsi Kendala

a. 2X1 + 4X2 ≥ 16

b. 4X1 + 3X2 ≥ 24

X1 , X2 ≥ 0

4. Grafik

a. 2X1 + 4X2 ≥ 16

X1 = 0 , X2 = 4

X2 = 0 , X1 = 8

b. 4X1 + 3X2 ≥ 24
 X1 = 0 , X2 = 8

X2 = 0 , X1 = 6

(a) 2X1 + 4X2 ≥ 16 | x 3

(b) 4X1 + 3X2 ≥ 24 _ | x 4

6X1 + 12X2 ≥ 48

16X1 + 12X2 ≥ 96 _

-10X1 = - 48

X1 = 4,8

Subtitusi X1 kedalam (a)

(a) 2X1 + 4X2 ≥ 16

2(4,8) + 4X2 ≥ 16

9,6 + 4X2 = 16

4X2 = 16-9,6

X2 = 1,6

Zmin = 6X1 + 3X2

Z = 6.(4,8) + 3.(1,6) = $138.24

Sebuah toko “MAKMUR JAYA” menyediakan dua merk pupuk, yaitu Standard dan Super.
Setiap jenis mengandung campuran bahan nitrogen dan fosfat dalam jumlah tertentu.
Seorang petani membutuhkan paling sedikit 16 kg nitrogen dan 24 kg fosfat untuk lahan
pertaniannya. Harga pupuk Standar dan Super masingmasing 3000 dan 6000. Petani tersebut
ingin mengetahui berapa sak masing-masing jenis pupuk harus dibeli agar total harga pupuk
mencapai minimum dan kebutuhan pupuk untuk lahannya terpenuhi?
Perumusan Model (Formulasi) Matematis :
Fungsi Tujuan :
Standart = A ; Super = B
Z mak = 3000 A + 6000 B
Fungsi Kendala : Kendala BB II dan BB II
Nitrogen = A; Fosfat = B
1) 2 A + 4 B = 16
2) 4 A + 3 B = 24
Penyelesaian :
2A + 4B = 16 x 2 ( 4A + 8B = 32
4A + 3B = 24 x 1 ( 4A + 3B = 24
------------------- -
5B = 8 ; B = 1,6
Jika B = 1,6 maka 2A + 4(1,6) =16 ( 2A = 16 – 6,4 = 9,6
A = 4,8
Besarnya Z mak = 3000 (4,8) + 6000 (1,6) = 24.000,-
nitrogen fosfat VAR
merk pupuk
standart 2 4 Rp 3000 X1
super 4 3 Rp 6000 X2
BAHAN YANG 16kg 24kg
TERSEDIA
2. Persamaan matematis suatu program linier adalah sebagai berikut :

Minimasi : Z = 6X1 + 7,5X2

Dengan pembatas :
7X1 + 3X2 ≥ 210
6X1 + 12X2 ≥ 180
4X2 ≥ 120
X1, X2 ≥ 0
Carilah harga X1 dan X2 ?
JAWABAN
Pada kasus ini kita akan menggunakan metode simplex M (BIG – M), hal ini dikarenakan pada kasus
ini pertidk samaan pembatasnya menggunakan ≥ (lebih dari sama dengan).
Persamaan Tujuan : Z - 6x1 - 7,5X2 - 0S1 - 0S2 - 0S3 = 0 Baris 0
Persamaan Kendala : 7x1 + 3x2 - S1 +A1 = 210 Baris 1
6x1 + 12x2 - S2 +A2 = 180 Baris 2
4x2 - S3 + A3 = 120 Baris 3
Bagi kendala pertidaksamaan jenis ≤, maka variabel slack ditambahkan untuk menghabiskan sumber
daya yang digunakan dalam kendala. Cara ini tidak dapat diterapkan pada kendala pertidaksamaan
jenis ≥ dan kendala persamaan (=) persamaan diatas diperoleh karena tanda ≥ harus mengurangi
variable surplus.
Untuk mengarahkan artifisial variabel menjadi nol, suatu biaya yang besar ditempatkan pada A1, A2,
dan A3 sehingga fungsi tujuannya menjadi :
Z = 6x1 + 7,5X2 + 0S1 + 0S2 + 0S3 + MA1 + MA2 + MA3
Table simplex awal dibentuk dengan A1, A2, dan A3 sebagai variable basis, seperti table berikut :
Basis X1 X2 S1 S2 S3 A1 A2 A3 NK RASIO

Z 13M-6 19M-7,5 -M -M -M 0 0 0 510M

A1 7 3 -1 0 0 1 0 0 210 210 : 3 = 70

A2 6 12 0 -1 0 0 1 0 180 180 : 12 = 15

A3 0 4 0 0 -1 0 0 1 120 120 : 4 = 30

Dari table diatas kita ketahui bahwa semua BFS belum optimal. Hal ini dikarenakan seluruh NBV
masih mempunyai koefisien yang berharga positif. Oleh karena itu Untuk x2 terpilih sebagai entry
variable karena x2 memiliki nilai koefisien positif yang paling besar, dan A3 menjadi Leaving Variable.
Dan yang akan menjadi pivot adalah baris 2 karena memiliki rasio paling kecil.
Langkah-langkah ERO Iterasi Pertama :
ERO 1 : Menjadikan nilai koefisien x2 berharga 1 pada baris 2
½ x1 + x2 - 1/12 S2 +1/12 A2 = 15
ERO 2 : Menjadikan nilai koefisien x2 berharga 0 pada baris 0
Z = 9/4 x1 + 0S1 + 15/24 S2 + 0S3 + MA1 + [ M - 15/24]A2 + MA3 + 112,5
ERO 3 : Menjadikan nilai koefisien x2 berharga 0 pada baris 1
11
/2 x1 + ¼ S2 + A1 - 1/4 A2= 165
ERO 4 : Menjadikan nilai koefisien x2 berharga 0 pada baris 3
 -2x1 + 1/3 S2 - S3 - 1/3 A2 + A3 = 60
Konversi bentuk standard iterasi Pertama :
Z = 9/4 x1 + 0S1 + 15/24 S2 + 0S3 + MA1 + [ M - 15/24]A2 + MA3 + 112,5
11
/2 x1 + ¼ S2 + A1 - 1/4 A2 = 165
-2x1 + 1/3 S2 - S3 - 1/3 A2 + A3 = 60
½ x1 + x2 - 1/12 S2 +1/12 A2 = 15
Tabel Iterasi Pertama
Basis X1 X2 S1 S2 S3 A1 A2 A3 NK RASIO

Z -13/2M-6 0 0 7/
12 -
15/
24 -M 0 1/
24 - M 0 225M – 112,5 *

A1 11/ 0 0 1/ 0 1 -1/ 0 165 165 : 5,5 = 30

2 4 4

A3 -2 0 0 1/ -1 0 -1/ 1 60 *
3 3

X2 ½ 1 0 -1/ 0 0 1/ 0 15 15 : 0,5 = 30
12 12

Pada fungsi tujuan masih terdapat variable dengan nilai koefisien positif, oleh karena itu lakukan
iterasi kedua.
Langkah-langkah ERO Iterasi Kedua:
ERO 1 : Menjadikan nilai koefisien x1 berharga 1 pada baris 1
x1 + 1/22 S2 + 2/11A1 - 1/22 A2 = 30
ERO 2 : Menjadikan nilai koefisien x1 berharga 0 pada baris 0
Z = 0S1 + 0,725 S2 + 0S3 + MA1 -0,4A1 + [ M – 0,725]A2 + MA3 + 180
ERO 3 : Menjadikan nilai koefisien x1 berharga 0 pada baris 2
0.5 A2 = 0
ERO 4 : Menjadikan nilai koefisien x1 berharga 0 pada baris 3
0,39 S2 - S3 +0,36A1 + 0,21 A2 + A3 = 120
Konversi bentuk standard iterasi kedua :
Z = 0S1 + 0,725 S2 + 0S3 + [M -0,4]A1 + [ M – 0,725]A2 + MA3 + 180
x1 + 1/22 S2 + 2/11A1 - 1/22 A2 = 30
0.5 A2 = 0
0,39 S2 - S3 + 0,36A1 + 0,21 A2 + A3 = 120
Tabel Iterasi Kedua
Basis X1 X2 S1 S2 S3 A1 A2 A3 NK

Z 0 0 0 -0,725 0 -M+0,4 -1/2M+0,725 M -180

x1 1 0 0 1/ 0 2/ -1/22 0 30
22 11

A3 0 0 0 0 0 0 ½ 0 0

X2 0 0 0 0,39 -1 0,36 0,21 1 120

Iterasi kedua adalah optimum karena koefisien pada persamaan Z semuanya non positif, dengan
x1 = 30, x2 = 120 dan z=-180.
3. PT Unilever bermaksud membuat 2 jenis sabun, yakni sabun bubuk dan sabun batang. Untuk itu
dibutuhkan 2 macam zat kimia, yakni A dan B. jumlah zat kimia yang tersedia adalah A=200Kg dan
B=360Kg.
Untuk membuat 1Kg sabun bubuk diperlukan 2 Kg A dan 6 Kg B. untuk membuat 1 Kg sabun batang
diperlukan 5 Kg A dan 3 Kg B. bila keuntungan yang akan diperoleh setiap membuat 1Kg sabun
bubuk = $3 sedangkan setiap 1 Kg sabun batang = $2, berapa Kg jumah sabun bubuk dan sabun
batang yang sebaiknya dibuat ?
JAWABAN
Pemodelan matematika :
Maksimumkan : Z = 3x1 + 2x2
Pembatas : 2x1 + 5x2 = 200
6x1 + 3x2 = 360
Persamaan Tujuan : Z - 3x1 - 2x2 = 0 Baris 0
Persamaan Kendala : 2x1 + 5x2 + A1 = 200 Baris 1
6x1 + 3x2 + A2 = 360 Baris 2
Untuk mengarahkan artifisial variabel menjadi nol, suatu biaya yang besar ditempatkan pada A1, A2,
dan A3 sehingga fungsi tujuannya menjadi :
Z = 3x1 - 2X2 + MA1 + MA2
Basis x1 x2 A1 A2 NK Rasio
Z 8M-3 8M+2 0 0 560M
A1 2 5 1 0 200 200:5=40
A2 6 3 0 1 360 360:3=120
Dari table diatas kita ketahui bahwa semua BFS belum optimal. Hal ini dikarenakan belum
seluruhnya NBV mempunyai koefisien yang berharga positif. Oleh karena itu Untuk x2terpilih sebagai
entry variable karena x2 memiliki nilai koefisien negatif, dan A1 menjadi Leaving Variable. Dan yang
akan menjadi pivot adalah baris 1 karena memiliki rasio paling kecil.
Langkah-langkah ERO Iterasi Pertama :
ERO 1 : Menjadikan nilai koefisien x2 berharga 1 pada baris 1
0,4x1 + x2 + 0,2A1 = 40
ERO 2 : Menjadikan nilai koefisien x2 berharga 0 pada baris 0
Z = 3,8x1 + [M-0,4]A1 + MA2 - 80
ERO 3 : Menjadikan nilai koefisien x2 berharga 0 pada baris 2
4,8x1 – 0,6A1 + A2 = 240
Konversi bentuk standard iterasi pertama :
Z = 3,8x1 + [M-0,4]A1 + MA2 - 80
0,4x1 + x2 + 0,2A1 = 40
4,8x1 – 0,6A1 + A2 = 240
Basis x1 x2 A1 A2 NK Rasio
Z 4,8M-3,8 0 0,4-0,4M 0 240M+80
X2 0,4 1 0,2 0 40
A2 4,8 0 0,6 1 240
Iterasi pertama adalah optimum karena koefisien pada persamaan Z semuanya positif, dengan x1 =
40, x2 = 240 dan z=240M+80.
 BAB I
Pendahuluan

A. Latar Belakang
Dunia usaha dewasa ini semakin pesat, ditandai dengan banyaknya perusahaan yang
bermunculan dengan berbagai macam usaha bahkan dengan usaha sejenis sehingga
persaingan yang terjadi diantara pengusaha semakin ketat. Pada dasarnya setiap
perusahaan baik perusahaan besar maupun perusahaan kecil bertujuan untuk mencari
keuntungan yang sebesar – besarnya dalam menjalankan kegiatan perusahaan, lebih – lebih
dalam era globalisasi sekarang ini., maka setiap organisasi dalam dunia bisnis dituntut untuk
senantiasa memanfaatkan sumberdaya yang dimiliki seoptimal mungkin. Ketatnya
persaingan pada perusahaan yang memproduksi produk yang sejenis akan membuat
perusahaan tersebut terpacu untuk menciptakan inovasi – inovasi yang lebih menarik dan
beragam serta selektif dalam kualitas produk yang diproduksi. Oleh karena itu, perusahaan
dituntut untuk semakin tanggap dalam melihat apa yang diinginkan konsumen.
Hal – hal yang perlu perusahaan perhatikan didalam faktor – faktor produksi yang
ada seperti kulit, penjahitan, finishing. Faktor – faktor produksi ini tersedia dalam jumlah
terbatas sehingga pengalokasiannya harus direncanakan sebaik mungkin. Perusahaan harus
merencanakan dan mengelola perusahaannya dengan baik agar perusahaan dapat
memperoleh hasil yang baik dengan memanfaatkan sumberdaya. sumberdaya yang
terbatas secara efektif dan efisien serta tercapainya tujuan perusahaan. Dalam penelitian
ini, menitik beratkan pada masalah penentuan kombinasi produk yang paling tepat di suatu
perusahaan, dalam hal ini adalah perusahaan Cemerlang, sehingga dapat memberikan
keuntungan yang maksimal kepada perusahaan tersebut, selain itu juga manajemen
perusahaan harus dapat menggunakan kapasitas produksi sebaik baiknya agar dapat
memenuhi kebutuhan – kebutuhan konsumen, maka dengan demikian laba atau
keuntungan yang optimal dapat ditentukan oleh kombinasi produsen sesuai dengan
kapasitas yang ada dalam perusahaan.Sebab dengan mengetahui seberapa besar produksi
yang harus dihasilkan dalam kombinasi produk maka perusahaan dapat merencanakan laba
yang akan diperolehnya.
 Bab II
Dasar teori

Metode simplex digunakan untuk menyelesaikan masalah optimasi yang melibatkan

tiga variabel atau lebih yang tidak dapat diselesaikan oleh metode grafik. Metode simpleks
adalah metode yang digunakan untuk menyelesaikan permasalahan yang memiliki lebih dari
dua variabel. Metode simpleks didefinisakan sebagai cara menyelesaikan permasalan yang
memiliki variabel keputusan minimal dua dengan menggunalkan alat bantu tabel. Metode
simpleks dibedakan menjadi dua yaitu, metode simpleks maksimasi untuk mencari
keuntungan maksimal dan metode simpleks minimasi untuk mencari biaa minimal.

A. Permasalahan
Contoh Kasus
Perusahaan “CEMERLANG” merupakan perusahaan yang memproduksi dompet, tas,
dan tas punggung, untuk membuat 1 dompet diperlukan 2 meter kulit dan 3 jam proses
penjahitan, sedangkan untuk membuat 1 tas diperlukan 3 meter kulit dan 1 jam finishing
dan untuk membuat tas punggung diperlukan penjahitan selama 2 jam dan finishing selama
5 jam. Dalam satu hari kerja di sediakan 1000 meter kulit, 2100 jam penjahitan, dan 1500
jam finishing. Jika dijual, setiap 1 dompet menghasilkan keuntungan sebesar 50 sedang
untuk tas menghasilkan keuntungan 20 dan tas punggung menghasilkan keuntungan
sebesar 30.

Ringkasan data perusahaan “CEMERLANG” ada pada tabel berikut:

Kebutuhan Sumber Daya per unit

Kapasitas
Sumber daya Dompet Tas Tas punggung
Harian
(x1) (x2) (x3)
Kulit (meter) 2 3 0 1000
Penjahitan (jam) 3 0 2 2100
Finishing (jam) 0 1 5 1500
Harga Jual ($) 50 20 30
Berapa jumlah kombinasi antara dompet, tas, dan tas punggung yang harus di
produksi oleh perusahaan “CEMERLANG”untuk memperoleh keuntungan yang paling
maksimal?

B. Penyelesaian
a. Dengan Manual
Untuk menyelesaikan masalah optimasi dengan metode simplex ini terlebih dahulu kita
rumuskan fungsi tujuan dan kendala-kendalanya.
 fungsi tujuan : Z = 50x1 + 20x2 + 30x3.
 Fungsi batasan
2x1 + 3x2 ≤ 1000
3x1 + 2x3 ≤ 2100
x2 + 5x3 ≤ 1500

Untuk menyelesaikan masalah di atas dilakukan langkah-langkah dibawah ini :

1. Mengubah fungsi tujuan.

Z - 50x1 - 20x2 - 30x3 = 0

2. Mengubah fungsi batasan
2x1 + 3x2 + 0x3 + S1 = 1000
3x1 + 3x2 + 2x3 + S2= 2100
3x1 + x2 + 5x3 + S3 = 1500
3. Masukkan setiap koefisien variabel ke dalam tabel simplex. Sehingga :

Variabel Dasar x1 x2 x3 S1 S2 S3 Nilai Kanan Nilai Indeks

Z -50 -20 -30 0 0 0 0
S1 2 3 0 1 0 0 1000
S2 3 0 2 0 1 0 2100
S3 0 1 5 0 0 1 1500
4. Menentukan kolom kunci.
Lihat baris Z lihat nilai yang terkecil.
Pada contoh di atas nilai negatif yang tebesar adalah -50 pada kolom X1jadi,kolom X1 adalah
kolom kunci sehingga :

Variabel Indeks
x1 x2 x3 S1 S2 S3 Nilai Kanan
Dasar
Z -50 -20 -30 0 0 0 0
S1 2 3 0 1 0 0 1000
S2 3 0 2 0 1 0 2100
S3 0 1 5 0 0 1 1500
Kolom
kunci

5. Menentukan Baris Kunci (BK)

Baris kunci diketahui dari nilai indeks yang terkecil

=500
=700
 Jadi nilai terkecil adalah 500, sehingga baris kuncinya ada pada S1.
Variabel Nilai Nilai
x1 x2 x3 S1 S2 S3
Dasar Kanan indeks
Z -50 -20 -30 0 0 0 0 0
S1 2 3 0 1 0 0 1000 500 →baris
S2 3 0 2 0 1 0 2100 700 kunci
tak
S3 0 1 5 0 0 1 1500
terhingga
Angka
Kolom kunci
kunci

6. Mencari angka Kunci

Angka kunci diperoleh dari perpotongan antara kolom kunci dan baris kunci.
Jadi angka kunci diperoleh adalah 2
7. Membuat Baris Baru Kunci (BBK)
Karena nilai kunci berada pada kolom x1, maka baris S1 kita ubah namanya menjadi x1, dan
nilai-nilai pada baris S1 kita ubah pula dengan cara membagi nilai baris dengan angka kunci.

Sehingga :

Maka kita mendapat nilai baris kunci yang baru (baris x1) :
Variabel Dasar x1 x2 x3 S1 S2 S3 Nilai Kanan Nilai indeks
Z
x1 1 1,5 0 0,5 0 0 500
S2
S3

8. Mencari baris baru selain baris kunci (BK)

Baris baru : baris lama – (angka kolom kunci X nilai baru baris kunci)
Misalnya :

Pada baris Z lama :

Variabel Dasar x1 x2 x3 S1 S2 S3 Nilai Kanan Nilai Indeks

Z -50 -20 -30 0 0 0 0

 x1
S2
S3
Sedangkan baris kunci yang baru :

Variabel Dasar x1 x2 x3 S1 S2 S3 Nilai Kanan Nilai Indeks

Z
x1 1 1,5 0 0,5 0 0 500
S2
S3

Sehingga baris Z yang baru :

x1 = (-50) – ((-50) X 1) = -50 + 50 = 0
x2 = (-20) – ((-50) X 1,5) = 55
x3 = (-30) –((-50) X 0) = -30
S1 = 0 – ((-50) X 0,5) = 25
S2 = 0 – ((-50) X 0) = 0
S3= 0 – ((-50) X 0) = 0
Nilai kanan baru = 0 – ((-50) X 500) = 25000

Untuk baris S2, angka kolom kuncinya adalah 3. Sehingga baris S2 baru :
x1 = 3 – (3 X 1) = 0
x2 = 0 – (3 X 1,5) = -4,5
x3 = 2 – (3 X 0) = 2
S1= 0 – (3 X 0,5) = -1,5
S2 = 1 – (3 X 0) = 1
S3 = 0 – (3 X 0) = 0
Nilai kanan baru = 2100 – (3 X 500) = 600

Untuk baris S3, angka kolom kuncinya adalah 0. Sehingga baris S3 baru :
x1 = 0 – (0 X 1) = 0
x2 = 1 – (0 X 1,5) = 1
x3 = 5 – (0 X 0) = 5
S1 = 0 – (0 X 0,5) = 0
S2 = 0 – (0 X 0) = 0
S3 = 1 – (0 X 0) = 1
Nilai kanan baru = 1500 – (0 X 500) = 1500

9. Masukkan nilai-nilai tersebut ke dalam tabel simplex yang baru.

Variabel Dasar x1 x2 x3 S1 S2 S3 Nilai Kanan

Z 0 55 -30 25 0 0 25000
 x1 1 1,5 0 0,5 0 0 500
S2 0 -4,5 2 -1,5 1 0 600
S3 0 1 5 0 0 1 1500

10. Perhatikan kembali tabel di atas, bila pada baris Z masih ada variabel yang bernilai negatif,
maka fungsi tujuan belum maksimal. Sehingga untuk menghilangkan nilai negatif kita ulangi
lagi langkah-langkah sebelumnya. Ini kita lakukan terus-menerus hingga tiada variabel Z
yang negatif.

Variabel Nilai Nilai

x1 x2 x3 S1 S2 S3
Dasar Kanan Indeks
Z 0 55 -30 25 0 0 25000 -83,333
Tidak
x1 1 1,5 0 0,5 0 0 500
terdefinisi
S2 0 -4,5 2 -1,5 1 0 600 300
S3 0 1 5 0 0 1 1500 300
→ baris kunci

Menentukan baris kunci :

Baris kunci dipilih S3

Nilai baris kunci yang baru (x3) dihitung dengan membagi semua angka baris kunci dengan
angka kunci Baris x3 baru :

Nilai baris kunci yang baru :

 Nilai
Variabel Dasar x1 x2 x3 S1 S2 S3 Nilai Kanan
Indeks
Z
x1
S2
x3 0 0,2 1 0 0 0,2 300

Baris Z lama :

0 55 -30 25 0 0 25000
↓
Angka kolom kunci = -30

Baris Z baru :

0 61 0 25 0 6 34000

Baris x1 lama :

1 1,50 0,5 0 0 500

↓
Angka kolom kunci = 0
Baris x1 baru :

1 1,5 0 0,5 0 0 500

Baris S2 lama :

0 -4,5 2 -1,5 1 0 600

↓
Angka kolom kunci = 2

Baris S2 baru :

0 -4,9 0 -1,5 1 -0,4 0

Sehingga tabel simplex yang baru :

Variabel Dasar x1 x2 x3 S1 S2 S3 Nilai Kanan

Z 0 61 0 25 0 6 34000
x1 1 1,5 0 0,5 0 0 500
S2 0 -4,9 0 -1,5 1 -0,4 0
x3 0,2 0,2 1 0 0 0,2 300
 Perhatikan tabel di atas! Karena seluruh variabel pada fungsi Z sudah bernilai positif, maka
fungsi kita sudah maksimal.

Sehingga dapat kita simpulkan bahwa untuk memperoleh hasil maksimum, perusahaan
harus memproduksi :
x1 = 500 unit
x2 = 0
x3 = 300 unit

Z = 50 x1 + 20 x2 + 30 x3
Z = 50(500) + 20(0) + 30(300)
Z = 34000
Sehingga perusahaan Cemerlang harus memproduksi 500 dompet dan 300 tas punggung
agar mencapai keuntungan yang maksimal yaitu Rp. 340.000.000

b. Dengan POM FOR WINDOW

 BAB III
PENUTUP

A. Kesimpulan
Dengan demikian dapat disimpulkan bahwa program linier programming digunakan sebagai
alat bantu dalam pengambilan keputusan untuk memaksimalkan laba.
Dari kasus diatas dapat disimpulkan bahwwa perusahaan Cemerlang harus memproduksi
500 dompet dan 300 tas punggung agar mencapai keuntungan yang maksimal yaitu Rp.
340.000.000

B. Saran
Penulis menyadari tentang penyusunan makalah, tentu masih banyak kesalahan dan
kekurangannya, karena terbatasnya pengetahuan dan kurangnya rujukan atau referensi yang ada
hubungannya dengan judul makalah ini.
Penulis banyak berharap para pembaca yang budiman sudi kiranya memberikan kritik dan
saran yang membangun kepada penulis demi sempurnanya makalah ini dan penulisan makalah di
kesempatan-kesempatan berikutnya. Semoga makalah ini berguna bagi penulis pada khususnya juga
para pembaca yang budiman pada umumnya.
 ISTILAH-ISTILAH DALAM METODE SIMPLEKS

Iterasi : tahapan perhitungan dimana nilai dari perhitungan tersebut tergantung pada nilai tabel hasil perhitungan sebelumnya.
Variabel basis : variable yang nilainya bukan nol pada sembarang iterasi. Pada table awal simpleks, variable basis merupakan variable
slack (jika fungsi kendala menggunakan tanda ≤) atau variable surplus (bila fungsi kendala menggunakan tanda ≥) atau
variable buatan (bila fungsi kendala menggunakan tanda =).
Variabel non basis : variable yang nilainya diatur menjadi nol pada sembarang iterasi. Dalam terminology umum, jml variable non basis
selalu sama dg derajad bebas dalam system persamaan.
Variabel slack : variable yg ditambahkan ke model matematik kendala untuk mengkonversikan pertidaksamaan ≤ menjadi persamaan
(=). Penambahan variable ini terjd pada tahap inisialisasi. Pada solusi awal, variable slack berfungsi sbg variable basis.
Variabel surplus : variable yg dikurangkan dari model matematik kendala utk mengkonversi pertidaksamaan ≥ menjadi persamaan
(=).Penambahan variable ini terjd pada tahap inisialisasi. Pada solusi awal, variable surplus ini tidak dapat berfungsi sbg
variable basis.
Variabel buatan : variable yg ditambahkan ke model matematik kendala dengan bentuk ≥ atau = untuk difungsikan sbg variable basis
awal. Penambahan variable ini terjd pd tahap inisialisasi. Variabel ini hrs bernilai 0 pd solusi optimal krn pd
kenyataannyavariabel ini tdk ada. Variabel ini hanya ada di atas kertas.
Variabel masuk : variable yg terpilih utk menjd variable basis pd iterasi berikutnya. Variabel masuk dipilih satu di antara variable non
basis pd setiap iterasi. Variabel ini pd iterasi berikutnya akan bernilai positif.

Variabel keluar : variable yg keluar dari variable basis pd iterasi berikutnya dan digantikan oleh variable masuk. Variabel keluar dipilih
satu di antara variabel basis pd setiap iterasi dan akan bernilai 0 pd iterasi berikutnya.
Kolom pivot (kolom kerja) : kolom yg memuat variable masuk. Koefisien pd kolom ini akan mjd pembagi nilai kanan utk menentukan
baris pivot (baris kerja).
Baris pivot (baris kerja) : adalah salah satu baris di antara variable basis yg memuat variable keluar.
Elemen pivot (elemen kerja) : elemen yg terletak pd perpotongan kolom dan baris pivot. Elemen pivot akan mjd dasar perhitungan utk
tabel simpleks berikutnya.
Nilai sebelah kanan : nilai sumberdaya pembatas yg masih tersedia pada tabel awal simpleks.
Solusi : nilai sebelah kanan yang menunjukkan nilai optimal dari Z pada iterasi terakhir.

BENTUK BAKU MODEL MATEMATIS

Sebelum melakukan perhitungan iterative untuk menentukan solusi optimal, langkah pertama adalah mengubah
bentuk umum linear programming ke dalam bentuk baku simpleks terlebih dahulu. Bentuk baku dalam metode simpleks
tidak hanya mengubah persamaan kendala ke dalam bentuk sama dengan, tapi setiap fungsi kendala harus diwakili oleh satu
variabel basis awal. Variabel basis awal menunjukkan kondisi sebelum ada aktivitas yang dilakukan dan variabel keputusan
masih bernilai 0.
Ada beberapa hal yg hrs diperhatikan dlm membuat bentuk baku/standar, yaitu :
1. fungsi kendala dg pertidaksamaan ≤ dlm bentuk umum, dirubah mjd persamaan (=) dg menambahkan satu variable slack.
2. fungsi kendala dg pertidaksamaan ≥ dlm bentuk umum, dirubah mjd persamaan (=) dg mengurangkan satu variable surplus.
3. fungsi kendala dg persamaan (=) dlm bentuk umum, ditambahkan satu variable buatan (artificial variable).

LANGKAH-LANGKAH PENYELESAIAN DG METODE SIMPLEKS

 Dalam menyelesaikan masalah linear programming, dilakukan perhitungan iterasi dengan menggunakan table. Tabel awal
yang dibuat berdasarkan model baku matematika yang ada dinamakan Tabel Awal Simpleks selanjutnya dilakukan
perhitungan iterasi. Tahap-tahap yang ada yaitu :
1. membuat bentuk baku model matematik.
2. membuat table awal simpleks berdasarkan bentuk baku yang sudah ada.
3. memeriksa kelayakan table awal dg melihat nilai kanan. Bila ada yg bernilai negatif maka tidak layak diselesaikan.
4. menentukan kolom pivot dg cara sebagai berikut :
a. bila fungsi tujuannya maksimisasi maka pilih kolom dg nilai negatif terbesar.
b. bila fungsi tujuannya minimalisasi maka pilih kolom dg nilai positif terkecil.
c. bila nilai-nilai tersebut jumlahnya lebih dari satu, pilih sembarang.
Bila kolom pivot ditarik ke atas maka akan ditemukan variabel keluar.

1. menentukan baris pivot dg melihat hasil bagi nilai solusi dg nilai kolom pivot yg bersesuaian. Pilih yg mempunyai nilai bagi
terkecil. Bila baris pivot ditarik ke kiri maka akan diperoleh variabel keluar.
2. menentukan elemen pivot dg mencari perpotongan kolom pivot dan baris pivot.
3. lakukan perhitungan-perhitungan untuk membuat iterasi selanjutnya.
4. memeriksa keoptimalan dengan melihat nilai koefisien fungsi tujuan di mana :
a. bila maksimisasi maka nilai solusi sudah positif atau nol.
b. bila minimisasi maka nilai solusi sudah negatif atau nol.

CONTOH 1

Pemilik perusahaan kayu yang memproduksi kursi dan meja mempunyai tenaga kerja dan persediaan kayu. Tenaga kerja dan
persediaan kayu yang ada masing-masing sebanyak 450 orang perjam dan 400 board feet. Untuk membuat 1 kursi
diperlukan kayu sebanyak 5 board feet dan 10 orang/jam serta menghasilkan keuntungan Rp 45 ribu. Untuk membuat 1 meja
diperlukan 20 board feetdan 15 orang/jam serta menghasilkan keuntungan Rp 80 ribu. Berapa banyak meja dan kursi harus
diproduksi agar jumlah keuntungan yang ingin diperoleh maksimum.

Perumusan masalah
- variable keputusan, X1 = jumlah kursi dan X2 = jumlah meja
- fungsi tujuan, maksimum Z = 45X1 + 80X2
- fungsi kendala, 5X1 + 20X2 ≤ 400 ............ kayu
10X1 + 15X2 ≤ 450 .......... tenaga kerja
X1 ≥ 0, X2 ≥ 0 ................ non negatif

Bentuk baku fungsi tujuan :

- maksimum Z - 45X1 - 80X2 - 0S1 - 0S2 = 0

Bentuk baku fungsi kendala

- 5X1 + 20X2 + S1 = 400 ……………….. kayu
- 10X1 + 15X2 + S2 = 450 ………………. tenaga kerja
- X1, X2, S1, S2 ≥ 0 ………………………………………. non negatif

Tabel Awal Simpleks

Variabel Basis X1 X2 S1 S2 RHS
Z -45 -80 0 0 0
S1 5 20 1 0 400
 S2 10 15 0 1 450

Variabel X1 X2 S1 S2 RHS Rasio

Basis
Z -45 -80 0 0 0 -
S1 5 20 1 0 400 400/20 = 20
S2 10 15 0 1 450 450/15 = 30

Tabel iterasi 1
Variabel X1 X2 S1 S2 RHS Ket
Basis
Z -25 0 4 0 1600 Baris awal ini + (baris
pivotx80)
X2 5/20 1 1/20 0/20 20 Baris awal ini/20
S2 6,25 0 -3/4 1 150 Baris awal ini – (baris
pivotx15)

Variabel X1 X2 S1 S2 RHS Rasio

Basis
Z -25 0 4 0 1600
X2 5/20 1 1/20 0/20 20 20/0,25 = 80
S2 6,25 0 -3/4 1 150 150/6,25 = 24

Tabel iterasi 2
Variabel X1 X2 S1 S2 RHS Ket
Basis
Z 0 0 1 4 2200 Baris ini + (baris
pivotx25)
X2 0 1 0,08 -0,04 14 Baris ini – (baris
pivotx5/20)
X1 1 0 -0,12 0,16 24 Baris ini/6,25

Pada Tabel iterasi 2 dapat dilihat bahwa nilai Z sdh tidak ada yg negative shg sudah optimal. Dari table tsb dpt dibaca :
1. Nilai optimal (nilai maksimum tujuan) Z = 2200
2. Nilai solusi X1 = 24
3. Nilai solusi X2 = 14
4. Tidak ada sumber daya yg tersisa
5. Harga bayangan utk S1 = 1
6. Harga bayangan utk S2 = 4, mjd prioritas utk ditambah.