III

BASIC FEASIBLE SOLUTION

(SOLUSI DASAR YANG FISIBEL)

Basic Feasible Solution (BFS)

Definisi : dari suatu system Ax = b dan x  0, dimana A adalah matriks
(m  n), b adalah vector m dan rank (A,b) sama dengan rank (A) = m.
A = (B, N) dimana B adalah matriks invertible dan N adalah matriks m  (n

 xB 
– m). Solusi x adalah  x  , dimana xB = B-1 dan xN = 0 disebut Basic
 N

Solution dari system tersebut. Jika xB  0, maka disebut sebagai Basic

Feasible Solution (BFS).
B adalah matriks Basis, N adalah matris Non-Basis.
Komponen dari xB adalah variable basis, sedangkan komponen dari x N
adalah variable non basis. Jika xB > 0, maka x disebut Non Degenerate
BFS, sedangkan jika paling sedikit ada satu komponen xB yang = 0,
maka x disebut Degenerate BFS.
Contoh
(1). BFS
Dari polyhedral set yang didefinisikan oleh ketidaksamaan berikut ini :
x1 + x2  6
x2  3
x1, x2  0
Setelah ditambahkan variable slack ketidaksamaan berubah menjadi
x1 + x2 + s1 = 6
x2 + s2 = 3
x1, x2, s1, s2  0
1 1 1 0
Matriks konstrain A =  a1 , a 2 , a3 , a 4  = 0 1 0 1


Dari definisi di atas maka BFS dapat diperoleh dengan mencari basis B,
yang berukuran (2  2) dengan xB = B-1b yang non negatif.
Mendapatkan B dari matriks A :
 x1   1 6 3
1 1 1
0 x  3  
(1). B = (a1, a2) =  1
; xB =  2 -1 
= B b = 0

1    = 3

 s1  0
  0
xN =  s 2  =  

 x1  6 6
1 0 1 0
0 s  3  
(2). B = (a1, a4) =  1 ; xB =  2 -1 
= B b = 0 1   = 3

 x2  0
  0
xN =  s1  =  

 x2  1  6 3
1 1 0
1 s     
(3). B = (a2, a3) =  0
;
-1 
xB =  1  = B b =  1  1 3 = 3

 x1  0
  0
xN =  s 2  =  

 x2  0  6  6 
1 0 1
1 s       3
(4). B = (a2, a4) =  1
;

xB =  1  = B-1b =  1 1 3 =  

 x1  0
s  0
xN =  1  =  

 s1  6 6
1 0 1 0
0   3  
(5). B = (a3, a4) =  1 ; xB =  s 2  = B-1b =
0
 1   = 3
  x1  0
   
xN =  x2  = 0

B pada (1), (2), (3), dan 5 adalah BFS, sedangkan B pada (4) memiliki solusi
basis tetapi tidak feasible karena tidak memenuhi konstrain non-
negatif.
Maka dari perhitungan di atas hanya terdapat empat BFS, yaitu
 3 6 0  0
 3 0  3 0
x1 =  ; x2 =  ; x3 =  ; dan x4 =  
0  0  3 6
       
0  3 0  3

jika variable slack dihilangkan maka titik-itik ekstim tersebut adalah E2 =

(x1, x2) :
3 6 0  0 
x1 = 3 ; x2 = 0 ; x3 = 3 ; dan x4 = 0
       

titik-titik tersebut adalah titik ekstrim dari daaeraah feasible.

Pada contoh tersebut banyaknya BFS dibatasi oleh penggabungan dua
kolom dari empat kolom A yang ada.
Jadi, banyaknya BFS adalah  C42 = 6
Dari contoh di atas:
 1 titik xB = B-1b tidak memenuhi pembatas non-negatif (poin 4)
 1 kombinasi yang lain, yaitu (a1, a3) tidak dapaat dijadikan basis

1 
karenaa a1 = a3 = 0 , sehingga tidak bebas linier. Jadi, matriks
 

1 1
0 0
tidak memenuhi syarat sebagai basis.

n!
Secara umum, banyaknya BFS  Cnm = m! (n  m)!

Contoh:
(2). Degenerate BFS
Perhatikan system ketidaksamaan berikut:
x1 + x2  6
x2  3
 x1 + 2x2  9
x1, x2  0
Setelah ditambahkan variable slack ketidaksamaan berubah menjadi
x1 + x2 + s1 = 6
x2 + s2 = 3
x1 + 2x2 + s3 = 9
x1, x2, s1, s2, s3  0

Daerah feasible persis sama dengan contoh sebelumnya, karena konstan ke-3
adalah redundant.
1 1 1 0 0
0 0
A = (a1, a2, a3, a4, a5) =  1 0 1
1 2 0 0 1

Perhatikan BFS dengan B = (a1, a2, a3)

 x1  1 1 1
1
6 0 2 1  6   3
  0  3 0 0     
xB =  x 2  = B-1 b =  1 0
  =  1  3 =  3 
 s1  
1 2 0
 
9 
 1 1  1 
9 
  0 

s2  0 
xN =  s  = 0 
 3  

Disini BFS-nya adalah DEGENERATE, karena variable s1 = 0

Sekarang, perhatikan BFS dengan B = (a1, a2, a4)
 x1  1 1 0
1
6  2 0  1  6   3
  0  3  1 1   3  3 
xB =  x 2  = B-1 b =  1 1
  =  0    = 
 s 2  1
 2 0
 
9 
 
1 1  1
 
9  
0

 s1  0
xN =  s  = 0
 3  
BFS ini sama dengan BFS sebelumnya.
Hal yang sama juga diperoleh dengan B = (a1, a2, a5)
 x1   3
   3  s1  0
xB =  x 2  =  ; xN =  s  = 0
  3  
 s3  0

Ketiga BFS dengan basis yang berbeda merupakan 1 titik yang sama (x1, x2,
s1, s2, s3) = (3, 3, 0, 0, 0). Ketiga BFS tersebut juga adalah DEGENERATE,
karena masing-masing mempunyai satu bariabel basis = 0.

Prinsip dasar metode simplek.

Dari suatu BFS, kita inginkan BFS lain yang memberikan fungsi obyektif
yang lebih baik. Metode untuk memperoleh BFS yang lebih baik ini
merupakan dasar dari metoda simplek.
Perhatikan persoalan LP berikut:
f. oby. Minimasi cx
S/t Ax = b
x0
Dimana A : matriks berukuran (m x n) dan rank (A) = m
 B 1b 
Umpamakan kita mempunyai BFS :   , dengan f. oby. = Z0 yaitu
 0 

 B 1b   B 1b 
Z0 = c   = (CB, CN)  
 0   0 

Z0 = cB B-1b ……………………………………………(3.1)
Misalkan ada suatu titik sembarang yang feasible (sama dengan
feasible solution, tidak harus basis/titik ekstrim)
 xB 
x =  x  , dengan xB  0 dan xN  0
 N

b = Ax = BxB + NxN
B-1b = xB + B-1NxN
xB = B-1b – B-1NxN

= B-1b – 
1
B ajxj
xB jR
…………………………

(3.2)
 dimana R adalah indeks dari variable non-basis.
Z = cx
= cBxB + cNxN

= cB (B-1b -  )+ 
1
B ajxj cjxj
jR jR

= cBB-1b – cB(  )+ 
1
B ajxj cjxj
jR jR

= Z0 -  c B B 1 a j x j  c j x j 

j R

= Z0 -  c B B 1 a j  c j x j 

j R

Z = Z0 -  Z j  c j x j
…………………………(3.3)
j R

Dimana Zj = cB B-1 aj untuk variable non basis.

Dari persamaan (3.3) inilah, kita bisa memperbaiki suatu BFs yang ada.
Karena Z yang minimum, maka xj harus dinaikan (dari level 0 sekarang,
karena j  R= variable non basis), jika Zj – cj > 0

Z = Z0 -  Z j  c j x j
j R

Z0 dari BFS yang ada

Jika Zj – cj > 0, maka Z akan mengecil bila x j dinaikan sehingga
solusi optimal yang fisibel akan diperoleh.

Aturan
Semua variable basis = 0, kecuali variable non basis x k dengan Zk – ck > 0
(xk adalah variable non basis dengan zk – ck > 0 yang (positif) terbesar).
Dari persamaan 3.3, maka fungsi obyektif yang baru akan berubah menjadi :
Z = Z0 – (Zk-ck)xk …………………………………..(3.4)
Karena Zk – ck > 0, kita inginkan xk yang sebesar-besarnya, untuk
memperoleh Z yang sekecil-kecilnya.
Tetapi dengan berubahnya xk, dari 0 ke bilangan positif tertentu (variable
non basis lainnya tetap nol), menurut persamaan (3.2), xB, yaitu variable-
variabel basis akan berubah.
xB = B-1b – B-1ak xk
= b - yk xk
 Dimana yk = B-1 ak : (m  m).(m  1) = (m  1)
b = B-1b : (m  m).(m  1) = (m  1)

Kita notasikan komponen xB, yaitu variable-variabel basis sebagai xB1, xB2,
…, xBm dan komponen b sebagai b 1, b 2, …., b m, maka:
xb = b - yk xk dituliskan sebagai :
 x B1   b1   y k1 
x    y 
 B2  b 2   k2 
 .   .   . 
     
 .   .   . 
 .   .   . 
  =   -   ……………………(3.5)
 x Br  br   y kr 
 .   .   . 
     
 .   .   . 
 .     . 
   .   
 x Bm  b m   y km 

Jika yki  0, maka xBi bertambah kalau xk bertambah dan xBi akan
selalu  0
Jika yki > 0, maka xBi berkurang kalau xk bertambah. Tetapi kita harus
menjaga agar setiap variable haruslah  0. Oleh karena itu kita hanya
dapat menaikan xk sampai suatu batas, dimana suatu variable basis
(katakanlah xBr) = 0.
Dari persamaan (3.5), jelas bahwa variable basis yang pertama kali

 bi 
menjadi 0 adalah variable basis yang mempunyai harga  y 
 ki 

minimum, untuk yki yang > 0.

br  bi 
Jadi :  Minimum1i  m  : y ki  0  x k …………….(3.6)
y kr  y ki 

Untuk kasus NON-DEGENERATE (yaitu tidak ada xBi yang = 0), atau

 bi 
br > 0, maka : xk =  y  > 0.
 ki 

Dari persamaan (3.4) kita tahu bahwa (Zk – ck) > 0 maka Z < Z0 dan
dengan demikian fungsi obyektif-nya menjadi lebih baik.
  bi 
Karena xk berubah dari 0 ke  y  , maka solusi (feasible) yang baru
 ki 

dapat diperoleh.
 bi 
Subtitusikan : xk =  y  pada persamaan (3.5) akan menghasilkan :
 ki 

y 
xBi = bi -  y ki  br , i = 1,2,…,m ………………..
 kr 

(3.7)
 br 
xk =  y  , yang variable basis baru
 kr 

Semua xj yang lain = 0 (variable non basis) dan x Br = 0, yang

menjadi variable non basis baru.
Kesimpulan.
Untuk memperoleh suatu BFS yang baru dari BFS yang ada, dapat ditempuh
dengan prosedur sebagai berikut :
1. Menaikan harga variable non basis xk (dari 0), dimana (Zk – ck) > 0
2. Ada 1 varaiabel basis, xBr yang menjadi 0.
3. Variabel xk : masuk sebagai varaiabel basis, dan variable xBr :
keluar dari basis, menjadi variable non basis.
Untuk kasus NON-DEGENERATE, fungsi obyektif akan turun nilainya dan
titik/solusinya berubah (dari BFS yang satu ke BFS yang lain).
Karena jumlah yang ada terbatas (Jumlah BFS terbatas), maka prosedur ini
mempunyai langkah-langkah yang terbatas pula.
Contoh
(3) Minimasi Z = x1 + x2
S/t x1 + 2x2  4
x2  1
x1, x2  0
Setelah ditambahkan variable slack ketidaksamaan berubaah menjadi.
Minimasi Z = x1 + x2 + 0s1 + 0s2
S/t x1 + 2x2 + s1 =4
x2 + s2 = 1
 x1, x2, s1, s2  0
1 2 1 0
A= 0 1 0 1


Misal kita mempunyai basis B = (a1, a2), variable basis x1, x2 dan
variable non basis s1, s2.
 x1  1 2
1
 4  2
x   1 1   
xB =  2  = B-1b = 0    = 1 

Untuk memperoleh fungsi obyektif yang lebih baik (lebih kecil) ,

harus dilihat harga (Zj – cj) untuk semua variable non basis.
Dari persamaan (3.3), Zj = cB B-1aj
1. Untuk variable non basis s1
 2  
1
1 0
Zs1 –cs1 = cB B-1a3 – cs1 = (1,1) 0 1    -0=1


2. Untuk variable non basis s2

 2 0
1 1
Zs2 –cs2 = cB B-1a4 – cs2 = (1,1) 0 1    - 0 = -1


Karena Zs1 –cs1 > 0, maka fungsi obyektif akan bertambah baik jika
kita naikan s1.
xB = B-1b – B-1a3 s1
xB = b - yk xk
 x1   2 1
x  1  0 
 2 =   -  s 1

Harga s1 maksimal yang bisa dicapai adalah:

i b 
Min  y ; y ki  0  Min (2/1, 1/0) = 2 = s1
 ki 

Jika s1 > 2, maka x1 < 0, sehingga tidak memenuhi konstrain

non negatif.
Jadi BFS yang baru adalah :
(x1, x2, s1, s2) = (0, 1, 2, 0), s1 masuk sebagai variable basis baru
dan x1 keluar dari basis.
Sehingga :
Fungsi obyektif baru = x1 + x2
 =0+1 =1
Sedangkan fungsi obyektif yang lama = 3
Perbaikan f. obyektif ini = (Zs1 – cs1) s1 = (1).2 = 2 (lihat pers. 3.4).
B yang baru : (a3, a2), dan proses yang sama diulang.

Interpretasi dari (Zj – cj)

Catatan : Kriteria (Zk – ck) > 0 untuk suatu variable non basis x k untuk dapat
masuk basis akan menjadi penting dalam pembahasan materi
simpleks.
Telah kita ketahui : Z = cB b - (Zk – ck) xk
Dimana Zk = cB B-1 ak
= cB yk
=  c Bi y ki
Dengan cBi adalah biaya dari variable ke I
Kita ketahui pula bahwa xk berubah harganya dari nol, dengan variable-
variabel non-basis lainnya tetap (=nol), kemudian variable-variabel basis xB1,
xB2, …, xBm harus dimodifikasikan sesuai persamaan (3.5).
“Jika xk dinaikan sebesar k unit maka xB1, xB2, …, xBm akan berkurang
sebesar yk1, yk2, …, ykm (jika yki < 0, maka variable basis xBi akan
bertambah besar.”
Pengurangan onkos total ini (karena harga xBi, i = 1, 2, …, m berkurang
dimana unit biaya tetap, maka akan diperoleh angka total yang lebih kecil).
Yang terjadi dengan penambahan xk dengan 1 unit adalah
m

Saving : c
i 1
Bi y ki =Zk

Tetapi ongkos menaikan xk dengan 1 unit = ck

Jadi, (Zk – ck) = saving –ongkos menaikan xk dengan 1 unit.
Jika (Zk – ck) > 0, kita akan menaikan xk, dimana setiap unit kenaikan xk
akan diperoleh pengurangan ongkos total sebesar (Zk–ck).
Maka kita harus menaikan xk sebesar-besarnya.
Jika (Zk – ck) < 0, maka dengan kenaikan xk, “non saving” akan negatif.
Dengan demikian kita tidak akan menaikan harga xk.
Jika (Zk – ck) = 0, maka dengan menaikan harga xk, akan diperoleh solusi
(titik) yang berbeda , tetapi ongkos totalnya tetap /sama.

Blocking Variabel
Apabila kita telah menentukan untuk menaikan variable non basis x k yang
mempunyai (Zk – ck) > 0, maka dari persamaan (3.5), yaitu Z = Z– (Z k-ck)xk.
Fungsi obyektif akan mengecil jika xk membesar.
Dengan penambahan harga xk, maka variable-variabel basis juga akan
berubah sesuai dengan persamaan (3.5).
Jika vector yk mempunyai komponen yang positif maka variable basis yang
bersangkutan akan turun dengan naiknya harga xk. Oleh karena itu, variabel
non-basis xk tidak dapat dinaikan dengan tak terbatas, karena variable-
variabel basis tersebut dapat menjadi/berharga < 0; sehingga dengan
demikian melanggar konstrain non-negatif.
Variabel basis yang pertama kali menjadi nol = xBr disebut “Blocking
Variable”, karena memblokir kenaikan xk lebih besar.
Jadi: xk masuk dalam basis dan xBr keluar dari basis.
Contoh
(4). minimasi Z =2x1 – x2
S/t -x1 + x2  2
2x1 + x2  6
x1, x2  0
Setelah ditambahkan variable slack ketidaksamaan berubah menjadi :
minimasi Z =2x1 – x2
S/t -x1 + x2 + s1 =2
2x1 + x2 + s2 =6
 x1, x2, s1, s2  0
 1 1 1 0
A= 2 1 0 1 


  1 1
Perhatikan BFS dengan B = (a1, a2) =  2 1
 

 1 1 
B =  3 3
-1

 2 3 13 

xB = B-1 b – B-1 N xN
 x B1   x1   1 1  2  1 1  1  s1 
x  x  0  s 
 B2  =  2 =  3 3  6 -  3 3  0 1
 2
 2 3 13   2 3 13  

4   1  1 
 3  3  3
10 3   2 3   13 
=  - s1 - s2 ………….. (3.9)
Dimana saat ini s1 = 0, s2 = 0, x1 = 4/3, x2 = 10/3.
(Zs1 – cs1) = cB B-1 as1 – cs1

 1 1  1
= (2, -1)  3 3  0 - 0
 2 3 13 
1 
0
= (-4/3, 1/3)   = -4/3 < 0
(Zs2 – cs2) = cB B-1 as2 – cs2

 1 1  0
= (2, -1)  3 3  1 - 0
 2 3 13 
0
1
= (-4/3, 1/3)  = 1/3 > 0
Nilai fungsi obyektif akan membaik dengan masuknya s2 ke dalam
Basis (dengan s1 tetap = 0) dan x1 dan x2 berubah menurut persamaan
(3.9).
  x B1   x1   1 1  2  1 1  1  s1 
x  x  0  s 
 B2  =  2 =  3 3  6 -  3 3  0 1
 2
 2 3 13   2 3 13  

4  1 
 3  3
10 3   13 
=  - s2
s2 dinaikan sampai dengan 4, dimana pada saat s2=4 maka x1=0.
Jika s2 > 4 maka x1 < 0, x1 disebut “blocking” variable.
Dengan s2 = 4, s1 = 0 maka x1 = 0, x2 = 2
BFS yang baru (0, 2, 0, 4)
 x B1   s2  4
  x  2
Variabel basis: xB = xB2  =  2 =  

 s1  0
 x1  
Variabel non basis: xN =   = 0

Perpindahan dari BFSlama ke BFSbaru diilustrasikan dalam gambar

berikut:
Setiap kenaikan 1 unit s2 maka
x1 berkurang 1/3 unit, dan x2
berkurang 1/3 unit. Arah
pergerakan dari BFSlama ke
BFSbaru adalah arah (-1/3, -1/3)
pada bidang (x1, x2). Pergerakan
ini akan terhenti oleh konstrain
non negatif x1  0 dan
meninggalkan (keluar) dari
basis.