Algoritma Aditif yang diperkenalkan oleh Balas (1965) merupakan algoritma yang digunakan untuk

menyelesaikan permasalahan program linear integer biner. Algoritma ini memiliki beberapa
ketentuan yaitu:

1. Mencari nilai minimum dari fungsi objektif

𝑍 = ∑𝑛𝑗=1 𝑐𝑗 𝑥𝑗 dengan 𝑥𝑗 ∈ {0,1} untuk 𝑗 = 1,2, … , 𝑛
2. Seluruh bentuk batasannya adalah ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 dengan 𝑖 = 1,2, … , 𝑚

Selanjutnya didefinisikan himpunan 𝑁 dimana 𝑁 = {1,2, … , 𝑛} dengan 𝑛 adalah banyaknya variabel

karena ketentuan No.1 diatas dan himpunan 𝑀 = {1,2, … , 𝑚} dengan 𝑚 adalah banyaknya batasan
karena ketentuan No.2.

Sehingga jika ditemukan permasalahan diluar ketentuan, dapat dilakukan perubahan sebagai berikut
:

(1) Mengganti semua persamaan menjadi dua pertidaksamaan.

(2) Mengalikan dengan -1 semua pertidaksamaan bentuk ≥ menjadi ≤ sehingga akan muncul
variabel slack.
(3) Mengubah
𝑥𝑗′ 𝑢𝑛𝑡𝑢𝑘 𝑐𝑗′ ≥ 0 𝑘𝑒𝑡𝑖𝑘𝑎 𝑚𝑒𝑚𝑖𝑛𝑖𝑚𝑢𝑚𝑘𝑎𝑛; 𝑢𝑛𝑡𝑢𝑘 𝑐𝑗′ ≤ 0 𝑘𝑒𝑡𝑖𝑘𝑎 𝑚𝑒𝑚𝑎𝑘𝑠𝑖𝑚𝑢𝑚𝑘𝑎𝑛
𝑥𝑗 = {
1 − 𝑥𝑗′ 𝑢𝑛𝑡𝑢𝑘 𝑐𝑗′ < 0 𝑘𝑒𝑡𝑖𝑘𝑎 𝑚𝑒𝑚𝑖𝑛𝑖𝑚𝑢𝑚𝑘𝑎𝑛; 𝑢𝑛𝑡𝑢𝑘 𝑐𝑗′ > 0 𝑘𝑒𝑡𝑖𝑘𝑎 𝑚𝑒𝑚𝑎𝑘𝑠𝑖𝑚𝑢𝑚𝑘𝑎𝑛

Langkah Algoritma Aditif

Misalkan setelah sejumlah 𝑠 iterasi diperoleh solusi dimana

1, 𝑗∈𝐽
𝑥𝑗 = {
0, 𝑗 ∈ (𝑁 − 𝐽)

dengan 𝐽 = {𝑗|𝑗 ∈ N, 𝑥𝑗 = 1}.

𝑆𝑖 = 𝑏𝑖 − ∑ 𝑎𝑖𝑗
𝑗𝜖𝐽

𝑧 = ∑ 𝑐𝑗
𝑗∈𝐽

Inisialisasi: Algoritma Aditif dimulai dari solusi dual-feasible dengan

𝒙 = 0, 𝑺 = 𝒃 dan 𝑧 = 0

dengan 𝑺 merupakan variabel slack.

Langkah 1: Cek 𝑆𝑖 dengan 𝑖 ∈ 𝑀.

i. Jika 𝑆𝑖 ≥ 0 untuk setiap 𝑖 ∈ 𝑀, maka 𝑧 ∗ = 𝑧. Kemudian tentukan 𝐷𝑘 untuk semua 𝑘 < 𝑠

dan batalkan semua 𝑣𝑗 untuk 𝑗 ∈ 𝐷𝑘 dan lanjut ke Langkah 5.
Jika 𝑆𝑖 ≥ 0 untuk setiap 𝑖 ∈ 𝑀 terjadi di iterasi awal, maka 𝒙 = 0, 𝑺 = 𝒃 adalah solusi
optimal dan proses berhenti.
ii. Jika terdapat 𝑆𝑖 < 0 untuk 𝑖 ∈ 𝑀, maka lanjut ke Langkah 2.

Langkah 2: Tentukan himpunan 𝑁.

i. Jika 𝑁 = ∅ , maka lanjut Langkah 5.

 ii. Jika 𝑁 ≠ ∅, maka lanjut Langkah 3.

Langkah 3: Cek ∑𝑗∈𝑁 𝑎𝑖𝑗

̅ ≤ 𝑆𝑖 , (𝑖|𝑆𝑖 < 0) dengan 𝑎𝑖𝑗
̅ merupakan elemen negatif dari koefisien
batasan.

i. Jika terdapat 𝑖 ∈ 𝑀 sehingga pernyataan diatas tidak dipenuhi, maka lanjut Langkah 5.
ii. Jika pernyataan diatas terpenuhi untuk setiap 𝑖 dengan kendala pertidaksamaan, maka
hitung 𝑣𝑗 untuk semua 𝑗 ∈ 𝑁. Kemudian tentukan 𝑣 = max 𝑣𝑗 . Batalkan 𝑣𝑗 , dimana 𝑣𝑗 = 𝑣,
𝑗∈𝑁
dan lanjut Langkah 8.
iii. Jika pernyataan diatas terpenuhi untuk setiap 𝑖 dan terdapat 𝑖 ∈ 𝑀 sehingga pernyataan
diatas terpenuhi untuk kendala persamaan, maka lanjut Langkah 4.

Langkah 4: Cek ∑𝑗∈𝐹 𝑐𝑗 < 𝑧 ∗ − 𝑧 dengan 𝐹 merupakan himpunan 𝑗 ∈ 𝑁 dimana 𝑎𝑖𝑗 < 0 untuk paling
tidak satu 𝑖 ∈ 𝑀.

i. Jika pernyataan diatas dipenuhi, maka batalkan 𝑣𝑗 untuk semua 𝑗 ∈ 𝐹. Tentukan 𝐽 = 𝐽 ∪ 𝐹,

dan hitung fungsi tujuan dan variabel slack
𝑧 = 𝑧 + ∑ 𝑐𝑗
𝑗∈𝐹

𝑆𝑖 = 𝑆𝑖 − ∑ 𝑎𝑖𝑗
𝑗∈𝐹
Kemudian lanjut iterasi berikutnya (Langkah 1 kembali).
ii. Jika pernyataan tidak dipenuhi, maka batalkan 𝑣𝑗 untuk semua 𝑗 ∈ 𝑁. Kemudian lanjut
Langkah 5.

Langkah 5: Tentukan 𝑁𝑘 .

i. Jika 𝑁𝑘 = ∅ , maka proses selesai. Jika 𝑍𝑘 = ∅, maka permasalahan tidak memiliki solusi
yang layak. Sebaliknya jika 𝑍𝑘 ≠ ∅, maka 𝑧 ∗ merupakan fungsi tujuan minimumnya dengan
solusi yang bersesuaian adalah solusi optimumnya.
ii. Jika 𝑁𝑘 ≠ ∅, maka lanjut Langkah 6.

Langkah 6: Cek ∑𝑗∈𝑁𝑘 𝑎𝑖𝑗

̅ ≤ 𝑆𝑖 .

i. Jika pernyataan diatas tidak dipenuhi, maka batalkan 𝑣𝑗 untuk 𝑗 ∈ 𝑁𝑘 dan ulang Langkah 5
untuk 𝑘 yang lain. Jika sudah tidak terdapat 𝑘, maka proses berhenti.
ii. Jika pernyataan diatas terpenuhi dengan kendala pertidaksamaan, maka hitung 𝑣𝑗 untuk
semua 𝑗 ∈ 𝑁𝑘 . Kemudian tentukan 𝑣 = max 𝑣𝑗 . Batalkan 𝑣𝑗 , dimana 𝑣𝑗 = 𝑣, dan lanjut
𝑗∈𝑁𝑘
Langkah 8.
iii. Jika pernyataan diatas terpenuhi dan terdapat 𝑖 ∈ 𝑀𝑘 sehingga pernyataan diatas terpenuhi
untuk kendala persamaan, maka lanjut Langkah 7.

Langkah 7: Cek ∑𝑗∈𝐹𝑘 𝑐𝑗 < 𝑧 ∗ − 𝑧𝑘

i. Jika pernyataan diatas dipenuhi, maka batalkan 𝑣𝑗 untuk semua 𝑗 ∈ 𝐹𝑘 . Tentukan 𝐽 = 𝐽𝑘 ∪

𝐹𝑘 , dan hitung fungsi tujuan dan variabel slack
𝑧 = 𝑧𝑘 + ∑ 𝑐𝑗
𝑗∈𝐹𝑘

𝑆𝑖 = 𝑆𝑖 − ∑ 𝑎𝑖𝑗
𝑗∈𝐹𝑘
 Kemudian lanjut iterasi berikutnya (Langkah 1 kembali).
ii. Jika pernyataan diatas tidak dipenuhi, maka batalkan 𝑣𝑗 untuk semua 𝑗 ∈ 𝐹𝑘 dan ulangi
Langkah 5. Jika sudah tidak terdapat 𝑘, maka proses berhenti.

Langkah 8: Tentukan 𝐽 = 𝐽 + {𝑗} kemudian hitung fungsi tujuan dan variabel slack

𝑧 = 𝑧 + 𝑐𝑗 = ∑ 𝑐𝑗
𝑗∈𝐽

𝑆𝑖 = 𝑆𝑖 − 𝑎𝑖𝑗 = 𝑆𝑖 − ∑ 𝑎𝑖𝑗
𝑗∈𝐽

Lanjut iterasi berikutnya (Lanjut ke Langkah 1).

Algoritma diatas berhenti ketika solusi diperoleh, yaitu ketika kondisi:

1. 5i tercapai
2. 6i tercapai
3. 7ii tercapai

Pendefinisian:

𝐽 = {𝑗|𝑗 ∈ N, 𝑥𝑗 = 1}.

𝑍 = {𝑧|𝒙, 𝑺 ≥ 0}.
∞ 𝑗𝑖𝑘𝑎 𝑍 = ∅
𝑧 ∗= { .
min 𝑧 𝑗𝑖𝑘𝑎 𝑍 ≠ ∅
𝐶 = ∅ untuk iterasi pertama. Merupakan himpunan 𝑗 dimana nilai 𝑣𝑗 dibatalkan sebelum solusi
diperoleh.

𝐷 = {𝑗|𝑗 ∈ (N − C), 𝑐𝑗 ≥ 𝑧 ∗ − 𝑧}.

𝐷𝑘 = {𝑗|𝑗 ∈ (𝑁𝑘 − 𝐶𝑘 ), 𝑐𝑗 ≥ 𝑧 ∗ − 𝑧𝑘 }.

𝐸 = {𝑗|𝑗 ∈ [N − (𝐶 ∪ 𝐷)], 𝑆𝑖 < 0 ⇒ 𝑎𝑖𝑗 ≥ 0 }.

𝑁 = 𝑁 − {𝐶 ∪ 𝐷 ∪ 𝐸}.

𝑁𝑘 = 𝑁𝑘 − (𝐶𝑘 ∪ 𝐷𝑘 ).

∑𝑖∈𝑀𝑗−(𝑆𝑖 − 𝑎𝑖𝑗 ) , 𝑗 ∈ 𝑁; 𝑀𝑗− ≠ ∅

𝑣𝑗 = { dengan 𝑀𝑗− = {𝑖|𝑆𝑖 − 𝑎𝑖𝑗 < 0}
0, 𝑗 ∈ 𝑁; 𝑀𝑗− =∅
Contoh :

Perhatikan model berikut:

min 𝑧 = − 5𝑥1′ + 7𝑥2′ + 10𝑥3′ − 3𝑥4′ + 𝑥5′

Dengan batasan

−𝑥1′ − 3𝑥2′ + 5𝑥3′ − 𝑥4′ − 4𝑥5′ ≥ 0 … … . (𝑖)

−2𝑥1′ − 6𝑥2′ + 3𝑥3′ − 2𝑥4′ − 2𝑥5′ ≤ −4 … … . (𝑖𝑖)

−𝑥2′ + 2𝑥3′ + 𝑥4′ − 𝑥5′ ≥ 2 … … . (𝑖𝑖𝑖)

𝑥𝑗′ ∈ {0,1}, 𝑗 = 1, … ,5

Penyelesaian :

Kalikan dengan −1 dua pertidaksamaan berbentuk ≥ , yaitu pertidaksamaan (𝑖) dan (𝑖𝑖𝑖) sehingga
menjadi

𝑥1′ + 3𝑥2′ − 5𝑥3′ + 𝑥4′ + 4𝑥5′ ≤ 0

𝑥2′ − 2𝑥3′ − 𝑥4′ + 𝑥5′ ≤ −2

Mensubstitusikan variabel keputusan yang ada dengan ketentuan (diketahui fungsi tujuan adalah
meminimumkan):

𝑥𝑗′ 𝑢𝑛𝑡𝑢𝑘 𝑐𝑖′ ≥ 0

𝑥𝑗 = {
1 − 𝑥𝑗′ 𝑢𝑛𝑡𝑢𝑘 𝑐𝑖′ < 0

dalam hal ini sama dengan

𝑥𝑗′ 𝑢𝑛𝑡𝑢𝑘 𝑗 = 2,3,5
𝑥𝑗 = { ′
1 − 𝑥𝑗 𝑢𝑛𝑡𝑢𝑘 𝑗 = 1,4

Sehingga dapat dituliskan kembali menjadi

Fungsi tujuan

min 𝑧 = − 5(1 − 𝑥1 ) + 7𝑥2 + 10𝑥3 − 3(1 − 𝑥4 ) + 𝑥5

min 𝑧 = 5𝑥1 + 7𝑥2 + 10𝑥3 + 3𝑥4 + 𝑥5 − 8

Dengan batasan

(i)

𝑥1′ + 3𝑥2′ − 5𝑥3′ + 𝑥4′ + 4𝑥5′ ≤ 0

(1 − 𝑥1 ) + 3𝑥2 − 5𝑥3 + (1 − 𝑥4 ) + 4𝑥5 ≤ 0

−𝑥1 + 3𝑥2 − 5𝑥3 − 𝑥4 + 4𝑥5 ≤ −2

(ii)

−2𝑥1′ − 6𝑥2′ + 3𝑥3′ − 2𝑥4′ − 2𝑥5′ ≤ −4

 −2(1 − 𝑥1 ) − 6𝑥2 + 3𝑥3 − 2(1 − 𝑥4 ) − 2𝑥5 ≤ −4

2𝑥1 − 6𝑥2 + 3𝑥3 + 2𝑥4 − 2𝑥5 ≤ 0

(iii)

𝑥2′ − 2𝑥3′ − 𝑥4′ + 𝑥5′ ≤ −2

𝑥2 − 2𝑥3 − (1 − 𝑥4 ) + 𝑥5 ≤ −2
𝑥2 − 2𝑥3 + 𝑥4 + 𝑥5 ≤ −1
Dengan menyimpan nilai ruas kanan pada fungsi tujuan (𝑅𝐾 = 8), maka diperloleh model PLI nya

𝐦𝐢𝐧 𝒛 = 𝟓𝒙𝟏 + 𝟕𝒙𝟐 + 𝟏𝟎𝒙𝟑 + 𝟑𝒙𝟒 + 𝒙𝟓

−𝒙𝟏 + 𝟑𝒙𝟐 − 𝟓𝒙𝟑 − 𝒙𝟒 + 𝟒𝒙𝟓 ≤ −𝟐
𝟐𝒙𝟏 − 𝟔𝒙𝟐 + 𝟑𝒙𝟑 + 𝟐𝒙𝟒 − 𝟐𝒙𝟓 ≤ 𝟎
𝒙𝟐 − 𝟐𝒙𝟑 + 𝒙𝟒 + 𝒙𝟓 ≤ −𝟏
𝒙𝒋 ∈ {𝟎, 𝟏}, 𝒋 = 𝟏, … , 𝟓

Menggunakan cara yang sama seperti PL, ubah bentuk Primal diatas ke bentuk Standar sehingga
muncul variabel slack sejumlah batasan yang ada sebagai berikut :

min 𝑧 = 5𝑥1 + 7𝑥2 + 10𝑥3 + 3𝑥4 + 𝑥5

−𝑥1 + 3𝑥2 − 5𝑥3 − 𝑥4 + 4𝑥5 + 𝑆1 = −2
2𝑥1 − 6𝑥2 + 3𝑥3 + 2𝑥4 − 2𝑥5 + 𝑆2 = 0
𝑥2 − 2𝑥3 + 𝑥4 + 𝑥5 + 𝑆3 = −1
𝑥𝑗 ∈ {0,1}, 𝑗 = 1, … ,5

𝑆𝑖 ≥ 0, 𝑖 = 1,2,3
Apabila kita sajikan dalam tabel Simpleks maka

Variabel Koefisien Variabel

RK
Basis z X1 X2 X3 X4 X5 S1 S2 S3
z 1 -5 -7 -10 -3 -5 0 0 0 0
S1 0 -1 3 -5 -1 4 1 0 0 -2
S2 0 2 -6 3 2 -2 0 1 0 0
S3 0 0 1 -2 1 1 0 0 1 -1

Dikarenakan koefisien variabel pada fungsi tujuan pada tabel Simpleks ≤ 0 maka solusi sudah optimal.
Namun belum layak karena ruas kanan < 0. Kondisi ini disebut sebagai dual feasible.

Dapat juga dilihat dari model standar diatas dimana koefisien 𝑐𝑗 ≥ 0, 𝑗 = 1,2, … ,5, dan (𝑆1 , 𝑆2 , 𝑆3 ) =
(−2,0, −1).
Sehingga untuk menyelesaikan permasalahan ILP biasanya kita akan berangkat dari permasalahan
dual feasible dimana

𝑥𝑗 = 0, 𝑗 = 1,2, … ,5  (𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ) = (0,0,0,0,0)

𝑆𝑖 = 𝑏𝑖 , 𝑖 = 1,2,3  (𝑆1 , 𝑆2 , 𝑆3 = −2,0, −1)

𝑧 = 0 dan 𝐽 = ∅.

𝐽 merupakan himpunan solusi dimana anggotanya bernilai sama dengan 1, secara matematis
dituliskan 𝐽 = {𝑗|𝑗 ∈ N, 𝑥𝑗 = 1}.

Iterasi 1 :

Langkah 1. Cek 𝑆𝑖 , 𝑖 = 1,2,3.

Dikarenakan 𝑆𝑖 < 0 untuk 𝑖 = 1,3 maka lanjut ke Langkah 2.

Langkah 2. Menentukan himpunan 𝑁 dengan 𝑁 = 𝑁 − {𝐶 ∪ 𝐷 ∪ 𝐸}.

Diketahui diterasi pertama: 𝐶 = ∅, 𝐷 = ∅, kemudian untuk 𝐸 = {2,5} (karena 𝑆𝑖 < 0 ⇒ 𝑎𝑖𝑗 ≥ 0

untuk 𝑗 = 2,5). Sehingga diperoleh

𝑁 = 𝑁 − {𝐶 ∪ 𝐷 ∪ 𝐸} = {1,2,3,4,5} − {2,5} = {1,3,4}.

Dikarenakan 𝑁 ≠ ∅, maka lanjut ke Langkah 3.

Langkah 3. Cek relasi untuk 𝑆𝑖 < 0, yaitu 𝑖 = 1,3, hitung nilai 𝑎𝑖𝑗
̅ (dengan 𝑎𝑖𝑗
̅ merupakan elemen
negatif) untuk 𝑖 = 1,3 dan 𝑗 ∈ 𝑁, yaitu 𝑗 = 1,3,4.

∑ 𝑎1𝑗
̅̅̅ = 𝑎11
̅̅̅̅ + 𝑎13
̅̅̅̅ + 𝑎14
̅̅̅̅ = −1 − 5 − 1 = −7 < 𝑆1 = −2
𝑗∈𝑁

∑ 𝑎3𝑗
̅̅̅ = 𝑎33
̅̅̅̅ = −2 = −2 < 𝑆3 = −1
𝑗∈𝑁

Karena semua pertidaksamaan memenuhi relasi tersebut maka hitung nilai 𝑣𝑗 untuk 𝑗 ∈ 𝑁, yaitu 𝑗 =
1,3,4. Dikarenakan:

𝑀1− = {1,2,3} ≠ ∅, maka 𝑣1 = ∑𝑖∈𝑀1−(𝑆𝑖 − 𝑎𝑖1 ) = (−2 + 1) + (0 − 2) + (−1 − 0) = −4

𝑀3− = {2} ≠ ∅, maka 𝑣3 = ∑𝑖∈𝑀3−(𝑆𝑖 − 𝑎𝑖3 ) = (0 − 3) = −3

𝑀4− = {1,2,3} ≠ ∅, maka 𝑣4 = ∑𝑖∈𝑀4−(𝑆𝑖 − 𝑎𝑖4 ) = (−2 + 1) + (0 − 2) + (−1 − 1) = −5

Diperoleh iterasi saat ini

𝑣𝑗 = max{𝑣𝑗 } = 𝑣3 sehingga batalkan 𝑣3 dan lanjut Langkah 8.

𝑗∈𝑁

Langkah 8. Diperoleh 𝐽𝑛𝑜𝑤 = 𝐽 ∪ {3} = {3} dikarenakan 𝑣3 yang diperoleh dari langkah sebelumnya.
Hitung fungsi objektif dari solusi baru:

𝑧𝑛𝑜𝑤 = 𝑧 + 𝑐3 = 0 + 10 = 10
Dan
 𝑆1,𝑛𝑜𝑤 = 𝑆1 − 𝑎13 = −2 + 5 = 3

𝑆2,𝑛𝑜𝑤 = 𝑆2 − 𝑎23 = 0 − 3 = −3

𝑆3,𝑛𝑜𝑤 = 𝑆3 − 𝑎33 = −1 + 2 = 1

Iterasi 2

Langkah 1. Cek 𝑆𝑖 , 𝑖 = 1,2,3.

Dikarenakan 𝑆𝑖 < 0 untuk 𝑖 = 2 maka lanjut ke Langkah 2.

Langkah 2. Menentukan himpunan 𝑁 dengan 𝑁 = 𝑁 − {𝐶 ∪ 𝐷 ∪ 𝐸}.

Diketahui 𝐶 = {3} (variabel yang baru dibatalkan sebelum solusi diperoleh), 𝐷 = ∅ (karena 𝑍 = ∅),
dan 𝐸 = {1,4} (karena 𝑆𝑖 < 0 ⇒ 𝑎𝑖𝑗 ≥ 0 untuk 𝑗 = 1,3,4).

𝑁 = 𝑁 − {𝐶 ∪ 𝐷 ∪ 𝐸} = {1,2,3,4,5} − ({3} ∪ {1,4}) = {2,5}.

Dikarenakan 𝑁 ≠ ∅, maka lanjut ke Langkah 3.

Langkah 3. Cek relasi untuk 𝑆𝑖 < 0, yaitu 𝑖 = 2, hitung nilai 𝑎𝑖𝑗

̅ (dengan 𝑎𝑖𝑗
̅ merupakan elemen negatif)
untuk 𝑖 = 2 dan 𝑗 ∈ 𝑁, yaitu 𝑗 = 2,5.

∑ 𝑎̅̅̅
2𝑗 = 𝑎22
̅̅̅̅ + 𝑎25
̅̅̅̅ = −6 − 2 = −8 < 𝑆2 = −3
𝑗∈𝑁

Karena semua pertidaksamaan memenuhi relasi tersebut maka hitung nilai 𝑣𝑗 untuk 𝑗 ∈ 𝑁, yaitu 𝑗 =
2,5. Dikarenakan:

𝑀2− = ∅, maka 𝑣2 = 0

𝑀5− = {1,2,3} ≠ ∅, maka 𝑣5 = ∑𝑖∈𝑀5−(𝑆𝑖 − 𝑎𝑖5 ) = (3 − 4) + (−3 + 2) + (1 − 1) = −2

Diperoleh iterasi saat ini

𝑣𝑗 = max{𝑣𝑗 } = 𝑣2 sehingga batalkan 𝑣2 dan lanjut Langkah 8.

𝑗∈𝑁

Langkah 8. Diperoleh 𝐽𝑛𝑜𝑤 = 𝐽 ∪ {2} = {2,3}. Hitung fungsi objektif dari solusi baru:

𝑧𝑛𝑜𝑤 = 𝑧 + 𝑐2 = 10 + 7 = 17
Dan

𝑆1,𝑛𝑜𝑤 = 𝑆1 − 𝑎12 = 3 − 3 = 0

𝑆2,𝑛𝑜𝑤 = 𝑆2 − 𝑎22 = −3 + 6 = 3

𝑆3,𝑛𝑜𝑤 = 𝑆3 − 𝑎32 = 1 + 1 = 0

Iterasi 3

Langkah 1. Cek 𝑆𝑖 , 𝑖 = 1,2,3.

Dikarenakan 𝑆𝑖 ≥ 0 untuk semua 𝑖 maka

𝑧 = 17 = 𝑧 ∗
Dan ditentukan 𝐷𝑘 untuk 𝑘 = 1,0 (karena 𝑘 < 𝑗𝑢𝑚𝑙𝑎ℎ 𝑖𝑡𝑒𝑟𝑎𝑠𝑖):

Untuk 𝑘 = 1:

𝑁1 = {2,5} (iterasi sebelumnya), dan 𝐶1 = {2} (variabel yang baru dibatalkan sebelum solusi
diperoleh) maka 𝑁1 − 𝐶1 = {5}.

Cek 𝑐𝑗 ≥ 𝑧 ∗ − 𝑧𝑘 .

𝑐5 = 1 < 17 − 10 (𝑧1 merupakan nilai 𝑧 diiterasi 1), sehingga 𝐷1 = ∅.

Untuk 𝑘 = 0:

𝑁0 = {1,3,4} (iterasi awal), dan 𝐶0 = {3} maka 𝑁0 − 𝐶0 = {1,4}.

Cek 𝑐𝑗 ≥ 𝑧 ∗ − 𝑧𝑘 .

𝑐1 = 5 < 17 − 0, dan 𝑐4 = 3 < 17 − 0 sehingga 𝐷0 = ∅.

Untuk tahapan diatas ada baiknya jika dibuat tabel untuk mempermudah:

𝑘 𝑁 𝐶 𝑧
{1,2,3,4,5} ∅ Inisialisasi
0 {1,3,4} {3} 0 Iterasi 1
1 {2,5} {2} 10 Iterasi 2

Lanjut ke Langkah 5.

Langkah 5. Cek 𝑁𝑘 untuk 𝑘 = 1:

𝑁1 = 𝑁1 − (𝐶1 ∪ 𝐷1 ) = {2,5} − {2} = {5}

Lanjut ke Langkah 6.

Langkah 6. Cek relasi untuk 𝑆𝑖 < 0, yaitu 𝑖 = 2, dimana 𝑆2 = −3.

Hitung nilai 𝑎𝑖𝑗

̅ (dengan 𝑎𝑖𝑗
̅ merupakan elemen negatif) untuk 𝑖 = 2 dan 𝑗 ∈ 𝑁1 , yaitu 𝑗 = 5.

∑ 𝑎2𝑗
̅̅̅ = 𝑎25
̅̅̅̅ = −2 ≰ 𝑆2 = −3
𝑗∈𝑁1

Sehingga tidak dipenuhi, maka batalkan 𝑣𝑗 untuk 𝑗 ∈ 𝑁1 yaitu 𝑣5 dan kembali ke Langkah 5.

Langkah 5. Cek 𝑁𝑘 untuk 𝑘 = 0:

𝑁0 = 𝑁0 − (𝐶0 ∪ 𝐷0 ) = {1,3,4} − {3} = {1,4}

Lanjut ke Langkah 6.

Langkah 6. Cek relasi untuk 𝑆𝑖 < 0, yaitu 𝑖 = 1,3, dimana 𝑆1 = −2, 𝑆3 = −1.

Hitung nilai 𝑎𝑖𝑗

̅ (dengan 𝑎𝑖𝑗
̅ merupakan elemen negatif) untuk 𝑖 = 1,3 dan 𝑗 ∈ 0, yaitu 𝑗 = 1,4.

∑ 𝑎1𝑗
̅̅̅ = 𝑎11
̅̅̅̅ + 𝑎14
̅̅̅̅ = −1 − 1 = −2 = 𝑆2 = −2
𝑗∈𝑁0
 ∑ 𝑎3𝑗
̅̅̅ = 𝑎31
̅̅̅̅ = 0 ≰ 𝑆3 = −1
𝑗∈𝑁0

Karena pertidaksamaan tidak memenuhi relasi untuk 𝑖 = 3 maka batalkan 𝑣𝑗 untuk 𝑗 ∈ 𝑁0 yaitu 𝑣1
dan 𝑣4 .

Dikarenakan tidak terdapat 𝑘 yang memenuhi relasi tersebut, maka algoritma berhenti.

Sehingga solusi optimalnya :

𝑥2 = 𝑥3 = 1
𝑥1 = 𝑥4 = 𝑥5 = 0
𝑆1 = 0, 𝑆2 = 3, 𝑆3 = 0
𝑧 = 17
Bersesuaian dengan permasalahan yang awal, maka solusi optimalnya (𝑅𝐾 = 8) :

𝑥1′ = 1 − 𝑥1 = 1
𝑥2′ = 𝑥2 = 1
𝑥3′ = 𝑥3 = 1
𝑥4′ = 1 − 𝑥4 = 1

𝑥5′ = 𝑥5 = 0
Dengan 𝑧 = 17 − 𝑅𝐾 = 17 − 8 = 9.