Pendahuluan

Setiap pelaku ekonomi atau pelaku usaha tentunya melakukan sebuah

prinsip yang disebut dengan prinsip ekonomi. Adapun prinsip ekonomi adalah
prinsip dalam ekonomi dengan modal atau usaha yang sedikit mungkin dan
mampu menghasilkan keuntungan yang seoptimal mungkin, sehingga muncul
optimasi. Masalah optimasi tersebut mencakup meminimumkan biaya produksi
dan juga memaksimumkan keuntungan sesuai kapasitas sumber daya dengan
harapan mampu memperoleh hasil yang optimal.

Riset operasi erat kaitannya dengan prinsip optimalisasi yang menjelaskan

terkait bagaimana cara pemakaian/penggunaan sumber daya baik itu waktu, biaya,
tenaga dan lain-lain guna mengoptimalkan hasil. Mengoptimalkan hasil disini
memiliki makna memaksimumkan (menguntungkan/feedback yang didapat)
ataupun meminimumkan merugikan/hasil yang dikeluarkan)[ CITATION Riz14 \l
1033 ]. Pemrograman linear dapat membantu menyelesaikan suatu masalah yang
berkaitan dengan perencanaan aktivitas untuk mendapatkan hasil optimal, lebih
tepatnya adalah hasil terbaik diantara semua kemungkinan solusi yang ada.

Penyelesaian masalah pemrograman linier diantaranya adalah melalui

beberapa metode seperti metode grafik, metode simpleks, metode dual simpleks,
dsb. Untuk menyelesaikan masalah pemrograman linier yang memiliki dua atau
lebih variabel tidak dapat menggunakan metode grafik, m

elainkan harus dengan tabel simpleks[ CITATION Pri14 \l 1033 ] . Bagian

terpenting dari riset operasi adalah terkait bagaimana menerjemahkan
permasalahan dalam kehidupan sehari-hari dalam model matematis. Contoh kasus
dalam kehidupan sehari-hari yang berkaitan dengan riset operasi adalah terkait
pengaturan traffic light yng mengoptimalkan berapa lama lampu hijau harus
menyala pada setiap sisi agar antrian kendaraan seminimum mungkin, hal itu
dapat terselesaikan dengan metode-metode dalam riset operasi dengan masing-
masing metode memiliki teori yang berbeda.

Ada beberapa metode umtuk mencari solusi optimal pada linear

programming problem, salah satunya adalah metode dual simpleks. Metode
tersebut dapat dikatakan optimum apabila semua ruas sisi kanan tidak ada yang
bernilai negatif dan hasilnya Z berupa nilai negatif dan nol, artinya tidak boleh
ada angka yang memiliki nilai positif. Metode simpleks dual digunakan apabila
tabel optimal tidak layak. Jika terdapat fungsi kendala yang menggunakan
pertidaksamaan ≥ dan tidak ada = dalam bentuk umum program linier maka dapat
digunakan metode simpleks dual tersebut.[ CITATION Bas18 \l 1033 ].

A. Teori Dualitas
 1. Konsep dualitas

Konsep dualitas merupakan sebuah konsep bagian dari linier programing yang
menarik untuk dibahas. Setiap permasalahan linier programing memiliki dua
bentuk yang selalu saling berbubungan satu sama lainnya. Permasalahan pertama
disebut “primal” sedangkan permasalahan kedua disebut “dual”. Kedua
permasalahan tersebut selalu berkaitan sedemikian rupa, sehingga solusi yang
paling optimal dari permasalahan pertama akan memberikan informasi yang
lengkap tentang solusi permasalahan kedua.

Keadaan yang berhubungan dengan pola yang asli disebut dengan bentuk
primal dengan bentuk dualnya yang bermanfaat dalam berbagai hal. Terlebih
dalam interpretasi ekonominya. Bentuk dual dari bentuk dual tersebut adalah
bentuk primal.

2. Perbedaan Bentuk Primal dan Dual

Dalam permasalahan konsep linier programing tentu terdapat ketentuan yang

paling awal atau mendasar yang harus dipahami sebelum memasuki konsep
primal-dual untuk menyelesaikan masalah linier programing yaitu maksimasi dan
minimasi. Ketentuan-ketentuan tersebut adalah sebagai berikut:

Tabel 1.Perbedaan Primal dan Dual

N Bentuk primal Bentuk dual

o
1 Umumnya notasi fungsi tujuan Umumnya notasi fungsi tujuan
. adalah Z adalah W

2 Umumnya notasi variabel keputusan Umumnya notasi variabel keputusan

. dalam bentuk X adalah Y
3 Unsur koefisien matriks pembatas Transporse koefisien matriks
. pembatas

4 Vector ruas kanan pada kendala Koefisien fungsi tujuan

.
5 Koefisien fungsi tujuan Vector ruas kanan pada kendala
.
6 Pembatas ke-i berupa “=” Y itidak terbatas dalam tanda
.
7 X j tidak terbatas dalam tanda Pembatas ke-j berupa “=”
.
Tabel 2. Fungsi tujuan berbentuk maksimasi

N Bentuk Primal Bentuk dual

o
.
1 Fungsi tujuan berbentuk maksimasi Fungsi tujuan berbentuk minimasi
.

2 Pembatas ke-i berupa “≤ ” Y i ≥0

.
3 Pembatas ke-i berupa “ ≥” Y i ≤0
.
4 X j≥ 0 Pembatas ke-j berupa “ ≥”
.
5 X j≥ 0 Pembatas ke-j berupa “ ≤”
.

Tabel 3Fungsi tujuan berbentuk minimasi.

N Bentuk primal Bentuk dual

o
.
1 Fungsi tujuan berbentuk minimasi Fungsi tujuan berbentuk maksimasi
.
2 Pembatas ke-i berupa “ ≤” Y i ≤0
.

3 Pembatas ke-i berupa “ ≥” Y i ≥0

.
4 X j≥ 0 Pembatas ke-j berupa “ ≤”
.
5 X j≤ 0 Pembatas ke-j berupa ≥
.

3. Komponen dalam program linear, adalah:

1. Fungsi tujuan, yang terdapat dalam fungsi tujuan yang diharapkan
adalah memperoleh hasil yang optimal atau optimum yang biasa
disebut maksimum dan minimum.
2. Fungsi kendala teknis, adalah fungsi yang di dalamnya dipengaruhi
dengan batasan sumber, b 1, dan batasan yang dibutuhkan atau
kebutuhan, a ij .
3. Fungsi kendala tanda, adalah batasan-batasan penyelesaian dari
variabel yang ada, X j
Selain itu di dalam batasan masalah program linear juga memiliki syarat
nilai b 1 ≥ 0.

4. Bentuk-bentuk masalah program linear

Misal:
 Memaksimalkanf ( x́ )= cx
´ terhadap kendala A x́ (≤ ,=, ≥) b́ , x́ ≥ 0.
1. Bentuk maksimum baku:
Dengan memaksimalkanf ( x́ )= cxterhadap
´ kendala A x́ ≤ b́ , x́ ≥ 0.
2. Bentuk minimum baku:
Dengan meminimalkanf ( x́ )= cxterhadap
´ kendala A x́ ≥ b́ , x́ ≥ 0.
3. Bentuk kendala campuran:
Dengan memaksimalkan atau meminimalkan f ( x́ )= cx
´
terhadapkendala A x́ ( ≤ ,=,≥ ) b́ , x́ ≥ 0.

5. Metode simpleks dual

Jika dalam suatu literasi kita menemukan persoalan program linear yang sudah
optimum (dilihat dari kondisi optimalitas), namun belum fisibel (memiliki
pembatas non negatif yang tidak terpenuhi), maka persoalan tersebut bisa
diselesaikan dengan menggunakan metode simpleks dual. Dengan syarat bahwa
seluruh pembatas harus mempuyai ketidaksamaan yang bertanda (≤), sedangkan
fungsi tujuan dapat berupa maksimasi ataupun minimasi.

Dasar metode simpleks dual ini menggunakan tabel yang sama seperti
metode simpleks pada bentuk primal, tetapi leaving dan entering variable yang
ditentukan sebagai berikut:

1. Leaving variable (Kondisi Fisibilitas)

Dalam hal ini yang menjadi kondisi fisibilitas pada simpleks dual
adalah variabel basis yang memiliki nilai negatif terbesar. Lalu saat
semua variabel basis telah bernilai positif atau nol (0) maka keadaan
fisibil telah terpenuhi.
2. Entering variable (Kondisi optimalitas)
Dalam menentukan kondisi optimalitas dapat ditentukan dengan
beberapa cara yaitu :
a. Menentukan perbandingan (ratio) antara koefisien persamaan Z
dengan koefisien persamaan kondisi optimal. Dengan mengabaikan
penyebut positif atau nol. Lalu jika semua penyebut bernilai positif
atau nol, artinya persoalan tersebut tidak memiliki solusi fisibel
b. Dalam persoalan minimasi, kondisi optimalitas adalah variabel
dengan rasio terkecil, sedangkan persoalan maksiamasi kondisi
optimalitas adalah variabel rasio absolut terkecil.

B. Metode simpleks dual

A. Masalah Primal-Dual Simetrik

Program linier dikatakan simetri jika ruas kanan pembatas bernilai tidak negatif,
semua pembatas menggunnakan bentuk pertidaksamaan, jika dalam masalah
maksimasi bentuk pertidaksamaan berupa ≤ sedangkan dalam masalah minimasi
bentuk pertidaksamaan berupa ≥.

Notasi matiks masalah primal-dual simetri adalah:

Primal:

Maksimasi Z=cX

dengan pembatas berupa

AX ≤ b

X ≥0

Dual :

Minimasi Z=Yb

dengan pembatas berupa

YA ≥ c

Y ≥0

Keterangan :

1. A : matriks (m ×n)

2. b : vektor kolom (m ×1)

3. c : vektor baris (1 ×n)

4. x : vektor kolom (n ×1)

5. y : vektor baris (1 ×m)

Bentuk umum dari primal-dual simetri

Primal

Maksimasi :

Z=c 1 X 1+ c 2 X 2 +...+c n X n fungsi tujuan

a 11 X 1+ a12 X 2+...+ a1 n X n ≤ b1 fungsi pembatas

a 21 X 1 +a22 X 2 +...+a2 n X n ≤b 2
 a m 1 X 1 +a m2 X 2+...+ amn X n ≤ b m

X 1 , X 2 ,... , X n ≥ 0

Dual

Minimasi :

W =b1 Y 1+ b2 Y 2+...+b m Y m fungsi tujuan

a 11 Y 1 +a 21 Y 2 +...+am 1 Y m ≥ c1 fungsi pembatas

a 12 Y 1+ a22 Y 2 +...+a m 2 Y m ≥ c 2

a 1n Y 1 +a2 n Y 2+...+ amn Y m ≥ c n

Y 1 ,Y 2 , ... ,Y m ≥ 0

Primal

Minimasi :

Z=c 1 X 1+ c 2 X 2 +...+c n X n fungsi tujuan

a 11 X 1+ a12 X 2+...+ a1 n X n ≥ b1 fungsi pembatas

a 21 X 1 +a22 X 2 +...+a2 n X n ≥b 2

a m 1 X 1 +a m 2 X 2+...+ amn X n ≥ b m

X 1 , X 2 ,... , X n ≥ 0

Dual

Masimasi :

W =b1 Y 1+ b2 Y 2+...+b m Y m fungsi tujuan

a 11 Y 1 +a 21 Y 2 +...+am 1 Y m ≤c 1 fungsi pembatas

a 12 Y 1+ a22 Y 2 +...+a m 2 Y m ≤ c 2

a 1n Y 1 +a2 m Y 2+ ...+ amn Y m ≤ c m

Y 1 ,Y 2 , ... ,Y m ≥ 0
Dari keempat bentuk umum primal-dual simetri terbentuk hubungan antara primal
dan dual, yaitu:

1. Ruas kanan pembatas dari masalah dual merupakan koefisien fungsi

tujuan dari masalah primal, begitupun sebaliknya ruas kanan pembatas
dari masalah primal menjadi koefisien fungsi tujuan dari masalah dual.

2. Tanda pertidaksamaan pembatas dibalik, tanda dari masalah dual minimasi

merupakan kebalikan dari tanda masalah primal maksimasi.

3. Tujuan dari maksimasi masalah primal menjadi minimasi masalah dual,

begitu juga sebaliknya tujuan minimasi masalah primal menjadi
maksimasi masalah dual.

4. Setiap kolom pembatas pada masalah primal berhubungan dengan satu

baris pembatas masalah dual, sehingga banyaknya pembatas pada masalah
dual sama dengan banyaknya variabel masalah primal. Dengan kata lain
ialah 1 kolom pembatas primal akan ditranpos menjadi baris pembatas
dual.

5. Setiap baris pembatas pada masalah primal berhubungan dengan satu

kolom pada variabel dual, sehingga ada satu variabel dual menjadi bagian
dari pembatas primal.

6. Bentuk dual dari masalah dual merupakan bentuk primal.

B. Masalah primal-dual asimetri

Bentuk umum primal-dual asimetri

Primal

Maksimasi atau minimasi :

Z=c 1 X 1+ c 2 X 2 +...+c n X n fungsi tujuan

a 11 X 1+ a12 X 2+...+ a1 n X n ≥ b1 fungsi pembatas

a 21 X 1 +a22 X 2 +...+a2 n X n ≤b 2

a m 1 X 1 +a m 2 X 2+...+ amn X n=b m

X 1 , X 2 ,... , X n ≥ 0

Beberapa di bawah ini yang harus diperhatikan pada primal-dual asimetri:

1. Persoalan :
 a. Maksimasi : Jika pembatas primal ke-i bertanda ≥, maka variabel dual
yang berkorespondensi dengan pembatas tersebut akan memenuhi
y i ≤0.

b. Minimasi : Jikai pembatas primal ke-i bertanda ≤, maka variabel dual

yang berkorespondensi dengan kendala tersebut akan memenuhi y i ≤0 .

2. Jika pembatas primal ke-i bertanda ¿, maka variabel dual yang

berkorespondensi dengan pembatas tersebut ialah tidak terbatas dalam
tanda.

3. Jika variabel primal ke-i tidak terbatas dalam tanda, maka pembatas dual
ke-i akan bertanda ¿.

apabila ingin memperlihatkan keterkaitan antara solusi primal dan solusi dual
pada hubungan primal-dual asimetri perlu ditransformasikan ke dalam bentuk
simetri, berikut ini langkah transformasi dari bentuk asimetri ke bentuk simetri.

1. Mengalikan setiap pembatas dengan tanda ≥ pada fungsi tujuan maksimasi

atau pembatas dengan tanda ≤ pada fungsi tujuan minimasi dengan (-1).

2. Menggantikan setiap pembatas yang bertanda ¿ dengan dua tanda

pertidaksamaan yaitu ≤ dan ≥.

3. Menggantikan setiap variabel x j tak terbatas menjadi x j= x'j−x j ' ' yang
mana x j ' ≥ 0, x j ' ' ≥ 0.

Mencari solusi optimum bentuk dual

Menurut Mulyono(2007), bahwa setiap masalah yang berhubungan dengan

linear program dapat dipecahkan dengan metode simpleks baik diterapkan dalam
masalah primal maupun dual. Main Duality Theorem menyatakan bahwa solusi
optimum terhadap bentuk dual dapat diperoleh melalui solusi primal ataupun
m
solusi dual. Berdasarkan model standar dualitas Z j−C j =∑ aij −c j, apabila
i=1
m
Z j−C j <0 , atau ∑ aij y j<¿C ¿,
j
maka kondisi seperti ini dikatakan tidak layak
i=1

menurut dual dan tidak optimum menurut primal. Kondisi yang layak menurut
dual dan kondisi yang optimum menurut primal adalah apabila Z j−C j ≥ 0dan
m

∑ aij y j ≥ C j. Dalam kenyataan ketika mengerjakan soal yang berhubungan

i=1

dengan metode simpleks dual mungkin kita menghadapi suatu kondisi dimana
tabel simpleks awal tidak layak, tetapi tabel tersebut optimum. Untuk menghadapi
keadaan seperti ini maka dikembangkanlah suatu metode baru yakni metode
simpleks dual. Penyelesaian masalah dengan teori simpleks dual di gunakan
apabila formulasi program linear mengandung banyak variabel, dan
membutuhkan banyak perhitungan untuk memperoleh solusi yang diinginkan

Contoh berikut akan menunjukkan bagaimana penyelesaian solusi optimum

dengan metode simpleks dual.

Minimum Z= 2X1 + 4X2 + X3 + 3X4

Dengan kendala :

X1 + 2X2 + 3X3 + 4X4 ≥ 30

2X1 + X2 + X3 + X4 ≥ 20

X1, X2, X3, X4 ≥ 0

Langkah-langkah penyelesaian dengan metode dual simpleks adalah sebagai

berikut:

1. Langkah awal yang harus dilakukan adalah mengkonversikan semua

fungsi kendala menjadi tanda lebih kecil sama dengan (≤). Semua kendala
≥ dikonversikan menjadi tanda ≤ dengan mengalikan (-1), sehingga
menjadi :
Minimum Z= 2X1 + 4X2 + X3 + 3X4
Dengan kendala :

-X1 - 2X2 - 3X3 - 4X4 ≥ -30

-2X1 - X2 - X3 - X4 ≥ -20

X1, X2, X3, X4 ≥ 0

2. Langkah selanjutnya yaitu menambahkan variabel slack kedalam kendala.
Variabel slack sendiri merupakan variabel yang ditambahkan ke dalam
kendala untuk mengkonversikan pertidaksamaan menjadi persamaan.
Sehingga didapatkan :
Minimum Z= 2X1 + 4X2 + X3 + 3X4
Dengan kendala :

-X1 - 2X2 - 3X3 - 4X4 + S1 ≥ -30

-2X1 - X2 - X3 - X4+ S2 ≥ -20

X1, X2, X3, X4, S1, S2 ≥ 0

Jika fungsi tujuan dan fungsi kendala tersebut dimasukkan kedalam tabel
simpleks maka slack variabel (S1 dan S2) tidak layak, karena memiliki
konstanta ruas kanan negatif. Oleh karena fungsi tujuan tersebut berbentuk
 minimum, maka tabel simpleks akan mencapai optimum apabila koefisien
tujuan pada baris Z j−C j ≤ 0. Terlihat bahwa pada tabel awal untuk solusi
basisnya menunjukkan S1= -30 dan S2= -20, kondisi ini dikatakan optimum
tetapi tidak layak.
3. Tentukan leaving variabel/ baris pivot. Baris pivot dalam riset operasi
simpleks dual adalah baris dengan nilai kanan negatif terbesar. Dalam
kasus maksimasi, kondisi akan optimum jika semua koefisien baris
disebelah kiri bernilai positif, sedangkan untuk minimasi adalah carilah
nilai paling negatif disisi kanan/RHS untuk mendefinisikan baris pivot.
Jika negatif terbesar lebih dari satu pilihlah salah satu sembarang. Jika
semua variabel basis telah berharga positif atau nol berarti telah tercapai
keadaan feasibel. Metode dual simpleks juga didasarkan pada optimality
dan feasibility dimana optimality condition menjamin bahwa solusi harus
tetap optimum sedangkan pada feasibility memaksa agar solusi dapat
mencapai keadaan layak. Prinsip ini memiliki kesamaan dengan metode
simpleks, hanya saja pada metode dual simpleks ditranspose (baris jadi
kolom dan kolom jadi baris). Untuk menyelesaikan masalah diatas, dapat
digunakan metode simpleks dual sebagai berikut:

Tabel 4. Menentukan leaving variabel

CB Cj 2 4 1 3 0 0 Konstanta
VDB X1 X2 X3 X4 S1 S2 Ruas
Kanan
0 S1 -1 -2 -3 -4 1 0 -30
0 S2 -2 -1 -1 -1 0 1 -20
Zj-Cj -2 -4 -1 -3 0 0 0

Dari tabel iterasi dalam metode dual simpleks diatas ditentukan bahwa
leaving variabelnya dengan solusi yang memiliki angka negatif terbesar
terletak pada variabel basis S1, karena memiliki nilai -60.
4. Tentukan entering variabel/kolom pivot. Kolom pivot diperoleh dengan
melakukan minimum test dengan terlebih dahulu membagi nilai baris z
dengan garis pivot. Dalam hal ini, sebagai catatan semua nilai baris pivot
dapat menjadi pembagi kecuali nilai 0. Kolom pivot merupakan kolom
dengan rasio pembagian mutlak dengan nilai minimum tanpa
mempertimbangkan tanda negatif. Berikut adalah tahapan untuk
menentukan entering variabel dengan menentukan rasio yang dicari
dengan membagi angka yang terdapat pada baris Z j - Cj dengan angka pada
baris kunci yang berkorespondensi dengan variabel nonbasis.

Tabel 5. Menentukan rasio

Variabel X1 X2 X3 X4
 nonbasis
Baris Zj-Cj -2 -4 -1 -3
Baris S1 -1 -2 -3 -4
Rasio 2 2 1/3 3/4
Untuk menentukan variabel yang akan masuk sebagai basis atau kolom
kunci yaitu variabel yang memiliki rasio dengan angka terkecil, maka
didapatkan :

Tabel 6. Menentukan entering variabel

CB Cj 2 4 1 3 0 0 Konstanta
VDB X1 X2 X3 X4 S1 S2 ruas kanan
0 S1 -1 -2 -3 -4 1 0 -30
0 S2 -2 -1 -1 -1 0 1 -20
Zj-Cj -2 -4 -1 -3 0 0 0

Variabel yang termasuk dalam basis adalah X3, karena memiliki rasio
angka terkeci yaitu sebesar 1/3 dengan elemen pivotnya (-3).
5. Untuk menentukan persamaaan pivot baru, dapat diperoleh dengan
perhitungan iterasi sebagai berikut :
1. Bagi baris S1 yang memiliki elemen (-6), didapatkan hasil yang
menjadi baris baru untuk variabel masuk X3.
[ -1 -2 -3 -4 1 0 -30 ] : (-3)
[ 1/3 2/3 1 4/3 -1/3 0 10 ]

2. Untuk menentukan nilai baru pada baris S2 , lakukan dengan

mengalikan baris S2 dengan elemen pivot pada baris S2 lalu kurangkan
hasil dari elemen S2 dengan baris baru diatas, sehingga didapatkan :

[ -2 -1 -1 -1 0 1 -20 ]
[ 1/3 2/3 1 4/3 -1/3 0 10 ] x [-1] -
[ -5/3 -1/3 0 1/3 -1/3 1 -10 ]
3. Kurangkan hasil dari baris baru diatas dengan baris Z j-Cj pada baris
selanjutnya, tentunya setelah dikalikan dengan elemen pivot pada baris
Zj-Cj yaitu -1. Sehingga hasilnya didapatkan persamaan pivot yang
baru untuk baris Zj-Cj.

[ -2 -4 -1 -3 0 0 0 ]
[ 1/3 2/3 1 4/3 -1/3 0 10 ] x [-1] -
-5/3 -10/3 0 -5/3 1/3 0 10

Tabel 7. Iterasi pertama

CB Cj 2 4 1 1 0 0 Konstanta
 VDB X1 X2 X3 X4 S1 S2 Ruas
Kanan
1 X3 1/3 2/3 1 4/3 1/3 0 10
0 S2 -5/3 -1/3 0 1/3 -1/3 1 -10
Zj-Cj -5/3 -10/3 0 -5/3 1/3 0 10

Tabel diatas belum optimum, dan yang berperan sebagai variabel

keluar basis adalah S2, sedangkan variabel yang masuk basis adalah X1
karena memiliki nilai rasio terkecil. Adapun rasio dari tabel diatas
adalah sebagai berikut.

Variabel X1 X2 X4 S1
nonbasis
Baris Zj - Cj -5/3 -10/3 5/3 -1/3
Baris S2 -5/3 -1/3 1/3 -1/3
Rasio 1 10 -5 1

Berdasarkan tabel diatas, didapatkan nilai elemen pivotnya adalah -5/3

dengan menggunakan operasi pivot maka diperoleh nilai baru pada
baris S2 yang posisinya akan digantikan oleh variabel X1.

[ -5/3 -1/3 0 1/3 -1/3 1 -10 : [-5/3]

[1 1/5 0 -1/5 1/5 -3/5 6

1. Setelah dikalikan dengan elemen pivot baris X3, kurangkan hasil dari baris
baru diatas dengan X3, yaitu 1/3. Sehingga dihasilkan nilai baru untuk
baris X3

[ 1/3 2/3 1 4/3 -1/3 0 10

[1 1/5 0 -1/5 1/5 -3/5 6 x [1/3] -
[0 3/5 1 7/5 -2/5 1/5 8

2. Untuk menghasilkan nilai baru pada baris X3, kurangkan hasil dari baris
baru diatas dengan baris pada Zj- Cj setelah dikalikan dengan elemen pivot
baris Zj- Cj yaitu -5/3. Sehingga diperoleh hasil sebagai berikut :

[ -5/3 -10/3 0 -5/3 -1/3 0 10

[1 1/5 0 -1/5 1/5 -3/5 6 X [-5/3] -
[0 -3 0 -2 0 -1 20

Tabel 8. Tabel Iterasi Kedua (optimum)

CB Cj 2 4 1 1 0 0 Konstanta
 VDB X1 X2 X3 X4 S1 S2 Ruas
Kanan
1 X3 0 3/5 1 7/5 -2/5 1/5 8
2 X1 1 1/5 0 -1/5 1/5 -3/5 6
Zj-Cj 0 -3 0 -2 0 -1 20

Tabel optimum diatas dikatakan layak baik menurut primal maupun dual.
Solusi optimum primalnya adalah :
X1 = 6, X2 = 0, X3 = 8 dan X4 = 0, dengan total nilai Z adalah
Z = 2(6) + 4(0) +1(8) +3(0)

= 12 + 8

= 20

Sedangkan untuk solusi optimum dual adalah :

Y1= 0 dan Y2= -1 , dengan total nilai W adalah

W = -30(0) -20(-1)

= 0 + 20

= 20

Contoh soal dan penyelesaian dengan metode simpleks dual

High

Soal

Sebuah perusahaan sandal “Naning Agatha Shoes” ingin memperoleh keuntungan

sebesar-besarnya sesuai ketersediaan sumberdaya yang ada. Untuk melakukan
inpur produksi dibutuhkan bahan-bahan seperti spons sebagai bahan utama untuk
alas sendal, tali bahan (webing) sebagai tali yang terbuat dari bahan, tali karet
sebagai tali yang terbuat dari bahan karet, dan lem sebagai perekat. Namun dalam
proses produksi tersebut terdapat masalah berupa keterbatasan sumberdaya yaitu
pada spons dan lem karena persediaan bahan baku yang terbatas. Perusahaan
tersebut dalam proses produksi dikelompokkan menjadi 2 yaitu sandal tali bahan
dan sandal tali karet. Dimana pada sandal tali bahan memiliki kendala pada
908 cm2 spon dan 67 gram pada lem dengan ketersediaan bahan baku spon sebesar
2.000.000, sedangkan untuk sandal tali karet memiliki kendala pada 910 cm 2 spon
dan 80 gram lem dengan persediaan bahan baku lem 150.000. tentukan
keuntungan maksimum yang akan dicapai bila perusahaan tersebut mengambil
keuntungan untuk setiap sandal tali bahan sebesar Rp.12.000 dan keuntungan
untuk sendal tali karet sebesar Rp.10.000 sesuai dengan persediaan bahan baku
yang ada !

Penyelesaian :

Diketahui : Fungsi Tujuan : 12.000 X 1 +10.000 X 2 ≤ 0

Fungsi Kendala/Pembatas : 908 X 1 +910 X 2 ≤ 2.000.000

67 X 1 +80 X 2 ≤ 150.000

Ditanya : Maksimumkan Z = 12.000 X 1 +10.000 X 2 ≤ 0

Jawab : Tujuan pabrik adalah mendapatkan keuntungan sebesar-besarnya dari

kendalaketerbatasan sumber daya yang ada. Maka berdasarkan hasil analisa diatas
didapatkan formulasi model matematisnya adalah

Maksimumkan Z = 12.000 X 1 +10.000 X 2

Keterbatasan sumber daya dapat dibuat formulasi kendala-kendala

sebagai berikut :

1. Untuk spon yang akan digunakan adalah 908 cm 2 untuk sandal tali bahan
( X 1) dan 910 cm2 untuk sandal tali karet ( X 2) dengan kapasitas yang
tersedia sebesar 2.000 .000 cm2.
2. Untuk lem yang akan digunakan adalah 67 gram untuk sandal tali bahan
( X 1) dan 80 gram untuk sandal tali karet ( X 2) dengan kapasitas yang
tersedia sebesar 150.000 gram.
Apabila di sajikan dalam bentuk tabel adalah sebagai berikut :

Jenis Produk
Bahan Baku Sandal Tali Sandal Tali Kapasitas
Bahan Karet
Spon 908 910 2.000.000
Lem 67 80 150.000
Keuntungan Rp. 12.000 Rp. 10.000

Maka didapatkan fungsi batasan/kendala adalah sebagai berikut :

1. 908 X 1 +910 X 2 ≤ 2.000.000

2. 67 X 1 +80 X 2 ≤ 150.000
 Fungsi tujuan tersebut dirubah menjadi fungsi implisit dengan menggeser
elemen dari sebelah kanan ke sebelah kiri sehingga didapatkan fungsi tujuan
sebagai berikut :

Z−12.000 X 1−10.000 X 2=0

Fungsi kendala/batasan tersebut diubah dengan menambahkan variable slack yang

berfungsi untuk mengetahui batasan-batasan dalam kapasitas dengan menambah
variabel tambahan tersebut menjadi :

1. 908 X 1 +910 X 2 ≤ 2.000.000 diubah menjadi 908 X 1 +910 X 2=2.000 .000

2. 67 X 1 +80 X 2 ≤ 150.000 diubah menjadi 67 X 1 +80 X 2=150.000

Dengan menggunakan metode simpleks dual, maka untuk mengkonversikan

semua fungsi kendala dilakukan dengan mengalikan semua kendala dengan (-1)
sehingga dihasilkan :

Maksimumkan Z = 12.000 X 1 +10.000 X 2

Dengan kendala : −908 X 1 −910 X 2 ≤2.000 .000

−67 X 1−80 X 2 ≤150.000

Selanjutnya adalah menambahkan variabel slack kedalam kendala, sehingga

Maksimumkan Z = 12.000 X 1 +10.000 X 2

Dengan kendala : −908 X 1 −910 X 2 +S 1 ≤ 2.000 .000

−67 X 1−80 X 2 +S 2 ≤ 150.000

X 1 , X 2 , X 3 , S1 , S 2 ≥ 0

Berdasarkan persamaan-persamaan diatas, didapatkan optimasi pertama :

Variabel Z X1 X2 S1 S2 K I
Dasar o n
n d
s e
t k
a s
n
t
a

R
 u
a
s

K
a
n
a
n
Z 1 12.000 -10.000 0 0 0 0
S1 0 908 910 1 0 2 2
. 2
0 0
0 3
0
.
0
0
0
S2 0 67 80 0 1 1 2
5 1
0 0
. 0
0
0
0

Maka didapatkan baris kunci baru/baris pivot yaitu :

908 910 1 0 2.000.000 : 908

1 1 1/908 0 2203

Selanjutnya tentukan nilai Z :

12.000 -10.000 0 0 0 x 12.000

1 1 1/908 0 2203
1 2000 12.000/908 0 26.436.000 -

Untuk nilai S2 adalah

67 80 0 1 150.000 x 67
1 1 1/908 0 2203
0 13 67/908 0 2399 -
 K
o
n
s
t
a
n
t
a
Variabel X1 X2 S1 S2
Z
Dasar R
u
a
s

K
a
n
a
n
Z 1 0 2.000 12.000/908 0 2
6
.
4
3
6
.
0
0
0
S1 0 1 1 1/908 0 2
2
0
3
S2 0 0 13 -67/908 0 2
3
9
9
Berdasarkan tabel tersebut, baris fungsi Z sudah tidak ada lagi
yang bernilai negatif sehingga solusi yang diperoleh optimal yang memiliki arti
bahwa jika produsen ingin memperoleh keuntungan yang maksimal, maka
perusahaan “Naning Agatha Shoes” hanya memproduksi 2203 pasang sandal tali
bahan. Sedangkan bahan yang dibutuhkan dalam pembuatan tersebut adalah :

1. Spon : 908 ( 2203 ) +910 ( 0 )=2.000 .000 cm2

2. Lem 67 ( 2203 ) +80 ( 0 )=147.601 gram sisa 2399 gram
Dari kasus diatas, untuk mendapatkan keuntungan yang optimal maka perusahaan
“Naning Agatha Shoes” harus memproduksi sebanyak :

1. Sandal tali bahan (X1) banyaknya adalah 2203 pasang sandal. Dalam
sebulan ini perusahaan “Naning Agatha Shoes”hanya memproduksi
sebanyak 2000 pasang sandal. Maka bila perusahaan ingin mencapai
keuntungan maksimal perusahaan harus menambah produksinya hingga
mencapai 2203 pasang sandal.
2. Sandal tali karet (X2) untuk tidak memproduksinya terlebih dahulu karena
jika perusahaan berupaya mendapatkan keuntungan yang maksimal
dengan persediaan bahan baku yang tetap pada setiap bulannya dan
keuntungan tetap setiap pasang sandal.
3. Maka keuntungan maksimum yang akan dicapai perusahaan “Naning
Agatha Shoes” adalah sebesar : Rp.12.000(2203) + 10.000(0) =
Rp.26.236.000.
Dari kasus diatas dapat disimpulkan bahwa perusahaan akan
mendapatkan keuntungan yang maksimal dari sandal tali bahan sebanyak
Rp.26.236.000 bila perusahaan “Naning Agatha Shoes” mampu
memproduksi 2203 pasang sendal tiap bulannya.