simpleks
Model Pemrograman Linier
Memaksimalkan/Meminimalkan:
𝑧 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛
𝑥𝑖 ≥ 0
Ingat! Untuk setiap variabel xi, pembatas tanda haruslah jelas yaitu xi
nonnegative (xi ≥ 0) atau xi unrestricted in sign (urs).
Bentuk standar
• Sebelum algoritma simpleks dapat digunakan untuk menyelesaikan
model LP, terlebih dahulu model LP harus dikonversi menjadi bentuk
yang setara di mana semua kendala adalah berupa persamaan
linear dan semua variabel bernilai nonnegatif.
• Model LP dalam bentuk yang setara ini disebut model LP bentuk
standar
• Untuk mengkonversi model LP umum menjadi model LP bentuk
standar, hal yang dilakukan yaitu setiap fungsi kendala yang
berbentuk pertidaksamaan linear harus diubah menjadi
persamaan linear
Ketentuan Bentuk Standar LP
• Seluruh fungsi kendala harus berbentuk persamaan dengan ruas
kanan yang nonnegatif.
• Seluruh variabel keputusan harus merupakan variabel bernilai
nonnegatif.
• Fungsi tujuan merupakan maksimasi /minimasi.
N!
CmN
N m! m!
Pengantar algoritma simpleks
Misalkan diketahui bentuk standar dari suatu permasalahan LP dengan
m fungsi kendala (persamaan linear) yang memuat N variabel (x1, x2,...,
xN) adalah sebagai berikut:
Memaksimumkan (Meminimumkan)
𝑧 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑁 𝑥𝑁
dengan fungsi kendala:
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑁 𝑥𝑁 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑁 𝑥𝑁 = 𝑏2
⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑁 𝑥𝑁 = 𝑏𝑚
𝑥𝑖𝑗 ≥ 0, 𝑖 = 1, 2, ⋯ , 𝑚 𝑗 = 1, 2, ⋯ , 𝑁
Pengantar algoritma simpleks
Misalkan didefinisikan:
a11 a12 a1N 𝑥1 𝑏1
a a2 N
a22 𝑥2 𝑏
A 21 𝑋= ⋮ 𝑏= 2
⋮
𝑥𝑁 𝑏𝑚
am1 am 2 amN
Definition
A basic solution to Ax = b is obtained by setting N - m variables equal
to 0 and solving for the values of the remaining m variables. This
assumes that setting the N - m variables equal to 0 yields unique
values for the remaining m variables or, equivalently, the columns for
the remaining m variables are linearly independent
Untuk menentukan suatu solusi dasar (basic solution) dari suatu sistem
persamaan Ax = b, yang dilakukan pertama kali adalah memilih sebanyak
N - m variabel (the nonbasic variables, or NBV) dan setiap variabel
tersebut ditetapkan bernilai 0. Selanjutnya menentukan nilai dari
N - (N - m) m variabel sisanya (the basic variables, or BV) sehingga
memenuhi Ax = b.
Solusi dasar & solusi dasar fisibel
• Apabila dipilih m vektor kolom yang membentuk matriks A adalah
bebas linear, dan (N – m) peubah lain yang berkoresponden dengan
vektor-vektor yang tersisa pada matriks A tersebut mempunyai nilai
nol, sehingga himpunan m persamaan simultan itu mempunyai
penyelesaian tunggal yang dinamakan solusi dasar (basic solution).
Definisi 2:
Basic Feasibel Solution (bfs): Sembarang solusi dari LP,
dengan seluruh peubah ≥ 0
Basic Variable (BV): Peubah yang bernilai > 0 di dalam
bfs
Non Basic Variable (NBV): Peubah yang bernilai = 0 di
dalam bfs
Solusi DASAR
Definition
Any basic solution to constraints LP’s problem in which all variables
are nonnegative is a basic feasible solution (or bfs).
Theorem 1
A point in the feasible region of an LP is an extreme point if and
only if it is a basic feasible solution to the LP.
Solusi DASAR
Penyelesaian:
Untuk persamaan simultan di atas: banyaknya persamaan linear adalah m = 2
dan banyaknya variabel adalah N = 4. Berdasarkan informasi tersebut, maka
banyaknya solusi dasar yang mungkin ada sebanyak 6. Setiap solusi dasar dari
persamaan simultan di atas mempunyai m = 2 BV dan N – m = 4 – 2 = 2 NBV.
Ke – 6 kemungkinan solusi dasar tersebut adalah :
1. x1 = 5; x2 = - 2; x3 = 0; x4 = 0
2. x1 =(13/15); x2 = 0; x3 = 0; x4 = (14/15)
3. x1 = 0; x2 = (13/31); x3 = 0; x4 = (35/31)
4. x1 = 0; x2 = 0; x3 = (13/30); x4 = (14/15)
5. x1 =0; x2 = - 2; x3 =(5/2); x4 = 0
Contoh 1
Pada saat memisalkan NBV adalah x1 dan x3, yang artinya BV adalah x2 dan x4,
4
maka tidak akan diperoleh solusi basis, hal ini dikarenakan vektor kolom x1
3
8
dan vektor kolom 3 6 tidak bebas linear.
x
Oleh karena itu hanya terdapat 5 solusi basis dari 6 solusi basis yang mungkin.
CONTOH 2
The Dakota Furniture Company manufactures desks, tables, and chairs. The
manufacture of each type of furniture requires lumber and two types of skilled
labor: finishing and carpentry. The amount of each resource needed to make each
type of furniture is given this Table.
Currently, 48 board feet of lumber, 20 finishing hours, and 8 carpentry hours are
available. A desk sells for $60, a table for $30, and a chair for $20. Dakota believes
that demand for desks and chairs is unlimited, but at most five tables can be sold.
Because the available resources have already been purchased, Dakota wants to
maximize total revenue.
CONTOH 2
Defining the decision variables as
x1 : number of desks produced
x2 : number of tables produced
x3 : number of chairs produced
Dakota should solve the following LP:
Contoh 3
Untuk mengilustrasikan hubungan antara titik ektrem dengan solusi dasar fisibel
seperti yang diutarakan dalam Theorem 1, perhatikan kembali permasalahan LP
the Leather Limited. Model LP dari permasalahan the Leather Limited adalah:
in the form
We call this format the row 0 version of the objective function (row 0 for short).
Algoritma Simpleks untuk Maksimasi
1. Mengubah semua fungsi kendala ke bentuk standar dengan
menambahkan slack variable atau mengurangi surplus variable
pada fungsi kendala tersebut. Slack variables yang ada
dimasukkan (ditambahkan) ke fungsi tujuan dan diberi koefisien
0.
2. Apakah dalam matriks A aij sudah terbentuk matriks identitas ?
a. Apabila dalam matriks A sudah terbentuk sub matriks identitas
I m maka disusun tabel awal simpleks sebagai berikut:
Algoritma Simpleks untuk Maksimasi
Solusi
BV Z X1 X2 X3 ... XN Ri
(RK)
Zj - C j 1 Z1 – C 1 Z2 – C 2 Z3 – C 3 ... ZN – C N 0
Solusi
BV Z X1 X2 X3 ... XN Ri
(RK)
Zj - C j 1 Z1 – C 1 Z2 – C 2 Z3 – C 3 ... ZN – C N 0
newPE PE ark
Algoritma Simpleks untuk Minimasi
(iii) Untuk elemen baris ke-i yang lainnya ditentukan dengan
perumusan:
Persamaan baru persamaan lama aik (newPE)
3x1 x2 r1 3
4 x1 3x2 x3 r2 6
x1 2 x2 x4 4
xi 0, i 1, 2, 3, 4 & r1 , r2 0
r1 3 3 x1 x2
• Substitusikan r2 6 4 x1 3 x2 x3
ke fungsi tujuan sehingga diperoleh:
z 4 x1 x2 M 3 3x1 x2 M 6 4 x1 3x2 x3
z 7 M 4x1 4M 1x2 Mx3 9M
z 7 M 4x1 4M 1x2 Mx3 9M
Solusi simpleks
• Tabel awal simpleks dari permasalahan LP tersebut adalah :
BV Z X1 X2 R1 X3 R2 X4 SOLUSI Ratio
Zj - Cj 1 7M – 4 4M – 1 0 (-M) 0 0 9M
r1 0 3 1 1 0 0 0 3 1
r2 0 4 3 0 -1 1 0 6 1,5
X4 0 1 2 0 0 0 1 4 4
3x1 x2 r1 3
4 x1 3x2 x3 r2 6
x1 2 x2 x4 4
xi 0, i 1, 2, 3, 4 & r1 , r2 0
FASE I
Minimasi: z r1 r2
3x1 x2 r1 3
4 x1 3x2 x3 r2 6 xi 0, i 1, 2, 3, 4 & r1 , r2 0
x1 2 x2 x4 4
Solusi DUA Fase
r1 3 3 x1 x2
• Substitusikan ke fungsi tujuan sehingga diperoleh:
r2 6 4 x1 3 x2 x3
z r1 r2
z 3 3x1 x2 6 4 x1 3x2 x3
z 7 x1 4 x2 x3 9
z 7 x1 4 x2 x3 9
BV Z X1 X2 r1 X3 r2 X4 SOLUSI Ratio
Zj - Cj 1 0 0 -1 0 -1 0 0
X1 0 1 0 3/5 1/5 -1/5 0 3/5
X2 0 0 1 -4/5 -3/5 3/5 0 6/5
X4 0 0 0 1 1 -1 1 1
Solusi DUA Fase
FASE II
AV sekarang telah melaksanakan fungsinya dan harus dikeluarkan
dalam semua perhitungan selanjutnya. Hal ini berarti tabel optimum fase
I dapat dinyatakan sebagai fungsi kendala :
Min z 4 x1 x2
1 3
x1 x3
5 5 1 3
Sehingga x1 x3
3 6 5 5
x2 x3
5 5 3 6
x2 x3
x3 x4 1 5 5
x3 x4 1
x1, x2 , x3 , x4 0
Solusi DUA Fase
Pada fase II ini fungsi tujuannya menjadi :
3 1 6 3
z 4 x3 x3
5 5 5 5
1 18
z x3
5 5
1 18
z x3
5 5
• Tabel optimal simpleks dari phase I adalah :
BV Z X1 X2 X3 X4 SOLUSI Ratio
Zj - Cj 1 0 0 1/5 0 18/5
X1 0 1 0 1/5 0 3/5
X2 0 0 1 -3/5 0 6/5
X4 0 0 0 1 1 1
Solusi DUA Fase
• Tabel optimal simpleks dari phase II adalah :
BV Z X1 X2 X3 X4 SOLUSI
Zj - Cj 1 0 0 0 (-1/5) 17/5
X1 0 1 0 0 (-1/5) 2/5
X2 0 0 1 0 3/5 9/5
X3 0 0 0 1 1 1