RISET OPERASI

METODE SIMPLEKS DUAL

Disusun Oleh:

• Rizka Firdhayanti (20181112009)

• Andrieany Setyawati (20181112016)
• Ardiyani Sekarningrum (20181112036)

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS MUHAMMADIYAH SURABAYA
2020
 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, melainkan 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 ].

PEMBAHASAN
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” [ CITATION Wij13 \l
1057 ]. 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 [ CITATION Wij13 \l
1057 ]:

Tabel 1.Perbedaan Primal dan Dual

No Bentuk primal Bentuk dual
1. Umumnya notasi fungsi tujuan Umumnya notasi fungsi tujuan adalah
adalah Z W
2. Umumnya notasi variabel Umumnya notasi variabel keputusan
keputusan dalam bentuk X adalah Y
3. Unsur koefisien matriks Transporse koefisien matriks
pembatas 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

No Bentuk Primal Bentuk dual
.
1. Fungsi tujuan berbentuk Fungsi tujuan berbentuk minimasi
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 “ ≤”

Tabel 3Fungsi tujuan berbentuk minimasi.

No Bentuk primal Bentuk dual
 .
1. Fungsi tujuan berbentuk Fungsi tujuan berbentuk maksimasi
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 ≥

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,
Xj
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 )= cxterhadap´ kendala
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 [ CITATION Buu17 \l 1057 ].

B. Metode simpleks dual

A. Masalah Primal-Dual Simetrik
Program linier dikatakan simetri jika ruas kanan pembatas bernilai tidak negatif,
semua pembatas menggunakan bentuk pertidaksamaan, jika dalam masalah
maksimasi bentuk pertidaksamaan berupa ≤ sedangkan dalam masalah minimasi
bentuk pertidaksamaan berupa ≥ CITATION Mul91 \l 1057 (Mulyono, S, 1991) .
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 m2 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-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 ≥ ,jadi terdapat dua pertidaksamaan.
3. Menggantikan setiap variabel x j tak terbatas menjadi x j= x'j−x j ' ' yang mana
x j ' ≥ 0, x j ' ' ≥ 0.

C. 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
m
ataupun solusi dual. Berdasarkan model standar dualitas Z j−C j =∑ aij −c j,
i=1
m
apabila Z j−C j <0 , atau ∑ aij y j<¿C ¿,
j
maka kondisi seperti ini dikatakan tidak
i=1

layak menurut dual dan tidak optimum menurut primal. Kondisi yang layak
menurut dual dan kondisi yang optimum menurut primal adalah apabila Z j−C j ≥ 0
m
dan ∑ 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 Zj - 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 Zj-Cj pada baris selanjutnya,
tentunya setelah dikalikan dengan elemen pivot pada baris Z j-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

1. Lots
Primal
Maksimasi
Z=2000 X 1 +5000 X 2 +4000 X 3
Pembatas 2 X 1 +3 X 2 +6 X 3 ≤ 60
2 X 1 +2 X 2 +4 X 3 ≤ 40
X 1 +3 X 2 +5 X 3 ≤ 30
X1 , X2 , X3≥ 0

Dual
Minimasi
W =60 X 1 +40 X 2+30 X 3
Pembatas 2 X 1 +2 X 2 + X 3 ≥2000
3 X 1 +2 X 2 +3 X 3 ≥5000
6 X 1 + 4 X 2 +5 X 3 ≥ 4000
X1 , X2 , X3≥ 0
2. Mots
Seorang petani memiliki lahan tanah yang ditanami oleh tanaman padi dan
gubis dengan jumlah masing-masing lahan untuk tanaman padi ialah 2 hm2 dan
lahan untuk tanaman gubis ialah 3 hm2 dan kapasitas lahan 30 hm2, petani tersebut
mempekerjakan orang untuk lahan-lahan tersebut pekerja untuk lahan padi ialah
10 orang dan pekerja untuk lahan gubis ialah 6 orang dengan kapasitas pekerja
yang tersedia ialah 65 orang. Modal yang dikeluarkan untuk lahan padi ialah 2,5
dan untuk lahan gubis ialah 2 (persatuan Rp. 1.000.000) dengan kapasitas 40.
Keuntungan setiap lahan secara berurutan ialah 20 dan 30 (persatuan Rp. 10.000).

Untuk menyelesaikan permasalahan bentuk cerita pertama ialah diubah ke dalam

tabel primal

Variabel kendala Padi Gubis Kapasitas

Lahan 2 3 30
Tenaga Kerja 10 6 60
Modal 2,5 2 40
Keuntungan 20 30
 (Rp. 10.000)
Setelah membuat tabel persoalan primal maka tabel primal-dual sebagai berikut:
Variabel kendala X1 X2 Kapasitas
Y1 2 3 ≤ 30
Y2 10 6 ≤ 60
Y3 2,5 2 ≤ 40
Keuntungan
≥ 20 ≥ 30
(Rp. 10.000)
Dengan tabel di atas diperoleh pertidaksamaan fungsi primal dan dual yakni:
Primal
Fungsi tujuan (maksimasi) : Z=20 X 1 +30 X 2
Kendala :
2 X 1 +3 X 2 ≤30
10 X 1 +6 X 2 ≤ 60
2,5 X 1 +2 X 2 ≤ 40
dengan X 1 ≥ 0 , X 2 ≥ 0
Dual
Fungsi tujuan (minimasi) : W =30 Y 1+ 60Y 2 + 40Y 3
Kendala :
2 Y 1+ 10Y 2 +2,5 Y 3 ≥20
3 Y 1 +6 Y 2+ 2Y 3 ≥ 30
dengan Y 1 ≥0 , Y 2 ≥0 , Y 3 ≥0
Hubungan dari bentuk permasalahan primal dan permasalahan dual ialah ruas
kanan dari kendala bentuk primal menjadi variabel fungsi tujuan bentuk dual,
koefisien fungsi tujuan bentuk primal menjadi ruas kanan kendala bentuk dual
3. Hots
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 cm2 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 cm2 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 :

Konstanta
Variabel X1 X2 S1 S2
Z Ruas Indeks
Dasar
Kanan
Z 1 12.000 -10.000 0 0 0 0
S1 0 908 910 1 0 2.000.000 2203
S2 0 67 80 0 1 150.000 2100

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 -

Konstanta
Variabe X1 X2 S1 S2
Z Ruas
l Dasar
Kanan
Z 1 0 2.000 12.000/90 0 26.436.000
8
S1 0 1 1 1/908 0 2203
S2 0 0 13 -67/908 0 2399
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.

Kaitan dengan Kehidupan Sehari-hari

Matematika sangat luas kaitannya dengan kehidupan sehari-hari,
penerapan matematika tidak hanya dalam bidang pendidikan saja tetapi juga
dalam berbagai aspek kehidupan, salah satunya di bidang ekonomi. Selain
menghitung laba rugi, matematika juga dapat dimanfaatkan dalam suatu
perencanaan peramalan produksi pada suatu perusahaan. Dalam memproduksi
barang perusahaan juga mengalami berbagai permasalahan, salah satu metode
yang dapat mengoptimalkan sumber daya yang ada untuk menghasilkan suatu
produk adalah dengan menggunakan program linier.
Sebelumnya program linier digunakan dalam bidang militer yakni untuk
memecahkan masalah di masa perang dan yang pertama kali memprionir linear
programming ialah Goerge B. Dantzing [ CITATION Dan02 \l 1057 ] , tetapi sekarang
program linier juga dimanfaatkan dalam bidang bisnis karena program linier
berperan dalam menentukan nilai-nilai optimum agar perusahaan mendapatkan
keuntungan yang maksimal dengan adanya kendala-kendala yang harus terpenuhi,
bukan hanya para perusahaan yang akan mencari nilai optimum tetapi para petani
ataupun pekebun juga memerlukan metode untuk menentukan nilai optimum dari
hasil pertanian maupun perkebunan. Salah satu teori yang terdapat pada program
linier adalah teori simpleks dual, teori ini berfungsi sebagai alat analisis yang
mana berguna untuk seorang usahawan dalam memeriksa apakah masih terdapat
kesalahan-kesalahan dalam melakukan perubahan.

Kesimpulan
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, salah satu metode untuk
menentukan nilai optimum ialah metode simpleks dual. Setiap program linier
salah satunya simpleks dual memiliki dua bentuk yang selalu saling berbubungan
satu sama lainnya. Permasalahan pertama disebut “primal” sedangkan
permasalahan kedua disebut “dual”. Program linier dikatakan simetri jika ruas
kanan pembatas bernilai tidak negatif, semua pembatas menggunakan bentuk
pertidaksamaan. Program linier juga dimanfaatkan dalam bidang bisnis karena
program linier berperan dalam menentukan nilai-nilai optimum agar perusahaan
mendapatkan keuntungan yang maksimal dengan adanya kendala-kendala.

Daftar Pustaka
Basriati, S., Nurfarahim, Andiraja, N., & Rahma, A. N. (2018). Penggunaan Metode
Cutting Plane dalam Menentukan Solusi Integer Linear Programming. Seminar
Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI-10) (hal. 743).
Pekanbaru: Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau.

Bu'ulolo, F. (2017). Operasi Riset Program Linier (Vol. 2). Medan: USU Press.

Dantzing, G. B. (2002). Linear Programming and Extensions. Institute for Operations

Research and the Management Sciences (INFORMS), 50(1), 42-47.

Mulyono, S. (1991). Operations Research. Jakarta: Lembaga Penerbit Fakultas Ekonomi

Universitas Indonesia.

Prihandono, B., Habibullah, M., & Noviani, E. (2014). Metode Kamarkar sebagai
Alternatif Penyelesaian Masalah Pemrograman Linier. Jurnal Matematika Murni
dan Terapan Epsilon, 8(1), 7.

Teguh, R., & Sudiadi. (2014). Teknik Riset Operasional. Palembang: Sekolah Tinggi
Manajemen Infromatika GI MDP.

Wijaya, A. (2013). Pengantar Riset Operasi (Vol. 3). Jakarta: Penerbit Mitra Wacana
Media.