BAB I

LINEAR PROGRAMMING: METODE GRAFIK, METODE SIMPLEKS

1.1 Linear Programming

# Linear Programming (LP) merupakan suatu model matematika yang digunakan untuk
pengalokasian sumber-sumber daya yang terbatas dalam mencapai tujuan tunggal yaitu
memaksimumkan atau meminimumkan (suatu model matematika yang digunakan untuk
menyelesaikan masalah optimasi yang terdiri atas sebuah fungsi tujuan linier dan sistem
kendala linier). Bentuk linier disini berarti bahwa semua fungsi dalam model LP merupakan
fungsi linier. Tujuan utama dari Linear Programming adalah menentukan nilai optimum
(maksimum/minimum) dari fungsi tujuan yang telah ditetapkan.
# Dua macam fungsi pada model LP :
 Fungsi tujuan : menentukan nilai optimum dari fungsi tersebut yaitu nilai maksimum
untuk masalah keuntungan dan nilai minimum untuk masalah biaya.
 Fungsi pembatas (kendala) : berkenaan dengan adanya keterbatasan sumber daya yang
tersedia, misalnya jumlah bahan baku yang terbatas, waktu kerja, jumlah tenaga kerja,
luas gudang persediaan.
# Beberapa istilah yang digunakan dalam Linear Programming :
 Solusi Feasible adalah solusi yang memenuhi semua syarat pembatas (kendala).
 Solusi Infeasible adalah solusi yang sekurang-kurangnya memuat tidak memenuhi
salah satu syarat pembatas (kendala).
 Solusi Optimum adalah solusi feasible yang memiliki nilai fungsi tujuan paling
menguntungkan. Nilai fungsi tujuan paling menguntungkan adalah nilai terbesar untuk
fungsi tujuan maksimum, dan nilai terkecil untuk fungsi tujuan minimum.
# Bentuk Umum Model LP
Terdapat tiga langkah dalam memformulasikan model LP, yaitu :
(1) Tentukan variabel keputusan yang ingin diketahui, kemudian gambarkan dengan
simbol-simbol aljabar (𝑥𝑖 ).
(2) Tentukan semua keterbatasan atau kendala dan gambarkan dalam bentuk persamaan
atau pertidaksamaan linier dari variabel keputusan tadi.
(3) Tentukan kriteria atau tujuan (maksimasi/minimasi) dan gambarkan dalam bentuk
fungsi linier dari variabel keputusan tadi (𝑍).

1
Pada setiap masalah ditentukan variabel keputusan, fungsi tujuan dan sistem kendala yang
bersama-sama membentuk suatu model matematika dari permasalahan tersebut.
Bentuk umum model LP :
Fungsi Tujuan: Optimalkan 𝑍 = ∑𝑛𝑗=1 𝑏𝑗 𝑋𝑗
Kendala : ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑋𝑗 ≤ 𝑐𝑖 , atau
∑𝑛𝑗=1 𝑎𝑖𝑗 𝑋𝑗 ≥ 𝑐𝑖 , atau
∑𝑛𝑗=1 𝑎𝑖𝑗 𝑋𝑗 = 𝑐𝑖 ,
𝑋𝑗 ≥ 0
𝑖 = 1,2, … , 𝑚 ; 𝑗 = 1,2, … , 𝑛
Contoh 1.1 : Masalah Maksimisasi
PT ABCTEKSTIL memiliki sebuah pabrik yang akan memproduksi 2 jenis produk, yaitu kain
sutera dan kain wol. Untuk memproduksi kedua produk diperlukan bahan baku benang sutera,
bahan baku benang wol dan tenaga kerja. Maksimum penyediaan benang sutera adalah 60 kg
per hari, benang wol 30 kg per hari dan tenaga kerja 40 jam per hari. Sebuah kain sutera
memerlukan 2 kg benang sutera dan 2 jam tenaga kerja. Sedangkan sebuah kain wol
memerlukan 3 kg benang sutera, 2 kg benang wol dan 1 jam tenaga kerja. Kedua jenis produk
memberikan keuntungan sebesar Rp 40 juta untuk kain sutera dan Rp 30 juta untuk kain wol.
Bagaimana menentukan jumlah unit setiap jenis produk yang akan diproduksi setiap hari agar
keuntungan yang diperoleh bisa maksimal?
Penyelesaian :
Untuk menyederhanakan masalah serta mempermudah dalam pembentukan model LP, kita
dapat membuat tabel yang sesuai dengan masalah pada contoh 1 :

Berdasarkan Tabel diatas kemudian dibuat model LP nya sebagai berikut :

Variabel keputusan :
𝑋1 = Jumlah kain sutera
𝑋2 = Jumlah kain wol
Fungsi tujuan :
Maksimumkan 𝑍 = 40𝑋1 + 30𝑋2
Fungsi kendala :

2
 2𝑋1 + 3𝑋2 ≤ 60 (benang sutera)
2𝑋2 ≤ 30 (benang wol)
2𝑋1 + 𝑋2 ≤ 40 (tenaga kerja)
𝑋1 , 𝑋2 ≥ 0
Model LP :
Maksimumkan 𝑍 = 40𝑋1 + 30𝑋2
dengan kendala 2𝑋1 + 3𝑋2 ≤ 60
2𝑋2 ≤ 30
2𝑋1 + 𝑋2 ≤ 40
𝑋1 , 𝑋2 ≥ 0
Contoh 1.2 : Masalah Minimisasi
Perusahaan makanan ROYAL merencanakan untuk membuat dua jenis makanan yaitu Royal
Bee dan Royal Jelly yang mengandung vitamin dan protein dengan kebutuhan minimum 8 unit
untuk vitamin dan 12 unit untuk protein. Royal Bee mengandung 2 unit vitamin dan 2 unit
protein. Sedangkan Royal Jelly mengandung 1 unit vitamin dan 3 unit protein. Royal Bee
paling sedikit diproduksi 2 unit dan Royal Jelly paling sedikit diproduksi 1 unit. Kedua jenis
produk memberikan biaya produksi sebesar Rp 100 ribu untuk Royal Bee dan Rp 80 ribu untuk
Royal Jelly. Bagaimana menentukan kombinasi kedua jenis makanan agar meminimumkan
biaya produksi.
Penyelesaian :

Berdasarkan Tabel diatas kemudian dibuat model LP nya sebagai berikut:

Variabel keputusan :
𝑋1 = Jumlah Royal Bee
𝑋2 = Jumlah Royal Jelly
Fungsi tujuan :
Minimumkan 𝑍 = 100𝑋1 + 80𝑋2
Fungsi kendala :
2𝑋1 + 𝑋2 ≥ 8 (vitamin)

3
 2𝑋1 + 3𝑋2 ≥ 12 (protein)
𝑋1 ≥ 2
𝑋2 ≥ 1
Model LP :
Minimumkan 𝑍 = 100𝑋1 + 80𝑋2
dengan kendala 2𝑋1 + 𝑋2 ≥ 8
2𝑋1 + 3𝑋2 ≥ 12
𝑋1 ≥ 2
𝑋2 ≥ 1

1.2 Metode Grafik

Metode grafik akan efektif jika digunakan untuk menyelesaikan masalah LP yang hanya
memiliki dua variabel keputusan. Pada masalah minimasi solusi optimal tercapai pada saat
garis fungsi tujuan menyinggung daerah fisible yang terdekat dengan titik origin.
Penyelesaian Contoh 1.1 :
 Membuat grafik

4
 Solusi optimal dapat diperoleh dengan menggunakan dua cara :
1. Dengan mencari nilai 𝑍 setiap titik ekstrim

Kesimpulan :
Untuk memperoleh keuntungan optimal, maka 𝑋1 = 15 dan 𝑋2 = 10 dengan
keuntungan sebesar Rp 900 juta.

5
 2. Dengan cara menggeser garis fungsi tujuan
Solusi optimal akan tercapai pada saat garis fungsi tujuan menyinggung daerah
feasible (daerah yang diliputi oleh semua kendala) yang terjauh dari titik origin.
Pada gambar, solusi optimal tercapai pada titik C yaitu persilangan garis kendala
(1) dan (3).

Penyelesaian Contoh 1.2 :

6
 Kesimpulan :
Untuk meminimumkan biaya produksi, maka 𝑋1 = 3 dan 𝑋2 = 2 dengan biaya
produksi sebesar Rp 460 ribu.

1.3 Metode Simpleks

# Metode Simpleks adalah suatu metode yg secara matematis dimulai dari suatu pemecahan
dasar yg feasibel (basic feasible solution) ke pemecahan dasar feasibel lainnya dan dilakukan
secara berulang-ulang (iteratif) sehingga akhirnya diperoleh suatu pemecahan dasar yang
optimal. Penentuan solusi optimal dalam metode simpleks didasarkan pada teknik Eliminasi
Gauss Jordan. Metode simpleks digunakan karena metode grafik tidak dapat menyelesaikan
persoalan Linear Programming yang memiliki variabel keputusan yang cukup besar atau lebih
dari dua. Metode simpleks didasarkan pada optimality and feasibility condition. Optimality
condition menjamin bahwa solusi selalu tetap optimum, sementara feasibility condition
memaksa solusi dasar mencapai ruang layak.
# Beberapa istilah dalam metode simpleks, sebagai berikut :
1. Iterasi adalah tahapan perhitungan dimana nilai dalam perhitungan itu tergantung dari
nilai tabel sebelumnya.
2. Variabel Non Basis adalah variabel yang nilainya diatur menjadi nol pada sembarang
iterasi. Dalam terminologi umum, jumlah variabel non basis selalu sama dengan derajat
bebas dalam sistem persamaan.
3. Variabel Basis (VB) merupakan variabel yang nilainya bukan nol pada sembarang
iterasi. Pada solusi awal, variabel basis merupakan variabel slack (jika fungsi kendala
merupakan pertidaksamaan ≤) atau variabel buatan (jika fungsi kendala menggunakan

7
 pertidaksamaan ≥ atau =). Secara umum, jumlah variabel basis selalu sama dengan
jumlah fungsi pembatas (tanpa fungsi non negatif).
4. Solusi atau Nilai Kanan (NK/RHS) merupakan nilai sumber daya pembatas yang
masih tersedia. Pada solusi awal, nilai kanan atau solusi sama dengan jumlah sumber
daya pembatas awal yang ada, karena aktivitas belum dilaksanakan.
5. Variabel Slack (𝑺𝒊 ) adalah variabel yang ditambahkan ke model matematik kendala
untuk mengkonversikan pertidaksamaan ≤ menjadi persamaan (=). Penambahan
variabel ini terjadi pada tahap inisialisasi. Pada solusi awal, variabel slack akan
berfungsi sebagai variabel basis.
6. Variabel Surplus (𝑺𝒊 ) adalah variabel yang dikurangkan dari model matematik
kendala untuk mengkonversikan pertidaksamaan ≥ menjadi persamaan (=).
Penambahan ini terjadi pada tahap inisialisasi. Pada solusi awal, variabel surplus tidak
dapat berfungsi sebagai variabel basis.
7. Variabel Buatan/Artificial Variabel (𝑨𝒊 ) adalah variabel yang ditambahkan ke model
matematik kendala dengan bentuk ≥ atau = untuk difungsikan sebagai variabel basis
awal. Penambahan variabel ini terjadi pada tahap inisialisasi. Variabel ini harus bernilai
0 pada solusi optimal, karena kenyataannya variabel ini tidak ada.
8. Kolom Pivot (Kolom Kunci) adalah kolom yang memuat variabel masuk. Koefisien
pada kolom ini akn menjadi pembagi nilai kanan untuk menentukan baris pivot (baris
kerja).
9. Baris Pivot (Baris Kunci) adalah salah satu baris dari antara variabel basis yang
memuat variabel keluar.
10. Elemen Pivot (Angka Kunci) adalah elemen yang terletak pada perpotongan kolom
dan baris pivot. Elemen pivot akan menjadi dasar perhitungan untuk tabel simpleks
berikutnya.
11. Variabel Masuk (Entering Variable) adalah variabel yang terpilih untuk menjadi
variabel basis pada iterasi berikutnya. Variabel masuk dipilih satu dari antara variabel
non basis pada setiap iterasi. Variabel ini pada iterasi berikutnya akan bernilai positif.
12. Variabel Keluar (Leaving Variable) adalah variabel yang keluar dari variabel basis
pada iterasi berikutnya dan digantikan oleh variabel masuk. Variabel keluar dipilih satu
dari antara variabel basis pada setiap iterasi. Variabel ini pada iterasi berikutnya akan
bernilai nol.

8
# Bentuk Baku Model LP
Sebelum melakukan perhitungan iteratif untuk menentukan solusi optimal, pertama sekali
bentuk umum model LP dirubah ke dalam bentuk baku terlebih dahulu. Bentuk baku dalam
metode simpleks tidak hanya mengubah persamaan kendala ke dalam bentuk sama dengan,
tetapi setiap fungsi kendala harus diwakili oleh satu variabel basis awal. Variabel basis awal
menunjukkan status sumber daya pada kondisi sebelum ada aktivitas yang dilakukan. Dengan
kata lain, variabel keputusan semuanya masih bernilai nol. Dengan demikian, meskipun fungsi
kendala pada bentuk umum LP sudah dalam bentuk persamaan, fungsi kendala tersebut masih
harus tetap berubah.
Beberapa ketentuan yang harus diperhatikan dalam membuat bentuk baku, antara lain :
1. Nilai kanan (NK / RHS) fungsi tujuan harus nol (0).
2. Nilai kanan (NK / RHS) fungsi kendala harus positif. Apabila negatif, nilai tersebut
harus dikalikan –1.
3. Fungsi kendala dengan pertidaksamaan ≤ dalam bentuk umum, diubah menjadi
persamaan (=) dengan menambahkan satu variabel slack (+𝑺).
4. Fungsi kendala dengan pertidaksamaan ≥ dalam bentuk umum, diubah menjadi
persamaan (=) dengan mengurangkan satu variabel surplus (−𝑺).
5. Fungsi kendala dengan persamaan (=) dalam bentuk umum, ditambahkan satu artificial
variabel (+𝑨).
6. Fungsi kendala dengan tanda pertidaksamaan “ ≥ ” dapat diubah ke bentuk “ ≤ ” dengan
cara mengalikan dengan –1, lalu diubah ke bentuk persamaan (=) dengan ditambahkan
variabel slack (+𝑺). Kemudian karena NK-nya negatif, dikalikan lagi dengan –1 dan
ditambah artificial variabel (𝑨).
# Langkah-Langkah Metode Simpleks
Langkah-langkah penyelesaian dengan metode simpleks adalah sebagai berikut :
1. Mengubah fungsi tujuan dan fungsi kendala ke dalam bentuk baku (lihat beberapa
ketentuan yang harus diperhatikan).
2. Menyusun persamaan-persamaan ke dalam tabel simpleks

9
 Var. Nilai
Basis Z X1 X2 X3 … Xn S1 S2 … Sm Kanan Rasio
(VB) (NK)

Z 1 - C1 - C2 - C3 … - Cn 0 0 … 0 0
S1 0 a11 a12 a13 … an 1 0 … 0 b1
S2 0 a21 a22 a23 … a2n 0 1 … 0 b2

… …
…

…
Sm 0 an1 an2 an3 … anm 0 0 … 1 bn

Periksa apakah tabel layak atau tidak. Kelayakan tabel simpleks dilihat dari solusi (nilai
kanan). Jika solusi ada yang bernilai negatif, maka tabel tidak layak. Tabel yang tidak
layak tidak dapat diteruskan untuk dioptimalkan.
3. Memilih kolom pivot (kolom kunci)
Penentuan kolom kunci dilihat dari koefisien fungsi tujuan (nilai di sebelah kanan baris
𝑍) dan tergantung dari bentuk tujuan. Jika tujuan maksimisasi, maka kolom kunci
adalah kolom dengan koefisien paling negatif. Jika tujuan minimisasi, maka kolom
kunci adalah kolom dengan koefisien positif terbesar. Jika kolom kunci ditandai dan
ditarik ke atas, maka kita akan mendapatkan variabel masuk (entering variable). Jika
nilai paling negatif (untuk tujuan maksimisasi) atau positif terbesar (untuk tujuan
minimisasi) lebih dari satu, pilih salah satu secara sembarang.
4. Memilih baris pivot (baris kunci)
Baris kunci ditentukan setelah membagi nilai solusi atau nilai kanan dengan nilai kolom
kunci yang bersesuaian (nilai yang terletak dalam satu baris). Nilai negatif dan 0 pada
kolom kunci tidak diperhatikan, artinya tidak ikut menjadi pembagi. Baris kunci
adalah baris yang mempunyai rasio terkecil. Jika baris kunci ditandai dan ditarik ke
kiri, maka kita akan mendapatkan variabel keluar (leaving variable). Jika rasio
pembagian terkecil lebih dari satu, pilih salah satu secara sembarang.
𝑵𝒊𝒍𝒂𝒊 𝑲𝒂𝒏𝒂𝒏 (𝑵𝑲)
𝑹𝒂𝒔𝒊𝒐 =
𝑵𝒊𝒍𝒂𝒊 𝑲𝒐𝒍𝒐𝒎 𝑲𝒖𝒏𝒄𝒊
5. Menentukan elemen pivot (angka kunci)
Angka kunci merupakan nilai yang terletak pada perpotongan kolom kunci dan baris
kunci.

10
 6. Membentuk tabel simpleks baru
Tabel simpleks baru dibentuk dengan pertama sekali mengubah nilai-nilai baris kunci.
Nilai baris kunci diubah dengan cara membaginya dengan angka kunci.
𝑩𝒂𝒓𝒊𝒔 𝒃𝒂𝒓𝒖 𝒌𝒖𝒏𝒄𝒊 = 𝒃𝒂𝒓𝒊𝒔 𝒌𝒖𝒏𝒄𝒊 ∶ 𝒂𝒏𝒈𝒌𝒂 𝒌𝒖𝒏𝒄𝒊
Selanjutnya ganti variabel basis pada baris kunci dengan variabel yang terdapat di
bagian atas kolom kunci. Kemudian mengubah nilai-nilai selain baris kunci sehingga
nilai-nilai kolom kunci (selain baris kunci) = 0. Untuk mengubahnya menggunakan
Operasi Baris Elementer (OBE) atau dengan rumus :
Baris baru = baris lama – (koefisien angka kolom kunci x nilai baris baru kunci)
7. Periksa apakah tabel sudah optimal
Keoptimalan tabel dilihat dari koefisien fungsi tujuan (nilai pada baris 𝑍) dan
tergantung dari bentuk tujuan. Untuk tujuan maksimisasi, tabel sudah optimal jika
semua nilai pada baris 𝑍 sudah positif atau 0. Pada tujuan minimisasi, tabel sudah
optimal jika semua nilai pada baris z sudah negatif atau 0. Jika belum, kembali ke
langkah no. 3, jika sudah optimal baca solusi optimalnya.
Contoh 1.3 :
PT BAKERY memproduksi tiga jenis roti kering, yaitu coklat keju, bolukismis dan pia dengan
keuntungan per lusin untuk tiap jenis produk masing-masing $8, $9 dan $4. Ketiga jenis roti
memerlukan pemrosesan tiga kali yaitu penyiapan bahan, peracikan dan pengovenan dengan
penyediaan maksimal untuk masing-masing proses per hari adalah 2 jam, 3 jam, dan 8 jam.
Untuk 1 lusin coklat keju membutuhkan waktu 1 jam penyiapan bahan, 2 jam peracikan dan 7
jam pengovenan. Untuk 1 lusin bolukismis membutuhkan waktu 1 jam penyiapan bahan, 3 jam
peracikan dan 6 jam pengovenan. Untuk 1 lusin pia membutuhkan waktu 2 jam penyiapan
bahan, 4 jam peracikan dan 2 jam pengovenan. Berapa jumlah roti kering (lusin) masing-
masing yang harus diproduksi setiap hari agar keuntungan yang diperoleh dapat maksimal?
Penyelesaian :
Jenis roti kering Penyediaan max
Pemprosesan
Coklat keju (X1) Bolukismis (X2) Pia (X3) (jam)
Penyiapan bahan 1 1 2 2
Peracikan 2 3 4 3
Pengovenan 7 6 2 8
Misalkan : X1 = Jumlah coklat keju (lusin)
X2 = Jumlah bolukismis (lusin)
X3 = Jumlah pia (lusin)

11
Model LP :
Maksimum Z = 8 X1 + 9 X2 + 4 X3
dengan kendala X1 + X2 + 2X3 ≤ 2 (Penyiapan bahan)
2X1 + 3X2 + 4X3 ≤ 3 (Perakitan)
7X1 + 6X2 + 2X3 ≤ 8 (Pengovenan)
X1, X2, X3 ≥ 0
Bentuk bakunya adalah :
Maks. Z = 8X1 + 9X2 + 4X3 + 0S1 + 0S2 + 0S3 atau Z - 8X1 - 9X2 – 4X3 – 0S1 – 0S2 – 0S3 = 0
dengan kendala X1 + X2 + 2X3 + S1 = 2
2X1 + 3X2 + 4X3 + S2 = 3
7X1 + 6X2 + 2X3 + S3 = 8
X1, X2, X3, S1, S2, S3 ≥ 0
Solusi / tabel awal simpleks
VB Z X1 X2 X3 S1 S2 S3 NK Rasio
Z 1 -8 -9 -4 0 0 0 0
S1 0 1 1 2 1 0 0 2
S2 0 2 3 4 0 1 0 3
S3 0 7 6 2 0 0 1 8

Karena nilai negatif terbesar ada pada kolom X2, maka kolom X2 adalah kolom kunci dan X2
adalah variabel masuk. Rasio pembagian nilai kanan dengan kolom kunci terkecil adalah 1
bersesuaian dengan baris S2, maka baris S2 adalah baris kunci dan S2 adalah variabel keluar
serta diperoleh angka kunci adalah 3.
VB Z X1 X2 X3 S1 S2 S3 NK Rasio
Z 1 -8 -9 -4 0 0 0 0 -
S1 0 1 1 2 1 0 0 2 2/1=2
S2 0 2 3 4 0 1 0 3 3/3=1
S3 0 7 6 2 0 0 1 8 8/6=4/3

Iterasi 1
Nilai pertama yang kita miliki adalah nilai baris kunci baru (baris X2). Semua nilai pada baris
S2 pada tabel solusi awal dibagi dengan 3 (angka kunci).

VB Z X1 X2 X3 S1 S2 S3 NK Rasio
Z
S1
X2 0 2/3 1 4/3 0 1/3 0 1
S3

12
Kemudian mengubah nilai-nilai selain baris kunci sehingga nilai-nilai kolom kunci (selain baris
kunci) = 0 dengan menggunakan rumus :
Baris baru = baris lama – (koefisien angka kolom kunci x nilai baris baru kunci)
dimana nilai baris baru kunci (NBBK).
Perhitungan nilai baris lainnya :
Baris Z :
Baris lama -8 -9 -4 0 0 0 0
NBBK -9 ( 2/3 1 4/3 0 1/3 0 1) -
Baris baru -2 0 8 0 3 0 9

Baris S1 :
Baris lama 1 1 2 1 0 0 2
NBBK 1(2/3 1 4/3 0 1/3 0 1)-
Baris baru 1/3 0 2/3 1 -1/3 0 1

Baris S3 :
Baris lama 7 6 2 0 0 1 8
NBBK 6 ( 2/3 1 4/3 0 1/3 0 1)-
Baris baru 3 0 -6 0 -2 1 2

Sehingga diperoleh tabel simpleks untuk iterasi 1 sebagai berikut :

VB Z X1 X2 X3 S1 S2 S3 NK Rasio
Z 1 -2 0 8 0 3 0 9 -
S1 0 1/3 0 2/3 1 -1/3 0 1 3
X2 0 2/3 1 4/3 0 1/3 0 1 3/2
S3 0 3 0 -6 0 -2 1 2 2/3

Selanjutnya kita periksa apakah tabel sudah optimal atau belum. Karena nilai baris Z di bawah
variabel X1 masih negatif, maka tabel belum optimal. Oleh karena itu, kita lakukan iterasi ke
2 dengan mengulangi langkah-langkah pada iterasi ke 1. Kolom dan baris kuncinya
ditandai pada tabel di atas.

13
 Iterasi 2
Variabel masuk adalah X1 dan variabel keluar adalah S3 . Hasil perhitungan iterasi ke 2 adalah
sebagai berikut :
VB Z X1 X2 X3 S1 S2 S3 NK Rasio
Z 1 0 0 4 0 5/3 2/3 31/3
S1 0 0 0 4/3 1 -1/9 -1/9 7/9
X2 0 0 1 8/3 0 7/9 -2/9 5/9
X1 0 1 0 -2 0 -2/3 1/3 2/3

Pada baris Z tabel iterasi ke 2 tidak ada lagi yang bernilai negatif yang berarti tabel sudah
memberikan hasil optimal sehingga perhitungan iterasi dihentikan !

Kesimpulan :
Berdasarkan tabel iterasi 2 diperoleh solusi optimal X1 = 2/3, X2 = 5/9 , X3 = 0 dan Z = 31/3,
artinya untuk mendapatkan keuntungan maksimum sebesar $31/3, maka PT BAKERY
sebaiknya menghasilkan roti kering coklat keju sebanyak 2/3 lusin dan bolukismis sebanyak
5/9 lusin.
CATATAN :
 Perhitungan dalam metode simpleks menuntut ketelitian tinggi, khususnya jika angka yang
digunakan adalah pecahan. Pembulatan harus diperhatikan dengan baik. Sehingga
sebaiknya jangan menggunakan bentuk bilangan desimal, akan lebih teliti jika
menggunakan bilangan pecahan. Pembulatan dapat menyebabkan iterasi lebih panjang
atau bahkan tidak selesai karena ketidaktelitian dalam melakukan pembulatan.
 Perhitungan iteratif dalam metode simpleks pada dasarnya merupakan pemeriksaan satu
per satu titik-titik ekstrim layak (feasible) pada daerah penyelesaian. Pemeriksaan dimulai
dari kondisi nol (dimana semua aktivitas/variabel keputusan bernilai nol). Jika titik ekstrim
berjumlah n, kemungkinan terburuknya kita akan melakukan perhitungan iteratif sebanyak
n kali.

Contoh 1.4 :
BAYU FURNITURE memproduksi 2 jenis produk yaitu meja dan kursi yang harus diproses
melalui perakitan dan finishing. Proses perakitan memiliki 28 jam kerja sedangkan proses
finishing memiliki 20 jam kerja. Untuk menghasilkan satu meja dibutuhkan 2 jam perakitan
dan 1 jam finishing, sedangkan satu kursi membutuhkan 1 jam perakitan dan 2 jam finishing.

14
Laba untuk tiap meja $3 dan tiap kursi $2 dengan jumlah permintaan pelanggan meja dan kursi
tidak lebih dari 15 unit. Tentukan kombinasi terbaik dari jumlah meja dan kursi yang harus
diproduksi, agar menghasilkan laba maksimal !
Penyelesaian :
Jenis produk Penyediaan
Pemprosesan
Meja (X1) Kursi (X2) (jam)
Perakitan 2 1 28
Finishing 1 2 20

Misalkan : X1 = Jumlah meja

X2 = Jumlah kursi
Model LP :
Maksimum Z = 3 X1 + 2 X2
dengan kendala X1 + X2 ≤ 15 (Jumlah permintaan)
2X1 + X2 ≤ 28 (Perakitan)
X1 + 2X2 ≤ 20 (Finishing)
X1, X2 ≥ 0
Bentuk bakunya adalah :
Maks. Z = 3X1 + 2X2 + 0S1 + 0S2 + 0S3 atau Z - 3X1 - 2X2– 0S1 – 0S2 – 0S3 = 0
dengan kendala X1 + X2 + S1 = 15
2X1 + X2 + S2 = 28
X1 + 2X2 + S3 = 20
X1, X2, S1, S2, S3 ≥ 0
Solusi / tabel awal simpleks
VB Z X1 X2 S1 S2 S3 NK Rasio
Z 1 -3 -2 0 0 0 0
S1 0 1 1 1 0 0 15
S2 0 2 1 0 1 0 28
S3 0 1 2 0 0 1 20

Karena nilai negatif terbesar ada pada kolom X1, maka kolom X1 adalah kolom kunci dan X1
adalah variabel masuk. Rasio pembagian nilai kanan dengan kolom kunci terkecil adalah 14
bersesuaian dengan baris S2, maka baris S2 adalah baris kunci dan S2 adalah variabel keluar
serta diperoleh angka kunci adalah 2.

15
 VB Z X1 X2 S1 S2 S3 NK Rasio
Z 1 -3 -2 0 0 0 0 -
S1 0 1 1 1 0 0 15 15/1=15
S2 0 2 1 0 1 0 28 28/2=14
S3 0 1 2 0 0 1 20 20/1=20

Iterasi 1
Nilai pertama yang kita miliki adalah nilai baris kunci baru (baris X1). Semua nilai pada baris
S2 pada tabel solusi awal dibagi dengan 2 (angka kunci).

VB Z X1 X2 S1 S2 S3 NK Rasio
Z
S1
X1 0 1 1/2 0 1/2 0 14
S3

Kemudian mengubah nilai-nilai selain baris kunci sehingga nilai-nilai kolom kunci (selain baris
kunci) = 0 dengan menggunakan rumus :
Baris baru = baris lama – (koefisien angka kolom kunci x nilai baris baru kunci)
dimana nilai baris baru kunci (NBBK).
Perhitungan nilai baris lainnya :
Baris Z :
Baris lama -3 -2 0 0 0 0
NBBK -3 ( 1 1/2 0 1/2 0 14) -
Baris baru 0 -1/2 0 3/2 0 42

Baris S1 :
Baris lama 1 1 1 0 0 15
NBBK 1 (1 1/2 0 1/2 0 14) -
Baris baru 0 1/2 1 -1/2 0 1

Baris S3 :
Baris lama 1 2 0 0 1 20
NBBK 1 (1 1/2 0 1/2 0 14) -
Baris baru 0 3/2 0 -1/2 1 6

16
Sehingga diperoleh tabel simpleks untuk iterasi 1 sebagai berikut :
VB Z X1 X2 S1 S2 S3 NK Rasio
Z 1 0 -1/2 0 3/2 0 42 -
S1 0 0 1/2 1 -1/2 0 1 2
X1 0 1 1/2 0 1/2 0 14 28
S3 0 0 3/2 0 -1/2 1 6 4

Selanjutnya kita periksa apakah tabel sudah optimal atau belum. Karena nilai baris Z di bawah
variabel X1 masih negatif, maka tabel belum optimal. Oleh karena itu, kita lakukan iterasi ke
2 dengan mengulangi langkah-langkah pada iterasi ke 1. Kolom dan baris kuncinya
ditandai pada tabel di atas.

Iterasi 2
Variabel masuk adalah X2 dan variabel keluar adalah S1 . Hasil perhitungan iterasi ke 2 adalah
sebagai berikut :
VB Z X1 X2 S1 S2 S3 NK Rasio
Z 1 0 0 1 1 0 43
X2 0 0 1 2 -1 0 2
X1 0 1 0 -1 1 0 13
S3 0 0 0 -3 1 1 3

Pada baris Z tabel iterasi ke 2 tidak ada lagi yang bernilai negatif yang berarti tabel sudah
memberikan hasil optimal sehingga perhitungan iterasi dihentikan !

Kesimpulan :
Berdasarkan tabel iterasi 2 diperoleh solusi optimal X1 = 13, X2 = 2 dan Z = 43, artinya untuk
mendapatkan keuntungan maksimum sebesar $43, maka BAYU FURNITURE sebaiknya
memproduksi meja sebanyak 13 unit dan kursi sebanyak 2 unit.

17