Bahan Ajar Program Linier PDF

Bahan Ajar: Program Linier i
Bahan Ajar: Program Linier ii

KATA PENGANTAR
Materi Program Linier dewasa ini tidak bisa diabaikan begitu saja. Hal ini
terbukti sampai saat ini materi program linier masih tetap diajarkan, mulai dari tingkat
Sekolah Menengah Atas (SMA) sampai tingkat Perguruan Tinggi khususnya jurusan
yang membutuhkan pengetahuan matematika terapan untuk bisnis dan ekonomi. Tidak
hanya itu saja, bahwa materi Program Linier merupakan salah satu indikator soal Ujian
Nasional dari tingkat Sekolah Menengah Atas pada berbagai kurikulum, serta tidak
ketinggalan bahwa materi Program Linier juga sebagai salah satu indikator soal untuk
seleksi masuk Perguruan Tinggi. Pada Program Studi S1 Pendidikan Matematika
Undiksa, materi Program Linier merupakan bagian dari mata kuliah “Matematika
Keuangan dan Program Linier” yang merupakan mata kuliah wajib bagi mahasiswa.
Buku ajar ini disusun untuk memenuhi kebutuhan pengadaan bahan ajar pada
mata kuliah “Matematika Keuangan dan Program Linier”. Untuk lebih
mengoptimalkan pengkomunikasian perkembangan yang ada pada Ipteks, Penulis telah
berupaya menyajikan materi dengan berorientasi pada masalah otentik, serta
melengkapi bahannya dengan memanfaatkan berbagai sumber dan software
matematika dari internet yang dapat diakses secara bebas, khususnya software Maple.
Selanjutnya, penyajian materi yang berorientasi masalah otentik yang berbantuan
software Maple merupakan karakteristik dari bahan ajar ini. Dengan adanya upaya
seperti ini, Penulis berharap sajian materinya akan lebih bermakna, meluas, dan
mendalam dalam membantu mahasiswa memahami materi program linier. Terdapat
beberapa materi esensial yang disajikan pada bahan ajar ini, seperti konsep dasar
masalah optimasi, metode grafis, metode aljabar, dan metode simpleks. Khusus untuk
Metode Sipleks, pada bahan ajar ini menggunakan Strategi Pivoting, yang selanjutnya
juga merupakan karakteristik dan keunggulan dari bahan ajar ini, dilihat dari konten
yang dipaparkan.
Bahan ajar ini diorganisasikan dalam empat bab yang nantinya diharapkan dapat
diselesaikan dalam 7 kali pertemuan (setengah semester). Pada setiap babnya diawali
dengan pendahuluan yang menarasikan tujuan pembelajaran yang hendak dicapai
setelah mempelajari materinya, dan dilanjutkan dengan penyajian masalah otentik
sesuai materi yang akan dipaparkan dan pada beberapa materi menggunakan bantuan
Bahan Ajar: Program Linier iii

software Maple dalam penyajiannya. Penyajian masalah otentik awal diikuti dengan
perumusan masalah untuk menemukan model matematikanya, dan dilanjutkan dengan
pemaparan alternatif penyelesaiannya yang bermuara pada penarikan kesimpulan atas
materi yang dibahas. Untuk memperdalam pemahaman, dilanjutkan dengan pemberian
masalah otentik yang lain untuk dikerjakan mahasiswa sebagai latihan. Pemaparan
materi diakhiri dengan memberikan rangkuman atas materi yang dibahas pada setiap
babnya, dan kumpulan latihan soal sesuai dengan materinya. Khusus untuk materi yang
berkaitan dengan visualisasi gambar dan metode grafis dibantu dengan menggunakan
software Maple, sebagai alternative lain untuk menyelesaikan masalah program linier
dan mengecek kebenaran pengerjaan secara manual. Pada setiap gambar grafik
diselipkan rumus Maple-nya, sehingga mahasiswa bisa mencoba mengerjakan di
komputer masing-masing dengan menginput rumus yang ada. Pada Bab II, dipaparkan
khusus mengenai petunjuk penggunaan software Maple sebagai upaya membantu
mahasiswa dalam memperdalam pemahamannya terkait program linier.
Melalui kesempatan ini Penulis mengucapkan terima kasih kepada Dr. I Putu
Wisna Ariawan, M.Si. dan Dr. Drs. I Nyoman Gita, M.Si. sebagai validator bahan ajar
ini yang telah me-review, yang telah banyak memberikan saran dan masukan terhadap
tata tulis maupun kedalaman materi yang ada pada bahan ajar ini. Dengan segala
keterbatasan yang ada pada bahan ajar ini, Penulis sangat mengharapkan masukan dari
para pembaca agar bahan ajar ini dapat ditingkatkan kualitasnya. Sebagai akhir kata,
Penulis berharap semoga bahan ajar ini dapat memberikan sumbangan dalam upaya
pengadaan buku ajar matematika dan juga dapat memperlancar proses perkuliahan
khususnya di Program Studi S1 Pendidikan Matematika Undiksha.
Singaraja, Agustus 2017
Penulis.
Bahan Ajar: Program Linier iv

DAFTAR ISI
KATA PENGANTAR iii

DAFTAR ISI v
DAFTAR GAMBAR vi
DAFTAR TABEL vii
BAB I. MASALAH OPTIMASI BERSYARAT 1
1.1 Pendahuluan 1
1.2 Sejarah Perkembangan Program Linier 1
1.3 Model Matematika Program Linier 2
1.4 Bentuk Umum Masalah Optimasi Bersyarat 14
1.5 Rangkuman Bab I 15
1.6 Latihan Soal Bab I 16
BAB II. METODE GRAFIS 18
2.1 Pendahuluan 18
2.2 Daerah Penyelesaian Program Linier 18
2.3 Metode Garis Selidik 25
2.4 Metode Uji Titik Sudut Daerah 28
2.5 Keterbatasan Metode Garis Selidik dan Uji Titik Sudut 30
2.6 Eksistensi Daerah Penyelesaian Masalah Optimasi 33
2.7 Penggunaan Bantuan Software Maple 38
2.8 Rangkuman Bab II 44
2.9 Latihan Soal Bab II 45
BAB III. METODE ALJABAR 47
3.1 Pendahuluan 47
3.2 Ide Dasar Metode Aljabar 47
3.3 Langkah Penyelesaian Metode Aljabar 48
3.4 Rangkuman Bab III 55
3.5 Latihan Soal Bab III 56
BAB IV. METODE SIMPLEKS: Strategi Pivoting 57
4.1 Pendahuluan 57
4.2 Bentuk Standar Masalah Program Linier 57
4.3 Tabel Simpleks dari Masalah Optimasi 61
4.4 Operasi Pivot pada Tabel Simpleks 64
4.5 Menyelesaikan Masalah Maksimum Bentuk Standar 68
4.6 Menyelesaikan Masalah Minimum Bnetuk Standar 77
4.7 Menyelesaikan Masalah dengan Kendala Campuran 82
4.8 Rangkuman Bab IV 93
4.9 Latihan Soal Bab IV 95
DAFTAR PUSTAKA 106
Bahan Ajar: Program Linier v

DAFTAR GAMBAR
Gambar 1.1. Diagram Rute Pengiriman dan Biaya Pengiriman 9

Gambar 2.1 Gambar Pertidaksamaan x + y ≥ 5. 19
Gambar 2.2 Gambar Pertidaksamaan x + y ≥ 5 dengan x ≥ 0 dan y ≥ 0. 20
Gambar 2.3 Gambar Pertidaksamaan x + y ≥ 5 dengan x ≥ 0 dan y ≤ 0 20
Gambar 2.4 Gambar Pertidaksamaan x + y ≥ 5 dengan x ≤ 0 dan y ≥ 0 20
Gambar 2.5 Gambar Pertidaksamaan x + y ≥ 5 dengan x ≤ 0 dan y ≤ 0 21
Gambar 2.6 Daerah Penyelesaian Pertidaksamaan Masalah 2.2 21
Gambar 2.7 Daerah Penyelesaian Masalah 2.4 24
Gambar 2.8 Nilai fungsi Z = 500x + 600y atau Garis Selidik 25
Gambar 2.11 Titik (x, y) yang Terdapat di Daerah OPQ 33
Gambar 2.12. Tidak Memiliki Daerah Penyelesaian 34
Gambar 2.13 Memiliki Daerah Penyelesaian dan Tidak Memiliki Nilai Optimum 34
Gambar 2.14 Daerah Penyelesaian yang Memiliki Kedua Nilai Optimum 35
Gambar 2.15. Penggunaan Maple pada Metode Grafis 40
Gambar 4.1 Daerah Penyelesaian yang memiliki Nilai Optimum 73
Gambar 4.2. Geometri untuk Masalah Tak Terbatas 75
Bahan Ajar: Program Linier vi

DAFTAR TABEL
Tabel 1.1. Alokasi Setiap Sumber yang Tersedia pada Masalah 1.1 3
Tabel 1.2. Pola Pemotongan Besi Batangan Masalah 1.3 7
Tabel 1.3. Rincian Biaya Pengiriman Barang pada Masalah 1.4 8
Tabel 2.1. Uji Titik dengan Nilai Pertidaksamaan dan Arah Daerah Diarsir 23
Tabel 2.2. Kandungan Unsur Obat Flu (dalam grain) 23
Tabel 2.3: Tabel Persiapan Masalah 2.4 24
Tabel 2.4. Tabel Nilai Z = 500x + 600y 25
Tabel 2.5: Nilai Z = 500x + 600y Melalui Titik Sudut 28
Bahan Ajar: Program Linier vii

BAB I
PROGRAM LINIER: Masalah Optimasi Bersyarat
1.1 Pendahuluan
Bab I ini adalah pendahuluan untuk membahas pengertian atau ide dasar dari
masalah program linier atau masalah optimasi. Setelah mempelajari Bab ini Anda
diharapkan mampu menjelaskan sejarah dan pengertian program linier; memahami
konsep dasar masalah optimasi; mampu membuat model matematika dari suatu
masalah optimasi; serta menggunakan konsep masalah optimasi bersyarat (maksimasi
dan minimasi) untuk menyelesaikan masalah dalam kehidupan sehari-hari.
1.2 Sejarah Perkembangan Program Linier
Program linear merupakan pengembangan lebih

lanjut dari konsep-konsep aljabar linear. Model ini
dikembangkan oleh George B. Dantzig, seorang
matematisian dari Amerika Serikat, pada tahun 1947. Ide
dasarnya sendiri sebetulnya sudah dikenakan oleh seorang
matematisian Russia bernama L. V. Kantorivich pada tahu
1939. Lebih dari seabad sebelumnya, pada tahun 1826,
Fourier yang matematisian Perancis juga telah
merumuskan masalah program linier. Akan tetapi ide ini
ternyata di Russia dan Perancis tidak bisa berkembang, dan
George B. Dantzig (1914-
justru dunia barat memanfaatkannya dan
2005): Bapak Programasi
Linier mengembangkannya. Uniknya lagi, justru Dantzig pula
yang dikenal dunia sebagai “bapak program linear”.
Semula model ini dimanfaatkan di bidang kemiliteran, khususnya oleh angkatan
udara Amerika Serikat (USAF), untuk penyusunan strategi perang, pola pengeboman,
serta merencanakan dan memecahkan masalah-masalah logistik di masa perang.
Kemudian dimanfaatkan di bidang transportasi dan bisnis. Sekarang penggunaan
program linier sudah sangat meluas, terutama di bidang bisnis. Berbagai masalah dalam
Bahan Ajar: Program Linier 1
aspek-aspek kegiatan perusahaan, seperti masalah produksi, pembiayaan, pemasaran,
periklanan, dan penyampaian barang semakin lazim dipecahkan dengan program linier.
Pada bahan ajar ini hanya menguraikan konsep-konsep dasar program linier. Mengingat
pembelajaran materi program linier dalam mata kuliah matematika bersifat hanya
sebagai perkenalan, dan tidak semua aspek dari model tersebut dikupas pada bahan ajar
ini. Seluk beluk yang lebih terinci mengenai program linier biasanya diberikan di dalam
mata kuliah “operations research” atau “metode-metode kuantitatif untuk
manajemen”. Oleh karena itu, bahasan lebih lengkap tentang model ini akan dapat
dijumpai di dalam buku-buku teks mengenai operations research, atau buku khusus
yang membahas program linier.
1.3 Model Matematika Program Linier
Pada subbab ini, Anda akan mempelajari bagaimana masalah optimasi dalam
kehidupan sehari-hari dapat dinyatakan dalam model matematika yang nantinya akan
diselesaikan dengan program linier. Untuk mengetahui dan memahami dengan baik
definisi dan ide dasar dari masalah optimasi/program linier, cermati masalah-masalah
otentik berikut serta alternatif penyelesaiannya.
Masalah 1.1
Sekelompok tani transmigran mendapatkan 10 hektar tanah yang dapat
ditanami padi, jagung, dan palawija lain. Karena keterbatasan sumber daya
petani harus menentukan berapa bagian yang harus ditanami padi dan berapa
bagian yang harus ditanami jagung, sedangkan palawija lainnya ternyata tidak
menguntungkan. Untuk suatu masa tanam, tenaga yang tersedia hanya 1550
jam-orang, pupuk juga terbatas, tak lebih dari 460 kilogram, sedangkan air dan
sumber daya lainnya cukup tersedia. Diketahui pula bahwa untuk menghasilkan
1 kuintal padi diperlukan 10 jam-orang tenaga dan 5 kilogram pupuk, dan untuk
1 kuintal jagung diperlukan 8 jam-orang tenaga dan 3 kilogram pupuk. Kondisi
tanah memungkinkan menghasilkan 50 kuintal padi per hektar atau 20 kuintal
jagung per hektar. Pendapatan petani dari 1 kuintal padi adalah Rp 40.000
sedang dari 1 kuintal jagung Rp 30.000, dan dianggap bahwa semua hasil
tanamnya selalu habis terjual. Masalah bagi petani ialah bagaimanakah rencana
produksi yang memaksimumkan pendapatan total? Artinya, berapa hektar tanah
harus ditanami padi dan berapa hektar tanah harus ditanami jagung?
Masalah Optimasi Bersyarat 2

Perumusan Masalah 1.1
Mari kita mengkaji jika hasil padi dan jagung dinyatakan per kuintal.
Berdasarkan informasi dari masalah 1.1, diketahui bahwa setiap 1 hektar menghasilkan
50 kuintal padi. Artinya, untuk 1 kuintal padi diperlukan 0,02 hektar. Demikian juga,
untuk 1 kuintal jagung diperlukan 0,05 hektar. Selanjutnya, cermati angka-angka yang
tersaji pada Tabel 1.1 berikut ini!
Tabel 1.1. Alokasi Setiap Sumber yang Tersedia pada Masalah 1.1
Padi Jagung Batas
Sumber Satuan
(per kuintal) (per kuintal) Sumber
Tanah 0,02 0,05 10 Hektar
Tenaga 10 8 1550 Jam-orang
Pupuk 5 3 460 Kilogram
Pendapatan (Rp) 40 30 Ribuan
Catatan:
1. Satuan jam-orang (man-hour) adalah banyak orang kali banyak jam bekerja. Kita
asumsikan bahwa setiap transmigran memiliki tenaga dan waktu yang relatif sama.
2. Air dianggap berlimpah sehingga tidak menjadi kendala/keterbatasan. Jika ada
kendala air maka satuannya adalah banyak jam membuka saluran air untuk
mengalirkan air ke sawah.
3. Batas ketersediaan dalam masalah 1.1 ini kebetulan semuanya berupa batas atas.
Alternatif Penyelesaian Masalah 1.1:

Besarnya pendapatan kelompok petani dipengaruhi banyak (kuintal) padi dan
jagung yang diproduksi. Tentunya, besar pendapatan tersebut merupakan tujuan
kelompok tani, tetapi harus mempertimbangkan keterbatasan sumber (luas tanah,
tenaga dan pupuk).
Misalkan : x banyak kuintal padi yang diproduksi oleh kelompok tani
y banyak kuintal jagung yang diproduksi oleh kelompok tani.
Untuk memperoleh pendapatan terbesar, harus dipikirkan keterbatasan-
keterbatasan berikut ini.
a) Banyak hektar tanah yang diperlukan untuk x kuintal padi dan untuk y kuintal
jagung tidak melebihi 10 hektar. Pernyataan ini dalam notasi matematika
dinyatakan dengan:
0,02x + 0,05y ≤ 10 atau 2x + 5y ≤ 1000

b) Untuk ketersediaan waktu (jam-orang), tiap-tiap padi dan jagung hanya tersedia
waktu tidak lebih dari 1550 jam-orang. Berdasarkan ketersedian waktu untuk setiap
kuintal padi dan jagung, dapat dirumuskan:
10x + 8y ≤ 1550
c) Jumlah pupuk yang tersedia untuk padi dan jagung tidak lebih dari 460 kilogram.
Padahal untuk menghasilkan 1 kuintal padi dan jagung masing-masing
membutuhkan 5 kilogram dan 3 kilogram. Pernyataan ini dinyatakan dalam model
matematika seperti:
5x + 3y ≤ 460
d) Dengan semua keterbatasan/kendala) (a), (b), dan (c), kelompok tani ingin
mengharapkan pendapatan Rp 40.000 per kuintal padi dan Rp 30.000 per kuintal
jagung. Oleh karena itu, besar pendapatan kelompok per kuintal adalah 40.000x +
30.000y. Rumusan ini disebut sebagai fungi tujuan/sasaran; sebut Z(x, y). Oleh
karena itu, fungsi tujuan/sasaran masalah kelompok tani transmigran, dinyatakan
sebagai berikut:
Z(x, y) = 40.000x + 30.000y atau Z(x, y) = 40x + 30y
(dalam ribuan rupiah).
Melihat uraian di atas, masalah kelompok tani transmigran dapat diubah bentuk
menjadi suatu sistem pertidaksamaan linear dua variabel. Pemecahan sistem tersebut
dapat dikerjakan dengan metode grafik, metode aljabar, dan metode simpleks (dibahas
pada bab berikutnya).
Berdasarkan ide tersebut di atas, adapun sistem pertidaksamaan linear yang
dimaksud adalah sebagai berikut.
2x + 5y ≤ 1000 (kendala lahan)
10x + 8y ≤ 1550 (kendala waktu) (1)
5x + 3y ≤ 460 (kendala pupuk)
Karena luas tanah/lahan, banyak waktu, dan banyak pupuk tidak mungkin
negatif, berikut sebagai kendala nonnegatif, yaitu:
x0
(kendala nonnegatif ) (2)
y0
Untuk pendapatan, tentu dimaksimumkan dan sebaliknya untuk biaya tentu
diminimumkan. Untuk masalah kelompok tani ini, kita memiliki tujuan, disebut fungsi
tujuan/sasaran, yaitu:

Maksimumkan:
Z(x, y) = 40x + 30y (dalam satuan ribuan rupiah) (3)
Setelah mencermati Masalah 1.1 beserta alternatif solusinya, tentu Anda sudah
mendapatkan gambaran tentang bagaimana memodelkan suatu masalah program linier
dua variabel. Selanjutnya, coba Anda kerjakan Masalah 1.2 berikut ini!
Masalah 1.2
PT Permata adalah suatu pengembang perumahan di daerah pemukiman baru.
PT Permata tersebut memiliki tanah seluas 12.000 meter persegi berencana
akan membangun dua tipe rumah, yaitu tipe mawar dengan luas tanah 130 meter
persegi dan tipe melati dengan luas tanah 90 meter persegi. Jumlah rumah yang
akan dibangun tidak lebih dari 150 unit. Pengembang merancang laba tiap-tiap
tipe rumah sebesar Rp 2.000.000,00 untuk tipe mawar dan Rp
1.500.000,00 untuk tipe melati. Modelkan permasalahan ini, agar PT tersebut
memdapatkan laba maksimum!
Alternatif Penyelesaian: (Kerjakan sebagai latihan Anda!)

Selain dua variabel seperti Masalah 1.1 dan 1.2 di atas, masalah program linear
dalam kehidupan sehari-hari banyak juga yang memuat tiga variabel atau lebih. Seperti
masalah yang ditemui seorang pengrajin perabot rumah tangga pada Masalah 1.3
berikut ini.
Masalah 1.3
Pak Putu, seorang pengerajin perabot rumah tangga mendapat pesanan
membuat rak buku yang kerangkanya terbuat dari besi siku lubang yang
dipotong-potong kemudian dirangkai dengan sekrup. Untuk membuat rak itu,
diperlukan potongan besi sepanjang 250 cm sebanyak 8 potong, sepanjang 70
cm sebanyak 12 potong, dan sepanjang 37,5 cm sebanyak 20 potong. Ternyata
batangan besi siku lubang yang dijual di toko mempunyai panjang standar 3 m,
sehingga Pak Putu harus berpikir, cukup berapa potong besi batangan yang akan
dibeli dan bagaimana caranya mengatur pemotongannya supaya panjang total
sisa pemotongan menjadi minimal (dengan demikian kerugian Pak Putu
minimal). Dapatkah Anda membantu Pak Putu untuk memotong besi batangan
tersebut?
Perumusan Masalah 1.3:

Untuk menentukan model matematika dari masalah ini diperlukan analisis
kemungkinan pola pemotongan besi-besi tersebut yang ukurannya 3 m untuk
memperoleh ukuran potongan besi yang diharapkan, yaitu potongan besi yang
ukurannya 250 cm, ukuran 70 cm, dan ukuran 37,5 cm, seperti berikut ini.
 Pola Pemotongan I (panjang besi batangan: 3 meter)
 Pola Pemotongan II (panjang besi batangan: 3 meter)
 Pola Pemotongan III (panjang besi batangan: 3 meter)
 Pola Pemotongan IV (panjang besi batangan: 3 meter)

 Pola Pemotongan V (panjang besi batangan: 3 meter)
 Pola Pemotongan VI (panjang besi batangan: 3 meter)
Secara lengkap pola pemotongan pada di atas dapat dinyatakan seperti pada
Tabel 1.2 berikut.
Tabel 1.2. Pola Pemotongan Besi Batangan Masalah 1.3
Pola pemotongan ke -
300 1 2 3 4 5 6 Dipesan
Panjang 250 1 0 0 0 0 0 8
Potongan 70 0 4 3 2 1 0 12
Kawat 37,5 1 0 2 4 6 8 20
sisa 12,5 20 15 10 5 0

Berdasarkan Tabel 1.2 di atas, kolom 1 menyatakan bahwa besi sepanjang 300
cm dapat dipotong dengan ukuran 250 cm sebanyak 1 potong dan 1 potong untuk
ukuran 37,5 cm serta menghasilkan sisa 12,5 cm. Setiap sisa harus kurang dari 37,5 cm.
Kolom 2, mengatakan pola pemotongan yang kedua dengan menghasilkan sisa 20 cm,
demikian seterusnya arti angka-angka yang tersaji dalam Tabel 1.2 di atas.
Dengan demikian, terdapat 6 peubah yang muncul, yaitu x1 , x2, x3 , x4 , x5 , dan
x 6 , dengan x 6 : banyak batang besi yang dipotong menurut kombinasi pola ke-6.
Oleh karena itu, diperoleh suatu masalah program linier berikut:

x1 8
4 x 2  3 x3  2 x 4  x5  12 (4)
x1  2 x 3 4 x4  6 x5  8 x6  20
untuk setiap x1 , x 2 , x3 , x 4 , x5 , dan x6  0
dengan meminimumkan: 12,5 x1  20 x2  15 x3  10 x4  5 x5  0 x6 (5)

Persamaan (5) dapat dinyatakan sebagai suatu fungsi yang tergantung pada nilai
x1 , x 2 , x3 , x 4 , x5 , dan x 6 ; sebut fungsi:

Z ( x1 , x2 , x3 , x4 , x5 , x6 )  12,5 x1  20 x2  15 x3  10 x4  5 x5  0 x6
atau
Z ( x1 , x2 , x3 , x4 , x5 , x6 )  12,5 x1  20 x2  15 x3  10 x4  5 x5  5 x5
Funsi Z merupakan fungsi sisa pemotongan dari semua pola pemotongan besi. Fungsi
Z merupakan tujuan pola pemotongan besi batangan yang dibutuhkan Pak Putu.
Sedangkan apa yang dinyatakan pada bagian (4) merupakan kendala atau keterbatasan
untuk mencapai tujuan tersebut pada (5).
Cermati tanda yang digunakan pada bagian (4) di atas, merupakan salah satu
karakteristik yang digunakan pada kajian materi program linear, selain karakteristik
yang digunakan pada bagian (1) pada Masalah 1.1 di atas. Untuk mengetahui
karakteristik program linier lainnya, cermati kembali Masalah 1.4 beserta alternatif
penyelesaian berikut.
Masalah 1.4
Suatu perusahaan kertas memiliki dua pusat penggilingan yang harus memasok
persediaan tiga pusat percetakan kertas koran secara mingguan. Setiap minggu,
penggilingan I dan II, berturut-turut menghasilkan 350 ton dan 550 ton bubur
kertas koran. Sebagai bahan baku, percetakan I, II, dan III berturut-turut
memerlukan 275 ton/minggu, 325 ton/minggu, 300 ton/minggu bubur kertas.
Ongkos pengiriman (dalam ratus ribu rupiah/ton) adalah seperti Tabel 1.3 berikut
ini.
Tabel 1.3. Rincian Biaya Pengiriman Barang pada Masalah 1.4
Percetakan I Percetakan II Percetakan II
Penggilingan I 17 22 15
Penggilingan II 18 16 12
Masalah pada perusahaan tersebut adalah menentukan kapasitas bubur kertas

koran setiap pengiriman (ton) ke setiap percetakan agar biaya pengiriman
minimal. Bantulah menemukan model matematikanya!

Langkah awal untuk menyelesaikan Masalah 1.4 ini adalah dengan merumuskan model
matematika masalah pengiriman bubur kertas koran perusahaan tersebut, dengan
mengilustrasikan seperti Gambar 1.1 berikut ini.

Gambar 1.1. Diagram Rute Pengiriman dan Biaya Pengiriman

Berdasarkan pada Tabel 1.3 dan Gambar 1.1 tersebut di atas, dapat dijelaskan
sebagai berikut.
a) Penggilingan I mampu menghasilkan 350 ton/minggu merupakan pasokan ke
Percetakan I, II, dan III. Misalkan xij : kapasitas pengiriman (ton) setiap minggu
dari Penggilingan (i = 1, 2) ke Percetakan ( j = 1, 2, 3 ).

b) Jadi bagian (a), dapat dituliskan sebagai berikut:
x11  x12  x13  350
c) Penggilingan II mampu menghasilkan 550 ton/minggu, merupakan pasokan ke
Percetakan I, II, dan III. Analog dengan bagian (a) dan kondisi (b) dapat kita
tuliskan sebagai berikut:
x11  x12  x13  550
d) Jumlah bahan bubur kertas koran yang diperlukan Percetakan I sebesar 275
ton/minggu harus dipasok oleh Penggilingan I dan II. Kondisi ini dituliskan:
x11  x12  x13  250
e) Jumlah bahan bubur kertas koran yang diperlukan Percetakan II sebesar 325
x11  x12  x13  325
f) Jumlah bahan bubur kertas koran yang diperlukan Percetakan III sebesar 300
x11  x12  x13  300
Demikian selanjutnya, sehingga kita dapat menyimpulkan secara lengkap sebagai
berikut.

Model matematika pasokan bubur kertas koran dari dua Penggilingan ke
Percetakan I, II, dan III :
x11  x12  x13  350  Model matematika
 Permintaan bubur kertas (6)
x21  x22  x23  550 
x11  x21  275  Model matematika


x12  x22  325 Permintaan bubur kertas (7)
x13  x23  300 

xij   0, i  1,2 dan j  1,2,3
Dengan model pengiriman bubur kertas dari dua pusat penggilingan ke tiga pusat
percetakan menimbulkan biaya pengiriman. Dengan memperhatikan Gambar 1.1, tentu
dapat dipahami bahwa setiap minggu, biaya pengiriman setiap ton bubur kertas dari
Penggilingan I ke Percetakan II adalah Rp 220.000,00, kondisi ini dituliskan: 220.000
x12 . Demikian hal yang sama 170.000 x11 memiliki arti bahwa setiap minggu, biaya
pengiriman setiap ton bubur kertas dari Penggilingan I ke Percetakan I adalah Rp

170.000,00, dan hal sama untuk biaya pengiriman yang lainnya.
Secara kumulatif total biaya pengiriman perusahaan tersebut, dituliskan sebagai
fungsi berikut:
Z ( x11 , x12 , x13 , x21 , x22 , x23 )  17 x11  22 x12  15 x13  18 x21  16 x22  12 x23
(dalam puluh ribu rupiah).
Fungsi Z merupakan fungsi biaya, tentu pihak perusahaan ingin biaya tersebut minimal.
Oleh karena itu, untuk kajian program linear, fungsi Z merupakan fungsi tujuan/sasaran,
dituliskan:
Meminimumkan:
Z ( x11 , x12 , x13 , x21 , x22 , x23 )  17 x11  22 x12  15 x13  18 x21  16 x22  12 x23
Fungsi biaya total Z memiliki nilai paling minimal jika ditemukan nilai xij yang
memenuhi semua kondisi batasan pada model permintaan dan suplai bubur bahan kertas
koran.
Setelah mencermati Masalah 1.3 dan 1.4 beserta alternatif solusinya masing-
masing, tentu Anda sudah mendapatkan gambaran tentang bagaimana memodelkan
suatu masalah program linier yang lebih dari dua variabel dengan karakteristik tertentu.
Selanjutnya, coba Anda kerjakan Masalah 1.5 berikut ini!
Masalah 1.5
Sebuah perusahaan akan membeli paling sedikit 8 mesin untuk perluasan
pabriknya. Harga mesin baru Rp 15.000.000,00 per unit. Selain itu dapat juga
dibeli mesin bekas dengan umur dua tahun, tiga tahun, dan empat tahun yang
harganya diukur dari harga baru akan susut Rp3.000.000,00 per tahunnya.
Keempat jenis mesin di atas, yaitu baru, umur dua tahun, umur tiga tahun,
umur empat tahun mempunyai ukuran yang berbeda-beda, berturut-turut
memerlukan tempat 3 meter persegi, 4 meter persegi, 5 meter persegi, dan 6
meter persegi per unitnya. Sedangkan ongkos perawatannya berturut-turut 0,
Rp 1.000.000,00, Rp 2.000.000,00, dan Rp 4.000.000,00 per tahunnya. Bila
tempat yang tersedia untuk semua mesin yang dibeli tersebut hanya 35 meter
persegi dan ongkos perawatan total yang disediakan hanya Rp 7.000.000,00
per tahun, bentuk model matematika masalah program linear perusahaan
tersebut!
Alternatif Penyelesaian: (Kerjakan sebagai latihan Anda!)

Berdasarkan Masalah 1.1 sampai Masalah 1.5 di atas, kita belum menyelesaikan
masalah secara lengkap. Khususnya untuk menentukan semua nilai variabel yang
memenuhi setiap kondisi. Hal ini disebabkan, untuk sebagian masalah diperlukan
pengetahuan lebih lanjut agar mampu menyelesaikannya, yang akan dibahas pada bab
selanjutnya.
Selain itu, dari Masalah 1.1, Masalah 1.3, dan masalah 1.4 di atas, khususnya
pada rumusan yang terbentuk pada persamaan (1), (2), (3), (4), (5), (6), dan (7) serta
fungsi tujuan yang terbentuk dapat kita simpulkan beberapa ciri atau karakteristik
model matematika dalam program linear, yaitu sebagai berikut.
1. Adanya fungsi tujuan/sasaran dari setiap masalah yang dikaji. Misalnya,
 Maksimumkan: Z (x, y) = 40x + 30y (dalam satuan ribuan rupiah).
 Minimumkan:
Z ( x11 , x12 , x13 , x 21 , x 22 , x 23 )  12 x1  20 x 2  15 x3  10 x 4  5 x5
 Minimumkan:
Z ( x11 , x12 , x13 , x21 , x22 , x23 )  17 x11  22 x12  15 x13  18 x21  16 x22  22 x23
2. Kendala atau keterbatasan utama masalah dinyatakan sebagai suatu sistem
pertidaksamaan linear atau sistem persamaan linear.
3. Terdapat juga kendala nonnegatif sebagai syarat dasar nilai setiap variabel yang
akan ditentukan
Berdasarkan uraian alternatif penyelesaian dari setiap masalah di atas, dapat

disimpulkan bahwa agar suatu masalah optimasi dapat diselesaikan dengan program
linear, ada beberapa syarat atau karakteristik yang harus dipenuhi, yaitu berikut.
1. Masalah itu dapat diubah menjadi permasalahan matematika. Ini berarti bahwa
masalah riil yang ada harus bisa dituangkan dalam bentuk model-model persamaan
maupun pertidaksamaan matematika.
2. Keseluruhan sistem permasalahan dapat dipilah-pilah menjadi satuan-satuan
aktivitas. Sebagai misal: a11 x1  a12 x2  k1 , dimana x1 dan x2 adalah aktivitas.
3. Masing-masing aktivitas harus dapat ditentukan dengan tepat baik jenis maupun
letaknya pada program linear.
4. Setiap aktivitas harus dapat dikualifikasi sehingga nilainya dapat dibandingkan.

Di samping itu terdapat dua anggapan dasar dalam sistem program linear.
Pertama, bahwa di dalam sistem tersebut terdapat rangkaian “input-aktivitas-output”,
dan input yang digunakan berubah secara proposional dengan perubahan aktivitas.
Kedua, bahwa input-input yang ada dapat dihitung serta dapat dipastikan beberapa
bagian yang terpakai dan yang tidak terpakai. Pembentukan model matematika program
linear dapat dilakukan dengan langkah-langkah sebagai berikut.
1. Menentukan aktivitas.
2. Menentukan sumber-sumber (input).
3. Menghitung kuantitas input dan output untuk setiap satuan aktvitas.
4. Menentukan kendala-kendala aktivitas.
5. Menyusun model, yakni membentuk fungsi obyektif dan fungsi kendalanya.
Dari tiga uraian di atas, dapat kita simpulkan masalah Program Linear dirumuskan
sebagai Definisi 1.1 berikut.
Definisi 1.1
Masalah program linear menentukan nilai x1, x2, x3,..., xn yang memaksimumkan
(atau meminimumkan) fungsi sasaran/tujuan/obyektif:
Z ( x1 , x 2 ,..., x n )  C1 x1  C2 x2  ...  C n x n
dengan kendala/keterbatasan:
a11 x1  a12  x2  ...  a1n xn (, , )b1
a 21 x1  a 22  x2  ...  a 2 n xn (, , )b2
a m1 x1  a m 2  x2  ...  a mn xn (, , )bm
x1 ,  0, x2  0,..., xn  0.
Merujuk pada Definisi 1.1, program linear (linear programming) adalah suatu
model optimasi persamaan linear berkenaan dengan kendala-kendala pertidaksamaan
atau persamaan linear yang dihadapinya. Masalah program linear berarti masalah
pencarian nilai-nilai optimum (maksimum atau minimum) sebuah fungsi linear pada
suatu sistem pertidaksamaan linear. Fungsi linear yang hendak dicari nilai optimumnya
disebut fungsi obyektif/sasaran/tujuan, sedangkan pertidaksamaan-pertidaksamaan
linear yang harus terpenuhi dalam optimasi fungsi obyektif tadi disebut fungsi kendala.

1.4 Bentuk Umum Masalah Optimasi Bersyarat
Berdasarkan pemaparan alternatif solusi dari setiap masalah otentik pada

subbab 1.3, masalah program linear tak lain adalah masalah optimasi bersyarat; yakni
pencarian nilai maksimum (maksimasi) atau pencarian nilai minimum (minimasi)
sesuatu fungsi obyektif berkenaan dengan keterbatasan-keterbatasan atau kendala yang
harus dipenuhi. Masalah-masalah tersebut secara umum dapat dirumuskan dalam
bentuk standar sebagai berikut.
1) Masalah Maksimasi
Maksimumkan fungsi obyektif :
z  c1 x1  c2 x2  ...  cn xn
Terhadap kendala :
a11 x1  a12  x2  ...  a1n xn  b1
a 21 x1  a 22  x2  ...  a 2 n xn  b2
: : : :
a m1 x1  a m 2  x2  ...  a mn xn  bm
xj  0 j  1,2,..., n
n
Ringkasannya, maksimumkan z = c
j n
j xj
n
Terhadap a
j n
j x j  bj xj  0 i  1, 2, ..., m
2) Masalah Minimasi
Minimumkan fungsi obyektif :
z  c1 x1  c2 x2  ...  cn xn
Terhadap kendala :
a11 x1  a12  x2  ...  a1n xn  b1
a 21 x1  a 22  x2  ...  a 2 n xn  b2
: : : :
a m1 x1  a m 2  x2  ...  a mn xn  bm
xj  0 j  1,2,..., n

n
Ringkasan, minimumkan z   c j x j
j n
n
Terhadap a
j n
j x j  bi xj  0 i  1, 2, ..., m
Masalah maksimasi dijumpai misalnya dalam kasus penentuan kombinasi

jumlah produk guna memperoleh profit maksimum. Sedangkan, masalah minimasi
ditemui misalnya dalam kasus upaya menekan biaya produksi. Variabel x j yang
mencerminkan aktivitas, dalam program linier disebut juga variabel keputusan.

Variabel keputusan tidak boleh negative, karenanya di dalam setiap rumusan model
program linier harus dicantumkan notasi x j  0 . Hasi ini dikenal dengan sebutan
“pembatasan ketidaknegatifan”.
Kendala-kendala dalam sebuah masalah program linier tidak selalu harus
berbentuk pertidaksamaan yang seragam. Dalam kasus tertentu dapat terjadi salah satu
kendala, atau lebih berbentuk persamaan. Dapat pula terjadi di dalam sebuah masalah
program linier terdapat kendala pertidaksamaan berbentuk  maupun  .
Pada bahan ajar ini, masalah program linear akan dikerjakan dengan tiga
metoda, yaitu metoda grafis, metode aljabar, dan metoda simpleks pada pemaparan bab
selanjutnya.
1.5 Rangkuman Bab I
Program linear (linear programming) adalah suatu model optimasi persamaan

linear berkenaan dengan kendala-kendala pertidaksamaan linear yang dihadapinya.
Masalah program linear berarti masalah pencarian nilai-nilai optimum (maksimum atau
minimum) sebuah fungsi linear pada suatu sistem pertidaksamaan linear. Fungsi linear
yang hendak dicari nilai optimumnya disebut fungsi obyektif, sedangkan
pertidaksamaan-pertidaksamaan linear yang harus terpenuhi dalam optimasi fungsi
obyektif/tujuan/sasaran tadi disebut fungsi kendala.
Masalah program linear tak lain adalah masalah optimasi bersyarat; yakni
pencarian nilai maksimum (maksimasi) atau pencarian nilai minimum (minimasi)
sesuatu fungsi obyektif berkenaan dengan keterbatasan-keterbatasan atau kendala yang
harus dipenuhi. Masalah maksimasi dijumpai misalnya dalam kasus penentuan
kombinasi jumlah produk guna memperoleh profit maksimum. Sedangkan, masalah

minimasi ditemui misalnya dalam kasus upaya menekan biaya produksi. Variabel x j
yang mencerminkan aktivitas, dalam program linier disebut juga variabel keputusan.
Variabel keputusan tidak boleh negative, karenanya di dalam setiap rumusan model
program linier harus dicantumkan notasi x j  0 . Hasi ini dikenal dengan sebutan
“pembatasan ketidaknegatifan”. Selanjutnya, kendala-kendala dalam sebuah masalah

program linier tidak selalu harus berbentuk pertidaksamaan yang seragam. Dalam kasus
tertentu dapat terjadi salah satu kendala, atau lebih berbentuk persamaan. Dapat pula
terjadi di dalam sebuah masalah program linier terdapat kendala pertidaksamaan
berbentuk  maupun  .
1.6 Latihan Soal Bab I
Petunjuk: Kerjakan soal berikut dengan tepat, lengkap, dan jelas!

1. Klinik “Dewi” akan membuka cabang baru di daerah padat penduduk. Untuk itu,
pemilik klinik merancang sebuah jadwal jaga perawat yang akan bertugas, seperti
tabel berikut ini.
24.00 04.00 08.00 12.00 16.00 20.00
- - - - - -
04.00 08.00 12.00 16.00 20.00 24.00
Ketersedian 1 2 3 4 5 6
Banyak
perawat 6 8 11 9 18 11
yang
dibutuhkan
Rumuskan masalah penjadwalan perawat tersebut dalam model matematika!

2. Seorang atlet diwajibkan makan dua jenis tablet setiap hari. Tablet pertama
mengandung 5 unit vitamin A dan 3 unit vitamin B, sedangkan tablet kedua
mengandung 10 unit vitamin A dan 1 unit vitamin B. Dalam satu hari, atlet itu
memerlukan 20 unit vitamin A dan 5 unit vitamin B. Harga tiap-tiap 1 tablet,
Rp1.500,00 dan Rp2.000,00. Modelkan masalah tersebut!
3. Dengan persediaan kain polos 20 meter dan kain bergaris 10 meter, seorang penjahit
akan membuat 2 model pakaian jadi. Model I memerlukan 1 meter kain polos dan
1,5 meter kain bergaris. Model II memerlukan 2 meter kain polos dan 0.5 meter
kain bergaris. Bila pakaian tersebut dijual, setiap model I memperoleh untung

Rp15.000,00 dan model II memperoleh untung Rp10.000,00. Nyatakan masalah di
atas dalam model matematika!
4. Sebuah toko bunga menjual 2 macam rangkaian bunga. Rangkaian I memerlukan
10 tangkai bunga mawar dan 15 tangkai bunga anyelir, Rangkaian II memerlukan
20 tankai bunga mawar dan 5 tangkai bunga anyelir. Persediaan bunga mawar dan
bunga anyelir masing-masing 200 tangkai dan 100 tangkai. Rangkaian I dijual
seharga Rp200.000,00, dan Rangkaian II dijual seharga Rp100.000,00 per
rangkaian. Modelkan masalah di atas dalam bentuk model matematika!
5. Perhatikan masalah yang dihadapi seorang penjaja buah-buahan berikuti ini. Pak
Benni, seorang penjaja buah-buahan yang menggunakan gerobak menjual apel dan
pisang. Harga pembelian apel Rp 18.000,- tiap kilogram dan pisang Rp8.000,00,-
tiap kilogram. Beliau hanya memiliki modal Rp2.000.000,00, sedangkan muatan
gerobak tidak lebih dari 450 kilogram. Padahal keuntungan tiap kilogram apel 2
kali keuntungan tiap kilogram pisang. Rumuskanlah model matematika masalah di
atas!
6. Sebuah peternakan unggas mempunyai kandang-kandang untuk 600 ekor yang
terdiri dari ayam (A), itik (I), dan mentok (M). Kapasitas maksimum kandang selalu
dipenuhi. Pemilik menginginkan banyak itik tidak melebihi 400 ekor, demikian
pula mentok paling banyak 300 ekor. Ongkos pemeliharaan sampai laku terjual
untuk A, I, M berturut-turut 3500, 2500, dan 6000 rupiah per ekor. Harga jual A, I,
M, berturut-turut adalah 7.000, 5.500 dan 10.500 rupiah per ekornya. Rumuskan
model matematika program beternak yang memaksimumkan keuntungan jika
keuntungan adalah selisih harga jual dari ongkos pemeliharaan! (Dalam masalah di
atas dianggap tidak ada ongkos pembelian).
***babI***

BAB II
METODE GRAFIS
2.1 Pendahuluan
Bab II ini membahas tentang metode yang paling umum dalam menyelesaikan
masalah program linier, yaitu metode grafis. Namun, metode ini hanya terbatas mampu
menyelesaikan masalah program linier yang memuat dua atau tiga variabel. Setelah
mempelajari Bab ini Anda diharapkan mampu memahami ide dasar dari metode grafis;
mampu menggambarkan daerah penyelesaian dari sistem kendala masalah program
linier; mampu menggunakan langkah-langkah dari metode grafis dengan garis selidik
dan uji titik sudut; mengetahui keterbatasan dari metode garis selidik dan uji titik sudut;
memahami eksistensi daerah penyelesaian masalah optimasi; serta mampu
menggunakan metode grafis untuk menyelesaikan masalah program linier dalam
kehidupan sehari-hari.
2.2 Daerah Penyelesaian Program Linier
Kajian masalah program linear dua variabel dapat diselesaikan melalui grafik
sistem kendala dari masalah tersebut. Untuk program linier tiga variabel juga dapat
diselesaiakan dengan grafik, namun agak rumit untuk memvisualisasikannya sehingga
pada bahan ajar ini lebih fokus pada metode grafis untuk program linier dua variabel.
Oleh karena itu, langkah awal dalam menyelesaikan masalah program linier tersebut,
yaitu dengan menggambarkan penyelesaian sistem pertidaksamaan yang terbentuk
pada kendala/keterbatasan masalah program linear dua variabel. Untuk memahami hal
tersebut, cermati Masalah 2.1 beserta alternatif penyelesaiannya berikut.
Masalah 2.1
Pengusaha almari ingin memproduksi almari kualitas tinggi dan almari kualitas
sedang dari kayu jati dan kayu ramin yang tersedia dalam jumlah tertentu. Tiap
unit kayu jati maupun kayu ramin digunakan secara menyebar dalam proporsi
tertentu untuk menghasilkan dua macam almari tersebut. Jumlah almari yang
dihasilkan per minggu paling sedikit 5 buah. Gambarkan daerah penyelesaian
dari kendala yang mungkin terbentuk dari masalah itu!

Misalkan : x adalah banyaknya almari kualitas tinggi dihasilkan per minggu,
y adalah banyaknya almari kualitas sedang dihasilkan per minggu.
Jumlah almari yang diproduksi setiap minggunya paling sedikit 5 buah. Pernyataan
tersebut dapat dinyatakan sebagai pertidaksamaan:
x+y≥5
Karena jumlah almari tidak mungkin negatif, sehingga syarat yang harus terpenuhi:
x0
(kendala nonnegatif )
y0
Dengan kata lain, sistem kendala yang mungkin terbentuk dari masalah tersebut adalah:
x + y ≥ 5 dengan x ≥ 0 dan y ≥ 0.
Namun, untuk memperdalam pemahaman Anda, berikut ini juga diberikan
suatu pertidaksamaan dengan kombinasi syarat variabelnya sebagai berikut.
a. x + y ≥ 5.
b. x + y ≥ 5 dengan x ≥ 0 dan y ≥ 0 (sistem pertidaksamaan Masalah 2.1).
c. x + y ≥ 5 dengan x ≥ 0 dan y ≤ 0.
d. x + y ≥ 5 dengan x ≤ 0 dan y ≥ 0.
e. x + y ≥ 5 dengan x ≤ 0 dan y ≤ 0.
Dengan pengetahuan tentang cara menggambarkan daerah penyelesaian suatu
pertidaksamaan linear pada mata kuliah sebelumnya, didapatkan gambar daerah
penyelesaian dari kelima kombinasi pertidaksamaan linier tersebut seperti Gambar 2.1
sampai Gambar 2.5. Dalam bahan ajar ini, penyajian daerah penyelesaian juga dibantu
dengan Software Maple, dan Anda diharapkan mencoba menggunakan bantuan Maple
dengan menginput rumus yang tertera pada setiap gambar untuk meyakinkan jawaban
Anda!
Gambar 2.1 Gambar Pertidaksamaan x + y ≥ 5.
Metode Grafis 19
Gambar 2.2 Gambar Pertidaksamaan x + y ≥ 5 dengan x ≥ 0 dan y ≥ 0.
Gambar 2.3 Gambar Pertidaksamaan x + y ≥ 5 dengan x ≥ 0 dan y ≤ 0
Gambar 2.4 Gambar Pertidaksamaan x + y ≥ 5 dengan x ≤ 0 dan y ≥ 0

Gambar 2.5 Gambar Pertidaksamaan x + y ≥ 5 dengan x ≤ 0 dan y ≤ 0
Pada Gambar 2.1, dapat dipahami bahwa semua titik yang terletak pada daerah
yang diarsir memenuhi pertidaksamaan x + y ≥ 5. Hal ini berbeda dengan syarat nilai x
dan y pada Gambar 2.2 di atas. Hanya pada saat x ≥ 0 dan y ≥ 0 yang memenuhi daerah
pertidaksamaan x + y ≥ 5. Gambar 2.2 adalah solusi dari Masalah 2.1 di atas.
Masalah 2.2
Gambarkan daerah penyelesaian sistem pertidaksamaan berikut ini!
2x – y ≤ 6
5x + y ≥ 5
x≥0
2≤y≤4
Penyelesaian:
Kerjakan secara manual pada kertas yang lain sebagai latihan! Selanjutnya,
bandingkan jawaban Anda dengan hasil dengan Maple berikut.
Gambar 2.6 Daerah Penyelesaian Pertidaksamaan Masalah 2.2
Metode Grafis 21
Masalah 2.3
Gambarkan daerah penyelesaian sistem pertidaksamaan berikut ini!
x+y≤2
-3x + 2y ≥ 6
3≤x≤4
Penyelesaian: (Kerjakan sebagai latihan Anda!)

 Dengan cara manual
 Gunakan bantuan Maple

Input petunjuk berikut pada Software Maple Anda!
Penggunaan istilah daerah diarsir merupakan daerah yang memenuhi suatu

pertidaksamaan. Pada referensi lain, daerah diarsir disebut juga daerah suci. Untuk
konsistensi pada bahan ajar ini, digunakan istilah daerah penyelesaian (diarsir), artinya
semua titik (x, y) yang memenuhi suatu pertidaksamaan linear atau suatu sistem
pertidaksamaan linear. Selanjutnya, yang menjadi pokok permasalahan pada bagian
subbab ini adalah menentukan daerah diarsir suatu pertidaksamaan linear atau sistem
pertidaksamaan linear.

Dimulai dengan daerah diarsir yang terdapat pada Masalah 2.1 (khususnya
Gambar 2.2) di atas. Untuk setiap nilai x dan y yang memenuhi x + y ≥ 5 dengan syarat
x ≥ 0 dan y ≥ 0, disajikan pada Tabel 2.1 berikut ini.
Tabel 2.1. Uji Titik dengan Nilai Pertidaksamaan dan Arah Daerah Diarsir
(x, y) Nilai x + y ≥ 5 Arah Daerah Diarsir
(5, 4) Benar 9 ≥ 5 Sebelah kanan (atas) garis x + y = 5
(6, 1) Benar 7 ≥ 5 Sebelah kanan (atas) garis x + y = 5
(2, 1) Salah 3 ≥ 5 Sebelah kiri (bawah) garis x + y = 5
(0, 0) Salah 0 ≥ 5 Sebelah kiri (bawah) garis x + y = 5
Selanjutnya, perdalam pemahaman Anda dengan mencermati Masalah 2.4

beserta alternatif penyelesaian berikut ini.
Masalah 2.4
Suatu pabrik farmasi menghasilkan dua jenis kapsul obat flu yang diberi nama
Fluin dan Fluon. Tiap-tiap kapsul memuat tiga unsur (ingredient) utama dengan
kadar kandungannya tertera dalam Tabel 3.2. Menurut dokter, seseorang yang
sakit flu akan sembuh jika dalam tiga hari (secara rata-rata) minimal menelan 12
grain aspirin, 74 grain bikarbonat dan 24 grain kodein. Jika harga Fluin Rp
500,00 dan Fluon Rp 600,00 per kapsul, bagaimana rencana (program)
pembelian seorang pasien flu (artinya berapa kapsul Fluin dan berapa kapsul
Fluon harus dibeli) supaya cukup untuk menyembuhkannya dan
meminimumkan ongkos pembelian total!
Tabel 2.2. Kandungan Unsur Obat Flu (dalam grain)

Banyak grain perkapsul
Unsur
Fluin Fluon
Aspirin 2 1
Bikorbonat 5 8
Kodein 1 6
Metode Grafis 23
Data pada masalah 2.4, dapat disajikan seperti Tabel 2.3 berikut ini.
Tabel 2.3: Tabel Persiapan Masalah 2.4

Banyak grain perkapsul
Unsur Batas Minimum
Fluin Fluon
Aspirin 2 1 12
Bikorbonat 5 8 74
Kodein 1 6 24
Harga 500 600
Dengan Tabel 2.3 tersebut, dapat dimisalkan x: banyak kapsul Fluin yang dibeli,
y: banyak kapsul Fluon yang dibeli.
Selanjutnya, dengan mudah menemukan bentuk masalah program linear masalah di
atas, sebagai berikut.
Menentukan nilai (x, y) yang memenuhi kendala:
2x + y ≥ 12
5x + 8y ≥ 74
x + 6y ≥ 24 (i)
x≥0
{ y≥0
dan meminimumkan Z = 500x + 600y. (ii)

Daerah penyelesaian dari sistem kendala (i) seperti Gambar 2.7 berikut.
Gambar 2.7 Daerah Penyelesaian Masalah 2.4
Daerah berwarna abu-abu merupakan irisan daerah penyelesaian keenam

pertidaksamaan, juga disebut daerah layak, atau daerah optimum. Dalam bahan ajar
ini, disepakati untuk menggunakan istilah daerah penyelesaian. Jika keenam
pertidaksamaan di atas dinyatakan sebagai suatu sistem pertidaksamaan, maka daerah
penyelesaian dapat kita definisikan sebagai berikut.
Definisi 2.1 (Daerah Layak/Daerah /Daerah Optimum)

Daerah Masalah Program Linear merupakan himpunan semua titik (x, y) yang
memenuhi kendala suatu masalah program linear.
Selanjutnya, untuk menentukan penyelesaian dari masalah program linier

dengan metode grafis akan menggunakan dua teknik, yaitu garis selidik dan uji titik
sudut daerah penyelesaian yang akan dibahas lebih rinci pada subbab berikut.
2.3 Metode Garis Selidik
Daerah penyelesaian untuk Masalah 2.4 sebelumnya merupakan suatu daerah

penyelesaian yang tak terbatas (unbounded). Tentu terdapat juga daerah yang terbatas
(bounded). Selanjutnya, akan ditentukan nilai x dan y yang terdapat di daerah
penyelesaian yang menjadikan nilai fungsi Z = 500x + 600y minimum. Jadi, kita akan
fokus pada nilai fungsi Z di daerah penyelesaian. Perhatikan nilai-nilai fungsi Z pada
Tabel 2.4 berikut ini.
Tabel 2.4. Tabel Nilai Z = 500x + 600y
(x, y) Nilai Z = 500x + 600y
(0, 12) Z = 500.(0) + 600.(12) = 7.200
(2, 8) Z = 500.(2) + 600.(8) = 5.800
(4, 7) Z = 500.(4) + 600.(7) = 6.200
(5, 10) Z = 500.(5) + 600.(10) = 8.500
A (0, 12)
B (2, 8)
Gambar 2.8 Nilai fungsi Z = 500x + 600y atau Garis Selidik
Metode Grafis 25
Berdasarkan Gambar 2.8 dan nilai fungsi Z = 500x + 600y pada Tabel 2.4 di
atas, jelas bahwa makin ke kanan (atas) garis k = 500x + 600y nilai k makin besar,
sebaliknya jika garis k = 500x + 600y digeser ke kiri (bawah) maka nilai k makin kecil.
Jadi, untuk menentukan nilai variabel x dan y yang meminimumkan fungsi Z=
500x + 600y, dapat diperoleh dengan menggeser (ke kiri atau ke kanan, ke atas atau ke
bawah) grafik persamaan garis k = 500x + 600y dengan k bilangan bulat. Oleh karena
itu, nilai dan membuat fungsi Z = 500x + 600y bernilai minimum, yaitu 5.800. Coba
selidiki mengapa didapatkan nilai minimum 5.800? Jelaskan!
Berdasarkan uraian tersebut, salah satu untuk menentukan nilai maksimum atau
minimum fungsi objektif 𝑧 = 𝑎𝑥 + 𝑏𝑦 yaitu dengan menggunakan garis selidik 𝑎𝑥 +
𝑏𝑦 = 𝑘. Garis selidik 𝑎𝑥 + 𝑏𝑦 = 𝑘 merupakan suatu garis yang berfungsi untuk
menyelidiki dan menentukan sampai sejauh mana fungsi objektif Z maksimum atau
minimum. Adapun aturan penggunaan garis selidik 𝑎𝑥 + 𝑏𝑦 = 𝑘 sebagai berikut.
1) Gambar garis 𝑎𝑥 + 𝑏𝑦 = 𝑎𝑏 yang memotong sumbu X di titik (b,0) dan memotong
sumbu Y di titik (0, a).
2) Tarik garis-gari sejajar dengan 𝑎𝑥 + 𝑏𝑦 = 𝑎𝑏 hingga nilaai Z maksimum atau
minimum, dengan memperlihatkan hal-hal berikut ini.
a. Jika garis 𝑎𝑥 + 𝑏𝑦 = 𝑘1 sejajar dengan garis 𝑎𝑥 + 𝑏𝑦 = 𝑎𝑏 dan berada di paling
atas atau berada di paling kanan pada daerah himpunan, maka 𝑧 = 𝑘1 merupakan
nilai maksimumnya.
b. Jika garis 𝑎𝑥 + 𝑏𝑦 = 𝑘2 sejajar garis 𝑎𝑥 + 𝑏𝑦 = 𝑎𝑏 dan berada di paling bawah
atau di paling kiri pada daerah himpunan , maka 𝑧 = 𝑘2 merupakan nilai
minimumnya.
Untuk memperdalam pengetahuan dan ketrampilan Anda tentang Metode Garis

Selidik, cermati Masalah 2.5 dan alternative penyelesaiannya berikut.
Masalah 2.5
Kembali ingat dan cermati Masalah Otentik 1.1 pada Bab I tentang
permasalahan petani transmigran tersebut. Pada Bab I, pembahasan hanya
sampai mendapatkan model matematika dari masalah optimasinya.
Selanjutnya, selesaikan masalah tersebut dengan metode garis selidik!

Berdasarkan informasi soal, didapatkan model matematika masalah tersebut, yaitu:
0,02x + 0,05y ≤ 10 2x + 5y ≤ 1000
10x + 8y ≤ 1550 10x + 8y ≤ 1550 → Kendala Lahan
5x + 3y ≤ 460 atau 5x + 3y ≤ 460 → Kendala Waktu
x≥0 x≥0 → Kendala Pupuk
{ y≥0 { y≥0
Fungi Tujuan: Maksimumkan: Z(x, y) = 40x + 30y (dalam satuan ribuan rupiah).
Kita akan menentukan banyak hektar tanah yang seharusnya ditanami pada dan jagung
agar pendapatan kelompok tani tersebut maksimum.

Langkah pertama, menentukan daerah penyelesaian yang memenuhi kendala dari
masalah program linier tersebut, seperti Gambar 2.9 berikut.
Selanjutnya memilih dua titik yang terdapat di daerah penyelesaian untuk

membantu menentukan arah pergeseran garis selidik k = 40x + 30y (dalam ribuan
rupiah). Misal, dipilih titik (20, 20), sehingga diperoleh persamaan garis 40x + 30y =
1400. Sedangkan untuk titik (50, 100), diperoleh persamaan garis 40x + 30y = 5000.
1
Garis selidik k = 40x + 30y bernilai maksimum pada saat garis melalui titik (0, 1533).
Artinya, bahwa dengan harga padi dan jagung pada saat itu, kelompok tani memilih
menaman jagung. Karena dengan menanam palawija tersebut, mereka dapat
1
mengahasilkan jagung sebanyak 1533 kuintal saja dan memiliki pendapatan sebesar Rp
4.600.000,00. Jadi, nilai pendapatan maksimumnya adalah Rp 4.600.000,00.
Metode Grafis 27
2.4 Metode Uji Titik Sudut Daerah Penyelesaian
Perhatikan kembali Masalah 2.4 sebelumnya, disimpulkan benar bahwa untuk

menentukan nilai minimum fungsi sasaran Z = 500x + 600y dapat juga melalui Uji
Titik-Titik Sudut Daerah Penyelesaian. Hal ini dapat dicermati pada Tabel 2.5 yang
menunjukkan nilai fungsi objektif dari titik-titik sudut daerah penyelesaiannya.
Tabel 2.5: Nilai Z = 500x + 600y Melalui Titik Sudut

(x, y) Nilai Z = 500x + 600y
A(0, 12) Z = 500.(0) + 600.(12) = 7.200
B(2, 8) Z = 500.(2) + 600.(8) = 5.800
C(11,5; 2,1) Z = 500.(11,5) + 600.(2,1) = 7.010
Jadi, supaya uang pembelian total menjadi minimum sebaiknya dibeli 2 kapsul
Fluin dan 8 kapsul Fluon dan uang pembeliannya adalah Rp 5.800,00.
Berdasarkan uraian tersebut di atas, adapun langkah-langkah yang harus

ditempuh dalam mengubah persoalan sehari-hari ke dalam bentuk masalah program
linear dan menyelesaikannya dengan uji titik sudut adalah sebagai berikut.
1. Tetapkan objek-objek yang dituju dengan pemisah variabel x dan y.
2. Tuliskan ketentuan-ketentuan yang ada ke dalam sebuah tabel dan tuliskan
model matematikanya.
3. Gambarlah daerah penyelesaian dari kendala-kendala dalam masalah program
linear tersebut.
4. Tentukan titik-titik pojok dari daerah penyelesaian itu.
5. Substitusikan koordinat setiap titik pojok itu kedalam fungsi objektif.
6. Bandingkan nilai-nilai fungsi objektif tersebut. Nilai terbesar berarti
menunjukkan nilai maksimum dari fungsi Z, sedangkan nilai terkecil berarti
menunjukkan nilai minimum dari fungsi Z.
Untuk memantapkan keterampilan Anda dalam menggunakan metode uji titik

sudut dalam menyelesaikan masalah program linier kerjakan Masalah 2.6 berikut.

Masalah 2.6
Seorang penjahit pakaian mempunyai persediaan 16 m kain sutera, 11 m kain
wol, 15 m kain katun yang akan dibuat 2 model pakaian dengan ketentuan berikut
ini:
model A membutuhkan 2 m sutera, i m wol, dan 1 m katun per unit.
model B membutuhkan 1 m sutera, 2 m wol, dan 3 m katun per unit.
Jika keuntungan pakaian model A Rp 30.000/unit dan keuntungan pakaian model
B Rp 50.000/unit. Tentukan banyaknya tiap pakaian yang harus dibuat agar
diperoleh keuntungan maksimum! Gunakan Metode Uji Titik Sudut!
Penyelesaian: (Kerjakan sebagai latihan Anda!)
Metode Grafis 29
2.5 Keterbatasan Metode Garis Selidik dan Uji Titik Sudut
Tidak semua masalah program linier dua atau tiga variabel dapat diselesaikan
dengan langkah-langkah metode uji titik sudut atau garis selidik. Perhatikan kembali
Masalah 2.4 sebelumnya! Dari ketiga titik sudut yang terdapat di daerah penyelesaian
sistem pertidaksamaan tersebut, benar bahwa nilai minimum fungsi sasaran Z = 500x +
600y adalah Rp 5.800, yaitu pada titik B(2,8). Namun, jika seandainya fungsi sasaran
diubah menjadi memaksimumkan: Z = 500x + 600y maka menentukan nilai maksimum
fungsi tersebut dengan menggunakan Uji Titik Sudut menghasilkan kesimpulan yang
salah, yaitu nilai Z maksimum adalah 7.200; di titik A(7, 2). Hal ini kontradiksi dengan
bahwa masih banyak lagi titik-titik lain yang mengakibatkan nilai Z makin lebih dari
Rp 7.200,00. Dengan demikian, metode titik sudut tidak tepat digunakan dalam
menyelesaikan masalah maksimasi dalam Masalah 2.4, karena daerah penyelesaiannya
tak terbatas ke atas atau ke kanan.
Begitu juga halnya dengan metode garis selidik yang tidak mampu
menyelesaiakan sebarang masalah optimasi. Untuk menentukan persamaan garis
selidik k = ax + by dengan k bilangan real, kita memilih minimal dua titik (x, y) yang
terdapat di daerah penyelesaian. Dengan dua titik tersebut, nilai optimum fungsi sasaran
dapat ditemukan melalui pergeseran garis selidik di daerah penyelesaian. Pada kasus
tertentu, garis selidik tidak dapat digunakan untuk menentukan nilai optimum suatu
fungsi sasaran. Mari kita cermati Masalah 2.7 berikut ini.
Masalah 2.7
Setiap enam bulan, seorang pemilik usaha tanaman hias memesan tanaman hias
dari agen besar; Aglaonema (A) dan Sansevieria (S) yang berturut-turut memberi
laba sebesar Rp5.000.000,00 dan Rp3.500.000,00 per unit yang terjual.
Dibutuhkan waktu yang cukup lama untuk menghasilkan satu tanaman hias
dengan kualitas super. Oleh karena itu agen besar memiliki aturan bahwa setiap
pemesanan tanaman hias A paling sedikit 20% dari seluruh pesanan tanaman hias
lain. Pemilik usaha tanaman hias memiliki lahan yang hanya cukup untuk 10
tanaman hias A saja atau 15 tanaman hias S. Dalam keadaan demikian, berapa
banyak tanaman hias A dan S sebaiknya dipesan (per semester) jika diketahui
bahwa pada akhir semester tanaman hias lama pasti habis terjual dan pemilik
usaha tersebut ingin memaksimumkan laba total?

Untuk memudahkan kita dalam membahas masalah ini, misalkan x: banyak tanaman
hias A yang dipesan dan y: banyak tanaman hias S yang dipesan.
Pernyataan ”Oleh karena itu agen besar memiliki aturan bahwa setiap pemesanan
tanaman hias A paling sedikit 20% dari seluruh pesanan tanaman hias lain”, dapat
dituliskan sebagai berikut:
1
𝑥 ≥ 5 (𝑥 + 𝑦) atau 4𝑥 − 𝑦 ≥ 0
Untuk memperoleh laba, pemilik harus mempertimbangan keterbatasan lahan

sebagai daya tampung untuk tiap-tiap tanaman hias.
Misal, L : luas kebun tanaman hias,
Lx : luas kebun yang diperlukan untuk 1 tanaman hias A,
Ly : luas kebun yang diperlukan untuk 1 tanaman hias S.
Sesuai keterangan pada masalah di atas, luas kebun hanya dapat menampung 10
tanaman hias A saja atau 15 tanaman hias S saja. Pernyataan ini, dimodelkan sebagai
berikut:
1 1
𝐿𝑥 = 10 𝐿 dan 𝐿𝑦 = 15 𝐿
Tentu luas kebun yang diperlukan untuk x banyak tananam hias A dan y banyak
tanaman hias S tidak melebihi luas kebun yang ada. Oleh karena itu, dapat dituliskan;
1 1
𝑥 (10 𝐿) + 𝑦 (15 𝐿) ≤ 𝐿 atau 3x + 2y ≤ 30
Selanjutnya, pemilik kebun mengharapkan laba sebesar Rp5.000.000,00 dari 1

tanaman hias A yang terjual dan Rp3.500.000,00 dari 1 tanaman hias S yang terjual.
Oleh karena itu, untuk sebanyak x tanaman hias A yang terjual dan sebanyak y tanaman
hias S yang terjual, dapat dituliskan sebagai laba total pemilik kebun; yaitu:
Z = 5x + 3.5y (dalam juta rupiah).
Jadi secara lengkap, model matematika masalah program linear pemilik kebun tanaman
hias dinyatakan sebagai berikut. Menentukan x dan y yang memenuhi kendala:
4𝑥 − 𝑦 ≥ 0
3𝑥 + 2𝑦 ≤ 30
{
𝑥≥0
𝑦≥0
Dengan fungsi tujuan: Maksimumkan: Z = 5x + 3.5y (dalam juta rupiah).
Metode Grafis 31
Selanjutnya, kita akan menentukan daerah sistem pertidaksamaan linear
tersebut. Tentunya, diharapkan keterampilan Anda dalam menggambarkan daerah
sistem tersebut sudah makin meningkat. Sekaligus juga, Anda harus makin terampil
dalam memilih titik dalam daerah untuk menentukan nilai maksimum fungsi sasaran.
Mari kita cermati Gambar 2.10 berikut ini.
30 120
P(11 , )
11
Q(10, 0)
30 120
Namun, pada kenyataannya, ditemukannya titik P(11 , ) sebagai titik
11
optimum masalah di atas mengakibatkan hal yang tidak mungkin terjadi untuk
8 10
menemukan 2 11 tanaman hias A dan 10 11 tanaman hias S. Cara yang mungkin
diterapkan adalah dengan metode pembulatan. Mari kita cermati hasil pembulatan (ke
8 10
atas atau ke bawah) titik P(2 11 , 10 11).
a. P1 (2, 10) : ternyata di luar daerah OPQ.

b. P2 (2, 11) : ternyata di luar daerah OPQ.
c. P3 (3, 10) : merupakan titik di daerah, tetapi nilai Z pada titik (3, 10) hanya sebesar
Rp50.000.000, 00, memiliki selisih sebesar Rp1.800.000,00 dengan nilai optimum
di titik P.
d. P4 (3, 11) : ternyata di luar daerah OPQ.

P
Q
O
Gambar 2.11 Titik (x, y) yang Terdapat di Daerah OPQ
Dalam kertas berpetak, di dalam daerah cermati titik-titik yang dekat dengan
8 10
titik P(2 11 , 10 11). Tetapi titik yang kita inginkan, yaitu (x, y) harus untuk x dan y
merupakan bilangan bulat. Titik (4, 9) merupakan titik yang terdekat dengan titik
8 10
P(2 11 , 10 11) dan x dan y merupakan bilangan bulat dan mengakibatkan nilai optimum
fungsi tujuan bernilai Rp 51.500.000, 00.

Dengan garis selidik dan metode titik sudut tidak menemukan titik (4,9),
sehingga penggunaaan garis selidik dan metode titik sudut perlu memperhatikan
eksistensi daerah penyelesaian dan batasan-batasan pada masalah program linier.
2.6 Eksistensi Daerah Penyelesaian Masalah Optimasi
Dari beberapa masalah otentik yang telah dibahas pada Bab II ini, masalah
program linear memiliki nilai optimum (maksimum atau minimum) terkait dengan
eksistensi daerah penyelesaiannya. Jika dianalisis lebih lanjut, terdapat tiga kondisi
yang akan diselidiki, yaitu sebagai berikut.
1. Tidak memiliki daerah penyelesaian.
2. Memiliki daerah penyelesaian (fungsi sasaran hanya memiliki nilai maksimum
atau hanya memiliki nilai minimum).
3. Memiliki daerah penyelesaian (fungsi sasaran memiliki nilai maksimum dan
minimum).
Metode Grafis 33
Adapun analisis tiga kondisi daerah penyelesaian dari suatu masalah optimasi
sebagai berikut.
1. Tidak Memiliki Daerah Penyelesaian
l2 : px + qy ≥ t
l1 : ax + by ≤ c
Gambar 2.12. Tidak Memiliki Daerah Penyelesaian
Grafik pada Gambar 2.12 tersebut memberikan sistem:

𝑎𝑥 + 𝑏𝑦 ≤ 𝑐; 𝑎 ≠ 0, 𝑏 ≠ 0
{
𝑝𝑥 + 𝑞𝑦 ≥ 𝑡; 𝑝 ≠ 0, 𝑞 ≠ 0
Untuk setiap a, b, c, p, q dan t ∈ 𝑅
Grafik yang ditunjukkan oleh Gambar 2.12 tersebut meyatakan suatu masalah
optimasi tidak memiliki daerah penyelesaian. Jika digambarkan dengan bantuan
Software Maple, salah satu sistem pertidaksamaan yang memenuhi, yaitu:
3x  4 y  24
3x  4 y  12
2. Memiliki daerah penyelesaian (fungsi sasaran tidak memiliki nilai optimum,
atau hanya memilikinilai maksimum saja atau minimum saja)
Gambar 2.13 Memiliki Daerah Penyelesaian dan Tidak Memiliki Nilai Optimum

Grafik yang ditunjukkan oleh Gambar 2.13 di atas mendeskripsikan bahwa
walaupun kendala suatu program linear memiliki daerah penyelesaian, ternyata belum
tentu memiliki nilai fungsi sasaran atau nilai optimum. Jika digambarkan dengan
bantuan software Maple, salah satu sistem pertidaksamaan yang memenuhi, yaitu:
6 x  3 y  24
6 x  3 y  12
3. Memiliki Daerah Penyelesaian (fungsi sasaran memiliki nilai maksimum
dan minimum)
Gambar 2.14 Daerah Penyelesaian yang Memiliki Kedua Nilai Optimum
Grafik yang ditunjukkan oleh Gambar 2.14 di atas mendeskripsikan bahwa

kendala suatu program linear memiliki daerah penyelesaian dan memiliki nilai fungsi
sasaran atau nilai optimum. Jika digambarkan dengan bantuan software Maple, salah
satu sistem pertidaksamaan yang memenuhi, yaitu:
2𝑥 − 3𝑦 + 12 ≥ 0
3𝑥 + 2𝑦 − 12 ≤ 0
{
𝑥≥0
0≤𝑦≤4
dan sistem pertidaksamaan tersebut, merupakan kendala dari Gambar 2.14 di atas.
Misalnya, diberikan fungsi sasaran berikut ini:
a. Maksimumkan: Z = 3x + 2y
b. Minimumkan: Z = 3x + 2y
Dengan metode grafis, akan dapat dianalisis sebagai berikut.
Garis k = 3x + 2y merupakan garis selidik digunakan untuk menentukan nilai fungsi
sasaran. Pada titik (0, 4) diperoleh garis selidik: 8 = 3x + 2y, dan pada titik (3, 4)
Metode Grafis 35
diperoleh garis selidik: 17 = 3x + 2y. Akibatnya untuk menentukan nilai minimum
fungsi sasaran, garis selidik digeser ke arah kiri dan untuk menentukan nilai maksimum
fungsi sasaran garis selidik digeser ke arah ke kanan. Dengan demikian, nilai minimum
fungsi sasaran Z = 0, dan nilai maksimum fungsi sasaran Z = 21. Daerah penyelesaian
seperti Gambar 2.14 menunjukan masalah optimasi yang memiliki nilai maksimum dan
minimum.
Untuk mengetahui syarat umum dari eksistensi daerah penyelesaian suatu

masalah optimasi akan dipaparkan melalui Masalah 2.8 berikut ini.
Masalah 2.8
Diketahui sistem pertidaksamaan linear suatu masalah program linear.
𝑎𝑥 + 𝑏𝑦(≥, ≤)𝑐; 𝑎 ≠ 0, 𝑏 ≠ 0 (1)
𝑝𝑥 + 𝑞𝑦(≥, ≤)𝑡; 𝑝 ≠ 0, 𝑞 ≠ 0 (2)
𝑥≥0
{ 𝑦≥0
a, b, c, p, q dan t merupakan bilangan real, dan c < t. Dengan memperhatikan
hubungan koefisien variabel (x dan y) pada kendala (1) dan (2), selidiki syarat
agar sistem pertidaksamaan linear tersebut:
a. tidak memiliki daerah penyelesaian,
b. memiliki daerah penyelesaian,
c. memiliki daerah penyelesaian berupa suatu garis atau segmen garis, dan
d. memiliki daerah penyelesaian hanya satu titik.

Misalkan ambil pertidaksamaan “≥” yang digunakan pada sistem pertidaksaaman,
sehingga diperoleh:
ax + by ≥ c
px + qy ≥ t
x≥0
y≥0
a. Misalkan: l1: ax + by = c dan l2 : px + qy = t . Gradien l1, dan gradien l2. Jika l1
sejajar l2 artinya kedua garis tersebut tidak pernah melalui titik yang sama, atau
𝑎 𝑝 𝑎 𝑏
dituliskan maka m1 = m2. Berarti, = 𝑞 atau = 𝑞. Jadi, untuk sistem
𝑏 𝑝

𝑎 𝑝
pertidaksamaan linear di atas, jika = , maka sistem tersebut tidak memiliki daerah
𝑏 𝑞
. Hal ini juga sudah dideskripsikan pada Gambar 2.12.

𝑎 𝑝
b. Selanjutnya, jika 𝑏 ≠ 𝑞 , maka garis l1 : ax + by = c dan l2 : px + qy = t memiliki titik
potong. Dengan adanya syarat tambahan x ≥ 0 dan y ≥ 0 mengakibatkan terdapat

daerah penyelesaian yang dibatasi oleh titik potong garis l1 dan l2. Kondisi ini
disajikan pada Gambar 2.15 berikut ini.
c. Jika dua garis linear berimpit, maka kedua garis tersebut melalui titik yang tak
hingga banyaknya. Dengan demikian, mari kita selidiki hubungan koefisien antar
𝑎 𝑝 𝑐
garis. Garis l1 : ax + by = c berimpit dengan garis l2 : px + qy = t jika = = .
𝑏 𝑞 𝑡
Kerjakan sebagai latihan Anda!

Perhatikan kembali Masalah 2.8, analisislah untuk pertidaksamaan dengan
tanda “  ”, kecuali syarat nonnegatif! Selanjutnya, bandingkan dengan analisis
untuk pertidaksamaan dengan “  ” yang sudah dipaparkan di atas!
Penyelesaian:
Metode Grafis 37
2.7 Penggunaan Software Maple dalam Metode Grafis
Pada prinsipnya setiap persoalan program linier dapat dipecahkan atau

menghasilkan penyelesaian. Berdasarkan pemaparan Bab II ini, masalah program linier
diilustrasikan dan dipecahkan dengan metode grafis apabila hanya memiliki dua atau
tiga variabel keputusan, dengan langkah-langkah penyelesaian sebagai berikut.
1) Gambarkan fungsi kendala dalam bentuk persamaan pada sumbu Cartesius.
2) Tentukan daerah penyelesaian layak (feasible solution) atau area layak (feasible
region) dengan memperhatikan tanda ketidaksamaan fungsi kendala.
3) Gambarkan fungsi tujuan, geser garis tersebut ke lokasi titik solusi optimal.
4) Selesaikan persamaan-persamaan pada titik solusi untuk menentukan solusi optimal
(maksimum atau minimum).
Berdasarkan pemaparan pada subbab sebelumnya, solusi optimal dapat
menggunakan dua pendekatan, yaitu pendekatan garis selidik atau uji titik sudut dari
daerah penyelesaiannya. Jika memperhatikan langkah-langkah umum penyelesaian
dengan metode grafis tersebut, akan lebih praktis ketika menggunakan bantuan
software matematika untuk mengecek kebenaran Anda dalam menggunakan metode
grafis secara manual.
Dalam bahan ajar ini, Anda diarahkan untuk menggunakan software Maple
dalam menyelesaikan masalah program linier. Sebelumnya, Anda juga sudah diarahkan
untuk menggambar daerah penyelesaian dari sistem kendala program linier
menggunakan Software Maple. Untuk mengetahaui bagaimana penggunaan Maple
dalam menyelesaiakan masalah program linier dengan metode grafis, cermati Masalah
2.9 beserta penyelesaianya berikut ini.
Masalah 2.9
Dengan persediaan kain polos 60 meter dan kain bergaris 80 meter, seorang
penjahit akan membuat dua model pakaian jadi. Model I memerlukan 1 meter
kain polos dan 1 meter kain bergaris. Model II memerlukan 1 meter kain polos
dan 2 meter kain bergaris. Bila pakaian tersebut dijual, setiap model I
memperoleh untung Rp 3.000,00 dan model II memperoleh untung Rp
5.000,00. Tentukaan keuntungan maksimum yang diperoleh tukang jahit
tersebut! Kerjakan dengan metode grafis dan bantuan software Maple!

Berdasarkan informasi pada Masalah 2.9 di atas dan dengan memisalkan
x1 : banyaknya baju model I dan x 2 : banyaknya baju model II, masalah tersebut dapat
dinyatakan sebagai model matematika berikut:

Memaksimukan p  3x1  5x2 (dalam ribu rupiah)
dengan kendala:
x1  x 2  60
x1  2 x 2  80
x1 ≥ 0 x 2 ≥ 0

Untuk metode grafis dengan cara manual, silahkan kerjakan sebagai Latihan
Anda di bawah ini!
Penyelesaian:
Metode Grafis 39
Selanjutnya, bandingkan pekerjaan Anda dengan hasil yang menggunakan
bantuan software Maple berikut ini.
Maksimum
Gambar 2.15. Penggunaan Maple pada Metode Grafis
Dari printout pada Gambar 2.15, didapatkan nilai maksimumnya adalah 220,
ketika nilai x1 = 40 dan x2 = 20. Anda dapat menggunakan bantuan software Maple
untuk mengecek kebenaran jawaban Anda.
Untuk memperdalam keterampilan Anda menggunakan software Maple dalam
menyelesaikan suatu masalah program linier dengan metode grafis, kerjakan Masalah
2.10 berikut langsung dengan menggunakan software Maple pada komputer Anda!
Masalah 2.10 (Kerjakan sebagai latihan Anda dengan Maple!)

Sebuah toko bunga menjual dua macam rangkaian bunga. Rangkaian I
memerlukan 10 tangkai bunga mawar dan 15 tangkai bunga anyelir, Rangkaian
II memerlukan 20 tankai bunga mawar dan 5 tangkai bunga anyelir. Persediaan
bunga mawar dan bunga anyelir masing-masing 200 tangkai dan 100 tangkai.
Rangkaian I dijual seharga Rp 200.000,00 dan rangkaian II dijual seharga
Rp100.000,00 per rangkaian. Tentukan banyaknya kombinasi rangkaian bunga
yang harus terjual agar mendapatkan penjualan maksimum, dan tentukan harga
penjualan tersebut!

Berikut diberikan langkah-langkah penggunaan software Maple dalam
menyelesaikan masalah program linier dengan metode grafis.
1. Menggambar Garis dengan Maple
Metode Grafis 41
2. Menggambar Daerah Penyelesaian Sistem Pertidaksamaan dengan Maple

3. Menyelesaikan Masalah Optimasi dengan Metode Grafis dengan Maple
Metode Grafis 43
2.8 Rangkuman Bab II
Metode grafis merupakan salah satu metode untuk menentukan penyelesaian dari
suatu masalah program linier atau masalah optimasi. Metode grafis terbatas untuk
masalah optimasi yang mengandung dua atau tiga variabel. Dalam prakteknya, masalah
dengan tiga variabel sulit memvisualisasikan daerah penyelesainnya, sehingga metode
grafis lebih identik dengan masalah optimasi dua variabel. Menyelesaikan masalah
program linier dengan metode grafis dapat ditempuh dengan dua metode, yaitu metode
garis selidik dan metode uji titik sudut daerah. Daerah masalah program linear
merupakan himpunan semua titik (x, y) yang memenuhi kendala dari suatu masalah
program linier.
Aturan penggunaan garis selidik 𝑎𝑥 + 𝑏𝑦 = 𝑘, yaitu: (1) gambar garis 𝑎𝑥 +
𝑏𝑦 = 𝑎𝑏 yang memotong sumbu X di titik (b,0) dan memotong sumbu Y di titik (0, a);
dan tarik garis-gari sejajar dengan 𝑎𝑥 + 𝑏𝑦 = 𝑎𝑏 hingga nilaai Z maksimum atau
minimum, dengan memperlihatkan hal-hal berikut: (a) jika garis 𝑎𝑥 + 𝑏𝑦 = 𝑘1 sejajar
dengan garis 𝑎𝑥 + 𝑏𝑦 = 𝑎𝑏 dan berada di paling atas atau berada di paling kanan pada
daerah himpunan , maka 𝑧 = 𝑘1 merupakan nilai maksimumnya; dan (b) jika garis
𝑎𝑥 + 𝑏𝑦 = 𝑘2 sejajar garis 𝑎𝑥 + 𝑏𝑦 = 𝑎𝑏 dan berada di paling bawah atau di paling
kiri pada daerah himpunan , maka 𝑧 = 𝑘2 merupakan nilai minimumnya.
Sedangkan langkah-langkah yang harus ditempuh dengan menggunakan
metode titik sudut, yaitu: (1) tetapkan objek-objek yang dituju dengan pemisah variabel
x dan y; (2) tuliskan ketentuan-ketentuan yang ada kedalam sebuah tabel dan tuliskan
model matematikanya; (3) gambarlah daerah penyelesaian dari kendala-kendala dalam
masalah program linear tersebut; (4) tentukan titik-titik pojok dari daerah penyelesaian
itu; (5) substitusikan koordinat setiap titik pojok itu kedalam fungsi objektif;
dan (6) bandingkan nilai-nilai fungsi objektif tersebut. Nilai terbesar berarti
menunjukkan nilai maksimum dari fungsi Z, sedangkan nilai terkecil berarti
menunjukkan nilai minimum dari fungsi Z.
Terdapat tiga kondisi berkaitan dengan eksistensi daerah penyelesaian dari
masalah optimasi, yaitu (1) tidak memiliki daerah penyelesaian; (2) memiliki daerah
penyelesaian (fungsi sasaran hanya memiliki nilai maksimum atau hanya memiliki nilai
minimum atau tidak punya keduanya); dan (3) memiliki daerah penyelesaian (fungsi
sasaran memiliki nilai maksimum dan minimum).

2.9 Latihan Soal Bab II
1. Perhatikan grafik-grafik di bawah ini!

Nyatakan pertidaksamaan-pertidaksamaan yang memenuhi daerah penyelesaian
(daerah diarsir) di bawah ini!
2. Perhatikan gambar di bawah ini!
D
A
B
F
C
G
Tentukan sistem pertidaksamaan yang memenuhi, jika setiap label daerah

merupakan daerah penyelesaian!
Metode Grafis 45
3. Tentukanlah sistem pertidaksamaan yang memenuhi setiap daerah berikut!
a. berbentuk segitiga sama sisi di kuadran pertama!
b. berbentuk trapesium di kuadran kedua!
c. berbentuk jajaran genjang di kuadran keempat!
4. Gambarkan daerah untuk setiap kendala masalah program linear berikut ini!
a. x – 4y ≤ 0; x – y2; – 2x + 3y ≤ 6; x ≤ 10
b. x + 4y ≤ 30; –5x + y ≤ 5; 6x – y ≥ 0; 5x + y ≤ 50; x – 5y ≤ 0
5. Pesawat penumpang mempunyai tempat duduk 48 kursi. Setiap penumpang kelas
utama boleh membawa bagasi maksimum 60 kilogram sedangkan kelas ekonomi
maksimum 20 kg. Pesawat hanya dapat membawa bagasi maksimum 1440 kg.
Harga tiket kelas utama Rp150.000, 00 dan kelas ekonomi Rp100.000,00. Supaya
pendapatan dari penjualan tiket pada saat pesawat penuh mencapai maksimum,
tentukan jumlah tempat duduk kelas utama!
6. Seorang agen perusahaan alat elektronik rumah tangga menjual kulkas ke suatu
pusat perbelanjaan. Pada bulan Juli, 25 unit kulkas terjual. Untuk tiga bulan
berikutnya, setiap agen membeli 65 kulkas per bulan dari pabrik, dan mampu
menjual hingga 100 unit per bulan dengan rincian sebagai berikut.
Kulkas Harga Beli ($) Harga Jual ($)
Agustus 60 90
September 65 110
Oktober 68 105
Agen menyimpan 45 unit kulkas tetapi harus membayar $7/unit/bulan dan akan
dijual pada bulan berikutnya. Tentukan nilai optimum pembelian, penjualan dan
biaya penyimpanan kulkas tersebut!
7. Perhatikan masalah program linear berikut ini:
a. Tentukan nilai minimum dari 3x + 4y dengan kendala:
x ≥ 1; y ≥ 2; x + y ≤ 6, dan 2x + 3y ≤ 15.
b. Tentukan interval nilai Z(x, y) = y – 2x + 2 dengan kendala:
x ≥ 0; y ≥ 0; 2x + 5y ≤ 10, dan 4x + 3y ≤ 12
8. Tentukan titik yang mengakibatkan fungsi linear f(x, y) = 2x – y – 4 bernilai
optimum (maksimum atau minimum) jika daerah asal dibatasi sebagai berikut: 1 ≤
x ≤ 1; –1 ≤ y ≤ 1. (Periksa nilai fungsi di beberapa titik daerah asal dan periksa
bahwa nilai optimum tercapai pada suatu titik sudut daerah asal).
***babII***

BAB III
METODE ALJABAR
3.1 Pendahuluan
Bab III ini membahas tentang metode aljabar, sebagai alternatif metode lain
dalam menyelesaikan masalah program linier yang lebih bermanfaat dibandingkan
dengan metode grafis, karena dapat digunakan untuk masalah dengan banyak variabel
keputusan berapapun. Setelah mempelajari Bab ini Anda diharapkan mampu
memahami ide dasar dari metode aljabar; memahami langkah-langkah dari metode
aljabar; dan mampu menggunakan metode aljabar untuk menyelesaikan masalah
program linier dalam kehidupan sehari-hari.
3.2 Ide Dasar Metode Aljabar
Metoda aljabar dilakukan melalui penyelidikan optimalitas secara bersamaan

sampai memperoleh yang optimal. Pada setiap tahapan dilakukan pengujian mengenai
kelaikan (fesibilitily) yang bersangkutan, dan penyelidikan (detection) mengenai
kemungkinan perbaikan optimalitas untuk tahap berikutnya. Proses ini mirip dengan
penyelidikan optimalisasi sudut-sudut area laik yang tedapat dalam metoda grafis pada
Bab II sebelumnya.
Sebelum tahap pertama dimulai, perlu dilakukan standarisasi rumusan model,
yaitu mengubah kendala-kendala yang masih berbentuk pertidaksamaan menjadi
persamaan. Caranya adalah dengan memasukan unsur variabel semu pada ruas kiri
fungsi kendala. Untuk fungsi kendala yang bertanda kurang dari atau sama dengan (
 ) dilakukan penambahan “variabel senjang” atau (slack variable). Sedangkan untuk
fungsi kendala bertanda lebih dari atau sama dengan (  ) dilakukan dengan
pengurangan “variable surplus” atau (surplus variabel). Berikut diberikan contoh
standarisasi rumusan model pada metode aljabar.
Contoh:
2x1  5x2  40 distandarisasi menjadi bentuk 2x1  5x2  s  40
2x1  5x2  40 distandarisasi menjadi bentuk 2x1  5x2  s  40
Metode Aljabar 47
3.3 Langkah-Langkah Metode Aljabar
Metoda aljabar diawali dengan me-nol-kan semua variabel keputusan, yang

merupakan langkah pertama. Kemudian dilanjutkan dengan tahap-tahap berikutnya,
dengan mempertimbangkan kelaikan dan optimalitasnya. Pekerjaan dikatakan selesai
(dianggap optimal) apabila pada suatu tahap tertentu tidak terdapat lagi kemungkinan
perbaikan optimalitas. Untuk memahami langkah-langkah metode aljabar untuk
menyelesaiakan masalah program linier, cermati Masalah 3.1 beserta alternatif
penyelesaiannya berikut.
Masalah 3.1
Suatu perusahaan konveksi memproduksi dua macam Gorden, yaitu Gorden
kelas I dan Gorden kelas II, masing-masing mendatangkan keuntungan Rp
25.000,00 dan Rp 15.000,00 per paket. Produk Gorden I dibuat dari campuran
bahan-bahan kain satin, kain sutra, dan kain lace. Sedangkan Gorden II hanya
dibuat dari campuran kain satin dan kain sutra. Tiap paket Gorden kelas I terdiri
atas 3 meter kain satin, 2 meter kain sutra, dan 3 meter kain lace, sementara tiap
paket Gorden kelas II hanya terdiri atas 3 meter kain satin dan 4 meter kain
sutra. Jumlah kain yang tersedia untuk diolah masing-masing tidak melebihi 24
meter kain satin, 20 meter kain satin, dan 21 meter kain lace untuk satu kali
periode produksi. Berapa unit masing-masing jenis kelas Gorden harus
dihasilkan pada satu periode produksi agar mendapatkan keuntungan optimal?
Gunakan metode Aljabar dan metode grafis!
Berdasarkan informasi pada Masalah 3.1 dan dengan memisalkan x1 : banyaknya
Gorden kelas I dan x2 : banyaknya Gorden kelas II, Masalah 3.1 tersebut dapat
dinyatakan sebagai model matematika berikut ini.
Memaksimumkan z  25 x1  15 x2 (I)
terhadap 3x1  3x2  24    (kendala masukan kain satin)
3x1  4x2  20    (kendala masukan kain sutra)
3x1  21    (kendala masukan kain lace)
x1  0
x2  0

Akan diselesaikan dengan metode grafis dan metoda aljabar, sebagai berikut.
Dengan Metode Grafis: (Kerjakan sebagai latihan Anda!)
Metode Aljabar 49
Dengan Metode Aljabar:
Menyelesaikan Masalah 3.1 dengan metode aljabar cermati pemaparan berikut.
Standarisasi model matematika tersebut, yaitu menjadi:
Maksimumkan z  25 x1  15 x2
terhadap 3x1  3x2  s1  24 atau s1  24  3x1  3x2 (II)
21  4x2  s2  20 atau s2  20  2x1  4x2 (III)

3x1  s3  21 atau s3  21  3x1 (IV)
x1 , x2 , s1 , s2 , s3  0
 tahap pertama : x1  0, x2  0
x1  0  maka berdasarkan (I), (II), (III), (IV) :

Karena 
x 2  0 z  0, s1  24, s 2  20, s 3  21
Menurut persamaan fungsi tujuan (I), setiap paket Gorden I mendatangkan

profit Rp 25.000,00 sedangkan setip paket Gorden II hanya mendatangkan profit Rp
15.000,00. Berarti utuk menyelesaikan tahap berikut setidaknya terlebih dahulu
“diproduksi” Gorden I. Sementara Gorden II tetap dipertahankan nol. Jumlah Gorden I
yang sebaiknya diproduksi diusahakan seoptimal mungkin, yakni jumlah terbanyak
namun tetap dalam batas-batas kelaikan.
Jika x2 = 0 maka dalam semua masukan kain satin, kain sutra, dan kain lace
terpakai habis (dengan perkataan lain s1  s2  s3  0 ). Sehingga diperoleh:
Menurut (II) : x1  24 / 3  8 → taklaik
Menurut (III) : x1  20 / 2  10 → taklaik
Menurut (IV) : x1  21/ 3  7 → laik
x1  8 dan x1  10 tidak laik karena jumlah masukan kain lace yang dimiliki tidak
mencukupi. Perhatikan (IV); jika x1  8 berarti dibutuhkan 3(8)  24 paket masukan
kain lace, padahal persediaannya tidak melebihi 21 meter. Jadi, jumlah x1 yang optimal
(terbanyak dan laik) untuk dianalisis pada tahap berikut adalah 7 paket.
 tahap kedua : x1  7, x2  0
Karena x1  7 dan x2  0 maka berdasarkan:

(I) diperoleh z  25(7)  15(0)  175

(II) diperoleh s1  24  3(7)  3(0)  3
(III) diperoleh s2  20  2(7)  4(0)  6
(IV) diperoleh s3  21  3(7)  0

Pada tahap ini perlu dilakukan penyesuaian terhadap persamaan fungsi tujuan, yakni
dengan mensubstitusikan x1 pada persamaan (IV).
Menurut (IV) : 3x1  s3  21
1
Berarti 3x1  21  s3 
 x1  7  s3 (V )
3
Mengapa persamaan (IV) harus diubah dalam satuan variabel keputusan? Karena pada
tahap ini variabel semuanya ( s3 ) sama dengan nol! Mengapa perubahan tersebut
dinyatakan dalam satuan variable x1 ? Karena pada tahap ini x1 merupakan vaiabel
keputusan yang dianalisis!
Selanjutnya, dengan mensubtitusikan persamaan (V) ke dalam persamaan
fungsi tujuan yang asli (I), diperoleh persamaan fungsi tujuan yang baru, yaitu:
z  25 x1  15 x2
(I )
1
z  25(7  s3 )  15 x2
3
(VI )
25
z  175  s1  15 x2
3
Dari persamaan fungsi tujuan yang baru (VI) terlihat bahwa optimalitas bisa
diperbaiki dengan memproduksi (memulai atau menambah) barang Gorden II, yang
setiap unitnya mendatangkan profit Rp 15.000,00. Sedangkan jumlah barang Gorden I,
pada tahap berikutnya tidak berubah (tetap x1  7 ) sebab di dalam fungsi tujuan yang
baru ini tidak dicantumkan variabel x1 . Koefisien -25/3 pada variabel s 3 ,
mencerminkan bahwa jika s 3 bertambah satu unit (masukan M yang tidak digunakan
bertambah satu unit), maka profit berkurag sebesar 25/3. Jelas kita tidak akan
melakukan hal ini sebab justru akan memperburuk optimalitas. Sebaik-baiknya justru
semua variabel semu di sini diusahakan nol, yang berarti tidak ada masukan tersisa.
Uraian di atas menyimpulkan bahwa pada tahap berikutnya harus “diproduksi”
barang Gorden II (harus x2  0 ), sedangkan jumlah Gorden I harus dipertahankan 7
unit. Masalahnya berapa paket Gorden II yang optimal untuk diproduksi? Kembali kita
perlu melakukan analisis seperti pada tahap pertama.
Metode Aljabar 51
Jika x1  7 dan semua masukan terpakai habis ( s1  s2  s3  0) , maka
Menurut (II) : x2  3 / 3  1 
 laik
Menurut (III) : x2  6 / 4  1,5 

 tak laik
Menurut (IV) : x2 tidak dapat dinyatakan, karena persamaan ini tidak mendukung
variabel x1
Nilai x2  1,5 tidak laik sebab (bersama-sama dengan x1  7 ) berarti

dibutuhkan masukan kain satin sejumlah 25,5 paket [uji persamaan (II)], padahal hanya
tersedia 24 meter. Dengan demikian, kombinasi jumlah optimal yang harus dianalisis
berikutnya adalah x1  7 dan x2  1 .
 Tahap ketiga : x1  7, x2  1
Berdasarkan x1  7 maka menurut (I), (II), (III), dan (IV) :


x 2  1 z  190, s1  0, s 2  2, dan s3  0
Karena penyertaan x2 dalam analisis menyebabkan s1  0 , maka persamaan (II) yang
mengandung s1 perlu diubah kedalam satuan x2 untuk kemudian secara bersama-sama

dengan persamaan (IV) yang telah diubah menjadi (V), disubtitusikan ke dalam fungsi
tujuan yang asli, guna mengetahui kemungkinan perbaikan optimalitas lebih lanjut.
Menurut (II) : 3x1  3x2  s1  24

1
3x2  24  3x1  s1  x2  8  x1  s1 (VII )
2
Selanjutnya, dengan mensubtitusikan (V) dan (VII) ke dalam fungsi tujun yang asli (I),
diperoleh sebuah tujuan yang baru lagi, yaitu sebagai berikut.
z  25x1  152
(I )
1 1
 25(7  s1 )  120  15(8  x1  s1 )
3 3
25
 175  s3  120  15x1  5s1
3
25
 295  5s1  s3
3
25
 295  5s1 
3
10
 z  190  5s1  s1
3 (VIII )

Di sisi lain tidak ada lagi variabel posiif x1 dan x2 , berarti sudah tidak
dimungkinakan lagi perbaikan optimalitas melalui penambahan x1 dan x2 . Karena
tidak terdapat lagi kemungkinan perbaikan optimalitas, bearti x1 dan x2 yang dicapai
pada tahap ini sudah optial. Jadi, optimalitas tercapai pada x1  7 dan x2  1 dengan
z  190 .
Perhatikan kembali persamaan (VII)! Disitu terlihat s1 dan s 3 berkoefisien
negatif, berarti penambahan setiap unit s1 atau s 3 akan mengurangi nilai optimalitas.
Ini mengisyaratkan bahwa kita harus mempertahankan s1  0 dan s3  0 . Apabila
x1  7 dan tadi dimasukan ke dalam persamaan-persamaan yang mengandung s1 dan

s 3 yakni (II) dan (IV), akan terbukti bahwa memang s1  0 dan s3  0 . Selanjutnya,
ketidakhadiran variabel s2 (yang mencerminkan sisa masukan kain sutra) di dalam
persamaan Z optimal di atas menandakan bahwa pada tahap optimal ini s2  0 . Berarti
terdapat sisa masukan kain sutra yang tidak terpakai. Jika hasil x1  7 dan x2  1
dimasukan ke dalam persamaan (III) yang mengandung s2 , terbuki bahwa s2  2 .

Dengan perkataan lain, terdapat 2 meter kain sutra yang tidak terpakai pada tingkat
produksi optimal ini.
Berdasarkan urain tersebut, dengan metode aljabar didapatkan bahwa
perusahaan akan mendapatkan keuntungan maksimal ketika memproduksi 7 paket
Gorden kelas I dan 1 paket Gorden kelas II. Selanjutnya, silahkan analisis dengan
membandingkan hasil yang Anda dapatkan sebelumnya dengan menggunakan metode
grafis! Apa yang dapat Anda simpulkan tentang keterkaitan antara metode grafis dan
metode aljabar? Jelaskan!
Merujuk pada pemaparan alternating penyelesaian Masalah 3.1 di atas, secara
umum langka-langkah pengerjaan dengan metoda aljabar setelah model
permasalahannya dirumuskan, adalah sebagai berikut.
1. Lakukan standarisasi rumusan model matematika dari masalah program linier.
2. Kerjakan tahap pertama dengan me-nol-kan semua variabel keputusan.
3. Berdasarkan koefisien-koefisien variabel keputusan yang terdapat pada fungsi
tujuan, tentukan salah satu variabel dengan optimalitas “terbaik” (sesuai masalahnya
(maksimasi atau minimasi).
Metode Aljabar 53
4. Kerjakan tahap berikutnya berdasarkan kelaikan variabel pilihan tadi, yakni selidiki
optimalitas fungsi tujuan dan selidiki apakah masih terdapat kemungkinan perbaikan
optimalitas. (Terdapat atau tidaknya kemungkinan perbaikan optimalitas akan
terlibat dari persamaan fungsi tujuan baru yang terbentuk pada tahap ini).
5. Jika sudah tidak terdapat kemungkinan perbaikan optimalitas berarti perkerjaan
selesai, optimal tercapai. Jika masih terdapat kemungkian perbaikan, ulangi langkah
ke-3 dan ke-4 secara terus-menerus sampai diperoleh yang optimal.
Selanjutnya, untuk memantapkan keterampilan Anda dalam menyelesaikan
masalah program linier dengan menggunakan metode Aljabar, kerjakan Masalah 3.2
berikut dalam kelompok sebagai latihan Anda!
Masalah 3.2
Sebuah perusahaan daur ulang barang bekas akan mendaur ulang tiga macam
model kamera bekas, masing-masing diproses melalui tiga Departemen. Tipe
kamera bekas Potret-1 dibeli seharga Rp 100.000,00 per unit, sedangkan
kamera bekas Potret-2 dan Potret-3 masing-masing dibeli dengan harga Rp
150.000,00 dan Rp 175.000,00 per unit. Untuk menjadi barang baru, setiap
lusin kamera bekas Potret-1 membutuhkan 4 jam waktu pengolahan di
Departemen A, 2 jam di Departemen B, dan 3 jam di Departemen C. Sedangkan
tiap lusin kamera bekas Potret-2 memerlukan 2 jam, 1 jam, dan 5 jam di masing-
masing Departemen. Untuk tipe kamera bekas Potret-3 membutuhkan 6 jam, 9
jam, dan 10 jam di masing-masing Departemen. Kapasitas kerja maksimum
Departemen A, B, dan C berturut-turut adalah 120 jam, 160 jam, dan 60 jam
per minggu. Guna menjamin kelangsungan bisnisnya, perusahaan menetapkan
setidak-tidaknya didaur ulang 32 unit tipe Potret-1 dan 48 unit tipe Potret-2 per
minggu, serta paling banyak mendaur ulang 60 unit tipe Potret-3 per minggu.
Jika ditetapkan harga jual per unit dari hasil daur ulang tipe Potret-1, Potret-2,
dan Potret-3 berturut-turut adalah Rp 250.000,00, Rp 400.000,00, dan Rp
450.000,00, maka tentukan keuntungan maksimum yang diperoleh!
Berdasarkan uraian metode aljabar tersebut, dapat disimpulkan, bahwa secara

teoretik metoda aljabar lebih bermanfaat dibandingkan dengan metoda gtafik, karena
dapat digunakan untuk menyelesaikan masalah dengan banyak variabel keputusan
berapapun. Sayangnya, rangkaian nya cukup panjang sehingga dapat membingungkan
atau bahkan menjenuhkan. Untuk menyelesaikan masalah dengan dua variabel
keputusan, jelas metoda grafik lebih praktis daripada metoda aljabar.
Ketidakpraktisannya menyebabkan metoda ini kurang begitu populer. Oleh karena itu,
banyak buku-teks yang memuat program linear tidak mencantumkan metoda ini dalam
bahasanya. Untuk menyelesaikan masalah lebih dari dua variabel keputusan, orang
lebih cenderung menggunakan metoda simpleks (akan dibahas pada Bab selanjutnya)
karena lebih praktis. Akan tetapi perlu dicatat bahwa metoda simpleks sesungguhnya
bersumber dari metoda ini, dan banyak paket program linier pada komputer justru
diprogram berdasarkan prinsip-prinsip metoda aljabar, meskipun keluaran (output)-nya
disajikan dalam bentuk tabulasi simpleks.
3.4 Rangkuman Bab III
Langkah-langkah penyelesaian masalah program linier dengan metoda aljabar

adalah sebagai berikut.
1. Lakukan standarisasi rumusan model matematika dari masalah program linier.
2. Kerjakan tahap pertama dengan me-nol-kan semua variabel keputusan.
3. Berdasarkan koefisien-koefisien variabel keputusan yang terdapat pada fungsi
tujuan, tentukan salah satu variabel dengan optimalitas “terbaik” (sesuai masalahnya
(maksimasi atau minimasi).
4. Kerjakan tahap berikutnya berdasarkan kelaikan variabel pilihan tadi, yakni selidiki
optimalitas fungsi tujuan dan selidiki apakah masih terdapat kemungkinan perbaikan
optimalitas. (Terdapat atau tidaknya kemungkinan perbaikan optimalitas akan
terlibat dari persamaan fungsi tujuan baru yang terbentuk pada tahap ini).
5. Jika sudah tidak terdapat kemungkinan perbaikan optimalitas berarti perkerjaan
selesai, optimal tercapai. Jika masih terdapat kemungkian perbaikan, ulangi langkah
ke-3 dan ke-4 secara terus-menerus sampai diperoleh yang optimal.
Berdasarkan uraian metode aljabar tersebut, dapat disimpulkan, bahwa secara
teoretik metoda aljabar lebih bermanfaat dibandingkan dengan metoda gtafik, karena
dapat digunakan untuk menyelesaikan masalah dengan banyak variabel keputusan
berapapun. Sayangnya, rangkaian nya cukup panjang sehingga dapat membingungkan
atau bahkan menjenuhkan.
Metode Aljabar 55
3.5 Latihan Soal Bab III

1. Gunakan metode aljabar untuk menyelesaikan masalah berikut!
a) Tentukan nilai maksimum dari 3𝑥 + 2𝑦 yang memenuhi 𝑥 + 𝑦 ≤ 5, 𝑥 ≥ 0, 𝑦 ≥
0, dan x, y ∈ R.
b) Tentukan nilai maksimum 𝑧 = 𝑥 + 2𝑦 yang memenuhi: 𝑥 + 3𝑦 ≤ 9,2𝑥 + 𝑦 ≤
8, 𝑥 ≥ 0, 𝑦 ≥ 0.
2. Gunakan metode Grafis dan metode Aljabar untuk menyelesaiakn masalah berikut!
Panitia demo masakan menyediakan 2 jenis makanan bergizi berbentuk bubuk untuk
peserta. Tiap 400 g kedua jenis makanan itu mengandung nutrisi seperti tertera pada
tabel berikut.
Unsur Makanan A Makanan B
Protein 15 g 10 g
Lemak 2g 4g
Karbohidrat 25 g 30g
Para peserta setiap hari paling sedikit memerlukan 15 g protein, 4 g lemak, dan 30 g
karbohidrat. Apabila harga makanan A Rp 15.000 setiap 40 g makanan B Rp 20.000
setiap 400 g, tentukan harga minimum dari makanan yang telah dihabiskan para
peserta setiap harinya!
Selanjutnya, bandingkan hasil dan proses penyelesaiannya!
***babIII***

BAB IV
METODE SIMPLEKS: Strategi Pivoting
4.1 Pendahuluan
Bab IV ini membahas tentang metode simpleks, sebagai alternatif lain dalam
menyelesaikan masalah program linier yang lebih bermanfaat dibandingkan dengan
metode grafis karena dapat digunakan untuk masalah dengan banyak variabel
keputusan berapapun, serta langkah-langkahnya lebih praktis dari metode aljabar. Pada
bahan ajar ini, metode simpleks yang dipaparkan menggunakan strategi pivoting.
Setelah mempelajari Bab ini Anda diharapkan mampu memahami ide dasar dari metode
simpleks dengan strategi pivoting; mampu membedakan bentuk standar masalah
maksimum, minimum, dan kendala campuran; mampu menyatakan masalah optimasi
menjadi tabel simpleks; mampu melakukan operasi pivot pada tabel simpleks;
memahami langkah-langkah metode simpleks untuk menyelesaikan masalah
maksimum standar, minimum standar, dan kendala campuran; serta mampu
menggunakan metode simpleks untuk menyelesaikan masalah kehidupan sehari-hari.
4.2 Bentuk Standar dari Masalah Optimasi
Sebelum memaparkan metode simpleks dengan strategi pivoting, berikut

dipaparkan terlebih dahulu mengenai bentuk standar masalah optimasi, sehingga Anda
dengan jelas mampu membedakan jenis masalah dan strategi yang digunakan, karena
setiap jenis masalah optimasi memiliki strategi penyelesaian yang berbeda.
1. Bentuk Standar dari Masalah Maksimum
Masalah 4.1
Dengan persediaan kain satin 120 meter dan kain sutra 80 meter, seorang penjahit
akan membuat dua model Gorden. Model I memerlukan 2 meter kain satin dan 2
meter kain sutra. Model II memerlukan 4 meter kain satin dan 2 meter kain sutra.
Jika Gorden tersebut dijual, setiap model I memperoleh untung Rp 3.000,00 dan
model II memperoleh untung Rp 4.000,00. Modelkan permasalahan tersebut agar
penjahit mendapatkan keuntungan maksimum! Analisislah bentuk masalah
optimasi yang dinyatakan oleh model tersebut!
Metode Simpleks: Strategi Pivoting 57

Gorden I yang dibuat dan x2 : banyaknya Gorden II yang dibuat, masalah optimasi
tersebut dapat dimodelkan sebagai berikut:
Maksimumkan Z  3x1  4x2 (dalam ribu rupiah).

dengan kendala:
2 x1  4 x2  120
2 x1  2 x2  80
x1  0, x2  0
Dengan melihat model matematika tersebut, Masalah 4.1 disebut sebagai masalah
maksimum dengan dua variabel x1 dan x2 , karena kedua variabel nonnegatif dan setiap
kendala ditulis sebagai ekspresi linear yang kurang dari atau sama dengan konstanta
positif, disimpulkan bahwa Masalah tersebut termasuk masalah maksimum dalam
bentuk standar.
Berdasarkan Masalah 4.1 dan alternatif penyelesaiannya tersebut, masalah
program linear dengan tujuan memaksimumkan fungsi objektif disebut masalah
program linear maksimum. Masalah semacam ini dikatakan dalam bentuk standar, jika
memenuhi dua syarat berikut.
Syarat 1: Semua variabel adalah nonnegatif.

Syarat 2: Semua pembatasan/kendala yang lain ditulis sebagai ekspresi/bentuk
linear yang kurang dari atau sama dengan konstanta positif.
Untuk memperdalam pengetahuan Anda, cermati Masalah 4.2 beserta alternatif

penyelesaiannya berikut ini.
Masalah 4.2
Tentukan manakah yang merupakan masalah program linear maksimum dalam
bentuk standar. Jelaskan jawaban Anda!
a) Maksimumkan
z  8 x1  2 x2  3x3
dengan kendala:
4 x1  8x2  120
3x2  4 x3  120
x1  0, x2  0

Lanjutan Masalah 4.2
b) Maksimumkan
z  6 x1  8 x2  x3
dengan kendala:
3x1  x2  10
4 x1  x2 5
x1  x2  x3  3
x1  0, x2  0, x3  0
c) Maksimumkan
z  8x1  x2
dengan kendala:
3x1  4 x2  2
x1  x2  6
x1  0 , x2  0

a) Masalah (1a) adalah masalah maksimum dengan tiga variabel x1 , x2 dan x3 . Karena
variabel x3 tidak nonnegatif, maka masalah maksimum (1a) tidak dalam bentuk
standar.
b) Masalah (1b) adalah masalah maksimum dengan tiga variabel x1 , x2 , dan x3 . Setiap
variabel adalah nonnegatif. Fungsi kendalanya:
3x1  x2  10
4 x1  x2  5
x1  x2  x3  3
Memuat x1  x2  x3  3 yang bukan ekspresi linear yang kurang dari atau sama
dengan konstanta posotif. Jadi, masalah maksimum tidak dalam bentuk standar.
Namun, perhatikan bahwa dengan mengalikan kendala ini dengan -1, diperoleh
 x1  x2  x3  3 , yang memenuhi bentuk yang diinginkan. Jadi, meskipun masalah
maksimum yang diberikan tidak dalam bentuk standar, tetapi kita dapat dengan
mudah mengubahnya dalam bentuk standar.
c) Masalah maksimum (1c) mempunyai dua variabel x1 dan x2 , masing-masing
nonnegatif. Di antara kendala, kendala pertama 3x1  4x2  2 tidak memenuhi
syarat. Jadi, masalah maksimum yang diberikan tidak dalam bentuk standar.

Meskipun mengalikan dengan -1 akan mengubah  menjadi  , namum bilangan 2
akan menjadi -2 yang jelas tidak memenuhi Syarat 1.
2. Bentuk Standar dari Masalah Minimum

Dengan alur penurunan yang mirip dengan bentuk standar masalah maksimum
di atas, pada masalah program linier dengan tujuan meminimumkan fungsi objektif
disebut masalah pemrograman linier minimum. Masalah semacam ini dikatakan dalam
bentuk standar jika memenuhi tiga syarat berikut.
Syarat 1: Semua variabel adalah nonnegatif.

Syarat 2: Semua kendala lainnya dituliskan sebagai ekspresi linier yang lebih dari
atau sama dengan suatu konstanta.
Syarat 3: Fungsi objektif harus dinyatakan sebagai ekspresi linier dengan koefisien
nonnegative.
Untuk memperdalam pengetahuan Anda tentang bentuk standar masalah

minimum, kerjakan Masalah 4.3 berikut dalam kelompok!
Masalah 4.3 (Kerjakan sebagai latihan Anda!)

Tentukan manakah masalah minimum berikut dalam bentuk standar!
a) Minimumkan C  2 x1  3x2 dengan kendala:
x1  3x 2  24
2 x1  x 2  18
x1  0, x 2  0
b) Minimumkan C  3x1  x2  4 x3 dengan kendala:
3x1  x2  x3  12
x1  x2  x3  8
x1  0, x2  0, x3  0
c) Minimumkan C  2 x1  x 2  x3 dengan kendala:
x  3x 2  3x3  12
x1  x 2  x3  1
x1  0, x 2  0, x3  0
d) Minimumkan C  2 x1  x2  3x3 dengan kendala:
 x1  2 x2  x3  2
x1  x2  x3  6
x1  0, x2  0, x3  0

4.3 Membentuk Tabel Simpleks
Untuk dapat menggunakan mentode simpleks dengan strategi pivoting pada

masalah optimasi perlu memperhatikan dua hal berikut.
1) Memperkenalkan variabel slack (ingat kembali Bab III).
2) Mengkonstruksi tabel simpleks awal.
Kembali cermati Masalah 4.1 dan model matematikanya! Akan ditunjukkan
cara membentuk tabel simpleks awal seperti berikut ini.
Merujuk pada Masalah 4.1, bentuk standar dari masalah maksimumnya sebagai
berikut:
Maksimumkan p  3x1  4 x2
dengan kendala:
2 x1  4 x2  120
2 x1  2 x2  80
x1  0, x2  0
Pertama, perhatikan bahwa masalah maksimum ini dalam bentuk standar.
Berikutnya, ekpresi 2x1  4x2  120 menyatakan bahwa terdapat bilangan yang lebih
dari satu atau sama dengan 0, dinotasikan dengan s1 , sedemikian sehingga:
2 x1  4 x2 s1 120
Bilangan s1 ini adalah variabel. Bilangan ini haruslah nonnegatif sebab bilangan ini
adalah selisih dari 120 dan suatu bilangan yang kurang atau sama dengan 120. Bilangan
ini disebut variabel slack.
Dengan cara yang sama, untuk kendala 2x1  2x2  180 , diperkenalkan variabel slack
s2 , sehingga diperoleh:
2x1  2x2  s2  120 , s2  0
Selanjutnya, fungsi objektif p  3x1  4x2 dituliskan sebagai ekspresi
p  3x1  4x2  0
Jadi, kita telah mengganti sistem semula yang terdiri atas sejumlah kendala dan fungsi
objektif dengan sistem yang tersusun atas tiga persamaan dengan lima variabel,
p, x1 , x2 s1 , dan s2 , yaitu sebagai berikut:

2 x1  4 x2  s1  120 
 Kendala
2 x1  2 x2  s 2  80 
P  3x1  4x2 = 0 Fungsi Objektif

dengan x1  0, x2  0, s1  0, s2  0 .
Menyelesaikan masalah maksimum berarti menentukan solusi khusus
( p, x1 , x2 , s1 , s2 ) yang memberikan nilai terbesar yang mungkin untuk P . Matriks
diperbesar untuk sistem ini diberikan seperti berikut ini:
P x1 x2 s1 s2
0 2 4 1 0 120 
0 2 4 0 1 80 

1  3  4 0 0 0 
Jika matriks diperbesar ini dituliskan dalam bentuk tabel, maka dapat tabel simpleks
awal untuk masalah maksimum tersebut sebagai berikut:
BV P x1 x2 s1 s2 RHS
s1  0 2 4 1 0 120 
s2  80 
(1)
0 2 2 0 1
P  1 3 4 0 0 0 
Baris bawah pada tabel simpleks (1) menyatakan fungsi objektif dan disebut
baris objektif. Baris-baris di atasnya menyatakan kendala yang dipisahkan dari baris
objektif oleh suatu garis horizontal. Perhatikan bahwa simbol untuk setiap variabel
dituliskan di atas kolom dimana koifisiennya muncul. Notasi BV digunakan untuk
singkatan variabel dasar. Ini adalah variabel dengan koefisien 1 dan 0 di tempat lain
dalam kolomnya. Notasi RHS digunakan untuk singkatan ruas kanan, yakni bilangan
di kanan tanda sama dengan pada setiap persamaan.
Sampai tahap ini, kita telah menerapkan metode simpleks sejauh dua langkah,
dan dapat disimpulkan bahwa untuk masalah maksimum dalam bentuk standar harus
melakukan dua langkah awal berikut.
1) Kendala diubah dari pertidaksamaan menjadi persamaan dengan

memperkenalkan variabel tambahan satu variabel untuk setiap kendala dan
semua nonnegatif, disebut variabel slack.
2) Persamaan ini, bersama dengan persamaan yang mewakili fungsi objektif,
diletakan dalam tabel simpleks awal.

Untuk memperdalam pemahaman Anda, kerjakan Masalah 4.4 berikut!
Masalah 4.4: (Kerjakan sebagai Latihan Anda!)

Masalah maksimum berikut dalam bentuk standar. Untuk masalah ini, masukan
variabel slack dan buat tabel simpleks awalnya!
Maksimumkan P  3x1  2 x2  x3
Dengan kendala:
3x1  x2  x3  30
5 x1  2 x2  x3  24
x1  x2  4 x3  20
x1  0, x2  0, x3  0
Penyelesaian:
Perhatikan bahwa pada setiap tabel simpleks awal, matriks identitas muncul di
bawah kolom P dan kolom variabel slack. Perhatikan juga bahwa kolom RHS selalu
memuat konstanta nonegatif.

4.4 Operasi Pivot pada Tabel Simpleks
Sebelum membahas lebih jauh metode simpleks, kita perlu membahas operasi
pada matriks yang dikenal sebagai pivoting. Hal pertama yang dilakukan pada operasi
pivot adalah memilih elemen pivot. Metode memilih elemen pivot dalam tabel simpleks
akan dipaparkan pada subbab berikutnya.
Pivoting
Melakukan operasi pivot pada suatu matriks berdasarkan elemen yang
diberikan, yang disebut elemen pivot, berarti menerapkan operasi baris tertentu sehigga
elemen pivot tergantikan oleh bilangan 1 dan semua entri yang lain dalam kolom yang
sama disebut kolom pivot menjadi 0. Adapun langkah-langkah pivoting sebagai
berikut.
Step 1. Pada baris pivot (baris dimana pivot muncul), bagi setiap entri dengan
elemen pivot (kita asumsikan elemen pivot tidak 0). Ini membuat pivot
menjadi 1.
Step 2. Dapatkan 0 di tempat-tempat lain pada kolom pivot dengan melakukan
operasi baris menggunakan baris pivot.
Langkah-langkah untuk melakukan pivoting memanfaatkan dua variasi dari tiga

operasi baris elementer (OBE) untuk matriks, yaitu sebagai berikut.
Step 1. Ganti bars pivot dengan kelipatan positif dari baris yang sama.
Step 2. Ganti suatu baris dengan jumlah dari barsi tersebut dan kelipatan baris
pivot.
Peringatan: perhatikan bahwa Step 2 memerlukan operasi baris yang harus
melibatkan baris pivot.
Kembali cermati Masalah 4.1 dan tabel simpleks awalnya, dengan mengikuti
langkah-langkah pivoting di atas, berikut dipaparkan pivoting untuk Masalah 4.1.
Lakukan operasi pivot pada tabel simpleks awal yang diberikan pada pivot yang
terdapat pada table simpleks awal (1) dan ditulis kembali pada (2), dimana elemen pivot
dilingkari dan baris pivot serta kolom pivot ditandai oleh anak panah seperti berikut ini.

s1  0 2 4 1 0 120 
s2  80 
(2)
0 2 2 0 1
P  1 3 4 0 0 0 
Pada table (2), kolom pivot adalah kolom x2 dan baris pivot adalah s1 . Sesuai dengan
Step 1 dari prosedur pivoting kita bagi baris pivot dengan 4, jadi gunakan OBE:
1
R1  r1
4
P x1 x2 s1 s2 RHS
 1 1 
 0 1 0 30 
2 4
 0 2 2 0 1 80 
 
 1 3 4 0 0 0
 
Untuk Step 2, baris pivot adalah 1. Untuk memperoleh 0 di tempat lain pada kolom
pivot, kita kalikan baris 1 dengan -2 dan tambahkan hasil ini ke baris 2; lalu kalikan
baris 1 dengan 4 dan tambahkan hasilnya ke baris 3. Operasi barisnya yaitu berikut:
R2  r2  (2)r1 R3  r3  4r1
Tabel yang baru akan tampak seperti tabel simpleks (3) berikut.
 1 1 
 0 1 0 30 
s1 2 4
 1  (3)
s2  0 1 0  1 20 
 2 
P  1 1 0 1 0 120 
 
Ini melengkapi operasi pivot sebab kolom x2 mempunyai 1 pada baris pivot x2
dan 0 di tempat lain. Sesungguhnya apa yang telah dilakukan oleh operasi pivot?
Untuk menjawab ini, lihat kembali tabel simpleks awal pada tabel (2). Perhatikan
bahwa entri pada kolom P, s1 dan s2 membentuk matriks identitas ukuran 3x3 ( I 3 ). Ini
memberikan kemudahan untuk menyelesaikan P, s1 dan s2 dengan menggunakan

variabel lain sebagai parameter seperti berikut:
2 x1  4 x2  s1  120 or s1  2 x1  4 x2  120
2 x1  2 x2  s2  80 or s2  2 x1  2 x2  80
P  3x1  4 x2 0 or P  3x1  4 x2

Variabel P, s1 dan s2 adalah variabel dasar (BV) semula yang terdaftar dalam
tabel. Setelah pivoting, diperoleh tabel seperti pada (3), perhatikan bahwa bentuk ini,
mudah untuk menyelesaikan P, s1 dan s2 dalam suku x1 dan s1 seperti berikut:
1 1
x2   x1  s1  30
2 4
1
s2   x1  s1  20 (4)
2
P x1  s1  120
Variabel P, x2 dan s2 adalah variabel dasar yang baru dari tabel. Variabel s1 dan s2
adalah bukan variabel dasar. Jadi, hasil pivoting adalah x2 menjadi variabel dasar
sedangkan s1 menjadi bukan variabel dasar.
Perhatikan persamaan (4), jika kita memberikan nilai untuk bukan variabel
dasar x1 dan s1 sama dengan 0, maka variabel dasar P, x1 dan s2 sama dengan entri di
seberangnya pada ruas kanan (RHS) dari tabel pada (3). Dengan demikian, untuk tabel
pada (3), nilai sekarang untuk fungsi objektif adalah P = 120, diperoleh untuk
x1  0, s1  0. Nilai x2 dan s2 adalah x2  30, s2  20. Karena p  x1  s1  120 dan
x1  0, nilai P dapat ditingkatkan melebihi 120 bila x1  0 dan s1  0. Ini berarti kita
belum memaksimumkan nilai P.
Berdasarkan uraian di atas, dapat dirangkum bahwa untuk memperoleh nilai
sekarang/saat ini dari fungsi objektif dan variabel dasar pada tabel, ikuti prosedur
berikut berikut ini.
Step 1. Dari tabel, tuliskan persamaan yang bersesuai dengan setiap baris.
Step 2. Selesaikan persamaan bawah untuk P dan persamaan lainnya untuk variabel
dasar.
Step 3. Beri setiap variabel bukan dasar nilai dasar sama dengan nol untuk
memperoleh nilai saat ini dari P dan variabel dasar.
Selanjutnya, lakukan operasi pivot lain pada tebel yang diberikan pada (3).
Gunakan elemen pivot yang telah dilingkari dalam tabel di bawah.

s1
 1 1 
 0 1 0 30 
2 4
s2  1 
 0 1 0  1 20
 2 
P  1 1 0 1 0 120 
 
Karena elemen pivot kebetulan 1 dalam kasus ini, kita lewati langkah 1. Untuk langkah
2 kita lakukan operasi baris berikut:
 1
R1  r1    r2 R3  r3  r2
 2
Hasilnya adalah sebagai berikut:
s1
 1 1 
 0 0 1  20
2 2
s2  1  (5)
 0 1 0  1 20
 2 
P 1 0 0
1
1 140 
 2 
Dalam tabel pada (5), variabel dasar yang baru adalah P, x2 , dan x1. Variabel
s1 dan s2 adalah bukan variabel dasar. Hasil pivoting menyebabkan x1 menjadi
variabel dasar dan s2 menjadi bukan variabel dasar. Akhirnya, persamaan yang
direpresentasikan oleh (5) dapat dituliskan sebagai berikut:
1 1
x2   s1  s2  20
2 2
1
x1  s1  s2  20
2
1
p   s1  s2  140
2
Jika kita ambil bukan variabel dasar s1 dan s2 sama dengan 0, maka
p  140, x2  20, dan x1  20 . Jadi, nilai sekarang dari variabel dasar adalah
p  140, x2  20, dan x1  20. Proses pivot telah meningkatkan nilai p. Karena
1
p   s1  s2  140 dan s1  0 serta s2  0 , nilai p tidak dapat melebihi 140 (sebagai
2
nilai s1 dan s2 , selain 0, mengurangi nilai p ). Jadi, kita telah memaksimumkan nilai
P.

4.5 Menyelesaikan Masalah Maksimum Bentuk Standar
Pada bagian ini akan diuraikan secara detail metode simpleks untuk
menyelesaikan masalah program linier maksimum bentuk standar. Metode ini menuntut
agar masalah dituliskan dalam bentuk standar dan masalah diformulasikan dalam tabel
simpleks awal dengan variabel slack.
Untuk memahaminya cermati kembali Masalah 4.1 sebelumnya. Pada subbab
sebelumnya, hanya sampai pada membentuk tabel simpleks dan melakukan pivoting.
Berikut akan dipaparkan bagaimana menyelesaikan Masalah 4.1 (masalah maksimum
bentuk standar) dengan strategi pivoting.
Dengan menggunakan metode simpleks, maksimumkan p  3x1  4 x2 (ribu rupiah)

dengan kendala:
2 x1  4 x2  120
2 x1  2 x2  80
x1  0, x2  0
Stap 1. Ini adalah masalah maksimum dalam bentuk standar. Untuk memperoleh tabel
simpleks awal, diproses sebagai berikut :
Fungsi objektif ditulis dalam bentuk
p  3x1  4 x2  0
Setelah memperkenalkan/memunculkan variabel slack s1 dan s2 , kendala yang
diberikan menjadi:
2 x1  4 x2  s1  120
2 x1  2 x2  s2  80
x1  0 x2  0
s1  0 s2  0
Tabel simpleks awal adalah sebagai berikut:
s1  0 2 4 1 0 120 

s2  0 2 2 0 1 80 
P  1  3  4 0 0 0 
Step 2. Entri terkecil dalam baris objektif adalah - 4.

Step 3. Karena - 4 negatif, kolom pivot adalah kolom x2 .
Step 4. Untuk setiap entri positif di atas baris objektif dalam kolom pivot, tentukan
hasil bagi entri yang bersesuaian pada ruas kanan dan entri positif.
BV Positive entry , x RHS Quotient
2
s 4 120 120 : 4 = 30
1 (1)
s 2 80 80 : 2 = 40
2
Step 5. Nilai nonnegatif terkecil adalah 30, sehingga baris pivot adalah baris s1 . Tabel
di bawah ini menunjukkan elemen pivot (dilingkari) dan nilai sekarang.
s1  0 2 4 1 0 120 

s2  0 2 2 0 1 80 
P  1  3  4 0 0 0 
Step 6. Elemen pivot adalah 4. Selanjutnya, kita melakukan pivot dengan operasi baris
berikut :
R1  r1 dan R2  r2   2r1 , R3  r3  4r1

1
4
Setelah pivoting, kita mempunyai tabel berikut :
s1  0 1 1 1
0

30 
 2 4
 1  (2)
s2  0 1 0  1 20 
 2 
P  1 1 0 1 0 120 
 
Perhatikan bahwa x2 sekarang adalah variabel dasar menggantikan s1 . Baris

objektif:
p  x1  s1  120
Sekarang mempunyai nilai 120. Karena p  x1  s1  120 dan x1  0, nilai p
dapat ditingkatkan hingga melebihi 120, bila x1  0 dan s1  0 . Jadi, kita belum
memaksimumkan p .
Kita lanjutkan metode simpleks pada Step 2, sebagai berikut.
Step 2. Entri terkecil dalam baris objektif adalah -1.
Step 3. Karena -1 negatif, kolom pivot adalah kolom x1.

Step 4. Untuk setiap entri positif di atas baris objrktif dalam kolom pivot, tentukan hasil
bagi antara entri yang bersesuaian pada ruas kanan dan entri positif.
BV Positive entry , x 2 RHS Quotient
1 1
s1 30 30   6
2 2
s2 1 20 20  1  20
Step 5. Nilai nonnegatif terkecil adalah 20, sehingga baris pivot adalah baris s2 .
Tabel di bawah ini menunjukan elemen pivot (terlingkari).
x2  0 1 1 1
0

30 
 2 4
 1 
s2  0 1 0  1 20 
 2 
P  1 1 0 1 0 120 
 
Step 6. Elemen pivot adalah 1. Berikutnya, lakukan pivot dengan operasi baris:
 1
R1  r1    r2 R3  r3  r2
 2
Hasilnya adalah tabel berikut ini:
s1
 1 1 
 0 0 1
2 2
20
s2  1  (3)
 0 1 0  1 20
 2 
P 1 0 0
1
1 140 
 2 
Kita lanjutkan metode simpleks pada Step 2 kembali!

Step 2. Entri terkecil dalam baris objektif adalah 0.
Step 3. Karena entri ini nonaktif, kita melanjutkan pivot. Untuk mengetahui mengapa
kita tidak lanjutkan, kita tulis persamaan dari baris objektif, yakni:
p   12 s1  s2  140
Karena s1  0 dan s2  0, setiap nilai positif dari s1 atau s2 akan membuat nilai
P kurang dari 140. Dengan mengambil s1  0 dan s2  0 , kita peroleh nilai

terbesar yang mungkin untuk P, yakni 140. Jika kita tulis persamaan dari baris
kedua da ketiga, dengan mensubstitusikan 0 untuk s1 atau s2 , kita mempunyai:

1 1
x 2   s1  s 2  20  20
2 2
1
x1  s1  s 2  20  20
2
Dengan kata lain, kita telah menemukan solusi optimal yaitu sebagai berikut:
P  140
sebagai nilai maksimum, yang terjadi untuk:
x1  20 x2  20 s1  0 s2  0
Tabel dalam (3) disebut tabel akhir sebab dengan tabel ini kita memperoleh
solusi optimal.
Sebagai rangkuman, setiap tabel yang didapat dengan menerapkan metode

simpleks menyediakan informasi tentang keadaan sekarang dari solusi:
1. Entri di RHS pada baris objektif memberikan nilai sekarang dari fungsi objektif.
2. Entri lainnya di kolom ruas kanan memberikan nilai sekarang dari variabel
dasar yang bersesuaian.
Untuk menganalisis tabel simpleks akhir dari suatu masalah maksimum, cermati
Masalah 4.5 beserta alternatif penyelesaiannya.
Masalah 4.5
Tentukan apakah masing-masing tabel berikut:
1. adalah tabel akhir? Jika ya, berikan solusinya.
2. memerlukan proses pivot tambahan? Jika ya, indentifikasi elemen pivot!
3. menunjkan tidak ada solusi!
BV P x1 x 2 s1 s 2 RHS
s1  0 0 0 1 1 120 
x1  0 80 
a)
1 1 0 1
P  1 0 2 0 1 0 
x1  0 1 0 2 1 40
x 2  0 20 
b)
0 1 1 1
P  1 0 0 1 2 20

a) Entri terkecil dalam baris objektif adalah  2 , bilangan negatif. Kolom pivot adalah
kolom x 2 . Karena semua entri pada kolom pivot adalah nol atau negatif, masalah
ini adalah tak terbatas dan tidak mempunyai solusi.
b) Baris objektif tidak memuat negatif, sehingga tabel ini adalah tabel akhir. Solusi
p  220 ketika x1  40 x2  20 s1  0 s 2  0
Interpretasi Gemoetri dari Metode Simpleks

Nilai maksimum (kalau ada) dari fungsi objektif akan terjadi pada salah satu
titik pojok/sudut dari daerah . Metode simpleks dirancang untuk bergerak dari titik
pojok ke titik pojok dari daerah, pada setiap tahap meningkatkan nilai fungsi objektif
sampai solusi ditemukan. Untuk lebih tepatnya, interpretasi geometri di belakang
metode simpleks diberikan outlinenya berikut ini.
1. Tabel simplek berkorespondensi dengan satu titik pojok dari daerah penyelesaian.
2. Operasi pivot menggerakan ke titik pojok yang berdekatan, dimana fungsi objektif
mempunyai nilai setidaknya sama besar dengan nilai titik pojok sebelumnya.
3. Proses berlanjut hingga tabel akhir tercapai yang menghasilkaan titik pojok yang
memaksiumkan fungsi objektif.
Meskipun gambar yang menggambakan proses ini hanya dapat dibuat dua atau
tiga dimensi (yakni, bila fungsi objektif mempunyai dua atau tiga variabel),
interprestasi yang sama tetap berlaku berapa pun banyaknya variabel yang terlibat.
Untuk memperjelas kita cermati Masalah 4.6 berikut.
Masalah 4.6
Pak Benni, seorang penjaja buah-buahan yang menggunakan gerobak menjual
apel dan pisang. Harga pembelian pisang Rp 10.000,- tiap kilogram dan apel
Rp 20.000,00,- tiap kilogram. Beliau hanya memiliki modal Rp 8000.000,00,
sedangkan muatan gerobak tidak lebih dari 60 kilogram. Jika keuntungan yang
didapatkan Pak Benni per kilogram pisang dan apel berturut-turut adalah Rp
3000,00 dan Rp 5.000,00, maka tentukan keuntungan maksimum yang
diperoleh Pak Benni.

Berdasarkan informasi pada Masalah 4.6 dan dengan memisalkan x1 : banyak pisang
yang terjual (per kg) dan x2 : banyak apel yang terjual (per kg), masalah tersebut
dimodelkan sebagai berikut.
Maksimukan p  3x1  5x2 (dalam ribu rupiah)
Dengan kendala:
x1  x 2  60
x1  2 x 2  80
x1 ≥ 0 x 2 ≥ 0

Dengan bantuan Software Maplepenyelesaian ditunjukkan pada Gambar 4.1
berikut ini.
Maksimum
Gambar 4.1 Daerah Penyelesaian yang memiliki Nilai Optimum
Berdasarkan Gambar 4.1, didapatkan bahwa keuntungan maksimum yang didapatkan

Pak Benni adalah Rp 220.000,00.

Selanjutnya, kita terapkan metode simpleks yang menunjukan titik pojok yang
berkorespondensi dengan setiap tabel dan nilai fungsi objektif di titik pojok tersebut.
Ringkasnya seperti pemaparan berikut ini.
Corner Value of
Po int P  3 x1  5 x 2
( x1 , x 2 ) at the Corner Po int
s1  0 1 1 1 0 60
x1  1 80 
(0,0) 0
0 1 2 0
P  1 3 5 0 0 0 
BV P x1 x 2 s1 s 2 RHS
 1 1 
 0 0 1  20 
s1  2 2
1 1  (0,40) 200
x1  0 1 0 40 
 2 2 
P
200
1 5

 1 2
0 0
2 
s1  0 1 0 2  1 40 
x1  0 0  1 1 20 
(40,20) 220
1
P  1 0 0 1 2 220
Tabel akhir Nilai maksimum
Kasus tak terbatas

Sejauh ini pemaparan selalu memungkinkan untuk melanjutkan memilih
elemen pivot sampai masalah terselesaikan. Tetapi mungkin terjadi bahwa semua entri
dalam suatu kolom dari tabel adalah 0 atau negative pada suatu tahap. Jika ini terjadi,
berarti bahwa masalah adalah tak terbatas dan solusi maksimum tidak ada.
Cermati Contoh berikut!
Perhatikan tabel simpleks berikut!
s1  0  1 1 1 0 2
x1  0  1  1 0 1 2
P  0  1  1 0 0 0

Bila entri negatif terkecil dalam baris objektif adalah sama, dapat dipilih kolom mana
saja sebagai kolom pivot. Misalkan dipilih kolom x1 sebagai kolom pivot. Setelah
proses pivot, tabel menjadi:
s1  0 0 0 1 1 4
 
x1  0 1 1 0 1 2
P  1 0 2 0 1 2
Sekarang satu-satunya entri negatif dalam baris objektif adalah dalam kolom x 2 dan
tidak mungkin untuk memilih elemen pivot dalam kolom terebut. Ini mengimplikasikan
bahwa fungsi objektif tidak terbatas. Sesungguhnya, mudah untuk melihat bahwa jika
satu-satunya kendala adalah  x1  x2  2, x1  x2  2, x1  0 dan x2  0 , maka
P  x1  x2 tidak mempunyai nilai maksimum. Daerahnya ditunjukkan seperti pada

Gambar 4.2 berikut.
Gambar 4.2. Geometri untuk Masalah Tak Terbatas
Berdasarkan pemaparan langkah demi langkah di atas, dapat disimpulkan

prosedur umum untuk menyelesaikan masalah program linar maksimum dalam bentuk
standar menggunakan metode simpleks, yaitu sebagai berikut.

1. Masalah maskimum dinyatakan dalam bentuk standar sebagai memaksimumkan
P  c1 x1  c 2 x 2    c n x n
Dengan kendala
a11 x1  a12 x 2    a1n x n  b1
a 21 x 21  a 22 x 2    a 2 n x n  b2

a m1 x1  a m 2 x 2    a mn x n  bn
x1  0, x 2  0, , x n  0
dimana b1  0, b2  0, , bm  0 .
2. Munculkan/perkenalkan variabel-variabel slack s1 , s 2 ,..., s m sehingga kendala

menjadi persamaan:
a11 x1  a12 x 2  ...  a1n x n  s1  b1
a 21 x1  a 22 x 2  ...  a 2 n x n  s 2  b2
 
a m1 x1  a m 2 x 2  ...  a mn x n  s m  bm
x1  0, x 2  0,..., x n  0
s1  0, s 2  0,..., s m  0
3. Tuliskan fungsi objektif dalam bentuk: P  c1 x1  c2 x2    cn xn  0

4. Buat tabel simpleks awal:
BV P x1 x2  xn s1 s2  sm RHS
s 0 a11 a12  x1n 1 0  0 b1 
s  0 a 21 a 22  x2n 0 1  0 b2 
          
 
s 0 a m1 a m 2  x mn 0 0  1 bm 
P  1  c1  c 2   cn 0 0  0 0 
5. Lakukan pivot sampai pada:

a) semua entri dalam baris objektif adalah nonnegatif. Ini adalah tabel akhir dan
solusi dapat diproleh dari tabel ini;
atau sampai
b) kolom pivot adalah kolom dengan entri negatif atau nol. Dalam hal ini, masalah
adalah tak terbatas dan solusi tidak ada.

4.6 Menyelesaikan Masalah Minimum Bentuk Standar
Prinsip Dualitas
Satu teknik untuk menyelesaikan masalah minimum dalam bentuk standar
dikembangkan oleh John von Neuman dan lain-lainnya. Solusi (jika ada) diproleh
dengan menyelesaikan masalah maksimum yang berkaitan, disebut masalah dual.
Masalah 4.7 berikut mengilustrasikan bagaimana memperoleh masalah dual dari
masalah program linier maksimum bentuk standar.
Masalah 4.7
Ibu Budi, seorang penjual es buah dengan hanya mengkombinasikan buah apel
dan pisang. Ibu Budi mengkemas dua jenis Es, yaitu Es Model I dan Es Model II.
Pembuatan es model I memerlukan 1 gram pisang dan 3 gram apel per bungkus,
dan es model II memerlukan 2 gram pisang dan 2 gram apel. Untuk memenuhi
produksinya, Ibu Budi memerlukan paling sedikit 0,25 gram pisang dan 0,45
gram apel. Pak Budi mempunyai buah pisang dan apel, sehinnga ia hanya
mengeluarkan ongkos pembuatan es model I dan es model II per bungkus sebesar
Rp 300,00 dan Rp 480,00. Tentukan banyak es yang harus diproduksi agar Bu
Budi mengeluarkan ongkos seminimum mungkin!
Perumusan Maslah 4.7:
Berdasarkan Masalah 4.7 di atas dan dengan memisalkan x1 : banyak es model I yang
diproduksi, dan x2 : banyak es model II yang diproduksi, masalah tersebut dapat
dimodelkan sebagai berikut.
Minimumkan
C  300 x1  480 x2 (dalam rupiah)

Dengan kendala:
x1  3x2  0.25
2 x1  2 x2  0.45
x1  0, x2  0
Pertama, perhatikan masalah minimum bahwa masalah minimum adalah dalam bentuk
standar. Kita mulai dengan menuliskan matriks yang merepresentasikan kendala dan
fungsi objektif:

x1 x2
 1 3 0,25
 2 2 0,45

300 180 0 
Selanjutnya, bentuk transpose dari matriks tersebut:

 1 2 300 
 3 2 480 

0,25 0,45 0 
Dari matriks ini, bentuk masalah maksimum berikut:

Maksimumkan
P  0.25 y1  0.45 y2
Dengan kendala
y1  2 y 2  300
3 y1  2 y 2  480
y1  0, y2  0
Masalah maksimum ini adalah dual dari masalah minimum yang diberikan.
Perhatikan bahwa dual dari masalah minimum dalam bentuk standar adalah
masalah maksimum dalam bentuk standar sehingga dapat diselesaikan dengan teknik
yang diuraikan sebelumnya pada masalah maksimum bentuk standar.
Signifikansi dari ini dinyatakan dalam prinsip berikut dualitas Von Neuman berikut.
Prinsip Dualitas Von Neumann

Misalkan masalah pemrograman linier minimum dalam bentuk standar mempunyai
solusi. Nilai minimum fungsi objektif dari masalah minimum dalam bentuk standar
smadengan nilai maksimum fungsi objektif dari masalah dual, yakni masalah
maksimum dalam bentuk standar.
Jadi, salah satu cara menyelesaikan masalah minimum dalam bentuk standar
adalah membentuk masalah dual dan menyelesaikannya. Adapun langkah-langkah
untuk memproleh masalah dual disajikan berikut ini.
Langkah 1. Tuliskan masalah minimum dalam bentuk standar.

Langkah 2. Kontruksi matriks merepresentasikan kendala dan fungsi objektif.
Langkah 3. Transpose dari matriks pada langkah 2 adalah matriks masalah dual.
Langkah 4. Dari matriks ini tuliskan masalah maksimum dalam bentuk standar.

Untuk memperdalam, cermati Masalah 4.8 dan penyelesaiannya berikut ini.
Masalah 4.8
Komposisi campuran es buah Ibu Budi pada Masalah 4.7 di atas kurang laku di
pasaran. Oleh karena itu, Bu Budi mengubah komposisi campurannya. Selain
menggunakan buah pisang dang apel, Ibu Budi mengkemas dua jenis Es tersebut
dengan menambahkan buah manga. Pembuatan es model I memerlukan 2 gram
pisang, 1 gram apel, dan 1 gram mangga per bungkus, dan es model II
memerlukan 1 gram pisang, 2 gram apel, dan 1 gram mangga. Untuk memenuhi
produksinya, Ibu Budi memerlukan paling sedikit 6 gram pisang, 4 gram apel,
dan 5 gram mangga. Ibu Budi hanya mempunyai buah pisang dan apel, maka
selain mengeluarkan ongkos pembuatan juga perlu membeli manga, sehingga
biaya yang diperlukan untuk pembuatan es model I dan es model II per bungkus
meningkat dari sebelumnya, yaitu sebesar $ 2 dan $ 3. Peningkatan biaya juga
disebabkan karena pembelian alat yang lebih canggih. Tentukan banyak es yang
harus diproduksi agar bu Budi mengeluarkan biaya minimum!
Perumusan Maslah 4.8:

Berdasarkan informasi pada Masalah 4.8 dan alternative penyelesaian Masalah 4.7
didapatkan dual dari masalah minimum sebagai berikut.
Minimumkan
C  2 x1  3x2
Dengan kendala
2 x1  x2  6
x1  2 x 2  4
x1  x 2  5
x1  0, x 2  0
Alternatif Penyelesaian Maslah 4.8: (menentukan masalah dual)
Perhatikan bahwa maslah minimum ini dalam bentuk standar. Matriks yang
merepresentasikan kendala dan fungsi objektif adalah sebagai berikut:
2 1 6
1 2 4

1 1 5
 
2 3 0
Pertukarkan baris dan kolom (bentuk transpose), didapat matrik berikut:

 2 1 1 2 Cosntra int : 2 y1  y 2  y3  2
1 5 1 3 Constra int : y1  2 y 2  y3  3
 
6 4 5 0 Constra int function : P  6 y1  4 y 2  5 y3
Matriks ini merepresentasikan masalah maksimum berikut:

Maksiumkan
P  6 y1  4 y 2  5 y3
Dengan kendala
2 y1  y 2  y3  2
y1  2 y 2  y3  3
y1  0, y 2  0, y3  0
Masalah maksimum ini dalam bentuk standard dan merupakan masalah dual dari
masalah minimum.
Dari penyelesaian Masalah 2.8 di atas dapat dicatat hal-hal berikut:

1. variabel x1 , x2  dari masalah minimum berbeda dengan variabel masalah
dualnya  y1 , y 2 , y3 . ;
2. masalah minimum mempunyai 3 kendala dan 2 variabel, sedangkan masalah dual
mempunyai 2 kendala dan 3 variabel. (Umumnya, jika masalah minimum
mempunyai m kendala dan n variabel, masalah dualnya akan mempunyai n
kendala dan m variabel).
3. tanda pertidaksamaan yang mendefisikan kendala adalah  untuk masalah
minimum  untuk masalah maksimum.
4. karena koefisien dalam fungsi objektif minimum dalam positif, masalah dual
mempunyai bilangan nonnegatif di sebelah kanan tanda  .
5. kita mengikuti kebiasaan untuk menuliskan fungsi objektif dengan C (untuk
Cost) jika diminimumkan dan P (untuk Profit) jika dimaksimumkan.
Selanjutnya, ditentukan nilai minimum dari Masalah 4.8 di atas dengan

menyelesaiakan masalah maksimumnya (masalah dualnya) menggunakan metode
simpleks sebagai berikut.
Alternatif Penyelesaian Masalah 4.8: (menentukan nilai minimum)

Perkenalkan variabel slack s1 dan s2 untuk mendapatkan
2 y1  y 2  y 3  s1  2, s1  0
y1  2 y 2   y 3  s 2  3, s 2  0

Tabel simpleks awal adalah sebagai berikut:
BV P y1 y2 y3 s1 s2 RHS
s1  0 2 1 1 1 0 2

s2  0 1 2 1 0 1 3
P  1  6  4  5 0 0 0
Elemen pivot adalah 2 (terlingkari). Setelah proses pivot, kita peroleh tabel berikut:
y1  0 1
1 1 1
0

1
 2 2 2
 3 1 1 
s2  0 0  1 2
 2 2 2 
P 1 0 1  2 3 0 6
 
1
Elemen pivot adalah (terlingkari). Setelah proses pivot, diperoleh tabel:
2
y13  0 2 1 1 1 0 2
s 2  0  1 1 0 1 1 1 
P  1 4 1 0 5 0 10
Ini adalah tabel akhir sehingga solusi optimal telah ditentukan. Dari tabel dapat dibaca
bahwa solusi dari masalah maksimum adalah sebagai berikut:
P  10 y1  0 y2  0 y3  2
Prinsip dualitas menyatakan bahwa nilai minimum dari fungsi objektif pada masalah
semula adalah sama dengan nilai maksimum pada dual; yaitu
C = 10
Tetapi nilai x1 dan x 2 mana yang akan menghasilkan nilai minimum ini? Nilai x1
ditemukan pada baris objektif dalam kolom s1 (x1 = 5) dan nilai x 2 ditemukan pada
baris objektif dalam kolom s2 ( x2  0). Akibatnya, solusi dari masalah minimum dapat
dibaca dari ujung kanan baris objektif dari tabel akhir dari masalah maksimum:
x1  5 x2  0 C  10
Rangkum bagaimana menyelesaikan masalah program linear minimum bentuk
standar, sebagai berikut.

Step 1. Tulis masalah (maksimum) dual.
Step 2. Selesaikan masalah maksimum ini dengan metode simpleks.
Step 3. Nilai minimum dari fungsi objektf (C) akan muncul pada pojok kanan
bawah dari tabel akhir; nilai ini sama dengan nilai maksimum dari fungsi
objektif dual (P). Nilai variabel yang memberikan nilai minimum ini
terletak pada barsi objektif dalam kolom variabel slack.
4.7 Metode Simpleks dengan Kendala Campuran
Sejauh ini telah membahas metode simpleks hanya untuk menyelesaikan

masalah program linear dalam bentuk standar. Pada bagian ini kita kembangkan metode
simpleks untuk masalah program linear yang tidak dituliskan dalam bentuk standar
(kendala campuran).
1. Masalah Maksimum dengan Kendala Campuran

Ingat kembali bahwa untuk masalah maksimum dalam bentuk standar, setiap
kendala haruslah berbentuk
a1 x1  a 2 x2    a n xn  b, b  0 .
Setiap kendala merupakan ekpresi linear yang kurang dari atau sama dengan
seatu konstanta positif, jika kendala mempunyai bentuk lain (sama dengan, lebih dari
atau sama dengan), maka kita mempunyai kendalal campuran. Untuk memahami
langkah-langkahnya, cermati Masalah 4.9 beserta alternative penyelesaiannya berikut.
Masalah 4.9
Dengan persediaan kain polos 45 meter seorang penjahit akan membuat dua
model pakaian jadi. Selain menggunakan kain polos tersebut, penjahit juga
memerlukan kain bergaris dan kain kotak-kotak sebagai bahan
pelengkapnya/aksesorisnya. Agar produksi dapat berjalan, penjahit tersebut
memerlukan paling sedikit 7 meter kain bergaris dan paling sedikit 8 meter kain
kotak-kotak. Model I memerlukan 1 meter kain bergaris, 9 meter kain polos,
dan 2 meter kain kotak-kotak. Model II memerlukan 1 meter kain bergaris, 5
meter kain polos, dan 1 meter kain kotak-kotak. Bila pakaian tersebut dijual,
setiap model I memperoleh untung $ 20 dan model II memperoleh untung $ 15.
Tentukaan keuntungan maksimum yang diperoleh tukang jahit tersebut!

pakaian model I dan x2 : banyaknya pakain model II, Masalah 4.9 tersebut dapat
Masksimumkan
P  20 x1  15x2
Dengan kendala
x1  x 2  7
9 x1  5 x 2  45
2 x1  x 2  8
x1  0 x 2  0

Perhatikan bahwa ini adalah masalah maksimum tidak dalam bentuk standar. Juga,
tidak dapat dimodifikasi sehingga menjadi bentuk standar.
Step 1. Tuliskan setiap kendala, kecuali kendala nonegatif, sebagai pertidaksamaan
dengan variabel di kiri tanda  .
 x1  x 2  7
9 x1  5 x 2  45
 2 x1  x 2  8
x1  0 x 2  0
Step 2. Libatkan variabel nonegatif di ruas kiri masing-masing pertidaksamaan
sehingga didapatkan persamaan.
 x1  x 2  s1  7
9 x1  5 x 2  s2  45
 2 x1  x 2  s3  8
x1  0 x 2  0 s1  0 s 2  0 s3  0
Step 3. Nyatakan dalam bentuk table simpleks awal berikut:
BV P x1 x2 s1 s2 s3 RHS
s1  0 1 1 1 0 0  7
s 2  0 9 5 0 1 0 45  (1)
s3  0  2 1 0 0 1  8
 
P 1  20  15 0 0 0 0

Tabel simpleks awal tersebut merepresentasikan nilai variabel-variabel:
x1  0, x2  0, s1  7, s 2  45, s3  8 . Ini bukan nilai yang memenuhi
masalah yang diberikan, karena pada kolom RHS masih memuat dua bilangan
negative, sehingga tidak sesuai dengan konsep yang dijelaskan pada subbab
sebelumnya. Dengan demikian, metode simpleks memerlukan sebuah alternatif
strategi pivoting seperti berikut ini.
Alternatif Strategi Pivoting

3
Step 4. Ketika terdapat entri negative dalam kolom RHS dari persamaan pembatas,
elemen pivot dipilih seperti berikut ini.
Baris pivot: mengidentifikasi entri negative pada kolom RHS dan variabel
dasar (BV) yang berkorespondensi dengan entri tersebut (abaikan untuk baris
objektif). Jika terdapat lebih dari satu variabel dasar yang entri RHSnya
negatif, pilihlah satu dengan subscript terkecil. Variabel dasar (BV)
ditetapkan sebagai baris pivot. Karena baris objektif diabaikan, sehingga baris
objektif tidak akan pernah menjadi baris pivot.
Kolom pivot: bergerak dari kiri ke kanan pada baris pivot sampai
menemukan entri negative pertama (abaikan entri pada kolom RHS). Entri
negatif pertama yang ditemukan berada pada kolom pivot, dan sekaligus
sebagai elemen pivot. Jika tidak terdapat entri negatif pada baris pivot kecuali
pada kolom RHS, maka masalah optimasi tersebut tidak mempunyai
penyelesaian.
Step 5. Operasi pivot.

1. Jika dalam tabel simpleks yang baru masih terdapat entri negatif pada
kolom RHS, maka ulangi kembali Step 4.
2. Jika dalam tabel simpleks yang baru, hanya memuat entri nonnegatif pada
kolom RHS dari persamaan kendalanya, maka tabel tersebut sudah
merepresentasikan sebuah masalah maksimum bentuk standar, sehingga
kembali gunakan metode yang dipaparkan pada subbab 5.4 sebelumnya.
Untuk melanjutkan penyelesaian Masalah 4.9, kita melihat terdapat entri

negative dalam kolom RHS pada tabel (1) di atas. Gunakan Step 4 sebagai berikut.
Step 4. Kolom RHS mempunyai entri negative yang berkorespondensi dengan variabel
dasar s1 dan s3 . Tidak satu pun dari keduanya adalah sebuah variabel x,
sehingga pilih s1 sebagai baris pivot, karena merupakan baris dengan variabel
slack yang mempunyai subscript terkecil. Selanjutnya, bergerak dari kiri ke

kanan pada baris s1 , entri negative pertama kita dapatkan pada kolom x1 ,
sehingga kolom pivot adalah kolom x1 dan –1 sebagai elemen pivot.

Step 5. Pivot
Dengan mengikuti Step 5 didapatkan table simpleks baru seperti berikut ini.
s1  0 1 1 1 0 0  7
s 2  0 9 5 0 1 0 45  Pivot
s3  0  2 1 0 0 1  8
 
P 1  20  15 0 0 0 0
x1  0 1 1 1 1 0 7 
s 2  0 0 4 9 1 1 -18
s3  0 0 1 2 0 0 6 
 
P 1 0 5  20 0 0 14 0
Tabel simpleks tersebut masih memuat entri negative, yaitu –18 pada kolom
RHS, sehingga ulangi kembali Step 4.
Step 4. Baris pivot adalah yang berkorespondensi denganvariabel slack s2 , selanjutnya
mulai bergerak ke kiri, dan entri negative pertama yang ditemukan adalah –4.
Jadi, kolom pivotnya adalah kolom x 2 dan elemen pivotnya adalah –4 .
Step 5 Operasi Pivot.
BV P x1 x2 s1 s 2 s3 RHS BV P x1 x2 s1 s2 s3 RHS
x1 0 1 1 1 0 0 7 x1 0 1 0 5
4
1
4 0 5
4
s2 0 0 4 9 1 0 Pivot
 18   x2 0 0 1  94  14 0 9
2
s3 0 0 1 2 0 1 6 s3 0 0 0 1
4
1
4 1 3
2
P 1 0 5  20 0 0 140 P 1 0 0  35
4
5
4 0 235
2
Tabel
Tabel simpleks terakhir mempunyai hanya entri nonnegatif pada kolom RHS,
itu merepresentasikan sebuah masalah program linier maksimum dalam bentuk standar.
Tabel tersebut memuat entri negative pada baris objektif, kita gunakan strategi pivoting
pada subbab 4.4 sebelumnya. Kolom pivotnya adalah kolom s1 . Dari hasil
perbandingan berikut:
5 5 3 1
 2  6
2 4 2 4

Nilai terkecil dari hasil tersebut adalah 2, sehingga baris pivotnya adalah baris x1 , dan
5
elemen pivotnya adalah , sehingga didapatkan table simpleks sperti berikut:
4
BV P x1 x2 s1 s2 s3 RHS BV P x1 x2 s1 s2 s3 RHS
5 1 5
x1 0 1 0 4 4 0 4 s1 0 54 0 1 1
5 0 2
x2 0 0 1  94  14 0 9 Pivot
  x 2 0 95 1 0 1
0 9
2 5
s3 0 0 0 1
4
1
4 1 3
2 s3 0  15 0 0 1
5 1 1
P 1 0 0  35
4
5
4 0 235
2 P 1 7 0 0 3 0 135
Tabel ini adalah tabel simpleks akhir. Nilai maksimum dari P adalah $135 diperoleh
ketika x1  0, x2  9, s1  2, s 2  0, s3  1 .
2. Masalah Minimum dengan Kendala Campuran

Secara umum, suatu masalah minimum dapat diubah menjadi suatu masalah
maksimum dengan menggunakan fakta bahwa meminimumkan Z sama dengan
memaksimumkan P = - Z. Masalah 4.10 beserta alternative penyelesaiannya berikut
akan mengilustrasikan penyelesaian kasus ini.
Masalah 4.10
Pada periode tertentu, penjahit pada Masalah 4.9 di atas mengubah kombinasi
penggunaan bahan kain, karena kain polos yang tersedia hanya 10 meter, serta
berharap biaya produksi sekecil mungkin. Selain menggunakan kain bergaris
dan kain kotak-kotak sebagai bahan pelengkapnya/aksesoris, penjahit juga
memerlukan kain corak alam untuk berinovasi. Agar produksi dapat berjalan,
penjahit tersebut memerlukan paling sedikit 12 meter kain bergaris, paling
sedikit 12 meter kain kotak-kotak, dan paling sedikit 3 meter kain bercorak
alam. Pakaian Model I memerlukan 1 meter kain polos, 1 meter kain bergaris,
2 meter kain kotak-kotak, dan 1 meter kain nuansa alam sebagai inovasi hiasan.
Sedangkan pakaian Model II memerlukan 1 meter kain polos, 2 meter kain
bergaris, dan 1 meter kain kotak-kotak, tanpa kain nuansa alam. Bila dalam
produksinya, penjahit mengeluarkan biaya produksi $ 5 untuk 1 buah pakaian
model I dan $ 6 untuk 1 buah pakaian Model II. Pada saat produksi pakaian
berapa agar penjahit tersebut mengeluarkan biaya minimum?

pakaian model I dan x2 : banyaknya pakain model II, Masalah 4.10 tersebut dapat
Meminimumkan fungsi:
z  5x1  6 x2
Dengan kendala
x1  x 2  10
x1  2 x 2  12
2 x1  x 2  12
x1  3
x2  0

Pertama , kita ubah masalah dari meminimumkan z  5x1  6 x2 menjadi masalah
memaksimumkan P  z  5x1  6x2 , dan berikut langkah untuk masalah minimum

dengan kendala campuran.
Step 1. Tuliskan setiap kendala dengan tanda  , sehingga menjadi:
x1  x2  10
 x1  x2  12
 2 x1  x2  12
 x1  3
Step 2. Perkenalkan variabel slack untuk membentuk persamaan berikut:
x1  x2  s1  10
 x1  x2  s 2  12
 2 x1  x2  s3  12
 x1  s 4  3
x1  0, x2  0, s1  0, s 2  0, s3  0, s 4  0
Dengan fungsi objektif P  z  5x1  6x2

Step 3. Membentuk tabel simpleks awal berikut:
BV P x1 x2 s1 s2 s3 s4 RHS
s1 0 1 1 1 0 0 0 10
s2 0 1  2 0 1 0 0  12
s3 0  2 1 0 0 1 0  12
s4 0 1 0 0 0 0 1 3
P 1 5 6 0 0 0 0 0
Karena pada kolom RHS memuat entri negative, kita gunakan alternative
strategi pivoting seperti berikut ini.
Step 4. Baris pivot adalah s2, kolom pivot adalah x1, dan elemen pivot adalah –1.
Step 5. Lakukan operasi pivot.
BV P x1 x2 s1 s2 s3 s4 RHS BV P x1 x2 s1 s2 s3 s4 RHS
s1 0 1 1 1 0 0 0 10 s1 0 0 1 1 1 0 0 2
s2 0 1  2 0 1 0 0  12 Pivot x 0 1 2 0 1 0 0 12
 
 1
s3 0  2 1 0 0 1 0  12 s3 0 0 3 0 2 1 0 12
s4 0 1 0 0 0 0 1 3 s4 0 0 2 0 1 0 1 9
P 1 5 6 0 0 0 0 0 P 1 0 4 0 5 0 0  60
Tabel yang baru memuat entri negative, yaitu –2 pada kolom RHS, selanjutnya
ulangi Step 4.
Step 4. Baris pivot adalah s1, kolom pivot adalah x2, dan elemen pivot adalah –1.
Step 5. Lakukan operasi pivot.
s1 0 0 1 1 1 0 0 2 x2 0 0 1 1 1 0 0 2
x1 0 1 2 0 1 0 0 12 x 0 1 0 2 1 0 0 8
Pivot
 1
s3 0 0 3 0 2 1 0 12 s3 0 0 0 3 1 1 0 6
s4 0 0 2 0 1 0 1 9 s4 0 0 0 2 1 0 1 5
P 1 0 4 0 5 0 0  60 P 1 0 0 4 1 0 0  52
Tabel simpleks terakhir mempunyai hanya entri nonnegatif pada kolom RHS,
pada subbab 5.4 sebelumnya. Kolom pivotnya adalah kolom s1 . Dari hasil
8 : 2 = 4, 6 : 3 = 2, 5 : 2 = 2,5

Nilai terkecil dari perbandingan tersebut adalah 2, sehingga baris pivot adalah s3 dan
elemen pivot adalah 3, dan dengan menggunakan strategi pivoting diperoleh:
x2 0 0 1 1 1 0 0 2 x2 0 0 1 0  23 1
3 0 4
x1 0 1 0 2 1 0 0 8 x1 0 1 0 0 1
 23 0 4
Pivot
 3
1 1
s3 0 0 0 3 1 1 0 6 s1 0 0 0 1 3 3 0 2
s4 0 0 0 2 1 0 1 5 s4 0 0 0 0 1
3  23 1 1
P 1 0 0 4 1 0 0  52 P 1 0 0 0 7
3
4
3 0  44
Ini adalah table simpleks akhir, dan nilai maksimum dari P adalah – 44,
sehingga nilai minimum dari z adalah 44. Hal itu terjadi ketika
x1  4, x2  4, s1  2, s2  0, s3  0, s4  1.
Dengan demikian, untuk menyelesaikan masalah program linier minimum
dengan kendala campuran, mengikuti langkah-langkah berikut ini.
1. Jika z adalah untuk meminimumkan, maka misalkan P = – z.

2. Selesaikan masalah program linier: memaksimumkan P untuk kendala yang
sama sebagai masalah minimum.
3. Gunakan prinsip bahwa: minimum dari z = – maksimum dari P.
3. Masalah Optimasi dengan Kendala Persamaan

Pada umumnya yang sudah dibahas pada buku ajar ini adalah masalah program
linier dengan kendala menggunakan  atau  . Apa yang dapat dilakukan ketika satu
atau lebih kendala adalah persamaan? Satu metode adalah dengan mengubah tanda =
menjadi kendala  atau  . Masalah 4.11 beserta alternative penyelesaiaanya berikut
akan mengilustrasikan metode yang dimaksud.
Masalah 4.11
Sebuah sembaga survey di Bali harus mengirimkan 10 kuisioner kepada sasaran
responden-respondennya di Kabupaten Buleleng, Bangli, dan Karangasem. Biaya
kirim seberkas kuesioner ke tiap responden adalah $7 (Buleleng), $6
(Karangasem), dan $5 (Bangli). Karena sesuatu dan lain hal, agar distribusi
kuesioner berjalan lancar, lembaga survey tersebut menetapkan jumlah dari
berkas yang dikirim ke Buleleng, dua kali berkas yang dikirim Karangasem, dan
tiga kali berkar yang dikirim ke Bangli tidak boleh melebihi 19 berkas.
Sedangkan, jumlah dua kali berkas yang dikirim ke Buleleng dan tiga kali berkas
yang dikirim ke Karangasem paling sedikit 21 berkas. Berapa berkas kuesioner
yang harus dikirimkan ke masing-masing kabupaten agar biaya kirim totalnya
minimum?

berkas kuesioner yang dikirim ke Buleleng, x2 : banyaknya berkas kuesioner yang
dikirim ke Karangasem, dan x3 : banyaknya berkas kuesioner yang dikirim ke Bangli,

Masalah 4.11 dapat dinyatakan seperti model matematika berikut ini.
Meminimumkan z  7 x1  5x2  6 x3
Dengan kendala:
x1  x2  x3  10
x1  2 x2  3x3  19
2 x1  3x2  21
x1  0, x2  0, x3  0
Kita mengubah masalah tersebut menjadi masalah memaksimumkan
P   z  7 x1  5 x2  6 x3 , untuk kendala:
x1  x2  x3  10
x1  x2  x3  10
x1  2 x2  3x3  19
2 x1  3x2  21
x1  0, x2  0, x3  0
Step 1. Memodifikasi kendala menjadi tanda  , sehingga menjadi:
x1  x2  x3  10
 x1  x2  x3  10
x1  2 x2  3x3  19
 2 x1  3x2  21
Step 2. Tambahkan variabel slack, diperoleh:
x1  x2  x3  s1  10
 x1  x2  x3  s 2  10
x1  2 x2  3x3  s3  19
 2 x1  3x2  s 4  21
x1  0, x2  0, x3  0, s1  0, s 2  0, s3  0, s 4  0.
Step 3. Tabel simpleks awal sebagai berikut:

BV P x1 x2 x3 s1 s2 s3 s4 RHS
s1 0 1 1 1 1 0 0 0 10
s2 0 1 1 1 0 1 0 0  10
s3 0 1 2 3 0 0 1 0 19
s4 0 2 3 0 0 0 0 1  21
P 1 7 5 6 0 0 0 0 0
Karena pada kolom RHS terdapat entri negative, selanjutnya gunakan alternatis
strategi pivoting, sebagai berikut.
Step 4. Baris pivot adalah s2 , kolom pivot adalah x1 , sehingga elemen pivotnya adalah
-1.
Step 5. Operasi Pivot
s1 0 1 1 1 1 0 0 0 10
s2 0 1 1 1 0 1 0 0  10
s3 0 1 2 3 0 0 1 0 19
s4 0 2 3 0 0 0 0 1  21
P 1 7 5 6 0 0 0 0 0
BV P x1 x 2 x3 s1 s 2 s3 s4 RHS
s1 0 0 0 0 1 1 0 0 0
Pivot x 0 1 1 1 0 1 0 0 10
  1
s3 0 0 1 2 0 1 1 0 9
s4 0 0 1 2 0 2 0 1 1
P 1 0  2 1 0 7 0 0 70
Table yang baru mempunyai entri negative pada kolom RHS, yaitu – 1,
sehingga ulangi Step 4.
Step 4. Baris pivot adalah s4 , kolom pivot adalah x2 , dan elemen pivot adalah – 1.
Step 5. Operasi pivot
BV P x1 x 2 x3 s1 s 2 s3 s4 RHS
s1 0 0 0 0 1 1 0 0 0
x1 0 1 1 1 0 1 0 0 10
s3 0 0 1 2 0 1 1 0 9
s4 0 0 1 2 0 2 0 1 1
P 1 0  2 1 0 7 0 0 70

BV P x1 x2 x3 s1 s 2 s3 s 4 RHS
s1 0 0 0 0 1 1 0 0 0
Pivot x 0 1 0 3 0 3 0 1 9
  1
s3 0 0 0 4 0 1 1 1 8
x2 0 0 1 2 0 2 0 1 1
P 1 0 0 5 0 11 0  2  68
Tabel simpleks terakhir mempunyai hanya entri nonnegative pada kolom RHS,
pada subbab 5.4 sebelumnya. Kolom pivotnya adalah kolom x3 . Dari hasil
9 : 3 = 3, 8 : 4 = 2,
Nilai terkecil dari perbandingan tersebut adalah 2, sehingga baris pivot adalah s3 dan
elemen pivot adalah 4, dan selanjutnya menggunakan lankah strategi pivoting
sebelumnya.
s1 0 0 0 0 1 1 0 0 0
x1 0 1 0 3 0 3 0 1 9
s3 0 0 0 4 0 1 1 1 8
x2 0 0 1 2 0 2 0 1 1
P 1 0 0 5 0 11 0  2  68
s1 0 0 0 0 1 1 0 0 0
Pivot x1 0 1 0 0 0  94  34 1
3
  4
x3 0 0 0 1 0  14 1
4
1
4 2
x2 0 0 1 0 0 3
2
1
2  12 5
P 1 0 0 0 0 39
4
5
4  34  58
Kolom pivotnya adalah kolom s4 . Dari hasil perbandingan berikut:

1 3 1 2
3: 4 = 4 , 2: 4 = 4 ,
2
Nilai terkecil dari perbandingan tersebut adalah 4 , sehingga baris pivot adalah x3 dan
1
elemen pivot adalah 4 , dan selanjutnya menggunakan lankah strategi pivoting
sebelumnya.

s1 0 0 0 0 1 1 0 0 0
x1 0 1 0 0 0  94  34 1
4 3
x3 0 0 0 1 0  14 1
4
1
4 2
x2 0 0 1 0 0 3
2
1
2  12 5
P 1 0 0 0 0 39
4
5
4  34  58
s1 0 0 0 0 1 1 0 0 0
Pivot x 0 1 0 1 0  2 1 0 1
  1
s4 0 0 0 4 0 1 1 1 8
x2 0 0 1 2 0 1 1 0 9
P 1 0 0 3 0 9 2 0  52
Ini adalah table simpleks akhir, dan nilai maksimum dari P adalah – 52,
sehingga nilai minimum dari z adalah $52. Hal itu terjadi ketika
x1  1, x2  9, x3  0, s1  0, s2  0, s3  0, s 4  8.
Hal itu berarti, untuk mendapatkan biaya total pengiriman minimum $52 ketika
mengirim 1 berkas kuesioner ke Kabupaten Buleleng dan 9 berkas kuesioner ke
Karangasem, dan tidak ada yang dikirim ke Kabupaten Bangli. Hal itu terjadi ketika
lembaga survey menetapkan ketentuan pengiriman seperti pada masalah 4.11.
4.8 Rangkuman Bab V
Masalah program linear dengan tujuan memaksimumkan fungsi objektif disebut

masalah program linear maksimum, yang memiliki dua syarat, yaitu (1) semua variabel
adalah nonnegative; dan (2) semua pembatasan/kendala yang lain ditulis sebagai
ekspresi/bentuk linear yang kurang dari atau sama dengan konstanta positif. Sedangkan,
masalah program linier dengan tujuan meminimumkan fungsi objektif disebut masalah
pemrograman linier minimum, yang memiliki tiga syarat, yaitu: (1) semua variabel
adalah nonnegative; (2) semua kendala lainnya dituliskan sebagai ekspresi linier yang
lebih dari atau sama dengan suatu konstanta; dan (3) fungsi objektif harus dinyatakan
sebagai ekspresi linier dengan koefisien nonnegatif.
Prosedur umum untuk menyelesaikan masalah program linar maksimum dalam
bentuk standar menggunakan metode simpleks, yaitu sebagai berikut.
1. Masalah maskimum dinyatakan dalam bentuk standar sebagai memaksimumkan

P  c1 x1  c 2 x 2    c n x n
Dengan kendala
a11 x1  a12 x 2    a1n x n  b1
a 21 x 21  a 22 x 2    a 2 n x n  b2

a m1 x1  a m 2 x 2    a mn x n  bn
x1  0, x 2  0, , x n  0
dimana b1  0, b2  0, , bm  0 .
2. Munculkan/perkenalkan variabel-variabel slack s1 , s 2 ,..., s m sehingga kendala

menjadi persamaan:
a11 x1  a12 x 2  ...  a1n x n  s1  b1
a 21 x1  a 22 x 2  ...  a 2 n x n  s 2  b2
 
a m1 x1  a m 2 x 2  ...  a mn x n  s m  bm
x1  0, x 2  0,..., x n  0
s1  0, s 2  0,..., s m  0
3. Tuliskan fungsi objektif dalam bentuk: P  c1 x1  c2 x2    cn xn  0

4. Buat tabel simpleks awal:
BV P x1 x2  xn s1 s2  sm RHS
s 0 a11 a12  x1n 1 0  0 b1 
s  0 a 21 a 22  x2n 0 1  0 b2 
          
 
s 0 a m1 a m 2  x mn 0 0  1 bm 
P  1  c1  c 2   cn 0 0  0 0 
5. Lakukan pivot sampai pada:

a) semua entri dalam baris objektif adalah nonnegatif. Ini adalah tabel akhir dan
solusi dapat diproleh dari tabel ini;
atau sampai
b) kolom pivot adalah kolom dengan entri negatif atau nol. Dalam hal ini, masalah
adalah tak terbatas dan solusi tidak ada.
Untuk penyelesaian masalah program linier minimum bentuk standar
menggunakan langkah-langkah berikut: (1) tulis masalah (maksimum) dual; (2)
selesaikan masalah maksimum ini dengan metode simpleks; dan (3) nilai minimum dari
fungsi objektf (C) akan muncul pada pojok kanan bawah dari tabel akhir; nilai ini sama

dengan nilai maksimum dari fungsi objektif dual (P). Nilai variabel yang memberikan
nilai minimum ini terletak pada barsi objektif dalam kolom variabel slack.
Sedangakan, untuk masalah kendala campuran dapat dibedakan menjadi tiga
kasus, yaitu masalah maksimum dengan kendala campuran, masalah minimum dengan
kendala campuran, dan masalah optimum (maksimum atau minimum) dengan kendala
persamaan. Dalam prosedur penyelesaiannya mengikuti langkah bentuk standar dengan
penyesuaian-penyesuaian menurut kendala yang dihadapi, yaitu dengan mengubah
semua kendala menjadi tanda  , dan untuk kendala dengan tanda = dengan mengubah
menjadi tanda  dan  .
4.9 Latihan Soal Bab IV

1. Tentukan manakah masalah pemograman linier maksimum yang dalam bentuk
standar? Jelaskan jawaban Anda tanpa menyelesaikan!
a) Maksimumkan
P  2x1  x2
Dengan kendala
x1  x2  5
2 x1  3x2  2
x1  0 x2  0
b) Maksimumkan
P  3x1  4 x2
Dengan kendala
3x1  x2  6
x1  4 x2  74
x1  0 x2  0
c) Maksimumkan
P  3x1  x2  x3
Dengan kendala
x1  x2  x3  6
2 x1  3x2  4 x3  10
x1  0

d) Maksimumkan
P  2 x1  x2  4 x3
Dengan kendala
2 x1  x2  x3  10
x2  0
e) Maksimumkan
P  3x1  x2  x3
Dengan kendala
x1  x2  x3  8
2 x1  3x2  4 x3  0
x1  0 x2  0
2. Masing-masing merupakan masalah maksimum tidak dalam bentuk standar.
Tentukan apakah masalah dapat dimodifikasi sehingga menjadi bentuk standard.
Jika bisa, tuliskan versi modifikasinya.
a) Maksimumkan
P  x1  x2
Dengan kendala
3x1  4 x2  6
x1  x2  4
x1  0 x2  0
b) Maksimumkan
P  2 x1  3x2
Dengan kendala
 4 x1  2 x2  8
x1  x2  6
x1  0 x2  0
c) Maksimumkan
P  x1  x2  x3
Dengan kendala
x1  x2  x3  6
4 x1  3x2  12
x1  0 x2  0 x3  0
d) Maksimumkan

P  2 x1  x2  3x3
Dengan kendala
x1  x2  x3  8
x1  x2  6
x1  0 x2  0 x3  0
e) Maksimumkan
P  2 x1  x2  3x3
Dengan kendala
 x1  x2  x3  6
2 x1  3x2  12
x3  2
x1  0 x2  0 x3  0
3. Berikut merupakan masalah maksimum bentuk standar. Tambahkanlah variabel
slack dan bentuk table simpleks awalnya!
a) Maksimumkan
P  2 x1  x2  3x3
Dengan kendala
5 x1  2 x2  x3  20
6 x1  x2  4 x3  24
x1  x2  4 x3  16
x1  0 x2  0 x3  0
b) Maksimumkan
P  3x1  2 x2  x3
Dengan kendala
3x1  2 x2  x3  10
x1  x2  3x3  12
2 x1  x2  x3  16
x1  0 x2  0 x3  0
c) Maksimumkan
P  3x1  5x2
Dengan kendala

2.2 x1  1.8 x2  5
0.8 x1  1.2 x2  2.5
x1  x2  16
x1  0 x2  0
d) Maksimumkan
P  2 x1  3x2  x3  x4
Dengan kendala
 x1  x2  2 x3  x4  10
x1  x2  x3  x4  8
x1  x2  x3  x4  9
x1  0 x2  0 x3  0
e) Maksimumkan
P  x1  5 x2  3x3  6 x4
Dengan kendala
x1  x2  2 x3  2 x4  8
 x1  x2  x3  x4  10
x1  x2  x3  x4  12
x1  0 x2  0 x3  0
4. Masalah berikut menunjukkan operasi pivoting pada setiap table. Elemen pivot
ditunjukkan oleh entri yang dilingkari. Tuliskan masalah maksimum yang
berkerespondensi dengan table simpleks berikut! Selanjutnya gunakan operasi
pivoting untuk menentukan nilai optimumnya!
BV P x1 x2 s1 s 2 RHS
s1 0 1 2 1 0 300 
a)
s2 0 3 2 0 1 480 

P  1  1  2 0 0 0
s1 0 1 4 1 0 100 
b)
s2 0 2 5 0 1 50

P  1  2  1 0 0 0

BV P x1 x2 x3 s1 s 2 s3 RHS
s1 0 1 2 4 1 0 0 24
c) s 2 0 2  1 1 0 1 0 32 

s3 0 3 2 4 0 0 1 18 
 
P 1  1  2  3 0 0 0 0
BV P x1 x2 x3 s1 s 2 s3 RHS
s1 0 1 2 1 1 0 0 6
d) s 2 0 2 3 1 0 1 0 12 

s3 0 1  2 3 0 0 1 0
 
P 1  1  2  3 0 0 0 0
BV P x1 x2 x3 x4 s1 s 2 s3 s 4 RHS
s1  0 3 0 0 1 1 0 0 0 20
s  0 2 0 1 0 0 1 0 0 24
e) 2 
s3  0 0 3 1 0 0 0 1 0 28
 
s4  0 0 3 0 1 0 0 0 1 24
P  1 1  2  3  4 0 0 0 0 0
5. Gunakan Metode Simpleks untuk menyelesaikan masalah maksimum berikut.

a) Memaksimumkan
P  5x1  7 x2
Dengan kendala:
2 x1  3x2  12
3x1  x2  12
x1  0 x2  0
b) Memaksimumkan
P  x1  5x2
Dengan kendala
2 x1  x2  10
x1  2 x2  10
x1  0 x2  0
c) Memaksimumkan
P  5x1  7 x2
Dengan kendala

x1  2 x2  2
2 x1  x2  12
x1  0 x2  0
d) Memaksimumkan
P  5x1  4x2
Dengan kendala
x1  x2  2
2 x1  x2  6
x1  0 x2  0
e) Memaksimumkan
P  3x1  x2
Dengan kendala
x1  x2  2
2 x1  3x2  12
3x1  x2  12
x1  0 x2  0
f) Memaksimumkan
P  3x1  5x2
Dengan kendala
2 x1  x2  4
x1  2 x2  6
x1  0 x2  0
g) Memaksimumkan
P  2 x1  x2  x3
Dengan kendala
 2 x1  x2  2 x3  4
x1  2 x2  x3  2
x1  0 x2  0 x1  0
h) Memaksimumkan
P  4 x1  2 x2  5 x3
Dengan kendala

x1  3x2  2 x3  30
3x1  x2  3x3  12
x1  0 x2  0 x3  0
i) Memaksimumkan
P  2 x1  x2  3x3
Dengan kendala
x1  2 x2  x3  25
3x1  2 x2  3x3  30
x1  0 x2  0 x3  0
j) Memaksimumkan
P  6 x1  3x2  2 x3
Dengan kendala
2 x1  2 x2  3x3  30
2 x1  2 x2  x3  12
x1  0 x2  0 x3  0
k) Memaksimumkan
P  2 x1  4 x2  x3  x4
Dengan kendala
2 x1  x2  2 x3  3x4  12
2 x2  x3  2 x4  20
2 x1  x2  4 x3  16
x1  0 x 2  0 x3  0 x4  0
l) Memaksimumkan
P  2 x1  4 x2  x3
Dengan kendala
 x1  2 x2  3x3  6
 x1  4 x2  5 x3  5
x1  5 x2  7 x3  7
x1  0 x2  0 x3  0
m) Memaksimumkan
P  2 x1  x2  x3
Dengan kendala

x1  2 x2  4 x3  20
2 x1  4 x2  4 x3  60
3x1  4 x2  x3  90
x1  0 x2  0 x3  0
n) Memaksimumkan
P  x1  2 x2  4 x3
Dengan kendala
8 x1  5 x2  4 x3  30
 2 x1  6 x2  x3  5
 2 x1  2 x2  x3  15
x1  0 x2  0 x3  0
o) Memaksimumkan
P  x1  2 x2  4 x3  x4
Dengan kendala
5 x1  4 x3  6 x4  20
4 x1  2 x2  2 x3  8 x4  40
x1  0 x 2  0 x3  0 x 4  0
p) Memaksimumkan
P  x1  2 x2  x3  3x4
Dengan kendala
2 x1  4 x2  5 x3  6 x4  24
4 x1  4 x2  2 x3  2 x4  4
x1  0 x2  0 x3  0 x4  0
6. Tentukan, masalah minimum mana yang dalam bentuk standar! Jelaskan!
a) Minimumkan
C  2x1  3x2
Dengan kendala
4 x1  x2  2
x1  x2  1
x1  0 x2  0
b) Minimumkan
C  3x1  5x2
Dengan kendala

3x1  x2  4
x1  2 x2  3
x1  0 x2  0
c) Minimumkan
C  2x1  x2
Dengan kendala
2 x1  x2  1
 2 x2  3
x1  0 x2  0
d) Minimumkan
C  2x1  3x2
Dengan kendala
x1  x2  3
2 x1  3x2  4
x1  0 x2  0
e) Minimumkan
C  3x1  7 x2  x3
Dengan kendala
x1  x3  6
2 x1  x2  4
x1  0 x2  0 x3  0
f) Minimumkan
C  x1  x2  x3
Dengan kendala
x1  x2  6
2 x1  x3  4
x1  0 x2  0 x3  0
7. Tuliskan masalah dual dari setiap masalah minimum berikut!
a) Minimumkan
C  2x1  3x2
Dengan kendala

x1  x2  2
2 x1  3x2  6
x1  0 x2  0
b) Minimumkan
C  3x1  4x2
Dengan kendala
2 x1  x2  2
2 x1  x2  6
x1  0 x2  0
c) Minimumkan
C  3x1  x2  x3
Dengan kendala
x1  x2  x3  5
2 x1  x2  4
x1  0 x2  0 x3  0
d) Minimumkan
C  2 x1  x2  x3
Dengan kendala
2 x1  x2  x3  4
x1  2 x3  x3  6
x1  0 x2  0 x3  0
8. Selesaikan masalah program linier minimum berikut dengan metode simpleks!
a) Minimumkan
C  6x1  3x2
Dengan kendala
x1  x2  2
2 x1  6 x2  6
x1  0 x2  0
b) Minimumkan
C  3x1  4x2
Dengan kendala

x1  x2  3
2 x1  x2  4
x1  0 x2  0
c) Minimumkan
C  6x1  3x2
Dengan kendala
x1  x2  4
3x1  4 x2  12
x1  0 x2  0
d) Minimumkan
C  2 x1  3x2  4 x3
Dengan kendala
x1  2 x2 _ 3x3  2
x1  x2  x3  2
x1  0 x2  0 x3  0
9. Sebuah peternakan unggas mempunyai kandang-kandang untuk 600 ekor yang
terdiri dari ayam (A), itik (I), dan mentok (M). Kapasitas maksimum kandang selalu
dipenuhi. Pemilik menginginkan banyak itik tidak melebihi 400 ekor, demikian
pula mentok paling banyak 300 ekor. Ongkos pemeliharaan sampai laku terjual
untuk A, I, M berturut-turut 3500, 2500, dan 6000 rupiah per ekor. Harga jual A, I,
M, berturut-turut adalah 7.000, 5.500 dan 10.500 rupiah per ekornya. Rumuskan
model matematika program beternak yang memaksimumkan keuntungan jika
keuntungan adalah selisih harga jual dari ongkos pemeliharaan! Selanjutnya,
selesaikan menggunakan metode simpleks!
***babIV***

DAFTAR PUSTAKA
Anton H. (Pantur Silaban). 1984. Aljabar Linier Elementer. Jakarta: Erlangga.
Kemdikbud. 2014. Buku Petunjuk Guru Matematika untuk SMA/MA dan SMK/MAK.
Jakarta: Pusat Kurikulum dan Perbukuan, Balitbang, Kemdikbud.
Kolman B., Beck R.E. 1995. Elementary Linear Programming with Applications.
Amsterdam: Elsevier Science & Technology Books.
Dumairy. 2003. Matematika Terapan untuk Bisnis dan Ekonomi. Yogyakarta: BPFE.
Marwan. 1979. Mengenal Linier Programing dan Komputer. Yogyakarta: FE

Universitas Gadjah Mada.
Monagan, M. B. etc. 2010. Maple Introductory Programming Guide. Canada:

Maplesoft.

Bahan Ajar Program Linier PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bahan Ajar Program Linier PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Bahan Ajar: Program Linier i

Bahan Ajar: Program Linier ii

Bahan Ajar: Program Linier iii

Singaraja, Agustus 2017

Bahan Ajar: Program Linier iv

KATA PENGANTAR iii

Bahan Ajar: Program Linier v

Gambar 1.1. Diagram Rute Pengiriman dan Biaya Pengiriman 9

Bahan Ajar: Program Linier vi

Bahan Ajar: Program Linier vii

1.2 Sejarah Perkembangan Program Linier

Program linear merupakan pengembangan lebih

1.3 Model Matematika Program Linier

Masalah Optimasi Bersyarat 2

Alternatif Penyelesaian Masalah 1.1:

Bahan Ajar: Program Linier 3

Masalah Optimasi Bersyarat 4

Alternatif Penyelesaian: (Kerjakan sebagai latihan Anda!)

Bahan Ajar: Program Linier 5

Perumusan Masalah 1.3:

 Pola Pemotongan II (panjang besi batangan: 3 meter)

 Pola Pemotongan III (panjang besi batangan: 3 meter)

 Pola Pemotongan IV (panjang besi batangan: 3 meter)

Masalah Optimasi Bersyarat 6

 Pola Pemotongan VI (panjang besi batangan: 3 meter)

Alternatif Penyelesaian Masalah 1.3:

Oleh karena itu, diperoleh suatu masalah program linier berikut:

dengan meminimumkan: 12,5 x1  20 x2  15 x3  10 x4  5 x5  0 x6 (5)

Bahan Ajar: Program Linier 7

Masalah pada perusahaan tersebut adalah menentukan kapasitas bubur kertas

Perumusan Masalah 1.4:

Masalah Optimasi Bersyarat 8

Alternatif Penyelesaian Masalah 1.4:

dari Penggilingan (i = 1, 2) ke Percetakan ( j = 1, 2, 3 ).

Bahan Ajar: Program Linier 9

x11  x21  275  Model matematika

pengiriman setiap ton bubur kertas dari Penggilingan I ke Percetakan I adalah Rp

Alternatif Penyelesaian: (Kerjakan sebagai latihan Anda!)

Bahan Ajar: Program Linier 11

Berdasarkan uraian alternatif penyelesaian dari setiap masalah di atas, dapat

Masalah Optimasi Bersyarat 12

Bahan Ajar: Program Linier 13

Berdasarkan pemaparan alternatif solusi dari setiap masalah otentik pada

Masalah Optimasi Bersyarat 14

Masalah maksimasi dijumpai misalnya dalam kasus penentuan kombinasi

mencerminkan aktivitas, dalam program linier disebut juga variabel keputusan.

1.5 Rangkuman Bab I

Program linear (linear programming) adalah suatu model optimasi persamaan

Bahan Ajar: Program Linier 15

“pembatasan ketidaknegatifan”. Selanjutnya, kendala-kendala dalam sebuah masalah

1.6 Latihan Soal Bab I

Petunjuk: Kerjakan soal berikut dengan tepat, lengkap, dan jelas!

Rumuskan masalah penjadwalan perawat tersebut dalam model matematika!

Masalah Optimasi Bersyarat 16

Bahan Ajar: Program Linier 17

2.2 Daerah Penyelesaian Program Linier

Bahan Ajar: Program Linier 18

Gambar 2.1 Gambar Pertidaksamaan x + y ≥ 5.

Gambar 2.3 Gambar Pertidaksamaan x + y ≥ 5 dengan x ≥ 0 dan y ≤ 0

Gambar 2.4 Gambar Pertidaksamaan x + y ≥ 5 dengan x ≤ 0 dan y ≥ 0

Bahan Ajar: Program Linier 20

Gambar 2.6 Daerah Penyelesaian Pertidaksamaan Masalah 2.2

Penyelesaian: (Kerjakan sebagai latihan Anda!)