Metode Simpleks

Metode ini menekankan bahwa model pemrogaman linear yang diselesaikan merupakan
model bentuk standar, yaitu;

Maksimumkan Z = c1x1 + c2x2 + … + cnxn

dengan pembatas
a11x1 + a12x2 + … + a1nxn  b1
a21x1 + a22x2 + … + a2nxn  b2
……
am1x1 + am2x2 + … + amnxn  bm
dan
x1, x2, …, xn  0, dan b1, b2, …, bm > 0

sebagai contohnya adalah sebagai berikut;

contoh 1:
Maksimumkan
Z = 4x1 + 3x2 + 6x3
dengan pembatas
(1) 3x1 + x2 + 3x3  30
(2) 2x1 + 2x2 + 3x3  40
dan
x1, x2, x3  0,

Metode simpleks umumnya dikerjakan dengan komputer, yang hanya mengikuti

instruksi aljabar. Prosedur aljabar didasarkan pada penyelesaian sistem persamaan
linear, sehingga langkah pertama metode simpleks adalah mengkonversi
pertidaksamaan pembatas fungsional ke persamaan pembatas fungsional yang
ekuivalen. Konversi dilakukan dengan memperkenalkan variabel slack. Sebagai
ilustrasi, perhatikan pembatas fungsional pertama dari contoh 1 di atas
3x1 + x2 + 3x3  30

variabel slack untuk pembatas ini didefinisikan sebagai

x4 = 30 - 3x1 - x2 - 3x3
sehingga
3x1 + x2 + 3x3 + x4 = 30

dengan menambahkan variabel slack terhadap pembatas fungsional yang lainnya,

model pemrograman linear asal untuk contoh di atas dapat diganti dengan model yang
ekuivalen sebagai berikut
Maksimumkan
Z = 4x1 + 3x2 + 6x3
dengan pembatas
(1) 3x1 + x2 + 3x3 + x4 = 30
(2) 2x1 + 2x2 + 3x3 + x5 = 40
dan
x1, x2, x3, x4, x5  0,

Meskipun kedua bentuk dari model ini sesungguhnya merepresentasikan

problem yang sama, bentuk yang baru jauh lebih sesuai untuk melakukan manipulasi
aljabar dan untuk mengindentifikasi penyelesaian CPF (corner point feasible). Bentuk ini

1
disebut bentuk perluasan dari problem, karena bentuk asalnya telah diperluas dengan
variabel suplemen yang diperlukan untuk metode simpleks.
Pada bentuk perluasan di atas, tampak bahwa sistem pembatas fungsional
memiliki lima variabel dengan dua persamaan. Fakta ini memberi kita tiga derajat
kebebasan (degree of freedom, df) dalam menyelesaikan sistem tersebut. Sehingga
sebarang tiga variabel dapat dipilih untuk diset sama dengan sebarang nilai, untuk
menyelesaikan kedua persamaan dalam konteks kedua variabel sisanya. Metode
simpleks menggunakan nilai nol untuk sebarang nilai ini. Jadi tiga variabel (disebut
variabel non-dasar) diset bernilai nol, dan kemudian penyelesaian simultan dari dua
persamaan untuk kedua variabel lainnya (disebut variabel dasar) merupakan
penyelesaian dasar.
Metode simpleks bekerja dengan prinsip iterasi. Dimulai dengan suatu nilai awal,
prosedur yang sama akan dilakukan berulang-ulang sampai diperoleh hasil yang
optimal. Langkah dalam metode simpleks adalah sebagai berikut:
1. Set Up Metode Simpleks: Perluasan Masalah
2. Inisialisasi:
a. Tentukan variabel non-dasar (bernilai 0)
b. variabel dasar (penyelesaian dari system) dan nilai Z awal
3. Tes Optimalitas
Jika optimal proses selesai
Jika belum optimal
a. Tentukan Arah Kenaikkan (Tentukan var. dasar baru)
b. Tes Rasio Minimum (tentukan var non-dasar baru)
c. Tentukan Penyelesaian Baru (variabel dasar baru dan nilai Z baru)
d. Kembali ke 3

Aljabar Metode Simpleks

Pada bagian ini kita akan menyelesaikan contoh 1 menggunakan aljabar metode
simpleks
Bentuk perluasan masalah adalah;
Maksimumkan
(0)0 Z = 4x1 + 3x2 + 6x3
dengan pembatas
(1)0 3x1 + x2 + 3x3 + x4 = 30
(2)0 2x1 + 2x2 + 3x3 + x5 = 40
dan
x1, x2, x3, x4, x5  0,

Proses
1. Inisialisasi
Pilih x1, x2, dan x3 sebagai variabel non-dasar. Pilihan ini mengeliminir
perhitungan untuk menentukan nilai variabel dasar dari sistem persamaan
berikut
x1 = 0, x2 = 0, dan x3 = 0
(1)0 3x1 + x2 + 3x3 + x4 = 30, x4 = 30
(2)0 2x1 + 2x2 + 3x3 + x5 = 40, x5 = 40

Jadi penyelesaian dasar awal adalah (0, 0, 0, 30, 40)

2. Iterasi

2
Iterasi1:
- Tes Optimalitas
Fungsi objektifnya adalah; Z = 4x1 + 3x2 + 6x3
Sehingga Z = 0 untuk penyelesaian dasar awal. Koefisien dari setiap
variabel non-dasar (x1, x2, dan x3) memberikan peningkatan nilai Z, jika
nilai variabel tersebut akan dinaikan dari nol. Rataan peningkatan ini
adalah positif. Sehingga dapat disimpulkan bahwa (0, 0, 0, 30, 40) bukan
penyelesaian optimal.

- Menentukan arah perpindahan (Menentukan variabel dasar baru)

Berdasarkan fungsi objektif saat ini
Z = 4x1 + 3x2 + 6x3
Naikan nilai x1, rataan peningkatan nilai Z adalah 4
Naikan nilai x2, rataan peningkatan nilai Z adalah 3
Naikan nilai x3, rataan peningkatan nilai Z adalah 6
Karena 6 > 4 dan 6 > 3, maka pilih x3 untuk dinaikan.
Nilai x3 akan dinaikan dari nol, maka x3 akan berubah menjadi variabel
dasar.

- Menentukan penghentian perpindahan (Tes Rasio Minimum)

Langkah ini berkaitan dengan pertanyaan sejauh mana peningkatan nilai
x3 sebagai bariabel dasar baru. Peningkatan nilai x 3 akan meningkatkan
nilai Z, sehingga kita akan bergerak sejauh mungkin tanpa meninggalkan
daerah hasil (feasible region). Peningkatan nilai x3 (sementara
mempertahankan variabel non-dasar x1 =0, dan x2 =0) akan mengubah
nilai beberapa variabel dasar. Kita perlu memeriksa sejauh mana kita
dapat meningkatkan nilai x3 tanpa melanggar pembatas non-negatif untuk
variabel dasar.
Kita lihat dengan x1 =0, dan x2 =0, maka;
(1)0 3x1 + x2 + 3x3 + x4 = 30,
3x3 + x4 = 30,
x4 = 30 - 3x3 , karena x4  0, maka x3  10,
artinya 0  x3  10
(2)0 2x1 + 2x2 + 3x3 + x5 = 40,
3x3 + x5 = 40,
40
x5 = 40 - 3x3 , karena x5  0, maka x3  ,
3
40
artinya 0  x3 
3
supaya memenuhi kedua pembatas fungsional maka pembatas untuk x 3
adalah 0  x3  10. Artinya x3 dapat dinaikan hanya sampai 10, pada titik
dimana x4 turun menjadi nol. Peningkatan x3 sampai lebih dari 10 akan
menjadikan nilai x4 negatif.
Perhitungan ini disebut tes rasio minimum. Proses ini digunakan untuk
menentukan variabel dasar mana yang akan turun menjadi nol.
Penurunan variabel dasar ini menjadi nol akan mengubah statusnya
menjadi variabel non-dasar untuk penyelesaian dasar berikutnya. Jadi
pada contoh ini x4 merupakan variabel non-dasar baru.

- Menentukan Penyelesaian Dasar Baru

3
 Peningkatan nilai x3 memindahkan kita dari penyelesaian dasar awal ke
penyelesaian dasar baru sebagai berikut

Penyelesaian Dasar Awal Penyelesaian Dasar Baru

Variabel dasar x4 = 30, x5 = 40 x3 = 10, x5 = ?
Variabel non-dasar x1 = 0, x2 = 0, x3 = 0 x1 = 0, x2 = 0, x4 = 0

Selanjutnya kita akan mengubah sistem persamaan menjadi bentuk yang

lebih memudahkan kita saat melakukan tes optimalitas dan jika perlu
untuk iterasi berikutnya.
Berikut ini adalah sistem persamaan asal, dengan x3 sebagai variabel
dasar baru
(0)0 Z - 4x1 - 3x2 - 6x3 =0
(1)0 3x1 + x2 + 3x3 + x4 = 30
(2)0 2x1 + 2x2 + 3x3 + x5 = 40

jadi x3 menggantikan x4 sebagai variabel dasar pada persamaan (1)0.

Untuk menentukan nilai Z dan x5, diperlukan beberapa operasi aljabar
elementer, sehingga menghasilkan kembali pola koefisien x4 saat ini,
yaitu (0 1 0) sebagai koefisien baru dari x3.
Dari persamaan (1)0 diperoleh
1 1
x3 = 10 - x1 - x2 - x4
3 3
berikutnya substitusikan x3 ke persamaan (0)0 dan (2)0, sehingga
diperoleh
(0)1 Z + 2x1 - x2 + 2 x4 = 60
1 1
(1)1 x1 + x2 + x3 + x4 = 10
3 3
(2)1 - x 1 + x2 - x4 + x5 = 10

Karena x1 = 0, x2 = 0, dan x4 = 0, persamaan ini langsung menghasilkan

penyelesaian dasar baru (0, 0, 10, 0, 10) dengan Z = 60.
Proses untuk mendapatkan penyelesaian dari sistem persamaan linear
ini merupakan metode eliminasi Gauss-Jordan, atau singkatnya eliminasi
Gauss. Konsep kunci dari metode ini adalah pemakaian operasi aljabar
elementer untuk mereduksi sistem persamaan asal menjadi bentuk murni
dari eliminasi Gauss, dimana setiap variabel dasar dieliminasi dari semua
persamaan kecuali satu persamaan, yaitu persamaan itu sendiri dan
memiliki koefisien 1 dalam persamaan tersebut.

Iterasi2:
- Tes Optimalitas
Fungsi objektifnya adalah; Z = 60 - 2x1 + x2 - 2 x4
Karena koefisien dari x2 positif, maka peningkatan x2 akan memberikan
peningkatan nilai Z. Sehingga dapat disimpulkan bahwa (0, 0, 10, 0, 10)
bukan penyelesaian optimal.

- Menentukan Arah Kenaikan

4
 Karena Z = 60 - 2x1 + x2 - 2 x4 , maka Z dapat ditingkatkan dengan
meningkatkan nilai x2 , tetapi bukan x1 maupun x4. Jadi kita memilih x2
sebagai variabel dasar baru.

- Tes Rasio Minimum

dengan x1 =0, dan x4 =0, maka;
1 1
(1)1 x1 + x2 + x3 + x4 = 10
3 3
1
x3 = 10 - x2 , karena x3  0, maka x2  30,
3
artinya batasan x2 adalah 0  x2  30,
(2)1 - x 1 + x2 - x4 + x5 = 10
x5 = 10 - x2 , karena x5  0, maka x2  10,
artinya batasan x2 adalah 0  x2  10,

agar memenuhi kedua pembatas fungsional, maka batasan untuk x2

adalah 0  x2  10. Sehingga tes rasio minimum menghasilkan x5
sebagai variabel non-dasar baru.

- Menentukan Penyelesaian Dasar Baru

Penyelesaian Dasar Awal Penyelesaian Dasar Baru

Variabel dasar x3 = 10, x5 = 10 x2 = 10, x3 = ?
Variabel non-dasar x1 = 0, x2 = 0, x4 = 0 x1 = 0, x5 = 0, x4 = 0

Selanjutnya operasi aljabar elementer untuk menghasilkan pola koefisien

x5 saat ini (0 0 1) sebagai koefisisen dari x2
Dari persamaan (2)1
x2 = 10 + x1 + x4 - x5

substitusikan ke persamaan (0)1 dan (1)1, sehingga diperoleh sistem baru

(0)2 Z + x1 + x4 + x5 = 70
4 2 1 20
(1)2 x1 + x3 + x4 - x5 =
3 3 3 3
(2)2 - x 1 + x2 - x4 + x5 = 10

karena x1 = 0, x5 = 0 dan x4 = 0, maka diperoleh penyelesaian dasar

20
baru (0, 10, , 0, 0) dengan Z = 70
3

Iterasi3:
- Tes Optimalitas
Fungsi objektifnya adalah; Z = 70 - x1 - x4 - x5
Karena koefisien dari x1, x4 maupun x5 negatif, maka peningkatan x1, x4
maupun x5 akan menurunkan nilai Z. Sehingga dapat disimpulkan bahwa
20
(0, 10, , 0, 0) merupakan penyelesaian optimal.
3

5
 3. Karena sudah optimal, maka iterasi berakhir dengan penyelesaian optimalnya
20
adalah x1 = 0, x2 = 10, dan x3 = , yang menghasilkan Z maksimum 70
3

Soal
Selesaikan model pemrograman linear berikut menggunakan aljabar metode simpleks;
Maksimumkan
Z = 2x1 - x2 + x3
dengan pembatas
(1) x1 - x2 + 3x3  4
(2) 2x1 + x2  10
(3) x 1 - x2 - x3  7
dan
x1, x2, x3  0,