METODE SIMPLEKS DAN METODE BIG M

DI SUSUN OLEH :

NAMA: MARTALENA SUSANTI ZENDRATO

KELAS/ SEMESTER : B / IV
MATA KULIAH : MATEMATIKA EKONOMI
DOSEN PENGAMPU : SADIANA LASE, M. Pd

INSTITUT KEGURUAAN DAN ILMU PENDIDIKAN (IKIP) GUNUNGSITOLI

FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FPMIPA)

PROGRAM STUDI MATEMATIKA

T.A 2020/ 2021

Martalena Susanti ZendratoPage 1

 KATA PENGANTAR

Puji syukur kita panjatkan kehadirat Tuhan yang Maha Esa yang telah memberikan rahmat dan
hidayat-Nya serta kemudahan-Nya sehingga kami sebagai penulis dapat menyelesaikan makalah
ini dengan baik dengan judul “METODE SIMPLEKS DAN METODE BIG M” meskipun
banyak kekurangn didalamnya. Dan juga kami berterimakasih pada Ibu Sadiana Lase, M.Pd
selaku dosen mata kuliah Matematika Ekonomi yang telah mempercayakan dan memberikan
tugas ini kepadakami.

Kami sebagai penulis juga menyadari sepenuhnya bahwa didalam makalah ini terdapat
kekurangan dan jauh dari kata sempurna. Oleh sebab itu, kami berharap adanya kritik, saran dan
usulan demi perbaikan makalah yang telah kamibuat ini di masa yang akan datang mengingat
tidak ada sesuatu yang sempurna tanpa saran yang membangun.

Semoga makalah sederhana ini dapat dipahami bagi siapapun yang membacanya.
Sekiranya makalah yang telah disusun ini dapat berguna bagi penulis sendiri maupun orang yang
membacanya. Sebelumnya kami sebagai penulismohon maaf apabila terdapat kesalahan kata-kata
yang kurang berkenaan.

Gunungsitoli, Maret 2021

Martalena Susanti Zendrato

Martalena Susanti ZendratoPage 2

 DAFTAR ISI

KATA PENGANTAR............................................................................................................i

DAFTAR ISI...........................................................................................................................ii

BAB 1 PENDAHULUAN

A. Latar Belakang........................................................................................................1
B. Rumusan Masalah...................................................................................................1
C. Tujuan dan Manfaat................................................................................................1

BAB 2 PEMBAHASAN

A. Metode Simpleks....................................................................................................2
B. Metode Big M.........................................................................................................8

BAB 3 PENUTUP

A. Kesimpulan.............................................................................................................11
B. Saran.......................................................................................................................11

DAFTAR PUSTAKA.....................................................................................................................12

Martalena Susanti ZendratoPage 3

 KATA PENGANTAR

Puji syukur kita panjatkan kehadirat Tuhan yang Maha Esa yang telah memberikan rahmat dan
hidayat-Nya serta kemudahan-Nya sehingga kami sebagai penulis dapat menyelesaikan makalah
ini dengan baik dengan judul “METODE SIMPLEKS DAN METODE BIG M” meskipun
banyak kekurangn didalamnya. Dan juga kami berterimakasih pada Ibu Sadiana Lase, M.Pd
selaku dosen mata kuliah Matematika Ekonomi yang telah mempercayakan dan memberikan
tugas ini kepadakami.

Kami sebagai penulis juga menyadari sepenuhnya bahwa didalam makalah ini terdapat
kekurangan dan jauh dari kata sempurna. Oleh sebab itu, kami berharap adanya kritik, saran dan
usulan demi perbaikan makalah yang telah kamibuat ini di masa yang akan datang mengingat
tidak ada sesuatu yang sempurna tanpa saran yang membangun.

Semoga makalah sederhana ini dapat dipahami bagi siapapun yang membacanya.
Sekiranya makalah yang telah disusun ini dapat berguna bagi penulis sendiri maupun orang yang
membacanya. Sebelumnya kami sebagai penulismohon maaf apabila terdapat kesalahan kata-kata
yang kurang berkenaan.

Gunungsitoli, Maret 2021

KELOMPOK 1

Martalena Susanti ZendratoPage 4

 DAFTAR ISI

KATA PENGANTAR............................................................................................................i

DAFTAR ISI...........................................................................................................................ii

BAB 1 PENDAHULUAN

D. Latar Belakang........................................................................................................1
E. Rumusan Masalah...................................................................................................1
F. Tujuan dan Manfaat................................................................................................1

BAB 2 PEMBAHASAN

C. Metode Simpleks....................................................................................................2
D. Metode Big M.........................................................................................................8

BAB 3 PENUTUP

C. Kesimpulan.............................................................................................................11
D. Saran.......................................................................................................................11

DAFTAR PUSTAKA.....................................................................................................................12

Martalena Susanti ZendratoPage 5

 BAB I

PENDAHULUAN

A. LATAR BELAKANG

Dalam matematika terdapat metode untuk mengalokasikan sumber daya yang terbatas
untuk mencapai suatu tujuan yang optimal. Metode ini adalah pemograman linier.
Pemograman linier merupakan kelompok teknik analisis kuantitatif yang mengandalkan model
matematika atau metode simbolik sebagai wadahnya. Dalam hal ini, salah satu metode atau
pemograman matematika yang digunakan, yaitu meode simpleks dan metode Big M.

Metode simpleks ini mendemontrasikan bagaimana menggunakan fungsi tujuan dalam

upaya menemukan solusi diantara beberapa kemungkinan solusi sebuah persoallan linier.
Dalam menyelesaikan sebuah persoalan menggunkan metode ini, dilakukan secara berulang-
ulang sedemikian rupa dengan menggunakan pola tertentu hingga solusi optimal tercapai.
Sedangkan metode Big M digunakan untuk menyelesaikan fungsi-fungsi dalam program linier
yang tidak berada dalambentuk baku/ standar.

B. RUMUSAN MASALAH

Berdasarkan latar belakang di atas, adapun yang menjadi rumusan masalah yang akan kita
kaji, antara lain:

1. Apa yang dimaksud dengan metode simpleks dan metode Big M ?

2. Bagaimana penyelesaian atau pemecahan program linier dengan menggunakan metode
simpleks dan metode Big M ?

C. TUJUAN DAN MANFAAT

Berdasarkan rumusan masalah di atas, adapun yang menjadi tujuan dan manfaat dari
pembuatan makalah ini, antara lain:
1. Mengenal dan mengetahui tentang metode simpleks dan metode Big M.
2. Mengenal dan mengetahui tentang cara penyelesaian suatu masalah program linier dengan
cara metode simpleks dan metode Big M.

Martalena Susanti ZendratoPage 6

 BAB II

PEMBAHASAN

A. METODE SIMPLEKS
Metode simpleks merupakan salah satu teknik penyelesaian dalam program linier yang
digunakan sebagai teknik pengambilan keputusan dalam permasalahan yang berhubungan
dengan pengalokasian sumber daya secara optimal. Metode simpleks digunakan untuk
mencari nilai optimal dari program linier yang melibatkan banyak pembatas dan banyak
variable. Penentuan metode ini merupakan lompatan besar dalam riset operasi dan digunakan
sebagai prosedur penyelesaian dari setiap program komputer.

Metode simpleks didasarkan atas pengertian bahwa solusi optimal dari masalah
program linier, jika ada, selalu dapat ditemukan disalah satu dari “solusi dasar yang berlaku”.
Oleh karena itu, dalam metode simpleks, langkah pertama adalah untuk memperoleh solusi
dasar yang berlaku.

a. IstIlah- Istilah Pada Metode Simpleks

Ada beberapa istilah yang sangat sering kita gunakan dalam metode simpleks,antara
lain:
1. Iterasi yaitu tahapan dalam menentukan solusi optimal dalammetode simpelks.
2. Variabel non basis yaitu variabel yang nilainya diatur menjadi nol pada sembarang
iterasi.
3. Variabel basis yaitu variabel yang nilainya bukan nol pada sembarang iterasi. Pada
solusi awal, variabel basis merupakan variabel slack (jika fungsi kendala menggunakan
pertidak samaan ()) atau variabel buatan(jika fungsi kendala menggunakan pertidak
samaan (, =)).
4. Solusi atau nilai kanan yaitu nilai sumber daya pembatas yang masih tersedia. Pada
solusi awal,nilai kanan atau solusi sama dengan jumlah sumber daya pembatas awwal
yang ada, karena aktifitas belum dilaksanakan.
5. Variabel slack yaitu variabel yang ditambahkan ke model matematika kendala untuk
mengkonversikan pertidaksamaan menjadi persamaan. Penambahan variabel ini terjadi
pada tahap inisialisasi. Pada solusi awal, variabel slack akan berfungsi sebagai variabel
basis.
6. Variabel surplus yaitu yang dikurangkan dari model matematik kendala untuk
mengkonversikan petidaksamaan menjadi persamaan. Pada solusi awal, variabel ini
tidak dapat berfungsi sebagai variabel basis.

Martalena Susanti ZendratoPage 7

 7. Variabel buatan yaitu variabel yang ditambahakan ke model matematik kendala dengan
bentuk  atau = untuk difungsikan sebagai variabel basis awal. Variabel ini harus
bernilai 0 pada solusioptimal,karena pada kenyataannya variabel ini tidak ada.
8. Kolom pivot (kolom kerja) yaitu kolom yang memuat variabel masuk. Koefisien pada
kolomini akan menjadi pembagi nilai kanan untuk menentukan basis pivot (basis
kerja).
9. Basis pivot (basis kerja) yaitu salah satu baris dari antara variabel basis yang memuat
variabel bebas.
10. Elemen pivot (elemen kerja) yaitu elemenm yang terletak pada perpotongan kolom dan
baris pivot. Elemen pivot akan menjadi dasar perhitungan untuk tabel simpleks
berikutnya.
11. Variabel masuk yaitu variabel yang terpilih menjadi variabel basis pada iterasi
berikutnya. Variabel masuk dipilih satu dari antara variabel non basis pada setiap
iterasi. Variabel ini pada iterasi berikutnya akan bernilai positif.
12. Variabel keluar yaitu variabel yang keluar dari variabel basis pada iterasi berikutnya
dan digantikan oleh variabel masuk. Variabel keluar dipilih satu dari antara variabel
basis pada setiap iterasi. Variabel ini pada iterasi berikutnya akan bernilai 0.

b. Bentuk Baku (Standar) Metode Simpleks

Sebelum melakukan perhitungan iterasi untuk menentukan solusi optimal, pertama
sekali kita harus mengubah bentuk umum pemograman linier ke dalam bentuk baku
(standar).bentuk baku dalam metode simpleks tidak hanya mengubah bentuk persamaan
kendala ke dalam bentuk sama dengan, tapi setiap fungsi kendala harus diwakili oleh satu
variabel basis awal menunjukkan status sumber daya pada kondisi sebelum ada aktivitas
yang dilakukan, dengan kata lain variabel buatan harus masih bernilai 0. Dengan demikian,
meskinpun fungsi kendala pada bentuk umum pemograman linier sudah diubah ke dalam
bentuk persamaan, fungsi kendala tersebut masih harus berubah.

Beberapa hal yang harus diperhatikan dalam membuat bentuk baku/ standar, yaitu:
1. Fungsi kendala dengan pertidaksamaan  dalam bentuk umum di ubah menjadi
persamaan = dengan menambahkan satu variabel slack.
2. Fungsi kendala dengan pertidaksamaan  dalam bentuk umum di ubah menjadi
persamaan = dengan menambahkan satu variabel surplus
3. Fungsi kendala dengan persamaan = dalam bentuk umum di tambahkan satu variabel
buatan.

Contoh:

Martalena Susanti ZendratoPage 8

 Suatu masalah dalam pabrik memiliki data sebagai berikut:

Ukuran waktu pemprosesan oleh departemen

Kapasitas per-
Ukuran
Depertemen Periode Waktu

A B C

Pemotongan 10,7 5,0 2,0 2705

Pelipatan 5,4 10,0 4,0 2210

Pengepakan 0,7 1,0 2,0 445

Keuntungan/unit 10  15  20

1. Menentukan model matematikanya:

 Misalkan bahwa diproduksi sejumlah x unit dari produk A, sejumlah y unit dari
produk B, sejumlah z unit dari produk C.
 Fungsi objektifnya = Maksimumkan
Maksimumkan f = 10x + 15y + 20z
Syarat: 10,7x + 5y + 2z  2705
5,4x +10y + 2z  2210
0,7x + y + 2z  445
x  0; y  0; z  0
2. Tambahkan variabel (slack ataupun surplus)
Karena pertidaksamaannya  maka tambahkan variabel slack, hingga menjadi:
Maksimumkan f = 10x + 15y + 20z + 0S1+ 0S2+ 0S3
Syarat: 10,7x + 5y + 2z + 1S1+ 0S2+ 0S3 = 2705
5,4x +10y + 2z + 0S1+ 1S2+ 0S3 = 2210
0,7x + y + 2z + 0S1+ 0S2+ 1S3 = 445
x  0; y  0; z  0; S1  0; S2  0; S3  0;

c. Pembentukkan Tabel Metode Simpleks

Dalam perhitungan iterasi, kita akan bekerja dengan menggunakan tabel. Untuk lebih
jelasnya mari kita perhatikan kembali bentuk baku yang telah kita bahas sebelumnya.
Dengan demikian, bentuk baku yang kita peroleh di atas kita ubah dalam bentuk tabel.

Martalena Susanti ZendratoPage 9

 Perlu kita ingat kembali, semua variabel yang bukan variabel basis mempunyai solusi
(nilai kanan) sama dengan 0 dan koefisien variabel basis pada baris tujuan harus sama
dengan 0. Oleh karena itu, kita membedakan pembentukkan tabel awal berdasarkan
variabel basis awal.

Adapun bentuk tabel simpleks berdasarkan bentuk baku dari:

Maksimumkan f = 10x + 15y + 20z + 0S1+ 0S2+ 0S3
Syarat: 10,7x + 5y + 2z + 1S1+ 0S2+ 0S3 = 2705
5,4x +10y + 2z + 0S1+ 1S2+ 0S3 = 2210
0,7x + y + 2z + 0S1+ 0S2+ 1S3 = 445
x  0; y  0; z  0; S1  0; S2  0; S3  0

VB X Y z S1 S2 S3 Solusi

f 10 15 20 0 0 0 0

S1 10,7 5 2 1 0 0 2705

S2 5,4 10 2 0 1 0 2210

S3 0,7 1 2 0 0 1 445

d. Langkah- Langkah Penyelesaian Dengan Metode Simpleks

Adapun langkah-langkah yang dapat dilakukan dalam metode simpleks, antara lain:
1. Periksa tabel apakah layak ataupun tidak.
Kelayakkan sebuah tabel simpleks dilihat dari solusi (nilai kanan). Jika solusi ada yang
yang bernilai negatif, maka tabel tidak layak. Tabel yang tidak layak tidak dapat
diteruskan untuk dioptimalkan.
2. Tentukan kolom pivot.
Penentun kolom pivot dilihat dari koefisien fungsi tujuan (nilai disebelah kanan fungsi
z) dan tergantung dari bentuk tujuan. Jika tujuan berupa maksimisasi, maka kolom pivot
adalah kolom dengan koefisien negatif terbesar. Sebaliknya, jika tujuan berupa
minimisasi maka kolom pivot adalah kolom dengan koefisien positif terkecil. Jika kolom
pivot ditandai dan di tarik ke atas maka kita akan mendapatkan nilai variabel keluar dan
jika nilai negatif/ positif terbesar lebih dari satu maka pilih salah satu.
3. Tentukan baris pivot.
Baris pivot ditentukan setelah menbagi nilai solusi dengan kolom nilai pivot yang
bersesuaian dalam satu baris. Dalam hal ini nilai negtif dan 0 tidak diperhatikan, artinya
tidak ikut menjadi pembagi. Baris pivot adalah baris dengan rasio pembagi terkecil. Jika

Martalena Susanti ZendratoPage 10

 baris pivot ditandai dan di tarik ke kiri maka kita akan mendapatkan variabel masuk dan
jika rasio pembagi lebih dari satu maka pilih salah satunya.
4. Tentukan elemen pivot.
Elemen pivot merupakan nilai yang terletak pada perpotongan kolom dan baris pivot
5. Bentuk tabel simpleks baru.
Tabel ini pertama kali dibentuk dengan menghitung nilai baris pivot baru. Baris pivot
baru adalah baris pivot lama di bagi dengan elemen pivot. Baris selanjutnya adalah
pengurangan nilai kolom pivot baris yang bersangkutan di kali baris pivot baru dalam
satu kolom terhadap baris lamanya yang terletak dalam satu kolom juga.
6. Periksa apakah tabel sudah optimal.
Keoptimalan tabel dilihat dari koefisien fungsi tujuan (nilai pada baris z)dan tergantung
dari bentuk tujuan. Untuk tujuan yang maksimisasi, tabel dikatakan sudah optimal jika
semua nilai pada baris z sudah positif atau 0. Untuk tujuan yang manimisasi, tabel
dikatakan sudah optimal jika semua nilai pada baris z sudah negatif atau 0. Jika masih
belum maka kembali ke langkah no. 2.

Untuk lebih jelasnya perhatikan contoh berikut:

Selesaikan kasus dibawah ini dengan metode simpleks.
Maks z = 8x1 + 9 x2 + 4 x3
Terhadap x1 + x2 + x3  2
2x1 + 3x2 + 4x1  3
7x1 + 6x2 + 2x3  8
x1, x2, x3  0
Penyelesaian:
Bentuk baku:
Maks z = 8x1 + 9 x2 + 4 x3+ 0S1+ 0S2+ 0S3
Terhadap x1 + x2 + x3 + S1= 2
2x1 + 3x2 + 4x1 + S2 = 3
7x1 + 6x2 + 2x3 + S3 = 8
x1, x2, x3 S1, S2, S3  0
Solosi/ tabel awal simpleks:

VB X1 X2 X3 S1 S2 S3 NK Rasio

Z -8 -9 -4 0 0 0 0

S1 1 1 2 1 0 0 2

Martalena Susanti ZendratoPage 11

 S2 2 3 4 0 1 0 3

S3 7 6 2 0 0 1 8

Karena nilai negatif terbesar pada kolom x2 maka kolom x2 yaitu kolom pivot dan x2 adalah
variabel masuk. Rasio pembagi nilai kanan dengan kolompivot terkecil adalah 1
bersesuaian dengan baris S1 maka baris S2 adalah baris pivot dan S2 adalah variabel keluar.
Elemen pivotnya adalah 3.
Perhatikan tabel berikut:

VB X1 X2 X3 S1 S2 S3 NK Rasio

Z -8 -9 -4 0 0 0 0 -

S1 1 1 2 1 0 0 2 2

S2 2 3 4 0 1 0 3 1

S3 7 6 2 0 0 1 8 8/6

Iterasi- 1: Nilai pertama, yaitu baris pivot baru (x 2), kemudian semua nilai baris S2 bagi 3,
baris lainnya dilakukan dengan nilai baris bagi nilai pivot baru (bersesuaian)

VB X1 X2 X3 S1 S2 S3 NK Rasio

Z -2 0 8 0 3 0 9 -

S1 1/3 0 2/3 1 -1/3 0 1 3

X2 2/3 1 4/3 0 1/3 0 1 3/2

S3 3 0 -6 0 -2 1 2 2/3

Dari tabel diatas nilai baris Z dibawah variabel X1 masih negatif maka tabel belum optimal.

VB X1 X2 X3 S1 S2 S3 NK Rasio

Z -2 0 8 0 3 0 9 -

S1 1/3 0 2/3 1 -1/3 0 1 3

X2 2/3 1 4/3 0 1/3 0 1 3/2

Martalena Susanti ZendratoPage 12

 S3 3 0 -6 0 -2 1 2 2/3

Variabel masuknya adalah X1 dan variabel keluar adalah S3. Maka hasil iterasi- 2 yaitu:

VB X1 X2 X3 S1 S2 S3 NK

Z 0 0 4 0 5/3 2/3 31/3

S1 0 0 4/3 1 -1/9 -1/9 7/9

X2 0 1 8/3 0 7/9 -2/9 5/9

X1 1 0 -2 0 -2/3 1/3 2/3

Jadi, dari tabel diatas terlihat bahwa tabel telah optimal.

B. METODE BIG M
Sering kita menemukan bahwa fungsi kendala tidak hanya dibentuk oleh
pertidaksamaan () tapi juga oleh pertidaksamaan () dan atau persamaan (=). Fungsi kendala
dengan pertidaksamaan () mempunyai surplus variable, tidak ada slack variable. Surplus
variable tidak bisa menjadi variable basis awal. Dengan demikian harus ditambahkan satu
variable baru yang dapat berfungsi sebagai variable basis awal. Variabel yang dapat berfungsi
sebagai variable basis awal hanya slack variables dan artificial variable (variable buatan).
1. Jika semua fungsi kendala menggunakan pertidaksamaan () maka variabel basis awal
semuanya adalah slack variabel. Penyelesaian solusi optimal untuk kasus seperti ini
dilakukan dengan cara yang sudah diperkenalkan sebelumnya.
2. Jika semua fungsi kendala menggunakan pertidaksamaan ( dan atau ) maka variabel
basis awal adalah slack variabel dan atau variabel buatan . Penyelesaian solusi optimal
untuk kasus seperti ini dilakukan dengan memiliki antara metode Big M, Dua Fase atau
Dual Simpleks.
3. Jika fungsi kendala ada yang menggunakan persamaan maka variabel buatan akan ditemukan
pada variabel basis awal. Penyelesaian solusi optimal untuk kasus seperti ini hanya dapat
dilakukan dengan memiliki antara metode Big M,Dua Fase atau metode Dua Fase. Jika fungsi
kendala menggunakan bentuk pertidaksamaan, perubahan dari bentuk umum ke bentuk baku
memerluka satu variabel surplus. Variabel surplus tidak dapat berfungsi sebagai variabel basis
awal, karena koefisiennya bertanda negatif. Sebagai variabel basis pada solusi awal, harus
ditambahkan satu variabel buatan. Variabel buatan pada solusi optimal harus bernilai 0.

Martalena Susanti ZendratoPage 13

 Teknik yang digunakan untuk mengubah variabel buatan bernilai 0 pada solusi optimal antara
lain:
a) Penambahan variabel buatan pada fungsi kendala yang tidak memiliki variabel slack,
menuntut penambahan variabel buatan pada fungsi tujuan.
b) Jika fungsi tujuan adalah maksimisasi, maka variabel buatan pada fungsi tujuan
mempunyai koefisien +M , jika fungsi tujuan adalah minimisasi, maka variabel buatan
pada fungsi tujuan mempunyai koefisien –M.
c) Karena koefisien variabel basis pada tabel simpleks harus bernilai 0,maka variabel
buatan pada fungsi tujuan harus digantikan nilai dari fungsi kendala yang memuat
variabel buatan tersebut.
Contoh: Perhatikan bentuk umum berikut lalu pecahkan dengan menggunakan metode Big M
Min Z = 4x1 + x2
Terhadap 3x1 + x2 = 3
4x1 + x2  6
x1 + 2x2  4
x1, x2  0

Penyelesaian:
Bentuk baku : Min Z = 4x1 + x2
Terhadap 3x1 + x2 = 3
4x1 + x2 – S1  6
x1 + 2x2 + S2  4
x1, x2, S1, S2  0
Kendala 1 dan 2 tidak mempunyai variabel slack sehingga tidak mempunyai variabel basis awal.
Untuk berfungsi sebagai basis awal pada kendala 1 dan 2 maka masing-masing satu variabel
buatan, segingga bentuk bakunya dalam metode Big M berubah menjadi:
Bentuk baku
Min Z = 4x1 + x2 + MA1+ MA2
Terhadap 3x1 + x2 + A1 = 3
4x1 + x2 – S1 + A1 = 6x1 + 2x2 + S2 = 4
x1, x2, S1, S2  0
Artinya:
1. Nilai A1 diganti dari fungsi kendala pertama:
A1 = 3 - 3X1 – X2
MA1 berubah menjadi
= M(A1 3 - 3X1 – X2)
= 3M – 3MX1 – MX2

Martalena Susanti ZendratoPage 14

2. Nilai A2 diganti dari fungsi kendala ketiga:
A2 = 6 - 4X1 – 3X2 + S1
MA2 berubah menjadi
= M(6 - 4X1 – 3X2 + S1)
= 6M – 4MX1 – 3MX2 + MS1
3. Fungsi tujuan berubah menjadi:
Min Z = 4x1 + x2 + 3M – 3MX1 – MX2 + 6M – 4MX1 – 3MX2 + MS1
4. Tabel awal simpleks

VB X1 X2 X3 S1 A1 A2 S2 Solusi

Z -4 + 7M -4 + 7M 8 -M 0 0 0 9M

A1 3 0 2/3 0 1 0 0 3

A2 4 1 4/3 -1 0 1 0 6

S2 1 0 -6 0 0 0 1 4

5. Perhitungan iterasinya sama dengan simpleks sebelumnya

Iterasi 0 =

Iterasi 1 =

Iterasi 2 =

Martalena Susanti ZendratoPage 15

 Iterasi 3 = OPTIMAL

Jadi, solusi optimalnya, yaitu:

X1 = 2/5 X2 = 9/5 Z = 17/5
BAB III
PENUTUP
A. KESIMPULAN
Metode simpleks merupakan salah satu teknik penyelesaian dalam program linier yang
digunakan sebagai teknik pengambilan keputusan dalam permasalahan yang berhubungan
dengan pengalokasian sumber daya secara optimal. Metode simpleks digunakan untuk
mencari nilai optimal dari program linier yang melibatkan banyak pembatas dan banyak
variable.
Jika fungsi kendala ada yang menggunakan persamaan maka variabel buatan akan
ditemukan pada variabel basis awal. Penyelesaian solusi optimal untuk kasus seperti ini hanya
dapat dilakukan dengan memiliki antara metode Big M,Dua Fase atau metode Dua Fase. Jika
fungsi kendala menggunakan bentuk pertidaksamaan, perubahan dari bentuk umum ke bentuk
baku memerluka satu variabel surplus. Variabel surplus tidak dapat berfungsi sebagai variabel
basis awal, karena koefisiennya bertanda negatif. Sebagai variabel basis pada solusi awal,
harus ditambahkan satu variabel buatan. Variabel buatan pada solusi optimal harus bernilai 0.
B. SARAN
Melalui makalah ini, kami sebagai penulis berharap setiap pengguna atau pembaca
terlebih dapat mengenal dan menentukan cara bagaimana memecahkan sebuah masalah
pemograman linier dengan menggunakan metode simpleks dan metode Big M. Saran, kritik,
dan masukkan yang membangun sangat kami butuhkan demi perbaikan makalah ini
kedepannya. Terimakasih..

Martalena Susanti ZendratoPage 16

 DAFTAR PUSTAKA

Siringoringo, Hotniar. 2005. Seri Teknik Riset Operasional Pemograman Linier.Graha Ilmu:
Yongyakarta

Hartanto, Eko. Metode Simpleks Dan BIG-M. Universitas Indonesia: Jakarta

Fitriani. Metode Simpleks. UPI: Bandung

Martalena Susanti ZendratoPage 17