METODE SIMPLEKS

Minggu 2

1
 Materi Bahasan
① Pemrograman linier dalam bentuk standar
② Pemecahan sistem persamaan linier
③ Prinsip-prinsip metode simpleks

2
① Pemrograman Linier dalam
Bentuk Standar

3
 Pemrograman linier
dalam bentuk standar
Memaksimumkan (Meminimumkan)
Z = c1x1 + c2x2 + … + cnxn
dengan pembatas a11x1 + a12x2 + … + a1nxn = b1
a21x1 + a22x2 + … + a2nxn = b2
.
.
.
am1x1 + am2x2 + … + amnxn = bm

x1≥0, x2≥0,…, xn≥0

b1≥0, b2≥0,…, bm≥0
4
Ciri-ciri LP dalam bentuk standar
• Fungsi tujuan adalah memaksimumkan atau
meminimumkan
• Semua pembatas dinyatakan dalam persamaan
• Semua variabel keputusan dibatasi sebagai tak
negatif
• Konstanta ruas kanan untuk tiap pembatas adalah
tak negatif

5
 Notasi matriks-vektor (1)
Maks (Min) Z = cx

dg pembatas
Ax = b
x≥0
b≥0
A : matriks (m x n)
x : vektor kolom (n x 1)
b : vektor kolom (m x 1)
c : vektor baris (1 x n)
6
 Notasi matriks-vektor (2)
 a11 a12  a1n   x1 
a x 
a22  a2 n 
A   21 x   2
    
   
am1 am 2  amn   xn 

 b1 
b 
b 2 c  c1 c2  cn 

 
bm 
7
 Reduksi ke bentuk standar
• Metode simpleks untuk memecahkan masalah LP
memerlukan bahwa masalah dinyatakan dalam
bentuk standar.
• Tidak semua masalah LP dalam bentuk standar
• Pembatas pertidaksamaan (inequality constraint).
• Variabel yang tak dibatasi tanda (unrestricted in sign of
variables)

8
 Pembatas pertidaksamaan (1)
• Karena bentuk standar memerlukan semua
pembatas harus dinyatakan dengan dalam
persamaan, pembatas pertidaksamaan harus diubah
ke persamaan.
• Ini dilakukan dengan penambahan variabel baru
untuk menunjukkan slack antara ruas kiri dan kanan
pada tiap pertidaksamaan.
• Variabel baru tersebut disebut slack variable

9
Pembatas pertidaksamaan (2)

x1 + 4x2  10 ⇒ x1 + 4x2 + x3 = 10
x3 ≥ 0

2x1 + 5x2 ≥ 18 ⇒ 2x1 + 5x2 – x4 = 18

x4 ≥ 0

10
 Variabel yang tak dibatasi tanda
(1)
• Dalam LP, adakalanya terdapat nilai variabel yang
tak dibatasi tanda (positif atau negatif)
• Karena bentuk standar LP memerlukan semua
variabel adalah tak negatif, maka variabel yang tak
dibatasi tanda diganti dengan selisih dua variabel
tak negatif

11
Variabel yang tak dibatasi tanda (2)
x1 + x5 = 50
x1 ≥ 0
x5 tak dibatasi tanda


x5 = x6 – x7


x1 + x6 – x7 = 50
x1 ≥ 0, x6 ≥ 0, x7 ≥ 0

12
 Definisi dasar (1)
• Suatu solusi layak (feasible solution) adalah suatu
vektor tak negatif x yang memenuhi persamaan Ax
= b.
• Daerah layak (feasible region), dinyatakan dengan S,
adalah himpunan dari semua solusi layak yang
mungkin. Secara matematis,
S = {x | Ax = b, x ≥ 0}
Jika himpunan layak S adalah kosong maka
masalah LP dikatakan tak layak (infeasible)

13
 Definisi dasar (2)
• Suatu solusi optimal (optimal solution) adalah suatu
vektor x* yang layak dan nilai fungsi tujuannya
(cx*) lebih besar dari semua solusi layak yang lain.
Secara matematis,
x* adalah optimal  x*  S dan cx* ≥ cx,  x 
S
• Nilai optimal (optimal value) dari masalah LP
adalah nilai fungsi tujuan yang berkaitan dengan
solusi optimal. Jika Z* adalah nilai optimal maka Z*
= cx*
14
 Definisi dasar (3)
• Jika suatu LP mempunyai lebih dari satu solusi
optimal maka LP disebut mempunyai solusi optimal
alternatif (alternate optimal solution).
• Solusi optimal dari masalah LP dikatakan unik
(unique optimum) jika hanya terdapat tepat satu
solusi optimal.
• Jika suatu masalah LP tidak mempunyai optimum
tertentu (finite optimum), yaitu maks. Z  +,
maka LP dikatakan mempunyai solusi yang tak
terbatas (unbounded solution)

15
② Pemecahan Sistem
Persamaan Linier

16
 Pemecahan Sistem
Persamaan Linier (1)
• Permasalahan matematis utama dalam
pemrograman linier adalah mendapatkan solusi dari
suatu sistem persamaaan linier yang
memaksimumkan atau meminimumkan suatu fungsi
tujuan linier.
• Sistem persamaan linier dapat diselesaikan dengan
menggunakan prosedur klasik Gauss-Jordan
elimination.

17
 Pemecahan Sistem
Persamaan Linier (2)
Sistem dengan dua persamaan dengan lima
variabel yang tak diketahui

x1 – 2x2 + x3 – 4x4 + 2x5 = 2

(S1)
x1 – x2 – x3 – 3x4 – x5 = 4

•Karena terdapat lebih banyak jumlah variabel yang tak

diketahui daripada persamaan, maka sistem mempunyai
lebih dari satu solusi.
•Himpunan dari semua solusi yang mungkin dari sistem
disebut himpunan solusi (solution set)
18
 Pemecahan Sistem
Persamaan Linier (3)
• Sistem ekivalen (equivalent system)
• Dua sistem persamaan dikatakan ekivalen jika kedua
sistem mempunyai himpunan solusi yang sama.
• Metode untuk memecahkan suatu sistem persamaan
adalah mendapatkan suatu sistem ekivalen yang
mudah untuk dipecahkan.

19
 Pemecahan Sistem
Persamaan Linier (4)
• Terdapat dua tipe operasi baris elementer untuk
mendapatkan sistem ekivalen
• Mengalikan sebarang persamaan dalam sistem dengan
suatu bilangan positif atau negatif.
• Menambahkan ke sebarang persamaan dengan suatu
konstanta pengali (positif, negatif atau nol) ke sebarang
persamaan yang lain.

20
 Pemecahan Sistem
Persamaan Linier (5)
x1 – 2x2 + x3 – 4x4 + 2x5 = 2
(S1)
x1 – x2 – x3 – 3x4 – x5 = 4

x1 – 2x2 + x3 – 4x4 + 2x5 = 2

(S2) x2 – 2x3 + x4 – 3x5 = 2

x1 – 3x3 – 2x4 – 4x5 = 6

(S3)
x2 – 2x3 + x4 – 3x5 = 2

21
 Pemecahan Sistem
Persamaan Linier (6)
• Sistem S1, S2 dan S3 adalah ekivalen, yaitu solusi
bagi satu sistem secara otomatis memberikan solusi
bagi sistem yang lain.
• Untuk sistem S3, x3 = x4 = x5 = 0 akan memberikan
x1 = 6, x2 = 2.
• Sistem S3 disebut sistem kanonik (canonical system).
• Variabel x1 dan x2 dari sistem kanonik disebut
variabel basis (basic variable).

22
 Pemecahan Sistem
Persamaan Linier (7)
• Variabel basis (basic variable)
• Variabel xi dikatakan sebagai variabel basis jika dalam
suatu persamaan ia muncul dengan koefisien satu pada
persamaan tersebut, dan nol pada persamaan yang lain.
• Variabel non basis (nonbasic variable)
• Variabel yang bukan variabel basis.
• Operasi pivot (pivot operation)
• Suatu urutan operasi elementer yang mereduksi suatu
sistem persamaan ke suatu sistem ekivalen untuk
menghasilkan variabel basis.

23
 Pemecahan Sistem
Persamaan Linier (8)
• Solusi basis (basic solution)
• Solusi yang diperoleh dari suatu sistem kanonik dengan
menetapkan nilai variabel non basis sama dengan nol dan
memecahkan variabel basis.
• Solusi basis layak (basic feasible solution)
• Solusi basis dimana nilai variabel basisnya adalah tak
negatif.

24
 Pemecahan Sistem
Persamaan Linier (9)
• Dengan m pembatas dan n variabel, jumlah maksimum
dari solusi basis bagi LP dalam bentuk standar adalah
terbatas dan diberikan oleh

n n!
  
 m  m!n  m !
• Per definisi, setiap solusi basis layak adalah
solusi basis, maka jumlah maksimum solusi
basis layak adalah juga terbatas dengan
hubungan ini. 25
 Pemecahan Sistem
Persamaan Linier (10)
• Dari kesimpulan dengan metode grafis:
• Jika terdapat suatu solusi optimal dari model LP, salah
satu titik pojok (corner point) dari daerah layak adalah
solusi optimal.
• Dengan mudah dapat ditunjukkan bahwa setiap titik
pojok dari daerah layak berkaitan dengan suatu
solusi basis layak dari persamaan pembatas.
• Ini berarti bahwa suatu solusi optimal dari model LP
dapat diperoleh hanya dengan memeriksa solusi
basis layaknya.

26
 Pemecahan Sistem
Persamaan Linier (11)
• Pendekatan naif (naïve approach) untuk
memecahkan masalah LP (yang mempunyai solusi
optimal) dilakukan dengan membangkitkan semua
solusi basis layak yang mungkin dengan sistem
kanonik dan menentukan solusi basis layak mana
yang memberikan nilai fungsi tujuan terbaik.
• Dengan metode simpleks (simplex method),
pemecahan lebih efisien karena hanya memeriksa
sebagian solusi basis layak.

27
③ Prinsip-prinsip Metode
Simpleks

28
Prinsip-prinsip Metode Simpleks (1)
• Metode simpleks (simplex method), yang
dikembangkan oleh G.B. Dantzig, merupakan
prosedur iteratif untuk memecahkan masalah LP
dengan mengekspresikannya dalam bentuk standar.
• Metode simpleks memerlukan bahwa semua
pembatas dinyatakan dalam bentuk sistem kanonik
dimana suatu solusi basis layak dapat langsung
diperoleh.

29
Prinsip-prinsip Metode Simpleks (2)
• Langkah umum:
• Mulai dengan suatu solusi layak basis.
• Perbaiki solusi awal jika mungkin dengan mencari solusi
layak basis yang mempunyai nilai fungsi tujuan yang
lebih baik.
• Lanjutkan untuk mencari solusi-solusi layak basis yang
dapat memperbaiki nilai fungsi tujuan. Jika suatu solusi
layak basis tidak dapat diperbaiki lagi, maka solusi layak
basis tersebut menjadi solusi optimal dan metode
simpleks berhenti.

30
Prinsip-prinsip Metode Simpleks (3)

Memaksimumkan Z = 3x1 + 2x2

dengan pembatas-pembatas:
x1 + 2x2  6
2x1 + x2  8
– x1 + x2  1
x2  2
x1 ≥ 0, x2 ≥ 0

31
 Prinsip-prinsip Metode Simpleks (4)
Memaksimumkan Z = 3x1 + 2x2 + 0x3 + 0x4 + 0x5 + 0x6

dengan pembatas-pembatas:
x1 + 2x2 + x3 =6
2x1 + x2 + x4 =8
– x1 + x2 + x5 =1
x2 + x6 = 2
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0, x5 ≥ 0, x6 ≥ 0,

32
 Prinsip-prinsip Metode Simpleks (5)

Variabel basis : x3, x4, x5, x6

Dengan menetapkan x1 = x2 = 0, maka diperoleh

solusi basis :
x3 = 6, x4 = 8, x5 = 1, x6 = 2

Nilai fungsi tujuan Z = 3(0)+2(0)+0(6)+0(8)+0(1)+0(2)= 0

33
Prinsip-prinsip Metode Simpleks (6)
Memperbaiki solusi basis layak
• Dengan diberikan solusi basis layak, yaitu x1 = x2 =
0, x3 = 6, x4 = 8, x5 = 1, x6 = 2 dengan Z= 0, metode
simpleks mengecek apakah mungkin untuk
mendapatkan solusi basis layak yang lebih baik
dengan nilai Z yang lebih besar.
• Ini dilakukan dengan pertama-tama memeriksa
apakah solusi saat ini adalah optimal.
• Jika solusi solusi belum optimal, metode simpleks
mencari suatu solusi basis layak tetangga (adjacent
basic feasible solution) dengan nilai Z yang lebih
besar.

34
 Prinsip-prinsip Metode Simpleks (7)

• Suatu solusi basis layak tetangga (adjacent basic

feasible solution) berbeda dengan solusi basis layak
(basic feasible solution) saat ini hanya tepat satu
variabel basis.

35
Prinsip-prinsip Metode Simpleks (8)
• Untuk mendapatkan solusi basis layak tetangga,
metoda simpleks
• Membuat salah satu variabel basis menjadi variabel non
basis
• Menjadikan salah satu variabel non basis menjadi
variabel basis
• Permasalahannya adalah memilih solusi basis dan
solusi non basis yang pertukarannya memberikan
perbaikan maksimum pada nilai fungsi tujuan.

36
Prinsip-prinsip Metode Simpleks (9)
• Dalam solusi basis layak
• Variabel basis dapat mempunyai nilai yang positif
• Varibel non basis selalu mempunyai nilai nol
• Membuat variabel non basis menjadi variabel basis
adalah ekivalen dengan menaikkan nilainya dari nol
ke positif.
• Tentu saja, pilihan yang harus dibuat adalah
menentukan variabel non basis mana yang dapat
memberikan perbaikan pada nilai Z
• Ini dilakukan dengan menaikkan nilai variabel non
basis menjadi satu unit dan memeriksa
perubahannya pada nilai fungsi tujuan Z.

37
 Prinsip-prinsip Metode Simpleks (10)
Misalkan variabel non basis x1 dinaikkan 1 unit
x1 + x3 =6
2x1 + x4 =8
– x1 + x5 =1
0x1 + x6 = 2
x1 = 1, x2 = 0, x3 = 5, x4 = 6, x5 = 2, x6 = 2

Nilai fungsi tujuan

Z = 3(1)+2(0)+0(5)+0(6)+0(2)+0(2)= 3

Perubahan nilai Z per peningkatan satu unit x1

Z = 3 – 0 = 3 38
 Prinsip-prinsip Metode Simpleks (11)
Misalkan variabel non basis x2 dinaikkan 1 unit
2x2 + x3 =6
x2 + x4 =8
x2 + x5 =1
x2 + x6 = 2
x1 = 0, x2 = 1, x3 = 4, x4 = 7, x5 = 0, x6 = 1

Nilai fungsi tujuan

Z = 3(0)+2(1)+0(4)+0(7)+0(0)+0(1)= 2

Perubahan nilai Z per peningkatan satu unit x2

Z = 2 – 0 = 2 39
Prinsip-prinsip Metode Simpleks (12)
• Karena Z positif untuk x1 dan x2  nilai fungsi
tujuan dapat dinaikkan.
• Karena Z untuk x1 > Z untuk x2 maka
menaikkan x1 lebih baik.
• Sampai seberapa jauh x1 dapat dinaikkan?
• Jika x1 dinaikkan maka nilai variabel basis : x3, x4,
x5, x6 akan turun dan nilainya harus tak negatif agar
tetap layak.

40
 Prinsip-prinsip Metode Simpleks (13)

Batas peningkatan x1:

x1 + x3 =6  x1 = 6
2x1 + x4 =8  x1 = 4
– x1 + x5 =1  x1 = 
0x1 + x6 = 2  x1 = 

Maksimum peningkatan x1 = minimum (6, 4, , ) = 4

41
Prinsip-prinsip Metode Simpleks (14)

x1 dinaikkan ke 4, maka x4 menjadi variabel non basis

x1 = 4, x2 = 0, x3 = 2, x4 = 0, x5 = 5, x6 = 2 dan Z = 12

42
 Prinsip-prinsip Metode Simpleks (15)
x1 + 2x2 + x3 =6
2x1 + x2 + x4 =8
– x1 + x2 + x5 =1
x2 + x6 = 2

3/ x
2 2 + x3 – 1/ x
2 4 =2
x1 + 1/2x2 +1/2x4 =4
3/ x + 1/2x4 + x5 =5
2 2
x2 + x6 = 2
Variabel basis : x1, x3, x5, x6;
Variabel non basis: x2, x4
43
 (5)
x2
Prinsip-prinsip Metode Simpleks (16)

(2)

(4)
E D
F C
(3) (1)
B
A x1 (6)
44
 Prinsip-prinsip Metode Simpleks (17)
Misalkan variabel non basis x2 dinaikkan 1 unit
3/
2x2 + x3 =2
x1 + 1/2x2 =4
3/ x + x5 =5
2 2
x2 + x6 =2
x1= 7/2, x2 = 1, x3 = 1/2, x4 = 0, x5 = 7/2, x6 = 1

Nilai fungsi tujuan

Z = 3(7/2)+2(1)+0(1/2)+0(0)+0(7/2)+0(1)= 121/2

Perubahan nilai Z per peningkatan satu unit x2

Z = 121/2 – 12 = 1/2 45
 Prinsip-prinsip Metode Simpleks (18)
Misalkan variabel non basis x4 dinaikkan 1 unit
x3 –1/2 x4 =2
x1 +1/2x4 =4
+ 1/2x4 + x5 =5
0x4 x6 = 2
x1= 7/2, x2 = 0, x3 = 5/2, x4 = 1, x5 = 9/2, x6 = 2

Nilai fungsi tujuan

Z = 3(7/2)+2(0)+0(5/2)+0(1)+0(9/2)+0(2)= 101/2

Perubahan nilai Z per peningkatan satu unit x4

Z = 101/2 – 12 = – 3/2 46
 Prinsip-prinsip Metode Simpleks (19)
• Karena Z positif untuk x2  nilai fungsi
tujuan dapat dinaikkan
• Karena Z negatif untuk x4  nilai fungsi
tujuan tidak dapat dinaikkan
• Sampai seberapa jauh x2 dapat dinaikkan?
• Jika x2 dinaikkan maka nilai variabel basis :
x1, x3, x5, x6 akan turun dan nilainya harus tak negatif
agar tetap layak.

47
 Prinsip-prinsip Metode Simpleks (20)

Batas peningkatan x2:

3/
2x2 + x3 =2  x2 = 4/3
x1 + 1/2x2 =4  x2 = 8
3/ x
2 2 + x5 =5  x2 = 10/3
x2 + x6 =2  x2 = 2

Maksimum peningkatan x2 = minimum (4/3, 8, 10/3, 2) = 4/3

48
 Prinsip-prinsip Metode Simpleks (21)

x2 dinaikkan ke 4/3, maka x3 menjadi variabel non basis

x1 = 10/3, x2 = 4/3, x3 = 0, x4 = 0, x5 = 3, x6 = 2/3 dan Z = 122/3

49
 Prinsip-prinsip Metode Simpleks (22)
3/ + x3 –1/2 x4
2x2 =2
x1 + 1/2x2 +1/2x4 =4
3/ x + 1/ x + x =5
2 2 2 4 5
x2 + x6 = 2

x2 + 2/3x3 – 1/3 x4 = 4/3

x1 – 1/3x3 + 2/3x4 = 10/3
– x3 + x4 + x5 =3
– 2/3x3 + 1/3x4 + x6 = 2/3
Variabel basis : x1, x2, x5, x6;
Variabel non basis: x3, x4 50
 (5)
x2 Prinsip-prinsip Metode Simpleks (23)

(2)

(4)
E D
F C
(3) (1)
B
A x1 51 (6)
 Prinsip-prinsip Metode Simpleks (24)
Misalkan variabel non basis x3 dinaikkan 1 unit
x2 + 2/3x3 = 4/3
x1 – 1/3x3 = 10/3
– x3 + x5 =3
– 2/3x3 + x6 = 2/3
x1= 11/3, x2 = 2/3, x3 = 1, x4 = 0, x5 = 4, x6 = 4/3

Nilai fungsi tujuan

Z = 3(11/3)+2(2/3)+0(1)+0(0)+0(4)+0(4/3)= 121/3

Perubahan nilai Z per peningkatan satu unit x3

Z = 121/3 – 122/3 = – 1/3 52
 Prinsip-prinsip Metode Simpleks (25)
Misalkan variabel non basis x4 dinaikkan 1 unit
x2 – 1/3 x4 = 4/ 3
x1 + 2/3x4 = 10/3
x4 + x5 =3
1/ x + x6 = 2/3
3 4

x1= 8/3, x2 = 5/3, x3 = 0, x4 = 1, x5 = 2, x6 = 1/3

Nilai fungsi tujuan

Z = 3(8/3)+2(5/3)+0(0)+0(1)+0(2)+0(1/3)= 111/3

Perubahan nilai Z per peningkatan satu unit x4

Z = 111/3 – 122/3 = – 4/3 53
 Prinsip-prinsip Metode Simpleks (25)
• Karena Z negatif untuk x3 dan x4  nilai
fungsi tujuan tidak dapat dinaikkan
• Karena tidak ada variabel non basis yang dapat
dinaikkan yang dapat memberikan peningkatan
pada nilai fungsi tujuan Z maka solusi saat ini
adalah optimal.

54
Prinsip-prinsip Metode Simpleks (26)
• Untuk masalah maksimasi:
– Suatu solusi basis layak adalah optimal jika profit
relatif (Z) dari variabel non basis adalah negatif
atau nol.

55