Metode Simpleks dalam

Bentuk Tabular
(Simplex Method in Tabular Form)

1
 Materi Bahasan
① Metode simpleks dalam bentuk tabular
② Pemecahan untuk masalah minimisasi
③ Masalah-masalah komputasi dalam metode
simpleks
④ Penentuan basis layak

2
① Metode simpleks dalam
bentuk tabular

3
 Contoh masalah LP

Memaksimumkan Z = 3x1 + 2x2

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

4
 Bentuk kanonik

Memaksimumkan Z = 3x1 + 2x2

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,

5
Representasi tabel untuk
solusi basis layak awal
cj 3 2 0 0 0 0
cB Konstanta
Basis x1 x2 x3 x4 x5 x6

0 x3 1 2 1 0 0 0 6

0 x4 2 1 0 1 0 0 8

0 x5 -1 1 0 0 1 0 1

0 x6 0 1 0 0 0 1 2

Baris c

6
 Nilai fungsi tujuan

Z  inner product dari vektor cB dan konstanta

6
 
8
Z  0,0,0,0   0
1
 
 2
 

7
 Pemeriksaan optimalitas
Nilai fungsi tujuan relatif (profit relatif /ongkos relatif )
untuk variabel non basis:

 inner product dari cB dan kolom yang 

cj  cj   
 berkaitan dengan x j dalam sistem kanonik 

Kondisi optimal terjadi apabila semua nilai koefisien

fungsi tujuan relatif untuk variabel non basis adalah tak
positif [untuk masalah maksimasi]

8
 Nilai fungsi tujuan relatif untuk
variabel non basis
1
 
2
c1  3  0,0,0,0   3
1
 
0
 
 2
 
1
c2  2  0,0,0,0   2
1
 
1
 
9
Tabel 1 (awal)
cj 3 2 0 0 0 0
cB Konstanta
Basis x1 x2 x3 x4 x5 x6

0 x3 1 2 1 0 0 0 6

0 x4 2 1 0 1 0 0 8

0 x5 -1 1 0 0 1 0 1

0 x6 0 1 0 0 0 1 2

Baris c 3 2 0 0 0 0 Z=0

10
 Penentuan variabel yang masuk
(entering variable)
• Variabel non basis yang dipilih untuk masuk ke
basis (entering variable)  variabel yang
memberikan peningkatan per unit pada Z yang
terbesar., yaitu variabel non basis yang mempunyai
nilai fungsi tujuan relatif terbesar (paling positif
untuk masalah maksimasi).

11
Penentuan variabel yang masuk (entering
variable)
cj 3 2 0 0 0 0
cB Konstanta
Basis x1 x2 x3 x4 x5 x6

0 x3 1 2 1 0 0 0 6

0 x4 2 1 0 1 0 0 8

0 x5 -1 1 0 0 1 0 1

0 x6 0 1 0 0 0 1 2

Baris c 3 2 0 0 0 0 Z=0

12
 Penentuan variabel yang keluar
(leaving variable)
• Untuk menentukan variabel basis yang akan diganti
(leaving variable), aturan rasio minimum (minimum
ratio rule) digunakan untuk menentukan limit bagi
tiap pembatas.

13
Penentuan variabel yang keluar (leaving
variable)

Batas atas bagi

Nomor baris Variabel basis
x1
1 x3 6/1 = 6
2 x4 8/2 = 4 (minimum)
3 x5 
4 x6 

14
Penentuan variabel yang keluar (leaving
variable)
cj 3 2 0 0 0 0
cB Konstanta
Basis x1 x2 x3 x4 x5 x6

0 x3 1 2 1 0 0 0 6

0 x4 2 1 0 1 0 0 8

0 x5 -1 1 0 0 1 0 1

0 x6 0 1 0 0 0 1 2

Baris c 3 2 0 0 0 0 Z=0

15
Tabel 2

cj 3 2 0 0 0 0
cB Konstanta
Basis x1 x2 x3 x4 x5 x6

0 x3 0 3/2 1 -1/2 0 0 2 x3 – x1

3 x1 1 1/2 0 1/2 0 0 4 x1 / 2

0 x5 0 3/2 0 1/2 1 0 5 x5 + x1

0 x6 0 1 0 0 0 1 2 x6

Baris c 0 1/2 0 -3/2 0 0 Z = 12

16
Penentuan variabel yang masuk (entering
variable)
cj 3 2 0 0 0 0
cB Konstanta
Basis x1 x2 x3 x4 x5 x6

0 x3 0 3/2 1 -1/2 0 0 2

3 x1 1 1/2 0 1/2 0 0 4

0 x5 0 3/2 0 1/2 1 0 5

0 x6 0 1 0 0 0 1 2

Baris c 0 1/2 0 -3/2 0 0 Z = 12

17
Penentuan variabel yang masuk (entering
variable)
cj 3 2 0 0 0 0
cB Konstanta
Basis x1 x2 x3 x4 x5 x6

0 x3 0 3/2 1 -1/2 0 0 2 4/3

3 x1 1 1/2 0 1/2 0 0 4 8

0 x5 0 3/2 0 1/2 1 0 5 10/3

0 x6 0 1 0 0 0 1 2 2

Baris c 0 1/2 0 -3/2 0 0 Z = 12

18
Tabel 3 (Optimal)
cj 3 2 0 0 0 0
cB Konstanta
Basis x1 x2 x3 x4 x5 x6

2 x2 0 1 2/3 -1/3 0 0 4/3

3 x1 1 0 -1/3 2/3 0 0 10/3

0 x5 0 0 -1 1 1 0 3

0 x6 0 0 -2/3 1/3 0 1 2/3

Baris c 0 0 -1/3 -4/3 0 0 Z = 122/3

19
Output Tabel Simpleks dengan
Software (WinQSB) (1)

20
Output Tabel Simpleks dengan
Software (WinQSB) (2)

21
② Pemecahan untuk masalah
minimisasi

22
 Masalah minimisasi
(Minimization problem)
• Koefisien fungsi tujuan relatif memberikan
informasi perubahan dalam nilai Z per satu unit
peningkatan variabel non basis.
• Nilai yang negatif pada koefisien fungsi tujuan
relatif untuk suatu variabel non basis
mengindikasikan bahwa jika variabel non basis
dinaikkan justru akan menyebabkan penurunan pada
nilai Z.

23
 Masalah minimisasi
(Minimization problem))
• Oleh karena itu, untuk masalah minimasi, hanya
variabel non basis yang mempunyai koefisien fungsi
tujuan relatif yang negatif saja yang memenuhi syarat
sebagai calon variabel yang masuk basis (entering
variable).
• Variabel yang masuk basis (entering variable) adalah
variabel yang mempunyai koefisien fungsi tujuan relatif
paling negatif.
• Sehingga kondisi optimalitas pada masalah minimasi
terjadi apabila semua nilai koefisien fungsi tujuan relatif
variabel non basis adalah tak negatif.
24
 Masalah minimisasi
(Minimization problem)
• Alternatif lain untuk memecahkan masalah
minimasi adalah dengan mengkonversikannya
menjadi masalah maksimasi dengan memecahkan
dengan metoda simpleks untuk masalah maksimasi..
• Konversi dilakukan dengan mengalikan fungsi
tujuan untuk masalah minimasi dengan minus satu.

25
 Masalah minimisasi
(Minimization problem)
Meminimumkan Z = 4x1 + x2

dengan pembatas-pembatas:
3x1 + x2 = 3
4x1 + 3x2 >= 6
x1 + 2x2  4
x1 >= 0, x2 >= 0

26
 Masalah minimisasi
(Minimization problem)
Memaksimumkan Z’ = -4x1 - x2

dengan pembatas-pembatas:
3x1 + x2 = 3
4x1 + 3x2 ≥ 6
x1 + 2x2  4
x1 ≥ 0, x2 ≥ 0

27
 Masalah minimisasi
(Minimization problem)
Solusi optimal kedua permasalahan akan sama,
tetapi nilai optimalnya berbeda dalam hal tanda.

Dengan kata lain:

Nilai minimum dari Z = - (Nilai maksimum dari Z’)

28
③ Masalah-masalah Komputasi
dalam Metode Simpleks

29
 Masalah-masalah komputasi
• Nilai yang sama pada koefisien fungsi tujuan relatif
yang terbesar  Pilih variabel non basis yang akan
masuk (entering variable) secara sebarang.
• Nilai yang sama pada rasio minimum untuk dua
atau lebih pembatas 
• Pilih variabel yang akan keluar (leaving variable) secara
sebarang.
• Implikasi dari nilai yang sama ini adalah akan
menghasilkan solusi yang degenerate.

30
 Masalah-masalah komputasi
• Solusi optimal alternatif (alternate optimal solution)
• Solusi yang tak terbatas (unbounded solution)

31
 Solusi optimum alternatif
(Alternate optimum solution)
Memaksimumkan Z = 2x1 + 4x2

dengan pembatas-pembatas:
x1 + 2x2  5
x1 + x2  4
x1 ≥ 0, x2 ≥ 0

32
 Bentuk kanonik
Memaksimumkan Z = 2x1 + 4x2

dengan pembatas-pembatas:
x1 + 2x2 + x3 =5
x1 + x2 + x4 = 4
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0

33
Tabel 1
cj 2 4 0 0
cB Konstanta
Basis x1 x2 x3 x4

0 x3 1 2 1 0 5

0 x4 1 1 0 1 4

Baris c 2 4 0 0 Z=0

34
Tabel 2 (Optimal)
cj 2 4 0 0
cB Konstanta
Basis x1 x2 x3 x4

4 x2 1/2 1 1/2 0 5/2

0 x4 1/2 0 -1/2 1 3/2

Baris c 0 0 -2 0 Z = 10

35
Tabel 3 (Optimal alternatif)
cj 2 4 0 0
cB Konstanta
Basis x1 x2 x3 x4

4 x2 0 1 1 -1 1

2 x1 1 0 -1 2 3

Baris c 0 0 -2 0 Z = 10

36
 Solusi secara grafis
x2

x1
37
 Catatan
• Solusi optimal alternatif dalam tabel simpleks dapat
diidentifikasi dengan melihat apakah terdapat
koefisien fungsi tujuan relatif yang nol untuk
variabel non basis pada tabel optimal.
• Dalam praktek, pengetahuan tentang optima
alternatif adalah berguna karena ini memberikan
manajemen untuk memilih solusi yang terbaik yang
cocok dengan situasi tanpa terjadinya penurunan
pada nilai fungsi tujuan.

38
 Solusi tak terbatas
(Unbounded solution)
Memaksimumkan Z = 2x1 + 3x2

dengan pembatas-pembatas:
x1 – x2  2
-3x1 + x2  3
x1 ≥ 0, x2 ≥ 0

39
 Bentuk kanonik
Memaksimumkan Z = 2x1 + 3x2

dengan pembatas-pembatas:
x1 – x2 + x3 =2
-3x1 + x2 + x4 = 3
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0

40
Tabel 1
cj 2 3 0 0
cB Konstanta
Basis x1 x2 x3 x4

0 x3 1 -1 1 0 2

0 x4 -3 1 0 1 3

Baris c 2 3 0 0 Z=0

41
Tabel 2
cj 2 3 0 0
cB Konstanta
Basis x1 x2 x3 x4

0 x3 -2 0 1 1 5

3 x2 -3 1 0 1 3

Baris c 11 0 0 -3 Z=9

42
 Catatan
• Tabel 2 belum optimal
• Variabel non basis x1 dapat menjadi basis (entering
variable) untuk menaikkan Z.
• Tetapi, aturan rasio minimum gagal karena tidak ada
elemen positif pada kolom x1.
• Dengan kata lain, jika x1 meningkat maka kedua
variabel basis x3 dan x2 juga meningkat sehingga
tidak akan pernah mencapai nol sebagai batas
peningkatan x1.

43
 Catatan
• Ini berarti bahwa x1 dapat dinaikkan secara tak
terbatas.
• Karena tiap peningkatan satu unit x1 akan
meningkatkan Z sebesar 11 unit, maka fungsi tujuan
dapat dinaikkan tak terbatas.
• Oleh karena itu, solusi bagi masalah LP adalah
solusi tak terbatas (unbounded solution).
• Dengan demikian, kegagalan dalam aturan rasio
minimum mengindikasikan bahwa masalah LP
mempunyai solusi yang tak terbatas.
44
x2
Solusi secara grafis

x1
45